CN109685396A - 一种计及公共楼宇需求响应资源的配电网能量管理方法 - Google Patents
一种计及公共楼宇需求响应资源的配电网能量管理方法 Download PDFInfo
- Publication number
- CN109685396A CN109685396A CN201910096175.XA CN201910096175A CN109685396A CN 109685396 A CN109685396 A CN 109685396A CN 201910096175 A CN201910096175 A CN 201910096175A CN 109685396 A CN109685396 A CN 109685396A
- Authority
- CN
- China
- Prior art keywords
- power
- public building
- distribution network
- power distribution
- electricity
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 51
- 238000007726 management method Methods 0.000 title claims abstract description 29
- 230000004044 response Effects 0.000 title claims abstract description 28
- 230000005611 electricity Effects 0.000 claims abstract description 74
- 238000005457 optimization Methods 0.000 claims abstract description 17
- 230000009977 dual effect Effects 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 5
- 238000004378 air conditioning Methods 0.000 claims description 32
- 238000004146 energy storage Methods 0.000 claims description 32
- 230000009467 reduction Effects 0.000 claims description 20
- 238000005057 refrigeration Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000017525 heat dissipation Effects 0.000 claims description 8
- 238000005520 cutting process Methods 0.000 claims description 7
- 230000005855 radiation Effects 0.000 claims description 6
- 238000001816 cooling Methods 0.000 claims description 4
- 238000005338 heat storage Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000004134 energy conservation Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000010248 power generation Methods 0.000 claims description 2
- 230000007812 deficiency Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004088 simulation Methods 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
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003786 synthesis reaction 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种计及公共楼宇需求响应资源的配电网能量管理方法,分别计及日前预测电价不确定性和人流量不确定性因素,考虑不确定性可能出现的最坏情况采用对偶方法处理,建立鲁棒优化等价模型。本发明提出的计及公共楼宇需求响应资源的配电网能量管理方法能够提高光伏出力的利用率,减少公共楼宇用电成本。
Description
技术领域
本发明涉及一种计及公共楼宇需求响应资源的配电网能量管理方法,属于智能配电网领域。
背景技术
公共楼宇用电量占世界总用电量的比例达到约40%,其中大约一半用于供暖、通风和空调(HVAC,Heating Ventilating and Air Conditioning)系统。如新加坡这样的能源密集型国家,其工业、商业和住宅用电量分别为42%、37%和15%。公共楼宇作为未来配电网中巨大的灵活性来源,尤其在热惯性的支持下,即使用电功率迅速变化,室内温度却变化缓慢。由于公共楼宇用电量大且具有热惯性的特点,可以为配电网提供灵活需求响应资源,提高配电网经济运行水平。
随着经济的快速发展,我国大部分地区的空调负荷大幅上升并呈持续增长趋势,尤其在夏季空调用电量较大,在城市中空调负荷占高峰负荷的比重达30%~40%,这增加了电网调度运行的负担。根据空调负荷的需求响应特性,可以通过有效手段引导空调参与需求响应,从而缓解电网运行压力,降低系统运行成本。现有的对于空调系统的优化调度模型大多属于确定性模型,并未考虑到系统中存在的诸多不确定性因素。
发明内容
发明目的:本发明提出一种计及公共楼宇需求响应资源的配电网能量管理方法,提高光伏出力的利用率,减少公共楼宇用电成本。
技术方案:本发明采用的技术方案为一种计及公共楼宇需求响应资源的配电网能量管理方法,包括以下步骤:
1)建立计及公共楼宇需求响应资源的配电网能量管理的两阶段确定性优化模型;
2)建立计及公共楼宇需求响应资源的配电网能量管理两阶段鲁棒优化模型,包括第一阶段配电网能量管理优化中考虑日前电价预测不确定性,在第二阶段配电网内公共楼宇需求响应资源的用电优化中计及公共楼宇内部人流量预测不确定性。
所述步骤1)中
a、公共楼宇HVAC系统数学模型
公共楼宇建筑物热力学模型主要由三个部分构成:第一部分是建筑物围护结构传入室内的热量;第二部分是室内照明和人员散热导致的热量;第三部分是新风系统持续不断换风产生的热量。
建筑物围护结构传入室内的热量Qb表达式如下:
式中,Qb1(t)表示在i时段透过墙、屋顶向室内传入的热量产生的冷负荷,Qb2(t)表示在t时段建筑围护结构蓄冷冷负荷,ktop表示房顶热传导系数,kwall表示墙壁热传导系数,Stop和Swall分别为屋顶和墙壁的面积,Tout(t)和Tin(t)分别为t时段室外和室内温度,ks表示建筑物内墙面蓄热系数,表示内墙墙面面积。
新风冷负荷Qnew:
Qnew=βnewQb1
空调系统电-热转化模型:
Qhv=γδcopPHVAC
式中,Qhv表示空调系统一个时段内的制冷量,δcop表示空调能效比COP,γ表示空调耗散系数,PHVAC表示空调系统一个时段内的负荷。
当空调需要将室内温度从状态1调整到状态2时,建筑楼宇所需的冷负荷Qjs可以由下式进行计算:
根据能量守恒原理,若希望楼宇维持在一个较为稳定的温度域内,公共楼宇每一运行时段应该满足公式:
Qhv=Qb+Qhl+Qnew+Qjs
b、配电网能量管理确定性两阶段模型
第一阶段以配电运营商(DSO,Distribution System Operator)从电网购电费用和可中断负荷补贴最少为目标函数:
可中断负荷削减量上下限约束:
节点功率平衡约束:
支路潮流约束:
其中,为从电网购售电量,为节点i在t时刻储能、光伏出力、HVAC负荷及其他负荷总预测值,LMPi,t为日前预测电价,为电网提供的中断补贴,为负荷中断量,分别表示从电网购售电量的最大值,为二进制变量,取值为1表示向电网购电,取值为0表示向电网售电,为光伏出力预测值,为储能功率预测值,如果其值为正,表示储能装置整体呈充电状态,如果其值为负,表示整体呈放电状态,为空调功率预测值,为非弹性负荷预测值,hl,i功率传输分配因子,Pl max为支路l功率上限,NL为支路集合,NB为节点集合,T为规划时间段。
所述步骤1)中两阶段包括第一阶段配电网能量管理优化,和第二阶段配电网内公共楼宇需求响应资源的用电优化;
所述第一阶段决策变量为各个节点向电网购售电量,以及可中断负荷削减量同时,第一阶段根据预测负荷进行潮流计算,并根据节点网损分配计算节点电价,节点电价由日前预测电价、网络阻塞成本和网损费用三部分组成:
其中,Tplossi,t为节点i在t时刻分摊的网损,PLOSSt为t时刻系统总网损,pricecon,i,t为网络阻塞费用。
所述第二阶段优化模型根据第一阶段确定的从电网购售电量、负荷中断量以及节点电价,进行优化制定公共楼宇HVAC在各个时刻下的用电策略,及光伏出力和ESS装置运行策略。对于任一节点i,以其用电费用减去中断补贴最小为目标函数,
约束条件:HVAC系统在削减前后都应满足能量守恒
削减前:
削减后:
公共楼宇用电功率约束:
其中,为HVAC功率。
为了保证人体舒适度,削减前后室内温度都应满足在一定范围之内:
储能充放电功率约束及电池荷电状态约束:
上式中,为储能充放电功率,和为储能装置充放电速率,为二进制变量,取值为1表示储能装置处于充电状态,取值为0表示处于放电状态,为储能装置的电池荷电状态,和为储能装置的电池荷电状态上下限,BCESS为储能装置的电池容量。
光伏出力计算:
光伏出力与光伏电池板的参数(电池板个数、面积、光电转换效率)、太阳辐射和外部温度等因素有关,其计算公式如下:
其中,为光伏出力,ηpv为光伏光电转换效率,npv表示光伏电池板个数,Spv光伏电池板面积,为太阳辐射,Ki,t为室外环境温度。
削减以后应满足公共楼宇所在配电网节点的功率平衡:
式中,为除HVAC以外不可控负荷功率。
所述步骤2)中第一阶段考虑日前预测电价不确定性,考虑日前预测电价不确定部分在最坏况下的目标函数为:
其中,Δlmpi,t为日前预测电价波动量,为日前预测电价最大波动量,均表示拉格朗日乘子。
根据对偶理论可得原问题的对偶问题为:
所述步骤2)中第二阶段考虑人流量不确定性,采用鲁棒对偶方法处理不确定性可能出现的最坏情况。
能量守恒式中人员散热冷负荷Qhuman
minQhuman=(kpqs+ql)npScαh
人流量不确定部分最坏情况为:
max(kpqs+ql)(np,i,t+Δnp,i,t)Scαh
其鲁棒对偶形式可以表示为:
有益效果:本发明提出一种计及公共楼宇需求响应资源的配电网能量管理方法,包括两个阶段,在第一阶段考虑日前电价预测不确定性,在第二阶段计及公共楼宇内部人流量预测不确定性,考虑可能出现的预测不确定性的最坏情况,采用对偶方式建立配电网能量管理的等价鲁棒优化模型,以获取不确定性因素波动情况下的运行策略,提高对光伏出力的利用率,减少公共楼宇用电成本。
附图说明
图1为IEEE 33节点配电网络;
图2为算例中支路容量不足和充足情况下系统总中断量;
图3为算例中确定性情况下节点4功率;
图4为算例中削减前后室内温度变化;
图5为算例中电价不同波动程度下节点4的DLMP;
图6为算例中不同电价波动程度下系统总运行成本;
图7为算例中不同人流量波动程度下的空调用电成本。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等同形式的修改均落于本申请所附权利要求所限定的范围。
步骤1)建立计及公共楼宇需求响应资源的配电网能量管理的两阶段确定性优化模型。所述两阶段分别是:第一阶段配电网能量管理优化,第二阶段配电网内公共楼宇需求响应资源的用电优化。
a、公共楼宇HVAC系统数学模型
公共楼宇建筑物热力学模型主要由三个部分构成:第一部分是建筑物围护结构传入室内的热量;第二部分是室内照明和人员散热导致的热量;第三部分是新风系统持续不断换风产生的热量。
建筑物围护结构传入室内的热量Qb表达式如下:
式中,Qb1(t)表示在i时段透过墙、屋顶向室内传入的热量产生的冷负荷,Qb2(t)表示在t时段建筑围护结构蓄冷冷负荷,ktop表示房顶热传导系数,kwall表示墙壁热传导系数,Stop和Swall分别为屋顶和墙壁的面积,Tout(t)和Tin(t)分别为t时段室外和室内温度,ks表示建筑物内墙面蓄热系数,表示内墙墙面面积。
新风冷负荷Qnew:
Qnew=βnewQb1
空调系统电-热转化模型:
Qhv=γδcopPHVAC
式中,Qhv表示空调系统一个时段内的制冷量,δcop表示空调能效比COP,γ表示空调耗散系数,PHVAC表示空调系统一个时段内的负荷。
当空调需要将室内温度从状态1调整到状态2时,建筑楼宇所需的冷负荷Qjs可以由下式进行计算:
根据能量守恒原理,若希望楼宇维持在一个较为稳定的温度域内,公共楼宇每一运行时段应该满足公式:
Qhv=Qb+Qhl+Qnew+Qjs
b、配电网能量管理确定性两阶段模型
第一阶段以配电运营商(DSO,Distribution System Operator)从电网购电费用和可中断负荷补贴最少为目标函数:
可中断负荷削减量上下限约束:
节点功率平衡约束:
支路潮流约束:
其中,为从电网购售电量,为节点i在t时刻储能、光伏出力、HVAC负荷及其他负荷总预测值,LMPi,t为日前预测电价,为电网提供的中断补贴,为负荷中断量,分别表示从电网购售电量的最大值,为二进制变量,取值为1表示向电网购电,取值为0表示向电网售电,Pi,j为首末节点为i,j的支路功率,为首末节点为i,j的支路功率上限,L为支路集合。
所述第一阶段决策变量为各个节点向电网购售电量,以及可中断负荷削减量同时,第一阶段根据预测负荷进行潮流计算,并根据节点网损分配计算节点电价,节点电价由日前预测电价、网络阻塞成本和网损费用三部分组成:
其中,Tplossi,t为节点i在t时刻分摊的网损,PLOSSt为t时刻系统总网损,pricecon,i,t为网络阻塞费用。
所述第二阶段优化模型根据第一阶段确定的从电网购售电量、负荷中断量以及节点电价,进行优化制定公共楼宇HVAC在各个时刻下的用电策略,及光伏出力和ESS装置运行策略。对于任一节点i,以其用电费用减去中断补贴最小为目标函数,
约束条件:HVAC系统在削减前后都应满足能量守恒
削减前:
削减后:
公共楼宇用电功率约束:
其中,为HVAC功率。
为了保证人体舒适度,削减前后室内温度都应满足在一定范围之内:
储能充放电功率约束及电池荷电状态约束:
上式中,为储能充放电功率,和为储能装置充放电速率,为二进制变量,取值为1表示储能装置处于充电状态,取值为0表示处于放电状态,为储能装置的电池荷电状态,和为储能装置的电池荷电状态上下限,BCESS为储能装置的电池容量。
光伏出力计算:
光伏出力与光伏电池板的参数(电池板个数、面积、光电转换效率)、太阳辐射和外部温度等因素有关,其计算公式如下:
其中,为光伏出力,ηpv为光伏光电转换效率,npv表示光伏电池板个数,Spv光伏电池板面积,为太阳辐射,Ki,t为室外环境温度。
削减以后应满足公共楼宇所在配电网节点的功率平衡:
式中,为除HVAC以外不可控负荷功率。
步骤2)考虑日前电价预测不确定性和公共楼宇内部人流量不确定性,建立计及公共楼宇需求响应资源的配电网能量管理两阶段鲁棒优化模型。其中第一阶段配电网能量管理优化中考虑日前电价预测不确定性,在第二阶段配电网内公共楼宇需求响应资源的用电优化中计及公共楼宇内部人流量预测不确定性。考虑可能出现的预测不确定性的最坏情况,采用对偶方式建立配电网能量管理的等价鲁棒优化模型。
第一阶段考虑日前预测电价不确定性,考虑日前预测电价不确定部分在最坏况下的目标函数为:
其中,Δlmpi,t为日前预测电价波动量,为日前预测电价最大波动量,均表示拉格朗日乘子。
根据对偶理论可得原问题的对偶问题为:
第二阶段考虑人流量不确定性,采用鲁棒对偶方法处理不确定性可能出现的最坏情况。
能量守恒式中人员散热冷负荷Qhuman
minQhuman=(kpqs+ql)npScαh
人流量不确定部分最坏情况为:
max(kpqs+ql)(np,i,t+Δnp,i,t)Scαh
其鲁棒对偶形式可以表示为:
。
为了验证上述模型的有效性,本发明以IEEE33节点配电网进行算例仿真,该IEEE33节点系统结构如图1所示。每个节点有5栋含有HVAC系统的公共楼宇,楼宇屋顶装有光伏电池板,采用的建筑参数,设kwall=0.6,房顶热传导系数ktop=1.2,公共楼宇建筑面积Stotal=23069m2,楼宇墙壁面积Swall=3Stotal,楼宇屋顶面积Stop=Stotal,楼宇内墙墙面面积建筑物内墙面蓄热系数ks=0.5,照明系统热耗散系数rlight=0.65,人体散热冷负荷系数kp=0.9,人体显热散热负荷qs=59.79W,人体潜热散热负荷ql=111.65W,αh=0.89,βnew=0.8,楼宇平均层高建筑内空气密度ρair=1.293kg/m3,空调全功率能效比δcop=3.3,空调耗散系数γ=0.8。储能装置的电池容量为5kW,初始荷电状态为电池容量的30%,为了避免过度放电,要求电池的荷电状态最低为30%。
算例分析主要分确定性和不确定性两种情况分别进行仿真分析。在确定性情况下考虑支路0-1潮流容量分别为不足和充足两种情况下系统可中断负荷总量。
图2为线路容量不足(0-1支路容量为96000kW)和充足(0-1支路容量为192000kW)两种情况下系统总的负荷削减量。从图中可以看出,当线路容量不足时HVAC削减量要大于线路容量充足的时候,在线路容量不足时通过增大负荷削减量减少线路功率,减轻高峰负荷时段运行压力。
图3提供了确定性情况下公共楼宇内储能装置充放电功率、光伏出力、空调功率及其削减量。由图3可见,储能装置在t=2~6时刻充电,便于在电网供电不足时进行放电。由于公共楼宇光伏和储能出力有限,系统均从电网进行购电,不向电网卖电,有利于就地消纳光伏出力,提高光伏利用率。
图4为HVAC参与可中断前后室内温度的变化情况。由图4可见,削减前后室内温度所有时段均在要求的20~25摄氏度之间,满足HVAC系统运行要求,且在t=14~16时刻,因空调参与可中断削减其运行功率减小因而室内温度上升但仍满足空调系统运行要求(室内温度在规定的20~25摄氏度之间)。
表1不同电价波动程度下的负荷中断量
电价波动程度 | 0 | 5% | 10% |
中断量(kW) | 6994.725 | 20195.281 | 24000.000 |
在分析考虑不确定情况时,首先分析日前预测电价的不确定性。本文分电价波动程度为0、5%和10%三种情况进行分析,从表1中可以看出,随着日前预测电价波动程度增大,系统的总负荷中断量不断增加,以应对日前电价的预测不确定性。
同时,第一阶段节点电价也随着日前电价预测波动程度的增大逐渐增加,如图5所示。由于不确定性的增加,为了获取鲁棒优化策略导致电网的运行成本也不断增加,从图6中可以看出,确定性优化未考虑到电价预测的不确定性,系统总成本最低。电价波动程度越高,那么,系统运行成本越高。
在考虑人流量不确定性时,本文以公共楼宇内人流量波动程度为0%,5%,10%,15%,20%分别进行分析,结果如图7所示,可以看出随着人流量波动增大,空调的用电成本也随之增大。
Claims (5)
1.一种计及公共楼宇需求响应资源的配电网能量管理方法,其特征在于,包括以下步骤:
1)建立计及公共楼宇需求响应资源的配电网能量管理的两阶段确定性优化模型;
2)建立计及公共楼宇需求响应资源的配电网能量管理两阶段鲁棒优化模型,包括第一阶段配电网能量管理优化中考虑日前电价预测不确定性,在第二阶段配电网内公共楼宇需求响应资源的用电优化中计及公共楼宇内部人流量预测不确定性。
2.根据权利要求1所述的计及公共楼宇需求响应资源的配电网能量管理方法,其特征在于,所述步骤1)中
a、公共楼宇HVAC系统数学模型
公共楼宇建筑物热力学模型主要由三个部分构成:第一部分是建筑物围护结构传入室内的热量;第二部分是室内照明和人员散热导致的热量;第三部分是新风系统持续不断换风产生的热量;
建筑物围护结构传入室内的热量Qb表达式如下:
式中,Qb1(t)表示在i时段透过墙、屋顶向室内传入的热量产生的冷负荷,Qb2(t)表示在t时段建筑围护结构蓄冷冷负荷,ktop表示房顶热传导系数,kwall表示墙壁热传导系数,Stop和Swall分别为屋顶和墙壁的面积,Tout(t)和Tin(t)分别为t时段室外和室内温度,ks表示建筑物内墙面蓄热系数,表示内墙墙面面积;
新风冷负荷Qnew:
Qnew=βnewQb1
空调系统电-热转化模型:
Qhv=γδcopPHVAC
式中,Qhv表示空调系统一个时段内的制冷量,δcop表示空调能效比COP,γ表示空调耗散系数,PHVAC表示空调系统一个时段内的负荷;
当空调需要将室内温度从状态1调整到状态2时,建筑楼宇所需的冷负荷Qjs可以由下式进行计算:
根据能量守恒原理,若希望楼宇维持在一个较为稳定的温度域内,公共楼宇每一运行时段应该满足公式:
Qhv=Qb+Qhl+Qnew+Qjs
b、配电网能量管理确定性两阶段模型
第一阶段以配电运营商(DSO,Distribution System Operator)从电网购电费用和可中断负荷补贴最少为目标函数:
可中断负荷削减量上下限约束:
节点功率平衡约束:
支路潮流约束:
其中,为从电网购售电量,为节点i在t时刻储能、光伏出力、HVAC负荷及其他负荷总预测值,LMPi,t为日前预测电价,为电网提供的中断补贴,为负荷中断量,分别表示从电网购售电量的最大值,为二进制变量,取值为1表示向电网购电,取值为0表示向电网售电,为光伏出力预测值,为储能功率预测值,如果其值为正,表示储能装置整体呈充电状态,如果其值为负,表示整体呈放电状态,为空调功率预测值,为非弹性负荷预测值,hl,i功率传输分配因子,Pl max为支路l功率上限,NL为支路集合,NB为节点集合,T为规划时间段。
3.根据权利要求2所述的计及公共楼宇需求响应资源的配电网能量管理方法,其特征在于,所述步骤1)中两阶段包括第一阶段配电网能量管理优化,和第二阶段配电网内公共楼宇需求响应资源的用电优化;
所述第一阶段决策变量为各个节点向电网购售电量,以及可中断负荷削减量同时,第一阶段根据预测负荷进行潮流计算,并根据节点网损分配计算节点电价,节点电价由日前预测电价、网络阻塞成本和网损费用三部分组成:
其中,Tplossi,t为节点i在t时刻分摊的网损,PLOSSt为t时刻系统总网损,pricecon,i,t为网络阻塞费用;
所述第二阶段优化模型根据第一阶段确定的从电网购售电量、负荷中断量以及节点电价,进行优化制定公共楼宇HVAC在各个时刻下的用电策略,及光伏出力和ESS装置运行策略,对于任一节点i,以其用电费用减去中断补贴最小为目标函数,
约束条件:HVAC系统在削减前后都应满足能量守恒
削减前:
削减后:
公共楼宇用电功率约束:
其中,为HVAC功率;
为了保证人体舒适度,削减前后室内温度都应满足在一定范围之内:
储能充放电功率约束及电池荷电状态约束:
上式中,为储能充放电功率,和为储能装置充放电速率,为二进制变量,取值为1表示储能装置处于充电状态,取值为0表示处于放电状态,为储能装置的电池荷电状态,和为储能装置的电池荷电状态上下限,BCESS为储能装置的电池容量;
光伏出力计算:
光伏出力与光伏电池板的参数(电池板个数、面积、光电转换效率)、太阳辐射和外部温度等因素有关,其计算公式如下:
其中,为光伏出力,ηpv为光伏光电转换效率,npv表示光伏电池板个数,Spv光伏电池板面积,为太阳辐射,Ki,t为室外环境温度;
削减以后应满足公共楼宇所在配电网节点的功率平衡:
式中,为除HVAC以外不可控负荷功率。
4.根据权利要求1所述的计及公共楼宇需求响应资源的配电网能量管理方法,其特征在于,所述步骤2)中第一阶段考虑日前预测电价不确定性,考虑日前预测电价不确定部分在最坏况下的目标函数为:
其中,Δlmpi,t为日前预测电价波动量,为日前预测电价最大波动量,均表示拉格朗日乘子;
根据对偶理论可得原问题的对偶问题为:
5.根据权利要求1所述的计及公共楼宇需求响应资源的配电网能量管理方法,其特征在于,所述步骤2)中第二阶段考虑人流量不确定性,采用鲁棒对偶方法处理不确定性可能出现的最坏情况;
能量守恒式中人员散热冷负荷Qhuman
minQhuman=(kpqs+ql)npScαh
人流量不确定部分最坏情况为:
max(kpqs+ql)(np,i,t+Δnp,i,t)Scαh
其鲁棒对偶形式可以表示为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910096175.XA CN109685396B (zh) | 2019-01-31 | 2019-01-31 | 一种计及公共楼宇需求响应资源的配电网能量管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910096175.XA CN109685396B (zh) | 2019-01-31 | 2019-01-31 | 一种计及公共楼宇需求响应资源的配电网能量管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109685396A true CN109685396A (zh) | 2019-04-26 |
CN109685396B CN109685396B (zh) | 2021-10-19 |
Family
ID=66195313
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910096175.XA Active CN109685396B (zh) | 2019-01-31 | 2019-01-31 | 一种计及公共楼宇需求响应资源的配电网能量管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109685396B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415030A (zh) * | 2019-11-19 | 2020-07-14 | 广西电网有限责任公司 | 计及用能舒适度的楼宇能源系统综合需求响应优化方法 |
CN111928459A (zh) * | 2020-09-29 | 2020-11-13 | 国网(天津)综合能源服务有限公司 | 一种新型城市综合体供冷供热控制装置及其控制方法 |
CN112066594A (zh) * | 2020-08-31 | 2020-12-11 | 河海大学 | 一种基于μPMU装置的大规模电热泵有序用电控制方法 |
CN112083746A (zh) * | 2020-09-25 | 2020-12-15 | 陕西科技大学 | 一种智能电网系统 |
CN114880753A (zh) * | 2022-07-04 | 2022-08-09 | 华中科技大学 | 房屋电热负荷需求响应模型的建模方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106300438A (zh) * | 2015-05-15 | 2017-01-04 | 中国电力科学研究院 | 一种配电网日前两阶段优化调度方法 |
CN106487011A (zh) * | 2016-11-28 | 2017-03-08 | 东南大学 | 一种基于q学习的户用微电网能量优化方法 |
US9639413B2 (en) * | 2009-06-22 | 2017-05-02 | Johnson Controls Technology Company | Automated fault detection and diagnostics in a building management system |
CN108039710A (zh) * | 2017-11-13 | 2018-05-15 | 国网辽宁省电力有限公司 | 一种基于阶跃特性的空调负荷参与的电网日前调度方法 |
CN108054750A (zh) * | 2017-12-08 | 2018-05-18 | 西南大学 | 一种计及夏季空调负荷差异特性的电网调峰控制系统与方法 |
CN109034444A (zh) * | 2018-06-08 | 2018-12-18 | 河海大学 | 一种商业楼宇会议室智能用电鲁棒优化方法 |
-
2019
- 2019-01-31 CN CN201910096175.XA patent/CN109685396B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9639413B2 (en) * | 2009-06-22 | 2017-05-02 | Johnson Controls Technology Company | Automated fault detection and diagnostics in a building management system |
CN106300438A (zh) * | 2015-05-15 | 2017-01-04 | 中国电力科学研究院 | 一种配电网日前两阶段优化调度方法 |
CN106487011A (zh) * | 2016-11-28 | 2017-03-08 | 东南大学 | 一种基于q学习的户用微电网能量优化方法 |
CN108039710A (zh) * | 2017-11-13 | 2018-05-15 | 国网辽宁省电力有限公司 | 一种基于阶跃特性的空调负荷参与的电网日前调度方法 |
CN108054750A (zh) * | 2017-12-08 | 2018-05-18 | 西南大学 | 一种计及夏季空调负荷差异特性的电网调峰控制系统与方法 |
CN109034444A (zh) * | 2018-06-08 | 2018-12-18 | 河海大学 | 一种商业楼宇会议室智能用电鲁棒优化方法 |
Non-Patent Citations (1)
Title |
---|
陈星莺 等: "分时电价环境下的办公建筑空调负荷双层柔性优化控制策略", 《电力系统保护与控制》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111415030A (zh) * | 2019-11-19 | 2020-07-14 | 广西电网有限责任公司 | 计及用能舒适度的楼宇能源系统综合需求响应优化方法 |
CN111415030B (zh) * | 2019-11-19 | 2022-11-29 | 广西电网有限责任公司 | 计及用能舒适度的楼宇能源系统综合需求响应优化方法 |
CN112066594A (zh) * | 2020-08-31 | 2020-12-11 | 河海大学 | 一种基于μPMU装置的大规模电热泵有序用电控制方法 |
CN112083746A (zh) * | 2020-09-25 | 2020-12-15 | 陕西科技大学 | 一种智能电网系统 |
CN112083746B (zh) * | 2020-09-25 | 2022-01-28 | 陕西科技大学 | 一种智能电网系统 |
CN111928459A (zh) * | 2020-09-29 | 2020-11-13 | 国网(天津)综合能源服务有限公司 | 一种新型城市综合体供冷供热控制装置及其控制方法 |
CN114880753A (zh) * | 2022-07-04 | 2022-08-09 | 华中科技大学 | 房屋电热负荷需求响应模型的建模方法及装置 |
CN114880753B (zh) * | 2022-07-04 | 2022-09-30 | 华中科技大学 | 房屋电热负荷需求响应模型的建模方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109685396B (zh) | 2021-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109685396A (zh) | 一种计及公共楼宇需求响应资源的配电网能量管理方法 | |
CN112072640B (zh) | 一种虚拟电厂聚合资源的容量优化方法 | |
Zhou et al. | Multi-objective optimisation of an interactive buildings-vehicles energy sharing network with high energy flexibility using the Pareto archive NSGA-II algorithm | |
CN110619425B (zh) | 一种考虑源网荷储差异特性的多功能区综合能源系统协同规划方法 | |
CN112862154B (zh) | 一种考虑需求响应的区域能源系统双层规划优化方法 | |
CN110322056A (zh) | 一种计及中央空调系统的虚拟电厂随机自适应鲁棒优化调度方法 | |
CN113222227B (zh) | 基于建筑特性和虚拟电厂的建筑综合能源系统调度方法 | |
CN110460040A (zh) | 一种考虑智能建筑热平衡特性的微电网运行调度方法 | |
CN110094802A (zh) | 一种热泵与蓄热式电锅炉联合供暖负荷分配方法及装置 | |
CN105207205A (zh) | 一种融合需求侧响应的分布式能源系统能量优化调控方法 | |
CN106524353A (zh) | 一种空调负荷主动控制参与电力调峰的方法 | |
CN112464466A (zh) | 一种蓄热式电采暖系统优化调度方法、装置 | |
CN106372752A (zh) | 一种变频空调热电池建模及其调度方法 | |
CN105117802A (zh) | 一种基于中央空调储能特性的电力市场优化调度策略 | |
CN115857348A (zh) | 考虑两联供热泵舒适供能的分布式能量系统容量优化方法 | |
CN112128945A (zh) | 一种基于电池等效模型提供有功功率补偿的方法 | |
CN110992206B (zh) | 一种多源电场的优化调度方法及系统 | |
CN116454901A (zh) | 一种基于可调度能力评估的配网微网协同需求响应方法 | |
CN105864963A (zh) | 一种基于转化时间优先级列表的聚合空调负荷控制方法 | |
CN112418477B (zh) | 一种基于区域能源中心的居民用能双目标优化方法 | |
CN107563547A (zh) | 一种新型用户侧用能纵深优化综合能源管控方法 | |
Zhu et al. | Optimal scheduling model for virtual power plant participating in energy and regulation markets | |
Saini et al. | Cloud Energy Storage Management Including Smart Home Physical Parameters | |
CN111064227B (zh) | 一种配电网运行效率优化方法 | |
CN111339474A (zh) | 一种基于趋势预测分析法的综合能源系统预测运行方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |