CN109634113A - 热电耦合市场中压缩空气储能系统的控制方法和装置 - Google Patents
热电耦合市场中压缩空气储能系统的控制方法和装置 Download PDFInfo
- Publication number
- CN109634113A CN109634113A CN201811217878.5A CN201811217878A CN109634113A CN 109634113 A CN109634113 A CN 109634113A CN 201811217878 A CN201811217878 A CN 201811217878A CN 109634113 A CN109634113 A CN 109634113A
- Authority
- CN
- China
- Prior art keywords
- compressed
- air energy
- storage system
- energy
- storage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
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
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)
Abstract
本发明实施例提供一种热电耦合市场中压缩空气储能系统的控制方法和装置。其中,控制方法包括:获取压缩空气储能系统、电力系统和热力系统的参数,根据压缩空气储能系统、电力系统和热力系统的参数,建立以最大化压缩空气储能系统的收益为目标的目标模型;根据目标模型和当前时段压缩空气储能系统的状态,确定当前时段压缩空气储能系统向电力系统购买和出售的电量。本发明实施例提供的热电耦合市场中压缩空气储能系统的控制方法和装置,能使得压缩空气储能系统获得当前时段条件下的最大收益,且由于目标模型考虑了压缩空气储能系统、电力系统、热力系统三者之间的交互,能使得热电耦合市场达到均衡配置。
Description
技术领域
本发明实施例涉及新能源发电技术领域,尤其涉及一种热电耦合市场中压缩空气储能系统的控制方法和装置。
背景技术
随着能源短缺和环境污染日益严峻,强烈依赖一次能源的消费结构,给能源发展带来一系列的问题。一方面,能源资源具有品种丰富,但人均占有量稀少,煤炭、天然气等一次能源储量有限,经济发展和能源短缺的矛盾日益严峻;另一方面,一次能源过度使用带来环境污染、温室效应等问题,不利于可持续发展。为应对能源危机,正在积极发展多能源互联技术,热力、燃气、风能等多种形式的能源协调优化,受到了广泛的关注。
近年来,多能源转换设备,如热电联产机组、压缩空气储能等的蓬勃发展,各能源间的转换效率日益提高。热电联产机组在生产电能的同时,利用汽轮发电机做功产生的蒸汽对用户供热,能将热效率提升至85%;新型电锅炉可实现98%的电热转换效率;热泵的制热能效比(coefficient of performance,COP)可高达3.0-5.0。这使得各能源网络间耦合日益密切,各能源网络的互补特性为应对可再生能源不确定性提供了新的思路。压缩空气储能、热电联产机组等新型转换设备通过加入能源市场与传统电力系统进行能量交换,在负荷低谷期,电力系统将多余电能存入压缩空气储能/销售至热网之中;在负荷高峰期,从压缩空气储能系统中释放热能/减少热网购电量,能够有效应对负荷波动,实现能量缓冲,实现互相补充,达到削峰填谷的目的。目前对热电耦合市场中压缩空气储能系统的控制,仅局限于压缩空气储能系统自身,导致对压缩空气储能系统的控制无法带来其他主体的优化、达到热电耦合市场的平衡。
发明内容
针对现有技术存在的问题,本发明实施例提供一种热电耦合市场中压缩空气储能系统的控制方法和装置。
第一方面,本发明实施例提供一种热电耦合市场中压缩空气储能系统的控制方法,所述热电耦合市场包括压缩空气储能系统、电力系统和热力系统;所述控制方法包括:
获取所述压缩空气储能系统、电力系统和热力系统的参数,根据所述压缩空气储能系统、电力系统和热力系统的参数,建立以最大化所述压缩空气储能系统的收益为目标的目标模型;
根据所述目标模型和当前时段所述压缩空气储能系统的状态,确定当前时段所述压缩空气储能系统向所述电力系统购买和出售的电量。
第二方面,本发明实施例提供一种热电耦合市场中压缩空气储能系统的控制装置,所述热电耦合市场包括压缩空气储能系统、电力系统和热力系统;所述控制装置包括:
模型建立模块,用于获取所述压缩空气储能系统、电力系统和热力系统的参数,根据所述压缩空气储能系统、电力系统和热力系统的参数,建立以最大化所述压缩空气储能系统的收益为目标的目标模型;
电量获取模块,用于根据所述目标模型和当前时段所述压缩空气储能系统的状态,确定当前时段所述压缩空气储能系统向所述电力系统购买和出售的电量。
第三方面,本发明实施例提供一种电子设备,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的热电耦合市场中压缩空气储能系统的控制方法。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行第一方面的各种可能的实现方式中任一种可能的实现方式所提供的热电耦合市场中压缩空气储能系统的控制方法。
本发明实施例提供的热电耦合市场中压缩空气储能系统的控制方法和装置,通过根据压缩空气储能系统、电力系统和热力系统的参数,建立以最大化压缩空气储能系统的收益为目标的目标模型,根据目标模型和当前时段压缩空气储能系统的状态,确定当前时段压缩空气储能系统向电力系统购买和出售的电量,能使得压缩空气储能系统获得当前时段条件下的最大收益,且由于目标模型考虑了压缩空气储能系统、电力系统、热力系统三者之间的交互,能使得热电耦合市场达到均衡配置。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为根据本发明实施例提供的热电耦合市场中压缩空气储能系统的控制方法的流程示意图;
图2为根据本发明实施例提供的热电耦合市场中压缩空气储能系统的控制装置的功能框图;
图3为根据本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为根据本发明实施例提供的热电耦合市场中压缩空气储能系统的控制方法的流程示意图。如图1所示,一种热电耦合市场中压缩空气储能系统的控制方法包括:步骤S101、获取压缩空气储能系统、电力系统和热力系统的参数,根据压缩空气储能系统、电力系统和热力系统的参数,建立以最大化压缩空气储能系统的收益为目标的目标模型。
需要说明的是,热电耦合市场包括压缩空气储能系统、电力系统和热力系统。压缩空气储能系统可向电力系统购买电能和出售电能;热力系统可向电力系统购买电能。电力系统包括发电机组和电网。发电机组可以为火电机组,本发明实施例对此不作具体限制。热力系统包括供热机组和热网。供热机组可以为纯供热机组或热电联产机组,本发明实施例对此不作具体限制。压缩空气储能系统包括储气单元和储热单元。
对于压缩空气储能系统、电力系统和热力系统,均存在用于表征性能的参数,如压缩空气储能系统功率(出力)的上下限、电力系统的传输线约束、热力系统的管道长度等。压缩空气储能系统、电力系统和热力系统在运行时,均受各自的参数的约束。因此,首先获取压缩空气储能系统、电力系统和热力系统的参数
获取压缩空气储能系统、电力系统和热力系统的参数后,基于压缩空气储能系统、电力系统和热力系统各自的运行原理和相互之间的交互原理,根据压缩空气储能系统、电力系统和热力系统的参数,建立目标模型。该目标模型以最大化压缩空气储能系统的收益为目标,并且以压缩空气储能系统、电力系统、热力系统三者各自的运行和相互之间的交互为约束。
步骤S102、根据目标模型和当前时段压缩空气储能系统的状态,确定当前时段压缩空气储能系统向电力系统购买和出售的电量。
可以理解的是,对于不同时间段,压缩空气储能系统的状态不同,电力系统的售电价格不同,因此,当压缩空气储能系统向电力系统购买和出售的电量不同时,压缩空气储能系统的收益不同。但压缩空气储能系统的状态、电力系统的售电价格、压缩空气储能系统向电力系统购买和出售的电量可以通过上述目标模型进行关联。
具体地,对于当前时间段,根据当前时段压缩空气储能系统的状态和构已建立的目标模型,确定当前时段压缩空气储能系统向电力系统购买和出售的电量,以使得压缩空气储能系统能获得当前时段条件下的最大收益。
本发明实施例通过根据压缩空气储能系统、电力系统和热力系统的参数,建立以最大化压缩空气储能系统的收益为目标的目标模型,根据目标模型和当前时段压缩空气储能系统的状态,确定当前时段压缩空气储能系统向电力系统购买和出售的电量,能使得压缩空气储能系统获得当前时段条件下的最大收益,且由于目标模型考虑了压缩空气储能系统、电力系统、热力系统三者之间的交互,能使得热电耦合市场达到均衡配置。
基于上述各实施例的内容,根据压缩空气储能系统、电力系统和热力系统的参数,建立以最大化压缩空气储能系统的收益为目标的目标模型的具体步骤包括:根据压缩空气储能系统的参数,建立第一约束条件,并建立以最大化压缩空气储能系统的收益为目标,以第一约束条件为约束的第一子目标模型;根据电力系统的参数,建立第二约束条件,并建立以最小化电力系统的成本为目标,以第二约束条件为约束的第二子目标模型;根据热力系统的参数,建立第三约束条件,并建立以最小化热力系统的成本为目标,以第三约束条件为约束的第三子目标模型。
具体地,目标模型可分为两层,构成双层博弈模型。目标模型的上层为压缩空气储能系统报价模型,在最小化其自身运行成本的前提下优化压缩空气储能系统的储能/释能计划;目标模型的下层为热电系统出清模型,电力系统通过调整发电机组出力、从压缩空气储能系统的购/售电、与热力系统的热交换量从而达到实时功率平衡、最小化运行成本的目的,热力系统通过调整供热机组出力、从热力系统中购买的电量,达到实时功率平衡、最小化运行成本的目的。
压缩空气储能系统报价模型,即第一子目标模型。建立第一子目标模型的具体步骤包括:
根据压缩空气储能系统的参数,基于压缩空气储能系统的运行原理及压缩空气储能系统与电力系统之间的交互原理,建立第一约束条件。
建立第一约束条件后,建立以第一约束条件为约束,以最大化压缩空气储能系统的收益为目标的第一子目标模型。
第一子目标模型为
其中,表示压缩空气储能系统的释能功率;表示压缩空气储能系统的储能功率;表示t时间段电力系统的售电价格。
第一子目标模型的目标是使得压缩空气储能系统的运行收益最大。压缩空气储能系统的运行收益为压缩空气储能系统向电力系统出售电能的收入与向电力系统购买电能的支出之差。
热电系统出清模型包括第二子目标模型和第三子目标模型。
建立第二子目标模型的具体步骤包括:
根据电力系统的参数,基于电力系统的运行原理及电力系统分别与压缩空气储能系统、热力系统之间的交互原理,建立第二约束条件。
建立第二约束条件后,建立以第二约束条件为约束,以最小化电力系统的成本为目标的第二子目标模型。
第二子目标模型为
其中,ci表示第i台发电机组的成本系数,pi为第i台发电机组的出力。
第二子目标模型的目标是使得电力系统的运行成本最小。电力系统的运行成本为各发电机组的发电成本之和。
建立第三子目标模型的具体步骤包括:
根据热力系统的参数,基于热力系统的运行原理及热力系统与电力系统之间的交互原理,建立第三约束条件。
建立第三约束条件后,建立以第三约束条件为约束,以最小化热力系统的成本为目标的第三子目标模型。
第三子目标模型为
min(∑λu×pu+∑dk×hk)
其中,λu表示热力系统从电力系统购电的电价;pu表示热力系统从电力系统的购电量;dk表示第k台供热机组的产热成本系数,hk表示第k台供热机组的供热量。
第三子目标模型的目标是使得热力系统的运行成本最小。热力系统的运行成本包括从电力系统的购电成本以及各供热机组的产热成本之和。
可以理解的是,对于同一时间段,电力系统的售电价格即热力系统从电力系统购电的电价。
本发明实施例通过建立第一子目标模型、第二子目标模型和第三子目标模型来建立目标模型,考虑了压缩空气储能系统、电力系统、热力系统三者之间的交互,能使得压缩空气储能系统获得当前时段条件下的最大收益,且电力系统当前时段条件下的成本最小、热力系统当前时段条件下的成本最小,从而能使得热电耦合市场达到均衡配置。
基于上述各实施例的内容,第一约束条件至少包括:压缩空气储能系统的出力约束、储能能量约束和能量平衡约束。
具体地,压缩空气储能系统的出力约束为
其中,d表示压缩空气储能系统的状态,为离散变量;分别表示膨胀释能时压缩空气储能系统出力上、下限;分别表示压缩储能时压缩空气储能系统出力上、下限;表示t时间段压缩空气储能系统的释能功率;表示t时间段压缩空气储能系统的储能功率。
压缩空气储能系统中的储气单元能量的储能能量约束为
其中,分别表示储气系统存储能量的上、下限;Ehub,t表示t时间段储气系统存储能量值。
压缩空气储能系统中的储热单元能量的储能能量约束为
其中,分别表示储热系统存储能量的上、下限;Hhub,t表示t时间段储热系统存储能量值。
若压缩空气储能系统在压缩空气储能环节及膨胀环节具有相同的热交换占比,压缩空气储能系统中的储气单元能量的能量平衡约束为
压缩空气储能系统中的储热单元能量的能量平衡约束为
其中,Ehub,t+1表示(t+1)时间段储气系统存储能量值;Hhub,t+1表示(t+1)时间段储热系统存储能量值;γ表示压缩储能/膨胀释能环节效率;β表示回热/释热占比;分别表示储气系统环节效率;分别表示储热系统环节效率。
本发明实施例通过根据压缩空气储能系统的出力、储能能量和能量平衡建立第一约束条件,能更准确地对第一子目标模型进行约束,从而能获得更准确的当前时段压缩空气储能系统向电力系统购买和出售的电量,使得压缩空气储能系统的收益最大化。
基于上述各实施例的内容,第二约束条件至少包括:电力系统的发电机组出力约束、功率平衡约束和传输线安全约束。
具体地,电力系统的发电机组出力约束为
其中,pit表示第i台发电机组在t时间段的出力;分别表示第i台发电机组的最大出力、最小出力。
电力系统的功率平衡约束为
其中,pht表示第h台供热机组在t时间段的出力;pqt表示第q个负载在t时间段的有功功率。
电力系统的传输线安全约束为
其中,Fl表示传输线l的约束;πil、πhl、πCAES,l、πql分别表示传输线l向第i台发电机组、第h台供热机组、压缩空气储能系统、第q个负载的功率转移分布因子。
本发明实施例通过根据电力系统的发电机组出力、功率平衡和传输线安全建立第二约束条件,能更准确地对第二子目标模型进行约束,从而能使得电力系统的成本最小化。
基于上述各实施例的内容,第三约束条件至少包括:热力系统的供热机组的出力约束、供热管道热量损失约束、能量交换约束和温度混合约束。
具体地,热力系统的供热机组的出力约束为
其中,pu表示热力系统从电力系统的购电量;hk表示供热机组的产热量;分别表示热力系统从电力系统购电量上、下限;分别表示供热机组产热量上、下限。
热力系统的供热管道热量损失约束为
其中,Ta表示热力系统外环境温度;L0表示供热管道的长度;λ0表示供热管道的热系数;m表示供热管道中水的质量流量;cp表示供热管道中水的比热容;分别表示热量损失前后供热管道中水的温度。
热力系统的能量交换约束为
Hv=ηehpu+hk,v∈Mp
Hv=cpm(TvR-TvS),v∈Mp
lhv=cpm(TvS-TvR),v∈ML
其中,lhv表示热力系统的热负荷;TvR、TvS分别表示热力系统回水/来水管道水温度;ηeh表示电热转换效率。
本发明实施例通过根据热力系统的供热机组的出力、供热管道热量损失、能量交换和温度混合建立第三约束条件,能更准确地对第三子目标模型进行约束,从而能使得热力系统的成本最小化。
基于上述各实施例的内容,根据目标模型和当前时段压缩空气储能系统的状态,确定压缩空气储能系统向电力系统购买和出售的电量的具体步骤包括:对满足第一约束条件的压缩空气储能系统向电力系统购买和出售的电量进行枚举。
具体地,根据模式搜索(Patternsearch)算法对上层申报量进行搜索,即对对满足第一约束条件的压缩空气储能系统向电力系统购买和出售的电量进行枚举。
对于枚举的每组压缩空气储能系统向电力系统购买和出售的电量,根据第二子目标模型和第三子目标模型确定对应的电力系统的售电价格。
每次枚举后,对于该次枚举的一组压缩空气储能系统向电力系统购买和出售的电量,根据第二子目标模型和第三子目标模型,获得使得电力系统的成本最小和热力系统的成本最小的售电价格,作为该组压缩空气储能系统向电力系统购买和出售的电量对应的电力系统的售电价格。
根据枚举的各组压缩空气储能系统向电力系统购买和出售的电量,以及对应的电力系统的售电价格和当前时段压缩空气储能系统的状态,确定使得压缩空气储能系统的收益最大的一组压缩空气储能系统向电力系统购买和出售的电量,作为当前时段压缩空气储能系统向电力系统购买和出售的电量。
对于枚举的每组压缩空气储能系统向电力系统购买和出售的电量,根据该组压缩空气储能系统向电力系统购买和出售的电量对应的电力系统的售电价格,计算压缩空气储能系统的收益,将使得压缩空气储能系统的收益最大的一组压缩空气储能系统向电力系统购买和出售的电量,作为当前时段压缩空气储能系统向电力系统购买和出售的电量。
本发明实施例通过模式搜索算法枚举压缩空气储能系统向电力系统购买和出售的电量,并计算每组枚举结果对应的电力系统的售电价格,能更快速、准确地确定使得压缩空气储能系统的收益最大的一组压缩空气储能系统向电力系统购买和出售的电量及对应的电力系统的售电价格。
基于上述各实施例的内容,根据第二子目标模型和第三子目标模型确定对应的电力系统的售电价格的具体步骤包括:将第二子目标模型进行原对偶转化,获得转化后的第二子目标模型。
具体地,第二子目标模型可抽象为
min cTp
s.t.A1p+A2z≥b1:μ
B1p+B2z=pl+Γ1(ph)+Γ2(pCAES):λp
因此,可以将第二子目标模型进行原对偶转化,转化后的第二子目标模型为
μTb1+(λp)T[Γ1(ph)+pl+Γ2(pCAES)]=cTp
μTA1+(λp)TB1=cT
μTA2+(λp)TB2=0
μ≥0
A1p+A2z≥b1
B1p+B2z=pl+Γ1(ph)+Γ2(pCAES)
将第三子目标模型进行KKT(Karush-Kuhn-Tucher)转化,获得转化后的第三子目标模型。
具体地,第三子目标模型可抽象为
min dTh+γTph
s.t.A3h+A4ph≥b2:η
B3h+B4ph=B5T+b3:ρ
B6T=hl:λh
因此,可以将第三子目标模型进行KKT转化,获得满足KKT条件的转化后的第三子目标模型为
dT-ηTA3-ρTB3=0
γT-ηTA4-ρB4=0
ρTB5-(λh)TB6=0
B3h+B4ph=B5T+b3
B6T=hl
0≤(A3h+A4ph-b2)⊥η≥0
根据转化后的第二子目标模型和转化后的第三子目标模型,确定对应的电力系统的售电价格。
具体地,经过上述转化,电力系统的原对偶约束中存在非线性项(λp)TΓ1(ph)=γTph,利用热力系统目标函数值与其对偶目标函数值相等的特点,可以将上述非线性项进一步线性化为
dTh+γTph=ηTb2+ρTb3+λhhl
通过上述过程,实现将目标模型转换为混合整数非线性单层模型,从而能根据枚举的每组上层申报量,获得每组上层申报量对应的电力系统的售电价格。
本发明实施例通过将第二子目标模型进行原对偶转化,将第三子目标模型进行KKT转化,简化第二子目标模型和第三子目标模型,能更快速、准确地计算每组枚举结果对应的电力系统的售电价格,从而能更快速、准确地确定使得压缩空气储能系统的收益最大的一组压缩空气储能系统向电力系统购买和出售的电量。
图2为根据本发明实施例提供的热电耦合市场中压缩空气储能系统的控制装置的功能框图。基于上述各实施例的内容,如图2所示,一种热电耦合市场中压缩空气储能系统的控制装置包括:模型建立模块201和电量获取模块202,其中:
模型建立模块201,用于获取压缩空气储能系统、电力系统和热力系统的参数,根据压缩空气储能系统、电力系统和热力系统的参数,建立以最大化压缩空气储能系统的收益为目标的目标模型;
电量获取模块202,用于根据目标模型和当前时段压缩空气储能系统的状态,确定当前时段压缩空气储能系统向电力系统购买和出售的电量。
需要说明的是,热电耦合市场包括压缩空气储能系统、电力系统和热力系统。压缩空气储能系统可向电力系统购买电能和出售电能;热力系统可向电力系统购买电能。电力系统包括发电机组和电网。发电机组可以为火电机组,本发明实施例对此不作具体限制。热力系统包括供热机组和热网。供热机组可以为纯供热机组或热电联产机组,本发明实施例对此不作具体限制。压缩空气储能系统包括储气单元和储热单元。
模型建立模块201获取压缩空气储能系统、电力系统和热力系统的参数;获取压缩空气储能系统、电力系统和热力系统的参数后,基于压缩空气储能系统、电力系统和热力系统各自的运行原理和相互之间的交互原理,根据压缩空气储能系统、电力系统和热力系统的参数,建立目标模型。该目标模型以最大化压缩空气储能系统的收益为目标,并且以压缩空气储能系统、电力系统、热力系统三者各自的运行和相互之间的交互为约束。
对于当前时间段,电量获取模块202根据当前时段压缩空气储能系统的状态和构已建立的目标模型,确定当前时段压缩空气储能系统向电力系统购买和出售的电量,以使得压缩空气储能系统能获得当前时段条件下的最大收益。
本发明实施例提供的热电耦合市场中压缩空气储能系统的控制装置,用于执行本发明各实施例提供的热电耦合市场中压缩空气储能系统的控制方法,热电耦合市场中压缩空气储能系统的控制装置包括的各模块实现相应功能的具体方法和流程详见上述热电耦合市场中压缩空气储能系统的控制方法的实施例,此处不再赘述。
该热电耦合市场中压缩空气储能系统的控制装置用于前述各实施例的热电耦合市场中压缩空气储能系统的控制方法。因此,在前述各实施例中的热电耦合市场中压缩空气储能系统的控制方法中的描述和定义,可以用于本发明实施例中各执行模块的理解。
本发明实施例通过根据压缩空气储能系统、电力系统和热力系统的参数,建立以最大化压缩空气储能系统的收益为目标的目标模型,根据目标模型和当前时段压缩空气储能系统的状态,确定当前时段压缩空气储能系统向电力系统购买和出售的电量,能使得压缩空气储能系统获得当前时段条件下的最大收益,且由于目标模型考虑了压缩空气储能系统、电力系统、热力系统三者之间的交互,能使得热电耦合市场达到均衡配置。
图3为根据本发明实施例提供的电子设备的实体结构示意图。基于上述实施例的内容,如图3所示,该电子设备可以包括:处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340,其中,处理器310,通信接口320,存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储在存储器330上并可在处理器310上运行的计算机程序,以执行上述各实施例提供的方法,例如包括:获取压缩空气储能系统、电力系统和热力系统的参数,根据压缩空气储能系统、电力系统和热力系统的参数,建立以最大化压缩空气储能系统的收益为目标的目标模型;根据目标模型和当前时段压缩空气储能系统的状态,确定当前时段压缩空气储能系统向电力系统购买和出售的电量。
本发明另一实施例公开一种计算机程序产品,计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:获取压缩空气储能系统、电力系统和热力系统的参数,根据压缩空气储能系统、电力系统和热力系统的参数,建立以最大化压缩空气储能系统的收益为目标的目标模型;根据目标模型和当前时段压缩空气储能系统的状态,确定当前时段压缩空气储能系统向电力系统购买和出售的电量。
此外,上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明另一实施例提供一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储计算机指令,计算机指令使计算机执行上述各方法实施例所提供的方法,例如包括:获取压缩空气储能系统、电力系统和热力系统的参数,根据压缩空气储能系统、电力系统和热力系统的参数,建立以最大化压缩空气储能系统的收益为目标的目标模型;根据目标模型和当前时段压缩空气储能系统的状态,确定当前时段压缩空气储能系统向电力系统购买和出售的电量。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行上述各个实施例或者实施例的某些部分的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种热电耦合市场中压缩空气储能系统的控制方法,其特征在于,所述热电耦合市场包括压缩空气储能系统、电力系统和热力系统;所述控制方法包括:
获取所述压缩空气储能系统、电力系统和热力系统的参数,根据所述压缩空气储能系统、电力系统和热力系统的参数,建立以最大化所述压缩空气储能系统的收益为目标的目标模型;
根据所述目标模型和当前时段所述压缩空气储能系统的状态,确定当前时段所述压缩空气储能系统向所述电力系统购买和出售的电量。
2.根据权利要求1所述的方法,其特征在于,所述根据所述压缩空气储能系统、电力系统和热力系统的参数,建立以最大化所述压缩空气储能系统的收益为目标的目标模型的具体步骤包括:
根据所述压缩空气储能系统的参数,建立第一约束条件,并建立以最大化所述压缩空气储能系统的收益为目标,以所述第一约束条件为约束的第一子目标模型;
根据所述电力系统的参数,建立第二约束条件,并建立以最小化所述电力系统的成本为目标,以所述第二约束条件为约束的第二子目标模型;
根据所述热力系统的参数,建立第三约束条件,并建立以最小化所述热力系统的成本为目标,以所述第三约束条件为约束的第三子目标模型。
3.根据权利要求2所述的方法,其特征在于,所述第一约束条件至少包括:
所述压缩空气储能系统的出力约束、储能能量约束和能量平衡约束。
4.根据权利要求2所述的方法,其特征在于,所述第二约束条件至少包括:
所述电力系统的发电机组出力约束、功率平衡约束和传输线安全约束。
5.根据权利要求2所述的方法,其特征在于,所述第三约束条件至少包括:
所述热力系统的供热机组的出力约束、供热管道热量损失约束、能量交换约束和温度混合约束。
6.根据权利要求2至5任一所述的方法,其特征在于,所述根据所述目标模型和当前时段所述压缩空气储能系统的状态,确定所述压缩空气储能系统向所述电力系统购买和出售的电量的具体步骤包括:
对满足所述第一约束条件的所述压缩空气储能系统向所述电力系统购买和出售的电量进行枚举;
对于枚举的每组所述压缩空气储能系统向所述电力系统购买和出售的电量,根据所述第二子目标模型和所述第三子目标模型确定对应的所述电力系统的售电价格;
根据枚举的各组所述压缩空气储能系统向所述电力系统购买和出售的电量,以及对应的所述电力系统的售电价格和当前时段所述压缩空气储能系统的状态,确定使得所述压缩空气储能系统的收益最大的一组所述压缩空气储能系统向所述电力系统购买和出售的电量,作为所述当前时段所述压缩空气储能系统向所述电力系统购买和出售的电量。
7.根据权利要求6所述的方法,其特征在于,所述根据所述第二子目标模型和所述第三子目标模型确定对应的所述电力系统的售电价格的具体步骤包括:
将所述第二子目标模型进行原对偶转化,获得转化后的第二子目标模型;
将所述第三子目标模型进行KKT转化,获得转化后的第三子目标模型;
根据所述转化后的第二子目标模型和所述转化后的第三子目标模型,确定所述对应的所述电力系统的售电价格。
8.一种热电耦合市场中压缩空气储能系统的控制装置,其特征在于,所述热电耦合市场包括压缩空气储能系统、电力系统和热力系统;所述控制装置包括:
模型建立模块,用于获取所述压缩空气储能系统、电力系统和热力系统的参数,根据所述压缩空气储能系统、电力系统和热力系统的参数,建立以最大化所述压缩空气储能系统的收益为目标的目标模型;
电量获取模块,用于根据所述目标模型和当前时段所述压缩空气储能系统的状态,确定当前时段所述压缩空气储能系统向所述电力系统购买和出售的电量。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述处理器通信连接的至少一个存储器,其中:
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如权利要求1至7任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811217878.5A CN109634113A (zh) | 2018-10-18 | 2018-10-18 | 热电耦合市场中压缩空气储能系统的控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811217878.5A CN109634113A (zh) | 2018-10-18 | 2018-10-18 | 热电耦合市场中压缩空气储能系统的控制方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109634113A true CN109634113A (zh) | 2019-04-16 |
Family
ID=66066425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811217878.5A Pending CN109634113A (zh) | 2018-10-18 | 2018-10-18 | 热电耦合市场中压缩空气储能系统的控制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109634113A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6760684B1 (en) * | 1999-04-30 | 2004-07-06 | Oracle International Corporation | Method and mechanism for profiling a system |
CN103644081A (zh) * | 2013-11-28 | 2014-03-19 | 华北电力大学 | 风力发电、火力发电和压缩空气储能一体化发电系统 |
CN104653423A (zh) * | 2015-01-27 | 2015-05-27 | 华北电力大学 | 基于压缩空气储能与火电厂的联合控制系统及方法 |
CN104901323A (zh) * | 2014-03-07 | 2015-09-09 | 国网上海市电力公司 | 一种具有rcaes的电力系统中机组组合的方法 |
CN106339794A (zh) * | 2016-08-16 | 2017-01-18 | 清华大学 | 一种电‑热耦合多能流网络节点能价计算方法 |
CN106462894A (zh) * | 2014-02-04 | 2017-02-22 | 英格索尔-兰德公司 | 用于建模、仿真、优化和/或报价创建的系统和方法 |
CN106815661A (zh) * | 2017-02-22 | 2017-06-09 | 清华大学 | 一种热电联合系统的分解协调调度方法 |
CN107508328A (zh) * | 2017-04-08 | 2017-12-22 | 东北电力大学 | 考虑风电消纳的联合系统能量优化方法 |
CN107658878A (zh) * | 2017-10-25 | 2018-02-02 | 华中科技大学 | 一种含大规模储能装置的电力系统概率最优潮流方法 |
CN107742901A (zh) * | 2017-11-14 | 2018-02-27 | 清华大学 | 考虑压缩空气储能的风电并网机组组合方法及装置 |
CN107862418A (zh) * | 2017-12-05 | 2018-03-30 | 清华大学 | 基于储能能源枢纽的热电耦合系统优化调度方法及装置 |
CN107862586A (zh) * | 2017-12-04 | 2018-03-30 | 清华大学 | 一种面向多能流交易的能量枢纽竞标方法及系统 |
CN107947161A (zh) * | 2017-11-29 | 2018-04-20 | 清华大学 | 非补燃压缩空气储能系统的经济性评估方法及装置 |
CN107994609A (zh) * | 2017-12-11 | 2018-05-04 | 清华大学 | 考虑压缩空气储能的风电并网备用整定方法及装置 |
-
2018
- 2018-10-18 CN CN201811217878.5A patent/CN109634113A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6760684B1 (en) * | 1999-04-30 | 2004-07-06 | Oracle International Corporation | Method and mechanism for profiling a system |
CN103644081A (zh) * | 2013-11-28 | 2014-03-19 | 华北电力大学 | 风力发电、火力发电和压缩空气储能一体化发电系统 |
CN106462894A (zh) * | 2014-02-04 | 2017-02-22 | 英格索尔-兰德公司 | 用于建模、仿真、优化和/或报价创建的系统和方法 |
CN104901323A (zh) * | 2014-03-07 | 2015-09-09 | 国网上海市电力公司 | 一种具有rcaes的电力系统中机组组合的方法 |
CN104653423A (zh) * | 2015-01-27 | 2015-05-27 | 华北电力大学 | 基于压缩空气储能与火电厂的联合控制系统及方法 |
CN106339794A (zh) * | 2016-08-16 | 2017-01-18 | 清华大学 | 一种电‑热耦合多能流网络节点能价计算方法 |
CN106815661A (zh) * | 2017-02-22 | 2017-06-09 | 清华大学 | 一种热电联合系统的分解协调调度方法 |
CN107508328A (zh) * | 2017-04-08 | 2017-12-22 | 东北电力大学 | 考虑风电消纳的联合系统能量优化方法 |
CN107658878A (zh) * | 2017-10-25 | 2018-02-02 | 华中科技大学 | 一种含大规模储能装置的电力系统概率最优潮流方法 |
CN107742901A (zh) * | 2017-11-14 | 2018-02-27 | 清华大学 | 考虑压缩空气储能的风电并网机组组合方法及装置 |
CN107947161A (zh) * | 2017-11-29 | 2018-04-20 | 清华大学 | 非补燃压缩空气储能系统的经济性评估方法及装置 |
CN107862586A (zh) * | 2017-12-04 | 2018-03-30 | 清华大学 | 一种面向多能流交易的能量枢纽竞标方法及系统 |
CN107862418A (zh) * | 2017-12-05 | 2018-03-30 | 清华大学 | 基于储能能源枢纽的热电耦合系统优化调度方法及装置 |
CN107994609A (zh) * | 2017-12-11 | 2018-05-04 | 清华大学 | 考虑压缩空气储能的风电并网备用整定方法及装置 |
Non-Patent Citations (2)
Title |
---|
李瑞: "先进绝热压缩空气储能电站日前电力市场主从博弈竞标策略", 《控制理论与应用》 * |
陈玥: "基于CES型效用函数的热-电市场消费者最优决策", 《电力系统自动化》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | Optimal configuration planning of multi-energy systems considering distributed renewable energy | |
Gu et al. | Bi-level optimal low-carbon economic dispatch for an industrial park with consideration of multi-energy price incentives | |
Wang et al. | Game theory-based multi-agent capacity optimization for integrated energy systems with compressed air energy storage | |
Kamyab et al. | Efficient operation of energy hubs in time-of-use and dynamic pricing electricity markets | |
CN107679776A (zh) | 一种能源调度方法及分布式能源系统、分布式能源网络系统 | |
CN104969434A (zh) | 通过可再生能量的存储和输送节约能源的系统和方法 | |
US11381083B2 (en) | Integrating blockchain mining with boiler controls to create a hybrid power generator | |
CN104734168A (zh) | 一种基于电热联合调度的微电网运行优化系统及方法 | |
CN109472401A (zh) | 分布式供能运行策略的确定方法、装置、设备和存储介质 | |
CN112068436B (zh) | 工业园区的综合能源系统分层分布式控制方法及系统 | |
CN105305419A (zh) | 一种含有压缩空气储能的独立微网容量优化配置方法 | |
CN107578182A (zh) | 基于需求侧响应下光储微电网运行控制方法 | |
Bai et al. | Interdependence of electricity and heat distribution systems coupled by an AA‐CAES‐based energy hub | |
CN109473976A (zh) | 一种冷热电联供型微网能量调度方法及系统 | |
CN112186755A (zh) | 一种区域综合能源系统柔性负荷储能化建模方法 | |
Shen et al. | Optimal dispatch of regional integrated energy system based on a generalized energy storage model | |
CN115186902A (zh) | 温室综合能源系统的调控方法、装置、终端及存储介质 | |
CN110489915A (zh) | 计及综合需求响应的电热联合调度方法及系统 | |
CN112016825A (zh) | 一种区域综合能源系统的集中式交易优化决策方法 | |
CN115102231A (zh) | 一种多尺度电-碳模式下风光储场站优化控制方法和系统 | |
CN111160636A (zh) | 一种cchp型微电网调度优化方法 | |
CN107832873A (zh) | 基于双层母线式结构的综合能源系统优化规划方法及装置 | |
CN107947161B (zh) | 非补燃压缩空气储能系统的经济性评估方法及装置 | |
CN112736987B (zh) | 一种基于非合作博弈的综合能源系统容量配置方法及系统 | |
CN109634113A (zh) | 热电耦合市场中压缩空气储能系统的控制方法和装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190416 |