CN110489915B - 计及综合需求响应的电热联合调度方法及系统 - Google Patents
计及综合需求响应的电热联合调度方法及系统 Download PDFInfo
- Publication number
- CN110489915B CN110489915B CN201910797497.7A CN201910797497A CN110489915B CN 110489915 B CN110489915 B CN 110489915B CN 201910797497 A CN201910797497 A CN 201910797497A CN 110489915 B CN110489915 B CN 110489915B
- Authority
- CN
- China
- Prior art keywords
- heat
- electric
- demand response
- energy
- combined
- 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
Links
- 230000004044 response Effects 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000008878 coupling Effects 0.000 claims abstract description 9
- 238000010168 coupling process Methods 0.000 claims abstract description 9
- 238000005859 coupling reaction Methods 0.000 claims abstract description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 29
- 238000005485 electric heating Methods 0.000 claims description 17
- 230000009467 reduction Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000004146 energy storage Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 abstract description 26
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 19
- 238000005265 energy consumption Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005338 heat storage Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000009402 cross-breeding Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Biology (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Genetics & Genomics (AREA)
- Evolutionary Computation (AREA)
- Physiology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
Abstract
本发明涉及电力调度技术领域,具体公开一种计及综合需求响应的电热联合调度方法及系统,所述方法包括:建立电热偶合的综合能源系统并对其热力网络进行建模;建立计及激励型需求响应的电热联合调度成本模型;建立计及综合需求响应的用户收益模型;求解计及综合需求响应的联合调度模型,获取最优的决策变量。本发明提供一种计及综合需求响应的电热联合调度方法及系统,能结合用户的可接受环境温度进行供能调度,调度决策更符合用户需求,有利于提升用户的用电体验。
Description
技术领域
本发明涉及电力调度技术领域,尤其涉及一种计及综合需求响应的电热 联合调度方法及系统。
背景技术
近年来随着经济的高速发展,高速、粗犷的能源利用方式使得能源消费 与环境保护之间的矛盾逐步加深。寻求安全高效、低碳清洁的能源运营模式, 打破现有能源供给体系的技术壁垒,成为了世界各国关注的焦点,耦合电力、 天然气、供热、交通等多种能源系统,实现不同能源梯级高效利用的综合能 源系统成为了研究热点。
为了实现综合能源系统的高效运作,就必须配套一定的调度方法,当前 主要采用的调度方法是需求响应。需求响应是整合用户侧电网响应潜力的有 效手段,需求侧与电网进行“双向互动”,可缓解电力供应紧张矛盾、平衡间 歇性可再生能源带给电网的波动,为电网调度运行提供更大的可行域和灵活 性。传统的需求响应以大工业用户与电网之间的双向交互为主,在实际的互动过程中可分为基于电价的需求响应和基于激励的需求响应。
基于电价的需求响应主要是通过发布不同的分时电价,使用户自主地调 整用能方式。基于激励的需求响应通过经济补偿的方式引导用户参与负荷削 减的项目并签订用能合约,电力公司下发调峰指令,用户根据自身情况响应 并削减一定量的负荷,主要通过控制可控负荷实现负荷削减。在综合能源网 络的架构下,终端消费时,用户能通过选择不同种类的能源达到同样的效果。能源间相互耦合与相互替代的特点为需求侧提供了在不同能流间改变用能方 法的能力,也为综合需求响应提供了研究背景。
现有的调度方法多针对单一的电力需求进行响应,没有考虑用户内部的 用能替代性,存在需求弹性较小、调控效果不佳、难以大规模消纳可再生能 源以及不能实现综合能源系统的最优运行等问题。由于现有的电热联合调度 方法多仅对用热量进行约束,所以忽略了直接影响用户用能体验的因素是室 内环境温度,可以理解的是,用户的室内环境温度是一个与多时段热量耦合综合作用的动态过程,理应被考虑到调度方法中。
发明内容
本发明的一个目的在于,提供一种计及综合需求响应的电热联合调度方 法及系统,能结合用户的可接受环境温度进行供能调度,调度决策更符合用 户需求,有利于提升用户的用电体验。
为达以上目的,一方面,本发明提供一种计及综合需求响应的电热联合 调度方法,包括:
建立电热偶合的综合能源系统并对其热力网络进行建模;
建立计及激励型需求响应的电热联合调度成本模型;
建立计及综合需求响应的用户收益模型;其中,所述综合需求响应包括 激励型需求响应和用户可接受温度型需求响应;
求解计及综合需求响应的联合调度模型,获取最优的决策变量;其中, 所述联合调度模型包括所述电热联合调度成本模型和用户收益模型。
优选的,所述综合能源系统包括:
发电机组,所述发电机组用于提供电能,其包括并联设置的常规机组、 光伏机组和风电机组三者中的至少一种;
供热机组,所述供热机组用于提供热能,其包括所述供热机组包括燃气 锅炉和热能存储装置;
热电联供机组,所述热电联供机组用于提供电能和热能;
电热转换设备,所述电热转换设备包括电接收端和热接收端,所述电接 收端分别与发电机组和热电联供机组连接,所述热接收端分别与供热机组和 热电联供机组连接,其用于根据所述最优的决策变量对所接收的电能和热能 进行转换以便完成能源的调度。
优选的,所述热力网络的数学模型为:
其中:
式(1)表示了热源节点的节点方程;
式(2)表示了热负荷节点的节点方程;
式(3)表示了热水沿管道温度下降的过程;
v代表管网支路;
ML、Ms、Lpipe分别是热源节点、热负荷节点以及所有热水支路;
Hv,chp、Hv,gas分别为热电联供机组和燃气锅炉的热输出功率;
为热储能的输入输出功率;
Q0、QIIL分别为原始热负荷功率以及热削减负荷;
ε0、L0、Cp、m分别是热水损耗系数,热水管道长度,水的比热以及热水流 量;
Tv,s、Tv,r分别是供水管网和回水管网的温度;
TL,2、TL,1、Ta分别是热水管道支路头、尾温度以及外界环境温度。
优选的,所述计及激励型需求响应的电热联合调度成本模型为:
UISO=Ccost+CIIL+Cpunish (4);
其中:
其中:
UISO为调度成本,表示进行能源调度需要付出代价的多少,其由发电成本 Ccost、需求响应补偿成本CIIL和弃风弃光惩罚成本Cpunish三部分组成;
Pu、Pchp、Hchp、Hgas、PPV、Pwind分别是普通机组、热电联供机组电功率、热电联 供机组热功率、燃气锅炉热功率、光伏输出功率、风力发电输出功率;
au、bu、cu、achp、bchp、cchp、dchp、echp、fchp、gchp、agas、bgas分别是各个机组的 成本系数,其中光伏、风电以及热储能成本忽略不计;
χPV、χwind是弃风弃光惩罚系数;
PIIL、QIIL分别为与当日相比次日需要调整的电、热削减或者增加量;
ρe、ρh分别是电、热补偿价格。
优选的,所述计及综合需求响应的用户收益模型为:
Uuser=Ue,h+UIIL-Cpay (20);
其中:
式中:
UUSER代表用户收益,其由依次代表用能舒适度、需求响应补偿收益和用能 费用的Ue,h、Cc、Cpay三个部分组成;
Pe、Qh分别为次日调整后的电、热用能量;
PIIL、QIIL分别为与当日相比次日需要调整的电、热削减或者增加量;
ρe、ρh分别是电、热补偿价格;
Tin、T0分别是室内环境温度和用户最舒适温度;
μe、βe是用户电力用能效用系数;
αh是用户用热效用系数;
λe、λh分别为用户需要缴纳的用电费用和用热费用。
优选的,所述求解计及综合需求响应的联合调度模型,获取最优的决策 变量包括:
基于电热联合调度成本模型,求取当UISO的取值最小时决策变量Pu、Pchp、 Hchp、Hgas、PPV、Pwind、Qin、Qout、ρe、ρh、Tvs、Tvr的取值;
将ρe、ρh代入用户收益模型,求取当UUSER的取值最大时的决策变量 Tin、PIIL、QIIL的取值。
另一方面,本发明还提一种调度系统,用于上述任一种调度方法。
本发明的有益效果在于:提供一种计及综合需求响应的电热联合调度方 法及系统:
定义了综合能源系统模型,并建立了针对该系统的电热联合调度成本模 型以及用户收益模型,将室内环境温度归纳为用户用热舒适度的评价标准, 使调度效果更优;
电热联合调度成本模型可以利用热网和用户用热较好的灵活性提高可再 生能源消纳能力;
进一步地,针对综合能源系统的复杂性,提出了一种改进的微分进化算 法,仅将影响用户决策的调度变量作为进化种群,针对每次种群进化依次调 用两个子流程求解其余最优决策和目标值,作为种群进化的评价,从而求解 出调度考虑综合需求响应的最优调度策略,最终快速高效地完成联合调度模 型的求解。
附图说明
为了更清楚地说明本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简单地介绍,显而易见地,下面描述 中的附图仅仅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 付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的计及综合需求响应的电热联合调度方法的流 程图;
图2是实施例提供的热电耦合的综合能源系统示意图;
图3是实施例提供的热力网络模型的示意图;
图4是实施例提供的抽气式的热电联供机组电热特性图;
图5是实施例提供的改进的微分进化算法的流程图。
具体实施方式
为使得本发明的目的、特征、优点能够更加的明显和易懂,下面将结合 本实施例中的附图,对本实施例中的技术方案进行清楚、完整地描述,显然, 下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。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 得的所有其它实施例,都属于本发明保护的范围。
本实施例提供一种计及综合需求响应的电热联合调度方法,适用于电力 调度领域中的应用场景,可以提高综合能源系统的能源调度的效率,所述计 及综合需求响应的电热联合调度方法由一种调度系统来执行,通过软件和/或 硬件实现。
可以理解的是,为了满足用户的实际的电热需求,综合能源系统需要对 电能和热能进行合理的调度和分配。而供能单位对电能和热能进行合理的调 度和分配以满足用户需求是需要付出调度成本的,根据用户的电热需求实施 合理的电热转换策略可以尽量降低调度成本。
所以,本实施例提供的计及综合需求响应的电热联合调度方法是为了对 电热转换量以及调度需要付出的调度成本进行综合优化,最终达到供能单位 以较低的调度成本实现用户指定的用能量的调度目标。
步骤S10是为了给步骤S20作准备,建立相关的综合能源系统和热力网 络模型;步骤S20是先通过电热联合调度成本模型计算出要满足用户的电热 需求时最优的电、热补偿价格;步骤30将最优的电、热补偿价格代入用户收 益模型中完善用户收益模型,从而确定用户收益模型中的若干变量的初始求解;步骤S40的意义在于对电热联合调度成本模型和用户收益模型进行反复 的迭代优化,在使调度成本最低和用户获得的用户收益最高两个目标之间找 到一个平衡状态,以达到供能单位以最优的调度成本为用户提供最优的电热供给量的调度目标。
图1是本实施例提供的计及综合需求响应的电热联合调度方法的流程图。
参见图1,所述计及综合需求响应的电热联合调度方法包括如下步骤:
S10:建立电热偶合的综合能源系统并对其热力网络进行建模。
参见图2,综合能源系统包括:
发电机组,所述发电机组用于提供电能,其包括并联设置的常规机组1、 光伏机组2和风电机组3三者中的至少一种;具体的,常规机组1指除了光 伏机组2和风电机组3之外的其他机组,例如可以是火电机组或者核电机组等。
供热机组,所述供热机组用于提供热能,其包括所述供热机组包括燃气 锅炉4和热能存储装置5;
热电联供机组6,所述热电联供机组6用于提供电能和热能;
电热转换设备7,所述电热转换设备7包括电接收端和热接收端,所述电 接收端分别与发电机组和热电联供机组6连接,所述热接收端分别与供热机 组和热电联供机组6连接,其用于计及综合需求响应对所接收的电能和热能 进行转换以便完成能源的调度。
图3为图2的综合能源系统对应的热力网络模型,本实施例采用恒流变 温模式对热力网络建模。由于热水二次网络较小,认为其损耗近似为0,换热 站8的热功率即为热负荷功率。其热力网络的数学模型如下:
其中:
式(1)表示了热源节点的节点方程;
式(2)表示了热负荷节点的节点方程;
式(3)表示了热水沿管道温度下降的过程;
v代表管网支路;
ML、Ms、Lpipe分别是热源节点、热负荷节点以及所有热水支路;
Hv,chp、Hv,gas分别为热电联供机组和燃气锅炉等热源的热输出功率;本实施 例中,热源的数量n为2;
为热储能的输入输出功率;
Q0、QIIL分别为原始热负荷功率以及热削减负荷;
ε0、L0、Cp、m分别是热水损耗系数,热水管道长度,水的比热以及热水流 量;
Tv,s、Tv,r分别是供水管网和回水管网的温度;
TL,2、TL,1、Ta分别是热水管道支路头、尾温度以及外界环境温度。
模型(1)-(3)为S20中电热联合调度模型的热网约束条件,S10为准 备步骤。
S20:建立计及激励型需求响应的电热联合调度成本模型。
本实施例中,电热联合调度成本模型如下:
UISO=Ccost+CIIL+Cpunish (4)
其中:
具体地,式(4)是电热联合调度成本模型,其本质是关于要满足用户的 热电需求所需的调度成本UISO的数学模型,由发电成本Ccost、需求响应补偿成 本CIIL和弃风弃光惩罚成本Cpunish三部分组成。
式中:
Pu、Pchp、Hchp、Hgas、PPV、Pwind分别是普通机组、热电联供机组电功率、热电联 供机组热功率、燃气锅炉热功率、光伏输出功率、风力发电输出功率;
au、bu、cu、achp、bchp、cchp、dchp、echp、fchp、gchp、agas、bgas分别是各个机组的成 本系数,其中光伏、风电以及热储能成本忽略不计;
χPV、χwind是弃风弃光惩罚系数;
PIIL、QIIL分别为与当日相比次日需要调整的电、热削减或者增加量;
ρe、ρh分别是激励型需求响应对应的电、热补偿价格,是供能单位为了鼓 励用户错峰用能而对客户采取的贴补费用;例如供电单位为在用电低峰用电 的用户提供高额的电费补贴。
需要说明的是,针对上述式(4)所示的电热联合调度成本模型,在其他 因素不变的情况下,调度成本UISO的主要约束条件包括热网约束、电力供需平 衡约束、电、热机组功率约束以及爬坡约束。
其中:
热网约束的约束条件如公式(1)~(3)所示;
电力供需平衡约束的约束条件如下:
电、热机组功率约束以及爬坡约束的约束条件如下:
Qstore(t)=(1-ζ)Qstore(t-1)+Qinηin-Qout/ηout (15)
式中:
Qstore、Qin、Qout分别是热储能状态,热输出功率,热输入功率;
ζ、ηin、ηout分别是热储能损失系数、储热效率、放热效率。
其中,式(13)表示抽气式汽轮机的电热特性。抽气式的热电联供机组 电热特性如图4所示。电负荷由抽汽式汽轮机的低压和高压部分共同供给, 抽取的低压蒸汽可以直接供给蒸汽负荷,也可以通过吸收式制冷机组以及汽水换热器生产热水。由图4以及式(13)可知cv为高压进汽量不变时多抽取单 位供热热量下发电功率的减小量,cm为背压运行时的电功率和热功率的弹性 系数。
由上述电热联合调度成本模型(式(4))及其约束条件(式(1)~(3) 和(5)~(19))可知,步骤S20的核心就是通过寻找最优决策变量Pu、Pchp、 Hchp、Hgas、PPV、Pwind、Qin、Qout、ρe、ρh、Tvs、Tvr来使UISO获得最小值。其中 电、热补偿价格ρe、ρh会影响步骤S30中用户收益模型,从而影响用户收益模 型中的最优值,同时S30中用户收益模型的决策变量电、热削减量PIIL、QIIL又 反过来影响着UISO的取值。本实施例提供的调度方法的需要考虑下层的用户收益模型的响应情况从而对调度成本UISO和用户收益UUSER进行反复的迭代优化。
S30:建立计及综合需求响应的用户收益模型,所述综合需求响应包括激 励型需求响应和用户可接受温度型需求响应。
本实施例中,用户收益模型是关于用户收益UUSER的函数,其由依次代表用 能舒适度、需求响应补偿收益和用能费用的Ue,h、Cc、Cpay三个部分组成,用户 收益UUSER越高,代表用户的用能效益越显著,越有利于提高用户的满意度。用 户收益模型如下:
Uuser=Ue,h+UIIL-Cpay (20)
其中:
式中:
Pe、Qh分别为次日调整后的电、热用能量;
PIIL、QIIL分别为与当日相比次日需要调整的电、热削减或者增加量;
ρe、ρh分别是电、热补偿价格;
Tin、T0分别是室内环境温度和用户最舒适温度;
μe、βe是用户电力用能效用系数;
αh是用户用热效用系数;
λe、λh分别为用户需要缴纳的用电费用和用热费用。
针对用户收益模型式(20),用户收益UUSER的约束如下:
Pe=P0-PIIL (24)
Qh=Q0-QIIL (25)
Tin min≤Tin≤Tin max (27)
Ph≤Ph max (29)
其中:
Tin min、Tin max分别是用户室内环境温度可接受范围上下限;
是电力需求响应上下限;
式(28)描述了室内环境温度的动态变化过程,室内环境温度与上一时 段温度、室外温度、该时段热量输入以及电热设备功率Ph有关;
R、Cair、ηeh分别是建筑热阻,空气比热容以及电热设备电热转换效率;
是电热设备最大功率;
步骤S30的目的在于,基于S20的电热联合调度成本模型确定的补偿价 格ρe、ρh,求取Uuser达到最大时的自身决策变量Tin、PIIL、QIIL的取值。需要说明的 是,在步骤S20中,在目前阶段(可以是调度前24小时)用户就需要上报自 己的原始电热功率P0、Q0,电热联合调度成本模型根据次日预测机组出力情况、 系统传输线路管道状况、气温等因素预计次日需求响应调整量,并向用户收 益模型提供合适的电、热补偿价格ρe、ρh。本步骤S30中,用户收益模型根据 电、热补偿价格ρe、ρh,以用能效益UUSER最高为目标,向电热联合调度成本模 型反馈自身电、热削减或者增加量PIIL、QIIL从而得到次日调整后的电、热用能 量Pe、Qh,用户的用能价格则按事先制定的电、热价格λe、λh收取。由此可以确 定电热联合调度成本模型和用户收益模型的目标值UISO、Uuser。
S40:求解计及综合需求响应的联合调度模型,获取最优的决策变量。
本实施例中,决策变量包括室内环境温度Tin、用电费用λe、用热费用λh以 及需求响应用量调整量PIIL、QIIL。
上述步骤S10~S30建立了电热联合激励成本模型和用户收益模型的双层 关联模型,此即为计及综合需求响应的联合调度模型。其中上层为电热联合 调度成本模型,以综合能源系统最环保节能运行为目标,其衡量指标为使UISO的取值尽量小,决策变量为Pu、Pchp、Hchp、Hgas、PPV、Pwind、Qin、Qout、ρe、 ρh、Tvs、Tvr,下层为用户收益模型,以用户的用能体验最优为目标,其衡量指 标为使UUSER的取值尽量大,决策变量为Tin、PIIL、QIIL。电热联合调度成本模型向 用户下发激励型需求响应补偿价格λe、λh引导用户收益模型求出需求响应用量调整量PIIL、QIIL;然后,需求响应用量调整量PIIL、QIIL反过来也会影响着电热联 合调度成本模型的最优取值。
可以理解的是,步骤S40可以求出各种室内环境温度Tin对应的最优的需 求响应用量调整量PIIL、QIIL,所以可以结合天气预报或者根据实时的温度信息 进行供能调整。
由于综合能源系统的复杂性以及用户需求响应的制约,电热联合调度成 本模型的决策变量较多,除使用常规的智能算法进行慢速求解外,本实施例 还可以提供一种快速求解算法,具体地,对上层电热联合调度成本模型提出 一种改进的微分进化算法进行求解,下层采用Yalmip+cplex在matlab环境 下的数学方法进行求解。
参见图5,具体的求解算法如下:
S401:调度系统接收电价、气价、气温、用户负荷预测、系统线路状况 等数据为优化求解做好准备。
S402:设置种群规模N、交叉概率Pc、交叉因子F∈(0,1)、自变量上下界; 仅将影响用户决策的需求响应补偿价格λe、λh作为微分进化算法的种群,并设 置初始种群其中,Xi(0)为R24×2空间中的一点,即 Xi(0)=(λe,i(0)、λh,i(0)),并设进化代数ω=0。
S403:将种群代入下层优化,用cplex求解器求出用户在该价格下的最 优响应量PIIL、QIIL并返回上层。
S404:已知该次迭代中设置的种群以及下层反馈的PIIL、QIIL,采用matlab 环境下的quadprog函数求解以Pu、Pchp、Hchp、Hgas、PPV、Pwind、Qin、Qout、Tvs、Tvr为决策 变量的二次规划问题。解得的最优值作为每个种群个体Xi(0)=(λe,i(0)、λh,i(0))的调 度目标函数值UISO(Xi(0))。
S405:变异:对种群中每个个体Xi(ω)随机生成三个互补相同的随机整数 r1、r2、r3∈{1,2,…N}和随机整数jrand∈{1,2,3…},生成变异个体其 分量
S406:交叉:当前个体Xi(ω)与变异个体交叉得竞争个体Xi *(ω),其分 量分别为:
S407:生成子种群:利用步骤S403和S404求解UISO(Xi *(0)),并与当前个 体进行比较,来选择出下一代个体:
S408:如果满足终止准则,输出中目标值最小的个体作为最 优解,并通过步骤S403和S404求解其余变量在λe *、λh *下的最优值;若不满足 终止准则ω=ω+1转步骤S405。
本实施例提供一种计及综合需求响应的电热联合调度方法及系统:
①定义了综合能源系统模型,并建立了针对该系统的电热联合调度成本 模型以及用户收益模型,将室内环境温度归纳为用户用热舒适度的评价标准, 使调度效果更优;
②电热联合调度成本模型可以利用热网和用户用热较好的灵活性提高可 再生能源消纳能力;
③针对综合能源系统的复杂性,提出了一种改进的微分进化算法,仅将 影响用户决策的调度变量作为进化种群,针对每次种群进化依次调用两个子 流程求解其余最优决策和目标值,作为种群进化的评价,从而求解出调度考 虑综合需求响应的最优调度策略,最终快速高效地完成联合调度模型的求解 本实施例提供的计及综合需求响应的电热联合调度方法,可以用于电力调度技术领域中的电热联供情形,通过引入室内环境温度进行调度成本和用 户收益优化,可以有效提高用户体验。
在本申请所提供的实施例中,应该理解到,所揭露的系统,单元,装置 和方法,可以通过其它的方式实现。例如,以上所描述的所有实施例仅仅是 示意性的,例如,上述单元或者模块等的划分,仅仅为一种逻辑功能划分, 实际实现时可以有另外的划分方式,例如多个单元、模块以及组件可以结合 或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口, 装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作 为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方, 或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或 者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中, 也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单 元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单 元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售 或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本 申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的 全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个 计算机可读存储介质中,包括若干指令用以使得一台终端设备(可以是手机, 笔记本,或者其他电子设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM, Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁 碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以说明本发明的技术方案,而非对其限制;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 (1)
1.一种计及综合需求响应的电热联合调度方法,其特征在于,包括:
建立电热偶合的综合能源系统并对其热力网络进行建模;
建立计及激励型需求响应的电热联合调度成本模型;
建立计及综合需求响应的用户收益模型;其中,所述综合需求响应包括激励型需求响应和用户可接受温度型需求响应;
求解计及综合需求响应的联合调度模型,获取最优的决策变量;其中,所述联合调度模型包括所述电热联合调度成本模型和用户收益模型;
所述综合能源系统包括:
发电机组,所述发电机组用于提供电能,其包括并联设置的常规机组、光伏机组和风电机组三者中的至少一种;
供热机组,所述供热机组用于提供热能,其包括所述供热机组包括燃气锅炉和热能存储装置;
热电联供机组,所述热电联供机组用于提供电能和热能;
电热转换设备,所述电热转换设备包括电接收端和热接收端,所述电接收端分别与发电机组和热电联供机组连接,所述热接收端分别与供热机组和热电联供机组连接,其用于根据所述最优的决策变量对所接收的电能和热能进行转换以便完成能源的调度;
所述热力网络的数学模型为:
其中:
式(1)表示了热源节点的节点方程;
式(2)表示了热负荷节点的节点方程;
式(3)表示了热水沿管道温度下降的过程;
v代表管网支路;
ML、Ms、Lpipe分别是热源节点、热负荷节点以及所有热水支路;
Hv,chp、Hv,gas分别为热电联供机组和燃气锅炉的热输出功率;
Q0、QIIL分别为原始热负荷功率以及热削减负荷;
ε0、L0、Cp、m分别是热水损耗系数,热水管道长度,水的比热以及热水流量;
Tv,s、Tv,r分别是供水管网和回水管网的温度;
TL,2、TL,1、Ta分别是热水管道支路头、尾温度以及外界环境温度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910797497.7A CN110489915B (zh) | 2019-08-27 | 2019-08-27 | 计及综合需求响应的电热联合调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910797497.7A CN110489915B (zh) | 2019-08-27 | 2019-08-27 | 计及综合需求响应的电热联合调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110489915A CN110489915A (zh) | 2019-11-22 |
CN110489915B true CN110489915B (zh) | 2023-04-07 |
Family
ID=68553571
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910797497.7A Active CN110489915B (zh) | 2019-08-27 | 2019-08-27 | 计及综合需求响应的电热联合调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110489915B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111581809B (zh) * | 2020-04-30 | 2024-02-06 | 华北电力大学 | 一种多能耦合弹性的综合能源调度方法 |
CN111899122B (zh) * | 2020-07-03 | 2024-01-02 | 国网江苏省电力有限公司镇江供电分公司 | 一种基于储能控制的用户分散出清方法 |
CN112713590B (zh) * | 2020-12-22 | 2022-11-08 | 南昌大学 | 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 |
CN113610426B (zh) * | 2021-08-19 | 2024-03-29 | 长沙理工大学 | 基于用户满意度的智能用电社区能量管理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013060083A1 (zh) * | 2011-10-23 | 2013-05-02 | 西安交通大学 | 抽凝式热电联产与纯凝汽火电联合调度系统与方法 |
CN106849188A (zh) * | 2017-01-23 | 2017-06-13 | 中国电力科学研究院 | 一种促进风电消纳的热电联合优化方法及系统 |
CN109217359A (zh) * | 2018-08-19 | 2019-01-15 | 天津大学 | 考虑建筑热平衡与舒适度的乡村微能源网光伏消纳方法 |
CN109742813A (zh) * | 2019-03-22 | 2019-05-10 | 中国电建集团青海省电力设计院有限公司 | 基于mpc的风电-光伏-光热-火电联合发电优化调度方法 |
-
2019
- 2019-08-27 CN CN201910797497.7A patent/CN110489915B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013060083A1 (zh) * | 2011-10-23 | 2013-05-02 | 西安交通大学 | 抽凝式热电联产与纯凝汽火电联合调度系统与方法 |
CN106849188A (zh) * | 2017-01-23 | 2017-06-13 | 中国电力科学研究院 | 一种促进风电消纳的热电联合优化方法及系统 |
CN109217359A (zh) * | 2018-08-19 | 2019-01-15 | 天津大学 | 考虑建筑热平衡与舒适度的乡村微能源网光伏消纳方法 |
CN109742813A (zh) * | 2019-03-22 | 2019-05-10 | 中国电建集团青海省电力设计院有限公司 | 基于mpc的风电-光伏-光热-火电联合发电优化调度方法 |
Non-Patent Citations (1)
Title |
---|
计及需求响应的含风电场日前两阶段动态环境经济调度;刘旭等;《电力建设》;20160901;第37卷(第09期);第146-154 * |
Also Published As
Publication number | Publication date |
---|---|
CN110489915A (zh) | 2019-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110489915B (zh) | 计及综合需求响应的电热联合调度方法及系统 | |
Gu et al. | Bi-level optimal low-carbon economic dispatch for an industrial park with consideration of multi-energy price incentives | |
Wei et al. | A bi-level scheduling model for virtual power plants with aggregated thermostatically controlled loads and renewable energy | |
Guo et al. | Optimal operation of regional integrated energy system considering demand response | |
Pan et al. | Optimal design and operation of multi-energy system with load aggregator considering nodal energy prices | |
Gu et al. | Residential CCHP microgrid with load aggregator: Operation mode, pricing strategy, and optimal dispatch | |
Zhu et al. | Regional integrated energy system energy management in an industrial park considering energy stepped utilization | |
Liu et al. | Coordinated operation of multi-integrated energy system based on linear weighted sum and grasshopper optimization algorithm | |
De Rosa et al. | Flexibility assessment of a combined heat-power system (CHP) with energy storage under real-time energy price market framework | |
CN109727158A (zh) | 一种基于改进弱鲁棒优化的电热综合能源系统调度方法 | |
Xiong et al. | Multi-stage equipment optimal configuration of park-level integrated energy system considering flexible loads | |
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 | |
CN108009693A (zh) | 基于两级需求响应的并网微电网双层优化方法 | |
CN109861302B (zh) | 一种基于主从博弈的能源互联网日前优化控制方法 | |
CN108596442A (zh) | 计及条件风险价值的综合能源系统经济调度方法 | |
CN114881794B (zh) | 考虑舒适度和用能替代的综合能源市场主从博弈交易方法 | |
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 | |
Jintao et al. | Optimized operation of multi-energy system in the industrial park based on integrated demand response strategy | |
CN116432824A (zh) | 基于多目标粒子群的综合能源系统优化方法及系统 | |
CN111553544A (zh) | 基于一致性算法的工业园区分布式综合需求响应方法 | |
Tang et al. | Multi-objective optimal dispatch for integrated energy systems based on a device value tag | |
Li et al. | Multi-dimension day-ahead scheduling optimization of a community-scale solar-driven CCHP system with demand-side management | |
CN111523697A (zh) | 一种综合能源服务成本分摊与定价计算方法 | |
CN116070754A (zh) | 考虑能量共享的多主体综合能源系统优化运行方法及系统 | |
CN115906401A (zh) | 考虑辅助服务碳交易的综合能源系统运行优化方法 |
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 |