CN110311421B - 基于需求侧响应的微电网多时间尺度能量管理方法 - Google Patents

基于需求侧响应的微电网多时间尺度能量管理方法 Download PDF

Info

Publication number
CN110311421B
CN110311421B CN201910629508.0A CN201910629508A CN110311421B CN 110311421 B CN110311421 B CN 110311421B CN 201910629508 A CN201910629508 A CN 201910629508A CN 110311421 B CN110311421 B CN 110311421B
Authority
CN
China
Prior art keywords
power
load
constraint
grid
day
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
CN201910629508.0A
Other languages
English (en)
Other versions
CN110311421A (zh
Inventor
窦春霞
米雪
岳东
张占强
张博
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.)
Yanshan University
Original Assignee
Yanshan 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 Yanshan University filed Critical Yanshan University
Priority to CN201910629508.0A priority Critical patent/CN110311421B/zh
Publication of CN110311421A publication Critical patent/CN110311421A/zh
Application granted granted Critical
Publication of CN110311421B publication Critical patent/CN110311421B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06QDATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation, e.g. linear programming, "travelling salesman problem" or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06QDATA PROCESSING SYSTEMS OR METHODS, SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL, SUPERVISORY OR FORECASTING PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06Electricity, gas or water supply
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381Dispersed generators
    • H02J3/382Dispersed generators the generators exploiting renewable energy
    • H02J3/383Solar energy, e.g. photovoltaic energy
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381Dispersed generators
    • H02J3/382Dispersed generators the generators exploiting renewable energy
    • H02J3/386Wind energy
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46Controlling of the sharing of output between the generators, converters, or transformers
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/50Photovoltaic [PV] energy
    • Y02E10/56Power conversion systems, e.g. maximum power point trackers
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/70Wind energy
    • Y02E10/76Power conversion electric or electronic aspects
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30Systems combining energy storage with energy generation of non-fossil origin

Abstract

本发明提供一种基于需求侧响应的微电网多时间尺度能量管理方法,其包括以下步骤:S1、建立可中断负荷模型;S2、建立多能源互动机制;S3、确定日前调度阶段的目标函数以及约束条件;S4、建立可转移负荷模型;S5、建立蓄电池储能罚函数;S6、确定日内调度阶段的目标函数以及约束条件;S7、根据日前调度阶段各能源的输出计划值,修正日前调度阶段计划;S8、建立闭环控制系统;S9、确定实时调度阶段的目标函数以及约束条件;S10、对日内调度阶段进行实时反馈校正;S11、仿真验证。本发明提出了“多级协调,逐级细化”的多时间尺度能量管理方法,根据发电侧和需求侧资源设计了不同调度阶段的调度策略,有利于负荷与可再生能源发电在时间序列上的匹配。

Description

基于需求侧响应的微电网多时间尺度能量管理方法
技术领域
本发明属于微电网优化调度领域,具体涉及一种基于需求侧响应的微电网多时间尺度能量管理方法。
背景技术
微电网优化调度的基本任务是指在满足微电网系统负荷需求的前提下,按照一定的控制策略,合理、有效地安排各台分布式电源的出力以及与配电网的交互功率,使得整个微电网的运行维护成本、排放成本等最低。需求侧资源参与微电网的优化调度在提高风电接纳能力方面存在巨大潜力,供电侧和需求侧资源互动的微电网优化调度技术为应对可再生能源的高渗透接入提供了新的思路。随着需求侧管理技术的不断完善,用户的需求侧响应行为得到合理的改变,使得需求侧的部分负荷变得相对可控,从而更好地与可再生能源达到时间序列上的匹配。由于可再生资源和需求侧资源存在不确定性和波动性,只采用日前调度计划已经不能满足微电网经济调度的要求。对柔性负荷可调度潜力的精确评估,可以减小负荷侧的不确定性,便于制定相关的调度策略,安排分布式能源和发电机组具体的出力情况。
发明内容
针对以上情况,本发明提供一种基于需求侧响应的微电网多时间尺度能量管理方法,考虑到可再生能源与需求侧资源的不确定性和波动性,提出了“多级协调,逐级细化”的多时间尺度能量管理方法,并将其分为日前调度阶段、日内调度阶段和实时调度阶段,在不同的调度阶段,根据需求侧资源的特性设计不同的调度策略,有利于负荷与可再生能源发电在时间序列上的匹配。
本发明提供一种基于需求侧响应的微电网多时间尺度能量管理方法,其包括以下步骤:
S1、建立日前调度阶段的可中断负荷模型;
S2、基于需求侧响应建立所述日前调度阶段的多能源互动机制;
S3、确定所述日前调度阶段的目标函数以及约束条件;
S4、建立日内调度阶段的可转移负荷模型;
S5、建立所述日内调度阶段的蓄电池储能罚函数和充电补偿函数;
S6、确定所述日内调度阶段的目标函数以及约束条件;
S7、根据所述日前调度阶段各能源的输出计划值,同时利用当天最新的预测数据和系统状态,以1h为周期调整各能源的输出,修正所述日前调度阶段计划;
S8、采用模型预测控制建立实时调度阶段的闭环控制系统;
S9、确定所述实时调度阶段的目标函数以及约束条件;
S10、以15min为启动周期,对所述日内调度阶段中可调节能源的输出力进行实时反馈校正;以及
S11、仿真验证微电网多时间尺度能量管理方法的经济性和有效性。
进一步地,所述步骤S2中多能源互动机制包括三类补偿费用,所述三类补偿费用具体为可中断补偿费用、冷负荷能补偿费用和热负荷能补偿费用,
可中断补偿费用表达式为:
式中,表示中断控制命令,其值为1时代表负荷中断,为0时表示不中断负荷,为中断负荷的单位补偿费用,T为总时段数,为可中断负荷功率,NIL为可中断负荷数;
冷负荷能补偿费用表达式为:
式中,ΔQi,t为冷负荷变化量,cq为冷价,nQ为冷负荷的改变量;以及
热负荷能的补偿费用表达式为:
式中,ΔHi,t为热负荷变化量,ch为热价,nH为热负荷改变量。
进一步地,所述步骤S3中日前调度阶段的目标函数表达式为:
式中,CM(t)为系统运行维护费用,其表达式为CZJ(t)为系统折旧损失成本,其表达式为Cfuel(t)为微燃机燃料成本,其表达式为Cgrid(t)为与大电网交互成本,其表达式为Cgrid(t)=cgrid(t)Pgrid(t),Cbat(t)为蓄电池使用成本,其表达式为PGT为微型燃气轮机的输出功率,Pgrid为与大电网的交互功率,Pbat为蓄电池的输出功率,其中正表示充电,负则表示放电,cgas为天然气价格,t为单位调度时间,ηGT为燃气轮机的效率,LHVNG为天然气的低热值,cgrid为电网电价,λbat为储能电池的调度成本系数,N为可控分布式电源数量。
优选地,所述步骤S3中日前调度阶段的约束条件包括七个约束条件,所述七个约束条件具体为电功率平衡约束、热功率平衡约束、冷功率平衡约束、可中断负荷输出功率约束、微燃机输出功率约束、储能装置约束和与大电网交互功率约束,
电功率平衡约束:
PGT,t+PWT,t+PPV,t+Pgrid,t+Pbat,t+PILA,t=PL
式中,PGT,t为燃气轮机的输出功率,PWT,t为风机的输出功率,PPV,t为光伏机组的输出功率,Pgrid,t为t时刻与大电网的交互功率,Pbat,t为蓄电池的输出功率,PILA,t为日前可中断负荷的功率值,PL为电负荷需求;
热功率平衡约束:
HLB,t+Hs,t+HEB,t+ΔHt=HL
式中,HLB,t为溴化锂制冷机组的热输出,Hs,t为蓄热/冷槽的热输出,HEB,t为电锅炉的输出,ΔHt为t时刻热负荷的变化量,HL为热负荷需求;
冷功率平衡约束:
QLB,t+Qs,t+ΔQt=QL
式中,QLB,t为溴化锂制冷机组的冷输出,Qs,t为蓄热/冷槽的冷输出,ΔQt为t时刻冷负荷的变化量,QL为冷负荷需求;
可中断负荷输出功率约束:
式中,为代表t时刻可中断容量的上限,为代表t时刻可中断容量的下限;
微燃机输出功率约束:
式中,PDGg(t)为各分布式电源在t时刻的功率变化,ΔPDGg为各分布式电源在Δt时刻的功率变化;
储能装置约束:
式中,PES(t)为储能装置的功率;EES(t)为储能装置的容量;CapES为总存储容量;γES,C为储能装置的最大充电;λmax为储能装置的最大电荷状态;λmin为储能装置的最小电荷状态;以及
与大电网交互功率约束:
进一步地,所述步骤S4中可转移负荷的补偿费用表达式为:
式中,Pi,j为从i时刻到j时刻的负荷转移功率,为单位负荷成本差。
进一步地,所述步骤S5中日内调度阶段的蓄电池储能罚函数和充电补偿函数包括谷平时段充电补偿函数、放电罚函数和峰时段充、放电罚函数,
谷平时段充电补偿函数、放电罚函数:
式中,λ为权重因子,δch为电池的充电状态,δdis为电池的放电状态,0.2δchPbat,ch为设计的谷、平时段蓄电池的充电补偿函数;以及
峰时段充、放电罚函数:
式中,A为蓄电池生命周期内总的累计安时量,U为蓄电池端电压,C为蓄电池的初始投资成本。
进一步地,所述步骤S6中日内调度阶段的目标函数表达式为:
优选地,所述步骤S6中日内调度阶段的约束条件包括三个约束条件,所述三个约束条件具体为电功率平衡约束、蓄电池充放电功率约束和可转移负荷约束,
电功率平衡约束:
蓄电池充放电功率约束:
式中,Pbat,ch为储能电池的充电功率,Pbat,dis为储能电池的充电功率,SOCt为在t时蓄电池的剩余功率,SOCt-1为在t-1时蓄电池的剩余功率,ηc为蓄电池的充电效率,ηd为蓄电池的放电效率;以及
可转移负荷约束:
式中,P'd(t0)为t0负荷转移后的功率,Pi out(t0,t)为t0时刻向t时刻转出负荷功率,为t0时刻最大允许转出负荷功率,为t时刻向t0时刻转入负荷功率,为t0时刻最大允许转入负荷功率。
进一步地,所述步骤S9中实时调度阶段的目标函数表达式为:
式中,Pr(k+n)为各分布式电源和可中断负荷的有功输出功率参考值,P(k+n)为各分布式电源和可中断负荷的有功输出功率预测值,P(k+n)=[PDGg(k+n),Pgrid(k+n),PILB(k+n),Pbat(k+n)],P0(k+n)为超短期尺度优化各部分有功出力的初始值,Δu(k+t-1)为预测的[k+t-1,k+t]时段内的有功出力增量。
优选地,所述步骤S9中实时调度阶段的约束条件包括三个约束条件,所述三个约束条件具体为电功率平衡约束、各可控分布式电源的有功输出功率约束和储能电池的预测值约束,
电功率平衡约束:
∑PDG(k+i)+Pgrid(k+i)+Pbat(k+i)+PILA(k+i)+PTL(k+i)+PILB(k+i)=PL(k+i);
各可控分布式电源的有功输出功率约束:
Pmin(k+i)≤P(k+i)≤Pmax(k+i);
储能电池的预测值约束:
式中,SOCbat(k+i)为蓄电池荷电状态的预测值,σ为蓄电池的自身放电率,为蓄电池荷电状态的下限;为蓄电池荷电状态的上限。
与现有技术相比,本发明具有以下有益效果:
1、本发明建立了日前调度阶段的需求侧响应策略,与传统需求侧响应不同,充分考虑了微电网的多能源(电、热、冷)协调问题,建立了基于其价格和需求特性的多能源交互机制,通过调节可中断负荷补偿费用与冷热补偿费用的关系,实现冷、热、电多能互补,达到能源最大化利用和系统的经济性。
2、本发明建立了日内调度阶段的需求侧响应策略,为了协调日内调度的局部性与日前调度的全局性,建立了蓄电池荷电状态的惩罚项,指引蓄电池合理充放电,并与可转移负荷共同作用,不仅延长蓄电池使用寿命,而且提高了系统经济性。
3、本发明建立了实时调度阶段的需求侧响应策略,采用模型预测控制构成闭环控制系统进行反馈修正,有效减小日内调度阶段的可控分布式电源有功出力与实际有功出力之间的偏差,以确保滚动优化策略具有更好的稳定性和鲁棒性。
4、本发明改进了需求侧响应模型,在传统需求侧响应的基础上,根据柔性负荷特性进行划分,考虑其多时间尺度特性和各机组的出力特性,分别参与到不同的调度阶段,不仅使需求侧资源得以充分利用,而且有利于负荷与可再生能源发电在时间序列上的匹配。
5、本发明改进了蓄电池调度模型,在谷时段和平时段建立蓄电池充电补偿函数和放电罚函数,峰时段建立蓄电池充放电罚函数,引导蓄电池合理充放电,控制其充放电深度,延长使用寿命,提高系统的经济性。
6、本发明改进了目标函数,根据不同的调度策略和时间尺度特性,在不同阶段建立不同的目标函数,既保证了系统的经济性,又确保了微电网安全运行的稳定性。
附图说明
图1为本发明微电网多时间尺度能量管理方法的流程图;
图2为本发明CCHP型微电网系统的结构图;以及
图3为本发明微电网多时间尺度能量管理方法的多能源需求特性示意图。
主要附图标记:
光伏发电系统1、风力发电机组2、微型燃气轮机3和蓄电池4,溴冷机组5;电锅炉6;电负荷7;冷/热负荷8;蓄热/冷槽9;开关11;大电网12;热负荷曲线13;冷负荷曲线14;可中断负荷补偿曲线15。
具体实施方式
为详尽本发明之技术内容、结构特征、所达成目的及功效,以下将结合说明书附图进行详细说明。
本发明提供一种基于需求侧响应的微电网多时间尺度能量管理方法,如图1所示,典型的微电网系统包括能源供电设备、辅助能源供应设备和储能装置,能源供电设备包括光伏发电系统1、风力发电机组2、微型燃气轮机3和蓄电池4,光伏发电系统1、风力发电机组2、微型燃气轮机3和蓄电池4的输出端均与电量传输线连接,电量传输线通过开关11与大电网12连接,辅助能源供应设备包括溴冷机组5和电锅炉6,储能装置包括蓄电池4和蓄热/冷槽9分别来储存电能和热能,负荷包括电负荷7和冷/热负荷8,电锅炉6和电负荷7的输入端与电量传输线连接,且微型燃气轮机3的输出端通过溴冷机组5和蓄热/冷槽9与冷/热负荷8输入端连接,电锅炉6的输出端与冷/热负荷8输入端连接,风机发电机组2和光伏发电系统1均采用最大功率跟踪模式发电,以最大限度地利用可再生能源,电锅炉6通过调节蓄热/冷槽9、溴冷机组5的出力与冷/热负荷8三者之间的功率平衡,达到既可作为电负荷7,又可作为热源参与冷/热负荷8调度的目的。
如图2所示,基于需求侧响应的微电网多时间尺度能量管理方法,包括以下步骤:
S1、建立日前调度阶段的可中断负荷模型
可中断负荷是指根据供需双方的合同约定,管理中心在电网高峰时段向用户发送中断请求信号,用户响应后中断供电,其中可中断补偿费用表达式为:
式中,表示中断控制命令,其值为1时代表负荷中断,为0时表示不中断负荷,为中断负荷的单位补偿费用,T为总时段数,为可中断负荷功率,NIL为可中断负荷数;
S2、基于需求侧响应建立日前调度阶段的多能源互动机制
考虑冷、热、电等多种能源在价格、用能、需求特性上的差异性和微电网中各机组的出力特性等,建立多能源互动机制,通过刺激用户的用热需求从而削减等效电负荷。根据用户对热能的需求特性,对用户在某时刻的热能成本给予部分或全部补偿,激励用户在特定时刻多消耗热能,从而提高CCHP机组的产热量,其发电量也会随之增加,相当于削减了系统内的等效电负荷。由于可调用的需求侧资源增加了,因此可以在调度过程中优先选择价格较低的资源,并且与单一的调度可中断负荷相比,调度成本显著降低,其中冷负荷能补偿费用和热负荷能补偿费用的表达式如下:
(1)冷负荷能补偿费用表达式为:
式中,ΔQi,t为冷负荷变化量,cq为冷价,nQ为冷负荷的改变量;以及
(2)热负荷能的补偿费用表达式为:
式中,ΔHi,t为热负荷变化量,ch为热价,nH为热负荷改变量。
如图3所示,展示了在某种情况下需求侧资源的需求特性和价格的关系,可中断负荷补偿曲线15的价格随着负荷削减量的增加而增加,而用户的热负荷曲线13和冷负荷曲线14随着能源价格的降低而增加。例如,某一时段用户的热负荷为a,冷负荷为b,则此时调度负荷量a-d需支出的补偿费用低于冷、热补偿费用,管理中心将优先调用可中断负荷。则需求侧资源调度的总补偿费用为:
CTA=CILA+CQ+CH
此外,热能还可以作为电能的补充,如取代电加热设备所需消耗的电能,从而减少对电力负荷的需求。利用冷、热、电三种能源供需之间的差异性和互补性,设计了合理的多能源交互机制,既能有效降低调度成本,又能降低用户的综合能源成本,达到互利共赢。
S3、确定日前调度阶段的目标函数以及约束条件
(1)目标函数
日前调度是根据预测的风力发电机组(WT)2、光伏发电系统(PV)1输出功率和预测的负荷需求,形成一天的最优经济调度,目标函数的目的是使系统维护成本、系统折旧损失成本、燃料成本、购电成本、可中断负荷补偿成本等最小,目标函数表达式为:
其中,系统运行维护费用:
系统折旧损失成本:
微燃机燃料成本:
与大电网12交互成本:
Cgrid(t)=cgrid(t)Pgrid(t);
蓄电池使用成本:
式中,PGT为微型燃气轮机的输出功率,Pgrid为与大电网的交互功率,Pbat为蓄电池的输出功率,其中正表示充电,负则表示放电,cgas为天然气价格,t为单位调度时间,ηGT为燃气轮机的效率,LHVNG为天然气的低热值,取值为9.7kWh/m3,cgrid为电网电价,λbat为储能电池的调度成本系数,N为可控分布式电源数量。
(2)约束条件
日前调度阶段的约束条件具体为电功率平衡约束、热功率平衡约束、冷功率平衡约束、可中断负荷输出功率约束、微燃机输出功率约束、储能装置约束和与大电网交互功率约束,
1)电功率平衡约束:
PGT,t+PWT,t+PPV,t+Pgrid,t+Pbat,t+PILA,t=PL
式中,PGT,t为燃气轮机的输出功率,PWT,t为风机的输出功率,PPV,t为光伏机组的输出功率,Pgrid,t为t时刻与大电网的交互功率,Pbat,t为蓄电池的输出功率,PILA,t为日前可中断负荷的功率值,PL为电负荷需求;
2)热功率平衡约束:
HLB,t+Hs,t+HEB,t+ΔHt=HL
式中,HLB,t为溴化锂制冷机组的热输出,Hs,t为蓄热/冷槽的热输出,HEB,t为电锅炉的输出,ΔHt为t时刻热负荷的变化量,HL为热负荷需求;
3)冷功率平衡约束:
QLB,t+Qs,t+ΔQt=QL
式中,QLB,t为溴化锂制冷机组的冷输出,Qs,t为蓄热/冷槽的冷输出,ΔQt为t时刻冷负荷的变化量,QL为冷负荷需求;
4)可中断负荷输出功率约束:
式中,为代表t时刻可中断容量的上限,为代表t时刻可中断容量的下限;
5)微燃机输出功率约束:
式中,PDGg(t)为各分布式电源在t时刻的功率变化,ΔPDGg为各分布式电源在Δt时刻的功率变化;
6)储能装置约束:
式中,PES(t)为储能装置的功率;EES(t)为储能装置的容量;CapES为总存储容量;γES,C为储能装置的最大充电;λmax为储能装置的最大电荷状态;λmin为储能装置的最小电荷状态;以及
7)与大电网交互功率约束:
S4、建立日内调度阶段的可转移负荷模型
电力系统中的可转移负荷是指负荷的供电时间可根据系统运行状态灵活改变的负荷,此类负荷的平移要满足整个调度周期内的负荷总量与平移前保持不变,因此整个周期内不会影响用户的总电量需求。可转移负荷的补偿费用表达式为:
式中,Pi,j为从i时刻到j时刻的负荷转移功率,为单位负荷成本差。
S5、建立日内调度阶段的蓄电池储能罚函数和充电补偿函数
将全天24小时划分为谷平峰3种时段,主要包括谷平时段充电补偿函数、放电罚函数和峰时段充、放电罚函数,
(1)谷平时段充电补偿函数、放电罚函数:
式中,λ为权重因子,δch为电池的充电状态,δdis为电池的放电状态,0.2δchPbat,ch为设计的谷、平时段蓄电池的充电补偿函数;以及
(2)峰时段充、放电罚函数:
式中,A为蓄电池生命周期内总的累计安时量,U为蓄电池端电压,C为蓄电池的初始投资成本。
S6、确定日内调度阶段的目标函数以及约束条件
(1)目标函数
日内调度阶段的目标函数表达式为:
(2)约束条件
日内调度阶段的约束条件具体为电功率平衡约束、蓄电池充放电功率约束和可转移负荷约束,
1)电功率平衡约束:
2)蓄电池充放电功率约束:
式中,Pbat,ch为储能电池的充电功率,Pbat,dis为储能电池的充电功率,SOCt为在t时蓄电池的剩余功率,SOCt-1为在t-1时蓄电池的剩余功率,ηc为蓄电池的充电效率,ηd为蓄电池的放电效率;以及
3)可转移负荷约束:
式中,P'd(t0)为t0负荷转移后的功率,Pi out(t0,t)为t0时刻向t时刻转出负荷功率,为t0时刻最大允许转出负荷功率,为t时刻向t0时刻转入负荷功率,为t0时刻最大允许转入负荷功率。
S7、根据日前调度阶段各能源的输出计划值,同时利用当天最新的预测数据和系统状态,以1h为周期调整各能源的输出,修正日前调度阶段计划。
S8、采用模型预测控制建立实时调度阶段的闭环控制系统
模型预测控制(MPC),是基于模型的有限时域闭环最优控制算法。基于滚动优化和反馈校正的思想,可以较好地解决含有多种不确定性因素的优化控制问题,具有极强的抗干扰能力和鲁棒性,能够克服工业控制过程结构、参数以及环境具有不确定性、时变性、非线性、最优控制难以实现的问题;同时,MPC也可以方便地计入多种约束条件,并且其对预测模型的形式无特定要求,此外MPC还可以实现对多个优化目标的同时跟踪,因此尤其适合于包含可再生能源出力功率随机波动、负荷功率不确定及市场电价波动等多方面不确定因素的微电网优化调度问题;此外,MPC通过在日内滚动优化调度中实时获取短期功率预测信息,以实际调度结果和新的预测信息作为反馈信息进行滚动优化调度,可以更大限度地消除微电网中不确定性因素对优化运行调度方案的影响。本发明提出基于需求侧响应的微电网多时间尺度能量管理策略,优化模型以各分布式电源出力及负荷调整偏差最小为目标进行滚动计算,并引入反馈校正,及时有效纠正预测误差和随机因素产生的优化调度结果偏差,实现对系统调度方案的修正,实现多种能量的优化调度。
S9、确定实时调度阶段的目标函数以及约束条件;
(1)目标函数
实时调度阶段的目标函数表达式为:
式中,Pr(k+n)为各分布式电源和可中断负荷的有功输出功率参考值,P(k+n)为各分布式电源和可中断负荷的有功输出功率预测值,P(k+n)=[PDGg(k+n),Pgrid(k+n),PILB(k+n),Pbat(k+n)],P0(k+n)为超短期尺度优化各部分有功出力的初始值,Δu(k+t-1)为预测的[k+t-1,k+t]时段内的有功出力增量。
(2)约束条件
实时调度阶段的约束条件具体为电功率平衡约束、各可控分布式电源的有功输出功率约束和储能电池的预测值约束,
1)电功率平衡约束:
∑PDG(k+i)+Pgrid(k+i)+Pbat(k+i)+PILA(k+i)+PTL(k+i)+PILB(k+i)=PL(k+i);
2)各可控分布式电源的有功输出功率约束:
Pmin(k+i)≤P(k+i)≤Pmax(k+i);
3)储能电池的预测值约束:
式中,SOCbat(k+i)为蓄电池荷电状态的预测值,σ为蓄电池的自身放电率,为蓄电池荷电状态的下限;为蓄电池荷电状态的上限。
S10、以15min为启动周期,对日内调度阶段中可调节能源的输出力进行实时反馈校正
本发明以当前时刻的光伏、风机及负荷的超短期预测值作为输入变量,以微电网中各可控分布式电源的实测值为初始值,以未来有限时域内可控分布式电源的有功出力增量、与大电网的交互功率变化值、蓄电池的充放电功率及可中断负荷的功率调整变化量为控制变量。以15min为采样步长,对当前时刻的可再生能源出力及负荷信息进行超短期预测,以各分布式电源出力及负荷调整偏差最小为目标,对各调控手段出力进行反馈修正。
S11、仿真验证微电网多时间尺度能量管理方法的经济性和有效性
通过与相应模型的优化调度策略进行比较,充分证明基于需求侧响应的CCHP型微电网多时间尺度能量管理策略能够保证用户利益的同时,充分消纳分布式能源,使得微电网调度成本更小。
以上所述是本申请的优选实施方式,不以此限定本发明的保护范围,应当指出,对于该技术领域的普通技术人员来说,在不脱离本技术原理前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。

Claims (3)

1.一种基于需求侧响应的微电网多时间尺度能量管理方法,其特征在于,其包括以下步骤:
S1、建立日前调度阶段的能中断负荷模型;
S2、基于需求侧响应建立所述日前调度阶段的多能源互动机制;
S3、确定所述日前调度阶段的目标函数以及约束条件;所述步骤S3中日前调度阶段的目标函数表达式为:
式中,CM(t)为系统运行维护费用,其表达式为CZJ(t)为系统折旧损失成本,其表达式为Cfuel(t)为微燃机燃料成本,其表达式为Cgrid(t)为与大电网交互成本,其表达式为Cgrid(t)=cgrid(t)Pgrid(t),Cbat(t)为蓄电池使用成本,其表达式为PGT为微型燃气轮机的输出功率,Pgrid为与大电网的交互功率,Pbat为蓄电池的输出功率,其中正表示充电,负则表示放电,cgas为天然气价格,t为单位调度时间,ηGT为燃气轮机的效率,LHVNG为天然气的低热值,cgrid为电网电价,λbat为储能电池的调度成本系数,N为可控分布式电源数量;
S4、建立日内调度阶段的可转移负荷模型;
S5、建立所述日内调度阶段的蓄电池储能罚函数和充电补偿函数;
S6、确定所述日内调度阶段的目标函数以及约束条件;所述步骤S6中日内调度阶段的目标函数表达式为:
中日内调度阶段的约束条件包括三个约束条件,所述三个约束条件具体为电功率平衡约束、蓄电池充放电功率约束和可转移负荷约束,
电功率平衡约束:
蓄电池充放电功率约束:
式中,Pbat,ch为储能电池的充电功率,Pbat,dis为储能电池的充电功率,SOCt为在t时蓄电池的剩余功率,SOCt-1为在t-1时蓄电池的剩余功率,ηc为蓄电池的充电效率,ηd为蓄电池的放电效率;以及
可转移负荷约束:
式中,P'd(t0)为t0负荷转移后的功率,Pi out(t0,t)为t0时刻向t时刻转出负荷功率,为t0时刻最大允许转出负荷功率,为t时刻向t0时刻转入负荷功率,为t0时刻最大允许转入负荷功率;
S7、根据所述日前调度阶段各能源的输出计划值,同时利用当天最新的预测数据和系统状态,以1h为周期调整各能源的输出,修正所述日前调度阶段计划;
S8、采用模型预测控制建立实时调度阶段的闭环控制系统;
S9、确定所述实时调度阶段的目标函数以及约束条件;所述步骤S9中实时调度阶段的目标函数表达式为:
式中,Pr(k+n)为各分布式电源和能中断负荷的有功输出功率参考值,P(k+n)为各分布式电源和能中断负荷的有功输出功率预测值,P(k+n)=[PDGg(k+n),Pgrid(k+n),PILB(k+n),Pbat(k+n)],P0(k+n)为超短期尺度优化各部分有功出力的初始值,Δu(k+t-1)为预测的[k+t-1,k+t]时段内的有功出力增量;其中,实时调度阶段的约束条件包括三个约束条件,所述三个约束条件具体为电功率平衡约束、各可控分布式电源的有功输出功率约束和储能电池的预测值约束,
电功率平衡约束:
∑PDG(k+i)+Pgrid(k+i)+Pbat(k+i)+PILA(k+i)+PTL(k+i)+PILB(k+i)=PL(k+i);
各可控分布式电源的有功输出功率约束:
Pmin(k+i)≤P(k+i)≤Pmax(k+i);
储能电池的预测值约束:
式中,SOCbat(k+i)为蓄电池荷电状态的预测值,σ为蓄电池的自身放电率,为蓄电池荷电状态的下限;为蓄电池荷电状态的上限;
S10、以15min为启动周期,对所述日内调度阶段中可调节能源的输出力进行实时反馈校正;以及
S11、仿真验证微电网多时间尺度能量管理方法的经济性和有效性。
2.根据权利要求1所述的基于需求侧响应的微电网多时间尺度能量管理方法,其特征在于,所述步骤S3中日前调度阶段的约束条件包括七个约束条件,所述七个约束条件具体为电功率平衡约束、热功率平衡约束、冷功率平衡约束、能中断负荷输出功率约束、微燃机输出功率约束、储能装置约束和与大电网交互功率约束,
电功率平衡约束:
PGT,t+PWT,t+PPV,t+Pgrid,t+Pbat,t+PILA,t=PL
式中,PGT,t为燃气轮机的输出功率,PWT,t为风机的输出功率,PPV,t为光伏机组的输出功率,Pgrid,t为t时刻与大电网的交互功率,Pbat,t为蓄电池的输出功率,PILA,t为日前能中断负荷的功率值,PL为电负荷需求;
热功率平衡约束:
HLB,t+Hs,t+HEB,t+ΔHt=HL
式中,HLB,t为溴化锂制冷机组的热输出,Hs,t为蓄热/冷槽的热输出,HEB,t为电锅炉的输出,ΔHt为t时刻热负荷的变化量,HL为热负荷需求;
冷功率平衡约束:
QLB,t+Qs,t+ΔQt=QL
式中,QLB,t为溴化锂制冷机组的冷输出,Qs,t为蓄热/冷槽的冷输出,ΔQt为t时刻冷负荷的变化量,QL为冷负荷需求;
能中断负荷输出功率约束:
式中,为代表t时刻可中断容量的上限,为代表t时刻可中断容量的下限;
微燃机输出功率约束:
式中,PDGg(t)为各分布式电源在t时刻的功率变化,ΔPDGg为各分布式电源在Δt时刻的功率变化;
储能装置约束:
式中,PES(t)为储能装置的功率;EES(t)为储能装置的容量;CapES为总存储容量;γES,C为储能装置的最大充电;λmax为储能装置的最大电荷状态;λmin为储能装置的最小电荷状态;以及
与大电网交互功率约束:
3.根据权利要求1所述的基于需求侧响应的微电网多时间尺度能量管理方法,其特征在于,所述步骤S5中日内调度阶段的蓄电池储能罚函数和充电补偿函数包括谷平时段充电补偿函数、放电罚函数和峰时段充、放电罚函数,
谷平时段充电补偿函数、放电罚函数:
式中,λ为权重因子,δch为电池的充电状态,δdis为电池的放电状态,0.2δchPbat,ch为设计的谷、平时段蓄电池的充电补偿函数;以及
峰时段充、放电罚函数:
式中,A为蓄电池生命周期内总的累计安时量,U为蓄电池端电压,C为蓄电池的初始投资成本。
CN201910629508.0A 2019-07-12 2019-07-12 基于需求侧响应的微电网多时间尺度能量管理方法 Active CN110311421B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910629508.0A CN110311421B (zh) 2019-07-12 2019-07-12 基于需求侧响应的微电网多时间尺度能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910629508.0A CN110311421B (zh) 2019-07-12 2019-07-12 基于需求侧响应的微电网多时间尺度能量管理方法

Publications (2)

Publication Number Publication Date
CN110311421A CN110311421A (zh) 2019-10-08
CN110311421B true CN110311421B (zh) 2021-05-07

Family

ID=68080169

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910629508.0A Active CN110311421B (zh) 2019-07-12 2019-07-12 基于需求侧响应的微电网多时间尺度能量管理方法

Country Status (1)

Country Link
CN (1) CN110311421B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110752629B (zh) * 2019-10-25 2021-07-27 中民新能投资集团有限公司 一种交直流混合家庭微电网能量优化管理方法
CN111509700A (zh) * 2020-04-03 2020-08-07 南方电网科学研究院有限责任公司 一种基于电价预测的电网运行管理方法及装置
CN112039067A (zh) * 2020-09-01 2020-12-04 国网河北省电力有限公司邢台供电分公司 配电网新能源发电利用率优化方法及终端设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106651026A (zh) * 2016-12-20 2017-05-10 太原理工大学 多时间尺度微电网能量管理优化调度方法
CN107887933A (zh) * 2017-11-17 2018-04-06 燕山大学 一种多时间尺度滚动优化微电网能量优化管理方法
CN109617142A (zh) * 2018-12-13 2019-04-12 燕山大学 一种cchp型微电网多时间尺度优化调度方法及系统
CN109687523A (zh) * 2019-02-28 2019-04-26 广东工业大学 一种基于多时间尺度的微电网的运行优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106651026A (zh) * 2016-12-20 2017-05-10 太原理工大学 多时间尺度微电网能量管理优化调度方法
CN107887933A (zh) * 2017-11-17 2018-04-06 燕山大学 一种多时间尺度滚动优化微电网能量优化管理方法
CN109617142A (zh) * 2018-12-13 2019-04-12 燕山大学 一种cchp型微电网多时间尺度优化调度方法及系统
CN109687523A (zh) * 2019-02-28 2019-04-26 广东工业大学 一种基于多时间尺度的微电网的运行优化方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"包含蓄电池储能和负荷转移的微网经济运行优化";尹晓海等;《电测与仪表》;20151010;第52卷(第19期);第89页-第95页 *
"含电热联合系统的微电网运行优化";李正茂等;《中国电机工程学报》;20150720;第35卷(第14期);第3569页-第3576页 *
"基于冷热电多能互补的工业园区互动机制研究";姜子卿等;《电力自动化设备》;20170630;第37卷(第6期);第260页-第267页 *
"基于模型预测控制的主动配电网多时间尺度动态优化调度";董雷等;《中国电机工程学报》;20160905;第36卷(第17期);第4609页-第4616页 *

Also Published As

Publication number Publication date
CN110311421A (zh) 2019-10-08

Similar Documents

Publication Publication Date Title
CN110311421B (zh) 基于需求侧响应的微电网多时间尺度能量管理方法
Pourmousavi et al. Real-time energy management of a stand-alone hybrid wind-microturbine energy system using particle swarm optimization
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
CN106953316B (zh) 微电网变时间尺度优化调度方法
CN104135025A (zh) 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
CN107565607B (zh) 一种基于实时电价机制的微电网多时间尺度能量调度方法
CN109617142B (zh) 一种cchp型微电网多时间尺度优化调度方法及系统
CN105225022A (zh) 一种热电联产型微电网的经济性优化运行方法
CN105140941A (zh) 考虑锂电池可变折旧成本与实用充放电策略的微电网优化调度方法
CN108539739A (zh) 微电网运行能量管理优化方法
Teng et al. Technical review on advanced approaches for electric vehicle charging demand management, part I: applications in electric power market and renewable energy integration
CN109473976B (zh) 一种冷热电联供型微网能量调度方法及系统
CN103001259B (zh) 一种基于退火算法的并网型微电网优化调度方法
Wang et al. Improved PSO-based energy management of stand-alone micro-grid under two-time scale
CN111969593A (zh) 基于混合储能的热电联供微网模型预测控制优化调度方法
Li et al. Optimal operation of AC/DC hybrid microgrid under spot price mechanism
Geng et al. Energy storage device locating and sizing based on power electronic transformer
CN110048459A (zh) 一种基于弃风利用的塔筒电梯储能系统优化配置方法
CN105958479B (zh) 一种含钠硫电池的微电网能量管理优化方法
CN109494813A (zh) 一种电力调度方法、电子设备及存储介质
CN108494014A (zh) 一种混合能源热电联产经济性优化管理方法
Luo et al. The multi-objective day-ahead optimal dispatch of islanded micro grid
CN111786422B (zh) 基于bp神经网络的微电网参与上层电网实时优化调度方法
Luo et al. The dynamic multi-objective optimal dispatch of grid-connected micro grid
Qing et al. Optimized operating strategy for a distribution network containing BESS and renewable energy

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