CN116843070B - 电力现货市场天然气长输管网运行调度最优化方法及系统 - Google Patents

电力现货市场天然气长输管网运行调度最优化方法及系统 Download PDF

Info

Publication number
CN116843070B
CN116843070B CN202310810198.9A CN202310810198A CN116843070B CN 116843070 B CN116843070 B CN 116843070B CN 202310810198 A CN202310810198 A CN 202310810198A CN 116843070 B CN116843070 B CN 116843070B
Authority
CN
China
Prior art keywords
model
pipe network
constraint
pipe
pipeline
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.)
Active
Application number
CN202310810198.9A
Other languages
English (en)
Other versions
CN116843070A (zh
Inventor
宋志刚
陈向阳
樊融
朱莉莉
严雯静
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.)
Shanghai Qinghuan Energy Technology Co ltd
Original Assignee
Shanghai Qinghuan Energy Technology Co ltd
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 Shanghai Qinghuan Energy Technology Co ltd filed Critical Shanghai Qinghuan Energy Technology Co ltd
Priority to CN202310810198.9A priority Critical patent/CN116843070B/zh
Publication of CN116843070A publication Critical patent/CN116843070A/zh
Application granted granted Critical
Publication of CN116843070B publication Critical patent/CN116843070B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种电力现货市场天然气长输管网运行调度最优化方法及系统，包括：建立管网结点水力模型；建立管网安全状态识别及边界约束模型；建立管网区域电价预测模型；建立管网能耗成本最优化算法，求解管网运行最优化成本；运行方案生成和校验模型，基于管网结点水力模型、管网安全状态识别及边界约束模型、管网区域电价预测模型和管网能耗成本最优化算法生成调度运行方案，并对方案进行验证。本发明不涉及到设备改造，主要整合了多种流量计算和分析方法和因地制宜的表决机制，解决天然气管网各结点的动态实时流量，结合工业实践、平衡理论和大数据分析，帮管网运行提供重要的数据依据，实现后续的管网能好评估和调度方案制定。

Description

电力现货市场天然气长输管网运行调度最优化方法及系统
技术领域
本发明涉及液化天然气设备技术领域，具体地，涉及一种电力现货市场天然气长输管网运行调度最优化方法及系统。
背景技术
近年来国内天然气消耗量逐年大幅度提升，国内油气体制改革进展顺利，天然气市场化改革也在全面推进。与此同时，国内电力市场化改革也在快速开展，截至2023年底全国将有15个省份正式进入电力现货市场时代。天然气管道压缩机组作为天然气管网的关键能耗设备，其耗能占管网总能耗的9成以上，所消耗能源仅有天然气和电力两种，国内长输管网压缩机又以电驱机组为主，因此天然气长输管网企业的能耗成本势必受到电力现货市场的重大影响。
天然气长输管网通常总里程长，互通互联流程复杂，地域上跨越省份众多，目前的油气调度方案一般停留在完成输量兼顾能耗总量的层面。在全国统一电力市场化改革背景下，管网公司利用其负荷可调、管道可储能的优势可通过大数据算法优化运行计划，利用不同地区的电价差异、不同时段的现货电价变化，合理调整设备负荷率、管道储能水平，从需求侧积极响应电网平衡的需求获取利益，实现管道运行成本的最优化。
1、设备性能模型和管网水力模型：建立一套设备机理模型和数字仿真模型，实时计算管网流动情况和设备实际工况，解决设备性能模拟的准确性和快速性。
2、建立多区域的现货电价预测模型，基于气象大数据、各地区发电侧和用电侧的市场数据创建管网区域机器学习模型预测短期和长期的现货电价，预测算法可以利用XGboost，LTSM，kNN等大数据机器学习模型，创建不同地区实时市场出清SCED的目标函数。
3、根据管网和设备的工况，以及不同区域的现货电价、燃料气核定价格，生成基于能耗成本最优化的开机方案、机组负荷调整方案以及管存冲-放的储能计划，保证全网的设备和管段处于安全边界之内，且各考察结点的管道输送流量满足需求。
3、使用运行数据校核压缩机入口流量计、眼压差等具备计量属性的设备作为流量辅助测算。
针对简化的串联式三站管网-机组能的耗成本最优化算法流程基本如图1所示，优化后的结果如图2所示。
专利文献CN113129164A公开了一种天然气管网天然气流量压力调度决策指标的计算方法，包括以下步骤：建立天然气管网的压力计算模型：将第k时刻的所有气源点、储气设施和控制节点的实际压力数据代入调度指标模型中计算，获得第+1时天然气管网的所有气源点、储气设施和控制节点的运行压力计算值：计算储气设施、气源点和控制节点的天然气流量压力值。
专利文献CN113326984A涉及天然气输送技术领域，公开了一种基于天然气管网系统的全局调度方法，包括：获取各个上气点和下气点的输气需求量；将各个上气点和下气点的输气需求量输入经过预先训练的路径规划模型中，并加载对应的管网相关数据；通过所述路径规划模型计算生成用以实现天然气调度的全局输气调度方案；所述全局输气调度方案包括各个上气点和下气点对应的最优输气路径列表，以及最优输气路径各个管段的输气方向和输气占用量。
然而上述专利是解决天然气管网的调度仿真问题，在输气控制逻辑、路由设计提供了有效思路，而未涉及对于多台能耗设备串并联的开机方案能效优化，也未考虑新兴的电力现货市场能耗成本对于输气生产的影响，不能解决电力现货市场下的天然气网络运行中能耗成本最优化的问题。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种电力现货市场天然气长输管网运行调度最优化方法及系统。
根据本发明提供的一种电力现货市场天然气长输管网运行调度最优化方法，包括：
步骤S1：建立管网结点水力模型；
步骤S2：建立管网安全状态识别及边界约束模型；
步骤S3：建立管网区域电价预测模型；
步骤S4：建立管网能耗成本最优化算法，求解管网运行最优化成本；
步骤S5：运行方案生成和校验模型，基于管网结点水力模型、管网安全状态识别及边界约束模型、管网区域电价预测模型和管网能耗成本最优化算法生成调度运行方案，并对方案进行验证。
优选地，在所述步骤S1中：
管网结点水力模型创建，包括：压缩机组性能子模型、管道储能子模型、管道输量子模型，管网结点水力模型是一套包含燃驱和电驱压缩机组性能模拟、管道管存压力能储存模型、以及管输流动和管存量的水力模型的网格化的机理模型；
建立压气站结点性能模型，压气站结点性能模型由单台或者多台压缩机性能模型组成，该模型求解机组在不同工况流体参数条件下的工作点，参数包括在预设上游管段出口天然气压力、温度、流量、组分和管容弹性，以及下游管段入口的天然气压力、温度、流量，可生成机组功率和压缩机转速，该模型处理多机串联并联的性能叠加问题，模型物理原理如下：
ω＝f(W，Flngas)
其中，-W为将流体压力从P1提升至P2需要的功耗或能头，G为无量纲的流体比重，T1为压缩机入口流体温度，k为无量纲的气体绝热指数，P1、T1、P2分别为压缩机入口绝对压力、入口温度、和出口绝对压力，ω为压缩机转速，f()为压缩机性能模型函数，Flngas为压缩机通过流量；
建立管道储能模型，将结点至结点之间的管段流体存储压力能量化为管网动力体系内的储能模块，储能量与相邻结点的动力单元压缩机组的出力相互协调，保证管道流通量，储能模型的物理模型如下：
其中，Epipe-strg为管网内全部n路管段所存储的天然气流体总压力能，Zi各管段内天然气的特征压缩因子，n为各管段的气体多变指数，P2si、T2si、P2di分别为管段i的入口绝对压力、入口温度、和出口绝对压力，R为理想气体常数；
建立管道输量模型，包括结合压缩机组机芯流量模型、管道流阻、流量模型以及实际流量原件组合而成的管道输量模型，保证对于管网各管段、各结点的流量能够实时求解。
优选地，在所述步骤S2中：
建立管网安全状态识别及边界约束模型，包括：各节点上压气站和分输站的状态识别方法，管网运行的经济性边界和安全限制矩阵；
建立管网运行的经济性边界和安全限制矩阵，在最优化算法的约束模型中加入所有管段和结点的流体约束，形成一套约束矩阵，该约束矩阵包含管道最高限制压力、压缩机入口流量最低和最高限制、压缩机组最大出力和最低效率限制、管段最小管存约束，单一线型管线的约束矩阵结构如下：
其中Hres-net为单一线型管线的边界约束矩阵，Node i为管线中第i个结点的约束条件，Pi为管线中第i段管段的约束条件，Tis为管段或者结点的入口温度约束，Tid为管段或者结点的出口温度约束，Pis为管段或者结点的入口压力约束，Pid为管段或者结点的出口安全压力约束，Wi为结点的最大功率约束，ηi为节点的最低效率约束。
优选地，在所述步骤S3中：
创建管网区域电价预测模型，管网区域电价预测模型是基于气象大数据、各地区发电侧和用电侧的市场数据的机器学习模型；
基于气象大数据、各地区发电侧和用电侧的市场数据创建管网区域电价预测模型预测短期和长期的现货电价，预测算法利用大数据机器学习模型包括XGboost、LTSM或STM，创建实时市场出清SCED的目标函数，目标函数公式表述如下：
其中，P为模型区域内的负荷平衡约束，C为模型区域内的负荷单元的负荷率，LB+、LB-为模型区域内的机组出力上、下限约束，Mb为机组出力上下限约束系数，SL+、SL-为模型区域内的线路潮流上、下限约束，Ml为机组爬坡约束，Ms为线路潮流约束系数；T为预测时效内的时段上限，N为区域需求侧负荷单元总量，NL为机组上网结点数量上限，NS为线路结点约束数量上限，下标i为第i个系统负荷，下标t为第t个预测时段，下标l为第1个机组并网点，下标s为第s个电网线路结点；
预测算法兼顾短期电价预测、短期预测修正和中长期电价预测。
优选地，在所述步骤S4中：
建立管网能耗成本最优化算法，利用线性规划和非线性算法，求解管网处于各种稳态、准稳态的指定周期内的整体运行成本最优化；
建立管网能耗成本最优化算法，利用线性规划和非线性算法，求解指定周期内的整体运行成本最优化，给出设备负荷和管道流动的调整方案，基于成本最优化的目标，管网能耗成本最优化算法核心是保证管网所有压气站结点的总能耗成本最低，管网中的压气站包含燃驱和电驱机组，最优化目标即为燃驱机组的燃料费和电驱机组的电费成本最低；以某段单线型段管道为对象，优化过程如下：
保证管段入口压力P1s、入口流量Q01、管段出口压力Pnd、管段出口流量Q n+1不变，寻找压气站Sta 1到压气站Sta n的负荷控制参数，使得燃料成本和用电成本的综合最优化：
Min(∑Cost_FG+∑Cost_ELE+∑Cost_operation)
其中Cost_FG是燃驱机组燃料费，Cost_ELE是电驱机组电费，Cost_operation是管网运行的边际成本；
最优化算法求解过程兼顾管网运行的边际成本；
在所述步骤S5中：
根据机组负荷调空目标，正向计算各管段和结点的流体数据，生成一套调度运行方案，并具备对方案的可行性、安全性的再次复核，且在运行中实时模拟调整。
根据本发明提供的一种电力现货市场天然气长输管网运行调度最优化系统，包括：
模块M1：建立管网结点水力模型；
模块M2：建立管网安全状态识别及边界约束模型；
模块M3：建立管网区域电价预测模型；
模块M4：建立管网能耗成本最优化算法，求解管网运行最优化成本；
模块M5：运行方案生成和校验模型，基于管网结点水力模型、管网安全状态识别及边界约束模型、管网区域电价预测模型和管网能耗成本最优化算法生成调度运行方案，并对方案进行验证。
优选地，在所述模块M1中：
管网结点水力模型创建，包括：压缩机组性能子模型、管道储能子模型、管道输量子模型，管网结点水力模型是一套包含燃驱和电驱压缩机组性能模拟、管道管存压力能储存模型、以及管输流动和管存量的水力模型的网格化的机理模型；
建立压气站结点性能模型，压气站结点性能模型由单台或者多台压缩机性能模型组成，该模型求解机组在不同工况流体参数条件下的工作点，参数包括在预设上游管段出口天然气压力、温度、流量、组分和管容弹性，以及下游管段入口的天然气压力、温度、流量，可生成机组功率和压缩机转速，该模型处理多机串联并联的性能叠加问题，模型物理原理如下：
ω＝f(W，Flngas)
其中，-W为将流体压力从P1提升至P2需要的功耗或能头，G为无量纲的流体比重，T1为压缩机入口流体温度，k为无量纲的气体绝热指数，P1、T1、P2分别为压缩机入口绝对压力、入口温度、和出口绝对压力，ω为压缩机转速，f()为压缩机性能模型函数，Flngas为压缩机通过流量；
建立管道储能模型，将结点至结点之间的管段流体存储压力能量化为管网动力体系内的储能模块，储能量与相邻结点的动力单元压缩机组的出力相互协调，保证管道流通量，储能模型的物理模型如下：
其中，Epipe-strg为管网内全部n路管段所存储的天然气流体总压力能，Zi各管段内天然气的特征压缩因子，n为各管段的气体多变指数，P2si、T2si、P2di分别为管段i的入口绝对压力、入口温度、和出口绝对压力，R为理想气体常数；
建立管道输量模型，包括结合压缩机组机芯流量模型、管道流阻、流量模型以及实际流量原件组合而成的管道输量模型，保证对于管网各管段、各结点的流量能够实时求解。
优选地，在所述模块M2中：
建立管网安全状态识别及边界约束模型，包括：各节点上压气站和分输站的状态识别方法，管网运行的经济性边界和安全限制矩阵；
建立管网运行的经济性边界和安全限制矩阵，在最优化算法的约束模型中加入所有管段和结点的流体约束，形成一套约束矩阵，该约束矩阵包含管道最高限制压力、压缩机入口流量最低和最高限制、压缩机组最大出力和最低效率限制、管段最小管存约束，单一线型管线的约束矩阵结构如下：
其中Hres-net为单一线型管线的边界约束矩阵，Node i为管线中第i个结点的约束条件，Pi为管线中第i段管段的约束条件，Tis为管段或者结点的入口温度约束，Tid为管段或者结点的出口温度约束，Pis为管段或者结点的入口压力约束，Pid为管段或者结点的出口安全压力约束，Wi为结点的最大功率约束，ηi为节点的最低效率约束。
优选地，在所述模块M3中：
创建管网区域电价预测模型，管网区域电价预测模型是基于气象大数据、各地区发电侧和用电侧的市场数据的机器学习模型；
基于气象大数据、各地区发电侧和用电侧的市场数据创建管网区域电价预测模型预测短期和长期的现货电价，预测算法利用大数据机器学习模型包括XGboost、LTSM或STM，创建实时市场出清SCED的目标函数，目标函数公式表述如下：
其中，P为模型区域内的负荷平衡约束，C为模型区域内的负荷单元的负荷率，LB+、LB-为模型区域内的机组出力上、下限约束，Mb为机组出力上下限约束系数，SL+、SL-为模型区域内的线路潮流上、下限约束，Ml为机组爬坡约束，Ms为线路潮流约束系数；T为预测时效内的时段上限，N为区域需求侧负荷单元总量，NL为机组上网结点数量上限，NS为线路结点约束数量上限，下标i为第i个系统负荷，下标t为第t个预测时段，下标l为第l个机组并网点，下标s为第s个电网线路结点；
预测算法兼顾短期电价预测、短期预测修正和中长期电价预测。
优选地，在所述模块M4中：
建立管网能耗成本最优化算法，利用线性规划和非线性算法，求解管网处于各种稳态、准稳态的指定周期内的整体运行成本最优化；
建立管网能耗成本最优化算法，利用线性规划和非线性算法，求解指定周期内的整体运行成本最优化，给出设备负荷和管道流动的调整方案，基于成本最优化的目标，管网能耗成本最优化算法核心是保证管网所有压气站结点的总能耗成本最低，管网中的压气站包含燃驱和电驱机组，最优化目标即为燃驱机组的燃料费和电驱机组的电费成本最低；以某段单线型段管道为对象，优化过程如下：
保证管段入口压力P1s、入口流量Q01、管段出口压力Pnd、管段出口流量Q n+1不变，寻找压气站Sta 1到压气站Sta n的负荷控制参数，使得燃料成本和用电成本的综合最优化：
Min(ΣCost_FG+ΣCost_ELE+ΣCost_operation)
其中Cost_FG是燃驱机组燃料费，Cost_ELE是电驱机组电费，Cost_operation是管网运行的边际成本；
最优化算法求解过程兼顾管网运行的边际成本；
在所述模块M5中：
根据机组负荷调空目标，正向计算各管段和结点的流体数据，生成一套调度运行方案，并具备对方案的可行性、安全性的再次复核，且在运行中实时模拟调整。
与现有技术相比，本发明具有如下的有益效果：
1、本发明不涉及到设备改造，主要整合了多种流量计算和分析方法和因地制宜的表决机制，解决天然气管网各结点的动态实时流量，结合工业实践、平衡理论和大数据分析，帮管网运行提供重要的数据依据，实现后续的管网能好评估和调度方案制定。
2、本发明建立一套设备机理模型和数字仿真模型，实时计算管网流动情况和设备实际工况，解决设备性能模拟的准确性和快速性，通过电力市场大数据掌握电网动态平衡特性，保证管道生产的前提下，通过优化运行方案调整压缩机组负荷、充分利用管道储能特性响应电网需求，获取现货收益，显著降低管网企业的能耗成本；
3、通过采用本发明方法，无须增加硬件或者改造设备，仅通过机理模型和大数据算法，将管道储能特性、机组负荷特性和全国统一的电力市场有机结合，利用现货电价价差实现收益，同时还为电网需求平衡提供帮助；
4、本发明无需直接介入压缩机组控制系统，不需要大幅度改变原有操作习惯和运行计划，管网集中调度或者现场操作员只需要定时输入优化指令，适度微调不同机组的设备负荷即可达到降低成本的目标，易于实现。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为简化的串联式三站管网-机组能的耗成本最优化算法流程示意图；
图2为串联式三站管网-机组的优化运行调整过程示意图；
图3为串联式三站管网-机组负荷、储能结构示意图；
图4为基于现货电价的压缩机组负荷调节原理示意图；
图5为本方法的流程示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1：
本发明应用于全国电力现货市场开启后，长距离输送天然气管网经济性优化运行技术领域，具体地，涉及合理利用压缩机组负荷可调、长输管段能量可储的特性，通过基于大数据的最优化算法帮助油气调调控机构指定更为合理的管道运行方案，降低天然气长输骨干管网的能耗成本。
本发明提供了一套通过数理模型和大数据最优化算法，解决在全国电力现货市场化改革背景下，天然气长输管网压缩机耗功单元和管道自身储气储能单元联合调度实现能耗成本最优化的问题。该方法包括：步骤1：管网结点水力模型创建，包括：压缩机组性能模型、管道储能模型、管道输量模型，该模型是包含燃驱和电驱压缩机组性能模拟、管道管存压力能储存模型、以及管输流动和管存量的水力模型，是一套网格化、多维度机理模型；步骤2：建立一系列管网安全状态识别及边界约束模型，包括：各节点上压气站和分输站的状态识别方法，管网运行的经济性边界和安全限制矩阵；步骤3：创建管网区域电价预测模型，该模型是基于气象大数据、各地区发电侧和用电侧的市场数据的机器学习模型；步骤4：建立管网能耗成本最优化算法，利用线性规划和非线性算法，来求解管网处于各种稳态、准稳态的指定周期内的整体运行成本最优化；步骤5：运行方案生成和校验模型，基于步骤1-4模型生成一套调度运行方案，并具备对方案的可行性、安全性的验证功能。
根据本发明提供的一种电力现货市场天然气长输管网运行调度最优化方法，如图1-图5所示，包括：
步骤S1：建立管网结点水力模型；
具体地，在所述步骤S1中：
管网结点水力模型创建，包括：压缩机组性能子模型、管道储能子模型、管道输量子模型，管网结点水力模型是一套包含燃驱和电驱压缩机组性能模拟、管道管存压力能储存模型、以及管输流动和管存量的水力模型的网格化的机理模型；
建立压气站结点性能模型，压气站结点性能模型由单台或者多台压缩机性能模型组成，该模型求解机组在不同工况流体参数条件下的工作点，参数包括在预设上游管段出口天然气压力、温度、流量、组分和管容弹性，以及下游管段入口的天然气压力、温度、流量，可生成机组功率和压缩机转速，该模型处理多机串联并联的性能叠加问题，模型物理原理如下：
ω＝f(W,Flngas)
其中，-W为将流体压力从P1提升至P2需要的功耗或能头，G为无量纲的流体比重，T1为压缩机入口流体温度，k为无量纲的气体绝热指数，P1、T1、P2分别为压缩机入口绝对压力、入口温度、和出口绝对压力，ω为压缩机转速，f()为压缩机性能模型函数，Flngas为压缩机通过流量；
建立管道储能模型，将结点至结点之间的管段流体存储压力能量化为管网动力体系内的储能模块，储能量与相邻结点的动力单元压缩机组的出力相互协调，保证管道流通量，储能模型的物理模型如下：
其中，Epipe-strg为管网内全部n路管段所存储的天然气流体总压力能，Zi各管段内天然气的特征压缩因子，n为各管段的气体多变指数，P2si、T2si、P2di分别为管段i的入口绝对压力、入口温度、和出口绝对压力，R为理想气体常数；
建立管道输量模型，包括结合压缩机组机芯流量模型、管道流阻、流量模型以及实际流量原件组合而成的管道输量模型，保证对于管网各管段、各结点的流量能够实时求解。
步骤S2：建立管网安全状态识别及边界约束模型；
具体地，在所述步骤S2中：
建立管网安全状态识别及边界约束模型，包括：各节点上压气站和分输站的状态识别方法，管网运行的经济性边界和安全限制矩阵；
建立管网运行的经济性边界和安全限制矩阵，在最优化算法的约束模型中加入所有管段和结点的流体约束，形成一套约束矩阵，该约束矩阵包含管道最高限制压力、压缩机入口流量最低和最高限制、压缩机组最大出力和最低效率限制、管段最小管存约束，单一线型管线的约束矩阵结构如下：
其中Hres-net为单一线型管线的边界约束矩阵，Node i为管线中第i个结点的约束条件，Pi为管线中第i段管段的约束条件，Tis为管段或者结点的入口温度约束，Tid为管段或者结点的出口温度约束，Pis为管段或者结点的入口压力约束，Pid为管段或者结点的出口安全压力约束，Wi为结点的最大功率约束，ηi为节点的最低效率约束。
步骤S3：建立管网区域电价预测模型；
具体地，在所述步骤S3中：
创建管网区域电价预测模型，管网区域电价预测模型是基于气象大数据、各地区发电侧和用电侧的市场数据的机器学习模型；
基于气象大数据、各地区发电侧和用电侧的市场数据创建管网区域电价预测模型预测短期和长期的现货电价，预测算法利用大数据机器学习模型包括XGboost、LTSM或STM，创建实时市场出清SCED的目标函数，目标函数公式表述如下：
其中，P为模型区域内的负荷平衡约束，C为模型区域内的负荷单元的负荷率，LB+、LB-为模型区域内的机组出力上、下限约束，Mb为机组出力上下限约束系数，SL+、SL-为模型区域内的线路潮流上、下限约束，Ml为机组爬坡约束，Ms为线路潮流约束系数；T为预测时效内的时段上限，N为区域需求侧负荷单元总量，NL为机组上网结点数量上限，NS为线路结点约束数量上限，下标i为第i个系统负荷，下标t为第t个预测时段，下标l为第1个机组并网点，下标s为第s个电网线路结点；
预测算法兼顾短期电价预测、短期预测修正和中长期电价预测。
步骤S4：建立管网能耗成本最优化算法，求解管网运行最优化成本；
具体地，在所述步骤S4中：
建立管网能耗成本最优化算法，利用线性规划和非线性算法，求解管网处于各种稳态、准稳态的指定周期内的整体运行成本最优化；
建立管网能耗成本最优化算法，利用线性规划和非线性算法，求解指定周期内的整体运行成本最优化，给出设备负荷和管道流动的调整方案，基于成本最优化的目标，管网能耗成本最优化算法核心是保证管网所有压气站结点的总能耗成本最低，管网中的压气站包含燃驱和电驱机组，最优化目标即为燃驱机组的燃料费和电驱机组的电费成本最低；以某段单线型段管道为对象，优化过程如下：
保证管段入口压力P1s、入口流量Q01、管段出口压力Pnd、管段出口流量Q n+1不变，寻找压气站Sta 1到压气站Sta n的负荷控制参数，使得燃料成本和用电成本的综合最优化：
Min(ΣCost_FG+ΣCost_ELE+ΣCost_operation)
其中Cost_FG是燃驱机组燃料费，Cost_ELE是电驱机组电费，Cost_operation是管网运行的边际成本；
最优化算法求解过程兼顾管网运行的边际成本；
步骤S5：运行方案生成和校验模型，基于管网结点水力模型、管网安全状态识别及边界约束模型、管网区域电价预测模型和管网能耗成本最优化算法生成调度运行方案，并对方案进行验证。
在所述步骤S5中：
根据机组负荷调空目标，正向计算各管段和结点的流体数据，生成一套调度运行方案，并具备对方案的可行性、安全性的再次复核，且在运行中实时模拟调整。
实施例2：
实施例2为实施例1的优选例，以更为具体地对本发明进行说明。
本发明还提供一种电力现货市场天然气长输管网运行调度最优化系统，所述电力现货市场天然气长输管网运行调度最优化系统可以通过执行所述电力现货市场天然气长输管网运行调度最优化方法的流程步骤予以实现，即本领域技术人员可以将所述电力现货市场天然气长输管网运行调度最优化方法理解为所述电力现货市场天然气长输管网运行调度最优化系统的优选实施方式。
根据本发明提供的一种电力现货市场天然气长输管网运行调度最优化系统，包括：
模块M1：建立管网结点水力模型；
具体地，在所述模块M1中：
管网结点水力模型创建，包括：压缩机组性能子模型、管道储能子模型、管道输量子模型，管网结点水力模型是一套包含燃驱和电驱压缩机组性能模拟、管道管存压力能储存模型、以及管输流动和管存量的水力模型的网格化的机理模型；
建立压气站结点性能模型，压气站结点性能模型由单台或者多台压缩机性能模型组成，该模型求解机组在不同工况流体参数条件下的工作点，参数包括在预设上游管段出口天然气压力、温度、流量、组分和管容弹性，以及下游管段入口的天然气压力、温度、流量，可生成机组功率和压缩机转速，该模型处理多机串联并联的性能叠加问题，模型物理原理如下：
ω＝f(W，Flngas)
其中，-W为将流体压力从P1提升至P2需要的功耗或能头，G为无量纲的流体比重，T1为压缩机入口流体温度，k为无量纲的气体绝热指数，P1、T1、P2分别为压缩机入口绝对压力、入口温度、和出口绝对压力，ω为压缩机转速，f()为压缩机性能模型函数，Flngas为压缩机通过流量；
建立管道储能模型，将结点至结点之间的管段流体存储压力能量化为管网动力体系内的储能模块，储能量与相邻结点的动力单元压缩机组的出力相互协调，保证管道流通量，储能模型的物理模型如下：
其中，Epipe-strg为管网内全部n路管段所存储的天然气流体总压力能，Zi各管段内天然气的特征压缩因子，n为各管段的气体多变指数，P2si、T2si、P2di分别为管段i的入口绝对压力、入口温度、和出口绝对压力，R为理想气体常数；
建立管道输量模型，包括结合压缩机组机芯流量模型、管道流阻、流量模型以及实际流量原件组合而成的管道输量模型，保证对于管网各管段、各结点的流量能够实时求解。
模块M2：建立管网安全状态识别及边界约束模型；
具体地，在所述模块M2中：
建立管网安全状态识别及边界约束模型，包括：各节点上压气站和分输站的状态识别方法，管网运行的经济性边界和安全限制矩阵；
建立管网运行的经济性边界和安全限制矩阵，在最优化算法的约束模型中加入所有管段和结点的流体约束，形成一套约束矩阵，该约束矩阵包含管道最高限制压力、压缩机入口流量最低和最高限制、压缩机组最大出力和最低效率限制、管段最小管存约束，单一线型管线的约束矩阵结构如下：
其中Hres-net为单一线型管线的边界约束矩阵，Node i为管线中第i个结点的约束条件，Pi为管线中第i段管段的约束条件，Tis为管段或者结点的入口温度约束，Tid为管段或者结点的出口温度约束，Pis为管段或者结点的入口压力约束，Pid为管段或者结点的出口安全压力约束，Wi为结点的最大功率约束，ηi为节点的最低效率约束。
模块M3：建立管网区域电价预测模型；
具体地，在所述模块M3中：
创建管网区域电价预测模型，管网区域电价预测模型是基于气象大数据、各地区发电侧和用电侧的市场数据的机器学习模型；
基于气象大数据、各地区发电侧和用电侧的市场数据创建管网区域电价预测模型预测短期和长期的现货电价，预测算法利用大数据机器学习模型包括XGboost、LTSM或STM，创建实时市场出清SCED的目标函数，目标函数公式表述如下：
其中，P为模型区域内的负荷平衡约束，C为模型区域内的负荷单元的负荷率，LB+、LB-为模型区域内的机组出力上、下限约束，Mb为机组出力上下限约束系数，SL+、SL-为模型区域内的线路潮流上、下限约束，Ml为机组爬坡约束，Ms为线路潮流约束系数；T为预测时效内的时段上限，N为区域需求侧负荷单元总量，NL为机组上网结点数量上限，NS为线路结点约束数量上限，下标i为第i个系统负荷，下标t为第t个预测时段，下标l为第l个机组并网点，下标s为第s个电网线路结点；
预测算法兼顾短期电价预测、短期预测修正和中长期电价预测。
模块M4：建立管网能耗成本最优化算法，求解管网运行最优化成本；
具体地，在所述模块M4中：
建立管网能耗成本最优化算法，利用线性规划和非线性算法，求解管网处于各种稳态、准稳态的指定周期内的整体运行成本最优化；
建立管网能耗成本最优化算法，利用线性规划和非线性算法，求解指定周期内的整体运行成本最优化，给出设备负荷和管道流动的调整方案，基于成本最优化的目标，管网能耗成本最优化算法核心是保证管网所有压气站结点的总能耗成本最低，管网中的压气站包含燃驱和电驱机组，最优化目标即为燃驱机组的燃料费和电驱机组的电费成本最低；以某段单线型段管道为对象，优化过程如下：
保证管段入口压力P1s、入口流量Q01、管段出口压力Pnd、管段出口流量Q n+1不变，寻找压气站Sta 1到压气站Sta n的负荷控制参数，使得燃料成本和用电成本的综合最优化：
Min(ΣCost_FG+ΣCost_ELE+ΣCost_operation)
其中Cost_FG是燃驱机组燃料费，Cost_ELE是电驱机组电费，Cost_operation是管网运行的边际成本；
最优化算法求解过程兼顾管网运行的边际成本；
模块M5：运行方案生成和校验模型，基于管网结点水力模型、管网安全状态识别及边界约束模型、管网区域电价预测模型和管网能耗成本最优化算法生成调度运行方案，并对方案进行验证。
在所述模块M5中：
根据机组负荷调空目标，正向计算各管段和结点的流体数据，生成一套调度运行方案，并具备对方案的可行性、安全性的再次复核，且在运行中实时模拟调整。
实施例3：
实施例3为实施例1的优选例，以更为具体地对本发明进行说明。
针对现有技术中的空缺，本发明的目的是提供一种电力现货市场下的天然气长输管网运行调度最优化方法，包括：
步骤1：管网结点水力模型创建，包括：压缩机组性能子模型、管道储能子模型、管道输量子模型，管网结点水力模型是一套包含燃驱和电驱压缩机组性能模拟、管道管存压力能储存模型、以及管输流动和管存量的水力模型，是一套网格化的机理模型；
步骤2：建立一系列管网安全状态识别及边界约束模型，包括：各节点上压气站和分输站的状态识别方法，管网运行的经济性边界和安全限制矩阵；
步骤3：创建管网区域电价预测模型，该模型是基于气象大数据、各地区发电侧和用电侧的市场数据的机器学习模型；
步骤4：建立管网能耗成本最优化算法，利用线性规划和非线性算法，来求解管网处于各种稳态、准稳态的指定周期内的整体运行成本最优化；
步骤5：运行方案生成和校验模型，基于步骤1-4模型生成一套调度运行方案，并具备对方案的可行性、安全性的验证功能。
步骤1的特征在于，建立压气站结点性能模型，该模型由单台或者多台压缩机性能模型组成，用于求解机组在不同工况流体参数条件下的工作点，在给定上游管段出口天然气压力、温度、流量、组分、管容弹性，以及下游管段入口的天然气压力、温度、流量，可生成机组功率、压缩机转速等参数，同时该模型可处理多机串联并联的性能叠加问题，模型物理原理如下：
ω＝f(W，Flngas)
其中：-W为将流体压力从P1提升至P2需要的功耗或能头，G为无量纲的流体比重，T1为压缩机入口流体温度，k为无量纲的气体绝热指数，P1、T1、P2分别为压缩机入口绝对压力、入口温度、和出口绝对压力，ω为压缩机转速，f()为压缩机性能模型函数，Flngas为压缩机通过流量。
步骤1的特征在于，开发一套管道储能模型，将结点-结点之间的管段流体存储压力能量化为管网动力体系内重要的储能模块，其储能量将与相邻结点的动力单元压缩机组的出力相互协调，保证管道流通量，储能模型的物理模型如下：
其中：Epipe-strg为管网内全部n路管段所存储的天然气流体总压力能，Zi各管段内天然气的特征压缩因子，n为各管段的气体多变指数，P2si、T2si、P2di分别为管段i的入口绝对压力、入口温度、和出口绝对压力，R为理想气体常数。
步骤1还应包含管道输量模型，包括结合了压缩机组机芯流量模型、管道流阻-流量模型以及实际流量原件组合而成的管道输量模型，保证对于管网各管段、各结点的流量能够实时求解；
步骤2的特征在于，应建立一套管网运行的经济性边界和安全限制矩阵，在最优化算法的约束模型中加入所有管段和结点的流体约束，形成一套约束矩阵，该约束矩阵包含管道最高限制压力、压缩机入口流量最低和最高限制、压缩机组最大出力和最低效率限制、管段最小管存约束等，单一线型管线的基本约束矩阵结构如下：
其中Hres-net为单一线型管线的边界约束矩阵，Nodei为管线中第i个结点的约束条件，Pi为管线中第i段管段的约束条件，Tis为管段或者结点的入口温度约束，Tid为管段或者结点的出口温度约束，Pis为管段或者结点的入口压力约束，Pid为管段或者结点的出口安全压力约束，Wi为结点的最大功率约束，ηi为节点的最低效率约束。
步骤3的特征在于基于气象大数据、各地区发电侧和用电侧的市场数据创建管网区域电价预测模型预测短期和长期的现货电价，预测算法可以利用XGboost，LTSM，STM等大数据机器学习算法，关键是创建实时市场出清SCED的目标函数，该目标函数公式表述如下：
其中：P为模型区域内的负荷平衡约束，C为模型区域内的负荷单元的负荷率，LB+、LB-为模型区域内的机组出力上、下限约束，Mb为机组出力上下限约束系数，SL+、SL-为模型区域内的线路潮流上、下限约束，Ml为机组爬坡约束，Ms为线路潮流约束系数；T为预测时效内的时段上限，N为区域需求侧负荷单元总量，NL为机组上网结点数量上限，NS为线路结点约束数量上限，下标i为第i个系统负荷，下标t为第t个预测时段，下标l为第l个机组并网点，下标s为第s个电网线路结点。
步骤4的特征在于，建立管网能耗成本最优化算法，利用线性规划和非线性算法，求解指定周期内的整体运行成本最优化，给出设备负荷和管道流动的调整方案，基于成本最优化的目标，该最优化算法核心是保证管网所有压气站结点的总能耗成本最低。管网中的压气站包含燃驱和电驱机组，最优化目标即为燃驱机组的燃料费和电驱机组的电费成本最低。如果以某段单线型段管道为对象，优化过程如下：
保证管段入口压力P1s、入口流量Q01、管段出口压力Pnd、管段出口流量Q n+1不变，寻找压气站Sta 1到压气站Sta n的负荷控制参数，使得燃料成本和用电成本的综合最优化：
Min(ΣCost_FG+ΣCost_ELE+ΣCost_operation)
其中Cost_FG是燃驱机组燃料费，Cost_ELE是电驱机组电费，Cost_operation是管网运行的边际成本。
步骤5的特征在于，根据机组负荷调空目标，正向计算各管段和结点的流体数据，生成一套调度运行方案，并具备对方案的可行性、安全性的再次复核，且在运行中可以实时模拟调整。
预测算法要兼顾短期电价预测、短期预测修正、中长期电价预测，以便于及时决策调度方案调整以及规划中长期管网运行计划。
最优化算法求解过程需要兼顾管网运行的边际成本，不能单以能耗成本的最优化为唯一目标。
实施例4：
实施例4为实施例1的优选例，以更为具体地对本发明进行说明。
国内某天然气管网所辖管线干线有28个主结点，43台核心压缩设备，总长度逾2000公里，其中燃驱机组16台，单机功率30MW，电驱机组27台，单机功率20MW。
首先创建管网水力模型和43台核心压缩机设备共计16种性能模型，解决机组工况定位和管道流通性、储能量。
其次建立该管网经过区域的气象大数据模型、响应省份的电力交易结算规则，获取所在电力市场的影响现货出清的统调、储能、备用、新能源等公开数据，根据创建的实时市场出清SCED的目标函数，通过MARS、XGBoost、kNN、LSTM多种模型进行自动机器学习，训练现货电价预测模型。
最终选出该管网公司中的串联式连续三站模型进行指定单日的实际验证，具体执行情况和降本效果如下：
该三座压气站中，1#、3#站为电驱站，2#站为燃驱站，压气站两两之间的管道距离120km，管径1000mm管径、设计10MPa压力，管存量约为1亿标方，按照±0.2MPa的调节幅度，可调管容大约为400万Nm3。每台电驱额定负荷20MW，每座压气站运行台数1，负荷范围05-21MW，所有机组的自动化程度都很高，升降调节可一键实现。为保证输气生产连续性，限制压缩机组负荷调节范围不超出±8％以内(微调)。20MW级别的压缩机机芯设计流量是100万Nm3/h，8％的负荷调整对于流量的影响为即调整负荷8％以内对通过流量的影响大约为2万Nm3/h
1#机组在现货电价超出当日合约均价0.8元/kWh的6个小时，按照8％的负荷降低6小时；3#压气站在现货电价低于当日合约均价0.2元/kWh的6个小时，按照8％的负荷提高5小时；约束条件为当日总计划输量和任意管段的管存的总量影响都低于5‰。
最终，1#、3#站电驱机组在2#站燃驱机组调整负荷上下幅度低于8％、当日总消耗的燃料不变的情况下，通过规定时间段执行上述的升降负荷设定，最终实现该日度电成本降低4.5分/kWh，该日总能耗成本降低11％，且未影响整日输量，管存水平还比前一日有少量提高。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (8)

1.一种电力现货市场天然气长输管网运行调度最优化方法，其特征在于，包括：
步骤S1：建立管网结点水力模型；
步骤S2：建立管网安全状态识别及边界约束模型；
步骤S3：建立管网区域电价预测模型；
步骤S4：建立管网能耗成本最优化算法，求解管网运行最优化成本；
步骤S5：运行方案生成和校验模型，基于管网结点水力模型、管网安全状态识别及边界约束模型、管网区域电价预测模型和管网能耗成本最优化算法生成调度运行方案，并对方案进行验证；
在所述步骤S1中：
管网结点水力模型创建，包括：压缩机组性能子模型、管道储能子模型、管道输量子模型，管网结点水力模型是一套包含燃驱和电驱压缩机组性能模拟、管道管存压力能储存模型、以及管输流动和管存量的水力模型的网格化的机理模型；
建立压气站结点性能模型，压气站结点性能模型由单台或者多台压缩机性能模型组成，该模型求解机组在不同工况流体参数条件下的工作点，参数包括在预设上游管段出口天然气压力、温度、流量、组分和管容弹性，以及下游管段入口的天然气压力、温度、流量，可生成机组功率和压缩机转速，该模型处理多机串联并联的性能叠加问题，模型物理原理如下：
ω＝f(W,Flngas)
其中，-W为将流体压力从P1提升至P2需要的功耗或能头，G为无量纲的流体比重，T1为压缩机入口流体温度，k为无量纲的气体绝热指数，P1、T1、P2分别为压缩机入口绝对压力、入口温度、和出口绝对压力，ω为压缩机转速，f()为压缩机性能模型函数，Flngas为压缩机通过流量；
建立管道储能模型，将结点至结点之间的管段流体存储压力能量化为管网动力体系内的储能模块，储能量与相邻结点的动力单元压缩机组的出力相互协调，保证管道流通量，储能模型的物理模型如下：
其中，Epipe-strg为管网内全部n路管段所存储的天然气流体总压力能，Zi各管段内天然气的特征压缩因子，n为各管段的气体多变指数，P2si、T2si、P2di分别为管段i的入口绝对压力、入口温度、和出口绝对压力，R为理想气体常数；
建立管道输量模型，包括结合压缩机组机芯流量模型、管道流阻、流量模型以及实际流量原件组合而成的管道输量模型，保证对于管网各管段、各结点的流量能够实时求解。
2.根据权利要求1所述的电力现货市场天然气长输管网运行调度最优化方法，其特征在于，在所述步骤S2中：
建立管网安全状态识别及边界约束模型，包括：各节点上压气站和分输站的状态识别方法，管网运行的经济性边界和安全限制矩阵；
建立管网运行的经济性边界和安全限制矩阵，在最优化算法的约束模型中加入所有管段和结点的流体约束，形成一套约束矩阵，该约束矩阵包含管道最高限制压力、压缩机入口流量最低和最高限制、压缩机组最大出力和最低效率限制、管段最小管存约束，单一线型管线的约束矩阵结构如下：
其中Hres-net为单一线型管线的边界约束矩阵，Node i为管线中第i个结点的约束条件，Pi为管线中第i段管段的约束条件，Tis为管段或者结点的入口温度约束，Tid为管段或者结点的出口温度约束，Pis为管段或者结点的入口压力约束，Pid为管段或者结点的出口安全压力约束，Wii为结点的最大功率约束，ηi为节点的最低效率约束。
3.根据权利要求1所述的电力现货市场天然气长输管网运行调度最优化方法，其特征在于，在所述步骤S3中：
创建管网区域电价预测模型，管网区域电价预测模型是基于气象大数据、各地区发电侧和用电侧的市场数据的机器学习模型；
基于气象大数据、各地区发电侧和用电侧的市场数据创建管网区域电价预测模型预测短期和长期的现货电价，预测算法利用大数据机器学习模型包括XGboost、LTSM或STM，创建实时市场出清SCED的目标函数，目标函数公式表述如下：
其中，P为模型区域内的负荷平衡约束，C为模型区域内的负荷单元的负荷率，LB+、LB-为模型区域内的机组出力上、下限约束，Mb为机组出力上下限约束系数，SL+、SL-为模型区域内的线路潮流上、下限约束，Ml为机组爬坡约束，Ms为线路潮流约束系数；T为预测时效内的时段上限，N为区域需求侧负荷单元总量，NL为机组上网结点数量上限，NS为线路结点约束数量上限，下标i为第i个系统负荷，下标t为第t个预测时段，下标l为第l个机组并网点，下标s为第s个电网线路结点；
预测算法兼顾短期电价预测、短期预测修正和中长期电价预测。
4.根据权利要求1所述的电力现货市场天然气长输管网运行调度最优化方法，其特征在于：
在所述步骤S4中：
建立管网能耗成本最优化算法，利用线性规划和非线性算法，求解管网处于各种稳态、准稳态的指定周期内的整体运行成本最优化；
建立管网能耗成本最优化算法，利用线性规划和非线性算法，求解指定周期内的整体运行成本最优化，给出设备负荷和管道流动的调整方案，基于成本最优化的目标，管网能耗成本最优化算法核心是保证管网所有压气站结点的总能耗成本最低，管网中的压气站包含燃驱和电驱机组，最优化目标即为燃驱机组的燃料费和电驱机组的电费成本最低；以某段单线型段管道为对象，优化过程如下：
保证管段入口压力P1s、入口流量Q01、管段出口压力Pnd、管段出口流量Q n+1不变，寻找压气站Sta 1到压气站Sta n的负荷控制参数，使得燃料成本和用电成本的综合最优化：
Min(ΣCost_FG+ΣCost_ELE+ΣCost_operation)
其中Cost_FG是燃驱机组燃料费，Cost_ELE是电驱机组电费，Cost_operation是管网运行的边际成本；
最优化算法求解过程兼顾管网运行的边际成本；
在所述步骤S5中：
根据机组负荷调空目标，正向计算各管段和结点的流体数据，生成一套调度运行方案，并具备对方案的可行性、安全性的再次复核，且在运行中实时模拟调整。
5.一种电力现货市场天然气长输管网运行调度最优化系统，其特征在于，包括：
模块M1：建立管网结点水力模型；
模块M2：建立管网安全状态识别及边界约束模型；
模块M3：建立管网区域电价预测模型；
模块M4：建立管网能耗成本最优化算法，求解管网运行最优化成本；
模块M5：运行方案生成和校验模型，基于管网结点水力模型、管网安全状态识别及边界约束模型、管网区域电价预测模型和管网能耗成本最优化算法生成调度运行方案，并对方案进行验证；
在所述模块M1中：
管网结点水力模型创建，包括：压缩机组性能子模型、管道储能子模型、管道输量子模型，管网结点水力模型是一套包含燃驱和电驱压缩机组性能模拟、管道管存压力能储存模型、以及管输流动和管存量的水力模型的网格化的机理模型；
建立压气站结点性能模型，压气站结点性能模型由单台或者多台压缩机性能模型组成，该模型求解机组在不同工况流体参数条件下的工作点，参数包括在预设上游管段出口天然气压力、温度、流量、组分和管容弹性，以及下游管段入口的天然气压力、温度、流量，可生成机组功率和压缩机转速，该模型处理多机串联并联的性能叠加问题，模型物理原理如下：
ω＝f(W,Flngas)
其中，-W为将流体压力从P1提升至P2需要的功耗或能头，G为无量纲的流体比重，T1为压缩机入口流体温度，k为无量纲的气体绝热指数，P1、T1、P2分别为压缩机入口绝对压力、入口温度、和出口绝对压力，ω为压缩机转速，f()为压缩机性能模型函数，Flngas为压缩机通过流量；
建立管道储能模型，将结点至结点之间的管段流体存储压力能量化为管网动力体系内的储能模块，储能量与相邻结点的动力单元压缩机组的出力相互协调，保证管道流通量，储能模型的物理模型如下：
其中，Epipe-strg为管网内全部n路管段所存储的天然气流体总压力能，Zi各管段内天然气的特征压缩因子，n为各管段的气体多变指数，P2si、T2si、P2di分别为管段i的入口绝对压力、入口温度、和出口绝对压力，R为理想气体常数；
建立管道输量模型，包括结合压缩机组机芯流量模型、管道流阻、流量模型以及实际流量原件组合而成的管道输量模型，保证对于管网各管段、各结点的流量能够实时求解。
6.根据权利要求5所述的电力现货市场天然气长输管网运行调度最优化系统，其特征在于，在所述模块M2中：
建立管网安全状态识别及边界约束模型，包括：各节点上压气站和分输站的状态识别方法，管网运行的经济性边界和安全限制矩阵；
建立管网运行的经济性边界和安全限制矩阵，在最优化算法的约束模型中加入所有管段和结点的流体约束，形成一套约束矩阵，该约束矩阵包含管道最高限制压力、压缩机入口流量最低和最高限制、压缩机组最大出力和最低效率限制、管段最小管存约束，单一线型管线的约束矩阵结构如下：
其中Hres-net为单一线型管线的边界约束矩阵，Node i为管线中第i个结点的约束条件，Pi为管线中第i段管段的约束条件，Tis为管段或者结点的入口温度约束，Tid为管段或者结点的出口温度约束，Pis为管段或者结点的入口压力约束，Pid为管段或者结点的出口安全压力约束，Wi为结点的最大功率约束，ηi为节点的最低效率约束。
7.根据权利要求5所述的电力现货市场天然气长输管网运行调度最优化系统，其特征在于，在所述模块M3中：
创建管网区域电价预测模型，管网区域电价预测模型是基于气象大数据、各地区发电侧和用电侧的市场数据的机器学习模型；
基于气象大数据、各地区发电侧和用电侧的市场数据创建管网区域电价预测模型预测短期和长期的现货电价，预测算法利用大数据机器学习模型包括XGboost、LTSM或STM，创建实时市场出清SCED的目标函数，目标函数公式表述如下：
其中，P为模型区域内的负荷平衡约束，C为模型区域内的负荷单元的负荷率，LB+、LB-为模型区域内的机组出力上、下限约束，Mb为机组出力上下限约束系数，SL+、SL-为模型区域内的线路潮流上、下限约束，Ml为机组爬坡约束，Ms为线路潮流约束系数；T为预测时效内的时段上限，N为区域需求侧负荷单元总量，NL为机组上网结点数量上限，NS为线路结点约束数量上限，下标i为第i个系统负荷，下标t为第t个预测时段，下标l为第l个机组并网点，下标s为第s个电网线路结点；
预测算法兼顾短期电价预测、短期预测修正和中长期电价预测。
8.根据权利要求5所述的电力现货市场天然气长输管网运行调度最优化系统，其特征在于：
在所述模块M4中：
建立管网能耗成本最优化算法，利用线性规划和非线性算法，求解管网处于各种稳态、准稳态的指定周期内的整体运行成本最优化；
建立管网能耗成本最优化算法，利用线性规划和非线性算法，求解指定周期内的整体运行成本最优化，给出设备负荷和管道流动的调整方案，基于成本最优化的目标，管网能耗成本最优化算法核心是保证管网所有压气站结点的总能耗成本最低，管网中的压气站包含燃驱和电驱机组，最优化目标即为燃驱机组的燃料费和电驱机组的电费成本最低；以某段单线型段管道为对象，优化过程如下：
保证管段入口压力P1s、入口流量Q01、管段出口压力Pnd、管段出口流量Q n+1不变，寻找压气站Sta 1到压气站Sta n的负荷控制参数，使得燃料成本和用电成本的综合最优化：
Min(ΣCost_FG+ΣCost_ELE+ΣCost_operation)
其中Cost_FG是燃驱机组燃料费，Cost_ELE是电驱机组电费，Cost_operation是管网运行的边际成本；
最优化算法求解过程兼顾管网运行的边际成本；
在所述模块M5中：
根据机组负荷调空目标，正向计算各管段和结点的流体数据，生成一套调度运行方案，并具备对方案的可行性、安全性的再次复核，且在运行中实时模拟调整。
CN202310810198.9A 2023-07-03 2023-07-03 电力现货市场天然气长输管网运行调度最优化方法及系统 Active CN116843070B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310810198.9A CN116843070B (zh) 2023-07-03 2023-07-03 电力现货市场天然气长输管网运行调度最优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310810198.9A CN116843070B (zh) 2023-07-03 2023-07-03 电力现货市场天然气长输管网运行调度最优化方法及系统

Publications (2)

Publication Number Publication Date
CN116843070A CN116843070A (zh) 2023-10-03
CN116843070B true CN116843070B (zh) 2024-01-26

Family

ID=88173890

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310810198.9A Active CN116843070B (zh) 2023-07-03 2023-07-03 电力现货市场天然气长输管网运行调度最优化方法及系统

Country Status (1)

Country Link
CN (1) CN116843070B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163443A (zh) * 2019-05-27 2019-08-23 西南石油大学 考虑电-气综合需求响应的天然气调压站微能网优化调度方法
CN110348602A (zh) * 2019-06-06 2019-10-18 国网浙江省电力有限公司经济技术研究院 计及天然气管网和热力管网特性的综合能源系统优化方法
CN110874692A (zh) * 2019-11-05 2020-03-10 中国南方电网有限责任公司 交直流混联区域电网现货市场出清计算优化方法和装置
CN113326984A (zh) * 2021-05-28 2021-08-31 重庆能源大数据中心有限公司 一种基于天然气管网系统的全局调度方法
CN113794242A (zh) * 2021-09-18 2021-12-14 山东科技大学 一种计及天然气网动态特性的区间优化调度方法
CN114463034A (zh) * 2021-12-23 2022-05-10 中国电力科学研究院有限公司 压缩天然气加气母站需求侧响应的优化调度方法及系统
CN114528674A (zh) * 2022-02-14 2022-05-24 寰清能源科技(上海)有限公司 天然气长输管道管网流量计算和表决方法及系统
CN115600436A (zh) * 2022-11-11 2023-01-13 西南石油大学（Cn） 一种天然气管道运行方案自动响应方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110163443A (zh) * 2019-05-27 2019-08-23 西南石油大学 考虑电-气综合需求响应的天然气调压站微能网优化调度方法
CN110348602A (zh) * 2019-06-06 2019-10-18 国网浙江省电力有限公司经济技术研究院 计及天然气管网和热力管网特性的综合能源系统优化方法
CN110874692A (zh) * 2019-11-05 2020-03-10 中国南方电网有限责任公司 交直流混联区域电网现货市场出清计算优化方法和装置
CN113326984A (zh) * 2021-05-28 2021-08-31 重庆能源大数据中心有限公司 一种基于天然气管网系统的全局调度方法
CN113794242A (zh) * 2021-09-18 2021-12-14 山东科技大学 一种计及天然气网动态特性的区间优化调度方法
CN114463034A (zh) * 2021-12-23 2022-05-10 中国电力科学研究院有限公司 压缩天然气加气母站需求侧响应的优化调度方法及系统
CN114528674A (zh) * 2022-02-14 2022-05-24 寰清能源科技(上海)有限公司 天然气长输管道管网流量计算和表决方法及系统
CN115600436A (zh) * 2022-11-11 2023-01-13 西南石油大学（Cn） 一种天然气管道运行方案自动响应方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Multiobjective Gas Distribution Optimization of Natural Gas Pipeline Network Considering User Satisfaction under Shortage Conditions;Jun Zhou 等;《Energy Technology》;第1-24页 *
分枝定界法与内点法耦合的含环路输气管网运行优化;左丽丽 等;《油气储运》;第42卷(第3期);第343-351页 *
计及运行灵活性约束的综合能源系统优化调度;吉兴全 等;《电力系统自动化》;第46卷(第16期);第84-94页 *

Also Published As

Publication number Publication date
CN116843070A (zh) 2023-10-03

Similar Documents

Publication Publication Date Title
Gu et al. Placement and capacity selection of battery energy storage system in the distributed generation integrated distribution network based on improved NSGA-II optimization
CN104573875B (zh) 一种低碳化的电源电网优化规划的方法
CN106684915A (zh) 一种风氢耦合发电系统的优化方法及装置
Zhou et al. Incorporating deep learning of load predictions to enhance the optimal active energy management of combined cooling, heating and power system
CN106529737A (zh) 一种配电网供给侧调峰电源规划布局方法
Tan et al. Feasibility study on the construction of multi-energy complementary systems in rural areas—Eastern, central, and western parts of China are taken as examples
Stennikov et al. Optimization of the effective heat supply radius for the district heating systems
CN113298407B (zh) 一种工业园区电-气综合能源系统优化调度模型建立方法
Zeng et al. A multistage coordinative optimization for sitting and sizing P2G plants in an integrated electricity and natural gas system
CN111626584A (zh) 一种适用于区域能源互联网规划设计的评价方法和系统
An et al. Optimal operation of multi-micro energy grids under distribution network in Southwest China
CN106451424A (zh) 含大规模光伏发电并网的输电网随机规划方法
CN116843070B (zh) 电力现货市场天然气长输管网运行调度最优化方法及系统
Gonçalves et al. Best economical hybrid energy solution: Model development and case study of a WDS in Portugal
CN114139830B (zh) 一种智慧能源站的优化调度方法、装置及电子设备
Zhang et al. Multi-time scale co-optimization scheduling of integrated energy system for uncertainty balancing
Zhang et al. Imbalance reduction of P2P energy market by closed-loop clustering and forecasting
Alobaidi et al. Distributionally robust generation expansion planning of gas-fired distributed generation with demand response
CN111612271B (zh) 考虑清洁能源利用率的清洁能源外送规划及运行优化方法
Hua et al. Coordinated optimal dispatch for active distribution network under multi-time scales
Jian et al. Robust Bi-Level Planning Method for Multi-Source Systems Integrated With Offshore Wind Farms Considering Prediction Errors
Wei et al. Coordinated Post-Disaster Recovery and Assessment Method for Integrated Electricity-Gas-Transportation System
Wang et al. Two-stage planning model of power-to-gas station considering carbon emission flow
Wang et al. An integrated electricity-gas energy system planning method that takes into account the reliability of energy supply
Feng et al. Economic research on application of electric heating system based on game theory

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