CN112861357B - 一种多微能网耦合系统分布式协同调度方法及系统 - Google Patents
一种多微能网耦合系统分布式协同调度方法及系统 Download PDFInfo
- Publication number
- CN112861357B CN112861357B CN202110183705.1A CN202110183705A CN112861357B CN 112861357 B CN112861357 B CN 112861357B CN 202110183705 A CN202110183705 A CN 202110183705A CN 112861357 B CN112861357 B CN 112861357B
- Authority
- CN
- China
- Prior art keywords
- micro
- energy
- power
- network
- nth
- 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.)
- Active
Links
- 238000010168 coupling process Methods 0.000 title claims abstract description 61
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 61
- 230000008878 coupling Effects 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 57
- 230000009977 dual effect Effects 0.000 claims abstract description 37
- 238000012545 processing Methods 0.000 claims abstract description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 120
- 239000003345 natural gas Substances 0.000 claims description 60
- 150000001875 compounds Chemical class 0.000 claims description 45
- 239000007789 gas Substances 0.000 claims description 42
- 238000005457 optimization Methods 0.000 claims description 29
- 238000005057 refrigeration Methods 0.000 claims description 28
- 239000013598 vector Substances 0.000 claims description 28
- 238000003860 storage Methods 0.000 claims description 27
- 230000005611 electricity Effects 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 24
- 238000005338 heat storage Methods 0.000 claims description 24
- 230000005540 biological transmission Effects 0.000 claims description 21
- 238000007599 discharging Methods 0.000 claims description 21
- 238000010521 absorption reaction Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 13
- 238000010438 heat treatment Methods 0.000 claims description 6
- 230000009191 jumping Effects 0.000 claims description 6
- 230000000452 restraining effect Effects 0.000 claims description 5
- 238000004146 energy storage Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 230000020169 heat generation Effects 0.000 claims description 2
- 238000001816 cooling Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 230000001427 coherent effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 229910052731 fluorine Inorganic materials 0.000 description 2
- 125000001153 fluoro group Chemical group F* 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- 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
- 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
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种多微能网耦合系统分布式协同调度方法,包括以下步骤:S1、建立多微能网耦合系统优化调度模型,并对其进行线性化处理;S2、将多微能网耦合系统优化调度模型解耦为多个子微能网优化调度问题;S3、采用交替方向乘子法求解多微能网耦合系统分布式优化调度模型;S4、初始化交替方向乘法参数和设置迭代次数;S5、各微能网采用非凸交替方向乘子法求解各自的优化调度问题,并获得决策变量值;计算原始和对偶残差;S6、判断是否满足收敛条件,是则停止迭代,输出优化调度问题结果,即最优调度方案,否则更新对偶变量和迭代次数,返回步骤S5,继续进行迭代。该方法及系统有利于提供满足负荷需求的最优调度方案。
Description
技术领域
本发明属于多微能网调度技术领域,具体涉及一种多微能网耦合系统分布式协同调度方法及系统。
背景技术
发展清洁、可再生能源以促进能源结构的转型,已成为各国解决能源危机和环境污染问题的重要手段。在此背景下,耦合电、气、热、冷多能源网络的微能网越发受到各国的广泛重视。随着微能网的发展,多个地理位置相邻的微能网因互联互供所需形成多微能网耦合系统,然而由于微能网间存在信息隐私和运营管理壁垒,因此亟需一套基于边界共享信息的分布式调度方法实现多个微能网的协同调度。交替方向乘子法(AlternatingDirection Method of Multipliers,ADMM)结合了对偶上升法(Dual Ascent Method)和乘子法(Method of Multipliers)的优点,相较于拉格朗日法和增广拉格朗日松弛法具有更好的收敛性能和求解速度,广泛应用于求解分布式问题。但是,现有的分布式优化调度方法一般采用传统ADMM算法求解,而传统ADMM算的收敛性能在求解非凸问题时难以得到有效保障,也就是当多微能网耦合系统的优化调度模型中含有0-1变量时,如含有储能装置,微能网的调度模型不再是凸优化模型,会导致ADMM算法的收敛性能在求解此问题时难以得到有效的保证。
发明内容
本发明的目的在于提供一种多微能网耦合系统分布式协同调度方法及系统,该方法及系统有利于提供满足负荷需求的最优调度方案。
为实现上述目的,本发明采用的技术方案是:一种多微能网耦合系统分布式协同调度方法,其特征在于,包括以下步骤:
S1、建立多微能网耦合系统优化调度模型,并对其进行线性化处理;
S2、将多微能网耦合系统优化调度模型解耦为多个子微能网优化调度问题;
S3、采用交替方向乘子法求解多微能网耦合系统分布式优化调度模型;
S4、初始化交替方向乘子法参数和设置迭代次数;
S5、各微能网采用非凸交替方向乘子法求解各自的优化调度问题,并获得决策变量值;计算原始和对偶残差;
S6、判断是否满足收敛条件,是则停止迭代,输出优化调度问题结果,即最优调度方案,否则更新对偶变量和迭代次数,返回步骤S5,继续进行迭代。
进一步地,所述多微能网耦合系统为多个包含电、气、热和冷的微能网通过天然气和电力网络耦合在一起的能源系统,所述微能网内部包含风机、储电装置、电制冷装置、电锅炉、吸收式制冷装置、热电联产机组、气锅炉和储热装置,各个微能网通过微能网内的装置转化和转移购买的电能和天然气,最后输出电、气、热和冷四种能源以满足用户的多样化用能需求;所述多微能网耦合系统优化调度模型包括目标函数以及模型的约束条件。
进一步地,所述多微能网耦合系统优化调度模型的目标函数为整个系统的运行成本最低,即最小化购电成本和购气成本,具体为:
式中,第一项为购电成本,第二项为购气成本;T为总的优化调度时段;N为微能网的总数;En,t为第n个微能网在t时段购买的电能;为t时段的电能价格;Gn,t为第n个微能网在t时段购买的天然气;为t时段的天然气价格。
进一步地,所述多微能网耦合系统优化调度模型的约束条件包括:
1)功率平衡约束:
1.1)电功率平衡:
式中,为第n个微能网的风机在t时段的出力;和分别为第n个微能网的储电装置在t时段的充电和放电功率;为第n个微能网的热电联产机组在t时段的电输出功率;和分别为第n个微能网的电锅炉和电制冷装置在t时段所需的电功率;为第n个微能网在t时段的电负荷需求;
1.2)天然气平衡:
1.3)热功率平衡:
式中,分别为第n个微能网的热电联产机组、电锅炉、气锅炉在t时段的热输出功率;为第n个微能网的吸收式制冷装置在t时段所需的热功率;和分别为第n个微能网的储热装置在t时段的充热和放热功率;为第n个微能网在t时段的热负荷需求;
1.4)冷功率平衡:
2)多能转换设备约束:
2.1)热电联产机组:
2.2)电锅炉:
2.3)气锅炉:
2.4)电制冷装置:
2.5)吸收式制冷装置:
3)储能装置约束:
3.1)储电装置:
式中,为第n个微能网的储电装置在t时段的荷电状态;和分别为第n个微能网的储电装置的充电和放电效率;为第n个微能网的储电装置的额定容量;和分别为第n个微能网的储电装置的最大允许充电和放电功率;和分别为第n个微能网的储电装置在t时段充电和放电状态变量,当时表示充电,时表示放电;
3.2)储热装置:
式中,为第n个微能网的储热装置在t时段的荷电状态;和分别为第n个微能网的储热装置的充热和放热效率;为第n个微能网的储热装置的额定容量;和分别为第n个微能网的储热装置的最大允许充热和放热功率;和分别为第n个微能网的储热装置在t时段充热和放热状态变量,当时表示充热,时表示放热;
4)能源网络约束:
所述能源网络约束是指连接微能网的电力网络和天然气网络需要满足的约束,具体包括:
4.1)电力网络约束:
其中,式(31)、(32)和(33)别节点功率平衡约束、线路传输特性约束和线路容量约束;Pfmn,t为t时段节点m和n之间输电线路传输的有功功率;Φn,e为与节点n相连接的电力线路的集合;Ωemn为电力线路集合;θm,t,θn,t为节点m,n的电压相角;xmn为节点m和n之间输电线路的电抗;为节点m和n之间输电线路的功率限值;
4.2)天然气网络约束:
所述天然气网络约束进一步包括:
A.管道特性约束:
式中,Ωgmn为天然气管道的集合;πm,t,πn,t为t时段节点m,n的气压的平方值;sign()为符号函数;Gfmn,t为t时段节点m和n之间输气管道流过的气流;αmn节点m和n之间管道的特性系数;
xmn,t∈{0,1} (36)
式中,xmn,t为0-1变量,用于表示气流的方向,即当Gfmn,t≥0时,xmn,t=1,当Gfmn,t≤0时,xmn,t=0;zmn,m,t=xmn,tπm,t,zmn,n,t=xmn,tπn,t;
B.节点气流平衡约束:
式中,Φn,g为与节点n相连接的天然气管道集合;
C.节点气压上下限约束:
D.管道气流上下限约束:
进一步地,针对目标函数为(1),约束为(2)-(33)、(35)-(39)的多微能网耦合系统优化调度模型,采用改进ADMM算法,即改进交替方向乘子法进行求解;
首先,将连接在微能网m和微能网n之间的电力线和天然气管道从中间断开,从而实现两个相连微能网解耦,并引入一致性变量和保证解耦后输电线路上的耦合功率流和相角分别保持一致,即约束(40)和(41);同样地,引入一致性变量和保证解耦后输气管道上的耦合气流和气压分别保持一致,即约束(42)和(43);
式中,分别为t时段电力线mn解耦后,电力线mmc的电功率流、电力线ncn的电功率流、电力线mn的一致性电功率流,其中一致性电功率流为前两个功率流的平均值;分别为t时段电力线mn解耦后,节点mc的相角、节点nc的相角、节点mc和nc的一致性相角,其中一致性相角为前两个相角的平均值;分别为t时段天然气管道mn解耦后,天然气管道mmc的气流、天然气管道ncn的气流、天然气管道mn的平均气流;分别为t时段天然气管道mn耦后,节点mc的平方气压、节点nc的平方气压、节点mc和nc的一致性平方气压,其中一致性平方气压为前两个平方气压的平均值;
为此,多微能网耦合系统优化调度模型转化为含0-1变量的分布式一致性优化调度问题,其中,约束(40)-(43)为一致性约束,变量 和为耦合变量,变量和xmn,t为0-1变量;将多微能网耦合系统的分布式一致性优化调度问题转化为标准化模型,如下所示:
式中,fn(x1n,x2n,x3n)为第n个微能网的目标函数,即运行成本;x1n、x2n、x3n均为第n个微能网的变量向量,其中x1n为连续的非耦合变量向量,x2n为连续的耦合变量向量,x3n为0-1变量向量;C1n表示约束(2)-(22),(24)-(29),(31)-(33),(35),(37)-(39);C2n表示约束(40)-(43);C3n表示约束(23),(30)和(36);
采用ADMM算法将上述耦合问题(44)按微能网解耦为N个子微能网优化调度问题并行求解,其中,子微能网优化调度问题n为:
将NC-ADMM算法,即非凸交替方向乘子法嵌入ADMM算法,改进ADMM算法,来求解子微能网优化调度问题;改进ADMM算法按如下步骤求解问题(44):
步骤2:采用NC-ADMM算法求解子优化问题(45),获得x1n,x2n,x3n值,即采用NC-ADMM算法并行求解各个微能网的优化调度问题;
步骤3:根据式(49)和(50)计算原始残差和对偶残差,并判断是否满足收敛判据;若式(49)和(50)同时满足,则停止迭代,输出优化问题结果,否则执行步骤4;
设置迭代次数k=k+1,并跳到步骤2,继续进行迭代。
进一步地,所述步骤2具体包括以下步骤:
步骤2.1:设置迭代次数it=1;设置NC-ADMM的原始和对偶残差的容忍上限值;将0-1变量向量x3n松弛为无约束的连续变量;初始化缩放的对偶变量向量un和变量向量βn;
步骤2.3:采用欧几里得投影法更新βn,即
步骤2.5:根据最新的x3n和βn,如式(48)更新un;
设置迭代次数it=it+1,并跳到步骤2.2,继续进行迭代。
本发明还提供了一种多微能网耦合系统分布式协同调度系统,包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现所述的方法步骤。
相较于现有技术,本发明具有以下有益效果:本发明提出了基于改进ADMM算法的多微能网耦合系统分布式协同优化调度方法及系统,该方法及系统能够快速求解含0-1变量的多微能耦合系统优化调度模型,并给出满足负荷需求的最优调度方案,解决了采用传统ADMM算法在解决上述多微能网协同调度问题时存在的不足。同时,本发明采用完全分布式的方式实现多个微能网的协同优化调度,降低调度过程中的计算量,并保证了微能网的信息安全。
附图说明
图1是本发明实施例的方法实现流程图。
图2是本发明实施例中多微能网耦合系统示意图。
图3是本发明实施例中微能网结构示意图。
图4是本发明实施例中多微能网耦合系统解耦示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示,本实施例提供了一种多微能网耦合系统分布式协同调度方法,包括以下步骤:
S1、建立多微能网耦合系统优化调度模型,并对其进行线性化处理。
S2、将多微能网耦合系统优化调度模型解耦为多个子微能网优化调度问题。
S3、采用交替方向乘子法求解多微能网耦合系统分布式优化调度模型。
S4、初始化交替方向乘子法参数和设置迭代次数。
S5、各微能网采用非凸交替方向乘子法求解各自的优化调度问题,并获得决策变量值;计算原始和对偶残差。
S6、判断是否满足收敛条件,是则停止迭代,输出优化调度问题结果,即最优调度方案,否则更新对偶变量和迭代次数,返回步骤S5,继续进行迭代。
如图2所示,所述多微能网耦合系统为多个包含电、气、热和冷的微能网通过天然气和电力网络耦合在一起的能源系统。如图3所示,所述微能网内部包含风机、储电装置、电制冷装置、电锅炉、吸收式制冷装置、热电联产机组、气锅炉和储热装置,各个微能网通过微能网内的装置转化和转移购买的电能和天然气,最后输出电、气、热和冷四种能源以满足用户的多样化用能需求;所述多微能网耦合系统优化调度模型包括目标函数以及模型的约束条件。
所述多微能网耦合系统优化调度模型的目标函数为整个系统的运行成本最低,即最小化购电成本和购气成本,具体为:
式中,第一项为购电成本,第二项为购气成本;T为总的优化调度时段,取值24h;N为微能网的总数;En,t为第n个微能网在t时段购买的电能;为t时段的电能价格;Gn,t为第n个微能网在t时段购买的天然气;为t时段的天然气价格。
所述多微能网耦合系统优化调度模型的约束条件包括:
1)功率平衡约束:
1.1)电功率平衡:
式中,为第n个微能网的风机在t时段的出力;和分别为第n个微能网的储电装置在i时段的充电和放电功率;为第n个微能网的热电联产机组在t时段的电输出功率;和分别为第n个微能网的电锅炉和电制冷装置在t时段所需的电功率;为第n个微能网在t时段的电负荷需求;
1.2)天然气平衡:
1.3)热功率平衡:
式中,分别为第n个微能网的热电联产机组、电锅炉、气锅炉在t时段的热输出功率;为第n个微能网的吸收式制冷装置在t时段所需的热功率;和分别为第n个微能网的储热装置在t时段的充热和放热功率;为第n个微能网在t时段的热负荷需求;
1.4)冷功率平衡:
2)多能转换设备约束:
2.1)热电联产机组:
2.2)电锅炉:
2.3)气锅炉:
2.4)电制冷装置:
2.5)吸收式制冷装置:
3)储能装置约束:
3.1)储电装置:
式中,为第n个微能网的储电装置在t时段的荷电状态;和分别为第n个微能网的储电装置的充电和放电效率;为第n个微能网的储电装置的额定容量;和分别为第n个微能网的储电装置的最大允许充电和放电功率;和分别为第n个微能网的储电装置在t时段充电和放电状态变量,当时表示充电,时表示放电;
3.2)储热装置:
式中,为第n个微能网的储热装置在t时段的荷电状态;和分别为第n个微能网的储热装置的充热和放热效率;为第n个微能网的储热装置的额定容量;和分别为第n个微能网的储热装置的最大允许充热和放热功率;和分别为第n个微能网的储热装置在t时段充热和放热状态变量,当时表示充热,时表示放热;
4)能源网络约束:
所述能源网络约束是指连接微能网的电力网络和天然气网络需要满足的约束,具体包括:
4.1)电力网络约束:
其中,式(31)、(32)和(33)分别节点功率平衡约束、线路传输特性约束和线路容量约束;Pfmn,t为t时段节点m和n之间输电线路传输的有功功率;Φn,e为与节点n相连接的电力线路的集合;Ωemn为电力线路集合;θm,t,θn,t为节点m,n的电压相角;xmn为节点m和n之间输电线路的电抗;为节点m和n之间输电线路的功率限值;
4.2)天然气网络约束:
所述天然气网络约束进一步包括:
A.管道特性约束:
式中,Ωgmn为天然气管道的集合;πm,t,πn,t为t时段节点m,n的气压的平方值;sign()为符号函数;Gfmn,t为t时段节点m和n之间输气管道流过的气流;αmn节点m和n之间管道的特性系数;
xmn,t∈{0,1} (36)
式中,xmn,t为0-1变量,用于表示气流的方向,即当Gfmn,t≥0时,xmn,t=1,当Gfmn,t≤0时,xmn,t=0;zmn,m,t=xmn,tπm,t,zmn,n,t=xmn,tπn,t;
B.节点气流平衡约束:
式中,Φn,g为与节点n相连接的天然气管道集合;
C.节点气压上下限约束:
D.管道气流上下限约束:
针对目标函数为(1),约束为(2)-(33)、(35)-(39)的多微能网耦合系统优化调度模型,采用改进ADMM算法,即改进交替方向乘子法进行求解;
首先,采用图4所示的方法将连接在微能网m和微能网n之间的电力线和天然气管道从中间断开,从而实现两个相连微能网解耦,并引入一致性变量和保证解耦后输电线路上的耦合功率流和相角分别保持一致,即约束(40)和(41);同样地,引入一致性变量和保证解耦后输气管道上的耦合气流和气压分别保持一致,即约束(42)和(43);
式中,分别为t时段电力线mn解耦后,电力线mmc的电功率流、电力线ncn的电功率流、电力线mn的一致性电功率流,其中一致性电功率流为前两个功率流的平均值;分别为t时段电力线mn解耦后,节点mc的相角、节点nc的相角、节点mc和nc的一致性相角,其中一致性相角为前两个相角的平均值;分别为t时段天然气管道mn解耦后,天然气管道mmc的气流、天然气管道ncn的气流、天然气管道mn的平均气流;分别为t时段天然气管道mn耦后,节点mc的平方气压、节点nc的平方气压、节点mc和nc的一致性平方气压,其中一致性平方气压为前两个平方气压的平均值;
为此,多微能网耦合系统优化调度模型转化为含0-1变量的分布式一致性优化调度问题,其中,约束(40)-(43)为一致性约束,变量 和为耦合变量,变量和xmn,t为0-1变量;将多微能网耦合系统的分布式一致性优化调度问题转化为标准化模型,如下所示:
式中,fn(x1n,x2n,x3n)为第n个微能网的目标函数,即运行成本;x1n、x2n、x3n均为第n个微能网的变量向量,其中x1n为连续的非耦合变量向量,x2n为连续的耦合变量向量,x3n为0-1变量向量;C1n表示约束(2)-(22),(24)-(29),(31)-(33),(35),(37)-(39);C2n表示约束(40)-(43);C3n表示约束(23),(30)和(36);
采用ADMM算法将上述耦合问题(44)按微能网解耦为N个子微能网优化调度问题并行求解,其中,子微能网优化调度问题n为:
由于子微能网优化调度问题(45)中的x3n属于0-1变量向量,ADMM算法在求解此类问题时的收敛性无法得到有效的保证,为此将NC-ADMM算法,即非凸交替方向乘子法嵌入传统ADMM算法,改进传统ADMM算法,来求解子微能网优化调度问题;改进ADMM算法按如下步骤求解问题(44):
步骤2:采用NC-ADMM算法求解子优化问题(45),获得x1n,x2n,x3n值,即采用NC-ADMM算法并行求解各个微能网的优化调度问题;其具体包括以下步骤:
步骤2.1:设置迭代次数it=1;设置NC-ADMM的原始和对偶残差的容忍上限值;将0-1变量向量x3n松弛为无约束的连续变量;初始化缩放的对偶变量向量un和变量向量βn;
步骤2.3:采用欧几里得投影法更新βn,即
步骤2.5:根据最新的x3n和βn,如式(48)更新un;
设置迭代次数it=it+1,并跳到步骤2.2,继续进行迭代。
步骤3:根据式(49)和(50)计算原始残差和对偶残差,并判断是否满足收敛判据;若式(49)和(50)同时满足,则停止迭代,输出优化问题结果,否则执行步骤4;
设置迭代次数k=k+1,并跳到步骤2,继续进行迭代。
本实施例还提供了一种多微能网耦合系统分布式协同调度系统,包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现上述的方法步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (3)
1.一种多微能网耦合系统分布式协同调度方法,其特征在于,包括以下步骤:
S1、建立多微能网耦合系统优化调度模型,并对其进行线性化处理;
S2、将多微能网耦合系统优化调度模型解耦为多个子微能网优化调度问题;
S3、采用交替方向乘子法求解多微能网耦合系统分布式优化调度模型;
S4、初始化交替方向乘子法参数和设置迭代次数;
S5、各微能网采用非凸交替方向乘子法求解各自的优化调度问题,并获得决策变量值;计算原始残差和对偶残差;
S6、判断是否满足收敛条件,是则停止迭代,输出优化调度问题结果,即最优调度方案,否则更新对偶变量和迭代次数,返回步骤S5,继续进行迭代;
所述多微能网耦合系统优化调度模型的目标函数为整个系统的运行成本最低,即最小化购电成本和购气成本,具体为:
式中,第一项为购电成本,第二项为购气成本;T为总的优化调度时段;N为微能网的总数;En,t为第n个微能网在t时段购买的电能;为t时段的电能价格;Gn,t为第n个微能网在t时段购买的天然气;为t时段的天然气价格;
所述多微能网耦合系统优化调度模型的约束条件包括:
1)功率平衡约束:
1.1)电功率平衡:
式中,为第n个微能网的风机在t时段的出力;和分别为第n个微能网的储电装置在t时段的充电和放电功率;为第n个微能网的热电联产机组在t时段的电输出功率;和分别为第n个微能网的电锅炉和电制冷装置在t时段所需的电功率;为第n个微能网在t时段的电负荷需求;
1.2)天然气平衡:
1.3)热功率平衡:
式中,分别为第n个微能网的热电联产机组、电锅炉、气锅炉在t时段的热输出功率;为第n个微能网的吸收式制冷装置在t时段所需的热功率;和分别为第n个微能网的储热装置在t时段的充热和放热功率;为第n个微能网在t时段的热负荷需求;
1.4)冷功率平衡:
2)多能转换设备约束:
2.1)热电联产机组:
2.2)电锅炉:
2.3)气锅炉:
2.4)电制冷装置:
2.5)吸收式制冷装置:
3)储能装置约束:
3.1)储电装置:
式中,为第n个微能网的储电装置在t时段的荷电状态;和分别为第n个微能网的储电装置的充电和放电效率;为第n个微能网的储电装置的额定容量;和分别为第n个微能网的储电装置的最大允许充电和放电功率;和分别为第n个微能网的储电装置在t时段充电和放电状态变量,当时表示充电,时表示放电;
3.2)储热装置:
式中,为第n个微能网的储热装置在t时段的荷电状态;和分别为第n个微能网的储热装置的充热和放热效率;为第n个微能网的储热装置的额定容量;和分别为第n个微能网的储热装置的最大允许充热和放热功率;和分别为第n个微能网的储热装置在t时段充热和放热状态变量,当时表示充热,时表示放热;
4)能源网络约束:
所述能源网络约束是指连接微能网的电力网络和天然气网络需要满足的约束,具体包括:
4.1)电力网络约束:
其中,式(31)、(32)和(33)分别为节点功率平衡约束、线路传输特性约束和线路容量约束;Pfmn,t为t时段节点m和n之间输电线路传输的有功功率;Φn,e为与节点n相连接的电力线路的集合;Ωemn为电力线路集合;θm,t,θn,t为节点m,n的电压相角;xmn为节点m和n之间输电线路的电抗;为节点m和n之间输电线路的功率限值;
4.2)天然气网络约束:
所述天然气网络约束进一步包括:
A.管道特性约束:
式中,Ωgmn为天然气管道的集合;πm,t,πn,t为t时段节点m,n的气压的平方值;sign()为符号函数;Gfmn,t为t时段节点m和n之间输气管道流过的气流;αmn节点m和n之间管道的特性系数;
由于管道特性约束为非凸约束,采用二阶锥松弛技术将式(34)转化为凸约束(35);
xmn,t∈{0,1} (36)
式中,xmn,t为0-1变量,用于表示气流的方向,即当Gfmn,t≥0时,xmn,t=1,当Gfmn,t≤0时,xmn,t=0;zmn,m,t=xmn,tπm,t,zmn,n,t=xmn,tπn,t;
B.节点气流平衡约束:
式中,Φn,g为与节点n相连接的天然气管道集合;
C.节点气压上下限约束:
D.管道气流上下限约束:
针对目标函数为(1),约束为(2)-(33)、(35)-(39)的多微能网耦合系统优化调度模型,采用改进ADMM算法,即改进交替方向乘子法进行求解;
首先,将连接在第m个微能网和第n个微能网之间的电力线和天然气管道从中间断开,从而实现两个相连微能网解耦,并引入一致性变量和保证解耦后输电线路上的耦合功率流和相角分别保持一致,即约束(40)和(41);同样地,引入一致性变量和保证解耦后输气管道上的耦合气流和气压分别保持一致,即约束(42)和(43);
式中,分别为t时段电力线mn解耦后,电力线mmc的电功率流、电力线ncn的电功率流、电力线mn的一致性电功率流,其中一致性电功率流为前两个功率流的平均值;分别为t时段电力线mn解耦后,节点mc的相角、节点nc的相角、节点mc和nc的一致性相角,其中一致性相角为前两个相角的平均值;分别为t时段天然气管道mn解耦后,天然气管道mmc的气流、天然气管道ncn的气流、天然气管道mn的平均气流;分别为t时段天然气管道mn耦后,节点mc的平方气压、节点nc的平方气压、节点mc和nc的一致性平方气压,其中一致性平方气压为前两个平方气压的平均值;
为此,多微能网耦合系统优化调度模型转化为含0-1变量的分布式一致性优化调度问题,其中,约束(40)-(43)为一致性约束,变量 和为耦合变量,变量和xmn,t为0-1变量;将多微能网耦合系统的分布式一致性优化调度问题转化为标准化模型,如下所示:
式中,fn(x1n,x2n,x3n)为第n个微能网的目标函数,即运行成本;x1n、x2n、x3n均为第n个微能网的变量向量,其中x1n为连续的非耦合变量向量,x2n为连续的耦合变量向量,x3n为0-1变量向量;C1n表示约束(2)-(22),(24)-(29),(31)-(33),(35),(37)-(39);C2n表示约束(40)-(43);C3n表示约束(23),(30)和(36);
采用ADMM算法将如式(44)所示的耦合问题按微能网解耦为N个子微能网优化调度问题并行求解,其中,子微能网优化调度问题为:
将NC-ADMM算法,即非凸交替方向乘子法嵌入ADMM算法,改进ADMM算法,来求解子微能网优化调度问题;改进ADMM算法按如下步骤求解问题(44):
步骤2:采用NC-ADMM算法求解子优化问题(45),获得x1n,x2n,x3n值,即采用NC-ADMM算法并行求解各个微能网的优化调度问题;
步骤3:根据式(49)和(50)计算原始残差和对偶残差,并判断是否满足收敛判据;若式(49)和(50)同时满足,则停止迭代,输出优化问题结果,否则执行步骤4;
设置迭代次数k=k+1,并跳到步骤2,继续进行迭代;
所述步骤2具体包括以下步骤:
步骤2.1:设置迭代次数it=1;设置NC-ADMM的原始残差和对偶残差的容忍上限值;将0-1变量向量x3n松弛为无约束的连续变量;初始化缩放的对偶变量向量un和变量向量βn;
步骤2.3:采用欧几里得投影法更新βn,即
步骤2.5:根据最新的x3n和βn,如式(48)更新un;
设置迭代次数it=it+1,并跳到步骤2.2,继续进行迭代。
2.根据权利要求1所述的一种多微能网耦合系统分布式协同调度方法,其特征在于,所述多微能网耦合系统为多个包含电、气、热和冷的微能网通过天然气和电力网络耦合在一起的能源系统,所述微能网内部包含风机、储电装置、电制冷装置、电锅炉、吸收式制冷装置、热电联产机组、气锅炉和储热装置,各个微能网通过微能网内的装置转化和转移购买的电能和天然气,最后输出电、气、热和冷四种能源以满足用户的多样化用能需求;所述多微能网耦合系统优化调度模型包括目标函数以及模型的约束条件。
3.一种多微能网耦合系统分布式协同调度系统,其特征在于,包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如权利要求1或2所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110183705.1A CN112861357B (zh) | 2021-02-10 | 2021-02-10 | 一种多微能网耦合系统分布式协同调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110183705.1A CN112861357B (zh) | 2021-02-10 | 2021-02-10 | 一种多微能网耦合系统分布式协同调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112861357A CN112861357A (zh) | 2021-05-28 |
CN112861357B true CN112861357B (zh) | 2023-02-10 |
Family
ID=75988449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110183705.1A Active CN112861357B (zh) | 2021-02-10 | 2021-02-10 | 一种多微能网耦合系统分布式协同调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112861357B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114581220B (zh) * | 2022-05-05 | 2022-09-16 | 支付宝(杭州)信息技术有限公司 | 数据处理方法、设备及分布式计算系统 |
CN114581221B (zh) * | 2022-05-05 | 2022-07-29 | 支付宝(杭州)信息技术有限公司 | 分布式计算系统以及计算机设备 |
CN114581223B (zh) * | 2022-05-05 | 2022-07-29 | 支付宝(杭州)信息技术有限公司 | 分配任务处理方法、设备、分布式计算系统及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110046750A (zh) * | 2019-03-25 | 2019-07-23 | 国网江苏省电力有限公司经济技术研究院 | 一种能源互联网协同优化运行方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107292456B (zh) * | 2017-08-01 | 2020-11-24 | 重庆大学 | 基于交替方向乘子法的电-气能量流分布式协同优化计算方法 |
CN110571789B (zh) * | 2018-06-06 | 2020-10-20 | 南京工程学院 | 数据驱动下基于风电不确定性的电热气网三阶段调度方法 |
CN111815131A (zh) * | 2020-06-28 | 2020-10-23 | 华南理工大学 | 一种沿岸地区电-气互联系统环境经济调度方法 |
-
2021
- 2021-02-10 CN CN202110183705.1A patent/CN112861357B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110046750A (zh) * | 2019-03-25 | 2019-07-23 | 国网江苏省电力有限公司经济技术研究院 | 一种能源互联网协同优化运行方法 |
Non-Patent Citations (1)
Title |
---|
基于交替方向乘子法的电力系统完全分布式动态经济调度方法;杨青润等;《控制理论与应用》;20180515(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112861357A (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112861357B (zh) | 一种多微能网耦合系统分布式协同调度方法及系统 | |
Li et al. | Double-mode energy management for multi-energy system via distributed dynamic event-triggered Newton-Raphson algorithm | |
Chen et al. | Adaptive robust day-ahead dispatch for urban energy systems | |
Yang et al. | Coordinated planning strategy for integrated energy systems in a district energy sector | |
Zhou et al. | Integrated power and heat dispatch considering available reserve of combined heat and power units | |
Shariatkhah et al. | Modeling the reliability of multi-carrier energy systems considering dynamic behavior of thermal loads | |
Arnold et al. | Model predictive control of energy storage including uncertain forecasts | |
CN110046750B (zh) | 一种能源互联网协同优化运行方法 | |
CN110571789A (zh) | 数据驱动下基于风电不确定性的电热气网三阶段调度方法 | |
Awad et al. | Integrated optimal power flow for electric power and heat in a microgrid | |
CN110188492B (zh) | 一种考虑热网特性的冷热电联供微网优化调度方法 | |
CN109389248B (zh) | 基于区域热网的综合能源系统热电功率协调调度方法 | |
Ramírez-Elizondo et al. | Scheduling and control framework for distribution-level systems containing multiple energy carrier systems: Theoretical approach and illustrative example | |
CN110991857B (zh) | 一种电热综合能源系统风电消纳能力评估的方法 | |
CN109523076A (zh) | 一种储能参与下的综合能源系统日前稳态优化分析方法 | |
CN113890023A (zh) | 一种综合能源微网分布式经济调度优化方法及系统 | |
CN112668188A (zh) | 多园区综合能源系统的分布式鲁棒协同优化调度方法 | |
Ding et al. | Operational reliability assessment of integrated heat and electricity systems considering the load uncertainties | |
CN112101627A (zh) | 一种高私密性的电气热互联系统分布式优化调度方法 | |
Li et al. | Hierarchical nonlinear model predictive control for frequency support of wind farm | |
CN111724026A (zh) | 一种多能源网络与配水网耦合运行的优化方法 | |
CN110020506B (zh) | 基于电热型综合能源系统运行优化的差分格式选择方法 | |
CN117154746A (zh) | 一种考虑光伏出力不确定性的微电网日前优化调度方法 | |
CN113708363A (zh) | 一种电热联合系统的调度灵活性评估方法及系统 | |
Yuan et al. | A multi-energy flow calculation method considering multiple energy coupling operation modes |
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 |