CN105281363B - 计及用户消费粘性的多能源优化与控制方法 - Google Patents

计及用户消费粘性的多能源优化与控制方法 Download PDF

Info

Publication number
CN105281363B
CN105281363B CN201510657003.7A CN201510657003A CN105281363B CN 105281363 B CN105281363 B CN 105281363B CN 201510657003 A CN201510657003 A CN 201510657003A CN 105281363 B CN105281363 B CN 105281363B
Authority
CN
China
Prior art keywords
mrow
msubsup
energy storage
power
natural gas
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.)
Active
Application number
CN201510657003.7A
Other languages
English (en)
Other versions
CN105281363A (zh
Inventor
王剑晓
钟海旺
夏清
康重庆
杨胜春
王珂
丁茂生
马军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Ningxia Electric Power Co Ltd
Original Assignee
Tsinghua University
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Ningxia Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua University, State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, State Grid Ningxia Electric Power Co Ltd filed Critical Tsinghua University
Priority to CN201510657003.7A priority Critical patent/CN105281363B/zh
Publication of CN105281363A publication Critical patent/CN105281363A/zh
Application granted granted Critical
Publication of CN105281363B publication Critical patent/CN105281363B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了计及用户消费粘性的多能源优化与控制方法，属于电力系统需求响应调度技术领域，包括：采集计及用户消费粘性的多能源优化与控制的用户基础数据；根据用户基础数据，构建计及用户消费粘性的多能源优化与控制的数学模型；优化数学模型，得到数学模型的优化结果；根据计及用户消费粘性的多能源优化与控制模型的优化结果，发出控制指令，使用电设备、储能设备和天然气设备按照指令工作。该方法可以应用于优化制定用户日前能源使用计划，也可以应用于安排用户实时能源调整计划。本发明将为家庭多能源系统提供优化与控制的科学依据，具有重要的现实意义和良好的应用前景。

Description

计及用户消费粘性的多能源优化与控制方法
技术领域
本发明属于电力系统需求响应调度技术领域，特别提供一种计及用户消费粘性的多能源优化与控制方法，用于优化用户多能源的使用计划，控制家庭能源设备的工作状态。
背景技术
需求响应是指电力市场中的用户针对市场价格信号或者激励机制做出响应，并改变正常电力消费模式的市场参与行为。实施需求响应，能够提高电力系统调峰调频能力，促进消纳间歇性新能源，实现电力资源的优化配置。
在传统需求响应项目中，用户参与需求响应的方式有两种：其一是削峰，即用户削减电价高峰时段负荷水平而不改变其他时段的用电状况。其二是移峰，即用户将高峰时段的负荷转移至低谷时段。这两种需求响应形式均改变用户习惯的用电方式，影响用户的用电效益。
能源危机和环境污染的双重压力促使国内外学者开始研究电、气、热等各种形式能源的综合利用。多能源系统为用户提供不同能源消费的选择，在不影响用户效益的条件下，用户可以以一种全新的方式参与需求响应：在电价高峰时段，将电能切换为天然气、储能等其他形式能源，从而在削减负荷水平的同时保证用户效益不受影响。在这样的背景下，多能源优化技术愈发重要。多能源优化技术以用户用能成本最小为目标函数，考虑多能源供需平衡及物理约束条件，满足用户效益的同时有效降低用户用能成本。
多能源系统的引入和多能源优化技术的发展有两方面的优势。对于电力系统调度而言，多能源优化技术极大丰富了需求侧响应资源，促使更多用户主动参与需求响应，有效降低电力系统高峰时段负荷水平，提升系统运行的安全性；对于需求侧用户而言，多能源系统为用户提供多能源优化的平台，用户可以在电价较高时选择使用天然气，在天然气价格较高时选择使用电能，在不影响用户用电效益的前提下，降低用户用能成本，提升用户经济效益。目前，国内外学者已经开展需求响应和多能源系统方面的研究和实践。在学术研究方面，(Bahrami S,Sheikhi A,From demand response in smart grid toward integrateddemand response in smart energy hub(智能能源枢纽中从需求响应到整合需求响应).IEEE Transactions on Smart Grid,2015.pp(99):1-9.)研究多能源系统的多能源优化问题，以天然气、电能为能源枢纽的能源输入，优化多能源的功率和用量，从而在不改变用户用能效用的前提下实现用户参与需求响应。在工程实践方面，美国能源部(DOE)于2001年提出了能源集成系统(Integrated Energy System,IES)发展计划，其研究重点是在保证能源系统运行可靠性的前提下，提高可再生能源在能源供应链中的比例，并加快CHP(Cooling,Heating&Power)等多能源集成技术在应用领域内的应用与推广。
消费粘性是指消费效用在时间上的相关性。粘性越高，表示用户越难以改变当前消费习惯。只有当经济效益达到粘性阈值时，用户才会选择改变消费习惯。在用户消费粘性研究方面，(Kirschen D S,Strbac G,Cumperayot P,Mendes D P,Factoring theelasticity of demand in electricity prices(在电力价格中考虑需求弹性因素).IEEETransactions on Power Systems,2000.15(2):612-617.)分析市场结构对需求弹性的影响，通过自弹性与交叉弹性矩阵描述消费者行为。研究中指出消费者消费行为具有非线性特性。(阮文骏,王蓓蓓,李扬,杨胜春,峰谷分时电价下的用户响应行为研究.电网技术,2012.36(7):86-93.)基于消费者心理学原理，建立峰谷分时电价下用户响应模型，通过历史数据利用最小二乘法拟合消费者粘性行为。
多能源系统和多能源优化技术对传统需求响应带来一定影响，合理利用、优化并控制多能源系统将进一步挖掘需求侧资源潜力，发挥需求响应优化资源配置的效益。然而，目前的研究多聚焦于智能电网中需求响应的调度技术，少有研究深入用户内部，考察用户的消费粘性，精细考虑用户权衡不同能源价格的内在经济驱动行为，难以为用户个体提供精确而实用的多能源优化使用计划和家庭能源设备控制方案。为此，迫切需要研究能够真实反映用户经济驱动行为的需求响应调度技术，为用户提供多能源的优化与控制方法。
发明内容
本发明的目的在于完善多能源系统中的需求响应调度技术，提出一种计及用户消费粘性的多能源优化与控制方法，从而为用户提供精细而实用的多能源优化使用计划和家庭能源设备控制方案。
本发明提出的一种计及用户消费粘性的多能源优化与控制方法，其特征在于：该方法包括以下步骤：
1)采集计及用户消费粘性的多能源优化与控制的用户基础数据；
所述用户基础数据是指电力价格序列、天然气价格序列、用户电负荷、用户热负荷、储能设备参数、用电设备参数、天然气设备参数、用户消费粘性曲线；
2)建立计及用户消费粘性的多能源优化与控制的数学模型；
所述计及用户消费粘性的多能源优化与控制的数学模型由目标函数和约束条件组成；
3)优化计及用户消费粘性的多能源优化与控制模型，得到数学模型的优化结果，即各时段各种能源的功率；
4)根据计及用户消费粘性的多能源优化与控制模型的优化结果，发出控制指令，使用户的用电设备、储能设备和天然气设备按照指令工作运行，等待下一个优化控制周期到来，返回步骤1)。
本发明的技术特点及有益效果：
本发明提出的计及用户消费粘性的多能源优化与控制方法，以天然气、电能和储能为研究对象，将用户负荷划分为热负荷和电负荷。其中，热负荷表示用户利用该负荷的热效应，如烹饪、热水、空调调温等；电负荷表示用户利用该负荷的电效应，如照明、电脑、洗衣机等。用户的热负荷由天然气、电能和储能供应，用户的电负荷由电能和储能供应。用户在不同电价、气价条件下选择使用何种能源及使用量，将由本发明提出的方法优化。
考虑用户存在自身习惯的用能方式，改变习惯用能方式需要克服用户的消费粘性。本文根据用户历史运行数据，利用最小二乘法拟合历史上价格与需求关联关系，从而获得不同电价和气价下满足用户热负荷的电能、天然气比例。
本发明提出的计及用户消费粘性的多能源优化与控制方法，以包括购电成本、购气成本以及储能设备运维成本最小化为目标，以用户负荷、电能约束、储能约束、天然气约束和消费粘性为约束条件，建立多能源优化模型，该模型本质为混合整数线性规划(mixedinteger linear programming,MILP)问题。
本发明提出的计及用户消费粘性的多能源优化与控制方法，将封装为可执行程序，写入用户的智能硬件终端中。智能硬件终端，将根据软件程序的多能源优化结果，发出对该用户用电设备的控制指令，从而实现多能源优化与控制。
附图说明
图1是本发明的计及用户消费粘性的多能源优化与控制方法的流程图；
图2(a)是本发明实施例中，采用的用户消费粘性曲线；
图2(b)是本发明实施例中，采用本发明进行优化，所得电负荷与电功率、储能设备功率的优化结果。
图2(c)是本发明实施例中，采用本发明进行优化，所得热负荷与电功率、储能设备功率、天然气功率的优化结果。
具体实施方式
本发明提出的计及用户消费粘性的多能源优化与控制方法结合附图及实施例说明如下：
本发明方法包括以下步骤：
1)采集计及用户消费粘性的多能源优化与控制的用户基础数据；
所述用户基础数据是指电力价格序列、天然气价格序列、用户电负荷、用户热负荷、储能设备参数、用电设备参数、天然气设备参数、用户消费粘性曲线；
所述电力价格序列、天然气价格序列为电力、天然气在控制周期的时间价格序列，一般选取一天24小时的价格序列；
所述储能设备参数包括储能设备运维成本系数、储能设备充电与放电的效率、储能设备充电与放电的最大功率、储能设备的自耗电率、储能设备容量；
所述用电设备参数包括用电设备最大与最小功率、用电设备功率改变速率限制；
所述天然气设备参数包括天然气效率、天然气设备的最大与最小功率、天然气设备功率改变速率限制、天然气设备用气量限制；
所述用户消费粘性曲线，该曲线可通过用户历史消费数据根据现有多种算法获取；
2)建立计及用户消费粘性的多能源优化与控制的数学模型；
所述计及用户消费粘性的多能源优化与控制的数学模型由目标函数和约束条件组成；
2-1)构建计及用户消费粘性的多能源优化与控制数学模型的目标函数，表达式如下：
该目标函数表示最小化用户在控制周期中总用能成本，包括购电成本、天然气成本和储能设备的运维成本；
式中表示用户购电成本；表示用户天然气成本；表示储能设备运维成本；T为控制周期的时段数；为时段t的电价；为时段t供应电负荷的电功率；为时段t供应热负荷的电功率；为时段t天然气的价格；为时段t的天然气燃烧功率；OMS为储能设备的运维成本系数，储能设备的运维成本与储能充放电电量成正比；为时段t储能设备的充电功率；为时段t储能设备供应电负荷的放电功率；为时段t储能设备供应热负荷的放电功率；其中， 是控制变量；
2-2)构建计及用户消费粘性的多能源优化与控制数学模型的约束条件，表达式分别如下：
2-2-1)电负荷约束条件
其中，为用户时段t电负荷；ηC、ηD分别为储能设备的充电效率和放电效率；该约束表示用户通过电能和储能满足用户电负荷；
2-2-2)热负荷约束条件
其中，为用户时段t热负荷；ηG为天然气利用效率；为天然气有效功率；该约束表示用户通过电能、储能和天然气满足用户热负荷；
2-2-3)电功率上下限约束条件
其中，分别为电功率下限和上限；该约束表示用电设备受到最小和最大用电功率的限制；
2-2-4)用电设备功率改变速率约束条件
其中，REd、REu分别为用电设备向下和向上改变功率的速率限制；该约束表示用电设备受到向下和向上改变功率的速率的限制；
2-2-5)充放电互斥约束条件
其中，分别为储能设备时段t处于充电和放电状态的整数变量，为控制变量；表示储能设备处于充电状态；表示储能设备处于放电状态；表示储能设备处于待机状态；该约束表示储能设备只能工作在充电状态，或放电状态，或待机状态；
2-2-6)储能充放电功率约束条件
其中，分别为储能设备充电最小功率和最大功率；分别为储能设备放电最小功率和最大功率；该约束表示储能设备的充放电功率存在上下限值；
2-2-7)储能容量约束条件
其中，ε为储能设备的自耗电率，ε表示储能设备处于待机状态时，储能电量单位时间内耗散的比例。TPS为储能设备容量上限；该约束表示在任意时刻储能设备储能电量不超过容量上限；
2-2-8)天然气燃烧功率上下限约束条件
其中，分别为天然气功率的下限和上限；该约束条件表示天然气燃烧功率受到天然气出气最小速率和最大速率的限制；
2-2-9)天然气燃烧功率改变速率约束条件
其中，RGd、RGu分别为天然气燃烧功率向下和向上改变速率限制值，根据一定时间内天然气设备可切换的不同档位的功率，该参数人为设定；该约束条件表示天然气燃烧功率的改变速率受到天然气出气速率的限制；
2-2-10)天然气容量约束条件
其中，为用户天然气最小用量，为用户天然气最大用量，根据用户每天天然气用量需求，人为设定该参数；该约束表示用户每天天然气用量的限制；
2-2-11)用户消费粘性约束条件
其中，分别为时段t热负荷中电功率与天然气功率的比值下限和上限；该约束表示用户对于切换不同能源的粘性行为；上下限可以从用户消费粘性曲线中提取；
3)采用CPLEX 12.4优化工具中的混合整数规划算法，优化计及用户消费粘性的多能源优化与控制模型，得到数学模型的优化结果，即各时段各种能源的功率；
4)根据计及用户消费粘性的多能源优化与控制模型的优化结果，发出控制指令，使用户的用电设备、储能设备和天然气设备按照指令工作运行，等待下一个优化控制周期到来，一般控制周期为一天24个小时，即24个时段，返回步骤1)。
下面结合附图及实施方式对本发明作进一步详细的说明。应当理解，此处所描述的具体实施方式可用以解释本发明，但并不限定本发明。
本发明提供了计及用户消费粘性的多能源优化与控制方法，如图1所示，具体实施方式如下：
1)采集用户基础数据；
所述用户基础数据是指电力价格序列、天然气价格序列、用户电负荷、用户热负荷、储能设备参数、用电设备参数、天然气设备参数、用户消费粘性曲线；
所述电力价格序列、天然气价格序列为电力、天然气在控制周期的时间序列，一般选取一天24小时的价格序列，控制周期为一天24小时，时段为24；
所述储能设备参数包括储能设备运维成本系数、储能设备充电与放电的效率、储能设备充电与放电的最大功率、储能设备的自耗电率、储能设备容量；
所述用电设备参数包括用电设备最大与最小功率、用电设备功率改变速率限制；
所述天然气设备参数包括天然气效率、天然气设备的最大与最小功率、天然气设备功率改变速率限制、天然气设备用气量限制；
所述用户消费粘性曲线，该曲线可通过用户历史消费数据根据现有多种算法获取；
所述用户负荷和价格数据如表1所示。
表1用户负荷和价格数据
时段 电负荷(kW) 电价(元/kWh) 时段 热负荷(kW) 气价(元/kWh)
1 5.44 0.31 1 2.57 0.272
2 5.92 0.31 2 2.60 0.272
3 5.82 0.31 3 2.55 0.272
4 5.88 0.31 4 2.66 0.272
5 5.84 0.31 5 2.70 0.272
6 6.14 0.31 6 2.91 0.272
7 6.06 0.47 7 3.01 0.272
8 6.02 0.70 8 2.88 0.272
9 6.84 0.70 9 2.87 0.272
10 6.72 0.70 10 2.76 0.272
11 6.82 0.47 11 3.08 0.272
12 6.74 0.47 12 3.38 0.272
13 6.58 0.47 13 3.30 0.272
14 6.46 0.47 14 2.69 0.272
15 6.48 0.47 15 2.80 0.272
16 6.56 0.47 16 2.75 0.272
17 6.62 0.47 17 3.32 0.272
18 6.64 0.70 18 3.33 0.272
19 6.82 0.70 19 3.35 0.272
20 8.00 0.70 20 3.86 0.272
21 7.04 0.70 21 3.48 0.272
22 6.78 0.70 22 3.45 0.272
23 6.46 0.31 23 3.10 0.272
24 5.82 0.31 24 2.92 0.272
用电设备和天然气设备参数如表2所示。
表2用电设备和天然气设备参数
电气参数 参数数值
最大电功率(kW) 8.8
最小电功率(kW) 0
电功率改变速率(kW/h) 5
最大天然气功率(kW) 10
最小天然气功率(kW) 0
天然气功率改变速率(kW/h) 3
天然气容量(kWh) 160
天然气效率 43％
储能设备参数如表3所示。
表3储能设备参数
储能参数 参数数值
运维成本(元/kWh) 0.01
充电效率 90％
放电效率 90％
最小充放电功率(kW) 0
最大充放电功率(kW) 2
自耗电率 0
储能容量(kWh) 30
2)建立计及用户消费粘性的多能源优化与控制的数学模型；
所述计及用户消费粘性的多能源优化与控制的数学模型由目标函数和约束条件组成；
2-1)构建计及用户消费粘性的多能源优化与控制数学模型的目标函数，表达式如下：
该目标函数表示最小化用户在控制周期中总用能成本，包括购电成本、天然气成本和储能设备的运维成本；表示用户购电成本；表示用户天然气成本；表示储能设备运维成本。T为控制周期内的时段数；为时段t的电价；为时段t供应电负荷的电功率；为时段t供应热负荷的电功率；为时段t天然气的价格；为时段t的天然气燃烧功率；OMS为储能设备的运维成本系数，储能设备的运维成本与储能充放电电量成正比；为时段t储能设备的充电功率；为时段t储能设备供应电负荷的放电功率；为时段t储能设备供应热负荷的放电功率。其中，是控制变量；
2-2)构建计及用户消费粘性的多能源优化与控制数学模型的约束条件，表达式分别如下：
2-2-1)电负荷约束条件
其中，为用户时段t电负荷；ηC、ηD分别为储能设备的充电效率和放电效率；该约束表示用户通过电能和储能满足用户电负荷；
2-2-2)热负荷约束条件
其中，为用户时段t热负荷；ηG为天然气利用效率；为天然气有效功率；该约束表示用户通过电能、储能和天然气满足用户热负荷；
2-2-3)电功率上下限约束条件
其中，分别为电功率下限和上限；该约束表示用电设备受到最小和最大用电功率的限制；
2-2-4)用电设备功率改变速率约束条件
其中，REd、REu分别为用电设备向下和向上改变功率的速率限制；该约束表示用电设备受到向下和向上改变功率的速率的限制；
2-2-5)充放电互斥约束条件
其中，分别为储能设备时段t处于充电和放电状态的整数变量，为控制变量；表示储能设备处于充电状态；表示储能设备处于放电状态；表示储能设备处于待机状态；该约束表示储能设备只能工作在充电状态，或放电状态，或待机状态；
2-2-6)储能充放电功率约束条件
其中，分别为储能设备充电最小功率和最大功率；分别为储能设备放电最小功率和最大功率；该约束表示储能设备的充放电功率存在上下限值；
2-2-7)储能容量约束条件
其中，ε为储能设备的自耗电率，该系数表示储能设备处于待机状态时，储能电量单位时间内耗散的比例。TPS为储能设备容量上限；该约束表示在任意时刻储能设备储能电量不超过容量上限；
2-2-8)天然气燃烧功率上下限约束条件
其中，分别为天然气功率的下限和上限；该约束条件表示天然气燃烧功率受到天然气出气最小速率和最大速率的限制；
2-2-9)天然气燃烧功率改变速率约束条件
其中，RGd、RGu分别为天然气燃烧功率向下和向上改变速率限制；该约束条件表示天然气燃烧功率的改变速率受到天然气出气速率的限制；
2-2-10)天然气容量约束条件
其中，为用户天然气最小用量，为用户天然气最大用量；该约束表示用户每天天然气用量的限制；
2-2-11)用户消费粘性约束条件
其中，分别为时段t热负荷中电功率与天然气功率的比值下限和上限；该约束表示用户对于切换不同能源的粘性行为；上下限可以从用户消费粘性曲线中提取；
3)采用CPLEX 12.4优化工具中的混合整数规划算法，优化计及用户消费粘性的多能源优化与控制模型，得到数学模型的优化结果，即各时段各种能源的功率；
4)根据计及用户消费粘性的多能源优化与控制模型的优化结果，发出控制指令，使用户的用电设备、储能设备和天然气设备按照指令工作运行，返回步骤1)。
至此，本发明所提方法实施完毕。
为体现本发明所提升的用户经济效益，表4对比展示了采用本实施例进行优化和直接用电用天然气的成本费用。其中，直接用电和用天然气是指，用户全部用电满足电负荷且全部用天然气满足热负荷。
表4采用本实施例进行优化和直接用电用天然气的成本费用对比
采用本发明优化 直接用电和用天然气
成本费用(元) 118.53 123.41
由图2(b)可知，用户通过直接用电和储能设备供电可以满足电负荷，在电力价格低谷时段，储能设备充电，在电力价格高峰时段，储能设备放电，实现移峰填谷，降低购电成本；由图2(c)可知，用户通过天然气能量和直接用电可以满足热负荷，在电力价格低谷时段，电价低于天然气价格，用户选择开始用电，在电力价格高峰时段，电价高于天然气价格，用户不使用电能，同时由于用户消费粘性的作用，天然气功率维持一定水平，不能通过电能完全替代天然气。采用本实施例优化，可以满足用户各个时段的电负荷和热负荷，通过多能源优化与控制，在不影响用户效用的前提下，降低用户的用能成本费用。
由以上具体实施例可见，本发明提出的计及用户消费粘性的多能源优化与控制方法在不影响用户效用的前提下，有效降低用户的用能成本费用，提升需求侧资源的经济效益。实施例说明本发明能够满足需求响应的实际要求，具有重要的现实意义和良好的应用前景。
值得一提的是，本发明所提出的实施步骤中的目标函数可根据需要灵活选择和定制，约束条件可以根据实际需求进行添加和删减，可扩展性强。因此，以上实施步骤仅用以说明而非限制本发明的技术方案。不脱离本发明精神和范围的任何修改或局部替换，均应涵盖在本发明的权利要求范围当中。

Claims (2)

1.一种计及用户消费粘性的多能源优化与控制方法，其特征在于：该方法包括以下步骤：
1)采集计及用户消费粘性的多能源优化与控制的用户基础数据；
所述用户基础数据是指电力价格序列、天然气价格序列、用户电负荷、用户热负荷、储能设备参数、用电设备参数、天然气设备参数、用户消费粘性曲线；
2)建立计及用户消费粘性的多能源优化与控制的数学模型；
所述计及用户消费粘性的多能源优化与控制的数学模型由目标函数和约束条件组成；
3)优化计及用户消费粘性的多能源优化与控制的数学模型，得到该数学模型的优化结果，即各时段各种能源的功率；
4)根据计及用户消费粘性的多能源优化与控制的数学模型的优化结果，发出控制指令，使用户的用电设备、储能设备和天然气设备按照指令工作运行，等待下一个优化控制周期到来，返回步骤1)；
所述步骤2)具体包括：
2-1)构建计及用户消费粘性的多能源优化与控制的数学模型的目标函数，表达式如下：
<mrow> <mtable> <mtr> <mtd> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </mtd> <mtd> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <mrow> <mo>(</mo> <msubsup> <mi>C</mi> <mi>E</mi> <mi>t</mi> </msubsup> <msubsup> <mi>P</mi> <mrow> <mi>E</mi> <mi>E</mi> </mrow> <mi>t</mi> </msubsup> <mo>+</mo> <msubsup> <mi>C</mi> <mi>E</mi> <mi>t</mi> </msubsup> <msubsup> <mi>P</mi> <mrow> <mi>E</mi> <mi>T</mi> </mrow> <mi>t</mi> </msubsup> <mo>)</mo> </mrow> <mo>+</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <msubsup> <mi>C</mi> <mi>G</mi> <mi>t</mi> </msubsup> <msubsup> <mi>P</mi> <mi>G</mi> <mi>t</mi> </msubsup> <mo>+</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <msub> <mi>OM</mi> <mi>S</mi> </msub> <mrow> <mo>(</mo> <msubsup> <mi>P</mi> <mrow> <mi>S</mi> <mi>C</mi> </mrow> <mi>t</mi> </msubsup> <mo>+</mo> <msubsup> <mi>P</mi> <mrow> <mi>S</mi> <mi>D</mi> <mi>E</mi> </mrow> <mi>t</mi> </msubsup> <mo>+</mo> <msubsup> <mi>P</mi> <mrow> <mi>S</mi> <mi>D</mi> <mi>T</mi> </mrow> <mi>t</mi> </msubsup> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
该目标函数表示最小化用户在控制周期中总用能成本，包括购电成本、天然气成本和储能设备的运维成本；
式中表示用户购电成本；表示用户天然气成本；表示储能设备运维成本；T为控制周期的时段数；为时段t的电价；为时段t供应电负荷的电功率；为时段t供应热负荷的电功率；为时段t天然气的价格；为时段t的天然气燃烧功率；OMS为储能设备的运维成本系数，储能设备的运维成本与储能充放电电量成正比；为时段t储能设备的充电功率；为时段t储能设备供应电负荷的放电功率；为时段t储能设备供应热负荷的放电功率；其中， 是控制变量；
2-2)构建计及用户消费粘性的多能源优化与控制的数学模型的约束条件，表达式分别如下：
2-2-1)电负荷约束条件
<mrow> <msubsup> <mi>P</mi> <mrow> <mi>D</mi> <mi>E</mi> </mrow> <mi>t</mi> </msubsup> <mo>=</mo> <msubsup> <mi>P</mi> <mrow> <mi>E</mi> <mi>E</mi> </mrow> <mi>t</mi> </msubsup> <mo>-</mo> <msubsup> <mi>P</mi> <mrow> <mi>S</mi> <mi>C</mi> </mrow> <mi>t</mi> </msubsup> <mo>/</mo> <msub> <mi>&amp;eta;</mi> <mi>C</mi> </msub> <mo>+</mo> <msubsup> <mi>P</mi> <mrow> <mi>S</mi> <mi>D</mi> <mi>E</mi> </mrow> <mi>t</mi> </msubsup> <msub> <mi>&amp;eta;</mi> <mi>D</mi> </msub> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
其中，为用户时段t电负荷；ηC、ηD分别为储能设备的充电效率和放电效率；该约束表示用户通过电能和储能满足用户电负荷；
2-2-2)热负荷约束条件
<mrow> <msubsup> <mi>P</mi> <mrow> <mi>D</mi> <mi>T</mi> </mrow> <mi>t</mi> </msubsup> <mo>=</mo> <msubsup> <mi>P</mi> <mrow> <mi>E</mi> <mi>T</mi> </mrow> <mi>t</mi> </msubsup> <mo>+</mo> <msubsup> <mi>P</mi> <mrow> <mi>S</mi> <mi>D</mi> <mi>T</mi> </mrow> <mi>t</mi> </msubsup> <msub> <mi>&amp;eta;</mi> <mi>D</mi> </msub> <mo>+</mo> <msubsup> <mi>P</mi> <mi>G</mi> <mi>t</mi> </msubsup> <msub> <mi>&amp;eta;</mi> <mi>G</mi> </msub> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
其中，为用户时段t热负荷；ηG为天然气利用效率；为天然气有效功率；该约束表示用户通过电能、储能和天然气满足用户热负荷；
2-2-3)电功率上下限约束条件
<mrow> <msubsup> <mi>P</mi> <mi>E</mi> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </msubsup> <mo>&amp;le;</mo> <msubsup> <mi>P</mi> <mrow> <mi>E</mi> <mi>E</mi> </mrow> <mi>t</mi> </msubsup> <mo>+</mo> <msubsup> <mi>P</mi> <mrow> <mi>E</mi> <mi>T</mi> </mrow> <mi>t</mi> </msubsup> <mo>&amp;le;</mo> <msubsup> <mi>P</mi> <mi>E</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msubsup> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
其中，分别为电功率下限和上限；该约束表示用电设备受到最小和最大用电功率的限制；
2-2-4)用电设备功率改变速率约束条件
<mrow> <mo>-</mo> <msub> <mi>R</mi> <mrow> <mi>E</mi> <mi>d</mi> </mrow> </msub> <mo>&amp;le;</mo> <mrow> <mo>(</mo> <msubsup> <mi>P</mi> <mrow> <mi>E</mi> <mi>E</mi> </mrow> <mrow> <mi>t</mi> <mo>+</mo> <mn>1</mn> </mrow> </msubsup> <mo>+</mo> <msubsup> <mi>P</mi> <mrow> <mi>E</mi> <mi>T</mi> </mrow> <mrow> <mi>t</mi> <mo>+</mo> <mn>1</mn> </mrow> </msubsup> <mo>)</mo> </mrow> <mo>-</mo> <mrow> <mo>(</mo> <msubsup> <mi>P</mi> <mrow> <mi>E</mi> <mi>E</mi> </mrow> <mi>t</mi> </msubsup> <mo>+</mo> <msubsup> <mi>P</mi> <mrow> <mi>E</mi> <mi>T</mi> </mrow> <mi>t</mi> </msubsup> <mo>)</mo> </mrow> <mo>&amp;le;</mo> <msub> <mi>R</mi> <mrow> <mi>E</mi> <mi>u</mi> </mrow> </msub> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
其中，REd、REu分别为用电设备向下和向上改变功率的速率限制；该约束表示用电设备受到向下和向上改变功率的速率的限制；
2-2-5)充放电互斥约束条件
<mrow> <mn>0</mn> <mo>&amp;le;</mo> <msubsup> <mi>u</mi> <mrow> <mi>S</mi> <mi>C</mi> </mrow> <mi>t</mi> </msubsup> <mo>+</mo> <msubsup> <mi>u</mi> <mrow> <mi>S</mi> <mi>D</mi> </mrow> <mi>t</mi> </msubsup> <mo>&amp;le;</mo> <mn>1</mn> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> </mrow>
其中，分别为储能设备时段t处于充电和放电状态的整数变量，为控制变量；表示储能设备处于充电状态；表示储能设备处于放电状态；表示储能设备处于待机状态；该约束表示储能设备只能工作在充电状态，或放电状态，或待机状态；
2-2-6)储能充放电功率约束条件
<mrow> <msubsup> <mi>u</mi> <mrow> <mi>S</mi> <mi>C</mi> </mrow> <mi>t</mi> </msubsup> <msubsup> <mi>P</mi> <mrow> <mi>S</mi> <mi>C</mi> </mrow> <mi>min</mi> </msubsup> <mo>&amp;le;</mo> <msubsup> <mi>P</mi> <mrow> <mi>S</mi> <mi>C</mi> </mrow> <mi>t</mi> </msubsup> <mo>&amp;le;</mo> <msubsup> <mi>u</mi> <mrow> <mi>S</mi> <mi>C</mi> </mrow> <mi>t</mi> </msubsup> <msubsup> <mi>P</mi> <mrow> <mi>S</mi> <mi>C</mi> </mrow> <mi>max</mi> </msubsup> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msubsup> <mi>u</mi> <mrow> <mi>S</mi> <mi>D</mi> </mrow> <mi>t</mi> </msubsup> <msubsup> <mi>P</mi> <mrow> <mi>S</mi> <mi>D</mi> </mrow> <mi>min</mi> </msubsup> <mo>&amp;le;</mo> <msubsup> <mi>P</mi> <mrow> <mi>S</mi> <mi>D</mi> <mi>E</mi> </mrow> <mi>t</mi> </msubsup> <mo>+</mo> <msubsup> <mi>P</mi> <mrow> <mi>S</mi> <mi>D</mi> <mi>T</mi> </mrow> <mi>t</mi> </msubsup> <mo>&amp;le;</mo> <msubsup> <mi>u</mi> <mrow> <mi>S</mi> <mi>D</mi> </mrow> <mi>t</mi> </msubsup> <msubsup> <mi>P</mi> <mrow> <mi>S</mi> <mi>D</mi> </mrow> <mi>max</mi> </msubsup> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>
其中，分别为储能设备充电最小功率和最大功率；分别为储能设备放电最小功率和最大功率；该约束表示储能设备的充放电功率存在上下限值；
2-2-7)储能容量约束条件
<mrow> <mn>0</mn> <mo>&amp;le;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>&amp;tau;</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>t</mi> </munderover> <mrow> <mo>(</mo> <msubsup> <mi>P</mi> <mrow> <mi>S</mi> <mi>C</mi> </mrow> <mi>t</mi> </msubsup> <mo>-</mo> <msubsup> <mi>P</mi> <mrow> <mi>S</mi> <mi>D</mi> <mi>E</mi> </mrow> <mi>t</mi> </msubsup> <mo>-</mo> <msubsup> <mi>P</mi> <mrow> <mi>S</mi> <mi>D</mi> <mi>T</mi> </mrow> <mi>t</mi> </msubsup> <mo>)</mo> </mrow> <msup> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mi>&amp;epsiv;</mi> <mo>)</mo> </mrow> <mrow> <mi>t</mi> <mo>-</mo> <mi>&amp;tau;</mi> </mrow> </msup> <mo>&amp;le;</mo> <msub> <mi>TP</mi> <mi>S</mi> </msub> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>9</mn> <mo>)</mo> </mrow> </mrow>
其中，ε为储能设备的自耗电率，ε表示储能设备处于待机状态时，储能电量单位时间内耗散的比例；TPS为储能设备容量上限；该约束表示在任意时刻储能设备储能电量不超过容量上限；
2-2-8)天然气燃烧功率上下限约束条件
<mrow> <msubsup> <mi>P</mi> <mi>G</mi> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </msubsup> <mo>&amp;le;</mo> <msubsup> <mi>P</mi> <mi>G</mi> <mi>t</mi> </msubsup> <mo>&amp;le;</mo> <msubsup> <mi>P</mi> <mi>G</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msubsup> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>10</mn> <mo>)</mo> </mrow> </mrow>
其中，分别为天然气功率的下限和上限；该约束条件表示天然气燃烧功率受到天然气出气最小速率和最大速率的限制；
2-2-9)天然气燃烧功率改变速率约束条件
<mrow> <mo>-</mo> <msub> <mi>R</mi> <mrow> <mi>G</mi> <mi>d</mi> </mrow> </msub> <mo>&amp;le;</mo> <msubsup> <mi>P</mi> <mi>G</mi> <mrow> <mi>t</mi> <mo>+</mo> <mn>1</mn> </mrow> </msubsup> <mo>-</mo> <msubsup> <mi>P</mi> <mi>G</mi> <mi>t</mi> </msubsup> <mo>&amp;le;</mo> <msub> <mi>R</mi> <mrow> <mi>G</mi> <mi>u</mi> </mrow> </msub> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>11</mn> <mo>)</mo> </mrow> </mrow>
其中，RGd、RGu分别为天然气燃烧功率向下和向上改变速率限制值；该约束条件表示天然气燃烧功率的改变速率受到天然气出气速率的限制；
2-2-10)天然气容量约束条件
<mrow> <msubsup> <mi>TP</mi> <mi>G</mi> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> </msubsup> <mo>&amp;le;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </munderover> <msubsup> <mi>P</mi> <mi>G</mi> <mi>t</mi> </msubsup> <mo>&amp;le;</mo> <msubsup> <mi>TP</mi> <mi>G</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msubsup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>12</mn> <mo>)</mo> </mrow> </mrow>
其中，为用户天然气最小用量，为用户天然气最大用量；该约束表示用户每天天然气用量的限制；
2-2-11)用户消费粘性约束条件
<mrow> <msubsup> <mi>&amp;alpha;</mi> <mrow> <mi>m</mi> <mi>i</mi> <mi>n</mi> </mrow> <mi>t</mi> </msubsup> <msubsup> <mi>P</mi> <mi>G</mi> <mi>t</mi> </msubsup> <msub> <mi>&amp;eta;</mi> <mi>G</mi> </msub> <mo>&amp;le;</mo> <msubsup> <mi>P</mi> <mrow> <mi>E</mi> <mi>T</mi> </mrow> <mi>t</mi> </msubsup> <mo>+</mo> <msubsup> <mi>P</mi> <mrow> <mi>S</mi> <mi>D</mi> <mi>T</mi> </mrow> <mi>t</mi> </msubsup> <msub> <mi>&amp;eta;</mi> <mi>D</mi> </msub> <mo>&amp;le;</mo> <msubsup> <mi>&amp;alpha;</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> <mi>t</mi> </msubsup> <msubsup> <mi>P</mi> <mi>G</mi> <mi>t</mi> </msubsup> <msub> <mi>&amp;eta;</mi> <mi>G</mi> </msub> <mo>,</mo> <mo>&amp;ForAll;</mo> <mi>t</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>13</mn> <mo>)</mo> </mrow> </mrow>
其中，分别为时段t热负荷中电功率与天然气功率的比值下限和上限；该约束表示用户对于切换不同能源的粘性行为；上下限可以从用户消费粘性曲线中提取。
2.如权利要求1所述的方法，其特征在于，步骤1)中所述电力价格序列、天然气价格序列为电力、天然气在控制周期的时间价格序列；
所述储能设备参数包括储能设备运维成本系数、储能设备充电与放电的效率、储能设备充电与放电的最大功率、储能设备的自耗电率、储能设备容量；
所述用电设备参数包括用电设备最大与最小功率、用电设备功率改变速率限制；
所述天然气设备参数包括天然气效率、天然气设备的最大与最小功率、天然气设备功率改变速率限制、天然气设备用气量限制；
所述用户消费粘性曲线，该曲线可通过用户历史消费数据根据现有多种算法获取。
CN201510657003.7A 2015-10-12 2015-10-12 计及用户消费粘性的多能源优化与控制方法 Active CN105281363B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510657003.7A CN105281363B (zh) 2015-10-12 2015-10-12 计及用户消费粘性的多能源优化与控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510657003.7A CN105281363B (zh) 2015-10-12 2015-10-12 计及用户消费粘性的多能源优化与控制方法

Publications (2)

Publication Number Publication Date
CN105281363A CN105281363A (zh) 2016-01-27
CN105281363B true CN105281363B (zh) 2017-10-31

Family

ID=55149909

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510657003.7A Active CN105281363B (zh) 2015-10-12 2015-10-12 计及用户消费粘性的多能源优化与控制方法

Country Status (1)

Country Link
CN (1) CN105281363B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107066757B (zh) * 2017-05-11 2021-04-27 宿州数据湖信息技术有限公司 一种大数据支持下产品模块化设计中的模块型谱优化设计方法
CN107730050A (zh) * 2017-10-31 2018-02-23 天津大学 一种面向家庭综合能源管理系统的鲁棒优化调度方法
CN108988342A (zh) * 2018-06-08 2018-12-11 浙江涌原新能科技股份有限公司 一种实时能源优化装置
CN108964054A (zh) * 2018-06-08 2018-12-07 浙江涌原新能科技股份有限公司 一种能源审计和在线能效管理装置
CN110544175A (zh) * 2019-07-11 2019-12-06 天津大学 一种面向家庭智能用电的多能源综合优化调度方法
CN111489193B (zh) * 2020-03-31 2023-08-15 杭州鸿晟电力设计咨询有限公司 一种电-气互联能源系统下用户价格响应特性的计算方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202872371U (zh) * 2012-09-13 2013-04-10 中国电力科学研究院 一种基于需求响应的能效直接监控装置
CN103346562B (zh) * 2013-07-11 2015-06-17 江苏省电力设计院 计及需求响应的多时间尺度微网能量控制方法
JP6233694B2 (ja) * 2013-09-27 2017-11-22 パナソニックＩｐマネジメント株式会社 エネルギー管理システム及び方法
CN103972896B (zh) * 2014-05-13 2015-09-09 国家电网公司 一种基于需求响应的负荷建模和优化控制方法
CN104537435B (zh) * 2014-12-18 2017-12-15 国家电网公司 基于用户侧经济性指标的分布式电源优化配置方法

Also Published As

Publication number Publication date
CN105281363A (zh) 2016-01-27

Similar Documents

Publication Publication Date Title
CN105281363B (zh) 计及用户消费粘性的多能源优化与控制方法
Nan et al. Optimal residential community demand response scheduling in smart grid
Rahim et al. Exploiting heuristic algorithms to efficiently utilize energy management controllers with renewable energy sources
CN109523052B (zh) 一种考虑需求响应和碳交易的虚拟电厂优化调度方法
CN108964098B (zh) 一种独立微电网系统容量优化配置方法
CN104200297A (zh) 实时电价环境下的家居混合供电系统能量优化调度方法
Sun et al. Building-group-level performance evaluations of net zero energy buildings with non-collaborative controls
Georgiou et al. Real-time energy convex optimization, via electrical storage, in buildings–a review
CN105931136A (zh) 一种融合需求侧虚拟储能系统的楼宇微网优化调度方法
CN107506851A (zh) 一种多区域虚拟电厂综合能源协调调度优化模型
Rajanna et al. Employing demand side management for selection of suitable scenario-wise isolated integrated renewal energy models in an Indian remote rural area
CN104158203A (zh) 一种微电网电源容量优化配置方法
Yao et al. Real-time energy management optimization for smart household
Li et al. Optimal design for component capacity of integrated energy system based on the active dispatch mode of multiple energy storages
CN109685332A (zh) 一种综合能源多主体利益均衡优化调度方法及设备
Oladeji et al. A genetic algorithm approach to energy consumption scheduling under demand response
Saravanan DSM in an area consisting of residential, commercial and industrial load in smart grid
Xu et al. Real-time multi-energy demand response for high-renewable buildings
CN111639819B (zh) 一种综合能源园区多阶段优化控制方法
Ren et al. Managing residential solar photovoltaic-battery systems for grid and life cycle economic and environmental co-benefits under time-of-use rate design
Liu et al. Capacity allocation for regional integrated energy system considering typical day economic operation
CN116154863A (zh) 考虑多类型灵活性资源协同互补的优化配置方法
Yang et al. Enhancing utilization of PV energy in building microgrids via autonomous demand response
CN104112168B (zh) 一种基于多代理系统的智能家居优化方法
Chen et al. A chance-constrained two-stage stochastic UC considering uncertain renewable energy output and demand response

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant