一种电热综合能源系统的两阶段优化调度方法
本发明属于电热综合能源系统经济调度技术领域，具体涉及一种电热综合能源系统的两阶段优化调度方法。
背景技术：
随着风电等新能源占比的不断升高，一定程度上缓解了化石能源紧缺的问题，但是由于风电等新能源自身具有的波动性和随机性，也给传统的能源调度带来不小的挑战。特别是在供暖季到来时，chp机组工作在“以热定电”的模式下，限制了机组的灵活性，阻碍了风电的上网空间。因此如何利用电热综合能源系统各侧资源，通过调度方案来减少弃风迫在眉睫。本领域技术人员都知道综合能源系统的调峰能力不足是导致新能源利用率低的主要因素，而提升设备的调度灵活性，增大综合能源系统的调峰能力可提高新能源的消纳量。
当前，一方面随着需求侧资源的广泛应用，需求侧响应可以实现对负荷曲线的削峰填谷，使曲线得到平滑，改变原有需求侧不可调的特性，需求侧的调度灵活性被大大激发了。另一方面需求侧的调度资源已不仅仅局限在单一形式的能源，出现了包括多种能源形式在内的综合需求响应，综合需求响应参与综合能源系统调度可进一步提高综合能源系统的调度灵活性。再者，储能装置可以对能量进行存储，能量的灵活充放可以满足系统的供能需求，在一定程度上满足风电出力随机的特性，平滑风电波动，减轻供能高峰期能源供应紧张的问题，有助于系统的稳定运行。还有灵活的调度策略可以降低综合能源系统的运行成本，提升新能源的消纳量。
然而，现有的综合需求响应大多仅考虑了独立的电、热负荷需求响应，并未计及可替代型负荷所引起的电、热负荷需求响应之间的相互耦合对综合能源系统调度灵活性的提升和风电消纳所带来的影响。而且现有技术采用源荷储的优化调度策略，注重提升新能源的消纳量，但却会引起火电机组和热电联产机组为增大风电消纳频繁的调整出力，不利于综合能源系统的稳定运行。
技术实现要素：
本发明为了解决上述问题，提供了一种电热综合能源系统的两阶段优化调度方法，旨在充分利用综合需求响应和储能装置的调度灵活性，提升系统的调峰能力和风电消纳率的同时平滑机组出力。
一种电热综合能源系统的两阶段优化调度方法，包括以下步骤：
步骤1：获取电热综合能源系统日前的风电预测曲线和电、热负荷预测曲线，并获取火电机组、chp机组、地源热泵以及电、热储能装置各自的相关技术参数；
步骤2：建立综合需求响应模型；
步骤3：分别对火电机组，chp机组，风电机组，电、热储能装置及可调区间变量进行建模；
步骤4：电热综合能源系统通过调用综合需求响应及电、热储能装置来平滑火电机组和chp机组出力，建立上层优化调度阶段的功率平衡关系式，并以风电出力最大为优化目标，建立上层优化调度阶段的目标函数；
步骤5：上层优化调度阶段的待优化变量进行求解；
所述上层优化调度阶段的待优化变量，包括：时间间隔为1小时的各时段的各风电机组出力，可控电、热负荷调用量，电、热可调区间变量，电、热储能装置充放量和地源热泵用电量；
步骤6：根据在上层优化调度阶段得到的火电机组和chp机组出力总和，建立下层优化调度阶段的电、热功率平衡关系式，并以煤耗量最小为目标，建立下层优化调度阶段的目标函数；
步骤：7对下层优化调度阶段的待优化变量进行求解；
所述下层优化调度阶段的待优化变量，包括：时间间隔为1小时的各时段的各火电机组出力，chp机组的电、热出力。
进一步地，根据所述的电热综合能源系统的两阶段优化调度方法，所述综合需求响应模型，包含分时电价需求响应模型、可控负荷响应模型和可替代负荷模型。
进一步地，根据所述的电热综合能源系统的两阶段优化调度方法，对步骤3中所述的可调区间变量建立的约束为：
ap≤pt(t)≤bp(26)
ah≤ht(t)≤bh(27)
其中，pt(t)为t时刻的电可调区间变量；ht(t)为t时刻的热可调区间变量；bp、ap分别为电可调区间变量的上、下限；bh、ah分别为热可调区间变量的上、下限。
进一步地，根据所述的电热综合能源系统的两阶段优化调度方法，所述分时电价需求响应模型为：
其中，
所述可控负荷响应模型为：
pcut,min≤pcut(t)≤pcut,max(4)
hcut,min＜hcut(t)＜hcut,max(5)
其中，pcut(t)为t时刻的可控电负荷量，pcut(t)＞0表示削减电出力，pcut(t)＜0表示增加电出力；pcut,min为可控电负荷的最小值；pcut,max为可控电负荷的最大值，hcut(t)为t时刻的可控热负荷量，hcut(t)＞0表示削减热出力，hcut(t)＜0表示增加热出力；hcut,min为可控热负荷的最小值；hcut,max为可控热负荷的最大值；
所述可替代负荷模型为：
hdy(t)＝pdy(t)μdy,h(6)
其中，pdy(t)为t时段地源热泵的输入电功率，按式(7)给出的要求取值；hdy(t)为t时段地源热泵的产热功率，μdy,h为地源热泵的电转热效率；
0≤pdy(t)≤pdy,max(7)
其中，pdy,max为地源热泵最大用电功率。
进一步地，根据所述的电热综合能源系统的两阶段优化调度方法，所述步骤4包括如下步骤：
步骤4-1：确定电可调范围上、下限的约束；
在风电被完全消纳的理想情况下，按式(29)求得电热综合能源系统中其余各设备的期望出力总和：
pq(t)＝pload(t)-pw,y(t)(29)
其中，pq(t)为t时刻除风电机组外各变量的期望出力总和；pw,y(t)为风电机组t时刻的预测出力；pload(t)为由步骤1获取的日前的电负荷预测曲线经过分时电价需求响应作用后的t时刻用电需求；
则电可调范围上、下限的约束为：
pjz,s≥pjz,max(30)
pjz,x≤pjz,min(31)
其中，
pjz,min＝pq,min-pcut,min+pdc,max+pdy,max+pq,w(32)
pjz,max＝pq,max-pcut,max-pdc,max+ps(33)
其中，pjz,s为电可调范围的上限；pjz,x为电可调范围的下限；pjz,min为电可调范围下限的最大取值；pjz,max为电可调范围上限的最小取值；pq,max、pq,min分别为一天中除风电机组外各变量期望出力的最大值和最小值；pq,w为若风电未被完全消纳时的裕度；ps为由于储能设备的容量限制了储能出力所设置的裕度；
步骤4-2：定义电功率平衡基准值，并根据电功率平衡基准值和电可调范围计算电可调区间变量的上、下限；
定义avep代表电功率平衡基准值，其可在电可调范围内随机取值，即：
pjz,x≤avep≤pjz,s(34)
当avep确定后，电可调区间变量的上、下限按照式(35)和式(36)计算；
bp＝pjz,s-avep(35)
ap＝pjz,x-avep(36)
步骤4-3：确定热可调范围上、下限的约束；
设定热可调范围上、下限为：
hjz,s≥hjz,max(37)
hjz,x≤hjz,min(38)
其中，
hjz,min＝hload,min-hcut,min+hc,max(39)
hjz,max＝hload,max-hcut,max-hc,max+hy(40)
其中，hjz,s为热可调范围的上限，hjz,x为热可调范围的下限；hjz,min为热可调范围下限的最大取值，hjz,max为热可调范围上限的最小取值，hload,max、hload,min分别为一天中热需求的最大和最小值，hy为由于储能设备的容量限制了储能出力所设置的裕度；
步骤4-4：定义热功率平衡基准值，并根据热功率平衡基准值和热可调范围计算热可调区间变量的上下限；
定义aveh代表热功率平衡基准值，其可在热可调范围内随机取值，即：
hjz,x≤aveh≤hjz,s(41)
当aveh确定后，热可调区间变量的上下限按照式(42)和式(43)计算；
bh＝hjz,s-aveh(42)
ah＝hjz,x-aveh(43)
步骤4-5：建立上层优化调度阶段的功率平衡关系式，并以风电出力最大为优化目标，建立上层优化调度阶段的目标函数；
上层优化调度阶段的功率平衡关系式为：
pload(t)-pdc(t)-pw(t)-pcut(t)-pt(t)+pdy(t)＝avep(44)
hload(t)-hc(t)-hcut(t)-ht(t)-hdy(t)＝aveh(45)
其中，hload(t)为t时刻的热负荷，由步骤1获取的日前热负荷预测曲线得到；
上层优化调度阶段的目标函数为：
进一步地，根据所述的电热综合能源系统的两阶段优化调度方法，在步骤5中利用改进的粒子群算法对上层优化调度阶段的待优化变量进行求解，具体包括如下步骤：
在每次迭代中粒子的速度按照式(47)进行更新：
vid,min＜vid＜vid,max(47)
其中，vid为第i个粒子中待求变量d的速度，vid,max、vid,min分别为第i个粒子中待求变量d在迭代过程中的最大、最小速度；
w＝wmin+(wmax-wmin)/nmax*(nmax-n)(48)
其中，w为第n次迭代中的惯性权重值；wmax为最大惯性权重值；wmin为最小惯性权重值；nmax为最大迭代次数；
c1＝c2＝cmax-(cmax-cmin)*n/nmax(49)
其中，c1为个体学习因子；c2为社会学习因子；cmax为最大学习因子；cmin为最小学习因子；
vidn＝wvidn-1+c1r1(pbsetid-xidn-1)+c2r2(gbsetd-xidn-1)(50)
其中，vidn为第n次迭代粒子i飞行速度矢量的第d维分量，vidn-1为第n-1次迭代粒子i位置矢量的第d维分量，r1、r2为区间[0,1]上的随机数，pbsetid表示第i个粒子第d维分量的个体极值，gbestd为全局极值；
在每次迭代中粒子的位置按照公式(51)进行更新：
xid＝xid+vid(51)
步骤5-2：在改进的粒子群算法的每次迭代过程中进行各变量值的自调节；
1)当上层调度阶段的待优化变量的出力总和大于负荷需求时，需要降低各变量值，每个变量按照式(52)—(54)进行调节：
pidup＝pdmax-pid(53)
piddown＝pid-pdmin(54)
其中，pt为t时刻的负荷需求；pdmax、pdmin分别为变量d出力上、下限；pid为变量d的出力值，当pid＞pdmax时，取pid＝pdmax，当pid＜pdmin时，取pid＝pdmin，即当变量出力在极限值以外时，将其限制在极限值处；pidup、piddown分别为变量d可向上、向下调节的裕度，pid'为经过自调节后的变量d的出力值；
2)当上层待优化变量的出力总和小于负荷需求时，需要增大各变量值，每个变量按照式(55)进行调节：
步骤5-3：根据上层调度阶段的目标函数计算每个粒子的适应值fspi，且在每次迭代过程中按照风电出力最大的目标对其进行更新，并在每次迭代过程中更新个体极值和全局极值；
步骤5-4：判断迭代次数是否达到预设的最大迭代次数，若未达到，令n＝n+1，继续执行步骤5-1到步骤5-3的迭代，直至达到最大迭代次数，输出各待优化变量的结果值。
进一步地，根据所述的电热综合能源系统的两阶段优化调度方法，所述步骤6包括如下步骤：
步骤6-1：根据式(56)和(57)计算经过电、热储能装置和综合需求响应平滑后的电、热负荷需求：
pp(t)＝avep+pt(t)(56)
hp(t)＝aveh+ht(t)(57)
其中，pp(t)为t时刻经过平滑后的电负荷需求；hp(t)为t时刻经过平滑后的热负荷需求；
步骤6-2：根据平滑后的电、热负荷需求，建立下层优化调度阶段的电、热功率平衡关系式，并以煤耗量最小为目标，建立下层优化调度阶段的目标函数；
式(58)和(59)分别为下层优化调度阶段的电、热功率平衡关系式：
下层优化调度阶段的目标函数为：
进一步地，根据所述的电热综合能源系统的两阶段优化调度方法，在步骤7中，按照与步骤5-1至步骤5-4相同的粒子群算法对下层优化调度阶段的待优化变量进行求解。
进一步地，根据所述的电热综合能源系统的两阶段优化调度方法，根据待优化调度的火电机组出力和chp机组出力，定义机组波动系数k作为机组波动的评价指标：
其中，pg,i(t)为火电机组i在t时刻的电出力，pchp,j(t)为chp机组j在t时刻的电功率，n为火电机组的总数量；m为chp机组的总数量。
与现有技术相比，本发明的电热综合能源系统的两阶段优化调度方法具有如下有益效果：
1、建立的综合需求响应模型考虑了电热替代型负荷(地源热泵)，用能形式在一定程度上可以转化，需求响应的调度灵活性得以提升；
2、通过自定义的机组波动系数k来判断机组的波动情况，作为机组(火电机组和热电联产机组)波动的评价指标，k越小说明机组波动越小、机组出力越平滑，越有利于机组稳定运行；
3、上下层两阶段的优化调度充分利用了综合需求响应和储能装置的调度灵活性，提升了系统的调峰空间和风电消纳率，降低了系统煤耗量；
4、对时间序列无要求，适应范围更广；
5、平滑了机组的出力，不需机组频繁地大范围调整出力，有利于机组的稳定运行，在减小弃风的同时平滑了机组出力；
6、利用改进的粒子群算法对上下层优化调度两阶段中的待优化变量进行求解，解决了待求变量不能满足等式约束的问题，同时改善了解的精度和收敛速度。
附图说明
图1是本发明电热综合能源系统的两阶段优化调度方法的流程图；
图2是本发明实施例的电热综合能源系统结构示意图；
图3是本发明实施例的电热综合能源系统日前的风电预测曲线和电、热负荷预测曲线综合图；
图4是本发明实施例电热综合能源系统各优化量的热出力图；
图5是本发明实施例电热综合能源系统各优化量的电出力图；
图6是本发明实施例风电消纳曲线图。
具体实施方式
为了便于理解本申请，下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的较佳实施方式。但是，本申请可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本申请的公开内容理解的更加透彻全面。
图1是本发明电热综合能源系统的两阶段优化调度方法的流程图，所述电热综合能源系统的两阶段优化调度方法，包括：
步骤1：获取电热综合能源系统日前的风电预测曲线和电、热负荷预测曲线，并获取火电机组、chp机组(热电联产机组)、地源热泵以及电、热储能装置各自的相关技术参数。
图2是本发明实施例的电热综合能源系统结构示意图，包含2台火电机组、3台chp机组、1个电储能装置、1个热储能装置、一个风力发电机、1个地源热泵。本实施例的电热综合能源系统日前的风电预测曲线和电、热负荷预测曲线如图3所示。表1—表4示出了火电机组、chp机组以及电、热储能装置的相关技术参数：各机组出力上下限如表1所示；chp机组的煤耗量特性拟合系数如表2所示；火电机组的煤耗量特性拟合系数如表3所示；电、热储能装置的相关技术参数如表4所示；地源热泵的最大用电功率为5mw。
表1各机组出力上下限
表2chp机组的煤耗量特性拟合系数
表3火电机组的煤耗量特性拟合系数
表4储能装置的相关技术参数
步骤2：建立综合需求响应模型，该综合需求响应模型包含分时电价需求响应模型、可控负荷响应模型和可替代负荷模型；
所述分时电价需求响应模型为：
其中，
在本实施例中，分时电负荷原始电价为0.55元/kw.h，自弹性系数取为-0.1，互弹性系数取为0.01，未实施分时电价时的电力需求如图3中的电负荷预测曲线，系统中分时电价及时段的划分如表5所示。
表5分时电价时段划分及价格
所述可控负荷响应模型为：
pcut,min≤pcut(t)≤pcut,max(4)
hcut,min＜hcut(t)＜hcut,max(5)
其中，pcut(t)为t时刻的可控电负荷量，pcut(t)＞0表示削减电出力，pcut(t)＜0表示增加电出力；pcut,min为可控电负荷的最小值；pcut,max为可控电负荷的最大值，hcut(t)为t时刻的可控热负荷量，hcut(t)＞0表示削减热出力，hcut(t)＜0表示增加热出力；hcut,min为可控热负荷的最小值；hcut,max为可控热负荷的最大值。
在本实施例中，可控电负荷的最小值pcut,min为-35mw，可控电负荷的最大值pcut,max为30mw。可控热负荷的最小值hcut,min为-20mw，可控热负荷的最大值hcut,max为20mw。
所述可替代负荷模型为：
hdy(t)＝pdy(t)μdy,h(6)
其中，pdy(t)为t时段地源热泵的输入电功率，按式(7)给出的要求取值；hdy(t)为t时段地源热泵的产热功率，μdy,h为地源热泵的电转热效率；
0≤pdy(t)≤pdy,max(7)
其中，pdy,max为地源热泵最大用电功率。
在本实施例中，可替代负荷即地源热泵的电转热效率μdy,h为4。
步骤3：对火电机组，chp机组，风电机组，电、热储能装置及可调区间变量进行建模；
1)火电机组的出力约束及成本函数为：
pg,i,min≤pg,i(t)≤pg,i,max(8)
-rdowng,i·δt≤pg,i(t)-pg,i(t-1)≤rupg,i·δt(9)
其中，pg,i(t)为火电机组i在t时刻的电出力；pg,i,max、pg,i,min分别为火电机组i的最大、最小出力，rupg,i、rdowng,i分别为火电机组i的爬坡速率和滑坡速率，δt为一个调度时段的时间间隔，本实施例取1h。在本实施例中参数pg,i,max、pg,i,min、rupg,i、rdowng,i的设置如表1所示，其中最大、最小出力对应表1中的电功率上、下限。
cg,i(t)＝ai,1p2g,i(t)+ai,2pg,i(t)+ai,3(10)
其中，cg,i(t)为火电机组i在t时刻的煤耗量，ai,1、ai,2、ai,3为火电机组i的煤耗量特性拟合系数。在本实施例中ai,1、ai,2、ai,3的设置如表3所示。
2)热电联产机组的出力约束及成本函数为：
pchp,j,min≤pchp,j(t)≤pchp,j,max(11)
dchp,j,min≤dchp,j(t)≤dchp,j,max(12)
hchp,j(t)＝dchp,j(t)·δh(13)
-rdownchp,j·δt≤pchp,j(t)-pchp,j(t-1)≤rupchp,j·δt(14)
pchp,j,max(t)＝ah+bh·dchp,j(t)(15)
pchp,j,min(t)＝al+bl·dchp,j(t)(16)
其中，pchp,j(t)为chp机组j在t时刻的电功率；pchp,j,max、pchp,j,min为chp机组j输出电功率的上、下限；dchp,j(t)为chp机组j在t时刻的抽汽量；dchp,j,max、dchp,j,min为chp机组j的抽汽量上、下限；hchp,j(t)为chp机组j在t时刻输出的热功率；δh为chp机组的抽汽焓降转化为热功率的转化系数，为0.64653611；rupchp,j、rdownchp,j为chp机组j的爬坡和滑坡速率；ah、bh、al、bl为拟合系数；在本实施例中的各相关参数设置如表1所示。
cchp,j(t)＝bj,1p2chp,j(t)+bj,2pchp,j(t)dchp,j(t)+bj,3d2chp,j(t)+bj,4pchp,j(t)+bj,5dchp,j(t)+bj,6(17)
其中，cchp,j(t)为chp机组j在t时刻的煤耗量；bj,1—bj,6为chp机组j的煤耗量特性拟合系数，在本实施例中的具体数值设置如表2所示。
3)储能装置的出力约束为：
-pdc,max≤pdc(t)≤pdc,max(18)
-hc,max≤hc(t)≤hc,max(19)
edc(t)＝edc(t-1)+pdc(t)·δt(20)
sc(t)＝sc(t-1)+hc(t)·δt(21)
edc(1)＝ed×cd(22)
sc(1)＝sd×cs(23)
edc(1)＝edc(24)(24)
sc(1)＝sc(24)(25)
其中，pdc(t)为电储能装置t时刻的出力；hc(t)为热储能装置t时刻的出力；pdc,max、hc,max分别为电储能装置、热储能装置的最大充放电、热功率；edc(t)、sc(t)分别为电储能装置、热储能装置t时刻的储能剩余量；δt为时间间隔，本实施例取1h；ed、sd分别为电储能装置、热储能装置的容量；cd、cs分别为电储能装置、热储能装置的初始储能比；edc(1)、sc(1)分别为电储能装置、热储能装置在调度初始时刻的储能容量，edc(24)、sc(24)分别为电储能装置、热储能装置在调度末期的储能容量；在本实施例中的具体数值设置如表4所示。
4)可调区间变量的约束为：
ap≤pt(t)≤bp(26)
ah≤ht(t)≤bh(27)
其中，pt(t)为t时刻的电可调区间变量；ht(t)为t时刻的热可调区间变量；bp、ap分别为电可调区间变量的上、下限；bh、ah分别为热可调区间变量的上、下限。
5)风电出力约束为：
0≤pw(t)≤pw,y(t)(28)
其中，pw(t)为风电机组t时刻的输出功率；pw,y(t)为风电机组t时刻的功率预测值，在本实施例中，可从步骤1中获取的日前的风电预测曲线中得到。
步骤4：电热综合能源系统通过调用综合需求响应及电、热储能装置来平滑火电机组和chp机组出力，建立上层优化调度阶段的功率平衡关系式，并以风电出力最大为优化目标，建立上层优化调度阶段的目标函数；
步骤4-1：确定电可调范围上、下限的约束；
在风电被完全消纳的理想情况下，可按式(29)求得电热综合能源系统中其余各设备的期望出力总和：
pq(t)＝pload(t)-pw,y(t)(29)
其中，pq(t)为t时刻除风电机组外各变量的期望出力总和；pw,y(t)为风电机组t时刻的预测出力；pload(t)为由步骤1获取的日前的电负荷预测曲线经过分时电价需求响应作用后的t时刻用电需求。
则电可调范围上、下限的约束为：
pjz,s≥pjz,max(30)
pjz,x≤pjz,min(31)
其中，
pjz,min＝pq,min-pcut,min+pdc,max+pdy,max+pq,w(32)
pjz,max＝pq,max-pcut,max-pdc,max+ps(33)
其中，pjz,s为电可调范围的上限；pjz,x为电可调范围的下限；pjz,min为电可调范围下限的最大取值；pjz,max为电可调范围上限的最小取值；pq,max、pq,min分别为一天中除风电机组外各变量期望出力的最大值和最小值；pq,w为若风电未被完全消纳时的裕度；ps为由于储能设备的容量限制了储能出力所设置的裕度。
在本实施例中，pq,w＝10mw，ps＝1/2pdc,max，设定电可调范围为[425455]。
步骤4-2：定义电功率平衡基准值，并根据电功率平衡基准值和电可调范围计算电可调区间变量的上、下限；
定义avep代表电功率平衡基准值，其可在电可调范围内随机取值，即：
pjz,x≤avep≤pjz,s(34)
在本实施例中avep取440mw。当avep确定后，电可调区间变量的上、下限按照式(35)和式(36)计算。
bp＝pjz,s-avep(35)
ap＝pjz,x-avep(36)
在本实施例中，根据电功率平衡基准值的取值440mw，本实施例中电可调区间变量的下限ap为-15mw，电可调区间变量的上限bp为15mw。
步骤4-3：确定热可调范围上、下限的约束；
设定热可调范围上、下限为：
hjz,s≥hjz,max(37)
hjz,x≤hjz,min(38)
其中，
hjz,min＝hload,min-hcut,min+hc,max(39)
hjz,max＝hload,max-hcut,max-hc,max+hy(40)
其中，hjz,s为热可调范围的上限，hjz,x为热可调范围的下限；hjz,min为热可调范围下限的最大取值，hjz,max为热可调范围上限的最小取值，hload,max、hload,min分别为一天中热需求的最大和最小值，hy为由于储能设备的容量限制了储能出力所设置的裕度。
在本实施例中，hy＝1/2hc,max，且设定热可调范围为[120135]。
步骤4-4：定义热功率平衡基准值，并根据热功率平衡基准值和热可调范围计算热可调区间变量的上下限；
定义aveh代表热功率平衡基准值，其可在热可调范围约束内随机取值，即：
hjz,x≤aveh≤hjz,s(41)
在本实施例中aveh取125mw。当aveh确定后，热可调区间变量的上下限按照式(42)和式(43)计算。
bh＝hjz,s-aveh(42)
ah＝hjz,x-aveh(43)
在本实施例中，根据热功率平衡基准值的取值125mw，可确定本实施例中热可调区间变量的下限ah为-5mw，热可调区间变量的上限bh为10mw。
步骤4-5：建立上层优化调度阶段的功率平衡关系式，并以风电出力最大为优化目标，建立上层优化调度阶段的目标函数；
上层优化调度阶段的功率平衡关系式为：
pload(t)-pdc(t)-pw(t)-pcut(t)-pt(t)+pdy(t)＝avep(44)
hload(t)-hc(t)-hcut(t)-ht(t)-hdy(t)＝aveh(45)
其中，hload(t)为t时刻的热负荷，由步骤1获取的日前热负荷预测曲线得到。
上层优化调度阶段的目标函数为：
步骤5：利用改进的粒子群算法对上层优化调度阶段的待优化变量进行求解；
所述上层优化调度阶段的待优化变量，包括：时间间隔为1小时的各时段的各风电机组出力，可控电、热负荷调用量，电、热可调区间变量，电、热储能装置充放量和地源热泵用电量。
步骤5-1：对待优化变量进行初始化，在改进的粒子群算法的每次迭代过程中对粒子的速度和位置进行更新；
在每次迭代中粒子的速度按照式(47)进行更新：
vid,min＜vid＜vid,max(47)
其中，vid为第i个粒子中待求变量d的速度，vid,max、vid,min分别为第i个粒子中待求变量d在迭代过程中的最大、最小速度。
w＝wmin+(wmax-wmin)/nmax*(nmax-n)(48)
其中，w为第n次迭代中的惯性权重值，wmax为最大惯性权重值，在本实例中设wmax＝0.9，wmin为最小惯性权重值，在本实例中设wmin＝0.4；nmax为最大迭代次数。
c1＝c2＝cmax-(cmax-cmin)*n/nmax(49)
其中，c1为个体学习因子；c2为社会学习因子；cmax为最大学习因子，在本实例中设定cmax＝2.1；cmin为最小学习因子，在本实例中设定cmin＝0.8。
vidn＝wvidn-1+c1r1(pbsetid-xidn-1)+c2r2(gbsetd-xidn-1)(50)
其中，vidn为第n次迭代粒子i飞行速度矢量的第d维分量，vidn-1为第n-1次迭代粒子i位置矢量的第d维分量，r1、r2为区间[0,1]上的随机数，pbsetid表示第i个粒子第d维分量的个体极值，gbestd为全局极值。
在每次迭代中粒子的位置按照公式(51)进行更新：
xid＝xid+vid(51)
步骤5-2：在改进的粒子群算法的每次迭代过程中进行各变量值的自调节；
1)当上层调度阶段的待优化变量的出力总和大于负荷需求时，需要降低各变量值，每个变量按照式(52)—(54)进行调节：
pidup＝pdmax-pid(53)
piddown＝pid-pdmin(54)
其中，pt为t时刻的负荷需求；pdmax、pdmin分别为变量d出力上、下限；pid为变量d的出力值，当pid＞pdmax时，取pid＝pdmax，当pid＜pdmin时，取pid＝pdmin，即当变量出力在极限值(即步骤2与步骤3中所述的待优化变量的上下限约束)以外时，将其限制在极限值处；pidup、piddown分别为变量d可向上、向下调节的裕度，pid'为经过自调节后的变量d的出力值。
2)当上层待优化变量的出力总和小于负荷需求时，需要增大各变量值，每个变量按照式(55)进行调节：
步骤5-3：根据上层调度阶段的目标函数计算每个粒子的适应值fspi，且在每次迭代过程中按照风电出力最大的目标对其进行更新，并在每次迭代过程中更新个体极值和全局极值。
步骤5-4：判断迭代次数是否达到预设的最大迭代次数，若未达到，令n＝n+1，继续执行步骤5-1到步骤5-3的迭代，直至达到最大迭代次数，输出各待优化变量的结果值。
步骤6：根据在上层优化调度阶段得到的火电机组和chp机组出力总和，建立下层优化调度阶段的电、热功率平衡关系式，并以煤耗量最小为目标，建立下层优化调度阶段的目标函数；
步骤6-1：根据式(56)和(57)计算经过电、热储能装置和综合需求响应平滑后的电、热负荷需求：
pp(t)＝avep+pt(t)(56)
hp(t)＝aveh+ht(t)(57)
其中，pp(t)为t时刻经过平滑后的电负荷需求；hp(t)为t时刻经过平滑后的热负荷需求；
步骤6-2：根据平滑后的电、热负荷需求，建立下层优化调度阶段的电、热功率平衡关系式，并以煤耗量最小为目标，建立下层优化调度阶段的目标函数；
式(58)和(59)分别为下层优化调度阶段的电、热功率平衡关系式：
下层优化调度阶段的目标函数为：
步骤7：以煤耗量最小为目标，按照与步骤5-1至步骤5-4相同的粒子群算法对下层优化调度阶段的待优化变量进行求解；
所述下层优化调度阶段的待优化变量，包括：时间间隔为1小时的各时段的各火电机组出力，chp机组的电、热出力。下层优化调度阶段中粒子的适应值为fxi，且在每次迭代过程中按照煤耗量最小的目标对其进行更新，并在每次迭代过程中更新个体极值和全局极值。
为方便判断火电机组和热电联产机组的波动情况，本发明根据待优化调度的火电机组出力和chp机组出力，定义机组波动系数k作为机组波动的评价指标，可通过机组波动系数k来判断机组(火电机组和热电联产机组)的波动情况，k越小说明机组波动越小、机组出力越平滑，越有利于机组稳定运行。所述机组波动系数的计算式为：
其中，pg,i(t)为火电机组i在t时刻的电出力，pchp,j(t)为chp机组j在t时刻的电功率，n为火电机组的总数量；m为chp机组的总数量；由上述内容可知，在本实施例中n＝2，m＝3。
为验证本发明电热综合能源系统的两阶段优化调度方法的效果，本实施例对本发明电热综合能源系统的两阶段优化调度方法进行仿真实施，并根据上、下两层优化调度阶段的各优化变量值绘制各时段优化变量的出力图，输出电热综合能源系统的煤耗量值、弃风量值，并根据优化后的火电机组和chp机组各时段出力值计算机组波动系数k。所绘图中的优化变量值包括：风电机组出力值，火电机组出力值，chp机组的电、热出力值，电储能装置出力值，热储能装置出力值，可控电、热负荷调用量，以及地源热泵用电量。图4是本实施例电热综合能源系统各优化量的热出力图，图5是本实施例电热综合能源系统各优化量的电出力图，图6是本实施例风电消纳曲线图。本实施例仿真过程中输出的系统煤耗量为5526.1t及弃风量为27.0137mw.h，根据优化后的火电机组和chp机组各时段出力值计算的机组波动系数k为4.7090。
从上述图4、图5和机组波动系数可以看出火电机组和chp机组各时段的机组波动很小，本发明方法可有效地减少机组的频繁波动，有利于电热综合能源系统的稳定运行，证明了本发明方法在平滑机组出力方面的有效性。从图6示出的风电消纳曲线、弃风量的值以及系统的煤耗量可以看出，本发明方法能够有效地增大风电消纳量，减少系统的煤耗量。
综上所述，可以得知本发明方法充分地调用了系统内各设备的调度灵活性，在提高风电消纳量，降低系统煤耗的基础上平滑了火电机组和chp机组的出力波动，有利于系统的经济稳定运行。
应当理解的是，本领域技术人员在本发明技术构思的启发下，在不脱离本发明内容的基础上，可以根据上述说明做出各种改进或变换，这仍落在本发明的保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！