CN115204705A - 考虑电转气存储的区域综合能源系统运行优化方法及应用 - Google Patents
考虑电转气存储的区域综合能源系统运行优化方法及应用 Download PDFInfo
- Publication number
- CN115204705A CN115204705A CN202210872624.7A CN202210872624A CN115204705A CN 115204705 A CN115204705 A CN 115204705A CN 202210872624 A CN202210872624 A CN 202210872624A CN 115204705 A CN115204705 A CN 115204705A
- Authority
- CN
- China
- Prior art keywords
- time
- power
- ries
- output
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000003860 storage Methods 0.000 title claims abstract description 34
- 230000006870 function Effects 0.000 claims abstract description 44
- 230000008901 benefit Effects 0.000 claims abstract description 43
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 43
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 39
- 238000010248 power generation Methods 0.000 claims abstract description 38
- 230000005611 electricity Effects 0.000 claims abstract description 32
- 230000007613 environmental effect Effects 0.000 claims abstract description 5
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 84
- 239000007789 gas Substances 0.000 claims description 74
- 239000003345 natural gas Substances 0.000 claims description 32
- 230000004044 response Effects 0.000 claims description 29
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000010438 heat treatment Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 230000005855 radiation Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 230000009194 climbing Effects 0.000 claims description 9
- 238000007599 discharging Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 239000006096 absorbing agent Substances 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 5
- 239000001257 hydrogen Substances 0.000 claims description 5
- 229910052739 hydrogen Inorganic materials 0.000 claims description 5
- 230000004907 flux Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000009987 spinning Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000005868 electrolysis reaction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 claims description 2
- 238000010521 absorption reaction Methods 0.000 claims description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 2
- 150000001875 compounds Chemical class 0.000 claims description 2
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 239000000446 fuel Substances 0.000 claims description 2
- 239000001301 oxygen Substances 0.000 claims description 2
- 229910052760 oxygen Inorganic materials 0.000 claims description 2
- 238000002310 reflectometry Methods 0.000 claims description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 238000009833 condensation Methods 0.000 claims 4
- 230000005494 condensation Effects 0.000 claims 4
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000000295 complement effect Effects 0.000 abstract description 4
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 18
- 229910002092 carbon dioxide Inorganic materials 0.000 description 9
- 238000011160 research Methods 0.000 description 8
- 238000009826 distribution Methods 0.000 description 7
- 238000010168 coupling process Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000004146 energy storage Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 208000015951 Cytophagic histiocytic panniculitis Diseases 0.000 description 3
- 238000005338 heat storage Methods 0.000 description 3
- 241000711969 Chandipura virus Species 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 241000292547 Taraxacum minimum Species 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 238000013076 uncertainty analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J15/00—Systems for storing electric energy
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for AC mains or AC distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for AC mains or AC distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Power Engineering (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
考虑电转气存储的区域综合能源系统运行优化方法，包括：搭建区域综合能源系统框架；构建区域综合能源系统设备运行模型；构建多目标优化模型；模型求解办法。通过P2G转化弃风和弃光为CH4，并通过GST进行储气、发电或售气实现电‑气网络互连，增加系统对新能源消纳能力，降低系统碳排放量，提升RIES运营经济和环境效益；本发明能发挥不同分布式能源间互补特性,协同满足用户电、热、气负荷需求；所提多目标优化模型能够兼顾不同目标函数优化诉求,在追逐RIES最大化运行效益同时合理控制其运行风险,实现整体最优均衡运行；能描述WPP,PV,SC不确定性给RIES运行带来的风险，为不同类型决策者提供风险规避工具。
Description
技术领域
本发明涉及一种优化方法，尤其是涉及一种考虑电转气存储的区域综合能源系统运行优化方法及其应用，属于能源领域。
背景技术
区域综合能源系统(Regional integrated energy system,RIES) 将电、冷、热、气等多种能源有机耦合，借助能量存储转换和梯级利用等手段，提高供能系统灵活性，平抑可再生能源波动，推动清洁能源消纳。包含多种能源载体和网络的RIES运行优化研究将成为未来研究的热点问题，对于RIES的运行优化研究尚且存在较大的上升空间。
区域综合能源系统涉及到多种能源系统的耦合，系统中包含如热电联产(combined heat and power generation，CHP)、传统燃气轮机(conventional gasturbine，CGT)、电转气(power-to-gas，P2G) 等多种能源转换设备。P2G技术可将清洁能源弃能发电转化为易于大规模存储的天然气，实现电力-天然气网络的深度耦合。P2G技术在综合能源系统中的应用较为广泛，但对于电转气产生的甲烷气体的利用方式尚存在优化空间，目前很少有研究关注到此方面。
目前关于含P2G的RIES的研究主要是围绕调度策略和不确定性分析两方面。一方面，虽然P2G具有良好的清洁能源弃能消纳效果，但在其运行成本恐将难以得到大幅度降低。如何提升RIES运行的经济性是其面临的关键问题，另一方面，现有研究涉及了RIES运行的不确定性因素，主要是通过建立调度模型并求解得到一种确定的设备调度策略，关于不确定性给RIES带来的具体风险仍有待深入研究，如何确立兼顾收益与风险的最优组合方案是其关键决策问题。
目前关于调度策略与不确定性方面的研究，文献《考虑源、荷不确定性的工业园区电-气互联综合能源系统模糊优化调度》中，邱革非等学者从源、荷两侧出发，构建了考虑源、荷不确定性的优化调度模型，兼顾系统成本与运行风险，提高了优化调度方案的可靠性与经济性。此外，文献《计及不确定性的区域综合能源系统日前多目标优化调度》中，王瑾然等学者对区域综合能源系统中电网与气网的协同运行进行了研究，并以此为基础进行了日前优化调度，探讨了多能源互补互济的优化调度方法。而文献《考虑分布式电源及需求响应不确定性的园区综合能源系统经济调度》，潘华等学者则提出了一种基于信息间隙决策理论的综合能源系统经济调度模型，综合考虑分布式电源与需求响应的不确定性带来的经济性影响，为综合能源系统调度计划者制定调度计划提供依据。
然而，上述文献的综合能源系统中仅仅包含电网与气网，简化了综合能源系统。本发明在上述文献的基础上，在综合能源系统模型中引入了热力子系统，丰富了综合能源系统，与实际情形更加贴近。热力子系统中的CHP具备电热耦合输出特性,存在“以热定电”和“以电定热”两种运行模式，与电力子系统可以存在多种耦合方式，提高综合能源系统的能源利用效率。此外，本发明采用条件风险价值方法 (condition value at risk,CvaR)来描述风电、光伏等能源的不确定性，通过设置不同的置信度，可得到不同场景下的风险规避方案，且CVaR能够克服风险价值方法(Value at risk，VaR)不能描述在不利情况发生时对损失程度的缺陷及其在次可加性上的不足,确立兼顾收益与风险的最优组合方案。
此外，如公开号：CN 109063992 A公开了考虑区域综合能源系统优化运行的配电网扩展规划方法，搭建包含主管层、区域层、设备层的三层交互结构，对含居民、商业、工业类区域综合能源系统的配电网，建立了双层优化模型，但是没有考虑区域综合能源系统的运行风险，风险因素对区域综合能源系统能否实际运行影响巨大。
公开号：CN 109617052 A利用大规模储热装置，有效提高电力系统运行的灵活性，实现系统风电消纳能力的提升。通过对储热单元的控制实现了包含储热单元的就地控制与远方控制策略。公开号：CN 113806952 A公布了一种考虑源-荷-储的冷热电，综合能源系统及其优化运行方法，建立考虑源-荷-储的冷热电综合能源系统优化运行的目标函数和约束条件，利用改进的分支定界法求解，得到最优解。但是都未考虑风电出力的不确定性给系统稳定运行带来巨大风险。
公开号：CN 110009152 A，公开了一种考虑电转气和不确定性的区域综合能源系统运行鲁棒优化方法，根据多面体形式的不确定区间建立两阶段鲁棒优化模型，但是在建立模型时未考虑需求响应在系统运行优化中发挥的作用，需求响应能够缩小峰谷差。
公开号：CN110417006A考虑多能协同优化的综合能源系统多时间尺度能量调度方法，以综合能源系统日运行成本最低为目标建立日前优化模型，以考虑储能变化惩罚项的系统滚动成本最低为目标，建立实时调整反馈模型，对日内滚动结果进行修正，确定设备的实时出力值。但是在以最小化运行成本为目标时未考虑机组运行成本，机组运行成本在系统运行成本中不可或缺。
公开号：CN110503250A，提出了一种考虑电-热转移负荷转移量不确定性的综合能源规划方法，建立综合能源系统规划模型，采用两阶段鲁棒优化方法处理电热可转移负荷转移量的不确定性。但是只考虑了负荷转移量的不确定性，未考虑风电出力不确定性给综合能源系统带来的运行风险。
公开号：CN 110503271 A公开了一种综合能源系统的多类型储能配置方法，根据综合能源系统备用市场运行机制和系统备用价值模型，建立考虑系统备用价值的综合能源系统多类型储能选址模型和考虑循环寿命的综合能源系统多类型储能容量优化模型。但是在计算全寿命周期成本时，没有考虑系统碳排放成本对综合能源系统优化运行的影响。
公开号：CN112072712A提出一种综合能源系统多时间尺度优化调度方法、系统及存储介质，根据可再生能源和负荷日前、日内预测信息分别构建日前优化模型和日内优化调度模型。根据实时预测信息，以日内调度计划下一时刻系统可控设备总调节量最小为目标，采用分布式模型预测控制算法求解得到最终调度计划。但是在建立日前优化模型时只考虑了外部购能成本，未考虑系统经济收益。
公开号：CN112701687A公开了一种考虑价格型联合需求响应的气电配网系统鲁棒优化运行方法，针对配网系统运行中存在的关键不确定性因素，利用鲁棒优化理论构建不确定性合集，采用列与约束生成算法得出配网系统不确定性的安全鲁棒调度方案。但是在建立配网系统鲁棒优化运行模型，在系统经济效益中没有考虑系统向电网售电的收益。
公开号：CN113128759 A公开了一种考虑需求侧响应的区域能源优化运行方法，构建考虑需求侧响应的区域能源优化调度模型，同时，给定所述区域能源优化调度模型的约束条件，最后利用多目标粒子群算法对所述区域能源优化调度模型进行求解。但是在建立区域能源系统有害气体排放的数学模型时，未考虑P2G可以吸收系统排放的部分二氧化碳带来经济效益。
公开号：CN113610316A一种在不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法，采用序列运算理论和线性化方法将原调度模型转化为确定性混合整数线性规划模型，用CPLEX求解器求解模型，获得最优调度方案。公开号：CN114580863A考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法，建立含模糊机会约束的区域综合能源系统经济调度模型，优化求解得到经济性最优的调度方法。但是在利用序列运算理论将光伏、风机输出功率的概率分布进行离散化处理，或者是考虑风光不确定性的功率平衡模糊机会约束均不能充分反映不确定性给系统运行带来的风险。
公开号：CN114676886A基于综合需求响应和奖惩阶梯碳交易的能源枢纽主从博弈优化调度方法，建立综合需求响应模型、主从博弈低碳模型，通过差分进化算法和CPLEX求解器，对主从博弈低碳模型进行求解，充分发挥用户的需求响应潜力，实现EH经济、低碳运行。但是在建立用户模型时，只考虑了需求响应来的不适成本，没有考虑用户参与需求响应带来的收益。
公开号：CN114676897A含CHP P2G氢能的园区综合能源系统优化调度方法，建立综合需求响应模型，建立主从博弈低碳模型，通过差分进化算法和CPLEX求解器，对主从博弈低碳模型进行求解。但是在对系统参与碳交易建模时，只考虑了燃气轮机、燃气锅炉的碳排放，未考虑P2G能够吸收系统产生的二氧化碳减少碳排放。
此外，公开号CN112949903A，CN114091879A，CN113822572A， CN113690879A，CN111342451A，CN113850409A，CN114092277A等现有技术，虽然都与本发明技术领域相近，但是，上述现有技术都没有采用CVaR法来综合考虑需求响应与各能源的不确定性，增加了模型求解难度，对模型中非线性目标函数与约束条件也没有采取线性化处理从而无法获得综合最优结果。
发明内容
本发明旨在提出一种考虑多源不确定性的区域综合能源系统电- 热-气协同决策方法，建立了包含电转气及储气装置 (power-to-gas-storage，P2GS)且兼顾收益与风险的区域综合能源系统决策模型，提高区域综合能源系统经济效益的同时降低了运营风险，其技术方案包括如下内容：
考虑区域综合能源系统(P2GS)的区域综合能源系统运行优化方法，其特征为：该方法包含如下步骤：
步骤1：搭建区域综合能源系统框架。本发明提出的区域综合能源系统框架包括电力子系统、热力子系统与P2GS三个部分，首先要对三个子系统进行构建，并以合理的方式进行耦合。
步骤2：构建区域综合能源系统设备运行模型。基于搭建好的区域综合能源系统，对电力子系统、热力子系统中的各个组件构建出力模型，并构建P2GS的运行模型。
步骤3：构建多目标优化模型。本发明综合考虑不确定性与需求响应，以兼顾经济效益与运行风险的优化为目标，提出了区域综合能源系统的多目标优化模型，并考虑了能量供需平衡约束、子系统运行约束、旋转备用约束及负荷波动约束等。
步骤4：模型求解办法。本发明对非线性目标函数与约束条件采取线性化处理，借助模糊满意度理论对目标函数进行一致化处理，并通过设置合理的权重系数加权多目标模型为单目标模型，从而进行数学模型的求解。
本发明还公开一种考虑多源不确定性的区域综合能源系统电-热 -气协同决策方法，应用于综合能源系统兼顾经济效益与运行成本的优化调度。
有益效果
本发明能够通过P2G转化弃风和弃光为CH4，并通过GST进行储气、发电或售气，实现电-气网络互连，增加系统对新能源的消纳能力，降低系统碳排放量，提升RIES运营的经济效益和环境效益；能发挥不同分布式能源间互补特性,协同满足用户电、热、气负荷需求；所提多目标优化模型能够兼顾不同目标函数的优化诉求,在追逐RIES 最大化运行效益的同时合理控制其运行风险,实现整体最优均衡运行；能描述WPP,PV,SC不确定性给RIES运行带来的风险，为不同类型决策者提供风险规避工具；能够提升清洁能源的并网空间以及提升 RIES消纳清洁能源的积极性。
附图说明
图1为本发明RIES基础运行框架结构框图；
图2为本发明考虑P2GS的区域综合能源系统运行优化方法流程示意图。
具体实施方式
一种考虑P2GS的区域综合能源系统运行优化方法，方法主要包含的步骤是：
步骤1：搭建区域综合能源系统框架；
本发明中区域综合能源系统框架如图1所示，区域综合能源系统由风能、太阳能以及天然气构成，包括了三个子系统：电力子系统，热力子系统以及P2GS。首先，电力子系统包括风电(wind power plant， WPP)，光伏发电(photovoltaic power generation，PV)，传统燃气轮机(CGT)，电动汽车集群(electrical vehicle group，EVG)、可调节负荷(changeable load，CL)以及激励型的需求响应 (incentive-based demand response，IBDR)。其中,CL主要通过用户需求响应参与电力子系统调度。其次，热力子系统主要包括CHP 以及SC(solar collectors)。其中，CHP具备电热耦合输出特性，存在“以热定电”和“以电定热”两种运行模式。由于所提RIES中电源较多，故设定CHP服从以热定电模式。P2GS包括电转气(P2G)以及气体储存容器(Gas Storage Tank,GST)两个部分。最后，为能够实现RIES的最优化运行，设定在用户侧为不同的负荷需求实施价格型需求响应(price-baseddemand response，PBDR)。
根据图1所示，P2G包括电解和甲烷化两个过程，电解将水分解为氢气和氧气，而甲烷化过程利用RIES产生的CO2与氢气化学反应产生CH4。GST则将P2G产生的CH4进行存储。设P2G主要利用弃风和弃光进行电转气，并优先利用CGT和CHP自身产生的CO2生产CH4，并仅用于CGT发电。WPP和PV为主要电源，CGT利用自身启停速度快优势，为RIES提供备用服务。EVG和CL能够为RIES提供备用服务，当备用能力不足时，GST可向CGT和CHP供给CH4进行发电出力，满足备用需求。P2GS可根据实时气价，电价和气价的关系，选择供电、供热和供气。RIES能够利用P2GS，CHP以及分布式电源，协同满足电、热、气负荷需求，实现电(热)-气-电(热)循环运行机制，提高能源综合利用效率。
搭建区域综合能源系统框架，可对此框架内的所有能源之间的联系进行深度挖掘，综合考虑各种能源的特性，对该区域内的各种能源进行合理组合，探究能源子系统之间的耦合方式，提出不同能源子系统之间的协同运行模式，从而为后续研究综合能源系统的优化运行打下基础。
步骤2：构建区域综合能源系统设备运行模型；
建立区域综合能源系统设备运行模型，可将综合能源系统中各子系统的运行实况通过数学模型的方式展现，得到各子系统中各个组件的模型，从而对系统整体的运行进行定量的模拟分析。基于此目的，需要进行运行模型构建的组件包括：电力子系统中的风光出力模型、可调节负荷出力模型、电动汽车集群出力模型，热力子系统中的热电联产运行模型、太阳能收集运行模型以及P2GS运行模型。
在传统的区域综合能源系统中，主要包括风光发电出力模型、太阳能收集运行模型以及热电联产运行模型，本文还考虑了需求响应对改变系统电力负荷曲线、缩小峰谷差的影响，根据可调节负荷大小满足的约束条件构建出力模型。同时结合区域综合能源系统的特性，加入电动汽车集群，能够使系统运行更加灵活，根据电动汽车蓄电池充放电过程中电能的流向以及风光出力的偏差建立约束条件。此外，结合P2G在消纳多余风光方面的优势，利用P2G将多余电能转换为天然气，考虑P2G运行中消耗的电量和产生的天然气量，结合GST的充放气过程中容量变化，构建P2GS运行模型。因此，在传统的区域综合能源系统基础上，结合如今的技术发展，通过加入电动汽车集群和 P2GS，能够更好实现系统灵活性运行；考虑了系统参与需求响应，使区域综合能源系统结构更加合理、全面。
(1)电源出力模型
1)WPP/PV输出模型
由于风速和太阳辐照度具有较强的随机性，WPP和PV的出力也具有较强的不确定性，式(1)和式(2)计算了WPP和PV的可用出力:
其中,
表示WPP在t时段的可用输出。gR表示额定输出。vt表示在时间t内的实时风速，vin，vout和vrated分别表示切入，切出和额定速度。
其中，
为t时刻PV的可用出力。ηPV和SPV分别表示效率和总面积。θt为时刻t的太阳辐射强度。
2)CL出力模型
设定CL主要通过IBDR参与RIES调度运行，DRPS主要根据市场价格分步提供DR。设置步骤j中DRP i的最小需求响应为
最大需求响应为
因此，DRPs需要满足以下原则:
式中，
为第j步DRP i在时刻t提供的实际减负荷。
为第 j步DRP i在时刻t提供的可用负载减量。ΔLi,t为DRP i在时刻t提供的累计负荷减少量。ΔLIB,t是在时间t内IBDR提供的输出功率。
3)EVG出力模型
通过荷电状态(State of Charge,SOC)反映EVG蓄电池的剩余电量，表示为蓄电池剩余电力和其总容量的百分比，具体如下:
当EV处于充电状态:
当EV处于放电状态:
其中，SOCEV,t和SOCEV,t-1分别是EV蓄电池在时间t和t-1的剩余电量。ηch和ηdis分别是EV充电和放电效率。
和
是EA在时间t 的充放电功率。CEV是EA蓄电池的额定容量。
其中，gEV,t表示EV在时间t的净充放电功率。uch表示EV的充放电状态变量，当EV处于充电状态时，uch＝1,udis＝0。当EV处于放电状态时，uch＝0,udis＝1。ΔgNE,t表示WPP和PV的出力偏差，等于
其中，
和
表示WPP和PV在时间t 的实际可用出力。
分别表示EA在时间t的最大放电和充电功率。为便于分析，设定电动汽车类型相同，故EVG输出功率主要跟电动汽车的数量直接相关，具体计算如下:
gEVG,t＝NEVG,tgEV,t (10)
其中,gEVG,t表示EVG在时间t的输出功率。NEVG,t表示EVG在时间t的并网数量。
(2)热源出力模型
1)micro-CHP运行模型
电-热特性可以描述如下:
其中，cmin和cmax分别表示最小和最大发电出力下对应的c值。c为进汽量不变时多抽取单位供热热量下发电功率的减小值。
为背压运行时的电功率和热功率的弹性系数。
为常数；
为CHP最大热功率功率；
为机组发电功率最小时的汽轮机供热功率。
分别为抽汽式机组在纯凝工况下的最大、最小发电功率。
2)SC运行模型
SC被用作向系统提供热量的主要能源，SC主要通过复合抛物面集热器(CPC)收集太阳辐射。式(13)计算了在吸收器表面吸收的总有效通量:
其中:St为t时刻在吸收器表面吸收的总有效通量。
为时刻t 时光束的小时辐射。
为时刻t时光束的倾斜因子。
为时刻t时散射辐射。C为浓度比。α是吸收器表面的吸收率。ρ是集中器表面对所有辐射的有效反射率。τ是覆盖面的透射率。则可用热增益由式(13) 给出:
其中，gSC,t为SC在时刻t时的有用得热量。W，L分别为管的长度和宽度。Tt fi为时刻t时SC的入口温度。Tt 0为时刻t时环境温度。 Ulo为SC的总损耗系数。FR为SC的运算率。
(3)P2GS运行模型
P2GS能够通过P2G转化弃风和弃光为CH4，并通过GST进行储气，发电或售气，实现电-气网络互连，增加系统对新能源的消纳能力，降低系统碳排放量，提升RIES运营的经济效益和环境效益。P2G化学反应H2O的投入和产出相同，仅消耗CO2，能够降低RIES发电的碳排放，具体原理如下:
其中，QP2G,t表示P2G在时间t产生的天然气量。gP2G,t表示P2G 在时间t所消耗的电量。
表示P2G的转换效率。Hg表示天然气热值。
GST主要将电转气所产生的天然气进行存储，在负荷高峰时期进入CGT进行发的电。同时，GST存储的天然气也可以在气价较高的时候，进入天然气网络获取售气收益。GST中能量状态可以表示如下:
其中，SGST,t表示GST在时间t的储气量。
表示GST在最初时间的储气量。
表示进入GST在时间t的天然气量。
表示在时间t内GST向CGT输入的天然气量。
表示在时间t内GST 进入天然气网络的天然气量。同时，设定GST不能同时进行储气和释气操作，具体如下:
步骤3：构建多目标优化模型；
多目标优化模型，是在某个场景下需要达到多个目标时，因一个目标的优化以其他目标的劣化为代价，因此很难得到唯一最优解，于是在多个目标之间做出协调处理，从而达到总体最优，所建立的模型，多目标优化模型能够综合评估各项目标的重要性，并由此得到相对最优解。构建多目标优化模型，可较准确地描述出RIES运行的不确定性，降低风光发电的出力不确定性所带来的事前决策的较大偏差风险，优化系统中的能源配置，提升综合能源系统的运行效益。
(1)模型假设
本发明构建了RIES的多目标调度模型，本发明首先对非线性目标函数和约束条件进行线性化处理，转化MINLP模型为MIP模型。然后，借助模糊满意度理论处理目标函数的不同量纲及优化方向，实现目标函数的一致化处理。最后，通过设置合理的权重系数加权多目标模型为单目标模型，进而进行数学模型的求解。
(2)模型结构
本发明选择最大化经济效益和最小化运行风险作为优化目标，构造RIES运行多目标优化模型。
1)最大化经济效益目标函数
其中,RWPP,t,RPV,t,RCGT,t,REVG,t,RIBDR,t和RP2GS,t分别表示WPP,PV, CGT,EVG,IBDR和P2GS在时间t的收入。RCHP,t表示CHP在时间t的运营收益，包括供电收益和供热收益。
表示SC在时间t提供热能收益。
表示RIES参与碳排放权交易获得的收益。CCGT,t,CCHP,t表示CGT,CHP在时间t的运行成本。PEG,t，QEG,t分别表示RIES向公共电网的购电价格和购电量。
对于CGT和CHP，其运行成本均包括燃料成本和启停成本，以CHP 为例，具体成本计算如下:
其中，fCHP,t,
分别为t时刻热电厂运行成本和启停成本。t和 s是时间的指标，T≠s；ai,bi,和ci为CHP发电的成本系数。
为CHP 的热电转换系数。
为时刻t内CHP的启停成本。
和
为时刻t内CHP的运行状态，变量为0-1。
和
分别为t和s+1时刻CHP的启动-关闭成本。EVG和IBDR的经营收入具体计算如下:
其中，
和
分别表示EVG在时间t的充放电价格。
和
分别表示EVG在时间t的充放电电量。
表示第j步DRP i在时刻t的输出价格。
P2GS能够将RIES运行产生的CO2全部转化为CH4，若在调度周期末端将剩余CH4进行存储，则能实现RIES的近零碳排放运行。故为能够激励RIES利用弃能转化CO2，设定碳排放权交易实现，这将给RIES带来新增的碳排放权交易收益，具体如下:
其中，
表示RIES参与碳排放权交易所获得的收益。
表示 CGT在时间t自身发电电量。
分别表示单位CGT发电碳排放系数和单位P2G用电的碳分解系数。
表示RIES在时间t的实际碳排放量。
表示RIES允许的碳排放量。PCET,t表示单位碳排放权交易价格。当
等于0时，表明RIES在调度周期内基本实现零排放。
2)最小化运行风险目标函数
如何度量RIES运行风险水平，是制定其最优化运行方案的关键问题。本文选择CVaR值作为RIES运行风险指标，并以最小化运行风险作为另一个优化目标，具体目标函数如下:
其中，式(26)计算了RIES运行的CVaR值。关于CVaR理论的具体介绍可见文献[dd]所示。α表示RIES运行损失的临界值，用以判定RIES运行整体风险状况。f(G,g)表示RIES运行的损失函数,等于 -f1,GT＝[gRIES,t(1),gRIES,t(2),L,gRIES,t(T)]为决策向量, gT＝[gWPP,t,gPV,t,gSC,t,Lt]为多元随机向量。β为VPP运行的置信度。当式 (26)达到最小时的α值，即为VaR值。由于式(26)难以直接求解，可通过取随机向量g的N个样本值g1,g2,L,gN用式(26)的样本值代替期望值[26]，则式(26)可以改写如下:
由于RIES运行风险主要源于WPP，PV，SC的不确定性，故当追求经济收益最大化时，WPP，PV，SC的较大出力将带来较大的风险，而当追求运营风险最小化时，WPP，PV，SC较低的输出将降低RIES 的运行风险。如何兼顾两个优化目标诉求，对于实现RIES的最优化运行至关重要。
(3)约束条件
为保证RIES的安全可靠运行，需考虑能量供需平衡约束，子系统运行约束,旋转备用约束及负荷波动约束等。
1)能量供需平衡约束
其中，
表示在时间t的初始负载需求。gWPP,t，gPV,t分别为WPP 和PV在时间t的发电出力。gCGT,t表示CGT在时间t的发电出力，等于
为CGT自身发电量。
为IBDR在时间t 在能量市场出力。
分别为WPP，PV，CHP和CGT的厂用电率。uIB,t和
分别是二元变量IBDR和PBDR的状态变量。这里，1表示容灾，0表示不容灾。PBDR在t时刻产生的负荷变化记为
其中，QHG,t表示RIES在时间t向公共热网所购热能。
表示RIES 在时间t的热负荷需求。
为供热负荷实现PBDR的状态变量，是二元变量。这里1表示实现了PBDR，0表示没有实现PBDR。PBDR在t 时刻产生的热量变化记为ΔQt。QNG,t表示ΔQt在时间t向公共气网所购天然气。
表示RIES在时间t天然气需求。
为供热负荷实现 PBDR的状态变量，是二元变量。这里，1表示实现了PBDR，0表示没有实现PBDR。
为PBDR在t时刻产生的热量变化。
2)PGST运行约束
PGST运行约束包括P2G运行约束和GST运行约束，具体约束条件如下:
其中，
表示P2G在时间t的额定运行功率。
分别表示GST在时间t的最大和最小储气量。
分别表示 GST在时间t的储气最小和最大功率。
分别表示P2G在时间t输出天然气的最小和最大功率。
分别表示GST在时间 t输出天然气的最小和最大功率。同时，为给下一调度周期预留一定的调节裕度，将运行一个周期后的储气量恢复到原来的储气量，也就意味着一个周期内的充气量等于放气量，具体约束条件如下：
3)CHP运行约束
锅炉运行状态发生变化时，CHP的输出主要发生变化。因此，要构建爬升输出约束，需要在纯冷凝工况下将功率与加热相结合进行功率输出转换。具体转换过程表示为
其中，gCHP,t为纯冷凝工况下t时刻CHP发电量。
分别为t时刻纯冷凝工况下CHP的最小出力和最大出力。uCHP,t为t时刻 CHP状态变量。CHP运行还必须满足上下爬升约束、启停时间约束和功率输出约束:
其中，
和
分别为上、下爬坡极限。
为t-1时刻热电厂连续运行时间。
为热电厂的最小启动时间。
为t时刻热电厂连续停机时间。
为热电厂最小停机时间。
4)DR运行约束
PBDR主要通过实施TOU价格引导终端用户响应系统能量调度，实现负荷曲线的削峰填谷。以电负荷为例，在得到分时电价以及需求价格弹性后，PBDR后负荷变动量可由公式(43)计算:
其中，ΔLPB,t表示时间t内IBDR提供的出力。
和Lt分别表示PBDR 前后负载需求。Pt 0，Pt分别为PBDR前后的电价；est表示需求价格弹性。当s＝t时，est称为自弹性，当s≠t时，est称为交叉弹性。
IBDR既可用于能源市场调度，也可用于储备市场调度。因此， IBDR操作的详细约束条件如下:
其中，
为能源市场调度中IBDR产生的调度电力负荷变化。
和
为IBDR在储备市场上的调度能力，分别用时刻t的上、下储备产量表示。
为IBDR在时刻t的最大输出。
为IBDR 在时刻t的最小输出。
分别为爬升上限和爬升下限。同样， IBDR也必须满足爬升约束和启动-关闭时间约束。
5)系统预留约束
其中,
和
表示RIES在时间t的最大和最小发电可用出力。 gRIES,t表示RIES在时间t的发电出力。r1,r2和r3表示LOAD，WPP和PV 的上旋转备用系数。r4和r5分别表示WPP和PV的下旋转备用系数。
6)其他约束
对于RIES来说，还要考虑CGT，EVG和PBDR的运行约束。其中， CGT主要需要满足最大/最小功率约束、启停时间约束和上下爬坡约束(式(39)-式(42))。EVG需满足最大充放电功率约束、充放电状态约束等。PBDR所产生的出力同样需要满足各时刻最大出力约束，上下爬坡约束和累计最大出力约束等。
步骤4：模型求解办法。
(1)线性化处理
根据式(20)，目标函数中存在二次项，使其为混合整数非线性规划(MINLP)。MINLP求解过程复杂，耗时长，难以得到最优解。同样， IBDR操作约束也包含非线性约束。因此，在求解模型之前，需要对包含非线性因素的目标函数和约束条件进行线性化处理。根据式(38)， gCHP,t等于
属于
然后，为了简化求解过程，gCHP,t被划分为N段。每段的长度为ΔgCHP，因此C(gVEP)可表示为分段函数当
其中,n＝0,1,K,N-1，
同样，其他二次项的输出与式(15)相同。当N≥5时，目标函数的最大相对误差不超过1％，大部分在0.5％以下。分段图的近似误差接近于0。以式(38)-(41)为例，详细线性化进度如下:
其中，L为初始状态的CHP个数。如果没有初始状态，L＝0。这里，D是不处于初始状态的CHP的数量。经过上述线性化过程后，MINLP 模型将转化为混合整数线性规划(MIP)问题。
(2)一致化处理
分别选择升半直线形隶属度函数和降半梯度隶属度函数处理最大化运营收益目标和最小化运营风险目标函数,具体过程如下:
其中，ρ(obji)为目标函数obji的隶属度函数。obji为第i个目标函数的值。
为第个i目标函数的理想值。
为决策者可接受的第个 i目标的增加值，是将目标进行一定的伸缩。
(3)MIP模型构建
本发明所提模型包括经济效益最大化和运行风险最小化两个目标函数。一般来说，由于清洁能源经济性较优，当RIES经济效益达到最佳时，WPP，PV，SC并网量也相对较大，导致RIES运行风险相对较大，反之亦然。为了实现一个优化解，大多数方法通常通过对每个目标设置不同的权重，将多个目标转化为单个目标。因此，求解此 RIES运行优化问题可分为两个阶段:
首先，以经济效益最大化为优化目标，求解RIES运行优化模型，得到经济效益的最优值
及此时的运行风险值
其次，以运行风险最小化为优化目标，求解RIES运行优化模型，得到运行风险最低值
和此时的经济效益值
第三，为能够求解所提多目标模型，需将目标函数进行加权，形成单目标综合目标函数，从而得到RIES的MIP调度优化模型，具体如下:
其中，λ1和λ2表示目标函数的权重系数，λ设置的高低反映了决策者对RIES对经济效益或运行风险的重视程度。
通过以上方法，对下文实例进行求解：
选择中国北方某产业园区群为实例对象,其电力子系统配置2× 1MW小型风电集群,1×1MW小型光伏发电集群以及1×1.5MWCGT机组. 其中,CGT机组的上下爬坡速率分别为0.1MW/h和0.2MW/h，启停时间分别为0.1h和0.2h，启停成本为0.102￥/kW·h。参照文献[23] 将其成本曲线分两段线性化，两段斜率系数分别为110￥/MW和 362￥/MW.设定EV数量为100辆,均为V2G型电动汽车，单台EV额定充放电功率为1.8kW,单台EV蓄电池额定容量为10kW·h.终端用户可提供终端负荷为0.3MW,均通过IBDR方式参与发电调度.热力子系统主要由包括1×0.5MW SC和1台CHP机组且最大发电出力和最大供热功率为1.2MW和1.44MW，P2GS包括P2G和GST两个部分, P2GS的额定功率为0.4MW,GST的额定储气量为400m3.园区最大电负荷和热负荷分别为3.87MW和1.62MW.由于该园区尚未参与碳排放权交易,设定初始碳排放权配额等于碳排放总量。RIES通过优化运行减少的碳排放量均可参与通过碳交易市场获取经济收益,单位碳排放权交易价格为50元/吨。
为分析不同优化目标对RIES运行的影响，分别求解经济效益最大化、运行风险最小化、经济效益与运行风险综合考虑三种优化模式下的调度结果。
Table 1对比分析for RIES operation in different优化模式
根据Table 1,对比obj1模式,RIES会降低WPP,PV,SC出力, 减少不确定性所带来的风险,剩余电负荷和热负荷则由CGT和CHP满足.对比obj2模式,RIES会增加调用PV和SC获取较高的经济收益, 同样,部分弃风被P2GS转化为CH4用于CGT发电出力.在OBJ模式中,经济收益、CVaR增加-2.4×103￥,-0.33×103￥以及1.7×103￥, 0.48×103￥.这表明OBJ模式能够虑不同目标函数的优化诉求,兼顾 RIES运行的收益和风险,实现整体最优均衡运行.Table 2是P2GS 在不同优化模式下的运行结果。
Table 2P2GS运行结果
根据Table 2,对比P2GS在不同优化模式中的运行结果.在OBJ 模式中,为兼顾RIES运行的风险和收益,P2GS会增加利用谷时段的弃风,并将CGT和CHP产生的CO2转化为CH4,并在峰时段进入CGT 用于发电,提升RIES中电力调峰能力。与obj1模式相比，P2GS产生的CH4总量增加了56.29m3。相应的,WPP,PV,SC的弃能量分别降低了0.75MW·h,0.65MW·hand 6.592MW·h。总的来说,P2GS 能衔接电力系统和天然气系统,在峰时段将部分谷时段弃能通过CH4 转化为CGT的稳定出力,在增加RIES运营收益的同时降低运行风险。
本发明在RIES中加入P2GS能够发挥不同分布式能源间互补特性以及满足终端用户负荷需求，P2GS利用低谷时段弃风和弃光转化CO2 为CH4,实现电-气-电双向转换循环；所提多目标优化模型能兼顾不同目标函数的优化诉求,在追逐最大化运行效益的同时合理控制其运行风险,实现RIES整体最优均衡运行；选取不同的隶属度函数来处理目标函数不同优化方向。综上所述，本发明能够能在合理控制风险的同时,最大化利用清洁能源环境经济特性,为决策者制定最优运行方案提供可靠的决策支撑。
本发明构建了包含电力子系统、热力子系统以及P2GS的区域综合能源系统，其中包含风电、光伏发电、传统燃气轮机、电动汽车集群、可调节负荷、热电联产、太阳能收集器、电转气以及气体储存容器组件，并构建该系统多目标调度模型；对非线性目标函数和约束条件进行线性化处理，转化MINLP模型为MIP模型；借助模糊满意度理论处理目标函数的不同量纲及优化方向，实现目标函数的一致化处理；通过设置合理的权重系数加权多目标模型为单目标模型，进而进行数学模型的求解。
本发明在传统电-气耦合的综合能源系统结构的基础上，增加了热力子系统，构建了包括电力子系统、热力子系统与P2GS三个部分的区域综合能源系统框架，具体组件包含风电、光伏发电、传统燃气轮机、电动汽车集群、热电联产、电转气、气体储存容器等。此区域综合能源系统通过气体储存容器进行储气、发电或售气实现电-气网络互连，增加系统对新能源消纳能力。为兼顾综合能源系统的运行风险与经济效益，本发明采用CVaR法来综合考虑需求响应与各能源的不确定性，提出多目标优化方法，为简化模型求解难度，对模型中非线性目标函数与约束条件采取线性化处理，借助模糊满意度理论对目标函数进行一致化处理，并通过设置合理的权重系数加权多目标模型为单目标模型，从而得到综合最优结果。
Claims (8)
1.考虑电转气存储的区域综合能源系统运行优化方法，其特征为：该方法包含如下步骤：
步骤1：搭建区域综合能源系统框架：该系统框架包括电力子系统、热力子系统与P2GS三个部分，首先要对三个子系统进行构建，并进行耦合；
步骤2：构建区域综合能源系统设备运行模型：基于搭建好的区域综合能源系统框架，对电力子系统、热力子系统中的各个组件构建出力模型，并构建P2GS的运行模型；
步骤3：构建多目标优化模型：综合考虑不确定性与需求响应，以兼顾经济效益与运行风险的优化为目标，提出了区域综合能源系统的多目标优化模型，并考虑能量供需平衡约束、子系统运行约束、旋转备用约束及负荷波动约束；
步骤4：对模型进行求解：对非线性目标函数与约束条件采取线性化处理，借助模糊满意度理论对目标函数进行一致化处理，通过设置合理的权重系数加权多目标模型为单目标模型，从而进行数学模型的求解。
2.根据权利要求1所述的考虑电转气存储的区域综合能源系统运行优化方法，其特征为：所述步骤1进一步包括如下内容：电力子系统包括风电WPP、光伏发电PV、传统燃气轮机CGT、电动汽车集群EVG以及可调节负荷CL；其中,CL通过用户需求响应参与电力子系统调度；热力子系统包括CHP以及SC(solar collectors)；P2GS包括电解和甲烷化两个过程，电解将水分解为氢气和氧气，而甲烷化过程利用RIES产生的CO2与氢气化学反应产生CH4；GST则将P2G产生的CH4进行存储。
3.根据权利要求1所述的考虑电转气存储的区域综合能源系统运行优化方法，其特征为：所述步骤2进一步包括如下内容：所述设备运行模型包括电源出力模型、热源出力模型、P2GS运行模型；
所述电源出力模型包括：
WPP/PV输出模型
由于风速和太阳辐照度具有较强的随机性，WPP和PV的出力也具有较强的不确定性，式(1)和式(2)计算了WPP和PV的可用出力:
其中,
表示WPP在t时段的可用输出；gR表示额定输出；vt表示在时间t内的实时风速，vin，vout和vrated分别表示切入，切出和额定速度；
其中，
为t时刻PV的可用出力；ηPV和SPV分别表示效率和总面积；θt为时刻t的太阳辐射强度；
CL出力模型
设定CL主要通过IBDR参与RIES调度运行，DRPS主要根据市场价格分步提供DR；设置步骤j中DRP i的最小需求响应为
最大需求响应为
因此，DRPs需要满足以下原则:
式中，
为第j步DRP i在时刻t提供的实际减负荷；
为第j步DRP i在时刻t提供的可用负载减量；ΔLi,t为DRP i在时刻t提供的累计负荷减少量；ΔLIB,t是在时间t内IBDR提供的输出功率；
EVG出力模型
通过荷电状态(State of Charge,SOC)反映EVG蓄电池的剩余电量，表示为蓄电池剩余电力和其总容量的百分比，具体如下:
当EV处于充电状态:
当EV处于放电状态:
其中，SOCEV,t和SOCEV,t-1分别是EV蓄电池在时间t和t-1的剩余电量；ηch和ηdis分别是EV充电和放电效率；
和
是EA在时间t的充放电功率；CEV是EA蓄电池的额定容量；
其中，gEV,t表示EV在时间t的净充放电功率；uch表示EV的充放电状态变量，当EV处于充电状态时，uch＝1,udis＝0；当EV处于放电状态时，uch＝0,udis＝1；ΔgNE,t表示WPP和PV的出力偏差，等于
其中，
和
表示WPP和PV在时间t的实际可用出力；
分别表示EA在时间t的最大放电和充电功率；为便于分析，设定电动汽车类型相同，故EVG输出功率主要跟电动汽车的数量直接相关，具体计算如下:
gEVG,t＝NEVG,tgEV,t (10)
其中,gEVG,t表示EVG在时间t的输出功率；NEVG,t表示EVG在时间t的并网数量；
所述热源出力模型包括如下模型：
micro-CHP运行模型
电-热特性可以描述如下:
其中，cmin和cmax分别表示最小和最大发电出力下对应的c值；c为进汽量不变时多抽取单位供热热量下发电功率的减小值；
为背压运行时的电功率和热功率的弹性系数；
为常数；
为CHP最大热功率；
为机组发电功率最小时的汽轮机供热功率；
分别为抽汽式机组在纯凝工况下的最大、最小发电功率；
SC运行模型
SC被用作向系统提供热量的主要能源，SC主要通过复合抛物面集热器(CPC)收集太阳辐射；式(13)计算了在吸收器表面吸收的总有效通量:
其中:St为t时刻在吸收器表面吸收的总有效通量；
为时刻t时光束的小时辐射；
为时刻t时光束的倾斜因子；
为时刻t时散射辐射；C为浓度比；α是吸收器表面的吸收率；ρ是集中器表面对所有辐射的有效反射率；τ是覆盖面的透射率；则可用热增益由式(13)给出:
其中，gSC,t为SC在时刻t时的有用得热量；W，L分别为管的长度和宽度；
为时刻t时SC的入口温度；
为时刻t时环境温度；Ulo为SC的总损耗系数；FR为SC的运算率；
所述P2GS运行模型包括如下内容：
P2GS能够通过P2G转化弃风和弃光为CH4，并通过GST进行储气，发电或售气，实现电-气网络互连，增加系统对新能源的消纳能力，降低系统碳排放量，提升RIES运营的经济效益和环境效益；P2G化学反应H2O的投入和产出相同，仅消耗CO2，能够降低RIES发电的碳排放，具体原理如下:
其中，QP2G,t表示P2G在时间t产生的天然气量；gP2G,t表示P2G在时间t所消耗的电量；
表示P2G的转换效率；Hg表示天然气热值；
GST主要将电转气所产生的天然气进行存储，在负荷高峰时期进入CGT进行发的电；同时，GST存储的天然气也可以在气价较高的时候，进入天然气网络获取售气收益；GST中能量状态可以表示如下:
其中，SGST,t表示GST在时间t的储气量；
表示GST在最初时间的储气量；
表示进入GST在时间t的天然气量；
表示在时间t内GST向CGT输入的天然气量；
表示在时间t内GST进入天然气网络的天然气量；同时，设定GST不能同时进行储气和释气操作，具体如下:
4.根据权利要求1所述的考虑电转气存储的区域综合能源系统运行优化方法，其特征为：所述步骤3进一步包括如下内容：所述多目标优化模型首先对非线性目标函数和约束条件进行线性化处理，转化MINLP模型为MIP模型；然后，借助模糊满意度理论处理目标函数的不同量纲及优化方向，实现目标函数的一致化处理。
5.根据权利要求4所述的考虑电转气存储的区域综合能源系统运行优化方法，其特征为：模型结构包括：
1)目标函数
选择最大化经济效益和最小化运行风险作为优化目标，构造RIES运行多目标优化模型；
最大化经济效益目标
其中,RWPP,t,RPV,t,RCGT,t,REVG,t,RIBDR,t和RP2GS,t分别表示WPP,PV,CGT,EVG,IBDR和P2GS在时间t的收入；RCHP,t表示CHP在时间t的运营收益，包括供电收益和供热收益；
表示SC在时间t提供热能收益；
表示RIES参与碳排放权交易获得的收益；CCGT,t,CCHP,t表示CGT,CHP在时间t的运行成本；PEG,t，QEG,t分别表示RIES向公共电网的购电价格和购电量；
对于CGT和CHP，其运行成本均包括燃料成本和启停成本，其中CHP具体成本计算如下:
其中，fCHP,t,
分别为t时刻热电厂运行成本和启停成本；t和s是时间的指标，T≠s；ai,bi,和ci为CHP发电的成本系数；
为CHP的热电转换系数；
为时刻t内CHP的启停成本；
和
为时刻t内CHP的运行状态，变量为0-1；
和
分别为t和s+1时刻CHP的启动-关闭成本；EVG和IBDR的经营收入具体计算如下:
其中，
和
分别表示EVG在时间t的充放电价格；
和
分别表示EVG在时间t的充放电电量；
表示第j步DRP i在时刻t的输出价格；
P2GS能够将RIES运行产生的CO2全部转化为CH4，若在调度周期末端将剩余CH4进行存储，则能实现RIES的近零碳排放运行；故为能够激励RIES利用弃能转化CO2，设定碳排放权交易实现，这将给RIES带来新增的碳排放权交易收益，具体如下:
其中，
表示RIES参与碳排放权交易所获得的收益；
表示CGT在时间t自身发电电量；
分别表示单位CGT发电碳排放系数和单位P2G用电的碳分解系数；
表示RIES在时间t的实际碳排放量；
表示RIES允许的碳排放量；PCET,t表示单位碳排放权交易价格；当
等于0时，表明RIES在调度周期内基本实现零排放；
②最小化运行风险目标
选择CVaR值作为RIES运行风险指标，并以最小化运行风险作为另一个优化目标，具体目标函数如下:
其中，式(26)计算了RIES运行的CVaR值；α表示RIES运行损失的临界值，用以判定RIES运行整体风险状况；f(G,g)表示RIES运行的损失函数,等于
-f1,GT＝[gRIES,t(1),gRIES,t(2),L,gRIES,t(T)]为决策向量,gT＝[gWPP,t,gPV,t,gSC,t,Lt]为多元随机向量；β为VPP运行的置信度；当式(26)达到最小时的α值，即为VaR值；由于式(26)难以直接求解，可通过取随机向量g的N个样本值g1,g2,L,gN用式(26)的样本值代替期望值，则式(26)可以改写如下:
由于RIES运行风险主要源于WPP，PV，SC的不确定性，故当追求经济收益最大化时，WPP，PV，SC的较大出力将带来较大的风险，而当追求运营风险最小化时，WPP，PV，SC较低的输出将降低RIES的运行风险；如何兼顾两个优化目标诉求，对于实现RIES的最优化运行至关重要。
6.根据权利要求5所述的考虑电转气存储的区域综合能源系统运行优化方法，其特征为：为保证RIES的安全可靠运行，需考虑能量供需平衡约束，子系统运行约束,旋转备用约束及负荷波动约束；
1)能量供需平衡约束
其中，
表示在时间t的初始负载需求；gWPP,t，gPV,t分别为WPP和PV在时间t的发电出力；gCGT,t表示CGT在时间t的发电出力，等于
为CGT自身发电量；
为IBDR在时间t在能量市场出力；
分别为WPP，PV，CHP和CGT的厂用电率；uIB,t和
分别是二元变量IBDR和PBDR的状态变量；这里，1表示容灾，0表示不容灾；PBDR在t时刻产生的负荷变化记为
其中，QHG,t表示RIES在时间t向公共热网所购热能；
表示RIES在时间t的热负荷需求；
为供热负荷实现PBDR的状态变量，是二元变量；这里1表示实现了PBDR，0表示没有实现PBDR；PBDR在t时刻产生的热量变化记为ΔQt；QNG,t表示ΔQt在时间t向公共气网所购天然气；
表示RIES在时间t天然气需求；
为供热负荷实现PBDR的状态变量，是二元变量；这里，1表示实现了PBDR，0表示没有实现PBDR；
为PBDR在t时刻产生的热量变化；
2)PGST运行约束
PGST运行约束包括P2G运行约束和GST运行约束，具体约束条件如下:
其中，
表示P2G在时间t的额定运行功率；
分别表示GST在时间t的最大和最小储气量；
分别表示GST在时间t的储气最小和最大功率；
分别表示P2G在时间t输出天然气的最小和最大功率；
分别表示GST在时间t输出天然气的最小和最大功率；同时，为给下一调度周期预留一定的调节裕度，将运行一个周期后的储气量恢复到原来的储气量，也就意味着一个周期内的充气量等于放气量，具体约束条件如下：
3)CHP运行约束
锅炉运行状态发生变化时，CHP的输出主要发生变化；因此，要构建爬升输出约束，需要在纯冷凝工况下将功率与加热相结合进行功率输出转换；具体转换过程表示为
其中，gCHP,t为纯冷凝工况下t时刻CHP发电量；
分别为t时刻纯冷凝工况下CHP的最小出力和最大出力；uCHP,t为t时刻CHP状态变量；CHP运行还必须满足上下爬升约束、启停时间约束和功率输出约束:
其中，
和
分别为上、下爬坡极限；
为t-1时刻热电厂连续运行时间；
为热电厂的最小启动时间；
为t时刻热电厂连续停机时间；
为热电厂最小停机时间；
4)DR运行约束
PBDR主要通过实施TOU价格引导终端用户响应系统能量调度，实现负荷曲线的削峰填谷；电负荷在得到分时电价以及需求价格弹性后，PBDR后负荷变动量可由公式(43)计算:
其中，ΔLPB,t表示时间t内IBDR提供的出力；
和Lt分别表示PBDR前后负载需求；Pt 0，Pt分别为PBDR前后的电价；est表示需求价格弹性；当s＝t时，est称为自弹性，当s≠t时，est称为交叉弹性；
IBDR既可用于能源市场调度，也可用于储备市场调度；因此，IBDR操作的详细约束条件如下:
其中，
为能源市场调度中IBDR产生的调度电力负荷变化；
和
为IBDR在储备市场上的调度能力，分别用时刻t的上、下储备产量表示；
为IBDR在时刻t的最大输出；
为IBDR在时刻t的最小输出；
分别为爬升上限和爬升下限；同样，IBDR也必须满足爬升约束和启动-关闭时间约束；
5)系统预留约束
其中,
和
表示RIES在时间t的最大和最小发电可用出力；gRIES,t表示RIES在时间t的发电出力；r1,r2和r3表示LOAD，WPP和PV的上旋转备用系数；r4和r5分别表示WPP和PV的下旋转备用系数；
6)其他约束
对于RIES来说，还要考虑CGT，EVG和PBDR的运行约束；其中，CGT主要需要满足最大/最小功率约束、启停时间约束和上下爬坡约束(式(39)-式(42))；EVG需满足最大充放电功率约束、充放电状态约束；PBDR所产生的出力同样需要满足各时刻最大出力约束，上下爬坡约束和累计最大出力约束。
7.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，所述程序运行时控制非易失性存储介质所在的设备执行权利要求1至6中任意一项所述的方法。
8.一种电子装置，其特征在于，包含处理器和存储器；所述存储器中存储有计算机可读指令，所述处理器用于运行所述计算机可读指令，其中，所述计算机可读指令运行时执行权利要求1至6中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210872624.7A CN115204705A (zh) | 2022-07-21 | 2022-07-21 | 考虑电转气存储的区域综合能源系统运行优化方法及应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210872624.7A CN115204705A (zh) | 2022-07-21 | 2022-07-21 | 考虑电转气存储的区域综合能源系统运行优化方法及应用 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115204705A true CN115204705A (zh) | 2022-10-18 |
Family
ID=83583748
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210872624.7A Pending CN115204705A (zh) | 2022-07-21 | 2022-07-21 | 考虑电转气存储的区域综合能源系统运行优化方法及应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115204705A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115600759A (zh) * | 2022-11-04 | 2023-01-13 | 内蒙古工业大学（Cn） | 考虑可控负荷的含csp和p2g的综合能源系统优化调度方法 |
| CN118214039A (zh) * | 2024-05-16 | 2024-06-18 | 国网浙江省电力有限公司杭州市钱塘区供电公司 | 一种考虑源荷耦合的模糊优化调度方法、系统及设备 |
-
2022
- 2022-07-21 CN CN202210872624.7A patent/CN115204705A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115600759A (zh) * | 2022-11-04 | 2023-01-13 | 内蒙古工业大学（Cn） | 考虑可控负荷的含csp和p2g的综合能源系统优化调度方法 |
| CN118214039A (zh) * | 2024-05-16 | 2024-06-18 | 国网浙江省电力有限公司杭州市钱塘区供电公司 | 一种考虑源荷耦合的模糊优化调度方法、系统及设备 |
| CN118214039B (zh) * | 2024-05-16 | 2024-07-30 | 国网浙江省电力有限公司杭州市钱塘区供电公司 | 一种考虑源荷耦合的模糊优化调度方法、系统及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113850474B (zh) | 一种热电氢多能流综合能源系统及其优化调度方法 | |
| Ju et al. | A Tri-dimensional Equilibrium-based stochastic optimal dispatching model for a novel virtual power plant incorporating carbon Capture, Power-to-Gas and electric vehicle aggregator | |
| CN106058942B (zh) | 考虑风电不确定性的含电转气和cchp的能量枢纽优化模型 | |
| CN112990523B (zh) | 区域综合能源系统分层优化运行方法 | |
| CN110807588A (zh) | 一种多能源耦合综合能源系统的优化调度方法 | |
| CN113159407A (zh) | 基于区域综合能源系统的多能储存模块容量优化配置方法 | |
| CN115204705A (zh) | 考虑电转气存储的区域综合能源系统运行优化方法及应用 | |
| CN115408808A (zh) | 一种计及碳排放的能源配网系统多时间尺度优化调度方法 | |
| CN117040000A (zh) | 一种耦合碳捕集和电制氢的综合能源系统热电优化方法 | |
| CN117081143A (zh) | 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法 | |
| CN110190630B (zh) | 一种含多微能源网的配网预防-紧急控制方法 | |
| CN116780649B (zh) | 一种多能互补利用的分布式鲁棒优化运行方法 | |
| CN112884191A (zh) | 一种基于网源协调的热电日前调度模型及计算方法 | |
| CN112541778B (zh) | 一种基于微电网参与两阶段市场出清系统优化运行方法 | |
| CN116305810A (zh) | 一种含氢能和需求响应的低碳建筑能源系统容量配置方法 | |
| CN116454984A (zh) | 一种区域微电网能源优化控制方法 | |
| CN115693793A (zh) | 一种区域微电网能源优化控制方法 | |
| CN115640894A (zh) | 一种基于双时间尺度的综合能源系统优化调度方法 | |
| CN110990793B (zh) | 电热气耦合微能源站调度优化方法 | |
| CN114386256A (zh) | 一种考虑电热设备灵活性约束及热网特性的区域电热系统优化调度方法 | |
| Tao et al. | Research on Power Storage Optimization Operation Strategy for Wind-Photovoltaic Power Coupled Hydrogen Production | |
| Yang et al. | Optimal Scheduling of thermoelectricity in integrated energy system based on waste heat recovery from power to gas and flexible thermoelectricity ratio | |
| Yu et al. | Double-Layer Day-Ahead Optimal Scheduling of Microgrid Considering Flexible Resources | |
| CN117574684B (zh) | 一种电-氢-碳综合能源系统时序生产模拟方法及系统 | |
| Wang et al. | Energy Storage Capacity Optimization of Integrated Energy System Considering Demand Response |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |