CN110649639B - 计及电热系统运行与损失成本的区域电网优化调度方法 - Google Patents

计及电热系统运行与损失成本的区域电网优化调度方法 Download PDF

Info

Publication number
CN110649639B
CN110649639B CN201911045486.XA CN201911045486A CN110649639B CN 110649639 B CN110649639 B CN 110649639B CN 201911045486 A CN201911045486 A CN 201911045486A CN 110649639 B CN110649639 B CN 110649639B
Authority
CN
China
Prior art keywords
energy storage
storage device
power
electric
electrical energy
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
CN201911045486.XA
Other languages
English (en)
Other versions
CN110649639A (zh
Inventor
陈刚
葛延峰
杨东升
李振宇
高之成
赵东
李晓乐
王一
陈鑫
郭晋波
周博文
柴琦
郑海洪
李丹阳
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.)
State Grid Fuxin Electric Power Supply Co
State Grid Corp of China SGCC
Original Assignee
State Grid Fuxin Electric Power Supply Co
State Grid Corp of China SGCC
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 State Grid Fuxin Electric Power Supply Co, State Grid Corp of China SGCC filed Critical State Grid Fuxin Electric Power Supply Co
Priority to CN201911045486.XA priority Critical patent/CN110649639B/zh
Publication of CN110649639A publication Critical patent/CN110649639A/zh
Application granted granted Critical
Publication of CN110649639B publication Critical patent/CN110649639B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • 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
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (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)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

一种计及电热系统运行与损失成本的区域电网优化调度方法。包括步骤：确定包含火电机组、风电机组、光伏设备、电蓄热系统和电储能装置的电热系统，构建能量管理系统模型；确定电蓄热系统及模型；将电储能装置的运行过程与火电机组进行类比，构建电储能装置运行成本模型；以系统运行成本最小为目标，将系统的优化调度问题分为机组组合子问题和最优潮流子问题，考虑火电机组、电储能装置、电蓄热系统和网络潮流、系统平衡与旋转备用约束，确定各分布式电源出力情况；步骤5：采用差分进化算法和遗传算法分别对两个子问题模型进行求解，在考虑电储能运行成本和网络潮流约束的基础上，实现了系统的最优经济运行。

Description

计及电热系统运行与损失成本的区域电网优化调度方法
技术领域
本发明属于电力系统优化调度领域，具体涉及一种计及电热系统运行与损失成本的区域电网优化调度方法。
背景技术
在过去的几十年中，由于煤、石油等不可再生能源燃烧对环境的污染，及对其价格波动的关切日益提升，对电力行业的发展产生了重大变化。对高效、可靠和环保的能源的需求日益提升，重点落到了分布式发电的部署，特别是类似于风电、光伏等可再生能源和分布式能源的部署。这种趋势已演变为区域电网的概念，可以将其描述为由智能的能源管理系统来控制分布式能源、能量存储和局部负荷。
由于风电机组，光伏设备出力随机性较大，传统的微电网系统调节能力不足，需要引入电储能装置。但在区域电网优化调度中通常不考虑电储能的运行成本，没有将电储能装置运行成本作为效率、生命周期和健康状态的函数来明确地建模，电储能装置在优化调度中往往需要引入额外的目标函数，无法与机组组合的问题相结合也没有考虑对多个电池进行经济调度，以及在调度过程中不考虑电蓄热系统的损失成本及网络约束考虑较少，同时对区域电网中能量管理系统的模型建立不够完善，难以满足实际的优化调度需求。
发明内容
本发明针对现有区域电网优化调度中较少考虑电储能装置的运行成本和电蓄热系统损失成本的情况下，提出一种计及电热系统运行本与损失成本的区域电网优化调度方法的区域电网优化调度方法，本发明首先构建了电蓄热系统模型，并对电蓄热系统的实际热损失模型进行分析。其次通过将电储能装置的运行过程与火电机组的运行过程进行类比，提出电储能装置的运行成本模型，并将电热系统的优化调度问题分为机组组合子问题和最优潮流子问题，重点考虑了网络潮流约束，以系统运行成本最小为目标，在考虑电储能装置运行成本的基础上，引入切除负荷成本和，最终确定区域电网中各分布式电源出力。
本发明提出一种计及电热系统运行与损失成本的区域电网优化调度方法的区域电网优化调度方法，具体步骤如下：
步骤1：构建电热系统，对能量管理系统模型进行描述，构建能量管理系统模型；
步骤1.1：所构建的电热系统包含火电机组、风电机组、光伏设备、电储能装置和电蓄热系统，风电机组、光伏设备和火电机组共同出力满足电负荷需求，此时若产生多余电能，由电储能装置进行储能，同时电蓄热系统将电能转换为热能，存储在电蓄热系统中；风电机组、光伏设备和火电机组共同出力不足以满足电负荷需求时，不足的部分由电储能装置供应，热负荷由电蓄热系统供应，实现更多的新能源消纳；
步骤1.2：区域电网的能量管理系统是为了确定最优的机组组合和分布式电源的出力分配，其中电热负荷功率、风电机组和光伏设备输出的功率预测值作为机组组合子问题的输入，机组组合子问题输出的机组启停变量和电储能装置的充放电决策变量与分布式电源成本和电储能装置容量作为最优潮流子问题的输入，最后输出整个系统的切负荷决定、线路潮流、机组调度与电储能装置的控制策略；
步骤2：电蓄热系统构建及电蓄热系统模型建立
步骤2.1：电蓄热系统结构
电蓄热系统通过电热转换装置将输入的电功率转换为热功率，通过放出储存在热储能装置的热能来满足热负荷需求，获取的预测热负荷需求为热储能装置放热设定点，在稳定状态下，预测的热负荷将等于需求热负荷；
步骤2.2：电蓄热系统的模型
电蓄热系统模型表达式：
Figure GDA0004057796360000021
其中：
Figure GDA0004057796360000022
表示第k个时间段电蓄热系统的储热量；
Figure GDA0004057796360000023
表示第k时刻电热转换装置输出的热功率；
Figure GDA0004057796360000024
表示第k时刻的热负荷需求；Δtk表示时间间隔；
Figure GDA0004057796360000025
表示电蓄热系统实际自放热损失；
Figure GDA0004057796360000026
Figure GDA0004057796360000027
其中：ηS表示电蓄热系统的储热效率；
将
Figure GDA0004057796360000028
定义为电蓄热系统的自放热，
Figure GDA0004057796360000029
表示电蓄热系统的实际自放热损失；当热负荷需求
Figure GDA00040577963600000210
高于
Figure GDA00040577963600000211
时，电蓄热系统的自放热为0；当热负荷需求
Figure GDA00040577963600000212
小于
Figure GDA00040577963600000213
时，电蓄热系统的实际自放热损失计算见公式(2)；
从电能到热能的转换可以定义为：
Figure GDA00040577963600000214
Figure GDA0004057796360000031
Figure GDA0004057796360000032
其中：μETS表示电能热能转换效率；
Figure GDA0004057796360000033
表示第k个时间段电蓄热系统的储热量上限；
Figure GDA0004057796360000034
表示第k个时间段电热转换装置输入的电功率上限；
步骤3：将电储能装置的运行过程与火电机组进行类比，构建电储能装置运行成本模型；
步骤3.1：火电机组运行成本
对于微网中的火电机组，运行成本为燃料成本，模型如下所示：
Figure GDA0004057796360000035
其中：Fgen表示火电机组的运行成本；Cgen表示燃料的单位价格；Pgen表示机组输出的电功率；ag、bg、cg表示机组的煤耗系数，都为与机组相关的常数；
步骤3.1.1：火电机组燃料成本价格
对于火电机组而言，燃料成本价格由两个部分组成
Figure GDA0004057796360000036
其中：
Figure GDA0004057796360000037
代表购买燃料的成本价格；
Figure GDA0004057796360000038
表示包含燃料运输和其他服务费用的可变成本价格；
步骤3.2：电储能装置运行成本
电储能装置的充电过程看作是电池消耗“燃料”的过程；将电储能装置运行成本分为充电成本和损耗成本；
步骤3.2.1：电储能装置的充电成本
类比公式(2)，电储能装置的充电成本价格为：
Figure GDA0004057796360000039
式中：
Figure GDA00040577963600000310
是用来给电储能装置充电的成本价格；
Figure GDA00040577963600000311
表示电储能装置容量可用性的成本价格；如果给电储能装置充电的电量全部来自于新能源，则
Figure GDA00040577963600000312
的价格为0；所以
Figure GDA00040577963600000313
为电储能装置的充电成本价格主要部分；
Figure GDA00040577963600000314
定义为电储能装置具备1Kwh可用储存容量时的成本价格，计算公式如下:
Figure GDA0004057796360000041
Figure GDA0004057796360000042
式中:Cinsta表示电储能装置的安装成本；C∑表示电储能装置总寿命循环容量；Cr表示电储能装置的额定容量；Lr表示电储能装置的额定寿命；DODr表示电储能装置的放电深度；电储能装置的安装成本、额定容量、和生命周期都为确定值；
步骤3.2.2：电储能装置的损耗成本
放电期间电储能装置的损耗定义为单位时间内为负载供电的能量损耗，表达式如下：
Figure GDA0004057796360000043
其中：
Figure GDA0004057796360000044
表示电储能装置的输出功率；
Figure GDA0004057796360000045
表示电储能装置功率输出时的放电损失；充电时期电储能装置的损耗定义为单位时间内电储能装置的充电损耗，表达式如下：
Figure GDA0004057796360000046
其中:
Figure GDA0004057796360000047
表示电储能装置的充电功率，
Figure GDA0004057796360000048
表示电储能装置充电过程中的损失功率，为电储能装置的充电功率的函数；
电储能装置损失主要由电储能充放电过程中的热损失产生，热量主要来源于电极和电解质的欧姆电阻通过极化效应所产生；功率损耗与电流引起的电压降成正比；
Pjoule＝ΔV×I                       (14)
其中:Pjoule表示电储能装置的功率损失，ΔV表示电储能装置内部的电压降，I表示流过电储能装置的电流；
在放电阶段的电压降表达式为:
Figure GDA0004057796360000049
在充电阶段的电压降表达式为:
Figure GDA00040577963600000410
式中：R表示电池内部的欧姆电阻；K为一个常数；Qr为电储能装置的额定容量；SOC表示电储能装置的荷电状态；
通过上述等式，电储能装置充放电过程的损耗表达式如下：
放电过程：
Figure GDA0004057796360000051
充电过程：
Figure GDA0004057796360000052
其中：Vr表示电储能装置的额定电压；
步骤4：以系统运行成本最小为目标，将系统的能量管理系统分为机组组合子问题和最优潮流子问题，考虑火电机组、电储能装置、电蓄热装置、网络潮流旋转备用约束，确定各分布式电源出力情况；
步骤4.1：机组组合问题的目标函数是最小化微电网的运行成本，包括火电机组运行成本、启动和关闭成本，电储能装置运行成本以及为了维持系统稳定的切除负荷成本，和电蓄热系统的实际热损失成本，按照下式计算：
Figure GDA0004057796360000053
式中：min G为最小化区域电网系统运行成本；Mi表示火电机组一次的启停成本；Ug,k表示火电机组启动的决策变量(1表示启动)；Sg,k表示火电机组关闭的决策变量(1表示关闭)；Ng,k表示火电机组运行决策变量(1表示运行，0表示关闭)；CHn,k表示第n个电储能装置在第k时段的充电决策变量(1表示充电)；DCHn,k表示第n个电储能装置在第k时段的放电决策变量(1表示放电)；Δtk表示时间步长为T与T+1之间的时间间隔；Clc为失负荷惩罚价格；
Figure GDA0004057796360000061
表示第i个节点在k时段切掉的负荷；g表示火电机组数；i表示节点数；k表示时间段；n表示电储能装置数；ri表示原本节点i处电加热装置的数量；πi表示节点i由电蓄热系统替代的电加热装置数量的百分比；CL表示电蓄热系统实际自放热损失的成本价格；
Figure GDA0004057796360000062
表示电蓄热系统的实际自放热损失。
步骤4.2：最优潮流子问题的目标是最小化微电网的运行成本，考虑各节点的有功和无功功率平衡的约束，产生有功和无功功率的各节点的分布式电源出力约束，电储能装置约束，以及类似母线电压约束的其他电网运行约束。
步骤5：采用差分进化算法和遗传算法分别对两个子问题模型进行求解，在考虑电储能运行成本和网络潮流约束的基础上，实现了系统的最优经济运行。
进一步，步骤4.1中所建立的模型约束如下；
步骤4.1.1：电功率平衡约束：此约束确保在每个时间段内总发电量等于总负荷需求：
Figure GDA0004057796360000063
其中：PVi,k表示节点i光伏设备在k时段输出电功率；PWi,k表示节点i风电机组在k时段输出电功率；n表示电储能装置数；
Figure GDA0004057796360000064
表示第n个电储能装置的充电功率；
Figure GDA0004057796360000065
表示第n个电储能装置的放电功率；
Figure GDA0004057796360000066
表示k时段的电负荷功率；
步骤4.1.2：备用约束：
Figure GDA0004057796360000067
其中：
Figure GDA0004057796360000068
表示k时段火电机组输出的功率上限；Rsv表示旋转备用系数。
步骤4.1.3：机组组合约束包含机组输出的功率约束、爬坡约束和最小启停时间约束，如下所示：
Figure GDA0004057796360000069
Figure GDA00040577963600000610
Figure GDA00040577963600000611
Figure GDA0004057796360000071
Figure GDA0004057796360000072
Figure GDA0004057796360000073
Figure GDA0004057796360000074
其中：Pgen、
Figure GDA0004057796360000075
分别表示火电机组出力的下、上限；
Figure GDA0004057796360000076
表示机组上爬坡率；
Figure GDA0004057796360000077
表示机组下爬坡率；
Figure GDA0004057796360000078
表示机组最小启动时间；
Figure GDA0004057796360000079
表示机组最小关闭时间；
步骤4.1.4：电储能包括能量平衡、禁止同时充放电、充电状态限制即SOC和充放电功率限制，如下所示：
Figure GDA00040577963600000710
其中：
Figure GDA00040577963600000711
表示第n个电储能装置的充电效率，
Figure GDA00040577963600000712
表示第n个电储能装置的放电效率；CHn,k表示第n个电储能装置在第k时段的充电决策变量，1表示充电；DCHn,k表示第n个电储能装置在第k时段的放电决策变量，1表示放电；SOCn,k、
Figure GDA00040577963600000713
分别表示第n个电储能装置在k时段允许的荷电状态下、上限；
Figure GDA00040577963600000714
表示第n个电储能装置在第k时段的放电功率；
Figure GDA00040577963600000715
表示第n个电储能装置在第k时段的充电功率；
Figure GDA00040577963600000716
表示第n个电储能装置充放电上限；
进一步，步骤4.2中建立目标函数和约束条件如下:
步骤4.2.1中目标函数：最小化运行成本：
Figure GDA00040577963600000717
其中：
Figure GDA00040577963600000718
经过对机组组合问题求解后，都为已知量；
步骤4.2.2：电功率平衡：在每一个节点的功率输出都源于火电机组、风电、光伏，总的负荷需求来自各种用户需求的电负荷，并在功率平衡过程中考虑电储能装置的充电和放电：
Figure GDA0004057796360000081
Figure GDA0004057796360000082
其中：Bi表示与节点i相连的火电机组；Ni表示与节点i相连的电储能装置个数；j表示第j个节点；θi,j表示第i和第j个节点之间导纳角；δi,k、δj,k分别表示第k个时段内电压向量角；Qgen,k表示火电机组在k时段产生的无功功率；
Figure GDA0004057796360000083
分别为节点i负荷的无功功率和切除负荷的无功功率；QC表示电储能装置输出的无功功率；
步骤4.2.3：旋转备用约束:在最优潮流约束的子问题中，考虑旋转备用，以确保适当的操作裕度；将公式(21)修改成如下形式：
Figure GDA0004057796360000084
步骤4.2.4：网络运行约束：Wg,k,Ug,k,Sg,k都为已知参数，则等式如下所示：
Figure GDA0004057796360000085
其中：Qgen,k，
Figure GDA0004057796360000086
分别为火电机组在k时段输出的无功功率的下、上限；V，
Figure GDA0004057796360000087
分别为各节点电压的下、上限。通过对每个节点的无功功率和电压加以约束，保证系统安全运行；
步骤4.2.5：电储能装置约束：在最优潮流子问题中，前述电储能约束修改为如下所示:
Figure GDA0004057796360000088
Figure GDA0004057796360000091
Figure GDA0004057796360000092
公式(35)说明电储能装置不能同时充电或放电，公式(36)、公式(37)保证电储能装置的充、放电都维持在额定范围。
进一步地，将机组组合模型和最优潮流模型结合起来，首先解决机组组合子问题，并考虑分布式电源的预测输入以确定机组组合决策；从获得的解决方案中，将二进制决策量和边界条件当成最优潮流子问题中的固定参数，从而获得分布式电源输出功率的最优分配，使整个系统的运行成本最小。
进一步，步骤5采用差分进化算法求解所述机组组合子问题，步骤如下：
步骤5.1.1:种群初始化
设初始化种群为
Figure GDA0004057796360000093
Np表示种群规模，在每一代中，都称为目标向量，其中常规机组有功出力、储能装置出力、风电和光伏出力为连续变量，常规机组的启停状态由机组在某时刻的出力大小所确定：
Figure GDA0004057796360000094
采用离散编码的方式；
步骤5.1.2：变异
在变异操作中，基于当代群体中随机采样的个体之间的差异，利用变异算子为每个目标载体生成突变体，变异算子如下：
Figure GDA0004057796360000095
其中：G表示进化代数；F表示缩放因子，具有控制差分矢量放大的功能，取值一般在[0，1]之间；Γ1，Γ2，Γ3分别表示从[1，NP]产生的不同随机数。
步骤5.1.3：交叉
采用交叉算子在
Figure GDA0004057796360000096
和
Figure GDA0004057796360000097
来产生试验向量
Figure GDA0004057796360000098
生成试验向量
Figure GDA0004057796360000099
的方法如下：
Figure GDA00040577963600000910
其中：CR为交叉概率；randj为[0,1]之间的均匀分布的随机数；jrand为从[1,D]中随机选取的一个整数；D为优化变量的维数。
步骤5.1.4：选择
选择的原则采用
Figure GDA0004057796360000101
和
Figure GDA0004057796360000102
之间逐个比较的原则，公式如下：
Figure GDA0004057796360000103
进一步，步骤5中采用遗传算法进行求解最优潮流子问题时，遗传算法的输入为机组组合子问题输出的机组启停变量和电储能装置的充放电决策变量与分布式电源成本和电储能装置容量，输出为整个系统的切负荷决定、线路潮流、机组调度与电储能装置的控制策略。
进一步，步骤4.1.3中，在机组组合问题中按照公式(23)-公式(26)进行约束。
有益效果：
(1)本发明以系统运行成本最小为主目标，并在目标函数中引入切负荷惩罚成本，电储能装置的运行成本和电蓄热系统实际损失成本，在保证系统尽可能合理分配各分布式电源出力的基础上，尽可能消纳新能源，减少系统运行成本。
(2)本发明构建新的电蓄热系统模型，提出了电蓄热系统的实际损失模型，与传统的电供热装置相比，能够减小区域电网的运行成本。
(3)本发明针对系统的优化调度问题中，较少考虑储能装置运行成本，将电储能装置的运行过程同火电机组进行类比，构建电储能装置的运行成本模型，并进一步细化为充电运行成本和电储能损耗成本，使其能够应用于机组组合问题中，更利于分析系统的经济性。
(4)模型将运行成本作为效率、生命周期和健康状态的函数来明确地建模，以最大限度地提高电池的效率和寿命。
(4)本发明中引入能量管理系统，将系统的优化调度问题分为机组组合子问题和最优潮流子问题，充分考虑了考虑火电机组、电储能装置、电蓄热系统、网络潮流约束、旋转备用约束，更加符合实际情况。
(5)在求解方法上采用差分进化算法对机组组合子问题进行求解，采用遗传算法求解最优潮流子问题，两者协调提高计算的速度和精度。
附图说明
图1是包含火电机组、风电机组、光伏设备、电储能装置与电蓄热系统的区域电网系统结构图；
图2是区域电网能量管理系统构图；
图3是区域电网电蓄热系统结构图；
图4是基于差分进化算法求解机组组合子问题的流程图；
图5是基于遗传算法求解最优潮流子问题的流程图。
具体实施方式
下面结合附图对本发明做进一步说明：
本发明是一种计及电热系统运行与损失成本的区域电网优化调度方法，该方法在于建立了一种新的电蓄热系统模型，并对系统的实际热损失进行建模分析，同时提出了一种新的电池运行成本模型，其将电池视为等效的燃料运行的火电机组，以使其能够结合到机组组合问题中，并将原能量管理系统优化调度问题分解为机组组合子问题和最优潮流子问题，以最小化运行成本为目标，并在引入电储能运行成本的基础上，对电蓄热系统实际热损失成本进行分析，并引入到目标函数中，此外还考虑了切负荷成本，最后用差分进化算法和遗传算法进行求解。
结合上述附图，本发明所述方法的步骤如下：
步骤1：确定包含火电机组、风电机组、光伏设备和电储能装置与电蓄热系统的电热系统结构，并对能量管理系统模型进行描述，构建能量管理系统模型。
步骤1.1：如图1所示，所构建的电热系统结构包含火电机组、风电机组、光伏设备、电储能装置和电蓄热系统，风电机组、光伏设备和火电机组共同出力满足电负荷需求，此时若产生多余电能，由电储能装置进行储能，同时电蓄热系统将电能转换为热能，存储在电蓄热系统中。风电机组、光伏设备和火电机组共同出力不足以满足电负荷需求时，不足的部分由电储能装置供应，热负荷由电蓄热系统供应，实现更多的新能源消纳。
步骤1.2：如图2所示，区域电网的能量管理系统是为了实现某些目标而确定最优的机组组合和分布式电源的出力分配，其中电热负荷功率与风电机组和光伏设备输出的功率预测值作为机组组合子问题的输入，机组组合子问题输出的机组启停变量和电储能装置的充放电决策变量与分布式电源成本和电储能装置容量作为最优潮流子问题的输入，最后输出整个系统的切负荷决定、线路潮流、机组调度与电储能装置的控制策略。
通常，能量管理系统基于机组组合和最优潮流问题的解耦来解决优化调度问题，在机组组合问题中，目的是将运营成本降到最低，获得最优的机组出力决策。另一方面，最优潮流问题最小化在潮流、电压和无功调度约束下的运行成本，从而确定了最优的有功和无功调度决策，实现系统最低成本运行。
步骤2：电蓄热系统及模型
步骤2.1：电蓄热系统结构
电蓄热系统根据存储介质可分为多种，本发明以镁砖为存储介质的电热存储系统。在系统中，电能的转换过程是通过将热能存储在镁砖之间的加热棒进行的。这些砖块放在一个隔热性能较好的储热室中，以确保较低的自放热率。采用电热存储系统的供热结构如图3所示：
电蓄热系统通过电热转换装置将输入的电功率转换为热功率，通过放出储存在储热装置的热能来满足热负荷需求，获取的预测热负荷需求认为是电热存储系统放热的设定点，在稳定状态下，预测的热负荷将等于需求热负荷。
步骤2.2：电蓄热系统的模型
电蓄热系统模型表达式：
Figure GDA0004057796360000121
其中：
Figure GDA0004057796360000122
表示第k个时间段电蓄热系统的储热量；
Figure GDA0004057796360000123
表示第k时刻电热转换装置输出的热功率；
Figure GDA0004057796360000124
表示第k时刻的热负荷需求；Δtk表示时间间隔；
Figure GDA0004057796360000125
表示电蓄热系统实际自放热损失；
Figure GDA0004057796360000126
Figure GDA0004057796360000127
其中：ηS表示电蓄热系统的储热效率；
本发明将
Figure GDA0004057796360000128
定义为电蓄热系统的自放热，
Figure GDA0004057796360000129
表示电蓄热系统的实际自放热损失。当热负荷需求
Figure GDA00040577963600001210
高于
Figure GDA00040577963600001211
时，电蓄热系统的自放热为0；当热负荷需求
Figure GDA00040577963600001212
小于
Figure GDA00040577963600001213
时，电蓄热系统的实际自放热损失计算见公式(2)。
从电能到热能的转换可以定义为：
Figure GDA00040577963600001214
Figure GDA00040577963600001215
Figure GDA00040577963600001216
其中：μETS表示电能热能转换效率；
Figure GDA00040577963600001217
表示第k个时间段电蓄热系统的储热量上限；
Figure GDA00040577963600001218
表示第k个时间段电热转换装置输入的电功率上限。
步骤3：将电储能装置的运行过程与火电机组进行类比，构建电储能装置运行成本模型；
步骤3.1：火电机组运行成本
对于微网中的火电机组，运行成本一般为燃料成本，模型如下所示：
Figure GDA00040577963600001219
其中：Fgen表示火电机组的运行成本；Cgen表示燃料的单位价格；Pgen表示机组输出的电功率；ag、bg、cg表示机组的煤耗系数，都为与机组相关的常数。
步骤3.1.1：火电机组燃料成本价格
对于火电机组而言，燃料成本价格主要由两个部分组成
Figure GDA0004057796360000131
其中：
Figure GDA0004057796360000132
代表购买燃料的成本价格；
Figure GDA0004057796360000133
表示包含燃料运输和其他服务费用的可变成本价格。因为机组地理位置与运输和服务成本的不同，Cgen主要由
Figure GDA0004057796360000134
来确定。
步骤3.2：电储能装置运行成本
电储能装置的充电过程可以看作是电池消耗“燃料”的过程；根据上述描述，将电储能装置运行成本分为充电成本和损耗成本。
步骤3.2.1：电储能装置的充电成本
类比公式(2)，电储能装置的充电成本价格为：
Figure GDA0004057796360000135
式中：
Figure GDA0004057796360000136
是用来给电储能装置充电的成本价格；
Figure GDA0004057796360000137
表示电储能装置容量可用性的成本价格；如果给电储能装置充电的电量全部来自于新能源，则
Figure GDA0004057796360000138
的价格为0；所以
Figure GDA0004057796360000139
为电储能装置的充电成本价格主要部分。
Figure GDA00040577963600001310
定义为电储能装置具备1Kwh可用储存容量时的成本价格，计算公式如下:
Figure GDA00040577963600001311
Figure GDA00040577963600001312
式中:Cinsta表示电储能装置的安装成本；C∑表示电储能装置总寿命循环容量；Cr表示电储能装置的额定容量；Lr表示电储能装置的额定寿命；DODr表示电储能装置的放电深度；电储能装置的安装成本、额定容量、和生命周期都为确定值。
步骤3.2.2：电储能装置的损耗成本
放电期间电储能装置的损耗定义为单位时间内为负载供电的能量损耗，表达式如下：
Figure GDA0004057796360000141
其中：
Figure GDA0004057796360000142
表示电储能装置的输出功率；
Figure GDA0004057796360000143
表示电储能装置功率输出时的放电损失。
充电时期电储能装置的损耗定义为单位时间内电储能装置的充电损耗，表达式如下：
Figure GDA0004057796360000144
其中:
Figure GDA0004057796360000145
表示电储能装置的充电功率，
Figure GDA0004057796360000146
表示电储能装置充电过程中的损失功率，为电储能装置的充电功率的函数；
电储能装置损失主要由电储能充放电过程中的热损失产生，热量主要来源于电极和电解质的欧姆电阻通过极化效应所产生。功率损耗与电流引起的电压降成正比；
Pjoule＝ΔV×I                       (14)
其中:Pjoule表示电储能装置的功率损失，ΔV表示电储能装置内部的电压降，I表示流过电储能装置的电流。
在放电阶段的电压降表达式为:
Figure GDA0004057796360000147
在充电阶段的电压降表达式为:
Figure GDA0004057796360000148
式中：R表示电池内部的欧姆电阻；K为一个常数；Qr为电储能装置的额定容量；SOC表示电储能装置的荷电状态。
通过上述等式，电储能装置充放电过程的损耗表达式如下：
放电过程：
Figure GDA0004057796360000149
充电过程：
Figure GDA0004057796360000151
其中：Vr表示电储能装置的额定电压。
步骤4：以系统运行成本最小为目标，将系统的能量管理系统分为机组组合子问题和最优潮流子问题，考虑火电机组、电储能装置、电蓄热装置、网络潮流旋转备用约束，确定各分布式电源出力情况；
步骤4.1：机组组合问题的目标函数是最小化微电网的运行成本，包括火电机组运行成本、启动和关闭成本，电储能装置运行成本以及为了维持系统稳定的切除负荷成本，和电蓄热系统的实际热损失成本，按照下式计算：
Figure GDA0004057796360000152
式中：min G为最小化区域电网系统运行成本；Mi表示火电机组一次的启停成本；Ug,k表示火电机组启动的决策变量(1表示启动)；Sg,k表示火电机组关闭的决策变量(1表示关闭)；Ng,k表示火电机组运行决策变量(1表示运行，0表示关闭)；CHn,k表示第n个电储能装置在第k时段的充电决策变量(1表示充电)；DCHn,k表示第n个电储能装置在第k时段的放电决策变量(1表示放电)；Δtk表示时间步长为T与T+1之间的时间间隔；Clc为失负荷惩罚价格；
Figure GDA0004057796360000153
表示第i个节点在k时段切掉的负荷；g表示火电机组数；i表示节点数；k表示时间段；n表示电储能装置数。ri表示原本节点i处电加热装置的数量；πi表示节点i由电蓄热系统替代的电加热装置数量的百分比；CL表示电蓄热系统实际自放热损失的成本价格；
Figure GDA0004057796360000154
表示电蓄热系统的实际自放热损失。
所建立的模型约束如下；
步骤4.1.1：电功率平衡约束：此约束确保在每个时间段内总发电量等于总负荷需求：
Figure GDA0004057796360000161
其中：PVi,k表示节点i光伏设备在k时段输出电功率；PWi,k表示节点i风电机组在k时段输出电功率；n表示电储能装置数；
Figure GDA0004057796360000162
表示第n个电储能装置的充电功率；
Figure GDA0004057796360000163
表示第n个电储能装置的放电功率；
Figure GDA0004057796360000164
表示k时段的电负荷功率。
步骤4.1.2：备用约束：
Figure GDA0004057796360000165
其中：
Figure GDA0004057796360000166
表示k时段火电机组输出的功率上限；Rsv表示旋转备用系数。
步骤4.1.3：机组组合约束包含机组输出的功率约束、爬坡约束和最小启停时间约束，如下所示：
Figure GDA0004057796360000167
Figure GDA0004057796360000168
Figure GDA0004057796360000169
Figure GDA00040577963600001610
Figure GDA00040577963600001611
Figure GDA00040577963600001612
Figure GDA00040577963600001613
其中：Pgen、
Figure GDA00040577963600001614
分别表示火电机组出力的下、上限；
Figure GDA00040577963600001615
表示机组上爬坡率；
Figure GDA00040577963600001616
表示机组下爬坡率；
Figure GDA00040577963600001617
表示机组最小启动时间；
Figure GDA00040577963600001618
表示机组最小关闭时间。
值得注意的是，即便在微网中的机组具有快速启停、爬坡能力，在机组组合问题中按照公式(23)-(26)进行约束。
步骤4.1.4：电储能包括能量平衡、禁止同时充放电、充电状态限制(SOC)和充放电功率限制，如下所示：
Figure GDA0004057796360000171
其中：
Figure GDA0004057796360000172
表示第n个电储能装置的充电效率，
Figure GDA0004057796360000173
表示第n个电储能装置的放电效率；CHn,k表示第n个电储能装置在第k时段的充电决策变量(1表示充电)；DCHn,k表示第n个电储能装置在第k时段的放电决策变量(1表示放电)；SOCn,k、
Figure GDA0004057796360000174
分别表示第n个电储能装置在k时段允许的荷电状态下、上限；
Figure GDA0004057796360000175
第n个电储能装置在第k时段的放电功率；
Figure GDA0004057796360000176
第n个电储能装置在第k时段的充电功率；
Figure GDA0004057796360000177
表示第n个电储能装置充放电上限。
步骤4.2：最优潮流子问题的目标是最小化微电网的运行成本，此时考虑各节点的有功和无功功率平衡的约束，可以产生有功和无功功率的各节点的分布式电源出力约束，电储能装置约束，以及类似母线电压约束的其他电网运行约束，目标函数和约束条件如下:
步骤4.2.1：目标函数：最小化运行成本：
Figure GDA0004057796360000178
其中：
Figure GDA0004057796360000179
经过对机组组合问题求解后，都为已知量。
步骤4.2.2：电功率平衡：在每一个节点的功率输出都源于火电机组、风电、光伏，总的负荷需求来自各种用户需求的电负荷，并在功率平衡过程中考虑电储能装置的充电和放电：
Figure GDA00040577963600001710
Figure GDA0004057796360000181
其中：Bi表示与节点i相连的火电机组；Ni表示与节点i相连的电储能装置个数；j表示第j个节点；θi,j表示第i和第j个节点之间导纳角；δi,k、δj,k分别表示第k个时段内电压向量角；Qgen,k表示火电机组在k时段产生的无功功率；
Figure GDA0004057796360000182
分别为节点i负荷的无功功率和切除负荷的无功功率；QC表示电储能装置输出的无功功率。
步骤4.2.3：旋转备用约束:虽然在机组组合问题中已经考虑了旋转备用，并获得了分布式电源的启停决策，但在最优潮流约束的子问题中，仍需考虑旋转备用，以确保适当的操作裕度。因此，公式(21)修改成如下形式：
Figure GDA0004057796360000183
步骤4.2.4：网络运行约束：在这一部分中，Wg,k,Ug,k,Sg,k都为已知参数，则等式如下所示：
Figure GDA0004057796360000184
其中：Qgen,k，
Figure GDA0004057796360000185
分别为火电机组在k时段输出的无功功率的下、上限；V，
Figure GDA0004057796360000186
分别为各节点电压的下、上限。通过对每个节点的无功功率和电压加以约束，保证系统安全运行。
步骤4.2.5：储能装置约束：在最优潮流子问题中，前述电储能约束修改为如下所示:
Figure GDA0004057796360000187
Figure GDA0004057796360000188
Figure GDA0004057796360000189
公式(35)说明电储能装置不能同时充电或放电，公式(36)、(37)保证电储能装置的充、放电都维持在额定范围。
步骤5：采用差分进化算法和遗传算法分别对两个子问题模型进行求解，在考虑电储能运行成本和网络潮流约束的基础上，实现了系统的最优经济运行。
能量管理问题可以按照混合整数非线性规划问题来处理，方法是将机组组合模型和最优潮流模型结合起来，首先解决机组组合子问题，并考虑分布式电源的预测输入以确定机组组合决策。从获得的解决方案中，将二进制决策量和边界条件当成最优潮流子问题中的固定参数，从而获得分布式电源输出功率的最优分配，使整个系统的运行成本最小。
步骤5.1：本发明采用差分进化算法求解本发明中所提的机组组合子问题，算法流程图如图4所示。
步骤5.1.1:种群初始化
设初始化种群为
Figure GDA0004057796360000191
Np表示种群规模，在每一代中，都称为目标向量，其中常规机组有功出力、储能装置出力、风电和光伏出力为连续变量，常规机组的启停状态由机组在某时刻的出力大小所确定：
Figure GDA0004057796360000192
采用离散编码的方式。
步骤5.1.2：变异
在变异操作中，基于当代群体中随机采样的个体之间的差异，利用变异算子为每个目标载体生成突变体，变异算子如下：
Figure GDA0004057796360000193
其中：G表示进化代数；F表示缩放因子(具有控制差分矢量放大的功能，取值一般在[0，1]之间)；Γ1，Γ2，Γ3分别表示从[1，NP]产生的不同随机数和且目标向量i不同。
步骤5.1.3：交叉
采用交叉算子在
Figure GDA0004057796360000194
和
Figure GDA0004057796360000195
来产生试验向量
Figure GDA0004057796360000196
生成试验向量
Figure GDA0004057796360000197
的方法如下：
Figure GDA0004057796360000198
其中：CR为交叉概率；randj为[0,1]之间的均匀分布的随机数；jrand为从[1,D]中随机选取的一个整数；D为优化变量的维数。
步骤5.1.4：选择
选择的原则采用
Figure GDA0004057796360000199
和
Figure GDA00040577963600001910
之间逐个比较的原则，公式如下:：
Figure GDA0004057796360000201
步骤5.2：采用遗传算法进行求解最优潮流子问题
遗传算法的输入为机组组合子问题输出的机组启停变量和电储能装置的充放电决策变量与分布式电源成本和电储能装置容量，输出为整个系统的切负荷决定、线路潮流、机组调度与电储能装置的控制策略，算法流程图如图5所示。
以上仅为本发明的具体实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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 (7)

1.一种计及电热系统运行与损失成本的区域电网优化调度方法，其特征是：具体步骤如下：
步骤1：构建电热系统，对能量管理系统模型进行描述，构建能量管理系统模型；
步骤1.1：所构建的电热系统包含火电机组、风电机组、光伏设备、电储能装置和电蓄热系统，风电机组、光伏设备和火电机组共同出力满足电负荷需求，此时若产生多余电能，由电储能装置进行储能，同时电蓄热系统将电能转换为热能，存储在电蓄热系统中；风电机组、光伏设备和火电机组共同出力不足以满足电负荷需求时，不足的部分由电储能装置供应，热负荷由电蓄热系统供应，实现更多的新能源消纳；
步骤1.2：区域电网的能量管理系统是为了确定最优的机组组合和分布式电源的出力分配，其中电热负荷功率、风电机组和光伏设备输出的功率预测值作为机组组合子问题的输入，机组组合子问题输出的机组启停变量和电储能装置的充放电决策变量与分布式电源成本和电储能装置容量作为最优潮流子问题的输入，最后输出整个系统的切负荷决定、线路潮流、机组调度与电储能装置的控制策略；
步骤2：电蓄热系统构建及电蓄热系统模型建立
步骤2.1：电蓄热系统结构
电蓄热系统通过电热转换装置将输入的电功率转换为热功率，通过放出储存在热储能装置的热能来满足热负荷需求，获取的预测热负荷需求为热储能装置放热设定点，在稳定状态下，预测的热负荷将等于需求热负荷；
步骤2.2：电蓄热系统的模型
电蓄热系统模型表达式：
其中：表示第k个时间段电蓄热系统的储热量；表示第k时刻电热转换装置输出的热功率；表示第k时刻的热负荷需求；Δtk表示时间间隔；表示电蓄热系统实际自放热损失；
其中：ηS表示电蓄热系统的储热效率；
将定义为电蓄热系统的自放热，表示电蓄热系统的实际自放热损失；当热负荷需求高于时，电蓄热系统的自放热为0；当热负荷需求小于时，电蓄热系统的实际自放热损失计算见公式(2)；
从电能到热能的转换可以定义为：
其中：μETS表示电能热能转换效率；表示第k个时间段电蓄热系统的储热量上限；表示第k个时间段电热转换装置输入的电功率上限；
步骤3：将电储能装置的运行过程与火电机组进行类比，构建电储能装置运行成本模型；
步骤3.1：火电机组运行成本
对于微网中的火电机组，运行成本为燃料成本，模型如下所示：
其中：Fgen表示火电机组的运行成本；Cgen表示燃料的单位价格；Pgen表示机组输出的电功率；ag、bg、cg表示机组的煤耗系数，都为与机组相关的常数；
步骤3.1.1：火电机组燃料成本价格
对于火电机组而言，燃料成本价格由两个部分组成
其中：代表购买燃料的成本价格；表示包含燃料运输和其他服务费用的可变成本价格；
步骤3.2：电储能装置运行成本
电储能装置的充电过程看作是电池消耗“燃料”的过程；将电储能装置运行成本分为充电成本和损耗成本；
步骤3.2.1：电储能装置的充电成本
类比公式(2)，电储能装置的充电成本价格为：
式中：是用来给电储能装置充电的成本价格；表示电储能装置容量可用性的成本价格；如果给电储能装置充电的电量全部来自于新能源，则的价格为0；所以为电储能装置的充电成本价格主要部分；
定义为电储能装置具备1Kwh可用储存容量时的成本价格，计算公式如下:
式中:Cinsta表示电储能装置的安装成本；C∑表示电储能装置总寿命循环容量；Cr表示电储能装置的额定容量；Lr表示电储能装置的额定寿命；DODr表示电储能装置的放电深度；电储能装置的安装成本、额定容量、和生命周期都为确定值；
步骤3.2.2：电储能装置的损耗成本
放电期间电储能装置的损耗定义为单位时间内为负载供电的能量损耗，表达式如下：
其中：表示电储能装置的输出功率；表示电储能装置功率输出时的放电损失；
充电时期电储能装置的损耗定义为单位时间内电储能装置的充电损耗，表达式如下：
其中:表示电储能装置的充电功率，表示电储能装置充电过程中的损失功率，为电储能装置的充电功率的函数；
电储能装置损失主要由电储能充放电过程中的热损失产生，热量主要来源于电极和电解质的欧姆电阻通过极化效应所产生；功率损耗与电流引起的电压降成正比；
Pjoule＝ΔV×I                       (14)
其中:Pjoule表示电储能装置的功率损失，ΔV表示电储能装置内部的电压降，I表示流过电储能装置的电流；
在放电阶段的电压降表达式为:
在充电阶段的电压降表达式为:
式中：R表示电池内部的欧姆电阻；K为一个常数；Qr为电储能装置的额定容量；SOC表示电储能装置的荷电状态；
通过上述等式，电储能装置充放电过程的损耗表达式如下：
放电过程：
充电过程：
其中：Vr表示电储能装置的额定电压；
步骤4：以系统运行成本最小为目标，将系统的能量管理系统分为机组组合子问题和最优潮流子问题，考虑火电机组、电储能装置、电蓄热装置、网络潮流旋转备用约束，确定各分布式电源出力情况；
步骤4.1：机组组合问题的目标函数是最小化微电网的运行成本，包括火电机组运行成本、启动和关闭成本，电储能装置运行成本以及为了维持系统稳定的切除负荷成本，和电蓄热系统的实际热损失成本，按照下式计算：
式中：min G为最小化区域电网系统运行成本；Mi表示火电机组一次的启停成本；Ug,k表示火电机组启动的决策变量且为“1”时表示启动；Sg,k表示火电机组关闭的决策变量且为“1”时表示关闭；Ng,k表示火电机组运行决策变量且为“1”时表示运行、为“0”时表示关闭；CHn,k表示第n个电储能装置在第k时段的充电决策变量且为“1”时表示充电；DCHn,k表示第n个电储能装置在第k时段的放电决策变量且为“1”时表示放电；Δtk表示时间步长为T与T+1之间的时间间隔；Clc为失负荷惩罚价格；表示第i个节点在k时段切掉的负荷；g表示火电机组数；i表示节点数；k表示时间段；n表示电储能装置数；ri表示原本节点i处电加热装置的数量；πi表示节点i由电蓄热系统替代的电加热装置数量的百分比；CL表示电蓄热系统实际自放热损失的成本价格；表示电蓄热系统的实际自放热损失；
步骤4.2：最优潮流子问题的目标是最小化微电网的运行成本，考虑各节点的有功和无功功率平衡的约束，产生有功和无功功率的各节点的分布式电源出力约束，电储能装置约束，以及类似母线电压约束的其他电网运行约束；
步骤5：采用差分进化算法和遗传算法分别对两个子问题模型进行求解，在考虑电储能运行成本和网络潮流约束的基础上，实现了系统的最优经济运行。
2.根据权利要求1所述的计及电热系统运行与损失成本的区域电网优化调度方法，其特征是：步骤4.1中所建立的模型约束如下；
步骤4.1.1：电功率平衡约束：此约束确保在每个时间段内总发电量等于总负荷需求：
其中：PVi,k表示节点i光伏设备在k时段输出电功率；PWi,k表示节点i风电机组在k时段输出电功率；n表示电储能装置数；表示第n个电储能装置的充电功率；表示第n个电储能装置的放电功率；表示k时段的电负荷功率；
步骤4.1.2：备用约束：
其中：表示k时段火电机组输出的功率上限；Rsv表示旋转备用系数；
步骤4.1.3：机组组合约束包含机组输出的功率约束、爬坡约束和最小启停时间约束，如下所示：
其中：Pgen、分别表示火电机组出力的下、上限；表示机组上爬坡率；表示机组下爬坡率；表示机组最小启动时间；表示机组最小关闭时间；
步骤4.1.4：电储能包括能量平衡、禁止同时充放电、充电状态限制即SOC和充放电功率限制，如下所示：
其中：表示第n个电储能装置的充电效率，表示第n个电储能装置的放电效率；CHn,k表示第n个电储能装置在第k时段的充电决策变量，1表示充电；DCHn,k表示第n个电储能装置在第k时段的放电决策变量，1表示放电；SOCn,k、分别表示第n个电储能装置在k时段允许的荷电状态下、上限；表示第n个电储能装置在第k时段的放电功率；表示第n个电储能装置在第k时段的充电功率；表示第n个电储能装置充放电上限。
3.根据权利要求1所述的计及电热系统运行与损失成本的区域电网优化调度方法，其特征是：步骤4.2中建立目标函数和约束条件如下:
步骤4.2.1中目标函数：最小化运行成本：
其中：经过对机组组合问题求解后，都为已知量；
步骤4.2.2：电功率平衡：在每一个节点的功率输出都源于火电机组、风电、光伏，总的负荷需求来自各种用户需求的电负荷，并在功率平衡过程中考虑电储能装置的充电和放电：
其中：Bi表示与节点i相连的火电机组；Ni表示与节点i相连的电储能装置个数；j表示第j个节点；θi,j表示第i和第j个节点之间导纳角；δi,k、δj,k分别表示第k个时段内电压向量角；Qgen,k表示火电机组在k时段产生的无功功率；分别为节点i负荷的无功功率和切除负荷的无功功率；QC表示电储能装置输出的无功功率；
步骤4.2.3：旋转备用约束:在最优潮流约束的子问题中，考虑旋转备用，以确保适当的操作裕度；将公式(21)修改成如下形式：
步骤4.2.4：网络运行约束：Wg,k,Ug,k,Sg,k都为已知参数，则等式如下所示：
其中：Qgen,k，分别为火电机组在k时段输出的无功功率的下、上限；V，分别为各节点电压的下、上限；通过对每个节点的无功功率和电压加以约束，保证系统安全运行；
步骤4.2.5：电储能装置约束：在最优潮流子问题中，前述电储能约束修改为如下所示:
公式(35)说明电储能装置不能同时充电或放电，公式(36)、公式(37)保证电储能装置的充、放电都维持在额定范围。
4.根据权利要求1所述的计及电热系统运行与损失成本的区域电网优化调度方法，其特征是：步骤5中将机组组合模型和最优潮流模型结合起来，首先解决机组组合子问题，并考虑分布式电源的预测输入以确定机组组合决策；从获得的解决方案中，将二进制决策量和边界条件当成最优潮流子问题中的固定参数，从而获得分布式电源输出功率的最优分配，使整个系统的运行成本最小。
5.根据权利要求1所述的计及电热系统运行与损失成本的区域电网优化调度方法，其特征是：步骤5采用差分进化算法求解所述机组组合子问题，步骤如下：
步骤5.1.1:种群初始化
设初始化种群为Np表示种群规模，在每一代中，都称为目标向量，其中常规机组有功出力、储能装置出力、风电和光伏出力为连续变量，常规机组的启停状态由机组在某时刻的出力大小所确定：
采用离散编码的方式；
步骤5.1.2：变异
在变异操作中，基于当代群体中随机采样的个体之间的差异，利用变异算子为每个目标载体生成突变体，变异算子如下：
其中：G表示进化代数；F表示缩放因子，具有控制差分矢量放大的功能，取值一般在[0，1]之间；Γ1，Γ2，Γ3分别表示从[1，NP]产生的不同随机数；
步骤5.1.3：交叉
采用交叉算子在和来产生试验向量生成试验向量的方法如下：
其中：CR为交叉概率；
randj为[0,1]之间的均匀分布的随机数；jrand为从[1,D]中随机选取的一个整数；D为优化变量的维数；
步骤5.1.4：选择
选择的原则采用和之间逐个比较的原则，公式如下：
。
6.根据权利要求1所述的计及电热系统运行与损失成本的区域电网优化调度方法，其特征是：步骤5中采用遗传算法进行求解最优潮流子问题时，遗传算法的输入为机组组合子问题输出的机组启停变量和电储能装置的充放电决策变量与分布式电源成本和电储能装置容量，输出为整个系统的切负荷决定、线路潮流、机组调度与电储能装置的控制策略。
7.根据权利要求2所述的计及电热系统运行与损失成本的区域电网优化调度方法，其特征是：步骤4.1.3中，在机组组合问题中按照公式(23)-公式(26)进行约束。
CN201911045486.XA 2019-10-30 2019-10-30 计及电热系统运行与损失成本的区域电网优化调度方法 Active CN110649639B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911045486.XA CN110649639B (zh) 2019-10-30 2019-10-30 计及电热系统运行与损失成本的区域电网优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911045486.XA CN110649639B (zh) 2019-10-30 2019-10-30 计及电热系统运行与损失成本的区域电网优化调度方法

Publications (2)

Publication Number Publication Date
CN110649639A CN110649639A (zh) 2020-01-03
CN110649639B true CN110649639B (zh) 2023-04-07

Family

ID=68995115

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911045486.XA Active CN110649639B (zh) 2019-10-30 2019-10-30 计及电热系统运行与损失成本的区域电网优化调度方法

Country Status (1)

Country Link
CN (1) CN110649639B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113013905B (zh) * 2021-02-03 2024-05-28 国网天津市电力公司营销服务中心 一种风光储微能量收集无线传感系统调度方法及装置
CN114069714A (zh) * 2021-11-30 2022-02-18 国网江苏省电力有限公司电力科学研究院 一种包含可再生能源的分布式电力系统机组调度方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104393619A (zh) * 2014-11-24 2015-03-04 国家电网公司 一种考虑风电机组安全约束的机组组合方法
CN104734168A (zh) * 2015-03-13 2015-06-24 山东大学 一种基于电热联合调度的微电网运行优化系统及方法
CN107069806A (zh) * 2017-03-22 2017-08-18 国网辽宁省电力有限公司大连供电公司 同时考虑风电不确定性和交流潮流约束的机组组合方法
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
CN107508328A (zh) * 2017-04-08 2017-12-22 东北电力大学 考虑风电消纳的联合系统能量优化方法
CN109149571A (zh) * 2018-09-21 2019-01-04 国网福建省电力有限公司 一种考虑系统燃气和火电机组特性的储能优化配置方法
CN109167383A (zh) * 2018-08-17 2019-01-08 国网福建省电力有限公司 基于精确线性化电力网络模型的电力系统调峰优化方法
CN110212586A (zh) * 2019-07-04 2019-09-06 国网辽宁省电力有限公司电力科学研究院 基于消纳态势划分的源-网-储多阶段风电消纳优化方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102983573B (zh) * 2012-11-09 2014-10-15 天津大学 基于安全域的安全约束经济调度方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104393619A (zh) * 2014-11-24 2015-03-04 国家电网公司 一种考虑风电机组安全约束的机组组合方法
CN104734168A (zh) * 2015-03-13 2015-06-24 山东大学 一种基于电热联合调度的微电网运行优化系统及方法
CN107069806A (zh) * 2017-03-22 2017-08-18 国网辽宁省电力有限公司大连供电公司 同时考虑风电不确定性和交流潮流约束的机组组合方法
CN107508328A (zh) * 2017-04-08 2017-12-22 东北电力大学 考虑风电消纳的联合系统能量优化方法
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
CN109167383A (zh) * 2018-08-17 2019-01-08 国网福建省电力有限公司 基于精确线性化电力网络模型的电力系统调峰优化方法
CN109149571A (zh) * 2018-09-21 2019-01-04 国网福建省电力有限公司 一种考虑系统燃气和火电机组特性的储能优化配置方法
CN110212586A (zh) * 2019-07-04 2019-09-06 国网辽宁省电力有限公司电力科学研究院 基于消纳态势划分的源-网-储多阶段风电消纳优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
以热定电模式下热电联产机组电功率灵活调节能力分析;黄大为等;《电力系统自动化》;20181225;第42卷(第24期);第27-35页 *
蓄热式电锅炉融合储能的风电消纳优化控制;王鹤等;《分布式能源》;20161031;第1卷(第2期);第1-7页 *

Also Published As

Publication number Publication date
CN110649639A (zh) 2020-01-03

Similar Documents

Publication Publication Date Title
Wong et al. Review on the optimal placement, sizing and control of an energy storage system in the distribution network
CN110311421B (zh) 基于需求侧响应的微电网多时间尺度能量管理方法
Zhang et al. A hybrid harmony search algorithm with differential evolution for day-ahead scheduling problem of a microgrid with consideration of power flow constraints
Seeling-Hochmuth A combined optimisation concet for the design and operation strategy of hybrid-PV energy systems
Abdelaziz et al. A multistage centralized control scheme for islanded microgrids with PEVs
Pourmousavi et al. Real-time energy management of a stand-alone hybrid wind-microturbine energy system using particle swarm optimization
CN103346562B (zh) 计及需求响应的多时间尺度微网能量控制方法
US7991512B2 (en) Hybrid robust predictive optimization method of power system dispatch
CN105207259B (zh) 基于能量管理的并网状态下的微电网系统调度方法
CN109193776B (zh) 一种适用于梯次电池储能的功率分配方法
CN110620383B (zh) 基于电力电子变压器的交直流配电网日前优化调度方法
CN110649639B (zh) 计及电热系统运行与损失成本的区域电网优化调度方法
CN112651634A (zh) 基于序列运算的有源配电系统源网荷储日前有功调度方法
Corso et al. Multi-objective long term optimal dispatch of distributed energy resources in micro-grids
CN105140941A (zh) 考虑锂电池可变折旧成本与实用充放电策略的微电网优化调度方法
CN112383086B (zh) 一种孤岛微电网日前能量-备用联合优化调度方法
CN105207207B (zh) 基于能量管理的孤网状态下的微电网系统调度方法
Kaysal et al. Hierarchical energy management system with multiple operation modes for hybrid DC microgrid
CN107834574B (zh) 一种分布式能源系统与电网交换功率的控制方法
CN108512238A (zh) 基于需求侧响应的智能家居两阶段优化调度方法
CN114301081B (zh) 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法
Wang et al. A hybrid transmission network in pelagic islands with submarine cables and all-electric vessel based energy transmission routes
Amamra et al. Day-ahead primary power reserve planning and day-D primary frequency control of a Li-ion battery
Gonzalez et al. Model predictive control for the energy management of a hybrid PV/battery/fuel cell power plant
Yu et al. Energy management of wind turbine-based DC microgrid utilizing modified differential evolution 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