CN107194516B - 含多主体的多能互补微电网分布式优化调度方法 - Google Patents

含多主体的多能互补微电网分布式优化调度方法 Download PDF

Info

Publication number
CN107194516B
CN107194516B CN201710422977.6A CN201710422977A CN107194516B CN 107194516 B CN107194516 B CN 107194516B CN 201710422977 A CN201710422977 A CN 201710422977A CN 107194516 B CN107194516 B CN 107194516B
Authority
CN
China
Prior art keywords
user
heat
chp
cost
operator
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
CN201710422977.6A
Other languages
English (en)
Other versions
CN107194516A (zh
Inventor
刘念
王杰
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.)
North China Electric Power University
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN201710422977.6A priority Critical patent/CN107194516B/zh
Publication of CN107194516A publication Critical patent/CN107194516A/zh
Application granted granted Critical
Publication of CN107194516B publication Critical patent/CN107194516B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • Y02P80/14—District level solutions, i.e. local energy networks
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • Y02P80/15—On-site combined power, heat or cool generation or distribution, e.g. combined heat and power [CHP] 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

本发明公开了电力系统微电网技术领域中一种基于ADMM的含多主体的多能互补微电网分布式优化调度方法。基于ADMM的框架，运营商和用户形成优化互动，直到达到供需平衡。在优化迭代过程中，仅需交换期望供电量、供热量与实际供电量、供热量，运营商和用户即可完成优化调度，极大地保护了运营商和用户的隐私。热电联产高效的能量梯级利用，再结合储热系统、用户侧的需求响应与可再生能源发电，具有节能减排、缓解电网压力等优点；设定了室内舒适温度，考虑了用户舒适度，成本综合考虑了经济性与用户的主观意愿。本发明为多能互补微电网的经济运行提供了一种成本更低、可行性更高的优化方法。

Description

含多主体的多能互补微电网分布式优化调度方法
技术领域
本发明属于电力系统微电网技术领域，特别涉及一种含多主体的多能互补微电网分布式优化调度方法。
背景技术
随着微电网的发展，微电网的能量管理问题受到广泛关注。从优化方法的角度看，目前主要的优化方式有两种：集中式优化和分布式优化。一般，集中式优化中微电网内所有的电源及负荷信息需要传送至集中控制器，由集中控制器统一调度管理，这样会增大系统计算量，提高整体的通信成本，且由于微电网内电源及负荷分属于不同的运行主体，共享信息将会带来严重的隐私及商业信息泄露。考虑到集中式优化在应用中存在的较大问题，本发明采用分布式优化算法对多参与主体的考虑热电联产和储热的微电网能量管理问题进行优化调度。
本发明提出了一种基于ADMM(alternating direction method of multipliers)的含多主体的多能互补微电网分布式优化调度方法。运营商和用户不断交替互动，直到达到供需平衡，即期望的供电量、供热量与实际供电量、供热量分别相等。运营商和用户交互的信息仅限于期望供电量、供热量与实际供电量、供热量，可见这种迭代方式极大地保护了运营商和各用户的隐私信息，在满足各用户电能及热能需求的基础上，使总运行成本最低。
发明内容
本发明提供一种基于ADMM的含多主体的多能互补微电网分布式优化调度方法，其特征在于：包括如下步骤：
步骤1：确定系统目标函数、决策变量与相关的约束条件，形成原始全局优化问题；
步骤2：分别对热电联产系统、储热系统、电力负荷、供热负荷和热的不舒适度进行建模；
步骤3：分别建立运营商侧和用户侧的成本模型；
步骤4：依据ADMM算法原理，由原始全局问题推导出分布式迭代的最终形式；
步骤5：获取当前调度周期的光伏出力、电力负荷及温度的相关数据；
步骤6：由室外温度及各用户设定的舒适温度等，计算得到当前调度周期等效的热负荷；
步骤7：光伏用户群对用户侧成本进行优化求解，决策得到当次迭代的用电量、与电网交易量，以及对CHP的期望供电量和期望供热量；并将期望供电量和供热量通知给运营商；
步骤8：运营商侧在考虑用户侧的期望供电量和期望供热量后，对成本进行优化，并决策出实际供电量和实际供热量，并将其反馈给用户侧；
步骤9：用户侧和运营商侧的拉格朗日乘子根据用户侧的期望供电量、供热量和运营商的实际供电量、供热量，进行计算后分别自主更新；
步骤10：计算原始残差和对偶残差，并判断原始残差及对偶残差是否均小于设定值，若满足收敛条件，则进行步骤11；若不满足，则返回步骤7；
步骤11：由优化后的热负荷，计算得到优化后用户设定的实际温度，并更新时间到下一调度时段，返回步骤5，直到整个优化时间区间结束。
所述步骤1中的系统目标函数为最小化总运行成本，目标函数包含三个部分：1)CHP发电成本、2)与电网交易的成本、3)由于室内温度偏差造成的用户的不舒适度等效的成本，
所述的决策变量包括用户的用电量、耗热量、与电网交易量，同时包括CHP的发电量、产热量及储热装置的充放热功率等；
所述的约束条件包括系统的电功率平衡、热功率平衡、储热装置的充放热功率限制及容量约束等。
所述步骤2中对热不舒适度等效成本的建模，用户对于室内温度的调节可等效为对热负荷的调节，因此室内温度不舒适度的等效成本可定义为：
Figure BDA0001315480750000021
其中：incn为用户n的等效的不舒适度成本、N为用户总数、
Figure BDA0001315480750000022
为t时刻用户n调节室内温度为Tn时等效的热负荷、
Figure BDA0001315480750000023
为t时刻用户n调节室内温度为舒适温度Tset时等效的热负荷、αn为用户n的灵敏系数，
所述的αn用于量化用户调整温度的意愿程度，对任意的αn(αn＞0)，αn值越大，表明用户对温度的变化更为敏感，同时对调节温度的意愿更小。
所述步骤3中的运营商侧成本主要包含四部分：1)CHP的发电成本、2)运营商售电给大电网的收益、3)运营商售热给用户的收益、4)运营商售电给用户的收益，其表达式如下：
minfope＝Cchp(Pchp,Hchp)-Ps(Pchp-Ppro)+-γHpro-λPpro
其中：fope为运营商侧的成本、Cchp(Pchp,Hchp)为CHP发电成本、Pchp为CHP发电量、Ppro为CHP为光伏用户供应的电能、Hchp为CHP产热量、Ps为向大电网售出单位电能的价格、(x)+＝max{x,0}、γ为运营商售热给用户的价格、λ为运营商售电给用户的价格、Hpro为CHP为光伏用户供应的热能；
所述的用户侧目标函数可被视为四部分：1)从大电网的购电成本(或收益)、2)由于调节灵活的热负荷造成的不舒适成本、3)从CHP的购电成本、4)从CHP的购热成本，该目标函数综合考虑了经济性与用户的主观意愿，N个用户的优化后总成本表示为：
Figure BDA0001315480750000031
其中：Cpros为N个用户的总成本、Pb为从大电网购买单位电能的价格、Ps为向大电网售出单位电能的价格、xn为用户n的用电量、PPV,n为用户n的光伏输出功率。
所述步骤4中研究的目标函数和约束条件可化为ADMM的标准形式，如下式所示：
minfope+Cpros
Figure BDA0001315480750000032
其中：
Figure BDA0001315480750000033
Figure BDA0001315480750000034
Pchp-xchp,s＝Ppro
Hchp+Htes＝Hpro
其中，Preq为用户总的期望供电量、Hreq用户总的期望供热量、xb,n为用户n从电网购买的电量、Ppro为CHP实际供电量、Hpro为CHP实际供热量、xchp,s为CHP卖给大电网的电量、Htes为储热装置的放热功率，
所述的目标函数被拆分为两部分：1)用户侧成本、2)运营商侧成本，约束条件使得运营商侧实际供电量、供热量与用户侧期望供电量、供热量分别相等，从而确保总运行成本降至最低。
所述步骤4中的分布式优化迭代的最终形式，根据ADMM基本原理推导后得出的表达式如下：
Figure BDA0001315480750000041
Figure BDA0001315480750000042
Figure BDA0001315480750000043
其中，ρ是惩罚系数、k是迭代次数、x是用户侧优化目标的决策变量、w为运营商侧优化目标的决策变量、xk为第k次迭代时用户侧优化目标的决策变量、wk为第k次迭代时运营商侧优化目标的决策变量、uk为第k次迭代的拉格朗日乘子、
Figure BDA0001315480750000044
表示向量m的二范数的平方。
所述步骤5-10中的运营商侧和用户侧实现灵活互动并完成优化调度，在优化过程中，用户侧优化调度后，可得各用户用电量、耗热量、与电网交易电量及用户期望CHP提供的电能与热能，并将期望供电量和供热量通知给运营商侧，考虑用户侧的期望供电量和供热量，运营商侧对成本进行优化求解，优化得到CHP提供的电能与热能，并将其广播给用户侧，拉格朗日乘子则由运营商侧和用户侧分别自主更新；运营商侧和用户侧不断交替互动，直到达到供需平衡，即期望的供电量、供热量与实际供电量、供热量分别相等。。
所述步骤5-10中运营商侧和用户侧交互的信息仅限于期望供电量、供热量与实际供电量、供热量，本方法最大限度的保护了运营商和用户的隐私，在满足各用户电能及热能不同需求的基础上，确保总运行成本降至最低。
所述步骤10中的收敛标准为原始残差和对偶残差，在分布式优化计算中，根据ADMM原理推倒出的收敛标准为：
Figure BDA0001315480750000045
Figure BDA0001315480750000046
其中，rk和sk分别代表第k次迭代时的原始残差和对偶残差、εpri和εdual分别为原始残差和对偶残差的收敛误差，w为运营商侧优化目标的决策变量、包括CHP发电量、产热量、与电网交易量及储热装置的充放热功率等。
本发明提出的含多主体的多能互补微电网分布式优化调度方法，根据ADMM原理，将原始全局优化问题分解为运营商和用户的子问题，降低了计算复杂度；在优化迭代过程中，仅需交换期望供电量、供热量与实际供电量、供热量，运营商和用户即可完成优化调度，极大地保护了运营商和用户的隐私；考虑到以微燃气轮机为核心的热电联供系统是微电网的主要电源类型之一，由于其高效的能量梯级利用，再结合用户侧的需求响应与可再生能源发电，具有节能减排、缓解电网压力等优点；设定了室内舒适温度，考虑了用户舒适度，成本综合考虑了经济性与用户的主观意愿；考虑了储热系统，热电联产可以灵活决策运行在以热定电或者以电定热模式，采用热储能对热负荷进行时段性转移，可缓解网内电热负荷与热电联供系统电热比不匹配的矛盾。本发明提出了含多主体的多能互补微电网分布式优化调度模型和求解算法，在仅互交换期望供电量、供热量与实际供电量、供热量的基础上最优化成本，为多能互补微电网的经济运行提供了一种成本更低、可行性更高的优化方法。
附图说明
图1是本发明的优化调度流程图。
图2是用户与运营商的信息交互流程图。
图3是所有用户总的PV出力、电力负荷及净负荷曲线。
图4是微燃机和储热装置的热能调度结果。
图5是微燃机的产电量、供给用户的电量及与电网交易电量曲线。
图6-8是用户1-3优化前后的温度及热负荷对比图。
图9是分布式优化调度算法中各优化变量的调度结果。
具体实施方式
下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。
如图1所示，首先，确定原始全局问题的目标函数、决策变量与相关约束条件，并对微电网中的热电联产系统、储热系统、电负荷、热负荷等进行建模，另外建立了运营商侧和用户侧的成本模型。其次，根据ADMM算法原理，由原始全局问题推导出分布式迭代的最终形式。接着，获取当前调度周期风光出力，并由温度计算等效热负荷，运营商和用户不断优化互动，直到达到供需平衡。优化过程中，首先求解用户侧优化模型，决策出期望供电量和供热量并通知给运营商，接着求解运营商侧的优化模型，决策得出实际供电量及供热量，拉格朗日乘子根据期望供电量、供热量与实际供电量、供热量更新。再接着判断原始残差和对偶残差是否均小于设定值，若不小于，则继续求解用户侧和运营商侧的成本模型；若小于，则完成当前调度周期的优化调度，由用户实际的热负荷计算实际设定的温度。最后判断是否到达最后调度周期，若到达，则整个时间区间优化终止；若未到达，则更新到下一个调度周期进行优化调度。
如图2所示，在优化过程中，用户侧优化调度后，可得各用户用电量、耗热量、与电网交易电量及用户期望CHP提供的电能与热能，并将期望供电量和供热量通知给运营商。考虑用户侧的期望供电量和供热量，运营商对其成本进行优化求解，优化得到CHP提供的电能与热能，并将其广播给用户，拉格朗日乘子则由运营商和用户自主更新。运营商和用户不断交替互动，直到达到供需平衡，即期望的供电量、供热量与实际供电量、供热量分别相等。
如图3所示，总负荷峰值为281.73kW，出现在22点；净负荷峰值为281.73kW，出现在22点；光伏出力的峰值为183.73kW，出现在13点。
如图4所示，在12—15调度时段内，储热装置不进行充放热，微燃机工作于“以热定电”模式，若产生的电能不足，则从大电网购买，若剩余，则卖给大电网。在调度时段1—11、16—24时，微燃机工作于“以电定热”模式，在1—7调度时段内将多余的热能储存起来，并在8—10调度时段由储热装置进行放热。其中调度时段7热能需求较低，微燃机产热量比供热量多14.8878kW，则储热功率为14.8878kW，若不包含储热装置，则微燃机只需要产出112.0827kW的热能，受热能限制不能产生足够的电能，而配置储热系统后微燃机可以多产生10.2009kW的电能来供给用户。另外，调度时段9热能需求较高，产热量比供热量少20.1542kW，则储热系统的放热功率为20.1542kW，若不包含储热装置，则微燃机需要产出99.8529kW的热能，则需要将多余的电能不经济地卖给电网，而配置储热系统后，微燃机仅需要产出79.6987kW的热能，该调度时段微燃机没有产生多余的电能不经济上网。因此，避免了热能需求较低而电能需求较高时，微燃机将受热能限制而不能充分投入运行；同时避免了热能需求较高而电能需求较低时，多余电力将不经济上网，进而电热调度无法高效、经济运行。采用热储能对热负荷进行时段性转移，可缓解网内电热负荷与热电联供系统电热比不匹配的矛盾。
如图5所示，微燃机产生的电能一部分用于给用户供电，剩余的电能卖给大电网。由图可知，微燃机的产电量等于对用户的供电量及与电网交易电量之和。如在调度时段14，微燃机产生的电能为48.3917kW，供给用户的电能为4.9902kW，卖给大电网的电能为43.4015kW，验证了微燃机产电量恰等于对用户的供电量及与售给电网电量之和。在12—15调度时段，微燃机工作于“以热定电”模式，并且在该时间段内光伏充足，用户电负荷需求相对较低，因此微燃机产生的电能有剩余，将剩余的电能卖给电网。如在调度时段15，微燃机产生的电能为50.1264kW，供给用户的电能为10.8775kW，则将剩余的电能39.2489kW售给大电网。
如图6-8所示，本文将各调度时段舒适温度设为22度，由于各用户各调度时段的室内温度不同，因此各用户维持舒适温度等效的热负荷曲线不同。相比用户2和3，用户1在1—6调度时段内室内温度较低，因此若想维持室内舒适温度需要的热量较多，因此等效的热负荷较大，如在调度时段4用户1-3的温度分别为19.2128℃、20.6540℃和22℃，因此下一调度时段若想维持舒适温度等效的热负荷分别为39.0047kW、37.1354kW和35.3897kW，可见上一时段温度较低的等效的热负荷较大。本文将室内温度等效为热负荷进行调节，初始热负荷与优化后热负荷的关系可反映室内舒适温度与调节后温度的关系，因此，用户可以调节温度来改变热负荷以降低总运行成本。设α1＝0.05，α2＝0.08，α3＝0.12，用户3的α值较大，表明用户3对温度变化造成的不舒适更为敏感，做出调节温度的决策的意愿更小，等效的热不舒适度成本较高。如调度时段10，用户1-3若维持舒适温度等效的热负荷分别为38.9201kW、36.0142kW和36.0142kW，而优化后的热负荷分别为31.4841kW、29.1994kW和29.2708kW，则削减的热负荷分别为7.436kW、6.8148kW和6.7434kW，用户设定的实际温度分别为19.0783℃、19.3224℃和19.3505℃，可见，由于用户3的α值较大，等效的热不舒适度成本较高，调节温度的意愿较小。因此为降低总运行成本，用户3的优化后热负荷偏离初始热负荷的程度较小，室内调节温度曲线偏离舒适温度的程度也较小。
如图9所示，在迭代终止后，在各调度时段达到供需平衡，即用户期望的供电量、供热量与CHP实际供电量、供热量分别相等。如在调度时段17，用户期望的供电量、供热量分别为66.3656kW、80.4508kW，CHP实际供电量、供热量也分别是66.3656kW、80.4508kW，即供需达到平衡。在各调度时段，用户可进行热需求响应及电需求响应，电负荷曲线在22调度时段峰值由281.73kW降为225.4080kW，CHP可运行于“以热定电”或“以电定热”模式，用户及运营商综合光伏出力、电价、发电成本及不舒适成本，综合决策出用户实际用电量、耗热量、与电网交易电量、CHP发电量及产热量，在满足各用户电能及热能需求的基础上，使总的运行成本最低。采用提出的含多主体的多能互补微电网分布式优化调度方法，得到总的最优运行成本为1148.5376元。另外运营商和用户可在独立模式下运行，即用户的电能仅可以和电网交易，运营商产生的电能也仅能卖给电网，总成本为1194.2352元，本文提出的运营商和用户优化互动方法比独立模式下的成本降低了3.8265％。
因此，提出的含多主体的多能互补微电网分布式优化调度方法，根据ADMM原理，将原始全局优化问题分解为运营商和用户的子问题，降低了计算复杂度；在优化迭代过程中，仅需交换期望供电量、供热量与实际供电量、供热量，运营商和用户即可完成优化调度，极大地保护了运营商和用户的隐私；考虑到以微燃气轮机为核心的热电联供系统是微电网的主要电源类型之一，由于其高效的能量梯级利用，再结合用户侧的需求响应与可再生能源发电，具有节能减排、缓解电网压力等优点；设定了室内舒适温度，考虑了用户舒适度，成本综合考虑了经济性与用户的主观意愿；考虑了储热系统，热电联产可以决策运行在热定电或者以电定热模式以最小化运行成本。本发明提出了含多主体的多能互补微电网分布式优化调度模型和求解算法，在仅互交换期望供电量、供热量与实际供电量、供热量的基础上最优化成本，为微电网的经济运行提供了一种成本更低、可行性更高的优化方法。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (5)

1.一种含多主体的多能互补微电网分布式优化调度方法，其特征在于，包括如下步骤：
步骤1：确定系统目标函数、决策变量与相关的约束条件，形成原始全局优化问题；
步骤2：分别对热电联产系统、储热系统、电力负荷、供热负荷和热的不舒适度进行建模；
步骤3：分别建立运营商侧和用户侧的成本模型；
步骤4：依据ADMM算法原理，由原始全局问题推导出分布式迭代的最终形式；
步骤5：获取当前调度周期的光伏出力、电力负荷及温度的相关数据；
步骤6：由室外温度及各用户设定的舒适温度，计算得到当前调度周期等效的热负荷；
步骤7：光伏用户群对用户侧成本进行优化求解，决策得到当次迭代的用电量、与电网交易量，以及对CHP的期望供电量和期望供热量；并将期望供电量和供热量通知给运营商；
步骤8：运营商侧在考虑用户侧的期望供电量和期望供热量后，对成本进行优化，并决策出实际供电量和实际供热量，并将其反馈给用户；
步骤9：用户侧和运营商侧的拉格朗日乘子根据用户侧的期望供电量、供热量和运营商的实际供电量、供热量，进行计算后分别自主更新；
步骤10：计算原始残差和对偶残差，并判断原始残差及对偶残差是否均小于设定值，若满足收敛条件，则进行步骤11；若不满足，则返回步骤7；
步骤11：由优化后的热负荷，计算得到优化后用户设定的实际温度，并更新时间到下一调度时段，返回步骤5，直到整个优化时间区间结束；
所述步骤1中的系统目标函数为最小化总运行成本，目标函数包含三个部分：1)CHP发电成本、2)与电网交易的成本、3)由于室内温度偏差造成的用户的不舒适度等效的成本；
所述的决策变量包括用户的用电量、耗热量、与电网交易量，同时包括CHP的发电量、产热量及储热装置的充放热功率；
所述的约束条件包括系统的电功率平衡、热功率平衡、储热装置的充放热功率限制及容量约束；
所述步骤2中对热不舒适度等效成本的建模，用户对于室内温度的调节可等效为对热负荷的调节，因此室内温度不舒适度的等效成本可定义为：
Figure FDA0002382466120000011
其中：incn为用户n的等效的不舒适度成本、N为用户总数、
Figure FDA0002382466120000021
为t时刻用户n调节室内温度为Tn时等效的热负荷、
Figure FDA0002382466120000022
为t时刻用户n调节室内温度为舒适温度Tset时等效的热负荷、αn为用户n的灵敏系数；
所述的αn用于量化用户调整温度的意愿程度，对任意的αn(αn＞0)，αn值越大，表明用户对温度的变化更为敏感，同时对调节温度的意愿更小；
所述步骤3中的运营商侧成本主要包含四部分：1)CHP的发电成本、2)运营商售电给大电网的收益、3)运营商售热给用户的收益、4)运营商售电给用户的收益；其表达式如下：
min fope＝Cchp(Pchp,Hchp)-Ps(Pchp-Ppro)+-γHpro-λPpro
其中：fope为运营商侧的成本、Cchp(Pchp,Hchp)为CHP发电成本、Pchp为CHP发电量、Ppro为CHP为光伏用户供应的电能、Hchp为CHP产热量、Ps为向大电网售出单位电能的价格、(x)+＝max{x,0}、γ为运营商售热给用户的价格、λ为运营商售电给用户的价格、Hpro为CHP为光伏用户供应的热能；
所述的用户侧目标函数可被视为四部分：1)从大电网的购电成本(或收益)、2)由于调节灵活的热负荷造成的不舒适成本、3)从CHP的购电成本、4)从CHP的购热成本，该目标函数综合考虑了经济性与用户的主观意愿，N个用户的优化后总成本表示为：
Figure FDA0002382466120000023
其中：Cpros为N个用户的总成本、Pb为从大电网购买单位电能的价格、Ps为向大电网售出单位电能的价格、xn为用户n的用电量、PPV,n为用户n的光伏输出功率；
所述步骤4中研究的目标函数和约束条件可化为ADMM的标准形式，如下式所示：
min fope+Cpros
Figure FDA0002382466120000024
其中：
Figure FDA0002382466120000025
Figure FDA0002382466120000031
Pchp-xchp,s＝Ppro
Hchp+Htes＝Hpro
其中，s为用户总的期望供电量、Hreq用户总的期望供热量、xb,n为用户n从电网购买的电量、Ppro为CHP实际供电量、Hpro为CHP实际供热量、xchp,s为CHP卖给大电网的电量、Htes为储热装置的放热功率，
所述的目标函数被拆分为两部分：1)用户侧成本、2)运营商侧成本，约束条件使得运营商侧实际供电量、供热量与用户侧期望供电量、供热量分别相等，从而确保总运行成本降至最低。
2.根据权利要求1所述含多主体的多能互补微电网分布式优化调度方法，其特征在于，所述步骤4中的分布式优化迭代的最终形式，根据ADMM基本原理推导后得出的表达式如下：
Figure FDA0002382466120000032
Figure FDA0002382466120000033
Figure FDA0002382466120000034
其中，ρ是惩罚系数、k是迭代次数、x是用户侧优化目标的决策变量、w为运营商侧优化目标的决策变量、xk为第k次迭代时用户侧优化目标的决策变量、wk为第k次迭代时运营商侧优化目标的决策变量、uk为第k次迭代的拉格朗日乘子、
Figure FDA0002382466120000035
表示向量m的二范数的平方，f(x)为光伏用户群的成本；g(w)为CHP运营商的运行成本。
3.根据权利要求1所述含多主体的多能互补微电网分布式优化调度方法，其特征在于，所述步骤5-10中的运营商侧和用户侧实现灵活互动并完成优化调度，在优化过程中，用户侧优化调度后，可得各用户用电量、耗热量、与电网交易电量及用户期望CHP提供的电能与热能，并将期望供电量和供热量通知给运营商侧，考虑用户侧的期望供电量和供热量，运营商侧对成本进行优化求解，优化得到CHP提供的电能与热能，并将其广播给用户侧，拉格朗日乘子则由运营商侧和用户侧分别自主更新；运营商侧和用户侧不断交替互动，直到达到供需平衡，即期望的供电量、供热量与实际供电量、供热量分别相等。
4.根据权利要求1所述含多主体的多能互补微电网分布式优化调度方法，其特征在于，所述步骤5-10中运营商侧和用户侧交互的信息仅限于期望供电量、供热量与实际供电量、供热量，本方法最大限度的保护了运营商和用户的隐私，在满足各用户电能及热能不同需求的基础上，确保总运行成本降至最低。
5.根据权利要求1所述含多主体的多能互补微电网分布式优化调度方法，其特征在于，所述步骤10中的收敛标准为原始残差和对偶残差，在分布式优化计算中，根据ADMM原理推倒出的收敛标准为：
Figure FDA0002382466120000041
Figure FDA0002382466120000042
其中，rk和sk分别代表第k次迭代时的原始残差和对偶残差、εpri和εdual分别为原始残差和对偶残差的收敛误差，w为运营商侧优化目标的决策变量、包括CHP发电量、产热量、与电网交易量及储热装置的充放热功率。
CN201710422977.6A 2017-06-07 2017-06-07 含多主体的多能互补微电网分布式优化调度方法 Active CN107194516B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710422977.6A CN107194516B (zh) 2017-06-07 2017-06-07 含多主体的多能互补微电网分布式优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710422977.6A CN107194516B (zh) 2017-06-07 2017-06-07 含多主体的多能互补微电网分布式优化调度方法

Publications (2)

Publication Number Publication Date
CN107194516A CN107194516A (zh) 2017-09-22
CN107194516B true CN107194516B (zh) 2020-05-19

Family

ID=59877217

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710422977.6A Active CN107194516B (zh) 2017-06-07 2017-06-07 含多主体的多能互补微电网分布式优化调度方法

Country Status (1)

Country Link
CN (1) CN107194516B (zh)

Families Citing this family (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107658867B (zh) * 2017-10-16 2020-11-06 华北电力大学 多主体参与的交直流混合配电网动态重构方法
CN108063438B (zh) * 2017-11-22 2020-11-10 珠海格力电器股份有限公司 直流微电网系统的控制方法和装置
CN107832979B (zh) * 2017-12-06 2021-05-11 浙江大学 一种考虑能量梯级利用的工厂综合能源系统经济优化调度方法
CN108206543B (zh) * 2018-02-05 2021-06-04 东北大学 一种基于能源梯级利用的能源路由器及其运行优化方法
CN108599266B (zh) * 2018-03-21 2020-05-08 浙江大学 一种电-气-热多能流耦合下的需求侧响应调度方法
CN108808663B (zh) * 2018-06-12 2020-04-28 浙江大学 一种基于多能互补的工业用户热需求响应方法
CN108808734A (zh) * 2018-07-09 2018-11-13 东北电力大学 一种含虚拟电厂的风电并网系统分布式优化调度建模方法
CN108985524B (zh) * 2018-08-07 2020-11-17 南京南瑞继保电气有限公司 一种多能互补系统的协调控制方法
CN109193628B (zh) * 2018-09-18 2022-04-05 华北电力大学 一种基于一致性的综合能源系统能量管理方法
CN109190849B (zh) * 2018-10-18 2022-05-31 清华-伯克利深圳学院筹备办公室 一种能源价格的预测方法、装置、定价设备及存储介质
CN109687454B (zh) * 2019-01-24 2022-06-17 南方电网科学研究院有限责任公司 一种分布式能源集群优化调度系统、方法及装置
CN109800927B (zh) * 2019-03-21 2021-04-20 东南大学 双边电力市场环境下的配电网分布式优化方法
CN110380405B (zh) * 2019-07-04 2023-04-25 上海交通大学 考虑需求响应与储能协同优化微电网运行方法
CN112884191A (zh) * 2019-11-30 2021-06-01 国网天津市电力公司电力科学研究院 一种基于网源协调的热电日前调度模型及计算方法
CN111030096B (zh) * 2019-12-06 2021-03-16 武汉理工大学 一种基于风光储联合发电系统的发用电一体化调度方法
CN111047113B (zh) * 2019-12-28 2022-10-18 上海电力大学 基于admm的分层分布式灵活性资源协调优化调度方法
CN111193293A (zh) * 2019-12-31 2020-05-22 国网北京市电力公司 配电网协调多主体调度处理方法及装置
CN111476675B (zh) * 2020-03-16 2023-11-03 昆明电力交易中心有限责任公司 基于需求响应的综合能源系统分布式均衡交互控制方法
CN111461417B (zh) * 2020-03-23 2021-04-02 华北电力大学（保定） 基于大系统理论的综合能源系统协同优化一体化建模方法
CN111404148B (zh) * 2020-03-23 2021-06-15 华翔翔能科技股份有限公司 一种风光沼多微网系统及其对等能量和通信交易方法
CN111928294B (zh) * 2020-08-06 2023-03-24 华能太原东山燃机热电有限责任公司 一种燃气-蒸汽联合循环机组热电成本分摊的方法
CN112671036A (zh) * 2020-12-21 2021-04-16 北京华能新锐控制技术有限公司 一种考虑需求响应的微电网调度方法
CN112767148B (zh) * 2021-01-08 2022-09-06 合肥工业大学 基于区块链和分布式优化的电力交易方法和系统
CN113283655B (zh) * 2021-05-31 2023-06-20 深圳大学 一种基于共识优化算法的分布式智能电网能源调度方法
CN114117693A (zh) * 2021-10-28 2022-03-01 国网天津市电力公司 一种考虑住宅用户供热需求的社区综合能源系统双层优化方法
CN115330070B (zh) * 2022-08-18 2023-04-07 长沙学院 一种基于多因素耦合的输变电水环境指标预测方法
CN115693793B (zh) * 2022-10-11 2024-05-17 国网浙江省电力有限公司 一种区域微电网能源优化控制方法
CN117371768B (zh) * 2023-12-08 2024-05-03 国网湖北省电力有限公司 一种城市用电的供电调度方法、系统与介质
CN117791663B (zh) * 2024-02-27 2024-05-10 华北电力大学 一种梯级混合式抽水蓄能电站调控方法、系统及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014174769A (ja) * 2013-03-08 2014-09-22 Toshiba Corp エネルギー制御装置、制御方法及び制御プログラム
CN105207205A (zh) * 2015-09-16 2015-12-30 国网天津市电力公司 一种融合需求侧响应的分布式能源系统能量优化调控方法
CN105552940A (zh) * 2015-12-22 2016-05-04 广东顺德中山大学卡内基梅隆大学国际联合研究院 基于交替方向乘子算法的分布式全局最优能量管理系统
CN105591406A (zh) * 2015-12-31 2016-05-18 华南理工大学 一种基于非合作博弈的微电网能量管理系统的优化算法
CN106447125A (zh) * 2016-10-20 2017-02-22 云南电网有限责任公司电力科学研究院 基于需求侧响应的光伏用户用电负荷优化方法和系统
CN106529699A (zh) * 2016-10-12 2017-03-22 三峡大学 一种考虑需求侧的微电网的规划设计方法
CN106549381A (zh) * 2017-01-17 2017-03-29 南方电网科学研究院有限责任公司 含多参与主体的工业园区配用电互动模拟优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9146547B2 (en) * 2011-07-20 2015-09-29 Nec Laboratories America, Inc. Optimal energy management of a rural microgrid system using multi-objective optimization

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014174769A (ja) * 2013-03-08 2014-09-22 Toshiba Corp エネルギー制御装置、制御方法及び制御プログラム
CN105207205A (zh) * 2015-09-16 2015-12-30 国网天津市电力公司 一种融合需求侧响应的分布式能源系统能量优化调控方法
CN105552940A (zh) * 2015-12-22 2016-05-04 广东顺德中山大学卡内基梅隆大学国际联合研究院 基于交替方向乘子算法的分布式全局最优能量管理系统
CN105591406A (zh) * 2015-12-31 2016-05-18 华南理工大学 一种基于非合作博弈的微电网能量管理系统的优化算法
CN106529699A (zh) * 2016-10-12 2017-03-22 三峡大学 一种考虑需求侧的微电网的规划设计方法
CN106447125A (zh) * 2016-10-20 2017-02-22 云南电网有限责任公司电力科学研究院 基于需求侧响应的光伏用户用电负荷优化方法和系统
CN106549381A (zh) * 2017-01-17 2017-03-29 南方电网科学研究院有限责任公司 含多参与主体的工业园区配用电互动模拟优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于交替方向乘子法的互联微电网系统分布式优化调度;王程等;《电网技术》;20160930;第40卷(第9期);全文 *
综合能源系统分层分布式协调控制方法;赵日浩;《电力自动化设备》;20170605;全文 *

Also Published As

Publication number Publication date
CN107194516A (zh) 2017-09-22

Similar Documents

Publication Publication Date Title
CN107194516B (zh) 含多主体的多能互补微电网分布式优化调度方法
Mansouri et al. A Multi-objective dynamic framework for design of energy hub by considering energy storage system, power-to-gas technology and integrated demand response program
Moradi et al. Optimization and energy management of a standalone hybrid microgrid in the presence of battery storage system
Sharma et al. A modeling framework for optimal energy management of a residential building
Ma et al. Optimal sizing and operations of shared energy storage systems in distribution networks: A bi-level programming approach
Bao et al. A multi time-scale and multi energy-type coordinated microgrid scheduling solution—Part I: Model and methodology
Ma et al. Multi-party energy management for smart building cluster with PV systems using automatic demand response
Kim et al. Optimal use of thermal energy storage resources in commercial buildings through price-based demand response considering distribution network operation
Salehi et al. Scenario-based Co-Optimization of neighboring multi carrier smart buildings under demand response exchange
Wu et al. Energy trading and generalized Nash equilibrium in combined heat and power market
CN106786801B (zh) 一种基于竞价均衡的微电网运行方法
Zhong et al. Distributed operation for integrated electricity and heat system with hybrid stochastic/robust optimization
Emrani-Rahaghi et al. Optimal stochastic operation of residential energy hubs based on plug-in hybrid electric vehicle uncertainties using two-point estimation method
CN110489915B (zh) 计及综合需求响应的电热联合调度方法及系统
CN110175727A (zh) 一种电网调峰辅助服务市场主辅协调优化方法
Wei et al. Distributed scheduling of smart buildings to smooth power fluctuations considering load rebound
Salehpour et al. A stochastic decentralized model for the privately interactive operation of a multi-carrier energy system
Shen et al. Optimal dispatch of regional integrated energy system based on a generalized energy storage model
Xiang et al. Distributed dispatch of multiple energy systems considering carbon trading
Wang et al. Coordinated post-contingency dispatch of integrated energy system with multiple participants based on distributed energy trading
Lu et al. Two-stage robust scheduling and real-time load control of community microgrid with multiple uncertainties
Su et al. Optimal economic operation of microgrids considering combined heat and power unit, reserve unit, and demand-side management using developed adolescent identity search algorithm
CN115860241B (zh) 基于salr的互联多区域综合能源系统分布式调度方法及装置
CN110070210B (zh) 一种多微电网系统能量管理与贡献度评估方法和系统
KR102179396B1 (ko) 다중 마이크로그리드에서의 전력 융통 방법

Legal Events

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