CN112465285B - 一种电气热多能源供能系统的调度方法 - Google Patents

Abstract

本申请公开了一种电气热多能源供能系统的调度方法，包括：获取多能源系统参数以及能源中心相关参数；以最大化所得收益建立目标函数，确定多能源系统优化模型；以最小化能源购置成本为目标函数，确定能源中心优化模型；将能源中心优化模型转化成KKT最优条件，作为多能源系统优化模型的约束条件；将多能源系统优化模型进行松弛及凸化处理；对松弛及凸化处理后的多能源系统优化模型，求解二阶锥规则问题，得到迭代初始点；迭代求解二阶锥规则问题，若二阶锥规则问题满足收敛条件，则输出最优解。本申请兼顾了供需双方利益的前提下，制定出合理的能源价格，优化日前调度方案及能源配置结构。

Description

一种电气热多能源供能系统的调度方法

技术领域

本申请涉及电力调度技术领域，尤其涉及一种电气热多能源供能系统的调度方法。

背景技术

多能源系统作为能源转型背景下的电力系统新形态，其建设的总体目标是在供给侧实现能源结构的优化、在需求侧实现各种能源的优势互补，从而有效提高能源利用率，缓解环境污染等问题。

用户作为多能源系统重要的参与者，可根据不同时段能源价格的差异主动调整用能量，提高清洁能源的消纳水平，平缓系统负荷波动，这多能源系统的经济稳定运行有重要意义。柔性负荷作为用户与系统互动响应的主要形式，已广泛参与多能源系统经济优化。

作为电力需求响应在多能互补背景下的延伸，综合需求响应为实现综合能源供需双方互动提供了切入点，而需求响应的灵活调度很大程度上受到价格机制的影响，现有研究大多是为解决单一或固定能源价格下的需求响应资源调配问题，对于多类能源价格的灵活制定少有研究。因此，本发明提出是在兼顾供需双方利益的前提下，制定出合理的能源价格，优化日前调度方案及能源配置结构。

发明内容

本申请提供了一种电气热多能源供能系统的调度方法，使得通过考虑能源供需双方的利益，制定出合理的能源价格，优化日前调度方案及能源配置结构。

有鉴于此，本申请提供了一种电气热多能源供能系统的调度方法，所述方法包括：

获取多能源系统参数以及能源中心相关参数；

以最大化所得收益建立目标函数，确定多能源系统优化模型；

以最小化能源购置成本为目标函数，确定能源中心优化模型；

将所述能源中心优化模型转化成KKT最优条件，作为多能源系统优化模型的约束条件；

将所述多能源系统优化模型进行松弛及凸化处理；

对松弛及凸化处理后的所述多能源系统优化模型，求解二阶锥规则问题，得到迭代初始点；

迭代求解所述二阶锥规则问题，若二阶锥规则问题满足收敛条件，则输出最优解。

可选的，所述多能源系统参数以及能源中心相关参数包括：

多能源系统参数中：

燃煤机组的参数包括：燃煤机组对应的网络连接节点、燃煤机组的成本系数和燃煤机组的最大及最小出力；

天然气系统的参数包括：气源对应的网络连接节点、气源的成本系数、气源输出上下限以及原始电价及气价曲线；

能源重心相关参数包括：

日电、气、热负荷数据以及能源中心内部设备参数。

可选的，所述多能源系统优化模型的约束条件包括电力系统约束、天然气系统约束以及系统能源定价约束包括：

所述电力系统约束包括直流潮流约束、机组爬坡约束以及机组出力上下限约束；

所述天然气系统约束包括管道气流方程、管存约束、加压站约束、流量平衡约束以及变量上下限约束。

可选的，所述以最大化所得收益建立目标函数，确定多能源系统优化模型，具体为：

式中，Ω_Hub为能源中心集合；Ω_G为燃煤机组集合；Ω_g为气源集合；P_m,t和f_m,t分别为t时刻能源中心m的电能需求和天然气需求；

和

分别为t时刻能源中心m的电价和气价；P_i,t为t时刻燃煤机组i的发电出力；α_i，β_i和δ_i为机组i的成本系数；f_j,t为t时刻气源j的出力；γ_j为气源j的成本系数。

可选的，所述以最小化能源购置成本为目标函数，确定能源中心优化模型，具体为：

其约束条件包括：

式中，

和

分别为能源中心m的电气热负荷；P_m,t和f_m,t分别为t时刻能源中心m的电能需求和天然气需求；f_CHP,m,t和f_Fired,m,t分别为t时刻能源中心m的热电联产和燃气锅炉进气量；

和

为热电联产的发电效率和产热效率；S_m,t，

和

为t时刻能源中心m储电容量、充电量和放电量；

和

分别为t时刻充电和放电效率；

为额定储电容量；

H_GV表示天然气热值。

可选的，所述将所述能源中心优化模型转化为KKT最优条件，作为多能源系统优化模型的约束条件，包括：

定义拉格朗日函数L为：

式中，Ω_h为等式约束集合；Ω_d为不等式约束集合；h_j为第j个等式约束；g_k为第k个不等式约束；μ为等式约束的对偶变量；λ为不等式约束对偶变量；

所述能源中心优化模型的KKT条件为：

λ_kg_k(P_m,t,f_m,t,Q_m,t)＝0,λ_k≥0

h_j(P_m,t,f_m,t,Q_m,t)＝0j∈Ω_h

g_k(P_m,t,f_m,t,Q_m,t)≤0k∈Ω_d。

可选的，所述将所述多能源系统优化模型进行松弛及凸化处理，包括：

将多能源系统优化目标式子进行线性变换，得到：

式中，μ_e，μ_h和μ_g分别为等式约束的对偶变量；

和

为t时刻能源中心m热电联产的进气量上下限；

和

为t时刻负能源中心m燃气锅炉的进气量上下限；

和

为t时刻能源中心m储电设备充电量上下限；

和

为t时刻能源中心m储电设备充电量上下限；

和

为t时刻能源中心m储电设备容量上下限；λ为上述上下限约束的对偶变量；

基于线性变换后的多能源系统优化模型的目标函数为：

可选的，所述对松弛及凸化处理后的所述多能源系统优化模型，求解二阶锥规则问题，得到迭代初始点，包括：

求解二阶锥规则问题，得到迭代初始点(x⁰,F⁰)；其中二阶锥规则问题为：

min-F

F为线性化后的多能源系统目标函数。

可选的，所述迭代求解所述二阶锥规则问题，若二阶锥规则问题满足收敛条件，则输出最优解，具体包括求解凸化后的二阶锥规则问题，包括：

w^k＝min(-F+ρ^k∑δ_ij,t,)

所述收敛条件为：

式中：ε₁和ε₂为收敛容许度；δ_ij,t为松弛变量；δ为所有δ_ij,t构成的向量；ρ^k为PCCP(penalty convex-concave procedure，罚凸凹算法)算法第k迭代的惩罚因子。

可选的，还包括：若所述二阶锥规则问题不满足收敛条件，则更新惩罚因子，并继续迭代计算，直到满足收敛条件；

惩罚因子的更新公式为：

ρ^k+1＝min(v_cρ^k,ρ^max)。

从以上技术方案可以看出，本申请具有以下优点：

本申请中，提供了一种电气热多能源供能系统的调度方法，获取多能源系统参数以及能源中心相关参数；以最大化所得收益建立目标函数，确定多能源系统优化模型；以最小化能源购置成本为目标函数，确定能源中心优化模型；将能源中心优化模型转化成KKT最优条件，作为多能源系统优化模型的约束条件；将多能源系统优化模型进行松弛及凸化处理；对松弛及凸化处理后的多能源系统优化模型，求解二阶锥规则问题，得到迭代初始点；迭代求解二阶锥规则问题，若二阶锥规则问题满足收敛条件，则输出最优解。

本申请通过以最大化所得收益建立目标函数，确定多能源系统优化模型；同时，在价格机制作用下，能源中心中融入综合需求响应，通过优化自身能源配置降低能源购置成本，从而实现多能源系统与能源中心的互利共赢。另外，采用KKT条件和强对偶理论将原模型转化为单层优化模型(即将能源中心优化模型转化成KKT最优条件，作为多能源系统优化模型的约束条件)，并采用罚凸凹算法将非凸气流凸化为一个逐渐缩紧松弛域的迭代过程，由此反复迭代求解混合整数二阶锥规划问题最终获得全局最优均衡解。

附图说明

图1为本申请一种电气热多能源供能系统的调度方法的一个实施例的方法流程图；

图2为本申请一种电气热多能源供能系统的调度方法的一个实施例中多能源系统原始电价及气价曲线示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

请参阅图1，图1为本申请一种电气热多能源供能系统的调度方法的一个实施例的方法流程图，如图1所示，图1中包括：

101、获取多能源系统参数以及能源中心相关参数。

需要说明的是，获取多能源系统参数以及能源中心相关参数，以便于后续的对多能源系统以及能源中心进行建模。具体的，多能源系统参数中：燃煤机组的参数包括：燃煤机组对应的网络连接节点、燃煤机组的成本系数和燃煤机组的最大及最小出力；天然气系统的参数包括：气源对应的网络连接节点、气源的成本系数、气源输出上下限以及原始电价及气价曲线；能源重心相关参数包括：日电、气、热负荷数据以及能源中心内部设备参数。

在一种具体的实施方式中，多能源系统参数包括10个燃油机组和气源S₁、S₂的数据。

其中，各燃油机组的成本系数如下：

a_i＝[0.087 0.700 0.682 0.700 0.442 0.425 0.442 0.713 0.458 0.890]

b_i＝[23.341 26.987 21.978 26.987 24.799 25.000 24.799 29.047 26.09826.176]

c_i＝[0 0 0 0 0 0 0 0 0 0]；

其中，各燃油机组的最大、最小处理为：

P_max＝[1300 807.5 906.2 815 635 858.7 725 705 1081.2 1375]

P_min＝[455 282.6 217.2 285.2 222.2 300.6 253.7 246.7 378.4 481.2]

气源的成本系数为δ₁＝0.25，δ₂＝0.25；

各气源输出上下限：

S_1,max＝123.11 S_2,max＝121.61

S_1,min＝5.13 S_2,min＝5.98

式中，S_1,max和S_2,max分别表示气源S₁、S₂的输出上限；S_1,min和S_2,min表示气源S₁、S₂的输出下限。

能源中心相关参数包括日电、气、热负荷数据；能源中心内部设备参数，日电、气、热负荷数据如表1所示，内部设备参数如表2所示：

表1冬季典型日电气热负荷数据

表2能源中心内部设备参数

102、以最大化所得收益建立目标函数，确定多能源系统优化模型。

需要说明的是，以多能源系统优化目标为最大化系统所得收益，确定多能源系统优化模型；所得收益包括向能源中心售能收入和系统运行成本。其中运行成本为燃煤机组发电成本和气源成本。

具体的，多能源系统优化模型为：

式中，

表示能源中心售能收入，

表示燃煤发电成本，

表示其气源成本；Ω_Hub为能源中心集合；Ω_G为燃煤机组集合；Ω_g为气源集合；P_m,t和f_m,t分别为t时刻能源中心m的电能需求和天然气需求；

和

分别为t时刻能源中心m的电价和气价；P_i,t为t时刻燃煤机组i的发电出力；α_i，β_i和δ_i为机组i的成本系数；f_j,t为t时刻气源j的出力；γ_j为气源j的成本系数。

在一种具体的实施方式中，多能源系统优化模型的约束条件包括电力系统约束、天然气系统约束以及系统能源定价约束。

其中，电力系统约束包括直流潮流约束、机组爬坡约束以及机组出力上下限约束；

直流潮流约束为：

式中，A_G和B分别为节点-机组关联矩阵和节点导纳矩阵的虚部；P_G,t为机组有功出力向量；θ_t为节点电压相角向量；θ_i,t和θ_j,t为t时刻节点i和j的电压相角；x_ij和

分别为输电线路i-j的电抗和线路传输功率上限；Ω_Node为节点集合；

为平衡节点电压相角；

机组爬坡约束为：

ΔP_i ^D≤P_i,t-P_i,t-1≤ΔP_i ^U i∈Ω_G

式中，

和

为机组i上下爬坡速率限制；

机组出力上下限约束为：

P_t ^min≤P_i,t≤P_t ^max i∈Ω_G

式中，

和

为机组i有功出力上下限；

天然气系统约束包括管道气流方程、管存约束、加压站约束、流量平衡约束以及变量上下限约束；

管道气流方程为：

式中，

为t时刻管道i-j的平均气流量；k_ij为管道传输特性参数；b_i,t为t时刻节点i的气体压强；b_j,t为t时刻节点j的气体压强；

和

为t时刻管道i-j的首端流入气流量和末端流出气流量；Ω_GB为天然气节点集合；

管存约束为：

式中，L_ij,t为t时刻管道i-j管存；M_ij是与管道的物理特性有关的常数；

为t时刻管道i-j平均气压；

加压站约束为：

式中，

和

分别为加压站变比上下限；

流量平衡约束为：

式中，f_g,t，f_D,t分别为气源出力向量、天然气负荷向量；B_g，B_D，B_pipe分别为节点与气源、节点与负荷、管道与节点的关联矩阵；

变量上下限约束：

式中，

和

为节点气压上下限；

和

为气源出力上下限；Ω_g为气源集合；

系统能源定价约束包括：

式中，

和

分别为原始的实时电价和气价；

为能源中心m优化后的实时电价和气价；α₁，α₂和β₁，β₂分别为电价调节系数和气价调节系数，其中α₁和β₁为优化实时能价下限与原始价格比值，α₂和β₂为优化实时能价上限与原始价格比值；

和

为日平均电价和日平均气价。

103、以最小化能源购置成本为目标函数，确定能源中心优化模型。

需要说明的是，考虑到用户端与多能源系统双方的利益，本申请还建立了能源中心优化模型，实现多能源系统与能源中心的互利共赢。

在一种具体的实施方式中，以能源中心满足负荷需求情况下，最小化能源购置成本为目标，确定能源中心优化模型，具体如下：

目标函数为：

其约束条件包括：

式中，

和

分别为能源中心m的电气热负荷；P_m,t和f_m,t分别为t时刻能源中心m的电能需求和天然气需求；f_CHP,m,t和f_Fired,m,t分别为t时刻能源中心m的热电联产和燃气锅炉进气量；

和

为热电联产的发电效率和产热效率；S_m,t，

和

为t时刻能源中心m储电容量、充电量和放电量；

和

分别为t时刻充电和放电效率；

为额定储电容量；

H_GV表示天然气热值。

104、将能源中心优化模型转化成KKT最优条件，作为多能源系统优化模型的约束条件。

需要说明的是，可以将多能源系统与能源中心主从博弈模型转化为单层优化模型；对于主从博弈模型中的能源中心，其能源价格是确定的，即该优化模型为线性模型。因此，可将能源中心优化模型转化为等价KKT最优条件，并作为多能源系统优化模型的约束条件。

在一种具体的实施方式中，可以定义拉格朗日函数L为：

式中，Ω_h为等式约束集合；Ω_d为不等式约束集合；h_j为第j个等式约束；g_k为第k个不等式约束；μ为等式约束的对偶变量；λ为不等式约束对偶变量；

所述能源中心优化模型的KKT条件为：

λ_kg_k(P_m,t,f_m,t,Q_m,t)＝0,λ_k≥0

h_j(P_m,t,f_m,t,Q_m,t)＝0j∈Ω_h

g_k(P_m,t,f_m,t,Q_m,t)≤0k∈Ω_d。

105、将多能源系统优化模型进行松弛及凸化处理。

需要说明的是，可以将单层优化模型(以多能源系统优化模型作为单层优化模型，能源中心优化模型装换成约束条件)进行松弛及凸化处理，则转化后的单层优化模型仍具有非凸非线性，对其进行松弛及凸化处理有利于优化算法的收敛性。

那么，在一种具体的实施方式中，可以将多能源系统优化目标式子进行线性变换，得到：

式中，μ_e，μ_h和μ_g分别为等式约束的对偶变量；

和

为t时刻能源中心m热电联产的进气量上下限；

和

为t时刻负能源中心m燃气锅炉的进气量上下限；

和

为t时刻能源中心m储电设备充电量上下限；

和

为t时刻能源中心m储电设备充电量上下限；

和

为t时刻能源中心m储电设备容量上下限；λ为上述上下限约束的对偶变量；

基于线性变换后的多能源系统优化模型的目标函数为：

106、对松弛及凸化处理后的多能源系统优化模型，求解二阶锥规则问题，得到迭代初始点。

需要说明的是，可以将求解多能源系统优化模型的过程变换为求解二阶锥规划(SOCP)问题，得到迭代初始点(x⁰,F⁰)：

min-F

式中：F为线性化后的多能源系统目标函数式。

107、迭代求解二阶锥规则问题，若二阶锥规则问题满足收敛条件，则输出最优解。

需要说明的是，二阶锥规则问题具体为：

w^k＝min(-F+ρ^k∑δ_ij,t,)

所述收敛条件为：

式中：ε₁和ε₂为收敛容许度；δ_ij,t为松弛变量；δ为所有δ_ij,t构成的向量；ρ^k为PCCP算法第k迭代的惩罚因子。

当二阶锥规则问题不满足收敛条件，则更新惩罚因子，使得迭代次数加1并继续进行迭代计算，直到满足收敛条件，找到最优解。

本申请通过以最大化所得收益建立目标函数，确定多能源系统优化模型；同时，在价格机制作用下，能源中心中融入综合需求响应，通过优化自身能源配置降低能源购置成本，从而实现多能源系统与能源中心的互利共赢。另外，采用KKT条件和强对偶理论将原模型转化为单层优化模型(即将能源中心优化模型转化成KKT最优条件，作为多能源系统优化模型的约束条件)，并采用罚凸凹算法将非凸气流凸化为一个逐渐缩紧松弛域的迭代过程，由此反复迭代求解混合整数二阶锥规划问题最终获得全局最优均衡解。

本申请提出了一种多能源系统与能源中心的互动机制，通过优化能源价格引导能源中心决策，使其实现综合能源收益最大化和能源中心购能成本最小化的利益制约与平衡。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请中，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (8)

1.一种电气热多能源供能系统的调度方法，其特征在于，包括：

获取多能源系统参数以及能源中心相关参数；

以最大化所得收益建立目标函数，确定多能源系统优化模型；具体的：

式中，Ω_Hub为能源中心集合；Ω_G为燃煤机组集合；Ω_g为气源集合；P_m,t和f_m,t分别为t时刻能源中心m的电能需求和天然气需求；

和

分别为t时刻能源中心m的电价和气价；P_i,t为t时刻燃煤机组i的发电出力；α_i，β_i和δ_i为机组i的成本系数；f_j,t为t时刻气源j的出力；γ_j为气源j的成本系数；

以最小化能源购置成本为目标函数，确定能源中心优化模型；具体的：

其约束条件包括：

式中，

和

分别为能源中心m的电、气、热负荷；P_m,t和f_m,t分别为t时刻能源中心m的电能需求和天然气需求；f_CHP,m,t和f_Fired,m,t分别为t时刻能源中心m的热电联产和燃气锅炉的进气量；

和

为热电联产的发电效率和产热效率；S_m,t，

和

为t时刻能源中心m的储电设备的储电容量、充电量和放电量；

和

分别为t时刻充电和放电效率；

为额定储电容量；

H_GV表示天然气热值；

为变压器的发电效率；

为燃气锅炉的产热效率；Q_m,t为t时刻能源中心m的注入能量；

为能源中心m的注入能量的上限、

为能源中心m的注入能量的下限；

将所述能源中心优化模型转化成非线性规划最佳解的必要条件，作为多能源系统优化模型的约束条件；

将所述多能源系统优化模型进行松弛及凸化处理；

对松弛及凸化处理的所述多能源系统优化模型，求解二阶锥规则问题，得到迭代初始点；

迭代求解所述二阶锥规则问题，若二阶锥规则问题满足收敛条件，则输出最优解。

2.根据权利要求1所述的电气热多能源供能系统的调度方法，其特征在于，所述多能源系统参数包括：燃煤机组参数和天然气系统参数；其中，所述燃煤机组参数包括燃煤机组对应的网络连接节点、燃煤机组的成本系数和燃煤机组的最大及最小出力，所述天然气系统参数包括气源对应的网络连接节点、气源的成本系数、气源输出上下限以及原始电价及气价曲线；

所述能源中心相关参数包括：日电、气、热负荷数据以及能源中心内部设备参数。

3.根据权利要求1所述的电气热多能源供能系统的调度方法，其特征在于，所述多能源系统优化模型的约束条件包括电力系统约束、天然气系统约束以及系统能源定价约束；

所述电力系统约束包括直流潮流约束、机组爬坡约束以及机组出力上下限约束；

所述天然气系统约束包括管道气流方程、管存约束、加压站约束、流量平衡约束以及变量上下限约束。

4.根据权利要求1所述的电气热多能源供能系统的调度方法，其特征在于，所述将所述能源中心优化模型转化成非线性规划最佳解的必要条件，作为多能源系统优化模型的约束条件，包括：

定义拉格朗日函数L为：

式中，Ω_h为等式约束集合；Ω_d为不等式约束集合；h_j为第j个等式约束；g_k为第k个不等式约束；μ为等式约束的对偶变量；λ为不等式约束对偶变量；

所述能源中心优化模型的成非线性规划最佳解的必要条件为：

λ_kg_k(P_m,t,f_m,t,Q_m,t)＝0,λ_k≥0

h_j(P_m,t,f_m,t,Q_m,t)＝0,j∈Ω_h

g_k(P_m,t,f_m,t,Q_m,t)≤0,k∈Ω_d。

5.根据权利要求1所述的电气热多能源供能系统的调度方法，其特征在于，所述将所述多能源系统优化模型进行松弛及凸化处理，包括：

将多能源系统优化目标式子进行线性变换，得到：

式中，μ_e，μ_h和μ_g分别为等式约束的对偶变量；

和

为t时刻能源中心m热电联产的进气量上下限；

和

为t时刻能源中心m燃气锅炉的进气量上下限；

和

为t时刻能源中心m储电设备充电量上下限；

和

为t时刻能源中心m储电设备放电量上下限；

和

为t时刻能源中心m储电设备储电容量上下限；λ为上述上下限约束的对偶变量；

基于线性变换后的多能源系统优化模型的目标函数为：

6.根据权利要求1所述的电气热多能源供能系统的调度方法，其特征在于，所述对松弛及凸化处理后的所述多能源系统优化模型，求解二阶锥规则问题，得到迭代初始点，包括：

求解二阶锥规则问题，得到迭代初始点(x⁰,F⁰)；其中二阶锥规则问题为：

min-F

F为线性化后的多能源系统目标函数。

7.根据权利要求6所述的电气热多能源供能系统的调度方法，其特征在于，所述迭代求解所述二阶锥规则问题，若二阶锥规则问题满足收敛条件，则输出最优解，具体包括求解凸化后的二阶锥规则问题，包括：

w^k'＝min(-F+ρ^k'∑δ_ij,t)

所述收敛条件为：

式中：ε₁和ε₂为收敛容许度；δ_ij,t为松弛变量；δ为所有δ_ij,t构成的向量；ρ^k为罚凸凹算法第k'迭代的惩罚因子。

8.根据权利要求7所述的电气热多能源供能系统的调度方法，其特征在于，还包括：若所述二阶锥规则问题不满足收敛条件，则更新惩罚因子，并继续迭代计算，直到满足收敛条件；

惩罚因子的更新公式为：

ρ^k'+1＝min(v_cρ^k',ρ^max)；

式中，v_c表示惩罚因子的动态调整系数，且v_c>1。

Images