CN110555571A - 计及光热电站和温控设备的微电网及其最优经济运行方法 - Google Patents

计及光热电站和温控设备的微电网及其最优经济运行方法 Download PDF

Info

Publication number
CN110555571A
CN110555571A CN201910912699.1A CN201910912699A CN110555571A CN 110555571 A CN110555571 A CN 110555571A CN 201910912699 A CN201910912699 A CN 201910912699A CN 110555571 A CN110555571 A CN 110555571A
Authority
CN
China
Prior art keywords
heat
load
power
frequency
storage system
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
Application number
CN201910912699.1A
Other languages
English (en)
Other versions
CN110555571B (zh
Inventor
李春燕
胡博
王学斌
汪硕承
曾嘉懿
杨镒平
高圣溥
陈春萌
卢国强
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.)
Chongqing University
State Grid Qinghai Electric Power Co Ltd
Electric Power Research Institute of State Grid Qinghai Electric Power Co Ltd
Original Assignee
Chongqing University
State Grid Qinghai Electric Power Co Ltd
Electric Power Research Institute of State Grid Qinghai Electric Power Co Ltd
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 Chongqing University, State Grid Qinghai Electric Power Co Ltd, Electric Power Research Institute of State Grid Qinghai Electric Power Co Ltd filed Critical Chongqing University
Priority to CN201910912699.1A priority Critical patent/CN110555571B/zh
Publication of CN110555571A publication Critical patent/CN110555571A/zh
Application granted granted Critical
Publication of CN110555571B publication Critical patent/CN110555571B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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

  • 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)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种计及光热电站和温控设备的微电网及其最优经济运行方法，包括微源、储能系统与调度系统；微源包括新能源发电系统、微燃机与热泵；储能系统包括电储能系统与储热系统；将电储能系统作为高频子系统，用于通过充放电对净负荷功率中的高频净负荷功率分量进行平抑；将光热电站、热泵、微燃机与储热系统作为低频子系统，用于通过电热转化对净负荷功率中的低频净负荷功率分量进行平抑；将低频子系统中的储热系统和热泵作为温控设备，用于通过温度调节对热负荷进行平衡；调度系统中配置有混合储能功率分配模型与根据最优经济运行模型进行控制以使运行成本最低的调度程序。本发明克服了制约经济运行的技术缺陷，实现了最优经济运行。

Description

计及光热电站和温控设备的微电网及其最优经济运行方法
技术领域
本发明属于电力系统优化运行方法技术领域，具体涉及一种计及光热电站和温控设备的微电网及其最优经济运行方法。
背景技术
在我国存在大量的风、光、电、热等能源形式的多能源微电网，现有技术中的多源微网一般是通过蓄电池进行电储能，电负荷均由电储能进行平衡；为了满足微网中热负荷的供给需求，通过热泵将电能转换成热能的方式供给，这种方式不仅可以消纳多余的新能源，而且可以代替传统煤炭供暖的方式，实现能源的互补利用。光热电站近年来发展迅速，光热电站是将太阳能转换成热能，再通过汽轮机将热能转化成电能进行存储。
现有技术中存在的缺陷在于：1)由于缺少储热系统，光热电站与热负荷解耦，无法直接向热负荷供热，热负荷的调节全部交由热泵负责，光热电站出力的可调节能力有待提高，只能在太阳辐射量较高的时段发电；2)电负荷均由电储能进行平衡，未充分利用储热系统，同时也未考虑电储能与热储能的响应特性。上述缺陷均会导致运行成本的增加。
发明内容
针对上述现有技术的不足，本发明提供一种计及光热电站和温控设备的微电网，解决现有技术中光热电站与热负荷解耦以及储热系统未被充分利用的技术问题，能够将储热系统同时用于热负荷供热与电负荷供电，还能结合最优经济运行模型实现最优经济运行。
为了解决上述技术问题，本发明采用了如下的技术方案：一种计及光热电站和温控设备的微电网，包括微源、储能系统与调度系统；微源包括新能源发电系统、微燃机与热泵；储能系统包括电储能系统与储热系统；新能源发电系统包括光伏发电站、风力发电机组与光热电站；
光热电站包含将热能转化为电能的汽轮机；光热电站能够将太阳能转化为热能，并将热能输出给汽轮机或储热系统；热泵能够将电能转化为热能并输出给热负荷或储热系统；储热系统释放的热量输出给汽轮机或热负荷；
光伏发电站与风力发电机组为不可控出力系统，定义t时刻的不可控出力系统的发电功率为Prer(t)，t时刻的电负荷为Pload(t)，则多源微网t时刻的净负荷功率Punb(t)＝Prer(t)-Pload(t)；
将电储能系统作为高频子系统，用于通过充放电对净负荷功率中的高频净负荷功率分量进行平抑；将光热电站、热泵、微燃机与储热系统作为低频子系统，用于通过电热转化对净负荷功率中的低频净负荷功率分量进行平抑；将低频子系统中的储热系统和热泵作为温控设备，用于通过温度调节对热负荷进行平衡；
调度系统中配置有混合储能功率分配模型，用于将净负荷功率Punb(t)分解成高频净负荷功率分量与低频净负荷功率分量；
调度系统中还配置有根据最优经济运行模型对高频子系统、低频子系统与温控设备进行综合控制以使运行成本最低的调度程序。
进一步的，最优经济运行模型包括目标函数、光热电站和热泵的闭环耦合温控模型以及约束条件，其中，约束条件包括高频子系统运行约束与低频子系统运行约束；
目标函数：min Cop＝min(Cop,1+Cop,2)；
式中，Cop,1表示高频子系统运行费用并包含电储能系统运行费用CESS、电储能系统损耗费用CEbat、高频弃风\光惩罚费用Crer,1与高频失负荷惩罚费用Cload,1；
Cop,2表示低频子系统运行费用并包含微燃机运行费用CMGT、热泵运行费用CHP、光热电站运行费用CCSP、储热系统供热费CCL、热泵供热费用CHL、低频弃风\光惩罚费用Crer,2、弃热惩罚费用Chot,2与低频失负荷惩罚费用Cload,2；
光热电站和热泵的闭环耦合温控模型包括能量流动模型与热负荷温控模型：
能量流动模型：
光热电站中，太阳能光场吸收的热功率：
QCSP(t)＝ns-thSSFD(t)；
光热电站吸收的热功率可直接通过传热流体供给汽轮机发电，也可传递至储热系统存储起来，剩余的热功率将被舍弃：
QCSP(t)＝QFE(t)+QFS(t)+Qspill(t)
储热系统吸热时，热量来源于光热电站收集的热量和热泵注入的热量；放热时，一部分热量流向汽轮机，另外一部分热量供给热负荷，储热系统的热存储量：
QTSS(t)＝(1-ηloss)QTSS(t-1)Δt+ηF-S(QFS(t)+QH-TSS(t))Δt-(QSE(t)+QTS-load(t))Δt；
光热电站汽轮机发电所需热量由光场和储热系统流向发电系统的热量构成：
PCSP(t)＝μ(QFE(t)+nS-EQSE(t))；
式中，QCSP(t)为光热电站在t时刻吸收的总热功率，ns-th为光-热转换效率；SSF为光热电站的光场面积；D(t)为t时刻光照直接辐射指数；QFE(t)、QFS(t)、Qspill(t)分别表示t时刻由光场流向发电系统的热量、光场流向储热系统的热量和光场舍弃的热量；QTSS(t)、QH-TSS(t)、QSE(t)、QTS-load(t)分别表示t时刻储热系统热存储量、热泵注入储热系统的热量、储热系统流向发电系统热量和储热系统供给热负荷的热量；PCSP(t)表示光热电站t时刻发电量；ηloss、nF-S、nS-E、μ、Δt分别表示储热系统热损失效率、储热损失效率、储热系统至发电系统热转换效率、热电转换系数和充放热周期；
热负荷温控模型：
当温控设备关断时，热负荷温度随外界温度自然变化：
Tload(t+1)＝To(t+1)-(To(t+1)-Tload(t))e-Δt/RC；
当温控设备开启时：
Tload(t+1)＝To(t+1)+QHVAC(t)R-(To(t+1)+QHVAC(t)R-Tload(t))e-Δt/RC；
式中，Tload(t+1)和Tload(t)分别为热负荷下一时刻和当前时刻的温度；To(t)为外环境温度；R为等值热电阻；C为等值热电容；Δt为仿真步长；QHVAC(t)为温控设备等值热功率，QHVAC(t)＝QH-load(t)+QTS-load(t)；QH-load(t)为热泵供给热负荷的热量；QTS-load(t)为储热系统供给热负荷的热量；
高频子系统运行约束包括高频电功率平衡约束与电储能系统约束：
高频电功率平衡约束：
Pimbalance,1(t)+Pdischarge(t)-Pcharge(t)＝Plostrer,1(t)-Plostload,1(t)；
式中，Pcharge(t)表示充电功率；Pdischarge(t)表示放电功率；Plostrer,1(t)表示t时刻弃风\光量；Plostload,1(t)表示高频失负荷量；Pimbalance,1(t)表示高频净负荷功率分量
电储能系统约束：
0≤Pcharge(t)≤UES(t)Pcharge,rate；
0≤Pdischarge(t)≤(1-UES(t))Pdischarge,rate；
SOCmin≤SOC(t)≤SOCmax；
式中，Pcharge,rate表示额定充电功率；Pdischarge,rate表示额定放电功率；UES(t)为0～1的变量，充电时UES(t)为1，放电时UES(t)为0；SOC(t)表示荷电状态，SOCmin表示电储能系统最小容量，SOCmax表示电储能系统最大容量；
低频子系统运行约束包括低频电功率平衡约束、微燃机与热泵约束、光热电站约束与温度约束：
低频电功率平衡约束：
Pimbalance,2(t)+PMGT(t)+PCSP(t)-NHPPHP(t)＝Plostrer,2(t)-Plostload,2(t)；
式中，PMGT(t)为微燃机发电功率；PCSP(t)为微燃机发电功率；NHP为热泵数量，PHP(t)为热泵耗电功率；Plostrer,2(t)为t时段低频净负荷功率分量弃风/光量、Plostload,2(t)为低频失负荷量；Pimbalance,2(t)表示低频净负荷功率分量；
微燃机与热泵约束：
Pg,min≤PMGT(t)≤Pg,max；
0≤PHP(t)≤PHP,rate；
式中，PMGT(t)表示微燃机出力，Pg,min、Pg,max分别表示微热机出力的最小出力限制与最大出力限制；PHP(t)表示热泵出力，PHP,rate表示热泵最大出力；
光热电站约束：
UCSP(t)PCSP,min≤PCSP(t)≤UCSP(t)PCSP,max；
-RCSP,down≤PCSP(t)-PCSP(t-1)≤RCSP,up；
QTSS,min≤QTSS(t)≤ρPCSP,max；
0≤QFS(t)+QH-TSS(t)≤UTS(t)QFS,max；
0≤QSE(t)+QTS-load(t)≤(1-UTS(t))QSE,max；
式中，UCSP(t)、UTS(t)均为0～1变量；光热电站开机时UCSP(t)为1，光热电站关机时UCSP(t)为0；储热系统吸热时UTS(t)为1，储热系统放热时UTS(t)为0；RCSP,up、RCSP,down分别为光热电站最大向上爬坡率、最大向下爬坡率；
温度约束：
Tload,min≤Tload(t)≤Tload,max；
式中，Tload(t)表示热负荷温度，Tload,min、Tload,max分别表示热负荷温度下限、热负荷温度上限。
进一步的，混合储能功率分配模型按如下方式对净负荷功率Punb(t)进行分解：
首先，采用离散傅里叶变换对净负荷功率Punb(t)进行分解：
将采样点数为N的时序净负荷功率Punb(t)进行DFT变换，得到净负荷功率频域信号Funb(k)，如下所示：
式中，k为净负荷功率在频域上的频倍数，k＝0,1,...,N-1；k＝0时表征直流分量；k＝1时表征基频分量、k＝2时表征倍频分量，依此类推；
由于净负荷功率频域信号Funb(k)的每一项相角平均分配了整个相角区间，每一项的相角占2π/N的带宽，将净负荷功率频域信号Funb(k)进一步表示为如下形式：
选取分段点n，n∈[0,N/2]，将频域上的净负荷功率信号在k＝n处分段，分段后的净负荷功率频域信号Funb(k)：
其中，Fimbalance,1(k)为高频分量，包含n+1倍频分量至N/2倍频分量，其他低倍数频率分量幅值置0，Fimbalance,2(k)为低频分量，包含直流分量，基频分量至n倍频分量的低倍数频率分量，其他高倍数频率分量幅值置0；
然后，将频域分解转换后的高、低频分量Fimbalance,1(k)、Fimbalance,2(k)进行傅里叶逆变换转换到时域上，从而得到高频净负荷功率分量Pimbalance,1(t)、低频净负荷功率分量Pimbalance,2(t)如下：
最后，将高频净负荷功率分量Pimbalance,1(t)分配给高频子系统，将低频净负荷功率分量Pimbalance,2(t)分配给低频子系统。
进一步的，调度程序按如下步骤执行：
步骤S1：数据初始化，读入设备参数、新能源发电功率、电负荷参数和外界环境数据，计算系统的净负荷功率Punb(t)：
Punb(t)＝Prer(t)-Pload(t)；
Prer(t)＝Pwind(t)+Psolar(t)；
式中，Prer(t)为t时刻光伏发电站与风力发电机组总出力，Pload(t)为t时刻电负荷功率，Pwind(t)为t时刻风机出力，Psolar(t)为t时刻光伏出力；
步骤S2：采用混合储能功率分配模型将净负荷功率Punb(t)分解成高频净负荷功率分量Pimbalance,1(t)、低频净负荷功率分量Pimbalance,1(t)，分别得到高频子系统与低频子系统所需平抑的波动功率；
步骤S3：将高频净负荷功率分量Pimbalance,1(t)与低频净负荷功率分量Pimbalance,1(t)代入最优经济运行模型，并采用粒子群算法计算出调度周期内最优经济运行模型中的最优经济运行费用和各个微源及储能系统的出力数据，最优经济运行费用即目标函数的解。
本发明还提供一种采用本发明的计及电热混合储能系统的多源微网的最优经济运行方法，设置调度周期，即时间总数T，计算调度周期内的净负荷功率曲线；实时对热负荷温度数据与电负荷功率进行采样，调度系统根据实时采集的热负荷温度数据、电负荷功率与净负荷功率曲线，运行调度程序得到调度周期内最优经济运行费用和各个微源及储能系统的出力数据；根据各个微源及储能系统的出力数据控制相应出力。
与现有技术相比，本发明的具有以下有益效果：
1、本发明通过储热系统将光热电站吸收的热量存储起来，以热量的形式直接向热负荷供热，而不必像现有技术那样：先将热能转化成电能进行存储，再将电能转化成热量提供给热负荷。
2、本发明的储热系统除了供热外，还能将储热系统的热量通过汽轮机转化成电能提供给电负荷。考虑到电储能系统与储热系统的响应特性上的差异(电储能系统响应速度较快，储热系统由于传热惯性的因素响应速度较为缓慢)，将电储能系统与储热系统分别划分为高频子系统与低频子系统。并且本发明首创性的将净负荷功率分解成为高频净负荷功率分离与低频净负荷功率分量，分别由高频子系统与低频子系统进行平抑。
3、本发明考虑储能响应特性能使得所需平抑的功率波动匹配元件的响应时间尺度，提高微网中各元件的工作效率，同时系统的新能源消纳率也得以提升，系统运行变得更加经济。
附图说明
图1为本发明所提出的光热电站和热泵闭环耦合模型能量流动示意图；
图2为最优经济运行方法具体实施步骤流程图；
图3为具体实例中典型日环境温度曲线示意图；
图4为具体实例中典型日太阳辐射曲线示意图；
图5为具体实例中净负荷功率曲线示意图；
图6为具体实例中高、低频净负荷功率分量曲线示意图；
图7为具体实例中含储热系统微网最优调度计划示意图；
图8为具体实例中含储热系统微网温控设备热功率水平示意图；
图9为具体实例中不含储热系统微网最优调度计划示意图；
图10为具体实例中不含储热系统微网温控设备热功率水平示意图；
具体实施方式
下面结合附图和优选实施方式对本发明作进一步的详细说明。
一种计及光热电站和温控设备的微电网，包括微源、储能系统与调度系统；微源包括新能源发电系统、微燃机与热泵；储能系统包括电储能系统与储热系统；新能源发电系统包括光伏发电站、风力发电机组与光热电站；
参考图1所示，光热电站包含将热能转化为电能的汽轮机；光热电站能够将太阳能转化为热能，并将热能输出给汽轮机或储热系统；热泵能够将电能转化为热能并输出给热负荷或储热系统；储热系统释放的热量输出给汽轮机或热负荷；
光伏发电站与风力发电机组为不可控出力系统，定义t时刻的不可控出力系统的发电功率为Prer(t)，t时刻的电负荷为Pload(t)，则多源微网t时刻的净负荷功率Punb(t)＝Prer(t)-Pload(t)；
将电储能系统作为高频子系统，用于通过充放电对净负荷功率中的高频净负荷功率分量进行平抑；将光热电站、热泵、微燃机与储热系统作为低频子系统，用于通过电热转化对净负荷功率中的低频净负荷功率分量进行平抑；将低频子系统中的储热系统和热泵作为温控设备，用于通过温度调节对热负荷进行平衡；
调度系统中配置有混合储能功率分配模型，用于将净负荷功率Punb(t)分解成高频净负荷功率分量与低频净负荷功率分量，并分别分配给高频子系统与低频子系统；
调度系统中还配置有根据最优经济运行模型对高频子系统、低频子系统与温控设备进行综合控制以使运行成本最低的调度程序。
下面分别对混合储能功率分配模型、最优经济运行模型与调度程序进行说明。
(一)混合储能功率分配模型
为了平抑多能源微电网中的净负荷功率，单一配置微燃机等传统发电设备会产生较高的燃料运行成本，同时在新能源发电过剩时会导致过多弃风、弃光现象的产生，而单一配置电储能设备的投资成本又过高，同时微网中热负荷的供给也需要由能量转换设备和热储能进行供给，供给热负荷的同时也会影响电功率平衡。而微网中各种可控型电源设备、能量转换设备和储能设备的响应时间尺度有所差异，需协调分配各设备所需平抑的净负荷功率，混合储能功率分配模型按如下方式对净负荷功率Punb(t)进行分配：
首先，采用离散傅里叶变换对净负荷功率Punb(t)进行分解：
将采样点数为N的时序净负荷功率Punb(t)进行DFT变换，得到净负荷功率频域信号Funb(k)，如下所示：
式中，k为净负荷功率在频域上的频倍数，k＝0,1,...,N-1；k＝0时表征直流分量；k＝1时表征基频分量、k＝2时表征倍频分量，依此类推；
由于净负荷功率频域信号Funb(k)的每一项相角平均分配了整个相角区间，每一项的相角占2π/N的带宽，其中，Funb(1)的相角在带宽中处在[π/N,3π/N]位置上，Funb(2)的相角在带宽中处在[3π/N,5π/N]位置上，以此类推，Funb(N-1)的相角在带宽中处在[(2N-3)π/N,(2N-1)π/N]位置上。需要留意的是，直流分量Funb(0)的带宽位置为[0,π/N]和[(2N-1)π/N,2π]，即将Funb(0)平分到区间的两头，每部分的模为Funb(0)/2，因此，将净负荷功率频域信号Funb(k)进一步表示为如下形式：
本发明选取一个合适的分段点n，将频域上的净负荷功率信号在k＝n处分段，由Nyquist对称性判据可知，信号在k＝N-n处也同时被切断，由这一性质使得分段点的取值范围为n∈[0,N/2]即可满足分段点遍历整个区间的要求，分段后的净负荷功率频域信号Funb(k)：
其中，Fimbalance,1(k)为高频分量，包含n+1倍频分量至N/2倍频分量，其他低倍数频率分量幅值置0，Fimbalance,2(k)为低频分量，包含直流分量，基频分量至n倍频分量的低倍数频率分量，其他高倍数频率分量幅值置0；
然后，将频域分解转换后的高、低频分量Fimbalance,1(k)、Fimbalance,2(k)进行傅里叶逆变换转换到时域上，从而得到高频净负荷功率分量Pimbalance,1(t)、低频净负荷功率分量Pimbalance,2(t)如下：
可以验证Pimbalance,1(t)+Pimbalance,2(t)＝Punb(t)，即离散傅里叶变换对信号的分解是一个无损的过程，保证了信号的逼真性，由此可知，本发明分解出的各分量之和即为原始信号，不会造成数据的丢失。
最后，比较多能源微电网中电、热两种类型储能的响应速度，电储能响应周期在秒至分钟级范围内，而储热系统由于传热惯性的因素响应速度较为缓慢，一般在分钟级以上。此外，热泵作为广义的热储能设备，由于电热转换时间的因素，热泵的响应速度也较缓慢。因此，考虑各种设备的响应特性，将波动频繁的高频净负荷功率分量Pimbalance,1(t)交由具有快速响应属性的电储能进行平抑，此部分视作高频系统；将波动缓慢的低频净负荷功率分量Pimbalance,2(t)交由含储热系统的光热电站和热泵平抑，同时配置微燃机实现稳定电功率的输出供应，此部分视作低频系统。因此，将高频净负荷功率分量Pimbalance,1(t)分配给高频子系统，将低频净负荷功率分量Pimbalance,2(t)分配给低频子系统。
(二)最优经济运行模型
最优经济运行模型包括目标函数、光热电站和热泵的闭环耦合温控模型以及约束条件，其中，约束条件包括高频子系统运行约束与低频子系统运行约束；
目标函数：min Cop＝min(Cop,1+Cop,2)；
式中，Cop,1表示高频子系统运行费用并包含电储能系统运行费用CESS、电储能系统损耗费用CEbat、高频弃风\光惩罚费用Crer,1与高频失负荷惩罚费用Cload,1；
Cop,2表示低频子系统运行费用并包含微燃机运行费用CMGT、热泵运行费用CHP、光热电站运行费用CCSP、储热系统供热费CCL、热泵供热费用CHL、低频弃风\光惩罚费用Crer,2、弃热惩罚费用Chot,2与低频失负荷惩罚费用Cload,2；
光热电站和热泵的闭环耦合温控模型包括能量流动模型与热负荷温控模型：
参考图1所示，能量流动模型：
光热电站中，太阳能光场吸收的热功率：
QCSP(t)＝ns-thSSFD(t)；
光热电站吸收的热功率可直接通过传热流体供给汽轮机发电，也可传递至储热系统存储起来，剩余的热功率将被舍弃：
QCSP(t)＝QFE(t)+QFS(t)+Qspill(t)
储热系统吸热时，热量来源于光热电站收集的热量和热泵注入的热量；放热时，一部分热量流向汽轮机，另外一部分热量供给热负荷，储热系统的热存储量：
QTSS(t)＝(1-ηloss)QTSS(t-1)Δt+ηF-S(QFS(t)+QH-TSS(t))Δt-(QSE(t)+QTS-load(t))Δt；
光热电站汽轮机发电所需热量由光场和储热系统流向发电系统的热量构成：
PCSP(t)＝μ(QFE(t)+nS-EQSE(t))；
式中，QCSP(t)为光热电站在t时刻吸收的总热功率，ns-th为光-热转换效率；SSF为光热电站的光场面积；D(t)为t时刻光照直接辐射指数；QFE(t)、QFS(t)、Qspill(t)分别表示t时刻由光场流向发电系统的热量、光场流向储热系统的热量和光场舍弃的热量；QTSS(t)、QH-TSS(t)、QSE(t)、QTS-load(t)分别表示t时刻储热系统热存储量、热泵注入储热系统的热量、储热系统流向发电系统热量和储热系统供给热负荷的热量；PCSP(t)表示光热电站t时刻发电量；ηloss、nF-S、nS-E、μ、Δt分别表示储热系统热损失效率、储热损失效率、储热系统至发电系统热转换效率、热电转换系数和充放热周期；
热负荷温控模型：
当温控设备关断时，热负荷温度随外界温度自然变化：
Tload(t+1)＝To(t+1)-(To(t+1)-Tload(t))e-Δt/RC；
当温控设备开启时：
Tload(t+1)＝To(t+1)+QHVAC(t)R-(To(t+1)+QHVAC(t)R-Tload(t))e-Δt/RC；
式中，Tload(t+1)和Tload(t)分别为热负荷下一时刻和当前时刻的温度；To(t)为外环境温度；R为等值热电阻；C为等值热电容；Δt为仿真步长；QHVAC(t)为温控设备等值热功率，QHVAC(t)＝QH-load(t)+QTS-load(t)；QH-load(t)为热泵供给热负荷的热量；QTS-load(t)为储热系统供给热负荷的热量；
高频子系统运行约束包括高频电功率平衡约束与电储能系统约束：
高频电功率平衡约束：
Pimbalance,1(t)+Pdischarge(t)-Pcharge(t)＝Plostrer,1(t)-Plostload,1(t)；
式中，Pcharge(t)表示充电功率；Pdischarge(t)表示放电功率；Plostrer,1(t)表示t时刻弃风\光量；Plostload,1(t)表示高频失负荷量；Pimbalance,1(t)表示高频净负荷功率分量
电储能系统约束：
电储能充放电功率不能超过其额定功率，同时为避免储能过充、过放对其寿命造成的伤害，应严格控制荷电状态范围
0≤Pcharge(t)≤UES(t)Pcharge,rate；
0≤Pdischarge(t)≤(1-UES(t))Pdischarge,rate；
SOCmin≤SOC(t)≤SOCmax；
式中，Pcharge,rate表示额定充电功率；Pdischarge,rate表示额定放电功率；UES(t)为0～1的变量，充电时UES(t)为1，放电时UES(t)为0；SOC(t)表示荷电状态，SOCmin表示储能系统最小容量，SOCmax表示储能系统最大容量；
低频子系统运行约束包括低频电功率平衡约束、微燃机与热泵约束、光热电站约束与温度约束：
低频电功率平衡约束：
Pimbalance,2(t)+PMGT(t)+PCSP(t)-NHPPHP(t)＝Plostrer,2(t)-Plostload,2(t)；
式中，PMGT(t)为微燃机发电功率；PCSP(t)为微燃机发电功率；NHP为热泵数量，PHP(t)为热泵耗电功率；Plostrer,2(t)为t时段低频净负荷功率分量弃风/光量、Plostload,2(t)为低频失负荷量；Pimbalance,2(t)表示低频净负荷功率分量；
微燃机与热泵约束：
Pg,min≤PMGT(t)≤Pg,max；
0≤PHP(t)≤PHP,rate；
式中，PMGT(t)表示微燃机出力，Pg,min、Pg,max分别表示微热机出力的最小出力限制与最大出力限制；PHP(t)表示热泵出力，PHP,rate表示热泵最大出力
光热电站约束：
UCSP(t)PCSP,min≤PCSP(t)≤UCSP(t)PCSP,max；
-RCSP,down≤PCSP(t)-PCSP(t-1)≤RCSP,up；
QTSS,min≤QTSS(t)≤ρPCSP,max；
0≤QFS(t)+QH-TSS(t)≤UTS(t)QFS,max；
0≤QSE(t)+QTS-load(t)≤(1-UTS(t))QSE,max；
式中，UCSP(t)、UTS(t)均为0～1变量；光热电站开机时UCSP(t)为1，光热电站关机时UCSP(t)为0；储热系统吸热时UTS(t)为1，储热系统放热时UTS(t)为0；RCSP,up、RCSP,down分别为光热电站最大向上爬坡率、最大向下爬坡率；
温度约束：
Tload,min≤Tload(t)≤Tload,max；
式中，Tload(t)表示热负荷温度，Tload,min、Tload,max分别表示热负荷温度下限、热负荷温度上限。
各种费用的计算公式如下：
电储能系统运行费用CESS：
电储能系统损耗费用CEbat：
高频弃风\光惩罚费用Crer,1：
高频失负荷惩罚费用Cload,1：
微燃机运行费用CMGT：
热泵运行费用CHP：
光热电站运行费用CCSP：
储热系统供热费CCL：
热泵供热费用CHL：
低频弃风\光惩罚费用Crer,2：
弃热惩罚费用Chot,2：
低频失负荷惩罚费用Cload,2：
式中，Pcharge(t)为电储能充电功率；Pdischarge(t)为电储能放电功率；PMGT(t)为微燃机发电功率；PHP(t)为热泵耗电功率；Prer,1(t)为高频部分弃风/光量；Pload,1(t)为高频部分失负荷量；Prer,2(t)为低频部分弃风/光量；Phot,2(t)为弃热量；Pload,2(t)为低频部分失负荷量；
aESS、aMGT、aHP、aHL、aCL分别为电储能运维成本、微燃机运维成本、热泵运维成本、热泵供热成本系数、热储供热成本系数；arer,1、aload,1、arer,2、ahot,2、aload,2分别为高频部分弃风/光惩罚系数、高频部分失负荷惩罚系数、低频部分弃风/光惩罚系数、弃热惩罚系数、低频部分失负荷惩罚系数；T表示时间总数；x2(t)为光热机组状态变量，x2(t)＝1表示光热机组开机，x2(t)＝0表示光热机组停机；β、γ、σ均为光热电站的开机费用系数，tt′为光热电站在t时段前的停运时间；NC为调度周期内蓄电池充放电次数；Nk表示蓄电池第k次充放电时对应的最大充放电循环次数；Cinv为微电网中蓄电池投资费用。
(三)调度程序
参考图2所示，调度程序按如下步骤执行：
步骤S1：数据初始化，读入设备参数、新能源发电功率、电负荷参数和外界环境数据，计算系统的净负荷功率Punb(t)：
Punb(t)＝Prer(t)-Pload(t)；
Prer(t)＝Pwind(t)+Psolar(t)；
式中，Prer(t)为t时刻光伏发电站与风力发电机组总出力，Pload(t)为t时刻电负荷功率，Pwind(t)为t时刻风机出力，Psolar(t)为t时刻光伏出力；
步骤S2：采用混合储能功率分配模型将净负荷功率Punb(t)分解成高频净负荷功率分量Pimbalance,1(t)、低频净负荷功率分量Pimbalance,1(t)，分别得到高频子系统与低频子系统所需平抑的波动功率；
步骤S3：将高频净负荷功率分量Pimbalance,1(t)与低频净负荷功率分量Pimbalance,1(t)代入最优经济运行模型，并采用粒子群算法计算出调度周期内最优经济运行模型中的最优经济运行费用和各个微源及储能系统的出力数据，最优经济运行费用即目标函数的解。
粒子群算法的计算步骤如下：
S103：设置混合粒子群算法各个参数，初始化粒子位置和速度，产生初始化粒子群；粒子数取50，最大迭代次数取500；
S104：根据各微源发电功率和负荷数据，调整高、低频子系统中各微源、储能的功率，使其满足负荷平衡、出力约束条件；
S105：计算适应度值，根以目标函数最优经济运行费用其作为适应度值；
S106：更新粒子的速度和位置，同时对个体最优粒子和群体最优粒子根据计算的粒子适应度值进行更新；
S107：判断迭代次数是否达到预设迭代次数，如果未达到迭代次数，则返回S104继续执行算法；如果达到迭代次数，则进行下一步骤：
S108：循环迭代结束，输出全局最优值和最优粒子位置，即获得调度周期内经济运行模型中的最优经济运行费用和各个微源及储能系统的出力数据。
接下来，以一个包含风电机组、光伏机组、微燃机、热泵和电储能等装置的多能源微电网为实施例来进行说明本发明的有益效果。
设置调度周期为24h，即时间总数T，计算调度周期内的净负荷功率曲线；实时对热负荷温度数据与电负荷功率进行采样，调度系统根据实时采集的热负荷温度数据、电负荷功率与净负荷功率曲线，运行调度程序得到调度周期内最优经济运行费用和各个微源及储能系统的出力数据；根据各个微源及储能系统的出力数据控制相应出力。
预测的环境温度曲线和太阳辐射指数如图3、4所示。微燃机组、热泵、光热电站和电储能等设备参数可参见表1-4，调度周期为24h，蓄电池调度周期初始荷电状态设为0.5。微网中热负荷数量有100个(单个热泵供应单个热负荷)，热负荷温度设定值为24℃，温度允许调节范围在±2℃，热负荷采样时间为1min，温控设备的等值热电阻为0.1208℃/W，等值热电容为3599.3J/℃。系统单位弃风、弃光惩罚费用为2$/kWh，单位失负荷惩罚费用为5$/kWh。计算系统的净负荷功率曲线Punb(t)，如图5所示。净负荷功率分解得到的高、低频分量如图6所示。
表1微燃机参数
Table 1Micro-turbine parameters
表2热泵装置参数
Table 2Heat bump parameters
表3光热电站参数
Table 3Parameters of the CSP units
表4蓄电池参数
Table 4Parameters of the battery
为了分析微网中含储热系统光热电站接入对最优经济运行结果的影响，以冬季典型日微电网数据为例说明，分析以下两种场景的微网最优运行调度情况。
Case 1:光热电站含5FLH的储热系统
Case 2:光热电站中不含储热系统
其中，含5FLH的储热系统场景下的微网最优调度计划和温控设备热功率水平如图7、8所示，不含储热系统场景下的微网最优调度计划和温控设备热功率水平如图9、10所示。不难看出，不含储热系统后，光热电站与热负荷解耦，无法向热负荷供热，热负荷的调节全部交由热泵负责，光热机组出力的可调节能力显著降低，只能在太阳辐射量较高的时段发电。
两种场景下，各运行费用结果如表5所示，在不含储热系统场景下，光热电站失去温控设备的调温能力，同时热泵无法向热储充热，虽然一定程度降低了光热电站和热泵的运行费用，但系统的新能源消纳率降低了40.2％，导致系统弃风、弃光惩罚费用明显增加，同时也增加了系统的弃热惩罚成本，最终导致系统运行成本增长了14.3％。
综上，增设含储热系统的光热电站能提高光热机组可调节能力和运行效率，提高新能源消纳能力，增强能源间的互补优势，显著提高系统的运行经济性。
表5不同储热容量场景下运行费用对比
Table 5Comparison of operating costs under different thermal storagecapacity scenarios
以下分析储能响应特性对最优经济运行结果的影响：
设置以下两种场景验证储能响应特性对最优经济运行结果的影响。
Case 3:不考虑储能响应特性(净负荷功率视作统一整体)
Case 4:考虑储能响应特性(通过离散傅里叶变换将净负荷功率分解为高频、低频净负荷功率分量)
以冬季典型日多能源微电网数据为例，对两种场景下微网运行经济性进行分析，得到表6的优化结果。可以看出，通过离散傅里叶变换对净负荷功率分解后，高频子系统由于只有蓄电池放电供给电负荷，会产生375.2$的失负荷惩罚费用，此时蓄电池充放电较为频繁，储能损耗有202.8$，但是光热电站和热泵等元件平抑波动缓慢的低频分量能够适应其各自的响应能力，工作效率提高，运行费用减少，可以极大提高系统的新能源消纳率，弃风、弃光惩罚费用减少769.8$，导致最终系统总运行费用降低36.1％。
综上所述，考虑储能响应特性能使得所需平抑的功率波动匹配元件的响应时间尺度，提高微网中各元件的工作效率，同时系统的新能源消纳率也得以提升，系统运行变得更加经济。
表6储能响应特性对优化运行的影响
Table 6The effect of energy storage response characteristics onoptimal dispatch
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管通过参照本发明的优选实施例已经对本发明进行了描述，但本领域的普通技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离所附权利要求书所限定的本发明的精神和范围。

Claims (7)

1.一种计及光热电站和温控设备的微电网，其特征在于：包括微源、储能系统与调度系统；微源包括新能源发电系统、微燃机与热泵；储能系统包括电储能系统与储热系统；新能源发电系统包括光伏发电站、风力发电机组与光热电站；
光热电站包含将热能转化为电能的汽轮机；光热电站能够将太阳能转化为热能，并将热能输出给汽轮机或储热系统；热泵能够将电能转化为热能并输出给热负荷或储热系统；储热系统释放的热量输出给汽轮机或热负荷；
光伏发电站与风力发电机组为不可控出力系统，定义t时刻的不可控出力系统的发电功率为Prer(t)，t时刻的电负荷为Pload(t)，则多源微网t时刻的净负荷功率Punb(t)＝Prer(t)-Pload(t)；
将电储能系统作为高频子系统，用于通过充放电对净负荷功率中的高频净负荷功率分量进行平抑；将光热电站、热泵、微燃机与储热系统作为低频子系统，用于通过电热转化对净负荷功率中的低频净负荷功率分量进行平抑；将低频子系统中的储热系统和热泵作为温控设备，用于通过温度调节对热负荷进行平衡；
调度系统中配置有混合储能功率分配模型，用于将净负荷功率Punb(t)分解成高频净负荷功率分量与低频净负荷功率分量，并分别分配给高频子系统与低频子系统；
调度系统中还配置有根据最优经济运行模型对高频子系统、低频子系统与温控设备进行综合控制以使运行成本最低的调度程序。
2.根据权利要求1所述的计及光热电站和温控设备的微电网，其特征在于：最优经济运行模型包括目标函数、光热电站和热泵的闭环耦合温控模型以及约束条件，其中，约束条件包括高频子系统运行约束与低频子系统运行约束；
目标函数：min Cop＝min(Cop,1+Cop,2)；
式中，Cop,1表示高频子系统运行费用并包含电储能系统运行费用CESS、电储能系统损耗费用CEbat、高频弃风\光惩罚费用Crer,1与高频失负荷惩罚费用Cload,1；
Cop,2表示低频子系统运行费用并包含微燃机运行费用CMGT、热泵运行费用CHP、光热电站运行费用CCSP、储热系统供热费CCL、热泵供热费用CHL、低频弃风\光惩罚费用Crer,2、弃热惩罚费用Chot,2与低频失负荷惩罚费用Cload,2；
光热电站和热泵的闭环耦合温控模型包括能量流动模型与热负荷温控模型：
能量流动模型：
光热电站中，太阳能光场吸收的热功率：
QCSP(t)＝ns-thSSFD(t)；
光热电站吸收的热功率可直接通过传热流体供给汽轮机发电，也可传递至储热系统存储起来，剩余的热功率将被舍弃：
QCSP(t)＝QFE(t)+QFS(t)+Qspill(t)
储热系统吸热时，热量来源于光热电站收集的热量和热泵注入的热量；放热时，一部分热量流向汽轮机，另外一部分热量供给热负荷，储热系统的热存储量：
QTSS(t)＝(1-ηloss)QTSS(t-1)Δt+ηF-S(QFS(t)+QH-TSS(t))Δt-(QSE(t)+QTS-load(t))Δt；
光热电站汽轮机发电所需热量由光场和储热系统流向发电系统的热量构成：
PCSP(t)＝μ(QFE(t)+nS-EQSE(t))；
式中，QCSP(t)为光热电站在t时刻吸收的总热功率，ns-th为光-热转换效率；SSF为光热电站的光场面积；D(t)为t时刻光照直接辐射指数；QFE(t)、QFS(t)、Qspill(t)分别表示t时刻由光场流向发电系统的热量、光场流向储热系统的热量和光场舍弃的热量；QTSS(t)、QH-TSS(t)、QSE(t)、QTS-load(t)分别表示t时刻储热系统热存储量、热泵注入储热系统的热量、储热系统流向发电系统热量和储热系统供给热负荷的热量；PCSP(t)表示光热电站t时刻发电量；ηloss、nF-S、nS-E、μ、Δt分别表示储热系统热损失效率、储热损失效率、储热系统至发电系统热转换效率、热电转换系数和充放热周期；
热负荷温控模型：
当温控设备关断时，热负荷温度随外界温度自然变化：
Tload(t+1)＝To(t+1)-(To(t+1)-Tload(t))e-Δt/RC；
当温控设备开启时：
Tload(t+1)＝To(t+1)+QHVAC(t)R-(To(t+1)+QHVAC(t)R-Tload(t))e-Δt/RC；
式中，Tload(t+1)和Tload(t)分别为热负荷下一时刻和当前时刻的温度；To(t)为外环境温度；R为等值热电阻；C为等值热电容；Δt为仿真步长；QHVAC(t)为温控设备等值热功率，QHVAC(t)＝QH-load(t)+QTS-load(t)；QH-load(t)为热泵供给热负荷的热量；QTS-load(t)为储热系统供给热负荷的热量；
高频子系统运行约束包括高频电功率平衡约束与电储能系统约束：
高频电功率平衡约束：
Pimbalance,1(t)+Pdischarge(t)-Pcharge(t)＝Plostrer,1(t)-Plostload,1(t)；
式中，Pcharge(t)表示充电功率；Pdischarge(t)表示放电功率；Plostrer,1(t)表示t时刻弃风\光量；Plostload,1(t)表示高频失负荷量；Pimbalance,1(t)表示高频净负荷功率分量
电储能系统约束：
0≤Pcharge(t)≤UES(t)Pcharge,rate；
0≤Pdischarge(t)≤(1-UES(t))Pdischarge,rate；
SOCmin≤SOC(t)≤SOCmax；
式中，Pcharge,rate表示额定充电功率；Pdischarge,rate表示额定放电功率；UES(t)为0～1的变量，充电时UES(t)为1，放电时UES(t)为0；SOC(t)表示荷电状态，SOCmin表示电储能系统最小容量，SOCmax表示电储能系统最大容量；
低频子系统运行约束包括低频电功率平衡约束、微燃机与热泵约束、光热电站约束与温度约束：
低频电功率平衡约束：
Pimbalance,2(t)+PMGT(t)+PCSP(t)-NHPPHP(t)＝Plostrer,2(t)-Plostload,2(t)；
式中，PMGT(t)为微燃机发电功率；PCSP(t)为微燃机发电功率；NHP为热泵数量，PHP(t)为热泵耗电功率；Plostrer,2(t)为t时段低频净负荷功率分量弃风/光量、Plostload,2(t)为低频失负荷量；Pimbalance,2(t)表示低频净负荷功率分量；
微燃机与热泵约束：
Pg,min≤PMGT(t)≤Pg,max；
0≤PHP(t)≤PHP,rate；
式中，PMGT(t)表示微燃机出力，Pg,min、Pg,max分别表示微热机出力的最小出力限制与最大出力限制；PHP(t)表示热泵出力，PHP,rate表示热泵最大出力；
光热电站约束：
UCSP(t)PCSP,min≤PCSP(t)≤UCSP(t)PCSP,max；
-RCSP,down≤PCSP(t)-PCSP(t-1)≤RCSP,up；
QTSS,min≤QTSS(t)≤ρPCSP,max；
0≤QFS(t)+QH-TSS(t)≤UTS(t)QFS,max；
0≤QSE(t)+QTS-load(t)≤(1-UTS(t))QSE,max；
式中，UCSP(t)、UTS(t)均为0～1变量；光热电站开机时UCSP(t)为1，光热电站关机时UCSP(t)为0；储热系统吸热时UTS(t)为1，储热系统放热时UTS(t)为0；RCSP,up、RCSP,down分别为光热电站最大向上爬坡率、最大向下爬坡率；
温度约束：
Tload,min≤Tload(t)≤Tload,max；
式中，Tload(t)表示热负荷温度，Tload,min、Tload,max分别表示热负荷温度下限、热负荷温度上限。
3.根据权利要求2所述的计及光热电站和温控设备的微电网，其特征在于：各种费用的计算公式如下：
电储能系统运行费用CESS：
电储能系统损耗费用CEbat：
高频弃风\光惩罚费用Crer,1：
高频失负荷惩罚费用Cload,1：
微燃机运行费用CMGT：
热泵运行费用CHP：
光热电站运行费用CCSP：
储热系统供热费CCL：
热泵供热费用CHL：
低频弃风\光惩罚费用Crer,2：
弃热惩罚费用Chot,2：
低频失负荷惩罚费用Cload,2：
式中，Pcharge(t)为电储能充电功率；Pdischarge(t)为电储能放电功率；PMGT(t)为微燃机发电功率；PHP(t)为热泵耗电功率；Prer,1(t)为高频部分弃风/光量；Pload,1(t)为高频部分失负荷量；Prer,2(t)为低频部分弃风/光量；Phot,2(t)为弃热量；Pload,2(t)为低频部分失负荷量；
aESS、aMGT、aHP、aHL、aCL分别为电储能运维成本、微燃机运维成本、热泵运维成本、热泵供热成本系数、热储供热成本系数；arer,1、aload,1、arer,2、ahot,2、aload,2分别为高频部分弃风/光惩罚系数、高频部分失负荷惩罚系数、低频部分弃风/光惩罚系数、弃热惩罚系数、低频部分失负荷惩罚系数；T表示时间总数；x2(t)为光热机组状态变量，x2(t)＝1表示光热机组开机，x2(t)＝0表示光热机组停机；β、γ、σ均为光热电站的开机费用系数，t′t为光热电站在t时段前的停运时间；NC为调度周期内蓄电池充放电次数；Nk表示蓄电池第k次充放电时对应的最大充放电循环次数；Cinv为微电网中蓄电池投资费用。
4.根据权利要求1所述的计及光热电站和温控设备的微电网，其特征在于：混合储能功率分配模型按如下方式对净负荷功率Punb(t)进行分配：
首先，采用离散傅里叶变换对净负荷功率Punb(t)进行分解：
将采样点数为N的时序净负荷功率Punb(t)进行DFT变换，得到净负荷功率频域信号Funb(k)，如下所示：
式中，k为净负荷功率在频域上的频倍数，k＝0,1,...,N-1；k＝0时表征直流分量；k＝1时表征基频分量、k＝2时表征倍频分量，依此类推；
由于净负荷功率频域信号Funb(k)的每一项相角平均分配了整个相角区间，每一项的相角占2π/N的带宽，将净负荷功率频域信号Funb(k)进一步表示为如下形式：
选取分段点n，n∈[0,N/2]，将频域上的净负荷功率信号在k＝n处分段，分段后的净负荷功率频域信号Funb(k)：
其中，Fimbalance,1(k)为高频分量，包含n+1倍频分量至N/2倍频分量，其他低倍数频率分量幅值置0，Fimbalance,2(k)为低频分量，包含直流分量，基频分量至n倍频分量的低倍数频率分量，其他高倍数频率分量幅值置0；
然后，将频域分解转换后的高、低频分量Fimbalance,1(k)、Fimbalance,2(k)进行傅里叶逆变换转换到时域上，从而得到高频净负荷功率分量Pimbalance,1(t)、低频净负荷功率分量Pimbalance,2(t)如下：
最后，将高频净负荷功率分量Pimbalance,1(t)分配给高频子系统，将低频净负荷功率分量Pimbalance,2(t)分配给低频子系统。
5.根据权利要求1所述的计及光热电站和温控设备的微电网，其特征在于：调度程序按如下步骤执行：
步骤S1：数据初始化，读入设备参数、新能源发电功率、电负荷参数和外界环境数据，计算系统的净负荷功率Punb(t)：
Punb(t)＝Prer(t)-Pload(t)；
Prer(t)＝Pwind(t)+Psolar(t)；
式中，Prer(t)为t时刻光伏发电站与风力发电机组总出力，Pload(t)为t时刻电负荷功率，Pwind(t)为t时刻风机出力，Psolar(t)为t时刻光伏出力；
步骤S2：采用混合储能功率分配模型将净负荷功率Punb(t)分解成高频净负荷功率分量Pimbalance,1(t)、低频净负荷功率分量Pimbalance,1(t)，分别得到高频子系统与低频子系统所需平抑的波动功率；
步骤S3：将高频净负荷功率分量Pimbalance,1(t)与低频净负荷功率分量Pimbalance,1(t)代入最优经济运行模型，并采用粒子群算法计算出调度周期内最优经济运行模型中的最优经济运行费用和各个微源及储能系统的出力数据，最优经济运行费用即目标函数的解。
6.根据权利要求1所述的计及光热电站和温控设备的微电网，其特征在于：粒子群算法的计算步骤如下：
S103：设置混合粒子群算法各个参数，包括粒子数与最大迭代次数；初始化粒子位置和速度，产生初始化粒子群；
S104：根据各微源发电功率和负荷数据，调整高、低频子系统中各微源、储能的功率，使其满足负荷平衡、出力约束条件；
S105：计算适应度值，根以目标函数最优经济运行费用其作为适应度值；
S106：更新粒子的速度和位置，同时对个体最优粒子和群体最优粒子根据计算的粒子适应度值进行更新；
S107：判断迭代次数是否达到预设迭代次数，如果未达到迭代次数，则返回S104继续执行算法；如果达到迭代次数，则进行下一步骤：
S108：循环迭代结束，输出全局最优值和最优粒子位置，即获得调度周期内经济运行模型中的最优经济运行费用和各个微源及储能系统的出力数据。
7.一种如权利要求1至6中任一所述的计及电热混合储能系统的多源微网的最优经济运行方法，其特征在于：设置调度周期，即时间总数T，计算调度周期内的净负荷功率曲线；实时对热负荷温度数据与电负荷功率进行采样，调度系统根据实时采集的热负荷温度数据、电负荷功率与净负荷功率曲线，运行调度程序得到调度周期内最优经济运行费用和各个微源及储能系统的出力数据；根据各个微源及储能系统的出力数据控制相应出力。
CN201910912699.1A 2019-09-25 2019-09-25 计及光热电站和温控设备的微电网及其最优经济运行方法 Active CN110555571B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910912699.1A CN110555571B (zh) 2019-09-25 2019-09-25 计及光热电站和温控设备的微电网及其最优经济运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910912699.1A CN110555571B (zh) 2019-09-25 2019-09-25 计及光热电站和温控设备的微电网及其最优经济运行方法

Publications (2)

Publication Number Publication Date
CN110555571A true CN110555571A (zh) 2019-12-10
CN110555571B CN110555571B (zh) 2022-04-08

Family

ID=68741515

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910912699.1A Active CN110555571B (zh) 2019-09-25 2019-09-25 计及光热电站和温控设备的微电网及其最优经济运行方法

Country Status (1)

Country Link
CN (1) CN110555571B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112103940A (zh) * 2020-07-03 2020-12-18 国网江西省电力有限公司电力科学研究院 一种含温控设备的多能源微电网最优经济运行方法
CN113446656A (zh) * 2021-06-29 2021-09-28 天津滨电电力工程有限公司 功率-负荷匹配的光伏光热pv/t热电冷联供系统调控方法
CN114723136A (zh) * 2022-04-07 2022-07-08 重庆大学 计及光热电站镜场面积和储热容量的优化运行方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003083971A1 (en) * 2002-03-22 2003-10-09 Quallion Llc Solid polymer electrolyte and method of preparation
CN105140942A (zh) * 2015-10-09 2015-12-09 国家电网公司 考虑核电状态偏差的混合储能优化功率分配方法
CN105226691A (zh) * 2015-11-11 2016-01-06 重庆大学 一种孤立微电网混合储能优化配置方法
CN105225022A (zh) * 2015-11-11 2016-01-06 重庆大学 一种热电联产型微电网的经济性优化运行方法
CN109301853A (zh) * 2018-12-17 2019-02-01 国网江苏省电力公司经济技术研究院 一种平抑功率波动的微电网多时间尺度能量管理方法
CN110048469A (zh) * 2019-05-14 2019-07-23 东南大学 一种利用光热电站促进风电消纳的优化调度方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003083971A1 (en) * 2002-03-22 2003-10-09 Quallion Llc Solid polymer electrolyte and method of preparation
CN105140942A (zh) * 2015-10-09 2015-12-09 国家电网公司 考虑核电状态偏差的混合储能优化功率分配方法
CN105226691A (zh) * 2015-11-11 2016-01-06 重庆大学 一种孤立微电网混合储能优化配置方法
CN105225022A (zh) * 2015-11-11 2016-01-06 重庆大学 一种热电联产型微电网的经济性优化运行方法
CN109301853A (zh) * 2018-12-17 2019-02-01 国网江苏省电力公司经济技术研究院 一种平抑功率波动的微电网多时间尺度能量管理方法
CN110048469A (zh) * 2019-05-14 2019-07-23 东南大学 一种利用光热电站促进风电消纳的优化调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李天阳: "光热发电厂旁路控制系统的分析研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *
汪硕承 等: "Optimal Configuration of Energy Storage Capacity in Multi-energy System with Temperature Control Equipment Based on Discrete Fourier Transform", 《2019 IEEE PES INNOVATIVE SMART GRID TECHNOLOGIES ASIA》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112103940A (zh) * 2020-07-03 2020-12-18 国网江西省电力有限公司电力科学研究院 一种含温控设备的多能源微电网最优经济运行方法
CN113446656A (zh) * 2021-06-29 2021-09-28 天津滨电电力工程有限公司 功率-负荷匹配的光伏光热pv/t热电冷联供系统调控方法
CN114723136A (zh) * 2022-04-07 2022-07-08 重庆大学 计及光热电站镜场面积和储热容量的优化运行方法
CN114723136B (zh) * 2022-04-07 2024-04-16 重庆大学 计及光热电站镜场面积和储热容量的优化运行方法

Also Published As

Publication number Publication date
CN110555571B (zh) 2022-04-08

Similar Documents

Publication Publication Date Title
CN110555571B (zh) 计及光热电站和温控设备的微电网及其最优经济运行方法
Logenthiran et al. Short term generation scheduling of a microgrid
Lin et al. Coordinated control strategies for SMES-battery hybrid energy storage systems
AU2018347543B2 (en) Temperature control for energy storage system
Nguyen et al. Power management approach to minimize battery capacity in wind energy conversion systems
CN111244988A (zh) 考虑分布式电源的电动汽车和储能优化调度方法
Chen et al. Energy storage sizing for dispatchability of wind farm
CN107834574B (zh) 一种分布式能源系统与电网交换功率的控制方法
Sudarsan et al. PV solar farm as static synchronous compensator for power compensation in hybrid system using Harris Hawks optimizer technique
CN110336308B (zh) 一种基于机会约束的主动配电网经济调度方法
Cai et al. Economic model-based control of sustainable buildings with photovoltaic (PV) and battery systems considering battery degradation costs
CN108258685B (zh) 新能源电力系统在紧急调控域运行方式下的控制方法
CN107104429B (zh) 一种计及分布式储能系统的电力系统负荷调度方法
CN114398777A (zh) 一种基于巴什博弈理论的电力系统灵活性资源配置方法
Chen et al. Optimal dispatch of medium-voltage microgrid using an adaptive PSO algorithm
CN114493143A (zh) 面向并网型微电网的虚拟电厂多目标优化调度系统及方法
CN112103940A (zh) 一种含温控设备的多能源微电网最优经济运行方法
Vojtek et al. Utilization of energy storages in low voltage grids with renewable energy sources
Liu et al. Micro grid energy management based on two-stage robust optimization
CN113872192B (zh) 医院电网负荷优化控制系统及控制方法
Abegaz et al. Optimal dispatch control of energy storage systems using forward-backward induction
Li et al. Multi-objective optimal operation of combined cooling, heating and power microgrid
Chen Research on Energy Management Method of Hybrid Energy Storage System Based on Improved Particle Swarm Optimization
Gang et al. A control strategy of smoothing wind power output based on variable terms of slip average filter
Zhang et al. Research on Optimal Configuration of Microgrid Based on Particle Swarm Algorithm

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