基于用户需求的综合能源优化方法研究
发布时间：2021-03-24 02:31
综合能源系统（Integrated Energy System,IES）接入以微型燃气轮机（Micro-Turbines Generator,MTG）为主的可控出力分布式电源,为用户降低用能成本的需求提供了多样化的解决方案。对于具有网络结构的,含多种形式能源的区域式网络侧IES,各种能源之间不能完全透明地共享信息,难以应用集中式计算方法统一求解,因而需要在系统内部进行分布式计算。如何进行单元划分并应用合理算法以满足用户需求是未来研究的重要方向,本文对单点式用户侧IES的最优运行,区域式网络侧IES的最优运行及建设规划方案展开研究。首先,本文针对用户侧IES的优化运行问题,建立了经济运行和物理运行模型。提出将系统与主网的并网开关分成两台特殊的MTG机组,参与其余分布式电源的联合优化。然后基于并行计算思想对增广拉格朗日乘子法（Augmented Lagrange Method,ALM）进行改进,使每轮迭代计算中所有分布式单元输出数值同时更新,简化计算流程。最后,与集中式算法和串行式计算方法进行比较,并在恶劣运行条件下对方法进行校验。其次,建立了网络侧IES优化运行场景下的经济和物理模型。基...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
图１－１综合能源系统示意图??正Ｓ的概念可用图１－１来说明［３］，图中所示多层次分门类有机结合的综??合能源系统，其整体可以看作由供应层（网络侧正Ｓ）和终端微网层（用??
１?ｋ，ｌ?ｋ＋１?ｋ＋１?ｋ＋１?ｋ＋１?ｋ＋１?ｋ＋１??Ｐ４?ｋ?ｋ?ｋ?ｋ－１?ｋ＋］?ｋ＋１?ｋ＋１?ｋ＋１?ｋ＋１?ｋ＋１??ｋ?ｋ?ｋ?ｋ?ｋ?ｋ?十?１?ｋ＋］?ｋ＋１?ｋ＋１?ｋ＋１??ｋ?ｋ?ｋ?ｋ?ｋ?ｋ?ｋ＋］?ｋ＋１?ｋ＋１?ｋ＋１??ｋ?ｋ?ｋ?ｋ?ｋ?ｋ?ｋ?ｋ＋１?ｋ＋１?ｋ＋１??Ｐｎｋｋｋｋｋｋｋｋ?ｋ＋ｌ?ｋ＋ｌ?????ｕｋｋｋｋｋｋｋｋｋ?ｋ＊ｌ??第ｋ次原始数值?第ｋ＋ｌ次更新数值??Ｂｌ第ｋ次更新数值，第ｋ＋ｉ次原始数值??图２－１?ＡＤＭＭ迭代过程??令??ｐ?＿?＾ｌ．ｍｉ?＾?Ｐ？?（２－３１）??ｎ??如式（２－３２）所示，Ｐ作为原始变量，代替原本与第／台ＭＴＧ对应的其??他可控ＭＴＧ上一轮迭代结果，参与该ＭＴＧ的结果更新。??＝ａｒｇｍｉｎ［／?Ｐ?－Ｐｋ＋ＹＰｋ?－Ｐ?＋ｕｋ?］??ｌ．ｍ，?Ｐｌ．ｍｔ?ｌｍｔ?２?Ｔｆ?ｉｍ，?，??＜?Ｋ１?＝?＋ｆ?￣Ｆ＋％Ｐｌ，?＋ｗ＊?（２－３２）??ｕＭ?＝?ｕｋ?＋?（ＹＰｉ＋１?－Ｐ?）??注意到Ｐ－３２）和（２－３０）有着类似的表达形式，但不同点在于上式中除了??２２??
山东大学硕士学位论文??对偶算子Ｖ的更新以外，其余ｎ个原始算子的更新不依赖于迭代过程中其??他算子的结果，而是通过同步计算完成。一个完整的迭代过程的交替计算??次数从原来的ｎ＋１次变为２次（１次并行计算＋１次对偶算子更新），可以??称之为并行ＡＬＭ算法，迭代过程如图２－２所示。??１?２?３?４?…??ＰＩ?ｋ－１?ｋ?ｋ?ｋ?１?ｋ丨?１??Ｐ２?ｋ－１?ｋ?ｋ?ｋ＊?１?ｋ＋１??Ｐ３?ｋ－１?ｋ?ｋ?ｋ＋１?ｋ－＊１??Ｐ４?ｋ－１?ｋ?ｋ?ｋ＋１?ｋ＋１??ｋ－１?ｋ?ｋ?ｋ＋ｌ?ｋ十１??ｋ－１?ｋ?ｋ?ｋＨ?ｋ＋１??…ｋ－１?ｋ?ｋ?ｋ?＊?ｌ?ｋ＞ｌ??Ｐｎ?ｋ－１?ｋ?ｋ?ｋ＋１?ｋ＋１?？??ｕ?ｋ－１?ｋ－１?ｋ?ｋ?ｋ＋１??第１＜次原始数值??■第ｋ次更新数值??．第ｋ＋１次原始数值??Ｍ第ｋ＋１次更新数值??图２－２并行ＡＬＭ迭代过程??可见，使用并行ＡＬＭ算法进行ｆｆｉＳ最优计算，用户侧控制中心只需??获得系统总的功率缺额以及各台可控ＭＴＧ的当前出力尸（〇，将这??ｌａｃｋ?ｔ．Ｍ、’??些信息传递给下层单元，各台分布式电源即可求解出最优的模式》这种方??法将原本集中于上层的计算任务分散化，利用了下层计算资源同时还提高??了故障容错率。另一方面因为考虑了用户侧ＩＥＳ实际情况，采用并行ＡＬＭ??方法，减少了计算步骤，拥有更快的收敛速度。??２．４算例分析??本节通过算例仿真对所提方法进行验证，在计算准确性和收敛速度方??面对基于并行ＡＬＭ算法和串行交替乘子法进行比较，并分析了恶劣场景??下算法的性能，检验其鲁棒性。??２３??
本文编号：3096885
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
图１－１综合能源系统示意图??正Ｓ的概念可用图１－１来说明［３］，图中所示多层次分门类有机结合的综??合能源系统，其整体可以看作由供应层（网络侧正Ｓ）和终端微网层（用??
１?ｋ，ｌ?ｋ＋１?ｋ＋１?ｋ＋１?ｋ＋１?ｋ＋１?ｋ＋１??Ｐ４?ｋ?ｋ?ｋ?ｋ－１?ｋ＋］?ｋ＋１?ｋ＋１?ｋ＋１?ｋ＋１?ｋ＋１??ｋ?ｋ?ｋ?ｋ?ｋ?ｋ?十?１?ｋ＋］?ｋ＋１?ｋ＋１?ｋ＋１??ｋ?ｋ?ｋ?ｋ?ｋ?ｋ?ｋ＋］?ｋ＋１?ｋ＋１?ｋ＋１??ｋ?ｋ?ｋ?ｋ?ｋ?ｋ?ｋ?ｋ＋１?ｋ＋１?ｋ＋１??Ｐｎｋｋｋｋｋｋｋｋ?ｋ＋ｌ?ｋ＋ｌ?????ｕｋｋｋｋｋｋｋｋｋ?ｋ＊ｌ??第ｋ次原始数值?第ｋ＋ｌ次更新数值??Ｂｌ第ｋ次更新数值，第ｋ＋ｉ次原始数值??图２－１?ＡＤＭＭ迭代过程??令??ｐ?＿?＾ｌ．ｍｉ?＾?Ｐ？?（２－３１）??ｎ??如式（２－３２）所示，Ｐ作为原始变量，代替原本与第／台ＭＴＧ对应的其??他可控ＭＴＧ上一轮迭代结果，参与该ＭＴＧ的结果更新。??＝ａｒｇｍｉｎ［／?Ｐ?－Ｐｋ＋ＹＰｋ?－Ｐ?＋ｕｋ?］??ｌ．ｍ，?Ｐｌ．ｍｔ?ｌｍｔ?２?Ｔｆ?ｉｍ，?，??＜?Ｋ１?＝?＋ｆ?￣Ｆ＋％Ｐｌ，?＋ｗ＊?（２－３２）??ｕＭ?＝?ｕｋ?＋?（ＹＰｉ＋１?－Ｐ?）??注意到Ｐ－３２）和（２－３０）有着类似的表达形式，但不同点在于上式中除了??２２??
山东大学硕士学位论文??对偶算子Ｖ的更新以外，其余ｎ个原始算子的更新不依赖于迭代过程中其??他算子的结果，而是通过同步计算完成。一个完整的迭代过程的交替计算??次数从原来的ｎ＋１次变为２次（１次并行计算＋１次对偶算子更新），可以??称之为并行ＡＬＭ算法，迭代过程如图２－２所示。??１?２?３?４?…??ＰＩ?ｋ－１?ｋ?ｋ?ｋ?１?ｋ丨?１??Ｐ２?ｋ－１?ｋ?ｋ?ｋ＊?１?ｋ＋１??Ｐ３?ｋ－１?ｋ?ｋ?ｋ＋１?ｋ－＊１??Ｐ４?ｋ－１?ｋ?ｋ?ｋ＋１?ｋ＋１??ｋ－１?ｋ?ｋ?ｋ＋ｌ?ｋ十１??ｋ－１?ｋ?ｋ?ｋＨ?ｋ＋１??…ｋ－１?ｋ?ｋ?ｋ?＊?ｌ?ｋ＞ｌ??Ｐｎ?ｋ－１?ｋ?ｋ?ｋ＋１?ｋ＋１?？??ｕ?ｋ－１?ｋ－１?ｋ?ｋ?ｋ＋１??第１＜次原始数值??■第ｋ次更新数值??．第ｋ＋１次原始数值??Ｍ第ｋ＋１次更新数值??图２－２并行ＡＬＭ迭代过程??可见，使用并行ＡＬＭ算法进行ｆｆｉＳ最优计算，用户侧控制中心只需??获得系统总的功率缺额以及各台可控ＭＴＧ的当前出力尸（〇，将这??ｌａｃｋ?ｔ．Ｍ、’??些信息传递给下层单元，各台分布式电源即可求解出最优的模式》这种方??法将原本集中于上层的计算任务分散化，利用了下层计算资源同时还提高??了故障容错率。另一方面因为考虑了用户侧ＩＥＳ实际情况，采用并行ＡＬＭ??方法，减少了计算步骤，拥有更快的收敛速度。??２．４算例分析??本节通过算例仿真对所提方法进行验证，在计算准确性和收敛速度方??面对基于并行ＡＬＭ算法和串行交替乘子法进行比较，并分析了恶劣场景??下算法的性能，检验其鲁棒性。??２３??
本文编号：3096885
本文链接：https://www.wllwen.com/kejilunwen/dongligc/3096885.html
