一种考虑需求响应可信度的综合能源系统规划方法与流程

1.本发明属于综合能源系统规划运行领域，提出了一种考虑需求响应可信度的综合能源系统规划方法。


背景技术：

2.随着经济快速发展，人类社会面临着日益严重的能源枯竭危机和环境污染问题。一方面，一次能源的不可再生性要求加快发展新能源，提高用能效率；另一方面，仅对电、气、热等单一能源孤立管理的传统能源系统大大限制了能源综合协调利用，不利于用能效率的提升。在此背景下，能量枢纽(energyhub,eh)的概念应运而生。
3.能量枢纽的概念来源于苏黎世联邦理工学院(eth zurich)于2007年在“未来能源网络愿景”的项目研究。它被定义为一种用于描述综合能源系统中能源、负荷、网络之间交换、耦合关系的输入-输出端口模型。其描述输入能源和输出负荷端口的耦合矩阵能够简要表示电、热、气等多种形式能源之间的转化、存储、传输等各种耦合关系，在综合能源系统的规划、运行研究中发挥重要作用。
4.与此同时，随着智能电网的快速发展，需求响应(demand response， dr)技术逐渐成为电力行业的研究热点。参与需求响应的用户可以根据电力市场发布的电价信号或者激励机制，可在用电高峰时调整自身的消费模式，缓解电力紧张。典型的激励型需求侧响应有美国的pjm容量市场以及 iso英格兰电力市场，pjm市场以负荷削减供应商为主体，通过和用户签订合同来获得负荷削减量。与传统发电资源不同，dr的容量收益实际上是从客户能源消费模式的变化中挖掘出来的。因此，dr有多大程度增强系统的可靠性，不仅取决于终端用户负载电器的技术特性，还取决于需求侧个人的行为偏好。
5.通过对pjm和iso英格兰客户需求响应性能表现数据分析可以看出客户并非都是百分之百履行其合同承诺量。本发明计及z数描述用户的需求响应表现性能，考虑用户需求响应表现性能的不确定性以及信息可靠性，同时结合考虑能量枢纽的综合能源系统规划方法在此基础上，本发明提出一种考虑需求响应可信度的综合能源系统规划方法。


技术实现要素：

6.本发明的目的是为了针对考虑客户需求响应表现性能不确定性进行分析，提出一种考虑需求响应可信度的综合能源系统规划的建模方法。首先，该方法基于z数，建立了客户需求响应表现性能最终的概率密度模型；然后，根据概率密度函数，用蒙特卡洛方法进行采样，将表现性能输出n个状态并对其取得平均数，最后，结合考虑能量枢纽的综合能源系统规划模型，提出了一种考虑需求响应可信度的综合能源系统规划方法。
7.本发明基于以下步骤：
8.本发明根据客户需求响应表现性能不确定的特点，提出一种考虑需求响应可信度的综合能源系统规划方法，步骤如下：
9.步骤(1)、获取能量枢纽侧综合能源负荷数据、风电数据、发电机数据、天然气源数
据、电网数据、天然气网参数数据以及规划成本参数数据。
10.步骤(2)、建立需求响应模型。
11.步骤(3)、建立考虑能量枢纽的综合能源系统规划模型。综合能源系统下层是输电线路和输气线路，上层是能量枢纽。
12.步骤(4)、求解混合整数线性规划，得出相应的规划结果。
13.进一步的，步骤(1)具体方法如下：
14.获取能量枢纽侧夏季、过渡季、冬季典型日的冷热电负荷数据，三个典型日风电的出力数据，发电机的出力上限、爬坡以及单位出力成本数据，天然气源出力上限以及单位出力成本数据，电网的功率上限、电抗以及投资成本数据，天然气网的流量上限、管道系数以及投资成本数据，dr激励、 dr惩罚以及弃风单位成本数据。
15.进一步的，步骤(2)具体步骤如下：
16.步骤(2.1)、用z数建立客户需求响应表现性能不确定性模型。引入变量ub来表示客户的需求响应表现性能，定义为客户的实际减负荷量与其合同签订量的比率，其数学表达式为：
[0017][0018]
其中，ub表示节点b上的客户的需求响应表现性能，表示节点b上的客户在t时刻实际的负荷减少量，表示节点b上的客户在t时刻签订的合同负荷削减量。与ub较低的客户相比，ub较高的客户将更有可能如约履行合同承诺的减负荷量。如果ub＝0,意味着客户完全不进行负荷削减。
[0019]
ub的值是不确定的，为了考虑这种不确定性，使用基于z数的方法。根据z数方法，对于任何不确定变量，其影响都能够用一个模糊数的有序对来表示，其中是限制部分，表示对ub的假设限制，是可靠性部分，表示对的数据可信度的度量。因此，客户的需求响应表现性能z数的数学公式能够表示为：
[0020][0021]
其中，
[0022][0023][0024]
其中，x
1-x4和x
′
1-x
′4是定义的梯形隶属度函数和三角形隶属度函数的特征参数。为了将模型转换成混合整数线性规划以便于求解，因此，采用模糊期望法，将模型中的z数转换成常规模糊量，然后采用质心法将得到的模糊变量转换为相应的概率变量,实施步骤如下：
[0025]
(a)、将可靠性部分转成清晰的数字，即可靠性权重：
[0026]
[0027]
其中，β是可靠性权重，表示函数在其定义域内的积分值，表示函数在其定义域内的积分值。
[0028]
(b)、将得到的可靠性权重加权到限制部分，加权z数能够表示为：
[0029][0030]
其中，是加权z数，是加权的隶属度函数。
[0031]
(c)、将非正则模糊数(加权模糊数)转化成正则模糊数：
[0032][0033]
其中，是加权模糊数的正则模糊数。
[0034]
(d)、根据质心法确定相应的等效概率密度函数：
[0035][0036]
其中，f(x)是相应的概率密度函数。
[0037]
步骤(2.2)、简化模型。用蒙特卡罗法对相应的概率密度函数f(x)进行 n次采样，最后取其平均数求得ub。对于上述需求响应表现性能的梯形概率密度函数f(x)，参数分别为x1，x2，x3，x4。先对其进行离散化，在x1和x2之间插入数字x
1,2
，在x2和x3之间插入数字x
2,3
，在x3和x4之间插入数字x
3,4
。将x
1-x4均匀地分成六段。区间[x1,x
1,2
]、[x
1,2
,x2]、[x2,x
2,3
]、[x
2,3
,x3]、 [x3,x
3,4
]、[x
3,4
,x4]对应的概率p分别为p
1-p6，进行蒙特卡洛抽样，若生成的随机数r在[0,p1]之间，则对应的ub为若随机数r在[p1,p1+p2] 之间，则ub为若随机数r在[p1+p2,p1+p2+p3]之间，则ub为若随机数r在[p1+p2+p3,p1+p2+p3+p4]之间，则ub为若随机数r在[p1+p2+p3+p4,p1+p2+p3+p4+p5]之间，则ub为若随机数r在[p1+p2+p3+p4+p5,p1+p2+p3+p4+p5+p6]之间，则ub为如下式所示：
[0038][0039]
进行n次如上式所示蒙特卡罗采样过程，对其结果取求平均值，获得客户需求响应表现性能ub。
[0040]
进一步的，步骤(3)具体步骤如下：
[0041]
步骤(3.1)：建立能量枢纽模型：在能量枢纽模型中，有三类元件模型：
[0042]
能量转换元件包括热电联产(chp)，压缩式制冷机(cerg)和电热泵(hp)，储能元件包括储热(hs)和蓄冷(cs)装置，可再生能源元件包括风电(wt)。
[0043]
(a)：能量转换元件：
[0044]
能量枢纽的输入输出关系表示为：
[0045][0046]
其中，i
b,e
(t)和i
b,g
(t)是t时刻下层网架传输到连接在节点b的能量枢纽的电功率和天然气流量，p
b,wt
(t)是连接在节点b的能量枢纽内风电t时刻的输出功率,和是天然气转换成电和热的效率，η
hp
和η
ce
分别是电热泵电制热和制冷剂电制冷的效率，p
b,hs
(t)和p
b,cs
(t)分别是t时刻连接在节点b的能量枢纽内的储热和蓄冷的充电功率。v
b,1
(t)、v
b,2
(t)、以及(1-v
b,1
(t)-v
b,2
(t)) 是t时刻下层网架传输到连接在节点b的能量枢纽的电功率给电负荷，压缩式制冷机以及电热泵分配的调度因子；v
′
b,1
(t)、v
′
b,2
(t)、以及(1-v
′
b,1
(t)-v
′
b,2
(t)) 是t时刻连接在节点b的能量枢纽内的热电联产输出的电功率给电负荷，压缩式制冷机以及电热泵分配的调度因子；v
″
b,1
(t)、v
b,2
(t)
″
、以及 (1-v
″
b,1
(t)-v
″
b,2
(t))是t时刻连接在节点b的能量枢纽内的风电输出电功率给电负荷，压缩式制冷机以及电热泵分配的调度因子。
[0047]
(b)：储能元件：
[0048]
对于储能元件，模型如下：
[0049]
[0050]
其中，s
b,j
(t)代表t时刻连接在b节点的能量枢纽系统元件j的荷电状态 (state of charge，soc)；和分别代表系统元件j的充电和放电效率；δt代表单个时间段的时间跨度；和分别表示连接b节点能量枢纽的系统元件j在t时刻能量形式k(k＝c是能量形式冷，k＝h是能量形式热，k＝e是能量形式电)的输入和输出功率。对于储热元件，若p
b,hs
(t)＜0，则否则，蓄冷元件同理。ej表系统元件j的存储容量。sta_chab(t)和sta_disb(t)都是0-1变量，分别代表t时刻连接在节点b的能量枢纽内储能元件的充电和放电状态。
[0051]
(c)：可再生能源元件：
[0052]
分布式可再生能源元件是零输入单输出元件，风电机组的出力如公式所示：
[0053][0054]
其中，pr是风电机组的额定出力，v是实际风速，vi是切入风速，v0是切出风速，vr是额定风速。
[0055]
步骤(3.2):建立综合能源系统的能源网络模型：
[0056]
(a)：电网采用直流潮流模型如下式所示：
[0057][0058][0059]
其中：α表示下层网架传输给能量枢纽的能源形式，α＝e时表示电功率，α＝g时表示天然气流量。代表t时刻线路l上的功率；θ
l
(t)和θ
l
′
(t)分别代表t时刻输电线路l的起点和终点的相位；x
l
代表线路l的电抗；le
α
和lc
α
分别代表已建和待建线路的集合；是表示待建线路l建设与否的 0-1变量,me是常数1000。式(14)用大m法建立新建线路的潮流公式。
[0060]
(b)：气网模型：
[0061]
天然气管道流量与管道的直径、温度、压力等多种因素有关，且呈非线性关系。描述天然气管道流量方程的公式有多种，包括美国燃气协会公式、colebrook-white公式、panhandle a公式、weymouth公式等。采用 weymouth稳态模型来描述天然气管道流量，即流量仅与管道两端的压力有关，且由压力高的节点流向压力低的节点。对于天然气管道l，首末节点分别为n和n
′
，流过该管道的天然气流量与节点气压的具体表达式为：
[0062][0063]
其中，表示管道中的天然气流量；c
n-n
′
为管道传输参数，与管道长度、直径、温度有关；pn和pn′
分别表示天然气网节点n和n
′
的气压；sgn(pn,pn′
) 为方向变量，代表天然气在管道中的流动方向，当sgn(pn,pn′
)＝1时，天然气由节n流向节点n
′
，sgn(pn,pn′
)＝-1时，天然气由节点n
′
流向节点n。
[0064]
为了降低天然气子系统模型的求解难度和其与电力子系统耦合的复杂度，通过分段线性化的方法对非线性的天然气管道流量方程进行线性化处理，进而将非线性模型转化为混合整数线性规划模型。天然气子系统模型中的非线性项，即式(15)中节点气压平方，通过引入新的变量p
′
，并令 p
′
＝p2以去掉平方项,式(15)变成式(16)：
[0065][0066]
将式(16)左端的平方项进行分段线性化，具体公式为式(17)
‑ꢀ
(21)，得到：
[0067][0068][0069][0070][0071][0072]
其中，n表示线性分段的总段数，n取值越大，线性分段的数量也越多，精度也越高。l表示当前的段数，表示线性分段函数的斜率；表示线性分段函数在y轴的截距，为0-1变量，表示所求的点是否落在线性分段区间内,1表示落在区间内，0表示不在区间内；表示线性分段函数的长度。
[0073]
进一步的，步骤(4)具体方法如下：
[0074]
对于系统的规划模型约束，分为节点能量守恒约束，电源/气源约束，线路功率约束，三类元件模型约束，以及电网、气网模型的约束，具体如下:
[0075]
(a)：节点能量守恒约束：
[0076]
能量枢纽可以看作下层网架节点上的一个多种能源形式的负荷。
[0077][0078]
其中，代表t时刻位于节点b的发电机或天然气源的出力，l1b和l2b分别表示以节点b为起点和终点的线路集合，表示节连接在节点b上的可再生能源t时刻的
输出功率。
[0079]
(b)：电源/气源约束：
[0080]
式(23)是发电机/天然气源出力上下限约束；式(24)是发电机/天然气源出力爬坡约束；式(25)是集中式可再生能源出力约束：
[0081][0082][0083][0084]
其中,和分别代表位于节点b的发电机/天然气源出力功率下限和上限；表示节点b的发电机/天然气源出力爬坡最大值；表示节点b的可再生能源时刻t出力上限。
[0085]
(c)：线路功率约束：
[0086][0087][0088]
其中，是线路l的传输功率上限。
[0089]
(d)：能量枢纽元件模型约束：
[0090]
对于能量转化元件，输入输出功率满足式(28)
[0091][0092]
其中，和分别表示元件j的能量形式k的输入功率下限和上限。
[0093]
能量存储元件输入和输出约束为式(29)-(30)：具体如下：
[0094][0095][0096]
其中，和分别表示元件j的能量形式k的输出功率下限和上限。
[0097]
能量存储元件的荷电状态(soc)满足式(31)-(32)的约束：
[0098][0099]
sj(0)＝sj(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(32)
[0100]
其中，sj和分别表示元件j的soc的下限和上限；t是一天之内的总时间段数。为了保证储能元件在同个时刻不会同时进行充放电行为，引入公式(33)：
[0101]
sta_chab(t)+sta_disb(t)≤1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(33)
[0102]
(e)：电网、气网模型约束：
[0103]
电网直流潮流约束由式(13)、(14)给出；气网的流量方程以及流量方程分段线性化模型约束由式(16)-(21)给出。
[0104]
(f)：目标函数：
[0105]
对于上述计及z数的考虑需求响应的综合能源系统规划模型，设置经济最小为目标函数，目标函数成本分为四个部分，第一个部分为电网和气网扩建成本的等年值f1，具体如式(34)所示：
[0106][0107]
第二部分是整个系统的年运行成本，为发电机和天然气源出力成本，具体如公式(35)所示：
[0108][0109]
第三部分是系统的年弃风成本，具体公式如式(36)所示：
[0110][0111]
第四部分是需求响应成本，具体公式如式(37)所示：
[0112][0113]
目标函数要求四项成本之和最小，即
[0114]
obj＝min(f1+f2+f3+f4)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(38)
[0115]
其中,obj是目标函数，k1代表能量枢纽输入能源的能量形式的集合；代表待建线路l的建设成本，r代表固定资产残值率，r代表贴现率，τ
l
代表待建线路l的运行寿命；d表示一年内的总天数，ns表示场景总数，ω(s) 代表场景s的概率，代表位于节点b的发电机或天然气源的单位运行成本，分别表示节点b上的可再生能源的单位弃风成本，客户需求响应的单位奖励成本和单位违约惩罚成本，p
bre
和分别代表节点b上的可再生能源的弃风量和客户签订的承诺削负荷量。
[0116]
采用gurobi工具箱求解上述混合整数线性规划，得出相应的规划结果。
[0117]
本发明有益效果如下：
[0118]
本发明提出的一种考虑需求响应可信度的综合能源系统规划方法相对于传统的考虑需求响应的综合能源系统规划方法具有如下优点：本发明基于z数建立了描述客户需求响应表现性能的模型，解决了传统方法中对于不确定性建模不全面的问题。在实际应用场景中，电力用户需求响应表现性能可能取决于多种不确定的因素。传统方法中为了有效地描述这种不确定性，一般是需要进行彻底的需求侧调查，然后基于获得的数据，用概率或可能性方法进行建模。因此传统方法要求不确定性建模的信息必须是完全可获取和可信的。然而，在实际应用中，获得关于每个用户的完全可靠的信息往往是困难的。因此，本发明通过基于z数建立描述客户需求响应表现性能的模型，解决了传统的统计模型只能描述依赖于历史数据的不确定性特征，无法考虑未来影响因素的影响的问题。本方法可以同时考
虑不确定因素和信息可信度对客户需求响应表现性能的影响，从而能够对实际情况做出更准确和全面的估计。
附图说明
[0119]
图1为需求响应表现性能的梯形概率密度函数。
[0120]
图2为本发明实施例的求解流程图。
[0121]
图3为综合能源负荷以及风电数据。
[0122]
图4为求解需求响应模型时所设计场景case3和case4的加权隶属度函数。
具体实施方式
[0123]
以下结合附图与实施例对本发明进行进一步描述。
[0124]
如图2所示，本发明提供一种考虑需求响应可信度的综合能源系统规划方法，具体实施步骤如下：
[0125]
步骤1：获取能量枢纽侧综合能源负荷数据、风电数据以及系统其他输入数据如图3所示。选取夏季，冬季和过渡季三种场景，冷、热、电负荷数据采用地中海地区的负荷需求，可再生能源的出力也分为以上三种场景，出力曲线来自于美国国家可再生能源实验室。网架节点的电负荷为能量枢纽侧电负荷的50％。三台发电机的参数如表一所示：
[0126]
表一：发电机参数
[0127][0128]
天然气源参数如表二所示：
[0129]
表二：天然气源参数
[0130][0131]
已建输电线路和输气管道的参数如表三和表四所示，待建线路参数线路相同：
[0132]
表三：电网参数
[0133][0134]
表四：天然气网参数
[0135][0136]
其他规划成本参数如表五所示：
[0137]
表五：规划成本参数
[0138]
类型成本(元/kw/h)dr激励2dr惩罚1.2弃风2.5
[0139]
步骤2：求解需求响应模型；
[0140]
选取pjm官网和iso新英格兰官网发布2008年到2022年的用户需求响应表现性能
的数据，为了突出对比的效果，设置四个场景，case1：不考虑dr；case2：考虑dr，但不考虑客户需求响应表现性能的不确定性，即认为客户会按照合同履行其负荷削减量；case3：用z数描客户需求响应表现性能的不确定性，部分用梯形函数表示，部分用三角函数表示；case4：用z数描客户需求响应表现性能的不确定性，部分用梯形函数表示，部分为1，即认为部分的信息完全可信。对于场case3和case4，可以用反模糊数法和质心法将其转换成概率密度函数，再用蒙特卡洛抽样1000次后取平均值，用matlab进行仿真，case3和case4的的加权隶属度函数如图4 所示；case3下对概率密度采样后求得均值为0.75，case4为0.7。这是因为客户需求响应表现性能的概率密度函数的可靠性并不是百分之百，实际中客户的需求响应表现性能会更差。因此，用传统的概率方法描述客户的需求响应表现性能会造成过度乐观的情况，规划结果会有线路过负荷的风险。
[0141]
图1为需求响应表现性能的梯形概率密度函数。
[0142]
步骤3：求解考虑能量枢纽的综合能源系统规划模型；
[0143]
利用步骤2得到的几种场景下的需求响应结果，求解考虑能量枢纽的综合能源系统规划模型，用yalmip工具箱建模调用gurobi求解器进行求解，仿真结果如下表六所示：
[0144]
表六：规划结果
[0145][0146]
仿真数据表示，与case1相比，case2没有考虑客户需求响应的不确定性，认为客户会如约履行合同签订的负荷削减量，在负荷高峰时削减少量的负荷就可以减少一条线路的
建设投资，case2的总成本最少。而与case2 相比，case3和case4考虑了客户需求响应表现性能的不确定性，不同的是，case3考虑了客户需求响应表现性能概率密度函数的可靠性，表现结果会稍差，成本上会高于case4。根据不同情况下的规划结果的成本分析可以得出，本发明提出的方法可以降低经济成本，可以应用在综合能源系统规划领域。因此，以上数据分析表明本方法的有效性。