(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111406593.8 (22)申请日 2021.11.24 (71)申请人 国网天津市电力公司电力科 学研究 院 地址 300384 天津市西青区海 泰华科四路8 号 申请人 国网天津市电力公司 　 国家电网有限公司 (72)发明人 刘伟　王天昊　鄂志君　刘颂　 范瑞卿　王珍珍　孔祥玉　王宁　 李振斌　马世乾　于光耀　黄志刚　 杨帮宇　王坤　宋国辰　 (74)专利代理 机构 天津盛理知识产权代理有限 公司 12209 代理人 王来佳(51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) H02J 3/00(2006.01) H02J 3/38(2006.01) H02J 3/46(2006.01) (54)发明名称 一种城市多能源协调优化调度方法 (57)摘要 本发明涉及一种城市多能源协调优化调度 方法， 包括以下步骤： 步骤1： 构建考虑城市能源 供应系统可再生能源和负荷不确定性多场景； 步 骤2： 构建考虑城市能源供应系统的鲁棒优化决 策模型； 步骤3： 基于ADMM技术的求解城市多能源 优化调度决策。 本发明能够针对 大规模可再生能 源并网的趋势， 充分考虑城市电网形态演化规 律、 清洁能源的接入需求、 以及多类型能源互补 的多能源协调优化调度策略， 具有很好的理论和 实践价值。 权利要求书5页 说明书17页 附图4页 CN 114239922 A 2022.03.25 CN 114239922 A 1.一种城市多能源协调优化调度方法， 其特 征在于： 包括以下步骤： 步骤1： 构建考虑城市能源供应系统可 再生能源和负荷不确定性多场景； 步骤2： 基于步骤1所构建考虑城市能源供应系统可再生能源和负荷不确定性多场景， 构建考虑城市能源供应系统的鲁棒优化决策模型； 步骤3： 基于ADMM技术求解步骤2所构建的考虑城市能源供应系统的鲁棒优化决策模 型， 进而得到城市多能源 优化调度决策。 2.根据权利要求1所述的一种城市多能源协调优化调度方法， 其特征在于： 所述步骤1 的具体步骤 包括： 步骤1.1： 梳理历史数据及负荷模型历史数据， 包含典型情景下的气象信息、 风光等可 再生能源电厂出力、 系统负荷及电网运行信息， 进行特征缩放实现数据趋同化与无量纲化 处理； 步骤1.2： 以每一个时段列出时间序列情景， 形成发电情景集 合； 步骤1.3： 基于EM等方法对预测情景进行聚类， 获取最佳的情景数目， 此聚类数目下的 聚类结果即为预测情景聚类结果， 设聚类结果 为S＝[S1,S2,...,Sk,SC]T； 步骤1.4： 按照预测 情景聚类的方法确定实际情景 聚类结果， 对预测 情景类别Sk求取实 际情景的概 率； 步骤1.5： 求取实际情景与预测情景类别中各类别的相似度， 形成典型情景r； 步骤1.6： 据预测情景与实际情景的对应关系， 配合气象信息， 计算未来的可再生能源 出力情景类别， 以及相应的典型情景和条件概 率， 构建未来 不确定的典型实际场景集 合。 3.根据权利要求1所述的一种城市多能源协调优化调度方法， 其特征在于： 所述步骤2 的具体步骤 包括： 步骤2.1： 梳理城市能源供应系统中系统侧 和机组侧决策模型主 要考虑因素； 步骤2.2： 城市电气热多能源系统日前调度目标函数设置； 步骤2.3： 鲁棒调度模型的约束条件设置， 包含供需平衡约束、 发电机出力约束和爬坡 约束、 发电及储能 能力约束等。 4.根据权利要求1所述的一种城市多能源协调优化调度方法， 其特征在于： 所述步骤3 的具体步骤 包括： 步骤3.1： 形成基于ADM M的多能源 优化调度求 解规范化格式； 步骤3.2： 参数初始化， 包括各场景下的城市各系统间能量交换信息， 设定原始残差、 对 偶因子和惩罚因子P， 以及收敛原残差和对偶残差收敛判据 εpri和 εdual， 两者均为正小数， 并 令迭代次数k ＝1； 步骤3.3： 结合所获得的不确定性场景， 分解供电和供热子系统， 确定供电供热关系矩 阵； 步骤3.4： 计算电力系统调度最优子问题并获取最优解； 步骤3.5： 计算原残差和对偶残差， 并判断ADMM算法是否满足收敛条件； 如果两个收敛 判据均满足， 则终止算法， 否则进行 下一步； 步骤3.6： 令k ＝k+1， 并更新个供电供 热对偶乘子； 并返回步骤3.3直至收敛； 步骤3.7： 求 解对多能协调 调度的优化结果； 步骤3.8： 输出 各能源调度成本及运行曲线给电网调度系统。权　利　要　求　书 1/5 页 2 CN 114239922 A 25.根据权利要求2所述的一种城市多能源协调优化调度方法， 其特征在于： 所述步骤 1.2的具体方法为： 以每15分钟为一个时段列出时间序列情景， 形成发电情景集合； 以风电群日出力曲线 为样本， 将24h划分为T个时段 组成时间序列， 一 天出力的时间序列即为一个出力情景； 一日 的预测数据与实际数据， 分别为一个预测出力情景s与实际出力情景s， 样本中所有的预测 出力情景和实际出力情景构成了预测情景集合s和实际情景集合s*； 同时， 根据数据所属日 期的对应关系， 预测情景与实际情景一 一对应； s＝[ps(1),ps(2),…,ps(t),…,ps(T)]T,s∈S     (3) 式中： s、 S分别为一个预测情景和预测情景集合； s*、 S*分别为一个 实际情景和实际情景 集合； ps(t)、 分别为预测情景s和实际情景s*下时段t的出力值。 6.根据权利要求2所述的一种城市多能源协调优化调度方法， 其特征在于： 所述步骤 1.4的具体方法为： 按照预测情景聚类的方法确定实际情景聚类结果， 对预测情景类别Sk求取实际情景的 概率； 以各个聚类集合为样本， 按照预测情景聚类的方法， 确定实际情景聚类结果， 设预测 情景类别Sk， 对应的实际情景聚类结果为 实际情景的概率按照 式(6)计算； 式中： 即为预测情景类别Sk对应的第j种实际情景类别 出现的概率； l为 中的情景个数； L 为Sk对应的实际情景总数； 将未来某日的预测出力过程曲线按照上节的方法确定出一个具体的未来预测出力情 景s， 按照式(7)计算该情景与预测情景类别中各类别的相似度 r， 相似度最大的预测情景类 别即为未来预测出力情景s的所属情景； 根据预测情景与实际情景的对应关系， 得出未来的 可再生能源出力情景类别集 合， 以及相应的典型情景和条件概 率； 式中： Sk为预测情景类别k对应的典型预测情景； ps(t)与 分别为未来预测出力情权　利　要　求　书 2/5 页 3 CN 114239922 A 3