一种考虑需求响应可信度的综合能源系统规划方法技术方案

本发明专利技术公开了一种考虑需求响应可信度的综合能源系统规划方法，首先获取能量枢纽侧综合能源负荷数据、风电数据、发电机数据、天然气源数据、电网数据、天然气网参数数据以及规划成本参数数据；然后建立需求响应模型，建立考虑能量枢纽的综合能源系统规划模型，综合能源系统下层是输电线路和输气线路，上层是能量枢纽；最后求解混合整数线性规划，得出相应的规划结果。本发明专利技术基于Z数建立了描述客户需求响应表现性能的模型，解决了传统方法中对于不确定性建模不全面的问题。本发明专利技术可以同时考虑不确定因素和信息可信度对客户需求响应表现性能的影响，从而能够对实际情况做出更准确和全面的估计。面的估计。面的估计。

【技术实现步骤摘要】
一种考虑需求响应可信度的综合能源系统规划方法


[0001]本专利技术属于综合能源系统规划运行领域，提出了一种考虑需求响应可信度的综合能源系统规划方法。

技术介绍

[0002]随着经济快速发展，人类社会面临着日益严重的能源枯竭危机和环境污染问题。一方面，一次能源的不可再生性要求加快发展新能源，提高用能效率；另一方面，仅对电、气、热等单一能源孤立管理的传统能源系统大大限制了能源综合协调利用，不利于用能效率的提升。在此背景下，能量枢纽(energyhub,EH)的概念应运而生。
[0003]能量枢纽的概念来源于苏黎世联邦理工学院(ETH Zurich)于2007年在“未来能源网络愿景”的项目研究。它被定义为一种用于描述综合能源系统中能源、负荷、网络之间交换、耦合关系的输入
‑
输出端口模型。其描述输入能源和输出负荷端口的耦合矩阵能够简要表示电、热、气等多种形式能源之间的转化、存储、传输等各种耦合关系，在综合能源系统的规划、运行研究中发挥重要作用。
[0004]与此同时，随着智能电网的快速发展，需求响应(demand response， DR)技术逐渐成为电力行业的研究热点。参与需求响应的用户可以根据电力市场发布的电价信号或者激励机制，可在用电高峰时调整自身的消费模式，缓解电力紧张。典型的激励型需求侧响应有美国的PJM容量市场以及 ISO英格兰电力市场，PJM市场以负荷削减供应商为主体，通过和用户签订合同来获得负荷削减量。与传统发电资源不同，DR的容量收益实际上是从客户能源消费模式的变化中挖掘出来的。因此，DR有多大程度增强系统的可靠性，不仅取决于终端用户负载电器的技术特性，还取决于需求侧个人的行为偏好。
[0005]通过对PJM和ISO英格兰客户需求响应性能表现数据分析可以看出客户并非都是百分之百履行其合同承诺量。本专利技术计及Z数描述用户的需求响应表现性能，考虑用户需求响应表现性能的不确定性以及信息可靠性，同时结合考虑能量枢纽的综合能源系统规划方法在此基础上，本专利技术提出一种考虑需求响应可信度的综合能源系统规划方法。

技术实现思路

[0006]本专利技术的目的是为了针对考虑客户需求响应表现性能不确定性进行分析，提出一种考虑需求响应可信度的综合能源系统规划的建模方法。首先，该方法基于Z数，建立了客户需求响应表现性能最终的概率密度模型；然后，根据概率密度函数，用蒙特卡洛方法进行采样，将表现性能输出n个状态并对其取得平均数，最后，结合考虑能量枢纽的综合能源系统规划模型，提出了一种考虑需求响应可信度的综合能源系统规划方法。
[0007]本专利技术基于以下步骤：
[0008]本专利技术根据客户需求响应表现性能不确定的特点，提出一种考虑需求响应可信度的综合能源系统规划方法，步骤如下：
[0009]步骤(1)、获取能量枢纽侧综合能源负荷数据、风电数据、发电机数据、天然气源数
据、电网数据、天然气网参数数据以及规划成本参数数据。
[0010]步骤(2)、建立需求响应模型。
[0011]步骤(3)、建立考虑能量枢纽的综合能源系统规划模型。综合能源系统下层是输电线路和输气线路，上层是能量枢纽。
[0012]步骤(4)、求解混合整数线性规划，得出相应的规划结果。
[0013]进一步的，步骤(1)具体方法如下：
[0014]获取能量枢纽侧夏季、过渡季、冬季典型日的冷热电负荷数据，三个典型日风电的出力数据，发电机的出力上限、爬坡以及单位出力成本数据，天然气源出力上限以及单位出力成本数据，电网的功率上限、电抗以及投资成本数据，天然气网的流量上限、管道系数以及投资成本数据，DR激励、 DR惩罚以及弃风单位成本数据。
[0015]进一步的，步骤(2)具体步骤如下：
[0016]步骤(2.1)、用Z数建立客户需求响应表现性能不确定性模型。引入变量u
b
来表示客户的需求响应表现性能，定义为客户的实际减负荷量与其合同签订量的比率，其数学表达式为：
[0017][0018]其中，u
b
表示节点b上的客户的需求响应表现性能，表示节点b上的客户在t时刻实际的负荷减少量，表示节点b上的客户在t时刻签订的合同负荷削减量。与u
b
较低的客户相比，u
b
较高的客户将更有可能如约履行合同承诺的减负荷量。如果u
b
＝0,意味着客户完全不进行负荷削减。
[0019]u
b
的值是不确定的，为了考虑这种不确定性，使用基于Z数的方法。根据Z数方法，对于任何不确定变量，其影响都能够用一个模糊数的有序对来表示，其中是限制部分，表示对u
b
的假设限制，是可靠性部分，表示对的数据可信度的度量。因此，客户的需求响应表现性能Z数的数学公式能够表示为：
[0020][0021]其中，
[0022][0023][0024]其中，x1‑
x4和x
′1‑
x
′4是定义的梯形隶属度函数和三角形隶属度函数的特征参数。为了将模型转换成混合整数线性规划以便于求解，因此，采用模糊期望法，将模型中的Z数转换成常规模糊量，然后采用质心法将得到的模糊变量转换为相应的概率变量,实施步骤如下：
[0025](a)、将可靠性部分转成清晰的数字，即可靠性权重：
[0026][0027]其中，β是可靠性权重，表示函数在其定义域内的积分值，表示函数在其定义域内的积分值。
[0028](b)、将得到的可靠性权重加权到限制部分，加权Z数能够表示为：
[0029][0030]其中，是加权Z数，是加权的隶属度函数。
[0031](c)、将非正则模糊数(加权模糊数)转化成正则模糊数：
[0032][0033]其中，是加权模糊数的正则模糊数。
[0034](d)、根据质心法确定相应的等效概率密度函数：
[0035][0036]其中，f(x)是相应的概率密度函数。
[0037]步骤(2.2)、简化模型。用蒙特卡罗法对相应的概率密度函数f(x)进行 n次采样，最后取其平均数求得u
b
。对于上述需求响应表现性能的梯形概率密度函数f(x)，参数分别为x1，x2，x3，x4。先对其进行离散化，在x1和x2之间插入数字x
1,2
，在x2和x3之间插入数字x
2,3
，在x3和x4之间插入数字x
3,4
。将x1‑
x4均匀地分成六段。区间[x1,x
1,2
]、[x
1,2
,x2]、[x2,x
2,3
]、[x
2,3
,x3]、 [x3,x
3,4
]、[x
3,4
,x4]对应的概率P分别为P1‑
P6，进行蒙特卡洛抽样，若生成的随机数r在[0,P1]之间，则对应的u
b
为若随机数r在[P1,P1+P2]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑需求响应可信度的综合能源系统规划方法，其特征在于，步骤如下：步骤(1)、获取能量枢纽侧综合能源负荷数据、风电数据、发电机数据、天然气源数据、电网数据、天然气网参数数据以及规划成本参数数据；步骤(2)、建立需求响应模型；步骤(3)、建立考虑能量枢纽的综合能源系统规划模型；综合能源系统下层是输电线路和输气线路，上层是能量枢纽；步骤(4)、求解混合整数线性规划，得出相应的规划结果。2.根据权利要求1所述的一种考虑需求响应可信度的综合能源系统规划方法，其特征在于，步骤(1)具体方法如下：获取能量枢纽侧夏季、过渡季、冬季典型日的冷热电负荷数据，三个典型日风电的出力数据，发电机的出力上限、爬坡以及单位出力成本数据，天然气源出力上限以及单位出力成本数据，电网的功率上限、电抗以及投资成本数据，天然气网的流量上限、管道系数以及投资成本数据，DR激励、DR惩罚以及弃风单位成本数据。3.根据权利要求2所述的一种考虑需求响应可信度的综合能源系统规划方法，其特征在于，步骤(2)具体步骤如下：步骤(2.1)、用Z数建立客户需求响应表现性能不确定性模型；引入变量u
b
来表示客户的需求响应表现性能，定义为客户的实际减负荷量与其合同签订量的比率，其数学表达式为：其中，u
b
表示节点b上的客户的需求响应表现性能，表示节点b上的客户在t时刻实际的负荷减少量，表示节点b上的客户在t时刻签订的合同负荷削减量；与u
b
较低的客户相比，u
b
较高的客户将更有可能如约履行合同承诺的减负荷量；如果u
b
＝0,意味着客户完全不进行负荷削减；u
b
的值是不确定的，为了考虑这种不确定性，使用基于Z数的方法；根据Z数方法，对于任何不确定变量，其影响都能够用一个模糊数的有序对来表示，其中是限制部分，表示对u
b
的假设限制，是可靠性部分，表示对的数据可信度的度量；因此，客户的需求响应表现性能Z数的数学公式能够表示为：其中，其中，其中，x1‑
x4和x
′1‑
x
′4是定义的梯形隶属度函数和三角形隶属度函数的特征参数；为了将模型转换成混合整数线性规划以便于求解，因此，采用模糊期望法，将模型中的Z数转换成常规模糊量，然后采用质心法将得到的模糊变量转换为相应的概率变量,实施步骤如下：(a)、将可靠性部分转成清晰的数字，即可靠性权重：
其中，β是可靠性权重，表示函数在其定义域内的积分值，表示函数在其定义域内的积分值；(b)、将得到的可靠性权重加权到限制部分，加权Z数能够表示为：其中，是加权Z数，是加权的隶属度函数；(c)、将非正则模糊数(加权模糊数)转化成正则模糊数：其中，是加权模糊数的正则模糊数；(d)、根据质心法确定相应的等效概率密度函数：其中，f(x)是相应的概率密度函数；步骤(2.2)、简化模型；用蒙特卡罗法对相应的概率密度函数f(x)进行n次采样，最后取其平均数求得u
b
；对于上述需求响应表现性能的梯形概率密度函数f(x)，参数分别为x1，x2，x3，x4；先对其进行离散化，在x1和x2之间插入数字x
1,2
，在x2和x3之间插入数字x
2,3
，在x3和x4之间插入数字x
3,4
；将x1‑
x4均匀地分成六段；区间[x1,x
1,2
]、[x
1,2
,x2]、[x2,x
2,3
]、[x
2,3
,x3]、[x3,x
3,4
]、[x
3,4
,x4]对应的概率P分别为P1‑
P6，进行蒙特卡洛抽样，若生成的随机数r在[0,P1]之间，则对应的u
b
为若随机数r在[P1,P1+P2]之间，则u
b
为若随机数r在[P1+P2,P1+P2+P3]之间，则u
b
为若随机数r在[P1+P2+P3,P1+P2+P3+P4]之间，则u
b
为若随机数r在[P1+P2+P3+P4,P1+P2+P3+P4+P5]之间，则u
b
为若随机数r在[P1+P2+P3+P4+P5,P1+P2+P3+P4+P5+P6]之间，则u
b
为如下式所示：
进行n次如上式所示蒙特卡罗采样过程，对其结果取求平均值，获得客户需求响应表现性能u
b
。4.根据权利要求3所述的一种考虑需求响应可信度的综合能源系统规划方法，其特征在于，步骤(3)具体步骤如下：步骤(3.1)：建立能量枢纽模型：在能量枢纽模型中，有三类元件模型：能量转换元件包括热电联产CHP，压缩式制冷机CERG和电热泵HP，储能元件包括储热HS和蓄冷CS装置，可再生能源元件包括风电WT；(a)：能量转换元件：能量枢纽的输入输出关系表示为：其中，I
b,e
(t)和I
b,g
(t)是t时刻下层网架传输到连接在节点b的能量枢纽的电功率和天然气流量，P
b,wt
(t)是连接在节点b的能量枢纽内风电t时刻的输出功率,和是天然气转换成电和热的效率，ηHP和η
CE
分别是电热泵电制热和制冷剂电制冷的效率，P
b,hs
(t)和P
b,cs
(t)分别是t时刻连接在节点b的能量枢纽内的储热和蓄冷的充电功率；v
b,1
(t)、v
b,2
(t)、以及(1
‑
v
b,1
(t)
‑
v
b,2
(t))是t时刻下层网架传输到连接在节点b的能量枢纽的电功率给电负荷，压缩式制冷机以及电热泵分配的调度因子；v
′
b,1
(t)、v
′
b,2
(t)、以及(1
‑
v
′
b,1
(t)
‑
v
′
b,2
(t))是t时刻连接在节点b的能量枢纽内的热电联产输出的电功率给电负荷，压缩式制冷机以及电热泵分配的调度因子；v
″
b,1
(t)、v
b,2
(t)
″
、以及(1
‑
v
″
b,1
(t)
‑
v
″
b,2
(t))是t时刻连接在节点b的能量枢纽内的风电输出电功率给电负荷，压缩式制冷机以及电热泵分配的调度因子；(b)：储能元件：对于储能元件，模型如下：
其中，S
b,j
(t)代表t时刻连接在b节点的能量枢纽系统元件j的荷电状态state of charge，SOC；和分别代表系统元件j的充电和放电效率；Δt代表单个时间段的时间跨度；和分别表示连接b节点能量枢纽的系统元件j在t时刻能量形式k的输入和输出功率；k＝c是能量形式冷，...

【专利技术属性】
技术研发人员：范金鑫，曾平良，孙谊媊，程光，刘佳，王衡，联保华，李亚楼，
申请(专利权)人：中国电力科学研究院有限公司国网新疆电力有限公司，
类型：发明
国别省市：