[發明專利]一種蓄熱式電鍋爐參與電力系統調峰的運行優化方法

有效

• 申請號: 202110465855.1
• 申請日: 2021-04-28
• 公開（公告）號: CN113221299B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 胡澤春;劉禮愷;寧劍;文藝林;江長明;張哲;張勇
• 申請（專利權）人: 清華大學;國家電網公司華北分部
• 主分類號: G06F30/18
• 分類號: G06F30/18;G06F111/02;G06F111/04;G06F111/08;G06F113/04;G06F119/08
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 廖元秋

1.一種蓄熱式電鍋爐參與電力系統調峰的運行優化方法，其特征在于，該方法首先利用環境溫度預測值和環境溫度實際值的歷史數據分別構建對應的經驗概率分布函數，利用該函數將環境溫度預測值和環境溫度實際值的歷史數據分別變換后，構建變換后的環境溫度預測值和環境溫度實際值的聯合概率分布函數；利用該聯合概率分布函數和次日各時段的環境溫度預測值計算次日實際環境溫度的經驗分布；然后建立由目標函數和約束條件構成的蓄熱式電鍋爐參與電力系統調峰的運行優化模型，對該模型的目標函數進行分布魯棒優化后對模型求解，得到各時段蓄熱式電鍋參與調峰時上報功率的最優解，最終得到蓄熱式電鍋爐參與調峰市場的投標功率曲線，優化完畢；該方法包括以下步驟：

1)計算次日實際環境溫度的經驗分布；具體步驟如下：

1-1)獲取環境溫度預測值歷史樣本和對應的環境溫度實際值T^env歷史樣本，利用該歷史樣本使用統計的方法分別獲得的經驗概率分布函數和T^env的經驗概率分布函數將使用經驗概率分布函數變換后環境溫度預測值的對應取值記為將使用經驗概率分布函數變換后T^env的對應取值記為其中將記為第i個環境溫度預測值歷史樣本對應的變換值，將記為第i個環境溫度實際值歷史樣本對應的變換值；

1-2)令為經步驟1-1)變換后組成的第i個歷史樣本組合，將任意的兩個歷史樣本組合與構成一個樣本對，其中i≠j；

判定：若該樣本對滿足且或滿足且則該樣本對為一個同序對，否則為一個異序對；

對所有歷史樣本組合構成的各樣本對判定完畢后，計算和的Kendall秩相關系數τ，表達式如下：

其中，N_總對表示樣本對總數，N_同序對和N_異序對分別表示同序對數和異序對數；

1-3)使用GaussianCopula函數，構建和的聯合概率分布函數：

其中，代表相關矩陣為的標準多源正態分布矩陣，Ψ^-1表示標準正態分布的反函數；矩陣的表達式如下：

其中，參數ρ的計算表達式為：

1-4)將次日均勻劃分為Z個時段，對其中每個時段n，執行如下操作：將時段n的環境溫度預測值使用經驗概率分布函數將其轉換為對應的將代入式的聯合概率分布函數，并根據聯合概率分布函數對進行J次采樣，共得到Z*J個樣本，將采樣所得樣本記為使用經驗概率分布函數的反函數將變換為對應的該時段環境溫度樣本實際值

對所有時段操作完畢后，得到所有時段環境溫度樣本實際值；

1-5)根據步驟1-4)得到的所有時段環境溫度樣本實際值，采用如下方式計算次日實際環境溫度的經驗分布

其中，函數I為指示函數，當其中的比較關系全部成立時該函數取值為1，否則取值為0；表示時段n的環境溫度實際值，n＝1,2,…,Z；

2)建立蓄熱式電鍋爐參與電力系統調峰的運行優化模型，該模型由目標函數和約束條件構成；具體步驟如下：

2-1)建立運行優化模型的目標函數，表達式如下：

其中，符號E表示數學期望，P_n表示時段n電鍋爐實際功率；為時段n的分時電價；為時段n的單位容量補償，B_n為時段n的基線負荷做差的形式確定；O_n為蓄熱式電鍋參與調峰時時段n的上報功率，[-σ,σ]為免于處罰的偏差帶寬；為時段n電鍋爐實際功率偏離上報功率的懲罰因子；

其中，表示時段n鍋爐向蓄熱式電鍋爐的蓄熱罐儲熱的等效功率，表示時段n蓄熱罐放熱的等效功率，η表示電鍋爐從電能轉化為熱能的轉換效率，c_bld為建筑的等效比熱容，為時段n建筑m的起始溫度，表示建筑m與環境之間的熱傳導系數，為供熱建筑的集合；

將式(5)代入式(4)，則目標函數表示如下形式：

其中l_k,n與h_k,n的表達式如式(7)和(8)所示：

2-2)建立運行優化模型的約束條件；具體如下：

2-2-1)蓄熱式電鍋爐運行約束；包括：

蓄熱式電鍋爐功率平衡約束：

其中，D_m,n表示蓄熱式電鍋爐在時段n向供熱建筑m供熱的等效功率；

蓄熱式電鍋爐用電功率的范圍約束：

其中，P^max和P^min分別是蓄熱式電鍋爐功率的上界和下界；

蓄熱罐能量守恒約束：

其中，Hⁿ表示時段n蓄熱罐的初始熱能，υ表示蓄熱罐的儲熱效率系數；

蓄熱容量約束：

式中，H_max和H_min分別是蓄熱罐蓄熱量的上界和下界；

2-2-2)散熱器相關約束；包括：

散熱器等效功率約束：

建筑m的散熱器在時段n的等效功率D_m,n由熱水流量水的比熱容c_hot以及該散熱器在該時段的進出水溫度和表示，表達式如下：

散熱器進出水溫度與建筑溫度約束：

其中θ_m為反映建筑m的散熱器整體散熱效果的系數，計算表達式如下：

其中K為散熱器的散熱系數，F為散熱器的散熱面積；

散熱器進出水溫度約束：

其中，和分別是散熱器入水溫度的上界和下界，和分別是散熱器出水溫度的上界和下界；

2-2-3)建筑相關約束；包括：

建筑溫度變化約束：

建筑溫度約束：

其中和分別是建筑內溫度的上界和下界；

3)將步驟2)建立的模型轉換為分布魯棒優化優化模型；

采用分布魯棒優化技術將優化模型的目標函數式(6)轉化為如下形式：

其中，記各時段環境溫度組成的向量為ξ，并令Q為向量ξ的概率分布函數，為概率分布Q的集合；

采用基于Wasserstein距離構建概率分布Q的不確定集

其中f表示任一滿足|f(ξ)-f(ξ′)|≤||ξ-ξ′||的Lipschitz函數，Ξ是ξ的取值空間，表達式為和是限定環境溫度取值范圍的系數矩陣和向量，是步驟1)所得隨機向量ξ的經驗分布，ε為構建不確定集時的半徑系數；

目標函數式轉化為如下形式：

其中，變量γ_n,k,j，s_n,j和λ_n均為轉化所引入的輔助變量，表達式如下：

4)對經過步驟3)轉化后的優化模型求解，得到各時段蓄熱式電鍋參與調峰時上報功率O_n的最優解，最終得到蓄熱式電鍋爐參與調峰市場的投標功率曲線，優化完畢。