一种多时间尺度实时优化调度方法、系统、设备及介质

技术领域

本发明涉及可再生能源技术领域，特别是涉及一种多时间尺度实时优化调度方法、系统、设备及介质。

背景技术

能源是社会经济运行的动力和基础。每一次工业革命都离不开能源类型和使用方式的革新，其推动着人类社会的发展和进步。近年来，以可再生能源、分布式发电、储能、电动汽车等为代表的新能源技术和以物联网、大数据、云计算、移动互联网等为代表的互联网技术发展迅猛，以“新能源+互联网”为代表的第三次工业革命正在世界范围内发生，成为各国新的战略竞争焦点。能源互联网是以电为核心，利用可再生能源发电技术、信息技术，融合电力网络、天然气网络、供热/冷网络等多种能源形成的异质能源互联共享网络，是促进可再生能源消纳、提高能源使用效率以及实现“双碳”目标的重要途径。

能源互联网作为大规模开发、输送和使用清洁能源的重要平台，是加快能源转型和电力发展方式转变、实现能源清洁低碳、安全高效和可持续发展的根本解决方案。构建能源互联网，一方面可以构筑能源发展新格局，突破资源、时空和环境约束，实现人人享有充足清洁能源、高效利用清洁能源、清洁能源主导人类能源供给；另一方面可以激发经济增长新活力，增强发展动力、释放创新红利、推动合作共赢、促进经济协调发展；同时还可以创造人类社会美好新生活，改善自然环境，实现生态可持续发展，推动人类和谐发展，促进文明升级。

能源互联网多能互补、协同运行能够有效提高能源的综合利用，不仅可促进可再生能源的消纳，而且能有效降低用能成本，提高用能可靠性。因此，多能互补、协同成为未来新一代能源系统的重要选择。电热耦合多能流系统是多能互补协同的重要形式，在很多地区普遍存在并持续发展。因此，对于电热耦合多能流系统而言，耦合程度和相互作用机制将更加复杂，对调度运行提出了更高的要求。现有技术中的电热单独系统的调度方法无法考虑电热系统的耦合作用机制以及多时间尺度特征，不能提供有效的调度方法。

发明内容

本发明的目的是提供一种多时间尺度实时优化调度方法、系统、设备及介质，以提供有效的调度，进而提高用能可靠性。

为实现上述目的，本发明提供了如下方案：

一种多时间尺度实时优化调度方法，所述调度方法包括：

获取电热耦合多能流系统当前时刻的机组数据和当前时刻的荷侧数据；所述机组数据包括：风电机组出力数据和光电机组出力数据；所述荷侧数据包括电负荷数据和热负荷数据；

将当前时刻的机组数据和当前时刻的荷侧数据输入至优化调度模型，预测下一时刻的调度方案；所述调度方案用于对电热耦合多能流系统中的风电机组和光电机组分配出力和对输电用能进行分配；

其中，所述优化调度模型包括：第一优化调度模型、第二优化调度模型和第三优化调度模型；

所述第一优化调度模型根据第一历史数据预测第一时段的调度方案；

所述第一历史数据包括第一历史时段的机组数据和第一历史时段的荷侧数据；所述第一时段为所述第一历史时段未来的一段时间，且所述第一历史时段与所述第一时段连续；

所述第二优化调度模型根据第二历史数据预测第二时段的调度方案；所述第二时段的调度方案用于对所述第一时段的调度方案进行更新，得到第一时段的更新调度方案；

所述第二历史数据包括第一历史时段的机组数据、第二历史时段的机组数据和第二历史时段的荷侧数据；所述第二时段为所述第一时段内的一段时间，且所述第二时段与所述第一时段的开始时刻相同；所述第二历史时段为所述第一历史时段内的一段时间，且与所述第一历史时段的结束时刻相同；

所述第三优化调度模型根据第三历史数据预测第三时段的调度方案；所述第三时段的调度方案用于对所述第一时段的更新调度方案再次更新，得到第一时段的最终调度方案；

所述第三历史数据包括第一历史时段的机组数据、第三历史时段的机组数据和第三历史时段的荷侧数据；所述第三时段为所述第一历史时段的结束时刻的下一时刻；所述第三历史时段为所述第二历史时段内的一段时间，且与所述第二历史时段的结束时刻相同；

其中，下一时刻的调度方案是根据所述第一时段的最终调度方案确定的。

可选地，所述第一优化调度模型包括第一目标函数和第一约束条件；

第一时段的调度方案的预测方法为：

将第一历史数据输入所述第一目标函数和所述第一约束条件，以电热耦合多能流系统的第一成本最小为目标进行求解，得到第一时段的调度方案；所述第一成本包括：火电机组耗煤成本、火电机组启停成本、风电弃风损失成本、光伏弃光损失成本、电热耦合系统购电成本、电热耦合系统购气成本和第一历史时段负荷响应调用成本；

所述第二优化调度模型包括第二目标函数和第二约束条件；

第二时段的调度方案的预测方法为：

将第二历史数据输入所述第二目标函数和所述第二约束条件，以电热耦合多能流系统的第二成本最小为目标进行求解，得到第二时段的调度方案；所述第二成本包括：火电机组耗煤成本、第二历史时段风电弃风损失成本、第二历史时段光伏弃光损失成本、电热耦合系统购电成本、电热耦合系统购气成本和第二历史时段负荷响应调用成本；

所述第三优化调度模型包括第三目标函数和第三约束条件；

第三时段的调度方案的预测方法为：

将第三历史数据输入所述第三目标函数和所述第三约束条件，以电热耦合多能流系统的第三成本最小为目标进行求解，得到第三时段的调度方案；所述第三成本包括：风电弃风损失成本、光伏弃光损失成本、电热耦合系统购电成本、电热耦合系统购气成本和第三历史时段负荷响应调用成本。

可选地，所述第一目标函数为：

f

所述第二目标函数为：

f

所述第三目标函数为：

f

其中，f

可选地，所述第一约束条件包括：第一功率平衡约束；所述第二约束条件包括：第二功率平衡约束；所述第三约束条件包括：第三功率平衡约束；

所述第一功率平衡约束为：

所述第二功率平衡约束为：

所述第三功率平衡约束为：

其中，t为时刻；i为序号；P

可选地，所述所述第一约束条件还包括：第一火电机组爬坡约束；所述第二约束条件还包括：第二火电机组爬坡约束；

所述第一火电机组爬坡约束为：

|E

所述第二火电机组爬坡约束为：

|E

其中，E

一种多时间尺度实时优化调度系统，所述调度系统包括：

获取数据模块，用于获取电热耦合多能流系统当前时刻的机组数据和当前时刻的荷侧数据；所述机组数据包括：风电机组出力数据和光电机组出力数据；所述荷侧数据包括电负荷数据和热负荷数据；

方案确定模块，用于将当前时刻的机组数据和当前时刻的荷侧数据输入至优化调度模型，预测下一时刻的调度方案；所述调度方案用于对电热耦合多能流系统中的风电机组和光电机组分配出力和对输电用能进行分配；

其中，所述优化调度模型包括：第一优化调度模型、第二优化调度模型和第三优化调度模型；

所述第一优化调度模型根据第一历史数据预测第一时段的调度方案；

所述第一历史数据包括第一历史时段的机组数据和第一历史时段的荷侧数据；所述第一时段为所述第一历史时段未来的一段时间，且所述第一历史时段与所述第一时段连续；

所述第二优化调度模型根据第二历史数据预测第二时段的调度方案；所述第二时段的调度方案用于对所述第一时段的调度方案进行更新，得到第一时段的更新调度方案；

所述第二历史数据包括第一历史时段的机组数据、第二历史时段的机组数据和第二历史时段的荷侧数据；所述第二时段为所述第一时段内的一段时间，且所述第二时段与所述第一时段的开始时刻相同；所述第二历史时段为所述第一历史时段内的一段时间，且与所述第一历史时段的结束时刻相同；

所述第三优化调度模型根据第三历史数据预测第三时段的调度方案；所述第三时段的调度方案用于对所述第一时段的更新调度方案再次更新，得到第一时段的最终调度方案；

所述第三历史数据包括第一历史时段的机组数据、第三历史时段的机组数据和第三历史时段的荷侧数据；所述第三时段为所述第一历史时段的结束时刻的下一时刻；所述第三历史时段为所述第二历史时段内的一段时间，且与所述第二历史时段的结束时刻相同；

其中，下一时刻的调度方案是根据所述第一时段的最终调度方案确定的。

一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行如上述中任意一项所述的多时间尺度实时优化调度方法。

一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如上述中任意一项所述的多时间尺度实时优化调度方法。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供了一种多时间尺度实时优化调度方法、系统、设备及介质，该调度方法通过获取电热耦合多能流系统当前时刻的机组数据和当前时刻的荷侧数据；然后将当前时刻的机组数据和当前时刻的荷侧数据输入至优化调度模型，预测下一时刻的调度方案，该预测调度方案用于对电热耦合多能流系统中的风电机组和光电机组分配出力和对输电用能进行分配；由于优化调度模型包括第一优化调度模型、第二优化调度模型和第三优化调度模型；第一优化调度模型预测第一时段的调度方案；第二优化调度模型预测的第二时段的调度方案，然后第二时段的调度方案对第一时段的调度方案进行更新，得到第一时段的更新调度方案；第三优化调度模型预测的第三时段的调度方案对第一时段的更新调度方案再次更新，得到第一时段的最终调度方案；而下一时刻的调度方案是根据第一时段的最终调度方案确定的；由于采用了多时段的预测调度方案，即多时间尺度的调度，并不断的进行调度更新，以提高预测准确，因此，本发明能够提供有效的调度，进而提高用能可靠性。

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为本发明实施例提供的多时间尺度实时优化调度方法的流程图；

图2为本发明实施例提供的多时间尺度实时优化调度系统的结构图；

图3为本发明实施例提供的电热耦合系统的结构图。

符号说明：

获取数据模块-1、方案确定模块-2。

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做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。

本发明的目的是提供一种多时间尺度实时优化调度方法、系统、设备及介质，以提供有效的调度，进而提高用能可靠性。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例1

如图1所示，本发明实施例提供了一种多时间尺度实时优化调度方法，该调度方法包括：

步骤100：获取电热耦合多能流系统当前时刻的机组数据和当前时刻的荷侧数据；机组数据包括：风电机组出力数据和光电机组出力数据；荷侧数据包括电负荷数据和热负荷数据。

步骤200：将当前时刻的机组数据和当前时刻的荷侧数据输入至优化调度模型，预测下一时刻的调度方案；调度方案用于对电热耦合多能流系统中的风电机组和光电机组分配出力以及对输电用能进行分配。

其中，优化调度模型包括：第一优化调度模型、第二优化调度模型和第三优化调度模型；第一优化调度模型根据第一历史数据预测第一时段的调度方案；第一历史数据包括第一历史时段的机组数据和第一历史时段的荷侧数据；第一时段为第一历史时段未来的一段时间，且第一历史时段与第一时段连续。

第二优化调度模型根据第二历史数据预测第二时段的调度方案；第二时段的调度方案用于对第一时段的调度方案进行更新，得到第一时段的更新调度方案。第二历史数据包括第一历史时段的机组数据、第二历史时段的机组数据和第二历史时段的荷侧数据；第二时段为第一时段内的一段时间，且第二时段与第一时段的开始时刻相同；第二历史时段为第一历史时段内的一段时间，且与第一历史时段的结束时刻相同。

第三优化调度模型根据第三历史数据预测第三时段的调度方案；第三时段的调度方案用于对第一时段的更新调度方案再次更新，得到第一时段的最终调度方案。第三历史数据包括第一历史时段的机组数据、第三历史时段的机组数据和第三历史时段的荷侧数据；第三时段为第一历史时段的结束时刻的下一时刻；第三历史时段为第二历史时段内的一段时间，且与第二历史时段的结束时刻相同。

其中，下一时刻的调度方案是根据第一时段的最终调度方案确定的。

具体地，第一优化调度模型包括第一目标函数和第一约束条件；第一时段的调度方案的预测方法为：

将第一历史数据输入第一目标函数和第一约束条件，以电热耦合多能流系统的第一成本最小为目标进行求解，得到第一时段的调度方案；第一成本包括：火电机组耗煤成本、火电机组启停成本、风电弃风损失成本、光伏弃光损失成本、电热耦合系统购电成本、电热耦合系统购气成本和第一历史时段负荷响应调用成本。

第二优化调度模型包括第二目标函数和第二约束条件；第二时段的调度方案的预测方法为：

将第二历史数据输入第二目标函数和第二约束条件，以电热耦合多能流系统的第二成本最小为目标进行求解，得到第二时段的调度方案；第二成本包括：火电机组耗煤成本、第二历史时段风电弃风损失成本、第二历史时段光伏弃光损失成本、电热耦合系统购电成本、电热耦合系统购气成本和第二历史时段负荷响应调用成本。

第三优化调度模型包括第三目标函数和第三约束条件；第三时段的调度方案的预测方法为：

将第三历史数据输入第三目标函数和所述第三约束条件，以电热耦合多能流系统的第三成本最小为目标进行求解，得到第三时段的调度方案；第三成本包括：风电弃风损失成本、光伏弃光损失成本、电热耦合系统购电成本、电热耦合系统购气成本和第三历史时段负荷响应调用成本。

进一步地，第一目标函数为：

f

第二目标函数为：

f

第三目标函数为：

f

其中，f

其中：

/>

其中，P

第一约束条件包括：第一功率平衡约束；第二约束条件包括：第二功率平衡约束；第三约束条件包括：第三功率平衡约束。

第一功率平衡约束为：

第二功率平衡约束为：

第三功率平衡约束为：

其中，t为时刻；i为火电机组的序号；P

第一约束条件还包括：第一火电机组爬坡约束；第二约束条件还包括：第二火电机组爬坡约束。

第一火电机组爬坡约束为：

|E

第二火电机组爬坡约束为：

|E

其中，E

第一约束条件、第二约束条件和第三约束条件，均还包括下列各限值约束，具体如下：

火电机组出力限值约束：

S

风电机组出力限值约束：

光伏发电出力限值约束：

燃气轮机电出力限值约束：

P

燃气轮机热出力限值约束：

Q

电锅炉热出力限值约束：

0≤Q

太阳能热泵热出力限值约束：

0≤Q

电力系统节点电压限值约束：

U

电力系统输电线路传输功率约束：

|P

供热系统中管道流量约束：

m

供热系统中管道压力约束：

p

供热系统中出口温度约束：

T

储电装置功率限值约束：

P

储热装置热功率限值约束：

Q

一个调度周期内，储电装置的起始与终止电量相同约束为：

E

一个调度周期内，储热装置的起始与终止热量相同约束为：

E

燃气轮机爬坡约束：

实施例2

如图2所示，本发明实施例提供了一种多时间尺度实时优化调度系统，该调度系统包括：获取数据模块1和方案确定模块2。

获取数据模块1用于获取电热耦合多能流系统当前时刻的机组数据和当前时刻的荷侧数据；机组数据包括：风电机组出力数据和光电机组出力数据；荷侧数据包括电负荷数据和热负荷数据。

方案确定模块2用于将当前时刻的机组数据和当前时刻的荷侧数据输入至优化调度模型，预测下一时刻的调度方案；调度方案用于对电热耦合多能流系统中的风电机组和光电机组分配出力以及对输电用能进行分配。

其中，优化调度模型包括：第一优化调度模型、第二优化调度模型和第三优化调度模型；第一优化调度模型根据第一历史数据预测第一时段的调度方案；第一历史数据包括第一历史时段的机组数据和第一历史时段的荷侧数据；第一时段为所述第一历史时段未来的一段时间，且第一历史时段与所述第一时段连续。

第二优化调度模型根据第二历史数据预测第二时段的调度方案；第二时段的调度方案用于对第一时段的调度方案进行更新，得到第一时段的更新调度方案；第二历史数据包括第一历史时段的机组数据、第二历史时段的机组数据和第二历史时段的荷侧数据；第二时段为第一时段内的一段时间，且第二时段与第一时段的开始时刻相同；第二历史时段为第一历史时段内的一段时间，且与第一历史时段的结束时刻相同。

第三优化调度模型根据第三历史数据预测第三时段的调度方案；第三时段的调度方案用于对第一时段的更新调度方案再次更新，得到第一时段的最终调度方案；第三历史数据包括第一历史时段的机组数据、第三历史时段的机组数据和第三历史时段的荷侧数据；第三时段为所述第一历史时段的结束时刻的下一时刻；第三历史时段为第二历史时段内的一段时间，且与第二历史时段的结束时刻相同。

其中，下一时刻的调度方案是根据第一时段的最终调度方案确定的。

在实际应用中，第一时段的调度方案的周期为24h，时间尺度为1h；第二时段的调度方案的周期为4h，时间尺度电力系统为15min，供热系统为30min；第三时段的调度方案的周期为15min，时间尺度为5min，此时仅电力系统进行调度，而供热系统不参与实时的调度。多时间尺度调度过程中，第一时段的调度一日仅进行一次调度，获得时间尺度为1h的调度计划，为第二时段的调度提供确定性的调度方案，如火电机组启停计划、电力市场机制下可调节的灵活性负荷资源；第二时段的调度采用滚动的方法推进调度计划，采用15min的时间尺度进行优化后4h的调度计划方案，每隔15min推进一次，获得后4h的调度计划方案，依此类推；第三时段的调度，即实时调度采用滚动的方法推进调度计划，采用5min的时间尺度进行优化后15min的调度计划方案，每隔5min推进一次，获得后15min的调度计划方案，依此类推。

由于电热耦合系统中电力系统与供热系统的惯性差异大，在调度模型优化过程中，第二时段调度和第三时段调度的模型计算过程中，采用不同的时间长度以提高电热耦合系统的计算效率。电热耦合多能流系统进行优化调度时，与单一的电力系统或供热系统相比，优化调度模型复杂，且电热之间的耦合程度较深，相互作用机制强，对优化调度有一定的难度，特别是实时优化调度。为此，本发明充分利用了供热系统惯性大，特别是热力系统，提出了供热系统采用30min的时间尺度进行调度，联合电力系统完成电热耦合系统的实时调度。

如图3所示，电热耦合多能流系统由源网荷储构成，源侧电力系统包括公共电源、火电机组G、风电机组WT、光伏发电PV、燃气热电联产机组GT组成，供热系统包括公共气源、燃气热电联产机组GT、电锅炉EB以及太阳能热泵SHP组成，其中GT作为电热的耦合元件；网侧包括电网和热网；荷侧包括电负荷和热负荷；储侧包括电储能装置和热储能装置。电能通过电网将发电设备、电负荷、电储装置、能源转换设备以及公共电源连接起来。其中，发电设备包括活力发电、风力发电、光伏发电以及燃气热电联产机组；电储能装置为蓄电池；能源转换设备包括电锅炉和太阳能热泵。热能通过热网将供热装置、热负荷、热储能装置、能源转换设备以及公共气源连接起来。其中，供热装置包括燃气热电联产机组、电锅炉和太阳能热泵；热储能装置为储热罐；能源转换设备包括电锅炉和太阳能热泵。

根据图3提供的电热耦合多能流能源系统结构，建立多时间尺度的优化调度模型，以运行成本最小为目标，完成电热耦合多能流系统的实时调度计划，实现整个系统经济运行。

本发明还提供了一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行如实施例1中任意一项多时间尺度实时优化调度方法。

本发明还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现如实施例1中任意一项的多时间尺度实时优化调度方法。

本发明综合考虑风力发电、光伏发电以及电负荷和热负荷日前预测数据的精度不足的缺陷以及电力系统和供热系统状态变量响应速度的差异，结合电力市场机制的负荷灵活性资源，发明构建三阶段的多时间尺度调度方法，通过三阶段的多时间尺度调度，提高调度系统的精细化管理水平，在保证电热耦合系统的运行可靠性的同时，提高了整个电热耦合系统的运行经济性。

本发明可以实现电热耦合多能流系统的实时优化运行，同时考虑了电热耦合系统中电力系统与供热系统的本质区别。在实际应用进行优化调度过程中，供热系统的计算最小步长为30min，而电力系统的最小步长则达到了5min，能够有效提高整个电热耦合多能流系统的计算效率，保证了电热耦合多能流系统的实时调度运行。同时，电热耦合多能流系统多时间尺度调度过程中考虑了电热系统间的耦合特性与相互作用，提高了整个系统的运行可靠性。多时间尺度调度过程中，以系统运行成本最小为目标，也考虑到最大限度地利用风光可再生资源，实现清洁能源的消纳水平，在满足经济性的同时，实现了能源的低碳化利用。通过多时间尺度的调度，能实现电热耦合系统运行优化更加合理，从而达到电热耦合多能流系统的可靠、经济、低碳运行。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。