CN113297737A - 一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法 - Google Patents

一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法 Download PDF

Info

Publication number
CN113297737A
CN113297737A CN202110568689.8A CN202110568689A CN113297737A CN 113297737 A CN113297737 A CN 113297737A CN 202110568689 A CN202110568689 A CN 202110568689A CN 113297737 A CN113297737 A CN 113297737A
Authority
CN
China
Prior art keywords
heat supply
supply network
stage
variable
network
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
CN202110568689.8A
Other languages
English (en)
Other versions
CN113297737B (zh
Inventor
李志刚
郑伟业
侯云鹤
吴文传
孙宏斌
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202110568689.8A priority Critical patent/CN113297737B/zh
Publication of CN113297737A publication Critical patent/CN113297737A/zh
Application granted granted Critical
Publication of CN113297737B publication Critical patent/CN113297737B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/04Constraint-based CAD
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/10Numerical modelling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08Thermal analysis or thermal optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Geometry (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法,包括:1)热网调度中心进行网络简化和可行域投影,并将热网投影可行域发送至电网调度中心;2)电网调度中心根据投影可行域重构网络简化模型并求解模型,获得第一阶段机组组合问题最优解
Figure DDA0003081774680000011
3)调度中心进行不确定性的实现,通过测量值获得不确定性实现值
Figure DDA0003081774680000012
4)电网调度中心进行出力再调度,获得第二阶段电热补偿再调度最优解
Figure DDA0003081774680000013
并将热网边界变量
Figure DDA0003081774680000014
返回至热网;5)热网调度中心根据边界变量对简化模型进行内部状态恢复,求解获得最优解
Figure DDA0003081774680000015
本发明实现对热网进行网络简化,非迭代解耦方法在保证求解最优性的同时,能保持不同能源主体的独立运行性,并有效提高计算效率。

Description

一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法
技术领域
本发明涉及分布式鲁棒电-热耦合系统调度的技术领域,尤其是指一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法。
背景技术
电-热耦合系统调度的鲁棒调度对避免风电波动和热负荷带来的不确定性至关重要,这些不确定性可能对电-热耦合系统调度的运行构成严重的安全威胁。由于电-热耦合系统调度分属于不同的能源主体,其模型的本地管理、隐私信息需要得到保护,因此解耦求解的形式有利于分布式鲁棒电-热耦合系统调度。考虑风出力和热负荷不确定性,建立两阶段鲁棒调度模型,然而由于问题的结构和拉格朗日方法的不可分性,传统的迭代分布式算法并不适用于原问题。针对于此,本发明提出一个非迭代解耦的求解方法进行分布式鲁棒调度。此外,为了便于可行域投影、保护热网内部拓扑结构和系统参数,设计了一种考虑热不确定性的网络简化方法,将热网内部状态映射到边界变量中,保留不确定性热负荷的同时,有效降低热网模型的复杂度。最后,提出一种基于网络简化的分布式鲁棒电-热耦合系统调度的非迭代解耦方法,保证问题的最优性的同时,保留了不同能源主体运行的独立性,并能有效提高计算效率。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提出了一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法,通过网络简化降低区域供热系统模型的复杂度,保持了模型的隐私性并充分保留了温度准动态特性,有利于可行域的投影,通过非迭代解耦方法为分布式求解鲁棒电-热耦合系统调度问题提供了有效可行的方法,该方法能严格保证获得鲁棒模型的最优解。
为实现上述目的,本发明所提供的技术方案为:一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法,包括以下步骤:
1)热网调度中心对热网进行网络简化和可行域投影,并将投影可行域发送至电网调度中心;
2)电网调度中心根据热网投影可行域重构简化模型并求解简化模型,获得第一阶段机组组合问题最优解
Figure BDA0003081774660000021
3)电网和热网调度中心进行不确定性的实现,通过测量获得不确定性变量的实现值
Figure BDA0003081774660000022
4)电网调度中心进行电热补偿再调度,获得第二阶段电热补偿再调度问题的最优解
Figure BDA0003081774660000023
并向热网返回边界变量最优解
Figure BDA0003081774660000024
5)热网调度中心根据热网边界变量最优解,对热网简化模型进行内部状态的恢复,求得第二阶段电热补偿再调度问题的最优解
Figure BDA0003081774660000025
进一步,在步骤1)中,热网调度中心对热网进行网络简化,消减热网内部参数,通过将热网内部状态和不确定性热负荷映射到热网边界变量,对热网模型约束进行可行域投影,并将投影可行域发送至电网调度中心,包括以下步骤:
1.1)构建热网原始模型,利用热网边界变量和不确定性热负荷反映热网内部状态:
Figure BDA0003081774660000026
式(1)表示热水流等式约束,其中yH为第二阶段电热补偿再调度问题的热网决策变量、yB为第二阶段电热补偿再调度问题的热网边界变量,
Figure BDA0003081774660000027
为热负荷不确定性变量,EH、EB、ED分别为yH、yB
Figure BDA0003081774660000028
的系数矩阵,eH为常系数矩阵,
Figure BDA0003081774660000029
分别为与yB对应、与
Figure BDA00030817746600000210
对应的yH的灵敏度矩阵,
Figure BDA00030817746600000211
为yH相关的残差;
1.2)热网进行网络简化,消减热网内部参数,对热网等式约束进行可行域投影:
Figure BDA0003081774660000031
式(2)表示热源等式约束,其中
Figure BDA0003081774660000032
为热源供热出力h相关的残差,YB、ΦG分别为与yB对应、与
Figure BDA0003081774660000033
对应的h的灵敏度矩阵;
对热网不等式约束进行可行域投影:
Figure BDA0003081774660000034
式(3)表示热网安全约束,其中
Figure BDA0003081774660000035
y H分别为yH的上下限;
1.3)将投影可行域式(2)、(3)发送至电网调度中心。
进一步,在步骤2)中,电网调度中心根据热网投影可行域,重构两阶段鲁棒调度简化模型,采用列-约束生成法求解两阶段鲁棒调度简化模型,获得第一阶段机组组合问题的最优解
Figure BDA0003081774660000036
包括以下步骤:
2.1)电网调度中心接收到来自热网调度中心的投影可行域式(2)、(3),式(2)表示热源等式约束、式(3)表示热网安全约束;首先将CHP机组的边界约束和式(2)封装成以下形式:
Figure BDA0003081774660000037
式(4)为热网供热需求约束,其中xB为第一阶段机组组合问题的电网边界变量,yB为第二阶段电热补偿再调度问题的热网边界变量,
Figure BDA0003081774660000038
为热负荷不确定性变量,
Figure BDA0003081774660000039
为xB、yB
Figure BDA00030817746600000310
的增广系数矩阵,
Figure BDA00030817746600000311
为增广的常系数矩阵;于是,重构两阶段鲁棒调度简化模型为:
Figure BDA00030817746600000312
s.t.A[xE;xB]≤b (6)
Figure BDA00030817746600000313
constraint(3)-(4)
式(5)为两阶段鲁棒调度的目标函数,包括第一阶段机组组合问题成本
Figure BDA0003081774660000041
风削减惩罚
Figure BDA0003081774660000042
和第二阶段电热补偿再调度成本
Figure BDA0003081774660000043
其中xE为第一阶段机组组合问题的电网决策变量,cE、cB分别为xE、xB的机组组合成本系数;
Figure BDA0003081774660000044
为风出力不确定性变量,σ为风削减惩罚系数,
Figure BDA0003081774660000045
分别为不确定性变量
Figure BDA0003081774660000046
的不确定性集,采用预算集的形式描述;yE为第二阶段电热补偿再调度问题的电网决策变量,yH为第二阶段电热补偿再调度问题的热网决策变量,fE、fB分别为yE、yB的补偿再调度成本系数;式(6)为机组组合问题的逻辑约束,其中A为第一阶段机组组合问题电网决策变量和边界变量的关联矩阵,b为其常系数矩阵;式(7)为电网内部约束,其中DE、CW、CE、CB分别为xE
Figure BDA0003081774660000047
yE、yB的系数矩阵,bE为其常系数矩阵;
2.2)电网调度中心采用列-约束生成法求解两阶段鲁棒调度简化模型(3)-(7),获得第一阶段机组组合问题的最优解
Figure BDA0003081774660000048
进一步,在步骤3)中,电网和热网调度中心进行不确定性的实现,通过测量获得不确定性变量的实现值
Figure BDA0003081774660000049
其中
Figure BDA00030817746600000410
为风出力不确定性变量的实现值,
Figure BDA00030817746600000411
为热负荷不确定性变量的实现值。
进一步,在步骤4)中,给定第一阶段机组组合计划
Figure BDA00030817746600000412
和不确定性变量的实现值
Figure BDA00030817746600000413
不确定性参数在其不确定性集范围内波动,其中,
Figure BDA00030817746600000414
为给定的第一阶段机组组合问题电网决策变量的最优解,
Figure BDA00030817746600000415
为给定的第一阶段机组组合问题电网边界变量的最优解,
Figure BDA00030817746600000416
为风出力不确定性变量的实现值,
Figure BDA00030817746600000417
为热负荷不确定性变量的实现值;电网调度中心进行电热补偿再调度,获得第二阶段电热补偿再调度问题的最优解
Figure BDA00030817746600000418
然后向热网返回热网边界变量最优解
Figure BDA00030817746600000419
包括以下步骤:
4.1)给定第一阶段机组组合计划
Figure BDA00030817746600000420
和不确定性变量的实现值
Figure BDA0003081774660000051
两阶段鲁棒调度简化模型式(3)-(7)能够退化为电热补偿再调度模型式(8)-(11),式(3)表示热网安全约束、式(4)为热网供热需求约束、式(5)为两阶段鲁棒调度的目标函数、式(6)为机组组合问题的逻辑约束、式(7)为电网内部约束,电网调度中心求解第二阶段电热补偿再调度问题:
Figure BDA0003081774660000052
Figure BDA0003081774660000053
Figure BDA0003081774660000054
Figure BDA0003081774660000055
式(5)重新表达成式(8),该式为电热补偿再调度模型目标函数,其中yE为第二阶段电热补偿再调度问题的电网决策变量,yB为第二阶段电热补偿再调度问题的热网边界变量,fE、fB分别为yE、yB的补偿再调度成本系数;式(7)重新表达成式(9),该约束为电网内部约束,其中DE、CW、CE、CB分别为
Figure BDA0003081774660000056
yE、的系数矩阵,bE为其常系数矩阵;式(4)重新表达成式(10),该约束为热网供热需求约束,其中
Figure BDA0003081774660000057
Figure BDA0003081774660000058
yB
Figure BDA0003081774660000059
的增广系数矩阵,
Figure BDA00030817746600000510
为增广的常系数矩阵;式(3)重新表达成式(11),该约束为热网安全约束,其中yH为第二阶段电热补偿再调度问题的热网决策变量,
Figure BDA00030817746600000511
y H分别为yH的上下限,
Figure BDA00030817746600000512
为热负荷不确定性变量,
Figure BDA00030817746600000513
分别为与yB对应、与
Figure BDA00030817746600000514
对应的yH的灵敏度矩阵,
Figure BDA00030817746600000515
为yH相关的残差;
4.2)电网调度中心获得第二阶段补偿再调度问题的最优解
Figure BDA00030817746600000516
并将返回热网边界变量最优解
Figure BDA00030817746600000517
返回至热网,其中
Figure BDA00030817746600000518
为第二阶段电热补偿再调度问题电网决策变量的最优解,
Figure BDA00030817746600000519
为第二阶段补偿再调度问题热网边界变量的最优解。
进一步,在步骤5)中,热网调度中心将热网简化模型恢复至能反映内部状态的原始模型,根据来自热网边界变量最优解
Figure BDA00030817746600000520
利用式(1)表示的热水流等式约束获得补偿再调度热网决策变量的最优解
Figure BDA0003081774660000061
其中
Figure BDA0003081774660000062
为第二阶段补偿再调度问题热网边界变量的最优解。
本发明与现有技术相比,具有如下优点与有益效果:
本发明方法通过网络简化能有效降低区域供热系统模型的复杂度,同时保留了热网温度准动态特性;考虑风出力和热负荷波动的不确定性,能保证电-热耦合系统运行的安全性;非迭代解耦方法能保证鲁棒电-热耦合系统调度最优性的同时,保留不同能源主体运行的独立性,并能有效提高计算效率。
附图说明
图1为本发明方法的流程图。
图2为基于网络简化热网的简化和恢复示意图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
如图1所示,本实施例所提供的基于网络简化的分布式鲁棒电热调度非迭代解耦方法,包括如下步骤:
1)热网调度中心对热网进行网络简化,消减热网内部参数,通过将热网内部状态和不确定性热负荷映射到热网边界变量,对热网模型约束进行可行域投影,并将投影可行域发送至电网调度中心,包括以下步骤:
1.1)构建热网原始模型,利用热网边界变量和不确定性热负荷反映热网内部状态:
Figure BDA0003081774660000063
式(1)表示热水流等式约束,其中yH为第二阶段电热补偿再调度问题的热网决策变量、yB为第二阶段电热补偿再调度问题的热网边界变量,
Figure BDA0003081774660000071
为热负荷不确定性变量,EH、EB、ED分别为yH、yB
Figure BDA0003081774660000072
的系数矩阵,eH为常系数矩阵,
Figure BDA0003081774660000073
分别为与yB对应、与
Figure BDA0003081774660000074
对应的yH的灵敏度矩阵,
Figure BDA0003081774660000075
为yH相关的残差。
1.2)热网进行网络简化,消减热网内部参数,对热网等式约束进行可行域投影:
Figure BDA0003081774660000076
式(2)表示热源等式约束,其中
Figure BDA0003081774660000077
为热源供热出力h相关的残差,YB、ΦG分别为与yB对应、与
Figure BDA0003081774660000078
对应的h的灵敏度矩阵。
对热网不等式约束进行可行域投影:
Figure BDA0003081774660000079
式(3)表示热网安全约束,其中
Figure BDA00030817746600000710
y H分别为yH的上下限。
1.3)将投影可行域式(2)-(3)发送至电网调度中心。
2)电网调度中心根据热网投影可行域,重构两阶段鲁棒调度简化模型,采用列-约束生成法求解两阶段鲁棒调度简化模型,获得第一阶段机组组合问题的最优解
Figure BDA00030817746600000711
包括以下步骤:
2.1)电网调度中心接收到来自热网调度中心的投影可行域式(2)、(3),首先将CHP机组的边界约束和式(2)封装成以下形式:
Figure BDA00030817746600000712
式(4)为热网供热需求约束,其中xB为第一阶段机组组合问题的电网边界变量,yB为第二阶段电热补偿再调度问题的热网边界变量,
Figure BDA00030817746600000713
为热负荷不确定性变量,
Figure BDA00030817746600000714
为xB、yB
Figure BDA00030817746600000715
的增广系数矩阵,
Figure BDA00030817746600000716
为增广的常系数矩阵。于是,可以重构两阶段鲁棒调度简化模型:
Figure BDA00030817746600000717
s.t.A[xE;xB]≤b (17)
Figure BDA0003081774660000081
constraint(3)-(4)
式(5)为两阶段鲁棒调度的目标函数,包括第一阶段机组组合问题成本
Figure BDA0003081774660000082
风削减惩罚
Figure BDA0003081774660000083
和第二阶段电热补偿再调度成本
Figure BDA0003081774660000084
其中xE为第一阶段机组组合问题的电网决策变量,cE、cB分别为xE、xB的机组组合成本系数。
Figure BDA0003081774660000085
为风出力不确定性变量,σ为风削减惩罚系数,
Figure BDA0003081774660000086
分别为不确定性变量
Figure BDA0003081774660000087
的不确定性集,采用预算集的形式描述。yE为第二阶段电热补偿再调度问题的电网决策变量,yH为第二阶段电热补偿再调度问题的热网决策变量,fE、fB分别为yE、yB的补偿再调度成本系数。式(6)为机组组合问题的逻辑约束,其中A为第一阶段机组组合问题电网决策变量和边界变量的关联矩阵,b为其常系数矩阵。式(7)为电网内部约束,其中DE、CW、CE、CB分别为xE
Figure BDA0003081774660000088
yE、yB的系数矩阵,bE为其常系数矩阵。
2.2)电网调度中心采用列-约束生成法求解两阶段鲁棒调度简化模型(3)-(7),获得第一阶段机组组合问题的最优解
Figure BDA0003081774660000089
3)电网和热网调度中心进行不确定性的实现,通过测量获得不确定性变量的实现值
Figure BDA00030817746600000810
其中
Figure BDA00030817746600000811
为风出力不确定性变量的实现值,
Figure BDA00030817746600000812
为热负荷不确定性变量的实现值。
4)给定第一阶段机组组合计划
Figure BDA00030817746600000813
和不确定性变量的实现值
Figure BDA00030817746600000814
不确定性参数在其不确定性集范围内波动,其中,
Figure BDA00030817746600000815
为给定的第一阶段机组组合问题电网决策变量的最优解,
Figure BDA00030817746600000816
为给定的第一阶段机组组合问题电网边界变量的最优解,
Figure BDA00030817746600000817
为风出力不确定性变量的实现值,
Figure BDA00030817746600000818
为热负荷不确定性变量的实现值;电网调度中心进行电热补偿再调度,获得第二阶段电热补偿再调度问题的最优解
Figure BDA0003081774660000091
然后向热网返回热网边界变量最优解
Figure BDA0003081774660000092
包括以下步骤:
4.1)给定第一阶段机组组合计划
Figure BDA0003081774660000093
和不确定性变量的实现值
Figure BDA0003081774660000094
两阶段鲁棒调度简化模型(3)-(7)可以退化为电热补偿再调度模型式(8)-(11),电网调度中心求解第二阶段电热补偿再调度问题:
Figure BDA0003081774660000095
Figure BDA0003081774660000096
Figure BDA0003081774660000097
Figure BDA0003081774660000098
式(5)重新表达成式(8),该式为电热补偿再调度模型目标函数,其中yE为第二阶段电热补偿再调度问题的电网决策变量,yB为第二阶段电热补偿再调度问题的热网边界变量,fE、fB分别为yE、yB的补偿再调度成本系数。式(7)重新表达成式(9),该约束为电网内部约束,其中DE、CW、CE、CB分别为
Figure BDA0003081774660000099
yE、的系数矩阵,bE为其常系数矩阵。式(4)重新表达成式(10),该约束为热网供热需求约束,其中
Figure BDA00030817746600000910
Figure BDA00030817746600000911
yB
Figure BDA00030817746600000912
的增广系数矩阵,
Figure BDA00030817746600000913
为增广的常系数矩阵。式(3)重新表达成式(11),该约束为热网安全约束,其中yH为第二阶段电热补偿再调度问题的热网决策变量,
Figure BDA00030817746600000914
y H分别为yH的上下限,
Figure BDA00030817746600000915
为热负荷不确定性变量,
Figure BDA00030817746600000916
分别为与yB对应、与
Figure BDA00030817746600000917
对应的yH的灵敏度矩阵,
Figure BDA00030817746600000918
为yH相关的残差。
4.2)电网调度中心获得第二阶段补偿再调度问题的最优解
Figure BDA00030817746600000919
并将返回热网边界变量最优解
Figure BDA00030817746600000920
返回至热网,其中
Figure BDA00030817746600000921
为第二阶段电热补偿再调度问题电网决策变量的最优解,
Figure BDA00030817746600000922
为第二阶段补偿再调度问题热网边界变量的最优解。
5)热网调度中心进行内部状态恢复,如图2所示,根据来自热网边界变量最优解
Figure BDA0003081774660000101
利用式(1)将热网简化模型恢复成能反映网络内部状态的原始模型,获得补偿再调度的最优解
Figure BDA0003081774660000102
其中
Figure BDA0003081774660000103
为第二阶段补偿再调度问题热网边界变量的最优解。
对于热网模型的简化和恢复如图2所示,以两台热电联产机组和两个负荷的简单热网系统为例,热网原始模型能反映网络内部状态,变量包括第二阶段电热补偿再调度问题的热网边界变量yB=[yB1,yB2]、热负荷d=[d1,d2];通过网络简化后,只保留热网边界变量yB和不确定性热负荷
Figure BDA0003081774660000104
通过灵敏度矩阵YB、ΦG和残差
Figure BDA0003081774660000105
对热网进行可行域投影。具体形式为,热网调度中心利用式(2),对热网原始模型进行网络简化,消减热网内部参数,将不确定性热负荷映射到边界变量,降低区域供热系统模型的复杂度,从而保护热网内部网络拓扑和系统参数。另一方面,热网调度中心可以通过式(1)将热网简化模型进行网络内部状态的恢复,能够有效保留热网温度准动态特性,不影响模型变化的等价性。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。

Claims (6)

1.一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法,其特征在于,包括以下步骤:
1)热网调度中心对热网进行网络简化和可行域投影,并将投影可行域发送至电网调度中心;
2)电网调度中心根据热网投影可行域重构简化模型并求解简化模型,获得第一阶段机组组合问题最优解
Figure FDA0003081774650000011
3)电网和热网调度中心进行不确定性的实现,通过测量获得不确定性变量的实现值
Figure FDA0003081774650000012
4)电网调度中心进行电热补偿再调度,获得第二阶段电热补偿再调度问题的最优解
Figure FDA0003081774650000013
并向热网返回边界变量最优解
Figure FDA0003081774650000014
5)热网调度中心根据热网边界变量最优解,对热网简化模型进行内部状态的恢复,求得第二阶段电热补偿再调度问题的最优解
Figure FDA0003081774650000015
2.根据权利要求1所述的一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法,其特征在于:在步骤1)中,热网调度中心对热网进行网络简化,消减热网内部参数,通过将热网内部状态和不确定性热负荷映射到热网边界变量,对热网模型约束进行可行域投影,并将投影可行域发送至电网调度中心,包括以下步骤:
1.1)构建热网原始模型,利用热网边界变量和不确定性热负荷反映热网内部状态:
Figure FDA0003081774650000016
式(1)表示热水流等式约束,其中yH为第二阶段电热补偿再调度问题的热网决策变量、yB为第二阶段电热补偿再调度问题的热网边界变量,
Figure FDA0003081774650000017
为热负荷不确定性变量,EH、EB、ED分别为yH、yB
Figure FDA0003081774650000021
的系数矩阵,eH为常系数矩阵,
Figure FDA0003081774650000022
分别为与yB对应、与
Figure FDA0003081774650000023
对应的yH的灵敏度矩阵,
Figure FDA0003081774650000024
为yH相关的残差;
1.2)热网进行网络简化,消减热网内部参数,对热网等式约束进行可行域投影:
Figure FDA0003081774650000025
式(2)表示热源等式约束,其中
Figure FDA0003081774650000026
为热源供热出力h相关的残差,YB、ΦG分别为与yB对应、与
Figure FDA0003081774650000027
对应的h的灵敏度矩阵;
对热网不等式约束进行可行域投影:
Figure FDA0003081774650000028
式(3)表示热网安全约束,其中
Figure FDA0003081774650000029
y H分别为yH的上下限;
1.3)将投影可行域式(2)、(3)发送至电网调度中心。
3.根据权利要求1所述的一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法,其特征在于:在步骤2)中,电网调度中心根据热网投影可行域,重构两阶段鲁棒调度简化模型,采用列-约束生成法求解两阶段鲁棒调度简化模型,获得第一阶段机组组合问题的最优解
Figure FDA00030817746500000210
包括以下步骤:
2.1)电网调度中心接收到来自热网调度中心的投影可行域式(2)、(3),式(2)表示热源等式约束、式(3)表示热网安全约束;首先将CHP机组的边界约束和式(2)封装成以下形式:
Figure FDA00030817746500000211
式(4)为热网供热需求约束,其中xB为第一阶段机组组合问题的电网边界变量,yB为第二阶段电热补偿再调度问题的热网边界变量,
Figure FDA00030817746500000212
为热负荷不确定性变量,
Figure FDA00030817746500000213
为xB、yB
Figure FDA00030817746500000214
的增广系数矩阵,
Figure FDA00030817746500000215
为增广的常系数矩阵;于是,重构两阶段鲁棒调度简化模型为:
Figure FDA0003081774650000031
s.t.A[xE;xB]≤b (6)
Figure FDA0003081774650000032
constraint(3)-(4)
式(5)为两阶段鲁棒调度的目标函数,包括第一阶段机组组合问题成本
Figure FDA0003081774650000033
风削减惩罚
Figure FDA0003081774650000034
和第二阶段电热补偿再调度成本
Figure FDA0003081774650000035
其中xE为第一阶段机组组合问题的电网决策变量,cE、cB分别为xE、xB的机组组合成本系数;
Figure FDA0003081774650000036
为风出力不确定性变量,σ为风削减惩罚系数,
Figure FDA0003081774650000037
分别为不确定性变量
Figure FDA0003081774650000038
的不确定性集,采用预算集的形式描述;yE为第二阶段电热补偿再调度问题的电网决策变量,yH为第二阶段电热补偿再调度问题的热网决策变量,fE、fB分别为yE、yB的补偿再调度成本系数;式(6)为机组组合问题的逻辑约束,其中A为第一阶段机组组合问题电网决策变量和边界变量的关联矩阵,b为其常系数矩阵;式(7)为电网内部约束,其中DE、CW、CE、CB分别为xE
Figure FDA0003081774650000039
yE、yB的系数矩阵,bE为其常系数矩阵;
2.2)电网调度中心采用列-约束生成法求解两阶段鲁棒调度简化模型(3)-(7),获得第一阶段机组组合问题的最优解
Figure FDA00030817746500000310
4.根据权利要求1所述的一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法,其特征在于:在步骤3)中,电网和热网调度中心进行不确定性的实现,通过测量获得不确定性变量的实现值
Figure FDA00030817746500000311
其中
Figure FDA00030817746500000312
为风出力不确定性变量的实现值,
Figure FDA00030817746500000313
为热负荷不确定性变量的实现值。
5.根据权利要求1所述的一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法,其特征在于:在步骤4)中,给定第一阶段机组组合计划
Figure FDA00030817746500000314
和不确定性变量的实现值
Figure FDA00030817746500000315
不确定性参数在其不确定性集范围内波动,其中,
Figure FDA0003081774650000041
为给定的第一阶段机组组合问题电网决策变量的最优解,
Figure FDA0003081774650000042
为给定的第一阶段机组组合问题电网边界变量的最优解,
Figure FDA0003081774650000043
为风出力不确定性变量的实现值,
Figure FDA0003081774650000044
为热负荷不确定性变量的实现值;电网调度中心进行电热补偿再调度,获得第二阶段电热补偿再调度问题的最优解
Figure FDA0003081774650000045
然后向热网返回热网边界变量最优解
Figure FDA0003081774650000046
包括以下步骤:
4.1)给定第一阶段机组组合计划
Figure FDA0003081774650000047
和不确定性变量的实现值
Figure FDA0003081774650000048
两阶段鲁棒调度简化模型式(3)-(7)能够退化为电热补偿再调度模型式(8)-(11),式(3)表示热网安全约束、式(4)为热网供热需求约束、式(5)为两阶段鲁棒调度的目标函数、式(6)为机组组合问题的逻辑约束、式(7)为电网内部约束,电网调度中心求解第二阶段电热补偿再调度问题:
Figure FDA0003081774650000049
Figure FDA00030817746500000410
Figure FDA00030817746500000411
Figure FDA00030817746500000412
式(5)重新表达成式(8),该式为电热补偿再调度模型目标函数,其中yE为第二阶段电热补偿再调度问题的电网决策变量,yB为第二阶段电热补偿再调度问题的热网边界变量,fE、fB分别为yE、yB的补偿再调度成本系数;式(7)重新表达成式(9),该约束为电网内部约束,其中DE、CW、CE、CB分别为
Figure FDA00030817746500000413
yE、的系数矩阵,bE为其常系数矩阵;式(4)重新表达成式(10),该约束为热网供热需求约束,其中
Figure FDA00030817746500000414
Figure FDA00030817746500000415
yB
Figure FDA00030817746500000416
的增广系数矩阵,
Figure FDA00030817746500000417
为增广的常系数矩阵;式(3)重新表达成式(11),该约束为热网安全约束,其中yH为第二阶段电热补偿再调度问题的热网决策变量,
Figure FDA00030817746500000418
y H分别为yH的上下限,
Figure FDA00030817746500000419
为热负荷不确定性变量,
Figure FDA00030817746500000420
分别为与yB对应、与
Figure FDA00030817746500000421
对应的yH的灵敏度矩阵,
Figure FDA0003081774650000051
为yH相关的残差;
4.2)电网调度中心获得第二阶段补偿再调度问题的最优解
Figure FDA0003081774650000052
并将返回热网边界变量最优解
Figure FDA0003081774650000053
返回至热网,其中
Figure FDA0003081774650000054
为第二阶段电热补偿再调度问题电网决策变量的最优解,
Figure FDA0003081774650000055
为第二阶段补偿再调度问题热网边界变量的最优解。
6.根据权利要求1所述的一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法,其特征在于:在步骤5)中,热网调度中心将热网简化模型恢复至能反映内部状态的原始模型,根据来自热网边界变量最优解
Figure FDA0003081774650000056
利用式(1)表示的热水流等式约束获得补偿再调度热网决策变量的最优解
Figure FDA0003081774650000057
其中
Figure FDA0003081774650000058
为第二阶段补偿再调度问题热网边界变量的最优解。
CN202110568689.8A 2021-05-25 2021-05-25 一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法 Active CN113297737B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110568689.8A CN113297737B (zh) 2021-05-25 2021-05-25 一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110568689.8A CN113297737B (zh) 2021-05-25 2021-05-25 一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法

Publications (2)

Publication Number Publication Date
CN113297737A true CN113297737A (zh) 2021-08-24
CN113297737B CN113297737B (zh) 2022-07-26

Family

ID=77324557

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110568689.8A Active CN113297737B (zh) 2021-05-25 2021-05-25 一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法

Country Status (1)

Country Link
CN (1) CN113297737B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117252377A (zh) * 2023-09-26 2023-12-19 山东大学 一种多区域互联电热综合能源系统可信分布调度方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102710013A (zh) * 2012-05-23 2012-10-03 中国电力科学研究院 基于微电网的园区能源网能量优化管理系统及其实现方法
US20130270353A1 (en) * 2011-10-23 2013-10-17 Hongyu LONG Joint heating system of gas combined cycle and solar power and dispatching method thereof
US20140121848A1 (en) * 2011-10-23 2014-05-01 Chongqing Electric Power Research Institute Cogeneration unit and wind power joint heating system and scheduling method therefor
US20140172182A1 (en) * 2012-12-19 2014-06-19 Robert Bosch Gmbh System and Method For Energy Distribution
US20140277797A1 (en) * 2013-03-15 2014-09-18 Open Access Technology International, Inc. Systems and Methods of Determining Optimal Scheduling and Dispatch of Power Resources
US20160211664A1 (en) * 2013-08-26 2016-07-21 Robert Bosch Gmbh Dispatch Controller for an Energy System
CN106056478A (zh) * 2016-06-12 2016-10-26 清华大学 一种电‑热耦合系统中热网的区间潮流计算方法
AU2018101070A4 (en) * 2018-06-19 2018-09-06 Inner Mongolia Electric Power Research Institute Branch Of Inner Mongolia Electric Power (Group) Co., Ltd. Automatic voltage control method, device and system for wind farm

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130270353A1 (en) * 2011-10-23 2013-10-17 Hongyu LONG Joint heating system of gas combined cycle and solar power and dispatching method thereof
US20140121848A1 (en) * 2011-10-23 2014-05-01 Chongqing Electric Power Research Institute Cogeneration unit and wind power joint heating system and scheduling method therefor
CN102710013A (zh) * 2012-05-23 2012-10-03 中国电力科学研究院 基于微电网的园区能源网能量优化管理系统及其实现方法
US20140172182A1 (en) * 2012-12-19 2014-06-19 Robert Bosch Gmbh System and Method For Energy Distribution
US20140277797A1 (en) * 2013-03-15 2014-09-18 Open Access Technology International, Inc. Systems and Methods of Determining Optimal Scheduling and Dispatch of Power Resources
US20160211664A1 (en) * 2013-08-26 2016-07-21 Robert Bosch Gmbh Dispatch Controller for an Energy System
CN106056478A (zh) * 2016-06-12 2016-10-26 清华大学 一种电‑热耦合系统中热网的区间潮流计算方法
AU2018101070A4 (en) * 2018-06-19 2018-09-06 Inner Mongolia Electric Power Research Institute Branch Of Inner Mongolia Electric Power (Group) Co., Ltd. Automatic voltage control method, device and system for wind farm

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BF ZOHRA 等: "An Improved Harmony Search Algorithm for solved the Combined Heat and Power Economic Dispatch", 《INTERNATIONAL JOURNAL ON ELECTRICAL ENGINEERING AND INFORMATICS》 *
黄锦波: "多主体能源系统分布式运行优化方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117252377A (zh) * 2023-09-26 2023-12-19 山东大学 一种多区域互联电热综合能源系统可信分布调度方法及系统

Also Published As

Publication number Publication date
CN113297737B (zh) 2022-07-26

Similar Documents

Publication Publication Date Title
Cheng et al. Planning multiple energy systems toward low-carbon society: A decentralized approach
Zhou et al. Distributionally robust resilient operation of integrated energy systems using moment and wasserstein metric for contingencies
CN113297737B (zh) 一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法
Hong et al. Integrated energy system planning at modular regional-user level based on a two-layer bus structure
CN112836882B (zh) 考虑设备负载率变化的区域综合能源系统运行优化方法
CN110601260A (zh) 一种限定联络线上功率波动的光-蓄系统容量优化方法
Li et al. Researches on the reliability evaluation of integrated energy system based on Energy Hub
CN111400937A (zh) 一种综合能源系统潮流计算方法
CN110689199B (zh) 一种基于混合潮流模型的分布式协同调控方法
CN109376406B (zh) 供能系统超结构模型、建模方法、计算机设备和存储介质
CN113610316B (zh) 不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法
Nazir et al. Optimal Economic Modelling of Hybrid Combined Cooling, Heating, and Energy Storage System Based on Gravitational Search Algorithm‐Random Forest Regression
Liu et al. Influence evaluation of integrated energy system on the unit commitment in power system
CN114841574B (zh) 一种考虑不确定性的综合能源系统电热负荷联合恢复方法
CN114709825B (zh) 基于电力电子变压器的交直流配电网动态防雷方法和系统
Zhang et al. Optimal Power Flow Algorithm Based on Second‐Order Cone Relaxation Method for Electricity‐Gas Integrated Energy Microgrid
Zhang et al. Dual Stochastic Dual Dynamic Programming for Multi-Stage Economic Dispatch With Renewable Energy and Thermal Energy Storage
Liu et al. A Reliability assessment of an integrated energy system based on coupling energy flow and thermal inertia
CN112906220B (zh) 综合能源微网园区系统状态的估计方法
CN110516868B (zh) 一种考虑网络约束的综合能源系统优化运行模型
Kang et al. Performance and benefits of distributed energy systems in cooling dominated regions: a case study
Raeisi et al. Energy‐Economic‐Environmental Analysis of On‐Grid Solar System for Electricity and Hydrogen Production at Homemade Scale: Effect of Different Shades
Ye et al. The impact of multi-energy complementary system on the reliability of energy supply of distribution
Chen et al. A multi-energy microgrid modelling and optimization method based on exergy theory
Chen et al. Effect of electricity feed-in tariff on the planning of CCHP Micro-systems

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