技术领域
[0001] 本
发明涉及能源管理技术领域，尤其涉及一种智能楼宇群体的分布式综合能源需求响应协同优化方法。
背景技术
[0002] 电动
汽车与储能系统在智能楼宇系统中的大量接入，其在低电价时刻集中充电行为会产生新的负荷波峰，
电能功率将超过系统的容量传输限制。现有的手段主要通过新建供配电设备与切负荷手段解决上述问题。但是新建供配电设备会因电能设备的投资成本带来给予供电商较大的经济压
力，切负荷对终端终端用户则影响了终端用户用电舒适度。随着分布式电-气-热转换设备的应用范围的不断增大，需求响应的对象从单一电能流扩展至包含电、热、
天然气的多能流系统，多能流系统的电热气强耦合关系以及求解过程中多种能源需要做到协同优化的要求不仅加大了问题求解的难度，而且使得传统分布式
算法的传输数据量急剧增大，不利于应用于大规模的综合需求响应优化过程。
发明内容
[0003] 本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的目的在于提出一种智能楼宇群体的分布式综合能源需求响应协同优化方法，以优化用户用能结构，减轻能源供应商的经济压力，提高智能楼宇群体整体的调度决策响应速度。
[0004] 本发明提出的一种智能楼宇群体的分布式综合能源系统的协同优化方法，包括以下步骤：基于能源互联网中的
能量枢纽概念建立多个单楼宇多能流能源系统；通过输电线、供暖管道、天然气管道对所述多个单楼宇多能流能源系统进行互联，形成多楼宇多能流能源互联系统；建立所述多楼宇多能流能源互联系统的数学模型，其中，所述数学模型包括楼宇用能目标函数和楼宇用能约束条件；利用交替方向乘子算法对所述数学模型进行优化求解，以得到智能楼宇最优用能策略。
[0005] 本发明
实施例的智能楼宇群体的分布式综合能源需求响应协同优化方法，通过多楼宇多能流能源互联系统将单个楼宇的能源
节点连接起来，能够有效削减用电高峰的电负荷，在优化用户用能结构的同时，还可以推迟供配电设备升级扩容的计划，减轻能源供应商的因较大的投资成本所带来的经济压力；并且该方法是完全分布式的，只需要相邻的通信，从而促进了信息隐私保护和局部决策自治，大大提高整体的调度决策响应速度。
[0006] 其中，各单楼宇多能流能源系统的第一输入端用于输入电能，第二输入端用于输入
热能，第三输入端用于输入天然气，第一输出端用于输出电能至电负荷，第二输出端用于输出热能至热负荷。
[0007] 其中，所述电能来自
光伏发电以及外部
电网，所述热能来自光伏发热以及相邻楼宇之间，所述天然气来自天然气公司。
[0008] 其中，各单楼宇多能流能源系统均包括微型
燃气轮机、天燃气
锅炉和电热锅炉，所述微型燃气轮机的输入端用于输入所述天然气，第一输出端用于输出电能至所述电负荷，第二输出端用于输出热能至所述热负荷，所述天燃气锅炉的输入端用于输入所述天然气，输出端用于输出热能至所述热负荷，电热锅炉的输入端用于输入电能，输出端用于输出热能至所述热负荷。
[0009] 具体地，所述多楼宇多能流能源系统中电-热-气能量耦合矩阵通过下式表示：
[0010]
[0011] 其中，Le,t,b、Lh,t,b分别为楼宇b在t时刻的电负荷和热负荷，ηh,MTE、ηe,MTE分别为微型天然气轮机的热效率和电效率，ηF、ηB分别为天然气锅炉的效率和电热锅炉的效率，Qgas为天然气的热值，PPV,t,b、PPT,t,b分别为楼宇b在t时刻输入的来自
太阳能发电的电能和来自外部电网的电能，Pgrid,t,b、Pg,t,b分别为楼宇b在t时刻输入的来自光伏发热的热能和来自天然气公司的天然气，SMTE,t,b为微型天燃气轮机输出的电能，SF,t,b为天然气锅炉输出的热能，SB,t,b为电热锅炉输出的热能。
[0012] 其中，所述楼宇用能目标函数通过下式表示：
[0013]
[0014] 其中，minF为所述楼宇用能目标函数，F为所有楼宇的用能目标函数的总和，N为楼宇的总数，fb,t为楼宇b在t时刻的用能目标函数， 为楼宇b在t时刻的用电成本， 为楼宇b在t时刻的用气成本， 为楼宇b在t时刻的电
池损耗成本。
[0015] 具体地，所述楼宇用能约束条件包括局部约束条件，所述局部约束条件包括温控负荷约束、储能系统约束、电动汽车充电约束、微型天然气轮机运行约束、天然气锅炉运行约束、电热锅炉运行约束、功率平衡约束，其中，
[0016] 所述温控负荷约束为：HImin≤HIb,a,t≤HImax和 其中，HIb,a,t＝M1·θb,a,t+M2·θb,a,t·Rt+M3·(θb,a,t)2+M4·θb,a,t·(Rt)2+M5·(θb,a,t)2·(Rt)2+FR(Rt)为在温控负荷作用下楼宇b在t时刻的热指数，HImin、HImax分别为预设最小和最大热指数，为在温控负荷作用下楼宇b在t时刻作用区域内的室内
温度，且
分别为负荷a在t时刻最小与最大温度限制， 为楼宇b在t时刻的室外空气温度，Mb为楼宇b内空气的总量，Cb为楼宇b内空气的
热容值，Req,b为楼宇b的等效
热阻抗，Pb,a,t为温控负荷的功率，Δt为预设时间间隔，M1、M2、M3、M4、M5分别为与温度湿度相关的热指数多项式系数，Rt为在t时刻的空气
相对湿度，Ft(·)为热系数中的一个函数，其值的大小由空气相对湿度Rt决定，ΔPb,a,t＝Δθb,a,t·Lb.a为可削减负荷a在t时刻的削减功率，Δθb,a,t为可削减负荷a在t时刻控制对象的温度变化，Lb,a为功率温度关系的常数， 为可削减负荷a在t时刻最大削减负荷功率；
[0017] 所述储能系统约束为： 和其中， 为楼宇b的储能设备在t时刻的功率，功率
正为充电，功率负为放电， 为储能设备的最大充放电功率， 为楼宇b的储能设
备在t时刻的
荷电状态，ηESS为储能设备的充放电效率， 分别为储能
设备的最小和最大荷电状态。
[0018] 所述电动汽车充电约束为： 和 其中， 且 为楼宇b的
电动汽车在t时刻的功率， 为电动汽车的最大充电功率， 为楼宇b的电动汽车
在t时刻的荷电状态，ηEV为电动汽车的充放电效率， 分别为电动汽车
的最小和最大荷电状态， 为电动汽车离家的最小荷电状态
[0019] 所述微型燃气轮机运行约束为：和 其中， 和 分别为微型燃气轮机的输出电能功率和热功率，ηMTE
和ηMTH分别为微型燃气轮机的气-电转换效率和气-热转换效率， 为微型燃气轮机输入GAS
的天然气体积，Q 为天然气的低位热值， 为微型天然气轮机的总输入功率；
[0020] 所述天然气锅炉运行约束为： 其中， 为天然气锅炉的输出热功率， 为天然气锅炉的天然气消耗体积，ηF为天然气锅炉的气-热转换效率；
[0021] 所述电热锅炉运行约束为： 其中， 为电热锅炉的输出热功率， 为电热锅炉的电能输入功率，ηBO为电热锅炉的电-热转换效率；
[0022] 所述功率平衡约束为： 和其中，A1、A2、A3分别为固定负荷、可削减负荷和可转移负荷的集合。
[0023] 进一步地，所述楼宇用能约束条件还包括全局约束条件，所述全局约束条件包括传输约束，所述传输约束为： 和 其中，PLim为最大电能传输功率，VLim为最大天然气传输体积。
[0024] 具体地，所述利用交替方向乘子算法对所述数学模型进行优化求解，以得到智能楼宇最优用能策略，包括以下步骤：
[0025] S41，输入电动汽车、储能系统、供热系统参数、多能流系统参数、
基础负荷信息、电价信息和网络拓扑结构；
[0026] S42，设置
迭代次数为0，初始化初始残差δ1和对偶残差δ2，初始化耦合变量x、一致变量z和拉格朗日乘子y，设置迭代步长；
[0027] S43，利用拉格朗日算子λ、α对所述全局约束进行松弛，并利用一致约束xe＝ze、xh＝zh和xg＝zg将所述楼宇用能目标函数拆解为下式所示的多个优化子问题：
[0028]
[0029] 其中，x为各单楼宇多能流能源系统的耦合变量，z为相邻楼宇的一致变量，为各单楼宇多能流能源系统的运行成本，体现了与楼宇b相连的输电线和
燃气管道之间的协同作用，ye、yh、yg分别为电、热、气一致约束的拉格朗日乘子，de、dh、dg分别为电、热、气一致约束的恒定步长，χb为楼宇b的决策变量；
[0030] S44，根据所述多个优化子问题和所述局部约束条件为各楼宇构造调度优化子问题；
[0031] S45，在每次迭代中，各楼宇利用最新的一致变量z和拉格朗日乘子y解决自己的调度优化子问题，得到最新的耦合变量x：
[0032]
[0033] S46，根据如下公式更新一致变量z，以保证电、热、气间协同优化：
[0034]
[0035] 其中，Ce、Ch、Cg分别为连接至楼宇b的输电线、热力管道、燃气管道的数目；
[0036] S47，根据如下公式判断是否满足迭代终止条件：
[0037] 且
[0038] S48，如果不满足，则根据如下公式更新拉格朗日乘子y，并返回步骤S44：
[0039]
[0040] S49，如果满足，则得到所述智能楼宇最优用能策略。
[0041] 其中，耦合变量x包括相邻楼宇间的电能潮流、天然气流、供暖管道的进出口温度和回馈管道的进出口温度。
[0042] 本发明附加的方面和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
[0043] 图1是本发明实施例的智能楼宇群体的分布式综合能源需求响应协同优化方法的
流程图；
[0044] 图2是本发明一个实施例的单楼宇多能流能源系统的结构示意图；
[0045] 图3是本发明一个实施例的多楼宇多能流能源互联系统的结构示意图；
[0046] 图4是本发明一个实施例的步骤S4的具体流程图；
[0047] 图5是本发明一个实施例的多楼宇多能流能源互联系统中耦合变量的分解图；
[0048] 图6是本发明一个示例的方案一、二、三、四智能楼宇向电网购电功率总和的对比图；
[0049] 图7是本发明一个示例的方案二、三、四天然气购入量的对比图。
具体实施方式
[0050] 下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号为相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
[0051] 下面参考附图描述本发明实施例的智能楼宇群体的分布式综合能源需求响应协同优化方法。
[0052] 图1是本发明实施例的智能楼宇群体的分布式综合能源需求响应协同优化方法的流程图。如图1所示，该协同优化方法包括以下步骤：
[0053] S1，基于能源互联网中的能量枢纽概念建立多个单楼宇多能流能源系统。
[0054] 具体地，各单楼宇多能流能源系统的第一输入端用于输入电能，第二输入端用于输入热能，第三输入端用于输入天然气，第一输出端用于输出电能至电负荷，第二输出端用于输出热能至热负荷。其中，电能来自光伏发电以及外部电网，热能来自光伏发热以及相邻楼宇之间，天然气来自天然气公司。
[0055] 具体而言，如图2所示，各单楼宇多能流能源系统均包括微型燃气轮机、天燃气锅炉和电热锅炉，微型燃气轮机的输入端用于输入天然气，第一输出端用于输出电能至电负荷，第二输出端用于输出热能至热负荷，天燃气锅炉的输入端用于输入天然气，输出端用于输出热能至热负荷，电热锅炉的输入端用于输入电能，输出端用于输出热能至热负荷。其中，电负荷可包含电动汽车、储能系统。
[0056] 在该实施例中，每一个单楼宇多能流能源系统都是一个通用的节点，具有电能、热能、天然气等网络节点。在每个单楼宇多能流能源系统内，这些输入能量由各种多能源转换器(包括微型燃气轮机、燃气锅炉和电锅炉)转换为输出端口所需的电能和热能。可用的电能、热能和天然气通过网络(包括输电线、供暖管道和天然气管道)从单楼宇多能流能源系统输入/输出。
[0057] S2，通过输电线、供暖管道、天然气管道对多个单楼宇多能流能源系统进行互联，形成多楼宇多能流能源互联系统。
[0058] 具体地，以图2的单楼宇多能流能源系统为基础，通过输电线、供暖管道、天然气管道进行多个单楼宇多能流能源系统互联，可形成如图3所示的多楼宇多能流能源互联系统，进而可通过建立电-热-气三者的耦合矩阵，揭示他们之间的复杂强耦合关系，电-热-气三者的耦合矩阵具体可通过下式(1)表示：
[0059]
[0060] 其中，Le,t,b、Lh,t,b分别为楼宇b在t时刻的电负荷和热负荷，ηh,MTE、ηe,MTE分别为微型天然气轮机的热效率和电效率，ηF、ηB分别为天然气锅炉的效率和电热锅炉的效率，Qgas为天然气的热值，PPV,t,b、PPT,t,b分别为楼宇b在t时刻输入的来自太阳能发电的电能和来自外部电网的电能，Pgrid,t,b、Pg,t,b分别为楼宇b在t时刻输入的来自光伏发热的热能和来自天然气公司的天然气，SMTE,t,b为微型天燃气轮机输出的电能，SF,t,b为天然气锅炉输出的热能，SB,t,b为电热锅炉输出的热能。
[0061] 在该实施例中，将每一个单楼宇多能流能源系统的电能、热能、天然气等网络节点互联，同时，电能网络节点和外部
光伏发电系统、电网互联，热能网络节点与外部光伏发热系统互联、天然气网络节点和外部天然气公司互联。需要说明的是，热能主要通过
水的形式在供暖管道中进行流动，实现每个楼宇间的热能互联。因此，通过选取微型天燃气轮机的电能输出SMTE,t,b、天然气锅炉的热能输出SF,t,b、电热锅炉的热能输出SB,t,b为状态变量，就可以得到如上式(1)所示的电-热-气能量耦合矩阵。其中，各状态变量满足如下条件：
[0062]
[0063] 其中，SMTE,t,b为楼宇b的微型天燃气轮机在k时刻输出的电能，SF,t,b为楼宇b的天然气锅炉在k时刻输出的热能，SB,t,b为楼宇b的电热锅炉在t时刻输出的热能，SMTE,t,b,max、SF,t,b,max、SB,t,b,max分别为微型天燃气轮机输出的最大电能、天然气锅炉输出的最大热能、电热锅炉输出的最大热能。
[0064] S3，建立多楼宇多能流能源互联系统的数学模型，其中，数学模型包括楼宇用能目标函数和楼宇用能约束条件。
[0065] 具体地，建立考虑电-热-气多能协同耦合智能楼宇用能总目标函数，智能楼宇以自身用能成本最小为目标函数(即楼宇用能目标函数)进行用电优化，其中，楼宇用能目标函数可通过下式(2)表示：
[0066]
[0067] 其中，minF为楼宇用能目标函数，F为所有楼宇的用能目标函数的总和，N为楼宇的总数，fb,t为楼宇b在t时刻的用能目标函数， 为楼宇b在t时刻的用电成本， 为楼宇b在t时刻的用气成本， 为楼宇b在t时刻的
电池损
耗成本。
[0068] 进一步地，楼宇用能约束条件可包括局部约束条件和全局约束条件，局部约束条件包括温控负荷约束、电负荷约束、微型天然气轮机运行约束、天然气锅炉运行约束、电热锅炉运行约束、功率平衡约束，全局约束条件包括传输约束。
[0069] 其中，温控负荷约束为：HImin≤HIb,a,t≤HImax和 其中，HIb,a,t＝M1·θb,a,t+M2·θb,a,t·Rt+M3·(θb,a,t)2+M4·θb,a,t·(Rt)2+M5·(θb,a,t)2·(Rt)2+FR(Rt)为在温控负荷作用下楼宇b在t时刻的热指数，HImin、HImax分别为预设最小和最大热指数，为在温控负荷作用下楼宇b在t时刻作用区域内的室内温度，且
分别为负荷a在t时刻最小与最大温度限制， 为楼宇b在t时刻的室外空气温度，Mb为楼宇b内空气的总量，Cb为楼宇b内空气的热容值，Req,b为楼宇b的等效热阻抗，Pb,a,t为温控负荷的功率，Δt为预设时间间隔，如设置为1小时，M1、M2、M3、M4、M5分别为与温度湿度相关的热指数多项式系数，Rt为在t时刻的空气相对湿度，Ft(·)为热系数中的一个函数，其值的大小由空气相对湿度Rt决定，ΔPb,a,t＝Δθb,a,t·Lb.a为可削减负荷a在t时刻的削减功率，Δθb,a,t为可削减负荷a在t时刻控制对象的温度变化，Lb,a为功率温度关系的常数， 为可削减负荷a在t时刻最大削减负荷功率。
[0070] 在本发明的实施例中，通
过热指数HI来表示用户对于温度的适应程度。HI结合了温度与相对湿度用来表示温控负荷的表象温度，它表示了人体实际对温度的
感知而不是温度本身的度量，换句话说湿度的改变也会对人体对热量的感知产生影响。本发明中通过热指数来表示用户对于温度的实际感知，在进行需求响应的过程中不能无限制的削减用户的制冷制热负荷，因此热指数需要限定在一定的范围之内，即在HImin～HImax之间。
[0071] 同时，其他温控负荷在温度上需要有一定的限制，如
热水器等负荷，其上下限用温控对象的最大最小温度表示为： 此外，温控负荷中的制冷制热负荷的功率消耗情况与楼宇周边环境、调节温度大小、楼宇外墙材料等因素有关，故本发明中楼宇内的空气温度可通过下式(2)的等值热阻温度模型表示：
[0072]
[0073] 需要说明的是，式(2)表示的是制暖温度与功率的关系，制冷只需将式(2)中第二项中的减号改为加号即可。当供热载体为直接式热能时，式中的Pb,a,t也可用热功率 代替。
[0074] 储能设备的能量可以用作应急能源，也可以在电价较低时储存能量，在电价较高时向电网放电或用于自身用能消费。在储能设备充放电的过程当中，对储能设备的充放电功率和容量有一些要求。故可设定储能系统约束为： 和
[0075] 其中， 为楼宇b的储能设备在t时刻的功率，功率正为充电，功率负为放电， 为储能设备的最大充放电功率， 为楼宇b
的储能设备在t时刻的荷电状态，ηESS为储能设备的充放电效率， 分
别为储能设备的最小和最大荷电状态。
[0076] 电动汽车的充电在低电价时刻的集中充电会造成新的用电高峰，这对供能商来说是一个新的挑战，因此对电动汽车充电进行优化管理显得尤为重要。故可设定电动汽车充电约束为： 和
[0077] 其中， 且为楼宇b的电动汽车在t时刻的功率， 为电动汽车
的最大充电功率， 为楼宇b的电动汽车在t时刻的荷电状态，ηEV为电动汽车的充放电效率， 分别为电动汽车的最小和最大荷电状态， 为电动汽车
离家的最小荷电状态，Tend表示电动汽车离家时间。
[0078] 需要说明的是，电动汽车与储能设备的功率约束条件基本相同，但是电动汽车由于其交通工具的特性，需在离家之前将荷电状态保持在维持一天正常行驶里程最小状态。
[0079] 微型燃气轮机属于小型热力
发动机，一般单机功率在25-300kW之间，是实现气-热-电三种能源转换的关键设备。在本发明中，微型燃气轮机运行约束为：和
[0080] 其中， 和 分别为微型燃气轮机的输出电能功率和热功率，ηMTE和ηMTH分别为微型燃气轮机的气-电转换效率和气-热转换效率， 为微型燃气轮机输入的天然气体积，QGAS为天然气的低位热值， 为微型天然气轮机的总输入功率。
[0081] 天然气锅炉是以天然气为能源，利用天然气燃烧产生热能，向楼宇供热的气-热转换设备。在本发明中，天然气锅炉运行约束为：
[0082] 其中， 为天然气锅炉的输出热功率， 为天然气锅炉的天然气消耗体积，ηF为天然气锅炉的气-热转换效率。
[0083] 电热锅炉是以电能为能源，利用
电磁感应或者
电阻产生热能，向外输出热能的机械装置。在本发明中，电热锅炉运行约束为：
[0084] 其中， 为电热锅炉的输出热功率， 为电热锅炉的电能输入功率，ηBO为电热锅炉的电-热转换效率。
[0085] 功率平衡约束为： 和
[0086] 其中， 为电功率平衡条件，为天然气供需平衡条件， 为热功率平衡条件；A1、A2、A3分别为固定负荷、
可削减负荷和可转移负荷的集合，可削减负荷主要指具有
热力学特性的设备，例如热水器、供热/供冷系统设备等，可转移负荷可包括储能设备、电动汽车等。
[0087] 传输约束为： 和 其中，PLim为最大电能传输功率，VLim为最大天然气传输体积。
[0088] 具体地，由于电动汽车和储能系统在低电价时刻的集中充电行为会导致在低电价时期产生新的负荷高峰，因此在进行需求响应时必须要考虑电能的功率传输约束表示所有的智能楼宇向电网购入功率之和小于最大电能传输功率。在对电
能传输功率进行限制的同时，本发明还对天然气管道传输的天然气流量进行限制，设定天然气流量限制约束为 表示所有的智能楼宇向外购入天然气和小于天然气管道
承受极限。
[0089] S4，利用交替方向乘子算法对数学模型进行优化求解，以得到智能楼宇最优用能策略。
[0090] 具体地，如图4所示，步骤S4可包括以下步骤：
[0091] S41，输入
电动汽车电池的容量、效率、最大/最小荷电状态、最大功率，储能系统电池的容量、效率、最大/最小荷电状态、最大功率，以及供热系统参数、多楼宇多能流系统参数、热负荷信息、电负荷信息、电价信息和单楼宇多能流能源系统的网络拓扑结构。
[0092] S42，设置迭代次数为0，初始化初始残差δ1和对偶残差δ2，初始化耦合变量x、一致变量z和拉格朗日乘子y，设置迭代步长。
[0093] S43，利用拉格朗日算子λ、α对全局约束进行松弛，并利用一致约束xe＝ze、xh＝zh和xg＝zg将楼宇用能目标函数拆解为下式(4)所示的多个优化子问题：
[0094]
[0095] 其中，x为各单楼宇多能流能源系统的耦合变量，z为相邻楼宇的一致变量，为各单楼宇多能流能源系统的运行成本，体现了与楼宇b相连的输电线和燃气管道之间的协同作用，ye、yh、yg分别为电、热、气一致约束的拉格朗日乘子，de、dh、dg分别为电、热、气一致约束的恒定步长，χb为楼宇b的决策变量。
[0096] 可选地，耦合变量x可包括相邻楼宇间的电能潮流、天然气流、供暖管道的进出口温度和回馈管道的进出口温度。
[0097] 具体地，由步骤S2中的电-热-气能量耦合矩阵可以看出电-热-气之间存在强耦合关系，且步骤S3中的目标函数和约束条件难以求解。此外，电、热、天然气网络的协调优化需要所有能量枢纽的运行状态和技术参数。然而，多能流能源系统可能不是由一个运营商管理的，要获得所有信息是不现实的。同时，用户也不愿意与他人完全共享自己的用能信息。在这种情况下，本发明采用全分布式ADMM(Alternating Direction Method of
Multipliers，交替方向乘子)算法，将原始问题分散为多个基于中心的节点子问题，并在有限的信息交换条件下迭代地协调这些决策者。换言之，本发明的目标是开发一种分布式方法，使每个楼宇能解决自己的决策子问题，并且只与相邻的楼宇交换有限的信息，这样既减少数据的传输量，又充分保护用户的隐私。
[0098] 在本发明中，定义相邻楼宇之间的电能潮流PLmh,t、PLjn,t，天然气流GFmh,t、GFjn,t，以及供暖管道/回馈管道的进出口温度TISjn,t、TOSmh,t、TIRhm,t、TORnj,t为耦合变量。图5示出了多楼宇多能流能源系统中互联系统之间耦合变量的分解，引入一组一致变量PLb,t、GFb,t、TSb,t、TRb,t以保证相邻楼宇子系统的耦合变量应相等，如下式(5)：
[0099]
[0100] 在这种情况下，最初的问题将只由式(5)所示的一致约束进行耦合，并使用拉格朗日松弛方法将一致约束添加到式(1)中的目标函数中。为便于说明，用x表示每个楼宇子系统的耦合变量，z表示相邻楼宇的一致变量。式(5)所示的一致约束可以表示为：xe＝ze、xh＝zh、xg＝zg。
[0101] S44，根据多个优化子问题和局部约束条件为各楼宇构造调度优化子问题。
[0102] S45，在每次迭代中，各楼宇利用最新的一致变量z和拉格朗日乘子y解决自己的调度优化子问题，得到最新的耦合变量x：
[0103]
[0104] 具体地，在每次迭代中，各楼宇子系统用固定的一致变量和拉格朗日乘子求解其区域子问题即式(4)，使局部运行成本最小化，可得到耦合变量更新为：每个楼宇与相邻楼宇共享其耦合变量。
[0105] S46，根据如下公式(6)更新一致变量z，以保证电、热、气间协同优化：
[0106]
[0107] 其中，Ce、Ch、Cg分别为连接至楼宇b的输电线、热力管道、燃气管道的数目；
[0108] S47，根据如下公式判断是否满足迭代终止条件：
[0109] 且
[0110] 具体地，当耦合变量和一致变量足够接近，即满足 且时，迭代就会停止。
[0111] S48，如果不满足，则根据如下公式(7)更新拉格朗日乘子y，并返回步骤S44：
[0112]
[0113] S49，如果满足，则得到智能楼宇最优用能策略。
[0114] 由此，基于一致变量交替方向乘子算法只需要相邻楼宇之间耦合变量的数据交换，从而完全
定位到节点/楼宇，避免了用户隐私信息泄露问题。
[0115] 下面通过实验说明本发明优化方法的效果：
[0116] 本发明通过Matlab中的Yalmip构建模型，然后通过CPLEX求解器进行计算，优化时间间隔为1小时。本优化采用日前优化方式，日前负荷数据、温度数据均来源于历史数据。电能传输限制为1600kW，天然气流量限制为70m3。楼宇数量设置为10个，采用分时电价策略。本实验中根据智能楼宇参与需求响应的情况分为四种方案，其中：
[0117] 方案一：智能楼宇按照用户自身用电情况不进行需求响应；
[0118] 方案二：智能楼宇中加入多能流系统多能耦合协调的综合能源需求响应方法；
[0119] 方案三：考虑电能传输限制的分布式综合能源需求响应；
[0120] 方案四：同时考虑电能传输限制和天然气流量限制的分布式综合能源需求响应，即本发明所提出的协同优化方法。
[0121] 采用上述四种方案的各个智能楼宇的用能成本对比情况如表1所示：
[0122] 表1
[0123]智能楼宇 方案一(元) 方案二(元) 方案三(元) 方案四(元)
1 1579.63 1342.414 1426.034 1427.617
2 1631.62 1419.575 1511.903 1529.834
3 1573.86 1368.243 1438.700 1456.736
4 1587.21 1382.048 1478.543 1497.564
5 1489.86 1325.242 1450.734 1463.652
6 1532.13 1378.308 1490.209 1495.270
7 1482.11 1319.671 1439.093 1446.121
8 1586.39 1429.870 1502.515 1503.535
9 1500.21 1310.547 1409.266 1421.740
10 1559.42 1337.255 1462.817 1472.692
总
费用 15522.44 13613.17 14609.81 14714.76
[0124] 从表1中可以看出，方案一中的用能成本最高，因为其没有响应分时电价优化自身用电。方案二、三、四进行了不同类型的需求响应，相较于方案一用能成本都有较大幅度的下降。而方案三、方案四对用电功率以及天然气用气量进行了一定的限制导致了用能成本相较于无任何限制的方案二有了一定的上升。方案三、四中上升的原因是智能楼宇中的用能设备不能再电能和天然气价格比较低廉时无限制的用一种能源替代另一种能源，从而使得原来集中用能时段的负荷转移到其他时刻运行。特别是方案四对两种能源进行了高峰时段购进限制，使得费用相较于方案二、三有了一定的上升。但是本发明所提出的方法用能相比不考虑综合需求响应的方案一在用能费用上仍有大幅度的降低。
[0125] 图6为方案一、二、三、四智能楼宇向电网购电功率总和的对比图。从图6中可以看出，方案一中主要用电高峰时期有两个5pm-7pm，1am-5am。方案二中各个智能楼宇加入了多能流转换设备，使得智能楼宇可以用电能、天然气两种能源满足智能楼宇负荷正常运转需求。由于引入天然气和电能一起进行需求响应，大大降低了方案二中的电能购入量，削减了用电高峰5pm-7pm时间内的用电需求。但是在1am-5am时期内用电需求没有降低，这段时间主要是由于电动汽车和储能系统进行集中充电。方案三和方案四则对电能的购入功率进行了一定的限制，可以看到方案三、方案四中的电能购入功率没有超过限制1600kW，这表明方案三、四分布式需求响应能够在减少用户用能成本的同时削减用电高峰，两种方案为终端用户节省成本的同时，也为配电网带来了好处。
[0126] 图7为方案二、三、四天然气购入量的对比图。方案一中由于没有引入多能流系统，所有没有天然气的消耗情况。从图7中可以看出，方案二中天然气有明显的高峰时段。方案二使用天然气的时段主要集中在9am-9pm之间，这段时间的电价较高。智能楼宇用能优化系统做出使用天然气的决策，用天然气发电、供热满足智能楼宇内部的电力与热负荷正常运行。方案二中由于在1am-5am未采用天然气供电、供热，这也导致了方案二这段时间内用电出现了高峰。由于方案三、四都对电能的购入量进行了一定的限制，方案三、四的天然气使用量比较平滑，在一天的优化时段内天然气使用量在60m3上下浮动。从图中可以看出方案三天然气购入量超过了70m3的限制，方案四每个时段天然气购入量都在70m3以下。从中可以得出，方案四的分布式需求响应有效的减少了电力、天然气的用能高峰，同时对电力和天然气起到了
削峰填谷的作用。
[0127] 不仅如此，本发明的优越性还体现在与集中式算法的计算时间比较上，如表2所示。从表中可知相较于集中式算法，集中式算法计算时间更多，且在智能楼宇规模不断扩大时，本发明所提出的一种智能楼宇群体的分布式综合能源需求响应模型及其协同优化方法仍具有较快的响应速度，而集中式算法则易出现响应时间不能满足要求的情况，因此，本发明具有更高的扩展性。
[0128] 表2
[0129]
[0130]
[0131] 综上所述，本发明实施例的智能楼宇群体的分布式综合能源需求响应协同优化方法，通过多楼宇多能流能源互联系统将单个楼宇的电能节点和天然气节点连接起来，同时通过多能流能源转换器(如微型燃气轮机、燃气锅炉和电锅炉)将电能、天然气转换成用户需求的电负荷和热负荷，实现电-热-气三者的互相耦合，通过用户用能结构的转换，能够有效削减用电高峰的电负荷。在优化用户用能结构的同时，还可以推迟供配电设备升级扩容的计划，减轻能源供应商的因较大的投资成本所带来的经济压力。
[0132] 进一步地，在电价较高时或者用气高峰时，可通过电-热-气系统耦合的方式降低用户用能成本；在尽可能不影响用户舒适性的情况下，能减少用电和用气高峰，实现削峰填谷的效果；针对原本电-热-气强耦合、难优化、计算时间长的优化问题，充分考虑到相邻楼宇能量交换过程中满足的一致性，将原本大规模网络级别包含电-热-气强耦合的多楼宇多能流能源互联系统复杂调度优化问题，分解为节点级单个楼宇子系统调度优化问题。通过仿真实验表明，由于多能流能源在发电、输送和用电三者之间存在协同作用，本发明的方法在系统运行成本优于传统单载体用电行为，具有良好的节能环保性能，并且计算时间比集中式优化时间大大减少且不会因为优化个体的增加而显著增加，该方法具有较高的扩展性。此外，该方法是完全分布式的，只需要相邻的通信，从而促进了信息隐私保护和局部决策自治，大大提高整体的调度决策响应速度。
[0133] 进一步地，本发明还提出了一种计算机可读存储介质。
[0134] 在本发明的实施例中，计算机可读存储介质上存储有
计算机程序，计算机程序被处理器执行时实现上述的智能楼宇群体的分布式综合能源需求响应协同优化方法。
[0135] 本发明实施例的计算机可读存储介质，在其上存储的与上述智能楼宇群体的分布式综合能源系统的协同优化方法对应的计算机程序被处理器执行时，能够降低系统运行成本，实现良好的节能环保效果，且能够促进信息隐私保护和局部决策自治，大大提高了整体的调度决策响应速度。
[0136] 尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、
修改、替换和变型。
