CN118313957A - 基于场景归因的综合能源系统安全提升方法及装置 - Google Patents
基于场景归因的综合能源系统安全提升方法及装置 Download PDFInfo
- Publication number
- CN118313957A CN118313957A CN202410449740.7A CN202410449740A CN118313957A CN 118313957 A CN118313957 A CN 118313957A CN 202410449740 A CN202410449740 A CN 202410449740A CN 118313957 A CN118313957 A CN 118313957A
- Authority
- CN
- China
- Prior art keywords
- scene
- attribution
- safety
- energy
- module
- 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
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004458 analytical method Methods 0.000 claims abstract description 34
- 238000005457 optimization Methods 0.000 claims abstract description 33
- 230000008447 perception Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 5
- 239000011159 matrix material Substances 0.000 claims description 37
- 239000013598 vector Substances 0.000 claims description 33
- 238000004146 energy storage Methods 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 4
- 238000005338 heat storage Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 abstract description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000007789 gas Substances 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 239000003345 natural gas Substances 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000010354 integration Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003467 diminishing effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于场景归因的综合能源系统安全提升方法及装置，方法包括：基于系统感知模块对ICES系统进行状态感知，实现系统的建模与状态分析；基于运行优化模块处理潜在运行场景下的运营问题；基于场景归因分析模块分析大规模场景，通过单一优化求解出同一归因集内所有场景的最优解；基于安全调度模块，根据场景归因部分的安全分析结果，实现园区综合能源系统的安全提升。装置包括：处理器和存储器。本发明有效衡量可靠性和经济性，可以实时评估海量潜在场景，能够实现综合能源系统安全性的动态提升，有效预防了系统运行过程中的潜在安全风险，降低了系统的故障率。
Description
技术领域
本发明涉及综合能源系统安全提升领域，尤其涉及一种基于场景归因的综合能源系统安全提升方法及装置。
背景技术
在全球对环境问题关注度不断提升的背景下，对能源生产和消费模式进行转型成为了一个迫切的需求。园区综合能源系统(ICES)作为一种应对这一挑战的解决方案，通过集成多种能源形态来满足社区的多样化能源需求，旨在提升能源利用的整体效率。这种系统的经济分析，尽管面临复杂性和规模上的挑战，但是通过采用混合整数线性规划(MILP)[1]、启发式算法以及随机优化(SO)[2]等技术，能够有效地处理可再生能源集成及多能源需求的不确定性，进而优化能源系统的性能。
ICES的运营主要旨在实现经济效益和系统可靠性的最优化。在可靠性评估方面，随机场景生成技术被用于模拟不同的运行情况，以考虑可再生能源集成带来的不确定性和复杂性。随着可再生能源比例的增加，场景的复杂性也随之上升，这就需要场景缩减技术[3](例如K-means算法)来降低计算负担。然而，这种方法可能忽略了一些重要场景，特别是在高渗透的可再生能源和不确定的设备运行条件下。
为了克服这些挑战，最近的研究开始探索新的方法，例如：基于多参数规划的优化技术[4]，这些策略不仅有助于提高计算的速度和准确性，还能增强ICES在面对不确定性时的经济性和可靠性。尽管如此，这些解决方案引入的新问题和复杂性仍然需要进一步的研究，以便更有效地调控运营园区综合能源系统。
参考文献
[1]Correa-Posada C M,Sanchez-Martin P.Integrated power and naturalgas model for energy adequacy in short-term operation[J].IEEE Transactions onPower Systems,2014,30(6):3347-3355.
[2]Fu B,Ouyang C,Li C,et al.An improved mixed integer linearprogramming approach based on symmetry diminishing for unit commitment ofhybrid power system[J].Energies,2019,12(5):833.
[3]Mirzaei A,Rahmati M.A novel hierarchical-clustering-combinationscheme based on fuzzy-similarity relations[J].IEEE Transactions on FuzzySystems,2009,18(1):27-39.
[4]Zhuo Z,Du E,Zhang N,et al.Incorporating massive scenarios intransmission expansion planning with high renewable energy penetration.IEEETransactions on Power Systems,2019,35(2):1061-1074.
发明内容
本发明提供了一种基于场景归因的综合能源系统安全提升方法及装置，本发明有效衡量可靠性和经济性，可以实时评估海量潜在场景，能够实现综合能源系统安全性的动态提升，有效预防了系统运行过程中的潜在安全风险，降低了系统的故障率，详见下文描述：
一种基于场景归因的综合能源系统安全提升方法，所述方法包括：
基于系统感知模块对ICES系统进行状态感知，实现系统的建模与状态分析；
基于运行优化模块处理潜在运行场景下的运营问题；
基于场景归因分析模块分析大规模场景，通过单一优化求解出同一归因集内所有场景的最优解；
基于安全调度模块，根据场景归因部分的安全分析结果，实现园区综合能源系统的安全提升。
其中，所述基于场景归因分析模块分析大规模场景具体为：
通过引入松弛变量，将不等式约束转化成等式约束：
其中，x表示调度决策向量；ys表示场景s的运营状态向量；ps是场景s的概率；bs、bm表示右边的荷载向量；cs、cm表示成本向量；T0、Ts为系数矩阵；Ws为连续型变量的系数矩阵；Ωs为场景集合；系数矩阵Ts、Ws分别为：
φ1＝[-Sstart,ees -Sstart,hes -Sstart,ces]T
φ3＝[0b×(p+k) -Ib×b Ib×b]
φ4＝[0b×(p+k) Ib×b -Ib×b]
其中：ees、hes、ces分别表示电储能、储热和蓄冷；Punit表示单位设备的最大出力；N为设备规划数量；e表示负荷种类；p表示能源输入类型数，k表示非储能设备数量，g表示储能设备数量；表示内积符号，I代表单位矩阵，N表示对角矩阵，对角元素为ICES系统中各设备的数量；diag(η)表示对角元素为η的t×t维度的对角矩阵。
其中，所述通过单一优化求解出同一归因集内所有场景的最优解为：
其中，δcB、δcN表示能源价格波动的向量；δbB、δbN表示多负载水平波动的向量；δT表示可再生能源波动向量；
最优基础矩阵保持不变的必要充分条件是：
(WB)-1[b+δb-[T+δT]x]≥0
最优解为：
第二方面、一种基于场景归因的综合能源系统安全提升装置，所述装置包括：处理器和存储器，所述存储器中存储有程序指令，所述处理器调用存储器中存储的程序指令以使装置执行第一方面中的任一项所述的方法。
第三方面、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时使所述处理器执行第一方面中的任一项所述的方法。
本发明提供的技术方案的有益效果是：
1、本发明通过系统感知部分的准确建模与状态分析，能够实时捕捉综合能源系统的运行状态，为后续的优化与调度提供了可靠的数据支撑；
2、本发明的运行优化部分结合经济性和可靠性联合安全提升策略，能够有效解决一系列潜在运行场景下的运行问题，通过集成柔性负荷(Integrated Flexible Load,IFL)、N-k等策略的协同评估，在保证园区综合能源系统运行经济性的前提下，使得园区的平均缺供能水平降低83％以上；
3、本发明的场景归因分析部分实现了大规模场景的精准高效分析，极大地提高了分析的效率和优化的精确度；尤其对于相似性较高的运行场景，本发明通过一次线性优化和灵敏度分析，实现在考虑百余潜在场景情况下的最优调度决策(而非近似最优策略)的秒级生成；
4、本发明的安全调度部分利用场景归因分析的结果，能够实现综合能源系统安全性的动态提升，有效预防了系统运行过程中的潜在安全风险。
附图说明
图1为基于场景归因的综合能源系统安全提升方法的流程图；
图2为不考虑IFL策略的计算时间分布图；
图3为考虑IFL策略的计算时间分布图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。
实施例1
本发明实施例提供了一种基于场景归因的综合能源系统安全提升方法，该方法集成了一种经济性-可靠性联合安全提升策略以及一种基于场景归因的大规模场景分析技术。该方法包括：系统感知模块、运行优化模块、场景归因分析模块以及安全调度模块。具体而言，系统感知部分用于对ICES系统进行状态感知，实现系统的准确建模与状态分析；运行优化部分通过解决用于处理一系列潜在运行场景下的运营问题；而场景归因分析部分则旨在精准高效地分析大规模场景，通过单一优化求解出同一归因集内所有场景的最优解。最后，根据场景归因部分的安全分析结果，实现园区综合能源系统的安全提升。
一、系统感知模块
包括两个部分：1)ICES子模块；2)IFL子模块。通过两个子模块之间的协同作用，实现了高效的能量管理和IFL优化。
1)ICES子模块
综合能源系统包含多个关键组件，例如：能量转换设备、可再生能源(光伏、风力发电)、能量储存设备以及各种负载。在典型的ICES中，输入和输出能量之间的关系可以用一个二端口模型表示，引入时间t，该模型以矩阵形式呈现。
Lt,e＝ηPt,p (1)
其中，Pt,p、Lt,e分别为能量供应向量和负载需求向量；η为能量效率矩阵。
ICES的系统建模主要分为三部分：CHP模型、能量存储模型、能量转换设备模型。本发明实施例选择抽凝机组热电联产机组CHP进行建模。
其中，ZCHP为CHP电输出功率变化与热输出功率变化之比；分别为t时刻CHP热能、电能；分别表示t时刻CHP输出热能、电能；表示在全凝结模式下的抽凝机组热电联产机组CHP的功率；ηg2e表示CHP的效率；表示t时刻CHP输入电能。
Sstart＝Send (8)
其中，es∈Ωes，分别表示t时刻能量存储设备的充电功率、放电功率； 分别表示t时刻能量存储设备负荷削减的最大充电功率、最大放电功率；Sstart、Send分别表示开始能量存储时的SOC、结束存储时的SOC；Ses,t、Ses,t-1分别表示t时刻、t-1时刻能量存储设备的SOC；表示能量存储设备的充电效率、放电效率；分别表示t时刻能量存储设备负荷削减的最小SOC、最大SOC。
能量转换设备模型：
其中，分别表示t时刻HP的热能、电能；表示t时刻GB的热能、流量；分别表示t时刻EB的热能、电能；分别表示t时刻AC的冷能、热能；分别表示t时刻EC的冷能、电能；ηGB、ηEB、ηEC分别表示GB、EB、EC的效率；COPHP、COPAC分别表示HP、AC的效率；qgas表示天然气的热值。
2)IFL子模块
基于IFL策略，负荷在ICES系统中分为三类：基础负荷、可转移负荷和可削减负荷。基础负荷指的是无法控制和转移的负荷，具有固定的时间和能耗。可转移负荷允许在时间上进行调整，以提高资源利用率，特别是在高峰时期或供应短缺时。可削减负荷具备可调性，可以根据电力系统需求进行能耗的削减。
综合柔性负载(IFL)显著增强了需求侧的灵活性，在缓解可再生能源的可变性和减少对补充备份系统的依赖方面发挥了至关重要的作用。在系统故障的情况下，IFL可以通过各种能源系统的动态负荷转移和负荷削减来保持能源供应的可靠性。
其中，分别为时刻t负荷类型e的转移来的负荷、转移走的负荷； 分别表示时刻t负荷类型e的转移来的负荷最大值、转移走的负荷最大值；为IFL可调参数，Lt,e为时刻t负荷类型e的负荷。式(16)-(21)为可转移负载的运行模型。式(21)规定可转移负载在单个运行周期内的增减是平衡的，这一平衡对于确保用户的总能耗不变至关重要。
与可转移负荷不同，可削减负荷可以被直接中断或减少。
其中，为时刻t负荷类型e的可削减负荷；表示时刻t负荷类型e的可削减负荷最大值；式(22)为可削减负荷的运行模型。
二、运行优化模块
为了提高所提方法在投资决策中的准确性和灵活性，有必要捕捉未来一段时间内影响ICES运行的大量场景。在运行优化模块中，考虑了以下方面：
1)IFL策略和多能源存储系统。
IFL策略旨在通过智能调控能源需求侧，实现能源消耗的最优化，以应对市场价格波动和能源供应的不确定性。同时，多能源存储系统的引入为不同能源形式提供了存储与转换能力，增强了系统在面对能源供应中断或需求突增时的应对能力。
2)在未来一段时间尺度内，设备运行不确定性引起的N-k事故场景，其中事故场景通过未来一段时间尺度内的潜在运行状态与N-k设备故障场景结合而得。N-k场景通过状态枚举法得到。
该模块的目标函数如下：
其中，运行成本包括两个组成部分：设备维护成本、碳排放成本以及能源购买成本。
其中，com,i表示设备i的碳排放成本；Pi,t,s表示t时刻设备i的电能；cce,i表示设备i的维护成本；表示t时刻的电价；表示t时刻与电网的交换功率；cgas代表天然气价格；表示t时刻天然气流量；表示负荷转移成本；表示负荷转移量；ΩT为时间集合。
可靠性成本定义为与负荷损失相关的成本，可以通过单位等效负荷损失成本和负荷损失的乘积来计算。因此，可靠性成本Crel由以下方程导出：
其中，ce是时间t的负荷损失成本；Rt,e,s表示t时刻负荷类型e的削减负荷。
下层运行优化模块约束包括设备运行约束和系统运行约束。设备运行约束在系统模块已介绍，系统运行约束如下所示。
ICES、配电网络和燃气网络之间的交换功率受以下限制：
其中，Pe表示配电网络交换功率；分别表示配电网交换功率的最小值、最大值；Fg表示燃气网络流量；表示燃气网最大流量。
设备的最大输出约束如下：
其中，Pin表示设备的输入功率；表示负荷削减功率最小值、最大值；设为0；取决于规划优化模块的决策变量N。此约束规定了每种类型设备的最大功率输出。
负荷削减约束可表示为：
其中，Rt,e表示t时刻负荷类型e的负荷削减向量，表明负荷削减量不应超过总负荷需求。
三、场景归因分析模块
系统感知模块、运行优化模块可以被联合建立为一个MILP问题，为更方便解释场景归因分析模块，将该模型转换成矩阵形式，如式(30)所示。通过引入松弛变量，将不等式约束转化成等式约束。
其中，x表示调度决策向量；ys表示场景s的运营状态向量；ps是场景s的概率；bs、bm表示右边的荷载向量；cs、cm表示成本向量；T0、Ts为系数矩阵；Ws为连续型变量的系数矩阵；Ωs为场景集合。系数矩阵Ts、Ws分别为：
φ1＝[-Sstart,ees -Sstart,hes -Sstart,ces]T (34)
φ3＝[0b×(p+k) -Ib×b Ib×b] (35)
φ4＝[0b×(p+k) Ib×b -Ib×b] (36)
其中：ees、hes、ces分别表示电储能、储热和蓄冷；Punit表示单位设备的最大出力；N为设备规划数量；e表示负荷种类；p表示能源输入类型数，k表示非储能设备数量，g表示储能设备数量。表示内积符号，I代表单位矩阵，N表示对角矩阵，对角元素为ICES系统中各设备的数量；diag(η)表示对角元素为η的t×t维度的对角矩阵。
基于L-shaped方法的解决过程首先引入一个非负连续变量θ来逼近子问题的最优解。因此，主问题可以重新定义为：
其中，Elx+θ≥el为最优割集的一般形式，参数Ev和ev将在式(39)中讨论。该模型是一个相对简单的整数规划问题。若采用Cplex求解器求解，由于忽略最初运行优化模块的约束，得到的最优解xv为原始问题的松弛解。
运行优化模块被分解成众多独立线性规划(LP)子问题：
其中，ω为目标函数；是与最优解ys相关联的单纯形乘子，它是与约束相关的拉格朗日乘子。一旦所有子问题得到解决，将生成一个最优切割：
其中，Ev和ev对应于(37)中的参数。
考虑到ICES未来一段时期内存在众多潜在的子场景，重复求解子问题(38)带来显著负担。为此，本发明实施例提供一种场景归因方法：通过对每个SS-Set执行一次优化算法，高效地获取同一集合中其他情景的最优解。
子问题之间的相似性可通过与它们的最优解相关的单纯形观察到。根据单纯形法，与单纯形顶点对应的变量是基本变量，相关联的系数矩阵是基础矩阵。相应地，其他变量和矩阵分别被定义为非基本变量和非基础矩阵。当模型在单纯形的顶点达到最优解时，这些基本变量和基础矩阵被视为最优基本变量和最优基础矩阵。这一方法有效减轻了在ICES框架中处理子问题时的计算负担，提高了整体求解效率，具体流程如下：
子问题模型(39)可以分为基本和非基本部分：
其中，WB、cB表示最优基础的组成部分，包括矩阵本身及其对应的系数和右手系向量；另一方面，WN、cN表示非基础矩阵及其相关元素。
在大规模场景中，差异主要体现在负荷水平、可再生能源输出和能源价格参数上。因此，参数c、T和b在不同场景下会有所差异。为了清晰地呈现不确定参数的变化，将式(40)修改为多参数线性规划的标准形式：
其中，δcB、δcN表示能源价格波动的向量；δbB、δbN表示多负载水平波动的向量；δT表示可再生能源波动向量。
在多参数线性规划问题中，解空间内参数的微小扰动不太可能改变最优顶点的性质。最优基础矩阵保持不变的场景被认为是相似的，展现出这种相似性的状态集合被称为SS-Set。最优基础矩阵保持不变的必要充分条件是：
(WB)-1[b+δb-[T+δT]x]≥0 (42)
若式(42)和式(43)成立，最优解为：
因此，只需对每个SS-Set运行一次优化算法以获取最优基础矩阵WB，然后使用式(44)直接获取同一SS-Set中其他情景的最优解。
四、安全调度模块
安全调度模块旨在确保系统的稳定性和可靠性，同时最大化系统的经济效益。实现能源供应的安全、稳定与高效调度。基于场景归因分析模块的分析结果，获得调度决策向量x，实现快速安全调度。此外，安全调度模块还实施了实时监控和动态调整机制。即，系统将持续监测能源供应和负荷需求的实际情况，与预先制定的调度计划进行比对。一旦检测到偏差超过预定阈值，模块将自动启动调整机制，调用场景归因分析模块的潜在场景计算结果，实时动态调整IFL策略以及安全调度策略。
此外，安全调度策略集成了对海量风险场景的潜在分析，系统通过对实时和未来信息的状态的感知，有效评估了导致系统失负荷的因素，从而在风险发生前采取预防措施。具体地：安全调度模块首先感知当前系统的运行状态s，并生成潜在场景集Ωs，然后，基于场景归因分析模块，生成最优调度决策x。此外，安全调度模块的动态调整机制在实现稳定性与可靠性的双重优化的同时，还提高了系统对复杂环境的适应能力，有效降低了系统的故障率，确保了综合能源系统的长期稳定和可靠运行。
实施例2
下面结合具体的实验数据对实施例1中的方案进行进一步地介绍，详见下文描述：
数据采集与分析：首先建立一个多维度的数据采集框架。这个框架能够实时收集综合能源系统内外的各种信息，包括：但不限于能源供应状况、负荷需求、天气状况、设备运行状态等，然后，通过状态感知模块实现ICES各种设备状态的精确感知。
在实际运行中，设备的故障概率并非为出厂时的统计概率值。为此，在采集到多维信息之后，基于设备的原始出厂故障率，以及设备的历史运行工况、设备现在的运行状态，实现对设备的运行故障率进行估计。
潜在场景预测与初始调度计划制定：采用统计学方法对未来一段时间内的潜在场景进行预测，生成大量潜在调度环境场景，然后基于运行优化模块，构建设备运行状态场景。
场景归因优化：为了应对预测不准确性和系统运行中可能遇到的各种不确定因素，在本发明实施例中引入场景归因优化，保证调度的快速性和准确性。通过调用场景归因模块迅速分析潜在的所有场景，并得到调度结果。
实时监控与动态调整：建立一个实时监控系统，持续跟踪能源供应和负荷需求的实际情况。结合场景归因优化模块出现概率最多的最优调度策略，实现初始调度计划的下发。此外，基于实时数据和初始调度计划，对调度策略进行动态调整，以响应实际情况的变化，保证系统的高效运行。
本方法在考虑了海量潜在调度场景，通过场景归因方法将计算时间减少到传统调度方法所需时间的6.54％以及6.86％，此外，安全成本能够显著降低运行成本以及可靠性成本，这表明本方法能够有效提高经济性和安全性。
1)本发明实施例考虑了设备故障引起的不确定性，导致调度运行成本增加4.1％，但是可靠性性风险降低81.4％。
2)本发明实施例将计算时间减少到传统调度方法所需时间的10％以下，实现每8000潜在场景秒级调度策略生成。这种性能受到实际工况的影响，并且随着所考虑潜在场景的数量增加，计算效率优势变得更加明显。
3)本发明实施例集成了IFL策略有效地降低了运营和调度的经济成本，并同时提高了可靠性，使运营成本和总体成本分别降低了10.7％和14.71％。
实施例3
一种基于场景归因的综合能源系统安全提升装置，该装置包括：处理器和存储器，存储器中存储有程序指令，处理器调用存储器中存储的程序指令以使装置执行实施例1中的以下方法步骤：
基于系统感知模块对ICES系统进行状态感知，实现系统的建模与状态分析；
基于运行优化模块处理潜在运行场景下的运营问题；
基于场景归因分析模块分析大规模场景，通过单一优化求解出同一归因集内所有场景的最优解；
基于安全调度模块，根据场景归因部分的安全分析结果，实现园区综合能源系统的安全提升。
其中，基于场景归因分析模块分析大规模场景具体为：
通过引入松弛变量，将不等式约束转化成等式约束：
其中，x表示调度决策向量；ys表示场景s的运营状态向量；ps是场景s的概率；bs、bm表示右边的荷载向量；cs、cm表示成本向量；T0、Ts为系数矩阵；Ws为连续型变量的系数矩阵；Ωs为场景集合；系数矩阵Ts、Ws分别为：
φ1＝[-Sstart,ees -Sstart,hes -Sstart,ces]T
φ3＝[0b×(p+k) -Ib×b Ib×b]
φ4＝[0b×(p+k) Ib×b -Ib×b]
其中：ees、hes、ces分别表示电储能、储热和蓄冷；Punit表示单位设备的最大出力；N为设备规划数量；e表示负荷种类；p表示能源输入类型数，k表示非储能设备数量，g表示储能设备数量；表示内积符号，I代表单位矩阵，N表示对角矩阵，对角元素为ICES系统中各设备的数量；diag(η)表示对角元素为η的t×t维度的对角矩阵。
其中，通过单一优化求解出同一归因集内所有场景的最优解为：
其中，δcB、δcN表示能源价格波动的向量；δbB、δbN表示多负载水平波动的向量；δT表示可再生能源波动向量；
最优基础矩阵保持不变的必要充分条件是：
(WB)-1[b+δb-[T+δT]x]≥0
最优解为：
这里需要指出的是，以上实施例中的装置描述是与实施例中的方法描述相对应的，本发明实施例在此不做赘述。
上述的处理器和存储器的执行主体可以是计算机、单片机、微控制器等具有计算功能的器件，具体实现时，本发明实施例对执行主体不做限制，根据实际应用中的需要进行选择。
存储器和处理器之间通过总线传输数据信号，本发明实施例对此不做赘述。
基于同一发明构思，本发明实施例还提供了一种计算机可读存储介质，存储介质包括存储的程序，在程序运行时控制存储介质所在的设备执行上述实施例中的方法步骤。
该计算机可读存储介质包括但不限于快闪存储器、硬盘、固态硬盘等。
这里需要指出的是，以上实施例中的可读存储介质描述是与实施例中的方法描述相对应的，本发明实施例在此不做赘述。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例的流程或功能。
计算机可以是通用计算机、专用计算机、计算机网络、或者其它可编程装置。计算机指令可以存储在计算机可读存储介质中，或者通过计算机可读存储介质进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质或者半导体介质等。
本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上所述仅为本发明的较佳实施例，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、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于场景归因的综合能源系统安全提升方法，其特征在于，所述方法包括：
基于系统感知模块对ICES系统进行状态感知，实现系统的建模与状态分析；
基于运行优化模块处理潜在运行场景下的运营问题；
基于场景归因分析模块分析大规模场景，通过单一优化求解出同一归因集内所有场景的最优解；
基于安全调度模块，根据场景归因部分的安全分析结果，实现园区综合能源系统的安全提升。
2.根据权利要求1所述的一种基于场景归因的综合能源系统安全提升方法，其特征在于，所述基于场景归因分析模块分析大规模场景具体为：
通过引入松弛变量，将不等式约束转化成等式约束：
其中，x表示调度决策向量；ys表示场景s的运营状态向量；ps是场景s的概率；bs、bm表示右边的荷载向量；cs、cm表示成本向量；T0、Ts为系数矩阵；Ws为连续型变量的系数矩阵；Ωs为场景集合；系数矩阵Ts、Ws分别为：
φ1＝[-Sstart,ees -Sstart,hes -Sstart,ces]T
φ3＝[0b×(p+k) -Ib×b Ib×b]
φ4＝[0b×(p+k) Ib×b -Ib×b]
其中：ees、hes、ces分别表示电储能、储热和蓄冷；Punit表示单位设备的最大出力；N为设备规划数量；e表示负荷种类；p表示能源输入类型数，k表示非储能设备数量，g表示储能设备数量；表示内积符号，I代表单位矩阵，N表示对角矩阵，对角元素为ICES系统中各设备的数量；diag(η)表示对角元素为η的t×t维度的对角矩阵。
3.根据权利要求2所述的一种基于场景归因的综合能源系统安全提升方法，其特征在于，所述通过单一优化求解出同一归因集内所有场景的最优解为：
其中，δcB、δcN表示能源价格波动的向量；δbB、δbN表示多负载水平波动的向量；δT表示可再生能源波动向量；
最优基础矩阵保持不变的必要充分条件是：
(WB)-1[b+δb-[T+δT]x]≥0
最优解为：
4.一种基于场景归因的综合能源系统安全提升装置，其特征在于，所述装置包括：处理器和存储器，所述存储器中存储有程序指令，所述处理器调用存储器中存储的程序指令以使装置执行权利要求1-3中的任一项所述的方法。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行时使所述处理器执行权利要求1-3中的任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410449740.7A CN118313957B (zh) | 2024-04-15 | 2024-04-15 | 基于场景归因的综合能源系统安全提升方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410449740.7A CN118313957B (zh) | 2024-04-15 | 2024-04-15 | 基于场景归因的综合能源系统安全提升方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118313957A true CN118313957A (zh) | 2024-07-09 |
| CN118313957B CN118313957B (zh) | 2024-10-18 |
Family
ID=91731634
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410449740.7A Active CN118313957B (zh) | 2024-04-15 | 2024-04-15 | 基于场景归因的综合能源系统安全提升方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118313957B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108494015A (zh) * | 2018-02-09 | 2018-09-04 | 中国科学院电工研究所 | 一种源-荷-储协调互动的综合能源系统设计方法 |
| CN111815025A (zh) * | 2020-06-09 | 2020-10-23 | 国网山东省电力公司经济技术研究院 | 考虑风光与负荷不确定性综合能源系统柔性优化调度方法 |
| CN113673738A (zh) * | 2021-02-22 | 2021-11-19 | 华北电力大学（保定） | 基于供需响应与可调场景的综合能源系统优化配置方法 |
| CN115423297A (zh) * | 2022-08-30 | 2022-12-02 | 天津大学 | 基于拉格朗日乘子的园区综合能源系统可靠性评估方法 |
| WO2023134254A1 (zh) * | 2022-01-11 | 2023-07-20 | 云南电网有限责任公司电力科学研究院 | 一种能源互联系统的设备选型方法 |
| CN116681171A (zh) * | 2023-06-05 | 2023-09-01 | 贵州大学 | 一种多场景综合能源系统分布鲁棒优化调度方法和系统 |
| CN116707016A (zh) * | 2023-04-23 | 2023-09-05 | 国网河南省电力公司安阳供电公司 | 基于场景生成和削减的风光氢储日前随机优化调度方法 |
| CN116777153A (zh) * | 2023-06-13 | 2023-09-19 | 国网江苏省电力有限公司宿迁供电分公司 | 考虑分布式能源接入的配电网灵活性归因分析方法 |
-
2024
- 2024-04-15 CN CN202410449740.7A patent/CN118313957B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108494015A (zh) * | 2018-02-09 | 2018-09-04 | 中国科学院电工研究所 | 一种源-荷-储协调互动的综合能源系统设计方法 |
| CN111815025A (zh) * | 2020-06-09 | 2020-10-23 | 国网山东省电力公司经济技术研究院 | 考虑风光与负荷不确定性综合能源系统柔性优化调度方法 |
| CN113673738A (zh) * | 2021-02-22 | 2021-11-19 | 华北电力大学（保定） | 基于供需响应与可调场景的综合能源系统优化配置方法 |
| WO2023134254A1 (zh) * | 2022-01-11 | 2023-07-20 | 云南电网有限责任公司电力科学研究院 | 一种能源互联系统的设备选型方法 |
| CN115423297A (zh) * | 2022-08-30 | 2022-12-02 | 天津大学 | 基于拉格朗日乘子的园区综合能源系统可靠性评估方法 |
| CN116707016A (zh) * | 2023-04-23 | 2023-09-05 | 国网河南省电力公司安阳供电公司 | 基于场景生成和削减的风光氢储日前随机优化调度方法 |
| CN116681171A (zh) * | 2023-06-05 | 2023-09-01 | 贵州大学 | 一种多场景综合能源系统分布鲁棒优化调度方法和系统 |
| CN116777153A (zh) * | 2023-06-13 | 2023-09-19 | 国网江苏省电力有限公司宿迁供电分公司 | 考虑分布式能源接入的配电网灵活性归因分析方法 |
Non-Patent Citations (2)
| Title |
|---|
| 侯若松: "考虑碳排效益的含可再生能源柔性配电网自适应鲁棒优化运行策略", 《可再生能源》, 15 December 2023 (2023-12-15) * |
| 黄宏旭: "计及碳约束下的煤矿综合能源系统多目标配置双层优化", 《电网技术》, 16 September 2021 (2021-09-16) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118313957B (zh) | 2024-10-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huang et al. | From demand response to integrated demand response: Review and prospect of research and application | |
| Hao et al. | Aggregate flexibility of thermostatically controlled loads | |
| CN111950807B (zh) | 计及不确定性与需求响应的综合能源系统优化运行方法 | |
| CN110137955A (zh) | 一种计及CVaR的鲁棒机组组合调度的决策方法 | |
| CN112084629B (zh) | 一种基于两阶段鲁棒优化的多能虚拟电厂聚合方法 | |
| CN112288170A (zh) | 基于大数据分析的电厂机组工况寻优分析方法 | |
| CN116914847A (zh) | 一种虚拟电厂内多台发电机组聚合互补及优化调度方法 | |
| CN109995094B (zh) | 一种交直流混合微电网的规划方法及系统 | |
| CN107910866B (zh) | 一种考虑需求侧响应不确定性的电力系统日前优化调度方法 | |
| CN118313957B (zh) | 基于场景归因的综合能源系统安全提升方法及装置 | |
| CN117526547A (zh) | 基于远程通信单元的电网4g通信数据处理方法及系统 | |
| Lamia et al. | Integration of Renewable Energies into the Smart Grid Electricity network | |
| Zhang et al. | Time-of-use pricing model considering wind power uncertainty | |
| CN112488435A (zh) | 火力发电企业大数据实时正平衡供电煤耗计算与控制方法 | |
| CN113283105B (zh) | 一种考虑电压安全约束的能源互联网分布式优化调度方法 | |
| CN115758763A (zh) | 一种计及源荷不确定性的多能流系统优化配置方法及系统 | |
| CN115912503A (zh) | 一种微网发电的调度方法、装置、设备及存储介质 | |
| CN115619159A (zh) | 一种智慧园区能源消耗分析调度方法和系统 | |
| Chen et al. | Multi-area economic generation and reserve dispatch | |
| Liu et al. | Frequency Nadir Constrained Unit Commitment for High Renewable Penetration Island Power Systems | |
| CN113595238B (zh) | 一种智能配电柜及配电箱低碳聚合调控系统、方法及终端装置 | |
| CN118365082B (zh) | 事件驱动的综合能源系统控制、安全提升方法及装置 | |
| Li et al. | Robust energy storage configuration of integrated energy system considering multiple uncertainties | |
| Niu | Adaptive allocation method of power system energy storage capacity under high proportion of new energy access | |
| Li et al. | Design of short term prediction system for interactive potential of power users based on artificial intelligence |
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 |