基于滚动优化算法的数字化园区多能系统协调优化调度策略

本发明涉及电力系统能源优化调度领域以及软件工程领域，具体涉及基于滚动优化算法的数字化园区多能系统协调优化调度策略、基于flask的后端服务、基于vue的前端页面。

背景技术：

1、随着数字化电力系统和新型能源需求的增长，传统的多能园区调度模式已无法满足当前新型电力系统的需求。由于光伏和风电的不确定性和间歇性，这给多能园区系统的安全性和经济性带来了巨大的挑战。目前的研究主要集中在单一多能园区的优化调度问题上，忽略了多个多能园区系统同时接入配电系统时，对多能园区优化调度结果的影响，这可能导致优化调度结果在多个多能园区同时接入配电系统的实际情况中无法应用。

技术实现思路

1、为解决现有技术中的上述问题，即数字化电力系统背景下，园区内考虑多种新能源随机性出力情况下，如何实现最小平均失负荷率和经济最优配置的问题，本专利提出了一种基于滚动优化算法的园区多能系统协调优化调度策略。该策略针对园区内部计及多种新能源随机性出力的条件，通过利用条件风险价值确定风险成本模块，电、热、冷等多能协同日内滚动调度优化模型模块和滚动优化算法模块来实施优化调度。该方法包括多能物理模型的构建，利用条件风险价值构建风电和光伏不确定性所带来的风险成本，确立备用调度成本最小的备用优化平衡模型，构建以成本最小化含多能园区系统运行为目标的经济最优调度模型，以及考虑新能源出力不确定性采用滚动优化策略对日内调度进行实时优化。该方法可以有效地在经济最优配置下使得园区内平均失负荷率最小，解决配电系统在多个多能园区同时接入时的优化调度问题。

2、为解决上述问题，本发明采用的技术方案如下：

3、一种基于滚动优化算法的数字化园区多能系统协调优化调度策略，其特征在于，所述配电系统包含多个多能园区，各所述多能园区内部包含不同能源以及工业设备，各园区根据日内变化的电价以及变化的风电、光伏出力动态改变自身内部各设备的运行状态，进而提高多能园区系统总体运行的经济性，将此算法部署于基于flask框架的后端服务以提高多能园区数字化程度；

4、所述方法包括以下步骤：

5、步骤1：构建以含多个多能园区配电系统经济性最优为目标的目标函数；

6、步骤2：构建配电系统约束条件，包括功率平衡约束、线路潮流约束、电压降方程、电压上下限约束、线路传输容量约束、微燃机出力上下限约束、微燃机爬坡约束、光伏出力约束以及风场出力约束；

7、步骤3：构建园区内部约束条件，微网内包括空调约束、冰蓄冷系统约束、电锅炉约束、微燃机约束、压缩空气约束、光伏出力、风场出力约束、蓄电池约束、能量平衡约束；

8、步骤4：将目标函数与约束条件放入求解器求解，将此过程基于flask框架部署与网络，将求解结果基于vue框架显示至网络页面前端。

9、进一步的，所述步骤1包括：

10、1)以多能园区购电成本以及购气成本建立运行成本最低目标函数，其成本可表示为：

11、

12、公式中各参数含义是:ct是多能园区总运行成本；nt是调度周期；cmn,t是多能园区n从配电系统t时刻购电价格；pmn,t是多能园区n从配电系统t时刻购电功率；gasmn,t是多能园区n从配气系统t时刻购气量；cgas是多能园区从配气系统购气价格。

13、2)计算配电系统从输电网的购电成本以及光伏、风电的发电成本，其表达式为：

14、

15、公式中各参数含义为：cp是配电系统运行成本；ng是分布式电源数量；cdg,g为分布式电源g的单位发电成本；pdg为分布式电源出力；ct为配电系统从输电系统购电成本；pt为配电系统从输电系统购电功率。

16、3)构建含多个多能园区配电系统经济性最优目标函数：

17、c＝ct+cp  (1.3)

18、进一步的，所述步骤2包括：

19、1)配电系统功率平衡约束，可表示为：

20、

21、公式中各参数含义为：v1(j)为所有以节点j为终端的线路的始端节点集合；v2(j)为所有以节点j为始端的线路的终端节点集合；pij,t和qij,t分别为t时刻节点i和j之间线路的有功和无功功率；pdg,j,t和qdg,j,t分别为与节点j相连的分布式燃气轮机的有功出力和无功出力；pd,j,t和qd,j,t分别为节点j除微网负荷外的其他有功负荷和无功负荷；pm,j,t和qm,j,t分别为与节点j相连的微网的有功负荷和无功负荷；lij,t为节点i、j之间线路电流的平方项；rij和xij分别为节点i与j之间线路的电阻和电抗。

22、2)配电系统各线路潮流经过二阶锥松弛约束，可表示为：

23、

24、3)电压约束方程，可表示为：

25、vi,min≤vi,t≤vi,max  (1.6)

26、公式(1.6)中各参数含义为：vi、vi,min和vi,max分别为节点i的电压幅值大小、电压幅值的最小值和最大值。

27、4)电压降方程，可表示为：

28、

29、5)配电系统线路传输容量约束，可表示为：

30、

31、公式(1.8)中各参数含义为：pij,max和qij,max分别为线路ij的最大有功功率传输容量和无功功率传输容量。

32、6)微燃机出力上下限约束，可表示为：

33、

34、公式(1.9)中各参数含义为：和分别为分布式燃气轮机g有功出力的最小值和最大值；和分别为分布式燃气轮机g无功出力的最小值和最大值。

35、7)微燃机爬坡约束，可表示为：

36、

37、公式(1.10)中各参数含义为：rup和rdown分别为分布式燃气轮机向上和向下爬坡速率；δt为两次调度时刻间隔。

38、8)光伏电源出力约束，可表示为：

39、ptpv＝ηpv(1-rpv)(sri+δsri)  (1.11)

40、公式(1.11)中各参数含义为：是t时刻光伏出力；ηpv是光伏光电转换效率；rpv是反射系数；sri是太阳辐射强度；δsri是太阳辐射强度的预测误差。

41、9)风场出力约束，可表示为：

42、

43、公式(1.12)中各参数含义为：表示风机的输出功率，pwr表示风机的额定装机容量，vr表示风机的额定风速，vin和vout分别表示切入风速和切出风速。当风速低于切入风速或高于切出风速时，风机停止运行，输出功率为0；当风速大于额定风速且小于切出风速时，输出功率为额定功率。

44、进一步的，所述步骤3包括：

45、1)多能园区空调约束，可表示为：

46、

47、公式(1.13)中各参数含义为：和为空调运行功率的最小值和最大值；是空调的制冷功率；是空调的运行功率；ηae是空调将电能转化为冷能的效率。

48、2)多能园区中，存在一个冰蓄冷系统，该系统有一定的约束条件。这些约束条件包括储冷量的等式约束、储冷量的上下限约束、融冰功率的上下限约束以及制冰功率的上下限约束。这些约束条件的具体表达式如下所示：

49、

50、公式(1.14)中各参数含义为：和是t时刻储冷罐中的存储量、存储量最小值和存储量最大值；和是t时刻制冰机的运行功率、制冰机运行功率的最小值和最大值；和是t时刻融冰机运行功率、融冰机运行功率的最小值和最大值；ηp和ηm分别为制冰效率和融冰效率。

51、3)多能园区内电锅炉约束，可表示为：

52、

53、公式(1.15)中各参数含义为：是电锅炉的制热功率；是电锅炉的运行功率；ηeb是电锅炉将电能转化为热能的效率。

54、4)多能园区内微燃机约束，可表示为：

55、

56、公式(1.16)中各参数含义为：和是t时刻微燃机的热出力以及电出力；rmt为微燃机的热电比；ηmt为微燃机的运行效率。

57、5)多能园区内压缩空气系统约束，可表示为：

58、

59、公式(1.17)中各参数含义为：和为储气罐储气量、时间δt内的放气量和空气压缩机的运行功率；ηcas为压缩机制备压缩空气的效率；为储气罐在初始时刻的储气量；vcas为储气罐的体积；为0-1变量，若压缩机运行则取1，否则取0；为压缩机的额定功率。

60、6)多能园区内光伏电源出力约束，可表示为：

61、ptpv＝ηpv(1-rpv)(sri+δsri)(1.18)

62、公式(1.18)中各参数含义为：为光伏电源出力；ηpv为光伏电源的光热转换效率；rpv为反射系数；sri为太阳辐射强度；δsri为太阳辐射强度的预测误差。

63、7)多能园区内风电机出力约束，可表示为：

64、

65、8)多能园区内蓄电池约束，可表示为：

66、

67、公式(1.20)中各参数含义为：soc为蓄电池荷电状态；为蓄电池充电功率；为蓄电池放电功率；和分别是蓄电池充电功率最小值和最大值；和分别是蓄电池放电功率最小值和最大值；为蓄电池运行功率。

68、9)多能园区内能量平衡约束，可表示为：

69、

70、公式(1.12)中各参数含义为：为工业园区冷负荷；为工业园区冷负荷的预测误差；为工业园区热负荷；为工业园区热负荷的预测误差；为工业园区压缩空气负荷；为工业园区压缩空气负荷的预测误差；为工业园区其他固定电负荷；为工业园区其他固定电负荷的预测误差。

71、进一步的，步骤4中，当子机组内各个发电机参数相同或相近时，选取相同的控制器输出量。

72、进一步的，本专利不局限多能园区内部包含微网的数量及其内部光伏、风电的数量，也不局限本数字化平台的各模块功能。

73、采用本专利所提出的方法可以有效地在经济最优配置下使得园区内平均失负荷率最小，解决多能园区系统在多个工业微网同时接入时的优化调度问题。