CN113507124A - 一种基于序列凸优化的能源互联网快速调度方法及装置 - Google Patents

Abstract

本发明适用于多能源系统调度技术领域，提供了一种基于序列凸优化的能源互联网快速调度方法及装置，方法包括：建立能源互联网的多能源系统调度优化非凸规划模型及约束条件；引入松弛变量，将多能源系统调度优化非凸规划模型转化为凸规划模型；根据序列凸优化方法对凸规划模型的问题进行迭代求解，得到调度结果；输出调度结果。本发明实施例通过对能源互联网多能源系统中电能、热能、冷能复杂的物理特性进行准确的描述，对多能源系统协同调度的数学模型进行有效的处理与高效的求解，可有效解决多个能源子系统间的相互协调的问题。通过所提出的序列凸优化处理与求解算法可快速对多能源系统进行调度优化，保证能源互联网系统安全、高效、经济的运行。

Description

一种基于序列凸优化的能源互联网快速调度方法及装置

技术领域

本发明属于多能源系统调度技术领域，具体涉及一种基于序列凸优化的能源互联网快速调度方法及装置。

背景技术

面对全球能源危机与环境问题，相关部门开始推进能源转型及高效利用，构建多能互补的集成优化的综合能源系统，也被称为“能源互联网(Energy Internet)”。能源互联网系统集成了热能、电能、冷能等多种能源子系统耦合，并且整个系统包含多种设备，整个系统运行情况较为复杂，所以如何通过多个能源子系统间的相互协调，实现一次能源的梯级利用，提升可再生能源的利用率，实现多能负荷的协调互补，同时保证系统的安全性、稳定性、经济性是亟待解决的问题。

发明内容

有鉴于此，本发明实施例提供了一种基于序列凸优化的能源互联网快速调度方法及装置，解决多能源系统的友好调度问题，实现多能负荷的协调互补，提高系统的稳定性、安全性、经济性。

本发明实施例的第一方面提供了一种基于序列凸优化的能源互联网快速调度方法，包括：

建立能源互联网的多能源系统调度优化非凸规划模型及约束条件；

引入松弛变量，将所述多能源系统调度优化非凸规划模型转化为凸规划模型；

根据序列凸优化方法对所述凸规划模型的问题进行迭代求解，得到调度结果；

输出所述调度结果。

本发明实施例的第二方面提供了一种基于序列凸优化的能源互联网快速调度装置，包括：

原问题建立模块，用于建立能源互联网的多能源系统调度优化非凸规划模型及约束条件；

凸规划转化模块，用于引入松弛变量，并将所述多能源系统调度优化非凸规划模型转化为凸规划模型；

迭代运算模块，用于根据序列凸优化方法对所述凸规划模型的问题进行迭代求解，得到调度结果；

输出模块，用于输出所述调度结果。

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上述方法的步骤。

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上述方法的步骤。

本发明实施例与现有技术相比存在的有益效果至少在于：

本发明实施例通过对能源互联网多能源系统中电能、热能、冷能复杂的物理特性进行准确的描述，对多能源系统协同调度的数学模型进行有效的处理与高效的求解，可有效解决多个能源子系统间的相互协调的问题。通过所提出的序列凸优化处理与求解算法可快速对多能源系统进行调度优化，保证能源互联网系统安全、高效、经济的运行。

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的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例提供的一种基于序列凸优化的能源互联网快速调度方法的流程示意图；

图2是本发明实施例提供的能源互联网的构架示意图；

图3是本发明实施例提供的一种基于序列凸优化的能源互联网快速调度装置的示意图；

图4是本发明实施例提供的终端设备的示意图。

具体实施方式

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。

本发明实施例采用了如下技术方案：

实施例一：

参见图1，本实施例提供了一种基于序列凸优化的能源互联网快速调度方法，包括：

步骤S100：建立能源互联网的多能源系统调度优化非凸规划模型及约束条件；

步骤S200：引入松弛变量，将多能源系统调度优化非凸规划模型转化为凸规划模型；

步骤S300：根据序列凸优化方法对凸规划模型的问题进行迭代求解，得到调度结果；

步骤S400：输出调度结果。

凸优化理论已广泛应用在各种领域，采用序列凸优化迭代求解问题,可以实现多种能源的快速协同调度，提高能源互联网耦合系统运行的安全性、经济性与高效性。上述凸规划模型就是将原问题的全局最优解转化为凸优化求解的最优解，并通过离散化将最优控制转变为参数优化问题，这样通过对能源互联网多能源系统中电能、热能、冷能复杂的物理特性进行准确的描述，对多能源系统协同调度的数学模型进行有效的处理与高效的求解，可有效解决多个能源子系统间的相互协调的问题。通过所提出的序列凸优化处理与求解算法可快速对多能源系统进行调度优化，保证能源互联网系统安全、高效、经济的运行。

本实施例中，多能源系统可参见图2所示，包括风电站、光伏电站、水电站、储电电站以及冷热电联产系统，其总的调度优化非凸规划模型的目标函数可以包括：

其中，M为天然气成本、外电网购电成本和系统运维成本的总和，K为系统中组成设备的总数，k为对应设备的编号，T为调度时段集合，

和

分别为单位时间t内该系统各组成部分k单元容量的天然气消耗成本、外网用电成本和设备运维成本。

本实施例中，能源互联网多能源非凸规划模型的问题，其约束条件主要包括：设备出力约束、设备爬坡约束和负荷平衡约束；

其中，设备出力约束包括冷热电联产系统的冷/热/电功率的上下限，可表示为：

式中，P^c,min和P^c,max分别为冷热电联产系统的电功率的最小值和最大值，H^c,min和H^{c ,max}分别为冷热电联产系统的热功率的最小值和最大值，C^c,min和C^c,max分别为冷热电联产系统的冷功率的最小值和最大值，

和

分别为冷热电联产系统在时刻t的电功率、热功率和冷功率。

设备爬坡约束包括冷热电联产系统的冷/热/电功率爬坡能力的上下界，可表示为：

式中，P^c,dn和P^c,up分别为冷热电联产系统的电功率爬坡能力的下界和上界，H^c,dn和H^c,up分别为冷热电联产系统的热功率爬坡能力的下界和上界，C^c,dn和C^c,up分别为冷热电联产系统的冷功率爬坡能力的下界和上界。

本实施例中，冷热电联产系统机组的能量转换情况包括：

为冷热电联产系统在时刻t消耗的燃气功率，a₁、b₁、c₁、d₁、a₂、b₂、c₂和d₂为对应的效率系数。

此外，本实施例中设备出力约束还包括储电电站的充/放电功率的上下限、储电电站的储电容量上下限，可以表示为：

E^max≤E_t≤E^min

其中，

和

分别表示储电电站在时刻t的充电效率和放电效率，P^s,max为储电设备充/放电效率的上限，E_t为储电电站在时刻t的电量，E^max和E^min分别为储电容量的最大值和最小值，α_c和α_d分别为充电效率常数和放电效率常数。

负荷平衡约束包括能源互联网的电负荷、热负荷和冷负荷的供需平衡，可以表示为：

其中，

和

分别为水电站、风电站和光伏电站在时刻t的发电功率，

和

分别为时刻t的电制热设备功率和电制冷设备功率，

为燃气锅炉的供热功率，

和

分别为能源互联网系统的电负荷、热负荷和冷负荷，其热负荷可以通过供热蒸汽的流量、温度、压强、热值计算得到，冷负荷可以通过供冷气体的流量、温度、压强、热值计算得到。

为了考虑末端时间的自由问题，本实施例需要进行时间归一化，定义新的自变量τ∈[0，1]，并且将原问题的时间区间映射到[0，1]上，可以实施包括：

t＝t₀+(t_f-t₀)τ，τ∈[0,1]

其中，t₀和t_f分别为初始时刻和末端时刻。

为了应用凸优化求解多能源调度优化问题，首先要保证问题的“凸性”，即目标函数和约束条件均是凸函数，因此需要对问题进行凸化，以使得凸优化求解的最优解也是原问题的全局最优解，运用序列凸优化来逐步逼近原问题最优解；

凸化处理为引入松弛变量将目标函数及约束条件转换为凸规划模型，本实施例中转换后的凸规划模型可以包括：

min c^Tx+ρ^(m)S_sum

s.t.Ax+By+Cz≤b

z_i＝x_iy_i，i∈Ω

其中，x、y、z均为决策变量所构成的向量，x_i、y_i、z_i为对应向量中第i个元素，T为调度时段集合，c为目标函数系数，A、B、C、b为模型的参数，Ω为先行约束集合，ρ^(m)为第m次迭代时的补偿参数，S_sum为引入的辅助变量，表示松弛变量之和。

本实施例在凸优化迭代计算时，可以采用如下步骤：

步骤S301：采用一阶欧拉法对状态和控制量序列下的线性状态约束进行离散处理，得到一个线性递推公式(凸约束)；以周期为T进行离散采样，将原连续约束序列化；

步骤S302：设置迭代次数m＝0，补偿参数初始值ρ⁽⁰⁾>0，补偿参数增长补偿μ≥1，补偿参数最大值ρ_max，收敛性指标阈值δ₁和δ₂；

步骤S303：求解建立的序列凸优化问题，得到初始解{x⁽⁰⁾，y⁽⁰⁾，z⁽⁰⁾}；

步骤S304：计算收敛性指标G₁和G₂：

其中，

为第m次迭代松弛变量的解；

步骤S305：判断收敛性指标是否达到收敛条件；

若收敛性指标未达到收敛条件，则更新：

ρ^(m+1)＝min{μρ^(m),ρ_max}，m＝m+1

重复求解序列凸优化问题(步骤S303-S305)，得到新的解和收敛性指标，直到收敛性指标达到收敛条件，收敛条件即收敛性指标阈值δ₁和δ₂；

收敛性指标达到收敛条件时对应的解即为全局最优的调度结果。

至此，完成调度结果的运算。

下面以某一能源互联网为例，该能源互联网中包括风力、光伏、水电各一台，发电功率分别为4MW、4MW和12MW，储电电站规格为2MW/12MW··h，冷热电联产系统电功率为4.8MW，电负荷连接节点有5个，运行优化周期为24h，调度时间间隔取1h，参数设置为ρ⁽⁰⁾＝ρ_max＝10⁴，δ₁＝10^-4，δ₂＝10^-2，算法迭代过程中的收敛性指标G₁和G₂值随迭代次数增加而减小，分别在第17次和第14次满足收敛性条件，因此求解算法所需迭代次数为14次，可以得到设备的功率调度结果，同时系统运行成本相对采用电热系统优化或电力系统、供热系统独立优化的方法是最小的。

实施例二：

参见图3，本实施例提供了一种基于序列凸优化的能源互联网快速调度装置，包括：原问题建立模块51、凸规划转化模块52、迭代运算模块53和输出模块54；

其中，原问题建立模块51用于建立能源互联网的多能源系统调度优化非凸规划模型及约束条件；

凸规划转化模块52用于引入松弛变量，并将多能源系统调度优化非凸规划模型转化为凸规划模型；

迭代运算模块53用于根据序列凸优化方法对凸规划模型的问题进行迭代求解，得到调度结果；

输出模块54用于输出调度结果。

图4是本发明一实施例提供的终端设备6的示意图。如图4所示，该实施例的终端设备6包括处理器60、存储器61以及存储在存储器61中并可在处理器60上运行的计算机程序62，例如基于序列凸优化的能源互联网快速调度程序。处理器60执行计算机程序62时实现上述各个方法实施例中的步骤，例如图1所示的步骤S100至S400。或者，处理器60执行计算机程序62时实现上述各装置实施例中各模块/单元的功能，例如图2所示模块51至54的功能。

示例性的，计算机程序62可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器61中，并由处理器60执行，以完成本发明。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，该指令段用于描述计算机程序62在终端设备6中的执行过程。

终端设备6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。终端设备6可包括，但不仅限于，处理器60、存储器61。本领域技术人员可以理解，图4仅仅是终端设备6的示例，并不构成对终端设备6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，例如终端设备6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60可以是中央处理单元(Central Processing Unit，CPU)，还可以是其它通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其它可编程逻辑器件、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。

存储器61可以是终端设备6的内部存储单元，例如终端设备6的硬盘或内存。存储器61也可以是终端设备6的外部存储设备，例如终端设备6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，存储器61还可以既包括终端设备6的内部存储单元也包括外部存储设备。存储器61用于存储计算机程序以及终端设备6所需的其它程序和数据。存储器61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。当然，上述各单元、模块也可以用包含有计算机程序的处理器来替代，以纯软件的形式完成各部分的工作。

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，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。

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。

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，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，计算机程序包括计算机程序代码，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。计算机可读介质可以包括：能够携带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，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)

1.一种基于序列凸优化的能源互联网快速调度方法，其特征在于，包括：

建立能源互联网的多能源系统调度优化非凸规划模型及约束条件；

引入松弛变量，将所述多能源系统调度优化非凸规划模型转化为凸规划模型；

根据序列凸优化方法对所述凸规划模型的问题进行迭代求解，得到调度结果；

输出所述调度结果。

2.根据权利要求1所述的方法，其特征在于，所述多能源系统调度优化非凸规划模型的目标函数包括：

其中，M为天然气成本、外电网购电成本和系统运维成本的总和，K为系统中组成设备的总数，T为调度时段集合，

和

分别为单位时间t内该系统各组成部分k单元容量的天然气消耗成本、外网用电成本和设备运维成本。

3.根据权利要求1所述的方法，其特征在于，所述约束条件包括：设备出力约束、设备爬坡约束和负荷平衡约束；

其中，所述设备出力约束包括冷热电联产系统的冷/热/电功率的上下限，所述设备爬坡约束包括冷热电联产系统的冷/热/电功率爬坡能力的上下界，所述负荷平衡约束包括能源互联网的电负荷、热负荷和冷负荷的供需平衡。

4.根据权利要求3所述的方法，其特征在于，所述设备出力约束还包括储电电站的充/放电功率的上下限、储电电站的储电容量上下限。

5.根据权利要求1所述的方法，其特征在于，所述凸规划模型包括：

min c^Tx+ρ^(m)S_sum

s.t.Ax+By+Cz≤b

z_i＝x_iy_i，i∈Ω

其中，x、y、z均为决策变量所构成的向量，x_i、y_i、z_i为对应向量中第i个元素，T为调度时段集合，c为目标函数系数，A、B、C、b为模型的参数，Ω为先行约束集合，ρ^(m)为第m次迭代时的补偿参数，S_sum为引入的辅助变量，表示松弛变量之和。

6.根据权利要求5所述的方法，其特征在于，所述根据序列凸优化方法对所述凸规划模型的问题进行迭代求解，得到调度结果的步骤包括：

设置迭代次数m＝0，补偿参数初始值ρ⁽⁰⁾＞0，补偿参数增长补偿μ≥1，补偿参数最大值ρ_max，收敛性指标阈值δ₁和δ₂；

求解建立的序列凸优化问题，得到初始解{x⁽⁰⁾，y⁽⁰⁾，z⁽⁰⁾}；

计算收敛性指标G₁和G₂：

其中，

为第m次迭代松弛变量的解；

判断所述收敛性指标是否达到收敛条件；

若所述收敛性指标未达到收敛条件，则更新：

ρ^(m+1)＝min{μρ^(m)，ρ_max}，m＝m+1

重复求解序列凸优化问题，得到新的解和收敛性指标，直到收敛性指标达到收敛条件；

收敛性指标达到收敛条件时对应的解即为全局最优的调度结果。

7.根据权利要求1所述的方法，其特征在于，所述引入松弛变量，将所述多能源系统调度优化非凸规划模型转化为凸规划模型的步骤前，还对时间归一化，将原问题的时间区间映射到[0，1]上，包括：

t＝t₀+(t_f-t₀)τ，τ∈[0，1]

其中，t₀和t_f分别为初始时刻和末端时刻。

8.一种基于序列凸优化的能源互联网快速调度装置，其特征在于，包括：

原问题建立模块，用于建立能源互联网的多能源系统调度优化非凸规划模型及约束条件；

凸规划转化模块，用于引入松弛变量，并将所述多能源系统调度优化非凸规划模型转化为凸规划模型；

迭代运算模块，用于根据序列凸优化方法对所述凸规划模型的问题进行迭代求解，得到调度结果；

输出模块，用于输出所述调度结果。

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。

Images