一种计及多能流约束的IES多目标动态优化调度方法与流程

一种计及多能流约束的ies多目标动态优化调度方法
技术领域
1.本发明涉及电力综合能源调度技术领域，具体涉及一种计及多能流约束的ies多目标动态优化调度方法。


背景技术：

2.随着能源、环境问题日益突出，如何提高对多种类型能源的综合利用效率、降低污染物的排放已成为我国构建清洁低碳、安全高效的现代能源体系所需要解决的关键问题。
3.作为社会能源系统的重要组成部分，传统的电力系统、热力系统和天然气系统是单独规划、单独设计和独立运行的，割裂了不同类型能源之间的耦合，很大程度上限制了能源系统运行的灵活性。综合能源系统(integrated energy system,ies)作为新一代能源系统的重要形式，涵盖了供电、供热、供气和电气化交通等能源系统，集成了多种形式的供能、能量转换和储能设备，在源、网、荷等不同环节实现了不同类型能源的耦合，具有运行方式灵活、低碳高效、可再生能源消纳率高等特点，受到人们的高度重视。
4.目前，国内外关于ies的研究成果主要集中在电-热-天然气多能流(multiple energy flow，mef)分析、系统联合规划和协调运行等方面。例如，一些文献针对ies内的电-气和电-热潮流进行了稳态建模并提出了对mef非线性方程组进行求解的分解法和整体法；一些文献提出了一种基于多智能体的电-气混合mef的分布式迭代计算方法，但所需的迭代次数多且没有证明所得到的解为最优解；一些文献计及风电和负荷的相关性研究了电-气互联系统的概率最优潮流问题；一些文献基于energy hub的结构将电-气混合最优mef分解到电、气子系统中，但是所构造的反映子系统连接关系的c矩阵在某些情况下不可逆；一些文献研究了电-气互联系统的联合规划问题，考虑了系统的安全约束，基于benders分解将复杂的非线性规划问题分解为一个投资主问题和多个约束校验子问题，大大降低了计算复杂度；一些文献研究了电、热系统互联对风电消纳的作用。
5.ies中的能量流尤其是热能传输时会造成较高的损耗。针对ies的优化调度问题，多数研究成果仅从多类型能源转换的角度进行优化，一些文献基于energy hub研究了ies的日前调度问题，但energy hub仅提供了多能源转换的通用化模型，无法考虑系统的网络结构，因此忽略了电、热能量损失，存在一定的误差。


技术实现要素：

6.本发明的目的是提供一种计及多能流约束的ies多目标动态优化调度方法，以提高运行安全性并减小分析误差。
7.为实现本发明的目的，本发明提供的技术方案如下：
8.一种计及多能流约束的ies多目标动态优化调度方法，包括如下步骤：
9.步骤a：ies稳态mef建模；
10.步骤b：基于newton-raphson法的对mef进行计算，得到ies的稳态能量流分布；
11.步骤c：构建计及mef约束的ies多目标优化调度模型；
12.步骤d：利用基于正态分布交叉算子的nsga-ii对步骤c所构建模型进行求解，得到ies多目标动态优化调度的pareto最优解集。
13.与现有技术相比，本技术具有如下技术效果：
14.本技术建立了ies内电力子系统、热力子系统和天然气子系统的稳态能量流模型，并对子系统之间的耦合设备进行了建模，在此基础上建立了ies稳态mef模型，提出了基于newton-raphson法的mef计算方法。为保证运行安全性并减小分析误差，建立了以运行成本和污染物排放外部成本最小为目标并计及mef约束的ies多目标动态优化调度模型，给出了利用基于正态分布交叉算子的nsga-ii对模型进行求解的流程。经过试验，本技术方法效果较好。
附图说明
15.图1为本技术的方法流程示意图；
16.图2为含燃气驱动压缩机的管道示意图；
17.图3为ies算例结构图；
18.图4为pv、wt、电负荷及热负荷功率曲线；
19.图5为ies多目标动态优化调度pareto前沿图；
20.图6为发电设备电功率曲线a；
21.图7为供热设备热功率曲线a；
22.图8为电功率损耗、热功率损耗与压缩机耗气量图；
23.图9为发电设备电功率曲线b；
24.图10为供热设备热功率曲线b；
25.图11为ies电力、热力子系统解耦后的多目标动态优化调度pareto前沿图。
具体实施方式
26.下面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，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
27.主要思想：首先建立了ies内电力子系统、热力子系统和天然气子系统的稳态能量流模型，并对子系统之间的耦合设备进行了建模，在此基础上建立了ies稳态mef模型，提出了基于newton-raphson法的mef计算方法。为保证运行安全性并减小分析误差，建立了以运行成本和污染物排放外部成本最小为目标并计及mef约束的ies多目标动态优化调度模型，给出了利用基于正态分布交叉算子的nsga-ii对模型进行求解的流程。最后，算例对不同优化目标下ies内设备的运行机制进行了分析，并通过对比ies内子系统耦合运行和解耦运行的多目标优化调度pareto前沿说明了子系统之间耦合对于提高经济效益和环境效益的重要作用。
28.如图1所示，本实施例提供的一种计及多能流约束的ies多目标动态优化调度方法，包括如下步骤：
29.步骤a：ies稳态mef建模，包括如下步骤：
30.步骤a.1电力子系统稳态能量流建模
31.ies中电力子系统的稳态能量流模型采用经典的交流潮流模型表示，流过线路ij的功率可表示为：
[0032][0033]
节点i的注入有功功率和无功功率，满足节点功率平衡：
[0034][0035]
式中：p
gi
、q
gi
和p
li
、q
li
分别表示与发电设备和负荷有关的有功和无功功率。
[0036]
步骤a.2天然气子系统稳态能量流建模
[0037]
ies中的天然气子系统中的节点分为两类：一类天然气注入量已知，另一类节点压力已知，对于管道ij，其天然气流量与压力的关系如下：
[0038][0039]
式中：f
ij
为管道ij的流量，k
ij
为管道常数，pi为节点i的压力，s
ij
用于表征天然气的流动方向，当pi》pj时取+1，否则取-1；
[0040]
天然气在管道中流动时沿流动方向会产生压力降，为保证供气压力，某些流量较高的管道上会安装有压缩机，图2所示，节点m和n分别表示管道的始、末端，同时m也是压缩机的入口，o为出口，f
com
为压缩机的输气量，f
cp
为压缩机的耗气量，可视为节点m的负荷；
[0041]
压缩机的数学模型如式(4)所示：
[0042][0043]
式中：k
cp
为压缩比，t
gas
为天然气温度，a为压缩机多变指数，q
gas
为天然气的热值；
[0044]
含压缩机的管道的流量平衡式可表示为：
[0045]fcom
+f
cp
＝f
in
ꢀꢀꢀ
(5)
[0046]
式中：f
in
为压缩机入口处的天然气流量；
[0047]
对于天然气系统，节点流量平衡式如下：
[0048][0049]
式中：f
si
、f
li
分别为节点i气源注入量和负荷耗气量。
[0050]
步骤a.3热力子系统稳态能量流建模
[0051]
对于热力子系统每一个节点，存在与其相关的三个温度：供热温度ts表示热水注入负荷节点之前或热水从热源节点流出时的温度，输出温度to表示热水流出负荷节点时的
温度，回热温度tr表示从负荷节点流出的热水在与其它管道的水混合之后的温度或低温热水流入热源的温度；
[0052]
对于热力系统，需从水力模型和热力模型两个方面进行描述；
[0053]
1)水力模型
[0054]
水力模型用于描述热水在网络中流动时所满足的关系，对于每一个节点，应满足流量连续性方程：
[0055]
∑m
q,in-∑m
q,out
＝mqꢀꢀꢀ
(7)
[0056]
式中：m
q,in
、m
q,out
分别为流入节点q的管道和流出该节点的管道中水的流量，mq为流出节点q的流量；
[0057]
热水在管道ij中流动受到摩擦力所产生压力降h
ij
可表示为：
[0058]hij
＝κ
ijmij
|m
ij
|
ꢀꢀꢀ
(8)
[0059]
其中，κ
ij
为管道的阻力系数，m
ij
为管道中水的流量；
[0060]
对于由管道组成的闭合回路，沿回路方向管道中水的压力降h为0：
[0061]
h＝∑h
ij
＝0
ꢀꢀꢀ
(9)
[0062]
2)热力模型
[0063]
热力模型[iii]描述热功率与温度、流量的关系；
[0064]
对于节点i，其热功率可表示为：
[0065]
φi＝c
p
mi(t
s,i-t
o,i
)
ꢀꢀꢀ
(10)
[0066]
式中：c
p
为水的比热容，
[0067]
管道ij输送的热功率表示为：
[0068]
φ
ij
＝c
pmij
(t
s,i-t
r,i
)
ꢀꢀꢀ
(11)
[0069]
热水从节点i经管道ij流向节点j，其温度变化用式(12)表示：
[0070][0071]
式中：ta为环境温度，λ为管道的热传导系数，l为管道的长度；
[0072]
对于热力系统中任意节点，管道中的水在该节点混合前后温度变化可表示为：
[0073]
∑(m
in
t
in
)＝(∑m
out
)t
out
ꢀꢀꢀ
(13)
[0074]
式中，m
in
、t
in
和m
out
、t
out
分别为流入该节点和流出该节点的水的流量和温度，t
in
实际为该节点的to，t
out
则对应该节点的tr；
[0075]
热力系统中节点功率平衡式如下：
[0076][0077]
步骤a.4耦合设备建模；
[0078]
考虑微燃机chp系统、地源热泵gshp)、燃气锅炉(gas-fired boiler,gb)和燃料电池(fuel cell,fc)作为子系统之间的耦合设备。gb和fc的数学模型见文献[14]和[iv]，微燃机chp系统和gshp的数学模型如下：
[0079]
1)微燃机chp系统
[0080]
微燃机chp系统以天然气为燃料发电，同时将余热回收为负荷供热，其数学模型如下：
[0081][0082]
式中：p
chp
、φ
chp
、f
chp
分别为chp系统的电功率、热功率和天然气耗量，η
mt
为微燃机发电效率，φ
chp
为微燃机排气余热量，η
l
、η
rec
分别为余热损失率和溴化锂机组的余热回收效率，coph为制热系数；
[0083]
2)地源热泵
[0084]
地源热泵系统是以岩土体、地下水或地表水为低温热源，消耗电能将热量转移到负荷处进行供热的新型环保能源利用系统，其转移的热量φ
gshp
可达消耗电量p
gshp
的4～5倍，可有效降低供热成本，采用地源热泵的简化数学模型，即用二次函数近似模拟输入和输出的关系，如式(16)所示：
[0085][0086]
步骤b：基于newton-raphson法的对mef进行计算，得到ies的稳态能量流分布；
[0087]
ies稳态mef偏差量表达式如下：
[0088][0089]
选取ies的状态量为x＝[θ；v；p；ts；tr；m]为系统的状态量，对式(17)进行一阶求导，得到利用newton-raphson法求解时的修正方程为：
[0090]
δf＝jδx
ꢀꢀꢀ
(18)
[0091]
式中：δf为由式(17)左侧构成的偏差量向量，j为对式(17)右侧求一阶导数得到的雅可比矩阵；
[0092]
给定合适的状态量初值，对式(18)进行迭代求解，当算法收敛时即得到ies的稳态能量流分布。
[0093]
步骤c：构建计及mef约束的ies多目标优化调度模型；
[0094]
1.目标函数
[0095]
ies中包含的设备包括风力发电机wt、光伏发电pv、储能es、chp、fc、gshp和gb，从经济和环境两方面入手，选取ies运行成本和污染物排放作为优化目标，考虑多能流约束和设备运行约束，构建ies多目标动态优化调度模型；
[0096]
1)ies运行成本最小化
[0097]
ies运行成本主要包括发电设备的启停成本、与外部电网的电能交互成本以及从
ies外部购买天然气的成本，可用下式表示：
[0098][0099]
式中：sui为第i台设备的启停费用，ui(t)表示t时段内设备的运行状态，运行取1，否则取0；分别为t时刻ies从外部电网购电价格和向外部电网售电价格，分别为ies从外部购电功率和售电功率；ρ
gas
为天然气价格，f
gas
(t)为ies从外部购买的天然气量；t为总调度时段，取24h，δt为时间间隔，1h；
[0100]
2)ies污染物排放成本最小
[0101]
ies中的除pv和wt之外，其他供能设备运行时都会消耗天然气或电能，因而不可避免地产生no
x
、so2和co2等污染物，选取设备运行时污染物排放的外部成本作为衡量指标，构建表示污染物排放最小的目标函数，如式(20)所示：
[0102][0103]
式中：αk为第k类污染物的外部折扣成本，k＝1、2、3分别代表no
x
、so2和co2，λ
k,i
为第i台设备的第k类污染物的排放因子，pi(t)为t时段设备的功率，λ
grid,k
为ies从外部购电对应的染物排放因子；
[0104]
2.约束条件
[0105]
为保证ies安全稳定运行，需考虑相关约束条件的限制，如功率平衡约束、机组出力约束、es能量约束、系统状态量约束和mef约束；
[0106]
1)功率平衡约束
[0107]
ies中电力子系统、热力子系统需分别满足电功率和热功率平衡，另外，天然气子系统中应满足天然气的供需平衡，如式(21)～(23)所示：
[0108][0109]
φ
gb
(t)+φ
chp
(t)+φ
gshp
＝φd(t)+φ
loss
(t)
ꢀꢀꢀ
(22)
[0110]fgas
(t)＝fd(t)+f
chp
(t)+f
gb
(t)+f
fc
(t)+f
cp
(t)
ꢀꢀꢀ
(23)
[0111]
式中：分别为es的充、放电功率，p
pv
(t)、p
wt
(t)分别为pv和wt功率，p
fc
(t)为fc的电功率，p
loss
(t)为ies的电功率损失，pd(t)为电负荷功率；φ
gb
(t)、φd(t)和φ
loss
(t)分别为gb的热功率、负荷热功率和ies热功率损失；fd(t)、f
gb
(t)和f
fc
(t)分别为燃气负荷的天然气需求、gb耗气量和fc耗气量。p
loss
(t)、φ
loss
(t)和f
cp
可通过mef计算得到；
[0112]
2)设备运行约束：
[0113]
各类设备运行时功率必须在规定的范围内：
[0114][0115]
式中：pi(t)、φj(t)分别代表供电设备和供热设备的输出功率。此外，各设备还需满足爬坡率约束和最小启停时间约束；
[0116]
es还需满足如下约束：
[0117][0118]
式中：e
es
(t)为t时段es储存的电能，η
ch
、η
dis
分别为充、放电效率；
[0119]
3)mef约束
[0120]
系统状态量x需限制在一定的范围内：
[0121]
x
min
≤x≤x
max
ꢀꢀꢀ
(26)
[0122]
步骤d：利用基于正态分布交叉算子的nsga-ii对步骤c所构建模型进行求解，得到ies多目标动态优化调度的pareto最优解集。
[0123]
采用nsga-ii算法对模型进行求解。由于nsga-ii中交叉过程采用了模拟二进制交叉算子，如式(27)，使得算法搜索范围有限，易出现局部最优，收敛性不佳等问题。为此，将正态分布引入到交叉操作二进制交叉中，即用1.481|n(0,1)|代替参数β来扩大搜索空间，如式(28)，为进一步增强空间搜索能力，将进化策略的离散重组操作引入到式(28)中，从而得到正态分布交叉算子(29)。
[0124][0125][0126][0127]
式中：a
1/2,i
为子代染色体上对应的第i个变量，x
1,i
、x
2,i
为两个父代染色体上对应的第i个变量，n(0,1)为正态分布随机变量，u为区间(0,1)上均匀分布的随机数。
[0128]
利用基于正态分布交叉算子的nsga-ii算法的基本流程如下：
[0129]
(1)数据初始化。输入ies的网络参数、设备参数以及nsga-ii参数。
[0130]
(2)种群初始化。对24h的调度方案进行一次性初始化。
[0131]
(3)计算个体对应的运行成本和污染物外部排放成本，并计算24个时间断面的mef，将系统状态量的越限值和其它约束越限值作为惩罚项加入到两个目标函数中，得到考虑惩罚项的个体适应值。
[0132]
(4)对个体进行锦标赛选择、正态分布交叉和变异，得到子代种群。
[0133]
(5)重复(3)的操作。
[0134]
(6)对父代和子代种群整体进行pareto分层排序，得到新的种群个体。
[0135]
通过以上步骤，最终得到ies多目标动态优化调度的pareto最优解集。
[0136]
应用实例
[0137]
使用本技术提出的计及mef约束的ies多目标动态优化调度模型对其进行日前优化调度。图3中，ebi、gbi和hbi分别代表电、热、气三个子系统的节点。电力子系统通过节点eb12与外部电网相连，在eb3和和eb8处分别安装有一组200kwp的pv，在eb4安装有一台1mw的wt，chp工作于以电定热模式。ies中各设备的最大、最小出力如表1所示，其中es容量为800kwh。假设外部电网的电能有80％来源传统发电机组，20％来源于新能源发电。ies与外部电网进行电能交换的分时电价如表2所示，天然气价格为2.51元/m3，pv、wt及总的电负荷、热负荷和天然气负荷曲线如图4所示，假设各电负荷节点功率之比为2:4:3:4:3，功率因数均为0.9，各热负荷节点功率之比为3:4:8:8，燃气负荷节点负荷之比为3:2，电力线路型号均为lj95。
[0138]
表1
[0139][0140]
表2
[0141][0142]
不同目标下优化结果对比
[0143]
利用本技术提出的多目标优化调度模型对算例ies进行仿真，采用基于正态分布交叉算子的nsga-ii求解，种群规模设为50，最大遗传代数1000。得到的pareto前沿如图5所
示。
[0144]
由仿真结果可知，运营成本和污染物排放外部成本为非线性关系，从运行成本最低的点(图5中点a)到污染物外部成本最低的点(图6中点b)，污染物外部成本减少301元，但运行成本增加1247元。若将经济目标和环境目标同等对待，则运行人员会更偏向于经济目标，只有当有运行人员对环境目标足够重视时，才会趋向于选择污染物排放外部成本较小的方案。
[0145]
为分析不同目标下ies内部设备运行的差异性，分别选取图5中点a和点b，对ies进行动态经济调度和动态环境调度，其对应的调度结果如图6～图8所示。
[0146]
1)动态经济调度
[0147]
以运行成本最小为目标时，ies一天总运行成本为28290元，污染物排放外部成本为921元。由于算例ies中pv和wt的总出力比较高，并且chp和fc的排放也比较低，故污染物排放外部成本处于较低水平。ies动态经济调度结果如图6和图7所示。由图4可知，在6:00前后的时段，ies内部pv和wt的总功率大于负荷功率，因此，在图6中对应的时段ies向外部电网输出了少量电能，在7:00之前的电价低谷时段，es充电；在中午电价高峰时段，es放电，同时pv、wt出力较大，电源的总功率大于负荷功率，因此ies同样向外部输出了剩余功率；mt供电成本约为0.79元/kwh，fc的供电成本约为0.468元/kwh，则工作于chp模式下供电和供热的平均成本约为0.344元/kwh，低于平、峰时段外部电网的供能成本，故在该时段内chp、fc运行于最大功率；gshp在电价高峰时段的供热成本仅约为0.83/4.5＝0.184元/kwh，低于gb和chp的供热成本，故全天各时段均以最大功率运行，gb用于维持ies内的热功率平衡。
[0148]
由于本技术所建立的es模型中忽略了es的运行维护成本，故仿真得到的最优充放电过程不唯一，在中午电价高峰时段出现了不连续的放电过程。
[0149]
运行成本最小的情况下ies内电功率损耗、热功率损耗和压缩机耗气量的变化如图8所示。
[0150]
2)动态环境调度
[0151]
以污染物排放外部成本最小时，ies运行总成本为29537元，污染物外部成本为620元。ies动态环境调度结果如图9、图10所示。
[0152]
gshp供热时的污染物排放与ies内部不同来源的电能所占的比例有关，外部电网电能占比越高时，ies内电能的清洁度越低，gshp供热的污染物排放外部成本越高。由图9、图10可知，以环境成本为目标时，gshp大部分时间处于停运状态，只有在ies从外部电网购电功率较小或向外部电网售电的某些时段，即电能清洁度较高时才运行。mt消耗天然气供能的污染物外部成本固定，在pv、wt的功率所占比例较高的0:00～8:00和23:00～24:00中某些时段mt基本处于停运状态。以天然气为燃料的gb供热污染物排放明显低于其他设备，其在保持ies热功率平衡的同时在大部分时段内承担了更多的热能供应。
[0153]
两种情况下ies从外部购气量如表3所示。由表3可知，由于天然气为清洁能源，动态环境调度情况下购气量高于动态经济调度情况下的购气量。
[0154]
表3
[0155][0156][0157]
子系统耦合对ies优化运行作用分析
[0158]
为说明ies内部电、热子系统耦合所带来的经济和环境效益，将算例ies中的chp和gshp去掉，使电力子系统和热力子系统解耦，利用本文的方法计算得到的pareto前沿如图11所示。
[0159]
当电、热子系统解耦后，ies运行的灵活性大大降低，使得优化空间减小。由图11的仿真结果可知，此时运行成本和污染物排放外部成本均高于图5的仿真结果，运行成本和污染物排放外部成本最大、最小值之差仅约为100元，且二者基本成线性关系。比较图9和图10、图11可知，ies内部子系统之间的耦合对于优化运行具有重要的作用。因此，为提高ies的运行经济性和环境效益，应在ies中增加多能源转换设备，加强不同能源之间的交互，扩展其灵活运行的区间。
[0160]
最后应当说明的是：上述实施例只是用于对本发明的举例和说明，而非意在将本发明限制于所描述的实施例范围内。此外本领域技术人员可以理解的是，本发明不局限于上述实施例，根据本发明教导还可以做出更多种的变型和修改，这些变型和修改均落在本发明所要求保护的范围内。