[发明专利]考虑需求侧不确定性的电-气耦合配网的分布式优化方法在审
申请号: | 202110862518.6 | 申请日: | 2021-07-29 |
公开(公告)号: | CN113642165A | 公开(公告)日: | 2021-11-12 |
发明(设计)人: | 段建东;刘帆;杨瑶;秦博 | 申请(专利权)人: | 西安理工大学 |
主分类号: | G06F30/20 | 分类号: | G06F30/20;G06Q10/06;G06Q50/06;G06F111/10;G06F113/04 |
代理公司: | 西安弘理专利事务所 61214 | 代理人: | 曾庆喜 |
地址: | 710048 陕*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 考虑 需求 不确定性 耦合 分布式 优化 方法 | ||
本发明公开了考虑需求侧不确定性的电‑气耦合配网的分布式优化方法,本发明针对电‑气综合配网,研究考虑需求侧不确定性的电‑气耦合能源配网分布式优化,分别用某一区间的一个随机数表示可转移负荷、可削减负荷和可转换负荷的不确定性,在此基础之上,利用综合需求响应实现负荷曲线的削锋填谷,并将配电网和配气网作为不同的运行主体,考虑到各主体数据的隐私性,使用分布式的求解方法,在提升系统经济性的同时,平滑了系统的负荷曲线,缓解了用能压力并促进了风电资源的利用。
技术领域
本发明属于大规模分布式风电并网的电-气耦合能源配网的优化运行技术领域,具体涉及考虑需求侧不确定性与需求侧资源的电-气耦合配网的分布式优化方法。
背景技术
随着市场的开放,以及需求响应管理技术的不断发展,其使电/气负荷越来越成为一种可以灵活调控的资源,并广泛参与到综合能源系统的优化运行中。系统不确定性的来源逐渐从原来的源侧逐渐过渡到源荷双侧。传统仅考虑负荷预测本身的不确定性的模型对于负荷的预测一般比较准确,随着需求响应技术的引入,负荷侧的不确定性越来越受到用户心理等行为影响,传统仅靠预测负荷来处理荷侧不确定性的方法已经不再适用于目前用户广泛参与调度的系统,须对用户响应行为的不确定性做深入的分析。同时电、气两网分属不同运营管理部门,需探求考虑数据私密性的分布式优化方法。
针对考虑需求侧资源的系统优化运行,国内外学者陆续展开了一些研究。比如:1)针对含电力需求响应的系统,进行经济调度方法的研究,探究需求响应的内在潜力。2)考虑综合需求响应,探究综合能源系统的确定性优化调度。然而,1)中重点侧重针对电力系统的研究,随着多能系统耦合程度的不断加深,电力需求响应已经逐渐过渡到包含多种能源的综合需求响应;2)中探究了综合需求响应的影响,但并未计及不确定性,实际上,用户心理具有较强的随机变化特性,其不确定性不容忽视。
发明内容
本发明的目的在于提供考虑需求侧不确定性的电-气耦合配网的分布式优化方法,解决了现有技术中存在的不能充分利用需求侧灵活性资源和无法保证数据私密性的问题。
本发明所采用的技术方案是:考虑需求侧不确定性的电-气耦合配网的分布式优化方法,具体操作步骤如下:
步骤1:建立电网可转移负荷、可削减负荷以及可转换负荷的数学模型,进一步地,给出几种灵活性负荷的不确定性表达式;
步骤2:建立电-气耦合能源配网,初始化配电网和配气网的系统参数,设定迭代求解的最大优化迭代次数,最大优化迭代次数一般不超过10次;
步骤3:先利用CPLEX求解器独立求解配电网和配气网的优化模型,得到电气两网的耦合变量,然后使用分布式优化算法,对电气两网优化模型进行迭代求解;
步骤4:根据步骤3中所获得的耦合变量信息判断是否满足收敛条件或达到最大迭代次数;若收敛或达到最大迭代次数,则输出最终结果,否则返回步骤3进行下一次迭代。
本发明的特点还在于:
步骤1中,主要包括电转气、燃气轮机和储气罐数学模型以及于配电网和配气网有关的安全运行约束,其配电网和配气网的优化目标为:
式(1)中,t为调度时间段索引,tl为可转换负荷用户索引,T为总调度时段,NTL为可转换负荷用户总数;F1和F2分别为配电网和配气网的基础运行成本,其中可转移负荷与可削减负荷已经分别转化为电网和气网的运行成本包含在F1和F2中;为可被替代为气负荷的可转换电负荷量;为可被替代为电负荷的可转换气负荷量;γtl,t为有关可转换负荷的拉格朗日一次惩罚系数。λtl,t为有关可转换负荷的拉格朗日二次惩罚系数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安理工大学,未经西安理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110862518.6/2.html,转载请声明来源钻瓜专利网。