一种用于区域综合能源系统的双层优化调度决策方法技术方案

本申请公开了一种用于区域综合能源系统的双层优化调度决策方法，步骤包括：构建上层部分数学模型和下层数据驱动模型；通过上层部分数学模型得到日前运行计划；根据日前运行计划，为下层数据驱动模型提供参考值；对历史运行数据进行处理，得到训练用数据；将参考值和训练用数据输入下层数据驱动模型进行训练，得到输出结果；将输出结果输入自适应功率修正模型进行微调，得到最优运行计划，完成对RIES的优化。本申请通过双层优化调度方法可有效应对可再生能源出力及负荷的不确定性，且在日内滚动优化阶段中可以不需要系统的具体数学模型和复杂的求解算法，快速得出系统最优运行计划，极大提高了RIES最优化调度问题的求解效率。率。率。

【技术实现步骤摘要】
一种用于区域综合能源系统的双层优化调度决策方法


[0001]本申请涉及能源决策调度领域，具体涉及一种用于区域综合能源系统的双层优化调度决策方法。

技术介绍

[0002]随着多种可再生能源发电技术的广泛运用，区域综合能源系统 (regional integrated energy system,RIES)对于提升能源利用效率，实现多种能源之间的互补耦合运行具有重要的意义。然而，多种能源之间耦合关系的复杂与可再生能源的不确定性，使得快速准确求解RIES最优化调度问题的难度较高。因此，研究快速、准确、智能的区域综合能源系统最优化调度决策方法具有重要的实用价值和现实意义。
[0003]目前对于RIES的最优化调度方法主要是基于最优化理论的模型驱动方法进行求解：首先通过工程实际提炼出数学模型，然后使用多种数学手段对模型进行简化和处理，最后研究相应的最优化算法对问题进行求解，该类方法为典型的模型驱动方法。然而，随着高比例可再生能源的接入，源荷双侧不确定性增加以及随着RIES规模不断扩大、耦合关系不断复杂化，在线求解最优化调度问题的计算成本增大，基于模型驱动的传统调度方法逐渐显露不足。

技术实现思路

[0004]为解决上述问题，本申请公开了一种用于区域综合能源系统的双层优化调度决策方法，步骤包括：
[0005]构建上层部分数学模型和下层数据驱动模型；
[0006]通过上层部分数学模型得到日前运行计划；
[0007]根据所述日前运行计划，为下层数据驱动模型提供参考值；
[0008]对历史运行数据进行处理，得到训练用数据；
[0009]将所述参考值和所述训练用数据输入下层数据驱动模型进行训练，得到输出结果；
[0010]将所述输出结果输入自适应功率修正模型进行微调，得到最优运行计划，完成对RIES的优化。
[0011]可选的，构建所述上层部分数学模型的方法包括：
[0012]建立日前优化调度模型；
[0013]约束所述日前优化调度模型。
[0014]可选的，建立所述日前优化调度模型的方法包括：
[0015][0016]其中：
[0017][0018]式中：F
MT,t
、F
EBat,t
、F
P2G,t
、F
HBat,t
、F
GL,t
、F
EGrid,t
、F
VGrid,t
分别代表 t刻燃气轮机运行成本、储能电池运行成本、P2G设备运行成本、储热槽运行成本、燃气锅炉运行成本、与大电网互动的成本、向外部输气网络购气成本；C
MT
、C
EBat
、C
P2G
、C
HBat
、C
GL
、C
Ebuy,t
、C
Esell,t
、C
vbuy,t
分别为燃气轮机运行成本系数、储能电池运行成本系数、P2G设备运行成本系数、储热槽运行成本系数、燃气锅炉运行成本系数、t时刻向大电网购电成本系数、t时刻向大电网售电成本系数、t时刻向外部输气网络购气成本系数；P
Bat,t
、H
Bat,t
、P
Ebuy,t
、P
Esell,t
、V
Grid,t
分别为t时刻储能电池充放电功率、储热槽充放热功率、向大电网购电功率、向大电网售电功率、向外部输气网络购气量。
[0019]可选的，所述日前优化调度模型的约束方法包括：
[0020]电功率实时平衡约束
[0021][0022]式中：P
WT,t
为t时刻风电机组输出功率；P
PV,t
为t时刻光伏太阳能板输出功率；P
EGrid,t
为t时刻与大电网交换的功率；为t时刻全网电功率需求；
[0023]热功率实时平衡约束
[0024]H
MT,t
+H
GL,t
+H
Bat,t
＝H
Load,t
[0025]式中：H
Load,t
为t时刻全网热功率需求；
[0026]气量实时平衡约束
[0027]V
MT,t
+V
GL,t
‑
V
P2G,t
＝V
Grid,t
[0028]可调度对象运行约束
[0029][0030]式中：P
i,t
为第i个调度对象t时刻的功率情况；P
imin
与P
imax
分别为第i个调度对象最小和最大功率；P
idown
与P
iup
分别为第i个调度对象最大向下爬坡功率和最大向上爬坡功率；
[0031]储能设备约束
[0032][0033]式中：与分别为第i个储能设备t时刻的充电放电指标，0 表示设备未运行在该状态，1表示设备运行在该状态；分别为第i个储能设备t时刻的充放功率情况；η
i
为第i个储能设备的充放功率效率；S
i,t
为第i个储能设备t时刻的容量；与分别为第i个储能设备的最小和最大的容量；与分别为第i个储能设备一天内开始时的容量和结束时的容量。
[0034]可选的，构建所述下层数据驱动模型的方法包括：
[0035]建立日内滚动优化调度数学模型；
[0036]约束所述日内滚动优化调度数学模型；
[0037]使用所述训练用数据训练驱动调度决策网络；
[0038]使用自适应功率修正模型调整数据驱动输出结果得到RIES最优运行计划。
[0039]可选的，构建所述日内滚动优化调度数学模型的方法包括：根据日内超短期可再生能源及负荷预测情况，建立以日前
‑
日内出力偏差 F1最小和日内运行成本F2最低为目标函数的多目标日内滚动优化调度数学模型，为数据驱动调度决策模型提供训练数据，具体模型如下：
[0040][0041]式中：和分别第i个调度对象t时刻的日前运行计划和日内实际运行计划，之后利用标幺值对子目标函数进行归一化处理：
[0042][0043]式中：F为日内综合目标函数；F
1max
和分别为总日内出力偏差最大值和日内运行成本最大值；ω1和ω2分别为各自目标的权重系数，可以根据对不同目标的重视程度进行配置，ω1和ω2应满足：
[0044]ω1+ω2＝1,0＜ω1,ω2＜1。
[0045]可选的，约束所述日内滚动优化调度数学模型的方法包括：在所述日内滚动优化调度数学模型中添加对燃气锅炉和储热槽的调度周期约束：
[0046][0047]其余所述约束条件与所述日前优化调度模型完全相同。
[0048]可选的，对所述历史运行数据进行处理的方法包括：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于区域综合能源系统的双层优化调度决策方法，其特征在于，步骤包括：构建上层部分数学模型和下层数据驱动模型；通过上层部分数学模型得到日前运行计划；根据所述日前运行计划，为下层数据驱动模型提供参考值；对历史运行数据进行处理，得到训练用数据；将所述参考值和所述训练用数据输入下层数据驱动模型进行训练，得到输出结果；将所述输出结果输入自适应功率修正模型进行微调，得到最优运行计划，完成对RIES的优化。2.根据权利要求1所述的用于区域综合能源系统的双层优化调度决策方法，其特征在于，构建所述上层部分数学模型的方法包括：建立日前优化调度模型；约束所述日前优化调度模型。3.根据权利要求2所述的用于区域综合能源系统的双层优化调度决策方法，其特征在于，建立所述日前优化调度模型的方法包括：其中：式中：F
MT,t
、F
EBat,t
、F
P2G,t
、F
HBat,t
、F
GL,t
、F
EGrid,t
、F
VGrid,t
分别代表t刻燃气轮机运行成本、储能电池运行成本、P2G设备运行成本、储热槽运行成本、燃气锅炉运行成本、与大电网互动的成本、向外部输气网络购气成本；C
MT
、C
EBat
、C
P2G
、C
HBat
、C
GL
、C
Ebuy,t
、C
Esell,t
、C
vbuy,t
分别为燃气轮机运行成本系数、储能电池运行成本系数、P2G设备运行成本系数、储热槽运行成本系数、燃气锅炉运行成本系数、t时刻向大电网购电成本系数、t时刻向大电网售电成本系数、t时刻向外部输气网络购气成本系数；P
Bat,t
、H
Bat,t
、P
Ebuy,t
、P
Esell,t
、V
Grid,t
分别为t时刻储能电池充放电功率、储热槽充放热功率、向大电网购电功率、向大电网售电功率、向外部输气网络购气量。4.根据权利要求3所述的用于区域综合能源系统的双层优化调度决策方法，其特征在于，所述日前优化调度模型的约束方法包括：电功率实时平衡约束
式中：P
WT,t
为t时刻风电机组输出功率；P
PV,t
为t时刻光伏太阳能板输出功率；P
EGrid,t
为t时刻与大电网交换的功率；为t时刻全网电功率需求；热功率实时平衡约束H
MT,t
+H
GL,t
+H
Bat,t
＝H
Load,t
式中：H
Load,t
为t时刻全网热功率需求；气量实时平衡约束V
MT,t
+V
GL,t
‑
V
P2G...

【专利技术属性】
技术研发人员：张靖，王志杨，古庭赟，李博文，叶永春，范璐钦，何宇，韩松，
申请(专利权)人：贵州大学，
类型：发明
国别省市：