CN114841574A - 一种考虑不确定性的综合能源系统电热负荷联合恢复方法 - Google Patents

一种考虑不确定性的综合能源系统电热负荷联合恢复方法 Download PDF

Info

Publication number
CN114841574A
CN114841574A CN202210501788.9A CN202210501788A CN114841574A CN 114841574 A CN114841574 A CN 114841574A CN 202210501788 A CN202210501788 A CN 202210501788A CN 114841574 A CN114841574 A CN 114841574A
Authority
CN
China
Prior art keywords
uncertainty
building
load
node
energy system
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
CN202210501788.9A
Other languages
English (en)
Other versions
CN114841574B (zh
Inventor
陆帅
顾伟
周苏洋
吴志
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.)
Southeast University
Original Assignee
Southeast 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 Southeast University filed Critical Southeast University
Priority to CN202210501788.9A priority Critical patent/CN114841574B/zh
Publication of CN114841574A publication Critical patent/CN114841574A/zh
Application granted granted Critical
Publication of CN114841574B publication Critical patent/CN114841574B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • 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
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • 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
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Water Supply & Treatment (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Public Health (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Educational Administration (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开一种考虑不确定性的综合能源系统电热负荷联合恢复方法，涉及综合能源系统运行领域，包括以下步骤：S1、建立综合能源系统可再生能源出力不确定性模型；S2、建立综合能源系统建筑物室外温度不确定性模型；S3、建立考虑不确定性的综合能源系统电热负荷鲁棒联合恢复模型；本发明分别建立综合能源系统可再生能源出力确定性模型及建筑物室外温度不确定性模型，基于此建立考虑不确定性的综合能源系统电热负荷联合鲁棒恢复模型，将该模型转化为等价的确定性模型，最后求解模型得到负荷恢复方案，从而解决不确定环境下的综合能源系统电热负荷协同恢复问题，提高不确定性环境下综合能源系统应对极端事件的能力。

Description

一种考虑不确定性的综合能源系统电热负荷联合恢复方法
技术领域
本发明涉及综合能源系统运行领域，具体的是一种考虑不确定性的综合能源系统电热负荷联合恢复方法。
背景技术
近年来，极端气象事件及信息攻击事件频发，给能源系统安全稳定运行带来了极大的威胁，提高能源系统应对极端事件的能力(即恢复力或弹性)，是当前能源系统领域所面临的重要问题，在综合能源系统中，多种能流间的耦合关系十分负载，使得系统弹性变得十分复杂，一方面，多能间的耦合关系可能导致发生级联故障，另一方面，多种不确定因素影响着系统运行的鲁棒性，进而影响系统恢复力，随着综合能源系统在工程应用中的不断推广，如何提高其应对极端事件的能力特别是故障后的负荷恢复能力，正得到越来越多的关注。
在综合能源系统负荷恢复过程中，电热能流间的紧密耦合关系导致电负荷恢复和热负荷恢复过程相互影响，可再生能源出力及建筑物室外温度等多类型不确定因素给系统恢复过程亦带来了极大的威胁，因此不确定环境下的综合能源系统电热负荷恢复问题成为一个极具挑战的难题，如果不对电热负荷恢复过程进行协调，不考虑可再生能源出力及室外温度等不确定性因素，将严重影响系统故障后的电热负荷恢复，极大地降低系统应对极端事件的能力。
发明内容
为解决上述背景技术中提到的不足，本发明的目的在于提供一种考虑不确定性的综合能源系统电热负荷联合恢复方法，本发明分别建立综合能源系统可再生能源出力确定性模型及建筑物室外温度不确定性模型，基于此建立考虑不确定性的综合能源系统电热负荷联合鲁棒恢复模型，将该模型转化为等价的确定性模型，最后求解模型得到负荷恢复方案，从而解决不确定环境下的综合能源系统电热负荷协同恢复问题，提高不确定性环境下综合能源系统应对极端事件的能力。
本发明的目的可以通过以下技术方案实现：
一种考虑不确定性的综合能源系统电热负荷联合恢复方法，包括以下步骤：
S1、建立综合能源系统可再生能源出力不确定性模型；
S2、建立综合能源系统建筑物室外温度不确定性模型；
S3、建立考虑不确定性的综合能源系统电热负荷鲁棒联合恢复模型；
S4、将鲁棒联合恢复模型转换为等价的确定性模型；
S5、求解模型并得到负荷恢复方案。
进一步地，所述步骤S1建立综合能源系统可再生能源出力不确定性模型，进一步包括：
S11，基于随机变量一阶矩和二阶矩信息建立可再生能源出力不确定性的模糊集：
Figure BDA0003634622890000021
其中，t为调度时段；i为电网节点索引；Pres为可再生能源出力不确定性的模糊集；P为可再生能源出力不确定性的概率函数；
Figure BDA0003634622890000022
为概率函数集合；
Figure BDA0003634622890000023
为表示t时段电网节点i处可再生能源出力不确定性的随机变量；EP[·]为期望函数；
Figure BDA0003634622890000024
为给定的随机变量
Figure BDA0003634622890000025
的标准差；
S12，建立考虑不确定性的可再生能源出力机会约束：
Figure BDA0003634622890000026
Figure BDA0003634622890000027
其中，
Figure BDA0003634622890000028
为t时段电网节点i处可再生能源出力预测值；
Figure BDA0003634622890000029
为t时段电网节点i处可再生能源实际出力功率变量；1为元素值均为1的列向量；
Figure BDA00036346228900000210
为t时段电网节点i处可再生能源三相出力调度变量；εres为设定的所允许约束不成立的概率。
进一步地，所述步骤S2建立综合能源系统建筑物室外温度不确定性模型，进一步包括：
S21，基于随机变量一阶矩和二阶矩信息建立建筑物室外温度不确定性的模糊集：
Figure BDA0003634622890000031
其中，Pτ为可再生能源出力不确定性的模糊集；P为建筑物室外温度不确定性的概率函数；
Figure BDA0003634622890000032
为概率函数集合；ξτ为表示建筑物室外温度不确定性的随机变量；Στ为随机变量ξτ的协方差矩阵；
S22，建立考虑不确定性的建筑物平均室内温度机会约束：
Figure BDA0003634622890000033
Figure BDA0003634622890000034
其中，
Figure BDA0003634622890000035
为表示t时段建筑物室外温度不确定性的随机变量；
Figure BDA0003634622890000036
为t时段建筑物室外温度预测值；
Figure BDA0003634622890000037
为t时段建筑物室外温度实际值；k为热网节点索引集合；T为调度时段索引集合；N为调度时段数；Φln为热网负荷节点索引集合；
Figure BDA0003634622890000038
为t时段热网节点k处的建筑物室内温度；
Figure BDA0003634622890000039
τ in建筑物室内温度上下限；ετ为设定的所允许约束不成立的概率。
进一步地，所述步骤S3建立考虑不确定性的综合能源系统电热负荷鲁棒联合恢复模型进一步包括：
S31，建立综合能源系统电热联合恢复问题的目标函数：
minθfe+(1-θ)fh
fe＝ωe1fe1+ωe2fe2+ωe3fe3
Figure BDA00036346228900000310
Figure BDA0003634622890000041
Figure BDA0003634622890000042
Figure BDA0003634622890000043
其中，t为调度时段；Δt为调度时段间隔；T为调度时段集合；Eb为电网节点索引集合；Ebr为电网线路索引集合；Φln为热网负荷节点索引集合；fe为电负荷恢复目标函数；fh为热负荷恢复问题的目标函数；θ为fe的权重系数；fe1、fe2、fe3分别为失负荷成本、燃料成本和购电成本、电网能量损耗惩罚成本；ωe1、ωe2、ωe3分别为失负荷成本、燃料成本和购电成本、电网能量损耗惩罚成本的权重系数；
Figure BDA0003634622890000044
为t时段节点i处恢复的三相电负荷变量；
Figure BDA0003634622890000045
为节点i处电负荷优先级系数；cgas为燃气成本；ηgt为燃气轮机发电效率；
Figure BDA0003634622890000046
为t时段节点i负荷的燃气轮机三相发电功率变量；cgrid为电网购电价格；
Figure BDA0003634622890000047
为三相购电功率变量；rj为线路j的电阻；
Figure BDA0003634622890000048
为线路t时段线路j的三相电流平方变量；1为各元素均为1的列向量；
Figure BDA0003634622890000049
为t时段节点k处建筑物室内温度变量；τopt为建筑物室内温度理想值；
S32，建立电力系统运行约束；
S33，建立热网运行约束条件；
S34，建立建筑物热负荷约束条件。
进一步地，所述步骤S4将鲁棒联合恢复模型转换为等价的确定性模型进一步包括：
S41，将可再生能源出力机会约束转化为等价的确定性约束：
Figure BDA00036346228900000410
其中，
Figure BDA00036346228900000411
为给定的随机变量
Figure BDA00036346228900000412
的标准差；εres为设定的所允许约束不成立的概率；
Figure BDA00036346228900000413
为t时段电网节点i处可再生能源出力预测值；
Figure BDA00036346228900000414
为t时段电网节点i处可再生能源三相出力调度变量；
S42，将建筑物热负荷目标函数与室内温度机会约束转化为确定形式。
进一步地，所述步骤S42将建筑物热负荷目标函数与室内温度机会约束转化为确定形式进一步包括：
S421，将目标函数中的fh转化为确定性形式：
Figure BDA0003634622890000051
Figure BDA0003634622890000052
其中，
Figure BDA0003634622890000053
为确定性情况下t时段热网负荷节点k处建筑物室内温度变量；C为常数；τopt为建筑物室内温度理想值；ψk,t为常数列向量
Figure BDA0003634622890000054
Figure BDA0003634622890000055
为建筑物室外温度预测值向量；
Figure BDA0003634622890000056
为Hadamard积；
S422，将室内温度机会约束转化为等价的确定性约束：
Figure BDA0003634622890000057
Figure BDA0003634622890000058
其中，
Figure BDA0003634622890000059
热网节点k处建筑物室内温度初始值；
Figure BDA00036346228900000510
为确定性情况下t时段热网负荷节点k处建筑物室内温度变量；
Figure BDA00036346228900000511
为热网负荷节点k处的建筑物参数；
Figure BDA00036346228900000512
为引入的辅助变量；ετ为设定的所允许约束不成立的概率。
本发明的有益效果：分别建立综合能源系统可再生能源出力确定性模型及建筑物室外温度不确定性模型，基于此建立考虑不确定性的综合能源系统电热负荷联合鲁棒恢复模型，将该模型转化为等价的确定性模型，最后求解模型得到负荷恢复方案，从而解决不确定环境下的综合能源系统电热负荷协同恢复问题，提高不确定性环境下综合能源系统应对极端事件的能力。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明综合能源系统结构图；
图2是本发明一种考虑不确定性的综合能源系统电热负荷鲁棒联合恢复方法流程图；
图3是本发明实施例2的综合能源系统结构图；
图4是本发明实施例2的电功率出力结果；
图5是本发明实施例2的热功率出力结果；
图6是本发明实施例2的热网供回水温度结果；
图7是本发明实施例2的建筑物室内温度结果；
图8是本发明实施例2的不同场景下的电负荷恢复时间。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1
本实施例运用于综合能源系统中，该综合能源系统结构如图1所示。
一种考虑不确定性的综合能源系统电热负荷鲁棒联合恢复方法，如图2所示，包括以下步骤：
S1，建立综合能源系统可再生能源出力不确定性模型：
S11，基于随机变量一阶矩和二阶矩信息建立可再生能源出力不确定性的模糊集：
Figure BDA0003634622890000061
其中，t为调度时段；i为电网节点索引；Pres为可再生能源出力不确定性的模糊集；P为可再生能源出力不确定性的概率函数；
Figure BDA0003634622890000071
为概率函数集合；
Figure BDA0003634622890000072
为表示t时段电网节点i处可再生能源出力不确定性的随机变量；EP[·]为期望函数；
Figure BDA0003634622890000073
为给定的随机变量
Figure BDA0003634622890000074
的标准差。
S12，建立考虑不确定性的可再生能源出力机会约束：
Figure BDA0003634622890000075
Figure BDA0003634622890000076
其中，
Figure BDA0003634622890000077
为t时段电网节点i处可再生能源出力预测值；
Figure BDA0003634622890000078
为t时段电网节点i处可再生能源实际出力功率变量；1为元素值均为1的列向量；
Figure BDA0003634622890000079
为t时段电网节点i处可再生能源三相出力调度变量；εres为设定的所允许约束不成立的概率。
S2，建立综合能源系统建筑物室外温度不确定性模型：
S21，基于随机变量一阶矩和二阶矩信息建立建筑物室外温度不确定性的模糊集：
Figure BDA00036346228900000710
其中，Pτ为可再生能源出力不确定性的模糊集；P为建筑物室外温度不确定性的概率函数；
Figure BDA00036346228900000711
为概率函数集合；ξτ为表示建筑物室外温度不确定性的随机变量；Στ为随机变量ξτ的协方差矩阵。
S22，建立考虑不确定性的建筑物平均室内温度机会约束：
Figure BDA00036346228900000712
Figure BDA00036346228900000713
其中，
Figure BDA00036346228900000714
为表示t时段建筑物室外温度不确定性的随机变量；
Figure BDA00036346228900000715
为t时段建筑物室外温度预测值；
Figure BDA00036346228900000716
为t时段建筑物室外温度实际值；k为热网节点索引集合；T为调度时段索引集合；N为调度时段数；Φln为热网负荷节点索引集合；
Figure BDA00036346228900000717
为t时段热网节点k处的建筑物室内温度；
Figure BDA0003634622890000081
τ in建筑物室内温度上下限；ετ为设定的所允许约束不成立的概率。
S3，建立考虑不确定性的综合能源系统电热负荷鲁棒联合恢复模型：
S31，建立综合能源系统电热联合恢复问题的目标函数：
minθfe+(1-θ)fh
fe＝ωe1fe1+ωe2fe2+ωe3fe3
Figure BDA0003634622890000082
Figure BDA0003634622890000083
Figure BDA0003634622890000084
Figure BDA0003634622890000085
其中，t为调度时段；Δt为调度时段间隔；T为调度时段集合；Eb为电网节点索引集合；Ebr为电网线路索引集合；Φln为热网负荷节点索引集合；fe为电负荷恢复目标函数；fh为热负荷恢复问题的目标函数；θ为fe的权重系数；fe1、fe2、fe3分别为失负荷成本、燃料成本和购电成本、电网能量损耗惩罚成本；ωe1、ωe2、ωe3分别为失负荷成本、燃料成本和购电成本、电网能量损耗惩罚成本的权重系数；
Figure BDA0003634622890000086
为t时段节点i处恢复的三相电负荷变量；
Figure BDA0003634622890000087
为节点i处电负荷优先级系数；cgas为燃气成本；ηgt为燃气轮机发电效率；
Figure BDA0003634622890000088
为t时段节点i负荷的燃气轮机三相发电功率变量；cgrid为电网购电价格；
Figure BDA0003634622890000089
为三相购电功率变量；rj为线路j的电阻；
Figure BDA00036346228900000810
为线路t时段线路j的三相电流平方变量；1为各元素均为1的列向量；
Figure BDA00036346228900000811
为t时段节点k处建筑物室内温度变量；τopt为建筑物室内温度理想值。
S32，建立电力系统运行约束：
S321，建立电负荷恢复约束：
Figure BDA0003634622890000091
其中，
Figure BDA0003634622890000092
为t时段节点i处有功电负荷常数；
Figure BDA0003634622890000093
为t时段节点i处有功电负荷常数；
Figure BDA0003634622890000094
分别为t时段节点i处恢复的有功电负荷和无功电负荷变量；
Figure BDA0003634622890000095
为t时段节点i处电负荷恢复状态0-1变量。
S322，建立电网联络线和设备运行约束：
建立联络线功率约束：
Figure BDA0003634622890000096
其中，
Figure BDA0003634622890000097
为t时段变电站有功功率容量；
Figure BDA0003634622890000098
为t时段变电站无功功率容量；
Figure BDA0003634622890000099
分别为联络线三相有功功率和无功功率变量。
建立补偿电容器无功功率约束：
Figure BDA00036346228900000910
其中，
Figure BDA00036346228900000911
为t时段节点i处补偿电容器的无功容量；
Figure BDA00036346228900000912
为t时段节点i处补偿电容器的无功输出功率变量。
建立可再生能源出力约束：
Figure BDA00036346228900000913
Figure BDA00036346228900000914
其中，
Figure BDA00036346228900000915
为节点i处的变流器容量；
Figure BDA00036346228900000916
为t时段节点i处可再生能源输出有功功率和无功功率变量；
Figure BDA00036346228900000917
为t时段节点i处可再生能源有功功率预测值。
建立热电联产机组运行约束：
Figure BDA0003634622890000101
其中，
Figure BDA0003634622890000102
为节点i处燃气轮机额定发电功率上限与下限；
Figure BDA0003634622890000103
为节点i处燃气轮机无功功率输出上限与下限；
Figure BDA0003634622890000104
为t时段节点i处燃气轮机输出的三相有功功率和无功功率变量；
Figure BDA0003634622890000105
为节点i处燃气轮机爬坡速率；
Figure BDA0003634622890000106
为节点i处燃气轮机热损耗率；
Figure BDA0003634622890000107
为节点i处余热回收锅炉效率；
Figure BDA0003634622890000108
为t时段节点i处热电联产机组输出热功率变量。
建立电锅炉运行约束：
Figure BDA0003634622890000109
其中，
Figure BDA00036346228900001010
为节点i处电锅炉功率上限与下限；
Figure BDA00036346228900001011
为t时段节点i处电锅炉电功率变量；
Figure BDA00036346228900001012
为节点i处电锅炉效率；
Figure BDA00036346228900001013
为t时段节点i处电锅炉输出热功率变量。
S323，建立综合能源系统三相不平衡配电网约束：
建立电压约束：
Figure BDA00036346228900001014
其中，Vmax、Vmin为电压上限和下限；
Figure BDA00036346228900001015
为t时段节点i处的三相电压平方变量。
建立线路电流约束：
Figure BDA00036346228900001016
其中，
Figure BDA00036346228900001017
为线路j的电流上限；
Figure BDA00036346228900001018
为t时段线路j处的
Figure BDA00036346228900001019
相电流平方变量。
建立电压调节器运行约束：
Figure BDA00036346228900001020
其中，
Figure BDA0003634622890000111
为电压调节器的设定参数；
Figure BDA0003634622890000112
为t时段节点i和j处的三相电压平方变量。
建立线路潮流方程约束：
Figure BDA0003634622890000113
Figure BDA0003634622890000114
其中，
Figure BDA0003634622890000115
为线路j的等效三相电阻和电抗；
Figure BDA0003634622890000116
为线路j的等效阻抗；
Figure BDA0003634622890000117
为t时段线路j的三相电流平方变量；
Figure BDA0003634622890000118
为t时段线路j的
Figure BDA0003634622890000119
相有功功率和无功功率变量；
Figure BDA00036346228900001110
为t时段节点i处
Figure BDA00036346228900001111
相电压平方变量；
Figure BDA00036346228900001112
为t时段线路j的
Figure BDA00036346228900001113
相电流平方变量。Li为与节点i相连的线路索引集合。
建立节点功率平衡约束：
Figure BDA00036346228900001114
其中，
Figure BDA00036346228900001115
为t时段线路i的三相有功功率和无功功率变量；
Figure BDA00036346228900001116
为t时段节点i处恢复的三相有功负荷和无功负荷变量；
Figure BDA00036346228900001117
为t时段线路j的三相有功功率和无功功率变量；
Figure BDA00036346228900001118
为t时段节点i处燃气轮机三相有功功率和无功功率变量；
Figure BDA00036346228900001119
为t时段节点i处可再生能源三相有功功率和无功功率变量；
Figure BDA00036346228900001120
为t时段节点i处电锅炉三相有功功率变量；
Figure BDA00036346228900001121
为t时段节点i处电容补偿器三相无功功率变量；ri、xi为t时段线路i的电阻与电抗；
Figure BDA00036346228900001122
为t时段线路i的三相电流平方变量。
S33，建立热网运行约束条件：
S331，建立热源功率平衡约束：
Figure BDA00036346228900001123
其中，
Figure BDA0003634622890000121
为t时段热网注入热功率变量；Echp、Eeb为热电联产机组与电锅炉的索引集合；
Figure BDA0003634622890000122
为t时段热电联产机组i的热输出功率变量；
Figure BDA0003634622890000123
为t时段电锅炉i的热输出功率变量。
S332，建立热源与热负荷节点的功率、温度方程：
Figure BDA0003634622890000124
其中，
Figure BDA0003634622890000125
分别为流出/流入节点k的管道索引集合；Φsn、Φln分别为热网中源节点和负荷节点的索引集合；cw为水的比热容；mj为管道j热媒质量流量；
Figure BDA0003634622890000126
为t时刻供水、回水网络中节点k处的热媒温度变量；
Figure BDA0003634622890000127
为t时段节点k处的热负荷功率变量。
S333，建立管道传输延时与热损约束：
Figure BDA0003634622890000128
其中，Φp为热网管道索引集合；
Figure BDA0003634622890000129
为管道j与传输延时相关的系数；参数βj为管道j的保温系数；
Figure BDA00036346228900001210
为t时刻管道环境温度；
Figure BDA00036346228900001211
为t时刻供水管道j的入口和出口处热媒温度变量；
Figure BDA00036346228900001212
为t时刻回水管道j的入口和出口处热媒温度变量。
S334，建立热网节点功率平衡约束：
Figure BDA00036346228900001213
其中，Φin为热网中交汇节点的集合；
Figure BDA00036346228900001214
为t时段供水、回水网络中节点k处的热媒温度。
S335，建立热网节点水温混合约束：
Figure BDA0003634622890000131
其中，Φin为热网中交汇节点的集合；
Figure BDA0003634622890000132
为t时段供水、回水网络中节点k处的热媒温度。
S336，建立热网供回水温度上下限约束：
Figure BDA0003634622890000133
其中，
Figure BDA0003634622890000134
τ s为热网供水温度上限和下限；
Figure BDA0003634622890000135
τ r为热网回水温度上限和下限。
S34，建立建筑物热负荷约束条件：
Figure BDA0003634622890000136
Figure BDA0003634622890000137
其中，
Figure BDA0003634622890000138
为热网负荷节点k处的建筑物参数；
Figure BDA0003634622890000139
为t时段热网负荷节点k处的建筑物室内温度变量；
Figure BDA00036346228900001310
为t时段热网负荷节点k处的建筑物热负荷供热功率变量；
Figure BDA00036346228900001311
为建筑物室外温度；N为调度周期长度；
Figure BDA00036346228900001312
τ in为建筑物室温上限和下限。
S4，将鲁棒联合恢复模型转换为等价的确定性模型：
S41，将可再生能源出力机会约束转化为等价的确定性约束：
Figure BDA00036346228900001313
其中，
Figure BDA00036346228900001314
为给定的随机变量
Figure BDA00036346228900001315
的标准差；εres为设定的所允许约束不成立的概率；
Figure BDA00036346228900001316
为t时段电网节点i处可再生能源出力预测值；
Figure BDA00036346228900001317
为t时段电网节点i处可再生能源三相出力调度变量。
S42，将建筑物热负荷目标函数与室内温度机会约束转化为确定形式：
S421，将目标函数中的fh转化为确定性形式：
Figure BDA0003634622890000141
Figure BDA0003634622890000142
其中，
Figure BDA0003634622890000143
为确定性情况下t时段热网负荷节点k处建筑物室内温度变量；C为常数；τopt为建筑物室内温度理想值；ψk,t为常数列向量
Figure BDA0003634622890000144
Figure BDA0003634622890000145
为建筑物室外温度预测值向量；
Figure BDA0003634622890000146
为Hadamard积。
S422，将室内温度机会约束转化为等价的确定性约束：
Figure BDA0003634622890000147
Figure BDA0003634622890000148
其中，
Figure BDA0003634622890000149
热网节点k处建筑物室内温度初始值；
Figure BDA00036346228900001410
为确定性情况下t时段热网负荷节点k处建筑物室内温度变量；
Figure BDA00036346228900001411
为热网负荷节点k处的建筑物参数；
Figure BDA00036346228900001412
为引入的辅助变量；ετ为设定的所允许约束不成立的概率。
S5，求解模型并得到负荷恢复方案。
实施例2
本实施例的多能流系统由一个33节点三相不平衡配电系统和一个51节点供热系统组成，如图3所示。系统包含1台4MW的燃气轮机，1台5MW电锅炉，1台容量为300kW的光伏(光伏1)，1台容量为500kW的光伏(光伏2)，1台容量为500kW的风机(风机1)。优化周期为3h，调度时间间隔取5min。建筑物室内温度上下限分别设置为26℃和18℃，理想室内温度设置为22℃。假设风电随机变量和室外温度随机变量的标准差相同，设为σ，设室外温度随机变量的协方差为σco，设置8个不同场景来反映不确定因素的影响，如下表所示。
Figure BDA0003634622890000151
根据本发明的步骤进行电热负荷联合恢复，8个场景下的目标函数值如下表所示。结果表明，不确定性越大，负荷恢复成本越高，电负荷恢复成本和热负荷恢复成本均有所增加。
Figure BDA0003634622890000152
a对比基准为场景1；b对比基准为场景3。
以场景6为例给出决策结果。电功率出力结果如图4所示，热动力出力结果如图5所示，热网供回水温度如图6所示，建筑物室内温度结果如图7所示，各场景下的负荷恢复时间如图8所示。可见，可再生能源出力及建筑物室外温度不确定因素影响着综合能源系统电热负荷恢复时间、恢复成本等。所提出的方法可以较好的应对恢复过程中的不确定因素，给出一种鲁棒的恢复方案。
因而本方法全面考虑了综合能源系统三相不平衡电网约束、热网约束和建筑物热负荷约束，可对电负荷恢复过程、热负荷恢复过程、以及热负荷恢复过程中的用户热舒适度进行精确刻画，通过所提出的方法可解决可再生能源出力、建筑物室外温度等不确定环境下的综合能源系统电热负荷协同恢复问题，提高不确定性环境下综合能源系统应对极端事件的能力。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”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发明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一定指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何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。

Claims (6)

1.一种考虑不确定性的综合能源系统电热负荷联合恢复方法，其特征在于，包括以下步骤：
S1、建立综合能源系统可再生能源出力不确定性模型；
S2、建立综合能源系统建筑物室外温度不确定性模型；
S3、建立考虑不确定性的综合能源系统电热负荷鲁棒联合恢复模型；
S4、将鲁棒联合恢复模型转换为等价的确定性模型；
S5、求解模型并得到负荷恢复方案。
2.根据权利要求1所述的一种考虑不确定性的综合能源系统电热负荷联合恢复方法，其特征在于，所述步骤S1建立综合能源系统可再生能源出力不确定性模型，进一步包括：
S11，基于随机变量一阶矩和二阶矩信息建立可再生能源出力不确定性的模糊集：
Figure FDA0003634622880000011
其中，t为调度时段；i为电网节点索引；Pres为可再生能源出力不确定性的模糊集；P为可再生能源出力不确定性的概率函数；
Figure FDA0003634622880000012
为概率函数集合；
Figure FDA0003634622880000013
为表示t时段电网节点i处可再生能源出力不确定性的随机变量；EP[·]为期望函数；
Figure FDA0003634622880000014
为给定的随机变量
Figure FDA0003634622880000015
的标准差；
S12，建立考虑不确定性的可再生能源出力机会约束：
Figure FDA0003634622880000016
Figure FDA0003634622880000017
其中，
Figure FDA0003634622880000018
为t时段电网节点i处可再生能源出力预测值；
Figure FDA0003634622880000019
为t时段电网节点i处可再生能源实际出力功率变量；1为元素值均为1的列向量；
Figure FDA00036346228800000110
为t时段电网节点i处可再生能源三相出力调度变量；εres为设定的所允许约束不成立的概率。
3.根据权利要求1所述的一种考虑不确定性的综合能源系统电热负荷联合恢复方法，其特征在于，所述步骤S2建立综合能源系统建筑物室外温度不确定性模型，进一步包括：
S21，基于随机变量一阶矩和二阶矩信息建立建筑物室外温度不确定性的模糊集：
Figure FDA0003634622880000021
其中，Pτ为可再生能源出力不确定性的模糊集；P为建筑物室外温度不确定性的概率函数；
Figure FDA0003634622880000022
为概率函数集合；ξτ为表示建筑物室外温度不确定性的随机变量；Στ为随机变量ξτ的协方差矩阵；
S22，建立考虑不确定性的建筑物平均室内温度机会约束：
Figure FDA0003634622880000023
Figure FDA0003634622880000024
其中，
Figure FDA0003634622880000025
为表示t时段建筑物室外温度不确定性的随机变量；
Figure FDA0003634622880000026
为t时段建筑物室外温度预测值；
Figure FDA0003634622880000027
为t时段建筑物室外温度实际值；k为热网节点索引集合；T为调度时段索引集合；N为调度时段数；Φln为热网负荷节点索引集合；
Figure FDA0003634622880000028
为t时段热网节点k处的建筑物室内温度；
Figure FDA0003634622880000029
τ in建筑物室内温度上下限；ετ为设定的所允许约束不成立的概率。
4.根据权利要求1所述的一种考虑不确定性的综合能源系统电热负荷联合恢复方法，其特征在于，所述步骤S3建立考虑不确定性的综合能源系统电热负荷鲁棒联合恢复模型进一步包括：
S31，建立综合能源系统电热联合恢复问题的目标函数：
min θfe+(1-θ)fh
fe＝ωe1fe1+ωe2fe2+ωe3fe3
Figure FDA00036346228800000210
Figure FDA0003634622880000031
Figure FDA0003634622880000032
Figure FDA0003634622880000033
其中，t为调度时段；Δt为调度时段间隔；T为调度时段集合；Eb为电网节点索引集合；Ebr为电网线路索引集合；Φln为热网负荷节点索引集合；fe为电负荷恢复目标函数；fh为热负荷恢复问题的目标函数；θ为fe的权重系数；fe1、fe2、fe3分别为失负荷成本、燃料成本和购电成本、电网能量损耗惩罚成本；ωe1、ωe2、ωe3分别为失负荷成本、燃料成本和购电成本、电网能量损耗惩罚成本的权重系数；
Figure FDA0003634622880000034
为t时段节点i处恢复的三相电负荷变量；
Figure FDA0003634622880000035
为节点i处电负荷优先级系数；cgas为燃气成本；ηgt为燃气轮机发电效率；
Figure FDA0003634622880000036
为t时段节点i负荷的燃气轮机三相发电功率变量；cgrid为电网购电价格；
Figure FDA0003634622880000037
为三相购电功率变量；rj为线路j的电阻；
Figure FDA0003634622880000038
为线路t时段线路j的三相电流平方变量；1为各元素均为1的列向量；
Figure FDA0003634622880000039
为t时段节点k处建筑物室内温度变量；τopt为建筑物室内温度理想值。
S32，建立电力系统运行约束；
S33，建立热网运行约束条件；
S34，建立建筑物热负荷约束条件。
5.根据权利要求1所述的一种考虑不确定性的综合能源系统电热负荷联合恢复方法，其特征在于，所述步骤S4将鲁棒联合恢复模型转换为等价的确定性模型进一步包括：
S41，将可再生能源出力机会约束转化为等价的确定性约束：
Figure FDA00036346228800000310
其中，
Figure FDA00036346228800000311
为给定的随机变量
Figure FDA00036346228800000312
的标准差；εres为设定的所允许约束不成立的概率；
Figure FDA00036346228800000313
为t时段电网节点i处可再生能源出力预测值；
Figure FDA00036346228800000314
为t时段电网节点i处可再生能源三相出力调度变量；
S42，将建筑物热负荷目标函数与室内温度机会约束转化为确定形式。
6.根据权利要求5所述的一种考虑不确定性的综合能源系统电热负荷联合恢复方法，其特征在于，所述步骤S42将建筑物热负荷目标函数与室内温度机会约束转化为确定形式进一步包括：
S421，将目标函数中的fh转化为确定性形式：
Figure FDA0003634622880000041
Figure FDA0003634622880000042
其中，
Figure FDA0003634622880000043
为确定性情况下t时段热网负荷节点k处建筑物室内温度变量；C为常数；τopt为建筑物室内温度理想值；ψk,t为常数列向量
Figure FDA0003634622880000044
Figure FDA0003634622880000045
为建筑物室外温度预测值向量；
Figure FDA0003634622880000046
为Hadamard积。
S422，将室内温度机会约束转化为等价的确定性约束：
Figure FDA0003634622880000047
Figure FDA0003634622880000048
其中，
Figure FDA0003634622880000049
热网节点k处建筑物室内温度初始值；
Figure FDA00036346228800000410
为确定性情况下t时段热网负荷节点k处建筑物室内温度变量；
Figure FDA00036346228800000411
为热网负荷节点k处的建筑物参数；
Figure FDA00036346228800000412
为引入的辅助变量；ετ为设定的所允许约束不成立的概率。
CN202210501788.9A 2022-05-09 2022-05-09 一种考虑不确定性的综合能源系统电热负荷联合恢复方法 Active CN114841574B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210501788.9A CN114841574B (zh) 2022-05-09 2022-05-09 一种考虑不确定性的综合能源系统电热负荷联合恢复方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210501788.9A CN114841574B (zh) 2022-05-09 2022-05-09 一种考虑不确定性的综合能源系统电热负荷联合恢复方法

Publications (2)

Publication Number Publication Date
CN114841574A true CN114841574A (zh) 2022-08-02
CN114841574B CN114841574B (zh) 2024-05-03

Family

ID=82571114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210501788.9A Active CN114841574B (zh) 2022-05-09 2022-05-09 一种考虑不确定性的综合能源系统电热负荷联合恢复方法

Country Status (1)

Country Link
CN (1) CN114841574B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117455134A (zh) * 2023-08-03 2024-01-26 三峡大学 含水产养殖温室的乡村综合能源系统分布鲁棒日前调度方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109034508A (zh) * 2018-10-18 2018-12-18 东南大学 考虑电热双重不确定性的综合能源系统鲁棒优化调度方法
WO2019165701A1 (zh) * 2018-02-28 2019-09-06 东南大学 一种交直流混联微网的随机鲁棒耦合型优化调度方法
WO2019233134A1 (zh) * 2018-06-06 2019-12-12 南京工程学院 数据驱动下基于风电不确定性的电热气网三阶段调度方法
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019165701A1 (zh) * 2018-02-28 2019-09-06 东南大学 一种交直流混联微网的随机鲁棒耦合型优化调度方法
WO2019233134A1 (zh) * 2018-06-06 2019-12-12 南京工程学院 数据驱动下基于风电不确定性的电热气网三阶段调度方法
CN109034508A (zh) * 2018-10-18 2018-12-18 东南大学 考虑电热双重不确定性的综合能源系统鲁棒优化调度方法
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

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117455134A (zh) * 2023-08-03 2024-01-26 三峡大学 含水产养殖温室的乡村综合能源系统分布鲁棒日前调度方法

Also Published As

Publication number Publication date
CN114841574B (zh) 2024-05-03

Similar Documents

Publication Publication Date Title
Gulzar et al. An innovative converterless solar PV control strategy for a grid connected hybrid PV/wind/fuel-cell system coupled with battery energy storage
Wang Modeling and control of hybrid wind/photovoltaic/fuel cell distributed generation systems
Mardaneh et al. Siting and sizing of DG units using GA and OPF based technique
CN107622324A (zh) 一种考虑多微网能量交互的鲁棒环境经济调度方法
Ku et al. Enhancement of power system operation by renewable ancillary service
Obara Dynamic-characteristics analysis of an independent microgrid consisting of a SOFC triple combined cycle power generation system and large-scale photovoltaics
Poudel et al. Optimal operation of SMR-RES hybrid energy system for electricity & district heating
Rouhani et al. A comprehensive method for optimum sizing of hybrid energy systems using intelligence evolutionary algorithms
CN112132363A (zh) 一种增强系统运行鲁棒性的储能选址定容方法
CN114841574B (zh) 一种考虑不确定性的综合能源系统电热负荷联合恢复方法
Dallmer-Zerbe et al. Assessment of capacity factor and dispatch flexibility of concentrated solar power units
CN113011655A (zh) 一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法
Rasouli et al. Net zero energy home including photovoltaic solar cells, wind turbines, battery energy storage systems and hydrogen vehicles
Tan et al. Utility-scale photovoltaic generators: A review on trends, grid code requirements and challenges
Ma et al. Research on Optimization for Siting and Sizing of Distributed Generation Considering Wind and Light Abandonment and Environmental Cost
CN114899816A (zh) 一种基于双目标优化的综合能源系统电热负荷联合恢复方法
CN111106622A (zh) 一种基于rmpc的主动配电网供电恢复方法
Ali et al. Automatic Generation Control of a Multi-Area Hybrid Renewable Energy System Using a Proposed Novel GA-Fuzzy Logic Self-Tuning PID Controller
Sami et al. Numerical modeling, simulation and validation of hybrid solar photovoltaic, wind turbine and fuel cell power system
Li et al. An Optimal Operation Method of Hybrid AC/DC Distribution Network Under the Goal of Peaking Carbon Dioxide Emissions and Carbon Neutrality
El-Sayed Smart grid operation with hybrid renewable resources and electric vehicle
Labbadi et al. Modeling, Optimization and Intelligent Control Techniques in Renewable Energy Systems: An Optimal Integration of Renewable Energy Resources Into Grid
Naick et al. Load frequency control in two area network including DG
Pang et al. Improved differential evolution algorithm for integrated energy system scheduling
Zeng et al. Reliability evaluation of coupled heat and electricity systems with CSP considering thermal dynamic characteristics

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