CN109768567A - 一种耦合多能源互补系统的优化调度方法 - Google Patents
一种耦合多能源互补系统的优化调度方法 Download PDFInfo
- Publication number
- CN109768567A CN109768567A CN201811563762.7A CN201811563762A CN109768567A CN 109768567 A CN109768567 A CN 109768567A CN 201811563762 A CN201811563762 A CN 201811563762A CN 109768567 A CN109768567 A CN 109768567A
- Authority
- CN
- China
- Prior art keywords
- power
- heat
- constraint
- maximum
- constraints
- 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
- 238000005457 optimization Methods 0.000 title abstract description 5
- 230000008878 coupling Effects 0.000 title abstract 2
- 238000010168 coupling process Methods 0.000 title abstract 2
- 238000005859 coupling reaction Methods 0.000 title abstract 2
- 239000002245 particle Substances 0.000 claims abstract description 34
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000000295 complement effect Effects 0.000 claims abstract description 13
- 238000005338 heat storage Methods 0.000 claims description 36
- 230000005611 electricity Effects 0.000 claims description 29
- 238000001816 cooling Methods 0.000 claims description 17
- 238000004146 energy storage Methods 0.000 claims description 15
- 238000002485 combustion reaction Methods 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 13
- 239000007789 gas Substances 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 11
- 238000007599 discharging Methods 0.000 claims description 9
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 7
- 238000010521 absorption reaction Methods 0.000 claims description 7
- 239000003546 flue gas Substances 0.000 claims description 7
- 230000005855 radiation Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000010248 power generation Methods 0.000 claims description 4
- 230000009194 climbing Effects 0.000 claims description 3
- 230000001143 conditioned effect Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 210000000352 storage cell Anatomy 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 10
- OKKJLVBELUTLKV-UHFFFAOYSA-N Methanol Chemical compound OC OKKJLVBELUTLKV-UHFFFAOYSA-N 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical group [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000000446 fuel Substances 0.000 description 2
- 238000002309 gasification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 235000019640 taste Nutrition 0.000 description 1
Classifications
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种耦合多能源互补系统的优化调度方法，属于多能互补调度技术领域；所述方法包括以下步骤：确定所述系统的目标函数；确定所述系统的功率约束；确定所述系统的各个设备出力约束；利用粒子群算法迭代计算出最优解，并对全局最优解进行输出。本发明在满足约束的条件下，利用粒子、迭代的算法进行计算，保证系统稳定运行且使得系统的整体运行费用最小，经济环保。
Description
技术领域
本发明属于多能互补调度技术领域，特别涉及一种耦合多能源互补系统的优化调度方法。
背景技术
多能互补系统是传统分布式能源应用的拓展，是一体化整合理念在能源系统工程领域的具象化，使得分布式能源的应用由点扩展到面，由局部走向系统；具体而言，多能互补分布式能源系统是指可包容多种能源资源输入，并具有多种产出功能和输运形式的"区域能源互联网"系统；它不是多种能源的简单叠加，而要在系统高度上按照不同能源品味的高低进行综合互补利用，并统筹安排好各种能量之间的配合关系与转换使用，以取得最合理能源利用效果与效益。
在众多的多能互补系统形态中，对多能源互补系统进行容量合理规划、调度，可以在兼顾系统经济性的基础上提高对分布式光伏的消纳能力。
现有的多能源互补系统，规划不完善，使用时成本高，并且耗费能源。
发明内容
针对上述问题，本发明提供一种耦合多能源互补系统的优化调度方法，所述方法包括以下步骤：
确定所述系统的目标函数；
确定所述系统的功率约束；
确定所述系统的各个设备出力约束；
利用粒子群算法迭代计算出最优解，并对全局最优解进行输出。
进一步地，所述利用粒子群算法迭代计算出最优解，具体为，
计算所述系统的出力；
计算所述系统的储能功率和负荷功率；
判断所述系统是否满足所述功率约束和设备出力约束；
所述系统不满足所述功率约束和所述设备出力约束时，则调整粒子群算法的粒子位置和速度，重新进行所述粒子群迭代计算；
所述系统满足所述功率约束和所述设备出力约束时，记录本次计算的最优解。
进一步地，所述全局最优解为稳定数值时输出。
进一步地，所述出力的设备包括风电发电机、光伏发电机。
进一步地，所述储能功率的储能形式包括储电和储热，所述负荷功率的负荷形式包括制冷机、功冷并供、吸热式热泵。
进一步地，所述目标函数为：
min F＝Fequ+Fgrid+Fmain (1)
其中：Fequ表示为设备的成本费，Fgrid为系统与电网的交互费用，Fmain为系统维护费用；
设备的成本费为：
其中：Mk为设备的使用年限，k为银行利率，M为不同设备编号；
电网交互费用为：
其中，Nt为调度周期时间Fbuy(t)为向电网买电的价格，Fsell(t)为系统向电网卖电的价格，Pgrid(t)为某一时间与电网的交互功率；
系统维修费用为：
其中，k0(Pi)为设备的维修系数，Δt为设备维修的时间间隔，Pi为设备的发出功率。
进一步地，所述功率约束包括功率平衡约束、交换功率约束、储热模型约束、燃气内燃机约束、制冷机功率约束、太阳能集热器约束、功冷并供模型约束和换热器模型约束中的一种或多种。
进一步地，所述设备的出力约束包括光伏出力约束、风电功率约束、储电池模型约束中的一种或多种。
进一步地，所述功率平衡约束的条件为：
其中，Qinput,Hinput,Einput分别为冷、热、电三种能源输入，Qload，Hload，Eload分别为三种负荷需求；
所述交换功率约束的条件为：
其中，Pgrid.max、Pgrid.min分别表示交换功率的上、下限值，PPET grid为电网与系统的交互功率；
所述光伏出力约束的条件为：
0≤Ppv(t)≤PPV(t) (7)
其中，PPV(t)表示t时刻分布式系统中最大光伏发电功率，Ppv(t)表示t时刻分布式系统中的实际发电功率；
所述风电功率约束的条件为：
0≤Pwt(t)≤PWT(t) (8)
其中，PWT(t)表示t时刻分布式系统中最大风电功率，Pwt(t)表示t时刻分布式系统中实际风电功率；
所述储电池模型约束的条件为：
其中，表示t时刻储电的放电功率；表示t时刻储电的充电功率；是储电最大充电功率；是储电最大放电功率；引入0-1变量Ddischarge(t)和Dcharge(t)，1表示发电机运行，0表示发电机处于关机状态，0和1变量描述蓄电池充放电状态，Ddischarge(t)和Dcharge(t)分别表示为放电和充电状态，其中，当Ddischarge(t)＝1时，表示蓄电池放电，且Dcharge(t)＝0时，表示蓄电池充电，不存在两者皆为0或1的状态；分别表示储电的放电、充电效率；Ebes(t)表示分布式系统中t时刻储电剩余的电量，Ebes.max表示分布式系统中储电的容量，SOC_lbes和SOC_ubes表示分布式系统中储能荷电状态的最小值和最大值；Pbes.total.表示储能一个调度周期的充放电总的电量，λ表示最大充放电次数；
所述储热模型约束的条件为：
其中，表示t时刻储热的放热功率；表示t时刻储热的充热功率；是储热最大充热功率；是储热最大放热功率；引入0-1变量Hdischarge(t)和Hcharge(t)，其中Hdischarge(t)＝0是表示放热，Hcharge(t)＝1表示储热，不存在处于0-1之间的数值；Ehes(t)表示t时刻储热的储热量，Ehes.max表示储热容量，SOC_lhes、SOC_uhes表示光热系统储热状态的最小值和最大值；γ表示储热的耗散系数；分别表示储热的充热、放热效率；
所述燃气内燃机约束的条件为：
其中，PMG(t)表示t时刻内燃机的实际功率，表示分布式系统中燃气内燃机的运行时的最小、最大功率；Rd、Ru分别表示发电机向下、向上的最大爬坡速率；uMG(t)表示t时刻发电机运行的状态变量；表示发电机在整个调度周期内的最大启动次数；表示发电机的最小运行持续时间；
所述制冷机功率约束的条件为：
其中，Plbr(t)表示t时刻制冷机的实际功率，表示制冷机的最小、最大功率，Pcold.load(t)表示t时刻的制冷负荷。
所述太阳能集热器约束的条件为：
Psolar＝DNI·S (13)
其中，DNI为太阳能辐射强度，S为太阳能集热器辐射面积，Psolar为太阳能集热器吸收的太阳能热能；
所述功冷并供模型约束的条件为：
其中，a,b,c,d,e,g为拟合系数，f1为高温烟气入口温度，和分别为功冷并供设备的最小、最大容量约束，和为功冷并供的电能和冷能输出；
所述换热器模型约束的条件为：
其中，和为换热器的最小、最大容量约束，k1为比例拟合系数，f2为进入换热器的入口中温温度。
进一步地，所述粒子群算法迭代计算的计算式为，
式中，tmax为算法的最大迭代次数；t为当前的迭代次数；ωstart和ωend分别为惯性权重的初始值、终止值；δ为控制因子，用来控制ω随迭代次数t变化曲线的平滑程度
本发明在满足约束的条件下，利用粒子、迭代的算法进行计算，保证系统稳定运行且使得系统的整体运行费用最小，经济环保。本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
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示出了根据本发明实施例的流程示意图；
图2示出了根据本发明实施例的粒子算法修正及输出最优解的流程示意图；
图3示出了根据本发明实施例的整体操作流程示意图。
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、完整地说明，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。基于本发明中的实施例，本领域普通技术人员在没有做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示出了根据本发明实施例的流程示意图。
如图1所示：一种耦合多能源互补系统的优化调度方法；包括以下步骤：
步骤一：确定所述系统的目标函数；
具体的，在多能源系统中，以整个调度周期总的运行费用最小为优化目标，在多能源系统中，主要的费用是由设备成本费、系统与电网的交互费、系统的维护费用构成，系统调度周期总的运行费用最小即各个成本之和最小，因此所述目标函数为：
min F＝Fequ+Fgrid+Fmain (1)
其中：Fequ表示为设备的成本费，Fgrid为系统与电网的交互费用，Fmain为系统维护费用；
设备的成本费为：
其中：Mk为设备的使用年限，k为银行利率，M为不同设备编号；
电网交互费用为：
其中，Nt为调度周期时间Fbuy(t)为向电网买电的价格，Fsell(t)为系统向电网卖电的价格，Pgrid(t)为某一时间与电网的交互功率；
系统维修费用为：
其中，k0(Pi)为设备的维修系数，Δt为设备维修的时间间隔。
步骤二：确定所述系统的功率约束；
具体的，所述功率约束包括功率平衡约束、交换功率约束、储热模型约束、燃气内燃机约束、制冷机功率约束、太阳能集热器约束、功冷并供模型约束和换热器模型约束。
步骤三：确定所述系统的各个设备出力约束；
具体的，所述设备出力约束包括光伏出力约束、风电功率约束、储电池模型约束中的一种或多种
其中，所述功率平衡约束的条件为：
其中，Qinput,Hinput,Einput分别为冷、热、电三种能源输入，Qload，Hload，Eload分别为三种负荷需求，在特定的条件和环境中为定值；
所述交换功率约束的条件为：
其中，Pgrid.max、Pgrid.min分别表示交换功率的上、下限值，在特定的条件和环境中为定值；PPET grid为电网与系统的交互的功率。
所述光伏出力约束的条件为：
0≤Ppv(t)≤PPV(t) (7)
其中，PPV(t)表示t时刻分布式系统中最大光伏发电功率，是根据实际应用中的需求、设备条件等因素指定的值；Ppv(t)表示t时刻分布式系统中的实际发电功率；
所述风电功率约束的条件为：
0≤Pwt(t)≤PWT(t) (8)
其中，PWT(t)表示t时刻分布式系统中风电功率，是根据实际应用中的需求、设备条件等因素指定的值；Pwt(t)表示t时刻分布式系统中实际风电功率；
所述储电池模型约束的条件为：
其中，表示t时刻储电的放电功率；表示t时刻储电的充电功率；是储电最大充电功率；是储电最大放电功率；引入0-1变量Ddischarge(t)和Dcharge(t)，1表示发电机运行，0表示发电机处于关机状态，0和1变量描述蓄电池充放电状态，Ddischarge(t)和Dcharge(t)分别表示为放电和充电状态，其中，当Ddischarge(t)＝1时，表示蓄电池放电，且Dcharge(t)＝0时，表示蓄电池充电，不存在两者皆为0或1的状态；分别表示储电的放电、充电效率；Ebes(t)表示分布式系统中t时刻储电剩余的电量，Ebes.max表示分布式系统中储电的容量，SOC_lbes和SOC_ubes表示分布式系统中储能荷电状态的最小值和最大值；Pbes.total.表示储能一个调度周期的充放电总的电量，λ表示最大充放电次数；
所述储热模型约束的条件为：
其中，表示t时刻储热的放热功率；表示t时刻储热的充热功率；是储热最大充热功率；是储热最大放热功率；引入0-1变量Hdischarge(t)和Hcharge(t)，其中Hdischarge(t)＝0是表示放热，Hcharge(t)＝1表示储热，不存在处于0-1之间的数值；Ehes(t)表示t时刻储热的储热量，Ehes.max表示储热容量，SOC_lhes、SOC_uhes表示光热系统储热状态的最小值和最大值；γ表示储热的耗散系数；分别表示储热的充热、放热效率；
所述燃气内燃机约束的条件为：
其中，PMG(t)表示t时刻内燃机的实际功率，表示分布式系统中燃气内燃机的运行时的最小、最大功率；Rd、Ru分别表示发电机向下、向上的最大爬坡速率；uMG(t)表示t时刻发电机运行的状态变量；表示发电机在整个调度周期内的最大启动次数；表示发电机的最小运行持续时间；
所述制冷机功率约束的条件为：
本实施例中，制冷机为溴化锂制冷机其中，Plbr(t)表示t时刻溴化锂制冷机的实际功率，表示溴化锂制冷机的最小、最大功率，Pcold.load(t)表示t时刻的制冷负荷，Plbr(t)、Pcold.load(t)在特定的条件和环境中为定值。
所述太阳能集热器约束的条件为：
Psolar＝DNI·S (13)
其中，DNI为太阳能辐射强度，S为太阳能集热器辐射面积，Psolar为太阳能集热器吸收的太阳能热能；
所述功冷并供模型约束的条件为：
其中，a,b,c,d,e,g为拟合系数，f1为高温烟气入口温度，和分别为功冷并供设备的最小、最大容量约束，和为功冷并供的电能和冷能输出；
所述换热器模型约束的条件为：
其中，和为换热器的最小、最大容量约束，在特定的环境中为定值，k1为比例拟合系数，f2为进入换热器的入口中温温度。
步骤四：利用粒子群算法迭代计算出最优解，并对全局最优解进行输出；如图2所示：
所述利用粒子群算法迭代计算出最优解，具体为，
计算所述系统的出力；
计算所述系统的储能功率和负荷功率；
判断所述系统是否满足所述功率约束和所述设备出力约束；
所述系统不满足所述功率约束和所述设备出力约束时，则调整粒子群的粒子位置和速度，重新进行所述粒子群算法迭代计算；
所述系统满足所述功率约束和所述设备出力约束时，记录本次计算的最优解。
具体的，所述全局最优解为稳定数值时输出。
需要说明的是稳定数值为接连几次迭代后变量波动最小时输出的值，该输出值为全局最优解，也可认为是迭代最后一次输出的值。
具体的，所述出力的设备包括风电发电机、光伏发电机。
具体的，所述储能功率的储能形式包括储电和储热，所述负荷功率的负荷形式包括制冷机、功冷并供、吸热式热泵。
示例性的，所述出力为提供电能的输入部分，所述储能功率和负荷功率为能量储蓄以及能量消耗的功率；以太阳能集热器吸收太阳热能与甲醇燃料发生气化反应为例，进行能量处理、储能、负荷消耗来说明能量的转换，太阳能集热器吸收太阳热能与甲醇燃料发生气化反应，生成合成气进入燃气内燃机燃烧，产出电、热和高温烟气，电能直接供给电力负荷，热能经缸套水和换热器供给热力负荷，385℃高温烟气经供冷并供设备转化为电和热供给负荷使用，余下的208℃高温烟气流经吸收式热泵和热水换热器转化为热能使用，剩下的低温烟气无法使用，直接排入外界中，整个设备可用制冷机承担冷气负荷，除此之外依靠光伏发电机、风力发电机和大电网补充系统的电能缺额。
具体的，所述粒子群算法迭代计算的计算式为，
式中，tmax为算法的最大迭代次数；t为当前的迭代次数；ωstart和ωend分别为惯性权重的初始值、终止值；δ为控制因子，用来控制ω随迭代次数t变化曲线的平滑程度。
示例性的，在进行整体的运行时，首先输入原始数据，即输入原始状态的初始值、上下限参数、粒子群算法的学习因子、迭代次数、惯性常数；在原始数据输入完成后，确定初始化种群，确定初始化种群为确定粒子初始状态的位置、速度。
而后计算出风机、光伏的出力，计算完成后计算出储电、储热、制冷机、功冷并供、吸热式热泵能量；而后判断计算出的数值是否满足功率约束和设备出力约束，如果不满足功率约束和设备出力约束，则在与电网进行交互，进行粒子算法迭代，此例中的与电网交互改变出力即改变粒子的速度和位置，其中出力包括风电发电机、光伏发电机，而后再次计算出风机、光伏，计算完成后计算出储电、储热、制冷机、功冷并供、吸热式热泵能量；再次判断其是否满足功率约束和设备出力约束，若不满足则再次改变粒子位置，依次循环；若满足功率约束和设备出力约束，则通过目标函数求出该状态下的最优解。
然后利用粒子群计算式改变初始粒子的位置和粒子的速度，而后判断是否满足最大迭代次数，若不是，则通过对迭代次数加1，进而改变粒子的位置和速度，回到计算出风机、光伏的出力进行计算，计算完成后计算出储电、储热、制冷机、功冷并供、吸热式热泵能量这一步向下操作，再操作到判断迭代次数是否大于最大迭代次数这一步时，若迭代次数仍然小于最大的迭代次数则再次加1进行循环操作；若达到最大迭代次数，则将达到最大迭代次数的最优解为全局最优解，进行输出，如图3所示。本实施例中，最大迭代次数设置为预定值，当迭代次数达到预定值时，可以认为最后几次迭代计算输出的最优解趋于稳定，即几次输出的最优解波动不大且能够达使得系统达到理想的最小耗费。
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)
1.一种耦合多能源互补系统的优化调度方法，其特征在于，所述方法包括以下步骤：
确定所述系统的目标函数；
确定所述系统的功率约束；
确定所述系统的各个设备出力约束；
利用粒子群算法迭代计算出最优解，并对全局最优解进行输出。
2.根据权利要求1所述的优化调度方法，其特征在于，所述利用粒子群算法迭代计算出最优解，具体为，
计算所述系统的设备出力；
计算所述系统的储能功率和负荷功率；
判断所述系统是否满足所述功率约束和所述设备出力约束；
所述系统不满足所述功率约束和所述设备出力约束时，则调整粒子群的粒子位置和速度，重新进行所述粒子群算法迭代计算；
所述系统满足所述功率约束和所述设备出力约束时，记录本次计算的最优解。
3.根据权利要求1或2所述的优化调度方法，其特征在于，所述全局最优解为稳定数值时输出。
4.根据权利要求2所述的优化调度方法，其特征在于，所述出力的设备包括风电发电机、光伏发电机。
5.根据权利要求2所述的优化调度方法，其特征在于，所述储能功率的储能形式包括储电和储热，所述负荷功率的负荷形式包括制冷机、功冷并供、吸热式热泵。
6.根据权利要求1、2、4、5中任意一项所述的优化调度方法，其特征在于，所述目标函数为：
minF＝Fequ+Fgrid+Fmain (1)
其中：Fequ表示为设备的成本费，Fgrid为系统与电网的交互费用，Fmain为系统维护费用；
所述设备的成本费为：
其中：Mk为设备的使用年限，k为银行利率，M为不同设备编号；
所述电网的交互费用为：
其中，Nt为调度周期时间Fbuy(t)为向电网买电的价格，Fsell(t)为系统向电网卖电的价格，Pgrid(t)为某一时间与电网的交互功率；
所述系统维修费用为：
其中，k0(Pi)为设备的维修系数，Δt为设备维修的时间间隔，Pi为设备的发出功率。
7.根据权利要求1、2、4、5中任意一项所述的优化调度方法，其特征在于，所述功率约束包括功率平衡约束、交换功率约束、燃气内燃机约束、储热模型约束、制冷机功率约束、太阳能集热器约束、功冷并供模型约束和换热器模型约束中的一种或多种。
8.根据权利要求7所述的优化调度方法，其特征在于，所述设备出力约束包括光伏出力约束、储电池模型约束、风电功率约束中的一种或多种。
9.根据权利要求8所述的优化调度方法，其特征在于，所述功率平衡约束的条件为：
其中，Qinput,Hinput,Einput分别为冷、热、电三种能源输入，Qload，Hload，Eload分别为三种负荷需求；
所述交换功率约束的条件为：
其中，Pgrid.max、Pgrid.min分别表示交换功率的上、下限值，PPET grid为电网与系统的交互功率；
所述光伏PPV(t)出力约束的条件为：
0≤Ppv(t)≤PPV(t) (7)
其中，PPV(t)表示t时刻分布式系统中最大光伏发电功率，Ppv(t)表示t时刻分布式系统中的实际发电功率；
所述风电功率约束的条件为：
0≤Pwt(t)≤PWT(t) (8)
其中，PWT(t)表示t时刻分布式系统中最大风电功率，Pwt(t)表示t时刻分布式系统中实际风电功率；
所述储电池模型约束的条件为：
其中，表示t时刻储电的放电功率；表示t时刻储电的充电功率；是储电最大充电功率；是储电最大放电功率；引入0-1变量Ddischarge(t)和Dcharge(t)，1表示发电机运行，0表示发电机处于关机状态，0和1变量描述蓄电池充放电状态，Ddischarge(t)和Dcharge(t)分别表示为放电和充电状态，其中，当Ddischarge(t)＝1时，表示蓄电池放电，且Dcharge(t)＝0时，表示蓄电池充电，不存在两者皆为0或1的状态；分别表示储电的放电、充电效率；Ebes(t)表示分布式系统中t时刻储电剩余的电量，Ebes.max表示分布式系统中储电的容量，SOC_lbes和SOC_ubes表示分布式系统中储能荷电状态的最小值和最大值；Pbes.total.表示储能一个调度周期的充放电总的电量，λ表示最大充放电次数；
所述储热模型约束的条件为：
其中，表示t时刻储热的放热功率；表示t时刻储热的充热功率；是储热最大充热功率；是储热最大放热功率；引入0-1变量Hdischarge(t)和Hcharge(t)，其中Hdischarge(t)＝0是表示放热，Hcharge(t)＝1表示储热，不存在处于0-1之间的数值；Ehes(t)表示t时刻储热的储热量，Ehes.max表示储热容量，SOC_lhes、SOC_uhes表示光热系统储热状态的最小值和最大值；γ表示储热的耗散系数；分别表示储热的充热、放热效率；
所述燃气内燃机约束的条件为：
其中，PMG(t)表示t时刻内燃机的实际功率，表示分布式系统中燃气内燃机的运行时的最小、最大功率；Rd、Ru分别表示发电机向下、向上的最大爬坡速率；uMG(t)表示t时刻发电机运行的状态变量；表示发电机在整个调度周期内的最大启动次数；表示发电机的最小运行持续时间；
所述制冷机功率约束的条件为：
其中，Plbr(t)表示t时刻制冷机的实际功率，表示制冷机的最小、最大功率，Pcold.load(t)表示t时刻的制冷负荷。
所述太阳能集热器约束的条件为：
Psolar＝DNI·S (13)
其中，DNI为太阳能辐射强度，S为太阳能集热器辐射面积，Psolar为太阳能集热器吸收的太阳能热能；
所述功冷并供模型约束的条件为：
其中，a,b,c,d,e,g为拟合系数，f1为高温烟气入口温度，和分别为功冷并供设备的最小、最大容量约束，和为功冷并供的电能和冷能输出；
所述换热器模型约束的条件为：
其中，和为换热器的最小、最大容量约束，k1为比例拟合系数，f2为进入换热器的入口中温温度。
10.根据权利要求1、2、4、5、8、9中任意一项所述的优化调度方法，其特征在于，所述粒子群算法迭代计算的计算式为，
式中，tmax为算法的最大迭代次数；t为当前的迭代次数；ωstart和ωend分别为惯性权重的初始值、终止值；δ为控制因子，用来控制ω随迭代次数t变化曲线的平滑程度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811563762.7A CN109768567A (zh) | 2018-12-20 | 2018-12-20 | 一种耦合多能源互补系统的优化调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811563762.7A CN109768567A (zh) | 2018-12-20 | 2018-12-20 | 一种耦合多能源互补系统的优化调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109768567A true CN109768567A (zh) | 2019-05-17 |
Family
ID=66451923
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811563762.7A Pending CN109768567A (zh) | 2018-12-20 | 2018-12-20 | 一种耦合多能源互补系统的优化调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109768567A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110361969A (zh) * | 2019-06-17 | 2019-10-22 | 清华大学 | 一种冷热电综合能源系统优化运行方法 |
| CN114621794A (zh) * | 2022-05-16 | 2022-06-14 | 烟台尚美丽家新能源有限公司 | 一种生物质气化炉多能耦合智慧联供生产系统及方法 |
| CN115018402A (zh) * | 2022-08-10 | 2022-09-06 | 浙江浩普环保工程有限公司 | 一种太阳能储能的智能调控方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104135025A (zh) * | 2014-05-30 | 2014-11-05 | 国家电网公司 | 基于模糊粒子群算法和储能系统的微网经济运行优化方法 |
| CN104361393A (zh) * | 2014-09-06 | 2015-02-18 | 华北电力大学 | 基于粒子群优化算法改进的神经网络模型用于数据预测方法 |
| CN104616208A (zh) * | 2015-02-04 | 2015-05-13 | 东南大学 | 一种基于模型预测控制的冷热电联供型微电网运行方法 |
| CN105869075A (zh) * | 2016-04-19 | 2016-08-17 | 东南大学 | 一种冷热电联供型微型能源网经济优化调度方法 |
| CN106451550A (zh) * | 2016-11-10 | 2017-02-22 | 三峡大学 | 一种基于改进次梯度粒子群的微电网并网优化调度方法 |
| CN108008629A (zh) * | 2016-10-29 | 2018-05-08 | 南京理工大学 | 一种多种能源互补利用系统的优化运行方法 |
-
2018
- 2018-12-20 CN CN201811563762.7A patent/CN109768567A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104135025A (zh) * | 2014-05-30 | 2014-11-05 | 国家电网公司 | 基于模糊粒子群算法和储能系统的微网经济运行优化方法 |
| CN104361393A (zh) * | 2014-09-06 | 2015-02-18 | 华北电力大学 | 基于粒子群优化算法改进的神经网络模型用于数据预测方法 |
| CN104616208A (zh) * | 2015-02-04 | 2015-05-13 | 东南大学 | 一种基于模型预测控制的冷热电联供型微电网运行方法 |
| CN105869075A (zh) * | 2016-04-19 | 2016-08-17 | 东南大学 | 一种冷热电联供型微型能源网经济优化调度方法 |
| CN108008629A (zh) * | 2016-10-29 | 2018-05-08 | 南京理工大学 | 一种多种能源互补利用系统的优化运行方法 |
| CN106451550A (zh) * | 2016-11-10 | 2017-02-22 | 三峡大学 | 一种基于改进次梯度粒子群的微电网并网优化调度方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李楠等: "基于改进粒子群算法的多能互补微电网系统优化配置与运行策略研究", 《电器与能效管理技术》 * |
| 熊焰等: "风光气储互补发电的冷热电联供优化协调模型及求解方法", 《中国电机工程学报》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110361969A (zh) * | 2019-06-17 | 2019-10-22 | 清华大学 | 一种冷热电综合能源系统优化运行方法 |
| CN110361969B (zh) * | 2019-06-17 | 2021-01-05 | 清华大学 | 一种冷热电综合能源系统优化运行方法 |
| CN114621794A (zh) * | 2022-05-16 | 2022-06-14 | 烟台尚美丽家新能源有限公司 | 一种生物质气化炉多能耦合智慧联供生产系统及方法 |
| CN114621794B (zh) * | 2022-05-16 | 2022-08-19 | 烟台尚美丽家新能源有限公司 | 一种生物质气化炉多能耦合智慧联供生产系统及方法 |
| CN115018402A (zh) * | 2022-08-10 | 2022-09-06 | 浙江浩普环保工程有限公司 | 一种太阳能储能的智能调控方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111445090B (zh) | 一种离网型综合能源系统双层规划方法 | |
| CN111463836B (zh) | 一种综合能源系统优化调度方法 | |
| CN108717594B (zh) | 一种冷热电联供型多微网系统经济优化调度方法 | |
| CN108206543B (zh) | 一种基于能源梯级利用的能源路由器及其运行优化方法 | |
| CN111860937B (zh) | 基于改进多目标灰狼算法的冷热电联供型微电网优化方法 | |
| CN113112087A (zh) | 考虑电热负荷需求响应的综合能源系统运行成本优化方法 | |
| Li et al. | Performance evaluation of solar hybrid combined cooling, heating and power systems: A multi-objective arithmetic optimization algorithm | |
| CN109245093A (zh) | 一种冷热电联供分布式能源站协同优化调度方法 | |
| CN109523065B (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 | |
| CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
| CN105955931B (zh) | 面向高密度分布式光伏消纳的区域能源网络优化调度方法 | |
| CN113779783B (zh) | 计及多重不确定性的区域综合能源系统规划与运行联合优化方法 | |
| CN110930073B (zh) | 计及价格型需求响应的风-光-光热联合发电系统日前调度方法 | |
| CN114330827B (zh) | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 | |
| CN109768567A (zh) | 一种耦合多能源互补系统的优化调度方法 | |
| CN110555618A (zh) | 基于改进樽海鞘算法的网络化综合能源系统优化调度方法 | |
| CN112883630B (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
| CN105958537A (zh) | 面向能源互联网的能源转换系统及其优化控制方法 | |
| CN112668791A (zh) | 热电联供系统的优化方法 | |
| CN114742276A (zh) | 一种考虑㶲效率的含orc的园区综合能源系统多目标优化调度方法 | |
| CN116191508A (zh) | 一种计及风光出力的含储能有源配电网经济运行优化方法 | |
| CN112085263A (zh) | 一种用户侧分布式能源系统混合储能优化配置方法和系统 | |
| CN116308881A (zh) | 利用供热管网储热的综合能源系统多时间尺度调度方法 | |
| Qi et al. | A Distributionally Robust Optimization Scheduling Model for Regional Integrated Energy Systems Considering Hot Dry Rock Co-Generation. | |
| CN112713590B (zh) | 计及idr的冷热电联供微网与主动配电网联合优化调度方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190517 |
|
| RJ01 | Rejection of invention patent application after publication |