CN109687523A - 一种基于多时间尺度的微电网的运行优化方法 - Google Patents
一种基于多时间尺度的微电网的运行优化方法 Download PDFInfo
- Publication number
- CN109687523A CN109687523A CN201910153375.4A CN201910153375A CN109687523A CN 109687523 A CN109687523 A CN 109687523A CN 201910153375 A CN201910153375 A CN 201910153375A CN 109687523 A CN109687523 A CN 109687523A
- Authority
- CN
- China
- Prior art keywords
- few days
- power
- micro
- capacitance sensor
- period
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000004146 energy storage Methods 0.000 claims abstract description 33
- 240000002853 Nelumbo nucifera Species 0.000 claims abstract description 26
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims abstract description 26
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims abstract description 26
- 230000005611 electricity Effects 0.000 claims description 20
- 239000000446 fuel Substances 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000010248 power generation Methods 0.000 claims description 17
- 230000014509 gene expression Effects 0.000 claims description 11
- 238000012423 maintenance Methods 0.000 claims description 10
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 239000007789 gas Substances 0.000 description 10
- 238000005457 optimization Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H02J3/383—
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- H02J3/386—
-
- 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]
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Y02E40/10—Flexible AC transmission systems [FACTS]
-
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于多时间尺度的微电网的运行优化方法,包括:S1:收集日前和日内数据;获取微电网系统的源荷预测数据,数据包括日前短期源荷预测数据、日内超短期数据:S2:日前运行优化;在日前调度阶段,建立微电网的日前调度模型,进行个分布式可控机组即储能系统的出力分配;S3日内运行优化;建立日内运行优化模型,分配各可控机组的容量;S4:结合日前、日内运行优化模型搭建冷热电微电网多时间尺度运行优化模型;S5:对冷热电微电网运行优化模型进行求解;本发明可减小预测误差与实际情况之间的偏移,可降低风光微电网中源荷日前预测误差带来的影响,为风光微电网的运行优化提供理论指导。
Description
技术领域
本发明涉及微电网运行控制技术领域,更具体地,涉及一种日前日内协同的微电网运行优化方法。
背景技术
随着全球能源、环境问题的凸显,风能、太阳能等可在生能源得到了较大的发展;与此同时,微电网作为一种包含可再生能源等分布式电源的综合集成技术得到了广泛的关注;微电网具有灵活的运行特性,可以并网或脱网运行,能同时满足本地用户的电能和热能需求;微电网提高了分布式发电系统的供电可靠性,实现了分布式电源与负荷的一体化运行,减少了系统的污染排放,已经成为智能电网建设中的一个重要组成部分。
微网将不可控的可再生能源、可控的热电联产和储能设备以及各种负荷做为一个整体,提高能源利用率,并可与大电网互动实现对大电网运行的有利支撑;它不仅能够解决分布式电源的大规模接入问题,还能充分发挥分布式发电的优势,真正实现分布式发电的安全、经济和高效的运行;微网的经济运行就是研究微网各种设备的协调运行优化,国内外对此已经展开了大量的研究,其中主要集中在基于源荷日前预测的基础上进行的运行优化;其中风光微电网是指,将风电、光伏、微燃机和柴油机四种分布式电源与一定的负荷按照一定的接线方式联接起来的微电网。
微电网分布式电源系统是一种同时具有关系复杂并交互作用的随机和模糊不确定性事件或参量的系统;在各种不确定性随机和模糊事件或参量的影响下,微电网分布式电源发电功率和发电量变得更具随机特性和模糊特性,这些特性极大影响微电网运行优化;以往微电网运行优化方法常常采用确定性的计算方法,确定性的方法通常是在假设日前的源荷预测没有误差的情况下来对微电网的分布式电源就行处理值分配,这样导致优化得出的出力结果偏离实际甚至导致结果不可用;实际上,由于风光、负荷具有波动性和随机性,因而源荷的日前预测误差可能与实际有较大的偏移;可见,对微电网运行优化的研究都没有考虑日前预测误差带来的影响。
发明内容
本发明为克服上述现有技术所述的微电网运行优化的研究没有考虑日前预测误差带来的影响而导致预测误差可能与实际情况存在较大偏移的缺陷,提供一种基于多时间尺度的微电网的运行优化方法。
所述方法包括以下步骤:
S1:收集日前和日内数据:获取微电网系统的源荷预测数据,数据包括日前短期源荷预测数据、日内超短期数据,并构建微电网的负荷、电源数据矩阵:
S2:日前运行优化:在日前调度阶段,结合源荷短期预测的结果,考虑峰谷平各时段电价、分布式电源的运行维护成本和可中断负荷中断补偿成本,建立微电网的日前调度模型,求解日前调度模型得到各分布式可控机组(包含储能系统)出力值;
S3日内运行优化:在日内计划中其蓄电池储能系统的充放电计划沿用日前运行计划结果,然后结合超短期源荷预测的结果,建立日内运行优化模型,求解日内运行优化模型得到其余可控机组的出力值;
S4:结合日前、日内运行优化模型搭建冷热电微电网多时间尺度运行优化模型;
S5:对冷热电微电网运行优化模型进行求解;采用通用性的算法如智能算法(粒子群优化算法、遗传算法等)对S4所得模型进行求解,求解出微电网中风电场、光伏发电站、燃料电池、燃气轮机的出力值。
本发明利用不同时间断面上源荷预测的准确率不同,构建基于多时间尺度模型,首先获取微电网系统的短期和超短期源荷预测数据,分别建立微电网日前运行优化模型、日内运行优化模型,由这两个模型共同搭建微电网的多时间尺度模型,利用智能算法求解日前模型,混合整数线性规划求解日内模型,该模型降低了风光微电网中源荷日前预测误差带来的影响,同时反映了日前、日内源荷预测的偏离,为风光微电网的运行优化提供理论指导,为分布式新能源发电及智能电网调度运行提供必要的技术支撑。
本发明所述方法针对由风电和光伏发电组成的微电网系统,并考虑日前风电出力、光伏出力的不确定性和随机性,在保证日前和日内源荷预测误差偏离最小的基础,实现微电网的经济运行。
优选地,步骤S1中日前超短期负荷预测数据矩阵、日内超短期负荷预测数据矩阵分别为:
式中,Xl、X′l分别为日前短期、日内超短期负荷预测数据矩阵;Xlc、Xlh、Xle分别为日前冷、热、电负荷日前短期预测数据;X′lc、X′lh、X′le分别为冷、热、电负荷日内超短期预测数据。
优选地,步骤S1中日前超短期电源预测数据矩阵、日内超短期电源预测数据矩阵分别为:
式中,Yg、Y′g分别为日前、日内超短期电源预测数据矩阵;ywt、ypv分别为日前光伏出力、风电功率预测数据;y′wt、y′pv分别为日内超短期光伏出力、风电功率预测数据。
优选地,步骤S2中微电网的日前调度模型为:
式中,N表示调度总时段;M表示可控分布式电源机组数量;L表示可控分布式电源的种类;Pkj(t)表示k个j类型的发电装置在t时段发出的功率;Cf(Pkj(t))表示k个j类型的发电装置在t时段发出的功率所需的燃料成本;Cm(Pkj(t))表示k个j类型的发电装置在t时段发出的功率所需的维护成本;C表示分布式可再生电源机组数量;R表示分布式可再生能源的发电形式;Phx(t)表示表示x个h类型的发电装置在t时段发出的功率;Cm(Ph(t))表示x个h类型的发电装置在t时段发出的功率所需的维护成本,i表示当前调度时段。。
优选地,微电网的日前调度模型的约束条件包括:电负荷平衡、储能约束、可中断负荷约束、机组功率上下限。
优选地,所述的电负荷平衡约束为:
在实际运行中,微网须保证在t时段的负荷平衡,即:
Pfl(t)=Pwt(t)+Ppv(t)+Pfc(t)+Pmt(t)+Ps(t)
式中,Pfl(t)表示t时段微网负荷的预测值;Pwt(t)表示t时段风机出力预测值;Ppv(t)表示t时段光伏电池出力预测值;Pfc(t)表示t时段燃料电池机组出力值;Pmt(t)表示t时段燃气轮机出力值;Ps(t)为t时刻储能系统的充放电大小,放电时取正值,充电时取负值;
优选地,所述的储能约束为:
储能系统需满足以下约束:
Socmin≤Soc(t)≤Socmax
PSBmin≤PSB(t)≤PSBmax
-PSB(t)≤[Socmax-Soc(t)]αc
式中:Soc(t)表示t时段电储能的容量;Socmin、Socmax表示电储能的剩余容量上下限;PSB(t)表示t时段电储能的充放电功率;PSBmin、PSBmax表示电储能的充放电功率上下限;αc表示最大充放电率。
优选地,所述的机组功率上下限约束条件为:
Pwtmin≤Pwt(t)≤Pwtmax
Ppvmin≤Ppv(t)≤Ppvmax
Pfcmin≤Pfc(t)≤Pfcmax
Pdgmin≤Pdg(t)≤Pdgmax
式中,Pwtmax、Pwtmin表示风电机组功率上下限;Ppvmax、Ppvmin表示光伏发电机组功率上下限;Pfcmax、Pfcmin表示燃料电池机组功率上下限;Pmtmax、Pmtmin表示燃气轮机输出功率上下限;
优选地,步骤S3中微电网的日内运行优化模型为:
式中,N表示调度总时段;M表示可控分布式电源机组数量;L表示可控分布式电源的种类;Pkj(t)表示k个j类型的发电装置在t时段发出的功率;Cf(Pkj(t))表示k个j类型的发电装置在t时段发出的功率所需的燃料成本;Cm(Pkj(t))表示k个j类型的发电装置在t时段发出的功率所需的维护成本;C表示分布式可再生电源机组数量;R表示分布式可再生能源的发电形式;Phx(t)表示表示x个h类型的发电装置在t时段发出的功率;Cm(Ph(t))表示x个h类型的发电装置在t时段发出的功率所需的维护成本,i表示当前调度时段。
与现有技术相比,本发明技术方案的有益效果是:本发明充分考虑日前预测误差带来的影响,从而减小预测误差与实际情况之间的偏移,可降低风光微电网中源荷日前预测误差带来的影响;这种基于多时间尺度的风光微电网的运行优化方法,同时反映了日前、日内源荷预测的偏离,为风光微电网的运行优化提供理论指导,为分布式新能源发电及智能电网调度运行提供必要的技术支撑。
附图说明
图1为本发明所述的一种日前日内协同的微电网运行优化方法流程框图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
图1中的S1描述微电网系统的短期和超短期源荷预测数据的获取。
获取微电网系统的源荷预测数据,数据包括日前短期源荷预测数据、日内超短期数据,并构建微电网的负荷、电源数据矩阵:
式中,Xl、X′l分别为日前短期、日内超短期负荷预测数据矩阵;Xlc、Xlh、Xle分别为日前冷、热、电负荷日前短期预测数据;X′lc、X′lh、X′le分别为冷、热、电负荷日内超短期预测数据;Yg、Y′g分别为日前、日内超短期电源预测数据矩阵;ywt、ypv分别为日前光伏出力、风电功率预测数据;y′wt、y′pv分别为日内超短期光伏出力、风电功率预测数据。
图1中的S2描述日前运行优化。
在日前调度阶段,结合源荷短期预测的结果,考虑峰谷平各时段电价、分布式电源的运行维护成本和可中断负荷中断补偿成本,建立微电网的日前调度模型,进行个分布式可控机组即储能系统的出力分配。
决策变量X=[x1 x2 x3 x4 x5],x1、x2、x3、x4、x5分别为微电网中风电场、光伏发电站、燃料电池、燃气轮机和蓄电池储能系统的出力值,其单位均为:kW。
优化后的微电网中风电场、光伏发电站、燃料电池、燃气轮机和储能系统的出力值要满足微电网综合运行成本最小化,其微电网的日前调度模型的表达式为:
式中,N表示调度总时段,取24h;M表示可控分布式电源机组数量,本实施例为燃料电池和柴油机数量;L表示可控分布式电源的种类,本实施例中L取1表示燃料电池、取2表示燃气轮机;Pkj(t)表示k个j类型的发电装置在t时段发出的功率;Cf(Pkj(t))表示k个j类型的发电装置在t时段发出的功率所需的燃料成本;Cm(Pkj(t))表示k个j类型的发电装置在t时段发出的功率所需的维护成本;C表示分布式可再生电源机组数量,本实施例为光伏电池和风机数量;R表示分布式可再生能源的发电形式,本实施例中R取最大为2,取1表示光伏发电、取2表示风力发电;Phx(t)表示表示x个h类型的发电装置在t时段发出的功率;Cm(Ph(t))表示x个h类型的发电装置在t时段发出的功率所需的维护成本,i表示当前调度时段。
微电网的日前调度模型包括如下约束:
微网的日前运行优化模型主要考虑电负荷平衡约束、储能约束、可中断负荷约束、机组功率上下限和微网与大电网交互功率约束。
(1)电负荷平衡
在实际运行中,微网须保证在t时段的负荷平衡,即
Pfl(t)=Pwt(t)+Ppv(t)+Pfc(t)+Pmt(t)+Ps(t)
式中,Pfl(t)表示t时段微网负荷的预测值;Psl(t)表示t时段微网转移负荷值;Pwt(t)表示t时段风机出力预测值;Ppv(t)表示t时段光伏电池出力预测值;PEX(t)表示t时段微网与大电网的交互功率值;Pfc(t)表示t时段燃料电池机组出力值;Pmt(t)表示t时段燃气轮机出力值;Ps(t)为t时刻储能系统的充放电大小,放电时取正值,充电时取负值。
(2)储能约束
储能系统因满足以下约束:
Socmin≤Soc(t)≤Socmax
PSBmin≤PSB(t)≤PSBmax
-PSB(t)≤[Socmax-Soc(t)]αc
式中:Soc(t)表示t时段电储能的容量;Socmin、Socmax表示电储能的剩余容量上下限;PSB(t)表示t时段电储能的充放电功率;PSBmin、PSBmax表示电储能的充放电功率上下限;αc表示最大充放电率。
(3)机组功率上下限约束
Pwtmin≤Pwt(t)≤Pwtmax
Ppvmin≤Ppv(t)≤Ppvmax
Pfcmin≤Pfc(t)≤Pfcmax
Pdgmin≤Pdg(t)≤Pdgmax
式中,Pwtmax、Pwtmin表示风电机组功率上下限;Ppvmax、Ppvmin表示光伏发电机组功率上下限;Pfcmax、Pfcmin表示燃料电池机组功率上下限;Pmtmax、Pmtmin表示燃气轮机输出功率上下限。
图1中的S3描述日内运行优化。
在日内优化运行阶段,为了保持日前计划中的全局优化特征,在日内计划中其蓄电池储能系统的充放电计划沿用日前运行计划结果,然后结合超短期源荷预测的结果,建立日内运行优化模型,分配各可控机组的容量。
日内微电网运行优化模型的建立;决策变量X=[x1 x2 x3 x4],x1、x2、x3、x4分别为微电网中风电场、光伏发电站、燃料电池和燃气轮机的出力值,其单位均为:kW。
优化后的微电网中风电场、光伏发电站、燃料电池和燃气轮机的出力值要满足微电网综合运行成本最小化,其目标函数的表达式和日前运行优化的表达式一致。但在日内计划中,调度周期仍为24h,但单位调度时间为5min,时段总数为288个。
图1中的S4描述搭建冷热电微电网运行优化模型。结合日前、日内运行优化模型搭建冷热电微电网多时间尺度运行优化模型。
图1中的S5描述冷热电微电网运行优化模型的求解方法。
考虑到模型中的某些机组可能存在启停的情况,因而在本发明中可采用的通用性的算法有混合整数线性规划与智能算法(如PSO、遗传算法等)相结合求解该模型,可以求解出微电网中风电场、光伏发电站、燃料电池、燃气轮机的出力值决策变量x1、x2、x3、x4。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (9)
1.一种基于多时间尺度的微电网的运行优化方法,其特征在于,所述方法包括以下步骤:
S1:收集日前和日内数据:获取微电网系统的源荷预测数据,数据包括日前短期源荷预测数据、日内超短期数据,并构建微电网的负荷、电源数据矩阵;
S2:日前运行优化:在日前调度阶段,结合源荷短期预测的结果,考虑峰谷平各时段电价、分布式电源的运行维护成本和可中断负荷中断补偿成本,建立微电网的日前调度模型,求解日前调度模型得到各分布式可控机组出力值;
S3日内运行优化:在日内计划中其蓄电池储能系统的充放电计划沿用日前运行计划结果,然后结合超短期源荷预测的结果,建立日内运行优化模型,求解日内运行优化模型得到其余可控机组的出力值;
S4:结合日前、日内运行优化模型搭建冷热电微电网多时间尺度运行优化模型;
S5:对冷热电微电网运行优化模型进行求解;对S4所得模型进行求解,求解出微电网中风电场、光伏发电站、燃料电池、燃气轮机的出力值。
2.根据权利要求1所述的基于多时间尺度的微电网的运行优化方法,其特征在于,步骤S1中日前短期负荷预测数据矩阵、日内超短期负荷预测数据矩阵分别为:
式中,Xl、X′l分别为日前短期、日内超短期负荷预测数据矩阵;Xlc、Xlh、Xle分别为日前冷、热、电负荷日前短期预测数据;X′lc、X′lh、X′le分别为冷、热、电负荷日内超短期预测数据。
3.根据权利要求1所述的基于多时间尺度的微电网的运行优化方法,其特征在于,步骤S1中日前超短期电源预测数据矩阵、日内超短期电源预测数据矩阵分别为:
式中,Yg、Y′g分别为日前、日内超短期电源预测数据矩阵;ywt、ypv分别为日前光伏出力、风电功率预测数据;y′wt、y′pv分别为日内超短期光伏出力、风电功率预测数据。
4.根据权利要求1所述的基于多时间尺度的微电网的运行优化方法,其特征在于,步骤S2中微电网的日前调度模型为:
式中,N表示调度总时段;M表示可控分布式电源机组数量;L表示可控分布式电源的种类;Pkj(t)表示k个j类型的发电装置在t时段发出的功率;Cf(Pkj(t))表示k个j类型的发电装置在t时段发出的功率所需的燃料成本;Cm(Pkj(t))表示k个j类型的发电装置在t时段发出的功率所需的维护成本;C表示分布式可再生电源机组数量;R表示分布式可再生能源的发电形式;Phx(t)表示表示x个h类型的发电装置在t时段发出的功率;Cm(Ph(t))表示x个h类型的发电装置在t时段发出的功率所需的维护成本,i表示当前调度时段。
5.根据权利要求4所述的基于多时间尺度的微电网的运行优化方法,其特征在于,微电网的日前调度模型的约束条件包括:电负荷平衡、储能约束、可中断负荷约束、机组功率上下限。
6.根据权利要求5所述的基于多时间尺度的微电网的运行优化方法,其特征在于,所述的电负荷平衡约束为:
在实际运行中,微网须保证在t时段的负荷平衡,即:
Pfl(t)=Pwt(t)+Ppv(t)+Pfc(t)+Pmt(t)+Ps(t)
式中,Pfl(t)表示t时段微网负荷的预测值;Pwt(t)表示t时段风机出力预测值;Ppv(t)表示t时段光伏电池出力预测值;Pfc(t)表示t时段燃料电池机组出力值;Pmt(t)表示t时段燃气轮机出力值;Ps(t)为t时刻储能系统的充放电大小,放电时取正值,充电时取负值。
7.根据权利要求5所述的基于多时间尺度的微电网的运行优化方法,其特征在于,所述的储能约束为:
储能系统需满足以下约束:
Socmin≤Soc(t)≤Socmax
PSBmin≤PSB(t)≤PSBmax
-PSB(t)≤[Socmax-Soc(t)]αc
式中:Soc(t)表示t时段电储能的容量;Socmin、Socmax表示电储能的剩余容量上下限;PSB(t)表示t时段电储能的充放电功率;PSBmin、PSBmax表示电储能的充放电功率上下限;αc表示最大充放电率。
8.根据权利要求5所述的基于多时间尺度的微电网的运行优化方法,其特征在于,所述的机组功率上下限约束条件为:
Pwtmin≤Pwt(t)≤Pwtmax
Ppvmin≤Ppv(t)≤Ppvmax
Pfcmin≤Pfc(t)≤Pfcmax
Pmtmin≤Pmt(t)≤Pmtmax
式中,Pwtmax、Pwtmin表示风电机组功率上下限;Ppvmax、Ppvmin表示光伏发电机组功率上下限;Pfcmax、Pfcmin表示燃料电池机组功率上下限;Pmtmax、Pmtmin表示燃气轮机输出功率上下限。
9.根据权利要求1所述的基于多时间尺度的微电网的运行优化方法,其特征在于,步骤S3中日内运行优化模型为:
式中,N表示调度总时段;M表示可控分布式电源机组数量;L表示可控分布式电源的种类;Pkj(t)表示k个j类型的发电装置在t时段发出的功率;Cf(Pkj(t))表示k个j类型的发电装置在t时段发出的功率所需的燃料成本;Cm(Pkj(t))表示k个j类型的发电装置在t时段发出的功率所需的维护成本;C表示分布式可再生电源机组数量;R表示分布式可再生能源的发电形式;Phx(t)表示表示x个h类型的发电装置在t时段发出的功率;Cm(Ph(t))表示x个h类型的发电装置在t时段发出的功率所需的维护成本,i表示当前调度时段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910153375.4A CN109687523A (zh) | 2019-02-28 | 2019-02-28 | 一种基于多时间尺度的微电网的运行优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910153375.4A CN109687523A (zh) | 2019-02-28 | 2019-02-28 | 一种基于多时间尺度的微电网的运行优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109687523A true CN109687523A (zh) | 2019-04-26 |
Family
ID=66197070
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910153375.4A Pending CN109687523A (zh) | 2019-02-28 | 2019-02-28 | 一种基于多时间尺度的微电网的运行优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109687523A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110311423A (zh) * | 2019-07-26 | 2019-10-08 | 内蒙古大学 | 基于超限惩罚的独立微电网动态回馈修正优化调度方法 |
CN110311421A (zh) * | 2019-07-12 | 2019-10-08 | 燕山大学 | 基于需求侧响应的微电网多时间尺度能量管理方法 |
CN110866647A (zh) * | 2019-11-18 | 2020-03-06 | 华润智慧能源有限公司 | 用户侧储能控制方法、装置、设备及存储介质 |
CN111210090A (zh) * | 2020-02-24 | 2020-05-29 | 深圳天顺智慧能源科技有限公司 | 微电网经济调度方法 |
CN111244950A (zh) * | 2020-02-28 | 2020-06-05 | 广东工业大学 | 一种分布式光伏配电网的分区方法及装置 |
CN111339474A (zh) * | 2020-02-17 | 2020-06-26 | 山东大学 | 一种基于趋势预测分析法的综合能源系统预测运行方法 |
CN112086998A (zh) * | 2020-08-20 | 2020-12-15 | 国网山西省电力公司电力科学研究院 | 孤岛模式下直流微电网的能量优化调度方法 |
CN112700066A (zh) * | 2021-01-14 | 2021-04-23 | 国网山东省电力公司青岛供电公司 | 一种电-热综合能源系统调度最佳时间尺度配合方法 |
CN112862215A (zh) * | 2021-03-10 | 2021-05-28 | 广东电网有限责任公司 | 一种微电网能源需求预测方法、系统及设备 |
CN112952795A (zh) * | 2020-11-27 | 2021-06-11 | 国网甘肃省电力公司经济技术研究院 | 一种基于移动储能的配电网多时间尺度协调调度方法 |
WO2021232734A1 (zh) * | 2020-05-19 | 2021-11-25 | 山东建筑大学 | 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 |
CN113765105A (zh) * | 2021-09-24 | 2021-12-07 | 国网黑龙江省电力有限公司电力科学研究院 | 基于动态随机模型的微电网群能量管理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105162115A (zh) * | 2015-09-01 | 2015-12-16 | 东南大学 | 含直接控制负荷和可中断负荷的售电公司两阶段调度方法 |
CN106527135A (zh) * | 2016-11-21 | 2017-03-22 | 云南电网有限责任公司电力科学研究院 | 一种建筑能量管理系统优化控制方法和装置 |
CN108448632A (zh) * | 2018-04-26 | 2018-08-24 | 东南大学 | 计及储能荷电状态循环的交直流微网日内滚动优化调度方法 |
-
2019
- 2019-02-28 CN CN201910153375.4A patent/CN109687523A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105162115A (zh) * | 2015-09-01 | 2015-12-16 | 东南大学 | 含直接控制负荷和可中断负荷的售电公司两阶段调度方法 |
CN106527135A (zh) * | 2016-11-21 | 2017-03-22 | 云南电网有限责任公司电力科学研究院 | 一种建筑能量管理系统优化控制方法和装置 |
CN108448632A (zh) * | 2018-04-26 | 2018-08-24 | 东南大学 | 计及储能荷电状态循环的交直流微网日内滚动优化调度方法 |
Non-Patent Citations (1)
Title |
---|
徐忞慧: ""计及随机性的微电网能量优化管理研究"", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110311421A (zh) * | 2019-07-12 | 2019-10-08 | 燕山大学 | 基于需求侧响应的微电网多时间尺度能量管理方法 |
CN110311421B (zh) * | 2019-07-12 | 2021-05-07 | 燕山大学 | 基于需求侧响应的微电网多时间尺度能量管理方法 |
CN110311423B (zh) * | 2019-07-26 | 2023-01-20 | 内蒙古大学 | 基于超限惩罚的独立微电网动态回馈修正优化调度方法 |
CN110311423A (zh) * | 2019-07-26 | 2019-10-08 | 内蒙古大学 | 基于超限惩罚的独立微电网动态回馈修正优化调度方法 |
CN110866647A (zh) * | 2019-11-18 | 2020-03-06 | 华润智慧能源有限公司 | 用户侧储能控制方法、装置、设备及存储介质 |
CN111339474A (zh) * | 2020-02-17 | 2020-06-26 | 山东大学 | 一种基于趋势预测分析法的综合能源系统预测运行方法 |
CN111339474B (zh) * | 2020-02-17 | 2022-02-08 | 山东大学 | 一种基于趋势预测分析法的综合能源系统预测运行方法 |
CN111210090A (zh) * | 2020-02-24 | 2020-05-29 | 深圳天顺智慧能源科技有限公司 | 微电网经济调度方法 |
CN111210090B (zh) * | 2020-02-24 | 2024-03-19 | 深圳天顺智慧能源科技有限公司 | 微电网经济调度方法 |
CN111244950A (zh) * | 2020-02-28 | 2020-06-05 | 广东工业大学 | 一种分布式光伏配电网的分区方法及装置 |
CN111244950B (zh) * | 2020-02-28 | 2021-10-08 | 广东工业大学 | 一种分布式光伏配电网的分区方法及装置 |
WO2021232734A1 (zh) * | 2020-05-19 | 2021-11-25 | 山东建筑大学 | 一种热泵与电蓄热设备自适应优化控制方法、系统及装置 |
CN112086998B (zh) * | 2020-08-20 | 2022-05-10 | 国网山西省电力公司电力科学研究院 | 孤岛模式下直流微电网的能量优化调度方法 |
CN112086998A (zh) * | 2020-08-20 | 2020-12-15 | 国网山西省电力公司电力科学研究院 | 孤岛模式下直流微电网的能量优化调度方法 |
CN112952795A (zh) * | 2020-11-27 | 2021-06-11 | 国网甘肃省电力公司经济技术研究院 | 一种基于移动储能的配电网多时间尺度协调调度方法 |
CN112700066B (zh) * | 2021-01-14 | 2022-09-02 | 国网山东省电力公司青岛供电公司 | 一种电-热综合能源系统调度最佳时间尺度配合方法 |
CN112700066A (zh) * | 2021-01-14 | 2021-04-23 | 国网山东省电力公司青岛供电公司 | 一种电-热综合能源系统调度最佳时间尺度配合方法 |
CN112862215A (zh) * | 2021-03-10 | 2021-05-28 | 广东电网有限责任公司 | 一种微电网能源需求预测方法、系统及设备 |
CN112862215B (zh) * | 2021-03-10 | 2023-04-07 | 广东电网有限责任公司 | 一种微电网能源需求预测方法、系统及设备 |
CN113765105A (zh) * | 2021-09-24 | 2021-12-07 | 国网黑龙江省电力有限公司电力科学研究院 | 基于动态随机模型的微电网群能量管理方法 |
CN113765105B (zh) * | 2021-09-24 | 2023-07-25 | 国网黑龙江省电力有限公司电力科学研究院 | 基于动态随机模型的微电网群能量管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109687523A (zh) | 一种基于多时间尺度的微电网的运行优化方法 | |
Choudhury | Review of energy storage system technologies integration to microgrid: Types, control strategies, issues, and future prospects | |
Fathima et al. | Optimization in microgrids with hybrid energy systems–A review | |
Mehrjerdi | Dynamic and multi-stage capacity expansion planning in microgrid integrated with electric vehicle charging station | |
Pourmousavi et al. | Real-time energy management of a stand-alone hybrid wind-microturbine energy system using particle swarm optimization | |
Nikonowicz et al. | Virtual Power Plants-general review: structure, application and optimization. | |
CN104779611B (zh) | 基于集中式和分布式双层优化策略的微电网经济调度方法 | |
CN107528341B (zh) | 一种用于高风电渗透率的大电网储能调度的方法 | |
Zhang et al. | A systematic review of optimal planning and deployment of distributed generation and energy storage systems in power networks | |
Boqtob et al. | Microgrid energy management system: a state-of-the-art review. | |
CN113285479A (zh) | 一种超大容量的区域微电网系统及运行方法 | |
CN106159998A (zh) | 可再生能源微电网优化调度系统 | |
Lazar et al. | Energy management for an islanded microgrid based on harmony search algorithm | |
Nunna et al. | Optimal management of microgrids | |
Islam et al. | Optimal Cost and Component Configuration Analysis of Micro-grid using SSO Algorithm | |
Xv et al. | Day-ahead scheduling with renewable generation considering shared energy storage | |
Hua et al. | Coordinated optimal dispatch for active distribution network under multi-time scales | |
Amoura | Optimal energy management of a microgrid system | |
Vankadara et al. | A review to economic dispatch of hybrid microgrids | |
de Simón-Martín et al. | Smart charging of electric vehicles to minimize renewable power curtailment in polygeneration prosumer buildings | |
Acri et al. | A new thermal energy storage technology for power system services | |
Lu et al. | Distributed dispatching method of active distribution network considering multiple regulation resources | |
Delfino et al. | An Energy Management Platform for Smart Microgrids | |
Hakimi et al. | Optimization of a reliable combined heat and power microgrid considered uncertainty | |
Wang et al. | Energy management of microgrid based on day-ahead and short-term optimisation |
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: 20190426 |