一种综合能源系统优化控制方法与流程

1.本发明涉及综合能源优化控制领域，尤其涉及一种综合能源系统优化控制方法。


背景技术：

2.产业园或居民集中居住区内电、热、气综合能源应用技术越来越广泛。电、热、气能源技术囊括电热泵(electric heat pumps，ehp)、热电联产(combined heat and power，chp)、然气锅炉、电储能(electrical energy storage，ees)、热储能(thermal energy storage，tes)、太阳能光伏(solar photovoltaic systems，pv)系统。优化控制综合能源网络内部能源输出设备的优化组合，可以实现综合能源网络最大化的节约成本，以便为更加广泛的区域提供能源服务。多能源综合优化控制可以通过管理chp、ehp、储能和其他分布式发电设备的预先设定值(unit commitment，uc)来实现，涉及到区域内配电、供热、然气和其他网络的耦合问题。需要完成区域内多能设备的优化建模研究，涉及到电、热、气不同能源网络及空间、多矢量相互作用的复杂耦合。


技术实现要素：

3.本发明的目的是通过分析综合能源网络内部优化运行的实际工况，并考虑到电、热、气网络设备运行的不确定性及局限性，提出一种混合整数线性规划框架模型，在考虑综合能源网络中不同能源设备的不确定性及电力网、热力网及然气网模型同时，实现综合能源网络的优化控制。
4.为了实现上述目的，本发明采用了如下技术方案：
5.一种综合能源系统优化控制，包括以下步骤：
6.s1：根据当前区域能源价格、区内能源需求、设备特性参数及能源网络运行参数，忽略网络参数，求解混合整数线性规划模型得出系统内设备的预先设定值的初始估算值；
7.s2：将获取的综合能源系统变量传递给网络优化运行模型，利用随机混合整数线性规划，引入综合约束模型评估优化网络的运行状态，并在满足能源优化网络约束规则的前提下，估算出综合成本；
8.s3：判定此时设备预先设定值是否收敛，是则输出优化模型运行的具体预先设定值组合及能源网络数据，否则，继续回到优化模型，执行线性逼近计算，直到获得综合能源系统优化运行状态参数。
附图说明
9.图1为本发明所提出方法的步骤流程图；
10.图2为本发明实施例能源网络示意图；
11.图3为本发明动态价格时能源优化调度示意图；
12.图4为本发明为能源拥堵时功率趋势。
具体实施方式
13.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
14.一种综合能源系统优化控制方法，包括以下步骤：
15.s1：根据当前区域能源价格、区内能源需求、设备特性参数及能源网络运行参数，忽略网络参数，求解混合整数线性规划模型得出系统内设备的预先设定值的初始估算值
16.s2：将获取的综合能源系统变量传递给网络优化运行模型，利用随机混合整数线性规划，引入综合约束模型评估优化网络的运行状态，并在满足能源优化网络约束规则的前提下，估算出综合成本
17.s3：判定此时设备预先设定值是否收敛，是则输出优化模型运行的具体预先设定值组合及能源网络数据，否则，继续回到优化模型，执行线性逼近计算，直到获得综合能源系统优化运行状态参数
18.进一步的，步骤s1中的混合整数线性规划模型以综合能源内能源成本最小化为优化目标，所述优化目标函数具体形式为：
[0019][0020]
式中，c表示能源总成本；ωs表示s场景的权重系数；πeis代表从外部电网购入电力价格；πeos代表从综合能源网络输出电力价格；表示购入电力功率；表示输出电力功率；πgis表示燃气单价；表示燃气功率；pf表示惩罚成本；表示热电联产机组电功率；表示热电联产成本系数；表示电热泵热功率；表示电热泵成本系数；表示光伏发电成本；表示燃气锅炉热功率；表示燃气锅炉成本系数；表示电储能成本；表示热储能成本；
[0021]
进一步的，步骤s1中的混合整数线性规划模型引入储能、额外周期约束、作业不确定性，具体形式为：
[0022]
燃气锅炉的热功率输出，表示为锅炉入口燃气量和锅炉转换效率之间的函数，如(2)所示，燃气锅炉的热功率输出被限制在(3)式范围内：
[0023][0024][0025]
式中，表示燃气锅炉进气功率；表示燃气锅炉转换效率；表示燃气锅炉的最大热功率。
[0026]
chp装置的电功率采用典型非线性电效率和热效率函数表示，如(4)和(5)，式(6)为功率输出限制，(7)式表示等效机组爬坡约束：
[0027][0028][0029][0030][0031]
式中，为整形变量，取值0.5；为热电联供机组的进气功率；线性化系数；表示机组爬坡率；表示热电联产机组的最小电功率；表示热电联产机组的最大电功率。
[0032]
ehp装置的热功率输出模型、输出范围限制和机组爬坡约束分别为(8)、(9)和(10)：
[0033][0034][0035][0036]
式中，表示ehp输入功率；表示ehp机组转换效率；表示电热泵的最大热功率；表示电热泵爬坡率。
[0037]
光伏发电输出取决于区域太阳能及转换效率，如(11)所示：
[0038][0039]
式中，为光伏输出电功率；表示光伏转化功率；表示光伏发电转换效率。
[0040]
式(12)和(13)分别为ees和tes的时变功率输出和输入模型，其与各自的电量soc相关，soc的范围如(14)和(15)所示，储能充放电受爬坡约束如(16)和(17)所示，此处储能设备不考虑同时充放电：
[0041][0042][0043][0044][0045][0046]
[0047]
式中，为电储能输出电功率；为电储能输入电功率；为热储能输出热功率；为热储能输入热功率；表示b位置s状态的ees功率；表示b位置s-1状态的ees功率；soc min
ees
、soc max
ees
分别表示电储能的最小功率值和最大功率值；表示b位置s状态的tes功率；表示b位置s-1状态的tes功率；分别表示热储能的最小功率值和最大功率值；表示电储能爬坡率；表示热储能爬坡率。
[0048]
功率平衡建模从建筑层面、区域内综合能源网络和地区级能源网络层面分别进行建模，其中，在建筑层面，所有电热气功率均由所处区域内综合能源网络进行平衡，如(18)、(19)和(20)所示：
[0049][0050][0051][0052]
式中，表示建筑物的电功率需求；表示建筑物的电功率输出量；表示建筑物的电功率输入量；表示ees输出效率；表示ees输入效率；表示建筑物的热功率需求；表示建筑物的热功率输出；表示建筑物的热功率输入；表示tes输出效率；表示tes输入效率；表示建筑物的燃气功率输入量；gd
b，s
表示建筑物的燃气功率需求。
[0053]
同时考虑到一个地区可以由多个综合能源网络组成，功率可以借助于公共连接点或者变电站完成能源网络级别的平衡，式(21)、(22)是地区内电力和热力能源网络模型：
[0054][0055][0056]
式中，表示网络内的电功率输入量；表示网络内的电功率输出量；ben(ne)表示网络内的电负荷建筑物集合；表示网络内的热功率输入量；bhn(nh)表示网络内的热负荷建筑物集合；表示对应的网络内电、热功率损失。
[0057]
同时，在地区层面，不同能源网络的净能量由上级能源系统进行平衡，该层面的电力和然气平衡的方程式建模如式(23)、(24)：
[0058][0059][0060]
式中，表示地区内的电功率输入量；表示地区内的电功率输出量；表示地区内的燃气功率输入量；表示对应的燃气损失；bgn(ng)表示网络内的气负荷建筑物集合。
[0061]
进一步的，步骤s2中的随机整数线性规划模型为确保该模型应对综合能源网络工作的不确定性时，同样具有较好的鲁棒性、灵活性，模型需要综合考虑电网n-1安全因素，具体形式为：
[0062]
式(18)符合区域内配电网系统的n-1完全因素，增加如式(25)所示的预置电力鲁棒约束集、式(26)热负荷需求约束集及式(27)太阳能发电约束集，同时考虑跨期约束的专用工况的同时，对其进行建模，其中，跨期约束包括机组爬坡约束和储能设备soc加权和：
[0063][0064][0065][0066]
式中，rced(b,s)表示预置电力鲁棒约束集；rchd(b,s)表示热负荷需求约束集；rchd(s)表示太阳能发电约束集。
[0067]
进一步的，步骤s3中的综合能源网络优化控制模型，利用区域综合能源系统包含的电、热、气能源网络的功率雅可比矩阵，建立综合能源网络的耦合模型，将电、热、气能源网络独立耦合建模，并采用牛顿法迭代计算电网电压及角度、热力网流量、然气网压力及温度，完成解耦求解，以便获得综合能源网络优化控制模型，具体形式为：
[0068]
电力网基于有功及无功节点潮流方程进行建模，如式(28)和(29)：
[0069][0070][0071]
式中，表示有功功率；表示无功功率；v
i，s
、v
j，s
表示节点电压；g
i，j，s
和b
i，j，s
分别表示网络的电导矩阵和电纳矩阵；θ
i，s
、θ
j，s
表示节点的相角。
[0072]
热力网根据节点平衡及管网累计损耗，完成建模，如式(30)和(31)：
[0073][0074]
[0075]
式中，cp表示水热系数；表示热水量；ts
i,s-tr
i,s
表示水流温度差；lh
i,j
表示管网长度；表示管网阻力系数；dh
i,j
表示管网直径大小；
[0076]
然气网基于节点平衡、管压压降和管网累计损耗进行建模：
[0077][0078][0079]
式中，fm2w表示然气流量到功率的转换系数；表示质量；p
i,s
、p
j,s
表示节点气压；表示气流量；lg
i,j
表示燃气管网长度；ρg
i,j
表示燃气密度；dg
i,j
表示管网直径大小。
[0080]
进一步的，步骤s3中的二阶段迭代逼近法，二阶段迭代逼近法指的是基于损耗和能源网络极限约束，进行分段线性估计与迭代逼近计算，其具体步骤为：
[0081]
首先，用2.1节的优化目标模型完成区域的运行估计，用综合能源网络模型估计损耗和网络限制约束；其次，区分出电、热和气网络各自的能量损失和网络约束，对于热电联产和燃气锅炉在不同温度时输出的热量功率，需要额外区分损耗及限制约束；最后，使用线性约束的微分参数kfd和线性约束的独立参数kfc建立当前线性约束的近似值，并将惩罚变量(xpf)剔除：
[0082][0083]
式中，kfds为线性约束微分参数；kfcs为线性约束独立参数；pfs为惩罚变量。
[0084]
为进一步提高迭代逼近计算运行效率及可行性，在进行迭代过程中，调整线性约束的独立参数kfcs，使解更接近线性分段估计值，kfcs调整策略如下：
[0085]
(1)预先定义算法的收敛准则：1)便于更准确地估计损失；2)尽量减少违反约束的程度；3)仅当其最高值低于平均约束值时，才更新约束值；
[0086]
(2)根据网络约束和损失来定义基线条件，并调整kfc，使线性约束与综合网络模型仿真结果相匹配，并将该线性约束包含进下一个优化迭代中；
[0087]
(3)如果新产生的uc满足所有收敛准则，表明模型的结果正在收敛，则重复(2)；否则，将基线和新数据之间的线性插值作为kfc的新值，同时，将新的约束集添加到优化所使用的约束集中，并重复步骤(3)；如果新的uc在精度阈值范围内保持不变，则终止执行；
[0088]
(4)如果迭代优化的输出与功率损耗相匹配，并且没有超过网络约束限制，则认为uc可行。
[0089]
实施例1
[0090]
参照图2，实验综合能源区域内有24座厂房建筑，年总电力功率需求27gwh(峰值功率5.8mw)，热功率需求16gwh(峰值功率10.5mwh)，区域内包括有13节点的电力网、36节点的热力网及37节点的然气网，见图2。该区域内电热泵装机容量为2.6mw，热电联产装机容量为
2.5mw，光伏发电装机容量为3.6mw，然气锅炉装机容量为23mw。综合能源网络模型和二阶段迭代逼近法以最大误差0.0001为终止准则。
[0091]
参照图1，一种基于工业园区用电的综合能源规划方法，包括以下步骤：
[0092]
s1：根据当前区域能源价格、区内能源需求、设备特性参数及能源网络运行参数，忽略网络参数，求解混合整数线性规划(milp)模型得出系统内设备的预先设定值(unit commitment，uc)的初始估算值。
[0093]
s2：将获取的综合能源系统变量传递给网络优化运行模型，利用随机混合整数线性规划，引入综合约束模型评估优化网络的运行状态，并在满足能源优化网络约束规则的前提下，估算出综合成本。
[0094]
s3：判定此时设备预先设定值是否收敛，是则输出优化模型运行的具体预先设定值组合及能源网络数据，否则，继续回到优化模型，执行线性逼近计算，直到获得综合能源系统优化运行状态参数。
[0095]
选取全年中一个具有代表性的高峰工作日，区域内的负载功率需求都按照正常功率需求进行运行，图3为动态电力价格时的能源优化调度图。综合考虑电费价格的波动因素，未对该区域综合能源网络进行优化控制之前，该区域当日电费达到约25.2万元，通过综合优化区域综合能源网络的chp机组、ehp机组及可控储能装置之后，同时，优化热力及然气网机组功率出力，同时对储能装置进行适当的充放电控制，弥补一部分电力网功率输出需求，此时，电费可以降低到23.4万元，节省综合成本约1.8万元，降幅约7％。
[0096]
维持区域内负载能源需求不变，人为降低电力、热力和然气网的固定容量，来模拟验证该优化控制模型应对能源网络拥塞时的实用性。表1列出了应对综合能源优化控制约束之后，区域内ees和tes具有不同渗透率大小时，对应的特定日期对应的能源成本。从表中可以看出，优化约束ees及tes的配置之后，可以降低能源网络拥塞时的运营成本，同时，优化改变不同的ees及tes配置约束，会产生不同的运营成本结果。
[0097]
表1不同ees和tes渗透率日能源成本
[0098][0099]
由于人为控制电力、热力和然气网的固定容量，区域内能源均衡将会更加依赖综合能源网络优化控制。图3中，在电价高位时间段优化热电联产机组的调度控制，进而降低电力成本，恰恰也说明这一点。图4更加表明，在应对能源网络拥堵时，该优化模型同样通过优化ehp、chp及ees，可以满足电力网的约束条件，使用户需求达到平稳。
[0100]
表2不同ees和tes渗透率柔性约束下的成本
[0101][0102]
由于负荷实际需求、发电量及其他机组参数与假设值存在一定的出入，故确定性假设工况并不能代表实际工况。因此，还需要对优化模型应对不确定性工况时的鲁棒性和灵活性约束进行验证。实验中利用最大或者最小的电力及热量需求、最高或者最低的发电量输出两个极端工况，验证优化模型的鲁棒约束。每个工况时间段优化得到5至9个柔性约束条件，表2同样列出了在不同ees及tes组合时优化能源消耗成本。其中(value of perfect information，vpi)代表完全工况情况下的预期成本。
[0103]
表2实验结果表明，随着工况不确定性水平的提高，能源消耗预期成本具有同步增长的趋势。然而，通过优化综合能源控制模型，增加ees及tes的配置灵活性，达到应对不确定性工况时的成本约束效果。还可以看出，将柔性约束的数量从5个增加到9个之后，预期成本基本保持不变。从vpi成本可以看出，增加柔性约束的数量有助于节约成本，尤其是应对ees及tes的0渗透率时，效果更加明显。
[0104]
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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。