[发明专利]基于Dantzig-Wolfe分解的多能互补微网集群分布式优化调度

权利要求书

1.一种基于Dantzig-Wolfe分解的多能互补微网集群分布式优化调度方法，其特征在于，所述方法包括以下步骤：

步骤1、建立经过优化的多能互补微网集群模型；所述多能互补微网集群模型为总线型，包括配电网和至少一个微电网；所述微电网通过集群母线并入所述配电网的节点；

步骤2、应用Dantzig-Wolfe分解方法将所述多能互补微网集群模型分解为主问题和子问题；通过不断生成列以及所述主问题和所述子问题的交替求解，获得全局最优解；

在所述步骤1的所述配电网与所述微电网之间引入虚拟协调器来解耦所述集群母线；

所述步骤2的所述主问题在所述虚拟协调器中求解，所述子问题在所述每个微电网的内部求解；

所述微电网的目标函数C_m包含从外界购买天然气的成本C_buy，t，以及燃气轮机、燃气锅炉、吸收式制冷机、电制冷机、电转气设备、电转热设备、光伏发电装置、风力发电装置的运行维护成本C_om，t，如式(1)～(3)：

C_buy，t＝F_buy，tC_fuel    (2)

其中：

T是调度周期，Δt是1h调度间隔；

F_buy，t是从外界购买的天然气耗量；

C_fuel是天然气的价格；

k_m，k_gb，k_ac，k_ec，k_p2g，k_p2h，k_pv，k_wt，k_bt，k_tank分别是与所述燃气轮机、所述燃气锅炉、所述吸收式制冷机、所述电制冷机、所述电转气设备、所述电转热设备、所述光伏发电装置、所述光伏发电装置、蓄电池和蓄热箱运行维护成本有关的系数；

P_m，t是所述燃气轮机的功率；

Q_gb，t是所述燃气锅炉产生的热功率；

Q_ac，t是所述吸收式制冷机的制冷功率；

Q_ec，t是所述电制冷机的制冷功率；

Q_p2g，t是所述电转气设备产生的气功率；

Q_p2h，t是所述电转热设备产生的热功率；

P_pv，t，P_wind，t分别是所述光伏发电装置和所述光伏发电装置的出力；

P_c，t，P_d，t分别是所述蓄电池的充放电效率；

Q_c，t，Q_d，t分别是所述蓄热箱存储和释放的热能；

所述微电网的各个设备的相关约束如式(4)～(19)：

Q_ac，t+Q_ec，t＝C_load，t  (6)

F_m，t+F_gb，t+Q_cg，t·Δt+G_load，t＝F_buy，t+F_p2g，t+Q_dg，t·Δt  (7)

其中：

式子(4)表示所述微电网的电力平衡约束；

式子(5)代表所述微电网的热功率平衡约束；

式子(6)代表所述微电网的冷功率平衡约束；

式子(7)表示所述微电网的气功率平衡约束；

式子(8)分别列出了所述燃气轮机的燃气耗量、热回收系统回收的热功率、所述燃气轮机的上下限以及爬坡率约束；

式子(9)分别是所述热回收系统回收的所述热功率需满足的容量约束以及所述热功率用于提供冷热能的约束；

式子(10)分别列出所述蓄电池的SOC在不同时刻之间的关系式、所述SOC的上下限约束、所述SOC相邻天之间的平衡约束、所述蓄电池的充放电功率的上下限约束；

式子(11)分别列出所述蓄热箱在不同时刻容量之间的关系式、所述蓄热箱的储存热功率的等式、所述蓄热箱的释放热功率的等式、容量的上下限约束、所述蓄热箱用来制热和制冷的热功率约束、所述蓄热箱的充放电功率约束；

式子(12)分别列出蓄气箱不同时刻容量之间的关系式、容量的上下限约束、所述蓄气箱存储气能与释放气能的功率约束；

式子(13)分别列出所述吸收式制冷机与所述热回收系统、所述燃气锅炉以及所述蓄热箱所提供热能之间的关系式、所述吸收式制冷机所提供的冷功率约束；

式子(14)分别列出所述电制冷机所提供的冷功率与所需电功率之间的关系式、所述电制冷机所提供的冷功率约束；

式子(15)分别列出所述燃气锅炉的燃气耗量与所述燃气锅炉所提供的热功率之间的关系式、所述燃气锅炉所提供的热功率与所述燃气锅炉的制冷功率和制热功率之间的关系式；所述燃气锅炉所提供的热功率上下限约束、用于制冷功率和制热功率的约束；

式子(16)分别描述所述电转热设备所提供的热功率与所需电功率之间的关系式、所述电转热设备所提供热功率的上下限约束；

式子(17)分别描述所述电转气设备所提供的气功率与所需电功率之间的关系式，所述电转气设备的燃气耗量与气功率之间的关系式、所提供气功率的上下限约束；

式子(18)给出从外界供气站所购买的燃气量；

式子(19)给出所述微电网与所述虚拟协调器之间功率的上下限约束；

其中：

E_load，t，H_load，t，C_load，t，G_load，t分别是时刻t的电负荷、热负荷、冷负荷以及气负荷值；

P_ec，t是所述电制冷机制冷所需的电功率；

P_p2g，t是所述电转气设备制气所需的电功率；

P_p2h，t是所述电转热设备制热所需的电功率；

是所述微电网m(m＝1，…，M)与所述虚拟协调器的交换功率，其中正值代表出，负值代表入；

分别是所述热回收系统制热和制冷所需的热功率；

分别是所述蓄热箱制热和制冷所需的热功率；

分别是所述燃气锅炉制热和制冷所需的热功率；

Q_ac，t，Q_ec，t分别是所述吸收式制冷机和所述电制冷机的制冷功率；

F_m，t是所述燃气轮机的天然气耗量；

F_gb，t是所述燃气锅炉的天然气耗量；

Q_cg，t，Q_dg，t分别是所述蓄气箱存储和释放的气功率；

F_p2g，t是所述电转气设备的天然气耗量；

η_m是所述燃气轮机的发电效率；

Q_rec，t是所述热回收系统回收的热功率；

η_rec是所述热回收系统的回收效率；

上标为“min”和“max”的变量表示相关变量的上下限值；

Δ_rd和Δ_ru分别是所述燃气轮机的爬坡率上下限值；

SOC_t是时刻t所述蓄电池的SOC值；

δ是所述蓄电池的自放电率；

η_c，η_d分别是所述蓄电池的充电、放电效率；

E_s是所述蓄电池的容量；

W_t是时刻t所述蓄热箱的可用热容量；

u是所述蓄热箱的热损耗率；

Q_c，t，Q_d，t分别是时刻t所述蓄热箱的存储和释放的热功率；

T_c，T_d分别是所述蓄热箱的热功率存储和释放的效率；

W_g，t是时刻t所述蓄气箱的可用气容量；

g是所述蓄气箱的气损耗率；

G_c，G_d分别是所述蓄气箱的气功率存储和释放的效率；

COP_ac，COP_ec分别是所述吸收式制冷机和所述电制冷机的能效比；

Q_gb，t是所述燃气锅炉所提供的热功率；

η_gb是所述燃气锅炉的转换效率；

C_p2g，C_p2h分别所述电转气设备、所述电转热设备的转换效率；

所述虚拟协调器的优化模型和相关约束如式(20)～(22)：

其中：

C_V是所述虚拟协调器的总成本；

C_ex，t是所述虚拟协调器与大电网之间交易成本的总和；

P_ex，t是所述虚拟协调器与大电网之间的交换功率，购入为正，售出为负；

E_buy，E_sell分别是所述虚拟协调器与大电网之间的购售电价；

Φ_V是所述所有微电网的集合；

式子(21)描述的是所述虚拟协调器的功率平衡约束，是所述虚拟协调器和所有微电网的耦合约束，也为所述主问题的耦合约束；

式子(22)给出所述虚拟协调器与大电网之间交换功率的上下限约束；

所述主问题的目标函数描述为式子(23)：

minτ_v，k＝C_V，k+∑_m(∑_kλ_m，k·C_m，k)  (23)

其中：

τ_v，k是第k次迭代下所述主问题的目标函数；

C_V，k是第k次迭代下所述虚拟协调器的运行成本C_V；

C_m，k是第k次迭代下所述微电网m的运行成本C_m，C_m，k的值由所述微电网m在k次迭代后传递给所述虚拟协调器；

λ_m，k是第k次迭代下所述微电网m的权重变量，λ_m，k的值由所述虚拟协调器的最小化目标函数求得；

式子(21)可以分解为式子(24)：

P_ex，t+∑_m(∑_kλ_m，k·P_m，t，k)＝0  (24)

其中：

P_m，t，k是第k次迭代后所述微电网m传递给所述虚拟协调器的t时刻两者之间的交互功率，P_m，t，k以流入所述虚拟协调器为正，流出所述虚拟协调器为负；

经过数次迭代收敛之后，t时刻所述微电网m和所述虚拟协调器之间的实际交换功率如式(25)所示：

所述微电网m的每次迭代均会新增一个权重变量λ_m，k，所述权重变量表示最优解中每次迭代所占据的权重值；

当λ_m，k为0时，表示对应迭代次数下的相应值不属于最优解的一部分；

当λ_m，k为1时，表示对应迭代次数下的相应值即为最优解；

所述权重变量λ_m，k的相关约束见式子(26)和(27)所示：

∑λ_m，k＝1   (26)

0≤λ_m，k≤1   (27)

π_t是对应于式子(24)等式约束的对偶变量，也可以看成影子价格或者边际成本，即如果将式子(24)松弛一个单位，可以带来π_t的收益；

针对Dantzig-Wolfe分解算法，π_t可以看成所述微电网m与所述虚拟协调器之间的出清电价；σ_m是对应着式子(26)凸等式约束的对偶变量(影子价格/边际成本)，表示后续迭代是否能够继续减少所述主问题的目标函数值，即所述微电网m的总成本必须小于或者等于σ_m以保证最优性；每次迭代，所述主问题将求解出来的λ_m，k、π_t与σ_m向量发送给所述子问题；

所述子问题的目标函数ν_m，k是所述微电网的目标函数C_m，k的扩展版，包括所述微电网m的成本函数C_m，k和所述虚拟协调器交易的成本以及边际成本σ_m；在已知权重系数λ_m，k、π_t与σ_m的基础上，所述每个微电网m最小化求解扩展后的目标函数ν_m，k(式子28)，得出当前迭代下的实际成本C_m，k与交互功率P_m，t，k，将其上传给所述主问题；

如果ν_m，k≤0，则意味着当前迭代下的最优解有能力进一步减少所述主问题的目标函数值，因此是有效的，才会被添加到所述主问题的相应列中；反之，则相应参数被赋予为0，并上传给所述主问题，指示当前迭代求出的解无效；

在开始的前几次迭代中，即便v_m，k≥0也被允许将对应参数添加到所述主问题中，直到开始出现ν_m，k≤0的迭代时，才将前几次迭代的列参数移除或者赋值为0；

min v_m，k＝C_m，k-∑_tP_m，t，k·π_t-σ_m    (28)

当所述主问题的目标函数值τ_v，k满足式子(29)，迭代停止，该迭代终止条件由所述主问题进行判断：

其中，ε是聚合容限，被设置为0.001；

同时，添加额外的迭代次数限制k_max＝100，当达到最大迭代次数时，程序被强制停止；

所述多能互补微网集群分布式优化调度方法的算法流程为：

首先，以空列集合初始化所述主问题；

之后，将所述主问题求得的权重系数λ_m，k、π_t与σ_m发送给所述子问题；

之后，所述每个微电网在已知λ_m，k、π_t与σ_m的基础上，独立优化各自的所述子问题，将优化后的C_m，k与P_m，t，k参数值上传给所述主问题；

之后，所述主问题添加从所述子问题传送的新列后开启下一次迭代，直到满足终止条件或者达到最大迭代次数，主问题的迭代终止，并将最后一次迭代求得的λ_m，k、π_t与σ_m发送给所述子问题，获得所述全局最优解。