一种电热综合能源***调度方法及***
技术领域
本发明涉及大电网调度领域,特别是涉及一种电热综合能源***调度方法及***。
背景技术
随着能源互联网概念的提出,高比例新能源在快速发展,不断呈现灵活化和分布化的特点,针对能源互联网下的综合能源***优化运行逐渐成为国内外学者的研究热点。电-热储综合能源***作为能源互联网的重要组成部分,电力***和热力***通过热电联产机组、储能装置、电锅炉以及热泵等耦合元件连接在一起,实现了电能和热能的转化,能够合理优化电力能源和热力能源的生产及转化过程。
在综合能源优化调度中,由于***中分布式可再生电源出力的不确定性会增加调度运行风险,运行人员在制定调度策略时会对这类风险进行综合考虑,为更好的处理这些问题,国内外相关研究引入金融领域的风险价值理论来进行分析,风险价值理论包括风险价值(value-at-risk,VaR)和条件风险价值(conditional value-at-risk,CVaR)、最差条件风险价值(worst-case conditional value-at-risk,WCVaR)等。WCVaR方法与VaR、CVaR相比,该方法能够在仅知道随机变量属于某一分布集合的情况下,合理权衡风险与成本,在可再生能源发电出力不确定的情况下,使多类资源分配与组合方案更具鲁棒性,与实际决策环境更为接近,实现了经济性和风险性的均衡,得到的调度策略更加合理和具有实际意义。
将WCVaR引入到调度目标函数,由于经济目标函数和最差风险条件价值函数量级不同,如何去量纲化各目标函数成为关键。模糊理论能够反映目标函数优化程度,通过对不同的目标函数选取合适的隶属度函数进行处理,将多目标优化问题转换为单目标优化,极大地降低了求解难度,因此综合考虑模糊-WCVaR优化方法能够有效地权衡调度策略的经济性和风险性,更具有实际意义。
发明内容
本发明的目的是提供一种电热综合能源***调度方法及***,能够解决新能源消纳水平和克服风电不确定性对***调度所带来风险的问题,为决策者提供最优策略方案。
为实现上述目的,本发明提供了如下方案:
一种电热综合能源***调度方法,包括:
确定电热综合能源***的组成结构及各组成结构模型,所述电热综合能源***包括常规火电机组、风电机组、热电联产机组、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;
针对风电机组出力不确定性,通过场景技术综合考虑各场景下出力来模拟不确定性,确定风电出力场景概率;
根据所述电热综合能源***的组成结构模型,确定以综合能源经济收益最大的电热综合能源优化调度模型;
建立模糊-WCVaR优化模型;
根据所述电热综合能源优化调度模型和所述风电出力场景概率采用所述模糊-WCVaR优化框架进行优化,建立模糊-WCVaR电热综合能源***收益-风险优化模型;
对所述模糊-WCVaR电热综合能源***收益-风险优化模型进行求解,确定电热综合能源***的组成结构及各组成结构模型的调度方案。
可选地,所述电热综合能源优化调度模型为:
FE=F1-FG-FCHP-FEB-FW
其中,FE为期望收益,F1为主网交互收益、FG为常规火电机组运行成本、FCHP为热电联产机组成本、FEB为蓄热式电锅炉的用电成本,FW为弃风成本。
可选地,所述模糊-WCVaR优化模型为:
其中,V
WCVaR-β(x)为调度的WCVaR,
N
Ω为集合中场景总数,f(x,y)为损失函数,β∈(0,1),β为置信水平,α为阈值,
为部分掌握的随机变量分布信息集合。
可选地,所述根据所述电热综合能源优化调度模型和所述风电出力场景概率采用所述模糊-WCVaR优化框架进行优化,建立模糊-WCVaR电热综合能源***收益-风险优化模型,具体包括:
根据所述电热综合能源优化调度模型和所述风电出力场景概率,构建模糊-WCVaR电热综合能源调度方案调度运行的收益最大化和最差条件风险损失值最小为目标的优化模型:
其中,F
E为期望收益,V
WCVaR-β(x)为调度的WCVaR,F
1为主网交互收益,F
G为常规火电机组的成本,F
CHP为热电联产机组的成本,F
EB为蓄热式电锅炉成本,F
W为弃风成本,π(w)为场景概率,
N
Ω为集合中场景总数,f(x,y)为损失函数,β∈(0,1),β为置信水平,α为阈值,
为部分掌握的随机变量分布信息集合;
其中所述电热综合能源优化调度模型的约束条件为:
电力网络约束
a.功率平衡约束
b.常规火电机组约束
式中,
分别为常规火电机组i在t时刻的最大发电功率、最小发电功率;
c.热电联产机组约束
d.风电机组约束
(2)热力网络约束
a.热功率平衡约束
式中,
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;
为t时刻***的热负荷;
b.热电联产机组电热耦合约束
c.蓄热式电锅炉约束
d.储热装置约束
式中,S
max为储热装置储热容量,储热装置的储热功率
和放热功率
受换热器换热功率的限制,不超过换热器最大功率
该约束反映的是对储热装置热传递速率的限制。
可选地,所述对所述模糊-WCVaR电热综合能源***收益-风险优化模型进行求解,确定电热综合能源***的组成结构及各组成结构模型的调度方案,具体包括:
采用分组一致性算法对所述模糊-WCVaR电热综合能源***收益-风险优化模型进行求解,确定电热综合能源***的组成结构及各组成结构模型的调度方案。
一种电热综合能源***调度***,包括:
电热综合能源***组成结构模型确定模块,用于确定电热综合能源***的组成结构及各组成结构模型,所述电热综合能源***包括常规火电机组、风电机组、热电联产机组、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;
风电出力场景概率确定模块,用于针对风电机组出力不确定性,通过场景技术综合考虑各场景下出力来模拟不确定性,确定风电出力场景概率;
电热综合能源优化调度模型建立模块,用于根据所述电热综合能源***的组成结构模型,确定以综合能源经济收益最大的电热综合能源优化调度模型;
模糊-WCVaR优化模型建立模块,用于建立模糊-WCVaR优化模型;
模糊-WCVaR电热综合能源***收益-风险优化模型建立模块,用于根据所述电热综合能源优化调度模型和所述风电出力场景概率采用所述模糊-WCVaR优化框架进行优化,建立模糊-WCVaR电热综合能源***收益-风险优化模型;
调度方案确定模块,用于对所述模糊-WCVaR电热综合能源***收益-风险优化模型进行求解,确定电热综合能源***的组成结构及各组成结构模型的调度方案。
可选地,所述电热综合能源优化调度模型为:
FE=F1-FG-FCHP-FEB-FW
其中,FE为期望收益,F1为主网交互收益、FG为常规火电机组运行成本、FCHP为热电联产机组成本、FEB为蓄热式电锅炉的用电成本,FW为弃风成本。
可选地,所述模糊-WCVaR优化模型为:
其中,V
WCVaR-β(x)为调度的WCVaR,
N
Ω为集合中场景总数,f(x,y)为损失函数,β∈(0,1),β为置信水平,α为阈值,
为部分掌握的随机变量分布信息集合。
可选地,所述模糊-WCVaR电热综合能源***收益-风险优化模型建立模块,具体包括:
模糊-WCVaR电热综合能源***收益-风险优化模型建立单元,用于根据所述电热综合能源优化调度模型和所述风电出力场景概率,构建模糊-WCVaR电热综合能源调度方案调度运行的收益最大化和最差条件风险损失值最小为目标的优化模型:
其中,F
E为期望收益,V
WCVaR-β(x)为调度的WCVaR,F
1为主网交互收益,F
G为常规火电机组的成本,F
CHP为热电联产机组的成本,F
EB为蓄热式电锅炉成本,F
W为弃风成本,π(w)为场景概率,
N
Ω为集合中场景总数,f(x,y)为损失函数,β∈(0,1),β为置信水平,α为阈值,
为部分掌握的随机变量分布信息集合;
其中所述电热综合能源优化调度模型的约束条件为:
电力网络约束
a.功率平衡约束
b.常规火电机组约束
式中,
分别为常规火电机组i在t时刻的最大发电功率、最小发电功率;
c.热电联产机组约束
d.风电机组约束
(2)热力网络约束
a.热功率平衡约束
式中,
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;
为t时刻***的热负荷;
b.热电联产机组电热耦合约束
c.蓄热式电锅炉约束
d.储热装置约束
式中,S
max为储热装置储热容量,储热装置的储热功率
和放热功率
受换热器换热功率的限制,不超过换热器最大功率
该约束反映的是对储热装置热传递速率的限制。
可选地,所述调度方案确定模块,具体包括:
调度方案确定单元,用于采用分组一致性算法对所述模糊-WCVaR电热综合能源***收益-风险优化模型进行求解,确定电热综合能源***的组成结构及各组成结构模型的调度方案。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
1、在综合能源优化调度时,不仅以考虑经济收益最大化目标,同时考虑最差风险因素对综合能源优化调度的影响,为决策者提供更加全面的调度策略。
2、本发明创新性的将模糊理论与最差条件风险价值综合考虑,对综合能源优化调度中可再生能源出力所带来的风险进行处理,平衡了***的经济性和风险性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明电热综合能源***调度方法流程图;
图2为本发明方法的电热综合能源***结构图。
图3为本发明方法的模糊-WCVaR收益-风险优化调度模型求解流程图。
图4为本发明电热综合能源***调度***结构图。
具体实施方式
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。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。
本发明的目的是提供一种电热综合能源***调度方法及***,能够解决新能源消纳水平和克服风电不确定性对***调度所带来风险的问题,为决策者提供最优策略方案。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明电热综合能源***调度方法流程图。如图1所示,一种电热综合能源***调度方法包括:
步骤101:确定电热综合能源***的组成结构及各组成结构模型,所述电热综合能源***包括常规火电机组、风电机组、热电联产机组、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。图2为本发明方法的电热综合能源***结构图。
其中,N
G表示常规火电机组的台数;
表示发电功率成本函数,单位:$/KW·h;
表示常规机组i在t时段的发电功率;
其中,N
CHP为热电联产机组的台数;
表示成本函数,单位:$/KW·h;
表示热电联产机组j在t时段的发电功率,单位:KW·h;
其中,N
EB表示蓄热式电锅炉总数;C
a为上网电价,单位:$/MWh;C
z为折扣电价,单位:$/MWh;
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
包括供暖时段的用电功率
以及蓄热时段的用电功率
单位:KW·h;
其中供暖时段的用电量可以表示为:
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:
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:
蓄热式电锅炉用电功率Pmt可以表示为:
建立弃风成本模型
其中,λ
L为惩罚因子,
为第n个风电机组在t时刻的实际调度风电功率,单位:KW·h,
为第n个风电机组在t时刻的预测风电,单位:KW·h;
建立与主网交互收益模型
其中,x
α(t),x
β(t)分别为t时刻***向主网售电和购电量,α
t,β
t分别为t时刻***的购电和售电价格,
为t时刻与主网的交互电量。
步骤102:针对风电机组出力不确定性,通过场景技术综合考虑各场景下出力来模拟不确定性,确定风电出力场景概率。
由于风电出力的不确定性,使得电热综合能源***调度运行收益也存在不确定性,运用场景集的方法来处理风电不确定性问题,在多个场景下使得将不确定性问题转化为确定性问题处理,选取风电出力w个场景,场景概率为π(w)。
步骤103:根据所述电热综合能源***的组成结构模型,确定以综合能源经济收益最大的电热综合能源优化调度模型。所述电热综合能源优化调度模型为:
FE=F1-FG-FCHP-FEB-FW
其中,FE为期望收益,F1为主网交互收益、FG为常规火电机组运行成本、FCHP为热电联产机组成本、FEB为蓄热式电锅炉的用电成本,FW为弃风成本。
步骤104:建立模糊-WCVaR优化模型。
(1)在风险管理过程中存在损失函数f(x,y),其中x为决策变量,y为随机变量,损失函数的值由决策变量和随机变量决定,假设p(y)为y的概率密度函数,则在给定的决策变量的情况下,由随机变量引起的的损失函数f(x,y)不超过阈值α的累积分布函数为:
在给定的置信水平下β∈(0,1),VaR可以表示为:
则所对应的CVaR可以表示为:
直接求解VCVaR-β(x)非常困难,通过构造函数Fβ(x,α)来进行计算,即
其中[t]+=max{t,0},则有:
在随机规划过程中,生成满足随机变量y的情景集合,其中情景集合为
则有:
式中:NΩ集合中场景总数
但在实际的调度决策中,决策者不能够完全掌握随机变量的分布信息。为了可以掌握仅知道随机变量概率分布时可能产生的各类风险,提出了最差条件风险价值(WCVaR)来进行描述可能面临的风险。
假设函数
是随机变量y的概率密度函数,其中
是部分掌握的随机变量分布信息集合,对与给定的决策变量,则WCVaR的定义为:
(2)基于WCVaR的电热综合能源优化调度有两个优化目标,一是使调度运行的收益最大化,二是使***在不确定因素导致的最差条件风险价值最小化,由于目标函数所考虑的量级不同,如何对目标函数进行处理成为关键。具体方法是使用模糊理论的隶属度函数对目标函数进行处理,选取合适的隶属度函数来对调度运行收益和最差条件风险价值进行优化,以此来平衡经济性和风险性。
所述模糊-WCVaR优化模型为:
其中,V
WCVaR-β(x)为调度的WCVaR,
N
Ω为集合中场景总数,f(x,y)为损失函数,β∈(0,1),β为置信水平,α为阈值,
为部分掌握的随机变量分布信息集合。
步骤105:根据所述电热综合能源优化调度模型和所述风电出力场景概率采用所述模糊-WCVaR优化框架进行优化,建立模糊-WCVaR电热综合能源***收益-风险优化模型,具体包括:
考虑风电出力不确定性所带来的风险给调度收益带来的影响,在本发明所提出的电热综合能源调度模型中,目标函数包括两部分:期望收益和WCVaR。其中,期望收益主要包括常规机组运行成本、热电联产机组成本、风电的弃风成本和蓄热式电锅炉的用电成本;在WCVaR中,主要计及了由风电出力不确定性所带来的风险造成的损失,根据所述电热综合能源优化调度模型和所述风电出力场景概率,构建模糊-WCVaR电热综合能源调度方案调度运行的收益最大化和最差条件风险损失值最小为目标的优化模型:
其中,F
E为期望收益,V
WCVaR-β(x)为调度的WCVaR,F
1为主网交互收益,F
G为常规火电机组的成本,F
CHP为热电联产机组的成本,F
EB为蓄热式电锅炉成本,F
W为弃风成本,π(w)为场景概率,
N
Ω为集合中场景总数,f(x,y)为损失函数,β∈(0,1),β为置信水平,α为阈值,
为部分掌握的随机变量分布信息集合。
由于电热综合能源目标收益函数优化为最大化,WCVaR优化方向为最小化。因此,引入升半直线形隶属度函数和降半梯度隶属度函数模糊化目标函数,假设μ1、μ2分别为期望收益和WCVaR所对应的隶属度函数。
其中所述电热综合能源优化调度模型的约束条件为:
电力网络约束
a.功率平衡约束
b.常规火电机组约束
式中,
分别为常规火电机组i在t时刻的最大发电功率、最小发电功率;
c.热电联产机组约束
d.风电机组约束
(2)热力网络约束
a.热功率平衡约束
式中,
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;
为t时刻***的热负荷;
b.热电联产机组电热耦合约束
c.蓄热式电锅炉约束
d.储热装置约束
式中,S
max为储热装置储热容量,储热装置的储热功率
和放热功率
受换热器换热功率的限制,不超过换热器最大功率
该约束反映的是对储热装置热传递速率的限制。
步骤106:对所述模糊-WCVaR电热综合能源***收益-风险优化模型进行求解,确定电热综合能源***的组成结构及各组成结构模型的调度方案,具体包括:
采用分组一致性算法对所述模糊-WCVaR电热综合能源***收益-风险优化模型进行求解,确定电热综合能源***的组成结构及各组成结构模型的调度方案。图3为本发明方法的模糊-WCVaR收益-风险优化调度模型求解流程图。如图3所示,采用分组一致性算法对所建立模糊-WCVaR电热综合能源***收益-风险优化模型进行求解,具体流程如下:
1)设定算例的相关参数;
2)构建***的相邻矩阵;
3)确定***通过相邻机组之间的信息交换,确定电、热为一致性变量;
4)计算电、热一致性变量,分别达到各自一致性状态;
5)判断电、热一致性变量否达到收敛条件;
6)当满足结束条件时,保存结果,结束;否则,更新一致性变量,直到获得最优值。
图4为本发明电热综合能源***调度***结构图。如图4所示,一种电热综合能源***调度***包括:
电热综合能源***组成结构模型确定模块201,用于确定电热综合能源***的组成结构及各组成结构模型,所述电热综合能源***包括常规火电机组、风电机组、热电联产机组、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;
风电出力场景概率确定模块202,用于针对风电机组出力不确定性,通过场景技术综合考虑各场景下出力来模拟不确定性,确定风电出力场景概率;
电热综合能源优化调度模型建立模块203,用于根据所述电热综合能源***的组成结构模型,确定以综合能源经济收益最大的电热综合能源优化调度模型;
模糊-WCVaR优化模型建立模块204,用于建立模糊-WCVaR优化模型;
模糊-WCVaR电热综合能源***收益-风险优化模型建立模块205,用于根据所述电热综合能源优化调度模型和所述风电出力场景概率采用所述模糊-WCVaR优化框架进行优化,建立模糊-WCVaR电热综合能源***收益-风险优化模型;
调度方案确定模块206,用于对所述模糊-WCVaR电热综合能源***收益-风险优化模型进行求解,确定电热综合能源***的组成结构及各组成结构模型的调度方案。
所述电热综合能源优化调度模型为:
FE=F1-FG-FCHP-FEB-FW
其中,FE为期望收益,F1为主网交互收益、FG为常规火电机组运行成本、FCHP为热电联产机组成本、FEB为蓄热式电锅炉的用电成本,FW为弃风成本。
可选地,所述模糊-WCVaR优化模型为:
其中,V
WCVaR-β(x)为调度的WCVaR,
N
Ω为集合中场景总数,f(x,y)为损失函数,β∈(0,1),β为置信水平,α为阈值,
为部分掌握的随机变量分布信息集合。
所述模糊-WCVaR电热综合能源***收益-风险优化模型建立模块,具体包括:
模糊-WCVaR电热综合能源***收益-风险优化模型建立单元,用于根据所述电热综合能源优化调度模型和所述风电出力场景概率,构建模糊-WCVaR电热综合能源调度方案调度运行的收益最大化和最差条件风险损失值最小为目标的优化模型:
其中,F
E为期望收益,V
WCVaR-β(x)为调度的WCVaR,F
1为主网交互收益,F
G为常规火电机组的成本,F
CHP为热电联产机组的成本,F
EB为蓄热式电锅炉成本,F
W为弃风成本,π(w)为场景概率,
N
Ω为集合中场景总数,f(x,y)为损失函数,β∈(0,1),β为置信水平,α为阈值,
为部分掌握的随机变量分布信息集合;
其中所述电热综合能源优化调度模型的约束条件为:
电力网络约束
a.功率平衡约束
b.常规火电机组约束
式中,
分别为常规火电机组i在t时刻的最大发电功率、最小发电功率;
c.热电联产机组约束
d.风电机组约束
(2)热力网络约束
a.热功率平衡约束
式中,
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;
为t时刻***的热负荷;
b.热电联产机组电热耦合约束
c.蓄热式电锅炉约束
d.储热装置约束
式中,S
max为储热装置储热容量,储热装置的储热功率
和放热功率
受换热器换热功率的限制,不超过换热器最大功率
该约束反映的是对储热装置热传递速率的限制。
所述调度方案确定模块,具体包括:
调度方案确定单元,用于采用分组一致性算法对所述模糊-WCVaR电热综合能源***收益-风险优化模型进行求解,确定电热综合能源***的组成结构及各组成结构模型的调度方案。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的***而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本发明中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。