含风热机组的多能流系统优化控制方法、装置及存储介质

1.本发明涉及电力系统调度自动化技术领域，特别含风热机组的多能流系统优化控制方法、装置及存储介质。


背景技术：

2.能源是社会和经济发展的重要基础。提高能源的综合利用效率是破解能源发展和环境危机矛盾的关键，是实现能源高效、安全、清洁、稳定应用的重要途径。
3.热电联产供热机组是一种清洁、高效的供热方式，但热电联产机组通常是“以热定电”的运行模式，在冬季供暖期，缺乏灵活性的机组运行方式严重影响了可再生能源的消纳。电制热运行方式灵活，在冬季供暖期促进了可再生能源的消纳。
4.热电联产机组的大规模投入，促进了热电多能流系统的发展，多能流系统在提高效益的同时，也会使得原本的能源系统更加复杂化。因此，对于热电多能流系统的配置和控制提出了更高的要求。


技术实现要素：

5.本发明旨在针对热电多能流系统的配置和控制方法存在的问题，提供一种基于含风热机组的多能流系统优化控制方法。
6.为实现上述技术目的，本发明采用以下技术方案。
7.本发明采用以下技术方案。
8.一方面，本发明提供含风热机组的多能流系统优化控制方法，包括：
9.构建多能流系统的统一模型，所述统一模型包括风力发电模型、储能设备模型以及电制热装置模型；
10.根据统一模型，建立多能流系统多目标优化控制模型；
11.对所述多能流系统多目标优化控制模型进行求解获得多能流系统优化控制方案。
12.进一步地，所述风力发电模型表示如下：
[0013][0014]
其中p0为发电机组额定功率、v
max
为切出时风速、v是风速，v0是额定风速、pw为发电机组输出功率、v
min
为切入时风速。
[0015]
再进一步地，所述风力发电模型采用理想状态下的风力发电的风能计算模型表示如下：
[0016]
[0017]
其中：p
wind
为理想状态下发电机组输出功率，ρ为空气密度，a为风机叶片扫掠面积，v为风速。
[0018]
进一步地，所述储能设备模型包括电储能模型和热储能模型，其中电储能模型表示为：
[0019][0020]
其中e
remain
(t)为t时刻电储能剩余容量，e
remain
(t-1)为t-1时刻电储能剩余容量，σ为电储能自放电效率，μ
in
为充电效率，p
in
(t)为t时刻充电功率，p
out
(t)为t时刻放电功率，μ
out
为放电效率；
[0021]
热储能模型表示为：
[0022][0023]
其中h
remain
(t)为t时刻热储能剩余容量，h
remain
(t-1)为t-1时刻热储能剩余容量，γ为热储能散热损失率，q
in
(t)为t时刻吸收热功率，q
out
(t)为t时刻放热功率，为吸热效率，为放热效率。
[0024]
进一步地，所述电制热装置模型
[0025][0026]
其中eg(t)为t时刻的耗电量，qg(t)为热负荷功率，ρg(t)为锅炉散热率，l
x
为电能损耗百分比，δg为电制热阻尼系数。
[0027]
进一步地，所述多能流系统多目标优化控制模型表示如下：
[0028][0029]
其中e
remain
(t)为t时刻电储能剩余容量，h
remain
(t)为t时刻热储能剩余容量，c1和c2为设定参数，eg(t)为t时刻的耗电量，ρg(t) 为锅炉散热率，δg为电制热阻尼系数；
[0030]
将单位时间最小耗电量e
remain
(t)作为热储能剩余容量 h
remain
(t)的约束条件；将风力发电输出功率pw作为e
remain
(t)电储能剩余容量最小的约束条件。
[0031]
进一步地，所述多能流系统多目标优化控制模型表示如下：
[0032][0033]
其中e
remain
(t)为t时刻电储能剩余容量，h
remain
(t)为t时刻热储能剩余容量，c1和c2为设定参数，eg(t)为t时刻的耗电量，ρg(t) 为锅炉散热率，δg为电制热阻尼系数；p
wind
为理想状态下发电机组输出功率，ρ为空气密度，a为风机叶片扫掠面积， v为风速；
[0034]
将单位时间最小耗电量e
remain
(t)作为热储能剩余容量 h
remain
(t)的约束条件；将理想状态下风力发电输出功率p
wind
作为e
remain
(t)电储能剩余容量最小的约束条件。
[0035]
以上技术方案中，采用混合粒子群优化算法求解多能流系统多目标优化控制模型。
[0036]
另一方面，本发明还提供了含风热机组的多能流系统优化控制装置，包括：统一模型确定模块、多目标优化控制模型确定模块以及求解优化模块；
[0037]
所述统一模型确定模块，用于构建多能流系统的统一模型，所述统一模型包括风力发电模型、储能设备模型以及电制热装置模型；
[0038]
所述多目标优化控制模型，用于根据统一模型，建立多能流系统多目标优化控制模型；
[0039]
所述求解优化模块，用于对所述多能流系统多目标优化控制模型进行求解获得多能流系统优化控制方案。
[0040]
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如以上技术方案任意一种可能的实施方式所述方法的步骤。
[0041]
本发明所取得的有益技术效果：本发明通过构建多能流系统的统一模型，从风热机组性能优化的角度，通过建立分布式混合供能系统的多能流系统统一模型；基于统一模型，考虑多能互补特性，建立多目标优化模型，对该优化模型进行求解可以缓解冷热负荷引起的用电高峰对配电网的冲击，提高配电系统能源综合利用效率为目标。
附图说明
[0042]
图1是实施例提供的含风热机组的多能流系统优化控制方法示意图。
具体实施方式
[0043]
以下结合说明书附图和具体实施例对本发明作进一步说明。
[0044]
含风热机组的多能流系统优化控制方法示意图如图1 所示。为了实现对多能流系统的精确分析与灵活控制，达到配电系统的能源综合利用效率最优化目的，本发明实施例提出含风热机组的多能流系统控制优化控制方法，所述多能流系统包含风热机组、储能设备、电制热装置三种分布式能源，建立的多能流系统的统一模型具体如下：
[0045]
1.风热机组的风力发电模型
[0046]
所述风力发电模型采用理想状态下的风力发电的风能计算模型表示如下：
[0047][0048]
其中：p
wind
为理想状态下发电机组输出功率，ρ为空气密度，a为风机叶片扫掠面积，v为风速。
[0049]
2.储能设备模型
[0050]
多能流系统的储能设备主要包括电储能设备和热储能设备，电储能技术主要进行对电力负荷峰谷区间的负荷优化，提高电力系统运行稳定性。
[0051]
电储能优化模型表示如下：
[0052][0053]
其中目标函数e
remain
(t)为t时刻电储能剩余容量，σ为电储能自放电效率，p
in
(t)为t时刻充电功率，p
out
(t)为t时刻放电功率，μ
in
为充电效率，μ
out
为放电效率。
[0054]
热储能设备主要对热力负荷进行峰谷时段切换，解决热力负荷高峰供求紧张问题。热储能优化模型表示如下：
[0055][0056]
其中目标函数h
remain
(t)为t时刻热储能剩余容量，γ为热储能散热损失率，q
in
(t)为t时刻吸收热功率，q
out
(t)为t时刻放热功率，为吸热效率，为放热效率。
[0057]
3.电制热装置模型
[0058]
本发明中的制热设备主要指电锅炉，电锅炉的产热量与热效率有关。
[0059]
电制热装置模型表示如下：
[0060][0061]
目标函数eg(t)为 t时刻的耗电量，qg(t)为热负荷功率，δg为电制热阻尼系数，ρg(t)为锅炉散热率，l
x
为电能损耗百分比。
[0062]
4.多能流控制优化
[0063]
多能流控制问题可以看做是多目标优化策略问题，对于多目标优化算法的目标就是协调各单元模块之间的关系，使多目标尽量达到最优解集，多目标优化问题的定义：设 x为决策向量，f(x)为目标函数，目标函数中含有n个子目标(例如其他实施例中可以将风热机组最低单位制热成本、最大储热量的经济型等)，将多能流控制问题简单看作多目标优化问题的数学模型为：
[0064]
f(x)＝(f1(x)，f2(x)，
…
，fn(x))
[0065]gi
(x)≥0，i＝1，...，m
[0066]
x∈x
[0067]
本实施例中，将e
remain
(t)电储能剩余容量最小、h
remain
(t)热储能剩余容量最小以及电制热单位时间最小耗电量eg(t)作为目标函数，又因为热负荷功率qg(t)与热储能剩余容量 h
remain
(t)呈线性相关，我们可以将单位时间最小耗电量e
remain
(t) 作为热储能剩余容量h
remain
(t)的约束条件；同理也可以将理想状态下风力发电输出功率p
wind
作为e
remain
(t)电储能剩余容量最小的约束条件，此时可以得出的多目标优化控制模型如下：
[0068][0069]
由于采用理想状态下的风力发电的风能计算模型确定风力发电输出功率没有考虑风速过高过低的影响，影响模型的准确性。
[0070]
在其他实施例中，进一步地考虑风力发电功率主要取决于自然界的风速，发电机组达到额定功率p0时的风速即为额定风速，风速模型为：
[0071][0072][0073]
当风速过大，风力机组需切出，切出时风速为v
max
；风速过小，风力机组切入，切入时风速为v
min
；风力机组额定时风速为v0；风力发电模型表示如下：
[0074][0075]
其中p0为发电机组额定功率、v
max
为切出时风速、v是风速，v0是额定风速、pw为发电机组输出功率、v
min
为切入时风速。
[0076]
将e
remain
(t)电储能剩余容量最小、h
remain
(t)热储能剩余容量最小以及电制热单位时间最小耗电量eg(t)作为目标函数，又因为热负荷功率qg(t)与热储能剩余容量h
remain
(t)呈线性相关，我们可以将单位时间最小耗电量e
remain
(t)作为热储能剩余容量h
remain
(t)的约束条件；同理也可以将风力发电输出功率pw作为e
remain
(t)电储能剩余容量最小的约束条件，此时可以得出的多目标优化控制模型如下：
[0077][0078]
对以上建立的多目标优化控制模型进行求解的难点在于可能产生不可行解，即约束条件的处理。采用一种基于改进的混合粒子群优化算法求解非线性约束规划方法，稳定性好，简单容易实现而且功能强大，易于掌握，对于多维非线性、复杂的问题求解具有普遍适用性。
[0079]
由于多能流系统考虑的约束问题更多，问题更复杂，解决起来更困难，是一种典型的混合整数非线性规划问题，对于这种问题，通常可以采用智能算法进行求解，可以采用一种基于改进的混合粒子群优化算法求解非线性约束规划方法，该算法利用具有全局搜索功能的粒子群优化算法提供了一个较好的初始值，从而提高收敛速度和求解精度，其数学模型如下
[0080][0081]
式中，w表示惯性权重；c1、c2分别为例子跟踪自身搜索的历史最优解p
id
(k)和跟踪粒子群搜索的最优解p
id
(k)的权重系数；γ1、γ2式[0,1]区间内均匀分布的随机数；α为约束因子，通常取1；v
id
(k 1)、x
id
(k 1)分别表示第i个位数为d的粒子第k次迭代更新之后粒子的飞行速度和所处位置。该算法收敛速度快，收敛精度高，迭代次数少，跳出局部最优解的能力强，为解决电力系统最优潮流计算提供了一种新的思路和方法。
[0082]
其次，考虑可再生能源特性与当地负荷需求特性，结合多能流的传输、存储和转换过程中的互补特性，协调系统中包含风热机组、光伏发电装置与储能等的分布式能源。
[0083]
建立分布式混合供能的多能流系统的内部节点功率平衡式，节点功率平衡式如下：
[0084][0085][0086]
式(1)和式(2)分别表示风电机组部分、电热锅炉部分，风电机组实际发电量；风力发电量；弃风电量；为损耗电量；电锅炉耗电量；电锅炉启动电量；η
in
耗电效率，将节点功率平衡式作为条件带入优化算法中；经过优化算法，可以保证系统频率稳定在规定范围内；在保证用户侧负荷曲线波动性最小的前提下，以风力发电输出功率及热负荷功率为约束条件，保证储热储电的剩余容量最小，再在考虑分时电价的情况下，使系统运行成本最小。
[0087]
本发明具体实施例中针对其热力系统中的热量传输与存储过程，研究其与电力系
统运行特性兼容的阻、容、延迟特性。考虑风热机组的能量转换动态特性，通过人机交互子系统配置基于配电网的分布式混合供能底层数据，建立相应的热量流部件模型，结合系统整体拓扑结构，构建包含风电机组、电制热及热储能装置的多能流控制系统的统一模型。
[0088]
可选地，经有线专网或者无线公网，在规约转换设备下，正常获取风热机组、分布式发电、储热装置的基础采集数据；配电主站系统平台实时库和商用库存储远方上送数据，人机界面展示风热机组的实时遥测，遥信数据；分布式混合供能系统通过实时数据以及历史数据，根据协调优化和多能流优化控制，提供滚动的预测方案数据；数据交互子系统提取数据库中风热机组数据利用平台数据服务总线发送到主网系统，主网和省调之间基于数据中心建立通讯链路，上报到省调自动控制系统，自动控制系统根据统一模型，建立多能流系统多目标优化控制模型；对所述多能流系统多目标优化控制模型进行求解获得多能流系统优化控制方案，根据控制方案生成控制指令。
[0089]
自动控制系统经过电网断面计算并下发控制指令到数据交互系统，最终生成计划数据曲线；自动控制子系统以计划数据为基础，滚动预测方案数据为依据，结合当前电网断面数据和电网频率，实时发送控制命令到风热机组，同时采集风热机组、分布式发电、储热装置状态数据和实时功率数据，提供下一周期优化算法的基础数据，实现区域内冷、热、电能源综合供应。
[0090]
现场试运行阶段，根据系统实际运行情况及随机自然条件，完善控制策略。
[0091]
本发明构建含风电、储能、电制热系统的多能流优化配置模型，对分布式混合供能系统进行优化配置。考虑分布式混合供能系统中多能流耦合互补特性与风热机组能量转换效率的动态特征，能够满足配电网分配的调峰需求；同时兼顾分布式混合供能系统总体能效，在满足用户需求的同时，实现分布式电网热电联供，对系统全局的优化控制，提升系统运行控制水平，缓解常规冷热负荷用电高峰，提高能源综合利用效率。
[0092]
与以上实施例相对应地，本发明还提供了含风热机组的多能流系统优化控制装置，其特征在于，包括：统一模型确定模块、多目标优化控制模型确定模块以及求解优化模块；
[0093]
所述统一模型确定模块，用于构建多能流系统的统一模型，所述统一模型包括风力发电模型、储能设备模型以及电制热装置模型；
[0094]
所述多目标优化控制模型，用于根据统一模型，建立多能流系统多目标优化控制模型；
[0095]
所述求解优化模块，用于对所述多能流系统多目标优化控制模型进行求解获得多能流系统优化控制方案。
[0096]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置/模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0097]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0098]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程
图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/ 或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0099]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0100]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0101]
以上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。