公开/公告号CN108173282A
专利类型发明专利
公开/公告日2018-06-15
原文格式PDF
申请/专利权人 国网山东省电力公司电力科学研究院;国家电网公司;
申请/专利号CN201711479374.6
申请日2017-12-29
分类号H02J3/38(20060101);G06Q10/06(20120101);G06Q50/06(20120101);
代理机构37221 济南圣达知识产权代理有限公司;
代理人李圣梅
地址 250003 山东省济南市市中区望岳路2000号
入库时间 2023-06-19 05:44:06
法律状态公告日
法律状态信息
法律状态
2019-11-15
授权
授权
2018-07-13
实质审查的生效 IPC(主分类):H02J3/38 申请日:20171229
实质审查的生效
2018-06-15
公开
公开
技术领域
本发明涉及电力技术领域,特别是涉及考虑电转气运行成本的综合能源系统日前优化调度方法。
背景技术
当前,我国弃风消纳问题极为严峻,据统计,2016年全年弃风电量497亿千瓦时,平均弃风率达到17.1%,其中甘肃省弃风率更是高达43%。与此同时,能源互联网的提出为可再生能源消纳提供了新的解决途径,而作为其重要物理载体的综合能源系统的优化调度运行则是实现弃风消纳的关键所在。
作为综合能源系统的核心环节,电转气(power to gas,P2G)技术可将低谷时段难以消纳的风电转化为易于大规模存储的天然气,实现电力-天然气网络的深度耦合,从而改善系统运行灵活性,并提高其风电接纳能力。因此,P2G技术及其优化运行方法成为当前综合能源系统研究的焦点问题。文献“Guoqiang SUN,Shuang C,Zhinong WEI,et al.Multi-period integrated natural gas and electric power system probabilistic optimalpower flow incorporating power-to-gas units[J].Journal of Modern PowerSystems and Clean Energy,2017:1-12.”及“Chuan HE,Tianqi LIU,Lei WU,etal.Robust coordination of interdependent electricity and natural gas systemsin day-ahead scheduling for facilitating volatile renewable generations viapower-to-gas technology[J].Journal of Modern Power Systems and Clean Energy,2017,5(3):375-388.”建立了电气互联系统的不确定性模型,并分析了P2G对系统运行灵活性的提高作用;文献“卫志农,张思德,孙国强,等.计及电转气的电–气互联综合能源系统削峰填谷研究[J].中国电机工程学报,2017,16:004.”提出了一种通过电转气和燃气轮机协调进行削峰填谷的模型,兼顾了系统的经济性目标与削峰填谷目标;文献“李杨,刘伟佳,赵俊华,等.含电转气的电-气-热系统协同调度与消纳风电效益分析[J].电网技术,2016,40(12):3680-3688.”采用能源中心建模方法,建立了综合能源系统优化调度模型,并分析了系统消纳风电的经济效益。上述研究均证明了P2G对系统运行灵活性及风电接纳能力的有益帮助。
然而,虽然P2G具有良好的弃风消纳效果,但在当前及可预见的未来,其运行成本恐将难以得到大幅度降低。当前,国内外针对P2G运行成本的探讨主要集中在P2G容量配置与经济性评估方面。文献“
目前,在现有含P2G综合能源系统优化调度的研究中,考虑P2G运行成本对综合能源系统调度运行影响的研究尚不多见。实际上,当P2G运行成本较高时,会在一定程度上影响系统的风电接纳能力与运行经济性,使二者之间产生一定的矛盾关系。进而,如何协调二者间的关系,使得系统在具有较高风电接纳能力的同时,仍能保证运行经济性,是含P2G综合能源系统面临的关键问题。
发明内容
为了解决现有技术的不足,本发明提供了一种考虑电转气运行成本的综合能源系统日前优化调度方法,本发明所提日前调度方法则能兼顾综合能源系统运行的经济性与风电接纳能力,并可为调度决策提供多样化选择。
一种考虑电转气运行成本综合能源系统优化调度方法,包括:
建立含P2G的能源集线器模型,在建立前述模型的基础上分析P2G运行成本对系统经济性与风电接纳能力的影响,并据此建立多目标日前优化调度模型;
通过加权模糊规划方法协调上述多目标日前优化调度模型的矛盾关系,实现由多目标到单目标的转化。
进一步的,所述含P2G的能源集线器模型中输入端为电能、天然气,所述电能、天然气输入至能源集线器记性能量转换与存储,输出电能、热能供应负荷需求,所述含P2G的能源集线器模型中假定热能仅在能源集线器内部传输,即不考虑热力联网。
进一步的,所述含P2G的能源集线器模型中含P2G能源集线器的数学表达如下:
式中:下标m表示第m个能源集线器,Lm,t、Hm,t分别是t时段的电负荷、热负荷,
进一步的,所述多目标日前优化调度模型兼顾系统运行经济性与风电接纳能力,该模型对应的目标函数包括:综合能源系统的总运行成本Fg最小及风电接纳电量Fw最大;
其中,综合能源系统的总运行成本包括火电成本、风电成本、气源出力成本、储气设备运行成本以及P2G原料成本。
进一步的,所述综合能源系统的总运行成本Fg最小对应的表达式:
式中:Ntu、Nw、Nsp、Ngs、Np2g为系统中火电、风电、气源、储气设备、P2G设备的数量,T为调度时段总数;
进一步的,所述风电接纳电量Fw最大:
其中,
进一步的,所述多目标日前优化调度模型的约束条件包括:
能源集线器内部约束,包括:CHP出力约束、燃气锅炉出力约束、P2G出力约束及储气设备运行约束;
电力网络约束,包括:节点功率平衡、机组出力约束、节点电压约束、支路潮流约束
天然气网络约束,包括:节点流量平衡、气源出力约束、天然气节点压力约束、加压站约束、管道流量约束、天然气流量通过其热值转化为功率流。
进一步的,所述通过加权模糊规划方法协调上述多目标日前优化调度模型的矛盾关系,具体为:首先借助隶属度函数将优化目标模糊化,然后采用加权满意度指标法实现多目标到单目标的转化。
进一步的,所述借助隶属度函数将优化目标模糊化,将两个不同的目标进行模糊化、归一化处理,分别建立系统运行成本与风电接纳电量两个目标的“降半梯形”隶属度函数。
进一步的,所述通过将两个满意度函数加权求和,构造整体满意度目标函数,从而实现多目标到单目标的转化,所建立的多目标加权模糊规划模型如下式:
式中,μ是整体满意度,a1、a2是两个目标的权重系数,根据调度人员对经济性与风电接纳电量的不同要求设定;H(x)代表了模型中的所有等式约束,G(x)代表了所有不等式约束;
所述根据两个目标所对应的隶属度函数建立的多目标加权模糊规划模型转换为普通非线性单目标模型。
与现有技术相比,本发明的有益效果是:
在含P2G综合能源系统的日前调度中,考虑P2G运行成本对系统风电接纳能力与运行经济性的影响,并提出一种多目标优化模型协调二者之间的矛盾关系。较高的P2G运行成本会在一定程度上影响系统的风电接纳能力与运行经济性,使二者之间产生一定的矛盾;而本申请所提多目标模型则能兼顾系统运行的经济性与风电接纳能力,并可为调度决策提供多样化选择。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为含P2G的能源集线器;
图2为9节点能源集线器系统;
图3 P2G原料成本对系统调度运行的影响;
图4权重系数变化对两个目标的影响;
图5(a)-图5(c)不同场景(场景二、三、四)下风电使用情况;
图6不同场景下储气设备和气源出力;
图7(a)-图7(c)不同场景下CHP、火电机组、燃气锅炉出力;
图8 P2G技术原理图;
图9天然气管道传输模型;
图10(a)-图10(b)目标一及目标二对应的隶属度函数。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本申请的一种典型的实施方式中,如图1所示,提供了考虑电转气运行成本的综合能源系统日前优化调度方法,具体为一种考虑P2G运行成本对系统风电接纳能力与运行经济性影响的综合能源系统日前调度方法。首先,在建立P2G运行成本及能源集线器模型的基础上,分析P2G运行成本对系统经济性与风电接纳能力的影响,并据此建立多目标日前优化调度模型。然后,通过加权模糊规划方法协调矛盾关系,实现由多目标到单目标的转化。最后,以9节点能源集线器系统为例进行仿真,结果分析说明了P2G运行成本对系统运行的影响,验证了所提模型的正确性。
关于含P2G的能源集线器模型,首先介绍P2G技术及其运行成本:
P2G技术分为电解和甲烷化两个过程,当前整个化学反应流程的效率可达60%~70%,技术原理如图8所示。
P2G运行成本包括固定运行成本与可变运行成本,前者包含设备维护费、劳动力成本等;后者则指生成单位天然气所需的成本,其直接影响日前优化调度。因此,下文所述P2G运行成本均指其可变运行成本,其主要包含用电成本与原料成本。其中,用电成本与耗电量呈正比;原料成本主要为二氧化碳(CO2)成本,因其来源不同(如碳捕捉技术、沼气等)而差别较大,取值在10$/t~1000$/t之间。
综上,P2G运行成本可表示为:
Cp2g=CEPp2gΔt+αCMPNGΔt(1)
式中:Cp2g是P2G运行成本,Δt是电转气设备的运行时间;CE、α、CM分别是P2G用电电价、生成单位天然气所需CO2的系数(t/MWh)、CO2价格系数($/t);Pp2g、PNG分别是P2G消耗的电功率与生成的天然气功率,二者关系如下式所示:
PNG=ηegPp2g>
式中:ηeg是P2G电转气的效率。
可见,随用电电价、CO2来源不同,P2G运行成本有不同取值。因此,当P2G运行成本较高时,有必要考虑其对系统调度运行的影响。
含P2G的能源集线器,综合多种能源的能源集线器可为P2G技术提供更广阔的运行灵活性。本文构建了如图1所示含P2G的能源集线器模型:输入端的电能、天然气,通过P2G、CHP、燃气锅炉、储气设备等实现能量转换与存储,输出电能、热能供应负荷需求。需要说明的是,电力网络和天然气网络一般是在大范围内联网,而热力网络由于受制于就近供需特点和传输延时特性,一般仅在局部小范围内传输。因此,在本文所构造的模型中,假定热能仅在能源集线器内部传输,即不考虑热力联网。
如图1所示,当风电消纳困难时,可通过P2G将过剩风电转化为天然气,供CHP、燃气锅炉使用或进行储存,从而提高风电消纳能力与系统运行灵活性。
含P2G能源集线器的数学表达如下:
式中:下标m表示第m个能源集线器,Lm,t、Hm,t分别是t时段的电负荷、热负荷,
关于本申请的综合能源系统多目标日前调度模型:本申请假定综合能源系统由统一的调度机构负责调度。当P2G运行成本较高时,会在一定程度上影响系统的风电接纳能力与运行经济性,使二者之间产生一定的矛盾关系。此时,若以系统经济性最优为目标进行调度,则可能会导致P2G出力较少、风电接纳能力较低;而若以风电接纳能力最大为目标进行调度,除较高的P2G运行成本之外,系统内各装置有可能偏离经济运行点,导致系统经济性变差。
因此,本文在考虑P2G运行成本的基础上,建立多目标优化调度模型,以期得到兼顾系统运行经济性与风电接纳能力的优化结果。
目标函数,目标一即综合能源系统的总运行成本Fg最小,包括火电成本、风电成本、气源出力成本、储气设备运行成本以及P2G原料成本。需要说明的是,对于统一调度机构而言,风电成本即系统支付给风电机组所有者的成本,而P2G用电成本已包含在火电成本或风电成本之中。因此,目标一如下式所示:
式中:N为系统中各机组、设备的数量,T为调度时段总数;
目标二即风电接纳电量Fw最大:
在综合能源系统调度运行中,系统在t时段的风电最大接纳功率不一定是风电预测功率,由于受到系统物理容量限制(如火电机组最小出力、P2G和储气等设备容量、线路传输容量等),有一部分风电必须弃掉。
约束条件:能源集线器内部约束
(1)CHP出力约束
式中:
(2)燃气锅炉出力约束
式中:
(3)P2G出力约束
式中:
(4)储气设备运行约束
储气设备模型包括储气平衡约束(8)、储气容量约束(9)、储气和放气功率上下限约束(10)(11)。
Sm,min≤Sm,t≤Sm,max>
式中:Sm,t-1、Sm,t是第m个能源集线器中相邻两个时段的储气容量,Sm,max、Sm,min分别是储气设备容量的上下限,
为了给下一个调度周期预留一定的调节裕度,将运行一个周期后的储气量恢复到原来的储气量,也即意味着一个周期内的充气量等于放气量:
2.电力网络约束
(1)节点功率平衡
式中:
(2)机组出力约束
式中:
(3)节点电压约束
Uimin≤Ui,t≤Uimax>
式中:Uimax、Uimin分别是节点i的电压上下限。
(4)支路潮流约束
|Pkl,t|≤Pklmax>
式中:Pklmax是支路kl的潮流上限值。
3.天然气网络约束
(1)节点流量平衡
式中:
(2)气源出力约束
式中:
(3)天然气节点压力约束
ωimin≤ωi,t≤ωimax>
式中:ωimax、ωimin分别是天然气节点i的压力上下限。
(4)加压站约束
由于天然气在传输过程中会因管壁摩擦等造成压力损失,因此通常需要加压站进行增压,如图9所示。
节点i与j之间的天然气流量fij,t是从加压站出口n到节点j的天然气流量fnj,t与加压站消耗的天然气流量
加压站消耗的流量
式中:
(5)管道流量约束
fnjmin≤fnj,t≤fnjmax>
式中:Cnj是节点n与节点j之间传输管道的传输系数,fnjmax、fnjmin分别是管道nj的流量上下限。
(6)天然气流量可以通过其热值转化为功率流,二者之间的换算关系为:
Pgas=HGVGgas>
式中:Pgas为天然气功率流,HGV为天然气的高热值,取值为39MJ/m3。
关于多目标的加权模糊化处理:
为协调该模型中两个具有矛盾关系的目标,本文首先借助隶属度函数将优化目标模糊化,然后采用加权满意度指标法实现多目标到单目标的转化。该方法既结合了模糊规划理论的优点,同时又可以考虑决策者对不同目标的重视程度,适应调度人员对经济性与风电接纳能力的不同要求。
首先,将两个不同的目标进行模糊化、归一化处理。分别建立系统运行成本与风电接纳电量两个目标的“降半梯形”隶属度函数,如图10(a)-图10(b)所示。
两个目标所对应的隶属度函数分别为:
式中,μ(Fg)、μ(Fw)分别代表了对运行成本与风电接纳电量的满意度;Fgmin、Fwmax分别表示两个单目标模型的最优解,代表了理论上系统运行成本的最小值与风电接纳电量的最大值;βg、βw为弹性满意程度,βgFgmin、βwFwmax代表了决策者允许的运行成本增加值与风电接纳电量减小值。
然后,通过将两个满意度函数加权求和,构造整体满意度目标函数,从而实现多目标到单目标的转化。所建立的多目标加权模糊规划模型如下式:
式中,μ是整体满意度,a1、a2是两个目标的权重系数,根据调度人员对经济性与风电接纳电量的不同要求设定;H(x)代表了模型中的所有等式约束,G(x)代表了所有不等式约束。
在式(31)(32)的设定下,模型(33)与模型(34)等价:
模型(34)是普通非线性单目标规划问题,可以用优化软件GAMS求解。GAMS(General Algebraic Modeling System)是一种建立并求解大型复杂规划问题的软件,通过调用合适的外部求解器(如CPLEX,IPOPT,MINOS)来求解优化模型的最优解。其中,内点法求解器(interior point optimizer,IPOPT)适于求解大规模非线性优化问题,在很多领域得到了广泛应用。因此,本文采用GAMS/IPOPT进行求解。
下面本申请具体公开了算例分析:
9节点能源集线器系统:构造了如图2所示的9节点能源集线器系统。图中,H1~H9是9个能源集线器,H5内部结构如图1所示,其余能源集线器内部无P2G和储气设备。H3、H4、H9分别接入火电厂G1、G2、G3,H5接入风电场WT。另外,H3、H4分别接入气源点S1、S2。
针对文献“王业磊,赵俊华,文福拴,等.具有电转气功能的多能源系统的市场均衡分析[J].电力系统自动化,2015,39(21):1-10”中的冬季典型日测试数据进行了部分修改,各设备参数、成本系数等见表B1-B5。
表B1冬季典型日负荷与风电预测值数据
表B2各机组、设备成本系数
表B3各机组、设备运行参数
表B4电力网络参数
表B5天然气网络参数
其中风电预测发电量为7196MWh。假设负荷在9个能源集线器内均匀分配。电力系统、天然气系统、热负荷等统一归算为电力单位计量,并取功率基准值为100MW,以标幺值(pu)表示;取成本基准值为4$/MWh,以金融单位(mu)表示。
P2G运行成本中,CO2成本数据,取α=0.2t/MWh,CM=90$/t,即P2G的原料成本系数为4.5mu。
为研究系统运行经济性与风电接纳能力之间的特征关系,本文设置4种场景进行对比分析,分别如下:
场景一:系统中无P2G,目标是系统运行成本最小;
场景二:系统中有P2G,目标是系统运行成本最小;
场景三:系统中有P2G,目标是系统风电接纳电量最大;
场景四:系统中有P2G,综合考虑运行成本目标和风电接纳目标。
P2G原料成本对系统调度运行的影响:
对场景一进行优化,得Fw=5301MWh,Fg=3623.73mu。为分析P2G运行成本对系统风电接纳能力与运行经济性的影响,在场景二中分别设置不同的P2G原料成本系数(即不同的CO2价格系数CM)进行优化,并与场景一优化结果进行对比。
如图3所示,当不考虑P2G原料成本时,由于只受到系统物理容量限制,风电尽可能被接纳,此时Fw=7052MWh,Fg=3545.23mu。对比场景一可发现,此时P2G能显著提高系统的风电接纳能力并减少系统运行成本。
而随P2G原料成本增加,P2G出力逐渐减少,因此系统的风电接纳电量减少,同时系统总运行成本也逐渐增加。对比场景一可发现,此时P2G仍能增加系统的风电接纳能力并减少运行成本,但其效果受到了其运行成本限制。
当P2G原料成本增加至6mu时,启动P2G接纳风电对系统而言不具备经济性,因此P2G不启动,风电接纳电量固定在5301MWh,与场景一相同。
由此可见,当P2G运行成本较高时,会在一定程度上影响系统的风电接纳能力与运行经济性。该结论亦充分证明了在日前调度研究中考虑P2G运行成本的必要性。
多目标间的特征关系分析:
为进一步分析系统在运行经济性与风电接纳能力之间存在的特征关系,取P2G原料成本系数为4.5mu,分别对场景二、三进行优化计算,可得优化结果如表1所示。
表1不同场景下的风电接纳电量和系统运行成本
对比场景二、三可以发现,当以系统风电接纳能力最大为目标时,其接纳的风电量增加,但系统运行成本亦随之增加。由此可见,当P2G运行成本较高时,系统在运行经济性与风电接纳能力之间存在一定的矛盾关系。
由于系统在最优经济运行点时,仍有较大的弃风电量,因此,有必要在两个相互矛盾的目标之间寻求折中解。由场景二、三优化结果得Fgmin=3604.11mu,Fwmax=7052MWh,在场景四中取βgFgmin=48.05mu,βwFwmax=1272MWh,分别取不同的权重系数a1、a2对两个目标进行协调分析,结果如图4所示。
可以看出,随a2增大、a1减小,风电接纳电量大约呈直线增加。与此同时,系统运行成本也增加,并且在a2=0~0.4时,增加速度较为缓慢,而随着a2进一步增大,增加速度则逐渐趋向于风电接纳电量的变化趋势。基于这一特征关系,下文将结合优化结果详细分析系统运行机理。
优化运行结果分析:针对场景四,调度人员可根据运行需求设置权重系数,本文取a2=0.5,得优化结果Fw=6471MWh,Fg=3618.89mu。为分析矛盾性产生的系统内部运行机理,本文对场景二、三、四的优化结果进行对比分析,各装置出力情况如图5(a)-5(c)、图6、图7(a)-图7(c)所示。
根据图5(a)-5(c)、图6、图7(a)-图7(c)可以看出,系统大致可分为夜间(1h-6h,23h-24h)、白天(7h-22h)两种运行状态,由于夜间风电有较大盈余,而白天风电出力较少,所以P2G只在夜间启动。不同场景下的风电使用情况如图5(a)-图5(c)所示。
对比图5(a)-图5(c)中的不同场景可知,从场景二、场景四到场景三,夜间P2G出力增加,增大了系统的风电接纳能力。
如图6所示,随着P2G转化的天然气逐渐增多,夜间储气设备的储气量也逐渐增多。而三种场景下的气源出力并无明显变化,这主要是由于P2G转化天然气的成本相比气源直接出力的成本较高,所以P2G出力变化基本不会影响气源出力。另外,由于约束(14)的限制,从场景二、场景四到场景三,白天储气设备的放气量也逐渐增多,供给CHP进行电力调峰。CHP、火电机组、燃气锅炉的出力情况如图7(a)-图7(c)所示。
由图7(a)-图7(c)可见,从场景二、场景四到场景三,白天CHP出力逐渐增多,根据电负荷供需平衡,火电出力逐渐减少;另外由于电热耦合关系,热负荷在白天也主要依靠CHP满足,燃气锅炉出力较少。而夜间由于电负荷需求低,依靠风电、火电即可满足需求,因此CHP不启动;此时的热负荷主要依靠燃气锅炉满足。
由上述分析可见,电力、天然气和热三种能源的转换紧密耦合、相互影响。
三种场景下各装置在调度周期内的累计出力及其成本表B6所示。
表B6不同场景下的装置出力及成本
由上述分析及附录表B6可见,随着对风电接纳要求的逐步提高,风电与P2G的出力及其成本逐渐增加;但由于受到供需平衡以及各装置出力水平等限制,火电出力及其成本减少的速度逐渐变慢。因此,系统总成本逐渐增加,并趋向于风电与P2G出力成本的增加趋势。由此可见,P2G运行成本是使系统在两个目标间产生矛盾关系的核心因素。上述结论亦反映了图4所示的特征现象,充分解释了矛盾关系产生的系统内部运行机理。
并且,相比场景二,场景四的风电接纳电量从80.32%提高到89.92%;而相比场景三,系统运行成本也有所减少。这说明本文所采用的多目标模型,在提高系统风电接纳能力的同时,也可以有效保证系统运行的经济性,充分验证了本文模型和方法的有效性。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
机译: 氢压缩天然气综合能源系统的两阶段鲁棒调度方法
机译: 基于热网和家庭热惯性的综合能源系统优化方法
机译: 为多个用户考虑时间,频率和空间域,调度程序设备及其计算机程序产品而在集中式OFDM无线电访问网络的下行链路或上行链路中进行联合调度的方法