[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

说明书

本发明涉及一种多微能网耦合系统分布式协同调度方法，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。该方法及系统有利于提供满足负荷需求的最优调度方案。

技术领域

本发明属于多微能网调度技术领域，具体涉及一种多微能网耦合系统分布式协同调度方法及系统。

背景技术

发展清洁、可再生能源以促进能源结构的转型，已成为各国解决能源危机和环境污染问题的重要手段。在此背景下，耦合电、气、热、冷多能源网络的微能网越发受到各国的广泛重视。随着微能网的发展，多个地理位置相邻的微能网因互联互供所需形成多微能网耦合系统，然而由于微能网间存在信息隐私和运营管理壁垒，因此亟需一套基于边界共享信息的分布式调度方法实现多个微能网的协同调度。交替方向乘子法(AlternatingDirection Method of Multipliers,ADMM)结合了对偶上升法(Dual Ascent Method)和乘子法(Method of Multipliers)的优点，相较于拉格朗日法和增广拉格朗日松弛法具有更好的收敛性能和求解速度，广泛应用于求解分布式问题。但是，现有的分布式优化调度方法一般采用传统ADMM算法求解，而传统ADMM算的收敛性能在求解非凸问题时难以得到有效保障，也就是当多微能网耦合系统的优化调度模型中含有0-1变量时，如含有储能装置，微能网的调度模型不再是凸优化模型，会导致ADMM算法的收敛性能在求解此问题时难以得到有效的保证。

发明内容

本发明的目的在于提供一种多微能网耦合系统分布式协同调度方法及系统，该方法及系统有利于提供满足负荷需求的最优调度方案。

为实现上述目的，本发明采用的技术方案是：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。

进一步地，所述多微能网耦合系统为多个包含电、气、热和冷的微能网通过天然气和电力网络耦合在一起的能源系统，所述微能网内部包含风机、储电装置、电制冷装置、电锅炉、吸收式制冷装置、热电联产机组、气锅炉和储热装置，各个微能网通过微能网内的装置转化和转移购买的电能和天然气，最后输出电、气、热和冷四种能源以满足用户的多样化用能需求；所述多微能网耦合系统优化调度模型包括目标函数以及模型的约束条件。

进一步地，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。