CN110531717B - 融合筒仓虚拟储能的煤矿带式输送系统节能优化调度方法 - Google Patents

融合筒仓虚拟储能的煤矿带式输送系统节能优化调度方法 Download PDF

Info

Publication number
CN110531717B
CN110531717B CN201910746353.9A CN201910746353A CN110531717B CN 110531717 B CN110531717 B CN 110531717B CN 201910746353 A CN201910746353 A CN 201910746353A CN 110531717 B CN110531717 B CN 110531717B
Authority
CN
China
Prior art keywords
belt conveyor
energy storage
silo
virtual energy
belt
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
CN201910746353.9A
Other languages
English (en)
Other versions
CN110531717A (zh
Inventor
穆云飞
姚泰昂
贾宏杰
余晓丹
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.)
Tianjin University
Original Assignee
Tianjin 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 Tianjin University filed Critical Tianjin University
Priority to CN201910746353.9A priority Critical patent/CN110531717B/zh
Publication of CN110531717A publication Critical patent/CN110531717A/zh
Application granted granted Critical
Publication of CN110531717B publication Critical patent/CN110531717B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32252—Scheduling production, machining, job shop
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Control Of Conveyors (AREA)
  • Filling Or Emptying Of Bunkers, Hoppers, And Tanks (AREA)
  • Structure Of Belt Conveyors (AREA)

Abstract

本发明公开了一种融合筒仓虚拟储能的煤矿带式输送系统节能优化调度方法，所述方法包括以下步骤：构建虚拟储能系统模型、风机模型、光伏模型；以日运行成本最小为目标建立考虑筒仓虚拟储能的带式输送系统优化调度的目标函数；构建虚拟储能系统约束和电功率约束的条件；在MATLAB中调用fmincon函数对目标函数进行求解。本发明用以解决由于煤矿带式输送机定带速运行导致的带式输送机经常处于半载、空载的运行状态从而引发的带式输送机能效低下、电费成本过高以及磨损严重使用寿命降低的问题；同时，本方法充分挖掘带式输送机所配置的筒仓的虚拟储能能力，提高了分布式能源本地消纳能力，进一步降低带式输送机电费成本。

Description

融合筒仓虚拟储能的煤矿带式输送系统节能优化调度方法
技术领域
本发明涉及煤矿带式输送系统领域，尤其涉及一种融合筒仓虚拟储能的煤矿带式输送系统节能优化调度方法。
背景技术
带式输送机作为一种连续运输设备，被广泛应用于煤矿中散料煤炭的运输，其能耗仅次于采掘系统，占到煤矿生产用电的17％以上[1]。现有大部分带式输送机的带速常保持恒定运行，考虑到由于煤矿生产具有不连续性，带式输送机往往处于半载甚至空载的运行状态，效率较为低下[2]。针对以上问题，对于带式输送机变速控制的研究已成为热点。文献[3]构建了用于调速控制的带式输送机能耗模型，为后续的优化提供模型基础；文献[4]通过对煤矿带式输送机进行开关控制转移了高电价时段负荷，降低了煤矿运输成本；文献[5]在文献[4]基础上采用开关控制和变速控制两种控制方式进行优化，验证了变速控制的优越性；文献[6]在带式输送机变速控制中引入闭环控制，提高了控制策略的抗干扰能力；文献[7-8]进一步考虑了带式输送机变速瞬时力学特征，用一种改进的三步法确定最小调速时间，使速度控制更具实用性。上述研究大多针对带式输送机本身节能效果展开，并未充分利用带式输送系统所具有的柔性调节能力，辅助用户侧资源的高效率利用。
近些年在工业领域，已有很多专家学者针对高耗能环节，挖掘其中可调节的柔性资源，形成虚拟储能单元，并结合实时电价，将电能进行转化存储。文献[9]针对洗煤重介质旋流器，引入了一种泵储系统，在用电低谷时储存洗煤介质，降低了洗煤环节电费成本；文献[10]通过协调下坡带式输送机的带速及其与电网的功率交互，利用所蓄积的势能，降低输送过程电费成本；文献[11]利用弹簧组存储抽油机换向惯性能量，改善了电机运行环境，降低了抽油机能耗。
虽然近些年对工业柔性储能资源的开发已经展开，但相关研究仍然较少，高能耗工业流程仍有大量节能潜力可供挖掘。
发明内容
本发明提供了一种融合筒仓虚拟储能的煤矿带式输送系统节能优化调度方法，本发明用以解决由于煤矿带式输送机定带速运行导致的带式输送机经常处于半载、空载的运行状态从而引发的带式输送机能效低下、电费成本过高以及磨损严重使用寿命降低的问题；同时，本方法充分挖掘带式输送机所配置的筒仓的虚拟储能能力，提高了分布式能源本地消纳能力，进一步降低带式输送机电费成本，详见下文描述：
一种融合筒仓虚拟储能的煤矿带式输送系统节能优化调度方法，所述方法包括以下步骤：
构建虚拟储能系统模型、风机模型、光伏模型；
以日运行成本最小为目标建立考虑筒仓虚拟储能的带式输送系统优化调度的目标函数；
构建虚拟储能系统约束和电功率约束的条件；
在MATLAB中调用fmincon函数对目标函数进行求解。
其中，所述电功率约束的条件具体为：
Pex,t＝PT,t-PWT,t-PPV,t
其中，PWT,t、PPV,t、PT,t、Pex,t分别为第t时段风机出力、光伏出力、带式输送机用电功率和向配电网购电功率，各功率单位均为kW。
进一步地，
Pex,t≥0
其中，保证分布式电源本地消纳，购电功率为正。
其中，所述目标函数具体为：
Figure BDA0002165705680000021
式中：N为一个调度周期内调度总时段数；式中第一项为购电电价，Cph,t为第t时段电价，元/kW·h；第二项为风机、光伏的维护成本，CWT、CPV分别为风机和光伏单位功率的使用维护成本，单位均为元/kW；第三部分为带式输送机带速变化的惩罚项。
本发明提供的技术方案的有益效果是：
1)本发明充分利用筒仓虚拟储能效果，明显降低带式输送系统运行成本，减少带式输送机磨损，提升其使用寿命；
2)本发明充分利用分布式能源出力降低带式输送机能耗，并通过对带式输送机工况的控制，实现本地消纳分布式能源出力；
3)本发明为煤矿企业提供可行的运煤火车调度方案，在完成运输要求基础上最小化带式输送机运行成本。
附图说明
图1为煤矿带式输送系统示意图；
图2为虚拟储能组成示意图；
图3为实时电价的示意图；
图4为分布式电源出力预测曲线示意图；
图5为一天中Qt和Qtrain,t情况示意图；
图6为一天中筒仓虚拟储能SOCt情况示意图；
图7为一天中购电功率情况示意图；
图8为不同火车到来时间组合下Qt和Qtrain,t示意图；
图9为不同火车到来时间组合下筒仓SOCt示意图；
图10为火车到来时间组合示意图；
图11为不同火车到来时间组合下带式输送机日电费成本示意图；
图12为不同ω下带式输送机带速示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。
实施例1
一、系统建模
1、模型概述
如图1所示为煤矿快速装载终端处的带式输送系统示意图。系统由露天堆煤场、带式输送机、快速装载终端筒仓(下称筒仓)、运煤火车(下称火车)和分布式发电单元组成。煤炭由露天堆煤场经带式输送机输送至筒仓中，在火车到来时通过控制阀门对火车进行煤炭装载。图中Vt为第t时段带式输送机带速，m/s；Qt为第t时段带式输送机运送煤炭量(下称煤流量)，ton/h；Qtrain,t为第t时段筒仓向火车装载煤炭的速率(下称装载速率)，ton/h；PWT,t、PPV,t、PT,t、Pex,t分别为第t时段风机出力、光伏出力、带式输送机用电功率和向配电网购电功率，各功率单位均为kW；ut表示在时段t火车是否到达并装载煤炭，其表达式如式(1)所示：
Figure BDA0002165705680000041
煤矿带式输送机运输过程实质上是煤炭流与能量流在时间上的耦合所形成的物质-能量-时间结构。如图1所示，图中实线箭头表示煤炭流，虚线箭头表示能量流。分布式发电出力和配电网购电功率构成的能量流供应带式输送机工作，进而推动煤炭沿既定轨迹流动形成煤炭流。故而二者是相互联系，彼此制约的。这也导致了煤炭企业在一定的生产要求下无法兼顾对分布式电源的消纳和对实时电价的响应。
由于筒仓自身的煤炭贮藏能力可以将带式输送机所用电能转化为煤炭势能，从而对外表现出类似于储能系统的虚拟储能充放电特性。故将图1中带式输送机、筒仓、火车三者构建为虚拟储能系统。虚拟储能系统的输入为Qt，输出为Qtrain,t。其中，带式输送机功率PT,t的大小由Qt和Vt共同决定，故此将带式输送机功耗与虚拟储能输入关联起来，通过对虚拟储能充放能进行控制，来降低带式输送机电费成本。下面对带式输送系统虚拟储能的充放能机理进行说明。
在低电价阶段，带式输送机以较高的Qt向筒仓输送煤炭，将电能转化为煤炭势能存储，对应虚拟储能的充能过程；在高电价阶段则减少Qt以降低带式输送机功耗从而降低电费成本。与之类似，筒仓以Qtrain,t对火车进行装载则对应着虚拟储能的放能过程。因虚拟储能的输入端决定了带式输送系统的能耗，故输出端实质上是在配合输入端进行工作。传统煤炭装载过程往往将Qtrain,t固定，使得低电价时段Qt受到Qtrain,t的限制无法以较高的数值运煤。而在引入虚拟储能的概念后，在Qt较大时令筒仓也以较大的Qtrain,t进行装载，使得筒仓有充足的容量对带式输送机输入的煤炭进行存储。通过二者的配合，充分发挥虚拟储能响应电价转移负荷的特性。
通过虚拟储能充放能过程的协调控制，可以实现煤炭流和能量流在时间上的解耦，使带式输送系统在完成运输要求基础上充分利用分布式电源出力，响应实时电价，进而降低煤炭企业的电费成本。
2、模型构建
1)虚拟储能系统模型
虚拟储能系统的输入Qt与带速Vt决定了带式输送机的能耗PT,t。下面对带式输送机能耗模型进行介绍。带式输送机能耗模型存在多种计算方式，它们都源于一些公认的标准和规范(ISO 5048、DIN 22101、JIS B 8805[12-14])。这些标准和规范采用许多复杂的方程来描述带式输送机各个部分对总能耗的贡献，需要众多详细参数，故这些模型仅适用于设计目的而不适用于优化计算。
本发明实施例采用一种改进的带式输送机能耗模型，将所有参数划归成四个系数，便于应用于系统优化控制。其数学模型如式(2)所示[3]。
Figure BDA0002165705680000051
式中：ηm为电动机效率；ηd为驱动系统效率；θ1,θ2,θ3,θ4为与带式输送机结构有关的常数参数。
虚拟储能能力的大小取决于筒仓容量。图2中Rmax为筒仓的最大容量。为保证筒仓中煤炭不超过容量上限，筒仓第t时刻煤炭量Rt应满足约束如式(3)-(4)所示。
Rt＝Rt-1+Qt-Qtrain,tut (3)
0≤Rt≤Rmax (4)
类比于蓄电池荷电状态SOC的定义，引入第t时段筒仓容量状态SOCt，其表达式如式(5)所示：
Figure BDA0002165705680000052
同时，如式(6)所示，火车装载速率大小应满足筒仓装载阀门的约束；煤矿一天规定装载工作量约束如式(7)-(8)所示。
Figure BDA0002165705680000053
Figure BDA0002165705680000054
Figure BDA0002165705680000055
式中：
Figure BDA0002165705680000056
和
Figure BDA0002165705680000057
为装载速率上下限，ton/h；Qall为煤矿一天火车装载量要求，ton；Δt为单位调度时间，h。式(7)和式(8)共同保证了筒仓在火车到来时进行装载，在火车未到时保持关闭。
对于煤矿带式输送机来说，其输送的煤炭为散装物料，当运送煤炭过多时会导致煤炭从带式输送机散落，因此在此引入Mt，即第t时刻带式输送机单位长度煤炭量，用以表征带式输送机运煤极限。
Figure BDA0002165705680000061
Mmin≤Mt≤Mmax (10)
式中：Mmax和Mmin分别为带式输送机单位长度运送煤炭量最大最小值，其与Mt的单位均为kg/m。
由于带式输送机机械性能限制，带速应满足上下限约束。
Vmin≤Vt≤Vmax (11)
式中：Vmax和Vmin分别为带式输送机带速上下限，单位均为m/s。
2)风机模型
风机模型如式(12)所示[15]。
Figure BDA0002165705680000062
式中：Pmax为风机额定出力，kW；ν为风机所在地自然风风速；Vin和Vout分别为风机的切入风速和切出风速；VR为风机额定风速。各类风速单位均为m/s；多项式A、B、C为风机出力非线性部分的拟合系数，其表达式如式(13)-(15)所示。
Figure BDA0002165705680000063
Figure BDA0002165705680000064
Figure BDA0002165705680000065
3)光伏模型
光伏模型如式(16)所示[15]。
PPV,t＝nEDηlight (16)
式中：n为光伏板数量；E为自然环境下光照强度折算到光伏电池倾斜面的光照强度，kW/m2；D为单块光伏板面积，m2；ηlight为光能转换效率。
二、考虑筒仓虚拟储能的带式输送系统优化调度模型
1、目标函数
对图1带式输送系统进行分析，以日运行成本最小为目标建立目标函数，如式(17)所示：
Figure BDA0002165705680000071
式中：N为一个调度周期内调度总时段数；式中第一项为购电电价，其中Cph,t为第t时段电价，元/kW·h；第二项为风机、光伏的维护成本，其中CWT、CPV分别为风机和光伏单位功率的使用维护成本，单位均为元/kW；第三部分为带式输送机带速变化的惩罚项。带式输送机带速变化快慢影响其使用寿命，因此在目标函数中加入了带速变化的惩罚项来平衡经济指标和技术指标。在此定义惩罚项为罚因子与前后时段带速变化的平方的乘积，其中ω为罚因子。
2、约束条件
约束分为虚拟储能系统约束和电功率约束。
1)虚拟储能容量约束：式(3)-(4)；
2)虚拟储能输出端装载速率要求：(6)-(8)；
3)虚拟储能输入端运煤极限约束：式(9)-(10)；
4)虚拟储能输入端带速约束：式(11)；
5)电功率平衡约束。
Pex,t＝PT,t-PWT,t-PPV,t (18)
6)为保证分布式电源本地消纳，购电功率为正。
Pex,t≥0 (19)
考虑到将ut作为决策变量整合到优化模型中会增加模型求解难度。简化起见，算例没有将其作为决策变量，而是看作可变参数在算例中进行讨论。
在MATLAB中调用fmincon函数对上述经济优化调度模型进行求解[16]。
实施例2
1、算例数据
本发明实施例应用中国山西某煤矿数据进行分析。考虑24小时的优化调度，设置调度时段为1小时。筒仓容量为4000吨，初始时筒仓中有100吨的煤炭存储。煤矿一天有两列火车分别在5:00和18:00到达，每次停靠3个小时，一天需完成的火车煤炭装载量为12000吨。实时电价情况如图3所示。ω初值取值50，带式输送机参数和风机光伏参数如表1表2所示。
表1带式输送机参数
Figure BDA0002165705680000081
表2风机、光伏参数
Figure BDA0002165705680000082
根据当地夏季某典型日风速、光照强度等数据，基于前述模型得到的风机、光伏出力预测曲线如图4所示。算例设置两个场景来进行对比分析。
场景I：带式输送机Vt保持2m/s定速运行，Qtrain,t为2000ton/h，即该煤矿带式输送系统现有运行方式；
场景II：考虑实时电价影响，在分布式电源本地消纳基础上，利用筒仓的虚拟储能特性降低带式输送机电费成本。
2、算例结果
1)两场景对比
图5、图6分别给出了两场景下Qt、Qtrain,t和筒仓SOCt变化情况。图7给出了一天中Pex,t变化情况。
对于场景I来说，其Qt和Qtrain,t在火车到来前时段和火车进行装载时段量值均保持固定，故在图6中其SOCt曲线斜率在各时段保持不变。
场景II引入了虚拟储能系统，其Qt和Qtrain,t跟随电价变化进行调整，在0:00-8:00时段，Qt随着电价的下降逐渐增大，Qtrain,t也保持较大数值，故在该时段Pex,t较大。而在8:00-21:00时段，Qt随着电价的增长逐渐减小，Qtrain,t量值同样较小，此时Pex,t基本为零。可以看出，通过虚拟储能输入Qt和输出Qtrain,t的配合，可将带式输送机负荷转移到低电价时段，以降低其运行成本。
由图7中阴影部分所示，由于场景I带式输送机运行工况的固定，在10:00-11:00和22:00-24:00时段出现了分布式电源出力较大而导致的弃风、弃光现象。而场景II中分布式电源通过与虚拟储能输入端Qt的配合，实现了本地完全消纳。以22:00-24:00时段为例：该时段场景I和场景II均已完成了装载任务，图5中场景I的Qt降为零；而在场景II中，为了消纳该时段分布式电源出力，带式输送机仍以一定量值Qt工作，此时带式输送机功耗正好等于分布式电源出力，实现了分布式电源本地完全消纳。
经计算，在一天的优化调度时间下，场景I带式输送机电费成本为247.44元；场景II带式输送机电费成本为94.25元，同比下降61.91％。
2、火车到来时间对调度结果的影响
煤矿可结合调度需求对火车班制进行调整，因此火车时间可以灵活调配。本节设置三种火车到来时间组合，来分析其对虚拟储能和电费成本的影响。这里定义(t1,t2)表示两列火车分别在第t1时刻和第t2时刻达到，其装载煤炭时间同样为3小时。
图8和图9给出了三种火车到来时间组合下Qt、Qtrain,t和筒仓SOCt和变化情况。其中组合1为(5，18)、组合2为(13，16)、组合3为(2，5)。
组合1中两列火车到来时间间隔较大，虚拟储能有足够的时间进行“充能”。如图9所示，两列火车到来前筒仓均已被装满，且在图8中可以看到，Qt较为分散地分布在0:00-21:00时段之间，带式输送机可充分利用各时段分布式电源出力，降低能耗和电费成本；组合2中两列火车到来时间间隔较近，由图9所示，虽然在火车到来前筒仓已被装满，但筒仓需要在接下来的6个小时中对火车进行12000吨煤炭的装载，筒仓容量远不能满足此时的装载量要求，故在图8中，带式输送机在13:00-19:00以较高的Qt进行工作，以满足此时的装载量要求。这使得带式输送机在这段时间以较高的功耗工作，虚拟储能转移Qt的效果由于装载工作的集中而削弱；组合3与组合2类似，所不同的是组合3中两列火车到来时间较早。由图8所示，带式输送机在0:00-2:00火车尚未到达时以较高的Qt对筒仓进行装载，用以降低火车到来时段带式输送机的工作量，但在图9中可以看到，在2:00火车到来时，其SOCt值仅为0.8，筒仓尚未装满，故带式输送机在2:00-8:00以比组合2更高的Qt进行工作，其虚拟储能转移Qt效果比组合2还差。但由于此时电价较低，其电费成本较组合3低。
表3三种火车到来时间组合下带式输送机日电费成本和日功耗情况
Figure BDA0002165705680000101
综上可知，火车到来时间间隔、火车到来时间早晚影响虚拟储能的效果，进而影响带式输送机的能耗和日电费成本。因为煤矿运煤火车车次较少，故在此将一天内两列火车到来时间组合情况枚举出来进行比较。图11给出了一天内共190中组合情况下带式输送机日电费成本情况。其横坐标组合的排列方式如图10所示。
由图11可知，两列火车到来间隔越大，到来时间越晚，虚拟储能的效果越好，带式输送机的日电费成本越少。经计算，两列火车到来时间为(6,21)时，带式输送机日电费成本最低，为89.71元。
3、ω对调度结果的影响讨论
由式(2)可知，Qt与Vt共同决定了带式输送机功耗，而ω的取值对Vt变化影响很大。故本节针对ω对Vt和带式输送机日电费成本的影响进行分析。
图12和表4分别给出了不同ω下带式输送机带速变化情况和日电费成本情况。当ω由0增加到50时，带式输送机带速变化显著变缓，这对其使用寿命来说非常有益，而其电费成本呈现上升的趋势。ω再增加，带式输送机的日电费成本持续上升，而其带速变化基本不变，因此在此选择ω为50，同时考虑了经济效益和带式输送机使用寿命的技术指标。
表4不同ω下带式输送机日电费成本
Figure BDA0002165705680000111
三、结论
本发明实施例提出了一种融合筒仓虚拟储能的煤矿带式输送系统节能优化调度方法，通过利用筒仓的虚拟储能特性，降低带式输送机的电费成本，结论如下：
1)筒仓可作为调度资源参与到带式输送机运行调度之中，通过虚拟储能对电价的响应，实现带式输送机负荷跨时段转移，辅助分布式电源本地消纳，降低带式输送系统运行成本；
2)通过优选火车到来时间可对筒仓虚拟储能能力进行进一步充分利用，可最大程度上降低带式输送系统的运行成本；
3)带式输送机带速变化快慢对日电费成本产生影响。带速变化项罚因子越大(即带速变化越缓慢)，日电费成本越大，因此惩罚因子的制定需兼顾系统运行约束和经济性需求。参考文献
[1]高之翔.节能导向的煤矿大型机电设备协同控制技术[D].安徽理工大学,2017.
[2]He D,Pang Y,Lodewijks G.Speed control of belt conveyors duringtransient operation[J].Powder Technology,2016,301:622-631.
[3]Zhang S,Xia X.Modeling and energy efficiency optimization of beltconveyors[J].Applied Energy,2011,88(9):3061-3071.
[4]Middelberg A,Zhang J,Xia X.An optimal control model for loadshifting–With application in the energy management of a colliery[J].AppliedEnergy,2009,86(7-8):1266-1273.
[5]Zhang S,Xia X.Optimal control of operation efficiency of beltconveyor systems[J].Applied Energy,2010,87(6):1929-1937.
[6]Luo J,Huang W,Zhang S.Energy cost optimal operation of beltconveyors using model predictive control methodology[J].Journal of CleanerProduction,2015,105:196-205.
[7]He D,Pang Y,Lodewijks G.Green operations of belt conveyors bymeans of speed control[J].Applied Energy,2017,188:330-341.
[8]He D,PangY,Lodewijks G,et al.Healthy speed control of beltconveyors on conveying bulk materials[J].Powder Technology,2018:S0032591018300020.
[9]Zhang L,Xia X,Zhang J.Improving energy efficiency of cyclonecircuits in coal beneficiation plants by pump-storage systems[J].AppliedEnergy,2014,119(C):306-313.
[10]Mathaba T,Xia X.Optimal and energy efficientoperation of conveyorbelt systems with downhill conveyors[J].Energy Efficiency,2016,10(2):1-13.
[11]孟宏君,王占林,焦宗夏.储能式平稳换向采油系统悬点载荷与效率建模[J].哈尔滨工业大学学报,2016,48(3):20-25.
[12]Continuous MechanicalHandling Equipment-Belt Conveyors WithCarrying Idlers-Calculation of Operating Power and Tensile Forces,2nd ed.ISO5048,1989.
[13]Continuous Conveyors-Belt Conveyors for Loose Bulk Materials-Basis for Calculation and Dimensioning,DIN 22102,2002.
[14]Rubber Belt Conveyors with Carrying Idlers-Calculation ofOperating Power and Tensile Forces,JIS B 8805,1992.
[15]张忠会,胡国宝,李瑞欣.考虑电动汽车接入的分布式电源出力优化[J].电力系统保护与控
制,2018,46(06):120-127.
[16]Adefarati T,Bansal R C.Reliability and economic assessment of amicrogrid power system
with the integration of renewable energy resources[J].Applied Energy,2017,206:911-933.
本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种融合筒仓虚拟储能的煤矿带式输送系统节能优化调度方法，其特征在于，所述方法包括以下步骤：
构建虚拟储能系统模型、风机模型、光伏模型；
以日运行成本最小为目标建立考虑筒仓虚拟储能的带式输送系统优化调度的目标函数；
构建虚拟储能系统约束和电功率约束的条件；
在MATLAB中调用fmincon函数对目标函数进行求解；
其中，虚拟储能系统模型为：
Figure FDA0003516008140000011
ηm为电动机效率；ηd为驱动系统效率；θ1,θ2,θ3,θ4为与带式输送机结构有关的常数参数；
筒仓第t时刻煤炭量Rt满足约束：
Rt＝Rt-1+Qt-Qtrain,tut
其中，0≤Rt≤Rmax；
第t时段筒仓容量状态SOCt，表达式为：
Figure FDA0003516008140000012
火车装载速率大小满足筒仓装载阀门的约束；煤矿一天规定装载工作量约束为：
Figure FDA0003516008140000013
Figure FDA0003516008140000014
Figure FDA0003516008140000015
式中：
Figure FDA0003516008140000016
和
Figure FDA0003516008140000017
为装载速率上下限；Qall为煤矿一天火车装载量要求；Δt为单位调度时间；
引入Mt，即第t时刻带式输送机单位长度煤炭量，用以表征带式输送机运煤极限；
Figure FDA0003516008140000018
Mmin≤Mt≤Mmax
式中：Mmax和Mmin分别为带式输送机单位长度运送煤炭量最大最小值；
带速应满足上下限约束：
Vmin≤Vt≤Vmax
式中：Vmax和Vmin分别为带式输送机带速上下限。
2.根据权利要求1所述的一种融合筒仓虚拟储能的煤矿带式输送系统节能优化调度方法，其特征在于，所述电功率约束的条件具体为：
Pex,t＝PT,t-PWT,t-PPV,t
其中，PWT,t、PPV,t、PT,t、Pex,t分别为第t时段风机出力、光伏出力、带式输送机用电功率和向配电网购电功率，各功率单位均为kW。
3.根据权利要求1所述的一种融合筒仓虚拟储能的煤矿带式输送系统节能优化调度方法，其特征在于，
Pex,t≥0
其中，保证分布式电源本地消纳，购电功率为正。
4.根据权利要求2所述的一种融合筒仓虚拟储能的煤矿带式输送系统节能优化调度方法，其特征在于，所述目标函数具体为：
Figure FDA0003516008140000021
式中：N为一个调度周期内调度总时段数；式中第一项Cph,tPex,tΔt为购电电价，Cph,t为第t时段电价，元/kW·h；第二项PWT,tCWT+PPV,tCPV为风机、光伏的维护成本，CWT、CPV分别为风机和光伏单位功率的使用维护成本，单位均为元/kW；第三部分ω(Vt+1-Vt)2为带式输送机带速变化的惩罚项。
CN201910746353.9A 2019-08-13 2019-08-13 融合筒仓虚拟储能的煤矿带式输送系统节能优化调度方法 Active CN110531717B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910746353.9A CN110531717B (zh) 2019-08-13 2019-08-13 融合筒仓虚拟储能的煤矿带式输送系统节能优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910746353.9A CN110531717B (zh) 2019-08-13 2019-08-13 融合筒仓虚拟储能的煤矿带式输送系统节能优化调度方法

Publications (2)

Publication Number Publication Date
CN110531717A CN110531717A (zh) 2019-12-03
CN110531717B true CN110531717B (zh) 2022-04-19

Family

ID=68663201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910746353.9A Active CN110531717B (zh) 2019-08-13 2019-08-13 融合筒仓虚拟储能的煤矿带式输送系统节能优化调度方法

Country Status (1)

Country Link
CN (1) CN110531717B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105931136A (zh) * 2016-04-25 2016-09-07 天津大学 一种融合需求侧虚拟储能系统的楼宇微网优化调度方法
CN106505558A (zh) * 2016-11-22 2017-03-15 许继集团有限公司 一种直流配电网的能量输送控制方法及装置
CN107230974A (zh) * 2016-03-23 2017-10-03 国网青海省电力公司 基于储能运行状态的光伏功率稳定输出控制方法
CN109687529A (zh) * 2018-12-26 2019-04-26 新奥数能科技有限公司 一种能源调度方法、装置、可读介质及电子设备
CN109752953A (zh) * 2018-10-08 2019-05-14 国网天津市电力公司电力科学研究院 一种集成电制冷机的楼宇供能系统模型预测调控方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106026152B (zh) * 2016-05-19 2017-06-06 合肥工业大学 一种电动汽车接入微电网的充放电调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107230974A (zh) * 2016-03-23 2017-10-03 国网青海省电力公司 基于储能运行状态的光伏功率稳定输出控制方法
CN105931136A (zh) * 2016-04-25 2016-09-07 天津大学 一种融合需求侧虚拟储能系统的楼宇微网优化调度方法
CN106505558A (zh) * 2016-11-22 2017-03-15 许继集团有限公司 一种直流配电网的能量输送控制方法及装置
CN109752953A (zh) * 2018-10-08 2019-05-14 国网天津市电力公司电力科学研究院 一种集成电制冷机的楼宇供能系统模型预测调控方法
CN109687529A (zh) * 2018-12-26 2019-04-26 新奥数能科技有限公司 一种能源调度方法、装置、可读介质及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
储能装置在微网系统中的经济运行分析;陈磊等;《软件》;20171215(第12期);全文 *
基于混合整数规划的虚拟发电厂经济最优化出力研究;李志伟等;《武汉大学学报(工学版)》;20181221(第12期);全文 *

Also Published As

Publication number Publication date
CN110531717A (zh) 2019-12-03

Similar Documents

Publication Publication Date Title
CN206041652U (zh) 一种基于虚拟电厂的分布式光伏发电储能管理控制系统
CN103728881B (zh) 一种多楼宇冷热电联供系统的优化运行方法
CN103066626A (zh) 一种多源协调日前发电计划方法
CN106786694B (zh) 一种双极性直流微电网混合储能系统协调控制方法
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
CN109685396B (zh) 一种计及公共楼宇需求响应资源的配电网能量管理方法
CN108023347A (zh) 一种直流微电网的分层协调控制方法
CN105281363B (zh) 计及用户消费粘性的多能源优化与控制方法
CN110752629B (zh) 一种交直流混合家庭微电网能量优化管理方法
CN102593855B (zh) 平抑电力系统中可再生能源电源输出功率波动的方法
CN109816556A (zh) 促进光伏消纳考虑热电联产及需求响应的并网型微电网经济优化调度策略
Pu et al. Optimal operation strategy of port integrated energy system considering demand response
CN104578145A (zh) 一种面向智能用电的连续任务型负荷能量控制方法
CN110531717B (zh) 融合筒仓虚拟储能的煤矿带式输送系统节能优化调度方法
CN116154863A (zh) 考虑多类型灵活性资源协同互补的优化配置方法
CN111522238A (zh) 一种基于舒适度的建筑综合能源系统控制方法及控制系统
CN106487035A (zh) 一种提高配电网可再生能源接纳能力的柔性负荷调度方法
CN108764758B (zh) 计及需求侧管理的电力与天然气互联系统的协同方法
CN110957765B (zh) 一种煤矿工业用户的日前用能优化调度方法
CN109687486A (zh) 在需求侧响应下含电动汽车换电站的微网运行方法及系统
Li et al. Multi-energy coordinated operation optimization model for wind-solar-hydro-thermal-energy storage system considering the complementary characteristics of different power resources
CN115829091A (zh) 一种考虑可再生能源供能的工业流程微电网规划方法
CN112103955B (zh) 一种综合能源系统的电储能事故备用容量优化利用方法
Basu Fuel constrained commitment scheduling for combined heat and power dispatch incorporating electric vehicle parking lot
CN103904669A (zh) 一种电场功率调节装置及其调节方法

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