CN115169950A - 一种基于多参数规划的电-气系统分布式协同方法及系统 - Google Patents
一种基于多参数规划的电-气系统分布式协同方法及系统 Download PDFInfo
- Publication number
- CN115169950A CN115169950A CN202210885693.1A CN202210885693A CN115169950A CN 115169950 A CN115169950 A CN 115169950A CN 202210885693 A CN202210885693 A CN 202210885693A CN 115169950 A CN115169950 A CN 115169950A
- Authority
- CN
- China
- Prior art keywords
- gas
- natural gas
- scheduling model
- electric
- system based
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 278
- 239000007789 gas Substances 0.000 claims abstract description 142
- 239000003345 natural gas Substances 0.000 claims abstract description 139
- 230000008878 coupling Effects 0.000 claims abstract description 33
- 238000010168 coupling process Methods 0.000 claims abstract description 33
- 238000005859 coupling reaction Methods 0.000 claims abstract description 33
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 20
- 239000002356 single layer Substances 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000004519 manufacturing process Methods 0.000 claims description 10
- 239000002343 natural gas well Substances 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 10
- 230000009194 climbing Effects 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 4
- 239000010410 layer Substances 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 239000012530 fluid Substances 0.000 claims description 2
- 230000002040 relaxant effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- 238000010248 power generation Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 125000004432 carbon atom Chemical group C* 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009987 spinning Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 241001669696 Butis Species 0.000 description 1
- 108010074506 Transfer Factor Proteins 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004083 survival effect 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于电网运行和控制技术领域，提供了一种基于多参数规划的电‑气系统分布式协同方法及系统，本发明考虑了天然气系统的动态模型，提出了天然气系统的日前调度模型，并构建了电‑气耦合系统的协同调度模型，对于天然气气体流量方程的非凸性，提出了一种通过矩阵秩最小化理论与二分搜索处理非凸性约束的方法。考虑到电力系统与天然气系统的隐私性，基于多参数规划算法，提出了电‑气耦合系统分布式协同调度方法，可以很好地保护不同系统之间的隐私性，有利于减少电‑气耦合系统的运行成本，进一步提高用能效率，节约资源。
Description
技术领域
本发明属于电网运行和控制技术领域，尤其涉及一种基于多参数规划的电- 气系统分布式协同方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
能源是人类的生存与发展的物质基础，近年来，能源危机与环境污染等问题日益凸显，能源的高效利用与发展可再生能源引起了世界的广泛关注。在此背景下，充分挖掘综合能源的潜力，构建各能源间协调运行的综合能源系统是解决问题的有效措施。
随着燃气机组在电力系统中的大规模应用，目前电力系统与天然气系统间的耦合逐渐加深，电-气耦合系统(IEGS)的协同运行逐渐成为研究热点。目前许多文献对IEGS系统进行集中式优化，然而电力系统(EPS)和天然气系统(NGS)分别由不同的公司分别管理，由于数据的隐私性，详细拓扑或操作状态的交换是不现实的，因此集中式优化的实现具有挑战性。因此需要对IEGS进行分布式协同。
同时，目前大部分文献中对天然气系统假设天然气管道内气体为稳态，采用韦茅斯方程描述管道内气体流动方程。然而，韦茅斯方程不能准确表示气体动态特性，不利于天然气系统的精细化建模，天然气系统中的管存等灵活性不能得到充分利用。
发明内容
为了解决上述背景技术中存在的至少一项技术问题，本发明提供一种基于多参数规划的电-气系统分布式协同方法及系统，其考虑了天然气系统的动态模型，提出了天然气系统的日前调度模型，并构建了电-气耦合系统的协同调度模型，对于天然气气体流量方程的非凸性，提出了一种基于矩阵秩最小化理论与二分搜索处理非凸性约束的方法。考虑到电力系统与天然气系统的隐私性，基于多参数规划算法，提出了电-气耦合系统分布式协同调度方法。本发明方法收敛性强且收敛快速，在城市级(如北京)或区域级(如学校或社区内)的电-气耦合系统中可以得到实际应用。
为了实现上述目的，本发明采用如下技术方案：
本发明的第一个方面提供一种基于多参数规划的电-气系统分布式协同方法，包括如下步骤：
获取电力系统运行数据，构建电力系统调度模型；
基于天然气系统的气体动态特性，构建天然气系统的日前调度模型，对天然气系统的日前调度模型中的天然气非凸性约束进行处理，得到基于凸性约束的单层天然气系统的日前调度模型；
基于电力系统调度模型和凸性约束的单层天然气系统的日前调度模型构建电-气耦合系统的协同调度模型；
考虑电力系统和天然气系统数据的隐私性，基于多参数规划算法，得到电- 气耦合系统的协同调度模型的最优解，将该最优解作为电-气耦合系统的调度策略进行能源调度。
本发明的第二个方面提供一种基于多参数规划的电-气系统分布式协同系统，包括：
电力系统调度模型构建模块，用于获取电力系统运行数据，构建电力系统调度模型；
天然气系统调度模型构建模块，用于基于天然气系统的气体动态特性，构建天然气系统的日前调度模型，对天然气系统的日前调度模型中的天然气非凸性约束进行处理，得到基于凸性约束的单层天然气系统的日前调度模型；
电-气系统协同调度模块，用于基于电力系统调度模型和凸性约束的单层天然气系统的日前调度模型构建电-气耦合系统的协同调度模型；
考虑电力系统和天然气系统数据的隐私性，基于多参数规划算法，得到电- 气耦合系统的协同调度模型的最优解，将该最优解作为电-气耦合系统的调度策略进行能源调度。
本发明的第三个方面提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种基于多参数规划的电-气系统分布式协同方法中的步骤。
本发明的第四个方面提供一种计算机设备。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的一种基于多参数规划的电-气系统分布式协同方法中的步骤。
与现有技术相比，本发明的有益效果是：
(1)本发明考虑了天然气系统的动态模型，提出了天然气系统的日前调度模型，并构建了电-气耦合系统的协同调度模型。对于天然气气体流量方程的非凸性，提出了一种基于矩阵秩最小化理论与二分搜索处理非凸性约束的方法，该方法优点在于能够将天然气系统中难以处理的非凸约束转换为求解器可直接求解的凸约束。
(2)本发明考虑到电力系统与天然气系统的隐私性，基于多参数规划算法，提出了电-气耦合系统分布式协同调度方法，可实现电力系统和天然气系统的快速分布式协同，保证电-气耦合多能流系统的高效运行。
本发明附加方面的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，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1是本发明的提出基于多参数规划算法的EPS与NGS协同调度整体流程图；
图2是本发明实施例基于多参数规划算法的EPS与NGS协同调度。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例一
如图1所示，本实施例提供一种基于多参数规划的电-气系统分布式协同方法，包括如下步骤：
步骤1：获取电力系统运行数据，构建电力系统调度模型；
所述电力系统运行数据包括：电力系统中各机组的爬坡速率、备用容量、发电限制等数据，电力系统中各线路的拓扑结构、潮流限制、电阻、电抗等数据，电力系统中节点的负荷数据，电力系统的风电预测数据等。
步骤1中，所述电力系统调度模型是以最小化向上级电网单位的购电成本和弃风惩罚成本为目标函数，以电力平衡、传输容量、燃气机组与风电机组发电、爬坡和旋转备用为约束进行构建的，具体包括：
所述向上级电网单位的购电成本的表达式为：
式中，
表示在周期t时节点i处购买的发电量，d1,i为在周期t时节点i 从主网购买单位电量的价格，κco表示所有购电节点的集合，T表示经济调度所有周期的集合。
所述弃风惩罚成本的表达式为：
上式中，
表示周期t时风力发电机i的发电量，
表示在周期t时预测风电场i的可用风能，σi是惩罚系数，κWD表示所有风力发电机组的集合。
所述电力平衡约束的表达式为：
其中，Dn,t表示在周期t期间母线n处的电力需求，κbus表示电力系统中所有母线的集合。
所述传输容量约束的表达式为：
式中，Fl表示电力系统中线路l的流量限制，SFl,n为线路潮流转移因子，
表示燃气机组g在周期t的发电量。
所述燃气机组与风电机组发电约束的表达式为：
其中，
为燃气机组i的最大发电功率输出，
表示风力发电机组i的最大发电功率输出。
所述爬坡约束的表达式为：
其中，
表示非热电联产机组i的向上斜率，
表示非热电联产机组 i的向下斜率。
所述旋转备用约束的表达式为：
其中，
表示在周期t时非热电联产机组的向上旋转备用容量，
表示在周期t时非热电联产机组的向下旋转备用容量，SRUt表示在周期t时电力系统的向上旋转备用容量，SRDt表示在周期t时电力系统的向下旋转备用容量。
步骤2：基于天然气系统的气体动态特性，构建天然气系统的日前调度模型，对天然气系统的日前调度模型中的天然气非凸性约束进行处理，得到基于凸性约束的单层天然气系统的日前调度模型；
其中，步骤2中，所述天然气系统的日前调度模型是以为最小化天然气井的产气成本为目标函数，以天然气动态气体流量方程、天然气井产气量及气压、天然气管道、天然气压缩机、燃气机组的燃气以及天然气流量平衡为约束构建的，具体包括：
所述天然气井的产气成本的表达式为：
其中，CG为天然气的成本函数，
为气井g在周期t的产气成本，
为天然气井g在周期t的产气量。
所述天然气动态气体流量方程约束的表达式为：
在等温条件假设下，水平管道的一维气体流量方程用偏微分方程组表示：
其中，p(x,t)为管道内气体压力，m(x,t)为管道气体质量流量，ρ(x,t)为管道内气体密度，u(x,t)为管道内气体流速，D天然气管道直径，f为天然气管道的摩阻系数，c为天然气管道的气体流速。
如果假设天然气气体为稳态，上述偏微分方程能够简化得到韦茅斯方程，目前大部分天然气系统采用韦茅斯方程表示管道内气体流量方程。然而，韦茅斯方程不能准确表示气体动态特性。
因此，本实施例引入考虑气体动态特性的气体流量方程，将天然气管网中的每条管道划分为多个管段，同一管道中不同管段以s为索引，上述微分方程可以近似表示为：
其中，pr(·)表示管道连接处或管段的压力，
为管段的质量流量，Δx天然气管段长度，Δt为调度时间间隔，κP为天然气系统中的管道集合，
为管道p的所有管段集合。
所述天然气井产气量及气压约束的表达式为：
其中，
表示天然气井g在周期t的出气量，
分别表示气井g出气量的下限与上限，
为天然气井g在周期t的出气气压，
分别表示气井g出气气压的下限与上限，κG表示所有天然气井的集合。
所述天然气管道约束的表达式为：
在天然气系统中，每条管道的第一段和最后一段处的压力被视为等于该管段相邻连接处的压力：
其中，
为天然气管道节点的压力，
分别表示管道节点压力的下限与上限，κJ为天然气管道节点的集合，
为起点为节点j的管道的集合，
为终点为节点j的管道的集合。
所述天然气压缩机约束的表达式为：
其中，Γ为大于1的参数，表示气体压缩机连接处的压力可以增加到Γ倍，κC为压缩机的集合。
所述燃气机组的燃气约束，燃气机组的燃气量与其发电量成正比：
其中，
表示机组g的燃气功率，
表示机组g在周期t的燃气量，
分别表示燃气机组g燃气量的下限与上限。
所述天然气流量平衡约束的表达式为：
其中，Gj，Lj，TGj分别表示连接至节点j的天然气井、天然气负荷与燃气机组。
其中，步骤:2中，所述对天然气系统的日前调度模型中的天然气非凸性约束进行处理，得到凸性约束的单层天然气系统的日前调度模型，具体包括：
在天然气气体流量方程中，式(14)为非线性二次分式，这使得提出的天然气模型是非凸问题，导致难以使用商用求解器直接运算。在本步骤中将对该非凸性约束进行处理，使之变为一个可直接计算的凸性约束。
具体包括如下步骤：
步骤201：引入提升变量
为了处理天然气中的非凸性问题，引入了提升变量
代替天然气流体动力学方程中的非凸性项：
因此，公式(14)被转换为线性约束：
步骤202：将引入提升变量后的天然气调度模型转换为矩阵形式：
s.t.(24)
式中，xGI表示天然气系统内部变量的集合，xB表示边界变量，包括
AG,ABG,aG,BG,BBG,bG表示天然气系统中的线性约束矩阵，λ，μ分别表示天然气系统中等式约束与不等式约束所对应的对偶变量。
步骤203：根据矩阵秩最小化理论，松弛步骤302中的天然气系统模型。在标准秩极小化方法中，通过在目标函数中增加惩罚项，使得松弛后的矩阵秩最小，因此可将约束(24)转换为半正定约束：
式中如果(28)中矩阵的秩为1，则该约束与约束(24)相等。半正定约束为凸约束，现有求解器可以高效求解。引入矩阵秩最小化松弛后，引入提升变量后天然气模型可以转化为一个双层规划：
步骤204：利用对偶理论将步骤203中的双层规划变为单层规划。不包含非凸性约束(14)的天然气模型为线性模型，其对偶问题为：
根据对偶定理，
并在最优解处取等号。只要在模型中加入原始-对偶约束
即可保证该问题的最优性。但是由于存在约束(28)，加入原始-对偶约束可能会使得模型不可行，因此引入一个松弛参数η，得到可直接处理的单层凸规划：
式中，η为参数，由于
η可能的取值范围为[0,1]。从上式可以看出，当参数η的取值越大时，其对应的原始目标函数
可能的取值越小。但η的最大值并不总是为1，因为η为1时可能导致模型(31)不可行。将使得模型(31)可行的η的最大值定义为
可以证明，当参数η取得使模型 (31)可行的最大值
时，其对应的目标函数
即原始非凸性问题的最优解。
步骤205：运用二分搜索法寻找使得模型(31)可行的η最大值
由于寻找
最大值在数学上是非常困难的，但是
是在[0,1]范围内取值的一维向量，因此可以采用二分法获得
具体方法如下：
步骤2051：初始化ηmin＝0，ηmax＝1，设定收敛条件ε1＝5×10-3。
步骤2052：令ηk＝0.5(ηmin+ηmax)，求解模型(31)。若模型可行，则ηmin＝ηk；若模型不可行，则ηmax＝ηk。
步骤2053：如果ηmax-ηmin≤ε1，则
迭代完成。否则，返回步骤 4052继续进行。
步骤206：针对步骤205中二分搜索过程，可以将整个范围划分为多个子域，对这些子域并行计算，可以进一步减少整体计算时间。
上述方案的优点在于，本方法考虑了天然气系统的动态模型，提出了电-气耦合系统的日前调度模型，建立了电-气耦合系统的协同调度模型。对于天然气气体流量方程的非凸性，提出了一种通过矩阵秩最小化理论与二分搜索解决非凸性的方法。
步骤3：基于电力系统调度模型和凸性约束的单层天然气系统的日前调度模型构建电-气耦合系统的协同调度模型；
将上述EPS与NGS协同调度模型，转换为矩阵形式，其转换如下：
上式中，xEI表示电力系统中内部变量。cG(xGI,xB)为天然气系统中的目标函数，cE(xEI,xB)为电力系统中的目标函数。
步骤4：考虑电力系统和天然气系统数据的隐私性，基于多参数规划算法，得到电-气耦合系统的协同调度模型的最优解，将该最优解作为电-气耦合系统的调度策略进行能源调度。
如图2所示，其中，所述基于多参数规划算法，得到电-气耦合系统的协同调度模型的最优解，包括：
步骤402：初始迭代次数iter等于1，NGS给定每个燃气机组对应的初值
并将初值传递给EPS。
步骤403：EPS求解如下的子问题：
上式中，
的上标表示在EPS子问题中，
作为一个参数而非优化变量。
根据多参数规划理论，确定
所在的局部临界域与局部最优目标函数。具体确定方法如下：
步骤4031：确定EPS子问题的拉格朗日函数：
步骤4032：当
作为一个参数时，确定EPS子问题的Karush-Kuhn-Tucker (KKT)条件：
上式中，{}A表示不等式约束中的有效约束，{}I表示不等式中的无效约束。
步骤4033：对KKT条件求解：
当步骤4032中的系数矩阵非奇异时，将其系数矩阵求逆来求解：
若步骤4032中的系数矩阵为奇异，可以得出为不等式约束冗余导致。可以令系数矩阵中线性独立的不等式约束作为有效约束，剩余不等式约束作为无效约束。这样便使得系数矩阵为非奇异矩阵，可按照上述步骤通过系数矩阵求逆求解KKT条件。
步骤4034：确定局部最优目标函数：
在上述步骤4033中，
可以表示为关于
的仿射函数。在
附近的临界域CRi,k中，即步骤4032中有效约束和无效约束不变时，最优解
可以表示为关于xB的函数：
其最优目标函数也可以表示为关于xB的函数：
步骤4035：确定局部临界域：
上述步骤4034中，局部最优目标函数成立的条件是保证无效约束不会变为有效约束，并且有效约束不会变为无效约束，所以临界域的表达式也由该条件给出：
局部临界域CRk的定义为：
电力系统只需要把系数Sk、Tk及中的WC、RC传递给天然气系统。
步骤404：天然气系统在接收到电力系统传递的信息后，求解如下问题：
上式中，Sk、Tk、WC、RC为EPS传递的信息。
由于天然气收到的电力系统的信息为有关边界变量的线性约束，因此可令
可按步骤三的方法求解天然气系统中的非凸性约束，获得总体最优值。
步骤405：若相邻两次迭代的边界变量的变化量小于阈值，则终止迭代，执行步骤405；若相邻两次迭代边界变量的变化量大于等于阈值，则将迭代次数iter 增加1并把NGS子问题中边界变量最优解记为
返回步骤403继续进行求解；
步骤406：将电力系统和天然气系统所获得的最优解作为电-气耦合系统的调度策略。
上述方案的优点在于，考虑到电力系统与天然气系统的隐私性，基于多参数规划算法，提出了电-气耦合系统分布式协同调度方法，本发明方法收敛性强且收敛快速，在城市级(如北京)或区域级(如学校或社区内)的电-气耦合系统中可以得到实际应用。
实施例二
本实施例提供一种基于多参数规划的电-气系统分布式协同系统，包括：
电力系统调度模型构建模块，用于获取电力系统运行数据，构建电力系统调度模型；
天然气系统调度模型构建模块，用于基于天然气系统的气体动态特性，构建天然气系统的日前调度模型，对天然气系统的日前调度模型中的天然气非凸性约束进行处理，得到基于凸性约束的单层天然气系统的日前调度模型；
电-气系统协同调度模块，用于基于电力系统调度模型和凸性约束的单层天然气系统的日前调度模型构建电-气耦合系统的协同调度模型；
考虑电力系统和天然气系统数据的隐私性，基于多参数规划算法，得到电- 气耦合系统的协同调度模型的最优解，将该最优解作为电-气耦合系统的调度策略进行能源调度。
实施例三
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种基于多参数规划的电-气系统分布式协同方法中的步骤。
实施例四
本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的一种基于多参数规划的电-气系统分布式协同方法中的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory， ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于多参数规划的电-气系统分布式协同方法，其特征在于，包括如下步骤：
获取电力系统运行数据，构建电力系统调度模型；
基于天然气系统的气体动态特性，构建天然气系统的日前调度模型，对天然气系统的日前调度模型中的天然气非凸性约束进行处理，得到基于凸性约束的单层天然气系统的日前调度模型；
基于电力系统调度模型和凸性约束的单层天然气系统的日前调度模型构建电-气耦合系统的协同调度模型；
考虑电力系统和天然气系统数据的隐私性，基于多参数规划算法，得到电-气耦合系统的协同调度模型的最优解，将该最优解作为电-气耦合系统的调度策略进行能源调度。
2.如权利要求1所述的一种基于多参数规划的电-气系统分布式协同方法，其特征在于，所述电力系统调度模型以最小化向上级电网单位的购电成本和弃风惩罚成本为目标函数，以电力平衡、传输容量、燃气机组与风电机组发电、爬坡和旋转备用为约束进行构建的。
3.如权利要求1所述的一种基于多参数规划的电-气系统分布式协同方法，其特征在于，所述天然气系统的日前调度模型是以最小化天然气井的产气成本为目标函数，以天然气动态气体流量方程、天然气井产气量及气压、天然气管道、天然气压缩机、燃气机组的燃气以及天然气流量平衡为约束进行构建的。
4.如权利要求1所述的一种基于多参数规划的电-气系统分布式协同方法，其特征在于，在构建天然气动态气体流量方程约束时，引入考虑气体动态特性的气体流量方程，将天然气管网中的每条管道划分为多个管段，得到的微分方程为：
其中，pr(·)表示管道连接处或管段的压力，
为管段的质量流量，Δx为天然气管段长度，Δt为调度时间间隔，κP为天然气系统中的管道集合，
为管道p的所有管段集合，f为天然气管道的摩阻系数，D天然气管道直径，c为天然气管道的气体流速。
5.如权利要求1所述的一种基于多参数规划的电-气系统分布式协同方法，其特征在于，所述天然气井产气量及气压约束的表达式为：
其中，
表示天然气井g在周期t的出气量，
分别表示气井g出气量的下限与上限，
为天然气井g在周期t的出气气压，
分别表示气井g出气气压的下限与上限，κG表示所有天然气井的集合；
所述天然气管道约束的表达式为：
其中，
为天然气管道节点的压力，
分别表示管道节点压力的下限与上限，κJ为天然气管道节点的集合，
为起点为节点j的管道的集合，
为终点为节点j的管道的集合；
天然气压缩机约束的表达式为：
其中，Γ为大于1的参数，表示气体压缩机连接处的压力可以增加到Γ倍，κC为压缩机的集合；
燃气机组的燃气约束的表达式为：
其中，
表示机组g的燃气功率，
表示机组g在周期t的燃气量，
分别表示燃气机组g燃气量的下限与上限；
天然气流量平衡约束的表达式为：
其中，Gj，Lj，TGj分别表示连接至节点j的天然气井、天然气负荷与燃气机组。
6.如权利要求1所述的一种基于多参数规划的电-气系统分布式协同方法，其特征在于，所述对天然气系统的日前调度模型中的天然气非凸性约束进行处理，得到基于凸性约束的单层天然气系统的日前调度模型包括：
针对天然气动态气体流量方程的非线性二次分式，引入提升变量代替天然气流体动力学方程中的非凸性项得到凸性的天然气调度模型；
将得到的凸性的天然气调度模型转换为矩阵形式；
根据矩阵秩最小化理论，松弛矩阵形式的天然气调度模型，得到双层规划的天然气调度模型；
利用对偶理论将双层规划的天然气调度模型变为单层规划的天然气调度模型。
7.如权利要求1所述的一种基于多参数规划的电-气系统分布式协同方法，其特征在于，所述基于多参数规划算法，得到电-气耦合系统的协同调度模型的最优解，包括：
天然气系统给定每个燃气机组对应的初值，并将初值传递给电力系统；
电力系统求解对应的子问题，确定局部临界域和最优目标函数，并将其对应的系数传输至天然气系统；
天然气系统在接收到电力系统传递的系数后，天然气系统采用二分搜索法寻找最优解，判断是否满足收敛条件，若满足，将该最优解作为电-气耦合系统的调度策略，否则继续迭代求解直至满足收敛条件。
8.一种基于多参数规划的电-气系统分布式协同系统，其特征在于，包括：
电力系统调度模型构建模块，用于获取电力系统运行数据，构建电力系统调度模型；
天然气系统调度模型构建模块，用于基于天然气系统的气体动态特性，构建天然气系统的日前调度模型，对天然气系统的日前调度模型中的天然气非凸性约束进行处理，得到基于凸性约束的单层天然气系统的日前调度模型；
电-气系统协同调度模块，用于基于电力系统调度模型和凸性约束的单层天然气系统的日前调度模型构建电-气耦合系统的协同调度模型；
考虑电力系统和天然气系统数据的隐私性，基于多参数规划算法，得到电-气耦合系统的协同调度模型的最优解，将该最优解作为电-气耦合系统的调度策略进行能源调度。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的一种基于多参数规划的电-气系统分布式协同方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的一种基于多参数规划的电-气系统分布式协同方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210885693.1A CN115169950B (zh) | 2022-07-26 | 2022-07-26 | 一种基于多参数规划的电-气系统分布式协同方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210885693.1A CN115169950B (zh) | 2022-07-26 | 2022-07-26 | 一种基于多参数规划的电-气系统分布式协同方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115169950A true CN115169950A (zh) | 2022-10-11 |
| CN115169950B CN115169950B (zh) | 2023-03-24 |
Family
ID=83497444
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210885693.1A Active CN115169950B (zh) | 2022-07-26 | 2022-07-26 | 一种基于多参数规划的电-气系统分布式协同方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115169950B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116227755A (zh) * | 2023-05-09 | 2023-06-06 | 华北电力科学研究院有限责任公司 | 多能耦合系统部署方法和装置 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150310366A1 (en) * | 2012-11-09 | 2015-10-29 | Tianjin University | Security region based security-constrained economic dispatching method |
| CN106096777A (zh) * | 2016-06-12 | 2016-11-09 | 清华大学 | 一种电‑气耦合多能流系统的优化调度方法 |
| CN108596453A (zh) * | 2018-04-10 | 2018-09-28 | 山东大学 | 考虑网络动态特性的综合能源系统日前优化调度方法及系统 |
| CN108846507A (zh) * | 2018-05-29 | 2018-11-20 | 西安交通大学 | 基于混合整数二阶锥规划的电-气耦合系统日前经济调度方法 |
| CN110826188A (zh) * | 2019-10-14 | 2020-02-21 | 北京石油化工学院 | 一种基于gpu加速的天然气管网水力参数仿真方法 |
| US20200313433A1 (en) * | 2018-06-06 | 2020-10-01 | Nanjing Institute Of Technology | Data-driven three-stage scheduling method for electricity, heat and gas networks based on wind electricity indeterminacy |
| CN112018756A (zh) * | 2020-08-04 | 2020-12-01 | 四川大学 | 气电联合系统日前鲁棒协调优化调度方法 |
| CN112862158A (zh) * | 2021-01-12 | 2021-05-28 | 山东大学 | 一种综合能源系统日前优化调度方法及系统 |
| CN112883630A (zh) * | 2021-03-31 | 2021-06-01 | 南京工程学院 | 用于风电消纳的多微网系统日前优化经济调度方法 |
| CN113054660A (zh) * | 2021-04-19 | 2021-06-29 | 广东电网有限责任公司电力调度控制中心 | 新能源电力系统优化调度方法、系统、设备及计算机介质 |
| CN113298407A (zh) * | 2021-06-08 | 2021-08-24 | 昆明理工大学 | 一种工业园区电-气综合能源系统优化调度模型建立方法 |
| CN113343531A (zh) * | 2021-06-21 | 2021-09-03 | 华北电力大学 | 一种基于显式差分的电-气综合能源系统动态能流的获取方法 |
| CN114065488A (zh) * | 2021-11-04 | 2022-02-18 | 浙江工业大学 | 计及碳交易的综合能源系统分布式解耦优化方法和系统 |
| CN114077934A (zh) * | 2022-01-19 | 2022-02-22 | 国网湖北省电力有限公司经济技术研究院 | 一种综合能源微网互联系统及其调度方法 |
| CN114301087A (zh) * | 2021-11-08 | 2022-04-08 | 国网浙江省电力有限公司平阳县供电公司 | 一种电-气综合能源系统弹性优化方法及系统 |
| CN114662764A (zh) * | 2022-03-25 | 2022-06-24 | 四川大学 | 考虑电转气的水-电-气多能源系统协同优化调度方法 |
-
2022
- 2022-07-26 CN CN202210885693.1A patent/CN115169950B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150310366A1 (en) * | 2012-11-09 | 2015-10-29 | Tianjin University | Security region based security-constrained economic dispatching method |
| CN106096777A (zh) * | 2016-06-12 | 2016-11-09 | 清华大学 | 一种电‑气耦合多能流系统的优化调度方法 |
| CN108596453A (zh) * | 2018-04-10 | 2018-09-28 | 山东大学 | 考虑网络动态特性的综合能源系统日前优化调度方法及系统 |
| CN108846507A (zh) * | 2018-05-29 | 2018-11-20 | 西安交通大学 | 基于混合整数二阶锥规划的电-气耦合系统日前经济调度方法 |
| US20200313433A1 (en) * | 2018-06-06 | 2020-10-01 | Nanjing Institute Of Technology | Data-driven three-stage scheduling method for electricity, heat and gas networks based on wind electricity indeterminacy |
| CN110826188A (zh) * | 2019-10-14 | 2020-02-21 | 北京石油化工学院 | 一种基于gpu加速的天然气管网水力参数仿真方法 |
| CN112018756A (zh) * | 2020-08-04 | 2020-12-01 | 四川大学 | 气电联合系统日前鲁棒协调优化调度方法 |
| CN112862158A (zh) * | 2021-01-12 | 2021-05-28 | 山东大学 | 一种综合能源系统日前优化调度方法及系统 |
| CN112883630A (zh) * | 2021-03-31 | 2021-06-01 | 南京工程学院 | 用于风电消纳的多微网系统日前优化经济调度方法 |
| CN113054660A (zh) * | 2021-04-19 | 2021-06-29 | 广东电网有限责任公司电力调度控制中心 | 新能源电力系统优化调度方法、系统、设备及计算机介质 |
| CN113298407A (zh) * | 2021-06-08 | 2021-08-24 | 昆明理工大学 | 一种工业园区电-气综合能源系统优化调度模型建立方法 |
| CN113343531A (zh) * | 2021-06-21 | 2021-09-03 | 华北电力大学 | 一种基于显式差分的电-气综合能源系统动态能流的获取方法 |
| CN114065488A (zh) * | 2021-11-04 | 2022-02-18 | 浙江工业大学 | 计及碳交易的综合能源系统分布式解耦优化方法和系统 |
| CN114301087A (zh) * | 2021-11-08 | 2022-04-08 | 国网浙江省电力有限公司平阳县供电公司 | 一种电-气综合能源系统弹性优化方法及系统 |
| CN114077934A (zh) * | 2022-01-19 | 2022-02-22 | 国网湖北省电力有限公司经济技术研究院 | 一种综合能源微网互联系统及其调度方法 |
| CN114662764A (zh) * | 2022-03-25 | 2022-06-24 | 四川大学 | 考虑电转气的水-电-气多能源系统协同优化调度方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘新宇: "面向提高可再生能源接纳能力的电力优化模型与方法研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
| 李丰: "考虑大规模风电接入系统的发电优化调度模型及方法研究", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116227755A (zh) * | 2023-05-09 | 2023-06-06 | 华北电力科学研究院有限责任公司 | 多能耦合系统部署方法和装置 |
| CN116227755B (zh) * | 2023-05-09 | 2023-08-08 | 华北电力科学研究院有限责任公司 | 多能耦合系统部署方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115169950B (zh) | 2023-03-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Adaptive robust day-ahead dispatch for urban energy systems | |
| CN110571789B (zh) | 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 | |
| Zhou et al. | Distributionally robust co-optimization of energy and reserve for combined distribution networks of power and district heating | |
| Li et al. | Planning regional energy system in association with greenhouse gas mitigation under uncertainty | |
| CN112701687B (zh) | 考虑价格型联合需求响应的气电配网系统鲁棒优化运行方法 | |
| CN111416349B (zh) | 一种电气互联综合能源系统的协同规划方法 | |
| Ang et al. | Multi-objective optimization of hybrid renewable energy systems with urban building energy modeling for a prototypical coastal community | |
| CN104283236A (zh) | 一种风光储能并网发电智能优化调度方法 | |
| Dai et al. | Active and passive thermal energy storage in combined heat and power plants to promote wind power accommodation | |
| 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 | |
| CN115169950B (zh) | 一种基于多参数规划的电-气系统分布式协同方法及系统 | |
| Chen et al. | Operation optimization of combined cooling, heating, and power superstructure system for satisfying demand fluctuation | |
| CN116341881A (zh) | 计及热网灵活性的电-热系统鲁棒超前调度方法及系统 | |
| CN112713615B (zh) | 电—气综合能源系统快速协调调度方法及系统 | |
| Yang | Multi‐objective optimization of integrated gas–electricity energy system based on improved multi‐object cuckoo algorithm | |
| CN116207796B (zh) | 计及可变流量调节的电-热综合能源系统调度方法及系统 | |
| Song et al. | Enhancing envrionmental sustainability via interval optimization for low-carbon economic dispatch in renewable energy power systems: Leveraging the flexible cooperation of wind energy and carbon capture power plants | |
| Zhang et al. | A double-deck deep reinforcement learning-based energy dispatch strategy for an integrated electricity and district heating system embedded with thermal inertial and operational flexibility | |
| Wang et al. | Digital twin based multi-objective energy management strategy for energy internet | |
| WO2024103450A1 (zh) | 多能系统的调度方法、计算机设备和计算机可读存储介质 | |
| Sun et al. | Interval mixed-integer programming for daily unit commitment and dispatch incorporating wind power | |
| Zhang et al. | A forecasting method of district heat load based on improved wavelet neural network | |
| CN108321792B (zh) | 计及风电的电力系统动态经济调度多场景协同优化算法 | |
| CN115841006A (zh) | 一种基于气网划分的iegs分布式低碳优化控制方法 | |
| Wu et al. | Neural Network Based Fea sible Region Approximation Model for Optimal Operation of Integrated Electricity and Heating System |
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 |