[发明专利]一种多微能网耦合系统分布式协同调度方法及系统

权利要求书

1.一种多微能网耦合系统分布式协同调度方法，其特征在于，包括以下步骤：

S1、建立多微能网耦合系统优化调度模型，并对其进行线性化处理；

S2、将多微能网耦合系统优化调度模型解耦为多个子微能网优化调度问题；

S3、采用交替方向乘子法求解多微能网耦合系统分布式优化调度模型；

S4、初始化交替方向乘子法参数和设置迭代次数；

S5、各微能网采用非凸交替方向乘子法求解各自的优化调度问题，并获得决策变量值；计算原始残差和对偶残差；

S6、判断是否满足收敛条件，是则停止迭代，输出优化调度问题结果，即最优调度方案，否则更新对偶变量和迭代次数，返回步骤S5，继续进行迭代；

所述多微能网耦合系统优化调度模型的目标函数为整个系统的运行成本最低，即最小化购电成本和购气成本，具体为：

式中，第一项为购电成本，第二项为购气成本；T为总的优化调度时段；N为微能网的总数；E_n，t为第n个微能网在t时段购买的电能；为t时段的电能价格；G_n，t为第n个微能网在t时段购买的天然气；为t时段的天然气价格；

所述多微能网耦合系统优化调度模型的约束条件包括：

1)功率平衡约束：

1.1)电功率平衡：

式中，为第n个微能网的风机在t时段的出力；和分别为第n个微能网的储电装置在t时段的充电和放电功率；为第n个微能网的热电联产机组在t时段的电输出功率；和分别为第n个微能网的电锅炉和电制冷装置在t时段所需的电功率；为第n个微能网在t时段的电负荷需求；

1.2)天然气平衡：

式中，为第n个微能网的热电联产机组在t时段的所需的天然气功率；为第n个微能网的气锅炉在t时段的所需的天然气功率；为第n个微能网在t时段的天然气负荷需求；

1.3)热功率平衡：

式中，分别为第n个微能网的热电联产机组、电锅炉、气锅炉在t时段的热输出功率；为第n个微能网的吸收式制冷装置在t时段所需的热功率；和分别为第n个微能网的储热装置在t时段的充热和放热功率；为第n个微能网在t时段的热负荷需求；

1.4)冷功率平衡：

式中，和分别为第n个微能网的电制冷装置和吸收式制冷装置在t时段的冷输出功率；为第n个微能网在t时段的冷负荷需求；

2)多能转换设备约束：

2.1)热电联产机组：

式中，和分别为第n个微能网的热电联产机组的制电和制热效率；为第n个微能网的热电联产机组的最大允许输入功率；

2.2)电锅炉：

式中，为第n个微能网的电锅炉的制热效率；为第n个微能网的电锅炉的最大允许输入功率；

2.3)气锅炉：

式中，为第n个微能网的气锅炉的制热效率；为第n个微能网的气锅炉的最大允许输入功率；

2.4)电制冷装置：

式中，为第n个微能网的电制冷装置的制冷效率；为第n个微能网的电制冷装置的最大允许输入功率；

2.5)吸收式制冷装置：

式中，为第n个微能网的吸收式制冷装置的制冷效率；为第n个微能网的吸收式制冷装置的最大允许输入功率；

3)储能装置约束：

3.1)储电装置：

式中，为第n个微能网的储电装置在t时段的荷电状态；和分别为第n个微能网的储电装置的充电和放电效率；为第n个微能网的储电装置的额定容量；和分别为第n个微能网的储电装置的最大允许充电和放电功率；和分别为第n个微能网的储电装置在t时段充电和放电状态变量，当时表示充电，时表示放电；

3.2)储热装置：

式中，为第n个微能网的储热装置在t时段的荷电状态；和分别为第n个微能网的储热装置的充热和放热效率；为第n个微能网的储热装置的额定容量；和分别为第n个微能网的储热装置的最大允许充热和放热功率；和分别为第n个微能网的储热装置在t时段充热和放热状态变量，当时表示充热，时表示放热；

4)能源网络约束：

所述能源网络约束是指连接微能网的电力网络和天然气网络需要满足的约束，具体包括：

4.1)电力网络约束：

其中，式(31)、(32)和(33)分别为节点功率平衡约束、线路传输特性约束和线路容量约束；Pf_mn，t为t时段节点m和n之间输电线路传输的有功功率；Φ_n，e为与节点n相连接的电力线路的集合；Ω_emn为电力线路集合；θ_m，t，θ_n，t为节点m，n的电压相角；x_mn为节点m和n之间输电线路的电抗；为节点m和n之间输电线路的功率限值；

4.2)天然气网络约束：

所述天然气网络约束进一步包括：

A.管道特性约束：

式中，Ω_gmn为天然气管道的集合；π_m，t，π_n，t为t时段节点m，n的气压的平方值；sign()为符号函数；Gf_mn，t为t时段节点m和n之间输气管道流过的气流；α_mn节点m和n之间管道的特性系数；

由于管道特性约束为非凸约束，采用二阶锥松弛技术将式(34)转化为凸约束(35)；

x_mn，t∈{0，1} (36)

式中，x_mn，t为0-1变量，用于表示气流的方向，即当Gf_mn，t≥0时，x_mn，t＝1，当Gf_mn，t≤0时，x_mn，t＝0；z_mn，m，t＝x_mn，tπ_m，t，z_mn，n，t＝x_mn，tπ_n，t；

B.节点气流平衡约束：

式中，Φ_n，g为与节点n相连接的天然气管道集合；

C.节点气压上下限约束：

式中，为节点n气压平方值的上下限；

D.管道气流上下限约束：

式中，为天然气节点m，n之间的管道气流的上限值；

针对目标函数为(1)，约束为(2)-(33)、(35)-(39)的多微能网耦合系统优化调度模型，采用改进ADMM算法，即改进交替方向乘子法进行求解；

首先，将连接在第m个微能网和第n个微能网之间的电力线和天然气管道从中间断开，从而实现两个相连微能网解耦，并引入一致性变量和保证解耦后输电线路上的耦合功率流和相角分别保持一致，即约束(40)和(41)；同样地，引入一致性变量和保证解耦后输气管道上的耦合气流和气压分别保持一致，即约束(42)和(43)；

式中，分别为t时段电力线mn解耦后，电力线mm_c的电功率流、电力线n_cn的电功率流、电力线mn的一致性电功率流，其中一致性电功率流为前两个功率流的平均值；分别为t时段电力线mn解耦后，节点m_c的相角、节点n_c的相角、节点m_c和n_c的一致性相角，其中一致性相角为前两个相角的平均值；分别为t时段天然气管道mn解耦后，天然气管道mm_c的气流、天然气管道n_cn的气流、天然气管道mn的平均气流；分别为t时段天然气管道mn耦后，节点m_c的平方气压、节点n_c的平方气压、节点m_c和n_c的一致性平方气压，其中一致性平方气压为前两个平方气压的平均值；

为此，多微能网耦合系统优化调度模型转化为含0-1变量的分布式一致性优化调度问题，其中，约束(40)-(43)为一致性约束，变量和为耦合变量，变量和x_mn，t为0-1变量；将多微能网耦合系统的分布式一致性优化调度问题转化为标准化模型，如下所示：

式中，f_n(x_1n，x_2n，x_3n)为第n个微能网的目标函数，即运行成本；x_1n、x_2n、x_3n均为第n个微能网的变量向量，其中x_1n为连续的非耦合变量向量，x_2n为连续的耦合变量向量，x_3n为0-1变量向量；C_1n表示约束(2)-(22)，(24)-(29)，(31)-(33)，(35)，(37)-(39)；C_2n表示约束(40)-(43)；C_3n表示约束(23)，(30)和(36)；

采用ADMM算法将如式(44)所示的耦合问题按微能网解耦为N个子微能网优化调度问题并行求解，其中，子微能网优化调度问题为：

式中，分别为电功率流、电压相角、气流、气压平方的对偶变量；ρ_Pf，ρ_θ，ρ_Gf，ρ_π分别为电功率流、电压相角、气流、气压平方的惩罚因子；约束x_2n∈C_2n通过对偶变量和惩罚因子并入目标函数中；

将NC-ADMM算法，即非凸交替方向乘子法嵌入ADMM算法，改进ADMM算法，来求解子微能网优化调度问题；改进ADMM算法按如下步骤求解问题(44)：

步骤1：设置迭代次数k＝1；设置原始残差和对偶残差的容忍上限和初始化x_2n的平均值对偶变量向量y_n和惩罚参数ρ₁；

步骤2：采用NC-ADMM算法求解子优化问题(45)，获得x_1n，x_2n，x_3n值，即采用NC-ADMM算法并行求解各个微能网的优化调度问题；

步骤3：根据式(49)和(50)计算原始残差和对偶残差，并判断是否满足收敛判据；若式(49)和(50)同时满足，则停止迭代，输出优化问题结果，否则执行步骤4；

步骤4：根据最新的x_2n，如式(51)更新对偶变量向量

设置迭代次数k＝k+1，并跳到步骤2，继续进行迭代；

所述步骤2具体包括以下步骤：

步骤2.1：设置迭代次数it＝1；设置NC-ADMM的原始残差和对偶残差的容忍上限值；将0-1变量向量x_3n松弛为无约束的连续变量；初始化缩放的对偶变量向量u_n和变量向量β_n；

步骤2.2：将u_n，β_n视为常数，求解问题(45)，获得和即

步骤2.3：采用欧几里得投影法更新β_n，即

步骤2.4：如果原始残差和对偶残差均满足收敛判据，停止NC-ADMM的迭代，令求解问题(46)，并输出(x_1n，x_2n，x_3n)；若不满足收敛判据，执行步骤2.5；

步骤2.5：根据最新的x_3n和β_n，如式(48)更新u_n；

设置迭代次数it＝it+1，并跳到步骤2.2，继续进行迭代。