本发明涉及微能源网的优化调度,特别涉及一种微能源网的弱鲁棒优化调度方法。
背景技术:
微能源网是一种微型综合能源系统,作为能源互联网的重要组成部分是未来人类社会能源的主要承载形式之一。目前研究,微能源网的优化调度多未考虑用户功率和可再生能源出力的不确定性,将威胁微能源网的安全运行。
近年来,鲁棒优化广泛应用于不确定环境下电力系统的运行调度。但传统的鲁棒优化方法,关注的是不确定参数在最坏的场景下解的可行性,获得的调度方案具有很强的保守性。
针对上述问题,本发明建立了微能源网的功率平衡和能源转换模型,并对微能源网进行弱鲁棒优化调度,能够有效权衡调度的经济性和风险性,改善传统鲁棒优化调度的保守性,而且能够适应决策者的不同调度要求。
技术实现要素:
本发明的目的在于处理微能源网在不确定性参数下的优化调度问题,权衡调度的经济性和风险性,改善传统鲁棒优化调度的保守性。
为实现上述目的,本发明提出一种微能源网弱鲁棒优化调度方法,包括以下步骤:
(1)获取微能源网的架构信息、能源价格、决策信息、用户功率和可再生能源出力信息;
(2)根据微能源网的架构信息,建立微能源网的能源转换和功率平衡模型;
(3)根据微能源网的能源价格和决策信息以及能源转换和功率平衡模型,建立微能源网的弱鲁棒优化调度模型;
(4)根据对等式转化理论将弱鲁棒优化调度模型中的不确定性约束转化为确定性约束;
(5)根据gams软件求得的最优解,进行微能源网调度。
所述的微能源网的架构信息包括:微能源网涉及的能源种类、能源转换设备种类,以及能源储存设备的种类。
所述的微能源网的决策信息包括:微能源网所允许的最大缺额功率比例,以及能源缺额功率惩罚系数。
所述步骤(2)包括以下步骤:
(2-1)根据所述的微能源网的架构信息,列写微能源网的输入输出功率平衡方程:
其中,
(2-2)根据所述的微能源网的架构信息,将能源转换设备的总输入功率向量i和总输出功率向量o分别表示为能源转换设备的各个输入功率和输出功率之和:
其中,pin和pout分别为能源转换设备的输入和输出功率向量:
其中,m为能源转换设备的输入功率总个数,n为能源转换设备的输出功率总个数,
其中,akm为a的第k行第m列的元素;bkn为b的第k行第n列的元素;
(2-3)根据所述的微能源网的架构信息,微能源网的能源转换模型为:
pout=dpin
其中,d为转换关系矩阵,阶数为n行m列,d的元素根据如下规则获取:
其中,dnm为d的第n行第m列的元素;ηnm为
(2-4)根据步骤(2-1)~(2-3),可以得到微能源网的功率平衡模型:
sb-ss+w=fpin+l+qch-qdis
其中,f=(a-bd)为中间关系矩阵,阶数为k行m列。
所述的微能源网的弱鲁棒优化调度模型包括目标函数和约束条件;
所述的目标函数为:
maxf=max{ce-com-cc-cλ}
其中,f为微能源网的综合利润,ce为售能盈利、com为设备维护成本、cc为碳税收、cλ为能源功率缺额惩罚项,各项根据下式计算:
其中,△t为优化时间间隔,t为优化总时段;lk,t为t时段k类能源的用户功率预测值;
所述的约束条件为:
上式为能源供求约束,
上式为能源转换设备运行约束,
上式为能源储存设备运行约束,ek,0、ek,t和ek,t分别为k类能源的能源储存设备初始时刻、结束时刻和t时段的储能占比;
上式为能源交易约束,
所述的步骤(4)包括以下步骤:
(4-1)构建用户功率和可再生能源出力的不确定集;
用户功率和可再生能源出力的不确定集为:
其中,wk,t为k类能源的可再生能源出力预测值,
(4-2)根据对等式转换理论将弱鲁棒优化模型中的不确定性约束转化为确定性约束;
所谓的对等式转化理论,即对于不等式
则上述不等式可以转化为:
其中,γ为不确定性参数的不确定集预算值;
由此,弱鲁棒优化调度模型中的能源供求约束,可以转换为:
其中,
与现有技术相比,本发明提供的一种微能源网弱鲁棒优化调度方法具有如下显著的效果:能够适用于不确定性参数下微能源网的优化调度,保障系统的安全运行,而且与传统鲁棒优化调度方法相比,能保证多数情况下系统能源供应能够满足用户需求基础上,大幅度提高了系统的经济性,能够有效权衡微能源网运行的经济性和风险性,改善调度模型的保守性,得到的调度方案更加合理、具有实际意义。
附图说明
图1为一种微能源网弱鲁棒优化方法的步骤示意图;
图2为典型微能源网的结构图;
图3为电价曲线图;
图4为电、热和天然气功率和风电出力预测曲线。
具体实施方式
以下结合附图和实例对本发明的具体实施做进一步说明。
本发明实施例将给出一个典型微能源网以弱鲁棒优化调度方法进行调度的具体应用实例。
如图1所示,一种微能源网弱鲁棒优化调度方法包括:
(1)获取微能源网的架构信息、能源价格、决策信息、用户功率和可再生能源出力信息;
(2)根据微能源网的架构信息,建立微能源网的能源转换和功率平衡模型;
(3)根据微能源网的能源价格和决策信息以及能源转换和功率平衡模型,建立微能源网的弱鲁棒优化调度模型;
(4)根据对等式转化理论将弱鲁棒优化调度模型中的不确定性约束转化为确定性约束;
(5)根据gams软件求得的最优解,进行微能源网调度。
所述的微能源网的架构信息包括:微能源网涉及的能源种类、能源转换设备种类,以及能源储存设备的种类。
所述的微能源网的决策信息包括:微能源网所允许的最大缺额功率比例,以及能源缺额功率惩罚系数。
本发明实施例中以某一典型微能源网为例,其包含的可再生能源为风电,其结构如图2所示。示例性地,所述的微能源网架构信息包括:所述典型微能源网涉及电、热和天然气共3种能源、能源转换设备包括热电联产、燃气锅炉和电锅炉共3种;能源储存设备包括储电、储热和储气共3种。
示例性地,所述的微能源网决策信息包括,微能源网所允许的电、热和天然气的最大缺额功率比例均为10%,以及电、热和天然气缺额功率的惩罚系数均为0.5元/kw。
所述步骤(2)包括以下步骤:
(2-1)根据所述的微能源网的架构信息,列写微能源网的输入输出功率平衡方程:
其中,
示例地,本发明实施例中sb、ss、w、qch、qdis和l为:
其中,
(2-2)根据所述的微能源网的架构信息,将能源转换设备的总输入功率向量i和总输出功率向量o分别表示为能源转换设备的各个输入功率和输出功率之和:
其中,pin和pout分别为能源转换设备的输入和输出功率向量:
其中,m为能源转换设备的输入功率总个数,n为能源转换设备的输出功率总个数,
其中,akm为a的第k行第m列的元素;bkn为b的第k行第n列的元素;
示例性地,本发明实施例中,能源转换设备的输入功率向量pin和输出功率向量pout为:
其中,
示例性地,本发明实施例中,输入关系矩阵a和b输出关系矩阵为:
(2-3)根据所述的微能源网的架构信息,微能源网的能源转换模型为:
pout=dpin
其中,d为转换关系矩阵,阶数为n行m列,d的元素根据如下规则获取:
其中,dnm为d的第n行第m列的元素;ηnm为
示例性,本发明实施例中,转换关系矩阵d为:
其中,ηchpe和ηchph分别为热电联产设备的产电效率和产热效率;ηeb为电锅炉效率;ηgb为燃气锅炉效率。
(2-4)根据步骤(2-1)~(2-3),可以得到微能源网的功率平衡模型:
sb-ss+w=fpin+l+qch-qdis
其中,f=(a-bd)为中间关系矩阵,阶数为k行m列;
示例性,本发明实施例中,中间关系矩阵f为:
示例性,本发明实施例中,微能源网的功率平衡模型为:
所述的微能源网的弱鲁棒优化调度模型包括目标函数和约束条件;
所述的目标函数为:
maxf=max{ce-com-cc-cλ}
其中,f为微能源网的综合利润,ce为售能盈利、com为设备维护成本、cc为碳税收、cλ为能源功率缺额惩罚项,各项根据下式计算:
其中,△t为优化时间间隔,t为优化总时段;lk,t为t时段k类能源的用户功率预测值;
所述的约束条件为:
上式为能源供求约束,
上式为能源转换设备运行约束,
上式为能源储存设备运行约束,ek,0、ek,t和ek,t分别为k类能源的能源储存设备初始时刻、结束时刻和t时段的储能占比;
上式为能源交易约束,
所述的步骤(4)包括以下步骤:
(4-1)构建用户功率和可再生能源出力的不确定集;
用户功率和可再生能源出力的不确定集为:
其中,wk,t为k类能源的可再生能源出力预测值,
(4-2)根据对等式转换理论将弱鲁棒优化模型中的不确定性约束转化为确定性约束;
所谓的对等式转化理论,即对于不等式
则上述不等式可以转化为:
其中,γ为不确定性参数的不确定集预算值;
由此,弱鲁棒优化调度模型中的能源供求约束,可以转换为:
其中,
本发明实施例中,优化时间间隔为1小时,全天优化总时段为24小时。图3为电价曲线。图4为电、热和天然气功率和风电出力预测曲线,电、热和天然气功率的最大预测误差比例为10%,风电出力最大预测误差比例为15%。任意时刻电能的不确定集预算值均为2,任意时刻热能的不确定集预算值均为1,任意时刻天然气的不确定集预算值均为1。
本发明实施例中,微能源网向用户售热价格为1.0元/kw·h,微能源网从上层气网买入天然气价格为3.15元/m3,向用户销售天然气的价格为4.15元/m3。
为进一步体现本发明的有效性和优越性,表1给出了3种方案的调度结果对比。方案1为传统优化调度,根据用户功率和风电出力的预测值进行优化调度;方案2为传统鲁棒优化调度,不允许出现功率缺额;方案3为本发明公开的微能源网弱鲁棒优化调度。
为进行鲁棒性分析,在用户功率和风电出力不确定预算集约束范围内,随机生成r=100组用户功率以及风电出力场景,以模拟实际用户功率以及风电出力波动的情景,分别统计电、天然气和热功率缺额的小时数ve、vg和vh,计算其占总小时数的百分比pu,e、pu,g和pu,h:
表13种方案下的优化结果及鲁棒性分析
由表1可知,传统优化调度的具有最高的经济收益但却不能应对用户功率以及风电出力的不确定性,一旦用户功率高于预测值或风电出力低于预测值,将出现功率缺额,鲁棒性最差;传统鲁棒优化调度杜绝出现功率缺额,但总收益比传统优化调度降低了23.01%,经济性最差,具有很强的保守性,不适用于实际情况;本文所提的弱鲁棒优化调度,则能保证大部分情况下微能源网的能源供应能满足用户需求,且经济效益仅比传统优化调度降低11.53%,能够权衡调度的经济性和风险性,有效地改善了调度方案的保守性,更加具有实际意义。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他任何未背离本发明的精神实质和原理下所作的修改、修饰、替代、组合、简化,均应为等效的置换方式,都应包含在本发明的保护范围之内。