CN107895971A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN107895971A CN107895971A CN201711219217.1A CN201711219217A CN107895971A CN 107895971 A CN107895971 A CN 107895971A CN 201711219217 A CN201711219217 A CN 201711219217A CN 107895971 A CN107895971 A CN 107895971A
- Authority
- CN
- China
- Prior art keywords
- model
- day
- power
- unit
- scheduling
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012937 correction Methods 0.000 claims abstract description 19
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- 238000004146 energy storage Methods 0.000 claims description 48
- 238000011084 recovery Methods 0.000 claims description 30
- 238000005457 optimization Methods 0.000 claims description 27
- 230000005611 electricity Effects 0.000 claims description 17
- 238000005070 sampling Methods 0.000 claims description 14
- 238000007599 discharging Methods 0.000 claims description 13
- 238000010521 absorption reaction Methods 0.000 claims description 12
- 238000005315 distribution function Methods 0.000 claims description 12
- 238000005096 rolling process Methods 0.000 claims description 10
- 230000009194 climbing Effects 0.000 claims description 9
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 238000012614 Monte-Carlo sampling Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001172 regenerating effect Effects 0.000 abstract 1
- 238000010977 unit operation Methods 0.000 abstract 1
- 239000007789 gas Substances 0.000 description 57
- 238000005057 refrigeration Methods 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 7
- 238000010248 power generation Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 5
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000003345 natural gas Substances 0.000 description 2
- 239000002918 waste heat Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009466 transformation Effects 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
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种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，包括如下步骤：(1)分析区域能源互联网内各机组、联络线的运行特性，构建各单元数学模型；(2)分析风、光可再生能源的出力及冷、热、电负荷不确定性，采用场景生成和削减技术，生成优化调度所需运行的预测场景数据；(3)建立以系统总运行成本最低为目标的日前调度随机规划模型，确定各机组的开停机状态；(4)建立以系统总运行成本最低为目标的日内调度随机规划模型，确定各机组日内运行功率；(5)采用模型预测控制技术建立日内实时滚动校正模型，修正各机组运行计划。本发明实现了负荷的精确跟踪和机组出力平滑，具有较强的动态性和鲁棒性。
Description
技术领域
本发明涉及区域能源互联网系统多能源协调优化运行调度领域，尤其涉及一种基于多场景随机规划和模型预测控制的能源互联网调度方法。
背景技术
近年来，能源问题与环境问题日益凸显，清洁能源的开发和利用成为能源领域发展的必然趋势。而电力作为最主要的二次能源，以电网为依托，构建以风、光、气等多种能源为核心的综合能源供应体系势在必行。区域能源互联网通过对当地的可再生能源、分布式电源、储能、冷热电三联供等多种资源进行协调管理，有效解决多种分布式能源接入后产生的监控和调度困难，在能源转型过程中起到重要作用。
目前，传统的运行调度方法通常都是建立确定性模型的基础上，对机组运行进行开环控制，在外界干扰、可再生能源出力波动等不确定性影响下，会导致优化调度难以达到很好的效果。传统的运行调度方法具有以下缺点：
1、传统的能源系统运行调控，冷、热、电系统分别进行调度控制，系统间的耦合考虑不足，造成资源的浪费和运行成本增加。
2、对于风、光等可再生能源的不确定性，传统的确定性规划方法难以起到很好的效果，导致系统功率不平衡增加。
3、目前的电力系统、综合能源系统调度方法仍停留在开环的能量优化管理和控制上，在风、光等可再生能源及负荷存在预测误差的情况下，难以消除系统功率偏差，且受机组出力控制扰动影响较大。
因此，本领域的技术人员致力于开发一种基于多场景随机规划和模型预测控制的区域能源互联网协调调度方法来解决这一问题。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是传统的能源系统运行调控对对于风、光等可再生能源的不确定性难以规划，机组出力控制扰动大，从而造成的资源的浪费和运行成本增加。
为实现上述目的，本发明提供了一种基于多场景随机规划和模型预测控制的区域能源互联网调度方法。
包括以下步骤：
(1)分析区域能源互联网内各机组、联络线的运行特性，构建各单元数学模型，
区域能源互联网基本框架如图2所示，各单元数学模型包括：
①常规发电机组出力模型，
式中，Cg为常规发电机组发电成本；Pg为常规发电机组发电功率；a、b、c为常规发电机组发电成本系数。
②快速启动机组出力模型，
式中，Cf为快速启动机组发电成本；Pf为快速启动机组发电功率；a、b、c为常规发电机组发电成本系数。
③储能系统荷电状态更新模型：
SOCt+1＝SOCt(1-δ)+Pc,tηcΔt/Es-Pd,tηdΔt/ηdEs
其中，SOCt为储能系统在t时刻的荷电状态；δ为储能系统的自放电率；Pc,t和Pd,t分别为储能系统在t时段的充电和放电功率；ηc和ηd分别为充电和放电效率；Es为储能系统的容量。
④燃气轮机耗量模型：Fmt＝PmtΔt/ηmt,e
燃气轮机三阶效率模型：
式中，amt、bmt、cmt、dmt为燃气轮机效率系数；为燃气轮机发电功率的标幺值。
⑤热回收系统出力模型：
其中，Qrec为热回收系统提供的热功率；ηrec为热回收系统的回收效率；Nmt为系统内燃气轮机数量。
⑥燃气锅炉耗量模型：Fgb＝QgbΔt/ηgb，
式中，Fgb为燃气锅炉的天然气耗量；Qgb为燃气锅炉的热功率；ηgb为燃气锅炉的效率。
⑦吸收式制冷机模型出力模型：
式中，Qac为吸收式制冷机的制冷功率；为热回收系统热功率中用于制冷的功率大小；为燃气锅炉用于制冷的功率；COPac为吸收制冷机的能效比。
⑧电制冷机出力耗量模型：Qec＝PecCOPec
式中，Qec为电制冷机的制冷功率；Pec为电制冷机消耗电功率；COPec为电制冷机的能效比。
(2)分析风、光可再生能源的出力及冷、热、电负荷不确定性，采用场景生成和削减技术，生成优化调度所需运行的预测场景数据，
具体包括：
(2-1)分析风、光、负荷等随机变量的误差分布特性，采用蒙特卡洛抽样方法得到大量随机场景。具体如下：
①确定随机变量的分布函数，得到其误差的概率分布特性；
②对随机变量的误差概率分布函数进行积分得到误差累积分布函数
③根据随机变量误差的累积分布函数，采用轮盘赌法进行抽样生成场景，得到各场景下的随机变量偏差及其发生概率；
④将步骤③得到的各场景偏差值与随机变量预测值相加得到该场景下的随机变量取值；
⑤对所有随机变量，分别执行步骤①至④，将所有随机变量场景相结合得到最终系统运行的场景集，每个场景发生的概率等于该场景对应各随机变量独立场景发生概率的乘积。
(2-2)采用后向缩减法，对生成的随机场景进行削减，得到求解所需的场景集合。具体如下：
①计算目前保留的场景集内各场景之间的距离，Ds,s'＝||ωs-ωs'||2
其中，Ds,s'为场景s和场景s'之间的距离；||·||2为·的2范数；
②求得各场景到其他场景的最小距离：
③选择最小距离与该场景发生概率乘积最小的场景，将其从保留集中剔除：
④重复以上步骤直至剩余场景数量小于设定值为止。
(3)基于日前预测场景数据，建立以系统总运行成本最低为目标的日前调度随机规划模型，确定各机组的开停机状态。具体包括：
(3-1)获取日前尺度可再生能源出力预测及冷、热、电负荷功率预测场景数据；
(3-2)以系统总运行成本为目标建立系统日前调度随机规划模型，目标函数为：
其中，Ns为场景数量，πs为场景s发生的概率；T为优化周期；Δt为时间间隔；Ng为常规发电机组数量；和分别为常规发电机组的运行成本、启动成本和停机成本；和分别为快速启动机组的运行成本、启动成本和停机成本；为燃气轮机运行成本；和分别为燃气轮机的启动成本和停机成本；为燃气锅炉的运行成本；和分别为通过联络线购电和售电的功率；和分别为购电电价和售电电价。
(3-3)建立区域能源互联网日前调度约束条件
①功率平衡约束
式中，为常规发电机组出力；为快速启动机组出力；为燃气轮机功率；和分别为风机和光伏的出力；和分别为储能系统的充电、放电功率；为系统的电负荷功率；为电制冷机消耗的电功率；为吸收制冷机的制冷功率；为电制冷机的制冷功率；为系统的冷负荷功率；为热回收系统提供的热功率；为燃气锅炉提供的热功率；为系统的热负荷功率。
②机组出力上下限约束
式中，分别为常规发电机组、快速启动机组、燃气轮机、燃气锅炉在t时段的开停机状态，1为开机，0为停机；和分别为第i台常规发电机组出力的出力最小值和最大值；和分别为第j台快速启动机组出力的出力最小值和最大值；和分别为第k台燃气轮机出力的出力最小值和最大值；为吸收制冷机的额定功率；为电制冷机的额定功率；和分别为燃气锅炉的最大出力和最小出力；和分别为燃气锅炉用于制热和供吸收制冷机制冷的功率。
③发电机组爬坡率约束
其中，和分别为常规发电机组出力增加和减少的爬坡率；和分别为常规发电机组出力增加和减少的爬坡率。
④最小开停机时间约束
其中，和分别为常规发电机组的最小开机时间和最小停机时间；和分别为燃气锅炉的最小开机时间和最小停机时间。
⑤储能系统约束
荷电状态更新约束
储能系统上下限约束
SOCmin≤SOCt,s≤SOCmax
充放电功率约束
充放电平衡约束
SOCT＝SOC0
其中，SOCt,s为场景s下储能系统在t时刻的荷电状态值；δ为储能系统的自放电率；ηc和ηd分别为储能系统的充、放电效率；Es为储能系统容量；和分别为储能系统在t时段的充、放电状态；和分别为充电功率最大值和最小值；和分别为放电功率最大值和最小值。
⑥热回收系统约束
其中，和分别为热回收系统用于制热和制冷的功率；为热回收系统所能提供的最大冷热功率，由燃气轮机余热决定；为热回收系统的额定功率。
⑦联络线功率约束
式中，为联络线最大传输功率；为购售电状态，1位购电，0为售电。
(3-4)求解优化问题得到日前调度结果，所述调度结果包括：快速启动机组、燃气轮机、燃气锅炉的开停机计划联络线购售电计划储能系统的充放电计划及及荷电状态日前优化值SOCt。
(4)基于日内预测场景数据，遵照日前确定开停机状态，建立以系统总运行成本最低为目标的日内调度随机规划模型，确定各机组日内运行功率。
具体包括：
(4-1)获取日内尺度可再生能源出力预测及冷、热、电负荷功率预测场景数据；
(4-2)以系统总运行成本为目标建立系统日前调度随机规划模型，目标函数为：
(4-3)建立区域能源互联网日内调度约束条件，如上述步骤(3-3)中①②③⑤⑥⑦所述，且⑤不包含储能充放电平衡约束。
(4-4)求解优化问题得到日内调度结果，所述调度结果包括：常规发电机组出力联络线交换功率与燃气锅炉功率与的确切出力计划，快速启动机组出力参考值燃气轮机出力参考值热回收系统功率参考值电制冷机功率参考值储能系统荷电状态参考值
(5)基于实时预测场景数据，以日内优化结果为参考，采用模型预测控制技术建立日内实时滚动校正模型，修正各机组运行计划。
具体包括：
(5-1)获取实时尺度可再生能源出力预测及冷、热、电负荷功率预测场景数据，采样当前时刻系统内各单元运行状态；
(5-2)以所有场景下优化周期内各机组出力相对日内调度求得参考值偏差及实时调整量的期望之和最小为目标建立日内实时滚动校正模型，目标函数为：
其中，t为当前时刻；Q和H为系数矩阵；Δut+τ为各机组功率相对上一时段的增量；
Xt+τ为有限时域内决策变量行向量，包含各机组功率及储能系统荷电状态；为日内调度求得的各机组出力及储能荷电状态的参考值，有：
(5-3)建立区域能源互联网实时校正约束条件：
①功率平衡约束
②机组出力上下限约束
式中，Pmin和Pmax分别为各机组运行状态的下限和上限。
③机组爬坡率约束
-Δrd≤Δut+τ≤Δru
式中，Δrd和Δru分别为机组功率减小和增加的爬坡率。
④反馈校正约束
其中，P0t为t时段各机组功率在当前时刻的采样值；为各机组的实际运行功率；σP为运行采样误差。
⑤机组出力预测模型约束
其中，Pt+τ为t+τ时段内各机组功率；为t+τ时段内各机组功率参考值；ξt+l为扰动误差。
(5-4)求解优化问题得到实时校正调度结果，所述调度结果包括：快速启动机组出力燃气轮机出力热回收系统功率与储能系统充放电功率以及电制冷机制冷功率下发下一时段控制变量Δut+1，在下一采样时刻，将优化时域向前滚动并重复上述步骤(5-1)—(5-4)。
本发明提供了一种基于多场景随机规划和模型预测控制的区域能源互联网调度方法能够取得以下技术效果：
1、采用多时间尺度协调优化框架，不同尺度协调配合，逐级消除可再生能源出力及负荷功率预测误差的影响，日前、日内尺度采用经济调度，保证运行经济性，实时校正环节采用模型预测控制，实现出力平滑和负荷跟踪，保证调度鲁棒性；
2、针对可再生能源与负荷不确定性，采用多场景随机规划方法，采用场景描述不确定性变量，综合考虑可能的场景及发生概率求得最优调度策略，降低不确定性影响，具有较好的鲁棒性；
3、实时校正环节采用模型预测控制，在每一个采样时刻，基于当前系统的实际运行状态和最新预测数据，求解优化控制指令，实现系统的闭环能量管理，能够有效消除可再生能源、负荷不确定性和系统干扰的影响，实现负荷的精确跟踪和机组出力平滑，具有较强的动态性和鲁棒性。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是区域能源互联网组成及能量流动图；
图2是基于多场景随机规划和模型预测控制的区域能源互联网调度流程图；
图3是基于模型预测控制的实时校正流程；
图4是多时间尺度关系图。
具体实施方式
以下参考说明书附图介绍本发明的优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，本发明的保护范围并非仅限于文中提到的实施例。
在附图中，结构相同的部件以相同数字标号表示，各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的，本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰，附图中有些地方适当夸大了部件的厚度。
如图1所示，一般的区域能源互联网包括风机1、常规发电机组2、快速发电机组14、光伏3、储能系统4、上级电网5、燃气轮机6、燃气锅炉7、热回收系统8、电制冷机9、吸收制冷机10、电负荷11、冷负荷12和热负荷13，图中实线表示电能传输，虚线表示热能传输，箭头表示传输方向，单向线头为单向传输，双向箭头为双向传输。
如图2所示，本发明提供一种基于多场景随机规划和模型预测控制的区域能源互联网协调调度方法，包括以下步骤：
(1)分析区域能源互联网内各机组、联络线的运行特性，构建各单元数学模型；
(2)分析风、光可再生能源的出力及冷、热、电负荷不确定性，采用场景生成和削减技术，生成优化调度所需运行的预测场景数据；
(3)基于日前预测场景数据，建立以系统总运行成本最低为目标的日前调度随机规划模型，确定各机组的开停机状态；
(4)基于日内预测场景数据，遵照日前确定开停机状态，建立以系统总运行成本最低为目标的日内调度随机规划模型，确定各机组日内运行功率；
(5)基于实时预测场景数据，以日内优化结果为参考，采用模型预测控制技术建立日内实时滚动校正模型，修正各机组运行计划。
进一步的，所述步骤(1)中，构建图1中各单元数学模型，包括：
①常规发电机组2出力模型，
式中，Cg为常规发电机组发电成本；Pg为常规发电机组发电功率；a、b、c为常规发电机组发电成本系数。
②快速启动机组14出力模型，
式中，Cf为快速启动机组发电成本；Pf为快速启动机组发电功率；a、b、c为常规发电机组发电成本系数。
③储能系统4荷电状态更新模型：SOCt+1＝SOCt(1-δ)+Pc,tηcΔt/Es-Pd,tηdΔt/ηdEs，其中，SOCt为储能系统在t时刻的荷电状态；δ为储能系统的自放电率；Pc,t和Pd,t分别为储能系统在t时段的充电和放电功率；ηc和ηd分别为充电和放电效率；Es为储能系统的容量。
④燃气轮机6耗量模型：Fmt＝PmtΔt/ηmt,e，
燃气轮机6三阶效率模型：
式中，amt、bmt、cmt、dmt为燃气轮机效率系数；为燃气轮机发电功率的标幺值。
⑤热回收系统8出力模型：
其中，Qrec为热回收系统提供的热功率；ηrec为热回收系统的回收效率；Nmt为系统内燃气轮机数量。
⑥燃气锅炉7耗量模型：Fgb＝QgbΔt/ηgb，
式中，Fgb为燃气锅炉的天然气耗量；Qgb为燃气锅炉的热功率；ηgb为燃气锅炉的效率。
⑦吸收式制冷机10模型出力模型：
式中，Qac为吸收式制冷机的制冷功率；为热回收系统热功率中用于制冷的功率大小；为燃气锅炉用于制冷的功率；COPac为吸收制冷机的能效比。
⑧电制冷机9出力耗量模型：Qec＝PecCOPec，
式中，Qec为电制冷机的制冷功率；Pec为电制冷机消耗电功率；COPec为电制冷机的能效比。
具体地，所述步骤(2)包括：
(2-1)分析风、光、负荷等随机变量的误差分布特性，采用蒙特卡洛抽样方法得到大量随机场景；
(2-2)采用后向缩减法，对生成的随机场景进行削减，得到求解所需的场景集合。
进一步地，所述步骤(2-1)具体包括以下步骤：
①分析风、光、负荷历史数据，确定随机变量的分布函数，得到其误差的概率分布特性；
②对风、光、负荷的误差概率分布函数进行积分得到误差累积分布函数；
③根据风、光、负荷误差的累积分布函数，分别采用轮盘赌法进行抽样生成场景，得到各场景下的各随机变量误差及其发生概率；
④将步骤③得到的各场景偏差值与对应随机变量预测值相加得到该场景下的随机变量取值；
⑤对所有随机变量，分别执行步骤①至④，将风、光、负荷对应的场景相结合得到最终系统运行的场景集，每个场景发生的概率等于该场景对应风、光、负荷独立场景发生概率的乘积。
进一步地，所述步骤(2-2)具体包括一下步骤：
①计算目前保留的场景集内各场景之间的距离Ds,s'＝||ωs-ωs'||2，其中，Ds,s'为场景s和场景s'之间的距离；||·||2为·的2范数；
②求得各场景到其他场景的最小距离：
③选择最小距离与该场景发生概率乘积最小的场景，将其从保留集中剔除：
④重复以上步骤直至剩余场景数量小于设定值为止。
具体地，所述步骤(3)包括以下步骤：
(3-1)获取日前尺度可再生能源出力预测及冷、热、电负荷功率预测场景数据；
(3-2)以系统总运行成本为目标建立系统日前调度随机规划模型，目标函数为：
其中，Ns为场景数量，πs为场景s发生的概率；T为优化周期，日前为24小时；Δt为时间间隔，日前为1小时；Ng为常规发电机组数量；和分别为常规发电机组的运行成本、启动成本和停机成本；和分别为快速启动机组的运行成本、启动成本和停机成本；为燃气轮机运行成本；和分别为燃气轮机的启动成本和停机成本；为燃气锅炉的运行成本；和分别为通过联络线购电和售电的功率；和分别为购电电价和售电电价。
(3-3)建立区域能源互联网日前调度约束条件
①功率平衡约束
式中，为常规发电机组出力；为快速启动机组出力；为燃气轮机功率；和分别为风机和光伏的出力；和分别为储能系统的充电、放电功率；为系统的电负荷功率；为电制冷机消耗的电功率；为吸收制冷机的制冷功率；为电制冷机的制冷功率；为系统的冷负荷功率；为热回收系统提供的热功率；为燃气锅炉提供的热功率；为系统的热负荷功率。
②机组出力上下限约束
式中，分别为常规发电机组、快速启动机组、燃气轮机、燃气锅炉在t时段的开停机状态，1为开机，0为停机；和分别为第i台常规发电机组出力的出力最小值和最大值；和分别为第j台快速启动机组出力的出力最小值和最大值；和分别为第k台燃气轮机出力的出力最小值和最大值；为吸收制冷机的额定功率；为电制冷机的额定功率；和分别为燃气锅炉的最大出力和最小出力；和分别为燃气锅炉用于制热和供吸收制冷机制冷的功率。
③发电机组爬坡率约束
其中，和分别为常规发电机组出力增加和减少的爬坡率；和分别为常规发电机组出力增加和减少的爬坡率。
④最小开停机时间约束
其中，和分别为常规发电机组的最小开机时间和最小停机时间； 分别为燃气锅炉的最小开机时间和最小停机时间。
⑤储能系统约束
荷电状态更新约束
储能系统上下限约束
SOCmin≤SOCt,s≤SOCmax
充放电功率约束
充放电平衡约束
SOCT＝SOC0
其中，SOCt,s为场景s下储能系统在t时刻的荷电状态值；δ为储能系统的自放电率；ηc和ηd分别为储能系统的充、放电效率；Es为储能系统容量；和分别为储能系统在t时段的充、放电状态；和分别为充电功率最大值和最小值；和分别为放电功率最大值和最小值。
⑥热回收系统约束
其中，和分别为热回收系统用于制热和制冷的功率；为热回收系统所能提供的最大冷热功率，由燃气轮机余热决定；为热回收系统的额定功率。
⑦联络线功率约束
式中，为联络线最大传输功率；为购售电状态，1位购电，0为售电。
(3-4)求解优化问题得到日前调度结果，所述调度结果包括：快速启动机组、燃气轮机、燃气锅炉的开停机计划联络线购售电计划储能系统的充放电计划及及荷电状态参考值SOCt
具体地，所述步骤(4)具体包括：
(4-1)获取日内尺度可再生能源出力预测及冷、热、电负荷功率预测场景数据；
(4-2)以系统总运行成本为目标建立系统日前调度随机规划模型，目标函数为：
(4-3)建立区域能源互联网日内调度约束条件，如上述步骤(3-3)中①②③⑤⑥⑦所述，且⑤不包含储能充放电平衡约束。
(4-4)求解优化问题得到日内调度结果，所述调度结果包括：常规发电机组出力联络线交换功率与燃气锅炉功率与的确切出力计划，快速启动机组出力参考值燃气轮机出力参考值热回收系统功率参考值电制冷机功率参考值储能系统荷电状态参考值
具体地，所述步骤(5)中，如图3所示，包括以下步骤：
(5-1)获取超短期可再生能源出力预测及冷、热、电负荷功率预测场景数据；
(5-2)获取日内调度计划参考值；
(5-3)采样当前时刻系统内各单元运行状态；
(5-4)基于模型预测控制进行实时滚动优化。以所有场景下优化周期内各机组出力相对日内调度求得参考值偏差及实时调整量的期望之和最小为目标建立日内实时滚动校正模型，目标函数为：
其中，t为当前时刻；Q和H为系数矩阵；Δut+τ为各机组功率相对上一时段的增量；Xt+τ为有限时域内决策变量行向量，包含各机组功率及储能系统荷电状态；为日内调度求得的各机组出力及储能荷电状态的参考值，有：
区域能源互联网实时校正约束条件：
①功率平衡约束
②机组出力上下限约束
式中，Pmin和Pmax分别为各机组运行状态的下限和上限。
③机组爬坡率约束
-Δrd≤Δut+τ≤Δru
式中，Δrd和Δru分别为机组功率减小和增加的爬坡率。
④反馈校正约束
其中，P0t为t时段各机组功率在当前时刻的采样值；为各机组的实际运行功率；σP为运行采样误差。
⑤机组出力预测模型约束
其中，Pt+τ为t+τ时段内各机组功率；为t+τ时段内各机组功率参考值；ξt+l为扰动误差。
(5-5)求解优化问题得到实时校正调度结果，所述调度结果包括：快速启动机组出力燃气轮机出力热回收系统功率与储能系统充放电功率 以及电制冷机制冷功率下发下一时段控制变量Δut+1给系统内各机组，在下一采样时刻，将优化时域向前滚动并重复上述步骤(5-1)—(5-5)。
本实施例中，如图4所示，日前尺度每24小时执行一次，优化周期为24小时，时间间隔为1小时；日内尺度每1小时执行一次，优化周期为1小时，时间间隔为15分钟；实时校正每5分钟执行一次，优化周期为15分钟，时间间隔为5分钟。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种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，其特征在于，包括如下步骤：
(1)分析区域能源互联网内各机组、联络线的运行特性，构建各单元数学模型；
(2)分析风、光可再生能源的出力及冷、热、电负荷不确定性，采用场景生成和削减技术，生成优化调度所需运行的预测场景数据；
(3)基于日前预测场景数据，建立以系统总运行成本最低为目标的日前调度随机规划模型，确定各机组的开停机状态；
(4)基于日内预测场景数据，遵照日前确定开停机状态，建立以系统总运行成本最低为目标的日内调度随机规划模型，确定各机组日内运行功率；
(5)基于实时预测场景数据，以日内优化结果为参考，采用模型预测控制技术建立日内实时滚动校正模型，修正各机组运行计划。
2.如权利要求1所述的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，其特征在于，所述步骤(1)，构建各单元数学模型包括：
①常规发电机组出力模型：
②快速启动机组出力模型：
③储能系统荷电状态更新模型：SOCt+1＝SOCt(1-δ)+Pc,tηcΔt/Es-Pd,tηdΔt/ηdEs
④燃气轮机耗量模型：Fmt＝PmtΔt/ηmt,e
燃气轮机三阶效率模型：
⑤热回收系统出力模型：
⑥燃气锅炉耗量模型：Fgb＝QgbΔt/ηgb
⑦吸收式制冷机模型出力模型：
⑧电制冷机出力耗量模型：Qec＝PecCOPec。
3.如权利要求1或者2所述的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，其特征在于，所述步骤(2)包括：
(2-1)分析风、光、负荷等随机变量的误差分布特性，采用蒙特卡洛抽样方法得到大量随机场景；
(2-2)采用后向缩减法，对生成的随机场景进行削减，得到求解所需的场景集合。
4.如权利要求3所述的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，其特征在于，所述步骤(2-1)包括：
①确定随机变量的分布函数，得到其误差的概率分布特性；
②对随机变量的误差概率分布函数进行积分得到误差累积分布函数
③根据随机变量误差的累积分布函数，采用轮盘赌法进行抽样生成场景，得到各场景下的随机变量偏差及其发生概率；
④将上步骤得到的各场景偏差值与随机变量预测值相加得到该场景下的随机变量取值；
⑤对所有随机变量，分别执行步骤①至④，将所有随机变量场景相结合得到最终系统运行的场景集，每个场景发生的概率等于该场景对应各随机变量独立场景发生概率的乘积。
5.如权利要求4所述的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，其特征在于，所述步骤(2-2)包括：
①计算目前保留的场景集内各场景之间的距离Ds,s'＝||ωs-ωs'||2
②求得各场景到其他场景的最小距离：
③选择最小距离与该场景发生概率乘积最小的场景，公式如下，将其从保留集中剔除；
④重复以上步骤直至剩余场景数量小于设定值为止。
6.如权利要求5所述的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，其特征在于，所步骤(3)包括：
(3-1)获取日前尺度可再生能源出力预测及冷、热、电负荷功率预测场景数据；
(3-2)以系统总运行成本为目标建立系统日前调度随机规划模型，目标函数为：
(3-3)建立区域能源互联网日前调度约束条件
①功率平衡约束
②机组出力上下限约束
③发电机组爬坡率约束
④最小开停机时间约束
⑤储能系统约束
荷电状态更新约束
储能系统上下限约束
SOCmin≤SOCt,s≤SOCmax
充放电功率约束
充放电平衡约束
SOCT＝SOC0
⑥热回收系统约束
⑦联络线功率约束
(3-4)求解优化问题得到日前调度结果，所述调度结果包括：快速启动机组、燃气轮机、燃气锅炉的开停机计划，联络线购售电计划，储能系统的充放电计划及荷电状态参考值。
7.如权利要求1所述的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，其特征在于，所述步骤(4)包括：
(4-1)获取日内尺度可再生能源出力预测及冷、热、电负荷功率预测场景数据；
(4-2)以系统总运行成本为目标建立系统日前调度随机规划模型，目标函数为：
(4-3)建立区域能源互联网日内调度约束条件包括：
①功率平衡约束
②机组出力上下限约束
③发电机组爬坡率约束
④储能系统约束
荷电状态更新约束
储能系统上下限约束
SOCmin≤SOCt,s≤SOCmax
充放电功率约束
⑤热回收系统约束
⑥联络线功率约束
(4-4)求解优化问题得到日内调度结果，所述调度结果包括：常规发电机组出力、联络线交换功率、燃气锅炉功率与确切出力计划，快速启动机组出力参考值、燃气轮机出力参考值、热回收系统功率参考值、电制冷机功率参考值、储能系统荷电状态参考值。
8.如权利要求1所述的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，其特征在于，所述步骤(5)包括：
(5-1)获取实时尺度可再生能源出力预测及冷、热、电负荷功率预测场景数据，采样当前时刻系统内各单元运行状态；
(5-2)以所有场景下优化周期内各机组出力相对日内调度求得参考值偏差及实时调整量的期望之和最小为目标建立日内实时滚动校正模型，目标函数为：
其中：
(5-3)建立区域能源互联网实时校正约束条件：
①功率平衡约束
②机组出力上下限约束
③机组爬坡率约束
-Δrd≤Δut+τ≤Δru
④反馈校正约束
⑤机组出力预测模型约束
(5-4)求解优化问题得到实时校正调度结果，所述调度结果包括：快速启动机组出力、燃气轮机出力、热回收系统功率、储能系统充放电功率、以及电制冷机制冷功率，下发下一时段控制变量；
(5-5)在下一采样时刻，将优化时域向前滚动并重复上述步骤(5-1)—(5-4)。
9.如权利要求6所述的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，其特征在于，所述日前尺度每24小时执行一次，优化周期为24小时，时间间隔为1小时。
10.如权利要求7所述的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，其特征在于，所述日内尺度每1小时执行一次，优化周期为1小时，时间间隔为15分钟；实时校正每5分钟执行一次，优化周期为15分钟，时间间隔为5分钟。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711219217.1A CN107895971B (zh) | 2017-11-28 | 2017-11-28 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711219217.1A CN107895971B (zh) | 2017-11-28 | 2017-11-28 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107895971A true CN107895971A (zh) | 2018-04-10 |
| CN107895971B CN107895971B (zh) | 2021-05-07 |
Family
ID=61806922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711219217.1A Active CN107895971B (zh) | 2017-11-28 | 2017-11-28 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107895971B (zh) |
Cited By (41)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108631302A (zh) * | 2018-05-15 | 2018-10-09 | 佛山科学技术学院 | 一种岛礁综合能源系统优化调度方法及装置 |
| CN108667012A (zh) * | 2018-05-21 | 2018-10-16 | 国网山东省电力公司电力科学研究院 | 基于多场景的区域能源互联网源荷储双阶段协调优化方法 |
| CN108832665A (zh) * | 2018-07-04 | 2018-11-16 | 四川大学 | 一种考虑风电不确定性的电热综合系统分布式鲁棒协调优化调度模型 |
| CN109149656A (zh) * | 2018-09-19 | 2019-01-04 | 南京师范大学 | 一种气-电互联综合能源系统机组组合方法 |
| CN109274132A (zh) * | 2018-10-15 | 2019-01-25 | 华南理工大学 | 最大化可再生能源出力的数据驱动电力系统实时调度方法 |
| CN109472050A (zh) * | 2018-09-30 | 2019-03-15 | 东南大学 | 基于热惯性的热电联产系统混合时间尺度调度方法 |
| CN109636056A (zh) * | 2018-12-24 | 2019-04-16 | 浙江工业大学 | 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 |
| CN109638859A (zh) * | 2018-12-13 | 2019-04-16 | 清华大学 | 一种多能源系统关口电功率实时安全校正的优化控制方法 |
| CN109711618A (zh) * | 2018-12-26 | 2019-05-03 | 新奥数能科技有限公司 | 一种能源调度方法、中心设备、子设备与系统 |
| CN109765787A (zh) * | 2019-01-30 | 2019-05-17 | 南方电网科学研究院有限责任公司 | 一种基于日内-实时滚动控制的配电网源荷快速跟踪方法 |
| CN109784591A (zh) * | 2019-03-22 | 2019-05-21 | 大唐环境产业集团股份有限公司 | 一种带储能和风电的综合能源系统优化调度方法及系统 |
| CN109858697A (zh) * | 2019-01-31 | 2019-06-07 | 山东大学 | 计及源荷随机的冷热电联供系统优化运行方法及系统 |
| CN109888840A (zh) * | 2019-02-28 | 2019-06-14 | 内蒙古科技大学 | 风光-垃圾发电能源综合利用系统的调度优化方法及装置 |
| CN110034587A (zh) * | 2019-04-22 | 2019-07-19 | 广东电网有限责任公司 | 一种优化调度方法 |
| CN110188915A (zh) * | 2019-04-10 | 2019-08-30 | 国网浙江省电力有限公司电力科学研究院 | 基于场景集的虚拟电厂中储能系统优化配置方法及系统 |
| CN110288271A (zh) * | 2019-07-11 | 2019-09-27 | 北京全来电科技有限公司 | 一种基于模型预测控制的台区级充电负荷调控策略及方法 |
| CN110350589A (zh) * | 2019-07-31 | 2019-10-18 | 广东电网有限责任公司 | 一种可再生能源和储能调度模型及调度方法 |
| CN110516843A (zh) * | 2019-07-19 | 2019-11-29 | 国网冀北电力有限公司电力科学研究院 | 一种虚拟电厂容量优化方法、设备以及系统 |
| CN110601190A (zh) * | 2019-09-23 | 2019-12-20 | 国网辽宁省电力有限公司鞍山供电公司 | 一种区域电网运行域划分方法 |
| CN110854932A (zh) * | 2019-11-21 | 2020-02-28 | 国网山东省电力公司青岛供电公司 | 一种交直流配电网多时间尺度优化调度方法及系统 |
| CN110929964A (zh) * | 2019-12-18 | 2020-03-27 | 国网福建省电力有限公司 | 一种基于近似动态规划算法的含储能配电网优化调度方法 |
| CN110932257A (zh) * | 2019-08-29 | 2020-03-27 | 昆明理工大学 | 一种微电网能量调度方法 |
| CN111339474A (zh) * | 2020-02-17 | 2020-06-26 | 山东大学 | 一种基于趋势预测分析法的综合能源系统预测运行方法 |
| CN111555369A (zh) * | 2020-05-20 | 2020-08-18 | 云南电网有限责任公司电力科学研究院 | 一种配电网中压-低压协同优化方法 |
| CN111815025A (zh) * | 2020-06-09 | 2020-10-23 | 国网山东省电力公司经济技术研究院 | 考虑风光与负荷不确定性综合能源系统柔性优化调度方法 |
| CN112332460A (zh) * | 2020-10-30 | 2021-02-05 | 重庆大学 | 一种考虑能流特性差异的电-气互联系统异步调度方法 |
| CN112700066A (zh) * | 2021-01-14 | 2021-04-23 | 国网山东省电力公司青岛供电公司 | 一种电-热综合能源系统调度最佳时间尺度配合方法 |
| CN112713618A (zh) * | 2020-12-29 | 2021-04-27 | 天津大学合肥创新发展研究院 | 基于多场景技术的主动配电网源网荷储协同优化运行方法 |
| CN112750063A (zh) * | 2021-01-04 | 2021-05-04 | 李璐 | 基于随机规划的公交车队设施选址-路径规划-调度方法 |
| CN112907030A (zh) * | 2021-01-20 | 2021-06-04 | 国网山东省电力公司寿光市供电公司 | 一种考虑需求侧响应的能源中心配置方法及系统 |
| CN112994036A (zh) * | 2021-02-02 | 2021-06-18 | 中南大学 | 一种基于模型预测的温控负荷参与微电网调控方法及系统 |
| CN113410854A (zh) * | 2021-08-19 | 2021-09-17 | 国网浙江省电力有限公司平阳县供电公司 | 一种多类型储能系统优化运行方法 |
| CN113452090A (zh) * | 2021-06-16 | 2021-09-28 | 华能澜沧江水电股份有限公司 | 一种水火风光储多能互补集成电源的有功功率控制方法 |
| CN113489054A (zh) * | 2021-06-21 | 2021-10-08 | 北京德风新征程科技有限公司 | 一种基于大数据云技术的能源互联网调度方法 |
| CN113919612A (zh) * | 2020-07-09 | 2022-01-11 | 电力规划总院有限公司 | 一种能源系统的功率确定方法和电子设备 |
| CN114118532A (zh) * | 2021-11-06 | 2022-03-01 | 深圳供电局有限公司 | 孤岛微网的调度方法、装置、计算机设备、存储介质 |
| CN114336783A (zh) * | 2022-01-07 | 2022-04-12 | 国网能源研究院有限公司 | 一种适应于市县新能源消纳优化方法和系统 |
| CN114781817A (zh) * | 2022-03-30 | 2022-07-22 | 全球能源互联网集团有限公司 | 电-气互联系统多时间尺度联合优化调度方法及系统 |
| CN115001037A (zh) * | 2022-06-06 | 2022-09-02 | 国网山东省电力公司潍坊供电公司 | 一种多目标多时间尺度协同的储能系统调度运行方法 |
| CN116316647A (zh) * | 2022-09-08 | 2023-06-23 | 东南大学溧阳研究院 | 一种基于模型预测控制的配电网实时碳排放优化控制方法 |
| CN116341836A (zh) * | 2023-02-22 | 2023-06-27 | 国网山东省电力公司德州供电公司 | 一种园区综合能源系统多能源市场运营方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104951899A (zh) * | 2015-07-02 | 2015-09-30 | 东南大学 | 含大规模可再生能源的配电公司多时间尺度优化调度方法 |
| CN105811397A (zh) * | 2016-03-11 | 2016-07-27 | 国网天津市电力公司 | 一种基于多时间尺度的多能互补微网调度方法 |
| CN106230028A (zh) * | 2016-09-08 | 2016-12-14 | 安徽电气工程职业技术学院 | 一种风电—抽水蓄能联合系统的多目标优化方法 |
| CN106505634A (zh) * | 2016-12-14 | 2017-03-15 | 东南大学 | 基于两阶段协调优化与控制的冷热电联供型微网运行方法 |
| CN106936147A (zh) * | 2017-04-14 | 2017-07-07 | 南瑞（武汉）电气设备与工程能效测评中心 | 一种基于双层优化的微电网面向电蓄热锅炉的优化运行管理方法 |
| CN107332286A (zh) * | 2017-07-27 | 2017-11-07 | 清华大学 | 一种含储热的热电联产与风电协调调度方法 |
-
2017
- 2017-11-28 CN CN201711219217.1A patent/CN107895971B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104951899A (zh) * | 2015-07-02 | 2015-09-30 | 东南大学 | 含大规模可再生能源的配电公司多时间尺度优化调度方法 |
| CN105811397A (zh) * | 2016-03-11 | 2016-07-27 | 国网天津市电力公司 | 一种基于多时间尺度的多能互补微网调度方法 |
| CN106230028A (zh) * | 2016-09-08 | 2016-12-14 | 安徽电气工程职业技术学院 | 一种风电—抽水蓄能联合系统的多目标优化方法 |
| CN106505634A (zh) * | 2016-12-14 | 2017-03-15 | 东南大学 | 基于两阶段协调优化与控制的冷热电联供型微网运行方法 |
| CN106936147A (zh) * | 2017-04-14 | 2017-07-07 | 南瑞（武汉）电气设备与工程能效测评中心 | 一种基于双层优化的微电网面向电蓄热锅炉的优化运行管理方法 |
| CN107332286A (zh) * | 2017-07-27 | 2017-11-07 | 清华大学 | 一种含储热的热电联产与风电协调调度方法 |
Non-Patent Citations (1)
| Title |
|---|
| 周晓倩 等: "含冷热电联供的微网优化调度策略综述", 《电力自动化设备》 * |
Cited By (63)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019218670A1 (zh) * | 2018-05-15 | 2019-11-21 | 佛山科学技术学院 | 一种岛礁综合能源系统优化调度方法及装置 |
| CN108631302A (zh) * | 2018-05-15 | 2018-10-09 | 佛山科学技术学院 | 一种岛礁综合能源系统优化调度方法及装置 |
| CN108631302B (zh) * | 2018-05-15 | 2021-01-12 | 佛山科学技术学院 | 一种岛礁综合能源系统优化调度方法及装置 |
| CN108667012A (zh) * | 2018-05-21 | 2018-10-16 | 国网山东省电力公司电力科学研究院 | 基于多场景的区域能源互联网源荷储双阶段协调优化方法 |
| CN108832665A (zh) * | 2018-07-04 | 2018-11-16 | 四川大学 | 一种考虑风电不确定性的电热综合系统分布式鲁棒协调优化调度模型 |
| CN108832665B (zh) * | 2018-07-04 | 2021-09-07 | 四川大学 | 一种考虑风电不确定性的电热综合系统分布式鲁棒协调优化调度建模方法 |
| CN109149656B (zh) * | 2018-09-19 | 2020-08-04 | 南京师范大学 | 一种气-电互联综合能源系统机组组合方法 |
| CN109149656A (zh) * | 2018-09-19 | 2019-01-04 | 南京师范大学 | 一种气-电互联综合能源系统机组组合方法 |
| CN109472050A (zh) * | 2018-09-30 | 2019-03-15 | 东南大学 | 基于热惯性的热电联产系统混合时间尺度调度方法 |
| CN109472050B (zh) * | 2018-09-30 | 2023-10-24 | 东南大学 | 基于热惯性的热电联产系统混合时间尺度调度方法 |
| CN109274132A (zh) * | 2018-10-15 | 2019-01-25 | 华南理工大学 | 最大化可再生能源出力的数据驱动电力系统实时调度方法 |
| CN109638859B (zh) * | 2018-12-13 | 2020-09-01 | 清华大学 | 一种多能源系统关口电功率实时安全校正的优化控制方法 |
| CN109638859A (zh) * | 2018-12-13 | 2019-04-16 | 清华大学 | 一种多能源系统关口电功率实时安全校正的优化控制方法 |
| CN109636056A (zh) * | 2018-12-24 | 2019-04-16 | 浙江工业大学 | 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 |
| CN109711618A (zh) * | 2018-12-26 | 2019-05-03 | 新奥数能科技有限公司 | 一种能源调度方法、中心设备、子设备与系统 |
| CN109765787A (zh) * | 2019-01-30 | 2019-05-17 | 南方电网科学研究院有限责任公司 | 一种基于日内-实时滚动控制的配电网源荷快速跟踪方法 |
| CN109765787B (zh) * | 2019-01-30 | 2022-05-13 | 南方电网科学研究院有限责任公司 | 一种基于日内-实时滚动控制的配电网源荷快速跟踪方法 |
| CN109858697A (zh) * | 2019-01-31 | 2019-06-07 | 山东大学 | 计及源荷随机的冷热电联供系统优化运行方法及系统 |
| CN109888840A (zh) * | 2019-02-28 | 2019-06-14 | 内蒙古科技大学 | 风光-垃圾发电能源综合利用系统的调度优化方法及装置 |
| CN109784591A (zh) * | 2019-03-22 | 2019-05-21 | 大唐环境产业集团股份有限公司 | 一种带储能和风电的综合能源系统优化调度方法及系统 |
| CN110188915A (zh) * | 2019-04-10 | 2019-08-30 | 国网浙江省电力有限公司电力科学研究院 | 基于场景集的虚拟电厂中储能系统优化配置方法及系统 |
| CN110034587A (zh) * | 2019-04-22 | 2019-07-19 | 广东电网有限责任公司 | 一种优化调度方法 |
| CN110288271B (zh) * | 2019-07-11 | 2022-10-11 | 北京全来电科技有限公司 | 一种基于模型预测控制的台区级充电负荷调控策略及方法 |
| CN110288271A (zh) * | 2019-07-11 | 2019-09-27 | 北京全来电科技有限公司 | 一种基于模型预测控制的台区级充电负荷调控策略及方法 |
| CN110516843A (zh) * | 2019-07-19 | 2019-11-29 | 国网冀北电力有限公司电力科学研究院 | 一种虚拟电厂容量优化方法、设备以及系统 |
| CN110350589A (zh) * | 2019-07-31 | 2019-10-18 | 广东电网有限责任公司 | 一种可再生能源和储能调度模型及调度方法 |
| CN110350589B (zh) * | 2019-07-31 | 2022-07-12 | 广东电网有限责任公司 | 一种可再生能源和储能调度模型及调度方法 |
| CN110932257A (zh) * | 2019-08-29 | 2020-03-27 | 昆明理工大学 | 一种微电网能量调度方法 |
| CN110601190B (zh) * | 2019-09-23 | 2023-06-02 | 国网辽宁省电力有限公司鞍山供电公司 | 一种区域电网运行域划分方法 |
| CN110601190A (zh) * | 2019-09-23 | 2019-12-20 | 国网辽宁省电力有限公司鞍山供电公司 | 一种区域电网运行域划分方法 |
| CN110854932A (zh) * | 2019-11-21 | 2020-02-28 | 国网山东省电力公司青岛供电公司 | 一种交直流配电网多时间尺度优化调度方法及系统 |
| CN110929964A (zh) * | 2019-12-18 | 2020-03-27 | 国网福建省电力有限公司 | 一种基于近似动态规划算法的含储能配电网优化调度方法 |
| CN111339474A (zh) * | 2020-02-17 | 2020-06-26 | 山东大学 | 一种基于趋势预测分析法的综合能源系统预测运行方法 |
| CN111555369B (zh) * | 2020-05-20 | 2023-09-15 | 云南电网有限责任公司电力科学研究院 | 一种配电网中压-低压协同优化方法 |
| CN111555369A (zh) * | 2020-05-20 | 2020-08-18 | 云南电网有限责任公司电力科学研究院 | 一种配电网中压-低压协同优化方法 |
| CN111815025A (zh) * | 2020-06-09 | 2020-10-23 | 国网山东省电力公司经济技术研究院 | 考虑风光与负荷不确定性综合能源系统柔性优化调度方法 |
| CN113919612A (zh) * | 2020-07-09 | 2022-01-11 | 电力规划总院有限公司 | 一种能源系统的功率确定方法和电子设备 |
| CN112332460A (zh) * | 2020-10-30 | 2021-02-05 | 重庆大学 | 一种考虑能流特性差异的电-气互联系统异步调度方法 |
| CN112332460B (zh) * | 2020-10-30 | 2024-06-04 | 重庆大学 | 一种考虑能流特性差异的电-气互联系统异步调度方法 |
| CN112713618A (zh) * | 2020-12-29 | 2021-04-27 | 天津大学合肥创新发展研究院 | 基于多场景技术的主动配电网源网荷储协同优化运行方法 |
| CN112713618B (zh) * | 2020-12-29 | 2023-04-07 | 天津大学合肥创新发展研究院 | 基于多场景技术的主动配电网源网荷储协同优化运行方法 |
| CN112750063B (zh) * | 2021-01-04 | 2023-12-05 | 李璐 | 基于随机规划的公交车队设施选址-路径规划-调度方法 |
| CN112750063A (zh) * | 2021-01-04 | 2021-05-04 | 李璐 | 基于随机规划的公交车队设施选址-路径规划-调度方法 |
| CN112700066A (zh) * | 2021-01-14 | 2021-04-23 | 国网山东省电力公司青岛供电公司 | 一种电-热综合能源系统调度最佳时间尺度配合方法 |
| CN112700066B (zh) * | 2021-01-14 | 2022-09-02 | 国网山东省电力公司青岛供电公司 | 一种电-热综合能源系统调度最佳时间尺度配合方法 |
| CN112907030B (zh) * | 2021-01-20 | 2023-12-19 | 国网山东省电力公司寿光市供电公司 | 一种考虑需求侧响应的能源中心配置方法及系统 |
| CN112907030A (zh) * | 2021-01-20 | 2021-06-04 | 国网山东省电力公司寿光市供电公司 | 一种考虑需求侧响应的能源中心配置方法及系统 |
| CN112994036A (zh) * | 2021-02-02 | 2021-06-18 | 中南大学 | 一种基于模型预测的温控负荷参与微电网调控方法及系统 |
| CN112994036B (zh) * | 2021-02-02 | 2022-09-16 | 中南大学 | 一种基于模型预测的温控负荷参与微电网调控方法及系统 |
| CN113452090B (zh) * | 2021-06-16 | 2022-04-22 | 华能澜沧江水电股份有限公司 | 一种水火风光储多能互补集成电源的有功功率控制方法 |
| CN113452090A (zh) * | 2021-06-16 | 2021-09-28 | 华能澜沧江水电股份有限公司 | 一种水火风光储多能互补集成电源的有功功率控制方法 |
| CN113489054A (zh) * | 2021-06-21 | 2021-10-08 | 北京德风新征程科技有限公司 | 一种基于大数据云技术的能源互联网调度方法 |
| CN113410854A (zh) * | 2021-08-19 | 2021-09-17 | 国网浙江省电力有限公司平阳县供电公司 | 一种多类型储能系统优化运行方法 |
| CN114118532A (zh) * | 2021-11-06 | 2022-03-01 | 深圳供电局有限公司 | 孤岛微网的调度方法、装置、计算机设备、存储介质 |
| CN114336783B (zh) * | 2022-01-07 | 2022-09-27 | 国网能源研究院有限公司 | 一种适应于市县新能源消纳优化方法和系统 |
| CN114336783A (zh) * | 2022-01-07 | 2022-04-12 | 国网能源研究院有限公司 | 一种适应于市县新能源消纳优化方法和系统 |
| CN114781817A (zh) * | 2022-03-30 | 2022-07-22 | 全球能源互联网集团有限公司 | 电-气互联系统多时间尺度联合优化调度方法及系统 |
| CN115001037A (zh) * | 2022-06-06 | 2022-09-02 | 国网山东省电力公司潍坊供电公司 | 一种多目标多时间尺度协同的储能系统调度运行方法 |
| CN115001037B (zh) * | 2022-06-06 | 2024-03-29 | 国网山东省电力公司潍坊供电公司 | 一种多目标多时间尺度协同的储能系统调度运行方法 |
| CN116316647A (zh) * | 2022-09-08 | 2023-06-23 | 东南大学溧阳研究院 | 一种基于模型预测控制的配电网实时碳排放优化控制方法 |
| CN116316647B (zh) * | 2022-09-08 | 2023-11-07 | 东南大学溧阳研究院 | 一种基于模型预测控制的配电网实时碳排放优化控制方法 |
| CN116341836A (zh) * | 2023-02-22 | 2023-06-27 | 国网山东省电力公司德州供电公司 | 一种园区综合能源系统多能源市场运营方法及系统 |
| CN116341836B (zh) * | 2023-02-22 | 2024-04-09 | 国网山东省电力公司德州供电公司 | 一种园区综合能源系统多能源市场运营方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107895971B (zh) | 2021-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107895971B (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 | |
| CN110417006B (zh) | 一种综合能源系统多时间尺度能量调度方法 | |
| CN110854932B (zh) | 一种交直流配电网多时间尺度优化调度方法及系统 | |
| Ding et al. | A forecast-driven decision-making model for long-term operation of a hydro-wind-photovoltaic hybrid system | |
| CN108667012A (zh) | 基于多场景的区域能源互联网源荷储双阶段协调优化方法 | |
| CN111293691A (zh) | 基于模型预测控制的微电网多时间尺度优化调度方法 | |
| CN109066744B (zh) | 一种含储能配电网协调调度方法和系统 | |
| CN113779783B (zh) | 计及多重不确定性的区域综合能源系统规划与运行联合优化方法 | |
| CN112583017A (zh) | 考虑储能运行约束的混合微电网能量分配方法及系统 | |
| CN113408962A (zh) | 一种电网多时间尺度多目标能量优化调度方法 | |
| CN109286208A (zh) | 一种综合能源系统调度方法和系统 | |
| CN115099007B (zh) | 基于综合成本-能耗曲线的综合能源系统优化运行方法 | |
| CN111245024A (zh) | 基于模型预测控制的综合能源系统鲁棒优化运行方法 | |
| CN112836882A (zh) | 考虑设备负载率变化的区域综合能源系统运行优化方法 | |
| CN112383086A (zh) | 一种孤岛微电网日前能量-备用联合优化调度方法 | |
| CN117081143A (zh) | 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法 | |
| CN115271264A (zh) | 一种工业园区能源系统调配方法及计算设备 | |
| CN114037337A (zh) | 一种基于模型预测控制的微能源网优化调度方法及系统 | |
| CN117767349A (zh) | 风光储新能源电站的优化调度与协调控制方法及系统 | |
| CN115080907A (zh) | 综合能源系统的控制方法、装置及设备 | |
| Ma et al. | Multi-Point Layout Planning of Multi-Energy Power Supplies Based on Time-series Production Simulation | |
| Chen et al. | Two-stage stochastic programming method for multi-energy microgrid system | |
| Sui et al. | Optimization of Monthly Power Generation Plan for Thermal Power Units Considering Access of Large-scale New Energy | |
| Wang et al. | Strategies for Hybrid Time-Scale Energy Management of Integrated Energy Systems | |
| Yang et al. | Multi-time scale collaborative scheduling strategy of distributed energy systems for energy Internet |
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 |