一种面向多能负荷不确定性的综合能源系统风险评估方法

技术领域

本发明属于电力系统规划与运行技术领域，尤其涉及一种面向多能负荷不确定性的综合能源系统风险评估方法。

背景技术

能源是人类社会赖以生存的重要物质基础。传统能源供应结构的能源利用效率低，导致高能耗和高排放，如何提高能源效率，减少环境污染，实现可持续能源发展是当前重要的研究话题。综合能源系统(integrated energy system,IES)具有能源转化、分配以及存储等功能，具有良好的发展前景和利用价值。研究表明，IES可以通过电力、热力和天然气等独立能源系统的耦合实现多能互补，从而降低系统运行成本并提高综合能源利用效率。IES最优调度策略是保证系统经济性和能效性的重要前提。然而，IES能源需求的不确定性往往会影响IES能源的分配和不同设备的调度策略，从而影响系统能源效率和经济性。因此，如何使系统在考虑能源需求的不确定性风险的同时达到经济性的目标具有重要的研究意义。

发明内容

本发明的目的在于提供一种面向多能负荷不确定性的综合能源系统风险评估方法，以解决上述技术问题，以应对IES在多能负荷不确定环境下的决策风险。较于传统确定环境下IES优化调度模型而言，虽然增加了一定的运行成本，但是有效增强了应对风险的能力，提高了系统的可靠性。考虑了决策者的风险喜好，避免了传统鲁棒优化的过度保守性。为能源交易决策和风险评估提供了新的工具和思路。

为实现上述目的本发明采用以下技术方案：

一种面向多能负荷不确定性的综合能源系统风险评估方法，包括如下步骤：

步骤1，开始；

步骤2，确定基于能源枢纽的综合能源系统基本结构；

步骤3，建立基于EH的IES优化调度模型；

步骤4，提出不确定环境下IES风险评估方法。

作为本发明进一步的方法：步骤2中所述综合考虑电力网络、热力网络的耦合机制，建立了考虑网络拓扑约束的综合能源系统优化调度模型的公式；

随着IES系统的发展，基于EH的热电联产系统作为一种耦合电力系统具有良好的发展前景。EH热电耦合关系的计算公式为：

式中：

EH能量平衡方程表示为：

式中:

作为本发明进一步的方法：步骤3中建立了基于EH的IES优化调度模型具体包括；

1)目标函数；

IES优化调度的主要目标就是提升系统的经济效益，即在满足用户负荷需求的基础上，以最优经济运行为目标，协调能源的分配与转化；以系统运行成本最小为目标函数建立模型，其中，系统运行成本包括购电成本、购气成本、设备运行成本和自产设施发电发热成本，成本函数具体如下：

IES通过电网公司购电，购电成本表示为：

式中：

IES通过天然气公司购买天然气，购气成本表示为：

式中：

自产设施发电、发热成本采用二次函数来描述：

式中：b∈B、n∈N分别为PDN、DHN的节点集合；a

设备运行成本计算为：

式中：i∈I为IES系统运行装置i的集合；P

IES运行总成本C的数学表达式如下所示：

C＝C

2)目标函数；

为了保证系统在安全可靠的环境下运行，能源的交易和调度需要满足配电网络潮流约束，配电网络采用了径向拓扑结构，其功率流用线性化的分支流模型来描述：

式中：l∈L为线路的集合；

DHN由具有相同拓扑结构的供水管网和回水管网组成，水由热源加热，并注入供水管道；在某个节点，热水从供应侧流向返回侧，热能由热交换器提取并输送至用户；在回流侧，温度相对较低的水被送回热源；

热源产生的能量与供应网络、返回网络的温度相关：

式中:

热负荷通过换热器连接到供热系统，实现供、回管道之间的温度交换，终端用户所接收的热量必须满足他们的需求：

式中：

当水穿过供水和回水管道时，由于不可避免的热损失，其温度会下降，由于大多数供热系统是由地下管网组成的，假设供热管道的环境温度保持不变，对于供应网络或回流网络中的任何管道，下列关系成立：

式中：λ

多个进水管道的节点混合流体的温度根据热力学第一定律确定，节点出水的温度由下式计算：

式中：

作为本发明进一步的方法：步骤4中提出不确定环境下IES风险评估方法具体包括：

负荷需求的预测十分复杂，即使采用商用的预测方法也不可避免的存在预测误差。对于多能耦合的IES来说更是如此。IES的调度需要考虑运营成本和复杂能量网络约束的同时，对冲多能负荷不确定性带来的风险。

负荷预测的可信性分布；

可信性测度用模糊事件集合中变量的最小上确界表示，对于任何一个集合

式中：

三角形隶属度函数是研究负荷需求不确定性问题时广泛采用的函数，采用三角形隶属度函数来描述负荷的不确定程度，梯形隶属度函数表示如下：

IES风险评估方法；

结合负荷预测的可信性分布函数，功率平衡的可信性模糊机会约束表示为：

式中：α、β是可信度，物理意义相当于概率置信度，表示由于多种不确定性，IES对风险的规避程度，α、β越小代表风险规避的意识越强；式分别表示功率平衡约束的可信性大于α和β；

采用清晰等价类方法求解式，得到以下定理：

若函数具有如下形式：

g(x，ζ)＝h

当α≥1/2时，Cr{g(x，ξ)≤0}≥β的清晰等价类为：

式中：

根据可信性测度函数和上述定理，式转化为：

式中：D

式中：D′

综上所述，不确定环境下IES风险评估表示为以下形式：

通过清晰等价类方法将多能负荷不确定的IES风险评估模型转化为一般的线性规划问题，利用MATLAB平台建立了数学模型，并借助YALMIP工具箱调用商业软件CPLEX对模型进行求解。

与现有技术相比，本发明具有以下优点：1、本发明所提出的面向多能负荷不确定性的综合能源系统风险评估方法，相较于传统确定环境下IES优化调度模型而言，虽然增加了一定的运行成本，但是有效增强了应对风险的能力，提高了系统的可靠性。

2、可信度是影响系统成本和风险的关键因素，可信度越大，系统的成本就越高，面临的风险就越小，采取的调度策略就越保守。

3、该风险评估方法考虑了决策者的风险喜好，避免了传统鲁棒优化的过度保守性。该方法为能源交易决策和风险评估提供了新的工具和思路。

附图说明

图1为一种32节点网络结构示意图。

图2为一种基于能源枢纽的IES优化调度策略示意图。

图3为一种确定环境下ESU和TSU的SOC示意图。

图4为一种多能负荷不确定下IES模糊优化调度策略示意图。

图5为一种不确定环境下ESU和TSU的SOC示意图。

图6为一种不同优化方法的能源策略示意图。

图7为一种预测批发市场能源价格和负荷需求示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细阐述。

一种面向多能负荷不确定性的综合能源系统风险评估方法，包括如下步骤：

步骤1，开始；

步骤2，确定基于能源枢纽的综合能源系统基本结构；

步骤3，建立基于EH的IES优化调度模型；

步骤4，提出不确定环境下IES风险评估方法。

步骤2中所述综合考虑电力网络、热力网络的耦合机制，建立了考虑网络拓扑约束的综合能源系统优化调度模型的公式；

EH热电耦合关系的计算公式为：

式中：

EH能量平衡方程表示为：

式中:

步骤3中建立了基于EH的IES优化调度模型具体包括；

1)目标函数；

IES优化调度的主要目标就是提升系统的经济效益，即在满足用户负荷需求的基础上，以最优经济运行为目标，协调能源的分配与转化；以系统运行成本最小为目标函数建立模型，其中，系统运行成本包括购电成本、购气成本、设备运行成本和自产设施发电发热成本，成本函数具体如下：

IES通过电网公司购电，购电成本表示为：

式中：

IES通过天然气公司购买天然气，购气成本表示为：

式中：

自产设施发电、发热成本采用二次函数来描述：

式中：b∈B、n∈N分别为PDN、DHN的节点集合；a

设备运行成本计算为：

式中：i∈I为IES系统运行装置i的集合；P

IES运行总成本C的数学表达式如下所示：

C＝C

2)目标函数；

为了保证系统在安全可靠的环境下运行，能源的交易和调度需要满足配电网络潮流约束，配电网络采用了径向拓扑结构，其功率流用线性化的分支流模型来描述：

式中：l∈L为线路的集合；

DHN由具有相同拓扑结构的供水管网和回水管网组成，水由热源加热，并注入供水管道；在某个节点，热水从供应侧流向返回侧，热能由热交换器提取并输送至用户；在回流侧，温度相对较低的水被送回热源；

热源产生的能量与供应网络、返回网络的温度相关：

式中:

热负荷通过换热器连接到供热系统，实现供、回管道之间的温度交换，终端用户所接收的热量必须满足他们的需求：

式中：

当水穿过供水和回水管道时，由于不可避免的热损失，其温度会下降，由于大多数供热系统是由地下管网组成的，假设供热管道的环境温度保持不变，对于供应网络或回流网络中的任何管道，下列关系成立：

式中：λ

多个进水管道的节点混合流体的温度根据热力学第一定律确定，节点出水的温度由下式计算：

式中：

步骤4中提出不确定环境下IES风险评估方法具体包括：

负荷预测的可信性分布；

可信性测度用模糊事件集合中变量的最小上确界表示，对于任何一个集合

式中：

三角形隶属度函数是研究负荷需求不确定性问题时广泛采用的函数，采用三角形隶属度函数来描述负荷的不确定程度，梯形隶属度函数表示如下：

IES风险评估方法；

结合负荷预测的可信性分布函数，功率平衡的可信性模糊机会约束表示为：

式中：α、β是可信度，物理意义相当于概率置信度，表示由于多种不确定性，IES对风险的规避程度，α、β越小代表风险规避的意识越强；式分别表示功率平衡约束的可信性大于α和β；

采用清晰等价类方法求解式，得到以下定理：

若函数具有如下形式：

g(x，ζ)＝h1(x)ζ

当α≥1/2时，Cr{g(x，ξ)≤0}≥β的清晰等价类为：

式中：

根据可信性测度函数和上述定理，式转化为：

式中：D

式中：D′

综上所述，不确定环境下IES风险评估表示为以下形式：

通过清晰等价类方法将多能负荷不确定的IES风险评估模型转化为一般的线性规划问题，利用MATLAB平台建立了数学模型，并借助YALMIP工具箱调用商业软件CPLEX对模型进行求解。

本发明选择了一个改进的IEEE 33节点PDN和一个32节点DHN进行数值研究，系统结构如图1所示。GTs、GBs和EH的参数列于表2中。电价、天然气价格、预测电力负荷和热负荷如图7所示。比例系数M

表1发电机和热源参数参数

1)基于能源枢纽的IES优化运行模型；

首先，假设实际电负荷和热负荷等于其预测值，通过求解确定环境下IES优化调度模型，得到此时IES的总运营成本为$5229.36，其中购电成本为$3220.91，购气成本为$531.68，设备的运行成本为$13.92，自产设施发电发热成本为$1462.86。

综合能源的调度策略如图2所示，储能设施的调度及其SoC动态如图3所示。从图中可以看出，1：00-7：00电力系统的电能来源于电力市场、CHP和GT。此时由于电价较为便宜，IES选择购买更多的电能用于电力需求，剩余的电能一部分用于HP为用户提供热能，另一部分储存在ESU中，以便在高峰时期提供电能。高峰时期电力来源主要是电力批发市场、ESU和GT。另一方面，供热系统中的热能主要来源于GB、CHP和TSU。在1：00-6：00，由于天然气价格较为便宜，IES选择购买天然气，CHP和CH生产的热能一部分供应负荷需求，一部储存在TSU中，以备将来使用。在7：00—12：00，天然气价格开始上涨，IES停止购买天然气，主要由GB和TSU满足用户的热需求。在13：00—21：00，天然气价格开始下降，IES选择购买更多的天然气以生产热能，并将一部分热能储存在TSU中。总体而言，购电量为64.46MWh，购气量为18.42MWh，GT出力为27.56MWh，GB出力为17.69MWh。

2)不确定环境下IES鲁棒优化模型；

假设不确定环境下IES鲁棒优化模型中可信度α＝β＝0.95，通过求解模型，得到IES的总运营成本为$5792.39，其中购电成本为$3341.27，购气成本为$844.00，设备的运行成本为$18.57，自产设施发电发热成本为$1588.55。

多能负荷不确定下综合能源的调度策略如图4所示，储能设施的调度及其SoC动态如图5所示。从两图中可以看出，1：00-7：00电力来源主要是电力批发市场、CHP和GT。高峰时期电力来源主要是电力市场、ESU和GT。另一方面，IES选择在1：00-6：00储存热能，热能主要来源于CHP和GB，8：00-13：00热量主要来源于TSU和GB。总体而言，购电量为66.25MWh，购气量为27.35MWh，GT出力为29.95MWh，GB出力为19.14MWh。与图2相比，IES增加购电、气量，同时增加了GT和GB的出力，以应对多能负荷不确定的风险。通过该能源调度策略，得到IES的总运营成本为$5606.2，其中购电成本为$4023.2，自产设施发电发热成本为$1570.1，设备的运行成本为$12.84。虽然确定环境下IES调度模型下系统的各项成本最低，但是该调度计划是在理想情况下优化结果，在实际的调度过程中，多能负荷的不确定性总是不可避免，确定性调度计算难以应用于实际调度中。在考虑多能负荷不确定性后，通过牺牲一定的运行成本提高了系统的调节能力，增强了系统的鲁棒性，可以有效地应对多能负荷不确定性带来的运营风险。

3)不确定性对系统运行策略的影响；

为了验证所提模型的有效性，本发明选择了不同的不确定场景。场景一，仅考虑了热负荷的不确定性；场景二，仅考虑了电负荷的不确定性；场景三，既考虑了电负荷的不确定性，又考虑了热负荷的不确定性。

表2不同场景下风险规避因子对成本的影响

不同场景下，运营成本和可信度随风险规避因子的变化如表2所示。可以看出，在同一场景下，随着可信度α、β的增大，IES的购电成本、购气成本、系统运行成本均有所增加。这是由于α、β的大小反应了IES风险规避的意识，较小的可信度会使系统的运营成本降低，但同时也意味着IES面临着较高的运行风险。当α、β增大时，IES采取的调度策略较为保守，从而使系统的运行成本增加。本发明所建立的IES模糊优化调度模型考虑的电、热负荷需求的不确定性，其不确定性会影响功率平衡约束，但本模型可选择合适的可信度，将不确定性控制在可接受的范围内，以兼顾系统成本与风险。另一方面，相同的风险偏好下，随着考虑的不确定性增加。预期目标实现的可信度降低。这是由于不确定性增加，IES会面临更复杂的运营风险，可能出现的风险损失也越大。

4)不同优化方法结果对比

本小节将所提出的鲁棒优化模型与确定性模型、传统的鲁棒优化模型(Robustoptimization，RO)、分布式鲁棒优化模型(Distributed robust optimization，DRO)进行对比。DRO分析方法中参数不确定约束满足的概率Φ＝0.9；RO分析方法中现货电价与负荷的预测误差的上限取值为1.64倍的标准差，下限为上限的相反数(变量取值在[μ-1.64σ，μ+1.64σ]区间的概率为90％，其中σ为10％的预测值)。为了更好的对比不同优化方法，本发明所提模型选择可信度α＝β＝0.9的能源交易策略进行对比。4种方法的能源交易策略如图5所示，对不同优化方法得到的交易策略进行IES成本分析，得到的统计结果对比如图5所示。

对比成本可以看出，不确定优化模型会导致IES的运行成本增加，说明不确定性优化方法选择增加一定的成本来提高能源交易的鲁棒性。总体而言，确定性模型的总成本为$5229.36,RO的总成本为$6279.96，DRO的总成本为$6259.46，本发明所提模型的成本为$5729.63。本发明所提出模型比RO和DRO求解的IES运行成本分别减少了$550.33和$529.83，与本发明所提模型相比，RO和DRO得到的能源交易策略过于保守。

以上所述为本发明较佳实施例，对于本领域的普通技术人员而言，根据本发明的教导，在不脱离本发明的原理与精神的情况下，对实施方式所进行的改变、修改、替换和变型仍落入本发明的保护范围之内。