一种城市区域综合能源智能体多能流优化与控制方法

技术领域

本发明涉及能源优化控制技术领域，特别是涉及一种城市区域综合能源智能体多能流优化与控制方法。

背景技术

综合能源系统是指一定区域内利用先进的物理信息技术和创新管理模式，整合区域内电能、天然气、热能等多种能源，实现多种异质能源子系统之间的协调规划、优化运行，协同管理、交互响应和互补互济，在满足系统内多元化用能需求的同时，要有效地提升能源利用效率，促进能源可持续发展的新型一体化的能源系统。综合能源系统是集发用储耦合设备于一体的能源系统，主要包括热电联产机组、电储能、光伏发电、燃气锅炉、用能设备等，其中电负荷包括空调、照明、动力等，气负荷和热负荷分别包括居民燃气和居民供暖等。

城市区域综合能源系统多能流的优化控制是一个多种能源耦合、多时间尺度以及多个运行目标的复杂问题。现有技术中对于多能流城市区域综合能源系统的优化控制策略大多是“以电定热”或者“以热定电”的运行基础上，使得系统对设备控制的灵活性有所局限；对于优化控制算法方面，智能优化算法对多能流城市区域综合能源系统进行优化控制时，容易陷入局部最优，使得结果很难最优；大多数优化控制仅是针对电源侧，对于需求侧的调度与管理方面缺乏考虑；以及只考虑系统中可再生能源单元与电网的交互功率问题，对可再生能源的消纳问题并无考虑。综上所述，如何合理应用能源、负荷的预测数据，选择合理的时间尺度对系统内设备建模，确定合理的调度策略，明确优化目标，建立系统能量管理类与仿真模型十分关键。因此，亟需一种城市区域综合能源智能体多能流优化与控制方法。

发明内容

本发明的目的是为了克服现有技术的不足，提供一种城市区域综合能源智能体多能流优化与控制方法，通过确定优化目标和约束条件，结合智能体构建优化模型，进一步得到优化策略进行综合能源系统的优化控制，能够为城市能源规划与发展提供科学依据。

实现上述目的的一种技术方案是：一种城市区域综合能源智能体多能流优化与控制方法，其特征在于，包括：

采集监测城市区域的综合能源系统实时状态信息；

将所述实时状态信息输入预设的优化模型中，获取优化策略，并基于所述优化策略对所述综合能源系统的工作进行控制。

进一步的，所述优化模型通过数据集训练获得，所述数据集包括预设周期内所述综合能源系统的状态信息，所述优化模型基于综合能源系统的优化目标和约束条件构建。

进一步的，所述状态信息包括：动态信息和静态信息。

进一步的，所述动态信息包括综合能源系统的电力系统数据、天然气系统数据、热力系统数据和新能源系统数据；所述静态信息包括综合能源系统中各设备参数、综合能源系统的网络拓扑和外部参数。

进一步的，通过数据集训练所述优化模型之前还包括对所述数据集进行预处理，进行所述预处理包括：

将所述状态信息按时间序列进行对齐，组成序列集；

并对所述序列集进行异常值清洗和剔除、缺失值补齐，完成所述数据集的预处理。

进一步的，构建所述优化模型包括：

构建所述综合能源系统中的设备模型；

基于所述设备模型确定所述优化目标和约束条件；

基于所述优化目标和约束条件，构建基于智能体的优化模型。

进一步的，所述综合能源系统中的设备模型包括：

冷热电三联供机组模型：

P

P

P

其中，F

燃气锅炉模型：

P

其中，P

储热罐模型：

其中，S

电制冷机模型：

P

其中，P

分布式光伏发电设备模型：

其中，P

进一步的，所述优化目标为：

其中，C为综合能源系统总运行成本，C

进一步的，所述约束条件为：

其中，

10.根据权利要求6所述的城市区域综合能源智能体多能流优化与控制方法，其特征在于，所述优化模型为：

其中，l表示智能体的集合，S表示有限状态集合，

本发明的有益效果为：

本发明通过建立综合能源系统的设备模型确定优化目标和约束条件，并结合智能体构建优化模型，进一步得到优化策略进行综合能源系统的优化控制，能够为城市能源规划与发展提供科学依据；将综合能源系统运行经济性最优作为优化目标，将综合能源系统的能量平衡，设备出力等作为约束条件，能够得到城市区域内综合能源系统经济性最优的运行方式，为城市综合能源系统提供运行指导。

附图说明

图1为本发明实施例的一种城市区域综合能源智能体多能流优化与控制方法流程图。

具体实施方式

为了能更好地对本发明的技术方案进行理解，下面通过具体地实施例进行详细地说明：

本实施例提供了一种城市区域综合能源智能体多能流优化与控制方法，如图1所示，包括：

采集监测城市区域的综合能源系统实时状态信息；

将实时状态信息输入预设的优化模型中，获取优化策略，并基于优化策略对综合能源系统的工作进行控制，其中，优化模型通过训练集训练获得，训练集包括监测城市区域的综合能源系统历史状态信息，优化模型基于综合能源系统的优化目标和约束条件构建。

本实施例中构建以及训练优化模型的具体过程如下：

步骤1、采集监测城市区域的综合能源系统历史状态信息，构建数据集；

采集预设周期内监测城市区域的综合能源系统历史状态信息，包括动态信息和静态信息，动态信息包括综合能源系统的电力系统数据、天然气系统数据、热力系统数据和新能源系统数据；静态信息包括综合能源系统中各设备参数、综合能源系统的网络拓扑和外部参数。

对历史状态信息进行预处理，包括：将历史状态信息按时间序列进行对齐，组成序列集；并对序列集进行异常值清洗和剔除、缺失值补齐，完成预处理后形成数据集。

步骤2、构建优化模型；

步骤2.1、构建综合能源系统模型；

本实施例中的综合能源系统包括冷热电三联供机组、燃气锅炉、储热罐、电制冷机以及分布式光伏发电等设备，冷热电三联供机组包括燃气轮机发电机、余热回收锅炉和吸收式制冷机。

(1)冷热电三联供机组模型：

P

P

P

其中，F

(2)燃气锅炉模型：

P

其中，P

(3)储热罐模型：

其中，S

(4)电制冷机模型：

P

其中，P

(5)分布式光伏发电设备模型：

其中，P

步骤2.2、确定优化目标和约束条件；

综合能源系统的优化目标为一个调度周期内经济效益和能源利用率最大化，本实施例中的优化目标确定为综合能源系统的耗能费用、监测城市区域的环境治理成本、以及综合能源系统中可再生能源出力未消纳部分的惩罚成本。

综合能源系统总运行成本的目标函数为：

其中，C为综合能源系统总运行成本，C

具体的，综合能源系统的耗能费用为：

C

其中，c

环境治理费用为：

其中，λ

综合能源系统中可再生能源出力未消纳部分的惩罚费用为：

C

其中，c

约束条件为供需平衡，包括电力负荷平衡、热力负荷平衡、天然气网平衡和各种设备装置的平衡等，本实施例中的约束条件为综合能源系统的储能的能量上下限约束、能量平衡约束、设备出力约束等。

其中，

步骤2.3、基于优化目标和约束条件，将综合能源系统的优化问题转化为多智能体强化学习寻求最优控制策略的问题，构建基于多智能体的优化模型，优化模型为：

其中，I表示智能体的集合，S表示有限状态集合，

其中，

步骤3、基于数据集对优化模型进行训练；

设置惩罚项，当优化模型中智能体的供给状态不满足约束条件时，视为惩罚项，将受益直接置零，会使得智能体调整供给策略，在满足供需问题时才会进一步考虑经济效益和能量利用率的问题。

同时考虑多智能体的收益偏差平衡，在学习过程中寻求一个平衡，既保持每个智能体自身对独立奖励的渴望，也保证与其他智能体的收益偏差在一定的范围内。

利用数据集对优化模型进行策略迭代，实现奖励最大化，最终得到综合能源系统中每个功能单元的最优策略行为，实现对供能系统的运行优化。在满足用户需求下，对能源系统调度运行达到最大的经济效益和能源利用。

利用数据集对优化模型进行策略迭代具体包括以下步骤：

步骤3.1、将数据集输入优化模型中，获取优化策略；

步骤3.2、对优化策略进行潮流计算，判定是否出现潮流越线，若是，则将该判定结果反馈至优化模型；若否，则将该判定结果与计算得到的电网输送的电功率以及天然气网输送的天然气量数据反馈至优化模型；

步骤3.3、优化模型根据接收到的反馈信息，通过奖励函数计算奖励值，并将其输入、输出数据存储至经验池中；

步骤3.4、循环重复步骤3.1步骤3.4，直至损失和奖励达到稳定，保存最终优化模型。

本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。