综合能源系统多时间尺度优化调度方法、系统及存储介质与流程
本发明涉及综合能源系统能源调度技术领域，具体涉及一种综合能源系统多时间尺度优化调度方法、系统及存储介质。
背景技术：
综合能源系统(integratedenergysystem，ies)是集电力、燃气、冷/热等多种能源为一体，并强调电力核心地位的新型能源系统。多种能源协调运行，相互转化提高了可再生能源的利用效率，同时多能源耦合使其内部结构十分复杂，给ies优化调度分析带来了很大的困难。
在综合能源系统能量调度研究中，可再生能源及负荷预测存在误差，且预测误差随时间尺度减小逐渐降低。模型预测控制算法具有滚动优化和反馈校正的特点，能够满足系统实时调整的要求，适用于综合能源系统优化调度模型预测控制通过反复在线求解实现系统实时调整。然而综合能源系统优化调度是大规模复杂非线性问题求解过程，内部含有很多变量及约束条件，使得在线求解困难，不利于系统快速状态调整。如何解决系统模型复杂、在线求解困难成为综合能源系统调度研究需要考虑的问题。
技术实现要素：
本发明提出的一种综合能源系统多时间尺度优化调度方法、系统及存储介质，可解决解决综合能源系统优化调度模型复杂，在线求解难度大的技术问题。
为实现上述目的，本发明采用了以下技术方案：
一种综合能源系统多时间尺度优化调度方法，包括以下步骤：
s100、根据综合能源系统架构建立储能侧、能源转换侧、储能侧及负荷侧模型；
s200、基于s100建立的各元件模型，根据日前预测的可再生能源出力和负荷需求以及电价、气价信息，以综合能源系统日运行成本最低为目标，同时考虑设备运行约束，以设定的调度周期t1制定未来设定时段的出力计划；
s300、日内阶段以设定调度周期t2，对可再生能源和负荷日前预测信息进行更新，以系统运行费用及各机组启停惩罚费用最小为目标建立日内优化调度模型，在满足系统运行约束的条件下对s200的处理计划进行调整；
s400、以调度周期t3建立实时阶段调度模型，采用分布式模型预测控制方法将系统整体优化求解任务划分至各子系统中，日内出力计划作为实时阶段各子系统迭代初值，通过求解各子系统优化问题，得到最终调度计划。
进一步的，所述s100、根据综合能源系统架构建立储能侧、能源转换侧、储能侧及负荷侧模型具体包括：
(11)建立能源转换侧各可控设备模型及约束条件：
①微型燃气轮机在分布式发电系统应用广泛，通过消耗天然气发电及产生热量，其数学模型用下式表示：
式中：pmt、qmt分别是燃气轮机输出电功率和输出热功率；ηmt为燃气轮机发电效率；ηloss为燃气轮机能量损耗率；vgas为燃气轮机每小时的天然气耗量(m3)，hng为天然气热值，取9.78kwh/m3；
②p2g可实现电能与天然气的转化，和燃气轮机共同构成电网与天然气网络双向耦合的通道；p2g产生的天然气量与消耗电功率关系用式(2)所示：
式中：fp2g是p2g设备所产生的天然气流量，pp2g是电转气消耗的电功率，μp2g是电转气的转化效率，lhv为天然气低热值；
③电热锅炉通过加热元件将电能转换为热能，用于补充微型燃气轮机供热不足时剩余热负荷需求，其消耗电功率与产生的热量关系由式(3)表示：
qeb(t)＝ηeb(1-μloss)peb(t)(3)
式中：qeb(t)表示电热锅炉时段t的供给热量；peb(t)表示电热锅炉时段t的耗电功率；ηeb表示电热转换效率；μloss表示时段t的热损失；
④各可控设备运行约束条件
其中，
⑤各可控设备爬坡约束条件
其中，
(12)建立储能设备模型及约束条件：
①蓄电池的数学模型如下所示：
式中：soc(t)和soc(t0)分别表示储能电池在t和t0时刻的剩余电量；δ表示储能电池的自放电率，单位为％/h；δt表示t0到t的时间跨度；pech和pedis分别表示储能电池的充放电功率；ηech和ηedis分别表示储能电池的充放电效率；
②储气罐的数学模型表示为：
式中：voc(t)和voc(t0)分别表示储气罐在t和t0时刻含有的天然气体积；μgloss表示储气罐气损失率；pgch和pgdis分别单位时间内表示储气罐充放天然气的体积；ηgch和ηgdis分别表示储气罐的充放气效率；
③储热元件的数学模型表示为：
式中：qh(t)和qh(t0)表示t和t0时刻储热罐的储热剩余量；μhloss表示储热罐散热损失率；qhch和qhdis表示t0至t时刻之间储热罐的充热量和放热量；ηhch和ηhdis表示储热罐的充放热效率；
④各储能设备充放能约束条件：
其中，
⑤各储能设备容量约束条件
其中，
进一步的，所述s200、基于s100建立的各元件模型，根据日前预测的可再生能源出力和负荷需求以及电价、气价信息，以综合能源系统日运行成本最低为目标，同时考虑设备运行约束，以设定的调度周期t1制定未来设定时段的出力计划具体包括：
(21)该阶段仅考虑系统日运行成本，即从外界购能成本，目标函数如下：
式中，ce(t)为分时电价；cg(t)为分时气价；pchange为系统购电功率；vchange为系统购买的天然气量；
(22)除了各设备实时运行约束和爬坡约束，还需要满足负荷平衡约束，具体如式(17)-(19)所示：
ppv(t)+pwind(t)+pmt(t)+pchange(t)+pedis(t)-pech(t)-pp2g(t)-peb(t)-le(t)＝0(17)
vchange(t)+fp2g(t)+pgdis(t)-pgch(t)-vgas(t)-lg(t)＝0(18)
qmt(t)+qeb(t)+qhdis(t)-qhch(t)-lh(t)＝0(19)
其中，ppv和pwind为光伏和风电机组t时刻发电功率；le、lg、lh分别为t时刻电、气、热负荷需求量；pmt、qmt分别是燃气轮机输出电功率和输出热功率；ηmt为燃气轮机发电效率；fp2g是p2g设备所产生的天然气流量，pp2g是电转气消耗的电功率；qeb(t)表示电热锅炉时段t的供给热量；peb(t)表示电热锅炉时段t的耗电功率；pech和pedis分别表示储能电池的充放电功率；pgch和pgdis分别表示单位时间内储气罐充放天然气的体积；qhch和qhdis表示t0至t时刻之间储热罐的充热量和放热量；pchange为系统购电功率；vchange为系统购买的天然气量；
(23)对于系统购电功率及购气量还应满足上下限约束：
其中，
(24)为遵循日前调度计划，令各类储能一天的变化量为0，可表示为：
其中，socf、vocf、qhf分别为各类储能初始容量；
通过求解上述日前优化模型，得到各可控设备的出力计划，同时将该计划发送至日内优化阶段。
进一步的，所述s300日内阶段以设定调度周期t2，对可再生能源和负荷日前预测信息进行更新，以系统运行费用及各机组启停惩罚费用最小为目标建立日内优化调度模型，在满足系统运行约束的条件下对s200的处理计划进行调整具体包括：
首先在预测时域内对可再生能源及负荷信息进行更新，为使日内计划能够较好遵循日前调度计划，同时避免各机组频繁启动，在考虑系统运行费用最低的同时考虑机组启停变化惩罚项，以系统整体费用最低为目标建立日内优化模型；
在满足系统运行约束的条件下优化得到日内各机组出力计划，但仅执行控制时域即下一时刻的调度计划；
同时按照划分的时间间隔更新预测时域和控制时域，根据最新的可再生能源和负荷信息重新优化日内调度模型并执行下一时刻的调度计划，如此反复，滚动优化直至完成所有时段的日内调度计划；
该阶段的优化模型如下所示：
式中：t0是日内优化调度的起始时刻，△t为日内优化调度的一个周期，n为调度周期个数，i表示各台机组集合；ii表示各机组的启停状态，为0-1系数；pi为第i台机组的启停惩罚费用。
进一步的，所述s400以调度周期t3建立实时阶段调度模型，采用分布式模型预测控制方法将系统整体优化求解任务划分至各子系统中，日内出力计划作为实时阶段各子系统迭代初值，通过求解各子系统优化问题，得到最终调度计划，具体包括：
在实时调整阶段，是对日内出力计划进行微调，以满足系统实际运行时不断变化的需求；
实时调整阶段以设定的时间间隔，根据可再生能源及负荷的实时信息，以下一时刻的系统设备总调节量最小为目标，采用mpc算法优化日内出力计划，实时调整包含在日内滚动优化阶段，在每一时段的日内出力计划中，都包含多个实时调整阶段；
在某一时段多个实时调整阶段完成后，回到日内优化阶段进行下一时刻的出力计划制定，同时再通过新的实时调整阶段优化该出力计划，不断重复这两个阶段，得到最终的各机组出力计划。
进一步的，所述s400中分布式模型如下：
其中，预测步骤如下：
按照dmpc算法要求，分别将ies中各能源转换设备及其控制器看作一个子系统，其中dmpc的控制策略如下：
设整体控制策略由n个子系统共同承担，则基于分布式模型预测控制算法划分的第n个子系统的控制策略用下式表示：
其中，
实时调整阶段的优化问题转换为各子系统的优化求解问题，其中各能源转换设备控制器的控制策略如式(28)所示；
该阶段调度目标函数如下所示：
其中，
p为输出量的权重系数矩阵，fi为各子系统控制的控制策略，n为子系统个数。
进一步的，所述s400实时调整阶段实现分布式预测控制的具体过程如下：
(1)在当前时刻k根据日内优化调度计划初始化预测模型中的控制变量，即给定各机组出力增量初值
(2)根据预测模型计算各机组在有限域内的输出量预测值；
(3)按照式(28)计算各子系统自身优化问题，计算得到最优解
(4)给定精度εn，若
(5)仅将
(6)令k＝k+△t(△t为实时调整阶段的一个周期)，返回(1)，重复执行上述步骤。
另一方面，本发明一种综合能源系统多时间尺度优化调度系统，包括以下单元，
原件模型构建单元，用于根据综合能源系统架构建立储能侧、能源转换侧、储能侧及负荷侧模型；
出力计划制定单元，用于基于建立的各元件模型，根据日前预测的可再生能源出力和负荷需求以及电价、气价信息，以综合能源系统日运行成本最低为目标，同时考虑设备运行约束，以设定的调度周期t1制定未来设定时段的出力计划；
计划调整单元，用于日内阶段以设定调度周期t2，对可再生能源和负荷日前预测信息进行更新，以系统运行费用及各机组启停惩罚费用最小为目标建立日内优化调度模型，在满足系统运行约束的条件下对出力计划制定单元的处理计划进行调整；
计划优化单元，用于以调度周期t3建立实时阶段调度模型，采用分布式模型预测控制方法将系统整体优化求解任务划分至各子系统中，日内出力计划作为实时阶段各子系统迭代初值，通过求解各子系统优化问题，得到最终调度计划。
第三方面，本发明还公开一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述方法的步骤。
由上述技术方案可知，本发明的综合能源系统多时间尺度优化调度方法，通过将系统整体系统指标划分为各子系统性能指标，降低系统在线求解的难度，兼顾系统的控制性能和经济运行要求。
与已有技术相比，本发明有益效果体现在：
(1)考虑到可再生能源及负荷预测误差，基于模型预测控制方法构建三阶段优化调度模型，能够很好满足系统实时调整反馈要求，减小系统实际运行误差。
(2)为解决综合能源系统优化调度模型复杂，在线求解难度大的问题，采用分布式模型预测控制方法将系统整体系统指标划分为各子系统性能指标，不仅降低了在线预测控制求解的难度，也能兼顾系统的控制性能和经济运行要求。
附图说明
图1是本发明的方法流程图；
图2为本发明的综合能源系统架构图；
图3为本发明的分布式预测控制流程图；
图4为本发明的综合能源系统多时间尺度优化调度整体框图；
图5为本发明的各类设备功率变化图；其中图5a为微型燃气轮机功率变化图，图5b为p2g功率变化图，图5c为电热锅炉功率变化图；
图6为本发明实施例购电功率变化图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
如图1所示，本实施例所述的综合能源系统多时间尺度优化调度方法，包括：
s100、根据综合能源系统架构建立储能侧、能源转换侧、储能侧及负荷侧模型；
s200、基于s100建立的各元件模型，根据日前预测的可再生能源出力和负荷需求以及电价、气价信息，以综合能源系统日运行成本最低为目标，同时考虑设备运行约束，以设定的调度周期t1制定未来设定时段的出力计划；
s300、日内阶段以设定调度周期t2，对可再生能源和负荷日前预测信息进行更新，以系统运行费用及各机组启停惩罚费用最小为目标建立日内优化调度模型，在满足系统运行约束的条件下对s200的处理计划进行调整；
s400、以调度周期t3建立实时阶段调度模型，采用分布式模型预测控制方法将系统整体优化求解任务划分至各子系统中，日内出力计划作为实时阶段各子系统迭代初值，通过求解各子系统优化问题，得到最终调度计划。
上述步骤进一步为：
s100、根据图2所示综合能源系统结构，建立系统内各元件数学模型，主要包括微型燃气轮机、p2g设备、电热锅炉、蓄电池、储气罐和储热罐；
s200、基于s100建立的各元件模型，根据日前预测的可再生能源出力和负荷需求以及电价、气价信息，以综合能源系统日运行成本最低为目标，同时考虑设备运行约束，以1h为调度周期制定未来24个时段的出力计划；
s300、日内阶段以15min为调度周期，对可再生能源和负荷日前预测信息进行更新，为使日内计划能够较好遵循日前调度计划，同时避免各机组频繁启动，以系统运行费用及各机组启停惩罚费用最小为目标建立日内优化调度模型，在满足系统运行约束的条件下对s200的处理计划进行调整。
s400、考虑到日内预测信息的误差，以5min为调度周期建立实时阶段调度模型。为降低综合能源系统模型预测控制在线优化的复杂性，采用分布式模型预测控制方法将系统整体优化求解任务划分至各子系统中。日内出力计划作为实时阶段各子系统迭代初值，通过求解各子系统优化问题，得到最终调度计划。
进一步的，s100按图2所示综合能源系统架构对各部分建模，该系统能源输入侧含有电网、天然气站及风光机组；能源转换侧含有微型燃气轮机、p2g设备、电热锅炉；储能侧为蓄电池、储气罐和储热罐；能源供应侧为各类负荷。
s200、根据日前可再生能源和负荷预测信息及购气价格、分时电价，考虑系统运行约束，以综合能源系统日运行费用最低为目标建立日前优化模型，确定各机组日前出力计划。
s300、根据日内最新预测信息，以系统运行费用最低及各机组启停惩罚费用最小为目标建立日内优化调度模型。
s400具体为：
步骤4.1、根据实时预测信息，以日内调度计划下一时刻系统可控设备总调节量最小为目标建立实施阶段调度模型。
步骤4.2、采用分布式模型预测控制方法求解步骤4.1建立的模型，得到控制时域内修正后的日内出力计划，即最终出力计划。
步骤4.3、判断是否达到日内优化阶段调度周期，若达到调度周期则跳至步骤4.4，否则更新时域并返回步骤4.1。
步骤4.4、判断是否完成了所有时段的出力计划，若完成则结束整个调度过程，否则更新时域并返回步骤3进行下一阶段日内计划生成。
以下具体说明：
如图2所示，研究的综合能源系统包含能源输入侧、能源转换侧、储能侧及能源供应侧。其中，能源输入侧含有电网、天然气站及风光机组；能源转换侧含有燃气轮机、p2g设备、电热锅炉；储能侧为蓄电池、储气罐和储热罐；能源供应侧为各类负荷。一种基于分布式模型预测控制的综合能源系统多时间尺度优化调度方法具体按如下步骤进行：
步骤1、建立综合能源系统各部分模型及约束条件：
(1)建立能源转换侧各可控设备模型及约束条件：
①微型燃气轮机在分布式发电系统应用广泛，通过消耗天然气发电及产生热量，其数学模型用下式表示：
式中：pmt、qmt分别是燃气轮机输出电功率(kw)和输出热功率(kw)；ηmt为燃气轮机发电效率；ηloss为燃气轮机能量损耗率；vgas为燃气轮机每小时的天然气耗量(m3)，hng为天然气热值，取9.78kwh/m3。
②p2g可实现电能与天然气的转化，和燃气轮机共同构成电网与天然气网络双向耦合的通道；p2g产生的天然气量与消耗电功率关系用式(2)所示：
式中：fp2g是p2g设备所产生的天然气流量，pp2g是电转气消耗的电功率，μp2g是电转气的转化效率，lhv为天然气低热值。
③电热锅炉通过加热元件将电能转换为热能，用于补充微型燃气轮机供热不足时剩余热负荷需求，其消耗电功率与产生的热量关系由式(3)表示：
qeb(t)＝ηeb(1-μloss)peb(t)(3)
式中：qeb(t)表示电热锅炉时段t的供给热量；peb(t)表示电热锅炉时段t的耗电功率；ηeb表示电热转换效率；μloss表示时段t的热损失。
④各可控设备运行约束条件
其中，
⑤各可控设备爬坡约束条件
其中，
(2)建立储能设备模型及约束条件：
①蓄电池的数学模型如下所示：
式中：soc(t)和soc(t0)分别表示储能电池在t和t0时刻的剩余电量；δ表示储能电池的自放电率，单位为％/h；δt表示t0到t的时间跨度；pech和pedis分别表示储能电池的充放电功率；ηech和ηedis分别表示储能电池的充放电效率。
②储气罐的数学模型可表示为：
式中：voc(t)和voc(t0)分别表示储气罐在t和t0时刻含有的天然气体积；μgloss表示储气罐气损失率；pgch和pgdis分别单位时间内表示储气罐充放天然气的体积；ηgch和ηgdis分别表示储气罐的充放气效率。
③储热元件的数学模型可表示为：
式中：qh(t)和qh(t0)表示t和t0时刻储热罐的储热剩余量；μhloss表示储热罐散热损失率；qhch和qhdis表示t0至t时刻之间储热罐的充热量和放热量；ηhch和ηhdis表示储热罐的充放热效率。
④各储能设备充放能约束条件：
其中，
⑤各储能设备容量约束条件
其中，
步骤2、基于在日前可再生能源及负荷预测信息，考虑综合能源系统各部分运行约束，以综合能源系统日运行成本最低为目标建立日前优化调度模型，确定各设备日前出力计划。
具体来说，以1h为时间间隔，基于可再生能源和负荷日前预测信息及分时电价和购气价格，以综合能源系统日运行费用最低为目标建立日前优化模型，求解得到未来一天24小时的各机组出力计划；
(1)该阶段仅考虑系统日运行成本，即从外界购能成本，目标函数如下：
式中，ce(t)为分时电价；cg(t)为分时气价；pchange为系统购电功率；vchange为系统购买的天然气量。
(2)除了各设备实时运行约束和爬坡约束，还需要满足负荷平衡约束，具体如式(17)-(19)所示：
ppv(t)+pwind(t)+pmt(t)+pchange(t)+pedis(t)-pech(t)-pp2g(t)-peb(t)-le(t)＝0(17)
vchange(t)+fp2g(t)+pgdis(t)-pgch(t)-vgas(t)-lg(t)＝0(18)
qmt(t)+qeb(t)+qhdis(t)-qhch(t)-lh(t)＝0(19)
其中，ppv和pwind为光伏和风电机组t时刻发电功率；le、lg、lh分别为t时刻电、气、热负荷需求量；pmt、qmt分别是燃气轮机输出电功率(kw)和输出热功率(kw)；ηmt为燃气轮机发电效率；fp2g是p2g设备所产生的天然气流量，pp2g是电转气消耗的电功率；qeb(t)表示电热锅炉时段t的供给热量；peb(t)表示电热锅炉时段t的耗电功率；pech和pedis分别表示储能电池的充放电功率；pgch和pgdis分别表示单位时间内储气罐充放天然气的体积；qhch和qhdis表示t0至t时刻之间储热罐的充热量和放热量；pchange为系统购电功率；vchange为系统购买的天然气量。
(3)对于系统购电功率及购气量还应满足上下限约束：
其中，
(4)为遵循日前调度计划，令各类储能一天的变化量为0，可表示为：
其中，socf、vocf、qhf分别为各类储能初始容量。
通过求解上述日前优化模型，得到各可控设备的出力计划，同时将该计划发送至日内优化阶段。
步骤3、根据日内预测信息，以系统运行费用及各机组启停惩罚费用最小为目标建立日内优化调度模型，调整各机组日前出力计划。
具体来说，在日内优化阶段，首先在预测时域内对可再生能源及负荷信息进行更新，为使日内计划能够较好遵循日前调度计划，同时避免各机组频繁启动，在考虑系统运行费用最低的同时考虑机组启停变化惩罚项，以系统整体费用最低为目标建立日内优化模型。在满足系统运行约束的条件下优化得到日内各机组出力计划，但仅执行控制时域即下一时刻的调度计划。同时按照划分的时间间隔更新预测时域和控制时域，根据最新的可再生能源和负荷信息重新优化日内调度模型并执行下一时刻的调度计划，如此反复，滚动优化直至完成所有时段的日内调度计划。该阶段的优化模型如下所示：
式中：t0是日内优化调度的起始时刻，△t为日内优化调度的一个周期，n为调度周期个数，i表示各台机组集合；ii表示各机组的启停状态，为0-1系数；pi为第i台机组的启停惩罚费用。
步骤4、根据实时预测信息，基于日内出力计划，以下一时刻系统设备总调节量最小为目标建立实时调整模型，调整各机组日内出力计划。
具体来说，在实时调整阶段，主要是对日内出力计划进行微调，以满足系统实际运行时不断变化的需求。实时调整阶段以5min为时间间隔，根据可再生能源及负荷的实时信息，以下一时刻的系统设备总调节量最小为目标，采用mpc算法优化日内出力计划。实时调整包含在日内滚动优化阶段，在每一时段的日内出力计划中，都包含多个实时调整阶段。在某一时段多个实时调整阶段完成后，回到日内优化阶段进行下一时刻的出力计划制定，同时再通过新的实时调整阶段优化该出力计划，不断重复这两个阶段，得到最终的各机组出力计划。
对于本发明研究的综合能源系统，利用状态空间方程作为系统预测模型：
按照dmpc算法要求，分别将ies中各能源转换设备及其控制器看作一个子系统，其中dmpc的控制策略可如下描述：
设整体控制策略由n个子系统共同承担，则基于分布式模型预测控制算法划分的第n个子系统的控制策略用下式表示：
其中，
因此，实时调整阶段的优化问题转换为各子系统的优化求解问题，其中各能源转换设备控制器的控制策略如式(28)所示。该阶段调度目标函数如下所示：
其中，
p为输出量的权重系数矩阵，fi为各子系统控制的控制策略，n为子系统个数。
实时调整阶段实现分布式预测控制的具体过程如下：
(1)在当前时刻k根据日内优化调度计划初始化预测模型中的控制变量，即给定各机组出力增量初值
(2)根据预测模型计算各机组在有限域内的输出量预测值；
(3)按照式(31)将式(28)所示模型分解为各设备优化模型，计算得到最优解
(4)给定精度εn，若
(5)仅将
(6)令k＝k+△t(△t为实时调整阶段的一个周期)，返回(1)，重复执行上述步骤。
本发明实施例通过建立三阶段调度模型减小由于预测误差带来的影响，并采用分布式模型预测控制方法降低实时调整阶段优化模型的复杂度，减小在线求解难度，从而完成本发明所提出的基于分布式模型预测控制的综合能源系统多时间尺度优化调度方法。
举例说明，考虑图2所示综合能源系统的三阶段优化调度问题，在dmpc和mpc控制策略下系统各能源转化设备及输出功率变化如图5至图6所示。通过如图5所示两种控制方式下部分时间段各能源转换设备的出力曲线可以看到，两种控制方式下各能源转换设备输出功率变化趋势基本相同，但dmpc控制下的功率波动幅度较mpc控制方式更小，这是由于与mpc控制方式相比，dmpc控制方式对各能源转换设备的自身最优控制要求更高，同时通过与其他能源转换设备的交互保证满足系统优化运行要求。图6为两种控制方式下系统向外界购电曲线图，可以看到dmpc控制方式下功率波动更小，这是由于在dmpc控制方式下，各能源转换设备能更快速响应系统功率波动，系统协调能力加强，更容易达到平衡。
同时，本发明一种综合能源系统多时间尺度优化调度系统，包括以下单元，
原件模型构建单元，用于根据综合能源系统架构建立储能侧、能源转换侧、储能侧及负荷侧模型；
出力计划制定单元，用于基于建立的各元件模型，根据日前预测的可再生能源出力和负荷需求以及电价、气价信息，以综合能源系统日运行成本最低为目标，同时考虑设备运行约束，以设定的调度周期t1制定未来设定时段的出力计划；
计划调整单元，用于日内阶段以设定调度周期t2，对可再生能源和负荷日前预测信息进行更新，以系统运行费用及各机组启停惩罚费用最小为目标建立日内优化调度模型，在满足系统运行约束的条件下对出力计划制定单元的处理计划进行调整；
计划优化单元，用于以调度周期t3建立实时阶段调度模型，采用分布式模型预测控制方法将系统整体优化求解任务划分至各子系统中，日内出力计划作为实时阶段各子系统迭代初值，通过求解各子系统优化问题，得到最终调度计划。
第三方面，本发明还公开一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述方法的步骤。
可理解的是，本发明实施例提供的系统与本发明实施例提供的方法相对应，相关内容的解释、举例和有益效果可以参考上述方法中的相应部分。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
- 还没有人留言评论。精彩留言会获得点赞！