PDF《电—气互联综合能源系统多时间尺度动态优化调度》

1 3] 提出了I P G E S的多时 段暂态能量流仿真.文献[

1 4 ] 以最小化压缩机耗能 成本为 目标, 讨论了暂态模型下的优化调度.文献[

1 5 -

1 6 ] 建立了计及天然气管网慢动态特性的混 合整数线性规划模型求解I P G E S最优能量流.文献[

1 7 ] 建立了暂态模型下的I P G E S双层联合优化 调度模型.文献[

1 8 ] 则研究了天然气系统暂态模型 下的I P G E S概率最优能量流. 值得注意的是, 当前I P G E S优化调度方法大多 为开环优化调度方法, 即于某一时间断面或多时间 段进行优化调度控制, 仍属于静态优化.而净负荷 预测难免存在一定的误差, 且预测误差随着时间尺 度的增加而增大.为减小净负荷预测精度较差对优 化决策的影响, 可通过对时间尺度的划分来提高负 荷预测精度, 但该方法忽略了实际系统运行对优化 控制过程的影响, 易导致优化决策结果非严格最优;

相比而言, 模型预测控制( m o d e lp r e d i c t i v ec o n t r o l ,

6 3 第4 2卷第1 3期2018年7月1 0日Vol.42N o .

1 3J u l y1 0,

2 0

1 8 D O I :

1 0.

7 5

0 0 / A E P S

2 0

1 7

0 8

2 3

0 0

2 h t t p : / / ww w. a e p s - i n f o . c o m MP C) 作为一种系统优化控制方法, 与细化时间尺 度优化调度方法不同, 引入了状态量反馈校正环节, 从而能够修正预测误差等因素造成的优 化调度偏 差[

1 9 ] .文献[

1 9 -

2 0 ] 基于 MP C, 通过多时间尺度协 调优 化消纳微电网中间歇性分布式新能源. 文献[

2 1 ] 将MP C引入能 源互联网, 研究了能源互联网的分布式优化调度.文献[

2 2 ] 以压缩机耗能成本 最小为目标, 考虑 MP C 对天然气管网进行优化调 度.文献[

2 3 -

2 4 ] 考虑了稳态模型下的I P G E S中储 气设施的时段耦合特性, 应用 MP C 进行优化调度. 相对于电网, I P G E S包含存储设施、 管存 等多种动 态元件, 即时空关联性复杂.MP C可充分考虑多能 源系统中动态元件的运行特性, 结合多时间尺度调 度方法, 可以对预期事件, 如负荷波动、 能源价格变 化等, 做出相应决策, 因此基于 MP C的I P G E S多时 间尺度运行控制具备一定的研究价值. 本文计及了天然气系统暂态潮流模型的时空耦 合特性, 提出了基于多时间尺度及 MP C 的I P G E S 动态运行优化方法.以日前调度策略为基准, 以有 功出力和产气增量为控制变量进行日内滚动优化调 度.最后, 通过算例分析验证了 MP C 能 够提供更 为合理的I P G E S优化调度策略, 同时分析了预测时 间尺度对天然气管网管存的影响.

1 I P G E S优化调度模型 日前调度以最小化运行成本为目标制定下一日 小时运行出力计划并下发.而日内滚动优化调度则 是以日前调度计划为参考值, 以系统实际运行出力 为初值滚动优化.动态优化调度框架可 参考文献 [

1 9 -

2 0 ] . 1.

1 日前调度 日前以经济最优为目标进行优化调度, 目标函 数如下所示: m i nF =m i n ∑ T t=1 ? è ? ∑ u∈U CP( u) Pu n i t( u, t) + ∑ w∈W CG( w) Gw e l l( w, t) +∑ s∈S CS( s) SO u t( s, t) ? ? ÷ (

1 ) 式中: T 为日前优化调度周期, 取2 4h;

U 为发电机 组集合;

W 为天然气源集合;

S 为储气设施集合;

CP( u) 为发电机组u 的发电成本;

CG( w) 为气源 w 的天然气价格;

CS( s) 为储气设施s 提取天然气的成 本;

Pu n i t( u, t) 为t 时刻发电机组u 的有功出力;