一种适用于能量互联网中多能协同综合能源网络的能量管理方法技术

本发明专利技术公开了一种适用于能量互联网中多能协同综合能源网络的能量管理方法，根据所应用的能源互联网多能协同综合能源网络的多能流能量平衡与设备运行等约束条件，将可再生能源发电设备出力、电热负荷需求、实时能源市场价格波动等预测变量的不确定性采用场景生成技术表达，建立运行总用能成本最低、分布式电源出力全额消纳的随机规划模型，运用模型预测控制原理实现滚动优化，所述管理策略采用一种包含输入层、求解层的两层加速求解结构求解，以确保能量管理具有快速在线求解的能力。

【技术实现步骤摘要】

本专利技术涉及能量管理领域，具体涉及一种适用于能量互联网中多能协同综合能源网络的能量管理方法。
技术介绍
随着能源领域供给侧结构性改革需求的突出，能源互联网通过构建包含信息通信基础设施的多能协同综合能源网络，提高能源综合利用效率、降低用能成本、促进可再生能源消纳。分布式能源设备、储能设备、相关预测模型、需求响应等技术的发展也为多能协同综合能源网络及其能量管理提供了更广阔的前景。目前相应的能量管理技术多集中于单一能源类型的系统中，针对多能协同网络的能量管理较少；且相关能量管理方法时间尺度单一，或不考虑多种随机性，能量管理还有进一步优化空间，而随机优化、滚动优化带来的计算速度显著下降的问题也直接影响能量管理的实用性能。
技术实现思路
专利技术目的：针对上述现有技术，提出一种适用于能量互联网中多能协同综合能源网络的能量管理方法，实现能源互联网中多能协同综合能源网络的运行总用能成本最低以及分布式电源出力全额消纳。技术方案：一种适用于能量互联网中多能协同综合能源网络的能量管理方法，包括如下步骤：步骤(1)，在能量管理中心设置包含随机优化与滚动优化的目标函数，所述目标函数以运行总用能成本最低以及分布式电源出力全额消纳为目标，并给出所应用的多能协同综合能源网络的多能流供需平衡以及设备运行约束条件；步骤(2)，实时监测并上传多能协同综合能源网络数据到能量管理中心，数据包括本地信息、外部信息以及参与需求响应的负荷类型信息；步骤(3)，将步骤(2)采集的数据输入随机变量的预测模型，具有随机预测模型的输入变量包括可再生能源发电单元出力、电热负荷需求和实时能源市场价格，结合历史数据库，生成各输入变量在滚动优化时域[t,t+N]内对应的场景集，每个场景集包括可能发生场景的预测值及其发生概率；步骤(4)，执行包含输入层和求解层的两层加速求解策略，首先将步骤(3)中生成随机变量场景同步回代削减，提高描述效率，将获得的最优场景集进行代入步骤(1)中的目标函数内，执行求解层加速策略，应用基于Benders分解策略衍生的快速求解方法，求解得到每个输出变量在时域[t,t+N]内各时刻的控制指令序列；步骤(5)，将步骤(4)解算到的t时刻的控制指令序列下发各设备执行；步骤(6)，下一时刻，重复步骤(2)～(5)。进一步的，所述步骤(1)中的多能流供需平衡约束条件如下：Ed,tHd,t=ηce,tXc,t0Er-1ηch,tXc,tηl0ηhGc,tGl,tγr,tEh,t+Eex,t+Eb,tHs,t]]>式中，Ed,t，Hd,t分别为任意t时刻电热负荷需求；ηce,t，ηch,t分别为任意t时刻热电联供系统电转换效率和热转换效率；Xc,t为二元变量，取1时表示热电联供系统工作，取0时表示热电联供系统关停；ηl，ηh分别为燃气锅炉的气-热转换效率和电动热泵的电-热转换效率；γr,t为决定任意t时刻可再生分布式电源外部环境参数；Gc,t，Gl,t分别为热任意t时刻电联供系统和燃气锅炉的耗气量；Eh,t为电动热泵耗电量；Er为可再生能源发电单元的额定容量；Eex,t，Eb,t，Hs,t分别为任意t时刻外电网输入电量，储电单元充放电量和储热单元充放热量；所述目标函数为：minΣk=tt+N[λf,kGg,kXg,k+F(Xg,k-1,Xg,k)+Σr=1Nrpr,kΣl=1Nlpl,kΣp=1Nppp,k(λex,kEex,kr,l,p+λf,kGl.kr,l,p+λc,kEc,kr,l,p)]]]>式中，k为[t,t+N]时段内的各时刻；Nr，Nl，Np分别为可再生能源发电单元出力、电热负荷需求、实时能源市场价格可能发生的所有场景集，pr,k，pl,k，pp,k分别为k时刻第r、l、p个场景发生概率；分别为场景对应的综合能源网络整体购买的电量，燃气锅炉用气量和需求响应切除的负荷电量；F为判断热电联供系统启停状态是否发生变化的罚函数；Gg,k为热电联供系统用气量；Xg,k为k时刻热电联供系统的工作状态，0为关闭，1为启动；Xg,k-1为上一时刻热电联供系统的工作状态，0为关闭，1为启动；λf,k为k时刻天然气价格；λc,k为需求响应切除负荷时给予的用户补贴价格；λex,k为k时刻电价。进一步的，所述步骤(4)中，应用两层加速求解结构求解得到每个输出变量在时域[t,t+N]内各时刻的控制指令序列；其中，第一层加速为将步骤(3)中生的成随机变量场景同步回代削减，具体步骤为：a)，设置初始化参数，迭代次数计为m，第m次迭代计算时被删除的场景集记为Ωm，其中，Ω0为空集；b)，令迭代次数m＝1，计算第m次迭代时删除的场景ωm,k,使得该场景可以满足取得最小值，在保留的场景集中删除该场景，并将该场景计入Ωm；c)，判断步骤b)中获得的最小值是否大于削减精度σ，若大于，则返回步骤b)，m＝m+1；若小于等于，则迭代停止，进入下一步骤；d)，被删除的场景集中的场景将由留下来的场景集中距离最近的场景代替，并相应修正保留场景的概率为两者之和。第二层加速为基于Benders分解的求解层加速，具体步骤为：a)，设置初始参数，记迭代次数b＝1，Benders割θ初始赋值0，收敛条件上界UB＝+∞，下界LB＝-∞，，主问题MP、随机场景下的子问题SPr,l,p表达式如下：MP=min{Σk=tt+N[λf,kGg,k(b)Xg,k(b)+F(Xg,k-1,Xg,k(b))]+θ本文档来自技高网...

【技术保护点】
一种适用于能量互联网中多能协同综合能源网络的能量管理方法，其特征在于，包括如下步骤：步骤(1)，在能量管理中心设置包含随机优化与滚动优化的目标函数，所述目标函数以运行总用能成本最低以及分布式电源出力全额消纳为目标，并给出所应用的多能协同综合能源网络的多能流供需平衡以及设备运行约束条件；步骤(2)，实时监测并上传多能协同综合能源网络数据到能量管理中心，数据包括本地信息、外部信息以及参与需求响应的负荷类型信息；步骤(3)，将步骤(2)采集的数据输入随机变量的预测模型，具有随机预测模型的输入变量包括可再生能源发电单元出力、电热负荷需求和实时能源市场价格，结合历史数据库，生成各输入变量在滚动优化时域[t,t+N]内对应的场景集，每个场景集包括可能发生场景的预测值及其发生概率；步骤(4)，执行包含输入层和求解层的两层加速求解策略，首先将步骤(3)中生成随机变量场景同步回代削减，提高描述效率，将获得的最优场景集进行代入步骤(1)中的目标函数内，执行求解层加速策略，应用基于Benders分解策略衍生的快速求解方法，求解得到每个输出变量在时域[t,t+N]内各时刻的控制指令序列；步骤(5)，将步骤(4)解算到的t时刻的控制指令序列下发各设备执行；步骤(6)，下一时刻，重复步骤(2)～(5)。...

【技术特征摘要】
1.一种适用于能量互联网中多能协同综合能源网络的能量管理方法，其特征在于，包括如下步骤：步骤(1)，在能量管理中心设置包含随机优化与滚动优化的目标函数，所述目标函数以运行总用能成本最低以及分布式电源出力全额消纳为目标，并给出所应用的多能协同综合能源网络的多能流供需平衡以及设备运行约束条件；步骤(2)，实时监测并上传多能协同综合能源网络数据到能量管理中心，数据包括本地信息、外部信息以及参与需求响应的负荷类型信息；步骤(3)，将步骤(2)采集的数据输入随机变量的预测模型，具有随机预测模型的输入变量包括可再生能源发电单元出力、电热负荷需求和实时能源市场价格，结合历史数据库，生成各输入变量在滚动优化时域[t,t+N]内对应的场景集，每个场景集包括可能发生场景的预测值及其发生概率；步骤(4)，执行包含输入层和求解层的两层加速求解策略，首先将步骤(3)中生成随机变量场景同步回代削减，提高描述效率，将获得的最优场景集进行代入步骤(1)中的目标函数内，执行求解层加速策略，应用基于Benders分解策略衍生的快速求解方法，求解得到每个输出变量在时域[t,t+N]内各时刻的控制指令序列；步骤(5)，将步骤(4)解算到的t时刻的控制指令序列下发各设备执行；步骤(6)，下一时刻，重复步骤(2)～(5)。2.根据权利要求1所述的适用于能量互联网中多能协同综合能源网络的能量管理方法，其特征在于：所述步骤(1)中的多能流供需平衡约束条件如下：Ed,tHd,t=ηce,tXc,t0Er-1ηch,tXc,tηl0ηhGc,tGl,tγr,tEh,t+Eex,t+Eb,tHs,t]]>式中，Ed,t，Hd,t分别为任意t时刻电热负荷需求；ηce,t，ηch,t分别为任意t时刻热电联供系统电转换效率和热转换效率；Xc,t为二元变量，取1时表示热电联供系统工作，取0时表示热电联供系统关停；ηl，ηh分别为燃气锅炉的气-热转换效率和电动热泵的电-热转换效率；γr,t为决定任意t时刻可再生分布式电源外部环境参数；Gc,t，Gl,t分别为热任意t时刻电联供系统和燃气锅炉的耗气量；Eh,t为电动热泵耗电量；Er为可再生能源发电单元的额定容量；Eex,t，Eb,t，Hs,t分别为任意t时刻外电网输入电量，储电单元充放电量和储热单元充放热量；所述目标函数为：minΣk=tt+N[&...

【专利技术属性】
技术研发人员：黄学良，季振亚，高山，孙厚涛，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏;32