基于需求响应的电-气综合能源系统的优化运行方法技术方案

本发明专利技术公开了基于需求响应的电

【技术实现步骤摘要】
基于需求响应的电
‑
气综合能源系统的优化运行方法


[0001]本专利技术涉及电力系统
，尤其涉及基于需求响应的电
‑
气综合能源系统的优化运行方法。

技术介绍

[0002]随着经济社会的发展，实现能源的高效利用、保障能源安全是实现当今人类社会快速发展的必由之路。在负荷侧用户用电负荷曲线与用户用电习惯有关，具有较大的随机性，若能使用户改变其不确定性用电习惯，按照电网需求用电，将会使电力系统更好地安排其发电计划，提高电网运行效益。

技术实现思路

[0003]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0004]鉴于上述现有存在的问题，提出了本专利技术。
[0005]因此，本专利技术解决的技术问题是：在负荷侧用户用电负荷曲线存在较大的随机性的问题。
[0006]为解决上述技术问题，本专利技术提供如下技术方案：采集风电出力数据，获取风电出力概率，将风电出力概率分为N个等概率区间，并在所述等概率区间内抽取随机数，得到与概率相对应的风电出力，并获取风电出力的初始场景数；
[0007]基于风电出力的初始场景数，并计算任意两场景之间的距离，今儿更新场景概率和场景个数，并判断是否达到典型场景数，并输出典型场景；
[0008]基于所述典型场景和双层优化模型，获取调度结果。
[0009]作为本专利技术所述的基于需求响应的电
‑
气综合能源系统的优化运行方法的一种优选方案，其中：所述风电出力的初始场景数的获取包括，
[0010]判断所述与概率相对应的风电出力是否达到初始场景数；
[0011]若所述与概率相对应的风电出力达到初始场景数，则得到风电出力的初始场景；
[0012]若所述与概率相对应的风电出力未达到初始场景数，则重新在等概率区间内抽取随机数，得到与概率相对应的风电出力，循环迭代，直至与概率相对应的风电出力达到初始场景数，并得到风电出力的初始场景。
[0013]作为本专利技术所述的基于需求响应的电
‑
气综合能源系统的优化运行方法的一种优选方案，其中：所述典型场景的输出包括，
[0014]基于所述风电出力的初始场景，计算任意两场景之间的距离，获取计算距离最短两场景的概率，并将从初始场景中削减，更新场景概率和场景个数；
[0015]判断所述场景个数是否达到典型场景数；
[0016]若所述场景个数达到典型场景数，则输出典型场景；
[0017]若所述场景个数未达到典型场景数，则继续计算任意两场景之间的距离，循环迭代，直至所述场景个数达到典型场景数，并输出典型场景。
[0018]作为本专利技术所述的基于需求响应的电
‑
气综合能源系统的优化运行方法的一种优选方案，其中：调度结果的获取包括，
[0019]A1：设置改进教与学算法的基本参数，对上层学员进行初始化；
[0020]A2：优化上层模型，产生上层优化模型中老师和学员的初始种群；
[0021]A3：根据学员位置，求得上浮、下浮电价；
[0022]A4：根据所述上浮、下浮电价，求得响应后的负荷。
[0023]作为本专利技术所述的基于需求响应的电
‑
气综合能源系统的优化运行方法的一种优选方案，其中：包括，
[0024]A5：对下层学员进行初始化，优化下层模型，产生下层优化模型中老师和学员的初始种群；
[0025]A6：根据“教”阶段、“学”阶段、“自学”阶段依次对下层学员的适应度值进行计算和对下层学员位置进行更新。
[0026]作为本专利技术所述的基于需求响应的电
‑
气综合能源系统的优化运行方法的一种优选方案，其中：对学员进行初始化具体包括，
[0027]在一个d维的优解搜索空间中，搜索区域范围定义X＝(x1,x2,...,x
d
)∈[L,U]，其中，L＝(L1,L2,...,L
d
)表示空间下界，U＝(U1,U2,...,U
d
)表示空间上界；
[0028]设定第i个学员为X
s,i
＝(x
i1
,x
i2
,...,x
id
)，学员规模为N，最大迭代次数为λ
max
。
[0029]作为本专利技术所述的基于需求响应的电
‑
气综合能源系统的优化运行方法的一种优选方案，其中：根据“教”阶段对下层学员的适应度值进行和位置进行更新包括，
[0030]计算每个学员X
s,i
的适应值，选择学员中适应值最好的作为老师X
t
，并计算学员的平均值
[0031]所述学员的平均值的计算包括，
[0032][0033]学员根据老师X
t
与学员平均值间的差异进行学习：
[0034][0035]其中，TF表示教学因子且TF
i
＝X
s,i
/X
t
，和X
s,i
分别表示第i个学员学习前和学习后的值；
[0036]判断的适应值是否大于X
s,i
的适应值；
[0037]若的适应值大于X
s,i
的适应值，则更新学员
[0038]否则，则学员保持X
s,i
不变。
[0039]作为本专利技术所述的基于需求响应的电
‑
气综合能源系统的优化运行方法的一种优选方案，其中：根据“学”阶段对下层学员的适应度值进行和位置进行更新包括，
[0040]在班级中随机选取一个学习对象X
s,j
(i≠j)，X
s,i
通过分析与学员X
s,j
之间的差异进行学习；
[0041]判断X
s,i
的适应值是否大于X
s,j
的适应值；
[0042]若X
s,i
的适应值大于X
s,j
的适应值，则对学员X
s,i
进行学习：
[0043][0044]否则，则对学员X
s,i
进行学习：
[0045][0046]作为本专利技术所述的基于需求响应的电
‑
气综合能源系统的优化运行方法的一种优选方案，其中：根据“自学”阶段对下层学员的适应度值进行和位置进行更新包括，
[0047]每一个学员按照如公式方式进行自学，判断的适应值是否大于X
s,i
的适应值；
[0048]若的适应值大于X
s,i
的适应值，则
[0049]否则，则保持X
s,i...

【技术保护点】

【技术特征摘要】
1.基于需求响应的电
‑
气综合能源系统的优化运行方法，其特征在于，包括：采集风电出力数据，获取风电出力概率，将风电出力概率分为N个等概率区间，并在所述等概率区间内抽取随机数，得到与概率相对应的风电出力，并获取风电出力的初始场景数；基于风电出力的初始场景数，并计算任意两场景之间的距离，今儿更新场景概率和场景个数，并判断是否达到典型场景数，并输出典型场景；基于所述典型场景和双层优化模型，获取调度结果。2.如权利要求1所述的基于需求响应的电
‑
气综合能源系统的优化运行方法，其特征在于：所述风电出力的初始场景数的获取包括，判断所述与概率相对应的风电出力是否达到初始场景数；若所述与概率相对应的风电出力达到初始场景数，则得到风电出力的初始场景；若所述与概率相对应的风电出力未达到初始场景数，则重新在等概率区间内抽取随机数，得到与概率相对应的风电出力，循环迭代，直至与概率相对应的风电出力达到初始场景数，并得到风电出力的初始场景。3.如权利要求2所述的基于需求响应的电
‑
气综合能源系统的优化运行方法，其特征在于：所述典型场景的输出包括，基于所述风电出力的初始场景，计算任意两场景之间的距离，获取计算距离最短两场景的概率，并将从初始场景中削减，更新场景概率和场景个数；判断所述场景个数是否达到典型场景数；若所述场景个数达到典型场景数，则输出典型场景；若所述场景个数未达到典型场景数，则继续计算任意两场景之间的距离，循环迭代，直至所述场景个数达到典型场景数，并输出典型场景。4.如权利要求3所述的基于需求响应的电
‑
气综合能源系统的优化运行方法，其特征在于：调度结果的获取包括，A1：设置改进教与学算法的基本参数，对上层学员进行初始化；A2：优化上层模型，产生上层优化模型中老师和学员的初始种群；A3：根据学员位置，求得上浮、下浮电价；A4：根据所述上浮、下浮电价，求得响应后的负荷。5.如权利要求4所述的基于需求响应的电
‑
气综合能源系统的优化运行方法，其特征在于：包括，A5：对下层学员进行初始化，优化下层模型，产生下层优化模型中老师和学员的初始种群；A6：根据“教”阶段、“学”阶段、“自学”阶段依次对下层学员的适应度值进行计算和对下层学员位置进行更新。6.如权利要求5所述的基于需求响应的电
‑
气综合能源系统的优化运行方法，其特征在于：对学员进行初始化具体包括，在一个d维的优解搜索空间中，搜索区域范围定义X＝(x1,x2,...,x
d
)∈[L,U]，其中，L＝(L1,L2,...,L
d
)表示空间下界，U＝(U1,U2,...,U
d
)表示空间上界；设定第i个学员为X
s,i
＝(x
i1
,x
i2
,...,x
id
)，学员规模为N，最大迭代次数为λ
max
。...

【专利技术属性】
技术研发人员：胡瑞雪，王铭锋，王长春，李博，李冬雪，刘岩，吴卓航，吕忠华，吴昊，贾博，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：