基于电气热综合能源系统的输配协同优化调度方法及系统与流程

1.本发明涉及综合能源系统协调优化技术领域，特别是涉及一种基于电气热综合能源系统的输配协同优化调度方法及系统。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.近年来，有关电-气-热综合能源系统(integrated energy system,ies)的研究中，在输电网(transmission grid,tg)层面，有文献提出考虑电转气消纳风电的电-气ies双层优化模型，通过提高风电消纳能力实现“削峰填谷”；有文献为应对风电高阶不确定性，提出电-气ies分布鲁棒协调优化调度模型，研究多场景下调度决策的灵活性和经济性，验证电-气耦合系统协同运行可提高风电消纳能力。在主动配电网(active distribution network,adn)层面，有文献提出基于分层自治的区域电-热ies优化调度模型，探讨热网灵活性对ies经济性的影响，验证电-热协调互补可提升系统运行的经济性；有文献为应对风电和市场价格的不确定性，提出基于电力、热力、天然气ies的日前调度模型。
4.但是，上述研究仅聚焦于输电网或配电网单个层级的优化调度，难以充分发挥各级电网可调度资源的互补优势。
5.因此，为实现全网资源的优化配置和提高新能源消纳水平，有必要打破各层级电网之间的壁垒，采用输配协同的调度模式。在输配协同的调度模式中，有文献提出一种分布式协调框架解决输配子网的经济调度问题，验证了输配协同调度应对可再生能源波动的优越性；有文献提出一种考虑风电不确定性的输配电网耦合分层分布式协调优化调度模型，验证了输配协同可协调全网资源，提高应对风电不确定性的能力；有文献提出一种输配耦合系统协调鲁棒备用调度模型，充分利用双方的发电资源，挖掘主动配电网应对不确定性的潜力。
6.但是，上述研究仅依赖于边界耦合变量的物理互联和信息交互，实现输配两层电网的协同优化调度，但未考虑电-气-热多能源系统的深度耦合，难以充分挖掘各级电网中多种能源的柔性互补潜力。
7.综上，传统的电、气、热能源系统相互分离、输配电网相互割裂的运行模式难以挖掘全网资源实现全局最优的调度策略，从而影响风电的消纳能力。在ies研究领域，研究仅聚焦于输电网或配电网单个层级的优化调度，难以充分发挥各级电网可调度资源的互补优势；在输配协同优化的研究领域，研究大多仅依赖于边界耦合变量的物理互联和信息交互，实现了输配两层电网的协同优化调度，但未考虑电-气-热多能源系统的深度耦合，难以充分挖掘各级电网中多种能源的柔性互补潜力。


技术实现要素：

8.为了解决上述问题，本发明提出了一种基于电气热综合能源系统的输配协同优化
调度方法及系统，采用输配协同的调度模式，根据电气热多能耦合特性和输配物理互联特征构建协同优化框架，将主动配电网与输电网进行联合优化，提出全网统一分析和分布式优化的调度思路。
9.为了实现上述目的，本发明采用如下技术方案：
10.第一方面，本发明提供一种基于电气热综合能源系统的输配协同优化调度方法，包括：
11.以输电网机组运行成本和主动配电网中电气热综合运行成本最小为优化目标，以输电网约束，主动配电网中的电力网约束、天然气网约束、热网约束和电气热耦合约束，以及输配网交换功率耦合约束为约束条件，构建基于电气热的输配协同优化调度模型；
12.对输配协同优化调度模型进行解耦得到包括电力网约束、天然气网约束、热网约束和电气热耦合约束的主动配电网模型，和包括输电网约束的输电网模型；
13.以输配网交换功率为耦合变量，对主动配电网模型和输电网模型进行分布式优化，将主动配电网模型并行优化后得到的交换功率作为耦合变量赋值给输电网模型，输电网模型被赋值后进行机组组合决策优化，并将得到的交换功率作为耦合变量赋值给主动配电网模型；
14.经迭代优化后，直至满足优化目标和输配网交换功率耦合约束，以得到最优的机组组合运行调度方案。
15.第二方面，本发明提供一种基于电气热综合能源系统的输配协同优化调度系统，包括：
16.模型构建模块，被配置为以输电网机组运行成本和主动配电网中电气热综合运行成本最小为优化目标，以输电网约束，主动配电网中的电力网约束、天然气网约束、热网约束和电气热耦合约束，以及输配网交换功率耦合约束为约束条件，构建基于电气热的输配协同优化调度模型；
17.模型解耦模块，被配置为对输配协同优化调度模型进行解耦得到包括电力网约束、天然气网约束、热网约束和电气热耦合约束的主动配电网模型，和包括输电网约束的输电网模型；
18.迭代优化模块，被配置为以输配网交换功率为耦合变量，对主动配电网模型和输电网模型进行分布式优化，将主动配电网模型并行优化后得到的交换功率作为耦合变量赋值给输电网模型，输电网模型被赋值后进行机组组合决策优化，并将得到的交换功率作为耦合变量赋值给主动配电网模型；
19.调度模块，被配置为经迭代优化后，直至满足优化目标和输配网交换功率耦合约束，以得到最优的机组组合运行调度方案。
20.第三方面，本发明提供一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述的方法。
21.第四方面，本发明提供一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。
22.与现有技术相比，本发明的有益效果为：
23.传统的电、气、热能源系统相互分离、输配电网相互割裂的运行模式难以实现全局
最优的调度策略，从而影响风电的消纳能力，针对传统运行模式所存在的不足，本发明提出基于电气热综合能源系统的输配协同优化调度方法及系统，采用输配协同的调度模式，根据电-气-热多能耦合特性和输-配物理互联特征构建协同优化框架，将主动配电网与输电网进行联合优化，提出全网统一分析和分布式优化的调度思路。
24.本发明提出基于电气热综合能源系统的输配协同优化调度方法及系统，对电气热三网耦合系统的输配协同优化调度进行逐层建模，以输配网联络线交换功率为耦合变量，将其等效为虚拟能源站，采用目标级联分析法实现对考虑电气热的主动配电网与输电网的解耦和分布并行优化求解。
25.本发明提出基于电气热综合能源系统的输配协同优化调度方法及系统，对天然气网，采用增量分段线性化方法处理天然气网的非凸性，将模型转换为混合整数线性规划问题。
26.本发明实现全网资源的优化配置和提高新能源消纳水平，打破各层级电网之间的壁垒，充分发挥各层系统中多能资源的互联互济作用，横向实现电气热的深度耦合与能源转换以降低用能成本，纵向实现输配协同以提升应对风电不确定性的能力。
27.本发明附加方面的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，或通过本发明的实践了解到。
附图说明
28.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
29.图1为本发明实施例1提供的计及ies的输配协同调度框架示意图；
30.图2为本发明实施例1提供的主动配电网电-气-热互联示意图；
31.图3为本发明实施例1提供的增量分段线性化示意图；
32.图4为本发明实施例1提供的输-配电网解耦机制示意图；
33.图5为本发明实施例1提供的基于atc的输配协同机组组合算法流程示意图；
34.图6为本发明实施例1提供的t6d2系统结构图；
35.图7为本发明实施例1提供的主动配电网气热负荷与风电预测曲线示意图；
36.图8为本发明实施例1提供的输配电网预测电负荷示意图；
37.图9为本发明实施例1提供的算法收敛曲线示意图；
38.图10(a)-10(d)为本发明实施例1提供的4种场景机组组合决策结果示意图；
39.图11为本发明实施例1提供的场景4优化结果示意图；
40.图12为本发明实施例1提供的不同渗透率下各场景的风电消纳示意图；
41.图13为本发明实施例1提供的各时段的机组启动数示意图。
具体实施方式
42.下面结合附图与实施例对本发明做进一步说明。
43.应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
44.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
45.在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
46.实施例1
47.电-气-热综合能源系统(integrated energy system,ies)为提高能源利用效率、节能减排提供有力支撑。主动配电网的推广使得多能流负荷以及能源转换设备(如热电联产机组、燃气轮机等)在终端能耗中的比重不断增加，从而提高了输电网(transmission grid,tg)与主动配电网(active distribution network,adn)之间的互动性。由此，如何挖掘adn资源并实现与tg的协同调度，进而提高综合能源利用效率和可再生能源的消纳能力，成为亟待解决的关键问题。
48.传统的电、气、热能源系统相互分离、输配电网相互割裂的运行模式难以挖掘全网资源实现全局最优的调度策略，从而影响风电的消纳能力。在ies研究领域，研究仅聚焦于输电网或配电网单个层级的优化调度，难以充分发挥各级电网可调度资源的互补优势；在输配协同优化的研究领域，研究大多仅依赖于边界耦合变量的物理互联和信息交互，实现了输配两层电网的协同优化调度，但未考虑电-气-热多能源系统的深度耦合，难以充分挖掘各级电网中多种能源的柔性互补潜力。
49.因此，有必要将考虑电-热-气多能耦合的主动配电网与输电网联合优化，充分发挥各层系统中多能流资源的互联互济作用，横向实现电-气-热的深度耦合与能源转换以降低用能成本，纵向实现输配协同以提升系统应对风电不确定性的能力。输配协同优化模型的求解方法主要分为集中式和分布式两种，由于各独立系统的发电、负荷和网络信息彼此分离，采用集中式决策方法难以搜集大量的私有信息，从而影响调度结果的最优性；因此，出现了仅需要输配各层级交换边界信息的分布式优化方法。成熟的dantzig-wolfe分解技术、benders分解技术、lagrange对偶松弛技术等为分布式并行优化奠定了理论基础。
50.在此基础上，有文献采用交替方向乘子法(alternate direction multiplier method,admm)实现了配电网与微电网双层鲁棒优化的协同运行，然而admm在非凸问题中不能保证收敛，因此不能直接应用于包含0-1机组组合状态混合整数变量的模型。传统的拉格朗日松弛法(traditional lagrange relaxation,tlr)是松弛耦合约束、迭代更新拉格朗日乘子的最具代表性的方法。有文献基于tlr在目标函数中引入二次惩罚项，提出了增广拉格朗日松弛(augmented lagrange relaxation,alr)算法以加快收敛速度。有文献进一步利用辅助问题原理(auxiliary problem principle,app)使alr的目标函数可分离，但其在收敛速度方面有待提高。有文献采用改进并行子空间算法实现输配电网两级协同运行，对传统输配割裂调度边界功率不平衡问题进行优化。有文献提出了广义主从分裂理论，将广义输配协同模型异质分解为发输电优化子问题和配电优化子问题，分别由发输电调控中心和配电调控中心分布式地求解。以此为基础，有文献通过大系统分解理论中的目标级联分析法(analytical target cascading,atc)算法对边界节点耦合关系进行解耦，将输配协
同机组组合问题分解成一个输电网子问题和若干个配电网子问题，从而实现各子问题的分布式并行求解。验证此分布式算法在求解大规模0-1混合整数线性规划问题的有效性。
51.针对上述问题，本实施例提出一种基于电气热综合能源系统的输配协同优化调度方法，包括：
52.以输电网机组运行成本和主动配电网中电气热综合运行成本最小为优化目标，以输电网约束，主动配电网中的电力网约束、天然气网约束、热网约束和电气热耦合约束，以及输配网交换功率耦合约束为约束条件，构建基于电气热的输配协同优化调度模型；
53.对输配协同优化调度模型进行解耦得到包括电力网约束、天然气网约束、热网约束和电气热耦合约束的主动配电网模型，和包括输电网约束的输电网模型；
54.以输配网交换功率为耦合变量，对主动配电网模型和输电网模型进行分布式优化，将主动配电网模型并行优化后得到的交换功率作为耦合变量赋值给输电网模型，输电网模型被赋值后进行机组组合决策优化，并将得到的交换功率作为耦合变量赋值给主动配电网模型；
55.经迭代优化后，直至满足优化目标和输配网交换功率耦合约束，以得到最优的机组组合运行调度方案。
56.以下对本实施例方法进行详细阐述。
57.电-气-热ies作为电力系统的重要能源支撑，通过输电网和主动配电网之间的功率传输和分配，实现各层级间多能源的消费和可再生能源的消纳。考虑电-气-热ies的输配互联系统如图1所示，包括与上级输电网的能源交互环节和主动配电网内的能源转换环节；
58.其中，(1)与上级输电网的能源交互环节。考虑到输-配电网的层级结构与atc的基本思想相一致，可将atc方法应用于本实施例所提出的输-配联合优化调度模型中。基于atc的计及ies的输配协同优化思路是：以整个系统的成本最小为优化目标，将优化目标按tg
→
adn向下逐级分流，并且响应按adn
→
tg向上逐层反馈，输配电网依据分配的目标值进行并行优化，仅将输配电网的联络线交换功率作为耦合变量，实现输配两级电网的迭代优化，直到满足收敛条件为止。
59.(2)主动配电网内的能源转换环节。电、气、热能源通过chp机组和燃气轮机相互转化，将输-配双层的控制量进行联动决策，实现全系统的统一分析和优化。这种“电-气-热多能互补 输配互济全网协同”的调度策略除为可再生能源消纳提供新途径外，对节约能源以及环境保护都具有重要意义。
60.在本实施例中，构建计及电-气-热ies的输配协同数学模型中，以输电网机组组合成本与主动配电网(包含热网和天然气网)运行成本之和最小作为优化目标函数，忽略可再生能源成本，并将chp机组、燃气轮机等能源耦合设备的燃料成本计入气源供气成本中，如式(1)所示：
[0061][0062]
式中：f0为输电网运行成本；k为主动配电网集合；为第k个主动配电网(adnk)成本，包括电力网成本天然气网成本和热网成本
[0063]
在本实施例中，输电网运行成本函数为：
[0064][0065]
式中：t为研究周期内划分的时段集合；g为输电网火电机组集合；cg为机组g的输出功率成本特性函数；p
g,t
为机组g在时段t的出力；u
g,t
为机组g在时段t的启停状态；为机组g在时段t的启动费用；分别为机组g在时段t二次调频的上调和下调备用；分别为机组g在时段t二次调频中的上调备用和下调备用成本系数。
[0066]
在本实施例中，主动配电网运行成本包括：adnk电网运行成本、adnk天然气网运行成本和adnk热网运行成本；
[0067]
其中，(1)adnk电网运行成本为：
[0068][0069]
式中：ele表示电力网络节点的集合；c
k,w
为弃风成本系数；p
k,w,t
为风电的预测值和实际值；为adnk的储能系统e(记为esse)在时段t的充、放电成本系数；c
k,dg
为机组dg的输出功率成本特性函数；p
k,dg,t
为adnk中机组dg在时段t的出力；分别为adnk中节点b在时段t的失电功率及其成本系数；为adnk的esse在时段t的充、放电功率；分别为adnk的esse在充电状态提供上调备用和下调备用的成本系数；分别为adnk的esse在放电状态提供上调备用和下调备用的成本系数；δp分别为adnk的esse在充电状态提供的上调备用和下调备用；分别为adnk的esse在放电状态提供的上调备用和下调备用。
[0070]
(2)adnk天然气网运行成本为：
[0071][0072]
式中：s为天然气网气源集合；分别为adnk的天然气系统气源出力及其成本系数；分别为adnk的天然气系统失气负荷及其惩罚成本系数。
[0073]
(3)adnk热网运行成本为：
[0074][0075]
式中：m为热网节点集合；为adnk的热网系统失热负荷及其惩罚成本系数。
[0076]
在本实施例中，约束条件包括输电网约束、主动配电网约束以及输-配、电-气-热
耦合约束；
[0077]
其中，(1)输电网约束：有功功率平衡约束(6)；火电机组输出功率上下限约束(7)；机组爬坡速率约束(8)；机组最小启停时间约束(9)；节点功率平衡及线路潮流约束、相角约束(10)；电网频率及一次、二次调频约束(11)；输配电网联络线交换功率传输约束(12)；具体包括：
[0078][0079][0080][0081][0082][0083][0084][0085]
考虑不确定性的功率平衡约束为：
[0086][0087]
当δd
d,t
、的不确定性区间分别为时，式
(13)可以等效为式(14)的形式。
[0088][0089]
式中：d为负荷集合；为输电网tg与adnk间联络线交换功率；p
d,t
为tg负荷d在时段t的预测值；分别为机组g在时段t一次调频的上调和下调备用；分别为机组g在时段t一次调频的上调和下调备用；分别为燃煤机组g在时段t出力上、下限；分别为机组g向上、向下爬坡速率；分别为机组g初始时段已开、停机时间；分别为机组g的最小开、停机时间；f
ij,t
、分别为线路ij传输功率及其上限；b
ij
为线路ij电纳；θ
i,t
、θ
refb,t
分别为节点i及松弛节点在时段t的相角；δf
max
为最大允许频率偏差；分别为时段t偏离额定频率的决策值的边界；rg为机组g的调频系数；δg为agc机组g二次调频功率上限；分别为tg与adnk间联络线传输功率的上、下限。
[0090]
在本实施例中，典型的电-气-热互联系统结构如图2所示；主动配电网约束包括电力网约束、天然气网约束、热网约束以及电-气-热耦合约束；
[0091]
其中，(1)电力网约束包括：确定场景及不确定场景下功率平衡约束(15)和(16)；常规机组出力及爬坡速率约束(17)；联络线传输功率约束(18)；节点功率平衡约束(19)；储能系统充、放电约束(20)；以及储能系统存储能量及调节约束(21)；具体为：
[0092][0093][0094][0095][0096]
[0097][0098][0099]
式中：e为储能集合；.∈b表示与电网节点b相连的对象集合；为adnk与tg间联络线交换功率；的不确定性区间为d
k,d,t
为adnk中负荷d在时段t的预测值；分别为adnk中chp机组γ、燃气轮机u在时段t的电出力；分别为adnk中常规机组dg的出力上、下限；分别为adnk中机组dg向上、向下爬坡速率；分别为adnk中的负荷、风电相对预测值偏差的不确定性区间，此区间采用非精确狄利克雷模型估计得到；分别为储能系统e在时段t的充、放电状态；分别为储能系统e的充电功率及其允许上限；分别为储能系统e的放电功率及其允许上限；e
k,e,t
为时段t储能系统e存储能量值；分别为储能系统e的充电、放电效率；e
k,e,0
、e
k,e,t
分别为adnk中调度周期首、末时段电量值；中调度周期首、末时段电量值；分别为adnk中储能系统e存储能量的允许上、下限；分别为adnk与tg联络线传输功率允许上、下限；δt取1h。
[0100]
(2)由图2所示，天然气网主要包含气源、管道、加压站、气负荷用户等，天然气网约束包括：节点流量平衡约束(22)；管道流量约束(23)；气源出力约束(24)；节点压力约束(25)以及加压站约束(26)；具体为：
[0101][0102][0103]
[0104][0105]
p
k,n,t
≤β
k,com
p
k,m,t
ꢀꢀ
(26)
[0106]
式中：分别为气源出力的上、下限；分别为adnk中时段t天然气网节点m的气负荷和未满足的气流量；g
k,mn
为adnk中天然气管道mn的平均流量；分别为adnk中管道mn的流量上、下限；分别为adnk中燃气轮机u和chp机组γ的天然气耗量；分别为adnk中天然气节点m的压力上、下限；β
k,ξ
为adnk中加压站ξ的加压系数；p
k,m,t
、p
k,n,t
分别为adnk中时段t加压站首、末端节点m、n的压力。
[0107]
(3)由图2所示，由于二次管网较短，因此热网模型仅对一次管网建模。热力网约束包括：热功率平衡约束(27)；chp机组出口处供水温度和换热站入口处供水温度约束(28)以及热网温度约束(29)；具体为：
[0108][0109][0110][0111]
式中：为adnk中chp机组γ的热出力；为adnk中时段t热网节点o未满足的热功率；为adnk中时段t换热站h所需热功率；c为水的比热容；中时段t换热站h所需热功率；c为水的比热容；分别为adnk中t时段chp机组γ出口处的热水流量、回水温度、供水温度及其上、下限；分别adnk中为换热站入口处的热水流量、供水温度、回水温度及其上、下限；ω
pipe-、ω
pipe
分别为以节点o为终点、起点的管道集合；m
k,hl,t
为adnk中热水管道hl在t时段的水流量；分别为adnk中供水管道hl在t时段的入、出口温度；分别为回水管道hl的入、出口温度；分别为adnk中时段t供水管、回水管上节点o处的混合温度，并且管道交汇点的混合温度等于所有流出该节点的管道的入口温度。
[0112]
(4)由图2所示，多能耦合元件为chp机组与燃气轮机，能源耦合约束包括：chp机组
电-气-热耦合约束(30)和燃气轮机电-气耦合约束(31)。
[0113][0114][0115]
式中：为chp机组γ的转换效率；h
gv
是天然气的高热值(39mj/m3)；是燃气轮机u的转换效率。
[0116]
在本实施例中，选取联络线交换功率作为输配耦合变量，将tg与adnk间的联络线交换功率分别等效为tg的虚拟负荷和adnk的虚拟发电机。此外，在不确定场景下，风电波动性[δpdgn,dn wt,δpdgn,up wt]和负荷不确定性[δddn dt,δdup dt]将导致输配联络线交换功率的波动，分别表示为[δpt
→
d,dn k,t,δpt
→
d,up k,t]与[δpd
→
t,dn k,t,δpd
→
t,up k,t]；由此可得输配耦合约束为：
[0117][0118]
式中：表示输电网的虚拟负荷；σ
k,t
表示主动配电网adnk的虚拟发电机。
[0119]
综上，由式(1)-(32)构成了本实施例中考虑电-气-热耦合的输配协同的机组组合优化决策模型。
[0120]
在本实施例中，天然气网模型中，式(23)为weymouth方程，其非凸性给优化调度的求解带来了挑战。为降低求解难度，本实施例采用增量分段线性化的方法对式(23)等号左侧的管道流量平方进行线性化处理，并引入新变量ps代替式(23)等号右侧的气压平方项，从而将非凸问题转化为混合整数线性规划问题。
[0121]
天然气管道流量的非线性函数形如f(x)＝x2，图3为增量分段线性化的示意图，分段步骤如下：
[0122]
(1)根据非线性程度，合理选取分段数np-1；
[0123]
(2)在自变量x的定义域内求解各分段离散点x1,x2,
…
,x
np
；
[0124]
(3)求解各分段点x对应的函数值f(x)；
[0125]
(4)引入辅助变量ψ、φ，将x和f(x)按如下步骤线性化表示。
[0126][0127][0128][0129][0130]
式中：为第个分段区间上的位置，用0-1变量表示；为二进制变量；其中式
(35)表示分段时必须连续填充分段区间，不得间断。
[0131]
采用如上方法，式(23)可线性化表达为式(37)-(41)：
[0132][0133][0134][0135][0136][0137]
由此，式(1)-(22)、式(24)-(32)以及式(37)-(41)构成计及电-气-热ies的输配协同机组组合模型，可以直接采用混合整数线性规划进行求解。
[0138]
在本实施例中，以矩阵形式对所提模型进行简化：
[0139][0140][0141][0142][0143]
式(42)中：α、β分别表示输、配电网各自的决策变量；分别表示输电网与adnk间的联络线功率耦合变量，对应于及其上下限；σk表示adnk与输电网间联络线功率耦合变量，对应于及其上下限，其中，
[0144]
式(43)为输电网约束，其中，表示输电网的等式约束的集合，表示输电网的不等式约束的集合；
[0145]
式(44)为adnk约束，其中，表示adnk的等式约束，表示adnk的不等式约束；
[0146]
式(45)表示tg与adnk的交换功率耦合约束。
[0147]
由于耦合约束使得输配电网分布自治能力减弱，无法直接实现分布式求解，因此，在式(42)中引入lagrange罚函数π进行松弛：
[0148]
[0149][0150][0151]
式中：
⊙
表示哈达玛积；λk、μk分别为π的一次项与二次项的乘子向量。
[0152]
在本实施例中，根据图4所示的解耦机制实现输-配网优化模型的解耦。因此，在分布优化时，对于式(47)，在输电网中将置为优化后得到并传递给adnk作为下层优化决策的已知量；对于式(48)，在主动配电网中将σk置为优化后得到并传递给输电网，作为上层优化决策的已知量。由此，分布优化得以实现，通过优化迭代更新lagrange乘子，使目标趋于最优。
[0153]
输-配解耦后的输电网模型由式(49)及输电网约束条件构成；而解耦后的主动配电网模型由式(50)及主动配电网约束条件构成：
[0154][0155][0156]
式中：
[0157]
在本实施例中，基于atc的输-配网优化模型解耦包括：atc算法依据内、外循环收敛判据(51)-(52)和乘子更新规则(53)依次迭代，直至收敛；
[0158]
其中，内循环收敛判据为联络线交换功率在相邻两次迭代中的差值足够小；外循环收敛判据为联络线交换功率在w次迭代中的差值足够小；同时输配电网总运行成本在相邻两次迭代中的差值也足够小：
[0159]
[0160][0161][0162]
为加速收敛，δ常取为2≤δ≤3，在本模型中取δ＝2.5；取初值λ
k,t
＝1,μ
k,t
＝1。
[0163]
在本实施例中，基于atc的考虑电-气-热ies的输配协同机组组合优化算法流程如图5所示，步骤如下：
[0164]
1)参数初始化；设定机组参数、罚函数乘子、虚拟负荷、虚拟发电机等初值，置迭代次数w＝0，v＝0。
[0165]
2)配网层并行优化；内循环迭代开始，置w＝w 1，主动配电网并行优化得到虚拟发电机赋给上层输电网，作为输电网优化的已知量。
[0166]
3)输电网层优化决策；输电网根据由2)得到的已知信息，进行机组组合决策优化得到虚拟负荷赋给下层配网，作为配网层并行优化的已知量。
[0167]
4)判断内循环收敛条件；判断是否满足收敛条件(51)，若与同时满足，则转到步骤5)；否则返回步骤2)，继续执行内循环。
[0168]
5)判断外循环收敛条件；若交换功率和成本皆满足收敛条件(52)，则优化结束并输出最优值，否则转到步骤6)，更新乘子。
[0169]
6)更新罚函数乘子；置v＝v 1，w＝0，根据(53)更新乘子，然后转到步骤2)，重新开始内循环。
[0170]
以输电网6节点-2个配电网(t6d2)和输电网118节点-10个配电网(t118d10)为例，对计及综合能源的输配协同机组组合模型的有效性进行验证。采用gams软件调用cplex求解器进行求解，计算机配置为win10系统，amd r7-5800h处理器，内存16 g，模拟时间尺度为1天，分为24个时段。
[0171]
t6d2系统如图6所示，由1个tg和2个adn构成。其中，tg包含3台燃煤机组、7条线路，1个电负荷；2个adn分别接在tg的节点3和节点4上，每个adn均包含6-6-8节点的电-气-热ies；其中电力网包含1台6mw的柴油机组、1台2mw的风电机组和1个500kw的储能系统；天然气网包含2个气源、2个加压站、2个气负荷和7条天然气管道；热网包含4个换热站和6条热水管道；通过chp机组和燃气轮机实现三种能源间的转换。设置失负荷成本系数为100美元/mwh，正常运行时允许的频率调节范围为50
±
0.1hz，各燃煤机组的单位调节功率的标幺值为20；负荷的频率调节效应标幺值为2.89％。adn气热负荷及风电的预测值如图7所示，输、配电网预测电负荷如图8所示。
[0172]
为验证atc应用于输配协同分布式求解的有效性，将其分别与集中式、admm以及tlr进行对比；对比结果如表1所示，收敛曲线如图9所示。
[0173]
表1不同算法的优化结果
[0174][0175]
由表1可见，在经济性方面，相比仅依赖于边界信息优化的atc算法，集中式算法将包含电-气-热的adn与tg中所有信息整合优化，因此集中式算法得到的成本表现最好。对于集中式方法来说，atc虽然没有表现出较高的经济性和较快的收敛速度，然而atc方法只需要交换输配电网主体的少量信息即可实现输配协同，集中式方法则会产生大量的信息交换，无法保证市场主体信息的隐私性，并且其成本仅比atc方法低0.13％。此外，tlr、admm和atc算法的迭代次数分别为12、6和5次，说明atc算法的收敛性能更好。
[0176]
综上，atc算法在tlr算法的基础上，在成本函数中引入二阶惩罚项，缩短了寻优时间。由表1可知，在收敛速度和成本效益方面，tlr算法和admm算法都要逊色于atc算法。因此，综合衡量可知，atc方法可以发挥输配电网发电资源的协同作用，以达到各利益主体整体最优。
[0177]
多场景优化结果分析；针对输配互联系统，为了分析ies对优化结果的影响，本实施例构建以下4种不同场景。场景1：不考虑ies的输配协同优化；场景2：仅考虑气网的输配协同优化；场景3：仅考虑热网的输配协同优化；场景4：考虑ies的输配协同优化。
[0178]
在场景1中，由于adn中不包含ies，去掉天然气网约束、热力网约束以及相应的能源耦合约束；场景2和场景3分别仅考虑气网和热网的相关约束；场景4为本实施例模型。不同场景下的机组组合决策结果如图10(a)-10(d)所示，在场景1中，由于机组g1和机组g3的边际成本较低，所以整个调度时间段内均保持运行状态。机组g2在3:00-4:00及22:00-24:00时段处于停机状态，这是由于该机组启动成本以及运行成本较高，仅在负荷需求紧张时段提供电能。相比于场景1，场景2将天然气网作为adn能源耦合的资源，燃气轮机将部分天然气转换为电能以支撑电网的功率需求；然而，由于天然气源设备的产气成本远大于燃煤机组的发电成本，系统功率平衡无法长时间依赖于燃气轮机的调度，所以在场景1结果的基础上，经济性最差的机组g2仅增加了两个小时的停机时间(5:00-6:00)，在负荷高峰7:00-21:00时段仍需作为发电资源持续供电。在场景3中，由于chp机组参与电-热系统的能源转换，使得燃煤机组承担调峰的压力减小，致使边际成本最高的机组g2在7:00-9:00时退出运行，从而节约系统运行成本。在场景4中，由于燃气轮机和chp机组共同承担调峰任务，使得机组g2在3:00-24:00时段持续停机。因此，考虑ies的输配协同优化显著地降低了系统运行成本。
[0179]
为了分析ies对输配协同效果的影响，图11给出场景4下主动配电网(adn1)中柴油机组、燃气轮机、chp机组、气源出力以及电负荷曲线，由图11可知，在本实施例的模型中，由于风电的反调峰特性，负荷需求较低时，风电实际出力接近预测值，剩余的负荷需求主要由
经济性较好的柴油机组承担。当负荷需求增加，如9:00-13:00和18:00-21:00时段，柴油机组增加出力，chp机组维持在满发状态，由燃气轮机和风电进行联合调峰，一方面补偿电功率缺额，另一方面也为风电消纳提供更多的可调度空间。在6:00-11:00和14:00-16:00时段负荷需求增加，由于风电出力和柴油机组出力限制，无法规避电功率缺额。然而，在1:00-5:00、12:00-14:00和17:00-24:00时段，各机组出力之和已实时满足主动配电网的电力负荷需求，所以不需要接受来自上层输电网的功率救济，充分说明考虑ies的输配协同能够提高主动配电网的分布自治能力。
[0180]
此外，在1:00-8:00和23:00-24:00时段，燃气轮机的供气量无法摆脱气源容量的限制，从而导致燃气轮机出力不足，调峰能力下降，这是由于在本文模型中未考虑气网管存，气负荷的满足仅依赖于气源出力，从而影响调度的灵活性和经济性。
[0181]
为了分析电-气-热ies输配协同应对风电不确定性的能力，采用idm估计风电不确定性的区间，预测误差区间取为[0.1,0.5]，且步长为0.1，各场景优化结果如表2所示。
[0182]
表2各场景应对风电不确定性优化结果
[0183][0184]
由表2可知：当风电预测误差为0.1时，对比场景1～4的输电网运行成本，可以发现，相对于场景1而言，场景2～4的成本分别下降了7.66％、9.13％和11.67％，这表明考虑电-气-热ies可以减少输电网的运行成本，提高系统运行的经济性。当风电预测误差为0.4时，场景1的交换功率为139.275mw，场景4的交换功率为40.414mw，比场景1减少了70.98％，说明以电-气-热ies为中心，多能耦合为手段的输配系统在协同运行时，能够在一定程度上弥补由于功率交换带来的经济损失。可见，在4种场景下，随风电不确定性误差的增加，tg与adn之间的交换功率和tg成本都呈现非均匀递增的趋势，这表明输配协同在提高系统应对风电不确定性能力的同时，在一定程度上牺牲了系统运行的经济性。然而，当风电预测误差增至0.5时，由于联络线传输容量受限，导致场景1无解，可见仅依赖联络线功率互济无法应对风电的强不确定性。在场景2～4中依然有最优解，进一步说明考虑电-气-热ies扩展了调度解空间，减少了输配电网间的能量互济，提高了系统分布自治的能力。
[0185]
为了验证电-气-热ies应对风电消纳的优势，假设风电渗透率区间为[15％，50％]，步长为5％，选取场景4作为基准场景，图12对比了不同渗透率下4种场景的风电消纳能力。由图12可见，场景1在渗透率为20％时风电消纳能力就开始逐渐下降，而场景4在渗透率为25％时才开始有明显下降的趋势。当渗透率达到50％时，场景1对应的风电消纳指标为65％；而场景2～4对应的风电消纳指标分别为73％、76％和84％；场景4消纳风电的能力比场景1提升约19％，由此可见，考虑电-气-热多能柔性耦合有利于提升系统消纳风电的能
力。
[0186]
为进一步验证所提模型和方法在大规模系统中的适用性，以t118d10系统为例进行分析。其中，tg中包含54台发电机、91个负荷节点和186条线路；tg中的燃煤机组容量、爬坡速率，线路等技术数据参考现有文献，10个adn分别接在输电网节点3、10、27、32、44、59、76、78、84和101，每个adn由6-6-8节点的电-气-热ies构成。
[0187]
4种场景下计及电-气-热ies的输配协同优化结果如表3所示，场景4的输电网运行成本为1256964.83美元，机组启停成本为4219美元，两者在场景1的基础上分别下降了28.51％和14.27％。这是因为电-气-热ies通过能源转换分摊了电能需求，从而减轻了输电网机组的启停成本和发电成本，提高了输电网运行的经济性。
[0188]
表3 t118d10节点系统优化结果
[0189][0190]
在弃风成本方面，场景1中常规机组无法提供足够的备用应对风电的波动，只能以弃风形式满足功率平衡，弃风成本为9457.68美元，明显高于场景2～4的弃风成本；由于场景2中气源出力成本远大于弃风成本，以牺牲风电消纳水平为代价满足功率平衡，因此场景2的弃风成本高于场景3～4，然而燃气轮机的转换作用消纳了部分风电，所以场景2的弃风成本低于场景1；场景4的弃风成本为6748.16美元，比场景1降低了28.65％，可见，在adn中通过电-气-热多能耦合设备有机协调，将剩余的风电分别转换为天然气能和热能，可平抑风电的功率波动，使得多能流之间有效互动，促进了风电消纳，极大地提高了系统运行的经济性。场景2～4的联络线交换功率少于场景1，说明气网与热网的协同参与提升了主动配电网的能源利用率，通过多能耦合满足供需平衡，使得输电网救济主动配电网的压力减小，因此主动配电网分布自治的能力得到加强。
[0191]
机组组合效果的分析，调度周期内各时段的机组开启数量如图13所示，可知，机组启停状态变化跟随负荷的变化趋势，同时计及电-气-热耦合后的输配系统机组组合优化效果明显，机组开启数量明显下降，尤其表现在18:00-24:00时段，这表明多能耦合的输配协同优化不仅缓解了输电网燃煤机组的压力，而且避免了机组频繁启停，使得风电消纳挤占了燃煤机组的出力空间，提高系统经济性的同时，降低了碳排放，可获得良好的环境效益，符合双碳能源战略目标。
[0192]
为了证明atc算法在大规模系统中的适用性，在t118d10系统中比较了4种算法，迭代求解结果如表4所示，可知，从迭代次数和求解效率来看，atc算法的迭代次数为16次、迭代时间为24.076s，相比于tlr算法和admm算法，表现出较大的优势。从运行成本来看，atc求解得到的输电网成本为1256964.828美元，分别比tlr算法和admm算法的结果降低了1.2％
和0.63％；在配网成本和总成本方面，atc都明显优于其他两种分布式算法。虽然集中式算法成本最低，然而在市场环境下，集中式算法难以准确获取各利益主体的私有信息，从而影响其实际运行成本。并且不难发现，atc得到的总运行成本仅比集中式优化结果高0.07％。因此，从整体最优的角度，atc算法在大规模的输配协同系统中仍能保持良好的计算效率和收敛性，具有较好的工程适用性。
[0193]
表4算法优化结果对比
[0194][0195][0196]
实施例2
[0197]
本实施例提供一种基于电气热综合能源系统的输配协同优化调度系统，包括：
[0198]
模型构建模块，被配置为以输电网机组运行成本和主动配电网中电气热综合运行成本最小为优化目标，以输电网约束，主动配电网中的电力网约束、天然气网约束、热网约束和电气热耦合约束，以及输配网交换功率耦合约束为约束条件，构建基于电气热的输配协同优化调度模型；
[0199]
模型解耦模块，被配置为对输配协同优化调度模型进行解耦得到包括电力网约束、天然气网约束、热网约束和电气热耦合约束的主动配电网模型，和包括输电网约束的输电网模型；
[0200]
迭代优化模块，被配置为以输配网交换功率为耦合变量，对主动配电网模型和输电网模型进行分布式优化，将主动配电网模型并行优化后得到的交换功率作为耦合变量赋值给输电网模型，输电网模型被赋值后进行机组组合决策优化，并将得到的交换功率作为耦合变量赋值给主动配电网模型；
[0201]
调度模块，被配置为经迭代优化后，直至满足优化目标和输配网交换功率耦合约束，以得到最优的机组组合运行调度方案。
[0202]
此处需要说明的是，上述模块对应于实施例1中所述的步骤，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
[0203]
在更多实施例中，还提供：
[0204]
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例1中所述的方法。为了简洁，在此不再赘述。
[0205]
应理解，本实施例中，处理器可以是中央处理单元cpu，处理器还可以是其他通用处理器、数字信号处理器dsp、专用集成电路asic，现成可编程门阵列fpga或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0206]
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
[0207]
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1中所述的方法。
[0208]
实施例1中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
[0209]
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0210]
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。