CN106356902A - 一种适用于能量互联网中多能协同综合能源网络的能量管理方法 - Google Patents
一种适用于能量互联网中多能协同综合能源网络的能量管理方法 Download PDFInfo
- Publication number
- CN106356902A CN106356902A CN201610940991.0A CN201610940991A CN106356902A CN 106356902 A CN106356902 A CN 106356902A CN 201610940991 A CN201610940991 A CN 201610940991A CN 106356902 A CN106356902 A CN 106356902A
- Authority
- CN
- China
- Prior art keywords
- energy
- scene
- lambda
- sigma
- moment
- 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.)
- Pending
Links
- 238000007726 management method Methods 0.000 title claims abstract description 26
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 238000010248 power generation Methods 0.000 claims abstract description 15
- 238000005096 rolling process Methods 0.000 claims abstract description 13
- 230000015572 biosynthetic process Effects 0.000 claims description 21
- 238000003786 synthesis reaction Methods 0.000 claims description 21
- 230000005611 electricity Effects 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 15
- 230000009467 reduction Effects 0.000 claims description 10
- 238000003462 Bender reaction Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 239000012141 concentrate Substances 0.000 claims description 7
- 238000005338 heat storage Methods 0.000 claims description 7
- 238000006467 substitution reaction Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 2
- 240000002853 Nelumbo nucifera Species 0.000 claims description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 2
- 238000005485 electric heating Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 5
- 239000007789 gas Substances 0.000 description 24
- 230000008878 coupling Effects 0.000 description 6
- 238000010168 coupling process Methods 0.000 description 6
- 238000005859 coupling reaction Methods 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 238000004146 energy storage Methods 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 230000005619 thermoelectricity Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001172 regenerating effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241001123248 Arma Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- H02J3/382—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种适用于能量互联网中多能协同综合能源网络的能量管理方法,根据所应用的能源互联网多能协同综合能源网络的多能流能量平衡与设备运行等约束条件,将可再生能源发电设备出力、电热负荷需求、实时能源市场价格波动等预测变量的不确定性采用场景生成技术表达,建立运行总用能成本最低、分布式电源出力全额消纳的随机规划模型,运用模型预测控制原理实现滚动优化,所述管理策略采用一种包含输入层、求解层的两层加速求解结构求解,以确保能量管理具有快速在线求解的能力。
Description
技术领域
本发明涉及能量管理领域,具体涉及一种适用于能量互联网中多能协同综合能源网络的能量管理方法。
背景技术
随着能源领域供给侧结构性改革需求的突出,能源互联网通过构建包含信息通信基础设施的多能协同综合能源网络,提高能源综合利用效率、降低用能成本、促进可再生能源消纳。分布式能源设备、储能设备、相关预测模型、需求响应等技术的发展也为多能协同综合能源网络及其能量管理提供了更广阔的前景。目前相应的能量管理技术多集中于单一能源类型的系统中,针对多能协同网络的能量管理较少;且相关能量管理方法时间尺度单一,或不考虑多种随机性,能量管理还有进一步优化空间,而随机优化、滚动优化带来的计算速度显著下降的问题也直接影响能量管理的实用性能。
发明内容
发明目的:针对上述现有技术,提出一种适用于能量互联网中多能协同综合能源网络的能量管理方法,实现能源互联网中多能协同综合能源网络的运行总用能成本最低以及分布式电源出力全额消纳。
技术方案:一种适用于能量互联网中多能协同综合能源网络的能量管理方法,包括如下步骤:
步骤(1),在能量管理中心设置包含随机优化与滚动优化的目标函数,所述目标函数以运行总用能成本最低以及分布式电源出力全额消纳为目标,并给出所应用的多能协同综合能源网络的多能流供需平衡以及设备运行约束条件;
步骤(2),实时监测并上传多能协同综合能源网络数据到能量管理中心,数据包括本地信息、外部信息以及参与需求响应的负荷类型信息;
步骤(3),将步骤(2)采集的数据输入随机变量的预测模型,具有随机预测模型的输入变量包括可再生能源发电单元出力、电热负荷需求和实时能源市场价格,结合历史数据库,生成各输入变量在滚动优化时域[t,t+N]内对应的场景集,每个场景集包括可能发生场景的预测值及其发生概率;
步骤(4),执行包含输入层和求解层的两层加速求解策略,首先将步骤(3)中生成随机变量场景同步回代削减,提高描述效率,将获得的最优场景集进行代入步骤(1)中的目标函数内,执行求解层加速策略,应用基于Benders分解策略衍生的快速求解方法,求解得到每个输出变量在时域[t,t+N]内各时刻的控制指令序列;
步骤(5),将步骤(4)解算到的t时刻的控制指令序列下发各设备执行;
步骤(6),下一时刻,重复步骤(2)~(5)。
进一步的,所述步骤(1)中的多能流供需平衡约束条件如下:
式中,Ed,t,Hd,t分别为任意t时刻电热负荷需求;ηce,t,ηch,t分别为任意t时刻热电联供系统电转换效率和热转换效率;Xc,t为二元变量,取1时表示热电联供系统工作,取0时表示热电联供系统关停;ηl,ηh分别为燃气锅炉的气-热转换效率和电动热泵的电-热转换效率;γr,t为决定任意t时刻可再生分布式电源外部环境参数;Gc,t,Gl,t分别为热任意t时刻电联供系统和燃气锅炉的耗气量;Eh,t为电动热泵耗电量;Er为可再生能源发电单元的额定容量;Eex,t,Eb,t,Hs,t分别为任意t时刻外电网输入电量,储电单元充放电量和储热单元充放热量;
所述目标函数为:
式中,k为[t,t+N]时段内的各时刻;Nr,Nl,Np分别为可再生能源发电单元出力、电热负荷需求、实时能源市场价格可能发生的所有场景集,pr,k,pl,k,pp,k分别为k时刻第r、l、p个场景发生概率;分别为场景对应的综合能源网络整体购买的电量,燃气锅炉用气量和需求响应切除的负荷电量;F为判断热电联供系统启停状态是否发生变化的罚函数;Gg,k为热电联供系统用气量;Xg,k为k时刻热电联供系统的工作状态,0为关闭,1为启动;Xg,k-1为上一时刻热电联供系统的工作状态,0为关闭,1为启动;λf,k为k时刻天然气价格;λc,k为需求响应切除负荷时给予的用户补贴价格;λex,k为k时刻电价。
进一步的,所述步骤(4)中,应用两层加速求解结构求解得到每个输出变量在时域[t,t+N]内各时刻的控制指令序列;其中,第一层加速为将步骤(3)中生的成随机变量场景同步回代削减,具体步骤为:
a),设置初始化参数,迭代次数计为m,第m次迭代计算时被删除的场景集记为Ωm,其中,Ω0为空集;
b),令迭代次数m=1,计算第m次迭代时删除的场景ωm,k,使得该场景可以满足取得最小值,在保留的场景集中删除该场景,并将该场景计入Ωm;
c),判断步骤b)中获得的最小值是否大于削减精度σ,若大于,则返回步骤b),m=m+1;若小于等于,则迭代停止,进入下一步骤;
d),被删除的场景集中的场景将由留下来的场景集中距离最近的场景代替,并相应修正保留场景的概率为两者之和。
第二层加速为基于Benders分解的求解层加速,具体步骤为:
a),设置初始参数,记迭代次数b=1,Benders割θ初始赋值0,收敛条件上界UB=+∞,下界LB=-∞,,主问题MP、随机场景下的子问题SPr,l,p表达式如下:
式中,分别为第b次迭代时k时刻的CHP用气量和CHP工作状态; 分别为第b次迭代时各场景对应的综合能源网络整体购买的电量,燃气锅炉用气量和需求响应切除的负荷电量;
b),求解主问题,得第b次迭代时的可行解并更新下域值LB:,
c),将代入每个场景下的子问题,求解第(b+1)次迭代的优化解 并更新上域值UB,即
d),判断收敛条件:UB-LB≤ξ,ξ为预设的小常数;若收敛条件成立,则得到最优解;否则,迭代次数b加1后返回步骤b)。
有益效果:本发明的一种适用于能量互联网中多能协同综合能源网络的能量管理方法,根据所应用的能源互联网多能协同综合能源网络的多能流能量平衡与设备运行等约束条件,将可再生能源发电设备出力、电热负荷需求、实时能源市场价格波动等预测变量的不确定性采用场景生成技术表达,建立运行总用能成本最低、分布式电源出力全额消纳的随机规划模型,运用模型预测控制原理实现滚动优化,所述管理策略采用一种包含输入层、求解层的两层加速求解结构求解,以确保能量管理具有快速在线求解的能力。
附图说明
图1是本发明方法的流程图;
图2是多能协同综合能源网络的结构示意图;
图3是包含所述能量管理方法的多能协同综合能源网络示意图。
具体实施方式
下面结合附图对本发明做更进一步的解释。
如图2所示,一个包含电、热、气的多能协同综合能源网络由分布于同一区域内的电力子系统、热力子系统、天然气子系统和多能源耦合元件组成。耦合元件实现子系统之间的耦合与作用,通过消耗系统中的一种或多种能源来产生其他能源,典型耦合元件设备包括热电联供系统(CHP)、电动热泵(EHP)、燃气锅炉、可再生能源发电单元(RES);非耦合元件一般针对单一能源的生产、使用和存储,通过耦合元件对其他系统产生影响,典型非耦合元件包括子系统内部的负荷、储能设备。按照能源互联网的建设要求及相关装置的普及应用,系统具有健全的信息通信基础设施与控制模块。
如图1所示,一种适用于能量互联网中多能协同综合能源网络的能量管理方法,包括如下步骤:
步骤(1),给出多能协同综合能源网络的多能流供需平衡以及设备运行约束条件。
多能源子系统间供需平衡是多能协同综合能源网络运行的先决条件。为满足任意t时刻用电需求Ed,t与用热需求Hd,t,多能流供需平衡约束条件为:
式中,Ed,t,Hd,t分别为任意t时刻用电需求与用热需求;ηce,t,ηch,t分别为任意t时刻热电联供系统电转换效率和热转换效率;Xc,t为二元变量,取1时表示CHP工作,取0时表示CHP关停;ηl,ηh分别为燃气锅炉的气-热转换效率和电动热泵的电-热转换效率;γr,t为决定任意t时刻RES外部环境参数;Gc,t,Gl,t分别为热任意t时刻CHP和燃气锅炉的耗气量;Eh,t为电动热泵耗电量;Er为可再生能源发电单元额定容量;Eex,t,Eb,t,Hs,t分别为任意t时刻外电网输入电量,储电单元充放电量和储热单元充放热量。
设备运行约束条件如下:
a)CHP常用燃气轮机实现,其效率随负荷过低而降低,控制其避免工作在低功率状态。约束条件为:
式中:ηc为CHP工作效率,在要求的工作区间[Gcmin,Gcmax]内,总效率可近似认为保持在给定恒值,Gcmin为这一工作区间内CHP消耗的最小天然气量,Gcmax为这一工作区间内CHP消耗的最大天然气量;
b)燃气锅炉是常用供热设备,以补充CHP供热不足或优化系统供热组成,约束条件为:
0≤Hl,t≤Hlmax (3)
式中:Hl,t为燃气锅炉的供热量;Hlmax为燃气锅炉的最大输出热量。
c)EHP用电驱动热泵空气模块,约束条件为:
Ehmin≤Eh,t≤Ehmax (4)
式中:Hhmin,Hhmax分别为EHP最小和最大功率。
d)可再生能源发电单元以风机为例,约束条件为:
式中:vt为风机安装位置的实际风速;vin,vout,vr分别为切入风速,切出风速与额定风速。
e)储电单元以电池储能系统(BESS)为例,一般看作线性时不变模型,并通过约束蓄电状态(SOE)来延长使用寿命,约束条件为:
式中:SOEb,t,SOEb,t-1,SOEmin,SOEmax分别为当前蓄电状态,上一时刻蓄电状态,最小蓄电状态和最大蓄电状态;考虑电池的自放电损失,效率记为ηb;ηbc,ηbd分别为充电效率和放电效率;充放电量Eb,t受最大充电功率Ecmax和最大放电功率Edmax约束,以充电为正方向。
f)储热单元以储热水箱为例,约束条件为:
式中:Cs,t,Cs,t-1分别为当前蓄热状态,前一时刻蓄热状态;水箱的热能耗散效率记为ηs;ηsc,ηsd分别为储热效率和放热效率;充放热量Hs,t受最大蓄热容量Hcmax和最大放热容量Hdmax约束,以蓄热为正方向。Cmin为额定最小蓄热量,Cmax为额定最大蓄热量。
g)负荷的需求响应。分为可削减负荷Ec,t,如空调、新风系统、冰箱等,以及可时延负荷在滚动优化时域[t,t+N]内的总用能需求Ez,tN,如电动汽车、洗衣机等,约束条件为:
式中:为可削减负荷最大切除负荷量;Ez,ctr,t为可时延负荷在单个采样周期内用电量;Ez,t为可时延负荷功率。
包含随机优化的目标函数以滚动优化时域[t,t+N]内总用能成本支出最小、分布式电源全额消纳为目标,兼顾价格调节下的削峰能力,表达式为:
式中,k为[t,t+N]时段内的各时刻;Nr,Nl,Np分别为可再生能源发电单元出力、负荷需求、实时能源市场价格在滚动优化时域[t,t+N]内可能发生的所有场景集,pr,k,pl,k,pp,k分别为第r、l、p个场景发生概率;分别为场景对应的综合能源网络整体购买的电量,燃气锅炉用气量和需求响应切除的负荷电量;F为判断热电联供系统启停状态是否发生变化的罚函数;Gg,k为CHP用气量;Xg,k为k时刻CHP的工作状态,0为处于关停状态,1为处于工作状态;Xg,k-1为上一时刻CHP的工作状态,0为处于关停状态,1为处于工作状态;λf,k为k时刻的天然气价格;λc,k为需求响应切除负荷时给予的用户补贴价格;λex,k为k时刻电价。目标函数中的输出变量即为Gg,k、Xg,k、Gc,t,Gl,t,Eex,t,Eb,t,Hs,t,Eh,t,即公式(1)约束条件的可控部分。
步骤(2),实时监测并上传多能协同综合能源网络数据到能量管理中心,数据包括本地信息、外部信息以及参与需求响应的负荷类型信息。本地信息包括可再生能源安装地点气象数据、可再生能源发电设备工作状态、本地多能耦合设备工作状态、分布式储能单元蓄能状态、电热负荷单元的热电负荷需求及可控信息;外部信息包括外部电、气网络的实时价格、削峰指令;参与需求响应的负荷类型信息包括可削减负荷(如空调等)与可时延负荷(如电动汽车等)。
步骤(3),将步骤(2)采集的数据输入预先设置的可预测随机变量的预测模型,预测模型的输入变量包括可再生能源发电单元出力、热电负荷需求和实时能源市场价格,结合历史数据库,生成各输入变量在滚动优化时域[t,t+N]内对应的场景集,每个场景集包括可能发生场景的预测值及其概率,其中概率对应为pr,k,pl,k,pp,k。所需预测模型包括风速、光照、电负荷、热负荷和能源市场实时价格。
本实施例以风速vt为例说明。常见的自回归滑动平均(ARMA)模型表达为:
式中:p,q分别为模型自回归及滑动平均部分的阶数;{vt,vt-1,…vt-p}为vt的时间序列;φp,φq为自回归系数;{εt,εt-1,…εt-q}为误差序列;上述自回归系数、误差序列通过拟合实际历史数据获得。在此基础上,利用蒙特卡洛模拟法对场景采样,获得初始的风速场景集合Sv。
步骤(4),将输入变量代入步骤(1)中的目标函数内,求解得到每个输出变量在时域[t,t+N]内各时刻的控制指令序列。考虑多种随机变量的场景数是相乘的关系,而滚动优化使得求解规模随着场景数量的增加也会显著增加,计算效率受到显著制约。为提高能量管理的在线求解速度,设计并应用两层加速求解结构。
其中,第一层加速针对求解变量,将步骤(3)中生成随机变量场景同步回代削减,提高描述效率。采用基于最大削减策略的同步回代场景削减技术,在保证覆盖率同时,得到一组与初始场景分布概率相近度符合要求的最优场景集。定义k时刻场景ωi,k与场景ωj,k之间的距离ck(ωi,k,ωj,k)为:
ck(ωi,k,ωj,k)=||ωi,k-ωj,k|| k=t,t+1,…,t+N (11)
以步骤(3)中生成的初始风速场景集Sv为例描述最大削减策略,其他随机预测模型,如电热负荷、能源市场实时价格等,其场景削减方法与此相同。
最大削减策略要求缩减前后场景集之间的概率距离最小,符合预定义的削减精度σ约束,以Ω表示最终删除的场景集:
式中:ωi,k为初始风速场景集中的任一场景;ωj,k为缩减后风速最优场景集中的任一场景pi,k为第i个风速场景在k时刻的发生概率。
为实现式(11),采用同步回代场景削减过程,具体步骤如下:
a),设置初始化参数,迭代次数计为m,第m次迭代计算时被删除的场景集记为Ωm,其中,Ω0为空集;
b),令迭代次数m=1,计算第1次迭代时删除的场景ωm,k可以使取得最小值,在保留的场景集中删除该场景,并将该场景计入Ωm;
c),判断步骤b)中获得的最小值是否大于削减精度σ,若大于,则返回步骤b),m=m+1;若小于等于,则迭代停止,进入下一步骤;
d),被删除的场景集中的场景将由留下来的场景集中距离最近的场景代替,并相应修正保留场景的概率为两者之和。
第二层加速针对求解方法,应用Benders分解的并行计算能力,加快目标函数的计算速度。将Benders分解方法应用于上述随机优化过程的具体步骤为:
a),设置初始参数,记迭代次数b=1,Benders割θ初始赋值0,收敛条件上界UB=+∞,下界LB=-∞,,主问题MP、随机场景下的子问题SPr,l,p表达式如下:
式中,分别为第b次迭代时k时刻的CHP用气量和CHP工作状态; 分别为第b次迭代时各场景对应的综合能源网络整体购买的电量,燃气锅炉用气量和需求响应切除的负荷电量;
b),求解主问题,得第b次迭代时的可行解并更新下域值LB:,
c),将代入每个场景下的子问题,求解第(b+1)次迭代的优化解 并更新上域值UB,即
d),判断收敛条件:UB-LB≤ξ,ξ为预设的小常数;若收敛条件成立,则得到最优解;否则,迭代次数b加1后返回步骤b)。
步骤(5),下发仅作用于当前t时刻的控制指令。将上述目标函数求解得到的设备出力、储能充放能动作、削减负荷、时延负荷等控制指令下发各设备执行。需注意的是,在滚动优化方法中,求解目标函数得到的是从当前时刻t到滚动优化时t+N内每个时刻的控制指令序列,但仅执行当前时刻的控制指令。
步骤(6),下一时刻,重复步骤(2)~(5)。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.一种适用于能量互联网中多能协同综合能源网络的能量管理方法,其特征在于,包括如下步骤:
步骤(1),在能量管理中心设置包含随机优化与滚动优化的目标函数,所述目标函数以运行总用能成本最低以及分布式电源出力全额消纳为目标,并给出所应用的多能协同综合能源网络的多能流供需平衡以及设备运行约束条件;
步骤(2),实时监测并上传多能协同综合能源网络数据到能量管理中心,数据包括本地信息、外部信息以及参与需求响应的负荷类型信息;
步骤(3),将步骤(2)采集的数据输入随机变量的预测模型,具有随机预测模型的输入变量包括可再生能源发电单元出力、电热负荷需求和实时能源市场价格,结合历史数据库,生成各输入变量在滚动优化时域[t,t+N]内对应的场景集,每个场景集包括可能发生场景的预测值及其发生概率;
步骤(4),执行包含输入层和求解层的两层加速求解策略,首先将步骤(3)中生成随机变量场景同步回代削减,提高描述效率,将获得的最优场景集进行代入步骤(1)中的目标函数内,执行求解层加速策略,应用基于Benders分解策略衍生的快速求解方法,求解得到每个输出变量在时域[t,t+N]内各时刻的控制指令序列;
步骤(5),将步骤(4)解算到的t时刻的控制指令序列下发各设备执行;
步骤(6),下一时刻,重复步骤(2)~(5)。
2.根据权利要求1所述的适用于能量互联网中多能协同综合能源网络的能量管理方法,其特征在于:所述步骤(1)中的多能流供需平衡约束条件如下:
式中,Ed,t,Hd,t分别为任意t时刻电热负荷需求;ηce,t,ηch,t分别为任意t时刻热电联供系统电转换效率和热转换效率;Xc,t为二元变量,取1时表示热电联供系统工作,取0时表示热电联供系统关停;ηl,ηh分别为燃气锅炉的气-热转换效率和电动热泵的电-热转换效率;γr,t为决定任意t时刻可再生分布式电源外部环境参数;Gc,t,Gl,t分别为热任意t时刻电联供系统和燃气锅炉的耗气量;Eh,t为电动热泵耗电量;Er为可再生能源发电单元的额定容量;Eex,t,Eb,t,Hs,t分别为任意t时刻外电网输入电量,储电单元充放电量和储热单元充放热量;
所述目标函数为:
式中,k为[t,t+N]时段内的各时刻;Nr,Nl,Np分别为可再生能源发电单元出力、电热负荷需求、实时能源市场价格可能发生的所有场景集,pr,k,pl,k,pp,k分别为k时刻第r、l、p个场景发生概率;分别为场景对应的综合能源网络整体购买的电量,燃气锅炉用气量和需求响应切除的负荷电量;F为判断热电联供系统启停状态是否发生变化的罚函数;Gg,k为热电联供系统用气量;Xg,k为k时刻热电联供系统的工作状态,0为关闭,1为启动;Xg,k-1为上一时刻热电联供系统的工作状态,0为关闭,1为启动;λf,k为k时刻天然气价格;λc,k为需求响应切除负荷时给予的用户补贴价格;λex,k为k时刻电价。
3.根据权利要求1所述的适用于能量互联网中多能协同综合能源网络的能量管理方法,其特征在于:所述步骤(4)中,应用两层加速求解结构求解得到每个输出变量在时域[t,t+N]内各时刻的控制指令序列;其中,第一层加速为将步骤(3)中生的成随机变量场景同步回代削减,具体步骤为:
a),设置初始化参数,迭代次数计为m,第m次迭代计算时被删除的场景集记为Ωm,其中,Ω0为空集;
b),令迭代次数m=1,计算第m次迭代时删除的场景ωm,k,使得该场景可以满足取得最小值,在保留的场景集中删除该场景,并将该场景计入Ωm;
c),判断步骤b)中获得的最小值是否大于削减精度σ,若大于,则返回步骤b),m=m+1;若小于等于,则迭代停止,进入下一步骤;
d),被删除的场景集中的场景将由留下来的场景集中距离最近的场景代替,并相应修正保留场景的概率为两者之和。
第二层加速为基于Benders分解的求解层加速,具体步骤为:
a),设置初始参数,记迭代次数b=1,Benders割θ初始赋值0,收敛条件上界UB=+∞,下界LB=-∞,,主问题MP、随机场景下的子问题SPr,l,p表达式如下:
式中,分别为第b次迭代时k时刻的CHP用气量和CHP工作状态; 分别为第b次迭代时各场景对应的综合能源网络整体购买的电量,燃气锅炉用气量和需求响应切除的负荷电量;
b),求解主问题,得第b次迭代时的可行解并更新下域值LB:,
c),将代入每个场景下的子问题,求解第(b+1)次迭代的优化解 并更新上域值UB,即
d),判断收敛条件:UB-LB≤ξ,ξ为预设的小常数;若收敛条件成立,则得到最优解;否则,迭代次数b加1后返回步骤b)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610940991.0A CN106356902A (zh) | 2016-11-01 | 2016-11-01 | 一种适用于能量互联网中多能协同综合能源网络的能量管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610940991.0A CN106356902A (zh) | 2016-11-01 | 2016-11-01 | 一种适用于能量互联网中多能协同综合能源网络的能量管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106356902A true CN106356902A (zh) | 2017-01-25 |
Family
ID=57864181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610940991.0A Pending CN106356902A (zh) | 2016-11-01 | 2016-11-01 | 一种适用于能量互联网中多能协同综合能源网络的能量管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106356902A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106960282A (zh) * | 2017-03-27 | 2017-07-18 | 武汉大学 | 一种气电综合能源配网系统的协调运行方法 |
CN107154626A (zh) * | 2017-06-02 | 2017-09-12 | 张飞飞 | 分布式光伏智能能源与储能管理SaaS系统 |
CN107332232A (zh) * | 2017-06-16 | 2017-11-07 | 清华大学 | 一种大型城市电网的类同步调相机的优选方法 |
CN107871052A (zh) * | 2017-12-12 | 2018-04-03 | 国家电网公司 | 一种计及可再生能源和储能的能源集线器优化调度模型 |
CN108199376A (zh) * | 2018-02-02 | 2018-06-22 | 珠海格力电器股份有限公司 | 能源互联网系统、能源路由转换设备和能量控制方法 |
CN108767852A (zh) * | 2018-06-15 | 2018-11-06 | 浙江大学 | 一种电-气耦合系统节点可靠性评估方法 |
CN108879794A (zh) * | 2018-07-12 | 2018-11-23 | 贵州电网有限责任公司 | 一种电力系统机组小时组合优化和调度的方法 |
CN109190814A (zh) * | 2018-08-22 | 2019-01-11 | 国网山西省电力公司太原供电公司 | 一种能源互联网运营商的商业模式计算方法 |
CN109325679A (zh) * | 2018-09-11 | 2019-02-12 | 浙江大学 | 考虑综合需求响应的综合能源系统线性化随机调度方法 |
CN109617134A (zh) * | 2018-12-21 | 2019-04-12 | 华北电力大学 | 计及不确定量预测误差时空相关性的鲁棒机组组合方法 |
CN110837938A (zh) * | 2019-11-14 | 2020-02-25 | 山东大学 | 基于模型预测控制架构的综合能源系统优化运行方法及系统 |
CN111400918A (zh) * | 2020-03-19 | 2020-07-10 | 国电南瑞科技股份有限公司 | 基于多场景生成技术的电网新能源消纳能力评估计算方法、装置及系统 |
CN111509702A (zh) * | 2020-04-16 | 2020-08-07 | 国网江苏省电力有限公司无锡供电分公司 | 一种综合能源系统及其控制方法 |
CN112434841A (zh) * | 2020-10-23 | 2021-03-02 | 国网河北省电力有限公司 | 考虑机组组合和随机风能出力的电—气耦合系统优化方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408532A (zh) * | 2014-12-04 | 2015-03-11 | 国家电网公司 | 一种基于对偶策略的微网短期经济调度优化方法 |
CN105356521A (zh) * | 2015-12-14 | 2016-02-24 | 东南大学 | 一种基于时域滚动控制的交直流混合微电网运行优化方法 |
CN105375479A (zh) * | 2015-12-14 | 2016-03-02 | 东南大学 | 一种基于模型预测控制的分布式能源能量管理方法 |
CN105869075A (zh) * | 2016-04-19 | 2016-08-17 | 东南大学 | 一种冷热电联供型微型能源网经济优化调度方法 |
CN105955931A (zh) * | 2016-05-10 | 2016-09-21 | 东南大学 | 面向高密度分布式光伏消纳的区域能源网络优化调度方法 |
CN106026149A (zh) * | 2016-07-29 | 2016-10-12 | 武汉大学 | 一种考虑电网备用容量配置与风电利用率的电动汽车优化调度方法 |
-
2016
- 2016-11-01 CN CN201610940991.0A patent/CN106356902A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408532A (zh) * | 2014-12-04 | 2015-03-11 | 国家电网公司 | 一种基于对偶策略的微网短期经济调度优化方法 |
CN105356521A (zh) * | 2015-12-14 | 2016-02-24 | 东南大学 | 一种基于时域滚动控制的交直流混合微电网运行优化方法 |
CN105375479A (zh) * | 2015-12-14 | 2016-03-02 | 东南大学 | 一种基于模型预测控制的分布式能源能量管理方法 |
CN105869075A (zh) * | 2016-04-19 | 2016-08-17 | 东南大学 | 一种冷热电联供型微型能源网经济优化调度方法 |
CN105955931A (zh) * | 2016-05-10 | 2016-09-21 | 东南大学 | 面向高密度分布式光伏消纳的区域能源网络优化调度方法 |
CN106026149A (zh) * | 2016-07-29 | 2016-10-12 | 武汉大学 | 一种考虑电网备用容量配置与风电利用率的电动汽车优化调度方法 |
Non-Patent Citations (1)
Title |
---|
贾盼盼: "微电网的能量优化与协调控制研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106960282A (zh) * | 2017-03-27 | 2017-07-18 | 武汉大学 | 一种气电综合能源配网系统的协调运行方法 |
CN106960282B (zh) * | 2017-03-27 | 2021-05-04 | 武汉大学 | 一种气电综合能源配网系统的协调运行方法 |
CN107154626A (zh) * | 2017-06-02 | 2017-09-12 | 张飞飞 | 分布式光伏智能能源与储能管理SaaS系统 |
CN107332232B (zh) * | 2017-06-16 | 2019-11-22 | 清华大学 | 一种大型城市电网的类同步调相机的优选方法 |
CN107332232A (zh) * | 2017-06-16 | 2017-11-07 | 清华大学 | 一种大型城市电网的类同步调相机的优选方法 |
CN107871052A (zh) * | 2017-12-12 | 2018-04-03 | 国家电网公司 | 一种计及可再生能源和储能的能源集线器优化调度模型 |
CN108199376A (zh) * | 2018-02-02 | 2018-06-22 | 珠海格力电器股份有限公司 | 能源互联网系统、能源路由转换设备和能量控制方法 |
CN108199376B (zh) * | 2018-02-02 | 2024-03-26 | 珠海格力电器股份有限公司 | 能源互联网系统、能源路由转换设备和能量控制方法 |
CN108767852A (zh) * | 2018-06-15 | 2018-11-06 | 浙江大学 | 一种电-气耦合系统节点可靠性评估方法 |
CN108879794A (zh) * | 2018-07-12 | 2018-11-23 | 贵州电网有限责任公司 | 一种电力系统机组小时组合优化和调度的方法 |
CN109190814A (zh) * | 2018-08-22 | 2019-01-11 | 国网山西省电力公司太原供电公司 | 一种能源互联网运营商的商业模式计算方法 |
CN109190814B (zh) * | 2018-08-22 | 2021-05-11 | 国网山西省电力公司太原供电公司 | 一种能源互联网运营商的商业模式计算方法 |
CN109325679A (zh) * | 2018-09-11 | 2019-02-12 | 浙江大学 | 考虑综合需求响应的综合能源系统线性化随机调度方法 |
CN109325679B (zh) * | 2018-09-11 | 2022-04-05 | 浙江大学 | 考虑综合需求响应的综合能源系统线性化随机调度方法 |
CN109617134A (zh) * | 2018-12-21 | 2019-04-12 | 华北电力大学 | 计及不确定量预测误差时空相关性的鲁棒机组组合方法 |
CN110837938A (zh) * | 2019-11-14 | 2020-02-25 | 山东大学 | 基于模型预测控制架构的综合能源系统优化运行方法及系统 |
CN110837938B (zh) * | 2019-11-14 | 2023-03-10 | 山东大学 | 基于模型预测控制架构的综合能源系统优化运行方法及系统 |
CN111400918A (zh) * | 2020-03-19 | 2020-07-10 | 国电南瑞科技股份有限公司 | 基于多场景生成技术的电网新能源消纳能力评估计算方法、装置及系统 |
CN111509702A (zh) * | 2020-04-16 | 2020-08-07 | 国网江苏省电力有限公司无锡供电分公司 | 一种综合能源系统及其控制方法 |
CN112434841A (zh) * | 2020-10-23 | 2021-03-02 | 国网河北省电力有限公司 | 考虑机组组合和随机风能出力的电—气耦合系统优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106356902A (zh) | 一种适用于能量互联网中多能协同综合能源网络的能量管理方法 | |
JP7261507B2 (ja) | 電気ヒートポンプ-熱電併給システムを最適化する調整方法及びシステム | |
CN103151803B (zh) | 一种含风电系统机组及备用配置的优化方法 | |
CN107895971A (zh) | 基于随机规划和模型预测控制的区域能源互联网调度方法 | |
CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
CN106230028B (zh) | 一种风电—抽水蓄能联合系统的多目标优化方法 | |
CN104616208A (zh) | 一种基于模型预测控制的冷热电联供型微电网运行方法 | |
CN103699941A (zh) | 一种电力系统调度运行年方案的制定方法 | |
CN103904695B (zh) | 一种基于mcs-pso的临近海岛多微网动态调度方法 | |
CN102780219A (zh) | 基于风电运行模拟的多维度风电消纳能力判别方法 | |
CN105375479A (zh) | 一种基于模型预测控制的分布式能源能量管理方法 | |
CN103762589A (zh) | 一种电网中新能源容量配比分层优化方法 | |
CN102751728A (zh) | 基于负荷中断模型的微网孤网运行的能量管理方法 | |
CN104377693A (zh) | 一种发电生产模拟模型 | |
CN105244869A (zh) | 一种含微网的配电网动态随机调度控制方法 | |
CN109636056A (zh) | 一种基于多智能体技术的多能源微网去中心化优化调度方法 | |
CN105071389A (zh) | 计及源网荷互动的交直流混合微电网优化运行方法及装置 | |
CN106026149A (zh) | 一种考虑电网备用容量配置与风电利用率的电动汽车优化调度方法 | |
CN106786509A (zh) | 大规模风电并网下基于多场景模拟的热‑电联合调度方法 | |
CN109103929A (zh) | 基于改进动态克里丝金模型的配电网经济优化调度方法 | |
CN103324848A (zh) | 基于诱导目标函数的含电量约束月度机组组合优化方法 | |
CN105279707A (zh) | 一种综合考虑负荷与风电时序特性的随机生产模拟方法 | |
CN108596442A (zh) | 计及条件风险价值的综合能源系统经济调度方法 | |
CN107221965A (zh) | 一种基于分布式设计的日前计划计算方法 | |
CN105244870A (zh) | 一种快速计算电网风电场弃风率及机组发电量的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170125 |