CN114662756A - 考虑源-荷不确定性的热电微能网双层仿射优化调度方法 - Google Patents
考虑源-荷不确定性的热电微能网双层仿射优化调度方法 Download PDFInfo
- Publication number
- CN114662756A CN114662756A CN202210291473.6A CN202210291473A CN114662756A CN 114662756 A CN114662756 A CN 114662756A CN 202210291473 A CN202210291473 A CN 202210291473A CN 114662756 A CN114662756 A CN 114662756A
- Authority
- CN
- China
- Prior art keywords
- energy
- optimization
- network
- node
- interval
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 111
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 72
- 230000005540 biological transmission Effects 0.000 claims abstract description 59
- 238000012546 transfer Methods 0.000 claims abstract description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 20
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 13
- 229910052799 carbon Inorganic materials 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000004146 energy storage Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 239000000446 fuel Substances 0.000 claims description 5
- 230000005611 electricity Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 7
- 239000010410 layer Substances 0.000 description 43
- 230000008878 coupling Effects 0.000 description 7
- 238000010168 coupling process Methods 0.000 description 7
- 238000005859 coupling reaction Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
-
- 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
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Power Engineering (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种考虑源‑荷不确定性的热电微能网双层仿射优化调度方法。该方法通过构建计及损耗的热电微能网线性能量传输模型,解决了不确定性变量在优化过程中因非线性运算造成的保守性扩张问题;并针对日前调度的不同优化重点,分层次的处理不确定因素对优化调度的影响,上层构建区间线性规划模型,解决日前不确定性机组组合问题,在此基础上,下层构建仿射优化模型,解决日前不确定性调度优化问题。该方法能够利用仿射算法追踪不确定因素传递轨迹的固有特性,量化分析各不确定因素对优化调度的影响,改善了所得方案的保守性。
Description
技术领域
本发明涉及一种考虑源-荷不确定性的热电微能网双层仿射优化调度方法。
背景技术
日益严峻的化石能源枯竭危机和传统能源结构转型的迫切需要,使得发展具有更高能源利用效率且能实现多能互补的综合能源系统成为世界共识。但作为综合能源系统之一的热电微能网,因其内部存在的异质负荷随机波动和多类型能量交互耦合关系,具有复杂多变的运行态势,加之为减轻碳排放压力而不断走高的新能源渗透率,最终使得热电微能网具有较强的不确定性运行特征,导致其优化调度问题变得复杂难解。因此,有必要量化分析新能源出力和负荷的随机波动性对热电微能网优化调度的影响,构建不确定性优化调度模型,实现考虑多重不确定性的微能网优化调度,提高微能网应对不确定性的能力。
目前,热电微能网不确定性日前优化调度方法大致可分为概率方法和非概率方法。其中,以随机优化法和模糊法为代表的概率方法,因要求掌握精确的不确定因素概率分布函数或隶属度函数,而需要大量的历史数据以支撑不确定性因素建模,致使其应用场合颇为有限;以鲁棒优化法和区间优化法为代表的非概率方法虽然易于建模,但也因鲁棒优化法需保证最恶劣场景下解的可行性、区间优化法无法考虑不确定性变量间的关联性,导致所得优化调度方案过于保守。仿射算法作为区间算法的改进算法,在保留区间优化法易于建模优点的同时,能够通过共享噪声元考虑不确定性变量间的关联性。但目前仿射优化法仍处于发展阶段,且主要集中于单一的电力系统,尚未有行之有效的热电微能网日前仿射优化调度方法。
发明内容
本发明的目的在于提供一种考虑源-荷不确定性的热电微能网双层仿射优化调度方法,利用仿射算法追踪不确定因素传递轨迹的固有特性,量化分析各不确定因素对优化调度的影响。
为实现上述目的,本发明的技术方案是:一种考虑源-荷不确定性的热电微能网双层仿射优化调度方法,包括:
1)依据电网正常运行时电压在标幺值1附近和热网各节点供、回水温度间温差小的特点,线性化热电微能网能量传输过程,构建热电微能网线性能量传输模型,包括电力系统线性能量传输模型和热力系统线性能量传输模型;利用泰勒展开,在热电微能网线性能量传输模型的基础上,考虑热电微能网运行的网络损耗;
2)考虑新能源出力和负荷随机波动对热电微能网优化调度的影响,提出上层为区间线性规划模型、下层为仿射优化模型的热电微能网双层仿射优化调度方法。
在本发明一实施例中,所述1)具体实现如下:
1.1)电力系统线性能量传输模型构建
电力系统能量传输模型如下:
式中:和分别为节点注入有功、无功功率;和分别为节点有功、无功负荷;和分别为线路传输的有功、无功功率;Vi t和Vj t分别表示节点i、j电压幅值;表示节点i和j间的相角差;Gij和Bij分别为节点导纳矩阵的实部和虚部;T表示调度总时段数;Ne表示电网节点总数;
对式(2)中的三角函数做如下一阶泰勒展开:
式中:gij=-Gij、bij=-Bij分别表示线路电导和电纳;yij为线路对地容纳;
相比于式(2),式(4)能够在保证状态变量解耦的同时,体现电网能量传输过程中的损耗,具体网损约束如式(5)所示:
1.2)热力系统线性能量传输模型构建
热力系统能量传输模型为:
式中:Φt为热功率向量,表示每个节点消耗或供应的热功率;Cp为水的比热容;A表示节点-管道关联矩阵;mt为管道流量向量;和分别为节点供热温度和出口温度向量,当节点为热源节点时,出口温度向量为该节点的回水温度;和分别表示管道始、末端的流量温度;Ta为环境温度;λ为每根管道在单位长度下总传热系数;L表示管道长度;和分别表示流入节点i前的管道流量及其温度;和分别表示流出节点i的管道流量和流量混合后节点i的温度;B为回路-管道关联矩阵;K是管道阻力系数向量;f为摩擦因子,其大小由雷诺数Re决定;D为管道直径;ρ是水的密度;g表示重力加速度;
式(6)定义热网能量交互关系,保证热网能量守恒;式(7)体现热网管道内流量温度损失;式(8)为流量在一节点混合后需要满足的物理约束;式(9)为热网管道流量保持流通需要遵守的物理约束;
由式(10)可知,经过线性化后,热网损耗将简化为仅与管道自身参数有关的常数项;基于此,将热网管道流量损耗并入各节点负荷中,从而得到如式(11)所示的热网能量平衡约束:
由于热网实际运行中有f=64/Re,而Re=4|mt|/μρπD,μ为水的运动粘度,则可将式(11)线性化为式(12);至此,热力系统能量传输模型仅为管道流量的线性组合,实现热力系统能量传输模型的线性化:
式中:Rf为压头损失系数向量。
在本发明一实施例中,所述2)中,在上层为区间线性规划模型、下层为仿射优化模型的热电微能网双层仿射优化调度方法的基础上,针对热电微能网日前调度的不同需求,提出热电微能网日前双层仿射优化调度方法;具体如下:
2.1)日前优化目标函数
在保证优化调度的同时兼顾碳排放要求,构建的目标函数如式(13)所示,其中包括最小化机组产能成本、碳排放惩罚成本、设备运行维护成本、能量弃用成本、主网功率交换成本和机组启停成本:
其中:
式中:Ffuel为热电联产CHP机组产能成本,Fi steam为蒸汽式CHP机组产能成本,Fi gas为燃气式CHP机组产能成本,和分别为蒸汽式CHP机组的电出力和热出力,为燃气式CHP机组的电出力,Ns和Ng分别为蒸汽式CHP机组和燃气式CHP机组的总数,为0-1变量,表示燃气式CHP机组的工作状态;Fco2为碳排放惩罚成本,γ表示CHP机组碳排放强度;Fom为设备运行维护成本,Nd为设备总数,为设备出力值;Fs为能量弃用成本, 和分别为弃光、弃风和弃负荷值;Ftrade为主网功率交互成本,和分别表示向主网购、售电量;FUC为机组启停成本,和为0-1变量,分别表示两类CHP机组的启动和停机动作,j∈{s,g};cco2、csPv、csPw、csp、 分别表示相对应的成本系数;Δt为单个调度时段的时长;
2.2)上层区间线性规划模型
构建上层区间线性规划模型,采用区间数描述新能源出力和负荷的随机波动,并提出区间线性优化方法,解决热电微能网日前机组组合问题;具体如下,
当新能源出力与负荷按照预测的波动边界建模为区间数时,包括机组出力、管道流量、节点电压、储能设备出力的连续变量都将变为相应的区间形式,使热电微能网机组组合问题变为不确定性区间优化问题;区间优化问题的求解,通过将含有区间变量的原不确定性优化模型转变为两个确定性的子模型,即上限子模型和下限子模型,以此得到最劣条件下的成本上限值和最优条件下的成本下限值,实现区间优化问题的求解;基于构建的热电微能网线性能量传输模型,区间优化模型中的约束均为线性约束;在此基础上,考虑到目标函数为单调的凸函数,则可知使目标函数取到上、下限值的最劣、最优条件将出现在新能源出力和负荷的波动边界上;结合目标函数值与机组出力的高度正相关关系,可得最劣条件为机组出力最大,最优条件为机组出力最小,即最劣条件为新能源出力变化为区间下限值、各节点负荷变化为区间上限值,最优条件为新能源出力变化为区间上限值、各节点负荷变化为区间下限值;利用最劣条件和最优条件可将不确定性的区间优化模型转变为确定性的上限值子模型和下限子模型,通过求解相应的子模型就能解决不确定性机组组合问题,为下层仿射优化模型的构建提供机组组合区间调度方案;
2.3)下层仿射优化模型
基于上层区间线性规划模型求解得到的机组组合区间调度方案,进一步求解得到不考虑新能源出力和负荷波动时,各机组组合方案下的初始最优运行点,在该运行点处进行热电微能网线性能量传输模型中提及的泰勒展开,则构建计及损耗的热电微能网线性能量传输模型,在此基础上,构建考虑新能源出力和负荷波动不确定性的下层仿射优化模型。
相较于现有技术,本发明具有以下有益效果:
(1)线性能量传输模型简化了热电微能网日前调度优化过程中的非线性运算,解决了不确定性变量因非线性运算引发的保守性扩张问题。
(2)通过计及损耗的线性能量传输模型,利用仿射算法消减了区间优化中无法计及不确定性来源带来的不利影响,降低了优化结果的保守性。
(3)适用于商业求解器快速求解的凸优化仿射模型构建方法,实现了热电微能网复杂运行约束的仿射域定义和凸化处理,解决了热电微能网日前仿射优化模型难以构建的问题。
(4)针对热电微能网日前调度的不同优化需求,本发明于上层建立区间线性规划模型求解不确定性机组组合问题,下层建立仿射优化模型求解不确定性调度优化问题,分层处理不确定性因素对日前调度的影响。并利用仿射算法追踪不确定因素影响轨迹,表征各不确定因素对优化调度的影响,实现了系统运行敏感点和薄弱点的定位。
附图说明
图1为本发明方法流程图。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明一种考虑源-荷不确定性的热电微能网双层仿射优化调度方法,包括:
1)依据电网正常运行时电压在标幺值1附近和热网各节点供、回水温度间温差小的特点,线性化热电微能网能量传输过程,构建热电微能网线性能量传输模型,包括电力系统线性能量传输模型和热力系统线性能量传输模型;利用泰勒展开,在热电微能网线性能量传输模型的基础上,考虑热电微能网运行的网络损耗;
2)考虑新能源出力和负荷随机波动对热电微能网优化调度的影响,提出上层为区间线性规划模型、下层为仿射优化模型的热电微能网双层仿射优化调度方法。
以下为本发明具体实现过程。
本发明所提考虑源-荷不确定性的热电微能网双层仿射优化调度方法流程图如图1所示,包括:
1)依据电网正常运行时电压在标幺值1附近和热网各节点供、回水温度间温差较小的特点,线性化热电微能网能量传输过程,构建电力系统、热力系统线性能量传输模型。
2)利用泰勒展开,在热电微能网线性能量传输模型的基础上,考虑热电微能网运行的网络损耗。
3)在保证完备性的前提下,提出了一种适用于商业求解器快速求解的热电微能网凸优化仿射模型构建方法。
4)考虑新能源出力和负荷随机波动对热电微能网优化调度的影响,提出上层为区间线性规划模型、下层为仿射优化模型的热电网微能网双层仿射优化调度方法,实现仿射优化法在热电微能网日前调度中的应用,克服了传统概率优化法建模困难和非概率优化法偏向保守的问题。
具体技术方案说明如下:
1、热电微能网线性能量传输模型
热电微能网能量传输模型具有显著的非线性,极大地增加了日前调度优化问题的求解难度,因此本发明对其进行线性化,分别构建了电力系统线性化能量传输模型和热力系统线性化能量传输模型。
1.1、电力系统线性能量传输模型
电力系统能量传输模型为:
式中:和分别为节点注入有功、无功功率;和分别为节点有功、无功负荷;和分别为线路传输的有功、无功功率;Vi t和Vj t分别表示节点i、j电压幅值;表示节点i和j间的相角差;Gij和Bij分别为节点导纳矩阵的实部和虚部;T表示调度总时段数;Ne表示电网节点总数;
进一步地,可对式(2)中的三角函数做如下一阶泰勒展开:
式中:gij=-Gij、bij=-Bij分别表示线路电导和电纳;yij为线路对地容纳;
相比于式(2),式(4)能够在保证状态变量解耦的同时,体现电网能量传输过程中的损耗,具体网损约束如式(5)所示:
1.2、热力系统线性能量传输模型构建
热力系统能量传输模型为:
式中:Φt为热功率向量,表示每个节点消耗或供应的热功率;Cp为水的比热容;A表示节点-管道关联矩阵;mt为管道流量向量;和分别为节点供热温度和出口温度向量,当节点为热源节点时,出口温度向量为该节点的回水温度;和分别表示管道始、末端的流量温度;Ta为环境温度;λ为每根管道在单位长度下总传热系数;L表示管道长度;和分别表示流入节点i前的管道流量及其温度;和分别表示流出节点i的管道流量和流量混合后节点i的温度;B为回路-管道关联矩阵;K是管道阻力系数向量;f为摩擦因子,其大小由雷诺数Re决定;D为管道直径;ρ是水的密度;g表示重力加速度;
式(6)定义了热网能量交互关系,保证了热网能量守恒;式(7)体现了热网管道内流量(质量流率)温度损失;式(8)为流量在某一节点混合后需要满足的物理约束;式(9)为热网管道流量保持流通需要遵守的物理约束。
考虑到热网在实际运行中供、回水网络各节点间温度差基本在1℃,不超过2℃,远小于供给热负荷产生的温降,本发明假设各节点的供热温度和回水温度分别等于一个不同的常数,以此实现能量传输模型中节点温度与管道流量的解耦。在此基础上,本发明基于式(7)中项在实际运行中远小于1而接近于0的工况,对指数项进行一阶泰勒展开,从而得到热网管道流量能量损耗表达式(10):
由式(10)可知,经过合理线性化后,热网损耗将简化为仅与管道自身参数有关的常数项;基于此,本发明采用电力系统分析中的计算负荷概念,将热网管道流量损耗并入各节点负荷中,从而得到如式(11)所示的热网能量平衡约束:
最后,鉴于网实际运行中一般有f=64/Re,而Re=4|mt|/μρπD,μ为水的运动粘度,则可将式(11)线性化为式(12);至此,热力系统能量传输模型仅为管道流量的线性组合,实现热力系统能量传输模型的线性化:
式中:Rf为压头损失系数向量。
2、热电微能网日前双层仿射优化调度方法
本发明基于前述线性能量传输模型,解决不确定性变量在优化过程中因非线性运算导致的保守性扩张问题。在此基础上,针对热电微能网日前调度的不同需求,提出热电微能网日前双层仿射优化调度方法。上层利用区间线性规划方法解决不确定性机组组合问题,下层利用仿射优化法解决不确定性调度优化问题。
2.1、日前优化目标函数
在保证优化调度的同时兼顾碳排放要求,构建的目标函数如式(13)所示,其中包括最小化机组产能成本、碳排放惩罚成本、设备运行维护成本、能量弃用成本、主网功率交换成本和机组启停成本:
其中:
式中:Ffuel为热电联产CHP(Combined Heat and Power)机组产能成本,Fi steam为蒸汽式CHP机组产能成本,Fi gas为燃气式CHP机组产能成本,和分别为蒸汽式CHP机组的电出力和热出力,为燃气式CHP机组的电出力,Ns和Ng分别为蒸汽式CHP机组和燃气式CHP机组的总数,为0-1变量,表示燃气式CHP机组的工作状态;Fco2为碳排放惩罚成本,γ表示CHP机组碳排放强度;Fom为设备运行维护成本,Nd为设备总数,为设备出力值;Fs为能量弃用成本,和分别为弃光、弃风和弃负荷值;Ftrade为主网功率交互成本,和分别表示向主网购、售电量;FUC为机组启停成本,和为0-1变量,分别表示两类CHP机组的启动和停机动作,j∈{s,g};cco2、csPv、csPw、csp、分别表示相对应的成本系数;Δt为单个调度时段的时长;
2.2、上层区间线性规划模型
考虑到机组启停属于日前调度中的重大决策,其成本较高,受能量传输损耗的影响较小,且启停决策变量为0-1变量,与机组出力等连续决策变量不同,机组启停决策变量的优化空间较小。因此,本发明采用分层优化的方式,针对优化机组启停变量的不确定性机组组合问题,在不计损耗的情况下,构建上层区间线性规划模型,采用区间数描述新能源出力和负荷的随机波动,并提出区间线性优化方法,解决热电微能网日前机组组合问题,为构建下层日前调度仿射优化模型提供机组组合区间方案。
当新能源出力与负荷按照预测的波动边界建模为区间数时,机组出力、管道流量、节点电压、储能设备出力等连续变量都将变为相应的区间形式,使热电微能网机组组合问题变为不确定性区间优化问题。区间优化问题的求解,可以通过将含有区间变量的原不确定性优化模型转变为两个确定性的子模型,即上限子模型和下限子模型,以此得到最劣条件下的成本上限值和最优条件下的成本下限值,实现区间优化问题的求解。基于前述构建的线性能量传输模型,区间优化模型中的约束均为线性约束。在此基础上,考虑到目标函数为单调的凸函数,则可知使目标函数取到上、下限值的最劣、最优条件将出现在新能源出力和负荷的波动边界上。结合目标函数值与机组出力的高度正相关关系,可得最劣条件为机组出力最大,最优条件为机组出力最小,即最劣条件为新能源出力变化为区间下限值、各节点负荷变化为区间上限值,最优条件为新能源出力变化为区间上限值、各节点负荷变化为区间下限值。利用最劣条件和最优条件可将不确定性的区间优化模型转变为确定性的上限值子模型和下限子模型,通过求解相应的子模型就能解决不确定性机组组合问题,为下层仿射优化模型的构建提供机组组合区间调度方案。
2.3、下层仿射优化模型
基于上层区间线性规划模型求解得到的机组组合区间调度方案,可以进一步求解得到不考虑新能源出力和负荷波动时,各机组组合方案下的初始最优运行点,在该运行点处进行前述线性能量传输模型中提及的泰勒展开,则可构建计及损耗的线性能量传输模型。本发明将在此基础上,构建考虑新能源出力和负荷波动不确定性的下层仿射优化模型,解决热电微能网日前调度优化问题。
1)仿射基础理论
仿射变量的定义如式(15)所示,其可以通过噪声元追踪不确定因素来源,利用噪声元系数表征不确定因素影响力度的大小,并通过不确定性变量间共享相同噪声元的形式体现彼此间的关联性,仿射变量的上、下限值则可通过式(16)计算得到。本发明基于计及损耗的线性能量传输模型,可以解决优化过程中仿射算法由于非线性运算新增仿射噪声元带来的保守性扩张问题。
2)不确定因素仿射表达式
本发明将保留区间优化法易于建模的优点,实现不确定因素仿射表达式的定义,即利用区间优化建模所需的新能源出力和负荷波动边界,通过式(16)逆推得到如式(17)所示的不确定因素仿射表达式。
3)热电微能网仿射运行约束定义
3.1)不等式约束
在机组组合方案确定的情况下,热电微能网实数域不等式运行约束可以分为三类:单一连续变量的取值范围约束(如状态变量、机组出力等约束)、含有单个连续变量和0-1变量的组合约束(如主网交换功率、储能设备充放电约束)以及两个连续变量的组合约束(机组爬坡约束)。在保证优化完备性的前提下,本发明依次给出其仿射域定义方法如式(18)、(19)和(20)所示。此外,本发明所提仿射不等式约束定义方法不仅仅只适用于热电微能网运行约束的定义,同样也适用于其他具有相同变量构成形式的不等式约束。
由于式(18)、(19)和(20)均含有绝对值,若不处理将破坏约束的线性性质,导致模型难以求解。因此,本发明采用式(21)对绝对值进行等效。
3.2)等式约束
在机组组合确定的情况下,热电微能网实数域等式运行约束有三类:功率平衡约束、储能设备容量状态变化约束和热电联产机组出力耦合约束。前两类等式约束在计及损耗的线性能量传输模型基础上,属于拥有相同噪声元仿射数的等式约束,依据具有相同噪声元仿射数相等的判别方法,即等式两端仿射数的中心值与噪声元系数分别对应相等。可通过将原实数域等式运行约束中的变量分别对应的替换为仿射中心值xt 0和噪声元系数xt i来实现仿射等式约束的定义。针对最后一类运行约束,即热电联产机组出力耦合约束,由于电、热网中不确定因素(噪声元)互不相同,因此本发明将其定义为如式(22)所示的仿射域等式运行约束,通过保证其在波动极限值下仍能满足热电出力耦合关系来确保调度优化的完备性。此外,本发明所提的功率平衡约束、储能设备容量状态变化约束和热电联产机组出力耦合约束的仿射域定义方法同样适用于其他综合能源系统。
4)仿射目标函数定义
在机组组合确定的情况下,机组启停成本为定值,可记作FUC,0。本发明依据如式(23)所示的仿射变量基本结构,将原实数域日前优化目标函数定义为如式所示的仿射域目标函数。由式可以看出,本发明通过将优化目标划分为中心值成本和波动成本两个部分,来实现计及源-荷不确定性的热电微能网日前调度优化。其中,中心值成本项指新能源出力和负荷为基本情况(预测值或仿射中心值)时,热电微能网的调度运行成本;波动成本项指当新能源出力和负荷偏离预测值而发生随机波动时,热电微能网的校正调度成本;w的值可以依据调度管理人员对热电微能网波动成本的保守性要求进行调整。
式中:Ffuel,0、Fco2,0、Fom,0、Fs,0、Ftrade,0为中心值成本;Ffuel,e、Fco2,e、Fom,e、Fs,e、Ftrade,e为波动成本;w为优化权重,取值范围为[0,1]。
式(23)中的中心值成本可通过将原实数域目标函数式(13)中的变量替换为对应的中心值xt 0来构建;波动成本则可以通过将式(13)中的变量替换为对应的波动极限来构建。为加快仿射优化模型的求解速度,本发明引入二阶锥松弛处理目标函数。通过引入辅助变量S* t替换目标函数中的二次项,将原优化问题转变为二阶锥规划(second-order cone programming,SOCP)问题,具体转变方法如式(24)所示。由于优化目标是使热电微能网总运行成本最小,即S* t将不断趋小,因此在优化求解的过程中将往取等号的方向不断逼近,最终实现二阶锥松弛的收紧,从而保证了所得优化调度方案的可行性和有效性。
式中:fi t为被替换目标函数二次项,c为对应的成本系数。
3、双层仿射优化方法
综上所述,本发明提出一种热电微能网日前调度运行的双层仿射优化方法,针对日前调度运行的不同优化重点,分层次地处理不确定因素对优化调度的影响。上层构建区间线性规划模型,求解不确定性机组组合问题,得到机组组合区间方案,为下层仿射优化模型的构建提供具体机组启停方案及该方案下的初始最优运行点。在此基础上,下层建立仿射优化模型,利用仿射算法追踪不确定性来源的本质特征,分析各不确定因素对优化调度的影响,求解不确定性调度优化问题,并以共享噪声元的形式计及不确定性变量间的联系,使所提方法较区间优化法具有更好的经济性和更低的保守性。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (3)
1.一种考虑源-荷不确定性的热电微能网双层仿射优化调度方法,其特征在于,包括:
1)依据电网正常运行时电压在标幺值1附近和热网各节点供、回水温度间温差小的特点,线性化热电微能网能量传输过程,构建热电微能网线性能量传输模型,包括电力系统线性能量传输模型和热力系统线性能量传输模型;利用泰勒展开,在热电微能网线性能量传输模型的基础上,考虑热电微能网运行的网络损耗;
2)考虑新能源出力和负荷随机波动对热电微能网优化调度的影响,提出上层为区间线性规划模型、下层为仿射优化模型的热电微能网双层仿射优化调度方法。
2.根据权利要求1所述的考虑源-荷不确定性的热电微能网双层仿射优化调度方法,其特征在于,所述1)具体实现如下:
1.1)电力系统线性能量传输模型构建
电力系统能量传输模型如下:
式中:和分别为节点注入有功、无功功率;和分别为节点有功、无功负荷;和分别为线路传输的有功、无功功率;Vi t和分别表示节点i、j电压幅值;表示节点i和j间的相角差;Gij和Bij分别为节点导纳矩阵的实部和虚部;T表示调度总时段数;Ne表示电网节点总数;
对式(2)中的三角函数做如下一阶泰勒展开:
式中:gij=-Gij、bij=-Bij分别表示线路电导和电纳;yij为线路对地容纳;
相比于式(2),式(4)能够在保证状态变量解耦的同时,体现电网能量传输过程中的损耗,具体网损约束如式(5)所示:
1.2)热力系统线性能量传输模型构建
热力系统能量传输模型为:
式中:Φt为热功率向量,表示每个节点消耗或供应的热功率;Cp为水的比热容;A表示节点-管道关联矩阵;mt为管道流量向量;和分别为节点供热温度和出口温度向量,当节点为热源节点时,出口温度向量为该节点的回水温度;和分别表示管道始、末端的流量温度;Ta为环境温度;λ为每根管道在单位长度下总传热系数;L表示管道长度;和分别表示流入节点i前的管道流量及其温度;和分别表示流出节点i的管道流量和流量混合后节点i的温度;B为回路-管道关联矩阵;K是管道阻力系数向量;f为摩擦因子,其大小由雷诺数Re决定;D为管道直径;ρ是水的密度;g表示重力加速度;
式(6)定义热网能量交互关系,保证热网能量守恒;式(7)体现热网管道内流量温度损失;式(8)为流量在一节点混合后需要满足的物理约束;式(9)为热网管道流量保持流通需要遵守的物理约束;
由式(10)可知,经过线性化后,热网损耗将简化为仅与管道自身参数有关的常数项;基于此,将热网管道流量损耗并入各节点负荷中,从而得到如式(11)所示的热网能量平衡约束:
由于热网实际运行中有f=64/Re,而Re=4|mt|/μρπD,μ为水的运动粘度,则可将式(11)线性化为式(12);至此,热力系统能量传输模型仅为管道流量的线性组合,实现热力系统能量传输模型的线性化:
式中:Rf为压头损失系数向量。
3.根据权利要求2所述的考虑源-荷不确定性的热电微能网双层仿射优化调度方法,其特征在于,所述2)中,在上层为区间线性规划模型、下层为仿射优化模型的热电微能网双层仿射优化调度方法的基础上,针对热电微能网日前调度的不同需求,提出热电微能网日前双层仿射优化调度方法;具体如下:
2.1)日前优化目标函数
在保证优化调度的同时兼顾碳排放要求,构建的目标函数如式(13)所示,其中包括最小化机组产能成本、碳排放惩罚成本、设备运行维护成本、能量弃用成本、主网功率交换成本和机组启停成本:
其中:
式中:Ffuel为热电联产CHP机组产能成本,Fi steam为蒸汽式CHP机组产能成本,Fi gas为燃气式CHP机组产能成本,和分别为蒸汽式CHP机组的电出力和热出力,为燃气式CHP机组的电出力,Ns和Ng分别为蒸汽式CHP机组和燃气式CHP机组的总数,为0-1变量,表示燃气式CHP机组的工作状态;Fco2为碳排放惩罚成本,γ表示CHP机组碳排放强度;Fom为设备运行维护成本,Nd为设备总数,为设备出力值;Fs为能量弃用成本, 和分别为弃光、弃风和弃负荷值;Ftrade为主网功率交互成本,和分别表示向主网购、售电量;FUC为机组启停成本,和为0-1变量,分别表示两类CHP机组的启动和停机动作,j∈{s,g};cco2、csPv、csPw、csp、 分别表示相对应的成本系数;Δt为单个调度时段的时长;
2.2)上层区间线性规划模型
构建上层区间线性规划模型,采用区间数描述新能源出力和负荷的随机波动,并提出区间线性优化方法,解决热电微能网日前机组组合问题;具体如下,
当新能源出力与负荷按照预测的波动边界建模为区间数时,包括机组出力、管道流量、节点电压、储能设备出力的连续变量都将变为相应的区间形式,使热电微能网机组组合问题变为不确定性区间优化问题;区间优化问题的求解,通过将含有区间变量的原不确定性优化模型转变为两个确定性的子模型,即上限子模型和下限子模型,以此得到最劣条件下的成本上限值和最优条件下的成本下限值,实现区间优化问题的求解;基于构建的热电微能网线性能量传输模型,区间优化模型中的约束均为线性约束;在此基础上,考虑到目标函数为单调的凸函数,则可知使目标函数取到上、下限值的最劣、最优条件将出现在新能源出力和负荷的波动边界上;结合目标函数值与机组出力的高度正相关关系,可得最劣条件为机组出力最大,最优条件为机组出力最小,即最劣条件为新能源出力变化为区间下限值、各节点负荷变化为区间上限值,最优条件为新能源出力变化为区间上限值、各节点负荷变化为区间下限值;利用最劣条件和最优条件可将不确定性的区间优化模型转变为确定性的上限值子模型和下限子模型,通过求解相应的子模型就能解决不确定性机组组合问题,为下层仿射优化模型的构建提供机组组合区间调度方案;
2.3)下层仿射优化模型
基于上层区间线性规划模型求解得到的机组组合区间调度方案,进一步求解得到不考虑新能源出力和负荷波动时,各机组组合方案下的初始最优运行点,在该运行点处进行热电微能网线性能量传输模型中提及的泰勒展开,则构建计及损耗的热电微能网线性能量传输模型,在此基础上,构建考虑新能源出力和负荷波动不确定性的下层仿射优化模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210291473.6A CN114662756A (zh) | 2022-03-23 | 2022-03-23 | 考虑源-荷不确定性的热电微能网双层仿射优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210291473.6A CN114662756A (zh) | 2022-03-23 | 2022-03-23 | 考虑源-荷不确定性的热电微能网双层仿射优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114662756A true CN114662756A (zh) | 2022-06-24 |
Family
ID=82032008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210291473.6A Pending CN114662756A (zh) | 2022-03-23 | 2022-03-23 | 考虑源-荷不确定性的热电微能网双层仿射优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114662756A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107910866A (zh) * | 2017-11-28 | 2018-04-13 | 国网江西省电力有限公司景德镇供电分公司 | 一种考虑需求侧响应不确定性的电力系统日前优化调度方法 |
WO2020093296A1 (zh) * | 2018-11-06 | 2020-05-14 | 国电南瑞科技股份有限公司 | 电-热互联综合能源系统的区间潮流计算方法 |
CN113036819A (zh) * | 2021-03-10 | 2021-06-25 | 浙江大学 | 一种考虑源荷双侧不确定性的电热综合能源系统鲁棒调度方法 |
CN113239574A (zh) * | 2021-06-09 | 2021-08-10 | 福州大学 | 考虑源荷双重不确定性的电力系统多阶段鲁棒机组组合决策方法 |
CN113572163A (zh) * | 2021-07-28 | 2021-10-29 | 三峡大学 | 基于改进仿射算法的分布式电源主动配电网优化调度方法 |
CN113779792A (zh) * | 2021-09-08 | 2021-12-10 | 福州大学 | 一种基于仿射的综合能源系统优化配置方法 |
-
2022
- 2022-03-23 CN CN202210291473.6A patent/CN114662756A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107910866A (zh) * | 2017-11-28 | 2018-04-13 | 国网江西省电力有限公司景德镇供电分公司 | 一种考虑需求侧响应不确定性的电力系统日前优化调度方法 |
WO2020093296A1 (zh) * | 2018-11-06 | 2020-05-14 | 国电南瑞科技股份有限公司 | 电-热互联综合能源系统的区间潮流计算方法 |
CN113036819A (zh) * | 2021-03-10 | 2021-06-25 | 浙江大学 | 一种考虑源荷双侧不确定性的电热综合能源系统鲁棒调度方法 |
CN113239574A (zh) * | 2021-06-09 | 2021-08-10 | 福州大学 | 考虑源荷双重不确定性的电力系统多阶段鲁棒机组组合决策方法 |
CN113572163A (zh) * | 2021-07-28 | 2021-10-29 | 三峡大学 | 基于改进仿射算法的分布式电源主动配电网优化调度方法 |
CN113779792A (zh) * | 2021-09-08 | 2021-12-10 | 福州大学 | 一种基于仿射的综合能源系统优化配置方法 |
Non-Patent Citations (1)
Title |
---|
高统彤: "计及多能流不确定性的综合能源系统优化配置", 电气技术, vol. 23, no. 03, 15 March 2022 (2022-03-15), pages 1 - 10 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Optimal operation of integrated electricity and heat system: A review of modeling and solution methods | |
Tan et al. | Combined electricity-heat-cooling-gas load forecasting model for integrated energy system based on multi-task learning and least square support vector machine | |
Wang et al. | Economic benefits of integrating solar-powered heat pumps into a CHP system | |
Chen et al. | Economic and environmental operation of power systems including combined cooling, heating, power and energy storage resources using developed multi-objective grey wolf algorithm | |
Ata et al. | Optimal operation of a multi-energy system considering renewable energy sources stochasticity and impacts of electric vehicles | |
Asl et al. | Multi-objective optimal operation of integrated thermal-natural gas-electrical energy distribution systems | |
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 | |
Ma et al. | Modeling and operational optimization based on energy hubs for complex energy networks with distributed energy resources | |
Fan et al. | Review on coordinated planning of source-network-load-storage for integrated energy systems | |
Zhu et al. | A review of distributed energy system optimization for building decarbonization | |
Zhang et al. | Coordinated scheduling of generators and tie lines in multi-area power systems under wind energy uncertainty | |
Xue et al. | Real-time schedule of integrated heat and power system: A multi-dimensional stochastic approximate dynamic programming approach | |
Guo et al. | Multi-objective bi-level quantity regulation scheduling method for electric-thermal integrated energy system considering thermal and hydraulic transient characteristics | |
CN110443467A (zh) | 一种区域综合能源系统太阳能消纳能力评估方法 | |
Chen et al. | Optimal scheduling strategy of a regional integrated energy system considering renewable energy uncertainty and heat network transmission characteristics | |
Pan et al. | Operation optimization of integrated energy systems based on heat storage characteristics of heating network | |
CN113141005A (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 | |
Wang et al. | Multi-attribute decision analysis for optimal design of park-level integrated energy systems based on load characteristics | |
Chen et al. | Interval optimal scheduling of integrated electricity and district heating systems considering dynamic characteristics of heating network | |
Si et al. | Cost-effective operation of the urban energy system with variable supply and demand via coordination of multi-energy flows | |
Taheri et al. | A green cogeneration microgrid composed of water-source heat pumps, a gravity energy storage, and a bio-fueled gas turbine: Design and techno-economic optimization | |
Doosti et al. | Robust stochastic optimal operation of an industrial building including plug in electric vehicle, solar‐powered compressed air energy storage and ice storage conditioner: A case study in the city of Kaveh, Iran | |
CN109255487A (zh) | 一种基于标准化矩阵模型的综合能源系统优化方法 | |
Chen et al. | Flexible dispatching method for park‐level integrated energy systems considering energy cascade utilization | |
Hu et al. | A hierarchical transactive energy management framework for optimizing the reserve profile in district energy 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 |