CN113268698A - 综合能源系统新能源消纳能力优化方法、装置及终端设备 - Google Patents

综合能源系统新能源消纳能力优化方法、装置及终端设备 Download PDF

Info

Publication number
CN113268698A
CN113268698A CN202110378060.7A CN202110378060A CN113268698A CN 113268698 A CN113268698 A CN 113268698A CN 202110378060 A CN202110378060 A CN 202110378060A CN 113268698 A CN113268698 A CN 113268698A
Authority
CN
China
Prior art keywords
power
programming model
time
order cone
linear programming
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
CN202110378060.7A
Other languages
English (en)
Other versions
CN113268698B (zh
Inventor
刘林青
付文杰
李梦宇
杨迪
马浩
高学哲
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.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd
Marketing Service Center of State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd
Marketing Service Center of State Grid Hebei 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 State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd, Marketing Service Center of State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110378060.7A priority Critical patent/CN113268698B/zh
Publication of CN113268698A publication Critical patent/CN113268698A/zh
Application granted granted Critical
Publication of CN113268698B publication Critical patent/CN113268698B/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
    • 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
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Abstract

本发明适用于电网规划技术领域，提供了一种综合能源系统新能源消纳能力优化方法、装置及终端设备。上述方法包括：建立综合能源系统对新能源最大消纳能力的不确定性非凸非线性规划模型；基于二阶锥松弛法和分段线性法，将模型转化为不确定性二阶锥松弛混合整数线性规划模型；基于分布鲁棒算法，将模型进一步转化为确定二阶锥松弛混合整数线性规划模型，并基于确定二阶锥松弛混合整数线性规划模型计算最优日前调度方案以及新能源最大消纳能力。本发明提供的方法运用分布鲁棒优化算法，可以充分考虑新能源的随机性，并简化求解过程，准确高效地确定最优的调度方案及新能源最大消纳能力。

Description

综合能源系统新能源消纳能力优化方法、装置及终端设备
技术领域
本发明属于电网规划技术领域，尤其涉及一种综合能源系统新能源消纳能力优化方法、装置及终端设备。
背景技术
随着新能源大规模发展，综合能源系统中的新能源所占的比例不断提高。然而新能源的大规模接入存在一定的困难，例如其出力的随机性和波动性会导致弃光弃风的现象时有发生。为了适应新能源的大规模接入，提高传统一次能源的利用效率，促进能源的可持续发展，需要对电力系统进行优化。
电力系统对新能源的消纳能力是评价电力系统新能源接入能力的重要指标。具体的，电力系统对新能源的消纳能力是指在保证电力系统安全靠并兼顾经济性的前提下，电力系统可以接入的新能源发电能力。传统上针对新能源最大消纳能力的优化，主要集中于综合电网扩展规划的计算，采用的电网模型与实际情况差别较大，优化效果不佳。
发明内容
有鉴于此，本发明实施例提供了一种综合能源系统新能源消纳能力优化方法、装置及终端设备，以解决现有技术中综合能源系统中新能源消纳能力优化效果不佳的问题。
本发明实施例的第一方面提供了一种综合能源系统新能源消纳能力优化方法，包括：
获取综合能源系统的系统参数，并基于所述系统参数建立所述综合能源系统对新能源最大消纳能力的不确定性非凸非线性规划模型；所述不确定性非凸非线性规划模型包括目标函数和约束条件；
基于二阶锥松弛方法和分段线性化方法，将所述不确定性非凸非线性规划模型转化为不确定性二阶锥松弛混合整数线性规划模型；
基于分布鲁棒优化算法，将所述不确定性二阶锥松弛混合整数线性规划模型转化为确定二阶锥松弛混合整数线性规划模型；
基于所述确定二阶锥松弛混合整数线性规划模型，计算所述综合能源系统的最优日前调度方案以及计算新能源最大消纳能力。
本发明实施例的第二方面提供了一种综合能源系统新能源消纳能力优化装置，包括：
模型建立模块，用于获取综合能源系统的系统参数，并基于所述系统参数建立所述综合能源系统对新能源最大消纳能力的不确定性非凸非线性规划模型；所述不确定性非凸非线性规划模型包括目标函数和约束条件；
第一模型转换模块，用于基于二阶锥松弛方法和分段线性化方法，将所述不确定性非凸非线性规划模型转化为不确定性二阶锥松弛混合整数线性规划模型；
第二模型转换模块，用于基于分布鲁棒优化算法，将所述不确定性二阶锥松弛混合整数线性规划模型转化为确定二阶锥松弛混合整数线性规划模型；
最大消纳能力计算模块，用于基于所述确定二阶锥松弛混合整数线性规划模型，计算所述综合能源系统的最优日前调度方案以及计算新能源最大消纳能力。
本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述方法的步骤。
本发明实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得电子设备执行上述第一方面中任一项所述方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例提供了一种综合能源系统新能源消纳能力优化方法，包括：获取综合能源系统的系统参数，基于系统参数建立综合能源系统对新能源最大消纳能力的不确定非凸非线性规划模型，基于二阶锥松弛方法和分段线性方法，将模型转化为确定二阶锥松弛混合整数线性规划模型；基于分布鲁棒优化算法，将模型进一步转化为确定二阶锥松弛混合整数线性规划模型；最终基于所述确定二阶锥松弛混合整数线性规划模型，计算综合能源系统的最优日前调度方案以及计算新能源最大消纳能力。本发明实施例提供的方法运用分布鲁棒优化算法，可以充分考虑新能源的随机性，并简化求解过程，准确高效地确定最优的调度方案及新能源最大消纳能力。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的综合能源系统的结构示意图；
图2是本发明实施例提供的综合能源系统新能源消纳能力优化方法的实现流程示意图；
图3是本发明实施例提供的综合能源系统的另一结构示例图；
图4是本发明实施例提供的综合能源系统新能源消纳能力优化方法的另一实现流程示意图；
图5是本发明实施例提供的综合能源系统新能源消纳能力优化装置的示意图；
图6是本发明实施例提供的终端设备示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
本发明实施例提供的综合能源系统新能源消纳能力优化方法应用于电-气-热综合能源系统，图1示出了电-气-热综合能源系统的结构示意图。参见图1，电-气-热综合能源系统100包括电力系统110、天然气系统120、区域供热系统130以及CHP系统。电力系统110、天然气系统120以及区域供热系统130分别与CHP系统140连接。电-气-热综合能源系统100具体可以包括电源、CHP机组、燃气机组、气源、压缩机、风电机组、电锅炉、输电线路、输气管道以及供水管道。
如2示出了本实施例提供的综合能源系统新能源消纳能力优化方法的流程示意图，参见图2，上述综合能源系统新能源消纳能力优化方法可以包括S101～S104。以下对S101～S104进行详细说明。
S101：获取综合能源系统的系统参数，并基于系统参数建立综合能源系统对新能源最大消纳能力的不确定性非凸非线性规划模型；不确定性非凸非线性规划模型包括目标函数和约束条件。
在本发明的一个实施例中，非凸非线性规划模型的目标函数为：
Figure BDA0003012063760000041
其中，obj为风力发电总输出电能，T为调度时段集合，WG为风力发电机组集合，Pw,t为第w个风力发电机组在t时刻的输出功率，Δt为调度时段长度。
在本发明的一个实施例中，非凸非线性规划模型的约束条件包括：电力系统约束条件、天然气系统约束条件、区域供热系统约束条件以及耦合约束条件。以下对上述四个约束条件进行说明。
一、电力系统约束条件
电力系统约束条件可以包括：有功功率平衡方程、无功功率平衡方程、电压平衡方程、功率定义式约束、CHP机组输出功率爬坡约束、主网输出有功功率约束、CHP机组输出有功功率约束、主网输出无功功率约束、CHP机组输出无功功率约束、线路功率约束以及电压约束。
有功功率平衡方程为：
Figure BDA0003012063760000051
Figure BDA0003012063760000052
其中，out(i)为节点i的父节点集，in(i)为节点i的子节点集，
Figure BDA0003012063760000053
为t时刻线路k-i中的有功传输功率，rki为线路k-i之间的电阻值，wki,t为t时刻流过线路k-i的电流的平方，Nw为风力发电机组个数，I为单位矩阵，NGG为燃气轮机个数，γi,t为为燃气轮机i在t时刻参与平衡风电机组出力预测误差的分配系数，ξpj,t为t时刻风电机组j的有功出力预测误差；P0i,t为辅助变量；Nc为主网连接点个数，Pci,t为t时刻从主网连接点c买来的有功功率，NCHP为CHP机组个数，PCHP,i,t为t时刻CHP机组i有功出力，Pw,i,t为t时刻风电机组i的有功出力，NEB为电锅炉个数，PEB,i,t为t时刻电锅炉i的耗电功率，PDi,t为t时刻电网节点i的有功负荷。
无功功率平衡方程为：
Figure BDA0003012063760000054
Figure BDA0003012063760000061
其中，
Figure BDA0003012063760000062
为t时刻线路k-i中的传输功率，ξqj,t为t时刻风电机组j的无功出力预测误差；Q0i,t为辅助变量；Qci,t为t时刻从主网连接点c买来的有功功率，QCHP,i,t为t时刻CHP机组i有功出力，Qw,i,t为t时刻风电机组i的有功出力，QLi,t为t时刻电网节点i的有功负荷。
电压平衡方程为：
Figure BDA0003012063760000063
其中，ui,t为t时刻节点i电压的平方，uj,t为t时刻节点j电压的平方，rij为线路i-j之间的电阻值，
Figure BDA0003012063760000064
为t时刻线路k-i中的有功传输功率，xij为线路i-j之间的电抗值，
Figure BDA0003012063760000065
为t时刻线路k-i中的传输功率，wki,t为t时刻流过线路i-j的电流的平方。
功率定义式约束为：
Figure BDA0003012063760000066
其中，
Figure BDA0003012063760000067
为t时刻线路k-i中的有功传输功率，
Figure BDA0003012063760000068
为t时刻线路k-i中的传输功率，wki,t为t时刻流过线路i-j的电流的平方；ui,t表示t时刻节点i电压的平方。
CHP机组输出功率爬坡约束为：
-RUCHP,i≤PCHP,i,t-PCHP,i,t-1≤RUCHP,i
其中，RUCHP,i表示CHP机组i最大的爬坡功率，PCHP,i,t表示t时刻CHP机组i有功出力。
主网输出有功功率约束为：
Pc,i,min≤Pc,i,t≤Pc,i,max
其中，Pci,t表示t时刻从主网连接点c买来的有功功率，Pc,i,max与Pc,i,min表示从主网节点i买来的最大和最小有功功率。
CHP机组输出有功功率约束为：
PCHP,i,min≤PCHP,i,t≤PCHP,i,max
其中，PCHP,i,t表示t时刻CHP机组i有功出力，PCHP,i,max与PCHP,i,min表示CHP机组i的最大和最小有功出力矩阵。
主网输出无功功率约束为：
Qc,i,min≤Qc,i,t≤Qc,i,max
其中，Qc,i,max与Qc,i,min表示从主网节点i买来的最大和最小无功功率，Qci,t表示t时刻从主网连接点c买来的有功功率。
CHP机组输出无功功率约束为：
QCHP,i,min≤QCHP,i,t≤QCHP,i,max
其中，QCHP,i,max与QCHP,i,min表示CHP机组i的最大和最小无功出力，QCHP,i,t表示t时刻CHP机组i有功出力。
线路功率约束为：
Figure BDA0003012063760000071
其中，
Figure BDA0003012063760000072
表示在t时刻线路k-i中的有功传输功率；
Figure BDA0003012063760000073
表示在t时刻线路k-i中的传输功率，
Figure BDA0003012063760000074
表示线路i-j的最大复功率。
电压约束为：
ui,min≤ui,t≤ui,max
其中，ui,max与ui,min表示节点i处最大和最小电压的平方,ui,t表示t时刻节点i电压的平方。
二、天然气系统约束条件
天然气系统约束条件可以包括：节点气流平衡方程、压缩机耗气量约束、压缩机压缩比约束、压缩机传输流量约束、气源出气量约束、气网节点气压约束以及输气管道稳态气流方程。
节点气流平衡方程为：
B·fpt+U·fct+C·WSt＝T·τt+D′·WLt+D″·FCHP,t
其中，B为天然气管道与天然气网络节点的关联矩阵，fpt为t时刻时从管道流过的天然气气流矩阵，U为压缩机与天然气网络节点的关联矩阵，fct为t时刻流入压缩机的天然气气流矩阵，C为天然气气源与天然气网络节点的关联矩阵，WSt为t时刻气源出气量矩阵，T为压缩机进气口与天然气网络节点的关联矩阵，τt为t时刻压缩机消耗的天然气矩阵，D′为常规天然气负荷与天然气网络节点的关联矩阵关联矩阵，WLt为t时刻天然气负荷矩阵，D″为燃气机组负荷与天然气网络节点的关联矩阵，FCHP,t为t时刻CHP机组所消耗的天然气矩阵。
压缩器耗气量约束为：
τt＝ηfct
其中，τt为t时刻压缩机消耗的天然气矩阵，η为压缩机的耗气量系数矩阵，fct为t时刻流入压缩机的天然气气流矩阵。
压缩机压缩比约束为：
πn,t≤πm,t≤γoπn,t
其中，πm,t为t时刻压缩机m端的气压，πn,t为t时刻压缩机n端的气压，γo为压缩机o的最大压缩比。
压缩机传输流量约束：
fcmin≤fct≤fcmax
其中，fcmax与fcmin为流入压缩机的天然气气流最大值和最小值矩阵，fct为t时刻流入压缩机的天然气气流矩阵。
气源出气量约束：
WSmin≤WSt≤WSmax
其中，WSmax与WSmin为气源出气量最大与最小值矩阵，WSt为t时刻气源出气量矩阵。
气网节点气压约束：
πm,min≤πm,t≤πm,max
其中，πm,t为t时刻节点m压缩机的气压，πm,max为节点m压缩机的气压最大值，πm,min为节点m压缩机的气压最小值。
输气管道稳态气流方程：
Figure BDA0003012063760000091
Figure BDA0003012063760000092
其中，sgnp为管道p的气流流向，fpp,t为管道p在t时刻通过的天然气流量，φp为管道p的气流传输参数，πm,t为t时刻压缩机m端的气压，πn,t为t时刻压缩机n端的气压。
三、区域供热系统约束条件
区域供热系统约束条件可以包括：节点稳态热平衡方程、供水管网段温降方程、回水管网段温降方程、供水网混合温度方程、回水网混合温度方程、供水温度约束、回水温度约束以及出口温度约束。
节点稳态热平衡方程可以为：
Figure BDA0003012063760000093
其中，Φt为t时刻节点的热功率矩阵，对于热源节点，包括CHP节点以及电锅炉节点，Φt为正；对于热负荷节点，Φt为负；对于非热源、非热负荷节点，Φt为0；Cp为水的比热容，
Figure BDA0003012063760000094
为节点的质量流量矩阵，diag为取对角矩阵；Ts,t为t时刻的供水温度矩阵，To,t为t时刻的出口温度矩阵。
供水管网段温降方程可以为：
Figure BDA0003012063760000095
其中，Tse,t为t时刻的供水网管段的出口温度，Tss,t为t时刻的供水网管段入口温度；Ta为管段所处的环境温度，Cp为水的比热容，
Figure BDA0003012063760000096
为节点的质量流量矩阵，λ为制作管段材料导的热系数，L为管段长度。
回水管网段温降方程可以为：
Figure BDA0003012063760000101
其中，Trs,t、Tre,t为t时刻的回水网管段的入口温度和出口温度，Ta为管段所处的环境温度，Cp为水的比热容，
Figure BDA0003012063760000102
为节点的质量流量矩阵，λ为制作管段材料导的热系数，L为管段长度。
供水网混合温度方程可以为：
Figure BDA0003012063760000103
其中，
Figure BDA0003012063760000104
为流出节点的各个管道内的质量流量，
Figure BDA0003012063760000105
为流入节点的各个管道内的质量流量；Tse,t为t时刻的供水网管段的出口温度，Tss,t为t时刻的供水网管段入口温度。
回水网混合温度方程可以为：
Figure BDA0003012063760000106
其中，
Figure BDA0003012063760000107
为流出节点的各个管道内的质量流量，
Figure BDA0003012063760000108
为流入节点的各个管道内的质量流量；Trs,t、Tre,t为t时刻的回水网管段的入口温度和出口温度，Ta为管段所处的环境温度。
供水温度约束可以为：
Ts,min≤Ts,t≤Ts,max
其中，Ts,t为t时刻的供水温度矩阵，Ts,max和Ts,min为供水温度的最大和最小值；
回水温度约束可以为：
Tr,min≤Tr,t≤Tr,max
其中，Tr,t为t时刻的回水温度矩阵；Tr,max和Tr,min为出口温度的最大和最小值。
出口温度约束可以为：
To,min≤To,t≤To,max
其中，To,t为t时刻的出口温度矩阵；To,max和To,min为回水温度的最大和最小值。
四、耦合约束条件
耦合约束条件可以为电力系统、天然气系统与区域供热系统的耦合约束，改耦合约束条件可以包括：电锅炉的用电量约束、CHP的耗气量以及热电比约束。
电锅炉的用电量约束可以包括：
ΦEB,j,t＝μptg,jPEB,j,t
PEB,j,min≤PEB,j,t≤PEB,j,max
其中，ΦEB,j,t为t时刻电锅炉j的制热功率，μptg,j为电锅炉j电制热的转换系数，PEB,j,t为t时刻电锅炉j的耗电功率，PEB,j,min为电锅炉j的最小耗电功率，PEB,j,max为电锅炉j的最大耗电功率。
CHP的耗气量以及热电比约束可以包括：
FCHP,j,min≤FCHP,j,t≤FCHP,j,max
PCHP,j,min≤PCHP,j,t≤PCHP,j,max
FCHP,j,t＝PCHP,j,t/μgtp,j+ΦCHP,j,t/μgth,j
ΦCHP,j,t＝CCHP,jPCHP,j,t
ZCHP,j,minΦCHP,j,t≤PCHP,j,t≤ZCHP,j,maxΦCHP,j,t
其中，FCHP,j,t为t时刻CHP机组j所消耗的天然气，FCHP,j,max为CHP机组j所消耗的天然气的最大值，FCHP,j,min为CHP机组j所消耗的天然气的最小值，PCHP,j,t为t时刻CHP机组j的发电功率，PCHP,j,max为CHP机组j的最大发电功率，PCHP,j,min为CHP机组j的最小发电功率，μgtp,j为CHP机组j的气电转化系数，ΦCHP,j,t为t时刻CHP机组j的制热功率；μgth,j为CHP机组j气热转化系数，CCHP,j为CHP机组j的固定热电比，ZCHP,j,min为CHP机组j的变热电比的下限；ZCHP,j,max为CHP机组j的变电热比的上限。
S102：基于二阶锥松弛方法和分段线性化方法，将不确定性非凸非线性规划模型转化为不确定性二阶锥松弛混合整数线性规划模型。
在本发明的一个实施例中，电力系统约束条件包括功率定义式约束；不确定性二阶锥松弛混合整数线性规划模型，包括功率定义式的二阶锥约束。
S102可以包括：述功率定义式约束进行二阶锥松弛计算，得到功率定义式的二阶锥约束。
示例性的，功率定义约束可以为：
Figure BDA0003012063760000121
示例性的，功率定义式的二阶锥约束可以为：
Figure BDA0003012063760000122
其中，
Figure BDA0003012063760000123
为t时刻路i-j中的有功传输功率，
Figure BDA0003012063760000124
为t时刻线路i-j中的传输功率，wki,t为t时刻流过线路k-i的电流的平方；ui,t表示t时刻节点i电压的平方。
在本发明的一个实施例中，天然气系统约束条件包括输气管道稳态气流方程；不确定性二阶锥松弛混合整数线性规划模型，包括线性输气管道稳态气流近似方程。
S102可以包括：将输气管道稳态气流方程进行分段线性化，得到线性输气管道稳态气流近似方程。
示例性的，输气管道稳态气流方程可以为：
Figure BDA0003012063760000125
Figure BDA0003012063760000126
其中，sgnp为管道p的气流流向，fpp,t为管道p在t时刻通过的天然气流量，φp为管道p的气流传输参数，πm,t为t时刻压缩机m端的气压，πn,t为t时刻压缩机n端的气压。
示例性的，线性输气管道稳态气流近似方程可以为：
Figure BDA0003012063760000131
Figure BDA0003012063760000132
δp,k+1≤ηp,k,ηp,k≤δp,k,ηp,k＝{0,1},k＝1,2,…,N-2
0≤δp,k≤1,k＝1,2,…,N-1
其中，fpp,k为第k个分段区间管道p在t时刻通过的天然气流量，fpp,1为第1个分段区间管道p在t时刻通过的天然气流量，fpp,k+1为第k+1个分段区间内管道p在t时刻通过的天然气流量，N为线路分段数加一的整数，δp,k和δp,k+1为辅助变量，psm为t时刻节点m的气压的平方，psn为t时刻节点n的气压的平方，fpp为管道p在t时刻通过的天然气流量，ηp,k为二进制变量。
S103：基于分布鲁棒优化算法，将不确定性二阶锥松弛混合整数线性规划模型转化为确定二阶锥松弛混合整数线性规划模型。
在本发明的一个实施例中，电力系统约束方程包括有功功率平衡方程和无功功率平衡方程；确定二阶锥松弛混合整数线性规划模型，包括分布鲁棒优化方程。
S103包括：将有功功率平衡方程和无功功率平衡方程进行分布鲁棒优化，得到分布鲁棒优化方程。
示例性的，有功功率平衡方程可以为：
Figure BDA0003012063760000133
Figure BDA0003012063760000134
其中，out(i)为节点i的父节点集，in(i)为节点i的子节点集，
Figure BDA0003012063760000135
为t时刻线路k-i中的有功传输功率，rki为线路k-i之间的电阻值，wki,t为t时刻流过线路k-i的电流的平方，Nw为风力发电机组个数，I为单位矩阵，NGG为燃气轮机个数，γi,t为燃气轮机i在时刻t参与平衡风电机组出力预测误差的分配系数，ξpj,t为t时刻风电机组j的有功出力预测误差；P0i,t为辅助变量；Nc为主网连接点个数，Pci,t为t时刻从主网连接点c买来的有功功率，NCHP为CHP机组个数，PCHP,i,t为t时刻CHP机组i有功出力，Pw,i,t为t时刻风电机组i的有功出力，NEB为电锅炉个数，PEB,i,t为t时刻电锅炉i的耗电功率，PDi,t为t时刻电网节点i的有功负荷。
无功功率平衡方程可以为：
Figure BDA0003012063760000141
Figure BDA0003012063760000142
其中，
Figure BDA0003012063760000143
为t时刻线路k-i中的传输功率，ξqj,t为t时刻风电机组j的无功出力预测误差；Q0i,t为辅助变量；Qci,t为t时刻从主网连接点c买来的有功功率，QCHP,i,t为t时刻CHP机组i有功出力，Qw,i,t为t时刻风电机组i的有功出力，QLi,t为t时刻电网节点i的有功负荷。
示例性的，分别鲁棒优化方程为：
Figure BDA0003012063760000144
Figure BDA0003012063760000145
Figure BDA0003012063760000146
其中，Hf和Ht表示线路-母线的关系矩阵，当潮流的起始端点为第j条线路中第i节点，矩阵Hf的第i行第j列的元素取1，其余元素取0；当潮流的末尾端点为第j条线路中第i节点，矩阵Ht的第i行第j列的元素取1，其余元素取0；
Figure BDA0003012063760000147
为取矩阵Hf-Ht的第i行；NR为线路条数，μj,t和
Figure BDA0003012063760000148
表示风电机组j在t时刻的出力预测误差服从正态分布，即
Figure BDA0003012063760000151
Figure BDA0003012063760000152
表示满足约束条件的概率大于或等于
Figure BDA0003012063760000153
Figure BDA0003012063760000154
为第j条线路中的有功潮流，
Figure BDA0003012063760000155
为第j条线路中的无功潮流。
S104：基于确定二阶锥松弛混合整数线性规划模型，计算综合能源系统的最优日前调度方案以及计算新能源最大消纳能力。
在本发明的一个实施例中，S104可以包括：根据最大消纳能力计算公式计算新能源最大消纳能力。
例如，最大消纳能力计算公式可以为：
Figure BDA0003012063760000156
其中，ability为新能源最大消纳能力，WG为风力发电机组集合，Pw,t为第w个风力发电机组在t时刻的输出功率，Δt为调度时段长度。
本发明实施例提供的综合能源系统新能源消纳能力优化方法，运用分布鲁棒算法可以充分考虑新能源的随机性，使计算不会过于保守，同时可以简化随机性带来的计算困难，减少计算时间，提高新能源先能力的求解效率。
以下以一个具体的示例，对本申请实施例的综合能源系统新能源消纳能力优化方法进行说明。
图3示出了本发明实施例提供的综合能源系统的结构。参见图3，电-气-热综合能源系统100包括电力系统110、天然气系统120、区域供热系统130以及CHP系统140。电力系统110、天然气系统120以及区域供热系统130分别与CHP系统140连接。具体的，电力系统110为IEEE33节点电力系统，且与主网连接。电力系统110具体包括32条输电线路、2个风电机组以及1个电源；天然气系统120包括17条输气管道、2台压缩机、5个气源以及4台燃气机组；区域供热系统130包括32条供水管道和1台电锅炉；CHP系统140包括3台CHP机组。
表1示出了主网的运行数据。
表1
Figure BDA0003012063760000161
表2示出了CHP机组的运行数据。
表2
Figure BDA0003012063760000162
表3示出了电锅炉的运行数据。
表3
Figure BDA0003012063760000163
表4示出了气源的运行数据。
表4
Figure BDA0003012063760000164
在本实施例中，调度时段长度为1小时，各个压缩机的耗气量系数均为3％。
图4示出了本发明实施例提供的综合能源系统新能源消纳能力优化方法的实现流程，参见图4，示例性的，综合能源系统新能源消纳能力优化方法，包括：
步骤1：获取电力系统、天然气系统、区域供热系统网架信息、新能源出力特性等数据信息，即获取表1至表4中的各个数据。
步骤2：以全天风力发电总输出电能最大为目标，建立电-气-热综合能源系统对新能源消纳能力评估模型。模型中包含电力系统约束条件、天然气系统约束条件、区域供热系统约束条件以及耦合约束条件。
步骤3：对非线性方程进行线性化处理，得到不确定性二阶锥松弛混合整数线性规划模型。具体的，对功率定义约束方程进行松弛，对输气管道稳态气流方程进行分段线性化，得到综合能源系统对新能源最大消纳能力评估的不确定性二阶锥混合整数线性规划模型。
步骤4：基于分布鲁棒算法，得到确定二阶锥混合整数线性规划模型。具体的，对有功功率平衡方程和无功功率平衡方程进行分布鲁棒优化，得到综合能源系统对新能源最大消纳能力评估的确定二阶锥混合整数线性规划模型。
步骤5：利用二阶锥混合整数线性规划模型求解器求解模型。具体的，利用利用Matlab平台和Gurobi优化软件求解分布鲁棒规划模型。
步骤6：若模型不可行，则跳转至步骤2重新建立电-气-热综合能源系统对新能源消纳能力评估模型。
步骤7：求解得到系统日前调度方案并计算系统对新能源的消纳能力。
步骤8：输出系统对新能源的消纳能力。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图5示出了本发明实施例提供的综合能源系统新能源消纳能力优化装置示意图。参见图5，上述综合能源系统新能源消纳能力优化装置500可以包括模型建立模块510、第一模型转换模块520、第二模型转换模块530以及最大消纳能力计算模块540。
其中，模型建立模块510用于：获取综合能源系统的系统参数，并基于系统参数建立综合能源系统对新能源最大消纳能力的不确定性非凸非线性规划模型；不确定性非凸非线性规划模型包括目标函数和约束条件。
第一模型转换模块520用于：基于二阶锥松弛方法和分段线性化方法，将不确定性非凸非线性规划模型转化为不确定性二阶锥松弛混合整数线性规划模型。
第二模型转换模块530用于：基于分布鲁棒优化算法，将不确定性二阶锥松弛混合整数线性规划模型转化为确定二阶锥松弛混合整数线性规划模型。
最大消纳能力计算模块540用于：基于确定二阶锥松弛混合整数线性规划模型，计算综合能源系统的最优日前调度方案以及计算新能源最大消纳能力。
本实施提供的综合能源系统新能源消纳能力优化装置运用分布鲁棒优化算法，可以充分考虑新能源的随机性，并简化求解过程，准确高效地确定最优的调度方案及新能源最大消纳能力。
在本发明的一个实施例中，系统参数包括综合能源系统的调度时段集合、风力发电机组集合以及调度时段长度。
非凸非线性规划模型的目标函数为：
Figure BDA0003012063760000181
其中，obj为风力发电总输出电能，T为调度时段集合，WG为风力发电机组集合，Pw,t为第w个风力发电机组在t时刻的输出功率，Δt为调度时段长度。
在本发明的一个实施例中，非凸非线性规划模型的约束条件包括：电力系统约束条件、天然气系统约束条件、区域供热系统约束条件以及耦合约束条件。
在本发明的一个实施例中，电力系统约束条件包括功率定义式约束；不确定性二阶锥松弛混合整数线性规划模型，包括功率定义式的二阶锥约束。
第一模型转换模块520具体用于：将功率定义式约束进行二阶锥松弛计算，得到功率定义式的二阶锥约束。
功率定义式约束为：
Figure BDA0003012063760000182
功率定义式的二阶锥约束为：
Figure BDA0003012063760000191
其中，
Figure BDA0003012063760000192
为t时刻线路i-j中的有功传输功率，
Figure BDA0003012063760000193
为t时刻线路i-j中的传输功率，wki,t为t时刻流过线路k-i的电流的平方，ui,t表示t时刻节点i电压的平方。
在本发明的一个实施例中，天然气系统约束条件包括输气管道稳态气流方程；不确定性二阶锥松弛混合整数线性规划模型，包括线性输气管道稳态气流近似方程。
第一模型转换模块520具体用于：将输气管道稳态气流方程进行分段线性化，得到线性输气管道稳态气流近似方程。
输气管道稳态气流方程为：
Figure BDA0003012063760000194
Figure BDA0003012063760000195
其中，sgnp为管道p的气流流向，fpp,t为管道p在t时刻通过的天然气流量，φp为管道p的气流传输参数，πm,t为t时刻压缩机m端的气压，πn,t为t时刻压缩机n端的气压。
线性输气管道稳态气流近似方程为：
Figure BDA0003012063760000196
Figure BDA0003012063760000197
δp,k+1≤ηp,k,ηp,k≤δp,k,ηp,k＝{0,1},k＝1,2,…,N-2
0≤δp,k≤1,k＝1,2,…,N-1
其中，fpp,k为第k个分段区间管道p在t时刻通过的天然气流量，fpp,1为第1个分段区间管道p在t时刻通过的天然气流量，fpp,k+1为第k+1个分段区间内管道p在t时刻通过的天然气流量，N为线路分段数加一的整数，δp,k和δp,k+1为辅助变量，psm为t时刻节点m的气压的平方，psn为t时刻节点n的气压的平方，fpp为管道p在t时刻通过的天然气流量，ηp,k为二进制变量。
在本发明的一个实施例中，电力系统约束方程包括有功功率平衡方程和无功功率平衡方程；确定二阶锥松弛混合整数线性规划模型，包括分布鲁棒优化方程。
第二模型转换模块530具体用于：将有功功率平衡方程和无功功率平衡方程进行分布鲁棒优化，得到分布鲁棒优化方程。
有功功率平衡方程为：
Figure BDA0003012063760000201
Figure BDA0003012063760000202
其中，out(i)为节点i的父节点集，in(i)为节点i的子节点集，
Figure BDA0003012063760000203
为t时刻线路k-i中的有功传输功率，rki为线路k-i之间的电阻值，wki,t为t时刻流过线路k-i的电流的平方，Nw为风力发电机组个数，I为单位矩阵，NGG为燃气轮机个数，γi,t为为燃气轮机i在t时刻参与平衡风电机组出力预测误差的分配系数，ξpj,t为t时刻风电机组j的有功出力预测误差；P0i,t为辅助变量；Nc为主网连接点个数，Pci,t为t时刻从主网连接点c买来的有功功率，NCHP为CHP机组个数，PCHP,i,t为t时刻CHP机组i有功出力，Pw,i,t为t时刻风电机组i的有功出力，NEB为电锅炉个数，PEB,i,t为t时刻电锅炉i的耗电功率，PDi,t为t时刻电网节点i的有功负荷。
无功功率平衡方程为：
Figure BDA0003012063760000204
Figure BDA0003012063760000211
其中，
Figure BDA0003012063760000212
为t时刻线路k-i中的传输功率，ξqj,t为t时刻风电机组j的无功出力预测误差；Q0i,t为辅助变量；Qci,t为t时刻从主网连接点c买来的有功功率，QCHP,i,t为t时刻CHP机组i有功出力，Qw,i,t为t时刻风电机组i的有功出力，QLi,t为t时刻电网节点i的有功负荷。
分布鲁棒优化方程为：
Figure BDA0003012063760000213
Figure BDA0003012063760000214
Figure BDA0003012063760000215
其中，Hf和Ht表示线路-母线的关系矩阵，当潮流的起始端点为第j条线路中第i节点，矩阵Hf的第i行第j列的元素取1，其余元素取0；当潮流的末尾端点为第j条线路中第i节点，矩阵Ht的第i行第j列的元素取1，其余元素取0；
Figure BDA0003012063760000216
为取矩阵Hf-Ht的第i行；NR为线路条数；μj,t和
Figure BDA0003012063760000217
表示风电机组j在t时刻的出力预测误差服从正态分布，即
Figure BDA0003012063760000218
Figure BDA0003012063760000219
表示满足约束条件的概率大于或等于
Figure BDA00030120637600002110
Figure BDA00030120637600002111
为第j条线路中的有功潮流，
Figure BDA00030120637600002112
为第j条线路中的无功潮流。
在本发明的一个实施例中，最大消纳能力计算模块540具体用于：根据最大消纳能力计算公式计算新能源最大消纳能力。
最大消纳能力计算公式为：
Figure BDA00030120637600002113
其中，ability为新能源最大消纳能力，WG为风力发电机组集合，Pw,t为第w个风力发电机组在t时刻的输出功率，Δt为调度时段长度。
图6是本发明一实施例提供的终端设备的示意图。如图6所示，该实施例的终端设备60包括：处理器600、存储器610以及存储在所述存储器610中并可在所述处理器600上运行的计算机程序620，例如综合能源系统新能源消纳能力优化程序。所述处理器600执行所述计算机程序620时实现上述各个综合能源系统新能源消纳能力优化方法实施例中的步骤，例如图2所示的步骤S101至S104。或者，所述处理器600执行所述计算机程序620时实现上述各装置实施例中各模块/单元的功能，例如图5所示模块510至540的功能。
示例性的，所述计算机程序620可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器610中，并由所述处理器600执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序620在所述终端设备60中的执行过程。例如，所述计算机程序620可以被分割成模型建立模块、第一模型转换模块、第二模型转换模块、最大消纳能力计算模块(虚拟装置中的模块)。
所述终端设备60可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器600、存储器610。本领域技术人员可以理解，图6仅仅是终端设备60的示例，并不构成对终端设备60的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器600可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器610可以是所述终端设备60的内部存储单元，例如终端设备60的硬盘或内存。所述存储器610也可以是所述终端设备60的外部存储设备，例如所述终端设备60上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器610还可以既包括所述终端设备60的内部存储单元也包括外部存储设备。所述存储器610用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器610还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种综合能源系统新能源消纳能力优化方法，其特征在于，包括：
获取综合能源系统的系统参数，并基于所述系统参数建立所述综合能源系统对新能源最大消纳能力的不确定性非凸非线性规划模型；所述不确定性非凸非线性规划模型包括目标函数和约束条件；
基于二阶锥松弛方法和分段线性化方法，将所述不确定性非凸非线性规划模型转化为不确定性二阶锥松弛混合整数线性规划模型；
基于分布鲁棒优化算法，将所述不确定性二阶锥松弛混合整数线性规划模型转化为确定二阶锥松弛混合整数线性规划模型；
基于所述确定二阶锥松弛混合整数线性规划模型，计算所述综合能源系统的最优日前调度方案以及计算新能源最大消纳能力。
2.如权利要求1所述的一种综合能源系统新能源消纳能力优化方法，其特征在于，所述系统参数包括综合能源系统的调度时段集合、风力发电机组集合以及调度时段长度；
所述非凸非线性规划模型的目标函数为：
Figure FDA0003012063750000011
其中，obj为风力发电总输出电能，T为调度时段集合，WG为风力发电机组集合，Pw,t为第w个风力发电机组在t时刻的输出功率，Δt为调度时段长度。
3.如权利要求1所述的一种综合能源系统新能源消纳能力优化方法，其特征在于，所述非凸非线性规划模型的约束条件包括：电力系统约束条件、天然气系统约束条件、区域供热系统约束条件以及耦合约束条件。
4.如权利要求3所述的一种综合能源系统新能源消纳能力优化方法，其特征在于，所述电力系统约束条件包括功率定义式约束；所述不确定性二阶锥松弛混合整数线性规划模型，包括功率定义式的二阶锥约束；
所述基于二阶锥松弛方法和分段线性化方法，将所述不确定性非凸非线性规划模型转化为不确定性二阶锥松弛混合整数线性规划模型，包括：
将所述功率定义式约束进行二阶锥松弛计算，得到功率定义式的二阶锥约束；
所述功率定义式约束为：
Figure FDA0003012063750000021
所述功率定义式的二阶锥约束为：
Figure FDA0003012063750000022
其中，
Figure FDA0003012063750000023
为t时刻线路i-j中的有功传输功率，
Figure FDA0003012063750000024
为t时刻线路i-j中的传输功率，wki,t为t时刻流过线路k-i的电流的平方，ui,t表示t时刻节点i电压的平方。
5.如权利要求3所述的一种综合能源系统新能源消纳能力优化方法，其特征在于，所述天然气系统约束条件包括输气管道稳态气流方程；所述不确定性二阶锥松弛混合整数线性规划模型，包括线性输气管道稳态气流近似方程；
所述基于二阶锥松弛方法和分段线性化方法，将所述不确定性非凸非线性规划模型转化为不确定性二阶锥松弛混合整数线性规划模型，包括：
将所述输气管道稳态气流方程进行分段线性化，得到线性输气管道稳态气流近似方程；
所述输气管道稳态气流方程为：
Figure FDA0003012063750000025
Figure FDA0003012063750000026
其中，sgnp为管道p的气流流向，fpp,t为管道p在t时刻通过的天然气流量，φp为管道p的气流传输参数，πm,t为t时刻压缩机m端的气压，πn,t为t时刻压缩机n端的气压；
所述线性输气管道稳态气流近似方程为：
Figure FDA0003012063750000031
Figure FDA0003012063750000032
δp,k+1≤ηp,k,ηp,k≤δp,k,ηp,k＝{0,1},k＝1,2,…,N-2
0≤δp,k≤1,k＝1,2,…,N-1
其中，fpp,k为第k个分段区间管道p在t时刻通过的天然气流量，fpp,1为第1个分段区间管道p在t时刻通过的天然气流量，fpp,k+1为第k+1个分段区间内管道p在t时刻通过的天然气流量，N为线路分段数加一的整数，δp,k和δp,k+1为辅助变量，psm为t时刻节点m的气压的平方，psn为t时刻节点n的气压的平方，fpp为管道p在t时刻通过的天然气流量，ηp,k为二进制变量。
6.如权利要求3所述的一种综合能源系统新能源消纳能力优化方法，其特征在于，所述电力系统约束方程包括有功功率平衡方程和无功功率平衡方程；所述确定二阶锥松弛混合整数线性规划模型，包括分布鲁棒优化方程；
所述基于分布鲁棒优化算法，将所述不确定性二阶锥松弛混合整数线性规划模型转化为确定二阶锥松弛混合整数线性规划模型，包括：
将所述有功功率平衡方程和所述无功功率平衡方程进行分布鲁棒优化，得到所述分布鲁棒优化方程；
所述有功功率平衡方程为：
Figure FDA0003012063750000033
Figure FDA0003012063750000034
其中，out(i)为节点i的父节点集，in(i)为节点i的子节点集，
Figure FDA0003012063750000035
为t时刻线路k-i中的有功传输功率，rki为线路k-i之间的电阻值，wki,t为t时刻流过线路k-i的电流的平方，Nw为风力发电机组个数，I为单位矩阵，NGG为燃气轮机个数，γi,t为为燃气轮机i在t时刻参与平衡风电机组出力预测误差的分配系数，ξpj,t为t时刻风电机组j的有功出力预测误差；P0i,t为辅助变量；Nc为主网连接点个数，Pci,t为t时刻从主网连接点c买来的有功功率，NCHP为CHP机组个数，PCHP,i,t为t时刻CHP机组i有功出力，Pw,i,t为t时刻风电机组i的有功出力，NEB为电锅炉个数，PEB,i,t为t时刻电锅炉i的耗电功率，PDi,t为t时刻电网节点i的有功负荷；
所述无功功率平衡方程为：
Figure FDA0003012063750000041
Figure FDA0003012063750000042
其中，
Figure FDA0003012063750000043
为t时刻线路k-i中的传输功率，ξqj,t为t时刻风电机组j的无功出力预测误差；Q0i,t为辅助变量；Qci,t为t时刻从主网连接点c买来的有功功率，QCHP,i,t为t时刻CHP机组i有功出力，Qw,i,t为t时刻风电机组i的有功出力，QLi,t为t时刻电网节点i的有功负荷；
所述分布鲁棒优化方程为：
Figure FDA0003012063750000044
Figure FDA0003012063750000045
Figure FDA0003012063750000046
其中，Hf和Ht表示线路-母线的关系矩阵，当潮流的起始端点为第j条线路中第i节点，矩阵Hf的第i行第j列的元素取1，其余元素取0；当潮流的末尾端点为第j条线路中第i节点，矩阵Ht的第i行第j列的元素取1，其余元素取0；
Figure FDA0003012063750000047
为取矩阵Hf-Ht的第i行；NR为线路条数；μj,t和
Figure FDA0003012063750000048
表示风电机组j在t时刻的出力预测误差服从正态分布，即
Figure FDA0003012063750000051
Figure FDA0003012063750000052
表示满足约束条件的概率大于或等于
Figure FDA0003012063750000053
Figure FDA0003012063750000054
为第j条线路中的有功潮流，
Figure FDA0003012063750000055
为第j条线路中的无功潮流。
7.如权利要求1至6任一项所述的一种综合能源系统新能源消纳能力优化方法，其特征在于，所述基于所述确定二阶锥松弛混合整数线性规划模型，计算所述综合能源系统的最优日前调度方案及计算新能源最大消纳能力，包括：
根据最大消纳能力计算公式计算所述新能源最大消纳能力；
所述最大消纳能力计算公式为：
Figure FDA0003012063750000056
其中，ability为所述新能源最大消纳能力，WG为风力发电机组集合，Pw,t为第w个风力发电机组在t时刻的输出功率，Δt为调度时段长度。
8.一种综合能源系统新能源消纳能力优化装置，其特征在于，包括：
模型建立模块，用于获取综合能源系统的系统参数，并基于所述系统参数建立所述综合能源系统对新能源最大消纳能力的不确定性非凸非线性规划模型；所述不确定性非凸非线性规划模型包括目标函数和约束条件；
第一模型转换模块，用于基于二阶锥松弛方法和分段线性化方法，将所述不确定性非凸非线性规划模型转化为不确定性二阶锥松弛混合整数线性规划模型；
第二模型转换模块，用于基于分布鲁棒优化算法，将所述不确定性二阶锥松弛混合整数线性规划模型转化为确定二阶锥松弛混合整数线性规划模型；
最大消纳能力计算模块，用于基于所述确定二阶锥松弛混合整数线性规划模型，计算所述综合能源系统的最优日前调度方案以及计算新能源最大消纳能力。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
CN202110378060.7A 2021-04-08 2021-04-08 综合能源系统新能源消纳能力优化方法、装置及终端设备 Active CN113268698B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110378060.7A CN113268698B (zh) 2021-04-08 2021-04-08 综合能源系统新能源消纳能力优化方法、装置及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110378060.7A CN113268698B (zh) 2021-04-08 2021-04-08 综合能源系统新能源消纳能力优化方法、装置及终端设备

Publications (2)

Publication Number Publication Date
CN113268698A true CN113268698A (zh) 2021-08-17
CN113268698B CN113268698B (zh) 2022-09-20

Family

ID=77228517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110378060.7A Active CN113268698B (zh) 2021-04-08 2021-04-08 综合能源系统新能源消纳能力优化方法、装置及终端设备

Country Status (1)

Country Link
CN (1) CN113268698B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114362171A (zh) * 2022-01-14 2022-04-15 西安交通大学 一种计及新能源出力不确定性的电力系统规划运行优化方法
CN115641152A (zh) * 2022-12-07 2023-01-24 国网浙江省电力有限公司宁波供电公司 综合能源系统故障识别方法、装置、设备和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108846507A (zh) * 2018-05-29 2018-11-20 西安交通大学 基于混合整数二阶锥规划的电-气耦合系统日前经济调度方法
CN109241662A (zh) * 2018-09-29 2019-01-18 河海大学 一种电热互联综合能源系统最优能量流计算方法
CN109978362A (zh) * 2019-03-20 2019-07-05 南京工程学院 一种气电网联合多区域综合能源系统建模及系统规划方法
CN110866627A (zh) * 2019-08-16 2020-03-06 东南大学 一种考虑阶梯气价的多区域电-气耦合综合能源系统优化调度方法
US20200257971A1 (en) * 2019-01-11 2020-08-13 Chongqing University Full-linear model for optimal power flow of integrated power and natural-gas system based on deep learning methods
CN111652441A (zh) * 2020-06-04 2020-09-11 四川大学 考虑气电联合需求响应的气电综合能源系统配网优化方法
CN112418486A (zh) * 2020-10-28 2021-02-26 上海交通大学 基于可再生能源消纳能力的数据驱动调度方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108846507A (zh) * 2018-05-29 2018-11-20 西安交通大学 基于混合整数二阶锥规划的电-气耦合系统日前经济调度方法
CN109241662A (zh) * 2018-09-29 2019-01-18 河海大学 一种电热互联综合能源系统最优能量流计算方法
US20200257971A1 (en) * 2019-01-11 2020-08-13 Chongqing University Full-linear model for optimal power flow of integrated power and natural-gas system based on deep learning methods
CN109978362A (zh) * 2019-03-20 2019-07-05 南京工程学院 一种气电网联合多区域综合能源系统建模及系统规划方法
CN110866627A (zh) * 2019-08-16 2020-03-06 东南大学 一种考虑阶梯气价的多区域电-气耦合综合能源系统优化调度方法
CN111652441A (zh) * 2020-06-04 2020-09-11 四川大学 考虑气电联合需求响应的气电综合能源系统配网优化方法
CN112418486A (zh) * 2020-10-28 2021-02-26 上海交通大学 基于可再生能源消纳能力的数据驱动调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高晓松等: "基于分布鲁棒优化的电-气-热综合能源系统日前经济调度", 《电网技术》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114362171A (zh) * 2022-01-14 2022-04-15 西安交通大学 一种计及新能源出力不确定性的电力系统规划运行优化方法
CN115641152A (zh) * 2022-12-07 2023-01-24 国网浙江省电力有限公司宁波供电公司 综合能源系统故障识别方法、装置、设备和存储介质
CN115641152B (zh) * 2022-12-07 2023-05-12 国网浙江省电力有限公司宁波供电公司 综合能源系统故障识别方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN113268698B (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
Zhou et al. Integrated power and heat dispatch considering available reserve of combined heat and power units
Li et al. Participation of an energy hub in electricity and heat distribution markets: An MPEC approach
Lu et al. Coordinated dispatch of multi-energy system with district heating network: Modeling and solution strategy
Lizarraga-Garcia et al. Optimal operation of a solar-thermal power plant with energy storage and electricity buy-back from grid
Yao et al. Stochastic day-ahead scheduling of integrated energy distribution network with identifying redundant gas network constraints
CN113268698B (zh) 综合能源系统新能源消纳能力优化方法、装置及终端设备
Kou et al. Many-objective optimization for coordinated operation of integrated electricity and gas network
CN103106544A (zh) 一种基于t-s型模糊神经网络的光伏发电预测系统
CN111404153A (zh) 计及可再生能源与需求响应的能量枢纽规划模型构建方法
CN112950098A (zh) 基于综合能源系统的能源规划方法、装置及终端设备
Shen et al. Optimal hybrid energy storage system planning of community multi-energy system based on two-stage stochastic programming
Yifan et al. Power and energy flexibility of district heating system and its application in wide-area power and heat dispatch
CN107392791B (zh) 多能互补系统的分布式光伏与气电混合容量规划方法和系统
Vasilj et al. Robust nonlinear economic MPC based management of a multi energy microgrid
CN116432824A (zh) 基于多目标粒子群的综合能源系统优化方法及系统
Qin et al. An adaptive piecewise linearized weighted directed graph for the modeling and operational optimization of integrated energy systems
CN116822683A (zh) 一种基于碳交易计及不确定性的综合能源系统优化运行方法
Bai et al. Robust online operation of power systems with advanced adiabatic compressed air energy storage and renewable generation
Jiang et al. Estimation of operation cost of residential multiple energy system considering uncertainty of loads and renewable energies
CN106934545B (zh) 一种电站群联合经济调度方法及系统
CN112966883A (zh) 综合能源系统运行优化方法及终端设备
CN113609699B (zh) 辐射状配电网交流潮流模型的计算方法和系统
Liu et al. Influence Evaluation of Integrated Energy System on the Unit Commitment in Power System
CN115329518A (zh) 一种基于能量流的电热耦合网络碳排放流计量方法、电子设备及存储介质
CN114841441A (zh) 一种综合能源系统运行成本和碳排放的协同优化方法

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