一种考虑系统不确定性的微能源网随机区间协同调度方法与流程

本发明涉及一种考虑系统不确定性的微能源网随机区间协同调度方法，属于综合能源及电力系统运行调度领域。

背景技术：

大规模分布式可再生能源的接入对电力系统的安全运行带来巨大影响，高波动性、强间歇性新能源出力难以准确预测，使得电力系统需要更多的灵活资源和更可靠的运行调度方法来维持系统的电力供需平衡。微能源网是能够实现电、热、冷、气等多种能源形式的综合利用管理，提高分布式可再生能源机组的接入比例，提高系统的运行灵活性和可靠性，降低系统运行成本。已有的微能源网的协同优化方法主要对部分能源形式和分布式能源设备进行建模，未考虑新能源和负荷对系统运行状态对系统稳定运行产生的影响，也没有对系统设备的参数不确定性进行建模，因此很难实现含多种能源形式和高比例新能源的微能源网有效管理和灵活运行。

技术实现要素：

为了克服现有技术的不足，本发明的目的是提出一种考虑系统不确定性的微能源网随机区间协同调度方法。该协同调度方法包括以下步骤：

步骤1：搭建含电、热、冷、气等多种能源形式的微能源网运行调度模型，对微能源网中热电联产机组、热泵、燃气锅炉、空调、吸收式制冷机、电转气设备、风电机组、光伏板等分布式能源设备进行建模，实现多种能源形式互补协同运行。热电联产机组在利用天然气发电的同时能够实现余热的梯级利用，其运行模型为：

其中，为热电联产机组t时刻的输入天然气功率，和为热电联产机组t时刻的输出电功率和输出热功率。和为热电联产机组的电效率和热效率参数。热泵和燃气锅炉是辅助性供热设备，其中热泵利用电能进行驱动，可分为空气源热泵和热源热泵等。热泵和燃气锅炉的运行模型为：

其中，和是热泵t时刻的输入电功率和输出热功率，是热泵产热效率。和是燃气锅炉t时刻的输入气功率和输出热功率，是锅炉产热效率。空调是利用电动机压缩空气进行制冷，而吸收式制冷机的工作原理为逆向卡诺循环，利用余热驱动制冷。空调和吸收式制冷机的运行模型为：

其中，和是空调t时刻的输入电功率和输出冷功率，是空调t时刻的制冷效率。和是吸收式制冷机t时刻的输入热功率和输出冷功率，是吸收式制冷机的制冷效率。电转气设备通过电解水和甲烷化两个步骤，将电能转换为存储在甲烷气体中的化学能，其运行模型为：

其中，和是电转气设备t时刻的输入电功率和输出气功率，是电转气设备的运行效率。

步骤2：对系统运行中面临的新能源和负荷不确定性进行建模，采用场景集对不确定性风电和光伏的注入功率，以及冷、热、电负荷不确定性进行建模。基于使用拉丁超立方采样方法生成场景集，首先确定场景集中的场景个数n，然后将待采样的随机变量分解为n个等概率区间，最后根据拉丁超立方采样原则生成n个随机场景。风电和光伏注入功率的典型场景表示为：

其中，和是风电和光伏在t时刻i场景的有功注入功率，和是时间序列集合和场景集合。冷、热、电负荷的典型场景表示为：

其中，和是冷、热、电负荷在t时刻i场景的有功注入功率。

步骤3：对系统内部参数进行不确定性区间建模，主要包括分布式能源设备的能量利用转化效率。传统的方法用固定参数表征转化效率，考虑到设备运行状态的波动，需要用区间数表征分布式能源设备的能量转换系数：

其中，()⁺和()^-分别表示对应区间数的上限和下限。

步骤4：使用基于场景的区间优化算法对考虑系统不确定性的微能源网协同调度问题进行求解，将含有区间数的优化问题转化为一个对应于区间数上限的子问题和一个对应于区间数下限的子问题，对两个子问题分别进行求解，得到微能源网协同调度策略。

优选的，系统优化目标同时考虑经济成本和环境影响：

j＝j^eco+j^env

其中，系统总成本j由经济成本j^eco和环境成本j^env组成，α^elec(t)和α^gas(t)分别表示电价和气价，和分别表示微能源网的输入电功率和输入气功率，δt表示时间步长，t表示时间长度。γ^elec(t)表示外界电功率的碳排放强度，γ^gas(t)表示天然气燃烧的碳排放强度，是碳税系数。

优选的，所述的微能源网协同调度模型还包括机组出力约束和系统功率平衡约束。分布式能源设备的机组出力约束：

其中，和表示热电联产机组输入气功率的下限和上限，u^chp(t)表示热电联产机组的开停机变量。和表示热泵输入电功率的最小值和最大值，u^hp(t)表示热泵的开停机变量。和表示燃气锅炉输入气功率的下限和上限，u^gb(t)表示燃气锅炉的开停机变量。和表示空调输入电功率的下限和上限，u^rc(t)表示空调的开停机变量。和表示吸收式制冷机输入热功率的下限和上限，u^gb(t)表示燃气锅炉的开停机变量。和表示电转气设备输入气功率的最小值和最大值，u^ptg表示电转气设备的开停机变量。系统功率平衡约束为：

其中，系统功率平衡约束包括电功率平衡、气功率平衡、热功率平衡和冷功率平衡。

本发明的有益效果是：

1)能够实现微能源网中电、热、冷、气等多种能流和分布式能源设备的协同运行和有效管理。

2)能够在微能源网协同调度模型中考虑分布式可再生能源(如风电、光伏)和冷、热、电多能负荷等随机性外界因素的影响，有效量化新能源注入功率不确定性和系统参数不确定性对系统运行产生的影响，提高微能源网运行经济性和可靠性。

3)能够同时考虑系统运行的经济成本和环境成本，在保证供能可靠性的前提下，实现多种能源形式的综合利用和协同优化，提高系统运行效率。

附图说明

图1是微能源网示意图，包括光伏、风机、电转气、热电联产机组、热泵、空调、吸收式制冷机、锅炉等分布式能源设备，与电网和气网相连接，包含电、气、冷、热等多种能源利用形式，满足微网内电、冷、热负荷。

图2是考虑不确定性的微能源网随机区间协同调度方法的流程图，主要流程如下：1)使用拉丁超采样和混合前向后向场景缩减算法生成风电、光伏、冷、热、电负荷的场景集合；2)搭建微能源网的分布式能源设备运行模型；3)加入分布式能源设备处理约束和冷、热、电、气功率平衡约束；4)形成含冷、热、电、气等多种能源形式的微能源网随机区间协同优化模型；5)基于场景集生成微能源网协同运行区间优化模型；6)基于混合整数线性规划求解器求解微能源网协同运行随机优化模型；7)得到微能源网协同运行策略。

具体实施方式

以下结合附图作进一步说明。

参见附图2，这是考虑不确定性的微能源网随机区间协同调度方法的流程图。下面介绍具体的执行流程。使用拉丁超立方采样算法生成风电、光伏、冷、热、电负荷的场景集合，共有n个场景，表示为

然后，搭建包含分布式能源设备、出力约束和功率平衡约束的微能源网协同优化模型。微能源网协同优化模型的目标函数为：

微能源网协同优化模型的约束为：

基于风电、光伏和多能负荷的场景集合，生成微能源网协同运行的随机区间优化模型，其目标函数为：

微能源网协同运行的随机优化模型的约束为：

其中，和是场景i的微能源网输入电功率和输入气功率。和是场景i的热电联产机组输出电功率、输出热功率和输入气功率。和是场景i的热泵输出热功率和输入电功率。和是场景i的锅炉输出热功率和输入气功率。和是场景i的空调输出冷功率和输入电功率。和是场景i的吸收式制冷机输出冷功率和输入热功率。和是场景i的电转气设备输出气功率和输入电功率。

最后，基于混合整数线性规划求解器，求解上述随机优化问题，得到微能源网协同运行策略。该运行策略能够考虑分布式可再生能源(如风电、光伏)和冷、热、电多能负荷等随机性外界因素的影响，以及系统参数不确定性扰动，实现微能源网中电、热、冷、气等多种能流和分布式能源设备的协同运行和有效管理，在保证供能可靠性的前提下，降低系统运行的经济成本和环境成本。