CN107871052A - 一种计及可再生能源和储能的能源集线器优化调度模型 - Google Patents
一种计及可再生能源和储能的能源集线器优化调度模型 Download PDFInfo
- Publication number
- CN107871052A CN107871052A CN201711318721.7A CN201711318721A CN107871052A CN 107871052 A CN107871052 A CN 107871052A CN 201711318721 A CN201711318721 A CN 201711318721A CN 107871052 A CN107871052 A CN 107871052A
- Authority
- CN
- China
- Prior art keywords
- energy
- energy storage
- hub
- power
- regenerative resource
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了计及可再生能源和储能的能源集线器优化调度模型,所述优化调度模型的建立包括以下步骤:步骤一:确定能源集线器中电力变压器、微燃机、燃气锅炉、光伏电池板、太阳能集热器和电、热储能设备的基本运行参数;步骤二:构建系统目标函数、确定系统决策变量和系统决策的约束条件,提出计及可再生能源和储能的能源集线器优化调度模型,形成系统的日前经济性优化调度问题;步骤三:获取日前用户能源需求数据、供给侧能源价格以及可再生能源出力数据;步骤四:求解日前经济优化调度问题,得到日前决策变量结果;步骤五:更新时间到下一调度周期,返回步骤三;所述模型避免了可再生资源的浪费,并且有效地减小系统运行费用。
Description
技术领域
本发明涉及能源系统技术领域,特别是涉及计及可再生能源和储能的能源集线器优化调度模型。
背景技术
随着对综合能源系越来越广泛的关注和深入的研究,能源集线器作为一种重要的能源转化环节也备受关注。能源集线器是综合能源系统中多类型能源相互转化的重要载体,是一种将电力、天然气等供给侧能源转化为电、热等负荷侧能源的能量转换装置,对比传统单一的能源供给方式,能源集线器能够有效地提高综合能源的利用效率。
但现有的能源集线器普遍采用以电力变压器、微燃机和燃气锅炉等设备的耦合模型对其进行建模,考虑到目前以光伏电池板、太阳能集热器等为代表性的可再生能源设备以及以锂电池、钒液流电池等为代表性的电化学储能技术和由高绝热性能复合材料为代表的储热技术的不断发展,电、热储能设备已经在能源系统中逐步展开应用,可以将光伏电池板、太阳能集热器等可再生能源设备和电、热储能设备应用于能源集线器中,参与能源集线器的优化调度。
因此希望有一种计及可再生能源和储能的能源集线器优化调度模型来解决现有技术中存在的问题。
发明内容
本发明的目的在于提供一种计及可再生能源和储能的能源集线器优化调度模型,避免了可再生资源的浪费。
本发明提供一种计及可再生能源和储能的能源集线器优化调度模型,所述优化调度模型的建立包括以下步骤:
步骤一:确定能源集线器中电力变压器、微燃机、燃气锅炉、光伏电池板、太阳能集热器和电、热储能设备的基本运行参数;
步骤二:构建系统目标函数、确定系统决策变量和系统决策的约束条件,提出计及可再生能源和储能的能源集线器优化调度模型,形成系统的日前经济性优化调度问题;
步骤三:获取日前用户能源需求数据、供给侧能源价格以及可再生能源出力数据;
步骤四:求解日前经济优化调度问题,得到日前决策变量结果;
步骤五:更新时间到下一调度周期,返回步骤三。
优选地,所述能源集线器中的光伏电池板和太阳能集热器为可再生能源设备。
优选地,所述步骤一中能源集线器包括能源转化设备和储能设备;
能源转化设备包括:所述电力变压器、微燃机和燃气锅炉,能源转化设备的所述基本运行参数包含:额定容量、最大输出功率、最小输出功率、最大爬坡速率、最小爬坡速率和转换效率;
储能设备包括:所述光伏电池板和太阳能集热器,储能设备的所述基本运行参数包含:额定能量、最大能量值、最小能量值、最大充放功率、最小充放功率、充放能量效率和静态能量效率。
优选地,所述步骤二中系统目标函数为最小化运行成本,最小化运行成本包括用能成本和储能运行成本两部分;所述系统决策变量为所述能源集线器的电供给功率、气供给功率、天然气分配因子、电储能充放能功率和热储能充放能功率;所述系统决策约束条件为所述能源转化设备的功率上下限约束、所述能源转化设备的爬坡约束、所述储能设备的能量状态约束、所述储能设备的充放电功率约束和所述储能设备的调度周期起始能量状态约束以及供给侧传输功率约束。
优选地,所述步骤三中日前用户能源需求数据包括用户侧电、热负荷预测值和供给侧能源价格数据;所述供给侧能源价格包括电、气能源价格;所述可再生能源出力数据包括太阳能集热器热出力预测值和电网侧光伏发电出力预测值。
本发明公开了一种计及可再生能源和储能的能源集线器优化调度模型,该能源集线器日前经济优化调度模型考虑了可再生能源设备,避免了可再生资源的浪费、减小了化石能源的使用,同时也可以有效地减小系统运行费用,考虑了电、热储能设备,增加了优化调度的灵活性,为能源集线器的经济运行提供了一种成本更低、灵活性性更强的优化调度模型。
附图说明
图1是计及可再生能源和储能的能源集线器结构图。
图2是不同场景下能源集线器每小时购电量对比图。
图3是不同场景下能源集线器每小时购气量对比图。
图4是不同场景下微燃机每小时耗气量对比图。
图5是不同场景下燃气锅炉每小时耗气量对比图。
图6是情景4场景下电储能能量状态和充放电功率图。
图7是情景4场景下热储能能量状态和充放热功率图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行更加详细的描述。在附图中,自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例,而不是全部的实施例。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图对本发明的实施例进行详细说明。
如图1所示,计及可再生能源和储能的能源集线器结构图,图中以天然气网和电网构成的供给单元、以电力变压器、微燃机、燃气锅炉和电、热储能构成的能源集线器和以多个用户构成的负荷单元。在本实施例的计算仿真中对于供给侧由天然气网向燃气锅炉和微燃机供气、电网和光伏设备向电力变压器供电,对于负荷侧采用微燃机、电力变压器和电储能为用户供电为主、采用微燃机、燃气锅炉和热储能为用户供气为主。
为对比不同能源集线器模型的调度结果,构建了以下四种场景进行分析:
情景1:不含可再生能源装置和储能装置;
情景2:含可再生能源装置,但不含储能装置;
情景3:含可再生能源装置和储能装置。
图2是不同场景下能源集线器每小时购电量对比图;图3是不同场景下能源集线器每小时购气量对比图;图4是不同场景下微燃机每小时耗气量对比图;图5是不同场景下燃气锅炉每小时耗气量对比图;图6是情景4场景下电储能能量状态和充放电功率图;图7是情景4场景下热储能能量状态和充放热功率图。
仿真计算采用图1所示的计及可再生能源和储能的能源集线器结构图。从仿真结果可以看出,图2为不同场景下能源集线器每小时购电量对比图、图3为不同场景下能源集线器每小时购气量对比图。当能源集线器中计及可再生能源装置时,在光伏和太阳能集热器有输出功率的时段(07:00-21:00)内,整个能源集线器的购电量和购气量都有明显地下降;当能源集线器中计及电、热储能装置时,储能装置的充放电使得能源集线器的购电量和购气量曲线具有一定的差异性。例如在3:00-6:00时,由于电储能装置充电的影响使得图2中情景3场景下的耗电量在该时段高于情景2;在13:00-16:00时,由于热储能装置蓄热的影响使得图3中情景3场景下的耗气量高于情景2,但对于能源集线器的耗电量两种场景下却是相反的结果,这是因为在改时段由于能源价格的影响,系统优先使用CHP供给能源,由于需要对热储能进行充电,CHP机组出力大于情景2下机组出力,伴随而来的是产生较多的电能,因此能源集线器系统在该时段购电量较情景2有所减少。
图4是不同场景下微燃机每小时耗气量对比图,图5是不同场景下燃气锅炉每小时耗气量对比图。由于电价的实时波动,能源集线器对于不同的电价下会供给设备出力优化出不同的结果。例如当在02:00-08:00时,由于电价相对于整体水平较低,能源集线器会优先选择从电网购电的方式来满足用户侧的电负荷需求,同时此时天然气价格相比于电价偏高,能源集线器会优先选择产热效率较高的燃气轮机来满足用户侧热负荷的需求;反之,在其他时段,由于电价相对于整体水平较高,同时此时天然气价格相比于电价偏低,能源集线器会优先选择利用综合效率较高的CHP来满足用户侧的电、热负荷需求。
图6为情景4场景下电储能能量状态和充放电功率图。对于电储能装置来说,其充放电结果主要受电力价格影响,当电价较低时,电储能装置充电,反之则放电。例如在04:00-09:00时,电储能放电;在21:00-22:00时,电储能充电。但由于电储能装置自身的静态能量损耗和调度周期起始能量状态约束存在,装置更会偏向于调度周期开始时放电、调度周期结束时充电。例如在00:00-01:00时,电储能放电;在23:00-24:00时,电储能充电。
图7为情景4场景下热储能能量状态和充放热功率图。与电储能装置不同的是,热储能装置并不直接受天然气价格的影响,也可表示为受电价的间接影响。热储能装置在03:00-04:00天然气价格相对电价最高时,进行放热。与电储能装置类似的是,由于热储能装置也存在自身的静态能量损耗和调度周期起始能量状态约束,装置更会偏向于调度周期结束时充电,例如在23:00-24:00时,电储能装置蓄热。另外,结合图4和图5所示。在13:00-16:00时,CHP机组已经处于满发状态,而燃气锅炉为满足最小出力约束仍会产生热能,而这二者所产生的热能已经大于负荷需求,为保证可再生能源的最大利用,超出负荷部分的热能便会被存入热储能装置中,这便是在该时段热储能装置蓄热的原因。
本发明在现有的能源集线器模型的基础上,提出的计及可再生能源和储能的能源集线器日前经济优化调度模型,考虑了可再生能源设备和电、热储能设备,使得能源集线器的优化调度更加灵活,同时也可以有效地减少能源集线器日前调度成本。
最后需要指出的是:以上实施例仅用以说明本发明的技术方案,而非对其限制。尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种计及可再生能源和储能的能源集线器优化调度模型,其特征在于,所述优化调度模型的建立包括以下步骤:
步骤一:确定能源集线器中电力变压器、微燃机、燃气锅炉、光伏电池板、太阳能集热器和电、热储能设备的基本运行参数;
步骤二:构建系统目标函数、确定系统决策变量和系统决策的约束条件,提出计及可再生能源和储能的能源集线器优化调度模型,形成系统的日前经济性优化调度问题;
步骤三:获取日前用户能源需求数据、供给侧能源价格以及可再生能源出力数据;
步骤四:求解日前经济优化调度问题,得到日前决策变量结果;
步骤五:更新时间到下一调度周期,返回步骤三。
2.根据权利要求1所述的计及可再生能源和储能的能源集线器优化调度模型,其特征在于:所述能源集线器中的光伏电池板和太阳能集热器为可再生能源设备。
3.根据权利要求2所述的计及可再生能源和储能的能源集线器优化调度模型,其特征在于:所述步骤一中能源集线器包括能源转化设备和储能设备;
能源转化设备包括:所述电力变压器、微燃机和燃气锅炉,能源转化设备的基本运行参数包含:额定容量、最大输出功率、最小输出功率、最大爬坡速率、最小爬坡速率和转换效率;
储能设备包括:所述光伏电池板和太阳能集热器,储能设备的基本运行参数包含:额定能量、最大能量值、最小能量值、最大充放功率、最小充放功率、充放能量效率和静态能量效率。
4.根据权利要求3所述的计及可再生能源和储能的能源集线器优化调度模型,其特征在于:所述步骤二中系统目标函数为最小化运行成本,最小化运行成本包括用能成本和储能运行成本两部分;所述系统决策变量为所述能源集线器的电供给功率、气供给功率、天然气分配因子、电储能充放能功率和热储能充放能功率;所述系统决策约束条件为所述能源转化设备的功率上下限约束、所述能源转化设备的爬坡约束、所述储能设备的能量状态约束、所述储能设备的充放电功率约束和所述储能设备的调度周期起始能量状态约束以及供给侧传输功率约束。
5.根据权利要求1所述的计及可再生能源和储能的能源集线器优化调度模型,其特征在于:所述步骤三中日前用户能源需求数据包括用户侧电、热负荷预测值和供给侧能源价格数据;所述供给侧能源价格包括电、气能源价格;所述可再生能源出力数据包括太阳能集热器热出力预测值和电网侧光伏发电出力预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711318721.7A CN107871052A (zh) | 2017-12-12 | 2017-12-12 | 一种计及可再生能源和储能的能源集线器优化调度模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711318721.7A CN107871052A (zh) | 2017-12-12 | 2017-12-12 | 一种计及可再生能源和储能的能源集线器优化调度模型 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107871052A true CN107871052A (zh) | 2018-04-03 |
Family
ID=61755602
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711318721.7A Pending CN107871052A (zh) | 2017-12-12 | 2017-12-12 | 一种计及可再生能源和储能的能源集线器优化调度模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107871052A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109033013A (zh) * | 2018-07-04 | 2018-12-18 | 国家电网公司 | 一种用于农村家庭能源消费结构的计算方法 |
CN109711598A (zh) * | 2018-11-23 | 2019-05-03 | 新奥数能科技有限公司 | 一种基于流网络的多能源传输模型及其构建方法 |
CN110009244A (zh) * | 2019-04-12 | 2019-07-12 | 西安交通大学 | 一种考虑抗灾恢复的区域综合能源系统优化调度方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104701871A (zh) * | 2015-02-13 | 2015-06-10 | 国家电网公司 | 一种含风光水多源互补微网混合储能容量最佳配比方法 |
CN105823175A (zh) * | 2016-03-25 | 2016-08-03 | 华北电力大学 | 基于需求响应的空调分时调度的方法 |
CN106230010A (zh) * | 2016-08-31 | 2016-12-14 | 中国电力科学研究院 | 一种百兆瓦电池储能系统容量优化配置方法和系统 |
CN106356902A (zh) * | 2016-11-01 | 2017-01-25 | 东南大学 | 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 |
CN106877338A (zh) * | 2017-03-29 | 2017-06-20 | 华北电力大学(保定) | 含高密度间歇性能源的交直流微电网不确定优化运行方法 |
-
2017
- 2017-12-12 CN CN201711318721.7A patent/CN107871052A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104701871A (zh) * | 2015-02-13 | 2015-06-10 | 国家电网公司 | 一种含风光水多源互补微网混合储能容量最佳配比方法 |
CN105823175A (zh) * | 2016-03-25 | 2016-08-03 | 华北电力大学 | 基于需求响应的空调分时调度的方法 |
CN106230010A (zh) * | 2016-08-31 | 2016-12-14 | 中国电力科学研究院 | 一种百兆瓦电池储能系统容量优化配置方法和系统 |
CN106356902A (zh) * | 2016-11-01 | 2017-01-25 | 东南大学 | 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 |
CN106877338A (zh) * | 2017-03-29 | 2017-06-20 | 华北电力大学(保定) | 含高密度间歇性能源的交直流微电网不确定优化运行方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109033013A (zh) * | 2018-07-04 | 2018-12-18 | 国家电网公司 | 一种用于农村家庭能源消费结构的计算方法 |
CN109711598A (zh) * | 2018-11-23 | 2019-05-03 | 新奥数能科技有限公司 | 一种基于流网络的多能源传输模型及其构建方法 |
CN110009244A (zh) * | 2019-04-12 | 2019-07-12 | 西安交通大学 | 一种考虑抗灾恢复的区域综合能源系统优化调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109327042B (zh) | 一种微电网多能源联合优化调度方法 | |
CN109242350B (zh) | 计及可平移负荷的冷热电联供系统容量优化配置方法 | |
CN108154309B (zh) | 计及冷热电多负荷动态响应的能源互联网经济调度方法 | |
CN104135025B (zh) | 基于模糊粒子群算法的微网并网经济优化方法 | |
CN110991000B (zh) | 计及固体氧化物燃料电池和电转气的能量枢纽建模方法 | |
CN112464477A (zh) | 计及需求响应的多能耦合综合能源运行仿真方法 | |
CN112186755B (zh) | 一种区域综合能源系统柔性负荷储能化建模方法 | |
CN109409595B (zh) | 一种园区多能互补系统日前调度方法 | |
WO2013177923A1 (zh) | 风光储联合发电系统日前优化调度方法 | |
CN104716644A (zh) | 一种可再生能源冷热电微网系统及控制方法 | |
CN110611336B (zh) | 包含双级需求侧响应的园区多能源系统优化运行方法 | |
CN112488363B (zh) | 基于广义储能的多能源电力系统优化调度方法 | |
CN113725915A (zh) | 一种考虑可再生能源不确定性和热惰性的乡村电热综合能源系统运行优化方法 | |
CN107871052A (zh) | 一种计及可再生能源和储能的能源集线器优化调度模型 | |
CN110318877A (zh) | 基于双模态解耦的热电联产系统及其风电消纳方法 | |
CN105186583A (zh) | 基于多智能体建模的能量路由器及其能量调度方法 | |
Wang et al. | Low carbon optimal operation of integrated energy system based on concentrating solar power plant and power to hydrogen | |
CN111125611B (zh) | 面向多场景的冷-热-电微能网群两阶段优化调度方法 | |
CN108494014A (zh) | 一种混合能源热电联产经济性优化管理方法 | |
Meng et al. | Economic optimization operation approach of integrated energy system considering wind power consumption and flexible load regulation | |
CN115659585A (zh) | 计及需求响应的微能网低碳协同调度方法、装置、存储器及设备 | |
Li et al. | Multi-energy coordinated operation optimization model for wind-solar-hydro-thermal-energy storage system considering the complementary characteristics of different power resources | |
CN111899121B (zh) | 基于电转气设备的区域能源系统源荷协调运行简易方法 | |
CN114757469A (zh) | 考虑多能流设备的区域综合能源系统日前优化调度方法 | |
Sha et al. | Robust economic dispatching of high renewable energy penetrated system with concentrating solar power providing reserve capacity |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180403 |
|
RJ01 | Rejection of invention patent application after publication |