CN106372762A - 一种含需求响应的微网经济优化运行设计方法 - Google Patents
一种含需求响应的微网经济优化运行设计方法 Download PDFInfo
- Publication number
- CN106372762A CN106372762A CN201610890448.4A CN201610890448A CN106372762A CN 106372762 A CN106372762 A CN 106372762A CN 201610890448 A CN201610890448 A CN 201610890448A CN 106372762 A CN106372762 A CN 106372762A
- Authority
- CN
- China
- Prior art keywords
- microgrid
- load
- constraint
- formula
- cost
- 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
- 230000004044 response Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000013461 design Methods 0.000 title claims abstract description 16
- 238000005457 optimization Methods 0.000 claims abstract description 35
- 230000005540 biological transmission Effects 0.000 claims abstract description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 25
- 238000004378 air conditioning Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 11
- 238000005553 drilling Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 7
- 240000002853 Nelumbo nucifera Species 0.000 claims description 6
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 6
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 238000011068 loading method Methods 0.000 claims description 5
- 239000000446 fuel Substances 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 102000003712 Complement factor B Human genes 0.000 claims description 2
- 108090000056 Complement factor B Proteins 0.000 claims description 2
- 238000011217 control strategy Methods 0.000 abstract description 8
- 230000002068 genetic effect Effects 0.000 abstract description 4
- 230000005611 electricity Effects 0.000 description 15
- 230000008901 benefit Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000007726 management method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002860 competitive effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000002459 sustained effect Effects 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
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)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种含需求响应的微网经济优化运行设计方法,包括以下步骤:1)构建微网优化设计数据库;2)建立优化模型,该优化模型的目标函数为微网运行总成本最小,约束条件包括功率平衡约束、可控机组出力约束、可控机组爬坡约束、联络线传输功率约束和可控负荷容量约束;3)从所述微网优化设计数据库获取优化模型所需的输入变量参数值,采用基于混沌优化的改进遗传算法求解所述优化模型,获得优化模型决策变量的输出数据;4)根据所述决策变量的输出数据对各场景下的微网运行总成本进行对比,获得最优场景及相应的呵中断负荷最优控制策略。与现有技术相比,本发明从需求侧和管理操作层面,实现微电网能源利用更加合理、经济、高效。
Description
技术领域
本发明涉及一种微网运行优化方法,尤其是涉及一种含需求响应的微网经济优化运行设计方法。
背景技术
电力市场化改革给电力行业实施需求侧管理带来了新的挑战,原有垂直垄断体制下实施需求侧管理给电力公司带来的效益被分散,一些传统的需求侧管理措施如负荷管理与能效的实施基础也发生了变化。随着竞争市场的发展与完善,电力系统的利益主体逐步多元化,需求侧资源在竞争市场中的作用正在被重新认识。
需求响应是需求侧管理在竞争性电力市场中的发展。利用价格信号和激励机制来增加需求侧在市场中的作用,并将供应侧和需求侧的资源进行综合资源规划,这是保证系统安全可靠和经济运行的重要措施。在引入需求响应以后,由于需求响应的立足点是放松零售价格管制并提高需求弹性,它也是全面参与电力市场的新资源,因而,可以用相对低廉的成本来解决这些问题。只有把需求侧和供应侧同等对待,才能形成一个真正良性运行的电力市场。
需求响应鼓励用户根据动态电价或激励信息改变传统的用电方式,积极参与电网运行,是智能电网的重要方面。高级量测技术、现代控制和通信技术等技术的进步为需求响应的发展奠定了基础,使其有广阔的应用前景。在需求响应研究中,常选取温控设备作为主要研究对象,一方面由于其可变的参与程度和储能特性,另一方面,以热水器、空调和冰箱为代表的温控设备构成了家庭的主要电力负荷,便于实际应用。这类负荷属于柔性负荷,柔性负荷是指通过一定的技术手段可以转移或削减的负荷,且在转移或削减的过程中具有一定的成本效益和时间跨度要求;建立了考虑需求响应的负荷特性模型,并针对电力系统的实际供电缺口情况下负荷特性模型的优化控制方法进行详细研究。需求响应的技术基础包括以下四点:
(1)直接负荷控制
研究表明,用户需要知道什么时候采用直接负荷控制措施的效果较好。需求侧响应(DR)解决方案应当具有管理直接负荷控制程序的能力。它通过直接管理控制,对可直接进行负荷管理的设备、显示设备、HAN设备和智能家电进行管理。这一解决方案还会与用户在传达直接负荷控制信息方面产生互动。
(2)需求侧响应管理系统响应定价信号来管理需求
用户都知道通过减少用电来减少用电成本,尤其是在电价较高的时候,用户更注意节约用电。需求侧了解供电成本,并减少电能使用,尤其是当价格较高时。需求侧响应(DR)解决方案应具备通过管理设计的定价信号程序来减少负荷的能力。通过对传输到需求侧设备的定价信号、信息的管理来实现这一功能。这一解决方案还会与用户在传达定价信号、信息方面产生互动。通讯状态通过表计、EMS设备或网关显示。
(3)用户响应定价减少电能的使用或用户自发减少电能的使用
用户认识到能源紧缺性和用户根据电能的经济信号持续的节约电能,是智能电网的关键优势。电网最昂贵的使用方式是支付短时的电力短缺。目前,这种电力短缺一般是建筑物响应天气变化或电网的非计划停电造成的。不久的将来,我们将更多地依赖于间歇性能源,如太阳能、风能,短时的电能短缺将会更频繁地发生。
电网应通过采用经济激励措施来减少负荷,与用户共同分担峰荷管理的任务。这些激励通过分享预先日前定价或关键事件实时信息来实现。一旦经济激励措施到位,电能用户将制定出各种各样的响应措施。
为了使用户能够满足这一需要,智能电网必须为他们提供及时的价格、事件和使用信息。同时,为了使软件和设备市场的具有持续竞争力,并能为用户提供优良的服务,必须具有基于统一信息标准的国家级系统市场。
(4)动态定价———电能服务供应商电能和辅助服务汇总
需求侧响应服务供应商从动态定价和其他的分布式电源认购用户那里收集电能和辅助服务报价和出价。服务提供商整合这些出价并向市场运行买入/卖出系统汇总。一旦价格得以接受,服务提供商立刻确认用户的状态并安排服务需求时间表。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种含需求响应的微网经济优化运行设计方法。
本发明的目的可以通过以下技术方案来实现:
一种含需求响应的微网经济优化运行设计方法,包括以下步骤:
1)构建微网优化设计数据库;
2)建立优化模型,该优化模型的目标函数为微网运行总成本最小,约束条件包括功率平衡约束、可控机组出力约束、可控机组爬坡约束、联络线传输功率约束和可控负荷容量约束,所述可控负荷包括热水器和蓄冷蓄热空调;
3)从所述微网优化设计数据库获取优化模型所需的输入变量参数值,采用基于混沌优化的改进遗传算法求解所述优化模型,获得优化模型决策变量的输出数据;
4)根据所述决策变量的输出数据对各场景下的微网运行总成本进行对比,获得最优场景及相应的呵中断负荷最优控制策略。
所述微网优化设计数据库存储有区域内所有用户的立地位置和逐时能源负荷﹑区域内典型温度变化以及区域能源应用相关政策信息。
所述优化模型的目标函数的表达式为:
min F=CG+CE+Cc+Cr
式中,F为微网运行总成本,CG为微网的运行成本,即包括燃料成本、折旧成本和运行维护成本,CE为微网的环境成本,Cc为微网进行空调负荷可中断的补偿成本,Cr为微网进行热水器负荷可中断的补偿成本。
所述微网进行空调负荷可中断的补偿成本Cc的表达式为:
式中,x(t,i)为t时刻第i个空调的被控状态,如果该空调可被控制则值为1,表示正常工作,否则为0,ΔT(t,i)为t时刻第i个空调所处的室内温度,B为可中断负荷的固定补偿费,T为时刻总数,N为空调总数。
所述微网进行热水器负荷可中断的补偿成本Cr的表达式为:
式中,x(t,i)为t时刻第i个热水器的被控状态,如果该热水器可被控制则值为1,表示正常工作,否则为0,D为可中断负荷的固定补偿费,T为时刻总数,N为热水器总数。
所述约束条件具体如下:
①功率平衡约束
PG(t)=PEL(t)+ΔP(t)
式中,PG(t)为分布式电源在t时刻的总输出功率,ΔP(t)为t时刻微网的功率损耗,PEL(t)为t时刻等效负荷功率;
②可控机组出力约束
Pimin<<Pi<<Pimax
式中,Pimax、Pimin分别为第i台可控机组的出力Pi的上下限;
③可控机组爬坡约束
增负荷时:
减负荷时:
式中,Piup、Pidown分别为第i台可控机组增加和降低有功功率的限值,分别为t时刻和t-1时刻第i台可控机组的出力;
④联络线传输功率约束
PLmin<<PL<<PLmax
式中,PLmax、PLmin分别为联络线传输功率PL的上下限;
⑤可控负荷容量约束
m<<mmax
式中,m为受控容量,mmax为最大受控容量。
所述决策变量包括整数变量和连续变量;其中,所述整数变量包括供能设备的选择因子、可控负荷设备的有无及中断与否;所述连续变量表示系统内负荷功率变化。
与现有技术相比,本发明具有以下有益效果:
1)本发明建立的优化模型综合考虑了需求侧用户负荷的动态性、供给侧设备特性,以及外界经济、环境、政策边界条件,基于混沌优化的改进遗传算法进行分析计算,并结合不同微网运行场景进行对比论证,得出更优的含需求响应的微网经济优化调度方法,提高微网运行可靠性,同时为确定微电网合理的优化设计方案提供相应的科学依据。
2)本发明将直接负荷控制策略纳入优化调度模型,同时对可控负荷进行分类控制,充分考虑居民负荷中的空调负荷和热水器负荷的使用规律和用电特性,对其分别进行负荷中断操作,对两种负荷使用不同的控制策略和赔偿机制,最大限度的平缓负荷曲线,使微电网尽可能满足削峰填谷的要求。
3)本发明通过充分发挥各类负荷特性的时空互补性,对相关微网进行合理布局与优化整合,从面域层面对能源(冷、热、电等)的生产和使用进行统筹协调,从根本上实现可再生能源利用的网络化、系统化、高效化。
附图说明
图1为本发明优化模型示意图;
图2为一个典型居民小区微网系统结构示意图;
图3为夏季典型温度曲线图;
图4为微网区域内负荷以及WT、PV出力示意图;
图5为本发明获取的含需求响应的微网区域内各场景的负荷优化结果示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请各权利要求所要求保护的技术方案。
本发明实施例提供一种含需求响应的微网经济优化运行设计方法,包括以下步骤:
1)构建微网优化设计数据库,存储有区域内所有用户的立地位置和逐时能源负荷﹑区域内典型温度变化以及区域能源应用相关政策等信息;
2)建立优化模型,如图1所示,包含源-储-荷之间的优化调度,通过三者之间的协调作用,使得相互间互为补充、互为备份,该优化模型的目标函数为微网运行总成本最小,约束条件包括功率平衡约束、可控机组出力约束、可控机组爬坡约束、联络线传输功率约束和可控负荷容量约束,所述可控负荷包括热水器和蓄冷蓄热空调;
3)从所述微网优化设计数据库获取优化模型所需的输入变量参数值,采用基于混沌优化的改进遗传算法求解所述优化模型,获得优化模型决策变量的输出数据;
4)根据所述决策变量的输出数据对各场景下的微网运行总成本进行对比,获得最优场景及相应的呵中断负荷最优控制策略,优化对比后的结果为含需求响应的微网最优经济运行策略,如图5所示。
上述方法建立的优化模型综合考虑了需求侧用户负荷的动态性、供给侧设备特性,以及外界经济、环境、政策边界条件,为确定合理的优化方案提供科学依据。
具体地说,优化模型包含目标函数、约束条件和需求响应模型。目标函数表示决策变量与输入变量和/或中间变量之间的数学等式关系。目标函数为经济性目标函数;其中,经济性目标函数选取微网运行费用最小为目标;约束条件采用决策变量、输入变量或中间变量表示源、储、荷间的能量流、费用流和排放流。约束条件包含功率平衡约束、可控机组出力约束、可控机组爬坡约束、联络线功率约束和可控负荷容量约束。其中的决策变量包括整数变量和连续变量;其中,所述整数变量包括供能设备的选择因子,可控负荷设备的有无及中断与否;所述连续变量表示系统内负荷功率变化。需求响应模型表示可控负荷变量与成本变量之间的数学等式关系。需求响应通过制定分时电价引导用户转移用电负荷分布,是一种可控的负荷调节资源。本发明仅考虑激励型需求响应,激励响应是电力公司利用非价格信号来激励用户改变其用电模式的需求侧响应项目,包括可中断负荷和直接负荷控制。
本方法通过将直接负荷控制策略纳入优化调度模型,对优化调度模型采用基于混沌优化的改进遗传算法进行求解,同时对可控负荷进行分类控制,使微电网尽可能满足削峰填谷的要求。
基于混沌优化的改进遗传算法是指将混沌搜索引入遗传算法中,充分利用混沌搜索的敏感、高效和遗传算法的基因遗传学原理,对微网调度进行优化。基于混沌优化的改进遗传算法的主要步骤为:①初始化,用随机方法产生一组初始个体并构成初始种群,然后生成混沌序列的初始值;②通过步骤①得到的初始值,利用Logistic映射得到相应的混沌序列;③通过逆映射的方式得到家族成员,并筛选适应度高的成员进行复制;④按交叉概率Pc执行交叉操作;⑤按变异概率Pm执行变异操作;⑥返回操作②继续判断算法收敛准则是否满足。
直接负荷控制指用户与电网公司签订相关IL合同,然后再根据双方的合同约定在系统运行中对可控负荷的运行状态进行控制。直接负荷控制利用实施机构可通过远程关闭或循环控制的用户用电设备负荷,控制过程中受用户满意度、用户许可时间等条件约束,且设备接受的控制变量为0-1决策变量(1表示中断、0表示开启)。
负荷分类控制指在直接负荷控制前提下,对可控负荷进行分类,分为空调负荷和热水器负荷,分别对每一类负荷按照其使用规律和用电特性对其进行智能控制。1)通过将可控负荷分为空调负荷和热水器负荷两种,这两种负荷的容量在可控负荷中占的比例很大,通过控制两种负荷即可实现需求响应的功效。2)通过对空调负荷在一定时间范围实行等占空比控制,对热水器在一定时间范围实行削峰控制,充分考虑两种负荷的使用规律和用电特性,最大限度的平缓负荷曲线,使微电网尽可能满足削峰填谷的要求。
图2给出了一个微网系统结构示意图,该示意图给出微网包含微源、储能装置和负荷。微源为微型燃气轮机、光伏、风机和燃料电池;储能装置为蓄电池;负荷仅包括居民负荷;同时获得微源、储能装置和负荷的相关参数及空调和热水器的相关参数,其中包括可控负荷容量和补偿电价。
优化模型需要获得一些输入参数。比如说,如图3所示微网区域内的夏季典型温度曲线图,可获得温度参数;如图4所示微网区域内的夏季典型日负荷以及WT、PV出力曲线图,可获得相关负荷参数;
在构建好数据库之后,在求解优化模型时,从该数据库中读取输入变量的参数值,根据这些输入变量,在约束条件下,求解目标函数。以下具体说明本实施方式的一些需求响应模型、目标函数和约束条件:
(1)需求响应模型
①等效负荷
为方便对负荷运算中涉及到的随机变量的运算,需要对负荷进行变相处理,在负荷中融入光伏和风电,如式(1)所示。
PEL=PL-(PWT+PPV) (1)
式中等效负荷功率为PEL;PL为负荷功率;PWT为风机出力功率;PPV为光伏出力功率。
②反弹负荷
直接负荷控制相对于可中断负荷控制而言最大的不同在于直接负荷控制是由管理方对可控负荷的状态进行控制,所以在进行削减负荷控制中,用户不能随意决定负荷的运行状态;但当控制状态结束时,用户负荷将会试图恢复到其被控制前的用电规模,之前被削减的负荷将部分或全部反弹回去,这部分负荷通常称为反弹负荷。反弹负荷在直接负荷控制中必然产生,所以是模型计算时不能忽视的因素。在PL中即含反弹负荷,计算时需将其考虑在内。本发明采用三阶段自回归反弹负荷模型,该模型属于反弹负荷模型中常用的一种。如式(2)所示。
式中,为第n组可控负荷在第t时间段时产生的反弹负荷;Pn,t-1、Pn,t-2和Pn,t-3为第n组可控负荷在第t-1、t-2和t-3时段的可控制负荷;a、b和c为分别对应时段的系数,根据算例中使用的负荷模型拟合数据。
③可中断负荷建模
在居民用电过程中,可中断负荷大多包括蓄冷蓄热空调、热水器等冷热负荷。而空调和热水器负荷属于居民可控负荷中占比较大的两类,本发明重点考虑蓄冷蓄热空调和热水器作为可中断负荷在微网中的调度。
其中蓄冷空调产生的补偿成本如式(3)所示:
式中:Cc为补偿成本;x(t,i)为t时刻第i个空调的被控状态,如果该空调可被控制则值为1,表示正常工作,否则为0;ΔT(t,i)为t时刻第i个家庭的室内温度,ΔT(t,i)远离温度上限T+δ(t,i),B为可中断负荷的固定补偿费。空调负荷采用线性补偿,故ΔT(t,i)为线性分段函数。
其中热水器产生的补偿成本如式(4)所示:
式中:Cr为热水器补偿成本;x(t,i)为t时刻第i个热水器的被控状态,如果该热水器可被控制则值为1,表示正常工作,否则为0;D为可中断负荷的固定补偿费。
④可中断负荷控制策略
本发明模型中需求响应的激励方式采用经济补偿的形式,通过IL合同中规定的相应中断时间和补偿方案,对用户进行补偿。负荷的控制策略如下。
可中断负荷控制策略以20min为1个时段,限定可控负荷每天最大中断时间为4h,则每天最大可中断时段为12个时段。本发明所有策略按采用全时段控制建模,即受控负荷的中断时段为负荷允许的最大中断时段,在此情况下分析以下两种直接负荷控制策略,等占空比开/关循环控制和削峰控制。等占空比是指高电平和低电平在一个周期之内所占的时间比率相同,即被控负荷的控制状态按照0,1,0,1,……的规律进行控制。在本发明一天24小时里从10:00-16:00和18:00-20:00进行等占空比控制,其他时间正常工作。削峰控制是在一天中用电负荷达到峰值时进行负荷控制。在本发明中一天24小时里在10:00-12:00和18:00-20:00进行负荷中断操作,其他时间正常工作。
(2)目标函数
微网的优化运行时,无论是在并网和孤网条件下,以微源正常运行和满足各约束条件为前提条件,达到微电网的总运行成本最低的要求。可再生能源机组中的风能和光伏都是依靠自身的能量进行发电,不需要投入资本在其中,因此它们产生的发电成本可忽略不计,所以,含需求响应的微网优化运行的目标函数可以如式(5)所示:
min F=CG+CE+Cc+Cr (5)
式中:F为微网运行总成本,CG为微网的运行成本,即包括燃料成本、折旧成本和运行维护成本,CE为微网的环境成本,Cc为微网进行空调负荷可中断的补偿成本,Cr为微网进行热水器负荷可中断的补偿成本。
(3)约束条件
①功率平衡约束如式(6)所示
PG(t)=PEL(t)+ΔP(t) (6)
式中:PG(t)为分布式电源在t时刻的总输出功率;ΔP(t)为t时刻微网的功率损耗。
②可控机组出力约束如式(7)所示
Pimin<<Pi<<Pimax (7)
式中:Pimax、Pimin分别为第i台可控机组的出力上下限。
③可控机组爬坡约束如式(8)、式(9)所示
增负荷时:
减负荷时:
式中:Piup、Pidown分别为第i台可控机组增加和降低有功功率的限值。
④联络线传输功率约束如式(10)所示
PLmin<<PL<<PLmax (10)
式中:PLmax、PLmin分别为联络线传输功率的上下限。
⑤可控负荷容量约束如式(11)所示
m<<mmax (11)
式中:m为受控容量,mmax为最大受控容量。
在获得输入变量之后,可对上述优化模型求解,得到决策变量的输出数据;基于获得的各场景下的微网总成本进行对比,可获得最优场景以及可中断负荷的最优控制策略。
本实施方式的含需求响应的微网运行设计方法,除考虑基于微网能源流的物理边界,还结合相关经济与政策边界条件,可以对整个微网的经济性能进行分析。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包含相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (7)
1.一种含需求响应的微网经济优化运行设计方法,其特征在于,包括以下步骤:
1)构建微网优化设计数据库;
2)建立优化模型,该优化模型的目标函数为微网运行总成本最小,约束条件包括功率平衡约束、可控机组出力约束、可控机组爬坡约束、联络线传输功率约束和可控负荷容量约束,所述可控负荷包括热水器和蓄冷蓄热空调;
3)从所述微网优化设计数据库获取优化模型所需的输入变量参数值,采用基于混沌优化的改进遗传算法求解所述优化模型,获得优化模型决策变量的输出数据;
4)根据所述决策变量的输出数据对各场景下的微网运行总成本进行对比,获得最优场景及相应的呵中断负荷最优控制策略。
2.根据权利要求1所述的含需求响应的微网经济优化运行设计方法,其特征在于,所述微网优化设计数据库存储有区域内所有用户的立地位置和逐时能源负荷﹑区域内典型温度变化以及区域能源应用相关政策信息。
3.根据权利要求1所述的含需求响应的微网经济优化运行设计方法,其特征在于,所述优化模型的目标函数的表达式为:
min F=CG+CE+Cc+Cr
式中,F为微网运行总成本,CG为微网的运行成本,即包括燃料成本、折旧成本和运行维护成本,CE为微网的环境成本,Cc为微网进行空调负荷可中断的补偿成本,Cr为微网进行热水器负荷可中断的补偿成本。
4.根据权利要求3所述的含需求响应的微网经济优化运行设计方法,其特征在于,所述微网进行空调负荷可中断的补偿成本Cc的表达式为:
式中,x(t,i)为t时刻第i个空调的被控状态,如果该空调可被控制则值为1,表示正常工作,否则为0,ΔT(t,i)为t时刻第i个空调所处的室内温度,B为可中断负荷的固定补偿费,T为时刻总数,N为空调总数。
5.根据权利要求3所述的含需求响应的微网经济优化运行设计方法,其特征在于,所述微网进行热水器负荷可中断的补偿成本Cr的表达式为:
式中,x(t,i)为t时刻第i个热水器的被控状态,如果该热水器可被控制则值为1,表示正常工作,否则为0,D为可中断负荷的固定补偿费,T为时刻总数,N为热水器总数。
6.根据权利要求1所述的含需求响应的微网经济优化运行设计方法,其特征在于,所述约束条件具体如下:
①功率平衡约束
PG(t)=PEL(t)+ΔP(t)
式中,PG(t)为分布式电源在t时刻的总输出功率,ΔP(t)为t时刻微网的功率损耗,PEL(t)为t时刻等效负荷功率;
②可控机组出力约束
Pimin<<Pi<<Pimax
式中,Pimax、Pimin分别为第i台可控机组的出力Pi的上下限;
③可控机组爬坡约束
增负荷时:Pi t-Pi t-1<<Piup
减负荷时:Pi t-1-Pi t<<Pidown
式中,Piup、Pidown分别为第i台可控机组增加和降低有功功率的限值,Pi t、Pi t-1分别为t时刻和t-1时刻第i台可控机组的出力;
④联络线传输功率约束
PLmin<<PL<<PLmax
式中,PLmax、PLmin分别为联络线传输功率PL的上下限;
⑤可控负荷容量约束
m<<mmax
式中,m为受控容量,mmax为最大受控容量。
7.根据权利要求1所述的含需求响应的微网经济优化运行设计方法,其特征在于,所述决策变量包括整数变量和连续变量;其中,所述整数变量包括供能设备的选择因子、可控负荷设备的有无及中断与否;所述连续变量表示系统内负荷功率变化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610890448.4A CN106372762A (zh) | 2016-10-12 | 2016-10-12 | 一种含需求响应的微网经济优化运行设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610890448.4A CN106372762A (zh) | 2016-10-12 | 2016-10-12 | 一种含需求响应的微网经济优化运行设计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106372762A true CN106372762A (zh) | 2017-02-01 |
Family
ID=57895004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610890448.4A Pending CN106372762A (zh) | 2016-10-12 | 2016-10-12 | 一种含需求响应的微网经济优化运行设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106372762A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107203136A (zh) * | 2017-06-08 | 2017-09-26 | 国网甘肃省电力公司电力科学研究院 | 一种智慧农业大棚微型能源网的优化调度方法及装置 |
CN107906675A (zh) * | 2017-10-11 | 2018-04-13 | 天津大学 | 一种基于用户需求的中央空调集群优化控制方法 |
CN108009693A (zh) * | 2018-01-03 | 2018-05-08 | 上海电力学院 | 基于两级需求响应的并网微电网双层优化方法 |
CN108429256A (zh) * | 2018-03-22 | 2018-08-21 | 国网河北省电力有限公司经济技术研究院 | 电力系统运行优化方法及终端设备 |
CN108964098A (zh) * | 2018-06-13 | 2018-12-07 | 燕山大学 | 一种独立微电网系统容量优化配置方法 |
CN109995063A (zh) * | 2019-04-02 | 2019-07-09 | 常州大学 | 一种用户侧储能控制策略 |
CN111564872A (zh) * | 2020-05-29 | 2020-08-21 | 江苏铧德氢能源科技有限公司 | 基于燃料电池的微电网能量优化控制方法 |
CN112670978A (zh) * | 2020-12-14 | 2021-04-16 | 贵州万峰电力股份有限公司 | 一种电网运行优化方法及系统 |
CN113077160A (zh) * | 2021-04-13 | 2021-07-06 | 国网山东省电力公司潍坊供电公司 | 一种智能电网能量优化控制方法及系统 |
-
2016
- 2016-10-12 CN CN201610890448.4A patent/CN106372762A/zh active Pending
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107203136A (zh) * | 2017-06-08 | 2017-09-26 | 国网甘肃省电力公司电力科学研究院 | 一种智慧农业大棚微型能源网的优化调度方法及装置 |
CN107906675A (zh) * | 2017-10-11 | 2018-04-13 | 天津大学 | 一种基于用户需求的中央空调集群优化控制方法 |
CN108009693A (zh) * | 2018-01-03 | 2018-05-08 | 上海电力学院 | 基于两级需求响应的并网微电网双层优化方法 |
CN108009693B (zh) * | 2018-01-03 | 2021-09-07 | 上海电力学院 | 基于两级需求响应的并网微电网双层优化方法 |
CN108429256B (zh) * | 2018-03-22 | 2020-03-10 | 国网河北省电力有限公司经济技术研究院 | 电力系统运行优化方法及终端设备 |
CN108429256A (zh) * | 2018-03-22 | 2018-08-21 | 国网河北省电力有限公司经济技术研究院 | 电力系统运行优化方法及终端设备 |
CN108964098A (zh) * | 2018-06-13 | 2018-12-07 | 燕山大学 | 一种独立微电网系统容量优化配置方法 |
CN108964098B (zh) * | 2018-06-13 | 2022-04-08 | 燕山大学 | 一种独立微电网系统容量优化配置方法 |
CN109995063A (zh) * | 2019-04-02 | 2019-07-09 | 常州大学 | 一种用户侧储能控制策略 |
CN109995063B (zh) * | 2019-04-02 | 2022-09-27 | 常州大学 | 一种用户侧储能控制策略 |
CN111564872A (zh) * | 2020-05-29 | 2020-08-21 | 江苏铧德氢能源科技有限公司 | 基于燃料电池的微电网能量优化控制方法 |
CN112670978A (zh) * | 2020-12-14 | 2021-04-16 | 贵州万峰电力股份有限公司 | 一种电网运行优化方法及系统 |
CN112670978B (zh) * | 2020-12-14 | 2023-11-21 | 贵州万峰电力股份有限公司 | 一种电网运行优化方法及系统 |
CN113077160A (zh) * | 2021-04-13 | 2021-07-06 | 国网山东省电力公司潍坊供电公司 | 一种智能电网能量优化控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kanakadhurga et al. | Demand side management in microgrid: A critical review of key issues and recent trends | |
CN106372762A (zh) | 一种含需求响应的微网经济优化运行设计方法 | |
Hu et al. | Neighborhood-level coordination and negotiation techniques for managing demand-side flexibility in residential microgrids | |
Carli et al. | Energy scheduling of a smart microgrid with shared photovoltaic panels and storage: The case of the Ballen marina in Samsø | |
Ju et al. | Multi-objective stochastic scheduling optimization model for connecting a virtual power plant to wind-photovoltaic-electric vehicles considering uncertainties and demand response | |
Celik et al. | Electric energy management in residential areas through coordination of multiple smart homes | |
Chen et al. | Multi-objective optimal scheduling of a microgrid with uncertainties of renewable power generation considering user satisfaction | |
Mansouri et al. | An interval-based nested optimization framework for deriving flexibility from smart buildings and electric vehicle fleets in the TSO-DSO coordination | |
Gelazanskas et al. | Demand side management in smart grid: A review and proposals for future direction | |
Kuznetsova et al. | An integrated framework of agent-based modelling and robust optimization for microgrid energy management | |
Kuznetsova et al. | Analysis of robust optimization for decentralized microgrid energy management under uncertainty | |
Li et al. | Shared energy storage system for prosumers in a community: Investment decision, economic operation, and benefits allocation under a cost-effective way | |
US11610214B2 (en) | Deep reinforcement learning based real-time scheduling of Energy Storage System (ESS) in commercial campus | |
Ding et al. | Optimal dispatching strategy for user-side integrated energy system considering multiservice of energy storage | |
Babonneau et al. | A linear programming model for power distribution with demand response and variable renewable energy | |
Wang et al. | Optimal scheduling of micro-energy grid with integrated demand response based on chance-constrained programming | |
Roy et al. | A multi-level Demand-Side Management algorithm for offgrid multi-source systems | |
Kleinschmidt et al. | Unlocking flexibility in multi-energy systems: A literature review | |
Schmitt et al. | A review on active customers participation in smart grids | |
Cai et al. | Optimal scheduling of a hybrid AC/DC multi-energy microgrid considering uncertainties and Stackelberg game-based integrated demand response | |
Hayati et al. | A two-stage stochastic optimization scheduling approach for integrating renewable energy sources and deferrable demand in the spinning reserve market | |
Mena et al. | Multi-objective two-stage stochastic unit commitment model for wind-integrated power systems: A compromise programming approach | |
Gao et al. | Multi-energy sharing optimization for a building cluster towards net-zero energy system | |
Hawkes et al. | The capacity credit of micro-combined heat and power | |
Luo et al. | Optimal scheduling of micro-energy grid based on pareto frontier under uncertainty and pollutant emissions |
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: 20170201 |