一种考虑光伏和负荷不确定性的综合能源系统自适应鲁棒调度方法与流程

本发明涉及一种考虑光伏和负荷不确定性的综合能源系统自适应鲁棒调度方法，属于电力系统领域，尤其涉及到电力系统运行调度技术。

背景技术：

1、传统化石能源的使用排放了大量的二氧化碳，造成全球气候变化，生态环境恶劣。而新能源以其清洁、环保、可再生特点而能有效克服了传统化石能源的弊端。大量的新能源接入电网将会造成电网的潮流倒转、电压双向越限、电网谐波严重超标等；再加之，新能源出力具有波动性以及不确定性特点，严重影响电网的安全性与稳定性。

2、综合能源系统能够通过多能互补的方式将一种能源转化为另一种能源，能够有效地将大规模、大容量的新能源完成就地消纳，这样能够极大地提高配电网对高渗透新能源的接纳能力；另一方面，由于综合能源系统中包含热电联产、电锅炉等响应速度快的机组以及分布式储电、分布式储热、分布式储气等存储类设备，综合能源系统能够通过快速调整设备出力来应对新能源出力不确定性对电网的影响。

3、迄今为止，国内外知名学者针对高渗透新能源不确定消纳做出了广而深泛的研究。梅飞等人利用光伏和风电的概率密度数据产生随机光伏和风电大量出力来模拟不确定出力场景，然后再对模拟产生的场景进行场景缩减，最后针对缩减之后的场景进行优化调度。虽然随机优化方法比较成熟，能够有效应对新能源出力的不确定性，但随机优化方法的应用必定要假设不确定出力要服从某种分布，并且要生成大量场景。因此，随机优化方法比较简单，但往往假设分布不能完全代表不确定因素的真实出力，并且生成场景过多，求解时间过长，不能有利于完成实时调度消纳；稅月等人将风电出力大量场景通过聚类的方式进行场景缩减得到典型离散场景以及场景初始概率，利用1-范数和∞-范数对多离散场景的概率进行限制，通过列与约束生成算法进行两阶段求解，确定多离散场景的最恶劣场景概率，得到最恶劣场景概率下的调度方案。虽然基于多离散场景的分布鲁棒方法无需直接求解不确定参数的概率密度，但是典型场景的初始分布概率会影响决策结果。孙旭等人针对需求侧电负荷、气负荷的不确定性，利用wasserstein距离的分布鲁棒方法构建不确定变量的概率分布模糊集，并通过对偶理论和条件风险价值近似将所提模型转化成线性规划问题进行求解。

4、目前，大部分针对高渗透新能源不确定消纳的方法往往采用随机优化的方式，产生大量的新能源出力功率，但需要知道新能源出力的分布概率；同时，对于新能源消纳调度求解也一般采用两阶段方式进行求解，求解比较复杂，难度比较大。因此，构建综合能源系统自适应鲁棒调度模型，并采用一种有效的求解方法解决不确定新能源调度能够有效解决当前问题。

技术实现思路

1、本发明的目的在于提供一种考虑光伏和负荷不确定性的综合能源系统自适应鲁棒调度方法，该方法考虑了消纳过程中光伏和负荷的出力不确定性，能够在调度的过程中充分应对光伏和负荷不确定性对配电网的影响，并采用灰狼优化算法进行有效求解，能够提高配电网的光伏消纳能力，提升系统的鲁棒性，抵御光伏出力的不确定性与高渗透对电网的影响。

2、实现本发明目的的技术解决方案为：

3、一种考虑光伏和负荷不确定性的综合能源系统自适应鲁棒调度方法，其特征在于，包括如下步骤：

4、步骤1：确定接入配电网光伏设备的位置和容量，确定接入配电网的综合能源系统的位置以及综合能源系统中每一个设备的参数；

5、步骤2：对配电网的光伏和负荷进行日前预测，得到配电网每一节点的光伏和负荷日前点预测出力功率；

6、步骤3：根据配电网的光伏和负荷日前点预测结果，构建光伏和负荷的日前预测出力的盒式出力不确定集，确定光伏和负荷日前出力的功率区间；

7、步骤4：结合日内实际光伏和负荷出力曲线，构建综合能源系统的自适应鲁棒调度优化模型，并将综合能源系统的自适应鲁棒调度优化模型分解成两个小模型：综合能源系统设备状态配置模型以及不确定光伏负荷最恶劣出力模型；

8、步骤5：综合能源系统设备状态配置模型：配置状态配置模型的灰狼优化算法的相关参数，并初始化每一个灰狼的位置，其位置为综合能源系统里每一个设备的运行状态；

9、步骤6：不确定光伏负荷最恶劣出力模型：配置最恶劣出力模型的灰狼优化算法的相关参数，并初始化每一个灰狼的位置，其位置为光伏和负荷日前出力功率；

10、步骤7：在满足综合能源系统设备以及设备运行状态的约束条件的情况下，以综合能源系统日前-日内调度成本最小值中的最大值为目标函数，求解最恶劣光伏和负荷出力情况下的日前出力功率；

11、步骤8：判断是否达到终止条件，如果未达到终止条件，则跳转到步骤7，否则将综合能源系统日前-日内调度成本最小值中的最大值作为综合能源系统设备状态模型中每一个灰狼位置的适应值，并以适应值最小为目标函数进行迭代求解综合能源系统设备状态配置模型；

12、步骤9：判断是否达到终止条件，如果未达到终止条件，则跳转到步骤8，否则输出光伏、负荷最恶劣出力场景、综合能源系统中各设备的出力状态以及日前-日内调度出力。

13、优选地，所述步骤1中的综合能源系统设备包含热电联产机组(combined heatand power，chp)、燃气锅炉(gas boiler，gb)、电锅炉(electric boiler，eb)、电转气设备(power to gas，p2g)、分布式储电设备、分布式储气设备以及分布式储热设备。

14、优选地，所述步骤1中的综合能源系统设备参数为热电联产机组、电锅炉、燃气锅炉、电转气设备的最小出力功率、最大出力功率、上爬坡速率、下爬坡速率、单位维修成本、单位投资成本、额定容量、电转化效率、热转化效率以及寿命；分布式储电设备、分布式储气设备以及分布式储热设备的初始容量、额定容量、最小设备状态、最大设备状态、单位投资成本、单位维护成本、充放电效率、最大放电功率以及寿命。

15、优选地，所述步骤3中的光伏和负荷的日前预测出力的盒式出力不确定集构建为：

16、

17、式中：ppv,da(t)、pload,e,da(t)为t时刻的光伏、负荷日前预测功率；ppv(t)、pload(t)为t时刻光伏、负荷的波动范围；ψ1、ψ2为鲁棒参数，用来调节光伏、负荷出力波动范围的大小。

18、优选地，所述步骤4中的综合能源系统的自适应鲁棒调度优化模型为：

19、

20、分解成两个模型：综合能源系统设备状态配置模型和不确定光伏负荷最恶劣出力模型；

21、综合能源系统设备状态配置模型为：

22、

23、其中：x为设备状态配置模型的优化变量，用来表示综合能源设备不同时刻运行状态；

24、x＝[ui,e(t),ui,h(t),ui,g(t),ui,chp(t),ui,gb(t),ui,eb(t),ui,p2g(t)]t

25、式中：ui,e(t)、ui,h(t)、ui,g(t)、ui,chp(t)、ui,gb(t)、ui,eb(t)、ui,p2g(t)分别为t时刻分布式储电、分布式储热、分布式储气、热电联产机组、电锅炉、燃气锅炉、电转气装置的运行状态，如果状态为0则代表该时刻不出力，如果状态为1则代表该时刻出力；

26、不确定光伏负荷最恶劣出力模型为：

27、

28、其中：u为光伏、负荷不确定出力的波动范围，即为步骤3的光伏和负荷日前出力的功率区间；n为综合能源系统接入配电网的数量，fda,i为第i个综合能源系统日前调度成本，fdr,i为第i个综合能源系统日内调度修正成本；

29、其中，fda,i和fdr,i可以具体表示为：

30、

31、

32、

33、

34、式中：i代表第i个ies系统；pech,i(t)、δpech,i(t)分别为分布式储电装置t时刻日前充电功率、日内调整充电功率；pedis,i(t)、δpedis,i(t)分别为分布式储电装置t时刻日前放电功率、日内调整放电功率；phch,i(t)、δphch,i(t)分别为分布式储热装置t时刻日前储热功率、日内调整储热功率；phdis,i(t)、δphdis,i(t)分别为分布式储热装置t时刻日前放热功率、日内调整放热功率；pgch,i(t)、δpgch,i(t)分别为分布式储气装置t时刻日前储气功率、日内调整储气功率；pgdis,i(t)、δpgdis,i(t)分别为分布式储气装置t时刻日前放气功率、日内调整放气功率；pchp,e,i(t)、δpchp,e,i(t)分别为热电联产机组t时刻日前放电功率、日内调整放电功率；pgb,h,i(t)、δpgb,h,i(t)分别为燃气锅炉t时刻日前放热功率、日内调整放热功率；peb,e,i(t)、δpeb,e,i(t)分别为电锅炉t时刻日前消纳电功率、日内重新调整消纳电功率；pp2g,e,i(t)、δpp2g,e,i(t)分别电转气装置t时刻日前消纳电功率、日内调整消纳电功率；pebuy,i(t)、δpebuy,i(t)分别为t时刻日前购电功率、日内调整购电功率；pgbuy,i(t)、δpgbuy,i(t)分别为t时刻日前购气功率、日内调整购气功率；cee为分布式储电装置单位功率维修成本；chh为分布式储热装置单位功率维修成本；cgg为分布式储气装置单位功率维修成本；cchp为chp机组单位功率维修成本；cgb为gb机组单位功率维修成本；ceb为eb机组单位功率维修成本；cp2g为p2g装置单位功率维修成本；ci,pbuy(t)为购电t时刻的成本；cebuy为单位功率购电成本；cgbuy为单位功率购气成本；ci,in(t)为t时刻设备单位使用的成本；pns、cs、ns表示设备s的额定容量、单位容量安装成本以及使用寿命，设备s分别为分布式储电装置、分布式储热装置、分布式储气装置、电转气装置、电锅炉装置、燃气锅炉装置、热电联产装置；r表示基准折现率；t为一个调度周期。

35、优选地，所述步骤5中的灰狼优化算法中的相关参数为灰狼优化的种群数量、迭代次数、系数向量以及位置向量。

36、优选地，所述步骤6中的灰狼优化算法中的相关参数为灰狼优化的种群数量、迭代次数、系数向量以及位置向量。

37、优选地，所述步骤7中的综合能源系统设备以及设备运行状态的约束条件的为：

38、(1)电功率约束条件

39、

40、式中：δppv,i,di(t)为t时刻所要调整的光伏功率；pload,e,i(t)为t时刻电负荷功率；ppv,i,ac(t)为t时刻实际所发光伏功率；pload,e,i,ac(t)为t时刻负荷实际所消耗功率；

41、(2)热功率约束

42、

43、式中：pchp,h,i(t)、δpchp,h,i(t)分别为热电联产机组t时刻日前放热功率、日内调整放热功率；pgb,h,i(t)、δpgb,h,i(t)分别为燃气锅炉t时刻日前放热功率、日内调整放热功率；peb,h,i(t)、δpeb,h,i(t)分别为电锅炉t时刻日前放热功率、日内调整放热功率；pload,h,i(t)为t时刻热负荷热功率；

44、(3)气功率约束

45、

46、式中：pp2g,gas,i(t)、δpp2g,gas,i(t)分别为电转气装置t时刻日前放气功率、日内调整放气功率；pgbuy,i(t)、δpgbuy,i(t)分别为t时刻日前购气功率、日内调整购气功率；pchp,gas,i(t)、δpchp,gas,i(t)分别为热电联产装置t时刻日前所需气功率、日内调整所需气功率；pgb,g,i(t)、δpgb,g,i(t)分别为气锅炉装置t时刻日前所需气功率、日内调整所需气功率；pload,g,i(t)为t时刻气负荷气功率；

47、(4)热电联产机组的出力约束

48、

49、式中：pchp,i,min、pchp,i,max为热电联产机组产生电功率的最小值、最大值；ui,chp(t)为热电联产机组t时刻的出力状态，当为0的时候，表示t时刻热电联产机组不出力，当为1的时候，表示t时刻热电联产机组出力；rchpdo,i、rchpup,i分别为热电联产机组下爬坡率和上爬坡率；pchp,e,i(t-1)、δpchp,e,i(t-1)分别为热电联产机组t-1时刻日前放电功率、日内调整放电功率；

50、(5)燃气锅炉的出力约束

51、

52、式中：pgb,i,min、pgb,i,max为燃气锅炉机组出力的下限和上限；rgbdo,i、rgbup,i为燃气锅炉机组下爬坡率和上爬坡率；ui,gb(t)为燃气锅炉t时刻的出力状态，当为0的时候，表示t时刻燃气锅炉不出力，当为1的时候，表示t时刻燃气锅炉出力；pgb,h,i(t-1)、δpgb,h,i(t-1)分别为燃气锅炉t-1时刻日前放热功率、日内调整放热功率；

53、(6)电锅炉的出力约束

54、

55、式中：peb,i,min、peb,i,max为电锅炉机组出力的下限和上限；rebdo,i、rebup,i为电锅炉机组下爬坡率和上爬坡率；ui,eb(t)为电锅炉t时刻的出力状态，当为0的时候，表示t时刻电锅炉不出力，当为1的时候，表示t时刻电锅炉出力；peb,h,i(t-1)、δpeb,h,i(t-1)分别为电锅炉t-1时刻日前放热功率、日内调整放热功率；

56、(7)电转气装置约束

57、

58、式中：pp2gmin为电转气装置出力最小值；pp2gmax为电转气装置出力最大值；ui,p2g(t)为电转气装置t时刻的出力状态，当为0的时候，表示t时刻电转气装置不出力，当为1的时候，表示t时刻电转气装置出力；

59、(8)分布式储电装置约束

60、

61、式中：pemin、pemax为分布式储电装置出力最小和最大出力功率；semin、semax为分布式储电装置容量最小和最大值；ui,e(t)表示分布式储电装置t时刻的出力状态，当为0的时候，表示t时刻分布式储电装置不出力，当为1的时候，表示t时刻分布式储电装置出力；ηedis表示分布式储电装置的放电效率；ηech表示分布式储电装置的充电效率；

62、(9)分布式储热装置约束

63、

64、式中：phmin、phmax为分布式储热装置出力最小和最大出力功率；shmin、shmax为分布式储热装置容量最小和最大值；ui,h(t)表示分布式储热装置t时刻的出力状态，当为0的时候，表示t时刻分布式储热装置不出力，当为1的时候，表示t时刻分布式储热装置出力；ηhdis表示分布式储热装置的放热效率；ηhch表示分布式储热装置的储热效率；

65、(10)分布式储气装置约束

66、

67、式中：pgmin、pgmax为分布式储气装置出力最小和最大出力功率；sgmin、sgmax为分布式储气装置容量最小和最大值；ui,g(t)表示分布式储气装置t时刻的出力状态，当为0的时候，表示t时刻分布式储气装置不出力，当为1的时候，表示t时刻分布式储气装置出力；ηgdis表示分布式储气装置的放气效率；ηgch表示分布式储气装置的储气效率。

68、优选地，所述步骤7中的综合能源系统日前-日内调度成本最小值用cplex和yalmip求解器进行求解。

69、本发明与现有技术相比，其显著优点：本发明考虑光伏和负荷不确定性的综合能源系统自适应鲁棒调度方法能够不需要假设新能源出力的不确定分布，直接构建新能源出力的恶劣出力范围，能够有效应对新能源不确定出力对配电网的影响，增强系统地鲁棒性，提高配电网的抗风险能力；本发明充分利用综合能源系统多能互补以及快速响应的优点有效应对光伏出力与负荷出力的不确定性，提高配电网的鲁棒性能以及经济性能。同时，本发明通过采用灰狼优化算法能够简单有效解决传统的鲁棒优化求解问题，避免问题的复杂性。