一种电氢综合能源系统的调度方法

1.本发明属于氢供应链、路径规划和电力系统运行技术领域，具体是一种电氢综合能源系统的调度方法。


背景技术：

2.氢能被认为是最理想的可再生能源，它具有清洁、高效和安全等特点，同时，它也可以有效对抗气候变化、能源不足和污染增加等长期威胁。随着氢能的迅速发展，许多国家和地区纷纷对氢燃料汽车进行研发。而氢供应链的完善能极大促进氢燃料汽车的发展，氢供应链包括氢气的生产、运输、储存和配送。
3.目前，氢供应链的完成有两种方式，一种是全部在加氢站(hydrogen generation station，hgs)中完成，即可以在加氢站中直接现场制氢，然后储存，省去运输环节，最后供氢燃料汽车使用，但是考虑到城市空间问题和安全问题方面，这种方式并不适用于目前的城市地区。另一种方式是在大型集中式的产氢站(hydrogen refueling station，hrs)中生产氢气并储存在氢罐中，通过氢气长管拖车或者管道运输到城市内各个加氢站中。这种方式可以进行大规模的氢气生产，同时可以结合电力系统有效利用其他可再生能源，并能保证城市的安全问题，节省城市空间土地资源，更具有优势。
4.氢能可以通过电解水、化石能源重整和生物质等制得，而且我国水资源丰富，其蕴含着大量可供开发的氢能，从长远角度看，电解水制氢方式更具潜力。氢气通过管道、低温液氢罐车和氢气长管拖车运输，而目前氢气长管拖车运输的技术更成熟。
5.目前电氢综合能源系统研究主要集中电能与氢能相关的能量转化和存储过程，中国专利cn114169166a提出了一种通过水电生产氢气的车用加氢站现场制氢模型，用非线性规划算法寻找到最经济运行策略。中国专利cn113410855a提出了一种考虑氢储能与储氢供能的电热氢综合能源系统模型，通过氢供应链设备实现电-氢能量相互转化以及氢-热能转化。对于电网与氢的制取、运输、配送一条完整的供应链的结合尚未有相关专利。电力系统在满足自身的电力负荷需求的同时，也要为产氢站提供产氢的电力来源，氢气制得后通过氢管拖车运输各个加氢站，满足氢的需求。电力系统结合完整的氢供应网，将形成电氢综合能源系统。现有的文献中考虑使用氢管拖车运氢的研究也较少，《optimal stochastic operation of integrated electric power and renewable energy with vehicle-based hydrogen energy system[j]》提出了一种采用氢管长拖车运氢的电氢综合能源系统，考虑到电力系统与氢能系统以及可再生能源的运行约束，得到电力系统、产氢站、加氢站之间的最优运行策略。但从氢网与交通网耦合系统的角度看，极少研究考虑到交通网络中氢负荷需求的及时性，这取决于加氢站的地理位置和氢燃料电池汽车加氢行为的时效性，而且从短时期规划的经济性的角度看，极少研究考虑到安排运输氢气的拖车的数量，这关乎司机的雇佣成本。
[0006]
现有的专利中尚未见到有相关模型的求解算法，而现有的文献中求解方法包括直接求解、改进的交替方向乘子算法(alternating direction method of multipliers,
admm)算法、启发式搜索算法等等。直接求解考虑到电网与氢供应网一次性求解，规模巨大，耗时巨长。而文献《optimal stochastic operation of integrated electric power and renewable energy with vehicle-based hydrogen energy system[j]》中使用的改进的admm算法能够将主问题拆成多个子问题，根据乘子进行不断迭代求解，但是admm算法一般是解连续的凸问题，求解混合整数问题时，其可行域非凸故无法能保证收敛到最优；而《optimal scheduling for integrated energy-mobility systems based on renewable-to-hydrogen stations and tank truck fleets[j]》使用基于穷举搜索和遗传算法的启发式方法求解，但启发式方法无法保证得到最优解，同时还有可能陷入局部最优。


技术实现要素：

[0007]
因此，针对现有技术的以上缺陷或改进需求中的至少一点，本发明提供了一种电氢综合能源系统的调度方法，其特征在于，上述方法包括如下步骤：
[0008]
建立电氢综合能源系统的基本模型，所述基本模型包括电网运行模型和氢供应网模型；
[0009]
所述氢供应网模型包括产氢站子模型、氢运输工具的路径规划子模型、氢运输工具到达加氢站的时间窗模型、加氢站消耗氢气的子模型；
[0010]
根据代理拉格朗日松弛算法分解为两个子问题，电力系统子问题与氢供应网子问题；
[0011]
利用代理拉格朗日松弛算法对所述基本模型进行求解，获得电氢综合能源系统的优解调度结果，以指导电网和氢供应网的实际运行。
[0012]
进一步地，所述产氢站子模型包括以产氢站产量、存储量和氢存储工具容量运行建立的约束方程；
[0013]
所述氢运输工具的路径规划子模型包括路径规划模型；
[0014]
所述氢运输工具到达加氢站的时间窗模型包括到达加氢站的时间约束、输送氢气量、经过不同加氢站的时间关系建立的约束方程；
[0015]
所述加氢站消耗氢气的子模型包括以加氢站存储负荷条件，限制调度周期内加氢站的总输入量和运输工具输送的氢气量关系建立的约束方程。
[0016]
进一步地，所述运输工具运输路径子模型及所述氢运输工具到达加氢站的时间窗模型为：
[0017][0018][0019][0020]
式中，hs表示加氢站与产氢站的集合；hrs表示加氢站；t为调度周期；为运输工具d能装载的最大氢气量；x
t,d,i,j
为在第t个周期内运输工具d是否从加氢站i到j的状态，为0-1变量；x
t,d,k,j
为在第t个周期内运输工具d是否从产氢站k到加氢站j的状态，为0-1变量；
[0021][0022]at,i
≤s
t,d,i-delay
t,d,i
≤b
t,i
[0023]m·
(δ
t,d,i-1)≤delay
t,d,i
≤m
·
(1-δ
t,d,i
)
[0024][0025]st,d,k
为运输工具在产氢站出发的时间；s
t,d,i
为调度周期t内运输工具到达加氢站i的时间；start
t
为运输工具在每个调度周期的出发时间；a
t,i
、b
t,i
分别为运输工具最早和最晚抵达加氢站i的时间；δ
t,d,i
为运输工具d是否按时到达加氢站i的状态，为0-1变量；m为一个足够大的数；dis
i,j
为加氢站i和j之间的距离；为运输工具运输途中的速度；delay
t,d,i
为运输工具未能在规定的时间内到达加氢站所耽误的时延。
[0026]
进一步地，所述利用代理拉格朗日松弛算法对所述基本模型进行求解，获得电氢综合能源系统的优解调度结果，以指导电网和氢供应网的实际运行的步骤为：
[0027]
步骤1：初始化拉格朗日乘子、迭代次数和步长；
[0028]
步骤2：更新迭代次数，求解电力系统子问题，判断是否满足最优性条件，满足，则更新步长之后，更新拉格朗日乘子，若不满足，则进行下一步；
[0029]
步骤3：更新迭代次数，求解氢供应网子问题，判断是否满足最优性条件，满足，则更新步长之后，更新拉格朗日乘子，若不满足，则进行下一步；
[0030]
步骤4：判断是否满足迭代停止条件，满足，则输出最优解；不满足，则回到步骤2，重复上述步骤以输出最优解。
[0031]
进一步地，所述产氢站子模型为：
[0032][0033][0034][0035][0036][0037][0038][0039]
式中，hgs表示产氢站；ht表示氢存储工具；k表示产氢站标号；η为电解水生产氢的效率；为产氢站中的氢存储工具容量；q
t,k
分别为氢存储工具的释放量；为产氢站运输到所有运输工具上的氢气；为产氢站k运输到运输工具d上的氢气；mk、分别为产氢站最小产氢和最大产氢量；分别为产氢站中氢存储工具的最低和最高储氢水平；qk、分别为产氢站中氢存储工具释放的最低和最高水平；t为时刻，为产氢站产生氢气消耗的功率，t-1表示前一时刻。
[0040]
进一步地，所述电网运行模型为：
[0041][0042][0043][0044][0045][0046]
式中，为t时刻发电机g的发电量；f
t,l
为传输线l的功率；为产氢站k消耗的功率；δg为机组g的最大爬坡速率；z
t,g
为机组的开闭状态；分别为机组开启时的最小、最大发电量；分别为机组g的启动、关闭状态；x
l
是传输线l的阻抗；θ
α(l)
、θ
β(l)
分别为传输线l上输出潮流和接受潮流的电压相角；f
lmax
为传输线l的最大传输功率；n
l
为传输线总数量、ng为发电机总数量、n
hrs
为加氢站的总数量。
[0047]
进一步地，所述基础模型进一步包括运行成本模型，所述运行成本模型为：
[0048]
minf＝f
grid
+f
transport
+f
penalty
[0049][0050][0051][0052]
式中，cg为发电机的发电成本，为机组的启动成本，为机组的关闭成本，为运输工具司机的薪酬，为单位路径成本，c
penalty
为惩罚成本；n
t
为调度运输总时间、n
t
为运输周期总数量、n
hgs
为产氢站的总数量、n
hs
为产氢站和加氢站的集合总数量。
[0053]
本发明还公开了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述方法的步骤。
[0054]
本发明还公开了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述方法的步骤。
[0055]
总体而言，通过本发明构思的以上技术方案与现有技术相比，能够取得下列有益效果：
[0056]
在基本建模中考虑了加氢站在每个调度周期内负荷需求的紧急性，使得运输工具能够在规定的时间内抵达加氢站，避免了因来不及加氢而造成加氢站缺氢气的麻烦。同时，通过规划运输工具的数量，提高了运输工具的利用率，且合理节约了人力成本费用。使用代理拉格朗日松弛算法进行模型求解，该方法可以将问题分解为多个子问题，降低了求解的
难度，同时该算法不需要松弛问题的完全优化，而能够保证收敛到最优，能更好地实时规划每个调度周期内派遣的运输工具的数量和行程安排，协调电力系统电网和氢供应网的实际运行。
附图说明
[0057]
图1是按照本发明实现的电氢综合能源系统的调度方法的流程示意图；
[0058]
图2是按照本发明实施例提供的一种用于调度电氢综合能源系统的方法中的最优解求解的流程图；
[0059]
图3是按照本发明实施例提供的一种用于调度电氢综合能源系统的方法的子问题耦合的模块组成示意图。
具体实施方式
[0060]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0061]
如图1中所示，本实施方式中提出了一种电氢综合能源系统的调度方法，上述方法包括如下步骤：
[0062]
建立电氢综合能源系统的基本模型，基本模型包括电网运行模型和氢供应网模型；
[0063]
氢供应网模型包括产氢站子模型、氢运输工具的路径规划子模型、氢运输工具到达加氢站的时间窗模型、加氢站消耗氢气的子模型；
[0064]
根据代理拉格朗日松弛算法分解为两个子问题，电力系统子问题与氢供应网子问题；
[0065]
利用代理拉格朗日松弛算法对基本模型进行求解，获得电氢综合能源系统的优解调度结果，以指导电网和氢供应网的实际运行。
[0066]
产氢站子模型包括以产氢站产量、存储量和氢存储工具容量运行建立的约束方程；
[0067]
氢运输工具的路径规划子模型包括路径规划模型；
[0068]
氢运输工具到达加氢站的时间窗模型包括到达加氢站的时间约束、输送氢气量、经过不同加氢站的时间关系建立的约束方程；
[0069]
加氢站消耗氢气的子模型包括以加氢站存储负荷条件，限制调度周期内加氢站的总输入量和运输工具输送的氢气量关系建立的约束方程。
[0070]
在以下实施方式中，运输工具具体以拖车为例说明，氢储存工具以氢罐来具体说明。
[0071]
本发明提出了一种基于代理拉格朗日算法的考虑氢运输的时效性的电氢综合能源系统的调度方法。对于氢的运输与配送而言，加入时间窗约束，是考虑到加氢站需求的轻重缓急，在不同的调度周期，对加氢需求的送达时间不一致，这有利于决策者做出更加符合现实意义的运输决策。同时，考虑到雇佣拖车司机的成本问题，添加短期规划拖车数量的约
束，灵活调度拖车，提高拖车的利用率。代理拉格朗日算法既能保证能收敛到最优，同时能将主问题分解为多个子问题，大大减小了主问题的规模，降低了模型的求解难度。基于以上考虑情况，建立电网和氢供应网的一个综合模型，并使用代理拉格朗日算法进行求解得到电网中每个时刻发电机的输出功率和每个调度周期内氢气长管拖车的需求数量及行程安排。
[0072]
以下结合附图对本发明具体实施方式作进一步详细说明：
[0073]
步骤1：建立电氢综合网络模型。
[0074]
(1)电网运行模型
[0075]
电力系统是制氢的动力来源，电力系统的模型可认为是一个发电机组合问题，约束(1)为表达为功率平衡约束，发电机所产生的发电量，要承担产氢站消耗功率及传输线消耗功率，以及节点上负载功率消耗的需求；约束(2)为机组的爬坡约束；约束(3)为机组的输出功率约束；约束(4)为机组的开闭状态约束；约束(5)为传输线的潮流约束:
[0076][0077][0078][0079][0080][0081]
式中，为t时刻发电机g的发电量；f
t,l
为传输线l的功率；为产氢站k消耗的功率；δg为机组g的最大爬坡速率；z
t,g
为机组的开闭状态；分别为机组开启时的最小、最大发电量；分别为机组g的启动、关闭状态；x
l
是传输线l的阻抗；θ
α(l)
、θ
β(l)
分别为传输线l上输出潮流和接受潮流的电压相角；f
lmax
为传输线l的最大传输功率，demand
t
为节点的功率需求，n
l
为传输线总数量、ng为发电机总数量、n
hrs
为加氢站的总数量，t-1表示上一个时刻，t表示当前时刻，以单位1来表达时间间隔。
[0082]
(2)氢供应网模型
[0083]
产氢站通过电解水制得的氢气，其运行约束由(6)-(12)表示，其中，式(6)分别表示产氢站产生氢气消耗的功率。式(7)表示氢罐中的氢气容量水平。式(8)和(9)表示装载到氢气长管拖车的氢气量由生产的氢气和氢罐释放的氢气决定。产氢站的产量，产氢站的存储量和氢罐的释放量应该分别在(10)(11)(12)的限制范围内，以此建立产氢站子模型如下。
[0084][0085][0086]
[0087][0088][0089][0090][0091]
式中，hgs表示产氢站；ht表示氢罐拖车；k表示产氢站的下标；η为电解水生产氢的效率；为产氢站产生氢气的量；为产氢站中的氢罐容量；q
t,k
分别为氢罐的释放量，可以为正负值，表达氢罐充氢和释放氢的量；为产氢站运输到所有拖车上的氢气的总量；为产氢站k运输到拖车d上的氢气；mk、分别为产氢站最小产氢和最大产氢量；分别为产氢站中氢罐的最低和最高储氢水平；qk、分别为产氢站中氢罐释放的最低和最高水平。
[0092]
氢运输工具的路径规划子模型包括路径规划模型；
[0093]
氢运输工具到达加氢站的时间窗模型包括到达加氢站的时间约束、输送氢气量、经过不同加氢站的时间关系建立的约束方程；
[0094]
氢罐拖车作为运输氢的工具，其运输受到旅行路径和输送氢气的时间的限制。在每一个调度周期内，拖车从特定的产氢站出发，按照计划好的路线给加氢站运输氢气，最后回到初始的产氢站，然后在下一个调度周期进行下一次安排，这是一个扩展的vrptw问题。在该模型中考虑了拖车的路径规划和拖车到达加氢站的时间约束以及输送氢气的约束。
[0095]
约束(13)保证有行程安排的拖车才能装载氢气，并且不能超过自身最大容量；约束(14)要求每辆拖车只能选择停留在产氢站，或者从自己从属的产氢站离开；约束(15)要求拖车进入某一加氢站或者产氢站也要离开，以此保证行程的连续性。
[0096][0097][0098][0099]
式中，hs表示加氢站与产氢站的集合；hrs表示加氢站；t为调度周期；为拖车d能装载的最大氢气量；x
t,d,i,j
为在第t个周期内拖车d是否从加氢站i到j的状态，为0-1变量；而x
t,d,k,j
为在第t个周期内拖车d是否从产氢站k到加氢站j的状态，为0-1变量，k特指产氢站。
[0100]
拖车到达每个加氢站的时间不一样，约束(16)表示每个调度周期内拖车的出发时间；约束(17)按照规定的时间范围内到达加氢站；约束(18)描述了若拖车未能在规定的时间内到达加氢站所耽误的时延。约束(19)保证了拖车行程中经过不同加氢站的时间关系，保证了时间的连续性。
[0101][0102]at,i
≤s
t,d,i-delay
t,d,i
≤b
t,i
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)
[0103]m·
(δ
t,d,i-1)≤delay
t,d,i
≤m
·
(1-δ
t,d,i
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(18)
[0104][0105]
式中，s
t,d,k
为拖车在产氢站出发的时间；s
t,d,i
为调度周期t内拖车到达氢站i的时间；start
t
为拖车在每个调度周期的出发时间；a
t,i
、b
t,i
分别为拖车最早和最晚抵达加氢站i的时间；δ
t,d,i
为拖车d是否按时到达加氢站i的状态，为0-1变量；m为一个足够大的数，将时延在归一化的状态因子下放大，以方便计算因为时延引起的成本变化；dis
i,j
为加氢站i和j之间的距离；为拖车运输途中的速度；delay
t,d,i
拖车未能在规定的时间内到达加氢站所耽误的时延。
[0106]
加氢站是氢供应链的终点，它具备一定的储存条件，满足氢负荷的需求。约束(20)保证了一个周期内的氢气的供需平衡；同时加氢站的氢气水平应该在式(21)规定的范围内；约束(22)在一个调度周期内，加氢站的总输入量为所有拖车输送的氢气量，同时，每辆拖车输送的氢气受到式(23)的限制，加氢站消耗氢气的子模型包括以加氢站存储负荷条件，限制调度周期内加氢站的总输入量和运输工具输送的氢气量关系建立的约束方程，具体为如下。
[0107][0108][0109][0110][0111][0112]
式中，为加氢站i的氢气容量；为拖车运输到加氢站i的氢气；load
t,i
为加氢站i每个时刻的氢气需求量；分别为加氢站i的最低氢气上水平和最高氢气水平。
[0113]
(3)运行成本模型
[0114]
式(24)是整个问题的运行成本，由电网的运行成本(式(25))，拖车的运输成本(式(26))，和延时的惩罚成本组成(式(27))。电网的运行成本由发电机的输出功率的成本决定，拖车的运输成本由司机的工资和路由成本，路由成本取决于旅行距离和道路条件。惩罚成本由延时决定。
[0115]
minf＝f
grid
+f
transport
+f
penalty
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(24)
[0116]
[0117][0118][0119]
式中，cg为发电机的发电成本，为机组的启动成本，为机组的关闭成本，为拖车司机的薪酬，为单位路径成本，c
penalty
为惩罚成本，n
t
为调度运输总时间、n
t
为运输周期总数量、n
hgs
为产氢站的总数量、n
hs
为产氢站和加氢站的集合总数量。
[0120]
步骤2：如图2中所示，根据步骤1建立的模型，利用代理拉格朗日松弛法将耦合约束松弛到目标函数中，结合式(9)和(22)，可得耦合约束(28)，这样在松弛问题中就实现了解耦，可以分解为两个子问题，分别为电网子问题与氢供应网子问题，如图3中所示。电网子问题由电力系统组成，表示一个机组组合问题。电网子问题的约束包括(1)-(12)。氢供应网子问题是一个改进的vrptw问题，由产氢站、氢气运输和加氢站问题组成。氢供应网子问题的约束包括(13)-(23)。
[0121]
步骤2-1：根据代理拉格朗日松弛算法分解主问题：电力系统子问题和氢供应网子问题；
[0122]
步骤2-2：初始化拉格朗日乘子、迭代次数和步长；
[0123]
步骤2-3：更新迭代次数，求解氢供应网子问题，判断是否满足最优性条件，满足，则更新步长之后，更新拉格朗日乘子，若不满足，则进行下一步；
[0124]
步骤2-4：更新迭代次数，求解电力系统子问题，判断是否满足最优性条件，满足，则更新步长之后，更新拉格朗日乘子，若不满足，则进行下一步；
[0125]
步骤2-5：判断是否满足迭代停止条件，满足，则输出最优解；不满足，则回到步骤4，重复流程。具体如下式(28)-(40)中所示。
[0126][0127]
为方便书写，令
[0128][0129]
基于标准代理拉格朗日算法程序，目标函数可写为
[0130][0131]
式中，n为迭代次数。
[0132]
对于电网而言，子问题为
[0133][0134]
s.t.constraints(1)-(12)
[0135]
对于氢供应网而言，子问题为
[0136][0137]
s.t.constraints(13)-(23)
[0138]
步骤3：初始化迭代次数n＝0，λ0＝0，代入后分别求解电网子问题和氢供应网子问题，求得其解分别为再对总问题的最小值进行一个估计，估计值为根据代理拉格朗日算法，按照式(33)初始化步长c0，按照式(34)更新
[0139][0140][0141]
步骤4：更新迭代次数n＝n+1，利用式(34)更新步长设置参数αn，m1和r均为参数。将代入求解氢供应网子问题，解为计算拉格朗日函数，若满足式(35)，则按照式(36)更新c
′n，按照式(37)更新若不满足，则跳到步骤5。
[0142][0143][0144][0145][0146]
步骤5：将代入求解电网子问题，解为计算拉格朗日函数，若满足式(38)，则按照式(39)更新cn，按照式(40)更新若不满足，则跳到步骤6。
[0147][0148][0149][0150]
步骤6：判断是否满足停止迭代条件，如迭代最大次数、代理子梯度范数等等，如果满足，则输出最优解，如果不满足，则转到步骤4，重复流程。
[0151]
本说明书中所描述的内容仅仅是对本发明所作的举例说明，本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本发明说明书的内容或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。