CN109004686A - 一种考虑冰蓄冷空调多模式的冷热电联供型微网系统 - Google Patents

Abstract

一种考虑冰蓄冷空调多模式的冷热电联供型微网系统，由光伏发电、风力发电、燃料电池、微型燃气轮机和冰蓄冷空调组成的分布式发电系统、储能系统及其他联供设备组成的一次系统以及二次调度控制系统组成，并提出了一种CCHP‑MG多时间尺度优化调度方法，日前计划中通过多场景描述可再生能源的不确定性，侧重于一个运行优化周期内CCHP‑MG的经济运行；日内调度基于日前计划方案，考虑冷热电在调度时间尺度上的差异性和相关性，提出一种双层滚动优化调度方案，上层对冷热联供设备进行调度，下层对电力设备进行调整，以调整成本最小为目标，得出各联供设备平滑出力。本发明能够显著提高能源综合利用效率与分布式可再生能源就地消纳能力，实现多能源微网的经济及安全运行。

Description

一种考虑冰蓄冷空调多模式的冷热电联供型微网系统

技术领域

本发明涉及冷热电联供型微电网能量管理技术领域，特别涉及一种考虑冰蓄冷空调多模式的冷热电联供型微网系统。

背景技术

随着传统化石能源的日益枯竭，提高能源利用效率、开发新能源、加强可再生能源的综合利用成为解决社会经济发展过程中的能源需求增长与能源紧缺之间矛盾的必然选择。由于不同能源系统发展的差异，供能往往都是单独规划、单独设计、独立运行，彼此间缺乏协调，由此造成了能源利用率低、供能系统整体安全性和自愈能力不强等问题。冷热电联供(CCHP)技术的研究和应用得到了学者的重视。对于作为可再生能源发电有效载体的微电网，CCHP技术可以在其基础上得到很好的发展，有效地提高微网的经济效益、环境效益以及能源的利用率。而且近些年来，我国大部分地区空调负荷占夏季用电量可达到30％以上，空调的用电是负荷需求增长的主要原因，对主电网造成了巨大压力，也给用户带来了大量的用电花费。

目前，国内外针对CCHP-MG的单元建模、规划、能量管理做了一系列具有开拓性的研究，结合热网模型的多区域综合能源系统协同规划(王珺，顾伟，陆帅，等.结合热网模型的多区域综合能源系统协同规划[J].电力系统自动化，2016，40(15)：17-24.)提出结合热网模型的多区域综合能源系统协同规划模型，使用线性规划对模型求解，优化锅炉配置容量和燃气轮机利用率。含可再生能源的微网冷-热-电多能流协同优化与案例分析(甘霖，陈瑜玮，刘育权，等.含可再生能源的微网冷-热-电多能流协同优化与案例分析[J].电力自动化设备，2017，37(6)：275-281.)则考虑CCHP型微网中的多能流耦合关系与多种储能形式，建立含DG的多能流微网优化模型，通过Gurobi对模型进行求解,优化冷热电能源分配，提高能源利用率。基于模型预测控制的能源互联网系统分布式优化调度研究(张彦，张涛，孟繁霖，等.基于模型预测控制的能源互联网系统分布式优化调度研究[J].中国电机工程学报，2017，37(23)：6829-6845.)从能量管理架构角度，提出一种含主-从博弈的能源互联网系统分布式能量管理模型，基于并行分布式求解方法对多个模型进行求解，有效应对可再生能源和负荷的波动所带来的不利影响。上述文献从不同的角度和设备的规划层面详细的研究了CCHP-MG的日前经济调度问题。然而，日前计划并不能完全反应可再生能源和多能源负荷的预测误差以及随机性波动功率对CCHP-MG实际运行的影响。

由于风电等间歇性发电预测误差随时间尺度缩小而减小，因此，可以采用“逐步细化”的策略，建立不同时间尺度的CCHP-MG运行优化模型，在日内环节基于预测数据将上级遗留的偏差对可控分布式电源进行功率调整。考虑风电随机性的微网多时间尺度能量优化调度(徐立中，易永辉，朱承治，等.考虑风电随机性的微网多时间尺度能量优化调度[J].电力系统保护与控制，2014(23)：1-8.)在日前模型中考虑风电的不确定性，通过多场景削减技术提升系统适应风电随机性的能力，在日内调度阶段通过可控负荷与电热转换装置的快速响应特性，消纳系统功率波动，这种策略虽然在一定程度上能快速稳定系统运行状态，但是对于热负荷的时间特性考虑的并不全面。A two-stage optimization and control forCCHP microgrid energy management(Zhao Luo,Zhi Wu,Zhenyuan Li,HongYi Cai,BaoJuLi,Wei Gu.A two-stage optimization and control for CCHP microgrid energymanagement[J].Applied Thermal Engineering,2017,125.)在日前层利用模糊预测控制模型，预测负荷曲线并制定设备各时刻出力值，在实时层，以调整成本最小为目标，对不同设备设置不同的惩罚因子，根据实时数据，解决功率波动。基于模型预测控制的冷热电联供型微网动态优化调度(吴鸣，骆钊，季宇，李洋，寇凌峰.基于模型预测控制的冷热电联供型微网动态优化调度[J].中国电机工程学报，2017(24)：7174-7184+7431.)则在日前计划中考虑电储能的充放电寿命问题，并在日内模型中搭建负荷预测精准模型，并基于多步滚动优化求解出各联供设备的平滑出力，但是日内交换功率曲线相较日前曲线波动幅值过大，可能影响外部电网的稳定运行。

发明内容

本发明目的是为了改进上述现有技术中存在的不足，提供一种考虑冰蓄冷空调多模式的冷热电联供型微网系统，能显著提高能源综合利用效率与分布式可再生能源就地消纳能力；减少夏天大量冷负荷带来的高额用电成本；平抑可再生能源及负荷不确定性带来的波动；实现多能源微网的经济及安全运行。

本发明采取的技术方案为：

一种考虑冰蓄冷空调多模式的冷热电联供型微网系统，包括一次系统、二次系统，所述一次系统由整个多能微电网系统组成，所述多能微电网系统包括光伏发电系统、风力发电系统、燃料电池、微型燃气轮机、蓄电池、余热锅炉、燃气锅炉、蓄热槽、电热转换设备、热交换机、冰蓄冷空调、吸收式制冷机、各类电负荷；

所述二次系统是多能微电网系统的协调优化控制系统，所述二次系统包括微电网中央控制器、下层各个控制器、通信网络；

所述交流母线通过并离网控制开关S1与配电网连接，以控制多能微电网系统处于并网运行状态、或者离网运行状态；

所述光伏发电系统、风力发电系统、燃料电池分别通过逆变器、接触器与交流母线相连，以控制各微源出力；

所述蓄电池经过双向变流器与交流母线相连，以控制储能系统的充放电状态；

所述微型燃气轮机经过变压器与交流母线相连，所述微型燃气轮机与余热锅炉相连，所述余热锅炉通过传热管道与供热母线相连接；

所述电热转换设备通过接触器S8与交流母线相连，所述电热转换设备与供热母线相连，所述燃气锅炉与供热母线相连，所述热交换机与供热母线相连再将热能供给负荷侧，供热母线连接吸收式制冷机然后再与冷负荷相连；

所述冰蓄冷空调通过接触器S9与交流母线相连接，以此来控制各连供设备的出力状态；

所述微电网中央控制器通过通信网络分别与风力控制器、光伏控制器、燃料控制器、储能控制器、汽轮机控制器、电负荷控制器、空调控制器、热设备控制器连接；风力控制器连接风力发电系统，光伏控制器连接光伏发电系统，燃料控制器连接燃料电池，储能控制器连接蓄电池，汽轮机控制器连接微型燃气轮机，电负荷控制器连接各类电负荷，空调控制器连接冰蓄冷空调，热设备控制器分别连接所述热交换机、燃气锅炉、蓄热槽；各设备对应的控制器通过通信总线上传负荷、发电信息、储能信息、或者冷热能信息给微电网中央控制器，微电网中央控制器通过通信总线向下层各个控制器下达相应指令，以控制负荷、可控微源、冷热电能之间的转换设备、蓄电池、蓄热槽和冰蓄冷空调的运行状态。

一种冷热电联供型微网系统多时间尺度优化调度方法，包括以下步骤：

步骤1：对微网内的冷热电联供设备、冰蓄冷空调、储能装置等设备进行建模；

步骤2：使用多场景生成和削减技术处理可再生能源的不确定性；

步骤3：对冰蓄冷空调的不同运行方式的经济性进行分析，利用日前优化结果选取最佳运行方式；

步骤4：建立以冷热电联供微网成本最小为目标的的日前优化模型；

步骤5：建立日内上层滚动优化模型，平抑调度时间尺度较长的冷热能功率波动；

步骤6：建立日内下层滚动模型，平抑调度时间尺度较短的电能功率波动。

通过上述步骤1～步骤6，完成冷热电联供型微网系统多时间尺度优化调度。

步骤1中包括以下步骤：

1)、Capstone的微型燃气轮机在国际市场占有很高份额，本发明基于此建模，其燃料耗费量可以用一次函数近似表示为：

式中：为微型燃气轮机在第T个时段内的输出电功率；为微型燃气轮机的启停状态标记位，0时为停机，1为开机；α_Fi和β_Fi为燃料系数。

微型燃气轮机运行时，排出的高温余热烟气经过余热回收锅炉回收后，通过热交换机与吸收式制冷机可以制热、制冷。本发明不考虑环境和燃烧效率因素的影响，其微型燃气轮机的特性模型为：

式中：为微型燃气轮机在第T个时段的排气余热量；h_mt为微型燃气轮机的发电效率；h_L为散热损失系数；分别为热交换机与吸收式制冷机在第T个时段提供的制热量和制冷量；COP_h/h_h分别为热交换机的制热系数和烟气回收率；COP_c/h_c分别为吸收式制冷机的制冷系数和烟气回收率。

实际运行时，微型燃气轮机要满足上下限约束和爬坡率约束，即：

式中：分别为微型燃气轮机的爬坡率上下限；分别为微型燃气轮机的最小/大输出功率。

2)燃料电池在日内调度中将承担电能调度的重任，本发明不考虑其余热利用，其燃料耗费量为：

式中：为燃料电池在第T个时段内的输出电功率；为燃料电池的启停状态标记位，0时为停机，1为开机；α_c和β_c为燃料系数。

3)蓄电池能有效的平抑电功率波动、提高CCHP-MG对可再生能源的消纳能力。也可以引导蓄电池利用分时电价差异，“削峰填谷”提高微网运行经济性。为避免小功率和低荷电状态下充放电对蓄电池寿命的不利影响，运行时要满足充放电约束和荷电状态约束，即：

式中：为蓄电池的荷电状态；分别为蓄电池的充、放电功率；h_bt.chr、h_bt.dis分别为蓄电池的充、放电效率；为蓄电池的充放电状态标记位，0时为停运，1为运行；且满足互斥约束和充放电频率约束，即：

实际运行时，蓄电池要满足下式的充放电爬坡率约束：

式中：和分别为蓄电池充、放电状态下的最小/大充、放电功率。

4)当热交换机、蓄热槽以及电锅炉无法实现系统的热功率平衡时，由燃气锅炉提供不足的部分。燃气锅炉的热出力效率模型和运行约束为：

式中：为第T个时段燃气锅炉的天然气耗费量；为第T个时段燃气锅炉的输出热功率，kW；h_b为燃气锅炉的效率系数。

5)电锅炉可在电价引导下实现电热能量之间的转换，在电价谷时期把富余的电能转换成热能满足用户热负荷需求，其运行时要满足上下限约束，即：

式中：和分别为第T个时段电锅炉的耗电功率和输出热功率，kW；为电锅炉的额定容量；h_eh为效率系数。

6)蓄热槽可以在热能富余时储存热能，而在热能不足或产热费用较高时，释放热能，提高系统运行灵活性和经济性，其满足下式的容量约束和蓄、放热功率约束。

式中：为蓄热槽的存储热能，kW.h；分别为蓄热槽的蓄、放热功率，kW；γ_h为蓄热槽能量自损率；h_tst.chr、h_tst.dis分别为蓄热效率和放热效率；为蓄热槽的充、放电状态标记位，0时为停止，1为运行；且满足互斥约束，即：

与蓄电池的运行模式相同，要满足如下所示爬坡率约束。

式中：和分别为蓄热槽蓄、放热状态下的最小/大蓄、放热功率。

7)冰蓄冷空调系统由制冷机、蓄冷罐等辅助设备组成。下面给出这些这些设备的运行约束：

①制冷机，可以通过消耗电能来制或蓄冰，其运行约束如下：

式中：为第T时段制冷机消耗的电功率；分别为制冷机的输出冷功率和蓄冰功率；分别为制冷机的蓄冰、制冷状态标记位，0时为停止，1为运行；μ_a、为制冷机的电功率消耗系数。

②冰蓄冷罐，冷却塔所制造的冰储存在冰蓄冷罐中，可以再某些时段进行融冰释放冷却能，其存在运行约束和储能状态约束：

式中：为蓄冷罐的融冰功率；为蓄冷罐的融冰状态标记位，0为待机，1为融冰；为第T时段蓄冷罐储存的冷却能；γ_Q为自损系数；h_ice.chr和h_ice.dis分别为蓄冰和融冰系数； 分别为蓄冷罐的爬坡率上下限。

步骤2中是在日前计划中，使用多场景方法描述风电功率的不确定性。假定风电功率服从正态分布N(μ，δ²)，预测风电功率期望值为μ，其波动的百分比为δ。采用拉丁超立方抽样(Latin Hypercube Sampling，LHS)方法，生成大量服从概率分布约束的风电出力场景，然后采用考虑Kantorovich^[27]距离的场景削减方法对场景进行削减。导出具有相应概率的减少后的场景。

太阳能功率的不确定性也可用上述多场景方法描述。最后获取风力和太阳能发电的10个代表性场景及其相应的概率P_{s|s＝1，2，…，10}。

所述步骤3中，冰蓄冷空调有串联式和并联式两种模式，两种模式可以选择跟踪负荷或电价运行，这样可以将冰蓄冷空调分为4种运行方式：

1)串联式冰蓄冷空调跟踪冷负荷运行：制冷机白天制冷运行，夜间蓄冰运行，蓄冷罐只能在负荷峰值期间融冰运行。即，添加约束：

2)串联式冰蓄冷空调跟踪电价运行：制冷机白天制冷运行，夜间蓄冰运行，蓄冷罐只能在电价峰值期间融冰运行。即，添加约束：

3)并联式冰蓄冷空调跟踪冷负荷运行：制冷机白天制冷运行，夜间能同时蓄冰与制冷运行，蓄冷罐只能在负荷峰值期间融冰运行。即，添加约束：

4)并联式冰蓄冷空调跟踪电价运行：制冷机白天制冷运行，夜间能同时蓄冰与制冷运行，蓄冷罐只能在电价峰值期间融冰运行。即，添加约束：

式中，分别为制冷机的蓄冰、制冷状态标记位，0时为停止，1为运行；为蓄冷罐的融冰状态标记位，0为待机，1为融冰；Day为白天时段的集合；Night为夜间时段的集合；R_Peak为电价峰时段的集合；L_Peak为冷负荷峰时段的集合。根据日前的预测数据，通过日前优化模型分别得出冰蓄冷空调四种运行方式的优化结果，对优化结果的经济性进行比较选取一个最优的运行方式。

所述步骤4中，日前优化的冷热电联供微网运行成本目标函数为：

式中，P_s表示风力和太阳能发电的第s个代表性场景相应的概率；C_ng表示微网消耗的燃料成本；C_bt表示蓄电池充放电老化成本；C_Grid表示微网与大电网的功率交互成本。这三种成本的表达式如下：

式中，为第T时段系统购买天然气价格；H_ng为天然气热值，取9.78kWh/m³；ΔT表示时间间隔，这里日前优化时间间隔为1h；R_bt为电池单位充放电次数老化成本，元/次数；为蓄电池的充放电状态标记位，0时为停运，1为运行；为第T时段系统向电网购售电电价。分别表示第T时段微型燃气轮机、燃气锅炉、燃料电池的燃料燃耗量。

建立微网日前优化调度运行的约束条件，包括所述的各联供设备和储能装置运行约束，以及系统的电平衡约束、热平衡约束、冷平衡约束和交互功率约束，其表达式为：

1)电功率平衡：

式中：分别表示第T时段风力发电功率、光伏发电功率、第i个微型燃气轮机输出电功率、燃料电池输出电功率、微网与大电网的交互功率、蓄电池的充电功率、蓄电池的放电功率、系统电负荷大小、冰蓄冷空调的电耗功率和电锅炉的耗电功率。

2)冷功率平衡

式中：和分别表示第T时段吸收式制冷机回收第i个微型燃气轮机排出的余热输出的冷功率、制冷机输出的冷功率、蓄冷罐的融冰功率、制冷机蓄冰功率和系统冷负荷大小。

3)热功率平衡

式中：和分别表示第T时段热交换机回收第i个微型燃气轮机排出的余热输出的热功率、电锅炉输出的热功率、燃气锅炉输出的热功率、蓄热槽的蓄热功率、蓄热槽的放热功率和系统的热负荷大小。

4)与PCC处的交换功率必须满足上下限约束

式中：分别为系统向电网购电的最大/小功率。

所述步骤5中建立日内上层滚动优化模型，平抑调度时间尺度较长的冷热能功率波动。在每一采样时刻，根据当前采集到的历史数据通过预测模型预测出未来一段控制时域2h内的控制输入序列，再通过滚动优化模型得到控制输出序列，只将优化结果的第一个时间间隔1h加在被控对象上，然后时间向后滚动1h，使用新的输出测量值重复上面步骤。

在上层优化问题中，要遵从日前MT的运行状态，以及冷热调度策略，根据冷热负荷在t时长的变化，调整各微源出力，其目标函数为：

式中：M为冷热调度的控制时域。分别表示系统在日内调度阶段的t时段产生的燃料成本、电锅炉调整成本、冰蓄冷空调调整成本。

1)燃料成本

式中：为第t时段系统购买天然气价格；H_ng为天然气热值，取9.78kWh/m³； 分别表示第T时段微型燃气轮机、燃气锅炉的燃料燃耗量的日前计划值；分别表示第t时段微型燃气轮机、燃气锅炉的燃料燃耗量相对日前计划的日内增量；μ_mt和m_b分别为MT和燃气锅炉调整量的单位惩罚成本；和分别为第t时段MT和燃气锅炉的调整功率；Δt为时间间隔。

2)电锅炉调整成本

式中：μ_peh为电锅炉调整量的单位惩罚成本；为第t时段电锅炉的调整功率；Δt为时间间隔。

3)冰蓄冷空调调整成本

式中：μ_isac为制冷机调整量的单位惩罚成本；为第t时段制冷机的调整功率；Δt为时间间隔。

日内冷热能调度还要满足下面所示运行约束：

1)冷功率平衡

式中：和分别表示日内第t时段吸收式制冷机回收第i个微型燃气轮机排出的余热输出的冷功率、制冷机输出的冷功率、蓄冷罐的融冰功率、制冷机蓄冰功率和系统冷负荷大小。

2)热功率平衡

式中：和分别表示日内第t时段热交换机回收第i个微型燃气轮机排出的余热输出的热功率、电锅炉输出的热功率、燃气锅炉输出的热功率、蓄热槽的蓄热功率、蓄热槽的放热功率和系统的热负荷大小。

3)微型燃气轮机约束

式中：为微型燃气轮机输出的最大电功率；为微型燃气轮机在第t时段输出电功率的调整量。

冷热调度策略分别如图4、5所示。以冷却能调度为例，首先，根据日前预测与日内预测冷负荷的差异，计算出CCHP-MG中日内冷负荷功率波动ΔQ_load，ΔQ_load<0表示供应侧大于需求侧，ΔQ_load>0则情况相反。

在电价谷时期，购电成本较低，当ΔQload<0时，以系统经济性最优的角度出发，优先让燃气锅炉减少输出，若超出设定约束，则依次使用MT、ISAC进行调整；当ΔQload>0时，优先提高ISAC的输出功率，其次依次调度燃气锅炉、MT。

在电价非谷时期，购电成本较高，当ΔQload<0时，优先降低燃气锅炉的输出功率，若超出约束范围，则依次调度ISAC、MT；当ΔQload>0时，优先增大燃气锅炉的输出，然后才依次考虑MT、ISAC的调度。

所述步骤6建立日内下层滚动优化模型，平抑调度时间尺度较短的电能功率波动。下层的滚动优化实在上层确定冷热联供设备的确定出力值的基础上对电力设备出力进行调整，下层滚动的控制时域取1h且时间间隔更短，本发明取5min。所以进行一次上层滚动优化后，要经过12次下层滚动优化再到达下一次的上层优化时刻。在下层优化问题中，遵从日前ES的充放电状态，根据可再生能源波动以及电负荷和上层设备的功率变化，对日前计划作出修正，其目标函数为：

式中：β为储能SOC的惩罚因子；N为电能调度的控制时域。和分别表示系统在第t时段产生的与电网的功率交互成本、燃料电池消耗成本和蓄电池充放电功率调整成本；为日前第T时段/日内第t时段计划的蓄电池荷电状态。

1)与电网的功率交互成本

式中：为第t时段系统向电网购电电价；μ_grid为交换功率调整量的单位惩罚成本；为日前计划第T时段系统向电网购电功率；为第t时段交换功率调整功率；Δt为时间间隔。

2)燃料成本

式中：为第t时段系统购买天然气价格；H_ng为天然气热值，取9.78kWh/m³；为第T时段燃料电池燃料燃耗量的日前计划值；为第t时段燃料电池燃料燃耗量相对日前计划的日内增量；μ_fc为燃料电池调整量的单位惩罚成本；为第t时段燃料电池调整功率；Δt为时间间隔。

3)蓄电池充放电功率调整成本

式中：μ_p为蓄电池调整量的单位惩罚成本；和分别为第t时段蓄电池充/放电调整功率；Δt为时间间隔。

日内电能调度除了要满足各单元设备运行约束还要满足以下约束：

1)电功率平衡

式中：分别表示第t时段风力发电功率、光伏发电功率、第i个微型燃气轮机输出电功率、燃料电池输出电功率、微网与大电网的交互功率、蓄电池的充电功率、蓄电池的放电功率、系统电负荷大小、冰蓄冷空调的电耗功率和电锅炉的耗电功率。

2)日内荷电状态约束：

式中：为蓄电池荷电状态的日前计划值；为蓄电池荷电状态的日内调度变化量。

3)交互功率约束：

式中：微网与大电网的交互功率的日前计划值；微网与大电网的交互功率的日内调度调整值。

通过日内调度阶段，得到各联供设备运行和储能系统充放电调整值为： 其中，和分别表示微型燃气轮机的电出力、燃料电池输出的电功率、与电网的交互功率、电锅炉消耗的电功率、蓄电池的充电功率、蓄电池的放电功率、冰蓄冷空调消耗的电功率和燃气锅炉输出的热功率的日内计划调整量。

本发明一种考虑冰蓄冷空调多模式的冷热电联供型微网系统，该系统分析冰蓄冷空调的不同运行方式对日前优化调度经济性的影响，使系统能够选择一种最优的运行方式降低运行成本；提出考虑冷热负荷变化的双层滚动优化平抑模型，通过滚动时长的差异，分别对冷热能和电能在不同时间尺度上进行调度，使系统能够有效平抑源荷两侧波动，保证微网以及外部电网的稳定运行。

附图说明

图1是本发明系统结构图。

图2是多时间尺度优化调度总示意图。

图3是日内双层滚动优化调度流程图。

图4是日内冷功率调度策略流程图。

图5是日内热功率调度策略流程图。

具体实施方式

下面结合实施例及附图，对本发明做进一步地详细说明，但本发明的实施方式不限于此。

如图1所示是一种考虑冰蓄冷空调多模式的微电网多能协调优化系统拓扑图。其中包括一次系统和二次系统；所述一次系统由整个多能微电网系统组成，系统包括光伏发电系统、风力发电系统、燃料电池、微型燃气轮机、蓄电池、余热锅炉、燃气锅炉、蓄热槽、电热转换设备、热交换机、冰蓄冷空调和吸收式制冷机以及各类负荷；所述二次系统是多能微网的协调优化控制系统，由微电网中央控制器、下层控制器以及通信网络组成。

所述的光伏发电系统、风力发电系统、燃料电池、分别通过逆变器和接触器与微电网交流母线相连；所述蓄电池经过双向变流器与交流母线相连；所述电负荷通过接触器与交流母线相连接；所述微电网交流母线通过并离网控制开关与配电网连接；所述微型燃气轮机经过变压器与微电网交流母线相连，同时，也与所述余热锅炉相连；所述余热锅炉通过传热管道与供热母线相连接；所述电热转换设备通过接触器与交流母线相连，也与供热母线相连；所述燃气锅炉与供热母线相连；所述热交换机与供热母线相连再将热能供给负荷侧；供热母线连接所述吸收式制冷机然后再与冷负荷相连；所述冰蓄冷空调通过接触器与交流母线相连接。

所述微网中央控制器(MGCC)是基于可编程逻辑PLC模块的中央控制器，型号为6ES7288-1SR60-0AA0；各设备对应的控制器通过通信总线上传负荷、可再生能源发电、储能等电气或冷热能信息给微网中央控制器；微网中央控制器通过通信总线向下层控制器下达相应指令，以控制负荷、可控微源、冷热电能之间的转换设备、蓄电池、蓄热槽和冰蓄冷空调的运行状态。

如图2所示，本发明的考虑冰蓄冷空调多模式的冷热电联供型微网多时间尺度优化调度方法，包括以下步骤：

1：对微网内的设备进行建模，包括燃料电池、微型燃气轮机、蓄电池、余热锅炉、燃气锅炉、蓄热槽、电热转换设备、热交换机、冰蓄冷空调和吸收式制冷机运行特性及状态的建模。

2：使用多场景生成和削减技术处理可再生能源的不确定性。

3：建立冰蓄冷空调的四种运行状态模型。

4：基于可再生能源和负荷的短期预测以及微网设备的建模，通过以冷热电联供微网成本最小为目标的的日前优化模型确定联供设备的运行状态和日前计划出力。

5：基于可再生能源和负荷的超短期滚动更新预测以及微网设备的建模，根据日前计划设备的运行状态，通过日内1h的冷热能滚动优化和5min的电能滚动优化调度模型确定日内日设备处理调整量，得到最后的日内调度方案。

如图3所示，是日内双层滚动优化调度流程图，包括日内上层滚动优化和日内下层滚动优化：

(1)、日内上层滚动优化模型，平抑调度时间尺度较长的冷热能功率波动。在每一采样时刻，根据当前采集到的历史数据通过预测模型预测出未来一段控制时域2h内的控制输入序列，再通过滚动优化模型得到控制输出序列，只将优化结果的第一个时间间隔1h加在被控对象上，然后时间向后滚动1h，使用新的输出测量值重复上面步骤。

在上层优化问题中，要遵从日前MT的运行状态，以及冷热调度策略，根据冷热负荷在t时长的变化，调整各微源出力，其目标函数为：

式中：M为冷热调度的控制时域。分别表示系统在日内调度阶段的t时段产生的燃料成本、电锅炉调整成本、冰蓄冷空调调整成本。

1)燃料成本

式中：为第t时段系统购买天然气价格；H_ng为天然气热值，取9.78kWh/m³； 分别表示第t时段微型燃气轮机、燃气锅炉、燃料电池的燃料燃耗量相对日前计划的日内增量；μ_mt和μ_b分别为MT和燃气锅炉调整量的单位惩罚成本；和分别为第t时段MT和燃气锅炉的调整功率。

2)电锅炉调整成本

式中：μ_peh为电锅炉调整量的单位惩罚成本；为第t时段电锅炉的调整功率；Δt为时间间隔。

3)冰蓄冷空调变化成本

式中：μ_isac为制冷机调整量的单位惩罚成本；为第t时段制冷机的调整功率；Δt为时间间隔。

日内冷热能调度还要满足下式运行约束。

1)冷功率平衡

式中：和分别表示日内第t时段吸收式制冷机回收第i个微型燃气轮机排出的余热输出的冷功率、制冷机输出的冷功率、蓄冷罐的融冰功率、制冷机蓄冰功率和系统冷负荷大小。

2)热功率平衡

式中：和分别表示日内第t时段热交换机回收第i个微型燃气轮机排出的余热输出的热功率、电锅炉输出的热功率、燃气锅炉输出的热功率、蓄热槽的蓄热功率、蓄热槽的放热功率和系统的热负荷大小。

3)微型燃气轮机约束

式中：为微型燃气轮机输出的最大电功率；为微型燃气轮机在第t时段输出电功率的调整量。

如图4、5所示，是微网日内冷热功率调度策略，以冷却能调度为例，首先，根据日前预测与日内预测冷负荷的差异，计算出CCHP-MG中日内冷负荷功率波动ΔQ_load，ΔQ_load<0表示供应侧大于需求侧，ΔQ_load>0则情况相反。

在电价谷时期，购电成本较低，当ΔQload<0时，以系统经济性最优的角度出发，优先让燃气锅炉减少输出，若超出设定约束，则依次使用MT、ISAC进行调整；当ΔQload>0时，优先提高ISAC的输出功率，其次依次调度燃气锅炉、MT。

在电价非谷时期，购电成本较高，当ΔQload<0时，优先降低燃气锅炉的输出功率，若超出约束范围，则依次调度ISAC、MT；当ΔQload>0时，优先增大燃气锅炉的输出，然后才依次考虑MT、ISAC的调度。

(2)日内下层滚动优化模型，平抑调度时间尺度较短的电能功率波动。下层的滚动优化实在上层确定冷热联供设备的确定出力值的基础上对电力设备出力进行调整，下层滚动的控制时域取1h且时间间隔更短，本发明取5min。所以进行一次上层滚动优化后，要经过12次下层滚动优化再到达下一次的上层优化时刻。在下层优化问题中，遵从日前ES的充放电状态，根据可再生能源波动以及电负荷和上层设备的功率变化，对日前计划作出修正，其目标函数为：

式中：β为储能SOC的惩罚因子；N为电能调度的控制时域。和分别表示系统在第t时段产生的与电网的功率交互成本、燃料电池消耗成本和蓄电池充放电功率调整成本；为日前第T时段/日内第t时段计划的蓄电池荷电状态。

1)与电网的功率交互成本

式中：为第t时段系统向电网购电电价；μ_grid为交换功率调整量的单位惩罚成本；为日前计划第T时段系统向电网购电功率；为第t时段交换功率调整功率；Δt为时间间隔。

2)燃料成本

式中：为第t时段系统购买天然气价格；H_ng为天然气热值，取9.78kWh/m³；为第T时段燃料电池燃料燃耗量的日前计划值；为第t时段燃料电池燃料燃耗量相对日前计划的日内增量；μ_fc为燃料电池调整量的单位惩罚成本；为第t时段燃料电池调整功率；Δt为时间间隔。

3)蓄电池充放电功率调整成本

式中：μ_p为蓄电池调整量的单位惩罚成本；和分别为第t时段蓄电池充/放电调整功率；Δt为时间间隔。

日内电能调度除了要满足各单元设备运行约束还要满足以下约束：

1)电功率平衡

式中：分别表示第t时段风力发电功率、光伏发电功率、第i个微型燃气轮机输出电功率、燃料电池输出电功率、微网与大电网的交互功率、蓄电池的充电功率、蓄电池的放电功率、系统电负荷大小、冰蓄冷空调的电耗功率和电锅炉的耗电功率。

2)日内荷电状态约束：

式中：为蓄电池荷电状态的日前计划值；为蓄电池荷电状态的日内调度变化量。

3)交互功率约束：

式中：微网与大电网的交互功率的日前计划值；微网与大电网的交互功率的日内调度调整值。

通过日内调度阶段，得到各联供设备运行和储能系统充放电调整值为： 其中，和分别表示微型燃气轮机的电出力、燃料电池输出的电功率、与电网的交互功率、电锅炉消耗的电功率、蓄电池的充电功率、蓄电池的放电功率、冰蓄冷空调消耗的电功率和燃气锅炉输出的热功率的日内计划调整量。

如此，上下两层优化进行交替循环完成日内优化调度，以上优化模型的求解均采用yalmip+gurobi优化工具完成。本发明针对含冰蓄冷空调的冷热电联供型微网系统提出了多时间尺度优化方法，并分析冰蓄冷空调的不同运行方式对日前优化调度经济性的影响，使系统能够选择一种最优的运行方式降低运行成本；提出考虑冷热负荷变化的双层滚动优化平抑模型，通过滚动时长的差异，分别对冷热能和电能在不同时间尺度上进行调度，使系统能够有效平抑源荷两侧波动，保证微网以及外部电网的稳定运行。

Claims (8)

1.一种考虑冰蓄冷空调多模式的冷热电联供型微网系统，其特征在于：包括一次系统、二次系统，所述一次系统由整个多能微电网系统组成，所述多能微电网系统包括光伏发电系统、风力发电系统、燃料电池、微型燃气轮机、蓄电池、余热锅炉、燃气锅炉、蓄热槽、电热转换设备、热交换机、冰蓄冷空调、吸收式制冷机、各类电负荷；

所述二次系统是多能微电网系统的协调优化控制系统，所述二次系统包括微电网中央控制器、下层各个控制器、通信网络；

所述交流母线通过并离网控制开关S1与配电网连接，以控制多能微电网系统处于并网运行状态、或者离网运行状态；

所述光伏发电系统、风力发电系统、燃料电池分别通过逆变器、接触器与交流母线相连，以控制各微源出力；

所述蓄电池经过双向变流器与交流母线相连，以控制储能系统的充放电状态；

所述微型燃气轮机经过变压器与交流母线相连，所述微型燃气轮机与余热锅炉相连，所述余热锅炉通过传热管道与供热母线相连接；

所述电热转换设备通过接触器S8与交流母线相连，所述电热转换设备与供热母线相连，所述燃气锅炉与供热母线相连，所述热交换机与供热母线相连再将热能供给负荷侧，供热母线连接吸收式制冷机然后再与冷负荷相连；

所述冰蓄冷空调通过接触器S9与交流母线相连接，以此来控制各连供设备的出力状态；

所述微电网中央控制器通过通信网络分别与风力控制器、光伏控制器、燃料控制器、储能控制器、汽轮机控制器、电负荷控制器、空调控制器、热设备控制器连接；风力控制器连接风力发电系统，光伏控制器连接光伏发电系统，燃料控制器连接燃料电池，储能控制器连接蓄电池，汽轮机控制器连接微型燃气轮机，电负荷控制器连接各类电负荷，空调控制器连接冰蓄冷空调，热设备控制器分别连接所述热交换机、燃气锅炉、蓄热槽；各设备对应的控制器通过通信总线上传负荷、发电信息、储能信息、或者冷热能信息给微电网中央控制器，微电网中央控制器通过通信总线向下层各个控制器下达相应指令，以控制负荷、可控微源、冷热电能之间的转换设备、蓄电池、蓄热槽和冰蓄冷空调的运行状态。

2.一种冷热电联供型微网系统多时间尺度优化调度方法，其特征在于包括以下步骤：

步骤1：对多能微电网系统内的冷热电联供设备、冰蓄冷空调、储能装置进行建模；

步骤2：使用多场景生成和削减技术处理可再生能源的不确定性；

步骤3：对冰蓄冷空调的不同运行方式的经济性进行分析，利用日前优化结果选取最佳运行方式；

步骤4：建立以冷热电联供微网成本最小为目标的的日前优化模型；

步骤5：建立日内上层滚动优化模型，平抑调度时间尺度较长的冷热能功率波动；

步骤6：建立日内下层滚动模型，平抑调度时间尺度较短的电能功率波动；

通过上述步骤1～步骤6，完成冷热电联供型微网系统多时间尺度优化调度。

3.根据权利要求2所述一种冷热电联供型微网系统多时间尺度优化调度方法，其特征在于，所述步骤1包括以下步骤：

(1)、对微型燃气轮机建模，其燃料耗费量可以用一次函数近似表示为：

式中：为微型燃气轮机在第T个时段内的输出电功率,kW；为微型燃气轮机的启停状态标记位，0时为停机，1为开机；α_Fi和β_Fi为燃料系数；

微型燃气轮机运行时，排出的高温余热烟气经过余热回收锅炉回收后，通过热交换机与吸收式制冷机可以制热、制冷；不考虑环境和燃烧效率因素的影响，其微型燃气轮机的特性模型为：

式中：为微型燃气轮机在第T个时段的排气余热量；η_mt为微型燃气轮机的发电效率；η_L为散热损失系数；分别为热交换机与吸收式制冷机在第T个时段提供的制热量和制冷量；COP_h/η_h分别为热交换机的制热系数和烟气回收率；COP_c/η_c分别为吸收式制冷机的制冷系数和烟气回收率；

实际运行时，微型燃气轮机要满足上下限约束和爬坡率约束，即：

式中：分别为微型燃气轮机的爬坡率上下限,kW；分别为微型燃气轮机的最小/大输出功率；

(2)、燃料电池在日内调度中将承担电能调度的重任，不考虑其余热利用，其燃料耗费量为：

式中：为燃料电池在第T个时段内的输出电功率,kW；为燃料电池的启停状态标记位，0时为停机，1为开机；α_c和β_c为燃料系数；

(3)、蓄电池能有效的平抑电功率波动、提高冷热电联供型微网对可再生能源的消纳能力；也可以引导蓄电池利用分时电价差异，为避免小功率和低荷电状态下充放电对蓄电池寿命的不利影响，运行时要满足充放电约束和荷电状态约束，即：

式中：为蓄电池的荷电状态；分别为蓄电池的充、放电功率，kW；η_bt.chr、η_bt.dis分别为蓄电池的充、放电效率；为蓄电池的充放电状态标记位，0时为停运，1为运行；且满足互斥约束和充放电频率约束，即：

实际运行时，蓄电池要满足下式的充放电爬坡率约束：

式中：和分别为蓄电池充、放电状态下的最小/大充、放电功率；

(4)、当热交换机、蓄热槽以及电锅炉无法实现系统的热功率平衡时，由燃气锅炉提供不足的部分；燃气锅炉的热出力效率模型和运行约束为：

式中：为第T个时段燃气锅炉的天然气耗费量；为第T个时段燃气锅炉的输出热功率，kW；η_b为燃气锅炉的效率系数；

(5)、电锅炉可在电价引导下实现电热能量之间的转换，在电价谷时期把富余的电能转换成热能满足用户热负荷需求，其运行时要满足上下限约束，即：

式中：和分别为第T个时段电锅炉的耗电功率和输出热功率，kW；为电锅炉的额定容量；η_eh为效率系数；

(6)、蓄热槽可以在热能富余时储存热能，而在热能不足或产热费用较高时，释放热能，提高系统运行灵活性和经济性，其满足下式的容量约束和蓄、放热功率约束；

式中：W_Ttst为蓄热槽的存储热能，kW.h；H_Ttst.chr、分别为蓄热槽的蓄、放热功率，kW；γ_h为蓄热槽能量自损率；η_tst.chr、η_tst.dis分别为蓄热效率和放热效率；为蓄热槽的充、放电状态标记位，0时为停止，1为运行；且满足互斥约束，即：

与蓄电池的运行模式相同，要满足下所示爬坡率约束；

式中：和分别为蓄热槽蓄、放热状态下的最小/大蓄、放热功率，kW；

(7)、冰蓄冷空调系统由制冷机、蓄冷罐等辅助设备组成，下面给出这些这些设备的运行约束：

①、制冷机，通过消耗电能来制或蓄冰，其运行约束如下：

式中：为第T时段制冷机消耗的电功率，kW；分别为制冷机的输出冷功率和蓄冰功率，kW；分别为制冷机的蓄冰、制冷状态标记位，0时为停止，1为运行；μ_a、为制冷机的电功率消耗系数；

②、冰蓄冷罐，冷却塔所制造的冰储存在冰蓄冷罐中，在某些时段进行融冰释放冷却能，其存在运行约束和储能状态约束：

式中：为蓄冷罐的融冰功率；为蓄冷罐的融冰状态标记位，0为待机，1为融冰为第T时段蓄冷罐储存的冷却能；γ_Q为自损系数；η_ice.chr和η_ice.dis分别为蓄冰和融冰系数； 分别为蓄冷罐的爬坡率上下限。

4.根据权利要求2所述一种冷热电联供型微网系统多时间尺度优化调度方法，其特征在于，所述步骤2中，在日前计划中，使用多场景方法描述风电功率的不确定性；假定风电功率服从正态分布N(μ，δ²)，预测风电功率期望值为μ，其波动的百分比为δ；采用拉丁超立方抽样Latin Hypercube Sampling，LHS方法，生成大量服从概率分布约束的风电出力场景，然后采用考虑Kantorovich距离的场景削减方法对场景进行削减，导出具有相应概率的减少后的场景；

太阳能功率的不确定性也可用上述多场景方法描述；最后获取风力和太阳能发电的10个代表性场景及其相应的概率P_s|_{s＝1，2，…，10}。

5.根据权利要求2所述一种冷热电联供型微网系统多时间尺度优化调度方法，其特征在于，所述步骤3中，冰蓄冷空调有串联式和并联式两种模式，两种模式可以选择跟踪负荷或电价运行，这样可以将冰蓄冷空调分为4种运行方式：

1)、串联式冰蓄冷空调跟踪冷负荷运行：制冷机白天制冷运行，夜间蓄冰运行，蓄冷罐只能在负荷峰值期间融冰运行；即，添加约束：

2)、串联式冰蓄冷空调跟踪电价运行：制冷机白天制冷运行，夜间蓄冰运行，蓄冷罐只能在电价峰值期间融冰运行；即，添加约束：

3)、并联式冰蓄冷空调跟踪冷负荷运行：制冷机白天制冷运行，夜间能同时蓄冰与制冷运行，蓄冷罐只能在负荷峰值期间融冰运行；即，添加约束：

4)、并联式冰蓄冷空调跟踪电价运行：制冷机白天制冷运行，夜间能同时蓄冰与制冷运行，蓄冷罐只能在电价峰值期间融冰运行；即，添加约束：

式中，Day为白天时段的集合；Night为夜间时段的集合；R_Peak为电价峰时段的集合；L_Peak为冷负荷峰时段的集合；根据日前的预测数据，通过日前优化模型分别得出冰蓄冷空调四种运行方式的优化结果，对优化结果的经济性进行比较选取一个最优的运行方式。

6.根据权利要求2所述一种冷热电联供型微网系统多时间尺度优化调度方法，其特征在于，所述步骤4中，日前优化的冷热电联供微网运行成本目标函数为：

式中，P_s表示风力和太阳能发电的第s个代表性场景相应的概率；C_ng表示微网消耗的燃料成本，C_bt表示蓄电池充放电老化成本；C_Grid表示微网与大电网的功率交互成本；这三种成本的表达式如下：

式中，为第T时段系统购买天然气价格,元/m³；H_ng为天然气热值，取9.78kWh/m³；ΔT表示时间间隔，这里日前优化时间间隔为1h；R_bt为电池单位充放电次数老化成本；为第T时段系统向电网购售电电价；

建立微网日前优化调度运行的约束条件，包括各联供设备和储能装置运行约束，以及系统的电平衡约束、热平衡约束、冷平衡约束和交互功率约束，其表达式为：

1)电功率平衡：

式中：为第T时段冰蓄冷空调的电耗功率；

2)冷功率平衡：

3)热功率平衡：

4)与PCC处的交换功率必须满足上下限约束；

式中：分别为系统向电网购电的最大/小功率。

7.根据权利要求2所述一种冷热电联供型微网系统多时间尺度优化调度方法，其特征在于，所述步骤5中，建立日内上层滚动优化模型，平抑调度时间尺度较长的冷热能功率波动；在每一采样时刻，根据当前采集到的历史数据通过预测模型预测出未来一段控制时域2h内的控制输入序列，再通过滚动优化模型得到控制输出序列，只将优化结果的第一个时间间隔1h加在被控对象上，然后时间向后滚动1h，使用新的输出测量值重复上面步骤；

在上层优化问题中，要遵从日前MT的运行状态，以及冷热调度策略，根据冷热负荷在t时长的变化，调整各微源出力，其目标函数为：

式中：M为冷热调度的控制时域；

1)燃料成本:

式中：μ_mt和μ_b分别为MT和燃气锅炉调整量的单位惩罚成本；和分别为第t时段MT和燃气锅炉的调整功率；

2)电锅炉调整成本:

式中：μ_peh为电锅炉调整量的单位惩罚成本；为第t时段电锅炉的调整功率；

3)冰蓄冷空调调整成本:

式中：μ_isac为制冷机调整量的单位惩罚成本；为第t时段制冷机的调整功率；

日内冷热能调度还要满足下面所示运行约束：

1)冷功率平衡:

2)热功率平衡:

3)微型燃气轮机约束:

冷热调度策略以冷却能调度为例，首先，根据日前预测与日内预测冷负荷的差异，计算出CCHP-MG中日内冷负荷功率波动ΔQ_load，ΔQ_load<0表示供应侧大于需求侧，ΔQ_load>0则情况相反；

在电价谷时期，购电成本较低，当ΔQload<0时，以系统经济性最优的角度出发，优先让燃气锅炉减少输出，若超出设定约束，则依次使用MT、ISAC进行调整；当ΔQload>0时，优先提高ISAC的输出功率，其次依次调度燃气锅炉、MT；

在电价非谷时期，购电成本较高，当ΔQload<0时，优先降低燃气锅炉的输出功率，若超出约束范围，则依次调度ISAC、MT；当ΔQload>0时，优先增大燃气锅炉的输出，然后才依次考虑MT、ISAC的调度。

8.根据权利要求2所述一种冷热电联供型微网系统多时间尺度优化调度方法，其特征在于，所述步骤6中，建立日内下层滚动优化模型，平抑调度时间尺度较短的电能功率波动；下层的滚动优化实在上层确定冷热联供设备的确定出力值的基础上对电力设备出力进行调整，下层滚动的控制时域取1h且时间间隔更短，这里取5min；所以进行一次上层滚动优化后，要经过12次下层滚动优化再到达下一次的上层优化时刻；在下层优化问题中，遵从日前ES的充放电状态，根据可再生能源波动以及电负荷和上层设备的功率变化，对日前计划作出修正，其目标函数为：

式中：β为储能SOC的惩罚因子；N为电能调度的控制时域；

1)与电网的功率交互成本：

式中：为第t时段系统向电网购电电价，元/(kW.h)；μ_grid为交换功率调整量的单位惩罚成本；为第T时段交互功率的日前计划值，kW；为第t时段交换功率调整功率，kW；Δt为时间间隔；

2)燃料成本：

式中：μ_fc为燃料电池调整量的单位惩罚成本；为第t时段燃料电池调整功率；

3)蓄电池充放电功率调整成本：

式中：μ_p为蓄电池调整量的单位惩罚成本；和分别为第t时段蓄电池充/放电调整功率；

日内电能调度除了要满足各单元设备运行约束还要满足以下约束：

1)电功率平衡：

2)日内荷电状态约束：

3)交互功率约束：

通过日内调度阶段，得到各联供设备运行和储能系统充放电调整值为：