CN103761587A - 一种基于智能用电技术的电力需求侧资源规划方法 - Google Patents
一种基于智能用电技术的电力需求侧资源规划方法 Download PDFInfo
- Publication number
- CN103761587A CN103761587A CN201410049535.8A CN201410049535A CN103761587A CN 103761587 A CN103761587 A CN 103761587A CN 201410049535 A CN201410049535 A CN 201410049535A CN 103761587 A CN103761587 A CN 103761587A
- Authority
- CN
- China
- Prior art keywords
- dsm
- power
- project
- class
- somewhere
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005516 engineering process Methods 0.000 title claims abstract description 11
- 238000004134 energy conservation Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000005457 optimization Methods 0.000 claims abstract description 4
- 230000005611 electricity Effects 0.000 claims description 31
- 238000013178 mathematical model Methods 0.000 claims description 9
- 238000007726 management method Methods 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 3
- 238000006467 substitution reaction Methods 0.000 claims description 3
- 238000012905 input function Methods 0.000 claims description 2
- LTXREWYXXSTFRX-QGZVFWFLSA-N Linagliptin Chemical compound N=1C=2N(C)C(=O)N(CC=3N=C4C=CC=CC4=C(C)N=3)C(=O)C=2N(CC#CC)C=1N1CCC[C@@H](N)C1 LTXREWYXXSTFRX-QGZVFWFLSA-N 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract 1
- 238000002945 steepest descent method Methods 0.000 abstract 1
- 238000012887 quadratic function Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 238000012113 quantitative test Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明涉及一种基于智能用电技术的电力需求侧资源规划方法,其包括以下步骤:根据某地区电力需求侧资源规划的要求,建立反映该地区DSM资源规划的数学模型,该数学模型包括目标函数和约束条件;利用由某地区智能电网中调度系统和负荷预测系统得到的历史负荷数据和预测负荷数据,根据国家节能减排的指标进行综合分析得到某地区DSM项目要求达到的节约电量的目标值和节约电力的目标值;根据某地区规划需求,在智能用电管理系统中,采集用户类型、用电运行数据,计算得到某类DSM项目的年利用小时数和最大可能的节电潜力;采用最速下降法或智能优化算法等计算得到目标函数的某类DSM项目的大小。本发明可以广泛应用于电力需求侧资源规划中。
Description
技术领域
本发明涉及一种资源规划方法,特别是关于一种基于智能用电技术的电力需求侧资源规划方法。
背景技术
在开展需求侧管理规划过程中,许多项目需要资金的前期投入才能发挥作用。由于开展DSM(Demand Side Management,需求侧管理)建设的资金有限,如何把有限的资金,在地区范围进行合理分配,鼓励那些能够完成DSM节约电力或节约电量指标的项目,因此需要对电力需求侧资源进行规划,选择出那些资金投入少、又能完成电力需求侧节电力或节电量目标的项目,从而得到某个地区最优的DSM规划方案。
在以往的需求侧管理中,也会牵涉到对DSM项目资金投入的评价问题,但由于以前需求侧管理主要是以示范项目为主,因此采取的方式是对单个项目进行评估和筛选。这种方式的不足在于:(1)需要面对的管理对象较少,不适合整个地区的DSM总体规划。(2)采用事后管理方式,它运用经济手段管理全社会的节电工作,并不能提供事先预知整个地区需求侧管理规划方案的各类节电项目规模的分配以及所需投入资金的需求情况。(3)对节电项目的节电潜力分析依赖于市场调查方式,所花费的人力、物力和财力较大,且问卷调查回收率低,数据不真实。
发明内容
针对上述问题,本发明的目的是提供一种基于智能用电技术的电力需求侧资源规划方法,采用该方法能够对某地区的需求侧管理项目进行总体规划,并得到最优的规划方案。
为实现上述目的,本发明采取以下技术方案:一种基于智能用电技术的电力需求侧资源规划方法,其包括以下步骤:1)根据某地区电力需求侧资源规划的要求,建立反映该地区DSM资源规划的数学模型,该数学模型包括目标函数和约束条件;目标函数为:
式中,Ai、Bi和Ci为DSM项目成本投入函数的系数;Xi为第i类DSM项目节约电力的大小;N为DSM项目的种类数;目标函数的约束条件为:
式中,Ti表示第i类DSM项目的年利用小时数,W表示某地区DSM项目要求达到的节约电量的目标值;P表示某地区DSM项目要求达到的节约电力的目标值;0≤Xi≤Ximax,Ximax表示第i类DSM项目的最大可能的节电潜力;2)根据某地区智能电网中调度系统对该地区电力供应和电力消费进行监测所积累的历史负荷数据,采用智能电网中负荷预测系统计算得到该地区电力供应和电力消费的预测负荷数据;利用该地区的预测负荷数据,根据国家节能减排的指标进行综合分析得到某地区DSM项目要求达到的节约电量的目标值W和节约电力的目标值P;3)根据某地区规划需求,在智能用电管理系统中,采集所有纳入DSM资源规划范围内用户的用电类型、用电运行的实时用电数据,计算得到第i类DSM项目的年利用小时数Ti和第i类DSM项目最大可能的节电潜力Ximax;4)根据步骤1)确定的反映某地区DSM资源规划的目标函数、步骤2)计算得到的某地区DSM项目要求达到的节约电量的目标值W和节约电力的目标值P以及步骤3)得到的第i类DSM项目的年利用小时数Ti和最大可能的节电潜力Ximax,计算得到满足目标函数的第i类DSM项目节约电力的大小Xi。
所述步骤4)中,计算满足目标函数的第i类DSM项目节约电力的大小Xi采用最速下降法、智能优化算法和群智能优化算法中的一种。
采用所述最速下降法计算满足目标函数的第i类DSM项目节约电力的大小Xi,其具体包括以下步骤:(1)给出初始值Xi=X0;(2)按照最速下降规则,确定搜索方向Di;(3)确定步长因子ai;(4)将Xi=X0、Di和ai代入式Xi+1=Xi+aiDi中,计算Xi+1,直至Xi+1满足终止条件,停止优化计算,否则返回步骤(2)继续执行相应操作。
本发明由于采取以上技术方案,其具有以下优点:1、本发明由于根据某地区电力规划资源的要求,建立反映该地区DSM资源规划的数学模型,并以智能电网中调度系统和负荷预测系统得到的历史负荷数据和预测负荷数据为基础,计算得到满足所建立的数学模型中目标函数的第i类DSM项目的大小Xi,因此本发明能够对某地区的DSM项目进行总体规划,并得到最优的规划方案。2、本发明由于基于反映某地区DSM资源规划的数学模型,对该地区的DSM项目进行定量分析,因此采用本发明能够模拟出不同的DSM资源规划方案,并且能够对不同类别的项目进行比较选择。基于以上优点,本发明可以广泛应用于电力需求侧资源规划中。
附图说明
图1是本发明电力需求侧资源规划方法的流程图
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
本发明的基于智能用电技术的电力需求侧资源规划方法,其包括以下步骤:
1)根据某地区电力需求侧资源规划的要求,建立反映该地区DSM资源规划的数学模型。反映某地区DSM资源规划的数学模型包括:目标函数和约束条件。
将二次函数AiXi 2+BiXi+Ci作为DSM项目成本投入函数,则反映某地区DSM资源规划的目标函数为:
式(1)中,Ai、Bi和Ci为第i类DSM项目的二次函数的系数;Xi为第i类DSM项目节约电力的大小;N为DSM项目的种类数,根据某地区对于DSM项目不同的规划方法,分类确定DSM项目的种类数N。
目标函数的约束条件为:
式(2)中,Ti表示第i类DSM项目(如照明)的年利用小时数,W表示某地区DSM项目要求达到的节约电量的目标值;P表示某地区DSM项目要求达到的节约电力的目标值;0≤Xi≤Ximax,Ximax表示第i类DSM项目的最大可能的节电潜力。
2)根据某地区智能电网中调度系统对该地区电力供应和电力消费进行监测所积累的历史负荷数据,采用智能电网中负荷预测系统计算得到该地区电力供应和电力消费的预测负荷数据;利用该地区的预测负荷数据,根据国家节能减排的指标进行综合分析得到某地区DSM项目要求达到的节约电量的目标值W和节约电力的目标值P。
3)根据某地区规划需求,在智能用电管理系统中,采集所有纳入DSM资源规划范围内用户的用电类型、用电运行等实时用电数据,计算得到第i类DSM项目的年利用小时数Ti和第i类DSM项目最大可能的节电潜力Ximax。
4)根据步骤1)确定的反映某地区DSM资源规划的目标函数、步骤2)计算得到的某地区DSM项目要求达到的节约电量的目标值W和节约电力的目标值P以及步骤3)得到的第i类DSM项目的年利用小时数Ti和最大可能的节电潜力Ximax,计算得到满足式(1)的第i类DSM项目节约电力的大小Xi。
上述步骤4)中,计算满足式(1)的第i类DSM项目节约电力的大小Xi时,采用最速下降法、智能优化算法和群智能优化算法等进行计算。
采用最速下降法计算满足式(1)的第i类DSM项目节约电力的大小Xi时,其具体包括以下步骤:
(1)给出初始值Xi=X0。
(2)按照最速下降规则,确定搜索方向Di。
(3)确定步长因子ai。
(4)将Xi=X0、Di和ai代入式Xi+1=Xi+aiDi中,计算Xi+1,直至Xi+1满足终止条件,停止优化计算,否则返回步骤(2)继续执行相应操作。
实施例:根据某地区对于需求侧管理项目的要求,将DSM项目划分为以下三类:第一类产生永久性节约电力负荷的能效电厂项目、第二类产生永久性转移高峰电力负荷的负荷管理项目和第三类电力需求响应临时性减少高峰电力负荷的项目。
根据DSM项目划分的种类数,得到式(2)中DSM项目的种类数N为:N=3,且i=1,2,3,则反映该地区DSM资源规划的目标函数为:
该目标函数的约束条件为:
第一类DSM项目既可以节约电力,也可以节约电量,故该类项目的年利用小时数T1通过下式计算得到:
T1=E/Pmax (5)
式(5)中,E表示第一类DSM项目全年的用电量,Pmax表示第一类DSM项目的年最大负荷。
第二类DSM项目只能节电力而不能节电量(例如蓄冰或蓄水项目),故式(2)中乘积项T2X2的计算符号为负。该类项目的年利用小时数T2通过下式计算得到:
T2=α·Tpeak (6)
式(6)中,α为第二类DSM项目实现移峰用电量转换关系的时间变换因子;Tpeak为第二类DSM项目在峰段的年运行小时数。式(4)中乘积项T2X2为表示移峰类项目没有对节电量做出贡献的大小。
例如,3度的高峰电量,由于制冷及蓄冷的需要,需要4度的非高峰电来实现。假设DSM项目在峰段以3kW的电功率运行1h,则其耗电为3度(kWh)。如果保持该DSM项目的电功率不变,则意味着在非峰段以3kW的电功率运行4/3=1.3小时,其耗电为4度电。非峰段多消耗的1度电表示没有节省的电。尽管这类DSM项目没有达到节电量的目的,但对于节约电力起到了很好的作用,是DSM中不可或缺的部分,尤其是对那些高峰电力供应不足的地区。故在这种情况下的时间变换因子α取α=1/3。
第三类DSM项目为临时性减少峰荷,由于这类项目只是改变了用电时间,并没有减少用电量的需求,因此不能实现节约电量的目的,故式(4)中乘积项T3X3为0。
综上所述,式(4)转换为:
根据反映该地区DSM资源规划的目标函数、该地区DSM项目要求达到的节约电量的目标值W和节约电力的目标值P、年利用小时数T1和T2以及最大可能的节电潜力Ximax,采用最速下降法计算得到满足式(4)的第i类DSM项目节约电力的大小Xi。
上述各实施例仅用于说明本发明,其中各部件的结构、连接方式和方法步骤等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
Claims (3)
1.一种基于智能用电技术的电力需求侧资源规划方法,其包括以下步骤:
1)根据某地区电力需求侧资源规划的要求,建立反映该地区DSM资源规划的数学模型,该数学模型包括目标函数和约束条件;
目标函数为:
式中,Ai、Bi和Ci为DSM项目成本投入函数的系数;Xi为第i类DSM项目节约电力的大小;N为DSM项目的种类数;
目标函数的约束条件为:
式中,Ti表示第i类DSM项目的年利用小时数,W表示某地区DSM项目要求达到的节约电量的目标值;P表示某地区DSM项目要求达到的节约电力的目标值;0≤Xi≤Ximax,Ximax表示第i类DSM项目的最大可能的节电潜力;
2)根据某地区智能电网中调度系统对该地区电力供应和电力消费进行监测所积累的历史负荷数据,采用智能电网中负荷预测系统计算得到该地区电力供应和电力消费的预测负荷数据;利用该地区的预测负荷数据,根据国家节能减排的指标进行综合分析得到某地区DSM项目要求达到的节约电量的目标值W和节约电力的目标值P;
3)根据某地区规划需求,在智能用电管理系统中,采集所有纳入DSM资源规划范围内用户的用电类型、用电运行的实时用电数据,计算得到第i类DSM项目的年利用小时数Ti和第i类DSM项目最大可能的节电潜力Ximax;
4)根据步骤1)确定的反映某地区DSM资源规划的目标函数、步骤2)计算得到的某地区DSM项目要求达到的节约电量的目标值W和节约电力的目标值P以及步骤3)得到的第i类DSM项目的年利用小时数Ti和最大可能的节电潜力Ximax,计算得到满足目标函数的第i类DSM项目节约电力的大小Xi。
2.如权利要求1所述的一种基于智能用电技术的电力需求侧资源规划方法,其特征在于:所述步骤4)中,计算满足目标函数的第i类DSM项目节约电力的大小Xi时采用最速下降法、智能优化算法和群智能优化算法中的一种。
3.如权利要求2所述的一种基于智能用电技术的电力需求侧资源规划方法,其特征在于:采用所述最速下降法计算满足目标函数的第i类DSM项目节约电力的大小Xi,其具体包括以下步骤:
(1)给出初始值Xi=X0;
(2)按照最速下降规则,确定搜索方向Di;
(3)确定步长因子ai;
(4)将Xi=X0、Di和ai代入式Xi+1=Xi+aiDi中,计算Xi+1,直至Xi+1满足终止条件,停止优化计算,否则返回步骤(2)继续执行相应操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410049535.8A CN103761587B (zh) | 2014-02-13 | 2014-02-13 | 一种基于智能用电技术的电力需求侧资源规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410049535.8A CN103761587B (zh) | 2014-02-13 | 2014-02-13 | 一种基于智能用电技术的电力需求侧资源规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103761587A true CN103761587A (zh) | 2014-04-30 |
CN103761587B CN103761587B (zh) | 2016-08-17 |
Family
ID=50528821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410049535.8A Active CN103761587B (zh) | 2014-02-13 | 2014-02-13 | 一种基于智能用电技术的电力需求侧资源规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103761587B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105226652A (zh) * | 2015-10-30 | 2016-01-06 | 许继集团有限公司 | 一种智能电网用户侧节能控制方法 |
CN105719058A (zh) * | 2016-01-15 | 2016-06-29 | 国网江西省电力科学研究院 | 一种电力需求侧管理辅助决策支持系统 |
CN105976046A (zh) * | 2016-04-27 | 2016-09-28 | 中国电力科学研究院 | 一种考虑需求侧管理的低碳电网规划方法 |
CN112183971A (zh) * | 2020-09-15 | 2021-01-05 | 南方电网能源发展研究院有限责任公司 | 一种节能分配处理方法、装置、介质及终端设备 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254241A (zh) * | 2011-06-07 | 2011-11-23 | 天津市电力公司 | 基于全网拓扑的电力需求平衡能力在线评估方法 |
CN102622657A (zh) * | 2012-04-26 | 2012-08-01 | 上海市电力公司 | 一种年最大用电负荷预测方法 |
CN103324840A (zh) * | 2013-06-06 | 2013-09-25 | 江苏大学 | 一种电力需求侧用电质量综合评估方法 |
CN103400199A (zh) * | 2013-07-09 | 2013-11-20 | 国家电网公司 | 市场需求响应和物理需求响应相结合的电力需求侧优化方法 |
-
2014
- 2014-02-13 CN CN201410049535.8A patent/CN103761587B/zh active Active
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105226652A (zh) * | 2015-10-30 | 2016-01-06 | 许继集团有限公司 | 一种智能电网用户侧节能控制方法 |
CN105226652B (zh) * | 2015-10-30 | 2017-11-03 | 许继集团有限公司 | 一种智能电网用户侧节能控制方法 |
CN105719058A (zh) * | 2016-01-15 | 2016-06-29 | 国网江西省电力科学研究院 | 一种电力需求侧管理辅助决策支持系统 |
CN105976046A (zh) * | 2016-04-27 | 2016-09-28 | 中国电力科学研究院 | 一种考虑需求侧管理的低碳电网规划方法 |
CN105976046B (zh) * | 2016-04-27 | 2022-02-25 | 中国电力科学研究院 | 一种考虑需求侧管理的低碳电网规划方法 |
CN112183971A (zh) * | 2020-09-15 | 2021-01-05 | 南方电网能源发展研究院有限责任公司 | 一种节能分配处理方法、装置、介质及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103761587B (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Puttamadappa et al. | Demand side management of small scale loads in a smart grid using glow-worm swarm optimization technique | |
CN101976841B (zh) | 电力系统各级负荷预测指标的均衡匹配方法 | |
Mondal et al. | Future demand scenarios of Bangladesh power sector | |
Kang et al. | Scheduling-based real time energy flow control strategy for building energy management system | |
Tan et al. | The optimization model for multi-type customers assisting wind power consumptive considering uncertainty and demand response based on robust stochastic theory | |
Haidar et al. | New consumer-dependent energy management system to reduce cost and carbon impact in smart buildings | |
CN104008432A (zh) | 基于emd-kelm-ekf的微网短期负荷预测方法 | |
CN103208085B (zh) | 企业用电提高负荷率与降低最大需量的分析智能系统 | |
CN101872441A (zh) | 离散资源管理 | |
Li et al. | Feasibility of virtual power plants (VPPs) and its efficiency assessment through benefiting both the supply and demand sides in Chongming country, China | |
CN101901462A (zh) | 一种城市生态系统承载力的动态分析方法 | |
CN103761587A (zh) | 一种基于智能用电技术的电力需求侧资源规划方法 | |
CN105281363B (zh) | 计及用户消费粘性的多能源优化与控制方法 | |
CN104598999A (zh) | 一种计及可靠性的配电网分时电价优化方法 | |
CN106355285A (zh) | 一种基于参数修正的用电负荷预测方法 | |
CN104156787A (zh) | 一种基于不同负荷特性的电力分区负荷预测方法 | |
Jones et al. | Evaluation of distributed building thermal energy storage in conjunction with wind and solar electric power generation | |
US20130261822A1 (en) | Power Factor | |
Nataf et al. | An economic comparison of battery energy storage to conventional energy efficiency technologies in Colorado manufacturing facilities | |
CN116245338A (zh) | 一种矿山综合能源系统低碳经济运行优化方法 | |
Gao et al. | The spatial and temporal mismatch phenomenon in solar space heating applications: status and solutions | |
CN103345662A (zh) | 一种基于小波网络法的商业能效综合评价方法 | |
CN111008723B (zh) | 一种用于分布式能源pev充电站设计的优化方法 | |
Egging | Drivers, trends, and uncertainty in long-term price projections for energy management in public buildings | |
Zimmermann et al. | An analysis of long-term impacts of demand response on investments in thermal power plants and generation adequacy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |