CN112906220A - 综合能源微网园区系统状态的估计方法 - Google Patents

综合能源微网园区系统状态的估计方法 Download PDF

Info

Publication number
CN112906220A
CN112906220A CN202110188165.6A CN202110188165A CN112906220A CN 112906220 A CN112906220 A CN 112906220A CN 202110188165 A CN202110188165 A CN 202110188165A CN 112906220 A CN112906220 A CN 112906220A
Authority
CN
China
Prior art keywords
node
network
state
power
grid
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
CN202110188165.6A
Other languages
English (en)
Other versions
CN112906220B (zh
Inventor
吴清
钟准
李幸芝
李国杰
汪可友
韩蓓
徐晋
何光宇
李志勇
邵洁
闫晓微
任天鸿
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.)
Hainan Electric Power School Hainan Electric Power Technical School
Shanghai Jiaotong University
Original Assignee
Hainan Electric Power School Hainan Electric Power Technical School
Shanghai Jiaotong University
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 Hainan Electric Power School Hainan Electric Power Technical School, Shanghai Jiaotong University filed Critical Hainan Electric Power School Hainan Electric Power Technical School
Priority to CN202110188165.6A priority Critical patent/CN112906220B/zh
Publication of CN112906220A publication Critical patent/CN112906220A/zh
Application granted granted Critical
Publication of CN112906220B publication Critical patent/CN112906220B/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
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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

Landscapes

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

Abstract

一种综合能源微网园区系统状态估计方法，可以对热网‑冷网‑电网进行解耦状态估计，本发明与单独的电网状态估计发明相比，引入了更多的量测量，提高了系统冗余度，从而降低了状态估计的平均误差，提高了数据的准确性。此外，解耦估计降低了网络的维数，能够有效缓解计算压力，由于网络规模小，状态估计、不良数据和拓扑错误检测与辨识的速度也较快，也将进一步提高状态估计的计算效率。

Description

综合能源微网园区系统状态的估计方法
技术领域
本发明涉及综合能源微网园区，特别是一种综合能源微网园区系统状态的估计方法。
背景技术
随着现代社会对能源需求的急剧增长和化石能源的消耗，能源危机和环境污染逐渐成为亟待解决的问题；随着现代工业社会能源消费与能源结构的重大改变，传统以电力、热力、油气等大规模集中式单一能源的供应模式也面临着远距离运输成本高、能源转换与利用效率低、设施重复建设等问题[参见文献1：Zhang S.,Gu W.,Qiu H.,et al.Stateestimation models of district heating networks for integrated energy systemconsidering incom-plete measurements[J].Applied Energy,2021,282:116105.]。因此，综合多种能源系统的能源互联网逐渐得到广泛关注和高度重视[参见文献2：李秋燕,王利利,张艺涵,等.能源互联网多能流的耦合模型及动态优化方法综述[J].电力系统保护与控制,2020,48(19):179-186.]。为了监测系统状态并提高对综合能源系统的管理，需要对状态估计(SE)技术测量数据进行处理以获取准确的状态信息[参见文献3：周华锋,胡亚平,谢国财,姚海成.电力调度状态估计的实用技术研究与实践[J].南方电网技术,2014,8(03):21-26.Li Qiuyan,Wang Lili,Zhang Yihan,et al.A review of coupling modelsand dynamic optimization methods for energy internet mul-ti-energy flow[J].Power System Protection and Con-trol,2020,48(19):179-186]。状态估计在电网精准调度、安全运作和提高经济效益等方面发挥了重要作用。综合能源微网园区系统状态估计方面，电力系统的状态估计研究已经较为成熟[参见文献4：尹冠雄,王彬,孙宏斌,等.多场景适配的多能流在线状态估计功能研发与应用[J].中国电机工程学报,2020,40(21):6794-6804.]。例如电力系统状态估计基本理论在20世纪70年代就已经明确，并在50余年间不断发展出各种优化方法[参见文献5：吕前程,江晓东,孔祥玉,等.基于新型PMU配置的局部配电网状态估计[J].南方电网技术,2019,13(04):54-59.[6]林佳颖,秦超,栾文鹏,等.考虑AMI量测特性的配电网状态估计[J].南方电网技术,2016,10(10):3-10.]。然而，由于综合能源系统增加了与电网性质存在差异的热网、冷网等其他能源网络和冷热电联供(CCHP)机组、电锅炉、热泵等性质各异的耦合设备，需要对经典的状态估计算法进行一定调整，才能适应综合能源系统的运行情况[参见文献7：孙宏斌,潘昭光,郭庆来.多能流能量管理研究:挑战与展望[J].电力系统自动化,2016,40(15):1-8+16.]。因而针对热网、冷网等其他能源网络的状态估计研究相对较少[参见文献8：董今妮,孙宏斌,郭庆来,等.热电联合网络状态估计[J].电网技术,2016,40(06):1635-1641.]。文献[8]提出了一种基于加权最小二乘法的电-热耦合系统状态估计方法，具有较高的收敛性；文献[参见文献9：Fang T,Lahdelma R.State estimation of district heating network based on customermeasurements[J].Applied Thermal Engineering,2014,73(01):1211–1221.9]提出了一种基于用户端数据的热网状态估计方法，但该方法不存在量测量冗余，与传统电力系统状态估计存在差异，且估计精度较低；文献[参见文献10：陈艳波,姚远,杨晓楠,等.面向电-热综合能源系统的双线性抗差状态估计方法[J].电力自动化设备,2019,39(08):47-54.]提出了一种面向电-热耦合系统的双线性抗差状态估计方法，对于不良数据具有较好的辨识能力；文献[参见文献11：郑顺林,刘进,陈艳波,等.基于加权最小绝对值的电-气综合能源系统双线性抗差状态估计[J].电网技术,2019,43(10):3733-3744.]提出了一种基于加权最小绝对值的电-气综合能源系统双线性抗差状态估计；文献[参见文献12：董今妮,孙宏斌,郭庆来,等.面向能源互联网的电–气耦合网络状态估计技术[J].电网技术,2018,42(02):400-408.]建立针对复杂气网的稳态状态估计模型，提出了一种电–气耦合网络状态估计方法。上述文献提出了一些将热网和气网纳入状态估计的可行性方法，但仍存在耦合约束较为复杂、需要进行高维非线性计算等问题。
发明内容
本发明针对现有技术的上述不足，提出一种综合能源微网园区系统状态估计方法，可以对热网-冷网-电网进行解耦状态估计。分别对综合能源微网园区系统中的热网、冷网、电网进行建模。其中对冷网和热网分别采用水力模型和热度模型建立量测方程，对电网的潮流方程建立量测方程，考虑了冷热电联供(Combined Cooling Heating and Power,CCHP)机组在热网-冷网-电网的耦合性质。在加权最小二乘法(Weighted Least Squares，WLS)的基础上，提出了一种解耦的综合能源微网园区系统状态估计方法。
本发明是通过以下技术方案实现的。
一种综合能源微网园区系统的状态评估方法，其特点在于该方法包括如下步骤：
1)读取网络参数、量测数据：
网络参数包括综合能源微网园区系统中供冷网、供热网的拓扑图、管道参数以及电网的拓扑图和支路导纳，以形成供冷/热网的节点-支路关联矩阵，供冷/热网的回路-支路关联矩阵以及电网的节点导纳矩阵；
量测数据包括节点注入有功功率、节点注入无功功率、节点电压幅值、热(冷)网回水温度、节点注入水流量、热负荷功率；
2)赋状态变量初值；
采用平直启动法选取初值，电网节点电压幅值初值取1、电网节点电压相角初值取0、热(冷)网供水温度初值取热(冷)源温度、热(冷)网回水温度初值取热(冷)负荷温度、节点注入水流量初值取0；
3)分别进行供热网状态、供冷网状态估计：
①按照下列式(1)列写供热网状态、供冷网状态的量测方程：
Figure BDA0002942609210000031
式中：i为节点编号；mq为节点注入水流量；A为节点支路关联矩阵；mij为管道水流量；φi为节点热负荷；Cp为水的比热容；Twi为节点供水温度；Tri为节点回水温度；v代表量测误差，其下标表示量测误差的类型；
②按照下列式(2)、(3)、(4)进行状态估算：
Δxk＝Gk -1Hk TRk -1(z-h(xk)) (2)
其中，G称为增益矩阵，为：
Gk＝Hk TRk -1Hk (3)
每次迭代计算校正：
xk+1＝xk+Δxk (4)；
③当
Figure BDA0002942609210000041
时，认为收敛，其中上标k为循环次数，
Figure BDA0002942609210000042
为第k次状态变量估计值构成的向量；
4)按照下列式(7)由
Figure BDA0002942609210000043
计算
Figure BDA0002942609210000044
CCHP电功率PCCHP与制冷/制热功率φCCHP关系为：
Figure BDA0002942609210000045
式中：Cm为CCHP机组的热电比例系数；
5)进行电网状态估计：
①按照下式(6)列写电网量测方程如下：
Figure BDA0002942609210000046
式中：N是电网节点集合，下标j是直接和下标i相连的节点；θij为节点i和节点j间的相角差；Yij＝Gij+Bij为节点i和节点j间的导纳；Ysi＝Gsi+jBsi为节点i的对地导纳；v代表量测误差，其下标表示量测误差的类型；
②通过如下迭代方法获得该问题的求解公式：
Δxk＝Gk -1Hk TRk -1(z-h(xk)) (7)
其中，G称为增益矩阵，为：
Gk＝Hk TRk -1Hk (8)
每次迭代计算校正：
xk+1＝xk+Δxk (9)；
③当
Figure BDA0002942609210000051
时，认为收敛，其中上标k为循环次数，
Figure BDA0002942609210000052
为第k次状态变量估计值构成的向量；
6)按照式(10)由
Figure BDA0002942609210000053
计算
Figure BDA0002942609210000054
Figure BDA0002942609210000055
式中：Cm为CCHP机组的热电比例系数；
7)判断
Figure BDA0002942609210000056
是否成立，若成立，则转至步骤8)；否则，转至步骤3)；
8)输出状态估计结果，输出结果包括：电网节点电压幅值、电网节点电压相角、热(冷)网供水温度、热(冷)网回水温度、节点注入水流量。
本发明的原理如下：
对供冷网络-供热网络的水力网络和热力网络分别展开建模，根据构建模型，对测量方程进行建模；对电网展开建模，根据构建模型，对测量方程进行建模；
根据对考虑了冷热电联供(CCHP)机组的热网-冷网-电网的量测方程，对待评估综合能源微网园区系统待求状态变量和量测方程进行建模，求得电网的节点电压幅值Ui和节点电压相角θi、热(冷)网的供水温度Tw和回水温度Tr、节点注入水流量mqi,完成对综合能源微网园区系统的状态估计。
对所述供冷、供热网络模型的测量方程进行建模的方法为：
供冷/供热网络通常由结构相同的供水管道网络和回水管道网络构成。在供回水网络中，根据变量的性质，可以分为以水头压力、管道流量描述的水力网络和以节点温度、热功率描述的热力网络，二者通过节点水流量耦合。其中，水力网络有与电网相似的性质，其流量连续方程、压强环路方程、水头压力损失方程可以与电网中的基尔霍夫电流定律、基尔霍夫电压定律、欧姆定律一一对应。同样的，表征水利网络状态的水头压力、管道流量等变量也与电压、电流等存在对应关系。
因此与电网求解方法相似，水力网络也可以用压强法与环流法两种方法求解。由于目前投入使用的供热网络多为辐射状，很少有构成环路的情况，因此此处选用压强法进行状态估计，选择节点注入水流量为量测量。供热/冷网需要满足流量平衡方程：
Figure BDA0002942609210000061
式中：As为供冷/热网的节点-支路关联矩阵；m为各管道的流量；mq为各节点流出的流量；Bh为供热管网的回路-支路关联矩阵；hf为压头损失向量，其计算方法为
hf＝Km|m| (4)
通过节点温度和热功率可以描述热力网络中的热量流动情况，这一流动情况也与管道水流量相关联，即系统温度与热功率通过水流量与状态量水头压力相关联：
mi＝φi/[Cwsi(Tri-Twi)] (5)
式中：φi为热功率负荷；m为管道流量；Cw为水的比热容；si用于表征节点i的负荷性质，节点i负荷为冷负荷风机盘管时取+1，为热负荷换热器时取-1；Tri和Twi分别为风机盘管/换热器的进水温度和回水温度。
供水网络的管道温度降模型采用指数模型并采用流体的理想混合模型：
∑(moutTin)＝(∑mout)Tout (6)
本发明考虑耦合元件为CCHP，包括燃气发电机、吸收式制冷机和换热机组。CCHP电功率PCCHP与制冷/制热功率φCCHP关系为：
Figure BDA0002942609210000062
式中：Cm为CCHP机组的热电比例系数。
综合上述建模方程，考虑目前系统内的常用量测：供冷/热网中，以热网为例，管道水流量和温度是最常见的测量类型，几乎所有的管道和节点都配置了这些量测。此外，网络里也存在压力量测，但是压力量测的精度受环境的影响很大，因而常常不能直接使用。而实时热功率量测通常只配置在关键节点，如热源或热交换站。因此，普通热负荷节点通常缺乏实时的热功率测量，通常只能得到一天内网络的总热量消耗量测。考虑到这些量测配置的实际情况，结合水力模型和热模型的相关建模，本发明采用的供冷/供热网的量测方程如下：
Figure BDA0002942609210000071
式中：i为节点编号；mq为节点注入水流量；A为节点支路关联矩阵；mij为管道水流量；φi为节点热负荷；Cp为水的比热容；Twi为节点供水温度；Tri为节点回水温度；v代表量测误差，其下标表示量测误差的类型。
电网中，量测量主要采用传统的节点电压幅值、节点注入有功功率、节点注入无功功率、交流支路潮流有功功率、交流支路潮流无功功率。交流配电网中，采用节点电压幅值Ui和电压相角θi作为状态变量，因而量测方程如下：
Figure BDA0002942609210000072
式中：N是电网节点集合，下标j是直接和下标i相连的节点；θij为节点i和节点j间的相角差；Yij＝Gij+Bij为节点i和节点j间的导纳；Ysi＝Gsi+jBsi为节点i的对地导纳；v代表量测误差，其下标表示量测误差的类型。
本发明采用WLS进行电力系统状态估计。选择量测量和状态变量如下表：
表1综合能源微网园区系统量测量与状态量
Figure BDA0002942609210000073
Figure BDA0002942609210000081
式中：v是量测误差的矢量。h(x)表示状态变量和量测之间的函数。
WLS通过求解以下最优化问题来求取系统状态
Figure BDA0002942609210000082
Figure BDA0002942609210000083
式中：W表示各量测权重的对角矩阵，权重与量测精度成正比，量测精度越高，权重越大。
通过如下迭代方法获得该问题的求解公式：
Δxk＝Gk -1Hk TRk -1(z-h(xk)) (11)
其中，G称为增益矩阵，为：
Gk＝Hk TRk -1Hk (12)
每次迭代计算校正：
xk+1＝xk+Δxk (13)
本发明选择支路有功功率，支路无功功率，节点注入有功功率，节点注入无功功率和电压幅值作为量测数据进行状态估计。
对于一个含CCHP的冷热电联合微网园区来说，供冷/热网和电网通过CCHP元件相互耦合，两者的状态估计互相联系：
(1)供电网的电功率是通过CCHP耦合元件与供冷/供热网中循环水泵消耗的电功率相关，而计算循环水泵小号的电功率需要知道水泵的流量，这又与供冷/热网的流量状态变量相联系；
(2)吸收式制冷机的制冷功率与换热机组的制热功率是由燃气发电机的总有功出力决定的。因此，含CCHP的多能互补电网的状态估计必须综合考虑整体进行计算求解，但是采用统一计算方法要对供冷网、供热网和供电网的所有变量进行联合求解，所用方程维数会随着系统网络规模的增大而增大，计算复杂度高，计算时间也比较长。
本发明根据CCHP仅在能源站和负荷侧存在着耦合环节而中间的供冷网、供热网、供电网相互独立的特点，将多能互补系统的状态估计解耦成供冷网、供热网、供电网三者解耦的计算过程。三者状态估计交替进行，具体算法框架如图1。
其中，热网的状态估计由并行的供热网络状态估计与供冷网络状态估计共同组成。
由于采用了上述技术方案，本发明具有如下有益效果：
本发明与单独的电网状态估计发明相比，本发明方法引入了更多的量测量，提高了系统冗余度，从而降低了状态估计的平均误差，提高了数据的准确性。此外，解耦估计降低了网络的维数，能够有效缓解计算压力，由于网络规模小，状态估计、不良数据和拓扑错误检测与辨识的速度也较快，也将进一步提高状态估计的计算效率。
附图说明
图1是本发明综合能源微网园区系统解耦状态估计流程图。
图2是某59节点综合能源微网园区算例结构图。
具体实施方式
下面对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程。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，还可以做出若干变形和改进，这些都属于本发明的保护范围。
本发明综合能源微网园区系统的状态评估方法，包括如下步骤：
1)读取网络参数、量测数据：
网络参数包括综合能源微网园区系统中供冷网、供热网的拓扑图、管道参数以及电网的拓扑图和支路导纳，以形成供冷/热网的节点-支路关联矩阵，供冷/热网的回路-支路关联矩阵以及电网的节点导纳矩阵；
量测数据包括节点注入有功功率、节点注入无功功率、节点电压幅值、热(冷)网回水温度、节点注入水流量、热负荷功率；
2)赋状态变量初值；
采用平直启动法选取初值，电网节点电压幅值初值取1、电网节点电压相角初值取0、热(冷)网供水温度初值取热(冷)源温度、热(冷)网回水温度初值取热(冷)负荷温度、节点注入水流量初值取0；
3)分别进行供热网状态、供冷网状态估计：
①按照下列式(1)列写供热网状态、供冷网状态的量测方程：
Figure BDA0002942609210000101
式中：i为节点编号；mq为节点注入水流量；A为节点支路关联矩阵；mij为管道水流量；φi为节点热负荷；Cp为水的比热容；Twi为节点供水温度；Tri为节点回水温度；v代表量测误差，其下标表示量测误差的类型；
②按照下列式(2)、(3)、(4)进行状态估算：
Δxk＝Gk -1Hk TRk -1(z-h(xk)) (2)
其中，G称为增益矩阵，为：
Gk＝Hk TRk -1Hk (3)
每次迭代计算校正：
xk+1＝xk+Δxk (4)；
③当
Figure BDA0002942609210000102
时，认为收敛，其中上标k为循环次数，
Figure BDA0002942609210000103
为第k次状态变量估计值构成的向量；
4)按照下列式(7)由
Figure BDA0002942609210000104
计算
Figure BDA0002942609210000105
CCHP电功率PCCHP与制冷/制热功率φCCHP关系为：
Figure BDA0002942609210000106
式中：Cm为CCHP机组的热电比例系数；
5)进行电网状态估计：
①按照下式(6)列写电网量测方程如下：
Figure BDA0002942609210000111
式中：N是电网节点集合，下标j是直接和下标i相连的节点；θij为节点i和节点j间的相角差；Yij＝Gij+Bij为节点i和节点j间的导纳；Ysi＝Gsi+jBsi为节点i的对地导纳；v代表量测误差，其下标表示量测误差的类型；
②通过如下迭代方法获得该问题的求解公式：
Δxk＝Gk -1Hk TRk -1(z-h(xk)) (7)
其中，G称为增益矩阵，为：
Gk＝Hk TRk -1Hk (8)
每次迭代计算校正：
xk+1＝xk+Δxk (9)；
③当
Figure BDA0002942609210000112
时，认为收敛，其中上标k为循环次数，
Figure BDA0002942609210000113
为第k次状态变量估计值构成的向量；
6)按照式(10)由
Figure BDA0002942609210000114
计算
Figure BDA0002942609210000115
Figure BDA0002942609210000116
式中：Cm为CCHP机组的热电比例系数；
7)判断
Figure BDA0002942609210000117
是否成立，若成立，则转至步骤8)；否则，转至步骤3)；
8)输出状态估计结果，输出结果包括：电网节点电压幅值、电网节点电压相角、热(冷)网供水温度、热(冷)网回水温度、节点注入水流量。
下面结合附图对本实施例所提供的技术进一步详细说明。
下面结合附图1和实施例(结构图见附图2)，进一步阐述本发明所述估计方法步骤：
步骤1：读取网络参数、量测数据；
步骤2：赋状态变量初值；
步骤3：进行热/冷网状态估计，按照式(8)列写量测方程，按照式(11)(12)(13)进行状态估计计算；当
Figure BDA0002942609210000121
时认为收敛(其中上标k为循环次数，
Figure BDA0002942609210000122
为第k次状态变量估计值构成的向量)；
步骤4：按照式(7)由
Figure BDA0002942609210000123
计算
Figure BDA0002942609210000124
步骤5：进行电网状态估计，按照式(9)列写量测方程，按照式(11)(12)(13)进行状态估计计算；当
Figure BDA0002942609210000125
时认为收敛(其中上标k为循环次数，
Figure BDA0002942609210000126
为第k次状态变量估计值构成的向量)；
步骤6：按照式(7)由
Figure BDA0002942609210000127
计算
Figure BDA0002942609210000128
步骤7：判断
Figure BDA0002942609210000129
是否成立，若成立，则转至步骤8；否则，转至步骤3；
步骤8：输出状态估计结果。
实验表明，本发明引入了更多的量测量，提高了系统冗余度，从而降低了状态估计的平均误差，提高了数据的准确性。此外，解耦估计降低了网络的维数，能够有效缓解计算压力，由于网络规模小，状态估计、不良数据和拓扑错误检测与辨识的速度也较快，也将进一步提高状态估计的计算效率。
本发明上述实施例所提供的综合能源微网园区系统的状态评估方法，在59节点综合能源微网园区算例(结构图见附图2)进行仿真验证了本方法的有效性。仿真结果表明，与单独的电网状态估计相比，本发明方法引入了更多的量测量，提高了系统冗余度，从而降低了状态估计的平均误差，提高了数据的准确性。此外，解耦估计降低了网络的维数，在网络规模日趋巨大的今天，能够有效缓解计算压力，由于网络规模小，状态估计、不良数据和拓扑错误检测与辨识的速度也较快，也将进一步提高状态估计的计算效率。
以上对本发明的实施例进行了描述。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形或修改，这并不影响本发明的实质内容。

Claims (1)

1.一种综合能源微网园区系统的状态评估方法，其特征在于该方法包括如下步骤：
1)读取网络参数、量测数据：
网络参数包括综合能源微网园区系统中供冷网、供热网的拓扑图、管道参数以及电网的拓扑图和支路导纳，以形成供冷/热网的节点-支路关联矩阵，供冷/热网的回路-支路关联矩阵以及电网的节点导纳矩阵；
量测数据包括节点注入有功功率、节点注入无功功率、节点电压幅值、热(冷)网回水温度、节点注入水流量、热负荷功率；
2)赋状态变量初值；
采用平直启动法选取初值，电网节点电压幅值初值取1、电网节点电压相角初值取0、热(冷)网供水温度初值取热(冷)源温度、热(冷)网回水温度初值取热(冷)负荷温度、节点注入水流量初值取0；
3)分别进行供热网状态、供冷网状态估计：
①按照下列式(1)列写供热网状态、供冷网状态的量测方程：
Figure FDA0002942609200000011
式中：i为节点编号；mq为节点注入水流量；A为节点支路关联矩阵；mij为管道水流量；φi为节点热负荷；Cp为水的比热容；Twi为节点供水温度；Tri为节点回水温度；v代表量测误差，其下标表示量测误差的类型；
②按照下列式(2)、(3)、(4)进行状态估算：
Δxk＝Gk -1Hk TRk -1(z-h(xk)) (2)
其中，G称为增益矩阵，为：
Gk＝Hk TRk -1Hk (3)
每次迭代计算校正：
xk+1＝xk+Δxk (4)；
③当
Figure FDA0002942609200000021
时，认为收敛，其中上标k为循环次数，
Figure FDA0002942609200000022
为第k次状态变量估计值构成的向量；
4)按照下列式(7)由
Figure FDA0002942609200000023
计算
Figure FDA0002942609200000024
CCHP电功率PCCHP与制冷/制热功率φCCHP关系为：
Figure FDA0002942609200000025
式中：Cm为CCHP机组的热电比例系数；
5)进行电网状态估计：
①按照下式(6)列写电网量测方程如下：
Figure FDA0002942609200000026
式中：N是电网节点集合，下标j是直接和下标i相连的节点；θij为节点i和节点j间的相角差；Yij＝Gij+Bij为节点i和节点j间的导纳；Ysi＝Gsi+jBsi为节点i的对地导纳；v代表量测误差，其下标表示量测误差的类型；
②通过如下迭代方法获得该问题的求解公式：
Δxk＝Gk -1Hk TRk -1(z-h(xk)) (7)
其中，G称为增益矩阵，为：
Gk＝Hk TRk -1Hk (8)
每次迭代计算校正：
xk+1＝xk+Δxk (9)；
③当
Figure FDA0002942609200000027
时，认为收敛，其中上标k为循环次数，
Figure FDA0002942609200000028
为第k次状态变量估计值构成的向量；
6)按照式(10)由
Figure FDA0002942609200000029
计算
Figure FDA00029426092000000210
Figure FDA0002942609200000031
式中：Cm为CCHP机组的热电比例系数；
7)判断
Figure FDA0002942609200000032
是否成立，若成立，则转至步骤8)；否则，转至步骤3)；
8)输出状态估计结果，包括：电网节点电压幅值、电网节点电压相角、热(冷)网供水温度、热(冷)网回水温度、节点注入水流量。
CN202110188165.6A 2021-02-10 2021-02-10 综合能源微网园区系统状态的估计方法 Active CN112906220B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110188165.6A CN112906220B (zh) 2021-02-10 2021-02-10 综合能源微网园区系统状态的估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110188165.6A CN112906220B (zh) 2021-02-10 2021-02-10 综合能源微网园区系统状态的估计方法

Publications (2)

Publication Number Publication Date
CN112906220A true CN112906220A (zh) 2021-06-04
CN112906220B CN112906220B (zh) 2023-04-07

Family

ID=76123712

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110188165.6A Active CN112906220B (zh) 2021-02-10 2021-02-10 综合能源微网园区系统状态的估计方法

Country Status (1)

Country Link
CN (1) CN112906220B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115830937A (zh) * 2022-12-12 2023-03-21 西南石油大学 一种深水天然气开采工艺数字化培训系统及模拟方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007032898A (ja) * 2005-07-26 2007-02-08 Kenji Umetsu コージェネレイション出力利用システム
CN106022624A (zh) * 2016-05-27 2016-10-12 清华大学 一种电-热耦合多能流网络状态估计方法
CN106844895A (zh) * 2016-12-30 2017-06-13 华南理工大学 一种冷热电联供微网能量流的解耦计算方法
CN107703745A (zh) * 2017-09-21 2018-02-16 东南大学 基于经济预测控制的mgt‑cchp控制系统
CN110428185A (zh) * 2019-08-08 2019-11-08 河海大学 基于伪量测模型的电-热互联综合能源系统抗差状态估计方法
CN110492533A (zh) * 2019-08-13 2019-11-22 广州供电局有限公司 冷热电联供系统的控制方法、装置、计算机及存储介质
CN110619487A (zh) * 2019-10-12 2019-12-27 东北大学 一种基于卡尔曼滤波的电-气-热耦合网络动态状态估计方法
CN111082417A (zh) * 2019-12-01 2020-04-28 国网辽宁省电力有限公司经济技术研究院 一种基于综合能源系统电气热联合网络的状态估计方法
CN111400873A (zh) * 2020-02-27 2020-07-10 中国电力科学研究院有限公司 电热综合能源系统二阶锥规划抗差状态估计方法和系统
CN111555285A (zh) * 2020-04-03 2020-08-18 浙江工业大学 分布式冷热电联供综合能源系统能量流解耦分析计算方法
CN112163323A (zh) * 2020-09-08 2021-01-01 中国电力科学研究院有限公司 一种综合能源系统的状态估计方法和系统
CN112329276A (zh) * 2021-01-04 2021-02-05 国网江西省电力有限公司电力科学研究院 一种基于综合能源系统的安全状态分析方法及装置

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007032898A (ja) * 2005-07-26 2007-02-08 Kenji Umetsu コージェネレイション出力利用システム
CN106022624A (zh) * 2016-05-27 2016-10-12 清华大学 一种电-热耦合多能流网络状态估计方法
CN106844895A (zh) * 2016-12-30 2017-06-13 华南理工大学 一种冷热电联供微网能量流的解耦计算方法
CN107703745A (zh) * 2017-09-21 2018-02-16 东南大学 基于经济预测控制的mgt‑cchp控制系统
CN110428185A (zh) * 2019-08-08 2019-11-08 河海大学 基于伪量测模型的电-热互联综合能源系统抗差状态估计方法
CN110492533A (zh) * 2019-08-13 2019-11-22 广州供电局有限公司 冷热电联供系统的控制方法、装置、计算机及存储介质
CN110619487A (zh) * 2019-10-12 2019-12-27 东北大学 一种基于卡尔曼滤波的电-气-热耦合网络动态状态估计方法
CN111082417A (zh) * 2019-12-01 2020-04-28 国网辽宁省电力有限公司经济技术研究院 一种基于综合能源系统电气热联合网络的状态估计方法
CN111400873A (zh) * 2020-02-27 2020-07-10 中国电力科学研究院有限公司 电热综合能源系统二阶锥规划抗差状态估计方法和系统
CN111555285A (zh) * 2020-04-03 2020-08-18 浙江工业大学 分布式冷热电联供综合能源系统能量流解耦分析计算方法
CN112163323A (zh) * 2020-09-08 2021-01-01 中国电力科学研究院有限公司 一种综合能源系统的状态估计方法和系统
CN112329276A (zh) * 2021-01-04 2021-02-05 国网江西省电力有限公司电力科学研究院 一种基于综合能源系统的安全状态分析方法及装置

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
XIAOFENG DONG等: "Optimal Planning of Integrated Energy Systems Based on Coupled CCHP", 《ENERGIES》 *
XUE TIAN等: "Study on heat and power decoupling for CCHP system: Methodology and case study", 《APPLIED THERMAL ENGINEERING》 *
ZHUN ZHONG等: "Decoupling State Estimation for Microgrid Park of Integrated Energy", 《2021 POWER SYSTEM AND GREEN ENERGY CONFERENCE》 *
国旭涛等: "冷热电三联供系统建模方法综述", 《浙江电力》 *
杨智斌等: "冷热电联供微网能量流的解耦计算方法", 《电网技术》 *
王鹏等: "一种适应于配电网的交叉逼近状态估计方法", 《电力自动化设备》 *
董今妮等: "热电联合网络状态估计", 《电网技术》 *
郑展等: "电-气-热一体化混合能源系统研究评述与展望", 《广东电力》 *
陈艳波等: "面向电-热综合能源系统的双线性抗差状态估计方法", 《电力自动化设备》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115830937A (zh) * 2022-12-12 2023-03-21 西南石油大学 一种深水天然气开采工艺数字化培训系统及模拟方法

Also Published As

Publication number Publication date
CN112906220B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN110175311B (zh) 一种基于多能耦合模型的优化潮流计算方法
CN108960503B (zh) 基于内点法的综合能源系统多场景优化分析方法
CN106844895B (zh) 一种冷热电联供微网能量流的解耦计算方法
CN110955954B (zh) 一种分层解耦的电气热综合能源系统最优负荷削减量方法
CN110502791B (zh) 基于能源集线器的综合能源系统稳态建模方法
CN110298556B (zh) 一种基于能量价值的多能协同园区能源利用效率控制方法
CN112165122A (zh) 一种综合能源系统的运行方法及系统
CN110991092A (zh) 一种余能一体化利用计算方法及系统
Li et al. Classification and location scheme selection of coupling components in integrated electrical and heating systems with renewable energy
Man et al. State estimation for integrated energy system containing electricity, heat and gas
Li et al. Research on thermo-economic characteristics of a combined cooling, heating and power system based on advanced adiabatic compressed air energy storage
CN112906220B (zh) 综合能源微网园区系统状态的估计方法
CN103235512A (zh) 一种发电机组运行的方法
CN111523213A (zh) 一种基于人工智能的电核心型综合能源系统优化供能方法
CN111463795A (zh) 基于改进苏霍夫降温公式的电-热系统多能流分析方法
CN113886761A (zh) 一种综合能源系统能效分析评估方法
Qi et al. A Distributionally Robust Optimization Scheduling Model for Regional Integrated Energy Systems Considering Hot Dry Rock Co-Generation.
CN116611706A (zh) 基于多能源主体的动态碳排放因子测算方法
Xiang et al. Planning Research on Electrically Coupled Integrated Energy System Based on ARIMA-LSTM Model
Hu et al. Multi-Energy Flow Calculation Model and Solution Method for Regional Integrated Energy System
Lei et al. A Novel Methodology for Electric-Thermal Mixed Power Flow Simulation and Transmission Loss Analysis in Multi-Energy Micro-Grids
Chen et al. Multi-energy flow calculation considering the convexification network constraints for the integrated energy system
Wang et al. Steady state analysis of cold-heat-power-gas-steam optimization in integrated energy system considering energy storage devices
Liu et al. Day-ahead hierarchical optimal scheduling for offshore integrated electricity-gas-heat energy system considering load forecasting
Geng et al. Multi Objective Operation Optimization of Distributed Integrated Energy Microgrid with CCHP Considering Heating Pipeline Network Characteristics

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