[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

说明书

本发明公开了一种基于Dantzig‑Wolfe分解的多能互补微网集群分布式优化调度方法，涉及多能流的区域型综合能源管理领域，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。本发明达到聚合所需的迭代次数较少，且迭代次数随着微网的规模增大而变化很小，适合应用于未来大规模微网并入集群带来的信息和计算挑战。

技术领域

本发明涉及多能流的区域型综合能源管理领域，涉及一种多能互补微网集群分布式优化调度方法，尤其涉及一种基于Dantzig-Wolfe分解的多能互补微网集群分布式优化调度方法。

背景技术

集成冷、热、电、气等多种能源的区域型综合能源系统可以实现能量的梯级利用，显著的提高经济效益，是现代能源供给体系中一个重要的组成部分，并为未来的能源发展指明了方向。区域型多能互补微网作为区域型综合能源系统的具体实现方式，是未来小区以及区域型建筑较有前景的供能方式，为多能流的综合分析和应用提供了全新的视角。

目前，对于多能流的区域型综合能源系统已经有部分研究，多集中在冷能、热能、电能、气能中某几种能流的组合优化，且均是对综合能源系统或者多微网系统的集中式优化。然而由于多微网系统中每个微网可能有不同的管理者，考虑到信息的隐私性以及调度的独立性，集中式优化不再适用于未来能源系统的发展。同时，随着越来越多的微网并入集群，由集中式优化引起的计算负担将不断增长，分布式计算由于将优化问题分解到每个微网，将有益于解决这一挑战。

目前，大多数分布式调度使用对偶分解算法，例如预测校正近端乘子法以及辅助问题原则来处理综合能源系统，但是由于对偶分解算法收敛速度慢，随着并入集群的微网数目逐渐增多，对偶分解算法迭代需要的次数和时间也大幅度增长，很难应对未来大规模能源系统的发展。不同于对偶分解算法，原分解算法可以加快分布式算法的聚合速度，并且随着子系统的数目增多，迭代次数不发生显著增长，是分布式优化调度更为合适的选择。Dantzig-Wolfe分解算法是一种基于列生成的原分解算法，其具有收敛速度快，且受子系统规模影响较小的显著优势，已经应用在需求响应以及电动汽车充电等领域中，但是尚未有人将其应用到多微网系统当中。

因此，本领域的技术人员致力于开发一种基于Dantzig-Wolfe分解的多能互补微网集群分布式优化调度方法，解决现有技术中存在的上述问题。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是如何将Dantzig-Wolfe分解算法应用到多微网系统的管理之中，以解决不同经营主体的信息隐私性和集中式优化带来的计算挑战，并解决对偶分解算法收敛速度慢不能应对未来大规模能源系统的发展的问题。本发明采用Dantzig-Wolfe分解算法是一种基于列生成的原分解算法，具有收敛速度快，且受子系统规模影响较小的显著优势。

为实现上述目的，本发明提供了一种基于Dantzig-Wolfe分解的多能互补微网集群分布式优化调度方法，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。

进一步地，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。

进一步地，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。