一种基于动态建模的综合能源系统优化调度方法及系统

技术领域

本发明属于综合能源系统技术领域，尤其涉及一种基于动态建模的综合能源系统优化调度方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

节能减排成为能源领域不可逆转的趋势，建立高效低碳的清洁供能方式一直是研究的重点；作为新一代供能模式，综合能源系统直接面向一定区域内用户的需求，可以整合区域内煤炭、石油、天然气、电能、热能、冷能等多种能源，实现不同能源的统一调度、协同管理和互补互济，进而实现多能互补和能量梯级利用，充分提高能源利用率和可再生能源消纳能力，在节能减排方面具有重大潜力；但综合能源系统相比普通的能源系统更复杂，其联合了电网、供冷供热网络以及天然气网络等子系统，内部能量以多种形式共存和传递；各子系统关联紧密，系统内能量转化设备特性迥异、多能流耦合紧密、异质能流优化时间尺度不一，存在着合作和制约的双重关系；在缺乏统一调度的情况下，不同子系统之间无法协调，难以实现系统整体的最优决策。

目前少有对多能流的动态优化研究，大多数方法只关注稳态效应，采用一致的优化时间尺度，将系统中的冷热电气等多种异质能流置于同一优化时间尺度下，通过设置多个不同的优化周期来实现多时间尺度优化；另外，很少有研究建立面向调度的设备动态模型，由设备动态响应特性差异引起的多个时间尺度上的能量流动特性没有得到充分体现；专利CN109711614A提出一种分布式能源站的动态优化运行控制方法，结合负荷预测模型与分布式能源站的热力系统仿真模型，实现能源站运行的动态滚动优化；专利CN107732982A提出一种考虑模型预测控制的综合能源系统多时间尺度调度方法，以长时间尺度优化调度策略为基准值，建立预测模型和反馈校正环节，实现短时间尺度动态优化调度；但这些优化方式是在静态优化的基础上引入超短期预测和修正环节，基于预测结果重复执行优化步骤，不断调整运行方案，从时间轴上实现动态优化，但这本质上是静态优化的叠加。

因此，现有技术方案只关注稳态效应，但综合能源系统整体上是一个动态过程，所以现有调度方法难以保证冷热设备按照优化调度方案运行，从而导致源荷不匹配，并使得设备一直处于工况改变中，损害设备性能，从而导致综合能源系统的实际运行并不能充分发挥其经济和环保效益；而且现有技术方案本质上是静态优化，而静态模型无法描述能量转换设备的非线性行为，这些设备的实际效果受动态响应的影响很大，导致调度决策结果与系统实际运行情况存在偏差，不能实现综合能源系统整体的最优决策。

发明内容

为克服上述现有技术的不足，本发明提供了一种基于动态建模的综合能源系统优化调度方法及系统，研究更细时间尺度下的功率动作行为，对产能设备的动态响应过程和可变运行能力进行分析，实现多异质能流的协同，提高综合能源系统动态响应过程的出力分配合理度。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

本发明第一方面提供了一种基于动态建模的综合能源系统优化调度方法。

一种基于动态建模的综合能源系统优化调度方法，包括：

对能量转化设备的动态特性进行定量表征，建立描述动态响应过程的非线性差分时间序列，融合已有的静态模型建立包括稳态输出和动态响应的全工况模型；

基于全工况模型，构建多能流能量平衡表达式，确定影响决策变量变化方向的目标函数，建立动态优化调度模型；

通过动态优化调度模型求解最优日前调度方案。

进一步的，所述全工况模型的建立过程具体为：

对能量转化设备的动态特性进行定量表征，通过状态转换分析输入输出的递归关系；

基于带有外生变量的自回归模型框架，根据最小化信息量准则确定模型阶次，通过系统辨识确定模型参数，建立描述动态响应过程的非线性差分时间序列；

在静态COP模型的基础上加入动态表征的非线性差分时间序列，建立包括稳态输出和动态响应的全工况模型。

进一步的，所述多能流能量平衡表达式的构建方法为：

进行需求侧分析，对连续性负荷进行一阶线性微分，建立等效热参数模型；

分析储能装置能量交互机制，建立多周期时间序列的储能模型；

根据系统能量流动方向，建立包括能量转换动态响应非线性差分时间序列、能量转换静态COP模型、储能多周期时间序列和负荷一阶线性微分方程的多能流能量平衡表达式。

进一步的，所述动态优化调度模型的建立，具体为：

在多能流动态能量平衡表达式的基础上，根据设备响应时间分解优化周期，对能量转换设备出力值的离散化时间序列分阶段进行功率时域积分，将非线性差分时间序列转化为易解析的代数方程，确定影响决策变量变化方向的目标函数，进而建立动态优化调度模型。

进一步的，所述目标函数表示如下：

minF＝ω

其中，f

进一步的，所述动态优化调度模型，还包括约束条件，分为设备容量约束、动态优化边界约束和能量平衡约束。

进一步的，所述通过动态优化调度模型求解最优日前调度方案，具体为：

将多能流动态能量平衡表达式融入到粒子群算法的适应度计算中，通过梯度下降的思想快速求解最优日前调度方案。

本发明第二方面提供了一种基于动态建模的综合能源系统优化调度系统。

一种基于动态建模的综合能源系统优化调度系统，包括第一建模模块、第二建模模块和优化求解模块：

第一建模模块，被配置为：对能量转化设备的动态特性进行定量表征，建立描述动态响应过程的非线性差分时间序列，融合已有的静态模型建立包括稳态输出和动态响应的全工况模型；

第二建模模块，被配置为：基于全工况模型，构建多能流能量平衡表达式，确定影响决策变量变化方向的目标函数，建立动态优化调度模型；

优化求解模块，被配置为：通过动态优化调度模型求解最优日前调度方案。

本发明第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方面所述的一种基于动态建模的综合能源系统优化调度方法中的步骤。

本发明第四方面提供了电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第一方面所述的一种基于动态建模的综合能源系统优化调度方法中的步骤。

以上一个或多个技术方案存在以下有益效果：

常规方法采用稳态模型进行优化调度不能充分地考虑综合能源系统冷热电的动态特性，而本发明是考虑动态特性的调度方法，最大的优势是调度结果更符合底层设备运行情况，所提出的基于动态建模的综合能源系统优化调度方案保证能源供需的动态平衡，实现多种可再生能源的互补和梯级利用；同时，通过多时刻、多功率的能量存储和释放，实现能量在时间和空间上的转移，最大限度地提高可再生能源在全时段的消纳率，提高综合能源系统的能源供应灵活性，进而提高供能质量。

本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1为第一个实施例的方法流程图。

图2为第一个实施例动态优化调度流程图。

图3为第一个实施例设备动态建模流程图。

图4为第一个实施例求解动态调度模型的算法流程图。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

综合能源系统在结构上的复杂性，会导致动态过程的复杂性，一个由电网、热网、气网组成的综合能源系统的动态过程，是由不同模态组合影响的结果；在一个扰动发生之后，电网是动态最快的一个模态，其次是气网，最慢的是热网；事实上，电以光速传播，电力输出可以实现对调度指令的瞬间响应，并立即达到稳态值，其动态变化的时间几乎可以忽略，因此，电力调度可以按照基于稳态模型的调度计划实时调整发电机出力，实现输出有功功率的改变，进而维持源荷之间的平衡；然而，冷、热、气等流体形式的能量与电能有着本质区别，供热或制冷设备对调度指令的响应需要一定时间的动态变化才能达到稳态值。热网的动态又分为水力过程和热力过程，水力以声速传播，会在几十秒内达到稳定状态；而水流的温度变化以流速传播，根据系统大小，需要几分钟甚至几小时才能达到稳定状态；已有的调度的方法难以保证冷热设备按照优化调度方案运行，从而导致源荷不匹配，并使得设备一直处于工况改变中，损害设备性能，从而导致综合能源系统的实际运行并不能充分发挥其经济和环保效益。

能量转化设备的运行大致可分为两个过程，一个是动态响应过程，另一个是稳态输出过程；在动态响应过程中，能量转化设备的能量输出是渐进式的，但由于能量的传递是借助于加热或制冷的水流，而管网本身具有一定的蓄热能力，这部分渐进式的能量并不直接作用于负荷端，而是会储存在管网中，具体来说就是管网中的循环水温度被加热或冷却到设备的输出温度，即管网中循环水的内能被改变；而现有的静态模型无法描述能量转换设备的非线性行为，这些设备的实际效果受动态响应的影响很大，这也是调度决策结果与系统实际运行情况存在偏差的根本原因。

事实上，冷热电气异质能流响应速度不同，原因在于发电机、热泵、制冷机等设备在动态响应过程中具有明显的非线性，当设备工况发生不同程度的改变时，输出会沿着不同的动态过程过渡到稳态值；动态响应时间段的实时偏差是源荷功率不匹配的体现，优化周期内偏差的累计值为能量层面的源荷不匹配。

为了使动态响应过程每个时刻的出力分配都合理，本申请研究更细时间尺度下的功率动作行为，对产能设备的动态响应过程和可变运行能力进行分析，实现多异质能流的协同。

实施例一

在一个或多个实施方式中，公开了一种基于动态建模的综合能源系统优化调度方法，如图1所示，包括如下步骤：

步骤S1：对能量转化设备的动态特性进行定量表征，建立描述动态响应过程的非线性差分时间序列，融合已有的静态模型建立包括稳态输出和动态响应的全工况模型；

步骤S2：基于全工况模型，构建多能流能量平衡表达式，确定影响决策变量变化方向的目标函数，建立动态优化调度模型；

步骤S3：通过动态优化调度模型求解最优日前调度方案。

下面对本实施例一种基于动态建模的综合能源系统优化调度方法的实现过程进行详细说明。

综合能源系统不同设备的动态特性存在很大差异，并且对系统的实际运行有很大影响，当系统工况发生改变时，输出会沿着不同的动态响应过程过渡到稳态，为了使动态响应过程中每个时刻的出力分配都合理，并降低系统实际运行中的源荷不匹配程度，本实施例提出了一种基于动态建模的综合能源系统优化调度方法，如图2所示，具体步骤为：

1、基于状态转换和系统辨识的能量转换非线性差分时间序列动态建模

首先对能量转化设备的动态特性进行定量表征，通过状态转换分析输入输出的递归关系，然后基于带有外生变量的自回归模型(ARX模型)框架，根据最小化信息量准则(AIC准则)确定模型阶次，通过系统辨识确定模型参数，进而建立描述动态响应过程的非线性差分时间序列。最后在静态COP模型的基础上加入动态表征的非线性差分时间序列，建立起包括稳态输出和动态响应的全工况模型，也就是说静态COP模型和用非线性差分时间序列形式表示的动态模型组成了全工况模型。

具体的，在综合能源系统的优化调度中，决策变量是实现优化调度的具体体现，而每个能量流的平衡是确保所有能源需求能够得到满足的关键。传统的静态优化方法无论是日前经济调度，还是滚动预测优化，或者日内实时调整，都是将一定的时间段分为多个优化周期，每个优化周期内都看作是静态优化，这种模式下，推算静态冷热电能的代数关系式是能流分析的唯一方法。事实上，静态的能流分析是忽略设备动态特性的一种假设，这种忽略性的假设不可避免的会导致调度偏差的存在，因此当建立设备的动态模型后，静态的能流分析就不再适用。

根据优化周期内能量转化设备的运行特性和控制特性不同，每个优化周期可分为动态响应期和稳态输出期，而源荷不匹配是在动态响应期发生的。动态响应时间段的实时偏差是源荷功率不匹配的体现，优化周期内偏差的累计值为能量层面的源荷不匹配；为解决能量层面的源荷不匹配，研究了不同时间尺度的异质能源并进行解耦，对能量转化设备进行定量的特征化提取，在传统静态模型的基础上融入动态特征化的分析元素，建立了能量转化设备的稳态输出和动态响应的全工况模型，使设备模型更加贴近真实的运行工况。

每个设备在每个优化周期中都分为动态响应阶段和稳态输出阶段，能源调度模型应充分利用每个调度周期中两个阶段的特点，协调不同设备满足负荷需求。为了减少调度决策结果与实际运行之间的偏差，对能源转化设备进行定量的特征化提取，建立了能源转换装置的稳态输出和动态响应的全工况模型。研究了不同时间尺度的异质能源并进行解耦，在传统静态模型的基础上融入动态特征化的分析元素，使设备模型更加贴近真实的运行工况，以便于实现综合能源系统的优化运行；能源转换装置的特征描述和动态建模流程如图3所示。

对于稳态运行状态，性能系数(COP)被用来描述能量转换设备的输入和输出之间的关系；事实上，能量转化设备的效率在不同的负载率下通常是不同的；对于稳态运行数据，采用多项式拟合方法来描述能源转换设备在多个状态供给条件下的COP函数。首先，收集能量转化设备在稳态运行条件下不同负荷率的输入和输出，然后计算设备在每个负载率下的能效，最后用多项式拟合的方法得到效率曲线，即静态模型，具体表示如下：

P

COP

其中，P

对于动态运行状态，带有外生变量的自回归模型(ARX模型)被用来描述设备的动态响应过程；ARX模型是利用系统输入和输出进行数据识别的时间序列模型，可以分析其变化过程和发展规律，模拟复杂的非线性输入输出，得到用非线性差分时间序列形式表示的动态模型，具体表示如下：

其中，P

其中，V是损失函数,d是有关结构中的参数总数，N是用于估计的数据点的数量。

基于ARX模型的系统辨识技术确定了能够描述动态响应过程的非线性差分时间序列，在静态COP模型的基础上加入动态表征的非线性差分时间序列，建立起稳态输出和动态响应的全工况模型。

2、建立融合源储荷动静态表征的多能流分析能量平衡表达式

首先进行需求侧分析，对连续性负荷进行一阶线性微分，建立等效热参数模型；然后分析储能装置能量交互机制，建立多周期时间序列的储能模型；根据系统能量流动方向，建立包括能量转换动态响应非线性差分时间序列、能量转换静态COP模型、储能多周期时间序列和负荷一阶线性微分方程的能量平衡表达式。

多能流分析的关键在于整合不同形式的表达式，建立统一的、连续的动态能量平衡关系式；周期内的时域积分可以把差分方程形式的动态模型和代数方程形式的静态模型，以及微分方程形式的负荷需求模型有机结合，建立包括能量转换动态响应非线性差分时间序列、能量转换静态COP模型、储能多周期时间序列和负荷一阶线性微分方程的能量平衡表达式，这使系统的动态变化被纳入优化调度决策过程；由于电能响应速度快，电能平衡关系式即为功率平衡关系，具体表示如下：

E

其中，E

而冷、热平衡统一为积分形式，具体表示如下：

其中，Q

为了准确模拟和表示冷热负荷，室内温度被用作需求侧负荷的直接反映；从热力学的角度对供热或制冷负荷进行建模，得到负荷的等效热参数模型，具体表示如下:

其中，T

其中，T

储能装置既可以作为能量输入(充电过程E

其中，E

3、优化周期分解，分阶段功率时域积分，建立动态优化调度模型

在多能流分析的基础上，根据设备响应时间分解优化周期，对能量转换设备出力值的离散化时间序列分阶段进行功率时域积分，将非线性的差分时间序列转化为易解析的代数方程，然后确定影响决策变量变化方向的目标函数，进而建立动态优化调度模型。

基于源荷数据，以经济性和环保性为主要评价指标，建立动态优化调度模型，以实现精细化描述机组的启停及变工况运行出力计划。为保证整个优化调度的连续性，后一优化窗口期的求解以前一优化窗口期的设备状态为基础，重复求解过程，进而得出全天的机组的出力计划。这样，可以最大程度发挥系统的经济和环境效益，同时可以保持设备最大程度地持续处于稳态工况运行，避免性能衰减；因此，考虑到运行成本、碳排放和设备稳态运行时间，优化目标函数表示如下：

minF＝ω

其中，f

综合能源系统的日常运行成本包括从电网购买电力的成本和从天然气站购买天然气的成本；日运行成本计算如下：

f

其中，p

综合能源系统的碳排放来自于从电网购买的电力间接碳排放以及燃烧天然气产生的直接碳排放；日二氧化碳排放量计算如下：

f

其中，e

4、确定调度模型的约束函数集合，建立可行解的调度决策空间

首先挖掘冷热电气多能互补潜力，分析源储荷深度耦合关系，然后根据多能流能量平衡表达式，结合多种设备实际操作的限制条件，确定调度模型的约束函数集合，最后建立可行解的调度决策空间。

能量平衡是求解调度模型的基本约束条件，另外，许多能量转换设备都有自己的边界容量和可用资源限制；所以，约束包括设备容量约束、动态优化边界约束和能量平衡约束。

设备容量约束，具体表示如下：

r

其中，r

0≤P

其中，P

吸收式制冷机通常与燃气发电机结合使用，以实现余热回收和能量级联；吸收式制冷机的输入量应小于可从发电机中回收的余热量，具体为：

H

除了像其他设备一样有输出功率限制外，储能多周期时间序列模型还有最大容量和实时状态限制，具体表示如下：

E

E

0≤E

其中，E

以上的约束条件是最基本的设备容量约束，设备容量约束可以根据设备的容量限制，避免过载或短路等安全问题，确保综合能源系统的稳定运行；但由于运行后其状态是随着时间连续变化的，而设备改变工况后存在动态响应时间，前一时刻的运行状态势必会对后一时刻运行状态的走势产生影响，这对基于设备动态响应模型的优化调度来说增加了难度，因此需要在设备容量约束的基础上再确定动态优化边界约束条件。

在综合能源系统的优化调度中，各个优化变量之间可能存在着相互影响的关系，它们之间的变化会对整个系统的能量平衡和性能产生影响；因此，在进行优化调度时，需要逐步确定每个变量的最优值，同时考虑到它们之间的相互影响，以及相互作用关系，以实现系统的最优调度。每个优化变量存在相互影响和相互作用的关系，众多优化变量之间还存在着复杂的时序逻辑关系，当前优化点的可调度区间与前一优化点变量值有关，需要把优化变量根据动态响应模型的时序逻辑关系和状态转移方程在动态条件下进行连续优化和决策。

由于设备存在机械/热力方面的约束，每分钟变化的出力不能超过规定的最大变化率限值，而每个设备在每个时间点的不同工况下都有不同的可变化幅度约束，这项约束是随时间变化而动态变化的约束。基于上述分析以及前文已建立的设备动态响应模型，每个优化变量应该限制在一个优化周期内所能到达的最大响应值以及前一个优化变量的值的最大增量区间，最大增量区间是由一个优化周期内的动态响应能力决定的，具体表示如下

P

其中，P

ΔP

ΔP

其中，t

能量平衡约束，即满足每个优化周期内能量动态平衡的约束条件，表达式如下：

其中，P

5、改进粒子群算法适应度计算，实现动态优化调度模型快速高效求解

根据优化目标和确定的约束条件构建目标函数，并将基于动态模型的多能流动态能量平衡关系融入到粒子群算法的适应度计算中，通过梯度下降的思想快速求解最优的日前优化调度方案。

系统动态特性的引入增加了优化调度模型的复杂度，这对问题求解提出了要求，本发明充分利用信息技术、储能技术和优化理论，考虑所有优化窗口下能量转化设备的时序状态和效率，根据负荷变化对能源生产、传输和存储进行优化，将基于动态模型的多能流能量平衡关系融入到粒子群算法的适应度计算中，通过基于梯度下降的粒子群算法快速求解最优的日前调度方案；图4展示了求解动态模型的算法流程，左侧是求解参数的设置和多优化周期计算的迭代过程；右侧具体展示了通过功率时域积分将非线性的差分时间序列转化为易解析的代数方程的过程，从而实现将设备动态模型融入基于粒子群算法的适应度计算中。

实施例二

在一个或多个实施例中，公开了一种基于动态建模的综合能源系统优化调度系统，包括第一建模模块、第二建模模块和优化求解模块：

第一建模模块，被配置为：对能量转化设备的动态特性进行定量表征，建立描述动态响应过程的非线性差分时间序列，融合已有的静态模型建立包括稳态输出和动态响应的全工况模型；

第二建模模块，被配置为：基于全工况模型，构建多能流能量平衡表达式，确定影响决策变量变化方向的目标函数，建立动态优化调度模型；

优化求解模块，被配置为：通过动态优化调度模型求解最优日前调度方案。

实施例三

本实施例的目的是提供计算机可读存储介质。

计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开实施例一所述的一种基于动态建模的综合能源系统优化调度方法中的步骤。

实施例四

本实施例的目的是提供电子设备。

电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例一所述的一种基于动态建模的综合能源系统优化调度方法中的步骤。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。