面向综合能源系统运行的气网聚合建模及辨识方法

doi:10.12096/j.2096-4528.pgt.24118

发电技术 ›› 2025, Vol. 46 ›› Issue (2): 274-283.DOI: 10.12096/j.2096-4528.pgt.24118

• 基于群体智能的综合能源系统建模仿真及优化运行 • 上一篇

面向综合能源系统运行的气网聚合建模及辨识方法

孙勇¹, 高子航², 侯泽胤², 李德鑫¹, 王尧¹, 张海锋¹, 陆帅²

^1.国网吉林省电力有限公司，吉林省长春市 130021
^2.东南大学电气工程学院，江苏省南京市 211189

收稿日期:2024-06-23 修回日期:2024-09-12 出版日期:2025-04-30 发布日期:2025-04-23
作者简介:孙勇(1980)，男，博士，正高级工程师，主要从事电网发展规划、电力调度控制等方面的研究工作，sunyong_hit@163.com；
高子航(1999)，男，硕士研究生，主要从事综合能源系统方面的研究，g18551638378@163.com；
侯泽胤(2000)，男，硕士研究生，主要从事综合能源系统、隐私保护技术方面的研究，hzy17301571262@173.com；
陆帅(1993)，男，博士，讲师，主要从事电力及综合能源系统、优化理论，以及先进计算技术等领域的研究，本文通信作者，shuai.lu.seu@outlook.com。
基金资助:
国家重点研发计划项目(2022YFB2404000)

Gas Network Aggregate Modeling and Identification Method for Integrated Energy System Operation

Yong SUN¹, Zihang GAO², Zeyin HOU², Dexin LI¹, Yao WANG¹, Haifeng ZHANG¹, Shuai LU²

^1.State Grid Jilin Electric Power Company, Changchun 130021, Jilin Province, China
^2.School of Electrical Engineering, Southeast University, Nanjing 211189, Jiangsu Province, China

Received:2024-06-23 Revised:2024-09-12 Published:2025-04-30 Online:2025-04-23
Supported by:
National Key Research & Development Program of China(2022YFB2404000)

摘要/Abstract

摘要：

目的天然气网络是综合能源系统的重要组成部分，可为综合能源系统的运行提供可观的灵活性。建立精确的气网模型是综合能源系统运行控制的基础，然而现有的气网机理模型复杂度较高，部分参数在实际工程中不可辨识。为此，提出一种面向综合能源系统运行的气网聚合建模及辨识方法。方法以气网为研究对象，提出了气网聚合模型的概念并推导了其表达式，设计了对应的离线参数估计方法。由于气网聚合模型的推导依赖于特定的工况，当工况发生变化时，模型参数亦会随之改变，离线估计模型会产生不可忽略的误差。针对该问题，提出了基于遗忘因子递推最小二乘法的模型滚动校正方法。结果在气体流速变化较小的情况下，离线参数估计方法具有较好准确性；但是在流速快速变化情况下，离线估计无法精准描述气网运行状态，滚动校正可以实现对模型的精确拟合。结论所提气网聚合模型离线估计与在线滚动校正方法可为综合能源系统的运行分析与控制提供实用、高效的流体网络建模技术。

关键词: 天然气, 综合能源系统, 新能源消纳, 气网, 聚合模型, 参数估计, 在线校正

Abstract:

Objectives Natural gas networks are important components of integrated energy systems, which can provide considerable flexibility for the operation of the integrated energy system. Developing an accurate gas network model is the foundation for the operation and control of integrated energy systems. However, existing mechanism models for gas networks show high complexity, with certain parameters being unidentifiable in practical engineering applications. Therefore, this study proposes a gas network aggregate modeling and identification method specifically for integrated energy system operation. Methods Taking the gas network as the research object, the concept of the gas network aggregate model is proposed, its formula is derived, and a corresponding offline parameter estimation method is designed. Since the derivation of the gas network aggregate model depends on specific operating conditions, the model parameters vary with condition changes, leading to non-negligible errors in the offline estimation model. To address this issue, a rolling calibration method based on forgetting factor recursive least squares is proposed. Results Under small gas flow variations, the offline parameter estimation method demonstrates satisfactory accuracy. However, under rapid flow variations, the offline estimation fails to accurately describe the operation status of the gas network, and rolling calibration can achieve accurate fitting of the model. Conclusions The proposed gas network aggregate model integrating offline estimation and online rolling calibration can provide a practical and efficient fluid network modeling solution for the operation analysis and control of integrated energy systems.

Key words: natural gas, integrated energy system, new energy consumption, gas network, aggregate model, parameter estimation, online calibration

中图分类号:

TK 01

孙勇, 高子航, 侯泽胤, 李德鑫, 王尧, 张海锋, 陆帅. 面向综合能源系统运行的气网聚合建模及辨识方法[J]. 发电技术, 2025, 46(2): 274-283.

Yong SUN, Zihang GAO, Zeyin HOU, Dexin LI, Yao WANG, Haifeng ZHANG, Shuai LU. Gas Network Aggregate Modeling and Identification Method for Integrated Energy System Operation[J]. Power Generation Technology, 2025, 46(2): 274-283.

图/表 10

图 1 天然气管道示意图

Fig. 1 Schematic diagram of a natural gas pipeline

图 2 气网节点处状态量关系示意图

Fig. 2 Schematic diagram of state variable relationship at gas network node

图 3 气网聚合模型在线校正滚动建模过程示意图

Fig. 3 Schematic diagram of rolling modeling process with online calibration for gas network aggregate model

图 4 气网结构示意图

Fig. 4 Schematic diagram of gas network structure

表 1 气网聚合模型验证算例子实验设置

Tab. 1 Experimental setup for validation cases of gas network aggregate model

参数	实验编号
参数	1	2
乘性高斯噪声的标准差/%	0.1	0.1
模型阶数	10	10
是否进行数据预处理	否	是

图 5 基于未经预处理的数据估计得到模型的拟合曲线与真实曲线对比

Fig. 5 Comparison between fitted curve of model estimated based on unprocessed data and actual curve

图 6 基于预处理后的数据估计得到模型的拟合曲线与真实曲线对比

Fig. 6 Comparison between fitted curve of model estimated based on preprocessed data and actual curve

表 2 数据预处理对模型拟合优度指标的影响

Tab. 2 Effect of data preprocessing on goodness-of-fit indicators of model

所属映射	节点编号	是否数据预处理	E_MAPE	R²
气体压强	2	否	0.001 6	0.94
	2	是	0.001 0	0.98
	3	否	0.001 9	0.95
	3	是	0.001 4	0.97
气体质量流量	2	否	0.140	-2.90
	2	是	0.028	0.83
	3	否	0.065	0.74
	3	是	0.036	0.93

图 7 校正模型与未校正模型拟合曲线对比

Fig. 7 Comparison of fitted curves between calibrated and uncalibrated models

表 3 在线校正对拟合优度指标的影响

Tab. 3 Effect of online calibration on goodness-of-fit indicators

所属映射	节点编号	E_MAPE		R²
所属映射	节点编号	未校正	校正	未校正	校正
气体压强	2	0.009 7	0.004 1	0.61	0.96
气体压强	3	0.50	0.073	-45	0.66
气体质量流量	2	0.27	0.077	-5.4	0.77
气体质量流量	3	0.12	0.003 7	-2.1	0.97

参考文献 22

1	FANG J， ZENG Q， AI X，et al ．Dynamic optimal energy flow in the integrated natural gas and electrical power systems[J]．IEEE Transactions on Sustainable Energy，2018，9(1)：188-198． doi:10.1109/tste.2017.2717600
2	HAFSI Z， ELAOUD S， MISHRA M ．A computational modelling of natural gas flow in looped network：effect of upstream hydrogen injection on the structural integrity of gas pipelines[J]．Journal of Natural Gas Science and Engineering，2019，64：107-117． doi:10.1016/j.jngse.2019.01.021
3	QI F， SHAHIDEHPOUR M， WEN F，et al ． Decentralized privacy-preserving operation of multi-area integrated electricity and natural gas systems with renewable energy resources[J]．IEEE Transactions on Sustainable Energy，2020，11(3)：1785-1796． doi:10.1109/tste.2019.2940624
4	YANG J， ZHANG N， BOTTERUD A，et al ．Situation awareness of electricity-gas coupled systems with a multi-port equivalent gas network model[J]．Applied Energy，2020，258：114029． doi:10.1016/j.apenergy.2019.114029
5	LIU W， LI P， YANG W，et al ．Optimal energy flow for integrated energy systems considering gas transients[J]．IEEE Transactions on Power Systems，2019，34(6)：5076-5079． doi:10.1109/tpwrs.2019.2929685
6	SUKHAREV M G， KULALAEVA M A ．Identification of model flow parameters and model coefficients with the help of integrated measurements of pipeline system operation parameters[J]．Energy，2021，232：120864． doi:10.1016/j.energy.2021.120864
7	YIN X， WEN K， HUANG W，et al ．A high-accuracy online transient simulation framework of natural gas pipeline network by integrating physics-based and data-driven methods[J]．Applied Energy，2023，333：120615． doi:10.1016/j.apenergy.2022.120615
8	FAN D， GONG J， ZHANG S，et al ．A transient composition tracking method for natural gas pipe networks[J]．Energy，2021，215：119131． doi:10.1016/j.energy.2020.119131
9	杨宇玄，高栋梁，陈一鸣，等．考虑碳捕集和气网混氢的气电耦合系统低碳经济调度[J]．中国电力，2023，56(10)：1-10．
	YANG Y X， GAO D L， CHEN Y M，et al ．Low carbon economic dispatch of gas electricity coupling system considering carbon capture and hydrogen mixing in gas grid[J]．Electric Power，2023，56(10)：1-10．
10	陈茂云，郑建勇，梅飞，等．考虑压缩机不同运行状态的IES气网潮流分布式计算方法[J]．电力工程技术，2023，42(4)：122-132．
	CHEN M Y， ZHENG J Y， MEI F，et al ．Distributed algorithm for the power flow calculation of gas network in integrated energy system considering different operation states of compressors[J]．Electric Power Engineering Technology，2023，542(4)：122-132．
11	GABRIELAITIENE I， BØHM B， SUNDEN B ．Modelling temperature dynamics of a district heating system in naestved，Denmark：a case study[J]．Energy Conversion and Management，2007，48(1)：78-86． doi:10.1016/j.enconman.2006.05.011
12	RÍOS-MERCADO R Z， BORRAZ-SÁNCHEZ C ．Optimization problems in natural gas transportation systems：a state-of-the-art review[J]．Applied Energy，2015，147：536-555． doi:10.1016/j.apenergy.2015.03.017
13	WOLDEYOHANNES A D， MAJID M A A ．Simulation model for natural gas transmission pipeline network system[J]．Simulation Modelling Practice and Theory，2011，19(1)：196-212． doi:10.1016/j.simpat.2010.06.006
14	CHACZYKOWSKI M ．Transient flow in natural gas pipeline：the effect of pipeline thermal model[J]．Applied Mathematical Modelling，2010，34(4)：1051-1067． doi:10.1016/j.apm.2009.07.017
15	蒋一博．气-电区域综合能源系统协调优化运行策略研究[D]．武汉：武汉大学，2019．
	JIANG Y B ．Study on coordinated and optimized operation strategy of comprehensive energy system in gas-electricity region[D]．Wuhan：Wuhan University，2019．
16	GOURLAY A R， MORRIS J L ．Finite-difference methods for nonlinear hyperbolic systems[J]．Mathematics of Computation，1968：28-39． doi:10.2307/2004760
17	YAO S， GU W， LU S，et al ．Dynamic optimal energy flow in the heat and electricity integrated energy system[J]．IEEE Transactions on Sustainable Energy，2021，12(1)：179-190． doi:10.1109/tste.2020.2988682
18	BOYD S P， VANDENBERGHE L ．Convex optimization[M]．Cambridge，UK：Cambridge Press，2004． doi:10.1017/cbo9780511804441
19	ZHANG S， GU W， ZHANG X，et al ．Dynamic modeling and simulation of integrated electricity and gas systems[J]．IEEE Transactions on Smart Grid，2023，14(2)：1011-1026． doi:10.1109/tsg.2022.3203485
20	KJAER A P， HEATH W P， WELLSTEAD P E ．Identification of cross-directional behaviour in web production：techniques and experience[J]．Control Engineering Practice，1995，3(1)：21-29． doi:10.1016/0967-0661(94)00060-t
21	BADONI M， SINGH A， SINGH B ．Variable forgetting factor recursive least square control algorithm for DSTATCOM[J]．IEEE Transactions on Power Delivery，2015，30(5)：2353-2361． doi:10.1109/tpwrd.2015.2422139
22	BROSCH A， WALLSCHEID O， BOCKER J ．Long-term memory recursive least squares online identification of highly utilized permanent magnet synchronous motors for finite-control-set model predictive control[J]．IEEE Transactions on Power Electronics，2023，38(2)：1451-1467． doi:10.1109/tpel.2022.3206598

[1]	侯慧, 王燕, 刘超, 张炜, 周杨珺, LI Zhengmao, 李正天, 林湘宁. 抽水蓄能灰启动下冷热电互补综合能源系统优化调度[J]. 发电技术, 2025, 46(2): 209-218.
[2]	侯朗博, 孙昊, 陈衡, 高悦. 基于需求响应与Stackelberg博弈的小区综合能源系统优化调度[J]. 发电技术, 2025, 46(2): 219-230.
[3]	马恺, 袁至, 李骥. 考虑氢能多元化利用的综合能源系统低碳经济调度[J]. 发电技术, 2025, 46(2): 263-273.
[4]	崔露, 刘世林, 苗婉, 王青. 考虑电转氢和需求响应的风光储综合充能站优化运行策略[J]. 发电技术, 2025, 46(1): 31-41.
[5]	李霄飞, 王朝, 刘银南, 吴安, 李光辉, 裴刘生, 王海峰, 李佳琦, 朱红路. 光伏阵列效率分布特性建模及其在运行状态评价中的应用[J]. 发电技术, 2025, 46(1): 83-92.
[6]	涂伟权, 李辉, 万铮. 基于组合相关系数的综合能源系统多元负荷短期预测研究[J]. 发电技术, 2025, 46(1): 9-18.
[7]	胡程平, 范明, 刘艾旺, 施云辉. 考虑云储能的多区互联综合能源系统规划[J]. 发电技术, 2024, 45(4): 641-650.
[8]	赵振宇, 包格日乐图, 李炘薪. 基于信息间隙决策理论的含碳捕集-电转气综合能源系统优化调度[J]. 发电技术, 2024, 45(4): 651-665.
[9]	郁海彬, 张煜晨, 刘扬洋, 陆增洁, 翁锦德. 碳交易机制下多主体虚拟电厂参与电力市场的优化调度竞标策略[J]. 发电技术, 2023, 44(5): 634-644.
[10]	吴磊, 彭黎菊, 李爽, 史翊翔, 蔡宁生. 百千瓦级天然气制氢质子交换膜燃料电池热电联产系统稳态特性模拟分析[J]. 发电技术, 2023, 44(3): 350-360.
[11]	亢猛, 钟祎勍, 石鑫, 温港成, 房方. 计及负荷供给可靠性的园区综合能源系统两阶段优化方法研究[J]. 发电技术, 2023, 44(1): 25-35.
[12]	饶庆平, 郝建刚, 白云山. 碳排放目标背景下我国天然气发电发展路径分析[J]. 发电技术, 2022, 43(3): 468-475.
[13]	黄彦彰, 周宇昊, 郑文广, 王明晓. 产业园区新型多能联供综合能源服务研究[J]. 发电技术, 2021, 42(6): 734-740.
[14]	雷超, 李韬. 碳中和背景下氢能利用关键技术及发展现状[J]. 发电技术, 2021, 42(2): 207-217.
[15]	王燕, 杨秀媛, 徐剑锋, 卜思齐, 徐智蔷. 民用可控负荷参与需求响应的控制策略[J]. 发电技术, 2020, 41(6): 638-649.

面向综合能源系统运行的气网聚合建模及辨识方法

Gas Network Aggregate Modeling and Identification Method for Integrated Energy System Operation

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

图/表 10

参考文献 22

相关文章 15

编辑推荐

Metrics