技术领域

本发明属于大规模分布式风电并网的电-气耦合能源配网的优化运行领域，特别涉及考虑风电不确定性的电-气耦合能源配网协调优化方法。

背景技术

随着分布式发电技术的不断进步与风电并网规模的不断增加，越来越大规模的分散式风电将会接入配电网，而配电网负荷相对较小，风电出力固有的不确定特性为系统的优化运行带来的影响将会随之增大，同时可能会导致弃风现象。电转气(P2G)设备和燃气轮机将电网和天然气网进行互联，实现能源互补的同时提升风电的利用率，但同时也加深了电、气两网的耦合程度，传统意义上电网和气网分属不同的利益主体，集中优化的方法将不再适用，因此，亟需研究含风电和P2G的电-气耦合能源系统的分布式协调优化的新模式。

针对电-气耦合能源系统的优化运行，国内外学者陆续展开了一些研究。比如：1)针对含大规模风电的电-气耦合能源系统，探索风电的经济价值，进行经济调度方法的研究。2)考虑系统安全约束，针对含风电的电-气综合能源系统进行集中式优化运行方法的研究。3)考虑风电接入系统后呈现的不确定性特点，计及不确定性带来的影响，进行电-气综合能源系统的优化运行研究。然而，1)中重点侧重经济调度的研究，而忽略了系统安全约束，而波动性电源的接入势必会造成电压越限等问题；2)中考虑了系统安全运行约束，但仍未计及风电出力不确定性的影响，而风电出力特点深刻影响着优化的结果；3)中仍属于传统的集中式优化调度，两网需交换全部的系统信息，而对于目前两网分属不同管理机构的现状，数据的私密性无法得到保证。

发明内容

本发明的目的是提供考虑风电不确定性的电-气耦合能源配网协调优化方法。解决了现有技术中存在的集中优化无法适应电、气两网的较高耦合程度的情况的问题。

本发明所采用的技术方案是：

采用目标级联算法(ATC)对配电网和配气网进行分布式协调优化，同时利用机会约束模拟风电出力不确定性的特点，并通过优化方案给出燃气轮机和P2G的可调裕度，提高系统运行的灵活性、经济性和可靠性。具体按照以下步骤实施：

步骤1：建立电-气耦合能源配网中的各元件模型及风电出力不确定性模型，初始化配电网和配气网的系统参数，给出最大优化迭代次数。

步骤2：使用目标级联分布式优化算法(ATC)，进行分布式迭代求解。其中，首先利用CPLEX求解器独立求解配电网的优化模型，求出耦合变量。将配电网优化模型所求的耦合变量信息传递给配气网，利用CPLEX求解器独立求解配气网优化模型。

步骤3：根据步骤2中所得耦合变量及电-气耦合能源配网的总成本，判断是否满足误差要求，或达到最大迭代次数，若满足，则输出最终优化方案，若不满足，则返回步骤2进行下一次求解，直到满足最大迭代次数。

本发明的特点还在于：

在步骤1中主要包括电转气(P2G)、燃气轮机和储气罐数学模型以及于配电网和配气网有关的安全运行约束，其配电网和配气网的优化目标表达式为：

式(1)中，Ce,t和Cg为购电和燃气轮机购气成本系数；T为总调度时段；为向主网购电功率；/>为从气网的购气功率；NG为燃气轮机总数；p为P2G总数；/>和Ccur为P2G的日运行成本和弃风成本系数；ΔPw,t为弃风电量；/>为P2G向气网售气收益系数；/>为向气网售出的天然气量；/>为可向气网售出的风电量；/>为气网反馈给电网的实际消纳风电量；/>为气网反馈给电网的可供天然气量；γw,t和λw,t分别为有关P2G的朗格朗日一、二次惩罚系数；γi,t和λi,t分别为有关燃气轮机的拉格朗日一、二次惩罚系数；式(2)中，Cwell为从天然气井的购气成本系数；/>为从天然气井的购气量；Nstorage为储气罐的个数；Cstorage为储气罐成本系数；/>为储气罐的出气量。

P2G和燃气轮机出力受风电出力不确定性影响，也呈现一定的不确定性，用机会约束描述，其表达式如下：

其中，Pr为约束需要满足的概率；为P2G出力上、下限；/>为燃气轮机出力上、下限；1-αp和1-αi为须满足的置信水平，其值越大代表对风电不确定性的应对能力越高。

利用P2G和燃气轮机承担风电不确定性的影响，且P2G转换风电量应与风电变化呈现相同的规律，燃气轮机的出力应与风电变化呈现相反的趋势，具体表达式如下：

其中，为P2G风电转化量的随机变量；/>为燃气轮机出力的随机变量；Γt为系统内所有风电机组产生的误差，是均值为μ，标准差为σ的随机变量。δp和δi分别为P2G和燃气轮机对风电不确定性的功率分配因子。

在步骤2中电-气耦合能源配网中电网和气网分属不同层次的不同主体，采用ATC算法进行电网和气网的分布式协调优化。电网将自身优化所得耦合变量下发给气网，气网再将自身优化所得耦合变量反馈给电网。

在步骤3中需要满足耦合变量约束，具体表达式如下：

具体实施时，耦合变量及系统成本需满足最小误差约束，具体表达式如下：

本发明的有益效果是：

本发明利用机会约束处理风电出力不确定性的同时，将燃气轮机和电转气(P2G)设备作为主要应对不确定性的元件，提高系统应对不确定性的能力，提升风电的消纳水平，平滑与主网交互节点的波动水平。

本发明考虑到电网和气网分属不同的管理机构，采用ATC分布式优化算法进行求解，可以有效保证两网的数据私密性，同时提高运算效率。

附图说明

图1是本发明方法的流程图。

图2是本发明方法中得到的燃气轮机和P2G的不确定性功率分配因子。

图3是本发明方法中四个场景的与主网交互节点的电压。

图4是本发明方法用于实例的配网系统示意图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细的说明。

参见图1，本发明一种考虑风电不确定性的电-气耦合能源配网分布式协调优化方法，按照以下步骤实施：

步骤1：建立电-气耦合能源配网中的各元件模型及风电出力不确定性模型，初始化配电网和配气网的系统参数，给出最大优化迭代次数。

步骤2：使用目标级联分布式优化算法(ATC)，进行分布式迭代求解。其中，首先利用CPLEX求解器独立求解配电网的优化模型，求出耦合变量。将配电网优化模型所求的耦合变量信息传递给配气网，利用CPLEX求解器独立求解配气网优化模型。

步骤3：根据步骤2中所得耦合变量及电-气耦合能源配网的总成本，判断是否满足误差要求，或达到最大迭代次数，若满足，则输出最终优化方案，若不满足，则返回步骤2进行下一次求解，直到满足最大迭代次数。

进一步，在步骤1中主要包括电转气(P2G)、燃气轮机和储气罐数学模型以及于配电网和配气网有关的安全运行约束，其配电网和配气网的优化目标表达式为：

式(1)中，Ce,t和Cg为购电和燃气轮机购气成本系数；T为总调度时段；为向主网购电功率；/>为从气网的购气功率；NG为燃气轮机总数；p为P2G总数；/>和Ccur为P2G的日运行成本和弃风成本系数；ΔPw,t为弃风电量；/>为P2G向气网售气收益系数；/>为向气网售出的天然气量；/>为可向气网售出的风电量；/>为气网反馈给电网的实际消纳风电量；/>为气网反馈给电网的可供天然气量；γw,t和λw,t分别为有关P2G的朗格朗日一、二次惩罚系数；γi,t和λi,t分别为有关燃气轮机的拉格朗日一、二次惩罚系数；式(2)中，Cwell为从天然气井的购气成本系数；/>为从天然气井的购气量；Nstorage为储气罐的个数；Cstorage为储气罐成本系数；/>为储气罐的出气量。

P2G和燃气轮机出力受风电出力不确定性影响，也呈现一定的不确定性，用机会约束描述，其表达式如下：

其中，Pr为约束需要满足的概率；为P2G出力上、下限；/>为燃气轮机出力上、下限；1-αp和1-αi为须满足的置信水平，其值越大代表对风电不确定性的应对能力越高。

利用P2G和燃气轮机承担风电不确定性的影响，且P2G转换风电量应与风电变化呈现相同的规律，燃气轮机的出力应与风电变化呈现相反的趋势，具体表达式如下：

其中，为P2G转化量的随机变量；/>为燃气轮机出力的随机变量；Γt为系统内所有风电机组产生的误差，是均值为μ，标准差为σ的随机变量。δp和δi分别为P2G和燃气轮机对风电不确定性的功率分配因子。

进一步，在步骤2中电-气耦合能源配网中电网和气网分属不同层次的不同主体，采用ATC算法进行电网和气网的分布式协调优化。电网将自身优化所得耦合变量下发给气网，气网再将自身优化所得耦合变量反馈给电网。

进一步，在步骤3中需要满足耦合变量约束，具体表达式如下：

具体实施时，耦合变量及系统成本需满足最小误差约束，具体表达式如下：

实施例

下面通过具体实施例说明本发明有益效果。

如附图4所示，以IEEE 33节点配电网和24节点配气网构成的电-气耦合能源系统进行仿真分析。

(1)风电出力不确定性对优化结果的影响

通过本发明所提模型，分别对考虑风电不确定性和不考虑风电不确定性进行对比分析，得到的系统各部分的成本见表1。

表1各部分成本

(2)设置不同场景，对比不确定性功率的分配情况和与主网交互节点的电压波动情况。

场景一：系统内不含P2G和储气罐。

场景二：系统内包含P2G、不包含储气罐。

场景三：系统内包含储气罐、不包含P2G。

场景四：系统内同时包含P2G和储气罐。

具体结果见附图2和附图3。

其中，附图2为不确定性功率的分配因子图，场景一和场景三中，由于系统中不包含P2G，风电波动产生的不确定性均由系统内的燃气轮机承担，其承担因子为1，当系统因风电出力突然变化而产生调度计划的偏差时，其只能通过燃气轮机的灵活性进行调节，调节方式单一；场景二和场景四中既包含燃气轮机也包含P2G，当风电波动引起不确定性时，燃气轮机和P2G同时作为灵活性资源去承担因不确定性带来的调度计划偏差，燃气轮机和P2G各自承担的比例由附图2给出，此时系统的调节方式更加灵活且快速，且能调节的范围更大，比场景一和场景三中不包含P2G的情况具有更多的调节裕度，能应对更大的不确定性。附图3为配电网首节点的电压波动情况，相比于不含P2G，系统接入P2G后首节点电压的波动幅度得到了明显的改善。

通过上述案例说明，本发明考虑风电不确定性的电-气耦合能源配网协调优化方法，研究考虑风电不确定性的电气耦合能源配网分布式协同优化运行，用机会约束处理风电的不确定性，并充分利用P2G应对其带来的影响，在此基础上，将电网和气网作为不同的利益主体，同时考虑到各主体数据的隐私性，使用更贴近实际状况的求解方法，通过使得各自的运行成本最小实现各系统各单元的优化运行，在提升系统经济性的同时提高了系统的灵活性，增强了系统应对不确定性的能力，有效了提升风电资源的利用率。此外，平滑了与主网交互节点的电压波动水平，更利于系统的安全稳定运行。