机会约束条件的园区综合能源系统多目标优化调度方法与流程

1.本发明涉及能源系统技术领域，尤其涉及一种机会约束条件的园区综合能源系统多目标优化调度方法。


背景技术：

2.园区综合能源系统(integrated eenergy system,ies)是“智慧城市”建设中的用能主体，存在着大量的不确定性因素，包含由光照辐射强度变化引起光伏、风速改变引起的风机等可再生能源出力波动，冷、热、电负荷预测偏差，能源转换机组故障停机，外界环境及用户用能规律改变等。
3.随着“智慧城市”的建设发展，园区内的负荷由传统单一电力负荷逐步扩展为“冷热电气”综合负荷，负荷需求向着多样化方向延伸，促使电力需求响应(demand response,dr)逐步拓展为冷热电气综合需求响应(integrated demand response,idr)。idr的实施以dr为主，即通过分时电价等激励信息引导用户主动调整用电行为，在电力高峰时段以相对廉价的天然气供能为主，采用“多能互补，梯级利用”的方式减轻电网负担。
4.园区综合能源系统不仅能提供更经济的运行方案，而且有助于提高能源利用率，减少污染性气体排放量，对于低碳城市建设的战略目标具有重要意义。


技术实现要素：

5.本发明为了解决上述提到的问题，提供了一种机会约束条件的园区综合能源系统多目标优化调度方法。
6.本发明解决其技术问题所采用的技术方案是：构造一种机会约束条件的园区综合能源系统多目标优化调度方法，包括以下步骤：
7.步骤一、构建电动汽车数学模型、电动公交车换电站数学模型和出勤行为概率分布模型；
8.步骤二、根据电动汽车、电动公交车换电站的出勤行为概率分布模型进行初始充电负荷计算；
9.步骤三、构建园区综合能源系统的设备数学模型，构建园区综合能源系统多目标优化调度模型，以最小运行费用，最大效率和最小污染性气体排放治理费用为优化的目标函数；
10.步骤四、构建冷热电机会约束条件，构建机会约束经济目标规划模型；
11.步骤五、采用确定性等价类转换的方法将机会约束条件线性化；
12.步骤六、确定权重系数，将典型场景输入综合能源系统优化模型中，采用matlab/cplex进行求解，得到最佳运行方案。
13.其中，(1)电动汽车数学模型及运行约束
14.电动汽车数学模型公式表示为：
15.[0016][0017]
式中：为电动汽车的功率；为电动汽车的充电功率；为电动汽车的放电功率；为电动汽车的额定充电功率；为电动汽车的额定放电功率；为电动汽车充电状态的0-1变量，取1表示充电；为电动汽车放电状态的0-1变量，取1表示放电；为充电效率；为放电效率；s
t,k
为电动汽车的荷电状态；为电动汽车的额定电量值；
[0018]
运行约束公式表示为：
[0019][0020]s1,k
＝s
24,k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0021]skmin
≤s
t,k
≤s
kmax
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0022][0023][0024]
式中：为电动汽车充电状态的0-1变量，取1表示充电；为电动汽车放电状态的0-1变量，取1表示放电；s
1,k
为始时段荷电状态； s
24,k
为末时段荷电状态；s
kmin
为荷电状态的下限；s
kmax
为荷电状态的上限；为电动汽车的总功率；为车辆到达园区的时间；为车辆离开园区的时间；s
dep,k
为电动汽车离开园区时的荷电状态；为车辆出行距离；为最大续航里程；
[0025]
(2)电动公交车换电站数学模型及运行约束
[0026]
电动公交车换电站数学模型公式表示为：
[0027][0028][0029]
式中：p
tbss
为换电站总功率；p
tcbss
表示总充电功率；p
tdbss
表示总放电功率；e
tbss
为换电站的站内电量值；d
t
为换电站的换电需求数；为换电站的旧电池组剩余电量值；nc为站内充电桩数量；为充电桩j充电状态的0-1变量，取1表示充电；为充电桩j放电状态的 0-1变量，取1表示放电；为充电桩充电功率；为充电桩放电功率；为充电效率；为放电效率；e
batt
为每台电池组的额定电量；
[0030]
运行约束公式表示为：
[0031][0032][0033][0034][0035]
[0036][0037]
式中：p
tcbss
为换电站在t时段的总充电功率；p
tdbss
为换电站在t 时段的总放电功率；为每个充电位的充电功率；为每个充电位的放电功率；nz为换电站中总电池数量；tc为一组电池的充电时长；β
bss
为换电站中电池组的电量备用系数；为每个充电位的充电工作状态0-1变量，取1表示充电；为每个充电位的放电工作状态0-1 变量，取1表示放电；为站内电量最大值，最小值需满足下一个充电时长间隔的充电需求；为延长电池使用寿命，同一时刻同一充电位只能运行在充电或放电模式；
[0038]
(3)电动汽车和电动公交车出行行为概率分布模型
[0039]
电动汽车到达园区时间t
ari
和离开园区时间t
dep
遵循正态分布，行驶距离d
dri
遵循gamma分布，假设电动汽车的常规充电过程为：每辆电动汽车到达园区后即开始充电，充至达到所需荷电状态结束，荷电状态初始值服从均匀分布，由于离开充电桩后量测设施检测不到电池状态，因此离开园区后的荷电状态视为0；换电站一天中的工作时间范围为[t
ari
,t
dep
]，每小时的换电池数d
t
服从均匀分布，电动公交车换下的动力电池剩余荷电状态最大值为soc
max
，且服从正态分布。
[0040]
其中，初始充电负荷计算的步骤包括：
[0041]
(1)对电动汽车初始充电负荷进行蒙特卡洛计算；
[0042]
(2)对电动公交车换电站初始充电负荷进行蒙特卡洛计算。
[0043]
其中，步骤三包括：
[0044]
(1)根据设备的数学模型构建园区综合能源系多目标优化模型：
[0045]
目标函数一、调度周期内，系统运行成本最小；
[0046]
minc
cost
＝cg ce c
ope
c
lidr
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)
[0047][0048][0049][0050][0051]
式中：c
cost
为总运行成本；cg为购买天然气的费用，ce为购电费用，c
idr
为综合需求响应(idr)成本,c
ope
为设备运行维护费用；λ
te
为一般商用分时电价，λ
tidr
为idr补偿价格，idr补偿模式为综合能源系统运营商补偿由于电动汽车(ev)、电动公交车换电站(bss)放电和中央空调(ac)转变供能方式带来的成本；λ
tg
为天然气价格；为设备单位功率运行维护费用，为第j台设备的输出功率，nj为设备台数； p
te
为购电功率；p
tgt
为燃气轮机(gt)电出力；为燃气锅炉(gb)热出力；为ev放电功率，p
tdbss
分别为bss放电功率，为第i台 ac响应idr的用电功率改变量；η
gt
为gt电效率；η
gb
为gb热效率；β为天然气热值；n
ev
为ev总数量；n
ac
为ac总数量；
[0052]
目标函数二、调度周期内，系统效率最大；
[0053][0054][0055][0056]
式中：为输入能量值，为输出能量值，为电负荷 (pl)的值、为基本热负荷(hl)的值、为生活热水(dhw) 的值、为冷负荷(cl)的值，为电能的值、为天然气的值、为pvt的电值，为pvt的热值；
[0057]
功率与优质电能的值关系如下：
[0058][0059][0060][0061]
式中：为电能值；p
te
为购电功率；ζ
gen
为燃煤火电厂在发电过程中的损失系数；为电负荷值；p
tl
为电负荷；为pvt 的电出力值；p
tpvt
为pvt的电功率；
[0062]
对于热负荷(hl)、生活热水(dhw)、冷负荷(cl)和光热(pvth) 出力，值与温度成正相关，因此能量值与温度之间的关系如下
[0063][0064][0065]
式中：为k的值，为k的热功率，为冷负荷，其中k 是热负荷(hl)、生活热水(dhw)、光热(pvth)的集合；t
rk
表示设定温度，表示环境温度，t
rcl
为cl的设定温度，为cl的环境温度；
[0066]
天然气的值表达式如下式所示：
[0067][0068]
式中：为天然气值；ζ
gas
为天然气的值系数；v
tgb
为燃气锅炉(gb)的耗气量，v
tgt
为燃气轮机(gt)的耗气量；β为天然气热值；
[0069]
目标函数三、调度周期内，系统污染性气体(co2、so2、no
x
)排放治理费用最小；
[0070]
考虑到外部电网中存在清洁能源电厂，系统从上级配网购买的电能中有一部分来源于清洁能源电厂，而清洁能源电厂中基本不产生污染性气体，因此在污染性气体排放量表达式中引入一个比例系数λe表征外购电能中来自清洁能源电厂的比例；
[0071][0072]
[0073]
式中：c
env
为污染气体排放治理费用；mi为第i项污染气体的排放治理费用；为第i项污染气体的排放量；为燃烧天然气产生的第i项污染气体排放量；λe为ies购买的电量中来自绿色清洁能源电厂的比例；为系统购电间接产生的第i项气体排放量；v
tgb
为燃气锅炉的耗气量；v
tgt
为燃气轮机的耗气量；
[0074]
(2)常规约束条件：
[0075]
电动公交车换电站(bss)运行约束，电动汽车(ev)运行约束，蓄热设备(hs)运行约束，中央空调(ac)运行约束，能源交易约束，光伏 /光热组件(pvt)运行约束，溴化锂制冷机(lbr)运行约束，余热锅炉 (hrb)和燃气锅炉(gt)和燃气轮机(gt)运行约束。
[0076]
其中，构建冷热电机会约束条件，构建机会约束经济目标规划模型的步骤中，
[0077]
(1)冷功率约束
[0078][0079]
(2)热功率约束
[0080][0081]
(3)电功率约束
[0082][0083][0084][0085][0086]
δp
down
，δh
down
，δc
down
≥0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(38)
[0087]
式中：p
tl
为园区电负荷、为园区电负荷、为园区冷负荷、p
tpv
为园区光伏出力；p
tgt
为燃气轮机电出力,为燃气轮机电出力上限；η
gt
为燃气轮机的电效率；p
te
为购电功率；为燃气锅炉热出力；为溴化锂制冷机制冷出力；p
tbss
为换电站的总功率，表示充/放电功率的差；为中央空调的制冷功率；为中央空调的耗电功率；为中央空调的工作状态0-1值，工作时段取1，非工作时段取0；置信水平α
p
为电机会约束条件成立所需要满足的概率值、αh为热机会约束条件成立所需要满足的概率值、αc为冷机会约束条件成立所需要满足的概率值；为冷负荷随机量、为热负荷随机量、为电负荷随机量，为光伏预测出力的随机量；为cchp系统热备用出力、为cchp系统电备用出力、为园区给备用市场分配的购电量；η
cchp
为cchp系统的热效率；为cchp系统热出力；为 cchp系统的热出力上限；δp
down
为电备用约束中引入的松弛变量、δh
down
为热备用约束中引入的松弛变量、δc
down
为冷备用约束中引入的松弛变量；
[0088]
为了尽量降低越限风险，在经济优化目标函数中加入功率越限风险成本，综合运行成本表达式如下所示：
[0089]
minc＝c
cost
c
risk
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(39)
[0090]crisk
＝τr(δp
down
δh
down
δc
down
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(40)
[0091]
式中：c为综合运行成本、c
cost
为经济运行成本、c
risk
为机会约束越限产生的惩罚项，越限量越大，惩罚的数值也越大，τr为越限惩罚因子。
[0092]
其中，在采用确定性等价类转换的方法将机会约束条件线性化的步骤中，
[0093]
线性化后的机会约束条件如下：
[0094][0095][0096][0097]
其中，步骤六中，
[0098]
将多目标优化模型线性化，构建加权满意度指标，基于层次分析法确定权重系数；将电动汽车、电动公交车换电站和中央空调作为综合需求响应实施主体，将典型场景输入综合能源系统优化模型中，采用matlab/cplex进行求解，得到最佳运行方案。
[0099]
区别于现有技术，本发明的机会约束条件的园区综合能源系统多目标优化调度方法，建立电动汽车和电动公交车换电站等装置的数学模型，根据电动汽车和电动公交车换电站的出勤行为概率分布模型计算初始充电负荷曲线。本发明将电动汽车、电动公交车换电站和中央空调作为综合需求响应实施主体。考虑园区中的不确定性因素构建园区综合能源系统经济-能效-环保多目标优化调度模型，将冷热电联产机组备用出力和备用市场购电设置为园区综合能源系统的备用容量，将效率作为能效优化指标，将污染性气体排放治理费用作为环保性指标。根据模糊隶属度函数构建加权满意度指标，并由层次分析法确定权重系数。利用matlab调用cplex求解该模型，以兼顾园区综合能源系统运行的经济性、能效性和环保性要求；将效率作为能效优化指标能够评估能量的高品质利用情况，既考虑了能量的数量又兼顾了能量的品质；综合需求响应的实施能够实现削峰填谷，对于缓解高峰负荷时期的电网供电压力，降低运行费用有显著的影响。
附图说明
[0100]
下面将结合附图及实施例对本发明作进一步说明，附图中：
[0101]
图1是本发明提供的一种机会约束条件的园区综合能源系统多目标优化调度方法的园区综合能源系统能流关系示意图。
[0102]
图2是本发明提供的一种机会约束条件的园区综合能源系统多目标优化调度方法中电动汽车换电站的充电负荷蒙特卡洛计算流程示意图。
[0103]
图3是本发明提供的一种基于线路阻抗参数估计的窃电预测方法中电动公交车换电站的充电负荷蒙特卡洛计算流程示意图。
具体实施方式
[0104]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对
本发明做进一步的详细说明。应当理解，此外所描述的具体实施例仅用以解释本发明，但并不用于限定本发明。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都将属于本发明保护的范围。
[0105]
参照附图1，本发明提供的一种机会约束条件的园区综合能源系统多目标优化调度方法，包括以下步骤：
[0106]
步骤一、构建电动汽车数学模型、电动公交车换电站数学模型和出勤行为概率分布模型；
[0107]
步骤二、根据电动汽车、电动公交车换电站的出勤行为概率分布模型进行初始充电负荷计算；
[0108]
步骤三、构建园区综合能源系统的设备数学模型，构建园区综合能源系统多目标优化调度模型，以最小运行费用，最大效率和最小污染性气体排放治理费用为优化的目标函数；
[0109]
步骤四、构建冷热电机会约束条件，构建机会约束经济目标规划模型；
[0110]
步骤五、采用确定性等价类转换的方法将机会约束条件线性化；
[0111]
步骤六、确定权重系数，将典型场景输入综合能源系统优化模型中，采用matlab/cplex进行求解，得到最佳运行方案。
[0112]
其中，(1)电动汽车数学模型及运行约束
[0113]
电动汽车数学模型公式表示为：
[0114][0115][0116]
式中：为电动汽车的功率；为电动汽车的充电功率；为电动汽车的放电功率；为电动汽车的额定充电功率；为电动汽车的额定放电功率；为电动汽车充电状态的0-1变量，取1表示充电；为电动汽车放电状态的0-1变量，取1表示放电；为充电效率；为放电效率；s
t,k
为电动汽车的荷电状态；为电动汽车的额定电量值；
[0117]
运行约束公式表示为：
[0118][0119]s1,k
＝s
24,k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0120]skmin
≤s
t,k
≤s
kmax
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0121][0122][0123]
式中：为电动汽车充电状态的0-1变量，取1表示充电；为电动汽车放电状态的0-1变量，取1表示放电；s
1,k
为始时段荷电状态； s
24,k
为末时段荷电状态；s
kmin
为荷电状态的下限；s
kmax
为荷电状态的上限；为电动汽车的总功率；为车辆到达园区的时间；为车辆离开园区的时间；s
dep,k
为电动汽车离开园区时的荷电状态；为车辆出行距离；为最大续航里程；
[0124]
(2)电动公交车换电站数学模型及运行约束
[0125]
电动公交车换电站数学模型公式表示为：
[0126][0127][0128]
式中：p
tbss
为换电站总功率；p
tcbss
表示总充电功率；p
tdbss
表示总放电功率；为换电站的站内电量值；d
t
为换电站的换电需求数；为换电站的旧电池组剩余电量值；nc为站内充电桩数量；为充电桩j充电状态的0-1变量，取1表示充电；为充电桩j放电状态的 0-1变量，取1表示放电；为充电桩充电功率；为充电桩放电功率；为充电效率；为放电效率；e
batt
为每台电池组的额定电量；
[0129]
运行约束公式表示为：
[0130][0131][0132][0133][0134][0135][0136]
式中：p
tcbss
为换电站在t时段的总充电功率；p
tdbss
为换电站在t 时段的总放电功率；为每个充电位的充电功率；为每个充电位的放电功率；nz为换电站中总电池数量；tc为一组电池的充电时长；β
bss
为换电站中电池组的电量备用系数；为每个充电位的充电工作状态0-1变量，取1表示充电；为每个充电位的放电工作状态0-1 变量，取1表示放电；为站内电量最大值，最小值需满足下一个充电时长间隔的充电需求；为延长电池使用寿命，同一时刻同一充电位只能运行在充电或放电模式；
[0137]
(3)电动汽车和电动公交车出行行为概率分布模型
[0138]
电动汽车到达园区时间t
ari
和离开园区时间t
dep
遵循正态分布，行驶距离d
dri
遵循gamma分布，假设电动汽车的常规充电过程为：每辆电动汽车到达园区后即开始充电，充至达到所需荷电状态结束，荷电状态初始值服从均匀分布，由于离开充电桩后量测设施检测不到电池状态，因此离开园区后的荷电状态视为0；换电站一天中的工作时间范围为[t
ari
,t
dep
]，每小时的换电池数d
t
服从均匀分布，电动公交车换下的动力电池剩余荷电状态最大值为soc
max
，且服从正态分布。
[0139]
其中，初始充电负荷计算的步骤包括：
[0140]
(1)对电动汽车初始充电负荷进行蒙特卡洛计算；
[0141]
如图2所示，电动汽车初始充电负荷蒙特卡洛计算流程：
[0142]
step1，输入园区内电动汽车集群的基本信息；
[0143]
step2，输入车辆编号i＝1；
[0144]
step3，根据电动汽车通勤时间抽取车辆i的起始充电时间；
[0145]
step4，判断车辆i的起始充电时间是否符合逻辑，如满足调度周期要求、抵达园区时间早于离开时间，如果符合继续下一步，否则跳转到step3；
[0146]
step5，根据电动汽车初始荷电状态的概率分布抽取车辆i的动力电池的初始荷电状态值；
[0147]
step6，计算车辆i的动力电池充电所需时长；
[0148]
step7，判断车辆i的充电行为是否符合逻辑，如车辆抵达园区时间与充电时间的和是否早于车辆离开园区的时间，如果符合继续下一步，否则跳转到step3；
[0149]
step8，累加充电负荷；
[0150]
step9，判断是否对所有车辆充电负荷进行计算小于等于车辆总量，若是进行下一步，否则返回step 3；
[0151]
step10，输出园区电动汽车集群在一个调度周期内的充电负荷曲线并停止计算。
[0152]
(2)对电动公交车换电站初始充电负荷进行蒙特卡洛计算。
[0153]
如图3所示，电动公交车换电站初始充电负荷蒙特卡洛计算流程：
[0154]
step1，输入电动公交车换电站的充电行为概率密度函数、站内动力电池组总数量和动力电池组参数等基本信息。
[0155]
step2，输入电动公交车换电站站内电池组编号i＝1；
[0156]
step3，根据电动公交车换电站的工作时间范围抽取电池组i的起始充电时间；
[0157]
step4，判断电池组i的起始充电时间是否符合逻辑，如满足电动公交车换电站工作时间要求，如果符合，则继续进行下一步，否则跳转到step3；
[0158]
step5，根据电动公交车换下电池组荷电状态的概率分布抽取电池组i的荷电状态值；
[0159]
step6，判断电池组i的荷电状态值是否符合逻辑，如换下电池组的荷电状态最大值是否满足要求，如果符合，则继续进行下一步，否则跳转到step5；
[0160]
step7，计算电池组i的充电所需时长；
[0161]
step8，判断电池组i的充电行为是否符合逻辑，如电池组i的充电时长与起始充电时间的和是否早于电动公交车换电站结束工作的时间，如果符合，则继续进行下一步，否则跳转到step3；
[0162]
step9，累加充电负荷；
[0163]
step10，判断是否对换电站内电池组充电负荷进行计算小于等于站内电池组总数，若是进行下一步，否则返回step 3；
[0164]
step11，输出电动公交车换电站在一个调度周期内的初始充电负荷曲线并停止计算。
[0165]
其中，步骤三包括：
[0166]
步骤3.1、构建冷热电联供系统数学模型：
[0167]
p
tgt
＝v
tgt
η
gt
β/δt
[0168][0169]
[0170][0171]
式中：p、h、c分别表示电、热、冷功率，p
tgt
为gt电出力；v
tgt
为gt耗气量；η
gt
为gt发电效率；β为天然气热值；为hrb 热出力；η
hrb
为余热回收效率；为cchp系统热出力、为 cchp系统冷出力；η
lbr
为溴化锂制冷机效率；为输入溴化锂制冷机的热功率；为蓄热设备的充热功率；为蓄热设备的放热功率；δt为时间间隔。
[0172]
步骤3.2、构建光伏/光热一体化组件(pvt)数学模型：
[0173][0174]
式中：i
t
为光照辐射强度；i
max
为光照辐射强度的上限值；α
*
、β
*
为beta分布函数的参数；γ为gamma函数。
[0175]
由上式可以得到光伏/光热出力的数学模型，如下所示：
[0176][0177][0178]
式中：p
tpvt
为pvt电出力；为pvt热出力；a
pv
是pvt安装面积；为pvt的电转换效率；为pvt的热转换效率；i
t
为光照强度。
[0179]
步骤3.3、构建燃气锅炉数学模型：
[0180][0181]
式中：为燃气锅炉热出力；v
tgb
为燃气锅炉的进气量；η
gb
为燃气锅炉热效率；β为天然气热值。
[0182]
步骤3.4、构建楼宇中央空调系统数学模型：
[0183][0184][0185][0186][0187]
式中：为t时刻第i台ac的室内温度；为t时刻第i台 ac的室外温度；为室内温度的上限值；为室内温度的下限值；为t时刻第i台ac的工作状态0-1值，工作时刻取1，非工作时刻取0。p
tac
为t时刻ac的总耗电功率；p
iac
为t时刻ac的额定耗电功率；为t时刻ac的总制冷功率；为t时刻ac的额定制冷性能系数；n
ac
为ac总台数；r、c、q分别为等值热电阻、等值热电容和等值热比率。
[0188]
步骤3.5、构建蓄热装置数学模型：
[0189][0190]
式中：为蓄热设备k的蓄热量；为蓄热设备的充热功率；为蓄热设备的放热功率；为蓄热设备的充热效率；为蓄热设备的放热效率；μ为蓄热设备的散热损失率。
[0191]
步骤3.6、经济优化，构建目标函数一、调度周期内，系统运行成本最小；
[0192]
minc
cost
＝cg ce c
ope
c
lidr
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)
[0193][0194][0195][0196][0197]
式中：c
cost
为总运行成本；cg为购买天然气的费用，ce为购电费用，c
idr
为综合需求响应(idr)成本,c
ope
为设备运行维护费用；λ
te
为一般商用分时电价，λ
tidr
为idr补偿价格，idr补偿模式为综合能源系统运营商补偿由于电动汽车(ev)、电动公交车换电站(bss)放电和中央空调(ac)转变供能方式带来的成本；λ
tg
为天然气价格；为设备单位功率运行维护费用，为第j台设备的输出功率，nj为设备台数； p
te
为购电功率；p
tgt
为燃气轮机(gt)电出力；为燃气锅炉(gb)热出力；为ev放电功率，p
tdbss
分别为bss放电功率，为第i台 ac响应idr的用电功率改变量；η
gt
为gt电效率；η
gb
为gb热效率；β为天然气热值；n
ev
、n
ac
为ev总数量；n
ac
为ac总数量；综合需求响应划分情况如表1所示。
[0198][0199]
表1综合需求响应划分情况表
[0200]
步骤3.7、能效优化，构建目标函数二、调度周期内，系统效率最大；
[0201][0202][0203][0204]
式中：为输入能量值，为输出能量值，为电负荷 (pl)的值、为基本热负荷(hl)的值、为生活热水(dhw) 的值、为冷负荷(cl)的
值，为电能的值、为天然气的值、为pvt的电值，为pvt的热值；
[0205]
功率与优质电能的值关系如下：
[0206][0207][0208][0209]
式中：为电能值；p
te
为购电功率；ζ
gen
为燃煤火电厂在发电过程中的损失系数；为电负荷值；p
tl
为电负荷；为pvt 的电出力值；p
tpvt
为pvt的电功率；
[0210]
对于热负荷(hl)、生活热水(dhw)、冷负荷(cl)和光热(pvth) 出力，值与温度成正相关，因此能量值与温度之间的关系如下
[0211][0212][0213]
式中：为k的值，为k的热功率，为冷负荷，其中k 是热负荷(hl)、生活热水(dhw)、光热(pvth)的集合；t
rk
表示设定温度，表示环境温度，t
rcl
为cl的设定温度，为cl的环境温度；
[0214]
天然气的值表达式如下式所示：
[0215][0216]
式中：为天然气值；ζ
gas
为天然气的值系数；v
tgb
为燃气锅炉(gb)的耗气量，v
tgt
为燃气轮机(gt)的耗气量；β为天然气热值；
[0217]
步骤3.8、环保性指标，构建目标函数三、调度周期内，系统污染性气体(co2、so2、no
x
)排放治理费用最小；
[0218]
考虑到外部电网中存在清洁能源电厂，系统从上级配网购买的电能中有一部分来源于清洁能源电厂，而清洁能源电厂中基本不产生污染性气体，因此在污染性气体排放量表达式中引入一个比例系数λe表征外购电能中来自清洁能源电厂的比例；
[0219][0220][0221]
式中：c
env
为污染气体排放治理费用；mi为第i项污染气体的排放治理费用；为第i项污染气体的排放量；为燃烧天然气产生的第i项污染气体排放量；λe为ies购买的电量中来自绿色清洁能源电厂的比例；为系统购电间接产生的第i项气体排放量；v
tgb
为燃气锅炉的耗气量；v
tgt
为燃气轮机的耗气量；
[0222]
步骤3.9、设备约束条件：
[0223]
[0224][0225][0226][0227][0228]
式中：为蓄热设备(hs)的储热量下限；为蓄热设备(hs) 的储热量上限；为蓄热设备(hs)始时刻的储热量；为蓄热设备 (hs)末时刻的储热量；为蓄热设备(hs)的充热功率；为蓄热设备(hs)的放热功率；为蓄热设备(hs)的充热上限；为蓄热设备(hs)的放热上限；为hs运行状态的0-1变量，取1表示充热，为hs运行状态的0-1变量，取1表示放热。蓄热设备(hs)在同一时刻只能运行在蓄热或放热模式。
[0229]
(2)cchp系统运行约束
[0230][0231][0232][0233][0234][0235]
式中：p
tgt
为燃气轮机(gt)电出力；为燃气轮机(gt)电出力上限；为燃气轮机(gt)爬坡率上限；h
tgt
为燃气轮机(gt)热出力；为燃气轮机(gt)热出力上限、为余热锅炉(hrb)热出力上限、为溴化锂制冷机(lbr)制冷功率上限；h
thrb
为余热锅炉(hrb)热出力；c
tlbr
为溴化锂制冷机(lbr)出力。
[0236]
(3)燃气锅炉运行约束
[0237][0238]
式中：为t时刻燃气锅炉(gb)的热出力；燃气锅炉(gb) 热出力上限。
[0239]
(4)中央空调运行约束
[0240]
为了兼顾用户用冷需求与电网“削峰填谷”需求，中央空调(ac) 响应idr的方式设定为“多能互补”，即在电力高峰期通过cchp系统中的溴化锂制冷机(lbr)满足园区综合能源系统内部部分用冷需求。
[0241][0242][0243]
式中：为lbr制冷功率；为第i台ac响应idr的用电功率改变量；为制冷性能系数。为第i台ac工作状态0-1值，工作时段取1，非工作时段取0；为ac的电功率；n
ac
为ac总数量。
[0244]
(5)能源交易约束
[0245][0246][0247]
式中：p
te
为t时刻园区购电功率。分别为t时刻园区购电功率上限。v
tgt
为燃气轮机(gt)进气量、v
tgb
为燃气锅炉(gb)进气量，为园区购气量上限。
[0248]
(2)常规约束条件：
[0249]
电动公交车换电站(bss)运行约束，电动汽车(ev)运行约束，蓄热设备(hs)运行约束，中央空调(ac)运行约束，能源交易约束，光伏 /光热组件(pvt)运行约束，溴化锂制冷机(lbr)运行约束，余热锅炉 (hrb)和燃气锅炉(gt)和燃气轮机(gt)运行约束。
[0250]
其中，构建冷热电机会约束条件，构建机会约束经济目标规划模型的步骤中，
[0251]
(1)冷功率约束
[0252][0253]
(2)热功率约束
[0254][0255]
(3)电功率约束
[0256][0257][0258][0259][0260]
δp
down
，δh
down
，δc
down
≥0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(38)
[0261]
式中：p
tl
为园区电负荷、为园区电负荷、为园区冷负荷、p
tpv
为园区光伏出力；p
tgt
为燃气轮机电出力，为燃气轮机电出力上限；η
gt
为燃气轮机的电效率；p
te
为购电功率；为燃气锅炉热出力；为溴化锂制冷机制冷出力；p
tbss
为换电站的总功率，表示充/放电功率的差；为中央空调的制冷功率；为中央空调的耗电功率；为中央空调的工作状态0-1值，工作时段取1，非工作时段取0；置信水平α
p
为电机会约束条件成立所需要满足的概率值、αh为热机会约束条件成立所需要满足的概率值、αc为冷机会约束条件成立所需要满足的概率值；为冷负荷随机量、为热负荷随机量、为电负荷随机量，为光伏预测出力的随机量；为cchp系统热备用出力、为cchp系统电备用出力、为园区给备用市场分配的购电量；η
cchp
为cchp系统的热效率；为cchp系统热出力；为 cchp系统的热出力上限；δp
down
为电备用约束中引入的松弛变量、δh
down
为热备用约束中引入的松弛变量、δc
down
为冷备用约束中引入的松弛变量；
[0262]
为了尽量降低越限风险，在经济优化目标函数中加入功率越限风险成本，综合运行成本表达式如下所示：
[0263]
minc＝c
cost
c
risk
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(39)
[0264]crisk
＝τr(δp
down
δh
down
δc
down
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(40)
[0265]
式中：c为综合运行成本、c
cost
为经济运行成本、c
risk
为机会约束越限产生的惩罚项，越限量越大，惩罚的数值也越大，τr为越限惩罚因子。
[0266]
其中，在采用确定性等价类转换的方法将机会约束条件线性化的步骤中，
[0267]
线性化后的机会约束条件如下：
[0268][0269][0270][0271]
其中，步骤六中，
[0272]
将多目标优化模型线性化，构建加权满意度指标，基于层次分析法确定权重系数；将电动汽车、电动公交车换电站和中央空调作为综合需求响应实施主体，将典型场景输入综合能源系统优化模型中，采用matlab/cplex进行求解，得到最佳运行方案。包括步骤：
[0273]
步骤6.1、目标函数模糊化
[0274][0275]
式中：μi(fi)为第i个目标函数的隶属度函数，fi为第i个目标函数，f
imin
为第i个目标函数的最小值，f
imax
为第i个目标函数的最大值。
[0276]
步骤6.2、线性化处理
[0277][0278]
式中：ex
out
、ex
in
分别为综合能源系统(ies)总输出、输入能。
[0279]
步骤6.3、构建加权满意度指标，权重系数依据专家打分由层次分析法计算得到，层次分析法各标度含义如附表2所示。
[0280]
ρ＝λ1μ1(f1) λ2μ2(f2) λ3μ3(f3)
[0281]
式中：ρ表示满意度指标，λ1、λ2、λ3分别为经济、能效、环保的指标权重，f1、f2、f3分别为经济、能效、环保的三个优化目标函数。
[0282]
[0283][0284]
表2层次分析法标度含义表
[0285]
步骤6.4、采用matlab/cplex进行求解，得到最佳运行方案。
[0286]
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。