基于矩不确定分布式鲁棒的电热综合系统优化调度方法

技术领域

本发明涉及热电联合供暖领域，特别涉及一种基于矩不确定分布式鲁棒的电热综合系统优化调度方法。

背景技术

随着我国的能源转型和分布式能源的不断发展，高比例可再生能源的消纳和利用在能源市场中变得尤为重要。为适应我国未来能源转型形势，发展高比例可再生能源已成为国家能源战略的重要组成部分。

电热综合系统能够聚合多样化的分布式资源，以促进可再生能源发电的消纳，将成为高比例可再生能源情景下电力系统的一类重要结构形态。虚拟电厂根据其优化目标的不同，可以实现不同的决策方案。它既可以用于市场能源交易，实现经济性，还能够提高电力系统的灵活性。然而，在优化调度过程中，不确定性是虚拟电厂优化调度研究和应用中的重要问题，在大力发展高比例可再生能源的条件下，考虑风光出力不确定性的虚拟电厂优化调度能够减少化石燃料的使用，有效减少弃风弃光，从而实现电力系统的可持续发展。在虚拟电厂中，风电和光伏发电的出力主要受风速和太阳辐照度的影响。由于风能和太阳能的间歇性和时变特性受到环境影响较大，为使系统稳定运行，在设计过程中应充分考虑其不同的特性。传统的确定性优化方法，已不能适应考虑多种不确定性的电热综合优化调度问题。

随机方法主要利用不确定变量的概率分布对其进行描述，具体使用时会采用蒙特卡洛等进行场景生成从而模拟风光的不确定性，计算量大，且对风光已有信息的依赖性高；信息间隙决策理论(IGDT，information gap decision theory)则是通过构造鲁棒函数和机会函数的方式，增加其对不确定性的鲁棒性或最大程度地提高成功机会，能够提高虚拟电厂在调度过程中的鲁棒性和灵活性，但是其在使用时需要综合考虑两种函数，计算和时间成本较高；鲁棒优化则是寻求在最恶劣条件下的最优调度，然而用它描述风光不确定性得到的结果较为保守，以牺牲一定的最优性来保证鲁棒性。

因此，寻求一种合理的调度方法来量化或弱化不确定性对调度策略的影响，具有很重要的实际意义。

发明内容

本发明的目的就是至少克服现有技术的不足之一，提供了一种基于矩不确定分布式鲁棒的电热综合系统优化调度方法，通过对不确定变量的分布进行鲁棒优化，兼顾了结果的鲁棒性和最优性，计算量和时间成本大大降低。

本发明采用如下技术方案：

一种基于矩不确定分布式鲁棒的电热综合系统优化调度方法，包括：

S1、建立包含风力发电单元、光伏发电单元、储能单元ESS、热电联产机组CHP及电热泵的热电联合模型；

S2、构建风、光的矩不确定描述方法；

S3、构建两阶段电热综合系统的分布式鲁棒模型；两阶段中，第一阶段为日前预调度阶段，第二阶段为实时再调整阶段；

S4、求解步骤S3所述的两阶段电热综合系统的分布式鲁棒模型，得到电热综合系统的优化调度计划；

其中，步骤S1、S2无先后顺序。

进一步的，步骤S1的具体方法为：

S1.1根据风速服从Weibull分布，建立风力发电模型；

S1.2根据光照强度服从β分布，建立光伏发电模型；

S1.3根据储能单元(ESS，energy storage system)的储能和放能特性，建立储能单元ESS的电热输出模型：

储能状态表述：

储能限制：

放能限制：

储放能不能同时进行：

储放能次数限制：

储能状态上下限：

初始状态：SoC

储电设备电出力：

储热设备热出力：

储电设备成本：

储热设备成本：

式中，SoC

S1.4根据热电联产机组CHP和电热泵的电热耦合特性，建立热电联产机组CHP和电热泵的电热输出模型：

CHP机组电出力上下限：

CHP机组热出力上下限：

爬坡约束：

CHP机组成本：

电热泵电热转换关系：H

电热泵成本

式中，

进一步的，步骤S2中，所述构建风、光的矩不确定描述方法具体为：根据风力发电模型、光伏发电模型及风光历史出力数据(风力发电和光伏发电的历史数据)进行场景生成，利用场景削减后的风光历史出力数据构建风光的矩不确定集。

进一步的，步骤S2的具体步骤为：

S2.1对已知风光数据及其分布进行拉丁超立方采样，得到多个场景数据；

风速符合weibull分布，f

光照强度符合β分布，f

风力发电和光伏发电的出力分别受风速和光照强度的影响，因此对风光历史出力数据按照weibull分布和β分布分别进行拉丁超立方采样，得到多个场景数据(时间序列)。

S2.2拉丁超立方采样后的数据通过同步回代完成场景削减，得到的数据用于构建矩不确定集，如下式所示：

式中，μ

进一步的，步骤S3中，第一阶段为最大化日前预调度阶段利润，第二阶段为最小化实时再调整阶段成本；构建两阶段电热综合系统的分布式鲁棒模型具体为：

S3.1构建第一阶段目标函数：

其中，集合变量

S3.2确定第一阶段目标函数的约束条件：

电网平衡：P

电网交易量：

系统投标量：P

热网平衡：

式中，P

S3.3构建第二阶段目标函数：

其中，变量集Π＝{P

S3.4确定第二阶段目标函数的约束条件为：

电网平衡：P

舒适度：

热网：

考虑热损失的热能传递：

固有的室内热量：H

辐射热计算：H

对流热计算：H

传导热计算：

室内温度上下限：

舒适度上下限：

式中，

进一步的，步骤S4中，求解所述两阶段电热综合系统的分布式鲁棒模型时，利用拉格朗日对偶理论将第二阶段双层问题转化为单层问题，再利用C&CG算法对两阶段问题进行循环求解。

本发明还提供了一种实现上述的基于矩不确定分布式鲁棒的电热综合系统优化调度方法的信息数据处理终端。

本发明还提供了一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行上述述的基于矩不确定分布式鲁棒的电热综合系统优化调度方法。

本发明所述电热综合系统调度方法本质上是一个优化求解问题，在这个优化求解问题中，涉及到两个时间尺度：日前和实时。日前阶段，根据风光的预测值以及其他单元的容量约束等，决策出使预调度收益最大的各个单元的电热出力；实时阶段，由于风光出力的不确定性，需要调节其他电热设备的出力，在日前调度的基础上，实时调整的出力变动不大，对应系统售电售热收益变动相对较小，此时考虑整个系统的运行成本最小，得到各出力的实时调整值。

在求解这个问题时，为得到系统整体的经济最优，按照时间尺度将这个求解问题划分为上层和下层问题，上层问题考虑日前预调度阶段的利润最大化，下层问题考虑实时再调整阶段的成本最小化。通过迭代的方式，对系统整体的净利润的最优值的上下界进行限制。当上下层的边界值的差满足收敛条件后，得到该优化问题的最优解。

本发明的有益效果为：

1、本发明结合了随机优化和鲁棒优化的特点，通过对不确定变量的分布进行鲁棒优化，兼顾了结果的鲁棒性和最优性，计算量和时间成本大大降低。

2、本发明聚合了多种分布式能源，实现了电能和热能的综合调度，在实时调整阶段，考虑到了用户热舒适度，用于实时调整电热分配，有利于实现能源的最优利用。

3、本发明采用矩不确定分布式鲁棒优化的方法对风光的不确定性进行处理，通过拉格朗日对偶的方式将问题进行转化，最后利用CC&G的思想对问题进行求解，能够有效减少计算量和时间成本。

附图说明

图1所示为本发明实施例一种基于矩不确定性分布式鲁棒的电热综合系统优化调度方法的流程图。

图2所示为实施例中场景生成得到的20组风电数据示意图。

图3所示为实施例中场景生成得到的20组光伏数据示意图。

具体实施方式

下文将结合具体附图详细描述本发明具体实施例。应当注意的是，下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的，它们可以被相互组合从而达到更好的技术效果。在下述实施例的附图中，各附图所出现的相同标号代表相同的特征或者部件，可应用于不同实施例中。

本文中术语解释：CHP，热电联产机组；DRO，分布式鲁棒；C&CG，列和约束生成；Schur补，舒尔补。

如图1所示，本发明实施例一种基于矩不确定分布式鲁棒的电热综合系统优化调度方法，包括：

S1、建立包含风力发电单元、光伏发电单元、储能单元(包括储电设备和储热设备)、热电联产机组CHP及电热泵的热电联合模型；

具体包括：

S1.1根据风速服从Weibull分布，建立风力发电模型；

S1.2根据光照强度服从β分布，建立光伏发电模型；

S1.3根据储能单元的储能和放能特性，建立储电储热单元的电热输出模型：

储能状态表述：

储能限制：

放能限制：

储放能不能同时进行：

储放能次数限制：

储能状态上下限：

初始状态：SoC

储电设备电出力：

储热设备热出力：

储电设备成本：

储热设备成本：

式中，SoC

S1.4根据热电联产单元和电热泵的电热耦合特性，建立热电联产机组和电热泵的电热输出模型：

CHP机组电出力上下限：

CHP机组热出力上下限：

爬坡约束：

CHP机组成本：

电热泵电热转换关系：H

电热泵成本

式中，

S2、构建风、光的矩不确定描述方法；根据风力发电模型、光伏发电模型及风光的历史出力数据(风力发电单元、光伏发电单元的历史发电数据)进行场景生成和削减，利用削减后的风光历史出力数据构建风光的矩不确定集；

S2.1对已知风光数据及其分布进行拉丁超立方采样，得到多个场景数据；

风速符合weibull分布，f

光照强度符合β分布，f

风力发电和光伏发电的出力分别受风速和光照强度的影响，因此对风光历史出力数据按照weibull分布和β分布分别进行拉丁超立方采样，得到1000个场景数据(时间序列)，场景数据可以根据实际需求确定。

S2.2拉丁超立方采样后的数据通过同步回代完成场景削减，得到20组风光出力数据(如图2，图3所示)用于构建矩不确定集，如下式所示：

式中，μ

S3、构建两阶段电热综合系统的分布式鲁棒模型；第一阶段为最大化日前预调度阶段利润，第二阶段为最小化实时再调整阶段成本；构建两阶段电热综合系统的分布式鲁棒模型具体为：

S3.1构建第一阶段目标函数：

其中，集合变量

S3.2确定第一阶段目标函数的约束条件：

电网平衡：P

电网交易量：

系统投标量：P

热网平衡：

式中，P

S3.3构建第二阶段目标函数：

其中，变量集Π＝{P

S3.4确定第二阶段目标函数的约束条件为：

电网平衡：P

舒适度：

热网：

考虑热损失的热能传递：

固有的室内热量：H

辐射热计算：H

对流热计算：H

传导热计算：

室内温度上下限：

舒适度上下限：

式中，

S4、求解步骤S3所述的两阶段电热综合系统的分布式鲁棒模型，得到电热综合系统的优化调度计划；

利用拉格朗日对偶理论及将第二阶段双层问题转化为单层问题；

利用C&CG算法对两阶段问题进行循环求解。

所述两阶段电热联合系统的矩不确定分布式鲁棒模型为：

考虑到风光出力的不确定性，利用矩不确定分布鲁棒的方法，考虑随机变量的期望及协方差矩阵在假定不确定集条件下，找到影响最严重的分布下的一个期望最优化问题的决策，其一般可以构建为一个min-max问题：

上述问题是一个NP-hard问题，求解较为困难，需要利用拉格朗日对偶的方法将下层模型的内层转化为一个确定性的凸半定规划问题：

其中，r，η表示对偶变量，Q为半定矩阵，q表示转换中产生的向量；·表示Frobenius内积。P

对于r

由于下层问题的内外层都是求解最小化问题，因此可以将内外层合并，得到重构后的问题：

将两个阶段的问题整合，得到最终的两阶段电热联合系统基于矩不确定性的分布式鲁棒优化模型为：

以及各个阶段的约束。

所述利用C&CG算法对两阶段问题进行循环求解，包括：

设定循环阈值M，并给定LB＝-∞，UB＝+∞；

将所述两阶段问题表达为一般形式：

然后将其分解为主问题MP和子问题SP：

s.t.A

η≥b

式中，y和x分别表示日前阶段和实时阶段决策变量，c

求解主问题，得到该阶段最优解

代入

当UB-LB≤M时，返回

本发明的模型输入为调度阶段各个时间点(1天24小时)的电热负荷、风光的预测值以及各个电热单元的容量、成本系数；模型输出为对应时刻各个电热单元的电热出力。电出力包括：CHP机组、储电单元、电热泵(消耗)；热出力包括：CHP机组、储热单元、电热泵(产生)。模型的解即为各个单元出力的最终调度值(最优值)。

本发明的主要创新在于：利用矩不确定分布式鲁棒方法对风光出力的不确定性同时进行描述；引入HOMIE模型，构建了一个考虑用户热舒适度的电热耦合网络，根据用户电负荷和热舒适度的限制，对该电热综合系统的电热出力进行调节。

本发明提出的双层优化调度方法中，上层考虑计划调度，旨在保证计划日前预调度阶段该电热综合系统的收益最大；下层的实时再调度阶段，在考虑风光出力的不确定性和用户热舒适度的条件下，通过减少各个单元的调度成本，对虚拟电厂的出力单元进行适当的调整，从而尽量减少弃风弃光。本发明结合了随机优化和鲁棒优化的特点，通过对不确定变量的分布进行鲁棒优化，兼顾了结果的鲁棒性和最优性，计算量和时间成本大大降低。

本文虽然已经给出了本发明的几个实施例，但是本领域的技术人员应当理解，在不脱离本发明精神的情况下，可以对本文的实施例进行改变。上述实施例只是示例性的，不应以本文的实施例作为本发明权利范围的限定。