基于信息间隙决策理论的多能耦合供热系统滚动调度方法与流程

本发明属于智慧供热系统，具体涉及一种基于信息间隙决策理论的多能耦合供热系统滚动调度方法。

背景技术：

1、随着化石能源枯竭和环境污染问题的加剧，引入包括风能、太阳能、地热能等可再生能源，实现能源高效利用已成为智慧供热领域的研究重点。目前，一些工业园区、商业楼宇、城市配套服务场所和小型居民住户小区由于缺乏城市配套热网，难以满足用热需求，而对这些分散式的小规模的热用户来说，通过引入可再生能源、热泵等技术，能够提高能源利用效率，满足用热需求。

2、然而，可再生能源、热负荷需求响应量等调度资源具有显著的不确定性特征，给供热系统的调度运行带来了严峻挑战，如何应对调度过程中的多重不确定性，保证供热系统调度的准确性，减少调度运行成本是目前急需解决的问题。

3、基于上述技术问题，需要设计一种新的基于信息间隙决策理论的多能耦合供热系统滚动调度方法。

技术实现思路

1、本发明所要解决的技术问题是，克服现有技术的不足，提供一种基于信息间隙决策理论的多能耦合供热系统滚动调度方法，能够对多能耦合供热系统中的可再生能源出力和热负荷需求响应进行不确定性建模，根据信息间隙决策理论确定不确定因素下的鲁棒性和机会调度模型，减少调度过程中的突发不确定性，确保了调度的准确性，使调度运行成本最小化，同时保证了热负荷需求响应和可再生能源出力在其范围内任意波动时，调度决策方案都能保证调度结果在预期目标内，从而在供热系统日前调度过程中保证系统鲁棒性和提升其经济性；另外，风险规避策略和机会寻求策略提供灵活的选择，能够对供热系统进行不同调度的优化调度；以及，在日内调度中，引入mpc对日前调度计划进行滚动优化，通过mpc对调度计划进行跟踪和修正，弥补了信息间隙决策理论开环控制的缺点。

2、为了解决上述技术问题，本发明的技术方案是：

3、本发明提供了一种基于信息间隙决策理论的多能耦合供热系统滚动调度方法，包括：

4、构建包括太阳能集热器、风力发电机组、空气源热泵机组、燃煤供热机组和储热装置的多能耦合供热系统；

5、进行多能耦合供热系统多重不确定性建模，包括太阳能集热器出力、风力发电机组出力、热负荷需求响应不确定性建模；

6、基于建立的多重不确定性模型和供热系统的调度运行成本，利用信息间隙决策理论构建供热系统日前调度模型；所述日前调度模型为包括上层不确定度目标和系统调度运行成本目标的双层结构；所述日前调度模型中包括不确定性约束和系统运行约束；

7、将供热系统日前调度模型的双层结构模型转化为单层结构模型，并进行求解获得不确定度、系统调度运行成本和各设备出力计划；

8、在日前调度计划的基础上，以各设备出力调整量最小为目标函数，建立供热系统mpc日内滚动优化模型，通过反馈校正来修正日前调度计划，获得最优日内调度计划。

9、进一步，所述太阳能集热器采用直接产热或间接换热形式，集热器连接缓蓄热水箱，起到储热和稳定出水温度的作用；

10、所述风力发电机组用于输出电能或者从市网供电获取电能来驱动空气源热泵机组提供热负荷；

11、所述太阳能集热器和空气源热泵机组的供热方式包括：当太阳能辐射强度较高时，太阳能集热器单独供热，集热泵开启，将太阳能转化成热能进入蓄热水箱储存；当出现连续阴雨天，太阳能集热器无法满足热负荷需求时，由空气源热泵机组单独运行进行供热；当阴雨天太阳辐射轻度较低时，太阳能集热器与空气源热泵机组协同运行；

12、所述储热装置为移动式储热装置，包括蓄热厢体和换热系统，在热源获取侧吸收工业余热的热量进行蓄热，达到指定温度后，完成蓄热过程；在放热过程中，蓄热厢体内的蓄热材料发生相变凝固，释放出大量热能将流入的空气进行预热，产生的暖风进入用户侧的换热器内，完成放热过程；所述移动式储热装置在夜间提供热负荷，并在白天室外温度较低，用户热负荷需求较高时辅助空气源热泵机组进行供热；

13、所述燃煤机组在极端天气状况时，可利用传统能源进行热量补偿。

14、进一步，所述太阳能集热器出力不确定性建模，表示为：

15、

16、αv为太阳能光伏波动幅度，其值与太阳能集热器出力预测误差相关；为太阳能集热器出力预测值；为太阳能集热器出力实际值；

17、所述风力发电机组出力不确定性建模，表示为：

18、

19、αw为风电波动幅度，其值与风电预测误差相关；为风力发电机组出力预测值；为风力发电机组出力实际值；

20、所述热负荷需求响应不确定性建模，表示为：

21、

22、β为热负荷需求响应的波动幅度；drt为根据需求响应模型计算获得的热负荷响应容量；为考虑不确定性后的实际热负荷响应容量。

23、进一步，所述基于建立的多重不确定性模型，以及供热系统的调度运行成本，利用信息间隙决策理论构建供热系统日前调度模型，包括：

24、基于建立的多重不确定性模型，采用加权和的方法将太阳能集热器出力不确定性、风力发电机组出力不确定性和热负荷需求响应不确定性进行统一，赋予各个不确定参数的波动幅度不同的权重，计算系统的总不确定度α，具体模型表示为：

25、

26、τv+τw+τdr＝1；

27、τv、τw、τdr分别为不确定参数太阳能集热器出力、风力发电机组出力和热负荷需求响应的波动幅度的权重；

28、计算供热系统确定性日前调度模型的供热系统调度运行成本目标函数，表示为：

29、

30、cv,t、cw,t、chp,t、ccb,t、chs,t、cgd,t分别为太阳能集热器、风力发电机组、空气源热泵机组、燃煤供热机组、储热装置的运行成本和从市网供电购买电量的成本；cil为热负荷需求响应成本；a为热负荷用户参与需求响应的单位热容量补偿价格；b为热负荷用户参与需求响应的单位电量补偿价格；cil为热负荷用户在合同中可提供的需求响应总容量；eil,t为热负荷用户在t时段实际提供的需求响应容量；δt为响应周期；

31、设置供热系统约束条件，包括：考虑需求响应的热功率平衡约束、太阳能集热器运行约束、风力发电机组运行约束、空气源热泵机组运行约束、燃煤供热机组运行约束、储热装置的蓄放热约束和热负荷需求响应约束条件；所述热负荷需求响应约束条件包括：热负荷需求响应容量上下限约束和可接受的补偿价格上下限约束、单位电量补偿价格上下限约束；

32、建立风险规避策略下的供热系统信息间隙决策鲁棒日前调度模型：设置鲁棒日前调度模型调度运行成本偏差系数为βrm，将供热系统确定性日前调度模型的供热系统调度运行成本目标函数转化为求取满足目标调度运行成本不大于(1+βrm)c0的最大不确定度，表示为：

33、

34、建立机会寻求策略下的供热系统信息间隙决策机会日前调度模型：设置机会日前调度模型调度运行成本偏差系数为βom，将供热系统确定性日前调度模型的供热系统调度运行成本目标函数转化为求取满足目标调度运行成本不大于(1-βom)c0的最小不确定度，表示为：

35、

36、c0为基础成本，依据供热系统确定性日前调度模型，将预测值、热负荷需求响应量和系统参数代入模型求解，获得目标函数的解为调度运行成本，作为基础成本。

37、进一步，所述将供热系统日前调度模型的双层结构模型转化为单层结构模型，包括：

38、风险规避策略下的供热系统信息间隙决策鲁棒日前调度模型中负荷响应和调度成本成正比例关系，当负荷响应量大时，热用户的热负荷需求小，调度运行成本低，而且设定太阳能集热器和风力发电机组的运行成本相对小，不考虑下层调度运行成本目标，只考虑上层目标不确定度上寻优，将双层日前调度模型转化为单层日前调度模型，建立风险规避策略下的供热系统信息间隙决策鲁棒日前调度模型和机会寻求策略下的供热系统信息间隙决策机会日前调度模型，分别表示为：

39、

40、

41、进一步，所述求解日前调度模型的方法包括外部求解器和智能优化算法；所述外部求解器包括cplex、ipopt、minos；所述智能优化算法包括粒子群优化算法、细菌群体趋药性优化算法、遗传算法。

42、进一步，所述求解日前调度模型获得不确定度、系统调度运行成本和各设备出力计划，具体过程包括：

43、利用太阳能集热器出力预测值、风力发电机组出力预测值、热负荷需求响应容量预测值和系统设备运行参数优化求解供热系统确定性日前调度模型，获得最优值c0，将其设置为基础成本；

44、利用太阳能集热器出力实际值、风力发电机组出力实际值、热负荷需求响应容量实际值代替对应的预测值，制定成本偏差系数βrm、βom，确定可接受的鲁棒日前调度模型期望目标值(1+βrm)c0和机会日前调度模型目标值(1-βom)c0；

45、分别求解风险规避策略下的供热系统信息间隙决策鲁棒日前调度模型和机会寻求策略下的供热系统信息间隙决策机会日前调度模型，获得模型对应的不确定度α、调度成本c和各设备出力计划。

46、进一步，所述在日前调度计划的基础上，以各设备出力调整量最小为目标函数，建立供热系统mpc日内滚动优化调度模型，通过反馈校正来修正日前调度计划，获得最优日内调度计划，包括：

47、设置日内滚动调度过程中的预测时域为1h，在一个预测时域当中每15min作为控制时域；

48、通过机器学习算法建立太阳能集热器出力和风力发电机组出力预测模型，通过提前与热用户进行需求响应合同签订，进行热负荷需求响应计算；

49、在t时刻将最新的系统运行数据输入预测模型和计算热负荷需求响应量，获得t+1至t+t时段太阳能集热器出力和风力发电机组出力预测值、热负荷需求响应量；

50、设置日内滚动调度模型以供热系统各设备出力调整量最小为目标函数，包括太阳能集热器、风力发电机组、空气源热泵机组、燃煤供热机组和储热装置的出力相对于日前调度计划的出力调整量；

51、求解日内滚动调度模型，获得t+1至t+t时段的日内调度计划，根据历史样本数据与不确定参数在当前时段的实际情况，修正预测模型和计算热负荷需求响应量实际值，并将修正后的数据输入下一时段的日内滚动调度模型，循环执行遍历整个调度周期。

52、进一步，所述多能耦合供热系统多重不确定性建模还包括：空气源热泵机组效率不确定性，表示为：

53、

54、ξ为空气源热泵机组效率波动幅度；为空气源热泵机组效率计算值；为空气源热泵机组效率实际值。

55、进一步，当调度模型考虑空气源热泵机组效率不确定性时，所述风险规避策略下的供热系统信息间隙决策鲁棒日前调度模型和机会寻求策略下的供热系统信息间隙决策机会日前调度模型，分别表示为：

56、

57、

58、本发明的有益效果是：

59、本发明通过构建包括太阳能集热器、风力发电机组、空气源热泵机组、燃煤供热机组和储热装置的多能耦合供热系统；进行多能耦合供热系统多重不确定性建模，包括太阳能集热器出力、风力发电机组出力、热负荷需求响应不确定性建模；基于建立的多重不确定性模型和供热系统的调度运行成本，利用信息间隙决策理论构建供热系统日前调度模型；所述日前调度模型为包括上层不确定度目标和系统调度运行成本目标的双层结构；所述日前调度模型中包括不确定性约束和系统运行约束；将供热系统日前调度模型的双层结构模型转化为单层结构模型，并进行求解获得不确定度、系统调度运行成本和各设备出力计划；在日前调度计划的基础上，以各设备出力调整量最小为目标函数，建立供热系统mpc日内滚动优化调度模型，通过反馈校正来修正日前调度计划，获得最优日内调度计划；能够对多能耦合供热系统中的可再生能源出力和热负荷需求响应进行不确定性建模，根据信息间隙决策理论确定不确定因素下的鲁棒性和机会调度模型，减少调度过程中的突发不确定性，确保了调度的准确性，使调度运行成本最小化，同时保证了热负荷需求响应和可再生能源出力在其范围内任意波动时，调度决策方案都能保证调度结果在预期目标内，从而在供热系统日前调度过程中保证系统鲁棒性和提升其经济性；另外，风险规避策略和机会寻求策略提供灵活的选择，能够对供热系统进行不同尺度的优化调度；以及，在日内调度中，引入mpc对日前调度计划进行滚动优化，通过mpc对调度计划进行跟踪和修正，弥补了信息间隙决策理论开环控制的缺点。

60、其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。

61、为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。