本發(fā)明涉及能量管理領(lǐng)域，具體涉及一種適用于能量互聯(lián)網(wǎng)中多能協(xié)同綜合能源網(wǎng)絡(luò)的能量管理方法。
背景技術(shù)：
：隨著能源領(lǐng)域供給側(cè)結(jié)構(gòu)性改革需求的突出，能源互聯(lián)網(wǎng)通過構(gòu)建包含信息通信基礎(chǔ)設(shè)施的多能協(xié)同綜合能源網(wǎng)絡(luò)，提高能源綜合利用效率、降低用能成本、促進(jìn)可再生能源消納。分布式能源設(shè)備、儲能設(shè)備、相關(guān)預(yù)測模型、需求響應(yīng)等技術(shù)的發(fā)展也為多能協(xié)同綜合能源網(wǎng)絡(luò)及其能量管理提供了更廣闊的前景。目前相應(yīng)的能量管理技術(shù)多集中于單一能源類型的系統(tǒng)中，針對多能協(xié)同網(wǎng)絡(luò)的能量管理較少；且相關(guān)能量管理方法時間尺度單一，或不考慮多種隨機(jī)性，能量管理還有進(jìn)一步優(yōu)化空間，而隨機(jī)優(yōu)化、滾動優(yōu)化帶來的計(jì)算速度顯著下降的問題也直接影響能量管理的實(shí)用性能。技術(shù)實(shí)現(xiàn)要素：發(fā)明目的：針對上述現(xiàn)有技術(shù)，提出一種適用于能量互聯(lián)網(wǎng)中多能協(xié)同綜合能源網(wǎng)絡(luò)的能量管理方法，實(shí)現(xiàn)能源互聯(lián)網(wǎng)中多能協(xié)同綜合能源網(wǎng)絡(luò)的運(yùn)行總用能成本最低以及分布式電源出力全額消納。技術(shù)方案：一種適用于能量互聯(lián)網(wǎng)中多能協(xié)同綜合能源網(wǎng)絡(luò)的能量管理方法，包括如下步驟：步驟(1)，在能量管理中心設(shè)置包含隨機(jī)優(yōu)化與滾動優(yōu)化的目標(biāo)函數(shù)，所述目標(biāo)函數(shù)以運(yùn)行總用能成本最低以及分布式電源出力全額消納為目標(biāo)，并給出所應(yīng)用的多能協(xié)同綜合能源網(wǎng)絡(luò)的多能流供需平衡以及設(shè)備運(yùn)行約束條件；步驟(2)，實(shí)時監(jiān)測并上傳多能協(xié)同綜合能源網(wǎng)絡(luò)數(shù)據(jù)到能量管理中心，數(shù)據(jù)包括本地信息、外部信息以及參與需求響應(yīng)的負(fù)荷類型信息；步驟(3)，將步驟(2)采集的數(shù)據(jù)輸入隨機(jī)變量的預(yù)測模型，具有隨機(jī)預(yù)測模型的輸入變量包括可再生能源發(fā)電單元出力、電熱負(fù)荷需求和實(shí)時能源市場價格，結(jié)合歷史數(shù)據(jù)庫，生成各輸入變量在滾動優(yōu)化時域[t,t+N]內(nèi)對應(yīng)的場景集，每個場景集包括可能發(fā)生場景的預(yù)測值及其發(fā)生概率；步驟(4)，執(zhí)行包含輸入層和求解層的兩層加速求解策略，首先將步驟(3)中生成隨機(jī)變量場景同步回代削減，提高描述效率，將獲得的最優(yōu)場景集進(jìn)行代入步驟(1)中的目標(biāo)函數(shù)內(nèi)，執(zhí)行求解層加速策略，應(yīng)用基于Benders分解策略衍生的快速求解方法，求解得到每個輸出變量在時域[t,t+N]內(nèi)各時刻的控制指令序列；步驟(5)，將步驟(4)解算到的t時刻的控制指令序列下發(fā)各設(shè)備執(zhí)行；步驟(6)，下一時刻，重復(fù)步驟(2)～(5)。進(jìn)一步的，所述步驟(1)中的多能流供需平衡約束條件如下：Ed,tHd,t=ηce,tXc,t0Er-1ηch,tXc,tηl0ηhGc,tGl,tγr,tEh,t+Eex,t+Eb,tHs,t]]>式中，Ed,t，Hd,t分別為任意t時刻電熱負(fù)荷需求；ηce,t，ηch,t分別為任意t時刻熱電聯(lián)供系統(tǒng)電轉(zhuǎn)換效率和熱轉(zhuǎn)換效率；Xc,t為二元變量，取1時表示熱電聯(lián)供系統(tǒng)工作，取0時表示熱電聯(lián)供系統(tǒng)關(guān)停；ηl，ηh分別為燃?xì)忮仩t的氣-熱轉(zhuǎn)換效率和電動熱泵的電-熱轉(zhuǎn)換效率；γr,t為決定任意t時刻可再生分布式電源外部環(huán)境參數(shù)；Gc,t，Gl,t分別為熱任意t時刻電聯(lián)供系統(tǒng)和燃?xì)忮仩t的耗氣量；Eh,t為電動熱泵耗電量；Er為可再生能源發(fā)電單元的額定容量；Eex,t，Eb,t，Hs,t分別為任意t時刻外電網(wǎng)輸入電量，儲電單元充放電量和儲熱單元充放熱量；所述目標(biāo)函數(shù)為：minΣk=tt+N[λf,kGg,kXg,k+F(Xg,k-1,Xg,k)+Σr=1Nrpr,kΣl=1Nlpl,kΣp=1Nppp,k(λex,kEex,kr,l,p+λf,kGl.kr,l,p+λc,kEc,kr,l,p)]]]>式中，k為[t,t+N]時段內(nèi)的各時刻；Nr，Nl，Np分別為可再生能源發(fā)電單元出力、電熱負(fù)荷需求、實(shí)時能源市場價格可能發(fā)生的所有場景集，pr,k，pl,k，pp,k分別為k時刻第r、l、p個場景發(fā)生概率；分別為場景對應(yīng)的綜合能源網(wǎng)絡(luò)整體購買的電量，燃?xì)忮仩t用氣量和需求響應(yīng)切除的負(fù)荷電量；F為判斷熱電聯(lián)供系統(tǒng)啟停狀態(tài)是否發(fā)生變化的罰函數(shù)；Gg,k為熱電聯(lián)供系統(tǒng)用氣量；Xg,k為k時刻熱電聯(lián)供系統(tǒng)的工作狀態(tài)，0為關(guān)閉，1為啟動；Xg,k-1為上一時刻熱電聯(lián)供系統(tǒng)的工作狀態(tài)，0為關(guān)閉，1為啟動；λf,k為k時刻天然氣價格；λc,k為需求響應(yīng)切除負(fù)荷時給予的用戶補(bǔ)貼價格；λex,k為k時刻電價。進(jìn)一步的，所述步驟(4)中，應(yīng)用兩層加速求解結(jié)構(gòu)求解得到每個輸出變量在時域[t,t+N]內(nèi)各時刻的控制指令序列；其中，第一層加速為將步驟(3)中生的成隨機(jī)變量場景同步回代削減，具體步驟為：a)，設(shè)置初始化參數(shù)，迭代次數(shù)計(jì)為m，第m次迭代計(jì)算時被刪除的場景集記為Ωm，其中，Ω0為空集；b)，令迭代次數(shù)m＝1，計(jì)算第m次迭代時刪除的場景ωm,k,使得該場景可以滿足取得最小值，在保留的場景集中刪除該場景，并將該場景計(jì)入Ωm；c)，判斷步驟b)中獲得的最小值是否大于削減精度σ，若大于，則返回步驟b)，m＝m+1；若小于等于，則迭代停止，進(jìn)入下一步驟；d)，被刪除的場景集中的場景將由留下來的場景集中距離最近的場景代替，并相應(yīng)修正保留場景的概率為兩者之和。第二層加速為基于Benders分解的求解層加速，具體步驟為：a)，設(shè)置初始參數(shù)，記迭代次數(shù)b＝1，Benders割θ初始賦值0，收斂條件上界UB＝+∞，下界LB＝-∞，，主問題MP、隨機(jī)場景下的子問題SPr,l,p表達(dá)式如下：MP=min{Σk=tt+N[λf,kGg,k(b)Xg,k(b)+F(Xg,k-1,Xg,k(b))]+θ}]]>SPr,l,p=min{Σk=tt+N[λex,kEex,kr,l,p,(b)+λf,kGl,kr,l,p,(b)+λc,kEc,kr,l,p,(b)]}]]>θ≥Σr=1Nrpr,kΣl=1Nlpl,kΣp=1Nppp,k[SPr,l,p-(λex,kEex,kr,l,p,(b)+λf,kGl,kr,l,p,(b)+λc,kEc,kr,l,p,(b))]]]>式中，分別為第b次迭代時k時刻的CHP用氣量和CHP工作狀態(tài)；分別為第b次迭代時各場景對應(yīng)的綜合能源網(wǎng)絡(luò)整體購買的電量，燃?xì)忮仩t用氣量和需求響應(yīng)切除的負(fù)荷電量；b)，求解主問題，得第b次迭代時的可行解并更新下域值LB：，LB=Σk=tt+N[λf,kGg,k(b)Xg,k(b)+F(Xg,k-1,Xg,k(b))]+θ]]>c)，將代入每個場景下的子問題，求解第(b+1)次迭代的優(yōu)化解并更新上域值UB，即UB=λf,kGg,k(b)Xg,k(b)+S(Xg,k-1,Xg,k(b))+Σr=1Nrpr,kΣl=1Nlpl,kΣp=1Nppp,k(λex,kEex,kr,l,p,(b+1)+λf,kGl,kr,l,p,(b+1)+λc,kEc,kr,l,p,(b+1))]]>d)，判斷收斂條件：UB-LB≤ξ，ξ為預(yù)設(shè)的小常數(shù)；若收斂條件成立，則得到最優(yōu)解；否則，迭代次數(shù)b加1后返回步驟b)。有益效果：本發(fā)明的一種適用于能量互聯(lián)網(wǎng)中多能協(xié)同綜合能源網(wǎng)絡(luò)的能量管理方法，根據(jù)所應(yīng)用的能源互聯(lián)網(wǎng)多能協(xié)同綜合能源網(wǎng)絡(luò)的多能流能量平衡與設(shè)備運(yùn)行等約束條件，將可再生能源發(fā)電設(shè)備出力、電熱負(fù)荷需求、實(shí)時能源市場價格波動等預(yù)測變量的不確定性采用場景生成技術(shù)表達(dá)，建立運(yùn)行總用能成本最低、分布式電源出力全額消納的隨機(jī)規(guī)劃模型，運(yùn)用模型預(yù)測控制原理實(shí)現(xiàn)滾動優(yōu)化，所述管理策略采用一種包含輸入層、求解層的兩層加速求解結(jié)構(gòu)求解，以確保能量管理具有快速在線求解的能力。附圖說明圖1是本發(fā)明方法的流程圖；圖2是多能協(xié)同綜合能源網(wǎng)絡(luò)的結(jié)構(gòu)示意圖；圖3是包含所述能量管理方法的多能協(xié)同綜合能源網(wǎng)絡(luò)示意圖。具體實(shí)施方式下面結(jié)合附圖對本發(fā)明做更進(jìn)一步的解釋。如圖2所示，一個包含電、熱、氣的多能協(xié)同綜合能源網(wǎng)絡(luò)由分布于同一區(qū)域內(nèi)的電力子系統(tǒng)、熱力子系統(tǒng)、天然氣子系統(tǒng)和多能源耦合元件組成。耦合元件實(shí)現(xiàn)子系統(tǒng)之間的耦合與作用，通過消耗系統(tǒng)中的一種或多種能源來產(chǎn)生其他能源，典型耦合元件設(shè)備包括熱電聯(lián)供系統(tǒng)(CHP)、電動熱泵(EHP)、燃?xì)忮仩t、可再生能源發(fā)電單元(RES)；非耦合元件一般針對單一能源的生產(chǎn)、使用和存儲，通過耦合元件對其他系統(tǒng)產(chǎn)生影響，典型非耦合元件包括子系統(tǒng)內(nèi)部的負(fù)荷、儲能設(shè)備。按照能源互聯(lián)網(wǎng)的建設(shè)要求及相關(guān)裝置的普及應(yīng)用，系統(tǒng)具有健全的信息通信基礎(chǔ)設(shè)施與控制模塊。如圖1所示，一種適用于能量互聯(lián)網(wǎng)中多能協(xié)同綜合能源網(wǎng)絡(luò)的能量管理方法，包括如下步驟：步驟(1)，給出多能協(xié)同綜合能源網(wǎng)絡(luò)的多能流供需平衡以及設(shè)備運(yùn)行約束條件。多能源子系統(tǒng)間供需平衡是多能協(xié)同綜合能源網(wǎng)絡(luò)運(yùn)行的先決條件。為滿足任意t時刻用電需求Ed,t與用熱需求Hd,t，多能流供需平衡約束條件為：Ed,tHd,t=ηce,tXc,t0Er-1ηch,tXc.tηl0ηhGc,tGl,tγr,tEh,t+Eex,t+Eb,tHs,t---(1)]]>式中，Ed,t，Hd,t分別為任意t時刻用電需求與用熱需求；ηce,t，ηch,t分別為任意t時刻熱電聯(lián)供系統(tǒng)電轉(zhuǎn)換效率和熱轉(zhuǎn)換效率；Xc,t為二元變量，取1時表示CHP工作，取0時表示CHP關(guān)停；ηl，ηh分別為燃?xì)忮仩t的氣-熱轉(zhuǎn)換效率和電動熱泵的電-熱轉(zhuǎn)換效率；γr,t為決定任意t時刻RES外部環(huán)境參數(shù)；Gc,t，Gl,t分別為熱任意t時刻CHP和燃?xì)忮仩t的耗氣量；Eh,t為電動熱泵耗電量；Er為可再生能源發(fā)電單元額定容量；Eex,t，Eb,t，Hs,t分別為任意t時刻外電網(wǎng)輸入電量，儲電單元充放電量和儲熱單元充放熱量。設(shè)備運(yùn)行約束條件如下：a)CHP常用燃?xì)廨啓C(jī)實(shí)現(xiàn)，其效率隨負(fù)荷過低而降低，控制其避免工作在低功率狀態(tài)。約束條件為：Gcmin≤Gc,t≤Gcmaxηc=ηce,t+ηch,t---(2)]]>式中：ηc為CHP工作效率，在要求的工作區(qū)間[Gcmin,Gcmax]內(nèi)，總效率可近似認(rèn)為保持在給定恒值，Gcmin為這一工作區(qū)間內(nèi)CHP消耗的最小天然氣量，Gcmax為這一工作區(qū)間內(nèi)CHP消耗的最大天然氣量；b)燃?xì)忮仩t是常用供熱設(shè)備，以補(bǔ)充CHP供熱不足或優(yōu)化系統(tǒng)供熱組成，約束條件為：0≤Hl,t≤Hlmax(3)式中：Hl,t為燃?xì)忮仩t的供熱量；Hlmax為燃?xì)忮仩t的最大輸出熱量。c)EHP用電驅(qū)動熱泵空氣模塊，約束條件為：Ehmin≤Eh,t≤Ehmax(4)式中：Hhmin，Hhmax分別為EHP最小和最大功率。d)可再生能源發(fā)電單元以風(fēng)機(jī)為例，約束條件為：γr,t=00≤vt≤vin,vt>vout(vt-vin)/(vr-vin)vin<vt≤vr1vr<vt≤vout---(5)]]>式中：vt為風(fēng)機(jī)安裝位置的實(shí)際風(fēng)速；vin，vout，vr分別為切入風(fēng)速，切出風(fēng)速與額定風(fēng)速。e)儲電單元以電池儲能系統(tǒng)(BESS)為例，一般看作線性時不變模型，并通過約束蓄電狀態(tài)(SOE)來延長使用壽命，約束條件為：SOEb,t=SOEb,t-1ηb+Eb,tηbcEb,t≥0SOEb,t-1ηb-Ed,t/ηbdEb,t<0SOEmin≤SOEb,t≤SOEmaxEdmax≤Eb,t≤Ecmax---(6)]]>式中：SOEb,t，SOEb,t-1，SOEmin，SOEmax分別為當(dāng)前蓄電狀態(tài)，上一時刻蓄電狀態(tài)，最小蓄電狀態(tài)和最大蓄電狀態(tài)；考慮電池的自放電損失，效率記為ηb；ηbc，ηbd分別為充電效率和放電效率；充放電量Eb,t受最大充電功率Ecmax和最大放電功率Edmax約束，以充電為正方向。f)儲熱單元以儲熱水箱為例，約束條件為：Cs,t=Cs,t-1ηs+Hs,tηscHs,t≥0Cs,t-1ηs-Hs,t/ηsdHs,t<0Cmin≤Cs,t≤CmaxHdmax≤Hs,t≤Hcmax---(7)]]>式中：Cs,t，Cs,t-1分別為當(dāng)前蓄熱狀態(tài)，前一時刻蓄熱狀態(tài)；水箱的熱能耗散效率記為ηs；ηsc，ηsd分別為儲熱效率和放熱效率；充放熱量Hs,t受最大蓄熱容量Hcmax和最大放熱容量Hdmax約束，以蓄熱為正方向。Cmin為額定最小蓄熱量，Cmax為額定最大蓄熱量。g)負(fù)荷的需求響應(yīng)。分為可削減負(fù)荷Ec,t，如空調(diào)、新風(fēng)系統(tǒng)、冰箱等，以及可時延負(fù)荷在滾動優(yōu)化時域[t,t+N]內(nèi)的總用能需求Ez,tN，如電動汽車、洗衣機(jī)等，約束條件為：0≤Ec,t≤Ec_max,tEz,ctr,t∈{0,Ez,t}Ez,tN=Σt=tt+NEz,ctr,t---(8)]]>式中：為可削減負(fù)荷最大切除負(fù)荷量；Ez,ctr,t為可時延負(fù)荷在單個采樣周期內(nèi)用電量；Ez,t為可時延負(fù)荷功率。包含隨機(jī)優(yōu)化的目標(biāo)函數(shù)以滾動優(yōu)化時域[t,t+N]內(nèi)總用能成本支出最小、分布式電源全額消納為目標(biāo)，兼顧價格調(diào)節(jié)下的削峰能力，表達(dá)式為：minΣk=tt+N[λf,kGg,kXg,k+F(Xg,k-1,Xg,k)+Σr=1Nrpr,kΣl=1Nlpl,kΣp=1Nppp,k(λex,kEex,kr,l,p+λf,kGl.kr,l,p+λc,kEc,kr,l,p)]---(9)]]>式中，k為[t,t+N]時段內(nèi)的各時刻；Nr，Nl，Np分別為可再生能源發(fā)電單元出力、負(fù)荷需求、實(shí)時能源市場價格在滾動優(yōu)化時域[t,t+N]內(nèi)可能發(fā)生的所有場景集，pr,k，pl,k，pp,k分別為第r、l、p個場景發(fā)生概率；分別為場景對應(yīng)的綜合能源網(wǎng)絡(luò)整體購買的電量，燃?xì)忮仩t用氣量和需求響應(yīng)切除的負(fù)荷電量；F為判斷熱電聯(lián)供系統(tǒng)啟停狀態(tài)是否發(fā)生變化的罰函數(shù)；Gg,k為CHP用氣量；Xg,k為k時刻CHP的工作狀態(tài)，0為處于關(guān)停狀態(tài)，1為處于工作狀態(tài)；Xg,k-1為上一時刻CHP的工作狀態(tài)，0為處于關(guān)停狀態(tài)，1為處于工作狀態(tài)；λf,k為k時刻的天然氣價格；λc,k為需求響應(yīng)切除負(fù)荷時給予的用戶補(bǔ)貼價格；λex,k為k時刻電價。目標(biāo)函數(shù)中的輸出變量即為Gg,k、Xg,k、Gc,t，Gl,t，Eex,t，Eb,t，Hs,t，Eh,t，即公式(1)約束條件的可控部分。步驟(2)，實(shí)時監(jiān)測并上傳多能協(xié)同綜合能源網(wǎng)絡(luò)數(shù)據(jù)到能量管理中心，數(shù)據(jù)包括本地信息、外部信息以及參與需求響應(yīng)的負(fù)荷類型信息。本地信息包括可再生能源安裝地點(diǎn)氣象數(shù)據(jù)、可再生能源發(fā)電設(shè)備工作狀態(tài)、本地多能耦合設(shè)備工作狀態(tài)、分布式儲能單元蓄能狀態(tài)、電熱負(fù)荷單元的熱電負(fù)荷需求及可控信息；外部信息包括外部電、氣網(wǎng)絡(luò)的實(shí)時價格、削峰指令；參與需求響應(yīng)的負(fù)荷類型信息包括可削減負(fù)荷(如空調(diào)等)與可時延負(fù)荷(如電動汽車等)。步驟(3)，將步驟(2)采集的數(shù)據(jù)輸入預(yù)先設(shè)置的可預(yù)測隨機(jī)變量的預(yù)測模型，預(yù)測模型的輸入變量包括可再生能源發(fā)電單元出力、熱電負(fù)荷需求和實(shí)時能源市場價格，結(jié)合歷史數(shù)據(jù)庫，生成各輸入變量在滾動優(yōu)化時域[t,t+N]內(nèi)對應(yīng)的場景集，每個場景集包括可能發(fā)生場景的預(yù)測值及其概率，其中概率對應(yīng)為pr,k，pl,k，pp,k。所需預(yù)測模型包括風(fēng)速、光照、電負(fù)荷、熱負(fù)荷和能源市場實(shí)時價格。本實(shí)施例以風(fēng)速vt為例說明。常見的自回歸滑動平均(ARMA)模型表達(dá)為：υt=Σpφp·υt-p+ϵt+Σqφq·ϵt-q---(10)]]>式中：p，q分別為模型自回歸及滑動平均部分的階數(shù)；{vt,vt-1,…vt-p}為vt的時間序列；φp,φq為自回歸系數(shù)；{εt,εt-1,…εt-q}為誤差序列；上述自回歸系數(shù)、誤差序列通過擬合實(shí)際歷史數(shù)據(jù)獲得。在此基礎(chǔ)上，利用蒙特卡洛模擬法對場景采樣，獲得初始的風(fēng)速場景集合Sv。步驟(4)，將輸入變量代入步驟(1)中的目標(biāo)函數(shù)內(nèi)，求解得到每個輸出變量在時域[t,t+N]內(nèi)各時刻的控制指令序列?？紤]多種隨機(jī)變量的場景數(shù)是相乘的關(guān)系，而滾動優(yōu)化使得求解規(guī)模隨著場景數(shù)量的增加也會顯著增加，計(jì)算效率受到顯著制約。為提高能量管理的在線求解速度，設(shè)計(jì)并應(yīng)用兩層加速求解結(jié)構(gòu)。其中，第一層加速針對求解變量，將步驟(3)中生成隨機(jī)變量場景同步回代削減，提高描述效率。采用基于最大削減策略的同步回代場景削減技術(shù)，在保證覆蓋率同時，得到一組與初始場景分布概率相近度符合要求的最優(yōu)場景集。定義k時刻場景ωi,k與場景ωj,k之間的距離ck(ωi,k,ωj,k)為：ck(ωi,k,ωj,k)＝||ωi,k-ωj,k||k＝t,t+1,…,t+N(11)以步驟(3)中生成的初始風(fēng)速場景集Sv為例描述最大削減策略，其他隨機(jī)預(yù)測模型，如電熱負(fù)荷、能源市場實(shí)時價格等，其場景削減方法與此相同。最大削減策略要求縮減前后場景集之間的概率距離最小，符合預(yù)定義的削減精度σ約束，以Ω表示最終刪除的場景集：Σi∈Ωpi,k·minj∉Ωck(ωi,k,ωj,k)≤σ---(12)]]>式中：ωi,k為初始風(fēng)速場景集中的任一場景；ωj,k為縮減后風(fēng)速最優(yōu)場景集中的任一場景pi,k為第i個風(fēng)速場景在k時刻的發(fā)生概率。為實(shí)現(xiàn)式(11)，采用同步回代場景削減過程，具體步驟如下：a)，設(shè)置初始化參數(shù)，迭代次數(shù)計(jì)為m，第m次迭代計(jì)算時被刪除的場景集記為Ωm，其中，Ω0為空集；b)，令迭代次數(shù)m＝1，計(jì)算第1次迭代時刪除的場景ωm,k可以使取得最小值，在保留的場景集中刪除該場景，并將該場景計(jì)入Ωm；c)，判斷步驟b)中獲得的最小值是否大于削減精度σ，若大于，則返回步驟b)，m＝m+1；若小于等于，則迭代停止，進(jìn)入下一步驟；d)，被刪除的場景集中的場景將由留下來的場景集中距離最近的場景代替，并相應(yīng)修正保留場景的概率為兩者之和。第二層加速針對求解方法，應(yīng)用Benders分解的并行計(jì)算能力，加快目標(biāo)函數(shù)的計(jì)算速度。將Benders分解方法應(yīng)用于上述隨機(jī)優(yōu)化過程的具體步驟為：a)，設(shè)置初始參數(shù)，記迭代次數(shù)b＝1，Benders割θ初始賦值0，收斂條件上界UB＝+∞，下界LB＝-∞，，主問題MP、隨機(jī)場景下的子問題SPr,l,p表達(dá)式如下：MP=min{Σk=tt+N[λf,kGg,k(b)Xg,k(b)+F(Xg,k-1,Xg,k(b))]+θ}]]>SPr,l,p=min{Σk=tt+N[λex,kEex,kr,l,p,(b)+λf,kGl,kr,l,p,(b)+λc,kEc,kr,l,p,(b)]}]]>θ≥Σr=1Nrpr,kΣl=1Nlpl,kΣp=1Nppp,k[SPr,l,p-(λex,kEex,kr,l,p,(b)+λf,kGl,kr,l,p,(b)+λc,kEc,kr,l,p,(b))]]]>式中，分別為第b次迭代時k時刻的CHP用氣量和CHP工作狀態(tài)；分別為第b次迭代時各場景對應(yīng)的綜合能源網(wǎng)絡(luò)整體購買的電量，燃?xì)忮仩t用氣量和需求響應(yīng)切除的負(fù)荷電量；b)，求解主問題，得第b次迭代時的可行解并更新下域值LB：，LB=Σk=tt+N[λf,kGg,k(b)Xg,k(b)+F(Xg,k-1,Xg,k(b))]+θ]]>c)，將代入每個場景下的子問題，求解第(b+1)次迭代的優(yōu)化解并更新上域值UB，即UB=λf,kGg,k(b)Xg,k(b)+S(Xg,k-1,Xg,k(b))+Σr=1Nrpr,kΣl=1Nlpl,kΣp=1Nppp,k(λex,kEex,kr,l,p,(b+1)+λf,kGl,kr,l,p,(b+1)+λc,kEc,kr,l,p,(b+1))]]>d)，判斷收斂條件：UB-LB≤ξ，ξ為預(yù)設(shè)的小常數(shù)；若收斂條件成立，則得到最優(yōu)解；否則，迭代次數(shù)b加1后返回步驟b)。步驟(5)，下發(fā)僅作用于當(dāng)前t時刻的控制指令。將上述目標(biāo)函數(shù)求解得到的設(shè)備出力、儲能充放能動作、削減負(fù)荷、時延負(fù)荷等控制指令下發(fā)各設(shè)備執(zhí)行。需注意的是，在滾動優(yōu)化方法中，求解目標(biāo)函數(shù)得到的是從當(dāng)前時刻t到滾動優(yōu)化時t+N內(nèi)每個時刻的控制指令序列，但僅執(zhí)行當(dāng)前時刻的控制指令。步驟(6)，下一時刻，重復(fù)步驟(2)～(5)。以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，對于本
技術(shù)領(lǐng)域：
的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)和潤飾，這些改進(jìn)和潤飾也應(yīng)視為本發(fā)明的保護(hù)范圍。當(dāng)前第1頁1 2 3