一种基于云边网络的多主体协同优化方法与流程

1.本发明涉及综合能源系统优化运行领域，尤其设计一种基于云边网络的包含多用能主体的综合能源系统的调度方法。


背景技术：

2.目前国内外对于能源管理系统的研究有基于基本能量信息的能量管理系统、基于需求响应的能量管理系统、基于企业管理的能量管理系统和基于网络能量管理系统等类型，尤其是在对于电力系统及其他工业的综合管理的研究已比较完善，在实践中能实现用户与电网互动，提高能源使用效率。
3.随着基于多能互补和能源梯级利用的区域系统的不断发展，一方面，我国在实际运行的系统中，由于配置不当、运行调节及控制不适、集中计算量复杂度高等因素造成系统低效运行、甚至难以运行的现象屡见不鲜。另一方面，另一方面，多源协调优化系统不能实时反映用户需求，造成供应端与用户负荷的数据失联，最终造成能源的浪费，不能实现系统的经济最大化运行。


技术实现要素：

4.本发明主要解决的技术问题是：针对集中控制策略信息处理难度大，边端细粒度数据舍弃率高，综合能源系统在园区，建筑等场景中应用而协调优化控制不足的问题，提出一种基于云边网络的多主体协同优化方法。
5.本发明解决上述技术问题的技术方案如下：
6.一种多用能主体综合能源系统协同优化方法，包括以下步骤：
7.步骤a、构建包括云中心与若干边缘节点的云边网络，每个所述用能主体对应所述云边网络中的一个或者多个边缘节点；所述边缘节点作为区域决策主体，将其控制范围内的数据及处理结果上传给所述云中心；所述云中心将各边缘节点的信息集中处理后向边缘节点发送调度指令；
8.步骤b、构建云中心能量管理模型，能够实现边缘节点之间信息交互与共享；
9.步骤c、构建边缘节点能源系统模型，其中包含多主体综合能源系统的能量枢纽模型和电气管网模型；
10.步骤d、构建基于云边网络的多主体优化运行模型，其中包括边缘节点优化运行模型和基于云边网络的多主体优化求解方法。
11.可选地，所述边缘节点根据步骤d中多主体优化运行模型自主计算并向所述云中心提供优化变量数据。
12.可选地，所述云中心能够向边缘节点提供决策变量和优化算子。
13.可选地，所述云边网络还包括特殊用户，所述特殊用户提供优化变量而不接受决策变量。
14.可选地，所述步骤b中的信息包括电能流和一次能流的约束模、基于此约束构建的
多主体互联网络以及用能主体内多个能量枢纽互联的网络。
15.可选地，所述步骤c中边缘节点的能量枢纽模型包括：微型燃气轮机模型、燃气锅炉模型、电锅炉模型、制冷机模型、蓄电池、蓄热槽或者可再生能源中的一种或多种。
16.可选地，所述的基于云边网络的多主体优化求解方法包括以下步骤：
17.d1、输入边缘节点用能主体的初始负荷和设备参数，设置云中心能量管理算法中的拉格朗日乘子与惩罚因子；
18.d2、各个所述边缘节点的用能主体依据所述多主体优化运行模型独立运行并更新设备运行参数和优化变量，并将优化变量上传至云中心。
19.d3、根据边缘节点优化求解中得到的优化变量更新决策变量和各边缘节点的优化算子，并将得到的决策变量和各边缘节点的优化算子下达至各个边缘节点；
20.d4、当满足收敛判据时，下达协调命令，否则返回所述步骤d2进入下一个迭代周期。
21.本发明另一方面，还涉及一种计算机可读的存储介质，存储有指令，所述指令执行时，能够实现上述任一控制方法。
22.本发明的有益成果是：
23.(1)引入云边网络，实现数据应用的就地处理，提高用户数据处理的精细度和快速响应，具有低宽带、低时延等特点，响应物联网发展趋势；减轻云中心计算压力，节省计算和存储成本，降低云中心大数据模型计算复杂度，既能提高数据处理的效率，又具有较好的经济效益。
24.(2)多主体协同优化方法中赋予各个主体一定的自治权，各个主体之间仅通过云中心进行信息交互和优化管理，同时自身优化模型减少了对上级云中心的信息上载。在有限的信息交互中，最大限度地保护了用户隐私的同时实现了有效的协同优化，提高了经济效益和能源利用效率。
附图说明
25.图1是本发明的云边协同网络的示意图；
26.图2是本发明的边缘节点能源系统模型示意图；
27.图3是本发明的云中心能量管理算法流程图。
具体实施方式
28.为了使本领域的技术人员更好地理解本发明的技术方案，下面结合附图和具体实施案例对本发明做进一步的阐述：
29.参照图1和图2，本发明的一些示例中，公开了一种基于云边网络的包含多用能主体的综合能源系统的调度方法，包括如下步骤：
30.步骤a、构建云边网络，所述边缘节点作为区域决策主体，将其控制主体范围内的数据及其处理结果上传给云中心。所述云中心将各边缘节点的信息集中处理后向边缘节点发送调度指令，承担信息交互和处理的功能，实现各边缘节点主体之间的协调优化。边缘节点的用能主体以区域综合能源系统(ies)为研究对象，例如工业园区、建筑群等，边缘节点作为决策主体，云中心负责协调运算。对于直接连接的特殊用户，其不参与优化协调，即在
云中心能量管理算法中零决策变量等于优化变量。其中，每个所述用能主体对应所述云边网络中的一个或者多个边缘节点。
31.步骤b、构建云中心能量管理模型，基于该模型可以实现边缘节点主体之间有限的信息交互与共享。其中包括了电能流和一次能流的约束模型，以及能量管理协同优化算法。其中所述云中心协调约束模型包括了电能流和一次能流的管理约束模型，其中电能流采取电力系统潮流计算中的直流潮流模型：
[0032][0033]
式中，i,j分别代表干线节点，θi、θj分别代表i,j节点的相角；x
ij
为节点i,j 之间线路的阻抗，p
l
代表该段线路的传输功率。
[0034]
所述一次能流主要指化石燃料中的天然气，在天然气管网主干线中采用伯努利方程推导来的考虑管损的稳态流动模型：
[0035][0036]
式中，p1和p2分别是管道首末两端压力，pn和tn分别是管道内绝对压力和温度，f是管道摩擦系数，s是气体相对密度，l是管道长度，t是气体温度，z是压缩系数，d是管道内径，qn是管道流量。
[0037]
步骤c、构建边缘节点能源系统模型，其中包含多主体综合能源系统的能量枢纽模型和电气管网模型，其结构图见附图2。
[0038]
能量枢纽模型中首先构建设备模型，设备模型包括生产设备模型、存储设备模型和转换设备模型，子网络的电气管网模型则采用干线管网模型，能量枢纽模型具体构建过程如下：
[0039]
步骤c1、构建能量枢纽模型中的生产设备模型(包括具有转换作用的设备)。
[0040]
在能量枢纽模型的生产设备中，首先需要构建微型轮机模型，微型燃气轮机是指功率在几百千瓦以内的小型热动装置，具有寿命长，可靠性高，环境友好，控制性能好等优点，被认为是最有潜力的分布式发电技术，微型燃气轮机的发电和产热出力可以用如下关系式表示：
[0041][0042]
式中，h
i,t
、分别是微型燃气轮机机组的产热和发电功率，ρ
t
代表t时刻的热点比。
[0043]
考虑设备运行约束的微型燃气轮机机组的约束为：
[0044][0045][0046][0047]
[0048][0049]
式中，和分别代表微型燃气轮机发热和发电的出力上下限；ru/rd分别为机组爬坡速率的上下限；0-1变量u
i,k
代表k时刻机组的启停状态，u
i,k
＝1代表启动；ts/to分别表示机组最小停/开机时间。
[0050]
燃气锅炉和电锅炉分别承担系统热负荷，燃气锅炉效率较高且成本较低，在天然气资源富足的地方可优先使用；而电锅炉在能源枢纽中通常起到热点解耦的作用，可促进可再生能源的消纳。其中燃气锅炉的模型如下：
[0051][0052]
式中，是燃气锅炉发热功率，s
gb,i,t
是天然气的消耗量，h
gv
是天然气的热值，η
gb
是转化效率。
[0053]
电锅炉的模型为：
[0054][0055]
式中，是电锅炉的发热功率；是电锅炉的功效；是电锅炉的输入功率。
[0056]
冷能由制冷机提供，其中溴化锂制冷机可以将热能转化为冷能，电制冷机可以将电能转化为冷能。溴化锂制冷机的模型如下：
[0057][0058]
式中，是溴化锂制冷机组的制冷功率，是溴化锂机组的制冷效率，表示热功率的输入。
[0059]
电制冷机的模型如下：
[0060][0061]
式中，是电制冷机组的制冷功率，是电制冷机组的制冷效率，pi,ah,c
t
表示电功率的输入。
[0062]
制冷机的运行约束如下：
[0063][0064][0065]
式中，分别是溴化锂制冷机组和电制冷机组制冷功率的上下限。
[0066]
步骤c2、构建储能设备模型
[0067]
在图2构建的边缘节点能源系统模型的储能设备中，包含储电和蓄热两种储能设备，其中蓄电池的模型构建如下：
[0068]
[0069]
式中，和分别表示充放电前后蓄电池储存的能量(kwh),σ
es,i
是蓄电池的自放电率，和分别表示蓄电池的充放电功率，η
so
和η
si
分别表示蓄电池充放电的效率。
[0070]
蓄热池的模型构建如下：
[0071][0072]
式中，和分别表示充放电前后蓄电池储存的能量(kwh),σ
ts,i
是蓄电池的自放电率，和分别表示蓄电池的充放电功率，η
ts,so
和η
es,si
分别表示蓄电池充放电的效率。
[0073]
可再生能源以实时发电功率作为常数序列输入，记为
[0074]
储能设备的约束如下：
[0075][0076][0077][0078][0079][0080][0081]
式中，和分别是储电和蓄热设备容量的上下限，p
inmax
， p
outmax
和q
inmax
，q
outmax
分别是储电和蓄热装置进出气的上下限。
[0082]
步骤c3、构建能量枢纽的功率平衡约束
[0083]
功率平衡方程构建如下：
[0084][0085][0086][0087]
式中，为可再生能源发电功率，和分别是能量枢纽中的冷热电负荷。
[0088]
步骤d、构建基于云边网络的多主体优化运行模型，其中包括边缘节点优化运行模型和基于云边网络的多主体优化求解方法。
[0089]
边缘节点优化运行模型以运行成本最低为目标函数，包括用电成本用气成本和设备运行成本
[0090][0091]
其中：
[0092][0093][0094]
式中，为电网实时电价，为燃气实时价格，是边缘节点i的实时电力输入功率，是园区i的天然气供给功率，m
hub
是边缘节点中能量枢纽的集合，是边缘节点中注入能量枢纽m的功率。
[0095][0096]
式中，是能源枢纽m的设备运行成本。
[0097][0098]
式中，a
0,i
～a
5,i
分别是微型燃气轮机对应供能形式的运行成本系数，f
gb
、f
ar
、 f
ac
、f
eb
、f
soc
、f
soh
分别对应燃气锅炉、溴化锂制冷机、电制冷机、电锅炉、储能电池、蓄热槽的运行成本系数。
[0099]
基于云边网络的多主体优化求解方法，其运行目标是使各边缘节点用能主体的运行成本之和最小，即令
[0100][0101]
式中，n表示边缘节点的数目，t为运行时段的集合，是边缘节点所代表用能主体的运行成本。
[0102]
基于云边网络的多主体优化求解方法流程图见图3。
[0103]
步骤d1、输入边缘节点用能主体的初始负荷，优化变量和设备参数，设置云中心能量管理算法中的拉格朗日(lagrange)乘子，惩罚因子等。优化变量和决策变量的初值均为0，设置乘子系数的初值为1，对偶残差和原始残差的收敛条件为0.01。
[0104]
步骤d2、各个边缘节点的用能主体依据优化模型独立运行并更新设备运行参数和优化变量并将优化变量上传至云中心。具体地，就是通过引入云中心的决策变量和各边缘节点的优化变量解耦多主体整体运行目标，多个主体独立并行运算并更新自己的设备输入参数，将更新后的参数上传至云中心，云中心再更新决策变量下达至各个边缘节点，并更新能量管理系统中各个边缘节点的算子参数。解耦后各用能主体的优化运行模型如下：
[0105][0106]
式中，λ
i,t
是由云中心下达的算子参数，ρ是惩罚参数。
[0107]
设备输入参数的迭代模型如下：
[0108][0109]
式中，n为该边缘节点设备输入参数的个数(包含一个优化变量参数)。
[0110]
步骤d3、根据边缘节点优化求解中得到的优化变量更新决策变量和各边缘节点的优化算子λ
i,t
，并将得到的决策变量和各边缘节点的优化算子λ
i,t
下达至各个边缘节点。记为第k次迭代更新后的边缘节点优化变量。根据更新后的优化变量迭代下一次计算中的算法乘子λ
i,t
并传递给各边缘节点：
[0111][0112]
式中，ρ》0,是惩罚因子。
[0113]
步骤d4、当满足收敛判据时，下达正式协调命令，否则返回步骤d2进入下一个迭代周期。当满足下式时，可认为算法达到收敛条件：
[0114][0115][0116]
式中，δ
pri
是原始残差，δ
dual
是对偶残差。
[0117]
在本发明的另一些示例中，公开了一种计算机可读的存储介质，存储有指令，所述指令执行时，能够实现上述任一控制方法。更具体地，指令可以是计算机可读的语言。上述的计算机可以是一个通用计算机设备或者是一个专用计算机设备。在具体实现中，计算机可以是台式机、便携式电脑、网络服务器、掌上电脑(personal digital assistant，pda)、移动手机、平板电脑、无线终端设备、通信设备或者嵌入式设备。所述的存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。举例而言，所述的存储介质例如为但不限于磁性介质(例如：软盘、硬盘、磁带)、光介质(例如：数字通用光盘(digital versatile disc，dvd))、或者半导体介质(例如：固态硬盘(solid state disk，ssd))等。
[0118]
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。