CN116187586A - 一种综合能源系统的分布式规划求解方法及系统 - Google Patents

一种综合能源系统的分布式规划求解方法及系统 Download PDF

Info

Publication number
CN116187586A
CN116187586A CN202310443038.5A CN202310443038A CN116187586A CN 116187586 A CN116187586 A CN 116187586A CN 202310443038 A CN202310443038 A CN 202310443038A CN 116187586 A CN116187586 A CN 116187586A
Authority
CN
China
Prior art keywords
planning
electric
distributed
thermal combined
solving
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202310443038.5A
Other languages
English (en)
Other versions
CN116187586B (zh
Inventor
王辉
周健
曲吉琛
张黎
邹亮
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.)
Shandong University
Original Assignee
Shandong 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 Shandong University filed Critical Shandong University
Priority to CN202310443038.5A priority Critical patent/CN116187586B/zh
Publication of CN116187586A publication Critical patent/CN116187586A/zh
Application granted granted Critical
Publication of CN116187586B publication Critical patent/CN116187586B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明属于综合能源相关技术领域，提出了一种综合能源系统的分布式规划求解方法及系统，将综合能源系统分解为电‑热联合子系统和天然气子系统，在电‑热联合系统中采用内层算法实现分布式光伏电站的选址定容规划，在天然气子系统中实现能源最优供给计划，两个子系统间只交互耦合处信息，兼顾各子系统信息保护与高性能计算求解效率，实现了综合能源系统信息不完全共享的分布式电源选址定容规划与能源供给的高效率求解计算。

Description

一种综合能源系统的分布式规划求解方法及系统
技术领域
本发明属于综合能源系统相关技术领域，尤其涉及一种综合能源系统的分布式规划求解方法及系统。
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。
天然气和热力作为重要的常用能源，为日常生产生活提供必要的能量供应，近年来电力系统、热力系统、天然气系统的联系越来越紧密，因此有必要分析含电、热、气能源系统的IES(Integrated Energy Systems)能流耦合与稳态模型。此外，随着大量分布式电源的接入进一步提高了IES的环保性与经济性。电力、热力、天然气系统组成的IES是“能源互联网”的重要组成部分，在此基础上进行分布式电源选址定容与能源供给计划计算得到整个系统投资建设方案与运行状态，为后续系统的运行优化控制分析奠定了基础。
文献《区域综合能源系统若干问题研究》对综合能源系统通用模型、仿真方法以及优化控制问题进行了归纳和总结；文献《基于交替方向乘子法的动态经济调度分散式优化》将电网模型解耦，用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)将临近设备信息传递实现各设备并行求解；文献《基于Benders分解法的电热综合能源系统低碳经济调度》用Benders分解法将电热联合系统分解为热力和电力系统问题，两个系统只交互少量信息即可实现整个系统的协同优化；上述文献对综合能源进行了建模分析，并将主问题分解为子问题实现分布式求解，但由于综合能源约束非凸性强，在进行优化求解时存在不收敛问题，因而在计算大规模长期规划问题时需寻求性能更好的求解方法。
文献《考虑多重不确定性的电-热互联系统仿射优化法》忽略热力网络损耗，将管道流量压头损耗约束线性化，建立热力系统线性方程组求解；文献《Day-Ahead OptimalDispatch for Integrated Energy System Considering Power-to-Gas and DynamicPipeline Networks》采用电力线路直流潮流约束，对天然气网络的管道进行线性化处理进行优化计算。但由于线性化处理时会使结果产生一定的误差，在大规模应用时这种误差会被放大；文献《含冷、热、电、气的园区综合能源系统选址定容规划案例分析》提出双层综合能源选址定容规划模型，并用无凸性限制的智能寻优算法进行优化求解，但没有考虑分布式因素。综上所述，目前综合能源系统的分布式规划问题仍缺乏性能较好的求解方法和模型。
发明内容
为克服上述现有技术的不足，本发明提供了一种综合能源系统的分布式求解方法及系统，利用外层将综合能源系统规划问题分解，采用内层算法实现分布式光伏电站的选址定容规划，在天然气子系统中实现能源最优供给计划，子问题之间不需要进行全部信息共享即可完成求解。
为实现上述目的，本发明的第一个方面提供一种综合能源系统的分布式规划求解方法，包括：
将综合能源系统规划分解，建立电-热联合系统的电源选址定容规划和天然气最优供给计划两个子问题；
采用双层规划求解的方式，内层将电-热联合系统的电源选址定容规划中的规划变量引入电-热联合的潮流计算中，采用智能优化算法求解得到选址定容结果和潮流状态量数据；
外层根据所述潮流状态量数据利用交替方向乘子法对两个子问题进行迭代求解，得到规划求解结果。
本发明的第二个方面提供一种综合能源系统的分布式规划求解系统，包括：
分解规划单元，其被配置为：将综合能源系统规划分解，建立电-热联合系统的电源选址定容规划和天然气最优供给计划两个子问题；
内层求解单元，其被配置为：采用双层规划求解的方式，内层将电-热联合系统的电源选址定容规划中的规划变量引入电-热联合的潮流计算中，采用智能优化算法求解得到选址定容结果和潮流状态量数据；
外层求解单元，其被配置为：外层根据所述潮流状态量数据利用交替方向乘子法对两个子问题进行迭代求解，得到规划求解结果。
以上一个或多个技术方案存在以下有益效果：
在本发明中，将综合能源系统分解为电-热联合子系统和天然气子系统，在电-热联合系统中采用内层算法实现分布式光伏电站的选址定容规划，在天然气子系统中实现能源最优供给计划，两个子系统间只交互耦合处信息，兼顾各子系统信息保护与高性能计算求解效率，实现了综合能源系统信息不完全共享的分布式电源选址定容规划与能源供给的高效率求解计算。
在本发明中，内层提出利用凸透镜反向成像原理对白鲸算法进行改进，加强其跳出局部最优的能力，并且采用改进后的白鲸算法在电-热联合系统中进行选址定容规划求解，提高了求解的效率与精度。
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为本发明实施例一中综合能源系统的分布式规划求解框图；
图2为本发明实施例一中考虑分布式电源选址定容和能源供给计划的分布式求解流程；
图3为本发明实施例一中电力、热力、天然气系统的网络结构图；
图4为本发明实施例一中系统间耦合量的交替方向乘子法收敛情况；
图5为本发明实施例一中电-热联合系统中规划寻优收敛情况对比；
图6为本发明实施例一中典型日电力系统供需平衡计算结果；
图7为本发明实施例一中典型日热力系统供需平衡计算结果；
图8为本发明实施例一中典型日天然气系统供需平衡计算结果。
具体实施方式
应该指出，以下详细说明都是示例性的，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。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
如图1所示，本实施例公开了一种综合能源系统的分布式规划求解方法，包括：
将综合能源系统规划分解，建立电-热联合系统的电源选址定容规划和天然气最优供给计划两个子问题；
采用双层规划求解的方式，内层将电-热联合系统的电源选址定容规划中的规划变量引入电-热联合的潮流计算中，采用智能优化算法求解得到选址定容结果和潮流状态量数据；
外层根据所述潮流状态量数据利用交替方向乘子法对两个子问题进行迭代求解，得到规划求解结果。
在本实施例中，确立分布式光伏电站规划目标与能源供给计划目标，将综合能源系统规划主问题分为两个子问题，则可以将问题描述为：
Figure SMS_1
（1）
其中，x={x 1 ,x 2 ···x n1 }为分布式光伏电站规划变量，e={e 1 ,e 2 ···e n2 }, z= {z 1 ,z 2 ···z n3 }, g={g 1 ,g 2 ···g n4 }分别为电、热、气网络的系统变量；F(e,x,z)、H(g)分别表示子能源系统1和子能源系统2的线性目标函数； S(e,z,g)为IES系统间设备耦合关系约束，为保证凸性质与交替方向乘子法（ADMM）的收敛性，两个系统之间耦合设备采用设备的线性耦合关系；用矩阵表达可表示为：Ae+Bz+Cg=0，A,B,C为相应的系数矩阵。
在本实施例中，建立电-热联合系统的电源选址定容规划，具体为：
Figure SMS_2
（2）
其中，
Figure SMS_3
（3）
其中，
Figure SMS_20
、/>
Figure SMS_8
、/>
Figure SMS_12
、/>
Figure SMS_10
分别为机组发电成本、碳排放成本、光伏投资成本、网络损耗成本；/>
Figure SMS_16
为单位碳交易费用；/>
Figure SMS_14
为单位容量光伏站建设费用；/>
Figure SMS_22
为第
Figure SMS_9
个燃气轮机单位发电成本，/>
Figure SMS_13
为第/>
Figure SMS_11
个火电机组单位发电成本；/>
Figure SMS_17
为贴现率，Y为规划折算年限，/>
Figure SMS_6
为光伏电站运维成本，/>
Figure SMS_18
为第l个光伏在t时刻的出力，/>
Figure SMS_21
为第l个光伏站容量；/>
Figure SMS_23
、/>
Figure SMS_5
分别为第/>
Figure SMS_19
、/>
Figure SMS_7
个燃气轮机、燃煤机组在t时刻出力；/>
Figure SMS_15
为单位网损成本；/>
Figure SMS_4
、G vw分别为节点v与节点w之间的相角差、电导，U为电压；T表示规划时间长度，k 1表示系统中燃气轮机数量，k 2表示火电机组数量；n pv表示光伏站接入数量，n node表示电网节点数量。
在本实施例中，建立的天然气最优供给计划为：
Figure SMS_24
（4）
Figure SMS_25
（5）
其中，H g为气网规划成本；
Figure SMS_27
、/>
Figure SMS_30
、/>
Figure SMS_32
分别为购气成本、碳排放成本、运维成本；/>
Figure SMS_28
、/>
Figure SMS_31
、/>
Figure SMS_33
、/>
Figure SMS_34
分别为单位出力成本、单位碳排放成本、管道单位运维成本、源侧设备单位出力运维成本；/>
Figure SMS_26
为各气源出力，/>
Figure SMS_29
为各管道长度；g 1为气源数量，n line为气网管道数量。
由于电热能源系统的约束复杂，精确描述模型为非凸约束，进行分段线性化或二阶锥处理等则导致精度降低等情况，不利于大规模规划问题求解。为避免因线性处理导致精度降低的现象，将光伏电站规划变量引入电热稳态潮流中，以便利用改进的智能寻优算法进行求解。
分布式光伏电站规划变量与电-热能源系统变量存在潮流关系，每次迭代这些变量需同步更新，描述为：
Figure SMS_35
（6）
其中，N表示潮流关系，arg min函数为取最小。
原问题就可以拆分为两个子问题，每次通过交换耦合处信息变量进行单独优化求解，构建拉格朗日函数为：
Figure SMS_36
（7）
Figure SMS_37
（8）
其中，
Figure SMS_38
为电-热系统规划问题的目标函数，/>
Figure SMS_39
为天然气系统规划问题的目标函数；/>
Figure SMS_40
为拉格朗日乘子；/>
Figure SMS_41
为惩罚因子，一般取0.5；A,B,C为相应的系数矩阵。
采用交替方向乘子法使两个系统之间交叉方向交替求解，在电-热联合系统规划问题进行求解时，天然气系统的变量保持常量不变，则式（7）仅为电/热系统变量和分布式光伏电站规划变量的函数，求解变量使式（7）达到最优，其中，公式（7）求解得到光伏站规划的安装容量和位置，还有电力、热力网络的全部潮流数据，求解完成后电-热系统状态和变量更新；此时将电/热与气耦合节点的用能等潮流数据传递给天然气系统，在公式（8）求解过程中保持电热系统传递来的量为常量不变，求解天然气系统变量使式（8）达到最优，求解完成后更新此时的拉格朗日乘子，综合能源系统各系统完成一轮变量更新，描述为：
Figure SMS_42
（9）
其中，
Figure SMS_43
为ADMM步长因子，上标k表示第k次迭代。迭代过程中，利用原始残差/>
Figure SMS_44
和对偶残差/>
Figure SMS_45
作为收敛判据，当满足误差小于原始残差约束/>
Figure SMS_46
或对偶残差约束/>
Figure SMS_47
时ADMM收敛。
描述为：
Figure SMS_48
（10）
为了避免非凸约束导致不收敛，利用智能算法在可行域进行寻优求解不必考虑凸或非凸性质，采用白鲸算法对子问题求解。为强化避免陷入局部最优的情况，将凸透镜反向成像引入白鲸算法进行改进，使用改进的白鲸算法对子问题求解。
在本实施例中，将光伏电站规划信息作为白鲸种群：每一行为一个白鲸个体，代表一个光伏电站规划方案；每一列为白鲸个体的位置信息，代表光伏电站的安装节点和容量信息，描述为：
Figure SMS_49
（11）
将n个种群个体的m维位置分别代入含光伏电站规划目标函数的拉格朗日函数公式（7）求解n个个体位置对于子问题1最优值，则可以寻找当前种群中最优位置和最优适应度值。
在本实施例中，根据平衡因子B f判断白鲸优化算法是处于全局寻优阶段还是局部开发阶段，平衡因子B f为：
Figure SMS_50
（12）
其中，B 0为(0,1)之间的随机数，T run为当前迭代次数，T max为设置的最大迭代次数。
若平衡因子B f＞0.5时，处于全局寻优阶段，根据光伏电站规划变量的维度的奇偶性采用不同的位置更新，描述为：
Figure SMS_51
（13）
其中，T run代表目前的迭代次数，
Figure SMS_52
为迭代次数为T run+1时第i个个体表示的光伏电站在第j个维度变量的新数值，p i 、p j表示从种群X的m维变量中随机抽取的维度为1的两个不同维数，/>
Figure SMS_53
为随机轮盘选取的个体，r 1、r 2为(0,1)的随机数。公式（13）的作用为随机选取个体和维度进行更新，保证更新的幅度，j=even表示j为偶数时，j=odd表示j为奇数时。
若平衡因子B f≤0.5时，处于局部开发阶段，此阶段表示光伏电站的个体可以根据其他个体的位置移动和合作，通过共享位置信息来进行更新自己的位置。即在此状态下，光伏电站规划变量再次改变数值，对比寻找最优位置和最优值：
Figure SMS_54
（14）/>
式中，
Figure SMS_55
，/>
Figure SMS_56
，其中/>
Figure SMS_57
描述为：
Figure SMS_58
（15）
其中，r 3、r 4为(0,1)之间的随机数，C 1是衡量Levy随机飞行强度的跳跃强度。L F为Levy飞行函数，u、
Figure SMS_59
为正态分布随机数，β为常数，一般取1.5；/>
Figure SMS_60
为伽玛函数，Tmax为最大迭代次数，/>
Figure SMS_61
为迭代次数为T run时，种群中目前最优位置个体的信息；/>
Figure SMS_62
为迭代次数为T run时，种群X的第i个种群个体的当前位置信息。
在更新位置后，各种群个体分别将位置信息即光伏电站的安装容量和安装节点代入电-热系统的稳态潮流中进行计算，不平衡量如式(16)所示。
Figure SMS_63
（16）
其中，
Figure SMS_73
为电-热潮流不平衡量；/>
Figure SMS_66
、/>
Figure SMS_78
分别为有功功率、无功功率不平衡量；/>
Figure SMS_67
、/>
Figure SMS_83
、/>
Figure SMS_70
、/>
Figure SMS_72
分别为流量、管道压降、热力交换、热力损耗不平衡量；/>
Figure SMS_68
、/>
Figure SMS_80
为v节点注入有功功率、无功功率；/>
Figure SMS_64
、G vw、 B vw分别为节点v与节点w之间的相角差、电导、电纳；n node表示电网节点数量；A a、A O、A I分别表示管道关联矩阵、节点流出矩阵、节点流入矩阵；/>
Figure SMS_84
为支路-回路关联矩阵，M为流量矩阵，H b为闸门水头损失，K h为阻力系数；C Liquid为流体比热容，/>
Figure SMS_65
为热交换量；/>
Figure SMS_79
、/>
Figure SMS_71
、/>
Figure SMS_82
分别表示节点温度、管道流出温度、环境温度；/>
Figure SMS_74
表示热损系数，/>
Figure SMS_75
表示管道长度，/>
Figure SMS_76
表示管道流量；/>
Figure SMS_77
表示在第v个节点接入的光伏站出力，/>
Figure SMS_69
、
Figure SMS_81
分别表示节点v、节点w的电压；R表示矩阵转置关系。
进一步构造雅克比矩阵关系为：
Figure SMS_85
（17）
利用雅克比矩阵和不平衡量求出状态变量的不平衡量，如式(18)所示：
Figure SMS_86
（18）
Figure SMS_87
为第/>
Figure SMS_88
迭代时状态变量的不平衡量，/>
Figure SMS_89
为第/>
Figure SMS_90
迭代时电-热潮流的不平衡量，/>
Figure SMS_91
为雅克比矩阵。
Figure SMS_92
（19）
其中，
Figure SMS_93
、/>
Figure SMS_94
分别为第/>
Figure SMS_95
、/>
Figure SMS_96
次状态变量的值。将状态变量的不平衡量与现有量相加更新状态变量的值，完成一次迭代。根据潮流计算规则，反复进行式(16)-(19)的迭代计算直到达到收敛条件即可完成潮流计算。
对于单个个体，提取个体中安装节点数值，在潮流网络中确定功率接入节点；提取安装容量数值，并结合光伏发电规律确定光伏出力值，利用有功功率表达式确定光伏电站接入潮流网络的功率；利用电-热联合潮流进行求解得到网络的运行状态信息，并计算式（7）中的适应度值，每个个体都单独进行计算并与位置更新前比较，若更优则更新自己的位置，反之则不更新位置。
若B f≤W f时，处于坠落时段，大部分光伏电站规划变量可以通过分享信息不作改变，少数则坠落。即在此阶段少部分DPVS规划变量再次被扰动改变位置：
Figure SMS_97
（20）
Figure SMS_98
（21）
其中，r 5、r 6、r 7为(0,1)随机数，X step为步长，u b、l b为分布式光伏电站规划变量的上下限值。坠落更新位置代入式（7）计算适应度值，若更优则更新位置。
在本实施例中，为了提高反向策略效率，提出将凸透镜反向学习引入白鲸算法，加强其跳出局部最优能力。利用凸透镜成像的原理，在空间中找到对应反向位置，若更优，则代替原来的位置：
Figure SMS_99
（22）
Figure SMS_100
（23）
其中，k t为线性减少缩放因子，k max、k min分别为缩放因子设定的最大值与最小值；X *为种群对应反向位置矩阵；t max表示最大迭代次数；X为现在种群实际个体与位置矩阵，u b、l b为分布式光伏电站规划变量的上下限值。
如图2所示，在本实施例中，基于交替方向乘子法-改进的白鲸算法即ADMM-IBWO进行求解的步骤为：
S1：获得多态能源系统网络构架和线路参数，以及设备、机组的参数；设置ADMM-IBWO算法参数、电热稳态潮流参数如潮流的节点电压、相位，连接情况等，线路阻抗等数据并初始化；
S2：根据初始参数进行ADMM分布式模型搭建，设置各网络初始迭代值和耦合值；
S3：更新白鲸种群位置即光伏电站规划的安装位置及容量，将分布式光伏电站规划变量代入电-热潮流网络中求解，计算种群个体关于式(7)的适应度值；
S4：不断更新规划变量最优位置，直到达到改进的白鲸算法的最大迭代次数，并输出电-热网络与气网络耦合处的状态值；
S5：气网络根据电-热网络耦合处传递的信息，根据最优能流计算此时自身达到式（8）中扩展拉格朗日最优目标函数即公式（8）的气能源供给情况及系统状态，保存耦合处气网状态量；
S6：更新交替方向乘子法的拉格朗日乘子，判断残差是否达到收敛条件，若没达到，则将气网络耦合处的状态值传递给电-热系统，转到S3；若达到收敛条件，则结束，输出运行结果。
对本实施例所提方法的仿真案例：对IEEE39节点的电网、比利时20节点气网及小规模5节点热网进行修改并进行算例验证，网络间耦合依靠热电联产机组和燃气锅炉实现。电力系统具体参数由Matpower提供，气网参数可参照文献《The gas transmissionproblem solved by an extension of the simplex algorithm》，热网参数可参照文献《综合能源系统热电联合建模与风电消纳分析》，其他仿真参数见表1。IES具体网络结构如图3所示。
表1：
模型参数 数值
单位容量DPVS建设成本（元/kW•h） 7850
燃煤机组单位电能的CO2排放量(kW•h/g) 890
单位天然气产生CO2量(g/m³) 1885
单位天然气价格(元/m³) 2.5
碳排放权交易市场价格（元/t) 56
燃煤机组单位电能发电成本(元/ kW•h) 0.466
燃气轮机单位电能发电成本(元/ kW•h) 0.6
分布式光伏电站规划安装个数 4
分布式光伏电站规划单个安装容量限制(MW) 30
白鲸种群个体数 50
最大迭代次数 500
变压器效率 0.95
CHP电能分配系数 0.7
燃气锅炉效率 0.9
采用上述考虑分布式电源选址定容和能源供给的分布式规划求解方法，在MATLAB环境下进行模型搭建及仿真计算，提高了计算的精准度和计算效率，ADMM收敛情况如图4所示，可知系统耦合处有96个耦合量在经过31次迭代后达到收敛条件，得到规划结果。该求解方法与常规粒子群算法、集中式算法计算结果相对比如图5所示，可知所提分布式规划求解方法即实现了在不同能源系统存在信息不完全共享情况下的分布式求解，又通过改进型白鲸算法提高了子系统寻优的计算性能和计算效率，使收敛过程得到较好控制。
经过计算，可得分布式电源选址定容结果与预期成本，如表2所示。
表2：
Figure SMS_101
经过计算可得电力系统、热力系统、天然气系统的四个典型日供需平衡关系，如图6、7、8所示。经检验，系统中各节点电压、压力等均满足安全要求。
本公开实施例子建立了计及分布式电源选址定容与能源最优供给的多态能源网络分布式规划求解方法。在白鲸算法中引入凸透镜反向学习形成改进的白鲸算法，构建交替方向乘子法-改进的白鲸算法双层求解方法，利用外层交替方向乘子法将IES主问题分解为两个子问题，其中电-热系统中分布式光伏电站规划问题采用改进的白鲸算法，将分布式光伏电站变量带入电热稳态潮流中求解最优容量和最优位置，同时输出电热系统状态量，将耦合处状态信息传递给气网络，气网络进行最优能流优化求解并将耦合处信息反馈给电热系统，双层反复迭代求解，验证了所提求解方法能够提高计算效率。
实施例二
本实施例的目的是提供一种综合能源系统的分布式规划求解系统，包括：
分解规划单元，其被配置为：将综合能源系统规划分解，建立电-热联合系统的电源选址定容规划和天然气最优供给计划两个子问题；
内层求解单元，其被配置为：采用双层规划求解的方式，内层将电-热联合系统的电源选址定容规划中的规划变量引入电-热联合的潮流计算中，采用智能优化算法求解得到选址定容结果和潮流状态量数据；
外层求解单元，其被配置为：外层根据所述潮流状态量数据利用交替方向乘子法对两个子问题进行迭代求解，得到规划求解结果。
在本实施例中，内层求解单元，包括：
目标函数确定单元：基于电-热联合系统中分布式光伏电站规划变量与电-热联合系统变量之间存在潮流关系，构建电-热联合系统的拉格朗日目标函数和天然气系统的拉格朗日目标函数，电-热联合系统和天然气系统通过交换耦合处潮流数据进行分别求解。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种综合能源系统的分布式规划求解方法，其特征在于，包括：
将综合能源系统规划分解，建立电-热联合系统的电源选址定容规划和天然气最优供给计划两个子问题；
采用双层规划求解的方式，内层将电-热联合系统的电源选址定容规划中的规划变量引入电-热联合的潮流计算中，采用智能优化算法求解得到选址定容结果和潮流状态量数据；
外层根据所述潮流状态量数据利用交替方向乘子法对两个子问题进行迭代求解，得到规划求解结果。
2.如权利要求1所述的一种综合能源系统的分布式规划求解方法，其特征在于，所述电-热联合系统的电源选址定容规划为以分布式机组运行成本最小为目标，分布式机组运行成本包括碳交易费用、光伏投资成本、网损成本和机组发电成本。
3.如权利要求1所述的一种综合能源系统的分布式规划求解方法，其特征在于，所述天然气最优供给计划以天然气运行成本最小为目标，天然气运行成本包括购气成本、碳排放成本和天然气运维成本。
4.如权利要求1所述的一种综合能源系统的分布式规划求解方法，其特征在于，基于电-热联合系统中分布式光伏电站规划变量与电-热联合系统变量之间存在潮流关系，构建电-热联合系统的拉格朗日目标函数和天然气系统的拉格朗日目标函数，电-热联合系统和天然气系统通过交换耦合处潮流数据进行分别求解。
5.如权利要求1所述的一种综合能源系统的分布式规划求解方法，其特征在于，采用白鲸算法求解得到选址定容结果和潮流状态量数据，具体包括：
将分布式光伏电站规划变量作为白鲸种群，每个个体代表一种规划方案，白鲸种群个体位置代表光伏电站的安装位置和容量，将白鲸种群位置带入电-热联合系统的潮流网络中计算系统状态值，并进一步计算电-热联合系统的拉格朗日目标函数作为适应度值，寻找当前种群的最优位置和最优适应度值；
根据平衡因子和坠落概率，若平衡因子的值大于设定值，则根据规划变量维度的奇偶采用不同的位置更新方式进行更新；若平衡因子的值不大于设定值，则通过共享位置来进行位置的更新，进而更新种群；
若平衡因子小于坠落概率，采用凸透镜反向学习方式更新种群位置。
6.如权利要求5所述的一种综合能源系统的分布式规划求解方法，其特征在于，采用凸透镜反向学习方式更新种群位置，具体为：在空间中寻找与原来个体对应的反向点，若适应度值更优，则用反向点位置代替原来位置。
7.如权利要求5所述的一种综合能源系统的分布式规划求解方法，其特征在于，将白鲸种群位置带入电-热联合系统的潮流网络中计算系统状态值，具体为：
各种群个体分别将对应的位置信息即光伏电站的安装容量和安装节点带入电-热联合系统的潮流计算中，对电-热联合系统的不平衡量和雅可比矩阵进行迭代更新得到系统状态值。
8.如权利要求1所述的一种综合能源系统的分布式规划求解方法，其特征在于，外层根据所述潮流状态量数据利用交替方向乘子法对两个子问题进行迭代求解，具体包括：
在电-热联合系统的拉格朗日目标函数进行求解时，天然气系统的变量保持常量不变，求解电-热联合系统的拉格朗日函数达到最优的电、热潮流数据以及分布式光伏电站规划变量；
求解完成后电-热联合系统状态和变量更新，将电-热联合系统与天然气系统耦合处的潮流数据传递给天然气系统，且电-热联合系统所传递的耦合处的潮流数据保持常量不变，求解天然气系统的拉格朗日函数达到最优时的变量值；
求解完成后更新此时的拉格朗日乘子，综合能源系统的各系统完成一轮变量更新，不断进行迭代，在迭代过程中通过判断残差是否符合收敛条件，若符合则停止迭代，若不符合继续进行迭代求解。
9.一种综合能源系统的分布式规划求解系统，其特征在于，包括：
分解规划单元，其被配置为：将综合能源系统规划分解，建立电-热联合系统的电源选址定容规划和天然气最优供给计划两个子问题；
内层求解单元，其被配置为：采用双层规划求解的方式，内层将电-热联合系统的电源选址定容规划中的规划变量引入电-热联合的潮流计算中，采用智能优化算法求解得到选址定容结果和潮流状态量数据；
外层求解单元，其被配置为：外层根据所述潮流状态量数据利用交替方向乘子法对两个子问题进行迭代求解，得到规划求解结果。
10.如权利要求9所述的一种综合能源系统的分布式规划求解系统，其特征在于，所述内层求解单元，包括：
目标函数确定单元：基于电-热联合系统中分布式光伏电站规划变量与电-热联合系统变量之间存在潮流关系，构建电-热联合系统的拉格朗日目标函数和天然气系统的拉格朗日目标函数，电-热联合系统和天然气系统通过交换耦合处潮流数据进行分别求解。
CN202310443038.5A 2023-04-24 2023-04-24 一种综合能源系统的分布式规划求解方法及系统 Active CN116187586B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310443038.5A CN116187586B (zh) 2023-04-24 2023-04-24 一种综合能源系统的分布式规划求解方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310443038.5A CN116187586B (zh) 2023-04-24 2023-04-24 一种综合能源系统的分布式规划求解方法及系统

Publications (2)

Publication Number Publication Date
CN116187586A true CN116187586A (zh) 2023-05-30
CN116187586B CN116187586B (zh) 2023-07-21

Family

ID=86449231

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310443038.5A Active CN116187586B (zh) 2023-04-24 2023-04-24 一种综合能源系统的分布式规划求解方法及系统

Country Status (1)

Country Link
CN (1) CN116187586B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108446809A (zh) * 2018-04-09 2018-08-24 国网河南省电力公司经济技术研究院 一种区域综合能源设备及网络双层优化配置方法
CN109193626A (zh) * 2018-09-15 2019-01-11 天津大学 一种分布式能源站选型与定容优化规划统一求解方法
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
US20220115867A1 (en) * 2019-02-01 2022-04-14 Duke Energy Corporation Advanced power distribution platform
CN115481858A (zh) * 2022-07-29 2022-12-16 国网山东省电力公司滨州供电公司 考虑需求响应的电-气系统最优潮流分散计算方法及系统
CN115587668A (zh) * 2022-11-08 2023-01-10 山东大学 多园区综合能源系统分布式协同优化调度方法
CN115713028A (zh) * 2022-10-31 2023-02-24 云南电网有限责任公司丽江供电局 一种外骨骼动力辅助模型的优化方法
CN115759914A (zh) * 2022-10-28 2023-03-07 云南电网有限责任公司 计及物资装载率优化的电表配送车辆路径规划方法及系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108446809A (zh) * 2018-04-09 2018-08-24 国网河南省电力公司经济技术研究院 一种区域综合能源设备及网络双层优化配置方法
CN109193626A (zh) * 2018-09-15 2019-01-11 天津大学 一种分布式能源站选型与定容优化规划统一求解方法
US20220115867A1 (en) * 2019-02-01 2022-04-14 Duke Energy Corporation Advanced power distribution platform
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
CN115481858A (zh) * 2022-07-29 2022-12-16 国网山东省电力公司滨州供电公司 考虑需求响应的电-气系统最优潮流分散计算方法及系统
CN115759914A (zh) * 2022-10-28 2023-03-07 云南电网有限责任公司 计及物资装载率优化的电表配送车辆路径规划方法及系统
CN115713028A (zh) * 2022-10-31 2023-02-24 云南电网有限责任公司丽江供电局 一种外骨骼动力辅助模型的优化方法
CN115587668A (zh) * 2022-11-08 2023-01-10 山东大学 多园区综合能源系统分布式协同优化调度方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
JUAN HUANG: "Financial Training System Platform Based on Whale Optimization Algorithm", ICIBE \'22: PROCEEDINGS OF THE 8TH INTERNATIONAL CONFERENCE ON INDUSTRIAL AND BUSINESS ENGINEERING *
丁明;方慧;毕锐;刘先放;潘静;张晶晶;: "基于集群划分的配电网分布式光伏与储能选址定容规划", 中国电机工程学报, no. 08 *
张浩禹;邱晓燕;周晟锐;赵有林;李凌昊;张楷;: "基于机会约束目标规划的多电-气互联综合能源系统分布式优化模型", 电力建设, no. 07 *
张睿;黄国日;文福拴;赵俊华;董朝阳;: "电力-天然气集成能源系统的统一规划模型与Benders解耦方法", 电力建设, no. 07 *
王旭;别朝红;: "基于交替方向乘子法的电―气互联系统分布式协同规划", 电力系统自动化, no. 22 *
王辉 等: "基于深度强化学习的微电网优化调度研究", 电力学报, vol. 38, no. 1 *

Also Published As

Publication number Publication date
CN116187586B (zh) 2023-07-21

Similar Documents

Publication Publication Date Title
Zhang et al. Optimal operation of integrated electricity and heat system: A review of modeling and solution methods
Wang et al. Mixed-integer linear programming-based optimal configuration planning for energy hub: Starting from scratch
Li et al. Probability-interval-based optimal planning of integrated energy system with uncertain wind power
Huang et al. Optimal configuration planning of multi-energy systems considering distributed renewable energy
Lu et al. Coordinated dispatch of multi-energy system with district heating network: Modeling and solution strategy
Yao et al. Dynamic optimal energy flow in the heat and electricity integrated energy system
Liu et al. Coordinated operation of multi-integrated energy system based on linear weighted sum and grasshopper optimization algorithm
Henning et al. A comprehensive model for the German electricity and heat sector in a future energy system with a dominant contribution from renewable energy technologies—Part I: Methodology
Lu et al. Adaptive robust dispatch of integrated energy system considering uncertainties of electricity and outdoor temperature
Luo et al. Optimization of a solar-based integrated energy system considering interaction between generation, network, and demand side
Tan et al. A wind power accommodation capability assessment method for multi-energy microgrids
Liu et al. Heat-electricity coupled peak load shifting for multi-energy industrial parks: A Stackelberg game approach
Chen et al. A water mass method and its application to integrated heat and electricity dispatch considering thermal inertias
Wang et al. Study on substitutable value of electric heating instead of coal heating in northern China under carbon constraints
Yang et al. Research on heat and electricity coordinated dispatch model for better integration of wind power based on electric boiler with thermal storage
Hong et al. Integrated energy system planning at modular regional-user level based on a two-layer bus structure
Guo et al. Multi-objective bi-level quantity regulation scheduling method for electric-thermal integrated energy system considering thermal and hydraulic transient characteristics
Guo et al. Multi-objective optimization of multi-energy heating systems based on solar, natural gas, and air-energy
Ferrari et al. Real-time state of charge estimation in thermal storage vessels applied to a smart polygeneration grid
Li et al. Study on the operation strategy for integrated energy system with multiple complementary energy based on developed superstructure model
Chen et al. Optimal design of integrated urban energy systems under uncertainty and sustainability requirements
Chen et al. Interval optimal scheduling of integrated electricity and district heating systems considering dynamic characteristics of heating network
Bo et al. Hyperfine optimal dispatch for integrated energy microgrid considering uncertainty
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
Qin et al. Increasing flexibility of combined heat and power systems through optimal dispatch with variable mass flow

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