本公开涉及冷热电三联供技术领域，特别是涉及计及源荷随机的冷热电联供系统优化运行方法及系统。
背景技术：
冷热电联供系统因其具有环保、能源利用率高、经济性好等优点，成为国内外研究的热点课题。冷热电联供系统可以根据用户需求，为用户提供电、热、冷三种能源。在系统的能源侧，除了燃气发电机组，还可以根据地理位置接入光伏、光热、风电等可再生能源。可以有效减少污染气体排放，同时能大大提高系统的经济性。
为了保证系统安全稳定、经济运行，需要对冷热电联供系统的能源侧和负荷侧进行优化匹配调度。但是，在用户负荷侧和供能系统能源侧，受实时天气、用户习惯等因素影响，源-荷侧都存在较强的随机性，在能量优化调度方面存在较大困难。
目前，冷热电联供系统在处理随机性问题方面，大都采用短期以及超短期预测减少源荷随机性带来的影响。实际而言，该类方法本质上仍然是将随机性的源荷看作确定性的源荷。
例如：专利号cn106505634a的专利公开发表了一种基于两阶段协调优化与控制的冷热电联供型微网运行方法，在实时修正阶段并未考虑随机性，仅利用超短期预测修正日前值。文章“计及电动汽车和风电出力不确定性的随机经济调度，电力系统自动化，2010年20期”中提出了电动汽车和风电的概率分布，在日前规划时考虑概率分布，并未在实际运行中进行修正，准确率较低。
可见，目前针对冷热电联供系统在处理随机性问题方面所采取的技术手段为将随机性的源荷看作确定性的源荷，并未从根本上解决源-荷侧都存在较强的随机性导致的系统问题。
技术实现要素：
为了解决现有技术的不足，本公开实施例子提供了计及源荷随机的冷热电联供系统优化运行方法，利用随机优化方法处理源荷随机带来的问题。
计及源荷随机的冷热电联供系统优化运行方法，包括：
基于多目标优化的日前优化调度步骤：通过系统历史数据，预测用户负荷以及可再生能源出力，制定系统多目标综合最优的运行计划，并根据行计划计算各个调度时段各设备出力，得到日前可控设备计划出力值；
计及源荷随机的滚动修正步骤：在实时运行阶段，考虑可再生能源和用户负荷的随机性，计算考虑随机变量的修正后的负荷值及可再生能源出力值；
将考虑随机变量的修正后的负荷值减去考虑随机变量的修正后的可再生能源出力值以及日前可控设备计划出力值得到考虑随机变量的所有设备出力修正值；
基于所述所有设备出力修正值获得各设备下一阶段出力，实现滚动修正所有设备日前值。
作为本申请进一步的技术方案，在基于多目标优化的日前优化调度步骤中，预测用户负荷以及可再生能源出力之后，根据分时电价的机制，以一小时为调度周期，制定24小时内系统成本节约率、能源节约率、二氧化碳减排率多目标综合最优的运行计划。
作为本申请进一步的技术方案，根据多目标综合最优的运行计划建立相应的日前计划优化目标函数，该目标函数考虑成本节约率、能源节约率及二氧化碳减排率，采用多目标权重最优的目标计算各个调度时段各设备出力。
作为本申请进一步的技术方案，计及源荷随机的滚动修正步骤中，在实时运行的过程中，相邻时刻变化量为ε，采用卡尔曼滤波的方法求解第t+1时刻的负荷值pload(t+1)，第t+1时刻可再生能源出力值从而滚动修正日前值。
作为本申请进一步的技术方案，考虑随机变量的源荷值修正公式如下：
pload(t+1)＝pload(t)+εload(t+1)
pre(t+1)＝pre(t)+εre(t+1)
式中，pload(t)为第t时刻负荷的实际值；pre(t)为第t时刻可再生能源出力的实际值；pload(t+1)为第t+1时刻的负荷值；pre(t+1)为第t+1时刻可再生能源出力值；εload(t+1)为t时刻到t+1时刻这一时段的包含白噪声的负荷随机变量；εre(t+1)为t时刻到t+1时刻这一时段的可再生能源随机变量。
作为本申请进一步的技术方案，滚动修正中的随机变量采用如下方法求取：
εload＝eload(x)+σload
εre＝ere(x)+σre
式中，eload(x)、ere(x)、分别是通过多组历史数据(同一时间段内)求取的负荷、可再生能源的随机变量的期望值，σload、σre分别是负荷和可再生能源的白噪声。
作为本申请进一步的技术方案，所述考虑随机变量的所有设备出力修正值，若为正数，则需要在日前计划的基础上增加出力值，否则，减少出力值。
作为本申请进一步的技术方案，考虑随机变量的所有设备出力修正值需要在保证日前的基础上做修正，具体为通过各设备功率波动调整模型建立优化目标，该目标以功率调整花费最小为优化目标，以及调整范围约束，采用遗传优化算法，得到各设备的下一阶段出力。
本公开的实施例子还公开了计及源荷随机的冷热电联供系统优化运行系统，包括：
基于多目标优化的日前优化调度模块：通过系统历史数据，预测用户负荷以及可再生能源出力，制定系统多目标综合最优的运行计划，并根据行计划计算各个调度时段各设备出力，得到日前可控设备计划出力值；
计及源荷随机的滚动修正模块：在实时运行阶段，考虑可再生能源和用户负荷的随机性，计算考虑随机变量的修正后的负荷值及可再生能源出力值；
将考虑随机变量的修正后的负荷值减去考虑随机变量的修正后的可再生能源出力值以及日前可控设备计划出力值得到考虑随机变量的所有设备出力修正值；
基于所述所有设备出力修正值获得各设备下一阶段出力，实现滚动修正所有设备日前值。
本公开的实施例子还公开了冷热电联供系统，所述系统按照上述计及源荷随机的冷热电联供系统优化运行方法优化运行。
与现有技术相比，本公开的有益效果是：
本公开日前规划阶段采用多目标优化方法，优化24小时的设备出力计划；由于负荷和可再生能源的强随机性，日前计划存在较大偏差，滚动修正阶段充分考虑源荷的随机特性，并加入了描述其随机性的随机变量，利用随机优化方法处理源荷随机带来的问题，实现系统的运行更加稳定、经济。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本公开实施例子的计及源荷随机的冷热电联供系统优化运行方法流程图；
图2为本公开实施例子的计及源荷随机的冷热电联供系统优化采用遗传优化算法求解下一阶段设备出力流程图。
具体实施方式
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本公开的一种典型的实施方式中，参见附图1所示，提供了一种考虑源荷随机的冷热电联供系统运行方法，属于含可再生能源的冷热电联供系统领域。具体步骤如下：
(1)根据需要，通过历史数据预测可再生能源出力和用户负荷大小；
(2)采用多目标优化制定各设备的日前出力计划；
(3)通过历史数据计算随机变量的期望值e(x)；
(4)通过卡尔曼滤波的方法求得修正后的源荷值，并计算出δp；
(5)通过设备波动惩罚模型优化分配调整负荷δp，修正日前计划。
本公开的上述实施例中，主要包含两个阶段：其一为基于多目标优化的日前规划；其二为计及源荷随机的滚动修正阶段。
针对第一个阶段，日前规划阶段采用多目标优化方法，优化24小时的设备出力计划；针对第二个阶段，由于负荷和可再生能源的强随机性，日前计划存在较大偏差，滚动修正阶段充分考虑源荷的随机特性，并加入了描述其随机性的随机变量，利用随机优化方法处理源荷随机带来的问题。
下面详细分析每个阶段的具体技术方案：
关于基于多目标优化的日前优化调度阶段：
首先，通过历史数据(该处历史数据是指可再生能源出力和用户负荷的历史数据)，预测24小时用户负荷以及可再生能源出力，根据分时电价的机制，以一小时为调度周期，制定24小时内系统成本节约率、能源节约率、二氧化碳减排率多目标综合最优的运行计划。
日前计划优化目标如下式所示：
式中，x、y、z分别为成本节约率、能源节约率及二氧化碳减排率对应的目标权重系数，三个权重系数和应为1；w(t)为t时刻成本节约率；η(t)为t时刻能源节约率；c(t)为t时刻二氧化碳减排率；
通过以上目标函数，计算各个调度时段各设备出力，该处利用目标函数通过优化算法，例如遗传算法等进行计算，记p(t)i，表示第i个设备t时刻内出力值。
关于计及源荷随机的滚动修正阶段：
在实时运行阶段，考虑可再生能源和用户负荷的随机性，加入了随机变量ε。在实时运行的过程中，t时刻与t+1时刻变化量为ε，采用卡尔曼滤波的方法求解pload(t+1)，pre(t+1)从而滚动修正日前值(此处日前值是指日前预测的24小时用户负荷和可再生能源出力)。
(1)考虑随机变量的源荷值修正公式如下：
pload(t+1)＝pload(t)+εload(t+1)
pre(t+1)＝pre(t)+εre(t+1)
式中，pload(t)为第t时刻负荷的实际值；pre(t)为第t时刻可再生能源出力的实际值；pload(t+1)为第t+1时刻的负荷值；pre(t+1)为第t+1时刻可再生能源出力值；εload(t+1)为t时刻到t+1时刻这一时段的(包含白噪声的)负荷随机变量；εre(t+1)为t时刻到t+1时刻这一时段的可再生能源随机变量。
滚动修正中的随机变量采用如下方法求取：
εload＝eload(x)+σload
εre＝ere(x)+σre
式中，eload(x)、ere(x)、分别是通过多组历史数据(同一时间段内)求取的负荷、可再生能源的随机变量的期望值，σload、σre分别是负荷和可再生能源的白噪声。
(2)修正日前设备调度功率值
通过以上方法，即可得到负荷及可再生能源出力的修正值，通过修正值与日前可控设备计划出力值比较，求得δp。
δp(t+1)＝pload(t+1)-pre(t+1)-pbase(t+1)
式中，δp(t+1)为所有设备出力修正值，若该值为正数，则需要在日前计划的基础上增加出力值，否则，减少出力值；pbase(t+1)为日前设备计划出力值。
(3)由于日前计划是按24h内多目标综合最优规划各设备出力。因此，修正值需要在保证日前的基础上做修正。
参见附图2所示，通过各设备功率波动调整模型建立优化目标，该目标以功率调整花费最小为优化目标，以及调整范围约束，采用遗传优化算法，得到各设备的下一阶段出力：
目标函数：
式中，mi和fi分别表示第i个设备增加或减少单位功率所需花费，δp(t+1)i表示第i个设备需要调整的功率。
调整范围约束：
δp(t+1)i≤|δp(t+1)i,max|
式中，δp(t+1)i,max表示设备允许最大调整功率。
通过以上目标和约束，即可通过遗传算法求解各设备需调整的出力。
根据日前的设备出力p(t+1)i和调整值δp(t+1)i即可求出下一时刻修正后的各设备出力值：
pnew(t+1)i＝p(t+1)i+δp(t+1)i
式中，pnew(t+1)i为修正后的下一时刻第i个设备的出力值，p(t+1)i为日前计划中第i个设备下一时刻的出力值，δp(t+1)i为第i个设备下一时刻调整值。
通过以上两个阶段对应的数据处理方法，即可滚动修正日前值。
本公开的上述技术方案中，日前采用多目标权重最优的目标对一天24小时的设备出力情况；在滚动修正阶段考虑可再生能源和负荷的双重随机，加入随机变量处理随机性带来的波动问题。
本公开的实施例子还公开了计及源荷随机的冷热电联供系统优化运行系统，包括：
基于多目标优化的日前优化调度模块：通过系统历史数据，预测用户负荷以及可再生能源出力，制定系统多目标综合最优的运行计划，并根据行计划计算各个调度时段各设备出力，得到日前可控设备计划出力值；
计及源荷随机的滚动修正模块：在实时运行阶段，考虑可再生能源和用户负荷的随机性，计算考虑随机变量的修正后的负荷值及可再生能源出力值；
将考虑随机变量的修正后的负荷值减去考虑随机变量的修正后的可再生能源出力值以及日前可控设备计划出力值得到考虑随机变量的所有设备出力修正值；
基于所述所有设备出力修正值获得各设备下一阶段出力，实现滚动修正所有设备日前值。
该系统所涉及的具体的模块中的数据处理的详细过程参见上述实施例子中的计及源荷随机的冷热电联供系统优化运行方法，此处不再赘述。
本公开的实施例子还公开了冷热电联供系统，所述系统按照上述计及源荷随机的冷热电联供系统优化运行方法优化运行。
该冷热电联供系统为常规的现有的冷热电联供系统，其中的系统硬件组成及各个部分的功能均为现有技术，只是该系统在运行的所采用的运行策略为计及源荷随机的冷热电联供系统优化运行方法，利用上述方案实现优化运行。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。