CN108596525A - 冷热电气多能互补的微能源网鲁棒优化调度方法 - Google Patents
冷热电气多能互补的微能源网鲁棒优化调度方法 Download PDFInfo
- Publication number
- CN108596525A CN108596525A CN201810714113.6A CN201810714113A CN108596525A CN 108596525 A CN108596525 A CN 108596525A CN 201810714113 A CN201810714113 A CN 201810714113A CN 108596525 A CN108596525 A CN 108596525A
- Authority
- CN
- China
- Prior art keywords
- micro
- energy
- cold
- energy net
- formula
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 50
- 230000000295 complement effect Effects 0.000 title claims abstract description 25
- 238000010438 heat treatment Methods 0.000 claims abstract description 68
- 230000005611 electricity Effects 0.000 claims abstract description 51
- 238000006243 chemical reaction Methods 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 239000007789 gas Substances 0.000 claims description 60
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 46
- 239000003345 natural gas Substances 0.000 claims description 23
- 238000010521 absorption reaction Methods 0.000 claims description 16
- 238000005057 refrigeration Methods 0.000 claims description 15
- 238000005516 engineering process Methods 0.000 claims description 12
- 239000002918 waste heat Substances 0.000 claims description 11
- 238000001816 cooling Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 239000008400 supply water Substances 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000017105 transposition Effects 0.000 claims description 6
- 241001123248 Arma Species 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 230000037149 energy metabolism Effects 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000004064 recycling Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000011084 recovery Methods 0.000 claims 1
- 239000003570 air Substances 0.000 description 15
- 238000004146 energy storage Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000005070 sampling Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000005622 photoelectricity Effects 0.000 description 3
- 230000001172 regenerating effect Effects 0.000 description 3
- 239000012080 ambient air Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000567 combustion gas Substances 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 241000219000 Populus Species 0.000 description 1
- 241001282153 Scopelogadus mizolepis Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 230000037323 metabolic rate Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000009423 ventilation Methods 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- H02J3/382—
-
- 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]
-
- 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
- H02J3/388—Islanding, i.e. disconnection of local power supply from the network
-
- 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]
Abstract
本发明公开了一种冷热电气多能互补的微能源网鲁棒优化调度方法,包括如下步骤:步骤一:构建微能源网协调调度模型,步骤11:构建微能源网:微能源网包括供电系统、供气系统、供热系统和供冷系统;步骤12:构建微能源网协调调度模型:考虑供热系统热惯性和供冷系统的冷惰性,引入评价室内环境热舒适度的指标控制室内采暖,以运行成本最小为目标,建立包括含P2G装置的冷热电气多能互补微能源网在孤岛/并网模式下的协调调度模型;步骤二:求解微能源网协调调度模型:将风电/光伏的不确定性用期望值与波动区间描述,采用鲁棒线性优化理论实现随机优化模型的确定性转化,克服对随机变量概率分布的依赖性,得到微能源网协调调度问题的鲁棒对等模型。
Description
技术领域
本发明属于电力系统技术领域,具体的为一种冷热电气多能互补的微能源网鲁棒优化调度方法。
背景技术
随着传统化石能源的日益枯竭与全球气候变化等环境问题的日渐加剧,能源行业正不断发生变革,清洁高效、可持续的能源开发与利用模式是未来能源领域的重要发展方向。美国学者杰里米·里夫金在《第三次工业革命中》中提出了能源互联网的概念,认为大规模利用化石能源的工业模式正逐步走向终结,并预言结合新能源技术和互联网技术的能源互联网将推动第三次工业革命的兴起。近年来,能源互联网得到了国内外的广泛关注。
微能源网作为能源互联网的一种重要组成形式,是未来能源系统的发展趋势之一。微能源网的目标是通过对电、热、冷、气等多种能源间的转化交易,实现微能源网中所有能源的协调规划与统一调度,以尽可能的减少不必要的资源浪费;同时,微能源网如同微电网,能实现能源的就地生产、消纳,降低能源网络建设成本和能源传输运营成本。
吴俊宏等提出的《微能源网商业运营服务产品探索》(电力系统自动化,2016,40(11):148-151)给出了一种包含冷热电联供系统和风、光、燃气机组等分布式电源及储能单元的典型微能源网结构,并根据现有政策背景,探索了微能源网运营的商业模式及商业服务产品。马腾飞等提出的《含冷热电三联供的微能源网能量流计算及综合仿真》(电力系统自动化,2016,40(23):22-27,124)以能源集线器作为电力系统与天然气系统的耦合环节,建立了冷热电三联供系统的能量流模型,提出一种电-气耦合的微能源网能量流计算方法和冷热电三联供供能率指标。然而,上述电-气网络间仅能通过燃气机组实现能量的单向流动。近年来日渐成熟的电转气(power to gas,P2G)技术则打破了这种局面,使电-气网络闭环互联,拓展了电-气互联系统在能源协调调度方面的应用前景。作为多能源互联的关键技术,刘伟佳等提出的《电转气技术的成本特征与运营经济性分析》(电力系统自动化,2016,40(24):1-11.)在能源互联网背景下,探讨了P2G的技术特性、经济特性以及应用前景等。李杨等提出的《含电转气的电-气-热系统协同调度与消纳风电效益分析》(电网技术,2016,40(12):3680-3688)考虑了源-网-荷架构下多能源系统的耦合特点,建立了一种含P2G设备的电-气-热多能源系统协同调度模型,并分析了P2G消纳风电的经济效益。然而,现有技术中尚无同时考虑P2G技术、室内温度动态响应以及室内热舒适度的微能源网协调调度的相关研究。
发明内容
有鉴于此,本发明的目的在于提供一种冷热电气多能互补的微能源网鲁棒优化调度方法,以运行成本最小为目标,建立冷热电气多能互补的微能源网在孤岛/并网模式下的协调调度模型,并采用鲁棒线性优化理论实现随机优化模型的确定性转化,克服对随机变量概率分布的依赖性。
为达到上述目的,本发明提供如下技术方案:
一种冷热电气多能互补的微能源网鲁棒优化调度方法,包括如下步骤:
步骤一:构建微能源网协调调度模型
步骤11:构建微能源网:所述微能源网包括供电系统、供气系统、供热系统和供冷系统;所述供电系统包括微电源、可中断负荷和大电网,所述微电源包括风电机组、光伏电池和微型燃气轮机;所述供气系统包括天然气网络和P2G装置;所述供热系统包括用于回收所述微型燃气轮机余热的余热锅炉和燃气锅炉;所述供冷系统包含吸收式制冷机和电制冷机;
步骤12:基于所述微能源网构建微能源网协调调度模型:考虑供热系统热惯性和供冷系统的冷惰性,引入评价室内环境热舒适度的指标控制室内采暖,以运行成本最小为目标,建立包括含P2G装置的冷热电气多能互补微能源网在孤岛/并网模式下的协调调度模型;
步骤二:求解微能源网协调调度模型:将风电/光伏的不确定性用期望值与波动区间描述,采用鲁棒线性优化理论实现随机优化模型的确定性转化,克服对随机变量概率分布的依赖性,得到微能源网协调调度问题的鲁棒对等模型。
进一步,所述步骤12中,在不考虑风电和光伏发电成本的条件下,所述微能源网在孤岛模式下的运行成本函数为:
式中:cgas为天然气的单位能量成本;Ggrid.t为天然气网络的供气量;△PILt、ρIL分别为调用的可中断负荷功率和价格;
功率平衡约束为:
0≤△PILt≤PLt
式中:PLt为用户的用电负荷,PECt、PEGt分别为t时段电制冷机和P2G装置的耗电功率,PGit为机组i在时段t的出力,其中,以i=1,2,3分别表示风电、光电、微型燃气轮机3个微电源。
进一步,所述步骤12中,在不考虑风电和光伏发电成本的条件下,所述微能源网在并网模式下的运行成本函数为:
式中:ρbuy、ρsell分别为微能源网向大电网的购/售电价格;Pgrid为微能源网与大电网的交互功率;分段函数
为处理分段函数f(x),引入2个非负松弛变量u、v,其实质分别为微能源网向大电网的购/售电量,则有Pgrid=u-v,即可将微能源网在并网模式下的运行成本函数改写为:
功率平衡约束为:
进一步,所述供电系统约束包括:
1)风/光可发电功率波动范围约束:
式中:PWt、PPVt分别为风\光可发电功率;分别为风电机组在时段t的可发电功率期望值与功率偏差;则分别为功率偏差的上/下限;分别为光伏电池在时段t的可发电功率期望值和功率偏差;则分别为功率偏差的上/下限;
2)风/光出力约束:
PGi.min≤PGit≤PGi.max,i=1,2
PG1t≤PWt
PG2t≤PPVt
式中:PGi.min、PGi.max分别为机组i的最小/最大技术出力;
3)微型燃气轮机出力约束
PG3t=GG3tηG3E
PG3.min≤PG3t≤PG3.max
式中:GG3t、ηG3E分别为微型燃气轮机的耗气功率和发电效率;PG3.min、PG3.max为微型燃气轮机的最小/最大技术出力;
4)弃风/弃光约束
式中:πW、πPV分别为最大允许弃风/弃光比例。
进一步,所述供气系统约束包括:
1)天然气供需平衡约束
Ggrid.t+GEGt=GLt+GG3t+GGHt
式中:GEGt为P2G装置的产气功率;GLt为微能源网中用户的天然气需求;GGHt为燃气锅炉的耗气功率;
2)P2G装置出力约束
GEGt=PEGtηEG
GEG.min≤GEGt≤GEG.max
式中:ηEG为P2G装置的综合能量转换效率;GEG.min、GEG.max为P2G装置的出力上/下限。
进一步,所述供热系统约束包括:
1)供热热网约束
HEHt+HGHt=HLt+HACt
HLt=γ(Tg.t-Th.t)
Th.t≤Tg.t≤Tgmax
-σ≤λPMV.t≤+σ
式中:HEHt、HGBt分别为t时段余热锅炉和燃气锅炉出力;HLt、HACt则分别为提供给用户的供热量与驱动吸收式制冷机的供热量;Tg.t为供热系统的供水温度、Th.t为供热系统的回水温度,γ为锅炉供热量与热网供/回水温度差间的关系系数,其大小与供热系统的水流量有关;Tgmax为热网最高供水温度;σ为室内环境热舒适度评价指标的范围限制;
所述室内环境热舒适度评价指标采用以下方程式描述:
λPMV=(0.303e-0.036M+0.028){M-W-3.05×10-3
×[5733-6.99(M-W)-Pa]-0.42[(M-W)-58.15]
-1.7×10-5M(5867-Pa)-0.0014M(34-ta)
-3.96×10-8fcl[(tcl+273)4-(tr+273)4]-fclhc(tcl-ta)}
式中:M、W分别为人体能量代谢率和所作的机械功率;fcl为人体覆盖服装面积与裸露面积之比;hc为表面传热系数;Pa为人体周围空气的水蒸气分压力;ta、tr、tcl分别为人体周围空气温度、平均辐射温度和服装外表面温度;
供热系统的热惯性采用ARMA时间序列模型描述为:
Tn.t=θ1Tn.t-1+φ1Tg.t-1+ω1Tw.t-1
式中,Tn.t为采暖建筑物室内温度,Tw.t为采暖建筑物室外温度,阶次J体现了供热系统热惯性大小,α、β、γ、θ、φ、ω为供热系统热惯性的物理参数,可通过实测数据进行参数辨识得到;
2)锅炉出力约束
HEHt=GG3tηG3HηEH
HEH.min≤HEHt≤HEH.max
HGHt=GGHtηGH
HGH.min≤HGHt≤HGH.max
式中:ηG3H、ηEH、ηGH分别为微型燃气轮机制热效率、余热锅炉废热回收效率和燃气锅炉能源转换效率;HEH.min、HEH.max、HGH.min、HGH.max分别为余热锅炉和燃气锅炉的出力上/下限。
进一步,所述供冷系统约束包括:
1)室内供冷约束
QACt+QECt=QLt
式中:QACt、QECt分别为t时段吸收式制冷机和电制冷机的制冷功率;分别为t时段的室内温度,则分别为采冷建筑物室内温度的上/下限;
供冷系统的冷惰性采用等值热参数(equivalent thermal parameters,ETP)模型来描述:
式中:QLt为t时段所有制冷机的总制冷功率;R、C分别为采冷建筑物室内等效热阻和等效热容;分别为t时段的室内、室外温度;△t为每个时段的时间间隔;
2)制冷机出力约束
QACt=HACtηAC
QAC.min≤QACt≤QAC.max
QECt=PECtηEC
QEC.min≤QECt≤QEC.max
式中:ηAC、ηEC分别为吸收式制冷机和电制冷机的能效比;QAC.min、QAC.max、QEC.min、QEC.max则分别为吸收式制冷机和电制冷机的出力上/下限。
进一步,所述步骤二中,对于不确定性线性优化模型:
式中:x∈Rn为决策变量;A∈Rmn,b∈Rm,c∈Rn均为系数矩阵;u,l∈Rn为决策变量上/下限;假设只有A中包含随机变量元素aij,并且满足同时假设任意2个不等式约束之间的随机变量元素相互独立;记 Ji为A中第i行随机变量元素的集合,|Ji|为Ji的元素个数;对第i个不等式约束引入鲁棒性指标Γi(Γi≤|Ji|),则定义集合(i=1,2,K,m):
式中:ai为矩阵A中第i行随机变量元素向量,aik为ai中第k个元素,βik由鲁棒性指标Γi控制;
根据鲁棒线性优化(Kang’s robust optimization,KRO)理论,可得到不确定性线性优化模型的鲁棒对等模型为:
式中:zi和pik为鲁棒对等转化过程中新引入的决策变量,无实际意义;不难看出,该鲁棒对等模型为确定性线性优化模型,实现了原优化问题的确定性转化。
进一步,将风电机组可发电功率PWt和光伏电池可发电功率PPVt作为随机变量,将风/光出力约束和弃风/弃光约束不等式进行移项转化:
PG1t≤PWt→-PWt+PG1t≤0
PG2t≤PPVt→-PPVt+PG2t≤0
将上述移项转化得到的不等式约束采用鲁棒线性优化理论,分别得到含随机变量不等式约束的鲁棒对等模型;综合整理所述协调调度模型,得到微能源网协调调度问题的鲁棒对等模型。
本发明的有益效果在于:
本发明的冷热电气多能互补的微能源网鲁棒优化调度方法,考虑热/冷温度负荷的惯性,使供热/供冷系统具备一定“储能”能力,采用室内环境热舒适度评价指标控制室内采暖,从而设置供热系统“储能”容量;同时,引入P2G装置,实现电-气网络间能量的双向流动,强化电-气网络间能源的协调调度。以运行成本最小为目标,建立了冷热电气多能互补的微能源网在孤岛/并网模式下的协调调度模型,并将风电/光伏的不确定性用期望值与波动区间描述,采用鲁棒线性优化理论实现随机优化模型的确定性转化,克服了对随机变量概率分布的依赖性。本发明的优化调度方法对可再生能源消纳和微能源网经济运行均有积极作用。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚,本发明提供如下附图进行说明:
图1为微能源网的基本构架示意图;
图2为风电可发电功率抽样场景;
图3为光伏可发电功率抽样场景;
图4(a)-图4(d)为微能源网在4种情况下满足电量平衡时偏差电量的去向图;
图5为PMV指标对供热系统的影响曲线图;
图6为等效热阻R对供冷系统的影响曲线图;
图7为鲁棒性指标Γ与微能源网调度结果经济性及鲁棒性的关系曲线图。
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说明,以使本领域的技术人员可以更好的理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
本实施例冷热电气多能互补的微能源网鲁棒优化调度方法,包括如下步骤:
步骤一:构建微能源网协调调度模型
步骤11:构建微能源网:所述微能源网包括供电系统、供气系统、供热系统和供冷系统;所述供电系统包括微电源、可中断负荷和大电网,所述微电源包括风电机组、光伏电池和微型燃气轮机;所述供气系统包括天然气网络和P2G装置;所述供热系统包括用于回收所述微型燃气轮机余热的余热锅炉和与所述供气系统相连的燃气锅炉;所述供冷系统包括与供热系统相连的吸收式制冷机和与供电系统相连的电制冷机,如图1所示。
步骤12:基于所述微能源网构建微能源网协调调度模型:考虑供热系统热惯性和供冷系统的冷惰性,引入评价室内环境热舒适度的指标控制室内采暖,以运行成本最小为目标,建立包括含P2G装置的冷热电气多能互补微能源网在孤岛/并网模式下的协调调度模型。
A)微能源网在孤岛模式下的协调调度模型
假设调度时段T个,系统中机组I台。为方便起见,本文取I=3,以i=1,2,3分别表示风电、光电、微型燃气轮机3个微电源,取时间间隔△t=1h。PGit为机组i在时段t的出力,PWt、PPVt为风\光可发电功率,作随机变量考虑。假设不考虑风电、光伏的发电成本,则该微能源网孤岛运行时的费用包括向天然气网络的购气成本和可中断负荷的调用成本两部分,其目标函数为:
式中:cgas为天然气的单位能量成本;Ggrid.t为天然气网络的供气量;△PILt、ρIL分别为调用的可中断负荷功率和价格;
功率平衡约束为:
0≤△PILt≤PLt
式中:PLt为用户的用电负荷,PECt、PEGt分别为t时段电制冷机和P2G装置的耗电功率,PGit为机组i在时段t的出力,其中,以i=1,2,3分别表示风电、光电、微型燃气轮机3个微电源。
(a)供电系统约束包括:
1)风/光可发电功率波动范围约束:
式中:PWt、PPVt分别为风\光可发电功率;分别为风电机组在时段t的可发电功率期望值与功率偏差;则分别为功率偏差的上/下限;分别为光伏电池在时段t的可发电功率期望值和功率偏差;则分别为功率偏差的上/下限。
2)风/光出力约束:
PGi.min≤PGit≤PGi.max,i=1,2
PG1t≤PWt
PG2t≤PPVt
式中:PGi.min、PGi.max分别为机组i的最小/最大技术出力。
3)微型燃气轮机出力约束
PG3t=GG3tηG3E
PG3.min≤PG3t≤PG3.max
式中:GG3t、ηG3E分别为微型燃气轮机的耗气功率和发电效率;PG3.min、PG3.max为微型燃气轮机的最小/最大技术出力;微型燃气轮机处于较低负载时,效率变差,污染气体排放增大,厂家建议微型燃气轮机在低于额定功率一半时,停止运行,因此本文取PG3.min=50%PG3.max。
4)弃风/弃光约束
式中:πW、πPV分别为最大允许弃风/弃光比例。
(b)供气系统约束包括:
1)天然气供需平衡约束
Ggrid.t+GEGt=GLt+GG3t+GGHt
式中:GEGt为P2G装置的产气功率;GLt为微能源网中用户的天然气需求;GGHt为燃气锅炉的耗气功率;
2)P2G装置出力约束
GEGt=PEGtηEG
GEG.min≤GEGt≤GEG.max
式中:ηEG为P2G装置的综合能量转换效率;GEG.min、GEG.max为P2G装置的出力上/下限。
(c)供热系统约束包括:
1)供热热网约束
HEHt+HGHt=HLt+HACt
HLt=γ(Tg.t-Th.t)
Th.t≤Tg.t≤Tgmax
-σ≤λPMV.t≤+σ
式中:HEHt、HGBt分别为t时段余热锅炉和燃气锅炉出力;HLt、HACt则分别为提供给用户的供热量与驱动吸收式制冷机的供热量;Tg.t为供热系统的供水温度、Th.t为供热系统的回水温度,γ为锅炉供热量与热网供/回水温度差间的关系系数,其大小与供热系统的水流量有关;Tgmax为热网最高供水温度;σ为室内环境热舒适度评价指标的范围限制;
用户对室内热环境的质量一般用热舒适度来表征。热舒适度就是对室内热环境的主观评价和感受,温度、相对湿度、空气流速、平均辐射温度、新陈代谢率和服装热阻等均会对其产生影响。
预测平均投票数(Predicted Mean Vote,PMV)指标为最常用的室内环境热舒适度评价指标之一,表征了同一环境中多数人冷热感觉的平均,以7级标尺对应人体的7种感觉,如表1所示。
表1PMV冷热感觉7级标尺
ISO及ASHRAE等组织规定一般室内环境热舒适度标准为:-0.5≤λPMV≤+0.5;我国现有《采暖通风与空气调节设计规范》规定:-1≤λPMV≤+1。
具体的,室内环境热舒适度评价PMV指标采用以下方程式描述:
λPMV=(0.303e-0.036M+0.028){M-W-3.05×10-3
×[5733-6.99(M-W)-Pa]-0.42[(M-W)-58.15]
-1.7×10-5M(5867-Pa)-0.0014M(34-ta)
-3.96×10-8fcl[(tcl+273)4-(tr+273)4]-fclhc(tcl-ta)}
式中:M、W分别为人体能量代谢率和所作的机械功率;fcl为人体覆盖服装面积与裸露面积之比;hc为表面传热系数;Pa为人体周围空气的水蒸气分压力;ta、tr、tcl分别为人体周围空气温度、平均辐射温度和服装外表面温度;本实施例主要关注供热量,且温度是人体对室内热舒适度最直观的感受,因此假设除人体周围空气温度ta外,其他参数均为给定值。这里采用PMV指标设置用户热舒适度在可接受范围内,从而指导建筑物室内采暖。
热源、热网及采暖建筑物组成的供热系统具有很大的热惯性,使供热系统对热能有一定“储存”能力,其“储能”效果好坏取决于热惯性的大小。这种热惯性完全可以用于与电力系统运行相协调,热网可以通过储热,使供热量在时间轴上具有一定可调节性,进而将热电供应解耦,提高灵活消纳风电/光伏的能力和运行经济性。
对于一个以质调节方式运行的热网供热系统,热网供水温度Tg.t、热网回水温度Th.t、采暖建筑物室内温度Tn.t和室外温度Tw.t之间的关系可用ARMA时间序列模型描述为:
Tn.t=θ1Tn.t-1+φ1Tg.t-1+ω1Tw.t-1
式中,阶次J体现了供热系统热惯性大小,α、β、γ、θ、φ、ω为供热系统热惯性的物理参数,可通过实测数据进行参数辨识得到;PMV指标中人体周围空气温度ta即采暖建筑物室内温度Tn,即有ta=Tn。
2)锅炉出力约束
HEHt=GG3tηG3HηEH
HEH.min≤HEHt≤HEH.max
HGHt=GGHtηGH
HGH.min≤HGHt≤HGH.max
式中:ηG3H、ηEH、ηGH分别为微型燃气轮机制热效率、余热锅炉废热回收效率和燃气锅炉能源转换效率;HEH.min、HEH.max、HGH.min、HGH.max分别为余热锅炉和燃气锅炉的出力上/下限。
(d)供冷系统约束包括:
1)室内供冷约束
QACt+QECt=QLt
式中:QACt、QECt分别为t时段吸收式制冷机和电制冷机的制冷功率;分别为t时段的室内温度,则分别为采冷建筑物室内温度的上/下限。
供冷系统的冷惰性采用等值热参数(equivalent thermal parameters,ETP)模型来描述:
式中:QLt为t时段所有制冷机的总制冷功率;R、C分别为采冷建筑物室内等效热阻和等效热容;分别为t时段的室内、室外温度;△t为每个时段的时间间隔。
2)制冷机出力约束
QACt=HACtηAC
QAC.min≤QACt≤QAC.max
QECt=PECtηEC
QEC.min≤QECt≤QEC.max
式中:ηAC、ηEC分别为吸收式制冷机和电制冷机的能效比;QAC.min、QAC.max、QEC.min、QEC.max则分别为吸收式制冷机和电制冷机的出力上/下限。
B)微能源网在并网模式下的协调调度模型
并网运行模式下,微能源网可向大电网购/售电,由大电网承担由于预测偏差导致的备用需求,在不考虑风电和光伏发电成本的条件下,所述微能源网在并网模式下的运行成本函数为:
式中:ρbuy、ρsell分别为微能源网向大电网的购/售电价格;Pgrid为微能源网与大电网的交互功率;分段函数
为处理分段函数f(x),引入2个非负松弛变量u、v,其实质分别为微能源网向大电网的购/售电量,则有Pgrid=u-v,即可将微能源网在并网模式下的运行成本函数改写为:
功率平衡约束为:
在并网模式下,除功率平衡约束外,微能源网的供电系统约束、供气系统约束、供热系统约束和供冷系统约束与孤岛模式下相同,不再一一累述。
上面所建立的微能源网在孤岛/并网模式下的冷热电气多能源协调调度模型为含随机变量的线性优化问题,决策变量为微型燃气轮机出力。
步骤二:求解微能源网协调调度模型:将风电/光伏的不确定性用期望值与波动区间描述,采用鲁棒线性优化理论实现随机优化模型的确定性转化,克服对随机变量概率分布的依赖性,得到微能源网协调调度问题的鲁棒对等模型。
鲁棒优化是继随机优化、模糊优化后又一处理不确定性优化问题的重要理论。通过控制鲁棒性指标,允许优化结果以一定概率违反部分约束,从而协调优化结果的鲁棒性和最优性;同时鲁棒优化克服了对随机变量概率分布信息的依赖,具有很好的实用性。为了破除不确定参数取值必须关于均值对称的严格要求,Seng-Cheol Kang提出了一种基于随机变量分布信息的鲁棒线性优化(Kang’s robust optimization,KRO)理论。这里将采用KRO理论进行模型求解。
对于不确定性线性优化模型:
式中:x∈Rn为决策变量;A∈Rmn,b∈Rm,c∈Rn均为系数矩阵;u,l∈Rn为决策变量上/下限;假设只有A中包含随机变量元素aij,并且满足同时假设任意2个不等式约束之间的随机变量元素相互独立;记 Ji为A中第i行随机变量元素的集合,|Ji|为Ji的元素个数;对第i个不等式约束引入鲁棒性指标Γi(Γi≤|Ji|),则定义集合(i=1,2,K,m):
式中:ai为矩阵A中第i行随机变量元素向量,aik为ai中第k个元素,βik由鲁棒性指标Γi控制;
根据鲁棒线性优化(Kang’s robust optimization,KRO)理论,可得到不确定性线性优化模型的鲁棒对等模型为:
式中:zi和pik为鲁棒对等转化过程中新引入的决策变量,无实际意义;不难看出,该鲁棒对等模型为确定性线性优化模型,实现了原优化问题的确定性转化。
孤岛/并网模式下微能源网协调调度模型中,将风电机组可发电功率PWt和光伏电池可发电功率PPVt作为随机变量,以下2式为描述风/光可发电功率不确定性的区间分布信息:
以下4式为含随机变量的不等式约束:
PG1t≤PWt
PG2t≤PPVt
其余不等式约束均能看作由决策变量和确定性参数构成,等式约束中均不含随机变量,可将其代入不等式约束中进行消元处理。因此,不难将上述模型转化为鲁棒对等模型的标准形式,其过程如下:
将风/光出力约束和弃风/弃光约束不等式进行移项转化:
PG1t≤PWt→-PWt+PG1t≤0 (1)
PG2t≤PPVt→-PPVt+PG2t≤0 (2)
将上述移项转化得到的不等式约束采用鲁棒线性优化理论,分别得到含随机变量不等式约束的鲁棒对等模型。
具体的,式(1)、式(3)的不确定参数为PWt,式(2)、式(4)的不确定性参数为PPVt。假设式(1)、式(2)不等式约束的鲁棒性指标均为Γ/T(Γ/T≤1),则式(3)、式(4)的鲁棒性指标为Γ(Γ≤T)。
下面说明式(1)-(4)的鲁棒对等转化过程。以式(3)为例,由于:
则[PW1KPWT-1…-1]可看作不等式约束式(3)的参数,[(1-πW)K(1-πW)PG11KPG1T]T可看作该不等式约束的变量。基于KRO理论,可得含随机变量的不等式约束式(3)的鲁棒对等模型为:
式(1)、式(2)和式(4)可按照类似方法进行鲁棒对等转化。综合整理所述协调调度模型,得到微能源网协调调度问题的鲁棒对等模型。
下面结合具体算例对本发明冷热电气多能互补的微能源网鲁棒优化调度方法进行说明。
本文算例分别对孤岛/并网模式下微能源网的协调调度进行分析,以验证本文模型对提高灵活消纳可再生能源的能力以及运行经济性等的积极作用。其中微型燃气轮机18MW,光伏发电4.5MW,风电6.5MW,其他基础参数见表2。PMV方程参数与供热系统的ARMA时间序列模型参数分别见表3和表4,取PMV值为±1之间,热惯性系数J=2。冬季典型日电负荷、天然气负荷与室外温度数据见表5。风电、光伏可发电功率期望值及区间信息见表6。微能源网运行初值见附录表7。假设日调度时段数T=24,取鲁棒性指标Γ=18。本文模型通过CPLEX 12.4求解。
图2和图3为风电/光伏可发电功率在区间分布内随机抽样生成的200组场景。将上述模型在指定鲁棒性指标Γ下解得的微型燃气轮机计划出力与随机抽样生成的200组风/光可发电功率场景再次代入模型,分析在该Γ决策下微能源网实际运行情况的期望。
表2微能源网运行参数
表3PMV方程参数
表4供热系统时间序列模型系数(J=2)
表5冬季典型日电负荷、天然气负荷与室外温度数据
表6风电/光伏可发电功率期望值与波动区间
表7微能源网运行初值
孤岛模式:
微能源网的运行结果与其基本架构有密切关系,本文对比分析了以下4种情况:
情况1:P2G装置、电制冷机容量均不为0;
情况2:P2G装置容量为0,电制冷机容量不为0;
情况3:P2G装置容量不为0,电制冷机容量为0;
情况4:P2G装置、电制冷机容量均为0。
图4(a)-图4(d)所示为微能源网在上述4种情况下满足电量平衡时偏差电量的去向;表8则为对应情况下微能源网的运行结果。
表8微能源网4种情况下的运行结果
综合分析图4和表8可知,在P2G装置和电制冷机容量均不为0(情况1)时,风/光被完全消纳,富裕电量主要流向电制冷机供冷,从而减少了锅炉出力,其余部分通过P2G装置转化得到人造天然气,此时微能源网向天然气网络购气量最小,微型燃气轮机计划出力最小,在某些场景下会出现调用可中断负荷的情况,但运行成本依然最小;当P2G装置容量为0(情况2)时,富裕电量供给电制冷机制冷,在采冷温度达到最低时,出现弃风/弃光;当电制冷机容量为0(情况3)时,P2G装置将大部分富裕电量转化为人造天然气,超过装置容量部分采用弃风/弃光实现电量平衡,此时冷负荷仅有吸收式制冷机承担,迫使锅炉出力增大,购气量增大;当P2G装置和电制冷机容量均为0(情况4)时,供电量仅需满足用户用电负荷,出现了大量弃风/弃光,此时向天然气网络的购气量和微能源网运行成本均达到最大。
并网模式:
图5显示了微能源网在并网模式下PMV指标对供热系统的影响。图中虚线为对应PMV指标下采暖建筑物室内温度的波动范围。由图可知,PMV指标越小,室内温度要求越严格,其所需热负荷越大,这也意味着供热系统热能“储存”容量越小,热负荷在各时间点上的弹性越小。供冷系统室内采冷的温度控制效果与此类似。
微能源网并网模式下采冷建筑物等效热阻R对供冷系统的影响如图6所示。由图可知,等效热阻R越大,所需冷负荷越小,这是由于冷、热等温度负荷具有惰性,等效热阻R越大表征了冷惰性越大,供冷系统对冷的“储存”效果越好。因此,在等效热阻R变大时,前一时段室内温度对后一时段的影响变大,使供冷需求减少;同时,等效热阻R较大时,供冷系统更倾向于降低室内温度,利用冷的惰性来“储存”,相反,在R较小时,储能效果并不显著,供冷系统则会倾向于达到采冷温度要求即可。对于供热系统来说,ARMA时间序列模型中阶次J表征了热惯性,其大小对微能源网运行的影响与此类似。
图7为鲁棒性指标Γ与微能源网优化调度结果经济性及鲁棒性的关系。由图可知,当鲁棒性指标Γ=0时,求解模型退化为确定性模型,此时微能源网日运行成本最小,向大电网的日购电量最大,即经济性达到最优,但对大电网的依赖性最强,鲁棒性最差;随着鲁棒性指标Γ增大,微能源网出力保守性增强,最优解鲁棒性提高,而经济性降低;当鲁棒性指标Γ=24时,日购电量为0,微能源网出力最为保守,能独立应对风、光等间歇性可再生能源出力的所有波动情况,此时鲁棒性达到最强、经济性最差。因此,通过控制鲁棒性指标Γ的大小可以方便协调微能源网优化调度结果的经济性和鲁棒性。
本实施例考虑热/冷温度负荷的惯性,使供热/供冷系统具备一定“储能”能力,采用评价室内环境热舒适度的PMV指标指导室内采暖,从而控制供热系统“储能”容量;同时,在微能源网中引入P2G装置,实现电-气系统间闭环互联。最后,以运行成本最小为目标,建立了冷热电气多能互补的微能源网在孤岛/并网模式下的协调调度模型,并利用风/光的区间分布信息,采用鲁棒线性优化理论对随机优化模型进行了求解。算例仿真验证了所提模型对提高可再生能源消纳和降低微能源网运行成本的有效性。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例,本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换,均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。
Claims (9)
1.一种冷热电气多能互补的微能源网鲁棒优化调度方法,其特征在于:包括如下步骤:
步骤一:构建微能源网协调调度模型
步骤11:构建微能源网:所述微能源网包括供电系统、供气系统、供热系统和供冷系统;所述供电系统包括微电源、可中断负荷和大电网,所述微电源包括风电机组、光伏电池和微型燃气轮机;所述供气系统包括天然气网络和P2G装置;所述供热系统包括用于回收所述微型燃气轮机余热的余热锅炉和燃气锅炉;所述供冷系统包含吸收式制冷机和电制冷机;
步骤12:基于所述微能源网构建微能源网协调调度模型:考虑供热系统热惯性和供冷系统的冷惰性,引入评价室内环境热舒适度的指标控制室内采暖,以运行成本最小为目标,建立包括含P2G装置的冷热电气多能互补微能源网在孤岛/并网模式下的协调调度模型;
步骤二:求解微能源网协调调度模型:将风电/光伏的不确定性用期望值与波动区间描述,采用鲁棒线性优化理论实现随机优化模型的确定性转化,克服对随机变量概率分布的依赖性,得到微能源网协调调度问题的鲁棒对等模型。
2.根据权利要求1所述冷热电气多能互补的微能源网鲁棒优化调度方法,其特征在于:所述步骤12中,在不考虑风电和光伏发电成本的条件下,所述微能源网在孤岛模式下的运行成本函数为:
式中:cgas为天然气的单位能量成本;Ggrid.t为天然气网络的供气量;△PILt、ρIL分别为调用的可中断负荷功率和价格;
功率平衡约束为:
0≤△PILt≤PLt
式中:PLt为用户的用电负荷,PECt、PEGt分别为t时段电制冷机和P2G装置的耗电功率,PGit为机组i在时段t的出力,其中,以i=1,2,3分别表示风电、光伏、微型燃气轮机3个微电源。
3.根据权利要求1所述冷热电气多能互补的微能源网鲁棒优化调度方法,其特征在于:所述步骤12中,在不考虑风电和光伏发电成本的条件下,所述微能源网在并网模式下的运行成本函数为:
式中:ρbuy、ρsell分别为微能源网向大电网的购/售电价格;Pgrid为微能源网与大电网的交互功率;分段函数
为处理分段函数f(x),引入2个非负松弛变量u、v,其实质分别为微能源网向大电网的购/售电量,则有Pgrid=u-v,即可将微能源网在并网模式下的运行成本函数改写为:
功率平衡约束为:
4.根据权利要求2或3所述冷热电气多能互补的微能源网鲁棒优化调度方法,其特征在于:所述供电系统约束包括:
1)风/光可发电功率波动范围约束:
式中:PWt、PPVt分别为风\光可发电功率;分别为风电机组在时段t的可发电功率期望值与功率偏差;则分别为功率偏差的上/下限;分别为光伏电池在时段t的可发电功率期望值和功率偏差;则分别为功率偏差的上/下限;
2)风/光出力约束:
PGi.min≤PGit≤PGi.max,i=1,2
PG1t≤PWt
PG2t≤PPVt
式中:PGi.min、PGi.max分别为机组i的最小/最大技术出力;
3)微型燃气轮机出力约束
PG3t=GG3tηG3E
PG3.min≤PG3t≤PG3.max
式中:GG3t、ηG3E分别为微型燃气轮机的耗气功率和发电效率;PG3.min、PG3.max为微型燃气轮机的最小/最大技术出力;
4)弃风/弃光约束
式中:πW、πPV分别为最大允许弃风/弃光比例。
5.根据权利要求4所述冷热电气多能互补的微能源网鲁棒优化调度方法,其特征在于:所述供气系统约束包括:
1)天然气供需平衡约束
Ggrid.t+GEGt=GLt+GG3t+GGHt
式中:GEGt为P2G装置的产气功率;GLt为微能源网中用户的天然气需求;GGHt为燃气锅炉的耗气功率;
2)P2G装置出力约束
GEGt=PEGtηEG
GEG.min≤GEGt≤GEG.max
式中:ηEG为P2G装置的综合能量转换效率;GEG.min、GEG.max为P2G装置的出力上/下限。
6.根据权利要求5所述冷热电气多能互补的微能源网鲁棒优化调度方法,其特征在于:所述供热系统约束包括:
1)供热热网约束
HEHt+HGHt=HLt+HACt
HLt=γ(Tg.t-Th.t)
Th.t≤Tg.t≤Tgmax
-σ≤λPMV.t≤+σ
式中:HEHt、HGBt分别为t时段余热锅炉和燃气锅炉出力;HLt、HACt则分别为提供给用户的供热量与驱动吸收式制冷机的供热量;Tg.t为供热系统的供水温度、Th.t为供热系统的回水温度,γ为锅炉供热量与热网供/回水温度差间的关系系数,其大小与供热系统的水流量有关;Tgmax为热网最高供水温度;σ为室内环境热舒适度评价指标的范围限制;
所述室内环境热舒适度评价指标采用以下方程式描述:
λPMV=(0.303e-0.036M+0.028){M-W-3.05×10-3
×[5733-6.99(M-W)-Pa]-0.42[(M-W)-58.15]
-1.7×10-5M(5867-Pa)-0.0014M(34-ta)
-3.96×10-8fcl[(tcl+273)4-(tr+273)4]-fclhc(tcl-ta)}
式中:M、W分别为人体能量代谢率和所作的机械功率;fcl为人体覆盖服装面积与裸露面积之比;hc为表面传热系数;Pa为人体周围空气的水蒸气分压力;ta、tr、tcl分别为人体周围空气温度、平均辐射温度和服装外表面温度;
供热系统的热惯性采用ARMA时间序列模型描述为:
Tn.t=θ1Tn.t-1+φ1Tg.t-1+ω1Tw.t-1
式中,Tn.t为采暖建筑物室内温度,Tw.t为采暖建筑物室外温度,阶次J体现了供热系统热惯性大小,α、β、γ、θ、φ、ω为供热系统热惯性的物理参数,可通过实测数据进行参数辨识得到;
2)锅炉出力约束
HEHt=GG3tηG3HηEH
HEH.min≤HEHt≤HEH.max
HGHt=GGHtηGH
HGH.min≤HGHt≤HGH.max
式中:ηG3H、ηEH、ηGH分别为微型燃气轮机制热效率、余热锅炉废热回收效率和燃气锅炉能源转换效率;HEH.min、HEH.max、HGH.min、HGH.max分别为余热锅炉和燃气锅炉的出力上/下限。
7.根据权利要求6所述冷热电气多能互补的微能源网鲁棒优化调度方法,其特征在于:所述供冷系统约束包括:
1)室内供冷约束
QACt+QECt=QLt
式中:QACt、QECt分别为t时段吸收式制冷机和电制冷机的制冷功率;分别为t时段的室内温度,则分别为采冷建筑物室内温度的上/下限;
供冷系统的冷惰性采用等值热参数(equivalent thermal parameters,ETP)模型来描述:
式中:QLt为t时段所有制冷机的总制冷功率;R、C分别为采冷建筑物室内等效热阻和等效热容;分别为t时段的室内、室外温度;△t为每个时段的时间间隔;
2)制冷机出力约束
QACt=HACtηAC
QAC.min≤QACt≤QAC.max
QECt=PECtηEC
QEC.min≤QECt≤QEC.max
式中:ηAC、ηEC分别为吸收式制冷机和电制冷机的能效比;QAC.min、QAC.max、QEC.min、QEC.max则分别为吸收式制冷机和电制冷机的出力上/下限。
8.根据权利要求1所述冷热电气多能互补的微能源网鲁棒优化调度方法,其特征在于:所述步骤二中,对于不确定性线性优化模型:
式中:x∈Rn为决策变量;A∈Rmn,b∈Rm,c∈Rn均为系数矩阵;u,l∈Rn为决策变量上/下限;假设只有A中包含随机变量元素aij,并且满足同时假设任意2个不等式约束之间的随机变量元素相互独立;记 Ji为A中第i行随机变量元素的集合,|Ji|为Ji的元素个数;对第i个不等式约束引入鲁棒性指标Γi(Γi≤|Ji|),则定义集合(i=1,2,K,m):
式中:ai为矩阵A中第i行随机变量元素向量,aik为ai中第k个元素,βik由鲁棒性指标Γi控制;
根据鲁棒线性优化(Kang’s robust optimization,KRO)理论,可得到不确定性线性优化模型的鲁棒对等模型为:
式中:zi和pik为鲁棒对等转化过程中新引入的决策变量,无实际意义;不难看出,该鲁棒对等模型为确定性线性优化模型,实现了原优化问题的确定性转化。
9.根据权利要求8所述冷热电气多能互补的微能源网鲁棒优化调度方法,其特征在于:将风电机组可发电功率PWt和光伏电池可发电功率PPVt作为随机变量,将风/光出力约束和弃风/弃光约束不等式进行移项转化:
PG1t≤PWt→-PWt+PG1t≤0
PG2t≤PPVt→-PPVt+PG2t≤0
将上述移项转化得到的不等式约束采用鲁棒线性优化理论,分别得到含随机变量不等式约束的鲁棒对等模型;综合整理所述协调调度模型,得到微能源网协调调度问题的鲁棒对等模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810714113.6A CN108596525B (zh) | 2018-06-29 | 2018-06-29 | 冷热电气多能互补的微能源网鲁棒优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810714113.6A CN108596525B (zh) | 2018-06-29 | 2018-06-29 | 冷热电气多能互补的微能源网鲁棒优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108596525A true CN108596525A (zh) | 2018-09-28 |
CN108596525B CN108596525B (zh) | 2022-07-22 |
Family
ID=63634972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810714113.6A Active CN108596525B (zh) | 2018-06-29 | 2018-06-29 | 冷热电气多能互补的微能源网鲁棒优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108596525B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109948827A (zh) * | 2019-01-17 | 2019-06-28 | 南京伯罗奔尼能源管理有限公司 | 一种基于多能互补的工业用户多能流优化方法 |
CN110007600A (zh) * | 2019-04-24 | 2019-07-12 | 四川大学 | 一种具有约束的多能流协调调度辅助决策系统 |
CN110232640A (zh) * | 2019-01-15 | 2019-09-13 | 华北电力大学 | 一种面向风电消纳的考虑热负荷弹性及热网特性的电热联合调度模型 |
CN110348606A (zh) * | 2019-06-14 | 2019-10-18 | 浙江大学 | 一种考虑系统不确定性的微能源网随机区间协同调度方法 |
CN110544017A (zh) * | 2019-08-12 | 2019-12-06 | 上海交通大学 | 考虑热惯性和能源网络约束的能源系统可靠性评估方法 |
CN111049134A (zh) * | 2019-12-26 | 2020-04-21 | 清华大学 | 一种多能互补园区响应电力系统削峰需求的计算方法 |
CN111210054A (zh) * | 2019-12-22 | 2020-05-29 | 上海电力大学 | 一种考虑直接负荷控制不确定性的微能源网优化调度方法 |
CN111461429A (zh) * | 2020-03-31 | 2020-07-28 | 上海燃气工程设计研究有限公司 | 一种气电协调的多能互补系统优化方法 |
CN111555354A (zh) * | 2020-05-25 | 2020-08-18 | 国网重庆市电力公司电力科学研究院 | 一种自主可再生微电网系统的控制方法、装置及存储介质 |
CN112906988A (zh) * | 2021-03-29 | 2021-06-04 | 东南大学 | 一种多能源建筑系统鲁棒双层协调调度的方法 |
CN113221353A (zh) * | 2021-05-11 | 2021-08-06 | 上海交通大学 | 一种多能微网协调优化的区域能源网多能互补调度方法 |
CN113644649A (zh) * | 2021-07-07 | 2021-11-12 | 四川大学 | 一种解决风光水互补发电系统调度计划偏差的方法 |
CN113708418A (zh) * | 2021-09-24 | 2021-11-26 | 国网湖南省电力有限公司 | 微电网优化调度方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046369A (zh) * | 2015-08-13 | 2015-11-11 | 河海大学 | 一种基于能源中心的电气混联系统建模和优化调度方法 |
CN106127389A (zh) * | 2016-06-24 | 2016-11-16 | 河海大学 | 一种虚拟电厂热电联合调度鲁棒优化模型 |
WO2017006371A1 (en) * | 2015-07-08 | 2017-01-12 | Nec Corporation | Renewable power system and sizing method for controllable plant associated with renewable power system |
CN106786793A (zh) * | 2016-12-14 | 2017-05-31 | 东南大学 | 一种基于鲁棒优化的冷热电联供型微网运行方法 |
CN107464008A (zh) * | 2016-06-02 | 2017-12-12 | 南京理工大学 | 一种大型楼宇冷热电联供系统的优化调度方法 |
CN107622324A (zh) * | 2017-09-01 | 2018-01-23 | 燕山大学 | 一种考虑多微网能量交互的鲁棒环境经济调度方法 |
CN107767074A (zh) * | 2017-11-09 | 2018-03-06 | 东南大学 | 一种计及综合需求响应资源的能源枢纽规划方法 |
-
2018
- 2018-06-29 CN CN201810714113.6A patent/CN108596525B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017006371A1 (en) * | 2015-07-08 | 2017-01-12 | Nec Corporation | Renewable power system and sizing method for controllable plant associated with renewable power system |
CN105046369A (zh) * | 2015-08-13 | 2015-11-11 | 河海大学 | 一种基于能源中心的电气混联系统建模和优化调度方法 |
CN107464008A (zh) * | 2016-06-02 | 2017-12-12 | 南京理工大学 | 一种大型楼宇冷热电联供系统的优化调度方法 |
CN106127389A (zh) * | 2016-06-24 | 2016-11-16 | 河海大学 | 一种虚拟电厂热电联合调度鲁棒优化模型 |
CN106786793A (zh) * | 2016-12-14 | 2017-05-31 | 东南大学 | 一种基于鲁棒优化的冷热电联供型微网运行方法 |
CN107622324A (zh) * | 2017-09-01 | 2018-01-23 | 燕山大学 | 一种考虑多微网能量交互的鲁棒环境经济调度方法 |
CN107767074A (zh) * | 2017-11-09 | 2018-03-06 | 东南大学 | 一种计及综合需求响应资源的能源枢纽规划方法 |
Non-Patent Citations (1)
Title |
---|
石可颂: "冷热电联供系统控制策略与优化调度研究", 《中国优秀硕士学位论文全文数据库(电子期刊)工程科技II辑》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110232640A (zh) * | 2019-01-15 | 2019-09-13 | 华北电力大学 | 一种面向风电消纳的考虑热负荷弹性及热网特性的电热联合调度模型 |
CN109948827A (zh) * | 2019-01-17 | 2019-06-28 | 南京伯罗奔尼能源管理有限公司 | 一种基于多能互补的工业用户多能流优化方法 |
CN110007600A (zh) * | 2019-04-24 | 2019-07-12 | 四川大学 | 一种具有约束的多能流协调调度辅助决策系统 |
CN110348606A (zh) * | 2019-06-14 | 2019-10-18 | 浙江大学 | 一种考虑系统不确定性的微能源网随机区间协同调度方法 |
CN110544017A (zh) * | 2019-08-12 | 2019-12-06 | 上海交通大学 | 考虑热惯性和能源网络约束的能源系统可靠性评估方法 |
CN111210054A (zh) * | 2019-12-22 | 2020-05-29 | 上海电力大学 | 一种考虑直接负荷控制不确定性的微能源网优化调度方法 |
CN111049134A (zh) * | 2019-12-26 | 2020-04-21 | 清华大学 | 一种多能互补园区响应电力系统削峰需求的计算方法 |
CN111461429B (zh) * | 2020-03-31 | 2024-03-15 | 上海能源建设工程设计研究有限公司 | 一种气电协调的多能互补系统优化方法 |
CN111461429A (zh) * | 2020-03-31 | 2020-07-28 | 上海燃气工程设计研究有限公司 | 一种气电协调的多能互补系统优化方法 |
CN111555354A (zh) * | 2020-05-25 | 2020-08-18 | 国网重庆市电力公司电力科学研究院 | 一种自主可再生微电网系统的控制方法、装置及存储介质 |
CN112906988A (zh) * | 2021-03-29 | 2021-06-04 | 东南大学 | 一种多能源建筑系统鲁棒双层协调调度的方法 |
CN112906988B (zh) * | 2021-03-29 | 2024-04-02 | 东南大学 | 一种多能源建筑系统鲁棒双层协调调度的方法 |
CN113221353A (zh) * | 2021-05-11 | 2021-08-06 | 上海交通大学 | 一种多能微网协调优化的区域能源网多能互补调度方法 |
CN113644649A (zh) * | 2021-07-07 | 2021-11-12 | 四川大学 | 一种解决风光水互补发电系统调度计划偏差的方法 |
CN113644649B (zh) * | 2021-07-07 | 2023-04-18 | 四川大学 | 一种解决风光水互补发电系统调度计划偏差的方法 |
CN113708418A (zh) * | 2021-09-24 | 2021-11-26 | 国网湖南省电力有限公司 | 微电网优化调度方法 |
CN113708418B (zh) * | 2021-09-24 | 2023-07-25 | 国网湖南省电力有限公司 | 微电网优化调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108596525B (zh) | 2022-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596525A (zh) | 冷热电气多能互补的微能源网鲁棒优化调度方法 | |
Luo et al. | A multistage home energy management system with residential photovoltaic penetration | |
Mahapatra et al. | Home energy management system (HEMS): Concept, architecture, infrastructure, challenges and energy management schemes | |
Lee et al. | Joint energy management system of electric supply and demand in houses and buildings | |
CN109886469A (zh) | 一种区域综合能源系统需求侧管理方法 | |
CN111738502A (zh) | 促进富余风电消纳的多能互补系统需求响应运行优化方法 | |
CN102593873B (zh) | 一种微网联络线功率波动平滑控制方法 | |
CN111898806B (zh) | 电-热耦合的源储荷集成多能流园区运行优化方法及系统 | |
CN106786753A (zh) | 多用户的区域能源互联网的系统及其调节方法 | |
Anvari-Moghaddam et al. | Load shifting control and management of domestic microgeneration systems for improved energy efficiency and comfort | |
CN110474370A (zh) | 一种空调可控负荷、光伏储能系统的协同控制系统及方法 | |
CN110489915A (zh) | 计及综合需求响应的电热联合调度方法及系统 | |
CN113158450A (zh) | 一种基于楼宇能量管理系统经济调度方法及系统 | |
Han et al. | Physical-data fusion modeling method for energy consumption analysis of smart building | |
Ma et al. | Two-stage stochastic robust optimization model of microgrid day-ahead dispatching considering controllable air conditioning load | |
CN106685313B (zh) | 用于光伏电站的发电控制方法、装置及光伏电站 | |
Rastegarpour et al. | A distributed predictive control of energy resources in radiant floor buildings | |
Chatterjee et al. | Multi-objective energy management of a smart home in real time environment | |
Lacroix et al. | Multi-agent control of thermal systems in buildings | |
CN206370695U (zh) | 一种光伏电站 | |
Kyriakou et al. | Optimal frequency support method for urban microgrids of building prosumers | |
CN116502921A (zh) | 一种园区综合能源系统优化管理系统及其协调调度方法 | |
CN111105090A (zh) | 一种基于智能算法的分布式能源系统优化调度方法及装置 | |
Gao et al. | Multi-energy sharing optimization for a building cluster towards net-zero energy system | |
Rotger-Griful et al. | Control of smart grid residential buildings with demand response |
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 |