CN113537632B - 考虑量化储热的多区域电-热综合能源系统优化控制方法 - Google Patents

Abstract

本发明公开了一种考虑量化储热的多区域电‑热综合能源系统优化控制方法，包括：考虑供热管网热动态特性和多区域调度的计算效率需求，基于一阶迎风差分改进并简化供热管网模型，建立供热管网的虚拟蓄热罐模型；基于所述虚拟蓄热罐模型建立储热量化指标，用于一次管网的储热水平的量化，并建立管网储热的量化调控指标；利用量化调控指标构建管网储热量的调控目标惩罚项；结合1–bin机组组合模型构建多区域IPHS优化调度模型，并利用混合整数二次规划求解器求解，得到IPHS日前机组组合与经济调度的优化控制结果。本发明提高了计算效率、实现供热管网储热量在IPHS调度中的协同优化。

Description

考虑量化储热的多区域电-热综合能源系统优化控制方法

技术领域

本发明涉及电-热综合能源系统领域，尤其涉及一种考虑量化储热的多区域电-热综合能源系统优化控制方法。

背景技术

随着城市化、工业化、现代化进程的不断推进，社会用能需求增长与能源短缺、环境污染的矛盾日益凸显，突破各能源子系统行业壁垒、发掘多能互补优势逐渐成为能源领域的关注焦点^[1]。电–热综合能源系统(Integrated Power and Heating System,IPHS)考虑电力系统与供热系统的耦合，是最常见的多能流系统之一。电能易传输、难存储，而热能易存储、难传输，因此热能与电能具有天然的互补特性^[2]。受限于供热系统的传输距离，IPHS通常为电力系统与多个供热系统耦合的多区域结构，如图1所示。通过研究IPHS的建模理论和优化调度方法，可以挖掘区域供热系统的储能潜力，有助于提高可再生能源消纳能力、系统灵活性以及能源利用效率^[3]。

在本研究领域，挖掘区域供热系统的灵活性、实现热电解耦一直是IPHS优化调度的关注重点。其中，利用供热系统的一次管网进行储能具有无需额外投资^[4]、不影响终端用户热舒适性^[5]等优点，已经受到广泛关注。文献^[6]提出一种考虑温度准动态特性的IPHS优化调度模型，通过挖掘供热系统一次管网的储热潜力促进风电消纳；文献^[7]考虑分时电价激励，基于节点法建立了考虑热能输运动态特性的IPHS调度方法，利用供热管网储热容量实现CHP削峰填谷；文献^[8]考虑供热管网的短期储热特性，建立了区域IPHS机组组合模型，减小了弃风率和一次能源消耗；文献^[9]建立了IPHS调度的动态能量流模型，通过有限元差分模型时间步长与空间步长的最优选取，取得了调度模型准确性与计算效率之间的折中方案；文献^[10]考虑供热管网的重构灵活性，建立了IPHS优化调度模型，进一步提高了供热管网的可再生能源消纳能力；文献^[11]提出一种考虑换热约束的IPHS调度方法，分析了换热约束对调度结果可行性的重要意义，提高了供热管网动态特性刻画的准确性。

已有研究从促进风电消纳、削峰填谷、提升能效等角度研究了IPHS优化调度方法，挖掘了供热管网的储能潜力，并且在建模方法、求解算法等方面做出了改进，但是未充分考虑IPHS的多区域特性，如文献[7]-[9]考虑的均为包含单个供热系统的区域级IPHS。目前，多区域IPHS优化调度面临的问题可以概括为以下三个方面。首先，当前基于机组组合模型^[12]的多区域IPHS调度方法仅考虑机组经济性，难以主动调控多区域供热系统的管网储热量，热电联产机组的灵活调度会导致管网水温波动，造成热损量增加、加速管网老化^[13]；其次，不同供热系统管网温度上下限、管网容量、管网储热量上下限可能均不相同，缺乏针对多区域供热管网储热的量化调控指标，增加了调控难度^[14]；最后，在多区域IPHS场景下，数量庞大的节点、管道约束会带来大量计算成本^[15]，在区域级IPHS调度中广泛采用的供热系统模型，如节点法，难以满足多区域IPHS调度的计算效率需求。

参考文献

[1]贾宏杰，穆云飞，余晓丹.对我国综合能源系统发展的思考[J].电力建设，2015，36(1)：16-25.

[2]徐飞，闵勇，陈磊，等.包含大容量储热的电–热联合系统[J].中国电机工程学报，2014，34(29)：5063-5072.

[3]杨经纬，张宁，王毅，等.面向可再生能源消纳的多能源系统：述评与展望[J].电力系统自动化，2018，42(4)：11-24.

[4]Hennessy J，Li Hailong，Wallin F，et al.Flexibility in thermal grids:a review of short-term storage in district heating distribution networks[J].Energy Procedia，2018，158：2430-2434.

[5]Kensby J，Trüschel A，

J.Potential of residential buildingsas thermal energy storage in district heating systems–Results from a pilottest[J].Applied Energy，2015，137：773-781.

[6]Li Zhigang，Wu Wenchuan，Shahidehpour M，et al.

Combined Heat and Power Dispatch Considering Pipeline Energy Storageof District Heating Network[J].IEEE Transactions on Sustainable Energy，2016，7(1)：12-22.

[7]王明军，穆云飞，孟宪君，等.考虑热能输运动态特性的电–热综合能源系统优化调度方法[J].电网技术，2020，44(1)：132-142.

[8]Wang Jinda，Zhou Zhigang，Zhao Jianing.Improving wind powerintegration by a novel short-term dispatch model based on free heat storageand exhaust heat recycling[J].Energy，2018，160：940-953.

[9]Yao Shuai，Gu Wei，Lu Shuai，et al.Dynamic Optimal Energy Flow in theHeat and Electricity Integrated Energy System[J].IEEE Transactions onSustainable Energy，2021，12(1)：179-190.

[10]Xue Yixun，Shahidehpour M，Pan Zhaoguang，et al.

Reconfiguration of District Heating Network for OperationalFlexibility Enhancement in Power System Unit Commitment[J].IEEE Transactionson Sustainable Energy，2021，12(2)：1161-1173.

[11]Dai Yuanhang，Chen Lei，Min Yong，et al.Dispatch Model for CHP WithPipeline and Building Thermal Energy Storage Considering Heat TransferProcess[J].IEEE Transactions on Sustainable Energy，2019，10(1)：192-203.

[12]Li Zhigang，Wu Wenchuan，Wang Jianhui，et al.

Transmission-Constrained Unit Commitment Considering CombinedElectricity and District Heating Networks[J].IEEE Transactions on SustainableEnergy，2016，7(2)：480-492.

[13]Pirouti M，Bagdanavicius A，Ekanayake J，et al.Energy consumptionand economic analyses of a district heating network[J].Energy，2013，57：149-159.

[14]Xu Xiandong，Lyu Quan，Qadrdan M，et al.

Quantification of Flexibility of a District Heating System for thePower Grid[J].IEEE Transactions on Sustainable Energy，2020，11(4)：2617-2630.

[15]Kouhia M，Laukkanen T，Holmberg H，et al.District heat network as ashort-term energy storage[J].Energy，2019，177：293-303.

[16]Vandermeulen A，Heijde B，Helsan L.Controlling district heating andcooling networks to unlock flexibility：A review[J].Energy，2018，151：103-115.

[17]Zhou Yifan，Hu Wei，Zheng Lei，et al.Power and energy flexibility ofdistrict heating system and its application in wide-area power and heatdispatch[J].Applied Energy，2020，190：116426.[18]Duquette J，Rowe A，WildP.Thermal performance of a steady state physical pipe model for simulatingdistrict heating grids with variable flow[J].Applied Energy，2016，178：383-393.[19]Wang Yaran，You Shijun，Zhang Huan，et al.Thermal transient prediction ofdistrict heating pipeline：Optimal selection of the time and spatial steps forfast and accurate calculation[J].Applied Energy，2017，206：900-910.

[20]江艺宝.多重不确定性下区域综合能源系统协同优化运行研究[D].杭州：浙江大学，2020.

[21]王亦昭，刘雄.供热工程[M].北京：机械工业出版社，2007：266-270.

[22]Wirtz M，Kivilip L，Remmen P，et al.5th Generation District Heating:A novel design approach based on mathematical optimization[J].Applied Energy，2020，260：114158.

[23]

M，Bujalski W，Futyma K.Operational Optimization in DistrictHeating Systems with the Use of Thermal Energy Storage[J].Energy，2018，165：902–915.

[24]王婉璐，杨莉，王蕾，等.考虑供热网储热特性的电-热综合能源系统优化调度[J].电力系统自动化，2018，42(21)：45-55.

[25]Falay B，Schweiger G，O'Donovan K，et al.Enabling large-scaledynamic simulations and reducing model complexity of district heating andcooling systems by aggregation[J].Energy，2020，209：118410.

[26]王晋达，周志刚，赵加宁，等.集中供热管网的蓄热模式与蓄热能力评估[J].暖通空调，2019，49(1)：46-51+88.

[27]Lei Wu.Accelerating NCUC Via Binary Variable-Based Locally IdealFormulation and Dynamic Global Cuts[J].IEEE Transactions on Power Systems，2016，31(5)：4097-4107.

[28]Chen Xinyu，Kang Chongqiing，O’Malley M，et al.

Increasing the Flexibility of Combined Heat and Power for Wind PowerIntegration in China:Modeling and Implications[J].IEEE Transactions on PowerSystems，2015，30(4)：1848-1857.[29]王明军.考虑热能输运动态特性的电-热综合能源系统运行优化[D].天津：天津大学，2021.

[30]Barbulescu C，Kilyeni S，Vuc G，et al.Software tool for powertransfer distribution factors(PTDF)computing within the power systems[C]//IEEE EUROCON 2009，2019，St.Petersburg，Russia：517-527

[31]翟桥柱，田建芳，毛亚珊.发电机组旋转备用宽度的概念、性质及应用(一)：概念和基本性质[J].中国电机工程学报，2016，36(18)：4808-4816.

发明内容

本发明提供了一种考虑量化储热的多区域电-热综合能源系统优化控制方法，本发明旨在解决多区域IPHS优化调度的储热量化难题、提高计算效率、实现供热管网储热量在IPHS调度中的协同优化，详见下文描述：

一种考虑量化储热的多区域电-热综合能源系统优化控制方法，所述方法包括：

考虑供热管网热动态特性和多区域调度的计算效率需求，基于一阶迎风差分改进并简化供热管网模型，建立供热管网的虚拟蓄热罐模型；

基于所述虚拟蓄热罐模型建立储热量化指标，用于一次管网的储热水平的量化，并建立管网储热的量化调控指标；利用量化调控指标构建管网储热量的调控目标惩罚项；

结合1–bin机组组合模型构建多区域IPHS优化调度模型，并利用混合整数二次规划求解器求解，得到IPHS日前机组组合与经济调度的优化调度结果。

其中，所述储热量化指标SOTS为：

式中：

与

分别为_t时刻供水管网与回水管网的储热量；

上下限约束为：

式中：SOTS_k,t为k供热系统_t时刻储热量化指标；

与

分别为k供热系统储热量上下限；δ_k为k供热系统的量化调控指标，代表调度方案对SOTS_k,t上限的修正幅度，δ_k∈[0,1]。

在一种实施方式中，所述利用量化调控指标构建管网储热量的调控目标惩罚项具体为：

构建由机组组合成本C^UC、机组经济调度成本C^ED、弃风惩罚成本C^Curt、供热管网储热量的协同调控惩罚项C^Coor组成的目标函数。

在一种实施方式中，所述目标函数为：

minC＝C^UC+C^ED+C^Curt+C^Coor

式中：p_i,t为机组i在_t时段的出力；z_i,t为机组i在_t时段的启停状态；U_i为机组i的启停成本，是z_i,t的函数；C_i,t为机组i在_t时段的燃料成本，是p_i,t和z_i,t的函数；

为风电机组i在_t时段的弃风量；c^curt为弃风惩罚费用；ε为协同调控惩罚项的罚因子；Γ^TU为传统火电机组的集合；Γ^CHP为CHP机组的集合；Γ^WT为风电机组的集合；Γ^DHS为供热系统的集合。

本发明提供的技术方案的有益效果是：

1、通过挖掘供热管网的储热能力，本方法降低了机组成本、提高了可再生能源消纳率；此外，基于量化储热的协同调控降低了供热系统热损量，避免了供热管网储热量的大幅波动；

2、通过与基于节点法模型的多区域IPHS调度方法对比，本方法基于虚拟蓄热罐模型的调度方法在保证准确性的前提下，显著提高了计算效率。

附图说明

图1为多区域IPHS的示意图；

图2为供热管网虚拟蓄热罐模型的示意图；

图3为IPHS算例结构图；

图4为机组出力情况示意图；

图5为各供热系统SOTS(热储能状态指标)箱线示意图；

图6为不同罚因子下的IPHS优化调度结果示意图；

图7为供热系统关键参数对风电消纳的影响示意图；

图8为热动态仿真结果示意图；

图9为模型求解时间示意图；

图10为IPHS负荷与风电预测出力的示意图；

图11考虑量化储热的多区域IPHS优化控制流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

多区域电–热综合能源系统(Integrated Power and Heating System,IPHS)是包含多个独立供热系统的跨区域电热耦合系统，其供热管网储热能力具有大量调控潜力。但目前IPHS调度未考虑储热量化和储热主动调控，造成管网热损增加、管网加速老化等诸多问题，严重影响管网储热潜力的灵活利用。

因此，本发明实施例提出一种考虑量化储热的多区域IPHS优化调度方法。首先，考虑供热管网热动态特性和多区域调度的计算效率需求，基于一阶迎风差分改进并简化供热管网模型，建立供热管网的虚拟蓄热罐模型；在此基础上，提出供热系统热储能状态指标(State of Thermal Storage,SOTS)，用于一次管网的储热水平的量化，并建立管网储热的量化调控指标；最后，结合1–bin机组组合模型构建多区域IPHS优化调度模型，并利用混合整数二次规划求解器求解，得到IPHS日前机组组合与经济调度的优化调度方案。算例分析验证了该方法在提升IPHS机组经济性、促进风电消纳、降低热损量等方面的有效性。

在建模阶段结合多区域IPHS的调度需求建立供热管网虚拟蓄热罐模型，并建立管网储热量化指标SOTS和量化调控指标δ，利用量化调控指标δ构建管网储热量的调控目标惩罚项，引入IPHS优化调度，实现考虑供热管网储热量的IPHS协同调控(下文简称为协同调控)，求解得到多区域IPHS机组组合、出力的优化调度方案。

一、考虑量化储热的供热系统模型

多区域IPHS中供热系统数量众多、运行参数各异，通过输电网互联，其调度模型需要满足以下几个要求：首先，供热管网的储热能力源自其热惯性，为了刻画这一特性供热系统模型必须是准动态模型^[16]；同时，为了减小多区域IPHS调度的计算负担^[17]，供热系统模型应适当简化以提高求解效率；最后，供热系统建模过程需要考虑一次管网的储热量化，为协同调控提供管网储热量化调控指标。

二、供热管道热动态建模

供热管道的热动态特性主要包括：传输延迟和热能输运过程中的热量损失，体现为管道内流体温度的动态变化，沿供热管道轴向建立一维温度场，根据能量守恒建立供热管道热动态模型^[18]：

式中：T为管道内水温；c_p为水的比热容；ρ为水的密度；A为管道的内横截面积；_m为质量流率；R为管道的总热阻；λ为水的导热系数；T_a为环境温度；_t和_x分别为时间变量和空间变量。

由于供热管道内水温通常不会突变，已有研究表明忽略管道内水流的轴向热传导不会引起较大误差^[19]，因此，为简化计算可以将公式(1)中的二阶热传导项省略，得到简化的供热管道热动态：

应用隐式迎风法对公式(2)做差分，使用隐式差商代替时间偏导数，使用迎风格式差商代替空间偏导数^[20]。

供热管道的热动态过程可表示为：

式中：T_t ⁱⁿ与T_t ^out分别为t时刻管道的入口水温与出口水温；T_t＝(T_t ⁱⁿ+T_t ^out)/2为t时刻管道的平均水温；L为管道的长度；Tta为_t时刻环境温度。

公式(3)描述了供热管网的热动态过程，并且可以整理为显示格式，得到管道入口水温与出口水温的时域映射关系。本发明实施例中的一次管网采用常见的质调节运行模式^[21]，因此除温度外，公式(3)中其他参数均为常数。

三、供热管网虚拟蓄热罐建模

对于供热管网的热动态建模，一种简化思路是忽略供热管网的拓扑，将管网整体等效为蓄热罐^[22][23]。这种简化忽略了供热管网拓扑结构对热动态特性的影响，适用于关注管网整体热动态特性的调度场景。因此，将供水管网和回水管网看作两个虚拟蓄热罐，此时公式(3)不再对应供热管网的某一根管道，而是对应两个虚拟蓄热罐：

式中：T_t ^S＝(T_t ^S,in+T_t ^S,out)/2为t时刻供水管网蓄热罐的平均水温；T_t ^R＝(T_t ^R,in+T_t ^{R ,out})/2为t时刻回水管网蓄热罐的平均水温；T_t ^S,in与T_t ^S,out分别为t时刻供水管网蓄热罐的入口水温与出口水温；T_t ^R,in与T_t ^R,out分别为t时刻回水管网蓄热罐的入口水温与出口水温。

热源处换热首站将管网回水加热并送入供水管网，根据热功率守恒方程，可由供回水温度确定热源的功率：

式中：

为t时刻热源的热功率。

一次管网输运的热能通过换热子站进入二次管网并为用户供热，由于本发明实施例主要考虑供热一次网的储热潜力，因此将一次网的每个换热子站对应的二次管网和建筑物等效为一个热负荷^[24]，得到热负荷的功率守恒方程：

式中：

为t时刻供热系统总热负荷；

为换热站b的热负荷。

综上，供热管网的虚拟蓄热罐模型的结构如图2所示。其中，公式(4)、(5)中定义了供回水管网虚拟蓄热罐的平均温度，每个换热子站的等效热负荷连接了供水与回水两个虚拟储热罐。

表1供热系统模型物理性质守恒

Tab.1 Conservation of physical properties of district heating system

为了使供热系统等效模型与原始管网的动态特性保持一致，需要传输延迟、管道容量、质量流率等物理性质保持守恒^[25]。表1展示了虚拟蓄热罐模型的物理性质守恒情况，并选取常用的节点法模型用作对比。由表1可知，虽然虚拟蓄热罐模型未保持管道长度与管道内径守恒，但是质量流率、管网容量等重要热动态参数均保持守恒。因此虚拟蓄热罐模型的动态特性能够与原始管网保持一致。

四、供热管网储热量化

为了刻画供热管网储热水平、实现考虑供热管网储热量的多区域IPHS协同调控，基于虚拟蓄热罐模型建立储热量化指标SOTS(State of Thermal Storage)。首先，设定基准温度，定义供水管网与回水管网的储热量^[26]：

式中：

与

分别为_t时刻供水管网与回水管网的储热量；V^s与V^r为两者的水容量；T^s,ref与T^r,ref为两者的基准温度。进而，以供水管网为例，其储热量上下限分别由供水温度的上下限确定：

式中：

与

为_t时刻供水管网储热量的上下限；T^s,max与T^s,min为供水温度上下限。

回水管网储热量的上下限

与

构造方式同理，由回水温度上下限T^r,max与T^r,min确定，此处不再赘述。综上，易得供热系统一次管网的储热量为

对该指标进行归一化处理，得到供热系统一次管网的储热量化指标：

式中：SOTS_t为_t时刻供热系统一次管网的储热量化指标。由于供水管网和回水管网通常对称建立，可以假设供、回水管网的水容量相等，即V^s＝V^r，因此可进一步简化储热量化指标：

由公式(12)可知，SOTS_t是一次管网储热量的归一化指标。由于储热量正比于供、回水管网的平均水温，SOTS_t可以用供、回水管网平均水温及其温度上下限刻画，如公式(13)所示，因此SOTS_t较高意味着供热管网平均水温较高，对应时段热损量较高，为了避免IPHS调度使供热系统的热损成本增加，在SOTS的上限增加辅助变量

构造SOTS上下限的柔性约束：

式中：SOTS_k,t为k供热系统_t时刻储热量化指标；

与

分别为k供热系统储热量上下限。

在辅助变量中，

为

的最大期望裕度值，用于修正SOTS_k,t的理论上限，以减小热损量；δ_k为k供热系统的量化调控指标，代表调度方案对SOTS_k,t上限的修正幅度，由于SOTS_k,t的最大修正幅度为

且仅考虑向下修正，因此δ_k∈[0,1]。

五、考虑量化储热的多区域IPHS优化控制

以最小化多区域IPHS的日运行成本为目标，基于供热系统虚拟蓄热罐模型和1-bin机组组合模型，建立考虑量化储热的多区域IPHS优化调度模型。

1、目标函数

多区域IPHS日运行成本C包含机组组合成本C^UC、机组经济调度成本C^ED、弃风惩罚成本C^Curt，并且引入供热管网储热量的协同调控惩罚项C^Coor，目标函数为：

minC＝C^UC+C^ED+C^Curt+C^Coor (15)

式中：p_i,t为机组i在t时段的出力；z_i,t为机组i在t时段的启停状态，是0-1变量；U_i为机组i的启停成本，是z_i,t的函数；C_i,t为机组i在t时段的燃料成本，是p_i,t和z_i,t的函数；

为风电机组i在_t时段的弃风量；c^curt为弃风惩罚费用；ε为协同调控惩罚项的罚因子；Γ^TU为传统火电机组的集合；Γ^CHP为CHP机组的集合；Γ^WT为风电机组的集合；Γ^DHS为供热系统的集合。

其中，C^Coor从管网储热量调控的角度出发，将过高的SOTS_k,t上限作为惩罚项引入多区域IPHS，δ_k较低代表SOTS_k平均值较高，此时k供热系统热损量较高，目标函数(15)的日运行成本也较高，罚因子ε视为供热管网储热量调控的单位成本。在协同调控惩罚项C^Coor中，量化调控指标δ_k已考虑各供热系统储热量的归一化，避免了直接将热损量引入目标函数之后部分供热系统的管网储热量被频繁调度的问题。

2、约束条件

1)机组约束

机组约束包括：出力约束、爬坡约束、启停约束和CHP的电热耦合约束。对于传统火电机组与CHP机组，机组出力约束表示为：

z_i,tP_i ^min≤p_i,t≤z_i,tP_i ^max,Γ^TU∪Γ^CHP (17)

式中：P_i ^max与P_i ^min分别为机组i的出力上下限。

对于风电机组，其出力约束表示为：

式中：

为风电机组i在t时段的预测出力。

对于传统火电机组与CHP机组，机组的爬坡约束表示为：

式中：

与

分别为机组i在_t时段上行、下行的爬坡约束，其构造方式分别如下所示^[27]：

式中：UR_i与DR_i分别为机组i向上、向下的爬坡率约束；UP_i与DP_i分别为机组i开机、停机的爬坡率约束。

机组启停约束包括机组最小启动、关闭时间：

式中：T_i ^on,min与T_i ^off,min分别为机组i的最小启动、关闭时间；T为调度时段数。

对于CHP机组，其电出力与热出力满足热电约束确立的函数关系：

f_i(p_i,t,h_i,t)＝0,i∈Γ^CHP (22)

其中，h_i,t为机组i在t时段的热出力。

对于背压式机组，其热电比固定，式(22)是线性约束；对于抽凝式机组，其热电比可调，式(22)可以用CHP可行域顶点的集合表示^[28]。由于背压式CHP在以热定电运行方式下本身不具有灵活性，更加依赖供热系统的灵活性和优化调度方法的改进^[29]，因此选用背压式CHP以检验本方法的有效性。

背压式CHP的热电耦合约束如下式所示：h_i,t＝η_ip_i,t,i∈Γ^CHP (23)

式中：η_i为CHP机组i的热电比。

2)电力系统约束

电力系统约束包括功率平衡约束、线路容量约束和旋转备用约束三部分。为保证供电的安全可靠，系统电功率与负荷需要实时平衡，功率平衡约束为：

式中：d_j,t为负荷j在t时刻的功率；Γ表示所有机组的集合，即Γ＝Γ^TU∪Γ^CHP∪Γ^WT，D为负荷的集合。

线路传输功率不能超过线路容量，基于直流潮流的线路容量约束为：

式中：P_l ^max为线路l的容量；

与

为基于直流潮流的PTDF矩阵中的元素，PTDF矩阵的计算方法可参考文献^[30]。

传统火电机组提供电力系统需要的旋转备用容量，机组的备用容量表示为^[31]：

式中：

与

分别为机组i在_t时段的上备用容量与下备用容量；ΔP_i ^u,max与ΔP_i ^{d ,max}分别为机组i的上行、下行爬坡上限；P_i ^max与P_i ^min分别为机组i的出力上下限。系统备用约束为：

式中：

与

分别为系统需要的上备用与下备用容量。

3)供热系统约束

供热系统约束包括(4)-(7)、(13)、(14)以及储热容量约束、温度梯度约束和以热定电约束。与传统储热装置类似，规定供热系统储热量在调度结束时等于初始时刻储热量：

SOTS_k,T＝SOTS_k,0 (28)

其中，SOTS_k,0为k供热系统在初始时刻的SOTS。

出于减缓管道老化、提高供热安全性等目的，温度梯度约束限制了供水温度的调节速度：

式中：

为k供热系统的最大温度梯度。

若不考虑供热系统储热以及灵活调控能力，供热系统将运行在以热定电的模式，热源出力需要与热负荷实时平衡，忽略供热管网的热损，以热定电约束为：

六、模型归纳与求解

综上所述，考虑量化储热的多区域IPHS优化控制模型可以归纳为：

上述优化调度模型为混合整数二次规划模型(Mixed Integer QuadraticProgramming，MIQP)，可采用成熟的混合整数求解器求解。本文使用Matlab R2020a与Yalmip工具包调用Gurobi 9.1.1求解器，利用MIQP算法对多区域IPHS优化调度模型进行求解，得到优化调度方案。

七、模型应用

现有多区域IPHS优化控制方法存在的问题可以概括为以下三个方面：

1)当前基于机组组合模型的多区域IPHS调度方法难以灵活调控多区域供热系统的管网储热量，并且可能导供热系统温度过高，造成热损量增加；

2)不同供热系统管网温度上下限、管网容量、管网储热量上下限可能均不相同，缺乏针对多区域供热管网储热的量化调控指标；

3)在多区域IPHS场景下，数量庞大的节点、管道约束会带来大量计算成本，现有方法难以满足多区域IPHS调度的计算效率需求。

为解决上述问题，提出一种考虑量化储热的多区域电–热综合能源系统优化调度方法，在建模阶段结合多区域IPHS的调度需求建立供热管网虚拟蓄热罐模型，并建立管网储热量化指标SOTS和量化调控指标δ，利用量化调控指标δ构建管网储热量的调控目标惩罚项，引入IPHS优化调度，实现考虑供热管网储热量的IPHS协同调控。在求解环节利用MatlabR2020a与Gurobi 9.1.1编程求解式(31)构建的混合整数二次规划模型，得到多区域IPHS机组组合、出力的优化调度方案，本方法解决问题与取得改进如下：

1)本方法符合多区域IPHS场景下计算精度与效率的要求，与基于节点法的IPHS调度方法相比，本方法在保证供热系统模型精度的前提下减小了调度模型规模，提高了求解效率；

2)本方法可提高IPHS调度的经济性与灵活性，相比于以热定电的调度模式，IPHS机组成本与弃风量有所降低；

3)本方法可实现供热管网储热量的协同调控以减小热损量，与不考虑协同调控的调度模式相比，个别供热系统储热量峰值显著降低，多区域供热系统总热损量有所削减。

八、算例设置

本发明实施例选取IEEE-118节点电力系统算例，系统中29个节点为传统火电机组，6个节点为风电机组，19个节点为CHP机组，CHP机组装机容量在火电机组中占比41.6％，风电机组在发电机组中占比为19％，如图3所示。每个CHP机组对应一个区域供热系统，分别选取6节点、28节点以及44节点供热系统算例^[7][29]进行复用，供热系统参数如附录A表A1所示。所有供热系统在0时的SOTS设为50％，

均为0％，

均为100％，

均设为50％。IPHS的电、热负荷以及风电预测出力如图10所示，调度周期24h，调度时间分辨率为1h。为验证本方法的有效性，算例设置3个场景：

1)场景Ⅰ：

采用以热定电运行模式，控制模型为(31)，并将其中约束(4-7)，(13)，(14)替换为式(30)；

2)场景Ⅱ：

采用本方法，调度模型为(30)，不考虑供热管网储热量的协同调控，忽略协同调控惩罚项的影响，罚因子ε设为0；

3)场景Ⅲ：

采用本方法，调度模型为(30)，考虑供热管网储热量的协同调控，将罚因子ε设为10³；

场景Ⅰ与场景Ⅱ的调度结果如图4所示。由图4(a)可知，场景Ⅰ中CHP工作在“以热定电”的模式，其强制出力无法参与IPHS优化调度，系统调峰资源不足，因此在1-7时存在弃风现象；由图4(b)可知，场景Ⅱ的调度方法利用供热管网的储热能力实现了CHP机组热电解耦，丰富了IPHS调控资源，CHP在0-7时主动减小出力，弃风量显著降低。

算例三个场景的机组成本、弃风量、热损量如表2所示，其中，机组成本由机组组合成本与经济调度成本组成，即C^UC+C^ED。对比场景Ⅰ与场景Ⅱ可知，由于场景Ⅱ调度方法提高了CHP机组的灵活性，为IPHS调度引入了新的资源，提高了IPHS的风电消纳能力，因此机组成本与弃风量均减少。其中，IPHS机组成本减少了0.72％，弃风量减少了24.69％。对比场景Ⅱ与场景Ⅲ可知，考虑多区域协同调控的场景Ⅲ能够降低供热系统的热损，减小IPHS调度对供热系统的影响，同时对于风电的消纳能力与场景Ⅱ保持一致。相比于场景Ⅱ，场景Ⅲ中热损量减少了2.23％，机组成本仅增加0.03％，场景Ⅲ中热损的改善会牺牲一部分机组经济性，但仍然显著优于场景Ⅰ的结果。

表2系统运行成本削减比例

Tab.3 Reduction rate of operational costs

为体现场景Ⅱ与场景Ⅲ两种调度模式对供热管网储热的影响，利用各供热系统在调度周期内的SOTS值绘制的箱线图，如图5所示。在场景Ⅱ中，部分供热系统(3/5/12/12/14/16号)在调度周期内出现较高的SOTS峰值，导致相应时段的热损量较高，其中5号供热系统的SOTS更是有半数时段高于50％。而在场景Ⅲ中，大部分供热系统SOTS的峰值与中位数相比场景Ⅱ均有所降低，对应的热损量也低于场景Ⅱ。此外，场景Ⅲ中SOTS的波动范围小于场景Ⅱ，有利于维持供热系统的安全稳定运行。

由上文分析可知，罚因子ε的选取对IPHS优化调度的机组成本与热损量具有较大影响。当ε取值较小，系统调度倾向于机组经济性最优；当取值较大，系统调度倾向于热损量最优。因此，改变罚因子ε，不同罚因子下IPHS优化调度的机组成本与热损量，如图6所示。当ε等于0即场景Ⅱ，IPHS优化调度仅考虑机组经济性。随着ε提高，热损量逐渐减少，机组成本逐渐增加，系统牺牲一部分机组经济性实现多区域供热系统的协同调控，改善了供热系统的热损情况。当ε大于1.5，机组成本与热损量均趋于不再改变，此时各供热系统的热损量已经无法通过多区域协同调控进一步改善，热损量目标达到了最优解。

由于ε的变化对弃风量没有影响，显然场景Ⅲ对热损的削减不会牺牲供热系统的灵活性。为了进一步挖掘供热系统灵活性、提高IPHS消纳风电的能力，设置算例分析供热系统关键参数对弃风率的影响。分别改变多区域供热系统的平均最大温度梯度和0时的平均SOTS，在场景Ⅱ(ε＝0)下IPHS的弃风率如图7所示。因为温度梯度约束限制了CHP机组的爬坡率，随着多区域供热系统平均最大温度梯度的提高，弃风率下降，忽视温度梯度约束可能会导致调度指令高估供热系统灵活性。此外，较高的SOTS意味着供热系统的储热量较高，消纳风电的潜力也越大，所以0时的平均SOTS越高，IPHS的弃风率越小。

九、控制方法的准确性与计算效率验证

本节验证本方法的准确性与计算效率，将本文调度模型中的供热系统虚拟蓄热罐模型替换为常用的节点法^[32]，得到基于节点法的IPHS优化调度方法为本文的对照模型，优化控制场景选用场景Ⅱ。

为检验本文控制模型的准确性，对本文虚拟蓄热罐模型与节点法模型进行热动态仿真。选用44节点热网算例，热源处供水温度曲线和回水温度的动态响应仿真结果如图8所示。可以看出，虚拟蓄热罐模型在简化管网拓扑之后仍能够较为准确地反映供热系统的传输延迟特性。其中，两个供热系统模型回水温度仿真结果的最大绝对误差为1.06℃。

保持电力系统算例不变，通过增加、减少CHP节点改变IPHS中的区域供热系统数量，对比两个调度模型的变量、约束数量和求解时间，检验本文模型在多区域IPHS场景下的计算效率。

由表3可以看出，随着区域供热系统数量增加，基于节点法的调度模型中变量与约束数量急剧增加，本文调度模型显著减小了模型规模。供热系统数量越多，本文调度模型相比于对照模型的优势越明显。

表3模型规模对比

Tab.3 Comparison of model scale

两个控制模型的求解时间如图9所示，可以看出随着供热系统数量增加，基于节点法的IPHS优化调度方法求解效率大大降低，而本文模型的求解时间基本不变。

本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种考虑量化储热的多区域电-热综合能源系统优化控制方法，其特征在于，所述方法包括：

考虑供热管网热动态特性和多区域调度的计算效率需求，基于一阶迎风差分改进并简化供热管网模型，建立供热管网的虚拟蓄热罐模型；

基于所述虚拟蓄热罐模型建立储热量化指标，用于一次管网的储热水平的量化，并建立管网储热的量化调控指标；利用量化调控指标构建管网储热量的调控目标惩罚项；

结合1–bin机组组合模型构建多区域IPHS优化控制模型，并利用混合整数二次规划求解器求解，得到IPHS日前机组组合与经济的优化控制结果；

其中，所述储热量化指标SOTS为：

式中：

与

分别为t时刻供水管网与回水管网的储热量；

上下限约束为：

式中：SOTS_k,t为k供热系统t时刻储热量化指标；

与

分别为k供热系统储热量上下限；δ_k为k供热系统的量化调控指标，代表调度方案对SOTS_k,t上限的修正幅度，δ_k∈[0,1]；

所述利用量化调控指标构建管网储热量的调控目标惩罚项具体为：

构建由机组组合成本C^UC、机组经济调度成本C^ED、弃风惩罚成本C^Curt、供热管网储热量的协同调控惩罚项C^Coor组成的目标函数；所述目标函数为：

minC＝C^UC+C^ED+C^Curt+C^Coor

式中：p_i,t为机组i在t时段的出力；z_i,t为机组i在t时段的启停状态；U_i为机组i的启停成本，是z_i,t的函数；C_i,t为机组i在t时段的燃料成本，是p_i,t和z_i,t的函数；

为风电机组i在t时段的弃风量；c^curt为弃风惩罚费用；ε为协同调控惩罚项的罚因子；Γ^TU为传统火电机组的集合；Γ^CHP为CHP机组的集合；Γ^WT为风电机组的集合；Γ^DHS为供热系统的集合。

Images