CN115659651A - 一种考虑多种灵活性资源的综合能源协同优化调度方法 - Google Patents

Abstract

本发明涉及一种考虑多种灵活性资源的综合能源协同优化调度方法，其特征在于，所述调度方法包括以下步骤：建立IES***的灵活性需求和灵活性资源的模型，进行灵活性约束；建立IES双层分布式协调优化调度模型，所述优化调度模型包括上层供能***和下层IES园区服务***；采用改进的ATC算法进行求解优化调度模型，进行协同调度。与现有技术相比，本发明具有充分挖掘了各种灵活性资源的调节能力，提高了***的经济性和低碳性等优点。

Description

一种考虑多种灵活性资源的综合能源协同优化调度方法

技术领域

本发明涉及综合能源协同优化调度技术领域，尤其是涉及一种考虑多种灵活性资源的综合能源协同优化调度方法。

背景技术

随着“碳达峰，碳中和”目标的提出，以及大规模风光接入综合能源***(Integrated Energy System,IES)，***的灵活性需求日益增加。区域综合能源***以输电网和气网为网架，以能量枢纽(Energy Hub,EH)为节点，是联通能源生产者和消费者的有效手段，可利用自身多种灵活性资源和多能互补特性，满足***的灵活性需求。其次，除了***本身的灵活性资源，合适的灵活性改造对提高灵活性调节能力有重要意义，碳捕集与封存技术(Carbon Capture and Storage，CCS)作为重要的减排技术，是我国践行低碳发展战略的重要技术选择，是实现碳中和目标的关键手段。

中国专利CN112417652A公开了一种电-气-热综合能源***优化调度方法及***，方法包括：基于阶梯式碳交易机制构建电-气-热低碳经济调度模型；基于电-气-热低碳经济调度模型构建低碳优化模型的目标函数和约束条件；对低碳优化模型进行求解，获得低碳优化参数，以使根据低碳优化参数对综合能源***进行低碳调度。

现有的优化调度方法对于综合能源***IES中各种能源产生的波动没有提出合理的约束措施，对于各种灵活性资源的调节能力没有进行有效利用现有技术构建的调度模型仅考虑各能源枢纽EH的运行成本，未全面考虑供能成本等因素，模型存在偏差，因此现有的优化调度方案的出的优化结果不尽如人意，与现实存在较大偏差。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑多种灵活性资源的综合能源协同优化调度方法。

本发明的目的可以通过以下技术方案来实现：

与现有技术相比，本发明具有以下有益效果：

1)本发明引入灵活性裕度约束的概念，建立灵活性需求和灵活性资源的模型。在考虑灵活性裕度约束后，提高了风电的消纳率以及储能的利用率，充分挖掘了各种灵活性资源的调节能力，满足了***的灵活性需求。

2)本发明通过分析碳捕集技术的特性，推导了碳捕集灵活运行模型。基于此，建立了一种考虑多种灵活性资源的IES分布式低碳经济调度模型。充分利用了碳捕集电厂的灵活运行模式，使其在负荷高峰期减少碳捕集出力，并利用存储器存储；在负荷低谷期，提高碳捕集设备出力，并吸收存储器内，提高机组的灵活性能力，并且提高了***的经济性和低碳性。

3)本发明采用ATC算法进行协同调度，目标级联分析法是能够快速解决分散式、层次结构协调问题，它允许层次结构中各主体自主决策，在各主体对各子主体进行决策时分散协调优化而获得***整体最优解。目标级联法具有可并行优化、级数不受限制和经过严格的收敛证明等优点。利用ATC算法的算例进行分析，实现了能源供应商和能源服务商上下层协同调度。

附图说明

图1为本发明进行优化调度的流程示意图。

图2为本发明的IES***框架示意图；

图3负荷灵活性分析示意图；

图4碳捕集电厂灵活运行框架示意图；

图5能量枢纽EH的结构示意图；

图6为本发明采用的ATC算法求解流程图；

图7为本发明实施例中负荷数据图；

图8为本发明实施例中联络线功率数据图；

图9为本发明实施例中场景1下灵活性供需关系图，其中(a)为上行灵活性需求，(b)为下行灵活性需求；

图10为本发明实施例中场景2下灵活性供需关系图，其中(c)为上行灵活性需求，(d)为下行灵活性需求；

图11为本发明实施例中灵活性安全裕度和总成本关系示意图；

图12为本发明实施例中碳捕集设备能耗示意图；

图13为本发明实施例中碳捕集设备的存储器内的液体体积示意图；

图14为本发明实施例中碳交易价格的灵敏度示意图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

为了提高多园区IES的灵活性和低碳性，提高各主体的自主性，本发明提出了一种考虑多种灵活性资源的IES分布式低碳经济调度模型。主要工作如下：1)对各灵活性资源进行建模，提出IES灵活性裕度约束，建立考虑灵活性的IES双层优化模型。2)引入碳捕集机组的灵活运行模型和阶梯式碳交易模型，分析碳捕集技术对灵活性的有效性。3)采用ATC算法，实现能源供应商和能源运营商的平衡与协同优化。本发明的技术方案具体步骤如图1所示：

S1建立IES***的灵活性需求和灵活性资源的模型，进行灵活性约束；

S2建立IES双层分布式协调优化调度模型，所述优化调度模型包括上层供能***和下层IES园区服务***；

S3采用改进的ATC算法进行求解优化调度模型，进行协同调度。

1.IES灵活性需求与灵活性资源建模

根据IES运营主体结构，本发明考虑的典型IES如图2所示，由IES能源供应商和IES能源运营商组成。能源供应商包含电网和气网组成的多能传输网络，侧重于满足负荷需求、降低供能成本以及满足灵活性调节。能源运营商由多能量枢纽组成，侧重于服务用户的多能负荷、提高用能效益和满足能量转换需求等。由于***的灵活性需求多由能量枢纽的负荷端产生，而灵活性资源多由供能***提供，因此灵活性需求可通过联络线上移至能源供应商。

1.1灵活性需求

风电光伏等可再生能源的波动、IES电热气负荷预测误差以及多能转换设备的效率等都会影响***的灵活性调节能力，本发明针对灵活性需求进行分析，如图3所示：L₁和L₂分别是t₁和t₂时刻的负荷，

和

分别是t₂时刻的负荷波动上限和下限。可以得出，t₁时刻的上行灵活性需求为

t₁时刻的下行灵活性需求为

因此，可推导出***的灵活性需求模型：

式中：

和

分别为t时的上行和下行灵活性需求，P_load,t为t时的负荷，Y_t ^up和Y_t ^down分别为t时的上行灵活性安全裕度和下行灵活性安全裕度。

1.2灵活性资源

为了保证满足***的灵活性需求，提供足够调节能力，本发明从碳捕集机组、风电光伏、储能、和气网来分析灵活性。

式中：F_t ^up和F_t ^down分别为t时刻***提供的上行灵活性和下行灵活性。

分别为碳捕集机组、风电、光伏、储能和气网t时刻提供的上行灵活性能力，

和

分别为碳捕集机组、风电、光伏、储能和气网t时刻提供的下行灵活性能力。

考虑到***的经济性，本发明的灵活性约束为灵活性资源大于灵活性需求，以评估***的灵活性，如式所示:

以下将对各灵活性资源进行建模。

对于碳捕集机组，由于风光存在不确定性，机组需要在上行灵活性不足时提高出力，在下行灵活性不足时减少出力，而碳捕集电厂的综合灵活运行方式是提高***灵活性的有效手段。碳捕集电厂灵活运行框架示意图如图4所示，碳捕集电厂的总出力由净出力和碳捕集能耗组成，吸收的二氧化碳需要经过吸收塔、再生塔和压缩机处理后，进行封存，此外，二氧化碳经过吸收后也可在存储器中备用。一方面，在高负荷时期，碳捕集电厂可将吸收的二氧化碳储存至存储器中，将再生和压缩等高耗能环节转移至低负荷时期；另一方面，在低负荷时期，碳捕集电厂可通过增加碳捕集出力的方式消纳风电。通过灵活运行方式，对存储器内的二氧化碳时移，提高了***的灵活性与低碳性，碳捕集电厂模型如下:

式中：P_Gi,t、P_out,Gi,t和P_ccs,i,t分别为碳捕集机组i在t时的总出力、净出力和碳捕集能耗，P_ccsy,i,t和P_ccsg,i,t分别为碳捕集机组i在t时的碳捕集运行能耗和固定能耗，E_Gi,t、E_ccs,Gi,t和E_sGi,t分别为碳捕集机组i在t时CO₂总产生量、CO₂捕集量和存储器中CO₂用于捕集的量。α_i为碳捕集机组i的烟气分流比，α、λ和η分别为再生塔和压缩机最大工作状态系数、单位捕集能耗和碳捕集效率。e_Gi为碳捕集机组i的碳排放强度。存储器模型如下：

式中：V_s,i,t为机组i在t时刻存储器释放CO₂的体积，V_m,i,t为机组i在t时存储器内的液体体积，V_m,max,i,t为机组i在t时刻的存储器最大容量。k_s为CO₂体积质量转换系数。根据碳捕集模型，推导出碳捕集电厂的出力范围如下：

式中：P_Gi,max和P_Gi,min分别为碳捕集电厂机组i在t时的总出力的上限和下限，P_out,Gi,t,max和P_out,Gi,t,min分别为碳捕集电厂机组i在t时的净出力的上限和下限，I为机组数量。可看出碳捕集电厂的净出力范围相较于常规机组大大提高。碳捕集机组的灵活性模型如下：

式中：ΔP_ccs,i为机组i的爬坡速率；

风电和光伏存在一定的不确定性，通过波动系数确定风光。增加风光出力时，可提供上行灵活性，减少风光出力时，可提供下行灵活性。

式中：λ_wind和λ_pv分别为风电和光伏的波动系数，P_w,t+1和P_w,t分别为风电w在t+1时和t时的出力，P_v,t+1和P_v,t分别为光伏v在t+1时和t时的出力，W和V分别为风机和光伏数量。

储能放电时提供上行灵活性，储能充电时提供下行灵活性。

式中：E_soc,t为储能t时刻的电荷量，

和

分别为储能s的最小和最大电荷量，P_soc,s,t为储能s在t时刻的充放电功率，

和

分别为储能s在t时刻充放电的最大功率，

和

分别为储能的充放电的效率，S为储能数量。

气网的灵活性主要体现在燃气轮机的出力，燃气轮机需要在上行灵活性不足时提高出力，在下行灵活性不足时减少出力。

式中：P_GT,n,max和P_GT,n,min分别为燃气轮机n在t时刻的最大和最小出力，P_GT,n,t为燃气轮机n在t时刻的出力，N为燃气轮机数量。

2.IES双层分布式协调优化调度模型

本发明考虑了IES***的多主体运营特性，以及主体的信息通讯和安全需求，提出IES双层分布式协调优化调度模型，上层供能***以供能成本最小为目标函数，下层IES园区服务***以各EH的运行成本最小为目标函数，考虑分散协调优化，采用改进的ATC算法进行求解。

2.1IES供能***优化模型

上层供能***以供能成本最小为目标函数，包括碳捕集电厂总燃料成本、天然气开采成本、弃风成本、碳交易成本以及捕集CO₂出售收益。

式中：f_e、f_g、f_wind、f_ccs、

和f_ccs分别为碳捕集电厂总燃料成本、天然气开采成本、弃风成本、碳交易成本以及捕集CO₂出售收益。a_i、b_i和c_i为机组i的发电系数，

为天然气井j在t时刻的开采量，ρ_j为天然气单价，J为气井数，P_wp,w,t为风电预测值。

为机组i的碳交易成本，ρ_ccs出售高浓度CO₂的单价，m_i,ccs为机组i捕获的CO₂质量。

碳交易机制由三部分构成：碳交易价格、碳排放配额和碳排放量。本发明采用阶梯式碳交易模型，如式所示：

式中：

为机组i的碳排放量，φ₁、φ₂和φ₃分别为碳交易三阶段配额，λ₁、λ₂和λ₃分别为碳交易单价。

本发明采用直流潮流约束作为电力网络约束，约束条件包括节点功率平衡约束、相角约束、发电机出力约束和输电线路约束。如下式所示。

式中，f_l,t为线路l在t时的电力潮流，P_cl,c,t为联络线c在t时的联络线功率,L和C为线路和联络线数量。Δθ_l,t为线路l在t时的首末段电压相角差，x_hj为线路l的电抗。

天然气网主要由气井、管道、燃气轮机和联络线气流量组成。其约束主要考虑节点供需平衡约束、节点压力约束、气网管道约束和气源约束，如下所示：

式中，

为气井天然气

在t时的输出流量，Q_GT,n,t为燃气轮机t时的用气量。，Q_p,t为t时的管道p的流量，Q_cl,c,t为联络线t时的气流量，P_r,p,t为天然气管道p在t时刻的压力，P_r，min,i和P_r，max,i天然气管道p压力上下限，

和

分别为气源出力的最小最大值。

此为非凸规划问题，常规求解困难，本发明采用增量分段线性化方法，将此问题转换为线性规划问题。

将Q_pi,t|Q_pi,t|增量分段线性化。a_n为分段位置量，N为分段数量。(x_n,y_n)和(x_n+1,y_n+1)用来描述函数y＝x|x|的分段点，因此可以利用分段位置量a_n来描述(x,y)，并且可以确保分段区间依次填充。

储能约束如下：

燃气轮机约束如下：

P_GT,n,t＝η_GTQ_GT,n,t (2.8)

P_GT,min≤P_GT,n,t≤P_GT,max (2.9)

式中：η_GT为燃气轮机效率。P_GT,min和P_GT,max分别为燃气轮机的输出最小和最大功率。

此外，碳捕集机组约束如式(1.4)所示，灵活性裕度约束如式(1.3)所示。

2.2 IES园区服务***优化模型

IES园区服务***以各能量枢纽购电和购气成本最小为目标函数。

min F₂＝f_EH,e+f_EH,g (2.10)

式中：I_EH为***EH数量。f_EH,e为EH总购电成本，f_EH,g为EH总购气成本，

为碳交易总成本，λ_e,t和λ_g,t分别为t时刻EH购电和购气单价。P_buy,c,t和Q_buy,c,t分别为t时刻EH的购电和购气量。

本发明考虑的能量枢纽EH模型如图5所示，设备包括光伏、电转气、热泵、热电联产和燃气锅炉、负荷考虑电负荷、热负荷和气负荷。

电母线、气母线和热母线的功率平衡方程如下：

式中：P_buy,c,t、

和

分别为t时的购电功率、EH光伏输出功率、热电联产电功率、电转气电功率和热泵电功率。Q_buy,c,t、

和

分别为t时的购气量、电转气的用气量、热电联产的用气量和燃气锅炉的用气量。

和

分别为t时的热电联产的热功率、热泵的热功率和燃气锅炉的热功率。P_load,c,t、Q_load,c,t和H_load,c,t分别为t时的电、气、热负荷。

设备转换约束如下：

式中：η_CHP,P、η_CHP,H、η_P2G、η_HP和η_GB分别为热电联产电效率、热电联产热效率、电转气效率、热泵效率和燃气锅炉效率。

各设备的功率上下限约束如下：

S_i,min≤S_i≤S_i,max (2.17)

式中：S_i为各个设备的功率，S_i,min为各个设备的功率下限，S_i,max为各个设备的功率上限。

2.3 ATC算法求解

目标级联分析法是用于快速解决分散式、层次结构协调问题的一种有效方法，它允许层次结构中各主体自主决策，在各主体对各子主体进行决策时分散协调优化而获得***整体最优解。与其他优化方法相比，目标级联法具有可并行优化、级数不受限制和经过严格的收敛证明等优点。

首先，对联络线耦合变量进行解耦，在各主体目标函数中加入拉格朗日罚函数一次和二次项，如下所示：

式中：

和

为修改后的目标函数，

和

分别为电网和气网在t时刻的拉格朗日罚函数的一次项乘子，

和

分别电网和气网在t时刻的拉格朗日罚函数的二次项乘子。内循环和外循环的收敛条件分别如式(2.20)和(2.21)所示。

式中：ε₁、ε₂和ε₃分别为电网耦合变量、气网耦合变量和目标函数差值的收敛精度。拉格朗日乘子更新公式：

如图6所示为求解流程图，包括以下步骤：

IES服务***初始化；

进入内循环求解优化调度模型；

判断内循环是否收敛，若否，返回内循环，若是，进入外循环；

判断外循环是否收敛，若否更新拉格朗日乘子后返回内循环，若是，则结束；

所述内循环求解优化调度模型包括以下步骤：

分别求解供能***中各EH的经济调度；

将耦合变量传递至IES供能***；

IES功能***初始化；

计算供能***经济调度。

3.算例分析

3.1基础数据

本发明利用IEEE30节点电网和比利时20节点气网构成IES供能***，3个EH构成IES园区服务***，与供能***互联。其中，IEEE30节点电网包含3个碳捕集电厂、1个风电场、1个光伏***和1个燃气轮机；气网***包含2个气源，EH内负荷数据如图7所示。

本发明利用CPLEX进行优化求解，***以24h为周期，以1h为步长进行仿真。为了分析灵活性约束、碳捕集设备和碳交易对***的影响，本发明设置4个场景：

场景1：考虑灵活性约束；

场景2：不考虑灵活性约束；

场景3：考虑灵活性约束、不考虑碳捕集机组；

场景4：考虑灵活性约束、不考虑碳交易。

3.2调度结果分析

表1调度结果

表1为四个场景下，总成本、碳交易成本、碳捕获收益和碳排放量的数据，其中场景1、3和4的灵活性安全裕度值为250MW。场景1的总成本比场景2提高了0.47％，碳交易成本提高了2.98％，同时，碳捕获的收益也提高了2.88％，碳排放量减少了4.35％。这说明，考虑了灵活性资源后，总成本有小幅上升，***发挥了灵活性资源的调节能力，减少弃风量，提高了碳交易的效果，并且通过碳捕集技术，有效控制了成本的升高。相比于场景3，场景1在考虑碳捕集技术后，***的总成本降低了7.57％，碳排放量大幅减少，这说明，碳捕集技术有利于提高***经济性和低碳性，并且大幅降低了碳交易的成本。在考虑了碳交易后，场景1相比场景4，总成本增加了1.88％，碳排放量减少了3.33％，说明阶梯式碳交易模型在小幅增加总成本的情况下，可大幅减少碳排放，提高***的经济性，也有利于***满足灵活性需求。

图8为场景一下的联络线功率，从图中可看出，在2:00-9:00和13:00-20:00两个时间段，联络线功率上升明显，可以得出此阶段的上行灵活性需求较高；而9:00-12:00和22:00-24:00这两个时间段功率下降较大，可判断此时的下行灵活性需求较高。

3.3灵活性分析

图9和图10分别为场景1和场景2下，上行灵活性和下行灵活性的供需关系。由图9可知，***的灵活性需求随着EH的负荷需求而变化，灵活性约束可使***利用多种灵活性资源，调用碳捕集机组、储能等多种设备，以满足***的灵活性需求。从上行灵活性需求的图中可看出，***的灵活性资源主要由碳捕集机组提供，这是源于机组的出力较大且运行区间较广，而风光等出力相对较低。在0:00-4:00时和9:00-15:00时，***的负荷需求和波动较小，因此，此时的上行灵活性需求较小，上行灵活性资源远远大于灵活性需求，表明此时***有较大的灵活性裕度以满足灵活性，同理，在下行灵活性需求图中5:00-11:00时和16:00-23:00时，下行灵活性资源远远大于灵活性需求。

若不考虑灵活性约束，图10可看出7:00-9:00和18:00-21:00时的上行灵活性需求无法满足，同理12:00-13:00和23:00-24:00的下行灵活性需求无法得到满足，并且相比与图9，其他时刻的灵活性裕度明显减少。这说明，灵活性约束可提高各时刻的灵活性裕度，有效满足***的灵活性需求。

图11为灵活性安全裕度和总成本的关系，场景1中，将灵活性安全裕度从50MW提高到200MW后，总成本降低了5.89％，灵活性需求提升到250MW后，***的总成本开始提高，这说明，提升一定的灵活性安全裕度后，可有效提高风电的消纳率，提高碳捕集设备的效率，提高捕获收益，降低碳交易成本，然而，随着灵活性需求的不断提高，***的灵活性调节能力也消失殆尽，***的运行成本将开始提高，而将灵活性安全裕度提升至300MW后，***将无法满足要求。由于场景3没有考虑碳捕集机组，因此在***提供灵活性需求后，总成本有了较大幅度的提高，这也说明，碳捕集技术的灵活运行模式可有效缓解***灵活性需求增加而造成的经济成本压力。

3.4碳捕集分析

图11为场景1下的碳捕集功耗图，图13为场景1下的碳捕集存储器中溶液的容量。由图12可知，在1:00-5:00和11:00-17:00时，碳捕集设备功耗较大，这说明，此时间段，***负荷较低，上行灵活性需求较小，因此机组出力相对充裕，可增加碳捕集设备的出力，在6:00-11:00和18:00-23:00时，由于***的负荷较大，且上行灵活性需求较高，碳捕集机组没有多余的出力可用于碳捕集，由图13可知，在1:00-5:00和11:00-17:00时存储器对二氧化碳进行了存储，这说明在负荷较大的时期，碳捕集电厂将吸收的二氧化碳储存至存储器中，将再生和压缩等高耗能环节转移至低负荷时期，在低负荷时期，碳捕集电厂通过灵活运行方式，对存储器内的二氧化碳转移至碳捕集设备进行压缩处理，因此，碳捕集设备可提高***的灵活性和低碳性。

3.5碳交易分析

图14为碳交易价格的变化对***碳排放的影响，从图中可看出，碳交易价格提升在40％以内时，***的碳排放量会大大降低，而提升到50％以后，碳排放的变化不再明显，这说明，合理的碳交易价格，可以有效平衡***的经济性要求和***性要求。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种考虑多种灵活性资源的综合能源协同优化调度方法，其特征在于，所述调度方法包括以下步骤：

建立IES***的灵活性需求和灵活性资源的模型，进行灵活性约束；

建立IES双层分布式协调优化调度模型，所述优化调度模型包括上层供能***和下层IES园区服务***；

采用改进的ATC算法进行求解优化调度模型，进行协同调度。

2.根据权利要求1所述的一种考虑多种灵活性资源的综合能源协同优化调度方法，其特征在于，所述建立IES***的灵活性需求和灵活性资源的模型，进行灵活性约束为：

所述***的灵活性需求模型为：

式中：

和

分别为t时的上行和下行灵活性需求，P_load,t为t时刻的负荷，P_load,t+1为t+1时刻的负荷，Y_t ^up和Y_t ^down分别为t时的上行灵活性安全裕度和下行灵活性安全裕度；

所述灵活性资源考虑碳捕集机组、风电、光伏、储能和气网，建立模型为：

式中：F_t ^up和F_t ^down分别为t时刻***提供的上行灵活性和下行灵活性，

分别为碳捕集机组、风电、光伏、储能和气网t时刻提供的上行灵活性能力，

和

分别为碳捕集机组、风电、光伏、储能和气网t时刻提供的下行灵活性能力；

所述灵活性约束为灵活性资源大于灵活性需求，如式所示:

3.根据权利要求2所述的一种考虑多种灵活性资源的综合能源协同优化调度方法，其特征在于，所述碳捕集机组上行灵活性能力

和下行灵活性

为：建立碳捕集电厂和存储器模型；

根据碳捕集模型，推导出碳捕集电厂的出力范围；

计算碳捕集机组的灵活性模型

所述碳捕集电厂模型为：

式中：P_Gi,t、P_out,Gi,t和P_ccs,i,t分别为碳捕集机组i在t时的总出力、净出力和碳捕集能耗，P_ccsy,i,t和P_ccsg,i,t分别为碳捕集机组i在t时的碳捕集运行能耗和固定能耗，E_Gi,t、E_ccs,Gi,t和E_sGi,t分别为碳捕集机组i在t时CO₂总产生量、CO₂捕集量和存储器中CO₂用于捕集的量，α_i为碳捕集机组i的烟气分流比，α、λ和η分别为再生塔和压缩机最大工作状态系数、单位捕集能耗和碳捕集效率，e_Gi为碳捕集机组i的碳排放强度；

所述碳捕集电厂的出力范围为：

式中：P_Gi,max和P_Gi,min分别为碳捕集电厂机组i在t时的总出力的上限和下限，P_out,Gi,t,max和P_out,Gi,t,min分别为碳捕集电厂机组i在t时的净出力的上限和下限，I为机组数量；

所述碳捕集机组的灵活性模型为：

式中：ΔP_ccs,i为机组i的爬坡速率。

4.根据权利要求2所述的一种考虑多种灵活性资源的综合能源协同优化调度方法，其特征在于，所述风电上行灵活性

和下行灵活性

与光伏的上行灵活性

和下行灵活性

为：

式中：λ_wind和λ_pv分别为风电和光伏的波动系数，P_w,t+1和P_w,t分别为风电w在t+1时和t时的出力，P_v,t+1和P_v,t分别为光伏v在t+1时和t时的出力，W和V分别为风机和光伏数量。

5.根据权利要求2所述的一种考虑多种灵活性资源的综合能源协同优化调度方法，其特征在于，所述储能放电时提供上行灵活性

储能充电时提供下行灵活性

为：

式中：E_soc,t为储能t时刻的电荷量，

和

分别为储能s的最小和最大电荷量，P_soc,s,t为储能s在t时刻的充放电功率，

和

分别为储能s在t时刻充放电的最大功率，

和

分别为储能的充放电的效率，S为储能数量。

6.根据权利要求2所述的一种考虑多种灵活性资源的综合能源协同优化调度方法，其特征在于，所述气网的灵活性主要体现在燃气轮机的出力，燃气轮机需要在上行灵活性不足时提高出力，在下行灵活性不足时减少出力，气网上行灵活性

和下行灵活性

为：

式中：P_GT,n,max和P_GT,n,min分别为燃气轮机n在t时刻的最大和最小出力，P_GT,n,t为燃气轮机n在t时刻的出力，N为燃气轮机数量。

7.根据权利要求1所述的一种考虑多种灵活性资源的综合能源协同优化调度方法，其特征在于，所述上层供能***以供能成本最小为目标函数，包括碳捕集电厂总燃料成本、天然气开采成本、弃风成本、碳交易成本以及捕集CO₂出售收益为：

式中：f_e、f_g、f_wind、f_ccs、

和f_ccs分别为碳捕集电厂总燃料成本、天然气开采成本、弃风成本、碳交易成本以及捕集CO₂出售收益，a_i、b_i和c_i为机组i的发电系数，

为天然气井j在t时刻的开采量，ρ_j为天然气单价，J为气井数，P_wp,w,t为风电预测值，

为机组i的碳交易成本，ρ_ccs出售高浓度CO₂的单价，m_i,ccs为机组i捕获的CO₂质量；

所述碳交易机制由三部分构成：碳交易价格、碳排放配额和碳排放量，所述碳交易模型采用阶梯式为：

式中：

为机组i的碳排放量，φ₁、φ₂和φ₃分别为碳交易三阶段配额，λ₁、λ₂和λ₃分别为碳交易单价，

采用直流潮流约束作为电力网络约束，约束条件包括节点功率平衡约束、相角约束、发电机出力约束和输电线路约束，如下式所示：

式中，f_l,t为线路l在t时的电力潮流，P_cl,c,t为联络线c在t时的联络线功率,L和C为线路和联络线数量，Δθ_l,t为线路l在t时的首末段电压相角差，x_hj为线路l的电抗；

天然气网主要由气井、管道、燃气轮机和联络线气流量组成，所述天然气网约束主要考虑节点供需平衡约束、节点压力约束、气网管道约束和气源约束，如下所示：

式中，

为气井天然气

在t时的输出流量，Q_GT,n,t为燃气轮机t时的用气量，Q_p,t为t时的管道p的流量，Q_cl,c,t为联络线t时的气流量，P_r,p,t为天然气管道p在t时刻的压力，P_r，min,i和P_r，max,i天然气管道p压力上下限，

和

分别为气源出力的最小最大值；

储能约束如下：

燃气轮机约束如下：

P_GT,n,t＝η_GTQ_GT,n,t

P_GT,min≤P_GT,n,t≤P_GT,max

式中：η_GT为燃气轮机效率，P_GT,min和P_GT,max分别为燃气轮机的输出最小和最大功率。

8.根据权利要求1所述的一种考虑多种灵活性资源的综合能源协同优化调度方法，其特征在于，所述IES园区服务***以各能量枢纽购电和购气成本最小为目标函数：

min F₂＝f_EH,e+f_EH,g

式中：I_EH为***EH数量，f_EH,e为EH总购电成本，f_EH,g为EH总购气成本，

为碳交易总成本，λ_e,t和λ_g,t分别为t时刻EH购电和购气单价，P_buy,c,t和Q_buy,c,t分别为t时刻EH的购电和购气量；

所述能量枢纽模型的设备包括光伏、电转气、热泵、热电联产和燃气锅炉、负荷考虑电负荷、热负荷和气负荷；电母线、气母线和热母线的功率平衡方程如下：

式中：P_buy,c,t、

和

分别为t时的购电功率、EH光伏输出功率、热电联产电功率、电转气电功率和热泵电功率，Q_buy,c,t、

和

分别为t时的购气量、电转气的用气量、热电联产的用气量和燃气锅炉的用气量，

和

分别为t时的热电联产的热功率、热泵的热功率和燃气锅炉的热功率，P_load,c,t、Q_load,c,t和H_load,c,t分别为t时的电、气、热负荷；

设备转换约束如下：

式中：η_CHP,P、η_CHP,H、η_P2G、η_HP和η_GB分别为热电联产电效率、热电联产热效率、电转气效率、热泵效率和燃气锅炉效率；

各设备的功率上下限约束如下：

S_i,min≤S_i≤S_i,max

式中：S_i为各个设备的功率，S_i,min为各个设备的功率下限，S_i,max为各个设备的功率上限。

9.根据权利要求1所述的一种考虑多种灵活性资源的综合能源协同优化调度方法，其特征在于，所述采用ATC算法进行协同调度包括以下步骤：

IES服务***初始化；

进入内循环求解优化调度模型；

判断内循环是否收敛，若否，返回内循环，若是，进入外循环；

判断外循环是否收敛，若否更新拉格朗日乘子后返回内循环，若是，则结束；

所述内循环求解优化调度模型包括以下步骤：

分别求解供能***中各EH的经济调度；

将耦合变量传递至IES供能***；

IES功能***初始化；

计算供能***经济调度。

10.根据权利要求9所述的一种考虑多种灵活性资源的综合能源协同优化调度方法，其特征在于，所述采用ATC算法进行协同调度还包括：

首先，对联络线耦合变量进行解耦，在各主体目标函数中加入拉格朗日罚函数一次和二次项，如下所示：

式中：

和

为修改后的目标函数，

和

分别为电网和气网在t时刻的拉格朗日罚函数的一次项乘子，

和

分别电网和气网在t时刻的拉格朗日罚函数的二次项乘子，P_buy,c,t为t时的购电功率，Q_buy,c,t为t时的购气量，P_cl,c,t为联络线c在t时的联络线功率，Q_cl,c,t为联络线t时的气流量；

所述内循环和外循环的收敛条件分别如式和所示：

式中：ε₁、ε₂和ε₃分别为电网耦合变量、气网耦合变量和目标函数差值的收敛精度；

所述拉格朗日乘子更新公式为：

Images