考虑供需双侧的多主体和不确定性区域综合能源系统多时间尺度优化调度方法

本发明涉及电力系统优化调度领域，具体涉及一种考虑供需双侧的多主体和不确定性区域综合能源系统多时间尺度优化调度方法。

背景技术：

1、区域综合能源系统(regional integrated energy system,ries)作为能源互联网的重要载体，对提升能源利用效率、促进可持续发展和实现低碳运行起到关键作用。然而，在高比例可再生能源接入ries的情况下，综合能源系统ies的源、荷双侧均存在很强的不确定性，并且综合能源系统ies内部复杂的能量耦合关系以及供需双侧参与市场调节的主动性等问题，都为综合能源系统ies的优化运行带来了诸多困难与挑战。

2、文献[1]:cheng s,wang r,xu j y,et al.multi-time scale coor-dinatedoptimization of an energy hub in the integrated en-ergy system with multi-type energy storage systems[j].sustainable energy technologies andassessments,2021,47(22):101327.基于模型预测控制方法(model predictive control，mpc)建立了日前-日内-实时三时间尺度的优化调度策略，既保证了ies的运行经济性，也降低了源、荷预测误差带来的波动性。

3、文献[2]:王成山,吕超贤,李鹏,等.园区型综合能源系统多时间尺度模型预测优化调度[j].中国电机工程学报,2019,39(23):6791-6803.以园区ies为对象，建立了基于mpc的园区ies两阶段多时间调度模型，满足了系统实时运行的要求。

4、但是上述技术方案依然为解决区域综合能源系统中供需双侧的多主体性以及源、荷不确定性对系统的影响的技术难题。

技术实现思路

1、为克服区域综合能源系统中供需双侧的多主体性以及源、荷不确定性对系统的影响。本发明提供一种考虑供需双侧的多主体和不确定性区域综合能源系统多时间尺度优化调度方法，在日前阶段构建了基于双层stackleberg博弈的供需双侧博弈调度模型，研究系统内各主体的能量交易策略；其次，在日前调度的基础上，基于模型预测控制方法，建立了以系统运行成本、机组启停惩罚成本和储能量惩罚成本之和最小为目标的日内滚动优化模型和以设备总调整量最小为目标的实时调整模型，对日前计划进行修正，平抑源、荷功率波动。

2、本发明采取的技术方案为：

3、考虑供需双侧的多主体和不确定性区域综合能源系统多时间尺度优化调度方法，包括以下步骤：

4、步骤1：基于能量枢纽(energy hub,eh)模型构建ries结构，其主要包括三个部分：

5、能源供应侧、能源枢纽侧和能源需求侧，分别对应能源供应商(energy supplier,es)、能源枢纽运营商(energy hub operator,eho)和用户三种利益主体，并建立供需博弈交互机制；

6、步骤2：构建日前-日内-实时多时间尺度模型：

7、日前调度以1h为时间尺度，确定接下来24小时各主体的能量交易策略和系统各机组出力计划；

8、日内调度在日前供需博弈调度的基础上，以15min为时间尺度，通过滚动优化更新最新的源、荷预测信息；

9、实时调度则是对日内各机组出力计划进行微调，以满足系统内实际运行时不断变化的需求。

10、步骤3：基于双层stackelberg构建日前供需博弈调度计划，随后根据日前供需博弈调度计划，分别构建日内滚动博弈调度计划和实时调整调度计划。

11、步骤4：基于逆序归纳法、差分进化算法和gurobi商业求解器，对所提模型进行求解。首先需求解出下层需求侧stackelberg博弈模型的均衡解，然后将其带入上层供给侧博弈模型进行求解，从而得到双侧最优均衡解。

12、所述步骤1中，能源供应侧主要提供电能和气能，是eh模型的输入量，包括由发电机组构成的电力供应系统以及天然气站构成的燃气供应系统；

13、能源枢纽侧主要包括以燃气轮机(gas turbine,gt)和余热锅炉(waste heatboiler,whb)组成的热电联产系统(combined heating and power,chp)，还包括光伏机组(photovoltaic,pv)、风电机组(wind turbine,wt)、电转气设备(power to gas,p2g)、燃气锅炉(gas boiler,gb)以及由储电装置(electricity storage device,esd)、储热装置(heat storage device,hsd)和储气装置(gas storage device,gsd)组成的储能系统，是eh模型的转换量。

14、能源需求侧由包含电、热、气三种负荷需求的多能用户组成，即eh模型的输出量。

15、所述步骤1中，eh模型实质上是一种利用耦合矩阵描述ies输入-输出关系的数学模型，构建三种主体的耦合关系，公式如下：

16、

17、其中：为流入eh总的输入电功率，包括es发电机组的输出电功率和风电、光伏的输出电功率和以及向外部电网的购电量为es的天然气站输出的气功率；分别为esd、hsd和gsd的输出功率；和分别为es输出电功率流入电负荷和p2g的调度系数；分别为输入天然气流入chp的电能和热能调度系数；为输入天然气流入气负荷的调度系数；ηgb、ηgt、ηwhb和ηp2g分别为gb、gt、whb和p2g的能源转换效率；ηesd、ηhsd和ηgsd分别为esd、hsd和gsd的输出效率；分别为用户的电、热、气负荷。

18、供能侧流向eh的调度系数和功率应满足以下关系，以约束能流平衡：

19、

20、所述步骤1中，根据能源供应商es、能源枢纽运营商eho和用户三大利益主体，他们之间拥有不同的利益，各自整合不同的资源优化自身运行目标，每个利益主体在决策时都需充分考虑其他利益主体对自身的影响，从而构建供需博弈交互机制，具体如下：

21、(1)能源供应商es作为能源拥有者，在双层stackelberg博弈模型的上层部分中作为领导者，有优先决定权。

22、(2)能源枢纽运营商eho作为该双侧交互机制的纽带，在双层stackelberg博弈模型的上层部分中作为跟随着，根据能源供应商es发布的功率-价格曲线，制定自己的购能计划；在双层stackelberg博弈模型的下层部分中作为领导者，通过合理安排内部能源耦合机组和储能设备的出力计划，根据经济最优原则制定合理的售能价格和补贴机制引导用户调整自身用能策略，满足用户多元需求。

23、(3)对于用户侧，假设用户具有一定比例的可调节负荷，且均能接受一定程度的用能满意度改变。用户在能源枢纽运营商eho给定的电、热、气售能价格基础上，根据能源枢纽运营商eho给予的激励型补贴，在自身满意度变化范围内调整可转移负荷和可削减负荷，实现用能成本最低。

24、所述步骤2中，日前-日内-实时多时间尺度模型的建立包括以下步骤：

25、为减少可再生能源和负荷预测误差对ries各主体能量交易的影响，本发明基于预测精度随调度时间尺度的减小而逐渐提高的特点，采用基于模型预测控制(model predictcontrol,mpc)的ries多时间尺度优化调度策略。

26、步骤2.1：日前调度阶段：基于双层stackelberg博弈的ries供需双侧互动优化调度策略。日前调度阶段同时考虑了能源供应商es和用户的主动性和决策能力，以1h为时间尺度，建立能源枢纽运营商eho与能源供应商es和用户的供需双侧博弈互动优化模型；

27、在双层stackelberg博弈模型上层部分中，能源供应商es作为领导者，能源枢纽运营商eho作为跟随着，双方基于利润和边际成本的功率-价格曲线进行博弈互动，分别制定一天24个时段的功率-价格截距和购能功率；在下层stackelberg博弈中，能源枢纽运营商eho作为领导者，用户作为跟随着，能源枢纽运营商eho根据自身经济最优原则调整系统内机组最优出力和售能价格，用户则以购能成本、削减补贴费用和不满意度函数之和的综合费用最低为目标调整用能策略。此外，为了减少系统的环境污染，分别在能源供应商es和能源枢纽运营商eho的目标函数中引入污染排放惩罚成本，引导系统内各机组低污染运行。

28、步骤2.2：日内滚动优化调度：基于日前供需博弈调度计划(即es功率-价格截距、用户电、热、气负荷的转移量和削减量保持不变)，日内阶段以15分钟为时间尺度，构建日内滚动博弈调度计划；

29、首先，在日内第k时段开始时，更新接下来控制时域m内源、荷预测信息；其次，基于mpc方法，以ries日内运行费用、机组启停惩罚费用、储能量惩罚成本和污染排放费用之和最低为目标，确定m内eho的购能计划和机组出力计划，但只执行第一个时段的计划。最后，在k+1时段开始时使用新的输出测量值重复以上步骤，实现滚动更新。

30、步骤2.3：实时调整阶段：实时调整阶段与日内滚动优化嵌套执行，该阶段以5分钟为时间尺度，根据实时更新的源、荷预测信息，以下一时段的设备总调整量最小为优化目标，确定调整后最终的调度计划值。实时调整阶段主要是对日内出力计划进行微调，以满足系统实际运行时的时变需求。

31、所述步骤3包括以下步骤：

32、步骤3.1：在日前计划中，采用拉丁超立方抽样法以及kantorovich距离削减法对可再生能源和负荷的不确定性进行处理；

33、以风电功率为例，假定风电功率服从正态分布n(μ,δ2)，其中，预测风电功率的期望值和波动百分比分布为μ和δ2。利用拉丁超立方抽样法生成1000个服从概率分布约束的风电出力场景，然后在采用kantorovich距离削减法对生成的场景削减处理，从而导出具有相应概率的削减后的10个场景；

34、步骤3.2：构建能源供应商es，能源供应商es是ries中的能源供应者，考虑到发电机组带来的环境污染，其能源供应商es优化目标由售能收益、运行成本以及机组排放成本组成。由于发电机组和天然气站均具有二次的运行成本函数，则能源供应商es的目标函数如下所示：

35、

36、式中：t表示能源供应商运行总时长，t表示时段，fes为es的净收益；和分别为es的售能收入和运行成本；为发电机组污染排放成本，分别表示如下：

37、

38、

39、

40、式中：mx表示es的发电机组总数；分别为es发布的售电、售气价格；cnet为es向电网公司支付的过网费用；和分别为es发电机x的输出电功率和天然气站的输出气功率；分别为第x台发电机组的运行成本系数，分别为天然气站的运行成本系数；pemi为单位体积气体的排放价格；和分别为生产单位kw·h电量对应的co2、nox的排放量。△t表示es发电机和天然气站运行的单位时间；

41、根据边际成本函数的功率-价格曲线，能够得到es的售能价格和售能功率之间的关系为：

42、

43、式中：表示为es发电机运行价格的截距常数；表示为es天然气站运行价格的截距常数。

44、由于本发明采用的功率-价格曲线为变截距，所以能源供应商es只需根据自身效益最优原则来调整发电机组和天然气站的功率-价格曲线截距和并将新的曲线重新传递给eho。因此，功率-价格曲线截距和需满足一定约束，即需考虑自身收益不可过低报价，又需遵守市场规则不可过高报价，其截距调整取值范围如下：

45、

46、式中：和分别为es调整发电机组x的功率-价格曲线截距上、下限；和分别为es调整天然气站的功率-价格截距上、下限。

47、步骤3.3：构建能源枢纽运营商eho，能源枢纽运营商eho作为该供需双侧博弈的纽带，其内部包含可再生能源设备、能源耦合设备以及多源储能设备，通过协调各机组出力满足用户的多能需求。考虑到国家对清洁能源的大力推进，除了系统内pv和wt免环境污染惩罚，其余电量均需按电量比例承担环境污染惩罚费用。因此，能源枢纽运营商eho以售能收入、购能成本、运行成本、idr补偿成本以及环境污染惩罚费用为目标函数，其目标函数如下所示：

48、

49、式中：feho为eho的净利润；和分别为eho的购能成本和售能收入；为eho的设备运行维护成本；为用户需求响应的补偿成本；为污染惩罚费用。上述各项可表达如下：

50、

51、式中：和分别为eho向用户发布的售电、售热和售气价格；为eho向外部电网的购电价格；和分别为eho向用户出售的电、热、冷功率；nj为总的能源设备数量，j表示能源设备种类，aj和pj分别表示设备j的运行维护系数及其对应的输出功率；dx为总的储能设备数量，x表示储能设备种类，βx为储能设备x的运行维护系数，和分别为储能设备x的充、放能功率；分别为eho承担的电、气、热能削减补偿成本；γ为单位电量污染惩罚费用系数。

52、步骤3.4：本发明采用阶梯型激励补贴机制对用户进行补贴，该机制是指eho与用户签订合同，并根据合同确定相应的可削减负荷容量及其补偿价格。对于采取激励补贴的用户，由于不同能源削减对用户的影响不同，故能源枢纽运营商eho针对削减的不同负荷类型采取不同形式的补贴机制，其具体补贴机制可表示如下：

53、(1)电、气负荷削减补贴策略：

54、削减的电负荷对用户的影响与时间密切相关。用电高峰时刻通常是用户生产、生活活动的高峰，此时削减电负荷会对用户的正常生活产生较大影响，而天然气与电能拥有相似的市场商品属性。因此，对于电、气负荷补贴采用基于实时价格的补偿机制。用户的电、气负荷削减补偿费用分别为：

55、

56、式中：εe、εg分别为电、气负荷的削减补贴系数；分别为用户削减的电、气负荷；为用户电负荷削减补偿费用；为用户气负荷削减补偿费用。

57、(2)热负荷削减补贴策略：

58、热负荷的削减主要影响用户的舒适度。由于用户对室温的舒适度要求具有一定模糊性：若热负荷改变越小，对用户的舒适度影响也越小，相反则对用户的舒适度影响就越大，即热负荷的削减量对用户影响不呈线性相关。因此eho对用户热负荷的削减采取阶梯补偿的方式进行激励型补贴。用户的热负荷削减补偿费用为：

59、

60、式中：εh和分别为热负荷补贴系数和用户削减的热负荷。根据实际削减热负荷的大小不同，补贴系数εh也有所不同：

61、

62、式中：θh为划分边界；为用户实际热负荷；为用户初始热负荷；当实际热负荷偏离在θh之内时，以系数进行补贴，当实际热负荷偏离在θh之外时，以系数进行补贴。由于偏离越大用户舒适度越低，补贴力度也越大，故

63、此外，eho各能源设备需满足运行上、下限约束和爬坡率上、下限约束，储能装置除了需满足上下限约束和爬坡率约束，还需满足容量约束，具体表示如下：

64、

65、

66、式中：为能源设备j的输出功率；和分别为能源设备j的输出功率上、下限；和分别为能源设备j的输出功率的爬坡率上、下限；和分别为储能设备x的充、放能功率；ηx,chr、ηx,dis分别为储能装置x的充、放能效率；和分别为的最小和最大值；γx为储能设备x的能量自损率。为能源设备j在t-1时刻的输出功率；为储能设备在t-1时刻的储能容量；为储能设备在初始时刻的储能容量；为储能设备在末时刻的储能容量。

67、步骤3.5：用户接收到eho发布的售能价格之后构建用户收益模型，根据自身用能成本最小为目标调整用能策略，可调节的负荷包括可转移负荷和可削减负荷两类。本发明用户以购能成本、削减补贴费用和不满意度函数之和最小为目标函数，假设用户均同意参与负荷调整，且均能接受一定程度的满意度变化，则其目标函数为：

68、

69、式中：为用户的购能成本；为用户的不满意度成本；表达式分别如下：

70、

71、

72、式中：i∈{e,h,g}，e为用户侧的电负荷；h为用户侧的热负荷；g为用户侧的气负荷；νi为对应用户转移或削减第i种负荷的不适系数，反映用户对能源的需求偏好；为用户初始负荷需求；为用户执行idr后的实际负荷；表示用户执行idr前后的负荷变化量。

73、对于可转移负荷，需满足以下约束：

74、

75、式中：和分别为用户的可转移电、热、气负荷及其上限值；wi,s为可转移电、热、气负荷的总量。

76、对于可削减负荷，t时刻的负荷调整量应在一定范围内，同时1天内总负荷削减量也应当满足限制：

77、

78、式中：为第i类初始需求负荷；βs,i与βc,i分别为第i类负荷削减率上限与负荷总削减率上限。

79、步骤3.6：基于日前供需博弈调度计划，日内阶段为避免机组频繁启停和储能装置频繁充放能变化导致使用寿命降低，在考虑日内运行成本最低的同时，加入各机组启停惩罚成本和储能量惩罚成本，根据最新预测的源、荷数据，以综合成本最低为目标进行滚动优化，其目标函数为：

80、

81、式中：fid为日内综合成本；和分别为日内购能成本、日内运行维护成本、机组启停惩罚成本、储能量惩罚成本和污染惩罚成本。

82、上述各项成本表达如下：

83、

84、式中：m为控制时域；为第j台机组的启停状态；为第j台机组的启停惩罚费用；

85、分别为电、热、气储能装置的储能惩罚系数；

86、分别为电储能装置在日内/日前阶段的储能量；

87、分别为热储能装置在日内/日前阶段的储能量；

88、分别为气储能装置在日内/日前阶段的储能量；

89、nj为机组总数；k为第k轮博弈；m为日内滚动优化的控制时域；为第j台机组t-1时刻的启停状态。

90、步骤3.7：实时调整阶段以5分钟为时间尺度，根据实时更新的源、荷预测信息，以下一时刻的系统设备总调整量最小为目标，对日内出力计划进行微调。由于日内调度与实时调整阶段嵌套执行，故每一阶段的日内出力计划内都包含多个实时调整阶段，经过多阶段调整从而得到系统最终出力计划。其目标函数为：

91、

92、式中：和分别为eho向外部电网的购电调整量及其购电上限；

93、分别为向es的购电/购气功率的调整量；

94、分别为向es的购电/购气功率的上限；

95、和分别为gt、gb和p2g的输出功率调整量；和分别为gt、gb和p2g的输出功率上限值。

96、利用如下所示的状态空间方程作为日前-日内-实时多时间尺度模型的实时调整状态：

97、

98、式中：等号左边为最终调度计划值，右边第一项为上一阶段调度值，第二项为实时阶段修正值，第三项为各负荷和可再生能源构成的扰动量；其中，表示注入到eho的电功率总量，含es供电量和外部电网供电量两部分；ηgt、ηp2g和ηgb分别为gt、p2g和gb的转换效率。

99、为t+1时刻gt的输出功率；为t+1时刻gb的输出功率；为t+1时刻p2g的输出功率；为用户侧电负荷t时刻的变化量；为用户侧热负荷t时刻的变化量；为用户侧气负荷t时刻的变化量；为风机机组t时刻的变化量；为光伏机组t时刻的变化量。

100、所述步骤4中，本发明基于逆序归纳法、差分进化算法和gurobi商业求解器，对所提模型进行求解。首先需求解出下层需求侧stackelberg博弈模型的均衡解，然后将其带入上层供给侧博弈模型进行求解，从而得到双侧最优均衡解。

101、步骤4.1：输入初始数据，如光伏、风电预测曲线和电、热、气负荷预测曲线，设置迭代次数k＝0；es制定初始的功率-价格曲线截距λ0并下发给eho；

102、步骤4.2：进入需求侧博弈阶段。基于逆序归纳法，通过对用户目标函数求偏导得到最优用能策略l*，然后带入eho目标函数，将双层目标函数转换成单目标函数，并采用gurobi优化器求解需求侧均衡解；

103、步骤4.3：通过k-1轮博弈互动之后，es根据第k-1轮互动结果向eho发布第k轮博弈的决策变量λk；

104、步骤4.4：eho得到第k轮的功率-价格曲线后，根据步骤4.2求解出这一轮的需求侧均衡解，并将优化结果反馈给es，然后进行循环。

105、步骤4.5：将第k轮优化结果与第k-1轮结果进行对比，若满足下方约束条件则认为达到供需双侧均衡解；否则转入步骤4.3。

106、

107、式中：ε表示收敛最大允许误差值。

108、步骤4.6：输出最终均衡解结果。

109、本发明一种考虑供需双侧的多主体和不确定性区域综合能源系统多时间尺度优化调度方法，技术效果如下：

110、1)本发明在日前调度中同时考虑供需双侧利益主体与eho的博弈互动，通过stackelberg博弈理论实现了eho与es和用户的互动交易及其系统内部设备的运行优化，兼顾了各市场主体的主动性，同时提高了各利益主体的收益，充分发挥了市场对资源合理配置的作用。

111、2)本发明建立了考虑供需双侧多主体性和不确定性的ries多时间尺度优化调度策略，搭建了日前-日内-实时三时间尺度的优化调度模型。

112、a：在日前调度中同时考虑供需双侧利益主体与eho的博弈互动，通过stackelberg博弈理论实现了eho与es和用户的互动交易及其系统内部设备的运行优化，兼顾了各市场主体的主动性，同时提高了各利益主体的收益，充分发挥了市场对资源合理配置的作用。

113、b：在日内和实时调度中充分考虑了源、荷不确定性对ries优化调度的影响，通过逐级细化时间尺度，减少了源、荷预测误差对内部设备出力计划的影响。所提的滚动优化和实时调整策略不仅降低了源、荷预测误差对系统优化调度的影响，也提高了各设备机组出力精确性，实现了ries经济、稳定和可靠运行。