[发明专利]基于GRU和需求响应的电/气/热/储配网协同规划方法

说明书

本发明的基于GRU和需求响应的电/气/热/储配网协同规划方法，首先采用历史负荷数据训练GRU神经网络模型，然后将待预测的负荷时间序列数据导入训练后的模型，得到负荷预测结果；然后建立电‑气‑热‑储能源枢纽模型，并考虑包括转移型和削减型负荷随电价波动的变化情况的价格型需求响应，建立目标函数为使电‑气‑热‑储耦合的网络在满足用户用能需求的情况下总成本最小，以及各个系统的约束条件；最后通过分段增量线性化和辅助变量法，将该电‑气‑热‑储能源枢纽模型转换为可直接求解的混合整数线性模型，并对模型进行求解，得到协同规划的结果。本发明的方法可更合理地规划布局，降低系统压力，优化设备选型，降低投资成本和运行风险。

技术领域

本发明涉及综合能源系统配网规划领域，具体涉及一种基于GRU和需求响应的电/气/热/储配网协同规划方法。

背景技术

现阶段用户侧电力需求不断上涨，环境的污染与清洁能源的枯竭等全球能源问题日益严峻,传统的配电网、配气网、配热网独立规划方法虽然较为容易，但规划效果相对较差。现阶段配网规划方法处于传统规划与数学优化同时应用的阶段。传统的配网规划方法仅考虑供应方资源，主要由配网规划的工作人员依据自身工作经验进行不同规划方案之间的比较，从而导致规划效率较为低下，规划结果的可行性与优势性有待商榷。随着近年来计算机技术的发展与其大规模的普及与应用，许多规划相关学科不断发展进步，数学计算方法被越来越多地应用到配网规划中，从而实现了配网规划水平与效率的进一步提高。

一方面，准确的需求侧负荷预测，对于电力供需平衡、电力系统稳定、保障电力服务、有效地降低发电成本等有着重大意义。现阶段的负荷预测手段涉及到多种预测方法，如线性外推法、回归分析法、时间序列法、小波分析法、人工神经网络法、支持向量机法以及组合预测法等。通过GRU神经网络进行负荷预测，兼顾了准确性与快速性，是一种认可度较高的负荷预测手段。

另一方面，近年来，由于可以通过指导用户调整用电行为，从而柔性化部分电力负荷，提高负荷可控性等多方面因素，电力需求响应逐渐引起人们的关注，通过对它的研究在一定程度上确保了电网的平稳安全运行。随着需求侧管理技术的发展与改进，在解决间歇性能源出力变化以及供需不平衡问题中合理地考虑需求侧负荷的主动性已成为研究的关键。当前的需求响应研究主要是瞄准传统能源系统，它对于研究在集成电力燃气系统中实现能耗响应的研究也具有潜在价值。由此需求侧响应在电-气-热协同规划时就必须作为考虑因素之一。在解决间歇性能源出力变化以及供需不平衡问题中合理地考虑需求侧负荷的主动性已成为研究的关键。

发明内容

针对现有技术的不足，本发明公开一种基于GRU和需求响应的电/气/热/储配网协同规划方法，具体技术方案如下：

一种基于GRU和需求响应的电/气/热/储配网协同规划方法，该方法包括如下步骤：

步骤一：把历史负荷时间序列数据转化为可监督训练的数据，建立GRU神经网络模型，并用可监督训练的数据训练GRU神经网络模型；

步骤二：将待预测的负荷时间序列数据输入训练后的GRU神经网络模型，得到负荷预测结果；

步骤三：建立电-气-热-储能源枢纽模型，并考虑包括转移型和削减型负荷随电价波动的变化情况的价格型需求响应，目标函数是使电-气-热-储耦合的网络在满足用户用能需求的情况下总成本最小，约束条件包括储电系统约束、储气系统约束、储热系统约束、电网络拓扑约束、气网络拓扑约束、热网络拓扑约束和CCHP机组约束，通过分段增量线性化和辅助变量法，将该电-气-热-储能源枢纽模型转换为可直接求解的混合整数线性模型，并对线性模型进行求解，得到协同规划的结果。

进一步地，所述步骤三中考虑包括转移型和削减型负荷随电价波动的变化情况的价格型需求响应，即在目标函数中加入因用户的用电舒适度与灵活度下降所带来的用户补偿成本C₄