用于多社区综合能源系统协同运行的自适应优化方法

技术领域

本发明涉及综合能源系统的技术领域，尤其是指一种用于多社区综合能源系统协同运行的自适应优化方法。

背景技术

近年来，随着光伏、风力发电等分布式能源资源的迅猛增长，极大地推动了能源系统的快速转型，逐渐转向以可再生能源为基础的分布式系统，在这一系统中，用户直接参与到能源的生产、消费、转换和交易等各个环节。因此，社区综合能源系统日益受到人们的瞩目，被认为是实现能源转型成功的关键所在。鉴于单个社区综合能源系统的空间、规模和功能的局限性，将能源管理范式从单个社区综合能源系统转变为多社区综合能源系统的协调能源管理是一个值得关注的研究重点。为了实现具有不同配置和偏好的社区之间的协调运行，在多社区综合能源系统中建立能量共享机制是一种有效途径，促进了可再生能源资源的利用，并进一步降低了社区峰值电力需求和系统运行成本。

针对多社区综合能源系统的协同优化调度问题，国内外已有一些研究报道。但是目前的大多数研究都忽略了电力变压器负载能力的重要性。许多针对多社区综合能源系统协同优化方式的前提都是基于电网传输的电能似乎无穷无尽。然而，随着电力需求的持续增长和分布式能源资源的广泛接入，电力变压器过载的风险日益凸显。作为配电网中的核心基础设施，电力变压器在过载状态下长时间运行会加速其老化过程，不仅缩短其使用寿命，还会带来巨大的经济损失。因此，采取切实有效的措施来预防电力变压器过载，对于保障电网的安全稳定运行具有极其重要的现实意义。

目前对多社区综合能源系统进行优化调度的方式主要分为集中式和分布式两类。集中式优化需要将系统中所有社区的各种数据传输到控制中心进行统一调度，通信量和计算量巨大，并且会损害参与者的数据隐私，所以大部分学者采用分布式算法进行研究，各利益主体仅与其它主体交互必要的信息进行自主优化，保证各主体的隐私安全。但分布式算法是一个迭代优化过程，其收敛速度受算法参数初值选择的影响。

发明内容

本发明的目的在于克服现有技术的不足与缺点，提出了一种用于多社区综合能源系统协同运行的自适应优化方法，可以实现整体系统运行的安全性和经济性的同时兼顾各社区的隐私和利益。

为实现上述目的，本发明所提供的技术方案为：用于多社区综合能源系统协同运行的自适应优化方法，包括以下步骤：

1)建立电力变压器安全运行的可行域，用于评估电力变压器的负载能力；

2)建立多社区综合能源系统的滚动优化调度模型，以系统的总运行成本最小为目标函数，施加社区运行约束条件，包括热电联产机组运行约束、电锅炉运行约束、燃气锅炉运行约束、电储能运行约束、热储能运行约束、可平移负荷约束、能量共享约束、电力变压器运行约束和能量平衡约束；其中，电力变压器的运行约束是基于步骤1)中确定的电力变压器的可行域来设定的，以确保电力变压器的安全运行；

3)使用改进的自适应ADMM算法，对所述滚动优化调度模型进行分布式迭代优化，得到最优调度策略；其中，ADMM为交替方向乘子法，改进的自适应ADMM算法中具体的改进为：提出一种自适应的谱惩罚因子，即惩罚因子的更新方式，自动根据当前状态选择合适的值，以有效减少惩罚因子的选择及其初始值对算法的影响，加速ADMM的寻优过程。

进一步，所述电力变压器的可行域是指满足所有电流和温度的限制，即C&T限制的所有可能的负载范围，即电力变压器能够在可行域内安全运行；其中，可行域的构建过程如下：

1)将C&T限制转换为等效的最大稳态负载，建立最大稳态负载和环境温度之间关系，方法如下：给定一个环境温度和一个稳态负载的初始值，根据IEC60076标准计算该稳态负载下的热点温度HST和顶层油温TOT，并逐渐增加负载，直到HST和TOT达到C&T限制；

2)根据上述建立的最大稳态负载和环境温度的关系，将HST、TOT温度限制值转换为每个环境温度下对应的最大负载值，取电流、HST和TOT限制值相对应的最大负载值当中的最小值作为电力变压器在该环境温度下的安全运行的最大负载；

3)根据调度周期内预测的气温曲线，选定电力变压器的C&T限制值，获得每个时刻的温度对应的安全运行的最大负载，最大负载以下的区域即为电力变压器安全运行的可行域。

进一步，建立多社区综合能源系统的滚动优化调度模型，具体包括：

1)以多社区综合能源系统的总运行成本最小为目标函数，即各个社区的运行成本之和最小，其中包括电力和天然气购买成本，目标函数表达式如下：

式中，F为系统的总运行成本，i为社区编号，t为调度时刻，

2)施加社区运行约束条件，包括热电联产机组运行约束、电锅炉运行约束、燃气锅炉运行约束、电储能运行约束、热储能运行约束、可平移负荷约束、能量共享约束、电力变压器运行约束和能量平衡约束；

所述热电联产机组运行约束为：

式中，

所述电锅炉运行约束为：

式中，

所述燃气锅炉运行约束为：

式中，

所述电储能运行约束为：

式中，

所述热储能运行约束为：

式中，

所述可平移负荷约束为：

式中，

所述能量共享约束为：

式中，

所述电力变压器运行约束为：

式中，P

所述能量平衡约束为：

式中，

进一步，使用改进的自适应ADMM算法对所述滚动优化调度模型进行分布式迭代优化，具体包括：

1)通过引入辅助变量对能量共享、电力变压器运行等耦合约束进行解耦，表示为：

式中，

2)将滚动优化调度模型转换为紧凑型形式，表示为：

minF(P)+D(W)

s.t.AP＝W

式中，D为辅助函数，D(W)＝0，P为决策变量的集合，其中决策变量包括

3)对上述滚动优化调度模型的紧凑型形式建立其增广拉格朗日方程为：

式中，L

进一步，使用改进的自适应ADMM算法对所述滚动优化调度模型进行分布式迭代优化，包括如下步骤：

1)每个社区的能量管理系统独立并行求解各自的自治优化子问题，表示为：

式中，k表示当前迭代次数，P

2)根据各个社区的优化结果，电力变压器对辅助变量进行更新，表示为：

式中，P

3)协调者基于社区和电力变压器的更新信息，协调两者的运行，并对拉格朗日乘子进行迭代求解，表示为：

λ

式中，λ

4)计算下一次迭代的自适应的谱惩罚因子值ρ

5)对优化结果进行判断是否满足条件，若优化结果的原始残差和对偶残差分别小于设定阈值，则判断此时达到最优调度策略，输出优化结果；若优化结果未满足条件，则迭代次数加一，重复上述步骤1)-4)，直至满足条件。

进一步，所述自适应的谱惩罚因子计算过程为：

Δλ

式中，

进一步，对优化结果进行判断是否满足条件，其中该条件为：

||r

||d

式中，r

本发明与现有技术相比，具有如下优点与有益效果：

1、本发明方法建立了电力变压器的可行域，可作为防止电力变压器过载的安全运行参考。

2、本发明方法可协调社区间的能量共享，提高多社区综合能源系统的可再生能源消纳并降低系统的总运行成本。

3、本发明方法考虑了电力变压器的安全运行，可以有效避免电力变压器过载的问题。

4、本发明方法提出的基于谱惩罚因子的自适应ADMM算法，可以随着迭代过程和计算情况自适应地调整惩罚因子，加快分布式优化的收敛速度，提高计算效率，并能有效避免初值选择的问题，提高算法的鲁棒性。

附图说明

图1为本发明方法的流程图。

图2为多社区综合能源系统的拓扑图。

图3为电力变压器最大稳态负载和环境温度之间关系图。

图4为电力变压器的可行域图。

图5为电力变压器的功率曲线图。

图6为本发明在调度周期内基于ADMM、RBADMM和自适应ADMM算法的迭代次数图。

图7为本发明在不同初始惩罚参数值下基于ADMM、RBADMM和自适应ADMM算法的迭代次数曲线图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

参照图1所述，本实施例提供了一种用于多社区综合能源系统协同运行的自适应优化方法，具体包括：

1、建立电力变压器安全运行的可行域，用于评估电力变压器的负载能力；

2、根据图2所示的多社区综合能源系统的拓扑图，建立多社区综合能源系统的滚动优化调度模型，以系统的总运行成本最小为目标函数，施加社区运行约束条件，包括热电联产机组运行约束、电锅炉运行约束、燃气锅炉运行约束、电储能运行约束、热储能运行约束、可平移负荷约束、能量共享约束、电力变压器运行约束和能量平衡约束；

3、以一天内的24小时为调度周期，使用改进的自适应ADMM算法，对所述滚动优化调度模型进行分布式迭代优化，得到最优调度策略。

在本发明实施例中，电力变压器可行域的构建过程为：

1)将C&T限制转换为等效的最大稳态负载，建立最大稳态负载和环境温度之间关系，方法如下：给定一个环境温度和一个初始值，根据IEC60076标准计算该稳态负载下的热点温度HST和顶层油温TOT，并逐渐增加负载，直到HST和TOT达到C&T限制；

2)根据上述建立的最大稳态负载和环境温度的关系，该关系如图3所示。将HST、TOT温度限制值转换为每个环境温度下对应的最大负载值，取电流、HST和TOT限制值相对应的最大负载值当中的最小值作为电力变压器在该环境温度下的安全运行的最大负载。

3)根据调度周期内预测的气温曲线，选定电力变压器的C&T限制值，获得每个时刻的温度对应的安全运行的最大负载，最大负载以下的区域即为电力变压器安全运行的可行域，如图4所示。

多社区综合能源系统的滚动优化调度模型，具体包括：

1)以多社区综合能源系统的总运行成本最小为目标函数，即各个社区的运行成本之和最小，其中包括电力和天然气购买成本，目标函数表达式如下：

式中，F为系统的总运行成本，i为社区编号，t为调度时刻，

2)施加社区运行约束条件，包括热电联产机组运行约束、电锅炉运行约束、燃气锅炉运行约束、电储能运行约束、热储能运行约束、可平移负荷约束、能量共享约束、电力变压器运行约束和能量平衡约束；

所述热电联产机组运行约束为：

式中，

所述电锅炉运行约束为：

式中，

所述燃气锅炉运行约束为：

式中，

所述电储能运行约束为：

式中，

所述热储能运行约束为：

式中，

所述可平移负荷约束为：

式中，

所述能量共享约束为：

式中，

所述电力变压器运行约束为：

式中，P

所述能量平衡约束为：

式中，

在本实施例中，基于上述目标函数以及运行约束条件构建的多社区综合能源系统的滚动优化调度模型，使用改进的自适应ADMM算法，对所述的滚动优化调度模型进行分布式迭代优化，具体包括：

1)通过引入辅助变量对能量共享、电力变压器运行等耦合约束进行解耦，表示为：

式中，

2)将滚动优化调度模型转换为紧凑型形式，表示为：

minF(P)+D(W)

s.t.AP＝W

式中，D为辅助函数，D(W)＝0，P为决策变量的集合，其中决策变量包括

3)对上述滚动优化调度模型的紧凑型形式建立其增广拉格朗日方程为：

式中，L

使用改进的自适应ADMM算法对所述的滚动优化调度模型进行分布式迭代优化，包括如下步骤：

1)每个社区的能量管理系统独立并行求解各自的自治优化子问题，表示为：

式中，k表示当前迭代次数，P

2)根据各个社区的优化结果，电力变压器对辅助变量进行更新，表示为：

式中，P

3)协调者基于社区和电力变压器的更新信息，协调两者的运行，并对拉格朗日乘子进行迭代求解，表示为：

λ

式中，λ

4)计算下一次迭代的自适应的谱惩罚因子值ρ

5)对优化结果进行判断是否满足条件，若优化结果的原始残差和对偶残差分别小于设定阈值，则判断此时达到最优调度策略，输出优化结果；若优化结果未满足条件，则迭代次数加一，重复上述步骤1)-4)，直至满足条件。

其中，自适应的谱惩罚因子计算过程为：

Δλ

式中，

其中，对优化结果进行判断是否满足条件，其中该条件为：

||r

||d

式中，r

本实施例以图2所示的多社区综合能源系统为算例，使用基于MATLAB的建模工具Yalmip并调用CPLEX求解器对本模型进行求解。具体实施中，收敛标准∈

表1优化结果

表1展示了在自治优化和协同优化两种模式下的优化结果。由表1可知，在协同运行模式下，总运行成本比自治优化模式降低了7.55％，表明本发明提出的协同优化模式在考虑能量共享的前提下可以提高社会的经济效益。此外，考虑能量共享的协同优化模式下可再生能源容纳率比自治优化模式下提高了34.9％，这说明能量共享可以提高系统内的可再生能源利用率，减少社区从电网的购能量，从而降低系统的运行成本。

图5展示了自治优化和考虑能量共享的协同优化下的电力变压器功率曲线。上下虚线之间的区域表示电力变压器的可行区域，阴影区域近似表示电力变压器的过载程度。如图5所示，在自治优化模式下，电力变压器在3:00-5:00和16:00出现严重过载。而考虑能量共享的协同优化模式下的负载线低于自治优化的负载线，电力变压器在调度周期内持续运行在可行区域内，这表明通过系统的能量共享与协同优化可以成功避免电力变压器的过载问题。

为了分析所提出的自适应ADMM的有效性，分别利用ADMM、RBADMM和自适应ADMM算法对模型进行求解，其中RBADMM为残差平衡ADMM，各个方法的特点如下所示。

1)ADMM：惩罚因子ρ

2)RBADMM：惩罚因子ρ

3)自适应ADMM：惩罚因子ρ

如图6所示，RBADMM的收敛性能并不稳定。虽然RBADMM在某些时间段，如4:00-6:00、8:00-9:00和12:00-13:00，可以加快收敛速度，但在其它时间段，如1:00-3:00、7:00、10:00-11:00和14:00-17:00，却无法在5000次迭代内收敛。相比之下，自适应ADMM算法所需的迭代次数是三种方法中最少的，自适应ADMM算法在收敛速度上具有明显优势。此外，随着每小时调度的完成，滚动时域向前移动，优化问题的规模逐渐缩小。在20:00-24:00期间，优化时域仅从4小时缩短到1小时。三种方法的收敛速度都很快，而且很接近，这说明了自适应ADMM在解决不同规模的问题时，收敛速度能保持稳定。

图7反映了在考虑能量共享的协同优化模式下采用不同初始惩罚参数值基于ADMM、RBADMM和自适应ADMM分布式优化的迭代次数。如图7所示，几乎在所有情况下，自适应ADMM的迭代次数都少于ADMM和RBADMM。ADMM的曲线变化很大，表明ADMM的收敛速度对初始惩罚因子的选择非常敏感。此外，由图5可知，本算例的最佳惩罚因子介于10

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其它的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。