CN109298634B - 一种综合能源系统两阶段鲁棒优化调度方法 - Google Patents

一种综合能源系统两阶段鲁棒优化调度方法 Download PDF

Info

Publication number
CN109298634B
CN109298634B CN201811214208.8A CN201811214208A CN109298634B CN 109298634 B CN109298634 B CN 109298634B CN 201811214208 A CN201811214208 A CN 201811214208A CN 109298634 B CN109298634 B CN 109298634B
Authority
CN
China
Prior art keywords
power
energy system
substances
comprehensive energy
content
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.)
Active
Application number
CN201811214208.8A
Other languages
English (en)
Other versions
CN109298634A (zh
Inventor
顾伟
陆帅
周苏洋
吴志
姚帅
潘光胜
吴晨雨
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN201811214208.8A priority Critical patent/CN109298634B/zh
Publication of CN109298634A publication Critical patent/CN109298634A/zh
Application granted granted Critical
Publication of CN109298634B publication Critical patent/CN109298634B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明专利公开了一种综合能源系统两阶段鲁棒优化调度方法，通过建立综合能源系统两阶段鲁棒优化调度目标函数及约束条件，建立综合能源系统可再生能源出力不确定集及室外温度不确定集，使用C&CG算法求解所建立的模型，从而实现两阶段的鲁棒优化调度方法，有效克服了综合能源系统运行过程中可再生能源及热负荷不确定性所带来的影响，同时可克服传统鲁棒优化的保守性，兼顾综合能源系统运行的经济性与稳定性，保证系统的安全高效运行。

Description

一种综合能源系统两阶段鲁棒优化调度方法
所属领域
本发明属于综合能源系统领域，具体涉及一种综合能源系统两阶段鲁棒优化调度方法。
背景技术
综合能源系统集成了燃气系统、电力系统、热力系统等多种能源子系统，通过能源的梯级利用与多种能量的耦合优化实现了较高的能源利用效率与较低的污染物排放，同时可满足电、热、冷等多种能量需求，具有巨大的商业价值与光明的应用前景。
综合能源系统中负荷及可再生能源的不确定性给其运行的稳定性与经济性带来了不可忽视的影响，已有的基于鲁棒优化的调度方法通常较为保守，尽管可一定程度上保证系统运行的稳定性，但却给运行经济性带来了较大的影响，无法保证综合能源系统经济运行。
发明内容
本发明正是针对现有技术中的问题，提供了一种综合能源系统两阶段鲁棒优化调度方法，既可有效降低综合能源系统内可再生能源、室外温度等不确定性对系统运行的不利影响，又可克服传统鲁棒优化在系统运行经济性方面的保守性，从而保证综合能源系统安全、高效、经济的运行。
为了实现上述目的，本发明采用的技术方案是：一种综合能源系统两阶段鲁棒优化调度方法，包括以下步骤：
S1，建立综合能源系统两阶段鲁棒优化调度模型目标函数；
S2，建立综合能源系统两阶段鲁棒优化调度模型约束条件；
S3，建立综合能源系统可再生能源不确定集及室外温度不确定集；
S4，使用C&CG算法求解所建立的模型。
作为本发明的一种改进，所述步骤S1中建立的综合能源系统两阶段鲁棒优化调度模型目标函数为：
Figure BDA0001833139400000021
其中，t为调度时段；y为第一阶段决策变量；x为第二阶段决策变量；
Figure BDA0001833139400000022
为t时段可再生能源出力功率值；
Figure BDA0001833139400000023
为t时段室外温度值；U为净可再生能源功率不确定集；W为室外温度不确定集；Con-off为设备启停成本；Cgas为天然气成本；Cgrid为电网交互成本。
作为本发明的一种改进，所述设备启停成本Con-off为：
Figure BDA0001833139400000024
其中，T为调度时段集合；cgt,on、cgt,off分别为燃气轮机起、停成本；
Figure BDA0001833139400000025
分别为t时段燃气轮机启停状态；
所述天然气成本Cgas为：
Figure BDA0001833139400000026
其中，cgas为天然气价格；
Figure BDA0001833139400000027
为t时段燃气轮机输出电功率；
Figure BDA0001833139400000028
为t时段燃气锅炉输出热功率；ηgt为燃气轮机发电效率；ηgb为燃气锅炉效率；
所述电网交互成本Cgrid为：
Figure BDA0001833139400000029
其中，
Figure BDA00018331394000000210
分别为综合能源系统从电网购电价格和向电网售电价格；
Figure BDA00018331394000000211
Figure BDA00018331394000000212
分别为综合能源系统从电网购电功率和向电网售电功率。
作为本发明的又一种改进，所述步骤S2进一步包括：
S21，建立综合能源系统与电网交互功率约束条件；
S22，建立综合能源系统设备运行约束条件；
S23，建立综合能源系统热负荷状态约束条件；
S24，建立综合能源系统功率平衡约束条件。
作为本发明的又一种改进，所述步骤S21建立的综合能源系统与电网交互功率约束条件为：
Figure BDA0001833139400000031
其中，
Figure BDA0001833139400000032
分别t时段综合能源系统向电网售电状态与从电网购电状态；
Figure BDA0001833139400000033
为联络线最大功率。
作为本发明的另一种改进，所述步骤S22所建立的综合能源系统设备运行约束条件包括燃气轮机运行约束条件、燃气锅炉运行约束条件、余热回收装置运行约束条件、换热装置运行约束条件以及储能装置运行约束条件：
所述燃气轮机运行约束条件为：
Figure BDA0001833139400000034
其中，
Figure BDA0001833139400000035
为燃气轮机运行状态二进制变量；
Figure BDA0001833139400000036
Pgt分别为燃气轮机最大容量与最小运行功率；
所述燃气锅炉、余热回收装置和换热装置运行约束条件为：
Figure BDA0001833139400000037
其中，
Figure BDA0001833139400000038
为燃气锅炉最大容量；
Figure BDA0001833139400000039
为余热回收装置最大容量；
Figure BDA00018331394000000310
为t时段余热回收装置输出热功率；
Figure BDA00018331394000000311
为换热装置最大容量；
Figure BDA00018331394000000312
为t时段换热装置输出热功率；
所述储能装置中蓄电池约束条件为：
Figure BDA00018331394000000313
其中，
Figure BDA0001833139400000041
分别为蓄电池充放电功率；
Figure BDA0001833139400000042
分别为蓄电池最大充放电功率；
Figure BDA0001833139400000043
分别为蓄电池充放电状态；
Figure BDA0001833139400000044
为第td时段蓄电池的能量；σbt为蓄电池能量损耗率；ηbt,chr、ηbt,dis分别为蓄电池的充放电效率。
作为本发明的又一种改进，所述步骤S23建立的综合能源系统热负荷状态约束条件为：
Figure BDA0001833139400000045
其中，
Figure BDA0001833139400000046
分别为t和t+1时段建筑物室内温度；△t为调度指令时间间隔；Rs为建筑物热阻；Cair为建筑物室内空气热容；
Figure BDA0001833139400000047
为室外温度；
Figure BDA0001833139400000048
τin分别为建筑物室内温度最大值与最小值；τin,0为建筑物室内温度初始值。
作为本发明的更进一步改进，所述步骤S24建立的综合能源系统功率平衡约束条件包括电功率平衡约束条件、热功率平衡约束条件、以及电热耦合约束条件：
所述电功率平衡约束条件为：
Figure BDA0001833139400000049
其中，
Figure BDA00018331394000000410
为电负荷功率；
所述热功率平衡约束条件为：
Figure BDA00018331394000000411
其中，ηhr、ηhe分别为余热回收装置和换热装置效率；
Figure BDA00018331394000000412
为热负荷功率；
所述电热耦合约束条件为：
Figure BDA00018331394000000413
其中，
Figure BDA00018331394000000414
为燃气轮机t时段输出热功率；α为燃气轮机热电比。
作为本发明的更进一步改进，所述步骤S3中建立的可再生能源出力不确定集为：
Figure BDA0001833139400000051
其中，
Figure BDA0001833139400000052
分别为t时段可再生能源出力预测值与预测偏差；Γu为可再生能源出力预测不确定度；
所述综合能源系统室外温度不确定集为：
Figure BDA0001833139400000053
其中，
Figure BDA0001833139400000054
分别为t时段室外温度预测值与预测偏差；Γw为室外温度预测不确定度。
与现有技术相比，本发明专利提出了一种综合能源系统两阶段鲁棒优化调度方法，本方法既可有效降低综合能源系统内可再生能源及室外温度双重不确定性对系统运行的不利影响，又可克服传统鲁棒优化过于保守的缺点，节约经济成本，提高工作效率，保证综合能源系统的安全、高效、经济运行。
附图说明
图1是本发明综合能源系统结构图；
图2是本发明综合能源系统两阶段鲁棒优化调度流程图；
图3是本发明实施例2的综合能源系统结构图；
图4是本发明实施例2的风电出力预测值与最坏场景；
图5是本发明实施例2的室外温度预测值与最坏场景。
具体实施方式
以下将结合附图和实施例，对本发明进行较为详细的说明。
实施例1
本实施例运用于综合能源系统中，该综合能源系统结构如图1所示。
一种综合能源系统两阶段鲁棒优化调度方法，如图2所示，包括以下步骤：
S1，建立综合能源系统两阶段鲁棒优化调度模型目标函数：
所建立的综合能源系统两阶段鲁棒优化调度模型目标函数为：
Figure BDA0001833139400000061
其中，t为调度时段；y为第一阶段决策变量；x为第二阶段决策变量；
Figure BDA0001833139400000062
为t时段可再生能源出力功率值；
Figure BDA0001833139400000063
为t时段室外温度值；U为净可再生能源功率不确定集；W为室外温度不确定集；Con-off为设备启停成本；Cgas为天然气成本；Cgrid为电网交互成本。
其中设备启停成本计算公式为：
Figure BDA0001833139400000064
其中，T为调度时段集合；cgt,on、cgt,off分别为燃气轮机起、停成本；
Figure BDA0001833139400000065
分别为t时段燃气轮机启停状态。
其中天然气成本计算公式为：
Figure BDA0001833139400000066
其中，cgas为天然气价格；
Figure BDA0001833139400000067
为t时段燃气轮机输出电功率；
Figure BDA0001833139400000068
为t时段燃气锅炉输出热功率；ηgt为燃气轮机发电效率；ηgb为燃气锅炉效率。
其中电网交互成本计算公式为：
Figure BDA0001833139400000069
其中，
Figure BDA00018331394000000610
分别为综合能源系统从电网购电价格和向电网售电价格；
Figure BDA00018331394000000611
Figure BDA00018331394000000612
分别为综合能源系统从电网购电功率和向电网售电功率。
S2，建立综合能源系统两阶段鲁棒优化调度模型约束条件：
S21，建立综合能源系统与电网交互功率约束条件：
综合能源系统与电网交互功率约束条件为：
Figure BDA00018331394000000613
其中，
Figure BDA0001833139400000071
分别t时段综合能源系统向电网售电状态与从电网购电状态；
Figure BDA0001833139400000072
为联络线最大功率。
S22，建立综合能源系统设备运行约束条件：
综合能源系统设备运行约束条件包括燃气轮机运行约束条件、燃气锅炉运行约束条件、余热回收装置运行约束条件、换热装置运行约束条件、以及储能装置运行约束条件。
所述燃气轮机运行约束条件为：
Figure BDA0001833139400000073
其中，
Figure BDA0001833139400000074
为燃气轮机运行状态二进制变量；
Figure BDA0001833139400000075
Pgt分别为燃气轮机最大容量与最小运行功率。
所述燃气锅炉、余热回收装置和换热装置运行约束条件为：
Figure BDA0001833139400000076
其中，
Figure BDA0001833139400000077
为燃气锅炉最大容量；
Figure BDA0001833139400000078
为余热回收装置最大容量；
Figure BDA0001833139400000079
为t时段余热回收装置输出热功率；
Figure BDA00018331394000000710
为换热装置最大容量；
Figure BDA00018331394000000711
为t时段换热装置输出热功率。
所述储能装置中蓄电池约束条件为：
Figure BDA00018331394000000712
其中，
Figure BDA00018331394000000713
分别为蓄电池充放电功率；
Figure BDA00018331394000000714
分别为蓄电池最大充放电功率；
Figure BDA00018331394000000715
分别为蓄电池充放电状态；
Figure BDA00018331394000000716
为第td时段蓄电池的能量；σbt为蓄电池能量损耗率；ηbt,chr、ηbt,dis分别为蓄电池的充放电效率。
S23，建立综合能源系统热负荷状态约束条件：
综合能源系统热负荷状态约束条件为：
Figure BDA0001833139400000081
其中，
Figure BDA0001833139400000082
分别为t和t+1时段建筑物室内温度；△t为调度指令时间间隔；Rs为建筑物热阻；Cair为建筑物室内空气热容；
Figure BDA0001833139400000083
为室外温度；
Figure BDA0001833139400000084
τin分别为建筑物室内温度最大值与最小值；τin,0为建筑物室内温度初始值。
S24，建立综合能源系统功率平衡约束条件：
合能源系统功率平衡约束条件包括电功率平衡约束条件、热功率平衡约束条件、以及电热耦合约束条件。
所述电功率平衡约束条件为：
Figure BDA0001833139400000085
其中，
Figure BDA0001833139400000086
为电负荷功率。
所述热功率平衡约束条件为：
Figure BDA0001833139400000087
其中，ηhr、ηhe分别为余热回收装置和换热装置效率；
Figure BDA0001833139400000088
为热负荷功率。
所述电热耦合约束条件为：
Figure BDA0001833139400000089
其中，
Figure BDA00018331394000000810
为燃气轮机t时段输出热功率；α为燃气轮机热电比。
S3，建立综合能源系统可再生能源不确定集及室外温度不确定集：
所建立的可再生能源出力不确定集为：
Figure BDA00018331394000000811
其中，
Figure BDA00018331394000000812
分别为t时段可再生能源出力预测值与预测偏差；Γu为可再生能源出力预测不确定度。
所建立的综合能源系统室外温度不确定集为：
Figure BDA0001833139400000091
其中，
Figure BDA0001833139400000092
分别为t时段室外温度预测值与预测偏差；Γw为室外温度预测不确定度。
S4，使用C&CG算法求解所建立的模型，获得系统调度成本，获得综合能源系统中各设备的状态调度计划及与电网交互状态调度计划，同时获得最坏可再生能源出力场景及室外温度不确定性场景。
实施例2
本实施例的综合能源系统包含1台5MW的燃气轮机，1台5MW燃气锅炉，容量为1.5MW的风机，1MWh的蓄电池和5MWh的储热罐，如图3所示，该系统热网包含6个节点，其中节点1连接CHP系统，节点4、5和6分别连接热负荷，运行优化周期为24h，风电预测不确定度和室外温度预测不确定度均取12，风电预测偏差依次取0，0.05，0.10，0.15，0.20，室外温度预测偏差依次取0，0.05，0.10，0.15，0.20，共计25个场景。
其中，各个场景下的系统运行成本如表1所示。根据本发明的步骤运行后可见，考虑风电出力不确定性和室外温度不确定性使系统运行成本增加了1.0％～8.1％，预测偏差越大则运行成本越高。风电预测偏差和室外温度预测偏差均取0.1时的场景下，风电出力预测值及其最坏场景，以及室外温度出力预测值及其最坏场景分别如图4、图5所示。
表1不同场景下系统运行成本
Figure BDA0001833139400000093
因而本方法既可有效降低综合能源系统内可再生能源及室外温度双重不确定性对系统运行的不利影响，又可克服传统鲁棒优化过于保守的缺点，节约经济成本，提高工作效率，保证综合能源系统的安全、高效、经济运行。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实例的限制，上述实例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等同物界定。

Claims (6)

1.一种综合能源系统两阶段鲁棒优化调度方法，其特征在于，包括以下步骤：
S1，建立综合能源系统两阶段鲁棒优化调度模型目标函数；
S2，建立综合能源系统两阶段鲁棒优化调度模型约束条件，约束条件包括建立综合能源系统与电网交互功率约束条件、综合能源系统设备运行约束条件、综合能源系统热负荷状态约束条件、综合能源系统功率平衡约束条件，所述综合能源系统热负荷状态约束条件为：
Figure FDA0003007730690000011
其中，
Figure FDA0003007730690000012
分别为t和t+1时段建筑物室内温度；Δt为调度指令时间间隔；Rs为建筑物热阻；Cair为建筑物室内空气热容；
Figure FDA0003007730690000013
为室外温度；
Figure FDA0003007730690000014
τin分别为建筑物室内温度最大值与最小值；τin,0为建筑物室内温度初始值；
S3，建立综合能源系统可再生能源不确定集及室外温度不确定集,可再生能源出力不确定集为：
Figure FDA0003007730690000015
其中，
Figure FDA0003007730690000016
分别为t时段可再生能源出力预测值与预测偏差；Γu为可再生能源出力预测不确定度；
所述综合能源系统室外温度不确定集为：
Figure FDA0003007730690000017
其中，
Figure FDA0003007730690000018
分别为t时段室外温度预测值与预测偏差；Γw为室外温度预测不确定度；
S4，使用C&CG算法求解所建立的模型。
2.如权利要求1所述的一种综合能源系统两阶段鲁棒优化调度方法，其特征在于所述步骤S1中建立的综合能源系统两阶段鲁棒优化调度模型目标函数为：
Figure FDA0003007730690000019
其中，t为调度时段；y为第一阶段决策变量；x为第二阶段决策变量；
Figure FDA0003007730690000021
为t时段可再生能源出力功率值；
Figure FDA0003007730690000022
为t时段室外温度值；U为净可再生能源功率不确定集；W为室外温度不确定集；Con-off为设备启停成本；Cgas为天然气成本；Cgrid为电网交互成本。
3.如权利要求2所述的一种综合能源系统两阶段鲁棒优化调度方法，其特征在于所述设备启停成本Con-off为：
Figure FDA0003007730690000023
其中，T为调度时段集合；cgt,on、cgt,off分别为燃气轮机起、停成本；
Figure FDA0003007730690000024
分别为t时段燃气轮机启停状态；
所述天然气成本Cgas为：
Figure FDA0003007730690000025
其中，cgas为天然气价格；
Figure FDA0003007730690000026
为t时段燃气轮机输出电功率；
Figure FDA0003007730690000027
为t时段燃气锅炉输出热功率；ηgt为燃气轮机发电效率；ηgb为燃气锅炉效率；
所述电网交互成本Cgrid为：
Figure FDA0003007730690000028
其中，
Figure FDA0003007730690000029
分别为综合能源系统从电网购电价格和向电网售电价格；
Figure FDA00030077306900000210
Figure FDA00030077306900000211
分别为综合能源系统从电网购电功率和向电网售电功率。
4.如权利要求3所述的一种综合能源系统两阶段鲁棒优化调度方法，其特征在于所述步骤S21建立的综合能源系统与电网交互功率约束条件为：
Figure FDA00030077306900000212
其中，
Figure FDA00030077306900000213
分别t时段综合能源系统向电网售电状态与从电网购电状态；
Figure FDA00030077306900000214
为联络线最大功率。
5.如权利要求3或4所述的一种综合能源系统两阶段鲁棒优化调度方法，其特征在于所述步骤S22所建立的综合能源系统设备运行约束条件包括燃气轮机运行约束条件、燃气锅炉运行约束条件、余热回收装置运行约束条件、换热装置运行约束条件以及储能装置运行约束条件：
所述燃气轮机运行约束条件为：
Figure FDA0003007730690000031
其中，
Figure FDA0003007730690000032
为燃气轮机运行状态二进制变量；
Figure FDA0003007730690000033
Pgt分别为燃气轮机最大容量与最小运行功率；
所述燃气锅炉、余热回收装置和换热装置运行约束条件为：
Figure FDA0003007730690000034
其中，
Figure FDA0003007730690000035
为燃气锅炉最大容量；
Figure FDA0003007730690000036
为余热回收装置最大容量；
Figure FDA0003007730690000037
为t时段余热回收装置输出热功率；
Figure FDA0003007730690000038
为换热装置最大容量；
Figure FDA0003007730690000039
为t时段换热装置输出热功率；
所述储能装置中蓄电池约束条件为：
Figure FDA00030077306900000310
其中，
Figure FDA00030077306900000311
分别为蓄电池充放电功率；
Figure FDA00030077306900000312
分别为蓄电池最大充放电功率；
Figure FDA00030077306900000313
分别为蓄电池充放电状态；
Figure FDA00030077306900000314
为第td时段蓄电池的能量；σbt为蓄电池能量损耗率；ηbt,chr、ηbt,dis分别为蓄电池的充放电效率。
6.如权利要求5所述的一种综合能源系统两阶段鲁棒优化调度方法，其特征在于所述步骤S24建立的综合能源系统功率平衡约束条件包括电功率平衡约束条件、热功率平衡约束条件、以及电热耦合约束条件：
所述电功率平衡约束条件为：
Figure FDA0003007730690000041
其中，
Figure FDA0003007730690000042
为电负荷功率；
所述热功率平衡约束条件为：
Figure FDA0003007730690000043
其中，ηhr、ηhe分别为余热回收装置和换热装置效率；
Figure FDA0003007730690000044
为热负荷功率；
所述电热耦合约束条件为：
Figure FDA0003007730690000045
其中，
Figure FDA0003007730690000046
为燃气轮机t时段输出热功率；α为燃气轮机热电比。
CN201811214208.8A 2018-10-18 2018-10-18 一种综合能源系统两阶段鲁棒优化调度方法 Active CN109298634B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811214208.8A CN109298634B (zh) 2018-10-18 2018-10-18 一种综合能源系统两阶段鲁棒优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811214208.8A CN109298634B (zh) 2018-10-18 2018-10-18 一种综合能源系统两阶段鲁棒优化调度方法

Publications (2)

Publication Number Publication Date
CN109298634A CN109298634A (zh) 2019-02-01
CN109298634B true CN109298634B (zh) 2021-05-18

Family

ID=65158225

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811214208.8A Active CN109298634B (zh) 2018-10-18 2018-10-18 一种综合能源系统两阶段鲁棒优化调度方法

Country Status (1)

Country Link
CN (1) CN109298634B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110460040B (zh) * 2019-07-15 2023-04-07 天津大学 一种考虑智能建筑热平衡特性的微电网运行调度方法
CN110543966A (zh) * 2019-07-23 2019-12-06 四川大学 一种电热气联供的微能源网的日前调度优化方法
CN110794688B (zh) * 2020-01-06 2020-05-05 汉谷云智(武汉)科技有限公司 一种燃气锅炉机组智能操作优化方法、系统及存储介质
CN111401664A (zh) * 2020-04-21 2020-07-10 广东电网有限责任公司电力调度控制中心 一种综合能源系统鲁棒优化调度方法及装置
CN113011655B (zh) * 2021-03-22 2022-10-25 昆明理工大学 一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法
CN116187538B (zh) * 2022-12-30 2023-11-17 天津大学 能源调度方法和装置
CN117689179B (zh) * 2024-01-30 2024-05-03 山东建筑大学 基于多阶段鲁棒的综合能源系统运行优化方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550766A (zh) * 2015-12-04 2016-05-04 山东大学 一种含可再生能源的微网鲁棒多目标运行优化方法
CN106022597A (zh) * 2016-05-17 2016-10-12 西南交通大学 含光伏智能小区电动汽车与可控负荷两阶段优化调度方法
CN106355344A (zh) * 2016-09-08 2017-01-25 四川大学 一种基于正交阵列的微电网鲁棒优化运行方法
CN106505634A (zh) * 2016-12-14 2017-03-15 东南大学 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
CN107979111A (zh) * 2017-07-21 2018-05-01 天津大学 一种基于两阶段鲁棒优化的微电网能量管理方法
CN108388964A (zh) * 2018-02-28 2018-08-10 东南大学 一种多微网系统的双层协调鲁棒优化调度方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140258356A1 (en) * 2012-12-13 2014-09-11 University Of South Florida Column and constraint generation method for optimal strategies
CN105140917B (zh) * 2015-09-06 2017-05-10 清华大学 适用于不确定性环境下的主动配电网鲁棒恢复控制方法
CN107944638B (zh) * 2017-12-15 2020-07-10 华中科技大学 一种基于时空相关性的新能源不确定集合建模方法
CN108108846B (zh) * 2017-12-28 2020-09-11 东南大学 一种交直流混合微网鲁棒优化协调调度方法
CN108539732B (zh) * 2018-03-30 2019-12-10 东南大学 基于多区间不确定性鲁棒优化的交直流微网经济调度
CN108629449B (zh) * 2018-04-26 2021-04-13 东南大学溧阳研究院 一种用于交直流混合微网的分布鲁棒式优化调度方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550766A (zh) * 2015-12-04 2016-05-04 山东大学 一种含可再生能源的微网鲁棒多目标运行优化方法
CN106022597A (zh) * 2016-05-17 2016-10-12 西南交通大学 含光伏智能小区电动汽车与可控负荷两阶段优化调度方法
CN106355344A (zh) * 2016-09-08 2017-01-25 四川大学 一种基于正交阵列的微电网鲁棒优化运行方法
CN106505634A (zh) * 2016-12-14 2017-03-15 东南大学 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
CN107979111A (zh) * 2017-07-21 2018-05-01 天津大学 一种基于两阶段鲁棒优化的微电网能量管理方法
CN108388964A (zh) * 2018-02-28 2018-08-10 东南大学 一种多微网系统的双层协调鲁棒优化调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Two-Stage Distributionally Robust Coordinated Dispatch for Integrated Electricity and Natural-gas Energy Systems Considering Uncertainty of Wind Power;XingquanXIAO 等;《2018 IOP Conference Series: Materials Science and Engineering》;20180613;第1-9页 *
Solving two-stage robust optimization problems using a column-and-constraint generation method;Bo Zeng 等;《Operations Research Letters》;20130603;第41卷(第5期);第457-461页 *

Also Published As

Publication number Publication date
CN109298634A (zh) 2019-02-01

Similar Documents

Publication Publication Date Title
CN109298634B (zh) 一种综合能源系统两阶段鲁棒优化调度方法
CN111445090B (zh) 一种离网型综合能源系统双层规划方法
CN107832979B (zh) 一种考虑能量梯级利用的工厂综合能源系统经济优化调度方法
CN111144620B (zh) 一种考虑季节储氢的电氢综合能源系统及其鲁棒规划方法
CN109034508B (zh) 考虑电热双重不确定性的综合能源系统鲁棒优化调度方法
CN105869075A (zh) 一种冷热电联供型微型能源网经济优化调度方法
CN107134810B (zh) 一种独立型微能源网储能系统优化配置求解方法
CN111027846B (zh) 一种考虑热氢联产的电氢综合能源系统及其容量配置方法
CN109919399B (zh) 一种综合能源系统日前经济调度方法及系统
CN109474025B (zh) 一种园区级综合能源系统优化调度模型
CN107358345B (zh) 计及需求侧管理的分布式冷热电联供系统优化运行方法
CN103414206A (zh) 一种考虑安全约束的水光火联合优化发电计划优化方法
CN111244939B (zh) 一种计及需求侧响应的多能互补系统两级优化设计方法
CN110619110A (zh) 一种含热泵的综合能源系统协调运行优化方法
CN110391655B (zh) 一种含多能源耦合的微能源网经济优化调度方法及装置
CN110826815A (zh) 一种考虑综合需求响应的区域综合能源系统运行优化方法
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
CN110941799A (zh) 一种考虑系统综合不确定性因素的能量枢纽随机规划方法
CN111245024A (zh) 基于模型预测控制的综合能源系统鲁棒优化运行方法
CN117081143A (zh) 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法
CN108736518B (zh) 一种城市综合体及大型公共建筑群的综合供能系统及方法
CN104239960A (zh) 考虑抽水蓄能机组的发电计划优化方法
CN116316888A (zh) 氢电耦合系统的优化调度方法、系统及装置
CN113705991B (zh) 一种多能源园区的建立及低碳调度方法
CN114004075A (zh) 综合能源系统多目标集成设计与优化控制方法及系统

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
GR01 Patent grant
GR01 Patent grant