基于拉格朗日乘子的园区综合能源系统可靠性评估方法与流程

：
1.本发明属于园区综合能源系统可靠性评估领域，尤其涉及基于拉格朗日乘子的园区综合能源系统可靠性评估方法


背景技术：

2.能源是一个国家社会稳定和经济发展的基石，但全球化石能源的不断开采导致了能源的短期以及环境污染的加剧，综合能源系统(integrated energy system,ies)能融合多种能源网络，合理分配各种资源来供给负荷，成为解决这一问题的有效途径。综合能源系统可靠性评估能够提供定量的可靠性指标来描述系统的可靠性水平，但随着注入变化的不断增多，如可再生能源的渗透以及负荷种类的增加，使得综合能源系统可靠性评估需要考虑大量不确定性因素，状态枚举法需枚举的系统状态数量呈指数增长，导致可靠性评估时间的剧增，迫切需要提出一种高效的综合能源系统可靠性评估方法。
3.为解决这一问题，常用的综合能源系统可靠性评估加速方法分为两部分：缩减需要考虑的系统状态、加速系统状态分析效率。在缩减系统状态方面，文献【1】提出一种结合分层解耦优化框架的序贯蒙特考虑抽样法，通过抽样的方式来获取系统状态。文献【2】将传统的通用生成函数法应用于可靠性评估，该方法可快速组合耦合设备的故障状态。在此基础上，文献【3】结合模糊理论，提出一种模糊通用生成函数来考虑负荷波动带来的不确定性。在加速系统状态分析效率方面，文献【4】提出一种多参数线性规划方法，来快速分析不同故障状态下的影响，文献【5】提出一种基于影响增量的状态枚举法，可将高阶故障影响转移至低阶故障的计算中，进而提高可靠性评估效率。
4.上述方法可在一定程度上加速综合能源系统可靠性评估效率，但均未考虑可再生能源渗透以及负荷波动带来的大量系统状态问题，与上述算法不同，本文所提方法基于拉格朗日乘子，可快速评估因注入变化而生成的大量系统状态，而代替使用传统的耗时严重的线性规划求解算法，进而提高综合能源系统可靠性评估效率。


技术实现要素：

5.本方法面向考虑负荷和可再生能源不确定性的园区综合能源系统可靠性评估问题，旨在解决其可靠性评估耗时严重问题。本方法基于拉格朗日乘子理论，提出了考虑注入变化的园区综合能源系统可靠性快速评估方法。该方法利用不同设备故障时系统最优负荷削减模型间基矩阵的不变性，通过验证最优性判据，来找到相匹配的拉格朗日乘子，进而快速计算该故障状态下的最优负荷削减量，进而提升综合能源系统可靠性评估的计算效率。
6.由于负荷种类的增多以及可再生能源的不断渗入，园区综合能源系统需要考虑大量不确定性，其可靠性评估需要考虑海量系统状态，可靠性评估时间过长。本发明将拉格朗日乘子应用于不同系统状态中故障影响的计算，代替传统的耗时严重的线性规划求解算法，可提升考虑大量不确定性的系统可靠性评估效率。
7.本发明解决其现实问题是采取以下技术方案实现的：
8.基于拉格朗日乘子的园区综合能源系统可靠性评估方法，包括如下步骤：
9.第一步，通过状态枚举法枚举出综合能源系统中所有设备故障组合；
10.第二步，根据园区综合能源系统的可再生能源出力波动和负荷变化枚举所有不确定性场景；
11.第三步，针对所述设备故障组合中每一个故障状态选择相应的不确定场景构建第一最优负荷削减模型；
12.第四步，构建拉格朗日乘子判断模块对第一最优负荷削减模型评估：
13.所述拉格朗日乘子判断模块从拉格朗日乘子集合中选取能满足最优性判据的拉格朗日乘子，根据拉格朗日乘子函数计算该场景下的最优负荷削减量；其中：所述拉格朗日乘子判断模块若找不到相匹配的拉格朗日乘子，则通过线性规划方法求解最优负荷削减模型，并保留求解过程产生的最优基矩阵以及拉格朗日乘子；
14.第五步，重复第三步直至计算完所有故障状态下的所有不确定场景；
15.第六步，计算可靠性指标输出期望缺供电量。
16.进一步，所述第一最优负荷削减模型为；
17.以综合能源系统中电、热、冷负荷削减量之和最小为目标函数，并引入权重系数来衡量不同类型能源的重要性；约束条件包括能量平衡约束、负荷削减量上下限、设备出力约束以及外部输入能量上下限；
18.min z＝c
t
x＝[0,w,0][p,s,y]
t
[0019][0020]
x＝[p,s,y]
t
≥0
[0021]
其中，w＝[we,wh,wc]是电、热、冷负荷削减的权重系数；s＝[se,sh,sc]
t
是电、热、冷负荷的削减量；p＝[p
in,1
,p
in,2
,
…
,p
in,q
]
t
是各个设备的输入功率，q是系统中设备总数；y是为把模型化为线性标准型加入的松弛变量；c是综合能源系统的耦合矩阵，定量表示了系统中各类能源的耦合关系；η＝[η
,1
,η
,2
,
…
,η
,q
]
t
是各个设备的能量传递或转换效率；t是系统输入关系矩阵，表示了各个设备输入功率的能量类型；i是单位矩阵；l是综合能源系统中的电、热、冷负荷大小；p
cap
＝[p
cap,1
,p
cap,2
,
…
,p
cap,q
]
t
是各个设备的容量；p
eg
＝[pg p
pv
p
wt
,p
ng
]
t
是外部供给综合能源系统的最大电功率和天然气量，pg、p
pv
、p
wt
分别是传统发电机、光伏发电、风力发电的发电量，p
ng
是天然气站的输气量。
[0022]
进一步，所述拉格朗日乘子判断模块对第一最优负荷削减模型评估过程：
[0023]
401、建立拉格朗日乘子集合l-set并对其进行初始化；
[0024]
402、通过线性规划方法对所述第一最优负荷削减模型初始计算获得最优基矩阵b和拉格朗日乘子λ存入拉格朗日乘子集合l-set；
[0025]
403、根据拉格朗日乘子法计算后续不确定场景获得第二最优负荷削减模型；
[0026]
min z＝c
t
x＝[0,w,0][p,s,y]
t
[0027][0028]
x＝[p,s,y]
t
≥0
[0029]
其中，不确定性变化量δb包括不同场景下的负荷水平变化δl和可再生能源出力波动δp
eg
；
[0030]
404、从拉格朗日乘子集合l-set中挑选基矩阵b以及相应的拉格朗日乘子λ，如果最优性判据(1)满足，可通过拉格朗日乘子函数(2)求解最优值；否则，仍通过线性规划求解方法求解模型，并保存新的基矩阵以及拉格朗日乘子至l-set；
[0031]
xb＝b-1
(b δb)≥0(1)
[0032][0033]
其中，xb和cb分别为与基矩阵b相对应的基向量和价值系数向量。
[0034]
有益效果：
[0035]
本发明在一个典型的园区综合能源系统上进行测试，系统结构如图2所示。发电机组包括传统发电机以及新能源发电，园区能量转换设备包括输电线、热泵、电锅炉、燃气锅炉、吸收式制冷机和热电联产机组。峰值电、热、冷负荷分别为72.262、106.243、53.494mw。
[0036]
分别使用三种方法来评估该园区综合能源系统可靠性：状态枚举法(se)、蒙特卡洛抽样法(mcs)以及本文所提拉格朗日乘子法(lm)。se和lm方法中故障最大枚举阶数为3阶，se的计算结果作为所提lm方法的速度对比。可靠性指标为期望缺供能量(eens)，包括期望缺供电负荷量eense、期望缺供热负荷量eensh、期望缺供冷负荷量eensc，
[0037]
mcs抽样次数为5
×
107次，其结果作为lm方法的精度对比。
[0038]
三种方法的可靠性评估结果如表1所示，可知本发明所提方法可显著提升园区综合能源系统可靠性评估效率。本发明方法的计算时间从原来se方法所需的80.46s缩短至1.3s，速度提升为原来的61倍。与mcs方法相比，本发明方法计算精度较高，三种负荷的可靠性指标计算误差均控制在5％以内。综上，本发明方法可有效评估含大量可再生能源渗透的园区综合能源系统可靠性评估，并大幅提升其可靠性评估效率。
[0039]
表2给出了各阶故障下的拉格朗日乘子数量。本发明中负荷水平以及可再生能源出力考虑每个小时的变化，全年中存在8760种不确定性场景，因此每个故障状态需要考虑8760个不确定场景，而表中数据给出在全部故障状态中，平均拉格朗日乘子数量为11，说明8760个不确定性场景下最优负荷削减量的计算，平均只有11个需要通过传统线性规划求解方法求解，而其余的大部分场景可通过拉格朗日乘子快速计算，进而节省大量可靠性评估时间，提升可靠性评估效率。
[0040]
因此可以得出结论，本发明的基于拉格朗日的园区综合能源系统可靠性评估方法可考虑可再生能源渗透带来的不确定性对系统的影响，并且与传统方法对比，在算法速度上具有突出优势
[0041]
表1可靠性评估结果
[0042][0043]
表2拉格朗日乘子数量
[0044]
附图说明：
[0045]
图1是基于拉格朗日乘子的园区综合能源系统可靠性评估方法流程图；
[0046]
图2是本发明涉及园区综合能源系统拓扑结构图；
具体实施方式
[0047]
本发明中提出了一种基于拉格朗日乘子的园区综合能源系统可靠性评估方法，以下结合图1对本发明专利的实施过程做进一步详细说明。
[0048]
基于拉格朗日乘子的园区综合能源系统可靠性评估方法，包括如下步骤：
[0049]
第一步，通过状态枚举法枚举出综合能源系统中所有设备故障组合；
[0050]
第二步，根据园区综合能源系统的可再生能源出力波动和负荷变化枚举所有不确定性场景；
[0051]
第三步，针对所述设备故障组合中每一个故障状态选择相应的不确定场景构建第一最优负荷削减模型；
[0052]
所述第一最优负荷削减模型为；
[0053]
以综合能源系统中电、热、冷负荷削减量之和最小为目标函数，并引入权重系数来衡量不同类型能源的重要性；约束条件包括能量平衡约束、负荷削减量上下限、设备出力约束以及外部输入能量上下限；
[0054]
min z＝c
t
x＝[0,w,0][p,s,y]
t
[0055][0056]
x＝[p,s,y]
t
≥0
[0057]
其中，w＝[we,wh,wc]是电、热、冷负荷削减的权重系数；s＝[se,sh,sc]
t
是电、热、冷负荷的削减量；p＝[p
in,1
,p
in,2
,
…
,p
in,q
]
t
是各个设备的输入功率，q是系统中设备总数；y是为把模型化为线性标准型加入的松弛变量；c是综合能源系统的耦合矩阵，定量表示了系统中各类能源的耦合关系；η＝[η
,1,
η
,2
,
…
,η
,q
]
t
是各个设备的能量传递或转换效率；t是系统
输入关系矩阵，表示了各个设备输入功率的能量类型；i是单位矩阵；l是综合能源系统中的电、热、冷负荷大小；p
cap
＝[p
cap,1
,p
cap,2
,
…
,p
cap,q
]
t
是各个设备的容量；p
eg
＝[pg p
pv
p
wt
,p
ng
]
t
是外部供给综合能源系统的最大电功率和天然气量，pg、p
pv
、p
wt
分别是传统发电机、光伏发电、风力发电的发电量，p
ng
是天然气站的输气量。
[0058]
第四步，构建拉格朗日乘子判断模块对第一最优负荷削减模型评估：
[0059]
所述拉格朗日乘子判断模块从拉格朗日乘子集合中选取能满足最优性判据的拉格朗日乘子，根据拉格朗日乘子函数计算该场景下的最优负荷削减量；其中：所述拉格朗日乘子判断模块若找不到相匹配的拉格朗日乘子，则通过线性规划方法求解最优负荷削减模型，并保留求解过程产生的最优基矩阵以及拉格朗日乘子；其中：
[0060]
所述拉格朗日乘子判断模块对第一最优负荷削减模型评估过程：
[0061]
401、建立拉格朗日乘子集合l-set并对其进行初始化；
[0062]
402、通过线性规划方法对所述第一最优负荷削减模型初始计算获得最优基矩阵b和拉格朗日乘子λ存入拉格朗日乘子集合l-set；
[0063]
403、根据拉格朗日乘子法计算后续不确定场景获得第二最优负荷削减模型；
[0064]
min z＝c
t
x＝[0,w,0][p,s,y]
t
[0065][0066]
x＝[p,s,y]
t
≥0
[0067]
其中，不确定性变化量δb包括不同场景下的负荷水平变化δl和可再生能源出力波动δp
eg
；
[0068]
404、从拉格朗日乘子集合l-set中挑选基矩阵b以及相应的拉格朗日乘子λ，如果最优性判据(1)满足，可通过拉格朗日乘子函数(2)求解最优值；否则，仍通过线性规划求解方法求解模型，并保存新的基矩阵以及拉格朗日乘子至l-set；
[0069]
xb＝b-1
(b δb)≥0(1)
[0070][0071]
其中，xb和cb分别为与基矩阵b相对应的基向量和价值系数向量。
[0072]
第五步，重复第三步直至计算完所有故障状态下的所有不确定场景；
[0073]
第六步，计算可靠性指标输出期望缺供电量。
[0074]
本发明在计算机中应用：
[0075]
本发明实施例的计算机硬件配置包括i5-10600kf cpu，16gram，操作系统为windows10，仿真软件为r2020b。
[0076]
最佳实施方式建议如下：
[0077]
首先，输入园区综合能源系统结构参数、发电厂和天然气站容量、能量转换设备的技术参数和可靠性参数、可再生能源出力曲线、电、热、冷等多种能源负荷曲线、算法参数；
[0078]
其次，使用状态枚举法枚举出所需故障状态集合，并计算每个故障状态的发生概
率；
[0079]
然后，应用本文所提拉格朗日乘子法来计算每个故障状态对系统的影响量。考虑可再生能源出力波动以及负荷水平的变化，生成全年的不确定性场景集合，对每个不确定场景，建立最优负荷削减模型，从拉格朗日乘子集合中选取能满足最优性判据的拉格朗日乘子，根据拉格朗日乘子函数计算该场景下的最优负荷削减量。若找不到相匹配的拉格朗日乘子，则通过传统线性规划方法求解最优负荷削减模型，并保留求解过程产生的最优基矩阵以及拉格朗日乘子。循环以上计算方法直至考虑完所有不确定性场景，得到该故障状态对系统的影响。
[0080]
最后，计算系统可靠性指标eens。
[0081]
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案，上述的具体实施方式仅仅是示意性的，并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下，本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换，这些均属于本发明的保护范围之内。