计及源荷不确定性电热协同低品位热源利用优化方法及系统

本发明属于综合能源系统优化领域，尤其涉及一种计及源荷不确定性电热协同低品位热源利用优化方法及系统。

背景技术：

1、电力系统目前正在经历由传统电力系统向高比例可再生能源接入的新型电力系统转变。到2050年，电力占终端能源消费比重将从目前的26％提升至45％～50％，电力系统发生质的变化。未来电网将具有“高比例可再生能源并网”以及“高比例电力电子装备并网”的“双高”特性。

2、目前中国是世界上规模最第二大的区域供热系统的国家。2018年中国城市集中供热管道总长度为371120km，供热面积为878085万平米。主要采用集中供热。目前我国供热总能耗约2亿吨标准煤，燃煤仍是供热的主要一次能源，占比约77％。在未来20年，要加大供热电气化进程，充分利用可再生能源，减少供热碳排。我国区域低品位热源丰富，包括地源热、水源热、低温工业余热、大量数据中心余热等。数据表明，我国冬季供暖期内北方集中供暖地区的低品位工业余热量约有40亿吉焦。

3、目前，一些低品位热源如地源热、工业余热等已应用于区域供热，然而通常采用独立的供热方式，这种方式存在供热参数不稳定，不利于集中调度等问题。电热协同供能策略是一种利用低品位热源的有效方式，通过能源枢纽站对低品位热源进行整合，实现低品位热源的最大化利用。

技术实现思路

1、本发明的目的是实现对园区电热协同供能的能源枢纽站设备配置进行规划，通过最大化利用可再生能源与低品位热源，实现园区的低能耗与低碳排放。

2、为实现上述目的，本发明采用的技术方案是：一种计及源荷不确定性的园区低品位热源利用的电热协同规划方法，包括采用场景法描述电负荷、可再生能源发电与低品位热源不确定性；建立电热协同低品位热源利用规划模型；最终设备容量结果为计算不同场景的设备配置与概率乘积的加和。

3、具体是：

4、一种计及源荷不确定性电热协同低品位热源利用优化方法，包括

5、随机生成源、荷出力场景，采用将随机场景进行削减；

6、建立计及源荷不确定性的园区低品位热源利用的电热协同规划模型及约束条件，并其简化求解，确定不同场景下的能源枢纽站设备配置容量；

7、通过能源枢纽站设备配置容量与场景削减后保留的各场景概率乘积加和得到最终能源枢纽站设备配置；

8、重复计算最终能源枢纽站设备配置容量直至相邻两次计算设备配置结果误差小于设置值p_lim，输出最后一次的最终能源枢纽站设备配置。

9、在上述的计及源荷不确定性电热协同低品位热源利用优化方法，采用场景反向削减法rsa进行随机场景削减，具体包括，

10、步骤1.1、采用高斯分布描述电负荷、可再生能源出力与低品位热源出力的预测误差：

11、ee,load～n(0,δe,load)

12、ere～n(0,δre)

13、eh_wh～n(0,δh_wh)

14、其中：ee,load、ere、eh_wh分别为电负荷、可再生能源出力与低品位热源出力的预测误差，δe,load、δre、δh_wh分别表示电负荷、可再生能源出力与低品位热源出力的预测误差的标准偏差。

15、步骤1.2、采用monte carlo方法生成误差场景与预测数据相加，可以得到一系列的随机场景集合

16、

17、

18、

19、

20、其中：表示t时刻第i个随机场景集合；分别表示t时刻电负荷、光伏与低品位热源出力预测值；pie,load(t)、pipv(t)、piwh(t)分别表示t时刻第i个随机场景下的电负荷值、光伏与低品位热源出力值。ns为总场景数。

21、步骤1.3、采用反向削减算法rsa将ns个随机场景削减为nset个确定场景。

22、在上述的优化方法，进行反向消减时，具体包括

23、步骤1.3.1、计算每个场景与其他场景的距离，找出最小值，记为场景与之间的距离为范式距离，每个场景等概率生成：

24、

25、

26、其中：表示场景与场景的距离，为初始随机场景概率。

27、步骤1.3.2、计算所有场景的概率距离集合：

28、

29、

30、为场景与最小距离场景的距离；为场景的概率距离，为所有场景概率集合。

31、步骤1.3.3、将场景对应的最小距离场景进行削减加入到被削减集合中，场景的概率修正为：

32、

33、其中：为被削减集合；为修正后场景概率。

34、步骤1.3.4、重复以上过程直至场景个数削减到nset个，并获得每个场景的出现概率。

35、在上述的优化方法，电热协同规划模型的目标函数为综合成本最小：

36、

37、

38、

39、其中：ctotal为综合成本；cfac为年化的设备成本，包括投资成本cfac,inv与运维成本cfac,op；pg,buy(t)分别为t时刻购气成本，为t时刻气价；为碳排放成本，λg为天然气的单位高功率的碳排放因子，为市场碳价。

40、在上述的优化方法，设备成本模型基于以下公式确定：

41、

42、

43、其中分别为热泵、有机朗肯循环、热电联产机组、燃气锅炉单位容量的年化建设投资费用；为热泵、有机朗肯循环、热电联产机组、燃气锅炉的额定容量；php(t)、porc(t)、为热泵、有机朗肯循环、热电联产机组、燃气锅炉t时刻运行功率。

44、在上述的优化方法，约束条件包括设备运行约束，具体是：

45、热电联产机组(chp)运行约束：

46、

47、

48、

49、其中为输入天然气量；为chp机组输出电功率；nchp为chp机组发电效率，hvng为天然气热值；为chp机组发电余热量；；nhloss为散热损失率；为chp机组输出热功率；cophe为制热系数。

50、燃气锅炉(gb)运行约束：

51、

52、式中为gb输出热功率；为cb输入天然气功率；ngb为gb能量转换效率。

53、热泵hp运行约束考虑输入功率、温度与输出功率、温度关系：

54、

55、

56、

57、其中：为hp输出热能；php(t)为热泵输入电能；cop为转换系数；tin(t)、tout(t)为热泵输入、输出侧的热媒温度。若热泵输入电能数值较大，余热流量无法满足热泵吸收足够热量需求，处于低效率运行状态。热泵机组输入电能存在最大约束，pwh(t)为余热输入量。

58、有机朗肯循环(orc)运行约束：

59、

60、式中：η为orc发电效率，为有机朗肯循环输入的低品位热源功率，要求低品位热源温度大于70℃。

61、在上述的优化方法，约束条件还包括电、热潮流约束具体是：

62、电力潮流采用distflow模型：

63、

64、

65、vj(t)＝vi(t)-2(rijpij(t)+xijφij(t))+(rij2+xij2)iij,t

66、

67、其中：pij(t)、φij为线路有功、无功功率；pjk(t)、φjk(t)分别为以末端节点为j的线路有功、无功功率；pj(t)、φj(t)分别为节点有功、无功功率；iij(t)为线路电流的平方；rij、xij为线路阻抗。通过松弛转化为二阶锥模型，已有相关证明，在辐射状电网中，松弛后的distflow模型无损近似非线性潮流方程。

68、配电网的节点功率平衡方程为：

69、

70、热网潮流包括水力模型与热力模型水力，模型中节点流量平衡方程：

71、水力模型：

72、

73、bh＝0

74、

75、热力模型：

76、

77、

78、

79、其中：为热网关联矩阵，为管道流量，为节点流量；b为环路关联矩阵，h管道水头损失；其中：k为水头损失系数；c为水的比热容，tis(t)、tir(t)为t时刻节点i的供、回水温度；ti,start(t)、ti,end(t)、ta(t)分别为管段i的首、末端温度与环境温度；

80、在上述的优化方法，对电热协同规划模型求解时，首先进行分段线性化处理，具体是

81、热泵模型求解的分段线性化处理方法，如图3所示，

82、首先将式子根据其定义域分割为k个线性段，k表示线性分段的数量，一般来说，k取值越大，分段数量越多，则线性拟合精度越高。

83、在每个分段内，再进一步对函数关系进行线性拟合，同时还需确保每段函数都是紧密衔接的。

84、具体的分段线性化过程如下：

85、(1)引进变量li'＝l(x)，y(x)为非线性单变量函数。

86、(2)对方程中的非线性项通过分段线性化近似，确定合适的线性化分段数，将横坐标区间[0,xi,max]分成l段。

87、(3)在xi的可行域内对每个分段点的值进行计算，同时求取所对应的纵坐标的值。

88、(4)引入分段所需的辅助0-1变量δi,j，它用来表示所求的点是否落在该线性分段区间内，若是，则δi,j＝1，否则将用下式来表示。

89、

90、

91、l'i,j＝li,jkj+bj

92、

93、

94、

95、其中为第j个分段首、末端的横坐标，kj、bj分别为第j个分段线段的斜率、截距。

96、

97、上式热泵cop与输入、输出温度呈现非线性关系，本研究考虑稳态模型，则设置热源节点热泵的输入温度一定，负荷节点的热泵输出温度一定。则根据源荷节点的差异，方程变为热泵cop与输入或输出温度的单一变量方程，对各节点方程依据上述方法进行分段线性化求解。

98、在上述的优化方法，针对分段线性化处理后的某段。。。。，采用交替迭代算法对其进行处理，针对非线性采用交替迭代方法求解，具体是：

99、(1)对变量进行相乘线性化

100、

101、copi,k'(t)、为第k次的迭代值，copi,k(t)、为第k次求解变量求解变量。

102、(2)设置容许误差

103、|(copi,k(t)-copi,k'(t))|＜＝ε1

104、

105、重复迭代过程，直至误差小于容许值或叠代次数达到最大，计算结束，输出copi,k(t)、值。

106、(3)迭代值更新

107、

108、

109、迭代过程采用上次迭代结果与迭代代入值相乘取根号进行更新，增加收敛速度。

110、一种系统，包括

111、第一模块：被配置为用于随机生成源、荷出力场景，采用将随机场景进行削减；

112、第二模块：被配置为用于建立计及源荷不确定性的园区低品位热源利用的电热协同规划模型及约束条件，并其简化求解，确定不同场景下的能源枢纽站设备配置容量；

113、第三模块：被配置为通过能源枢纽站设备配置容量与场景削减后保留的各场景概率乘积加和得到最终能源枢纽站设备配置；

114、第四模块：被配置为用于重复计算最终能源枢纽站设备配置容量直至相邻两次计算设备配置结果误差小于设置值p_lim，输出最后一次的最终能源枢纽站设备配置。

115、因此，本发明具有如下优点：1.考虑源、荷不确定性，基于预测值与误差分布随机生成源、荷出力场景，将随机场景进行削减，降低计算复杂性。2.建立考虑低品位热源利用的电热协同规划模型，模型考虑资源禀赋、网络潮流与供能元件的时空相关性，优化设备配置容量。3.利用各随机场景下的优化结果与场景概率乘积得到设备配置结果，重新生成场景进行优化，直至设备配置结果满足误差要求。