CN116822216A - 成品油管网-电力综合能源耦合系统运行优化方法及装置 - Google Patents
成品油管网-电力综合能源耦合系统运行优化方法及装置 Download PDFInfo
- Publication number
- CN116822216A CN116822216A CN202310793376.1A CN202310793376A CN116822216A CN 116822216 A CN116822216 A CN 116822216A CN 202310793376 A CN202310793376 A CN 202310793376A CN 116822216 A CN116822216 A CN 116822216A
- Authority
- CN
- China
- Prior art keywords
- entity
- time step
- pump
- pressure loss
- slope
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000008878 coupling Effects 0.000 title claims abstract description 42
- 238000010168 coupling process Methods 0.000 title claims abstract description 42
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 42
- 239000012530 fluid Substances 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 41
- 238000004590 computer program Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 13
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 14
- 238000005086 pumping Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 6
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 2
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 101000827703 Homo sapiens Polyphosphoinositide phosphatase Proteins 0.000 description 1
- 102100023591 Polyphosphoinositide phosphatase Human genes 0.000 description 1
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Landscapes
- Pipeline Systems (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种成品油管网‑电力综合能源耦合系统运行优化方法及装置，属于成品油管网‑电力综合能源耦合系统运行控制技术领域技术领域，所述优化方法包括：步骤S1：将耦合系统划分多个串联的实体，每个实体包含一个泵站以及自所含泵站至下一泵站的管路和操作站，相邻操作站之间的管路为一个管段；步骤S2：确定每个实体在时间步t内的优化模型；步骤S3：按照流体流动方向依次求解各实体的优化模型，得到各实体内泵站在时间步t内的操作参数。其中，在构建优化模型时，考虑耦合系统不同实体间的关联性，以压力作为关联因子，将前后实体相互关联。通过本发明实现耦合系统的分布式优化方法并保证了不同实体优化的协调性。
Description
技术领域
本发明属于成品油管网-电力综合能源耦合系统运行控制技术领域，更具体地，涉及一种成品油管网-电力综合能源耦合系统运行优化方法及装置。
背景技术
能源综合利用的效率亟待提升，除了典型的多能量向量(如制冷、供暖和电力等)以外，在广域能源传输层面，石油和电力系统的耦合逐渐引起人们的关注。其中，成品油管网-电力综合能源系统是一个值得注意的系统，它使用电动泵驱动成品油流动，此项耗能占其巨大总能耗的约88.6％。因此，需要关注耦合系统的最优运行，以促进其能源效率。
成品油管网-电力综合能源系统通常长数千公里，泵站在地理位置上分布广泛。需要注意的是，在以前的与油-电综合系统运行优化相关的工作中，泵站都是通过集中优化方法进行协调。也就是说，需要一个中央人工控制中心来实现优化决策。然而，集中式的操作对通信网络性能有很高的要求，例如大通频带宽、高信息安全性和良好的扩展性，这将导致在实际应用时需要建设成本高昂的通信系统。分布式协调具有分散的通信和计算特性，自然地解决了上述对集中式控制的要求。近年来，分布式优化方法在电力系统研究中引起了广泛的关注。有文献采用交替方向乘子法(ADMM)对网络微电网进行能源管理。然而，尚未出现利用分布式协调方法优化成品油管网-电力综合能源耦合系统的运行。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种成品油管网-电力综合能源耦合系统运行优化方法及装置，其目的在于能够适用于成品油管网-电力综合能源耦合系统的分布式协调方法，能够保障信息安全和系统运行安全。
为实现上述目的，按照本发明的一个方面，提供了一种成品油管网-电力综合能源耦合系统运行优化方法，包括：
步骤S1：将耦合系统划分多个串联的实体，每个实体包含一个泵站以及自所含泵站至下一泵站的管路和操作站，相邻操作站之间的管路为一个管段；
步骤S2：确定每个实体在时间步t内的优化模型；
步骤S3：按照流体流动方向依次求解各实体的优化模型，得到各实体内泵站在时间步t内的操作参数；
其中，任意实体ps在时间步t内的优化模型包括：
目标函数：
约束条件：
式中，下标ps、k、t、s分别为针对实体、实体内的泵、时间步、管段的索引，上标dep、ter分别表示管段入口、出口位置索引，上标st、en分别表示时间步t的初始时刻和结束时刻索引，Kps为实体ps内泵的集合，ηt,k,ps、分别为实体ps内第k个泵在时间步长t中的泵效率和实际扬程，ρt和分别是时间步t中流经泵站的成品油的密度和流量，g是重力加速度，Pt,k,ps为输出功率，为时间步t的时长，PLPFt,ps为分段线性预判函数，n为分段线性预判函数中分段线性段的索引，slopet,n,ps表示第n个分段线性段的斜率，N为分段线性预判函数的设定分段数， 分别为对应索引下的压力，为第1管段入口压力上限；分别为实体ps-1中最后一个管段Send在对应时间索引下的出口压力，和分别表示对应索引下的压力损失，表示泵站在时间步t提供的压力，表示实体ps内第k个泵在时间步长t内是否开启的二进制变量，表示开启，表示关闭。
在其中一个实施例中，在步骤S2中，还包括确定压力损失 将所得压力损失代入优化模型后求解模型，确定压力损失的方法包括：
步骤S21：基于历史数据获取实体ps中每个管段s的压力损失误差分布；
步骤S22：从管段s的压力损失误差分布中随机采样压力损失误差，基于时间步t内的调度计划得到时间步t的起始和终止时刻管段s的压力预测损失，将预测损失和采样所得的压力损失误差叠加，得到压力损失和
在其中一个实施例中，步骤S21，包括：
利用达西公式计算历史某时段实体ps中管段s的压力预测损失，计算压力预测损失与历史数据中的实际压力损失的偏差，得到压力损失误差，通过对管段s的多个时段的偏差进行统计，得到压力损失误差分布。
在其中一个实施例中，在步骤S21中，利用达西公式预测压力损失时，调节达西公式中的达西摩擦系数，以最小化压力损失的均方误差，并存储通过调节确定的达西摩擦系数；
在步骤S22中，在计算未来时间步t的压力预测损失时，直接调取存储的达西摩擦系数并通过达西公式进行预测。
在其中一个实施例中，在步骤S2中，确定每个实体对应的优化模型，包括，确定每个优化模型目标函数中的各分段线性段的斜率，其中，确定任意实体ps-1在时间步t内各分段线性段斜率slopet,n,ps-1的方法包括：
步骤S23：将出口压力和以及前一次更新所得的斜率slopet,n,ps代入实体ps的优化模型并求解，将求得的出口压力和传递至实体ps+1；
步骤S24：采用空间梯度法更新斜率slopet,n,ps-1；
步骤S25：当所有优化模型完成当前迭代轮次的更新后，判断迭代轮次是否达到预设次数，若否，则跳转至步骤S23，若是，则结束更新，以最后一次更新的斜率slopet,n,ps-1确定实体ps-1的优化模型。
其中，步骤S24包括：
步骤S241：通过判别公式确定分段线性预判函数特殊索引n1，判别公式为：
步骤S242：计算当前迭代的采样梯度斜率：
步骤S243：更新斜率
式中，iter表示迭代索引，分别为当前迭代和前一次迭代更新得到的斜率，h为经验系数。
在其中一个实施例中，所述约束条件还包括：
式中，是二进制变量，取值为1或0分别表示第k个泵在时间步t内开启或关闭，是二进制变量，取值为1或0分别表示第k个泵在时间步t内处于变频模式或非变频模式；是第k个泵在时间步t内的扬程上限，是第k个泵在时间步t内的实际转速平方值，R0,k是第k个泵的额定转速，M为设定值；Rk,min和Rk,max分别是第k个泵的最小和最大转速。
在其中一个实施例中，所述约束条件还包括：
式中，为管段s前一管段在时间步t初始时刻和终止时刻的出口压力，分别为管段s入口压力下限和上限， 分别为管段s出口压力下限和上限。
按照本发明的另一方面，提供了一种成品油管网-电力综合能源耦合系统运行优化装置，包括：
实体划分模块，用于将耦合系统划分多个串联的实体，每个实体包含一个泵站以及自所含泵站至下一泵站的管路和操作站，相邻操作站之间的管路为一个管段；
优化模型确定模块，用于确定实体ps的优化模型，所述优化模型的目标函数为：
所述优化模型的约束条件包括：
式中，下标ps、k、t、s分别为针对实体、实体内的泵、时间步、管段的索引，上标dep、ter分别表示管段入口、出口位置索引，上标st、en分别表示时间步t的初始时刻和结束时刻索引，Kps为实体ps内泵的集合，ηt,k,ps、分别为实体ps内第k个泵在时间步长t中的泵效率和实际扬程，ρt和分别是时间步t中流经泵站的成品油的密度和流量，g是重力加速度，Pt,k,ps为输出功率，为时间步t的时长，PLPFt,ps为分段线性预判函数，n为分段线性预判函数中分段线性段的索引，slopet,n,ps表示第n个分段线性段的斜率，N为分段线性预判函数的设定分段数， 分别为对应索引下的压力，为第1管段入口压力上限；分别为实体ps-1中最后一个管段Send在对应时间索引下的出口压力，和分别表示对应索引下的压力损失，表示泵站在时间步t提供的压力，表示实体ps内第k个泵在时间步长t内是否开启的二进制变量，表示开启，表示关闭；
求解模块，用于按照流体流动方向依次求解各实体的优化模型，得到各实体内泵站在时间步t内的操作参数。
按照本发明的另一方面，提供了一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上文方法的步骤。
按照本发明的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上文方法的步骤。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
本发明提出的成品油管网-电力综合能源耦合系统运行优化方法，将整个耦合系统划分为多个分布式实体，每个实体对应一个优化模型，通过从前至后分布求解优化模型，得到每个实体内泵站在时间步t内的操作参数，从而实现耦合系统的分布式优化方法，保障整个耦合系统各实体的信息安全，潜在地降低实时通信的负担。其中，在构建优化模型时，考虑耦合系统不同实体间的关联性，以压力作为关联因子，将前后实体相互关联，具体为在目标函数中引入与压力相关的分段线性预判函数，且设置的约束条件考虑实体ps与前一实体ps-1的压力关系约束以及同一实体内同一管段出入口的压力损失。在依次进行实体优化模型求解时，前一个实体优化得出的压力参数传递至下一实体优化模型进行求解，前后实体的优化模型相互关联，尽可能准确地在分布式运行中反映油-电综合系统的实际特征，保证了不同实体优化的协调性。
进一步地，在计算压力损失和时，从管段s的压力损失误差分布中随机采样压力损失误差，基于预测值和预测误差计算得到压力损失和将该压力损失作为已知量代入优化模型，可以提高压力损失参数的精度，使其尽可能接近实际情况。
进一步地，本发明还提出一种确定每个优化模型目标函数分段线性段斜率的方法，结合空间梯度法获得最佳斜率，从而实现系统的最优运行。空间梯度法从系统的最上游泵站到末端泵站迭代优化模型参数。
附图说明
图1是一实施例中的成品油管网-电力综合能源耦合系统运行优化方法的步骤流程图；
图2是一实施例中的成品油管网-电力综合能源耦合系统的分布式实体划分示意图；
图3(a)是一实施例中的通过调参后通过达西公式预测的压力损失与压力损失的实际测量值的对比图；
图3(b)是一实施例中的压力损失误差分布频率直方图以及基于直方图进行拟合得到的误差概率密度曲线；
图4是一实施例中的学习过程斜率的收敛情况示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1
如图1所示为一实施例中的成品油管网-电力综合能源耦合系统运行优化方法的步骤流程图，其主要包括以下步骤：
步骤S1：将耦合系统划分多个串联的实体，每个实体包含一个泵站以及自所含泵站至下一泵站的管路和操作站，相邻操作站之间的管路为一个管段。
为实现耦合系统的分布式优化决策，需要首先对耦合系统进行分布式实体的划分。然而，当前尚未有相关成熟的方法。本发明利用耦合系统在工业现场实际的条件以及其内在物理规律，即在工业现场只有各个站场中具备计算资源，并且泵站提供的压力是系统的控制变量这一特点，将一个泵站以及这个泵站下游第一个泵站之前的管路和操作站作为一个决策实体，如图2所示。操作站一般为油品上传站和下载站，通常，上传站在第1个实体首端，下载站可以在管路的任意节点，以相邻操作站之间的管路作为一个管段，前后管段是相串联的，因此压力是相互传递的。需要说明的是，一个泵站内可能包含有多个可操控的泵。
可以理解的，在进行优化运行之前，还需要收集每个实体内各元件的技术参数和各操作站的调度计划，具体包括：
1)泵站每台泵的流量-扬程，流量-效率特性参数，变频泵变频参数；
2)各条管段的进出口压力上下安全限值；
3)各个站场油品输入、下载流量计划，包括油品种类和输送流量。
步骤S2：确定每个实体在时间步t内的优化模型。
每个实体在每个时间步的优化模型的框架相同，需符合物理系统的特点。但是由于不同实体的调度计划和内部结构不同，不同实体对应的优化模型中，参数设置可能不同。且由于同一实体在每个时间步t的调度计划也可能不同，因此，需要针对每个时间t进行优化决策。因此，需要确定每个实体在时间步t内的优化模型。
优化模型的框架包括目标函数和约束条件，以ps为实体索引，对实体ps在时间步t内的优化模型进行介绍。全文中，下标ps、k、t、s分别为针对实体、实体内的泵、时间步、管段的索引，上标dep、ter分别表示管段入口、出口位置索引，上标st、en分别表示时间步t的初始时刻和结束时刻索引。
目标函数为：
式中：
Kps为实体ps内泵的数量；
Pt,k,ps为实体ps内第k个泵在时间步t的输出功率；
为时间步t的时长；
表示实体ps内第k个泵在时间步t内的能耗；
PLPFt,ps为引入针对实体ps在时间步t的分段线性预判函数：
式中：
n为分段线性预判函数中分段线性段的索引，N为分段线性预判函数的设定分段数；
slopet,n,ps为分段线性预判函数PLPFt,ps中第n个分段线性段的斜率，在不同的实体以及不同的时间步内，该斜率取值可能不同；
为实体ps内第1管段在时间步t初始时刻的入口压力在第n个分段线性段的值。
约束条件包括：
式(2)中，ηt,k,ps、分别为实体ps内第k个泵在时间步长t中的泵效率和实际扬程，ρt和分别是时间步t中流经泵站的成品油的密度和流量，g是重力加速度。
式(3)中，为实体ps内第1管段在时间步t初始时刻的入口压力；式(3)限制了实体ps内第1管段在时间步t初始时刻的入口压力在所有分段线性段的值等于总的入口压力。
式(4)中，表示实体ps内第1管段入口压力上限。
式(5)中，send表示所在实体内的最后一个管段，表示实体ps-1中最后一个管段Send在时间步t初始时刻的出口压力，表示实体ps中泵站在时间步t提供的压力，式(5)约束了当前实体第1管段在时间步t初始时刻的入口压力等于前一实体最后一个管段末端在该时刻传递过来的出口压力以及当前实体内泵站所提供的压力之和。
式(6)中，表示实体ps内第1管段在时间步t结束时刻的入口压力。式(6)约束了当前实体第1管段在时间步t结束时刻的入口压力等于前一实体最后一个管段末端在该时刻传递过来的出口压力以及当前实体内泵站所提供的压力之和。式(5)和式(6)体现了不同实体间压力的前后传递过程，建立了前后实体的关联性。
式(7)中，表示实体ps内管段s在时间步t开始时刻的出口压力，表示实体ps内管段s在时间步t开始时刻的入口压力，表示实体ps内管段s在时间步t开始时刻的压力损失。
式(8)中，表示实体ps内管段s在时间步t结束时刻的出口压力，表示实体ps内管段s在时间步t结束时刻的入口压力，表示实体ps内管段s在时间步t结束时刻的压力损失。式(7)和式(8)考虑了油体在管道流程时，因摩擦阻力等原因造成的压力损失，符合油体沿管道传输的压力变化物理性质。
式(9)中，表示实体ps内第k个泵在时间步长t内是否开启的二进制变量，表示开启，表示关闭。
上述模型中，上下限、成品油的密度和流量、泵效率、分段线性预判函数的分段数和斜率、实体ps内泵的集合与管段集合、时间步的长度以及第1实体的第1管段的初始压力均为已知量，通过模型最终需要决策的为实体ps内各个泵在时间步长t是否开启以及开启时需要达到的扬程
由于不同实体的调度计划和内部结构不同，不同实体对应的优化模型中，参数设置可能不同。且由于同一实体在每个时间步t的调度计划也可能不同，因此，需要针对每个时间t进行优化决策。因此，需要确定每个实体在时间步t内的优化模型，本质上是确定每个实体在时间步t内的分段线性预判函数的斜率slopet,n,ps。该斜率可以根据经验直接设定，或者根据大量的实验结果选择较好的数值。
在一实施例中，考虑到泵可能为变频泵，也可能为非变频泵，为使该模型适用于任何模型的泵，还加入以下约束条件：
式(10)中，是表示实体ps内第k个泵在时间步长t内是否为变频泵的二进制变量，表示为变频，表示为非变频，表示实体ps内第k个泵在时间步长t内的扬程上限，表示实体ps内第k个泵在时间步长t内的实际转速平方值，R0,k,ps表示实体ps内第k个泵的额定转速，Rk,min和Rk,max分别是第k个泵的转速下限和转速上限，M为设定值，为一个较大量，满足当时，式(10)～(12)恒成立。
在一实施例中，在上述基础上，还可增加以下约束条件：
式(13)～(15)实际约束的是当泵未开启时，其扬程为0、转速为0，当泵为非变频模式时，其转速无需决策，符合泵本身的运行规律和现象。当泵开启时，M的取值使式(13)～(15)恒成立。
当引入转速变量转速和扬程是相互关联的，最终决策泵是否开关以及转速为多少。
在一实施例中，同一实体管段之间也符合压力传递规律，即还可以增加以下约束条件：
式(16)中，表示实体ps内管段s前一管段在时间步t初始时刻的出口压力，表示实体ps内管段s在时间步t初始时刻的入口压力。
式(17)中，表示实体ps内管段s前一管段在时间步t结束时刻的出口压力，表示实体ps内管段s在时间步t结束时刻的入口压力。
在一实施例中，考虑到系统的安全运行，还可以增加以下约束条件：
式中，分别为实体ps内管段s入口压力下限和上限，分别为实体ps内管段s出口压力下限和上限。
步骤S3：按照流体流动方向依次求解各实体的优化模型，得到各实体内泵站在时间步t内的操作参数。
本发明的分布式协调运行优化，以压力作为不同实体的关联因素，考虑到压力从前至后的传递性，在求解模型时，需要从首段至尾端依次对每个实体的优化模型进行求解。前一实体的求解所得的管道末端的压力传递至后一实体的管道首端，再叠加管道首端的泵站压力，使成品油继续向前推进，如约束条件中的式(5)和式(6)。若ps＝1，前端无实体的压力传递，一般直接默认其具有初始压力值，即ps＝1时，式(5)和式(6)中的为设定值，ps>1时，式(5)和式(6)中的 均为实体ps-1决策后对应的状态参数。
本发明通过以上步骤S1～步骤S3，将整个耦合系统划分为多个分布式实体，每个实体对应一个优化模型，以压力作为关联因素，基于系统的物理特性，从前至后分布求解优化模型，得到每个实体内泵站在时间步t内的操作参数，从而实现耦合系统的分布式优化方法，保障整个耦合系统各实体的信息安全，潜在地降低实时通信的负担。
实施例2
在上述优化模型中，涉及到压力损失该在求解优化模型时，该压力损失需要提前确定。
在一实施例中，具体可以根据拟合的压力损失公式直接确定，公式如下：
式中，αt,s,ps、βt,s,ps分别为管段s压力损失线性函数的斜率和截距，可以通过历史数据拟合确定。
在一实施例中，为了提高压力损失估算值的精度，通过以下方法确定压力损失
步骤S21：基于历史数据获取实体ps中每个管段s的压力损失误差分布。
历史数据包含历史各时段中的实体ps中每个管段s的实际压力损失。
具体的，可以利用常规的预测手段进行预测，得到管段s的压力预测损失，例如，可以利用达西公式计算历史某时段实体ps中管段s的压力预测损失。然后从历史数据获取对应的实际压力损失，计算压力预测损失和实际压力损失的偏差，得到压力损失误差。通过对管段s的多个时段的偏差进行统计，得到压力损失误差分布。
在一实施例中，为提高达西公式的预测精度，以历史数据中的实际压力损失作为参考，调节达西公式中的达西摩擦系数，以最小化压力损失的均方误差，并存储通过调节确定的达西摩擦系数。如图3(a)所示为通过调参后使通过达西公式预测的压力损失尽可能接近压力损失的实际测量值。如图3(b)所示为最后计算所得的压力损失误差分布频率直方图以及基于直方图进行拟合得到的误差概率密度曲线(PDF)。
步骤S22：从管段s的压力损失误差分布中随机采样压力损失误差，基于时间步t内的调度计划得到时间步t的起始和终止时刻管段s的压力预测损失，将预测损失和采样所得的压力损失误差叠加，得到压力损失和
在计算未来某时间步t的压力损失和时，可以利用相同的预测方式先获取预测值，例如同样利用达西公式预测，且所用的达西摩擦系数为存储的调参后的达西摩擦系数，然后从管段s的压力损失误差分布中随机采样压力损失误差，基于预测值和预测误差计算得到压力损失和将该压力损失作为已知量代入优化模型。
通过步骤S21～步骤S22确定的压力损失和精度较高，优化模型更加精确，分布式协调优化性能更强。
实施例3
在步骤S2中，确定每个实体在时间步t内的优化模型，本质上是确定每个实体在时间步t内的分段线性预判函数的斜率slopet,n.ps。该斜率可以根据经验直接设定，或者根据大量的实验结果选择较好的数值。然后，通过经验或者多组实验结果的比较确定斜率，虽然也能实现上述分布式协调优化，但是不一定得到最优协调。因此，在本实施例中，针对步骤S2，提出一种快速有效的方法，确定分段线性预判函数的斜率，以实现分布式协调的进一步优化。具体而言是采用空间梯度法，基于后一个实体的决策结果更新前一实体分段线性预判函数的斜率。以下以更新实体ps-1在时间步t内各分段线性段斜率slopet,n,ps-1的方法为例进行说明，其主要包括以下步骤：
步骤S23：将出口压力和以及前一次更新所得的斜率slopet,n.ps代入实体ps的优化模型并求解，将求得的出口压力和传递至实体ps+1。
若本次迭代为首次，则所用的斜率slopet,n,ps为随机初始化的斜率。若ps＝1，则出口压力和默认为固定值。
步骤S24：采用空间梯度法更新斜率slopet,n,ps-1。
空间梯度法的思想就是根据当前实体优化模型的求解结果更新上一实体优化模型中的斜率，因此，当通过步骤S23对实体ps进行求解后，再基于其求解结果更新实体ps-1中的斜率slopet,n,ps-1。
具体更新过程如下：
步骤S241：通过判别公式确定分段线性预判函数特殊索引n1，判别公式为：
步骤S242：计算当前迭代的采样梯度斜率：
步骤S243：更新斜率
式中，iter表示迭代索引，分别为当前迭代和前一次迭代更新得到的斜率，h为经验系数。
步骤S25：当所有优化模型完成当前迭代轮次的更新后，判断迭代轮次是否达到预设次数，若否，则跳转至步骤S23，若是，则结束更新，以最后一次更新的斜率slopet,n,ps-1确定实体ps-1的优化模型。
实施例4
本发明还涉及一种成品油管网-电力综合能源耦合系统运行优化装置，其包括：
实体划分模块，用于将耦合系统划分多个串联的实体，每个实体包含一个泵站以及自所含泵站至下一泵站的管路和操作站，相邻操作站之间的管路为一个管段；
优化模型确定模块，用于确定实体ps的优化模型，优化模型的目标函数为：
优化模型的约束条件包括：
式中，下标ps、k、t、s分别为针对实体、实体内的泵、时间步、管段的索引，上标dep、ter分别表示管段入口、出口位置索引，上标st、en分别表示时间步t的初始时刻和结束时刻索引，Kps为实体ps内泵的集合，ηt,k,ps、分别为实体ps内第k个泵在时间步长t中的泵效率和实际扬程，ρt和分别是时间步t中流经泵站的成品油的密度和流量，g是重力加速度，Pt,k,ps为输出功率，为时间步t的时长，PLPFt,ps为分段线性预判函数，n为分段线性预判函数中分段线性段的索引，slopet,n,ps表示第n个分段线性段的斜率，N为分段线性预判函数的设定分段数， 分别为对应索引下的压力，为第1管段入口压力上限；分别为实体ps-1中最后一个管段Send在对应时间索引下的出口压力，和分别表示对应索引下的压力损失，表示泵站在时间步t提供的压力，表示实体ps内第k个泵在时间步长t内是否开启的二进制变量，表示开启，表示关闭；
求解模块，用于按照流体流动方向依次求解各实体的优化模型，得到各实体内泵站在时间步t内的操作参数。
综上，在实时运行阶段中，从最上游的泵站开始，求解先前获得的优化模型。在某个时步t中，首先从生产现场(如SCADA系统)获取管段的实时压力损失，然后将分布式实体的末端压力传递到下游相邻的泵站。该过程会一直持续到最后一个泵站完成模型求解。最终，每个泵站中的调度员可以根据计划操作泵的动作。直到时步t的操作结束，等待下一个时步的到来并重复以上步骤。
实施例5
本发明还涉及一种电子设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上文方法的步骤。
该电子设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，电子设备的各种功能。
实施例6
本发明还涉及一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上文方法的步骤。
具体的，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
实施例7
考虑一个中国南部实际的工业成品油管网-电力综合能源系统。每个变速泵的额定转速设置为2980r/min。研究的总时间跨度为27.82小时。对于空间梯度法，分段线性预判函数的总段数为100，更新斜率的步长为0.3，第1到N段的初始值均匀下降从10000到0。利用上文介绍的方法实现实时分布式泵站协调，其中，采用实施例3所提的迭代更新方法确定斜率。
如图4所示为学习过程斜率的收敛情况，可以看到，斜率通过迭代从初始值逐渐收敛值最优值。
如下表一所示为利用本发明方法仿真得到实时分布式泵站协调与集中式协调的对比结果，可以看出，本发明方法所提的分布式泵站协调与集中式协调方法的能耗基本相同，证明了本发明方法的有效性，同时，分布式协调还能保障整个耦合系统各实体的信息安全，潜在地降低实时通信的负担。
表一实时分布式泵站协调与集中式协调的对比结果
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种成品油管网-电力综合能源耦合系统运行优化方法，其特征在于，包括：
步骤S1：将耦合系统划分多个串联的实体，每个实体包含一个泵站以及自所含泵站至下一泵站的管路和操作站，相邻操作站之间的管路为一个管段；
步骤S2：确定每个实体在时间步t内的优化模型；
步骤S3：按照流体流动方向依次求解各实体的优化模型，得到各实体内泵站在时间步t内的操作参数；
其中，任意实体ps在时间步t内的优化模型包括：
目标函数：
约束条件：
式中，下标ps、k、t、s分别为针对实体、实体内的泵、时间步、管段的索引，上标dep、ter分别表示管段入口、出口位置索引，上标st、en分别表示时间步t的初始时刻和结束时刻索引，Kps为实体ps内泵的集合，ηt,k,ps、分别为实体ps内第k个泵在时间步长t中的泵效率和实际扬程，ρt和分别是时间步t中流经泵站的成品油的密度和流量，g是重力加速度，Pt,k,ps为输出功率，为时间步t的时长，PLPFt,ps为分段线性预判函数，n为分段线性预判函数中分段线性段的索引，slopet,n,ps表示第n个分段线性段的斜率，N为分段线性预判函数的设定分段数， 分别为对应索引下的压力，为第1管段入口压力上限；分别为实体ps-1中最后一个管段Send在对应时间索引下的出口压力，和分别表示对应索引下的压力损失，表示泵站在时间步t提供的压力，表示实体ps内第k个泵在时间步长t内是否开启的二进制变量，表示开启，表示关闭。
2.如权利要求1所述的成品油管网-电力综合能源耦合系统运行优化方法，其特征在于，在步骤S2中，还包括确定压力损失将所得压力损失代入优化模型后求解模型，确定压力损失的方法包括：
步骤S21：基于历史数据获取实体ps中每个管段s的压力损失误差分布；
步骤S22：从管段s的压力损失误差分布中随机采样压力损失误差，基于时间步t内的调度计划得到时间步t的起始和终止时刻管段s的压力预测损失，将预测损失和采样所得的压力损失误差叠加，得到压力损失和
3.如权利要求2所述的的成品油管网-电力综合能源耦合系统运行优化方法，其特征在于，步骤S21，包括：
利用达西公式计算历史某时段实体ps中管段s的压力预测损失，计算压力预测损失与历史数据中的实际压力损失的偏差，得到压力损失误差，通过对管段s的多个时段的偏差进行统计，得到压力损失误差分布。
4.如权利要求3所述的的成品油管网-电力综合能源耦合系统运行优化方法，其特征在于，
在步骤S21中，利用达西公式预测压力损失时，调节达西公式中的达西摩擦系数，以最小化压力损失的均方误差，并存储通过调节确定的达西摩擦系数；
在步骤S22中，在计算未来时间步t的压力预测损失时，直接调取存储的达西摩擦系数并通过达西公式进行预测。
5.如权利要求1所述的成品油管网-电力综合能源耦合系统运行优化方法，其特征在于，在步骤S2中，确定每个实体对应的优化模型，包括，确定每个优化模型目标函数中的各分段线性段的斜率，其中，确定任意实体ps-1在时间步t内各分段线性段斜率slopet,n,ps-1的方法包括：
步骤S23：将出口压力和以及前一次更新所得的斜率slopet,n,ps代入实体ps的优化模型并求解，将求得的出口压力和传递至实体ps+1；
步骤S24：采用空间梯度法更新斜率slopet,n,ps-1；
步骤S25：当所有优化模型完成当前迭代轮次的更新后，判断迭代轮次是否达到预设次数，若否，则跳转至步骤S23，若是，则结束更新，以最后一次更新的斜率slopet,n,ps-1确定实体ps-1的优化模型。
其中，步骤S24包括：
步骤S241：通过判别公式确定分段线性预判函数特殊索引n1，判别公式为：
步骤S242：计算当前迭代的采样梯度斜率：
步骤S243：更新斜率
式中，iter表示迭代索引，分别为当前迭代和前一次迭代更新得到的斜率，h为经验系数。
6.如权利要求1所述的的成品油管网-电力综合能源耦合系统运行优化方法，其特征在于，所述约束条件还包括：
式中，是二进制变量，取值为1或0分别表示第k个泵在时间步t内开启或关闭，是二进制变量，取值为1或0分别表示第k个泵在时间步t内处于变频模式或非变频模式；是第k个泵在时间步t内的扬程上限，是第k个泵在时间步t内的实际转速平方值，R0,k是第k个泵的额定转速，M为设定值；Rk,min和Rk,max分别是第k个泵的最小和最大转速。
7.如权利要求1所述的的成品油管网-电力综合能源耦合系统运行优化方法，其特征在于，所述约束条件还包括：
式中，为管段s前一管段在时间步t初始时刻和终止时刻的出口压力，分别为管段s入口压力下限和上限， 分别为管段s出口压力下限和上限。
8.一种成品油管网-电力综合能源耦合系统运行优化装置，其特征在于，包括：
实体划分模块，用于将耦合系统划分多个串联的实体，每个实体包含一个泵站以及自所含泵站至下一泵站的管路和操作站，相邻操作站之间的管路为一个管段；
优化模型确定模块，用于确定实体ps的优化模型，所述优化模型的目标函数为：
所述优化模型的约束条件包括：
式中，下标ps、k、t、s分别为针对实体、实体内的泵、时间步、管段的索引，上标dep、ter分别表示管段入口、出口位置索引，上标st、en分别表示时间步t的初始时刻和结束时刻索引，Kps为实体ps内泵的集合，ηt,k,ps、分别为实体ps内第k个泵在时间步长t中的泵效率和实际扬程，ρt和分别是时间步t中流经泵站的成品油的密度和流量，g是重力加速度，Pt,k,ps为输出功率，为时间步t的时长，PLPFt,ps为分段线性预判函数，n为分段线性预判函数中分段线性段的索引，slopet,n,ps表示第n个分段线性段的斜率，N为分段线性预判函数的设定分段数， 分别为对应索引下的压力，为第1管段入口压力上限；分别为实体ps-1中最后一个管段Send在对应时间索引下的出口压力，和分别表示对应索引下的压力损失，表示泵站在时间步t提供的压力，表示实体ps内第k个泵在时间步长t内是否开启的二进制变量，表示开启，表示关闭；
求解模块，用于按照流体流动方向依次求解各实体的优化模型，得到各实体内泵站在时间步t内的操作参数。
9.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一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，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310793376.1A CN116822216B (zh) | 2023-06-29 | 2023-06-29 | 成品油管网-电力综合能源耦合系统运行优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310793376.1A CN116822216B (zh) | 2023-06-29 | 2023-06-29 | 成品油管网-电力综合能源耦合系统运行优化方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116822216A true CN116822216A (zh) | 2023-09-29 |
| CN116822216B CN116822216B (zh) | 2025-03-18 |
Family
ID=88123797
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310793376.1A Active CN116822216B (zh) | 2023-06-29 | 2023-06-29 | 成品油管网-电力综合能源耦合系统运行优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116822216B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070112547A1 (en) * | 2002-11-23 | 2007-05-17 | Kassem Ghorayeb | Method and system for integrated reservoir and surface facility networks simulations |
| CN113536652A (zh) * | 2021-07-19 | 2021-10-22 | 国家石油天然气管网集团有限公司 | 一种基于连续时间搜索的成品油管道优化配泵方法 |
| CN114139851A (zh) * | 2021-10-19 | 2022-03-04 | 港华能源投资有限公司 | 能源的调度方法和相关产品 |
| CN114781750A (zh) * | 2022-05-17 | 2022-07-22 | 西南石油大学 | 一种低输量原油管道间歇输送优化运行模型及求解方法 |
| CN115062481A (zh) * | 2022-06-27 | 2022-09-16 | 华中科技大学 | 基于极限场景的含光储的成品油管网配泵鲁棒规划方法 |
| WO2023056751A1 (zh) * | 2021-10-09 | 2023-04-13 | 南京航空航天大学 | 一种电液集成式转向系统及其多参数耦合优化方法 |
-
2023
- 2023-06-29 CN CN202310793376.1A patent/CN116822216B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070112547A1 (en) * | 2002-11-23 | 2007-05-17 | Kassem Ghorayeb | Method and system for integrated reservoir and surface facility networks simulations |
| CN113536652A (zh) * | 2021-07-19 | 2021-10-22 | 国家石油天然气管网集团有限公司 | 一种基于连续时间搜索的成品油管道优化配泵方法 |
| WO2023056751A1 (zh) * | 2021-10-09 | 2023-04-13 | 南京航空航天大学 | 一种电液集成式转向系统及其多参数耦合优化方法 |
| CN114139851A (zh) * | 2021-10-19 | 2022-03-04 | 港华能源投资有限公司 | 能源的调度方法和相关产品 |
| CN114781750A (zh) * | 2022-05-17 | 2022-07-22 | 西南石油大学 | 一种低输量原油管道间歇输送优化运行模型及求解方法 |
| CN115062481A (zh) * | 2022-06-27 | 2022-09-16 | 华中科技大学 | 基于极限场景的含光储的成品油管网配泵鲁棒规划方法 |
Non-Patent Citations (3)
| Title |
|---|
| SHENGSHI WANG等: "Implementation and Field Test of Optimal Pump Scheduling in the Multiproduct Refined Oil Transmission System", 《IEEE》, 31 December 2022 (2022-12-31) * |
| 刘晶冠等: "基于压力约束重构的多批次成品油管网计划-运行联合优化模型", 《电工技术学报》, vol. 38, 31 August 2023 (2023-08-31) * |
| 易继荣;赵伟龙;马宏宇;: "成品油管道启泵方案优化研究进展", 当代化工, no. 08, 28 August 2017 (2017-08-28) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116822216B (zh) | 2025-03-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112039069B (zh) | 一种配电网储能与柔性开关的双层协同规划方法及系统 | |
| CN106849065B (zh) | 一种计及充电站的配电网多目标协同规划方法 | |
| CN105156327B (zh) | 压缩空气工业螺杆式空压机群控系统的节能控制方法 | |
| WO2018218850A1 (zh) | 文件大小异构的分布式编码缓存放置方法及系统 | |
| CN105140913B (zh) | 一种基于不确定性的有源配电网重构方法 | |
| CN103632209A (zh) | 一种基于排队论的智能配用电业务数据传输带宽预测方法 | |
| CN110289631A (zh) | 一种风电场储能装置容量的计算方法及系统 | |
| WO2024046137A1 (zh) | 一种多能源联合发电系统的功率预测模型构建及预测方法 | |
| CN115511386B (zh) | 基于多目标混合非洲秃鹫优化算法的多能系统调度方法 | |
| CN112396238A (zh) | 一种热电联合系统实时优化调度方法 | |
| CN110380407B (zh) | 一种考虑农业电排灌负荷的配电网运行优化方法 | |
| CN119029836A (zh) | 根据电力负荷预测的电力调度方法及系统 | |
| CN108808737A (zh) | 促进可再生分布式电源消纳的主动配电网优化调度方法 | |
| CN110417061B (zh) | 一种基于改进蛙跳算法的电热联合系统调度方法 | |
| CN111915107A (zh) | 一种基于动态聚类的负荷分群控制方法 | |
| CN111047163B (zh) | 储能策略数据处理系统、方法、装置及介质 | |
| CN110059938B (zh) | 一种基于关联规则驱动的配电网规划方法 | |
| CN107276781B (zh) | 一种带存储的路由器扩展内容分发网络的预部署方法 | |
| CN112993983B (zh) | 一种抑制负荷过响应的分散式调控参数优化方法 | |
| CN116822216A (zh) | 成品油管网-电力综合能源耦合系统运行优化方法及装置 | |
| CN104993966A (zh) | 一种电力综合业务网流量预测方法 | |
| CN107368903A (zh) | 一种考虑水流延时连续变化的梯级水电站日优化调度方法 | |
| CN113327029B (zh) | 一种写字楼能源策略生成方法及系统 | |
| CN117175595B (zh) | 一种基于多级数据的电网调控方法及系统 | |
| CN114074569A (zh) | 充电控制方法及系统 |
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 |