CN117689179B - 基于多阶段鲁棒的综合能源系统运行优化方法及系统 - Google Patents
基于多阶段鲁棒的综合能源系统运行优化方法及系统 Download PDFInfo
- Publication number
- CN117689179B CN117689179B CN202410121810.6A CN202410121810A CN117689179B CN 117689179 B CN117689179 B CN 117689179B CN 202410121810 A CN202410121810 A CN 202410121810A CN 117689179 B CN117689179 B CN 117689179B
- Authority
- CN
- China
- Prior art keywords
- model
- energy system
- comprehensive energy
- constraint
- stage
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 146
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000005611 electricity Effects 0.000 claims description 90
- 230000008901 benefit Effects 0.000 claims description 29
- 239000007789 gas Substances 0.000 claims description 26
- 238000005485 electric heating Methods 0.000 claims description 18
- 230000003993 interaction Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 18
- 238000004146 energy storage Methods 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 13
- 230000009977 dual effect Effects 0.000 claims description 11
- 238000007599 discharging Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000000295 complement effect Effects 0.000 claims description 4
- 239000002737 fuel gas Substances 0.000 claims description 4
- 230000002411 adverse Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 33
- 230000003190 augmentative effect Effects 0.000 description 6
- 238000013178 mathematical model Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于综合能源系统技术领域,提供了一种基于多阶段鲁棒的综合能源系统运行优化方法及系统,本发明中首先建立了综合能源系统鲁棒优化第一阶段模型、综合能源系统鲁棒优化第二阶段模型以及综合能源系统鲁棒优化第三阶段模型,以及建立综合能源系统纳什谈判优化模型;然后采用嵌套约束生成算法,求解三个阶段模型,以及,基于交替方向乘子法求解综合能源系统纳什谈判优化模型。本发明全面考虑了源荷不确定性和购售电价不确定性因素带来的影响,在传统两阶段鲁棒优化的基础上,通过三阶段鲁棒优化解决了不确定性对综合能源系统运行带来的不利影响,极大的提升了综合能源系统的鲁棒性。
Description
技术领域
本发明属于综合能源系统技术领域,尤其涉及一种基于多阶段鲁棒的综合能源系统运行优化方法及系统。
背景技术
随着可再生能源的开发和利用,越来越多的分布式能源接入到综合能源系统中,在对综合能源系统进行优化调度时考虑多重不确定性因素是必不可少的。
发明人发现,现阶段在不确定性的问题解决上,鲁棒优化(robust optimization,RO)是最为常用的优化方法,然而多数基于鲁棒优化的综合能源系统优化运行方法仅考虑到单一不确定性,且仅从综合能源系统接入的可再生能源不确定性角度入手实现优化,没有考虑到复杂环境中多重不确定性及在外部决策过程中存在的不确定性,且多自主体鲁棒优化运行时的利益分配很少涉及。
发明内容
本发明为了解决上述问题,提出了一种基于多阶段鲁棒的综合能源系统运行优化方法及系统,本发明全面考虑源荷不确定性和购售电价不确定性因素带来的影响;在传统两阶段鲁棒优化的基础上,通过三阶段鲁棒优化解决了不确定性对综合能源系统运行带来的不利影响,极大的提升了综合能源系统的鲁棒性。
为了实现上述目的,本发明是通过如下的技术方案来实现:
第一方面,本发明提供了一种基于多阶段鲁棒的综合能源系统运行优化方法,包括:
建立综合能源系统模型;
依据所述综合能源系统模型,建立综合能源系统鲁棒优化第一阶段模型、综合能源系统鲁棒优化第二阶段模型以及综合能源系统鲁棒优化第三阶段模型,以及建立综合能源系统纳什谈判优化模型;其中,所述综合能源系统鲁棒优化第一阶段模型的目标函数为储电设备状态成本、电动汽车的支付费用以及用户的购能费用,约束条件为用户模型电热负荷以及购电热相关约束;所述综合能源系统鲁棒优化第二阶段模型的目标函数为购售电成本,约束条件为综合能源系统与电网交互约束以及购售电价约束;所述综合能源系统鲁棒优化第三阶段模型的目标函数为购气成本以及储电设备运维成本,约束条件为各设备约束以及功率平衡约束;
采用嵌套约束生成算法,求解所述综合能源系统鲁棒优化第一阶段模型、所述综合能源系统鲁棒优化第二阶段模型以及所述综合能源系统鲁棒优化第三阶段模型;以及,基于交替方向乘子法求解综合能源系统纳什谈判优化模型。
进一步的,所述综合能源系统模型包括燃气轮机、燃气锅炉、电储能、外电网、用户以及电动汽车。
进一步的,所述综合能源系统鲁棒优化第一阶段模型为:
其中,和/>分别为电储能充电和电储能放电的状态位;/>为IES向电动汽车制定的零售电价;n为电动汽车集合中的电动汽车n;N为电动汽车集合;t为调度总时间中的t时段;/>为电动汽车n在t时段的充电功率;/>为电动汽车n在t时段的放电功率;为t时段购电、热功率的值;/>和/>分别为IES向用户制定的电价和热价;/>和分别为电力市场的购售电价;/>为求均值函数;/>为约束条件集合;
所述综合能源系统鲁棒优化第二阶段模型为:
其中,为max-min模型;/>为购售电价不确定性盒式集;/>和/>分别为IES向电力市场购售电时的购售电价;/>为约束条件集合;
所述综合能源系统鲁棒优化第三阶段模型为:
其中,为源荷不确定性盒式集;/>为燃气轮机在t时段消耗燃气量;/>为燃气锅炉在t时段消耗燃气量;/>为电储能在t时段的充电功率;/>为电储能在t时段的放电功率;/>为风电机组在t时段的实际出力;/>为光伏在t时段的实际出力;/>为用户在t时段消耗的电负荷;/>为用户在t时段消耗的热负荷。
进一步的,将综合能源系统纳什谈判优化模型中的问题,分解转换为合作效益最大化问题以及能源交易支付谈判问题两个子问题;对两个子问题分别求解。
进一步的,采用嵌套约束生成算法,求解所述综合能源系统鲁棒优化第一阶段模型、所述综合能源系统鲁棒优化第二阶段模型以及所述综合能源系统鲁棒优化第三阶段模型时,根据约束生成算法拆分出子问题后,再采用一次约束生成算法将前面拆分得到的子问题进一步拆分为两个子问题。
进一步的,主问题为一个主从博弈模型,综合能源系统作为领导者,电动汽车和用户作为跟随者;对合作效益最大化问题求解,得到综合能源系统的配电网发布的购售电电价;对能源交易支付谈判问题求解,得到综合能源系统的新能源出力和电热负荷功率值。
进一步的,将综合能源系统纳什谈判优化模型分解转换为合作成本最小化和电能谈判支付两个子问题,然后基于交替方向乘子法求解模型。
进一步的,综合能源系统纳什谈判优化模型为:
其中,和/>分别为IES合作前后的成本;i为IES集合中IES i;I为IES集合。
进一步的,基于交替方向乘子法求解多综合能源系统之间的交易电量和最大化合作成本。
第二方面,本发明还提供了一种基于多阶段鲁棒的综合能源系统运行优化系统,包括:
综合能源系统模型建立模块,被配置为:建立综合能源系统模型;
优化模型建立模块,被配置为:依据所述综合能源系统模型,建立综合能源系统鲁棒优化第一阶段模型、综合能源系统鲁棒优化第二阶段模型以及综合能源系统鲁棒优化第三阶段模型,以及建立综合能源系统纳什谈判优化模型;其中,所述综合能源系统鲁棒优化第一阶段模型的目标函数为储电设备状态成本、电动汽车的支付费用以及用户的购能费用,约束条件为用户模型电热负荷以及购电热相关约束;所述综合能源系统鲁棒优化第二阶段模型的目标函数为购售电成本,约束条件为综合能源系统与电网交互约束以及购售电价约束;所述综合能源系统鲁棒优化第三阶段模型的目标函数为购气成本以及储电设备运维成本,约束条件为各设备约束以及功率平衡约束;
模型求解模块,被配置为:采用嵌套约束生成算法,求解所述综合能源系统鲁棒优化第一阶段模型、所述综合能源系统鲁棒优化第二阶段模型以及所述综合能源系统鲁棒优化第三阶段模型;以及,基于交替方向乘子法求解综合能源系统纳什谈判优化模型。
与现有技术相比,本发明的有益效果为:
1、本发明中首先根据综合能源系统模型,建立综合能源系统鲁棒优化第一阶段模型、综合能源系统鲁棒优化第二阶段模型以及综合能源系统鲁棒优化第三阶段模型,以及建立综合能源系统纳什谈判优化模型;其中,所述综合能源系统鲁棒优化第一阶段模型的目标函数为储电设备状态成本、电动汽车的支付费用以及用户的购能费用,约束条件为用户模型电热负荷以及购电热相关约束;所述综合能源系统鲁棒优化第二阶段模型的目标函数为购售电成本,约束条件为综合能源系统与电网交互约束以及购售电价约束;所述综合能源系统鲁棒优化第三阶段模型的目标函数为购气成本以及储电设备运维成本,约束条件为各设备约束以及功率平衡约束;然后采用嵌套约束生成算法,求解所述综合能源系统鲁棒优化第一阶段模型、所述综合能源系统鲁棒优化第二阶段模型以及所述综合能源系统鲁棒优化第三阶段模型;以及,基于交替方向乘子法求解综合能源系统纳什谈判优化模型。本发明全面考虑了源荷不确定性和购售电价不确定性因素带来的影响,在传统两阶段鲁棒优化的基础上,通过三阶段鲁棒优化解决了不确定性对综合能源系统运行带来的不利影响,极大的提升了综合能源系统的鲁棒性;
2、本发明在保证综合能源系统鲁棒性的前提下,全面考虑到综合能源系统鲁棒优化中的利益分配问题;通过各综合能源系统间基于纳什谈判的合作博弈,综合能源系统与用户以及综合能源系统与电动汽车间的主从博弈,进一步降低了综合能源系统的经济成本,兼顾了综合能源系统稳定性和经济效益;
3、本发明求解综合能源系统多能源共享问题过程中,考虑到分布式算法对综合能源系统隐私性和求解性能的优化,通过交替乘方算子算法,实现了对多能量共享问题的完全去中心化,最大程度地保护了综合能源系统和用户的隐私安全,同时通过鲁棒优化与分布式优化的结合,弥补了鲁棒优化过于保守的缺点。
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1的综合能源系统结构示意图;
图2为本发明实施例1的方法流程图。
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。
实施例1:
现阶段在不确定性的问题解决上,鲁棒优化是最为常用的优化方法,然而多数基于鲁棒优化的综合能源系统优化运行方法仅考虑到单一不确定性,且仅从综合能源系统接入的可再生能源不确定性角度入手实现优化,没有考虑到复杂环境中多重不确定性及在外部决策过程中存在的不确定性,且多自主体鲁棒优化运行时的利益分配很少涉及;因此,在优化运行方法设计过程中,还应考虑到系统中存在的购售电价的不确定性以及系统中利益分配问题。为了更好地解决这些问题,本实施例提出了一种基于多阶段鲁棒的综合能源系统运行优化方法,包括:
建立综合能源系统模型;
依据所述综合能源系统模型,建立综合能源系统鲁棒优化第一阶段模型、综合能源系统鲁棒优化第二阶段模型以及综合能源系统鲁棒优化第三阶段模型,以及建立综合能源系统纳什谈判优化模型;其中,所述综合能源系统鲁棒优化第一阶段模型的目标函数为储电设备状态成本、电动汽车的支付费用以及用户的购能费用,约束条件为用户模型电热负荷以及购电热相关约束;所述综合能源系统鲁棒优化第二阶段模型的目标函数为购售电成本,约束条件为综合能源系统与电网交互约束以及购售电价约束;所述综合能源系统鲁棒优化第三阶段模型的目标函数为购气成本以及储电设备运维成本,约束条件为各设备约束以及功率平衡约束;
采用嵌套约束生成算法,求解所述综合能源系统鲁棒优化第一阶段模型、所述综合能源系统鲁棒优化第二阶段模型以及所述综合能源系统鲁棒优化第三阶段模型;以及,基于交替方向乘子法求解综合能源系统纳什谈判优化模型。
本实施例全面考虑了源荷不确定性和购售电价不确定性因素带来的影响,在传统两阶段鲁棒优化的基础上,通过三阶段鲁棒优化解决了不确定性对综合能源系统运行带来的不利影响,极大的提升了综合能源系统的鲁棒性;本实施例方法的具体步骤为:
S1、建立综合能源系统模型(Integrated Energy SystemIES)模型:
本实施例中,可选的,如图1所示,建立的IES模型可以包括燃气轮机、燃气锅炉、电储能、外电网、用户以及电动汽车,不同IES还分别涉及到光伏和风电等设备。电热设备需要得到各自的出力和满足自身约束;电储能需要得到荷电状态和满足充放电功率约束;外电网需要与IES交互;用户需要在考虑需求响应的基础上,购买电能和热能满足其自身的用能需求,以此得到用户模型;电动汽车需要满足电能计划约束以及自身电池容量约束、充放电功率约束和充放电状态约束。
S2、建立IES三阶段鲁棒优化模型:
本实施例中,充分考虑到IES在电力市场购售电价的不确定性以及源荷出力波动的不确定性,提出了一种IES三阶段鲁棒优化模型来解决多种不确定性给IES运行稳定性带来的影响。
S2.1、建立IES鲁棒优化第一阶段模型:
IES三阶段鲁棒优化第一阶段目标函数为储电设备状态成本、电动汽车的支付费用以及用户的购能费用,用于决策IES向电动汽车制定的零售电价、每类电动汽车的用电计划、IES向用户制定的电价和热价、用户的购能计划以及储电设备的充放电状态位。约束条件为用户模型电热负荷以及购电热相关约束。此外,IES与电动汽车之间,以及IES和用户之间的主从博弈互动关系同样在第一阶段决策。电动汽车将根据IES发布的零售电价决定自身的用电计划,其目的是最大化自身的效用;用户将根据IES制定的电价和热价决定自身的购能策略,其目的是最小化自身的购能成本。IES鲁棒优化第一阶段模型如下:
其中,和/>分别为电储能充电和电储能放电的状态位;/>为IES向电动汽车制定的零售电价;n为电动汽车集合中的电动汽车n;N为电动汽车集合;t为调度总时间中的t时段;/>为电动汽车n在t时段的充电功率;/>为电动汽车n在t时段的放电功率;为t时段购电、热功率的值;/>和/>分别为IES向用户制定的电价和热价;/>和分别为电力市场的购售电价;/>为求均值函数;/>为约束条件集合;
S2.2、建立IES鲁棒优化第二阶段模型:
IES三阶段鲁棒优化第二阶段目标函数为购售电成本,用于决策电力市场购售电价最劣场景,以及IES向电力市场的购售电量。约束条件为IES与外电网交互约束,以及购售电价约束。IES鲁棒优化第二阶段模型如下:
其中,为max-min模型;/>为购售电价不确定性盒式集;/>和/>分别为IES向电力市场购售电时的购售电价;/>为约束条件集合;
S2.3、建立IES鲁棒优化第三阶段模型:
IES三阶段鲁棒优化第三阶段目标函数为购气成本,以及储电设备运维成本,用于决策源荷出力最劣场景、机组调度计划以及电储能充放电计划。约束条件为各设备约束以及功率平衡约束。IES鲁棒优化第二阶段模型如下:
其中,为源荷不确定性盒式集;/>为燃气轮机在t时段消耗燃气量;/>为燃气锅炉在t时段消耗燃气量;/>为电储能在t时段的充电功率;/>为电储能在t时段的放电功率;/>为风电机组在t时段的实际出力;/>为光伏在t时段的实际出力;/>为用户在t时段消耗的电负荷;/>为用户在t时段消耗的热负荷。
本实施例中,三阶段鲁棒性优化模型具体原理为:
首先,不确定性优化数学模型的一般表达为:
其中,为不确定性优化数学模型的解;/>为不确定参数;/>为不确定参数的集合。
鲁棒优化是一类事前分析方法,其针对传统优化方法的不足,由鲁棒控制理论发展而来的一套方法。在上述不确定性优化数学模型中,如果U是一个有界闭集,上述模型则变成处理不确定集合内所有不确定参数的优化问题,即鲁棒优化。
在实施例中,上层IES充分考虑到电力市场购售电价以及源荷出力的波动带来的不确定性影响,采用了三阶段鲁棒优化模型构造上层主体。模型的三个阶段各自有不同的目标函数,且每个阶段确定各自不同决策变量的值,以第一阶段为例,目标函数由储电设备状态成本、电动汽车的支付费用以及用户的购能费用构成;第一阶段主要用于决策IES向电动汽车制定的零售电价、每类电动汽车的用电计划、IES向用户制定的电价和热价、用户的购能计划以及储电设备的充放电状态位等变量。
S3、建立多IES纳什谈判优化模型:
本实施例提出的多IES纳什谈判优化模型,分解转换为合作效益最大化问题以及能源交易支付谈判问题两个子问题,两个子问题依次求解。
S3.1、合作效益最大化问题:
合作效益最大化问题中的IES模型,构建其增广拉格朗日函数,引入拉格朗日乘子和惩罚因子,得到社会成本最小化合作效益最大化目标函数模型的增广拉格朗日函数。
S3.2、能源交易支付谈判问题:
能源交易支付谈判问题中的IES模型,构建其增广拉格朗日函数,引入拉格朗日乘子和惩罚因子,得到联盟能源交易支付效益最大化目标函数模型的增广拉格朗日函数。
步骤S3.1和步骤3.2中的增广拉格朗日函数具体在步骤S5中展示。
本实施例提出的多IES纳什谈判优化模型是一种合作博弈,在实现参与全体的利益最大化后,多个IES之间通过相互谈判进行合作收益分配。多IES纳什谈判优化模型满足一组公理,包括对称性以及帕累托最优。纳什乘积最大化的解即为纳什谈判博弈问题的均衡解,纳什谈判优化模型如下:
其中,为谈判主体的效益;/>为参与主体合作前的效益,即谈判破裂点;/>为各利益主体集合。纳什谈判优化模型为一个多重变量耦合的非凸非线性问题,因此将上述纳什谈判优化模型分解转换为合作效益最大化问题和能源交易支付谈判问题两个IES联盟子问题,并依次求解。
S4、基于嵌套约束生成(Column-and-Constraint Generation,C&CG)算法的鲁棒优化模型求解:
本实施例提出多阶段鲁棒优化模型;根据C&CG算法拆分出的子问题为一个两阶段优化问题,本实施例中,根据C&CG算法拆分出子问题后需要再采用一次C&CG算法将前面拆分得到的子问题进一步拆分为两个子问题,采用嵌套的C&CG算法求解IES三阶段鲁棒优化模型。
主问题为一个主从博弈模型,IES作为领导者,电动汽车和用户作为跟随者。用户模型表示如下:
其中,J和h分别为用户约束条件的系数矩阵和向量;为IES给用户制定的电价;f为需求响应约束条件的系数矩阵;/>为IES与用户交互的购售电功率;目标函数为用户与IES的能源交易成本和需求响应成本;约束条件为用户与IES的功率交互的约束,需求响应约束和电热功率平衡约束等。用户模型经过KKT(arush–Kuhn–Tucker conditions)条件和对偶转换的表达式如下,其中互补松弛约束采用大M法线性化处理:
其中,为对偶变量;J和h分别为用户约束条件的系数矩阵和向量;/>为IES给用户制定的电价;f为需求响应约束条件的系数矩阵;/>为IES与用户交互的购售电功率;/>为一个极大的正数;/>为引入的0-1变量。
同理电动汽车处理后的模型为:
其中,为对偶变量;/>为引入的0-1变量;/>为电动汽车自身效能约束条件的系数矩阵;/>为电动汽车其他约束条件的系数矩阵;o为电动汽车约束条件的向量,n为电动汽车集合中的电动汽车n。
最终,主问题转换为一个混合整数规划问题,以便于求解;合作效益最大化问题优化求解IES的最恶劣场景下配电网发布的购售电电价;能源交易支付谈判问题求解IES的最恶劣场景下新能源出力和电热负荷功率值。
在利益分配问题中,参与利益分配的参与者,一方先行动,一方后行动的博弈称为Stackelberg博弈,也可称为主从博弈。Stackelberg博弈往往存在一个均衡的情况,这也是博弈模型的均衡解,即利益分配的最优情况。本实施例所提出采用主从博弈理论来表达IES和电动汽车,以及IES和用户之间的利益关系,以协调上下层主体的经济利益冲突。上层IES作为领导者先决策,下层用户和电动汽车作为跟随者再决策。用户将根据IES制定的电价和热价决定自身的购能策略,其目的是最小化自身的购能成本,电动汽车将根据IES发布的零售电价决定自身的用电计划,其目的是最大化自身的效用。
IES鲁棒优化模型作为一个min-max-min形式的非凸优化问题,难以直接求解;主流思想为采用C&CG算法将该类型问题转化为包含min主问题和max-min子问题的两阶段优化。本实施例所提出的多阶段鲁棒优化模型更为复杂,根据C&CG算法拆分出的子问题为一个两阶段优化问题后需要再采用一次C&CG算法,将子问题进一步拆分为两个子问题,因此采用嵌套的C&CG算法求解本文所提的鲁棒优化模型。
大M法是一种线性规划的求解方法,它的基本思想是将约束条件中的不等式转化为等式,然后引入一个辅助变量,使得目标函数中的辅助变量系数为一个很大的正数M。当辅助变量的值为0时,目标函数的值最优;当辅助变量的值不为0时,目标函数的值不为最优。在实施例提出的主从博弈模型中,用户和电动汽车的模型需要通过KKT条件和对偶转换以便于求解,其中互补松弛约束采用大M法线性化处理。
S5、基于ADMM算法的博弈模型求解:
本实施例中,各IES属于不同的利益主体,运用纳什谈判理论求取多IES之间的合作博弈模型,既多IES纳什谈判优化模型。首先建立多IES之间的合作博弈模型,模型分解转换为合作成本最小化和电能谈判支付两个子问题,然后基于ADMM算法求解模型。
S5.1、建立多IES之间的合作博弈模型,如下:
其中,和/>分别为IES合作前后的成本;i为IES集合中的IES i;I为IES集合。
S5.2、基于ADMM算法求解多IES之间的交易电量和最大化合作成本;具体的,首先引入辅助变量对模型的约束条件进行解耦,然后引入拉格朗日乘子、惩罚因子,构造的多IES系统的分布式优化模型如下:
其中,为合作后的成本;/>为多IES之间的交易电量;/>为拉格朗日乘子;/>为惩罚因子;i为IES集合中的IES i;I为IES集合;t为调度总时间中t时段;T为多IES模型调度总时间。
S5.3、同理电能谈判支付问题建立的IES系统的分布式优化模型如下:
其中,为IES合作前成本;/>为辅助变量;/>为各IES之间的交易电价;/>为拉格朗日乘子;σ为惩罚因子。
S5.4、基于ADMM算法求解得到多IES之间的交易电量和最大化合作成本。
交替方向乘子法是一种求解具有可分离性的凸优化问题的计算框架,由于其是对偶分解法和增广拉格朗日乘子法的结合,使该算法有分解性的同时保证了良好的收敛性,处理速度快,在IES分布式模型的求解上有广泛的应用。本实施例提出的纳什谈判博弈模型,对于合作成本最小化问题的求解,需要引入拉格朗日乘子以及惩罚因子,构造多IES系统的分布式优化模型;然后基于ADMM算法求解优化模型,以得到多IES之间的交易电量和最大化合作成本。
实施例2:
本实施例提供了一种基于多阶段鲁棒的综合能源系统运行优化系统,包括:
综合能源系统模型建立模块,被配置为:建立综合能源系统模型;
优化模型建立模块,被配置为:依据所述综合能源系统模型,建立综合能源系统鲁棒优化第一阶段模型、综合能源系统鲁棒优化第二阶段模型以及综合能源系统鲁棒优化第三阶段模型,以及建立综合能源系统纳什谈判优化模型;其中,所述综合能源系统鲁棒优化第一阶段模型的目标函数为储电设备状态成本、电动汽车的支付费用以及用户的购能费用,约束条件为用户模型电热负荷以及购电热相关约束;所述综合能源系统鲁棒优化第二阶段模型的目标函数为购售电成本,约束条件为综合能源系统与电网交互约束以及购售电价约束;所述综合能源系统鲁棒优化第三阶段模型的目标函数为购气成本以及储电设备运维成本,约束条件为各设备约束以及功率平衡约束;
模型求解模块,被配置为:采用嵌套约束生成算法,求解所述综合能源系统鲁棒优化第一阶段模型、所述综合能源系统鲁棒优化第二阶段模型以及所述综合能源系统鲁棒优化第三阶段模型;以及,基于交替方向乘子法求解综合能源系统纳什谈判优化模型。
所述系统的工作方法与实施例1的基于多阶段鲁棒的综合能源系统运行优化方法相同,这里不再赘述。
本实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现了实施例1所述的基于多阶段鲁棒的综合能源系统运行优化方法的步骤。
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 (5)
1.基于多阶段鲁棒的综合能源系统运行优化方法,其特征在于,包括:
建立综合能源系统模型;
依据所述综合能源系统模型,建立综合能源系统鲁棒优化第一阶段模型、综合能源系统鲁棒优化第二阶段模型以及综合能源系统鲁棒优化第三阶段模型,以及建立综合能源系统纳什谈判优化模型;其中,所述综合能源系统鲁棒优化第一阶段模型的目标函数为储电设备状态成本、电动汽车的支付费用以及用户的购能费用,约束条件为用户模型电热负荷以及购电热相关约束;所述综合能源系统鲁棒优化第二阶段模型的目标函数为购售电成本,约束条件为综合能源系统与电网交互约束以及购售电价约束;所述综合能源系统鲁棒优化第三阶段模型的目标函数为购气成本以及储电设备运维成本,约束条件为各设备约束以及功率平衡约束;
所述综合能源系统鲁棒优化第一阶段模型为:
;
其中,和/>分别为电储能充电和电储能放电的状态位;/>为综合能源系统模型向电动汽车制定的零售电价;n为电动汽车集合中的电动汽车n;N为电动汽车集合;t为调度总时间中的t时段;/>为电动汽车n在t时段的充电功率;/>为电动汽车n在t时段的放电功率;/>为t时段购电、热功率的值;/>和/>分别为综合能源系统模型向用户制定的电价和热价;/>和/>分别为电力市场的购售电价;/>为求均值函数;/>为约束条件集合;
所述综合能源系统鲁棒优化第二阶段模型为:
;
其中,为max-min模型;/>为购售电价不确定性盒式集;/>和/>分别为综合能源系统模型向电力市场购售电时的购售电价;/>为约束条件集合;
所述综合能源系统鲁棒优化第三阶段模型为:
;
其中,为源荷不确定性盒式集;/>为燃气轮机在t时段消耗燃气量;/>为燃气锅炉在t时段消耗燃气量;/>为电储能在t时段的充电功率;/>为电储能在t时段的放电功率;/>为风电机组在t时段的实际出力;/>为光伏在t时段的实际出力;/>为用户在t时段消耗的电负荷;/>为用户在t时段消耗的热负荷;
综合能源系统纳什谈判优化模型为:
;
其中,和/>分别为综合能源系统模型合作前后的成本;i为综合能源系统模型集合中综合能源系统模型i;I为综合能源系统模型集合;
采用嵌套约束生成算法,求解所述综合能源系统鲁棒优化第一阶段模型、所述综合能源系统鲁棒优化第二阶段模型以及所述综合能源系统鲁棒优化第三阶段模型;以及,基于交替方向乘子法求解综合能源系统纳什谈判优化模型;将综合能源系统纳什谈判优化模型中的问题,分解转换为合作效益最大化问题以及能源交易支付谈判问题两个子问题;对两个子问题分别求解;根据约束生成算法拆分出子问题后,再采用一次约束生成算法将前面拆分得到的子问题进一步拆分为两个子问题;主问题为一个主从博弈模型,综合能源系统作为领导者,电动汽车和用户作为跟随者;对合作效益最大化问题求解,得到综合能源系统的配电网发布的购售电电价;对能源交易支付谈判问题求解,得到综合能源系统的新能源出力和电热负荷功率值;
用户模型表示如下:
其中,J和h分别为用户约束条件的系数矩阵和向量;为综合能源系统模型给用户制定的电价;f为需求响应约束条件的系数矩阵;/>为综合能源系统模型与用户交互的购售电功率;目标函数为用户与综合能源系统模型的能源交易成本和需求响应成本;约束条件为用户与综合能源系统模型的功率交互的约束,需求响应约束和电热功率平衡约束;用户模型经过Karush–Kuhn–Tucker conditions条件和对偶转换的表达式如下,其中互补松弛约束采用大M法线性化处理:
其中,为对偶变量;J和h分别为用户约束条件的系数矩阵和向量;/>为综合能源系统模型给用户制定的电价;f为需求响应约束条件的系数矩阵;/>为综合能源系统模型与用户交互的购售电功率;/>为一个极大的正数;/>为引入的0-1变量;
同理,电动汽车处理后的模型为:
其中,为对偶变量;/>为引入的0-1变量;/>为电动汽车自身效能约束条件的系数矩阵;/>为电动汽车其他约束条件的系数矩阵;o为电动汽车约束条件的向量,n为电动汽车集合中的电动汽车。
2.如权利要求1所述的基于多阶段鲁棒的综合能源系统运行优化方法,其特征在于,所述综合能源系统模型包括燃气轮机、燃气锅炉、电储能、外电网、用户以及电动汽车。
3.如权利要求1所述的基于多阶段鲁棒的综合能源系统运行优化方法,其特征在于,将综合能源系统纳什谈判优化模型分解转换为合作成本最小化和电能谈判支付两个子问题,然后基于交替方向乘子法求解模型。
4.如权利要求1所述的基于多阶段鲁棒的综合能源系统运行优化方法,其特征在于,基于交替方向乘子法求解多综合能源系统之间的交易电量和最大化合作成本。
5.基于多阶段鲁棒的综合能源系统运行优化系统,其特征在于,包括:
综合能源系统模型建立模块,被配置为:建立综合能源系统模型;
优化模型建立模块,被配置为:依据所述综合能源系统模型,建立综合能源系统鲁棒优化第一阶段模型、综合能源系统鲁棒优化第二阶段模型以及综合能源系统鲁棒优化第三阶段模型,以及建立综合能源系统纳什谈判优化模型;其中,所述综合能源系统鲁棒优化第一阶段模型的目标函数为储电设备状态成本、电动汽车的支付费用以及用户的购能费用,约束条件为用户模型电热负荷以及购电热相关约束;所述综合能源系统鲁棒优化第二阶段模型的目标函数为购售电成本,约束条件为综合能源系统与电网交互约束以及购售电价约束;所述综合能源系统鲁棒优化第三阶段模型的目标函数为购气成本以及储电设备运维成本,约束条件为各设备约束以及功率平衡约束;所述综合能源系统鲁棒优化第一阶段模型为:
;
其中,和/>分别为电储能充电和电储能放电的状态位;/>为综合能源系统模型向电动汽车制定的零售电价;n为电动汽车集合中的电动汽车n;N为电动汽车集合;t为调度总时间中的t时段;/>为电动汽车n在t时段的充电功率;/>为电动汽车n在t时段的放电功率;/>为t时段购电、热功率的值;/>和/>分别为综合能源系统模型向用户制定的电价和热价;/>和/>分别为电力市场的购售电价;/>为求均值函数;/>为约束条件集合;
所述综合能源系统鲁棒优化第二阶段模型为:
;
其中,为max-min模型;/>为购售电价不确定性盒式集;/>和/>分别为综合能源系统模型向电力市场购售电时的购售电价;/>为约束条件集合;
所述综合能源系统鲁棒优化第三阶段模型为:
;
其中,为源荷不确定性盒式集;/>为燃气轮机在t时段消耗燃气量;/>为燃气锅炉在t时段消耗燃气量;/>为电储能在t时段的充电功率;/>为电储能在t时段的放电功率;/>为风电机组在t时段的实际出力;/>为光伏在t时段的实际出力;/>为用户在t时段消耗的电负荷;/>为用户在t时段消耗的热负荷;
综合能源系统纳什谈判优化模型为:
;
其中,和/>分别为综合能源系统模型合作前后的成本;i为综合能源系统模型集合中综合能源系统模型i;I为综合能源系统模型集合;
模型求解模块,被配置为:采用嵌套约束生成算法,求解所述综合能源系统鲁棒优化第一阶段模型、所述综合能源系统鲁棒优化第二阶段模型以及所述综合能源系统鲁棒优化第三阶段模型;以及,基于交替方向乘子法求解综合能源系统纳什谈判优化模型;将综合能源系统纳什谈判优化模型中的问题,分解转换为合作效益最大化问题以及能源交易支付谈判问题两个子问题;对两个子问题分别求解;根据约束生成算法拆分出子问题后,再采用一次约束生成算法将前面拆分得到的子问题进一步拆分为两个子问题;主问题为一个主从博弈模型,综合能源系统作为领导者,电动汽车和用户作为跟随者;对合作效益最大化问题求解,得到综合能源系统的配电网发布的购售电电价;对能源交易支付谈判问题求解,得到综合能源系统的新能源出力和电热负荷功率值;
用户模型表示如下:
其中,J和h分别为用户约束条件的系数矩阵和向量;为综合能源系统模型给用户制定的电价;f为需求响应约束条件的系数矩阵;/>为综合能源系统模型与用户交互的购售电功率;目标函数为用户与综合能源系统模型的能源交易成本和需求响应成本;约束条件为用户与综合能源系统模型的功率交互的约束,需求响应约束和电热功率平衡约束;用户模型经过Karush–Kuhn–Tucker conditions条件和对偶转换的表达式如下,其中互补松弛约束采用大M法线性化处理:
其中,为对偶变量;J和h分别为用户约束条件的系数矩阵和向量;/>为综合能源系统模型给用户制定的电价;f为需求响应约束条件的系数矩阵;/>为综合能源系统模型与用户交互的购售电功率;/>为一个极大的正数;/>为引入的0-1变量;
同理,电动汽车处理后的模型为:
其中,为对偶变量;/>为引入的0-1变量;/>为电动汽车自身效能约束条件的系数矩阵;/>为电动汽车其他约束条件的系数矩阵;o为电动汽车约束条件的向量,n为电动汽车集合中的电动汽车。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410121810.6A CN117689179B (zh) | 2024-01-30 | 2024-01-30 | 基于多阶段鲁棒的综合能源系统运行优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410121810.6A CN117689179B (zh) | 2024-01-30 | 2024-01-30 | 基于多阶段鲁棒的综合能源系统运行优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117689179A CN117689179A (zh) | 2024-03-12 |
CN117689179B true CN117689179B (zh) | 2024-05-03 |
Family
ID=90135530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410121810.6A Active CN117689179B (zh) | 2024-01-30 | 2024-01-30 | 基于多阶段鲁棒的综合能源系统运行优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117689179B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109298634A (zh) * | 2018-10-18 | 2019-02-01 | 东南大学 | 一种综合能源系统两阶段鲁棒优化调度方法 |
AU2019101043A4 (en) * | 2019-09-11 | 2019-10-24 | Southeast University | A two-stage robust scheduling method for a hydrogen conpressed natural gas integrated energy system |
CN111144620A (zh) * | 2019-12-06 | 2020-05-12 | 东南大学 | 一种考虑季节储氢的电氢综合能源系统及其鲁棒规划方法 |
CN114282722A (zh) * | 2021-12-23 | 2022-04-05 | 国网北京市电力公司 | 分布式综合能源系统多目标优化方法、系统、装置及介质 |
CN114707783A (zh) * | 2021-11-09 | 2022-07-05 | 天津大学 | 一种区域电-热综合能源系统太阳能消纳设备两阶段鲁棒规划方法 |
CN116050585A (zh) * | 2022-12-20 | 2023-05-02 | 西安理工大学 | 基于纳什谈判的含掺氢燃气综合能源多微网优化调度方法 |
CN116992548A (zh) * | 2023-09-26 | 2023-11-03 | 山东建筑大学 | 一种建筑及区域综合能源系统的设计优化方法及系统 |
CN117011007A (zh) * | 2023-08-24 | 2023-11-07 | 华北电力大学(保定) | 一种含电动汽车的综合能源系统参与电力现货市场策略 |
CN117057583A (zh) * | 2023-09-08 | 2023-11-14 | 广东工业大学 | 基于双层分布鲁棒预测博弈的园区综合能源系统调度方法 |
CN117217496A (zh) * | 2023-11-07 | 2023-12-12 | 天津电力工程监理有限公司 | 计及主从博弈的区域综合能源系统控制方法及装置 |
CN117394366A (zh) * | 2023-10-18 | 2024-01-12 | 国网山东省电力公司威海供电公司 | 一种含多微网的主动配电网不确定性分层调度方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114021390A (zh) * | 2021-12-01 | 2022-02-08 | 国网江苏省电力有限公司南京供电分公司 | 城市综合能源系统随机鲁棒优化方法及其应用 |
-
2024
- 2024-01-30 CN CN202410121810.6A patent/CN117689179B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109298634A (zh) * | 2018-10-18 | 2019-02-01 | 东南大学 | 一种综合能源系统两阶段鲁棒优化调度方法 |
AU2019101043A4 (en) * | 2019-09-11 | 2019-10-24 | Southeast University | A two-stage robust scheduling method for a hydrogen conpressed natural gas integrated energy system |
CN111144620A (zh) * | 2019-12-06 | 2020-05-12 | 东南大学 | 一种考虑季节储氢的电氢综合能源系统及其鲁棒规划方法 |
CN114707783A (zh) * | 2021-11-09 | 2022-07-05 | 天津大学 | 一种区域电-热综合能源系统太阳能消纳设备两阶段鲁棒规划方法 |
CN114282722A (zh) * | 2021-12-23 | 2022-04-05 | 国网北京市电力公司 | 分布式综合能源系统多目标优化方法、系统、装置及介质 |
CN116050585A (zh) * | 2022-12-20 | 2023-05-02 | 西安理工大学 | 基于纳什谈判的含掺氢燃气综合能源多微网优化调度方法 |
CN117011007A (zh) * | 2023-08-24 | 2023-11-07 | 华北电力大学(保定) | 一种含电动汽车的综合能源系统参与电力现货市场策略 |
CN117057583A (zh) * | 2023-09-08 | 2023-11-14 | 广东工业大学 | 基于双层分布鲁棒预测博弈的园区综合能源系统调度方法 |
CN116992548A (zh) * | 2023-09-26 | 2023-11-03 | 山东建筑大学 | 一种建筑及区域综合能源系统的设计优化方法及系统 |
CN117394366A (zh) * | 2023-10-18 | 2024-01-12 | 国网山东省电力公司威海供电公司 | 一种含多微网的主动配电网不确定性分层调度方法 |
CN117217496A (zh) * | 2023-11-07 | 2023-12-12 | 天津电力工程监理有限公司 | 计及主从博弈的区域综合能源系统控制方法及装置 |
Non-Patent Citations (6)
Title |
---|
Optimal operation of multi-integrated energy system based on multi-level Nash multi-stage robust;Zongnan Zhang;Kudashev Sergey Fedorovich;;Applied Energy;20240106;第1-33页 * |
Two-Stage Robust Optimization Model for Capacity Configuration of Biogas-Solar-Wind Integrated Energy System;Li, Xiaoqing;Zhang, Lizhi;Wang, Ruiqi et al.;IEEE TRANSACTIONS ON INDUSTRY APPLICATIONS;20230514;第662-675页 * |
Xiong Junjie ; Li Zhipeng ; Wang JianxI et al..An optimal method of regional integrated energy system based on two-stage robust model. 2021 IEEE 5th Conference on Energy Internet and Energy System Integration (EI2).2022,第1468-1473页. * |
北方既有社区能源系统的综合评价和优化选择;刘峰;刁乃仁;崔萍;;建筑热能通风空调;20161125(11);第84-87页 * |
基于主从博弈的社区综合能源系统分布式协同优化运行策略;王海洋;李珂;张承慧;马昕;;中国电机工程学报;20200630(17);第5435-5445页 * |
基于时空大数据的综合能源系统协调优化控制方法;郝运鹏;张涛;罗英汉;马燕红;王超;;电子设计工程;20230630(第12期);第105-108,114页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117689179A (zh) | 2024-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bahramara et al. | Robust optimization of micro-grids operation problem in the presence of electric vehicles | |
Wang et al. | Decentralized coordinated operation model of VPP and P2H systems based on stochastic-bargaining game considering multiple uncertainties and carbon cost | |
CN111293682B (zh) | 一种基于协同模型预测控制的多微网能量管理方法 | |
Xu et al. | Optimal economic dispatch of combined cooling, heating and power‐type multi‐microgrids considering interaction power among microgrids | |
CN109636056A (zh) | 一种基于多智能体技术的多能源微网去中心化优化调度方法 | |
CN112068436B (zh) | 工业园区的综合能源系统分层分布式控制方法及系统 | |
CN113890023A (zh) | 一种综合能源微网分布式经济调度优化方法及系统 | |
CN110009244A (zh) | 一种考虑抗灾恢复的区域综合能源系统优化调度方法 | |
Osório et al. | New control strategy for the weekly scheduling of insular power systems with a battery energy storage system | |
CN111199015B (zh) | 一种综合能源系统优化方法和装置 | |
Zhang et al. | Optimization strategy for power sharing and low-carbon operation of multi-microgrid IES based on asymmetric nash bargaining | |
CN115099725B (zh) | 一种综合能源系统能量管理分配方法及系统 | |
Wang et al. | Multi-agent-based collaborative regulation optimization for microgrid economic dispatch under a time-based price mechanism | |
Jayawardana et al. | Optimisation framework for the operation of battery storage within solar‐rich microgrids | |
Zhang et al. | Optimal operation of multi-integrated energy system based on multi-level Nash multi-stage robust | |
CN117411085A (zh) | 计及对外交换功率安全约束的并网型多微网优化调度方法 | |
CN117689179B (zh) | 基于多阶段鲁棒的综合能源系统运行优化方法及系统 | |
Cheng et al. | Nash bargaining‐based cooperative game for distributed economic scheduling of microgrid with charging‐swapping‐storage integrated station | |
CN117494963A (zh) | 考虑多重不确定性的多微网自适应鲁棒协同优化调度方法 | |
CN110070210B (zh) | 一种多微电网系统能量管理与贡献度评估方法和系统 | |
Xiong et al. | Optimal operation of integrated energy systems considering energy trading and integrated demand response | |
CN113507124A (zh) | 一种基于序列凸优化的能源互联网快速调度方法及装置 | |
CN115085227A (zh) | 一种微电网源储容量配置方法及装置 | |
Zhang et al. | Matrix modelling and optimisation calculation method for large‐scale integrated We‐Energy | |
CN113904320B (zh) | 铝电协同优化调度方法、装置、计算机设备和存储介质 |
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 |