专利名称：

发明

考虑风光不确定和阶梯式需求响应的园区综合能源系统博弈优化运行策略

申请公布号：

CN117853155A

申请公布日：

2024-04-09

申请号：

2023117658629

申请日：

2023-12-20

申请人：

三峡大学,

地址：

443002 湖北省宜昌市大学路8号

发明人：

赵雅洁,薛田良,张磊,徐光晨,

分类号：

G06Q30/0202(2023.01);G06Q30/0201(2023.01);G06Q50/06(2024.01);G06N3/126(2023.01);

专利代理机构：

宜昌市三峡专利事务所 42103

代理人：

刘翠霞

最终专利权人：

摘要：

本发明提供一种考虑风光不确定和阶梯式需求响应的园区综合能源系统博弈优化运行策略，包括以下步骤：步骤一、构建园区综合能源系统框架，在构建的PIES框架中对燃气轮机、燃气锅炉、储能装置、风光不确定性进行建模；步骤二、根据用户聚合商侧负荷构建阶梯式需求响应模型；步骤三、构建PIESPIES中园区运营商与用户聚合商的主从博弈模型，以园区运营商为领导者，用户聚合商为跟随者；步骤四、以园区运营商日运行净收益最大为优化目标建立目标函数，用户聚合商作为跟随者以日用能成本最低为优化目标建立目标函数，对PIES在优化调度过程中进行约束；步骤五、采用遗传算法初始化、更新上层园区运营商的售能价格，利用CPLEX求解器进行求解。该运行策略考虑源侧风光不确定性问题及在荷侧考虑用户阶梯式需求响应基础上提高园区运营商和用户的效益。

权利要求书：

1.一种考虑风光不确定和阶梯式需求响应的园区综合能源系统博弈优化运行策略，其特征在于，包括以下步骤：步骤一、构建园区综合能源系统框架，即PIES框架，在构建的PIES框架中对燃气轮机、燃气锅炉、储能装置、风光不确定性进行建模；步骤二、基于构建PIES框架的基础上，根据用户聚合商侧负荷构建阶梯式需求响应模型；步骤三、构建PIESPIES中园区运营商与用户聚合商的主从博弈模型，以园区运营商为领导者，用户聚合商为跟随者；步骤四、考虑园区运营商与用户能源交易过程，以园区运营商日运行净收益最大为优化目标建立目标函数，用户聚合商作为跟随者以日用能成本最低为优化目标建立目标函数，对PIES在优化调度过程中进行约束；步骤五、采用遗传算法初始化、更新上层园区运营商的售能价格，利用CPLEX求解器进行求解。2.根据权利要求1所述的一种考虑风光不确定和阶梯式需求响应的园区综合能源系统博弈优化运行策略，其特征在于，所述步骤一中，PIES框架中的上级能源商由电网和气网组成；园区运营商由风电机组、光伏机组、燃气轮机、燃气锅炉、余热锅炉、蓄电池、蓄热罐组成；用户聚合商侧的负荷由电负荷、热负荷组成。3.根据权利要求1所述的一种考虑风光不确定和阶梯式需求响应的园区综合能源系统博弈优化运行策略，其特征在于，所述步骤一中，燃气轮机GT的模型如下：式中：下标t表示调度时刻；FtGT为GT的进气量；Kg为天然气的燃烧热值；为GT吸收天然气后产生的气功率；为GT发电效率；为GT产生的电功率；为WHB热回收效率；为WHB产生的热功率；燃气锅炉GB的模型如下：式中：FtGB为GB的进气量；为GB吸收天然气后产生的气功率；为GB发热效率；为GB产生的热功率；储能装置包括蓄电池ES和蓄热罐HS，储能装置的模型如下：式中：s∈{e,h}为能源类型；Wts为储能装置储存能量；δs为能量自损率；Pts,cha、Pts,dis为储、放功率；ηs,cha、ηs,dis为储、放效率；Δt为时间间隔；对风光不确定性建模包括风力发电机和光伏发电机的出力模型，表达式如下：式中：PtWT和PtPV分别为风力和光伏出力；PWTR和PPVR分别为风力和光伏额定输出功率；vt、vci、vr、vco分别为时实风速、切入风速、额定风速、切出风速；GR、Gt分别为额定光照强度和实时光照强度；TR、Tt分别为额定温度和实时温度；τ为温度功率系数；风速服从WeiBull分布、光照强度服从Beta分布，风光概率模型如下式所示：式中：cs、ks分别为WeiBull分布的比例参数与形状参数；αs、βs分别为Beta分布的形状参数。4.根据权利要求1所述的一种考虑风光不确定和阶梯式需求响应的园区综合能源系统博弈优化运行策略，其特征在于，所述步骤二中，用户侧负荷包括电负荷和热负荷，电、热负荷模型表达式如下：式中：为负荷参与需求响应后的负荷量；为用户初始负荷量；为转移负荷量；为削减负荷量；为负荷可转移量上限；为负荷可削减量上限；ε为负荷变化量最大比例；构建的阶梯式需求响应模型，表达式如下所示：式中：FDR为需求响应补贴收益；λdr为PIES的需求响应补贴价格；Ls,cl为调度周期内负荷削减总量；α1为需求响应价格增长幅度；l1为负荷削减区间长度。5.根据权利要求1所述的一种考虑风光不确定和阶梯式需求响应的园区综合能源系统博弈优化运行策略，其特征在于，所述步骤四中，园区运营商优化的目标函数为售能收益与购能成本、设备运维成本、需求响应补贴成本之差，表达式如下：Cdr(j)＝FDR(j)                          (21)式中：Pj为场景j发生的概率；FPIES为PIES日运行净收益；Fsale(j)、Cbuy(j)、Cfix(j)、Cdr(j)分别为场景j下运营商售能收益、购能成本、设备运维成本和需求响应补贴总成本；为负荷参与需求响应后的负荷量；为场景j下运营商向用户售能的价格；分别为场景j下运营商购电；分别为运营商购电、购气价格；Fi为场景j下运营商内设备i单位出力运维成本；Pti(j)为场景j下设备输出功率；FtGT(j)为场景j下的GT的进气量、FtGB(j)为场景j下GB的进气量、FDR(j)为场景j下需求响应补贴收益；用户聚合商以日用能成本最低为优化目标，目标函数为购能成本、不舒适成本与需求响应补贴收益之差，表达式如下：Csale(j)＝Fsale(j)                         (23)式中：CUser为用户日用能成本；Cd(j)、Csale(j)、FDR(j)分别为场景j下用户购能成本、用户不舒适度成本、用户需求响应收益；为负荷变化量；as为用户不舒适度成本系数，Fsale(j)为场景j下运营商售能收益。6.根据权利要求1所述的一种考虑风光不确定和阶梯式需求响应的园区综合能源系统博弈优化运行策略，其特征在于，所述步骤四中，对PIES在优化调度过程中需满足设备运行约束、功率平衡约束、购能约束以及内部价格约束，表达式如下：1)设备运行约束：式中：为GT产生的电功率；为GT输出电功率的上、下限；为GT输出电功率的爬坡上、下限；为GB产生的热功率；分别为GB输出热功率的上、下限；为GB输出热功率的爬坡上、下限；Wts为储能装置储存能量；为能量的上、下限；为场景j下储、放标志；为储能功率上、下限；为放能上、下限；为储能的爬坡上、下限；为放能的爬坡上、下限；W1s、为调度初始值和调度结束值；Pts,cha(j)为场景j下在t时刻的储能功率；Pts,dis(j)为场景j下在t时刻的放能功率；2)功率平衡约束：式中：分别为场景j下t时刻运营商购电功率；为场景j下t时刻GT输出的电功率；Pte,dis(j)为场景j下t时刻蓄电池的放电功率；PtPV(j)为场景j下t时刻光伏出力；PtWT(j)为场景j下t时刻风力出力；为场景j下t时刻负荷参与需求响应后的电负荷量；Pte,cha(j)场景j下t时刻蓄电池的充电功率；为场景j下t时刻产生的热功率；为场景j下t时刻GB输出的热功率；Pth,dis(j)为场景j下t时刻放热功率；为场景j下t时刻负荷参与需求响应后的热负荷量；Pth,cha(j)场景j下t时刻储热功率；3)购能约束：式中：为运营商购电上限、购气上限；为场景j下t时刻运营商购电功率，Ftbgas(j)场景j下t时刻运营商购气量；4)内部价格约束：式中：分别为运营商向用户售能价格上、下限；为场景j下运营商向用户售能价格。7.根据权利要求1所述的一种考虑风光不确定和阶梯式需求响应的园区综合能源系统博弈优化运行策略，其特征在于，所述步骤五中，求解流程如下：1)初始化园区运营商和用户聚合商的参数，迭代次数k＝0，设置种群规模m、最大迭代次数、种群变异率、交叉概率；2)利用遗传算法初始随机生成m组园区运营商的售电价、售热价，并将价格参数传至用户聚合商；3)k＝k+1；4)用户聚合商接受m组价格方案，利用CPLEX求解器求解得到用户负荷最优变化量，计算并保留当前成本，并将其用能情况上传给园区运营商；5)园区运营商根据收到用户的用能数据，再次利用CPLEX求解器求解得到各设备最佳出力并保存当前净收益；6)利用遗传算法的选择、变异生成新的价格方案，重复3)‑5)，计算得到园区运营商净收益FPIES和用户聚合商成本CUser；7)若则否则8)若迭代次数k大于最大迭代次数，则迭代结束。

主视图

日期	最新法律状态	描述
2024-04-09	公开	公开