CN109727158B - 一种基于改进弱鲁棒优化的电热综合能源***调度方法 - Google Patents

一种基于改进弱鲁棒优化的电热综合能源***调度方法 Download PDF

Info

Publication number
CN109727158B
CN109727158B CN201910072922.6A CN201910072922A CN109727158B CN 109727158 B CN109727158 B CN 109727158B CN 201910072922 A CN201910072922 A CN 201910072922A CN 109727158 B CN109727158 B CN 109727158B
Authority
CN
China
Prior art keywords
heat
price
cost
demand response
load
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201910072922.6A
Other languages
English (en)
Other versions
CN109727158A (zh
Inventor
张晓辉
赵晓晓
钟嘉庆
李阳
刘小琰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yanshan University
Original Assignee
Yanshan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yanshan University filed Critical Yanshan University
Priority to CN201910072922.6A priority Critical patent/CN109727158B/zh
Publication of CN109727158A publication Critical patent/CN109727158A/zh
Application granted granted Critical
Publication of CN109727158B publication Critical patent/CN109727158B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于改进弱鲁棒优化的电热综合能源***调度方法。本发明类比对电力需求响应(DR)的模型描述，将其拓展至电热综合需求响应(IDR)，对价格型和激励型综合需求响应进行建模；在低碳背景下，建立含热电联产机组、抽水蓄能、蓄热式电锅炉和储热装置的电热综合能源低碳调度模型，以综合能源运行成本最小和碳排放交易模型收益最大为目标函数，确定电力约束条件和热力约束条件；考虑风电和综合需求响应的不确定性，利用改进弱鲁棒优化处理源荷侧的不确定性，得到电热综合能源***改进弱鲁棒低碳调度模型；最后，采用改进的细菌群体趋药性算法(BCC)进行求解，通过算例验证所提模型及算法的有效性。

Description

一种基于改进弱鲁棒优化的电热综合能源***调度方法
技术领域
本发明涉及大电网调度领域，尤其是一种基于改进弱鲁棒优化的电热综合能源***调度方法。
背景技术
电-热综合能源***作为能源互联网的重要组成部分，将电力***和热力***通过热电联产机组、储热装置、电锅炉以及热泵等耦合元件连接在一起，实现电能和热能的转化，能够合理配置电力能源和热力能源的生产及转化过程。随着综合能源***概念的提出，针对综合能源***优化运行的研究逐渐成为国内外学者的研究热点。
在综合能源背景下，考虑综合需求响应参与***调度，发挥用户侧资源的灵活性，实现源荷双侧协调调度对于电力行业具有深远的意义。但在需求响应策略实施过程中，由于用户可能存在的对激励缺乏重视、通信延迟和消费行为改变等一系列原因，用户对激励、价格信号的实际响应程度，甚至是对需求响应策略采纳的意愿往往都带有较大的不确定性。因此，综合考虑风电和综合需求响应的不确定性对调度结果的影响，能够使调度决策更符合实际。
弱鲁棒优化从实际应用的角度事先选定某个基准场景，通过对约束条件的松弛处理，以求取引入不确定数据后，基准场景的目标函数值恶化一定限度的解，其综合考虑解的可行性和目标函数的恶化程度，因此与实际决策环境更为接近。相较与随机优化，弱鲁棒优化通过对目标函数赋予一定的容忍度来提高***的保守性；弱鲁棒允许约束条件出现违背的情况，避免了强鲁棒问题中保守性过大的问题，提高了***的经济性。因此，弱鲁棒优化能够充分结合了随机规划的经济性和鲁棒优化的保守性特点，实现了经济性和鲁棒性的均衡，得到的调度方案更加合理和具有实际意义。
然而在传统的弱鲁棒优化问题中，并没有对容忍度和松弛量这两个参数进行一定的限制。当松弛量变大时，***的经济性变好，然而，可能存在约束过度违背的情况，给***带来一定的风险。同时，若容忍度参数取值过大，则会导致出现比鲁棒优化更严重的情况。因此，改进传统的弱鲁棒优化方法能够有效地权衡调度方案的经济性和鲁棒性，更具有实际意义。
发明内容
本发明提供一种基于改进弱鲁棒优化的电热综合能源***低碳调度方法，旨在克服传统弱鲁棒优化过程中未对容忍度和松弛量进行限制的问题。
为了实现上述目的，采用以下技术方案：一种基于改进弱鲁棒优化的电热综合能源***调度方法，其特征在于，所述方法的步骤如下：
步骤1，建立电热综合需求响应模型
价格型综合需求响应模型：通过电价、热价引导用户调整用电、用热需求，响应***的运行状态变化，建立用户用电量对电价、用热量对热价的响应模型；
激励型综合需求响应模型：通过用户电负荷和热负荷的负荷削减量、补偿以及用户不响应时的惩罚措施，响应***的运行状态变化，建立响应模型；
步骤2，不确定集
风电出力不确定集：在风电预测区间内，引入风电弱鲁棒因子确定各时段风电出力的扰动范围；
价格型综合需求响应不确定集：在电热综合需求响应模型中，引入电价弱鲁棒因子以及热价弱鲁棒因子确定价格变化引起用户用电量以及用热量的扰动范围；
激励型综合需求响应不确定集：在激励型综合需求响应模型中，引入电负荷激励型弱鲁棒因子以及热负荷激励型弱鲁棒因子确定价格变化引起用户电负荷以及热负荷的扰动范围；
步骤3，电热综合能源调度模型
包含常规机组，风电机组，发电出力和供热出力存在耦合关系的热电联产机组，利用风电机组弃风蓄能的抽水蓄能设备，利用风电机组弃风供暖的蓄热式电锅炉，提取蓄热式电锅炉、热电联产机组多余热能的储热装置；
步骤4，电热综合能源低碳调度模型
以综合能源运行成本最小和碳排放交易模型收益最大为目标函数，利用步骤1的电热综合需求响应模型以及步骤2的不确定集，确定电力约束条件和热力约束条件，对电热综合能源调度模型进行调度；
步骤5，改进弱鲁棒优化框架
在传统弱鲁棒优化过程中，以经济成本对容忍度大小进行约束，以松弛量违背其约束条件增加经济成本来对松弛量进行约束；引入弱鲁棒因子来控制弱鲁棒优化的保守性水平，改进弱鲁棒优化框架；
步骤6，电热综合能源***改进弱鲁棒经济调度模型
在步骤4电热综合能源低碳调度模型中利用步骤5改进弱鲁棒优化框进行优化；以风电弱鲁棒因子、电价弱鲁棒因子、热价弱鲁棒因子、电负荷激励型弱鲁棒因子和热负荷激励型弱鲁棒因子来控制弱鲁棒优化的保守性水平；
步骤7，电热综合能源***调度方法的确定
应用细菌群体趋药性算法对步骤6电热综合能源***改进弱鲁棒经济调度模型中的松弛量临界值进行约束；然后对步骤6电热综合能源***改进弱鲁棒经济调度模型进行求解，确定电热综合能源***的调度方法。
进一步的技术方案在于在于，所述价格型综合需求响应模型为：
通过电价引导用户调整用电需求，响应***运行状态变化，建立电量电价弹性矩阵；借助需求弹性来实现，根据经济学的需求原理定义电量电价弹性est,q；
电量电价弹性est,q：
Figure BDA0001957834190000031
式中：est表示时刻s对时刻t的价格弹性；
Figure BDA0001957834190000032
分别为需求响应前时刻s的用电负荷和时刻t的用电价格；ΔQs和ΔPt分别为需求响应后时刻s的负荷变动量和时刻t的价格变动量；
用户参与价格型需求响应负荷变化量：
Figure BDA0001957834190000033
用户用电量对电价响应表示为：
Figure BDA0001957834190000034
热力和电力均属重要社会能源，具有相近的市场商品属性；热力负荷随热价变化亦存在如下的关系：
Figure BDA0001957834190000035
Figure BDA0001957834190000036
用户用热量对热价响应表示为：
Figure BDA0001957834190000037
价格型负荷可按可接受价格的影响程度分类，通过数据统计，比较基准日和价格变化后相同时刻需求-价格变化，确定各类负荷的价格弹性参数。
进一步的技术方案在于在于，所述激励型综合需求响应模型为：基于激励的IDR一般需要参与用户与IDR实施机构约定明确用户负荷削减量、补偿以及用户不按约定响应时的惩罚措施；IDR用户数量众多，较为分散，且单个用户因多方限制响应约束较多，不便于电网调度进行统一协调控制，考虑到用户响应和***控制的可行性，在基于激励的IDR模型中引入负荷聚合商的概念，模型中基于激励的IDR用户特指负荷聚合商，由负荷聚合商根据多个用户的容量/补偿情况，整合聚集IDR资源提供报价曲线至电网调度；因此针对激励型IDR资源，电网企业一般先与负荷聚合商约定，确定负荷削减量或计划出力：
Figure BDA0001957834190000041
DRt表示所有中标负荷聚合商在t时段计划参与激励型综合需求响应削减的负荷量,包括电负荷削减量
Figure BDA0001957834190000042
和热负荷削减量
Figure BDA0001957834190000043
进一步的技术方案在于在于，所述风电出力不确定集为：利用风电预测区间来计及风电的不确定性，风电出力的实际值区间可表示为：
Figure BDA0001957834190000044
(n＝1,2,…,NW t＝1,2,…T)，ΓW∈[0,1]
式中，
Figure BDA0001957834190000045
表示风电出力预测值，
Figure BDA0001957834190000046
为风电最大扰动量；引入风电弱鲁棒因子ΓW对各时段风电出力在区间内的扰动进行控制；通过调节ΓW在0和1之间的取值来控制风电出力的扰动范围，从而平衡解的最优性与鲁棒性。
进一步的技术方案在于在于，所述价格型综合需求响应不确定集为：价格型需求响应主要依据价格-弹性需求响应曲线来实现，然而由于负荷预测受多种因素影响，响应存在一定的预测误差，实际价格弹性需求响应曲线是不能准确预测的；价格型综合需求响应的不确定集可以表示为：
Figure BDA0001957834190000047
式中，
Figure BDA0001957834190000048
分别表示电价变化后用户用电量和用热量的偏差，定义负荷预测比例偏差
Figure BDA0001957834190000049
μQt∈[0,1]，μHt∈[0,1]，μQt、μHt越小，表示实际负荷预测偏差越小；同样地，为了改善***的保守性，引入电价弱鲁棒因子ΓQ以及热价弱鲁棒因子ΓH；令总电负荷预测偏差
Figure BDA00019578341900000410
总热负荷预测偏差
Figure BDA00019578341900000411
通过改变ΓQ和ΓH的大小限制调度周期负荷的总偏差量；利用弱鲁棒控制因子能够很好地协调鲁棒性与最优性。
进一步的技术方案在于在于，所述激励型综合需求响应不确定集为：考虑到用户行为和响应意愿的不确定性，其在运行过程中的实际负荷削减量将呈现出一定的不确定性；在弱鲁棒优化方法用区间数来描述其不确定集，即有：
Figure BDA0001957834190000051
式中，
Figure BDA0001957834190000052
Figure BDA0001957834190000053
为用户在t时段参与激励型综合需求响应的实际电负荷削减量和热负荷削减量；
Figure BDA0001957834190000054
为t时段两类综合需求响应实际削减量与计划量偏差的上限值；Γla,q表示电负荷激励型弱鲁棒因子，Γla,h表示热负荷激励型弱鲁棒因子，Γla,q∈[-1,1]，Γla,h∈[-1,1]。
进一步的技术方案在于在于，所述电热综合能源低碳调度模型为：
(1)目标函数
1)综合运行成本
考虑风电出力和综合需求响应不确定性给调度成本带来的影响，在电热综合能源调度模型中，经济运行成本包括两部分：期望成本和偏差成本；其中，期望成本主要包括常规机组、热电联产机组、抽水蓄能成本和蓄热式电锅炉的用电成本，不含不确定参数；在偏差成本中，主要计及了由风电出力不确定带来的弃风成本、价格型综合需求响应成本、激励型综合需求响应中负荷削减量预测误差造成的偏差成本；
电热综合能源***的运行成本F1可以表示为：minF1＝min(FE+βFD)；FE＝FG+FCHP+FPS+FEB；FD＝FW+FP+FDR；式中，FE表示期望成本，FD表示偏差成本，β为风险系数，反应了决策者对风险的重视程度，FG为常规火电机组的成本，单位：$；FCHP为热电联产机组的成本，单位：$；FPS为抽水蓄能设备的成本，单位：$；FEB为蓄热式电锅炉成本，单位：$；FW为弃风成本，单位：$；FP为价格型综合需求响应成本，单位：$；FDR为激励型综合需求响应负荷削减量预测误差带来的偏差成本，单位：$；
a.常规火电机组成本：
Figure BDA0001957834190000055
式中，NG表示常规机组投运数量；
Figure BDA0001957834190000056
表示单位出力成本单位：$/KW·h；
Figure BDA0001957834190000057
表示常规机组i在t时段的有功出力；
b.热电联产机组成本：
Figure BDA0001957834190000058
式中，NCHP表示热电联产机组的投运数量；
Figure BDA0001957834190000059
表示单位出力成本单位：$/KW·h；
Figure BDA00019578341900000510
表示热电联产机组j在t时段的有功出力，单位：KW·h；
c.抽水蓄能成本：
Figure BDA00019578341900000511
式中，NPS表示抽水蓄能机组总数；
Figure BDA00019578341900000512
和
Figure BDA00019578341900000513
分别表示抽蓄机组k在t时段的发电状态启动成本和抽水状态启动成本，单位：$；
d.蓄热式电锅炉成本：
Figure BDA0001957834190000061
式中，NEB表示蓄热式电锅炉总数；Ca为上网电价，单位：$/MWh；Cz为折扣电价，单位：$/MWh；
Figure BDA0001957834190000062
为t时段蓄热式电锅炉用电量，单位：KW·h；蓄热式电锅炉用电功率
Figure BDA0001957834190000063
包括供暖时段的用电功率
Figure BDA0001957834190000064
以及蓄热时段的用电功率
Figure BDA0001957834190000065
单位：KW·h；
其中供暖时段的用电量可以表示为:
Figure BDA0001957834190000066
式中，W和Th分别为***规定的采热指标和蓄热式电锅炉的供暖时间，单位：h；η1和η2分别为蓄热式电锅炉的产热效率和整个供热***的损耗；
蓄热式电锅炉供暖时段的用电功率可以表示为：
Figure BDA0001957834190000067
当蓄热式电锅炉在负荷低谷时段Ts蓄热时，用电功率可以表示为：
Figure BDA0001957834190000068
蓄热式电锅炉用电功率Pmt可以表示为：
Figure BDA0001957834190000069
e.弃风成本：
Figure BDA00019578341900000610
式中，λL为风电偏差成本系数；
f.价格型综合需求响应成本：
Figure BDA00019578341900000611
式中：a1、b1为电需求与价格的线性函数系数；a2、b2为电需求与价格的线性函数系数；ΔQt表示价格型综合需求响应引入后电负荷实际变化量；ΔHt价格型综合需求响应引入后热负荷实际变化量
g.激励型综合需求响应削减量偏差成本
根据负荷实际削减量与计划量的偏差，本文定义了激励型综合需求响应削减量偏差成本：
Figure BDA00019578341900000612
式中，FDR,Q、FDR,H表示用户在t时段参与激励型综合需求响应电负荷带来的电负荷和热负荷削减量偏差成本，λla,q、λla,h为相应的惩罚价格；
2)碳排放交易收益最大模型
需求侧备用提供负荷削减和发电出力服务，实际上是出让电能消费权和碳排放权的过程；如果家庭蓄热式电锅炉作为需求侧备用在负荷低谷时被调用电量，将按约定获得电价补偿；如果用户没有产生碳排放，则会得到相应的碳排放权补偿；
家庭蓄热式电锅炉在低谷时段蓄热可以获得碳排放权补偿；因此，碳排放交易收益包含常规火电机组的碳排放权收益和家庭蓄热式电锅炉的碳排放权补偿；具体公式为：maxB＝max(BG-αBX)；其中；，B为电热综合能源***的碳排放收益，单位：万元；BG为常规火电机组的碳排放权收益，单位：万元；BX为需求侧备用蓄热式电锅炉获得的碳排放收益，单位：万元,α为家庭蓄热式电锅炉启动概率；
a.常规火电机组的碳排放权收益
以1h为单位时段时长，则电热综合能源***的初始碳排放配额可表示为：
Figure BDA0001957834190000071
Ef为碳排放初始配额，α1为单位电量排放份额,本文取区域电量边际排放因子和容量边际因子的加权平均值0.648；
T时段内常规火电机组的实际碳排量Ed可表示为：
Figure BDA0001957834190000072
ag、bg、cg为常规机组碳排放计算系数；
根据碳交易市场的实际发展情况，碳排放权分配方式采用免费分配和考虑拍卖方式的有偿分配相结合形式：
Figure BDA0001957834190000073
式中：Ef为碳排放初始配额；δ为配额拍***例；Ef(1-δ)为免费分配的配额；Edi为常规机组i实际排放量，Efi为常规机组i分配额度；K′A是碳排放权拍卖价格，单位：元/t；K′T是碳排放权交易价格，单位：元/t；
当Edi＞Efi时，需要购买相应的碳排放权，此时成本中包括交易成本和拍卖成本两部分；当Edi＜Efi时，除满足自身碳排放需求外，碳排放权仍有剩余，因此可将剩余碳排放权出售从而获益；因此，常规火电机组的碳排放权交易收益可以表示为：
Figure BDA0001957834190000074
b.家庭蓄热式电锅炉的碳排放权补偿
采用“碳足迹”概念，定义一种激励机制下的基于碳交易的需求响应，用户增加电量但不产生碳排放时，可将相应的碳排放权捆绑出售获得相关收益；其数学模型为：
Figure BDA0001957834190000075
其中，Ex为蓄热式电锅炉获得的碳排放权；π为单位碳排放价格，单位：元/t；k为碳足迹计算系数；ρ为化石能源发电所占比例；Px为蓄热式电锅炉用电量，单位：MW；
(2)电力网络约束
a.功率平衡约束：
Figure BDA0001957834190000081
式中，
Figure BDA0001957834190000082
为t时段***负荷值，ηq为用户中参与价格型综合需求响应的比例，Qt为参与价格型综合需求响应后用户的用电量，
Figure BDA0001957834190000083
为参与激励型综合需求响应后实际电负荷削减量；
b.常规火电机组约束：
Figure BDA0001957834190000084
式中，
Figure BDA0001957834190000085
分别为常规火电机组i在t时刻的出力上下限；
c.热电联产机组约束：
Figure BDA0001957834190000086
式中，
Figure BDA0001957834190000087
分别为热电联产机组j在t时刻的出力上下限；
d.风电机组约束：
Figure BDA0001957834190000088
式中，
Figure BDA0001957834190000089
为风电预测值；
e.正负旋转备用约束：
Figure BDA00019578341900000810
式中：
Figure BDA00019578341900000811
分别表示抽水蓄能装置的连续正旋转备用和连续负旋转备用；
f.抽水蓄能装置约束
主要包括抽蓄电站库容约束、发电出力约束、日抽发电站约束、启停次数约束；
(2)热力网络约束
a.热功率平衡约束：
Figure BDA00019578341900000812
式中，
Figure BDA00019578341900000813
Figure BDA00019578341900000814
分别为t时刻热电联产机组、蓄热式电锅炉和储热装置的供热功率；
Figure BDA00019578341900000815
为t时刻***的热负荷；ηh为用户中参与价格型综合需求响应的比例，Ht为参与价格型综合需求响应后用户的用热量，
Figure BDA00019578341900000816
为参与激励型综合需求响应后实际热负荷削减量；
b.热电联产机组电热耦合约束：
Figure BDA00019578341900000817
式中，
Figure BDA00019578341900000818
为热电联产机组j的电热转化效率；
c.蓄热式电锅炉约束：
Figure BDA00019578341900000819
式中，
Figure BDA00019578341900000820
为蓄热式电锅炉m的电热转化效率；
d.储热装置约束：
Figure BDA0001957834190000091
式中，Smax为储热装置储热容量，储热装置的储热功率
Figure BDA0001957834190000092
和放热功率
Figure BDA0001957834190000093
受换热器换热功率的限制，不超过换热器最大功率
Figure BDA0001957834190000094
该约束反映的是储热装置热传递速率的限制。
进一步的技术方案在于在于，所述改进弱鲁棒优化框建立的步骤为：
(1)传统弱鲁棒优化框架
给定不确定的优化问题f(x)，选定某个基准场景
Figure BDA0001957834190000095
在满足约束条件下，求得此时模型最优解
Figure BDA0001957834190000096
当引入不确定数据后，对基准场景下的最优值赋予一定的容忍度
Figure BDA0001957834190000097
允许运行目标函数值恶化一定限度，即
Figure BDA0001957834190000098
弱鲁棒优化允许出现约束违背，当某个解x不满足第i个约束条件Fi(x,ξ)≤0时，引入参数γi对约束条件进行适当的松弛，即Fi(x,ξ)≤γi，松弛量γ表示约束的违背程度，因此利用松弛量γi的大小来衡量x对第i个约束条件的不可行度，即：
Figure BDA0001957834190000099
当γi＝0时，表示解的任意场景下均满足约束条件，此时即为强鲁棒模型；当
Figure BDA00019578341900000910
表示x对第i个约束条件不可行，需要对约束条件进行适当松弛；
在弱鲁棒优化框架下，以优化模型总的不可行度γ最小为目标，此时传统的弱鲁棒优化模型可以表示为：
Figure BDA00019578341900000911
γ＝(γ1,γ2,…,γn)T表示模型的不可行度；
在传统的弱鲁棒优化问题中，并没有对容忍度和松弛量这两个参数进行一定的限制；松弛量参数与***的经济性相关，当松弛量变大时，***的经济性变好，然而，可能存在约束过度违背的情况，给***带来一定的风险；而如果容忍度取值过大，会出现比鲁棒优化更严重的保守性；
(2)改进弱鲁棒优化
改进的弱鲁棒优化框架可表示为：
1)弱鲁棒优化中，虽然允许基准场景的目标函数恶化一定的限度的解，但随着容忍度
Figure BDA00019578341900000912
Figure BDA00019578341900000913
的增大，最优解的可行域不断变大，经济成本增加，保守性变强；因此，容忍度不能无限增大，当容忍度增大到临界值
Figure BDA0001957834190000101
时，弱鲁棒解恰好为强鲁棒的优化解z′，此时，***保守性最强，经济性最差；若容忍度继续增大，将会造成比强鲁棒优化更严重的保守性；因此容忍度的取值范围可表示为：
Figure BDA0001957834190000102
2)当出现约束条件违背的情况时，会给***带来一定的风险；针对约束松弛量γi，定义相应的惩罚系数τi，将惩罚成本累加至经济运行成本目标，同时对约束松弛量进行限制，防止出现约束过度违背的情况；为了加强***的约束力，降低违背的概率，对违背量即松弛量，实行阶梯型惩罚系数，违背越大，惩罚越高；首先引入松弛量临界值
Figure BDA0001957834190000103
当松弛量超过
Figure BDA0001957834190000104
时，对其进行惩罚；
松弛量γi∈[0,γi,max]，令
Figure BDA0001957834190000105
η≥0，将松弛量均匀的分成5个区间，η表示第i个松弛量单个取值区间的大小；对于第i个约束松弛量，相应的阶梯型惩罚系数τi可以表示为：
Figure BDA0001957834190000106
3)在传统的弱鲁棒优化基础上引入弱鲁棒因子Γ值来控制弱鲁棒优化的保守性水平；
改进弱鲁棒优化的框架可以描述为：
Figure BDA0001957834190000107
进一步的技术方案在于在于，所述电热综合能源***改进弱鲁棒经济调度模型为：
(1)基准场景的选取
1)风电基准场景的选取
针对风电出力不确定的情况，选取风电机组的预测出力作为基准场景，在一天24个调度时段内，风电出力的基准场景可以表示为:
Figure BDA0001957834190000108
2)价格型综合需求响应基准场景的选取
将计算所得到的负荷预测值作为价格型需求响应的基准场景，此时并不考虑预测偏差量；因此，在一天24个调度时段内，价格弹性需求响应的基准场景可以表示为：
Figure BDA0001957834190000111
3)激励型综合需求响应基准场景的选取
选取计划削减量作为激励型综合需求响应的基准场景：
Figure BDA0001957834190000112
在选定基准场景后，此时经济调度成本中的弃风成本为0，表示风电被完全消纳，综合响应量误差也为0，表示在调度时段内，负荷预测不存在偏差；调度模型变为确定性模型，将风电基准场景与需求响应量基准场景引入改进弱鲁棒模型中，综合能源***调度模型可以表示为：
Figure BDA0001957834190000113
式中，
Figure BDA0001957834190000114
表示基准场景下调度模型的目标函数值；
(2)基于改进的弱鲁棒优化调度模型
从实际出发，考虑在电热综合能源调度模型中，γ1、γ2、γ3、γ4分别表示风电、抽水蓄能机组正负旋转备用以及供热的补偿功率；当出现松弛量时，计算相应的惩罚系数τ1、τ2、τ3、τ4；将松弛量带来的惩罚成本累加至经济目标函数；惩罚成本可以表示为：
Figure BDA0001957834190000115
因此基于改进弱鲁棒的电热综合能源***的调度模型可以表示为：
目标函数：
Figure BDA0001957834190000121
约束条件：
Figure BDA0001957834190000122
进一步的技术方案在于在于，所述电热综合能源***改进弱鲁棒经济调度模型求解的过程为：
(1)引入约束松弛量临界值改进细菌群体趋药性算法
细菌群体趋药性算法引入了细菌群体内个体之间相互交流的机制，提高了算法的性能，具有较强的收敛性和较快的计算速度，BCC可用于解决多目标非线性优化问题；针对传统的BCC算法收敛速度慢，易陷入局部最优，调节约束松弛量临界值
Figure BDA0001957834190000123
它随着迭代次数逐渐减小；
Figure BDA0001957834190000124
λ0表示初始临界值，λ0＞0；K表示最大迭代次数；k为当前迭代次数；迭代初期，采用较大的临界值，降低靠近可行域的不可行解的惩罚深度，保留其携带的有益信息，用于最优解搜索；随着迭代次数的增加，逐渐降低对临近不可行解的容忍程度，临界值变小，细菌回归至可行域范围内，扩大搜索空间，提高收敛速度；
在迭代过程中，细菌速度和位置的更新公式如下：
Figure BDA0001957834190000125
Figure BDA0001957834190000131
式中，vn+1、vn分别为第n+1、n次迭代时细菌移动速度；vmin为所设置的细菌最小移动速度；
Figure BDA0001957834190000132
为控制细菌移动速度衰减的控制因子；w∈[0,1]为惯性权重因子，遵循先大后小的调节原则；
(2)模型求解
利用改进的细菌群体趋药性算法对模型进行求解；具体步骤如下
1)参数初始化，输入***网络参数和算法参数；
2)初始化细菌位置，即在变量范围内，随机将细菌分布在不同位置；
3)利用趋化过程和感知过程，分别得到两次目标函数值，取较小的一个函数值，计为fbetter，对应的细菌位置计为xbetter，此时计算得到的适应值并未考虑对约束的松弛惩罚；
4)计算考虑松弛量临界值时的适应度值；
5)判断是否达到最终精度或达到最大迭代次数；
6)当满足结束条件时，保存结果，退出程序；否则，更新细菌的速度和位置，跳回第3)步；
7)重复3)—6)，直至满足要求。
与现有技术相比，本发明具有如下优点：(1)综合需求响应参与调度能够挖掘需求侧电、热负荷灵活性，对源荷侧的可控资源进行合理的调度，促进可再生能源消纳；(2)在综合能源调度时，不仅考虑经济成本目标，同时将环境因素纳入运行环节，综合考虑经济和环保因素，降低碳排放；(3)改进传统弱鲁棒优化存在的缺陷，使得到的最优解位于随机优化和鲁棒优化最优解之间，协调***的保守性和经济性。
附图说明
图1是本发明方法的研究流程图。
图2是本发明方法的电热综合能源***结构图。
图3是本发明方法的弱鲁棒优化解空间示意图。
图4是本发明方法的风电和电负荷预测曲线图。
图5是本发明方法的热负荷预测曲线图。
图6是本发明方法的风电出力仿真对比图。
图7是本发明方法的改进弱鲁棒优化调度模型求解流程图
具体实施方式
下面结合附图对本发明做进一步说明：结合附体1，本发明所述方法的步骤如下：
步骤1，建立电热综合需求响应模型
步骤1-1，价格型综合需求响应模型：通过电价、热价引导用户调整用电、用热需求，响应***的运行状态变化，建立用户用电量对电价、用热量对热价的响应模型；
价格型需求响应通过电价引导用户调整用电需求，响应***运行状态变化，用户的负荷调整是完全自愿的，可被看作不可调度DR资源，针对用户用电量对电价的响应的建模，目前应用最多、相对有效的方法是建立电量电价弹性矩阵。价格型需求响应主要借助需求弹性来实现，根据经济学的需求原理定义电量电价弹性est,q。
电量电价弹性est,q：
Figure BDA0001957834190000141
式中：est表示时刻s对时刻t的价格弹性；
Figure BDA0001957834190000142
分别为需求响应前时刻s的用电负荷和时刻t的用电价格；ΔQs和ΔPt分别为需求响应后时刻s的负荷变动量和时刻t的价格变动量。
用户参与价格型需求响应负荷变化量：
Figure BDA0001957834190000143
用户用电量对电价响应表示为：
Figure BDA0001957834190000144
热力和电力均属重要社会能源，具有相近的市场商品属性。进一步考虑价格响应机制在热力***中的作用，类比价格型电力负荷，价格型热力负荷随热价变化亦存在如下的关系：
Figure BDA0001957834190000145
用户用热量对热价响应表示为：
Figure BDA0001957834190000146
价格型负荷可按可接受价格的影响程度分类，通过数据统计，比较基准日和价格变化后相同时刻需求-价格变化，确定各类负荷的价格弹性参数。
步骤1-2，激励型综合需求响应模型：通过用户电负荷和热负荷的负荷削减量、补偿以及用户不响应时的惩罚措施，响应***的运行状态变化，建立响应模型；
基于激励的IDR一般需要参与用户与IDR实施机构签订合同，在合同中明确用户负荷削减量、补偿以及用户不按合同响应时的惩罚等相关细节。IDR用户数量众多，较为分散，且单个用户因多方限制响应约束较多，不便于电网调度进行统一协调控制，考虑到用户响应和***控制的可行性，在基于激励的IDR模型中引入负荷聚合商(Load Aggregator,LA)的概念，模型中基于激励的IDR用户特指负荷聚合商，由负荷聚合商根据多个用户的容量/补偿情况，整合聚集IDR资源提供报价曲线至电网调度。因此针对激励型IDR资源，电网企业一般先以合同的形式与激励型IDR资源(负荷聚合商)签订合同，确定负荷削减量(计划出力)：
Figure BDA0001957834190000151
DRt表示所有中标LA在t时段计划参与激励型综合需求响应削减的负荷量,包括电负荷削减量
Figure BDA0001957834190000152
和热负荷削减量
Figure BDA0001957834190000153
步骤2，不确定集
步骤2-1，风电出力不确定集：在风电预测区间内，引入风电弱鲁棒因子确定各时段风电出力的扰动范围；
利用风电预测区间来计及风电的不确定性，风电出力的实际值区间可表示为：
Figure BDA0001957834190000154
(n＝1,2,…,NW t＝1,2,…T)，ΓW∈[0,1]；式中，
Figure BDA0001957834190000155
表示风电出力预测值，
Figure BDA0001957834190000156
为风电最大扰动量。引入弱鲁棒因子ΓW对各时段风电出力在区间内的扰动进行控制。由于模型加入了风电弱鲁棒因子ΓW，能够很好的避免风电出力在扰动区间的变动所带来模型解的不可行性。通过调节ΓW在0和1之间的取值来控制风电出力的扰动范围，从而平衡不确定模型解的最优性与鲁棒性。
步骤2-2，价格型综合需求响应不确定集：在电热综合需求响应模型中，引入电价弱鲁棒因子以及热价弱鲁棒因子确定价格变化引起用户用电量以及用热量的扰动范围；
价格型需求响应主要依据价格-弹性需求响应曲线来建模，然而由于负荷预测受多种因素影响，响应存在一定的预测误差，实际价格弹性需求响应曲线是不能准确预测的。
价格型综合需求响应的不确定集可以表示为：
Figure BDA0001957834190000157
式中，
Figure BDA0001957834190000158
分别表示电价变化后用户用电量和用热量的偏差，定义负荷预测比例偏差
Figure BDA0001957834190000161
Figure BDA0001957834190000162
μQt∈[0,1]，μHt∈[0,1]，μQt、μHt越小，表示实际负荷预测偏差越小。同样地，为了改善***的保守性，引入价格型弱鲁棒因子ΓQ、ΓH。令总电负荷预测偏差
Figure BDA0001957834190000163
总热负荷预测偏差
Figure BDA0001957834190000164
参数ΓQ∈[0,UQ]，ΓH∈[0,UH]表示弱鲁棒优化的保守性水平，通过改变ΓQ和ΓH的大小限制调度周期负荷的总偏差量。弱鲁棒因子越大，不确定性区间越大，保守性越好，因此，利用弱鲁棒控制因子能够很好地协调***的鲁棒性与最优性。
步骤2-3，激励型综合需求响应不确定集：在激励型综合需求响应模型中，引入电负荷激励型弱鲁棒因子以及热负荷激励型弱鲁棒因子确定价格变化引起用户电负荷以及热负荷的扰动范围；
对于激励型综合需求响应，考虑到用户行为和响应意愿的不确定性，其在运行过程中的实际负荷削减量将呈现出一定的不确定性。在弱鲁棒优化方法中，同样可用区间数来描述其不确定集，即有：
Figure BDA0001957834190000165
式中，
Figure BDA0001957834190000166
为用户在t时段参与激励型综合需求响应的实际电负荷削减量和热负荷削减量；
Figure BDA0001957834190000167
为t时段两类综合需求响应实际削减量与计划量偏差的上限值，可由需求响应历史数据得到。Γla,q、Γla,h表示激励型弱鲁棒因子，Γla,q∈[-1,1]，Γla,h∈[-1,1]。
步骤3，电热综合能源调度模型
基于传统的包含常规机组、风电机组以及热电联产机组的电热综合能源***，在***中加装了抽水蓄能设备、蓄热式电锅炉和储热装置，如附图2所示。
电热综合能源***消纳弃风原理：热电联产机组发电出力和供热出力存在耦合关系，在一定的供热功率下，机组的发电功率可调范围受到供热出力的限制。在冬季供暖期，热负荷峰值集中在夜间，热电机组发电出力因供热约束无法下调，造成严重的弃风。因此，利用蓄热式电锅炉作为需求侧备用来弃风供暖。在夜间弃风阶段，将过剩的风电一部分通过抽水蓄能进行储存，同时蓄热式电锅炉可将弃风转化为热能进行存储；在白天非弃风阶段，抽水蓄能释放储存的电能供电，减少风电出力，提取蓄热式电锅炉存储的热能与热电联产机组协调供热，并向储热装置蓄热，储热装置可以在夜间释放热量，降低热电机组的出力。
步骤4，电热综合能源低碳调度模型
以综合能源运行成本最小和碳排放交易模型收益最大为目标函数，利用步骤1的电热综合需求响应模型以及步骤2的不确定集，确定电力约束条件和热力约束条件，对电热综合能源调度模型进行调度；在低碳的背景下，建立了以***经济运行成本最小和***碳排放交易收益最大为目标，计及电力***和热力***约束的电热综合能源***多目标调度模型。
步骤4-1，确定目标函数：
步骤4-1-1，综合运行成本
考虑风电出力和综合需求响应不确定性给调度成本带来的影响，在本文所提出的电热综合能源调度模型中，经济运行成本包括两部分：期望成本和偏差成本。其中，期望成本主要包括常规机组运行成本、热电联产机组成本、抽水蓄能成本和蓄热式电锅炉的用电成本，不含不确定参数；在偏差成本中，主要计及了由风电出力不确定带来的弃风成本、价格型综合需求响应成本、激励型综合需求响应负荷削减量预测误差造成的偏差成本。电热综合能源***的运行成本F1可以表示为：minF1＝min(FE+βFD)；minF1＝min(FE+βFD)FE＝FG+FCHP+FPS+FEB；FD＝FW+FP+FDR；式中，FE表示期望成本，FD表示偏差成本，β为风险系数，反应了决策者对风险的重视程度，FG为常规火电机组的成本($)；FCHP为热电联产机组(CHP)的成本($)；FPS为抽水蓄能设备的成本($)；FEB为蓄热式电锅炉成本($)；FW为弃风成本($)；FP为价格型综合需求响应成本($)；FDR为激励型综合需求响应负荷削减量预测误差带来的偏差成本($)。
a.常规火电机组成本：
Figure BDA0001957834190000171
式中，NG表示常规机组投运数量；
Figure BDA0001957834190000172
表示单位出力成本($/KW·h)；
Figure BDA0001957834190000173
表示常规机组i在t时段的有功出力。
b.热电联产机组成本：
Figure BDA0001957834190000174
式中，NCHP表示热电联产机组的投运数量；
Figure BDA0001957834190000175
表示单位出力成本($/KW·h)；
Figure BDA0001957834190000176
表示热电联产机组j在t时段的有功出力。
c.抽水蓄能成本：
Figure BDA0001957834190000177
式中，NPS表示抽水蓄能机组总数；抽蓄的发电成本考虑的是抽蓄的启动成本，
Figure BDA0001957834190000178
和
Figure BDA0001957834190000179
分别表示抽蓄机组k在t时段的发电状态启动成本($)和抽水状态启动成本($)。
d.蓄热式电锅炉成本：
Figure BDA0001957834190000181
式中，NEB表示蓄热式电锅炉总数；Ca为上网电价($/MWh)；Cz为折扣电价($/MWh)；
Figure BDA0001957834190000182
为t时段蓄热式电锅炉用电量(KW·h)。蓄热式电锅炉用电功率
Figure BDA0001957834190000183
(KW·h)包括供暖时段的用电功率
Figure BDA0001957834190000184
以及蓄热时段的用电功率
Figure BDA0001957834190000185
其中供暖时段的用电量可以表示为:
Figure BDA0001957834190000186
式中，W和Th分别为***规定的采热指标和蓄热式电锅炉的供暖时间(h)；η1和η2分别为蓄热式电锅炉的产热效率和整个供热***的损耗。蓄热式电锅炉供暖时段的用电功率可以表示为：
Figure BDA0001957834190000187
当蓄热式电锅炉在负荷低谷时段Ts蓄热时，用电功率可以表示为：
Figure BDA0001957834190000188
蓄热式电锅炉用电功率Pmt可以表示为：
Figure BDA0001957834190000189
e.弃风成本：
Figure BDA00019578341900001810
式中，λL为风电偏差成本系数。
f.价格型综合需求响应成本：
Figure BDA00019578341900001811
式中：a1、b1为电需求与价格的线性函数系数；a2、b2为电需求与价格的线性函数系数。ΔQt表示价格型综合需求响应引入后电负荷变化量；ΔHt价格型综合需求响应引入后热负荷变化量
g.激励型综合需求响应削减量偏差成本
根据负荷实际削减量与计划量的偏差，本文定义了激励型综合需求响应削减量偏差成本：
Figure BDA00019578341900001812
式中，FDR,Q、FDR,H表示用户在t时段参与激励型综合需求响应电负荷带来的电负荷和热负荷削减量偏差成本，λla,q、λla,h为相应的惩罚价格。
步骤4-1-2，碳排放交易收益：
需求侧备用提供负荷削减和发电出力服务，实际上是出让电能消费权和碳排放权的过程。如果蓄热式电锅炉作为需求侧备用在负荷低谷时被调用电量，将按合同获得电价补偿。如果用户没有产生碳排放，则会得到相应的碳排放权补偿。
蓄热式电锅炉在低谷时段蓄热可以获得碳排放权补偿。因此，碳排放交易收益包含常规火电机组的碳排放权收益和蓄热式电锅炉的碳排放权补偿。具体公式为：maxB＝max(BG-αBX)；其中，B为电热综合能源***的碳排放收益(万元)；BG为常规火电机组的碳排放权收益(万元)；BX为需求侧备用蓄热式电锅炉获得的碳排放收益(万元),α为家庭蓄热式电锅炉启动概率。
a.常规火电机组的碳排放权收益
以1h为单位时段时长，则电热综合能源***的初始碳排放配额可表示为：
Figure BDA0001957834190000191
Ef为碳排放初始配额，α1为单位电量排放份额,本文取区域电量边际排放因子和容量边际因子的加权平均值0.648；
T时段内常规火电机组的实际碳排量Ed可表示为：
Figure BDA0001957834190000192
ag bgcg为常规机组碳排放计算系数。
根据碳交易市场的实际发展情况，碳排放权分配方式采用免费分配和考虑拍卖方式的有偿分配相结合形式：
Figure BDA0001957834190000193
式中：Ef为碳排放初始配额；δ为配额拍***例；Ef(1-δ)为免费分配的配额；Edi为常规机组i实际排放量，Efi为常规机组i分配额度；K′A是碳排放权拍卖价格，单位：元/t；K′T是碳排放权交易价格，单位：元/t。
当Edi＞Efi时，需要购买相应的碳排放权，此时成本中包括交易成本和拍卖成本两部分；当Edi＜Efi时，除满足自身碳排放需求外，碳排放权仍有剩余，因此可将剩余碳排放权出售从而获益。因此，常规火电机组的碳排放权交易收益可以表示为：
Figure BDA0001957834190000194
b.家庭蓄热式电锅炉的碳排放权补偿
采用“碳足迹”概念，定义一种激励机制下的基于碳交易的需求响应，用户增加电量但不产生碳排放时，可将相应的碳排放权捆绑出售获得相关收益。其数学模型为：
Figure BDA0001957834190000201
其中，Ex为蓄热式电锅炉获得的碳排放权；π为单位碳排放价格(元/t)；k为碳足迹计算系数；ρ为化石能源发电所占比例；Px为蓄热式电锅炉用电量(MW)。
步骤4-2，确定约束条件：
步骤4-2-1，电力网络约束
a.功率平衡约束：
Figure BDA0001957834190000202
式中，
Figure BDA0001957834190000203
为t时段***负荷值，ηq为用户中参与价格型综合需求响应的比例，Qt为参与价格型综合需求响应后用户的用电量，
Figure BDA0001957834190000204
为参与激励型综合需求响应后实际电负荷削减量。
b.常规火电机组约束：
Figure BDA0001957834190000205
式中，
Figure BDA0001957834190000206
分别为常规火电机组i在t时刻的出力上下限。
c.热电联产机组约束：
Figure BDA0001957834190000207
式中，
Figure BDA0001957834190000208
分别为热电联产机组j在t时刻的出力上下限。
d.风电机组约束：
Figure BDA0001957834190000209
式中，
Figure BDA00019578341900002010
为风电预测值。
e.正负旋转备用约束：
Figure BDA00019578341900002011
式中：
Figure BDA00019578341900002012
分别表示抽水蓄能装置的连续正旋转备用和连续负旋转备用。
f.抽水蓄能装置约束
主要包括抽蓄电站库容约束、发电出力约束、日抽发电站约束、启停次数约束。
步骤4-2-2，热力网络约束
a.热功率平衡约束：
Figure BDA00019578341900002013
式中，
Figure BDA00019578341900002014
分别为t时刻热电联产机组、蓄热式电锅炉和储热装置的供热功率；
Figure BDA00019578341900002015
为t时刻***的热负荷。ηh为用户中参与价格型综合需求响应的比例，Ht为参与价格型综合需求响应后用户的用热量，
Figure BDA00019578341900002016
为参与激励型综合需求响应后实际热负荷削减量。
b.热电联产机组电热耦合约束：
Figure BDA0001957834190000211
式中，
Figure BDA0001957834190000212
为热电联产机组j的电热转化效率。
c.蓄热式电锅炉约束：
Figure BDA0001957834190000213
式中，
Figure BDA0001957834190000214
为蓄热式电锅炉m的电热转化效率。
d.储热装置约束：
Figure BDA0001957834190000215
式中，Smax为储热装置储热容量，储热装置的储热功率
Figure BDA0001957834190000216
和放热功率
Figure BDA0001957834190000217
受换热器换热功率的限制，不超过换热器最大功率
Figure BDA0001957834190000218
该约束反映的是储热装置热传递速率的限制。此外，储热装置的运行一般要求一个运行周期后恢复到原来的储热量。
步骤5，改进弱鲁棒优化框
在传统弱鲁棒优化过程中，以经济成本对的容忍度进行约束，以松弛量违背其约束条件增加经济成本来对松弛量进行约束；引入弱鲁棒因子来控制弱鲁棒优化的保守性水平，改进弱鲁棒优化框架；
弱鲁棒优化从实际应用的角度事先选定某个基准场景，通过对约束条件的松弛处理，以求取引入不确定数据后，基准场景的目标函数恶化一定限度的解，其综合考虑解的可行性和目标函数的恶化程度。
步骤5-1，传统弱鲁棒优化框架
给定不确定的优化问题f(x)，不同于强鲁棒优化要求模型最优解对不确定集中的任何场景都满足约束，在弱鲁棒问题中，首先选定某个基准场景
Figure BDA0001957834190000219
在满足约束条件下，求得此时模型最优解
Figure BDA00019578341900002110
当引入不确定数据后，对基准场景下的最优值赋予一定的容忍度
Figure BDA00019578341900002111
允许运行目标函数值恶化一定限度，即
Figure BDA00019578341900002112
弱鲁棒优化解空间如图3所示。
此外，弱鲁棒优化允许出现约束违背，即牺牲一些鲁棒性使得***的保守性在给定的范围内。具体方法如下：当某个解x不满足第i个约束条件Fi(x,ξ)≤0时，引入参数γi对约束条件进行适当的松弛，即Fi(x,ξ)≤γi，松弛量γ表示约束的违背程度，利用松弛量γi的大小来衡量x对第i个约束条件的不可行度，即：
Figure BDA0001957834190000221
当γi＝0时，表示解的任意场景下均满足约束条件，此时即为强鲁棒模型；当
Figure BDA0001957834190000222
表示x对第i个约束条件不可行，需要对约束条件进行适当松弛。
在弱鲁棒优化框架下，以优化模型总的不可行度γ最小为目标，此时传统的弱鲁棒优化模型可以表示为：
Figure BDA0001957834190000223
γ＝(γ1,γ2,…,γn)T表示模型的不可行度。
然而在传统的弱鲁棒优化问题中，并没有对容忍度和松弛量这两个参数进行一定的限制。松弛量参数与***的经济性相关，当松弛量变大时，***的经济性变好，然而，可能存在约束过度违背的情况，给***带来一定的风险。而如果容忍度取值过大，会出现比鲁棒优化更严重的保守性。
步骤5-2，改进弱鲁棒优化
针对弱鲁棒优化存在的问题，对传统的弱鲁棒做了如下改进：改进的弱鲁棒优化框架可表示为：
(1)弱鲁棒优化中，虽然允许基准场景的目标函数恶化一定的限度的解，但随着容忍度
Figure BDA0001957834190000224
的增大，最优解的可行域不断变大，经济成本增加，保守性变强。因此，容忍度不能无限增大，当容忍度增大到临界值
Figure BDA0001957834190000225
时，弱鲁棒解恰好为强鲁棒的优化解z′，此时，***保守性最强。若容忍度继续增大，将会造成比强鲁棒优化更严重的保守性。因此容忍度的取值范围可表示为：
Figure BDA0001957834190000226
(2)当出现约束条件违背的情况时，会给***带来一定的风险。针对约束松弛量γi，定义相应的惩罚系数τi，将惩罚成本累加至经济运行成本目标，同时对约束松弛量进行限制，防止出现约束过度违背的情况。为了加强***的约束力，降低违背的概率，对违背量即松弛量，实行阶梯型惩罚系数，违背越大，惩罚越高。首先引入松弛量临界值
Figure BDA0001957834190000228
当松弛量超过
Figure BDA0001957834190000227
时，对其进行惩罚。
松弛量γi∈[0,γi,max]，令
Figure BDA0001957834190000231
η≥0，将松弛量均匀的分成5个区间，η表示第i个松弛量单个取值区间的大小。对于第i个约束松弛量，相应的阶梯型惩罚系数τi可以表示为：
Figure BDA0001957834190000232
(3)在传统的弱鲁棒优化基础上引入弱鲁棒因子Γ值来控制弱鲁棒优化的保守性水平。
改进弱鲁棒优化的框架可以描述为：
Figure BDA0001957834190000233
进一步的，所述步骤6的具体过程如下：
步骤6-1，基准场景的选取
步骤6-1-1，风电基准场景的选取
针对风电出力不确定的情况，选取风电机组的预测出力作为基准场景，在一天24个调度时段内，风电出力的基准场景可以表示为:
Figure BDA0001957834190000234
步骤6-1-2，价格型综合需求响应基准场景的选取
将计算所得到的负荷预测值作为价格型需求响应的基准场景，此时并不考虑预测偏差量。因此，在一天24个调度时段内，价格弹性需求响应的基准场景可以表示为：
Figure BDA0001957834190000235
步骤6-1-3，激励型综合需求响应基准场景的选取
选取计划削减量作为激励型综合需求响应的基准场景：
Figure BDA0001957834190000236
步骤6-2，基准场景下综合能源调度模型
在选定基准场景后，此时经济调度成本中的弃风成本为0，表示风电被完全消纳，综合响应量误差也为0，表示在调度时段内，负荷预测不存在偏差。调度模型变为确定性模型，将风电基准场景与需求响应量基准场景引入改进弱鲁棒模型中，综合能源***调度模型可以表示为：
Figure BDA0001957834190000241
式中，
Figure BDA0001957834190000242
表示基准场景下调度模型的目标函数值；
步骤6-3，基于改进弱鲁棒优化的综合能源***调度模型
从实际出发，考虑在电热综合能源调度模型中，γ1、γ2、γ3、γ4分别表示风电、抽水蓄能机组正负旋转备用以及供热的补偿功率。当出现松弛量时，计算相应的惩罚系数τ1、τ2、τ3、τ4。将松弛量带来的惩罚成本累加至经济目标函数。惩罚成本可以表示为：
Figure BDA0001957834190000243
因此基于改进弱鲁棒的电热综合能源***的调度模型可以表示为：
目标函数：
Figure BDA0001957834190000244
约束条件：
Figure BDA0001957834190000251
进一步的，所述步骤7的具体过程如下：
步骤7-1，引入约束松弛量临界值改进细菌群体趋药性算法
细菌群体趋药性算法(bacterial colony chemotaxis,BCC)引入了细菌群体内个体之间相互交流的机制，提高了算法的性能，具有较强的收敛性和较快的计算速度，BCC可用于解决多目标非线性优化问题。针对传统的BCC算法收敛速度慢，易陷入局部最优，调节约束松弛量临界值
Figure BDA0001957834190000256
它随着迭代次数逐渐减小；
Figure BDA0001957834190000252
λ0表示初始临界值，λ0＞0；K表示最大迭代次数；k为当前迭代次数。迭代初期，采用较大的临界值，降低靠近可行域的不可行解的惩罚深度，保留其携带的有益信息，用于最优解搜索；随着迭代次数的增加，逐渐降低对临近不可行解的容忍程度，临界值变小，细菌回归至可行域范围内，扩大搜索空间，提高收敛速度。
在迭代过程中，细菌速度和位置的更新公式如下：
Figure BDA0001957834190000253
Figure BDA0001957834190000254
式中，vn+1、vn分别为第n+1、n次迭代时细菌移动速度；vmin为所设置的细菌最小移动速度；
Figure BDA0001957834190000255
为控制细菌移动速度衰减的控制因子；w∈[0,1]为惯性权重因子，遵循先大后小的调节原则。
步骤7-2，模型求解
利用改进的细菌群体趋药性算法对模型进行求解；如图7所示，具体步骤如下
1)参数初始化，输入***网络参数和算法参数；
2)初始化细菌位置，即在变量范围内，随机将细菌分布在不同位置；
3)利用趋化过程和感知过程，分别得到两次目标函数值，取较小的一个函数值，计为fbetter，对应的细菌位置计为xbetter，此时计算得到的适应值并未考虑对约束的松弛惩罚；
4)计算考虑松弛量临界值时的适应度值；
5)判断是否达到最终精度或达到最大迭代次数；
6)当满足结束条件时，保存结果，退出程序；否则，更新细菌的速度和位置，跳回第3)步；
7)重复3)—6)，直至满足要求
具体模型求解步骤如下：算例选取修改后的IEEE-39节点***进行验证。首先给出电热综合***中电/热负荷和风电出力预测值、各类机组及其他装置的相关参数，风电场的出力曲线和电、热负荷预测曲线分别为附图4、附图5所示。
步骤7-2-1电热综合能源***风电消纳效果分析
为了说明电-热综合能源***对风电消纳能力的影响，算例分别设置了以下4种场景进行仿真：场景1：不加装电储能、储热、蓄热式电锅炉装置；场景2：考虑加入储能装置后的电热综合***的协调运行；场景3：考虑加入储能装置和储热装置后的电热综合***的协调运行；场景4：考虑加入储能、储热、蓄热式电锅炉电锅炉装置后的电热综合***的协调运行；四种模型下风电场的出力情况如附图6所示，可以看出，所提出的电热综合能源***能够减少弃风量，提高风电消纳能力。
步骤7-2-2改进弱鲁棒优化方法有效性分析
为了说明改进弱鲁棒优化方法的优越性，算例设置了如下5中优化场景进行仿真
场景1：在确定性条件下考虑的传统调度模型。
场景2：采用随机优化方法处理风电和综合需求响应不确定性的调度模型。
场景3：采用鲁棒优化方法处理风电和综合需求响应不确定性的调度模型。
场景4：采用传统弱鲁棒优化方法处理风电和综合需求响应不确定性的调度模型。
场景5：采用本文改进的弱鲁棒优化方法的调度模型。
优化计算结果如表1所示：
表1 5种场景调度成本比较
Figure BDA0001957834190000271
仿真结果表明，改进弱鲁棒优化计及了松弛量惩罚成本，虽然运行成本略增加，但对实际调度中可能出现的风险提供了保障，同时保障了***的鲁棒性，避免出现比传统鲁棒优化更为严重的保守性，因此更加符合实际调度情况。
以上所述的仿真分析仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明的保护范围内。

Claims (9)

1.一种基于改进弱鲁棒优化的电热综合能源***调度方法，其特征在于，所述方法的步骤如下：
步骤1，建立电热综合需求响应模型
价格型综合需求响应模型：通过电价、热价引导用户调整用电、用热需求，响应***的运行状态变化，建立用户用电量对电价、用热量对热价的响应模型；
激励型综合需求响应模型：通过用户电负荷和热负荷的负荷削减量、补偿以及用户不响应时的惩罚措施，响应***的运行状态变化，建立响应模型；
步骤2，不确定集
风电出力不确定集：在风电预测区间内，引入风电弱鲁棒因子确定各时段风电出力的扰动范围；
价格型综合需求响应不确定集：在电热综合需求响应模型中，引入电价弱鲁棒因子以及热价弱鲁棒因子确定价格变化引起用户用电量以及用热量的扰动范围；
激励型综合需求响应不确定集：在激励型综合需求响应模型中，引入电负荷激励型弱鲁棒因子以及热负荷激励型弱鲁棒因子确定价格变化引起用户电负荷以及热负荷的扰动范围；
步骤3，电热综合能源调度模型
包含常规机组，风电机组，发电出力和供热出力存在耦合关系的热电联产机组，利用风电机组弃风蓄能的抽水蓄能设备，利用风电机组弃风供暖的蓄热式电锅炉，提取蓄热式电锅炉、热电联产机组多余热能的储热装置；
步骤4，电热综合能源低碳调度模型
以综合能源运行成本最小和碳排放交易模型收益最大为目标函数，利用步骤1的电热综合需求响应模型以及步骤2的不确定集，确定电力约束条件和热力约束条件，对电热综合能源调度模型进行调度；
步骤5，改进弱鲁棒优化框架
在传统弱鲁棒优化过程中，以经济成本对容忍度大小进行约束，以松弛量违背其约束条件增加经济成本来对松弛量进行约束；引入弱鲁棒因子来控制弱鲁棒优化的保守性水平，改进弱鲁棒优化框架；
步骤6，电热综合能源***改进弱鲁棒经济调度模型
在步骤4电热综合能源低碳调度模型中利用步骤5改进弱鲁棒优化框进行优化；以风电弱鲁棒因子、电价弱鲁棒因子、热价弱鲁棒因子、电负荷激励型弱鲁棒因子和热负荷激励型弱鲁棒因子来控制弱鲁棒优化的保守性水平；
步骤7，电热综合能源***调度方法的确定
应用细菌群体趋药性算法对步骤6电热综合能源***改进弱鲁棒经济调度模型中的松弛量临界值进行约束；然后对步骤6电热综合能源***改进弱鲁棒经济调度模型进行求解，确定电热综合能源***的调度方法；
所述步骤4中的电热综合能源低碳调度模型为：
4.1目标函数
4.1.1综合运行成本
考虑风电出力和综合需求响应不确定性给调度成本带来的影响，在电热综合能源调度模型中，经济运行成本包括两部分：期望成本和偏差成本；其中，期望成本主要包括常规机组运行成本、热电联产机组成本、抽水蓄能成本和蓄热式电锅炉的用电成本，不含不确定参数；在偏差成本中，主要计及了由风电出力不确定带来的弃风成本、价格型综合需求响应成本、激励型综合需求响应负荷削减量预测误差造成的偏差成本；
电热综合能源***的运行成本F1可以表示为：
min F1＝min(FE+βFD)
FE＝FG+FCHP+FPS+FEB
FD＝FW+FP+FDR
式中，FE表示期望成本，FD表示偏差成本，β为风险系数，反应了决策者对风险的重视程度，FG为常规火电机组的成本，单位：$；FCHP为热电联产机组的成本，单位：$；FPS为抽水蓄能设备的成本，单位：$；FEB为蓄热式电锅炉成本，单位：$；FW为弃风成本，单位：$；FP为价格型综合需求响应成本，单位：$；FDR为激励型综合需求响应负荷削减量预测误差带来的偏差成本，单位：$；
4.1.1.1常规火电机组成本
Figure FDA0002718998890000021
式中，NG表示常规机组投运数量；
Figure FDA0002718998890000022
表示单位出力成本单位：$/KW·h；
Figure FDA0002718998890000023
表示常规机组i在t时段的有功出力；
4.1.1.2热电联产机组成本
Figure FDA0002718998890000024
式中，NCHP表示热电联产机组的投运数量；
Figure FDA0002718998890000025
表示单位出力成本单位：$/KW·h；
Figure FDA0002718998890000026
表示热电联产机组j在t时段的有功出力；
4.1.1.3抽水蓄能成本
Figure FDA0002718998890000031
式中，NPS表示抽水蓄能机组总数；抽蓄的发电成本考虑的是抽蓄的启动成本，
Figure FDA0002718998890000032
和
Figure FDA0002718998890000033
分别表示抽蓄机组k在t时段的发电状态启动成本和抽水状态启动成本，单位:$；
4.1.1.4蓄热式电锅炉成本
Figure FDA0002718998890000034
式中，NEB表示蓄热式电锅炉总数；Ca为上网电价，单位：$/MWh；Cz为折扣电价，单位：$/MWh；
Figure FDA0002718998890000035
为t时段蓄热式电锅炉用电量，单位：KW·h；蓄热式电锅炉用电功率
Figure FDA0002718998890000036
包括供暖时段的用电功率
Figure FDA0002718998890000037
以及蓄热时段的用电功率
Figure FDA0002718998890000038
单位：KW·h；
其中供暖时段的用电量可以表示为:
Figure FDA0002718998890000039
式中，W和Th分别为***规定的采热指标和蓄热式电锅炉的供暖时间，单位：h；η1和η2分别为蓄热式电锅炉的产热效率和整个供热***的损耗；
蓄热式电锅炉供暖时段的用电功率可以表示为：
Figure FDA00027189988900000310
当蓄热式电锅炉在负荷低谷时段Ts蓄热时，用电功率可以表示为：
Figure FDA00027189988900000311
蓄热式电锅炉用电功率Pmt可以表示为：
Figure FDA00027189988900000312
4.1.1.5弃风成本
Figure FDA00027189988900000313
式中，λL为风电偏差成本系数；
4.1.1.6价格型综合需求响应成本
Figure FDA0002718998890000041
式中：a1、b1为电需求与价格的线性函数系数；a2、b2为电需求与价格的线性函数系数；ΔLt表示价格型综合需求响应引入后电负荷实际变化量；ΔHt价格型综合需求响应引入后热负荷实际变化量；
4.1.1.7激励型综合需求响应削减量偏差成本
根据负荷实际削减量与计划量的偏差，本文定义了激励型综合需求响应削减量偏差成本：
Figure FDA0002718998890000042
式中，FDR,Q、FDR,H分别表示用户在t时段参与激励型综合需求响应电负荷带来的电负荷削减量偏差成本和热负荷削减量偏差成本，λla,q、λla,h为相应的惩罚价格；
4.1.2碳排放交易收益最大模型
需求侧备用提供负荷削减和发电出力服务，实际上是出让电能消费权和碳排放权的过程；如果家庭蓄热式电锅炉作为需求侧备用在负荷低谷时被调用电量，将按约定获得电价补偿；如果用户没有产生碳排放，则会得到相应的碳排放权补偿；
家庭蓄热式电锅炉在低谷时段蓄热可以获得碳排放权补偿；因此，碳排放交易收益包含常规火电机组的碳排放权收益和家庭蓄热式电锅炉的碳排放权补偿；具体公式为
max B＝max(BG-αBX)
其中；，B为电热综合能源***的碳排放收益，单位：万元；BG为常规火电机组的碳排放权收益，单位：万元；BX为需求侧备用蓄热式电锅炉获得的碳排放收益，单位：万元,α为家庭蓄热式电锅炉启动概率；
4.1.2.1常规火电机组的碳排放权收益
以1h为单位时段时长，则电热综合能源***的初始碳排放配额可表示为：
Figure FDA0002718998890000043
Ef为碳排放初始配额，α1为单位电量排放份额,本文取区域电量边际排放因子和容量边际因子的加权平均值0.648；
T时段内常规火电机组的实际碳排量Ed可表示为：
Figure FDA0002718998890000051
ag、bg、cg为常规机组碳排放计算系数；
根据碳交易市场的实际发展情况，碳排放权分配方式采用免费分配和考虑拍卖方式的有偿分配相结合的形式：
Figure FDA0002718998890000052
式中：Ef为碳排放初始配额；δ为配额拍***例；Ef(1-δ)为免费分配的配额；Edi为常规机组i实际排放量，Efi为常规机组i的分配额度；K′A是碳排放权拍卖价格，单位：元/t；K′T是碳排放权交易价格，单位：元/t；
当Edi＞Efi时，需要购买相应的碳排放权，此时成本中包括交易成本和拍卖成本两部分；当Edi＜Efi时，除满足自身碳排放需求外，碳排放权仍有剩余，因此可将剩余碳排放权出售从而获益；
因此，常规火电机组的碳排放权交易收益可以表示为：
Figure FDA0002718998890000053
4.1.2.2家庭蓄热式电锅炉的碳排放权补偿
采用“碳足迹”概念，定义一种激励机制下的基于碳交易的需求响应，用户增加电量但不产生碳排放时，可将相应的碳排放权捆绑出售获得相关收益；其数学模型为：
Figure FDA0002718998890000054
其中，Ex为蓄热式电锅炉获得的碳排放权；π为单位碳排放价格，单位：元/t；k为碳足迹计算系数；ρ为化石能源发电所占比例；Px为蓄热式电锅炉用电量，单位：MW；
4.2电力网络约束
4.2.1功率平衡约束
Figure FDA0002718998890000055
式中，
Figure FDA0002718998890000056
为t时段***负荷值，ηq为用户中参与价格型综合需求响应的比例，Qt为参与价格型综合需求响应后用户的用电量，
Figure FDA0002718998890000057
为参与激励型综合需求响应后实际电负荷削减量；
4.2.2常规火电机组约束
Figure FDA0002718998890000061
式中，
Figure FDA0002718998890000062
分别为常规火电机组i在t时刻的出力上下限；
4.2.3热电联产机组约束
Figure FDA0002718998890000063
式中，
Figure FDA0002718998890000064
分别为热电联产机组j在t时刻的出力上下限；
4.2.4风电机组约束
Figure FDA0002718998890000065
式中，
Figure FDA0002718998890000066
为风电预测值；
4.2.5正负旋转备用约束
Figure FDA0002718998890000067
式中：
Figure FDA0002718998890000068
分别表示抽水蓄能装置的连续正旋转备用和连续负旋转备用；
4.2.6抽水蓄能装置约束
主要包括抽蓄电站库容约束、发电出力约束、日抽发电站约束、启停次数约束；
4.3热力网络约束
4.3.1热功率平衡约束
Figure FDA0002718998890000069
式中，
Figure FDA00027189988900000610
分别为t时刻热电联产机组、蓄热式电锅炉和储热装置的供热功率；
Figure FDA00027189988900000611
为t时刻***的热负荷；ηh为用户中参与价格型综合需求响应的比例，Ht为参与价格型综合需求响应后用户的用热量，
Figure FDA00027189988900000612
为参与激励型综合需求响应后实际热负荷削减量；
4.3.2热电联产机组电热耦合约束
Figure FDA00027189988900000613
式中，
Figure FDA00027189988900000614
为热电联产机组j的电热转化效率；
4.3.3蓄热式电锅炉约束
Figure FDA0002718998890000071
式中，
Figure FDA0002718998890000072
为蓄热式电锅炉m的电热转化效率；
4.3.4储热装置约束
Figure FDA0002718998890000073
式中，Smax为储热装置储热容量，储热装置的储热功率
Figure FDA0002718998890000074
和放热功率
Figure FDA0002718998890000075
受换热器换热功率的限制，不超过换热器最大功率
Figure FDA0002718998890000076
该约束反映的是储热装置热传递速率的限制。
2.根据权利要求1所述的一种基于改进弱鲁棒优化的电热综合能源***调度方法，其特征在于，所述价格型综合需求响应模型为：
通过电价引导用户调整用电需求，响应***运行状态变化，建立电量电价弹性矩阵；借助需求弹性来实现，根据经济学的需求原理定义电量电价弹性est,q；
电量电价弹性est,q：
Figure FDA0002718998890000077
式中：est表示时刻s对时刻t的价格弹性；
Figure FDA0002718998890000078
Pt 0分别为需求响应前时刻s的用电负荷和时刻t的用电价格；ΔQs和ΔPt为需求响应后时刻s的负荷变动量和时刻t的价格变动量；
用户参与价格型需求响应负荷变化量：
Figure DEST_PATH_BDA0001957834190000143
用户用电量对电价响应表示为：
Figure FDA00027189988900000710
热力和电力均属重要社会能源，具有相近的市场商品属性；热力负荷随热价变化亦存在如下的关系：
Figure FDA0002718998890000081
Figure 762365DEST_PATH_BDA0001957834190000036
用户用热量对热价响应表示为：
Figure FDA0002718998890000083
价格型负荷可按可接受价格的影响程度分类，通过数据统计，比较基准日和价格变化后相同时刻需求-价格变化，确定各类负荷的价格弹性参数。
3.根据权利要求1所述的一种基于改进弱鲁棒优化的电热综合能源***调度方法，其特征在于，所述激励型综合需求响应模型为：基于激励的IDR一般需要参与用户与IDR实施机构约定明确用户负荷削减量、补偿以及用户不按约定响应时的惩罚措施；IDR用户数量众多，较为分散，且单个用户因多方限制响应约束较多，不便于电网调度进行统一协调控制，考虑到用户响应和***控制的可行性，在基于激励的IDR模型中引入负荷聚合商的概念，模型中基于激励的IDR用户特指负荷聚合商，由负荷聚合商根据多个用户的容量/补偿情况，整合聚集IDR资源提供报价曲线至电网调度；因此针对激励型IDR资源，电网企业一般先与负荷聚合商约定，确定负荷削减量或计划出力：
Figure FDA0002718998890000084
DRt表示所有中标负荷聚合商在t时段计划参与激励型综合需求响应削减的负荷量,包括电负荷削减量
Figure FDA0002718998890000085
和热负荷削减量
Figure FDA0002718998890000086
4.根据权利要求1所述的一种基于改进弱鲁棒优化的电热综合能源***调度方法，其特征在于，所述风电出力不确定集为：利用风电预测区间来计及风电的不确定性，风电出力的实际值区间可表示为：
Figure FDA0002718998890000087
式中，
Figure FDA0002718998890000088
表示风电出力预测值，
Figure FDA0002718998890000089
为风电最大扰动量；引入风电弱鲁棒因子ΓW对各时段风电出力在区间内的扰动进行控制；通过调节ΓW在0和1之间的取值来控制风电出力的扰动范围，从而平衡解的最优性与鲁棒性。
5.根据权利要求2所述的一种基于改进弱鲁棒优化的电热综合能源***调度方法，其特征在于，所述价格型综合需求响应不确定集为：价格型需求响应主要依据价格-弹性需求响应曲线来实现，然而由于负荷预测受多种因素影响，响应存在一定的预测误差，实际价格弹性需求响应曲线是不能准确预测的；价格型综合需求响应的不确定集可以表示为：
Figure FDA0002718998890000091
式中，
Figure FDA0002718998890000092
分别表示电价变化后用户用电量和用热量的偏差，定义负荷预测比例偏差
Figure FDA0002718998890000093
μQt∈[0,1]，μHt∈[0,1]，μQt、μHt越小，表示实际负荷预测偏差越小；同样地，为了改善***的保守性，引入电价弱鲁棒因子ΓQ以及热价弱鲁棒因子ΓH；令总电负荷预测偏差
Figure FDA0002718998890000094
总热负荷预测偏差
Figure FDA0002718998890000095
参数ΓQ∈[0,UQ]，ΓH∈[0,UH]表示弱鲁棒优化的保守性水平，通过改变ΓQ和ΓH的大小限制调度周期负荷的总偏差量；利用弱鲁棒控制因子能够很好地协调鲁棒性与最优性。
6.根据权利要求3所述的一种基于改进弱鲁棒优化的电热综合能源***调度方法，其特征在于，所述激励型综合需求响应不确定集为：考虑到用户行为和响应意愿的不确定性，其在运行过程中的实际负荷削减量将呈现出一定的不确定性；在弱鲁棒优化方法用区间数来描述其不确定集，即有：
Figure FDA0002718998890000096
式中，
Figure FDA0002718998890000097
为用户在t时段参与激励型综合需求响应的实际电负荷削减量和热负荷削减量；
Figure FDA0002718998890000098
为t时段两类综合需求响应实际削减量与计划量偏差的上限值；Γla,q表示电负荷激励型弱鲁棒因子，Γla,h表示热负荷激励型弱鲁棒因子，Γla,q∈[-1,1]，Γla,h∈[-1,1]。
7.根据权利要求1所述的一种基于改进弱鲁棒优化的电热综合能源***调度方法，其特征在于，所述步骤5中改进弱鲁棒优化框架建立的步骤为：
5.1传统弱鲁棒优化框架
给定不确定的优化问题f(x)，选定某个基准场景
Figure FDA0002718998890000101
在满足约束条件下，求得此时模型最优解
Figure FDA0002718998890000102
当引入不确定数据后，对基准场景下的最优值赋予一定的容忍度
Figure FDA0002718998890000103
允许运行目标函数值恶化一定限度，即
Figure FDA0002718998890000104
弱鲁棒优化允许出现约束违背，当某个解x不满足第i个约束条件Fi(x,ξ)≤0时，引入参数γi对约束条件进行适当的松弛，即Fi(x,ξ)≤γi，松弛量γ表示约束的违背程度，因此利用松弛量γi的大小来衡量x对第i个约束条件的不可行度，即：
Figure FDA0002718998890000105
当γi＝0时，表示解的任意场景下均满足约束条件，此时即为强鲁棒模型；当
Figure FDA0002718998890000106
表示x对第i个约束条件不可行，需要对约束条件进行适当松弛；
在弱鲁棒优化框架下，以优化模型总的不可行度γ最小为目标，此时传统的弱鲁棒优化模型可以表示为：
Figure FDA0002718998890000107
γ＝(γ1,γ2,…,γn)T表示模型的不可行度；
在传统的弱鲁棒优化问题中，并没有对容忍度和松弛量这两个参数进行一定的限制；松弛量参数与***的经济性相关，当松弛量变大时，***的经济性变好，然而，可能存在约束过度违背的情况，给***带来一定的风险；而如果容忍度取值过大，会出现比鲁棒优化更严重的保守性；
5.2改进弱鲁棒优化
针对弱鲁棒优化存在的问题，对传统的弱鲁棒做了如下改进：改进的弱鲁棒优化框架可表示为：
5.2.1弱鲁棒优化中，虽然允许基准场景的目标函数恶化一定的限度的解，但随着容忍度
Figure FDA0002718998890000108
的增大，最优解的可行域不断变大，经济成本增加，保守性变强；因此，容忍度不能无限增大，当容忍度增大到临界值
Figure FDA0002718998890000109
时，弱鲁棒解恰好为强鲁棒的优化解z′，此时，***保守性最强，经济性最差；若容忍度继续增大，将会造成比强鲁棒优化更严重的保守性；因此容忍度的取值范围可表示为：
Figure FDA00027189988900001010
Figure FDA00027189988900001011
5.2.2当出现约束条件违背的情况时，会给***带来一定的风险；针对约束松弛量γi，定义相应的惩罚系数τi，将惩罚成本累加至经济运行成本目标，同时对约束松弛量进行限制，防止出现约束过度违背的情况；为了加强***的约束力，降低违背的概率，对违背量即松弛量，实行阶梯型惩罚系数，违背越大，惩罚越高；首先引入松弛量临界值γ，当松弛量超过γ时，对其进行惩罚；
松弛量γi∈[0,γi,max]，令
Figure FDA0002718998890000111
将松弛量均匀的分成5个区间，η表示第i个松弛量单个取值区间的大小；对于第i个约束松弛量，相应的阶梯型惩罚系数τi可以表示为：
Figure FDA0002718998890000112
5.2.3在传统的弱鲁棒优化基础上引入弱鲁棒因子Γ值来控制弱鲁棒优化的保守性水平；
改进弱鲁棒优化的框架可以描述为：
Figure FDA0002718998890000113
8.根据权利要求1所述的一种基于改进弱鲁棒优化的电热综合能源***调度方法，其特征在于，所述步骤6中电热综合能源***改进弱鲁棒经济调度模型为：
6.1基准场景的选取
6.1.1风电基准场景的选取
在电热综合能源***优化调度中，针对风电出力不确定的情况，选取风电机组的预测出力作为基准场景，在一天24个调度时段内，风电出力的基准场景可以表示为:
Figure FDA0002718998890000121
6.1.2价格型综合需求响应基准场景的选取
将计算所得到的负荷预测值作为价格型需求响应的基准场景，此时并不考虑预测偏差量；因此，在一天24个调度时段内，价格弹性需求响应的基准场景可以表示为：
Figure FDA0002718998890000122
6.1.3激励型综合需求响应基准场景的选取
选取计划削减量作为激励型综合需求响应的基准场景
Figure FDA0002718998890000123
在选定基准场景后，此时经济调度成本中的弃风成本为0，表示风电被完全消纳，综合响应量误差也为0，表示在调度时段内，负荷预测不存在偏差；调度模型变为确定性模型，将风电基准场景与需求响应量基准场景引入改进弱鲁棒模型中，综合能源***调度模型可以表示为：
Figure FDA0002718998890000124
式中，
Figure FDA0002718998890000125
表示基准场景下调度模型的目标函数值；
6.2基于改进的弱鲁棒优化调度模型
从实际出发，考虑在电热综合能源调度模型中，γ1、γ2、γ3、γ4分别表示风电、抽水蓄能机组正负旋转备用以及供热的补偿功率；当出现松弛量时，计算相应的惩罚系数τ1、τ2、τ3、τ4；将松弛量带来的惩罚成本累加至经济目标函数；惩罚成本可以表示为：
Figure FDA0002718998890000131
因此基于改进弱鲁棒的电热综合能源***的调度模型可以表示为：
目标函数：
Figure FDA0002718998890000132
约束条件：
Figure FDA0002718998890000133
9.根据权利要求1所述的一种基于改进弱鲁棒优化的电热综合能源***调度方法，其特征在于，所述步骤7中电热综合能源***改进弱鲁棒经济调度模型求解的过程为：
7.1引入约束松弛量临界值改进细菌群体趋药性算法
细菌群体趋药性算法引入了细菌群体内个体之间相互交流的机制，提高了算法的性能，具有较强的收敛性和较快的计算速度，BCC可用于解决多目标非线性优化问题；针对传统的BCC算法收敛速度慢，易陷入局部最优，调节约束松弛量临界值
Figure FDA0002718998890000134
它随着迭代次数逐渐减小；
Figure FDA0002718998890000135
λ0表示初始临界值，λ0＞0；K表示最大迭代次数；k为当前迭代次数；迭代初期，采用较大的临界值，降低靠近可行域的不可行解的惩罚深度，保留其携带的有益信息，用于最优解搜索；随着迭代次数的增加，逐渐降低对临近不可行解的容忍程度，临界值变小，细菌回归至可行域范围内，扩大搜索空间，提高收敛速度；
在迭代过程中，细菌速度和位置的更新公式如下：
vn+1＝(vn-vmin)e-ζn+vmin
Figure FDA0002718998890000141
式中，vn+1、vn分别为第n+1、n次迭代时细菌移动速度；vmin为所设置的细菌最小移动速度；
Figure FDA0002718998890000142
为控制细菌移动速度衰减的控制因子；w∈[0,1]为惯性权重因子，遵循先大后小的调节原则；
7.2模型求解
利用改进的细菌群体趋药性算法对模型进行求解；具体步骤如下
7.2.1参数初始化，输入***网络参数和算法参数；
7.2.2初始化细菌位置，即在变量范围内，随机将细菌分布在不同位置；
7.2.3利用趋化过程和感知过程，分别得到两次目标函数值，取较小的一个函数值，计为fbetter，对应的细菌位置计为xbetter，此时计算得到的适应值并未考虑对约束的松弛惩罚；
7.2.4计算考虑松弛量临界值时的适应度值；
7.2.5判断是否达到最终精度或达到最大迭代次数；
7.2.6当满足结束条件时，保存结果，退出程序；否则，更新细菌的速度和位置，跳回第3)步；
7.2.7重复7.2.3—7.2.6，直至满足要求。
CN201910072922.6A 2019-01-25 2019-01-25 一种基于改进弱鲁棒优化的电热综合能源***调度方法 Active CN109727158B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910072922.6A CN109727158B (zh) 2019-01-25 2019-01-25 一种基于改进弱鲁棒优化的电热综合能源***调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910072922.6A CN109727158B (zh) 2019-01-25 2019-01-25 一种基于改进弱鲁棒优化的电热综合能源***调度方法

Publications (2)

Publication Number Publication Date
CN109727158A CN109727158A (zh) 2019-05-07
CN109727158B true CN109727158B (zh) 2020-12-18

Family

ID=66299960

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910072922.6A Active CN109727158B (zh) 2019-01-25 2019-01-25 一种基于改进弱鲁棒优化的电热综合能源***调度方法

Country Status (1)

Country Link
CN (1) CN109727158B (zh)

Families Citing this family (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110120684B (zh) * 2019-05-15 2020-10-16 浙江大学 一种计及电-热需求侧响应的热电联产机组配置方法
CN110417061B (zh) * 2019-07-24 2023-01-13 东北大学 一种基于改进蛙跳算法的电热联合***调度方法
CN110363362B (zh) * 2019-07-30 2022-02-01 合肥工业大学 一种柔性负荷的多目标日前经济调度模型建立与求解方法
CN110417062B (zh) * 2019-07-31 2022-11-29 广东电网有限责任公司 一种电气综合能源***优化调度方法
CN110705737A (zh) * 2019-08-09 2020-01-17 四川大学 一种多能微网多种储能容量综合优化配置方法
CN110503333B (zh) * 2019-08-21 2022-02-11 广东电网有限责任公司 一种用户需求响应方法
CN111260108B (zh) * 2019-10-16 2023-01-24 华北电力大学 一种基于区间预测的能源枢纽鲁棒优化方法
CN111126664A (zh) * 2019-11-25 2020-05-08 广西电网有限责任公司 一种基于鲁棒优化的主动配电网交流潮流的管理方法
CN110941799B (zh) * 2019-11-29 2023-08-08 国网辽宁省电力有限公司经济技术研究院 一种考虑***综合不确定性因素的能量枢纽随机规划方法
CN111400641B (zh) * 2019-11-29 2024-03-22 国网天津市电力公司电力科学研究院 一种含蓄热式电采暖的综合能源***日前优化调度方法
CN110908283B (zh) * 2019-12-05 2022-10-21 国网冀北电力有限公司承德供电公司 电采暖设备控制方法、装置及***
CN110991753B (zh) * 2019-12-07 2023-10-31 国家电网有限公司 考虑多能需求响应的电热互联网***调度优化方法
CN110910047A (zh) * 2019-12-07 2020-03-24 国家电网有限公司 一种电热耦合微能源站随机调度优化方法
CN113128799A (zh) * 2019-12-30 2021-07-16 中移(上海)信息通信科技有限公司 能源管控方法、装置、电子设备及计算机存储介质
CN111476431B (zh) * 2020-04-24 2022-06-10 江苏方天电力技术有限公司 基于在线供需匹配响应的园区综合能源现货交易激励方法
CN111509713B (zh) * 2020-05-18 2023-05-23 无锡隆玛科技股份有限公司 区域综合能源***模型优化配置方法及***
CN111738502B (zh) * 2020-06-15 2022-07-22 上海交通大学 促进富余风电消纳的多能互补***需求响应运行优化方法
CN111740408B (zh) * 2020-06-19 2023-03-14 中国电建集团青海省电力设计院有限公司 一种基于鲁棒随机模型的光热电站最优报价决策方法
CN111753431B (zh) * 2020-06-29 2023-08-18 国网山西省电力公司电力科学研究院 综合能源***中最优配置的计算方法和计算设备
CN111950808B (zh) * 2020-08-26 2022-03-25 华北电力大学（保定） 基于综合需求响应的综合能源***随机鲁棒优化运行方法
CN112116150A (zh) * 2020-09-17 2020-12-22 河北工业大学 一种负荷聚合商参与蓄热式电采暖电力市场调节方法
CN112116476B (zh) * 2020-09-23 2024-03-01 中国农业大学 计及风电和碳交易机制的综合能源***模拟方法
CN112330099A (zh) * 2020-10-16 2021-02-05 华北电力大学 配电***在极端自然灾害天气下的资源调度方法
CN112365034B (zh) * 2020-10-27 2022-03-08 燕山大学 一种电热综合能源***调度方法及***
CN112529256B (zh) * 2020-11-24 2024-03-22 华中科技大学 考虑多重不确定性的分布式电源集群日前调度方法和***
CN112488525B (zh) * 2020-12-01 2022-07-12 燕山大学 碳交易机制下考虑源荷侧响应的电热滚动调度方法及***
CN112615367A (zh) * 2020-12-09 2021-04-06 国网湖北省电力有限公司电力科学研究院 一种电力物联网环境下的综合能源***优化调度方法
CN112365108B (zh) * 2021-01-12 2021-06-22 南方电网数字电网研究院有限公司 一种园区综合能源***多目标优化协同运行方法
CN112819204A (zh) * 2021-01-14 2021-05-18 华北电力大学 一种源荷互动模型构建方法和***
CN112837181B (zh) * 2021-02-23 2022-10-04 国网山东省电力公司经济技术研究院 计及需求响应不确定性的综合能源***的调度方法
CN113128775B (zh) * 2021-04-26 2023-03-31 山东大学 考虑需求响应和耦合度的综合能源***调度方法及装置
CN113437744B (zh) * 2021-06-09 2022-02-01 河海大学 考虑不确定性的光热-生物质混合电站鲁棒优化调度模型
CN113393054B (zh) * 2021-07-05 2023-11-24 华北电力大学 一种风储联合***的优化调度方法及优化调度***
CN113537618B (zh) * 2021-07-29 2022-10-25 中国电建集团河南省电力勘测设计院有限公司 一种考虑居民用户需求响应的综合能源***优化调度方法
CN113591335B (zh) * 2021-09-30 2023-01-10 中国电力科学研究院有限公司 一种面向电网热网耦合的电制热补热规划配置方法及***
CN114400698B (zh) * 2021-12-06 2022-11-01 湖北工业大学 一种高比例清洁能源电网电源最优降碳运行方法
CN114186752A (zh) * 2021-12-17 2022-03-15 沈阳工程学院 一种基于用户侧柔性负荷需求响应优化调度方法
CN114662798B (zh) * 2022-05-17 2022-09-06 浙江大学 一种基于电网经济运行域的调度方法及装置、电子设备
CN115241931B (zh) * 2022-09-23 2023-01-17 国网浙江省电力有限公司宁波供电公司 基于时变电碳因子曲线的园区综合能源***调度方法
CN115859691B (zh) * 2023-02-21 2023-05-05 国网浙江省电力有限公司金华供电公司 一种电热联合需求响应的多目标优化调度方法
CN117114455B (zh) * 2023-10-25 2024-02-13 广东电网有限责任公司中山供电局 一种基于用户参与的需求响应调度方法及装置
CN117391764A (zh) * 2023-12-12 2024-01-12 国网浙江省电力有限公司电力科学研究院 一种综合能源***优化调度方法及***
CN117745109A (zh) * 2024-02-21 2024-03-22 新奥数能科技有限公司 一种基于多能互补的低碳性优化供能方式确定方法及***
CN118017700B (zh) * 2024-04-10 2024-06-11 北京煜邦电力技术股份有限公司 一种基于任务调度的电力采集终端
CN118052420B (zh) * 2024-04-16 2024-06-25 山东大学 计及多供热网络互动策略的电-热***调度方法及***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107341593A (zh) * 2017-06-19 2017-11-10 东北电力大学 一种基于场景划分的电热综合***弃风消纳协调调度模型
CN107508328A (zh) * 2017-04-08 2017-12-22 东北电力大学 考虑风电消纳的联合***能量优化方法
CN107800153A (zh) * 2017-11-09 2018-03-13 国网甘肃省电力公司电力科学研究院 一种电蓄热消纳风电的电热能量滚动鲁棒调度方法
CN108039736A (zh) * 2017-11-14 2018-05-15 国网辽宁省电力有限公司 一种提高风电接纳能力的大容量储热储电协调调度方法
CN108832665A (zh) * 2018-07-04 2018-11-16 四川大学 一种考虑风电不确定性的电热综合***分布式鲁棒协调优化调度模型
CN109034508A (zh) * 2018-10-18 2018-12-18 东南大学 考虑电热双重不确定性的综合能源***鲁棒优化调度方法
CN109190271A (zh) * 2018-09-13 2019-01-11 东北大学 一种考虑传输损耗的电热综合能源***经济优化调度方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107508328A (zh) * 2017-04-08 2017-12-22 东北电力大学 考虑风电消纳的联合***能量优化方法
CN107341593A (zh) * 2017-06-19 2017-11-10 东北电力大学 一种基于场景划分的电热综合***弃风消纳协调调度模型
CN107800153A (zh) * 2017-11-09 2018-03-13 国网甘肃省电力公司电力科学研究院 一种电蓄热消纳风电的电热能量滚动鲁棒调度方法
CN108039736A (zh) * 2017-11-14 2018-05-15 国网辽宁省电力有限公司 一种提高风电接纳能力的大容量储热储电协调调度方法
CN108832665A (zh) * 2018-07-04 2018-11-16 四川大学 一种考虑风电不确定性的电热综合***分布式鲁棒协调优化调度模型
CN109190271A (zh) * 2018-09-13 2019-01-11 东北大学 一种考虑传输损耗的电热综合能源***经济优化调度方法
CN109034508A (zh) * 2018-10-18 2018-12-18 东南大学 考虑电热双重不确定性的综合能源***鲁棒优化调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
"基于改进细菌群体趋药性算法的电力***无功优化";张晓辉等;《电网技术》;20120229;第36卷(第2期);第2节，图1 *
"考虑发用电双侧不确定性的电力***鲁棒模糊经济调度";张晓辉等;《电力***自动化》;20180910;第42卷(第17期);摘要，第1-4节 *
张晓辉等."考虑发用电双侧不确定性的电力***鲁棒模糊经济调度".《电力***自动化》.2018,第42卷(第17期), *

Also Published As

Publication number Publication date
CN109727158A (zh) 2019-05-07

Similar Documents

Publication Publication Date Title
CN109727158B (zh) 一种基于改进弱鲁棒优化的电热综合能源***调度方法
Gu et al. Bi-level optimal low-carbon economic dispatch for an industrial park with consideration of multi-energy price incentives
Jiang et al. Integrated demand response mechanism for industrial energy system based on multi-energy interaction
Wang et al. Demand response comprehensive incentive mechanism-based multi-time scale optimization scheduling for park integrated energy system
CN112837181B (zh) 计及需求响应不确定性的综合能源***的调度方法
Wang et al. Bargaining-based energy trading market for interconnected microgrids
CN112036934A (zh) 考虑热电协调运行的负荷聚合商参与需求响应的报价方法
Wang et al. Optimal management of multi stakeholder integrated energy system considering dual incentive demand response and carbon trading mechanism
CN113822706A (zh) 低碳背景下考虑绿色证书交易的多园区综合能源***优化运行方法
He et al. Competitive model of pumped storage power plants participating in electricity spot Market——in case of China
Wei et al. Two-stage cooperative intelligent home energy management system for optimal scheduling
Chen et al. Day-ahead scheduling of large numbers of thermostatically controlled loads based on equivalent energy storage model
Li et al. Multi-energy flow cooperative dispatch for generation, storage, and demand in integrated energy systems with dynamic correction
CN115423260A (zh) 一种电力市场及政策服务新能源利用的量化分析方法
Ali Development and Improvement of Renewable Energy Integrated with Energy Trading Schemes based on Advanced Optimization Approaches
Peng et al. Sequential coalition formation for wind-thermal combined bidding
Yu et al. Research on energy management of a virtual power plant based on the improved cooperative particle swarm optimization algorithm
CN110649594A (zh) 一种基于多能协同的工业园区综合需求响应调度方法
Tao et al. Research on multi-microgrids scheduling strategy considering dynamic electricity price based on blockchain
Su et al. Optimal economic operation of microgrids considering combined heat and power unit, reserve unit, and demand-side management using developed adolescent identity search algorithm
CN117391718A (zh) 一种基于动态减排因子的绿电-ccer互认交易***
Liu et al. Influence evaluation of integrated energy system on the unit commitment in power system
Li et al. Aggregator’s scheduling and offering strategy for renewable integration based on information gap decision theory
Zhang et al. Low carbon multi‐objective scheduling of integrated energy system based on ladder light robust optimization
Liu et al. Market for multi-dimensional flexibility with parametric demand response bidding

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant