CN117993896A - 极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法 - Google Patents
极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法 Download PDFInfo
- Publication number
- CN117993896A CN117993896A CN202410407205.5A CN202410407205A CN117993896A CN 117993896 A CN117993896 A CN 117993896A CN 202410407205 A CN202410407205 A CN 202410407205A CN 117993896 A CN117993896 A CN 117993896A
- Authority
- CN
- China
- Prior art keywords
- node
- ice
- scene
- snow
- energy system
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 230000008439 repair process Effects 0.000 claims abstract description 26
- 238000009826 distribution Methods 0.000 claims abstract description 21
- 230000006872 improvement Effects 0.000 claims abstract description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 36
- 238000010438 heat treatment Methods 0.000 claims description 34
- 239000011248 coating agent Substances 0.000 claims description 13
- 238000000576 coating method Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 6
- 238000001556 precipitation Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 claims 1
- 238000005338 heat storage Methods 0.000 abstract description 17
- 238000012545 processing Methods 0.000 description 7
- 238000011084 recovery Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法,本发明首先,考虑极端冰雪灾害对配电网线路的影响,构建极端冰雪灾害下综合能源系统中电网系统的线路故障模型;然后构建断线的场景集合;最后,构建综合能源系统韧性提升模型并基于综合能源系统韧性提升模型寻找最恶劣场景概率分布下的灾害前建筑物储热量最优配置方案和灾害后各场景故障修复策略,最终实现综合能源系统韧性提升。本发明在综合能源系统中充分挖掘了热能潜力,考虑热能特性对电力系统抵御极端冰雪灾害能力的影响,灾害前通过建筑物储热特性配置建筑物储热量,灾害后闭合联络开关进行拓扑重构,并且优化灾后抢修策略,通过多种手段提升电力系统韧性。
Description
技术领域
本发明属于电力系统技术领域,涉及电气工程中的极端灾害下韧性提升方法,尤其是极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法。
背景技术
极端冰雪灾害导致的配电网大规模停电事故频发,造成巨大的经济损失,严重危害人民群众的冷暖安危。遭遇极端冰雪灾害时,由于输电线路暴露在大气中,线路表面结冰过多,极易造成断线事故,导致电力中断。目前针对综合能源系统韧性已有一部分研究。但在以往研究中,韧性提升手段主要集中在电力系统线路加固和修复资源配置上,通过热能等其他形式能源特性提升电力系统韧性的研究还较为匮乏。因此,在遭遇极端冰雪灾害时,如何在综合能源系统中最大限度降低电力断供造成的危害成为研究重点。
发明内容
本发明所要解决的技术问题是克服上述现有技术存在的不足,提供一种极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法。在综合能源系统中,挖掘热能潜力,考虑热能特性对电力系统抵御极端冰雪灾害能力的影响,灾害前通过建筑物储热特性配置建筑物储热量,灾害后闭合联络开关进行拓扑重构,并且优化灾后抢修策略,通过多种手段提升电力系统韧性。
为此,本发明采用如下的技术方案:
一种极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法,包括:
收集当前极端冰雪灾害的相关参数及综合能源系统的相关参数;
基于收集的当前极端冰雪灾害的相关参数及综合能源系统的相关参数模拟冰雪参数并构建极端冰雪灾害下综合能源系统中的电网系统线路故障模型;所述极端冰雪灾害下综合能源系统中的电网系统线路故障模型表示线路覆冰厚度与线路故障概率的关系;
基于电网系统线路故障模型构建场景集合;场景集合中,每个场景中包含电网系统的若干线路,且场景中全部线路同时故障的概率大于D;
基于构建的场景集合构建综合能源系统韧性提升模型,所述综合能源系统韧性提升模型包含目标函数和约束条件,其中目标函数为最小化极端冰雪灾害发生前若干小时的制热耗电成本和切负荷成本之和以及寻找使得极端冰雪灾害发生后切负荷成本最小值最大的场景发生概率分布;所述场景发生概率为极端冰雪灾害来临时,发生该场景的概率;所述约束条件包括电网系统约束和热网系统约束,电网系统约束包括电网潮流约束、支路功率约束、节点电压约束、联通和辐射状约束和抢修约束;热网约束包括热网潮流约束、建筑物热惯性约束、供回水管道温度约束及建筑物温度约束;
结合收集的综合能源系统的相关参数求解构建的综合能源系统韧性提升模型,获得热网系统最优的制热功率及各场景下线路的抢修顺序;
基于获得的热网系统最优的制热功率控制综合能源系统并在极端冰雪灾害发生后按照实际断线情况对应的场景下线路的抢修顺序进行抢修,提升综合能源系统韧性。
进一步地,所述当前极端冰雪灾害的相关参数包括:电网系统线路环境温度、风速、降水率、冰雪灾害中心位置、冰雪灾害影响半径;综合能源系统的相关参数包括电网系统相关参数和热网系统相关参数,其中,电网系统相关参数包括:单位长度单位时间内线路覆冰载荷变化量、线路电流、线路位置、线路设计载荷、切负荷成本系数、各节点的电负荷、各节点的电压幅值、各节点的流入和流出有功功率、线路的电阻和电抗、各节点的电压幅值的上界和下界、节点间的父子关系、线路的有功功率和无功功率、线路的连接状态、线路的有功功率限值和无功功率限值;热网系统相关参数包括:管道始端和末端的温度、管道的水流量、管道的横截面积及长度,管道的传热系数;管道入口供/回水温度,管道出口供/回水温度、热网供水管道节点的温度及回水管道节点的温度、热网节点的热出力和热负荷以及通过节点的水流量、供水温度上限及下限、回水温度上限及下限、热负荷节点对应的室内温度,建筑物的热阻,建筑物室内空气热容量,建筑物数量,建筑物供暖热功率、建筑物室内最高温度和最低温度以及最舒适温度。
进一步地,所述极端冰雪灾害下综合能源系统中的电网系统线路故障模型具体如下:
;
;
为电网线路ij的设计载荷;/>为t时刻电网线路ij的故障率;/>为t时刻线路ij的覆冰厚度;xij为线路ij所在位置横坐标;yij为线路ij所在位置纵坐标;/>为冰雪灾害中心位置横坐标;/>为冰雪灾害中心位置纵坐标;/>为冰雪灾害影响半径;Le表示电网系统线路集合;A为线路覆冰增长率;T为线路环境温度;V为风速;P为降水率;I为线路电流。
进一步地,所述场景集合采用综合范数模糊集表示,如下:
;
式中:K为离散的场景个数;为第k个场景发生概率;/>为第k个场景的初始发生概率,场景的初始发生概率基于场景中全部线路同时故障的概率计算获得,其中场景中全部线路同时故障的概率越大,场景的初始发生概率越大;/>为置信水平。
进一步地,所述目标函数表示如下:
;
;
式中:x为第一阶段变量;y为第二阶段变量;K为离散的场景个数;为第k个场景发生概率;/>为第k个场景;/>为冰雪灾害发生前若干小时的供热成本;/>为冰雪灾害发生后切负荷成本;/>为供热成本系数;/>为切负荷成本系数;/>为t时刻制热功率;/>为t时刻节点i的电负荷;/>为t时刻节点i的负荷损失率,B为电网节点集合;/>为第k个场景下的第二阶段变量;/>为场景集合;/>为给定一组/>时优化变量/>的可行域;T为周期。
进一步地,所述联通和辐射状约束表示如下:
;
;
;
;
;
式中:为0-1变量,表示t时刻电网系统节点i和节点j的父子关系,若节点j为节点i的父节点,则/>;若节点i和节点j不相连,则/>;/>为与节点i相邻的节点集合;n为电网节点数量;/>为t时刻线路ij的连接状态0-1变量;Le表示电网系统线路集合;
抢修约束表示如下:
;
;
;
式中:E表示配电网损坏后对应场景下的故障线路集合;为配电网抵御阶段结束时间,即灾害发生后,电网性能下降后的时刻;/>为t时刻线路ij的连接状态0-1变量。
进一步地,所述建筑物热惯性约束表示如下:
式中:为t时刻热负荷节点a对应的室内温度;/>为热负荷节点a中对应建筑物的热阻;/>为热负荷节点a对应的建筑物室内空气热容量;/>为热负荷节点a对应的建筑物数量;/>为t时刻热负荷节点a对应的建筑物供暖热功率;/>为热负荷节点集;/>为时间间隔;/>为t时刻环境温度。
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计算机程序时实现所述的极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法。
一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时实现所述的极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法。
一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现所述极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法的步骤。
本发明具有的有益效果如下:
本发明考虑建筑物热惯性,在综合能源系统中充分挖掘了热能潜力,灾害前通过建筑物储热特性配置建筑物储热量,灾害后闭合联络开关进行拓扑重构,并且优化灾后抢修策略,通过多种手段提升电力系统韧性。对极端冰雪灾害来临时,提升综合能源系统韧性,降低极端冰雪灾害造成的损失具有重要意义。
附图说明
图1为本发明一种极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法流程图;
图2为实施例综合能源系统拓扑示意图;
图3为实施例线路覆冰厚度变化图;
图4为实施例各线路故障概率图;
图5为实施例灾害前4h热能配置图;
图6为实施例4种情形下电负荷保有量变化图;
图7为实施例情形1、情形2的制热功率变化图。
具体实施方式
以下结合说明书附图对本发明作进一步说明。
本发明提供了一种极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法,如图1所示,其包括:
步骤一,收集当前极端冰雪灾害的相关参数及综合能源系统的相关参数以便构建极端冰雪灾害下综合能源系统中的电网系统线路故障模型和综合能源系统韧性提升模型;一般情况下,收集的当前极端冰雪灾害的相关参数及综合能源系统的相关参数依据构建的极端冰雪灾害下综合能源系统中的电网系统线路故障模型和综合能源系统韧性提升模型所需进行收集,其中,所述当前极端冰雪灾害的相关参数主要包括:电网系统线路环境温度、风速、降水率、冰雪灾害中心位置、冰雪灾害影响半径;综合能源系统的相关参数可通过预测获得,包括电网系统相关参数和热网系统相关参数,其中,电网系统相关参数主要包括:单位长度单位时间内线路覆冰载荷变化量、线路电流、线路位置、线路设计载荷、切负荷成本系数、各节点的电负荷、各节点的电压幅值、各节点的流入和流出有功功率、线路的电阻和电抗、各节点的电压幅值的上界和下界、节点间的父子关系、线路的有功功率和无功功率,线路的连接状态、线路的有功功率限值和无功功率限值;热网系统相关参数主要包括:管道始端和末端的温度、管道的水流量、管道的横截面积及长度,管道的传热系数;管道入口供/回水温度,管道出口供/回水温度、热网供水管道节点的温度及回水管道节点的温度、热网节点的热出力和热负荷以及通过节点的水流量、供水温度上限及下限、回水温度上限及下限、节点对应的室内温度,建筑物的热阻,建筑物室内空气热容量,建筑物数量,建筑物供暖热功率、建筑物室内最高温度和最低温度以及最舒适温度等。
步骤二,考虑极端冰雪灾害对电网线路的影响,基于收集的当前极端冰雪灾害的相关参数及综合能源系统的相关参数模拟冰雪参数计算出极端冰雪灾害下线路的覆冰厚度和故障概率,构建极端冰雪灾害下综合能源系统中的电网系统线路故障模型;所述极端冰雪灾害下综合能源系统中的电网系统线路故障模型采用指数拟合表示线路覆冰厚度与线路故障概率的关系,具体构建方法包括以下子步骤:
21)计算冰雪灾害下线路覆冰厚度:
在潮湿环境中,线路覆冰增长率的修正公式如下式所示:
式中:A为线路覆冰增长率,即单位长度单位时间内线路覆冰载荷变化量;T为线路环境温度;V为风速;P为降水率;I为线路电流。
则电网线路覆冰厚度随时间t变化的关系如下式所示:
式中:为t时刻线路ij的覆冰厚度;xij为线路ij所在位置横坐标;yij为线路ij所在位置纵坐标,即线路ij中心点坐标;/>为冰雪灾害中心位置横坐标;/>为冰雪灾害中心位置纵坐标;/>为冰雪灾害影响半径;Le表示电网系统线路集合。
22)计算冰雪灾害下线路故障概率:
采用指数拟合线路覆冰厚度与线路故障概率的关系如下式所示:
式中:为电网线路ij的设计载荷;/>为t时刻电网线路ij的故障率。
步骤二,基于电网系统线路故障模型构建场景集合;场景集合中,每个场景中包含电网系统的若干线路,且场景中全部线路同时故障的概率大于D;
在一个具体的实施方案中,所述场景集合采用综合范数模糊集表示,如下:
;
式中:K为离散的场景个数;为第k个场景发生概率,所述场景发生概率为极端冰雪灾害来临时,发生该场景的概率;/>为第k个场景的初始发生概率,场景的初始发生概率基于场景中全部线路同时故障的概率计算获得,其中场景中全部线路同时故障的概率越大,场景的初始发生概率越大;/>为置信水平。
步骤三,基于构建的场景集合,考虑建筑物热惯性构建极端冰雪灾害下综合能源系统韧性提升模型,所述综合能源系统韧性提升模型包含目标函数和约束条件,目标函数为寻找最恶劣场景概率分布下的灾害前建筑物储热量最优配置方案和灾害后各场景故障修复策略,约束条件包括电网系统和热网系统中约束条件;具体包括以下子步骤:
31)构建综合能源系统韧性提升模型的目标函数
在一个具体的实施方案中,采用两阶段分布鲁棒优化模型,第一阶段min问题以灾害发生若干小时制热功率为决策变量,实现制热耗电成本和切负荷成本的经济性最优。第二阶段max-min问题寻找灾害发生后使得切负荷成本最小值最大的场景发生概率分布,得到故障后修复策略;其中,灾害发生时刻可依据电网系统线路故障模型判断获得,通常情况下,可选取大部分电网系统线路故障模型中线路故障概率不再增加(即线路故障达到最大概率)的时刻。以灾害发生4小时为例,其表达式如下:
式中:x为第一阶段变量;y为第二阶段变量;K为离散的场景个数;为第k个场景发生概率;/>为第k个场景;/>为冰雪灾害发生前若干小时例如4h的供热成本;/>为冰雪灾害发生后切负荷成本;/>为供热成本系数;/>为切负荷成本系数。/>为t时刻热网系统制热功率;/>为t时刻节点i的电负荷即有功功率;/>为t时刻节点i的负荷损失率,B为电网节点集合;/>为第k个场景下的第二阶段变量;/>为场景集合;/>为给定一组/>时优化变量/>的可行域;/>为置信水平,这里取95%。T为周期,一般取一天24h。
22)构建综合能源系统韧性提升模型的电网系统约束,包括:
(1) 电网潮流约束
式中:、/>分别为t时刻节点i、j的电压幅值;/>、/>分别为线路ij上的电阻和电抗;/>、/>分别为t时刻线路ij上的有功功率和无功功率;/>为电压幅值的基准值;为t时刻线路ij的连接状态0-1变量(1为连接,0为断开);M为节点电压上限的平方减下限的平方;/>、/>分别为t时刻节点i的流入、流出有功功率;/>为t时刻节点i电负荷损失值;/>、/>分别为t时刻节点i的流入、流出无功功率;/>为t时刻节点i无功功率的损失值;/>、/>分别为t时刻节点i的有功功率和无功功率;B为电网节点集合;/>为电网线路集合。
(2)支路功率约束
式中:为线路ij的有功功率限值;/>为线路ij的无功功率限值。
(3)节点电压约束
式中:、/>分别为节点i电压幅值的上界、下界。
(4)联通和辐射状约束
式中:为0-1变量,表示t时刻节点i和节点j的父子关系,若节点j为节点i的父节点,则/>;若节点i和节点j不相连,则/>;/>为与节点i相邻的节点集合;n为电网节点数量。
(5)抢修约束
式中:E表示配电网损坏后对应场景下的故障线路集合;为配电网抵御阶段结束时间,即灾害发生后,电网性能下降后的时刻。
23)综合能源系统韧性提升模型热网系统约束
(1)热网潮流约束
式中:和/>分别为t时刻管道ab始端a和末端b的温度;/>为环境温度;/>为管道ab的水流量;/>为水的密度;/>为管道ab的横截面积;/>为管道ab的长度;/>为管道ab的传热系数;/>为水的比热容;/>为热网节点合集;/>为管道ab入口供/回水温度,为管道ab出口供/回水温度;/>为t时刻供水管道节点b的温度;/>为t时刻回水管道节点b的温度;/>为t时刻节点b的热出力;/>为t时刻节点b的热负荷;/>为时间间隔,取1h;/>为t时刻通过节点b的水流量。
(2)建筑物热惯性约束
考虑热惯性对建筑物热负荷进行了建模,如下式所示:
式中:为t时刻热负荷节点a对应的室内温度;/>为热负荷节点a中对应建筑物的热阻;/>为热负荷节点a对应的建筑物室内空气热容量;/>为热负荷节点a对应的建筑物数量;/>为t时刻热负荷节点a对应的建筑物供暖热功率;/>为热负荷节点集;/>为t时刻环境温度。
(3)供回水管道温度约束
在热网中,供水管道和回水管道温度也在一定范围内,如下式所示:
式中:为供水温度上限;/>为供水温度下限;/>为回水温度上限;/>为回水温度下限。
(4)建筑物温度约束
为保障居民供暖,室内温度应在一定范围内波动,应当尽量维持在舒适值,如下式所示:
式中:为室内最高温度;/>为室内最低温度;/>为室内最舒适温度。
步骤四,结合收集的综合能源系统的相关参数求解构建的综合能源系统韧性提升模型,获得热网系统最优的制热功率及各场景下线路的抢修顺序;
在一个具体的实施方案中,通过Gurobi求解器对两阶段分布鲁棒优化模型(DRO模型)进行求解,具体如下:
对韧性提升模型目标函数进行分解,可以得到主问题和子问题,如下式所示。极端冰雪灾害下配电网断线场景是相互独立的,将子问题分解成两个单独的问题,这里采用列与约束生成算法(column-and-constraint generation,CCG)进行求解。求解中,通过不断向主问题添加与主问题有关的子问题各场景下决策变量和约束,加速优化收敛,直至成本上界和成本下界误差满足要求。具体地,如图1所示,基于给定的每个场景发生概率先进行求解主问题得到一阶段解,更新成本下界,如果成本上界和成本下界误差不满足要求,添加辅助变量和子问题相关约束,将其代入主问题进行迭代计算,通过成本上界与成本下界的误差判断迭代是否完成,从而实现两阶段DRO模型的求解,获得热网系统最优的制热功率及各场景下线路的抢修顺序。
式中:为主问题求解后确定的第一阶段变量。
步骤五,基于获得热网系统最优的制热功率控制综合能源系统,并在极端冰雪灾害发生后按照实际断线情况对应的场景下线路的抢修顺序进行抢修,提升综合能源系统韧性。
与前述一种极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法的实施例相对应, 本发明还提供了一种电子设备,包括存储器(内存)、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计算机程序时实现如所述的一种极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法。电子设备作为一个逻辑意义上的装置,是通过其所在任意具备数据处理能力的设备的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的;除了处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的任意具备数据处理能力的设备通常根据该任意具备数据处理能力的设备的实际功能,还可以包括其他硬件,对此不再赘述。
本发明实施例还提供一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时,实现上述实施例中的一种极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法。
所述计算机可读存储介质可以是前述任一实施例所述的任意具备数据处理能力的设备的内部存储单元,例如硬盘或内存。所述计算机可读存储介质也可以是任意具备数据处理能力的设备,例如所述设备上配备的插接式硬盘、智能存储卡( Smart Media Card,SMC ) 、SD卡、闪存卡(Flash Card)等。进一步的,所述计算机可读存储介质还可以既包括任意具备数据处理能力的设备的内部存储单元也包括外部存储设备。所述计算机可读存储介质用于存储所述计算机程序以及所述任意具备数据处理能力的设备所需的其他程序和数据,还可以用于暂时地存储已经输出或者将要输出的数据。
下面结合一具体实施例对本发明方法的效果作进一步说明。
实施例
本实施例用以说明本发明的一种极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法。本实施例完成于一台配置为Inter Core i5- 12500H CPU @ 2.50GHz、16.0GB内存和NVIDIA GTX 3060 GPU的个人电脑中。程序使用Python 3.10.9编写,涉及优化部分使用框架为Gurobi 10.0.3。
本实施例采用IEEE33节点配电网系统与6节点热网系统耦合的综合能源系统搭建算例作为实施对象,如图2所示。其中,IEEE33节点配电网系统含有5条联络开关,以配电网馈线出线端作为原点建立坐标系,横向相邻节点相距2.5km,纵向相邻节点相距10km。6节点热网系统的1节点与配电网的8节点通过热电机组连接实现热电耦合,热网系统含有3个热负荷节点,1个热源节点和2个混合节点。
首先,根据步骤一所述内容,收集当前极端冰雪灾害的相关参数及综合能源系统的相关参数,本实施例中采用历史数据;再根据步骤二模拟极端冰雪灾害中心为(-130km,-130km),极端冰雪灾害影响半径为130km,以8km/h的速度朝与横坐标呈45°方向向原点移动。计算得到各线路覆冰厚度和故障概率构建得到极端冰雪灾害下综合能源系统中的电网系统线路故障模型。线路23-24的覆冰厚度变化图如图3所示,各线路故障概率如图4所示。选取大部分电网系统线路故障模型中线路故障概率不再增加的时刻t1=4h作为来临时间,取线路故障概率高于90%的线路进行随机组合构成断线场景模型,再从断线场景模型中选取全部线路同时故障即断线的概率大于70%的场景。如果断线多的场景包含断线少的场景,则断线多的场景比断线少的场景更恶劣。本实施例中断线概率大于70%的场景中最多断线条数为4根,所以选取断线4根的断线场景,共有13种。
然后,根据步骤三和步骤四将断线场景代入两阶段DRO模型进行优化,寻找最恶劣场景概率分布下的灾害前建筑物储热量最优配置方案和灾害后故障抢修方案。各断线模型中全部线路同时故障的概率相差不大,所以场景初始发生概率均取7.69%。得到最恶劣场景概率分布下考虑热惯性和不考虑热惯性的灾害前建筑物储热量最优配置方案如图5所示,可以看出,考虑热惯性后,相当于考虑建筑物储热特性,前4h制热功率明显降低,建筑物储热量配置成本也明显降低。
再然后,选取固定线路15-16,6-26,4-5,21-22发生断线故障的断线场景,展示是否考虑热惯性和不同抢修策略下的韧性情况。设共有四种情形,情形1,考虑建筑物的热惯性,采用求解获得的最优的抢修顺序进行抢修;情形2,不考虑建筑物的热惯性(综合能源系统韧性提升模型中不包含建筑物热惯性约束),采用最优的抢修顺序;情形3,考虑建筑物的热惯性,采用固定的抢修顺序进行抢修;情形4,不考虑建筑物的热惯性,采用固定的抢修顺序进行抢修。各情形采用最恶劣场景概率分布下考虑热惯性和不考虑热惯性的灾害前建筑物储热量最优配置方案。优化后可得到各情形下电负荷保有量变化图如图6所示,不同情形制热功率变化图如图7所示,由图6可以看出,由于考虑建筑物热惯性,建筑物具有储热特性,灾害后建筑物热负荷处于较低水平,制热功率也相对较低。因此,考虑热惯性后负荷保有量在故障阶段下降较少,但由于建筑物储热损耗较大,负荷保有量降低较快。7h后,抢修开始,因为建筑物的储热特性和热网的热延时特性影响了热负荷的变化趋势,所以最优抢修顺序随着是否考虑建筑物热惯性而变化。采用最优抢修顺序和固定的抢修顺序虽然都能使负荷保有量恢复到正常水平,但采用最优抢修顺序的恢复速率更高,故障恢复期间切负荷量更少,极端冰雪灾害对电力系统造成的影响也更小。
由图7可以看出4h时,断线故障来临,此时抢修还未开始,为故障最恶劣时刻,不论是否考虑热惯性,制热功率都维持在较低水平。灾害来临前后,不考虑热惯性,制热功率需要维持在较高水平;考虑热惯性,制热功率上下波动且相较于不考虑热惯性更低。考虑热惯性后,较低的制热功率缓解了断线后的电力供应受阻。
最后,根据步骤三对固定断线场景,不同情形所得优化结果进行韧性评估。维持性指标主要反映极端灾害发生前后,电力系统各阶段的性能情况;抵抗性指标/>主要表现为极端灾害发生后电力系统中的负荷保有量与极端灾害发生前电力系统中的负荷保有量的对比;恢复性指标/>主要考虑负荷恢复量和负荷恢复速度两个方面情况。各评估指标如下式所示:
式中:为节点i的电负荷;/>为节点i电负荷损失值;B为电网节点集合;/>为抵御阶段开始时间,即灾害来临时间,电网性能还在正常状态,这里为4h;/>为恢复阶段结束时间,即抢修结束时间,这里为17h;/>为恢复阶段开始时间,即抢修开始时间,这里为7h。
可以得到评估结果如下表1所示。评估结果表明本发明方法可以在极端冰雪灾害下提升综合能源系统韧性。
表1四种情形的评估结果
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其他不同形式的变化或变动。这里无需也无法把所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围。
Claims (10)
1.一种极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法,其特征在于,包括:
收集当前极端冰雪灾害的相关参数及综合能源系统的相关参数;
基于收集的当前极端冰雪灾害的相关参数及综合能源系统的相关参数模拟冰雪参数并构建极端冰雪灾害下综合能源系统中的电网系统线路故障模型;所述极端冰雪灾害下综合能源系统中的电网系统线路故障模型表示线路覆冰厚度与线路故障概率的关系;
基于电网系统线路故障模型构建场景集合;场景集合中,每个场景中包含电网系统的若干线路,且场景中全部线路同时故障的概率大于D;
基于构建的场景集合构建综合能源系统韧性提升模型,所述综合能源系统韧性提升模型包含目标函数和约束条件,其中目标函数为最小化极端冰雪灾害发生前若干小时的制热耗电成本和切负荷成本之和以及寻找使得极端冰雪灾害发生后切负荷成本最小值最大的场景发生概率分布;所述场景发生概率为极端冰雪灾害来临时,发生该场景的概率;所述约束条件包括电网系统约束和热网系统约束,电网系统约束包括电网潮流约束、支路功率约束、节点电压约束、联通和辐射状约束和抢修约束;热网约束包括热网潮流约束、建筑物热惯性约束、供回水管道温度约束及建筑物温度约束;
结合收集的综合能源系统的相关参数求解构建的综合能源系统韧性提升模型,获得热网系统最优的制热功率及各场景下线路的抢修顺序;
基于获得的热网系统最优的制热功率控制综合能源系统并在极端冰雪灾害发生后按照实际断线情况对应的场景下线路的抢修顺序进行抢修,提升综合能源系统韧性。
2.根据权利要求1所述的方法,其特征在于,所述当前极端冰雪灾害的相关参数包括:电网系统线路环境温度、风速、降水率、冰雪灾害中心位置、冰雪灾害影响半径;综合能源系统的相关参数包括电网系统相关参数和热网系统相关参数,其中,电网系统相关参数包括:单位长度单位时间内线路覆冰载荷变化量、线路电流、线路位置、线路设计载荷、切负荷成本系数、各节点的电负荷、各节点的电压幅值、各节点的流入和流出有功功率、线路的电阻和电抗、各节点的电压幅值的上界和下界、节点间的父子关系、线路的有功功率和无功功率、线路的连接状态、线路的有功功率限值和无功功率限值;热网系统相关参数包括:管道始端和末端的温度、管道的水流量、管道的横截面积及长度,管道的传热系数;管道入口供/回水温度,管道出口供/回水温度、热网供水管道节点的温度及回水管道节点的温度、热网节点的热出力和热负荷以及通过节点的水流量、供水温度上限及下限、回水温度上限及下限、热负荷节点对应的室内温度,建筑物的热阻,建筑物室内空气热容量,建筑物数量,建筑物供暖热功率、建筑物室内最高温度和最低温度以及最舒适温度。
3.根据权利要求1所述的方法,其特征在于,所述极端冰雪灾害下综合能源系统中的电网系统线路故障模型具体如下:
;
;
;
为电网线路ij的设计载荷;/>为t时刻电网线路ij的故障率;/>为t时刻线路ij的覆冰厚度;xij为线路ij所在位置横坐标;yij为线路ij所在位置纵坐标;/>为冰雪灾害中心位置横坐标;/>为冰雪灾害中心位置纵坐标;/>为冰雪灾害影响半径;Le表示电网系统线路集合;A为线路覆冰增长率;T为线路环境温度;V为风速;P为降水率;I为线路电流。
4.根据权利要求1所述的方法,其特征在于,所述场景集合采用综合范数模糊集表示,如下:
;
式中:K为离散的场景个数;为第k个场景发生概率;/>为第k个场景的初始发生概率,场景的初始发生概率基于场景中全部线路同时故障的概率计算获得,其中场景中全部线路同时故障的概率越大,场景的初始发生概率越大;/>为置信水平。
5.根据权利要求1所述的方法,其特征在于,所述目标函数表示如下:
;
;
式中:x为第一阶段变量;y为第二阶段变量;K为离散的场景个数;为第k个场景发生概率;/>为第k个场景;/>为冰雪灾害发生前若干小时的供热成本;/>为冰雪灾害发生后切负荷成本;/>为供热成本系数;/>为切负荷成本系数;/>为t时刻制热功率;/>为t时刻节点i的电负荷;/>为t时刻节点i的负荷损失率,B为电网节点集合;/>为第k个场景下的第二阶段变量;/>为场景集合;/>为给定一组/>时优化变量/>的可行域;T为周期。
6.根据权利要求1所述的方法,其特征在于,所述联通和辐射状约束表示如下:
;
;
;
;
;
式中:为0-1变量,表示t时刻电网系统节点i和节点j的父子关系,若节点j为节点i的父节点,则/>;若节点i和节点j不相连,则/>;/>为与节点i相邻的节点集合;n为电网节点数量;/>为t时刻线路ij的连接状态0-1变量;Le表示电网系统线路集合;
抢修约束表示如下:
;
;
;
式中:E表示配电网损坏后对应场景下的故障线路集合;为配电网抵御阶段结束时间,即灾害发生后,电网性能下降后的时刻;/>为t时刻线路ij的连接状态0-1变量。
7.根据权利要求1所述的方法,其特征在于,所述建筑物热惯性约束表示如下:
;
式中:为t时刻热负荷节点a对应的室内温度;/>为热负荷节点a中对应建筑物的热阻;/>为热负荷节点a对应的建筑物室内空气热容量;/>为热负荷节点a对应的建筑物数量;/>为t时刻热负荷节点a对应的建筑物供暖热功率;/>为热负荷节点集;/>为时间间隔;/>为t时刻环境温度。
8.一种电子设备,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,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-6任一项所述的极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法。
9.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时实现如权利要求1-6任一项所述的极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法。
10.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1-6任一项所述极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410407205.5A CN117993896A (zh) | 2024-04-07 | 2024-04-07 | 极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410407205.5A CN117993896A (zh) | 2024-04-07 | 2024-04-07 | 极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117993896A true CN117993896A (zh) | 2024-05-07 |
Family
ID=90897861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410407205.5A Pending CN117993896A (zh) | 2024-04-07 | 2024-04-07 | 极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117993896A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150142192A1 (en) * | 2012-06-04 | 2015-05-21 | Mobile Comfort Holding | Method of regulating a plant comprising cogenerating installations and thermodynamic systems intended for air conditioning and/or heating |
CN110391657A (zh) * | 2019-06-11 | 2019-10-29 | 浙江大学 | 一种应对极端天气引起短路故障的电力系统韧性提高方法 |
CN111313429A (zh) * | 2020-02-25 | 2020-06-19 | 国网山西省电力公司经济技术研究院 | 一种用于综合能源系统的可靠性评估方法及系统 |
WO2021164153A1 (zh) * | 2020-02-21 | 2021-08-26 | 华北电力大学 | 一种智能电表的配置方法、装置及计算设备 |
JP2022119184A (ja) * | 2021-02-03 | 2022-08-16 | 東北電力大学 | マルチエネルギー協同の配電網用アクティブ解列制御方法 |
US20220325904A1 (en) * | 2019-09-10 | 2022-10-13 | Apterix Sa | Auxiliary system for a low-temperature thermal energy distribution network |
WO2022257712A1 (zh) * | 2021-06-11 | 2022-12-15 | 国网上海市电力公司 | 面向韧性提升的配电网分布式电源储能控制方法及系统 |
CN115587649A (zh) * | 2022-09-16 | 2023-01-10 | 国网黑龙江省电力有限公司 | 一种极端冰雪灾害下输电线路检修顺序优化决策方法 |
CN115879833A (zh) * | 2023-03-02 | 2023-03-31 | 国网山东省电力公司威海供电公司 | 考虑灾害响应和恢复的双层配电网韧性评估方法及系统 |
CN116934054A (zh) * | 2023-08-30 | 2023-10-24 | 天津大学 | 一种计及用户热耐受度的区域综合能源系统韧性提升方法 |
CN117010621A (zh) * | 2023-06-28 | 2023-11-07 | 河海大学 | 一种基于随机分布鲁棒优化的综合能源系统韧性提升方法 |
US20240006883A1 (en) * | 2020-12-21 | 2024-01-04 | Georgia Tech Research Corporation | Systems and methods for resilient recovery services from power failures |
CN117674092A (zh) * | 2023-11-28 | 2024-03-08 | 国网北京市电力公司 | 受灾害电网的配置方法、配置装置和电子设备 |
-
2024
- 2024-04-07 CN CN202410407205.5A patent/CN117993896A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150142192A1 (en) * | 2012-06-04 | 2015-05-21 | Mobile Comfort Holding | Method of regulating a plant comprising cogenerating installations and thermodynamic systems intended for air conditioning and/or heating |
CN110391657A (zh) * | 2019-06-11 | 2019-10-29 | 浙江大学 | 一种应对极端天气引起短路故障的电力系统韧性提高方法 |
US20220325904A1 (en) * | 2019-09-10 | 2022-10-13 | Apterix Sa | Auxiliary system for a low-temperature thermal energy distribution network |
WO2021164153A1 (zh) * | 2020-02-21 | 2021-08-26 | 华北电力大学 | 一种智能电表的配置方法、装置及计算设备 |
CN111313429A (zh) * | 2020-02-25 | 2020-06-19 | 国网山西省电力公司经济技术研究院 | 一种用于综合能源系统的可靠性评估方法及系统 |
US20240006883A1 (en) * | 2020-12-21 | 2024-01-04 | Georgia Tech Research Corporation | Systems and methods for resilient recovery services from power failures |
JP2022119184A (ja) * | 2021-02-03 | 2022-08-16 | 東北電力大学 | マルチエネルギー協同の配電網用アクティブ解列制御方法 |
WO2022257712A1 (zh) * | 2021-06-11 | 2022-12-15 | 国网上海市电力公司 | 面向韧性提升的配电网分布式电源储能控制方法及系统 |
CN115587649A (zh) * | 2022-09-16 | 2023-01-10 | 国网黑龙江省电力有限公司 | 一种极端冰雪灾害下输电线路检修顺序优化决策方法 |
CN115879833A (zh) * | 2023-03-02 | 2023-03-31 | 国网山东省电力公司威海供电公司 | 考虑灾害响应和恢复的双层配电网韧性评估方法及系统 |
CN117010621A (zh) * | 2023-06-28 | 2023-11-07 | 河海大学 | 一种基于随机分布鲁棒优化的综合能源系统韧性提升方法 |
CN116934054A (zh) * | 2023-08-30 | 2023-10-24 | 天津大学 | 一种计及用户热耐受度的区域综合能源系统韧性提升方法 |
CN117674092A (zh) * | 2023-11-28 | 2024-03-08 | 国网北京市电力公司 | 受灾害电网的配置方法、配置装置和电子设备 |
Non-Patent Citations (7)
Title |
---|
HUANG WUJING等: "Resilience Oriented Planning of Urban Multi-Energy Systems With Generalized Energy Storage Sources", 《IEEE TRANSACTIONS ON POWER SYSTEMS》, vol. 34, no. 4, 27 October 2021 (2021-10-27), pages 2906 - 2918 * |
SHEN FF等: "Distributed Risk-Limiting Load Restoration in Unbalanced Distribution Systems With Networked Microgrids", 《IEEE TRANSACTIONS ON SMART GRID》, vol. 11, no. 6, 15 May 2020 (2020-05-15), pages 4574 - 4586, XP011815814, DOI: 10.1109/TSG.2020.2995099 * |
侯俊贤等: "考虑综合故障率的线路分段差异化规划方法", 《中国电机工程学报》, no. 21, 5 November 2015 (2015-11-05), pages 5437 - 5445 * |
孙萌萌: "考虑韧性的电热综合能源系统冰灾后优化调度研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, no. 2, 15 February 2024 (2024-02-15), pages 039 - 35 * |
赵阳;安佳坤;孟斌;郭计元;刘雪飞;: "基于覆冰动态增长的电力系统风险评估方法", 科技创新与应用, no. 33, 28 November 2016 (2016-11-28) * |
陶然等: "考虑电-气-热-交通相互依存的城市能源系统韧性评估与提升方法", 《电工技术学报》, vol. 38, no. 22, 25 November 2023 (2023-11-25), pages 6133 - 6149 * |
鞠平等: "电力系统的柔性、弹性与韧性研究", 《电力自动化设备》, vol. 39, no. 11, 10 November 2019 (2019-11-10), pages 1 - 7 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Optimal generating unit maintenance scheduling for multi-area system with network constraints | |
CN110490376B (zh) | 面向配电网可靠性和经济性提升的智能软开关规划方法 | |
CN110571807A (zh) | 极端自然灾害下计及储能配置韧性配电网规划方法及系统 | |
CN102222907A (zh) | 一种适用于多回同杆架设线路的配电网可靠性评估方法 | |
CN110401229B (zh) | 一种考虑微能源网支撑作用的配电网弹性提升方法 | |
CN117010621B (zh) | 一种基于随机分布鲁棒优化的综合能源系统韧性提升方法 | |
CN106056466B (zh) | 基于FP-growth算法的大电网关键线路识别方法 | |
CN104935017A (zh) | 基于改进轻鲁棒优化模型的风电与火电机组组合方法 | |
CN115663922A (zh) | 一种分布式电源多自由度优化配置方法及系统 | |
CN113507116B (zh) | 一种配电网负荷转供方法、装置、设备及存储介质 | |
CN117993896A (zh) | 极端冰雪灾害下考虑热惯性的综合能源系统韧性提升方法 | |
CN113690916A (zh) | 基于时序生产模拟的直流电网储能配置方法、设备及介质 | |
CN114567562B (zh) | 一种电网与通信网耦合网络关键节点识别的方法 | |
CN111697607A (zh) | 一种多端柔性直流输电受端电网接入方法及系统 | |
Xu et al. | Optimal PMU placement for the distribution system based on genetic-tabu search algorithm | |
CN115719967A (zh) | 一种用于提高供电可靠性的有源配电网储能装置优化配置方法 | |
CN111987700B (zh) | 基于两阶段优化的综合能源系统型配电网故障恢复方法 | |
Zeng et al. | Resilience assessment for power systems under sequential attacks using double DQN with improved prioritized experience replay | |
CN114188973A (zh) | 一种计及线路强迫停运的两阶段检修-运行鲁棒优化方法 | |
CN110288275B (zh) | 一种提升综合能源系统韧性的方法 | |
CN112865320A (zh) | 基于失电路径信息流转与柔性极差的电网自愈控制方法及其装置 | |
CN101552473B (zh) | 一种电抗器的重构配置方法 | |
CN115396294B (zh) | 配网信息物理复合故障的多阶段信息物理协同恢复方法 | |
CN112528467B (zh) | 一种电热综合能源系统鲁棒机组组合模型的求解方法 | |
Tang et al. | Electricity gas integrated energy system scheduling model considering uncertainties and multi-storage of both electricity and gas systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |