CN108596526A - 需求侧综合能源站协同运行优化调度系统及方法 - Google Patents

需求侧综合能源站协同运行优化调度系统及方法 Download PDF

Info

Publication number
CN108596526A
CN108596526A CN201810714879.4A CN201810714879A CN108596526A CN 108596526 A CN108596526 A CN 108596526A CN 201810714879 A CN201810714879 A CN 201810714879A CN 108596526 A CN108596526 A CN 108596526A
Authority
CN
China
Prior art keywords
energy
station
energy source
optimal
source station
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
Application number
CN201810714879.4A
Other languages
English (en)
Inventor
黄尚渊
刘运龙
张春雁
施宏毅
朱彬若
蔡磊
张垠
李蕊
王福林
闫华光
何桂雄
唐艳梅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
China Electric Power Research Institute Co Ltd CEPRI
State Grid Shanghai Electric Power Co Ltd
Original Assignee
Tsinghua University
China Electric Power Research Institute Co Ltd CEPRI
State Grid Shanghai Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tsinghua University, China Electric Power Research Institute Co Ltd CEPRI, State Grid Shanghai Electric Power Co Ltd filed Critical Tsinghua University
Priority to CN201810714879.4A priority Critical patent/CN108596526A/zh
Publication of CN108596526A publication Critical patent/CN108596526A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/16—Energy services, e.g. dispersed generation or demand or load or energy savings aggregation

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Power Engineering (AREA)
  • Feedback Control In General (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明公开了一种需求侧综合能源站协同运行优化调度系统及方法，其中，系统包括：多个能源站控制器的每个能源站控制器作为分布式计算节点和通信节点；至少一个机电设备控制器作为分布式计算节点和通信节点；至少一个智能传感器作为分布式通信节点；以及至少一个智能执行器作为分布式通信节点。该系统按照既定时间步长，由任意一个能源站控制器定时发起协同优化计算，采用拉格朗日乘子法分布式计算求解优化问题，确定各个能源站当前时刻的制冷功率、制热功率、发电功率的最优值，实现多能源站协同运行调度的优化。

Description

需求侧综合能源站协同运行优化调度系统及方法
技术领域
本发明涉及能源综合优化调度技术领域，特别涉及一种需求侧综合能源站协同运行优化调度系统及方法。
背景技术
当前，单个分布式能源的运行控制方式通常采用集中式的控制方法，即在每个能源站处设置中央监控室，采集能源站内各个设备的运行数据，优化运行参数，控制能源站内各个设备的运行。能源站内的每台机电设备一般设有本地控制器，根据中央监控主机给出的优化运行参数，通过本地控制器的局部闭环控制，调节设备运行，使得被控参数达到中央监控主机给出的设定值。顾荣鑫等申请了一种分布式能源控制系统专利《一种分布式能源站的远程方法及其系统》(申请号201510555609.X)，采用SCADA(Supervisory Control AndData Acquisition数据采集与监视控制系统)远程服务器收集燃气供应控制子系统的数据，产生控制指令，对燃气供应控制子系统和燃气轮机控制子系统的远程控制。
集中式控制方法存在一些不足之处，即需要分别在中央监控主机处对每个被控设备、采集数据用的传感器、执行控制指令的执行器等信息点进行物理地址、信息点名称、属性等参数进行设置，并且中央监控主机的信息设置必须与相应信息点的属性一致，否则无法实现信息点与中央监控主机之间的信息交互。由于能源站内信息点位数量多，通常可以达到数千个，这些数量巨大的信息点的配置工作目前只能靠人工手动完成，因此导致能源站控制系统配置过程所需要的人工工作量大、人工和时间成本高、容易出错等问题。而且以后系统升级、改造时，还需要耗费巨大的人力和时间再次进行配置。集中控制的另一个缺点是由于各个信息点的数据都需要传递给中央监控主机，因此信息传输时间随着信息点数量增加而增加，导致控制系统的优化计算时间随节点数量的增加而增大。相对而言，分布式计算的计算时间几乎不会节点数量的增加而增大。仿真研究表明，当信息节点数量为50个时，分布式计算完成一个计算任务所花费的时间约为集中式计算所需时间的四分之一。
此外，目前的需求侧综合能源站均为各自独立运行，没有考虑各个能源站间的协同运行、集成优化调度。由于能源站内的制冷机、发电机等主要能源设备的能源利用效率均随出力的减少而降低，因此，在用户冷热电需求比较小的工况下，能源站设备必须运行在“大马拉小车”的工况，能源利用效率很低，能源浪费严重。此时，如果能实现多个能源站的协同运行，则可以停止部分机组，将多个小功率的冷热电负荷集合为较大负荷，由部分机组承担，这样就可以大大提高每台运行机电设备的负载率，大大提高能源利用效率。仿真研究表明，当六个能源站协同优化运行时，可以比六个能源站各自独立运行节省能源消耗8％。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本发明的一个目的在于提出一种需求侧综合能源站协同运行优化调度系统，该系统通过分布式计算可以高效求解多能源站的协同运行优化问题，并具有自组织、即插即用、可扩展等功能。
本发明的另一个目的在于提出一种需求侧综合能源站协同运行优化调度方法。
为达到上述目的，本发明一方面实施例提出了一种需求侧综合能源站协同运行优化调度系统，包括：多个能源站控制器，所述多个能源站控制器的每个能源站控制器作为分布式计算节点和通信节点，以实现多个能源站间的协同优化控制计算任务；至少一个机电设备控制器，所述至少一个机电设备控制器作为所述分布式计算节点和通信节点，以实现机电设备控制器与能源站控制器控制网络间的通信，并通过分布式计算完成能源站内的优化控制任务；至少一个智能传感器，所述至少一个智能传感器作为分布式通信节点，以将所测物理量的数值以通信方式传递给所述能源站控制器；以及至少一个智能执行器，所述至少一个智能执行器作为所述分布式通信节点，以接收所述能源站控制器的动作指令并调节对应设备动作，并将所控设备的状态以通信方式传递给所述能源站控制器。
本发明实施例的需求侧综合能源站协同运行优化调度系统，通过多个分布式能源站控制系统按照既定时间步长，由任意一个能源站控制器定时发起协同优化计算，采用拉格朗日乘子法分布式计算求解优化问题，确定各个能源站当前时刻的制冷功率、制热功率、发电功率的最优值，实现多能源站协同运行调度的优化、信息节点的自组网、即插即用，同时还实现了免人工配置，大大减少人工配置工作量，节约人工成本，方便升级和改造，节省优化计算所需要的时间。
另外，根据本发明上述实施例的需求侧综合能源站协同运行优化调度系统还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，所述每个能源站控制器以通信方式互连，以形成无中心、扁平化、点对点的对等网络，其中，所述对等网络无集中控制节点，以通过无中心分布式计算实现多能源站系统运行的全局优化调度功能。
进一步地，在本发明的一个实施例中，采用分布式存储的方式存储分布式能源站控制系统的数据，以各自存储于各自本地的智能节点的存储空间中。
进一步地，在本发明的一个实施例中，所述至少一个机电设备控制器、所述至少一个智能传感器、所述至少一个智能执行器以通信方式互连，以形成无中心、扁平化、点对点的能源站内对等网络，继而实现能源站内的基于分布式计算的全局优化控制功能。
进一步地，在本发明的一个实施例中，采用分布式计算的方法求解多能源站总能耗最小的优化问题，以得到每个时刻每个能源站的最优制冷功率、制热功率、发电功率，以实现多个能源站的综合能耗最小、总能效最高或者总费用最小的集成优化运行。
进一步地，在本发明的一个实施例中，通过求解优化问题给出一种或多种最优运行参数，所述运行参数包括各个能源站的最优制冷量、各个能源站的最优制热量、各个能源站的最优发电量、各个能源站的最优的市政电网取电功率和各个能源站的最优市政电网售电功率。
进一步地，在本发明的一个实施例中，所述优化问题为：
CLi,min≤CLi≤CLi,max
HLi,min≤HLi≤HLi,max
ELi,min≤ELi≤ELi,max
其中，i＝1，2，…n，n是能源站的数量，pi(CLi)是第i个能源站在制冷功率为CLi的条件下的一次能源消耗功率，pi(HLi)是第i个能源站在制热功率为HLi的条件下的一次能源消耗功率，pi(ELi)是第i个能源站在发电功率为ELi的条件下的一次能源消耗功率，CLi,min及CLi,max分别表示第i个能源站的最小及最大制冷功率，HLi,min及HLi,max分别表示第i个能源站的最小及最大制热功率，ELi,min及ELi,max分别表示第i个能源站的最小及最大发电功率，CL0是冷负荷需求，HL0是热负荷需求，EL0是电负荷需求。
进一步地，在本发明的一个实施例中，采用拉格朗日乘子法求解所述优化问题，所述拉格朗日乘子法为：
其中，i＝1，2，…n，n是能源站的数量，pi(CLi)是第i个能源站在制冷功率为CLi的条件下的一次能源消耗功率，pi(HLi)是第i个能源站在制热功率为HLi的条件下的一次能源消耗功率，pi(ELi)是第i个能源站在发电功率为ELi的条件下的一次能源消耗功率，λc为最优制冷功率迭代求解的拉格朗日乘子，λh为最优制热功率迭代求解的拉格朗日乘子，λε为最优发电功率迭代求解的拉格朗日乘子，下标k和k-1分别表示第k步和第k-1步迭代。
为达到上述目的，本发明另一方面实施例提出了一种需求侧综合能源站协同运行优化调度方法，方法包括：通过多个能源站控制器的每个能源站控制器作为分布式计算节点和通信节点，以实现多个能源站间的协同优化控制计算任务；通过至少一个机电设备控制器作为所述分布式计算节点和通信节点，以实现机电设备控制器与能源站控制器控制网络间的通信，并通过分布式计算完成能源站内的优化控制任务；通过至少一个智能传感器作为分布式通信节点，以将所测物理量的数值以通信方式传递给所述能源站控制器；以及通过至少一个智能执行器作为所述分布式通信节点，以接收所述能源站控制器的动作指令并调节对应设备动作，并将所控设备的状态以通信方式传递给所述能源站控制器。
本发明实施例的需求侧综合能源站协同运行优化调度方法，通过多个分布式能源站控制系统按照既定时间步长，由任意一个能源站控制器定时发起协同优化计算，采用拉格朗日乘子法分布式计算求解优化问题，确定各个能源站当前时刻的制冷功率、制热功率、发电功率的最优值，实现多能源站协同运行调度的优化、信息节点的自组网、即插即用，并可以实现免人工配置，大大减少人工配置工作量，节约人工成本，方便升级和改造，节省优化计算所需要的时间。
另外，根据本发明上述实施例的需求侧综合能源站协同运行优化调度方法还可以具有以下附加的技术特征：
进一步地，在本发明的一个实施例中，采用分布式计算的方法求解多能源站总能耗最小的优化问题，以得到每个时刻每个能源站的最优制冷功率、制热功率、发电功率，以实现多个能源站的综合能耗最小、总能效最高或者总费用最小的集成优化运行，其中，通过求解优化问题给出一种或多种最优运行参数，所述运行参数包括各个能源站的最优制冷量、各个能源站的最优制热量、各个能源站的最优发电量、各个能源站的最优的市政电网取电功率和各个能源站的最优市政电网售电功率。
本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本发明一个实施例的需求侧综合能源站协同运行优化调度系统的结构示意图；
图2为根据本发明一个实施例的需求侧综合能源站协同运行优化调度系统的能量站拓扑图结构关系示意图；
图3为根据本发明一个实施例的需求侧综合能源站协同运行优化调度系统的控制逻辑流程图；
图4为根据本发明一个实施例的需求侧综合能源站协同运行优化调度方法的流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
下面参照附图描述根据本发明实施例提出的需求侧综合能源站协同运行优化调度系统及方法进行描述，首先将参照附图描述根据本发明实施例提出的需求侧综合能源站协同运行优化调度系统。
图1是本发明一个实施例的需求侧综合能源站协同运行优化调度系统的结构示意图；
如图1所示，该需求侧综合能源站协同运行优化调度系统10包括：多个能源站控制器100、至少一个机电设备控制器200、至少一个智能传感器300和至少一个智能执行器400。
其中，多个能源站控制器100的每个能源站控制器作为分布式计算节点和通信节点，以实现多个能源站间的协同优化控制计算任务；至少一个机电设备控制器200作为分布式计算节点和通信节点，以实现机电设备控制器与能源站控制器控制网络间的通信，并通过分布式计算完成能源站内的优化控制任务；至少一个智能传感器300作为分布式通信节点，以将所测物理量的数值以通信方式传递给能源站控制器；至少一个智能执行器400作为分布式通信节点，以接收能源站控制器的动作指令并调节对应设备动作，并将所控设备的状态以通信方式传递给能源站控制器。本发明实施例的系统10通过按照既定时间步长，由任意一个能源站控制器定时发起协同优化计算，采用拉格朗日乘子法分布式计算求解优化问题，确定各个能源站当前时刻的制冷功率、制热功率、发电功率的最优值，实现多能源站协同运行调度的优化。
进一步地，在本发明的一个实施例中，每个能源站控制器以通信方式互连，以形成无中心、扁平化、点对点的对等网络，其中，对等网络无集中控制节点，以通过无中心分布式计算实现多能源站系统运行的全局优化调度功能。
进一步地，在本发明的一个实施例中，至少一个机电设备控制器、至少一个智能传感器、至少一个智能执行器以通信方式互连，以形成无中心、扁平化、点对点的能源站内对等网络，继而实现能源站内的基于分布式计算的全局优化控制功能。
具体而言，如图2所示，能源站1到能源站n组成的多个能源站之间拓扑链接关系，能源站之间通过能源网络，将各个能源站制造的冷能、热能、电能实现互联互济，能源站之间通过光纤等有线通信方式或者GPRS/4G/5G无线通信方式组成信息网络，实现数据的交换，每个能源站内部的各个智能节点之间通过无线或者有线方式组成内部信息网络交换数据。
进一步地，在本发明的一个实施例中，采用分布式存储的方式存储分布式能源站控制系统的数据，以各自存储于各自本地的智能节点的存储空间中。
进一步地，在本发明的一个实施例中，采用分布式计算的方法求解多能源站总能耗最小的优化问题，以得到每个时刻每个能源站的最优制冷功率、制热功率、发电功率，以实现多个能源站的综合能耗最小、总能效最高或者总费用最小的集成优化运行。
也就是说，每个能源站控制器向能源站控制网络提供各自负担的用户的冷、热、电负荷需求值，参与分布式计算，求解优化问题，获得各个能源站最优的制冷功率、制热功率、发电功率，调节各个能源站内部的机电设备运行，制造并输出各个能源站需要提供的冷能、热能、电能。
进一步地，在本发明的一个实施例中，通过求解优化问题给出一种或多种最优运行参数，运行参数包括各个能源站的最优制冷量、各个能源站的最优制热量、各个能源站的最优发电量、各个能源站的最优的市政电网取电功率和各个能源站的最优市政电网售电功率。
进一步地，在本发明的一个实施例中，优化问题为：
CLi,min≤CLi≤CLi,max
HLi,min≤HLi≤HLi,max
ELi,min≤ELi≤ELi,max
其中，i＝1，2，…n，n是能源站的数量，pi(CLi)是第i个能源站在制冷功率为CLi的条件下的一次能源消耗功率，pi(HLi)是第i个能源站在制热功率为HLi的条件下的一次能源消耗功率，pi(ELi)是第i个能源站在发电功率为ELi的条件下的一次能源消耗功率，CLi,min及CLi,max分别表示第i个能源站的最小及最大制冷功率，HLi,min及HLi,max分别表示第i个能源站的最小及最大制热功率，ELi,min及ELi,max分别表示第i个能源站的最小及最大发电功率，CL0是冷负荷需求，HL0是热负荷需求，EL0是电负荷需求。
进一步地，在本发明的一个实施例中，采用拉格朗日乘子法求解优化问题，拉格朗日乘子法为：
其中，i＝1，2，…n，n是能源站的数量，pi(CLi)是第i个能源站在制冷功率为CLi的条件下的一次能源消耗功率，pi(HLi)是第i个能源站在制热功率为HLi的条件下的一次能源消耗功率，pi(ELi)是第i个能源站在发电功率为ELi的条件下的一次能源消耗功率，λc为最优制冷功率迭代求解的拉格朗日乘子，λh为最优制热功率迭代求解的拉格朗日乘子，λε为最优发电功率迭代求解的拉格朗日乘子，下标k和k-1分别表示第k步和第k-1步迭代。
具体而言，如图3所示，系统启动后，各个能源站控制器申请加入能源站控制网络，自动组成控制系统网络。组网完成后，根据各个能源站控制器初始化参数，按照内置的启动顺序启动相应设备，并调节设备出力，满足初始设定参数的要求。在给定的优化控制时间周期，例如每1小时，判断当前时间是否到达优化运行时刻，到达优化运行时刻，则随机确定一个能源站控制器发起分布式求解优化问题的计算。各个能源站控制器向控制网络输出各自当前所需的冷负荷、热负荷、电负荷值，通过分布式求和运算，得到所有能源站的总冷负荷、热负荷、电负荷，作为优化问题的约束条件。优化问题的求解采用拉格朗日乘子法，通过分布式并行计算技术，求解得到各个能源站需要提供的最优制冷功率、制热功率、发电功率。
根据本发明实施例提出的需求侧综合能源站协同运行优化调度系统，通过多个分布式能源站控制系统按照既定时间步长，由任意一个能源站控制器定时发起协同优化计算，采用拉格朗日乘子法分布式计算求解优化问题，确定各个能源站当前时刻的制冷功率、制热功率、发电功率的最优值，实现多能源站协同运行调度的优化、信息节点的自组网、即插即用，并可以实现免人工配置，大大减少人工配置工作量，节约人工成本，方便升级和改造，节省优化计算所需要的时间。
其次参照附图描述根据本发明实施例提出的需求侧综合能源站协同运行优化调度方法。
图4是本发明一个实施例的需求侧综合能源站协同运行优化调度方法的流程图。
如图4所示，该需求侧综合能源站协同运行优化调度方法包括以下步骤：
在步骤S101中，通过多个能源站控制器的每个能源站控制器作为分布式计算节点和通信节点，以实现多个能源站间的协同优化控制计算任务。
在步骤S102中，通过至少一个机电设备控制器作为分布式计算节点和通信节点，以实现机电设备控制器与能源站控制器控制网络间的通信，并通过分布式计算完成能源站内的优化控制任务。
在步骤S103中，通过至少一个智能传感器作为分布式通信节点，以将所测物理量的数值以通信方式传递给能源站控制器。
在步骤S104中，通过至少一个智能执行器作为分布式通信节点，以接收能源站控制器的动作指令并调节对应设备动作，并将所控设备的状态以通信方式传递给能源站控制器。
进一步地，在本发明的一个实施例中，在本发明实施中采用分布式计算的方法求解多能源站总能耗最小的优化问题，以得到每个时刻每个能源站的最优制冷功率、制热功率、发电功率，以实现多个能源站的综合能耗最小、总能效最高或者总费用最小的集成优化运行，其中，通过求解优化问题给出一种或多种最优运行参数，运行参数包括各个能源站的最优制冷量、各个能源站的最优制热量、各个能源站的最优发电量、各个能源站的最优的市政电网取电功率和各个能源站的最优市政电网售电功率。
需要说明的是，前述对需求侧综合能源站协同运行优化调度系统实施例的解释说明也适用于该实施例的方法，此处不再赘述。
根据本发明实施例提出的需求侧综合能源站协同运行优化调度方法，通过多个分布式能源站控制系统按照既定时间步长，由任意一个能源站控制器定时发起协同优化计算，采用拉格朗日乘子法分布式计算求解优化问题，确定各个能源站当前时刻的制冷功率、制热功率、发电功率的最优值，实现多能源站协同运行调度的优化、信息节点的自组网、即插即用，并可以实现免人工配置，大大减少人工配置工作量，节约人工成本，方便升级和改造，节省优化计算所需要的时间。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种需求侧综合能源站协同运行优化调度系统，其特征在于，包括：
多个能源站控制器，所述多个能源站控制器的每个能源站控制器作为分布式计算节点和通信节点，以实现多个能源站间的协同优化控制计算任务；
至少一个机电设备控制器，所述至少一个机电设备控制器作为所述分布式计算节点和通信节点，以实现机电设备控制器与能源站控制器控制网络间的通信，并通过分布式计算完成能源站内的优化控制任务；
至少一个智能传感器，所述至少一个智能传感器作为分布式通信节点，以将所测物理量的数值以通信方式传递给所述能源站控制器；以及
至少一个智能执行器，所述至少一个智能执行器作为所述分布式通信节点，以接收所述能源站控制器的动作指令并调节对应设备动作，并将所控设备的状态以通信方式传递给所述能源站控制器。
2.根据权利要求1所述的需求侧综合能源站协同运行优化调度系统，其特征在于，所述每个能源站控制器以通信方式互连，以形成无中心、扁平化、点对点的对等网络，其中，所述对等网络无集中控制节点，以通过无中心分布式计算实现多能源站系统运行的全局优化调度功能。
3.根据权利要求1所述的需求侧综合能源站协同运行优化调度系统，其特征在于，采用分布式存储的方式存储分布式能源站控制系统的数据，以各自存储于各自本地的智能节点的存储空间中。
4.根据权利要求1所述的需求侧综合能源站协同运行优化调度系统，其特征在于，所述至少一个机电设备控制器、所述至少一个智能传感器、所述至少一个智能执行器以通信方式互连，以形成无中心、扁平化、点对点的能源站内对等网络，继而实现能源站内的基于分布式计算的全局优化控制功能。
5.根据权利要求1所述的需求侧综合能源站协同运行优化调度系统，其特征在于，采用分布式计算的方法求解多能源站总能耗最小的优化问题，以得到每个时刻每个能源站的最优制冷功率、制热功率、发电功率，以实现多个能源站的综合能耗最小、总能效最高或者总费用最小的集成优化运行。
6.根据权利要求5所述的需求侧综合能源站协同运行优化调度系统，其特征在于，通过求解优化问题给出一种或多种最优运行参数，所述运行参数包括各个能源站的最优制冷量、各个能源站的最优制热量、各个能源站的最优发电量、各个能源站的最优的市政电网取电功率和各个能源站的最优市政电网售电功率。
7.根据权利要求6所述的需求侧综合能源站协同运行优化调度系统，其特征在于，所述优化问题为：
CLi,min≤CLi≤CLi,max
HLi,min≤HLi≤HLi,max
ELi,min≤ELi≤ELi,max
其中，i＝1，2，…n，n是能源站的数量，pi(CLi)是第i个能源站在制冷功率为CLi的条件下的一次能源消耗功率，pi(HLi)是第i个能源站在制热功率为HLi的条件下的一次能源消耗功率，pi(ELi)是第i个能源站在发电功率为ELi的条件下的一次能源消耗功率，CLi,min及CLi,max分别表示第i个能源站的最小及最大制冷功率，HLi,min及HLi,max分别表示第i个能源站的最小及最大制热功率，ELi,min及ELi,max分别表示第i个能源站的最小及最大发电功率，CL0是冷负荷需求，HL0是热负荷需求，EL0是电负荷需求。
8.根据权利要求7所述的需求侧综合能源站协同运行优化调度系统，其特征在于，采用拉格朗日乘子法求解所述优化问题，所述拉格朗日乘子法为：
其中，i＝1，2，…n，n是能源站的数量，pi(CLi)是第i个能源站在制冷功率为CLi的条件下的一次能源消耗功率，pi(HLi)是第i个能源站在制热功率为HLi的条件下的一次能源消耗功率，pi(ELi)是第i个能源站在发电功率为ELi的条件下的一次能源消耗功率，λc为最优制冷功率迭代求解的拉格朗日乘子，λh为最优制热功率迭代求解的拉格朗日乘子，λε为最优发电功率迭代求解的拉格朗日乘子，下标k和k-1分别表示第k步和第k-1步迭代。
9.一种需求侧综合能源站协同运行优化调度方法，其特征在于，采用如权利要求1-8任一项所述的系统，其中，方法包括：
通过多个能源站控制器的每个能源站控制器作为分布式计算节点和通信节点，以实现多个能源站间的协同优化控制计算任务；
通过至少一个机电设备控制器作为所述分布式计算节点和通信节点，以实现机电设备控制器与能源站控制器控制网络间的通信，并通过分布式计算完成能源站内的优化控制任务；
通过至少一个智能传感器作为分布式通信节点，以将所测物理量的数值以通信方式传递给所述能源站控制器；以及
通过至少一个智能执行器作为所述分布式通信节点，以接收所述能源站控制器的动作指令并调节对应设备动作，并将所控设备的状态以通信方式传递给所述能源站控制器。
10.根据权利要求9所述的需求侧综合能源站协同运行优化调度方法，其特征在于，采用分布式计算的方法求解多能源站总能耗最小的优化问题，以得到每个时刻每个能源站的最优制冷功率、制热功率、发电功率，以实现多个能源站的综合能耗最小、总能效最高或者总费用最小的集成优化运行，其中，通过求解优化问题给出一种或多种最优运行参数，所述运行参数包括各个能源站的最优制冷量、各个能源站的最优制热量、各个能源站的最优发电量、各个能源站的最优的市政电网取电功率和各个能源站的最优市政电网售电功率。
CN201810714879.4A 2018-06-29 2018-06-29 需求侧综合能源站协同运行优化调度系统及方法 Pending CN108596526A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810714879.4A CN108596526A (zh) 2018-06-29 2018-06-29 需求侧综合能源站协同运行优化调度系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810714879.4A CN108596526A (zh) 2018-06-29 2018-06-29 需求侧综合能源站协同运行优化调度系统及方法

Publications (1)

Publication Number Publication Date
CN108596526A true CN108596526A (zh) 2018-09-28

Family

ID=63635020

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810714879.4A Pending CN108596526A (zh) 2018-06-29 2018-06-29 需求侧综合能源站协同运行优化调度系统及方法

Country Status (1)

Country Link
CN (1) CN108596526A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109460935A (zh) * 2018-11-19 2019-03-12 北京京天智慧能源发展有限公司 基于集成式能源系统的管理平台
CN109492920A (zh) * 2018-11-19 2019-03-19 北京京天智慧能源发展有限公司 基于集成式能源站的决策管理平台
CN109857419A (zh) * 2018-12-04 2019-06-07 视联动力信息技术股份有限公司 一种调度系统自动升级的方法和装置
CN114594708A (zh) * 2022-03-02 2022-06-07 国网山东省电力公司电力科学研究院 一种多能协同优化能源控制系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105137879A (zh) * 2015-09-01 2015-12-09 苏州弗尔赛能源科技股份有限公司 一种分布式能源站的远程scada方法及其系统
CN106950936A (zh) * 2017-05-10 2017-07-14 国网上海市电力公司 一种多分布式能源站的无中心协同控制系统及方法
CN107166646A (zh) * 2017-05-19 2017-09-15 清华大学 基于分布式计算的中央空调主机优化运行控制系统及方法
CN107748963A (zh) * 2017-11-06 2018-03-02 华南理工大学 一种基于ocd分散式优化的电‑热网协调运行方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105137879A (zh) * 2015-09-01 2015-12-09 苏州弗尔赛能源科技股份有限公司 一种分布式能源站的远程scada方法及其系统
CN106950936A (zh) * 2017-05-10 2017-07-14 国网上海市电力公司 一种多分布式能源站的无中心协同控制系统及方法
CN107166646A (zh) * 2017-05-19 2017-09-15 清华大学 基于分布式计算的中央空调主机优化运行控制系统及方法
CN107748963A (zh) * 2017-11-06 2018-03-02 华南理工大学 一种基于ocd分散式优化的电‑热网协调运行方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109460935A (zh) * 2018-11-19 2019-03-12 北京京天智慧能源发展有限公司 基于集成式能源系统的管理平台
CN109492920A (zh) * 2018-11-19 2019-03-19 北京京天智慧能源发展有限公司 基于集成式能源站的决策管理平台
CN109460935B (zh) * 2018-11-19 2021-09-21 北京京天智慧能源发展有限公司 基于集成式能源系统的管理平台
CN109857419A (zh) * 2018-12-04 2019-06-07 视联动力信息技术股份有限公司 一种调度系统自动升级的方法和装置
CN109857419B (zh) * 2018-12-04 2022-06-17 视联动力信息技术股份有限公司 一种调度系统自动升级的方法和装置
CN114594708A (zh) * 2022-03-02 2022-06-07 国网山东省电力公司电力科学研究院 一种多能协同优化能源控制系统及方法

Similar Documents

Publication Publication Date Title
JP7261507B2 (ja) 電気ヒートポンプ－熱電併給システムを最適化する調整方法及びシステム
Yi et al. Distributed, neurodynamic-based approach for economic dispatch in an integrated energy system
CN108596526A (zh) 需求侧综合能源站协同运行优化调度系统及方法
Tushar et al. Distributed real-time electricity allocation mechanism for large residential microgrid
Wu et al. A multi-objective short term hydropower scheduling model for peak shaving
Blaauwbroek et al. Decentralized resource allocation and load scheduling for multicommodity smart energy systems
Lin et al. Joint commitment of generation units and heat exchange stations for combined heat and power systems
CN110401187B (zh) 面向智能楼宇的温控负荷分层聚合控制方法
CN110046750A (zh) 一种能源互联网协同优化运行方法
CN110571865B (zh) 基于一致性算法的主动配电网源荷互动决策方法
CN111725808B (zh) 基于奇异摄动的综合能源系统分布式趋同控制方法及系统
CN107609675B (zh) 一种基于多智能体系统趋同控制的经济调度运行方法
CN108599138A (zh) 计及微电网分布式能源不确定性的储能系统容量配置方法
CN109149648A (zh) 一种自适应宽度动态规划智能发电控制方法
CN109390930A (zh) 一种考虑控制自治性和通信成本的主动配电网微电网化分区方法
Roossien et al. Virtual power plant field experiment using 10 micro-CHP units at consumer premises
CN114662751B (zh) 基于lstm的园区多能短期负荷预测及优化方法
CN110445186B (zh) 一种自同步微电网控制系统及二次调频控制方法
Zhao et al. Optimal control for hydraulic balance of secondary network in district heating system under distributed architecture
Tian et al. Energy network flow model and optimization based on energy hub for big harbor industrial park
CN104836846A (zh) 一种基于sdn技术的能源互联通信网络架构系统
CN106786812B (zh) 虚拟发电厂分布式无功补偿系统及其补偿方法
CN112838580B (zh) 一种改进异质温控负荷聚合模型及多目标协调控制方法
CN105680480B (zh) 一种多微电网分布式经济运行控制方法
CN111146815A (zh) 一种智能配电网分布式发电规划配置方法

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