一种含多区域能源站的电力‑热力综合能源系统调度方法与流程

本发明涉及电力-热力综合能源系统领域，尤其涉及一种含多能源站以及高比例可再生能源的区域电力-热力综合能源系统调度方法。

背景技术：

以燃煤为原料的集中式供暖，是我国北方地区冬季传统供暖方式，然而该供暖方式给城市环境以及居民健康带来了严重影响。有研究表明，就北京市而言，该供暖方式使得pm2.5浓度增加50％以上。自2013年9月10日国务院发布《大气污染防治行动计划》起，各地陆续出台相关政策与补贴措施鼓励采用清洁的天然气来替代燃煤来供暖。同年，国网公司提出实施“电能替代”战略，力求在终端能源消费环节实现用电能替代散烧煤、直燃油等化石燃料，实现能源发展方式的根本转变。2016年5月16日国家发展改革委、国家能源局等多部门联合印发了《关于推进电能替代的指导意见》，鼓励推广电锅炉等清洁供热设备。然而供暖经济性以及电采暖设备容易造成尖峰负荷等原因严重限制了清洁供热设备的推广使用。

综合能源系统通过多种能源系统的统一规划和协调运行，可以实现能源的梯级利用及能源系统间的有机协调，提高能源利用率，促进可再生能源的消纳，同时实现能源供应开源与节流的目标。

在区域电力-热力综合能源系统中，通过不同类型区域能源站的协调，充分挖掘多能源优势互补潜力，降低配电网网络损耗，改善配电网尖峰负荷现象，提高可再生能源消纳率，同时有效降低区域电力-热力系统运行成本，有利于响应国家“煤改气”政策及“电能替代”战略，推广以热电联产系统、电锅炉为代表的清洁供热设备。

发明人在实现本发明的过程中，发现现有技术中至少存在以下缺点和不足：

现有针对区域电力-热力综合能源系统的研究较少关注区域能源站间的协同调度。而区域能源站作为区域热力系统热源以及区域热力系统与配电网耦合的核心环节，对整个区域电力-热力系统状态具有至关重要的作用，不同类型区域能源站可为多能源的科学调度提供空间。对含多区域能源站的电力-热力综合能源系统，实现其协同调度需关注多种关键设备的运行约束以及各能源系统的网络约束，而这些约束往往具有高维、非线性的特点。

这些因素使得少有学者对作为区域热力系统热源的区域能源站间的协同调度进行研究，而已存在的研究也往往仅从能量平衡的角度，未考虑整个系统网络的影响。

技术实现要素：

本发明提供了一种含多能源站以及高比例可再生能源的区域电力-热力综合能源系统调度方法，本发明可通过不同类型区域能源站的协调，充分挖掘多能源优势互补潜力降低配电网网络损耗，改善配电网尖峰负荷现象，提高可再生能源消纳率，同时有效降低区域电力-热力系统运行成本，详见下文描述：

一种含多区域能源站的电力-热力综合能源系统调度方法，所述方法包括以下步骤：

构建由配电网、区域能源站、区域热力系统组成的区域电力-热力综合能源系统；

构建上述区域电力-热力综合能源系统的调度模型；

基于群体智能的随机搜索对区域电力-热力综合能源系统的调度模型进行求解。

其中，所述区域能源站包括：

由热电联产单元、电力变压器以及一级换热站组成的第一类能源站；还包括：

由电锅炉、储热装置、电力变压器以及一级换热站组成的第二类能源站；

第一类能源站和第二类能源站分别遵守相应的能量平衡方程。

其中，所述区域热力系统包括：水流的质量和温度模型。

进一步地，所述构建上述区域电力-热力综合能源系统的调度模型具体为：

构建由区域能源站运行成本、配电网网损最小为优化目标、可再生能源的消纳组成的目标函数，同时将弃风电量以惩罚项的形式加入；

分别建立配电网、区域能源站、区域热力系统的约束条件。

进一步地，所述目标函数具体为：

其中，为电能价格；为配电网网损；为天然气价格；为i型能源站输送到配电网的电量；为i型能源站所购天然气的量；为ii型能源站所购电量；为弃风惩罚项；和分别为风机最大的预测功率和实际功率；n为时段总数；nesi和nesii为i型和ii型能源站个数；nwt为配电网中风机个数。

进一步地，所述基于群体智能的随机搜索对区域电力-热力综合能源系统的调度模型进行求解具体为：

1)读取能源系统、外界环境相关信息，设置目标函数以及相应约束，初始化群体智能产生初始种群以及相应粒子速度；

2)检查粒子约束，采用约束处理机制直接处理部分约束；

3)区域热力系统能量流求解，计算不同类型区域能源站能量交互信息，进行配电网潮流仿真；

4)采用罚函数法间接处理其他相关约束，计算各个粒子的适应值，更新当前种群的最优位置以及全部粒子最优位置；

5)判断全部粒子最优位置是否满足结束要求或者达到最大迭代次数，若是则生成最优调度计划，否则返回步骤2)。本发明提供的技术方案的有益效果是：

1、本发明在保证区域热力系统用户温度舒适度的基础上，可有效采用电采暖设备所造成的配电网尖峰负荷现象；

2、本发明可通过多能源站的增强配电网的灵活性，改善热电联产系统。工作在“以热定电”模式下所造成的可再生能源消纳问题，同时可有效降低配电网网络损耗；

3、本发明可有效降低区域电力-热力系统运行成本，促进“煤改气”以及“电能替代”政策的推广。

附图说明

图1为一种含多区域能源站的电力-热力综合能源系统调度方法的流程图；

图2为本发明提供的不同类型区域能源站的模型图；

图3为本发明提供的pso(粒子群优化)算法约束处理机制的原理图；

图4为本发明提供的含多能源站以及高比例可再生能源的区域电力-热力综合能源系统调度方法的详细流程图。

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含多能源站以及高比例可再生能源的区域电力-热力综合能源系统调度方法，参见图1-图4，该方法包括以下步骤：

101：构建由配电网、区域能源站、区域热力系统组成的区域电力-热力综合能源系统；

其中，区域电力-热力综合能源系统主要包括：配电网、区域能源站、区域热力系统三个部分，本发明实施例针对这三个部分进行仿真模型的建立，并最终构建了区域电力-热力综合能源系统仿真模型。

102：构建上述区域电力-热力综合能源系统的调度模型；

其中，在区域电力-热力综合能源系统调度模型中，以配电网网损、弃风惩罚以及区域能源站运行费用最优为目标，同时综合考虑了三相不平衡配电网、区域热力系统、区域能源站的运行约束。

103：基于群体智能的随机搜索对区域电力-热力综合能源系统的调度模型进行求解。

该求解方法基于约束处理机制的pso(粒子群优化)算法，其求解框架如图4所示。

其中，步骤101中的区域能源站包括：

由热电联产单元、电力变压器以及一级换热站组成的第一类能源站；还包括：

由电锅炉、储热装置、电力变压器以及一级换热站组成的第二类能源站；

第一类能源站和第二类能源站分别遵守相应的能量平衡方程。

其中，步骤101中的区域热力系统包括：水流的质量和温度模型。

进一步地，步骤102中的构建上述区域电力-热力综合能源系统的调度模型具体为：

构建由区域能源站运行成本、配电网网损最小为优化目标、可再生能源的消纳组成的目标函数，同时将弃风电量以惩罚项的形式加入；

分别建立配电网、区域能源站、区域热力系统的约束条件。

综上所述，本发明实施例通过上述步骤101-步骤103可通过不同类型区域能源站的协调，充分挖掘多能源优势互补潜力降低配电网网络损耗，改善配电网尖峰负荷现象，提高可再生能源消纳率，同时有效降低区域电力-热力系统运行成本。

实施例2

下面结合具体的计算公式、图1-图4对实施例1中的方案进行进一步地介绍，详见下文描述：

201：区域电力-热力综合能源系统建模；

(1)区域能源站；

主要构建了两种类型的区域能源站，不同类型区域能源站为实现多能源的科学调度提供了空间，第i类能源站包含chp(热电联产单元)、电力变压器以及phe(一级换热站)、chp所产生的电能一部分经电力变压器变压后提供给区域能源站中的水泵，剩余的电能则输送到配电网；所产生的热能经phe输送到区域热力网络中，其能量平衡方程如下式(1)所示：

其中，为提供给水泵的电能；为输送到配电网的电能；为输送到区域热力网络的热能；λ1为提供给水泵的电能占chp所产生的电能的比例；ηt为变压器的效率；ηchp为chp的效率；φchp为chp的热电比；ηphe为一级换热站的效率；为能源站所消耗天然气量。

第ii类能源站包含：电锅炉、储热装置、电力变压器以及phe，电锅炉所产生的热量既可以经phe输送到区域热力网络也可以存储到储热装置中，同时储热装置中的热量也可以经phe输送到区域热力网络；区域能源站中水泵所需电能则由配电网电能经电力变压器变压后提供，其能量平衡方程如下式(2)所示：

其中，为储热装置的功率；λ2为水泵消耗电能占总消耗电能的比例；ηeb为电锅炉的效率；为能源站所消耗的电能。

(2)区域热力系统；

区域热力系统的负荷模型计算可基于下式(3)：

其中，为第i节点所供暖的热负荷；为供暖区域建筑的单位体积热需求系数；vi为供暖区域建筑的体积；为供暖区域建筑室内设计温度；ta,t为外界环境温度；为区域热力网络负荷节点集合。

描述区域热力网络时，需要从水流的质量和温度两个角度出发。

1)水力模型：

基于图论思想对区域热力系统网络进行描述，对区域热力系统水流的流动规律进行建模，其能量流连续性方程可以用下式(4)来描述：

其中，a是区域热力网络中节点和管道的关联矩阵,是管道的水流质量流率，

是节点的注入水流质量流率。

在水网的每个封闭回路中，水头损失向量之和为零，即：

其中，b为区域热力网络中节点和管道的关联矩阵；k为管道的阻尼系数；为管道的水流质量流量。

2)热力模型：

各节点热功率可用式(6)进行描述：

其中，φ为热负荷所消耗的热功率，cp为水的比热，为注入每个节点的质量流率，ts是每个节点供水温度向量，to是各节点出水温度向量。

考虑到区域热力系统管道热损失，在其传输中水流温度的降落可以由式(7)所示：

令t′end＝tend-ta，t′start＝tstart-ta，

其中，λ为表征管道材质保温性能的参数。

则式(7)可变换为：

其中，tstart指水流进入管道时的温度，tend指其从管道流出时的温度，ta指外界环境的温度，是每个管道单位长度的热量降落系数。l是每个管道的长度，cp＝4.182*10^-3mj*kg^-1*℃^-1。

在多个管道的交汇节点，其汇合后的温度可按式(9)计算：

其中，是出水管道的质量流率，是进水管道的质量流率，tout是出水管道的温度，tin是进水管道的温度。

(3)配电网络

随着可再生能源发电在配电网中的渗透及配电网与其他区域能源系统能流互动的日益密切，传统配电网单向潮流的基本格局得到了改变，给配电网潮流计算带来了诸多挑战，但配电网潮流计算模型仍可依据以下公式：

其中，和分别为配电网第i节点m相的有功、无功负荷；为配电网第i节点m相电压幅值，和为配电网第i节点与第j节点间m相与n相间的电导和电纳；为配电网第i节点与第j节点间m相与n相电压的相角差。

202：含多能源站的区域电力-热力综合能源系统调度模型；

(1)目标函数

以区域能源站运行成本、配电网网损最小为优化目标，同时考虑可再生能源的消纳，将弃风电量以惩罚项的形式加入目标函数中。

其中，为电能价格；为配电网网损；为天然气价格；为i型能源站输送到配电网的电量；为i型能源站所购天然气的量；为ii型能源站所购电量；为弃风惩罚项；和分别为风机最大的预测功率和实际功率；n为时段总数；nesi和nesii为i型和ii型能源站个数；nwt为配电网中风机个数。

(2)约束条件

1)区域能源站约束：

区域能源站内部涉及诸多设备，i型能源站中设备约束来自于chp，如下式：

其中，和分别为chp的最大和最小功率；为chp的实际功率；为chp的爬坡率；为chp爬坡率上限。

ii型能源站中设备约束来自于电锅炉以及储热设备,电锅炉的约束如下式：

其中，和分别为电锅炉的最大和最小功率；为电锅炉的实际功率；为电锅炉爬坡率；为电锅炉爬坡率上限。

对于储热设备而言，充放能前后储热装置的能量关系如下式：

其中，为t时刻储热装置的储热量；为t-1时刻储热装置的储热量；和分别为储热和放热的功率；ηc和ηd分别为储热和放热的效率；δt为时间间隔。

基于式(14)，定义如下式(15)来描述储热装置的运行状态：

其中，描述了储热装置的储热状态；和δhsoc^k分别为储热装置储热和放热时最大状态变化量；为储热装置的最大储热量；和分别为最大的储热和放热功率。

为保证储热装置稳定运行，需满足如下式所示约束：

其中，和hsoc^k分别为储热装置最大和最小储热状态；为储热装置状态变化量为调度周期结束时刻储热装置状态；为调度周期开始时刻储热装置状态。

2)区域热力系统

为保证区域热力网络水力工况的稳定，各phe处所提供热量应满足下式：

其中，为第i个phe所提供的热量。

区域热力系统中的加压水泵实际功率不能超过其额定功率：

其中，为第i个水泵的实际功率；为水流的质量流量；ρ为水流的密度；ηp为水泵的效率；为第i个水泵的额定功率。

区域热力网络中管道的水压降不能超过其最大允许水压损失：

其中，δpk,t为管道的水压降；为管道的最大允许水压降。

3)配电网

配电网节点电压在运行过程中需要保持在一定范围内：

其中，vi^m为配电网节点电压的下限；为配电网第i个节点的电压；配电网节点电压上限。

配电网线路上输送的功率不能超过线路允许的最大功率：

其中，为第k条线路的实际功率；为第k条线路的允许功率的最大值。

为保证供电的可靠性，配电网平衡节点处的功率有如下约束：

其中，为平衡节点处有功功率的最大值；为平衡节点处的实际功率。

203：含多能源站的区域电力-热力综合能源系统调度策略求解方法与框架。

pso(particleswarmoptimization)是一种基于群体智能的随机搜索算法，对不同优化问题都具有良好的适应性，但该算法容易陷入局部最优。约束处理机制(constrainthandlingtechnique,cht)能够有效提高pso算法的速度，同时改善其容易陷入局部收敛的缺点，其原理可描述如下：

基于pso算法的基本原理可知，第i个粒子第j维第k次迭代时速度和位置分别满足如下条件：

其中，和分别表示算法所设定的粒子的速度与位置上下限，和分别表示实际中粒子的速度与位置的最大、最小值，和gbestj分别为粒子的最优位置以及全部粒子最优位置，ω为惯性系数，c1和c2为加速系数。

受pso中粒子更新时速度的影响，其每一维度都存一个“飞行区间”，意味着粒子更新的位置存在一个“飞行空间”，尽可能的在粒子位置的“飞行空间”内通过cht修正粒子的空间位置，使得粒子从不可行域进入可行域，在进行约束处理时尽可能保持pso算法的自然过程。

本发明优化调度模型的求解过程如下所示：

1)读取能源系统、外界环境相关信息，设置目标函数以及相应约束，初始化pso产生初始种群以及相应粒子速度；

2)检查粒子约束，采用cht直接处理部分约束；

3)区域热力系统能量流求解，计算不同类型区域能源站能量交互信息，进行配电网潮流仿真。

4)采用罚函数法间接处理其他相关约束，计算各个粒子的适应值，更新当前种群的gbest和所有粒子的pbest；

5)判断gbest是否满足结束要求或者达到最大迭代次数，若是则生成日前最优经济调度计划，否则返回步骤2)。

综上所述，本发明实施例通过上述步骤201-步骤203可通过不同类型区域能源站的协调，充分挖掘多能源优势互补潜力降低配电网网络损耗，改善配电网尖峰负荷现象，提高可再生能源消纳率，同时有效降低区域电力-热力系统运行成本。

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。