CN113919754B - 一种基于区块链的综合能源***分布式状态估计方法 - Google Patents

一种基于区块链的综合能源***分布式状态估计方法 Download PDF

Info

Publication number
CN113919754B
CN113919754B CN202111367062.2A CN202111367062A CN113919754B CN 113919754 B CN113919754 B CN 113919754B CN 202111367062 A CN202111367062 A CN 202111367062A CN 113919754 B CN113919754 B CN 113919754B
Authority
CN
China
Prior art keywords
node
energy
time
state estimation
natural gas
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
CN202111367062.2A
Other languages
English (en)
Other versions
CN113919754A (zh
Inventor
龚钢军
杨佳轩
强仁
孟芷若
武昕
陆俊
苏畅
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.)
North China Electric Power University
Original Assignee
North China Electric Power 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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN202111367062.2A priority Critical patent/CN113919754B/zh
Publication of CN113919754A publication Critical patent/CN113919754A/zh
Application granted granted Critical
Publication of CN113919754B publication Critical patent/CN113919754B/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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/27—Replication, distribution or synchronisation of data between databases or within a distributed database system; Distributed database system architectures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/542—Event management; Broadcasting; Multicasting; Notifications
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于区块链的综合能源***分布式状态估计方法，包括以下步骤：建立综合能源***区块链网络、各能源子***节点采集量测值、构建综合考虑能源耦合关系的综合能源***模型、建立综合能源***状态估计模型、实现分布式状态估计和实现对综合能源***的实时控制和优化运行；本发明基于区块链的分布式架构打破综合能源***中各能源***行业壁垒，在保证信息可信的前提下，结合分布式求解方法，不需要将每个子***中大量量测数据传至调度中心，减少了节点间信息传输量，提高状态估计速度和效率，与此同时也保护了各能源子***的信息隐私，针对电、热、气各***选取不同时间尺度的量测采样值进行状态估计，提高了状态估计的准确性。

Description

一种基于区块链的综合能源***分布式状态估计方法
技术领域
本发明涉及综合能源***状态估计技术领域，尤其涉及一种基于区块链的综合能源***分布式状态估计方法。
背景技术
在能源形势严峻的背景下，能源整体使用效率不高，对于异质能源***互联融合、互补集成的需求日益急迫，作为能源变革的新形式，综合能源***可通过能源梯级利用和协调优化提高能源利用效率、促进可再生能源消纳，与此同时增强能源利用灵活性，在综合能源***中利用能源耦合设备才能使不同子***中多种异质能源关联起来，准确可靠的状态估计才能为综合能源***稳定运行提高保障。
当前电力***、热力***、天然气***状态估计都已有一定成果，但单一能域下的方法不能直接应用于面向多能域的综合能源***，电、热、气各***遵循的物理学定律相差较大，在状态估计中涉及的物理量也不尽相同，与此同时，各能源子***相对独立，存在信任问题，集中式状态估计存在困难，而区块链去中心化、防篡改等特点可以提供分布式可信架构，可以很好的契合上述场景。
区块链解决了综合能源***中异构能源***壁垒之间的信任问题，为综合能源***状态估计提供了可信环境，但现有技术中的常见求解方法不适用于分布式场景，寻找合适的分布式求解方式便成为关键。
目前，对于综合能源***状态估计的研究多采用集中式方法，由于各能源子***之间管理主体的不同，造成信息不能实时交互，需要建立数据集中中心，成本高，并且存在信息泄露、篡改的安全风险，且集中式估计不适用于大规模综合能源***，估计的准确度和效率都较低，另外，综合能源***中电、热、气等多种能源时间尺度特性各有不同，其中电力***运行时间尺度为分钟级，天然气***则为小时级，热力***则为数小时级，但现有估计方法缺少对于多时间尺度的考虑，从而导致估计的准确性受到影响，因此，本发明提出一种基于区块链的综合能源***分布式状态估计方法以解决现有技术中存在的问题。
发明内容
针对上述问题，本发明的目的在于提出一种基于区块链的综合能源***分布式状态估计方法，该方法基于区块链可信安全的特点能较好的契合综合能源***状态估计场景并解决了现有集中式方法成本高和安全性低的问题，基于区块链构建的可信架构利用智能合约实现分布式估计，保证准确的同时提高效率，在分布式估计中针对不同子***采用不同的时间尺度，提高了状态估计的准确性。
为了实现本发明的目的，本发明通过以下技术方案实现：一种基于区块链的综合能源***分布式状态估计方法，包括以下步骤：
步骤一：先通过综合能源***的能源管理中心为各能源子***中节点、线路和能源耦合设备设置编号并进行广播，然后通过能源管理中心在各能源子***调度中心获取综合能源***完整拓扑信息并写在区块中，建立综合能源***区块链网络；
步骤二：通过各能源子***节点分别采集相对应的能源网络状态估计所需量测值，量测步长结合不同能源时间特性进行设定，达到周期以后生成区块，之后通过能源子***调度中心调用量测信息进行各能源子***的状态量估计，得到电、热、气***运行特点；
步骤三：先结合电、热、气***运行特点建立各能源子***模型，再对各能源***运行状态进行描述，接着针对电、热、气之间的耦合关系，建立耦合设备模型，接着依照各能源子***特点，构建综合考虑能源耦合关系的综合能源***模型；
步骤四：针对综合能源***模型，考虑综合能源***多时间尺度特性，采用加权最小绝对值方法建立综合能源***状态估计模型，针对综合能源***状态估计模型中涉及的非线性约束，引入中间变量进行线性化处理，综合能源***状态估计模型的状态估计的周期ω计算公式为：
ω＝ωeΔαe＝ωgΔαg＝ωhΔαh
其中，ωe、ωg、ωh分别表示电力、天然气、热力***变化因子，Δαe、Δαg、Δαh为各***变化周期；
步骤五：结合区块链架构，借助区块链中智能合约可编辑性，将ADMM算法部署在子***的调度中心，预置触发条件为到状态估计周期后收到各节点量测值，预置规则为各能源子***利用ADMM算法求解状态估计模型，实现分布式状态估计；
步骤六：综合能源***的能源管理中心根据估计值得到各能源子***状态值，并掌握综合能源***和各能源子***运行情况，实现对综合能源***的实时控制和优化运行。
进一步改进在于：所述步骤一中，通过各能源子***的各节点将节点信息集合发送给各能源调度中心，其中包括节点所在子***、节点关联矩阵以及与节点相连接的线路编号，通过能源耦合设备将包含耦合能源类型、相连节点的编号以及与节点相连接的线路编号信息的集合直接发送给能源管理中心。
进一步改进在于：所述步骤二中，调用的量测信息包括由节点注入有功功率、节点注入无功功率、节点电压幅值、支路传输有功功率和支路传输无功功率构成的电力***的量测值，由节点注入流量、节点压力、管道流量、节点供热温度和节点回热温度构成的热力***的量测值，以及由节点压强、管道气体流量和节点负荷构成的天然气***的量测值。
进一步改进在于：所述步骤二中，各能源子***的状态量包括由节点电压幅值和相角构成的电力***的状态量，由管道流量、节点供热温度和节点回热温度构成的热力***的状态量，以及由节点压强构成的天然气***的状态量。
进一步改进在于：所述步骤三中，各能源子***模型包括电力模型、水力模型、热力模型和天然气模型，所述电力模型如下式：
Figure BDA0003361051120000041
Figure BDA0003361051120000051
其中，
Figure BDA0003361051120000052
表示t时刻节点i注入有功功率，
Figure BDA0003361051120000053
表示t时刻节点i注入无功功率，Ui，t表示t时刻节点i的电压幅值，Uj，t表示t时刻节点j的电压幅值，Gij表示t时刻节点i与节点j之间的电导，Bij表示t时刻节点i与节点j之间的电纳，θij为节点i与节点j之间的相角差，
Figure BDA0003361051120000054
表示t时刻支路l传输的有功功率，
Figure BDA0003361051120000055
表示t时刻支路l传输的无功功率。
进一步改进在于：水力模型如下式：
节点流入水量等于节点流出水量与节点注入流量之和：
Figure BDA0003361051120000056
管道水压损失与水流量有关，且整个热网中各管道水压损失代数和为0：
Figure BDA00033610511200000511
∑pbl＝0
pbl，t＝pi，t-pj，t
其中，
Figure BDA0003361051120000057
和
Figure BDA0003361051120000058
分别表示t时刻流出节点i的总水流量和流入节点i的总水流量，mi，t表示节点i注入流量，pbl为管道l水压损失向量，Kl为管道l的阻抗系数，
Figure BDA0003361051120000059
为管道内的水流量，pi，t和pj，t为管道l首端节点i和末端节点j的水压。
进一步改进在于：热力模型如下式：
Figure BDA00033610511200000510
Figure BDA0003361051120000061
Figure BDA0003361051120000062
其中，
Figure BDA0003361051120000063
表示节点注入热功率，cp为水的比热容，mi，t表示节点i注入流量，
Figure BDA0003361051120000064
表示t时刻节点i的供水温度，
Figure BDA00033610511200000621
表示t时刻节点i的回水温度，
Figure BDA0003361051120000065
和
Figure BDA0003361051120000066
分别表示t时刻流出节点i的总水流量和流入节点i的总水流量，
Figure BDA0003361051120000067
为t时刻节点i的混合温度，
Figure BDA0003361051120000068
为t时刻注入节点i的管道末端温度，
Figure BDA0003361051120000069
与
Figure BDA00033610511200000623
表示t时刻管道末端和首端节点的温度，
Figure BDA00033610511200000610
为t时刻的环境温度，π为管道单位长度下热传递因数，L为管道长度，
Figure BDA00033610511200000622
为管道内的水流量。
进一步改进在于：天然气模型中包含节点负荷、支路流量和节点压强，天然气模型中流入节点的天然气质量流量等于流出节点的天然气质量流量，具体如下：
Figure BDA00033610511200000611
其中，
Figure BDA00033610511200000612
表示t时刻节点m的天然气注入量，
Figure BDA00033610511200000613
和
Figure BDA00033610511200000614
表示管道l的注入流量和流出流量，
Figure BDA00033610511200000615
表示与节点m相关的支路集合，
Figure BDA00033610511200000616
和
Figure BDA00033610511200000617
分别表示加压站a在t时刻入站和出站处的天然气流量，加压站入站和出战的流量关系如下式：
Figure BDA00033610511200000618
其中，δa表示加压站a效率系数，cg为气体热容量，Tg表示天然气温度，
Figure BDA00033610511200000619
和
Figure BDA00033610511200000620
分别表示t时刻加压站入站节点和出战节点压强，β为膨胀系数；
支路流量和节点负荷见下式：
Figure BDA0003361051120000071
Figure BDA0003361051120000072
其中，
Figure BDA0003361051120000073
表示t时刻支路l的天然气流量，Kr为管道常数，sm，n表示天然气流动方向，t时刻m节点压强πm，t大于n节点压强πn，t时，sm，n取+1，否则取-1，
Figure BDA0003361051120000074
表示t时刻节点i的负荷，Nm表示与m节点相关的节点。
进一步改进在于：所述步骤三中，耦合设备模型如下：
CHP：热电联产是综合能源***中重要的耦合设备，通过消耗天然气产生电能，并利用剩余的热量供热：
Figure BDA0003361051120000075
Figure BDA0003361051120000076
其中，
Figure BDA0003361051120000077
和
Figure BDA0003361051120000078
分别表示t时刻CHP输出的电功率和热功率，
Figure BDA0003361051120000079
表示t时刻CHP消耗的天然气量，Lg为天然气的热值，
Figure BDA00033610511200000710
和
Figure BDA00033610511200000711
分别表示CHP产电效率、产热效率和损失效率；
P2G：将多余电能转化为无污染的天然气
Figure BDA00033610511200000712
其中，
Figure BDA00033610511200000713
表示t时刻P2G产生的气体流量，
Figure BDA00033610511200000714
表示为t时刻P2G消耗的电量，
Figure BDA00033610511200000715
为P2G能量转换效率；
燃气锅炉和电锅炉：
Figure BDA00033610511200000716
其中，
Figure BDA0003361051120000081
表示t时刻GB产生的热功率，
Figure BDA0003361051120000082
表示为t时刻GB消耗的天然气量，
Figure BDA0003361051120000083
为GB的能量转换效率；
Figure BDA0003361051120000084
其中，
Figure BDA0003361051120000085
表示t时刻EB产生的热功率，
Figure BDA0003361051120000086
表示为t时刻EB消耗的电量，
Figure BDA0003361051120000087
为EB的能量转换效率；
燃气轮机：
Figure BDA0003361051120000088
其中，
Figure BDA0003361051120000089
表示t时刻燃气轮机产生电功率，
Figure BDA00033610511200000810
表示为t时刻燃气轮机消耗的天然气量，
Figure BDA00033610511200000811
为燃气轮机的能量转换效率；
压缩机：在天然气***中利用电能进行气体压缩，变化压强从而改变流量，
Figure BDA00033610511200000812
其中，
Figure BDA00033610511200000813
表示t时刻压缩机消耗的电功率，
Figure BDA00033610511200000814
表示t时刻通过压缩机的天然气流量，BMC为压缩机出口和入口压力比，
Figure BDA00033610511200000815
为压缩机效率，θ为常量。
进一步改进在于：所述步骤五中，根据耦合设备模型，ADMM的算法原理如下：
Figure BDA00033610511200000816
Figure BDA00033610511200000817
Figure BDA00033610511200000818
Figure BDA00033610511200000819
Figure BDA0003361051120000091
Figure BDA0003361051120000092
Figure BDA0003361051120000093
将上式转化为：w-Cv＝0的形式，其中：
Figure BDA0003361051120000094
C＝[a1，a2，a3，a4，a5，a6，a7]T
Figure BDA0003361051120000095
利用ADMM算法将综合能源***状态估计模型的目标函数和耦合设备模型约束转换成下式：
Figure BDA0003361051120000096
每个能源子***得到量测值基础数据后，对上式同时并行求解，并将耦合变量w、v与其它子***分享，各子***在得到耦合变量后更新乘子λ，各能源子***间不断迭代直到满足收敛准则。
本发明的有益效果为：本发明基于区块链的分布式架构打破综合能源***中各能源***行业壁垒，在保证信息可信的前提下，结合分布式求解方法，不需要将每个子***中大量量测数据传至调度中心，减少了节点间信息传输量，提高状态估计速度和效率，与此同时也保护了各能源子***的信息隐私，针对电、热、气各子***在运行过程中时间尺度差异较大，电力***变化速度变化最快，热力***变化速度最慢，天然气***变化速度居中，本发明基于综合能源***多时间尺度特性，结合分布式状态估计方法，针对电、热、气各***选取不同时间尺度的量测采样值进行状态估计，考虑不同种类能源动态过程的影响，提高了状态估计的准确性。
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，下面将对实施例或现有技术描述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性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例中的方法流程示意图；
图2是本发明实施例中的综合能源***能源耦合关系示意图；
图3是本发明实施例中的综合能源***区块链网络示意图。
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。
参见图1、2、3，本实施例提供了一种基于区块链的综合能源***分布式状态估计方法，包括以下步骤：
步骤一：先通过综合能源***的能源管理中心为各能源子***中节点、线路和能源耦合设备设置编号并进行广播，通过各能源子***的各节点将节点信息集合发送给各能源调度中心，其中包括节点所在子***、节点关联矩阵以及与节点相连接的线路编号，通过能源耦合设备将包含耦合能源类型、相连节点的编号以及与节点相连接的线路编号信息的集合直接发送给能源管理中心，然后通过能源管理中心在各能源子***调度中心获取综合能源***完整拓扑信息并写在区块中，建立综合能源***区块链网络；
步骤二：通过各能源子***节点分别采集相对应的能源网络状态估计所需量测值，量测步长结合不同能源时间特性进行设定，达到周期以后生成区块，之后通过能源子***调度中心调用量测信息进行各能源子***的状态量估计，得到电、热、气***运行特点，其中调用的量测信息包括由节点注入有功功率、节点注入无功功率、节点电压幅值、支路传输有功功率和支路传输无功功率构成的电力***的量测值，由节点注入流量、节点压力、管道流量、节点供热温度和节点回热温度构成的热力***的量测值，以及由节点压强、管道气体流量和节点负荷构成的天然气***的量测值，各能源子***的状态量包括由节点电压幅值和相角构成的电力***的状态量，由管道流量、节点供热温度和节点回热温度构成的热力***的状态量，以及由节点压强构成的天然气***的状态量；
步骤三：先结合电、热、气***运行特点建立各能源子***模型，再对各能源***运行状态进行描述，接着针对电、热、气之间的耦合关系，建立耦合设备模型，接着依照各能源子***特点，构建综合考虑能源耦合关系的综合能源***模型；
本实施例中的电力***针对常见的交流***进行建模，模型如下式：
Figure BDA0003361051120000121
Figure BDA0003361051120000122
其中，
Figure BDA0003361051120000123
表示t时刻节点i注入有功功率，
Figure BDA0003361051120000124
表示t时刻节点i注入无功功率，Ui，t表示t时刻节点i的电压幅值，Uj，t表示t时刻节点j的电压幅值，Gij表示t时刻节点i与节点j之间的电导，Bij表示t时刻节点i与节点j之间的电纳，θij为节点i与节点j之间的相角差，
Figure BDA0003361051120000125
表示t时刻支路l传输的有功功率，
Figure BDA0003361051120000126
表示t时刻支路l传输的无功功率；
热力***中是通过热源产生热能利用水作为介质传递热量，借助供热管道、回热管道在热网中传输热能，本实施例的热力***建模包含热力模型和水力模型，水力模型是对热力***中的传热介质状态的描述，主要考虑节点压力和节点流量，热力模型则主要针对热网中节点、管道中的温度分布，主要变量包含节点热功率、节点供热温度和回热温度，其中水力模型如下式：
节点流入水量等于节点流出水量与节点注入流量之和：
Figure BDA0003361051120000127
管道水压损失与水流量有关，且整个热网中各管道水压损失代数和为0：
Figure BDA0003361051120000131
∑pbl＝0
pbl，t＝pi，t-pj，t
其中，
Figure BDA0003361051120000132
和
Figure BDA0003361051120000133
分别表示t时刻流出节点i的总水流量和流入节点i的总水流量，mi，t表示节点i注入流量，pbl为管道l水压损失向量，Kl为管道l的阻抗系数，
Figure BDA0003361051120000134
为管道内的水流量，pi，t和pj，t为管道l首端节点i和末端节点j的水压；
热力模型如下式：
Figure BDA0003361051120000135
Figure BDA0003361051120000136
Figure BDA0003361051120000137
其中，
Figure BDA0003361051120000138
表示节点注入热功率，cp为水的比热容，mi，t表示节点i注入流量，
Figure BDA0003361051120000139
表示t时刻节点i的供水温度，
Figure BDA00033610511200001310
表示t时刻节点i的回水温度，
Figure BDA00033610511200001311
和
Figure BDA00033610511200001312
分别表示t时刻流出节点i的总水流量和流入节点i的总水流量，
Figure BDA00033610511200001313
为t时刻节点i的混合温度，
Figure BDA00033610511200001314
为t时刻注入节点i的管道末端温度，
Figure BDA00033610511200001315
与
Figure BDA00033610511200001316
表示t时刻管道末端和首端节点的温度，
Figure BDA00033610511200001317
为t时刻的环境温度，π为管道单位长度下热传递因数，L为管道长度，
Figure BDA00033610511200001318
为管道内的水流量；
本实施例针对天然气***传输特点，建立涉及节点负荷、支路流量、节点压强的天然气***模型，其中流入节点的天然气质量流量等于流出节点的天然气质量流量，具体如下：
Figure BDA0003361051120000141
其中，
Figure BDA0003361051120000142
表示t时刻节点m的天然气注入量，
Figure BDA0003361051120000143
和
Figure BDA0003361051120000144
表示管道l的注入流量和流出流量，
Figure BDA0003361051120000145
表示与节点m相关的支路集合，
Figure BDA0003361051120000146
和
Figure BDA0003361051120000147
分别表示加压站a在t时刻入站和出站处的天然气流量，加压站入站和出战的流量关系如下式：
Figure BDA0003361051120000148
其中，δa表示加压站a效率系数，cg为气体热容量，Tg表示天然气温度，
Figure BDA0003361051120000149
和
Figure BDA00033610511200001410
分别表示t时刻加压站入站节点和出战节点压强，β为膨胀系数；
支路流量和节点负荷见下式：
Figure BDA00033610511200001411
Figure BDA00033610511200001412
其中，
Figure BDA00033610511200001413
表示t时刻支路l的天然气流量，Kr为管道常数，sm，n表示天然气流动方向，t时刻m节点压强πm，t大于n节点压强πn，t时，sm，n取+1，否则取-1，
Figure BDA00033610511200001414
表示t时刻节点i的负荷，Nm表示与m节点相关的节点；
综合能源***能够真正实现多能互补的关键在于各种能源耦合设备，本实施例针对电、热、气之间的耦合关系，建立耦合设备模型如下：
CHP：热电联产是综合能源***中重要的耦合设备，通过消耗天然气产生电能，并利用剩余的热量供热：
Figure BDA0003361051120000151
Figure BDA0003361051120000152
其中，
Figure BDA0003361051120000153
和
Figure BDA0003361051120000154
分别表示t时刻CHP输出的电功率和热功率，
Figure BDA0003361051120000155
表示t时刻CHP消耗的天然气量，Lg为天然气的热值，
Figure BDA0003361051120000156
和
Figure BDA0003361051120000157
分别表示CHP产电效率、产热效率和损失效率；
P2G：将多余电能转化为无污染的天然气
Figure BDA0003361051120000158
其中，
Figure BDA0003361051120000159
表示t时刻P2G产生的气体流量，
Figure BDA00033610511200001510
表示为t时刻P2G消耗的电量，
Figure BDA00033610511200001511
为P2G能量转换效率；
燃气锅炉和电锅炉：
Figure BDA00033610511200001512
其中，
Figure BDA00033610511200001513
表示t时刻GB产生的热功率，
Figure BDA00033610511200001514
表示为t时刻GB消耗的天然气量，
Figure BDA00033610511200001515
为GB的能量转换效率；
Figure BDA00033610511200001516
其中，
Figure BDA00033610511200001517
表示t时刻EB产生的热功率，
Figure BDA00033610511200001518
表示为t时刻EB消耗的电量，
Figure BDA00033610511200001519
为EB的能量转换效率；
燃气轮机：
Figure BDA00033610511200001520
其中，
Figure BDA00033610511200001521
表示t时刻燃气轮机产生电功率，
Figure BDA00033610511200001522
表示为t时刻燃气轮机消耗的天然气量，
Figure BDA00033610511200001523
为燃气轮机的能量转换效率；
压缩机：在天然气***中利用电能进行气体压缩，变化压强从而改变流量，
Figure BDA0003361051120000161
其中，
Figure BDA0003361051120000162
表示t时刻压缩机消耗的电功率，
Figure BDA0003361051120000163
表示t时刻通过压缩机的天然气流量，BMC为压缩机出口和入口压力比，
Figure BDA0003361051120000164
为压缩机效率，θ为常量；
步骤四：针对综合能源***模型，考虑综合能源***多时间尺度特性，采用加权最小绝对值方法建立综合能源***状态估计模型，针对综合能源***状态估计模型中涉及的非线性约束，引入中间变量进行线性化处理；
本实施例为了解某时间段内综合能源***状态，而不是当前时刻状态，需要考虑个子***的时间特性，综合能源***中电力***变化周期最短，天然气***次之，热力***变化周期最长，所以在状态估计的周期ω中，每个子***所取量测值时间间隔会有所不同，具体如下式：
ω＝ωeΔαe＝ωgΔαg＝ωhΔαh
其中，ωe、ωg、ωh分别表示电力、天然气、热力***变化因子，Δαe、Δαg、Δαh为各***变化周期。
在确定状态估计周期中量测值采样间隔后，基于加权绝对值最小建立状态估计模型，目标是最小化估计值与量测值之间误差的加权绝对值，具体目标函数如下：
Figure BDA0003361051120000171
其中，De、Dg、Dh表示电力***、天然气***、热力***的状态误差，
Figure BDA0003361051120000172
表示各能源子***状态量，Re、Rg、Rh分别为各子***量测误差协方差矩阵，由历史数据集确定，
Figure BDA0003361051120000173
分别为t时刻各子***量测值，
Figure BDA0003361051120000174
表示t时刻各子***估计值，
Figure BDA0003361051120000175
为各子***的量测方程，此目标函数与步骤三中的综合能源***模型共同构成综合能源***状态估计模型；
本实施例中综合能源***状态估计模型为非线性，为了方便求解在本实施例中加入中间变量y将非线性的量测方程分解为下式：
Figure BDA0003361051120000176
y′＝f(y)
y′＝Bx′+ξy′
x＝g(x′)
其中，将中间变量y表示各能源子***的非线性量测方程，最后得到各能源子***中的状态量x，其中第一式和第三式基于加权绝对值最小函数利用ADMM算法求解，第二式和第四式在各能源子***中本地进行非线性变换。
步骤五：结合区块链架构，借助区块链中智能合约可编辑性，将ADMM算法部署在子***的调度中心，预置触发条件为到状态估计周期后收到各节点量测值，预置规则为各能源子***利用ADMM算法求解状态估计模型，实现分布式状态估计；
其中，ADMM的算法原理如下：
因能源耦合设备模型都为等式，且系数都为常数，具体如下：
Figure BDA0003361051120000181
Figure BDA0003361051120000182
Figure BDA0003361051120000183
Figure BDA0003361051120000184
Figure BDA0003361051120000185
Figure BDA0003361051120000186
Figure BDA0003361051120000187
上式可以转化为：w-Cv＝0的形式，其中，
Figure BDA0003361051120000188
C＝[a1，a2，a3，a4，a5，a6，a7]T
Figure BDA0003361051120000189
利用ADMM算法将步骤四的目标函数和耦合设备等式约束转换成下式：
Figure BDA00033610511200001810
每个能源子***得到量测值等基础数据后，对上式同时并行求解，并将耦合变量w、v与其它子***分享，各子***在得到耦合变量后更新乘子λ，各能源子***间不断迭代直到满足收敛准则；
Figure BDA0003361051120000191
Figure BDA0003361051120000192
Figure BDA0003361051120000193
λk+1＝λk+ρ(w-Cv)
步骤六：综合能源***的能源管理中心根据估计值得到各能源子***状态值，并掌握综合能源***和各能源子***运行情况，实现对综合能源***的实时控制和优化运行。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于区块链的综合能源***分布式状态估计方法，其特征在于，包括以下步骤：
步骤一：先通过综合能源***的能源管理中心为各能源子***中节点、线路和能源耦合设备设置编号并进行广播，然后通过能源管理中心在各能源子***调度中心获取综合能源***完整拓扑信息并写在区块中，建立综合能源***区块链网络；
步骤二：通过各能源子***节点分别采集相对应的能源网络状态估计所需量测值，量测步长结合不同能源时间特性进行设定，达到周期以后生成区块，之后通过能源子***调度中心调用量测信息进行各能源子***的状态量估计，得到电、热、气***运行特点；
步骤三：先结合电、热、气***运行特点建立各能源子***模型，再对各能源***运行状态进行描述，接着针对所述电、热、气***之间的耦合关系，建立耦合设备模型，接着依照各能源子***特点，构建综合考虑能源耦合关系的综合能源***模型；
步骤四：针对综合能源***模型，考虑综合能源***多时间尺度特性，采用加权最小绝对值方法建立综合能源***状态估计模型，针对综合能源***状态估计模型中涉及的非线性约束，引入中间变量进行线性化处理，综合能源***状态估计模型的状态估计的周期ω计算公式为：
ω＝ωeΔαe＝ωgΔαg＝ωhΔαh
其中，ωe、ωg、ωh分别表示电力、天然气、热力***变化因子，Δαe、Δαg、Δαh为各***变化周期；
在确定所述状态估计的周期中量测值采样间隔后，基于加权绝对值最小建立所述状态估计模型，目标是最小化估计值与量测值之间误差的加权绝对值，具体目标函数如下：
Figure FDA0003822900980000021
其中，De、Dg、Dh表示电力***、天然气***、热力***的状态误差,
Figure FDA0003822900980000022
表示各能源子***状态量，Re、Rg、Rh分别为各子***量测误差协方差矩阵，由历史数据集确定，
Figure FDA0003822900980000023
分别为t时刻各子***量测值，
Figure FDA0003822900980000024
表示t时刻各子***估计值，
Figure FDA0003822900980000025
为各子***的量测方程，此目标函数与步骤三中的综合能源***模型共同构成综合能源***状态估计模型；
所述耦合设备模型如下：
CHP：热电联产是综合能源***中重要的耦合设备，通过消耗天然气产生电能，并利用剩余的热量供热：
Figure FDA0003822900980000026
Figure FDA0003822900980000027
其中，
Figure FDA0003822900980000028
和
Figure FDA0003822900980000029
分别表示t时刻CHP输出的电功率和热功率，
Figure FDA00038229009800000210
表示t时刻CHP消耗的天然气量，Lg为天然气的热值，
Figure FDA00038229009800000211
和
Figure FDA0003822900980000031
分别表示CHP产电效率、产热效率和损失效率；
P2G：将多余电能转化为无污染的天然气
Figure FDA0003822900980000032
其中，
Figure FDA0003822900980000033
表示t时刻P2G产生的气体流量，
Figure FDA0003822900980000034
表示为t时刻P2G消耗的电量，
Figure FDA0003822900980000035
为P2G能量转换效率；
燃气锅炉和电锅炉：
Figure FDA0003822900980000036
其中，
Figure FDA0003822900980000037
表示t时刻GB产生的热功率，
Figure FDA0003822900980000038
表示为t时刻GB消耗的天然气量，
Figure FDA0003822900980000039
为GB的能量转换效率；
Figure FDA00038229009800000310
其中，
Figure FDA00038229009800000311
表示t时刻EB产生的热功率，
Figure FDA00038229009800000312
表示为t时刻EB消耗的电量，
Figure FDA00038229009800000313
为EB的能量转换效率；
燃气轮机：
Figure FDA00038229009800000314
其中，
Figure FDA00038229009800000315
表示t时刻燃气轮机产生电功率，
Figure FDA00038229009800000316
表示为t时刻燃气轮机消耗的天然气量，
Figure FDA00038229009800000317
为燃气轮机的能量转换效率；
压缩机：在天然气***中利用电能进行气体压缩，变化压强从而改变流量，
Figure FDA00038229009800000318
其中，
Figure FDA00038229009800000319
表示t时刻压缩机消耗的电功率，
Figure FDA00038229009800000320
表示t时刻通过压缩机的天然气流量，BMC为压缩机出口和入口压力比，
Figure FDA00038229009800000321
为压缩机效率，θ为常量；步骤五：结合区块链架构，借助区块链中智能合约可编辑性，将ADMM算法部署在子***的调度中心，预置触发条件为到状态估计周期后收到各节点量测值，预置规则为各能源子***利用ADMM算法求解状态估计模型，实现分布式状态估计；
根据所述耦合设备模型，所述ADMM的算法原理如下：
Figure FDA0003822900980000041
Figure FDA0003822900980000042
Figure FDA0003822900980000043
Figure FDA0003822900980000044
Figure FDA0003822900980000045
Figure FDA0003822900980000046
Figure FDA0003822900980000047
将上式转化为：w-Cv＝0的形式，其中：
Figure FDA0003822900980000048
C＝[a1,a2,a3,a4,a5,a6,a7]T
Figure FDA0003822900980000049
利用ADMM算法将综合能源***状态估计模型的目标函数和耦合设备模型约束转换成下式：
Figure FDA00038229009800000410
每个能源子***得到量测值基础数据后，对上式同时并行求解，并将耦合变量w、v与其它子***分享，各子***在得到耦合变量后更新乘子λ，各能源子***间不断迭代直到满足收敛准则；
步骤六：综合能源***的能源管理中心根据估计值得到各能源子***状态值，并掌握综合能源***和各能源子***运行情况，实现对综合能源***的实时控制和优化运行。
2.根据权利要求1所述的一种基于区块链的综合能源***分布式状态估计方法，其特征在于：所述步骤一中，还包括通过各能源子***的各节点将节点信息集合发送给各能源调度中心，其中，所述节点信息集合包括节点所在子***、节点关联矩阵以及与节点相连接的线路编号，通过能源耦合设备将包含耦合能源类型、相连节点的编号以及与节点相连接的线路编号信息的集合直接发送给能源管理中心。
3.根据权利要求1所述的一种基于区块链的综合能源***分布式状态估计方法，其特征在于：所述步骤二中，调用的量测信息包括由节点注入有功功率、节点注入无功功率、节点电压幅值、支路传输有功功率和支路传输无功功率构成的电力***的量测值，由节点注入流量、节点压力、管道流量、节点供热温度和节点回热温度构成的热力***的量测值，以及由节点压强、管道气体流量和节点负荷构成的天然气***的量测值。
4.根据权利要求1所述的一种基于区块链的综合能源***分布式状态估计方法，其特征在于：所述步骤二中，各能源子***的状态量包括由节点电压幅值和相角构成的电力***的状态量，由管道流量、节点供热温度和节点回热温度构成的热力***的状态量，以及由节点压强构成的天然气***的状态量。
5.根据权利要求1所述的一种基于区块链的综合能源***分布式状态估计方法，其特征在于：所述步骤三中，各能源子***模型包括电力模型、水力模型、热力模型和天然气模型，所述电力模型如下式：
Figure FDA0003822900980000061
Figure FDA0003822900980000062
其中，
Figure FDA0003822900980000063
表示t时刻节点i注入有功功率，
Figure FDA0003822900980000064
表示t时刻节点i注入无功功率，Ui,t表示t时刻节点i的电压幅值，Uj,t表示t时刻节点j的电压幅值,Gij表示t时刻节点i与节点j之间的电导，Bij表示t时刻节点i与节点j之间的电纳，θij为节点i与节点j之间的相角差，
Figure FDA0003822900980000065
表示t时刻支路l传输的有功功率，
Figure FDA0003822900980000066
表示t时刻支路l传输的无功功率。
6.根据权利要求5所述的一种基于区块链的综合能源***分布式状态估计方法，其特征在于：水力模型如下式：
节点流入水量等于节点流出水量与节点注入流量之和：
Figure FDA0003822900980000067
管道水压损失与水流量有关，且整个热网中各管道水压损失代数和为0：
Figure FDA0003822900980000068
∑pbl＝0
pbl,t＝pi,t-pj,t
其中，
Figure FDA0003822900980000069
和
Figure FDA00038229009800000610
分别表示t时刻流出节点i的总水流量和流入节点i的总水流量，mi,t表示节点i注入流量，pbl为管道l水压损失向量，Kl为管道l的阻抗系数，
Figure FDA0003822900980000071
为管道内的水流量,pi,t和pj,t为管道l首端节点i和末端节点j的水压。
7.根据权利要求5所述的一种基于区块链的综合能源***分布式状态估计方法，其特征在于：热力模型如下式：
Figure FDA0003822900980000072
Figure FDA0003822900980000073
Figure FDA0003822900980000074
其中，
Figure FDA0003822900980000075
表示节点注入热功率，cp为水的比热容，mi,t表示节点i注入流量，
Figure FDA0003822900980000076
表示t时刻节点i的供水温度，
Figure FDA0003822900980000077
表示t时刻节点i的回水温度，
Figure FDA0003822900980000078
和
Figure FDA0003822900980000079
分别表示t时刻流出节点i的总水流量和流入节点i的总水流量，
Figure FDA00038229009800000710
为t时刻节点i的混合温度，
Figure FDA00038229009800000711
为t时刻注入节点i的管道末端温度，
Figure FDA00038229009800000712
与
Figure FDA00038229009800000713
表示t时刻管道末端和首端节点的温度，
Figure FDA00038229009800000714
为t时刻的环境温度，π为管道单位长度下热传递因数，C为管道长度，
Figure FDA00038229009800000715
为管道内的水流量。
8.根据权利要求5所述的一种基于区块链的综合能源***分布式状态估计方法，其特征在于：天然气模型中包含节点负荷、支路流量和节点压强，天然气模型中流入节点的天然气质量流量等于流出节点的天然气质量流量，具体如下：
Figure FDA00038229009800000716
其中，
Figure FDA00038229009800000717
表示t时刻节点m的天然气注入量，
Figure FDA00038229009800000718
和
Figure FDA00038229009800000719
表示管道l的注入流量和流出流量，
Figure FDA00038229009800000720
表示与节点m相关的支路集合，
Figure FDA0003822900980000081
和
Figure FDA0003822900980000082
分别表示加压站a在t时刻入站和出站处的天然气流量，加压站入站和出站的流量关系如下式：
Figure FDA0003822900980000083
其中，δa表示加压站a效率系数，cg为气体热容量，Tg表示天然气温度，
Figure FDA0003822900980000084
和
Figure FDA0003822900980000085
分别表示t时刻加压站入站节点和出站节点压强，β为膨胀系数；
支路流量和节点负荷见下式：
Figure FDA0003822900980000086
Figure FDA0003822900980000087
其中，
Figure FDA0003822900980000088
表示t时刻支路l的天然气流量，Kr为管道常数，sm,n表示天然气流动方向，t时刻m节点压强πm,t大于n节点压强πn,t时，sm,n取+1，否则取-1，
Figure FDA0003822900980000089
表示t时刻节点i的负荷，Nm表示与m节点相关的节点。
CN202111367062.2A 2021-11-18 2021-11-18 一种基于区块链的综合能源***分布式状态估计方法 Active CN113919754B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111367062.2A CN113919754B (zh) 2021-11-18 2021-11-18 一种基于区块链的综合能源***分布式状态估计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111367062.2A CN113919754B (zh) 2021-11-18 2021-11-18 一种基于区块链的综合能源***分布式状态估计方法

Publications (2)

Publication Number Publication Date
CN113919754A CN113919754A (zh) 2022-01-11
CN113919754B true CN113919754B (zh) 2022-10-14

Family

ID=79247467

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111367062.2A Active CN113919754B (zh) 2021-11-18 2021-11-18 一种基于区块链的综合能源***分布式状态估计方法

Country Status (1)

Country Link
CN (1) CN113919754B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115086435B (zh) * 2022-06-14 2024-05-14 上海臻绅智能科技有限公司 一种智慧能源综合布控***
CN117578601B (zh) * 2023-03-22 2024-04-26 长沙学院 一种低碳电力***源荷互动调度方法与装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109242365B (zh) * 2018-11-06 2022-01-14 国电南瑞科技股份有限公司 一种电-热互联综合能源***的区间潮流计算方法
CN109978347B (zh) * 2019-03-07 2023-04-07 国网冀北电力有限公司技能培训中心 基于区块链技术的含分布式发电的社区能源自治方法
CN109978625B (zh) * 2019-03-28 2022-07-29 河海大学 一种计及电热气网络的综合能源***多目标运行优化方法
CN110163411B (zh) * 2019-04-11 2022-02-18 华北电力大学 一种区域综合能源***运行优化方法
CN111082417A (zh) * 2019-12-01 2020-04-28 国网辽宁省电力有限公司经济技术研究院 一种基于综合能源***电气热联合网络的状态估计方法
CN112101627B (zh) * 2020-08-14 2023-04-28 华南理工大学 一种高私密性的电气热互联***分布式优化调度方法
CN111983386B (zh) * 2020-08-19 2023-05-09 剑科云智(深圳)科技有限公司 一种配电网的分布式状态估计***
CN112308409B (zh) * 2020-10-30 2022-10-11 合肥工业大学 一种基于区块链的综合能源***协调运行优化方法及***
CN112819371A (zh) * 2021-02-24 2021-05-18 中国电力科学研究院有限公司 一种基于区块链的分布式电源调度方法及***
CN113468797A (zh) * 2021-05-07 2021-10-01 中国电力科学研究院有限公司 一种电-气综合能源***状态估计方法和***

Also Published As

Publication number Publication date
CN113919754A (zh) 2022-01-11

Similar Documents

Publication Publication Date Title
CN113919754B (zh) 一种基于区块链的综合能源***分布式状态估计方法
Lu et al. Adaptive robust dispatch of integrated energy system considering uncertainties of electricity and outdoor temperature
AU2020100429A4 (en) A dynamic optimal energy flow computing method for the combined heat and power system
Zhang et al. Decentralized state estimation of combined heat and power systems using the asynchronous alternating direction method of multipliers
CN106096269B (zh) 一种电-气耦合***中天然气网的区间潮流计算方法
CN109377008B (zh) 电热耦合的综合能源***风险评估方法
Zheng et al. Distributed dispatch of integrated electricity-heat systems with variable mass flow
CN109993445B (zh) 一种考虑光伏预测误差的综合能源***脆弱性评估方法
Wei et al. Chance-constrained coordinated optimization for urban electricity and heat networks
CN109255489A (zh) 一种基于半不变量法的电-热互联综合能源***概率能量流计算方法
Li et al. Gradient descent iterative method for energy flow of integrated energy system considering multiple modes of compressors
Huang et al. A multi-rate dynamic energy flow analysis method for integrated electricity-gas-heat system with different time-scale
CN112381473B (zh) 一种区域综合能源***集群划分及参与日前市场出清方法
Fang et al. Optimal power-hydrogen networked flow scheduling for residential carpark with convex approximation
Zheng et al. Decentralized state estimation of combined heat and power system considering communication packet loss
Man et al. State estimation for integrated energy system containing electricity, heat and gas
CN113255105B (zh) 双向耦合网络结构的电气热综合能源***潮流计算方法
Zhang et al. Dynamic state estimation of combined heat and power system considering quasi-dynamics of temperature in pipelines
Sun et al. Multi-energy flow calculation method for we-energy based energy internet
CN113824119A (zh) 一种大规模综合能源***混合潮流计算方法
CN112686447A (zh) 海上油气田开发多能流耦合负荷预测方法
Wang et al. An MILP-based optimal energy flow of regional multiple energy network
CN115906411B (zh) 考虑全动态的电热综合能源***最优能流建模方法及***
Yao et al. A novel cross iteration method for dynamic energy flow calculation of the hot-water heating network in the integrated energy system
Du et al. Optimal power flow calculation of combined electricity-heat power system based on alternating direction method of multipliers

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