一种计及多方参与的广义储能园区综合能源系统协调优化运行方法技术方案

本发明专利技术公开了一种计及多方参与的广义储能园区综合能源系统协调优化运行方法

【技术实现步骤摘要】
一种计及多方参与的广义储能园区综合能源系统协调优化运行方法


[0001]本专利技术属于电力系统优化运行领域，尤其涉及一种计及多方参与的广义储能园区综合能源系统协调优化运行方法
。

技术介绍

[0002]随着“双碳”目标的提出，新能源成为实现低碳减排的重要方案
。
其中具有多种能源互补等优势的园区综合能源系统
(park integrated energy systems,PIES)
是解决碳排放问题的重要路径
。
由于
PIES
内部较为复杂，如何降低成本并实现园区内部多主体共赢是亟需解决的问题
。
主从博弈与合作博弈结合后的混合博弈模型为解决多主体利益需求提供了理论依据
。
近年来，伴随建筑储能领域的不断发展，出现了“光储直柔”等一系列适用于
PIES
的技术路径
。
同时，随着电动汽车
(electric vehicle,EV)
保有量的提高与车
‑
网互动等研究的发展，通过挖掘
EV
集群可调度潜力作为
PIES
储能装置已具备一定的现实依据
。
[0003]随着“光储直柔”战略的提出与
EV
保有量的提高，
PIES
内部多能互济已成为未来园区的发展方向
。
因此，如何均衡
PIES
内部各个主体的利益需求，考虑
EV
>集群可调度潜力与楼宇储热组成广义储能的相对优势，对于实现园区综合能源系统高效运行至关重要
。
[0004]基于上述分析，针对储能设备前期投资较高以及储能利用率偏低等规划不合理的问题，本专利技术提出了一种计及多方参与的广义储能园区综合能源系统协调优化运行方法，充分挖掘
EV
集群可调度潜力，针对
PIES
内部
MGO
与
UA
内多用户的利益需求问题，利用纳什谈判理论分配多用的合作收益，建立基于混合博弈的广义储能的
PIES
模型，在降低系统碳排放的同时实现
MGO
与
UA
的共赢，并通过算例分析验证了所提方案的有效性和可行性
。

技术实现思路

[0005]本专利技术所要解决的问题是针对
PIES
内多主体利益需求不同且储能设备前期投入等问题，提出通过混合博弈求解多用户收益问题并利用
EV
集群共享储能特性作为储能设备降低
PIES
成本
。
[0006]技术方案：一种计及多方参与的广义储能园区综合能源系统协调优化运行方法，其特征在于包括以下步骤：
[0007](1)
在数据处理阶段，根据充电站中
EV
的历史数据，利用双向长短期记忆网络法
(bi
‑
directional long short
‑
term memory,Bi
‑
LSTM)
对历史数据进行处理，得到
EV
在主从博弈阶段的充
、
放电功率与荷电状态
(state ofcharge,SOC)
的允许范围；
[0008](2)
执行主从博弈计算，使用遗传算法随机生成初始
MGO
的售能策略，并将其传至
UA
侧；
[0009](3)UA
接收
MGO
的定价策略，利用
CPLEX
求解器进行求解，优化自身电
、
热负荷的分布情况与转移量，并计算一个周期内的收益，同时将购能量信息返回给
MGO
；
[0010](4)MGO
根据售能价格以及
UA
的购能信息计算一个周期内的收益，并判断是否满足
为最大收益；
[0011](5)
根据遗传算法的更新迭代，
MGO
生成新的售能策略集合，重复步骤
(3)
和
(4)
，直至
k
取得最大值为止；
[0012](6)
若新的
MGO、UA
收入大于之前的收入，则进行更新；
[0013](7)
数据更新完毕后，若误差小于设置值，完成算法并进行合作博弈计算，否则返回步骤
(2)
继续执行；
[0014](8)
输入步骤
(6)
产生的
MGO
售能价格与用户合作博弈交易量；
[0015](9)
设置交替方向乘子法
(alternating direction method ofmultipliers,ADMM)
的初始化参数，输入用户交易量；
[0016](10)
通过
ADMM
算法计算用户间的电能价格；
[0017](11)
判断用户间的电能价格是否收敛，若收敛则返回最终价格并结束程序，否则返回
(10)
继续进行
。
[0018]进一步，所述步骤
(1)
中
MGO、EV、UA
以及广义储能模型的公式：
[0019]MGO
模型：
[0020][0021]式中：为
CHP
的用气成本，为
CHP
的产电效率，为
CHP
的产电功率，
P
gas
为天然气价格，为
CHP
的产热功率，
η
h
为热电比系数
。
[0022]EV
集群共享储能模型：
EV
集群可调度潜力指通过对
EV
初始
SOC
与
EV
到达
、
离开充电站的时间
T
arrive
、T
leave
的历史数据进行预测，进而明确实时阶段
EV
可用作储能的容量与充放电功率的范围
。
通过闵可夫斯基和理论将
EV
集群聚合为共享储能模型并计算
EV
集群可调度潜力的包络空间边界：
[0023][0024]式中：和分别为
t
时刻
EV
集群的充放功率和
SOC
；；分别为
EV
集群的充放电功率限值；分别为
EV
集群的最大
、
最小容量；为
Δ
t
时段内
EV
的
SOC
变化量
。
分表示个体
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种计及多方参与的广义储能园区综合能源系统协调优化运行方法，其特征在于，包括如下步骤：
(1)
在数据处理阶段，根据充电站中
EV
的历史数据，利用双向长短期记忆网络法
(bi
‑
directional long short
‑
term memory,Bi
‑
LSTM)
对历史数据进行处理，得到
EV
在主从博弈阶段的充
、
放电功率与荷电状态
(state ofcharge,SOC)
的允许范围；
(2)
执行主从博弈计算，使用遗传算法随机生成初始
MGO
的售能策略，并将其传至
UA
侧；
(3)UA
接收
MGO
的定价策略，利用
CPLEX
求解器进行求解，优化自身电
、
热负荷的分布情况与转移量，并计算一个周期内的收益，同时将购能量信息返回给
MGO
；
(4)MGO
根据售能价格以及
UA
的购能信息计算一个周期内的收益，并判断是否满足为最大收益；
(5)
根据遗传算法的更新迭代，
MGO
生成新的售能策略集合，重复步骤
(3)
和
(4)
，直至
k
取得最大值为止；
(6)
若新的
MGO、UA
收入大于之前的收入，则进行更新；
(7)
数据更新完毕后，若误差小于设置值，完成算法并进行合作博弈计算，否则返回步骤
(2)
继续执行；
(8)
输入步骤
(6)
产生的
MGO
售能价格与用户合作博弈交易量；
(9)
设置交替方向乘子法
(alternating direction method ofmultipliers,ADMM)
的初始化参数，输入用户交易量；
(10)
通过
ADMM
算法计算用户间的电能价格；
(11)
判断用户间的电能价格是否收敛，若收敛则返回最终价格并结束程序，否则返回
(10)
继续进行
。2.
根据权利要求1一种计及多方参与的广义储能园区综合能源系统协调优化运行方法，其特征在于，所述步骤
(1)
中，还包括
MGO、EV、UA
以及广义储能模型的构建，具体方法分别为：
MGO
模型：式中：为
MGO
内配备热电联供机组
(combined heat and power,CHP)
的用气成本，为
CHP
的产电效率，
P
tCHP,e
为
CHP
的产电功率，
P
gas
为天然气价格，
P
tCHP,h
为
CHP
的产热功率，
η
h
为热电比系数
。EV
集群共享储能模型：
EV
集群可调度潜力指通过对
EV
初始
SOC
与
EV
到达
、
离开充电站的时间
T
arrive
、T
leave
的历史数据进行预测，进而明确实时阶段
EV
可用作储能的容量与充放电功率的范围
。
通过闵可夫斯基和理论将
EV
集群聚合为共享储能模型并计算
EV
集群可调度潜力的包络空间边界：
式中：和分别为
t
时刻
EV
集群的充放功率和
SOC
；；分别为
EV
集群的充放电功率限值；分别为
EV
集群的最大
、
最小容量；为
Δ
t
时段内
EV
的
SOC
变化量
。
分表示个体
EV
在
t
时刻的充放电功率；
P
ncha,max
、P
ndis,max
分别表示个体
EV
充放电功率的最大最小允许值；分别表示充放电状态的布尔变量；
S
n,t
表示个体
EV
的
SOC
；分别表示个体
EV
的容量上下限值；分别为
EV
到达与离开充电站时的电量
。
时表示
EV
位于充电站，可进行充放电操作
。UA
模型：用户的电
、
热刚性负荷与柔性负荷可表示为：式中：为
UA
向
MGO
购买的电能；分别为
UA
完成
DR
后的电负荷与柔性电负荷值；为光伏装置电功率；为合作博弈交易量；为
UA
的刚性负荷与柔性电负荷；为电制热设备消耗的电负荷...

【专利技术属性】
技术研发人员：王义，靳梓康，姚利娜，李忠文，罗胜耀，
申请(专利权)人：郑州大学，
类型：发明
国别省市：