文章解读与仿真程序复现思路——电力系统自动化EI\CSCD\北大核心《考虑分布式资源交易的气电综合能源配网系统出清模型》

本专栏栏目提供文章与程序复现思路，具体已有的论文与论文源程序可翻阅本博主的免费专栏栏目《论文与完整程序》

这个标题涉及到气电综合能源配网系统的出清模型，特别强调了对分布式资源交易的考虑。以下是对标题中关键术语的解读：

1. 气电综合能源配网系统：

   • 这指的是一个整合了气体和电力等多种能源的系统，用于供能和配电。综合能源系统通常旨在提高能源的效率和可持续性。

2. 出清模型：

   • 出清是电力市场中的一个过程，指的是确定发电商和购电者之间的最终交易结果，以确保市场中的供需平衡。在这个上下文中，出清模型可能是一个数学模型或算法，用于确定分配给每个参与者的资源和交易条件。

3. 分布式资源交易：

   • 分布式资源通常指分布在不同地点的小型能源生产或存储设备，如太阳能电池板、风力发电机、储能系统等。分布式资源交易涉及到这些资源之间的能源交换或在电力市场中进行的分布式能源买卖。

4. 考虑分布式资源交易的：

   • 强调了在建立出清模型时，对于分布式资源交易的考虑。这可能包括对分布式能源参与者、能源交易方式、市场规则等方面的特别关注。

总体而言，这个标题表明研究的焦点是在气电综合能源配网系统中，通过开发一种考虑分布式资源交易的出清模型，以有效地管理能源的分配和交易。这可能有助于优化系统的运行，提高能源利用效率，并推动分布式能源在整个系统中的参与。

摘要：随着分布式能源设备大量接入配电网并逐步参与到分布式交易之中，配电网运行向着分布式、互动化的方向发展而呈现出更灵活多变的趋势。近年来，综合能源系统快速发展，配网层面电力系统和天然气系统耦合程度日益加深，独立运行模式已无法满足边界匹配要求。文中设计了考虑分布式资源参与的配电网集中交易市场模式，对分布式光伏、分布式储能、电动汽车等建立了交易模型。进而，构建了考虑分布式资源交易的气电综合能源配网系统联合出清模型，采用二阶锥松弛法及泰勒级数展开对配电网潮流约束和配气网潮流约束进行线性化处理，通过配电网节点电价和配气网分时气价反映气电联合系统价格信号。最后，基于改进的气电联合系统对文中所提市场机制模型的有效性进行了验证。

这段摘要描述了一个研究的主要内容，涉及到配电网、分布式能源设备、综合能源系统以及气电综合能源配网系统。以下是对摘要中关键信息的解读：

1. 背景和趋势：

   • 描述了分布式能源设备大量接入配电网，并逐步参与到分布式交易中。强调了配电网运行趋向分布式、互动化，呈现更加灵活多变的趋势。

2. 综合能源系统发展：

   • 提到了综合能源系统的快速发展，同时指出配网层面电力系统和天然气系统之间的耦合程度日益加深。强调了独立运行模式已经无法满足边界匹配的要求。

3. 配电网集中交易市场模式：

   • 介绍了设计的配电网集中交易市场模式，该模式考虑了分布式资源的参与，建立了对分布式光伏、分布式储能、电动汽车等的交易模型。

4. 气电综合能源配网系统联合出清模型：

   • 构建了考虑分布式资源交易的气电综合能源配网系统联合出清模型。为了解决非线性问题，使用了二阶锥松弛法及泰勒级数展开对配电网潮流约束和配气网潮流约束进行线性化处理。

5. 价格信号反映：

   • 描述了如何通过配电网节点电价和配气网分时气价来反映气电联合系统的价格信号。

6. 有效性验证：

   • 最后，指出研究基于改进的气电联合系统对所提出的市场机制模型进行了有效性验证。

整体而言，这项研究致力于在不断发展的能源环境中，通过设计和验证模型来更好地管理分布式能源设备，提高能源系统的效率和灵活性，尤其是在考虑了天然气等多种能源的综合运用的情境下。

关键词： 配网侧电力市场;气电联合系统;机制设计;出清模型;分布式资源;

1. 配网侧电力市场：

   • 意味着电力市场的一侧，专注于配电网（distribution network）层面。这可能指向一个电力市场的子系统，关注如何在分布式环境中管理和交易电力。

2. 气电联合系统：

   • 表示将电力系统（"电"）和天然气系统（"气"）整合在一起，形成一个联合的系统。这种整合可能涉及共享资源、互相影响的运行等方面，目的可能在于提高系统的效率和整体性能。

3. 机制设计：

   • 指的是设计一种系统或者规则，以促使某种特定目标的实现。在这个上下文中，可能是指设计一种能够有效管理配电网侧电力市场和气电联合系统的制度或规则。

4. 出清模型：

   • 在能源领域，特别是电力市场，出清模型是指通过市场机制确定各个发电厂商出售电力的数量和价格，以满足市场需求。这里可能指的是设计一个适用于配电网侧和气电联合系统的出清模型。

5. 分布式资源：

   • 指的是能源系统中分布式能源设备，如分布式光伏（太阳能光伏系统）、分布式储能（储能系统）、电动汽车等。这些分布式资源通常以地理分散、小规模的形式存在，可以参与能源市场或系统的运行。

综合起来看，关键词之间的联系可能在于设计一种机制，通过出清模型有效地管理配网侧电力市场，并结合气电联合系统，考虑了分布式资源的参与，以实现更加高效和可持续的能源系统运行。这可能包括制定规则以鼓励分布式资源的参与，并通过整合电力和天然气系统来提高整体系统的灵活性和效率。

仿真算例：本文采用改进的 IEEE 33 节点配电网和 7 节点 配气网耦合的综合能源系统验证所提机制和模型的 有效性，如附录 A 图 A1 所示。储能设备设置在节 点 4，电动汽车充电站设置在节点 10，节点 13 连接燃 气轮机至配气网节点 g5，节点 24 连接电转气机组至 节点 g2，节点 18、22、23、33 连接一般发电设备。配 电 网 为 20 kV 中 压 配 电 网 ，节 点 电 压 设 置 范 围 为 0.95~1.05 p.u.。储能和电动汽车详细参数详见附录 A 表 A1。 为了更好地模拟气电综合能源系统的耦合特 性，设置了配气网分时气价，输电网节点边际电价 （TLMP）参考中国某省电力现货市场实际历史数 据，详见附录 A 图 A2。由上述分布式能源交易市场模型和气电耦合优 化模型可知，模型和机制需要配电网和配气网两个 系统的几乎全部私有信息。然而，在实际运行中，两 个系统难以获取对方的私有信息来建立并优化集中 市场交易模型。因此，本文选取 ADMM，以气电综 合能源配网系统为协调中心，在不需要两系统申报 所有私有信息的前提下，实现全局优化。

仿真程序复现思路：

为了复现文中描述的综合能源系统的仿真，需要采用相关的仿真工具和编程语言。下面是一个简化的仿真复现思路：

import numpy as np
from scipy.optimize import minimize

# 1. 定义系统参数
num_distribution_nodes = 33
num_gas_nodes = 7
voltage_range = [0.95, 1.05]

# 2. 初始化节点信息
class DistributionNode:
    def __init__(self, node_id, voltage_range):
        self.node_id = node_id
        self.voltage_range = voltage_range
        self.devices = []

    def connect_device(self, device):
        self.devices.append(device)

class GasNode:
    def __init__(self, node_id):
        self.node_id = node_id
        self.devices = []

    def connect_device(self, device):
        self.devices.append(device)

# 初始化配电网节点
distribution_nodes = [DistributionNode(node_id, voltage_range) for node_id in range(1, num_distribution_nodes + 1)]

# 初始化配气网节点
gas_nodes = [GasNode(node_id) for node_id in range(1, num_gas_nodes + 1)]

# 3. 设置设备信息
class EnergyStorage:
    def __init__(self, parameters):
        self.parameters = parameters
        self.state_of_charge = 0.5  # 初始状态

class EVStation:
    def __init__(self, parameters):
        self.parameters = parameters

class GasTurbine:
    def __init__(self, parameters):
        self.parameters = parameters

# 从附录 A 表 A1 中读取详细参数
storage_parameters = ...
ev_station_parameters = ...
gas_turbine_parameters = ...

# 4. 连接设备到节点
distribution_nodes[3].connect_device(EnergyStorage(storage_parameters))
distribution_nodes[9].connect_device(EVStation(ev_station_parameters))
gas_nodes[4].connect_device(GasTurbine(gas_turbine_parameters))

# 5. 设置仿真参数
simulation_time = 24 * 3600  # 仿真时间为一天，单位为秒
time_step = 60 * 15  # 时间步长为15分钟，单位为秒

# 6. 仿真循环
for t in range(0, simulation_time, time_step):
    # 6.1 更新节点状态
    for node in distribution_nodes:
        for device in node.devices:
            device.update_state(t)

    for node in gas_nodes:
        for device in node.devices:
            device.update_state(t)

    # 6.2 执行能源交易
    # 省略能源交易的具体实现，可以涉及到市场模型、价格计算等

    # 6.3 优化
    # 使用 ADMM 进行优化
    optimization_result = perform_admm_optimization(distribution_nodes, gas_nodes)

    # 6.4 更新设备状态
    update_device_states(optimization_result, distribution_nodes, gas_nodes)

# 7. 分析仿真结果
# 在仿真结束后，可以分析节点电压、能源交易结果、系统效率等指标
analyze_simulation_results(distribution_nodes, gas_nodes)

请注意，以上代码仅为示例，实际情况下可能需要根据具体需求进行更多的细节和优化。模型的复杂性和仿真的精度可能需要更多的考虑，包括更复杂的设备模型、更精确的优化算法等。