一种计及园区综合能源系统多重不确定性的变置信区间优化调度方法

本发明涉及一种计及园区综合能源系统多重不确定性的变置信区间优化调度方法，属于多目标优化。

背景技术：

1、“双碳”目标下，清洁能源不断并网，系统不确定性逐渐增强，多种异质能源集成的园区综合能源系统成为能源领域的重要研究方向。其中，egpies实现了能量的梯级消纳，提高了清洁能源利用率，是能源发展的重要一环，但天然气通过管道输送的过程中，环境的不确定因素可能导致天然气管道泄漏，引起能源不足型故障，并通过gt将影响扩大至电网，例如2021年美国德克萨斯州遭遇严重的冬季风暴，导致天然气泄漏，系统大规模停电；2022年缅甸仰光省耶德娜近海天然气管道泄漏，负荷损失433mw。此外，由于风电的波动性、间歇性，当风电并入电网时，系统的不确定性将大幅增强，严重威胁其供电可靠性。

2、随着电网与天然气系统的耦合逐渐紧密，当管道发生泄漏故障时，通过耦合设备对电网传递的影响不可忽视。目前，针对天然气管道泄漏的研究主要包括优化天然气泄漏的模型及分析管道泄漏对电网的影响。王小完等的非等温条件下天然气管线稳态泄漏计算模型研究基于非等温情况下，对不同的天然气管道泄漏模型进行参数修正，提升了管道泄漏模型中泄漏量的求解精度；tang y等的在电-气综合能源系统风险评估中纳入天然气管道泄漏故障模式为了将气体泄漏故障纳入egies风险评估，采用了多状态马尔可夫状态转换建立了考虑天然气管道泄漏的模型，证明了天然气管道泄漏对egies的供电可靠性具有不可忽略的影响；zhang x等的电力和天然气运输基础设施的安全约束协同优化规划和toledo f等的热液发电系统调度中忽视天然气管网限制导致的能源成本失真均考虑天然气管网中基础设备的可行性及经济性的影响，对egies系统进行协同规划；shen y等的地震事件对电力和天然气综合系统的影响分析考虑地震等不确定性因素对egies中天然气管道造成的泄漏问题，提出了一种将环境不确定性的强度与系统负荷削减相关联方法。

3、egpies为消纳风电提供了新途径，但随着风电的大规模并网，系统不确定性逐渐增强，对系统的优化调度造成极大的挑战，因此，如何处理风电波动对系统优化调度的影响成为了近年的研究热点。双重不确定环境下的微网优化运行调度风险分析研究将微网中的不确定性出力处理为随机模糊变量，建立了双重不确定性环境下的日前优化调度模型；zhao c等的风力发电非参数预测区间的自适应双级编程模型采用预测间隔量化不确定性，提出了一种新的自适应二层规划方法优化间隔宽度，提高了风电预测精度；姚文亮等的不确定性环境下基于合作博弈的综合能源系统分布式优化基于场景法刻画新能源出力的不确定性，建立了考虑新能源出力不确定性的综合能源系统协同优化模型；税月等的考虑风电不确定性的电气能源系统两阶段分布鲁棒协同调度以及sun x a等的大风况下多时段的动态不确定集自适应鲁棒优化经济调度考虑电-气综合能源系统的经济问题，建立了计及系统不确定性的鲁棒优化调度模型；wang z等的考虑基于cvar的风电备用需求的分布式鲁棒协调备用调度模型以及周任军等的考虑双重市场的含风电电力系统双层随机优化调度均计及cvar成本与系统备用成本，提出了一种协调备用储能的优化调度方法；张亚超等的考虑风电高阶不确定性的电气综合系统分布鲁棒协同优化调度基于风电出力概率密度函数置信带，提出了考虑风电概率分布不确定性的电-气综合能源系统分布鲁棒协调优化调度模型；朱西平等的计及源-荷不确定性的综合能源系统两阶段优化调度考虑系统源-荷差异的不确定性风险，提出了一种两阶段优化调度模型并采用max-min模糊算法求解该模型；沈赋等的考虑天然气管道泄漏的电-气网络多目标优化调度以微电网经济成本最小为目标建立优化调度模型，并采用改进粒子群算法求解。

4、目前，管道泄漏对电网影响的分析较为广泛，但大多研究未考虑如何降低管道泄漏对egpies的影响来提高系统的供电可靠性。此外，上述文献主要基于固定的目标函数和风电置信度下对系统进行优化，当发生管道泄漏故障时具有一定的局限性，部分情况下优化结果并非最优解。

5、鉴于此，考虑园区综合能源系统的多重不确定性，本发明提出了一种egpies的自适应优化调度方法。首先，基于管道泄漏模型，分析泄漏量与储能对系统负荷损失的影响，划分失荷程度；其次，通过场景分析法描述风电出力的随机波动性，并建立风电概率误差模型；最后，引入cvar量化风电不确定性，并根据所划分的失荷程度与成本约束，自适应选择目标函数与置信度，通过算例证明所提模型在控制系统成本的同时，有效平抑了管道泄漏与风电不确定性对系统的影响，提高了系统的供电可靠性。

技术实现思路

1、本发明提供了一种计及园区综合能源系统多重不确定性的变置信区间优化调度方法，以用于解决故障系统负荷恢复能力弱，天然气管道不同泄漏程度时系统失荷量的划分不够精细以及系统在固定的目标函数和风电置信度下调度结果不够优的问题。

2、本发明的技术方案是：一种计及园区综合能源系统多重不确定性的变置信区间优化调度方法，所述方法的具体步骤如下：

3、step1、基于天然气管道泄漏模型和储能出力划分失荷程度；

4、step2、通过场景分析法描述风电出力的随机波动性，并引入cvar量化风电不确定性；

5、step3、建立包括运维成本、环境治理成本、负荷损失与cvar成本的自适应多目标函数模型；

6、step4、并根据失荷程度与成本约束自适应选择目标函数与置信度，通过隶属度函数将其转换为单目标函数，并采用遗传粒子群算法对单目标函数进行求解。

7、作为本发明的进一步方案，所述step1的具体步骤是：

8、step1.1、当管道内的天然气体速度为亚音速，管道泄漏口处的气体速度为音速时，其天然气的泄漏率模型表达式如(1)所示：

9、

10、当管道内的天然气与泄漏点处泄漏的天然气流速均为亚音速时，天然气管道的泄漏率模型如式(2)所示：

11、

12、式中：k为气体绝热系数，对于天然气取1.334；p1、p2与pa分别表示天然气管道起点的气压、泄漏处管道中心气压与标准大气压强(pa)；t2表示天然气管道泄漏处中心的温度；m为气体的摩尔质量(kg/mol)；r为气体常数，r＝8.314pa·m/(mol·k)；c0为天然气的经验流量系数，若天然气流动速度为亚音速，并且雷诺数re＞30000时，c0＝0.61，否则c0＝1；aor为泄漏口横截面积。

13、step1.2、考虑系统经济性与供电可靠性时，蓄电池出力较为关键，故将t时刻蓄电池所释放的电能作为失荷程度的影响因子，蓄电池模型如式(3)-式(4)所示：

14、

15、

16、式中：psoc,t为t时刻蓄电池产生的功率；hsoc,t为蓄电池t时刻的储能量；为蓄电池的储能最大值；为蓄电池充放电效率；

17、失荷率的数学模型如式(5)所示：

18、

19、式中：l为失荷率；pm,t为t时刻电-气园区综合能源系统(electric-gasintegratedpark energy system,egpies)所需的功率；pn,t为t时刻egpies各机组能产生的总功率；

20、step1.3、依据q/csg210026-2011/b1_《中国南方电网有限责任公司电力事故(事件)调查规程(试行)》、ieee1366-2013_《电力系统失荷标准》和式(5)将失荷程度划分为以下四种情况：

21、(1)无失荷/轻度失荷(l≤4％)

22、

23、(2)中度失荷(4％<l≤7％)

24、

25、(3)重度失荷(7％<l≤10％)

26、

27、(4)严重失荷(10％<l≤30％)

28、

29、式中：qt为t时刻泄漏量与管道总流量之比；分别为第ξ级失荷程度的最小、最大泄漏率；分别为第ξ级失荷程度的最小、最大储能释放量，ξ∈{1、2、3、4}。

30、作为本发明的进一步方案，所述step2的具体步骤是：

31、step2.1、采用拉丁超立方法对服从正态分布的预测误差概率密度函数进行采样，并采用同步回代缩减法对场景进行削减如式(10)-(11)所示：

32、d(u(s)，u(s*))＝||u(s)-u(s*)||2  (10)

33、式中：u(s)为y个风电场景中的某个场景集合，各场景出现概率之和为1，s＝1，2，…，y；

34、

35、式中：s，s*为u(s)集合中的场景；j为削减后的场景集合；

36、判断y是否等于需要保留的场景数，若不等于，则继续由式(10)-(11)迭代，直至y满足求解需求，并输出缩减后的场景及对应的场景概率；

37、step2.2、引入系统备用容量成本与梯度惩罚系数λ对置信度进行约束，并基于该模型自适应选择t时刻的风电置信度，备用容量成本如式(12)-(13)所示：

38、

39、0≤fσ,t(ru,rd)≤fσmax(ru,rd)  (13)

40、式中：at为t时刻风电置信度；t为系统运行周期；g为置信度集合；λ为惩罚系数；cσ,t为不同置信度下备用总成本；fσ,t(ru,rd0为系统备用成本；fσmax(ru,rd)为系统最大备用成本；

41、当风电的出力高于该置信度下的接纳范围时，系统将承受弃风的风险；当风电出力低于该置信度下的接纳范围时，系统将承受失荷的风险；将两种风险利用cvar量化为成本问题如式(14)所示：

42、

43、式中：分别表示t时刻超过接纳最大值与低于接纳最小值的风险量化成本；n为风机(wind turbine,wt)设备的个数；wt为风电预测误差；wtup、wtdown分别为t时刻的风电接纳的最大值与最小值，wtmax为t时刻的风电预测最大值，wtf为t时刻的风电预测出力；p(wt)为误差概率密度函数，。

44、作为本发明的进一步方案，所述step3的具体步骤是：

45、step3.1、根据egpies各单元机组的运维单价建立了运维成本的子目标函数：

46、

47、式中：cope,t为egpies的运行总成本；表示t时刻egpies向主电网的交易成本；表示t时刻购买天然气的成本；分别表示t时刻蓄电池、p2g与燃气轮机(gas turbine,gt)的运行成本，cσ,t为不同置信度下备用总成本；

48、step3.2、根据egpies各单元机组不同污染物的治理费用建立了环境保护成本的子目标函数：

49、

50、式中：ce,t表示t时刻egpies的环境治理成本；分别为系统中主电网、p2g、gt在t时刻产生的环境治理成本；

51、step3.3、根据egpies的电负荷、气负荷的失荷量建立了失荷量的子目标函数：

52、

53、式中：lout,t为t时刻egpies的负荷损失量；pm,t为t时刻电-气园区综合能源系统(electric-gas integrated park energy system,egpies)所需的功率；pn,t为t时刻egpies各机组能产生的总功率；

54、根据能量守恒定理，流入节点的气体等于流出节点的气体：

55、g(t)-ql(t)＝qout(t)  (18)

56、式中：g(t)为管道流量；ql(t)为管道泄漏量；qout(t)为传输到电网的流量；

57、当式(17)中，管道泄漏量大导致失荷量大qout(t)不能满足电网发电需求时，式(17)中pn,t<pm,t，造成系统失荷。

58、作为本发明的进一步方案，所述step4的具体步骤是：

59、step4.1、由于风电不确定性量化成本、环境保护成本、运维成本以及负荷损失为四个独立的目标函数，求解困难，并且寻优速度慢，所以通过隶属度函数将四个多目标函数转化为一个单目标函数c：

60、

61、step4.2、将cvar成本与负荷损失作为系统的子目标；因此，

62、建立目标函数集合如式(20)所示：

63、(1)当系统为轻度/无失荷时，系统多目标函数如式(20)中c1所示；

64、(2)当系统为中度失荷时，由于在所提系统中环境治理成本相对于系统总成本占比较小，所以降低环境成本的权重，减小环境治理成本对优化调度的限制，系统多目标函数如式(20)中c2所示；

65、(3)当系统为重度失荷时，为增强系统各单元出力，保证系统的供电可靠性，降低环境成本及运维成本的权重，系统多目标函数如式(20)中c3所示；

66、(4)当系统为严重失荷时，综合能源系统负荷损失过高，系统多目标函数如式(20)中c4所示，此时gt停运检修，ql,t＝0，

67、

68、式中，权重系数k1、k2利用层次分析法(analytic hierarchy process,ahp)中的五分度法构造判别矩阵求解；分别表示t时刻超过接纳最大值与低于接纳最小值的风险量化成本；cope,t为egpies的运行总成本；ce,t表示t时刻egpies的环境治理成本；lout,t为t时刻egpies的负荷损失量；

69、step4.4、利用遗传粒子群算法gapso对目标函数c1-c4求解，将遗传算法中的变异因子引入粒子群算法中，使其在迭代过程中更新权重和变异因子：

70、

71、式中：w(β)表示迭代次数为β时的惯性权重；βmax表示最大迭代次数；ws,we为惯性权重的始、末值；pm(β)表示迭代次数为β时的变异因子值；mu表示变异因子的变异速率。

72、本发明的有益效果是：

73、(1)采用本发明所提方法可以在控制成本的同时大大降低系统失荷量，提高系统故障时的供电可靠性，增强故障系统负荷恢复能力；

74、(2)根据泄漏量与储能对系统负荷损失的影响来划分失荷程度，采用所提方法对系统的故障损失评估更为准确；

75、(3)通过场景分析法描述风电出力的随机波动性后引入cvar量化风电不确定性，根据失荷程度与成本约束自适应选择目标函数与置信度的方法能有效提高算法的寻优能力。此外，在改进粒子群算法的运行环境下，所提目标函数模型有较高的寻优速度。