CN115857338A - 用于城市能源系统韧性提升的安全规则提取及优化方法 - Google Patents
用于城市能源系统韧性提升的安全规则提取及优化方法 Download PDFInfo
- Publication number
- CN115857338A CN115857338A CN202211474351.7A CN202211474351A CN115857338A CN 115857338 A CN115857338 A CN 115857338A CN 202211474351 A CN202211474351 A CN 202211474351A CN 115857338 A CN115857338 A CN 115857338A
- Authority
- CN
- China
- Prior art keywords
- energy
- model
- toughness
- urban
- 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.)
- Pending
Links
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种用于城市能源系统韧性提升的安全规则提取及优化方法,包括:计算城市能源系统韧性指标,并构建城市能源系统的双层优化模型;对城市能源系统的电力电子环节动态特性建模;对城市能源系统的多能源网络动态特性建模;基于电力电子环节动态特性模型和多能源网络动态特性模型,构建灾害事件下城市能源系统的两阶段韧性运行模型,并基于预设的稀疏权重斜决策树模型,将灾害事件下城市能源系统的两阶段韧性模型转化为混合整数线性约束,并嵌入城市能源系统的双层优化模型,得到混合整数线性约束下的优化运行模拟结果。由此,提供形式简单、可解释性强、可操作性强的安全规则,能够显著提升求解效率,具有显著的创新性和良好的应用价值。
Description
技术领域
本申请涉及能源调度技术领域,特别涉及一种用于城市能源系统韧性提升的安全规则提取及优化方法。
背景技术
飓风、地震、雪灾、高温等极端自然灾害事件对世界各地的能源系统造成了致命冲击,大规模城市用户的能源安全供给面临着严峻挑战。因此,城市能源系统不仅需要具有高可靠性以应对小规模、高概率的日常故障事件,还需要具有高韧性以应对大规模、低概率的极端灾害事件。
近年来,城市能源系统面临两大新的态势:一是不同能源形式的耦合程度显著提升,二是电力电子化程度不断提高。具体而言,电、气、热、冷等多种形式能源在生产、传输、转换、存储、利用等多个环节相互耦合。相比于分立能源系统(比如电力系统),城市能源系统在以下三个方面有望进一步提升系统韧性:1)能源转换环节:多样化能量转换设备(如能量枢纽、燃气轮机、电转气、电锅炉等)的整合可以实现跨系统能量转移,极大提高了能源供给侧的灵活性。2)能源存储环节:集中式储能(如压缩空气储能、抽水蓄能等)、分布式储能(如电动汽车)以及广义储能(如气/热/冷管网存储的能量)的协调可以提供充足的多能源能量备用。3)能源利用环节:热/冷负荷(如空间供暖/冷负荷)的热惯性使得热/冷源失效后短时间内不会显著影响用户舒适度,供需瞬时平衡约束可以得到一定程度的松弛。另一方面,电力电子设备在城市能源系统的各个环节广泛渗透,如生产环节的光伏、风力发电变换装备,传输环节的交/直流变换装备、柔性软开关(soft open points,SOP),转换环节的热泵、压缩式制冷机,存储环节的蓄电池、电动汽车,以及利用环节的新兴直流负荷(如数据中心)等。
尽管相关技术中的城市能源系统韧性提升相关研究在模型和方法论上已取得一定进展,但仍存在一些问题有待进一步探讨。从模型角度看,相关技术的研究大多忽视了热/冷管网在灾害事件下的应急供应能力以及热/冷负荷在灾害事件下的缓冲作用。另一方面,海量电力电子设备的快速动作和短时过载能力尚未被充分挖掘利用,其可为灾害事件发生后重要负荷的能源供应提供短时支撑。从方法论角度看,相关技术以模型驱动方法为主,将灾害事件下的系统运行模型通过随机优化、鲁棒优化等方法嵌入上层系统优化运行问题,然而,城市能源系统能源转换结构复杂,灾害事件场景种类繁多,将导致较大的优化问题规模和较高的求解复杂度。
发明内容
本申请提供一种用于城市能源系统韧性提升的安全规则提取及优化方法、装置、电子设备及存储介质,以解决相关技术一方面忽视了热/冷管网在灾害事件下的应急供应能力和缓冲作用的问题,另一方面导致优化问题规模较大,求解复杂度较高的问题,提供了形式简单、可解释性强、可操作性强安全的规则,能够显著提升求解效率,具有显著的创新性和良好的应用价值。
本申请第一方面实施例提供一种用于城市能源系统韧性提升的安全规则提取及优化方法,包括以下步骤:计算城市能源系统韧性指标,并基于所述韧性指标构建所述城市能源系统的双层优化模型;基于预设的能量传输环节、预设的能量存储环节和预设的能量转换环节,对所述城市能源系统的电力电子环节动态特性建模,得到电力电子环节动态特性模型;基于电力系统的供需实时平衡、天然气网的存储能力和区域供热/冷网管道的存储能力,对所述城市能源系统的多能源网络动态特性建模,得到多能源网络动态特性模型;以及基于所述电力电子环节动态特性模型和所述多能源网络动态特性模型,构建灾害事件下所述城市能源系统的两阶段韧性运行模型,并基于预设的稀疏权重斜决策树模型,将所述灾害事件下所述城市能源系统的两阶段韧性模型转化为混合整数线性约束,并将所述混合整数线性约束嵌入所述城市能源系统的双层优化模型,得到所述混合整数线性约束下的优化运行模拟结果。
可选地,在一些实施例中,所述计算城市能源系统韧性指标,包括:基于预设的韧性指标公式,计算所述城市能源系统韧性指标,其中,所述预设的韧性指标公式为:
其中,εR为韧性指标,SP0是灾害事件发生前的系统性能,SPd是灾害事件发生后系统性能的最低值,Pload是系统负荷。
可选地,在一些实施例中,在基于所述预设的能量传输环节、所述预设的能量存储环节和所述预设的能量转换环节,对所述城市能源系统的电力电子环节动态特性建模,得到所述电力电子环节动态特性模型之前,还包括:基于柔性软开关的响应速度的第一瞬时调节策略,确定所述预设的能量传输环节,其中,所述第一瞬时调节策略为:
PSOP(t)≤M·(1-Sline(t));
0≤PSOP(t)≤PSOP,max;
基于蓄电池的放电功率的第二瞬时调节策略,确定所述预设的能量存储环节,其中,所述第二瞬时调节策略为:
0≤PES(t0)≤PES,max;
其中,PES为蓄电池的运行功率,PES,为蓄电池的运行功率上限;
基于热泵的输入电功率和压缩式制冷机的输入电功率的第三瞬时调节策略,确定所述预设的能量转换环节,其中,所述第三瞬时调节策略为:
0≤PEHP(t0)≤PEHP,max;
0≤PCERG(t0)≤PCERG,max;
其中,PEHP为热泵运行功率,PEHP,max为热泵运行功率的上限,PCERG为压缩式制冷机的运行功率,PCERG,为压缩式制冷机的运行功率的上限。
可选地,在一些实施例中,所述基于电力系统的供需实时平衡、天然气网的存储能力和区域供热/冷网管道的存储能力,对所述城市能源系统的多能源网络动态特性建模,得到多能源网络动态特性模型,包括:基于所述天然气网的存储能力和区域供热/冷网管道的存储能力,确定管网等效储能在灾害事件发生时刻的能量储量与所述灾害事件发生时刻热源的运行状态之间的第一关系;基于所述电力系统的供需实时平衡,确定负荷热惯性等效储能在所述灾害事件发生时刻的能量储量与所述灾害事件发生时刻热/冷负荷之间的第二关系;根据所述第一关系和所述第二关系对所述城市能源系统的多能源网络动态特性建模,得到多能源网络动态特性模型。
可选地,在一些实施例中,所述城市能源系统的两阶段韧性运行模型的目标函数为:
其中,k为负荷,LSk为负荷k的失负荷大小,ΩL为负荷集合,t为时间。
可选地,在一些实施例中,所述基于预设的稀疏权重斜决策树模型,将所述灾害事件下所述城市能源系统的两阶段韧性模型转化为混合整数线性约束,包括:基于所述预设的稀疏权重斜决策树模型得到稀疏权重斜决策树;利用所述稀疏权重斜决策树在每个节点的优化目标函数将所述灾害事件下所述城市能源系统的两阶段韧性模型转化为混合整数线性约束。
可选地,在一些实施例中,所述稀疏权重斜决策树在每个节点的优化目标函数为:
其中,θ为最优划分参数向量,N为样本数量,WL(θ)为左子节点的权重和、WR(θ)为右子节点的权重和,HL(θ)为左子节点的加权信息熵,HR(θ)为右子节点的加权信息熵,λ1|θ|+λ2‖θ‖2为Elastic Net正则化项。
本申请第二方面实施例提供一种用于城市能源系统韧性提升的安全规则提取及优化装置,包括:计算模块,用于计算城市能源系统韧性指标,并基于所述韧性指标构建所述城市能源系统的双层优化模型;生成模块,用于基于预设的能量传输环节、预设的能量存储环节和预设的能量转换环节,对所述城市能源系统的电力电子环节动态特性建模,得到电力电子环节动态特性模型;建模模块,用于基于电力系统的供需实时平衡、天然气网的存储能力和区域供热/冷网管道的存储能力,对所述城市能源系统的多能源网络动态特性建模,得到多能源网络动态特性模型;以及优化模块,用于基于所述电力电子环节动态特性模型和所述多能源网络动态特性模型,构建灾害事件下所述城市能源系统的两阶段韧性运行模型,并基于预设的稀疏权重斜决策树模型,将所述灾害事件下所述城市能源系统的两阶段韧性模型转化为混合整数线性约束,并将所述混合整数线性约束嵌入所述城市能源系统的双层优化模型,得到所述混合整数线性约束下的优化运行模拟结果。
可选地,在一些实施例中,所述计算模块,还用于:基于预设的韧性指标公式,计算所述城市能源系统韧性指标,其中,所述预设的韧性指标公式为:
其中,εR为韧性指标,SP0是灾害事件发生前的系统性能,SPd是灾害事件发生后系统性能的最低值,Pload是系统负荷。
可选地,在一些实施例中,所述生成模块,还用于:基于柔性软开关的响应速度的第一瞬时调节策略,确定所述预设的能量传输环节,其中,所述第一瞬时调节策略为:
PSOP(t)≤M·(1-Sline(t));
0≤PSOP(t)≤PSOP,max;
基于蓄电池的放电功率的第二瞬时调节策略,确定所述预设的能量存储环节,其中,所述第二瞬时调节策略为:
0≤PES(t0)≤PES,max;
其中,PES为蓄电池的运行功率,PES,max为蓄电池的运行功率上限;
基于热泵的输入电功率和压缩式制冷机的输入电功率的第三瞬时调节策略,确定所述预设的能量转换环节,其中,所述第三瞬时调节策略为:
0≤PEHP(t0)≤PEHP,max;
0≤PCERG(t0)≤PCERG,max;
其中,PEHP为热泵运行功率,PEHP,max为热泵运行功率的上限,PCERG为压缩式制冷机的运行功率,PCERG,max为压缩式制冷机的运行功率的上限。
可选地,在一些实施例中,所述建模模块,还用于:基于所述天然气网的存储能力和区域供热/冷网管道的存储能力,确定管网等效储能在灾害事件发生时刻的能量储量与所述灾害事件发生时刻热源的运行状态之间的第一关系;基于所述电力系统的供需实时平衡,确定负荷热惯性等效储能在所述灾害事件发生时刻的能量储量与所述灾害事件发生时刻热/冷负荷之间的第二关系;根据所述第一关系和所述第二关系对所述城市能源系统的多能源网络动态特性建模,得到多能源网络动态特性模型。
可选地,在一些实施例中,所述城市能源系统的两阶段韧性运行模型的目标函数为:
其中,k为负荷,LSk为负荷k的失负荷大小,ΩL为负荷集合,t为时间。
可选地,在一些实施例中,所述优化模块,还用于:基于所述预设的稀疏权重斜决策树模型得到稀疏权重斜决策树;利用所述稀疏权重斜决策树在每个节点的优化目标函数将所述灾害事件下所述城市能源系统的两阶段韧性模型转化为混合整数线性约束。
可选地,在一些实施例中,所述稀疏权重斜决策树在每个节点的优化目标函数为:
其中,θ为最优划分参数向量,N为样本数量,WL(θ)为左子节点的权重和、WR(θ)为右子节点的权重和,HL(θ)为左子节点的加权信息熵,HR(θ)为右子节点的加权信息熵,λ1|θ|+λ2‖θ‖2为Elastic Net正则化项。
本申请第三方面实施例提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的用于城市能源系统韧性提升的安全规则提取及优化方法。
本申请第四方面实施例提供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,以用于实现如上述实施例所述的用于城市能源系统韧性提升的安全规则提取及优化方法。
由此,通过协同电力电子设备快动态和多能源网络慢动态两个时间尺度的韧性资源,提出了灾害事件下城市能源系统两阶段韧性运行模型,有效保障了重要负荷在灾害事件下的连续供应。在此基础上,提出了一种数据驱动的城市能源系统安全规则提取及内嵌优化运行方法,将复杂的系统韧性模型转化为少量的混合整数线性约束,即安全规则,并内嵌至系统正常运行模型,显著提升了优化问题的求解效率,且具有很高的应用价值。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本申请实施例提供的用于城市能源系统韧性提升的安全规则提取及优化方法的流程图;
图2为根据本申请一个具体实施例提供的用于城市能源系统韧性提升的安全规则提取及优化方法的流程图;
图3为根据本申请一个具体实施例提供的系统拓扑结构示意图;
图4为根据本申请一个具体实施例提供的系统年度电、热、冷负荷曲线示意图;
图5为根据本申请一个具体实施例提供的系统年光伏发电数据示意图;
图6为根据本申请一个具体实施例提供的系统运行安全规则(夏季)示意图;
图7为根据本申请一个具体实施例提供的系统安全运行状态比例示意图;
图8为根据本申请一个具体实施例提供的系统运行成本及计算时间对比结果示意图;
图9为根据本申请实施例提供的用于城市能源系统韧性提升的安全规则提取及优化装置的方框示意图;
图10为根据本申请实施例提供的电子设备的示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的用于城市能源系统韧性提升的安全规则提取及优化方法、装置、电子设备及存储介质。针对上述背景技术中提到的相关技术一方面忽视了热/冷管网在灾害事件下的应急供应能力和缓冲作用,另一方面优化问题规模较大,求解复杂度较高的问题,本申请提供了一种用于城市能源系统韧性提升的安全规则提取及优化方法,在该方法中,通过计算城市能源系统韧性指标,并基于韧性指标构建城市能源系统的双层优化模型,基于预设的能量传输环节、预设的能量存储环节和预设的能量转换环节,对城市能源系统的电力电子环节动态特性建模,得到电力电子环节动态特性模型,并基于电力系统的供需实时平衡、天然气网的存储能力和区域供热/冷网管道的存储能力,对城市能源系统的多能源网络动态特性建模,得到多能源网络动态特性模型,并基于电力电子环节动态特性模型和多能源网络动态特性模型,构建灾害事件下城市能源系统的两阶段韧性运行模型,并基于预设的稀疏权重斜决策树模型,将灾害事件下城市能源系统的两阶段韧性模型转化为混合整数线性约束,并将混合整数线性约束嵌入城市能源系统的双层优化模型,得到混合整数线性约束下的优化运行模拟结果。由此,解决相关技术一方面忽视了热/冷管网在灾害事件下的应急供应能力和缓冲作用的问题,另一方面导致优化问题规模较大,求解复杂度较高的问题,提供了形式简单、可解释性强、可操作性强安全的规则,能够显著提升求解效率,具有显著的创新性和良好的应用价值。
具体而言,图1为本申请实施例所提供的一种用于城市能源系统韧性提升的安全规则提取及优化方法的流程示意图。
如图1所示,该用于城市能源系统韧性提升的安全规则提取及优化方法包括以下步骤:
在步骤S101中,计算城市能源系统韧性指标,并基于韧性指标构建城市能源系统的双层优化模型。
具体地,城市能源系统的韧性是灾害事件下保证所有重要负荷连续供应的能力。在极端灾害事件发生后,应该酌情暂时放弃部分非重要负荷的供应,优先保障重要负荷的连续供应。因此,采用系统实际供应负荷来表征系统性能,采用系统性能的最大下降程度来计算韧性指标,表达式如下:
其中,SP0是灾害事件发生前的系统性能,SPd是灾害事件发生后系统性能的最低值,Pload是系统负荷(包括重要负荷和非重要负荷)。
当灾害事件发生后系统实际供应负荷量始终高于所有重要负荷之和,则认为系统具有应对该灾害事件的韧性,反之不具有韧性。则韧性约束为:
基于上述韧性指标定义,构建城市能源系统的双层优化模型。上层问题(3)是系统正常运行问题,寻求经济性最优的系统运行指令;下层问题(4)是灾害事件下的系统韧性运行问题,寻求切负荷最少的系统运行指令,同时必须满足韧性约束,即保证重要负荷的连续供应。
s.t.g(x(t))≤0,
s.t.l(x(t′),x(t0),y)≤0,
其中,f(·)、h(·)和g(·)≤0、l(·)≤0分别为上层问题和下层问题的目标函数和运行约束条件;x是系统运行状态变量;y是灾害事件导致的系统破坏情况变量;t和t′是时间参数;T是上层问题场景时长;t0是灾害事件发生时刻;T′是灾害事件后系统修复时长;Ωy是灾害事件场景集合。
事实上,在灾害事件发生后系统只关心重要负荷能否连续供应,所以下层问题的主要目的不是求解最优的运行方案,而是求解满足韧性约束的可行运行方案。因此,下层问题本质上是对上层问题中的系统运行状态进行约束。为此,提出一种数据驱动的方法,将下层对上层的约束用一系列混合整数线性约束进行拟合,代替原下层问题:
其中,Ai表示设备i运行状态x(t)的系数;bi表示数据驱动获得的设备i安全运行边界;Ii为二进制变量,表示设备i的故障状态,1表示运行,0表示故障;M是正大数。因此,原双层优化问题(3)-(4)可以转化为:
s.t.g(x(t))≤0,
Ai·x(t)≤bi+M·(1-Ii),i=1,2,...,G
在步骤S102中,基于预设的能量传输环节、预设的能量存储环节和预设的能量转换环节,对城市能源系统的电力电子环节动态特性建模,得到电力电子环节动态特性模型。
具体地,能量传输环节:柔性软开关技术以可控电力电子变换器代替传统基于断路器的馈线联络开关,实现了馈线之间的常态化柔性软连接。系统故障发生后,柔性软开关响应速度快,能够实现配电网的快速网络重构、负荷转供,优先保证重要负荷的电能供应。柔性软开关在系统故障发生可同时进行动作:
PSOP(t)≤M·(1-Sline(t)); (7)
0≤PSOP(t)≤PSOP,max; (8)
其中,PSOP和PSOP,max分别是柔性软开关的运行功率及其上限;Sline是配电线路的运行状态,为0-1变量,1表示线路正常运行,0表示线路发生故障;M是正大数。
能量存储环节:蓄电池通过电力电子变换器接入电网,蓄电池的充放电功率可由电力电子变换器快速调节。系统故障发生后,蓄电池能够快速提升放电功率,相当于接入一路备用电源,在电能完全释放之前支撑重要负荷,给城市能源系统中其余设备的动作提供有效缓冲,保证故障发生后重要负荷的连续供应。蓄电池放电功率在系统故障发生时刻可以瞬时调节:
0≤PES(t0)≤PES,max; (9)
其中,PES和PES,max分别是蓄电池的运行功率及其上限。
能量转换环节:热泵和压缩式制冷机通过输入少量电能驱动压缩机收集环境中大量热量,是电转热和电转冷能量转换设备。电力系统故障发生后,由于供热/冷系统具有热惯性,热泵和压缩式制冷机可以通过变频快速降低自身运行功率,实现快速需求响应,优先保证电力系统重要负荷的供应。热泵和压缩式制冷机的输入电功率在系统故障发生时刻可以瞬时调节:
0≤PEHP(t0)≤PEHP,max; (10)
0≤PCERG(t0)≤PCERG,max; (11)
其中,PEHP、PCERG和PEHP,max、PCERG,max分别是热泵、压缩式制冷机的运行功率及其上限。
此外,电力电子环节还具有短时过载运行能力。理论上,电力电子设备过载运行时长越短,其过载能力越强。柔性软开关和蓄电池在过载运行时满足:
0≤PSOP(t)≤PSOP,max·αSOP,over; (12)
0≤PES(t)≤PES,max·αES,over; (13)
其中,αSOP,over和αES,over分别表征柔性软开关和蓄电池的过载能力。
在步骤S103中,基于电力系统的供需实时平衡、天然气网的存储能力和区域供热/冷网管道的存储能力,对城市能源系统的多能源网络动态特性建模,得到多能源网络动态特性模型。
可选地,在一些实施例中,基于电力系统的供需实时平衡、天然气网的存储能力和区域供热/冷网管道的存储能力,对城市能源系统的多能源网络动态特性建模,得到多能源网络动态特性模型,包括:基于天然气网的存储能力和区域供热/冷网管道的存储能力,确定管网等效储能在灾害事件发生时刻的能量储量与灾害事件发生时刻热源的运行状态之间的第一关系;基于电力系统的供需实时平衡,确定负荷热惯性等效储能在灾害事件发生时刻的能量储量与灾害事件发生时刻热/冷负荷之间的第二关系;根据第一关系和第二关系对城市能源系统的多能源网络动态特性建模,得到多能源网络动态特性模型。
具体地,与配电网不同,天然气网和区域供热/冷网管道具有一定的存储能力,可以分别通过改变气压和工质温度来改变存储能量的大小。以供热网为例,当热源发生故障且下游的供热管网仍然正常运行时,供热网管道中工质存储的热量不会立即消失。此时,供热管网可以等效为一个储热设备开始释放存储的能量,直至工质温度降到最低限值。管网等效储能的数学模型为:
El·(SOCl(t+1)-SOCl(t))=-Pl(t)/ηl·Δt; (14)
其中,El、SOCl、Pl和ηl分别是管网等效储能的储量上限、储量状态(state ofcharge,SOC)、释放功率和效率。
管网等效储能与该时刻管道工质的平均温度相关:
El=cpml·(Tl(t0)-Tl,min); (15)
其中,cp是工质的比热容;ml是管道工质质量;Tl是管道工质平均温度;Tl,min是管道温度最低限值。
另一方面,供热网(包括供水管道和回水管道)工质温度与热源供热功率相关。以燃气锅炉作为单热源的供热网为例,燃气锅炉输入供热网的热功率与燃气锅炉处注入供水管道工质温度和回水管道流出工质温度之间存在关系:
PAB(t)=cpvm(Tl,AB(t)-Tlr,AB(t)); (16)
其中,PAB是燃气锅炉的运行功率;Tl,AB和Tlr,AB分别是燃气锅炉处注入供水管道工质温度和回水管道流出工质温度;vm是工质的质量流速。
若忽略供热网的传输热损耗,则可以用供水管道和回水管道的工质平均温度差计算燃气锅炉输入供热网的热功率:
PAB(t)=cpvm(Tl(t)-Tlr(t)); (17)
其中,Tlr是回水网工质平均温度。
联立式(15)和式(17)可知,管网等效储能在灾害事件发生时刻的能量储量El与该时刻热源的运行状态PAB(t0)相关联。
电力系统要求供需实时平衡。然而,一些热/冷负荷(如建筑物空间供暖/冷负荷)对于供热/冷的变化具有热惯性,即当热/冷源失效后,这些热/冷负荷不会立即失效。热/冷源失效与热/冷负荷失效之间的时间差给灾害事件下的城市能源系统提供了有效的缓冲。建筑物空间供暖模型为:
Q(t+1)-Q(t)=Cb·(Tb(t+1)-Tb(t))=(Pin(t)-Pload(t))·Δt; (18)
其中,Q是建筑物室内空间存储的热量;Cb是建筑物的热容;Tb是建筑物室内温度;Pin是热源提供的热功率。
正常运行时,供热功率等于热负荷,室内温度保持不变。当供热系统发生故障时,供热功率为零,则有:
Pload(t)·Δt=Pdisch(t)·Δt=Q(t)-Q(t+1)=Cb·(Tb(t)-Tb(t+1)); (19)
其中,Pdisch是建筑物储热的释放功率。
根据式(19),热/冷负荷的热惯性可以建模为等效蓄热/冷设备,其在热/冷负荷不能正常供应时开始释放能量:
Eb·(SOCb(t+1)-SOCb(t))=-Pdisch(t)·Δt; (20)
其中,Eb和SOCb分别是热/冷负荷热惯性等效储能的储量上限和储量状态。
当室内温度离开舒适温度区间时则认为热/冷负荷失效,所以负荷热惯性等效储能在灾害事件发生时刻的能量储量只建模舒适温度区间之内的温度变化:
Eb=Cb·|Tb(t0)-Tlimit|; (21)
其中,Tlimit是舒适温度临界值(热负荷用下界值,冷负荷用上界值)。
另一方面,热/冷负荷大小(即建筑物热/冷力需求)与建筑物室内外的温度差相关:
Pload(t)=Kb·|Tb(t)-Ta|; (22)
其中,Kb是建筑物散热系数;Ta是室外环境温度。
联立式(21)和式(22)可知,负荷热惯性等效储能在灾害事件发生时刻的能量储量Eb与该时刻的热/冷负荷Pload(t0)(或建筑物室内温度设定Tb(t0))相关联。
在步骤S104中,基于电力电子环节动态特性模型和多能源网络动态特性模型,构建灾害事件下城市能源系统的两阶段韧性运行模型,并基于预设的稀疏权重斜决策树模型,将灾害事件下城市能源系统的两阶段韧性模型转化为混合整数线性约束,并将混合整数线性约束嵌入城市能源系统的双层优化模型,得到混合整数线性约束下的优化运行模拟结果。
根据电力电子设备最长过载时间将灾害事件发生后划分为两个阶段:
阶段一:灾害事件发生后短时间阶段。此阶段时间范围为[t0,t1],时间尺度一般为分钟级。在这个阶段电力电子设备快动态特性起主导作用,电力电子设备在灾害事件发生后快速动作和短时过载运行,支撑系统重要负荷供应。此时,城市能源系统其余设备在灾害事件发生后极短时间内无法迅速反应。
阶段二:系统完全修复前长时间阶段。此阶段时间范围为[t1,t2],时间尺度一般为小时级,持续时长一般为几小时到一天,甚至几天。在这个阶段多能源网络慢动态特性起主导作用,蓄热/冷设备、供热/冷管网等效储能、热/冷负荷热惯性等效储能在系统修复的过程中承担应急供应任务。电力电子设备在这个阶段已失去过载运行能力。
城市能源系统两阶段韧性运行模型的目标函数是最小化灾害事件下系统削负荷总量:
其中,LSk是负荷k的失负荷大小;ΩL是负荷集合。
阶段一:灾害事件发生后短时间阶段
此阶段的约束条件包括:功率守恒约束、能量转换设备运行约束、能量存储设备运行约束、能量传输设备运行约束、设备容量约束、系统输入约束、电力电子环节快动态特性约束、灾害事件发生时设备运行状态连续性约束、设备故障约束和系统韧性约束。
功率守恒约束。对于任意设备,其输入功率等于所有与其输入端相连线路的末端输出功率之和,其输出功率等于所有与其输出端相连线路的始端输入功率之和。对于任意母线,其输入功率之和等于其输出功率之和。
其中,和/>分别是设备i的输入功率和输出功率;/>和/>分别是线路j的始端输入功率和末端输出功率;/>和/>分别是与设备i的输入端和输出端相连的线路集合;/>和/>分别是馈入和馈出母线b的线路集合;Ωu和Ωb分别是机组设备和母线的集合。
能量转换设备运行约束。采用能量转换效率建模能量转换设备输入功率与输出功率之间的关系:
其中,ηi是能量转换设备i的能量转换效率;Ωuc是能量转换设备的集合。
对于单输入多输出的能量转换设备,例如热电联产机组,引入多个能量转换效率:
其中,ηg2p和ηg2h分别是气-电转换效率和气-热转换效率。
能量存储设备运行约束。除了充放功率,引入储量状态用于描述能量存储设备的运行:
能量传输设备运行约束。采用运行效率建模能量传输设备(包括配电线路、天然气管路和供热/冷管路)的能量传输损耗:
设备容量约束。系统中各设备(包括能量转换设备、能量存储设备、新能源发电设备和能量传输设备)的运行状态受到其建设容量约束:
其中,Ci是设备i的容量;Ωc是系统设备的集合;Ωur是新能源发电设备的集合;PUi是新能源发电设备i的标幺输出曲线。
系统输入约束。从区域外输入的能量受到联络线容量的约束:
电力电子环节快动态特性约束。灾害事件发生后短时间内,电力电子环节运行状态可以迅速改变并且可以过载运行。参见式(7)-式(13)。
灾害事件发生时设备运行状态连续性约束。与柔性软开关、蓄电池、热泵和压缩式制冷机等设备不同,其他设备(包括热电联产机组、燃气锅炉、吸收式制冷机、蓄热设备、蓄冷设备等)的运行状态在灾害事件发生前后不会发生突变。以热电联产机组为例:
此外,系统中各储能(包括蓄电池、蓄热/冷设备、供热/冷管网等效储能、热/冷负荷热惯性等效储能等)的储量在灾害事件发生前后不会发生突变。以蓄电池为例:
SOCES(t0+)=SOCES(t0-);(37)
设备故障约束。系统中各设备的运行点也受到其故障状态(运行/故障)的约束:
其中,Si是设备i的故障状态,1表示运行,0表示故障;M是正大数。
系统韧性约束。系统韧性指标须小于设定限值,以保证重要负荷的连续供应。参见式(2)。
阶段二:系统完全修复前长时间阶段
此阶段同样需要满足以下约束:功率守恒约束、能量转换设备运行约束、能量存储设备运行约束、能量传输设备运行约束、设备容量约束、系统输入约束、设备故障约束和系统韧性约束。
此阶段电力电子环节(包括柔性软开关和蓄电池)已失去过载运行能力,其运行只需要满足设备容量约束,参见式(32)。
此外,还需要考虑多能源网络慢动态特性约束,包括管网等效储能约束和热/冷负荷热惯性等效储能约束。
管网等效储能约束。如果在灾害事件中热/冷源失效并且其下游的供热/冷管网仍正常工作,则下游的供热/冷管网可以等效为蓄热/冷设备。参见式(14)-式(17)。
热/冷负荷热惯性等效储能约束。采用等效蓄热/冷设备建模热/冷负荷的热惯性。参见式(20)-式(22)。
可选地,在一些实施例中,基于预设的稀疏权重斜决策树模型,将灾害事件下城市能源系统的两阶段韧性模型转化为混合整数线性约束,包括:基于预设的稀疏权重斜决策树模型得到稀疏权重斜决策树;利用稀疏权重斜决策树在每个节点的优化目标函数将灾害事件下城市能源系统的两阶段韧性模型转化为混合整数线性约束。
具体地,决策树是一种利用树形结构进行有监督学习的模型,可以表达学习目标与特征之间的任意函数关系。在单变量决策树的基础上,斜决策树(又称多变量决策树)在决策树的每一个节点上用超平面线性划分θTp代替原先的单变量划分,有效提升了决策树的学习性能。若θTp<0,则运行状态p属于左子节点;若θTp≥0,则运行状态p属于右子节点。斜决策树同样以最小化不纯净度指标为优化目标获取最优划分参数向量θ,但由于示性函数I[θTp<0]不连续,导致获取最优划分参数成为一类离散优化问题。为此,有学者提出权重斜决策树以加权信息熵为目标函数求解最优划分参数。核心思想是通过sigmoid函数σ(θTp)的“软划分”代替示性函数l[θTp<0]的“硬划分”,即任意样本以一定的概率(即左子节点的权重)进入左子节点,以剩余的概率(即右子节点的权重)进入右子节点,实现不纯净度指标函数连续光滑,从而将离散优化问题转化为连续优化问题。加权信息熵E(θ)的表达式为:
E(θ)=WL(θ)HL(θ)+WR(θ)HR(θ); (39)
其中,WL(θ)和WR(θ)分别为左子节点和右子节点的权重和,HL(θ)和HR(θ)分别为左子节点和右子节点的加权信息熵。
然而,权重斜决策树的局限在于其获得的最优划分参数是稠密向量,得到的安全规则不易于理解。为此,有学者进一步提出稀疏权重斜决策树,以加权信息熵和ElasticNet正则化项共同作为优化目标函数求解最优划分参数。核心思想是Elastic Net正则化项可将对系统安全性不重要的特征量系数置零,同时保证重要特征量系数之间的相关性,使安全规则易于理解。稀疏权重斜决策树在每个节点的优化目标函数为:
其中,第一项为当前节点的加权信息熵,通过当前节点的样本数量N规范化;第二项和第三项之和为Elastic Net正则化项,该优化问题可以采用改进象限拟牛顿法解决。
然后,进行安全规则提取及内嵌优化运行。其中,安全规则提取的前提是解析系统运行状态p所包含的特征量,主要由以下五类特征量组成:
1.能量转换设备和能量存储设备的出力p。一方面,热电联产机组、燃气锅炉、吸收式制冷机、蓄热设备、蓄冷设备等设备的出力在灾害事件发生前后不会突变,直接关系到灾害事件发生后短时间内的系统能量供应。另一方面,由2.3节可知,供热/冷管网等效储能在灾害事件发生时的能量储量与该时刻其上游热/冷源出力相关联,能量转换设备和能量存储设备的出力水平同时反映了管网等效储能的储量水平。
2.能量存储设备的储量SOC。蓄电池、蓄热设备和蓄冷设备在灾害发生时的储量直接决定了其为系统提供灾后应急供应的能力以及时长。
3.建筑物室内温度TEMP。由步骤S102中的能量转换环节可知,热/冷负荷热惯性等效储能在灾害事件发生时的能量储量与该时刻建筑物室内温度设定相关联,该等效储能储量反映了热/冷负荷可与热/冷源短时断开的裕度。
4.系统各设备的修复时间Tre。设备修复时间由灾害事件破坏程度、设备类型、修复效率等因素决定。设备修复时间可直接影响系统应急供应能力。
5.重要负荷水平D。灾害事件发生时的重要负荷水平可直接影响灾后系统短时支撑、缓冲能力。
综上,系统运行状态p可以写为:
p=[PT,SOCT,TEMPT,Tre T,DT,1]T; (41)
其中,最后一个特征量始终为1,用于学习线性超平面的偏置项。
记安全标签y∈{b,g},b代表不安全运行状态,g代表安全运行状态。则带安全标签y的系统正常运行状态数据集为:
Ωp={(p1,y1),(p2,y2),...,(pN,yN)}; (42)
将带安全标签y的系统正常运行状态数据集输入稀疏权重斜决策树模型,即可训练生成决策树。
根据决策树结构,任何一个系统运行状态p有且仅有一个对应的叶节点。每个分类为安全运行状态的叶节点代表一条安全规则,这些叶节点代表的安全规则的并集即为完整的安全规则。任意两个叶节点代表的安全规则互斥。为了提取完整的安全规则,需要找到所有分类为安全运行状态的叶节点,并且获取这些叶节点所代表的安全规则。基于递归思想,算法1给出了安全规则提取的具体方法。假设决策树共有G个分类为安全运行状态的叶节点,且Ri是第i个分类为安全运行状态的叶节点的规则矩阵,则提取的安全规则可以表示为:
Rip≥0,i=1,2,...,G; (43)
表1
内嵌优化运行。由于任意两个叶节点代表的安全规则互斥,因此无法将式(43)所示的安全规则作为约束条件直接嵌入城市能源系统正常运行模型。本文采用大M法引入辅助0-1变量将安全规则转化为约束:
R1p≥-M(1-I1)
R2p≥-M(1-I2)
...
RGp≥-M(1-IG)
其中,Ii是对应第i个分类为安全运行状态的叶节点的0-1变量,若Ii=1,则系统运行状态p满足第i个分类为安全运行状态的叶节点对应的安全规则,否则不满足;M是一个正大数。式(44)最后一行约束表示系统运行状态p满足且仅满足其中一条安全规则,该运行状态即为安全运行状态。
需要说明的是,系统中各设备的修复时间Tre和重要负荷水平D等特征量难以作为实时调节对象,故将这些特征量作为安全规则约束的既定参数进行设置。
通过将式(44)作为约束条件嵌入城市能源系统正常运行模型,可以得到安全规则约束下的优化运行模拟结果,兼顾城市能源系统运行的经济性和安全性。式(44)是关于决策变量的混合整数线性约束,因此内嵌安全规则的正常运行模型可以转化为标准的混合整数线性规划问题,可以采用商业求解器(例如Cplex、Gurobi等)进行高效求解。
为使得本领域技术人员进一步了解本申请实施例的用于城市能源系统韧性提升的安全规则提取及优化方法,下面结合具体实施例进行详细阐述。
如图2所示,图2为根据本申请实施例提出的用于城市能源系统韧性提升的安全规则提取及优化方法的流程图,包括以下5个主要步骤。
步骤1:模拟正常运行状态。进行正常场景下系统运行模拟,记录海量系统正常运行状态数据集。每条数据均对应一个正常运行场景运行模拟结果。
步骤2:生成数据集安全标签。以系统正常运行状态数据集中一条数据作为边界条件,单独求解灾害事件下的系统韧性运行模型。若该问题有可行解,则该条数据标记为“安全”,反之标记为“不安全”。上述操作遍历系统正常运行状态数据集,即可生成带安全标签(安全/不安全)的正常运行状态数据集。
步骤3:提取安全规则。以带安全标签的正常运行状态数据集为输入,将“安全”和“不安全”作为两个类别,进行二分类学习。学习结束后输出分类边界,其中“安全”类别的边界即式(5)中的安全规则。
步骤4:内嵌安全规则。将安全规则嵌入系统正常运行模型,求解带安全规则约束的系统正常运行模型,再次进行海量的正常场景运行模拟,记录考虑安全规则的系统正常运行状态的海量数据集。
步骤5:安全规则有效性检验。以考虑安全规则的系统正常运行状态数据集中一条数据作为边界条件,单独求解灾害事件下的系统韧性运行模型,统计此时该问题有可行解的概率。
本申请实施例系统由两个片区(以下简称为1区和2区)组成,如图3所示。两个片区在供给侧均有各自的电源和天然气源;在网络侧均有各自的能量转换设备、能量存储设备、能量传输设备、新能源发电设备、变电站、换热站等;在需求侧均有各自的电、热、冷负荷。配电网网架结构采用单环网结构,在1区和2区之间设置联络开关。系统正常运行时,联络开关处于断开状态,1区和2区在负荷供应上自给自足。系统发生故障时,可以通过闭合联络开关实现电负荷的转供。
两个片区的电、热、冷负荷曲线,如图4所示。该负荷曲线的热、冷负荷呈现出明显的季节性特征,热负荷主要集中在冬季,冷负荷主要集中在夏季。电、热、冷负荷的重要负荷分别为总负荷的50%、40%和20%。主网向1区和2区供电和天然气的上限均为每小时200MWh。主网电价采用分时电价,峰、平、谷时段电价分别为1322元/MWh,839元/MWh和381元/MWh,夏季尖峰电价为1440元/MWh。天然气价格为300元/MWh。
表2给出了各类能量转换设备、能量存储设备和新能源发电设备的建设容量和运行效率。图5给出了光伏发电系统年发电数据。
表2设备建设容量及运行效率
以1区为例提取夏季(6、7、8月)的系统运行安全规则,假设灾害事件发生后储能设备和热/冷网储能均可用。所有特征值输入稀疏权重斜决策树模型前均进行标幺化处理,安全运行状态和不安全运行状态用二进制变量表征。此外,两个母线之间串联的节点与支路取其中最长修复时间输入决策树模型,一个串联路线只输入一个特征量Tre。
图6展示了系统运行安全规则(深度为3,正则化项系数均为0.001)。其中,下标CHP、AB、EHP、CERG、WARG、ES、HS、CS、HL、CL、RES和line分别对应热电联产机组、燃气锅炉、热泵、压缩式制冷机、吸收式制冷机、蓄电池、蓄热设备、蓄冷设备、热负荷、冷负荷、新能源发电设备和配电线路。
冬季和夏季各随机生成200个系统运行状态,正常运行、内嵌安全规则、以及双层优化模型三种情形的安全运行状态比例计算结果如图7所示。不考虑应对灾害事件时,系统在灾害事件下的安全运行状态比例不超过70%。内嵌安全规则后,系统的安全运行状态比例提升至96%以上,验证了提出方法的有效性。双层优化模型可以实现系统安全运行状态比例达到100%,等效于内嵌了安全校验机理模型。因此,数据驱动的方法以更少的混合整数线性约束较好地逼近了模型驱动方法的效果。
图8展示了三种情形下冬季和夏季典型日(典型日采用k中心值聚类方法获得)系统优化运行成本(即目标函数值)和计算时间。不考虑应对灾害事件时,系统运行成本最低。通过内嵌安全规则(图8的(a))和双层优化模型(图8的(b))两种方法对系统运行状态进行约束后,系统运行成本有所提升,两种方法的误差不超过3%。在计算时间方面,内嵌安全规则的方法仅在系统正常运行模型的基础上引入了少量的混合整数线性约束,其计算时间几乎没有增加,均为0.6~0.7秒。然而,双层优化模型采用随机优化方法求解,下层问题考虑50个灾害事件场景的情况下,计算时间超过180秒。因此,通过数据驱动方法提取并嵌入安全规则约束,在优化结果与模型驱动方法误差小于3%的情况下,可以将计算时间降低2个数量级,且与正常运行问题的求解时间基本相同。
由此,本申请实施例提出了灾害事件下城市能源系统两阶段韧性运行模型,通过协同电力电子设备快动态特性和多能源网络慢动态特性两个时间尺度的韧性资源,提升城市能源系统在灾害事件下的韧性。阶段一(灾害事件发生后短时间阶段)主要考虑电力电子设备的快速动作和短时过载能力对重要负荷的短时支撑作用;阶段二(系统完全修复前长时间阶段)主要考虑多能源网络的管网储能和负荷热惯性在灾害事件下的缓冲作用。此外,提出了数据驱动的城市能源系统安全规则提取及内嵌优化运行方法。基于稀疏权重斜决策树理论,将灾害事件下城市能源系统两阶段韧性模型转化为少量的混合整数线性约束,即安全规则,并内嵌至系统正常运行模型。提取的安全规则形式简单、可解释性强、可操作性强,并且能够显著提升求解效率,具有显著的创新性和良好的应用价值。
根据本申请实施例提出的用于城市能源系统韧性提升的安全规则提取及优化方法,通过计算城市能源系统韧性指标,并基于韧性指标构建城市能源系统的双层优化模型,基于预设的能量传输环节、预设的能量存储环节和预设的能量转换环节,对城市能源系统的电力电子环节动态特性建模,得到电力电子环节动态特性模型,并基于电力系统的供需实时平衡、天然气网的存储能力和区域供热/冷网管道的存储能力,对城市能源系统的多能源网络动态特性建模,得到多能源网络动态特性模型,并基于电力电子环节动态特性模型和多能源网络动态特性模型,构建灾害事件下城市能源系统的两阶段韧性运行模型,并基于预设的稀疏权重斜决策树模型,将灾害事件下城市能源系统的两阶段韧性模型转化为混合整数线性约束,并将混合整数线性约束嵌入城市能源系统的双层优化模型,得到混合整数线性约束下的优化运行模拟结果。由此,解决了相关技术一方面忽视了热/冷管网在灾害事件下的应急供应能力和缓冲作用的问题,另一方面导致优化问题规模较大,求解复杂度较高的问题,提供了形式简单、可解释性强、可操作性强安全的规则,能够显著提升求解效率,具有显著的创新性和良好的应用价值。
其次参照附图描述根据本申请实施例提出的用于城市能源系统韧性提升的安全规则提取及优化装置。
图9是本申请实施例的用于城市能源系统韧性提升的安全规则提取及优化装置的方框示意图。
如图9所示,该用于城市能源系统韧性提升的安全规则提取及优化装置10包括:计算模块100、生成模块200、建模模块300和优化模块400。
其中,计算模块100,用于计算城市能源系统韧性指标,并基于韧性指标构建城市能源系统的双层优化模型;生成模块200基于预设的能量传输环节、预设的能量存储环节和预设的能量转换环节,对城市能源系统的电力电子环节动态特性建模,得到电力电子环节动态特性模型;建模模块300,用于基于电力系统的供需实时平衡、天然气网的存储能力和区域供热/冷网管道的存储能力,对城市能源系统的多能源网络动态特性建模,得到多能源网络动态特性模型;优化模块400,用于基于电力电子环节动态特性模型和多能源网络动态特性模型,构建灾害事件下城市能源系统的两阶段韧性运行模型,并基于预设的稀疏权重斜决策树模型,将灾害事件下城市能源系统的两阶段韧性模型转化为混合整数线性约束,并将混合整数线性约束嵌入城市能源系统的双层优化模型,得到混合整数线性约束下的优化运行模拟结果。
可选地,在一些实施例中,计算模块100,还用于:基于预设的韧性指标公式,计算城市能源系统韧性指标,其中,预设的韧性指标公式为:
其中,εR为韧性指标,SP0是灾害事件发生前的系统性能,SPd是灾害事件发生后系统性能的最低值,Pload是系统负荷。
可选地,在一些实施例中,生成模块200,还用于:基于柔性软开关的响应速度的第一瞬时调节策略,确定预设的能量传输环节,其中,第一瞬时调节策略为:
PSOP(t)≤M·(1-Sline(t));
0≤PSOP(t)≤PSOP,max;
基于蓄电池的放电功率的第二瞬时调节策略,确定预设的能量存储环节,其中,第二瞬时调节策略为:
0≤PES(t0)≤PES,max;
其中,PES为蓄电池的运行功率,PES,为蓄电池的运行功率上限;
基于热泵的输入电功率和压缩式制冷机的输入电功率的第三瞬时调节策略,确定预设的能量转换环节,其中,第三瞬时调节策略为:
0≤PEHP(t0)≤PEHP,max;
0≤PCERG(t0)≤PCERG,max;
其中,PEHP为热泵运行功率,PEHP,max为热泵运行功率的上限,PCERG为压缩式制冷机的运行功率,PCERG,为压缩式制冷机的运行功率的上限。
可选地,在一些实施例中,建模模块300,还用于:基于天然气网的存储能力和区域供热/冷网管道的存储能力,确定管网等效储能在灾害事件发生时刻的能量储量与灾害事件发生时刻热源的运行状态之间的第一关系;基于电力系统的供需实时平衡,确定负荷热惯性等效储能在灾害事件发生时刻的能量储量与灾害事件发生时刻热/冷负荷之间的第二关系;根据第一关系和第二关系对城市能源系统的多能源网络动态特性建模,得到多能源网络动态特性模型。
可选地,在一些实施例中,城市能源系统的两阶段韧性运行模型的目标函数为:
其中,k为负荷,LSk为负荷k的失负荷大小,ΩL为负荷集合,t为时间。
可选地,在一些实施例中,优化模块400,还用于:基于预设的稀疏权重斜决策树模型得到稀疏权重斜决策树;利用稀疏权重斜决策树在每个节点的优化目标函数将灾害事件下城市能源系统的两阶段韧性模型转化为混合整数线性约束。
可选地,在一些实施例中,稀疏权重斜决策树在每个节点的优化目标函数为:
其中,θ为最优划分参数向量,N为样本数量,WL()为左子节点的权重和、WR()为右子节点的权重和,HL()为左子节点的加权信息熵,HR()为右子节点的加权信息熵,λ1|θ|+2‖θ‖2为Elastic Net正则化项。
需要说明的是,前述对用于城市能源系统韧性提升的安全规则提取及优化方法实施例的解释说明也适用于该实施例的用于城市能源系统韧性提升的安全规则提取及优化装置,此处不再赘述。
根据本申请实施例提出的用于城市能源系统韧性提升的安全规则提取及优化装置,通过计算城市能源系统韧性指标,并基于韧性指标构建城市能源系统的双层优化模型,基于预设的能量传输环节、预设的能量存储环节和预设的能量转换环节,对城市能源系统的电力电子环节动态特性建模,得到电力电子环节动态特性模型,并基于电力系统的供需实时平衡、天然气网的存储能力和区域供热/冷网管道的存储能力,对城市能源系统的多能源网络动态特性建模,得到多能源网络动态特性模型,并基于电力电子环节动态特性模型和多能源网络动态特性模型,构建灾害事件下城市能源系统的两阶段韧性运行模型,并基于预设的稀疏权重斜决策树模型,将灾害事件下城市能源系统的两阶段韧性模型转化为混合整数线性约束,并将混合整数线性约束嵌入城市能源系统的双层优化模型,得到混合整数线性约束下的优化运行模拟结果。由此,解决了相关技术一方面忽视了热/冷管网在灾害事件下的应急供应能力和缓冲作用的问题,另一方面导致优化问题规模较大,求解复杂度较高的问题,提供了形式简单、可解释性强、可操作性强安全的规则,能够显著提升求解效率,具有显著的创新性和良好的应用价值。
图10为本申请实施例提供的电子设备的结构示意图。该电子设备可以包括:
存储器1001、处理器1002及存储在存储器1001上并可在处理器1002上运行的计算机程序。
处理器1002执行程序时实现上述实施例中提供的用于城市能源系统韧性提升的安全规则提取及优化方法。
进一步地,电子设备还包括:
通信接口1003,用于存储器1001和处理器1002之间的通信。
存储器1001,用于存放可在处理器1002上运行的计算机程序。
存储器1001可能包含高速RAM(Random Access Memory,随机存取存储器)存储器,也可能还包括非易失性存储器,例如至少一个磁盘存储器。
如果存储器1001、处理器1002和通信接口1003独立实现,则通信接口1003、存储器1001和处理器1002可以通过总线相互连接并完成相互间的通信。总线可以是ISA(IndustryStandard Architecture,工业标准体系结构)总线、PCI(Peripheral Component,外部设备互连)总线或EISA(Extended Industry Standard Architecture,扩展工业标准体系结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器1001、处理器1002及通信接口1003,集成在一块芯片上实现,则存储器1001、处理器1002及通信接口1003可以通过内部接口完成相互间的通信。
处理器1002可能是一个CPU(Central Processing Unit,中央处理器),或者是ASIC(Application Specific Integrated Circuit,特定集成电路),或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请实施例还提供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的用于城市能源系统韧性提升的安全规则提取及优化方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不是必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“N个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列,现场可编程门阵列等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (16)
1.一种用于城市能源系统韧性提升的安全规则提取及优化方法,其特征在于,包括以下步骤:
计算城市能源系统韧性指标,并基于所述韧性指标构建所述城市能源系统的双层优化模型;
基于预设的能量传输环节、预设的能量存储环节和预设的能量转换环节,对所述城市能源系统的电力电子环节动态特性建模,得到电力电子环节动态特性模型;
基于电力系统的供需实时平衡、天然气网的存储能力和区域供热/冷网管道的存储能力,对所述城市能源系统的多能源网络动态特性建模,得到多能源网络动态特性模型;以及
基于所述电力电子环节动态特性模型和所述多能源网络动态特性模型,构建灾害事件下所述城市能源系统的两阶段韧性运行模型,并基于预设的稀疏权重斜决策树模型,将所述灾害事件下所述城市能源系统的两阶段韧性模型转化为混合整数线性约束,并将所述混合整数线性约束嵌入所述城市能源系统的双层优化模型,得到所述混合整数线性约束下的优化运行模拟结果。
3.根据权利要求2所述的方法,其特征在于,在基于所述预设的能量传输环节、所述预设的能量存储环节和所述预设的能量转换环节,对所述城市能源系统的电力电子环节动态特性建模,得到所述电力电子环节动态特性模型之前,还包括:
基于柔性软开关的响应速度的第一瞬时调节策略,确定所述预设的能量传输环节,其中,所述第一瞬时调节策略为:
PSOP(t)≤M·(1-Sline(t));
0≤PSOP(t)≤PSOP,max;
基于蓄电池的放电功率的第二瞬时调节策略,确定所述预设的能量存储环节,其中,所述第二瞬时调节策略为:
0≤PES(t0)≤PES,max;
其中,PES为蓄电池的运行功率,PES,max为蓄电池的运行功率上限;
基于热泵的输入电功率和压缩式制冷机的输入电功率的第三瞬时调节策略,确定所述预设的能量转换环节,其中,所述第三瞬时调节策略为:
0≤PEHP(t0)≤PEHP,max;
0≤PCERG(t0)≤PCERG,max;
其中,PEHP为热泵运行功率,PEHP,max为热泵运行功率的上限,PCERG为压缩式制冷机的运行功率,PCERG,max为压缩式制冷机的运行功率的上限。
4.根据权利要求3所述的方法,其特征在于,所述基于电力系统的供需实时平衡、天然气网的存储能力和区域供热/冷网管道的存储能力,对所述城市能源系统的多能源网络动态特性建模,得到多能源网络动态特性模型,包括:
基于所述天然气网的存储能力和区域供热/冷网管道的存储能力,确定管网等效储能在灾害事件发生时刻的能量储量与所述灾害事件发生时刻热源的运行状态之间的第一关系;
基于所述电力系统的供需实时平衡,确定负荷热惯性等效储能在所述灾害事件发生时刻的能量储量与所述灾害事件发生时刻热/冷负荷之间的第二关系;
根据所述第一关系和所述第二关系对所述城市能源系统的多能源网络动态特性建模,得到多能源网络动态特性模型。
6.根据权利要求5所述的方法,其特征在于,所述基于预设的稀疏权重斜决策树模型,将所述灾害事件下所述城市能源系统的两阶段韧性模型转化为混合整数线性约束,包括:
基于所述预设的稀疏权重斜决策树模型得到稀疏权重斜决策树;
利用所述稀疏权重斜决策树在每个节点的优化目标函数将所述灾害事件下所述城市能源系统的两阶段韧性模型转化为混合整数线性约束。
8.一种用于城市能源系统韧性提升的安全规则提取及优化装置,其特征在于,包括:
计算模块,用于计算城市能源系统韧性指标,并基于所述韧性指标构建所述城市能源系统的双层优化模型;
生成模块,用于基于预设的能量传输环节、预设的能量存储环节和预设的能量转换环节,对所述城市能源系统的电力电子环节动态特性建模,得到电力电子环节动态特性模型;
建模模块,用于基于电力系统的供需实时平衡、天然气网的存储能力和区域供热/冷网管道的存储能力,对所述城市能源系统的多能源网络动态特性建模,得到多能源网络动态特性模型;以及
优化模块,用于基于所述电力电子环节动态特性模型和所述多能源网络动态特性模型,构建灾害事件下所述城市能源系统的两阶段韧性运行模型,并基于预设的稀疏权重斜决策树模型,将所述灾害事件下所述城市能源系统的两阶段韧性模型转化为混合整数线性约束,并将所述混合整数线性约束嵌入所述城市能源系统的双层优化模型,得到所述混合整数线性约束下的优化运行模拟结果。
10.根据权利要求9所述的装置,其特征在于,所述生成模块,还用于:
基于柔性软开关的响应速度的第一瞬时调节策略,确定所述预设的能量传输环节,其中,所述第一瞬时调节策略为:
PSOP(t)≤M·(1-Sline(t));
0≤PSOP(t)≤PSOP,max;
基于蓄电池的放电功率的第二瞬时调节策略,确定所述预设的能量存储环节,其中,所述第二瞬时调节策略为:
0≤PES(t0)≤PES,max;
其中,PES为蓄电池的运行功率,PES,为蓄电池的运行功率上限;
基于热泵的输入电功率和压缩式制冷机的输入电功率的第三瞬时调节策略,确定所述预设的能量转换环节,其中,所述第三瞬时调节策略为:
0≤PEHP(t0)≤PEHP,max;
0≤PCERG(t0)≤PCERG,max;
其中,PEHP为热泵运行功率,PEHP,max为热泵运行功率的上限,PCERG为压缩式制冷机的运行功率,PCERG,为压缩式制冷机的运行功率的上限。
11.根据权利要求10所述的装置,其特征在于,所述建模模块,还用于:
基于所述天然气网的存储能力和区域供热/冷网管道的存储能力,确定管网等效储能在灾害事件发生时刻的能量储量与所述灾害事件发生时刻热源的运行状态之间的第一关系;
基于所述电力系统的供需实时平衡,确定负荷热惯性等效储能在所述灾害事件发生时刻的能量储量与所述灾害事件发生时刻热/冷负荷之间的第二关系;
根据所述第一关系和所述第二关系对所述城市能源系统的多能源网络动态特性建模,得到多能源网络动态特性模型。
13.根据权利要求12所述的装置,其特征在于,所述优化模块,还用于:
基于所述预设的稀疏权重斜决策树模型得到稀疏权重斜决策树;
利用所述稀疏权重斜决策树在每个节点的优化目标函数将所述灾害事件下所述城市能源系统的两阶段韧性模型转化为混合整数线性约束。
15.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求1-7任一项所述的用于城市能源系统韧性提升的安全规则提取及优化方法。
16.一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,以用于实现如权利要求1-7任一项所述的用于城市能源系统韧性提升的安全规则提取及优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211474351.7A CN115857338A (zh) | 2022-11-22 | 2022-11-22 | 用于城市能源系统韧性提升的安全规则提取及优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211474351.7A CN115857338A (zh) | 2022-11-22 | 2022-11-22 | 用于城市能源系统韧性提升的安全规则提取及优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115857338A true CN115857338A (zh) | 2023-03-28 |
Family
ID=85665326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211474351.7A Pending CN115857338A (zh) | 2022-11-22 | 2022-11-22 | 用于城市能源系统韧性提升的安全规则提取及优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115857338A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117689190A (zh) * | 2024-02-04 | 2024-03-12 | 国网安徽省电力有限公司合肥供电公司 | 一种分布式压缩空气储能的协同调度方法 |
-
2022
- 2022-11-22 CN CN202211474351.7A patent/CN115857338A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117689190A (zh) * | 2024-02-04 | 2024-03-12 | 国网安徽省电力有限公司合肥供电公司 | 一种分布式压缩空气储能的协同调度方法 |
CN117689190B (zh) * | 2024-02-04 | 2024-05-03 | 国网安徽省电力有限公司合肥供电公司 | 一种分布式压缩空气储能的协同调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Distributionally robust day-ahead scheduling of park-level integrated energy system considering generalized energy storages | |
Vaccari et al. | A sequential linear programming algorithm for economic optimization of hybrid renewable energy systems | |
CN112950098B (zh) | 基于综合能源系统的能源规划方法、装置及终端设备 | |
Tang et al. | Data-driven model predictive control for power demand management and fast demand response of commercial buildings using support vector regression | |
Wang et al. | Multi-objective energy management system for DC microgrids based on the maximum membership degree principle | |
CN111445067A (zh) | 一种适用于高铁站综合能源系统的多目标规划方法 | |
CN103956773B (zh) | 含风电系统机组的备用配置优化方法 | |
Wang et al. | Operational reliability evaluation of urban multi-energy systems with equivalent energy storage | |
Alabi et al. | A novel optimal configuration model for a zero-carbon multi-energy system (ZC-MES) integrated with financial constraints | |
CN111245024B (zh) | 基于模型预测控制的综合能源系统鲁棒优化运行方法 | |
CN104578122A (zh) | 抽水蓄能电站的容量确定方法 | |
Hao et al. | A comprehensive review of planning, modeling, optimization, and control of distributed energy systems | |
CN115423161A (zh) | 基于数字孪生的多能耦合优化调度方法及系统 | |
Ju et al. | Incorporating demand response in two-stage frequency emergency control | |
CN115857338A (zh) | 用于城市能源系统韧性提升的安全规则提取及优化方法 | |
CN115663922A (zh) | 一种分布式电源多自由度优化配置方法及系统 | |
Zhao et al. | Integrated unit commitment and economic dispatch of combined heat and power system considering heat-power decoupling retrofit of CHP unit | |
Mu et al. | A two-stage scheduling method for integrated community energy system based on a hybrid mechanism and data-driven model | |
CN111193295A (zh) | 一种考虑动态重构的配网灵活性提升鲁棒优化调度方法 | |
CN113158547B (zh) | 计及经济性和可靠性的区域综合能源系统优化配置方法 | |
CN107622331B (zh) | 一种发电机组与电力用户直接交易方式的优化方法和装置 | |
CN113346541B (zh) | 一种台风灾害下风电预防控制优化方法 | |
CN115204652A (zh) | 一种综合能源配电网的弹性评估方法 | |
CN113690942A (zh) | 一种基于多目标神经网络优化的分布式新能源定容方法 | |
Chen | Optimize configuration of multi-energy storage system in a standalone microgrid |
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 |