CN106096747A - 一种实时电价环境下计及多种不确定因素的太阳能辅助家庭能量管理方法 - Google Patents
一种实时电价环境下计及多种不确定因素的太阳能辅助家庭能量管理方法 Download PDFInfo
- Publication number
- CN106096747A CN106096747A CN201610174860.6A CN201610174860A CN106096747A CN 106096747 A CN106096747 A CN 106096747A CN 201610174860 A CN201610174860 A CN 201610174860A CN 106096747 A CN106096747 A CN 106096747A
- Authority
- CN
- China
- Prior art keywords
- scene
- energy
- load
- represent
- hvac
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 24
- 230000005611 electricity Effects 0.000 claims abstract description 51
- 230000005855 radiation Effects 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000005457 optimization Methods 0.000 claims abstract description 17
- 238000005096 rolling process Methods 0.000 claims abstract description 7
- 238000005516 engineering process Methods 0.000 claims abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 70
- 238000009826 distribution Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 15
- 238000005338 heat storage Methods 0.000 claims description 13
- 238000010438 heat treatment Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000007476 Maximum Likelihood Methods 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000005693 optoelectronics Effects 0.000 claims description 3
- 238000005057 refrigeration Methods 0.000 claims description 3
- 238000012614 Monte-Carlo sampling Methods 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 abstract description 8
- 238000000342 Monte Carlo simulation Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种实时电价环境下计及多种不确定因素的太阳能辅助家庭能量管理方法,首先将能量调度周期均分为多个时间段,用于模拟实时电价,并在此基础上构建太阳能辅助家庭用能系统模型;其次考虑用户舒适度偏好,在保证用户舒适度得到满足的前提下确定系统能量管理优化目标及约束条件;然后构建计及不确定性的实时电价模型、太阳能辐射模型和室外温度模型,采用蒙特卡洛仿真方法建立体现上述不确定性的大规模随机场景;最后采用场景削减技术排除低概率场景和聚类概率相当的场景,并针对每个场景采用两级随机规划方法对该场景中每一时间段的用电优化问题进行滚动求解。本发明方法适用于实时电价环境下家庭用能系统的能量管理。
Description
技术领域
本发明属于电力系统技术领域,涉及一种实时电价环境下计及多种不确定因素的太阳能辅助家庭能量管理方法。
背景技术
家用设备的能量管理已经在过去几年成为重要的研究热点,其研究工作主要以数学建模和方法求解为主。
大多数工作研究了固定电价模型下的负荷控制问题,固定电价即供电单位制定了不同时段的电量使用门槛值,并将该值传达给终端用户以帮助用户实现负荷调度,终端用户侧根据事先定义的不同设备的优先级来下达调度决策,因此期间并没有考虑实时电价的不确定性、室外温度对用能系统中供暖部分的影响以及不同类型的负荷需求。
发明内容
本发明要解决的技术问题是现有的家用设备的能量管理方法无法降低电费成本。
为解决上述技术问题,本发明采用的技术方案是:一种实时电价环境下计及多种不确定因素的太阳能辅助家庭能量管理方法,该方法包括以下步骤:
步骤1:将一天24小时作为一个能量调度周期,并将其均分为96个时间段,为每个时间段分配一个电价值,用于模拟实时电价,并在此基础上构建太阳能辅助家庭用能系统模型,该模型中电量成本信息为各时间段电价值与各时段用电量及各时间段的时间长度的乘积;
步骤2:考虑用户体感温度舒适度偏好,在保证家庭室内温度满足用户体感舒适度的前提下确定系统能量管理优化目标及约束条件,所述优化目标即将用电成本降到最低;
步骤3:构建计及不确定性的实时电价模型、太阳能辐射模型和室外温度模型,采用蒙特卡洛仿真方法建立体现上述不确定性的大规模随机场景;
步骤4:采用场景削减技术排除低概率场景和聚类概率相当的场景,并针对每个场景采用两级随机规划方法对该场景中每一时间段的用电优化问题进行滚动求解。
进一步的,所述步骤1中,太阳能辅助家庭用能系统模型包括太阳能光伏光热一体机、蓄电池、蓄热水箱、辅助加热器以及四类可控负荷;
可控负荷包括HVAC系统、可中断可延迟负荷、不可中断可延迟负荷、不可中断不可延迟负荷;定义A为所有可控设备的集合,A1代表HVAC,A2表示可间断可延迟负荷,A3表示不可间断可延迟负荷,A4表示不可间断不可延迟负荷,则A=A1∪A2∪A3∪A4。
所述太阳能光伏光热一体机包括发电组件和集热组件,发电组件利用光电转换将太阳能转变为电能,并存储到蓄电池中;集热组件收集太阳能并将其转化为蓄热水箱的热能;
设场景s下时段t的太阳能光伏光热一体机的集热功率为:
其中表示场景s中太阳能光伏光热一体机集热部分的转换效率,Asl为太阳能光伏光热一体机集热部分的面积; 和分别为场景s下时段t的太阳辐射值、集热器温度和室外温度值;为太阳能光伏光热一体机集热部分的初始效率,G为太阳常数;
场景s下时段t的太阳能光伏光热一体机的发电功率为:
其中表示场景s中太阳能光伏光热一体机发电部分的转换效率;Asle为太阳能光伏光热一体机发电部分的光伏板面积;
所述蓄热水箱从太阳能光伏光热一体机和辅助加热器吸收能量,并将能量供给HVAC系统,以满足用户的热水需求;场景s中时刻t时的水箱温度在区间τ上的离散形式表示为:
其中Uwt为由于水箱热辐射产生的热损失因子;Awt为水箱热损失相关的周围面积;Cwt为水箱的储热容量; 分别为场景s中时刻t时的水箱温度和室内温度; 分别为场景s中时刻t时的加热器功率、太阳能光伏光热一体机集热功率、热水的能量需求和HVAC系统从储热水箱中获得的热量;
场景s中时刻t时水箱的水温约束为:
其中和分别为水箱水温规定的上下限;
所述辅助加热器为后备热源;该辅助加热器场景s中时刻t时的功率消耗约束条件为:
为场景s中时刻t时加热器的开关状态变量;和分别为加热器的最小、最大输出功率;
所述HVAC系统即暖通空调,其运行要求为当室内有人员活动时,在运行时间段[αHAVC,βHAVC]维持室内温度在预定范围内即满足:
其中为场景s中时刻t时的室内温度;其场景s的离散形式为:
其中Ra为房间的等效热阻;Cr为房间的热容量;ηw为太阳辐射透过窗户的效率;Aw房间有效窗户面积;σ取1时表示制冷模式,取-1时表示制热模式; 分别为场景s中时刻t时的室内温度、室外温度及HVAC对室内的热传递量;
上式表明每个时间段的室内温度之间都存在内在联系,并且值依赖于HVAC的热传递量、室外温度太阳辐射量
当传热为pu,t时,HVAC需要消耗功率pHAVC;所传热pu,t与消耗的电能之间的比例用HAVC的COP值表示,即COP=pu,t/pHAVC;
定义COPa和COPc分别为系统独立运行时和配备了储热设备联合运行时的COP;当HVAC系统工作在独立运行模式时,pu=COPapHVAC;当HVAC系统工作在联合运行模式时,其所需的一部分能量来源于储热水箱,可表示为:
pu=COPa(pHVAC+psh)=COPcpHVAC
因此,HVAC系统的约束条件为:
其中 和分别为场景s中时刻t时HVAC系统从储热水箱中获得的热量、独立运行和联合运行时HVAC消耗的功率、独立运行和联合运行时HVAC的启停控制变量; 分别代表HVAC的上下限功率值;
场景s中时刻t时的HVAC系统的电量消耗可表示为:
储热水箱提供的能量为:
在一个单位时间间隔中太阳能辅助HVAC-热水系统的电量总消耗来自于水箱的辅助加热器的电量消耗与HVAC的电量消耗,即
进一步的,所述步骤2中的优化目标函数如下:
其中ρs表示场景s的概率,用于计算整个调度周期的预期成本,表示负荷i在时间段t0的电量消耗,表示t0时的电价,表示场景s下时间段t时的电量消耗,表示场景s中时间段t时的电价,τ为单个时间段时长,NS为场景总数,N为总时间段个数,即96个;
所述约束条件包括太阳能光伏光热一体机发电功率和集热功率约束、太阳能光伏光热一体机发电效率和集热效率约束、蓄热水箱水温约束、HVAC制冷/制热温度约束、室温约束、HVAC上下限功率约束、HVAC工作模式约束、HVAC电量消耗约束、公共耦合点功率约束、能量调度周期总电能消耗约束、设备关停次数约束、可中断可延迟负荷约束、不可中断可延迟负荷约束、不可中断不可延迟负荷约束;
所述公共耦合点功率约束:
其中是场景s中时刻t的不可控负荷的总功率消耗;为电网交换功率极限值;
所述能量调度周期总电能消耗约束:
其中为每小时δ的能量消耗的限制;K表示每小时中时间间隔的数量;
所述设备关停次数约束:
其中为负荷设备i在场景s中时刻t时工作状态;为负荷设备i在场景s中时刻t时为开启状态;zi,t为负荷设备在场景s中时刻t为关停状态;Li表示负荷设备i改变状态的最大次数;αi、βi分别为负荷i的运行起始和终止时间;
所述可中断可延迟负荷约束:
其中表示βi时刻负荷i存储的能量;Eid表示负荷i的充电需求;表 示充电效率;表示负荷i所需能量(kWh)的下(上)限值,表示场景s中时间t时负荷i的存储能量;
所述不可中断可延迟负荷约束:
其中Hi表示负荷i运行的时间段数量,为场景s中时刻t时负荷i的开关状态变量;
所述不可中断不可延迟负荷约束:
4.进一步的,所述步骤3中,所述实时电价模型如下:
时刻t时的电价可表示为:
其中表示前一天的电价值或估计值,可由聚合器提供或由嵌入到家庭能量管理系统的电价估计算法得到;表示由已知的概率密度函数(pdf)得到的电价预测误差;分析历史实时电价数据,电价的预测误差服从柯西分布,其概率密度函数为:
其中参数aλ为分布峰值位置的位置参数,参数bλ为最大值一半处的一半宽度的尺度参数;aλ和bλ可利用最大似然估计方法由历史数据进行曲线拟合。
所述太阳能辐射模型中的太阳辐射值服从贝塔分布,分析历史太阳辐射数据得到:
其中aI和bI分别为贝塔分布的相关参数,可利用最大似然估计方法由历史数据进行曲线拟合计算得到;I0为初始时刻太阳辐射值;
所述室外温度模型如下:
场景s中时刻t时的室外温度表示为:
其中表示室外温度的预测值,表示室外温度的不确定部分,服从 高斯分布:
其中σN、μ分别为高斯分布的位置参数和幅度参数;
然后采取蒙特卡洛抽样方法产生能够体现上述不确定性因素的不同场景;所述不确定因素包括电价预测误差,太阳辐射值,室外温度和不可控负荷的功率消耗;所说场景数量在一千以上。
进一步的,所述步骤4中,对下述每一时刻t0的滚动优化问题进行重复计算的公式如下:
其中ρs表示场景s的概率,用于计算整个调度周期的预期成本,表示负荷i在时间段t0的电量消耗,表示t0时的电价,表示场景s下时间段t时的电量消耗,表示场景s中时间段t时的电价,τ为单个时间段时长,NS为场景总数,N为总时间段个数,即96个。
本发明的优点是:(1)和现有的家庭用能系统能量管理方法相比,本发明提出的方法中突出考虑了用户对体感温度舒适度的要求,并以此为前提优化能量调度,规划家庭负荷的使用。(2)和现有的家庭用能系统的能量管理方法相比,本发明提出的方法适用于实时电价环境,并且计及多种不确定因素,包括电价不确定性、太阳辐射量不确定性及室外温度不确定性,因而提出的能量调度管理方法在实时电价环境下更具实用性和准确性。(3)和现有的家庭用能系统的能量管理方法相比,本发明提出的方法中考虑的负荷类型更为全面,针对可实现优化调度的可控负荷类型,又按是否可延迟性,是否可中断性特性进行更细致的负荷划分,并以此为依据进行不同类型负荷的优化控制。
附图说明
图1为本发明方法流程图。
图2为本发明提供的太阳能辅助家庭能量管理系统中HVAC-热水系统的结构组成图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
如图1-2所示,本发明提出了一种实时电价环境下的太阳能辅助家庭用能系统的能量调度管理方法。其中该用能系统包括太阳能辅助HVAC系统和热水系统。在保证用户体感舒适度的前提下,能量调度管理方法选择电费总值最低为优化目标,并考虑了不同性质的多种负荷和电价、太阳辐射值的不确定性,对系统热动态特性进行精细化建模。对实时电价环境下家庭用能系统的能量管理提供一定的指导意见。
本实施例的主要思路是,首先将能量调度周期均分为多个时间段,用于模拟实时电价,并在此基础上构建太阳能辅助家庭用能系统模型;其次考虑用户舒适度偏好,在保证用户舒适度得到满足的前提下确定系统能量管理优化目标及约束条件;然后构建计及不确定性的实时电价模型、太阳能辐射模型和室外温度模型,采用蒙特卡洛仿真方法建立体现上述不确定性的大规模随机场景;最后采用场景削减技术排除低概率场景和聚类概率相当的场景,并针对每个场景采用两级随机规划方法对该场景中每一时间段上的优化问题进行滚动求解。
在本发明实施例中,步骤1的具体过程如下:
太阳能辅助家庭用能系统模型包括太阳能光伏光热一体机、蓄热水箱、辅助加热器以及不同类型的可控负荷。
可控负荷分为HVAC系统、可中断可延迟负荷、不可中断可延迟负荷、不可中断不可延迟负荷四类。定义A为所有可控设备的集合,A1代表HVAC,A2表示可间断可延迟负荷,A3表示不可间断可延迟负荷,A4表示不可间断不可延迟负荷,则A=A1∪A2∪A3∪A4。
1)太阳能光伏光热一体机:
太阳能由光伏光热一体机由发电组件和集热组件构成,发电组件利用光电转换将太阳能转变为电能,并存储到蓄电池中,以减少HVAC系统对电网电量的需求;集热组件收集太阳能并将其转化为水箱的热能。
设场景s下时段t的太阳能光伏光热一体机的集热功率可由下式计算:
其中表示场景s中太阳能光伏光热一体机集热部分的转换效率,不是定值,与室外温度及太阳参数G有关;Asl为太阳能光伏光热一体机集热部分的面积;和分别为场景s下时段t的太阳辐射值和室外温度值;为太阳能光伏光热一体机集热部分的初始效率;为经验值。
场景s下时段t的太阳能光伏光热一体机的发电功率可由下式计算:
其中表示场景s中太阳能光伏光热一体机发电部分的转换效率;Asle为太阳能光伏光热一体机发电部分的光伏板面积。
2)蓄热水箱:
采用一阶单层模型描述水箱的热动态特征。该模型建立在能量平衡方程的基础之上,水箱从太阳能光伏光热一体机、后备辅助加热器吸收能量,并将能量供给HVAC并满足用户的热水需求。场景s中时刻t时的水箱温度在区间τ上的离散形式表示为:
其中Uwt为由于水箱热辐射产生的热损失因子;Awt为水箱热损失相关的周围面积;Cwt为水箱的储热容量; 分别为场景s中时刻t时的水箱温度和室内温度; 分别为场景s中时刻t时的加热器功率、太阳能光伏光热一体机集热功率、热水的能量需求和HVAC系统从储热水箱中获得的热量。
水箱的水温约束为:
其中和分别为水箱水温规定的上下限。
3)辅助加热器:
为了应对太阳能输出随机性的影响,水箱采用了电辅助加热作为后备热源。该辅助加热器的功率消耗约束条件为:
为场景s中时刻t时加热器的开关状态变量;和分别为加热器的最小、最大输出功率。
4)暖通空调HVAC:
对暖通空调的运行要求为当室内有人员活动时,在运行时间段[αHAVC,βHAVC]维持室内温度在预定范围内即满足:
其中为场景s中时刻t时的室内温度。其场景s的离散形式为:
其中Ra为房间的等效热阻;Cr为房间的热容量;ηw为太阳辐射透过窗户的效率;Aw房间有效窗户面积;σ表示制冷(1)或制热(-1)模式; 分别为场景s中时刻t时的室内温度、室外温度及热传递。
每个时间段的室内温度Tr之间都存在内在联系,并且Tr值依赖于对HVAC的供能、室外温度To、太阳辐射量I及其他建筑参数。
当传热为pu,t时,HVAC需要消耗功率pHAVC。所传热pu,t与消耗的电能之间的比例用HAVC的COP值表示,即COP=pu,t/pHAVC。
通过使用储热设备为HVAC供能,可极大提高系统的COP值。定义COPa和COPc分别为系统独立运行时和配备了储热设备联合运行时的COP。当HVAC工作在独立运行模式时,pu=COPapHVAC。当HVAC工作在联合运行模式时,其所需的一部分能量来源于储热水箱,可表示为
pu=COPa(pHVAC+psh)=COPcpHVAC
因此,HVAC系统的约束条件为:
其中 和分别为场景s中时刻t时HVAC系统从储热水箱中获得的热量、独立运行和联合运行时HVAC消耗的功率、独立运行和联合运行时HVAC的启停控制变量; 分别代表HVAC的上下限功率值。
场景s中时刻t时的HVAC系统的电量消耗可表示为:
储热水箱提供的能量为:
最后,在一个单位时间间隔中太阳能辅助HVAC-热水系统的电量总消耗来自于水箱的后备加热器的电量消耗与HVAC的电量消耗,即
在本发明实施例中,步骤2的具体过程如下:
(1)优化目标函数:
其中ρs表示场景s的概率,用于计算整个调度周期的预期成本,表示负荷i在时间段t0的电量消耗,表示t0时的电价,表示场景s下时间段t时的电量消耗,表示场景s中时间段t时的电价。
(2)公共耦合点功率约束:
其中是场景s中时刻t的不可控负荷的总功率消耗;为电网交换功率极限值。
(3)能量调度周期总电能消耗约束:
其中为每小时δ的能量消耗的限制;K表示每小时中时间间隔的数量。
(4)设备关停次数约束:
其中为负荷设备i在场景s中时刻t时工作状态;为负荷设备i在场景s中时刻t时为开启状态;zi,t为负荷设备在场景s中时刻t为关停状态;Li表示负荷设备i改变状态的最大次数;αi、βi分别为负荷i的运行起始和终止时间。
(5)可中断可延迟负荷约束(以电动汽车为例):Ei,βi≥Eid;
其中Ei,βi表示βi时刻负荷i(电动汽车)存储的能量;Eid表示负荷i(电动汽车)的充电需求;表示充电效率;表示负荷i(电动汽车)所需能量(kWh)的下(上)限值,表示场景s中时间t时负荷i(电动汽车)的存储能量。
(6)不可中断可延迟负荷约束:
其中Hi表示负荷i运行的时间段数量。
(7)不可中断不可延迟负荷约束:
在本发明实施例中,步骤3的具体过程如下:
(1)实时电价模型
考虑实时电价的不确定性,时刻t时的电价可表示为:
其中表示前一天的电价值或估计值,可由聚合器提供或由嵌入到家庭能量管理系统的电价估计算法得到。表示由已知的概率密度函数(pdf)得到的电 价预测误差。假定电价的预测误差服从柯西分布,其概率密度函数为:
其中参数aλ为分布峰值位置的位置参数,参数bλ为最大值一半处的一半宽度的尺度参数。aλ和bλ可利用最大似然估计方法由历史数据进行曲线拟合。
(2)太阳能辐射模型
太阳辐射值由于依赖天气情况也存在不确定性,假定太阳辐射值服从贝塔分布:
其中aI和bI分别为贝塔分布的相关参数,可利用最大似然估计方法由历史数据进行曲线拟合计算得到;I0为初始时刻太阳辐射值。
(3)室外温度模型
场景s中时刻t时的室外温度表示为:
其中表示室外温度的预测值,表示室外温度的不确定部分,假定服从高斯分布:
其中σN、μ分别为高斯分布的位置参数和幅度参数。
然后采取蒙特卡洛仿真方法产生能够体现上述不确定性因素(电价预测误差,太阳辐射值,室外温度和不可控负荷的功率消耗)的不同场景。一般而言,场景数量需要足够大才能保证能量调度模型的有效性。
在本发明实施例中,步骤4的具体过程如下:
对下述每一时刻t0的滚动优化问题进行重复计算:
s.t.太阳能辅助HVAC-热水系统约束;系统约束;剩余可控负荷约束;
该问题为混合整数规划,利用CPLEX求解,并假定问题具有可行解,即电网的交换功率和电量限制(和)足够大。
由于蒙特卡洛法产生了大量的随机场景,但是庞大的场景数量会提升计算的复杂性。因此,对于一个大规模问题而言,需要利用场景缩减方法排除一些低概率场景,聚类概率相当的场景,以减轻计算的负担。可利用GAMS/SCENRED软件产生/减少场景的集合。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围当中。
Claims (7)
1.一种实时电价环境下计及多种不确定因素的太阳能辅助家庭能量管理方法,其特征在于,该方法包括以下步骤:
步骤1:将一天24小时作为一个能量调度周期,并将其均分为96个时间段,为每个时间段分配一个电价值,用于模拟实时电价,并在此基础上构建太阳能辅助家庭用能系统模型,该模型中电量成本信息为各时间段电价值与各时段用电量及各时间段的时间长度的乘积;
步骤2:考虑用户体感温度舒适度偏好,在保证家庭室内温度满足用户体感舒适度的前提下确定系统能量管理优化目标及约束条件,所述优化目标即降低用电成本;
步骤3:构建计及不确定性的实时电价模型、太阳能辐射模型和室外温度模型,采用蒙特卡洛仿真方法建立体现上述不确定性的大规模随机场景;
步骤4:采用场景削减技术排除低概率场景和聚类概率相当的场景,并针对每个场景采用两级随机规划方法对该场景中每一时间段的用电优化问题进行滚动求解。
2.如权利要求1所述的实时电价环境下计及多种不确定因素的太阳能辅助家庭能量管理方法,其特征在于,所述步骤1中,太阳能辅助家庭用能系统模型包括太阳能光伏光热一体机、蓄电池、蓄热水箱、辅助加热器以及四类可控负荷;
可控负荷包括HVAC系统、可中断可延迟负荷、不可中断可延迟负荷、不可中断不可延迟负荷;定义A为所有可控设备的集合,A1代表HVAC,A2表示可间断可延迟负荷,A3表示不可间断可延迟负荷,A4表示不可间断不可延迟负荷,则A=A1∪A2∪A3∪A4。
3.所述太阳能光伏光热一体机包括发电组件和集热组件,发电组件利用光电转换将太阳能转变为电能,并存储到蓄电池中;集热组件收集太阳能并将其转化为蓄热水箱的热能;
设场景s下时段t的太阳能光伏光热一体机的集热功率为:
其中表示场景s中太阳能光伏光热一体机集热部分的转换效率,Asl为太阳能光伏光热一体机集热部分的面积;和分别为场景s下时段t的太阳辐射值、集热器温度和室外温度值;为太阳能光伏光热一体机集热部分的初始效率,G为太阳常数;
场景s下时段t的太阳能光伏光热一体机的发电功率为:
其中表示场景s中太阳能光伏光热一体机发电部分的转换效率;Asle为太阳能光伏光热一体机发电部分的光伏板面积;
所述蓄热水箱从太阳能光伏光热一体机和辅助加热器吸收能量,并将能量供给HVAC系统,以满足用户的热水需求;场景s中时刻t时的水箱温度在区间τ上的离散形式表示为:
其中Uwt为由于水箱热辐射产生的热损失因子;Awt为水箱热损失相关的周围面积;Cwt为水箱的储热容量;分别为场景s中时刻t时的水箱温度和室内温度;分别为场景s中时刻t时的加热器功率、太阳能光伏光热一体机集热功率、热水的能量需求和HVAC系统从储热水箱中获得的热量;
场景s中时刻t时水箱的水温约束为:
其中和分别为水箱水温规定的上下限;
所述辅助加热器为后备热源;该辅助加热器场景s中时刻t时的功率消耗约束条件为:
为场景s中时刻t时加热器的开关状态变量;和分别为加热器的最小、最大输出功率;
所述HVAC系统即暖通空调,其运行要求为当室内有人员活动时,在运行时间段
[αHAVC,βHAVC]维持室内温度在预定范围内即满足:
其中为场景s中时刻t时的室内温度;其场景s的离散形式为:
其中Ra为房间的等效热阻;Cr为房间的热容量;ηw为太阳辐射透过窗户的效率;Aw房间有效窗户面积;σ取1时表示制冷模式,取-1时表示制热模式;
分别为场景s中时刻t时的室内温度、室外温度及HVAC对室内的热传递量;
上式表明每个时间段的室内温度之间都存在内在联系,并且值依赖于HVAC的热传递量、室外温度太阳辐射量
当传热为pu,t时,HVAC需要消耗功率pHAVC;所传热pu,t与消耗的电能之间的比例用HAVC的COP值表示,即COP=pu,t/pHAVC;
定义COPa和COPc分别为系统独立运行时和配备了储热设备联合运行时的COP;当HVAC系统工作在独立运行模式时,pu=COPapHVAC;当HVAC系统工作在联合运行模式时,其所需的一部分能量来源于储热水箱,可表示为:
pu=COPa(pHVAC+psh)=COPcpHVAC
因此,HVAC系统的约束条件为:
其中和分别为场景s中时刻t时HVAC系统从储热水箱中获得的热量、独立运行和联合运行时HVAC消耗的功率、独立运行和联合运行时HVAC的启停控制变量;分别代表HVAC的上下限功率值;
场景s中时刻t时的HVAC系统的电量消耗可表示为:
储热水箱提供的能量为:
在一个单位时间间隔中太阳能辅助HVAC-热水系统的电量总消耗来自于水箱的辅助加热器的电量消耗与HVAC的电量消耗,即
4.如权利要求1所述的实时电价环境下计及多种不确定因素的太阳能辅助家庭能量管理方法,其特征在于,所述步骤2中的优化目标函数如下:
其中ρs表示场景s的概率,用于计算整个调度周期的预期成本,表示负荷i在时间段t0 的电量消耗,表示t0时的电价,表示场景s下时间段t时的电量消耗,表示场景s中时间段t时的电价,τ为单个时间段时长,NS为场景总数,N为总时间段个数,即96个;所述约束条件包括太阳能光伏光热一体机发电功率和集热功率约束、太阳能光伏光热一体机发电效率和集热效率约束、蓄热水箱水温约束、HVAC制冷/制热温度约束、室温约束、HVAC上下限功率约束、HVAC工作模式约束、HVAC电量消耗约束、公共耦合点功率约束、能量调度周期总电能消耗约束、设备关停次数约束、可中断可延迟负荷约束、不可中断可延迟负荷约束、不可中断不可延迟负荷约束;
所述公共耦合点功率约束:
其中是场景s中时刻t的不可控负荷的总功率消耗;为电网交换功率极限值;
所述能量调度周期总电能消耗约束:δ=1,2,...,24
其中为每小时δ的能量消耗的限制;K表示每小时中时间间隔的数量;
所述设备关停次数约束:
其中为负荷设备i在场景s中时刻t时工作状态;为负荷设备i在场景s中时刻t时为开启状态;zi,t为负荷设备在场景s中时刻t为关停状态;Li表示负荷设备i改变状态的最大次数;αi、βi分别为负荷i的运行起始和终止时间;
所述可中断可延迟负荷约束:
其中表示βi时刻负荷i存储的能量;Eid表示负荷i的充电需求;表示充电效率;表示负荷i所需能量(kWh)的下(上)限值,表示场景s中时间t时负荷i的存储能量;所述不可中断可延迟负荷约束:
其中Hi表示负荷i运行的时间段数量,为场景s中时刻t时负荷i的开关状态变量;
所述不可中断不可延迟负荷约束:
5.如权利要求1所述的实时电价环境下计及多种不确定因素的太阳能辅助家庭能量管理方法,其特征在于,所述步骤3中,所述实时电价模型如下:
时刻t时的电价可表示为:
其中表示前一天的电价值或估计值,可由聚合器提供或由嵌入到家庭能量管理系统的电价估计算法得到;表示由已知的概率密度函数(pdf)得到的电价预测误差;分析历史实时电价数据,电价的预测误差服从柯西分布,其概率密度函数为:
其中参数aλ为分布峰值位置的位置参数,参数bλ为最大值一半处的一半宽度的尺度参数;aλ和bλ可利用最大似然估计方法由历史数据进行曲线拟合。
6.所述太阳能辐射模型中的太阳辐射值服从贝塔分布,分析历史太阳辐射数据得到:
其中aI和bI分别为贝塔分布的相关参数,可利用最大似然估计方法由历史数据进行曲线拟合计算得到;I0为初始时刻太阳辐射值;
所述室外温度模型如下:
场景s中时刻t时的室外温度表示为:
其中表示室外温度的预测值,表示室外温度的不确定部分,服从高斯分布:
其中σN、μ分别为高斯分布的位置参数和幅度参数;
然后采取蒙特卡洛抽样方法产生能够体现上述不确定性因素的不同场景;所述不确定因素包括电价预测误差,太阳辐射值,室外温度和不可控负荷的功率消耗;所说场景数量在一千以上。
7.如权利要求1所述的实时电价环境下计及多种不确定因素的太阳能辅助家庭能量管理方法,其特征在于,所述步骤4中,对下述每一时刻t0的滚动优化问题进行重复计算的公式如下:
其中ρs表示场景s的概率,用于计算整个调度周期的预期成本,表示负荷i在时间段t0 的电量消耗,表示t0时的电价,表示场景s下时间段t时的电量消耗,表示场景s中时间段t时的电价,τ为单个时间段时长,NS为场景总数,N为总时间段个数,即96个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610174860.6A CN106096747B (zh) | 2016-03-25 | 2016-03-25 | 一种实时电价环境下计及多种不确定因素的太阳能辅助家庭能量管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610174860.6A CN106096747B (zh) | 2016-03-25 | 2016-03-25 | 一种实时电价环境下计及多种不确定因素的太阳能辅助家庭能量管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106096747A true CN106096747A (zh) | 2016-11-09 |
CN106096747B CN106096747B (zh) | 2022-07-01 |
Family
ID=58702331
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610174860.6A Active CN106096747B (zh) | 2016-03-25 | 2016-03-25 | 一种实时电价环境下计及多种不确定因素的太阳能辅助家庭能量管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106096747B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563674A (zh) * | 2017-10-09 | 2018-01-09 | 清华大学 | 一种考虑管道动态特性的电‑热耦合系统状态估计方法 |
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 |
CN107844866A (zh) * | 2017-11-21 | 2018-03-27 | 云南电网有限责任公司玉溪供电局 | 一种基于帝国主义竞争算法的家庭智能用电管理方法 |
CN110118382A (zh) * | 2019-04-15 | 2019-08-13 | 天津大学 | 一种换热站通用的运行调节策略识别评价方法 |
CN110289623A (zh) * | 2019-06-13 | 2019-09-27 | 天津大学 | 一种基于滚动优化的家庭能量管理分布式鲁棒调度方法 |
CN113465190A (zh) * | 2021-06-18 | 2021-10-01 | 国网江苏省电力有限公司电力科学研究院 | 一种太阳能分级供热系统及控制方法 |
CN116544955A (zh) * | 2023-07-03 | 2023-08-04 | 阳光慧碳科技有限公司 | 负荷调控方法、装置和系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104182809A (zh) * | 2014-08-29 | 2014-12-03 | 国家电网公司 | 一种家庭智能用电系统的优化方法 |
CN104200297A (zh) * | 2014-07-11 | 2014-12-10 | 浙江大学 | 实时电价环境下的家居混合供电系统能量优化调度方法 |
CN104218574A (zh) * | 2014-08-29 | 2014-12-17 | 国家电网公司 | 反映太阳辐射强度变化特性的光伏出力随机模型建模方法 |
CN105023070A (zh) * | 2015-08-12 | 2015-11-04 | 河海大学常州校区 | 一种光伏系统输出功率预测方法 |
-
2016
- 2016-03-25 CN CN201610174860.6A patent/CN106096747B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104200297A (zh) * | 2014-07-11 | 2014-12-10 | 浙江大学 | 实时电价环境下的家居混合供电系统能量优化调度方法 |
CN104182809A (zh) * | 2014-08-29 | 2014-12-03 | 国家电网公司 | 一种家庭智能用电系统的优化方法 |
CN104218574A (zh) * | 2014-08-29 | 2014-12-17 | 国家电网公司 | 反映太阳辐射强度变化特性的光伏出力随机模型建模方法 |
CN105023070A (zh) * | 2015-08-12 | 2015-11-04 | 河海大学常州校区 | 一种光伏系统输出功率预测方法 |
Non-Patent Citations (1)
Title |
---|
李宁军等: "新型太阳能光伏光热集热器的实验研究", 《第5届全国建筑环境与设备技术交流大会文集》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563674A (zh) * | 2017-10-09 | 2018-01-09 | 清华大学 | 一种考虑管道动态特性的电‑热耦合系统状态估计方法 |
CN107563674B (zh) * | 2017-10-09 | 2020-07-10 | 清华大学 | 一种考虑管道动态特性的电-热耦合系统状态估计方法 |
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 |
CN107844866A (zh) * | 2017-11-21 | 2018-03-27 | 云南电网有限责任公司玉溪供电局 | 一种基于帝国主义竞争算法的家庭智能用电管理方法 |
CN110118382A (zh) * | 2019-04-15 | 2019-08-13 | 天津大学 | 一种换热站通用的运行调节策略识别评价方法 |
CN110118382B (zh) * | 2019-04-15 | 2020-12-29 | 天津大学 | 一种换热站通用的运行调节策略识别评价方法 |
CN110289623A (zh) * | 2019-06-13 | 2019-09-27 | 天津大学 | 一种基于滚动优化的家庭能量管理分布式鲁棒调度方法 |
CN110289623B (zh) * | 2019-06-13 | 2022-03-22 | 天津大学 | 一种基于滚动优化的家庭能量管理分布式鲁棒调度方法 |
CN113465190A (zh) * | 2021-06-18 | 2021-10-01 | 国网江苏省电力有限公司电力科学研究院 | 一种太阳能分级供热系统及控制方法 |
CN113465190B (zh) * | 2021-06-18 | 2023-03-14 | 国网江苏省电力有限公司电力科学研究院 | 一种太阳能分级供热系统及控制方法 |
CN116544955A (zh) * | 2023-07-03 | 2023-08-04 | 阳光慧碳科技有限公司 | 负荷调控方法、装置和系统 |
CN116544955B (zh) * | 2023-07-03 | 2023-11-24 | 阳光慧碳科技有限公司 | 负荷调控方法、装置和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106096747B (zh) | 2022-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106096747A (zh) | 一种实时电价环境下计及多种不确定因素的太阳能辅助家庭能量管理方法 | |
Reynders et al. | Energy flexible buildings: An evaluation of definitions and quantification methodologies applied to thermal storage | |
Li et al. | Stochastic-weighted robust optimization based bilayer operation of a multi-energy building microgrid considering practical thermal loads and battery degradation | |
Thieblemont et al. | Predictive control strategies based on weather forecast in buildings with energy storage system: A review of the state-of-the art | |
Emrani-Rahaghi et al. | Optimal scenario-based operation and scheduling of residential energy hubs including plug-in hybrid electric vehicle and heat storage system considering the uncertainties of electricity price and renewable distributed generations | |
Mirakhorli et al. | Market and behavior driven predictive energy management for residential buildings | |
Baldi et al. | Joint energy demand and thermal comfort optimization in photovoltaic-equipped interconnected microgrids | |
Liu et al. | Renewable energy systems optimization by a new multi-objective optimization technique: A residential building | |
Ruusu et al. | Direct quantification of multiple-source energy flexibility in a residential building using a new model predictive high-level controller | |
Sun et al. | Building-group-level performance evaluations of net zero energy buildings with non-collaborative controls | |
Shirazi et al. | Optimal joint scheduling of electrical and thermal appliances in a smart home environment | |
Wei et al. | Co-scheduling of HVAC control, EV charging and battery usage for building energy efficiency | |
CN110619425B (zh) | 一种考虑源网荷储差异特性的多功能区综合能源系统协同规划方法 | |
Pedrasa et al. | Robust scheduling of residential distributed energy resources using a novel energy service decision-support tool | |
Sun et al. | Heuristic optimization for grid-interactive net-zero energy building design through the glowworm swarm algorithm | |
Wang et al. | Efficient real-time residential energy management through MILP based rolling horizon optimization | |
Jeddi et al. | Differential dynamic programming based home energy management scheduler | |
CN111339689B (zh) | 建筑综合能源调度方法、系统、存储介质及计算机设备 | |
Pallonetto et al. | Impact of intelligent control algorithms on demand response flexibility and thermal comfort in a smart grid ready residential building | |
Harder et al. | The cost of providing operational flexibility from distributed energy resources | |
Diduch et al. | Aggregated domestic electric water heater control-building on smart grid infrastructure | |
Pedrasa et al. | Improved energy services provision through the intelligent control of distributed energy resources | |
Ren et al. | A data-driven DRL-based home energy management system optimization framework considering uncertain household parameters | |
Cheng et al. | A day-ahead scheduling of large-scale thermostatically controlled loads model considering second-order equivalent thermal parameters model | |
CN115907350A (zh) | 一种建筑综合能源系统的能量管理方法及系统 |
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 |