考虑停电时长不确定性的工业园区离网调度方法

本发明涉及电力技术领域，尤其涉及一种考虑停电时长不确定性的工业园区离网调度方法。

背景技术：

目前工业园区生产不断流程化、精细化，高水平制造业的工业园区中往往包含众多复杂的生产工序，能源消耗巨大，因此工业能耗在全社会能耗中占比较大，减小工业园区能耗是节能任务的首要目标，同时减少用能成本更是工业园区的重中之重。在实际应用中外部电网停电分为计划停电与非计划停电两种情况，对于非计划停电，工业园区运行控制中心无法提前获得停电时长的信息，而停电时长的不确定性直接影响离网系统运行的安全性，从而导致巨大的经济损失，现有离网运行调度策略无法在停电时长不确定条件下实现离网园区的安全经济运行。

现有方法中对于综合能源系统建模、经济运行进行了一定的研究，电、气、热综合能源系统建模方法众多，其中广泛应用的是能量枢纽(energyhub，eh)模型，能够有效反应综合能源系统中的能量流动与转换，建模方法简洁，物理概念清晰，但是现有技术中绝大多数仅针对工业园区综合能源系统本身进行建模优化，只能针对工业园区中的冷热电能源系统进行优化，而对实际工业园区来说，其主要负荷为工业负荷，是一个完整的流水线过程，每一个生产环节都存在与能源系统不同的耦合性，现有优化方法仅仅将工业生产作为固定负荷参与优化得到的优化结果不够准确也不够经济。并且缺少对冷热电气综合能源和工业流程能源间耦合关系的统一描述，缺乏对工业生产园区中生产流程的统一建模。同时现代工业生产高度流程化、精细化的生产模式对于能源系统供应的稳定性提出了更高的要求，其方法的准确性有待提高。另一方面，现有方法中通常采用随机优化和鲁棒优化方法处理模型中的不确定变量，均是针对并网运行场景进行研究。而对于外部电网故障时的离网运行场景，缺乏对于离网独立运行工业园区的优化调度方法，而目前对于离网工业园区的运行没有考虑离网运行时间的不确定性，停电时间及能源系统其他状态量对于实际园区的经济损失缺乏定量的研究，并且缺乏一种有效的方法来描述停电时间不确定性对离网运行优化决策结果的影响，无法为园区做出兼顾风险与经济性的离网运行调度策略。。

因此，亟需一种考虑停电时长不确定性的工业园区离网调度方法。

技术实现要素：

本发明提供了一种考虑停电时长不确定性的工业园区离网调度方法，以解决现有技术中存在的问题。

为了实现上述目的，本发明采取了如下技术方案。

一种考虑停电时长不确定性的工业园区离网调度方法，包括：

根据工业园区物质流的传递建立工业生产流程模型；

根据工业园区的能量枢纽和所述工业生产流程模型，建立工业园区的生产流程与能源系统的稳态能流统一模型；

以所述稳态能流统一模型、存储系统运行约束和能量转换设备约束为约束条件，以离网运行期间最小生产损失为优化目标，建立离网工业园区优化调度模型；

计算外部电网停电时长的概率分布，根据所述外部电网停电时长的概率分布，采用蒙特卡洛法生成不同停电时长的样本场景；

采用k-means聚类算法对所述不同停电时长的样本场景缩减，得到缩减后的多个样本场景；

根据缩减后的多个样本场景，以缩减后的多个样本场景中的每个场景的发生概率为权重系数，采用随机优化方法对所述离网工业园区优化调度模型进行协同优化，得到停电损失最小的离网调度策略；

在停电时长不确定性的情况下根据所述离网调度策略对工业园区进行离网调度。

优选地，根据工业园区物质流的传递建立工业生产流程模型，包括：生产物料的流动作为物质流，按照物质流的传递建立工业生产流程模型。

优选地，工业生产流程模型包括：以物料为介质，以不同的生产子任务为节点，以物料传输过程为支路建立的串并联系统和基于物料生产与转移的生产约束数学模型。

优选地，基于物料生产与转移的生产约束数学模型包括：不可中断型子任务约束、可中断型子任务约束和仓储子任务约束。

优选地，不可中断型子任务约束包括不可中断型子任务的子任务状态与启动停止变量之间的关系、不可中断型子任务的最小运行时间和不可中断型子任务的最小停机时间的限制和子任务的输出约束分别如下式(1)-(3)所示：

可中断型子任务约束包括：可中断型子任务的输出如下式(4)所示：

仓储子任务约束包括：仓储子任务的实时容量与输入/输出材料之间的关系、仓储子任务的实时容量与输入/输出材料容量的范围限制分别如下式(5)和(6)所示：

其中，α表示一类不可中断型生产任务；表示第i个工作流程在t时刻的运行状态；和分别表示开停机的动作变量；h表示某一任意时刻；和分别是最小运行时间和最小停机时间；n1表示此类不可中断类型任务对应的生产线数量；是每条生产线的固定产量，不可调，与时间无关；是t时刻整个子任务的总产量；

β表示一类可中断型生产任务；表示第i个工作流程在t时刻的运行状态；n2表示此类可中断类型任务对应的生产线数量；是每条生产线的实际产量，可以调整；是t时刻整个子任务的总产量；

si,t是仓储在t时刻的容量；和分别是上下游工序的产量；和分别是上下游生产任务的启停状态；表示仓储容量的上下限。

优选地，根据工业园区的能量枢纽和所述工业生产流程模型，建立工业园区的生产流程与能源系统的稳态能流统一模型包括：根据能量枢纽模型建模方法建立工业园区的生产流程与能源系统的稳态能流统一模型。

优选地，稳态能流统一模型如下式(7)所示：

其中，其中c1、c2均为常系数矩阵，vout表示冷热电的功率输出；vin表示系统的输入，包括燃料、电网送电和生产材料；v2表示能量枢纽中的可调度能流；x表示系统输入与能流的关联矩阵；y表示系统输出与能流的关联矩阵；z表示系统中各能量设备与能流的效率关联矩阵；i表示单位矩阵；r、q为与i、x、z有关的系数矩阵；c1、c2表示与r、q、y有关的系数矩阵；式中下标1表示与不能调度能流关联的系数矩阵，下标2表示与可调度能流关联的系数矩阵。

优选地，离网工业园区优化调度模型如下式(8)-(11)所示：

f＝min(cope+closs_p+closs_m)(8)

vout＝c1vin+c2v2(9)

其中，cope＝cgas+cf+con/off；closs_m＝∑c2*s；f表示优化目标，cope表示能量系统运行成本，closs_p表示生产任务停滞成本，closs_m表示生产原料损失成本，cgas表示购气成本，cf表示设备运维成本，con/off表示设备启停成本，c1、c2表示损失系数，f表示计划生产任务，表示实际生产量，s表示物料损失量；

ees,t表示储能系统在t时刻的蓄电量，δees,t表示t时刻蓄电量的变化量，δees,min、δees,max分别表示充放电量的上下限，ees,min，δees,max表示储能系统容量的上下限，ηes表示充放电效率，ves,t表示t时刻的外部电能输入；

分别表示能量转换设备在t时刻的输出、输入，λ表示能量转换效率，表示输出功率的上下限。

优选地，计算外部电网停电时长的概率分布包括：获取并分析外部电网历史停电时长数据，得到外部电网停电时长的概率分布。

优选地，缩减后的多个样本场景的具体个数为8个。

由上述本发明的考虑停电时长不确定性的工业园区离网调度方法提供的技术方案可以看出，本发明通过工业生产流程的建模并基于能量枢纽的概念建立了基于工业生产流程与综合能源系统的稳态能流统一模型；以稳态能流统一模型、存储系统运行约束和能量转换设备约束为约束条件，以离网运行期间最小生产损失为优化目标，建立离网工业园区优化调度模型；基于离网工业园区优化调度模型，采用蒙特卡洛方法随机抽样与k-means聚类场景缩减的方法得到缩减后的场景样本，采用随机优化方法得到最终的优化策略，采用优化策略对工业园区离网调度，实现了离网时间不确定条件下工业园区停电损失最小的目的。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为实施例的考虑停电时长不确定性的工业园区离网调度方法示意图；

图2为实施例的工业生产流程的串并联系统的基本框架示意图；

图3为实施例的稳态能流统一模型的能量枢纽结构示意图；

图4为单个输出端口的能量转换节点示意图；

图5为仓储子任务的结构示意图；

图6为动力电池生产流程示意图；

图7为动力电池生产园区的稳态能流统一模型的能量枢纽结构示意图；

图8为外部电网停电时长的概率分布图；

图9为优化步骤流程示意图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以具体实施例为例做进一步的解释说明，且并不构成对本发明实施例的限定。

实施例

图1为本实施例的考虑停电时长不确定性的工业园区离网调度方法示意图，参照图1，该方法包括：

s1根据工业园区物质流的传递建立工业生产流程模型。

生产物料的流动作为物质流，按照物质流的传递建立工业生产流程模型。完整的工业生产流程包括从原材料、半成品到成品，经过生产、储存、再生产多个过程，本实施例根据不同生产过程之间的耦合，将生产流程划分为具有不同调度特性的子任务并分别建立数学模型。其中，子任务内部可包含多个生产设备，并具有严格的时序约束，子任务作为调度的最小单元参与能源系统调度运行。具体地，工业生产流程模型包括：以物料为介质，以不同的生产子任务为节点，以物料传输过程为支路建立的串并联系统和基于物料生产与转移的生产约束数学模型。图2为本实施例的工业生产流程的串并联系统的基本框架示意图。

物料的交付是不同生产过程之间的物理联系。由于生产目标的产出直接关系到能源的消耗，产品的约束决定了工业生产的能源需求。基于此，本实施例的基于物料生产与转移的生产约束数学模型包括不可中断型子任务约束、可中断型子任务和仓储子任务约束的三种子任务的形式，具体如下：

1)不可中断型子任务约束：

不可中断型子任务表示一组具有严格计时约束的连续步骤，这些步骤在生成前一个步骤之前无法独立运行。在能量系统的相互作用中，示意性地，不可中断型子任务可以比作一个功率固定的设备，可以控制的是工作状态，工作状态可以是开或关。典型的情况是单向的连续流水线生产。

不可中断型子任务的特点是无法进行连续调整，只能控制工作站的开断状态。此外，必须考虑每个子任务的最小启停时间约束；由于子任务实际上包含几个具有严格定时约束，并且需要表征整个过程的约束，因此需要考虑最小运行时间和最小停机时间的限制，从而得到不可中断型子任务约束包括：

不可中断型子任务的子任务状态与启动停止变量之间的关系、不可中断型子任务的最小运行时间和不可中断型子任务的最小停机时间的限制和子任务的输出约束，分别如下式(1)-(3)所示：

其中，α表示一类不可中断型生产任务；表示第i个工作流程在t时刻的运行状态；和分别表示开停机的动作变量；h表示某一任意时刻；和分别是最小运行时间和最小停机时间；n1表示此类不可中断类型任务对应的生产线数量；是每条生产线的固定产量，不可调，与时间无关；是t时刻整个子任务的总产量。

2)可中断型子任务约束：

可中断型子任务表示一种累积任务，在这种任务中，半成品应该在几个连续的时间段内进行处理。这样，就可以通过控制产品的数量来调整运行状态，无需严格的时间约束。示意性地，可中断型子任务可以看作是一种除开关状态外，还具有灵活可调功率的设备。典型的代表是电池充电和放电测试。

与不可中断型子任务相比，可中断型子任务的输出更有可调空间，除了开关状态，还可以控制子任务的输出。与不可中断型子任务相比，可中断型子任务的输出是可调的，可中断型子任务的输出如下式(4)所示：

β表示一类可中断型生产任务；表示第i个工作流程在t时刻的运行状态；n2表示此类可中断类型任务对应的生产线数量；是每条生产线的实际产量，可以调整；是t时刻整个子任务的总产量。

3)仓储子任务约束：

仓储子任务用于描述物料仓库。它在运行特性上与储能相似。与能量存储相比，输入、输出和容量之间存在相同的约束。

存储阶段是两个子任务之间的缓冲区，将两个相连的工序进行解耦。与储能类似，仓库也存在容量限制。仓储子任务的实时容量与输入/输出材料之间的关系、仓储子任务的实时容量与输入/输出材料容量的范围限制分别如下式(5)和(6)所示：

其中，si,t是仓储在t时刻的容量；和分别是上下游工序的产量；和分别是上下游生产任务的启停状态；表示仓储容量的上下限。

s2根据工业园区的能量枢纽和工业生产流程模型，建立工业园区的生产流程与能源系统的稳态能流统一模型。

根据能量枢纽模型建模方法建立工业园区的生产流程与能源系统的稳态能流统一模型。本实施例的稳态能流统一模型代表了工业园区能源系统中电-热-冷-物质四种能源形式的传递与转换关系，并且满足功率流平衡方程。以物质流作为广义的能源形式，将工业生产流程加入模型得到稳态能流统一模型，图3为本实施例的稳态能流统一模型的能量枢纽结构示意图。能量枢纽结构中能源设备被视为节点。能量枢纽结构中通常有两种节点，即能量转换节点和能量存储节点。

对于生产型子任务，能量枢纽结构可以被视为具有多个输入端口和如图4所示的单个输出端口的能量转换节点。这两种子任务类似于能量转换元件，输入为能源和原材料，输出为半成品材料。因此，本实施例对于连续和离散子任务被建模为热电联产机组和热泵的能源耦合设备的节点类型。图4中，vin是物料的输入；win是能量的输入；vout是半成品的输出，ηm和ηw分别是物料流和能量流的转换效率。

对于生产型子任务，节点平衡方程如下式(7)所示：

其中，z表示系统中各能量设备与能流的效率关联矩阵。

对于存储子任务，由于没有能量系统的耦合，模型相对简单。存储子任务被视为一种储能系统，如图5所示，为仓储子任务的结构示意图，其形式与电池储能系统(batteryenergystoragesystem，bess)相似。vst是指连接到“荷电状态(stateofcharge，soc)”的虚拟分支。

为了保持格式与其他组件的统一性，在存储子任务中添加了虚拟能量存储分支。使用a'g表示存储的原始关联矩阵。考虑到添加的分支，存储组件的节点关联矩阵ag如下式(8)所示：

效率关联矩阵为：

z＝[ηc-1/ηd-1](9)

最终得到的稳态能流统一模型如下式(10)所示，其中c1、c2均为常系数矩阵：

其中，vout表示冷热电的功率输出；vin表示系统的输入，包括燃料、电网送电和生产材料；v2表示能量枢纽中的可调度能流；x表示系统输入与能流的关联矩阵；y表示系统输出与能流的关联矩阵；i表示单位矩阵；r、q表示与i、x、z有关的系数矩阵；c1、c2表示与r、q、y有关的系数矩阵；式中下标1表示与不能调度能流关联的系数矩阵，下标2表示与可调度能流关联的系数矩阵。

s3以稳态能流统一模型、存储系统运行约束和能量转换设备约束为约束条件，以离网运行期间最小生产损失为优化目标，建立离网工业园区优化调度模型。

s31能量流平衡约束。系统优化的主要约束是冷热电气等多种能量平衡约束和工业生产的物料平衡约束。这部分约束通过稳态能流统一模型反映出来。

s32存储系统运行约束。与能量转换装置相比，该存储系统具有明显的时序特性。储存的能量在下一时刻耦合。因此，有必要设置soc的约束条件。扩展eh中的存储设备包括电池储能系统(bess)、蓄热系统(thermalstorage，ts)、蓄冷系统(coolingstorage，cs)和两个存储子任务。公式(13)是bess的操作约束，包括soc的时序约束、充放电功率的范围约束和soc的范围约束。

s33能量转换设备约束。式(14)统一表示能量转换装置的约束条件，分别表示能量转换的变化率和输出范围。

得到离网工业园区优化调度模型如下式(11)-(14)所示：

f＝min(cope+closs_p+closs_m)(11)

vout＝c1vin+c2v2(12)

其中，cope＝cgas+cf+con/off；closs_m＝∑c2*s；f表示优化目标，cope表示能量系统运行成本，closs_p表示生产任务停滞成本，closs_m表示生产原料损失成本，cgas表示购气成本，cf表示设备运维成本，con/off表示设备启停成本，c1、c2表示损失系数，f表示计划生产任务，表示实际生产量，s表示物料损失量；

ees,t表示储能系统在t时刻的蓄电量，δees,t表示t时刻蓄电量的变化量，δees,min、δees,max分别表示充放电量的上下限，ees,min，δees,max表示储能系统容量的上下限，ηes表示充放电效率，ves,t表示t时刻的外部电能输入；

分别表示能量转换设备在t时刻的输出、输入，λ表示能量转换效率，表示输出功率的上下限。

s4计算外部电网停电时长的概率分布，根据所述外部电网停电时长的概率分布，采用蒙特卡洛法生成不同停电时长的样本场景。

获取并分析外部电网历史停电时长数据，得到外部电网停电时长的概率分布。

s5采用k-means聚类算法对所述不同停电时长的样本场景缩减，得到缩减后的多个样本场景。

优选地，本实施例中缩减后的多个样本场景的具体个数为8个。

s6根据缩减后的多个样本场景，以缩减后的多个样本场景中的每个场景的发生概率为权重系数，采用随机优化方法对所述离网工业园区优化调度模型进行协同优化，通过迭代处理得到停电损失最小的离网调度策略；

s7在停电时长不确定性的情况下根据离网调度策略对工业园区进行离网调度。

以下为采用本实施例的考虑停电时长不确定性的工业园区离网调度方法的具体应用算例，以位于中国广东的实际电力电池为例，图6为动力电池生产流程示意图，参照图6，首先对实际动力电池生产流程进行分析，基于生产流程的时序约束与仓储环节将生产划分为三个子任务。包括电芯生产(cp)环节(搅拌、涂布、干燥、碾压、切片)，电池打包(pl)环节(卷绕、焊接、注液、封装)以及最后的老化和测试(fg)环节。

图7为动力电池生产园区的稳态能流统一模型的能量枢纽结构示意图。参照图7，cp中有两个工作站，pl中有两个工作站，fg中有三个工作站，两个仓储站(materialstorage，ms)。能源系统设备包括三联供机组(combinedheatandpower，chp)，热泵(heatpump，hp)，辅助燃气锅炉(auxiliaryboiler，ab)，吸收式制冷机(absorptionchillerac)，离心式冷水机(centrifugalchiller，cc)以及电储能(bess)、热储能(ts)、冷储能(cs)设备构成，并增加了冷热电母线节点来减小矩阵规模，图中v表示支路编号，n表示节点编号。

基于动力电池生产园区的稳态能流统一模型的能量枢纽结构，建立整个园区稳态能流统一模型如式(15)所示。

最终得到输出vout与vin，v2的关系式，c1和c2均为系数矩阵，只与系统连接方式以及设备效率参数相关，与系统运行状态无关，不参与优化计算，是为常系数矩阵。

建立工业园区离网运行的优化目标。针对上述动力电池生产厂分析优化目标，包括能量系统运行成本，生产任务停滞成本以及最重要的生产原料损失成本三部分构成。能源系统运行成本包括购气成本和设备运行维护成本，运行和维护成本包括热电联产和空调的启动/关闭成本、发电厂的维护成本。生产任务停滞成本为计划生产任务与实际停电期间完成的生产任务的差值带来的收益损失。生产原理损失成本为中间生产过程及重要生产线上生产物料未能完成最终产品生产而中途断电造成的原材料废弃，此成本也是高科技生产企业在停电时面临的最重要损失。

综合考虑以上三部分成本，建立工业园区综合能源系统离网优化调度目标函数如上式(11)所示。

进一步根据上式(12)-(14)的离网优化问题的约束条件得到考虑工业生产的电力电池生产园区离网优化调度模型。

由于离网优化调度模型中存在启停变量和功率变量的乘积，因此该模型是一个非线性问题。为了便于计算，本申请采用大m法对模型进行线性化。

基于上述离网优化调度模型，通过外部电网历史停电时长数据进行分析，得到外部电网停电时长的概率分布，如图8所示。在此概率分布的基础上优化得到停电损失最小的离网调度策略，具体的优化步骤如图9所示。

根据以上停电时长的概率分布，采用蒙特卡洛法生产不同停电时长的样本场景，模拟停电时长的可能状态。采用k-means聚类算法将产生的大量不同停电时长的样本场景削减成8个场景，分别具有不同的停电时长和发生概率。

对于每一个单独的场景，都具有确定的停电时长，利用前述离网优化调度策略进行优化，得到系统停电损失成本，然后通过随机优化方法对此8个场景进行协同优化，根据每个场景的发生概率赋值不同的权重系数，获得实现满足8种场景下综合损失最小的优化调度策略，即为最终的优化调度策略。下表1为采用最终的优化策略得到的不同停电时间下系统的停电损失。

表1

当外部电网停电时长确定时，即已知系统离网运行时间，采用线性化的考虑工业生产的电力电池生产园区离网优化调度模型。采用matlab与cplex联合求解离网优化调度模型，通过单一变量控制的方法设置不同停电时长，不同储能状态参数，仿真验证不同场景下离网园区停电损失。以chp机组出力为75％，储能系统容量均为50％为例分析2小时停电时长(计划停电时长)对应的调度策略在1-5h的停电时长下造成的经济损失如下表2所示。

表2

通过表1和表2可以看出，与表2数据相比，本申请的考虑停电时长不确定性的工业园区离网调度方法能够有效降低较长停电时间场景下的损失，综合风险更低。

本领域技术人员应能理解上述的应用类型仅为举例，其他现有的或今后可能出现的应用类型如可适用于本发明实施例，也应包含在本发明保护范围以内，并在此以引用方式包含于此。

本领域技术人员应能理解，上述所举的根据用户信息决定调用策略仅为更好地说明本发明实施例的技术方案，而非对本发明实施例作出的限定。任何根据用户属性来决定调用策略的方法，均包含在本发明实施例的范围内。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。