基于增强型Benders分解的区域综合能源系统联合规划
Joint Planning of Regional Integrated Energy System Based on Enhanced Benders Decomposition
通讯作者: 吴 雄,副教授,博士生导师;E-mail:wuxiong@mail.xjtu.edu.cn.
责任编辑: 王历历
收稿日期: 2023-02-20 修回日期: 2023-07-26 接受日期: 2023-07-31
基金资助: |
|
Received: 2023-02-20 Revised: 2023-07-26 Accepted: 2023-07-31
作者简介 About authors
刘炳文(1998—),硕士生,从事综合能源系统规划与调度研究.
随着能源交易的逐步市场化,区域综合能源系统(RIES)内部将形成综合能源服务商(IESP)和用户聚合商(UA)等多类经济实体,如何在保护隐私的情况下协调各方参与联合规划,制定全局最优的规划方案成为RIES规划面临的新挑战.首先,明确电-气-热耦合RIES的结构,并从IESP、UA和电-气-热网络3个方面构建数学模型.其次,以经济性最优为目标提出考虑IESP和多个UA的RIES联合规划模型.再次,出于对各实体隐私保护的考虑,采用基于增强型Benders算法的分布式求解方法,以适应含非凸子问题的联合规划问题.最后,通过对比4组算例分析联合规划方案在经济性和能源利用效率方面的优势,同时验证了所提分布式算法良好的收敛性.
关键词:
With the gradual marketization of energy trading, different economic entities such as the integrated energy service provider (IESP) and user aggregators (UAs) will form within the regional integrated energy system (RIES). The coordination of all entities to participate in joint planning for a globally optimal planning scheme while protecting privacy has posed a new challenge for RIES planning. First, the structure of the coupled electrical-gas-thermal RIES is clarified in this paper, and a mathematical model is constructed from IESP, UA, and electrical-gas-thermal network. Then, a RIES joint planning model considering IESP and multiple UAs is proposed with the objective of economical optimization. Afterwards, in order to adapt to the non-convexity of the sub-problem of the joint planning problem, the enhanced Benders algorithm is proposed to realize the distributed solution of the model, which protects the privacy of all entities to the greatest extent. Finally, the advantages of the joint planning scheme in terms of economy and energy efficiency are analyzed by comparing four sets of cases, and the good convergence of the proposed distributed algorithm is verified.
Keywords:
本文引用格式
刘炳文, 吴雄, 曹滨睿, 麻淞, 何雯雯.
LIU Bingwen, WU Xiong, CAO Binrui, MA Song, HE Wenwen.
对于RIES的规划问题,现有文献已开展了深入研究.文献[4]中提出针对单一RIES的随机规划模型,重点考虑多阶段规划的多重不确定性;文献[5]中重点研究包含冷热电联产机组(combined cooling heating and power, CCHP)的电-气耦合枢纽与管网规划,建立了多阶段多场景规划模型;文献[6]中提出考虑经济性和熵效率的RIES多目标规划方法.上述研究大都针对单个或整体RIES,没有考虑多系统互联时的合作规划方法.另有部分研究考虑了多区域或多个RIES的互联,例如文献[7]中对RIES进行分区优化设计,得到各分区最优的系统配置方案;文献[8]中提出一种考虑多微电网合作的规划框架;文献[9]中研究了面向多个RIES的联合规划方法;文献[10]中针对RIES供能侧提出基于碳排放的能源站和管道网络的协同规划方法,但没有考虑负荷侧的优化.此类研究均侧重多系统或多区域间的合作,不适用于RIES内部不同实体的联合规划.
事实上,随着能源市场逐步开放,RIES内部也存在综合能源服务商(integrated energy service provider, IESP)和用户聚合商(user aggregator, UA)等多类市场主体.IESP与UA共属同一RIES但又受不同经济实体管理:IESP负责区域内能源的生产和销售并从中获利,UA可负责整合用户需求并统一管理.IESP与UA不同的规划方法直接影响RIES的经济性和能源效率.因此,有必要研究考虑IESP和UA的RIES联合规划方法.
出于保护隐私的考虑,IESP和各UA倾向于独立制定规划方案, RIES联合规划问题难以集中求解.现有研究提出诸多面向RIES的分布式求解方法,例如文献[11⇓-13]中针对RIES运行问题提出一系列分布式优化方法;文献[14]中利用Benders分解很好地保护了子系统隐私;文献[15-16]中均基于广义Benders分解实现综合能源系统的分布式优化.尽管能实现混合整数线性规划问题的分布式求解,但上述算法都要求布尔变量、整数变量只存在于主问题,且分解后的子问题必须是凸优化问题.而在本研究中,要实现RIES联合规划问题的分布式求解,IESP和各UA需独立求解含0-1变量的子问题,上述算法并不适用.为此,文献[17]中借助辅助变量和极大极小不等式,提出并证明了一种增强型Benders分解算法,以适应Benders子问题非凸的情况;文献[18-19]中进一步验证了增强型Benders分解算法的准确性和良好的收敛性,但都针对系统的运行问题.为此,拟基于增强型Benders分解算法实现RIES联合规划问题的分布式求解.
基于上述分析,建立RIES的数学模型,提出一种包含IESP和多个UA主体的RIES联合规划模型.为保护各方隐私,利用基于增强型Benders分解的分布式求解方法,得到经济性最优的联合规划方案.算例结果证明了联合规划的优势,验证了分布式求解方法的有效性.
1 区域综合能源系统
1.1 区域综合能源系统结构
拟建立的RIES结构如图1所示.系统涉及电能、天然气及热能的耦合,其内部包括1个IESP和N个UA,分别代表不同实体的利益.
图1
IESP负责购买和生产各类能源,并向各UA出售和输送以赚取利润.其从特定节点接入电网、气源以购入电能、天然气;在区域内投建风电(wind turbine, WT)、光伏(photovoltaic, PV)用于发电,投建热电联产(combined heat and power, CHP)机组用于集中制热,投建电池储能系统(battery energy storage system, BESS)用于调节富余电能,投建电、气、热管网用于向各UA输送能源.
UA负责聚合一定范围内用户的能源需求并管理综合需求响应.其就近投建小型电热锅炉(electric boiler, EB)、燃气锅炉(gas boiler, GB)用于分布式制热,以减少供热损耗,提升能源效率.
1.2 区域综合能源系统模型
1.2.1 IESP模型 具体如下.
(1) 风电、光伏.风电、光伏机组的输出功率不应超过其发电功率:
式中:d∈D,为风电候选节点;v∈V,为光伏候选节点;t∈T, s∈S分别为时段数和场景数;
弃风、光功率等于发电功率与输出功率之差:
式中:
(2) 热电联产机组.CHP结构如图2所示,由微型燃气轮机、燃气锅炉、余热回收装置和换热器等组成.
图2
微型燃气轮机的输出电功率受其额定容量和爬坡速率的限制:
式中:h∈H,为候选CHP;
微型燃气轮机输出热功率与输出电功率的关系如下:
式中:
燃气锅炉输出热功率表示如下:
式中:
CHP的天然气消耗总量表示为
式中:Lg为天然气的低位热值.
(3) 电化学储能.BESS的运行需考虑功率平衡约束、充放电功率约束、储电量约束,具体表示为
式中:e∈E,为候选BESS;
设定BESS的循环周期为总时段数T:
式中:
1.2.2 UA模型 具体如下.
(1) 电锅炉、燃气锅炉.利用电热锅炉与燃气锅炉就近供热,可避免供热管道带来的损耗,以提升能源效率和系统经济性.电热锅炉、燃气锅炉的运行需考虑功率约束和爬坡速率限制:
式中:i∈N,为UA所在节点;
电热锅炉、燃气锅炉消耗的能源可表示如下:
式中:
(2) 电、气、热负荷.UA中聚合的电、气、热负荷可划分为固定负荷和弹性负荷,弹性负荷具有一定需求响应能力.单位时段弹性负荷的削减量或平移量满足下式:
式中: Δ
所有时段弹性负荷的削减总量满足下式:
式中:
进一步得到UA的实际能源需求:
式中:
1.2.3 电-气-热网络模型
具体如下.
(1) 电力网络.考虑到网络规模较小,以直流潮流方程描述电力网络约束,即
式中:l∈L,为RIES内候选电力线路;
RIES通过联络线从特定节点接入电网,联络线的容量限制可表示为各节点的电能购入限制:
式中:b∈B,为RIES内所有节点的集合,即D, V, H, E, N⊆B;
RIES内各节点购电量、设备输出功率、UA电负荷和线路送出功率的总和为0,其内部电力平衡方程如下式所示:
式中:关联矩阵元素Kb, d、Kb, v、Kb, h、Kb, e、Kb, i、Kb, l分别表示节点b与各类设备候选节点、各UA节点或线路两端节点的连接关系.
(2) 天然气网络.考虑到输送距离较短,采用静态燃气网络模型.表示为
式中:p∈P,为RIES内候选天然气管道;
RIES通过特定节点接入气源,气源本身具有流量限制:
式中:
RIES内各节点购气量、CHP消耗量、UA气负荷和管道送出量的总和为0,其内部天然气平衡方程表示如下式所示:
式中:关联矩阵元素Kb, p表示节点b与天然气管道两端节点的连接关系;
(3) 供热网络.区域集中供热管网多采用质调节的控制方式,即保持管道内流量、压强等物理量不变,仅调整导热介质温度[20].管道传递热功率的限制为
式中:m∈M,为RIES内候选供热管道;
热力惯性带来的热能损耗为
式中:
RIES内各节点CHP、管道供热量、管道热损耗和UA热负荷的总和为0,其内部热能平衡方程表示如下式所示:
式中:关联矩阵元素
2 RIES联合规划模型
2.1 目标函数
RIES联合规划模型以全系统年度总成本最低为目标,包括等值年投资成本和年运行成本两部分.
式中:
IESP的投资费用包括风电、光伏、CHP、BESS、电-气-热网络的费用,UA的投资费用包括电热锅炉、燃气锅炉两部分.
式中:μ为相应设备折算至年的单位投资成本;
RIES的运行费用包括IESP的购能费用、各类设备的运行维护费、弃风弃光惩罚以及UA中用户满意度惩罚.
式中:
式中:
2.2 投资约束
受区域内资源、环境等现实因素的制约,由IESP和各UA投资决策的机组、线路、管道等设备均需满足投资容量约束.反映IESP投资容量的决策变量主要为
式中:
对于BESS,还需考虑充放电功率及时长约束:
式中:∀e∈E; Te为满功率充放电时段数;Te,max、Te,min分别为最大、最小功率充放电时段数.
2.3 运行约束
RIES联合规划模型需满足式(1)~(31)全部运行约束.
3 分布式求解方法
联合规划问题中,IESP与各UA追求整体经济最优的同时也有隐私保护的需求.用户需求特性、规划结果等信息往往难以共享,为此采用基于增强型Benders分解的分布式求解方法.
3.1 增强型Benders分解
增强型Benders分解是对传统Benders分解的改进,其适用于含0-1变量的非凸子问题.文献[17]中详细推导并证明了该方法的有效性.针对RIES联合规划问题,增强型Benders分解过程如下.
RIES联合规划问题的矩阵表示如下,记为原问题.
式中:x为IESP相关0-1变量构成的向量,包括其投资各类设备的0-1决策变量;x'i为 UAi 相关0-1变量构成的向量,包括投资电热锅炉、燃气锅炉的0-1决策变量;y为IESP相关连续变量构成的向量,包括设备额定容量和相关运行变量;y'i为 UAi 相关连续变量构成的向量,包括设备额定容量和相关运行变量;m为IESP与各UA之间耦合变量构成的向量,具体为UAi从IESP购入的电、气、热负荷
原问题可被分解为1个主问题和N个统一原始子问题.主问题表示为
式中:θi为主问题确定的UAi相关成本的下限,并随着迭代时Benders割的添加而增加.
统一原始子问题可同时验证主问题当前解的可行性和最优性,简化表示为
式中:v'i为松弛变量构成的向量;D'i、E'i、F'i、f'i分别为对应系数矩阵或系数向量;
由于存在0-1变量,式(41)无法直接通过对偶化生成Benders割,增强型Benders分解通过引入辅助0-1变量
式中:
不同于传统Benders分解,近似对偶化方法使统一对偶子问题与统一原始子问题最小化目标值之间存在对偶间隙,式(41)所示Benders割无法排除全部不可行解或非最优解.为消除对偶间隙,有必要在
式中:Δi(m',
3.2 分布式求解流程
所用基于增强型Benders分解的分布式求解流程如图3所示.IESP独立求解主问题,并向各UA传递关键信息;各个UA独立求解子问题,并生成Benders割;当且仅当各UA均无Benders割生成,主问题当前解不变时,计算过程收敛.
图3
4 算例分析
4.1 算例设置
图4
表1 设备投资与运行费用
Tab.1
类型 | 使用 年限 | 年投资成本 | 单位运行成本/ (元·kW-1) |
---|---|---|---|
CHP | 30 | 390元/kW | 0.03 |
PV | 30 | 228元/kW | |
WT | 20 | 522元/kW | |
BESS | 15 | 125元/(kW·h) | 0.04 |
电力线路 | 70 | 2.10元/(kW·km-1) | |
天然气管道 | 20 | 23.83元/(m3·kW-1) | |
供热管道 | 15 | 2.95元/(kW·km-1) | |
EB | 20 | 361元/kW | 0.08 |
GB | 20 | 281元/kW | 0.07 |
为验证所提规划方法,设置以下4组情景.
情景1 利用所提规划方法实现IESP与UA的联合规划.
情景2 IESP与UA独立规划.各UA首先根据能源需求制定规划方案,随后IESP根据UA规划结果制定自身规划方案.
情景3 电、气、热系统解耦规划.首先规划供热系统以满足热能需求,随后根据供热系统规划结果分别规划电力系统和供气系统.
情景4 采取集中制热供热的方式,由IESP统一规划CHP、电热锅炉、燃气锅炉等设备.
4.2 规划结果分析
图5
表2 RIES联合规划设备容量
Tab.2
序号 | CHP/ kW | PV/kW | WT/ kW | BESS/ (kW·h) | EB/ kW | GB/ kW |
---|---|---|---|---|---|---|
1 | 4143 | 0 | 1500 | 1019 | 811 | 477 |
2 | 3205 | 1301 | 1100 | 438 | 316 | 70 |
3 | 353 | 1882 | 1700 | 1600 | 60 | 0 |
4 | 191 | 1200 | 1800 | 889 | 7 | |
5 | 1818 | 1500 | 266 | 0 | ||
6 | 1600 |
注:EB、GB序号为其所在UA的编号.
据此规划方案,系统电能需求的83.62%由可再生能源满足,8.96%由CHP满足,仅7.42%电能需从电网购入;系统供热需求32.03%由CHP提供,57.36%由电热锅炉提供,10.60%由燃气锅炉提供.
表3中比较了情景1~4的规划结果.情景2的总成本为3.15×107元,比情景1高出5.45%.对比情景1,由于无法准确计算各类能源成本,所以各UA投建了更少的电热锅炉、燃气锅炉,而IESP需投建更多CHP.CHP在制热时产生的大量电能既限制了光伏和风电的投资,又需要更多BESS消纳.从运行角度看,该方案增加了40.64%的购气量,CHP提供超过20%的电能,可再生能源发电量占比下降13.15个百分点.
表3 各情景结果比较
Tab.3
项目 | 年度总 成本/元 | CHP总 容量/kW | PV和WT 总容量/kW | BESS总容量/ (MW·h) | 电力线路 总容量/kW | 天然气管道 总容量/m3 | 供热管道 总容量/kW | 各UA中EB、 GB总容量/kW |
---|---|---|---|---|---|---|---|---|
情景1 | 2.99×107 | 1423 | 1.27×104 | 3366 | 1.60×104 | 672 | 3718 | 2896 |
情景2 | 3.15×107 | 2151 | 7831 | 3551 | 1.10×104 | 986 | 4099 | 1799 |
情景3 | 3.41×107 | 3066 | 6083 | 4736 | 1.27×104 | 1244 | 5376 | 0 |
情景4 | 3.00×107 | 1427 | 1.27×104 | 3195 | 1.44×104 | 666 | 5783 | 2909 |
情景3的总成本为3.41×107元,比情景1高出14.13%.对比情景1,由于在供热系统规划阶段无法考虑电价、气价等成本因素,系统优先选择投建成本更低的CHP,各UA不再投建电热锅炉、燃气锅炉.因此,CHP和BESS的容量进一步增加,天然气及供热管道容量有所增加,光伏和风电容量进一步减少.从运行角度看,该方案增加了63.78%的购气量,CHP提供了超过28%的电能,可再生能源发电占比下降28.71个百分点.
情景4的总成本比情景1高出0.33%.对比情景1,集中制热供热使得供热管道总容量增加,为平衡供热损耗,CHP、电热锅炉、燃气锅炉的容量均有所增加;电力线路、供热管道总容量则有所降低,光伏和风电容量略有增加.该方案增加0.66%的购气量,减少0.81%的购电量.
根据不同规划方案求得的RIES能源利用效率分别为88.47%、86.35%、82.44%和88.19%.对比各实体独立规划方案或各系统解耦规划方案,所提联合规划方案有更高的能源利用效率.对比集中制热供热的规划方案,UA投建分布式电热锅炉、燃气锅炉可减少一定供热损耗,进一步提升能源利用效率.
综上所述,所提RIES联合规划方案在系统经济性、能源利用率等方面都更具优势,更好地激励区域内可再生能源的开发,避免过度的容量配置或能源购入,同时减少能源损耗.
4.3 算法收敛性分析
图6展示了基于增强型Benders分解的分布式求解方法的收敛过程,将每次迭代中各UA得到的
图6
5 结语
提出一种RIES内部IESP与多个UA联合规划的方法,制定了全系统经济性最优的规划方案.为保护各实体的隐私,RIES联合规划问题由各实体独立求解,为适应子问题的非凸性采用了一种基于增强型Benders分解的分布式求解方法.算例结果表明,RIES联合规划方法较一般方法有更好的经济性和更高的能源利用率,且促进了可再生资源的开发,借助电热锅炉、燃气锅炉的分布式供热模式有更低的供热损耗.基于增强型Benders分解的方法具有良好的收敛性,能准确地实现分布式求解.该方法可进一步适用于其他互联型多能流电力系统优化配置,例如电-热RIES系统、电-气-热RIES系统以及电-氢RIES系统等.另外,减少迭代次数、提升计算速度是未来研究增强型Benders分解的重点.
附录见本刊网络版(xuebao.sjtu.edu.cn/article/2024/1006-2467/1006-2467-58-10-1513.shtml)
附录A
增强型Benders分解的详细推导过程如下:
首先,推导统一原始子问题.根据Benders分解,原问题式(39)可被分解为主问题式(40)和多个子问题.各子问题需根据主问题的当前解分别进行可行性检验和最优性检验,即先后求解可行性子问题和最优性子问题.
可行性子问题用于验证主问题当前解
式中:
当满足可行性要求时,进一步求解最优性子问题.比较目标函数值与主问题确定的 UAi 相关成本的下限
当主问题的解满足所有子问题的可行性和最优性要求时,子问题不再向主问题添加Benders割,主问题最优解不再变化,迭代过程收敛.
为简化后续推导及实现过程,本研究将
式中:
根据式(A3),当
进一步,推导式(42)所示Benders割.统一原始子问题为混合整数线性规划问题,无法对其对偶化生成Benders割.为此,本方法首先引入辅助布尔变量构成的向量
式中:
可将式(A4)表示如下:
式中:
对式(A5)内部线性规划问题求对偶,得到如下形式:
式中:
根据极大极小不等式,存在如下不等关系:
考虑到式(A7)中
式中:
因此,式(A6)中右端项可表示为
对式(A9)进一步整理可得到下式,记为统一对偶子问题:
式中:
由式(A10)容易得到式(42)所示Benders割.
最后,推导式(43)所示Benders割.由于式(A6)中极大极小不等式的引入,统一对偶子问题与统一原始子问题之间存在对偶间隙.式(41)无法排除全部非最优解,为消除对偶间隙需在统一对偶子问题之后求解如下可行性恢复子问题:
式中:
求解式(A11)可行性恢复子问题,当
附录B
表B1 情景1供热管道规划容量
Tab.B1
编号 | 容量/kW | 编号 | 容量/kW |
---|---|---|---|
1 | 345 | 6 | 464 |
2 | 621 | 7 | 464 |
3 | 1324 | 8 | |
4 | 44 | 9 | 173 |
5 | 282 |
表B2 情景1天然气管道规划容量
Tab.B2
编号 | 容量/m3 | 编号 | 容量/m3 |
---|---|---|---|
1 | 7 | 52 | |
2 | 37 | 8 | |
3 | 5 | 9 | 85 |
4 | 17 | 10 | |
5 | 200 | 11 | 43 |
6 | 230 | 12 | 2 |
表B3 情景1电力线路规划容量
Tab.B3
编号 | 容量/kW | 编号 | 容量/kW |
---|---|---|---|
1 | 1293 | 12 | 1166 |
2 | 13 | 353 | |
3 | 423 | 14 | 442 |
4 | 875 | 15 | 2166 |
5 | 80 | 16 | 428 |
6 | 1538 | 17 | 258 |
7 | 2526 | 18 | 1609 |
8 | 163 | 19 | 578 |
9 | 20 | ||
10 | 594 | 21 | |
11 | 1425 |
参考文献
计及需求响应和风力发电消纳的电-热系统低碳优化调度
[J].
DOI:10.16183/j.cnki.jsjtu.2022.056
[本文引用: 1]
针对热电联产机组存在热电耦合性大、火电机组碳排放量高和负荷侧资源灵活性未充分挖掘等问题,建立计及负荷需求响应和风力发电消纳的电-热系统低碳调度模型.首先,在源侧考虑增加储热和碳捕集设备,同时在负荷侧考虑电价型需求响应和供暖建筑热负荷惯性.然后,以机组运行成本、碳交易成本和弃风惩罚成本总和为目标函数,考虑相关约束,并调用Gurobi求解器进行求解.最后,针对不同案例下系统的经济成本、风力发电消纳量和碳排放速率等方面进行算例对比分析,证明该调度策略在提高系统风力发电消纳能力的同时兼顾经济性和低碳性.
Low-carbon optimal dispatch of electric-thermal system considering demand response and wind power consumption
[J].
多能互补、集成优化能源系统关键技术及挑战
[J].
Key technologies and challenges for multi-energy complementarity and optimization of integrated energy system
[J].
区域综合能源系统若干问题研究
[J].
Research on some key problems related to integrated energy systems
[J].
Multi-stage stochastic planning of regional integrated energy system based on scenario tree path optimization under long-term multiple uncertainties
[J].
基于CCHP耦合的电力、天然气区域综合能源系统优化规划
[J].
Optimization planning of integrated electricity-gas community energy system based on coupled CCHP
[J].
考虑能量品质的区域综合能源系统多目标规划方法
[J].
Multi-objective planning method for regional integrated energy systems considering energy quality
[J].
A partition optimization design method for a regional integrated energy system based on a clustering algorithm
[J].
Cooperative planning of renewable generations for interconnected microgrids
[J].
Joint optimization of planning and operation in multi-region integrated energy systems considering flexible demand response
[J].
考虑经济性与碳排放的电-气综合能源系统多目标规划
[J].
DOI:10.16183/j.cnki.jsjtu.2021.513
[本文引用: 1]
为加速电-气系统快速、经济的低碳转型,构建了一种综合考虑经济性成本与碳排放量的电-气综合能源系统多目标随机优化规划模型.首先建立电-气网络与相关设备的数学模型,并运用场景法表征电、气负荷与光伏出力的不确定性.其次建立综合考虑系统经济性成本和碳排放量两个指标的混合整数二次约束规划(MIQCP)模型,对电网馈线、气网管道、变电站、配气站、燃气机组、电转气装置、光伏及储能装置进行统筹规划.最后,构建算例验证模型的可行性及有效性.结果表明:在不同的目标函数权重选择下,模型可以充分考虑电-气网络线路与多种综合能源设备间的耦合关系,获得整体最优的规划方案.
Multi-objective planning of power-gas integrated energy system considering economy and carbon emission
[J].
基于分层分布式调度的多园区服务商与综合能源供应商两级协调优化运行模型
[J].
Coordinated optimization operation model of multiple load-serving entities and energy supply companies based on two-level distributed scheduling
[J].
Privacy-preserving distributed optimal scheduling of regional integrated energy system considering different heating modes of buildings
[J].
Decentralized optimization operation for the multiple integrated energy systems with energy cascade utilization
[J].
基于Benders分解和分枝定界的随机交期批量流流水车间调度
[J].
DOI:10.16183/j.cnki.jsjtu.2023.070
[本文引用: 1]
针对交期随机的批量流车间调度问题,以最小化工件延期期望之和为目标,推导出工件交期符合3类经典随机分布条件下问题目标的闭式计算表达式.建立考虑换模时间与随机交期的问题数学模型,针对模型高度非线性特征对其线性化.设计一种基于逻辑的Benders分解(LBBD)与分枝定界相结合的优化算法,提出两种有效加速策略提升算法求解效率.数值实验结果验证了算法的有效性,通过随机交期与确定交期结果的比较,验证了考虑随机的必要性.
Stochastic due-date lot-streaming flowshop scheduling with benders decomposition and branch-and-bound
[J].
基于机会约束目标规划的多电-气互联综合能源系统分布式优化模型
[J].
DOI:10.12204/j.issn.1000-7229.2020.07.011
[本文引用: 1]
多个综合能源系统间通过电能交互能有效提高系统风电消纳水平,寻求考虑风电不确定性下的多区域能量管理最优策略成为必要的研究工作。针对风电的随机出力特性和区域间电能传输的安全可靠性问题,将随机优化与分层协调技术相结合,建立了基于机会约束目标规划的多电-气互联综合能源系统分布式优化模型。首先,对单个电-气互联综合能源系统精细化建模,从系统经济性出发,引入区域间联络线灵活性机会约束。进一步,采用二阶锥松弛和确定性等价方法将该模型转化为混合整数二阶锥规划模型,利用广义Benders分解(general Benders decomposition,GBD)法,将模型分解为主、子问题反复迭代求解。最后,算例表明求解方法具备较好的收敛特性和计算效率,有效保障不同区域内用户信息隐私并有较强自适应性,而且机会约束目标规划模型比传统机会约束具有更好的经济性和灵活性。
Distributed optimal dispatch based on chance constrained goal programming for multi-area integrated electricity-natural gas energy systems
[J].
DOI:10.12204/j.issn.1000-7229.2020.07.011
[本文引用: 1]
The interaction of multiple integrated energy systems through electrical energy can effectively improve the level of wind power consumption in the system. It will become a necessary research work to seek the optimal strategy of multi-regional energy management under the uncertainty of wind power. In view of the random output characteristics of wind power and the safety and reliability of electrical energy transmission between regions, random optimization and hierarchical coordination techniques are combined to establish a distributed optimization model of multiple electricity-gas interconnected integrated energy systems on the basis of chance-constrained goal programming. The model firstly refines the modeling of a single electricity-gas interconnected integrated energy system. From the perspective of system economics, it introduces the opportunity constraint on the flexibility of interregional tie lines. The second-order cone relaxation and deterministic equivalent methods are further used to transform the model into a mixed integer second-order cone programming model. Using the general Benders decomposition (GBD) method, the model is decomposed into main and sub-problems and iteratively solved. Finally, the calculation example shows that the solution method has better convergence characteristics and computational efficiency, effectively guarantees the privacy of user information in different regions and has strong adaptability; and the establishment of the chance constrained goal programming model has a better economy and flexibility than the traditional chance constrained method.
Privacy-preserving mechanism for collaborative operation of high-renewable power systems and industrial energy hubs
[J].
Privacy-preserving collaborative operation of networked microgrids with the local utility grid based on enhanced benders decomposition
[J].
Resilience-oriented security-constrained unit commitment with quick-start units
[C]//
Preserving operation privacy of peer-to-peer energy transaction based on enhanced Benders decomposition considering uncertainty of renewable energy generations
[J].
/
〈 |
|
〉 |
