CN113344733A - 一种电气互联综合能源***优化规划方法及*** - Google Patents

一种电气互联综合能源***优化规划方法及*** Download PDF

Info

Publication number
CN113344733A
CN113344733A CN202110462340.6A CN202110462340A CN113344733A CN 113344733 A CN113344733 A CN 113344733A CN 202110462340 A CN202110462340 A CN 202110462340A CN 113344733 A CN113344733 A CN 113344733A
Authority
CN
China
Prior art keywords
variable
data
planning
gas
follows
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.)
Granted
Application number
CN202110462340.6A
Other languages
English (en)
Other versions
CN113344733B (zh
Inventor
***
马千里
马志程
周强
杨贤明
邵冲
郭慧
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong 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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202110462340.6A priority Critical patent/CN113344733B/zh
Publication of CN113344733A publication Critical patent/CN113344733A/zh
Application granted granted Critical
Publication of CN113344733B publication Critical patent/CN113344733B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Public Health (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种电气互联综合能源***优化规划方法及***，建立电力***和天然气***联合的综合能源***优化规划模型，模型为一种两阶段三层次的抵御—攻击—抵御鲁棒优化规划模型，同时包含电力线路和天然气管道的扩建计划；在第一层中，***规划管理者需要合理的对电力***和天然气***进行联合规划以最小化任何可能的极端事件造成的最大负荷损失；在第二层，攻击者会攻击电力***和天然气***中最脆弱的部分以造成最大的负荷损失；在第三层，***运行管理者会针对极端场景优化***内部运行状态，达到受损状态下的最小负荷损失。本发明为建设高效持续安全的现代化供能体系打下了坚实的基础。

Description

一种电气互联综合能源***优化规划方法及***
技术领域
本发明属于综合能源***优化规划技术领域，具体涉及一种电气互联综合能源***优化规划方法及***。
背景技术
综合能源***(Integrated Energy System,IES)，是指在一定区域范围内以电力***为核心，与燃气、热力***高度耦合，通过统一协调优化不同能源的生产、传输、分配、存储、转化和消费等环节后形成的能源生产供给销售一体化***，是能源互联网的物理基石。
历史发展过程中，传统的能源***规划建设往往都局限于电、气、冷、热等单一供能形式的内部，缺乏相互联系，无法利用不同能源间的特性进行优势互补。目前石油、煤炭等传统化石能源储量日益减少，且其造成的环境污染治理刻不容缓，因此打破原有电气冷热供能体系之间的独立规划建设运营的现存模式，综合规划运行以发挥不同能源的优势互补，最终建立协调统一的社会综合能源***受到越来越多的重视。从理论上来讲数十年之前就已提出了综合能源***的概念，在社会供能网络的发展过程中，很长时间内存在着不同能源形式互补优化的情况，例如冷热电联产(CCHP)机组通过供电与供热之间的回收利用与协同调度，提高了燃料利用效率，由此提出了综合能源***的概念。
区域综合能源***的特征是通过整合一定区域范围内的煤炭、石油、天然气等化石能源与风光等新能源，以能量利用最为广泛的电力***为核心，并将燃气***和热力***一起协同优化运行，从而增强多种不同性质能源***之间的联系耦合，协调规划与运行目标，实现提高能耗比要求的同时推进统一管理和互补互济，充分发挥资源在多区域多时段多目标形式下的优势互补。这种新型能量管理方式不仅能够满足社会电气热冷等多样化用能需要的同时，大幅度提升能源利用效率并减少环境污染，是实现能源可持续发展的有效模式。
电—气互联***作为一种典型的综合能源***，近些年来随着低碳环保和节能减排的大力推进受到人们越来越多的重视和应用。天然气作为一种清洁能源，相比于传统的煤炭、石油等化石能源相比燃烧效率高、污染排放少，且形态为气体易于流动，易于和电力、热力***耦合形成多能互补的综合能源***，也是实现可持续发展的最佳途径之一。超过70个国家对其进行了深入研究。
随着能源***的建设发展，人们越来越重视极端事件对供能安全性的影响，极端事件包括自然灾害和人为攻击等，近年来愈发频繁。近些年来，由于传统化石能源的储量有限且污染严重，新能源发电受到越来越多的关注，然而电力***的电能质量和供电可靠性却受到风光等新能源出力的波动性和间歇性影响.与之相对，天然气是一种更加稳定可持续的能量来源，在满足用气负荷的同时通过燃气轮机提供优质可靠的电能。
由于天然气作为能量来源具有清洁、高效、高质量的特征，现在某些区域已将天然气***与电力***结合作为主要的能源供给途径。然而能源***的运行稳定性和可靠性正遭受越来越多不确定事件的影响，由此导致的能源***中的混乱是不可避免的，也是无法控制和预测的。作为新时代能源体系的要求，必须保证能量供给的可持续性，因此提升能源***的恢复力水平至关重要。恢复力定义为***对扰动事件抵御、适应以及快速恢复的能力，这些扰动事件包括各种自然灾害，随着全球自然灾害逐渐增多，构建应对极端事件拥有足够恢复力的弹性电网已成为世界各国能源体系建设共同追求。目前针对微电网领域的恢复力提升已有一些研究，但是对于电、气、热、冷等多能源耦合的综合能源***面对极端事件的恢复力研究尚且不足，天然气***的物理特性和运行特性均与电力***不同且对其恢复力水平存在影响，因此研究电——气互联综合能源***的联合规划方法对于应对极端事件发生，提升现代供能***的恢复力水平具有重要意义。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种电气互联综合能源***优化规划方法及***，以列和约束生产算法求解三层次两阶段鲁棒优化规划模型，为考虑极端场景的规划提供依据。
本发明采用以下技术方案：
一种电气互联综合能源***优化规划方法，包括以下步骤：
S1、获取***扩建规划数据、***运行约束条件数据和价格数据；
S2、将第一阶段模型作为主问题，根据步骤S1获取的***扩建规划数据、***运行约束条件数据和价格数据构建主问题的目标函数以及对应的约束条件，形成主问题总体模型作为不含极端事件影响条件下的最优规划模型；求解不含极端事件影响条件下的最优规划模型，得到最优规划方案x；
S3、将第二阶段模型作为子问题，根据步骤S1获取的***运行约束条件数据构建子问题目标函数及对应的约束条件，形成子问题总体模型，将子问题目标函数最大值小于最大切负荷上限CLmax作为迭代收敛条件，利用步骤S2得到的最优规划方案x，将子问题目标函数的双层问题转化为单层问题，然后使用商用求解器求解子问题总体模型，考虑极端事件影响的最小化切负荷优化模型，得到最恶劣的极端事件场景αIteration+1和子问题目标函数值
Figure BDA0003042754180000041
S4、更新步骤S3得到的子问题目标函数值
Figure BDA0003042754180000042
对结果进行输出判断后输出最优规划方案
Figure BDA00030427541800000410
和最恶劣的极端事件场景αIteration+1，实现电气互联综合能源***优化规划。
具体的，步骤S1中，***扩建规划数据包括：电力***网架结构数据，待建电力线路参数数据，天然气***网架数据，待建天然气管道数据，待建燃气轮机节点以及型号数据；
***运行约束数据包括：电网最大出力数据，燃气轮机容量数据及发电效率数据，电力负荷和天然气负荷数据和天然气气源数据；
价格数据包括：电网电价，天然气气价，待建电力线路价格，待建天然气管道价格，待建燃气轮机价格和设备年贴现率。
具体的，步骤S2中，主问题目标函数为：
Figure BDA0003042754180000043
其中，
Figure BDA0003042754180000044
分别为燃气轮机、电力线路、天然气管道的折现率系数；
Figure BDA0003042754180000045
分别为相应机组、线路、管道的投资价格；
Figure BDA0003042754180000046
分别为相应机组、线路、管道的投建状态；
Figure BDA0003042754180000047
分别为典型日d时刻t的电网电价和气网气价；
Figure BDA0003042754180000048
和
Figure BDA0003042754180000049
分别为典型日d时刻t的购电量和购气量。
进一步的，主问题约束条件具体为：
设备投建约束如下：
Figure BDA0003042754180000051
Figure BDA0003042754180000052
Figure BDA0003042754180000053
电网根节点出力约束如下：
Figure BDA0003042754180000054
燃气轮机出力约束如下：
Figure BDA0003042754180000055
燃气轮机气电约束如下：
Figure BDA0003042754180000056
节点功率平衡约束如下：
Figure BDA0003042754180000057
Figure BDA0003042754180000058
线路容量约束如下：
Figure BDA0003042754180000059
燃气气源出力约束如下：
Figure BDA00030427541800000510
燃气***节点流量平衡约束如下：
Figure BDA00030427541800000511
燃气管道流量约束如下：
Figure BDA00030427541800000512
其中，gen为燃气轮机编号索引，pl为电力线路编号索引，gp为天然气管道编号索引，
Figure BDA00030427541800000513
分别为相应燃气轮机、线路、管道的初始投建状态，
Figure BDA00030427541800000514
分别为相应机组、线路、管道的投建状态变量；
Figure BDA00030427541800000515
为电网出力变量，
Figure BDA0003042754180000061
为电网根节点最大出力，n0为电网根节点；
Figure BDA0003042754180000062
分别为燃气轮机的出力变量，耗气变量，气电转换系数，
Figure BDA0003042754180000063
为；
Figure BDA0003042754180000064
为节点电力负荷；
Figure BDA0003042754180000065
为线路传输电量变量；
Figure BDA0003042754180000066
为燃气气源出力变量；
Figure BDA0003042754180000067
为节点天然气负荷；
Figure BDA0003042754180000068
为管道传输天然气流量变量，
Figure BDA0003042754180000069
为典型日d内t时刻电网根节点出力，f(j)为线路的起始节点为j，t(j)代表线路的终止节点为j，
Figure BDA00030427541800000610
为线路最大传输容量，
Figure BDA00030427541800000611
为线路l在典型日d内t时刻的传输电量，
Figure BDA00030427541800000612
为天然气气源出力上限，gs为天然气气源编号索引，gn为气网节点编号索引，gp为天然气管道编号索引，
Figure BDA00030427541800000613
为管道最大传输容量。
具体的，步骤S2中，主问题总体模型如下：
Figure BDA00030427541800000614
s.t.Ax+By≤D
Figure BDA00030427541800000615
Figure BDA00030427541800000616
其中，CLmax为允许的最大切负荷上限，aT为主问题目标函数中与投建变量相关的常数矩阵，bT为主问题目标函数中与运行变量相关的常数矩阵，x为***投建变量，y为正常运行状态下***运行变量，A为正常运行状态下约束条件中与投建变量相关的常数系数矩阵，B为正常运行状态下约束条件中与运行变量相关的常数系数矩阵，D为正常运行状态下约束条件中的常数项矩阵，cT为与切负荷变量相关的常数系数，k为最恶劣极端事件场景数索引，Iteration为迭代次数，同为最恶劣极端事件场景数总数，
Figure BDA00030427541800000617
为极端事件状态下约束条件中与投建变量相关的常数系数矩阵，
Figure BDA00030427541800000618
为极端事件状态下约束条件中与运行变量相关的常数系数矩阵，αk为第k次极端事件，
Figure BDA00030427541800000619
为极端事件状态下约束条件中的常数项矩阵，
Figure BDA00030427541800000620
为第k次极端事件场景下的运行变量。
具体的，步骤S3中，子问题的目标函数如下：
Figure BDA0003042754180000071
其中，
Figure BDA0003042754180000072
为在规划方案
Figure BDA00030427541800000716
下的目标函数值，α为极端事件；φ为极端事件场景集合；y为***运行变量；
Figure BDA0003042754180000073
为***切电负荷变量。
进一步的，子问题的约束条件具体为：
攻击不确定集约束如下：
Figure BDA0003042754180000074
Figure BDA0003042754180000075
电网根节点出力约束如下：
Figure BDA0003042754180000076
Figure BDA0003042754180000077
燃气轮机出力约束如下：
Figure BDA0003042754180000078
Figure BDA0003042754180000079
燃气轮机气电约束如下：
Figure BDA00030427541800000710
Figure BDA00030427541800000711
节点功率平衡约束如下：
Figure BDA00030427541800000712
Figure BDA00030427541800000713
切负荷约束如下：
Figure BDA00030427541800000714
Figure BDA00030427541800000715
线路容量约束如下：
Figure BDA0003042754180000081
Figure BDA0003042754180000082
燃气气源出力约束如下：
Figure BDA0003042754180000083
Figure BDA0003042754180000084
燃气***节点流量平衡约束如下：
Figure BDA0003042754180000085
Figure BDA0003042754180000086
燃气管道流量约束如下：
Figure BDA0003042754180000087
Figure BDA0003042754180000088
其中，
Figure BDA0003042754180000089
为线路是否遭到破坏的状态变量，
Figure BDA00030427541800000810
为线路的投建状态变量，k为攻击预算，
Figure BDA00030427541800000811
为电网出力变量，
Figure BDA00030427541800000812
为电网根节点最大出力，n0为电网根节点，
Figure BDA00030427541800000813
为燃气轮机的投建状态变量，gen为燃气轮机编号索引，
Figure BDA00030427541800000814
为燃气轮机的出力变量，
Figure BDA00030427541800000815
为燃气轮机的耗气变量，
Figure BDA00030427541800000816
为燃气轮机的气电转换系数，，
Figure BDA00030427541800000817
为节点电力负荷，
Figure BDA00030427541800000818
为切负荷变量，
Figure BDA00030427541800000819
为线路传输电量变量，pl为电力线路编号索引，
Figure BDA00030427541800000820
为线路最大传输容量，gs为天然气气源编号索引，
Figure BDA00030427541800000821
为天然气气源出力上限，
Figure BDA00030427541800000822
为天然气气源出力变量，
Figure BDA00030427541800000823
为节点天然气负荷，
Figure BDA00030427541800000824
为管道传输天然气流量变量，
Figure BDA00030427541800000825
为管道最大传输容量，
Figure BDA00030427541800000826
为管道的投建状态变量，
Figure BDA00030427541800000827
为切负荷变量；
Figure BDA00030427541800000828
为线路攻击变量；
Figure BDA00030427541800000829
为相应11种约束条件对应的拉格朗日对偶变量。
具体的，步骤S3中，子问题总体模型：
Figure BDA00030427541800000830
Figure BDA00030427541800000831
其中，
Figure BDA0003042754180000091
为在规划方案
Figure BDA0003042754180000092
下的目标函数值，
Figure BDA0003042754180000093
为极端事件状态下***运行变量，cT为与切负荷变量相关的常数系数，ψ为在规划方案
Figure BDA0003042754180000094
下所有可能的极端场景，
Figure BDA0003042754180000095
为极端事件状态下约束条件中与投建变量相关的常数系数矩阵，
Figure BDA0003042754180000096
为主问题求解得出的最优规划方案，
Figure BDA0003042754180000097
为极端事件状态下约束条件中与运行变量相关的常数系数矩阵，C为极端事件状态下约束条件中与攻击变量相关的常数系数矩阵，α为极端事件场景，
Figure BDA0003042754180000098
为极端事件状态下约束条件中的常数项矩阵。
具体的，步骤S4具体为：
S401、如果UB≤CLmax，UB为每次迭代更新的最优规划方案对应的最大负荷损失，CLmax为允许的最大切负荷上限，最优规划方案
Figure BDA0003042754180000099
满足在任何极端事件场景下的恢复力要求，故返回规划方案
Figure BDA00030427541800000910
并终止迭代；
S402、如果UB≥CLmax，创建新变量
Figure BDA00030427541800000911
并建立相应与子问题对应的约束加入主问题中；
S403、更新Iteration＝Iteration+1，返回步骤S3。
本发明的另一技术方案是，一种电气互联综合能源***优化规划***，包括：
数据模块，获取***扩建规划数据、***运行约束条件数据和价格数据；
第一求解模块，将第一阶段模型作为主问题，根据数据模块获取的***扩建规划数据、***运行约束条件数据和价格数据构建主问题的目标函数以及对应的约束条件，形成主问题总体模型作为不含极端事件影响条件下的最优规划模型；求解不含极端事件影响条件下的最优规划模型，得到最优规划方案x；
第二求解模块，将第二阶段模型作为子问题，根据数据模块获取的***运行约束条件数据构建子问题目标函数及对应的约束条件，形成子问题总体模型，将子问题目标函数最大值小于最大切负荷上限CLmax作为迭代收敛条件，利用第一求解模块得到的最优规划方案x，将子问题目标函数的双层问题转化为单层问题，然后使用商用求解器求解子问题总体模型，考虑极端事件影响的最小化切负荷优化模型，得到最恶劣的极端事件场景αIteration+1和子问题目标函数值
Figure BDA0003042754180000101
规划模块，更新第二求解模块得到的子问题目标函数值
Figure BDA0003042754180000102
对结果进行输出判断后输出最优规划方案
Figure BDA0003042754180000103
和最恶劣的极端事件场景αIteration+1，实现电气互联综合能源***优化规划。
与现有技术相比，本发明至少具有以下有益效果：
本发明一种电气互联综合能源***优化规划方法，对于考虑极端事件的电气互联综合能源***规划模型，传统的方式通常是针对特定的极端场景进行优化，或者对不同场景进行枚举以确定最恶劣场景，这种方式步骤繁琐，并且不能在优化过程中体现选择性。本专利提出的两阶段三层次鲁棒规划模型不仅可以针对不同的规划方案确定最恶劣极端事件场景，还可以将对应的场景加入第一阶段规划模型中以保证新的规划方案一定可以抵御该极端场景，避免了重复规划的结果；本发明建立了一种电力***和天然气***联合的综合能源***优化规划模型，该模型为一种两阶段三层次的“抵御—攻击—抵御”鲁棒优化规划模型，同时包含电力线路和天然气管道的扩建计划，根据实际算例结果可表明电—气互联***联合规划可以有效的提升综合能源***的恢复力水平，在不同的恢复力指标要求下均可以给出经济性最优的规划方案，为建设高效持续安全的现代化供能体系打下了坚实的基础。
进一步的，通过步骤S1获取数据，根据不同应用场景建立相应的两阶段鲁棒优化模型，提高了模型的适用性。
进一步的，主目标函数设置是从经济角度出发，以总投资成本和运行成本之和最小为目标函数，符合社会经济发展需求。
进一步的，主问题约束条件设置是为了构建完整的模型以进行求解，同时约束条件考虑了包括燃气轮机，电力线路，天然气管道的投建状态、发电容量和效率、传输容量等限制，更加符合实际应用场景，得出的结果精确度和实用性更好。
进一步的，主问题总体模型设置是为了清楚的展示问题结构，形式简洁，方便读者理解与编写程序，同时为后面迭代过程打下基础。
进一步的，子问题建立了双层目标函数，外层max目标是为了从所有极端事件场景中找出最恶劣的场景，内层min目标是***自身优化运行以最小化负荷损失，两者结合便可以找出最恶劣的极端事件以及在所有场景下的最大负荷损失。
进一步的，子问题约束条件设置是为了构建完整的模型以进行求解，同时约束条件考虑了包括燃气轮机，电力线路，天然气管道的规划投建状态、发电容量和效率、传输容量，切负荷容量，攻击预算等限制，可以较为真实的模拟事故状态，得出的结果更具实用性。
进一步的，子问题总体模型设置是为了清楚的展示问题结构，形式简洁，方便读者理解与编写程序，同时为迭代过程打下基础。
进一步的，步骤S4设置的目的是为了对迭代过程中的中间变量进行记录，同时进行收敛条件的判断，这样可以找出恰好满足最大负荷损失的规划扩建方案，在满足***恢复力需求的同时最小化投资成本。
综上所述，本发明根据实际结果可表明电—气互联***联合规划可以有效的提升综合能源***的恢复力水平，在不同的恢复力指标要求下均可以给出经济性最优的规划方案，为建设高效持续安全的现代化供能体系打下了坚实的基础。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明流程示意图；
图2为本发明网络拓扑图，其中，(a)为37节点电网，(b)为20节点气网。
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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的，其中为了清楚表达的目的，放大了某些细节，并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的，实际中可能由于制造公差或技术限制而有所偏差，并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
本发明提供了一种电气互联综合能源***优化规划方法，建立了一种电力***和天然气***联合的综合能源***优化规划模型，该模型为一种两阶段三层次的“抵御—攻击—抵御”鲁棒优化规划模型，同时包含电力线路和天然气管道的扩建计划。在第一层中，***规划管理者需要合理的对电力***和天然气***进行联合规划以最小化任何可能的极端事件造成的最大负荷损失；在第二层中，攻击者会攻击电力***和天然气***中最脆弱的部分以造成最大的负荷损失；在最后的第三层中，***运行管理者会针对极端场景优化***内部运行状态，达到受损状态下的最小负荷损失。为解决该难以使用求解器直接求解的三层鲁棒模型，本发明采用了一种列和约束生成算法(column-and-constraintgeneration,CCG)对其进行求解，该算法的主旨在于找出不同规划方案下的最恶劣极端场景，并将相对应的约束加入原问题，随着场景和约束数量的增加可以不断缩小可行域范围直至算法收敛。
请参阅图1，本发明一种电气互联综合能源***优化规划方法，包括以下步骤：
S1、获取***扩建规划数据、***运行约束条件数据和价格数据；
***扩建规划数据：电力***网架结构数据，待建电力线路参数数据。天然气***网架数据，待建天然气管道数据，待建燃气轮机节点以及型号数据。
***运行约束数据：电网最大出力数据，燃气轮机容量数据及发电效率数据，电力负荷和天然气负荷数据，天然气气源数据。
价格数据；电网电价，天然气气价，待建电力线路价格，待建天然气管道价格，待建燃气轮机价格，设备年贴现率。
S2、将第一阶段即规划阶段模型作为主问题，构建主问题的目标函数以及对应的约束条件，形成主问题总体模型；第一次为求解不含极端事件影响条件下的最优规划模型，求解之后得到一种最优规划方案x，用
Figure BDA00030427541800001411
标记；
第一阶段目标函数：规划阶段以总投资费用最小为目标，总费用主要包括设备投资费用和运行消耗费用两部分；
构建主问题目标函数：
Figure BDA0003042754180000141
其中，
Figure BDA0003042754180000142
分别为燃气轮机、电力线路、天然气管道的折现率系数；
Figure BDA0003042754180000143
分别为相应机组、线路、管道的投资价格；
Figure BDA0003042754180000144
分别为相应机组、线路、管道的投建状态；
Figure BDA0003042754180000145
分别为典型日d时刻t的电网电价和气网气价；
Figure BDA0003042754180000146
和
Figure BDA0003042754180000147
分别为典型日d时刻t的购电量和购气量。
构建主问题约束条件，包括设备投建，设备自身约束和功率流量平衡等约束。
设备投建约束：
Figure BDA0003042754180000148
电网根节点出力约束：
Figure BDA0003042754180000149
燃气轮机出力约束：
Figure BDA00030427541800001410
燃气轮机气电约束：
Figure BDA0003042754180000151
节点功率平衡约束：
Figure BDA0003042754180000152
线路容量约束：
Figure BDA0003042754180000153
燃气气源出力约束：
Figure BDA0003042754180000154
燃气***节点流量平衡约束：
Figure BDA0003042754180000155
燃气管道流量约束：
Figure BDA0003042754180000156
其中，
Figure BDA0003042754180000157
分别为相应机组、线路、管道的投建状态变量；
Figure BDA0003042754180000158
为电网出力变量；
Figure BDA0003042754180000159
分别为燃气轮机的出力变量，耗气变量，气电转换系数；
Figure BDA00030427541800001510
为节点电力负荷；
Figure BDA00030427541800001511
为线路传输电量变量；
Figure BDA00030427541800001512
为燃气气源出力变量；
Figure BDA00030427541800001513
为节点天然气负荷；
Figure BDA00030427541800001514
为管道传输天然气流量变量。
形成主问题总体模型：
Figure BDA00030427541800001515
s.t.Ax+By≤D
Figure BDA00030427541800001516
Figure BDA00030427541800001517
其中，CLmax为允许的最大切负荷上限，主问题模型为一种混合整数线性规划模型(MILP)，可以直接使用商用求解器(如cplex,gurobi等)高效求解；求解之后可以得到一种最优规划方案x，用
Figure BDA0003042754180000167
标记。
S3、将第二阶段即恢复力阶段作为子问题，构建子问题目标函数及对应的约束条件，将子问题目标函数最大值小于最大切负荷上限CLmax作为迭代收敛条件，形成子问题总体模型，利用步骤S3得到的最优规划方案x，将子问题目标函数的双层问题转化为单层问题，然后使用商用求解器求解子问题总体模型，得到最恶劣的极端事件场景αIteration+1和子问题目标函数值
Figure BDA0003042754180000161
子问题的目标函数：***在恢复力阶段的主要目标是在规划阶段给出的投建方案基础上找出最恶劣的极端事件场景并通过***优化运行最小化负荷损失。
子问题的目标函数为双层，如下所示：
Figure BDA0003042754180000162
其中，
Figure BDA0003042754180000163
为在规划方案
Figure BDA0003042754180000168
下的目标函数值，α为极端事件；φ为极端事件场景集合；y为***运行变量；
Figure BDA0003042754180000164
为***切电负荷变量。
构建子问题约束条件：
子问题约束条件主要是指在极端事件下的约束条件，不包含投建约束，增加了失负荷约束和考虑线路故障的约束，其余约束与上一阶段一致，使用～标记本阶段的变量。
攻击不确定集约束：
Figure BDA0003042754180000165
电网根节点出力约束：
Figure BDA0003042754180000166
燃气轮机出力约束：
Figure BDA0003042754180000171
燃气轮机气电约束：
Figure BDA0003042754180000172
节点功率平衡约束：
Figure BDA0003042754180000173
切负荷约束：
Figure BDA0003042754180000174
线路容量约束：
Figure BDA0003042754180000175
燃气气源出力约束：
Figure BDA0003042754180000176
燃气***节点流量平衡约束：
Figure BDA0003042754180000177
燃气管道流量约束：
Figure BDA0003042754180000178
其中，大部分变量与规划阶段一致，使用～标记；
Figure BDA0003042754180000179
为切负荷变量；
Figure BDA00030427541800001710
为线路攻击变量；k为攻击预算；
Figure BDA00030427541800001711
为相应11种约束条件对应的拉格朗日对偶变量。
形成子问题总体模型：
Figure BDA0003042754180000181
Figure BDA0003042754180000182
最终，得到第一阶段和第二阶段鲁棒规划模型如下：
Figure BDA0003042754180000183
在主问题给出的最优规划方案
Figure BDA0003042754180000189
的基础上求解子问题，由于子问题的目标函数是max-min双层函数，无法直接求解，所以需要应用强对偶原理将双层问题转化为单层问题，然后使用商用求解器(如cplex,gurobi等)高效求解。得到最恶劣的极端事件场景αIteration+1和子问题目标函数值
Figure BDA0003042754180000184
S4、更新步骤S3得到的子问题目标函数值
Figure BDA0003042754180000185
并进行结果输出判断，输出最优规划方案
Figure BDA00030427541800001810
设置迭代次数Iteration＝0用于标记显示计算过程中的每次规划方案和相应的最大负荷损失，并且代表需要加入主问题的极端场景约束数量；最大切负荷UB＝+∞用于记录每次主问题求解得出的最优规划方案对应的最大负荷损失，即子问题目标函数。
S401、如果UB≤CLmax,此时的最优规划方案
Figure BDA0003042754180000186
满足在任何极端事件场景下的恢复力要求，故返回规划方案
Figure BDA0003042754180000187
并终止迭代；
S402、如果UB≥CLmax,创建新变量
Figure BDA0003042754180000188
并建立相应与子问题对应的约束加入主问题中，如下所示：
Figure BDA0003042754180000191
Figure BDA0003042754180000192
该类型的约束条件能够保证主问题求解得出的新规划方案必然是满足在最恶劣的极端事件场景αIteration+1下的最大切负荷要求的。
S403、更新Iteration＝Iteration+1，返回步骤S3。
本发明再一个实施例中，提供一种电气互联综合能源***优化规划***，该***能够用于实现上述电气互联综合能源***优化规划方法，具体的，该电气互联综合能源***优化规划***包括数据模块、第一求解模块、第二求解模块以及规划模块。
其中，数据模块，获取***扩建规划数据、***运行约束条件数据和价格数据；
第一求解模块，将第一阶段模型作为主问题，根据数据模块获取的***扩建规划数据、***运行约束条件数据和价格数据构建主问题的目标函数以及对应的约束条件，形成主问题总体模型作为不含极端事件影响条件下的最优规划模型；求解不含极端事件影响条件下的最优规划模型，得到最优规划方案x；
第二求解模块，将第二阶段模型作为子问题，根据数据模块获取的***运行约束条件数据构建子问题目标函数及对应的约束条件，形成子问题总体模型，将子问题目标函数最大值小于最大切负荷上限CLmax作为迭代收敛条件，利用第一求解模块得到的最优规划方案x，将子问题目标函数的双层问题转化为单层问题，然后使用商用求解器求解子问题总体模型，考虑极端事件影响的最小化切负荷优化模型，得到最恶劣的极端事件场景αIteration+1和子问题目标函数值
Figure BDA0003042754180000193
规划模块，更新第二求解模块得到的子问题目标函数值
Figure BDA0003042754180000194
对结果进行输出判断后输出最优规划方案
Figure BDA0003042754180000195
和最恶劣的极端事件场景αIteration+1，实现电气互联综合能源***优化规划。
本发明再一个实施例中，提供了一种终端设备，该终端设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor、DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于电气互联综合能源***优化规划方法的操作，包括：
获取***扩建规划数据、***运行约束条件数据和价格数据；将第一阶段模型作为主问题，根据获取的***扩建规划数据、***运行约束条件数据和价格数据构建主问题的目标函数以及对应的约束条件，形成主问题总体模型作为不含极端事件影响条件下的最优规划模型；求解不含极端事件影响条件下的最优规划模型，得到最优规划方案x；将第二阶段模型作为子问题，根据获取的***运行约束条件数据构建子问题目标函数及对应的约束条件，形成子问题总体模型，将子问题目标函数最大值小于最大切负荷上限CLmax作为迭代收敛条件，利用得到的最优规划方案x，将子问题目标函数的双层问题转化为单层问题，然后使用商用求解器求解子问题总体模型，考虑极端事件影响的最小化切负荷优化模型，得到最恶劣的极端事件场景αIteration+1和子问题目标函数值
Figure BDA0003042754180000201
更新得到的子问题目标函数值
Figure BDA0003042754180000202
对结果进行输出判断后输出最优规划方案
Figure BDA0003042754180000203
和最恶劣的极端事件场景αIteration+1，实现电气互联综合能源***优化规划。
本发明再一个实施例中，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是终端设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括终端设备中的内置存储介质，当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作***。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器 (non-volatile memory)，例如至少一个磁盘存储器。
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中有关电气互联综合能源***优化规划方法的相应步骤；计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤：
获取***扩建规划数据、***运行约束条件数据和价格数据；将第一阶段模型作为主问题，根据获取的***扩建规划数据、***运行约束条件数据和价格数据构建主问题的目标函数以及对应的约束条件，形成主问题总体模型作为不含极端事件影响条件下的最优规划模型；求解不含极端事件影响条件下的最优规划模型，得到最优规划方案x；将第二阶段模型作为子问题，根据获取的***运行约束条件数据构建子问题目标函数及对应的约束条件，形成子问题总体模型，将子问题目标函数最大值小于最大切负荷上限CLmax作为迭代收敛条件，利用得到的最优规划方案x，将子问题目标函数的双层问题转化为单层问题，然后使用商用求解器求解子问题总体模型，考虑极端事件影响的最小化切负荷优化模型，得到最恶劣的极端事件场景αIteration+1和子问题目标函数值
Figure BDA0003042754180000221
更新得到的子问题目标函数值
Figure BDA0003042754180000222
对结果进行输出判断后输出最优规划方案
Figure BDA0003042754180000223
和最恶劣的极端事件场景αIteration+1，实现电气互联综合能源***优化规划。
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
请参阅图2，为改进的IEEE37节点电力***和比利时20节点天然气***组成的电—气互联***，电网峰值负荷为9872kW。
表给出待建的燃气轮机和待建电力线路参数：
表1待建燃气轮机参数表
Figure BDA0003042754180000224
Figure BDA0003042754180000231
表2待建电力线路参数表
编号 起始节点 终止节点 容量/kW 造价/万元
PL1 37 12 1500 200
PL2 34 22 1500 200
PL3 21 25 1500 200
PL4 25 29 1500 200
PL5 28 30 1500 200
PL6 15 24 1500 200
PL7 24 32 1500 200
PL8 19 33 1500 200
PL9 13 18 1500 200
针对上述算例参数，设置了不同恢复力指标和攻击预算的对比案例如表3所示：
表3对比案例设置
Figure BDA0003042754180000232
Figure BDA0003042754180000241
将相应的案例参数输入提出的规划模型中编程求解，得到对应的最优规划方案如表4所示：
表4对比案例规划结果
案例编号 燃气轮机 电力线路 总投资成本/万元 最大负荷损失/kWh
1 G2,G3,G7,G9,G11 PL3,PL8 7469.7 17069
2 G1,G5,G7,G9,G10 PL3,PL7 7469.7 13042
3 G1,G5,G7,G9,G10 PL2,PL3,PL6,PL8 7507.5 8352
4 G2,G5,G7,G8,G11 PL2,PL3 7493.3 28640
5 G1,G4,G7,G8,G11 PL2,PL3,PL6,PL7,PL8 7526.3 19596
从上表可以看出，对于不同的恢复力指标和攻击变量，所提出的两阶段三层次鲁棒优化规划模型均可以针对不同案例给出满足恢复力要求的最为经济的规划方案，验证了模型的有效性和合理性。
综上所述，本发明一种电气互联综合能源***优化规划方法，根据实际结果可表明电—气互联***联合规划可以有效的提升综合能源***的恢复力水平，在不同的恢复力指标要求下均可以给出经济性最优的规划方案，为建设高效持续安全的现代化供能体系打下了坚实的基础。。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和 /或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (10)

1.一种电气互联综合能源***优化规划方法，其特征在于，包括以下步骤：
S1、获取***扩建规划数据、***运行约束条件数据和价格数据；
S2、将第一阶段模型作为主问题，根据步骤S1获取的***扩建规划数据、***运行约束条件数据和价格数据构建主问题的目标函数以及对应的约束条件，形成主问题总体模型作为不含极端事件影响条件下的最优规划模型；求解不含极端事件影响条件下的最优规划模型，得到最优规划方案x；
S3、将第二阶段模型作为子问题，根据步骤S1获取的***运行约束条件数据构建子问题目标函数及对应的约束条件，形成子问题总体模型，将子问题目标函数最大值小于最大切负荷上限CLmax作为迭代收敛条件，利用步骤S2得到的最优规划方案x，将子问题目标函数的双层问题转化为单层问题，然后使用商用求解器求解子问题总体模型，考虑极端事件影响的最小化切负荷优化模型，得到最恶劣的极端事件场景αIteration+1和子问题目标函数值
Figure FDA0003042754170000011
S4、更新步骤S3得到的子问题目标函数值
Figure FDA0003042754170000012
对结果进行输出判断后输出最优规划方案
Figure FDA0003042754170000013
和最恶劣的极端事件场景αIteration+1，实现电气互联综合能源***优化规划。
2.根据权利要求1所述的方法，其特征在于，步骤S1中，***扩建规划数据包括：电力***网架结构数据，待建电力线路参数数据，天然气***网架数据，待建天然气管道数据，待建燃气轮机节点以及型号数据；
***运行约束数据包括：电网最大出力数据，燃气轮机容量数据及发电效率数据，电力负荷和天然气负荷数据和天然气气源数据；
价格数据包括：电网电价，天然气气价，待建电力线路价格，待建天然气管道价格，待建燃气轮机价格和设备年贴现率。
3.根据权利要求1所述的方法，其特征在于，步骤S2中，主问题目标函数为：
Figure FDA0003042754170000021
其中，
Figure FDA0003042754170000022
分别为燃气轮机、电力线路、天然气管道的折现率系数；
Figure FDA0003042754170000023
分别为相应机组、线路、管道的投资价格；
Figure FDA0003042754170000024
分别为相应机组、线路、管道的投建状态；
Figure FDA0003042754170000025
分别为典型日d时刻t的电网电价和气网气价；
Figure FDA0003042754170000026
和
Figure FDA0003042754170000027
分别为典型日d时刻t的购电量和购气量。
4.根据权利要求3所述的方法，其特征在于，主问题约束条件具体为：
设备投建约束如下：
Figure FDA0003042754170000028
Figure FDA0003042754170000029
Figure FDA00030427541700000210
电网根节点出力约束如下：
Figure FDA00030427541700000211
燃气轮机出力约束如下：
Figure FDA00030427541700000212
燃气轮机气电约束如下：
Figure FDA00030427541700000213
节点功率平衡约束如下：
Figure FDA00030427541700000214
Figure FDA00030427541700000215
线路容量约束如下：
Figure FDA0003042754170000031
燃气气源出力约束如下：
Figure FDA0003042754170000032
燃气***节点流量平衡约束如下：
Figure FDA0003042754170000033
燃气管道流量约束如下：
Figure FDA0003042754170000034
其中，gen为燃气轮机编号索引，pl为电力线路编号索引，gp为天然气管道编号索引，
Figure FDA0003042754170000035
分别为相应燃气轮机、线路、管道的初始投建状态，
Figure FDA0003042754170000036
分别为相应机组、线路、管道的投建状态变量；
Figure FDA0003042754170000037
为电网出力变量，
Figure FDA0003042754170000038
为电网根节点最大出力，n0为电网根节点；
Figure FDA0003042754170000039
分别为燃气轮机的出力变量，耗气变量，气电转换系数，
Figure FDA00030427541700000310
为；
Figure FDA00030427541700000311
为节点电力负荷；
Figure FDA00030427541700000312
为线路传输电量变量；
Figure FDA00030427541700000313
为燃气气源出力变量；
Figure FDA00030427541700000314
为节点天然气负荷；
Figure FDA00030427541700000315
为管道传输天然气流量变量，
Figure FDA00030427541700000316
为典型日d内t时刻电网根节点出力，f(j)为线路的起始节点为j，t(j)代表线路的终止节点为j，
Figure FDA00030427541700000317
为线路最大传输容量，
Figure FDA00030427541700000318
为线路l在典型日d内t时刻的传输电量，
Figure FDA00030427541700000319
为天然气气源出力上限，gs为天然气气源编号索引，gn为气网节点编号索引，gp为天然气管道编号索引，
Figure FDA00030427541700000320
为管道最大传输容量。
5.根据权利要求1所述的方法，其特征在于，步骤S2中，主问题总体模型如下：
Figure FDA0003042754170000041
s.t.Ax+By≤D
Figure FDA0003042754170000042
Figure FDA0003042754170000043
其中，CLmax为允许的最大切负荷上限，aT为主问题目标函数中与投建变量相关的常数矩阵，bT为主问题目标函数中与运行变量相关的常数矩阵，x为***投建变量，y为正常运行状态下***运行变量，A为正常运行状态下约束条件中与投建变量相关的常数系数矩阵，B为正常运行状态下约束条件中与运行变量相关的常数系数矩阵，D为正常运行状态下约束条件中的常数项矩阵，cT为与切负荷变量相关的常数系数，k为最恶劣极端事件场景数索引，Iteration为迭代次数，同为最恶劣极端事件场景数总数，
Figure FDA0003042754170000044
为极端事件状态下约束条件中与投建变量相关的常数系数矩阵，
Figure FDA0003042754170000045
为极端事件状态下约束条件中与运行变量相关的常数系数矩阵，αk为第k次极端事件，
Figure FDA0003042754170000046
为极端事件状态下约束条件中的常数项矩阵，
Figure FDA0003042754170000047
为第k次极端事件场景下的运行变量。
6.根据权利要求1所述的方法，其特征在于，步骤S3中，子问题的目标函数如下：
Figure FDA0003042754170000048
其中，
Figure FDA0003042754170000049
为在规划方案
Figure FDA00030427541700000410
下的目标函数值，α为极端事件；φ为极端事件场景集合；y为***运行变量；
Figure FDA00030427541700000411
为***切电负荷变量。
7.根据权利要求6所述的方法，其特征在于，子问题的约束条件具体为：
攻击不确定集约束如下：
Figure FDA00030427541700000412
Figure FDA00030427541700000413
电网根节点出力约束如下：
Figure FDA0003042754170000051
Figure FDA0003042754170000052
燃气轮机出力约束如下：
Figure FDA0003042754170000053
Figure FDA0003042754170000054
燃气轮机气电约束如下：
Figure FDA0003042754170000055
Figure FDA0003042754170000056
节点功率平衡约束如下：
Figure FDA0003042754170000057
Figure FDA0003042754170000058
切负荷约束如下：
Figure FDA0003042754170000059
Figure FDA00030427541700000510
线路容量约束如下：
Figure FDA00030427541700000511
Figure FDA00030427541700000512
燃气气源出力约束如下：
Figure FDA00030427541700000513
Figure FDA00030427541700000514
燃气***节点流量平衡约束如下：
Figure FDA00030427541700000515
Figure FDA00030427541700000516
燃气管道流量约束如下：
Figure FDA0003042754170000061
Figure FDA0003042754170000062
其中，
Figure FDA0003042754170000063
为线路是否遭到破坏的状态变量，
Figure FDA0003042754170000064
为线路的投建状态变量，k为攻击预算，
Figure FDA0003042754170000065
为电网出力变量，
Figure FDA0003042754170000066
为电网根节点最大出力，n0为电网根节点，
Figure FDA0003042754170000067
为燃气轮机的投建状态变量，gen为燃气轮机编号索引，
Figure FDA0003042754170000068
为燃气轮机的出力变量，
Figure FDA0003042754170000069
为燃气轮机的耗气变量，
Figure FDA00030427541700000610
为燃气轮机的气电转换系数，，
Figure FDA00030427541700000611
为节点电力负荷，
Figure FDA00030427541700000612
为切负荷变量，
Figure FDA00030427541700000613
为线路传输电量变量，pl为电力线路编号索引，
Figure FDA00030427541700000614
为线路最大传输容量，gs为天然气气源编号索引，
Figure FDA00030427541700000615
为天然气气源出力上限，
Figure FDA00030427541700000616
为天然气气源出力变量，
Figure FDA00030427541700000617
为节点天然气负荷，
Figure FDA00030427541700000618
为管道传输天然气流量变量，
Figure FDA00030427541700000619
为管道最大传输容量，
Figure FDA00030427541700000620
为管道的投建状态变量，
Figure FDA00030427541700000621
为切负荷变量；
Figure FDA00030427541700000622
为线路攻击变量；
Figure FDA00030427541700000623
为相应11种约束条件对应的拉格朗日对偶变量。
8.根据权利要求1所述的方法，其特征在于，步骤S3中，子问题总体模型：
Figure FDA00030427541700000624
Figure FDA00030427541700000625
其中，
Figure FDA00030427541700000626
为在规划方案
Figure FDA00030427541700000627
下的目标函数值，
Figure FDA00030427541700000628
为极端事件状态下***运行变量，cT为与切负荷变量相关的常数系数，ψ为在规划方案
Figure FDA00030427541700000629
下所有可能的极端场景，
Figure FDA00030427541700000630
为极端事件状态下约束条件中与投建变量相关的常数系数矩阵，
Figure FDA00030427541700000631
为主问题求解得出的最优规划方案，
Figure FDA00030427541700000632
为极端事件状态下约束条件中与运行变量相关的常数系数矩阵，C为极端事件状态下约束条件中与攻击变量相关的常数系数矩阵，α为极端事件场景，
Figure FDA00030427541700000633
为极端事件状态下约束条件中的常数项矩阵。
9.根据权利要求1所述的方法，其特征在于，步骤S4具体为：
S401、如果UB≤CLmax，UB为每次迭代更新的最优规划方案对应的最大负荷损失，CLmax为允许的最大切负荷上限，最优规划方案
Figure FDA0003042754170000071
满足在任何极端事件场景下的恢复力要求，故返回规划方案
Figure FDA0003042754170000072
并终止迭代；
S402、如果UB≥CLmax，创建新变量
Figure FDA0003042754170000073
并建立相应与子问题对应的约束加入主问题中；
S403、更新Iteration＝Iteration+1，返回步骤S3。
10.一种电气互联综合能源***优化规划***，其特征在于，包括：
数据模块，获取***扩建规划数据、***运行约束条件数据和价格数据；
第一求解模块，将第一阶段模型作为主问题，根据数据模块获取的***扩建规划数据、***运行约束条件数据和价格数据构建主问题的目标函数以及对应的约束条件，形成主问题总体模型作为不含极端事件影响条件下的最优规划模型；求解不含极端事件影响条件下的最优规划模型，得到最优规划方案x；
第二求解模块，将第二阶段模型作为子问题，根据数据模块获取的***运行约束条件数据构建子问题目标函数及对应的约束条件，形成子问题总体模型，将子问题目标函数最大值小于最大切负荷上限CLmax作为迭代收敛条件，利用第一求解模块得到的最优规划方案x，将子问题目标函数的双层问题转化为单层问题，然后使用商用求解器求解子问题总体模型，考虑极端事件影响的最小化切负荷优化模型，得到最恶劣的极端事件场景αIteration+1和子问题目标函数值
Figure FDA0003042754170000074
规划模块，更新第二求解模块得到的子问题目标函数值
Figure FDA0003042754170000075
对结果进行输出判断后输出最优规划方案
Figure FDA0003042754170000076
和最恶劣的极端事件场景αIteration+1，实现电气互联综合能源***优化规划。
CN202110462340.6A 2021-04-27 2021-04-27 一种电气互联综合能源***优化规划方法及*** Active CN113344733B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110462340.6A CN113344733B (zh) 2021-04-27 2021-04-27 一种电气互联综合能源***优化规划方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110462340.6A CN113344733B (zh) 2021-04-27 2021-04-27 一种电气互联综合能源***优化规划方法及***

Publications (2)

Publication Number Publication Date
CN113344733A true CN113344733A (zh) 2021-09-03
CN113344733B CN113344733B (zh) 2022-12-09

Family

ID=77468846

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110462340.6A Active CN113344733B (zh) 2021-04-27 2021-04-27 一种电气互联综合能源***优化规划方法及***

Country Status (1)

Country Link
CN (1) CN113344733B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113988714A (zh) * 2021-11-26 2022-01-28 湖南大学 计及多重不确定性的园区综合能源***动态规划方法、设备及介质
CN114387129A (zh) * 2022-01-14 2022-04-22 国网江苏省电力有限公司扬州供电分公司 考虑天然气管网的综合能源调度方法、装置、设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111523249A (zh) * 2020-05-27 2020-08-11 福州大学 一种考虑源荷不确定性的数据驱动鲁棒优化调度方法
CN112217196A (zh) * 2020-08-13 2021-01-12 四川大学 考虑n-1安全准则和概率可靠性指标的气电联合***长期协调扩建规划方法
CN112701687A (zh) * 2021-01-25 2021-04-23 四川大学 考虑价格型联合需求响应的气电配网***鲁棒优化运行方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111523249A (zh) * 2020-05-27 2020-08-11 福州大学 一种考虑源荷不确定性的数据驱动鲁棒优化调度方法
CN112217196A (zh) * 2020-08-13 2021-01-12 四川大学 考虑n-1安全准则和概率可靠性指标的气电联合***长期协调扩建规划方法
CN112701687A (zh) * 2021-01-25 2021-04-23 四川大学 考虑价格型联合需求响应的气电配网***鲁棒优化运行方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113988714A (zh) * 2021-11-26 2022-01-28 湖南大学 计及多重不确定性的园区综合能源***动态规划方法、设备及介质
CN113988714B (zh) * 2021-11-26 2024-05-31 湖南大学 计及多重不确定性的园区综合能源***动态规划方法、设备及介质
CN114387129A (zh) * 2022-01-14 2022-04-22 国网江苏省电力有限公司扬州供电分公司 考虑天然气管网的综合能源调度方法、装置、设备及介质
CN114387129B (zh) * 2022-01-14 2023-09-12 国网江苏省电力有限公司扬州供电分公司 考虑天然气管网的综合能源调度方法、装置、设备及介质

Also Published As

Publication number Publication date
CN113344733B (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
JP6646182B2 (ja) 省跨ぎ連通水力発電所群の長期間連合ピーキングスケジューリング方法
Zugno et al. Commitment and dispatch of heat and power units via affinely adjustable robust optimization
Li et al. Coordinating multi-energy to improve urban integrated energy system resilience against extreme weather events
Gopalakrishnan et al. Operational planning of combined heat and power plants through genetic algorithms for mixed 0–1 nonlinear programming
CN113344733B (zh) 一种电气互联综合能源***优化规划方法及***
Wang et al. Coordinated planning of transmission expansion and coal‐fired power plants flexibility retrofits to accommodate the high penetration of wind power
Li et al. Optimal sizing of distributed generation in gas/electricity/heat supply networks
CN110598913A (zh) 一种园区综合能源***设备容量配置的优化方法及***
CN105356465B (zh) 一种经济性与安全性协调的输电网规划平台及应用
CN109217291A (zh) 考虑削峰填谷模型的电气互联***多目标优化方法
Kim et al. Power trading blockchain using hyperledger fabric
Ezzati et al. Optimum operation of multi-energy carriers in the context of an energy hub considering a wind generator based on linear programming
CN113988714A (zh) 计及多重不确定性的园区综合能源***动态规划方法、设备及介质
CN103106561B (zh) 电力***负荷恢复辅助决策***及其决策生成方法
Lamari et al. Multi‐objective economic/emission optimal energy management system for scheduling micro‐grid integrated virtual power plant
Bhuvanesh et al. Application of differential evolution algorithm and its variants for solving energy storage technologies integrated generation expansion planning
Yiasoumas et al. A review of energy communities: Definitions, technologies, data management
Tan et al. Exploiting integrated flexibility from a local smart energy hub
Ma et al. Decentralized robust optimal dispatch of user-level integrated electricity-gas-heat systems considering two-level integrated demand response
Liu et al. Influence evaluation of integrated energy system on the unit commitment in power system
Wang et al. Robust unit commitment model based on optimal uncertainty set
Wang et al. Extended priority list and discrete heuristic search for multi‐objective unit commitment
Alshamrani et al. A joint optimization model for transmission capacity and wind power investment considering system security
Xiong et al. Robust scheduling with temporal decomposition of integrated electrical-heating system based on dynamic programming formulation
Goudarzi et al. Optimal scheduling of residential building energy system under B2G, G2B and B2B operation modes

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