CN112818559A - 基于随机微分方程的区域综合能源连续调度方法及其系统 - Google Patents

基于随机微分方程的区域综合能源连续调度方法及其系统 Download PDF

Info

Publication number
CN112818559A
CN112818559A CN202110201896.XA CN202110201896A CN112818559A CN 112818559 A CN112818559 A CN 112818559A CN 202110201896 A CN202110201896 A CN 202110201896A CN 112818559 A CN112818559 A CN 112818559A
Authority
CN
China
Prior art keywords
energy
continuous scheduling
cogeneration unit
wind power
regional
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110201896.XA
Other languages
English (en)
Other versions
CN112818559B (zh
Inventor
王祺
王承民
谢宁
裘鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Shanghai Jiaotong University
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University, Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical Shanghai Jiaotong University
Priority to CN202110201896.XA priority Critical patent/CN112818559B/zh
Publication of CN112818559A publication Critical patent/CN112818559A/zh
Application granted granted Critical
Publication of CN112818559B publication Critical patent/CN112818559B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/13—Differential equations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/06—Power analysis or power optimisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明提供了一种基于随机微分方程的区域综合能源连续调度方法，包括如下步骤：构建区域综合能源系统连续调度模型，将风电出力的预测值叠加高斯白噪声作为风电出力的实际值进行代入优化处理；将风电出力的实际值输入区域综合能源系统连续调度模型，构建带有伊藤积分的区域综合能源系统连续调度优化模型；通过对时间区间的分割、作和、求极限，求解得到热电联产机组和燃气锅炉的连续调度方案以及新能源区间不确定性情况下优化目标的区间分布。本发明能为调度人员的正确决策提供有效支持，具有工程实用价值，能够获得新能源区间不确定性情况下优化目标的区间分布，给出目标函数的极端情况，定性和定量的分析新能源出力对优化目标的有利或不利影响。

Description

基于随机微分方程的区域综合能源连续调度方法及其系统
技术领域
本发明涉及区域综合能源技术领域，具体地，涉及一种基于随机微分方程的区域综合能源连续调度方法及其系统。
背景技术
随着世界各国对于化石能源的过度开发利用，能源紧张问题逐渐显现，同时还伴随着严重的环境污染问题。因此，在能源领域开展以电能替代和清洁替代为目标的能源转型，实现可再生能源的规模化开发成为了世界各国关注的焦点。区域综合能源系统能够实现异质能源的优势互补，提高能源利用效率，为开再生能源的规模化开发提供一种有效途径。
作为区域综合能源系统的重要组成部分，以风电、光伏为主的可再生能源发电机组与传统发电机组最大的区别就在于其出力的随机性和不确定性。为了充分发挥区域综合能源系统的经济性，需要再制定调度策略时，充分考虑可再生能源发电不确定性的影响。受自然环境因素的影响，可在笋干能源出力是时刻变化的，而系统功率的实时平衡是区域综合能源系统安全稳定运行的最基本原则，因此区域综合能源系统的调度运行实际上是一个动态平衡过程。现有的区域综合能源系统优化调度研究通常简单的将一天分为24个调度时段，并假设在每个时段可再生能源的出力和误差保持不变。而实际上，可再生能源的出力是一连续的随机过程，忽略可再生能源出力的连续性和随机性，将导致理论和实际脱节。
经过检索，专利文献CN107800153A公开了一种电蓄热消纳风电的电热能量滚动鲁棒调度方法，采用滚动鲁棒修正的策略避免因调度时段后延而造成风电预测误差增大，减小系统不确定性对调度计划的影响。本发明分为两部分，第1阶段：日前计划调度。各风电场对下一日的风电出力进行预测并将该风电场的功率预测区间及其他预测信息上报至电网调度中心。调度中心根据各风电场的功率预测区间及负荷预测信息计算出各风电场的允许出力区间及其他机组的出力计划值Pplan。然后，调度中心根据计算结果将调度指令下发至各个发电厂进行安全经济调度。第2阶段：日内滚动修正。在这一调度阶段中，各风电场向调度中心上报的风电功率预测区间及其他预测信息为滚动修正后的结果。该现有技术并没有解决如何克服可再生能源出力的随机性和不确定性给区域综合能源系统所带来的影响。
由于可再生能源出力的复杂性，目前为止，还未有考虑可再生能源出力连续随机过程的区域综合能源系统优化调度研究，该问题的研究具有一定的现实意义。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种基于随机微分方程的区域综合能源连续调度方法及其系统，能较准确的呈现出供能机组随负荷变化的连续变化情况，能为调度人员的正确决策提供有效支持，具有一定的工程实用价值。
根据本发明提供的一种基于随机微分方程的区域综合能源连续调度方法，包括如下步骤：
步骤S1：构建区域综合能源系统连续调度模型，将风电出力的预测值叠加高斯白噪声作为风电出力的实际值进行代入优化处理；
步骤S2：将风电出力的实际值输入区域综合能源系统连续调度模型，构建带有伊藤积分的区域综合能源系统连续调度优化模型；
步骤S3：通过对时间区间的分割、作和、求极限，求解得到热电联产机组和燃气锅炉的连续调度方案以及新能源区间不确定性情况下优化目标的区间分布。
优选地，步骤S1包括：
步骤S11：建立运行成本最小化的目标函数；
步骤S12：设置约束条件，包括热电联产机组约束、燃气锅炉约束、储能设备约束和电热功率平衡约束
步骤S13：将风电出力的预测值叠加高斯白噪声作为风电出力的实际值进行代入优化处理。
优选地，步骤S11中的目标函数为：
Figure BDA0002949286480000021
式中：Ta、Tb分别为优化的起始时间和终止时间；Cem(t)为t时刻区域综合能源系统的购电成本；Cng(t)为t时刻热电联产机组和锅炉的成本；dt为微小的时间单元。
优选地，区域综合能源系统的购电成本函数Cem(t)为：
Cem(t)＝λemPem(t)：
式中：λem为市场电价，Pem(t)为t时刻区域综合能源系统与上级电网的有功交易量。
优选地，热电联产机组和锅炉的成本函数Cng(t)为：
Cng(t)＝λng[GCHP(t)+GGB(t)]
+λsuμsu(t)+λsdμsd(t)
式中：λng为天然气单价；GCHP(t)、GGB(t)分别表示t时刻热电联产机组和燃气锅炉的天然气消耗量；λsu、λst分别为热电联产机组启动、停止成本；布尔变量μsu(t)和μsd(t)为布尔变量，分别表示t时刻热电联产机组是否启动、停止，是则置1，否则置0；dt为微小的时间单元。
优选地，步骤S12中的约束条件为：热电联产机组约束为热电联产机组的能量转换及出力上下限约束；燃气锅炉约束为燃气锅炉的能量转换及出力上下限约束；储能装置约束为充放能功率、蓄能量上下限约束，蓄能量随时间变化约束；电热功率平衡约束为系统内部电热功率的源荷匹配约束。
优选地，步骤S2中带有伊藤积分的区域综合能源系统连续调度优化模型函数为：
Figure BDA0002949286480000031
式中：Ta、Tb分别为优化的起始时间和终止时间；λem为市场电价；Lele(t)为区域综合能源系统在t时刻的电功率；PES.ch(t)、PES.dis(t)分别表示在t时刻的电储能的充电功率和放电功率；PCHP(t)为t时刻热电联产机组的供电功率；PWT(t)为风电出力预测值；W(t)是一个高斯白噪声；Cng(t)为t时刻热电联产机组和锅炉的成本，具体包括供能设备的燃料成本以及热电联产机组的启停成本；B(t)是W(t)的原函数，是一个维纳过程。
优选地，步骤3中对时间区间[Ta,Tb]进行分割，在此时间区间中取一个有限的点列Ta＝t0<t1<t2<...<tn＝Tb，每个闭区间[tm,tm+1]为一个子区间，其中0≤m≤n-1。定义λ为子区间长度的最大值：λ＝max(tm+1－tm)，对每个子区间求和并取极限。
优选地，步骤3中求极限函数为：
Figure BDA0002949286480000032
Figure BDA0002949286480000041
式中：PCHP(tm)为热电联产机组的供电功率；PES.ch(tm)、PES.dis(tm)分别为在tm时刻电储能的充电功率和放电功率；Lele(tm)为在tm时刻区域综合能源系统的电负荷；PWT(tm)为在tm时刻风电出力预测值；B(tm)是一个维纳过程，W(tm)为一高斯白噪声；Cng(tm)为tm时刻热电联产机组和锅炉的成本，具体包括供能设备的燃料成本以及热电联产机组的启停成本。
根据本发明提供的一种基于随机微分方程的区域综合能源连续调度系统，包括：
模块M1：构建区域综合能源系统连续调度模型，将风电出力的预测值叠加高斯白噪声作为风电出力的实际值进行代入优化处理；
模块M2：将风电出力的实际值输入区域综合能源系统连续调度模型，构建带有伊藤积分的区域综合能源系统连续调度优化模型；
模块M3：通过对时间区间的分割、作和、求极限，求解得到热电联产机组和燃气锅炉的连续调度方案以及新能源区间不确定性情况下优化目标的区间分布。
与现有技术相比，本发明具有如下的有益效果：
1、本发明能够得到一组确定的最优调度方案，该调度方案呈现出了热电联产机组和燃气锅炉出力的连续变化，搭配电储能、热储能能够很好地跟随负荷变化的情况，能为调度人员的正确决策提供有效支持，具有一定的工程实用价值。
2、本发明中带有伊藤积分的区域综合能源系统调度模型可获得新能源区间不确定性情况下优化目标的区间分布，其给出的是目标函数的极端情况。可定性和定量的分析新能源出力对优化目标的有利或不利影响。
3、本发明方法消耗很少的计算量，即可得到较为精确的结果，具有很高的计算效率。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明中的基于随机微分方程的区域综合能源连续调度方法的流程图；
图2为本发明中的基于随机微分方程的区域综合能源连续调度系统的结构示意图；
图3为本发明中风电出力、电负荷、热负荷的功率/时间曲线图；
图4为本发明中热电联产机组、燃气锅炉的功率/时间曲线图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
如图1所示，本发明提供了一种基于随机微分方程的区域综合能源连续调度方法，包括如下步骤：
步骤S1：构建区域综合能源系统连续调度模型，将风电出力的预测值叠加高斯白噪声作为风电出力的实际值进行代入优化处理。具体为：
步骤S11：建立运行成本最小化的目标函数；
步骤S12：设置约束条件，包括热电联产机组约束、燃气锅炉约束、储能设备约束和电热功率平衡约束
步骤S13：将风电出力的预测值叠加高斯白噪声作为风电出力的实际值进行代入优化处理。
步骤S2：将风电出力的实际值输入区域综合能源系统连续调度模型，构建带有伊藤积分的区域综合能源系统连续调度优化模型；
步骤S3：通过对时间区间的分割、作和、求极限，求解得到热电联产机组和燃气锅炉的连续调度方案以及新能源区间不确定性情况下优化目标的区间分布。
区域综合能源系统多以成本最小化为优化目标，假设优化时间区间为[Ta,Tb]，则目标函数的积分形式如式(1)所示：
Figure BDA0002949286480000051
其中，
Cem(t)＝λemPem(t) (2)
Figure BDA0002949286480000061
式中：Ta、Tb分别为优化的起始时间和终止时间；Cem(t)为t时刻区域综合能源系统的购电成本；Cng(t)为t时刻热电联产机组和锅炉的成本，具体包括供能设备的燃料成本以及热电联产机组的启停成本；λem为市场电价，Pem(t)为t时刻区域综合能源系统与上级电网的有功交易量(正为购电、负为售电)；λng为天然气单价；GCHP(t)、GGB(t)分别表示t时刻热电联产机组和燃气锅炉的天然气消耗量；λsu、λst分别为热电联产机组启动、停止成本；布尔变量μsu(t)和μsd(t)为布尔变量，分别表示t时刻热电联产机组是否启动、停止，是则置1，否则置0；dt为微小的时间单元。
区域综合能源系统在优化调度过程中需要满足众多约束条件，具体包括：热电联产机组约束、燃气锅炉约束、储能装置约束以及电热功率平衡约束。
1)热电联产机组约束
Figure BDA0002949286480000062
PCHP.minμo(t)≤PCHP(t)≤PCHP.maxμo(t) (5)
-rddt≤PCHP(t+dt)-PCHP(t)≤rudt (6)
μo(t+dt)-μo(t)≤μsu(t) (7)
μo(t)-μo(t+dt)≤μsd(t) (8)
Figure BDA0002949286480000063
Figure BDA0002949286480000064
式中：PCHP(t)、HCHP(t)分别为t时刻热电联产机组的供电功率、供热功率；ηGT.、ηloss分别为热电联产的发电效率和热损失率；ηhrs为余热回收装置的热回收效率；LNG为天然气的热值，取9.78kWh/m3。μo(t)为布尔变量，表示t时刻热电联产机组是否处于工作状态，是则置1，否则置0；PCHP.max、PCHP.min分别为热电联产机组的最大、最小输出电功率；rd、ru分别为热电联产机组的向上、向下爬坡率；Tu.min、Td.min分别为热电联产机组的最小开、关机时间。
2)燃气锅炉约束
HGB(t)＝GGB(t)LNGηGB (11)
0≤HGB(t)≤HGB.max (12)
式中：HGB(t)、HGB.max分别为燃气锅炉t时刻的热功率和功率上限；ηGB为燃气锅炉的热效率。
3)储能装置约束
0≤PES.ch(t)≤PES.ch.maxμch(t) (13)
0≤PES.dis(t)≤PES.dis.maxμdis(t) (14)
μch(t)+μdis(t)≤1 (15)
SES.min≤SES(t)≤SES.max (16)
Figure BDA0002949286480000071
式中：PES.ch(t)、PES.dis(t)分别为电储能t时刻的充电功率和放电功率；PES.ch.max、PES.dis.max分别表示电储能的最大充电功率和最大放电功率μES.ch(t)和μES.dis(t)为布尔变量，分别表示t时刻电储能是否处于充电、放电状态，是则置1，否则置0，在同一时刻，电储能装置只能处于一种工作状态，即μES.ch(t)和μES.dis(t)不能同时为1；SES(t)、SES.min、SES.max分别表示电储能在t时刻的蓄电量、最小蓄电量和最大蓄电量；ηES、ηES.ch、ηES.dis分别为电储能的自放电率、充电效率、放电效率。热储能和电储能的约束条件一致，这里不再赘述。
4)电热功率平衡约束
Figure BDA0002949286480000072
Figure BDA0002949286480000073
式中：Lele(t)、Lheat(t)分别为区域综合能源系统在t时刻的电功率和热功率；PWT(t)为风电出力预测值；HTS.ch(t)、HTS.dis(t)分别为热储能t时刻的储热功率和放热功率。
上述模型并未考虑风电出力的随机性，而是将风电出力的预测值直接代入求解。在现实情况下，风电出力是一个连续的随机工程，并不能被准确预测。这一过程是马尔科夫过程，也是一个状态连续的平稳独立增量过程。风电出力的实际值可由预测值和误差表示：
Figure BDA0002949286480000074
式中：
Figure BDA0002949286480000075
为风电出力的不确定形式；W(t)是一个高斯白噪声过程。
在式(18)中考虑风电出力的随机性，即有：
Figure BDA0002949286480000076
将式(21)代入目标函数(1)，可得：
Figure BDA0002949286480000081
式(22)表示目标函数等于黎曼积分和伊藤积分之和，增加伊藤积分这一项表示引入了随机因素，即该目标函数考虑了风电出力的随机过程。
式(22)中的B(t)是一个维纳过程，假设dB(t)/dt是一正态白噪声。B(t)的一维概率密度函数f[B(t)]为：
Figure BDA0002949286480000082
式中：B(t)的均值E[B(t)]＝0，方差D[B(t)]＝σ2t。其中，σ2为常数，它取决于W(t)的离散程度。
为求解上述积分问题，对时间区间[Ta,Tb]进行分割。在此区间中取一个有限的点列Ta＝t0<t1<t2<...<tn＝Tb。每个闭区间[tm,tm+1]为一个子区间，其中0≤m≤n-1。定义λ为子区间长度的最大值：λ＝max(tm+1－tm)。对每个子区间求和并取极限，则式(22)可以表示为：
Figure BDA0002949286480000083
由于B(t)与其他变量相互独立，且与约束条件无关，因此，目标函数等于不考虑风电出力随机过程的优化结果加上增量－λem[B(tn)-B(t0)]。
将约束条件式(4)-(19)改写为子区间的形式，其中式(6)-(8)、式(17)的子区间形式如式(25)-(28)所示，其余约束条件的子区间形式不变。
-rd(tm+1-tm)≤PCHP(tm+1)-PCHP(tm)≤ru(tm+1-tm) (25)
μo(tm+1)-μo(tm)≤μsu(tm) (26)
μo(tm)-μo(tm+1)≤μsd(tm) (27)
Figure BDA0002949286480000091
综上，带有伊藤积分的区域综合能源系统连续随机调度优化模型可由式(4)-(5)、(9)-(16)、(18)-(19)、(24)-(28)表示。
能源集线器的输入参数如表1所示：
表1
Figure BDA0002949286480000092
初始的电热负荷以及风电出力曲线如图3所示。
热电联产机组、燃气锅炉的连续调度结果如图4所示。
为验证本文带有伊藤积分的区域综合能源系统优化调度模型计算目标函数区间的有效性，以蒙特卡洛模拟结果获取的目标函数边界作为对比标准。以计算结果中最大值和最小值作为目标函数的上下边界，与本文方法做对比，结果如表2所示，相比于蒙特卡洛模拟方法，本文方法大大降低了计算时间，提高了计算效率。
表2
Figure BDA0002949286480000093
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种基于随机微分方程的区域综合能源连续调度方法，其特征在于，包括如下步骤：
步骤S1：构建区域综合能源系统连续调度模型，将风电出力的预测值叠加高斯白噪声作为风电出力的实际值进行代入优化处理；
步骤S2：将风电出力的实际值输入区域综合能源系统连续调度模型，构建带有伊藤积分的区域综合能源系统连续调度优化模型；
步骤S3：通过对时间区间的分割、作和、求极限，求解得到热电联产机组和燃气锅炉的连续调度方案以及新能源区间不确定性情况下优化目标的区间分布。
2.根据权利要求1所述的基于随机微分方程的区域综合能源连续调度方法，其特征在于，所述步骤S1包括：
步骤S11：建立运行成本最小化的目标函数；
步骤S12：设置约束条件，包括热电联产机组约束、燃气锅炉约束、储能设备约束和电热功率平衡约束
步骤S13：将风电出力的预测值叠加高斯白噪声作为风电出力的实际值进行代入优化处理。
3.根据权利要求2所述的基于随机微分方程的区域综合能源连续调度方法，其特征在于，所述步骤S11中的目标函数为：
Figure FDA0002949286470000011
式中：Ta、Tb分别为优化的起始时间和终止时间；Cem(t)为t时刻区域综合能源系统的购电成本；Cng(t)为t时刻热电联产机组和锅炉的成本；dt为微小的时间单元。
4.根据权利要求3所述的基于随机微分方程的区域综合能源连续调度方法，其特征在于，区域综合能源系统的购电成本函数Cem(t)为：
Cem(t)＝λemPem(t)：
式中：λem为市场电价，Pem(t)为t时刻区域综合能源系统与上级电网的有功交易量。
5.根据权利要求3所述的基于随机微分方程的区域综合能源连续调度方法，其特征在于，所述热电联产机组和锅炉的成本函数Cng(t)为：
Cng(t)＝λng[GCHP(t)+GGB(t)]
+λsuμsu(t)+λsdμsd(t)
式中：λng为天然气单价；GCHP(t)、GGB(t)分别表示t时刻热电联产机组和燃气锅炉的天然气消耗量；λsu、λst分别为热电联产机组启动、停止成本；布尔变量μsu(t)和μsd(t)为布尔变量，分别表示t时刻热电联产机组是否启动、停止，是则置1，否则置0；dt为微小的时间单元。
6.根据权利要求2所述的基于随机微分方程的区域综合能源连续调度方法，其特征在于，所述步骤S12中的约束条件为：
热电联产机组约束为热电联产机组的能量转换及出力上下限约束；
燃气锅炉约束为燃气锅炉的能量转换及出力上下限约束；
储能装置约束为充放能功率、蓄能量上下限约束，蓄能量随时间变化约束；
电热功率平衡约束为系统内部电热功率的源荷匹配约束。
7.根据权利要求1所述的基于随机微分方程的区域综合能源连续调度方法，其特征在于，所述步骤S2中带有伊藤积分的区域综合能源系统连续调度优化模型函数为：
Figure FDA0002949286470000021
式中：Ta、Tb分别为优化的起始时间和终止时间；λem为市场电价；Lele(t)为区域综合能源系统在t时刻的电功率；PES.ch(t)、PES.dis(t)分别表示在t时刻的电储能的充电功率和放电功率；PCHP(t)为t时刻热电联产机组的供电功率；PWT(t)为风电出力预测值；W(t)是一个高斯白噪声；Cng(t)为t时刻热电联产机组和锅炉的成本，具体包括供能设备的燃料成本以及热电联产机组的启停成本；B(t)是W(t)的原函数，是一个维纳过程。
8.根据权利要求1所述的基于随机微分方程的区域综合能源连续调度方法，其特征在于，所述步骤3中对时间区间[Ta,Tb]进行分割，在此时间区间中取一个有限的点列Ta＝t0<t1<t2<...<tn＝Tb，每个闭区间[tm,tm+1]为一个子区间，其中0≤m≤n-1。定义λ为子区间长度的最大值：λ＝max(tm+1－tm)，对每个子区间求和并取极限。
9.根据权利要求8所述得基于随机微分方程的区域综合能源连续调度方法，其特征在于，所述步骤3中求极限函数为：
Figure FDA0002949286470000031
式中：PCHP(tm)为热电联产机组的供电功率；PES.ch(tm)、PES.dis(tm)分别为在tm时刻电储能的充电功率和放电功率；Lele(tm)为在tm时刻区域综合能源系统的电负荷；PWT(tm)为在tm时刻风电出力预测值；B(tm)是一个维纳过程，W(tm)为一高斯白噪声；Cng(tm)为tm时刻热电联产机组和锅炉的成本，具体包括供能设备的燃料成本以及热电联产机组的启停成本。
10.一种基于随机微分方程的区域综合能源连续调度系统，其特征在于，包括：
模块M1：构建区域综合能源系统连续调度模型，将风电出力的预测值叠加高斯白噪声作为风电出力的实际值进行代入优化处理；
模块M2：将风电出力的实际值输入区域综合能源系统连续调度模型，构建带有伊藤积分的区域综合能源系统连续调度优化模型；
模块M3：通过对时间区间的分割、作和、求极限，求解得到热电联产机组和燃气锅炉的连续调度方案以及新能源区间不确定性情况下优化目标的区间分布。
CN202110201896.XA 2021-02-23 2021-02-23 基于随机微分方程的区域综合能源连续调度方法及其系统 Active CN112818559B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110201896.XA CN112818559B (zh) 2021-02-23 2021-02-23 基于随机微分方程的区域综合能源连续调度方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110201896.XA CN112818559B (zh) 2021-02-23 2021-02-23 基于随机微分方程的区域综合能源连续调度方法及其系统

Publications (2)

Publication Number Publication Date
CN112818559A true CN112818559A (zh) 2021-05-18
CN112818559B CN112818559B (zh) 2022-06-28

Family

ID=75864983

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110201896.XA Active CN112818559B (zh) 2021-02-23 2021-02-23 基于随机微分方程的区域综合能源连续调度方法及其系统

Country Status (1)

Country Link
CN (1) CN112818559B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108062606A (zh) * 2018-01-11 2018-05-22 河海大学 一种基于黎曼积分的虚拟电厂调度优化方法
CN109256810A (zh) * 2018-11-14 2019-01-22 南京邮电大学 考虑风机出力不确定成本的多目标优化方法
CN110009152A (zh) * 2019-04-03 2019-07-12 东南大学 一种考虑电转气和不确定性的区域综合能源系统运行鲁棒优化方法
CN111245024A (zh) * 2020-01-14 2020-06-05 山东大学 基于模型预测控制的综合能源系统鲁棒优化运行方法
CN112365034A (zh) * 2020-10-27 2021-02-12 燕山大学 一种电热综合能源系统调度方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108062606A (zh) * 2018-01-11 2018-05-22 河海大学 一种基于黎曼积分的虚拟电厂调度优化方法
CN109256810A (zh) * 2018-11-14 2019-01-22 南京邮电大学 考虑风机出力不确定成本的多目标优化方法
CN110009152A (zh) * 2019-04-03 2019-07-12 东南大学 一种考虑电转气和不确定性的区域综合能源系统运行鲁棒优化方法
CN111245024A (zh) * 2020-01-14 2020-06-05 山东大学 基于模型预测控制的综合能源系统鲁棒优化运行方法
CN112365034A (zh) * 2020-10-27 2021-02-12 燕山大学 一种电热综合能源系统调度方法及系统

Also Published As

Publication number Publication date
CN112818559B (zh) 2022-06-28

Similar Documents

Publication Publication Date Title
CN111144668B (zh) 考虑场景模拟的综合能源系统随机优化模型的建立方法
Aziz et al. Techno-economic and environmental evaluation of PV/diesel/battery hybrid energy system using improved dispatch strategy
CN102170129B (zh) 一种基于大规模风电并网的电力系统低碳调度方法及其装置
CN113095791B (zh) 一种综合能源系统运行方法及系统
CN113205273B (zh) 一种计及区外电能交易的低碳化电源规划方法及系统
CN109634119B (zh) 一种基于日内滚动优化的能源互联网优化控制方法
CN107644116B (zh) 一种适应于间歇性能源接入的随机生产模拟方法
CN112583017B (zh) 考虑储能运行约束的混合微电网能量分配方法及系统
CN109066744B (zh) 一种含储能配电网协调调度方法和系统
CN106532764A (zh) 一种就地消纳光伏发电的电动汽车充电负荷调控方法
CN111753431A (zh) 综合能源系统中最优配置的计算方法和计算设备
CN103414206A (zh) 一种考虑安全约束的水光火联合优化发电计划优化方法
CN111245024B (zh) 基于模型预测控制的综合能源系统鲁棒优化运行方法
CN105958537A (zh) 面向能源互联网的能源转换系统及其优化控制方法
CN111049179A (zh) 一种考虑不确定性的新能源发电系统多目标优化调度方法
CN114897346A (zh) 计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法
CN115425668A (zh) 一种基于电力系统时序生产模拟的储能容量优化配置方法
CN115860413A (zh) 基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网系统经济调度方法
Zhang et al. Modeling and optimization of integrated energy system for renewable power penetration considering carbon and pollutant reduction systems
Ma et al. Long-term coordination for hydro-thermal-wind-solar hybrid energy system of provincial power grid
CN107622331B (zh) 一种发电机组与电力用户直接交易方式的优化方法和装置
Hu et al. Dual-time scale optimal dispatch of the CSP-PV hybrid power plant considering dynamic operation
CN110245793B (zh) 一种基于光热机组聚合模型的电力系统优化调度方法
CN106712105A (zh) 一种新能源接纳空间离散概率序列计算方法
CN112818559B (zh) 基于随机微分方程的区域综合能源连续调度方法及其系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant