一种含风-光-储-热的多能源耦合两阶段综合优化方法与流程

本发明涉及一种含风-光-储-热的多能源耦合两阶段综合优化方法，属于微电网调度领域。

背景技术：

1、如何在提高能源利用率的同时，使得微电网经济能够得到更好的优化是微电网相关研究中的热点问题，一般以达到运行成本最小的同时控制碳排放量为目标，实现能源的高效利用。通过优化多种能源的转换、存储和供应来提高能源的利用率和系统运行的经济性，助力可再生能源的消纳，缓解供能压力以及改善环境，是能源结构绿色低碳化转型的有效方案。

2、针对此类问题，常采用随机规划和场景分析法对不确定变量建模，模拟不确定性对微电网运行的影响。由于随机规划方法寻求的是目标函数期望值最大/最小的解集，存在某种场景下决策不合理的风险同时忽略了对碳排放量的控制。当前解决方法是将随机规划和条件风险价值约束方法相结合，使得相应场景下的预期收益不低于给定的置信水平，从而降低系统风险。然而，无论是随机规划还是场景分析法都需要确定性的概率曲线生成场景，存在模型不够精确，无法反映实际情况的问题。

技术实现思路

1、为了克服现有技术中存在的问题，本发明设计了一种含风-光-储-热的多能源耦合两阶段综合优化方法。

2、为了实现上述目的，本发明采用如下技术方案：

3、技术方案一

4、一种含风-光-储-热的多能源耦合两阶段综合优化方法，包括以下步骤：

5、构建以燃气轮机的发电成本、储能单元的充放电成本、需求响应负荷的调度成本、微电网与配电网的交互成本、碳交易成本之和最小为目标的目标函数；所述交互成本根据微电网与配电网交互功率计算得到，所述交互功率包括微电网负荷功率、光伏输出功率和风电输出功率；目标函数设有燃气轮机运行约束、储能运行约束、需求响应负荷调度约束、微电网交互约束；

6、将光伏输出功率、风电输出功率和微电网负荷功率作为不确定变量，构建不确定集；将目标函数分解为第一阶段主问题和第二阶段最小化子问题；将子问题转换为对偶问题；将不确定集u代入对偶问题；迭代求解主问题和对偶问题，得到第一阶段的决策变量和第二阶段的决策变量；当满足迭代停止条件时，返回最优解；所述第一阶段的决策变量包括储能充放电状态、微电网向配电网购售电状态；所述第二阶段的决策变量包括燃气轮机输出功率、储能充电功率、储能放电功率、需求响应负荷实际用电功率、微电网向配电网购买功率、微电网向配电网出售功率、微电网负荷功率、光伏输出功率、风电输出功率、热电联产输出电能、热电联产输出热能、热电联产和燃气轮机等效输出功率。

7、进一步地，所述目标函数，以公式表达为：

8、

9、cg(t)＝[apg(t)+b]δt

10、

11、

12、

13、

14、

15、eies.t＝eies.a-eies

16、

17、

18、式中，cg(t)为t时段燃气轮机的发电成本；cs(t)为t时段储能单元的充放电成本；cdah(t)为t时段需求响应负荷的调度成本；cm(t)为t时段微电网与配电网的交互成本；为t时段阶梯式碳交易成本；a、b为成本系数；pg(t)为t时段燃气轮机的输出功率；δt为调度步长；ks为折算后的单位充放电成本；分别为t时段储能逆变器交流侧的充电、放电功率；η为储能单元的充放电效率：kdr、kh分别为需求响应负荷的单位用电调度成本、单位用热调度成本；pdr(t)分别为t时段需求响应负荷的期望用电功率、实际用电功率；ph(t)、为t时段微电网对需求响应负荷的期望用热调度功率、实际用热调度功率；λ(t)为配电网的日前交易电价；分别为t时段微电网向配电网购买的功率、出售的功率；ψ为碳交易基价；eies、ebuy、echp、eg分别为综合能源系统、上级购电、热电联产、燃气轮机的碳排放权配额；分别为燃煤机组单位电力消耗、燃天然气机组单位天然气消耗的碳排放权配额；pchp.e(t)、pchp.h(t)分别为t时段热电联产输出的电、热能；pgh(t)为t时段燃气轮机输出的热能；pl(t)、ppv(t)、pwt(t)分别为t时段微电网负荷功率、光伏输出功率和风电输出功率；eies.t为t时段综合能源系统的碳排放权交易额；l为碳排放量区间长度；ω为价格增长率；eies.a为综合能源系统的实际碳排放量；ee.buy.a为上级购电的实际碳排放量；etotal.a为热电联产和燃气轮机总的实际碳排放量；ptotal(t)为t时段热电联产和燃气轮机等效输出功率；a1、b1、c1和a2、b2、c2分别为燃煤机组和耗天然气型供能设备的碳排放计算参数。

19、进一步地，所述燃气轮机运行约束，以公式表达为：

20、

21、式中，和为微型燃气轮机的最大/最小输出功率；

22、所述储能运行约束，以公式表达为：

23、

24、

25、

26、

27、式中，为储能允许的最大充放电功率；us(t)为储能的充放电状态；es(0)为储能在调度初始时刻的容量；和为储能在调度过程中允许的最大、最小剩余容量；

28、所述需求响应负荷调度约束，以公式表达为：

29、

30、

31、

32、式中，ddr为需求响应负荷在调度周期内的总用电需求；分别为需求响应负荷在t时段的最大、最小用电需求；为需求响应负荷在t时段的最大、最小用热需求；

33、所述微电网交互约束，以公式表达为：

34、

35、

36、式中，为微电网和配电网交换功率的最大值，um(t)为微电网向配电网的购售电状态。

37、进一步地，所述不确定集u，以公式表达为：

38、

39、式中，uwt(t)、upv(t)和ul(t)分别为对应风电输出功率、光伏输出功率和微电网负荷功率的不确定变量；b＝[bwt(t),bpv(t),bl(t)]t为二进制变量，表示t时段各不确定变量是否取区间边界；γwt、γpv和γl分别为对应风电输出功率、光伏输出功率和微电网负荷功率的不确定性调节参数；和分别为t时段风电输出功率、光伏输出功率和微电网负荷功率的预测值；和分别为风电输出功率、光伏输出功率和微电网负荷功率允许的最大波动偏差。

40、进一步地，所述主问题，以公式表达为：

41、

42、式中，α和c分别为目标函数值对应的下界以及目标函数对应的系数列向量；d、k、f、g和iu为对应约束下变量的系数矩阵；h为常数列向量；k为当前的迭代次数；x为第一阶段的决策变量；yl为第l次迭代后第二阶段的决策变量；为第l次迭代后得到的最恶劣场景下不确定变量u的取值。

43、进一步地，所述将不确定集u代入对偶问题，以公式表达为：

44、

45、式中，γ,λ,ν,π为第二阶段最小化问题中约束对应的对偶变量；x为第一阶段的决策变量；分别为t时段风电输出功率、光伏输出功率和微电网负荷功率的预测值；d、h为常数列向量；

46、分别为风电输出功率、光伏输出功率和微电网负荷功率允许的最大波动偏差；b'＝[b'wt(t),b'pv(t),b'l(t)]t为连续辅助变量；为对偶变量的上界；b＝[bwt(t),bpv(t),bl(t)]t为二进制变量。

47、进一步地，所述交替求解主问题和对偶问题，具体为：

48、给定一组不确定变量值为初始场景，给定算法收敛阈值为ε，初始化成本上限ub＝+∞、成本下限lb＝-∞、迭代次数k＝1；

49、根据不确定变量求解主问题，得到最优解

50、更新成本下限

51、将代入对偶问题，得到目标函数值及不确定变量u的取值

52、更新成本上限

53、若ub-lb≤ε，则停止迭代，返回最优解和否则增加变量yk+1和约束式进行下一轮迭代计算，直到到达阈值停止迭代。

54、进一步地，增加的约束式，以公式表达为：

55、

56、式中，α和c分别为目标函数值对应的下界以及目标函数对应的系数列向量；d、k、f和g为对应约束下变量的系数矩阵；h为常数列向量；k为当前的迭代次数；为第k+1次迭代后得到的最恶劣场景下不确定变量u的取值。

57、技术方案二

58、一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如技术方案一所述的一种含风-光-储-热的多能源耦合两阶段综合优化方法。

59、技术方案三

60、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如技术方案一所述的一种含风-光-储-热的多能源耦合两阶段综合优化方法。

61、与现有技术相比本发明有以下特点和有益效果：

62、本发明构建基于两阶段鲁棒优化的微电网经济调度模型，模型中更加全面地考虑了燃气轮机、储能单元、需求响应负荷、微电网与配电网的交互、碳交易等因素，更加贴近实际情况，提高调度效果。

63、更进一步地，本发明在碳交易成本中还考虑热电联产(chp)、燃气轮机，并给出chp、燃气轮机的碳排放权配额定义，进一步提高模型准确度。

64、更进一步地，本发明考虑微电网内包含可平移负荷的情况，也考虑了微电网对需求响应负荷的实际调度功率，调度方案的保守性更强。