CN108233412A - 一种低碳建筑多能互补系统优化运行方法 - Google Patents
一种低碳建筑多能互补系统优化运行方法 Download PDFInfo
- Publication number
- CN108233412A CN108233412A CN201810025245.8A CN201810025245A CN108233412A CN 108233412 A CN108233412 A CN 108233412A CN 201810025245 A CN201810025245 A CN 201810025245A CN 108233412 A CN108233412 A CN 108233412A
- Authority
- CN
- China
- Prior art keywords
- energy
- power
- electricity
- scene
- storage battery
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000000295 complement effect Effects 0.000 title claims abstract description 25
- 230000005611 electricity Effects 0.000 claims abstract description 60
- 238000004146 energy storage Methods 0.000 claims abstract description 53
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 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 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 238000009472 formulation Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 abstract description 2
- 238000005070 sampling Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
Classifications
-
- H02J3/383—
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- H02J3/386—
-
- 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]
-
- 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
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/10—Photovoltaic [PV]
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种低碳建筑多能互补系统优化运行方法,其包括如下步骤:步骤1:确定风电、光伏、储能电池、负荷等初始参数;步骤2:确定场景数Ns,对新能源出力进行抽样;步骤3:判断生成场景数是否达到Ns,若没有,转到步骤2,若生成场景数达到Ns,则转到步骤4;步骤4:设定目标场景的个数N0,计算并对目标场景进行求解;步骤5:输出最终计算结果。本发明的优点在于:其将风力发电系统、光伏发电系统、储能系统集成在一起应用于低碳建筑,通过能量控制系统与上级电网的交换功率以及储能电池的充放电功率,实现系统并网运行的弃电量与削负荷量之和最小,以实现建筑低碳排放。
Description
方法领域
本发明涉及绝缘子缺陷检测技术领域,具体涉及一种低碳建筑多能互补系统优化运行方法。
背景方法
随着全球气温的不断升高,而导致气温升高的元凶就是CO2,CO2排放量引起的气候问题也越来越显著。由于现有建筑可再生新能源利用率不高,消耗常规化石能源产生较大碳排放,产生温室气体,不可持续健康发展。绿色技术和清洁可再生能源技术,特别是风力发电技术和光伏发电系统,得到了快速发展,储能系统是提高清洁可再生能源利用率的重要方式。将可再生能源技术应用于现代建筑实现可持续发展,实现建筑低碳排放。
发明内容
本发明的目的就是要针对现有技术的不足,提供一种低碳建筑多能互补系统优化运行方法,其将风力发电系统、光伏发电系统、储能系统集成在一起应用于低碳建筑,通过能量控制系统与上级电网的交换功率以及储能电池的充放电功率,实现系统并网运行的弃电量与削负荷量之和最小,以实现建筑低碳排放。
为实现上述目的,本发明所涉及的一种低碳建筑多能互补系统优化运行方法,其包括如下步骤:
步骤1:确定风电、光伏、储能电池、负荷等初始参数;
步骤2:确定场景数Ns,对新能源出力进行抽样;
步骤3:判断生成场景数是否达到Ns,若没有,转到步骤2,若生成场景数达到Ns,则转到步骤4;
步骤4:设定目标场景的个数N0,计算并对目标场景进行求解;
步骤5:输出最终计算结果。
进一步地,所述步骤2中:所述对新能源出力进行抽样的方法为拉丁超立方抽样法。
进一步地,所述步骤4中还包括如下步骤:
步骤4.1:设定目标场景的个数N0,初始化聚类中心;
步骤4.2:计算各场景到聚类中心距离,调整聚类中心;
步骤4.3:判断聚类中心是否变化,若发生变化,则跳到步骤4.2,若没有变化,则跳到步骤4.4;
步骤4.4:对目标场景进行求解。
更进一步地,所述步骤4.4中:所述对目标场景进行求解的方法为内点法。
作为优选项,所述步骤4中对目标场景优化模型求解,优化模型具体为:
以弃电量和弃负荷电量之和最小为目标函数;以储能电池与上级电网购售电功率为模型变量,约束条件有储能电池运行的功率、容量等约束、上级电网与多能互补系统之间的交换功率约束、净购电量约束、功率平衡约束,其公式为:
min F=F1+F2 (1)
式中:πs为场景s出现的概率,Ns为削减后的场景数,T为调度时间段,N为风电机组、光伏机组的总数,PDERi.s(t)为场景s下时刻t第i台新能源机组的实际出力,PDERi0.s(t)为场景s下时刻t第i台新能源机组的预测出力;
在场景s下,当某台新能源机组在某时刻实际出力低于预测出力时,其差值即为新能源机组的弃电量,以最大化消纳新能源同时最小化系统弃负荷电量为目标,即以系统的期望弃电量与弃负荷量之和最小为目标函数。
作为优选项,所述步骤4中储能电池容量约束公式为:
Emin+ER≤Es(t)≤Emax (5)
Es(0)=Es(24) (6)
式中:Es(t)为场景s下储能电池在时刻t的电量;ε为储能电池自放电率;PB.s(t)为场景s下t时刻的充电或放电功率,大于0时,表示蓄电池储能在向系统放电,小于0时表蓄电池储能从系统充电;βdis和βch为蓄电池储能的放电效率和充电效率;Emin和Emax为储能电池的剩余容量的上下限;ER为储能电池为保证系统故障时为重要负荷提供的备用容量;
式(5)表示储能电池的剩余容量必须在限定范围之内;式(6)表示在一天的调度周期后,储能电池的剩余容量要与调度初始剩余容量相同,这是为了调度的可持续性。
作为优选项,所述步骤4中储能电池功率约束公式为:
PBmin≤PB.s(t)≤PBmax (7)
式中:PBmin和PBmax为储能电池的最小和最大放电功率,本文将储能电池的充电功率视为负的放电功率。
作为优选项,所述步骤4中购售电功率约束公式为:
Pgrid.min(t)≤Pgrid.s(t)≤Pgrid.max(t) (8)
式中:Pgrid.s(t)、Pgrid.min(t)、Pgrid.max(t)依次表示场景s下t时刻多能互补系统与上级电网的交换功率、在时刻t系统与上级电网允许的交换功率的最小值和最大值。
作为优选项,所述步骤4中净购电量约束公式为:
式中:β为净购电量比例系数,Pl(t)为t时刻的负荷需求;
式(9)表示系统为充分利用内部的风电、光伏等可再生清洁能源,尽量减少从上级电网购买电量,调度周期内净购电量不能超过负荷总用电量的一定比例,当不等式左边小于0时,净购电量为负,说明系统售电量多于购电量,由于风光储的运行均不产生CO2,本文认为在系统购电时,上级电网的电能生产时会产生CO2,因此将碳排放约束转化为净购电约束。
作为优选项,所述步骤4中功率平衡约束公式为:
式中,Pil.s(t)为场景s下t时刻的负荷削减量;
式(10)表示当分布式能源以及电网以最大功率送电仍然无法满足负荷需求时,需进行负荷削减的操作。
本发明的优点在于:
采用拉丁超立方抽样生成新能源出力场景,拉丁超立方抽样(Latin hypercubesampling)是一种多维分层抽样方法,能够很好的反映随机变量的分布特性和尾部特性、具有较好的稳健性,且能够确保抽样区域都能被抽样点覆盖;采用K-means聚类算法搜索能力强、聚类速度快、便于处理大量数据等优点;将风力发电系统、光伏发电系统、储能系统集成在一起应用于低碳建筑,考虑从上级电网购电将产生碳排放,将碳排放约束转变为系统净购电比例约束,以储能电池相关约束、功率平衡约束以及上级电网交换功率上限约束,采用拉丁超立方抽样与K-means聚类算法对新能源出力不确定性进行处理,通过能量控制系统与上级电网的交换功率以及储能电池的充放电功率,实现系统并网运行的弃电量与削负荷量之和最小,以实现建筑低碳排放。
附图说明
图1为本发明的工作流程图;
图2为实施例中风电、光伏预测出力曲线图;
图3为实施例中削减后风电出力场景图;
图4为实施例中削减后光伏出力场景图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细描述:
如图1,一种低碳建筑多能互补系统优化运行方法,其包括如下步骤:
步骤1:确定风电、光伏、储能电池、负荷等初始参数;
步骤2:确定场景数Ns,采用拉丁超立方抽样法对新能源出力进行抽样;
步骤3:判断生成场景数是否达到Ns,若没有,转到步骤2,若生成场景数达到Ns,则转到步骤4;
步骤4:设定目标场景的个数N0,计算并对目标场景进行求解;
步骤4.1:设定目标场景的个数N0,初始化聚类中心;
步骤4.2:计算各场景到聚类中心距离,调整聚类中心;
步骤4.3:判断聚类中心是否变化,若发生变化,则跳到步骤4.2,若没有变化,则跳到步骤4.4;
步骤4.4:采用内点法对目标场景进行求解。
对目标场景优化模型求解,优化模型具体为:
以弃电量和弃负荷电量之和最小为目标函数;以储能电池与上级电网购售电功率为模型变量,约束条件有储能电池运行的功率、容量等约束、上级电网与多能互补系统之间的交换功率约束、净购电量约束、功率平衡约束,其公式为:
min F=F1+F2 (1)
式中:πs为场景s出现的概率,Ns为削减后的场景数,T为调度时间段,N为风电机组、光伏机组的总数,PDERi.s(t)为场景s下时刻t第i台新能源机组的实际出力,PDERi0.s(t)为场景s下时刻t第i台新能源机组的预测出力;
在场景s下,当某台新能源机组在某时刻实际出力低于预测出力时,其差值即为新能源机组的弃电量,以最大化消纳新能源同时最小化系统弃负荷电量为目标,即以系统的期望弃电量与弃负荷量之和最小为目标函数。
所述储能电池容量约束公式为:
Emin+ER≤Es(t)≤Emax (5)
Es(0)=Es(24) (6)
式中:Es(t)为场景s下储能电池在时刻t的电量;ε为储能电池自放电率;PB.s(t)为场景s下t时刻的充电或放电功率,大于0时,表示蓄电池储能在向系统放电,小于0时表蓄电池储能从系统充电;βdis和βch为蓄电池储能的放电效率和充电效率;Emin和Emax为储能电池的剩余容量的上下限;ER为储能电池为保证系统故障时为重要负荷提供的备用容量;
式(5)表示储能电池的剩余容量必须在限定范围之内;式(6)表示在一天的调度周期后,储能电池的剩余容量要与调度初始剩余容量相同,这是为了调度的可持续性。
所述储能电池功率约束公式为:
PBmin≤PB.s(t)≤PBmax (7)
式中:PBmin和PBmax为储能电池的最小和最大放电功率,本文将储能电池的充电功率视为负的放电功率。
所述购售电功率约束公式为:
Pgrid.min(t)≤Pgrid.s(t)≤Pgrid.max(t) (8)
式中:Pgrid.s(t)、Pgrid.min(t)、Pgrid.max(t)依次表示场景s下t时刻多能互补系统与上级电网的交换功率、在时刻t系统与上级电网允许的交换功率的最小值和最大值。
所述净购电量约束公式为:
式中:β为净购电量比例系数,Pl(t)为t时刻的负荷需求;
式(9)表示系统为充分利用内部的风电、光伏等可再生清洁能源,尽量减少从上级电网购买电量,调度周期内净购电量不能超过负荷总用电量的一定比例,当不等式左边小于0时,净购电量为负,说明系统售电量多于购电量,由于风光储的运行均不产生CO2,本文认为在系统购电时,上级电网的电能生产时会产生CO2,因此将碳排放约束转化为净购电约束。
所述功率平衡约束公式为:
式中,Pil.s(t)为场景s下t时刻的负荷削减量;
式(10)表示当分布式能源以及电网以最大功率送电仍然无法满足负荷需求时,需进行负荷削减的操作。
步骤5:输出最终计算结果。
本发明在实际使用时:
如图2~4,某低碳建筑示范基地安装有光伏发电系统和风力发电系统,多能互补系统安装风电100kW、光伏200kW、蓄电池储能系统充放电功率上下限为-150kW~150kW、蓄电池容量600kWh。
本实施案例详细求解流程如下:
(1)确定风电、光伏、储能电池、负荷等初始参数;
(2)确定场景数Ns,采用拉丁超立方抽样对新能源出力进行抽样;
(3)判断生成场景数是否达到Ns,若没有,转到步骤(2),若生成场景数达到Ns,则转到步骤(4);
(4)设定目标场景的个数N0,初始化聚类中心;
(5)计算各场景到聚类中心距离,调整聚类中心;
(6)判断聚类中心是否变化,若发生变化,则跳到步骤(5),若没有变化,则跳到步骤(7);
(7)采用内点法对目标场景进行求解;
(8)输出最终计算结果。
考虑到蓄电池的过充过放问题对电池的损耗,以及上级电网故障系统孤岛运行时系统能够为重要负荷提供足够电能以保证其持续供电,本实施案例取蓄电池储能系统的容量范围为20%~90%,取储能容量的30%作为备用容量,即其容量变化范围限定为300kWh~540kWh,初始容量为70%,即420kWh。充放电效率均取90%,自放电率为2%。同时系统与上级电网间的交换功率范围为-30~30kW,净购电量不超过总负荷的3%。
本实施案例将上级电网与多能互补系统的交换功率上限依次设置为0、20kW、25kW、30kW、35kW以及40kW,对两种模式进行计算分析,得结果如表一所示:
表1 交换功率上限灵敏度分析
本实施案例中当交换功率到40kW时能够实现新能源的全部消纳以及负荷的可靠供电。
最后,应当指出,以上实施例仅是本发明较有代表性的例子。显然,本发明不限于上述实施例,还可以有许多变形。凡依据本发明的方法实质对以上实施例所做的任何简单修改、等同变化及修饰,均应认为属于本发明的保护范围。
Claims (10)
1.一种低碳建筑多能互补系统优化运行方法,其特征在于:包括如下步骤:
步骤1:确定风电、光伏、储能电池、负荷等初始参数;
步骤2:确定场景数Ns,对新能源出力进行抽样;
步骤3:判断生成场景数是否达到Ns,若没有,转到步骤2,若生成场景数达到Ns,则转到步骤4;
步骤4:设定目标场景的个数NO,计算并对目标场景进行求解;
步骤5:输出最终计算结果。
2.根据权利要求1所述的一种低碳建筑多能互补系统优化运行方法,其特征在于:所述步骤2中:所述对新能源出力进行抽样的方法为拉丁超立方抽样法。
3.根据权利要求2所述的一种低碳建筑多能互补系统优化运行方法,其特征在于:所述步骤4中还包括如下步骤:
步骤4.1:设定目标场景的个数NO,初始化聚类中心;
步骤4.2:计算各场景到聚类中心距离,调整聚类中心;
步骤4.3:判断聚类中心是否变化,若发生变化,则跳到步骤4.2,若没有变化,则跳到步骤4.4;
步骤4.4:对目标场景进行求解。
4.根据权利要求1~3中任意一项所述的一种低碳建筑多能互补系统优化运行方法,其特征在于:所述步骤4.4中:所述对目标场景进行求解的方法为内点法。
5.根据权利要求1所述的一种低碳建筑多能互补系统优化运行方法,其特征在于:所述步骤4中对目标场景优化模型求解,优化模型具体为:
以弃电量和弃负荷电量之和最小为目标函数;以储能电池与上级电网购售电功率为模型变量,约束条件有储能电池运行的功率、容量等约束、上级电网与多能互补系统之间的交换功率约束、净购电量约束、功率平衡约束,其公式为:
min F=F1+F2 (1)
式中:πs为场景s出现的概率,Ns为削减后的场景数,T为调度时间段,N为风电机组、光伏机组的总数,PDERi.s(t)为场景s下时刻t第i台新能源机组的实际出力,PDERiO.s(t)为场景s下时刻t第i台新能源机组的预测出力;
在场景s下,当某台新能源机组在某时刻实际出力低于预测出力时,其差值即为新能源机组的弃电量,以最大化消纳新能源同时最小化系统弃负荷电量为目标,即以系统的期望弃电量与弃负荷量之和最小为目标函数。
6.根据权利要求5所述的一种低碳建筑多能互补系统优化运行方法,其特征在于:所述步骤4中储能电池容量约束公式为:
Emin+ER≤Es(t)≤Emax (5)
Es(O)=Es(24) (6)
式中:Es(t)为场景s下储能电池在时刻t的电量;ε为储能电池自放电率;PB.s(t)为场景s下t时刻的充电或放电功率,大于0时,表示蓄电池储能在向系统放电,小于0时表蓄电池储能从系统充电;βdis和βch为蓄电池储能的放电效率和充电效率;Emin和Emax为储能电池的剩余容量的上下限;ER为储能电池为保证系统故障时为重要负荷提供的备用容量;
式(5)表示储能电池的剩余容量必须在限定范围之内;式(6)表示在一天的调度周期后,储能电池的剩余容量要与调度初始剩余容量相同,这是为了调度的可持续性。
7.根据权利要求5所述的一种低碳建筑多能互补系统优化运行方法,其特征在于:所述步骤4中储能电池功率约束公式为:
PBmin≤PB.s(t)≤PBmax (7)
式中:PBmin和PBmax为储能电池的最小和最大放电功率,本文将储能电池的充电功率视为负的放电功率。
8.根据权利要求5所述的一种低碳建筑多能互补系统优化运行方法,其特征在于:所述步骤4中购售电功率约束公式为:
Pgrid.min(t)≤Pgrid.s(t)≤Pgrid.max(t) (8)
式中:Pgrid.s(t)、Pgrid.min(t)、Pgrid.max(t)依次表示场景s下t时刻多能互补系统与上级电网的交换功率、在时刻t系统与上级电网允许的交换功率的最小值和最大值。
9.根据权利要求5所述的一种低碳建筑多能互补系统优化运行方法,其特征在于:所述步骤4中净购电量约束公式为:
式中:β为净购电量比例系数,P1(t)为t时刻的负荷需求;
式(9)表示系统为充分利用内部的风电、光伏等可再生清洁能源,尽量减少从上级电网购买电量,调度周期内净购电量不能超过负荷总用电量的一定比例,当不等式左边小于0时,净购电量为负,说明系统售电量多于购电量,由于风光储的运行均不产生CO2,本文认为在系统购电时,上级电网的电能生产时会产生CO2,因此将碳排放约束转化为净购电约束。
10.根据权利要求5所述的一种低碳建筑多能互补系统优化运行方法,其特征在于:所述步骤4中功率平衡约束公式为:
式中,Pil.s(t)为场景s下t时刻的负荷削减量;
式(10)表示当分布式能源以及电网以最大功率送电仍然无法满足负荷需求时,需进行负荷削减的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810025245.8A CN108233412A (zh) | 2018-01-11 | 2018-01-11 | 一种低碳建筑多能互补系统优化运行方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810025245.8A CN108233412A (zh) | 2018-01-11 | 2018-01-11 | 一种低碳建筑多能互补系统优化运行方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108233412A true CN108233412A (zh) | 2018-06-29 |
Family
ID=62640822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810025245.8A Pending CN108233412A (zh) | 2018-01-11 | 2018-01-11 | 一种低碳建筑多能互补系统优化运行方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108233412A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112053063A (zh) * | 2020-09-08 | 2020-12-08 | 山东大学 | 面向能源系统规划设计的负荷分区方法及系统 |
CN114336749A (zh) * | 2021-12-30 | 2022-04-12 | 国网北京市电力公司 | 一种配电网优化方法、系统、装置及存储介质 |
CN116630108A (zh) * | 2023-06-01 | 2023-08-22 | 江苏智慧用能低碳技术研究院有限公司 | 一种有源建筑运行阶段动态碳排放因子测算方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104037791A (zh) * | 2014-06-12 | 2014-09-10 | 华北电力大学 | 基于多智能体技术的风光储发电协调控制方法 |
CN104617591A (zh) * | 2015-01-28 | 2015-05-13 | 西安交通大学 | 基于多场景新能源发电模拟的日运行方式安排和调峰方法 |
-
2018
- 2018-01-11 CN CN201810025245.8A patent/CN108233412A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104037791A (zh) * | 2014-06-12 | 2014-09-10 | 华北电力大学 | 基于多智能体技术的风光储发电协调控制方法 |
CN104617591A (zh) * | 2015-01-28 | 2015-05-13 | 西安交通大学 | 基于多场景新能源发电模拟的日运行方式安排和调峰方法 |
Non-Patent Citations (1)
Title |
---|
胡斌: ""低碳经济下含大规模光伏发电的电力系统优化运行"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112053063A (zh) * | 2020-09-08 | 2020-12-08 | 山东大学 | 面向能源系统规划设计的负荷分区方法及系统 |
CN112053063B (zh) * | 2020-09-08 | 2023-12-19 | 山东大学 | 面向能源系统规划设计的负荷分区方法及系统 |
CN114336749A (zh) * | 2021-12-30 | 2022-04-12 | 国网北京市电力公司 | 一种配电网优化方法、系统、装置及存储介质 |
CN114336749B (zh) * | 2021-12-30 | 2023-10-27 | 国网北京市电力公司 | 一种配电网优化方法、系统、装置及存储介质 |
CN116630108A (zh) * | 2023-06-01 | 2023-08-22 | 江苏智慧用能低碳技术研究院有限公司 | 一种有源建筑运行阶段动态碳排放因子测算方法 |
CN116630108B (zh) * | 2023-06-01 | 2023-11-14 | 江苏智慧用能低碳技术研究院有限公司 | 一种有源建筑运行阶段动态碳排放因子测算方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109325608B (zh) | 考虑储能并计及光伏随机性的分布式电源优化配置方法 | |
CN104242335B (zh) | 一种基于额定容量的风光储发电单元容量优化配置方法 | |
CN105811409B (zh) | 一种含电动汽车混合储能系统的微网多目标运行调度方法 | |
CN105552940B (zh) | 基于交替方向乘子算法的分布式全局最优能量管理系统 | |
CN106485358A (zh) | 结合序列运算和粒子群算法的独立微电网优化配置方法 | |
CN103346562A (zh) | 计及需求响应的多时间尺度微网能量控制方法 | |
CN110138006B (zh) | 考虑含有新能源电动汽车的多微电网协调优化调度方法 | |
CN103326388B (zh) | 基于功率预测的微电网储能系统及容量配置方法 | |
CN106779250B (zh) | 一种基于新型优化模型的孤立分布式电网配置方法 | |
CN109473976A (zh) | 一种冷热电联供型微网能量调度方法及系统 | |
CN108233412A (zh) | 一种低碳建筑多能互补系统优化运行方法 | |
Rouhani et al. | A comprehensive method for optimum sizing of hybrid energy systems using intelligence evolutionary algorithms | |
CN107732945A (zh) | 一种基于模拟退火粒子群算法的储能单元优化方法 | |
CN112531689A (zh) | 受端电力系统的源网荷储协调控制能力评估方法和设备 | |
CN111224432A (zh) | 微电网优化调度方法和装置 | |
CN110490479A (zh) | 一种选择风电场储能的方法 | |
CN103915851A (zh) | 一种递进步长和期望输出均可变的储能系统优化控制方法 | |
CN109873419B (zh) | 一种考虑相似度和经济收益的水光蓄系统运行优化方法 | |
Li et al. | Research on microgrid optimization based on simulated annealing particle swarm optimization | |
CN112600227B (zh) | 一种基于典型日挖掘的储能辅助调峰容量配置方法 | |
CN113488990B (zh) | 基于改进的蝙蝠算法的微电网优化调度方法 | |
CN115796533A (zh) | 考虑清洁能源消纳的虚拟电厂双层优化调度方法及装置 | |
Yi et al. | Optimal design of photovoltaic-wind hybrid renewable energy system using a discrete geometric selective harmony search | |
CN112928755B (zh) | 光伏储能系统的控制方法、装置及存储介质 | |
CN108134406A (zh) | 一种适用零碳建筑的多能互补系统优化运行方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180629 |