CN109993419A - 一种综合能源服务商云协同-边缘协同优化调度方法 - Google Patents

一种综合能源服务商云协同-边缘协同优化调度方法 Download PDF

Info

Publication number
CN109993419A
CN109993419A CN201910201669.XA CN201910201669A CN109993419A CN 109993419 A CN109993419 A CN 109993419A CN 201910201669 A CN201910201669 A CN 201910201669A CN 109993419 A CN109993419 A CN 109993419A
Authority
CN
China
Prior art keywords
microgrid
power
moment
constraint
lower layer
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
Application number
CN201910201669.XA
Other languages
English (en)
Other versions
CN109993419B (zh
Inventor
喻洁
顾海飞
李扬
郑伟
张新森
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 CN201910201669.XA priority Critical patent/CN109993419B/zh
Publication of CN109993419A publication Critical patent/CN109993419A/zh
Application granted granted Critical
Publication of CN109993419B publication Critical patent/CN109993419B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/16—Energy services, e.g. dispersed generation or demand or load or energy savings aggregation

Abstract

本发明公开了一种综合能源服务商云协同‑边缘协同优化调度方法，该方法包括：建立微网集群综合能源服务商云协同‑边缘协同优化调度模型，上层为微网集群综合能源服务商云协同中心，下层为各微网边缘协同中心；上层集群云协同中心综合考虑收益熵约束并按照全局目标优化计算微网集群面向用户需求的售电和售热功率作为决策变量，传送给下层各微网边缘协同中心；下层微网边缘协同中心依据自身局部目标，对微能源发电量和发热量做出修正；再传送给上层集群云协同中心；如此反复修正迭代，直至达到上下层都满意的协调解。本发明适应了微网集群综合能源服务商的全分布式优化特点，可实现多个微网之间的云协同‑边缘协同运行。

Description

一种综合能源服务商云协同-边缘协同优化调度方法
技术领域
本发明涉及电力优化调度技术领域，尤其涉及一种考虑收益熵的综合能源服务商云协同-边缘协同优化调度方法。
背景技术
世界范围内持续紧张的能源形势促进了能源产业结构的调整与发展。基于多能耦合原理的能源互联网多元优化和分级控制运行机理已成为实现分布式能源形式多样化的研究重点。微网将地理位置相对集中的分布式能源连接成为一个小型的能源互联网，为大规模分布式能源协调控制提供了一种有效方法。
随着分布式能源大规模接入，为充分发挥分布式能源效益，有效解决其随机性、波动性带来的相关问题，在微网的基础上提出了微网集群的概念。而随着能源互联网关键技术以及新能源交易方式的广泛应用，近年来在微网集群的基础上提出了综合能源服务的概念，从而引发了能源系统的深刻变革。微网集群综合能源服务商含多个子微网，每个子微网中又含类型各异的负荷、分布式能源、储能及能源转换装置等资源。微网集群中的各微网可根据区域特点及自身需求，作为一个整体参与系统运行，可有效发挥其内部分布式能源优势并提高用户供电、供热和供冷可靠性。但微网集群内含大量分布式能源，分布式能源容量小、设备种类繁多、出力不稳定及灵活性负荷资源的引入，对能源互联网方式下的分布式能源集群调度提出了更高的要求和挑战。
按需求设立总体运行目标，实现多个微网之间的云协同-边缘协同运行；而微网集群中各微网又有自身目标，其内部不同种类的分布式能源有着不同的运行特性，微网中的蓄电池等储能设备既可作为电源，也可作为负荷，而能源转化设备既可作为负荷，也可作为能量耦合的载体；这些多样性和灵活性，极大增加了微网自身调度的难度。如何兼顾微网集群综合能源服务商的总体目标与各微网之间的局部目标利益，如何在微网集群运行时，对这些分布式能源、蓄电池及能量耦合装置进行合理的调度管理，以保证在不同时段都能满足电-气-热-冷负荷需求并且获得最理想的经济运行效益，是研究能源互联网技术的关键问题，也是能源互联网大规模推广应用面临的实际问题。同时，与传统电力调度相比较，微网集群调度具有能源形式多样性、调度多层次性等特点，传统电力调度结构并不适用于微网集群调度。
发明内容
发明目的：针对现有的技术存在的上述问题，提供一种综合能源服务商云协同-边缘协同优化调度方法。
技术方案：本发明综合能源服务商云协同-边缘协同优化调度方法包括如下步骤：
(1)以微网集群云协同中心为上层，建立上层优化调度模型，所述上层优化调度模型以面向用户需求的售电和售热功率作为决策变量；
(2)以各微网边缘协同中心为下层，建立下层优化调度模型，所述下层优化调度模型以各微网内部各微能源发电功率和产热功率为决策变量；其中，每一微网边缘协同中心对应一个微网；
(3)上下层通过各自的决策变量，采用交替迭代求解策略实现多个微网之间的云协同-边缘协同运行。
进一步地，步骤(1)中建立的所述上层优化调度模型以考虑收益熵的综合能源服务商总的收益最大化为目标，且约束条件包括以面向用户需求的售电、售热功率约束和收益熵值约束；步骤(2)中建立的所述下层优化调度模型以各微网的总发电运行和维护、消耗天然气产热和从外网购电的支出成本最小为目标，且约束条件包括微网内电功率平衡等式约束、热/冷功率平衡等式约束、辅助设备能源转换等式约束、各微能源发电和输出热功率不等式约束、与外网并网交换功率约束以及各种锅炉和储能设备输出功率不等式约束。
进一步地，步骤(3)具体为：上层首先考虑收益熵约束求出决策变量的初始解，输入下层；对于下层各微网边缘协同中心，以初始解为起始参考值，进行优化求解，修正初始解，得到修正决策解，返回上层；上层以修正后的决策解为起始参考值，进行优化求解，得到再次修正的决策解，输入下层；上下两层如此反复迭代，直到符合各层迭代终止条件，最终获得各决策者的均衡满意解，实现多个微网之间的云协同-边缘协同运行。
有益效果：本发明与现有技术相比，针对微网集群和综合能源服务的分布特点及分层优化理论，提出了微网集群综合能源服务商云协调-边缘协调优化调度模型，突破了传统单一层次电力调度模式，通过多决策者的调度算法，可实现多个微网之间的云协同-边缘协同运行。此外，该优化方法还可有效提高分布式能源利用率及用户供能可靠性，提高微网及外部电网运行的经济性，具有重要的现实意义。
附图说明
图1是微网集群综合能源服务商云协同-边缘协同优化调度流程图；
图2是电-气-热-冷联供型单个微网基本结构。
具体实施方式
以下结合附图对本发明进行详细说明。
本发明所涉及的考虑收益熵的综合能源服务商云协同-边缘协同优化调度针对微网集群集中-分布式特点，建立微网集群综合能源服务商云协同-边缘协同优化调度模型，上层为微网集群云协同中心，考虑收益熵约束并根据综合能源服务商的需求设立总体调度目标；下层为各微网边缘协同中心，依据各微网自身特点设立相应目标。上下两层决策者通过各自的决策变量相互影响、相互作用，采用上下层交替迭代求解策略实现多个微网之间的云协同-边缘协同运行，包括：
上层微网集群云协同中心考虑收益熵约束并根据综合能源服务商的需求设立总体调度目标，综合考虑微网集群能源服务商收入和支出产生的总经济效益，以综合能源服务商总的收益最大化为综合目标建立目标函数，以面向用户需求的售电和售热功率、收益熵值等约束为约束条件，建立综合能源服务商的多目标优化调度模型。
①综合能源服务商的目标函数：
C表征综合能源服务商的总收益；Δt为时间间隔长度，T为总时间段；是微网集群在t时刻向用户售电的总收益；是微网集群在t时刻向用户售热的总收益；是微网集群在t时刻消耗的总成本费用；IMG是上层的微网集群云协同中心参与分布式调度控制的下层微网边缘协同中心的个数；是微网集群在t时刻向用户售电的成本系数；是微网集群在t时刻面向用户需求销售的总电功率；是微网集群在t时刻向用户售热的成本系数，是微网集群在t时刻面向用户需求销售的总热功率；是第i个微网在t时刻消耗的成本费用；
②售电和售热不等式约束条件：
和分别为微网集群在t时刻面向用户需求售电和售热的总功率的上限；
③定义收益熵不等式约束条件：
假设Xt是微网集群综合能源服务商在t时刻面向用户需求时可能出现的一些不同状态；R(Xt)代表状态Xt出现的概率，则该综合能源服务商的收益熵H定义为：
于面向用户售电和售热的收益熵值，即H值越小，该服务商提供的收益熵信息量越大，在综合评价中所起的作用越大，权重就应该越高，综合能源服务商的总收益越大。Hmin和Hmax分别是微网集群自身设定的最小和最大收益熵范围。
下层各微网边缘协同中心依据各微网自身特点设立相应目标，各微网内部可根据实际需求实现不同的目标。例如，各微网边缘协同中心以各微网的总发电运行和维护、消耗天然气产热和从外网购电的支出成本最小为目标；
①各微网的目标函数
各微网的目标函数为第i个微网内总发电运行和维护、消耗天然气产热和从外网购电的支出成本最小，其表达式为：
是第i个微网在t时刻总的支出成本；是分布式电源(含风电、光伏、微型燃气轮机、电储能装置)的总运行与维护成本；是第i个微网在t时刻并网后从外网购电的收益；是第i个微网在t时刻消耗天然气发热的总成本；M、K、N、E分别是第i个微网内部风电、光伏、微型燃气轮机、锅炉的总数；是风力发电的输出功率；是风电设备的运行成本系数；是光伏发电的输出功率；是光伏发电设备的运行成本系数；是微型燃气轮机的输出功率；是微型燃气轮机的运行和维护成本系数；和是微型燃气轮机的启/停费用，与启停时间的长短有关；un,t和un,t-1分别是该机组在时刻t和t-1的状态；当un,t取1时，该机组在运行；un,t取0时，该机组为停运；和分别是储能装置的充/放电功率；是储能设备的运行和维护成本系数；是第e个燃气锅炉的运行和维护成本系数；是第e个燃气锅炉的输出热功率；是第i个微网的综合能源服务商在t时刻并网后从外网购电的成本系数；是第i个微网在t时刻并网后从外网购买的电功率；是热电联产机组消耗天然气的燃料成本系数，ηmt和ηq,gb分别是热电联产机组的产电/产热的效率；
下层各微网边缘协同中心考虑约束条件可以包括：微网内电功率平衡等式约束、热/冷功率平衡等式约束、辅助设备能源转换等式约束、各微能源发电和输出热功率不等式约束、与外网并网交换功率约束以及各种锅炉和储能设备输出功率不等式约束；
②微网内电功率平衡等式约束：
微网内电功率平衡等式约束包括有功功率等式潮流约束和微网集群的电力需求功率平衡约束；
有功功率等式潮流约束方程为：即：
和分别是第i个微网中储能设备在t时刻的充电和放电效率；是第i个微网在t时刻的负载功率；是第i个微网在t时刻的电锅炉消耗的电功率；是第i个微网在t时刻的电制冷装置消耗的电功率；
关于微网集群的电力需求功率平衡约束，在忽略微网集群内部损耗的前提下，由于各微网处于并网运行模式，那么在t时刻微网集群的电力需求功率平衡关系可近似表达为：
其中，是第i个微网在t时刻并网后从外网购买的电功率；表示电力系统配调中心在t时刻下发的并网总功率调度指令值；
③微网内热/冷功率平衡等式约束：
热功率等式约束方程：
冷功率等式约束方程：
在式(9)至(11)中，是第n个余热锅炉REC输出的热功率，是第e个燃气锅炉的输出热功率，是第i个微网在t时刻电锅炉EH输出的热功率，是第i个微网在t时刻面向用户需求销售的热功率，是溴化锂装置AC的输入热功率，是热转换器HE的输入热功率，是第i个微网在t时刻电制冷压缩机EC输出的冷功率，是AC输出的热功率，是第i个微网在t时刻面向用户需求销售的冷功率，
④下层各微网内辅助设备能源转换等式约束：
电锅炉电转热(EH)
电制冷压缩机电制冷(EC)
余热锅炉气转热(REC)
溴化锂装置热制冷(AC)
热转换器热转热负荷(HE)
在式(12)至(16)中，是EH的能源转换效率，是EC的能源转换效率；是输入REC的热功率，是REC的能源转换效率，ξloss是REC的热损耗率；是AC的能源转换效率；是HE输出的热功率，是HE的能源转换效率；
⑤微网内各微能源发电和输出热功率不等式约束：
各分布式电源的功率上、下限约束：
其中，和别是第i个微网内部各风电、光伏、微型燃气轮机在t时刻的输出功率的上限；和别是第i个微网内部各风电、光伏、微型燃气轮机在t时刻的输出功率的下限；
⑥微网内与外网并网交换功率约束：
第i个微网与外网之间并网交换的电功率上限和下限如下：
是第i个微网在t时刻并网后从主网购买电功率的上限值，主要是由分布式电源、储能容量、线路传输能力的约束决定。
⑦微网内各种锅炉和储能设备输出功率不等式约束：
燃气锅炉的不等式约束：
是第i个微网内部燃气锅炉在t时刻输出的热功率上限，下限为0；
余热锅炉的不等式约束：
是第i个微网内部余热锅炉在t时刻输出的热功率上限，下限为0；
电锅炉的不等式约束：
是第i个微网内部电锅炉在t时刻消耗的电功率上限；
储能设备的不等式约束：
和分别是第i个微网中储能设备在t时刻的充电功率下/上限；
和分别是第i个微网中储能设备在t时刻的放电功率下/上限；
Bi,t是第i个微网中储能设备在t时刻的充电状态；和分别是储能设备充电状态的下/上限；
其中，以上约束条件中的具体表达式均如前所述。
针对上述建立的优化模型，各层决策者根据自身特点，设立相应的决策变量。上层(微网集群层)考虑收益熵约束并以综合能源服务商面向用户需求的售电和售热功率作为决策变量；下层(微网层)以各微网内微能源发电功率和产热功率作为决策变量。
采用上下层交互迭代求解云协同-边缘协同优化调度模型。微网集群云协同中心(上层)依据全局目标及所考虑的约束条件先求出初始解，输入各微电网边缘协同中心(下层)；各微电网协同中心以上层输入作为初始值，依据本地局部目标及所考虑的约束条件，求出修正解，返回给集群云协同中心(上层)；集群云协同中心再将返回的修正解作为初始值，再次求出符合全局目标的优化解，输入下层各微网边缘协同中心；各微网调度中心再以此为初始值，求修正解，返回上层；上下两层如此反复迭代，直到符合各层迭代终止条件，兼顾全局与局部目标，实现多个微网之间的云协同-边缘协同运行。
简而言之，本发明步骤大致如下。
1)根据如图1所示，上层微网集群调度中心综合考虑能源服务商收入和支出产生的总经济效益，以考虑收益熵的综合能源服务商总收益最大化为目标，建立微网集群上层多目标优化调度模型。
2)根据如图2所示，下层微网边缘协同中心根据各微网内部自身特点，设立相应的目标函数，其中成本型微网以总发电运行和维护、与外网并网交换功率约束、消耗天然气产热和从外网购电的支出成本最小为目标；建立满足自身需要的目标函数及约束条件，形成下层优化调度模型。
3)根据模型特点，设立上下层决策变量。上层(微网集群层)考虑收益熵约束并以综合能源服务商面向用户需求的售电和售热功率作为决策变量；下层(微网层)以各微网内微能源发电功率和产热功率作为决策变量。
4)微网集群云协同中心(上层)首先求出决策变量的初始解，输入各微网边缘协同中心(下层)；
5)各微网边缘协同中心(下层)以初始解为起始参考值，进行优化求解，修正初始解，得到修正决策解，返回上层微网集群云协同中心；
6)上层以修正后的决策解为起始参考值，进行优化求解，得到再次修正的决策解，输入下层；
7)上下两层如此反复迭代，直到符合各层迭代终止条件；，若不满足则返回6)继续迭代，否则结束迭代计算，获得最终决策值。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (5)

1.一种综合能源服务商云协同-边缘协同优化调度方法，其特征在于，包括如下步骤：
(1)以微网集群云协同中心为上层，建立上层优化调度模型，所述上层优化调度模型以面向用户需求的售电和售热功率作为决策变量；
(2)以各微网边缘协同中心为下层，建立下层优化调度模型，所述下层优化调度模型以各微网内部各微能源发电功率和产热功率为决策变量；其中，每一微网边缘协同中心对应一个微网；
(3)上下层通过各自的决策变量，采用交替迭代求解策略实现多个微网之间的云协同-边缘协同运行。
2.根据权利要求1所述的综合能源服务商云协同-边缘协同优化调度方法，其特征在于：
步骤(1)中建立的所述上层优化调度模型以考虑收益熵的综合能源服务商总的收益最大化为目标，且约束条件包括以面向用户需求的售电、售热功率约束和收益熵值约束；
步骤(2)中建立的所述下层优化调度模型以各微网的总发电运行和维护、消耗天然气产热和从外网购电的支出成本最小为目标，且约束条件包括微网内电功率平衡等式约束、热/冷功率平衡等式约束、辅助设备能源转换等式约束、各微能源发电和输出热功率不等式约束、与外网并网交换功率约束以及各种锅炉和储能设备输出功率不等式约束。
3.根据权利要求1所述的综合能源服务商云协同-边缘协同优化调度方法，其特征在于，步骤(3)具体为：上层首先考虑收益熵约束求出决策变量的初始解，输入下层；对于下层各微网边缘协同中心，以初始解为起始参考值，进行优化求解，修正初始解，得到修正决策解，返回上层；上层以修正后的决策解为起始参考值，进行优化求解，得到再次修正的决策解，输入下层；上下两层如此反复迭代，直到符合各层迭代终止条件，最终获得各决策者的均衡满意解，实现多个微网之间的云协同-边缘协同运行。
4.根据权利要求2所述的综合能源服务商云协同-边缘协同优化调度方法，其特征在于，步骤(1)中，
上层优化调度模型的目标函数为：
C表征综合能源服务商的总收益；Δt为时间间隔长度，T为总时间段；IMG是上层的微网集群云协同中心参与分布式调度控制的下层微网边缘协同中心的个数；是微网集群在t时刻向用户售电的成本系数；是微网集群在t时刻面向用户需求销售的总电功率；是微网集群在t时刻向用户售热的成本系数，是微网集群在t时刻面向用户需求销售的总热功率；是第i个微网在t时刻消耗的成本费用；
上层优化调度模型的售电、售热功率约束为：
和分别为微网集群在t时刻面向用户需求售电和售热的总功率的上限；
上层优化调度模型的收益熵值H约束为：
其中，R(Xt)为综合能源服务商在t时刻的收益率；Hmin和Hmax分别是微网集群自身设定的最小和最大收益熵范围。
5.根据权利要求2所述的综合能源服务商云协同-边缘协同优化调度方法，其特征在于，步骤(2)中，
下层优化调度模型中关于第i个微网的目标函数为：
是第i个微网在t时刻总的支出成本；M、K、N、E分别是第i个微网内部风电、光伏、微型燃气轮机、锅炉的总数；是风力发电的输出功率；是风电设备的运行成本系数；是光伏发电的输出功率；是光伏发电设备的运行成本系数；是微型燃气轮机的输出功率；是微型燃气轮机的运行和维护成本系数；和分别是微型燃气轮机的启、停费用，与启停时间的长短有关；un,t和un,t-1分别是该机组在时刻t和t-1的状态；当un,t取1时，该机组在运行；un,t取0时，该机组为停运；和分别是储能装置的充、放电功率；是储能设备的运行和维护成本系数；是第e个燃气锅炉的运行和维护成本系数；是第e个燃气锅炉的输出热功率；是第i个微网的综合能源服务商在t时刻并网后从外网购电的成本系数；是第i个微网在t时刻并网后从外网购买的电功率；是热电联产机组消耗天然气的燃料成本系数，ηmt和ηq,gb分别是热电联产机组的产电/产热的效率；
下层优化调度模型中微网内电功率平衡等式约束包括：有功功率等式潮流约束和微网集群的电力需求功率平衡约束；
所述有功功率等式潮流约束为：
其中，和分别是第i个微网中储能设备在t时刻的充电和放电效率；是第i个微网在t时刻的负载功率；是第i个微网在t时刻的电锅炉消耗的电功率；是第i个微网在t时刻的电制冷装置消耗的电功率；
关于微网集群的电力需求功率平衡约束，在忽略微网集群内部损耗的前提下，由于各微网处于并网运行模式，那么在t时刻微网集群的电力需求功率平衡关系可近似表达为：
其中，是第i个微网在t时刻并网后从外网购买的电功率；表示电力系统配调中心在t时刻下发的并网总功率调度指令值；
下层优化调度模型中热功率平衡等式约束为：
下层优化调度模型中冷功率平衡等式约束为：
下层优化调度模型中辅助设备能源转换等式约束包括：
电锅炉电转热(EH)
电制冷压缩机电制冷(EC)
余热锅炉气转热(REC)
溴化锂装置热制冷(AC)
热转换器HE(热转热负荷)
是第i个微网在t时刻EH输出的热功率，是EH的能源转换效率；是第i个微网在t时刻EC输出的冷功率，是EC的能源转换效率；是输入REC的热功率，是REC输出的热功率，是REC的能源转换效率，ξloss是REC的热损耗率；是AC输出的热功率，是AC的输入热功率，是AC的能源转换效率；是HE输出的热功率，是HE的输入热功率，是HE的能源转换效率；
下层优化调度模型中各微能源发电和输出热功率不等式约束为：
其中，和别是第i个微网内部各风电、光伏、微型燃气轮机在t时刻的输出功率的上限；和别是第i个微网内部各风电、光伏、微型燃气轮机在t时刻的输出功率的下限；
第i个微网与外网之间并网交换功率约束为：
其中，是第i个微网在t时刻并网后从主网购买电功率的上限值；
燃气锅炉输出功率不等式约束为：
是第i个微网内部燃气锅炉在t时刻输出的热功率上限；
余热锅炉输出功率不等式约束为：
是第i个微网内部余热锅炉在t时刻输出的热功率上限；
电锅炉输出功率不等式约束为：
是第i个微网内部电锅炉在t时刻消耗的电功率上限；
储能设备输出功率不等式约束为：
和分别是第i个微网中储能设备在t时刻的充电功率下限和上限；和分别是第i个微网中储能设备在t时刻的放电功率下限和上限；Bi,t是第i个微网中储能设备在t时刻的充电状态；和分别是储能设备充电状态的下限和上限。
CN201910201669.XA 2019-03-18 2019-03-18 一种综合能源服务商云协同-边缘协同优化调度方法 Active CN109993419B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910201669.XA CN109993419B (zh) 2019-03-18 2019-03-18 一种综合能源服务商云协同-边缘协同优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910201669.XA CN109993419B (zh) 2019-03-18 2019-03-18 一种综合能源服务商云协同-边缘协同优化调度方法

Publications (2)

Publication Number Publication Date
CN109993419A true CN109993419A (zh) 2019-07-09
CN109993419B CN109993419B (zh) 2021-11-26

Family

ID=67130418

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910201669.XA Active CN109993419B (zh) 2019-03-18 2019-03-18 一种综合能源服务商云协同-边缘协同优化调度方法

Country Status (1)

Country Link
CN (1) CN109993419B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111525626A (zh) * 2020-04-13 2020-08-11 清华大学 一种基于云边协同计算的微电网实时调度方法及系统
CN112232586A (zh) * 2020-10-29 2021-01-15 上海电力大学 一种基于机会约束规划的综合能源微网群协调控制方法
CN112541269A (zh) * 2020-12-14 2021-03-23 国家电网有限公司 一种综合能源服务商服务产品组合优化方法
CN113360289A (zh) * 2021-07-08 2021-09-07 山东大学 基于边缘计算的多区域综合能源系统分布式协同优化方法
CN113673141A (zh) * 2021-10-21 2021-11-19 中建安装集团有限公司 一种基于数据驱动的能量路由器建模及优化控制方法
CN113807729A (zh) * 2021-09-27 2021-12-17 国网江苏省电力有限公司常州供电分公司 一种基于双层优化的综合能源微网群协调运行优化方法
CN113837430A (zh) * 2021-07-28 2021-12-24 合肥工业大学 基于云网边端一体化的综合能源负荷优化调度方法及系统
CN114357743A (zh) * 2021-12-22 2022-04-15 天津大学 一种区域能源互联网的边云协同优化方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2251822A1 (en) * 2009-05-12 2010-11-17 Siemens Aktiengesellschaft A method for load balancing in a power system
CN102097865A (zh) * 2011-03-25 2011-06-15 武汉大学 一种电力系统供电恢复方法
CN102236343A (zh) * 2010-04-30 2011-11-09 新奥科技发展有限公司 一种泛能网系统及其控制方法
US20120259477A1 (en) * 2011-04-05 2012-10-11 King Fahd University Of Petroleum And Minerals Particle swarm optimization system and method for microgrids
CN103761586A (zh) * 2014-02-11 2014-04-30 东南大学 微电网群“集中-分布式”协调优化调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2251822A1 (en) * 2009-05-12 2010-11-17 Siemens Aktiengesellschaft A method for load balancing in a power system
CN102236343A (zh) * 2010-04-30 2011-11-09 新奥科技发展有限公司 一种泛能网系统及其控制方法
CN102097865A (zh) * 2011-03-25 2011-06-15 武汉大学 一种电力系统供电恢复方法
US20120259477A1 (en) * 2011-04-05 2012-10-11 King Fahd University Of Petroleum And Minerals Particle swarm optimization system and method for microgrids
CN103761586A (zh) * 2014-02-11 2014-04-30 东南大学 微电网群“集中-分布式”协调优化调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JIE YU等: "Bi-level distributed optimal dispatch of micro grid clusters based on mutual communication", 《2015 THE 5TH INTERNATIONAL CONFERENCE ONELECTRIC UTILITY DEREGULATION AND RESTRUCTURING AND POWER TECHNOLOGIES（DRPT）》 *
JIE YU等: "Plug-in and plug-out dispatch optimization in microgrid clusters based on flexible communication", 《JOURNAL OF MODERN POWER SYSTEMS AND CLEAN ENERGY》 *
熊雄: "微网群混合协调控制及有功功率优化研究", 《中国博士学位论文全文数据库 工程科技II辑》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111525626A (zh) * 2020-04-13 2020-08-11 清华大学 一种基于云边协同计算的微电网实时调度方法及系统
CN112232586A (zh) * 2020-10-29 2021-01-15 上海电力大学 一种基于机会约束规划的综合能源微网群协调控制方法
CN112541269A (zh) * 2020-12-14 2021-03-23 国家电网有限公司 一种综合能源服务商服务产品组合优化方法
CN112541269B (zh) * 2020-12-14 2024-03-19 国家电网有限公司 一种综合能源服务商服务产品组合优化方法
CN113360289A (zh) * 2021-07-08 2021-09-07 山东大学 基于边缘计算的多区域综合能源系统分布式协同优化方法
CN113360289B (zh) * 2021-07-08 2022-06-10 山东大学 基于边缘计算的多区域综合能源系统分布式协同优化方法
CN113837430A (zh) * 2021-07-28 2021-12-24 合肥工业大学 基于云网边端一体化的综合能源负荷优化调度方法及系统
CN113837430B (zh) * 2021-07-28 2023-07-04 合肥工业大学 基于云网边端一体化的综合能源负荷优化调度方法及系统
CN113807729A (zh) * 2021-09-27 2021-12-17 国网江苏省电力有限公司常州供电分公司 一种基于双层优化的综合能源微网群协调运行优化方法
CN113673141A (zh) * 2021-10-21 2021-11-19 中建安装集团有限公司 一种基于数据驱动的能量路由器建模及优化控制方法
CN114357743A (zh) * 2021-12-22 2022-04-15 天津大学 一种区域能源互联网的边云协同优化方法及装置

Also Published As

Publication number Publication date
CN109993419B (zh) 2021-11-26

Similar Documents

Publication Publication Date Title
CN109993419A (zh) 一种综合能源服务商云协同-边缘协同优化调度方法
CN109193626B (zh) 一种分布式能源站选型与定容优化规划统一求解方法
CN109659927B (zh) 一种考虑储能参与度的综合能源微网储能容量配置方法
CN107508328A (zh) 考虑风电消纳的联合系统能量优化方法
Hu et al. Optimal economic operation of isolated community microgrid incorporating temperature controlling devices
CN108229025A (zh) 一种冷热电联供型多微网主动配电系统经济优化调度方法
CN107958300A (zh) 一种考虑互动响应的多微网互联运行协调调度优化方法
CN109146182A (zh) 计及多种储能的分布式冷热电联供系统的经济调度方法
Teng et al. A model of electro-thermal hybrid energy storage system for autonomous control capability enhancement of multi-energy microgrid
CN112464477A (zh) 计及需求响应的多能耦合综合能源运行仿真方法
Yang et al. Research on heat and electricity coordinated dispatch model for better integration of wind power based on electric boiler with thermal storage
CN109861302B (zh) 一种基于主从博弈的能源互联网日前优化控制方法
CN109636056A (zh) 一种基于多智能体技术的多能源微网去中心化优化调度方法
CN113344249B (zh) 基于区块链的冷热电联供多微网优化调度方法和系统
CN111737884A (zh) 一种含多种清洁能源微能源网多目标随机规划方法
CN114662752A (zh) 基于价格型需求响应模型的综合能源系统运行优化方法
CN113822480A (zh) 一种农村综合能源系统多层协同优化方法及系统
CN109255487A (zh) 一种基于标准化矩阵模型的综合能源系统优化方法
Peng et al. Comprehensive energy cooperative optimization model based on energy conversion efficiency considering investment benefit
CN112001613A (zh) 基于多微能源网系统合作博弈决策机制的利益分配策略
Fan et al. Research on collaborative optimization model of park-level integrated energy system participating in power peak shaving
Zheng et al. Optimal rural integrated energy system configuration against the background of the rural energy transformation strategy
Yanan et al. Low-carbon optimal dispatching of electric-heat-gas coupled integrated energy system based on improved MVO algorithm
Hui et al. Capacity Allocation Optimization of Components in Regional Integrated Micro-energy System
CN114362152B (zh) 综合能源系统多时间尺度调度方法

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
GR01 Patent grant
GR01 Patent grant