CN114741834A - 基于时空展开网络流的综合能源能量流优化方法和装置 - Google Patents

基于时空展开网络流的综合能源能量流优化方法和装置 Download PDF

Info

Publication number
CN114741834A
CN114741834A CN202111459949.4A CN202111459949A CN114741834A CN 114741834 A CN114741834 A CN 114741834A CN 202111459949 A CN202111459949 A CN 202111459949A CN 114741834 A CN114741834 A CN 114741834A
Authority
CN
China
Prior art keywords
flow
arc
energy
energy storage
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
CN202111459949.4A
Other languages
English (en)
Other versions
CN114741834B (zh
Inventor
王剑晓
夏清
尹晨
钟海旺
汪洋
赖晓文
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.)
Beijing Tsintergy Technology Co ltd
Tsinghua University
North China Electric Power University
Original Assignee
Beijing Tsintergy Technology Co ltd
Tsinghua University
North China Electric Power University
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 Beijing Tsintergy Technology Co ltd, Tsinghua University, North China Electric Power University filed Critical Beijing Tsintergy Technology Co ltd
Priority to CN202111459949.4A priority Critical patent/CN114741834B/zh
Publication of CN114741834A publication Critical patent/CN114741834A/zh
Priority to US18/052,979 priority patent/US20230177235A1/en
Application granted granted Critical
Publication of CN114741834B publication Critical patent/CN114741834B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J3/381—Dispersed generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Power Engineering (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Operations Research (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请提出了一种基于时空展开网络流的综合能源系统能量流优化计算方法，涉及综合能源优化技术领域，其中，该方法包括：获取综合能源系统网络流的目标函数，将综合能源系统的网络流计算问题转化为目标函数的优化问题；将优化问题转换为网络流模型；对网络流模型使用最短路径最大流方式进行求解，得到的求解结果为系统最优潮流。采用上述方案的本申请将传统的综合能源系统代数模型转化成更加直观可视的网络模型，提高了综合能源系统能量流优化的计算精度和效率。

Description

基于时空展开网络流的综合能源能量流优化方法和装置
技术领域
本申请涉及综合能源优化技术领域，尤其涉及基于时空展开网络流的综合能源能量流优化方法和装置。
背景技术
综合能源系统对提高社会能源利用效率，促进可再生能源规模化开发，提高社会基础设施利用率和能源供应安全，以及实现我国节能减排目标具有重要意义，是目前能源领域重要的热点研究方向，综合能源系统的能量流优化发挥综合能源系统效益的关键。
综合能源系统能量流优化问题是复杂的多约束非线性问题，基本采用现有的代数方程数学方法求解。
经典算法中，混合整数规划、内点法等优化算法因其方法便与实现的特点，目前已经初步应用于综合能源系统能量流运算，大多适用于中小规模的小型综合能源系统求解问题。
智能算法一般是由人类智能、生物群体社会性或自然规律启发抽象得到，在计算中，通过已有按选择行之有效的方法，求解所给问题，而不是传统的按部就班地寻求答案。目前在综合能源系统能量流优化问题中，强化学习、粒子群算法、模糊算法和遗传算法已经有所应用。它们不要求目标函数和约束条件具有连续性和凸性，有时甚至不需要解析表达式，对计算数据的不确定性具有很强的适应能力。
对于经典算法，其程序实现复杂，并且其收敛性对初值选择依赖性强。当目标函数不连续或者存在多个极点时，可能会出现不收敛或局部收敛的情况，同时需要大量矩阵求逆运算，降低了计算速度。因其局限性，不适用于求解强非线性、不可微以及非凸的优化问题。
智能算法其算法理论体系尚不完备，通常也不能保证求解的最优性，多被视作启发式算法。
目前对于通过调用求解器的情况，由于求解器所需支付费用较高，对于小规模综合能源系统，其难以负担使用求解器的高额费用。因此，需要寻求有别于传统算法与智能算法，且作为求解器替代的综合能源系统能量流优化方法。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本申请的第一个目的在于提出一种基于时空展开网络流的综合能源能量流优化方法，能够最佳地决策综合能源系统中能量流的产生、传输、转化、存储与消耗全过程，通过网络建模方法替代传统的代数求解方式，传统的综合能源系统代数模型转化成更加直观可视的网络模型，通过最小费用最大流算法，对综合能源系统能量流优化求解，高精度地优化能量流在系统中的流动和转换过程，且由于规避了计算求解器需要大量矩阵求逆运算的问题，极大地提高了计算效率。
本申请的第二个目的在于提出一种基于时空展开网络流的综合能源能量流优化装置。
为达上述目的，本申请第一方面实施例提出了一种基于时空展开网络流的综合能源能量流优化方法，包括：获取综合能源系统的目标函数，将综合能源系统的网络流计算问题转化为目标函数的优化问题；将优化问题转换为网络流模型；对网络流模型使用最短路径最大流方式进行求解，得到的求解结果为系统最优潮流。
本申请实施例的基于时空展开网络流的综合能源能量流优化方法，通过网络建模方法替代传统的代数求解方式，传统的综合能源系统代数模型转化成更加直观可视的网络模型，通过最小费用最大流算法，对综合能源系统能量流优化求解，高精度地优化能量流在系统中的流动和转换过程，且由于规避了计算求解器需要大量矩阵求逆运算的问题，极大地提高了计算效率。
可选地，在本申请的一个实施例中，目标函数表示为：
Figure BDA0003389519170000021
其中，上式表示一个配备有M个储能、光伏发电、以及N个微型燃气轮机，并可从网侧购电的综合能源系统的目标函数，
Figure BDA0003389519170000022
即目标函数为T时间内每个子时间t内的购电成本
Figure BDA0003389519170000023
与发电机发电成本
Figure BDA0003389519170000024
之和，发电机成本是关于发电机出力Pt G的一次函数，a、b为成本系数，λt为t时刻购电的电价，Pt λ为从网侧购入的电量。
可选地，在本申请的一个实施例中，优化问题服从功率平衡约束、储能时段约束、储能初电量与末电量相等、储能充放电功率上下限约束、发电机功率上下限约束和储能荷电量上下限约束，分别表示为：
Figure BDA0003389519170000026
Figure BDA0003389519170000027
em,0＝em,T
Figure BDA0003389519170000028
Figure BDA0003389519170000031
em,min≤em,t≤em,max
其中，Pt PV为系统t时段发出的光伏，
Figure BDA0003389519170000032
分别为系统t时段第m个储能的充放电功率。Pt load为系统t时段自身负荷，em,t为t时刻第m个储能荷电量，Pm,max为第m个储能充放电功率上限值，
Figure BDA0003389519170000033
em,.max、em,min分别为发电机n功率上下限与储能m荷电量上下限。
可选地，在本申请的一个实施例中，网络流模型服从功率平衡约束、储能时段约束、储能初电量与末电量相等、储能充放电功率上下限约束、发电机功率上下限约束和储能荷电量上下限约束。
可选地，在本申请的一个实施例中，对上述网络流模型使用最短路径最大流方式进行求解，表示为：
步骤S1：将所有弧初始化，令所有弧初始流量为0；
步骤S2：更新弧费用，若弧流量小于弧流量下限，令弧费用为无穷大的负值，若流量等于弧流量上限，令弧费用为无穷大正值；
步骤S3：使用最短路径算法求解得出最短路径，计算路径上所有弧的增加裕度，取其中最小值为最小裕度；
步骤S4：对最短路径上的所有弧增加最小裕度对应数值的流量，若最短路径上的弧有充电弧或放电弧，则对应的放电弧或充电弧减少对应的流量；
步骤S5：在目前流量基础上，判断负荷是否得到满足，若不满足，重复步骤S2、S3、S4，若满足，结束循环，输出潮流。
为达上述目的，本发明第二方面实施例提出了一种基于时空展开网络流的综合能源系统能量流优化计算装置，包括：获取模块、转换模块、求解模块，其中，
获取模块，用于获取综合能源系统网络流的目标函数，将综合能源系统的网络流计算问题转化为目标函数的优化问题；
转换模块，用于将优化问题转换为网络流模型；
求解模块，用于对网络流模型使用最短路径最大流方式进行求解，得到的求解结果为系统最优潮流。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例一所提供的一种时空展开网络流的综合能源系统能量流优化计算方法的流程示意图；
图2为本申请实施例一的功率平衡约束网络流模型图；
图3为本申请实施例一的储能时段约束网络流模型图；
图4为本申请实施例一的网络流模型图；
图5为本申请实施例二所提供的一种基于时空展开网络流的综合能源系统能量流优化计算装置的结构示意图；
图6为本申请基于时空展开网络流的综合能源系统能量流优化计算步骤图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的基于时空展开网络流的综合能源系统能量流优化计算方法和装置。
图1为本申请实施例一所提供的一种基于时空展开网络流的综合能源系统能量流优化计算方法的流程示意图。
如图1所示，该基于时空展开网络流的综合能源系统能量流优化计算方法包括以下步骤：
步骤101，获取综合能源系统网络流的目标函数，将综合能源系统的网络流计算问题转化为目标函数的优化问题；
步骤102，将优化问题转换为网络流模型；
步骤103，对网络流模型使用最短路径最大流方式进行求解，得到的求解结果为系统最优潮流。
本申请实施例的基于时空展开网络流的综合能源系统能量流优化计算方法，在图论和网络流基础上，替代了传统的代数求解方法，规避了大量的矩阵求逆运算，形成了适用于综合能源系统、基于能量流直接优化的核心技术，极大地提高计算效率，通过网络流求解方法，能够动态地优化能量在综合能源系统中能量的传输、转化、存储过程，将有效、直观的展示了能量在综合能源系统中的传输、转换与消费的过程，使计算结果可视化，作为一种新的能量流优化方法，本申请为综合能源系统优化问题提供了新的核心技术，具有广泛的工业应用价值。
进一步地，在本申请实施例中，针对一个配备有M个储能、光伏发电、以及N个微型燃气轮机，并可从网侧购电的综合能源系统，其目标函数为：
Figure BDA0003389519170000051
其中，
Figure BDA0003389519170000052
即目标函数为T时间内每个子时间t内的购电成本
Figure BDA0003389519170000053
与发电机发电成本
Figure BDA0003389519170000054
之和，发电机成本是关于发电机出力Pt G的一次函数，a、b为成本系数，λt为t时刻购电的电价，Pt λ为从网侧购入的电量。
具体地，在本申请实施例中，优化问题服从功率平衡约束、储能时段约束、储能初电量与末电量相等、储能充放电功率上下限约束、发电机功率上下限约束和储能荷电量上下限约束，分别表示为：
Figure BDA0003389519170000056
Figure BDA0003389519170000057
em,0＝em,T
Figure BDA0003389519170000058
Figure BDA0003389519170000059
em,min≤em,t≤em,max
其中，Pt PV为系统t时段发出的光伏，
Figure BDA00033895191700000510
分别为系统t时段第m个储能的充放电功率。Pt load为系统t时段自身负荷，em,t为t时刻第m个储能荷电量，Pm,max为第m个储能充放电功率上限值，
Figure BDA00033895191700000511
em,.max、em,min分别为发电机n功率上下限与储能m荷电量上下限。
进一步地，在本申请实施例中，网络流模型服从功率平衡约束、储能时段约束、储能初电量与末电量相等、储能充放电功率上下限约束、发电机功率上下限约束和储能荷电量上下限约束。
针对功率平衡约束，采用图2模型进行描述，如图2所示，S和E为图辅助点，分别为图的起始点与终止点，L为负荷点，B为储能点。从S到L点有三条弧，分别代表发电弧(实线)，购电弧(粗虚线)，光伏弧(细虚线)，当有多台发电机组时，实线发电弧段数量对应增加，L到B为双向弧，代表电池的充电和放电，L到E为负荷弧。由于在路径寻优中，总是从S到E进行寻优，所以负荷弧LE增加必定有对应SL弧或者BL弧增加相对应的量，以此实现了功率平衡约束。
对于储能时段约束和储能初末时段荷电量约束，采用图3模型进行描述，如图3所示，通过在第一时段给与一个定上下限的定值弧SB赋予储能初值，同理在末时段用相同方法赋予BS储能末时段值，两数值相等。在每一时段，经过BL双向弧的交换，即充放电，剩余能量经BB弧流向下一段，该数值即为et+1。以此实现上述两约束。
针对上下限约束，通过给定弧流量的上下限进行描述，具体在下面的算法实现中详细描述。
在计算中，仅在弧上存有信息，令每条弧信息向量为：
[弧编号起始节点终止节点弧流量上限值弧流量下限值弧费用流量]，
令起始弧编号为-1，S编号为0。建立起始辅助弧段与终止辅助弧段，对应的起始辅助弧段起点为起始辅助点，终止辅助弧段终点为终止辅助点。对每个时段的L与m个B节点进行编号，基于节点编号建立弧编号。可以建立各弧信息如下：
(1)起始弧段：仅有1条。起始弧段起点为起始辅助点，终点为S点，不设流量上限，下限为0，单位流量费用为0。用于作为总起弧段搜索。
(2)发电弧段：在每一时段，均有N条，与发电机组数量对应。起点为S点，终点为L点。第n个发电机组对应的发电弧段上下限为发电机组的发电量上下限，弧段的单位流量费用为发电机组单位发电成本。弧段最终流量表征该时段内该台机组的发电量。
(3)购电弧：在每一个时段有一条。起点为S点，终点为L点。弧段无上限，下限为0。第t时段的购电弧单位流量成本为该时段的电价。弧段最终流量表征该时段内购电量。
(4)光伏弧：在每一个时段有一条。起点为S点，终点为L点。流量为该时段内的光伏出力，因此上下限均等于光伏出力，单位流量费用为0。弧段最终流量表征该时段内光伏出力。
(5)LB充电弧：在每一时段均有M条，与储能数量对应，起点为L点，终点为B点。第m个储能对应的充电弧上限为充放电功率限值，为方便于双向弧计算，下限设置为充放电功率限值相反数，单位流量费用为0。弧段最终流量表征该时段内储能m的充电量。
(6)BL放电弧：在每一时段均有M条，与储能数量对应，起点为B点，终点为L点。第m个储能对应的充电弧上限为充放电功率限值，为方便于双向弧计算，下限设置为充放电功率限值相反数，单位流量费用为0。弧段最终流量表征该时段内储能m的放电量。
(7)LE负荷弧：在每一时段有一条。起点为L点，终点为终止点E点。单位流量费用为0。第t时段的负荷弧上下限均设置为该时段负荷量。最终流量表征该时段内负荷量。
(8)BB存电弧：在最后一个时段前的所有时段均有M条，即有(T-1)*M条。起始为1到T-1时段的B节点，终止点为对应储能的下一时段的B点。第t个时段的储能m的存电弧上下限为储能m的荷电量上下限。单位流量费用为0，弧段最终流量表征下一时段起始时储能的荷电量。
(9)储能初值弧：在初始时段有M条，起始点为S点，终止点为第一时段的M个B点。对储能初值进行给定赋值。第m个储能的初值弧上下限均为储能m在起始时刻的储能荷电量，单位流量费用为0。最终流量表征在初始时刻储能荷电量。
(10)储能末值弧：末时段有M条。起始点为末时段的M个B点，终止点为E点。第m个储能的末值弧段上下限均为储能m在终止时刻的储能荷电量，单位流量为0。表征整个过程结束时储能荷电量。
(11)终止弧段：仅有一条。起始点为E点，终止点为终止弧辅助点。不设置上限，下限值为0，单位流量费用为0。作为终止弧段用于搜索。
可以看出，对于有上下限的弧段，通过给定上下限达到约束。对于定值的弧，通过将上下限均赋予同一数值达到给予定值的目的。
综上所述，形成的图如图4所示，如有多个储能链接节点，则对应在L上增加对应数目的B链接节点；同理如有多发电机组，则在每个时段对应增加对应数目的发电弧段。
进一步地，在本申请实施例中，所描述问题目标函数为最小化问题，与图论中最小路径最大流问题相匹配，因此采用最小费用最大流方式对上述网络流模型进行计算：
a.将所有弧初始化，令所有弧初始流量为0；
b.更新弧费用，若弧流量小于弧流量下限，令弧费用为无穷大负值，即优先满足该弧流量需求；若流量等于弧流量上限，令弧费用为无穷大正值。
c.使用最短路径算法求解得出最短路径，计算路径上所有弧的增加裕度，即为(弧流量上限-当前弧流量)。取其中最小值为最小裕度；
d.对最短路径上的所有弧增加最小裕度对应数值的流量，若最短路径上的弧有充电弧/放电弧，则对应的放电弧/充电弧减少对应的流量；
e.在目前流量基础上，判断是否负荷得到满足，若不满足，重复步骤b-e；若满足，则结束循环，输出潮流。
其中，c步骤中的最短路径算法步骤如下：
(1)在有N条弧的情况下，通过弧建立N*1的D阵，作为存储弧费用矩阵，建立N*1的P阵，存储路径中每个弧段的父弧段，建立N*1的Lab阵，存储弧段的标记状态。认为-1为未标记，0为临时标记。
(2)初始化矩阵，令P阵中所有值为-1，Lab中所有值为-1，初始化D阵赋予一个极大值。
(3)从起始弧段开始搜索，检索所有与起始弧段直接相连弧段，令所有检索到的弧对应D阵中的数值等于弧费用数值，将起Lab阵中标记向量改为临时标记0，并将所有弧段标号与费用记录入临时数组H。
(4)若H阵中为空，说明未检索到下级弧段，路径中断，说明搜索失败；否则，弹出H中费用最小弧段arc及其对应费用min。若arc为设定的检索终止弧段，说明路径形成，跳出循环，检索结束。
(5)若arc不是检索终止弧段，则检索所有arc连接的下级弧段，如果弧段i满足min+cost(i)<D(i)，则令D(i)＝min+cost(i)，即起始弧到该弧的最短路径，并将该弧段父弧段向量改为arc，如果i弧未被标记，将弧记入H阵；如果该弧已被临时标记，说明该弧段已在H阵中，则更新该弧在H阵中的数据。
为了实现上述实施例，本申请还提出一种基于时空展开网络流的综合能源系统能量流优化计算装置，
图5为本申请实施例提供的一种基于时空展开网络流的综合能源系统能量流优化计算装置的结构示意图。
如图5所示，该基于时空展开网络流的综合能源系统能量流优化计算装置包括获取模块、转换模块、求解模块，其中，
获取模块，用于获取综合能源系统网络流的目标函数，将综合能源系统的网络流计算问题转化为目标函数的优化问题；
转换模块，用于将优化问题转换为网络流模型；
求解模块，用于对网络流模型使用最短路径最大流方式进行求解，得到的求解结果为系统最优潮流
需要说明的是，前述对基于时空展开网络流的综合能源系统能量流优化计算方法实施例的解释说明也适用于该实施例的基于时空展开网络流的综合能源系统能量流优化计算装置，此处不再赘述。
如图6所示为本申请的基于时空展开网络流的综合能源系统能量流优化计算步骤，本申请提出的基于时空展开网络流的综合能源系统能量流优化计算方法和装置，通过初始化系统光伏发电数据、负荷数据、储能数据、购电电价与发电机功率约束等数据，根据已有数据及系统形成网络流模型，根据所建立模型形成弧信息阵，通过最短路径最大流算法对系统进行求解，通过对网络流模型使用最短路径最大流方式进行求解，最终求得系统的最优潮流，大大加快计算速度，为综合能源系统优化问题提供了新的核心技术，具有广泛的工业应用价值。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (6)

1.一种基于时空展开网络流的综合能源系统能量流优化计算方法，其特征在于，包括以下步骤：
获取综合能源系统网络流的目标函数，将综合能源系统的网络流计算问题转化为目标函数的优化问题；
将所述优化问题转换为网络流模型；
对所述网络流模型使用最短路径最大流方式进行求解，得到的求解结果为系统最优潮流。
2.如权利要求1所述的方法，其特征在于，所述目标函数表示为：
Figure FDA0003389519160000011
其中，上式表示一个配备有M个储能、光伏发电、以及N个微型燃气轮机，并可从网侧购电的综合能源系统的目标函数，
Figure FDA0003389519160000019
表示目标函数为T时间内每个子时间t内的购电成本
Figure FDA0003389519160000012
与发电机发电成本
Figure FDA0003389519160000013
之和，发电机成本是关于发电机出力Pt G的一次函数，a、b为成本系数，λt为t时刻购电的电价，Pt λ为从网侧购入的电量。
3.如权利要求1所述的方法，其特征在于，所述优化问题服从功率平衡约束、储能时段约束、储能初电量与末电量相等、储能充放电功率上下限约束、发电机功率上下限约束和储能荷电量上下限约束，分别表示为：
Figure FDA0003389519160000014
Figure FDA0003389519160000015
em,0＝em,T
Figure FDA0003389519160000016
Figure FDA0003389519160000017
em,min≤em,t≤em,max
其中，Pt PV为系统t时段发出的光伏，
Figure FDA0003389519160000018
分别为系统t时段第m个储能的充放电功率。Pt load为系统t时段自身负荷，em,t为t时刻第m个储能荷电量，Pm,max为第m个储能充放电功率上限值，
Figure FDA0003389519160000021
em,.max、em,min分别为发电机n功率上下限与储能m荷电量上下限。
4.如权利要求3所述的方法，其特征在于，所述网络流模型服从所述功率平衡约束、储能时段约束、储能初电量与末电量相等、储能充放电功率上下限约束、发电机功率上下限约束和储能荷电量上下限约束。
5.如权利要求4所述的方法，其特征在于，所述对所述网络流模型使用最短路径最大流方式进行求解，表示为：
步骤S1：将所有弧初始化，令所有弧初始流量为0；
步骤S2：更新弧费用，若弧流量小于弧流量下限，令弧费用为无穷大的负值，若流量等于弧流量上限，令弧费用为无穷大正值；
步骤S3：使用最短路径算法求解得出最短路径，计算路径上所有弧的增加裕度，取其中最小值为最小裕度；
步骤S4：对最短路径上的所有弧增加最小裕度对应数值的流量，若最短路径上的弧有充电弧或放电弧，则对应的放电弧或充电弧减少对应的流量；
步骤S5：在目前流量基础上，判断负荷是否得到满足，若不满足，重复步骤S2、S3、S4，若满足，结束循环，输出潮流。
6.一种基于时空展开网络流的综合能源系统能量流优化计算装置，其特征在于，包括获取模块、转换模块、求解模块，其中，
所述获取模块，用于获取综合能源系统网络流的目标函数，将综合能源系统的网络流计算问题转化为目标函数的优化问题；
所述转换模块，用于将所述优化问题转换为网络流模型；
所述求解模块，用于对所述网络流模型使用最短路径最大流方式进行求解，得到的求解结果为系统最优潮流。
CN202111459949.4A 2021-12-02 2021-12-02 基于时空展开网络流的综合能源能量流优化方法和装置 Active CN114741834B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202111459949.4A CN114741834B (zh) 2021-12-02 2021-12-02 基于时空展开网络流的综合能源能量流优化方法和装置
US18/052,979 US20230177235A1 (en) 2021-12-02 2022-11-07 Energy flow optimization in multi-energy system based on spatiotemporal network flows

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111459949.4A CN114741834B (zh) 2021-12-02 2021-12-02 基于时空展开网络流的综合能源能量流优化方法和装置

Publications (2)

Publication Number Publication Date
CN114741834A true CN114741834A (zh) 2022-07-12
CN114741834B CN114741834B (zh) 2024-07-05

Family

ID=82274201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111459949.4A Active CN114741834B (zh) 2021-12-02 2021-12-02 基于时空展开网络流的综合能源能量流优化方法和装置

Country Status (2)

Country Link
US (1) US20230177235A1 (zh)
CN (1) CN114741834B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114741834B (zh) * 2021-12-02 2024-07-05 华北电力大学 基于时空展开网络流的综合能源能量流优化方法和装置
CN116595896B (zh) * 2023-07-17 2023-09-22 合肥顺昌分布式能源综合应用技术有限公司 一种基于大数据的能源管理系统

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150094968A1 (en) * 2009-02-26 2015-04-02 Distributed Energy Management Inc. Comfort-driven optimization of electric grid utilization
CN106208157A (zh) * 2016-07-19 2016-12-07 河海大学 基于电转气的电‑气互联综合能源系统削峰填谷方法
CN107239847A (zh) * 2017-04-12 2017-10-10 广州供电局有限公司 一种主动配电网储能系统动态规划方法
CN109446730A (zh) * 2018-12-05 2019-03-08 新奥数能科技有限公司 基于短期设备运行数据的发电机组负荷率缺失值补招方法
CN109492791A (zh) * 2018-09-27 2019-03-19 西南交通大学 基于充电引导的城际高速路网光储充电站定容规划方法
CN109861290A (zh) * 2019-03-14 2019-06-07 国网上海市电力公司 一种考虑多种柔性负荷的综合能源系统优化调度方法
CN111899125A (zh) * 2020-07-31 2020-11-06 华中科技大学 一种综合能源系统的优化建模运行方法、装置和介质
CN112330020A (zh) * 2020-11-05 2021-02-05 东方电子股份有限公司 一种电-气综合能源系统协同优化方法
CN113159412A (zh) * 2021-04-16 2021-07-23 南京工程学院 一种基于用户需求响应的多层级储能优化配置方法及装置
CN113344736A (zh) * 2021-05-21 2021-09-03 温州电力设计有限公司 一种园区级综合能源系统及其控制方法
CN113610658A (zh) * 2021-03-01 2021-11-05 国网上海能源互联网研究院有限公司 一种基于信息间隙决策模型的配网运行调度方法及系统
US20230177235A1 (en) * 2021-12-02 2023-06-08 Peking University Energy flow optimization in multi-energy system based on spatiotemporal network flows

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150094968A1 (en) * 2009-02-26 2015-04-02 Distributed Energy Management Inc. Comfort-driven optimization of electric grid utilization
CN106208157A (zh) * 2016-07-19 2016-12-07 河海大学 基于电转气的电‑气互联综合能源系统削峰填谷方法
CN107239847A (zh) * 2017-04-12 2017-10-10 广州供电局有限公司 一种主动配电网储能系统动态规划方法
CN109492791A (zh) * 2018-09-27 2019-03-19 西南交通大学 基于充电引导的城际高速路网光储充电站定容规划方法
CN109446730A (zh) * 2018-12-05 2019-03-08 新奥数能科技有限公司 基于短期设备运行数据的发电机组负荷率缺失值补招方法
CN109861290A (zh) * 2019-03-14 2019-06-07 国网上海市电力公司 一种考虑多种柔性负荷的综合能源系统优化调度方法
CN111899125A (zh) * 2020-07-31 2020-11-06 华中科技大学 一种综合能源系统的优化建模运行方法、装置和介质
CN112330020A (zh) * 2020-11-05 2021-02-05 东方电子股份有限公司 一种电-气综合能源系统协同优化方法
CN113610658A (zh) * 2021-03-01 2021-11-05 国网上海能源互联网研究院有限公司 一种基于信息间隙决策模型的配网运行调度方法及系统
CN113159412A (zh) * 2021-04-16 2021-07-23 南京工程学院 一种基于用户需求响应的多层级储能优化配置方法及装置
CN113344736A (zh) * 2021-05-21 2021-09-03 温州电力设计有限公司 一种园区级综合能源系统及其控制方法
US20230177235A1 (en) * 2021-12-02 2023-06-08 Peking University Energy flow optimization in multi-energy system based on spatiotemporal network flows

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
YONG WANG 等: "Collaborative two-echelon multicenter vehicle routing optimization based on state-space-time network", JOURNAL OF CLEANER PRODUCTION, vol. 258, 10 June 2020 (2020-06-10), pages 1 - 26 *
张富强;江平宇;: "复杂网络理论在离散车间生产过程的应用研究综述", 工业工程, no. 06, 15 December 2016 (2016-12-15), pages 1 - 8 *
朱晓军;朱建华;朱振旗;李红霞;甘中学;: "分布式能源网络系统总体架构", 科学通报, no. 32, 20 November 2017 (2017-11-20), pages 3659 - 3671 *
王伟亮;王丹;贾宏杰;陈沼宇;郭炳庆;周海明;范孟华;: "能源互联网背景下的典型区域综合能源系统稳态分析研究综述", 中国电机工程学报, no. 12, 27 June 2016 (2016-06-27), pages 3292 - 3306 *

Also Published As

Publication number Publication date
US20230177235A1 (en) 2023-06-08
CN114741834B (zh) 2024-07-05

Similar Documents

Publication Publication Date Title
CN112039069B (zh) 一种配电网储能与柔性开关的双层协同规划方法及系统
CN110620402B (zh) 电-气混联系统分布式规划运行联合优化方法及系统
CN114741834B (zh) 基于时空展开网络流的综合能源能量流优化方法和装置
Akella et al. Distributed power balancing for the FREEDM system
WO2024067521A2 (zh) 风储虚拟电厂在线调度方法和装置
CN107979111A (zh) 一种基于两阶段鲁棒优化的微电网能量管理方法
Hooshmand et al. Experimental demonstration of a tiered power management system for economic operation of grid-tied microgrids
CN105552940A (zh) 基于交替方向乘子算法的分布式全局最优能量管理系统
CN110867852B (zh) 计及全寿命周期成本的微电网储能优化配置方法及装置
CN109978408B (zh) 综合能源系统规划运行联合优化方法、装置、设备及介质
CN111786417A (zh) 一种面向分布式新能源消纳的主动配电网多目标区间优化调度的方法
CN115841187A (zh) 柔性配电网运行策略的优化方法、装置、设备及存储介质
CN111509784B (zh) 计及不确定性的虚拟电厂鲁棒出力可行域辨识方法及装置
Cavus et al. A hybrid method based on logic predictive controller for flexible hybrid microgrid with plug-and-play capabilities
CN111311032A (zh) 一种基于扇形雷达图模型的微网系统容量优化配置方法
CN114759616B (zh) 一种考虑电力电子器件特性的微电网鲁棒优化调度方法
CN115940275A (zh) 一种不同功率缺额下分布式可控资源运行模式优化匹配与协调切换控制方法及装置
CN107482658A (zh) 一种微电网储能经济运行控制方法和装置
CN114723321A (zh) 一种计及移动储能的多微电网系统优化配置方法
CN115360768A (zh) 基于muzero和深度强化学习的电力调度方法、装置及存储介质
CN112491067A (zh) 一种基于复合储能的主动配电网容量配置方法
CN114912722B (zh) 一种电池储能装置的运行安排方法、装置和电子设备
CN114066019B (zh) 一种基于图论的能源竞价调度方法及系统
CN117610710A (zh) 能源系统多目标规划管理方法、装置、存储介质及系统
CN117910836A (zh) 一种提升大电网灵活性的储能电站规划方法

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
GR01 Patent grant