CN116341881A - 计及热网灵活性的电-热系统鲁棒超前调度方法及系统 - Google Patents

计及热网灵活性的电-热系统鲁棒超前调度方法及系统 Download PDF

Info

Publication number
CN116341881A
CN116341881A CN202310609491.9A CN202310609491A CN116341881A CN 116341881 A CN116341881 A CN 116341881A CN 202310609491 A CN202310609491 A CN 202310609491A CN 116341881 A CN116341881 A CN 116341881A
Authority
CN
China
Prior art keywords
heat supply
supply network
flexibility
heat
wind power
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
CN202310609491.9A
Other languages
English (en)
Other versions
CN116341881B (zh
Inventor
杨明
李鹏
王秋实
毛一风
于一潇
李梦林
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 CN202310609491.9A priority Critical patent/CN116341881B/zh
Publication of CN116341881A publication Critical patent/CN116341881A/zh
Application granted granted Critical
Publication of CN116341881B publication Critical patent/CN116341881B/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
    • G06Q10/06—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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch

Abstract

本发明属于综合能源系统优化调度技术领域，具体涉及一种计及热网灵活性的电‑热系统鲁棒超前调度方法及系统，包括：考虑热网供需平衡，构建热网灵活调节能力量化模型，评估热网对电网备用支撑能力；引入风电接纳风险，以总运行成本最小为目标，根据所得到的热网对电网备用支撑能力，构建计及热网灵活性恢复过程和热网灵活性供给过程的电热综合能源系统鲁棒超前调度模型；求解所构建的超前调度模型，实现电‑热系统的协调超前调度。本发明通过优化能源耦合设备的发电功率实现期望场景下电热系统协同；当扰动发生时，电网除利用自身的灵活性调节能力应对扰动外，热网也可以直接为电网提供备用支撑，实现扰动状态下的电热系统协同。

Description

计及热网灵活性的电-热系统鲁棒超前调度方法及系统
技术领域
本发明属于综合能源系统优化调度技术领域，具体涉及一种计及热网灵活性的电-热系统鲁棒超前调度方法及系统。
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。
新能源迅猛发展，在稳步提升环境效益的同时，也因其强随机性及不可控性加剧了电网功率平衡能力的供需矛盾，新能源消纳形势严峻。在此情况下，有必要充分挖掘更多的灵活性资源，提升系统的运行灵活性。随着异质能源交互程度的不断加深，耦合多种能源形式的电热综合能源系统在提高能源利用效率、促进可再生能源消纳以及提升电网功率平衡能力等方面展现出较大优势。电热综合能源系统在源、网、荷各环节蕴含大量灵活性资源。供热网络通过热电联产机组与电力系统耦合，热水在供热管网传输时表现出不同的时延与惯性，使得热网具备一定蓄热能力，从而可以为系统提供更多的扰动平抑空间。将热网蓄热能力作为备用资源纳入调度过程中，实现电-热系统间灵活性的直接共享，对于提升系统功率平衡能力具有积极意义。
当前，国内外众多学者利用热惯性描述热网的传输延时特性，并借此挖掘电热综合能源系统的灵活性。多数研究通过优化热力系统的运行状态，使得热电联产机组运行在某一更优的状态，从而使电网发挥出更多的调节能力。然而，这种热力系统向电网的备用能力传递是一种间接的灵活性共享策略，电网使用的还是自身的灵活性，并没有直接利用供热网络的灵活性。当前计及热网灵活性直接供给的调度方法仅关注了热网灵活调节能力的提供，并没有关注热网灵活调节能力的恢复。在实际运行中，热网为保持长期热量供需平衡及运行安全性，并不能在所有时段为电网提供调节能力，当前研究当前缺乏计及热量长期供应与消耗平衡的灵活性供给策略的设计。此外，当前研究聚焦于日前阶段，系统可以提前协调更多响应时间长的灵活性资源，日内阶段与之相比调控能力相对有限，缺乏有效的电-热系统的灵活性资源协调方式用以规约新能源规模化并网带来的扰动。
聚焦于日内时间尺度下的超前调度方法利用最新更新的负荷及新能源预测功率数据，重新制定机组的调度计划，借以应对未来数小时的运行不确定性。相较于日前调度及日内实时调度，超前调度可以在提升系统运行经济性与安全性的同时更有效地利用风电等间歇性资源。在强不确定条件下，面向节点注入扰动平抑的电网优化调度策略，基于鲁棒优化的调度方法因其所需信息量少、计算效率高等优势，获得了广泛应用。然而，传统鲁棒优化方法仅关注了不确定量预测区间的边界信息，保守性较强，当可以获取不确定量的概率分布信息时，这些信息无法被有效利用，使得决策结果难以具有统计优性。
发明内容
为了解决上述问题，本发明提出了一种计及热网灵活性的电-热系统鲁棒超前调度方法及系统，通过优化能源耦合设备的发电功率实现期望场景下电热系统协同；当扰动发生时，电网除利用自身的灵活性调节能力应对扰动外，热网也可以直接为电网提供备用支撑，实现扰动状态下的电热系统协同。
根据一些实施例，本发明的第一方案提供了一种计及热网灵活性的电-热系统鲁棒超前调度方法，采用如下技术方案：
一种计及热网灵活性的电-热系统鲁棒超前调度方法，包括：
考虑热网供需平衡，构建热网灵活调节能力量化模型，评估热网对电网备用支撑能力；
引入风电接纳风险，以总运行成本最小为目标，根据所得到的热网对电网备用支撑能力，构建计及热网灵活性恢复过程和热网灵活性供给过程的电热综合能源系统鲁棒超前调度模型；
求解所构建的超前调度模型，实现电-热系统的协调超前调度。
作为进一步的技术限定，所构建的热网灵活调节能力量化模型包括热网灵活性恢复过程和热网灵活性供给过程；当系统处于灵活性供给过程时，热网为电网提供向下的灵活性；当处于灵活性恢复过程时，热网为电网提供向上灵活性后的热负荷需求。
作为进一步的技术限定，所述风电接纳风险为表征扰动注入节点的风电有效可接纳范围；当风电扰动超过所述风电有效可接纳范围上限或低于所述风电有效可接纳范围下限时，风电接纳风险为：
Figure SMS_3
；其中，/>
Figure SMS_6
、/>
Figure SMS_8
分别为风电场m的期望功率短缺损失和期望弃风损失；/>
Figure SMS_2
为低于风电可接纳范围下界引发功率短缺损失的期望分布；/>
Figure SMS_4
为高于风电可接纳范围上界引发弃风损失的期望分布；/>
Figure SMS_7
表示括号内的数为正取值；/>
Figure SMS_10
为风电随机扰动的概率密度函数；/>
Figure SMS_1
和/>
Figure SMS_5
分别为风电有效可接纳范围的上限和下限；/>
Figure SMS_9
为风电实际出力,/>
Figure SMS_11
为风电功率上限。
作为进一步的技术限定，所述总运行成本包括计及热网灵活性供给过程的运行成本和计及热网灵活性恢复过程的运行成本。
进一步的，所述计及热网灵活性供给过程的运行成本包括常规机组发电成本及备用配置成本；所述计及热网灵活性恢复过程的运行成本包括运行风险成本。
作为进一步的技术限定，所述超前调度模型的约束条件包括热网动态特性约束、热网温度约束、热源节点供热约束、热负荷节点热交换约束、热电联产机组供热温度限制约束、系统灵活性需求约束、热电联产机组在热网灵活性恢复过程的相关约束和柔性热负荷需求响应约束。
作为进一步的技术限定，在求解所构建的超前调度模型的过程中，采用分段线性近似法、Big-M法和无效线路约束筛除法。
根据一些实施例，本发明的第二方案提供了一种计及热网灵活性的电-热系统鲁棒超前调度系统，采用如下技术方案：
一种计及热网灵活性的电-热系统鲁棒超前调度系统，包括：
评估模块，其被配置为考虑热网供需平衡，构建热网灵活调节能力量化模型，评估热网对电网备用支撑能力；
建模模块，其被配置为引入风电接纳风险，以总运行成本最小为目标，根据所得到的热网对电网备用支撑能力，构建计及热网灵活性恢复过程和热网灵活性供给过程的电热综合能源系统鲁棒超前调度模型；
调度模块，其被配置为求解所构建的超前调度模型，实现电-热系统的协调超前调度。
与现有技术相比，本发明的有益效果为：
本发明深入分析了热网灵活性供给过程(flexibility providing period，FPP)及计及热网灵活性恢复过程(flexibility recovery period，FRP)，提出了热网灵活调节能力量化模型，通过设计热源节点温度的控制策略实现了热网灵活性的恢复，保证了热量供需的长期平衡，克服了传统未考虑FRP下理想化量化模型可能导致的灵活性被高估、运行安全性低等缺陷；
本发明提出了综合考虑FPP和FRP的电-热综合能源系统鲁棒超前调度模型，在更为贴近实际地模拟热网运行状态的前提下优化了风电可接纳范围，准确刻画了系统的抗扰动能力的同时兼顾了经济性；
本发明在考虑热网FRP的基础上，协调优化期望与扰动场景下电、热系统协同过程。在FPP内，通过协同决策电热耦合设备的发电功率及热网为电网提供的备用支撑容量实现电热协调调度。FRP内热网不再提供备用支撑，基于灵活性恢复策略，通过优化电热耦合设备发电功率实现电热协调调度。
附图说明
构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。
图1为本发明实施例一中的计及热网灵活性的电-热系统鲁棒超前调度方法得流程图；
图2为本发明实施例一中的热网灵活性供给过程及恢复期示意图；
图3为本发明实施例一中的风电接纳风险分段线性近似示意图；
图4为本发明实施例一中的E6-H6 系统结构示意图；
图5为本发明实施例一中的风电场的风电可接纳范围示意图；其中，图5中的（a）为风电场1的风电可接纳范围示意图；图5中的（b）为风电场2的风电可接纳范围示意图；
图6为本发明实施例一中的向上灵活性供给结果示意图；其中，图6中的（a）为向上灵活性供给结果示意图，图6中的（b）为向下灵活性供给结果示意图；
图7为本发明实施例一中的热电联产1机组的电功率输出示意图；其中，图7中的（a）为期望运行状态下的热电联产1机组的电功率输出示意图；图7中的（b）为风电扰动下运行状态的热电联产1机组的电功率输出示意图；
图8为本发明实施例一中的热电联产1温度示意图；其中，图8中的（a）为热电联产1供应温度示意图；图8中的（b）为热电联产1回流温度示意图；
图9为本发明实施例二中的计及热网灵活性的电-热系统鲁棒超前调度系统的结构框图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
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
本发明实施例一介绍了一种计及热网灵活性的电-热系统鲁棒超前调度方法。
如图1所示的一种计及热网灵活性的电-热系统鲁棒超前调度方法，包括：
考虑热网供需平衡，构建热网灵活调节能力量化模型，评估热网对电网备用支撑能力；
引入风电接纳风险，以总运行成本最小为目标，根据所得到的热网对电网备用支撑能力，构建计及热网灵活性恢复过程和热网灵活性供给过程的电热综合能源系统鲁棒超前调度模型；
求解所构建的超前调度模型，实现电-热系统的协调超前调度。
本实施例中的电热综合能源系统鲁棒超前调度模型包括灵活性供给过程与灵活性恢复过程，分别形成目标函数Z 1和Z 2，即：
Figure SMS_12
(1)
其中，
Figure SMS_17
、/>
Figure SMS_27
、/>
Figure SMS_35
分别表示常规机组、热电联产机组、风电场集合；/>
Figure SMS_15
、/>
Figure SMS_22
分别为常规机组发电功率及发电成本系数；/>
Figure SMS_29
、/>
Figure SMS_36
分别为常规机组/>
Figure SMS_14
在/>
Figure SMS_26
时段所配置的上调、下调备用容量，/>
Figure SMS_33
、/>
Figure SMS_40
为常规机组/>
Figure SMS_16
的上调、下调备用容量系数；/>
Figure SMS_24
、/>
Figure SMS_30
分别为热电联产机组/>
Figure SMS_37
在/>
Figure SMS_20
时段由于热网调节所形成的上调、下调备用容量，/>
Figure SMS_25
、/>
Figure SMS_31
为热电联产机组/>
Figure SMS_38
的上调、下调备用容量成本系数；/>
Figure SMS_13
、/>
Figure SMS_21
分别为弃风、功率短缺成本系数；/>
Figure SMS_28
、/>
Figure SMS_34
分别为热负荷/>
Figure SMS_19
在/>
Figure SMS_23
时段的向上、向下调节量；/>
Figure SMS_32
、/>
Figure SMS_39
分别为补偿热负荷/>
Figure SMS_18
向上、向下调节的成本系数。
计及热网灵活性恢复过程的热网灵活调节能力量化模型
本实施例设计了热网灵活调节能力量化模型；灵活性提供过程被分为2个阶段，即灵活性供给过程及恢复过程。热网在供给过程内为电网提供灵活性，并在恢复过程内按设置的策略进行恢复。
（1）热网灵活性供给过程
在实际运行中，电热综合能源系统利用超短期、短期源荷功率预测数据，基于经济调度策略制定日内运行计划，获取期望场景下的热网运行状态（在本实施例中简称为期望运行状态），确定热源机组的供热功率基值及热网的温度分布。同时，日内新能源发电功率波动幅度大，热网需改变其计划运行状态以提供备用支撑。
本实施例以热电联产机组作为灵活性传递设备，其通过改变发电量以提供备用的时期被定义为热网灵活性供给过程（Flexibility Providing Period，简称FPP）。相应地，热电联产机组的灵活性被表述为与运行基点相比，限定时段内发电量的可调节能力；热网可以在FPP内调节热电联产机组的发电量，以满足电网的灵活性需求。热电联产机组提供的上调/下调备用能力可以通过热电比表示为：
Figure SMS_41
(2)
其中，
Figure SMS_44
、/>
Figure SMS_47
分别为热电联产机组/>
Figure SMS_49
在/>
Figure SMS_43
时段提供的上调、下调备用能力；/>
Figure SMS_45
、
Figure SMS_48
分别为热电联产机组/>
Figure SMS_50
在/>
Figure SMS_42
时段热输出的该变量；/>
Figure SMS_46
为热电比。
如图2所示，当进入灵活性供给过程，此时电网需要热网提供向下灵活性，故热电联产机组降低热功率输出以提供向下备用支撑。
（2）热网灵活性恢复过程
为使热力负荷基本供热需求，热力系统应保持热量供需的长期平衡，即热网必须在限定时段内为电网提供灵活性。同时，热网应通过改变供热温度，借以改变热源机组出力以抵消在灵活性供给后热功率输出改变的影响。如图2所示，热电联产机组应补偿灵活性供给过程内提升的热功率输出，以满足热网在提供向上灵活性后的热负荷需求。
因此，设置灵活性恢复过程（Flexibility Recovery Period，简称FRP）以帮助热网在提供备用支撑后快速响应至期望运行状态。在实际运行中，热网通过控制热源所在节点的温度以满足因热惯性产生的热负荷需求变化。具体地，当进入FRP后，热网应控制热电联产机组所在节点的温度与期望运行状态一致。约束表示为：
Figure SMS_51
(3)
其中，
Figure SMS_54
、/>
Figure SMS_55
分别为FRP、期望运行状态下热电联产机组/>
Figure SMS_58
在/>
Figure SMS_53
时段的供水管道出口水温；/>
Figure SMS_56
、/>
Figure SMS_57
分别为灵活性供给、恢复周期；/>
Figure SMS_59
为热电联产机组集合。同时，设置合理的/>
Figure SMS_52
值有助于热网灵活性的恢复，本实施例以热源所在节点供水管道中的介质流至回水管道的最大延迟设置恢复期最小周期，表示为：
Figure SMS_60
(4)
其中，
Figure SMS_61
为热电联产机组/>
Figure SMS_62
所在热源节点流经管网到达回水管道的最大延时。具体地，对于热网中的单条管道/>
Figure SMS_63
，其传输延时可以由管道长度、流速确定，相关公式表示为：
Figure SMS_64
(5)
Figure SMS_65
(6)
其中，
Figure SMS_66
为管道/>
Figure SMS_67
的延时，/>
Figure SMS_68
和/>
Figure SMS_69
为管道/>
Figure SMS_70
流速。
基于管道
Figure SMS_71
已确定的时延，本实施例基于Floyd算法求取/>
Figure SMS_72
。Floyd算法用于求取拓扑网络中任意两点之间的最短路径。当已知热网拓扑结构后，从热电联产机组所在节点/>
Figure SMS_73
的供热管道出发，至返回回流节点结束，形成与之具有连接关系的权重矩阵，矩阵内每个元素的权重值即为不同路径上管道/>
Figure SMS_74
通过公式(5)和公式(6)获取的延时。当利用Floyd算法求得最小总权重路径时，即可确定热电联产机组/>
Figure SMS_75
由供热节点返回至回流节点的最大延时；相关公式可以表示为：
Figure SMS_76
(7)
重复上述过程，求取所有热电联产机组的最大延时，在此集合内寻找最大值即为FRP周期。
（3）热网灵活性供给模型构建
供水管道及回水管道通过热源节点进行热量交换，具体过程描述为：
Figure SMS_77
(8)
其中，
Figure SMS_78
、/>
Figure SMS_79
分别表示期望场景下热电联产机组/>
Figure SMS_80
在/>
Figure SMS_81
时段的供热功率及出口处回水管道水温；/>
Figure SMS_82
表示热电联产机组/>
Figure SMS_83
所在管道的工质流量；/>
Figure SMS_84
为热水的比热容。同时，为适应水温与环境温度交互带来的热量损失，热源节点供水管道的出口水温应存有一定的可变裕度，表示为：
Figure SMS_85
(9)
其中，
Figure SMS_86
、/>
Figure SMS_87
分别为热电联产机组/>
Figure SMS_88
供水管道的出口水温下限和上限。
热网的热惯性使得热电联产机组热功率与热负荷存在时间序列上的供需延迟匹配，使其在功能上可以等效为虚拟蓄热罐，即存在“储热”和“放热”过程。实际运行中，热网不能同时存在上述2种状态，存在以下约束：
Figure SMS_89
(10)
其中，
Figure SMS_90
和/>
Figure SMS_91
分别表示热网的储热、放热状态，均为0-1变量。相应地，热网通过热源节点的供给灵活性约束表示为：
Figure SMS_92
(11)
其中，
Figure SMS_93
、/>
Figure SMS_94
分别表示热网通过热电联产机组/>
Figure SMS_95
在/>
Figure SMS_96
时段提供的最大向上、向下可调节能力；/>
Figure SMS_97
为计及热网动态特性的管道传热延时后热电联产机组k供水管道的出口水温。
风电接纳风险的数学表达
新能源发电功率存在预测误差，继而导致系统中的某些节点存在不确定性的功率扰动。然而，系统可能没有能力平衡所有的功率扰动或者没有意愿花费极大代价平衡极少见的功率扰动。因此，如何合理均衡系统的备用资源配置成本与灵活性成为必须解决的问题。对于风电接入节点而言，本实施例引入风电可接纳范围（Admissible Region of WindPower,简称ARWP），以其表征该扰动注入节点的有效可接纳范围。以系统中某风电接入节点为例，图3给出了该节点ARWP的示意图。如图3所示，
Figure SMS_98
和/>
Figure SMS_99
分别为该节点ARWP的上限及下限，其ARWP表示为/>
Figure SMS_100
，该节点的风电扰动范围为/>
Figure SMS_101
。
风电接纳风险与ARWP密切相关；当风电实际出力
Figure SMS_102
位于/>
Figure SMS_103
内，总能通过合理配置备用资源使风电扰动不会对系统造成运行风险。然而，当/>
Figure SMS_104
超出/>
Figure SMS_105
时，系统需要采取弃风或切负荷措施以保证安全运行。当在风电概率分布已知的前提下，将节点风电扰动超出ARWP而遭受的期望损失定义为风电接纳风险，包括超出可接纳范围下限而引发的期望功率短缺损失，以及超出可接纳范围上限而引发的期望弃风损失。风电扰动超过ARWP上限或低于下限引发的风电接纳风险可表示为：
Figure SMS_106
(12)
其中，
Figure SMS_108
、/>
Figure SMS_112
分别为风电场/>
Figure SMS_114
的期望功率短缺损失和期望弃风损失；/>
Figure SMS_109
为低于风电可接纳范围下界引发功率短缺损失的期望分布；/>
Figure SMS_111
为高于风电可接纳范围上界引发弃风损失的期望分布；/>
Figure SMS_115
表示括号内的数为正取值；/>
Figure SMS_117
为风电随机扰动的概率密度函数；/>
Figure SMS_107
和/>
Figure SMS_110
分别为风电有效可接纳范围的上限和下限；/>
Figure SMS_113
为风电实际出力,/>
Figure SMS_116
为风电功率上限。
电热综合能源系统鲁棒超前调度模型
（1）基于热网灵活性供给过程
基于FPP的电热综合能源系统鲁棒超前调度模型同时考虑常规发电机组及热网动态特性作为灵活性供给资源。
1）目标函数
基于FPP的模型总运行成本Z 1包括常规机组发电成本及备用配置成本，热电联产机组发电成本及备用配置成本及风电接纳风险的相关成本，表示为：
Figure SMS_118
(13)
其中，
Figure SMS_124
、/>
Figure SMS_121
、/>
Figure SMS_128
、/>
Figure SMS_125
、/>
Figure SMS_131
分别表示常规机组、热电联产机组、风电场集合；/>
Figure SMS_138
、
Figure SMS_140
分别为常规机组发电功率及发电成本系数；/>
Figure SMS_120
、/>
Figure SMS_133
分别为常规机组/>
Figure SMS_119
在/>
Figure SMS_132
时段所配置的上调、下调备用容量，/>
Figure SMS_126
、/>
Figure SMS_134
为常规机组/>
Figure SMS_122
的上调、下调备用容量系数；/>
Figure SMS_130
、/>
Figure SMS_129
分别为热电联产机组/>
Figure SMS_136
在/>
Figure SMS_135
时段由于热网调节所形成的上调、下调备用容量，/>
Figure SMS_139
、/>
Figure SMS_123
为热电联产机组/>
Figure SMS_127
的上调、下调备用容量成本系数；/>
Figure SMS_137
、/>
Figure SMS_141
分别为弃风、功率短缺成本系数。
2）电力系统约束条件
期望场景下的功率平衡约束
在期望场景下，系统中总的负荷需求应由常规机组、热电联产机组以及风电场三方共同承担，具体功率平衡约束可表示如下：
Figure SMS_142
(14)
其中，
Figure SMS_145
为热电联产机组/>
Figure SMS_146
在/>
Figure SMS_151
时段的期望发电功率；/>
Figure SMS_144
为风电场/>
Figure SMS_147
在/>
Figure SMS_149
时段的预测发电功率；/>
Figure SMS_152
为节点集合；/>
Figure SMS_143
为电负荷/>
Figure SMS_148
在/>
Figure SMS_150
时段的需求量。
系统灵活性需求约束
当风电功率波动时，系统应有足够的灵活性进行响应以保证扰动场景下的功率平衡。本实施例考虑常规机组和热网提供灵活性，基于仿射策略，系统内各在线机组按扰动功率分配系数进行调整，调节能力应与风电功率波动程度匹配，以下约束需满足：
Figure SMS_153
(15)
其中，
Figure SMS_156
、/>
Figure SMS_159
为风电场/>
Figure SMS_161
所在节点在/>
Figure SMS_155
时段的最大向上、向下扰动功率；/>
Figure SMS_157
为机组/>
Figure SMS_160
在/>
Figure SMS_162
时段的扰动功率分配系数。在本实施例中，/>
Figure SMS_154
、/>
Figure SMS_158
存在如下等式关系：
Figure SMS_163
(16)
其中，
Figure SMS_164
、/>
Figure SMS_165
分别为风电场/>
Figure SMS_166
所在节点/>
Figure SMS_167
时段的风电可接纳范围的上限、下限。
机组发电能力约束
Figure SMS_168
(17)
其中，
Figure SMS_169
、/>
Figure SMS_170
为机组/>
Figure SMS_171
的最大、最小发电功率。
机组爬坡约束
为避免极端扰动场景下系统无足够灵活性应对风电功率扰动，爬坡约束需额外考虑扰动场景下机组功率输出变化与备用连续响应能力，表示为：
Figure SMS_172
(18)
其中，
Figure SMS_173
、/>
Figure SMS_174
为机组/>
Figure SMS_175
的向上、向下爬坡能力。
支路潮流约束
借助发电转移因子，系统中的支路潮流约束表示如下：
Figure SMS_176
(19)
其中，
Figure SMS_179
代表线路的传输容量；/>
Figure SMS_183
、/>
Figure SMS_187
分别代表机组/>
Figure SMS_180
、风电场/>
Figure SMS_184
对应线路/>
Figure SMS_188
的发电转移因子；/>
Figure SMS_191
为机组/>
Figure SMS_177
在/>
Figure SMS_181
时段因风电随机扰动的发电功率调整量、/>
Figure SMS_186
为风电场/>
Figure SMS_190
在/>
Figure SMS_178
时段的随机扰动。/>
Figure SMS_182
为扰动场景下线路/>
Figure SMS_185
在/>
Figure SMS_189
时段的潮流。
3）热力系统约束条件
热网动态特性约束
热网动态特性体现在热传递延迟和供热损失2个方面。由于热水在热网管道中传输的慢速特性，使得温度传递存在滞后性，因此有部分能量存储于供热网络中，此过程的热水流动时长即为传输延时
Figure SMS_192
；同时，热水流动中由于管道温度和环境温度的热量交换，导致供热温度的损失。为提高计算效率，本实施例利用简化的节点法描述热网动态特性。
由于热网管道温度传输时滞特性会导致传热延时，管道
Figure SMS_193
在/>
Figure SMS_194
时段的出口温度应由/>
Figure SMS_195
时刻的管道入口温度估计。相应约束表示为：
Figure SMS_196
(20)
其中，
Figure SMS_199
为管道/>
Figure SMS_201
在/>
Figure SMS_204
时段的入口温度；/>
Figure SMS_198
为不考虑管道传热损失的情况下管道/>
Figure SMS_203
在/>
Figure SMS_205
时段的出口温度；/>
Figure SMS_207
和/>
Figure SMS_197
为管道/>
Figure SMS_202
的长度及半径；/>
Figure SMS_206
为管道/>
Figure SMS_208
在/>
Figure SMS_200
时段的工质流量。
计及管道传热损失后，管道
Figure SMS_209
在/>
Figure SMS_210
时段的实际出口温度/>
Figure SMS_211
采用Sukhov公式修正为：
Figure SMS_212
(21)
其中，
Figure SMS_213
为/>
Figure SMS_214
时段管道附近的环境温度；/>
Figure SMS_215
为管道温度损失系数；/>
Figure SMS_216
为管道热传递系数。
热网温度约束
在管道交汇节点处，从该节点流入的管道出口水温在此节点处进行混合，从该节点流出的管道入口水温都等于形成的混合温度，相关约束为：
Figure SMS_217
(22)
其中，
Figure SMS_225
和/>
Figure SMS_219
分别为以节点/>
Figure SMS_226
为起点、终点的管道集合；/>
Figure SMS_221
为/>
Figure SMS_228
时段供水管道/>
Figure SMS_220
和回水管道/>
Figure SMS_229
的出口温度；/>
Figure SMS_224
和/>
Figure SMS_231
为/>
Figure SMS_218
时段供水管道/>
Figure SMS_227
和回水管道/>
Figure SMS_223
的入口温度；/>
Figure SMS_232
和/>
Figure SMS_230
为/>
Figure SMS_233
时段供水管道节点/>
Figure SMS_222
和供水管道节点/>
Figure SMS_234
的混合温度。
热源节点供热约束
为保证系统风电功率扰动下热力网络的正常运行，本实施例考虑热源节点供热功率因扰动变化后的运行约束。当扰动发生后，热网为提供灵活性使得热电联产机组的供热功率变化为：
Figure SMS_235
(23)
其中，
Figure SMS_236
为考虑风电功率扰动后/>
Figure SMS_237
时段热电联产机组/>
Figure SMS_238
的实际供热功率。同时，当热电联产机组功率调整后，热源节点还应满足约束（8）-（11）。
热负荷节点热交换约束
本实施例不考虑热网管道二次侧建模，将换热站视作供热网络中的热负荷节点。相应约束表示为：
Figure SMS_239
(24)
其中，
Figure SMS_240
为热负荷节点/>
Figure SMS_241
在/>
Figure SMS_242
时段的热交换功率。
（2）基于热网灵活性恢复过程
当热网进入FRP后，仅由常规机组提供备用支撑，基于式（2）及热负荷的需求响应机制帮助热网快速恢复至期望运行状态。
1）目标函数
与FPP不同，FRP的热网不再提供备用支撑。同时，热负荷通过改变用热量，释放一定灵活性，从而加速热网恢复至期望运行状态。FRP的目标函数
Figure SMS_243
表示为：/>
Figure SMS_244
(25)
其中，
Figure SMS_245
、/>
Figure SMS_246
分别为热负荷/>
Figure SMS_247
在/>
Figure SMS_248
时段的向上、向下调节量；/>
Figure SMS_249
、/>
Figure SMS_250
分别为补偿热负荷/>
Figure SMS_251
向上、向下调节的成本系数。
2）约束条件
FRP中同样包含电力系统约束（14），热力系统约束（8）-（9）、（18）-（22）、（24），此处不再重述。下面给出FRP与FPP不同的约束。
热电联产机组供热温度限制约束
热网应控制热电联产机组所在节点的温度与期望运行状态一致，相关约束如式（2）所示。
系统灵活性需求约束
热网不再提供备用支撑后，系统的灵活性需求仅由常规机组承担，约束变为：
Figure SMS_252
(26)
相应地，类似于式（26），支路潮流约束不含热电联产机组的功率变化。同时，常规机组仍应满足式（17）-（18）。
热电联产机组在FRP的相关约束
热电联产机组的发电能力约束和爬坡约束表述为：
Figure SMS_253
(27)
其中，
Figure SMS_254
、/>
Figure SMS_255
、/>
Figure SMS_256
、/>
Figure SMS_257
含义与参数值与式（17）-（18）中热电联产机组约束相同。
柔性热负荷需求响应约束
考虑到热负荷调节能力有限，设置如下约束：
Figure SMS_258
(28)/>
其中，
Figure SMS_259
、/>
Figure SMS_260
分别为热负荷/>
Figure SMS_261
的最大向上、向下调节量。
求解方法
（1）风电接纳风险的分段线性近似
由于风电接纳风险中存在积分项，因此原模型为非线性优化模型，难以直接求解。可利用分段线性近似方法线性化积分项，对系统运行风险中的积分项进行线性化处理。首先对风电扰动范围引入分段点，然后通过式（12）计算分段点处的风电接纳风险值，进而求出相应的分段线性表达式。
如图4所示的风电波动超出可接纳范围上限的分段线性化过程；其中，
Figure SMS_263
、/>
Figure SMS_265
、/>
Figure SMS_268
、
Figure SMS_264
分别表示风电概率密度函数、风电接纳风险分段线性近似的线性化系数。在图4中，实线代表风电的概率密度函数，引入分段点/>
Figure SMS_267
将/>
Figure SMS_270
的右半部分/>
Figure SMS_271
进行均分，在/>
Figure SMS_262
的各分段点处获得相应的/>
Figure SMS_266
。基于此，可以获得分段点处对应的风电接纳风险。相应地，可以利用风电接纳风险的分段函数计算/>
Figure SMS_269
内任意一点的风险值。
由此，对应于因风电功率超出可接纳范围上限导致的期望弃风损失的线性分段函数可表示如下：
Figure SMS_272
(29)
Figure SMS_273
(30)
相应地，对应于因风电功率超出可接纳范围下限导致的期望切负荷损失的线性分段函数可进行类似表示：
Figure SMS_274
(31)
Figure SMS_275
(32)/>
其中，
Figure SMS_278
、/>
Figure SMS_283
、/>
Figure SMS_287
、/>
Figure SMS_277
为风电接纳风险分段线性近似后分段函数的系数；
Figure SMS_280
、/>
Figure SMS_284
为标志风电功率是否位于分段/>
Figure SMS_288
的0/1变量；/>
Figure SMS_276
、/>
Figure SMS_281
代表ARWP上限、下限在线段/>
Figure SMS_285
内的取值；/>
Figure SMS_289
、/>
Figure SMS_279
和/>
Figure SMS_282
、/>
Figure SMS_286
为分段/>
Figure SMS_290
左、右两侧的风电功率值。
（2）不确定量的转化
所构建模型中由于线路潮流约束中包含随机扰动参数，为不确定性变量，难以直接求解。首先，考虑到机组发电功率调整量与风电功率波动之间的仿射关系，转化为如下约束：
Figure SMS_291
(33)
而后，引入辅助变量
Figure SMS_292
以消除模型中的随机变量/>
Figure SMS_293
。风电功率随机扰动表述为：
Figure SMS_294
(34)
采用Soyster提出的模型转化方法，同时考虑式（34）的风电功率随机扰动，以式（33）的第一个式子为例，原约束可转化为如下：
Figure SMS_295
(35)
根据对偶理论，引入对偶变量
Figure SMS_296
，优化问题（35）可转化为下式：
Figure SMS_297
(36)/>
类似地，式（33）的第二个式子也可以进行类似的转化：
Figure SMS_298
(37)
经过上述步骤，模型中的不确定量被转化为确定性约束。
（3）双线性约束的线性化处理
式（15）、（26）、（36）-（37）仍涉及非线性项，即存在风电扰动可接纳范围与扰动功率分配系数相乘的形式，导致原模型变为双线性规划问题，无法被线性求解器直接求解。本实施例采用Big-M法对ARWP相关约束进行处理。然而，采用Big-M法将会引入众多辅助约束，从而影响模型整体的求解效率。由此，本实施例首先对约束（30）、（32）进行简化。
扰动注入节点的ARWP出现在某一线性化分段的边界，即ARWP的取值应在分段点。而后，以弃风对应的风电接纳风险为例，如图4，当风电向上功率扰动过大时，假设风电接纳风险分段线性函数的斜率μ u恒为正值且随分段数增加而递减，弃风量必定从最右侧段值O 5取起，而后依次向前取值。同理，风电可接纳范围上限必定从最左侧段值O 1，而后依次向后取值。而由于
Figure SMS_299
已知，则函数/>
Figure SMS_300
的一、二阶导数均为正值。由此，斜率μ u的单调递减性可以保证，假设成立。约束（30）、（32）可以简化为：
Figure SMS_301
(38)
而后，对双线性项应用Big-M法，转化为混合整数线性形式：
Figure SMS_302
(39)
其中，
Figure SMS_303
为一个极大的正常数。经过上述处理后，式（15）、（26）、（36）-（37）均可转化为线性约束。
（4）无效线路约束筛除方法设计
考虑到超前调度模型对计算时间的要求，系统中的无效约束需要被筛除以提升计算效率；模型中的无效约束为线路传输约束。电力系统实际运行经验表明，仅有少量关键传输线路上的潮流可能超过线路的传输容量。因此，本实施例构建了适合于所提不确定调度优化模型的无效约束快速识别方法，通过筛选出无效的线路传输容量约束，进而降低模型求解规模以提升求解效率。针对每一条传输线路，存在如下优化问题：
Figure SMS_304
(40)
上述最大化优化问题目标函数的最优值组成了新能源不确定性的鲁棒调度模型中支路潮流可能取值区间的上限，最小化优化问题目标函数的最优值组成了计及新能源不确定性的鲁棒调度模型中支路潮流可能取值区间的下限。
如式（40）所示，目标值
Figure SMS_305
和/>
Figure SMS_306
同风电随机扰动功率/>
Figure SMS_307
密切相关。因此，设置如下规则，当/>
Figure SMS_308
，用以识别无效线路传输约束：
1）当
Figure SMS_309
，则约束（36）为无效支路安全约束；
2）若
Figure SMS_310
，则约束（37）为无效支路安全约束。
由上述模型及规则构成了无效约束快速筛除方法。在模型求解之前对优化模型进行预处理，筛选出优化模型中的无效约束，有效提升计算效率。
算例分析
以 E6-H6 和 E118-H20 两个不同规模的测试系统为例，对所提模型的有效性进行验证。
（1）E6-H6测试系统算例
算例仿真系统为改进的IEEE-6节点电网、6节点热网构成的电-热电热综合能源系统，E6-H6测试系统如图5所示。其中6节点电网包含4台发电机组（G1、G2为常规机组，G3、G4为热电联产机组）、2个风电场、7条支路（PLine1-PLine7）、3个电负荷（PL1-PL3）；6节点热网包含3个换热站（HES1-HES3）和5条热水管道（Pipe1-Pipe5）；电网和热网通过2台热电联产机组相耦合。
G1-G4机组的参数见表1，风电场W1、W2的装机容量均设定为50 MW。设定风电场的发电功率服从正态分布，其标准差设定为期望值的20％。调度时间步长设置为15分钟，调度前瞻尺度设定为3个小时。弃风和切负荷的风险成本系数分别设定为300元/(MW·h)和3000元/(MW·h)。热网的FPP周期设置为3h，FRP周期设置为5h。同时，本实施例设置热网参与FPP的时段分别为3:00-5:00、11:00-13:00及19:00-21:00。
表1电热综合能源系统机组参数
Figure SMS_311
注：本实施例中，热电联产机组的热电比取
Figure SMS_312
。
依据调度结果，图5给出了系统风电可接纳范围图，图6给出了常规机组和热网参与备用支撑下的灵活性配置结果；可得机组和热网的向上灵活性供给能力大于向下灵活性供给能力，向上备用配置容量与向下备用配置容量差值为46.72MW，说明系统对于高估风电预测误差具有更强的应对能力。在电网实际运行中，切负荷会导致比弃风更严重的后果。因此，算例中设置切负荷对应的风险成本系数远高于弃风所对应的风险成本系数，调度结果也着重考虑了切负荷对应运行风险的应对，体现了调度决策在应对风险时的倾向性。
同时，在FPP时段，常规机组可以与热网有效配合为电网提供备用支撑。在第1个FPP周期，系统待消纳风电功率高，热电联产机组倾向于产生向下灵活性，即降低发电功率以降低弃风带来的运行风险，这也使得在对应时段风电场W1和W2的风电向上接纳能力提升；对应地，在第二个FPP周期，接入系统的风电功率较低，热电联产机组倾向于产生向上灵活性，即提升发电功率以降低切负荷带来的运行风险，这也使得在对应时段风电场W1和W2的风电向下接纳能力提升；此外，在第3个FPP周期，此时电网负荷、风电预测值均接近峰值，传输线路容量的绝大部分被挤占，常规机组与热网配合下的备用传递能力降低，对应时段下的风电可接纳范围缩小。以W2为例，第3个FPP周期总的风电可接纳范围相较于第1个FPP周期减少超过9MW。
此外，对比图5中的(a)和(b)，可以得出W2的ARWP在多数时段大于W1，全时段差值共计36.34MW。一方面，由于W2更接近于机组G1、G2，上述2台机组承担了FRP周期全部的备用容量及FPP周期31.26%的备用容量，距离较近的W2更容易接受G1与G2的备用提供；另一方面，热电联产1的调节能力超出热电联产2达36.8%，同样距离较近的W2更容易接受热电联产1的灵活性供给。
为准确描述热网的FPP、FRP 过程，图7中的（a）（b）分别给出了热电联产1机组在1:00至13:00期望运行状态、风电扰动下注入状态下的电功率输出曲线。图8则统计了热电联产1机组所在热网节点1:00至13:00期望运行状态、风电扰动状态下的供应、回流温度。
结合图7和图8，热网在3时进入FPP，此时处于热负荷高峰、电负荷低谷时段，且风电待消纳功率高。热电联产1机组选择提供向下灵活性，通过降低所在节点的供应温度从而降低输出热量，如图7中的（b）标号1。由于热网动态特性中的延时特性存在，热电联产1所在节点的回流温度在4:00开始出现下降，为维持热电联产1机组供热功率，供应温度也出现相应下降。在6时，热网进入FRP，热电联产1机组供应温度按式（2）进行设置。同时，热网热惯性的存在使得回流温度会继续下降，导致热电联产1机组的热功率输出增加，如图7中的（b）标号2。6:00-10:00，热电联产1机组的输出逐渐趋近于期望运行状态，至10时完全一致。在11时，热网再次进入FPP，此时处于热负荷低谷、电负荷高峰时段，风电接入不足。热电联产1机组选择提供向上灵活性，通过提高所在节点供应温度从而增加输出热量，其余分析类似，不再赘述。
为体现将风电概率分布信息纳入所提鲁棒超前调度模型的效果，设置如下对比方案：
模型I：本实施例所提鲁棒超前调度模型，模型中包含风电概率分布信息。
模型II：该方法忽略风电概率分布信息，不考虑风电接纳风险，运行风险的表示为风电实际扰动超出可接纳范围的差值与惩罚系数的乘积，其旨在最大化风电扰动接纳范围的同时最小化系统综合成本。表2给出了模型I和模型II的对比运行结果。
如表2，模型II对于注入风电扰动的接纳能力大于模型I，模型II的风电可接纳范围相较于模型I增加29.4%。然而，尽管模型II获得了更小的运行风险，模型II的综合成本相较于模型I仍增加12.0%，模型I相较于模型II展现出了更优的经济性，所提优化调度方法合理性更高。这是由于模型II忽略了风电的概率分布特征，尽可能地扩大风电接纳区间以最大化平抑风电扰动。然而，因为某些概率极低的扰动事件配置更多的灵活性资源显然增加了备用配置成本，降低了系统整体的经济性。
表2不同模型的运行结果
Figure SMS_313
算例仿真系统为改进的IEEE-118节点电网、20节点热网构成的电-热电热综合能源系统；其中，测试系统共有4台热电联产机组，54台常规机组共有8台承担风电扰动平抑。
为了验证所提求解方法的计算效率，本实施例分别采用设置的方法对模型进行求解，并比较采用不同方法的计算时间、运行所得综合成本，不同求解方法的计算效率如表3所示。
方法A：本实施例所述解法。
方法B：针对模型中含有双线性变量形成的非线性问题，采用交替迭代求解方法处理含双线性变量的约束，具体地，其核心思想为交替迭代优化双线性项中的两个决策变量，其余与方法A一致。
方法C：对风电接纳风险采用分段线性近似后，不对约束（30）、（32）进行简化，直接采用Big-M法进行处理，其余与方法A一致。
方法D：针对模型中含有双线性变量形成的非线性问题，不对模型做线性化处理，直接调用非线性求解器IPOPT进行求解，其余与方法A一致。
方法E：针对模型的无效约束问题，采用分解算法筛选无效线路传输约束，其余与方法A一致。具体地，分解算法可以识别优化模型中一部分无效支路安全约束,从而减少模型优化求解中需要处理的复杂支路安全约束数量,实现计算效率的提升。
通过不同求解方法的对比，可以验证本实施例所提求解方法在较大型电热综合能源系统中仍可以表现出良好的计算性能，平均计算效率提升83.91%。这是由于所提方法融合了分段线性近似、Big-M法、无效约束预筛选等方法，将模型转化为混合线性整数规划问题，且降低了模型中原有的0-1整数变量的规模，易于求解。同时，将所提方法与方法B、D对比，可以发现所提方法可以获得更优的解。这是由于方法B的交替迭代求解方法属于启发式算法，方法D属非线性规划问题，均难以获得全局最优解。
表3不同求解方法的计算效率
Figure SMS_314
实施例二
本发明实施例二介绍了一种计及热网灵活性的电-热系统鲁棒超前调度系统。
如图9所示的一种计及热网灵活性的电-热系统鲁棒超前调度系统，包括：
评估模块，其被配置为考虑热网供需平衡，构建热网灵活调节能力量化模型，评估热网对电网备用支撑能力；
建模模块，其被配置为引入风电接纳风险，以总运行成本最小为目标，根据所得到的热网对电网备用支撑能力，构建计及热网灵活性恢复过程和热网灵活性供给过程的电热综合能源系统鲁棒超前调度模型；
调度模块，其被配置为求解所构建的超前调度模型，实现电-热系统的协调超前调度。
详细步骤与实施例一提供的计及热网灵活性的电-热系统鲁棒超前调度方法相同，在此不再赘述。
以上所述仅为本实施例的优选实施例而已，并不用于限制本实施例，对于本领域的技术人员来说，本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实施例的保护范围之内。

Claims (8)

1.一种计及热网灵活性的电-热系统鲁棒超前调度方法，其特征在于，包括：
考虑热网供需平衡，构建热网灵活调节能力量化模型，评估热网对电网备用支撑能力；
引入风电接纳风险，以总运行成本最小为目标，根据所得到的热网对电网备用支撑能力，构建计及热网灵活性恢复过程和热网灵活性供给过程的电热综合能源系统鲁棒超前调度模型；
求解所构建的超前调度模型，实现电-热系统的协调超前调度。
2.如权利要求1中所述的一种计及热网灵活性的电-热系统鲁棒超前调度方法，其特征在于，所构建的热网灵活调节能力量化模型包括热网灵活性恢复过程和热网灵活性供给过程；当系统处于灵活性供给过程时，热网为电网提供向下的灵活性；当处于灵活性恢复过程时，热网为电网提供向上灵活性后的热负荷需求。
3.如权利要求1中所述的一种计及热网灵活性的电-热系统鲁棒超前调度方法，其特征在于，所述风电接纳风险为表征扰动注入节点的风电有效可接纳范围；当风电扰动超过所述风电有效可接纳范围上限或低于所述风电有效可接纳范围下限时，风电接纳风险为：
Figure QLYQS_1
；其中，/>
Figure QLYQS_6
、/>
Figure QLYQS_7
分别为风电场m的期望功率短缺损失和期望弃风损失；/>
Figure QLYQS_3
为低于风电可接纳范围下界引发功率短缺损失的期望分布；/>
Figure QLYQS_5
为高于风电可接纳范围上界引发弃风损失的期望分布；
Figure QLYQS_9
表示括号内的数为正取值；/>
Figure QLYQS_11
为风电随机扰动的概率密度函数；/>
Figure QLYQS_2
和/>
Figure QLYQS_4
分别为风电有效可接纳范围的上限和下限；/>
Figure QLYQS_8
为风电实际出力,/>
Figure QLYQS_10
为风电功率上限。
4.如权利要求1中所述的一种计及热网灵活性的电-热系统鲁棒超前调度方法，其特征在于，所述总运行成本包括计及热网灵活性供给过程的运行成本和计及热网灵活性恢复过程的运行成本。
5.如权利要求4中所述的一种计及热网灵活性的电-热系统鲁棒超前调度方法，其特征在于，所述计及热网灵活性供给过程的运行成本包括常规机组发电成本及备用配置成本；所述计及热网灵活性恢复过程的运行成本包括运行风险成本。
6.如权利要求1中所述的一种计及热网灵活性的电-热系统鲁棒超前调度方法，其特征在于，所述超前调度模型的约束条件包括热网动态特性约束、热网温度约束、热源节点供热约束、热负荷节点热交换约束、热电联产机组供热温度限制约束、系统灵活性需求约束、热电联产机组在热网灵活性恢复过程的相关约束和柔性热负荷需求响应约束。
7.如权利要求1中所述的一种计及热网灵活性的电-热系统鲁棒超前调度方法，其特征在于，在求解所构建的超前调度模型的过程中，采用分段线性近似法、Big-M法和无效线路约束筛除法。
8.一种计及热网灵活性的电-热系统鲁棒超前调度系统，其特征在于，包括：
评估模块，其被配置为考虑热网供需平衡，构建热网灵活调节能力量化模型，评估热网对电网备用支撑能力；
建模模块，其被配置为引入风电接纳风险，以总运行成本最小为目标，根据所得到的热网对电网备用支撑能力，构建计及热网灵活性恢复过程和热网灵活性供给过程的电热综合能源系统鲁棒超前调度模型；
调度模块，其被配置为求解所构建的超前调度模型，实现电-热系统的协调超前调度。
CN202310609491.9A 2023-05-29 2023-05-29 计及热网灵活性的电-热系统鲁棒超前调度方法及系统 Active CN116341881B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310609491.9A CN116341881B (zh) 2023-05-29 2023-05-29 计及热网灵活性的电-热系统鲁棒超前调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310609491.9A CN116341881B (zh) 2023-05-29 2023-05-29 计及热网灵活性的电-热系统鲁棒超前调度方法及系统

Publications (2)

Publication Number Publication Date
CN116341881A true CN116341881A (zh) 2023-06-27
CN116341881B CN116341881B (zh) 2023-08-18

Family

ID=86880708

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310609491.9A Active CN116341881B (zh) 2023-05-29 2023-05-29 计及热网灵活性的电-热系统鲁棒超前调度方法及系统

Country Status (1)

Country Link
CN (1) CN116341881B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116680935A (zh) * 2023-07-31 2023-09-01 天津六百光年智能科技有限公司 一种基于分段线性函数的二网供水预测模型构建方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106998079A (zh) * 2017-04-28 2017-08-01 东南大学 一种热电联合优化调度模型的建模方法
CN110571789A (zh) * 2018-06-06 2019-12-13 南京工程学院 数据驱动下基于风电不确定性的电热气网三阶段调度方法
CN113193600A (zh) * 2021-03-19 2021-07-30 山东大学 计及风电概率分布不确定性的电力系统调度方法及装置
CN113708363A (zh) * 2020-05-21 2021-11-26 国家电网公司西南分部 一种电热联合系统的调度灵活性评估方法及系统
CN114154328A (zh) * 2021-12-03 2022-03-08 国网新疆电力有限公司电力科学研究院 提升灵活性的电热综合能源系统两阶段随机优化调度方法
CN114386256A (zh) * 2021-12-28 2022-04-22 国网浙江省电力有限公司电力科学研究院 一种考虑电热设备灵活性约束及热网特性的区域电热系统优化调度方法
CN114492917A (zh) * 2021-12-06 2022-05-13 国网山东省电力公司青岛供电公司 基于电气热网络动态特性的综合能源优化调度方法及系统
CN115425638A (zh) * 2022-07-27 2022-12-02 国网四川省电力公司经济技术研究院 计及电网灵活性的分布式鲁棒优化方法、设备和存储介质
CN116014811A (zh) * 2022-12-19 2023-04-25 冀北电力交易中心有限公司 一种条件系统风险下的含风电电力系统鲁棒优化调度方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106998079A (zh) * 2017-04-28 2017-08-01 东南大学 一种热电联合优化调度模型的建模方法
CN110571789A (zh) * 2018-06-06 2019-12-13 南京工程学院 数据驱动下基于风电不确定性的电热气网三阶段调度方法
CN113708363A (zh) * 2020-05-21 2021-11-26 国家电网公司西南分部 一种电热联合系统的调度灵活性评估方法及系统
CN113193600A (zh) * 2021-03-19 2021-07-30 山东大学 计及风电概率分布不确定性的电力系统调度方法及装置
CN114154328A (zh) * 2021-12-03 2022-03-08 国网新疆电力有限公司电力科学研究院 提升灵活性的电热综合能源系统两阶段随机优化调度方法
CN114492917A (zh) * 2021-12-06 2022-05-13 国网山东省电力公司青岛供电公司 基于电气热网络动态特性的综合能源优化调度方法及系统
CN114386256A (zh) * 2021-12-28 2022-04-22 国网浙江省电力有限公司电力科学研究院 一种考虑电热设备灵活性约束及热网特性的区域电热系统优化调度方法
CN115425638A (zh) * 2022-07-27 2022-12-02 国网四川省电力公司经济技术研究院 计及电网灵活性的分布式鲁棒优化方法、设备和存储介质
CN116014811A (zh) * 2022-12-19 2023-04-25 冀北电力交易中心有限公司 一种条件系统风险下的含风电电力系统鲁棒优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈哲;王橹裕;郭创新;马光;张金江;: "计及风电备用容量与需求响应的多备用资源鲁棒优化", 电力系统自动化, no. 10 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116680935A (zh) * 2023-07-31 2023-09-01 天津六百光年智能科技有限公司 一种基于分段线性函数的二网供水预测模型构建方法
CN116680935B (zh) * 2023-07-31 2023-10-13 天津六百光年智能科技有限公司 一种基于分段线性函数的二网供水预测模型构建方法

Also Published As

Publication number Publication date
CN116341881B (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
CN108596453B (zh) 考虑网络动态特性的综合能源系统日前优化调度方法及系统
Zhang et al. Optimal operation of integrated electricity and heat system: A review of modeling and solution methods
CN109004686B (zh) 一种考虑冰蓄冷空调多模式的冷热电联供型微网系统
CN110245878B (zh) 智能楼宇群体的分布式综合能源需求响应协同优化方法
Lin et al. Decentralized solution for combined heat and power dispatch through benders decomposition
Tan et al. A wind power accommodation capability assessment method for multi-energy microgrids
CN111222257B (zh) 基于凸优化的电热水多能流协同调度方法
Tang et al. Operational flexibility constrained intraday rolling dispatch strategy for CHP microgrid
CN105373842A (zh) 一种基于全能流模型的微电网能量优化与评估方法
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
Wei et al. Optimal dispatching of power grid integrating wind-hydrogen systems
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
CN112701687A (zh) 考虑价格型联合需求响应的气电配网系统鲁棒优化运行方法
Yu et al. Optimal operation of the combined heat and power system equipped with power‐to‐heat devices for the improvement of wind energy utilization
CN107863773A (zh) 一种多能流供能方法及系统
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
CN112380681A (zh) 基于分布式优化的综合能源系统参数确定方法及相关装置
CN114154328A (zh) 提升灵活性的电热综合能源系统两阶段随机优化调度方法
CN114077934A (zh) 一种综合能源微网互联系统及其调度方法
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
CN114266382A (zh) 一种考虑热惯性的热电联产系统两阶段优化调度方法
CN112862158B (zh) 一种综合能源系统日前优化调度方法及系统
CN113298407A (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
CN113240204A (zh) 考虑可再生能源消纳区域能源站容量优化配置方法及系统
Liu et al. Short-term coordinated hybrid hydro-wind-solar optimal scheduling model considering multistage section restrictions

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