不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法与流程

1.本发明涉及综合能源系统经济运行的技术领域，是一种在不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法。


背景技术：

2.随着环境污染与传统化石能源日益枯竭的问题日益突出，许多国家都在向着低碳和可持续能源领域过渡，大力发展可再生能源发电(renewable generation，rg)以及提高能源利用率已成为国际社会共识。电转气(power to gas,p2g)和燃气轮机(micro
‑
gas turbine, mt)技术和规模的发展，使得电力和天然气系统间的耦合度逐渐增加。园区综合能源系统(community integrated energy system,cies)作为一种能源互联网的典型示范，对于促进能源消费清洁化、提高可再生能源利用率至关重要。但是，rg固有的波动性和间歇性导致了大量可再生能源的浪费，并对cies优化调度带来了挑战。此外，综合需求响应 (integrated demand response,idr)被证明可作为刺激需求侧资源与可再生能源相互作用的一项关键而有效的措施，有利于解决可再生能源不确定性问题。因此，通过引导用户积极参与综合需求响应，对促进可再生能源消纳，提高能源利用率具有重要意义。
3.目前针对cies的调度问题，本领域已进行了一些有益的探索。然而，现有方法中很少考虑如何高效处理多种可再生能源发电的不确定性，并且以往的工作对idr考虑不充分，特别是对天然气和热负荷的需求响应潜力挖掘不充分。据了解，迄今未见有关同时考虑idr、旋转备用、电动汽车(electric vehicle,ev)和多个rg不确定性的cies优化调度方法的文献报道和实际应用。


技术实现要素：

4.本发明的目的是克服现有技术和研究的不足，为更好得解决不确定环境下考虑综合需求响应的园区综合能源系统优化调度问题，提供一种科学合理，能够有效引导用户参与需求响应，同时降低系统总运行成本，促进可再生能源的消纳能力，适用性强，效果佳的一种在不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法。
5.本发明的目的是由以下技术方案来实现的：一种不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法，其特征是，首先，构建一种以实现最小运行成本为目标的园区综合能源系统(community integrated energy system，cies)调度模型；然后，采用序列运算理论(sequence operation theory，sot)和线性化方法将原调度模型转化为确定性混合整数线性规划模型；最后，采用cplex求解器求解模型，得到全局最优解，其具体步骤包括：
6.1)构建园区综合能源系统物理模型；
7.2)建立考虑电
‑
气
‑
热柔性负荷和电动汽车的综合需求响应机制；
8.3)建立基于机会约束规划的园区综合能源系统优化调度模型；
9.4)基于序列运算理论，将风光出力的概率密度函数离散化，生成相应的概率性序列；
10.5)通过概率性序列，获得各时段风光联合出力的期望值；
11.6)将旋转备用的机会约束形式转化成确定性约束形式；
12.7)利用线性化方法将调度模型转换为混合整数线性规划形式；
13.8)输入初始参数；
14.9)设置备用容量的置信水平；
15.10)采用cplex求解器对园区综合能源系统化调度模型进行求解；
16.11)检查解决方案是否存在，若存在，则终止流程；否则更新置信度，转到步骤10) 再次进行求解；
17.12)输出园区综合能源系统优化调度方案。
18.所述步骤1)中园区综合能源系统(community integrated energy system,cies)物理模型包括：风机、光伏、储能装置(energy storage device,esd)、外部电网和燃气轮机(micro
‑ꢀ
gas turbine,mt)联合为用户提供电需求，电锅炉(electric boiler,eb)、mt和储热装置(heatstorage device,hsd)联合为用户提供相应的热需求，外部气网和电转气装置(power to gas, p2g)联合为用户提供相应的天然气需求。
19.所述步骤2)中设计考虑电
‑
气
‑
热柔性负荷和电动汽车的综合需求响应机制为：
20.①
电力需求响应
21.电力负荷由固定负荷和柔性负荷组成，根据需求响应的特点，电力柔性负荷分为可转移负荷和可中断负荷；
22.a)可时移的电力负荷
23.可时移负荷的特征是总耗电量是恒定的，并且消耗时间可灵活改变，用式(1)、式(2) 描述:
[0024][0025][0026]
式中，是时移的电力负荷，α
tse
表示可时移负荷所占比例，和是t 时段可时移负荷的上下限；
[0027]
b)可中断电力负荷
[0028]
在电力供应不足或电价高的时期，用户可中断部分负荷以缓解电力供应压力，可中断负荷的相关约束用式(3)描述:
[0029][0030]
式中，和分别是t时段中断的电力负荷及其上限值，α
ie
表示可中断负荷所占比例；
[0031]
②
热需求响应
[0032]
将建筑热需求视为热负荷，利用暂态热平衡方程将建筑温度与热需求联系起来，采用预测平均投票指标(predicted mean vote,pmv)来描述用户对室内温度变化的舒适体验，供热可中断负荷的相关约束为式(4):
[0033][0034]
式中，是中断的热负荷，是在t时段的中断热负荷最大值。通过引入pmv来描述用户可接受的热舒适范围；
[0035][0036]
式中，m为人体能量代谢率；i
cl
是服装的热阻；t
s
是处于舒适状态的人体皮肤的平均温度；t
in,t
是室内温度；
[0037]
室内温度变化范围是
[0038][0039]
建筑物的热需求可由下式计算得到：
[0040][0041]
式中，t
out,t
为t时段室外温度；k为建筑物综合传热系数；f为建筑物表面积；v为建筑物体积；c
air
为室内空气的比热容；ρ
air
为室内空气的密度；
[0042]
③
天然气需求响应
[0043]
天然气需求响应与电力需求响应相似，天然气需求响应负荷可由下式表示：
[0044][0045][0046][0047]
式中，和分别表示t时段可时移气负荷及其上下限，和表示t时段可中断气负荷及其上限值，α
tsq
和α
iq
分别为可时移气负荷和可中断气负荷所占比例；
[0048]
④
电动汽车模型
[0049]
电动汽车到达充电站时间的概率密度函数为：
[0050][0051]
式中，μ
s
和σ
s
分别为电动汽车到达充电站时间的平均值和标准差；
[0052]
电动汽车的日行驶里程服从正态分布，其概率密度函数为：
[0053][0054]
式中，x表示电动汽车的日行驶里程，μ
d
和σ
d
分别为日行驶里程的平均值和标准差；
[0055]
根据电动汽车的行驶里程，电动汽车的初始充电状态为：
[0056][0057]
式中，为电动汽车n的初始电池容量，w
100
表示电动汽车100公里耗能，为电动汽车额定容量；电动汽车的充电时间计算为：
[0058][0059]
式中，t
n
为电动汽车的充电时间，和为电动汽车的额定充电功率和效率；
[0060]
为了衡量idr对用户体验的影响，设计了用户的综合满意度指标：
[0061][0062]
式中，m
s,t
为用户的综合满意度，和为t时段初始电力负荷和实际电力负荷， h
load,t
和为t时段初始热负荷和实际热负荷，q
load,t
和为t时段初始天然气负荷和实际天然气负荷；
[0063]
所述步骤3)中园区综合能源系统优化调度模型构建过程为：
[0064]
①
选取优化目标，模型以最小化cies总运行成本作为目标函数，目标函数的表达式为：
[0065][0066]
式中，c1为能源交易成本，c2为旋转备用成本，c3为运行维护成本，c4为环境成本， c5为idr补偿成本，和为分时电价和天然气价格，为电力负荷消耗电网功率，为气负荷消耗气网天然气体积，和δ
essd
分别表示为旋转备用成本系数，和表示电网和eesd提供的旋转备用容量，表示设备i的运维成本，p
i,t
表示设备i 的功率，和表示所购电力和天然气中污染物j的排放系数，表示p2g过程中吸收co2的系数，是污染物j的价格，γ
ie
、γ
tse
、γ
ch
、γ
iq
和γ
tsq
分别为可中断电负荷、可时移电负荷、可中断热负荷、可中断气负荷和可时移气负荷的单位补偿成本。
[0067]
②
确定约束条件，调度模型的约束条件包括额能量平衡约束、储能设备运行约束、
电锅炉约束、p2g运行约束、燃气轮机运行约束、旋转备用约束，具体如下：
[0068]
能量平衡约束：包括电力供需平衡、热功率约束和天然气平衡约束
[0069][0070][0071][0072]
式中，为t时段电力负荷消耗rg出力，为t时段电动汽车充电功率，为弃风弃光功率；
[0073]
储能设备约束：包括储能装置功率约束和容量约束，
[0074][0075][0076][0077]
式中，c
t 1
和c
t
分别为t 1和t时段储能容量，p
ch,max
和p
dc,max
表示储能装置的最大充放功率，c
min
和c
max
分别为最大和最小储能容量，c0和分别为一个调度周期内初始和结束时的储能容量；
[0078]
电锅炉运行约束：
[0079][0080][0081]
式中，和表示耗电功率和供热功率，η
eb
为电锅炉效率，和为电锅炉消耗电网和可再生能源功率，为额定供热功率；
[0082]
p2g运行约束：
[0083][0084][0085][0086]
式中，为t时段耗电功率，η
p2g
为p2g效率系数，和分别为p2g消耗电网功率和可再生能源功率，为t时段p2g产气体积，hhv为天然气热值，和为p2g输入功率上下限，θ
t
为p2g运行状态变量，和为爬坡功率上下限；
[0087]
燃气轮机运行约束：
[0088][0089]
[0090][0091][0092][0093]
式中，为mt输入天然气的体积，和分别为mt供电和供热效率系数，为热损失系数，和分别为mt供电和供热功率，和为mt消耗气网和p2g 气体体积，和为mt输入气体体积上下限，ψ
t
为mt运行状态变量，和为mt爬坡能力上下限；
[0094]
旋转备用约束：
[0095][0096][0097][0098]
式中，为电网提供的最大旋转备用，为可再生能源联合处理期望值，α为置信水平；和分别为风机和光伏出力；
[0099]
所述步骤4)中，利用序列运算理论将光伏、风机输出功率的概率分布进行离散化处理，得到其对应的概率性序列分别为a(i
at
)和b(i
bt
)。
[0100]
所述步骤5)中，t时段预测的间歇性风光共同出力的期望值计算式为：
[0101][0102]
式中，n
at
为光伏出力概率序列长度，n
bt
为风机出力概率序列长度，q为离散化步长，u
at
q为光伏第u
a
种状态的出力值，u
bt
q为风机第u
b
种状态的出力值；
[0103]
所述步骤6)中，对旋转备用的机会约束形式进行转化，得到确定性约束形式；t时段风光共同出力所对应的概率性序列c(i
ct
)可以利用概率性序列a(i
at
)和b(i
bt
)的卷和获得，根据卷和的定义有：
[0104][0105]
为了方便处理旋转备用约束，定义一类新的0
‑
1变量它满足以下关系：
[0106][0107]
在t时段，当系统旋转备用容量大于风光出力期望值与风光第u
ct
种出力的差值时取 1，否则为0；
[0108]
因此旋转备用的机会约束形式可简化为：
[0109]
operationtheory，sot)和线性化方法将原调度模型转化为确定性混合整数线性规划模型；最后，采用cplex求解器求解模型，得到全局最优解，获得cies的最优调度方案，有效的解决了现有技术中的不足，能够有效引导用户参与需求响应，同时降低系统总运行成本，促进可再生能源的消纳，具有方法科学合理、适用性强、效果佳等优点。
附图说明
[0128]
图1是本发明的一种不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法流程框图；
[0129]
图2是园区综合能源测试系统示意图；
[0130]
图3是不同时段的风机和光伏出力以及电热气负荷需求；
[0131]
图4是不同置信水平下的旋转备用容量；
[0132]
图5是不同场景下的购能情况示意图；
[0133]
图6是不同场景下的综合满意度示意图。
具体实施方式
[0134]
下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。
[0135]
参见图1，一种不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法，首先，构建一种以实现最小运行成本为目标的园区综合能源系统(communityintegratedenergysystem，cies)调度模型；然后，采用序列运算理论(sequenceoperationtheory，sot)和线性化方法将原调度模型转化为确定性混合整数线性规划模型；最后，采用cplex求解器求解模型，得到全局最优解，输出最优调度方案，其具体步骤包括：
[0136]
1)构建园区综合能源系统物理模型；参见图2，风机、光伏、储能装置(energystoragedevice,esd)、外部电网和燃气轮机(micro
‑
gasturbine,mt)联合为用户提供电需求，电锅炉(electricboiler,eb)、mt和储热装置(heatstoragedevice,hsd)联合为用户提供相应的热需求，外部气网和电转气装置(powertogas,p2g)联合为用户提供相应的天然气需求。
[0137]
2)建立考虑电
‑
气
‑
热柔性负荷和电动汽车的综合需求响应机制；
[0138]
①
电力需求响应
[0139]
电力负荷由固定负荷和柔性负荷组成，根据需求响应的特点，电力柔性负荷分为可转移负荷和可中断负荷；
[0140]
a)可时移的电力负荷
[0141]
可时移负荷的特征是总耗电量是恒定的，并且消耗时间可灵活改变，用式(1)、式(2)描述:
[0142][0143][0144]
式中，是时移的电力负荷，α
tse
表示可时移负荷所占比例，和
是t 时段可时移负荷的上下限；
[0145]
b)可中断电力负荷
[0146]
在电力供应不足或电价高的时期，用户可中断部分负荷以缓解电力供应压力，可中断负荷的相关约束用式(3)描述:
[0147][0148]
式中，和分别是t时段中断的电力负荷及其上限值，α
ie
表示可中断负荷所占比例；
[0149]
②
热需求响应
[0150]
将建筑热需求视为热负荷，利用暂态热平衡方程将建筑温度与热需求联系起来，采用预测平均投票指标(predicted mean vote,pmv)来描述用户对室内温度变化的舒适体验，供热可中断负荷的相关约束为式(4):
[0151][0152]
式中，是中断的热负荷，是在t时段的中断热负荷最大值。通过引入pmv来描述用户可接受的热舒适范围；
[0153][0154]
式中，m为人体能量代谢率；i
cl
是服装的热阻；t
s
是处于舒适状态的人体皮肤的平均温度；t
in,t
是室内温度；
[0155]
室内温度变化范围是
[0156][0157]
建筑物的热需求可由下式计算得到：
[0158][0159]
式中，t
out,t
为t时段室外温度；k为建筑物综合传热系数；f为建筑物表面积；v为建筑物体积；c
air
为室内空气的比热容；ρ
air
为室内空气的密度；
[0160]
③
天然气需求响应
[0161]
天然气需求响应与电力需求响应相似，天然气需求响应负荷可由下式表示：
[0162][0163][0164][0165]
式中，和分别表示t时段可时移气负荷及其上下限，和表示t时段可中断气负荷及其上限值，α
tsq
和α
iq
分别为可时移气负荷和可中断气负荷所占比例；
[0166]
④
电动汽车模型
[0167]
电动汽车到达充电站时间的概率密度函数为：
[0168][0169]
式中，μ
s
和σ
s
分别为电动汽车到达充电站时间的平均值和标准差；
[0170]
电动汽车的日行驶里程服从正态分布，其概率密度函数为：
[0171][0172]
式中，x表示电动汽车的日行驶里程，μ
d
和σ
d
分别为日行驶里程的平均值和标准差；
[0173]
根据电动汽车的行驶里程，电动汽车的初始充电状态为：
[0174][0175]
式中，为电动汽车n的初始电池容量，w
100
表示电动汽车100公里耗能，为电动汽车额定容量；电动汽车的充电时间计算为：
[0176][0177]
式中，t
n
为电动汽车的充电时间，和为电动汽车的额定充电功率和效率；
[0178]
为了衡量idr对用户体验的影响，设计了用户的综合满意度指标：
[0179][0180]
式中，m
s,t
为用户的综合满意度，和为t时段初始电力负荷和实际电力负荷，h
load,t
和为t时段初始热负荷和实际热负荷，q
load,t
和为t时段初始天然气负荷和实际天然气负荷；
[0181]
2)建立基于机会约束规划的园区综合能源系统优化调度模型；
[0182]
①
选取优化目标，模型以最小化cies总运行成本作为目标函数，目标函数的表达式为：
[0183][0184]
式中，c1为能源交易成本，c2为旋转备用成本，c3为运行维护成本，c4为环境成本， c5为idr补偿成本，和为分时电价和天然气价格，为电力负荷消耗电网功率，为气负荷消耗气网天然气体积，和δ
essd
分别表示为旋转备用成本系数，和表示电网和eesd提供的旋转备用容量，表示设备i的运维成本，p
i,t
表示设备i 的功率，和表示所购电力和天然气中污染物j的排放系数，表示p2g过程中吸收co2的系数，是污染物j的价格，γ
ie
、γ
tse
、γ
ch
、γ
iq
和γ
tsq
分别为可中断电负荷、可时移电负荷、可中断热负荷、可中断气负荷和可时移气负荷的单位补偿成本。
[0185]
②
确定约束条件，调度模型的约束条件包括额能量平衡约束、储能设备运行约束、电锅炉约束、p2g运行约束、燃气轮机运行约束、旋转备用约束，具体如下：
[0186]
能量平衡约束：包括电力供需平衡、热功率约束和天然气平衡约束
[0187][0188][0189][0190]
式中，为t时段电力负荷消耗rg出力，为t时段电动汽车充电功率，为弃风弃光功率；
[0191]
储能设备约束：包括储能装置功率约束和容量约束，
[0192][0193][0194][0195]
式中，c
t 1
和c
t
分别为t 1和t时段储能容量，p
ch,max
和p
dc,max
表示储能装置的最大充放功率，c
min
和c
max
分别为最大和最小储能容量，c0和分别为一个调度周期内初始和结束时的储能容量；
[0196]
电锅炉运行约束：
[0197][0198][0199]
式中，和表示耗电功率和供热功率，η
eb
为电锅炉效率，和为电锅炉消耗电网和可再生能源功率，为额定供热功率；
[0200]
p2g运行约束：
[0201][0202][0203][0204]
式中，为t时段耗电功率，η
p2g
为p2g效率系数，和分别为p2g消耗电网功率和可再生能源功率，为t时段p2g产气体积，hhv为天然气热值，和为p2g输入功率上下限，θ
t
为p2g运行状态变量，和为爬坡功率上下限；
[0205]
燃气轮机运行约束：
[0206][0207][0208][0209][0210][0211]
式中，为mt输入天然气的体积，和分别为mt供电和供热效率系数，为热损失系数，和分别为mt供电和供热功率，和为mt消耗气网和p2g 气体体积，和为mt输入气体体积上下限，ψ
t
为mt运行状态变量，和为mt爬坡能力上下限；
[0212]
旋转备用约束：
[0213][0214][0215][0216]
式中，为电网提供的最大旋转备用，为可再生能源联合处理期望值，α为置信水平；和分别为风机和光伏出力；
[0217]
4)利用序列运算理论将光伏、风机输出功率的概率分布进行离散化处理，得到其对应的概率性序列分别为a(i
at
)和b(i
bt
)。
[0218]
5)通过概率性序列，获得各时段风光联合出力的期望值；t时段预测的间歇性风光
共同出力的期望值计算式为：
[0219][0220]
式中，n
at
为光伏出力概率序列长度，n
bt
为风机出力概率序列长度，q为离散化步长， u
at
q为光伏第u
a
种状态的出力值，u
bt
q为风机第u
b
种状态的出力值；
[0221]
6)对旋转备用的机会约束形式进行转化，得到确定性约束形式；t时段风光共同出力所对应的概率性序列c(i
ct
)可以利用概率性序列a(i
at
)和b(i
bt
)的卷和获得，根据卷和的定义有：
[0222][0223]
为了方便处理旋转备用约束，定义一类新的0
‑
1变量它满足以下关系：
[0224][0225]
在t时段，当系统旋转备用容量大于风光出力期望值与风光第u
ct
种出力的差值时取 1，否则为0；
[0226]
因此旋转备用的机会约束形式可简化为：
[0227][0228]
通过上述方法，我们将基于机会约束规划的模型转换为确定性模型；
[0229]
7)利用线性化方法对调度模型中的分段函数和最小化因子进行处理，将模型转换为混合整数线性规划形式；
[0230]
①
由于式(38)中的表达式不兼容混合整数规划的求解形式，需要对其进行转化：
[0231][0232]
式中χ是很大的正数，当时，式(40)等价为χ是一个非常小的正数，由于是一个0
‑
1变量，所以只能等于1，否则为0。
[0233]
②
消除最小化因子
[0234]
为了处理目标函数中的最小化因子，我们引入了辅助变量，以为例，定义所以可以表示为：
[0235][0236]
通过引入三个连续变量w1,w2,w3和三个0
‑
1变量z1,z2,z3，式(41)可转换为线性形式：
[0237][0238]
利用相同方法对进行处理，确定性模型将转换为混合整数线性规划模型；
[0239]
8)输入初始参数包括：风机参数，光伏组件参数，微燃机参数，电转气设备参数，建筑物参数，电动汽车参数，储能设备参数，电锅炉参数，调度时段数，各负荷预测值以及各变量的上下限值；
[0240]
9)设置备用容量的置信水平；
[0241]
10)采用cplex求解器对园区综合能源系统调度模型进行求解；
[0242]
11)检查解决方案是否存在：
[0243]
若存在，则终止流程；否则更新置信度，转到步骤10)再次进行求解；
[0244]
12)输出园区综合能源系统优化调度方案。
[0245]
图2是园区综合能源测试系统示意图，实施例是本发明的一种不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法在此系统上的具体应用。该园区综合能源系统包括一组风机和光伏发电装置，一个电储能装置，一个储热罐装置，一个电转气装置，一个燃气轮机，一个电锅炉和一个电动汽车充电站。
[0246]
图3是该测试系统不同时段的风机和光伏发电量以及电热负荷需求。
[0247]
基于所提出的调度方法，所得的不同置信水平下旋转备用容量如图4所示；所得的不同场景下的购能情况和综合满意度示意图分别如图5和图6所示。
[0248]
由图4可以看出，随着置信度的增加，所需备用容量逐渐增加，提高了系统运行的可靠性。但是，这将增加cies的运营成本。因此，选择合适的置信水平以平衡系统运行的可靠性和经济性至关重要。
[0249]
由图5可以看出，购能计划在不同场景下存在明显差异。具体来说，在所提调度场景下园区综合能源系统分别在低谷时段购买电力和在非谷时段购买天然气。这是因为燃气轮机被优先使用来提供所需的电能和热能；而在低谷时段，p2g的参与使得购电功率大幅度提高，进一步提升了园区综合能源系统的运行经济性。
[0250]
由图6可以看出，所提调度场景下的用户综合满意度普遍高于其它场景。这表明p2g 和燃气轮机的参与提高了园区综合能源系统的运行灵活性，使系统能更好地满足用户的负荷需求。
[0251]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。