CN115545541A - 多区域综合能源系统调度方法、设备和存储介质 - Google Patents
多区域综合能源系统调度方法、设备和存储介质 Download PDFInfo
- Publication number
- CN115545541A CN115545541A CN202211334941.XA CN202211334941A CN115545541A CN 115545541 A CN115545541 A CN 115545541A CN 202211334941 A CN202211334941 A CN 202211334941A CN 115545541 A CN115545541 A CN 115545541A
- Authority
- CN
- China
- Prior art keywords
- regulation
- energy
- constraint
- control model
- decision variable
- 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
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000003860 storage Methods 0.000 title claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 11
- 238000005457 optimization Methods 0.000 claims description 71
- 238000004146 energy storage Methods 0.000 claims description 26
- 238000009826 distribution Methods 0.000 claims description 21
- 239000000446 fuel Substances 0.000 claims description 21
- 230000001105 regulatory effect Effects 0.000 claims description 16
- 238000012423 maintenance Methods 0.000 claims description 14
- 230000009194 climbing Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 abstract description 13
- 230000036961 partial effect Effects 0.000 abstract description 9
- 238000013468 resource allocation Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 15
- 230000005611 electricity Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 13
- 239000007789 gas Substances 0.000 description 10
- 150000001875 compounds Chemical class 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 5
- 230000000295 complement effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000007599 discharging Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- JCYWCSGERIELPG-UHFFFAOYSA-N imes Chemical compound CC1=CC(C)=CC(C)=C1N1C=CN(C=2C(=CC(C)=CC=2C)C)[C]1 JCYWCSGERIELPG-UHFFFAOYSA-N 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 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
- G06Q10/06313—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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Biodiversity & Conservation Biology (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (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
本申请实施例公开了一种多区域综合能源系统调度方法、计算机设备和计算机可读存储介质。其中,多区域综合能源系统调度方法通能够依次建立跨区与区域间综合能源系统进行协同调控的第一调控模型和区域与园区间综合能源系统进行协同调控的第二调控模型,以最终建立“跨区‑区域‑园区”三层级间综合能源系统进行协同调控的第三调控模型。通过预设算法对第三调控模型求解,使得最终获取得到满足多方利益诉求的决策信息。该决策信息使得资源能够在多层级、多主体之间通过有限的信息交互,实现在保护部分隐私的同时,满足多样利益诉求的资源调配决策。
Description
技术领域
本申请属于能源自动化技术领域,特别是涉及一种多区域综合能源系统调度方法、计算机设备和计算机可读存储介质。
背景技术
当前,我国能源转型面临着需求放缓、传统产能过剩、环境问题突出、整体效率较低等问题。在历经新能源电力系统、智能电网、“互联网+”智慧能源 (能源互联网)等新理念、新业态发展之后,以电、气、热等多能网络耦合为重要特征的综合能源系统概念应运而生。综合能源系统涵盖电、气、冷、热等多种能源形式,在源-网-荷侧通过异质能流协同互济以满足用户清洁、高效的用能需求,是提升园区、区域乃至跨区域能源系统可靠性、经济性的有力手段,对于提升全社会的综合能效具有重要作用。
然而,由于园区、区域等等多主体运营商通常相对独立,协同调控过程中往往伴随着多种利益诉求,且随着分布式能源、可调节负荷以及能源产销商等新兴主体加入,传统集中式调控体系无法充分发挥多区域、区域间的互补协调能力。如何在针对多区域综合能源系统内多利益主体、多运行目标的特征下,解决各层级、各区域系统能源调度是本领域技术人员亟待解决的技术问题。
前面的叙述在于提供一般的背景信息,并不一定构成现有技术。
发明内容
基于此,有必要针对上述问题,提出了一种多区域综合能源系统调度方法、计算机设备和计算机可读存储介质,能够有效地对“跨区-区域-园区”三层级资源调控模型输出满足多样利益诉求的资源调配决策。
本申请解决其技术问题是采用以下的技术方案来实现的:
本申请提供了一种多区域综合能源系统调度方法,包括如下步骤:获取第一能源信息,根据第一能源信息建立第一调控模型,第一能源信息是跨区与区域间可调控的资源信息,第一调控模型是跨区与区域间综合能源系统进行协同调控的模型;获取第二能源信息,根据第一能源信息和第二能源信息建立第二调控模型,第二能源信息是区域与园区间可调控的资源信息,第二调控模型是区域与园区间综合能源系统进行协同调控的模型;根据第一调控模型和第二调控模型建立第三调控模型,第三调控模型是“跨区-区域-园区”三层级间综合能源系统进行协同调控的模型;通过预设算法求解第三调控模型以获取得到调控决策。
在本申请一可选实施例中,第一调控模型包括第一上层调控模型和第一下层调控模型;获取第一能源信息,根据第一能源信息建立第一调控模型,包括:根据第一能源信息获取调度匹配量和第一上层约束,根据调度匹配量和第一上层约束建立第一上层调控模型;根据第一能源信息获取第一运行成本、能源供应匹配度和第一下层约束,根据第一运行成本、能源供应匹配度、第一下层约束和调度匹配量建立第一下层调控模型;根据第一上层调控模型和第一下层调控模型建立第一调控模型。
在本申请一可选实施例中,根据第一能源信息获取调度匹配量和第一上层约束,根据调度匹配量和第一上层约束建立第一上层调控模型,包括:获取第一能源信息中的跨区资源出力和区域资源上传出力,根据跨区资源出力和区域资源上传出力确定调度匹配量;根据第一能源信息获取包括第一资源容量约束、资源功率约束、第一爬坡能力约束、分配系数约束的第一上层约束;设置惩罚因子,根据调度匹配量、惩罚因子和第一上层约束建立第一上层调控模型。
在本申请一可选实施例中,根据第一能源信息获取第一运行成本、能源供应匹配度和第一下层约束,根据第一运行成本、能源供应匹配度、第一下层约束和调度匹配量建立第一下层调控模型,包括:根据第一能源信息获取包括系统燃料成本、设备运维成本、弃风弃光惩罚成本、从外部电网购买电能成本的第一运行成本;获取预计向园区供应有功功率和运营商上传能源需求量,根据预计向园区供应有功功率和运营商上传能源需求量确定能源供应匹配度;根据第一能源信息获取包括配电网约束、光伏运行约束、柴油运行约束和蓄电储能约束的第一下层约束;根据第一运行成本、能源供应匹配度、第一下层约束和调度匹配量建立第一下层调控模型。
在本申请一可选实施例中,第二调控模型包括第二上层调控模型和第二下层调控模型;获取第二能源信息,根据第一能源信息和第二能源信息建立第二调控模型,包括:根据第二能源信息获取第二上层约束,将第二上层约束添加进第一下层调控模型中,以建立第二上层调控模型;根据第二能源信息获取第二运行成本和第二下层约束,根据第二运行成本、第二下层约束和能源供应匹配度建立第二下层调控模型;根据第二上层调控模型和第二下层调控模型建立第二调控模型。
在本申请一可选实施例中,根据第二能源信息获取第二运行成本和第二下层约束,根据第二运行成本、第二下层约束和能源供应匹配度建立第二下层调控模型,包括:根据第二能源信息获取包括系统燃料成本、设备运维成本、弃风弃光惩罚成本、从外部电网购买电能成本和柔性热负荷补偿成本的第二运行成本;根据第二能源信息获取包括交互功率约束、第二资源容量约束、第二爬坡能力约束和蓄电储能约束的第二下层约束;设置惩罚因子,根据惩罚因子、第二运行成本、第二下层约束和能源供应匹配度建立第二下层调控模型。
在本申请一可选实施例中,通过预设算法求解第三调控模型以获取得到调控决策,包括:根据第三调控模型获取第一优化问题、第二优化问题和第三优化问题;其中,第一优化问题为资源在区域间的调度方案策略问题,第二优化问题为区域内的资源出力向园区供应的调度方案策略问题,第三优化问题为园区内的资源出力的调度方案策略问题;利用交替乘子法依次对第一优化问题、第二优化问题和第三优化问题进行求解得到决策变量,迭代调参直至输出的决策变量满足输出条件;根据决策变量生成调控决策并输出。
在本申请一可选实施例中,决策变量包括第一决策变量、第二决策变量和第三决策变量;其中,第一决策变量为资源在区域间的调度方案的决策变量,第二决策变量为区域内资源出力调度的决策变量,第三决策变量为园区内的资源调度的决策变量;第三调控模型包括惩罚因子;利用交替乘子法依次对第一优化问题、第二优化问题和第三优化问题进行求解得到决策变量,迭代调参直至输出的决策变量满足输出条件,包括:获取迭代k次的第一决策变量、第二决策变量以及对应的第一优化问题,利用交替乘子法求解第一优化问题得到迭代k+1次的第一决策变量;获取迭代k次的第三决策变量以及对应的第二优化问题,利用交替乘子法求解第二优化问题得到迭代k+1次的第二决策变量;获取迭代k+1次的第二决策变量对应的第三优化问题,用交替乘子法求解第三优化问题得到迭代k+1 次的第三决策变量;判断迭代k+1次的第一决策变量、第二决策变量和第三决策变量是否满足预设的收敛精度;若满足收敛精度,则确定迭代k+1次的第一决策变量、第二决策变量和第三决策变量为决策变量;若不满足收敛精度,则更新第三调控模型中的惩罚因子,以再次对第一决策变量、第二决策变量和第三决策变量进行迭代。
本申请还提供了一种计算机设备,包括处理器和存储器:处理器用于执行存储器中存储的计算机程序以实现如前述的方法。
本申请还提供了一种计算机可读存储介质,存储有计算机程序,当计算机程序被处理器执行时实现如前述的方法。
采用本申请实施例,具有如下有益效果:
本申请能够从多区域综合能源系统中分别获取跨区与区域间可调控的第一能源信息和区域与园区间可调控的第二能源信息,并分别对应建立用于调控相对层级内对可移动灵活资源进行调配的第一调控模型及第二调控模型,并最终得到“跨区-区域-园区”三层级间综合能源系统进行协同调控的第三调控模型。在各层级见通过有限的信息交互,完成第三调控模型的建立,实现保护部分隐私的效果。同时利用预设算法求解第三调控模型,最终得到针对各灵活可以移动资源进行调控的调控决策,而该调控决策能够满足多方利益诉求。(1)各主体系统之间仅需交换有限信息即可实现协调优化;(2)在多层、多主体交互过程中,不同类型的利益诉求(如经济性、安全性、互补能力等)均可不同程度的得到满足;(3)能够保护部分隐私信息,包括部分量测数据、费用函数和约束等。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明。应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
其中:
图1为一实施例提供的一种多区域综合能源系统调度方法的流程示意图;
图2为一实施例提供的一个跨区域综合能源系统节点结构示意图;
图3为一实施例提供的一种计算机设备的结构示意框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。
综合能源系统涵盖电、气、冷、热等多种能源形式,是提升园区、区域乃至跨区域(后为了避免跨区域与区域的描述混淆,后文将跨区域都简称为跨区)能源系统可靠性、经济性的有力手段。但是对能源调控过程中,如何满足多主体、多层级之间的多种利益诉求是本领域技术人员值得考虑的问题。现有技术的传统集中式调控体系无法充分发挥多区域、区域间的互补协调能力、难以满足综合能源系统中多元主体信息披露与隐私保护需求。基于此,提出了本申请所提供的一种多区域综合能源系统调度方法,以涵盖跨“跨区级-区域级-园区级”三层级系统中,多主体不同利益诉求的能源调度,从而指导多区域综合能源系统经济、高效运行。为了清楚描述本实施例提供的多区域综合能源系统调度方法,请参考图1、图2及步骤S110~步骤S140。
步骤S110:获取第一能源信息,根据第一能源信息建立第一调控模型,第一能源信息是跨区与区域间可调控的资源信息,第一调控模型是跨区与区域间综合能源系统进行协同调控的模型。
在一实施方式中,第一调控模型包括第一上层调控模型和第一下层调控模型;步骤S110:获取第一能源信息,根据第一能源信息建立第一调控模型,包括:根据第一能源信息获取调度匹配量和第一上层约束,根据调度匹配量和第一上层约束建立第一上层调控模型;根据第一能源信息获取第一运行成本、能源供应匹配度和第一下层约束,根据第一运行成本、能源供应匹配度、第一下层约束和调度匹配量建立第一下层调控模型;根据第一上层调控模型和第一下层调控模型建立第一调控模型。
在一实施方式中,在执行步骤之前需要明确多区域综合能源系统在跨区-区域的交互方式。针对多区域综合能源系统,其可调度资源包含各区域内部的灵活性资源以及区域间可移动、可交换的灵活性资源。其协调结构应以跨区多能系统整体运行成本最小化为目标函数,在保证灵活资源跨区调度最优性的同时,兼顾区域级多能系统自身运行经济性。因此,在跨区-区域级系统的交互过程中,可以将第一调控模型分为第一上层调控模型和第一下层调控模型。其中,第一上层调控模型以灵活资源跨区调度计划匹配度为优化目标,在区域级多能系统灵活资源预计出力的基础上,考虑灵活资源跨区调度约束,在满足灵活资源调度计划可行的前提下,对灵活资源跨区调度方案与区域上传预计出力的匹配程度进行优化控制,决定灵活资源在各区域间的调度方案并传递给下层区域问题;第一下层调控模型以区域多能系统运行经济性、灵活资源调度计划匹配度、园区能源供应匹配度为优化目标,根据区域内各园区多能系统的用能需求,考虑区域内设备及传输线功率约束,在满足系统运行在安全域的前提下,对区域内各机组的调度计划和向各园区的功能计划进行优化控制,并将计算得出的灵活资源预计出力再回传给上层模型。
在一实施方式中,据第一能源信息获取调度匹配量和第一上层约束,根据调度匹配量和第一上层约束建立第一上层调控模型,包括:获取第一能源信息中的跨区资源出力和区域资源上传出力,根据跨区资源出力和区域资源上传出力确定调度匹配量;根据第一能源信息获取包括第一资源容量约束、资源功率约束、第一爬坡能力约束、分配系数约束的第一上层约束;设置惩罚因子,根据调度匹配量、惩罚因子和第一上层约束建立第一上层调控模型。
在一实施方式中,第一上层调控模型主要是以灵活资源跨区调度计划匹配度为优化目标的,因此主要是通过调度匹配量FRmatch完成建模。而调度匹配量 FRmatch的获取,主要是通过第一能源信息中的跨区资源出力和区域资源上传出力计算确定,具体计算过程将会在后文中详述。在本申请中,针对于多区域综合能源系统中的理念干活资源可以以可移动能源站为例进行说明,其中可移动能源站可以包括但不限于有小型柴油发电机、光伏电源、蓄电储能,对可移动能源站可以通过能量枢纽进行表征。首先,不考虑储能因素和移动因素时,定义输入能量矩阵为I(2×1),输出能量矩阵为O(1×1),耦合系数矩阵为C(1×2),则有:
式中,PIPV为可移动能源站中光伏电源发出的有功功率,为时段t内可移动能源站中柴油发电机消耗的柴油的质量;PIMES为可移动能源站输出的有功功率大小;C11为光伏发电PIPV转化为电能输出PIMES的耦合系数,C12为柴油消耗量转化为电能输出的PIMES耦合系数。其中对于柴油质量及其发出的无功功率可表示为:
式中,为柴油发电机每发出1kWh电的柴油消耗量,PIDG和QIDG是移动能源站里柴油发电机发出的有功功率和无功功率,ΔTseg为单位时间,为柴油发电机的功率因数。接着,将电能存储装置纳入考虑,修改方程得到:
其中,和为电能存储装置在t-1和t时段结束时的能量存储量;η(2×3)为能量转化相关的系数矩阵;D(2×3)为输入能量分配系数矩阵。新增的耦合系数为光伏输入、柴油机输入、电能输出和电能存储设备间的分配与转化系数。其中,能量分配系数矩阵D(2×3)应该满足一个能量输入源的分配系数之和为1的约束,同时,也应保证各分配系数均不小于0,即第一上层约束中的分配系数约束,可以表示为:
此外,对于第一上层约束中的第一资源容量约束、资源功率约束、第一爬坡能力约束则可以通过引入0-1变量描述能源站的时空分布,因通过考虑选址能力分别表示第一资源容量约束(式8~式10,分别代表单个移动能源站中光伏电源IPV、储能IEES、柴油发电机IDG各自的总装机容量约束)、资源功率约束、第一爬坡能力约束:
其中,0-1变量表示区域i在时段t内没有移动能源站;若则表示区域i在时段t内有移动能源站。SIPV_rated、EIEES_rated、PIDG_rated为单个移动能源站中光伏电源、储能、柴油发电机各自的总装机容量; 为移动能源站中电力存储装置的总额定充电功率和电力存储装置的总额定放电功率;PIDG_min、PIDG_max分别表示柴油发电机总最小有功功率和总最大爬坡速率。进一步地,可移动能源站的时空分布还需满足相应的选位约束和移动次数约束:
式13表示为选位约束也即是说任意时刻一台移动能源站只能在一个区域存在,其中ΩT表示所有时间段的集合。是式14为移动次数约束,表示每个移动能源站每天只能停留在一个位置,当调度周期大于1天时,ΩTday表示每一天的时间段的集合。进一步地,即可求解确定调度匹配量FRmatch。可以理解的是,由于灵活资源跨区域调度时仅考虑可移动能源站在区域间的调遣,故对灵活资源跨区域调度方案匹配度的计算只需考虑可移动能源站在各区域间的出力与下层区域级系统上传的预计出力的偏差量即可。也即是说通过跨区资源出力和区域资源上传出力确定灵活资源跨区域调度匹配量:
式中,分别表示区域i中可移动能源站的光伏、储能、柴油发电机出力,也即是跨区资源出力;因此,则属于区域资源上传出力,分别为下层区域级系统所上传的各区域i中一体化可移动能源站的光伏、储能、柴油发电机出力。最终通过设置惩罚因子ρ,结合调度匹配量FRmatch、第一上层约束即可完成第一上层调控模型的建立,可表示为:
此处的g(x)和h(x)分别指代在以上步骤中所例举的等式约束和不等式约束,也即第一上层约束。
在一实施方式中,根据第一能源信息获取第一运行成本、能源供应匹配度和第一下层约束,根据第一运行成本、能源供应匹配度、第一下层约束和调度匹配量建立第一下层调控模型,包括:根据第一能源信息获取包括系统燃料成本、设备运维成本、弃风弃光惩罚成本、从外部电网购买电能成本的第一运行成本;获取预计向园区供应有功功率和运营商上传能源需求量,根据预计向园区供应有功功率和运营商上传能源需求量确定能源供应匹配度;根据第一能源信息获取包括配电网约束、光伏运行约束、柴油运行约束和蓄电储能约束的第一下层约束;根据第一运行成本、能源供应匹配度、第一下层约束和调度匹配量建立第一下层调控模型。
在一实施方式中,第一下层调控模型以区域多能系统运行经济性、灵活资源调度计划匹配度、园区能源供应匹配度为优化目标,因此第一运行成本能源供应匹配度PIEST,match和调度匹配量FRmatch是建立第一下层调控模型的重要组成。其中第一运行成本包括系统燃料成本设备运维成本弃风弃光惩罚成本从外部电网购买电能的购电成本等,计算公式可以参考:
对于背压式热电联产机组与燃气发电机组的燃料成本,通常使用二次函数对机组的燃料耗量进行拟合,可分别表示为:
式中,表示第i台热电联产机组的燃料函数,表示第j台发电机组的燃料函数,ai、bi、ci、di、ei和fi分别为第i台热电联产机组燃料函数的成本系数;αj、βj、γj为第j台发电机组燃料函数的成本系数。于是,系统燃料成本可表示为:
式中,为节点电价,为区域和主网连接节点的交互功率。综上,在下层优化模型中,区域级多能系统汇集辖内园区系统的运行信息,需综合考虑区域内运行特性,以最小化区域运行成本灵活资源跨区域调度匹配量FRmatch和园区能源供应匹配度PIEST,match为目标函数,对区域内机组制定调度方案。对于最小化区域运行成本灵活资源跨区域调度匹配量FRmatch已经在前文中解释了如何获取,而对于能源供应匹配度PIEST,match同样需要从第一能源信息获取,计算过程可参考:
式中,为区域级系统预计向园区i供应的有功功率,为园区i的运营商向区域级系统上传的能源需求量。之后,则可通过设置通过设置惩罚因子ρ,结合以最小化区域第一运行成本灵活资源跨区域调度匹配量FRmatch和园区能源供应匹配度PIEST,match建立目标函数:
同样的,建立第一下层调控模型,同样需要考虑区域级系统内的运行约束,也即根据第一能源信息获取包括配电网约束、光伏运行约束、柴油运行约束和蓄电储能约束的第一下层约束。对于区域级系统内的配电网络,采用Distflow潮流方程建模,可表示为:
式中,NU(j)和NL(j)分别表示电网内与节点j直接相连的上游和下游节点集合,Ωnode和Ωline分别表示配电网内的节点和管道集合,Rij表示支路ij的线路总电阻;Xij表示支路ij的线路总电抗;Ui和Uj表示配电网模型节点i和j处的电压幅值大小;为流入支路ij的有功功率;为流入支路ij的无功功率;Pj表示节点j处的净注入有功功率;Qj表示节点j处的净注入无功功率。基于此,可以得到配电网约束中的电压幅值约束(式29)和支路电流约束(式30):
式中,Umin和Umax分别为节点电压幅值的下限和上限,Iij表示节点i和节点 j之间传输的电流,Imax表示支路电流上限。区域内光伏运行约束的光伏电池功率约束可表示为:
式中,PPV_s是太阳辐照度s对应的光伏电源有功功率输出;是该光伏电源的额定有功功率输出;srated是该光伏电源的额定太阳辐照度,超过这一数值后光伏电源有功出力维持额定值不变。进一步地,柴油运行约束可以表示为:
其中,式32表示柴油发电机的容量约束,式33表示柴油发电机的爬坡约束。上式中,PDG_min和PDG_max表示柴油发电机的输出有功功率下限和上限;ΔPDG_max为柴油发电机的爬坡率,和分别表示t时刻和t+1时刻的柴油发电机输出功率。对于蓄电储能约束所涵盖的内容较多,其中可以通过式34和式35表示蓄电储能设备的存储电量约束
SOCmin≤SOCt≤SOCmax
(34)
SOCmin和SOCmax分别表示最小和最大荷电状态,SOCt表示t时刻的荷电状态;为t时刻的储电量,EEES_rated表示蓄电池的额定容量。式36为蓄电储能设备输入输出功率与存储电能量的等式关系约束:
其中,其中和分别为蓄电设备的充电效率系数和放电效率系;和分别为t时段蓄电储能设备与配电网间的充电功率和放电功率;σE表示蓄电储能设备的自放电率;tlast表示日内最后的时段。式37为同一类型典型日内首末时段蓄电储能设备的储能约束,可表示为:
同时引入表征充放电状态的0-1变量由式38至时40描述充放电功率极限约束和单一设备不能同时充放电的逻辑约束:
其中和分别为蓄电储能设备的最大充电功率和最大放电功率和为表征充电状态和放电状态的0-1变量。综上,基于以上所述的第一运行成本能源供应匹配度PIEST,match和调度匹配量 FRmatch以及对应的第一下层约束建立第一下层调控模型,可表示为:
此处的g(x)和h(x)分别指代在以上步骤中所例举的等式约束和不等式约束,也即第一下层约束。之后的,结合第一上层调控模型和第一下层调控模型即可完成第一调控模型的建立。并且可以理解的是,对于以上的计算过程,其中未有单独提及的参数,都是包含在第一能源信息中的,可以通过第一能源信息进行获取,以完成以上的计算,实现第一调控模型的建立。
步骤S120:获取第二能源信息,根据第一能源信息和第二能源信息建立第二调控模型,第二能源信息是区域与园区间可调控的资源信息,第二调控模型是区域与园区间综合能源系统进行协同调控的模型。
在一实施方式中,第二调控模型包括第二上层调控模型和第二下层调控模型;步骤S120:获取第二能源信息,根据第一能源信息和第二能源信息建立第二调控模型,包括:根据第二能源信息获取第二上层约束,将第二上层约束添加进第一下层调控模型中,以建立第二上层调控模型;根据第二能源信息获取第二运行成本和第二下层约束,根据第二运行成本、第二下层约束和能源供应匹配度建立第二下层调控模型;根据第二上层调控模型和第二下层调控模型建立第二调控模型。
在一实施方式中,在建立第二调控模型前,同样需要说明明确第二调控模型所针对的区域级-园区级系统的交互机制。在区域级-园区级系统的交互过程中,第二上层调控模型优化为区域级多能系统运行模型,区域级多能系统汇集辖内园区系统的运行信息,以最小化区域运行成本、灵活资源跨区域调度匹配度、园区能源供应匹配度为目标函数,对区域内机组制定调度方案;第二下层调控模型以最小化运行成本以及园区能源供应匹配度为目标。基于前文所明确的第二调控模型所针对的区域级-园区级系统的交互机制的示意可知,第二上层调控模型与第一调控模型中第一下层调控模型基本一致,仅需额外补充一组多个区域级系统功率交互约束,如式42所示:
式42中第一个等式为区域间功率平衡约束,第二个不等式为交互功率限制约束,其中为t时刻第i个园区多能系统提交的电能交易功率。进一步地,由于第二上层调控模型相对于第一下层调控模型只是多一个约束,因此实际模型的表达式是相同的,具体的第二上层调控模型数学表达可以参考式41,且前文中有对式41中各参数的计算过程有详细描述,在此便不做赘述。
在一实施方式中,根据第二能源信息获取第二运行成本和第二下层约束,根据第二运行成本、第二下层约束和能源供应匹配度建立第二下层调控模型,包括:根据第二能源信息获取包括系统燃料成本、设备运维成本、弃风弃光惩罚成本、从外部电网购买电能成本和柔性热负荷补偿成本的第二运行成本;根据第二能源信息获取包括交互功率约束、第二资源容量约束、第二爬坡能力约束和蓄电储能约束的第二下层约束;设置惩罚因子,根据惩罚因子、第二运行成本、第二下层约束和能源供应匹配度建立第二下层调控模型。
在一实施方式中,第二运行成本相对于前文所列举的系统燃料成本设备运维成本弃风弃光惩罚成本从外部电网购买电能的购电成本之外,还额外增加了柔性热负荷补偿成本其中对于第二运行成本针对于园区i所产生的系统燃料成本设备运维成本弃风弃光惩罚成本从外部电网购买电能的购电成本与前文中第一运行成本的系统燃料成本设备运维成本弃风弃光惩罚成本从外部电网购买电能的购电成本本质是一样的。因此对于以上这些成本的计算方式可以参考式18~式23所公开的计算方式进行计算求解。而针对于第二运行成本中所新增的柔性热负荷补偿成本计算过程可如下所示:
同时可以理解的是,区域级-园区级系统协同调度过程中,需综合考虑系统内的设备、网络运行约束。其中可以理解的是,跨区-区域级系统和区域-园区级系统在系统的设备、网络运行约束上是存在相同的,例如第二下层功率中的配电网络的潮流约束和园区内的蓄电池能、光伏电池约束与前文中第一下层约束是相同的,其中对于配电网络的潮流约束可以参考前文式26~式30的描述,对于园区内的蓄电池能、光伏电池约束如分别如式34至式40和式31所示。进一步的,对于园区系统与电网的交互功率约束可以式46:
式中xgrid为0-1变量,保证园区无法在同一时间向电网购电或售电。和为园区i向电网购电和售电的功率;为园区和电网间最大交互功率。园区内的热电联产机组和燃气轮机等设备需满足容量约束和爬坡率约束,分别如下所示:
上式中,Pgen(t)和PCHP(t)分别为t时刻燃气轮机gen和联产机组CHP输出电功率;和分别为燃气轮机的最小和最大输出功率;和分别为联产机组的最小和最大输出功率;Rgen和RCHP分别为联产机组和燃气轮机的最大爬坡率。之后的,结合第二上层调控模型和第二下层调控模型即可完成第二调控模型的建立。并且可以理解的是,对于以上的计算过程,其中未有单独提及的参数,都是包含在第二能源信息中的,可以通过第二能源信息进行获取,以完成以上的计算,实现第二调控模型的建立。值得注意的是,无论对于是第一能源信息或第二能源信息,都仅是综合能源系统中的部分信息。在较佳的实施方式中,第一能源信息或第二能源信息都有且仅包含前文各计算过程所需要的信息,也即是不需要完全获取综合能源系统的全部信息,从而避免了多元主体信息中包括部分量测数据、费用函数和约束等信息的过多披露,从而能够保护部分隐私信息,满足多元主体隐私保护的需求。
步骤S130:根据第一调控模型和第二调控模型建立第三调控模型,第三调控模型是“跨区-区域-园区”三层级间综合能源系统进行协同调控的模型。
步骤S140:通过预设算法求解第三调控模型以获取得到调控决策。
在一实施方式中,步骤S140:通过预设算法求解第三调控模型以获取得到调控决策,包括:根据第三调控模型获取第一优化问题、第二优化问题和第三优化问题;其中,第一优化问题为资源在区域间的调度方案策略问题,第二优化问题为区域内的资源出力向园区供应的调度方案策略问题,第三优化问题为园区内的资源出力的调度方案策略问题;利用交替乘子法依次对第一优化问题、第二优化问题和第三优化问题进行求解得到决策变量,迭代调参直至输出的决策变量满足输出条件;根据决策变量生成调控决策并输出。
在一实施方式中,决策变量包括第一决策变量、第二决策变量和第三决策变量;其中,第一决策变量为资源在区域间的调度方案的决策变量,第二决策变量为区域内资源出力调度的决策变量,第三决策变量为园区内的资源调度的决策变量;第三调控模型包括惩罚因子;利用交替乘子法依次对第一优化问题、第二优化问题和第三优化问题进行求解得到决策变量,迭代调参直至输出的决策变量满足输出条件,包括:获取迭代k次的第一决策变量、第二决策变量以及对应的第一优化问题,利用交替乘子法求解第一优化问题得到迭代k+1次的第一决策变量;获取迭代k次的第三决策变量以及对应的第二优化问题,利用交替乘子法求解第二优化问题得到迭代k+1次的第二决策变量;获取迭代k+1次的第二决策变量对应的第三优化问题,用交替乘子法求解第三优化问题得到迭代k+1次的第三决策变量;判断迭代k+1次的第一决策变量、第二决策变量和第三决策变量是否满足预设的收敛精度;若满足收敛精度,则确定迭代k+1次的第一决策变量、第二决策变量和第三决策变量为决策变量;若不满足收敛精度,则更新第三调控模型中的惩罚因子,以再次对第一决策变量、第二决策变量和第三决策变量进行迭代。
在一实施方式中,联立第一调控模型和第二调控模型即可完成针对于跨区- 区域-园区级三层系统协同调控的第三调控模型的建立。建立第三调控模型后,即是如何求解确定调控策略,可以将第三掉模型拆分为三层优化问题,分别对应第一优化问题、第二优化问题和第三优化问题。其中,第一优化问题也即是灵活资源跨区域调度问题:该问题考虑在有限调度频率和容量的限制条件下,可移动能源站在区域间的调度方案策略问题;第二优化问题则针对于区域多能系统运行调度问题:该问题以区域运行经济性最优为目标,对区域内的机组出力和向各园区的能源供应安排进行优化求解。最后第三优化问题用以解决园区多能系统能量管理问题:该问题以园区运行经济性为目标,对园区内的机组出力计划进行优化求解。对此,在本申请较佳实施方式中,预设算法可以采取交替乘子法,对第三调控模型仅需求解。首先对第一优化问题求解,具体可以为由第k次迭代得到的结果对进行更新,即:
式中,xflexible指所有可跨区域调度的灵活资源相关的决策变量,也即是第一决策变量,xarea指所有由区域级系统上传的区域机组调度计划相关决策变量,也即是第二决策变量;上标k指迭代次数,g1和h1分别表示当前问题所有的等式和不等式约束。进一步,对于区域级系统对区域内多能系统优化运行的第二优化问题进行求解。由第k次迭代得到的结果以及第k+1次迭代得到的结果对进行更新,即:
式中,xpark指园区内机组调度计划相关决策变量,也即第三决策变量。g2和h2分别表示当前问题所有的等式和不等式约束。接着,对园区多能系统优化运行的第三优化问题进行求解。由第k+1次迭代得到的结果对进行更新,即:
式中,g3和h3表示当前问题所有的等式和不等式约束。经过一轮计算后,判断迭代k+1次的第一决策变量xflexible、第二决策变量xarea和第三决策变量xpark是否满足预设的收敛精度;若满足收敛精度,则确定迭代k+1次的第一决策变量 xflexible、第二决策变量xarea和第三决策变量xpark为决策变量;若不满足收敛精度,则按照预设的方式更新调整第三调控模型中的惩罚因子ρ,以再次对第一决策变量xflexible、第二决策变量xarea和第三决策变量xpark进行迭代,直至满足要求。对于满足收敛进度所得到的决策变量,即可整合为生成调控决策并输出。为便于理解,本申请提出了图2所示的一跨区域综合能源系统做实例进行说明。对于该系统中各结构部件,及所处节点位置已经在图中标出,通过获取该系统部分公开的第一能源信息和第二能源信息最终建立对应的第三调控模型,采用交替乘子法进行按照前文所述的流程进行求解。分别对比考虑区域间灵活资源和不计区域间灵活资源的运行成本,计算结果如表1所示。其中可见,相对于没有考虑区域间灵活资源的调度方式,采用本申请所提供的方法最终的调度总成本有显著降低。
考虑区域间灵活性资源 | 是 | 否 |
燃料成本 | 42479.23 | 41703.63 |
运维成本 | 18.63 | —— |
弃风弃光惩罚 | 0.00 | 2661.26 |
购电成本 | 994.14 | 12068.70 |
需求响应成本 | 2526.00 | —— |
调度总成本 | 46018.01 | 56433.58 |
表1不同环境下系统运行成本表(元)
因此,本申请能够从多区域综合能源系统中分别获取跨区与区域间可调控的第一能源信息和区域与园区间可调控的第二能源信息,并分别对应建立用于调控相对层级内对可移动灵活资源进行调配的第一调控模型及第二调控模型,并最终得到“跨区-区域-园区”三层级间综合能源系统进行协同调控的第三调控模型。在各层级见通过有限的信息交互,完成第三调控模型的建立,实现保护部分隐私的效果。同时利用预设算法求解第三调控模型,最终得到针对各灵活可以移动资源进行调控的调控决策,而该调控决策能够满足多方利益诉求。(1)各主体系统之间仅需交换有限信息即可实现协调优化;(2)在多层、多主体交互过程中,不同类型的利益诉求(如经济性、安全性、互补能力等)均可不同程度的得到满足; (3)能够保护部分隐私信息,包括部分量测数据、费用函数和约束等。进一步地,本申请提供的方法分析了多区域综合能源系统多区域、多层级的特性,综合考虑了区域内可移动的灵活性资源特征,对多区域综合能源系统互联、协同调控和联合运行提供理论指导。
在一个实施例中,提出了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行以下步骤:步骤S110:获取第一能源信息,根据第一能源信息建立第一调控模型,第一能源信息是跨区与区域间可调控的资源信息,第一调控模型是跨区与区域间综合能源系统进行协同调控的模型;步骤S120:获取第二能源信息,根据第一能源信息和第二能源信息建立第二调控模型,第二能源信息是区域与园区间可调控的资源信息,第二调控模型是区域与园区间综合能源系统进行协同调控的模型;步骤S130:根据第一调控模型和第二调控模型建立第三调控模型,第三调控模型是“跨区-区域-园区”三层级间综合能源系统进行协同调控的模型;步骤S140:通过预设算法求解第三调控模型以获取得到调控决策。
图3示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端,也可以是服务器。如图3所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现多区域综合能源系统调度方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行年龄识别方法。本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提出了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如任意一实施例所描述的多区域综合能源系统调度方法的步骤。
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非易失性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,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态 RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率 SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种多区域综合能源系统调度方法,其特征在于,方法包括如下步骤:
获取第一能源信息,根据所述第一能源信息建立第一调控模型,所述第一能源信息是跨区与区域间可调控的资源信息,所述第一调控模型是跨区与区域间综合能源系统进行协同调控的模型;
获取第二能源信息,根据所述第一能源信息和所述第二能源信息建立第二调控模型,所述第二能源信息是区域与园区间可调控的资源信息,所述第二调控模型是区域与园区间所述综合能源系统进行协同调控的模型;
根据所述第一调控模型和所述第二调控模型建立第三调控模型,所述第三调控模型是“跨区-区域-园区”三层级间所述综合能源系统进行协同调控的模型;
通过预设算法求解所述第三调控模型以获取得到调控决策。
2.如权利要求1所述的多区域综合能源系统调度方法,其特征在于,所述第一调控模型包括第一上层调控模型和第一下层调控模型;
所述获取第一能源信息,根据所述第一能源信息建立第一调控模型,包括:
根据所述第一能源信息获取调度匹配量和第一上层约束,根据所述调度匹配量和所述第一上层约束建立所述第一上层调控模型;
根据所述第一能源信息获取第一运行成本、能源供应匹配度和第一下层约束,根据所述第一运行成本、所述能源供应匹配度、所述第一下层约束和所述调度匹配量建立所述第一下层调控模型;
根据所述第一上层调控模型和所述第一下层调控模型建立所述第一调控模型。
3.如权利要求2所述的多区域综合能源系统调度方法,其特征在于,所述根据所述第一能源信息获取调度匹配量和第一上层约束,根据所述调度匹配量和所述第一上层约束建立所述第一上层调控模型,包括:
获取所述第一能源信息中的跨区资源出力和区域资源上传出力,根据所述跨区资源出力和所述区域资源上传出力确定所述调度匹配量;
根据所述第一能源信息获取包括第一资源容量约束、资源功率约束、第一爬坡能力约束、分配系数约束的所述第一上层约束;
设置惩罚因子,根据所述调度匹配量、所述惩罚因子和所述第一上层约束建立所述第一上层调控模型。
4.如权利要求2所述的多区域综合能源系统调度方法,其特征在于,所述根据所述第一能源信息获取第一运行成本、能源供应匹配度和第一下层约束,根据所述第一运行成本、所述能源供应匹配度、所述第一下层约束和所述调度匹配量建立所述第一下层调控模型,包括:
根据所述第一能源信息获取包括系统燃料成本、设备运维成本、弃风弃光惩罚成本、从外部电网购买电能成本的所述第一运行成本;
获取预计向园区供应有功功率和运营商上传能源需求量,根据所述预计向园区供应有功功率和所述运营商上传能源需求量确定所述能源供应匹配度;
根据所述第一能源信息获取包括配电网约束、光伏运行约束、柴油运行约束和蓄电储能约束的所述第一下层约束;
根据所述第一运行成本、所述能源供应匹配度、所述第一下层约束和所述调度匹配量建立所述第一下层调控模型。
5.如权利要求2所述的多区域综合能源系统调度方法,其特征在于,所述第二调控模型包括第二上层调控模型和第二下层调控模型;
所述获取第二能源信息,根据所述第一能源信息和所述第二能源信息建立第二调控模型,包括:
根据所述第二能源信息获取第二上层约束,将所述第二上层约束添加进所述第一下层调控模型中,以建立所述第二上层调控模型;
根据所述第二能源信息获取第二运行成本和第二下层约束,根据所述第二运行成本、所述第二下层约束和所述能源供应匹配度建立所述第二下层调控模型;
根据所述第二上层调控模型和所述第二下层调控模型建立所述第二调控模型。
6.如权利要求5所述的多区域综合能源系统调度方法,其特征在于,所述根据所述第二能源信息获取第二运行成本和第二下层约束,根据所述第二运行成本、所述第二下层约束和所述能源供应匹配度建立所述第二下层调控模型,包括:
根据所述第二能源信息获取包括系统燃料成本、设备运维成本、弃风弃光惩罚成本、从外部电网购买电能成本和柔性热负荷补偿成本的所述第二运行成本;
根据所述第二能源信息获取包括交互功率约束、第二资源容量约束、第二爬坡能力约束和蓄电储能约束的所述第二下层约束;
设置惩罚因子,根据所述惩罚因子、所述第二运行成本、所述第二下层约束和所述能源供应匹配度建立所述第二下层调控模型。
7.如权利要求1所述的多区域综合能源系统调度方法,其特征在于,所述通过预设算法求解所述第三调控模型以获取得到调控决策,包括:
根据所述第三调控模型获取第一优化问题、第二优化问题和第三优化问题;其中,所述第一优化问题为资源在区域间的调度方案策略问题,所述第二优化问题为区域内的资源出力向园区供应的调度方案策略问题,所述第三优化问题为园区内的资源出力的调度方案策略问题;
利用交替乘子法依次对所述第一优化问题、所述第二优化问题和所述第三优化问题进行求解得到决策变量,迭代调参直至输出的所述决策变量满足输出条件;
根据所述决策变量生成调控决策并输出。
8.如权利要求7所述的多区域综合能源系统调度方法,其特征在于,所述决策变量包括第一决策变量、第二决策变量和第三决策变量;其中,所述第一决策变量为资源在区域间的调度方案的决策变量,所述第二决策变量为区域内资源出力调度的决策变量,所述第三决策变量为园区内的资源调度的决策变量;所述第三调控模型包括惩罚因子;
所述利用交替乘子法依次对所述第一优化问题、所述第二优化问题和所述第三优化问题进行求解得到决策变量,迭代调参直至输出的所述决策变量满足输出条件,包括:
获取迭代k次的所述第一决策变量、所述第二决策变量以及对应的所述第一优化问题,利用交替乘子法求解所述第一优化问题得到迭代k+1次的所述第一决策变量;
获取迭代k次的所述第三决策变量以及对应的所述第二优化问题,利用交替乘子法求解所述第二优化问题得到迭代k+1次的所述第二决策变量;
获取迭代k+1次的所述第二决策变量对应的所述第三优化问题,用交替乘子法求解所述第三优化问题得到迭代k+1次的所述第三决策变量;
判断迭代k+1次的所述第一决策变量、所述第二决策变量和所述第三决策变量是否满足预设的收敛精度;
若满足所述收敛精度,则确定迭代k+1次的所述第一决策变量、所述第二决策变量和所述第三决策变量为所述决策变量;
若不满足所述收敛精度,则更新所述第三调控模型中的所述惩罚因子,以再次对所述第一决策变量、所述第二决策变量和所述第三决策变量进行迭代。
9.一种计算机设备,其特征在于,包括处理器和存储器;
所述处理器用于执行所述存储器中存储的计算机程序以实现如权利要求1到8中任一项所述方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1到8中任一项所述方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211334941.XA CN115545541A (zh) | 2022-10-28 | 2022-10-28 | 多区域综合能源系统调度方法、设备和存储介质 |
PCT/CN2022/136214 WO2024087319A1 (zh) | 2022-10-28 | 2022-12-02 | 多区域综合能源系统调度方法、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211334941.XA CN115545541A (zh) | 2022-10-28 | 2022-10-28 | 多区域综合能源系统调度方法、设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115545541A true CN115545541A (zh) | 2022-12-30 |
Family
ID=84717672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211334941.XA Pending CN115545541A (zh) | 2022-10-28 | 2022-10-28 | 多区域综合能源系统调度方法、设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115545541A (zh) |
WO (1) | WO2024087319A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116663854A (zh) * | 2023-07-24 | 2023-08-29 | 匠人智慧(江苏)科技有限公司 | 一种基于智慧园区的资源调度管理方法、系统及存储介质 |
CN117559509A (zh) * | 2024-01-11 | 2024-02-13 | 中国海洋大学 | 一种船舶柴光储最佳功率匹配方法及装置 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110262433A (zh) * | 2019-07-08 | 2019-09-20 | 山东理工大学 | 工业园区综合能源系统的分层分布式协调控制时序方法 |
CN111799822B (zh) * | 2020-07-13 | 2022-06-28 | 江苏方天电力技术有限公司 | 一种基于虚拟储能的综合能源系统用能协调控制方法 |
CN112234656B (zh) * | 2020-08-26 | 2022-10-18 | 华北电力大学(保定) | 含多能交互的多园区综合能源系统分散协调调度方法 |
CN112200695A (zh) * | 2020-10-30 | 2021-01-08 | 东南大学 | 一种城市级综合能源系统优化调度方法 |
CN113393126A (zh) * | 2021-06-16 | 2021-09-14 | 沈阳工程学院 | 高耗能园区与电网交替并行协同优化调度方法 |
-
2022
- 2022-10-28 CN CN202211334941.XA patent/CN115545541A/zh active Pending
- 2022-12-02 WO PCT/CN2022/136214 patent/WO2024087319A1/zh unknown
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116663854A (zh) * | 2023-07-24 | 2023-08-29 | 匠人智慧(江苏)科技有限公司 | 一种基于智慧园区的资源调度管理方法、系统及存储介质 |
CN116663854B (zh) * | 2023-07-24 | 2023-10-17 | 匠人智慧(江苏)科技有限公司 | 一种基于智慧园区的资源调度管理方法、系统及存储介质 |
CN117559509A (zh) * | 2024-01-11 | 2024-02-13 | 中国海洋大学 | 一种船舶柴光储最佳功率匹配方法及装置 |
CN117559509B (zh) * | 2024-01-11 | 2024-05-14 | 中国海洋大学 | 一种船舶柴光储最佳功率匹配方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2024087319A1 (zh) | 2024-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Integrated energy exchange scheduling for multimicrogrid system with electric vehicles | |
Wang et al. | Interactive dispatch modes and bidding strategy of multiple virtual power plants based on demand response and game theory | |
CN109962499B (zh) | 一种电网多时间尺度调度方法 | |
Moghaddam et al. | Multi-operation management of a typical micro-grids using Particle Swarm Optimization: A comparative study | |
Ouammi | Optimal power scheduling for a cooperative network of smart residential buildings | |
CN111242392B (zh) | 多虚拟电厂参与主动配电网的双层-两阶段运行方法 | |
CN115545541A (zh) | 多区域综合能源系统调度方法、设备和存储介质 | |
CN110826880B (zh) | 一种大规模电动汽车接入的主动配电网优化调度方法 | |
CN115081777A (zh) | 最大化运营商收益的v2g调度二阶段随机规划方法 | |
CN110571865B (zh) | 基于一致性算法的主动配电网源荷互动决策方法 | |
CN107231001B (zh) | 一种基于改进灰色预测的楼宇微网在线能量管理方法 | |
CN112085327B (zh) | 一种配电商参与的主动配电网多层分区调控方法及系统 | |
CN111553544B (zh) | 基于一致性算法的工业园区分布式综合需求响应方法 | |
Huy et al. | Real-time energy scheduling for home energy management systems with an energy storage system and electric vehicle based on a supervised-learning-based strategy | |
CN110707755A (zh) | 一种考虑非理想通信条件下基于能量枢纽的综合能源系统超短期调度方法 | |
Shotorbani et al. | Enhanced real-time scheduling algorithm for energy management in a renewable-integrated microgrid | |
CN114567006A (zh) | 一种配电网多目标优化运行方法及系统 | |
CN112508325A (zh) | 一种家庭微电网多时间尺度电能调度方法 | |
CN115149586A (zh) | 一种分布式能源聚合调控与自主调控协同优化方法及系统 | |
Dagdougui et al. | Towards a concept of cooperating power network for energy management and control of microgrids | |
CN114048908A (zh) | 统一电网-分布式热网系统多时间尺度加强区间优化方法 | |
CN112003268A (zh) | 基于模型预测控制的智能建筑群电能优化共享系统和方法 | |
Gao et al. | Fuzzy decision-based optimal energy dispatch for integrated energy systems with energy storage | |
CN110635520A (zh) | 一种新能源多层嵌套断面功率控制方法及系统 | |
CN115800276A (zh) | 一种考虑机组爬坡的电力系统应急调度方法 |
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 |