一种多能微网的多时间尺度两阶段优化方法与流程

1.本发明涉及电力系统运行控制技术领域，尤其是指一种多能微网的多时间尺度两阶段优化方法。

背景技术：

2.多能微网是一种集成电、气、冷、热等多种能源形式的区域综合供用能系统，多能微网作为一种能够因地制宜、充分消纳本地可再生能源的新兴技术，能够通过将区域内的电能、天然气能源与分布式可再生能源进行统一调度来实现不同能源之间的优势互补，提升系统经济性和能源利用率。
3.目前，针对多能微网中源-网-荷-储各环节设备协调能力及运行经济性提升的协调优化已有一定的研究，但多能微网是一个高维度、强非线性的复杂系统，其多能源环节的深度耦合带来诸多益处的同时，其优化运行的难度也在不断提升。在多能微网的优化运行过程中，常需要依靠可再生能源和负荷处理的预测结果来对多能微网的调度计划进行优化改进，从而实现多能微网中源-网-荷-储各环节设备协调能力及运行经济性的提升。但在多能微网的实际运行过程中，可再生能源和负荷的出力具有随机波动性，可再生能源和负荷出力的预测准确度无法保障，也就会使得基于可再生能源和负荷出力预测结果获取的调度计划优化结果准确性无法保障。

技术实现要素：

4.本发明的目的是克服现有技术中的缺点，提供一种多能微网的多时间尺度两阶段优化方法，通过在获取可再生能源和负荷出力的预测信息后，在多时间尺度下对基于预测信息获取的系统调度计划进行优化，能够解决因可再生能源和负荷出力的预测准确度无法保障，获取的调度计划优化结果准确性不高的问题，能够有效降低预测误差与不确定性对调度计划优化结果带来的影响，保障多能微网的调度计划优化结果的准确性。
5.本发明的目的是通过下述技术方案予以实现：
6.一种多能微网的多时间尺度两阶段优化方法，包括：
7.获取多能微网中的能源子系统和耦合元件，基于获取的能源子系统和耦合元件构建多能微网数学模型，基于多能微网数据模型采集多能微网的实时量测数据；
8.基于实时量测数据获取多能微网的日前预测信息和日内预测信息，基于日前预测信息和日内预测信息分别构建日前优化调度模型和日内优化调度模型；
9.将多能微网的调度优化划分为日前优化调度阶段和日内优化调度阶段，并在日前优化调度阶段通过日前优化调度模型对多能微网的调度计划进行优化，基于日前优化调度阶段的优化结果在日内优化调度阶段通过日内优化调度模型对多能微网的调度计划进行二次优化。
10.进一步的，所述日前优化调度模型对多能微网的调度计划进行优化时，所述日前优化调度模型的目标函数表达式为：
[0011][0012]
其中：h1为多能微网在日前优化调度阶段一个调度周期内的系统运行成本，t为日前优化调度阶段的调度周期，t为运行时刻，为t时刻的购电成本，为t时刻的购气成本，为t时刻的运维成本。
[0013]
进一步的，所述日前优化调度模型的约束条件的表达式为：
[0014][0015]
其中：为t时刻多能微网与大电网的交换功率，分别为多能微网与大电网交换功率的上限和下限，为t时刻多能微网与天然气网的交换功率，为多能微网与天然气网交互功率的上限和下限，i为多能微网中的其中一个运行设备，为t时刻设备i的运行状态，为设备i的出力，分别为设备i出力的上限和下限。
[0016]
进一步的，基于日前优化调度阶段的优化结果在日内优化调度阶段通过日内优化调度模型对多能微网的调度计划进行二次优化时，所述日前优化调度模型的目标函数表达式为：
[0017][0018]
其中：h2为多能微网在日内优化调度阶段一个调度周期内的系统运行成本，t0为日内优化调度阶段的起始时刻，δt为日内优化调度阶段的调度周期，d为日内调度阶段内调度周期的个数，为t时刻的分时电价，为t时刻的分时气价，为购电功率，为购气功率，h
ng
为天然气热值，为t时刻设备q的启停状态，为t-1时刻设备q的启停状态，n为多能微网中的设备数量，q为多能微网中的其中一个运行设备，为t时刻设备q启停惩罚费用。
[0019]
进一步的，步骤三中根据日前优化调度模型以及日内优化调度模型进行多能微网的调度优化时，将多能微网的调度优化划分为第一时间尺度和第二时间尺度，在第一时间尺度内利用日前优化调度模型进行调度优化，并将第一时间尺度进行优化的时间间隔根据第二时间尺度进行划分，并以根据第二时间尺度划分得到的时间间隔内通过日内优化调度模型对系统状态进行调整。
[0020]
进一步的，所述在第一时间尺度内利用日前优化调度模型进行调度优化的具体步骤包括：
[0021]
1.1，采集多能微网的实时量测数据，并基于实时量测数据获取多能微网的新能源
出力以及负荷数据的日前预测获取系统调度计划的最优解；
[0022]
1.2，通过日前优化调度模型对最优解进行优化，求得并执行第一个预测域内t0时刻至t0+δt的系统调度计划；
[0023]
1.3，将预测域向前移动一个时间间隔δt，重新获取实时量测数据以及系统运行状态，基于重新获取的实时量测数据以及系统运行状态预测当前调度周期对应的多能微网的新能源出力以及负荷数据，获取当前调度周期内系统调度计划的最优解；
[0024]
1.4，通过日前优化调度模型对最优解进行优化，获取当前调度周期的系统调度计划并执行，返回步骤1.3，获取并执行下一调度周期的系统调度计划，直至获取并执行所有时段的系统调度计划。
[0025]
进一步的，在根据第二时间尺度划分得到的时间间隔内通过日内优化调度模型对系统状态进行调整的过程中，将第一时间尺度内每个调度周期间的时间间隔δt均分为x个更小的时间间隔δt
x
，并基于时间间隔δt
x
通过日内优化调度模型根据实时量测数据对第一时间尺度内获取的系统运行状态进行优化。
[0026]
进一步的，在第一时间尺度内利用日前优化调度模型进行调度优化时，日内优化调度模型以系统运行费用、机组启停惩罚费用最小为优化的目标函数，在第二时间尺度内利用日内优化调度模型进行调度优化时，日内执行调度模型以机组启停惩罚费用最小为目标函数。
[0027]
进一步的，所述多能微网数学模型包括多能微网电力系统数学模型、多能微网热力系统数学模型、多能微网天然气系统数学模型和耦合元件的电热气联合模型。
[0028]
本发明的有益效果是：
[0029]
将多能微网的调度优化划分为日前优化调度阶段和日内优化调度阶段，在日前优化调度阶段，在较大时间尺度上，协调多能微网中多种能源互补互济，提高了系统运行整体经济性；并在日内优化调度阶段，在较小时间尺度上，基于模型预测控制，实现短期预测、滚动优化和反馈校正，降低了新能源出力不确定性对于多能微网的调度计划优化的影响。
附图说明
[0030]
图1是本发明的一种流程示意图；
[0031]
图2是本发明实施例的一种在日前优化调度阶段和日内优化调度阶段对多能微网的调度优化过程示意图。
具体实施方式
[0032]
下面结合附图和实施例对本发明进一步描述。
[0033]
实施例：
[0034]
一种多能微网的多时间尺度两阶段优化方法，如图1所示，包括：
[0035]
获取多能微网中的能源子系统和耦合元件，基于获取的能源子系统和耦合元件构建多能微网数学模型；
[0036]
获取多能微网的日前预测信息和日内预测信息，基于日前预测信息和日内预测信息分别构建日前优化调度模型和日内优化调度模型；
[0037]
将多能微网的调度优化划分为日前优化调度阶段和日内优化调度阶段，并在日前
优化调度阶段通过日前优化调度模型对多能微网的调度计划进行优化，基于日前优化调度阶段的优化结果在日内优化调度阶段通过日内优化调度模型对多能微网的调度计划进行二次优化。
[0038]
在日前优化调度阶段和日内优化调度阶段对多能微网的调度优化过程具体如图2所示，在日前优化调度阶段，其调度周期为t＝24h，能够获取当天的整体系统调度计划。并在日内优化调度阶段基于获取的整体系统调度计划进行二次优化，在日内优化调度阶段的过程中，能够基于实时量测数据和预测结果进行实时滚动优化，实现在不同时间尺度下的优化。
[0039]
具体的，在日前优化调度阶段，主要以系统运行的经济性作为优化目标，因此在通过所述日前优化调度模型对多能微网的调度计划进行优化时，所述日前优化调度模型的目标函数表达式为：
[0040][0041]
其中：h1为多能微网在日前优化调度阶段一个调度周期内的系统运行成本，t为日前优化调度阶段的调度周期，t为运行时刻，为t时刻的购电成本，为t时刻的购气成本，为t时刻的运维成本。
[0042]
在进行多能微网的调度优化时，需要维持电、气、冷、热能源的功率平衡，基于此要求确定所述日前优化调度模型的约束条件，且所述日前优化调度模型的约束条件的表达式为：
[0043][0044]
其中：为t时刻多能微网与大电网的交换功率，分别为多能微网与大电网交换功率的上限和下限，为t时刻多能微网与天然气网的交换功率，为多能微网与天然气网交互功率的上限和下限，i为多能微网中的其中一个运行设备，为t时刻设备i的运行状态，为设备i的出力，分别为设备i出力的上限和下限。
[0045]
基于日前优化调度阶段的优化结果在日内优化调度阶段通过日内优化调度模型对多能微网的调度计划进行二次优化时，所述日前优化调度模型的目标函数表达式为：
[0046][0047]
其中：h2为多能微网在日内优化调度阶段一个调度周期内的系统运行成本，t0为日内优化调度阶段的起始时刻，δt为日内优化调度阶段的调度周期，d为日内调度阶段内调度周期的个数，为t时刻的分时电价，为t时刻的分时气价，为购电功率，为购
气功率，h
ng
为天然气热值，为t时刻设备q的启停状态，为t-1时刻设备q的启停状态，n为多能微网中的设备数量，q为多能微网中的其中一个运行设备，为t时刻设备q启停惩罚费用。
[0048]
本实施例中所述日内优化调度阶段的调度周期δt为15分钟，上述日内优化调度模型的目标函数表述的是每一个调度周期的优化目标。
[0049]
步骤三中根据日前优化调度模型以及日内优化调度模型进行多能微网的调度优化时，将多能微网的调度优化划分为第一时间尺度和第二时间尺度，在第一时间尺度内利用日前优化调度模型进行调度优化，并将第一时间尺度进行优化的时间间隔根据第二时间尺度进行划分，并以根据第二时间尺度划分得到的时间间隔内通过日内优化调度模型对系统状态进行调整。
[0050]
所述在第一时间尺度内利用日前优化调度模型进行调度优化的具体步骤包括：
[0051]
采集多能微网的实时量测数据，并基于实时量测数据获取多能微网的新能源出力以及负荷数据的日前预测获取系统调度计划的最优解；
[0052]
通过日前优化调度模型对最优解进行优化，求得并执行第一个预测域内t0时刻至t0+δt的系统调度计划；
[0053]
将预测域向前移动一个时间间隔δt，重新获取实时量测数据以及系统运行状态，基于重新获取的实时量测数据以及系统运行状态预测当前调度周期对应的多能微网的新能源出力以及负荷数据，获取当前调度周期内系统调度计划的最优解；
[0054]
通过日前优化调度模型对最优解进行优化，获取当前调度周期的系统调度计划并执行，返回步骤1.3，获取并执行下一调度周期的系统调度计划，直至获取并执行所有时段的系统调度计划。
[0055]
在根据第二时间尺度划分得到的时间间隔内通过日内优化调度模型对系统状态进行调整的过程中，将第一时间尺度内每个调度周期间的时间间隔δt均分为x个更小的时间间隔δt
x
，并基于时间间隔δt
x
通过日内优化调度模型根据实时量测数据对第一时间尺度内获取的系统运行状态进行优化。
[0056]
在执行调度计划时，将调度计划的各指令下发至对应的机组设备实现执行，并基于多能微网数学模型实现对于调度计划执行后的实时量测数据。
[0057]
在第一时间尺度内利用日前优化调度模型进行调度优化时，日内优化调度模型以系统运行费用、机组启停惩罚费用最小为优化的目标函数，在第二时间尺度内利用日内优化调度模型进行调度优化时，日内执行调度模型以机组启停惩罚费用最小为目标函数。
[0058]
在第二时间尺度内利用日内优化调度模型进行调度优化时，日内执行调度模型的目标函数可以表示为：
[0059][0060]
其中：t
x
为第二时间尺度内的时间间隔。
[0061]
所述多能微网数学模型包括多能微网电力系统数学模型、多能微网热力系统数学模型、多能微网天然气系统数学模型和耦合元件的电热气联合模型。
[0062]
所述多能微网电力系统数学模型的表达式为：
[0063][0064]
其中：p为多能微网的有功功率，q为多能微网的无功功率，为多能微网中线路的节点电压，y为多能微网中线路的节点导纳矩阵。
[0065]
多能微网中热力系统按照特性能够拆分水力模型和热力模型两部分，其中水力模型部分不考虑热传递，只考虑水在管道中的流动；而热力模型部分，则需要在已知流量的前提下考虑热传递。
[0066]
水力模型具体由节点温度混合方程来表示：
[0067][0068][0069]
其中：分别为以多能微网中其中一个节点p为终点和起点的管道集合，分别为供水管道、回水管道的热水质量，分别为供水管道、回水管道的热水质量，分别为供水管道的出口温度和入口温度以及回水管道的出口温度和入口温度。
[0070]
而热力模型需要在水里模型的基础上，考虑热水流动过程中的热量耗散，则管道出口温度应调整为：
[0071][0072]
其中：为调整后的管道kp出口温度，为测得的管道kp出口温度，t
a,t
表示t时刻的环境温度，λ为管道的导热系数，l
kp
为管道kp的长度，cm
kp,t
为管道kp的热水质量，e为常数。
[0073]
所述多能微网天然气系统数学模型的表达式为：
[0074][0075]
其中：s
mn,t
为天然气系统中其中一个管道mn的流向，若天然气流从m流向n，则s
mn,t
＝1，若天然气流从n流向m，则s
mn,t
＝-1，f
mn,t
为流经管道mn的平均天然气流，l
mn
为管道mn的长度，πm为管道mn的m端管径，πn为管道mn的n端管径，c
2,mn
为管道mn的天然气流速。
[0076]
所述耦合元件的电热气联合模型包括微型燃气轮机模型、燃气锅炉模型、热交换器模型以及电制冷机模型。
[0077]
所述微型燃气轮机模型表达式为：
[0078][0079][0080]
其中：为t时刻微型燃气轮机的天然气消耗量，为微型燃气轮机的发热功率，为微型燃气轮机的余热功率，η
mt
为微型燃气轮机的发电效率，η
loss
为热损失系数。
[0081]
所述燃气锅炉模型的表达式为：
[0082][0083]
其中：为t时刻燃气锅炉的制热效率，为燃气锅炉的天然气消耗量，η
gb
为燃气锅炉效率。
[0084]
所述热交换器模型的表达式为：
[0085][0086]
其中：为t时刻热交换器供给用户热功率，为输入电功率，η
he
为热交换器效率。
[0087]
所述电制冷机模型的表达式为：
[0088][0089]
其中：为t时刻电制冷机供给用户冷效率，为输入电功率，α
ec
位能效系数。
[0090]
以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。

技术特征：

1.一种多能微网的多时间尺度两阶段优化方法，其特征在于，包括：获取多能微网中的能源子系统和耦合元件，基于获取的能源子系统和耦合元件构建多能微网数学模型，基于多能微网数据模型采集多能微网的实时量测数据；基于实时量测数据获取多能微网的日前预测信息和日内预测信息，基于日前预测信息和日内预测信息分别构建日前优化调度模型和日内优化调度模型；将多能微网的调度优化划分为日前优化调度阶段和日内优化调度阶段，并在日前优化调度阶段通过日前优化调度模型对多能微网的调度计划进行优化，基于日前优化调度阶段的优化结果在日内优化调度阶段通过日内优化调度模型对多能微网的调度计划进行二次优化。2.根据权利要求1所述的一种多能微网的多时间尺度两阶段优化方法，其特征在于，所述日前优化调度模型对多能微网的调度计划进行优化时，所述日前优化调度模型的目标函数表达式为：其中：h1为多能微网在日前优化调度阶段一个调度周期内的系统运行成本，t为日前优化调度阶段的调度周期，t为运行时刻，为t时刻的购电成本，为t时刻的购气成本，为t时刻的运维成本。3.根据权利要求2所述的一种多能微网的多时间尺度两阶段优化方法，其特征在于，所述日前优化调度模型的约束条件的表达式为：其中：为t时刻多能微网与大电网的交换功率，分别为多能微网与大电网交换功率的上限和下限，为t时刻多能微网与天然气网的交换功率，为多能微网与天然气网交互功率的上限和下限，i为多能微网中的其中一个运行设备，为t时刻设备i的运行状态，为设备i的出力，为设备i的出力，分别为设备i出力的上限和下限。4.根据权利要求1所述的一种多能微网的多时间尺度两阶段优化方法，其特征在于，基于日前优化调度阶段的优化结果在日内优化调度阶段通过日内优化调度模型对多能微网的调度计划进行二次优化时，所述日前优化调度模型的目标函数表达式为：其中：h2为多能微网在日内优化调度阶段一个调度周期内的系统运行成本，t0为日内优化调度阶段的起始时刻，δt为日内优化调度阶段的调度周期，d为日内调度阶段内调度周
期的个数，为t时刻的分时电价，为t时刻的分时气价，为购电功率，为购气功率，h
ng
为天然气热值，为t时刻设备q的启停状态，为t-1时刻设备q的启停状态，n为多能微网中的设备数量，q为多能微网中的其中一个运行设备，为t时刻设备q启停惩罚费用。5.根据权利要求1所述的一种多能微网的多时间尺度两阶段优化方法，其特征在于，步骤三中根据日前优化调度模型以及日内优化调度模型进行多能微网的调度优化时，将多能微网的调度优化划分为第一时间尺度和第二时间尺度，在第一时间尺度内利用日前优化调度模型进行调度优化，并将第一时间尺度进行优化的时间间隔根据第二时间尺度进行划分，并以根据第二时间尺度划分得到的时间间隔内通过日内优化调度模型对系统状态进行调整。6.根据权利要求4或5所述的一种多能微网的多时间尺度两阶段优化方法，其特征在于，所述在第一时间尺度内利用日前优化调度模型进行调度优化的具体步骤包括：1.1，采集多能微网的实时量测数据，并基于实时量测数据获取多能微网的新能源出力以及负荷数据的日前预测获取系统调度计划的最优解；1.2，通过日前优化调度模型对最优解进行优化，求得并执行第一个预测域内t0时刻至t0+δt的系统调度计划；1.3，将预测域向前移动一个时间间隔δt，重新获取实时量测数据以及系统运行状态，基于重新获取的实时量测数据以及系统运行状态预测当前调度周期对应的多能微网的新能源出力以及负荷数据，获取当前调度周期内系统调度计划的最优解；1.4，通过日前优化调度模型对最优解进行优化，获取当前调度周期的系统调度计划并执行，返回步骤1.3，获取并执行下一调度周期的系统调度计划，直至获取并执行所有时段的系统调度计划。7.根据权利要求6所述的一种多能微网的多时间尺度两阶段优化方法，其特征在于，在根据第二时间尺度划分得到的时间间隔内通过日内优化调度模型对系统状态进行调整的过程中，将第一时间尺度内每个调度周期间的时间间隔δt均分为x个更小的时间间隔δt
x
，并基于时间间隔δt
x
通过日内优化调度模型根据实时量测数据对第一时间尺度内获取的系统运行状态进行优化。8.根据权利要求6或7所述的一种多能微网的多时间尺度两阶段优化方法，其特征在于，在第一时间尺度内利用日前优化调度模型进行调度优化时，日内优化调度模型以系统运行费用、机组启停惩罚费用最小为优化的目标函数，在第二时间尺度内利用日内优化调度模型进行调度优化时，日内执行调度模型以机组启停惩罚费用最小为目标函数。9.根据权利要求1所述的一种多能微网的多时间尺度两阶段优化方法，其特征在于，所述多能微网数学模型包括多能微网电力系统数学模型、多能微网热力系统数学模型、多能微网天然气系统数学模型和耦合元件的电热气联合模型。

技术总结

本发明提供了一种多能微网的多时间尺度两阶段优化方法，所述优化方法具体为构建多能微网数学模型，基于多能微网数据模型采集多能微网的实时量测数据；基于实时量测数据获取多能微网的日前预测信息和日内预测信息，分别构建日前优化调度模型和日内优化调度模型；将多能微网的调度优化划分为日前优化调度阶段和日内优化调度阶段，并在日前优化调度阶段通过日前优化调度模型对多能微网的调度计划进行优化，基于日前优化调度阶段的优化结果在日内优化调度阶段通过日内优化调度模型对多能微网的调度计划进行二次优化。本发明能够有效降低预测误差与不确定性对调度计划优化结果带来的影响，保障多能微网的调度计划优化结果的准确性。准确性。准确性。