CN108596442A - 计及条件风险价值的综合能源系统经济调度方法 - Google Patents
计及条件风险价值的综合能源系统经济调度方法 Download PDFInfo
- Publication number
- CN108596442A CN108596442A CN201810279444.1A CN201810279444A CN108596442A CN 108596442 A CN108596442 A CN 108596442A CN 201810279444 A CN201810279444 A CN 201810279444A CN 108596442 A CN108596442 A CN 108596442A
- Authority
- CN
- China
- Prior art keywords
- scene
- cvar
- meter
- constraint
- economic load
- 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
- 238000000034 method Methods 0.000 title claims abstract description 14
- 230000005611 electricity Effects 0.000 claims abstract description 24
- 238000004146 energy storage Methods 0.000 claims abstract description 17
- 238000009825 accumulation Methods 0.000 claims abstract description 12
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 48
- 239000003345 natural gas Substances 0.000 claims description 27
- 239000007789 gas Substances 0.000 claims description 19
- 239000004576 sand Substances 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 7
- 230000001172 regenerating effect Effects 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000005338 heat storage Methods 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 230000003827 upregulation Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000012502 risk assessment Methods 0.000 abstract description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 abstract description 2
- 229910052744 lithium Inorganic materials 0.000 abstract description 2
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000012614 Monte-Carlo sampling Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002123 temporal 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种计及条件风险价值的综合能源系统经济调度方法:确定各个不确定量的每个场景s对应的成本;建立计及CVaR的综合能源系统经济调度模型,得到最优的调度策略;计及CVaR的综合能源系统经济调度模型包括目标函数和计及CVaR经济调度的约束条件;计及CVaR经济调度的成本函数最小为目标函数;计及CVaR经济调度的约束条件包括能量平衡约束、电池储能约束、蓄热约束、技术条件约束、需求响应约束、风电出力约束。本发明以包含热电联产机组、锂电池储电、蓄热和燃气锅炉的EH为基础,采用条件风险价值理论处理不确定量可能带来的风险,建立计及CVaR的IES经济调度模型,研究综合能源系统的调度策略和风险评估问题。
Description
技术领域
本发明涉及电气设备及电气工程领域,更具体的说,是涉及一种计及条件风险价值的综合能源系统经济调度方法。
背景技术
综合能源系统(integrated energy systems,IES)是指在规划、建设和运行等过程中,通过对能源的产生、传输与分配、转换、存储、消费等环节进行有机协调与优化后,形成的能源产供销一体化系统。也就是说,在实现能源供给的条件下,能够利用多能互补的优势,通过运行人员的调度使某一目标达到优化。
能源集结线(energy hub,EH)最早由苏黎世联邦理工学院的Geidl M和Andersson提出,它作为可以满足多种能源需求的能源转换单元,可同时为不同能源的输入输出提供接口,实现不同能源的转换、存储和传输。
条件风险价值(conditional value at risk,CVaR)是一种有效的风险评估工具,它是从风险价值VaR理论的基础上发展而来的。VaR是由Jorion Philippe于1994年提出的,是指在一定的置信水平和正常的市场波动情况下,某一金融资产或投资组合在未来某一时间段内所面临的损失阈值。由于VaR存在不满足一致性公理、某些情况下不满足次可加性、对尾部风险预测不准确等缺陷,Rockafeller和Uryasev于2000年提出了CVaR,它是指损失大于VaR的条件期望值,即当损失大于VaR的情况发生时,面临的平均损失。
发明内容
本发明的目的是为了克服现有技术中的不足,提供了一种计及条件风险价值的综合能源系统经济调度方法,以包含热电联产机组、锂电池储电、蓄热和燃气锅炉的EH为基础,采用条件风险价值理论处理不确定量可能带来的风险,建立计及CVaR的IES经济调度模型,研究综合能源系统的调度策略和风险评估问题。
本发明的目的是通过以下技术方案实现的。
本发明的计及条件风险价值的综合能源系统经济调度方法,包括以下步骤:
步骤一,确定各个不确定量的每个场景s对应的成本,按以下公式计算:
Cs=CE+CG+CES+CHS+CDR
其中,
CDR=λDR(udown,t,sLdown,t,s+uup,t,sLup,t,s)
式中,CE为购电成本;CG为天然气购买成本;CES为电池储能的成本;CHS为蓄热装置HS的成本;CDR为需求响应DR对应的成本;为场景s时段t对应的市场电价;λW为风电电价;和分别为场景s时段t对应的电网购电值和风电调度出力值;λG为天然气价格;Qgas为天然气的低热值,即9.97kWh/m3;为场景s时段t对应的天然气总购气功率;为电池储能的运行成本,理解为单位充放电量对应的电池损耗成本;和分别为场景s时段t对应的ES充电功率和放电功率;和为0-1变量,当ES充电时为1,反之,为1;为HS的运行成本;和分别为场景s时段t对应的蓄放热功率;和为0-1变量,当HS蓄热时为1,反之,为1;λH为单位供热功率的价格;λDR为单位负荷转移量对应的成本;Ldown,t,s和Lup,t,s分别为场景s时段t对应的下调负荷转移量和上调负荷转移量;udown,t,s和uup,t,s为0-1变量,当电力需求侧提供下调转移响应服务时,udown,t,s为1,反之,uup,t,s为1;
步骤二,在场景s对应的成本的基础上,建立计及CVaR的综合能源系统经济调度模型,进而得到最优的调度策略;计及CVaR的综合能源系统经济调度模型包括目标函数和计及CVaR经济调度的约束条件。
其中,计及CVaR经济调度的成本函数最小为目标函数如下所示:
min C=βCEX+(1-β)CCVaR
式中,C为成本函数,CEX为EH经济调度的期望成本;CCVaR为EH经济调度的CVaR;β∈[0,1]为权重系数;s为场景编号;S场景总数,即不确定量的场景数目的乘积;ρs和Cs分别为场景s对应的概率和成本;ζ为计算CVaR引入的辅助决策变量,其最优值ζ*就是VaR[28];α为置信水平,其大小反映了决策者对风险的厌恶水平;表达式[x]+=max{x,0};
其中,计及CVaR经济调度的约束条件,包括能量平衡约束、电池储能约束、蓄热约束、技术条件约束、需求响应约束、风电出力约束;
①能量平衡约束
电能平衡约束如下:
udown,t,sLdown,t,s-uup,t,sLup,t,s
式中,为场景s时段t对应的电负荷;ηT和ηW分别为变压器和AC/AC变换器的效率;为CHP的电效率;为总购气功率输入到CHP的天然气功率;
热平衡约束如下:
式中,为场景s时段t对应的热负荷;为CHP的热效率;和分别为燃气锅炉的效率和输入到燃气锅炉的天然气功率;
其中,输入到CHP的天然气功率和输入到燃气锅炉的天然气功率满足以下约束:
②电池储能约束
式中,为场景s时段t对应的ES状态;为ES的总容量;和分别为ES的最小和最大容量比例;和分别为ES的最小和最大允许充放电比例;和分别为ES的充放电效率;T为总的调度时段;
③蓄热约束
式中,为场景s时段t对应的HS蓄热状态;为HS的总容量;和分别为HS的最小和最大容量比例;和分别为HS的最小和最大允许充放电比例;和分别为HS的蓄放热效率;
④技术条件约束
式中,和分别为电网允许的最大输入功率和变压器允许的最大输入功率;为天然气网络允许的最大购气功率;为CHP允许的最大输入量;为燃气锅炉允许的最大输入量;
⑤需求响应约束
uup,t,s+udown,t,s=1
式中,和分别为最大上调和最大下调负荷比例;
⑥风电出力约束
式中,为风电机组在场景s时段t的出力;
与风速满足以下关系:
式中,vt为时段t的风速;vin、vout和vr分别为风机的切入速度、切出速度和额定速度;为风机的额定功率。
步骤一中所述不确定量包括风电出力、市场电价、电能需求和热能需求。
与现有技术相比,本发明的技术方案所带来的有益效果是:
(1)就我们所知,IES中存在大量不确定性因素,诸如间歇性新能源的处理、市场电价以及能量需求等,不确定因素对于电力网络的影响及分析方法已经有较多研究,而不确定因素对IES的影响分析的研究少之又少。本专利中主要研究的不确定量包括风电出力、市场电价、电能需求和热能需求四部分。不确定因素的场景由蒙特卡罗采样法获得。本发明通过考虑IES中存在的不确定因素,在综合能源调度过程中能减少运行人员面临的风险。
(2)本发明实现电价高峰时电池储能进行放电,在电价低谷时电池储能进行充电。
(3)本发明分析不同因素对调度结果的影响,从而得到最优调度策略。
附图说明
图1是EH基本结构示意图。
具体实施方式
下面结合附图对本发明作进一步的描述。
本发明研究的EH结构包括三部分:1)供给侧,即EH的能量输入端,包括电力网络、风电机组和天然气网络三部分;2)需求侧,即EH的输出端,包括电力负荷和热负荷两部分;3)EH,由电力变压器、AC/AC变换器、热电联产机组、燃气锅炉、电池储能、蓄热装置和需求侧响应七部分组成。
本发明的计及条件风险价值的综合能源系统经济调度方法,包括以下步骤:
一、确定各个不确定量的每个场景s对应的成本,其中,不确定量包括风电出力、市场电价、电能需求和热能需求四部分,不确定量的场景由蒙特卡罗采样法获得,总场景数目S为不确定量的场景数目的乘积
场景s对应的成本表示如下:
Cs=CE+CG+CES+CHS+CDR(1)
其中,
CDR=λDR(udown,t,sLdown,t,s+uup,t,sLup,t,s) (6)
式中,CE为购电成本;CG为天然气购买成本;CES为电池储能的成本;CHS为蓄热装置HS的成本;CDR为需求响应DR对应的成本;为场景s时段t对应的市场电价;λW为风电电价;和分别为场景s时段t对应的电网购电值和风电调度出力值;λG为天然气价格;Qgas为天然气的低热值,即9.97kWh/m3;为场景s时段t对应的天然气总购气功率;为电池储能的运行成本,可以理解为单位充放电量对应的电池损耗成本;和分别为场景s时段t对应的ES充电功率和放电功率;和为0-1变量,当ES充电时为1,反之,为1;为HS的运行成本;和分别为场景s时段t对应的蓄放热功率;和为0-1变量,当HS蓄热时为1,反之,为1;λH为单位供热功率的价格;λDR为单位负荷转移量对应的成本;Ldown,t,s和Lup,t,s分别为场景s时段t对应的下调负荷转移量和上调负荷转移量;udown,t,s和uup,t,s为0-1变量,当电力需求侧提供下调转移响应服务时,udown,t,s为1,反之,uup,t,s为1。
从式(1)可知,每个场景s对应的成本Cs由五部分组成,分别为购电成本、天然气购买成本、电池储能成本、蓄热装置HS成本以及DR的成本。
二、在场景s对应的成本的基础上,建立计及CVaR的综合能源系统经济调度模型,进而得到最优的调度策略;计及CVaR的综合能源系统经济调度模型包括目标函数和计及CVaR经济调度的约束条件。
其中,计及CVaR经济调度的成本函数最小为目标函数如下所示:
min C=βCEX+(1-β)CCVaR (7)
式中,C为成本函数,CEX为EH经济调度的期望成本;CCVaR为EH经济调度的CVaR;β∈[0,1]为权重系数;s为场景编号;S场景总数,即不确定量的场景数目的乘积;ρs和Cs分别为场景s对应的概率和成本;ζ为计算CVaR引入的辅助决策变量,其最优值ζ*就是VaR;α为置信水平,其大小反映了决策者对风险的厌恶水平;表达式[x]+=max{x,0}。
目标函数由经济调度的期望成本和CVaR两部分组成,选用合适的权重系数进行加权求和。期望成本反映经济调度的“平均成本”,CVaR反映成本超过VaR的情况发生时,可能面临的“平均损失”。
其中,计及CVaR经济调度的约束条件,包括能量平衡约束、电池储能约束、蓄热约束、技术条件约束、需求响应约束、风电出力约束。
①能量平衡约束
IES经济调度的过程中,在每个时段都需要保证电能平衡和热能平衡。其中,电能平衡约束如下:
式中,为场景s时段t对应的电负荷;ηT和ηW分别为变压器和AC/AC变换器的效率;为CHP的电效率;为总购气功率输入到CHP的天然气功率。
电负荷由电网购电、风电机组、热电联产机组CHP、ES放电和需求侧响应提供下调五部分来供应。其中,ES和DR可以根据电价信号做出最优反应,有利于降低调度成本。
热平衡约束如下:
式中,为场景s时段t对应的热负荷;为CHP的热效率;和分别为燃气锅炉的效率和输入到燃气锅炉的天然气功率。
从式(11)可知,热负荷由CHP、燃气锅炉和HS的放热三部分供应。
其中,输入到CHP的天然气功率和输入到燃气锅炉的天然气功率满足以下约束:
②电池储能约束
电池储能ES需要满足以下约束条件:
式中,为场景s时段t对应的ES状态;为ES的总容量;和分别为ES的最小和最大容量比例;和分别为ES的最小和最大允许充放电比例;和分别为ES的充放电效率;T为总的调度时段。
式(13)是出于ES的寿命考虑,使ES的电量始终保持一定范围内,避免ES的过充和过放。式(15)和(16)保证ES在一个时段内的充放电量符合技术条件约束。式(17)是存在使得任一时段内ES只能进行充电或者放电。式(18)要求经过一天的运行,ES的容量能够恢复到初始状态。
③蓄热约束
蓄热装置需要满足以下约束条件:
式中,为场景s时段t对应的HS蓄热状态;为HS的总容量;和分别为HS的最小和最大容量比例;和分别为HS的最小和最大允许充放电比例;和分别为HS的蓄放热效率。
④技术条件约束
在综合能源系统调度过程中,需要满足以下技术条件约束,即上下限约束。
式中,和分别为电网允许的最大输入功率和变压器允许的最大输入功率;为天然气网络允许的最大购气功率;为CHP允许的最大输入量;为燃气锅炉允许的最大输入量。
式(25)-(29)保证输入量满足技术条件约束,使模型更符合实际情况。
⑤需求响应约束
需求侧响应DR需要满足以下约束:
uup,t,s+udown,t,s=1 (33)
式中,和分别为最大上调和最大下调负荷比例。
DR的主要作用在于转移负荷,当电价较高时,提供下调服务,适当削减负荷,当电价较低时,适当增加负荷。式(30)保证总体上不降低用户的负荷量,只是进行时间上的平移。式(33)的存在使得任一时段只能提供上调负荷服务或下调负荷服务。
⑥风电出力约束
式中,为风电机组在场景s时段t的出力。
与风速满足以下关系:
式中,vt为时段t的风速;vin、vout和vr分别为风机的切入速度、切出速度和额定速度;为风机的额定功率。
式(34)要求风电被调度的出力不能大于实际出力,很多文献都表明风电实际出力与风速的关系符合式(35)。其中,不同场景的风速可以通过蒙特卡罗采样的方式获得。
具体实施例:
本实施例研究的EH基本结构,如图1所示,其中,实线表示电力传输通道,虚线代表天然气功率的传输通路。
为了验证本发明建立的计及CVaR的综合能源系统经济调度模型,采用图1所示EH框架构造。以文献[1]中的电价为基础数据,取其平均值为均值,0.1倍均值为标准差,依据正态分布生成10种电价场景。采用同样的方式,利用文献[2]中的电负荷、热负荷和风速数据分别构造10种电负荷场景、10种热负荷场景和10种风速场景。获得的风速场景结合式(35)产生风电出力场景。
因此,总的场景数S为10000个,为了降低求解负担,提高求解速率,采用文献[3]所述的快速后向缩减法将场景缩减至200个。本实施例中对每个场景按照等概率考虑,即ρs为0.005,其它参数见表1。
表1能源集线器参数
参考文献
[1]郝然,艾芊,朱宇超,等.基于能源集线器的区域综合能源系统分层优化调度[J].电力自动化设备,2017,37(6):171-178.
[2]Pazouki S,Mahmoud-Reza H,Moser A.Uncertainty modeling in optimaloperation of energy hub in presence of wind,storage and demand response[J].Electrical Power and Energy Systems,2014(61):335–345.
[3]Dolatabadi A,Mohammadi-Ivatloo B.Stochastic risk-constrainedscheduling of smart energy hub in the presence of wind power and demandresponse[J].Applied Thermal Engineering,2017(123):40–49.
尽管上面结合附图对本发明的功能及工作过程进行了描述,但本发明并不局限于上述的具体功能和工作过程,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可以做出很多形式,这些均属于本发明的保护之内。
Claims (2)
1.计及条件风险价值的综合能源系统经济调度方法,其特征在于,包括以下步骤:
步骤一,确定各个不确定量的每个场景s对应的成本,按以下公式计算:
Cs=CE+CG+CES+CHS+CDR
其中,
CDR=λDR(udown,t,sLdown,t,s+uup,t,sLup,t,s)
式中,CE为购电成本;CG为天然气购买成本;CES为电池储能的成本;CHS为蓄热装置HS的成本;CDR为需求响应DR对应的成本;为场景s时段t对应的市场电价;λW为风电电价;和分别为场景s时段t对应的电网购电值和风电调度出力值;λG为天然气价格;Qgas为天然气的低热值,即9.97kWh/m3;为场景s时段t对应的天然气总购气功率;为电池储能的运行成本,理解为单位充放电量对应的电池损耗成本;和分别为场景s时段t对应的ES充电功率和放电功率;和为0-1变量,当ES充电时为1,反之,为1;为HS的运行成本;和分别为场景s时段t对应的蓄放热功率;和为0-1变量,当HS蓄热时为1,反之,为1;λH为单位供热功率的价格;λDR为单位负荷转移量对应的成本;Ldown,t,s和Lup,t,s分别为场景s时段t对应的下调负荷转移量和上调负荷转移量;udown,t,s和uup,t,s为0-1变量,当电力需求侧提供下调转移响应服务时,udown,t,s为1,反之,uup,t,s为1;
步骤二,在场景s对应的成本的基础上,建立计及CVaR的综合能源系统经济调度模型,进而得到最优的调度策略;计及CVaR的综合能源系统经济调度模型包括目标函数和计及CVaR经济调度的约束条件。
其中,计及CVaR经济调度的成本函数最小为目标函数如下所示:
min C=βCEX+(1-β)CCVaR
式中,C为成本函数,CEX为EH经济调度的期望成本;CCVaR为EH经济调度的CVaR;β∈[0,1]为权重系数;s为场景编号;S场景总数,即不确定量的场景数目的乘积;ρs和Cs分别为场景s对应的概率和成本;ζ为计算CVaR引入的辅助决策变量,其最优值ζ*就是VaR[28];α为置信水平,其大小反映了决策者对风险的厌恶水平;表达式[x]+=max{x,0};
其中,计及CVaR经济调度的约束条件,包括能量平衡约束、电池储能约束、蓄热约束、技术条件约束、需求响应约束、风电出力约束;
①能量平衡约束
电能平衡约束如下:
式中,为场景s时段t对应的电负荷;ηT和ηW分别为变压器和AC/AC变换器的效率;为CHP的电效率;为总购气功率输入到CHP的天然气功率;
热平衡约束如下:
式中,为场景s时段t对应的热负荷;为CHP的热效率;和分别为燃气锅炉的效率和输入到燃气锅炉的天然气功率;
其中,输入到CHP的天然气功率和输入到燃气锅炉的天然气功率满足以下约束:
②电池储能约束
式中,为场景s时段t对应的ES状态;为ES的总容量;和分别为ES的最小和最大容量比例;和分别为ES的最小和最大允许充放电比例;和分别为ES的充放电效率;T为总的调度时段;
③蓄热约束
式中,为场景s时段t对应的HS蓄热状态;为HS的总容量;和分别为HS的最小和最大容量比例;和分别为HS的最小和最大允许充放电比例;和分别为HS的蓄放热效率;
④技术条件约束
式中,和分别为电网允许的最大输入功率和变压器允许的最大输入功率;为天然气网络允许的最大购气功率;为CHP允许的最大输入量;为燃气锅炉允许的最大输入量;
⑤需求响应约束
uup,t,s+udown,t,s=1
式中,和分别为最大上调和最大下调负荷比例;
⑥风电出力约束
式中,为风电机组在场景s时段t的出力;
与风速满足以下关系:
式中,vt为时段t的风速;vin、vout和vr分别为风机的切入速度、切出速度和额定速度;为风机的额定功率。
2.根据权利要求1所述的计及条件风险价值的综合能源系统经济调度方法,其特征在于,步骤一中所述不确定量包括风电出力、市场电价、电能需求和热能需求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810279444.1A CN108596442A (zh) | 2018-03-30 | 2018-03-30 | 计及条件风险价值的综合能源系统经济调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810279444.1A CN108596442A (zh) | 2018-03-30 | 2018-03-30 | 计及条件风险价值的综合能源系统经济调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108596442A true CN108596442A (zh) | 2018-09-28 |
Family
ID=63625075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810279444.1A Pending CN108596442A (zh) | 2018-03-30 | 2018-03-30 | 计及条件风险价值的综合能源系统经济调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108596442A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263966A (zh) * | 2019-05-06 | 2019-09-20 | 天津大学 | 考虑动态传热过程的电-热综合能源系统优化调度方法 |
CN111242406A (zh) * | 2019-11-29 | 2020-06-05 | 国网浙江省电力有限公司 | 一种综合能源互动系统的用户侧能源断供风险处理方法 |
CN111681130A (zh) * | 2020-06-15 | 2020-09-18 | 西安交通大学 | 一种考虑条件风险价值的综合能源系统优化调度方法 |
CN111932025A (zh) * | 2020-08-24 | 2020-11-13 | 南方电网科学研究院有限责任公司 | 考虑光伏随机性的综合能源系统建设多阶段规划方法 |
CN112163698A (zh) * | 2020-09-21 | 2021-01-01 | 国网河北省电力有限公司雄安新区供电公司 | 一种采暖期多能协同综合能源系统运行策略优化方法 |
CN112365129A (zh) * | 2020-10-21 | 2021-02-12 | 天津大学 | 基于交叉超效率ccr模型的综合能源系统综合效率评价方法 |
CN112365034A (zh) * | 2020-10-27 | 2021-02-12 | 燕山大学 | 一种电热综合能源系统调度方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400217A (zh) * | 2013-07-10 | 2013-11-20 | 国电南瑞科技股份有限公司 | 风电与常规能源协调调度风电相容性网络安全分析方法 |
CN104616208A (zh) * | 2015-02-04 | 2015-05-13 | 东南大学 | 一种基于模型预测控制的冷热电联供型微电网运行方法 |
CN105634024A (zh) * | 2016-02-23 | 2016-06-01 | 国网江苏省电力公司电力科学研究院 | 基于价格需求响应的日内经济调度模型及线性求解方法 |
-
2018
- 2018-03-30 CN CN201810279444.1A patent/CN108596442A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400217A (zh) * | 2013-07-10 | 2013-11-20 | 国电南瑞科技股份有限公司 | 风电与常规能源协调调度风电相容性网络安全分析方法 |
CN104616208A (zh) * | 2015-02-04 | 2015-05-13 | 东南大学 | 一种基于模型预测控制的冷热电联供型微电网运行方法 |
CN105634024A (zh) * | 2016-02-23 | 2016-06-01 | 国网江苏省电力公司电力科学研究院 | 基于价格需求响应的日内经济调度模型及线性求解方法 |
Non-Patent Citations (1)
Title |
---|
刘怀东 等: "计及条件风险价值的综合能源系统经济调度", 《电网技术》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263966A (zh) * | 2019-05-06 | 2019-09-20 | 天津大学 | 考虑动态传热过程的电-热综合能源系统优化调度方法 |
CN111242406A (zh) * | 2019-11-29 | 2020-06-05 | 国网浙江省电力有限公司 | 一种综合能源互动系统的用户侧能源断供风险处理方法 |
CN111242406B (zh) * | 2019-11-29 | 2023-10-24 | 国网浙江省电力有限公司 | 一种综合能源互动系统的用户侧能源断供风险处理方法 |
CN111681130A (zh) * | 2020-06-15 | 2020-09-18 | 西安交通大学 | 一种考虑条件风险价值的综合能源系统优化调度方法 |
CN111681130B (zh) * | 2020-06-15 | 2024-04-16 | 西安交通大学 | 一种考虑条件风险价值的综合能源系统优化调度方法 |
CN111932025A (zh) * | 2020-08-24 | 2020-11-13 | 南方电网科学研究院有限责任公司 | 考虑光伏随机性的综合能源系统建设多阶段规划方法 |
CN111932025B (zh) * | 2020-08-24 | 2024-04-23 | 南方电网科学研究院有限责任公司 | 考虑光伏随机性的综合能源系统建设多阶段规划方法 |
CN112163698A (zh) * | 2020-09-21 | 2021-01-01 | 国网河北省电力有限公司雄安新区供电公司 | 一种采暖期多能协同综合能源系统运行策略优化方法 |
CN112163698B (zh) * | 2020-09-21 | 2022-08-02 | 国网河北省电力有限公司雄安新区供电公司 | 一种采暖期多能协同综合能源系统运行策略优化方法 |
CN112365129A (zh) * | 2020-10-21 | 2021-02-12 | 天津大学 | 基于交叉超效率ccr模型的综合能源系统综合效率评价方法 |
CN112365034A (zh) * | 2020-10-27 | 2021-02-12 | 燕山大学 | 一种电热综合能源系统调度方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596442A (zh) | 计及条件风险价值的综合能源系统经济调度方法 | |
CN108229025B (zh) | 一种冷热电联供型多微网主动配电系统经济优化调度方法 | |
CN104734168B (zh) | 一种基于电热联合调度的微电网运行优化系统及方法 | |
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 | |
CN106058942B (zh) | 考虑风电不确定性的含电转气和cchp的能量枢纽优化模型 | |
CN106505634A (zh) | 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 | |
CN108009693A (zh) | 基于两级需求响应的并网微电网双层优化方法 | |
CN110288152A (zh) | 考虑电/热柔性负荷的区域综合能源系统储能配置方法 | |
CN113452020A (zh) | 一种考虑柔性氢需求的电氢能源系统调度方法 | |
CN103151797A (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
CN109523065A (zh) | 一种基于改进量子粒子群算法的微能源网优化调度方法 | |
Zhang et al. | Collaborative optimization for multiple energy stations in distributed energy network based on electricity and heat interchanges | |
CN106950840A (zh) | 面向电网削峰的综合能源系统分层分布式协调控制方法 | |
Zhu et al. | Optimization scheduling of a wind–photovoltaic–gas–electric vehicles Community-Integrated Energy System considering uncertainty and carbon emissions reduction | |
CN113393126A (zh) | 高耗能园区与电网交替并行协同优化调度方法 | |
WO2019223279A1 (zh) | 计及环境成本与实时电价的可平移负荷模型构建方法 | |
CN112186755A (zh) | 一种区域综合能源系统柔性负荷储能化建模方法 | |
Yang et al. | Multi-Objective optimal scheduling of island microgrids considering the uncertainty of renewable energy output | |
CN111786422A (zh) | 基于bp神经网络的微电网参与上层电网实时优化调度方法 | |
CN113435095A (zh) | 一种用于综合能源系统的优化调度的方法及系统 | |
CN110489915A (zh) | 计及综合需求响应的电热联合调度方法及系统 | |
Du et al. | Regional collaborative planning equipped with shared energy storage under multi-time scale rolling optimisation method | |
CN112365034B (zh) | 一种电热综合能源系统调度方法及系统 | |
CN110992206B (zh) | 一种多源电场的优化调度方法及系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180928 |