CN110504684B - 一种区域多微网系统日前优化调度方法 - Google Patents
一种区域多微网系统日前优化调度方法 Download PDFInfo
- Publication number
- CN110504684B CN110504684B CN201910774602.5A CN201910774602A CN110504684B CN 110504684 B CN110504684 B CN 110504684B CN 201910774602 A CN201910774602 A CN 201910774602A CN 110504684 B CN110504684 B CN 110504684B
- Authority
- CN
- China
- Prior art keywords
- micro
- grid
- power
- electricity
- electric power
- 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
- 238000000034 method Methods 0.000 title claims abstract description 19
- 239000002245 particle Substances 0.000 claims abstract description 78
- 230000005611 electricity Effects 0.000 claims abstract description 77
- 238000003860 storage Methods 0.000 claims abstract description 39
- 238000009826 distribution Methods 0.000 claims abstract description 30
- 230000003993 interaction Effects 0.000 claims abstract description 28
- 238000013178 mathematical model Methods 0.000 claims abstract description 5
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical compound [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 claims description 40
- 239000007789 gas Substances 0.000 claims description 30
- 238000010438 heat treatment Methods 0.000 claims description 23
- 239000002918 waste heat Substances 0.000 claims description 22
- 230000002452 interceptive effect Effects 0.000 claims description 19
- 238000001816 cooling Methods 0.000 claims description 16
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 14
- 238000007599 discharging Methods 0.000 claims description 7
- 239000003345 natural gas Substances 0.000 claims description 7
- 239000000446 fuel Substances 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000013486 operation strategy Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 229940057373 c-time Drugs 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 3
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000010076 replication Effects 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 8
- 238000010248 power generation Methods 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 239000003546 flue gas Substances 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—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
-
- 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
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Power Engineering (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种区域多微网系统日前优化调度方法,属于微网运行优化技术领域。该方法首先对区域多微网系统中各个微网内的设备建立数学模型,然后以区域多微网总运行成本最小为目标,建立目标函数,并给出每个微网内冷、热、电功率平衡约束条件,考虑不同的微网类型和设备选择以及分时电价的影响,制定了合理的运行策略,最后通过改进的粒子群算法求解区域多微网系统中各个微网内设备出力情况、蓄电池充放电情况、微网与配电网间功率交互情况和微网相互之间功率交互情况。该方法提高了区域多微网日前运行的经济性、稳定性与可靠性。
Description
技术领域
本发明涉及微网运行优化技术领域,尤其涉及一种区域多微网系统日前优化调度方法。
背景技术
能源消耗带来的环境污染越来越严重,利用新能源发电是未来的发展趋势,近年来提出的冷热电联产系统,由于具有提高能源利用率、减少环境污染、资源可再生等优点,因而成为研究热点。
冷热电联产系统是一种基于能量梯级利用的综合供、用能分布式能源系统。主要发电设备以燃气轮机、内燃机为主,热作为发电的副产品通过回收利用供给系统的热、冷负荷。冷热电联产技术与微网的结合,将系统与微网中各种用户负荷、供用储设备及分布式电源等结合在一起,满足用户冷、热、电负荷供需平衡,提高整个微网系统的稳定性与可靠性。
随着越来越多的不同类型的微网接入配电网,在一个局部配电区域内,将同时存在着若干微网,从而形成一个区域多微网系统。而现在的微网研究主要是针对单个微网来进行,未考虑到多个微网同时接入配电网的情况,这种地理上邻近的微网互联组成的区域多微网系统会影响微网的运行,因此在这种情况下多微网运行特征不同于单一微网运行的特征。在区域内的各个微网,其分布式电源配置和负荷需求并不一致,微网间往往存在能量的双向流动,彼此的电能可相互支撑,如果仅考虑单一微网的运行特征,难以提高整个区域多微网系统的能源利用率和经济性。
发明内容
针对上述现有技术的不足,本发明提供一种区域多微网系统日前优化调度方法。
为解决上述技术问题,本发明所采取的技术方案是:一种区域多微网系统日前优化调度方法,其流程如图1所示,包括如下步骤:
步骤1:对每个微网内设备建立数学模型;
步骤1.1:燃气轮机运行特性方程为:
其中,ηGT为燃气轮机发电效率,PGT(t)为燃气轮机t时刻输出电功率,为燃气轮机最大输出电功率,α、β、γ、ξ为正常数,FGT为燃气轮机消耗的天然气量,H为天然气热值,QGT(t)为燃气轮机发电过程中排除的高温烟气余热量,ηGT,l为燃气轮机热损失系数;
步骤1.2:余热锅炉运行特性方程为:
QWH(t)=QGT(t)ηWH
其中,QWH(t)为余热锅炉t时刻输出热量,ηWH为余热锅炉的效率;
步骤1.3:溴化锂制冷机运行特性方程为:
QAC(t)=QWH,cool(t)ηAC
其中,QAC(t)为溴化锂制冷机t时刻的制冷量,QWH,cool(t)为余热锅炉输出热量中用于溴化锂制冷的部分热量,ηAC为溴化锂制冷机的效率;
步骤1.4:热交换机运行特性方程为:
QHX(t)=QWH,heat(t)ηHX
其中,QHX(t)为热交换机t时刻的制冷量,QWH,heat(t)为余热锅炉输出热量中用于热交换机制热的部分热量,ηHX为热交换机的效率;
步骤1.5:地源热泵运行特性方程为:
步骤1.6:蓄电池充放模型为:
其中,Sstor(t)为t时刻蓄电池容量,δ为储能的自损耗系数,PES,ch(t)、PES,dis(t)为蓄电池t时刻的充、放电功率,ηch、ηdis分别为蓄电池的能量输入、输出转换效率;
步骤2:以区域多微网总运行成本最小为目标,建立目标函数,并给出每个微网内冷、热、电功率平衡约束条件;
步骤2.1:以区域多微网总运行成本最小为目标,建立目标函数如下:
其中,C为区域多微网系统的总运行成本,T为一个调度周期,m为微网的总个数,Cl,fuel(t)为第l个微网的燃料费用,Cl,om(t)为第l个微网的设备维护费用,Cl,grid(t)为第l个微网与配电网交互电功率的费用,当微网从配电网购电时交互电功率费用为正,向配电网售电时交互电功率费用为负。Cl,mg(t)为第l个微网与所有相邻微网交互电功率的费用,当从相邻微网购电时交互电功率费用为正,向相邻微网售电时交互电功率费用为负;Cfc为天然气价格,upv、uwt、ugt、uwh、uhx、uac、uhp、ues分别为光伏、风机、燃气轮机、余热锅炉、热交换机、溴化锂制冷机、地源热泵、蓄电池的单位功率运行维护成本,Pl,PV(t)、Pl,WT(t)、Pl,GT(t)、Pl,WH(t)、Pl,HX(t)、Pl,AC(t)、Pl,HP(t)、Pl,ES(t)分别为在第l个微网中光伏、风机、燃气轮机、余热锅炉、热交换机、溴化锂制冷机、地源热泵、蓄电池t时刻的输出功率;Cec(t)为分时电价,Pl,grid(t)为第l个微网与配电网t时刻的交互电功率值,当微网从配电网购电时交互电功率值为正,售电时交互电功率值为负;Cmg(t)为微网间交易电价,为第l个微网与第j个微网交互电功率的值,当从第j个微网购电时交互电功率值为正,售电时交互电功率值为负。
步骤2.2:每个微网内冷、热、电功率平衡约束条件如下:
步骤2.2.1:考虑每个微网内冷负荷功率平衡约束:
Ql,AC(t)+Ql,HP,c(t)=Ql,c(t)
其中,Ql,AC(t)为在第l个微网中溴化锂制冷机t时刻的制冷量,Ql,HP,c(t)为在第l个微网中地源热泵t时刻的制冷量,Ql,c(t)为在第l个微网中t时刻冷负荷需求;
步骤2.2.2:考虑每个微网内热负荷功率平衡约束:
Ql,HX(t)+Ql,HP,h(t)=Ql,h(t)
其中,Ql,HX(t)为在第l个微网中热交换机t时刻输出热量,Ql,HP,h(t)为在第l个微网中地源热泵t时刻供热量,Ql,h(t)为在第l个微网中t时刻热负荷需求;
步骤2.2.3:考虑每个微网内电负荷功率平衡约束:
步骤2.2.4:考虑第l个微网与配电网和相邻微网交互电功率约束:
步骤3:考虑不同的微网类型,制定区域多微网系统的运行策略;
(1)根据微网内不同负荷类型和设备的不同组合,区域多微网系统可由冷热电联供型(CCHP)、热电联供型(CHP)、冷电联供型(CCP)、光储型等多种类型的微网组成,其结构如图2所示,每个微网内优先利用光伏、风机等可再生能源的出力;
(2)每个微网内优先使用地源热泵进行制冷、供热,当地源热泵出力不足以满足微网内冷、热负荷需求时,使用CCHP机组或CHP机组或CCP机组补足;
(3)考虑到微网间交易电价低于电网电价,在电网电价低谷时段,当微网内发电量大于负荷量时,优先对蓄电池充电,再向相邻微网及电网售电,当微网内发电量小于负荷量时,优先从相邻微网及电网购电;在电网电价平时段,尽量减少蓄电池的充放电,当微网内发电量有剩余时,优先考虑向相邻微网售电,再向电网售电;当微网内发电量不足时,优先从相邻微网购电,再从电网购电;在电网电价峰时段,当微网内发电量有剩余时,优先考虑向相邻微网售电,再向电网售电;当微网内发电量不足时,优先让蓄电池放电来满足负荷需求,再从相邻微网及电网购电。
步骤4:采用改进的粒子群算法对目标函数求解,获得日前调度计划,其流程如图3所示;
步骤4.1:初始化参数,设定粒子群种群数量S,空间维数D,同化次数Nas,复制次数Nre,异化次数Nal,选择每个微网中每个时刻的燃气轮机发电量、溴化锂制冷机制冷量、热交换机制热量、地源热泵的制热量和制冷量、蓄电池的充放电量、微网与配电网的交互电功率值、微网与相邻微网的电功率交互值作为变量,随机生成粒子初始位置;
步骤4.2:以步骤2得到的目标函数值作为粒子的适应度值,通过比较得出当前单个粒子最小的适应度值和当前所有粒子最小的适应度值,对粒子进行同化操作,通过跟踪粒子个体极值与群体极值来更新自身位置:
Vi=ωVi+c1×rand×(qibest-Xi(a,b,c))+c2×rand×(gbest-Xi(a,b,c))
Xi(a+1,b,c)=Xi(a,b,c)+Vi
其中,Vi表示粒子i的速度,ω为惯性权重系数,c1和c2均为加速因子,rand表示介于(0,1)之间的随机数,qibest为粒子i的个体最优位置,gbest为群体最优位置,Xi(a,b,c)表示第i个粒子在经过a次同化、b次复制、c次异化之后的空间位置,当同化操作达到最大同化次数Nas时,转步骤4.3;
步骤4.3:对粒子进行复制操作,计算同化操作完成时各粒子的适应度值,对适应度值从小到大排序,淘汰后个粒子,对保留的前/>个粒子进行复制,当复制行为达到最大复制次数Nre时,转步骤4.4,否则,返回步骤4.2;
步骤4.4:对粒子进行异化操作,对于每个粒子,随机产生一个(0,1)之间的随机数,当这个随机数小于粒子的异化概率时,则该粒子被淘汰,重新随机生成一个新的个体,否则,粒子保持原位置不变;
其中,Ki为第i个粒子的异化概率,K为基本异化概率,yi表示第i个粒子当前的适应度值,ymin为当前所有粒子适应度值的最小值,yavg为当前所有粒子适应度值的平均值。当达到最大异化次数Nal时,输出结果,否则返回步骤4.2
采用上述技术方案所产生的有益效果在于:
1、本发明考虑了多个微网接入配电网的情况,针对多微网互联系统提出了一种基于多类型微网系统的运行策略,优先利用可再生能源出力,并充分考虑分时电价与储能的配合,提高多微网系统的可靠性与经济性;
2、本发明采用一种改进的粒子群优化算法,求解多微网系统的日前调度问题,提高了全局收敛能力,避免陷入局部最优,最终获得日前调度计划,实现多微网系统总运行成本最小化。
附图说明
图1为本发明一种区域多微网系统日前优化调度方法流程图;
图2为本发明多微网系统结构示意图;
图3为本发明改进的粒子群算法流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本实施例选取的多微网系统中包含有4种类型的微网,分别为:冷热电联供型(CCHP)、热电联供型(CHP)、冷电联供型(CCP)和光储型。
如图1所示,本实施例的方法如下所述。
步骤1:对每个微网内设备建立数学模型;
步骤1.1:燃气轮机运行特性方程为:
其中,ηGT为燃气轮机发电效率,PGT(t)为燃气轮机t时刻输出电功率,为燃气轮机最大输出电功率,α、β、γ、ξ为正常数,FGT为燃气轮机消耗的天然气量,H为天然气热值,QGT(t)为燃气轮机发电过程中排除的高温烟气余热量,ηGT,l为燃气轮机热损失系数;
步骤1.2:余热锅炉运行特性方程为:
QWH(t)=QGT(t)ηWH
其中,QWH(t)为余热锅炉t时刻输出热量,ηWH为余热锅炉的效率;
步骤1.3:溴化锂制冷机运行特性方程为:
QAC(t)=QWH,cool(t)ηAC
其中,QAC(t)为溴化锂制冷机t时刻的制冷量,QWH,cool(t)为余热锅炉输出热量中用于溴化锂制冷的部分热量,ηAC为溴化锂制冷机的效率;
步骤1.4:热交换机运行特性方程为:
QHX(t)=QWH,heat(t)ηHX
其中,QHX(t)为热交换机t时刻的制冷量,QWH,heat(t)为余热锅炉输出热量中用于热交换机制热的部分热量,ηHX为热交换机的效率;
步骤1.5:地源热泵运行特性方程为:
步骤1.6:蓄电池充放模型为:
其中,Sstor(t)为t时刻蓄电池容量,δ为储能的自损耗系数,PES,ch(t)、PES,dis(t)为蓄电池t时刻的充、放电功率,ηch、ηdis分别为蓄电池的能量输入、输出转换效率;
步骤2:以区域多微网总运行成本最小为目标,建立目标函数,并给出每个微网内冷、热、电功率平衡约束条件;
步骤2.1:以区域多微网总运行成本最小为目标,建立目标函数如下:
其中,C为区域多微网系统的总运行成本,T为一个调度周期为24,m为微网的总个数为4,Cl,fuel(t)为第l个微网的燃料费用,Cl,om(t)为第l个微网的设备维护费用,Cl,grid(t)为第l个微网与配电网交互电功率的费用,当微网从配电网购电时交互电功率费用为正,向配电网售电时交互电功率费用为负。Cl,mg(t)为第l个微网与所有相邻微网交互电功率的费用,当从相邻微网购电时交互电功率费用为正,向相邻微网售电时交互电功率费用为负;Cfc为天然气价格,upv、uwt、ugt、uwh、uhx、uac、uhp、ues分别为光伏、风机、燃气轮机、余热锅炉、热交换机、溴化锂制冷机、地源热泵、蓄电池的单位功率运行维护成本,Pl,PV(t)、Pl,WT(t)、Pl,GT(t)、Pl,WH(t)、Pl,HX(t)、Pl,AC(t)、Pl,HP(t)、Pl,ES(t)分别为在第l个微网中光伏、风机、燃气轮机、余热锅炉、热交换机、溴化锂制冷机、地源热泵、蓄电池t时刻的输出功率;Cec(t)为分时电价,Pl,grid(t)为第l个微网与配电网t时刻的交互电功率值,当微网从配电网购电时交互电功率值为正,售电时交互电功率值为负;Cmg(t)为微网间交易电价,为第l个微网与第j个微网交互电功率的值,当从第j个微网购电时交互电功率值为正,售电时交互电功率值为负。
步骤2.2:每个微网内冷、热、电功率平衡约束条件如下:
步骤2.2.1:考虑每个微网内冷负荷功率平衡约束:
Ql,AC(t)+Ql,HP,c(t)=Ql,c(t)
其中,Ql,AC(t)为在第l个微网中溴化锂制冷机t时刻的制冷量,Ql,HP,c(t)为在第l个微网中地源热泵t时刻的制冷量,Ql,c(t)为在第l个微网中t时刻冷负荷需求;
步骤2.2.2:考虑每个微网内热负荷功率平衡约束:
Ql,HX(t)+Ql,HP,h(t)=Ql,h(t)
其中,Ql,HX(t)为在第l个微网中热交换机t时刻输出热量,Ql,HP,h(t)为在第l个微网中地源热泵t时刻供热量,Ql,h(t)为在第l个微网中t时刻热负荷需求;
步骤2.2.3:考虑每个微网内电负荷功率平衡约束:
步骤2.2.4:考虑第l个微网与配电网和相邻微网交互电功率约束:
步骤3:考虑不同的微网类型,制定区域多微网系统的运行策略;
(1)根据微网内不同负荷类型和设备的不同组合,区域多微网系统可由冷热电联供型(CCHP)、热电联供型(CHP)、冷电联供型(CCP)、光储型等多种类型的微网组成,每个微网内优先利用光伏、风机等可再生能源的出力;
(2)每个微网内优先使用地源热泵进行制冷、供热,当地源热泵出力不足以满足微网内冷、热负荷需求时,使用CCHP机组或CHP机组或CCP机组补足;
(3)考虑到微网间交易电价低于电网电价,在电网电价低谷时段,当微网内发电量大于负荷量时,优先对蓄电池充电,再向相邻微网及电网售电,当微网内发电量小于负荷量时,优先从相邻微网及电网购电;在电网电价平时段,尽量减少蓄电池的充放电,当微网内发电量有剩余时,优先考虑向相邻微网售电,再向电网售电;当微网内发电量不足时,优先从相邻微网购电,再从电网购电;在电网电价峰时段,当微网内发电量有剩余时,优先考虑向相邻微网售电,再向电网售电;当微网内发电量不足时,优先让蓄电池放电来满足负荷需求,再从相邻微网及电网购电。
步骤4:采用改进的粒子群算法对目标函数求解,获得日前调度计划,其流程如图3所示;
步骤4.1:初始化参数,设定粒子群种群数量S=600,空间维数D=744,同化次数Nas=300,复制次数Nre=5,异化次数Nal=2,选择每个微网中每个时刻的燃气轮机发电量、溴化锂制冷机制冷量、热交换机制热量、地源热泵的制热量和制冷量、蓄电池的充放电量、微网与配电网的交互电功率值、微网与相邻微网的电功率交互值作为变量,随机生成粒子初始位置;
步骤4.2:以步骤2得到的目标函数值作为粒子的适应度值,通过比较得出当前单个粒子最小的适应度值和当前所有粒子最小的适应度值,对粒子进行同化操作,通过跟踪粒子个体极值与群体极值来更新自身位置:
Vi=ωVi+c1×rand×(qibest-Xi(a,b,c))+c2×rand×(gbest-Xi(a,b,c))
Xi(a+1,b,c)=Xi(a,b,c)+Vi
其中,Vi表示粒子i的速度,ω为惯性权重系数,取值为0.7,c1和c2均为加速因子,取值为2.05,rand表示介于(0,1)之间的随机数,qibest为粒子i的个体最优位置,gbest为群体最优位置,Xi(a,b,c)表示第i个粒子在经过a次同化、b次复制、c次异化之后的空间位置,当同化操作达到最大同化次数300时,转步骤4.3
步骤4.3:对粒子进行复制操作,计算同化操作完成时各粒子的适应度值,对适应度值从小到大排序,淘汰后300个粒子,对保留的前300个粒子进行复制,当复制行为达到最大复制次数5时,转步骤4.4,否则,返回步骤4.2;
步骤4.4:对粒子进行异化操作,对于每个粒子,随机产生一个(0,1)之间的随机数,当这个随机数小于粒子的异化概率时,则该粒子被淘汰,重新随机生成一个新的个体,否则,粒子保持原位置不变;
其中,Ki为第i个粒子的异化概率,K为基本异化概率,取值为0.25,yi表示第i个粒子当前的适应度值,ymin为当前所有粒子适应度值的最小值,yavg为当前所有粒子适应度值的平均值。当达到最大异化次数2时,输出结果,否则返回步骤4.2。
Claims (3)
1.一种区域多微网系统日前优化调度方法,其特征在于包括如下步骤:
步骤1:对每个微网内设备建立数学模型;
所述对每个微网内设备建立数学模型,主要包括对微网内设备:燃气轮机、余热锅炉、溴化锂制冷机、热交换机、地源热泵、蓄电池的建模,各设备运行约束条件如下:
步骤2:以区域多微网总运行成本最小为目标,建立目标函数,并给出每个微网内冷、热、电功率平衡约束条件;
步骤3:考虑不同的微网类型,制定区域多微网系统的运行策略;
步骤4:采用改进的粒子群算法对目标函数求解,获得日前调度计划;
所述步骤2中以区域多微网总运行成本最小为目标,建立目标函数如下:
其中,C为区域多微网系统的总运行成本,T为一个调度周期,m为微网的总个数,Cl,fuel(t)为第l个微网的燃料费用,Cl,om(t)为第l个微网的设备维护费用,Cl,grid(t)为第l个微网与配电网交互电功率的费用,当微网从配电网购电时交互电功率费用为正,向配电网售电时交互电功率费用为负;Cl,mg(t)为第l个微网与所有相邻微网交互电功率的费用,当从相邻微网购电时交互电功率费用为正,向相邻微网售电时交互电功率费用为负;Cfc为天然气价格,upv、uwt、ugt、uwh、uhx、uac、uhp、ues分别为光伏、风机、燃气轮机、余热锅炉、热交换机、溴化锂制冷机、地源热泵、蓄电池的单位功率运行维护成本,Pl,PV(t)、Pl,WT(t)、Pl,GT(t)、Pl,WH(t)、Pl,HX(t)、Pl,AC(t)、Pl,HP(t)、Pl,ES(t)分别为在第l个微网中光伏、风机、燃气轮机、余热锅炉、热交换机、溴化锂制冷机、地源热泵、蓄电池t时刻的输出功率;Cec(t)为分时电价,Pl,grid(t)为第l个微网与配电网t时刻的交互电功率值,当微网从配电网购电时交互电功率值为正,售电时交互电功率值为负;Cmg(t)为微网间交易电价,为第l个微网与第j个微网交互电功率的值,当从第j个微网购电时交互电功率值为正,售电时交互电功率值为负;
所述步骤4的过程如下:
步骤4.1:初始化参数,设定粒子群种群数量S,空间维数D,同化次数Nas,复制次数Nre,异化次数Nal,选择每个微网中每个时刻的燃气轮机发电量、溴化锂制冷机制冷量、热交换机制热量、地源热泵的制热量和制冷量、蓄电池的充放电量、微网与配电网的交互电功率值、微网与相邻微网的电功率交互值作为变量,随机生成粒子初始位置;
步骤4.2:以所述的目标函数值作为粒子的适应度值,通过比较得出当前单个粒子最小的适应度值和当前所有粒子最小的适应度值,对粒子进行同化操作,通过跟踪粒子个体极值与群体极值来更新自身位置:
Vi=ωVi+c1×rand×(qibest-Xi(a,b,c))+c2×rand×(gbest-Xi(a,b,c))
Xi(a+1,b,c)=Xi(a,b,c)+Vi
其中,Vi表示粒子i的速度,ω为惯性权重系数,c1和c2均为加速因子,rand表示介于(0,1)之间的随机数,qibest为粒子i的个体最优位置,gbest为群体最优位置,Xi(a,b,c)表示第i个粒子在经过a次同化、b次复制、c次异化之后的空间位置,当同化操作达到最大同化次数Nas时,转步骤4.3;
步骤4.3:对粒子进行复制操作,计算同化操作完成时各粒子的适应度值,对适应度值从小到大排序,淘汰后个粒子,对保留的前/>个粒子进行复制,当复制行为达到最大复制次数Nre时,转步骤4.4,否则,返回步骤4.2;
步骤4.4:对粒子进行异化操作,对于每个粒子,随机产生一个(0,1)之间的随机数,当这个随机数小于粒子的异化概率时,则该粒子被淘汰,重新随机生成一个新的个体,否则,粒子保持原位置不变;
其中,Ki为第i个粒子的异化概率,K为基本异化概率,yi表示第i个粒子当前的适应度值,ymin为当前所有粒子适应度值的最小值,yavg为当前所有粒子适应度值的平均值,当达到最大异化次数Nal时,输出结果,否则返回步骤4.2。
2.根据权利要求1所述的一种区域多微网系统日前优化调度方法,其特征在于所述步骤2中每个微网内冷、热、电功率平衡约束条件如下:
考虑每个微网内冷负荷功率平衡约束:
Ql,AC(t)+Ql,HP,c(t)=Ql,c(t)
其中,Ql,AC(t)为在第l个微网中溴化锂制冷机t时刻的制冷量,Ql,HP,c(t)为在第l个微网中地源热泵t时刻的制冷量,Ql,c(t)为在第l个微网中t时刻冷负荷需求;
考虑每个微网内热负荷功率平衡约束:
Ql,HX(t)+Ql,HP,h(t)=Ql,h(t)
其中,Ql,HX(t)为在第l个微网中热交换机t时刻输出热量,Ql,HP,h(t)为在第l个微网中地源热泵t时刻供热量,Ql,h(t)为在第l个微网中t时刻热负荷需求;
考虑每个微网内电负荷功率平衡约束:
考虑第l个微网与配电网和相邻微网交互电功率约束:
3.根据权利要求1所述的一种区域多微网系统日前优化调度方法,其特征在于所述步骤3中考虑不同的微网类型,制定区域多微网系统的运行策略如下:
(1)根据微网内不同负荷类型和设备的不同组合,区域多微网系统可由CCHP型微网、CHP型微网、CCP型微网、光储型微网多种类型的微网组成,每个微网内优先利用光伏、风机可再生能源的出力;
(2)每个微网内优先使用地源热泵进行制冷、供热,当地源热泵出力不足以满足微网内冷、热负荷需求时,使用CCHP机组或CHP机组或CCP机组补足;
(3)考虑到微网间交易电价低于电网电价,在电网电价低谷时段,当微网内发电量大于负荷量时,优先对蓄电池充电,再向相邻微网及电网售电,当微网内发电量小于负荷量时,优先从相邻微网及电网购电;在电网电价平时段,尽量减少蓄电池的充放电,当微网内发电量有剩余时,优先考虑向相邻微网售电,再向电网售电;当微网内发电量不足时,优先从相邻微网购电,再从电网购电;在电网电价峰时段,当微网内发电量有剩余时,优先考虑向相邻微网售电,再向电网售电;当微网内发电量不足时,优先让蓄电池放电来满足负荷需求,再从相邻微网及电网购电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910774602.5A CN110504684B (zh) | 2019-08-21 | 2019-08-21 | 一种区域多微网系统日前优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910774602.5A CN110504684B (zh) | 2019-08-21 | 2019-08-21 | 一种区域多微网系统日前优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110504684A CN110504684A (zh) | 2019-11-26 |
CN110504684B true CN110504684B (zh) | 2023-06-20 |
Family
ID=68588512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910774602.5A Active CN110504684B (zh) | 2019-08-21 | 2019-08-21 | 一种区域多微网系统日前优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110504684B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111160636B (zh) * | 2019-12-19 | 2023-01-17 | 广东工业大学 | 一种cchp型微电网调度优化方法 |
CN112883630B (zh) * | 2021-03-31 | 2023-10-31 | 南京工程学院 | 用于风电消纳的多微网系统日前优化经济调度方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104135025A (zh) * | 2014-05-30 | 2014-11-05 | 国家电网公司 | 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 |
CN104392286A (zh) * | 2014-12-02 | 2015-03-04 | 山东大学 | 考虑冷热电联供和储能运行策略的微电网运行优化方法 |
CN105869075A (zh) * | 2016-04-19 | 2016-08-17 | 东南大学 | 一种冷热电联供型微型能源网经济优化调度方法 |
CN106451550A (zh) * | 2016-11-10 | 2017-02-22 | 三峡大学 | 一种基于改进次梯度粒子群的微电网并网优化调度方法 |
CN107292449A (zh) * | 2017-07-18 | 2017-10-24 | 广东双新电气科技有限公司 | 一种含多微网主动配电系统分散协同经济调度方法 |
CN107482638A (zh) * | 2017-07-21 | 2017-12-15 | 杭州电子科技大学 | 冷热电联供型微电网多目标动态优化调度方法 |
CN108717594A (zh) * | 2018-04-16 | 2018-10-30 | 东南大学 | 一种冷热电联供型多微网系统经济优化调度方法 |
CN109471362A (zh) * | 2018-12-18 | 2019-03-15 | 东北大学 | 一种冷热电联产优化系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107077704B (zh) * | 2014-10-21 | 2021-12-03 | 埃森哲环球服务有限公司 | 用于针对微电网的容量确定的系统、方法以及装置以及有形计算机可读介质 |
-
2019
- 2019-08-21 CN CN201910774602.5A patent/CN110504684B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104135025A (zh) * | 2014-05-30 | 2014-11-05 | 国家电网公司 | 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 |
CN104392286A (zh) * | 2014-12-02 | 2015-03-04 | 山东大学 | 考虑冷热电联供和储能运行策略的微电网运行优化方法 |
CN105869075A (zh) * | 2016-04-19 | 2016-08-17 | 东南大学 | 一种冷热电联供型微型能源网经济优化调度方法 |
CN106451550A (zh) * | 2016-11-10 | 2017-02-22 | 三峡大学 | 一种基于改进次梯度粒子群的微电网并网优化调度方法 |
CN107292449A (zh) * | 2017-07-18 | 2017-10-24 | 广东双新电气科技有限公司 | 一种含多微网主动配电系统分散协同经济调度方法 |
CN107482638A (zh) * | 2017-07-21 | 2017-12-15 | 杭州电子科技大学 | 冷热电联供型微电网多目标动态优化调度方法 |
CN108717594A (zh) * | 2018-04-16 | 2018-10-30 | 东南大学 | 一种冷热电联供型多微网系统经济优化调度方法 |
CN109471362A (zh) * | 2018-12-18 | 2019-03-15 | 东北大学 | 一种冷热电联产优化系统及方法 |
Non-Patent Citations (3)
Title |
---|
含CCHP的区域多微网协调优化调度研究;吴志佳;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20180615;全文 * |
含CCHP的微网经济运行优化研究;廖名洋;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20150115;全文 * |
考虑电能交互的冷热电多微网系统日期优化经济调度;徐青山等;《电力系统自动化》;20181110;第42卷(第21期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110504684A (zh) | 2019-11-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108717594B (zh) | 一种冷热电联供型多微网系统经济优化调度方法 | |
CN109523065B (zh) | 一种基于改进量子粒子群算法的微能源网优化调度方法 | |
CN108229025B (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 | |
CN111463836B (zh) | 一种综合能源系统优化调度方法 | |
CN109859071B (zh) | 虚拟电厂多能互补的源荷储优化配置方法 | |
CN111860937B (zh) | 基于改进多目标灰狼算法的冷热电联供型微电网优化方法 | |
CN103151797A (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
CN106022503A (zh) | 面向具有耦合型电冷热需求的微电网容量规划方法 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
CN109634119B (zh) | 一种基于日内滚动优化的能源互联网优化控制方法 | |
CN111445107B (zh) | 冷热电联供型微电网多目标优化配置方法 | |
CN110705776A (zh) | 能源优化调度方法 | |
Liu et al. | Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios | |
CN112270433B (zh) | 考虑可再生能源不确定性和用户满意度的微电网优化方法 | |
CN114362241A (zh) | 一种基于新能源最大消纳及发电成本最优的混合调度方法 | |
Lin et al. | Energy management strategy and capacity optimization for CCHP system integrated with electric‐thermal hybrid energy storage system | |
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 | |
CN114529075A (zh) | 考虑风光预测误差的综合能源系统分布鲁棒优化调度方法 | |
CN110504684B (zh) | 一种区域多微网系统日前优化调度方法 | |
CN110601177A (zh) | 一种含风电、光伏发电的微电网经济优化方法 | |
CN115241923A (zh) | 一种基于蛇优化算法的微电网多目标优化配置方法 | |
CN112883630B (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
CN112467767A (zh) | 综合能源系统环境下的电动汽车并网协同控制方法 | |
Flores et al. | Optimal design of a distributed energy resources system that minimizes cost while reducing carbon emissions | |
CN116306194A (zh) | 基于多目标优化理论的综合能源系统能效优化配置方法 |
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 |