基于矩不确定分布式鲁棒的电热综合系统优化调度方法技术方案

本发明专利技术涉及热电联合供暖领域，提供了一种基于矩不确定分布式鲁棒的电热综合系统优化调度方法，包括：建立包含风力发电单元、光伏发电单元、储能单元、热电联产机组及电热泵的热电联合模型；构建风、光的矩不确定描述方法；构建两阶段电热综合系统的分布式鲁棒模型；求解步骤S3所述的两阶段电热综合系统的分布式鲁棒模型，得到电热综合系统的优化调度计划。本发明专利技术提出的双层优化调度方法中，上层考虑计划调度，旨在保证计划日前预调度阶段该电热综合系统的收益最大；下层的实时再调度阶段，在考虑风光出力的不确定性和用户热舒适度的条件下，通过减少各个单元的调度成本，对虚拟电厂的出力单元进行适当的调整，从而尽量减少弃风弃光。

【技术实现步骤摘要】
基于矩不确定分布式鲁棒的电热综合系统优化调度方法
本专利技术涉及热电联合供暖领域，特别涉及一种基于矩不确定分布式鲁棒的电热综合系统优化调度方法。
技术介绍
随着我国的能源转型和分布式能源的不断发展，高比例可再生能源的消纳和利用在能源市场中变得尤为重要。为适应我国未来能源转型形势，发展高比例可再生能源已成为国家能源战略的重要组成部分。电热综合系统能够聚合多样化的分布式资源，以促进可再生能源发电的消纳，将成为高比例可再生能源情景下电力系统的一类重要结构形态。虚拟电厂根据其优化目标的不同，可以实现不同的决策方案。它既可以用于市场能源交易，实现经济性，还能够提高电力系统的灵活性。然而，在优化调度过程中，不确定性是虚拟电厂优化调度研究和应用中的重要问题，在大力发展高比例可再生能源的条件下，考虑风光出力不确定性的虚拟电厂优化调度能够减少化石燃料的使用，有效减少弃风弃光，从而实现电力系统的可持续发展。在虚拟电厂中，风电和光伏发电的出力主要受风速和太阳辐照度的影响。由于风能和太阳能的间歇性和时变特性受到环境影响较大，为使系统稳定运行，在设计过程中应充分考虑其不同的特性。传统的确定性优化方法，已不能适应考虑多种不确定性的电热综合优化调度问题。随机方法主要利用不确定变量的概率分布对其进行描述，具体使用时会采用蒙特卡洛等进行场景生成从而模拟风光的不确定性，计算量大，且对风光已有信息的依赖性高；信息间隙决策理论(IGDT，informationgapdecisiontheory)则是通过构造鲁棒函数和机会函数的方式，增加其对不确定性的鲁棒性或最大程度地提高成功机会，能够提高虚拟电厂在调度过程中的鲁棒性和灵活性，但是其在使用时需要综合考虑两种函数，计算和时间成本较高；鲁棒优化则是寻求在最恶劣条件下的最优调度，然而用它描述风光不确定性得到的结果较为保守，以牺牲一定的最优性来保证鲁棒性。因此，寻求一种合理的调度方法来量化或弱化不确定性对调度策略的影响，具有很重要的实际意义。
技术实现思路
本专利技术的目的就是至少克服现有技术的不足之一，提供了一种基于矩不确定分布式鲁棒的电热综合系统优化调度方法，通过对不确定变量的分布进行鲁棒优化，兼顾了结果的鲁棒性和最优性，计算量和时间成本大大降低。本专利技术采用如下技术方案：一种基于矩不确定分布式鲁棒的电热综合系统优化调度方法，包括：S1、建立包含风力发电单元、光伏发电单元、储能单元ESS、热电联产机组CHP及电热泵的热电联合模型；S2、构建风、光的矩不确定描述方法；S3、构建两阶段电热综合系统的分布式鲁棒模型；两阶段中，第一阶段为日前预调度阶段，第二阶段为实时再调整阶段；S4、求解步骤S3所述的两阶段电热综合系统的分布式鲁棒模型，得到电热综合系统的优化调度计划；其中，步骤S1、S2无先后顺序。进一步的，步骤S1的具体方法为：S1.1根据风速服从Weibull分布，建立风力发电模型；S1.2根据光照强度服从β分布，建立光伏发电模型；S1.3根据储能单元(ESS，energystoragesystem)的储能和放能特性，建立储能单元ESS的电热输出模型：储能状态表述：储能限制：放能限制：储放能不能同时进行：储放能次数限制：储能状态上下限：初始状态：SoCi,0＝SoCI储电设备电出力：储热设备热出力：储电设备成本：储热设备成本：式中，SoCi,t和SoCi,t-1分别表示第i个储能设备在t时刻和t-1时刻的储能(充电或储热)状态；和分别表示t时刻第i个储能设备的储能量和放能量；表示第i个储能设备储能和放能的最大值；和是两个取值为0或1的无单位量，分别用于表示第i个储能设备在t时刻储能和放能的状态，1表示该时刻下储能设备处于储能或放能状态，0表示无储能状态和无放能状态，且同一储能设备的储能与放能不能同时进行；和则分别表示储能设备的储能和放能效率，其值在0-1之间；表示储能设备的最大储能与放能次数，考虑到状态的大量改变会影响ESS的安全性，限制了储能/放能次数，当储能设备的充放电状态改变时，变为1；SoCi和分别表示第i个储能设备储能状态的最小值和最大值；SoCI表示初始时刻t＝0的储能状态SoCi,0的值；储能设备包括储电设备和储热设备，PtEESS和HtHESS分别表示t时刻储电设备和储热设备的净供电/热出力(单位时间Δt内的净供电/热量)，当其为正值时，表示储能设备向虚拟电厂供应电和热，为负值时表示其处于储能状态；和则分别表示储电和储热设备的成本，某时段内储能设备无论储能还是放能都会产生一定的成本；当储能设备为储电设备时，分别和等价，分别和等价，分别与等价；当储能设备为储热设备时，分别和等价，分别和等价，分别与等价；κEESS，κHESS则分别为储电设备和储热设备的成本系数；S1.4根据热电联产机组CHP和电热泵的电热耦合特性，建立热电联产机组CHP和电热泵的电热输出模型：CHP机组电出力上下限：CHP机组热出力上下限：爬坡约束：CHP机组成本：电热泵电热转换关系：HtHP＝ηHPPtHP电热泵成本式中，分别表示热电联产机组CHP电出力的最小值和最大值；分别表示热电联产机组CHP热出力的最小值和最大值；分别表示第i台热电联产机组CHP的爬坡(CHP机组t时刻电出力与t-1时刻电出力之差)下限和上限，分别表示第i台热电联产机组CHP在t时刻的电出力和热出力；c0，c1，c2，c3，c4，c5均为常数项，用于描述热电联产机组CHP的成本PtCHP和则分别表示t时刻热电联产机组CHP总的电出力和热出力；HtHP表示电热泵消耗电能后的产热量；PtHP表示所述电热综合系统输送给电热泵的电功率；ηHP表示电热泵的制热能效比(COP，coefficientofperformance)；代表电热泵的成本；κHP表示电热泵的成本系数。进一步的，步骤S2中，所述构建风、光的矩不确定描述方法具体为：根据风力发电模型、光伏发电模型及风光历史出力数据(风力发电和光伏发电的历史数据)进行场景生成，利用场景削减后的风光历史出力数据构建风光的矩不确定集。进一步的，步骤S2的具体步骤为：S2.1对已知风光数据及其分布进行拉丁超立方采样，得到多个场景数据；风速符合weibull分布，fPDF(vt)表示风速的概率密度函数，kt和λt分别表示形状参数和比例参数，vt表示风速；光照强度符合β分布，fPDF(x)表示光照强度的概率密度函数，α和β为该分布的两个形状参数，x表示光照强度，Γ(*)则表示Gamma函数，B(α,β)表示β函数；风力发电和光伏发电的出力分别受风速和光照强度的影响，因此对风光历史出力数据按照weibull分布和β分布分别进行拉丁超立方采样，得到多个场景数据(时间序列)。S2.2拉丁超立方采样后的数据通过同步回代完成本文档来自技高网...

【技术保护点】
1.一种基于矩不确定分布式鲁棒的电热综合系统优化调度方法，其特征在于，所述优化调度方法包括：/nS1、建立包含风力发电单元、光伏发电单元、储能单元ESS、热电联产机组CHP及电热泵的热电联合模型；/nS2、构建风、光的矩不确定描述方法；/nS3、构建两阶段电热综合系统的分布式鲁棒模型；两阶段中，第一阶段为日前预调度阶段，第二阶段为实时再调整阶段；/nS4、求解步骤S3所述的两阶段电热综合系统的分布式鲁棒模型，得到电热综合系统的优化调度计划；/n其中，步骤S1、S2无先后顺序。/n

【技术特征摘要】
1.一种基于矩不确定分布式鲁棒的电热综合系统优化调度方法，其特征在于，所述优化调度方法包括：
S1、建立包含风力发电单元、光伏发电单元、储能单元ESS、热电联产机组CHP及电热泵的热电联合模型；
S2、构建风、光的矩不确定描述方法；
S3、构建两阶段电热综合系统的分布式鲁棒模型；两阶段中，第一阶段为日前预调度阶段，第二阶段为实时再调整阶段；
S4、求解步骤S3所述的两阶段电热综合系统的分布式鲁棒模型，得到电热综合系统的优化调度计划；
其中，步骤S1、S2无先后顺序。


2.如权利要求1所述的基于矩不确定分布式鲁棒的电热综合系统优化调度方法，其特征在于，步骤S1的具体方法为：
S1.1根据风速服从Weibull分布，建立风力发电模型；
S1.2根据光照强度服从β分布，建立光伏发电模型；
S1.3根据储能单元ESS的储能和放能特性，建立储能单元ESS的电热输出模型：


















SoCi,0＝SoCI；












式中，SoCi,t和SoCi,t-1分别表示第i个储能设备在t时刻和t-1时刻的储能状态；和分别表示t时刻第i个储能设备的储能量和放能量；表示第i个储能设备储能和放能的最大值；和是两个取值为0或1的无单位量，分别用于表示第i个储能设备在t时刻储能和放能的状态，1表示t时刻下储能设备处于储能或放能状态，0表示无储能状态和无放能状态，且同一储能设备的储能与放能不能同时进行；和则分别表示储能设备的储能和放能效率，其值在0-1之间；表示储能设备的最大储能与放能次数，当储能设备的充放电状态改变时，变为1；SoCi和分别表示第i个储能设备储能状态的最小值和最大值；SoCI表示初始时刻t＝0的储能状态SoCi,0的值；储能设备包括储电设备和储热设备，PtEESS和HtHESS分别表示t时刻储电设备和储热设备的净供电/热出力，当其为正值时，表示储能设备向虚拟电厂供应电和热，为负值时表示其处于储能状态；和则分别表示储电设备和储热设备的成本；当储能设备为储电设备时，分别和等价，分别和等价，分别与等价；当储能设备为储热设备时，分别和等价，分别和等价，分别和等价；κEESS，κHESS则分别为储电设备和储热设备的成本系数；
S1.4根据热电联产机组CHP和电热泵的电热耦合特性，建立热电联产机组CHP和电热泵的电热输出模型：









热电联产机组CHP成本：
HtHP＝ηHPPtHP；
电热泵成本：
式中，分别表示热电联产机组CHP电出力的最小值和最大值；分别表示热电联产机组CHP热出力的最小值和最大值；分别表示第i台热电联产机组CHP的爬坡下限和上限，分别表示第i台热电联产机组CHP在t时刻的电出力和热出力；c0，c1，c2，c3，c4，c5均为常数项，用于描述热电联产机组CHP的成本PtCHP和则分别表示t时刻热电联产机组CHP总的电出力和热出力；HtHP表示电热泵消耗电能后的产热量；PtHP表示所述电热综合系统输送给电热泵的电功率；ηHP表示电热泵的制热能效比COP；表示电热泵的成本；κHP表示电热泵的成本系数。


3.如权利要求1或2所述的基于矩不确定分布式鲁棒的电热综合系统优化调度方法，其特征在于，步骤S2中，所述构建风、光的矩不确定描述方法具体为：根据风力发电模型、光伏发电模型以及风速、光照强度数据，得到风光历史出力数据；对风光历史出力数据进行场景生成和削减，利用削减后的风光历史出力数据构建风光的矩不确定集。


4.如权利要求3所述的基于矩不确定分布式鲁棒的电热综合系统优化调度方法，其特征在于，步骤S2的具体步骤为：
S2.1对已知风光数据根据其分布进行拉丁超立方采样，得到多个场景数据；
风速符合weibull分布，光照强度符合β分布；



fPDF(vt)表示风速的概率密度函数，kt和λt分别表示形状参数和比例参数，vt表示风速；



fPDF(x)表示光照强度的概率密度函数，α和β为该分布的两个形状参数，x表示光照强度，Γ(*)则表示Gamma函数，B(α,β)表示β函数；
S2.2拉丁超立方采样后的风光历史出力数据通过同步回代完成场景削减，削减后的风光历史出力数据用于构建矩不确定集D，如下式所示：



式中，在不确定集D中，μ0为风光的预估期望列向量；Σ0为风光的预估协方差矩阵；γ1为期望的椭球不确定半...

【专利技术属性】
技术研发人员：房方，范雅倩，魏乐，刘吉臻，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：北京;11