CN110266059B - 一种基于三角综合评估的新型能源供给系统优化配置方法 - Google Patents

一种基于三角综合评估的新型能源供给系统优化配置方法 Download PDF

Info

Publication number
CN110266059B
CN110266059B CN201910491136.XA CN201910491136A CN110266059B CN 110266059 B CN110266059 B CN 110266059B CN 201910491136 A CN201910491136 A CN 201910491136A CN 110266059 B CN110266059 B CN 110266059B
Authority
CN
China
Prior art keywords
power
heat
soc
storage unit
time
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.)
Active
Application number
CN201910491136.XA
Other languages
English (en)
Other versions
CN110266059A (zh
Inventor
赵建勇
年珩
李延和
孔亮
张舒捷
陈春萌
董凌
方保民
郑丹萍
李永斌
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.)
Zhejiang University ZJU
State Grid Qinghai Electric Power Co Ltd
Original Assignee
Zhejiang University ZJU
State Grid Qinghai Electric Power Co Ltd
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 Zhejiang University ZJU, State Grid Qinghai Electric Power Co Ltd filed Critical Zhejiang University ZJU
Priority to CN201910491136.XA priority Critical patent/CN110266059B/zh
Publication of CN110266059A publication Critical patent/CN110266059A/zh
Application granted granted Critical
Publication of CN110266059B publication Critical patent/CN110266059B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F28—HEAT EXCHANGE IN GENERAL
    • F28D—HEAT-EXCHANGE APPARATUS, NOT PROVIDED FOR IN ANOTHER SUBCLASS, IN WHICH THE HEAT-EXCHANGE MEDIA DO NOT COME INTO DIRECT CONTACT
    • F28D20/00—Heat storage plants or apparatus in general; Regenerative heat-exchange apparatus not covered by groups F28D17/00 or F28D19/00
    • F28D20/0034—Heat storage plants or apparatus in general; Regenerative heat-exchange apparatus not covered by groups F28D17/00 or F28D19/00 using liquid heat storage material
    • 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
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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]
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/14—Thermal energy storage
    • 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)
  • Physics & Mathematics (AREA)
  • Thermal Sciences (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种基于三角综合评估的新型能源供给系统优化配置方法，其首先选取负荷失电率、负荷失热率、系统年化成本和能量过剩率作为新型能源供给系统电热供应稳定性、经济性和新能源利用情况三方面的评估指标，建立三角综合评估模型，并设定三角综合评估模型的面积为优化配置方法的目标函数；然后以三角综合评估模型的面积最大为目标，服从约束条件，建立新型能源供给系统的优化数学模型；最后采用分层迭代算法，求解出新型能源供给系统的最优配置方案，并通过实际算例验证了该优化方法的正确性和可行性，优化配置方案可以满足偏远地区电力热力的刚性需求，并有利于能源供给系统自身的经济运行和可再生能源的高效利用。

Description

一种基于三角综合评估的新型能源供给系统优化配置方法
技术领域
本发明属于能源供给技术领域，具体涉及一种基于三角综合评估的新型能源供给系统优化配置方法。
背景技术
目前，我国部分偏远地区由于自然环境恶劣、居民居住分散，存在用电难、用热难的问题；考虑到实际供电工程建设成本极高，基于可再生能源的开发利用，以解决偏远地区的供电供热问题，则成为现阶段能源供给领域的研究热点。因此，新型能源供给系统应运而生，新型能源供给系统以光伏发电为主，综合利用新能源分布式发电、储能、储热的先进技术，构成光、储、热一体化的能源供应，可以实现对分布式可再生能源的充分消纳以及电力、热力等多种形式的能量供给，有助于满足偏远地区居民用户的用电供热需求。
新型能源供给系统的结构如图1所示，由光伏发电单元、变流器单元、储电单元、储热单元及电热转换单元组成。其中，光伏发电单元、变流器单元和储电单元共同构成了新型能源供给系统的电力系统层，主要实现太阳能到电能的能量转换，用于为偏远地区的交流电负荷提供电力供应；储热单元和电热转换单元共同构成了新型能源供给系统的热力系统层，主要实现电能到热能的能量转换，用于为偏远地区的热负荷提供热力供应。此外，在热力系统层中，通常需要采用额外的水循环装置，用于实现储热单元、电热转换单元和热负荷三者之间的热能传输。
为了实现新型能源供给系统的合理运行，需要对所含单元进行合理的容量配置。现有针对交(直)流微网系统的优化配置方法，一般只涉及到电力供配的情况，根据交(直)流微网系统对应的负荷数据，选取一或多个性能指标以及合适的数值优化算法，进而优化得到在该负荷数据下性能指标较优的优化配置结果。其中，性能指标的选取需要对应交(直)流微网系统的关键特性，通常从经济性和稳定性两方面考虑；常用的数值优化算法包括迭代算法、神经网络算法、遗传算法等先进算法，通常根据优化问题的计算难度和收敛精度来选择性能匹配的优化算法。而新型能源供给系统涉及到光伏、电力和热力等多种能量形式的供配调控，极大地复杂了系统配置的优化过程；因此，针对新型能源供给系统，采用多目标优化算法有利于实现系统性能的综合最优。由于新型能源供给系统具有多种能量形式，且需要对偏远地区提供电力热力供应，性能指标的选择需要综合考虑电力系统层和热力系统层的可靠性情况、整个能源供给系统的经济性情况以及对于太阳能的利用情况。此外，现有的多目标算法一般是将多个目标进行线性加和或基于模糊隶属度函数将多目标问题转变为非线性单目标优化问题；但这两种方法中，线性加权系数依赖经验设计，具有极大的不确定性，而模糊隶属度函数的选取则十分复杂，如何针对新型能源供给系统的多个性能指标进行合理的综合综合评估，则决定了优化算法的执行过程和优化结果的满意程度。
发明内容
鉴于上述，本发明提供了一种基于三角综合评估的新型能源供给系统优化配置方法，以实现新型能源供给系统在电热供应稳定性、经济性和新能源利用情况三方面综合最优为目标，优化配置方案可以满足偏远地区电力热力的刚性需求，并有利于能源供给系统自身的经济运行和可再生能源的高效利用。
一种基于三角综合评估的新型能源供给系统优化配置方法，所述新型能源供给系统分为电力系统层和热力系统层，电力系统层包含光伏发电单元、变流器单元以及储电单元，热力系统层包含储热单元以及电热转换单元；所述新型能源供给系统优化配置方法包括如下步骤：
(1)选取负荷失电率或负荷失热率、系统年化成本和能量过剩率分别作为新型能源供给系统电热供应稳定性、经济性和新能源利用情况三方面的评估指标，建立三角综合评估模型并计算模型面积；
(2)以三角综合评估模型面积最大为目标，在服从运行约束条件的前提下，建立新型能源供给系统的优化数学模型如下：
Figure BDA0002087058030000031
其中：Atri为三角综合评估模型的面积，anorm为标准化后系统的负荷失电率或负荷失热率，bnorm为标准化后的系统年化成本，cnorm为标准化后系统的能量过剩率；
(3)采用分层迭代算法遍历所有配置方案求解上述优化数学模型，得到包含各单元配置容量的系统最优配置方案，以使系统在电热供应稳定性、经济性和新能源利用情况三方面达到综合最优。
进一步地，所述负荷失电率通过以下公式计算得到：
Figure BDA0002087058030000032
其中：LPSP为系统的负荷失电率，Psue(t)为t时刻系统的供电功率，Peload(t)为t时刻系统的电负荷功率，t为自然数，T为给定的时间长度，p(Psue(t)＜Peload(t))＝0或1，即当Psue(t)＜Peload(t)时p(Psue(t)＜Peload(t))＝1，否则p(Psue(t)＜Peload(t))＝0。
进一步地，所述负荷失热率通过以下公式计算得到：
Figure BDA0002087058030000033
其中：LHSP为系统的负荷失热率，Psuh(t)为t时刻系统的供热功率，Phload(t)为t时刻系统的热负荷功率，t为自然数，T为给定的时间长度，p(Psuh(t)＜Phload(t))＝0或1，即当Psuh(t)＜Phload(t)时p(Psuh(t)＜Phload(t))＝1，否则p(Psuh(t)＜Phload(t))＝0。
进一步地，所述系统年化成本通过以下公式计算得到：
Figure BDA0002087058030000034
其中：ASC为系统年化成本，Ci(j)为系统中第j个单元的初始年化投资成本，Cm(j)为系统第j个单元的年化运行维护成本，j为自然数。
进一步地，所述能量过剩率通过以下公式计算得到：
Figure BDA0002087058030000041
其中：EXR为系统的能量过剩率，Pexr(t)为t时刻系统过剩的能量功率，Pload(t)为t时刻系统的负荷功率，t为自然数，T为给定的时间长度。
进一步地，所述步骤(1)中建立三角综合评估模型的具体实现过程如下：
1.1从坐标轴原点向不同方向延伸出三条数轴，使得这三条数轴将以原点为圆心的圆等分成三部分，各数轴之间的夹角为120°；
1.2对负荷失电率或负荷失热率、系统年化成本和能量过剩率这三个评估指标进行标准化处理；
1.3将标准化处理后的三个评估指标分别在三条数轴上标定对应的点，并将各点依次连接构成三角形，进而计算该三角形的面积。
进一步地，所述步骤(2)中的运行约束条件如下：
系统功率平衡约束：
Peload(t)+Phload(t)＝Ppv(t)+Pbat(t)+Psto(t)
储电单元的容量和功率交换能力约束：
SOCmin≤SOC(t)≤SOCmax 0≤|Pbat(t)|≤Pbat_max
储热单元的容量和功率交换能力约束：
Qmin≤Q(t)≤Qmax 0≤|Psto(t)|≤Psto_max
储电单元的效率约束：
SOC(t)＝SOC(t-1)+α·Pbat(t)Δt
Figure BDA0002087058030000042
储热单元的效率约束：
Psto(t)＝ηetPin(t) Pout(t)＝1/ηeo·Psto(t)
其中：Peload(t)为t时刻系统的电负荷功率，Phload(t)为t时刻系统的热负荷功率，PPV(t)为t时刻光伏发电单元的总输出功率，Pbat(t)为t时刻储电单元的储电或放电功率，储电时为负值，放电时为正值，Psto(t)为t时刻储热单元的储热或放热功率，储热时为正值，放热时为负值；SOC(t)和SOC(t-1)分别为t时刻和t-1时刻储电单元的荷电量，SOCmin和SOCmax分别为荷电量的下限值和上限值，Pbat_max为储电单元储电或放电功率的上限值；Q(t)为t时刻储热单元的储热量，Qmin和Qmax分别为储热量的下限值和上限值，Psto_max为储热单元储热或放热功率的上限值；t为自然数，Δt为时间间隔，ηc为储电单元的充电效率，ηd为储电单元的放电效率；Pin(t)为t时刻电热转换单元的输出功率，Pout(t)为t时刻储热单元给热负荷供热的实际输出功率，ηet为储热单元的吸热效率，ηeo为储热单元的放热效率。
进一步地，所述步骤(3)中的分层迭代算法具体过程如下：
3.1获得目标地区给定时间段内各时刻系统的电负荷功率、热负荷功率和光伏发电单元的单位输出功率，进而确定光伏发电单元总功率、储电单元容量、储热单元容量、变流器单元功率和电热转换单元功率的最大可执行范围；
3.2将系统划分成电力系统层和热力系统层，并设定热力系统层所需热量由光伏发电单元产生后直接经电热转换单元转换至热力子系统，而不由储电单元供给；
3.3选取负荷失电率、系统年化成本、能源过剩率作为电力系统层的三个评估指标，选取负荷失热率、系统年化成本、能源过剩率作为热力系统层的三个评估指标；
3.4对于任一电力系统层容量配置方案，根据该方案对电力系统层进行迭代操作如下：
当PPV_e(t)＞Peload(t)情况下，判断SOC(t)与SOCmax的大小：若SOC(t)≥SOCmax，则不进行充电操作并令SOC(t)＝SOCmax；若SOC(t)＜SOCmax，则根据下式确定储电功率Pbat(t)大小并完成储电单元的充电操作；
Figure BDA0002087058030000051
当PPV_e(t)≤Peload(t)情况下，判断SOC(t)与SOCmin的大小：若SOC(t)≤SOCmin，则不进行放电操作并令SOC(t)＝SOCmin；若SOC(t)＞SOCmin，则根据下式确定放电功率Pbat(t)大小并完成储电单元的放电操作；
Figure BDA0002087058030000061
其中：Pbat(t)为t时刻储电单元的储电或放电功率，储电时为负值，放电时为正值，Peload(t)为t时刻系统的电负荷功率，SOC(t)为t时刻储电单元的荷电量，PPV_e(t)为t时刻电力系统层光伏发电单元的输出功率，SOCmin和SOCmax分别为荷电量的下限值和上限值，Pinverter为变流器单元的额定功率；
遍历求得给定时间段内各时刻的SOC(t)和Pbat(t)，计算该方案下电力系统层三个的评估指标，并建立三角综合评估模型并计算其面积；在电力系统层最大可执行范围内，按照设定步长改变电力系统层的容量配置方案，并重新根据步骤3.4进行迭代操作；
3.5对于任一热力系统层容量配置方案，根据该方案对热力系统层进行迭代操作如下：
当PPV_h(t)＞Phload(t)情况下，判断Q(t)与Qmax的大小：若Q(t)≥Qmax，则不进行储热操作并令Q(t)＝Qmax；若Q(t)＜Qmax，则根据下式确定储热功率Psto(t)大小并完成储热单元的吸热操作；
Figure BDA0002087058030000062
当PPV_h(t)≤Phload(t)情况下，判断Q(t)与Qmin的大小：若Q(t)≤Qmin，则不进行放热操作并令Q(t)＝Qmin；若Q(t)＞Qmin，则根据下式确定放热功率Psto(t)大小并完成储热单元的放热操作；
Figure BDA0002087058030000063
其中：Psto(t)为t时刻储热单元的储热或放热功率，储热时为正值，放热时为负值，Phload(t)为t时刻系统的热负荷功率，Q(t)为t时刻储热单元的储热量，PPV_h(t)为t时刻热力系统层光伏发电单元经电热转换单元的输出功率，Qmin和Qmax分别为储热量的下限值和上限值，Pwater_cycle为水循环装置的额定功率；
遍历求得给定时间段内各时刻的Q(t)和Psto(t)，计算该方案下热力系统层三个的评估指标，并建立三角综合评估模型并计算其面积；在热力系统层最大可执行范围内，按照设定步长改变热力系统层的容量配置方案，并重新根据步骤3.5进行迭代操作；
3.6确定电力系统层和热力系统层的最优容量配置方案，即得到包含各单元配置容量的系统最优配置方案，以使系统在电热供应稳定性、经济性和新能源利用情况三方面达到综合最优。
基于上述技术方案，本发明方法具有以下有益技术效果：
1.本发明选取负荷失电率、负荷失热率、系统年化成本和能量过剩率等多个评估指标，建立三角模型进行综合评估，有利于实现新型能源供给系统在电热供应稳定性、经济性和新能源利用情况三方面的综合最优。
2.本发明建立三角综合评估模型，并设定三角综合评估模型的面积作为优化目标函数，实现多目标的平衡化处理，避免了传统方法将多个指标加和作为优化目标的加权系数设定问题。
3.本发明采用分层迭代方法分别对电力系统层和热力系统层进行迭代处理，简化了整个新型能源供给系统的优化过程。
附图说明
图1为新型能源供给系统的结构示意图。
图2为某偏远地区电负荷、夏季典型日和冬季典型日1MW光伏发电单元输出功率和热负荷的预测数据示意图。
图3为新型能源供给系统电力系统层最优容量配置下各单元的功率(容量)曲线示意图。
图4为新型能源供给系统热力系统层最优容量配置下各单元的功率(容量)曲线示意图。
图5为新型能源供给系统最优容量配置的成本分布示意图。
具体实施方式
为了更为具体地描述本发明，下面结合附图及具体实施方式对本发明的技术方案进行详细说明。
本发明基于三角综合评估的新型能源供给系统优化配置方法，包括如下步骤：
(1)选取负荷失电率、负荷失热率、系统年化成本和能量过剩率作为新型能源供给系统电热供应稳定性、经济性和新能源利用情况三方面的评估指标，建立三角综合评估模型，并设定三角综合评估模型的面积为所述优化配置方法的目标函数。
负荷失电率通过以下公式计算得到：
Figure BDA0002087058030000081
其中：Psue(t)为t时刻系统的供电功率，Peload(t)为t时刻的电负荷功率，T为总时段数，LPSP为系统的负荷失电率，等于供电功率小于电负荷功率的时间概率。
负荷失热率通过以下公式计算得到：
Figure BDA0002087058030000082
其中：Psuh(t)为t时刻系统的供热功率，Phload(t)为t时刻的热负荷功率，T为总时段数，LHSP为系统的负荷失热率，等于供热功率小于热负荷功率的时间概率。
系统年化成本通过以下公式计算得到：
Figure BDA0002087058030000083
其中：ASC为系统年化成本，Ci(j)为系统第j个单元的初始年化投资成本，Cm(j)为系统第j个单元的年化运行维护成本。
能源过剩率通过以下公式计算得到：
Figure BDA0002087058030000091
其中：EXR为系统的能量过剩率，Pexr(t)为t时刻系统过剩的能量功率，Pload(t)为t时刻系统的负荷功率。
建立三角综合评估模型包括如下步骤：
1.1以原点为圆心延伸出3条数轴，将圆等分为3个部分，各数轴之间的夹角为120°。
1.2选取3个评估指标，并通过以下公式进行标准化处理：
Figure BDA0002087058030000092
其中：LPSPdesire为期望的负荷失电率，max(0,LPSP-LPSPdesire)等于0和LPSP-LPSPdesire中较大的值，LPSPmax为max(0,LPSP-LPSPdesire)可能的最大值，LPSPmin为max(0,LPSP-LPSPdesire)可能的最小值。
Figure BDA0002087058030000093
其中：LHSPdesire为期望的负荷失热率，max(0,LHSP-LHSPdesire)等于0和LHSP-LHSPdesire中较大的值，LHSPmax为max(0,LHSP-LHSPdesire)可能的最大值，LHSPmin为max(0,LHSP-LHSPdesire)可能的最小值。
Figure BDA0002087058030000094
其中：ASCmax为ASC可能的最大值，ASCmin为ASC可能的最小值。
Figure BDA0002087058030000095
其中：EXRmax为EXR可能的最大值，EXRmin为EXR可能的最小值。
1.3将标准化处理后的三个指标依次在各数轴上标定对应的点，并将各点依次连接，构成一个三角形。
1.4计算三角形的面积，作为目标函数，目标函数通过以下公式计算得到：
Figure BDA0002087058030000101
其中：Atri为三角形的面积，anorm、bnorm、cnorm为从LPSPnorm、LHSPnorm、ASCnorm、EXRnorm中选取的三个评估指标。
(2)以三角综合评估模型的面积最大为目标，服从以下约束条件，建立新型能源供给系统的优化数学模型。
系统功率平衡约束：
Peload(t)+Phload(t)＝Ppv(t)+Pbat(t)+Psto(t) (10)
其中：PPV(t)为t时刻光伏发电单元的输出功率，Pbat(t)为t时刻储电单元的储电或发电功率，储电单元储电时为负值，发电时为正值，Psto(t)为t时刻储热单元的储热或放热功率，储热单元储热时为正值，发热时为负值。
储电单元的容量和功率交换能力约束：
SOCmin≤SOC(t)≤SOCmax (11)
其中：SOC(t)为t时刻储电单元的荷电量，SOCmin为最小荷电量，SOCmax为最大荷电量。
0≤|Pbat(t)|≤Pbat_max (12)
其中：Pbat_max为储电单元的最大储电或放电功率，受到变流器单元功率的Pinverter限制。
储热单元的容量和功率交换能力约束：
Qmin≤Q(t)≤Qmax (13)
其中：Q(t)为t时刻储热单元的储热量，Qmin为最小储热量，Qmax为最大储热量。
0≤|Psto(t)|≤Psto_max (14)
其中：Psto_max为储热单元的最大储热或放热功率。
储电单元的效率约束：
SOC(t)＝SOC(t-1)+α·Pbat(t)Δt (15)
其中：SOC(t-1)为t-1时刻储电单元的荷电量，Δt为时间间隔，
Figure BDA0002087058030000102
ηc为储电单元的充电效率，ηd为储电单元的放电效率。
储热单元的效率约束：
Psto(t)＝ηetPin(t) (16)
Pout(t)＝1/ηeo·Psto(t) (17)
式中：Pin(t)为电热转换单元的输出功率，Pout(t)为储热单元给热负荷供热的实际输出功率,ηet为储热单元的吸热效率，ηeo为储热单元的放热效率。
新型能源供给系统的优化数学模型如下：
Figure BDA0002087058030000111
(3)采用分层迭代算法，求解出新型能源供给系统的最优配置方案，该方案包含了各单元的配置容量，以使得系统在电热供应稳定性、经济性和新能源利用情况三方面达到综合最优；分层迭代算法包括如下步骤：
3.1获得目标地区典型m天1～24h各时刻的电负荷数据Peload(t)、热负荷数据Phload(t)和单位光伏单元的输出功率PPV_one(t)，由PPV_one(t)、Peload(t)、Phload(t)，确定光伏发电单元总功率、储电单元容量、储热单元容量、变流器单元功率和电热转换单元功率的最大可执行范围。
3.2将新型能源供给系统划分成电力系统层和热力系统层，并设定热力系统层所需热量是由光伏发电单元产生后，直接经电热转换单元转换至热力子系统，而不由储电单元供给。
3.3选取负荷失电率、系统年化成本、能源过剩率作为电力系统层的三个评估指标，选取负荷失热率、系统年化成本、能源过剩率作为热力系统层的三个评估指标。
3.4针对某一个电力系统层容量配置方案，对电力系统层进行迭代操作如下：
当t时刻PPV_e(t)>Peload(t)时，判断储电单元荷电量SOC(t)是否小于储电单元总额定容量即SOC(t)<SOCmax。若SOC(t)大于或等于SOCmax，则不进行充电操作，并令SOC(t)＝SOCmax；若SOC(t)小于SOCmax，则根据下式确定储电功率大小，并完成储电单元的充电操作。
Figure BDA0002087058030000112
其中：PPV_e(t)为电力系统层光伏发电单元的输出功率。
当t时刻PPV_e(t)≤Peload(t)时，判断储电单元荷电量SOC(t)是否大于SOCmin即SOC(t)>SOCmin。若SOC(t)小于SOCmin，则不进行放电操作，并令SOC(t)＝SOCmin；若SOC(t)大于SOCmin，则根据下式确定放电功率大小，并完成储电单元的放电操作。
Figure BDA0002087058030000121
依次求得m天1～24h各时刻的SOC(t)和Pbat(t)，计算该容量配置方案下电力系统层的评估指标，并建立三角评估模型，计算对应的目标函数数值。
在电力系统层的最大执行范围内，按照设定步长，改变电力系统层的容量配置，并重新进行上述的迭代操作；其中，步长由电力系统层包含的各单元单位功率或容量决定。
3.5针对某一个热力系统层的容量配置情方案，对热力系统层进行迭代操作如下：
当t时刻光伏发电单元经电热转换单元的输出功率PPV_h(t)>Phload(t)，判断储热单元储热量Q(t)是否小于Qmax即Q(t)<Qmax。若Q(t)大于或等于Qmax，则不进行储热操作，并令Q(t)＝Qmax；若Q(t)小于Qmax，则根据下式确定储热单元吸热功率大小，并完成储热操作。
Figure BDA0002087058030000122
其中：PPV_h(t)为热力系统层光伏发电单元经电热转换单元的输出功率，Pwater_cycle为水循环装置的额定功率。
当t时刻PPV_h(t)≤Phload(t)时，判断Q(t)是否大于Qmin即Q(t)>Qmin。若Q(t)小于或等于Qmin，则不进行储热操作，并令Q(t)＝Qmin；若Q(t)大于Qmin，则根据下式确定储热单元放热功率，并完成放热操作。
Figure BDA0002087058030000123
依次求得m天1～24h各时刻Q(t)和Psto(t)，计算该容量配置方案下热力系统层的评估指标，并建立三角评估模型，计算对应的目标函数数值。
在热力系统层的最大执行范围内，按照设定步长，改变热力系统层的容量配置，并重新进行上述迭代操作。
3.6确定电力系统层和热力系统层最优的容量配置方案，即得到新型能源供给系统的配置方案，该方案可使得系统在电热供应稳定性、经济性和新能源利用情况三方面达到综合最优。
下面根据实际算例对本发明技术效果进行说明。
新型能源供给系统典型结构如图1所示，包括光伏发电单元、储电单元、储热单元、变流器单元和电热转换单元。其中，储电单元采用Li蓄电池，电热转换单元采用量子电锅炉，能效转换比为2，储热单元需配备水循环单元来完成吸热和放热。图2给出了某偏远地区电负荷、夏季典型日和冬季典型日1MW光伏发电单元输出功率和热负荷的预测数据；其中，电负荷最大功率为746kW，夏季典型日热负荷最大功率为564kW，冬季典型日热负荷最大功率为1128kW。表1给出了新型能源供给系统各单元的成本参数；其中，储电单元最大荷电量为额定荷电量的0.9，最小荷电量为额定荷电量的0.3，储热单元最大储热量为额定储热量的0.9，最小储热量为额定储热量的0.4。设定储电单元的充电效率ηc和放电效率ηd都为1，储热单元的吸热效率ηet和放热效率ηeo都为1，优化周期为1年，分层迭代步长为1小时，即总时段数T为8760。
表1
Figure BDA0002087058030000131
Figure BDA0002087058030000141
设定期望的负荷失电率LPSPdesire为0.01，使用期限为20年，由图2所示的电负荷和1MW光伏发电单元输出功率的预测数据，经分层迭代算法得到电力系统层的最优容量配置方案为：光伏发电单元2.3MW，变流器单元1.0MW，储电单元6890组。该方案下，电力系统层的负荷失电率LPSP为0，年化成本ASC为170.2万元/年，能量过剩率EXR单日最大为0.3360，最小为0.0496；图3为新型能源供给系统电力系统层最优容量配置下各单元的功率(容量)曲线。
设定期望的负荷失热率LHSPdesire为0.01，使用期限为20年，由图2所示的热负荷和1MW光伏发电单元输出功率的预测数据，经分层迭代算法得到热力系统层的最优容量配置方案为：光伏发电单元2.1MW，电热转换单元(电锅炉)2.1MW，储热单元水循环系统20套，储热单元22574.9kWh。该方案下，热力系统层的负荷失热率LHSP为0，年华成本为315.4万元/年，能量过剩率单日最大为1.0691，最小为0.04257；图4为新型能源供给系统热力系统层最优容量配置下各单元的功率(容量)曲线。
由此确定，针对图2的预测数据，新型能源供给系统综合最优的容量配置方案如下：光伏发电单元4.4MW，变流器单元1.0MW，储电单元6890组，电热转换单元(电锅炉)2.1MW，储热单元水循环系统20套，储热单元22574.9kWh，总年华成本为485.6万元/年；图5为新型能源供给系统最优容量配置的成本分布图。
上述对实施例的描述是为便于本技术领域的普通技术人员能理解和应用本发明。熟悉本领域技术的人员显然可以容易地对上述实施例做出各种修改，并把在此说明的一般原理应用到其他实施例中而不必经过创造性的劳动。因此，本发明不限于上述实施例，本领域技术人员根据本发明的揭示，对于本发明做出的改进和修改都应该在本发明的保护范围之内。

Claims (8)

1.一种基于三角综合评估的新型能源供给系统优化配置方法，所述新型能源供给系统分为电力系统层和热力系统层，电力系统层包含光伏发电单元、变流器单元以及储电单元，热力系统层包含储热单元以及电热转换单元；其特征在于，所述新型能源供给系统优化配置方法包括如下步骤：
(1)选取负荷失电率或负荷失热率作为新型能源供给系统电热供应稳定性的评估指标，选取系统年化成本作为新型能源供给系统经济性的评估指标，选取能量过剩率作为新型能源供给系统新能源利用情况的评估指标，建立三角综合评估模型并计算模型面积；
(2)以三角综合评估模型面积最大为目标，在服从运行约束条件的前提下，建立新型能源供给系统的优化数学模型如下：
Figure FDA0002571332450000011
其中：Atri为三角综合评估模型的面积，anorm为标准化后系统的负荷失电率或负荷失热率，bnorm为标准化后的系统年化成本，cnorm为标准化后系统的能量过剩率；
(3)采用分层迭代算法遍历所有配置方案求解上述优化数学模型，得到包含各单元配置容量的系统最优配置方案，以使系统在电热供应稳定性、经济性和新能源利用情况三方面达到综合最优。
2.根据权利要求1所述的新型能源供给系统优化配置方法，其特征在于：所述负荷失电率通过以下公式计算得到：
Figure FDA0002571332450000012
其中：LPSP为系统的负荷失电率，Psue(t)为t时刻系统的供电功率，Peload(t)为t时刻系统的电负荷功率，t为自然数，T为给定的时间长度，p(Psue(t)＜Peload(t))＝0或1，即当Psue(t)＜Peload(t)时p(Psue(t)＜Peload(t))＝1，否则p(Psue(t)＜Peload(t))＝0。
3.根据权利要求1所述的新型能源供给系统优化配置方法，其特征在于：所述负荷失热率通过以下公式计算得到：
Figure FDA0002571332450000021
其中：LHSP为系统的负荷失热率，Psuh(t)为t时刻系统的供热功率，Phload(t)为t时刻系统的热负荷功率，t为自然数，T为给定的时间长度，p(Psuh(t)＜Phload(t))＝0或1，即当Psuh(t)＜Phload(t)时p(Psuh(t)＜Phload(t))＝1，否则p(Psuh(t)＜Phload(t))＝0。
4.根据权利要求1所述的新型能源供给系统优化配置方法，其特征在于：所述系统年化成本通过以下公式计算得到：
Figure FDA0002571332450000022
其中：ASC为系统年化成本，Ci(j)为系统中第j个单元的初始年化投资成本，Cm(j)为系统第j个单元的年化运行维护成本，j为自然数。
5.根据权利要求1所述的新型能源供给系统优化配置方法，其特征在于：所述能量过剩率通过以下公式计算得到：
Figure FDA0002571332450000023
其中：EXR为系统的能量过剩率，Pexr(t)为t时刻系统过剩的能量功率，Pload(t)为t时刻系统的负荷功率，t为自然数，T为给定的时间长度。
6.根据权利要求1所述的新型能源供给系统优化配置方法，其特征在于：所述步骤(1)中建立三角综合评估模型的具体实现过程如下：
1.1从坐标轴原点向不同方向延伸出三条数轴，使得这三条数轴将以原点为圆心的圆等分成三部分，各数轴之间的夹角为120°；
1.2对负荷失电率或负荷失热率、系统年化成本和能量过剩率这三个评估指标进行标准化处理；
1.3将标准化处理后的三个评估指标分别在三条数轴上标定对应的点，并将各点依次连接构成三角形，进而计算该三角形的面积。
7.根据权利要求1所述的新型能源供给系统优化配置方法，其特征在于：所述步骤(2)中的运行约束条件如下：
系统功率平衡约束：
Peload(t)+Phload(t)＝Ppv(t)+Pbat(t)+Psto(t)
储电单元的容量和功率交换能力约束：
SOCmin≤SOC(t)≤SOCmax 0≤|Pbat(t)|≤Pbat_max
储热单元的容量和功率交换能力约束：
Qmin≤Q(t)≤Qmax 0≤|Psto(t)|≤Psto_max
储电单元的效率约束：
SOC(t)＝SOC(t-1)+α·Pbat(t)Δt
Figure FDA0002571332450000031
储热单元的效率约束：
Psto(t)＝ηetPin(t) Pout(t)＝1/ηeo·Psto(t)
其中：Peload(t)为t时刻系统的电负荷功率，Phload(t)为t时刻系统的热负荷功率，PPV(t)为t时刻光伏发电单元的总输出功率，Pbat(t)为t时刻储电单元的储电或放电功率，储电时为负值，放电时为正值，Psto(t)为t时刻储热单元的储热或放热功率，储热时为正值，放热时为负值；SOC(t)和SOC(t-1)分别为t时刻和t-1时刻储电单元的荷电量，SOCmin和SOCmax分别为荷电量的下限值和上限值，Pbat_max为储电单元储电或放电功率的上限值；Q(t)为t时刻储热单元的储热量，Qmin和Qmax分别为储热量的下限值和上限值，Psto_max为储热单元储热或放热功率的上限值；t为自然数，Δt为时间间隔，ηc为储电单元的充电效率，ηd为储电单元的放电效率；Pin(t)为t时刻电热转换单元的输出功率，Pout(t)为t时刻储热单元给热负荷供热的实际输出功率，ηet为储热单元的吸热效率，ηeo为储热单元的放热效率，α为中间变量。
8.根据权利要求1所述的新型能源供给系统优化配置方法，其特征在于：所述步骤(3)中的分层迭代算法具体过程如下：
3.1获得目标地区给定时间段内各时刻系统的电负荷功率、热负荷功率和光伏发电单元的单位输出功率，进而确定光伏发电单元总功率、储电单元容量、储热单元容量、变流器单元功率和电热转换单元功率的最大可执行范围；
3.2将系统划分成电力系统层和热力系统层，并设定热力系统层所需热量由光伏发电单元产生后直接经电热转换单元转换至热力子系统，而不由储电单元供给；
3.3选取负荷失电率、系统年化成本、能源过剩率作为电力系统层的三个评估指标，选取负荷失热率、系统年化成本、能源过剩率作为热力系统层的三个评估指标；
3.4对于任一电力系统层容量配置方案，根据该方案对电力系统层进行迭代操作如下：
当PPV_e(t)＞Peload(t)情况下，判断SOC(t)与SOCmax的大小：若SOC(t)≥SOCmax，则不进行充电操作并令SOC(t)＝SOCmax；若SOC(t)＜SOCmax，则根据下式确定储电功率Pbat(t)大小并完成储电单元的充电操作；
Figure FDA0002571332450000041
当PPV_e(t)≤Peload(t)情况下，判断SOC(t)与SOCmin的大小：若SOC(t)≤SOCmin，则不进行放电操作并令SOC(t)＝SOCmin；若SOC(t)＞SOCmin，则根据下式确定放电功率Pbat(t)大小并完成储电单元的放电操作；
Figure FDA0002571332450000042
其中：Pbat(t)为t时刻储电单元的储电或放电功率，储电时为负值，放电时为正值，Peload(t)为t时刻系统的电负荷功率，SOC(t)为t时刻储电单元的荷电量，PPV_e(t)为t时刻电力系统层光伏发电单元的输出功率，SOCmin和SOCmax分别为荷电量的下限值和上限值，Pinverter为变流器单元的额定功率；
遍历求得给定时间段内各时刻的SOC(t)和Pbat(t)，计算该方案下电力系统层三个的评估指标，并建立三角综合评估模型并计算其面积；在电力系统层最大可执行范围内，按照设定步长改变电力系统层的容量配置方案，并重新根据步骤3.4进行迭代操作；
3.5对于任一热力系统层容量配置方案，根据该方案对热力系统层进行迭代操作如下：
当PPV_h(t)＞Phload(t)情况下，判断Q(t)与Qmax的大小：若Q(t)≥Qmax，则不进行储热操作并令Q(t)＝Qmax；若Q(t)＜Qmax，则根据下式确定储热功率Psto(t)大小并完成储热单元的吸热操作；
Figure FDA0002571332450000051
当PPV_h(t)≤Phload(t)情况下，判断Q(t)与Qmin的大小：若Q(t)≤Qmin，则不进行放热操作并令Q(t)＝Qmin；若Q(t)＞Qmin，则根据下式确定放热功率Psto(t)大小并完成储热单元的放热操作；
Figure FDA0002571332450000052
其中：Psto(t)为t时刻储热单元的储热或放热功率，储热时为正值，放热时为负值，Phload(t)为t时刻系统的热负荷功率，Q(t)为t时刻储热单元的储热量，PPV_h(t)为t时刻热力系统层光伏发电单元经电热转换单元的输出功率，Qmin和Qmax分别为储热量的下限值和上限值，Pwater_cycle为水循环装置的额定功率；
遍历求得给定时间段内各时刻的Q(t)和Psto(t)，计算该方案下热力系统层三个的评估指标，并建立三角综合评估模型并计算其面积；在热力系统层最大可执行范围内，按照设定步长改变热力系统层的容量配置方案，并重新根据步骤3.5进行迭代操作；
3.6确定电力系统层和热力系统层的最优容量配置方案，即得到包含各单元配置容量的系统最优配置方案，以使系统在电热供应稳定性、经济性和新能源利用情况三方面达到综合最优。
CN201910491136.XA 2019-06-06 2019-06-06 一种基于三角综合评估的新型能源供给系统优化配置方法 Active CN110266059B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910491136.XA CN110266059B (zh) 2019-06-06 2019-06-06 一种基于三角综合评估的新型能源供给系统优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910491136.XA CN110266059B (zh) 2019-06-06 2019-06-06 一种基于三角综合评估的新型能源供给系统优化配置方法

Publications (2)

Publication Number Publication Date
CN110266059A CN110266059A (zh) 2019-09-20
CN110266059B true CN110266059B (zh) 2020-09-29

Family

ID=67917099

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910491136.XA Active CN110266059B (zh) 2019-06-06 2019-06-06 一种基于三角综合评估的新型能源供给系统优化配置方法

Country Status (1)

Country Link
CN (1) CN110266059B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111311032B (zh) * 2020-04-01 2022-03-25 浙江大学 一种基于扇形雷达图模型的微网系统容量优化配置方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102856900A (zh) * 2012-08-22 2013-01-02 积成电子股份有限公司 基于改进雷达图的配电网综合状态评估实用化方法
CN107565547A (zh) * 2017-08-22 2018-01-09 广西电网有限责任公司南宁供电局 一种配电网运行可靠性评估及优化系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102856900A (zh) * 2012-08-22 2013-01-02 积成电子股份有限公司 基于改进雷达图的配电网综合状态评估实用化方法
CN107565547A (zh) * 2017-08-22 2018-01-09 广西电网有限责任公司南宁供电局 一种配电网运行可靠性评估及优化系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Transient tripping control of large-scale wind power integration system;Mengmeng Yang;《2014 International Conference on Information Science, Electronics and Electrical Engineering》;20141106;全文 *

Also Published As

Publication number Publication date
CN110266059A (zh) 2019-09-20

Similar Documents

Publication Publication Date Title
CN113394817B (zh) 一种风光水火储系统的多能容量优化配置方法
CN109165788B (zh) 一种冷热电联供系统的优化方法
CN109325608B (zh) 考虑储能并计及光伏随机性的分布式电源优化配置方法
Arabali et al. Genetic-algorithm-based optimization approach for energy management
CN111934360B (zh) 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法
CN108039722A (zh) 一种适用于交直流混合的分布式可再生能源系统优化配置方法
CN108832654A (zh) 一种用于光伏发电系统经济效益优化调度的方法及系统
CN108197726A (zh) 一种基于改进进化算法的家庭能量数据优化方法
CN104616071B (zh) 一种风光储互补发电系统优化配置方法
CN109494813A (zh) 一种电力调度方法、电子设备及存储介质
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
CN115170343A (zh) 一种区域综合能源系统分布式资源和储能协同规划方法
CN108182487A (zh) 基于粒子群优化和本德尔分解的家庭能量数据优化方法
CN111144633A (zh) 一种cchp微电网运行优化方法
CN110474348A (zh) 一种配电网的调峰方法及装置
CN110266059B (zh) 一种基于三角综合评估的新型能源供给系统优化配置方法
CN112883630A (zh) 用于风电消纳的多微网系统日前优化经济调度方法
CN117559526A (zh) 一种基于光储充一体化充电站的拟路由器能量调控方法
CN110098623B (zh) 一种基于智能负载的Prosumer单元控制方法
CN111311032B (zh) 一种基于扇形雷达图模型的微网系统容量优化配置方法
Xing et al. A rolling optimization method of reserve capacity considering wind power frequency control
CN115940284A (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN115882460A (zh) 一种考虑需求侧管理的两阶段新能源微电网优化调度方法
Zhang et al. Optimal configuration of wind/solar/diesel/storage microgrid capacity based on PSO-GWO algorithm
Wang et al. An Energy Storage Scheduling Strategy Based on Computational Optimization Starting Point

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