[发明专利]一种蓄热式电锅炉参与电力系统调峰的运行优化方法

权利要求书

1.一种蓄热式电锅炉参与电力系统调峰的运行优化方法，其特征在于，该方法首先利用环境温度预测值和环境温度实际值的历史数据分别构建对应的经验概率分布函数，利用该函数将环境温度预测值和环境温度实际值的历史数据分别变换后，构建变换后的环境温度预测值和环境温度实际值的联合概率分布函数；利用该联合概率分布函数和次日各时段的环境温度预测值计算次日实际环境温度的经验分布；然后建立由目标函数和约束条件构成的蓄热式电锅炉参与电力系统调峰的运行优化模型，对该模型的目标函数进行分布鲁棒优化后对模型求解，得到各时段蓄热式电锅参与调峰时上报功率的最优解，最终得到蓄热式电锅炉参与调峰市场的投标功率曲线，优化完毕；该方法包括以下步骤：

1)计算次日实际环境温度的经验分布；具体步骤如下：

1-1)获取环境温度预测值历史样本和对应的环境温度实际值T^env历史样本，利用该历史样本使用统计的方法分别获得的经验概率分布函数和T^env的经验概率分布函数将使用经验概率分布函数变换后环境温度预测值的对应取值记为将使用经验概率分布函数变换后T^env的对应取值记为其中将记为第i个环境温度预测值历史样本对应的变换值，将记为第i个环境温度实际值历史样本对应的变换值；

1-2)令为经步骤1-1)变换后组成的第i个历史样本组合，将任意的两个历史样本组合与构成一个样本对，其中i≠j；

判定：若该样本对满足且或满足且则该样本对为一个同序对，否则为一个异序对；

对所有历史样本组合构成的各样本对判定完毕后，计算和的Kendall秩相关系数τ，表达式如下：

其中，N_总对表示样本对总数，N_同序对和N_异序对分别表示同序对数和异序对数；

1-3)使用GaussianCopula函数，构建和的联合概率分布函数：

其中，代表相关矩阵为的标准多源正态分布矩阵，Ψ^-1表示标准正态分布的反函数；矩阵的表达式如下：

其中，参数ρ的计算表达式为：

1-4)将次日均匀划分为Z个时段，对其中每个时段n，执行如下操作：将时段n的环境温度预测值使用经验概率分布函数将其转换为对应的将代入式的联合概率分布函数，并根据联合概率分布函数对进行J次采样，共得到Z*J个样本，将采样所得样本记为使用经验概率分布函数的反函数将变换为对应的该时段环境温度样本实际值

对所有时段操作完毕后，得到所有时段环境温度样本实际值；

1-5)根据步骤1-4)得到的所有时段环境温度样本实际值，采用如下方式计算次日实际环境温度的经验分布

其中，函数I为指示函数，当其中的比较关系全部成立时该函数取值为1，否则取值为0；表示时段n的环境温度实际值，n＝1,2,…,Z；

2)建立蓄热式电锅炉参与电力系统调峰的运行优化模型，该模型由目标函数和约束条件构成；具体步骤如下：

2-1)建立运行优化模型的目标函数，表达式如下：

其中，符号E表示数学期望，P_n表示时段n电锅炉实际功率；为时段n的分时电价；为时段n的单位容量补偿，B_n为时段n的基线负荷做差的形式确定；O_n为蓄热式电锅参与调峰时时段n的上报功率，[-σ,σ]为免于处罚的偏差带宽；为时段n电锅炉实际功率偏离上报功率的惩罚因子；

其中，表示时段n锅炉向蓄热式电锅炉的蓄热罐储热的等效功率，表示时段n蓄热罐放热的等效功率，η表示电锅炉从电能转化为热能的转换效率，c_bld为建筑的等效比热容，为时段n建筑m的起始温度，表示建筑m与环境之间的热传导系数，为供热建筑的集合；

将式(5)代入式(4)，则目标函数表示如下形式：

其中l_k,n与h_k,n的表达式如式(7)和(8)所示：

2-2)建立运行优化模型的约束条件；具体如下：

2-2-1)蓄热式电锅炉运行约束；包括：

蓄热式电锅炉功率平衡约束：

其中，D_m,n表示蓄热式电锅炉在时段n向供热建筑m供热的等效功率；

蓄热式电锅炉用电功率的范围约束：

其中，P^max和P^min分别是蓄热式电锅炉功率的上界和下界；

蓄热罐能量守恒约束：

其中，Hⁿ表示时段n蓄热罐的初始热能，υ表示蓄热罐的储热效率系数；

蓄热容量约束：

式中，H_max和H_min分别是蓄热罐蓄热量的上界和下界；

2-2-2)散热器相关约束；包括：

散热器等效功率约束：

建筑m的散热器在时段n的等效功率D_m,n由热水流量水的比热容c_hot以及该散热器在该时段的进出水温度和表示，表达式如下：

散热器进出水温度与建筑温度约束：

其中θ_m为反映建筑m的散热器整体散热效果的系数，计算表达式如下：

其中K为散热器的散热系数，F为散热器的散热面积；

散热器进出水温度约束：

其中，和分别是散热器入水温度的上界和下界，和分别是散热器出水温度的上界和下界；

2-2-3)建筑相关约束；包括：

建筑温度变化约束：

建筑温度约束：

其中和分别是建筑内温度的上界和下界；

3)将步骤2)建立的模型转换为分布鲁棒优化优化模型；

采用分布鲁棒优化技术将优化模型的目标函数式(6)转化为如下形式：

其中，记各时段环境温度组成的向量为ξ，并令Q为向量ξ的概率分布函数，为概率分布Q的集合；

采用基于Wasserstein距离构建概率分布Q的不确定集

其中f表示任一满足|f(ξ)-f(ξ′)|≤||ξ-ξ′||的Lipschitz函数，Ξ是ξ的取值空间，表达式为和是限定环境温度取值范围的系数矩阵和向量，是步骤1)所得随机向量ξ的经验分布，ε为构建不确定集时的半径系数；

目标函数式转化为如下形式：

其中，变量γ_n,k,j，s_n,j和λ_n均为转化所引入的辅助变量，表达式如下：

4)对经过步骤3)转化后的优化模型求解，得到各时段蓄热式电锅参与调峰时上报功率O_n的最优解，最终得到蓄热式电锅炉参与调峰市场的投标功率曲线，优化完毕。