综合能源系统的多时间尺度优化控制方法及装置与流程

摘要: 本技术涉及综合能源系统优化调度,特别涉及一种综合能源系统的多时间尺度优化控制方法及装置。背景技术:1、目前,综合能源系统的优化运行通常采用多时间尺度调度框架,将...
综合能源系统的多时间尺度优化控制方法及装置与流程

本技术涉及综合能源系统优化调度,特别涉及一种综合能源系统的多时间尺度优化控制方法及装置。

背景技术:

1、目前,综合能源系统的优化运行通常采用多时间尺度调度框架,将调控过程划分为日前调度、日内滚动、实时控制三个阶段。其中,日前调度阶段:基于对次日可再生能源出力和负荷需求的预测,以系统运行成本最小为目标,制定未来24小时的各设备出力计划;日内滚动阶段:基于更准确的超短期预测数据,对日前计划进行修正;实时控制阶段:根据实际运行数据,对设备出力进行实时调节。

2、在现有技术中,可将综合能源系统的优化运行过程由“粗调”到“细调”划分为“日前-日内-实时”三个阶段;现有技术也可以日运行费用最小、滚动时段内运行费用、滚动时段内设备出力与日前调度出力偏差惩罚之和最小为目标,采用mpc(model predictivecontrol,模型预测控制)多尺度优化算法分别求解各阶段的运行参数。然而,现有技术仍存在以下缺陷:

3、1、三层算法同质化,计算负荷大:

4、在现有技术中,日前、日内、实时三个阶段均采用同类优化算法(如mpc、多目标优化等)进行在线求解;实时控制阶段对响应速度要求极高(秒级甚至毫秒级),而复杂优化算法的求解时间通常需要数分钟乃至更长,难以满足工程实时性要求。

5、2、规划层与运行层割裂:

6、现有技术多聚焦于运行调度层面的优化,系统的设备容量配置(规划层)与运行调度(日前层)往往独立进行,配置结果未充分考虑运行层的实际约束,导致系统在实际运行中无法达到预期的经济性和安全性。

7、3、三层之间的衔接机制不明确:

8、现有技术虽然提出了多时间尺度的框架,但各层之间的参数传递、约束继承、指令转换等衔接机制缺乏系统性的工程化设计,导致理论方案难以落地实施。

9、综上所述,在现有技术中,实时控制阶段因采用复杂优化算法导致响应速度慢、无法满足工程实时性要求,且设备容量配置与运行调度相互割裂、系统整体经济性难以保障,此外,现有技术中多时间尺度架构各层之间衔接机制不清晰、工程落地困难,亟待解决。

技术实现思路

1、本技术提供一种综合能源系统的多时间尺度优化控制方法及装置,以解决在现有技术中,实时控制阶段因采用复杂优化算法导致响应速度慢、无法满足工程实时性要求,且设备容量配置与运行调度相互割裂、系统整体经济性难以保障,此外,现有技术中多时间尺度架构各层之间衔接机制不清晰、工程落地困难等问题。

2、本技术第一方面实施例提供一种综合能源系统的多时间尺度优化控制方法,包括以下步骤:对综合能源系统进行数学建模,以构建对应的设备模型与约束库,并采集目标地域的多种基础数据,以基于所述设备模型、所述约束库和所述多种基础数据,进行离线优化配置,以生成对应的配置结果;每隔预设周期基于所述配置结果,构建对应的优化调度模型,并求解所述优化调度模型,以生成目标时间段内的逐时出力计划曲线;基于所述逐时出力计划曲线和所述配置结果,对多种预设运行场景进行仿真,提取通用调节规律信息,确定对应的规则阈值和规则优先级,以构建对应的专家规则库,并根据所述综合能源系统的当前运行数据和相应时刻的预测值进行偏差计算,得到偏差量,且基于所述偏差量,调用所述专家规则库进行决策,生成对应的修正控制指令,以控制预设的底层执行机构根据所述修正控制指令执行相应的优化操作。

3、根据上述技术手段,本技术实施例通过采用预置的专家规则库进行快速响应,从根本上保证了实时控制的响应速度;同时,通过“配置固化→日前预计算→实时规则驱动”的三层异构设计,实现了规划、调度、控制的全链条覆盖与有机衔接。

4、可选地,在本技术的一个实施例中,所述对综合能源系统进行数学建模,以构建对应的设备模型与约束库,并采集目标地域的多种基础数据,以基于所述设备模型、所述约束库和所述多种基础数据,进行离线优化配置,以生成对应的配置结果,包括:对所述综合能源系统中的各类供能、用能、储能设备进行数学建模,以构建对应的设备模型与约束库,并将所述设备模型和所述约束库以配置文件形式存储于目标参数数据库中;采集所述目标地域的多种基础数据,并基于所述多种基础数据、所述设备模型和所述约束库,确定对应的生命周期经济性目标函数和多个优化配置约束条件,以构建对应的优化配置模型,其中,所述多种基础数据包括但不限于全年历史风光资源数据、全年历史负荷数据和当地能源价格数据,所述多个优化配置约束条件包括但不限于功率平衡约束、设备容量上下限约束和可靠性约束;求解所述优化配置模型,以得到目标设备容量配置结果,并将所述目标设备容量配置结果作为对应的固化参数写入预设的系统配置文件,得到所述配置结果,其中,所述目标设备容量配置结果包括但不限于光伏装机容量、风电装机容量、储能额定功率、储能额定容量、火电/燃气轮机的最小出力与最大出力。

5、根据上述技术手段,本技术实施例通过将离线优化配置层的结果作为日前调度层的硬约束边界,从而避免了传统方案中配置与运行割裂导致的实际运行效果不及预期的问题。

6、可选地,在本技术的一个实施例中,所述每隔预设周期基于所述配置结果,构建对应的优化调度模型,并求解所述优化调度模型,以生成目标时间段内的逐时出力计划曲线,包括:每隔所述预设周期,获取所述目标时间段内的风光出力预测曲线和负荷预测曲线,并将所述配置结果作为对应的硬约束边界,以基于所述风光出力预测曲线、所述负荷预测曲线和所述硬约束边界,确定对应的日运行成本目标函数和多个优化调度约束条件,以构建对应的优化调度模型,其中,所述多个优化调度约束条件包括但不限于逐时功率平衡约束、设备出力上下限约束、火电/燃气轮机爬坡约束、储能soc(state of charge,荷电状态)递推方程与安全边界约束和联络线交换功率约束;调用预设的求解器,在预设时长内求解所述优化调度模型,以得到所述目标时间段内的逐时出力计划曲线,并将所述逐时出力计划曲线存入预设的待执行指令池中。

7、根据上述技术手段,本技术实施例以离线固化的设备配置作为硬约束开展日前优化调度,在保障设备物理边界不超限的前提下生成经济性兼有电网友好性的基准出力计划,从而为下层实时微调提供可靠的运行轨迹基准。

8、可选地,在本技术的一个实施例中,所述根据所述综合能源系统的当前运行数据和相应时刻的预测值进行偏差计算,得到偏差量,且基于所述偏差量,调用所述专家规则库进行决策,生成对应的修正控制指令,以控制预设的底层执行机构根据所述修正控制指令执行相应的优化操作,包括:基于预设的监测周期,采集所述综合能源系统的当前运行数据,其中,所述当前运行数据包括风光机组实际出力、实际负荷功率、储能当前soc和联络线当前交换功率;对所述当前运行数据与日前计划中对应时刻的预测值进行比较,计算所述偏差量,且根据所述偏差量调用所述专家规则库进行决策,以匹配相应的修正控制指令,其中,所述专家规则库包括但不限于储能优先调节规则、安全硬闭锁规则、联络线限值保护规则、火电后备支撑规则和风光限功率规则;将所述修正控制指令下发至预设的dcs(distributed control system,分布式控制系统)/scada(supervisory control anddata acquisition,数据采集与监视控制)系统,以控制所述底层执行机构执行预设参数优化操作。

9、根据上述技术手段,本技术实施例的实时微调层采用预置规则库驱动,不涉及任何复杂优化模型的在线求解,响应时间可达毫秒级(200ms以内),远优于现有技术中实时层仍需求解优化模型的方案(通常需要数分钟),实时响应速度大幅提升,从根本上满足了综合能源系统实时控制的工程时效性要求;其次,由于实时层不运行复杂优化算法,系统的计算资源(cpu/gpu)需求大幅降低,从而降低了系统硬件成本和运维复杂度。

10、可选地,在本技术的一个实施例中,所述调用所述专家规则库进行决策,生成对应的修正控制指令,包括:基于所述日前计划中对应时刻的风光出力预测值,确定所述储能优先调节规则的风光出力阈值,并根据预设的储能最小soc确定所述储能优先调节规则的soc阈值;在所述偏差量中的风光出力偏差小于所述风光出力阈值,且所述储能当前soc大于所述soc阈值时,生成对应的储能增发修正控制指令,在所述储能当前soc小于所述储能最小soc时,生成对应的安全硬闭锁修正控制指令;在所述联络线当前交换功率的绝对值大于预设阈值的情况下,生成对应的联络线限值保护修正控制指令,在所述储能当前soc达到下限或风光机组实际出力达到上限,且对应的偏差仍存在的情况下,生成对应的火电爬坡修正控制指令;在所述风光机组实际出力大于对应的预测值,且储能当前soc达到预设储能已满要求、火电机组已降至最小出力,则生成对应的限功率修正控制指令。

11、根据上述技术手段,本技术实施例的日前调度层以经济性最优为目标制定计划曲线,以保证系统运行的经济性,实时微调层中的安全硬闭锁规则,以保证“安全第一”原则在控制层面的刚性落实,保障了系统运行的安全性,从而实现了二者的有机统一。

12、可选地,在本技术的一个实施例中,所述日运行成本目标函数的数学表达式为:

13、

14、其中,为燃料成本;为碳排放成本;为联络线功率的逐时变化量;为波动惩罚权重系数;表示火电/燃气轮机出力。

15、根据上述技术手段,本技术实施例通过构建日运行成本目标函数,从而能够同步兼顾燃料开销、碳排放代价以及联络线功率波动,并可在优化日运行成本的同时兼顾系统低碳运行与电网友好特性。

16、本技术第二方面实施例提供一种综合能源系统的多时间尺度优化控制装置,包括:离线优化配置模块,用于对综合能源系统进行数学建模,以构建对应的设备模型与约束库,并采集目标地域的多种基础数据,以基于所述设备模型、所述约束库和所述多种基础数据,进行离线优化配置,以生成对应的配置结果;模型求解模块,用于每隔预设周期基于所述配置结果,构建对应的优化调度模型,并求解所述优化调度模型,以生成目标时间段内的逐时出力计划曲线;优化控制模块,用于基于所述逐时出力计划曲线和所述配置结果,对多种预设运行场景进行仿真,提取通用调节规律信息,确定对应的规则阈值和规则优先级,以构建对应的专家规则库,并根据所述综合能源系统的当前运行数据和相应时刻的预测值进行偏差计算,得到偏差量,且基于所述偏差量,调用所述专家规则库进行决策,生成对应的修正控制指令,以控制预设的底层执行机构根据所述修正控制指令执行相应的优化操作。

17、可选地,在本技术的一个实施例中,所述离线优化配置模块包括:数学建模单元,用于对所述综合能源系统中的各类供能、用能、储能设备进行数学建模,以构建对应的设备模型与约束库,并将所述设备模型和所述约束库以配置文件形式存储于目标参数数据库中;第一采集单元,用于采集所述目标地域的多种基础数据,并基于所述多种基础数据、所述设备模型和所述约束库,确定对应的生命周期经济性目标函数和多个优化配置约束条件,以构建对应的优化配置模型,其中,所述多种基础数据包括但不限于全年历史风光资源数据、全年历史负荷数据和当地能源价格数据,所述多个优化配置约束条件包括但不限于功率平衡约束、设备容量上下限约束和可靠性约束;写入单元,用于求解所述优化配置模型,以得到目标设备容量配置结果,并将所述目标设备容量配置结果作为对应的固化参数写入预设的系统配置文件,得到所述配置结果,其中,所述目标设备容量配置结果包括但不限于光伏装机容量、风电装机容量、储能额定功率、储能额定容量、火电/燃气轮机的最小出力与最大出力。

18、可选地,在本技术的一个实施例中,所述模型求解模块包括:获取单元,用于每隔所述预设周期,获取所述目标时间段内的风光出力预测曲线和负荷预测曲线,并将所述配置结果作为对应的硬约束边界,以基于所述风光出力预测曲线、所述负荷预测曲线和所述硬约束边界,确定对应的日运行成本目标函数和多个优化调度约束条件,以构建对应的优化调度模型,其中,所述多个优化调度约束条件包括但不限于逐时功率平衡约束、设备出力上下限约束、火电/燃气轮机爬坡约束、储能soc递推方程与安全边界约束和联络线交换功率约束;调用单元,用于调用预设的求解器,在预设时长内求解所述优化调度模型,以得到所述目标时间段内的逐时出力计划曲线,并将所述逐时出力计划曲线存入预设的待执行指令池中。

19、可选地,在本技术的一个实施例中,所述优化控制模块包括:第二采集单元,用于基于预设的监测周期,采集所述综合能源系统的当前运行数据,其中,所述当前运行数据包括风光机组实际出力、实际负荷功率、储能当前soc和联络线当前交换功率;比较单元,用于对所述当前运行数据与日前计划中对应时刻的预测值进行比较,计算所述偏差量,且根据所述偏差量调用所述专家规则库进行决策,以匹配相应的修正控制指令,其中,所述专家规则库包括但不限于储能优先调节规则、安全硬闭锁规则、联络线限值保护规则、火电后备支撑规则和风光限功率规则;执行单元,用于将所述修正控制指令下发至预设的dcs/scada系统,以控制所述底层执行机构执行预设参数优化操作。

20、可选地,在本技术的一个实施例中,所述优化控制模块还包括:确定单元,用于基于所述日前计划中对应时刻的风光出力预测值,确定所述储能优先调节规则的风光出力阈值,并根据预设的储能最小soc确定所述储能优先调节规则的soc阈值;第一生成单元,用于在所述偏差量中的风光出力偏差小于所述风光出力阈值,且所述储能当前soc大于所述soc阈值时,生成对应的储能增发修正控制指令,在所述储能当前soc小于所述储能最小soc时,生成对应的安全硬闭锁修正控制指令;第二生成单元,用于在所述联络线当前交换功率的绝对值大于预设阈值的情况下,生成对应的联络线限值保护修正控制指令,在所述储能当前soc达到下限或风光机组实际出力达到上限,且对应的偏差仍存在的情况下,生成对应的火电爬坡修正控制指令;第三生成单元,用于在所述风光机组实际出力大于对应的预测值,且储能当前soc达到预设储能已满要求、火电机组已降至最小出力,则生成对应的限功率修正控制指令。

21、可选地,在本技术的一个实施例中,所述日运行成本目标函数的数学表达式为:

22、

23、其中,为燃料成本;为碳排放成本;为联络线功率的逐时变化量;为波动惩罚权重系数;表示火电/燃气轮机出力。

24、本技术第三方面实施例提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的综合能源系统的多时间尺度优化控制方法。

25、本技术第四方面实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,该程序被处理器执行时实现如上的综合能源系统的多时间尺度优化控制方法。

26、本技术第五方面实施例提供一种计算机程序产品,包括计算机程序,该程序被执行时实现如上的综合能源系统的多时间尺度优化控制方法。

27、本技术实施例通过对综合能源系统进行数学建模,以构建对应的设备模型与约束库,并采集目标地域的多种基础数据,以基于设备模型、约束库和多种基础数据,进行离线优化配置,以生成对应的配置结果;每隔预设周期基于配置结果,构建对应的优化调度模型,并求解优化调度模型,以生成目标时间段内的逐时出力计划曲线;基于逐时出力计划曲线和配置结果,对多种预设运行场景进行仿真,提取通用调节规律信息,确定对应的规则阈值和规则优先级,以构建对应的专家规则库,并根据综合能源系统的当前运行数据和相应时刻的预测值进行偏差计算,得到偏差量,且基于偏差量,调用专家规则库进行决策,生成对应的修正控制指令,以控制预设的底层执行机构根据修正控制指令执行相应的优化操作。本技术通过采用预置的专家规则库进行快速响应,从根本上保证了实时控制的响应速度;同时,通过“配置固化→日前预计算→实时规则驱动”的三层异构设计,实现了规划、调度、控制的全链条覆盖与有机衔接。由此,解决了在现有技术中,实时控制阶段因采用复杂优化算法导致响应速度慢、无法满足工程实时性要求,且设备容量配置与运行调度相互割裂、系统整体经济性难以保障,此外,现有技术中多时间尺度架构各层之间衔接机制不清晰、工程落地困难等问题。

28、本技术附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本技术的实践了解到。