计及跟踪性及不确定性的综合能源系统分布鲁棒配置方法

1.本技术涉及综合能源系统配置优化技术领域，尤其涉及一种计及跟踪性及不确定性的综合能源系统分布鲁棒配置方法。


背景技术：

2.能源是人类赖以生存与发展的基础，是整个国民经济的命脉，与此同时，传统化石能源在发展过程中所产生的环境压力也不断增加，如何在确保社会能源可持续供应的基础上减少产能过程的环境污染问题，愈发受到重视。为此，综合能源系统能够根据用户冷、热、电实际负荷需求，进行“量身定制”，能够在系统规划、运行中实现不同能源的优势互补，从而有助于可再生分布式能源的大规模接入与高效利用，提高能源的综合利用效率，是新一代电力系统中不可或缺的组成部分，是能源领域未来重要的战略方向。
3.综合能源系统的配置优化问题是系统调度、控制的基础，在以往的配置优化研究中，研究者主要考虑系统配置方案的能效性、经济性等评价指标，然而，当系统配置方案完成后，设备的动态特性也基本确定，导致系统的调度与控制难以有充足的优化空间。
4.除此之外，在综合能源系统配置阶段，面临着多种不确定因素，如用户需求的不确定、可再生能源出力的不确定、市场外部条件的不确定等等。光伏、风电等可再生能源的渗透率不断增加，可再生能源出力不确定性对整个系统的影响也逐渐增大，整个系统的平稳运行面临更大的考验。为了系统的稳定性、经济性，在配置阶段，如何处理可再生能源出力的不确定性也是当下研究的热点问题。


技术实现要素：

5.本技术提供了一种计及跟踪性及不确定性的综合能源系统分布鲁棒配置方法，其技术目的一是规避传统稳态优化方法忽视其动态过程所导致的弊端，二是改进以往随机优化配置结果过于理想化的效果。
6.本技术的上述技术目的是通过以下技术方案得以实现的：
7.一种计及跟踪性及不确定性的综合能源系统分布鲁棒配置方法，包括：
8.构建冷热电综合能源系统中各个设备的数学模型，根据所述数学模型构建各个设备的单回路反馈调节系统，根据所述单回路反馈调节系统得到谐振频率；
9.通过所述谐振频率构建反映各个设备出力变化及动态响应速度的频域动态指标；
10.根据可再生能源实际出力与预测出力，对可再生能源误差分布的概率分布进行拟合，生成基础场景，通过聚类方法对基础场景进行缩减得到代表性场景及其对应的不确定性因素的概率分布；
11.构建所述综合能源系统的分布鲁棒配置优化模型，则所述分布鲁棒配置优化模型的目标函数包括经济性指标、频域动态指标和环保性指标，约束条件包括能量平衡约束和设备特性约束；
12.向所述分布鲁棒配置优化模型输入初始参数，根据地域负荷和代表性场景的场景
值，通过列与约束生成算法对所述分布鲁棒配置优化模型进行求解，得到求解结果；
13.根据实际需求结合所述求解结果选择最合适的综合能源系统的设备容量配置方案。
14.本技术的有益效果在于：
15.(1)本技术在综合能源系统配置优化阶段，综合考虑了源侧出力的不确定性和设备的动态跟踪性能，构建了分布鲁棒配置优化模型及其求解方法。本技术所公开的配置优化方法，相较于之前的随机优化方法而言，既能够更为全面地考虑配置优化方案的动态特性，同时考虑了概率分布的不确定性，提高整个综合能源系统配置方案的鲁棒性。
16.(2)本技术充分考虑了异质能源时间尺度上的差异，相较于传统的规划设计方法而言，更注重热、冷负荷的供能设备的动态差异，满足用户的多元负荷需求。
17.(3)本技术运用列与约束生成算法对上述分布鲁棒配置优化模型进行求解，处理了 min-max-min问题的求解难题。
附图说明
18.图1为本技术所述方法的流程图；
19.图2为具体实施例中冷热电综合能源系统的结构示意图；
20.图3为具体实施例中所使用的宾馆冷热电负荷曲线；
21.图4为列与约束算法求解的流程示意图；
22.图5是分布鲁棒配置优化模型求解得到的运行优化示意图。
具体实施方式
23.下面将结合附图对本技术技术方案进行详细说明。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。
24.如图1所示，本技术所述的计及跟踪性及不确定性的综合能源系统分布鲁棒配置方法，包括：
25.s1：构建冷热电综合能源系统中各个设备的数学模型，根据所述数学模型构建各个设备的单回路反馈调节系统，根据所述单回路反馈调节系统得到谐振频率。
26.具体地，基于各个设备的数学模型，以临界比例带法整定pi控制器参数，建立各个设备的单回路反馈调节系统。
27.首先确定综合能源系统的结构，建立综合能源系统中各个设备的数学模型，如图2 所示，风力发电、微型燃气轮机、蓄电池等设备满足用户电需求，热泵、燃气锅炉与储热罐联合满足用户的热负荷需求，溴化锂制冷机、电制冷机和储冷罐等制冷设备满足用户的冷负荷需求。
28.微型燃气轮机将电功率作为反馈信号，空气源热泵以换热出水温度作为反馈信号，燃气锅炉以锅炉出水温度作为反馈信号，建立单个设备的单回路反馈调节系统，其传递函数表示为：
[0029][0030]
其中，g(s)表示单个设备的单回路反馈调节系统的传递函数模型；y(s)表示单回
路反馈调节系统的输出信号，r(s)表示单回路反馈调节系统的设定值；ga(s)表示单回路反馈调节系统的调节器；go(s)表示单回路反馈调节系统的被控对象。
[0031]
上述单回路反馈调节系统中的控制器为pi控制器，pi控制器参数采用临界比例带法进行整定，假定pi控制器表达形式如式(2)所示，其具体的参数整定步骤总体分为以下三步：首先，在纯比例作用下，求解合适的临界比例带δk，使得控制回路实现等幅振荡，即频率特性曲线经过(-1，j0)点。在得到临界比例带值与临界周期值后，按照临界比例带法参数计算公式，内回路pi控制器参数选取为δ＝2.2δk，ti＝0.85tk。按照临界比例带求出调节器的整定参数值后，再观察控制系统的响应过程，根据调节过程的衰减曲线对调节器参数进行调整。
[0032][0033]
s2：通过所述谐振频率构建反映各个设备出力变化及动态响应速度的频域动态指标。
[0034]
具体地，采用p、mr和谐振频率ωr的乘积作为各个设备的频域可控性指标，则频域动态指标表示为：
[0035][0036]
其中，fc表示综合能源系统的频域动态指标；nd表示设备的类型总数，个；n
t
表示设备运行的总时段，h；表示编号为nd的设备在t时刻的功率输出值，kw；m
r,nd
表示编号为nd的设备的谐振峰值，db；ω
r,nd
表示编号为nd的设备的谐振频率，rad/s。
[0037]
s3：根据可再生能源实际出力与预测出力，对可再生能源误差分布的概率分布进行拟合，生成基础场景，通过聚类方法对基础场景进行缩减得到代表性场景及其对应的不确定性因素的概率分布。
[0038]
具体地，根据可再生能源预测误差的概率分布生成累积分布函数，而后通过多元标准正态抽样对累积分布函数进行逆抽样，生成具有时间相关性的基础场景。其具体操作如下：1)通过多元标准正态分布矩阵生成的随机数序列，其服从标准正态分布n(0,1)； 2)通过标准正态分布的累积分布函数得到上述随机数对应的概率值，概率值服从均匀分布u(0,1)；3)通过概率值对拟合的累积分布函数进行逆抽样，生成n个基础场景。而后，采用k-means聚类方法对大量基础场景进行聚类，获得具有代表性的若干个场景及其对应的概率值。
[0039]
s4：构建所述综合能源系统的分布鲁棒配置优化模型，则所述分布鲁棒配置优化模型的目标函数包括经济性指标、频域动态指标和环保性指标，约束条件包括能量平衡约束和设备特性约束。
[0040]
具体地，以系统规划设计经济性指标、基于频域分析的频域动态指标与环保性指标等综合最优为优化目标，构建综合能源系统的分布鲁棒配置优化模型。其中，经济性指标主要为规划设备的初始投资成本、运行维护成本以及运行过程中的燃料消耗成本等，频域动态指标主要为各个设备的频域动态性能指标之和，环保性指标主要用以计算以co2排放
量和nox排放量为代表的系统污染物排放总量。
[0041]
则目标函数的具体表达式表示为：
[0042][0043]
其中，表示维度为1
×
nd的投资成本系数向量，表示维度为1
×
nd的运行成本系数向量，表示维度为1
×
nd的燃料成本系数向量，表示维度为1
×
nd的惩罚系数向量，表示维度为1
×
nd的co2排放系数向量，表示维度为1
×
nd的nox排放系数向量，表示维度为1
×
nd的谐振频率系数向量；w1表示经济性指标的权重值，w2表示环保性指标的权重值，w3表示动态性能指标的权重值；cap表示各个设备的容量，维度为nd
×
1；表示各个设备的输出功率，维度为nd
×
1；表示各个设备输出功率与设定值之间的偏差向量；表示各个设备的燃料消耗量向量，维度为nd
×
1；ps表示第s 个场景的概率分布值；ns表示总的场景数(个)；mr表示谐振峰值。
[0044]
所述能量平衡约束包括电能平衡约束、热能平衡约束和冷能平衡约束，表示为：
[0045][0046]
其中，表示微型燃气轮机设备的电输出功率；表示光伏设备的电输出功率；表示风机设备的电输出功率；表示蓄电池的放电功率；表示蓄电池的充电功率；表示热泵的耗电功率；表示电制冷机的耗电功率；表示热泵设备的热输出功率；表示供热锅炉的热输出功率；表示储热罐设备的放热功率；表示储热罐设备的储热功率；表示溴化锂制冷机的冷输出功率；表示电制冷机的冷输出功率；表示储冷罐放能的冷输出功率；表示储冷罐储能的冷输出功率；表示用户的电负荷；表示用户的热负荷；表示用户的冷负荷；表示蓄电池的放电状态；表示蓄电池的充电状态；表示蓄热罐的放热状态；表示蓄热罐的储热状态；表示储冷罐的放热状态；表示储冷罐的储热状态。
[0047]
所述设备特性约束包括微型燃气轮机模型特性约束、热泵设备特性约束、燃气锅炉设备特性约束、溴化锂制冷机设备特性约束、电制冷机设备特性约束、蓄电池特性约束、储热罐设备特性约束和储冷罐设备特性约束。
[0048]
所述微型燃气轮机模型特性约束主要包括微型燃气轮机的功率上下限约束与能量转换约束，表示为：
[0049][0050]
其中，表示微型燃气轮机的功率输出的下限；表示微型燃气轮机的功率输出的上限；表示微型燃气轮机运行所需的天然气热量；表示微型燃气轮机的热功率；η
mgt
表示微型燃气轮机发电效率。
[0051]
所述热泵设备特性约束主要包括热泵设备的功率上下限约束与能量转换约束，表示为：
[0052][0053]
其中，表示热泵运行过程中的热输出功率的下限；表示热泵运行过程中的热输出功率的上限，cop
hp
表示热泵设备的能效系数。
[0054]
所述燃气锅炉设备特性约束主要包括燃气锅炉设备的功率上下限约束与能量转换约束，表示为：
[0055][0056]
其中，表示燃气锅炉运行过程中的供热功率下限；表示燃气锅炉运行过程中的供热功率上限，表示天然气供给锅炉运行的热量；η
gb
表示燃气锅炉热效率。
[0057]
所述溴化锂制冷机设备特性约束主要包括溴化锂制冷机设备的功率上下限约束与能量转换约束，表示为：
[0058][0059]
其中，表示溴化锂制冷机冷输出功率的下限；表示溴化锂制冷机冷输出功率的上限，cop
ac
表示制冷设备的能效系数，表示供给溴化锂制冷机设备运行的热量。
[0060]
所述电制冷机设备特性约束主要包括电制冷设备的功率上下限约束与能量转换约束，表示为：
[0061][0062]
其中，表示电制冷机运行过程中的热输出功率的下限；表示电制冷机运行过程中的热输出功率的上限，cop
ec
表示电制冷设备的能效系数。
[0063]
所述蓄电池特性约束主要包括蓄电池设备的充放电功率上下限约束与容量约束，表示为：
[0064][0065]
其中，表示蓄电池充放电功率的下限，表示蓄电池充放电功率的上限；表示第j时刻的蓄电电量，表示第j-1时刻的蓄电电量；c
ess
表示蓄电池的容量；η
ess，ch
表示蓄电池的充电效率，η
ess，dis
表示蓄电池的放电效率。
[0066]
所述储热罐设备特性约束主要包括储热设备的储、放热功率上下限约束与容量约束，表示为：
[0067][0068]
其中，表示储热罐储热、放热功率的下限，表示储热罐储热、放热功率的上限；表示第j时刻的储热罐热容量，表示第j-1时刻的储热罐热容量；c
hss
表示储热罐的规划容量。
[0069]
所述储冷罐设备特性约束主要包括储冷设备的储、放能功率上下限约束与容量约束，表示为：
[0070][0071]
其中，表示储冷罐储能、放能功率的下限，表示储冷罐储能、放能功率的上限；表示第j时刻的储冷罐热容量，表示第j-1时刻的储冷罐热容量；c
css
表示储冷罐的规划容量。
[0072]
除了上述约束外，为了保证数据足够多时，使得概率分布能够收敛到真实的概率分布，增加1-范数和∞-范数约束，概率分布的置信度表示为：
[0073][0074]
和1-2nsexp(-2nmθ
∞
)分别表示概率分布ps基于1-范数和∞-范数所满足的置信度，p
s0
表示初始概率。为了方便表示，将和 1-2nsexp(-2nmθ
∞
)用α1和α
∞
表示，则θ1、θ
∞
进一步转化后如式(15)所示：
[0075][0076]
代表性场景的发生概率满足如式(16)所示的约束，表示为：
[0077][0078]
综上，综合能源系统的分布鲁棒配置优化模型表示为：
[0079][0080]
其中，cy≤x表示容量的不等式约束；dy≤d表示运行决策量的不等式约束，包括状态约束、设备特性约束中的上下限约束；ey＝e表示运行决策量的等式约束，包括各个设备的稳态出力特性等式约束和动态出力特性等式约束；jysξs mys＝j表示各个场景的能量平衡约束的统一描述。
[0081]
s5：向所述分布鲁棒配置优化模型输入初始参数，根据地域负荷和代表性场景的场景值，通过列与约束生成算法对所述分布鲁棒配置优化模型进行求解，得到求解结果。
[0082]
具体地，输入的初始参数为用户特定案例的数据，具体包括：用户特定案例的典型工况日的可再生能源设备的出力数据和典型工况日的冷热电负荷数据。
[0083]
然后，针对特定的地域负荷，通过列与约束生成算法对所述规划模型进行求解，由于上述问题属于np难解问题，商业求解器无法对其进行直接求解。因此，为了便于求解，本章将模型分为主问题(master problem,mp)和子问题(sub-problem,sp)，采用列与约束生成算法(c&cg)分阶段迭代求解。
[0084]
在已知的场景概率分布时,主问题求解满足系统整体目标函数最优的配置方案，其表达形式如式(18)所示，则主问题表示为：
[0085]
[0086]
求解得到主问题的最优解后,更新下界值为则子问题求解演化为在方案下的最大值最小值问题。由于所研究的子问题中，离散场景的概率值与子问题中的运行变量相互独立，因此，可以将子问题分两步求解，即先行求解内层最小值问题，再求解外层优化问题。子问题表示为：
[0087][0088]
将原问题拆分为主问题与子问题后，其具体的求解流程如图4所示，包括：
[0089]
step1：确定每个代表性场景的发生概率和初始概率p
s0
；
[0090]
step2：根据初始概率p
s0
求解主问题，通过gurobi求解器求取主问题的最优解后，更新下界值为将更新后的下界值代入子问题求解其最恶劣的概率分布；
[0091]
step3：按照概率分布的置信区间，构建概率分布的分布模型，先使用gurobi求解器求解子问题中的内层问题，再求解子问题中的外层问题，获得最恶劣情况下的概率值和目标函数值f
sp
(x
*
)，更新上界值为min{ub,ax
*
f
sp
(x
*
)}。
[0092]
step4：若|ub-lb|＜ε则返回子问题的最优解x
*
；否则，更新最恶劣的概率分布为更新n＝n 1，增加新的变量约束，返回至步骤step2。
[0093]
s6：根据实际需求结合所述求解结果选择最合适的综合能源系统的设备容量配置方案。
[0094]
具体地，通过选取不同目标的偏好或权重系数，对不同的容量配置方案进行选择，从而决定最终的综合能源系统中各个设备的容量配置方案。
[0095]
实施例1：
[0096]
本技术基于某地区宾馆的负荷数据为基础进行综合能源系统设备容量配置。该综合能源系统的结构如图2所示，其主要的供应能源为天然气，周边无其他热源影响，且不接入电网。所用的宾馆场景下春秋季冷、热、电典型工况日负荷如图3所示。本实施例中，综合能源系统中的设备经济性参数与其他计算参数如表1和表2所示。天然气的购买价格为2.2￥/m3。
[0097]
表1各设备经济参数表
[0098]
设备名称配置成本系数(元/kw)运行维护系数(元/kwh)寿命(年)mgt78000.076825bt8000.00185gb8500.00220hp12500.009720hst1000.001620ac12000.00820ec12500.009720cst1000.001620
[0099]
按照上述实施方案的具体步骤，对综合考虑源侧出力不确定性和设备动态性能的综合能源系统的分布鲁棒配置优化模型进行求解。
[0100]
整个分布鲁棒配置优化模型在求解过程中的循环优化结果如表3所示。在求解过程中，初始求解结果采用了初始确定的概率分布结果，其优化思路与以往的随机优化配置思路相同；从后续的迭代求解过程中可以看出，分布鲁棒配置优化模型能够在约束范围内不断地寻找最恶劣的概率分布，并通过不断增加新的割线来增加结果的鲁棒性，以保证在最恶劣的概率分布下结果的最优值。从循环结果的对比中可以看出，随机优化结果的最优解为0.7496，采用分布鲁棒优化后，综合结果最终收敛为0.7518，优化结果趋于保守，数值有所增加。
[0101]
表2其他技术参数表
[0102][0103]
分布鲁棒配置优化模型所求解的运行优化结果如图5所示，初始迭代和最终结果的配置结果对比如表4所示，从结果对比中可以看出，分布鲁棒配置优化后结果的经济成本有所增加，动态性能指标也略有增大。这主要是由于在分布鲁棒配置优化过程中，其在概率约束范围内寻找最恶劣的概率分布结果，并在不断的迭代过程中增加新的割线，使得整个方案更具有鲁棒性，能够适应概率约束范围内的最恶劣场景分布，经济成本和设备动态性能指标也不断增大。
[0104]
表3迭代收敛结果
[0105]
ccg循环次数123ub0.75210.75210.7520lb0.74960.75060.7518
[0106]
表4配置优化结果
[0107][0108]
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提出的其他实施例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书的保护范围为准。