CN113610658A - 一种基于信息间隙决策模型的配网运行调度方法及系统 - Google Patents
一种基于信息间隙决策模型的配网运行调度方法及系统 Download PDFInfo
- Publication number
- CN113610658A CN113610658A CN202110226374.5A CN202110226374A CN113610658A CN 113610658 A CN113610658 A CN 113610658A CN 202110226374 A CN202110226374 A CN 202110226374A CN 113610658 A CN113610658 A CN 113610658A
- Authority
- CN
- China
- Prior art keywords
- gas
- model
- distribution network
- energy
- establishing
- 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.)
- Pending
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000008878 coupling Effects 0.000 claims abstract description 88
- 238000010168 coupling process Methods 0.000 claims abstract description 88
- 238000005859 coupling reaction Methods 0.000 claims abstract description 88
- 238000005457 optimization Methods 0.000 claims abstract description 43
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 90
- 239000003345 natural gas Substances 0.000 claims description 45
- 238000004146 energy storage Methods 0.000 claims description 41
- 239000007789 gas Substances 0.000 claims description 36
- 238000003860 storage Methods 0.000 claims description 24
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 239000010410 layer Substances 0.000 claims description 8
- 239000002356 single layer Substances 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000013178 mathematical model Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 18
- 230000005611 electricity Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 11
- 238000010521 absorption reaction Methods 0.000 description 8
- 230000006835 compression Effects 0.000 description 8
- 238000007906 compression Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000007599 discharging Methods 0.000 description 6
- 238000001816 cooling Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000010248 power generation Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于信息间隙决策模型的配网运行调度方法及系统，属于气电耦合配网技术领域。本发明方法，包括：获取气电耦合配网运行的历史数据；根据历史数据建立气电耦合配网的多能流协同调度基础模型，并针求解获取基础参考值；根据基础参考值建立基于信息间隙决策模型的多能流协同调度模型，并求解获取求解结果；根据求解结果，确定预设时间段内气电耦合配网的调度计划，根据调度计划对气电耦合配网的运行进行调度。本发明可在设定的运行成本下探寻气电耦合配网系统消纳可再生能源的上限，对比鲁棒优化和随机优化有着更为简洁的数学模型和更高效的计算效率，且可以满足多样的经济性与可靠性需求。
Description
技术领域
本发明涉及气电耦合配网技术领域，并且更具体地，涉及一种基于信息间隙决策模型的配网运行调度方法及系统。
背景技术
综合能源系统是指一定区域内的能源系统利用先进的技术和管理模式，整合区域内石油、煤炭、天然气和电力等多种能源资源，实现多异质能源子系统之间的协调规划、优化运行、协同管理、交互响应和互补互济，在满足多元化用能需求的同时有效提升能源利用效率，进而促进能源可持续发展的新型一体化能源系统。配电网和配气网是综合能源系统中的主要组成部分。
气-电耦合互联能够充分挖掘和释放电能和天然气供应形式之间的互补性，在更大的范围内实现能源供给的安全性、稳定性与可控性，同时平抑间歇性能源的波动性与随机性，提升能源的利用效率；同时，通过气-电耦合可以实现不同能源负荷之间的相互转换和需求替代，利用蓄冷、蓄热以及电储能等设备平抑用能需求的波动性，显著提升能源负荷需求的友好性。为了充分发挥两者能源形式的互补特性和协同效应，实现气-电耦合配网的资源优化，从而提高可再生能源消纳能力和综合能效，开展气-电耦合配网运行调度研究是非常必要且十分重要的。
气-电耦合配网运行调度方法的关键点在于对不确定性因素(例如风电、光伏等可再生能源机组的出力波动)的合理、准确刻画。
现有方法通常采用随机优化、鲁棒优化、场景分析等方法提升系统的运风险承受能力。
然而，上述方法对应的数学优化形式均十分复杂。例如，随机优化建模需要引入大量离散场景对不确定因素进行时序概率描述，而常用的两阶段鲁棒优化模型具有三层优化形式，为了提高其计算效率只能对能源网络模型做适当简化，牺牲一部分建模精度。
发明内容
针对上述问题，本发明提出了一种基于信息间隙决策模型的配网运行调度方法，包括：
获取气电耦合配网运行的历史数据；
根据历史数据建立气电耦合配网的多能流协同调度基础模型，并针求解获取基础参考值；
根据基础参考值建立基于信息间隙决策模型的多能流协同调度模型，并求解获取求解结果；
根据求解结果，确定预设时间段内气电耦合配网的调度计划，根据调度计划对气电耦合配网的运行进行调度。
可选的，历史数据，包括：气电耦合配网用户侧电负荷、冷负荷及热负荷的历史数据，与气电耦合相关的能源设备运行的历史数据。
可选的，根据历史数据建立气电耦合配网的多能流协同调度基础模型，并针求解获取基础参考值，包括：
根据历史数据建立气电耦合配网的多能流协同调度基础模型的目标函数；
建立电力子系统运行的约束条件；
建立天然气子系统运行的约束条件；
根据所述电力子系统的约束条件及天然子系统的约束条件，对目标函数求解，获取基础参考值。
可选的，建立电力子系统的约束条件，包括：
建立气电耦合配网的网络约束的支路潮流模型；
根据支路潮流模型建立电力子系统的约束条件；
电子子系统的约束条件，包括：支路电压电流约束、可再生能源出力约束、电储能约束和联络线传输功率约束。
可选的，建立天然气子系统运行的约束条件，包括：天然子系统的节点流量气压约束、节点消耗平衡约束、潮流约束、加压站约束和储气约束。
可选的，根据基础参考值建立基于信息间隙决策模型的多能流协同调度模型，并求解获取求解结果，包括：
建立可再生能源不确定性模型；
根据可再生能源不确定模型，建立应对新能源出力不确定性的信息间隙决策优化模型；
将信息间隙决策优化模型的双层优化形式转化为单层优化形式，获取多能流协同调度模型；
对多能流协同调度模型求解，获取求解结果。
可选的，调度计划包括：
预设时段气电耦合配网内的能源生产设备、能源转换设备和能源存储设备的运行调度计划，气电耦合配网与天然气管网的能流状态，和气电耦合配网对于可再生能源出力不确定性的风险承受能力上限。
本发明还提出了一种基于信息间隙决策模型的配网运行调度系统，包括：
数据采集单元，获取气电耦合配网运行的历史数据；
基础模型求解单元，根据历史数据建立气电耦合配网的多能流协同调度基础模型，并针求解获取基础参考值；
模型求解单元，根据基础参考值建立基于信息间隙决策模型的多能流协同调度模型，并求解获取求解结果；
调度单元，根据求解结果，确定预设时间段内气电耦合配网的调度计划，根据调度计划对气电耦合配网的运行进行调度。
可选的，历史数据，包括：气电耦合配网用户侧电负荷、冷负荷及热负荷的历史数据，与气电耦合相关的能源设备运行的历史数据。
可选的，根据历史数据建立气电耦合配网的多能流协同调度基础模型，并针求解获取基础参考值，包括：
根据历史数据建立气电耦合配网的多能流协同调度基础模型的目标函数；
建立电力子系统运行的约束条件；
建立天然气子系统运行的约束条件；
根据所述电力子系统的约束条件及天然子系统的约束条件，对目标函数求解，获取基础参考值。
可选的，建立电力子系统的约束条件，包括：
建立气电耦合配网的网络约束的支路潮流模型；
根据支路潮流模型建立电力子系统的约束条件；
电子子系统的约束条件，包括：支路电压电流约束、可再生能源出力约束、电储能约束和联络线传输功率约束。
可选的，建立天然气子系统运行的约束条件，包括：天然子系统的节点流量气压约束、节点消耗平衡约束、潮流约束、加压站约束和储气约束。
可选的，根据基础参考值建立基于信息间隙决策模型的多能流协同调度模型，并求解获取求解结果，包括：
建立可再生能源不确定性模型；
根据可再生能源不确定模型，建立应对新能源出力不确定性的信息间隙决策优化模型；
将信息间隙决策优化模型的双层优化形式转化为单层优化形式，获取多能流协同调度模型；
对多能流协同调度模型求解，获取求解结果。
可选的，调度计划包括：
预设时段气电耦合配网内的能源生产设备、能源转换设备和能源存储设备的运行调度计划，气电耦合配网与天然气管网的能流状态，和气电耦合配网对于可再生能源出力不确定性的风险承受能力上限。
本发明实现了对气电耦合配网的各个能源子系统之间有效协调互补，解决了可再生能源在环境和气象因素影响下而产生的不确定性问题，有效的提高了可再生能源的利用效率，减少了电网旋转备用，增强了系统的自主调节能力；
本发明充分的发挥了储能装置的双向调节作用，电储能既可以在用电低谷时作为负荷耗电，也可以在用电高峰时作为电源放电，实现“削峰填谷”的效果。
本发明通过将电能转化为气、热、冷等存储密度及效率更高的储能介质，并利用热/冷水箱、储气罐等成本更低的设备存储，将显著提高综合能源系统的运行灵活性、可靠性与新能源利用率；
本发明可在设定的运行成本下探寻气电耦合配网系统消纳可再生能源的上限，对比鲁棒优化和随机优化有着更为简洁的数学模型和更高效的计算效率，且可以满足多样的经济性与可靠性需求。
附图说明
图1为本发明方法的流程图；
图2a为本发明电网结构示意图
图2b为本发明气网结构示意图；
图3为本发明-电耦合配网案例的负荷和可再生能源日曲线图；
图4为本发明气-电耦合配网系统调度结果图；
图5为本发明系统的结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。
除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。
本发明提出了一种基于信息间隙决策模型的配网运行调度方法，如图1所示，包括：
获取气电耦合配网运行的历史数据；
根据历史数据建立气电耦合配网的多能流协同调度基础模型，并针求解获取基础参考值；
根据基础参考值建立基于信息间隙决策模型的多能流协同调度模型，并求解获取求解结果；
根据求解结果，确定预设时间段内气电耦合配网的调度计划，根据调度计划对气电耦合配网的运行进行调度。
其中，历史数据，包括：气电耦合配网用户侧电负荷、冷负荷及热负荷的历史数据，与气电耦合相关的能源设备运行的历史数据。
其中，根据历史数据建立气电耦合配网的多能流协同调度基础模型，并针求解获取基础参考值，包括：
根据历史数据建立气电耦合配网的多能流协同调度基础模型的目标函数；
建立电力子系统运行的约束条件；
建立天然气子系统运行的约束条件；
根据所述电力子系统的约束条件及天然子系统的约束条件，对目标函数求解，获取基础参考值。
其中，建立电力子系统的约束条件，包括：
建立气电耦合配网的网络约束的支路潮流模型；
根据支路潮流模型建立电力子系统的约束条件；
电子子系统的约束条件，包括：支路电压电流约束、可再生能源出力约束、电储能约束和联络线传输功率约束。
其中，建立天然气子系统运行的约束条件，包括：天然子系统的节点流量气压约束、节点消耗平衡约束、潮流约束、加压站约束和储气约束。
其中，根据基础参考值建立基于信息间隙决策模型的多能流协同调度模型，并求解获取求解结果，包括：
建立可再生能源不确定性模型；
根据可再生能源不确定模型，建立应对新能源出力不确定性的信息间隙决策优化模型；
将信息间隙决策优化模型的双层优化形式转化为单层优化形式，获取多能流协同调度模型；
对多能流协同调度模型求解，获取求解结果。
其中，调度计划包括：
预设时段气电耦合配网内的能源生产设备、能源转换设备和能源存储设备的运行调度计划，气电耦合配网与天然气管网的能流状态，和气电耦合配网对于可再生能源出力不确定性的风险承受能力上限。
下面结合实施例对本发明进行进一步的说明：
步骤1：获得基于IGDT的多能流协同优化调度方法的设备输入参数，包括以下步骤：
第1.1步：从电网公司获取用户侧电负荷、冷负荷、热负荷历史数据；
第1.2步：获取与配电网、天然气配网与热力管网相关的能源设备，能源生产设备，例如分布式新能源电源(光伏发电、风能发电等)和微型燃气轮机；能源转换设备，例如电转气设备、燃气锅炉、电热锅炉、压缩式制冷机和吸收式制冷机等；能源存储设备，例如储气装置、蓄电池、热储能和冷储能等的基本参数和历史数据。
步骤2：建立气-电耦合配网多能流协同调度的基础模型并求解，获得系统运行成本的基础参考值，作为基于IGDT的多能流协同调度模型的输入，包括以下步骤：
第2.1步：建立基础模型的目标函数，所述系统运行最小成本之和计算方法为：
式中：Ne为节点集合(即j＝1,2,...,N∈Ne)；t为小时编号；j为节点编号；
为系统所处地区的购售电价格；
为节点j在第t小时向上级电网购买的电量；cg为系统所处地区的天然气价格；
为节点j在第t小时向气网购买的天然气；
为储电设备充放电的损耗成本；
为节点j的电储能装置在第t小时的充/放电功率。
第2.2步：建立电力子系统运行约束条件。
确定配电系统的网络流约束的支路潮流模型：
式中：
为节点j的CHP机组在第t小时放出的电功率；
为节点j在第t小时消纳的可再生能源风电和光伏的功率；
分别为节点j在t小时储能电池的充、放电功率；
为节点j第t小时的电负荷的单位成本；
为节点j的P2G设备在第t小时吸收的电功率；
为节点j的电热锅炉在第t小时吸收的电功率；
为节点j的压缩式制冷机在第t小时吸收的电功率；ij为线路编号；Pij,t为线路ij在t小时流过的有功功率；Qij,t为线路ij在t小时流过的无功功率；lij,t为线路ij在t小时流过的电流的平方；vj,t为节点j在t小时的电压的平方；(i,j)∈Ee为支路(任一支路对应若干回输电线路)集合。其中，发电功率的来源主要包括有CHP、风电发电、太阳光伏发电、储能电池放电、电网供电等，用电负荷主要来自节点负荷、储能电池充电以及电转气设备、电热锅炉、压缩式制冷机等多能耦合设备。
支路电压电流约束，如下：
式中：
和V j分别表示节点j电压幅值的上限和下限；
表示支路电流的上限。
可再生能源出力约束如下：
式中：εRES为允许的最大弃可再生能源比例。
电储能约束，如下：
式中：
和
分别为电储能充放电状态对应的0-1指示变量。当
时，储能处于充电状态，由约束知此时
从而使得式(19)两边都等于0，放电功率只能取0，反之亦然。可见在式(12)-(14)约束下，储能在任意时刻只能处于充电、放电或闲置中的一种状态。电储能系统的能量平衡约束如下：
式中：
为节点j的电储能设备在第t小时储存的能量；
为电储能设备的充、放电效率；
为电储能设备的储能容量下限和上限。
联络线传输功率约束，如下：
区域电力系统通过变电站与上级电网形成功率交互，满足联络线传输约束如下：
式中：
为节点j在第t小时向上级电网购买电量的上下限。
第2.3步：建立天然气子系统运行约束条件。
天然气子系统的节点流量气压约束如下，采用Weymouth方程表示两节点间的流量与压力的函数：
为天然气节点j压力的最小值和最大值的平方；
为线路ij在t小时的天然气流量方向标志变量，0-1变量；wmn为与管道长度、直径相关的系数，在本模型中为已知常数给出；
为管道(m,n)的流量。
天然气子系统的节点消耗平衡约束如下：
式中：fj,t为节点j在t小时的注入天然气；
为节点j的P2G设备在第t小时转换的天然气；
为节点j的气储存设备在第t小时的吸收/释放天然气；
为节点j的CHP机组在第t小时消耗的天然气；
为节点j的燃气锅炉在第t小时消耗的天然气。
天然气子系统的潮流约束如下：
天然气网络中各节点的流量平衡方程为：
天然气网络的稳定运行还包括天然气供应/负荷约束、节点压力约束、管道传输约束和加压站约束，即：
天然气子系统的加压站约束如下：
式中：kq,max,kq,min分别为压缩机的升压比上下限；M为松弛变量。
天然气子系统的储气约束如下：
式中：
为节点j的气储能设备在第t小时储存的天然气；
为气储存设备的存、放热效率；
为气储存设备的容量下限和上限，若某节点不存在与上级气网交换的渠道，则该节点
第2.4步：建立供热/供冷子系统约束条件，所述供热/供冷子系统的冷/热功率平衡约束如下：
本发明模型中，各节点冷热负荷并不联立成网，而是由各节点的CHP、气-热耦合设备、电-热耦合设备和电-冷耦合设备来满足热、冷负荷：
式中：
为节点j的CHP机组在第t小时放出热功率；
为节点j的燃气锅炉在第t小时释放的热功率；
为节点j的电热锅炉在第t小时释放的热功率；
为节点j的热储能设备在第t小时的吸收/释放功率；
为节点j第t小时的热负荷的单位成本；
为节点j的吸收式制冷机在第t小时吸收的热功率；
为节点j的吸收式制冷机在第t小时释放的冷功率；
为节点j的压缩式制冷机在第t小时释放的冷功率；
为节点j第t小时冷负荷的单位成本，
为节点j的热储能设备在第t小时储存的能量；βh为热储能设备自损耗系数；
为热储能设备的充、放热效率；
为热储能设备的储能容量下限和上限。
第2.5步：建立多能协同转换约束条件。
电-气转换约束，如下：
电气转换约束包括气转电和电转气约束两部分，电转气由P2G设备实现，气转电由CHP机组实现，具体约束如下：
式中：
为CHP机组的电转换效率；Sg为天然气的热值；
为CHP机组热电比的上下界；
为P2G的效率。
电-热/冷转换约束，如下：
气-电耦合配网的电-热转化由电热锅炉实现；电-冷转化由压缩式制冷机实现，具体约束如下：
式中：ηj,EB为电热锅炉的效率；ηj,Air为压缩式制冷机的效率。
气-热/冷转换约束，如下：
气-电耦合配网的气转热设备包括CHP和燃气锅炉(B)，其中CHP相关约束由式(47)-(49)描述，燃气锅炉相关约束为：
式中：ηj,B为燃气锅炉的效率；
热-冷转换约束，如下：
多能耦合网络的热转冷由吸收式制冷机(Ab)实现：
式中：ηj,Ab为吸收式制冷机的效率。
步骤3：建立基于IGDT多能流协同调度模型并求解，包括以下步骤：
第3.1步：建立可再生能源不确定性模型，本发明采用包络限制模型构建不确定集模型，其数学表达式如下：
式中：
为不确定量的预测值，为已知量；ψ(t)为不确定量的实际值，为未知量；
为确定函数；
为不确定量ψ(t)的波动范围，ζ表征ψ(t)的波动程度。
在本步骤的模型中，记
则可再生能源机组，即风电和光伏出力的不确定性模型可以表示为：
式中：α、
表示可再生能源机组出力的波动幅度、预测值和实际值。
去掉上式的绝对值，可改写为：
若不考虑可再生能源出力的不确定性，则取α＝0，此时风电和光伏出力则不存在波动，整个模型变为确定性模型。
第3.2步：建立应对新能源出力不确定性的信息间隙决策优化(IGDT)模型，综合考虑了可再生能源机组出力的不确定性。将综合不确定度记为γ，目标函数为不确定度的最大化：
max γ (57)
以上目标是为了提升系统对于可再生能源预测误差的风险承受能力。风险承受力越高，相对应地调度成本也将提高。相关条件约束如下：
式中：C＝Fg+Fe+Fba为系统运行总成本；
为预期成本，在本发明模型中为一预先设定好的常数，取决于根据步骤2模型的求解结果；σ为偏移因子，取决于配网调度人员的专家经验与主观偏好。此外，
为可再生能源机组出力预测误差的波动区间，具体表达式为：
第3.3步：求解应对新能源出力不确定性的信息间隙决策优化(IGDT)模型，在本发明的应用场景下，不考虑气-电耦合配网的计划与非计划孤岛，系统有足够的供能备用充裕度。因此，当可再生能源出力达到资源允许上限时，系统承受的运行风险最大。基于上述前提，可以将所提IGDT调度模型的双层优化形式转化为单层优化问题，得到标准的混合整数线性优化模型(Mixed-Integer Linear Programming，MILP)；进而运用CPLEX、GUROBI等商业优化软件实现该模型的准确、高效求解：
步骤4：输出基于IGDT的多能流协同调度模型的求解结果：
获得未来T时段内能源生产设备、能源转换设备和能源存储设备的运行调度计划；获得未来T时段内配电网与天然气管网的能流状态(包括能量流、电压、气压等)；获得系统对于可再生能源出力不确定性的风险承受能力上限。
本发明实施例采用IEEE-33节点电力系统和比利时-20节点天然气系统网络的组合，并对网络规模进行了一定缩放来确保二者相耦合，网络结构示意图，如图2a和2b所示：
电网和气网通过设备CHP、P2G相耦合，在电网和气网中分布着燃气锅炉、电热锅炉、吸收式制冷机和压缩式制冷机，多种功能设备协同配合可以满足系统的热、冷负荷。可再生能源预测出力和各能源子系统节点负荷加和(相对值)如图3所示，功率基准值为一天的最大值。
基于上述实施参数求解发明内容步骤2中建立的气-电耦合配网协同模型，可以获得多能互补协同调控决策结果，如图4所示。
分析调度结果可以得出：
1)在电价谷时，系统选择购入部分电量储在蓄电池中作为备用电，并在负荷高峰时候释放，以降低日运行成本；
2)由于整个天然气系统在每个时刻都是与上级气网相连，因此储气设备没有工作，天然气的消耗集中在CHP和气网节点负荷上，但当存在一定时段的气网孤岛时，储气设备在保障系统稳定运行有着重要作用；
3)CHP运行于以热定电模式，这是因为本案例中电负荷为主导，CHP在满足供热后所提供的电能不足以满足电负荷，由其他方式供电；
4)在电价谷时均采用压缩式制冷机供冷，即由电供冷。在电价处于较高水平时，系统所需要的冷主要由CHP产生的热通过吸收式制冷机转换而来。
接着，本发明对步骤3的；基于IGDT多能流协同调度模型进行求解计算，探寻在比上述确定性调度结果获得的运行成本高10％的情况下可再生能源的不确定性边界，具体求解结果如表1和表2所示：
表1
表2
可以看出，仅仅提高10％的预算，就可以使系统对于可再生能源出力误差的承受能力达到85％以上。由于IGDT模型探寻的是可再生能源的不确定性边界，获得的调度结果是在极端场景下的运行模式，此时可再生能源出力处于较低水准，因此度电成本较确定性模型中的结果有着较大增加。系统的综合能效未下降是因为没有额外的耦合能源设备动作，因此没有能耗损失，而系统负荷未改变，故系统能效不变。
本发明还提出了一种基于信息间隙决策模型的配网运行调度系统200，如图5所示，包括：
数据采集单元201，获取气电耦合配网运行的历史数据；
基础模型求解单元202，根据历史数据建立气电耦合配网的多能流协同调度基础模型，并针求解获取基础参考值；
模型求解单元203，根据基础参考值建立基于信息间隙决策模型的多能流协同调度模型，并求解获取求解结果；
调度单元204，根据求解结果，确定预设时间段内气电耦合配网的调度计划，根据调度计划对气电耦合配网的运行进行调度。
其中，历史数据，包括：气电耦合配网用户侧电负荷、冷负荷及热负荷的历史数据，与气电耦合相关的能源设备运行的历史数据。
其中，根据历史数据建立气电耦合配网的多能流协同调度基础模型，并针求解获取基础参考值，包括：
根据历史数据建立气电耦合配网的多能流协同调度基础模型的目标函数；
建立电力子系统运行的约束条件；
建立天然气子系统运行的约束条件；
根据所述电力子系统的约束条件及天然子系统的约束条件，对目标函数求解，获取基础参考值。
其中，建立电力子系统的约束条件，包括：
建立气电耦合配网的网络约束的支路潮流模型；
根据支路潮流模型建立电力子系统的约束条件；
电子子系统的约束条件，包括：支路电压电流约束、可再生能源出力约束、电储能约束和联络线传输功率约束。
其中，建立天然气子系统运行的约束条件，包括：天然子系统的节点流量气压约束、节点消耗平衡约束、潮流约束、加压站约束和储气约束。
其中，根据基础参考值建立基于信息间隙决策模型的多能流协同调度模型，并求解获取求解结果，包括：
建立可再生能源不确定性模型；
根据可再生能源不确定模型，建立应对新能源出力不确定性的信息间隙决策优化模型；
将信息间隙决策优化模型的双层优化形式转化为单层优化形式，获取多能流协同调度模型；
对多能流协同调度模型求解，获取求解结果。
其中，调度计划包括：
预设时段气电耦合配网内的能源生产设备、能源转换设备和能源存储设备的运行调度计划，气电耦合配网与天然气管网的能流状态，和气电耦合配网对于可再生能源出力不确定性的风险承受能力上限。
本发明实现了对气电耦合配网的各个能源子系统之间有效协调互补，解决了可再生能源在环境和气象因素影响下而产生的不确定性问题，有效的提高了可再生能源的利用效率，减少了电网旋转备用，增强了系统的自主调节能力；
本发明充分的发挥了储能装置的双向调节作用，电储能既可以在用电低谷时作为负荷耗电，也可以在用电高峰时作为电源放电，实现“削峰填谷”的效果。
本发明通过将电能转化为气、热、冷等存储密度及效率更高的储能介质，并利用热/冷水箱、储气罐等成本更低的设备存储，将显著提高综合能源系统的运行灵活性、可靠性与新能源利用率；
本发明可在设定的运行成本下探寻气电耦合配网系统消纳可再生能源的上限，对比鲁棒优化和随机优化有着更为简洁的数学模型和更高效的计算效率，且可以满足多样的经济性与可靠性需求。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本发明实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (14)
1.一种基于信息间隙决策模型的配网运行调度方法，所述方法包括：
获取气电耦合配网运行的历史数据；
根据历史数据建立气电耦合配网的多能流协同调度基础模型，并针求解获取基础参考值；
根据基础参考值建立基于信息间隙决策模型的多能流协同调度模型，并求解获取求解结果；
根据求解结果，确定预设时间段内气电耦合配网的调度计划，根据调度计划对气电耦合配网的运行进行调度。
2.根据权利要求1所述的方法，所述历史数据，包括：气电耦合配网用户侧电负荷、冷负荷及热负荷的历史数据，与气电耦合相关的能源设备运行的历史数据。
3.根据权利要求1所述的方法，所述根据历史数据建立气电耦合配网的多能流协同调度基础模型，并针求解获取基础参考值，包括：
根据历史数据建立气电耦合配网的多能流协同调度基础模型的目标函数；
建立电力子系统运行的约束条件；
建立天然气子系统运行的约束条件；
根据所述电力子系统的约束条件及天然子系统的约束条件，对目标函数求解，获取基础参考值。
4.根据权利要求3所述的方法，所述建立电力子系统的约束条件，包括：
建立气电耦合配网的网络约束的支路潮流模型；
根据支路潮流模型建立电力子系统的约束条件；
所述电子子系统的约束条件，包括：支路电压电流约束、可再生能源出力约束、电储能约束和联络线传输功率约束。
5.根据权利要求3所述的方法，所述建立天然气子系统运行的约束条件，包括：天然子系统的节点流量气压约束、节点消耗平衡约束、潮流约束、加压站约束和储气约束。
6.根据权利要求1所述的方法，所述根据基础参考值建立基于信息间隙决策模型的多能流协同调度模型，并求解获取求解结果，包括：
建立可再生能源不确定性模型；
根据可再生能源不确定模型，建立应对新能源出力不确定性的信息间隙决策优化模型；
将信息间隙决策优化模型的双层优化形式转化为单层优化形式，获取多能流协同调度模型；
对多能流协同调度模型求解，获取求解结果。
7.根据权利要求1所述的方法，所述调度计划包括：
预设时段气电耦合配网内的能源生产设备、能源转换设备和能源存储设备的运行调度计划，气电耦合配网与天然气管网的能流状态，和气电耦合配网对于可再生能源出力不确定性的风险承受能力上限。
8.一种基于信息间隙决策模型的配网运行调度系统，所述系统包括：
数据采集单元，获取气电耦合配网运行的历史数据；
基础模型求解单元，根据历史数据建立气电耦合配网的多能流协同调度基础模型，并针求解获取基础参考值；
模型求解单元，根据基础参考值建立基于信息间隙决策模型的多能流协同调度模型，并求解获取求解结果；
调度单元，根据求解结果，确定预设时间段内气电耦合配网的调度计划，根据调度计划对气电耦合配网的运行进行调度。
9.根据权利要求8所述的系统，所述历史数据，包括：气电耦合配网用户侧电负荷、冷负荷及热负荷的历史数据，与气电耦合相关的能源设备运行的历史数据。
10.根据权利要求8所述的系统，所述根据历史数据建立气电耦合配网的多能流协同调度基础模型，并针求解获取基础参考值，包括：
根据历史数据建立气电耦合配网的多能流协同调度基础模型的目标函数；
建立电力子系统运行的约束条件；
建立天然气子系统运行的约束条件；
根据所述电力子系统的约束条件及天然子系统的约束条件，对目标函数求解，获取基础参考值。
11.根据权利要求10所述的系统，所述建立电力子系统的约束条件，包括：
建立气电耦合配网的网络约束的支路潮流模型；
根据支路潮流模型建立电力子系统的约束条件；
所述电子子系统的约束条件，包括：支路电压电流约束、可再生能源出力约束、电储能约束和联络线传输功率约束。
12.根据权利要求10所述的系统，所述建立天然气子系统运行的约束条件，包括：天然子系统的节点流量气压约束、节点消耗平衡约束、潮流约束、加压站约束和储气约束。
13.根据权利要求8所述的系统，所述根据基础参考值建立基于信息间隙决策模型的多能流协同调度模型，并求解获取求解结果，包括：
建立可再生能源不确定性模型；
根据可再生能源不确定模型，建立应对新能源出力不确定性的信息间隙决策优化模型；
将信息间隙决策优化模型的双层优化形式转化为单层优化形式，获取多能流协同调度模型；
对多能流协同调度模型求解，获取求解结果。
14.根据权利要求8所述的系统，所述调度计划包括：
预设时段气电耦合配网内的能源生产设备、能源转换设备和能源存储设备的运行调度计划，气电耦合配网与天然气管网的能流状态，和气电耦合配网对于可再生能源出力不确定性的风险承受能力上限。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110226374.5A CN113610658A (zh) | 2021-03-01 | 2021-03-01 | 一种基于信息间隙决策模型的配网运行调度方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110226374.5A CN113610658A (zh) | 2021-03-01 | 2021-03-01 | 一种基于信息间隙决策模型的配网运行调度方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113610658A true CN113610658A (zh) | 2021-11-05 |
Family
ID=78303269
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110226374.5A Pending CN113610658A (zh) | 2021-03-01 | 2021-03-01 | 一种基于信息间隙决策模型的配网运行调度方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113610658A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114741834A (zh) * | 2021-12-02 | 2022-07-12 | 华北电力大学 | 基于时空展开网络流的综合能源能量流优化方法和装置 |
-
2021
- 2021-03-01 CN CN202110226374.5A patent/CN113610658A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114741834A (zh) * | 2021-12-02 | 2022-07-12 | 华北电力大学 | 基于时空展开网络流的综合能源能量流优化方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Turk et al. | Day-ahead stochastic scheduling of integrated multi-energy system for flexibility synergy and uncertainty balancing | |
| Chen et al. | Optimal allocation of distributed generation and energy storage system in microgrids | |
| US20140297051A1 (en) | Energy resource-grid-load automatic control system of smart microgrid and control methods thereof | |
| Rajesh et al. | Least cost generation expansion planning with wind power plant incorporating emission using differential evolution algorithm | |
| CN105453367A (zh) | 用于微电网中的综合多能量调度的系统、方法和装置及有形计算机可读介质 | |
| CN105373842A (zh) | 一种基于全能流模型的微电网能量优化与评估方法 | |
| Hartmann et al. | Methodologies for storage size determination for the integration of wind power | |
| Moshi et al. | Optimal operational planning for PV-Wind-Diesel-battery microgrid | |
| CN112862253B (zh) | 考虑风电不确定性的电-气-热储能协同规划方法及系统 | |
| CN112383086B (zh) | 一种孤岛微电网日前能量-备用联合优化调度方法 | |
| Maffei et al. | Optimal Power Flow model with energy storage, an extension towards large integration of renewable energy sources. | |
| CN104682447A (zh) | 一种含多风电场的电力系统经济调度方法 | |
| CN110867907B (zh) | 一种基于多类型发电资源同质化的电力系统调度方法 | |
| CN113792969A (zh) | 考虑气网动态特性和电转气综合能源系统优化调度方法 | |
| Azimi et al. | A new approach on quantification of flexibility index in multi-carrier energy systems towards optimally energy hub management | |
| Zhang et al. | Bi-level optimization dispatch of integrated-energy systems with P2G and carbon capture | |
| CN112018756A (zh) | 气电联合系统日前鲁棒协调优化调度方法 | |
| Ding et al. | Studies on stochastic unit commitment formulation with flexible generating units | |
| Yu et al. | Optimal dispatching method for integrated energy system based on robust economic model predictive control considering source–load power interval prediction | |
| CN115099007A (zh) | 基于综合成本-能耗曲线的综合能源系统优化运行方法 | |
| Xia et al. | Planning district multiple energy systems considering year-round operation | |
| CN113158547B (zh) | 计及经济性和可靠性的区域综合能源系统优化配置方法 | |
| CN113610658A (zh) | 一种基于信息间隙决策模型的配网运行调度方法及系统 | |
| CN106651136B (zh) | 一种双边交易的日前发电计划编制方法及装置 | |
| Pruckner et al. | A study on the impact of packet loss and latency on real-time demand response in smart grid |
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 |