一种计及氢物流的多微网低碳优化调度方法

本发明属于氢能，具体涉及一种计及氢物流的多微网低碳优化调度方法

背景技术：

1、在新能源快速发展的背景下，电力系统调节能力和支撑能力提升面临诸多掣肘，新能源消纳形势十分严峻。在风光资源丰富的地区，可以建设微电网就地消纳新能源，降低分布式电源出力波动对电力系统的影响。将同一区域的微电网通过联络线互联组成多微网系统，使能量在微网间流动，在风光能源波动较大或大规模负荷接入时大大增强系统运行的安全性和稳定性。

2、在多微网中进行电力调度的同时，可以将多微网中多余的新能源电力就地制氢，在微网之间的交通网中使用长管拖车进行氢气调度，以满足各个微网在交通、建筑、化工等领域的氢气需求，促进深度脱碳。

3、在目前的研究中，多微网系统通过能量互济消纳新能源，在构建多能互补的智慧能源系统上的潜力有待进一步挖掘；引入氢能在实现多能交互的同时，也使调度策略复杂化。

技术实现思路

1、解决的技术问题：本发明公开了一种计及氢物流的多微网低碳优化调度方法，能够减少风光不确定性对系统调度影响，实现各微网的能量互补，满足微网的氢气需求。

2、技术方案：

3、一种计及氢物流的多微网低碳优化调度方法，所述多微网低碳优化调度方法包括以下步骤：

4、步骤s1：获取目标多微网区域内交通网络的基本信息，包括各微网的地理位置、微网间的交通路线、允许启用的长管拖车数量上限、长管拖车容量和长管拖车速度；

5、步骤s2：获取目标多微网区域内氢气制取、储存和运输的基本信息，包括具有制氢设备的微电网编号、各微网氢气负荷需求、接收氢气时间窗、电解槽功率、制氢速率和压缩机功率；

6、步骤s3：获取目标多微网区域内电力网络的基本信息，包括各微网的风光出力历史数据、电力负荷需求和蓄电池容量；

7、步骤s4：基于各微网的风光出力历史数据，考虑不确定性，利用拉丁超立方采样方法和k均值聚类法生成各微网典型风光出力场景；

8、步骤s5：在各微网典型风光出力场景下，基于各微网的电力需求，使用多微网间联络线传输电力，建立多微网电力调度模型，多微网电力调度模型以电力运行成本、碳排放成本和新能源弃电成本最小为目标函数，约束条件包括功率交互约束和储能约束；

9、步骤s6：基于各微网的氢气需求，在具有电解槽设备的微网中制取氢气，并通过长管拖车在交通网络中运输氢气，在各微网的储氢罐中储存氢气，建立多微网氢物流模型，多微网氢物流模型以制储运成本最小为目标函数，约束条件包括制氢约束、储氢约束、运氢约束和耦合约束；

10、步骤s7：基于多微网电力调度模型和多微网氢物流模型，以多微网总运行成本和碳排放成本最小为目标函数，获得考虑氢物流的多微网全局优化调度模型并统一求解，获得多微网电氢最优调度方案。

11、进一步地，步骤s4中，利用拉丁超立方抽样对风光出力历史数据进行分层随机抽样获得n个抽样场景，并使用k均值聚类法进行场景缩减以生成n个典型场景，具体步骤如下：

12、将风、光的历史数据按照值的大小分成n个等间距的区间，在每个区间内随机抽取一个值作为采样值；

13、将风、光的n个采样值排成一行，形成初始样本矩阵x，该初始样本矩阵大小为24×n，其中，x表示为：

14、

15、式中，x1,1到x1,24为区间1抽取的样本中一天24小时的风光出力数据；xn,1到xn,24为区间n抽取的样本中一天24小时的风光出力数据；

16、将初始样本矩阵x各行随机排列以生成n个样本场景；

17、从初始样本矩阵x中选择n个样本作为初始的聚类中心；

18、对于每个样本，计算它与各个聚类中心之间的欧氏距离，将样本归类到距离最近的聚类中心所在的类别中，欧氏距离计算过程如下：

19、

20、式中，xi'和yi'分别表示两个样本x和y在第i'个小时的风光出力数据；

21、根据每个样本的归类情况，更新聚类中心的位置xk'，计算过程如下：

22、

23、式中，xi”表示第i”个样本场景，ui”k'为指示函数，如果样本场景i”属于聚类中心k'所代表的类别，ui”k'＝1，否则，ui”k'＝0；

24、重复更新聚类中心直至更新前后聚类中心不发生变化，得到的n个聚类中心作为n个典型风光出力场景。

25、进一步地，步骤s5中，所述多微网电力调度模型为：

26、minfmmge＝fdg+fbess+fgrid  (4)

27、fdg＝fmt+fwt+fpv  (5)

28、

29、

30、

31、

32、

33、式中，kmt为燃气轮机成本系数；pn.mt为微网n燃气轮机出力；kwt为风机使用成本系数；pn.wt为微网n风机出力；kpv为光伏使用成本系数；pn.pv为微网n光伏出力；kbess为储能成本系数；ηn.on为微网n储能装置充电效率；pn.on为微网n储能装置充电功率；ηn.off为微网n储能装置放电效率；pn.off为微网n储能装置放电功率；pn.grid为微网n与配网交互功率；pn.mt为微网n燃气轮机出力；fgrid为向电网购电报价；pn.grid为微网n购电量；fmmge为t时刻多微网系统电力调度部分的总成本；fdg为分布式发电成本；fmt为燃气轮机发电成本；fwt为风机发电成本，fpv为光伏发电成本；fbess为储能成本；fgrid为购电成本；

34、所述多微网电力调度模型的约束条件为：

35、

36、

37、

38、

39、

40、

41、

42、约束条件中，式(11)为功率平衡约束，式(12)为燃气轮机处理约束，式(13)为微网与配网交换功率约束，式(14)-(17)为储能约束；式中，pn.m为微网m向微网n传输电量；和为燃气轮机出力上下限；pp2h为电解槽和压缩机消耗电量；为t时刻微网n储能；和为储能上下限；和为储能充放电功率上限；为t时刻微网n储能装置充电功率；为t时刻微网n储能装置放电功率；为微网n购电量上限。

43、进一步地，步骤s6中，所述多微网氢物流模型为：

44、minfmmgh＝fele+fcom+fht(18)

45、fele＝kele*pele(19)

46、fcom＝kcom*pcom(20)

47、式中，kele和kcom为电解槽和压缩机成本系数；pele和pcom为电解槽和压缩机功率；fmmgh为t时刻多微网系统氢气调度部分总成本；fele为电解槽成本；fcom为压缩机成本；

48、所述多微网氢物流模型的约束条件为：

49、

50、

51、

52、

53、

54、

55、

56、pp2h＝pele+pcom  (28)

57、

58、

59、

60、

61、

62、wki＝max(0,eti-tki)(i∈n,k∈m)  (34)

63、

64、tkj＝tki+wki+ti+tij(i,j∈n,k∈m)  (36)

65、

66、式(21)-(22)为电解槽制氢约束；式(23)-(24)为压缩机压缩氢气约束；式(25)-(27)为储氢罐储氢约束；式(29)为功率平衡约束；式(29)为长管拖车运输成本；式(30)为制氢微网进出车辆数相等约束；式(31)为最大装载量约束；式(32)为限制单次节点访问约束；式(33)为最大行驶距离约束；式(34)-(36)为等待、行驶和装卸时间约束；式(37)为时间惩罚成本；

67、式中，h为电解槽t时刻制氢速率；ηele为电解槽电氢转化效率；lh为氢气的低热值；和为电解槽最小和最大功率；μcom为压缩机运行参数，与温度、热力比、工作效率相关，此处取常数；rcom为压缩机升压比；ρ为氢气的等熵指数；为压缩机最大功率；为t时段储氢量；qht为长管拖车的氢气输入量；和为最小和最大储氢量；为最大长管拖车的氢气输入量；fht为每辆ht的启用成本；k为启用车辆数；n为节点数；dij为节点i到节点j的最短路径距离；xi,j,k表示氢气长管拖车k是否经过路径(i,j)从节点i到节点j运输，经过则为1，不经过则为0；fd为行驶单位距离所需成本；pi为长管拖车在节点i提前或延迟到达产生的时间成本；qk为长管拖车k单次运载氢气量；m为长管拖车氢气容量上限；d为最大行驶距离；wki为长管拖车k到达微电网i后等待时间；eti和lti为微电网i接收氢气的最早和最晚时间；tki为长管拖车k到达微电网i的时间；tij为节点i到节点j的行驶时间；v为长管拖车行驶速度；ti为长管拖车在微电网i装卸氢气时间；fearly和flate为到达时间早于和晚于时间窗产生的成本系数。

68、进一步地，步骤s7中，所述多微网全局优化调度模型为：

69、minfmmg＝fmmge+fmmgh+fco2  (38)

70、

71、

72、式(40)为氢气平衡约束；式中，fco2为每千克co2处理成本；fgrid为电网单位功率排放co2系数；fmt为燃气轮机单位功率排放co2系数；qn为微网n所需氢气量；fq为长管拖车行驶单位距离所需氢气量。

73、有益效果：

74、现有技术相比，本发明的计及氢物流的多微网低碳优化方法，创建了一种在多微网系统中利用氢气运输提高可再生能源利用率，同时满足个别微网氢气需求的氢气制取和调度模型，并将其与多微网电力调度模型结合，考虑了各环节的碳排放成本，最终获得计及氢物流的多微网全局低碳优化调度方案。本发明考虑了多微网中电、氢能源的互补调度，促进多微网中新能源的就地消纳，降低了多微网运营成本，减少了多微网的整体碳排放。