CN113555907B - 一种考虑非理想通信情况的分布式多能系统滚动优化控制方法 - Google Patents

Abstract

本发明公开了一种考虑非理想通信情况的分布式多能系统滚动优化控制方法，包括如下步骤：步骤1：在每个时间尺度Δτ初始时刻读取最新的RES功率和负载的预测数据；步骤2：根据步骤1中的信息进行Δτ时间尺度的滚动优化；步骤3：进入短时间尺度Δτ'动态调整部分，监控并更新数据；步骤4：判断预测值与真实值的偏差ΔP_i ^τ'是否超过阈值ξ_i，如果ΔP_i ^τ'≤ξ_i，跳到步骤5，否则跳到步骤6；步骤5：执行大时间尺度滚动优化的计算结果；步骤6：根据最新更新的数据，进行动态调整优化，并调整策略；步骤7：更新时刻，τ'＝τ'+Δτ'；步骤8：如果时刻τ'到达下一个时间间隔τ+Δτ，跳到步骤1，否则跳到步骤3。本发明解决分布式决策系统中的不确定性和能量流延迟特性问题，获得非理想通信条件下的最优解。

Description

一种考虑非理想通信情况的分布式多能系统滚动优化控制 方法

技术领域

本发明涉及综合能源技术领域，尤其是一种考虑非理想通信情况的分布式多能系统滚动优化控制方法。

背景技术

可再生能源和清洁能源是减少传统化石燃料发电厂产生的污染物的有效方法。目前，越来越多的政府致力于推动和建设综合多能源系统(integrated energy system，IMS)实验项目，实现RES和清洁能源的综合利用。IMS可分为跨区域系统和区域系统。与电力系统类似，这些系统的结构可以是集中式的，也可以是分布式的。分布式IMS可以提高系统的效率和可靠性，降低传输损耗。DIMS通常由天然气系统、热力系统、电网系统等组成。可广泛应用于分布式RES的消耗、平衡电动汽车接入造成的电网波动、清洁能源的高效利用等方面。利用不同的策略和优化方法来优化DIMS的运行已经有了很多的研究。有研究提出了一种基于神经动力学的分布式优化策略，该策略在考虑各种耦合等式和不等式约束的情况下，满足收敛速度和计算复杂度的要求，以求得IES中实际年效益的最大值。有学者提出一种新的优化调度方法，建立了一个考虑工业生产过程的可拓能源枢纽模型，该方法可提高工业园区DIMS的能源效率和运行经济性。有研究人员考虑可再生能源和负荷的随机性，研究了无模型分层学习的多区域IMS动态能源调度优化方法。然而，对RES和负荷的预测往往与实际情况不一致，影响了系统的高效稳定运行。修正预测模型可以提高预测精度来解决这一问题，改进调度模型也可以减少RES和负荷的不确定性带来的负面影响。也有研究着力建立日前调度模型和实时调度模型，分别对冷、电系统采用不同时间尺度的调度方案，平滑热电联产机组的可再生能源供应波动。同时，模型预测控制(MPC)已经成功地应用于许多电力系统领域，一些研究者已经将MPC应用于IMS。针对电网的负荷经济调度和负荷频率控制问题，有文献提出了一种分布式经济模型预测控制策略。除了RES和负荷的不确定性外，IMS的能量流传输过程与传统电网有显著不同。IMS中的热网络具有能量流传输存在明显延迟的特点。在短期范围内调度过程中，该特性不能被忽略，会导致调度结果亚优。虽然考虑了热网的动态传输特性，但这些策略仅适用于集中式IMS，不适用于分布式系统。除了以上两点，信息网络对IMS的影响也不容忽视。众所周知，随着信息通信技术的发展，智能电网已经成为一个信息物理融合系统。作为智能电网的延伸，IMS信息和通信网络对物理系统的优化运行策略有着重要的影响，尤其是在分布式控制策略方面。现阶段，有文献研究了存在通信延迟的微电网分布式能量管理问题(EMP)。有文献研究了一种分布式R-ADMM算法，用于综合电加热系统(IEHS)经济调度中防止通信丢包。现阶段，关于信息系统状态对IMS实时调度策略影响的研究较少，也有一些学者研究了一些针对智能电网的创新鲁棒优化算法。协同一致算法(CCA)是解决电网分布式优化问题的经典算法，是众多分布式算法中较为简单高效的算法。有研究提出了一种基于CCA和区块链的混合算法，可以显著提高事务吞吐量和计算效率。但是，该算法的鲁棒性并没有明显提高。更进一步的，为了防御网络攻击，有研究人员对CCA算法进行了更深层次的理论扩展。然而，该算法在智能电网中的具体应用还需要与电网理论进一步结合。与主电网相比，分布式电网的经济调度面临三大挑战。第一个是如何应对可再生能源发电和负荷需求的不确定性。在DIMS中，RES的渗透水平可能远远高于主网格。其次，在一个DIMS中有两种类型的负载需求，它们在某种程度上是不稳定的，并且相互耦合。最后，考虑到DIMS信息物理系统的特点，在信息通信网络中，非理想条件对实时最优调度策略的影响不容忽视。因此，DIMS中的能源调度应具有对可再生能源发电量和负荷需求的快速波动做出及时响应的能力，并具有在非理想通信条件下实现最优调整的稳健优化能力。现有的MPC研究大多不能应用于DIMS的实时经济调度。此外，在信息系统受到干扰的情况下，现有的方法不能提高系统的弹性。

然而，目前随着电网信息物理复杂度的不断提高，对于如何构建以综合能源利用为核心的区域多能系统，以及打造电网信息物理系统的核心枢纽节点，实现能源流、数据流和业务流的有机融合的需求日益增加。因此，充分考虑能源信息物理系统中通信条件对物理系统运行影响十分必要。

发明内容

本发明所要解决的技术问题在于，提供一种考虑非理想通信情况的分布式多能系统滚动优化控制方法，能够解决分布式决策系统中的不确定性和能量流延迟特性问题，通过改进CCA算法，该策略可以获得非理想通信条件下的最优解。

为解决上述技术问题，本发明提供一种考虑非理想通信情况的分布式多能系统滚动优化控制方法，包括如下步骤：

步骤1：在每个时间尺度Δτ初始时刻读取最新的RES功率和负载的预测数据；

步骤2：根据步骤1中的信息进行Δτ时间尺度的滚动优化，得到关键计算结果；

步骤3：进入短时间尺度Δτ'动态调整部分，监控并更新数据；

步骤4：判断预测值与真实值的偏差是否超过阈值ξ_i，如果/>跳到步骤5，否则跳到步骤6；

步骤5：执行大时间尺度滚动优化的计算结果；

步骤6：根据最新更新的数据，考虑非理想通信条件对优化策略的影响，进行动态调整优化，并调整策略；

步骤7：更新时刻，τ'＝τ'+Δτ'；

步骤8：如果时刻τ'到达下一个时间间隔τ+Δτ，跳到步骤1，否则跳到步骤3。

优选的，步骤2中，根据步骤1中的信息进行Δτ时间尺度的滚动优化，得到关键计算结果具体为：

(1)目标函数；

滚动优化的时间尺度为小时级，滚动优化的目标函数以注入能量枢纽的外部电网电功率和气功率为控制变量，以一天内的运行成本最优为控制目标，具体的目标函数如下公式：

其中，c_e,c_g分别是传统发电方式所需要的环境成本和天然气产能所需要的成本，分别是τ时段的电价和气价，/>分别是τ时段注入能量枢纽的电和气功率，E_i是能量枢纽中机组运行状态变化的惩罚函数，/>分别是各机组的τ时刻和τ-1时刻的运行状态，处于停机状态时为0，处于运行输出/输入状态时为1，N_T是将一天划分为时间间隔为Δτ的时段个数，τ_s滚动调度的初始时刻，S是储能设备的集合，Ω是热电联产机组CHP和燃气炉GB的集合，F是系统运行的总成本；

(2)约束条件；

约束条件包括：能量枢纽的能量转化矩阵，热电联供系统的能量供需平衡约束以及系统运行的安全约束条件：(a)能量枢纽能量转化矩阵，(b)热电联供系统的平衡约束。

优选的，(a)能量枢纽能量转化矩阵

能量枢纽实现不同能源的转化，将外部电网的电能和气网的化石能源通过内部机组，转化成功能量枢纽下层网络消耗的电能和热能，η_T是电力变压器的转换效率；η_CHP,E是CHP机组的电能转化效率；η_CHP,H是CHP机组的热能转化效率；η_GB是燃气锅炉的热转化效率；ν是天然气给CHP供气量的占比；是能量枢纽的电输入功率；/>是能量枢纽的气输入功率；/>是电储能的充/放电功率；/>和/>是蓄热罐的充放电功率；/>是光伏出力；/>是集热器的输出功率；/>和/>是能量枢纽的电输出和热输出；c是能量枢纽转化矩阵的参数矩阵；P是输入功率矩阵；S是储能设备的充放电功率矩阵；R是新能源出力矩阵；L是输出矩阵；

(b)热电联供系统的平衡约束

将热网看作是流体网络，传输热媒的管道看作支路，将热源、热用户和管道的连接点为节点，热网模型共包含节点流量平衡、节点功率融合、负荷取用特性、供回水温度约束和管段传热特性5个部分，热网中首先存在着节点流量平衡和节点功率融合，热网中管道的流量和管段起止端的温度需要满足以下等式条件：

F＝[f₁ f₂ … f_b]^T (4)

式中：和/>分别为热网的上、下关联矩阵；F为流量列向量；f_i(i＝1,2,…b)为第i支路的热媒流量；

节点功率融合：

式中：T_SF和T_EF分别为由管段始、末温度和流量组成的列向量；T_si和T_ei分别为第i根管道的起始温度和末端温度，其中i＝1,2,…b；

节点处发生功率融合后，该节点的温度和流出该节点的热媒的温度相等，得到等式：

T_ni＝T_s1,i＝T_s2,i＝…＝T_sk,i (7)

式中：T_ni为第i个节点的温度；T_s1,i，T_s2,i，T_sk,i为所有与第i个节点直接相连，并且热媒流出该节点的管段的起始温度；

热网采用量调节、质调节和混合调节的方式进行负荷节点的温度调节，热网采用质调节方式，热媒的运行流量固定，热源节点的供、回水管段温度与EH输出热功率的关系满足以下方程：

Q_sn＝cm_n(T_rn-T_sn) (8)

式中，Q_sn为用热负荷，c是比热容，m是注入源节点的水力量质量，T_sn是出水温度，T_rn是源节点流出的温度；

对于包含热用户的热网支路，供、回水管段的温度与热用户的取用功率满足等式：

式中：T_LI和T_LO分别为所有热用户处的供水温度和回水温度构成的列向量；c为热媒比热容，取值为4.2kJ/(kg·℃)；ρ为热媒密度，取值为934.667kg/m3；η_HX为热网负荷端各换热设备的平均效率；Q_L/F为所有热用户的取用功率与管道流量组成的列向量；Q_Li和f_Li分别为第i个负荷取用的功率和其所在管段的运行流量，其中i＝1,2,…,k；

在实时调度策略中，调度时间尺度在5～10min左右，在短时间内，热网中的能量流温度无法达到稳定值，在短时间调度策略中，考虑热网热能传递的延时特征，根据到热源的距离的不同，t时间，管段中x处的温度，表达成两种模型，首先是针对距离热源较近的处的温度：

式中：T^j(x,t)为第j时段内，距离热源x处的热网管道在t时刻的温度；和/>分别为t_j-1和t_j-2时刻热源的温度；j＝1,2,…；

其次是距离热源较远处的温度：

式中：T^j-1(x,t_j-1)为第j-1时段内，距离热源x处的热网管道在t_j-1时刻的温度，j＝1,2,…；

其中：

为了保证热源和热用户的供热质量，需要对热源和热用户的供、回水温度进行限制：

式中：T_SO和T_SI分别为热源的供、回水温度；T_LI和T_LO分别为热用户处的供、回水温度；下标min和max分别为对应参数的最小值和最大值。

优选的，步骤3进入动态调整部分，需要更新采集到的数据并与上滚动阶段初始时刻的新能源出力和系统负荷数据对比，此时进入步骤4。

优选的，步骤4中，判断预测值与真实值的偏差是否超过阈值ξ_i，如果跳到步骤5，否则跳到步骤6具体为：判定条件如下：

分别是新能源出力/负荷量在τ'，τ时刻的状态量，Ψ＝{1,2,3,4…n}，1表示电负荷总量；2表示热负荷总量；3～n表示不同能量枢纽内PV/STC设备的出力；

如果不满足要求，则执行步骤6，执行动态调整优化计算。

优选的，如果不满足要求，则执行步骤6，执行动态调整优化计算，进一步的动态调整优化计算的目标函数和约束条件如下：

(a)目标函数

动态调整优化的时间尺度为分钟级，动态调整优化的目标函数以能量枢纽的电输出和热输出为控制变量，以一个时段内的运行成本最优为控制目标，具体的目标函数如下公式：

其中，F^e,τ’是时间段τ’的运行总成本，为时间段τ’-1第i台机组运行状态，/> 分别为时间段τ’第i台机组的电功率和热功率，a_e,i，b_e,i，c_e,i，a_h,i，b_h,i，c_h,i分别为调整阶段成本参数；

(b)约束条件

动态调整优化阶段的约束条件和滚动优化相同。

本发明的有益效果为：(1)本发明包括两个层次：滚动部分和调整部分，最优调度计划以最新的预测为基础，并在下一个时间间隔内进行更新，可以提高预测精度，及时响应RES和负荷的波动，调整部分考虑热力系统能量流传输延迟的影响，在较短的时间尺度上修改调度计划；(2)在信息系统中存在非理想通信的情况下，能够实现有效的最优调度，有效提高了DIMS信息物理系统的弹性，仿真结果表明，本发明能够在有效时间内实现控制目标；(3)所提出的分布式调度方法简化了调度模型，减少了所需的计算时间、通信频率和设备调整频率，在线调度策略降低了运行成本，其运行模式体现了这种成本的降低；(4)充分考虑分布式综合能源系统中的信息物理交互以及信息交互环境对系统优化运行的影响，考虑到现有分布式多能系统多源站点之间的通信条件和环，存在非理想通信的情况可能性较大，提出的混合算法可以有效提到非理想通信条件下多能系统优化运行的鲁棒性。

附图说明

图1为本发明策略所适用的DIMS架构示意图。

图2为本发明能量枢纽结构示意图。

图3为本发明策略的流程框图。

图4为本发明滚动策略部分的时序图。

图5为本发明动态调节部分的时序图。

具体实施方式

如图3所示，一种考虑非理想通信情况的分布式多能系统滚动优化控制方法，包括如下步骤：

步骤1：在每个时间尺度Δτ初始时刻读取最新的RES功率和负载的预测数据；

步骤2：根据步骤1中的信息进行Δτ时间尺度的滚动优化，得到关键计算结果；

步骤3：进入短时间尺度Δτ'动态调整部分，监控并更新数据；

步骤4：判断预测值与真实值的偏差是否超过阈值ξ_i，如果/>跳到步骤5，否则跳到步骤6；

步骤5：执行大时间尺度滚动优化的计算结果；

步骤6：根据最新更新的数据，考虑非理想通信条件对优化策略的影响，进行动态调整优化，并调整策略；

步骤7：更新时刻，τ'＝τ'+Δτ'；

步骤8：如果时刻τ'到达下一个时间间隔τ+Δτ，跳到步骤1，否则跳到步骤3。

进一步地，步骤2中涉及到的优化模型如下：

(1)目标函数

滚动优化的时间尺度一般为小时级，滚动优化的目标函数以注入能量枢纽的外部电网电功率和气功率为控制变量，以一天内的运行成本最优为控制目标，具体的目标函数如下公式：

其中，c_e,c_g分别是传统发电方式所需要的环境成本和天然气产能所需要的成本(环境成本指产出相同的电能/热能所造成的污染气体排放治理成本和二氧化碳量)。分别是τ时段的电价和气价。/>分别是τ时段，注入能量枢纽的电和气功率。E_i是能量枢纽中机组运行状态变化的惩罚函数。/>分别是各机组的τ时刻和τ-1时刻的运行状态，处于停机状态时为0，处于运行输出/输入状态时为1。N_T是将一天划分为时间间隔为Δτ的时段个数，τ_s滚动调度的初始时刻。S是储能设备的集合，Ω是热电联产机组(combined heat and power,CHP)和燃气炉(gas boil，GB)的集合。F是系统运行的总成本。

(2)约束条件

所提出的优化调度方案的约束条件主要包括：能量枢纽的能量转化矩阵，热电联供系统的能量供需平衡约束以及系统运行的安全约束条件。

1)能量枢纽能量转化矩阵

能量枢纽的主要功能是实现不同能源的转化，将外部电网的电能和气网的化石能源通过内部机组，转化成功能量枢纽下层网络消耗的电能和热能。η_T是电力变压器的转换效率；η_CHP,E是CHP机组的电能转化效率；η_CHP,H是CHP机组的热能转化效率；η_GB是燃气锅炉的热转化效率；ν是天然气给CHP供气量的占比；是能量枢纽的电输入功率；/>是能量枢纽的气输入功率；/>是电储能的充/放电功率；/>和/>是蓄热罐的充放电功率；/>是光伏出力；/>是集热器的输出功率；/>和/>是能量枢纽的电输出和热输出；c是能量枢纽转化矩阵的参数矩阵；P是输入功率矩阵；S是储能设备的充放电功率矩阵；R是新能源出力矩阵；L是输出矩阵。

2)热电联供系统的平衡约束

电力系统的平衡约束满足一般的潮流模型。将热网看作是流体网络，传输热媒的管道看作支路，将热源、热用户和管道的连接点为节点。热网模型共包含节点流量平衡、节点功率融合、负荷取用特性、供回水温度约束和管段传热特性5个部分。热网中首先存在着节点流量平衡和节点功率融合，热网中管道的流量和管段起止端的温度需要满足以下等式条件：

节点流量平衡

F＝[f₁ f₂ … f_b]^T (4)

式中：和/>分别为热网的上、下关联矩阵；F为流量列向量；f_i(i＝1,2,…b)为第i支路的热媒流量。

节点功率融合：

式中：T_SF和T_EF分别为由管段始、末温度和流量组成的列向量；T_si和T_ei分别为第i根管道的起始温度和末端温度，其中i＝1,2,…b。

节点处发生功率融合后，该节点的温度和流出该节点的热媒的温度相等，我们可以得到等式：

T_ni＝T_s1,i＝T_s2,i＝…＝T_sk,i (7)

式中：T_ni为第i个节点的温度；T_s1,i，T_s2,i，T_sk,i为所有与第i个节点直接相连,并且热媒流出该节点的管段的起始温度。

现阶段，热网主要采用量调节，质调节和混合调节的方式进行负荷节点的温度调节。本文热网采用质调节方式，热媒的运行流量固定，热源节点的供、回水管段温度与EH输出热功率的关系满足以下方程：

Q_sn＝cm_n(T_rn-T_sn) (8)

式中，Q_sn为用热负荷，c是比热容。m是注入源节点的水力量质量，T_sn是出水温度，T_rn是源节点流出的温度。

对于包含热用户的热网支路，供、回水管段的温度与热用户的取用功率满足等式：

式中：T_LI和T_LO分别为所有热用户处的供水温度和回水温度构成的列向量；c为热媒比热容，取值为4.2kJ/(kg·℃)；ρ为热媒密度，取值为934.667kg/m3；η_HX为热网负荷端各换热设备的平均效率；Q_L/F为所有热用户的取用功率与管道流量组成的列向量。Q_Li和f_Li分别为第i个负荷取用的功率和其所在管段的运行流量，其中i＝1,2,…,k。

在实时调度策略中，调度时间尺度一般在5～10min左右。考虑到热网能量流的延时特性，在短时间内，热网中的能量流温度无法达到稳定值。因此，在短时间调度策略中，有必要考虑热网热能传递的延时特征。根据到热源的距离的不同，t时间，管段中x处的温度，可以表达成两种模型，首先是针对距离热源较近的处的温度：

式中：T^j(x,t)为第j时段内，距离热源x处的热网管道在t时刻的温度；和/>分别为t_j-1和t_j-2时刻热源的温度；j＝1,2,…。

其次是距离热源较远处的温度：

式中：T^j-1(x,t_j-1)为第j-1时段内，距离热源x处的热网管道在t_j-1时刻的温度，j＝1,2,…。

其中：

为了保证热源和热用户的供热质量,需要对热源和热用户的供、回水温度进行限制。

式中：T_SO和T_SI分别为热源的供、回水温度；T_LI和T_LO分别为热用户处的供、回水温度；下标min和max分别为对应参数的最小值和最大值。

步骤3进入动态调整部分，需要更新采集到的数据并与上滚动阶段初始时刻的新能源出力和系统负荷数据对比，此时进入步骤4。进一步的，步骤4中涉及的判定条件如下：

式中：分别是新能源出力/负荷量在τ'，τ时刻的状态量，Ψ＝{1,2,3,4…n}，1表示电负荷总量；2表示热负荷总量；3～n表示不同能量枢纽内PV/STC设备的出力。

如果不满足要求，则执行步骤6，执行动态调整优化计算，进一步的动态调整优化计算的目标函数和约束条件如下：

(1)目标函数

动态调整优化的时间尺度一般为分钟级(15min左右)，动态调整优化的目标函数以能量枢纽的电输出和热输出为控制变量，以一个时段内的运行成本最优为控制目标，具体的目标函数如下公式：

其中，F^e,τ’是时间段τ’的运行总成本，为时间段τ’-1第i台机组(热电联产机组、燃气炉)运行状态，/>分别为时间段τ’第i台机组的电功率和热功率(单位：kW/h)。a_e,i，b_e,i，c_e,i，a_h,i，b_h,i，c_h,i分别为调整阶段成本参数。

(2)约束条件

动态调整优化阶段的约束条件和滚动优化相同。

步骤7和步骤8进行时刻的更新，并判断是否短时间尺度的动态调度优化已经完成，如果完成则进行下一阶段的大时间尺度的优化，跳到步骤1；若还未完成动态调整，则继续进行动态调整的优化调度计算，执行步骤3。

进一步的，改进动态优化调度的分布式一致性优化求解算法，保证热电联产系统在非理想通信条件下，仍能够实现有效的实时优化调度，增强系统运行的鲁棒性。信息能源系统一般非理想通信条件有：(1)通信延时和噪声；(2)通信中断。采用鲁棒一致性优化算法(robust collaborative consensus algorithm，RCCA)可以解决非理想通信情况给系统优化造成的影响。

发明策略中涉及到能量枢纽和综合多能系统的架构图分别如图2和图1所示。综合多能系统主要包括以下组成部分：热电联供耦合网络，能量枢纽，以及能量枢纽内部的变压器、光伏/集热器、电/热储能、热电联产机组(微型燃气轮机)和燃气炉。

本发明首先上传历史数据、负荷和新能源预测数据至优化调度模块。优化调度模块由两部分组成：(1)滚动优化部分和(2)动态调节部分。

首先进行滚动优化计算，滚动优化的时间间隔为1h，该时段内，只执行时段初始时刻的滚动优化结果和后续进行的动态调节结果。滚动优化部分是基于MPC原理，其动作时序图如附图4所示。

滚动优化计算后将结果储存，进入动态调节部分。进入短时间尺度的动态调节部分，首先更新实时数据(新能源出力和负荷数据)，如果数据的变化没有超过阈值，则执行大时间尺度的滚动优化计算结果；如数据变化量超过了阈值，则执行动态调节优化。动态调节优化控制变量变为能量枢纽的电输出功率和热输出功率，系统的约束条件不变。根据每5min采样一次的系统数据，执行动态调节优化，调节优化的时间尺度为15min。动态调节的时序图如附图5所示。

动态调节优化策略调用RCCA进行求解，该策略满足系统在非理想通信条件下的最优求解，提高了系统对通信网络异常的免疫能力，提高了综合多能系统的韧性。

Claims (3)

1.一种考虑非理想通信情况的分布式多能系统滚动优化控制方法，其特征在于，包括如下步骤：

步骤1：在每个时间尺度Δτ初始时刻读取最新的RES功率和负载的预测数据；

步骤2：根据步骤1中的信息进行Δτ时间尺度的滚动优化，得到关键计算结果；具体为：

(1)目标函数；

滚动优化的时间尺度为小时级，滚动优化的目标函数以注入能量枢纽的外部电网电功率和气功率为控制变量，以一天内的运行成本最优为控制目标，具体的目标函数如下公式：

其中，c_e,c_g分别是传统发电方式所需要的环境成本和天然气产能所需要的成本，分别是τ时段的电价和气价，/>分别是τ时段注入能量枢纽的电和气功率，E_i是能量枢纽中机组运行状态变化的惩罚函数，/>分别是各机组的τ时刻和τ-1时刻的运行状态，处于停机状态时为0，处于运行输出/输入状态时为1，N_T是将一天划分为时间间隔为Δτ的时段个数，τ_s滚动调度的初始时刻，S是储能设备的集合，Ω是热电联产机组CHP和燃气炉GB的集合，F是系统运行的总成本；

(2)约束条件；

约束条件包括：能量枢纽的能量转化矩阵，热电联供系统的能量供需平衡约束以及系统运行的安全约束条件：(a)能量枢纽能量转化矩阵，(b)热电联供系统的平衡约束；

步骤3：进入短时间尺度Δτ'动态调整部分，监控并更新数据；

步骤4：判断预测值与真实值的偏差ΔP_i ^τ'是否超过阈值ξ_i，如果ΔP_i ^τ'≤ξ_i，跳到步骤5，否则跳到步骤6；判定条件如下：

ΔP^τ' _i＝|P_i ^τ,-P_i ^τ|i∈Ψ (15)

P_i ^τ,，P_i ^τ分别是新能源出力/负荷量在τ'，τ时刻的状态量，Ψ＝{1,2,3,4…n}，1表示电负荷总量；2表示热负荷总量；3～n表示不同能量枢纽内PV/STC设备的出力；

如果ΔP_i ^τ'≤ξ_i不满足要求，则执行步骤6，执行动态调整优化计算；进一步的动态调整优化计算的目标函数和约束条件如下：

(a)目标函数

动态调整优化的时间尺度为分钟级，动态调整优化的目标函数以能量枢纽的电输出和热输出为控制变量，以一个时段内的运行成本最优为控制目标，具体的目标函数如下公式：

其中，F^τ’是时间段τ’的运行总成本，F^e,τ’为时间段τ’第i台机组的电功率运行成本，F^h,τ’为时间段τ,第i台机组的热功率运行成本，为时间段τ’-1第i台机组运行状态，/>分别为时间段τ’第i台机组的电功率和热功率，a_e,i，b_e,i，c_e,i，a_h,i，b_h,i，c_h,i分别为调整阶段成本参数；

(b)约束条件

动态调整优化阶段的约束条件和滚动优化相同；

步骤5：执行大时间尺度滚动优化的计算结果；

步骤6：根据最新更新的数据，考虑非理想通信条件对优化策略的影响，进行动态调整优化，并调整策略；

步骤7：更新时刻，τ'＝τ'+Δτ'；

步骤8：如果时刻τ'到达下一个时间间隔τ+Δτ，跳到步骤1，否则跳到步骤3。

2.如权利要求1所述的考虑非理想通信情况的分布式多能系统滚动优化控制方法，其特征在于，(a)能量枢纽能量转化矩阵

能量枢纽实现不同能源的转化，将外部电网的电能和气网的化石能源通过内部机组，转化成能量枢纽下层网络消耗的电能和热能，η_T是电力变压器的转换效率；η_CHP,E是CHP机组的电能转化效率；η_CHP,H是CHP机组的热能转化效率；η_GB是燃气锅炉的热转化效率；ν是天然气给CHP供气量的占比；P_e ^τ是能量枢纽的电输入功率；P_g ^τ是能量枢纽的气输入功率；是电储能的充/放电功率；/>和/>是蓄热罐的充放电功率；/>是光伏出力；/>是集热器的输出功率；/>和/>是能量枢纽的电输出和热输出；c是能量枢纽转化矩阵的参数矩阵；P是输入功率矩阵；S是储能设备的充放电功率矩阵；R是新能源出力矩阵；L是输出矩阵；

(b)热电联供系统的平衡约束

将热网看作是流体网络，传输热媒的管道看作支路，将热源、热用户和管道的连接点为节点，热网模型共包含节点流量平衡、节点功率融合、负荷取用特性、供回水温度约束和管段传热特性5个部分，热网中首先存在着节点流量平衡和节点功率融合，热网中管道的流量和管段起止端的温度需要满足以下等式条件：

F＝[f₁ f₂ … f_b]^T (4)

式中：和/>分别为热网的上、下关联矩阵；F为流量列向量；f_i(i＝1,2,…b)为第i支路的热媒流量；

节点功率融合：

式中：T_SF和T_EF分别为由管段始、末温度和流量组成的列向量；T_si和T_ei分别为第i根管道的起始温度和末端温度，其中i＝1,2,…b；

节点处发生功率融合后，该节点的温度和流出该节点的热媒的温度相等，得到等式：

T_ni＝T_s1,i＝T_s2,i＝…＝T_sk,i (7)

式中：T_ni为第i个节点的温度；T_s1,i，T_s2,i，T_sk,i为所有与第i个节点直接相连，并且热媒流出该节点的管段的起始温度；

热网采用量调节、质调节和混合调节的方式进行负荷节点的温度调节，热网采用质调节方式，热媒的运行流量固定，热源节点的供、回水管段温度与EH输出热功率的关系满足以下方程：

Q_sn＝cm_n(T_rn-T_sn) (8)

式中，Q_sn为用热负荷，c是比热容，m是注入源节点的水力量质量，T_sn是出水温度，T_rn是源节点流出的温度；

对于包含热用户的热网支路，供、回水管段的温度与热用户的取用功率满足等式：

式中：T_LI和T_LO分别为所有热用户处的供水温度和回水温度构成的列向量；c为热媒比热容，取值为4.2kJ/(kg·℃)；ρ为热媒密度，取值为934.667kg/m3；η_HX为热网负荷端各换热设备的平均效率；Q_L/F为所有热用户的取用功率与管道流量组成的列向量；Q_Li和f_Li分别为第i个负荷取用的功率和其所在管段的运行流量，其中i＝1,2,…,k；

在实时调度策略中，调度时间尺度在5～10min左右，在短时间内，热网中的能量流温度无法达到稳定值，在短时间调度策略中，考虑热网热能传递的延时特征，根据到热源的距离的不同，t时间，管段中x处的温度，表达成两种模型，首先是针对距离热源较近的处的温度：

式中：T^j(x,t)为第j时段内，距离热源x处的热网管道在t时刻的温度；T_s ^j-1和T_s ^j-2分别为t_j-1和t_j-2时刻热源的温度；j＝1,2,…；

其次是距离热源较远处的温度：

式中：T^j-1(x,t_j-1)为第j-1时段内，距离热源x处的热网管道在t_j-1时刻的温度，j＝1,2,…；

其中：

为了保证热源和热用户的供热质量，需要对热源和热用户的供、回水温度进行限制：

式中：T_SO和T_SI分别为热源的供、回水温度；T_LI和T_LO分别为热用户处的供、回水温度；下标min和max分别为对应参数的最小值和最大值。

3.如权利要求1所述的考虑非理想通信情况的分布式多能系统滚动优化控制方法，其特征在于，步骤3进入动态调整部分，需要更新采集到的数据并与上滚动阶段初始时刻的新能源出力和系统负荷数据对比，此时进入步骤4。