一种基于随机优化的多区互联综合能源系统规划方法与流程

1.本发明涉及能源互联网规划技术领域，具体涉及一种基于随机优化的多区互联综合能源系统规划方法。


背景技术：

2.随着化石燃料的日益枯竭，能源的优化和经济利用愈发得到重视，这促使了能源互联网的发展。能源互联网是一个集综合能源和信息技术于一体的能源系统，主要由可再生能源驱动，而能源枢纽(energy hub，eh)则是能量互联网中实现能量分配和路径优化的关键设备。在能源互联网环境下，不同的能量载体之间形成强耦合，一方面提高了能源利用率，但另一方面，能源互联网的优化调度问题也成为难点。因此，能源互联网的规划与调度问题值得进一步研究。
3.近年来，能源互联网的研究主要集中在两个领域。一是能源互联网的多能互补特性建模，二是能源互联网的协调规划与调度。在文献modelling of integrated multi-energy systems:drivers,requirements,and opportunities p.mancarella,g.andersson,j.a.and k.r.w.bell proceedings pscc,geneoa,june 2016[c]中，p.mancarella等人讨论了影响综合能源系统建模的因素及其实用性，并提出了一种多时间尺度模型。在文献optimal expansion planning of energy hub with multiple energy infrastructures[j].ieee transactions on smart grid,2017,6(5)中提出了多能源枢纽最优扩展规划模型，以最大化投资收益。在文献hierarchical management for integrated community energy systems[j].applied energy,2015,160(dec.15)中，根据热电联产系统运行方式的不同，包括完全解耦、部分解耦和全耦合，研究了混合潮流计算方法。在能源互联网中，新能源出力具有很强的随机性。文献research on structure and energy management strategy ofhousehold energy router based on hybrid energy storage[c]//2019ieee power&energy society innovative smart grid technologies conference(isgt).ieee,2019中建立考虑了多能源储能装置的能源互联网模型，并对系统的新能源承载能力做出分析。
[0004]
能源互联网规划可以分为宏观和微观两个层面。宏观层面上，其目标是根据区域的资源配置和经济发展状况，确定区域工业园区的选址布局。微观层面上，目标是通过能源装置的选择、安装和调整，以及能源装置的建设和扩展，实现能源系统的合理运行。学界在微观层面上展开了大量研究。文献基于cchp耦合的电力、天然气区域综合能源系统优化规划[j].电网技术,2018,42(8)对含冷热电负荷的能源互联网进行规划，并从目标、约束和影响因素三个方面建立了规划模型。文献a novel power system source-grid-load coordinated planning model considering both efficiency powerplant anddemandresponse[c]//2018提出了考虑不确定性和多智能体博弈的配网与负荷协同规划问题，并运用博弈论和鲁棒优化求解。文献research on modes of energy utilization in regional energy internet[c]//2018:38-42提出了能量广域网的概念，提出虚拟能源
枢纽(virtual energyhub，veh)来对多区能源互联网进行建模，但该研究侧重于veh的规划，未考虑多个eh之间的路径建设费用，因而未能实现多个能源枢纽之间的能量路径优化。能源枢纽作为一种重要的能量互联网技术，在一定的地理范围内实现电网的能量路由和信息互联。虚拟能源枢纽可以连接多个孤立的能源枢纽，扩大能源互联网的规模，然而考虑不确定性的多能源最优分配问题尚待解决。


技术实现要素：

[0005]
本发明要解决的技术问题，在于提供一种基于随机优化的多区互联综合能源系统规划方法，通过建立虚拟能源枢纽中多个能源枢纽的关联模型，并提出路由算法来筛选多区能源互联网系统规划的候选集并制定求解策略，从而解决不确定性的多能源最优分配问题。
[0006]
为了解决上述技术问题，本发明是这样实现的：
[0007]
本发明一种基于随机优化的多区互联综合能源系统规划方法，应用于多区能源互联网系统mrei，一所述多区能源互联网系统mrei包括至少两个综合能源系统ies，在所述多区能源互联网系统mrei中，所述综合能源系统ies通过电、热和天然气网络连接；一所述综合能源系统ies包括至少两个能源枢纽eh，所述综合能源系统ies通过所述能源枢纽eh相互协调以实现多能源的互补，虚拟能源枢纽veh用于集中管理所述能源枢纽eh，所述方法包括如下步骤：
[0008]
步骤10、以矩阵形式建立对所述能源枢纽eh进行建模，用于分析每个所述能源枢纽eh中多个能量的转换、储存和分配，所述能源枢纽eh包括供应侧、转换侧和负荷侧，所述矩阵将多个能量的输入、转换和输出联系在一起，反映了所述能源枢纽eh中多个能量网络之间的耦合；
[0009]
步骤20、建立虚拟能源枢纽veh中多个能源枢纽eh的关联模型，所述关联模型是虚拟能源枢纽veh中多个虚拟能源枢纽eh位置与容量之间的相关方程；
[0010]
步骤30、将每个能源枢纽eh简化为节点，确定节点之间的直线距离，并给定能源枢纽eh之间的联络能流种类，构造电/热/气的节点集ve、vh、vg，定义为与其他能源枢纽eh有电/热/气联络的能源枢纽eh集合，将多区能源互联网系统mrei进行解耦得到电网、热网和天然气网，三个网架均需满足连通性约束；
[0011]
步骤40、以设备参数和线路参数为变量建立mrei的规划模型，所述规划模型的目标函数为最小化mrei的年成本；
[0012]
步骤50、将电/热/气网络最小生成树和所有n-1最小生成树的集合作为mrei拓扑结构候选集，其中，n为网络中的节点数量；将所述mrei拓扑结构候选集通过粒子群算法进行路径优化从而选择能量到达目的地的最佳路径，通过随机情景的目标函数期望值计算得到每个粒子计算总成本，当粒子群收敛时，重新初始化粒子群，路径优化的结果即为最优拓扑结构以及最优装机容量。
[0013]
进一步地，所述步骤50中具体包括：
[0014]
步骤5a、生成mrei拓扑结构候选集，所述mrei拓扑结构候选集为电/热/气网络最小生成树和所有n-1最小生成树的集合；
[0015]
步骤5b、拓扑结构初始化；
[0016]
步骤5c、粒子群初始化；
[0017]
步骤5d、对每个粒子计算总成本；
[0018]
步骤5e、求得最低总成本及对应的粒子；
[0019]
步骤5f、更新粒子速度及位置；
[0020]
步骤5g、判断粒子群是否收敛，是则返回步骤5c，否则进入步骤5h；
[0021]
步骤5h、记录全局最优粒子以及最低总成本；
[0022]
步骤5i、判断循环次数是否达到指定值，否则返回步骤5d，是则进入步骤5j；
[0023]
步骤5j、得到最最优拓扑结构以及最优装机容量。
[0024]
进一步地，所述步骤5a具体包括：
[0025]
步骤5a1、通过解耦的电网、热网和天然气网得到电/热/气的节点集ve、vh、vg；
[0026]
步骤5a2、利用prim算法得到电/热/气网络最小生成树；
[0027]
步骤5a3、通过以下公式求得mrei拓扑候选集s
net
：
[0028]
le＝{l1,l2,
……
,l
n(n-1)/2
}
[0029][0030]
l
min,x
＝φ(le,x),x∈l
min
[0031][0032][0033]
其中，n为网络中节点的数量，l
min
为最小生成树，le为候选线路集，表示在le去除l
min
中某条线路x之后所生成的n-1最小生成树，s(ve，le)、s(vh,lh)、s(vg,lg)表示电/热/气网络最小生成树和所有n-1最小生成树集合，s
net
表示为电/热/气候选集的笛卡尔积。
[0034]
进一步地，所述步骤5d具体包括：
[0035]
步骤5d1、运行场景初始化，j＝0；目标函数期望值初始化，ci＝0；
[0036]
步骤5d2、计算场景j下的目标函数值c
i,j
；
[0037]
步骤5d3、更新目标函数期望值ci＝ci+c
i,j
；
[0038]
步骤5d4、判断循环次数是否达到场景数量，否则返回步骤5d2，是则进入步骤5d5；
[0039]
步骤5d5、得到目标函数期望值ci，即总成本。
[0040]
本发明具有如下优点：
[0041]
1、针对路径规划，采取的方法是生成n-1最小生成树，而不是最小生成树，这是由于最小生成树仅能保证线路建设成本最小，而n-1最小生成树可以在更大的空间搜索，更容易找到兼顾运行成本和线路建设成本的最优解。针对粒子群算法，每当粒子群趋于稳定时，重新初始化粒子群，从而避免算法早熟；
[0042]
2、通过路径规划的双层随机优化算法，外层确定能量网络候选集，内层确定不确定场景下成本最优的设备容量，可以给出多区能源互联网的装机容量和拓扑结构，所提出的规划算法大大提高了规划效率，相关规划结果有助于提高能效、降低碳排、提高能源互联网的经济效益。
附图说明
[0043]
下面参照附图结合实施例对本发明作进一步的说明。
[0044]
图1为本发明实施例方法执行流程图；
[0045]
图2为现有技术中能源枢纽典型结构；
[0046]
图3为本发明实施例能源枢纽eh与虚拟能源枢纽veh结构图；
[0047]
图4为本发明实施例mrei网络解耦示意图；
[0048]
图5为本发明实施例mrei规划流程图。
具体实施方式
[0049]
本发明通过提供一种基于随机优化的多区互联综合能源系统规划方法，通过建立虚拟能源枢纽中多个能源枢纽的关联模型，并提出路由算法来筛选多区能源互联网系统规划的候选集并制定求解策略，从而解决不确定性的多能源最优分配问题。
[0050]
能源枢纽作为一种重要的能量互联网技术，在一定的地理范围内实现电网的能量路由和信息互联。虚拟能源枢纽可以连接多个孤立的能源枢纽，扩大能源互联网的规模，然而考虑不确定性的多能源最优分配问题尚待解决。针对该问题，本发明的总体思路如下：
[0051]
a、建立虚拟能源枢纽(veh)中多个能源枢纽(eh)的关联模型，用来刻画mrei中的区域能量流动关系；
[0052]
b、提出一种路由算法来筛选mrei规划的候选集；
[0053]
c、提出mrei规划模型和求解策略，从候选集中确定能源设备和最优能源网络的最优容量。
[0054]
一、能源枢纽与多区能源互联网
[0055]
1.1综合能源系统与能源枢纽
[0056]
在能源互联网架构下，综合能源系统(integrated energy system，ies)通过能源枢纽(energy hub，eh)相互协调以实现多能源的互补。典型的eh结构见图2。通常，eh用来表示一个具有多能源网络的工业园区。
[0057]
eh具有三层内部结构，分别是能量层、数据层和服务层。从能量特性的角度来看，能量层包括供应装置、能量转换装置、负载装置和储能装置四种装置。从能源类型的角度来看，能源层包括电能、热能和天然气能。在eh中，同一个装置在不同类型的能量网络中可能具有不同的能量特征。mer的数据层具有数据采集、数据处理、数据存储等功能模块。数据层监视ies的运行状态，并为服务层做出决策。eh的服务层为ies提供操作优化、风险评估、需求侧管理、优化调度等功能模块。本发明主要解决如何以协同方式构建多个eh的能量层，数据层和服务层不进行讨论。
[0058]
1.2多区能源互联网(mrei)与虚拟能源枢纽(veh)
[0059]
一个mrei至少由两个ies形成。在mrei系统中，ies通过电、热和天然气网络连接。因此，一个ies至少包含两个eh。本发明提出虚拟能源枢纽(veh)，用于集中管理多个eh。eh与veh之间的关系如图3所示。veh通过信息和智能技术实现了多个分布式eh的聚合和协调优化。veh的核心是集中式的能量管理系统，使得多区能源互联网实现经济和环境效益。
[0060]
在mrei中，存在内部能量交换和外部能量交换，如图3所示。本发明中mrei规划仅考虑内部能量交换的路径优化。外部能量交换的路径优化由能源互联网的调控中心决定，
其优化结果为燃气管网、电网等能源网络与mrei之间的能量交换计划，是mrei运行过程中的边界条件。内部能量交换的路径优化结果为各eh之间合理的连接网络。在此基础上，mrei进一步确定eh内的能量分布和eh间的能量交换
[0061]
二、能源枢纽建模
[0062]
2.1eh建模
[0063]
为了分析veh每个eh中多个能量的转换、储存和分配，本发明以矩阵形式建立了能量传输转换特性模型。该矩阵将多个能量的输入、转换和输出联系在一起，反映了中多个能量网络之间的耦合。
[0064]
o＝ci(1)
[0065]
其中，o/c/i分别表示输出矩阵/转换矩阵/输入矩阵，c
ij
由输入能量分配效率a
ij
和转换装置效率b
ij
决定：
[0066]cij
＝a
ijbij
。(2)
[0067]
在供应侧，输入能量来自外部能源网络、可再生能源和p2g，因此，供应侧的能量表示为：
[0068][0069]
i＝i
basic
+i
p2g
(4)
[0070]
其中，ie和ig分别为供应侧输出的电能和气能，分别表示电网/新能源/p2g输入的电功率，分别表示气网/p2g输入的气功率；
[0071]
转换侧由两部分组成。其一是能量纵向传播，通过能量转换设备实现不同种类能量之间的转换。其二是能量水平传播，表示从供应侧到转换侧相同类型能量的流动，其中考虑了传输损耗。
[0072][0073]
其中，oc
x
为类别x能源总功率输出，c
xy
为类别x到类别y能源的转换效率，cte/ctg分别为电网和气网的网损系数；再将公式(5)简化如下：
[0074]
oc＝(c+ct)i(6)
[0075]
其中，oc、ct、c分别为总功率输出矩阵、网损矩阵、转换效率矩阵；
[0076]
负荷侧由电、热、天然气体负荷以及储能装置组成，其能量输出矩阵为：
[0077][0078]
其中，se/sh/sg分别为负荷侧的电、热、天然气体负荷；
[0079]
o＝otoc+s(8)
[0080]
o＝ot(c+ct)(i
basic
+i
p2g
+i
wi
+
…
)+s(9)
[0081]
公式描述了eh整体的输入输出关系，对于不同类型的设备，公式可以对相应部分进行修改，减少了对系统重复建模的时间，提高了建模效率。同时，该模型在转换侧考虑了
能量损耗，使得eh的建模更加精确。
[0082]
2.2多eh的关联模型
[0083]
关联模型是veh中多个eh位置与容量之间的相关方程。如公式(10)所示，反映了多个能源在mrei协同规划中的相互约束。
[0084][0085]
其中分别表示第n个eh中第i个能量元件在第t时刻的电/热/气状态。
[0086]
同时，利用能量传递扩展模型将单个eh的运行特性表示为一个整体。
[0087][0088]fre
(i
m,t
,p
rate,m
)＝p
m,t
m＝1,2,
…
nre(12)
[0089][0090]
其中，公式(11)代表电、热、气能量平衡，可以初步确定每个eh的年发电量、热量和气量。需要根据元件模型分别获得各元件的电能、热能和气能状态，比能量装置的状态受能量流的制约。公式(12)为可再生能源相关方程，其中p
m,t
为第m个可再生能源t时刻输出功率，i
m,t
为第m个可再生能源t时刻环境影响因子，p
rate,m
为第m个可再生能源的装机容量。公式(13)为特定器件的能量相关方程，其中分别为第n个器件t时刻的电功率、热功率和气功率，a
n,t
为第n个器件t时刻的利用系数，p
rate,n
/h
rate,n
/v
rate,n
为第n个器件的装机容量。
[0091]
三、考虑路径优化的mrei规划模型
[0092]
3.1路径优化算法
[0093]
路径优化是一种经典的运筹优化算法，广泛用于物流、计算机网路等领域，可以减少路由的开销。本发明将路径优化算法扩展到能量网路。eh使用路径优化算法选择能量到达目的地的最佳路径。mrei中的路径优化算法具有三大要素：1、确保能源和负荷之间的连通；2、尽量减少mrei的运行成本；3、考虑不确定场景下的成本最优。
[0094]
mrei的连通性约束由公式(14)和(15)表示，任何负荷和源之间至少有一条路径连通。π(i,j)是0-1变量，0/1分别表示源i和负载j连通/不连通。
[0095][0096][0097]
所有满足约束的网络构成mrei拓扑结构的候选集s
net
。在本发明中，通过路径优化算法确定s
net
，并在s
net
中进一步确定某一最优的拓扑结构nk，使其满足公式。其中，为拓扑结构nk对应的总成本，包括该网络的建设成本c
network
和其中所有eh的运行成本之和
为第i个eh的运行成本，受运行过程中不确定参数的概率分布影响，s
scenario
为场景集，为第i个eh在第j个场景下的运行成本，p(j)是第j个场景出现的概率。
[0098][0099][0100][0101]
3.2候选集筛选
[0102]
对于含有n个eh的mrei规划问题，当采用穷举法时，候选集的元素个数达到8
n(n-1)/2
，时间复杂度过高，本发明采用以下方法来减少网络的候选集规模。
[0103]
将每个eh简化为节点，确定节点之间的直线距离，并给定eh之间的联络能流种类。由于工业园区和居民用户的大多数冷需求是通过就地制冷来满足的，因此本发明不考虑供冷管道。因此，构造电/热/气的节点集ve、vh、vg，定义为与其他eh有电/热/气联络的eh集合。将mrei进行解耦为电网、热网和天然气网，三个网架均需满足连通性约束。例如，在图4中，对一个5节点的mrei进行解耦为电网(a和b为电源，c、d、e为电负荷)、热网(b为热源，a和c为热负荷，d和e没有热量输入和输出)和天然气网(e为气源，a、b、d为天然气负荷，c没有天然气输入和输出)。
[0104]
能源网络路径规划的解法之一是确定电力/热力/燃气网络各自权重连通图的最小生成树。利用prim算法可以生成最短的能量传输路径，使网络建设成本最小，但不能保证运营成本总体最小。因此，有必要对综合能量网络的候选集进行如下扩展。
[0105]
对于一个具有n个节点的电力网络，最小生成树l
min
的元素个数为n-1，而候选线路集le的元素个数为n(n-1)/2。函数表示在le去除l
min
中某条线路x之后，所生成的n-1最小生成树。s(vh,lh)、s(vg,lg)表示电/热/气网络最小生成树和所有n-1最小生成树集合，即电/热/气网络拓扑结构的候选集。综上，mrei拓扑结构的候选集s
net
可以表示为电/热/气候选集的笛卡尔积，如公式(23)所示。
[0106]
le＝{l1,l2,
……
,l
n(n-1)/2
}(19)
[0107][0108]
l
min,x
＝φ(le,x),x∈l
min
(21)
[0109][0110][0111]
四、结论
[0112]
mrei规划的难点是对mrei中复杂的能量流建模，并降低能源网络候选集的规模。因此，本发明提出了veh中多能量网络的关联模型来量化mrei中复杂的能量流，并提出了一种新的路径规划算法来降低能量网络候选集的规模。
[0113]
本发明的一具体实施方式：
[0114]
如图1所示，本发明一种基于随机优化的多区互联综合能源系统规划方法，应用于
多区能源互联网系统mrei，一所述多区能源互联网系统mrei包括至少两个综合能源系统ies，在所述多区能源互联网系统mrei中，所述综合能源系统ies通过电、热和天然气网络连接；一所述综合能源系统ies包括至少两个能源枢纽eh，所述综合能源系统ies通过所述能源枢纽eh相互协调以实现多能源的互补，虚拟能源枢纽veh用于集中管理所述能源枢纽eh，所述方法包括如下步骤：
[0115]
步骤10、以矩阵形式建立对所述能源枢纽eh进行建模，用于分析每个所述能源枢纽eh中多个能量的转换、储存和分配，所述能源枢纽eh包括供应侧、转换侧和负荷侧，所述矩阵将多个能量的输入、转换和输出联系在一起，反映了所述能源枢纽eh中多个能量网络之间的耦合；
[0116]
步骤20、建立虚拟能源枢纽veh中多个能源枢纽eh的关联模型，所述关联模型是虚拟能源枢纽veh中多个虚拟能源枢纽eh位置与容量之间的相关方程；
[0117]
步骤30、将每个能源枢纽eh简化为节点，确定节点之间的直线距离，并给定能源枢纽eh之间的联络能流种类，构造电/热/气的节点集ve、vh、vg，定义为与其他能源枢纽eh有电/热/气联络的能源枢纽eh集合，将多区能源互联网系统mrei进行解耦得到电网、热网和天然气网，三个网架均需满足连通性约束；
[0118]
步骤40、以设备参数和线路参数为变量建立mrei的规划模型，所述规划模型的目标函数为最小化mrei的年成本；
[0119]
步骤50、将电/热/气网络最小生成树和所有n-1最小生成树的集合作为mrei拓扑结构候选集，其中，n为网络中的节点数量；将所述mrei拓扑结构候选集通过粒子群算法进行路径优化从而选择能量到达目的地的最佳路径，通过随机情景的目标函数期望值计算得到每个粒子计算总成本，当粒子群收敛时，重新初始化粒子群，路径优化的结果即为最优拓扑结构以及最优装机容量。
[0120]
如图5所示，在具体实施例中，所述步骤50中进一步包括：
[0121]
步骤5a、生成mrei拓扑结构候选集，所述mrei拓扑结构候选集为电/热/气网络最小生成树和所有n-1最小生成树的集合；
[0122]
步骤5b、拓扑结构初始化；
[0123]
步骤5c、粒子群初始化；
[0124]
步骤5d、对每个粒子计算总成本；
[0125]
步骤5e、求得最低总成本及对应的粒子；
[0126]
步骤5f、更新粒子速度及位置；
[0127]
步骤5g、判断粒子群是否收敛，是则返回步骤5c，否则进入步骤5h；
[0128]
步骤5h、记录全局最优粒子以及最低总成本；
[0129]
步骤5i、判断循环次数是否达到指定值，否则返回步骤5d，是则进入步骤5j；
[0130]
步骤5j、得到最最优拓扑结构以及最优装机容量。
[0131]
所述步骤5a具体包括：
[0132]
步骤5a1、通过解耦的电网、热网和天然气网得到电/热/气的节点集ve、vh、vg；
[0133]
步骤5a2、利用prim算法得到电/热/气网络最小生成树；
[0134]
步骤5a3、通过以下公式求得mrei拓扑候选集s
net
：
[0135]
le＝{l1,l2,
……
,l
n(n-1)/2
}
[0136][0137]
l
min,x
＝φ(le,x),x∈l
min
[0138][0139][0140]
其中，n为网络中节点的数量，l
min
为最小生成树，le为候选线路集，表示在le去除l
min
中某条线路x之后所生成的n-1最小生成树，s(ve，le)、s(vh,lh)、s(vg,lg)表示电/热/气网络最小生成树和所有n-1最小生成树集合，s
net
表示为电/热/气候选集的笛卡尔积。
[0141]
所述步骤5d具体包括：
[0142]
步骤5d1、运行场景初始化，j＝0；目标函数期望值初始化，ci＝0；
[0143]
步骤5d2、计算场景j下的目标函数值c
i,j
；
[0144]
步骤5d3、更新目标函数期望值ci＝ci+c
i,j
；
[0145]
步骤5d4、判断循环次数是否达到场景数量，否则返回步骤5d2，是则进入步骤5d5；
[0146]
步骤5d5、得到目标函数期望值ci，即总成本。
[0147]
本发明针对路径规划，采取的方法是生成n-1最小生成树，而不是最小生成树，这是由于最小生成树仅能保证线路建设成本最小，而n-1最小生成树可以在更大的空间搜索，更容易找到兼顾运行成本和线路建设成本的最优解。针对粒子群算法，每当粒子群趋于稳定时，重新初始化粒子群，从而避免算法早熟；通过路径规划的双层随机优化算法，外层确定能量网络候选集，内层确定不确定场景下成本最优的设备容量，可以给出多区能源互联网的装机容量和拓扑结构，所提出的规划算法大大提高了规划效率，相关规划结果有助于提高能效、降低碳排、提高能源互联网的经济效益。
[0148]
虽然以上描述了本发明的具体实施方式，但是熟悉本技术领域的技术人员应当理解，我们所描述的具体的实施例只是说明性的，而不是用于对本发明的范围的限定，熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化，都应当涵盖在本发明的权利要求所保护的范围内。