CN114374232A - 一种考虑需求响应的综合能源系统两阶段优化调度方法 - Google Patents

一种考虑需求响应的综合能源系统两阶段优化调度方法 Download PDF

Info

Publication number
CN114374232A
CN114374232A CN202111527780.1A CN202111527780A CN114374232A CN 114374232 A CN114374232 A CN 114374232A CN 202111527780 A CN202111527780 A CN 202111527780A CN 114374232 A CN114374232 A CN 114374232A
Authority
CN
China
Prior art keywords
chp
energy
formula
electric
power
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
CN202111527780.1A
Other languages
English (en)
Other versions
CN114374232B (zh
Inventor
徐艳春
刘海权
汪平
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.)
China Three Gorges University CTGU
Original Assignee
China Three Gorges University CTGU
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 China Three Gorges University CTGU filed Critical China Three Gorges University CTGU
Priority to CN202111527780.1A priority Critical patent/CN114374232B/zh
Priority claimed from CN202111527780.1A external-priority patent/CN114374232B/zh
Publication of CN114374232A publication Critical patent/CN114374232A/zh
Application granted granted Critical
Publication of CN114374232B publication Critical patent/CN114374232B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • 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]
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02B90/20—Smart grids as enabling technology in buildings sector
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
    • Y04S10/123—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation the energy generation units being or involving renewable energy sources
    • 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
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/12—Energy storage units, uninterruptible power supply [UPS] systems or standby or emergency generators, e.g. in the last power distribution stages
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/242—Home appliances

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (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

一种考虑需求响应的综合能源系统两阶段优化调度方法，建立计及电转气设备，碳捕集系统和分布式电源的热电联产机组协同运行模型；建立热电联产机组协同运行模型的综合能源系统优化调度模型，以及基于演化博弈的用户需求响应模型；以综合能源系统运营商为领导者，用户侧为跟随者，提出主从‑演化博弈的两阶段优化模型并用KKT条件，Big‑M法和对偶定理对主从博弈进行求解。本发明所提模型及调度策略有效的提高了可再生能源的消纳，减少弃风弃光现象，降低了CO2的排放，在降低综合能源系统的运营成本的同时提升了用户侧的用能效益。

Description

一种考虑需求响应的综合能源系统两阶段优化调度方法
技术领域
本发明涉及综合能源系统优化调度技术领域，具体涉及一种考虑需求响应的综合能源系统两阶段优化调度方法。
背景技术
近年来，能源短缺和环境污染等问题日益严重，如何发展清洁、高效的供能方式以及如何实现能源可持续发展引起了国内外的广泛关注。以风光为代表的可再生能源低碳高效化利用是未来能源发展的主流。综合能源系统通过发挥不同的能源互补特性，实现能量的梯级利用，有利于可再生能源发电的消纳，是未来能源发展的重要方向。热电联产机组在综合能源系统的热能供应中承担了主要任务，但热电联产机组“以热定电”的工作模式使系统的调峰能力减弱并限制了可再生能源发电的消纳。与此同时，热电联产机组在工作过程中会产生大量的CO2对环境造成污染。因此，对综合能源系统进行优化从而提高分布式电源出力的消纳和减少CO2的排放刻不容缓。
发明内容
为了使综合能源系统在运行过程中更加经济、提高风光消纳率，降低CO2的排放以及使微电网内用户更加经济舒适用能。本发明提供一种考虑需求响应的综合能源系统两阶段优化调度方法，能够有效的提高了可再生能源的消纳，减少弃风弃光现象，降低了CO2的排放，在降低综合能源系统的运营成本的同时提升了用户侧的用能效益。
本发明采取的技术方案为：
一种考虑需求响应的综合能源系统两阶段优化调度方法，包括以下步骤：
步骤1：建立计及电转气设备，碳捕集系统和分布式电源的热电联产机组协同运行模型；步骤2：建立含步骤1中热电联产机组协同运行模型的综合能源系统优化调度模型，以及基于演化博弈的用户需求响应模型；
步骤3：以综合能源系统运营商为领导者，用户侧为跟随者，提出主从-演化博弈的两阶段优化模型并对该模型进行求解。
所述步骤1中，电转气设备(power-to-gas，P2G)是一种能够将CO2和电能转换为气能的装置；
碳捕集系统是(carbon capture system,CCS)是一种能够对CO2进行捕捉的设备；
分布式电源(distributed generation,DG)是指包含风力发电和太阳能发电的可再生能源发电电源；
热电联产机组(combined heat and power，CHP)以天然气作为原料发出电能和热能，并产生CO2。
所述步骤1中，热电联产机组协同运行模型中，
碳捕集系统，对热电联产机组产生的CO2进行捕捉并作为原料提供给电转气设备；
电转气设备，利用碳捕集系统捕捉的CO2和电能进行电转气；
分布式电源和热电联产机组，提供电转气设备和碳捕集系统的运行功率。
分布式电源和热电联产机组输出的电能根据其用途均被划分为三部分，其中：第一部分为传输给电转气设备的电能；第二部分为传输给碳捕集系统的电能；第三部分为供应给主电网的电能。
P2G的电转气过程可分为两个步骤：首先，利用分布式电源和热电联产机组提供的电能将水进行电解从而产生氢气和氧气；其次，利用电解水产生的氢气与碳捕集系统捕获到的CO2合成甲烷，该过程中碳捕集系统捕获的CO2来源于热电联产机组运行过程中产生的CO2，而碳捕集系统的运行能耗仍由热电联产机组和分布式电源提供。
所述步骤2中，综合能源系统包含的设备主要有：光伏(photovoltaic,PV)、风机(wind turbine,WT)、CHP、CCS、微型燃气轮机(micro-gas turbines,MGT)、电储能(electrical energy storage,EES)、P2G设备和空调(air conditioner，AC)。
所述步骤2中，综合能源系统是指通过不同能源之间的互补特性，对能源的生产、传输、分配、转换、存储等环节进行协调和优化后使不同的能源进行耦合转换，实现能源梯级利用的产销供一体化能源系统。综合能源系统可以从外部能源网络(配电网和天然气网)购买电能和天然气。微网内用户的负荷类型有电负荷、冷负荷、热负荷以及气负荷。
所述步骤2中，综合能源系统优化调度模型是指通过MGT、EES、AC和热电联产机组协同运行模型共同合作，根据用户的用能情况对能源的产生、传输、转换、存储、消费等环节进行有机协调与优化，从而达到综合能源系统运行成本最低，收益最大的目的的模型。
所述步骤2中，演化博弈是一种解决有限理性的参与者进行动态博弈问题的方法，其均衡概念为演化稳定策略；用户需求响应是指用户通过对微电网内不同能源的不同需求进行调整，从而达到节约成本、削峰填谷的一种用户自主响应行为。
基于演化博弈的用户需求响应模型，是指在用户每次决策用能时，可自主选择进行用能调配和不进行用能调配，在每一次决策完后，各用户之间可进行互动学习，若用户进行用能调配所得收益大于不进行用能调配时的收益，则在下次决策时，用户会选择参与用能调配。因此，引入演化博弈对用户在有限理性情况下的需求响应行为进行描述，更加符合实际生活情形。
所述步骤2中，用户在用能过程中仅具有有限理性，每个用户均可选择是否参与能源的调配行为，即用户有两种用能策略：参与用能调配和不参与用能调配。不同居民用户之间可以进行交互并学习对自身有利的决策，从而使自身的效用最大，最终达到稳定的局面。
用S1和S2表示用户在进行需求响应行为时的两种策略，分别代表参与用能调配和不参与用能调配。每户用户选择不同的策略决定了其用能方式，进而决定了用户总效用。在每次需求响应行为结束后，各用户之间可进行互动，进而决定在下次决策时的选择，具体为：若用户i选择策略S1所获得的效用比策略S2更高，则在下次决策时，用户i会选择策略S2。用户每次进行决策的时间间隔单位为天。
所述步骤3中，主从博弈是指一方先行动，一方后行动的一种博弈类型。首先以综合能源系统运营商为第一阶段优化模型主体，向以用户侧为主体的第二阶段优化模型制定公布能源价格，随后参与用能调配的用户根据能源价格进行需求响应并将需求响应结果(负荷使用情况)反馈给综合能源运营商，综合能源系统根据负荷使用情况对各设备的出力情况进行优化，由此可以看出，两个阶段之间存在着交互性，并且运营商与用户有着不同的目标，两个主体之间构成了主从竞争。因此，可以引入主从-演化博弈模型对其进行求解。
本发明一种考虑需求响应的综合能源系统两阶段优化调度方法，技术效果如下：
1)、本发明提出计及P2G，CCS和DG协同的CHP运行模型降低了CHP机组的强电-热耦合特性，使CHP机组输出的电功率和热功率可行域增大，并减少了CHP机组排出的CO2。
2)、本发明提出含PCDC的综合能源系统模型和基于演化博弈的用户需求侧响应模型，起到削峰填谷、节约微电网与用户成本的效果，实现微电网与用户之间的双赢。
3)、本发明以综合能源系统运营商为领导者，用户侧为跟随者，提出基于主从-演化博弈的两阶段优化模型。并用KKT(Karush-Kuhn-Tucker)条件，Big-M法和对偶定理对主从博弈进行求解，显著提高了DG出力的消纳，减少了CO2的排放，在降低综合能源系统的运营成本的同时提升了用户侧的用能效益。
附图说明
图1为PCDC协同运行框架图。
图2为PCDC功率调节范围示意图。
图3为含PCDC的综合能源系统互动框架图。
图4为基于主从-演化博弈的两阶段优化模型图。
图5为外部能源网络能源价格曲线图。
图6为单位用户负荷曲线图。
图7(a)为模型1下用户效益演化图；
图7(b)为模型2下用户效益演化图；
图7(c)为模型3下用户效益演化图；
图7(d)为模型4下用户效益演化图；
图7(e)为模型5下用户效益演化图。
图8为不同模型下用户购能成本演化对比图。
图9为不同模型下综合能源系统运行成本演化对比图。
图10为不同模型对DG出力消纳对比图。
具体实施方式
一种考虑需求响应和含电转气碳捕集协同热电联供运行的综合能源系统两阶段优化调度方法，本发明首先提出了一种电转气设备，碳捕集系统，分布式电源和热电联产机组协同运行模型，其次在上述模型基础上构建综合能源协同模型，并加入综合能源系统用户侧的自主响应行为，提出一种基于主从-演化博弈的两阶段优化模型对整个过程进行优化求解。最后，在5个综合能源系统运行模型中进行算例验证分析，证明了所述模型及策略的经济性和有效性。
下面结合附图，对优选实例进行详细说明:
1、综合能源系统建模：
综合能源系统优化调度模型是指通过MGT、EES、AC和CHP机组协同运行模型共同合作，根据用户的用能情况对能源的产生、传输、转换、存储、消费等环节进行有机协调与优化，从而达到综合能源系统运行成本最低，收益最大的目的的模型。其中，含P2G，CCS和DG协同运行的CHP模型(P2G-CCS-DG-CHP,PCDC)整体框架如图1所示。由图1可知，P2G设备的电转气过程可分为两个步骤：首先，利用DG和CHP机组提供的电能将水进行电解从而产生H2和O2；其次，利用电解水产生的H2与CCS捕获到的CO2进行甲烷化反应进而合成CH4，该过程中CCS捕获的CO2来源于CHP机组运行过程中产生的CO2，而CCS的运行能耗仍由CHP机组和DG提供，提高了CHP的功率调节能力，降低了CHP机组的热-电耦合特性并减少了CHP机组运行过程中CO2的排放和DG的弃风弃光现象。
在PCDC系统中，DG和CHP机组输出的电能根据其用途均被划分为三部分，其中，第一部分(PPV,1，PWT,1，PCHP,1)为传输给P2G设备的电能；第二部分(PPV,2，PWT,2，PCHP,2)为传输给CCS的电能；第三部分(PPV,3，PWT,3，PCHP,3)为供应给主电网的电能。
CHP机组的热-电耦合特性可用式(1)表示。
max{PCHP,min-αHCHP,t,β(HCHP,t-HCHP,0)}≤PCHP,t≤PCHP,max-χHCHP,t (1)
式(1)中，PCHP,max(MW)和PCHP,min(MW)分别表示CHP机组可输出的最大和最小电能值；α,β和χ均为CHP机组的电热转换系数，α为CHP输出最小电功率时的转换系数；χ为CHP输出最大电功率时的转换系数；β为CHP机组产生的热能和电能之间的线性供应斜率；HCHP,0为CHP机组输出最小电功率时对应输出的热能；HCHP,t为t时刻CHP机组输出的热能；PCHP,t表示t时刻CHP机组输出的电能，该电能可划分为三部分，如式(2)所示。
PCHP,t＝PCHP,1,t+PCHP,2,t+PCHP,3,t (2)
式(2)中，PCHP,1,t、PCHP,2,t和PCHP,3,t分别表示t时刻CHP机组提供给P2G设备、CCS和主电网的电能。
P2G设备的电气转换关系如式(3)所示。
GP2G,t＝a·PP2G,t (3)
式(3)中，GP2G,t为t时刻P2G设备产生的气能；a为P2G装置的电气转换效率系数；PP2G,t为t时刻P2G设备消耗的电能，其值由三部分组成，如式(4)所示。
PP2G,t＝PPV,1,t+PWT,1,t+PCHP,1,t (4)
式(4)中，PPV,1,t和PWT,1,t分别表示t时刻光伏和风机提供给P2G设备的电能。
P2G设备在运行过程中需要相应的CO2来进行甲烷化反应，该CO2由CCS为其提供，如式(5)所示。
Figure BDA0003410891860000051
式(5)中，
Figure BDA0003410891860000052
为t时刻CCS提供给P2G的CO2量；b(t/MWh)代表P2G消耗电能和CO2的关系系数。
本发明中CCS捕获的CO2均来源于CHP机组，CCS捕获的CO2将作为原料传输给P2G设备。将t时刻CHP机组运行产生的CO2量简化描述为：
Figure BDA0003410891860000061
式(6)中，
Figure BDA0003410891860000062
表示t时刻CHP机组运行产生的CO2；c(t/MWh)和d(t/MWh)均为CHP机组的碳排放系数。
CCS在运行过程中需要消耗电能，而CCS的耗电量可分为两个部分，即基础耗电量和运行耗电量，其中基础耗电量可视为常数。CCS传输给P2G设备相应CO2需要消耗电能，如式(7)所示。
Figure BDA0003410891860000063
式(7)中，PCCS,t表示t时刻CCS提供给P2G设备的CO2量为
Figure BDA0003410891860000064
时的耗电量；e(MWh/t)是CCS耗电量和捕获的CO2之间的转换系数。
由图1可知，CCS的耗电量由风机、光伏和CHP机组对其进行提供，由此PCCS,t又可表示为：
PCCS,t＝PPV,2,t+PWT,2,t+PCHP,2,t (8)
式(8)中，PPV,2,t和PWT,2,t分别表示t时刻光伏和风机提供给CCS的电能。
由式(1)可知，CHP机组的电能输出受到式(9)的约束。
PCHP,min≤PCHP,t≤PCHP,max (9)
CHP机组的热功率输出受到式(10)的约束。
HCHP,min≤HCHP,t≤HCHP,max (10)
式(10)中，HCHP,max(MW)和HCHP,min(MW)分别表示CHP机组的热功率输出上下限。
P2G设备消耗的电能受式(11)的约束。
PP2G,min≤PP2G,t≤PP2G,max (11)
式(11)中，PP2G,min(MW)和PP2G,max(MW)分别表示P2G设备消耗的电能下限和上限。
CCS消耗的电能受式(12)的约束。
PCCS,min≤PCCS,t≤PCCS,max (12)
式(12)中，PCCS,min(MW)和PCCS,max(MW)分别表示CCS消耗的电能下限和上限。
将式(4)和(8)分别带入式(11)和(12)中，可得到表达式：
PP2G,min-PPV,1,t-PWT,1,t≤PCHP,1,t≤PP2G,max-PPV,1,t-PWT,1,t (13)
PCCS,min-PPV,2,t-PWT,2,t≤PCHP,2,t≤PCCS,max-PPV,2,t-PWT,2,t (14)
其中，风机和光伏提供给P2G设备和CCS的电能上下限约束如式(15)-(18)所示：
PWT,min≤PWT1,t≤PWT,max (15)
PWT,min≤PWT2,t≤PWT,max (16)
PPV,min≤PPV1,t≤PPV,max (17)
PPV,min≤PPV2,t≤PPV,max (18)
式(15)-(18)中，PWT,max(MW)和PWT,min(MW)分别表示风机出力上下限；PPV,max(MW)和PPV,min(MW)分别表示光伏出力上下限。
将式(15)和式(17)带入式(13)中，式(16)和式(18)带入式(14)中，可得到PCHP,1,t和PCHP,2,t出力上下限的另一表达形式，如式(19)和(20)所示：
Figure BDA0003410891860000071
Figure BDA0003410891860000072
在式(19)和式(20)中，
Figure BDA0003410891860000073
和
Figure BDA0003410891860000074
分别表示CHP机组传输给P2G设备的电能上下限；
Figure BDA0003410891860000075
和
Figure BDA0003410891860000076
分别表示CHP机组传输给CCS的电能上下限。
将式(2)带入式(9)中，可得到表达式：
PCHP,min-PCHP,1,t-PCHP,2,t≤PCHP,3,t≤PCHP,max-PCHP,1,t-PCHP,2,t (21)
将式(19)和式(20)带入式(21)中整理得到：
Figure BDA0003410891860000077
式(22)中，
Figure BDA0003410891860000078
和
Figure BDA0003410891860000079
分别表示PCDC输出电能的上下限。
将式(1)、式(2)、式(19)和式(20)整理后得到：
Figure BDA00034108918600000710
式(23)中，
Figure BDA0003410891860000081
和
Figure BDA0003410891860000082
的表达式如式(24)所示：
Figure BDA0003410891860000083
将式(22)和(23)整理后可得：
Figure BDA0003410891860000084
式(25)描述了PCDC模型的热-电耦合特性。
将式(2)和式(4)分别带入式(6)和(5)中整理后可得PCDC排放的CO2量，如式(26)所示：
Figure BDA0003410891860000085
式(26)中，
Figure BDA0003410891860000086
表示t时刻PCDC排出的CO2。
由式(1)，式(9)，式(10)，式(22)，式(23)和式(24)可得出PCDC的热电输出范围，如图2所示。由图2可知，本发明所述PCDC模型的电功率和热功率的可行域由单独CHP机组的电热功率可行域ABCD扩大到了A1B1B2C1D1。PCDC的最小电功率由单独CHP机组的最小电功率D点下降至D1点，当PCDC输出的热功率为HCHP,t时，PCDC输出的电功率调节范围由线段EF增加至线段E1F1。此外，PCDC模型的电功率和热功率的可行域会随着PPV,min，PWT,min，PP2G,min和PCCS,min的设定而改变，当设置上述值均为0时，PCDC模型的电功率和热功率的可行域可达到最大，即图2中的A2B3B4C2D2。由此可知，PCDC模型使CHP的电功率调节能力得到了增强且更加灵活，此外还增加了DG的出力消纳并降低了CHP机组的强热电耦合特性。
本发明所构建的综合能源系统如图3所示，系统中所包含的设备主要有：光伏(photovoltaic,PV)、风机(wind turbine,WT)、CHP、CCS、微型燃气轮机(micro-gasturbines,MGT)、电储能(electrical energy storage,EES)、P2G设备和空调(airconditioner，AC)。图3中，综合能源系统可以从外部能源网络(配电网和天然气网)购买电能和天然气。微网内用户的负荷类型有电负荷、冷负荷、热负荷以及气负荷。
2、两阶段优化调度模型：
两阶段优化调度模型是指将所求问题分为两个阶段分别进行求解的一种模型，各阶段都有自己的决策变量、约束条件和目标函数。本发明中，第一阶段优化模是以综合能源系统运营商为主体，根据用户的用能情况，对系统内MGT、EES、AC和CHP机组协同运行模型等设备的出力情况以及系统内能源价格进行优化，从而达到最大收益的目的的一种模型。第二阶段优化模型是以用户为主体，根据第一阶段优化得出的能源价格做出相应的用能决策，从而达到最大用能效益的目的的一种模型。
第一阶段优化模型中的主体为综合能源系统运营商，其优化目标函数为日运行净收益最大，其中主要包括用户向综合能源系统购能成本、PCDC运营成本、碳交易成本、AC运行成本和综合能源系统向外界能源网络的购能成本。目标函数如式(27)所示：
Figure BDA0003410891860000091
式(27)中，UIES表示综合能源系统运营商总体净收益；
Figure BDA0003410891860000092
和
Figure BDA0003410891860000093
和依次表示用户购能成本、PCDC的运营成本、碳交易成本、AC运营成本和综合能源系统向外部能源网络购能成本。
Figure BDA0003410891860000094
的表达式如式(28)所示：
Figure BDA0003410891860000095
式(28)中，T为调度周期(一日)内的调度时段总数；E’表示综合能源系统提供给用户的能源种类集合，其中E'＝{ele,gas,cold,heat}；
Figure BDA0003410891860000096
为t时刻用户购买能源E的价格，该价格由综合能源系统运营商制定并公布；
Figure BDA0003410891860000097
为t时刻用户i对能源E的使用值；N为用户的总数量。
PCDC运营成本
Figure BDA0003410891860000098
可表示为：
Figure BDA0003410891860000099
式(29)中，δ(元/MW)为CHP机组的运行成本系数；η(元/MW)和μ(元/MW)分别表示P2G设备和CCS的运行成本系数；PCWT,t和PCPV,t分别表示t时刻风机和光伏的弃电量；λ(元/MW)和θ(元/MW)分别表示风机和光伏的弃电成本系数。
使用基线碳排放控制模型：若综合能源系统的碳排放量高于规定的碳排放额，则综合能源系统需要向碳交易市场购买碳排放权；如果综合能源系统的碳排放量低于规定的碳排放额，则综合能源系统可以向碳交易市场出售碳排放权。碳交易成本
Figure BDA00034108918600000910
可表示为：
Figure BDA0003410891860000101
式(30)中，
Figure BDA00034108918600001018
为碳交易成本系数；
Figure BDA0003410891860000102
和
Figure BDA0003410891860000103
分别表示t时刻综合能源系统的碳排放量和碳排放额，其表达式分别如式(31)和(32)所示：
Figure BDA0003410891860000104
Figure BDA0003410891860000105
式(31)-(32)中，
Figure BDA0003410891860000106
表示t时刻PCDC排出的CO2；υ(t/MW)表示MGT的排放系数；PMGT,t表示t时刻MGT输出的电功率；ξ(t/MW)表示单位功率的碳排放额配置系数；PWT,t和PPV,t分别表示风机和光伏的利用功率。
AC的运营成本
Figure BDA0003410891860000107
可表示为：
Figure BDA0003410891860000108
式(33)中，ω(元/MW)表示AC的运行成本系数；PAC,t为t时刻AC发出的电功率。
综合能源系统向外部能源网络购能成本可描述为式(34):
Figure BDA0003410891860000109
式(34)中，P’为外部能源网络出售给综合能源系统的能源种类集合，其中，P'＝{ele,gas}；
Figure BDA00034108918600001010
(元/MW)为t时刻外部能源网络中能源P的价格；
Figure BDA00034108918600001011
为t时刻综合能源系统向外界能源网络购买能源P的功率值。
此外，综合能源系统还需满足约束条件，其中电功率平衡约束、气功率平衡约束、冷功率平衡约束、热功率平衡约束分别如式(35)-(38)所示：
Figure BDA00034108918600001012
式(35)中，
Figure BDA00034108918600001013
为t时刻综合能源系统向配电网购买的电功率；
Figure BDA00034108918600001014
为t时刻EES输出的电功率；
Figure BDA00034108918600001015
为t时刻用户购买的电功率；
Figure BDA00034108918600001016
为t时刻EES存储的电功率。
Figure BDA00034108918600001017
式(36)中，
Figure BDA0003410891860000111
和
Figure BDA0003410891860000112
分别表示t时刻综合能源系统向天然气网络购买的气功率和用户向综合能源系统购买的气功率；τ为CHP机组由气发电的能源转换效率；
Figure BDA0003410891860000113
为MGT的气电转换系数。
Figure BDA0003410891860000114
式(37)中，
Figure BDA0003410891860000115
为MGT的热损耗系数；
Figure BDA0003410891860000116
为MTG中溴冷机的冷却系数；
Figure BDA0003410891860000117
为溴冷机的燃料回收系数；κ为AC的电转冷转换系数；
Figure BDA0003410891860000118
为t时刻用户向综合能源系统购买的冷功率。
Figure BDA0003410891860000119
式(38)中，
Figure BDA00034108918600001110
为MTG中溴冷机的加热系数；
Figure BDA00034108918600001111
为t时刻用户向综合能源系统购买的热功率。
综合能源系统中CHP机组的爬坡速率约束可描述为：
Figure BDA00034108918600001112
式(39)中，
Figure BDA00034108918600001113
和
Figure BDA00034108918600001114
分别表示CHP机组爬坡速率的上下限。
MGT模型的出力和功率爬坡约束可描述为：
Figure BDA00034108918600001115
式(40)中，PMGT,max和PMGT,min分别表示MTG输出电功率的上下限；
Figure BDA00034108918600001116
和
Figure BDA00034108918600001117
分别表示MTG爬坡速率的上下限。
AC出力约束如式(41)所示：
PAC,min≤PAC,t≤PAC,max (41)
式(41)中，PAC,max和PAC,min分别表示AC消耗电功率的上下限。
综合能源系统中的电储能装置约束可描述为：
Figure BDA0003410891860000121
式(42)中，SEES,t，
Figure BDA0003410891860000122
和
Figure BDA0003410891860000123
分别表示EES在t时刻的储能量，吸收功率和放能功率；δEES，
Figure BDA0003410891860000124
CEES和
Figure BDA0003410891860000125
分别为EES的损耗系数，充能功率损耗，放能功率损耗，容量，最大充放能功率；SEES,max和SESS,min分别表示储能的最大和最小荷电状态；
Figure BDA0003410891860000126
和
Figure BDA0003410891860000127
分别为EES充能状态变量和放能状态变量，为0-1变量。
综合能源系统运营商向用户发布各能源价格时，需适当考虑用户对能源价格的响应，从而最大化自己的收益。综合能源系统运营商在制定能源价格时应满足以下约束：
Figure BDA0003410891860000128
Figure BDA0003410891860000129
式(43)中，
Figure BDA00034108918600001210
和
Figure BDA00034108918600001211
分别为综合能源系统运营商制定能源E价格的上下限；
约束(44)通过设置能源E的日平均价格
Figure BDA00034108918600001212
对综合能源系统运营商制定价格进行限制。
本发明中，综合能源系统优化调度模型包含公式(1)-(44)。
基于演化博弈的用户需求响应模型是指在用户每次决策用能时，可自主选择进行用能调配和不进行用能调配，在每一次决策完后，各用户之间可进行互动学习，若用户进行用能调配所得收益大于不进行用能调配时的收益，则在下次决策时，用户会选择参与用能调配。参与用能调配的用户通过转移柔性负荷来完成需求响应行为。用户所得收益用效用函数进行表示。效用函数可用来反映用户消费能源所获得的满意度。每个用户的效用函数可分为两部分：用户通过向综合能源系统购买能源所获得的满意度和购买能源的成本。用二次函数型效用函数描述用户的购能满意度，则用户效用可描述为：
Figure BDA0003410891860000131
式(45)中，ωuser,E和αuser,E均表示用能偏好常系数。
基于演化博弈的用户需求响应模型中用户负荷分为刚性负荷和柔性负荷，其中刚性负荷不受能源价格影响，柔性负荷则是对能源价格敏感的可转移负荷，可将能源从价格峰值时段转移到价格低谷时段。假设居民用户总数为N户，其中参与需求响应行为的用户有NDS户，则t时刻用户的总用能情况可描述为：
Figure BDA0003410891860000132
式(46)中，
Figure BDA0003410891860000133
为t时刻用户i的刚性负荷值；
Figure BDA0003410891860000134
为t时刻参与用能调配的用户能源E的柔性负荷值，其值取正表示实施需求响应行为时从其他时刻转移到该时刻，取负表示从该时刻转移到其他时刻。
Figure BDA0003410891860000135
还应满足式(47)-式(48)的约束条件。
Figure BDA0003410891860000136
Figure BDA0003410891860000137
式(47)中，
Figure BDA0003410891860000138
和
Figure BDA0003410891860000139
分别为t时刻可转移负荷E的最大值和最小值；式(48)为转移负荷平衡约束，即在负荷转移过程中总负荷量保持不变。
本发明所述基于主从-演化互动博弈的两阶段优化模型，求解流程图如图4所示。综合能源系统运营商首先根据可再生能源出力，用户用能以及外部能源网络能源价格等情况对综合能源系统内设备运行状态进行优化并向用户公布分时能源价格，随后，用户根据综合能源系统运营商公布的分时能源价格进行需求响应，并将需求响应结果反馈给综合能源系统运营商。
平均动态方程用来反映用户演化趋势，用户的平均动态方程如式(49)所示。
Figure BDA00034108918600001310
式(49)中，
Figure BDA00034108918600001311
表示决策时间，(单位：天)；
Figure BDA00034108918600001312
表示
Figure BDA00034108918600001313
时刻用户参与需求响应行为的总体比例；
Figure BDA00034108918600001314
和
Figure BDA00034108918600001315
分别表示全部用户在
Figure BDA00034108918600001316
时刻选择策略S1和S2的收益；
Figure BDA00034108918600001317
为
Figure BDA00034108918600001318
时刻的平均收益。
根据上述可知，本发明中，第一阶段优化模型的优化目标函数为式(27)，其由式(28)-式(34)所构成；决策为各设备的出力大小和向用户公布的能源价格大小等；此外，第一阶段优化模型还需满足约束条件式(1)-式(26)和式(35)-式(44)。由此，本发明中第一阶段优化模型包含公式(1)-式(44)。
第二阶段优化模型的优化目标函数为式(45)，决策为用户各时刻的购能大小。第二阶段优化模型还需满足约束条件式(46)-式(48)。由此，本发明中第二阶段优化模型包含公式(45)-式(48)。
由于在每一次迭代过程中，式(27)与式(45)中均涉及两个不同决策变量相乘，第一和第二阶段优化模型均为非线性优化问题，导致两阶段优化模型难以直接进行求解。为此，应用Karush-Kuhn-Tucker(KKT)条件，Big-M法和对偶定理对其进行线性化处理，将两阶段模型转换为等价的单层混合整数线性规划问题。KKT条件是非线性规划最佳解的必要条件；Big-M法是线性规划问题的约束条件(＝)等式或(≥)大于型时，使用人工变量法后，寻找其初始基可行解的一种方法；对偶定理是一个数学术语，指的是若两逻辑式相等，则它们的对偶式也相等；对偶式指的是对于任何一个逻辑式Y，若将其中的“·”换成“+”，“+”换成“·”，0换成1，1换成0，则得到一个新的逻辑式Y'，Y'就是Y的对偶式。显然Y和Y'互为对偶式。具体求解过程如下：
1)构建第二阶段优化模型的拉格朗日函数，利用拉格朗日乘子法将第二阶段优化模型转换为KKT最优条件，将两阶段优化问题转换为单层优化问题，此时的非线性项包含互补松弛条件和双线性乘积项。
2)互补松弛条件形为：0≤l⊥y(Ω)≥0，其中l为对偶变量；y(Ω)为第二阶段优化模型的不等式约束，其满足l≥0，y(Ω)≥0，l*y(Ω)＝0。利用Big-M法引入0-1变量对互补松弛条件进行处理，将KKT最优条件线性化。
3)通过对偶理论将双线性乘积项进行线性化处理，得到等价的单层混合整数线性规划问题。
经过线性化转换后可得到相应的等式约束和不等式约束，等式约束如式(50)-(53)所示：
Figure BDA0003410891860000145
Figure BDA0003410891860000146
Figure BDA0003410891860000147
Figure BDA0003410891860000151
不等式约束如式(54)-(69)所示：
Figure BDA0003410891860000152
Figure BDA0003410891860000153
Figure BDA0003410891860000154
Figure BDA0003410891860000155
Figure BDA0003410891860000156
Figure BDA0003410891860000157
Figure BDA0003410891860000158
Figure BDA0003410891860000159
Figure BDA00034108918600001510
Figure BDA00034108918600001511
Figure BDA00034108918600001512
Figure BDA00034108918600001513
Figure BDA00034108918600001514
Figure BDA00034108918600001515
Figure BDA00034108918600001516
Figure BDA00034108918600001517
其中，
Figure BDA00034108918600001518
和
Figure BDA00034108918600001519
分别表示t时刻用户i的可移动电负荷、可移动气负荷、可移动冷负荷和可移动热负荷；
Figure BDA00034108918600001520
和
Figure BDA00034108918600001521
分别表示用户电负荷、气负荷、冷负荷和热负荷可移动下限；
Figure BDA00034108918600001522
和
Figure BDA00034108918600001523
分别表示用户电负荷、气负荷、冷负荷和热负荷可移动上限；ωele,mov，ωgas,mov，ωcold,mov和ωheat,mov为等式约束对应的对偶变量；lele，t，min、lele，t，max、lgas，t，min、lgas，t，max、lcold，t，min、lcold，t，maxlheat，t，min和lheat，t，max为不等式约束对应的对偶变量；
Figure BDA0003410891860000164
Figure BDA0003410891860000165
和
Figure BDA0003410891860000166
均为0-1变量；M为足够大的常数。
一、二阶段所构成的主从博弈模型可转换为式(70)形式。
Figure BDA0003410891860000167
在迭代计算时，为了迭代计算用户的总体参与比例，需将式(49)进行离散化处理，如式(71)所示：
Figure BDA0003410891860000168
式(71)中，G为迭代次数；εG为第G次迭代计算时种群的迭代步长。
本发明中，基于演化博弈的用户需求响应模型包含公式(45)-(49)和式(71)。
通过设置收敛精度判断迭代是否收敛，如(72)所示：
Figure BDA0003410891860000169
式中，γ为预期精度值，用于判断用户每次决策时是否达到演化稳定策略。
3、将本发明策略与其他4种模型进行对比分析：
本发明两阶段优化模型中所涉及的仿真参数设置如表1所示。外部能源网络出售能源价格如图5所示，单位用户的负荷使用情况如图6所示。
表1优化参数设置
Figure BDA00034108918600001610
Figure BDA0003410891860000171
为了验证基于PCDC和碳交易的综合能源系统优化调度模型框架的有效性，本发明设置以下5种优化模型进行比较。
模型1：CHP，CCS，P2G和DG协同运行，含碳交易。
模型2：CHP，CCS和P2G协同运行，DG单独运行，含碳交易。
模型3：CHP，CCS和P2G协同运行，DG单独运行，不含碳交易。
模型4：CHP，CCS和DG协同运行，P2G单独运行，含碳交易。
模型5：CHP和DG单独运行，不含CCS和P2G设备，含碳交易。
设置用户参与度初始值为用户总数的10％，电储能装置的初始能量取储能最大容量的20％，ωuser,ele，ωuser,gas，ωuser,cold和ωuser,heat分别为(7000,8000)，(7000,8000)，(5000,6000)和(8000,9000)内的随机数，迭代步长均为1×10-5。利用南方某地五十天风光出力数据对上述5种模型分别进行迭代。
图7(a)、图7(b)、图7(c)、图7(d)、图7(e)分别展示了模型1、模型2、模型3、模型4和模型5下用户种群选择参与用能调配获得的效益(ProUs1表示)，选择不参与用能调配获得的效益(ProUs2表示)和用户平均效益(ProUave表示)的演化情况。图8和图9分别为不同模型演化过程中用户的购能成本趋势和综合能源系统的运行成本趋势。可以看出，随着更多的用户参与用能调配，用户总购能成本和综合能源系统运行成本均得到了明显的改善，实现了用户与综合能源系统运营商的双赢。此外，从图9中可以看出，模型1的综合能源系统运行成本无论在哪天都要显著低于其他4种模型的综合能源系统运维成本。
针对不同模型在具体某一天的优化调度情况进行详细分析。假设用户参与度均为1，各模型中电储能装置的初始能量取储能最大容量的20％，设置一日内的调度时段总数为24，对不同模型分别进行优化求解。图10展示了各模型对DG出力的消纳情况对比，表2和表3分别为各模型的调度情况和各聚合单元的收益与成本。由图10可知，模型1在1:00-4:00，6:00-12:00和14:00-24:00对DG的出力达到了100％消纳，其他4种模型均无法在这些时刻达到100％出力消纳。
与模型2相对比，模型1实现了P2G，CCS，DG和CHP机组协同运行。模型1中CCS对CO2的捕获量为211.79t，高于模型2的136.93t，CCS将捕获到的CO2作为原材料提供给P2G，P2G利用捕获的CO2进行电转气过程生成更多的天然气，从而减少综合能源系统向外界天然气网络购买天然气的成本。这是因为模型1通过PCDC协同运行提升了DG的出力消纳，增加了CCS和P2G设备的运行功率来源，并减少了CHP机组向CCS和P2G设备提供的电能，虽然P2G机组和CCS的运行功率增加导致P2G和CCS的运行成本分别由1.88万元和1.15万元增长至2.92万元和2.83万元，但通过增加P2G的运行功率从而增加了P2G的产气量和CCS的碳捕集量，使综合能源系统的购气功率和CO2的排放分别减少了42.56MW和76.68t。此外，由于DG出力的消纳得到了提高，综合能源系统的弃风弃光惩罚成本得到了降低并提高了系统的碳交易额，从而减少了系统的碳交易成本，使系统的总运行成本得到了有效的降低。由于DG提供了部分P2G和CCS的运行功率，使CHP机组提供给负荷的电能增加，从而使用户的成本得到改善，用户效益得到提升。由模型2和模型3相比可知，碳交易对DG出力消纳及各设备优化情况的影响较小。
由模型1和模型4对比可知，P2G，CCS，DG和CHP机组协同运行使CO2排放量和弃风弃光量分别降低了151.01t和268.3MW，进而减少了碳交易成本18.16万元和弃风弃光成本20.54万元，大幅度改善了系统的运行成本。在P2G单独运行过程中，其产生的气功率减少了82.65MW，增加了综合能源系统向外界购买天然气功率的成本。由于P2G的运行功率减少，导致CCS提供给P2G的CO2减少，因此使CO2的排放量增加。由此可知，模型1中PCDC协同运行可对电力资源进行灵活调配，减少弃风弃光和CO2的排放。
表2不同模型收益和成本优化结果对比
Figure BDA0003410891860000181
表3不同模型调度情况对比
Figure BDA0003410891860000191
模型5中，由于缺少CCS对CHP机组排放的CO2进行捕获，导致CO2的排放量相比模型1增加了210.27t。此外，由于缺少P2G设备对DG出力进行电转气转换，导致弃风弃光现象严重，同时也增加了综合能源系统向外界能源网络购能成本和碳交易成本，从而使综合能源系统运行成本大幅度增加。

Claims (10)

1.一种考虑需求响应的综合能源系统两阶段优化调度方法，其特征在于包括以下步骤：
步骤1：建立计及电转气设备，碳捕集系统和分布式电源的热电联产机组协同运行模型；
步骤2：建立综合能源系统优化调度模型，以及基于演化博弈的用户需求响应模型；
步骤3：以综合能源系统运营商为领导者，用户侧为跟随者，提出主从-演化博弈的两阶段优化模型并对该模型进行求解。
2.根据权利要求1所述一种考虑需求响应的综合能源系统两阶段优化调度方法，其特征在于：所述步骤1中，热电联产机组协同运行模型中，
碳捕集系统，对热电联产机组产生的CO2进行捕捉并作为原料提供给电转气设备；
电转气设备，利用碳捕集系统捕捉的CO2和电能进行电转气；
分布式电源和热电联产机组，提供电转气设备和碳捕集系统的运行功率；
电转气设备的电转气过程可分为两个步骤：首先，利用分布式电源和热电联产机组提供的电能将水进行电解从而产生氢气和氧气；其次，利用电解水产生的氢气与碳捕集系统捕获到的CO2合成甲烷，该过程中碳捕集系统捕获的CO2来源于热电联产机组运行过程中产生的CO2，而碳捕集系统的运行能耗由热电联产机组和分布式电源提供。
3.根据权利要求1所述一种考虑需求响应的综合能源系统两阶段优化调度方法，其特征在于：所述步骤2中，综合能源系统优化调度模型具体如下：
热电联产机组的热-电耦合特性，用式(1)表示：
max{PCHP,min-αHCHP,t,β(HCHP,t-HCHP,0)}≤PCHP,t≤PCHP,max-χHCHP,t (1)；
式(1)中，PCHP,max(MW)和PCHP,min(MW)分别表示热电联产机组可输出的最大和最小电能值；α,β和χ均为热电联产机组的电热转换系数，α为热电联产机组输出最小电功率时的转换系数；χ为热电联产机组输出最大电功率时的转换系数；β为热电联产机组产生的热能和电能之间的线性供应斜率；HCHP,0为热电联产机组输出最小电功率时对应输出的热能；HCHP,t为t时刻热电联产机组输出的热能；PCHP,t表示t时刻热电联产机组输出的电能，该电能可划分为三部分，如式(2)所示；
PCHP,t＝PCHP,1,t+PCHP,2,t+PCHP,3,t (2)
式(2)中，PCHP,1,t、PCHP,2,t和PCHP,3,t分别表示t时刻热电联产机组提供给电转气设备、碳捕集系统和主电网的电能；
电转气设备的电气转换关系如式(3)所示；
GP2G,t＝a·PP2G,t (3)
式(3)中，GP2G,t为t时刻电转气设备产生的气能；a为电转气设备的电气转换效率系数；PP2G,t为t时刻电转气设备消耗的电能，其值由三部分组成，如式(4)所示；
PP2G,t＝PPV,1,t+PWT,1,t+PCHP,1,t (4)
式(4)中，PCHP,1,t、PPV,1,t和PWT,1,t分别表示t时刻热电联产机组、光伏和风机提供给电转气设备的电能；
电转气设备在运行过程中需要相应的CO2来产生天然气，该CO2由碳捕集系统为其提供，如式(5)所示；
Figure FDA0003410891850000021
式(5)中，
Figure FDA0003410891850000022
为t时刻碳捕集系统提供给电转气设备的CO2量；b(t/MWh)代表电转气设备消耗电能和CO2的关系系数；PP2G,t为t时刻P2G消耗的功率；
碳捕集系统捕获的CO2均来源于热电联产机组，碳捕集系统捕获的CO2将作为原料传输给电转气设备；将t时刻热电联产机组运行产生的CO2量简化描述为：
Figure FDA0003410891850000023
式(6)中，
Figure FDA0003410891850000024
表示t时刻热CHP运行产生的CO2；c和d均为热电联产机组的碳排放系数；α为CHP输出最小电功率时的转换系数；PCHP,t和HCHP,t表示t时刻CHP机组输出的电功率和热功率；
碳捕集系统在运行过程中需要消耗电能，而碳捕集系统的耗电量可分为两个部分，即基础耗电量和运行耗电量，其中基础耗电量可视为常数；碳捕集系统传输给电转气设备相应CO2需要消耗电能，如式(7)所示；
Figure FDA0003410891850000025
式(7)中，PCCS,t表示t时刻CCS提供给P2G设备的CO2量为
Figure FDA0003410891850000026
时的耗电量；e是CCS耗电量和捕获的CO2之间的转换系数；
碳捕集系统的耗电量由风机、光伏和热电联产机组对其进行提供，由此PCCS,t又可表示为：
PCCS,t＝PPV,2,t+PWT,2,t+PCHP,2,t (8)
式(8)中，PCCS,t表示t时刻CCS消耗的功率；PCHP,2,t、PPV,2,t和PWT,2,t分别表示t时刻CHP机组、光伏和风机提供给CCS的电能；
热电联产机组的电能输出受到式(9)的约束；
PCHP,min≤PCHP,t≤PCHP,max (9)
式(9)中，PCHP,t表示t时刻CHP机组输出的电功率；PCHP,max和PCHP,min分别表示CHP机组产生电功率上下限
热电联产机组的热功率输出受到式(10)的约束；
HCHP,min≤HCHP,t≤HCHP,max (10)
式(10)中，HCHP,t表示t时刻热电联产机组输出的热功率；HCHP,max和HCHP,min分别表示CHP机组的热功率输出上下限；
电转气设备消耗的电能受式(11)的约束；
PP2G,min≤PP2G,t≤PP2G,max (11)
式(11)中，PP2G,t表示t时刻P2G消耗的电功率；PP2G,min和PP2G,max分别表示P2G设备消耗的电功率下限和上限；
碳捕集系统消耗的电能受式(12)的约束；
PCCS,min≤PCCS,t≤PCCS,max (12)
式(12)中，PCCS,t表示t时刻CCS消耗的电功率；PCCS,min和PCCS,max分别表示CCS消耗的电功率下限和上限；
将式(4)和(8)分别带入式(11)和(12)中，可得到表达式：
PP2G,min-PPV,1,t-PWT,1,t≤PCHP,1,t≤PP2G,max-PPV,1,t-PWT,1,t (13)
PCCS,min-PPV,2,t-PWT,2,t≤PCHP,2,t≤PCCS,max-PPV,2,t-PWT,2,t (14)
式(13)中，PP2G,min和PP2G,max分别表示P2G设备消耗的电功率下限和上限；PPV,1,t、PWT,1,t和PCHP,1,t分别表示t时刻光伏、风机和CHP机组传输给P2G设备的电能；
式(14)中，PCCS,min和PCCS,max分别表示CCS消耗的电功率下限和上限；PPV,2,t、PWT,2,t和PCHP,2,t分别表示t时刻光伏、风机和CHP机组传输给CCS的电能；
其中，风机和光伏提供给电转气设备和碳捕集系统的电能上下限约束如式(15)-(18)所示：
PWT,min≤PWT1,t≤PWT,max (15)
PWT,min≤PWT2,t≤PWT,max (16)
PPV,min≤PPV1,t≤PPV,max (17)
PPV,min≤PPV2,t≤PPV,max (18)
式(15)-(18)中，PWT,max和PWT,min分别表示风机出力上下限；PPV,max和PPV,min分别表示光伏出力上下限；PPV,1,t和PWT,1,t分别表示t时刻光伏和风机传输给P2G设备的电能；PPV,2,t和PWT,2,t分别表示t时刻光伏和风机传输给CCS的电能；
将式(15)和式(17)带入式(13)中，式(16)和式(18)带入式(14)中，可得到PCHP,1,t和PCHP,2,t出力上下限的另一表达形式，如式(19)和(20)所示：
Figure FDA0003410891850000041
Figure FDA0003410891850000042
在式(19)和式(20)中，
Figure FDA0003410891850000043
和
Figure FDA0003410891850000044
分别表示热电联产机组传输给电转气设备的电能上下限；
Figure FDA0003410891850000045
和
Figure FDA0003410891850000046
分别表示热电联产机组传输给碳捕集系统的电能上下限；PP2G,min和PP2G,max分别表示P2G设备消耗的电功率下限和上限；PPV,max和PPV,min分别表示光伏出力上下限；PWT,max和PWT,min分别表示风机出力上下限；PCCS,min和PCCS,max分别表示CCS消耗的电功率下限和上限；PCHP,1,t和PCHP,2,t分别表示t时刻CHP机组传输给P2G设备和CCS的电能；
将式(2)带入式(9)中，可得到表达式：
PCHP,min-PCHP,1,t-PCHP,2,t≤PCHP,3,t≤PCHP,max-PCHP,1,t-PCHP,2,t (21)
式(21)中，PCHP,min和PCHP,max分别表示CHP机组输出功率的下限和上限；PCHP,1,t、PCHP,2,t和PCHP,3,t分别表示t时刻CHP机组传输给P2G设备、CCS和主网的电功率；
将式(19)和式(20)带入式(21)中整理得到：
Figure FDA0003410891850000051
式(22)中，
Figure FDA0003410891850000052
和
Figure FDA0003410891850000053
分别表示电转气-碳捕集-分布式电源-热电联产机组PCDC协同运行模型输出电能的上下限；PCHP,min和PCHP,max分别表示CHP机组输出功率的下限和上限；PP2G,min和PP2G,max分别表示P2G设备消耗的电功率下限和上限；PPV,max和PPV,min分别表示光伏出力上下限；PWT,max和PWT,min分别表示风机出力上下限；PCCS,min和PCCS,max分别表示CCS消耗的电功率下限和上限；
将式(1)、式(2)、式(19)和式(20)整理后得到：
Figure FDA0003410891850000054
式(23)中，式(1)中，PCHP,max和PCHP,min分别表示CHP机组可输出的最大和最小电能值；α,β和χ均为CHP机组的电热转换系数，α为CHP机组输出最小电功率时的转换系数；χ为CHP机组输出最大电功率时的转换系数；β为CHP机组产生的热能和电能之间的线性供应斜率；HCHP,0为CHP机组输出最小电功率时对应输出的热能；HCHP,t为t时刻CHP机组输出的热能；PCHP,t表示t时刻CHP机组输出的电能；PCHP,3,t为t时刻CHP机组传输给主网的电功率；
Figure FDA0003410891850000055
和
Figure FDA0003410891850000056
的表达式如式(24)所示：
Figure FDA0003410891850000057
式(24)中，PP2G,max和PP2G,min分别表示P2G运行功率的上下限；PCCS,min和PCCS,max分别表示CCS消耗的电功率下限和上限；PPV,max和PPV,min分别表示光伏出力上下限；PWT,max和PWT,min分别表示风机出力上下限；
将式(22)和(23)整理后可得：
Figure FDA0003410891850000058
式(25)中，
Figure FDA0003410891850000059
和
Figure FDA00034108918500000510
分别表示PCDC传输给主网电能的下限和上限；α为CHP机组输出最小电功率时的转换系数；χ为CHP机组输出最大电功率时的转换系数；β为CHP机组产生的热能和电能之间的线性供应斜率；HCHP,0为CHP机组输出最小电功率时对应输出的热能；HCHP,t为t时刻CHP机组输出的热能；
Figure FDA0003410891850000061
如式(24)所示；PCHP,3,t表示t时刻PCDC输出给主网的电功率；式(25)描述了PCDC模型的热-电耦合特性；
将式(2)和式(4)分别带入式(6)和(5)中整理后得PCDC排放的CO2量，如式(26)所示：
Figure FDA0003410891850000062
式(26)中，
Figure FDA0003410891850000063
表示t时刻PCDC排出的CO2量；c和d均为CHP机组的碳排放系数；b代表P2G消耗电能和CO2的关系系数；PCHP,1,t、PCHP,2,t、PCHP,3,t和HCHP,t分别表示t时刻CHP机组传输给P2G设备的电功率、CHP机组传输给CCS的电功率、CHP机组传输给主网的电功率和CHP机组输出的热功率；PP2G,t、PPV,1,t和PWT,1,t分别表示t时刻P2G设备运行功率、光伏传输给P2G设备的功率和风机传输给P2G设备的功率。
4.根据权利要求3所述一种考虑需求响应的综合能源系统两阶段优化调度方法，其特征在于：综合能源系统优化调度模型中，综合能源系统运营商优化目标函数为日运行净收益最大，其中主要包括用户向综合能源系统购能成本、PCDC运营成本、碳交易成本、AC运行成本和综合能源系统向外界能源网络的购能成本；目标函数如式(27)所示：
Figure FDA0003410891850000064
式(27)中，UIES表示综合能源系统运营商总体净收益；
Figure FDA0003410891850000065
和
Figure FDA0003410891850000066
和依次表示用户购能成本、PCDC的运营成本、碳交易成本、AC运营成本和综合能源系统向外部能源网络购能成本；
Figure FDA0003410891850000067
的表达式如式(28)所示：
Figure FDA0003410891850000068
式(28)中，T为调度周期内的调度时段总数；E’表示综合能源系统提供给用户的能源种类集合，其中E'＝{ele,gas,cold,heat}；
Figure FDA0003410891850000069
为t时刻用户购买能源E的价格，该价格由综合能源系统运营商制定并公布；
Figure FDA00034108918500000610
为t时刻用户i对能源E的使用值；N为用户的总数量；
PCDC运营成本
Figure FDA00034108918500000611
可表示为：
Figure FDA00034108918500000612
式(29)中，T为调度周期内的调度时段总数；δ为CHP机组的运行成本系数；η和μ分别表示P2G设备和CCS的运行成本系数；PCWT,t和PCPV,t分别表示t时刻风机和光伏的弃电量；λ和θ分别表示风机和光伏的弃电成本系数。
5.根据权利要求4所述一种考虑需求响应的综合能源系统两阶段优化调度方法，其特征在于：综合能源系统优化调度模型中，若综合能源系统的碳排放量高于规定的碳排放额，则综合能源系统需要向碳交易市场购买碳排放权；如果综合能源系统的碳排放量低于规定的碳排放额，则综合能源系统可以向碳交易市场出售碳排放权；碳交易成本
Figure FDA0003410891850000071
可表示为：
Figure FDA0003410891850000072
式(30)中，T为调度周期内的调度时段总数；
Figure FDA00034108918500000713
为碳交易成本系数；
Figure FDA0003410891850000073
和
Figure FDA0003410891850000074
分别表示t时刻综合能源系统的碳排放量和碳排放额，其表达式分别如式(31)和(32)所示：
Figure FDA0003410891850000075
Figure FDA0003410891850000076
式(31)-(32)中，
Figure FDA0003410891850000077
表示t时刻PCDC排出的CO2；υ表示MGT的排放系数；PMGT,t表示t时刻MGT输出的电功率；ξ表示单位功率的碳排放额配置系数；PCHP,t表示t时刻CHP机组输出的电功率；PWT,t和PPV,t分别表示风机和光伏的利用功率；
AC的运营成本
Figure FDA0003410891850000078
可表示为：
Figure FDA0003410891850000079
式(33)中，T为调度周期内的调度时段总数；ω表示AC的运行成本系数；PAC,t为t时刻AC发出的电功率；
综合能源系统向外部能源网络购能成本可描述为式(34):
Figure FDA00034108918500000710
式(34)中，T为调度周期内的调度时段总数；P’为外部能源网络出售给综合能源系统的能源种类集合，其中，P'＝{ele,gas}；
Figure FDA00034108918500000711
为t时刻外部能源网络中能源P的价格；
Figure FDA00034108918500000712
为t时刻综合能源系统向外界能源网络购买能源P的功率值。
6.根据权利要求4所述一种考虑需求响应的综合能源系统两阶段优化调度方法，其特征在于：两阶段优化模型中，第一阶段优化模型中综合能源系统还需满足响应的约束条件，其中电功率平衡约束、气功率平衡约束、冷功率平衡约束、热功率平衡约束分别如式(35)-(38)所示：
Figure FDA0003410891850000081
式(35)中，PWT,3,t、PPV,3,t、PCHP,3,t和PMGT,t分别为t时刻风机传输给主网功率、光伏传输给主网功率、CHP机组传输给主网功率和MGT传输给主网功率；
Figure FDA0003410891850000082
为t时刻综合能源系统向配电网购买的电功率；
Figure FDA0003410891850000083
为t时刻EES输出的电功率；
Figure FDA0003410891850000084
为t时刻用户购买的电功率；
Figure FDA0003410891850000085
为t时刻EES存储的电功率；PAC,t为t时刻AC消耗电功率；N为用户的总数量；
Figure FDA0003410891850000086
式(36)中，
Figure FDA0003410891850000087
和
Figure FDA0003410891850000088
分别表示t时刻综合能源系统向天然气网络购买的气功率和用户向综合能源系统购买的气功率；τ为CHP机组由气发电的能源转换效率；
Figure FDA0003410891850000089
为MGT的气电转换系数；GP2G,t表示t时刻P2G设备产生气功率；PCHP,t为t时刻CHP机组发出的总电功率；PMGT,t为t时刻MGT产生的电功率；N为用户的总数量；
Figure FDA00034108918500000810
式(37)中，
Figure FDA00034108918500000811
为MGT的热损耗系数；
Figure FDA00034108918500000812
为MTG中溴冷机的冷却系数；
Figure FDA00034108918500000813
为MGT的气电转换系数；
Figure FDA00034108918500000814
为溴冷机的燃料回收系数；PMGT,t为t时刻MGT产生的电功率；κ为AC的电转冷转换系数；PAC,t为t时刻AC消耗电功率；
Figure FDA00034108918500000815
为t时刻用户向综合能源系统购买的冷功率；N为用户的总数量；
Figure FDA00034108918500000816
式(38)中，
Figure FDA00034108918500000817
为MGT的热损耗系数；
Figure FDA00034108918500000818
为MGT的气电转换系数；
Figure FDA00034108918500000819
为溴冷机的燃料回收系数；PMGT,t为t时刻MGT产生的电功率；
Figure FDA00034108918500000820
为MTG中溴冷机的加热系数；
Figure FDA00034108918500000821
为t时刻用户向综合能源系统购买的热功率；HCHP,t为t时刻CHP机组产生的热功率；N为用户的总数量；
综合能源系统中CHP机组的爬坡速率约束可描述为：
Figure FDA0003410891850000091
式(39)中，
Figure FDA0003410891850000092
和
Figure FDA0003410891850000093
分别表示CHP机组爬坡速率的上下限；PCHP,t表示t时刻CHP机组产生的总电功率；
MGT模型的出力和功率爬坡约束可描述为：
Figure FDA0003410891850000094
式(40)中，PMGT,max和PMGT,min分别表示MTG输出电功率的上下限；PMGT,t为t时刻MGT产生的电功率；
Figure FDA0003410891850000095
和
Figure FDA0003410891850000096
分别表示MTG爬坡速率的上下限；
AC出力约束如式(41)所示：
PAC,min≤PAC,t≤PAC,max (41)
式(41)中，PAC,t为t时刻AC消耗电功率；PAC,max和PAC,min分别表示AC消耗电功率的上下限；
综合能源系统中的电储能装置约束可描述为：
Figure FDA0003410891850000097
式(42)中，SEES,t，
Figure FDA0003410891850000098
和
Figure FDA0003410891850000099
分别表示EES在t时刻的储能量，吸收功率和放能功率；δEES，
Figure FDA00034108918500000910
CEES和
Figure FDA00034108918500000911
分别为EES的损耗系数，充能功率损耗，放能功率损耗，容量，最大充放能功率；SEES,max和SESS,min分别表示储能的最大和最小荷电状态；
Figure FDA00034108918500000912
和
Figure FDA00034108918500000913
分别为EES充能状态变量和放能状态变量，为0-1变量；
综合能源系统运营商向用户发布各能源价格时，需适当考虑用户对能源价格的响应，从而最大化自己的收益；综合能源系统运营商在制定能源价格时应满足以下约束：
Figure FDA0003410891850000101
Figure FDA0003410891850000102
式(43)中，
Figure FDA0003410891850000103
表示t时刻运营商公布能源E的价格，E∈{ele,gas,cold,heat}；
Figure FDA0003410891850000104
和
Figure FDA0003410891850000105
分别为综合能源系统运营商制定能源E价格的上下限；T为调度周期内的调度时段总数；
约束式(44)通过设置能源E的日平均价格
Figure FDA0003410891850000106
对综合能源系统运营商制定价格进行限制。
7.根据权利要求1所述一种考虑需求响应的综合能源系统两阶段优化调度方法，其特征在于：
所述步骤2中，用户所得收益用效用函数进行表示，每个用户的效用函数可分为两部分：用户通过向综合能源系统购买能源所获得的满意度和购买能源的成本；用二次函数型效用函数描述用户的购能满意度，则基于演化博弈的用户需求响应模型中用户效用可描述为：
Figure FDA0003410891850000107
式(45)中，Uuser为用户效用；ωuser,E和αuser,E均表示用能偏好常系数；T为调度周期内的调度时段总数；E’表示综合能源系统提供给用户的能源种类集合，其中E'＝{ele,gas,cold,heat}；
Figure FDA0003410891850000108
为t时刻用户购买能源E的价格，该价格由综合能源系统运营商制定并公布；
Figure FDA0003410891850000109
为t时刻用户i对能源E的使用值；N为用户的总数量。
8.根据权利要求7所述一种考虑需求响应的综合能源系统两阶段优化调度方法，其特征在于：
基于演化博弈的用户需求响应模型中，用户负荷分为刚性负荷和柔性负荷，其中，刚性负荷不受能源价格影响，柔性负荷则是对能源价格敏感的可转移负荷，可将能源从价格峰值时段转移到价格低谷时段；假设参与需求响应行为的用户有NDS户，则t时刻用户的总用能情况可描述为：
Figure FDA00034108918500001010
式(46)中，
Figure FDA00034108918500001011
为t时刻用户i的刚性负荷值；
Figure FDA00034108918500001012
为t时刻参与用能调配的用户能源E的柔性负荷值，其值取正表示实施需求响应行为时从其他时刻转移到该时刻，取负表示从该时刻转移到其他时刻；
Figure FDA00034108918500001013
还应满足式(47)-式(48)的约束条件；N为用户的总数量；
Figure FDA00034108918500001014
Figure FDA0003410891850000111
式(47)中，
Figure FDA0003410891850000112
和
Figure FDA0003410891850000113
分别为t时刻可转移负荷E的最大值和最小值；式(48)为转移负荷平衡约束，即在负荷转移过程中总负荷量保持不变；
用户的平均动态方程如式(49)所示；
Figure FDA0003410891850000114
式(49)中，
Figure FDA0003410891850000115
表示决策时间，单位：天；
Figure FDA0003410891850000116
表示
Figure FDA0003410891850000117
时刻用户参与需求响应行为的总体比例；
Figure FDA0003410891850000118
和
Figure FDA0003410891850000119
分别表示全部用户在
Figure FDA00034108918500001110
时刻选择策略S1和S2的收益；
Figure FDA00034108918500001111
为
Figure FDA00034108918500001112
时刻的平均收益；在迭代计算时，为了迭代计算用户的总体参与比例，需将式(49)进行离散化处理，如式(71)所示：
Figure FDA00034108918500001113
式(71)中，G为迭代次数；xG为第G次迭代时用户参与度；εG为第G次迭代计算时种群的迭代步长；
Figure FDA00034108918500001114
表示第G次迭代全部用户选择策略S1的收益；
Figure FDA00034108918500001115
为第G次迭代的平均收益。
9.根据权利要求1所述一种考虑需求响应的综合能源系统两阶段优化调度方法，其特征在于：所述步骤3中，第一阶段优化模型的优化目标函数为:
Figure FDA00034108918500001116
式(27)中，UIES表示综合能源系统运营商总体净收益；
Figure FDA00034108918500001117
和
Figure FDA00034108918500001118
和依次表示用户购能成本、PCDC的运营成本、碳交易成本、AC运营成本和综合能源系统向外部能源网络购能成本；
Figure FDA00034108918500001119
的表达式如式(28)所示：
Figure FDA00034108918500001120
式(28)中，T为调度周期(一日)内的调度时段总数；E’表示综合能源系统提供给用户的能源种类集合，其中E'＝{ele,gas,cold,heat}；
Figure FDA00034108918500001121
为t时刻用户购买能源E的价格，该价格由综合能源系统运营商制定并公布；
Figure FDA0003410891850000121
为t时刻用户i对能源E的使用值；N为用户的总数量；
PCDC运营成本
Figure FDA0003410891850000122
可表示为：
Figure FDA0003410891850000123
式(29)中，δ(元/MW)为CHP机组的运行成本系数；η(元/MW)和μ(元/MW)分别表示P2G设备和CCS的运行成本系数；PCWT,t和PCPV,t分别表示t时刻风机和光伏的弃电量；λ(元/MW)和θ(元/MW)分别表示风机和光伏的弃电成本系数；
使用基线碳排放控制模型：若综合能源系统的碳排放量高于规定的碳排放额，则综合能源系统需要向碳交易市场购买碳排放权；如果综合能源系统的碳排放量低于规定的碳排放额，则综合能源系统可以向碳交易市场出售碳排放权；碳交易成本
Figure FDA0003410891850000124
可表示为：
Figure FDA0003410891850000125
式(30)中，
Figure FDA00034108918500001213
为碳交易成本系数；
Figure FDA0003410891850000126
和
Figure FDA0003410891850000127
分别表示t时刻综合能源系统的碳排放量和碳排放额，其表达式分别如式(31)和(32)所示：
Figure FDA0003410891850000128
Figure FDA0003410891850000129
式(31)-(32)中，
Figure FDA00034108918500001210
表示t时刻PCDC排出的CO2；υ(t/MW)表示MGT的排放系数；PMGT,t表示t时刻MGT输出的电功率；ξ(t/MW)表示单位功率的碳排放额配置系数；PWT,t和PPV,t分别表示风机和光伏的利用功率；
AC的运营成本
Figure FDA00034108918500001211
可表示为：
Figure FDA00034108918500001212
式(33)中，ω(元/MW)表示AC的运行成本系数；PAC,t为t时刻AC发出的电功率；
综合能源系统向外部能源网络购能成本可描述为式(34):
Figure FDA0003410891850000131
式(34)中，P’为外部能源网络出售给综合能源系统的能源种类集合，其中，P'＝{ele,gas}；
Figure FDA0003410891850000132
Figure FDA0003410891850000135
为t时刻外部能源网络中能源P的价格；
Figure FDA0003410891850000133
为t时刻综合能源系统向外界能源网络购买能源P的功率值；
第二阶段优化模型的优化目标函数：
Figure FDA0003410891850000134
式(45)中，ωuser,E和αuser,E均表示用能偏好常系数。
10.根据权利要求9所述一种考虑需求响应的综合能源系统两阶段优化调度方法，其特征在于：所述步骤3中，主从-演化博弈的两阶段优化模型的求解采用迭代方法，在每一次迭代过程中，运用线性化方法将主从博弈转换成混合整数优化问题，具体步骤如下：
1)构建第二阶段优化模型的拉格朗日函数，利用拉格朗日乘子法将第二阶段优化模型转换为KKT最优条件，将两阶段优化问题转换为单层优化问题，此时的非线性项包含互补松弛条件和双线性乘积项；
2)互补松弛条件形为：0≤l⊥y(Ω)≥0，其中l为对偶变量；y(Ω)为第二阶段优化模型的不等式约束，其满足l≥0，y(Ω)≥0，l*y(Ω)＝0；利用Big-M法引入0-1变量对互补松弛条件进行处理，将KKT最优条件线性化；
3)通过对偶理论将双线性乘积项进行线性化处理，得到等价的单层混合整数线性规划问题。
CN202111527780.1A 2021-12-14 一种考虑需求响应的综合能源系统两阶段优化调度方法 Active CN114374232B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111527780.1A CN114374232B (zh) 2021-12-14 一种考虑需求响应的综合能源系统两阶段优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111527780.1A CN114374232B (zh) 2021-12-14 一种考虑需求响应的综合能源系统两阶段优化调度方法

Publications (2)

Publication Number Publication Date
CN114374232A true CN114374232A (zh) 2022-04-19
CN114374232B CN114374232B (zh) 2024-05-31

Family

ID=

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114818379A (zh) * 2022-05-24 2022-07-29 四川大学 考虑多维不确定性的信息物理主动配电系统互动规划方法
CN115062869A (zh) * 2022-08-04 2022-09-16 国网山东省电力公司东营供电公司 一种考虑碳排放量的综合能源调度方法和系统
CN115907352A (zh) * 2022-11-04 2023-04-04 国网山东省电力公司东营供电公司 一种综合能源系统近零损耗低碳能源管理方法
CN116227838A (zh) * 2022-12-30 2023-06-06 国网江苏省电力有限公司电力科学研究院 一种区域分布式资源协同优化调度方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112421642A (zh) * 2020-10-28 2021-02-26 国家电网有限公司 一种综合能源系统ies可靠性评估方法和系统
DE102020002396A1 (de) * 2020-04-21 2021-10-21 Karl Werner Dietrich Verfahen zur Stromversorgung von Ladestationen für e-Fahrzeuge

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102020002396A1 (de) * 2020-04-21 2021-10-21 Karl Werner Dietrich Verfahen zur Stromversorgung von Ladestationen für e-Fahrzeuge
CN112421642A (zh) * 2020-10-28 2021-02-26 国家电网有限公司 一种综合能源系统ies可靠性评估方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李媛;冯昌森;文福拴;王珂;黄裕春;: "含电动汽车和电转气的园区能源互联网能源定价与管理", 电力系统自动化, no. 16, 6 July 2018 (2018-07-06) *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114818379A (zh) * 2022-05-24 2022-07-29 四川大学 考虑多维不确定性的信息物理主动配电系统互动规划方法
CN114818379B (zh) * 2022-05-24 2023-10-24 四川大学 考虑多维不确定性的信息物理主动配电系统互动规划方法
CN115062869A (zh) * 2022-08-04 2022-09-16 国网山东省电力公司东营供电公司 一种考虑碳排放量的综合能源调度方法和系统
CN115062869B (zh) * 2022-08-04 2022-12-09 国网山东省电力公司东营供电公司 一种考虑碳排放量的综合能源调度方法和系统
CN115907352A (zh) * 2022-11-04 2023-04-04 国网山东省电力公司东营供电公司 一种综合能源系统近零损耗低碳能源管理方法
CN115907352B (zh) * 2022-11-04 2023-08-18 国网山东省电力公司东营供电公司 一种综合能源系统近零损耗低碳能源管理方法
CN116227838A (zh) * 2022-12-30 2023-06-06 国网江苏省电力有限公司电力科学研究院 一种区域分布式资源协同优化调度方法及系统

Similar Documents

Publication Publication Date Title
CN111738502B (zh) 促进富余风电消纳的多能互补系统需求响应运行优化方法
Li et al. Optimal dispatch of low-carbon integrated energy system considering nuclear heating and carbon trading
CN110288152B (zh) 考虑电/热柔性负荷的区域综合能源系统储能配置方法
JP7261507B2 (ja) 電気ヒートポンプ－熱電併給システムを最適化する調整方法及びシステム
Cheng et al. Optimization of multi-carrier energy system based on new operation mechanism modelling of power-to-gas integrated with CO2-based electrothermal energy storage
CN106372742A (zh) 考虑电转气多源储能型微网日前最优经济调度方法
CN112464477A (zh) 计及需求响应的多能耦合综合能源运行仿真方法
CN107453407B (zh) 一种智能微电网分布式能源调度方法
CN109636056A (zh) 一种基于多智能体技术的多能源微网去中心化优化调度方法
CN114744687A (zh) 一种虚拟电厂的能源调控方法及系统
Zhu et al. A review of distributed energy system optimization for building decarbonization
CN114358431A (zh) 计及供需双向需求响应的多能源系统优化调度方法及装置
CN111668878A (zh) 一种可再生微能源网的优化配置方法和系统
CN112671040A (zh) 一种考虑新能源消纳最大的多能互补系统日前优化调度方法
CN115170343A (zh) 一种区域综合能源系统分布式资源和储能协同规划方法
CN115186902A (zh) 温室综合能源系统的调控方法、装置、终端及存储介质
CN115293457A (zh) 基于分布式协同优化策略的综合能源系统季节性氢储优化配置方法
CN114662752A (zh) 基于价格型需求响应模型的综合能源系统运行优化方法
Zhang et al. Bi-level optimization dispatch of integrated-energy systems with P2G and carbon capture
CN108695893B (zh) 一种省级电网新能源弃电量影响因素分解方法
CN113141005B (zh) 一种面向新能源消纳的综合能源系统多时间尺度调度方法
Feng et al. Review of operations for multi-energy coupled virtual power plants participating in electricity market
Gao et al. Coordination for regional integrated energy system through target cascade optimization
Varganova et al. Energy-efficient distribution of heat between the boiler units of industrial power palnts with the use of computers
Ju et al. Near-zero carbon stochastic dispatch optimization model for power-to-gas-based virtual power plant considering information gap status theory

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