1.本发明属于电力系统调度技术领域，尤其涉及一种多时空尺度电-氢系统优化调度方法及系统。
背景技术：
2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.能源互联网源-网-荷-储-氢系统支持大规模可再生能源与储能(电化学储能、抽水蓄能、氢储能等)的接入，已成为未来能源行业发展的必然趋势。随着风、光等可再生能源渗透率的不断升高，其装机容量的迅速扩张导致了严重的弃风、弃光现象，造成大量资源浪费。能量管理与优化调度系统是能源互联网源-网-荷-储-氢系统中的重要载体，其具备能源控制、信息保障、定制化需求管理、网络运行管理等功能，是系统中的智能控制单元。合理分配调度多种形式能源，高效变换与传输，在满足用户用电需求的同时最大限度提升系统资源利用效率，降低系统运行成本，是实现源-网-荷-储-氢互动的核心目标。因此，智慧高效的源-网-荷-储协同利用与优化配置优化调度方法至关重要。
4.既有的源-网-荷-储系统能量管理与优化调度研究主要聚焦于应用确定的光伏、风电等可再生能源发电出力与用户负荷预测数据，计及电力系统运行约束与固定位置储能系统约束，构建优化模型并求解得到资源调配与能量管理方案。然而由于新能源出力的不确定性与随机性，以及负荷的季节变化性，实际数据与预测数据偏差较大，应用传统优化模型会导致系统各单元出力欠协调、能源效率低、弃风、光现象严重以及电网传输功率阻塞。
5.近年来，应用场景生成法的源-网-荷-储系统随机优化的研究取得长足进步，其旨在通过优化多场景(每一种场景对应一组新能源出力与负荷数据)下系统运行成本期望值，解决预测数据不准确的问题。移动储能兼顾可控性与灵活性，可以克服大型集中式储能位置固定、灵活性差的问题。但单一时间尺度的储能不能有效应对新能源与负荷的季节性波动特性，因此，研究多时间尺度耦合的混合储能优化方案成为学术热点。氢能作为清洁绿色的二次能源，可以与电力系统互助互济，实现协同优化。
技术实现要素：
6.为了解决上述背景技术中存在的至少一项技术问题，本发明提供一种多时空尺度电-氢系统优化调度方法及系统，其季节性移动储能单元以季度为时间尺度优化其位置，常规移动储能及储氢单元以小时为时间尺度优化其位置，通过多时空尺度协同，更大限度消纳新能源，提升系统运行效率。
7.为了实现上述目的，本发明采用如下技术方案：
8.本发明的第一个方面提供一种多时空尺度电-氢系统优化调度方法，包括：
9.根据历史多场景新能源出力与负荷数据进行聚类，缩减场景；
10.以运维成本、切负荷成本及弃风光成本最小为目标函数，计及电力与氢能系统运
行约束构建随机优化模型；
11.基于随机优化模型优化求解得到全年范围的源-网-荷-储系统各单元出力，其中，对季节性移动储能单元以季度为时间尺度进行优化，常规移动储能单元以小时为时间尺度进行优化。
12.本发明的第二个方面提供一种多时空尺度电-氢系统优化调度系统，包括：
13.场景聚合模块，用于根据历史多场景新能源出力与负荷数据进行聚类，缩减场景；
14.随机优化模型构建模块，用于以运维成本、切负荷成本及弃风光成本最小为目标函数，计及电力与氢能系统运行约束构建随机优化模型；
15.多时空尺度优化调度模块，用于基于随机优化模型优化求解得到全年范围的源-网-荷-储系统各单元出力，其中，对季节性移动储能单元以季度为时间尺度进行优化，常规移动储能单元以小时为时间尺度进行优化。
16.与现有技术相比，本发明的有益效果是：
17.本发明通过计及电力与氢能系统运行约束，季节性移动储能单元以季度为时间尺度优化其位置，常规移动储能及储氢单元以小时为时间尺度优化其位置，通过多时间尺度移动储能单元出力协同，更大限度消纳新能源，提升系统运行效率，解决了单一时间尺度的移动式储能不能有效应对新能源与负荷的季节性波动特性。
18.本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
19.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
20.图1是本发明实施例源-网-荷-储-氢系统能量流动示意图；
21.图2是本发明实施例基于ieee-33节点系统改进的源-网-荷-储-氢系统示意；
22.图3是本发明实施例随机优化调度流程图。
具体实施方式
23.下面结合附图与实施例对本发明作进一步说明。
24.应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
25.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
26.实施例一
27.本实施例提供一种多时空尺度电-氢系统优化调度方法，包括如下步骤，如图3所示：
28.步骤1：获取历史多场景新能源出力与负荷数据；
29.其中，步骤1中，所述新能源出力与负荷数据具体包括：风力发电、光伏发电、电力负荷、氢负荷数据。
30.步骤2：基于k-means聚类算法进行聚类，缩减场景；
31.其中，步骤2中，将年历史数据按季度分为4类，每季度选取1个样本点为聚类中心，对应1个类别，计算该季度内全部样本点与所选聚类中心的距离，选取最小距离聚类中心为该样本点的类别，待全部样本点归类后，重新计算各类别聚类中心，重复上述过程直至聚类中心收敛。最终，该方法将各季度数据聚类为1个典型日，共计4个典型日。
32.步骤3：以运维成本、切负荷成本及弃风光成本最小为目标函数，计及电力与氢能系统运行约束构建随机优化模型；
33.步骤4：基于随机优化模型优化求解得到各典型日源-网-荷-储-氢系统调度结果，其中，对季节性移动储能单元位置以季度为时间尺度进行优化，常规移动储能单元以小时为时间尺度进行优化。
34.如图1所示，为源-网-荷-储-氢系统能量流动示意图，其中电力系统包括新能源发电、储能、负荷；氢能系统包括制氢、储氢、燃料电池并网、负荷。
35.在步骤3中，所述目标函数为运维成本、切负荷成本及弃风光成本，具体的表达式为：
[0036][0037]
式中，pr(s)表示场景概率；式中下标s表示典型日，s表示典型日构成的集合，下标t表示时间尺度(小时)，t表示每天24小时构成的集合，smes、dmes、ses分别表示季节性移动储能(统一以下标i表示)、常规移动储能、固定储能；ce、ch、c
shed
、c
spill
分别表示总体电能运维成本、氢能运维成本、切负荷成本、弃风光成本；c
pr
、c
trans
、c
el
、c
fc
、c
shed
、c
spill
分别表示单位功率对应的电价、储能运行成本、交通运输成本、电解槽运行成本、燃料电池运行成本、切负荷成本、弃风光成本；p
grid
、p
idis
、p
icha
、p
el
、p
fc
、p
l
、p
res
、v
b,s,t
分别表示上级电网输入功率、储能放电功率、储能充电功率、电解槽功率、燃料电池功率、聚类后的负荷与新能源预测值、负荷与新能源实际功率、常规移动储能的调度标识符。
[0038]
步骤3中，电力与氢能系统运行约束，具体包括以下约束：
[0039]
其中，所述电力系统运行约束包括：
[0040]
(1)潮流约束：
[0041]
节点注入功率：
[0042][0043]
相邻节点电压：vs
j,s,t-vs
k,s,t
＝2(r
jk
p
jk,s,t
x
jkqjk,s,t
)；
[0044]
节点电压幅值：
[0045]
传输线容量约束：
[0046][0047]
新能源出力：
[0048]
电力负荷：
[0049][0050]
式中，下标j、k表示节点位置，j、jj表示节点集合、与j节点相连接的节点集合；p
in
、q
in
表示节点有功/无功注入功率；q
grid
、q
res
、q
l
、表示从上级电网流入的无功、新能源发出的无功、无功负荷、储能系统发出的无功；vs、r
jk
、x
jk
、p
jk
、q
jk
、分别表示节点电压平方、线路电阻、线路电抗、支路有功、支路无功、节点电压上限；e表示整数；pf
res
表示新能源功率因数。
[0051]
(2)储能约束：
[0052]
储能系统共用约束：
[0053]
充放电关系：
[0054]
储能系统荷电状态：
[0055][0056]
充放量守恒：
[0057]
有功无功：
[0058][0059]
式中，d
dis
、d
cha
分别表示充放电状态，为二进制变量；e
min
、e
max
分别表示储能荷电状态上下限；η
cha
、η
dis
分别表示充放电效率；pfi表示储能功率因数；p
imax
表示储能充放电功率上限。
[0060]
此外，又可细分为固定储能、常规移动储能、季节性储能，具体约束如下：
[0061]
①
固定储能系统约束：
[0062][0063]
式中，p
dis
、p
cha
表示放电、充电功率。
[0064]
②
常规移动储能运行位置如图2所示，具体约束如下：
[0065]
出力约束：
[0066]
储能位置与行驶状态约束：
[0067]
约束行驶状态与停靠状态的前后关系：
[0068][0069]
行驶时间：
[0070]
剩余时间：
[0071]
行驶方向：
[0072]
各变量初始化：x
b,s,1
＝1,z
s,1
＝0,r
s,1
＝0,w
s,1
＝0；
[0073][0074]
式中，x表示储能位置二进制变量，若在s场景t时刻位于b节点，则其值为1；下标b、b'表示移动储能节点序号；b、bb表示移动储能节点的集合、与b节点相连接的节点集合；v表示移动储能运行状态，若在s场景t时刻于b节点出发，则其值为1；z表示行驶时间；t表示两节点之间所需要的运行时间；r表示剩余行驶时间；ε、m表示一个极小、极大正数；w表示辅助变量，协助保持运行方向。
[0075]
③
季节性移动储能约束：
[0076][0077][0078]
位置与出力约束：
[0079][0080][0081]
式中，表示每典型日24小时不变的储能位置、充放电状态、充放电功率。
[0082]
所述氢能系统运行约束：
[0083]
电解制氢：
[0084]
燃料电池：
[0085]
储氢：
[0086]
能量守恒：
[0087]
式中，表示电解槽、燃料电池最大功率；p
el
表示电解槽输出功率，p
fc
表示燃料电池输出功率；h
el
、h
fc
表示电解槽制氢量与燃料电池用氢量；η
el
、η
fc
表示电解槽、燃料电池转换效率；表示储氢输入/输出最大功率；h
hs
表示储氢输入/输出功率；eh、分别表示储氢量及其上下限。
[0088]
在步骤4中，所述构建的随机优化模型可以由商业求解器快速求解。
[0089]
需要说明的是，各典型日源-网-荷-储-氢系统调度结果是全年范围内的源-网-荷-储-氢系统各单元出力，也就是最终的资源调配与能量管理方案。
[0090]
最终的资源调配与能量管理方案，具体为：
[0091]
对季节性移动储能单元位置以季度为时间尺度进行优化；
[0092]
常规移动储能单元以小时为时间尺度进行优化。
[0093]
实施例二
[0094]
本实施例提供一种多时空尺度电-氢系统优化调度方法，包括：
[0095]
场景聚合模块，用于根据历史多场景新能源出力与负荷数据进行聚类，缩减场景；
[0096]
随机优化模型构建模块，用于以运维成本、切负荷成本及弃风光成本最小为目标函数，计及电力与氢能系统运行约束构建随机优化模型；
[0097]
多时空尺度优化调度模块，用于基于随机优化模型优化求解得到全年范围的源-网-荷-储系统各单元出力，其中，对季节性移动储能单元以季度为时间尺度进行优化，常规移动储能单元以小时为时间尺度进行优化。
[0098]
在场景聚合模块中，所述根据历史多场景新能源出力与负荷数据进行聚类，缩减场景，具体为：
[0099]
将历史多场景新能源出力与负荷数据按季度分为4类；
[0100]
每个季度选取一个样本点为聚类中心，对应一个类别；
[0101]
计算该季度内全部样本点与所述聚类中心的距离，选取最小距离的聚类中心为该样本点的类别；
[0102]
待全部样本点归类后，重新计算各类别聚类中心，重复上述过程直至聚类中心收敛；
[0103]
将各季度数据聚类为1个典型日，共计4个典型日。
[0104]
在随机优化模型构建模块中，所述目标函数，具体为：
[0105]
[0106]
其中，pr(s)表示场景概率，s表示典型日构成的集合；式中下标s表示典型日，下标t表示时间尺-小时，ce、ch、c
shed
、c
spill
分别表示总体电能运维成本、氢能运维成本、切负荷成本、弃风光成本，运维成本包括总体电能运维成本和氢能运维成本。
[0107]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
[0108]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0109]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0110]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0111]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random access memory，ram)等。
[0112]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。