CN112366697B - 一种多能流配电网日前能量管理模型的管理方法 - Google Patents

Abstract

本发明为一种多能流配电网日前能量管理模型的管理方法，属于多能流配电网领域，针对现有模型和算法不能保证配电网实际运行和调度的效果的问题，采用技术方案如下：一种多能流配电网日前能量管理模型的管理方法，包括如下步骤：步骤1，考虑配电网内部能量网络，建立多能流配电网日前能量管理模型，其包括天然气网络模型、热力网络模型和电力网络模型；步骤2，根据步骤1建立的多能流配电网日前能量管理模型，采用自适应改进鲸鱼优化算法计算结果。本发明考虑了配电网内部能量网络以保证配电网实际运行和调度的效果，并通过改进的鲸鱼优化算法解决了复杂的非凸非线性优化的问题。

Description

一种多能流配电网日前能量管理模型的管理方法

技术领域

本发明属于多能流配电网领域，特别涉及一种多能流配电网日前能量管理模型的管理方法。

背景技术

目前，能源危机和经济问题日益严重，促使工业界寻求更有效的能源消费和生产方式。为了提高能源利用率，多能流系统受到越来越多的关注。在结构上，多能流配电网与传统的配电网相比，能源形式多样，能源利用率高，能够同时为用户提供多种能源需求。然而，目前的能量管理方法大部分都是针对单一能源网络而建立的，这导致了能源效率低并且经济性较差。少部分人针对多能流配电网提出了能量管理方法，但他们都是运用能量枢纽概念对多能流配电网进行建模，这种方法缺乏对配电网内部能量网络的考虑，不能保证配电网实际运行和调度的效果。因此，需要对现有模型和算法进行改进，以保证配电网实际运行和调度的效果。

发明内容

针对现有技术的问题，本发明提供一种多能流配电网日前能量管理模型的管理方法，采用模型考虑了配电网内部能量网络，以保证实际配电网实际运行和调度的效果，此外，通过改进的鲸鱼优化算法解决了复杂的非凸非线性优化的问题。

本发明采用技术方案如下：一种多能流配电网日前能量管理模型的管理方法，包括如下步骤：

步骤1，建立多能流配电网日前能量管理模型：

步骤1.1，在满足系统内负荷要求的前提下，以多能流配电网总运行成本最小为优化目标，建立目标函数；

步骤1.2，考虑多能流配电网日前能量管理模型的燃气网络影响因素包括P₂G机组和燃气负荷，其中，燃气负荷还包括锅炉、CHP机组和燃气需求，由此建立天然气网络模型；

步骤1.3，考虑多能流配电网日前能量管理模型的热力网络影响因素包括管道、热源、热负荷以及热储能，其中，热源为锅炉和CHP机组，通过电动泵在多能流配电网系统中提供水循环，由此建立热力网络模型；

步骤1.4，考虑多能流配电网日前能量管理模型的电力网络中的每个节点都必须满足包括有功功率和无功功率在内的电力平衡，由此建立电力网络模型；

步骤2，根据步骤1建立的多能流配电网日前能量管理模型，采用自适应改进鲸鱼优化算法计算结果。

本发明考虑了配电网内部能量网络以保证配电网实际运行和调度的效果，并通过改进的鲸鱼优化算法解决了复杂的非凸非线性优化的问题。

进一步地，步骤1.1中的目标函数为公式(1)：

式中，

为与上游热网交换的热能，MW；

为与上游气网交换的气能，m³/day；

为与上游电网交换的电能，MW；

为热能价格，元/MW；

为天然气价格，元/m³；

为电力价格，元/MW；

表示上游热网与多能流配电网之间交换热能的成本，元；

表示上游天然气网络和多能流配电网之间交换天然气的成本,元；

表示上游大电网与多能流配电网之间交换电能的成本，元；

需要指出的是，在每个时间段，多能流配电网都可以将剩余能源出售给相关的上游网络，从而降低其日常运营成本。

多能流配电网日前能源调度中所有控制变量如下：

式中，

为热电联产机组(combined heat and power，CHP)产热功率，MW；

为燃气锅炉产热功率，MW；

分别为CHP和燃气锅炉初始温度，K；

为电储能系统的充放电状态，MW；

为热储能系统的变化状态，无量纲。

进一步地，步骤1.2的天然气网络模型中各节点气流平衡如式(3)：

式中，

为g节点P₂G的产气量，m³/day；

为g节点天然气需求量，m³/day；

为g节点CHP耗气量，m³/day；

为g节点燃气锅炉耗气量，m³/day；

为g节点到k节点的输气量，m³/day；N_G为天然气网络节点总数。

求解式(3)中的

使用如下公式：

式中，

为管道压力符号函数，无量纲，如果Π_g≥Π_k，表明能量流从气网g节点转移到气网k节点，其值等于1，反之则等于-1；

为节点g和节点k之间的管道常数，无量纲；H_g、H_k分别为管道高度，m；Π_g、Π_k分别为g节点与k节点的气体压力，kPa；

为管道坡度校正，kPa²；

为管道的平均压力，kPa；Z_a气体平均压缩系数，无量纲；

为管道气流平均温度，K；

为管道平均压力，kpa；T₀为初始温度，K；

为管道直径，mm；E_p为天然气管道绝对粗糙度，mm；L^gk为管道长度，km；γ_G为气体比重，无量纲；

为天然气管道摩擦系数，其可根据科尔布鲁克方程计算，即式(8)而得：

式中：

为雷诺数，无量纲；

同时，每个节点的压力Π_j必须位于以下约束范围内：

式中：Πj为节点j的气体压力，kPa；

分别为节点j气体压力的最大最小值，kPa；N_G为气网节点总数。

P₂G单元耗电量如下：

式中，

为t时刻P₂G耗电功率，MW；GHV为天然气热值，MW·h/m³；

为t时刻P₂G产气效率，无量纲；

为t时刻P₂G产气量，m³/day；

每个P₂G单元t时刻的产气量必须位于以下约束范围内：

式中，

分别为每个P₂G的最小产气量和最大产气量，m³/day；

燃气锅炉耗气量计算如下：

式中，

为t时刻燃气锅炉耗气量，m³/day；

为t时刻燃气锅炉产热量，MW；a^boil、b^boil分别为燃气锅炉分项系数，无量纲；φ^boil,max为燃气锅炉最大产热量，MW；

CHP机组耗气量为：

式中，

为t时刻CHP的耗气量，m³/day；

为t时刻CHP的发电功率，MVA/day；

为t时刻CHP的产热功率，MW；

为CHP的效率，无量纲；

按式(15)对每个管道气体流量

进行约束：

式中，

为每个管道气体流量，m³/day；

为最大管道数量；

为每个管道的最大气体流量，m³/day。

进一步地，步骤1.3中的热力网络模型中，每根管道的热功率Φ_hb和每根管道末端温度计算如下：

式中，Φ_hb为为每根管道的热功率，MW；

为节点h和节点b之间管道的水流量，kg/s；c_p为水的比热容，kJ/(kg·K)；T_start,h、T_end,b分别为节点h和节点b的水流温度，K；T_g为环境温度，K；

为热管长度，km；Γ热传导系数，W/mK；

由摩擦导致的每个热力管道中的压力损失

通过Darcy-Weisbach方程计算：

式中，

为每个热力管道中的压力损失，Pa；

为热管道的阻力系数，无量纲；g为重力加速度，N/kg；ρ_W为水密度，kg/m³；

为管道直径，mm；

为管道流量符号函数，无量纲；

为热管道的摩擦系数，无量纲。

热管道的摩擦系数

由Colebrook方程计算：

式中，ε_H为管道粗糙度，Ra；

为雷诺数，无量纲；

为流速，m/s；μ_W为水的运动粘度，m²/s。

混合热节点的温度为：

式中，

分别为混合热节点处流入和流出的水流流量，kg/s；T_in、T_out分别为混合热节点处流入和流出的水流温度，K。可以看出，混合前各管道水流温度不同，混合后从该节点流入到其他管道的水流温度相同。

热力网络模型中热平衡约束如下：

式中，φ_h,load为热负荷功率，MW；

为热储能储热功率，MW；

分别为CHP/燃气锅炉所产热水的流量，kg/s；

为热储能放热水流量，kg/s；Nh为热网节点数；T_end,load为热负荷温度，K。

所有节点的供水和回水温度平衡满足如下条件：

式中，T_start,CHP、T_start,Boiler、T_start,TSS分别为CHP、锅炉和热储能水流温度，K；

为负荷流量，kg/s；T_start、T_end为管道首端和末端水流温度，K；

每个节点的供水和回水温度必须在约束范围内，需满足如下条件：

式中，T_s,j、T_r,j分别为节点j供水温度和回水温度，K；

热网节点总数，

为别为节点j供水温度上下限，K；

为别为节点j回水温度上下限，K；

每个CHP机组和燃气锅炉产热量约束，需满足如下条件：

式中，

为每个CHP机组的产热功率，MW；

为每个燃气锅炉产热功率，MW；

为每个CHP机组最小产热功率，MW；

为每个CHP机组最大产热功率，MW；

为每个燃气锅炉最小产热功率，MW；

为每个燃气锅炉最大产热功率，MW；N_CHP为系统内CHP的总数；N_boil为系统内燃气锅炉总数。

此外，每个CHP机组和燃气锅炉的起始温度必须在约束范围内：

式中，

分别为每个CHP机组和燃气锅炉初始温度，K；

分别为燃气轮机的最小初始温度和最大初始温度，K；

分别为燃气锅炉的最小初始温度和最大初始温度，K；

热储能的状态变化满足条件如下：

式中，

为t时刻热储能系统容量，MW；η_c,TSS、η_d,TSS分别为热储能充、放能效率，无量纲；

分别为t时刻热储能充、放热功率，MW；

为t-1时刻热储能系统容量，MW。

在充电和放电状态下要考虑每个TSS不能同时充电和放电。

TSS的容量限制和充/放热功率约束满足如下条件：

式中，

为热储能系统最小容量，MW；

为热储能系统最大容量，MW；

为热储能最小充热功率，MW；

为热储能最大充热功率，MW；

为热储能最小放热功率，MW；

为热储能最大放热功率，MW。

热管道传输热功率

约束满足如下条件：

式中，

为每个热管道中传输的热功率，MW；

热管道数量；

为热管道传输热功率的最大值，MW。

进一步地，步骤1.4的电力网络模型中，每个节点都必须满足包括有功功率和无功功率在内的电力平衡：

式中：

分别为节点i的储能充、放电功率，MW；

分别为节点i的CHP有功功率和无功功率，MVA；

分别为节点i的有功功率和无功功率需求，MVA；

为节点i的热泵消耗电功率，MW；

分别为从大电网购买的有功功率和无功功率，MW；V_i、V_j分别为节点i和节点j的幅值，V；Y_ij为输电线路导纳，S；N_E为电网节点数，无量纲。

热泵消耗电功率可由下式计算而得：

式中，

为热泵总质量流量，kg/s；H_P为泵头，m；η^HP为泵效率，无量纲；P^HP为热泵消耗电功率，MW。

每个节点的电压必须在约束范围内需满足条件如下：

式中，

电网节点总数；

为节点j电压上下限，V。

电线传输功率

约束需满足条件如下：

式中，

为电线最大允许传输功率，MW；

为电网支路总数。

ESS系统充放电模型如下：

式中，

为t时刻电储能系统容量，MW；η_c,ESS、η_d,ESS分别为电储能充放电效率；

为t时刻电储能充放电功率，MW；

为t-1时刻电储能系统容量，MW；

ESS容量约束需满足条件如下：

式中：

分别为电储能系统容量上下限，MW；

ESS充放电功率约束需满足条件如下：

式中：

为电储能系统最小充电功率，MW；

为电储能系统最大充电功率，MW；

为电储能系统最小放电功率，MW；

为电储能系统最大放电功率，MW。

步骤2中采用的自适应改进鲸鱼优化算法按如下步骤进行：

步骤2.1，输入多能流配电网优化问题数据，每个种群都是优化问题的一种解决方案，第i个种群X_i表示如下：

X_i＝[x_i,1，x_i,2，...,x_i,D]i＝1,2,....,ps (46)

式中：ps为总群个数；D为控制变量个数；

步骤2.2，通过计算每个代理的适应度，得到初始的最优搜索代理：探索过程取决于参数A和ρ，ρ是[0,1]之间的随机数；

若ρ＜0.5，执行步骤2.2(1)；

若ρ≥0.5，执行步骤2.2(2)；

步骤2.2(1)，当|A|＜1时，为开发过程，通过式(52)更新当前搜索位置，即每个候选解的下一个位置：

X(t+1)＝X_best(t)-A·E (52)

式中：X_best为当前最优解的位置向量，E为X在位置更新前与X_best之间的距离；

当|A|＞1时，为勘探过程，选择一个随机位置向量，通过式(50)更新当前搜索位置，即每个候选解的下一个位置：

X(t+1)＝X_rand(t)-A·D (50)

式中：X_rand为从当前种群中随机选择的位置向量；D为X在位置更新前与X_rand之间的距离；

步骤2.2(2)，通过式(54)更新当前搜索位置，即每个候选解的下一个位置：

X(t+1)＝D·e^bl·cos(2πl)+X_best(t) (54)

式中：D′为最优解位置与当前解位置之间的距离；b为常数，定义了对数螺线的形状；l为[-1,1]之间的随机数；

步骤2.3，判断迭代次数iter是否小于迭代次数最大值，

若是，增加一次迭代，并返回步骤2.2；

若否，结束计算。

步骤2.2(1)的式(52)满足下式：

E＝|C·X_best(t)-X(t)| (51)

式中：C为系数向量，X为当前解的位置向量。

步骤2.2(1)的式(50)通过下式计算：

C＝2·r (48)

D＝|C·X_rand(t)-X(t)| (49)

式中：C为系数向量，X为当前解的位置向量，r是[0,1]中的随机向量。

步骤2.2(2)的式(54)通过下式计算：

D′＝|X_best(t)-X(t)| (53)

式中：X为当前解的位置向量，X_best为当前最优解的位置向量。

为了提高WOA在探索和开发过程中的有效性，从局部最优点出发，采用自适应机制来改变参数A，基于小波理论，参数A的自适应机制将在搜索中动态改变种群的突变，具体如下：

式中：h为膨胀参数；β是h的形状参数；ψ(φ)为Morlet小波函数；η为h的上界；iter为迭代次数；β_min、β_max为形状参数的最小值和最大值。

传统的WOA算法由搜索猎物(即勘探过程)、包围捕食(即开发过程)和泡网攻击三部分组成，其搜索过程(包括勘探过程和开发过程)取决于参数A和ρ，A的含义如下：

A＝2a·r-a (47)

在勘探和开发过程中，a由2线性减小到0，r是[0,1]中的随机向量。

本发明具有的有益效果：本发明考虑了配电网内部能量网络以保证配电网实际运行和调度的效果，并通过改进的鲸鱼优化算法解决了复杂的非凸非线性优化的问题。

附图说明

图1为多能流配电网日前能量管理模型的管理方法的流程图；

图2为自适应改进鲸鱼优化算法的流程图。

具体实施方式

下面结合本发明的附图，对本发明实施例的技术方案进行解释和说明，但下述实施例仅为本发明的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其他实施例，都属于本发明的保护范围。

多能流配电网日前能量管理模型的管理方法，如图1所示，包括如下步骤：

步骤1，建立多能流配电网日前能量管理模型：

步骤1.1，在满足系统内负荷要求的前提下，以多能流配电网总运行成本最小为优化目标，建立目标函数如公式(1)所示：

式中，

为与上游热网交换的热能，MW；

为与上游气网交换的气能，m³/day；

为与上游电网交换的电能，MW；

为热能价格，元/MW；

为天然气价格，元/m³；

为电力价格，元/MW；

表示上游热网与多能流配电网之间交换热能的成本，元；

表示上游天然气网络和多能流配电网之间交换天然气的成本,元；

表示上游大电网与多能流配电网之间交换电能的成本，元；

需要指出的是，在每个时间段，多能流配电网都可以将剩余能源出售给相关的上游网络，从而降低其日常运营成本。

多能流配电网日前能源调度中所有控制变量如下：

式中，

为热电联产机组(combined heat and power，CHP)产热功率，MW；

为燃气锅炉产热功率，MW；

分别为CHP和燃气锅炉初始温度，K；

为电储能系统的充放电状态，MW；

为热储能系统的变化状态，无量纲。

步骤1.2，考虑多能流配电网日前能量管理模型的燃气网络影响因素包括P₂G机组和燃气负荷，其中，燃气负荷还包括锅炉、CHP机组和燃气需求，由此建立天然气网络模型：节点气流平衡如式(3)：

式中，

为g节点P₂G的产气量，m³/day；

为g节点天然气需求量，m³/day；

为g节点CHP耗气量，m³/day；

为g节点燃气锅炉耗气量，m³/day；

为g节点到k节点的输气量m³/day；N_G为天然气网络节点总数。

求解式(3)中的

使用如下公式：

式中，

为管道压力符号函数，无量纲，如果Π_g≥Π_k，表明能量流从气网g节点转移到气网k节点，其值等于1，反之则等于-1；

为节点g和节点k之间的管道常数，无量纲；H_g、H_k分别为管道高度，m；Π_g、Π_k分别为g节点与k节点的气体压力，kPa；

为管道坡度校正，kPa²；

为管道的平均压力，kPa；Z_a气体平均压缩系数，无量纲；

为管道气流平均温度，K；

为管道平均压力，kpa；T₀为初始温度，K；

为管道直径，mm；E_p为天然气管道绝对粗糙度，mm；L^gk为管道长度，km；γ_G为气体比重，无量纲；

为天然气管道摩擦系数，其可根据科尔布鲁克方程计算，即式(8)而得：

式中：

为雷诺数；

同时，每个节点的压力Π_j必须位于以下约束范围内：

式中：Πj为节点j的气体压力，kPa；

分别为节点j气体压力的最大最小值，kPa；N_G为气网节点总数。

P₂G单元耗电量如下：

式中，

为t时刻P₂G耗电功率，MW；GHV为天然气热值，MW·h/m³；

为t时刻P₂G产气效率，无量纲；

为t时刻P₂G产气量，m³/day；

每个P₂G单元的产气量必须位于以下约束范围内：

式中，

分别为每个P₂G的最小产气量和最大产气量，m³/day；

燃气锅炉耗气量计算如下：

式中，

为t时刻燃气锅炉耗气量，m³/day；φ_t ^boil为t时刻燃气锅炉产热量，MW；a^boil、b^boil分别为燃气锅炉分项系数，无量纲；φ^boil,max为燃气锅炉最大产热量，MW；

CHP机组耗气量为：

式中，

为t时刻CHP的耗气量，m³/day；

为t时刻CHP的发电功率，MVA/day；

为t时刻CHP的产热功率，MW；；

为CHP的效率，无量纲；

按式(15)对每个管道气体流量

进行约束：

式中，

为每个管道气体流量，m³/day；

为最大管道数量；，

为每个管道的最大气体流量，m³/day；

步骤1.3，考虑多能流配电网日前能量管理模型的热力网络影响因素包括管道、热源、热负荷以及热储能，其中，热源为锅炉和CHP机组，通过电动泵在多能流配电网系统中提供水循环，由此建立热力网络模型：每根管道的热功率Φ_hb和每根管道末端温度计算如下：

式中，Φ_hb为每根管道的热功率，MW；

为节点h和节点b之间管道的水流量，kg/s；c_p为水的比热容，kJ/(kg·K)；T_start,h、T_end,b分别为节点h和节点b的水流温度，K；T_g为环境温度，K；

为热管长度，km；Γ热传导系数，W/mK；

由摩擦导致的每个热力管道中的压力损失

通过Darcy-Weisbach方程计算：

式中，

为每个热力管道中的压力损失，Pa；

为热管道的阻力系数，无量纲；g为重力加速度，N/kg；ρ_W为水密度，kg/m³；

为管道直径，mm；

为管道流量符号函数，无量纲；

为热管道的摩擦系数，无量纲；

热管道的摩擦系数

由Colebrook方程计算：

式中：ε_H为管道粗糙度，Ra；

为雷诺数，无量纲；

为流速，m/s；μ_W为水的运动粘度，m²/s；

混合热节点的温度为：

式中，

分别为混合热节点处流入和流出的水流流量，kg/s；T_in、T_out分别为混合热节点处流入和流出的水流温度，K；可以看出，混合前各管道水流温度不同，混合后从该节点流入到其他管道的水流温度相同。

热力网络模型中热平衡约束如下：

式中，φ_h,load为热负荷功率，MW；

为热储能储热功率，MW；

分别为CHP/燃气锅炉所产热水的流量，kg/s；

为热储能放热水流量，kg/s；Nh为热网节点数；T_end,load为热负荷温度，K。

所有节点的供水和回水温度平衡满足如下条件：

式中，T_start,CHP、T_start,Boiler、T_start,TSS分别为CHP、锅炉和热储能水流温度，K；

为负荷流量，kg/s；T_start、T_end为管道首端和末端水流温度，K；

每个节点的供水和回水温度必须在约束范围内，需满足如下条件：

式中，T_s,j、T_r,j分别为节点j供水温度和回水温度，K；

热网节点总数，

为别为节点j供水温度上下限，K；

为别为节点j回水温度上下限，K；

每个CHP机组和燃气锅炉产热量约束，需满足如下条件：

式中，

为每个CHP机组的产热功率，MW；

为每个燃气锅炉产热功率，MW；

为每个CHP机组最小产热功率，MW；

为每个CHP机组最大产热功率，MW；

为每个燃气锅炉最小产热功率，MW；

为每个燃气锅炉最大产热功率，MW；N_CHP为系统内CHP的总数；N_boil为系统内燃气锅炉总数；

此外，每个CHP机组和燃气锅炉的起始温度必须在约束范围内：

式中，

分别为每个CHP机组和燃气锅炉初始温度，K；

分别为燃气轮机的最小初始温度和最大初始温度，K；

分别为燃气锅炉的最小初始温度和最大初始温度，K；

热储能的状态变化满足条件如下：

式中，

为t时刻热储能系统容量，MW；η_c,TSS、η_d,TSS分别为热储能充、放能效率，无量纲；

分别为t时刻热储能充、放热功率，MW；

为t-1时刻热储能系统容量，MW；

在充电和放电状态下要考虑每个TSS不能同时充电和放电。

TSS的容量限制和充/放热功率约束满足如下条件：

式中，

为热储能系统最小容量，MW；

为热储能系统最大容量，MW；

为热储能最小充热功率，MW；

为热储能最大充热功率，MW；

为热储能最小放热功率，MW；

为热储能最大放热功率，MW；

热管道传输热功率

约束满足如下条件：

式中，

为每个热管道中传输的热功率，MW；

热管道数量；

为热管道传输热功率的最大值，MW。

步骤1.4，考虑多能流配电网日前能量管理模型的电力网络中的每个节点都必须满足包括有功功率和无功功率在内的电力平衡，由此建立电力网络模型：每个节点都必须满足包括有功功率和无功功率在内的电力平衡：

式中：

分别为节点i的储能充、放电功率，MW；

分别为节点i的CHP有功功率和无功功率，MVA；

分别为节点i的有功功率和无功功率需求，MVA；

为节点i的热泵消耗电功率，MW；

分别为从大电网购买的有功功率和无功功率，MW；V_i、V_j分别为节点i和节点j的幅值，V；Y_ij为输电线路导纳，S；N_E为电网节点数，无量纲；

热泵消耗电功率可由下式计算而得：

式中，

为热泵总质量流量，kg/s；H_P为泵头，m；η^HP为泵效率，无量纲；P^HP为热泵消耗电功率，MW；

每个节点的电压必须在约束范围内需满足条件如下：

式中，

电网节点总数；

为节点j电压上下限，V；

电线传输功率

约束需满足条件如下：

ESS系统充放电模型如下：

式中，

为t时刻电储能系统容量，MW；η_c,ESS、η_d,ESS分别为电储能充放电效率；

为t时刻电储能充放电功率，MW；

为t-1时刻电储能系统容量，MW；

ESS容量约束需满足条件如下：

式中：

分别为电储能系统容量上下限，MW；

ESS充放电功率约束需满足条件如下：

式中：

为电储能系统最小充电功率，MW；

为电储能系统最大充电功率，MW；

为电储能系统最小放电功率，MW；

为电储能系统最大放电功率，MW；

步骤2，根据步骤1建立的多能流配电网日前能量管理模型，采用自适应改进鲸鱼优化算法计算结果，如图2所示，按如下步骤进行：

步骤2.1，输入多能流配电网优化问题数据，每个种群都是优化问题的一种解决方案，第i个种群X_i表示如下：

X_i＝[x_i,1，x_i,2，...,x_i,D]i＝1,2,....,ps (46)

式中：ps为总群个数；D为控制变量个数；

步骤2.2，通过计算每个代理的适应度，得到初始的最优搜索代理：探索过程取决于参数A和ρ，ρ是[0,1]之间的随机数；

若ρ＜0.5，执行步骤2.2(1)；

若ρ≥0.5，执行步骤2.2(2)；

步骤2.2(1)，当|A|＜1时，为开发过程，通过式(52)更新当前搜索位置，即每个候选解的下一个位置：

D＝|C·X_best(t)-X(t)| (51)

X(t+1)＝X_best(t)-A·E (52)

式中：C为系数向量，X为当前解的位置向量，为当前最优解的位置向量，X_best为当前最优解的位置向量，E为X在位置更新前与X_best之间的距离；

当|A|＞1时，为勘探过程，选择一个随机位置向量，通过式(50)更新当前搜索位置，即每个候选解的下一个位置：

C＝2·r (48)

D＝|C·X_rand(t)-X(t)| (49)

式中：C为系数向量，X为当前解的位置向量，r是[0,1]中的随机向量。

X(t+1)＝X_rand(t)-A·D (50)

式中：X_rand为从当前种群中随机选择的位置向量；D为X在位置更新前与X_rand之间的距离；

步骤2.2(2)，通过式(54)更新当前搜索位置，即每个候选解的下一个位置：

D′＝|X_best(t)-X(t)| (53)

X(t+1)＝D′·e^bl·cos(2πl)+X_best(t) (54)

式中：D′为最优解位置与当前解位置之间的距离；b为常数，定义了对数螺线的形状；l为[-1,1]之间的随机数；

步骤2.3，判断迭代次数iter是否小于迭代次数最大值，

若是，增加一次迭代，并返回步骤2.2；

若否，结束计算。

为了提高WOA在探索和开发过程中的有效性，从局部最优点出发，采用自适应机制来改变参数A，基于小波理论，参数A的自适应机制将在搜索中动态改变种群的突变，具体如下：

式中：h为膨胀参数；β是h的形状参数；ψ(φ)为Morlet小波函数；η为h的上界；iter为迭代次数；β_min、β_max为形状参数的最小值和最大值。

本发明考虑了配电网内部能量网络以保证配电网实际运行和调度的效果，并通过改进的鲸鱼优化算法解决了复杂的非凸非线性优化的问题。

传统的WOA算法由搜索猎物(即勘探过程)、包围捕食(即开发过程)和泡网攻击三部分组成，其搜索过程(包括勘探过程和开发过程)取决于参数A和ρ，A的含义如下：

A＝2a·r-a (47)

在勘探和开发过程中，a由2线性减小到0，r是[0,1]中的随机向量。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，熟悉该领域的技术人员应该明白本发明包括但不限于附图和上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求的范围中。

Claims (8)

1.一种多能流配电网日前能量管理模型的管理方法，其特征在于，包括如下步骤：

步骤1，建立多能流配电网日前能量管理模型：

步骤1.1，在满足系统内负荷要求的前提下，以多能流配电网总运行成本最小为优化目标，建立目标函数；目标函数为公式(1)：

式中，

为与上游热网交换的热能，MW；

为与上游气网交换的气能，m³/day；

为与上游电网交换的电能，MW；

为热能价格，元/MW；

为天然气价格，元/m³；

为电力价格，元/MW；

表示上游热网与多能流配电网之间交换热能的成本，元；

表示上游天然气网络和多能流配电网之间交换天然气的成本,元；

表示上游大电网与多能流配电网之间交换电能的成本，元；

多能流配电网日前能源调度中所有控制变量如下：

式中，

为CHP产热功率，MW；

为燃气锅炉产热功率，MW；

分别为CHP和燃气锅炉初始温度，K；

为电储能系统的充放电状态，MW；

为热储能系统的变化状态，无量纲；

步骤1.2，考虑多能流配电网日前能量管理模型的燃气网络影响因素包括P₂G机组和燃气负荷，其中，燃气负荷还包括锅炉、CHP机组和燃气需求，由此建立天然气网络模型；天然气网络模型中各节点气流平衡如式(3)：

式中，

为g节点P₂G的产气量，m³/day；

为g节点天然气需求量，m³/day；

为g节点CHP耗气量，m³/day；

为g节点燃气锅炉耗气量，m³/day；

为g节点到k节点的输气量，m³/day；N_G为天然气网络节点总数；

求解式(3)中的

使用如下公式：

式中，

为管道压力符号函数，无量纲，如果Π_g≥Π_k，表明能量流从气网g节点转移到气网k节点，其值等于1，反之则等于-1；

为节点g和节点k之间的管道常数，无量纲；H_g、H_k分别为管道高度，m；Π_g、Π_k分别为g节点与k节点的气体压力，kPa；

为管道坡度校正，kPa²；

为管道的平均压力，kPa；Z_a气体平均压缩系数，无量纲；

为管道气流平均温度，K；

为管道平均压力，kpa；T₀为初始温度，K；

为管道直径，mm；E_p为天然气管道绝对粗糙度，mm；L^gk为管道长度，km；γ_G为气体比重，无量纲；

为天然气管道摩擦系数，其可根据科尔布鲁克方程计算，即式(8)而得：

式中：

为雷诺数，无量纲；

同时，每个节点的压力Π_j必须位于以下约束范围内：

式中：Π_j为节点j的气体压力，kPa；

分别为节点j气体压力的最大最小值，kPa；N_G为气网节点总数；

P₂G单元耗电量如下：

式中，

为t时刻P₂G耗电功率，MW；GHV为天然气热值，MW·h/m³；

为t时刻P₂G产气效率，无量纲；

为t时刻P₂G产气量，m³/day；

每个P₂G单元t时刻的产气量必须位于以下约束范围内：

式中，

分别为每个P₂G的最小产气量和最大产气量，m³/day；

燃气锅炉耗气量计算如下：

式中，

为t时刻燃气锅炉耗气量，m³/day；

为t时刻燃气锅炉产热量，MW；a^boil、b^boil分别为燃气锅炉分项系数，无量纲；φ^boil,max为燃气锅炉最大产热量，MW；

CHP机组耗气量为：

式中，

为t时刻CHP的耗气量，m³/day；

为t时刻CHP的发电功率，MVA/day；

为t时刻CHP的产热功率，MW；

为CHP的效率，无量纲；

按式(15)对每个管道气体流量

进行约束：

式中，

为每个管道气体流量，m³/day；

为最大管道数量；

为每个管道的最大气体流量，m³/day；

步骤1.3，考虑多能流配电网日前能量管理模型的热力网络影响因素包括管道、热源、热负荷以及热储能，其中，热源为锅炉和CHP机组，通过电动泵在多能流配电网系统中提供水循环，由此建立热力网络模型；

步骤1.4，考虑多能流配电网日前能量管理模型的电力网络中的每个节点都必须满足包括有功功率和无功功率在内的电力平衡，由此建立电力网络模型；

步骤2，根据步骤1建立的多能流配电网日前能量管理模型，采用自适应改进鲸鱼优化算法计算结果。

2.根据权利要求1所述的多能流配电网日前能量管理模型的管理方法，其特征在于，步骤1.3中的热力网络模型中，每根管道的热功率Φ_hb和每根管道末端温度计算如下：

式中，Φ_hb为每根管道的热功率，MW；

为节点h和节点b之间管道的水流量，kg/s；c_p为水的比热容，kJ/(kg·K)；T_start,h、T_end,b分别为节点h和节点b的水流温度，K；T_g为环境温度，K；

为热管长度，km；Γ热传导系数，W/mK；

由摩擦导致的每个热力管道中的压力损失

通过Darcy-Weisbach方程计算：

式中，

为每个热力管道中的压力损失，Pa；

为热管道的阻力系数，无量纲；g为重力加速度，N/kg；ρ_W为水密度，kg/m³；

为管道直径，mm；

为管道流量符号函数，无量纲；

为热管道的摩擦系数，无量纲；

热管道的摩擦系数

由Colebrook方程计算：

式中，ε_H为管道粗糙度，Ra；

为雷诺数，无量纲；

为流速，m/s；μ_W为水的运动粘度，m²/s；

混合热节点的温度为：

式中，

分别为混合热节点处流入和流出的水流流量，kg/s；T_in、T_out分别为混合热节点处流入和流出的水流温度，K；

热力网络模型中热平衡约束如下：

式中，φ_h,load为热负荷功率，MW；

为热储能储热功率，MW；

分别为CHP和燃气锅炉所产热水的流量，kg/s；

为热储能放热水流量，kg/s；Nh为热网节点数；T_end,load为热负荷温度，K；

所有节点的供水和回水温度平衡满足如下条件：

式中，T_start,CHP、T_start,Boiler、T_start,TSS分别为CHP、锅炉和热储能水流温度，K；

为负荷流量，kg/s；T_start、T_end为管道首端和末端水流温度，K；

每个节点的供水和回水温度必须在约束范围内，需满足如下条件：

式中，T_s,j、T_r,j分别为节点j供水温度和回水温度，K；

热网节点总数，

为别为节点j供水温度上下限，K；

为别为节点j回水温度上下限，K；

每个CHP机组和燃气锅炉产热量约束，需满足如下条件：

式中，

为每个CHP机组的产热功率，MW；

为每个燃气锅炉产热功率，MW；

为每个CHP机组最小产热功率，MW；

为每个CHP机组最大产热功率，MW；

为每个燃气锅炉最小产热功率，MW；

为每个燃气锅炉最大产热功率，MW；N_CHP为系统内CHP的总数；N_boil为系统内燃气锅炉总数；

此外，每个CHP机组和燃气锅炉的起始温度必须在约束范围内：

式中，

分别为每个CHP机组和燃气锅炉初始温度，K；

分别为燃气轮机的最小初始温度和最大初始温度，K；

分别为燃气锅炉的最小初始温度和最大初始温度，K；

热储能的状态变化满足条件如下：

式中，

为t时刻热储能系统容量，MW；η_c,TSS、η_d,TSS分别为热储能充、放能效率，无量纲；

分别为t时刻热储能充、放热功率，MW；

为t-1时刻热储能系统容量，MW；

TSS的容量限制和充/放热功率约束满足如下条件：

式中，

为热储能系统最小容量，MW；

为热储能系统最大容量，MW；

为热储能最小充热功率，MW；

为热储能最大充热功率，MW；

为热储能最小放热功率，MW；

为热储能最大放热功率，MW；

热管道传输热功率

约束满足如下条件：

式中，

为每个热管道中传输的热功率，MW；

热管道数量；

为热管道传输热功率的最大值，MW。

3.根据权利要求2所述的多能流配电网日前能量管理模型的管理方法，其特征在于，步骤1.4的电力网络模型中，每个节点都必须满足包括有功功率和无功功率在内的电力平衡：

式中：

分别为节点i的储能充、放电功率，MW；

分别为节点i的CHP有功功率和无功功率，MVA；

分别为节点i的有功功率和无功功率需求，MVA；

为节点i的热泵消耗电功率，MW；

Q^grid分别为从大电网购买的有功功率和无功功率，MW；V_i、V_j分别为节点i和节点j的幅值，V；Y_ij为输电线路导纳，S；N_E为电网节点数，无量纲；

热泵消耗电功率可由下式计算而得：

式中，

为热泵总质量流量，kg/s；H_P为泵头，m；η^HP为泵效率，无量纲；P^HP为热泵消耗电功率，MW；

每个节点的电压必须在约束范围内需满足条件如下：

式中，

电网节点总数；

为节点j电压上下限，V；

电线传输功率

约束需满足条件如下：

式中，

为电线最大允许传输功率，MW；

为电网支路总数；

ESS系统充放电模型如下：

式中，

为t时刻电储能系统容量，MW；

为t-1时刻电储能系统容量，MW；η_c,ESS、η_d,ESS分别为电储能充放电效率；

为t时刻电储能充放电功率，MW；

ESS容量约束需满足条件如下：

式中：

分别为电储能系统容量上下限，MW；

ESS充放电功率约束需满足条件如下：

式中：

为电储能系统最小充电功率，MW；

为电储能系统最大充电功率，MW；

为电储能系统最小放电功率，MW；

为电储能系统最大放电功率，MW。

4.根据权利要求1所述的多能流配电网日前能量管理模型的管理方法，其特征在于，步骤2中采用的自适应改进鲸鱼优化算法按如下步骤进行：

步骤2.1，输入多能流配电网优化问题数据，每个种群都是优化问题的一种解决方案，第i个种群X_i表示如下：

X_i＝[x_i,1，x_i,2，...,x_i,D]i＝1,2,....,ps (46)

式中：ps为总群个数；D为控制变量个数；

步骤2.2，通过计算每个代理的适应度，得到初始的最优搜索代理：探索过程取决于参数A和ρ，ρ是[0,1]之间的随机数；

若ρ＜0.5，执行步骤2.2(1)；

若ρ≥0.5，执行步骤2.2(2)；

步骤2.2(1)，当|A|＜1时，为开发过程，通过式(52)更新当前搜索位置，即每个候选解的下一个位置：

X(t+1)＝X_best(t)-A·E (52)

式中：X_best为当前最优解的位置向量，E为X在位置更新前与X_best之间的距离；

当|A|＞1时，为勘探过程，选择一个随机位置向量，通过式(50)更新当前搜索位置，即每个候选解的下一个位置：

X(t+1)＝X_rand(t)-A·D (50)

式中：X_rand为从当前种群中随机选择的位置向量；D为X在位置更新前与X_rand之间的距离；

步骤2.2(2)，通过式(54)更新当前搜索位置，即每个候选解的下一个位置：

X(t+1)＝D·e^bl·cos(2πl)+X_best(t) (54)

式中：D′为最优解位置与当前解位置之间的距离；b为常数，定义了对数螺线的形状；l为[-1,1]之间的随机数；

步骤2.3，判断迭代次数iter是否小于迭代次数最大值，

若是，增加一次迭代，并返回步骤2.2；

若否，结束计算。

5.根据权利要求4所述的多能流配电网日前能量管理模型的管理方法，其特征在于，基于小波理论，参数A的自适应机制将在搜索中动态改变种群的突变，具体如下：

式中：h为膨胀参数；β是h的形状参数；ψ(φ)为Morlet小波函数；η为h的上界；iter为迭代次数；β_min、β_max为形状参数的最小值和最大值。

6.根据权利要求4所述的多能流配电网日前能量管理模型的管理方法，其特征在于，步骤2.2(1)的式(52)满足下式：

E＝|C·X_best(t)-X(t)| (51)

式中：C为系数向量，X为当前解的位置向量。

7.根据权利要求4所述的多能流配电网日前能量管理模型的管理方法，其特征在于，步骤2.2(1)的式(50)通过下式计算：

C＝2·r (48)

D＝|C·X_rand(t)-X(t)| (49)

式中：C为系数向量，X为当前解的位置向量，r是[0,1]中的随机向量。

8.根据权利要求4所述的多能流配电网日前能量管理模型的管理方法，其特征在于，步骤2.2(2)的式(54)通过下式计算：

D′＝|X_best(t)-X(t)| (53)

式中：X为当前解的位置向量，X_best为当前最优解的位置向量。

Images