CN110503227A - 一种分布式能源站的配置优化方法和装置 - Google Patents
一种分布式能源站的配置优化方法和装置 Download PDFInfo
- Publication number
- CN110503227A CN110503227A CN201810477429.8A CN201810477429A CN110503227A CN 110503227 A CN110503227 A CN 110503227A CN 201810477429 A CN201810477429 A CN 201810477429A CN 110503227 A CN110503227 A CN 110503227A
- Authority
- CN
- China
- Prior art keywords
- energy
- source station
- subsystem
- energy source
- energized
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000005381 potential energy Methods 0.000 claims abstract description 76
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 42
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 42
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 238000010276 construction Methods 0.000 claims abstract description 12
- 230000005611 electricity Effects 0.000 claims description 21
- 238000012546 transfer Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 240000002853 Nelumbo nucifera Species 0.000 description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 3
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012384 transportation and delivery Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种分布式能源站的配置优化方法和装置,所述方法包括:根据潜在能源站中各类供能子系统的输入侧一次能源的功率上限确定潜在能源站的最大供能潜力;根据所述潜在能源站的最大供能潜力确定所述潜在能源站中的可用能源站组;根据所述可用能源站组中供能子系统与负荷中心间的配置优化指标值确定所述供能子系统的可用供能子系统。本发明提供的技术方案,采用一种分布式能源站的配置优化方法,使混合能源站的配置建设成本最优,使全寿命周期建设运维总费用、碳排放及能效最优。
Description
技术领域
本发明涉及电力优化领域,具体涉及一种分布式能源站的配置优化方法和装置。
背景技术
随着全球环境、能源形势愈发严峻,建立在化石能源基础上的电力工业面临重大挑战。通过冷热电多种能源系统的一体化规划设计,构建由分布式终端综合能源单元和与之相耦合的集中式能源供应网络构成的区域综合能源系统,是社会发展的必然选择。基于分布式冷热电(Combined Heat,Cool and Power,CCHP)是当前国内外分布式能源的主要形式,在负荷密度高、土地节约集约利用的城市办公区、住宅区和商业区等功能区得到广泛应用。
商住混合区集商娱、服务和居住等于一体,是城市中最常见的社区类型,其普遍邻近或处于市中心,用地紧张,全年对电能和热能有较高的需求。在传统规划中,分布式能源站的冷力、电力和热力的供能子系统单独规划,彼此缺乏协调和配合,使得供能子系统的运行成本较高、碳排放量大以及能效低。
发明内容
本发明提供一种分布式能源站的配置优化方法和装置,其目的是采用一种分布式能源站的配置优化方法,使混合能源站的配置建设成本最优,使全寿命周期建设运维总费用、碳排放及能效最优。
本发明的目的是采用下述技术方案实现的:
一种分布式能源站的配置优化方法,其改进之处在于,所述方法包括:
根据潜在能源站中各类供能子系统的输入侧一次能源的功率上限确定潜在能源站的最大供能潜力;
根据所述潜在能源站的最大供能潜力确定所述潜在能源站中的可用能源站组;
根据所述可用能源站组中供能子系统与负荷中心间的配置优化指标值确定所述供能子系统的可用供能子系统。
优选的,所述根据潜在能源站中各类供能子系统的输入侧一次能源的功率上限确定潜在能源站的最大供能潜力,包括:
按下式确定第e个潜在能源站的第k类能源的最大供能潜力Qe,k_max:
上式中,Qine,j为第e个潜在能源站中第j个供能子系统的输入侧一次能源的功率上限;ηj,k为第j个供能子系统的第k类能源的转换效率;e∈[1,W],W为潜在能源站的总数量;k为能源种类,k=1,2或3,k=1时能源是冷,k=2时能源是热,k=3时能源是电;j∈[1,P],P为潜在能源站中供能子系统的总数量。
优选的,所述根据所述潜在能源站的最大供能潜力确定所述潜在能源站中的可用能源站组,包括:
a.设有W个潜在能源站,m个负荷中心,令Z=1;
b.对所述潜在能源站进行分组,其中,每一组中潜在能源站的个数为Z且不重复;
c.比较每一组中潜在能源站的最大供能潜力之和是否均小于m个负荷中心的总负荷需求,若是,则执行步骤e,否则,执行步骤d;
d.将最大供能潜力之和大于等于m个负荷中心的总负荷需求的潜在能源站组作为可用能源站组,并结束操作;
e.令Z=Z+1,判断Z是否大于W,若是,则结束操作;否则,返回步骤b。
4.如权利要求1所述的方法,其特征在于,所述可用能源站组与负荷中心间的配置优化指标值包括:所述可用能源站组与负荷中心间的经济成本、所述可用能源站组与负荷中心间的能效和所述可用能源站组与负荷中心间的碳排放。
进一步的,所述根据所述可用能源站组中供能子系统与负荷中心间的配置优化指标值确定所述供能子系统的可用供能子系统,包括:
若所述可用能源站组中供能子系统与负荷中心间的经济成本小于第一阈值、所述可用能源站组中供能子系统与负荷中心间的能效大于第二阈值、所述可用能源站组中供能子系统与负荷中心间的碳排放小于第三阈值且满足所述可用能源站组中供能子系统的约束条件,则该供能子系统为可用供能子系统。
进一步的,按下式确定所述可用能源站组中供能子系统与负荷中心间的经济成本f1:
f1=Cini+Co_m+Cprod+Cpump
上式中,Cini为所述可用能源站组中供能子系统的初投资费用年金现值,Co_m为所述可用能源站组中供能子系统的运维费用,Cprod为所述可用能源站组中供能子系统的年运行费用,Cpump为所述可用能源站组中供能子系统的泵功费用;
按下式确定所述可用能源站组中供能子系统与负荷中心间的碳排放f2:
上式中,i∈[1,N],N为可用能源站组中可用能源站的总数量;j∈[1,P],P为供能子系统的总数量;k为能源种类,k=1,2或3,k=1时能源种类是冷,k=2为能源种类是热,k=3为能源种类是电;Mi,j,1为第i个可用能源站的第j个供能子系统容量;Cost_Carbonj,k,2为第j个供能子系统的第k类能源的碳排放;Mi,j,2为第i个可用能源站的第j个供能子系统的工作时长;
按下式确定所述可用能源站组中供能子系统与负荷中心间的碳排放f3:
上式中,t为工作时间;x∈[1,m],m为负荷中心总数量;j∈[1,P],P为供能子系统的总数量;i∈[1,N],N为可用能源站的总数量;k为能源种类,k=1,2或3,k=1时能源种类是冷,k=2时能源种类是热,k=3时能源种类是电;Dx,k,t为第m个负荷中心需求第k类能源的逐时负荷,;Mi,j,1为第i个可用能源站的第j个供能子系统的容量;Mi,j,2为第i个可用能源站的第j个供能子系统的工作时长;Pi,j,k为第i个可用能源站的第j个供能子系统的第k类能源的能流;Pipe_Infok,1为第k类能源的输送功耗,Locationi为第i个可用能源站的位置;Locationj为第j个供能子系统的位置。
进一步的,按下式确定所述可用能源站组中供能子系统的初投资费用年金现值Cini:
Cini=(Mi,j,1*Device_Costj,1*(1+Device_Costj,2)+Pi,j,k*Pipe_Infok,3*|Locationi-Locationj|)*r/((1+r)ntot-1)
上式中,Device_Costj,1为第j个供能子系统的建设成本,Device_Costj,2为第j个供能子系统的修正系数,Pipe_Infok,3为第k类能源的管线建设成本,r为银行年利率,ntot为供能子系统的预期使用寿命年限;
按下式确定所述可用能源站组中供能子系统的运维费Co_m:
Co_m=Cini*Ratio
上式中,Ratio为所述可用能源站组中供能子系统的初投资费用年金现值的占比;
按下式确定所述可用能源站组中供能子系统的年运行费用Cprod:
上式中,Cost_Pricej,k,1为第j个供能子系统的第k类能源的价格成本;
按下式确定所述可用能源站组中供能子系统的泵功费用Cpump:
Cpump=Pi,j,k*Pipe_Infok,1*|Locationi-Locationj|/ηpump*Priceelectricity*Mi,j,2
上式中,ηpump为能源的输送效率;Priceelectricity为当地工业用电的电价。
具体的,按下式确定第j个供能子系统的第k类能源的价格成本Cost_Pricej,k,1:
上式中,ηj,k为第j个供能子系统第k类能源的转换效率,Pricej为第j个供能子系统的一次侧单位输入能源的价格成本;
按下式确定第j个供能子系统的第k类能源的碳排放Cost_Carbonj,k,2:
上式中,ηj,k为第j个供能子系统第k类能源的转换效率,Carbonj为第j个供能子系统的一次侧单位输入能源的碳排放系数。
进一步的,按下式确定所述可用能源站组中供能子系统的约束条件:
上式中,i∈[1,N],N为可用能源站组中可用能源站的总数量;j∈[1,P],P为供能子系统的总数量;k为能源种类,k=1,2或3,k=1时能源种类是冷,k=2为能源种类是热,k=3为能源种类是电;x∈[1,m],m为负荷中心总数量;Dx,k,t为第m个负荷中心需求第k类能源的逐时负荷,Pi,j,k为第i个可用能源站的第j个供能子系统的第k类能源的能流;Pipe_Infok,2为第k类能源的管线损失,Ti,j,k为第i个可用能源站第j个供能子系统的第k类能源的能流的输送时间,Mi,j,1为第i个可用能源站的第j个供能子系统的供能子系统的容量,Mi,j,2为第i个可用能源站的第j个供能子系统的工作时长,ηj,k为第j个供能子系统的第k类能源的转换功率。
一种分布式能源站的配置优化装置,其改进之处在于,所述装置包括:
第一确定单元,用于根据潜在能源站中各类供能子系统的输入侧一次能源的功率上限确定潜在能源站的最大供能潜力;
第二确定单元,用于根据所述潜在能源站的最大供能潜力确定所述潜在能源站中的可用能源站组;
第三确定单元,用于根据所述可用能源站组中供能子系统与负荷中心间的配置优化指标值确定所述供能子系统的可用供能子系统。
本发明的有益效果:
本发明提供的技术方案,通过根据所述潜在能源站的最大供能潜力确定所述潜在能源站中的可用能源站组,并根据所述可用能源站组中供能子系统与负荷中心间的配置优化指标值确定所述供能子系统的可用供能子系统,使能源站与负荷中心的配置优化时间减少至1分钟以内,快速直观确定能源站中供能子系统的选择。进一步的,本发明提供的技术方案,一方面,综合考虑负荷中心、能源站供能子系统、管线建设成本和运维成本等方面,优化成本,减少费用;另一方面,通过考虑能源转换效率等,大幅提高能源利用效率;最后通过考虑各个能源的碳排放系数,尽可能选择碳排放系数低的能源,减少碳排放。
附图说明
图1是本发明一种分布式能源站的配置优化方法的流程图;
图2是本发明一种分布式能源站的配置优化装置的结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作详细说明。
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、完整地描述,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它实施例,都属于本发明保护的范围。
本发明提供的一种分布式能源站的配置优化方法,如图1所示,包括:
101.根据潜在能源站中各类供能子系统的输入侧一次能源的功率上限确定潜在能源站的最大供能潜力;
102.根据所述潜在能源站的最大供能潜力确定所述潜在能源站中的可用能源站组;
103.根据所述可用能源站组中供能子系统与负荷中心间的配置优化指标值确定所述供能子系统的可用供能子系统。
进一步的,所述步骤101,包括:
按下式确定第e个潜在能源站的第k类能源的最大供能潜力Qe,k_max:
上式中,Qine,j为第e个潜在能源站中第j个供能子系统的输入侧一次能源的功率上限;ηj,k为第j个供能子系统的第k类能源的转换效率;e∈[1,W],W为潜在能源站的总数量;k为能源种类,k=1,2或3,k=1时能源是冷,k=2时能源是热,k=3时能源是电;j∈[1,P],P为潜在能源站中供能子系统的总数量。
进一步的,在根据潜在能源站中各类供能子系统的输入侧一次能源的功率上限确定潜在能源站的最大供能潜力之后,所述步骤102,包括:
a.设有W个潜在能源站,m个负荷中心,令Z=1;
b.对所述潜在能源站进行分组,其中,每一组中潜在能源站的个数为Z且不重复;
c.比较每一组中潜在能源站的最大供能潜力之和是否均小于m个负荷中心的总负荷需求,若是,则执行步骤e,否则,执行步骤d;
d.将最大供能潜力之和大于等于m个负荷中心的总负荷需求的潜在能源站组作为可用能源站组,并结束操作;
e.令Z=Z+1,判断Z是否大于W,若是,则结束操作;否则,返回步骤b。
进一步的,所述可用能源站组与负荷中心间的配置优化指标值包括:所述可用能源站组与负荷中心间的经济成本、所述可用能源站组与负荷中心间的能效和所述可用能源站组与负荷中心间的碳排放。
进一步的,在根据所述潜在能源站的最大供能潜力确定所述潜在能源站中的可用能源站组之后,所述步骤103,包括:
若所述可用能源站组中供能子系统与负荷中心间的经济成本小于第一阈值、所述可用能源站组中供能子系统与负荷中心间的能效大于第二阈值、所述可用能源站组中供能子系统与负荷中心间的碳排放小于第三阈值且满足所述可用能源站组中供能子系统的约束条件,则该供能子系统为可用供能子系统。
具体的,按下式确定所述可用能源站组中供能子系统与负荷中心间的经济成本f1:
f1=Cini+Co_m+Cprod+Cpump
上式中,Cini为所述可用能源站组中供能子系统的初投资费用年金现值,Co_m为所述可用能源站组中供能子系统的运维费用,Cprod为所述可用能源站组中供能子系统的年运行费用,Cpump为所述可用能源站组中供能子系统的泵功费用;
按下式确定所述可用能源站组中供能子系统与负荷中心间的碳排放f2:
上式中,i∈[1,N],N为可用能源站组中可用能源站的总数量;j∈[1,P],P为供能子系统的总数量;k为能源种类,k=1,2或3,k=1时能源种类是冷,k=2为能源种类是热,k=3为能源种类是电;Mi,j,1为第i个可用能源站的第j个供能子系统容量;Cost_Carbonj,k,2为第j个供能子系统的第k类能源的碳排放;Mi,j,2为第i个可用能源站的第j个供能子系统的工作时长;
按下式确定所述可用能源站组中供能子系统与负荷中心间的碳排放f3:
上式中,t为工作时间;x∈[1,m],m为负荷中心总数量;j∈[1,P],P为供能子系统的总数量;i∈[1,N],N为可用能源站的总数量;k为能源种类,k=1,2或3,k=1时能源种类是冷,k=2时能源种类是热,k=3时能源种类是电;Dx,k,t为第m个负荷中心需求第k类能源的逐时负荷,;Mi,j,1为第i个可用能源站的第j个供能子系统的容量;Mi,j,2为第i个可用能源站的第j个供能子系统的工作时长;Pi,j,k为第i个可用能源站的第j个供能子系统的第k类能源的能流;Pipe_Infok,1为第k类能源的输送功耗,Locationi为第i个可用能源站的位置;Locationj为第j个供能子系统的位置。
具体的,按下式确定所述可用能源站组中供能子系统的初投资费用年金现值Cini:
Cini=(Mi,j,1*Device_Costj,1*(1+Device_Costj,2)+Pi,j,k*Pipe_Infok,3*|Locationi-Locationj|)*r/((1+r)ntot-1)
上式中,Device_Costj,1为第j个供能子系统的建设成本,Device_Costj,2为第j个供能子系统的修正系数,Pipe_Infok,3为第k类能源的管线建设成本,r为银行年利率,ntot为供能子系统的预期使用寿命年限;
按下式确定所述可用能源站组中供能子系统的运维费Co_m:
Co_m=Cini*Ratio
上式中,Ratio为所述可用能源站组中供能子系统的初投资费用年金现值的占比;
按下式确定所述可用能源站组中供能子系统的年运行费用Cprod:
上式中,Cost_Pricej,k,1为第j个供能子系统的第k类能源的价格成本;
按下式确定所述可用能源站组中供能子系统的泵功费用Cpump:
Cpump=Pi,j,k*Pipe_Infok,1*|Locationi-Locationj|/ηpump*Priceelectricity*Mi,j,2
上式中,ηpump为能源的输送效率;Priceelectricity为当地工业用电的电价。
其中,按下式确定第j个供能子系统的第k类能源的价格成本Cost_Pricej,k,1:
上式中,ηj,k为第j个供能子系统第k类能源的转换效率,Pricej为第j个供能子系统的一次侧单位输入能源的价格成本;
按下式确定第j个供能子系统的第k类能源的碳排放Cost_Carbonj,k,2:
上式中,ηj,k为第j个供能子系统第k类能源的转换效率,Carbonj为第j个供能子系统的一次侧单位输入能源的碳排放系数。
具体的,按下式确定所述可用能源站组中供能子系统的约束条件:
上式中,i∈[1,N],N为可用能源站组中可用能源站的总数量;j∈[1,P],P为供能子系统的总数量;k为能源种类,k=1,2或3,k=1时能源种类是冷,k=2为能源种类是热,k=3为能源种类是电;x∈[1,m],m为负荷中心总数量;Dx,k,t为第m个负荷中心需求第k类能源的逐时负荷,Pi,j,k为第i个可用能源站的第j个供能子系统的第k类能源的能流;Pipe_Infok,2为第k类能源的管线损失,Ti,j,k为第i个可用能源站第j个供能子系统的第k类能源的能流的输送时间,Mi,j,1为第i个可用能源站的第j个供能子系统的供能子系统的容量,Mi,j,2为第i个可用能源站的第j个供能子系统的工作时长,ηj,k为第j个供能子系统的第k类能源的转换功率。
本发明还提供一种分布式能源站的配置优化装置,如图2所示,所述装置包括:
第一确定单元,用于根据潜在能源站中各类供能子系统的输入侧一次能源的功率上限确定潜在能源站的最大供能潜力;
第二确定单元,用于根据所述潜在能源站的最大供能潜力确定所述潜在能源站中的可用能源站组;
第三确定单元,用于根据所述可用能源站组中供能子系统与负荷中心间的配置优化指标值确定所述供能子系统的可用供能子系统。
进一步的,所述第一确定单元,用于按下式确定第e个潜在能源站的第k类能源的最大供能潜力Qe,k_max:
上式中,Qine,j为第e个潜在能源站中第j个供能子系统的输入侧一次能源的功率上限;ηj,k为第j个供能子系统的第k类能源的转换效率;e∈[1,W],W为潜在能源站的总数量;k为能源种类,k=1,2或3,k=1时能源是冷,k=2时能源是热,k=3时能源是电;j∈[1,P],P为潜在能源站中供能子系统的总数量。
进一步的,所述第二确定单元,用于:
a.设有W个潜在能源站,m个负荷中心,令Z=1;
b.对所述潜在能源站进行分组,其中,每一组中潜在能源站的个数为Z且不重复;
c.比较每一组中潜在能源站的最大供能潜力之和是否均小于m个负荷中心的总负荷需求,若是,则执行步骤e,否则,执行步骤d;
d.将最大供能潜力之和大于等于m个负荷中心的总负荷需求的潜在能源站组作为可用能源站组,并结束操作;
e.令Z=Z+1,判断Z是否大于W,若是,则结束操作;否则,返回步骤b。
进一步的,所述可用能源站组与负荷中心间的配置优化指标值包括:所述可用能源站组与负荷中心间的经济成本、所述可用能源站组与负荷中心间的能效和所述可用能源站组与负荷中心间的碳排放。
进一步的,所述第三确定单元,用于:
若所述可用能源站组中供能子系统与负荷中心间的经济成本小于第一阈值、所述可用能源站组中供能子系统与负荷中心间的能效大于第二阈值、所述可用能源站组中供能子系统与负荷中心间的碳排放小于第三阈值且满足所述可用能源站组中供能子系统的约束条件,则该供能子系统为可用供能子系统。
进一步的,所述第三确定单元,包括:
第一确定模块,用于按下式确定所述可用能源站组中供能子系统与负荷中心间的经济成本f1:
f1=Cini+Co_m+Cprod+Cpump
上式中,Cini为所述可用能源站组中供能子系统的初投资费用年金现值,Co_m为所述可用能源站组中供能子系统的运维费用,Cprod为所述可用能源站组中供能子系统的年运行费用,Cpump为所述可用能源站组中供能子系统的泵功费用;
第二确定模块,用于按下式确定所述可用能源站组中供能子系统与负荷中心间的碳排放f2:
上式中,i∈[1,N],N为可用能源站组中可用能源站的总数量;j∈[1,P],P为供能子系统的总数量;k为能源种类,k=1,2或3,k=1时能源种类是冷,k=2为能源种类是热,k=3为能源种类是电;Mi,j,1为第i个可用能源站的第j个供能子系统容量;Cost_Carbonj,k,2为第j个供能子系统的第k类能源的碳排放;Mi,j,2为第i个可用能源站的第j个供能子系统的工作时长;
第三确定模块,用于按下式确定所述可用能源站组中供能子系统与负荷中心间的碳排放f3:
上式中,t为工作时间;x∈[1,m],m为负荷中心总数量;j∈[1,P],P为供能子系统的总数量;i∈[1,N],N为可用能源站的总数量;k为能源种类,k=1,2或3,k=1时能源种类是冷,k=2时能源种类是热,k=3时能源种类是电;Dx,k,t为第m个负荷中心需求第k类能源的逐时负荷,;Mi,j,1为第i个可用能源站的第j个供能子系统的容量;Mi,j,2为第i个可用能源站的第j个供能子系统的工作时长;Pi,j,k为第i个可用能源站的第j个供能子系统的第k类能源的能流;Pipe_Infok,1为第k类能源的输送功耗,Locationi为第i个可用能源站的位置;Locationj为第j个供能子系统的位置。
具体的,按下式确定所述可用能源站组中供能子系统的初投资费用年金现值Cini:
Cini=(Mi,j,1*Device_Costj,1*(1+Device_Costj,2)+Pi,j,k*Pipe_Infok,3*|Locationi-Locationj|)*r/((1+r)ntot-1)
上式中,Device_Costj,1为第j个供能子系统的建设成本,Device_Costj,2为第j个供能子系统的修正系数,,Pipe_Infok,3为第k类能源的管线建设成本,r为银行年利率,ntot为供能子系统的预期使用寿命年限;
按下式确定所述可用能源站组中供能子系统的运维费Co_m:
Co_m=Cini*Ratio
上式中,Ratio为所述可用能源站组中供能子系统的初投资费用年金现值的占比;
按下式确定所述可用能源站组中供能子系统的年运行费用Cprod:
上式中,Cost_Pricej,k,1为第j个供能子系统的第k类能源的价格成本;
按下式确定所述可用能源站组中供能子系统的泵功费用Cpump:
Cpump=Pi,j,k*Pipe_Infok,1*|Locationi-Locationj|/ηpump*Priceelectricity*Mi,j,2
上式中,ηpump为能源的输送效率;Priceelectricity为当地工业用电的电价。
其中,按下式确定第j个供能子系统的第k类能源的价格成本Cost_Pricej,k,1:
上式中,ηj,k为第j个供能子系统第k类能源的转换效率,Pricej为第j个供能子系统的一次侧单位输入能源的价格成本;
按下式确定第j个供能子系统的第k类能源的碳排放Cost_Carbonj,k,2:
上式中,ηj,k为第j个供能子系统第k类能源的转换效率,Carbonj为第j个供能子系统的一次侧单位输入能源的碳排放系数。
具体的,按下式确定所述可用能源站组中供能子系统的约束条件:
上式中,i∈[1,N],N为可用能源站组中可用能源站的总数量;j∈[1,P],P为供能子系统的总数量;k为能源种类,k=1,2或3,k=1时能源种类是冷,k=2为能源种类是热,k=3为能源种类是电;x∈[1,m],m为负荷中心总数量;Dx,k,t为第m个负荷中心需求第k类能源的逐时负荷,Pi,j,k为第i个可用能源站的第j个供能子系统的第k类能源的能流;Pipe_Infok,2为第k类能源的管线损失,Ti,j,k为第i个可用能源站第j个供能子系统的第k类能源的能流的输送时间,Mi,j,1为第i个可用能源站的第j个供能子系统的供能子系统的容量,Mi,j,2为第i个可用能源站的第j个供能子系统的工作时长,ηj,k为第j个供能子系统的第k类能源的转换功率。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种分布式能源站的配置优化方法,其特征在于,所述方法包括:
根据潜在能源站中各类供能子系统的输入侧一次能源的功率上限确定潜在能源站的最大供能潜力;
根据所述潜在能源站的最大供能潜力确定所述潜在能源站中的可用能源站组;
根据所述可用能源站组中供能子系统与负荷中心间的配置优化指标值确定所述供能子系统的可用供能子系统。
2.如权利要求1所述的方法,其特征在于,所述根据潜在能源站中各类供能子系统的输入侧一次能源的功率上限确定潜在能源站的最大供能潜力,包括:
按下式确定第e个潜在能源站的第k类能源的最大供能潜力Qe,k_max:
上式中,Qine,j为第e个潜在能源站中第j个供能子系统的输入侧一次能源的功率上限;ηj,k为第j个供能子系统的第k类能源的转换效率;e∈[1,W],W为潜在能源站的总数量;k为能源种类,k=1,2或3,k=1时能源是冷,k=2时能源是热,k=3时能源是电;j∈[1,P],P为潜在能源站中供能子系统的总数量。
3.如权利要求1所述的方法,其特征在于,所述根据所述潜在能源站的最大供能潜力确定所述潜在能源站中的可用能源站组,包括:
a.设有W个潜在能源站,m个负荷中心,令Z=1;
b.对所述潜在能源站进行分组,其中,每一组中潜在能源站的个数为Z且不重复;
c.比较每一组中潜在能源站的最大供能潜力之和是否均小于m个负荷中心的总负荷需求,若是,则执行步骤e,否则,执行步骤d;
d.将最大供能潜力之和大于等于m个负荷中心的总负荷需求的潜在能源站组作为可用能源站组,并结束操作;
e.令Z=Z+1,判断Z是否大于W,若是,则结束操作;否则,返回步骤b。
4.如权利要求1所述的方法,其特征在于,所述可用能源站组与负荷中心间的配置优化指标值包括:所述可用能源站组与负荷中心间的经济成本、所述可用能源站组与负荷中心间的能效和所述可用能源站组与负荷中心间的碳排放。
5.如权利要求4所述的方法,其特征在于,所述根据所述可用能源站组中供能子系统与负荷中心间的配置优化指标值确定所述供能子系统的可用供能子系统,包括:
若所述可用能源站组中供能子系统与负荷中心间的经济成本小于第一阈值、所述可用能源站组中供能子系统与负荷中心间的能效大于第二阈值、所述可用能源站组中供能子系统与负荷中心间的碳排放小于第三阈值且满足所述可用能源站组中供能子系统的约束条件,则该供能子系统为可用供能子系统。
6.如权利要求5所述的方法,其特征在于,按下式确定所述可用能源站组中供能子系统与负荷中心间的经济成本f1:
f1=Cini+Co_m+Cprod+Cpump
上式中,Cini为所述可用能源站组中供能子系统的初投资费用年金现值,Co_m为所述可用能源站组中供能子系统的运维费用,Cprod为所述可用能源站组中供能子系统的年运行费用,Cpump为所述可用能源站组中供能子系统的泵功费用;
按下式确定所述可用能源站组中供能子系统与负荷中心间的碳排放f2:
上式中,i∈[1,N],N为可用能源站组中可用能源站的总数量;j∈[1,P],P为供能子系统的总数量;k为能源种类,k=1,2或3,k=1时能源种类是冷,k=2为能源种类是热,k=3为能源种类是电;Mi,j,1为第i个可用能源站的第j个供能子系统容量;Cost_Carbonj,k,2为第j个供能子系统的第k类能源的碳排放;Mi,j,2为第i个可用能源站的第j个供能子系统的工作时长;
按下式确定所述可用能源站组中供能子系统与负荷中心间的碳排放f3:
上式中,t为工作时间;x∈[1,m],m为负荷中心总数量;j∈[1,P],P为供能子系统的总数量;i∈[1,N],N为可用能源站的总数量;k为能源种类,k=1,2或3,k=1时能源种类是冷,k=2时能源种类是热,k=3时能源种类是电;Dx,k,t为第m个负荷中心需求第k类能源的逐时负荷,;Mi,j,1为第i个可用能源站的第j个供能子系统的容量;Mi,j,2为第i个可用能源站的第j个供能子系统的工作时长;Pi,j,k为第i个可用能源站的第j个供能子系统的第k类能源的能流;Pipe_Infok,1为第k类能源的输送功耗,Locationi为第i个可用能源站的位置;Locationj为第j个供能子系统的位置。
7.如权利要求6所述的方法,其特征在于,按下式确定所述可用能源站组中供能子系统的初投资费用年金现值Cini:
Cini=(Mi,j,1*Device_Costj,1*(1+Device_Costj,2)+Pi,j,k*Pipe_Infok,3*|Locationi-Locationj|)*r/((1+r)ntot-1)
上式中,Device_Costj,1为第j个供能子系统的建设成本,Device_Costj,2为第j个供能子系统的修正系数,Pipe_Infok,3为第k类能源的管线建设成本,r为银行年利率,ntot为供能子系统的预期使用寿命年限;
按下式确定所述可用能源站组中供能子系统的运维费Co_m:
Co_m=Cini*Ratio
上式中,Ratio为所述可用能源站组中供能子系统的初投资费用年金现值的占比;
按下式确定所述可用能源站组中供能子系统的年运行费用Cprod:
上式中,Cost_Pricej,k,1为第j个供能子系统的第k类能源的价格成本;
按下式确定所述可用能源站组中供能子系统的泵功费用Cpump:
Cpump=Pi,j,k*Pipe_Infok,1*|Locationi-Locationj|/ηpump*Priceelectricity*Mi,j,2
上式中,ηpump为能源的输送效率;Priceelectricity为当地工业用电的电价。
8.如权利要求7所述的方法,其特征在于,按下式确定第j个供能子系统的第k类能源的价格成本Cost_Pricej,k,1:
上式中,ηj,k为第j个供能子系统第k类能源的转换效率,Pricej为第j个供能子系统的一次侧单位输入能源的价格成本;
按下式确定第j个供能子系统的第k类能源的碳排放Cost_Carbonj,k,2:
上式中,ηj,k为第j个供能子系统第k类能源的转换效率,Carbonj为第j个供能子系统的一次侧单位输入能源的碳排放系数。
9.如权利要求5所述的方法,其特征在于,按下式确定所述可用能源站组中供能子系统的约束条件:
上式中,i∈[1,N],N为可用能源站组中可用能源站的总数量;j∈[1,P],P为供能子系统的总数量;k为能源种类,k=1,2或3,k=1时能源种类是冷,k=2为能源种类是热,k=3为能源种类是电;x∈[1,m],m为负荷中心总数量;Dx,k,t为第m个负荷中心需求第k类能源的逐时负荷,Pi,j,k为第i个可用能源站的第j个供能子系统的第k类能源的能流;Pipe_Infok,2为第k类能源的管线损失,Ti,j,k为第i个可用能源站第j个供能子系统的第k类能源的能流的输送时间,Mi,j,1为第i个可用能源站的第j个供能子系统的供能子系统的容量,Mi,j,2为第i个可用能源站的第j个供能子系统的工作时长,ηj,k为第j个供能子系统的第k类能源的转换功率。
10.一种分布式能源站的配置优化装置,其特征在于,所述装置包括:
第一确定单元,用于根据潜在能源站中各类供能子系统的输入侧一次能源的功率上限确定潜在能源站的最大供能潜力;
第二确定单元,用于根据所述潜在能源站的最大供能潜力确定所述潜在能源站中的可用能源站组;
第三确定单元,用于根据所述可用能源站组中供能子系统与负荷中心间的配置优化指标值确定所述供能子系统的可用供能子系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810477429.8A CN110503227B (zh) | 2018-05-18 | 一种分布式能源站的配置优化方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810477429.8A CN110503227B (zh) | 2018-05-18 | 一种分布式能源站的配置优化方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110503227A true CN110503227A (zh) | 2019-11-26 |
CN110503227B CN110503227B (zh) | 2024-07-02 |
Family
ID=
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103839116A (zh) * | 2014-03-21 | 2014-06-04 | 国家电网公司 | 一种基于不同供电区域的变电站容量配置方法 |
CN105071433A (zh) * | 2015-07-31 | 2015-11-18 | 贵州大学 | 一种分布式电源的优化配置方案 |
CN106447122A (zh) * | 2016-10-12 | 2017-02-22 | 国网上海市电力公司 | 一种区域型能源互联网及其一体化优化规划方法 |
CN106651130A (zh) * | 2016-11-17 | 2017-05-10 | 新奥泛能网络科技股份有限公司 | 一种能源站选址方法及装置 |
CN107016467A (zh) * | 2017-04-13 | 2017-08-04 | 华北电力大学(保定) | 一种区域能源互联网全自动站网布局优化方法 |
CN107194543A (zh) * | 2017-04-28 | 2017-09-22 | 国网上海市电力公司 | 一种区域能源规划设计阶段的能源站配置方法 |
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103839116A (zh) * | 2014-03-21 | 2014-06-04 | 国家电网公司 | 一种基于不同供电区域的变电站容量配置方法 |
CN105071433A (zh) * | 2015-07-31 | 2015-11-18 | 贵州大学 | 一种分布式电源的优化配置方案 |
CN106447122A (zh) * | 2016-10-12 | 2017-02-22 | 国网上海市电力公司 | 一种区域型能源互联网及其一体化优化规划方法 |
CN106651130A (zh) * | 2016-11-17 | 2017-05-10 | 新奥泛能网络科技股份有限公司 | 一种能源站选址方法及装置 |
CN107016467A (zh) * | 2017-04-13 | 2017-08-04 | 华北电力大学(保定) | 一种区域能源互联网全自动站网布局优化方法 |
CN107194543A (zh) * | 2017-04-28 | 2017-09-22 | 国网上海市电力公司 | 一种区域能源规划设计阶段的能源站配置方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cao et al. | A comprehensive review of Energy Internet: basic concept, operation and planning methods, and research prospects | |
Bilal et al. | Electric vehicles in a smart grid: a comprehensive survey on optimal location of charging station | |
Gholizadeh et al. | Enhancement of demand supply’s security using power to gas technology in networked energy hubs | |
Pal et al. | Placement of public fast-charging station and solar distributed generation with battery energy storage in distribution network considering uncertainties and traffic congestion | |
Wu et al. | Carbon-oriented expansion planning of integrated electricity-natural gas systems with EV fast-charging stations | |
Fan et al. | Information gap-based multi-objective optimization of a virtual energy hub plant considering a developed demand response model | |
Li et al. | Electrification and digitalization effects on sectoral energy demand and consumption: A prospective study towards 2050 | |
CN113393038A (zh) | 一种综合能源站网及需求响应协同的规划方法 | |
Kohne et al. | Technical and digital twin concept of an industrial heat transfer station for low exergy waste heat | |
Ghasemi et al. | Bi-level decomposition approach for coordinated planning of an energy hub with gas-electricity integrated systems | |
Nagovnak et al. | Improving the methodology of national energy balances to adapt to the energy transition | |
Wu et al. | Low-carbon charging facilities planning for electric vehicles based on a novel travel route choice model | |
Pu et al. | Collaborative scheduling of port integrated energy and container logistics considering electric and hydrogen-powered transport | |
Nikkhah et al. | Energy Hub Management considering Demand Response, Distributed Generation, and Electric Vehicle Charging Station | |
Poudineh | Energy networks in the energy transition era | |
CN110504703A (zh) | 一种分布式能源供能网络中能源站的优选方法和装置 | |
CN110503227A (zh) | 一种分布式能源站的配置优化方法和装置 | |
Shen et al. | A MultiObjective optimization approach for integrated timetabling and vehicle scheduling with uncertainty | |
Ok et al. | Allocation of Distributed Energy Systems at District‐Scale over Wide Areas for Sustainable Urban Planning with a MILP Model | |
Baldvinsson et al. | Cost assessment of a district heating system in northern Japan using a geographic information–based mixed integer linear programming model | |
Wang et al. | Key problems of gas‐fired power plants participating in peak load regulation: A review | |
Mantri et al. | Evolution of Integrated Multi-Energy Vector System and Innovation Opportunities | |
CN115994612A (zh) | 基于业扩规划的配电网运行优化方法、装置及存储介质 | |
Huang et al. | Joint charging infrastructure and autonomous fleet planning considering distributed renewable resources | |
Tarahomi et al. | General Modeling of Interconnected Hubs in Series and Parallel Structures |
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 |