[发明专利]不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法

权利要求书

1.一种在不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法，其特征是，它包括以下步骤：

1)构建园区综合能源系统物理模型；参见图2，风机、光伏、储能装置(energy storagedevice,ESD)、外部电网和燃气轮机(micro-gas turbine,MT)联合为用户提供电需求，电锅炉(electric boiler,EB)、MT和储热装置(heat storage device,HSD)联合为用户提供相应的热需求，外部气网和电转气装置(power to gas,P2G)联合为用户提供相应的天然气需求。

2)建立考虑电-气-热柔性负荷和电动汽车的综合需求响应机制；

①电力需求响应

电力负荷由固定负荷和柔性负荷组成，根据需求响应的特点，电力柔性负荷分为可转移负荷和可中断负荷；

a)可时移的电力负荷

可时移负荷的特征是总耗电量是恒定的，并且消耗时间可灵活改变，用式(1)、式(2)描述:

式中，P_t^TSE是时移的电力负荷，α_TSE表示可时移负荷所占比例，和是t时段可时移负荷的上下限；

b)可中断电力负荷

在电力供应不足或电价高的时期，用户可中断部分负荷以缓解电力供应压力，可中断负荷的相关约束用式(3)描述:

式中，P_t^EIL和分别是t时段中断的电力负荷及其上限值，α_IE表示可中断负荷所占比例；

②热需求响应

将建筑热需求视为热负荷，利用暂态热平衡方程将建筑温度与热需求联系起来，采用预测平均投票指标(predicted mean vote,PMV)来描述用户对室内温度变化的舒适体验，供热可中断负荷的相关约束为式(4):

式中，是中断的热负荷，是在t时段的中断热负荷最大值。通过引入PMV来描述用户可接受的热舒适范围；

式中，M为人体能量代谢率；I_cl是服装的热阻；T_s是处于舒适状态的人体皮肤的平均温度；T_in,t是室内温度；

室内温度变化范围是

建筑物的热需求可由下式计算得到：

式中，T_out,t为t时段室外温度；K为建筑物综合传热系数；F为建筑物表面积；V为建筑物体积；c_air为室内空气的比热容；ρ_air为室内空气的密度；

③天然气需求响应

天然气需求响应与电力需求响应相似，天然气需求响应负荷可由下式表示：

式中，和分别表示t时段可时移气负荷及其上下限，和表示t时段可中断气负荷及其上限值，α_TSQ和α_IQ分别为可时移气负荷和可中断气负荷所占比例；

④电动汽车模型

电动汽车到达充电站时间的概率密度函数为：

式中，μ_s和σ_s分别为电动汽车到达充电站时间的平均值和标准差；

电动汽车的日行驶里程服从正态分布，其概率密度函数为：

式中，x表示电动汽车的日行驶里程，μ_d和σ_d分别为日行驶里程的平均值和标准差；

根据电动汽车的行驶里程，电动汽车的初始充电状态为：

式中，为电动汽车n的初始电池容量，W₁₀₀表示电动汽车100公里耗能，为电动汽车额定容量；电动汽车的充电时间计算为：

式中，T_n为电动汽车的充电时间，和为电动汽车的额定充电功率和效率；

为了衡量IDR对用户体验的影响，设计了用户的综合满意度指标：

式中，m_s,t为用户的综合满意度，和P_load,t为t时段初始电力负荷和实际电力负荷，H_load,t和为t时段初始热负荷和实际热负荷，Q_load,t和为t时段初始天然气负荷和实际天然气负荷；

2)建立基于机会约束规划的园区综合能源系统优化调度模型；

①选取优化目标，模型以最小化CIES总运行成本作为目标函数，目标函数的表达式为：

式中，C₁为能源交易成本，C₂为旋转备用成本，C₃为运行维护成本，C₄为环境成本，C₅为IDR补偿成本，和为分时电价和天然气价格，为电力负荷消耗电网功率，为气负荷消耗气网天然气体积，和δ^ESSD分别表示为旋转备用成本系数，和表示电网和EESD提供的旋转备用容量，表示设备i的运维成本，P_i,t表示设备i的功率，和表示所购电力和天然气中污染物j的排放系数，表示P2G过程中吸收CO₂的系数，是污染物j的价格，γ_IE、γ_TSE、γ_CH、γ_IQ和γ_TSQ分别为可中断电负荷、可时移电负荷、可中断热负荷、可中断气负荷和可时移气负荷的单位补偿成本。

②确定约束条件，调度模型的约束条件包括额能量平衡约束、储能设备运行约束、电锅炉约束、P2G运行约束、燃气轮机运行约束、旋转备用约束，具体如下：

能量平衡约束：包括电力供需平衡、热功率约束和天然气平衡约束

式中，为t时段电力负荷消耗RG出力，P_t^EV为t时段电动汽车充电功率，P_t^s为弃风弃光功率；

储能设备约束：包括储能装置功率约束和容量约束，

式中，C_t+1和C_t分别为t+1和t时段储能容量，P_CH,max和P_DC,max表示储能装置的最大充放功率，C_min和C_max分别为最大和最小储能容量，C₀和分别为一个调度周期内初始和结束时的储能容量；

电锅炉运行约束：

式中，P_t^EB和表示耗电功率和供热功率，η^EB为电锅炉效率，和为电锅炉消耗电网和可再生能源功率，为额定供热功率；

P2G运行约束：

式中，P_t^P2G为t时段耗电功率，η^P2G为P2G效率系数，和分别为P2G消耗电网功率和可再生能源功率，为t时段P2G产气体积，HHV为天然气热值，和为P2G输入功率上下限，θ_t为P2G运行状态变量，和为爬坡功率上下限；

燃气轮机运行约束：

式中，为MT输入天然气的体积，和分别为MT供电和供热效率系数，为热损失系数，P_t^MT和分别为MT供电和供热功率，和为MT消耗气网和P2G气体体积，和为MT输入气体体积上下限，ψ_t为MT运行状态变量，和为MT爬坡能力上下限；

旋转备用约束：

式中，为电网提供的最大旋转备用，E(P_t^DG)为可再生能源联合处理期望值，α为置信水平；P_t^WT和P_t^PV分别为风机和光伏出力；

4)利用序列运算理论将光伏、风机输出功率的概率分布进行离散化处理，得到其对应的概率性序列分别为a(i_at)和b(i_bt)。

5)通过概率性序列，获得各时段风光联合出力的期望值；t时段预测的间歇性风光共同出力的期望值E(P_t^DG)计算式为：

式中，N_at为光伏出力概率序列长度，N_bt为风机出力概率序列长度，q为离散化步长，u_atq为光伏第u_a种状态的出力值，u_btq为风机第u_b种状态的出力值；

6)对旋转备用的机会约束形式进行转化，得到确定性约束形式；t时段风光共同出力所对应的概率性序列c(i_ct)可以利用概率性序列a(i_at)和b(i_bt)的卷和获得，根据卷和的定义有：

为了方便处理旋转备用约束，定义一类新的0-1变量它满足以下关系：

在t时段，当系统旋转备用容量大于风光出力期望值与风光第u_ct种出力的差值时取1，否则为0；

因此旋转备用的机会约束形式可简化为：

通过上述方法，我们将基于机会约束规划的模型转换为确定性模型；

7)利用线性化方法对调度模型中的分段函数和最小化因子进行处理，将模型转换为混合整数线性规划形式；

①由于式(38)中的表达式不兼容混合整数规划的求解形式，需要对其进行转化：

式中χ是很大的正数，当时，式(40)等价为χ是一个非常小的正数，由于是一个0-1变量，所以只能等于1，否则为0。

②消除最小化因子

为了处理目标函数中的最小化因子，我们引入了辅助变量，以min{P_t^TSE,0}为例，定义所以g(P_t^TSE)可以表示为：

通过引入三个连续变量w₁,w₂,w₃和三个0-1变量z₁,z₂,z₃，式(41)可转换为线性形式：

利用相同方法对进行处理，确定性模型将转换为混合整数线性规划模型；

8)输入初始参数包括：风机参数，光伏组件参数，微燃机参数，电转气设备参数，建筑物参数，电动汽车参数，储能设备参数，电锅炉参数，调度时段数，各负荷预测值以及各变量的上下限值；

9)设置备用容量的置信水平；

10)采用CPLEX求解器对园区综合能源系统调度模型进行求解；

11)检查解决方案是否存在：

若存在，则终止流程；否则更新置信度，转到步骤10)再次进行求解；

12)输出园区综合能源系统优化调度方案。