CN114048908A - 统一电网-分布式热网系统多时间尺度加强区间优化方法 - Google Patents

统一电网-分布式热网系统多时间尺度加强区间优化方法 Download PDF

Info

Publication number
CN114048908A
CN114048908A CN202111348715.2A CN202111348715A CN114048908A CN 114048908 A CN114048908 A CN 114048908A CN 202111348715 A CN202111348715 A CN 202111348715A CN 114048908 A CN114048908 A CN 114048908A
Authority
CN
China
Prior art keywords
heat
power
interval
unit
time
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
CN202111348715.2A
Other languages
English (en)
Other versions
CN114048908B (zh
Inventor
刘鑫蕊
侯敏
孙秋野
张化光
黄博南
杨珺
马大中
王睿
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.)
Northeastern University China
Original Assignee
Northeastern University China
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 Northeastern University China filed Critical Northeastern University China
Priority to CN202111348715.2A priority Critical patent/CN114048908B/zh
Publication of CN114048908A publication Critical patent/CN114048908A/zh
Application granted granted Critical
Publication of CN114048908B publication Critical patent/CN114048908B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for AC mains or AC distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for AC mains or AC distribution networks
    • H02J3/008—Circuit arrangements for AC mains or AC distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for AC mains or AC distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for AC mains or AC distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for AC mains or AC distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • 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

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

Abstract

本发明提供一种统一电网‑分布式热网系统多时间尺度加强区间优化方法，涉及电热互联系统优化调度领域。通过建立成本最小目标函数，合理的机组约束以及考虑到电流和水流传输速度的不同，采用多时间尺度优化调度策略，实时调整机组出力情况。同时考虑到风电机组预测出力以及电热负荷预测值容易受到天气等因素的影响而导致的不确定性，采用加强区间优化方法，用区间数的形式来描述这种不确定性，通过计算可以得到决策变量和目标函数的区间解计算出期望值，也就是解区间的最优值，即得到加强区间优化模型的最优解。

Description

统一电网-分布式热网系统多时间尺度加强区间优化方法
技术领域
本发明涉及电热互联系统优化调度技术领域，尤其涉及一种统一电网-分布式热网系统多时间尺度加强区间优化方法。
背景技术
随着各个国家对能源安全、生态环境等问题的日益重视，全球能源发展体系正在转向低碳能源体系，最终目标是进入可持续能源时代，以可再生能源摆脱对化石能源的严重依赖。但是，在“三北”地区风力发电快速发展的同时也遭遇了巨大的挑战，如何避免风电消纳问题再次成为新能源发展掣肘，是能源高质量发展道路上必须解决的课题。能源系统的结合和互补被认为是提高能源利用效率的有效途径。热电联产机组(CHP)等耦合装置在电网和热网之间的广泛应用，电热互联系统得到了广泛的关注。CHP机组既能满足其所在地区的电负荷需求，又能满足热负荷需求，对于冬季供暖期的三北地区，能有效利用燃料资源，节约经济成本。因此针对电热联合系统建模，研究电热联合系统特性，不仅对促进风电消纳具有重要意义，对我国能源战略中的低碳减排也有积极的促进作用。
目前已有的电热联合系统多是一对一系统，但考虑到城市电网是统一建设和规划的，而城市热网往往划分为多个具有不同所属权且分布式区域供热网络，因此针对具有统一电网和多热网结构的电热互联系统开展研究更符合实际系统优化的需求。
一些学者在电热联合系统优化运行策略进行了探索。目前常见的求解算法主要是非线性智能算法。但是考虑到可再生能源发电预测值的随机性等式约束是难以满足的。确定性优化结果是唯一确定的值，带来了机组调控的困难，区间优化可有效改善这一问题，但同时导致了区间范围过大的不精确性。一般建模的许多输入参数由于数据的不准确或缺失会表现出一定程度的不确定性，传统的线性优化模型只能解决所有参数都是确定的模拟问题。然而对于实际建模仿真，针对不确定的参数结构及优化问题，用区间数将风电功率、热负荷、电负荷分别表示。区间规划是处理不确定性问题的一种有效方法，如智能电网中的风电功率和负荷不确定性。基于区间数学，风电功率和负荷的不确定性表示为区间数，而不是概率分布和模糊分布。
发明内容
针对现有技术存在的问题，本发明提供一种统一电网-分布式热网系统多时间尺度加强区间优化方法。该方法通过对目标函数和约束条件进行处理，将模型分为上下限两个子模型，再分别求解两个子模型，得到各目标的最优解区间及最优值区间，可以在一定程度上保证减小系统解区间并保证该区间的绝对可行性。
为了解决上述技术问题，本发明采用以下的技术方案：
一种统一电网-分布式热网系统多时间尺度加强区间优化方法，包括以下步骤：
步骤1：通过电气控制中心和供热控制中心在每个协调周期进行信息交换，确定联络线上的传输功率；
所述供热控制中心的热源包括CHP机组、电锅炉及蓄热罐，如下式所示：
Figure BDA0003354917050000021
所述电气控制中心的电源供给风电、火电机组产电及CHP机组，如下式所示：
Figure BDA0003354917050000022
其中：Ps,t表示电网中母线s处注入的有功功率，Nbus表示电网母线的集合，NW为风机数量，
Figure BDA0003354917050000023
为t时段电-热互联系统的购电功率，
Figure BDA0003354917050000024
为供电区域i在t时段的电负荷，Tc为总调度时间；
Figure BDA0003354917050000025
为第m个区域热力系统中用户i热需求；
Figure BDA0003354917050000026
为第m个区域热力系统中热力网络的热损耗功率；
Figure BDA0003354917050000027
t时段的电锅炉输出热功率；N是分布式热网个数；
Figure BDA0003354917050000028
分别为第m个分布式热网蓄热罐充放热功率，其中
Figure BDA0003354917050000029
Nj为散热器数量，Qk,t为散热器散发的热量。
步骤2：基于热网传输特性及建筑物热惯性，结合用户热舒适性，建立简化热舒适度模型，计算热负荷曲线范围：
步骤2.1：采用动态状态估计方法对热网的静态模型进行处理，所述处理为，采用质调节法对热网调节，其中忽略水温对供热和回热管道中水的密度、粘度的影响，具体为：
建立t时刻供水网络中管道b内质量流量分布，其中设m为流入管道的质块，tb为流过管道的时间，则
Figure BDA00033549170500000210
lpl为管道长度，ρ为管道质块的密度，d为管道直径，m1于t-Δt时刻开始进入管道，tb1＝(K-1)Δt，tb2＝KΔt，K为管道中质块的个数，Δt时段内流出管道的部分，由质块mK中的mK，2和mK+1中的mK+1,1组成，质块mK，2和mK+1,1温度按质量的加权平均值表示如下：
Figure BDA0003354917050000031
式中：
Figure BDA0003354917050000032
为t时段供水网络管道b的出口温度，℃；ξ1，ξ2为权重系数；mK，mK+1为质块，
Figure BDA0003354917050000033
为mK流出时温度。
考虑热水传输过程中的热损耗，mK流出时温度下降：
Figure BDA0003354917050000034
式中：kj为热损失系数，lpl为管道长度，m；
Figure BDA0003354917050000035
分别为mK流出、流入供水网络管道b时的温度；τa为环境温度；cw为传输介质的比热容。
按照热水在管道中的传输，将式(2)改写为：
Figure BDA0003354917050000036
Figure BDA0003354917050000037
式中：
Figure BDA0003354917050000038
为mK质块t时刻流出温度；
Figure BDA0003354917050000039
为mK+1质块t时刻流出温度；
Figure BDA00033549170500000310
分别为mK、mK+1流入供水网络管道时的温度；ξ3，ξ4为权重系数。
将式(3)、(4)代入到(1)中得到供水网络管道b出口温度：
Figure BDA00033549170500000311
式(5)描述了热水在管道中传输的准动态过程，由此计算回水管道计算热损失及延时的出口温度：
Figure BDA00033549170500000312
步骤2.2：由于建筑物用户的热增益由室内空气和散热器的温度差引起的相对稳态增益和由外墙上太阳辐射强度变化引起的非稳态增益组成。因此，相对稳态增益和非稳态增益的双参数热动力学模型，表示为下式：
Figure BDA00033549170500000313
Figure BDA0003354917050000041
式中：
Figure BDA0003354917050000042
分别为在t时刻第k个供热区域的室内温度及建筑物围护结构的温度；τa,t为t时刻的室外温度；Mair、Mwall分别为在t时间段内室内空气的总质量和建筑物围护结构的质量；cair、cwall为空气和建筑物围护结构的定压质量比热容；Qk,t为第k个供热区域t时段内热水通过散热器向室内空气散热量；
Figure BDA0003354917050000043
为建筑物围护结构从太阳辐射和周围环境中获得的热量；
Figure BDA0003354917050000044
表示在t时段第k个供热区域通过建筑围护结构基本热损失；
Figure BDA0003354917050000045
表示在t时段第k个供热区域通过冷风渗透耗热损失；
Figure BDA0003354917050000046
表示在t时段第k个供热区域通过通风渗透耗热损失。
其中，室内散热器的散热方程为：
Figure BDA0003354917050000047
Kr＝2.503×(τr-τn)0.298 (10)
Figure BDA0003354917050000048
式中：Qk,t为散热器散热量；Kr为散热器向室内空气传热时的传热系数，W/m2·℃；Ak为散热器向室内空气传热的传热面积；τr,t为t时刻散热器进出口热水的平均温度；
Figure BDA0003354917050000049
Figure BDA00033549170500000410
分别为散热器进出口水温；τr为散热器进出口热水的平均温度；τn为室内温度。
所述建筑围护结构基本热损失、冷风渗透耗热损失、通风渗透耗热损失组成总体热损失，具体如下式所示：
所述建筑围护结构基本热损失如式所示：
Figure BDA00033549170500000411
Figure BDA00033549170500000412
Figure BDA00033549170500000413
式中：Nload为供热区域的集合；Bk、Fk,e分别为第k个供热区域建筑围护结构面积和在第k个供热区域中的包络热渗透率；
Figure BDA0003354917050000051
τa,t分别为在t时段第k个供热区域的室内、室外温度；
Figure BDA0003354917050000052
分别为第k个供热区域的层高修正系数和建筑物朝向修正系数；Rwi、Rwo分别为墙壁内表面和室内空气之间的热阻和墙壁外表面和室外环境之间的热阻。
所述冷风渗透耗热损失如式所示：
Figure BDA0003354917050000053
Vk＝∑(lLu) (16)
式中：Num为每小时空气变化的次数；Vk为渗透空气的体积流量，
Figure BDA0003354917050000054
为室外温度下的空气密度，l为房间某朝向上的门窗缝隙长度；L为每米门窗缝隙的基准渗风量；u为门窗缝隙的渗风量综合修正系数；cair为空气的比热容。。
所述通风渗透耗热损失如式所示：
Figure BDA0003354917050000055
式中：Ven为每小时的通风量。
步骤2.3：建立简化热舒适度模型，仅将室内温度τin和相对湿度Pv作为输入参数，简化热舒适度模型为：
PMV＝e1τin+e2Pv-e3 (18)
Figure BDA0003354917050000056
Figure BDA0003354917050000057
Figure BDA0003354917050000058
式中：PMV为预测平均投票评价指标值；PPD为预测不满意百分率指标值；系数e1、e2和e3是不同用户类型特性系数；
Figure BDA0003354917050000059
PMV分别表示PMV指标值的上下限；
Figure BDA00033549170500000510
PPD分别表示PPD指标值的上下限。
由于人体感舒适度存在一定的误差，再要室内在该误差区间内即可认为用户是舒适的，在舒适度模型建立后即可得到一个终端用户舒适度热负荷区间，同时考虑到建筑物热惯性，采用步骤2.2提到的建筑物双参数模型进行计算减少建筑物热损耗带来的误差，同时由于供热网络存在热延时和热损耗，采用步骤2.1提到的热网准动态模型进行计算，得到分布式热网的热负荷范围。
步骤3：建立电热联合系统的多时间尺度优化调度模型，首先对电热联合系统进行日前优化调度，得到日前的各机组出力后在日前优化结果的基础上针对风电和负荷或造成的偏差进行日内和实时滚动优化运行；
步骤3.1:电热联合系统的运行成本包括火电机组燃料成本、购买天然气成本、各机组及储能装置运行成本和维护成本、与电网交互成本以及风电惩罚成本，如式(22)所示：
Figure BDA0003354917050000061
式中：
Figure BDA0003354917050000062
分别为CHP机组、火电机组、蓄热罐和电锅炉的成本函数，
Figure BDA0003354917050000063
分别为第i个风电场t时刻的风电出力和最大可用风电出力，αw是弃风惩罚系数，
Figure BDA0003354917050000064
分别为购买天然气、上级电网购电的成本函数，
Figure BDA0003354917050000065
为电热互联系统中机组的运维成本；NCHP、NG、NHST、NEB分别为CHP机组、火电机组、蓄热罐和电锅炉的数量。
其中CHP机组的成本函数
Figure BDA0003354917050000066
Pi,t、Hi,m,t分别为CHP机组的电热出力；e0,i、e1,i、e2,i、e3,i、e4,i、e5,i为CHP机组产电产热的成本系数，N为热网数量。
火电机组的成本函数
Figure BDA0003354917050000067
Figure BDA0003354917050000068
为火电机组发电功率，a0,i、a1,i、a2,i为火力发电机组的成本系数；
电锅炉的成本函数
Figure BDA0003354917050000069
蓄热罐的成本函数
Figure BDA00033549170500000610
γEB、γHST分别为电锅炉、蓄热罐的运行成本系数，
Figure BDA00033549170500000611
为t时段的电锅炉耗电功率，
Figure BDA00033549170500000612
为t时段的蓄热罐充热功率。
购买天然气成本函数如下
Figure BDA0003354917050000071
ph为天然气价格，
Figure BDA0003354917050000072
为CHP机组使用天然气体积，
Figure BDA0003354917050000073
为火电机组使用天然气体积；从上级电网购电的成本函数如下
Figure BDA0003354917050000074
Figure BDA0003354917050000075
为t时段上级电网的分时电价，
Figure BDA0003354917050000076
为t时段电-热互联系统的购电功率；电热互联系统中机组的运维成本
Figure BDA0003354917050000077
Kg、Kc分别为火电机组运维单价、热电联产机组运维单价，NG为火电机组数量，
Figure BDA0003354917050000078
为火电机组i在t时刻输出电功率，Pi,t为CHP机组i在t时刻输出电功率，Δt为调度时间。
步骤3.2：构建多时间尺度优化调度模型的约束条件，包括电力系统约束，热力系统约束以及各机组出力约束，其中各机组出力约束包括电源侧约束、电锅炉约束、蓄热罐约束；
电力系统约束表示为
Figure BDA0003354917050000079
s∈Nbus，Ps,t表示电网中母线s处注入的有功功率，Nbus表示电网母线的集合，NW为风机数量，
Figure BDA00033549170500000710
为t时段电-热互联系统的购电功率，
Figure BDA00033549170500000711
为供电区域i在t时段的电负荷。支路潮流的边界约束条件如式
Figure BDA00033549170500000712
Figure BDA00033549170500000713
和Psz 分别表示支路sz的功率上下限。
热力系统约束如下式所示：
Figure BDA00033549170500000714
式中：Tc为总调度时间；
Figure BDA00033549170500000715
为第m个区域热力系统中用户i热需求；
Figure BDA00033549170500000716
为第m个区域热力系统中热力网络的热损耗功率；
Figure BDA00033549170500000717
t时段的电锅炉输出热功率；N是分布式热网个数；
Figure BDA00033549170500000718
分别为第m个分布式热网蓄热罐充放热功率，其中
Figure BDA00033549170500000719
Nj为散热器数量。
电源侧约束如式(24)所示：
Figure BDA0003354917050000081
式中：
Figure BDA0003354917050000082
Pi 、
Figure BDA0003354917050000083
和Hi 分别为CHP的电热出力上下限；
Figure BDA0003354917050000084
Pi G 分别为火电机组出力上下限；
Figure BDA0003354917050000086
分别为风电机组出力上下限。
电锅炉约束如下式所示：
Figure BDA0003354917050000087
式中：
Figure BDA0003354917050000088
分别是第t个时段的电锅炉耗电功率和输出热功率；
Figure BDA0003354917050000089
为电锅炉额定容量；ηEB为电锅炉电热转换效率。
蓄热罐约束包括充放热约束和容量约束，如下式所示：
Figure BDA00033549170500000810
Figure BDA00033549170500000811
式中：
Figure BDA00033549170500000812
为t时刻蓄热罐的SOC值；
Figure BDA00033549170500000813
分别表示为蓄热罐的充放热功率；ηHST,chr，ηHST,dis分别为蓄热罐的充放热效率；ΔT为日前计划中的间隔时间；
Figure BDA00033549170500000814
分别为蓄热罐充放热标志位，其值为0表示储热罐停止运行，为1表示储热罐开始运行，且满足互斥约束条件及充放热爬坡约束如下所示：
Figure BDA00033549170500000815
Figure BDA00033549170500000816
式中：
Figure BDA00033549170500000817
和
Figure BDA00033549170500000818
分别表示为蓄热罐的充电上下限和放电上下限功率。
步骤3.3：从日前、日内、实时三个时间尺度来进行多时间尺度优化调度，即进行日前调度、日内调度以及实时调度；同时计算日前调度计划各机组出力与第一次日内调度计划出力偏差以及日内调度计划中t时段与t-1时段的机组出力偏差，实时调度计划中t时段与t-1时段滚动优化各个机组出力偏差满足偏差约束；
所述日前调度为小时级，得到各设备24时的基本运行点以及各机组启停状态；所述日内调度为每小时上传未来设定时长风电及电热负荷预测数据，对未来设定时长各机组出力进行滚动优化，每一小时执行一次，设定时长为1-5小时；所述实时调度则根据设定分钟级短期预测值对日内调度结果进行在线修正；
所述日前调度计划各单元处理与第一次滚动计划出力偏差约束为：
Figure BDA0003354917050000091
式中：i为系统中单元设备编号，
Figure BDA0003354917050000092
为i单元机组发出功率的最大值；
Figure BDA0003354917050000093
为i单元机组第一次滚动计划的计划发出功率；
Figure BDA0003354917050000094
为i单元机组日前调度计划发出功率；α为偏差系数；
Figure BDA0003354917050000095
式中：
Figure BDA0003354917050000096
为i单元机组第k次滚动计划的计划发出功率；
Figure BDA0003354917050000097
为i单元机组第k-1次滚动计划的计划发出功率。
所述实时调度与滚动优化各个机组出力偏差约束为：
Figure BDA0003354917050000098
式中：
Figure BDA0003354917050000099
为i单元机组设定小时滚动计划的计划发出功率；
Figure BDA00033549170500000910
为i单元机组实际发出功率；ΔPi(t)为i单元机组实际发出功率和滚动发出功率的最大允许调整差。
步骤4：引入数学求解方法处理风电的不确定性和负荷的不确定因素，将其转化为区间形式表达，同时与步骤3的多时间尺度优化调度模型相结合，在多时间尺度下进行加强区间优化调度，得到更加精确的加强区间优化调度结果。
步骤4.1：建立如式(30)、(31)所示区间优化模型。
min[F]＝[C][X] (30)
Figure BDA00033549170500000911
式中：[X]＝([xij])n×p，
Figure BDA00033549170500000912
代表目标函数的决策变量；[A]＝([aij])m×n，
Figure BDA00033549170500000913
表示不等式约束中[X]的系数矩阵；[B]＝([bij])m×n，
Figure BDA00033549170500000914
表示等式约束中[X]的系数矩阵；[C]＝([cij])1×n，
Figure BDA0003354917050000101
表示目标函数的系数矩阵；[D]＝([dij])m×p，
Figure BDA0003354917050000102
表示线路传输容量区间；[E]＝([eij])m×p，
Figure BDA0003354917050000103
表示风电
Figure BDA0003354917050000104
和负荷[L]＝[L-,L+]预测区间常数；[F]＝[F-,F+]表示运行成本的最优解区间。
然后对目标函数(30-31)进行处理，引入区间[AI]，处理后的原目标函数转换为目标函数[AI]＝[AI-,AI+]，表示加强区间优化模型的运行成本最有解区间，定义E[·]为期望值；定义F→、F←、F-、F+如式(34-37)所示。
Figure BDA0003354917050000105
Figure BDA0003354917050000106
Figure BDA0003354917050000107
Figure BDA0003354917050000108
Figure BDA0003354917050000109
Figure BDA00033549170500001010
式中：E[F±]为目标函数F在经过加强区间优化后的期望成本函数；k1为x的正区间个数；n为x的维数；
Figure BDA00033549170500001011
分别为目标函数F的系数下限和上限；
Figure BDA00033549170500001012
分别为运行结果中机组出力下限和上限。
步骤4.2：对上下限两个子模型进行求解。
步骤4.2.1：对下限子模型进行求解；
将式(30)中的目标函数F替换为如式(38)所示下界的minAI-：
Figure BDA00033549170500001013
用最大范围的不等式代替每个区间不等式约束，如下式所示：
Figure BDA0003354917050000111
式中：
Figure BDA0003354917050000112
分别为不等式系数矩阵下限和上限；
Figure BDA0003354917050000113
分别为机组出力下限和上限；
Figure BDA0003354917050000114
分别为等式约束中的下限和上限。
将模型中的每个区间等式约束替换为两个边界不等式，得到一个确定性等式约束，再对模型进行求解，得到下界最优值，两个边界不等式如式(40)、(41)所示：
Figure BDA0003354917050000115
Figure BDA0003354917050000116
式中：
Figure BDA0003354917050000117
和
Figure BDA0003354917050000118
分别为正负区间变量；对模型进行求解，得到下界最优值
Figure BDA0003354917050000119
以及
Figure BDA00033549170500001110
步骤4.2.2：对上限子模型进行求解；
将式(30)中的目标函数F替换为如式(42)所示下界的minAI+。
Figure BDA00033549170500001111
用最小范围的不等式代替每个区间不等式约束。不等式约束的最小范围表示如式(43-44)所示：
Figure BDA00033549170500001112
Figure BDA00033549170500001113
将模型中的每个区间等式约束替换为如下两个边界方程：
Figure BDA00033549170500001114
Figure BDA00033549170500001115
对模型进行求解得到2m-p个最优值并从这些最优值中选择最大值作为上界最优值，其最优结果当j＝1,2,...,k1时为
Figure BDA0003354917050000121
，当j＝k1+1,k1+2,...,n时为
Figure BDA0003354917050000122
以及
Figure BDA0003354917050000123
步骤4.2.3：将上下限两个子模型进行结合，得到以下结果：
Figure BDA0003354917050000124
Figure BDA0003354917050000125
Figure BDA0003354917050000126
步骤4.3：在日前调度计划中，首先将风机日前预测数据、电热负荷日前预测数据及天然气电价作为输入数据，将系统运行成本最小的目标函数F写入后，利用加强区间优化方法进行求解得到适宜的日前加强区间优化调度结果运行成本区间
Figure BDA0003354917050000127
和各机组出力区间
Figure BDA0003354917050000128
之后进入日内调度，更新风机、电热负荷预测数据，利用加强区间优化方法再次对机组出力进行优化调整，得到更加符合此时系统的出力区间
Figure BDA0003354917050000129
及成本区间
Figure BDA00033549170500001210
最后再次更新风电预测数据及电负荷数据，再次利用加强区间优化方法再次对机组出力进行优化调整，得到实时出力区间
Figure BDA00033549170500001211
及成本区间
Figure BDA00033549170500001212
，完成多时间尺度加强区间优化。
本发明所产生的有益效果在于：
本发明提出一种统一电网-分布式热网系统多时间尺度加强区间优化方法，考虑到热网传输特性及建筑物的热惯性，为保障用户舒适度，建立考虑建筑物内外温度参数、墙体热阻以及墙体热容量的双参数模型。同时简化热舒适度模型，可以更简便的拟合ISO7730热舒适度模型。通过建立成本最小目标函数，合理的机组约束以及考虑到电流和水流传输速度的不同，采用多时间尺度优化调度策略，实时调整机组出力情况。同时考虑到风电机组预测出力以及电热负荷预测值容易受到天气等因素的影响而导致的不确定性，采用加强区间优化方法，用区间数的形式来描述这种不确定性，通过计算可以得到决策变量和目标函数的区间解[AI]opt，为了获得E[F±]opt，将[F]转换为具有确定性C'的[AI]，从而由以上两个子模型推导出的[AI]opt和[X]opt，由此可以计算出期望值，也就是解区间的最优值，即得到加强区间优化模型的最优解。与原始目标函数[F]中[C]的不确定性相比，
Figure BDA0003354917050000131
表示在[F]opt中相对缩小的区间，并且得到的是绝对可行的解空间，得到了更加优化的调度策略，便于适时调整机组的出力情况。
附图说明
图1为本发明多时间尺度加强区间优化方法流程图
图2为本发明具体实施方式的t时刻供水网络管道b内质量流量分布图；
图3是本发明具体实施方式的统一电网-分布式热网系统结构图；
图4是本发明具体实施方式的基于不同用户类型热舒适度的热需求范围曲线图；
图5是本发明具体实施方式的日前、日内、实时各机组出力区间曲线图；
其中图(a)-日前各机组出力区间曲线图；图(b)-日内各机组出力区间曲线图；图(c)-实时各机组出力区间曲线图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
统一电网-分布式热网系统的多时间尺度加强区间优化方法，如图1所示，包括以下步骤：
步骤1：考虑到城市电网是统一建设和规划的，但城市热网往往划分为多个具有不同所属权且分布式区域供热网络，因此针对具有统一电网和多热网结构的电热互联系统开展研究。供热系统和电力系统拥有不同的所有者，它们由不同的运营组织单独控制，但电气控制中心和供热控制中心之间必须交换一些信息，以便在综合电力和供热系统的调度中实现协调。但是，不需要区域供热控制中心之间的信息交换。电、热系统需要在协调时期进行部分信息的交换，只需要通过电气控制中心和供热控制中心在每个协调周期进行信息交换，确定联络线上的传输功率；
所述供热控制中心的热源包括CHP机组、电锅炉及蓄热罐，这些热源产出的热能用来供给区域中的热用户。如下式所示：
Figure BDA0003354917050000132
所述电气控制中心的电源供给风电、火电机组产电及CHP机组，用来供给多区域中的用户用电及电锅炉制热，如下式所示：
Figure BDA0003354917050000141
其中：Ps,t表示电网中母线s处注入的有功功率，Nbus表示电网母线的集合，NW为风机数量，
Figure BDA0003354917050000142
为t时段电-热互联系统的购电功率，
Figure BDA0003354917050000143
为供电区域i在t时段的电负荷，Tc为总调度时间；
Figure BDA0003354917050000144
为第m个区域热力系统中用户i热需求；
Figure BDA0003354917050000145
为第m个区域热力系统中热力网络的热损耗功率；
Figure BDA0003354917050000146
t时段的电锅炉输出热功率；N是分布式热网个数；
Figure BDA0003354917050000147
分别为第m个分布式热网蓄热罐充放热功率，其中
Figure BDA0003354917050000148
Nj为散热器数量，Qk,t为散热器散发的热量。
本实施例采用的电热联合系统由IEEE30节点电力网络和2个15节点热力网络共同组成。电力网络包括30条母线，41条输电线路，24个负荷，3座风力发电厂，6座火力发电厂，3个热电联产机组。热网节点1、11、31分别与电网节点27、7、14通过CHP进行耦合，如图3所示。考虑到电、热时间尺度的差别，将电力系统的调度时间间隔定为15min，热力系统的调度时间间隔定为1h，而CHP作为热电耦合设备，定义其供电与供热的调度时间间隔都为1h，基于Matlab2020b软件CPLEX求解器求解。
步骤2：基于热网传输特性及建筑物热惯性，结合用户热舒适性，建立简化热舒适度模型，计算热负荷曲线范围：
步骤2.1：热网的动态特性，主要体现在热传输延时和温度损耗，采用一种热网的准动态状态估计方法，即采用动态状态估计方法对热网的静态模型进行处理，而且相比于全动态状态估计，其计算量大为减少，相比基于静态模型的静态估计结果更精确。所述处理为，采用质调节法对热网调节，其中忽略水温对供热和回热管道中水的密度、粘度的影响，具体为：
建立t时刻供水网络中管道b内质量流量分布，其中设m为流入管道的质块，tb为流过管道的时间，则
Figure BDA0003354917050000149
lpl为管道长度，ρ为管道质块的密度，d为管道直径，如图2所示为t时刻供水网络管道b内质量流量分布图，m1于t-Δt时刻开始进入管道，tb1＝(K-1)Δt，tb2＝KΔt，K为管道中质块的个数，图中虚线部分为Δt时段内流出管道的部分，由质块mK中的mK，2和mK+1中的mK+1,1组成，质块mK，2和mK+1,1温度按质量的加权平均值表示如下：
Figure BDA0003354917050000151
式中：
Figure BDA0003354917050000152
为t时段供水网络管道b的出口温度，℃；ξ1，ξ2为权重系数；mK，mK+1为质块，单位为kg/s。
Figure BDA0003354917050000153
为mK流出时温度。
考虑热水传输过程中的热损耗，mK流出时温度下降：
Figure BDA0003354917050000154
式中：kj为热损失系数，W/(m·℃)；lpl为管道长度，m；
Figure BDA0003354917050000155
分别为mK流出、流入供水网络管道b时的温度；τa为环境温度；cw为传输介质的比热容。
按照图2中热水在管道中的传输，将式(2)改写为：
Figure BDA0003354917050000156
Figure BDA0003354917050000157
式中：
Figure BDA0003354917050000158
为mK质块t时刻流出温度；
Figure BDA0003354917050000159
为mK+1质块t时刻流出温度；
Figure BDA00033549170500001510
分别为mK、mK+1流入供水网络管道时的温度；ξ3，ξ4为权重系数。
将式(3)、(4)代入到(1)中得到供水网络管道b出口温度：
Figure BDA00033549170500001511
式(5)描述了热水在管道中传输的准动态过程，由此计算回水管道计算热损失及延时的出口温度：
Figure BDA00033549170500001512
步骤2.2：对于一般民用工业建筑，建筑物的热惯性模型分为两个部分，一部分是房屋内部，另一部分是存在热容量的房屋围护结构。当考虑墙壁的热容量时，单元的室内空气温度变化很大。由于建筑物用户的热增益由室内空气和散热器的温度差引起的相对稳态增益和由外墙上太阳辐射强度变化引起的非稳态增益组成。因此，相对稳态增益和非稳态增益的双参数热动力学模型，表示为下式：
Figure BDA00033549170500001513
Figure BDA0003354917050000161
式中：
Figure BDA0003354917050000162
分别为在t时刻第k个供热区域的室内温度及建筑物围护结构的温度；τa,t为t时刻的室外温度；Mair、Mwall分别为在t时间段内室内空气的总质量和建筑物围护结构的质量；cair、cwall为空气和建筑物围护结构的定压质量比热容；Qk,t为第k个供热区域t时段内热水通过散热器向室内空气散热量；
Figure BDA0003354917050000163
为建筑物围护结构从太阳辐射和周围环境中获得的热量；
Figure BDA0003354917050000164
表示在t时段第k个供热区域通过建筑围护结构基本热损失；
Figure BDA0003354917050000165
表示在t时段第k个供热区域通过冷风渗透耗热损失；
Figure BDA0003354917050000166
表示在t时段第k个供热区域通过通风渗透耗热损失。
其中，室内散热器的散热方程为：
Figure BDA0003354917050000167
Kr＝2.503×(τr-τn)0.298 (10)
Figure BDA0003354917050000168
式中：Qk,t为散热器散热量；Kr为散热器向室内空气传热时的传热系数，W/m2·℃；Ak为散热器向室内空气传热的传热面积；τr,t为t时刻散热器进出口热水的平均温度；
Figure BDA0003354917050000169
Figure BDA00033549170500001610
分别为散热器进出口水温；τr为散热器进出口热水的平均温度；τn为室内温度。
所述建筑围护结构基本热损失、冷风渗透耗热损失、通风渗透耗热损失组成总体热损失，具体如下式所示：
所述建筑围护结构基本热损失如式所示：
Figure BDA00033549170500001611
Figure BDA00033549170500001612
Figure BDA00033549170500001613
式中：Nload为供热区域的集合；Bk、Fk,e分别为第k个供热区域建筑围护结构面积和在第k个供热区域中的包络热渗透率；
Figure BDA0003354917050000171
τa,t分别为在t时段第k个供热区域的室内、室外温度；
Figure BDA0003354917050000172
分别为第k个供热区域的层高修正系数和建筑物朝向修正系数；Rwi、Rwo分别为墙壁内表面和室内空气之间的热阻和墙壁外表面和室外环境之间的热阻。
所述冷风渗透耗热损失如式所示：
Figure BDA0003354917050000173
Vk＝∑(lLu) (16)
式中：Num为每小时空气变化的次数；Vk为渗透空气的体积流量，单位m3/h；
Figure BDA0003354917050000174
为室外温度下的空气密度，单位Kg/m3；l为房间某朝向上的门窗缝隙长度；L为每米门窗缝隙的基准渗风量；u为门窗缝隙的渗风量综合修正系数；cair为空气的比热容。。
所述通风渗透耗热损失如式所示：
Figure BDA0003354917050000175
式中：Ven为每小时的通风量。
步骤2.3：建立简化热舒适度模型，仅将室内温度τin和相对湿度Pv作为输入参数，实现对ISO7730热舒适度模型较好的近似效果，简化热舒适度模型为：
PMV＝e1τin+e2Pv-e3 (18)
Figure BDA0003354917050000176
Figure BDA0003354917050000177
Figure BDA0003354917050000178
式中：PMV为预测平均投票评价指标值；PPD为预测不满意百分率指标值；系数e1、e2和e3是不同用户类型特性系数；
Figure BDA0003354917050000179
PMV分别表示PMV指标值的上下限；
Figure BDA00033549170500001710
PPD分别表示PPD指标值的上下限。
由于人体感舒适度存在一定的误差，再要室内在该误差区间内即可认为用户是舒适的，在舒适度模型建立后即可得到一个终端用户舒适度热负荷区间，同时考虑到建筑物热惯性，采用步骤2.2提到的建筑物双参数模型进行计算减少建筑物热损耗带来的误差，同时由于供热网络存在热延时和热损耗，采用步骤2.1提到的热网准动态模型进行计算，得到分布式热网的热负荷范围。
根据相关文献参数，本实施例中设置电锅炉额定容量为1000kW，储热罐储能容量设置为1000kWh，拟合各节点不同类型用户自身特性参数及差异化用户相对应的最佳热舒适温度，热网1和热网2的热负荷成比例，其中热网节点1-8为1.5倍，9-15为0.7倍，根据所提供的供热管道参数及公式可以求得热网的延时和衰减参数得到热负荷需求如图4所示。
步骤3：建立电热联合系统的多时间尺度优化调度模型，首先对电热联合系统进行日前优化调度，得到日前的各机组出力后在日前优化结果的基础上针对风电和负荷或造成的偏差进行日内和实时滚动优化运行；
步骤3.1:调度模型的目标函数式在满足约束的同时最大程度的降低系统运行成本，电热联合系统的运行成本包括火电机组燃料成本、购买天然气成本、各机组及储能装置运行成本和维护成本、与电网交互成本以及风电惩罚成本，如式(22)所示：
Figure BDA0003354917050000181
式中：
Figure BDA0003354917050000182
分别为CHP机组、火电机组、蓄热罐和电锅炉的成本函数，
Figure BDA0003354917050000183
分别为第i个风电场t时刻的风电出力和最大可用风电出力，αw是弃风惩罚系数，
Figure BDA0003354917050000184
分别为购买天然气、上级电网购电的成本函数，
Figure BDA0003354917050000185
为电热互联系统中机组的运维成本；NCHP、NG、NHST、NEB分别为CHP机组、火电机组、蓄热罐和电锅炉的数量。
其中CHP机组的成本函数为产生电热功率的二次函数
Figure BDA0003354917050000186
Pi,t、Hi,m,t分别为CHP机组的电热出力；e0,i、e1,i、e2,i、e3,i、e4,i、e5,i为CHP机组产电产热的成本系数，N为热网数量。
火电机组的成本函数
Figure BDA0003354917050000191
Figure BDA0003354917050000192
为火电机组发电功率，a0,i、a1,i、a2,i为火力发电机组的成本系数；
电锅炉的成本函数
Figure BDA0003354917050000193
，蓄热罐的成本函数
Figure BDA0003354917050000194
γEB、γHST分别为电锅炉、蓄热罐的运行成本系数，
Figure BDA0003354917050000195
为t时段的电锅炉耗电功率，
Figure BDA0003354917050000196
为t时段的蓄热罐充热功率。
购买天然气成本函数如下
Figure BDA0003354917050000197
ph为天然气价格，
Figure BDA0003354917050000198
为CHP机组使用天然气体积，
Figure BDA0003354917050000199
为火电机组使用天然气体积；从上级电网购电的成本函数如下
Figure BDA00033549170500001910
Figure BDA00033549170500001911
为t时段上级电网的分时电价，
Figure BDA00033549170500001912
为t时段电-热互联系统的购电功率；电热互联系统中机组的运维成本
Figure BDA00033549170500001913
Kg、Kc分别为火电机组运维单价、热电联产机组运维单价，NG为火电机组数量，
Figure BDA00033549170500001914
为火电机组i在t时刻输出电功率，Pi,t为CHP机组i在t时刻输出电功率，Δt为调度时间。
步骤3.2：构建多时间尺度优化调度模型的约束条件，包括电力系统约束，热力系统约束以及各机组出力约束，其中各机组出力约束包括电源侧约束、电锅炉约束、蓄热罐约束；
电力系统约束可以表示为
Figure BDA00033549170500001915
s∈Nbus，Ps,t表示电网中母线s处注入的有功功率，Nbus表示电网母线的集合，NW为风机数量，
Figure BDA00033549170500001916
为t时段电-热互联系统的购电功率，
Figure BDA00033549170500001917
为供电区域i在t时段的电负荷。支路潮流的边界约束条件如式
Figure BDA00033549170500001918
Figure BDA00033549170500001919
和Psz 分别表示支路sz的功率上下限。
本实施例中考虑到供热系统的响应速度相比于电力系统有较大差别，且结合含储热CHP机组的热特性、供热系统的动态特性以及建筑物供热的热惯性，机组供热与热负荷用热之间存在时间空间上的错位，所以无需像电力系统一样满足实时平衡。热力系统约束如下式所示：
Figure BDA00033549170500001920
式中：Tc为总调度时间；
Figure BDA0003354917050000201
为第m个区域热力系统中用户i热需求；
Figure BDA0003354917050000202
为第m个区域热力系统中热力网络的热损耗功率；
Figure BDA0003354917050000203
t时段的电锅炉输出热功率；N是分布式热网个数；
Figure BDA0003354917050000204
分别为第m个分布式热网蓄热罐充放热功率，其中
Figure BDA0003354917050000205
Nj为散热器数量。
电源侧约束如式(24)所示：
Figure BDA0003354917050000206
式中：
Figure BDA0003354917050000207
Pi 、
Figure BDA0003354917050000208
和Hi 分别为CHP的电热出力上下限；
Figure BDA0003354917050000209
Pi G 分别为火电机组出力上下限；
Figure BDA00033549170500002011
分别为风电机组出力上下限。
电锅炉约束如下式所示：
Figure BDA00033549170500002012
式中：
Figure BDA00033549170500002013
分别是第t个时段的电锅炉耗电功率和输出热功率；
Figure BDA00033549170500002014
为电锅炉额定容量；ηEB为电锅炉电热转换效率。
蓄热罐约束包括充放热约束和容量约束，如下式所示：
Figure BDA00033549170500002015
Figure BDA00033549170500002016
式中：
Figure BDA00033549170500002017
为t时刻蓄热罐的SOC值；
Figure BDA00033549170500002018
分别表示为蓄热罐的充放热功率；ηHST,chr，ηHST,dis分别为蓄热罐的充放热效率；ΔT为日前计划中的间隔时间；
Figure BDA00033549170500002019
分别为蓄热罐充放热标志位，其值为0表示储热罐停止运行，为1表示储热罐开始运行，且满足互斥约束条件及充放热爬坡约束如下所示：
Figure BDA0003354917050000211
Figure BDA0003354917050000212
式中：
Figure BDA0003354917050000213
和
Figure BDA0003354917050000214
分别表示为蓄热罐的充电上下限和放电上下限功率。
步骤3.3：由于日前调度中风电、电热负荷等存在的预测随机性，实际出力和预测出力存在一定的偏差，导致日内实际计划偏离现象。故从日前、日内、实时三个时间尺度来进行多时间尺度优化调度，即进行日前调度、日内调度以及实时调度；同时计算日前调度计划各机组出力与第一次日内调度计划出力偏差以及日内调度计划中t时段与t-1时段的机组出力偏差，实时调度计划中t时段与t-1时段滚动优化各个机组出力偏差满足偏差约束；
所述日前调度为小时级，得到各设备24时的基本运行点以及各机组启停状态；所述日内调度为每小时上传未来设定时长风电及电热负荷预测数据，对未来设定时长各机组出力进行滚动优化，每一小时执行一次，设定时长为1-5小时；所述实时调度则根据设定分钟级短期预测值对日内调度结果进行在线修正，以实现减少实际运行时风电等不确定性引起的运行状态偏差，确定所有机组的出力。
所述日前调度计划各单元处理与第一次滚动计划出力偏差约束为：
Figure BDA0003354917050000215
式中：i为系统中单元设备编号，
Figure BDA0003354917050000216
为i单元机组发出功率的最大值；
Figure BDA0003354917050000217
为i单元机组第一次滚动计划的计划发出功率；
Figure BDA0003354917050000218
为i单元机组日前调度计划发出功率；α为偏差系数；
Figure BDA0003354917050000219
式中：
Figure BDA00033549170500002110
为i单元机组第k次滚动计划的计划发出功率；
Figure BDA00033549170500002111
为i单元机组第k-1次滚动计划的计划发出功率。
所述实时调度与滚动优化各个机组出力偏差约束为：
Figure BDA00033549170500002112
式中：
Figure BDA00033549170500002113
为i单元机组设定小时滚动计划的计划发出功率；
Figure BDA00033549170500002114
为i单元机组实际发出功率；ΔPi(t)为i单元机组实际发出功率和滚动发出功率的最大允许调整差。
步骤4：引入数学求解方法处理风电的不确定性和负荷的不确定因素，将其转化为区间形式表达，使约束表达更为合理；同时与步骤3的多时间尺度优化调度模型相结合，在多时间尺度下进行加强区间优化调度，得到更加精确的加强区间优化调度结果。
转化为区间形式表达，即对步骤3中提及的目标函数和约束条件进行处理，将目标函数模型分为上下限两个子模型，再分别求解两个子模型，得到各目标的最优解区间及最优值区间，具体步骤如下：
步骤4.1：建立如式(30)、(31)所示区间优化模型。
min[F]＝[C][X] (30)
Figure BDA0003354917050000221
式中：[X]＝([xij])n×p，
Figure BDA0003354917050000222
代表目标函数的决策变量；[A]＝([aij])m×n，
Figure BDA0003354917050000223
表示不等式约束中[X]的系数矩阵；[B]＝([bij])m×n，
Figure BDA0003354917050000224
表示等式约束中[X]的系数矩阵；[C]＝([cij])1×n，
Figure BDA0003354917050000225
表示目标函数的系数矩阵；[D]＝([dij])m×p，
Figure BDA0003354917050000226
表示线路传输容量区间；[E]＝([eij])m×p，
Figure BDA0003354917050000227
表示风电
Figure BDA0003354917050000228
和负荷[L]＝[L-,L+]预测区间常数；[F]＝[F-,F+]表示运行成本的最优解区间。
然后对目标函数(30-31)进行处理，引入区间[AI]，可以降低目标函数的不确定度。处理后的原目标函数转换为目标函数[AI]＝[AI-,AI+]，表示加强区间优化模型的运行成本最有解区间，定义E[·]为期望值；[AI]反映了由[C]和[X]引起的目标函数的不确定性，定义F→、F←、F-、F+如式(34-37)所示。
Figure BDA0003354917050000229
Figure BDA00033549170500002210
Figure BDA00033549170500002211
Figure BDA00033549170500002212
Figure BDA0003354917050000231
Figure BDA0003354917050000232
式中：E[F±]为目标函数F在经过加强区间优化后的期望成本函数；k1为x的正区间个数；n为x的维数；
Figure BDA0003354917050000233
分别为目标函数F的系数下限和上限；
Figure BDA0003354917050000234
分别为运行结果中机组出力下限和上限。
步骤4.2：对上下限两个子模型进行求解。
步骤4.2.1：对下限子模型进行求解；
将式(30)中的目标函数F替换为如式(38)所示下界的minAI-：
Figure BDA0003354917050000235
用最大范围的不等式代替每个区间不等式约束，如下式所示：
Figure BDA0003354917050000236
式中：
Figure BDA0003354917050000237
分别为不等式系数矩阵下限和上限；
Figure BDA0003354917050000238
分别为机组出力下限和上限；
Figure BDA0003354917050000239
分别为等式约束中的下限和上限。
将模型中的每个区间等式约束替换为两个边界不等式，得到一个确定性等式约束，再对模型进行求解，得到下界最优值，两个边界不等式如式(40)、(41)所示：
Figure BDA00033549170500002310
Figure BDA00033549170500002311
式中：
Figure BDA00033549170500002312
和
Figure BDA00033549170500002313
分别为正负区间变量；对模型进行求解，得到下界最优值
Figure BDA00033549170500002314
以及
Figure BDA00033549170500002315
步骤4.2.2：对上限子模型进行求解；
将式(30)中的目标函数F替换为如式(42)所示下界的minAI+。
Figure BDA0003354917050000241
用最小范围的不等式代替每个区间不等式约束。不等式约束的最小范围表示如式(43-44)所示：
Figure BDA0003354917050000242
Figure BDA0003354917050000243
将模型中的每个区间等式约束替换为如下两个边界方程：
Figure BDA0003354917050000244
Figure BDA0003354917050000245
对模型进行求解得到2m-p个最优值并从这些最优值中选择最大值作为上界最优值，其最优结果当j＝1,2,...,k1时为
Figure BDA0003354917050000246
当j＝k1+1,k1+2,...,n时为
Figure BDA0003354917050000247
以及
Figure BDA0003354917050000248
步骤4.2.3：将上下限两个子模型进行结合，得到以下结果：
Figure BDA0003354917050000249
Figure BDA00033549170500002410
Figure BDA00033549170500002411
步骤4.3：在日前调度计划中，首先将风机日前预测数据、电热负荷日前预测数据及天然气电价作为输入数据，将系统运行成本最小的目标函数F写入后，利用加强区间优化方法进行求解得到适宜的日前加强区间优化调度结果运行成本区间
Figure BDA00033549170500002412
和各机组出力区间
Figure BDA00033549170500002413
之后进入日内调度，更新风机、电热负荷预测数据，利用加强区间优化方法再次对机组出力进行优化调整，得到更加符合此时系统的出力区间
Figure BDA00033549170500002414
及成本区间
Figure BDA0003354917050000251
最后再次更新风电预测数据及电负荷数据，再次利用加强区间优化方法再次对机组出力进行优化调整，得到实时出力区间
Figure BDA0003354917050000252
及成本区间
Figure BDA0003354917050000253
完成多时间尺度加强区间优化。
本实施例中电热联合系统的加强区间优化的机组出力结果对比如图5所示，比较发现火电机组的发电下限和上限最优值几乎不变，在风电发电高峰的时段，CHP机组的电功率和热功率输出的上限最优值同时增加，并且CHP机组的电功率和热功率输出的下界最优值也同时增加，CHP机组的输出区间宽度增加。在风电发电低谷时刻，CHP机组输出电功率的上限最优值减小，输出电功率的下限最优值增大，CHP机组输出电功率的区间宽度减小。这些结果表明，考虑热网的动态特性和建筑物热惯性有助于风电并网，扩大区间成本的宽度。
日内和实时调度中热能调度都是以小时为时间尺度，但实时、日内预测较日前预测较为准确，对设备出力有所修正。本实施例预测波动的基础上，日内、实时调度在日前决策的机组启停状态下，通过调整各机组的出力来降低系统运行成本，实时机组出力相比于日内爬坡时间相对变短，有利于机组出力调整，日内实时成本区间结果对比如表1所示。
表1日前、日内、实时优化调度成本对比
Figure BDA0003354917050000254
最后应说明的是：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：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部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权利要求所限定的范围。

Claims (8)

1.一种统一电网-分布式热网系统多时间尺度加强区间优化方法，其特征在于，包括以下步骤：
步骤1：通过电气控制中心和供热控制中心在每个协调周期进行信息交换，确定联络线上的传输功率；
步骤2：基于热网传输特性及建筑物热惯性，结合用户热舒适性，建立简化热舒适度模型，计算热负荷曲线范围；
步骤3：建立电热联合系统的多时间尺度优化调度模型，对电热联合系统进行日前优化调度，得到日前的各机组出力后，在日前优化结果的基础上针对风电和负荷或造成的偏差进行日内和实时滚动优化运行；
步骤4：引入数学求解方法处理风电的不确定性和负荷的不确定因素，将其转化为区间形式表达，同时与步骤3的多时间尺度优化调度模型相结合，在多时间尺度下进行加强区间优化调度，得到加强区间优化调度结果。
2.根据权利要求1所述的统一电网-分布式热网系统多时间尺度加强区间优化方法，其特征在于：
所述供热控制中心的热源包括CHP机组、电锅炉及蓄热罐，如下式所示：
Figure FDA0003354917040000011
所述电气控制中心的电源供给风电、火电机组产电及CHP机组，如下式所示：
Figure FDA0003354917040000012
其中：Ps,t表示电网中母线s处注入的有功功率，Nbus表示电网母线的集合，NW为风机数量，Pt grid为t时段电-热互联系统的购电功率，
Figure FDA0003354917040000013
为供电区域i在t时段的电负荷，Tc为总调度时间；
Figure FDA0003354917040000014
为第m个区域热力系统中用户i热需求；
Figure FDA0003354917040000015
为第m个区域热力系统中热力网络的热损耗功率；
Figure FDA0003354917040000016
时段的电锅炉输出热功率；N是分布式热网个数；
Figure FDA0003354917040000017
分别为第m个分布式热网蓄热罐充放热功率，其中
Figure FDA0003354917040000018
Nj为散热器数量，Qk,t为散热器散发的热量。
3.根据权利要求1所述的统一电网-分布式热网系统多时间尺度加强区间优化方法，其特征在于，所述步骤2具体包括以下步骤：
步骤2.1：采用动态状态估计方法对热网的静态模型进行处理，所述处理为，采用质调节法对热网调节，其中忽略水温对供热和回热管道中水的密度、粘度的影响，具体为：
建立t时刻供水网络中管道b内质量流量分布，其中设m为流入管道的质块，tb为流过管道的时间，则
Figure FDA0003354917040000021
lpl为管道长度，ρ为管道质块的密度，d为管道直径，m1于t-Δt时刻开始进入管道，tb1＝(K-1)Δt，tb2＝KΔt，K为管道中质块的个数，Δt时段内流出管道的部分，由质块mK中的mK，2和mK+1中的mK+1,1组成，质块mK，2和mK+1,1温度按质量的加权平均值表示如下：
Figure FDA0003354917040000022
式中：
Figure FDA0003354917040000023
为t时段供水网络管道b的出口温度，℃；ξ1，ξ2为权重系数；mK，mK+1为质块，
Figure FDA0003354917040000024
为mK流出时温度；
考虑热水传输过程中的热损耗，mK流出时温度下降：
Figure FDA0003354917040000025
式中：kj为热损失系数，lpl为管道长度，m；
Figure FDA0003354917040000026
分别为mK流出、流入供水网络管道b时的温度；τa为环境温度；cw为传输介质的比热容；
按照热水在管道中的传输，将式(2)改写为：
Figure FDA0003354917040000027
Figure FDA0003354917040000028
式中：
Figure FDA0003354917040000029
为mK质块t时刻流出温度；
Figure FDA00033549170400000210
为mK+1质块t时刻流出温度；
Figure FDA00033549170400000211
分别为mK、mK+1流入供水网络管道时的温度；ξ3，ξ4为权重系数；
将式(3)、(4)代入到(1)中得到供水网络管道b出口温度：
Figure FDA00033549170400000212
式(5)描述了热水在管道中传输的准动态过程，由此计算回水管道计算热损失及延时的出口温度：
Figure FDA0003354917040000031
步骤2.2：由于建筑物用户的热增益由室内空气和散热器的温度差引起的相对稳态增益和由外墙上太阳辐射强度变化引起的非稳态增益组成；因此，相对稳态增益和非稳态增益的双参数热动力学模型，表示为下式：
Figure FDA0003354917040000032
Figure FDA0003354917040000033
式中：
Figure FDA0003354917040000034
分别为在t时刻第k个供热区域的室内温度及建筑物围护结构的温度；τa,t为t时刻的室外温度；Mair、Mwall分别为在t时间段内室内空气的总质量和建筑物围护结构的质量；cair、cwall为空气和建筑物围护结构的定压质量比热容；Qk,t为第k个供热区域t时段内热水通过散热器向室内空气散热量；
Figure FDA0003354917040000035
为建筑物围护结构从太阳辐射和周围环境中获得的热量；
Figure FDA0003354917040000036
表示在t时段第k个供热区域通过建筑围护结构基本热损失；
Figure FDA0003354917040000037
表示在t时段第k个供热区域通过冷风渗透耗热损失；
Figure FDA0003354917040000038
表示在t时段第k个供热区域通过通风渗透耗热损失；
步骤2.3：建立简化热舒适度模型，仅将室内温度τin和相对湿度Pv作为输入参数，简化热舒适度模型为：
PMV＝e1τin+e2Pv-e3 (18)
Figure FDA0003354917040000039
Figure FDA00033549170400000310
Figure FDA00033549170400000311
式中：PMV为预测平均投票评价指标值；PPD为预测不满意百分率指标值；系数e1、e2和e3是不同用户类型特性系数；
Figure FDA00033549170400000312
PMV分别表示PMV指标值的上下限；
Figure FDA00033549170400000313
PPD分别表示PPD指标值的上下限。
4.根据权利要求3所述的统一电网-分布式热网系统多时间尺度加强区间优化方法，其特征在于，步骤2.2中所述的室内散热器的散热方程为：
Figure FDA0003354917040000041
Kr＝2.503×(τr-τn)0.298 (10)
Figure FDA0003354917040000042
式中：Qk,t为散热器散热量；Kr为散热器向室内空气传热时的传热系数，W/m2·℃；Ak为散热器向室内空气传热的传热面积；τr,t为t时刻散热器进出口热水的平均温度；
Figure FDA0003354917040000043
Figure FDA0003354917040000044
分别为散热器进出口水温；τr为散热器进出口热水的平均温度；τn为室内温度；
所述非稳态增益由建筑围护结构基本热损失、冷风渗透耗热损失、通风渗透耗热损失组成总体热损失，具体如下式所示：
所述建筑围护结构基本热损失如式所示：
Figure FDA0003354917040000045
Figure FDA0003354917040000046
Figure FDA0003354917040000047
式中：Nload为供热区域的集合；Bk、Fk,e分别为第k个供热区域建筑围护结构面积和在第k个供热区域中的包络热渗透率；
Figure FDA0003354917040000048
τa,t分别为在t时段第k个供热区域的室内、室外温度；
Figure FDA0003354917040000049
分别为第k个供热区域的层高修正系数和建筑物朝向修正系数；Rwi、Rwo分别为墙壁内表面和室内空气之间的热阻和墙壁外表面和室外环境之间的热阻；
所述冷风渗透耗热损失如式所示：
Figure FDA00033549170400000410
Vk＝∑(lLu) (16)
式中：Num为每小时空气变化的次数；Vk为渗透空气的体积流量，
Figure FDA0003354917040000051
为室外温度下的空气密度，l为房间某朝向上的门窗缝隙长度；L为每米门窗缝隙的基准渗风量；u为门窗缝隙的渗风量综合修正系数；cair为空气的比热容；；
所述通风渗透耗热损失如式所示：
Figure FDA0003354917040000052
式中：Ven为每小时的通风量。
5.根据权利要求1所述的统一电网-分布式热网系统多时间尺度加强区间优化方法，其特征在于，所述步骤3具体包括以下步骤：
步骤3.1:电热联合系统的运行成本包括火电机组燃料成本、购买天然气成本、各机组及储能装置运行成本和维护成本、与电网交互成本以及风电惩罚成本，如式(22)所示：
Figure FDA0003354917040000053
式中：
Figure FDA0003354917040000054
分别为CHP机组、火电机组、蓄热罐和电锅炉的成本函数，
Figure FDA0003354917040000055
分别为第i个风电场t时刻的风电出力和最大可用风电出力，αw是弃风惩罚系数，Ft gas、Ft net分别为购买天然气、上级电网购电的成本函数，Ft on为电热互联系统中机组的运维成本；NCHP、NG、NHST、NEB分别为CHP机组、火电机组、蓄热罐和电锅炉的数量；
其中CHP机组的成本函数
Figure FDA0003354917040000056
Pi,t、Hi,m,t分别为CHP机组的电热出力；e0,i、e1,i、e2,i、e3,i、e4,i、e5,i为CHP机组产电产热的成本系数，N为热网数量；
火电机组的成本函数
Figure FDA0003354917040000057
Figure FDA0003354917040000058
为火电机组发电功率，a0,i、a1,i、a2,i为火力发电机组的成本系数；
电锅炉的成本函数
Figure FDA0003354917040000059
蓄热罐的成本函数
Figure FDA00033549170400000510
γEB、γHST分别为电锅炉、蓄热罐的运行成本系数，
Figure FDA00033549170400000511
为t时段的电锅炉耗电功率，
Figure FDA00033549170400000512
为t时段的蓄热罐充热功率；
购买天然气成本函数如下
Figure FDA0003354917040000061
ph为天然气价格，Vi CHP为CHP机组使用天然气体积，Vi G为火电机组使用天然气体积；从上级电网购电的成本函数如下
Figure FDA0003354917040000062
Figure FDA0003354917040000063
为t时段上级电网的分时电价，Pt grid为t时段电-热互联系统的购电功率；电热互联系统中机组的运维成本
Figure FDA0003354917040000064
Kg、Kc分别为火电机组运维单价、热电联产机组运维单价，NG为火电机组数量，
Figure FDA0003354917040000065
为火电机组i在t时刻输出电功率，Pi,t为CHP机组i在t时刻输出电功率，Δt为调度时间；
步骤3.2：构建多时间尺度优化调度模型的约束条件，包括电力系统约束，热力系统约束以及各机组出力约束，其中各机组出力约束包括电源侧约束、电锅炉约束、蓄热罐约束；
步骤3.3：从日前、日内、实时三个时间尺度来进行多时间尺度优化调度，即进行日前调度、日内调度以及实时调度；同时计算日前调度计划各机组出力与第一次日内调度计划出力偏差以及日内调度计划中t时段与t-1时段的机组出力偏差，实时调度计划中t时段与t-1时段滚动优化各个机组出力偏差满足偏差约束。
6.根据权利要求5所述的统一电网-分布式热网系统多时间尺度加强区间优化方法，其特征在于，步骤3.2中所述电力系统约束表示为
Figure FDA0003354917040000066
s∈Nbus，Ps,t表示电网中母线s处注入的有功功率，Nbus表示电网母线的集合，NW为风机数量，Pt grid为t时段电-热互联系统的购电功率，
Figure FDA0003354917040000067
为供电区域i在t时段的电负荷；支路潮流的边界约束条件如式
Figure FDA0003354917040000068
Figure FDA0003354917040000069
和Psz 分别表示支路sz的功率上下限；
热力系统约束如下式所示：
Figure FDA00033549170400000610
式中：Tc为总调度时间；
Figure FDA00033549170400000611
为第m个区域热力系统中用户i热需求；
Figure FDA00033549170400000612
为第m个区域热力系统中热力网络的热损耗功率；
Figure FDA00033549170400000613
时段的电锅炉输出热功率；N是分布式热网个数；
Figure FDA0003354917040000071
分别为第m个分布式热网蓄热罐充放热功率，其中
Figure FDA0003354917040000072
Nj为散热器数量；
电源侧约束如式(24)所示：
Figure FDA0003354917040000073
式中：
Figure FDA0003354917040000074
Pi 、
Figure FDA0003354917040000075
和Hi 分别为CHP的电热出力上下限；
Figure FDA0003354917040000076
Pi G 分别为火电机组出力上下限；
Figure FDA0003354917040000077
Pi W 分别为风电机组出力上下限；
电锅炉约束如下式所示：
Figure FDA0003354917040000078
式中：
Figure FDA0003354917040000079
分别是第t个时段的电锅炉耗电功率和输出热功率；
Figure FDA00033549170400000710
为电锅炉额定容量；ηEB为电锅炉电热转换效率；
蓄热罐约束包括充放热约束和容量约束，如下式所示：
Figure FDA00033549170400000711
Figure FDA00033549170400000712
式中：
Figure FDA00033549170400000713
为t时刻蓄热罐的SOC值；
Figure FDA00033549170400000714
分别表示为蓄热罐的充放热功率；ηHST,chr，ηHST,dis分别为蓄热罐的充放热效率；ΔT为日前计划中的间隔时间；
Figure FDA00033549170400000715
分别为蓄热罐充放热标志位，其值为0表示储热罐停止运行，为1表示储热罐开始运行，且满足互斥约束条件及充放热爬坡约束如下所示：
Figure FDA00033549170400000716
Figure FDA0003354917040000081
式中：
Figure FDA0003354917040000082
和
Figure FDA0003354917040000083
分别表示为蓄热罐的充电上下限和放电上下限功率。
7.根据权利要求5所述的统一电网-分布式热网系统多时间尺度加强区间优化方法，其特征在于，步骤3.3中所述日前调度为小时级，得到各设备24时的基本运行点以及各机组启停状态；所述日内调度为每小时上传未来设定时长风电及电热负荷预测数据，对未来设定时长各机组出力进行滚动优化，每一小时执行一次，设定时长为1-5小时；所述实时调度则根据设定分钟级短期预测值对日内调度结果进行在线修正；
其中日前调度计划各单元处理与第一次滚动计划出力偏差约束为：
Figure FDA0003354917040000084
式中：i为系统中单元设备编号，Pi max为i单元机组发出功率的最大值；
Figure FDA0003354917040000085
为i单元机组第一次滚动计划的计划发出功率；
Figure FDA0003354917040000086
为i单元机组日前调度计划发出功率；α为偏差系数；
Figure FDA0003354917040000087
式中：
Figure FDA0003354917040000088
为i单元机组第k次滚动计划的计划发出功率；
Figure FDA0003354917040000089
为i单元机组第k-1次滚动计划的计划发出功率；
实时调度与滚动优化各个机组出力偏差约束为：
Figure FDA00033549170400000810
式中：Pi rolling(t)为i单元机组设定小时滚动计划的计划发出功率；Pi real(t)为i单元机组实际发出功率；ΔPi(t)为i单元机组实际发出功率和滚动发出功率的最大允许调整差。
8.根据权利要求1所述的统一电网-分布式热网系统多时间尺度加强区间优化方法，其特征在于，所述步骤4具体包括以下步骤：
步骤4.1：建立如式(30)、(31)所示区间优化模型；
min[F]＝[C][X] (30)
Figure FDA00033549170400000811
式中：[X]＝([xij])n×p，
Figure FDA0003354917040000091
代表目标函数的决策变量；[A]＝([aij])m×n，
Figure FDA0003354917040000092
表示不等式约束中[X]的系数矩阵；[B]＝([bij])m×n，
Figure FDA0003354917040000093
表示等式约束中[X]的系数矩阵；[C]＝([cij])1×n，
Figure FDA0003354917040000094
表示目标函数的系数矩阵；[D]＝([dij])m×p，
Figure FDA0003354917040000095
表示线路传输容量区间；[E]＝([eij])m×p，
Figure FDA0003354917040000096
表示风电
Figure FDA0003354917040000097
和负荷[L]＝[L-,L+]预测区间常数；[F]＝[F-,F+]表示运行成本的最优解区间；
然后对目标函数(30-31)进行处理，引入区间[AI]，处理后的原目标函数转换为目标函数[AI]＝[AI-,AI+]，表示加强区间优化模型的运行成本最有解区间，定义E[·]为期望值；定义F→、F←、F-、F+如式(34-37)所示；
Figure FDA0003354917040000098
Figure FDA0003354917040000099
Figure FDA00033549170400000910
Figure FDA00033549170400000911
Figure FDA00033549170400000912
Figure FDA00033549170400000913
式中：E[F±]为目标函数F在经过加强区间优化后的期望成本函数；k1为x的正区间个数；n为x的维数；
Figure FDA00033549170400000914
分别为目标函数F的系数下限和上限；
Figure FDA00033549170400000915
分别为运行结果中机组出力下限和上限；
步骤4.2：对上下限两个子模型进行求解；
步骤4.2.1：对下限子模型进行求解；
将式(30)中的目标函数F替换为如式(38)所示下界的minAI-：
Figure FDA00033549170400000916
用最大范围的不等式代替每个区间不等式约束，如下式所示：
Figure FDA0003354917040000101
式中：
Figure FDA0003354917040000102
分别为不等式系数矩阵下限和上限；
Figure FDA0003354917040000103
分别为机组出力下限和上限；
Figure FDA0003354917040000104
分别为等式约束中的下限和上限；
将模型中的每个区间等式约束替换为两个边界不等式，得到一个确定性等式约束，再对模型进行求解，得到下界最优值，两个边界不等式如式(40)、(41)所示：
Figure FDA0003354917040000105
Figure FDA0003354917040000106
式中：
Figure FDA0003354917040000107
和
Figure FDA0003354917040000108
分别为正负区间变量；对模型进行求解，得到下界最优值
Figure FDA0003354917040000109
以及
Figure FDA00033549170400001010
步骤4.2.2：对上限子模型进行求解；
将式(30)中的目标函数F替换为如式(42)所示下界的minAI+；
Figure FDA00033549170400001011
用最小范围的不等式代替每个区间不等式约束；不等式约束的最小范围表示如式(43-44)所示：
Figure FDA00033549170400001012
Figure FDA00033549170400001013
将模型中的每个区间等式约束替换为如下两个边界方程：
Figure FDA00033549170400001014
Figure FDA0003354917040000111
对模型进行求解得到2m-p个最优值并从这些最优值中选择最大值作为上界最优值，其最优结果当j＝1,2,...,k1时为
Figure FDA0003354917040000112
当j＝k1+1,k1+2,...,n时为
Figure FDA0003354917040000113
以及
Figure FDA0003354917040000114
步骤4.2.3：将上下限两个子模型进行结合，得到以下结果：
Figure FDA0003354917040000115
Figure FDA0003354917040000116
Figure FDA0003354917040000117
步骤4.3：在日前调度计划中，首先将风机日前预测数据、电热负荷日前预测数据及天然气电价作为输入数据，将系统运行成本最小的目标函数F写入后，利用加强区间优化方法进行求解得到适宜的日前加强区间优化调度结果运行成本区间
Figure FDA0003354917040000118
和各机组出力区间
Figure FDA0003354917040000119
之后进入日内调度，更新风机、电热负荷预测数据，利用加强区间优化方法再次对机组出力进行优化调整，得到更加符合此时系统的出力区间
Figure FDA00033549170400001110
及成本区间
Figure FDA00033549170400001111
最后再次更新风电预测数据及电负荷数据，再次利用加强区间优化方法再次对机组出力进行优化调整，得到实时出力区间
Figure FDA00033549170400001112
及成本区间
Figure FDA00033549170400001113
完成多时间尺度加强区间优化。
CN202111348715.2A 2021-11-15 2021-11-15 统一电网-分布式热网系统多时间尺度加强区间优化方法 Active CN114048908B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111348715.2A CN114048908B (zh) 2021-11-15 2021-11-15 统一电网-分布式热网系统多时间尺度加强区间优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111348715.2A CN114048908B (zh) 2021-11-15 2021-11-15 统一电网-分布式热网系统多时间尺度加强区间优化方法

Publications (2)

Publication Number Publication Date
CN114048908A true CN114048908A (zh) 2022-02-15
CN114048908B CN114048908B (zh) 2024-07-02

Family

ID=80209204

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111348715.2A Active CN114048908B (zh) 2021-11-15 2021-11-15 统一电网-分布式热网系统多时间尺度加强区间优化方法

Country Status (1)

Country Link
CN (1) CN114048908B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115051414A (zh) * 2022-06-13 2022-09-13 国网安徽省电力有限公司芜湖供电公司 基于储能态势划分的综合电热系统多目标优化方法
CN115276818A (zh) * 2022-08-04 2022-11-01 西南交通大学 一种基于深度学习的光载无线传输链路解调方法
CN116345564A (zh) * 2023-02-17 2023-06-27 国网山东省电力公司德州供电公司 综合能源系统多时间尺度分布式协同优化调度方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108509674A (zh) * 2018-02-06 2018-09-07 重庆大学 一种基于多时间尺度热损伤的改进混合mmc运行可靠性评估模型及方法
CN109472050A (zh) * 2018-09-30 2019-03-15 东南大学 基于热惯性的热电联产系统混合时间尺度调度方法
CN110472364A (zh) * 2019-08-22 2019-11-19 电子科技大学 一种考虑可再生能源的离网式热电气联产系统的优化方法
US20190369581A1 (en) * 2017-01-11 2019-12-05 Southeast University Integrated energy system operational optimization method considering thermal inertia of district heating networks and buildings

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190369581A1 (en) * 2017-01-11 2019-12-05 Southeast University Integrated energy system operational optimization method considering thermal inertia of district heating networks and buildings
CN108509674A (zh) * 2018-02-06 2018-09-07 重庆大学 一种基于多时间尺度热损伤的改进混合mmc运行可靠性评估模型及方法
CN109472050A (zh) * 2018-09-30 2019-03-15 东南大学 基于热惯性的热电联产系统混合时间尺度调度方法
CN110472364A (zh) * 2019-08-22 2019-11-19 电子科技大学 一种考虑可再生能源的离网式热电气联产系统的优化方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115051414A (zh) * 2022-06-13 2022-09-13 国网安徽省电力有限公司芜湖供电公司 基于储能态势划分的综合电热系统多目标优化方法
CN115051414B (zh) * 2022-06-13 2024-08-13 国网安徽省电力有限公司芜湖供电公司 基于储能态势划分的综合电热系统多目标优化方法
CN115276818A (zh) * 2022-08-04 2022-11-01 西南交通大学 一种基于深度学习的光载无线传输链路解调方法
CN115276818B (zh) * 2022-08-04 2023-09-29 西南交通大学 一种基于深度学习的光载无线传输链路解调方法
CN116345564A (zh) * 2023-02-17 2023-06-27 国网山东省电力公司德州供电公司 综合能源系统多时间尺度分布式协同优化调度方法及系统

Also Published As

Publication number Publication date
CN114048908B (zh) 2024-07-02

Similar Documents

Publication Publication Date Title
Lv et al. Model predictive control based robust scheduling of community integrated energy system with operational flexibility
Jin et al. Optimal integration of building heating loads in integrated heating/electricity community energy systems: A bi-level MPC approach
Tan et al. A wind power accommodation capability assessment method for multi-energy microgrids
CN109472050B (zh) 基于热惯性的热电联产系统混合时间尺度调度方法
CN114048908B (zh) 统一电网-分布式热网系统多时间尺度加强区间优化方法
CN110793094B (zh) 一种城市集中供热系统综合灵活调度方法和系统
Wei et al. A novel thermal energy storage system in smart building based on phase change material
CN109858759A (zh) 一种工业园区综合能源平衡调度方法
CN110094802A (zh) 一种热泵与蓄热式电锅炉联合供暖负荷分配方法及装置
CN107634547B (zh) 基于新能源出力预测误差的电气联合系统出电控制方法
Yang et al. Building electrification and carbon emissions: Integrated energy management considering the dynamics of the electricity mix and pricing
CN110929913B (zh) 一种直流跨区互联电网多目标发电计划分解协调计算方法
CN116341881B (zh) 计及热网灵活性的电-热系统鲁棒超前调度方法及系统
CN108471144A (zh) 一种适用于跨国能源互联网的电力调度方法
CN110707755A (zh) 一种考虑非理想通信条件下基于能量枢纽的综合能源系统超短期调度方法
Liu et al. Multi-time scale optimal scheduling of integrated electricity and district heating systems considering thermal comfort of users: An enhanced-interval optimization method
CN112883630B (zh) 用于风电消纳的多微网系统日前优化经济调度方法
CN115545541A (zh) 多区域综合能源系统调度方法、设备和存储介质
CN114266382A (zh) 一种考虑热惯性的热电联产系统两阶段优化调度方法
CN116187173A (zh) 一种区域综合能源系统双层优化方法及系统
CN111062598A (zh) 综合能源系统的分布式优化调度方法及系统
Liu et al. Multi-objective optimization strategy of integrated electric-heat system based on energy storage situation division
CN110474370A (zh) 一种空调可控负荷、光伏储能系统的协同控制系统及方法
CN110797917A (zh) 一种电热联合系统的调度模型
Deng et al. Real-coded quantum optimization-based bi-level dispatching strategy of integrated power and heat 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