CN115619143A - 一种两阶段区域综合能源系统分布鲁棒经济调度方法 - Google Patents

一种两阶段区域综合能源系统分布鲁棒经济调度方法 Download PDF

Info

Publication number
CN115619143A
CN115619143A CN202211252362.0A CN202211252362A CN115619143A CN 115619143 A CN115619143 A CN 115619143A CN 202211252362 A CN202211252362 A CN 202211252362A CN 115619143 A CN115619143 A CN 115619143A
Authority
CN
China
Prior art keywords
distribution
wind power
formula
energy system
stage
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
Application number
CN202211252362.0A
Other languages
English (en)
Inventor
刘辉
范正刚
谢海敏
汪旎
马斯宇
黄立冬
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.)
Guangxi University
Original Assignee
Guangxi 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 Guangxi University filed Critical Guangxi University
Priority to CN202211252362.0A priority Critical patent/CN115619143A/zh
Publication of CN115619143A publication Critical patent/CN115619143A/zh
Pending legal-status Critical Current

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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • 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
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Power Engineering (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Algebra (AREA)
  • Quality & Reliability (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明的一种两阶段区域综合能源系统分布鲁棒经济调度方法，该方法为描述风电概率分布的不确定性，将Wasserstein距离作为经验分布和真实分布间的量度，构建风电概率分布模糊集。为应对可能的线路传输过载、机组出力越限问题，应用联合机会约束，将风电对线路传输、机组出力等的影响限制在预定的安全水平内。利用线性决策规则和线性增量法，将模型转化为一个混合整数线性规划问题。本发明通过多能互补，有效改善了单一系统在应对不确定风电时的供能局限性；解决了模型因非线性和非凸性导致计算效率低的问题；并且可协调考虑经济性和鲁棒性，可通过调节度量距离和置信度，为决策者提供不同风险的方案。

Description

一种两阶段区域综合能源系统分布鲁棒经济调度方法
技术领域
本发明涉及电力系统技术领域，具体涉及一种两阶段区域综合能源系统分布鲁棒经济调度方法。
背景技术
综合能源系统通过多种能源互联互补，打破不同能源系统供能间的壁垒，实现能源高效率利用，具有巨大的现实价值。然而，风电等可再生能源大规模接入后的强不确定性给综合能源系统经济调度带来了前所未有的挑战。
另外，在解决不确定性问题的传统优化方法中，随机规划难以获得风电出力的精准概率分布信息，而基于不确定性变量边界信息的鲁棒优化会导致决策结果较为保守或成本过高。因此，考虑随机变量概率不确定性的分布鲁棒优化因可以有效解决决策过乐观或过保守问题而逐渐受到关注。
典型分布鲁棒模糊集的构建基于风电的一阶、二阶矩信息(均值、协方差)以及高阶矩信息，但是不同的分布可能具有相同的矩信息，这使得决策很难确定最坏情况下风电的概率分布。而在基于距离度量的模糊集中，广泛应用的Kullback-Leibler散度模糊集只有在有限的集上支持真实分布时，才能使用数据导出该模糊集，但是风力发电的真实分布是连续的。相比之下，基于Wasserstein包含与离散经验分布足够接近的所有(连续或离散)概率分布，在有限样本保证和置信集方面都表现出良好的性能。
发明内容
本发明基于分布鲁棒优化方法和联合机会约束在处理风电等可再生能源不确定性方面的优势，针对风电不确定性下区域综合能源系统经济调度问题，提出了一种计及联合机会约束的两阶段分布鲁棒经济调度方法，确保区域综合能源系统的经济、可靠运行。
本发明采用了如下技术方案：
一种两阶段区域综合能源系统分布鲁棒经济调度方法，包括以下步骤：
(1)读取综合能源系统数据和风电数据；
(2)根据风电历史数据构建基于Wasserstein距离的概率分布模糊集合；
(3)基于Wasserstein模糊集构建分布鲁棒联合机会约束，并应用条件风险价值近似和Bonferroni保守近似将其转化为有限维的确定性约束集；
(4)建立考虑风电预测误差的区域综合能源向系统日前调度模型；
(5)建立区域综合能源系统实时调度模型，进而形成考虑联合机会约束的两阶段分布鲁棒经济调度模型；
(6)利用线性决策规则和线性增量法将模型转化为混合整数二阶锥规划问题；
(7)求解得到协调考虑经济性和鲁棒性的区域综合能源系统的经济调度方案。
所述综合能源系统包括热力系统、电力系统、天然气系统。
所述步骤(2)通过以下方法实现：
对于一个不确定性风电偏差
Figure BDA0003888142790000021
其历史数据为
Figure BDA0003888142790000022
则不确定性风电偏差
Figure BDA0003888142790000023
的真实分布P可以近似表示为
Figure BDA0003888142790000024
其中
Figure BDA0003888142790000025
代表不确定变量历史样本ζk的狄拉克测度(Dirac measure)；且当N→∞时，PN无限接近于真实分布P，即当历史数据样本量越多时，PN与真实分布P之间的距离就越来越小；因此，为了引入不确定变量的概率分布信息，可以利用历史数据建立一个描述PN与P之间距离的模糊集合；
Wasserstein距离dw:M(Ξ)×M(Ξ)→R+的定义如下所示：
Figure BDA0003888142790000031
式中：dw(P1,P2)代表概率分布P1和P2之间的距离；||·||为在Rn上任何可能的范数形式；Π为不确定性随机变量ζ1和ζ2的联合概率分布，P1和P2分别为不确定性随机变量ζ1和ζ2的边缘分布，M(Ξ)表示多面体集合Ξ＝{ζ∈RW:Hζ≤h}上支持的不确定性变量的所有概率度量；
进而，基于Wasserstein度量距离所构建的模糊集合有如下形式：
Figure BDA0003888142790000032
式中：ρ表示Wasserstein球的半径常量；
所述步骤(3)中的联合机会约束的一般形式如下所示：
Figure BDA0003888142790000033
式中：l表示能量装置或传输线的指数，L是能量装置或传输线的总量，ε是预定义的置信水平；
然后，通过Bonferroni保守近似将联合机会约束划分为L个独立机会约束，其置信水平为εl＝ε/L：
Figure BDA0003888142790000034
用最坏情况下的条件风险值近似方法将上述式子转化为：
Figure BDA0003888142790000041
因此，根据强对偶理论，可得到：
Figure BDA0003888142790000042
所述步骤(4)中的日前调度模型的目标函数如下：
Figure BDA0003888142790000043
式中：λ{·}为传统发电机组、燃气发电机组、热电联产机组的出力成本；
Figure BDA0003888142790000044
为天然气成本；
Figure BDA0003888142790000045
表示各机组日前计划出力；Ggas,t为日前计划耗气量；
Figure BDA0003888142790000046
分别代表机组上备用和下备用功率，其成本分别为
Figure BDA0003888142790000047
γc为机组出力调节成本；
Figure BDA0003888142790000048
为考虑风电的预测偏差概率分布下的机组调整量。
所述步骤(5)中的实时调度模型的目标函数如下：
Figure BDA0003888142790000049
式中：
Figure BDA00038881427900000410
为甩负荷量；
Figure BDA00038881427900000411
代表弃风量；
Figure BDA00038881427900000412
为日内阶段各个机组出力量。
因此，两阶段区域综合能源系统分布鲁棒经济调度模型如下：
Figure BDA00038881427900000413
s.t. Ax'＜b (2)
Figure BDA0003888142790000051
Figure BDA0003888142790000052
Figure BDA0003888142790000053
s.t. Ex+Fy+Gζ≤h (6)
式中：目标函数(1)是最小化第一阶段运行成本和由能量调整引起的期望成本。x是包括机组输出、储备容量的决策变量。Dζ表示包含风电不确定概率分布P的模糊集。等式(2)-(4)给出了第一阶段的约束条件。实时过程由式(5)和式(6)表示，其中f表示式(5)的变量系数。
所述的步骤(5)利用线性决策规则和线性增量法将模型转化为混合整数二阶锥规划问题，转化后的模型目标函数如下：
Figure BDA0003888142790000054
式中：
Figure BDA0003888142790000055
λo和so是辅助变量。
所述天然气系统约束中模拟气体流动的Weymouth方程如下：
Figure BDA0003888142790000056
为了提高计算速度，通过分段线性规划技术将气体流动方程线性化为：
Figure BDA0003888142790000057
本发明获得的有益效果是：本发明方法有效克服了随机规划和鲁棒优化方法的弊端，协调考虑了方案的经济性和鲁棒性，且调度成本根据风电数据量、置信度可调可控；并且在不确定风电并网下，协调利用多能耦合互补技术，有效平抑了风电的波动性，提高了经济调度方案的灵活性和可靠性。
附图说明
图1是本发明的模型求解流程示意图。
图2是典型的区域电-气-热区域综合能源系统结构图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明技术方案作进一步非限制性的详细描述。
典型的区域综合能源系统使用受约束的传输网络来协调发电和天然气资源，采用电力、天然气和热力三种不同的能源来满足当地的电力、燃气和热能需求。能源集线器中配置的能源转化设备包括热电联产机组、燃气发电机组和电锅炉。热电联产将天然气同时转化为电和热。燃气发电机组将天然气转化为电能，且能够对电力波动做出快速反应。同时，配置了一台电锅炉，以灵活地提供足够的热能。
步骤1：读取综合能源系统数据和风电数据；
步骤2：根据风电历史数据构建基于Wasserstein距离的概率分布模糊集合；具体过程如下：
将Wasserstein距离作为风电经验分布和真实分布间的量度，构建风电不确定概率分布模糊集。
对于不确定性风电偏差
Figure BDA0003888142790000061
其历史数据为
Figure BDA0003888142790000062
则不确定性风电偏差
Figure BDA0003888142790000063
的真实分布P可以近似表示为
Figure BDA0003888142790000064
其中
Figure BDA0003888142790000065
代表不确定变量历史样本ζk的狄拉克测度(Dirac measure)。且当N→∞时，PN无限接近于真实分布P，即当历史数据样本量越多时，PN与真实分布P之间的距离就越来越小。因此，为了引入不确定变量的概率分布信息，可以利用历史数据建立一个描述PN与P之间距离的模糊集合。
Wasserstein距离dw:M(Ξ)×M(Ξ)→R+的定义如下所示：
Figure BDA0003888142790000071
式中：dw(P1,P2)代表概率分布P1和P2之间的距离；||·||为在Rn上任何可能的范数形式；∏为不确定性随机变量ζ1和ζ2的联合概率分布，P1和P2分别为不确定性随机变量ζ1和ζ2的边缘分布，M(Ξ)表示多面体集合Ξ＝{ζ∈RW:Hζ≤h}上支持的不确定性变量的所有概率度量。
进而，基于Wasserstein度量距离所构建的模糊集合有如下形式：
Figure BDA0003888142790000072
式中：ρ表示Wasserstein球的半径常量。
在某一可接受的置信水平下，此模糊集合将所有可能的不确定变量概率分布包含在以ρ为半径的Wasserstein球空间中。
步骤3：基于Wasserstein模糊集构建分布鲁棒联合机会约束，并应用条件风险价值近似和Bonferroni保守近似将其转化为有限维的确定性约束集，具体过程如下：基于Wasserstein距离模糊集，构建联合机会约束，将风电对线路传输、机组出力等的影响限制在预定的安全水平内，并联合条件风险价值近似和Bonferroni保守近似将无限维的联合机会约束转化为有限维的确定性约束。
联合机会约束的一般形式如下所示：
Figure BDA0003888142790000073
式中：l表示能量装置或传输线的指数，L是能量装置或传输线的总量，ε是预定义的置信水平。
然后，通过Bonferroni保守近似将联合机会约束划分为L个独立机会约束，其置信水平为εl＝ε/L：
Figure BDA0003888142790000081
用最坏情况下的条件风险值近似方法将上述式子转化为：
Figure BDA0003888142790000082
因此，根据强对偶理论，可得到：
Figure BDA0003888142790000083
步骤4：建立考虑风电预测误差的区域综合能源向系统日前调度模型：在日前阶段，考虑历史数据中不确定风电预测误差的概率分布，调度多个能源设备的能量输出和备用容量，因此目标函数如下：
Figure BDA0003888142790000084
式中：λ{·}为传统发电机组、燃气发电机组、热电联产机组的出力成本；
Figure BDA0003888142790000085
为天然气成本；
Figure BDA0003888142790000086
表示各机组日前计划出力；Ggas,t为日前计划耗气量；
Figure BDA0003888142790000087
分别代表机组上备用和下备用功率，其成本分别为
Figure BDA0003888142790000091
γc为机组出力调节成本；
Figure BDA0003888142790000092
为考虑风电的预测偏差概率分布下的机组调整量。
日前调度模型的约束条件包括：
1)电力系统约束条件：
传统机组、燃气发电机组发电和热电联产机组的备用容量：
Figure BDA0003888142790000093
Figure BDA0003888142790000094
式中：
Figure BDA0003888142790000095
分别是发电设备的上、下备用容量；
Figure BDA0003888142790000096
分别为设备上、下备用允许容量的最大值；{·}＝ie,gg,chp代表传统机组、燃气发电机组、热电联产机组在电网中的节点索引。
传统机组、燃气发电机组和热电联产的机组出力上、下限约束和爬坡约束：
Figure BDA0003888142790000097
Figure BDA0003888142790000098
Figure BDA0003888142790000099
Figure BDA00038881427900000910
式中：
Figure BDA00038881427900000911
为传统机组、燃气发电机组和热电联产机组的日前出力值；
Figure BDA00038881427900000912
Figure BDA00038881427900000913
分别为机组出力上下限；
Figure BDA00038881427900000914
分别为机组上、下爬坡的最大值。
风电预测偏差会给机组出力带来调度偏差，因此，需根据风电预测偏差调整其出力，并将机组出力的调整量限制在备用容量范围内。
Figure BDA00038881427900000915
式中：
Figure BDA00038881427900000916
为受风电的预测偏差影响的机组功率调整量。
线路的传输功率受到线路容量的约束为：
Figure BDA0003888142790000101
式中：
Figure BDA0003888142790000102
是线路le的传输容量最大值；Qg，Qw和Qd分别是发电机组(传统机组、燃气发电机、热电联产)、风电机组、负荷在电力子系统中所在线路的系数矩阵。
电力系统功率平衡约束：
Figure BDA0003888142790000103
式中：
Figure BDA0003888142790000104
ζj,t分别代表风电历史出力均值和偏差；
Figure BDA0003888142790000105
为流入、流出电力系统节点的功率流；常规电负荷和电热锅炉负荷分别由
Figure BDA0003888142790000106
表示。
2)天然气系统约束
气体压缩机初始节点和终端节点的气体压力之间的关系为：
Figure BDA0003888142790000107
式中：
Figure BDA0003888142790000108
为气网中节点ig、jg间的主动输气管道两端的气压；ρc表示压缩机的压缩系数。
天然气节点流量平衡约束为：
Figure BDA0003888142790000109
式中：
Figure BDA00038881427900001010
为气源天然气流量；
Figure BDA00038881427900001011
为每条天然气管道中的天然气流量；
Figure BDA00038881427900001012
分别代表热电联产、燃气发电机组、常规天然气负荷耗气量。
为防止两个方向的气体流量同时存在于同一气体管道中，流量应受到约束：
Figure BDA00038881427900001013
稳态条件下气体压力和流量的关系约束用Weymouth气体流量方程表示为：
Figure BDA00038881427900001014
式中：
Figure BDA0003888142790000111
为Weymouth流量公式系数。
每个节点处的气体压力和每条气体管道的气体流量为：
Figure BDA0003888142790000112
Figure BDA0003888142790000113
式中：ψmin，ψmax，
Figure BDA0003888142790000114
为节点压力最小/最大值，管道传输流量最小/最大值。
3)热力系统约束
每个节点的输出温度等于混合水温度：
Figure BDA0003888142790000115
Figure BDA0003888142790000116
Figure BDA0003888142790000117
Figure BDA0003888142790000118
式中：
Figure BDA0003888142790000119
表示回流水管的进管温度和出管温度；
Figure BDA00038881427900001110
表示供热水管的进管温度和出管温度；
Figure BDA00038881427900001111
分别代表供水管/回水管的质量流量；
Figure BDA00038881427900001112
为供热水管/回流水管的混合温度。
供热系统中各管网节点的热功率与热水温度、质量流量的关系为：
Figure BDA00038881427900001113
式中：
Figure BDA00038881427900001114
为热力负荷，Cp表示水的比热容。
流入、流出热水管道的热水温度关系为：
Figure BDA00038881427900001115
式中：
Figure BDA00038881427900001116
表示管道末端的温度；
Figure BDA00038881427900001117
表示为管道始端的温度；Ta为环境温度；
Figure BDA00038881427900001118
为热水管的传热系数；Lb表示热水管长度。
节点热功率平衡为：
Figure BDA0003888142790000121
式中：
Figure BDA0003888142790000122
分别代表热电联产和电热锅炉的产热量；
Figure BDA0003888142790000123
为各个热力管道的热能损失量。
4)能源耦合设备约束
Figure BDA0003888142790000124
Figure BDA0003888142790000125
Figure BDA0003888142790000126
Figure BDA0003888142790000127
式中:
Figure BDA0003888142790000128
为热电比，代表热电联产机组输出热功率、电功率之间的比值；
Figure BDA0003888142790000129
代表热电联产机组产电效率；
Figure BDA00038881427900001210
为燃气发电机组产电效率；
Figure BDA00038881427900001211
代表电热锅炉的电转热效率。
步骤5：建立区域综合能源系统实时调度模型，进而形成考虑联合机会约束的两阶段分布鲁棒经济调度模型，具体过程如下：在实时阶段根据风电出力调整功率输出，进而实现区域综合能源系统运行经济性和鲁棒性的平衡，因此目标函数如下：
Figure BDA00038881427900001212
式中：
Figure BDA00038881427900001213
为甩负荷量；
Figure BDA00038881427900001214
代表弃风量；
Figure BDA00038881427900001215
为日内阶段各个机组出力量。
约束条件除了与日前调度相同的约束，还有以下约束：
Figure BDA00038881427900001216
Figure BDA00038881427900001217
Figure BDA00038881427900001218
Figure BDA0003888142790000131
因此，形成两阶段区域综合能源系统分布鲁棒模型，其简化表达为：
Figure BDA0003888142790000132
s.t. Ax'＜b (2)
Figure BDA0003888142790000133
Figure BDA0003888142790000134
Figure BDA0003888142790000135
s.t. Ex+Fy+Gζ≤h (6)
目标函数(1)是最小化第一阶段运行成本和由能量调整引起的期望成本。x是包括机组输出、储备容量的决策变量。Dζ表示包含风电不确定概率分布P的模糊集。等式(2)-(4)给出了第一阶段的约束条件。实时过程由式(5)和式(6)表示，其中f表示式(5)的变量系数。
步骤6：利用线性决策规则和线性增量法将模型转化为混合整数二阶锥规划问题，具体过程如下：
当决策变量与随机变量耦合时，直接求分布鲁棒优化问题的精确解既复杂又耗时。因此，线性决策方法是一种典型的近似方法，可以处理决策变量和不确定参数之间的耦合关系。在这种情况下，日前目标函数的期望部分可以重新表示如下：
Figure BDA0003888142790000141
式中：
Figure BDA0003888142790000142
λo和so是辅助变量。
在天然气系统调度模型中，Weymouth流量-压力关系方程是非线性、非凸的。这些特性使得天然气系统运行的优化成为一个NP难问题，可以通过分段线性规划技术来解决。在线性化技术中，描述非线性和二元变量的分段线性函数可以避免由非凸性导致的局部最优情况。
用于模拟气体流动的Weymouth气体流动方程如下：
Figure BDA0003888142790000143
假设气体从一个节点ig流向另一个节点jg，变量
Figure BDA0003888142790000144
将替换为
Figure BDA0003888142790000145
表示节点ig压力的二阶锥曲线。然后，Weymouth流量-压力关系方程可以转换为如下形式：
Figure BDA0003888142790000146
当气流方向为节点ig到节点jg时，气流
Figure BDA0003888142790000147
范围为0到
Figure BDA0003888142790000148
这是管道中的最大流量。转换后的
Figure BDA0003888142790000149
模型如下所示：
Figure BDA0003888142790000151
Figure BDA0003888142790000152
Figure BDA0003888142790000153
Figure BDA0003888142790000154
Figure BDA0003888142790000155
Figure BDA0003888142790000156
Figure BDA0003888142790000157
最后，将Weymouth气体流量方程转换为以下形式：
Figure BDA0003888142790000158
至此，已建立考虑联合机会约束的两阶段区域综合能源系统分布鲁棒经济调度模型，并实现模型的有效转化。在Matlab平台上运行grobi求解器对所提模型进行求解，可得到两阶段区域综合能源系统经济调度结果。

Claims (8)

1.一种两阶段区域综合能源系统分布鲁棒经济调度方法，其特征在于，包括以下步骤：
(1)读取综合能源系统数据和风电数据；
(2)根据风电历史数据构建基于Wasserstein距离的概率分布模糊集合；
(3)基于Wasserstein模糊集构建分布鲁棒联合机会约束，并应用条件风险价值近似和Bonferroni保守近似将其转化为有限维的确定性约束集；
(4)建立考虑风电预测误差的区域综合能源向系统日前调度模型；
(5)建立区域综合能源系统实时调度模型，进而形成考虑联合机会约束的两阶段分布鲁棒经济调度模型；
(6)利用线性决策规则和线性增量法将模型转化为混合整数二阶锥规划问题；
(7)求解得到协调考虑经济性和鲁棒性的区域综合能源系统的经济调度方案。
2.根据权利要求1所述的一种两阶段区域综合能源系统分布鲁棒经济调度方法，其特征在于，所述综合能源系统包括热力系统、电力系统、天然气系统。
3.根据权利要求1所述的一种两阶段区域综合能源系统分布鲁棒经济调度方法，其特征在于，所述步骤(2)通过以下方法实现：
对于一个不确定性风电偏差
Figure FDA0003888142780000011
其历史数据为
Figure FDA0003888142780000012
则不确定性风电偏差
Figure FDA0003888142780000013
的真实分布P可以近似表示为
Figure FDA0003888142780000014
其中
Figure FDA0003888142780000015
代表不确定变量历史样本ζk的狄拉克测度(Dirac measure)；且当N→∞时，PN无限接近于真实分布P，即当历史数据样本量越多时，PN与真实分布P之间的距离就越来越小；因此，为了引入不确定变量的概率分布信息，可以利用历史数据建立一个描述PN与P之间距离的模糊集合；
Wasserstein距离dw:M(Ξ)×M(Ξ)→R+的定义如下所示：
Figure FDA0003888142780000021
式中：dw(P1,P2)代表概率分布P1和P2之间的距离；||·||为在Rn上任何可能的范数形式；Π为不确定性随机变量ζ1和ζ2的联合概率分布，P1和P2分别为不确定性随机变量ζ1和ζ2的边缘分布，M(Ξ)表示多面体集合Ξ＝{ζ∈RW:Hζ≤h}上支持的不确定性变量的所有概率度量；
进而，基于Wasserstein度量距离所构建的模糊集合有如下形式：
Figure FDA0003888142780000022
式中：ρ表示Wasserstein球的半径常量；
4.根据权利要求1所述的一种两阶段区域综合能源系统分布鲁棒经济调度方法，其特征在于，所述步骤(3)中的联合机会约束的一般形式如下所示：
Figure FDA0003888142780000023
式中：l表示能量装置或传输线的指数，L是能量装置或传输线的总量，ε是预定义的置信水平；
然后，通过Bonferroni保守近似将联合机会约束划分为L个独立机会约束，其置信水平为εl＝ε/L：
Figure FDA0003888142780000024
用最坏情况下的条件风险值近似方法将上述式子转化为：
Figure FDA0003888142780000031
因此，根据强对偶理论，可得到：
Figure FDA0003888142780000032
Figure FDA0003888142780000033
Figure FDA0003888142780000034
Figure FDA0003888142780000035
Figure FDA0003888142780000036
5.根据权利要求2所述的一种两阶段区域综合能源系统分布鲁棒经济调度方法，其特征在于，所述步骤(4)中的日前调度模型的目标函数如下：
Figure FDA0003888142780000037
式中：λ{·}为传统发电机组、燃气发电机组、热电联产机组的出力成本；
Figure FDA0003888142780000038
为天然气成本；
Figure FDA0003888142780000039
表示各机组日前计划出力；Ggas,t为日前计划耗气量；
Figure FDA00038881427800000310
分别代表机组上备用和下备用功率，其成本分别为
Figure FDA00038881427800000311
γc为机组出力调节成本；
Figure FDA00038881427800000312
为考虑风电的预测偏差概率分布下的机组调整量。
6.根据权利要求2所述的一种两阶段区域综合能源系统分布鲁棒经济调度方法，其特征在于，所述步骤(5)中的实时调度模型的目标函数如下：
Figure FDA00038881427800000313
式中：
Figure FDA00038881427800000314
为甩负荷量；
Figure FDA00038881427800000315
代表弃风量；
Figure FDA00038881427800000316
为日内阶段各个机组出力量。
因此，两阶段区域综合能源系统分布鲁棒经济调度模型如下：
Figure FDA0003888142780000041
s.t.Ax'＜b (2)
Figure FDA0003888142780000042
Figure FDA0003888142780000043
Figure FDA0003888142780000044
s.t. Ex+Fy+Gζ≤h (6)
式中：目标函数(1)是最小化第一阶段运行成本和由能量调整引起的期望成本。x是包括机组输出、储备容量的决策变量。Dζ表示包含风电不确定概率分布P的模糊集。等式(2)-(4)给出了第一阶段的约束条件。实时过程由式(5)和式(6)表示，其中f表示式(5)的变量系数。
7.根据权利要求1所述的一种的两阶段区域综合能源系统分布鲁棒经济调度方法，其特征在于，所述的步骤(5)利用线性决策规则和线性增量法将模型转化为混合整数二阶锥规划问题，转化后的模型目标函数如下：
Figure FDA0003888142780000045
式中：
Figure FDA0003888142780000046
λo和so是辅助变量。
8.根据权利要求1所述的一种两阶段区域综合能源系统分布鲁棒经济调度方法，其特征在于，所述天然气系统约束中模拟气体流动的Weymouth方程如下：
Figure FDA0003888142780000051
为了提高计算速度，通过分段线性规划技术将气体流动方程线性化为：
Figure FDA0003888142780000052
CN202211252362.0A 2022-10-13 2022-10-13 一种两阶段区域综合能源系统分布鲁棒经济调度方法 Pending CN115619143A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211252362.0A CN115619143A (zh) 2022-10-13 2022-10-13 一种两阶段区域综合能源系统分布鲁棒经济调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211252362.0A CN115619143A (zh) 2022-10-13 2022-10-13 一种两阶段区域综合能源系统分布鲁棒经济调度方法

Publications (1)

Publication Number Publication Date
CN115619143A true CN115619143A (zh) 2023-01-17

Family

ID=84861979

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211252362.0A Pending CN115619143A (zh) 2022-10-13 2022-10-13 一种两阶段区域综合能源系统分布鲁棒经济调度方法

Country Status (1)

Country Link
CN (1) CN115619143A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116207796A (zh) * 2023-03-27 2023-06-02 山东大学 计及可变流量调节的电-热综合能源系统调度方法及系统
CN116780649A (zh) * 2023-06-16 2023-09-19 国网浙江省电力有限公司嘉兴供电公司 一种多能互补利用的分布式鲁棒优化运行方法
CN117252377A (zh) * 2023-09-26 2023-12-19 山东大学 一种多区域互联电热综合能源系统可信分布调度方法及系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116207796A (zh) * 2023-03-27 2023-06-02 山东大学 计及可变流量调节的电-热综合能源系统调度方法及系统
CN116207796B (zh) * 2023-03-27 2023-10-27 山东大学 计及可变流量调节的电-热综合能源系统调度方法及系统
CN116780649A (zh) * 2023-06-16 2023-09-19 国网浙江省电力有限公司嘉兴供电公司 一种多能互补利用的分布式鲁棒优化运行方法
CN116780649B (zh) * 2023-06-16 2024-03-01 国网浙江省电力有限公司嘉兴供电公司 一种多能互补利用的分布式鲁棒优化运行方法
CN117252377A (zh) * 2023-09-26 2023-12-19 山东大学 一种多区域互联电热综合能源系统可信分布调度方法及系统

Similar Documents

Publication Publication Date Title
CN115619143A (zh) 一种两阶段区域综合能源系统分布鲁棒经济调度方法
CN108063451B (zh) 一种提高风电接纳能力的电网多元优化调度方法
CN106096269B (zh) 一种电-气耦合系统中天然气网的区间潮流计算方法
CN110991857B (zh) 一种电热综合能源系统风电消纳能力评估的方法
CN107257132B (zh) 一种考虑风电弃用的电-气互联系统综合负荷削减模型构建方法
CN116341881B (zh) 计及热网灵活性的电-热系统鲁棒超前调度方法及系统
CN109818347B (zh) 一种电力系统风电消纳能力的评估方法
CN113379565B (zh) 一种基于分布鲁棒优化方法的综合能源系统优化调度方法
CN113036819A (zh) 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
CN113268698B (zh) 综合能源系统新能源消纳能力优化方法、装置及终端设备
CN113792969A (zh) 考虑气网动态特性和电转气综合能源系统优化调度方法
CN113298407B (zh) 一种工业园区电-气综合能源系统优化调度模型建立方法
CN105244870A (zh) 一种快速计算电网风电场弃风率及机组发电量的方法
CN112671028A (zh) 一种考虑热网动态特性的综合能源系统风电消纳方法
CN113806972B (zh) 一种考虑供需双侧灵活性的综合能源系统可靠性分析方法
CN115051388A (zh) 一种基于分布鲁棒的“源-网-荷-储”两阶段调度优化方法
CN118536831A (zh) 基于多参数规划的综合能源系统概率能流在线计算方法
CN109409609A (zh) 综合能源系统多能流供需平衡的概率约束建模方法和装置
CN110610276B (zh) 一种含广义预测控制的综合能源系统调度方法及系统
CN112434841A (zh) 考虑机组组合和随机风能出力的电—气耦合系统优化方法
CN114781866A (zh) 一种基于数据驱动的综合能源系统鲁棒日内滚动调度方法
CN115271244A (zh) 一种基于两阶段分布鲁棒优化的梯级水电站短期调峰模型
Su et al. Data-driven robust dispatch of integrated electricity-gas energy systems considering uncertainty of wind power
CN112686447A (zh) 海上油气田开发多能流耦合负荷预测方法
Sun et al. Flexibility Mining and Improvement for Urban Electricity-Gas-Heat-Storage Integrated Energy Systems: A Review

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