CN110689189B - 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法 - Google Patents

Abstract

本发明涉及考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法，包括：S1、根据冷热电联合系统运行状态建立供能侧模型；S2、根据用户负荷特性建立需求侧需求响应控制模型；S3、获得供能灵活性指标和用能灵活性指标；S4、建立冷热电联合供需平衡优化调度模型；该模型以微网和外电网电能交互成本、燃气成本和设备维护成本为总运行成本；以电能和冷/热能量灵活性指标的均方根为系统综合灵活性指标；S5、运用多目标粒子群算法对建立的冷热电联合供需平衡优化调度模型进行求解，并根据实际情况选择最合适的解。本发明综合考虑供能侧和需求侧两类灵活性资源，从供需互补以及多能互补的角度，构建灵活性供需平衡，降低了微网的运行费用。

Description

考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法

技术领域

本发明属于电力系统源网荷调度优化技术领域，尤其涉及考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法。

背景技术

随着能源结构调整的推进，可再生能源渗透率持续提高，随之而来的新能源间歇性和不确定性会给直接参与并网的传统电力系统安全经济运行造成影响。微电网作为一种可控系统，结合冷热电联供技术，可整合分布式可再生能源出力，降低运行成本，提升环境效益。由于微网包含了冷热电三种能源需求，能源供给结构复杂，且各类负荷峰谷差较大，导致能量供需难以匹配，如果能充分调度供能侧和需求侧各种灵活性资源，使多种能源保持“协调兼容”，对于实现系统经济稳定运行，提高能源利用率有重要意义。

目前，对于冷热电联供型微网规划和调度的研究取得了一定进展。但大部分研究未详细考虑联供系统调度过程中的供需灵活性问题，当CCHP机组采用“以热定电”模式运行，电源出力被动跟踪冷热负荷，可能造成电能浪费或供应不足，系统灵活性差，难以建立良好的供需平衡。同时，不少文献提出的方法未详细考虑冷热电多能之间的互补特性以及负荷侧对于系统灵活性的影响。

因此，基于这些问题，提供一种综合考虑供能侧和需求侧两类灵活性资源，从供需互补以及多能互补的角度，构建灵活性供需平衡的冷热电联合优化调度方法，具有重要的现实意义。

发明内容

本发明的目的在于克服现有技术的不足，提供一种综合考虑供能侧和需求侧两类灵活性资源，从供需互补以及多能互补的角度，构建灵活性供需平衡的冷热电联合优化调度方法。

本发明解决其技术问题是采取以下技术方案实现的：

考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法，包括如下步骤：

S1、根据冷热电联合系统运行状态建立供能侧模型；

S2、根据用户负荷特性建立需求侧需求响应控制模型；

S3、获得供能灵活性指标和用能灵活性指标；

S4、建立冷热电联合供需平衡优化调度模型；

所述优化调度模型以一个调度周期内系统运行成本最低和系统灵活性最高为目标，以微网和外电网电能交互成本、燃气成本和设备维护成本为总运行成本；以电能和冷/热能量灵活性指标的均方根为系统综合灵活性指标：

式中：C₁为系统总运行成本，C₂为系统综合灵活性指标；T、M分别为调度的时间段以及电/热/冷能的种类，Δt为调度运行时间；P_t ^Grid为t时段微网同外电网的交互功率，

为t时段购入/售出的单位电价,τ_gas为天然气价格，τ_k为第k种设备输出单位功率所对应的运行维护费用；

为燃气轮机电能生产效率，λ_gas为天然气的低热值；P_t ^GT为t时段燃气轮机发电功率,，

为t时段设备k输出的功率；F^k为第k种电/热/冷能的灵活性；n为负荷的种类；

S5、运用多目标粒子群算法对建立的冷热电联合供需平衡优化调度模型进行求解，得到非劣解集合，并根据实际情况选择最合适的解。

进一步的,所述供能侧模型包括光伏电池模型、CCHP机组模型、地源热泵模型、储能设备模型，所述供能侧模型建立方法如下：

S101、建立光伏电池模型，如式(1)：

式中：P_t ^Pv为光伏电池t时段发电功率；

为在标准测试条件下的输出功率；G_t为t时段太阳辐射强度；γ为功率-温度系数；T_t为t时段光伏电池表面的温度；T_Stc为参考温度；

S102、建立CCHP发电机组模型，如式(2)、(3)、(4)：

其中，CCHP发电机组由燃气轮机消耗天然气进行发电，产生的余热由余热锅炉回收，吸收式制冷机利用余热制冷；

式中：P_t ^GT、

分别为t时段燃气轮机发电功率和余热锅炉回收的热功率；

分别为燃气轮机电能生产效率和余热锅炉热能回收效率；V_t ^GT为t时段输入燃气轮机的天然气量；λ_gas为天然气的低热值；

为吸收式制冷机t时段制冷功率；

为t时段余热锅炉回收热功率输入到吸收式制冷机的比例；I_c为制冷能效比；

S103、建立地源热泵模型，如式(5)、(6)：

地源热泵可以弥补CCHP机组热电耦合紧密灵活性差的不足，通过消耗电能输出冷热能量，改变系统热电比。

式中：

分别为地源热泵在t时段的制热、制冷功率；P_t ^HP为t时段输入热泵的电功率；COP_h、COP_c分别为地源热泵制热、制冷时的能效系数；

S104、建立储能设备模型，如式(7)：

式中：

为第i种储能设备在t时段的剩余容量；

和η_ch,i、η_dis,i分别为储能设备i在t时段充、放功率和效率；σ_i为储能设备i的自损耗系数；Δt为储能设备的充、放电的时间；

进一步的,所述需求响应控制模型包括调用可平移负荷模型、冷热负荷削减之后的冷热负荷模型；所述需求响应控制模型建立方法如下：

S201、建立调用可平移负荷模型；

电负荷中的可平移负荷可根据系统运行状态灵活调整用能时间，将原本运行于高峰用能时段的负荷转移至低谷时段运行；调用可平移负荷后的负荷表达式为

式中：

为t时段调用可平移负荷后新的负荷值；

为t时段原负荷预测值；

分别为t时段可平移负荷转入、转出值；其中

分别为表示t时段可平移负荷转入、转出的二进制变量；

并且：

根据可平移负荷运行特性，每个运行周期内总的负荷转入量与转出量应相等。式中：λ_in，max、λ_out,max分别为转入、转出负荷在原始负荷中的最大占比；

S202、建立冷热负荷削减之后的冷热负荷模型；

由于热惯性，当冷热能量供给适当改变，室内温度不会骤变，因此将冷热负荷考虑为可削减性负荷，在冷热负荷高峰削减冷热负荷，同时利用电、热负荷的互补性，在电负荷供应不足时，减少用于制冷、制热的电能，冷热负荷削减之后的负荷表达式为

式中：

为t时段冷、热负荷i削减后新的负荷值，

为t时段原冷、热负荷i的预测值，

为t时段冷、热负荷削减值；

其中，

式中：

为第i类冷、热负荷最大可削减的负荷量。

进一步的,受实际运行中不确定因素的影响，日前调度时要留有可调节裕度应对功率波动，剩余允许调度的灵活性资源占净负荷的比例越高，系统灵活性越高，允许新能源出力以及负荷波动的能力也越好，采用净负荷允许波动率作为灵活性指标，上调灵活性和下调灵活性分别反映系统应对净负荷增多和减少的能力；

t时段电能的上调、下调灵活性指标如下：

式中，F_t ^up,e、F_t ^down,e分别为t时段电能的上调、下调灵活性指标；

分别为CCHP发电机组在t时段可提供的电能上调、下调灵活性；

分别为第i类冷/热/电储能设备所能提供的电热冷上调、下调灵活性；

分别为可转移负荷所能提供的电能上调、下调灵活性；

分别为冷热负荷、热泵能为电能提供的上调、下调灵活性；

其中：

式中：

分别为燃气轮机最大、最小输出电功率；

分别为燃气轮机向上、向下爬坡速率；

别为第i种储能设备的最大、最小储能容量；

为t时段内的实际储能；

分别为第i种储能设备的最大充、放电速率；

为热泵在t时段输出的i种冷/热能的量，COP_i为热泵制冷/制热能效系数，

为热泵最大输出冷/热功率，Δt为燃气轮机的运行时间；

t时段冷/热能量上调、下调灵活性如下：

式中：F_t ^up,i、F_t ^down,i分别代表t时段第i类冷/热/电储能设备所能提供的电热冷上调、下调灵活性；

和

分别代表CCHP发电机组和热泵可提供的冷/热能i的上调、下调灵活性；

为可削减的冷/热负荷可提供的上调灵活性；

其中，CCHP发电机组提供的热能和冷能灵活性如下：

式中：

和

为t时段CCHP发电机组可提供的热能和冷能上调、下调灵活性；

为t时段CCHP发电机组供能的上调、下调灵活性；

热泵提供的上、下调灵活性

如下：

可削减的冷/热负荷只能为冷/热能提供上调灵活性，如下：

以上调、下调灵活性的均值表示净负荷允许波动率F_t ^k，并将其作为t时段第k种冷/热/电能量的灵活性指标：

F_t ^k＝(F_t ^up,k+F_t ^down,k)/2   (20)

式中：F_t ^up,k、F_t ^down,k为t时段第k种电/热/冷能的上调、下调灵活性；

将冷/热/电能量在一个调度周期中各时刻灵活性指标的平均值作为该种能量的灵活性指标：

进一步的,所述优化调度模型受供-需功率平衡约束、设备运行约束、储能约束及电网交互功率约束条件的约束；

所述供-需功率平衡约束为：

式中：

分别为t时段电负荷、热负荷、冷负荷需求；

分别为蓄电池t时段充、放电功率，

分别为储热装置t时段的充、放能功率，

分别为储冷装置t时段的充、放能功率；

所述设备运行约束为：

式中：P_t ⁱ为t时刻设备i的输出功率；

为设备i的最大、最小输出功率；

和

为设备i的向上、向下爬坡速率；

所述储能约束为：

式中：

分别为第i种储能设备的最大、最小储能容量，S_t ⁱ表示储能设备的当前储能容量；

分别为第i类储能设备最大充能、放能功率；

表示t时段内储能设备的充能、放能功率；

分别为代表i类储能设备充能、放能状态的二进制状态变量；

所述电网交互功率约束为：

式中：

分别为微电网t时段向电网购入、售出的电能；

分别为微网购入、售出电能的上限。

进一步的,利用粒子群优化算法优化调度模型的方法包括如下步骤：

S501、按照式(35)初始化种群速度与位置，把种群规模设定为B，粒子维数为D，最大迭代次数为M

x_ad＝rand(x_max-x_min)+x_min   (35)

v_ad＝rand(v_max-v_min)+v_min

式中，x_max、x_min分别为粒子位置的最大值和最小值；x_ad为粒子初始随机产生的位置；v_max、v_min分别为粒子速度的最大值和最小值；v_ad为粒子初始随机产生的速度。

S502、建立适应度函数：

式中，C_grid为微网和电网电能交互成本；C_gas为购气成本，C_om为运行维护成本；F^k为第k种冷/热/电能的灵活性值，n为负荷的种类；

S503、根据适应度函数及供-需功率平衡约束、设备运行约束、储能约束及电网交互功率约束条件，计算每一个粒子对于两个目标函数的适应值，随机选择一个粒子的数值作为历史最优位置

利用自适应网格法选择出

并设定当前迭代次数k为1；

S504、按照式(36)、(37)进行粒子位置与速度的更新，使粒子根据适应度函数移动到最合适的区域；

式中，

分别为第k次迭代的速度与位置；k为迭代次数，ω为惯性权重，c₁、c₂为加速因子，r₁、r₂均为[0,1]之间的随机数；

为粒子的个体最优位置，

为粒子的全局最优位置；

判断粒子的状态是否满足各类不等式约束条件，若满足则保留粒子位置，否则取该粒子设置的对应变量的边界值；

S505、完成更新后对粒子进行存档；

S506、判断当前的迭代次数是否满足最大迭代次数，若是，停止运算，否则设定迭代次数k＝k+1，返回步骤S504循环计算，直至达到最终迭代次数；最终输出符合条件的非劣解集，之后根据具体情况选择合适的解即可。

本发明的优点和积极效果是：

本发明综合考虑供能侧和需求侧两类灵活性资源，从供需互补以及多能互补的角度，构建灵活性供需平衡，在供能侧传统的CCHP型微网中引入热泵和储能设备，需求侧考虑可平移负荷和室温的热惯性，以系统运行经济性为目标建立了考虑冷热电灵活性供需平衡的微网系统协同优化模型，并提出供需灵活性评价指标，通过本发明所提的优化调度方式提高了系统供需灵活性，微网的运行费用降低。

附图说明

以下将结合附图和实施例来对本发明的技术方案作进一步的详细描述，但是应当知道，这些附图仅是为解释目的而设计的，因此不作为本发明范围的限定。此外，除非特别指出，这些附图仅意在概念性地说明此处描述的结构构造，而不必要依比例进行绘制。

图1为本发明实施例提供的某个并网运行的微网系统的结构示意图；

图2为本发明实施例提供的考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法的流程示意图；

图3为夏季典型日在本发明提出的冷热电联合供需平衡优化调度方法运行方式下的微网电功率优化调度结果；

图4为夏季典型日在本发明提出的冷热电联合供需平衡优化调度方法运行方式下的微网冷功率优化调度结果；

图5为冬季典型日在本发明提出的冷热电联合供需平衡优化调度方法运行方式下的微网电功率优化调度结果；

图6为冬季典型日在本发明提出的冷热电联合供需平衡优化调度方法运行方式下的微网热功率优化调度结果；

具体实施方式

首先，需要说明的是，以下将以示例方式来具体说明本发明的具体结构、特点和优点等，然而所有的描述仅是用来进行说明的，而不应将其理解为对本发明形成任何限制。此外，在本文所提及各实施例中予以描述或隐含的任意单个技术特征，仍然可在这些技术特征(或其等同物)之间继续进行任意组合或删减，从而获得可能未在本文中直接提及的本发明的更多其他实施例。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

实施例1

考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法，包括如下步骤：

S1、根据冷热电联合系统运行状态建立供能侧模型；

S2、根据用户负荷特性建立需求侧需求响应控制模型；

S3、获得供能灵活性指标和用能灵活性指标；

S4、建立冷热电联合供需平衡优化调度模型；

所述优化调度模型以一个调度周期内系统运行成本最低和系统灵活性最高为目标，以微网和外电网电能交互成本、燃气成本和设备维护成本为总运行成本；以电能和冷/热能量灵活性指标的均方根为系统综合灵活性指标：

式中：C₁为系统总运行成本，C₂为系统综合灵活性指标；T、M分别为调度的时间段以及电/热/冷能的种类，Δt为调度运行时间；P_t ^Grid为t时段微网同外电网的交互功率，

为t时段购入/售出的单位电价,τ_gas为天然气价格，τ_k为第k种设备输出单位功率所对应的运行维护费用；

为燃气轮机电能生产效率，λ_gas为天然气的低热值；P_t ^GT为t时段燃气轮机发电功率,，

为t时段设备k输出的功率；F^k为第k种电/热/冷能的灵活性；n为负荷的种类；

S5、运用多目标粒子群算法对建立的冷热电联合供需平衡优化调度模型进行求解，得到非劣解集合，并根据实际情况选择最合适的解。

进一步的,所述供能侧模型包括光伏电池模型、CCHP机组模型、地源热泵模型、储能设备模型，所述供能侧模型建立方法如下：

S101、建立光伏电池模型，如式(1)：

式中：P_t ^Pv为光伏电池t时段发电功率；

为在标准测试条件下的输出功率；G_t为t时段太阳辐射强度；γ为功率-温度系数；T_t为t时段光伏电池表面的温度；T_Stc为参考温度；

S102、建立CCHP发电机组模型，如式(2)、(3)、(4)：

其中，CCHP发电机组由燃气轮机消耗天然气进行发电，产生的余热由余热锅炉回收，吸收式制冷机利用余热制冷；

式中：P_t ^GT、

分别为t时段燃气轮机发电功率和余热锅炉回收的热功率；

分别为燃气轮机电能生产效率和余热锅炉热能回收效率；V_t ^GT为t时段输入燃气轮机的天然气量；λ_gas为天然气的低热值；

为吸收式制冷机t时段制冷功率；

为t时段余热锅炉回收热功率输入到吸收式制冷机的比例；I_c为制冷能效比；

S103、建立地源热泵模型，如式(5)、(6)：

地源热泵可以弥补CCHP机组热电耦合紧密灵活性差的不足，通过消耗电能输出冷热能量，改变系统热电比。

式中：

分别为地源热泵在t时段的制热、制冷功率；P_t ^HP为t时段输入热泵的电功率；COP_h、COP_c分别为地源热泵制热、制冷时的能效系数；

S104、建立储能设备模型，如式(7)：

式中：

为第i种储能设备在t时段的剩余容量；

和η_ch,i、η_dis,i分别为储能设备i在t时段充、放功率和效率；σ_i为储能设备i的自损耗系数；Δt为储能设备的充、放电的时间；

进一步的,所述需求响应控制模型包括调用可平移负荷模型、冷热负荷削减之后的冷热负荷模型；所述需求响应控制模型建立方法如下：

S201、建立调用可平移负荷模型；

电负荷中的可平移负荷可根据系统运行状态灵活调整用能时间，将原本运行于高峰用能时段的负荷转移至低谷时段运行；调用可平移负荷后的负荷表达式为

式中：

为t时段调用可平移负荷后新的负荷值；

为t时段原负荷预测值；

分别为t时段可平移负荷转入、转出值；其中

分别为表示t时段可平移负荷转入、转出的二进制变量；

并且：

根据可平移负荷运行特性，每个运行周期内总的负荷转入量与转出量应相等。式中：λ_in，max、λ_out,max分别为转入、转出负荷在原始负荷中的最大占比；

S202、建立冷热负荷削减之后的冷热负荷模型；

由于热惯性，当冷热能量供给适当改变，室内温度不会骤变，因此将冷热负荷考虑为可削减性负荷，在冷热负荷高峰削减冷热负荷，同时利用电、热负荷的互补性，在电负荷供应不足时，减少用于制冷、制热的电能，冷热负荷削减之后的负荷表达式为

式中：

为t时段冷、热负荷i削减后新的负荷值，

为t时段原冷、热负荷i的预测值，

为t时段冷、热负荷削减值；

其中，

式中：

为第i类冷、热负荷最大可削减的负荷量。

进一步的,受实际运行中不确定因素的影响，日前调度时要留有可调节裕度应对功率波动，剩余允许调度的灵活性资源占净负荷的比例越高，系统灵活性越高，允许新能源出力以及负荷波动的能力也越好，采用净负荷允许波动率作为灵活性指标，上调灵活性和下调灵活性分别反映系统应对净负荷增多和减少的能力；

t时段电能的上调、下调灵活性指标如下：

式中，F_t ^up,e、F_t ^down,e分别为t时段电能的上调、下调灵活性指标；

分别为CCHP发电机组在t时段可提供的电能上调、下调灵活性；

分别为第i类冷/热/电储能设备所能提供的电热冷上调、下调灵活性；

分别为可转移负荷所能提供的电能上调、下调灵活性；

分别为冷热负荷、热泵能为电能提供的上调、下调灵活性；

其中：

式中：

分别为燃气轮机最大、最小输出电功率；

分别为燃气轮机向上、向下爬坡速率；

别为第i种储能设备的最大、最小储能容量；

为t时段内的实际储能；

分别为第i种储能设备的最大充、放电速率；

为热泵在t时段输出的i种冷/热能的量，COP_i为热泵制冷/制热能效系数，

为热泵最大输出冷/热功率，Δt为燃气轮机的运行时间；

t时段冷/热能量上调、下调灵活性如下：

式中：F_t ^up,i、F_t ^down,i分别代表t时段第i类冷/热/电储能设备所能提供的电热冷上调、下调灵活性；

和

分别代表CCHP发电机组和热泵可提供的冷/热能i的上调、下调灵活性；

为可削减的冷/热负荷可提供的上调灵活性；

其中，CCHP发电机组提供的热能和冷能灵活性如下：

式中：

和

为t时段CCHP发电机组可提供的热能和冷能上调、下调灵活性；

为t时段CCHP发电机组供能的上调、下调灵活性；

热泵提供的上、下调灵活性

如下：

可削减的冷/热负荷只能为冷/热能提供上调灵活性，如下：

以上调、下调灵活性的均值表示净负荷允许波动率F_t ^k，并将其作为t时段第k种冷/热/电能量的灵活性指标：

F_t ^k＝(F_t ^up,k+F_t ^down,k)/2   (20)

式中：F_t ^up,k、F_t ^down,k为t时段第k种电/热/冷能的上调、下调灵活性；

将冷/热/电能量在一个调度周期中各时刻灵活性指标的平均值作为该种能量的灵活性指标：

进一步的,所述优化调度模型受供-需功率平衡约束、设备运行约束、储能约束及电网交互功率约束条件的约束；

所述供-需功率平衡约束为：

式中：

分别为t时段电负荷、热负荷、冷负荷需求；

分别为蓄电池t时段充、放电功率，

分别为储热装置t时段的充、放能功率，

分别为储冷装置t时段的充、放能功率；

所述设备运行约束为：

式中：P_t ⁱ为t时刻设备i的输出功率；

为设备i的最大、最小输出功率；

和

为设备i的向上、向下爬坡速率；

所述储能约束为：

式中：

分别为第i种储能设备的最大、最小储能容量，S_t ⁱ表示储能设备的当前储能容量；

分别为第i类储能设备最大充能、放能功率；

表示t时段内储能设备的充能、放能功率；

分别为代表i类储能设备充能、放能状态的二进制状态变量；

所述电网交互功率约束为：

式中：

分别为微电网t时段向电网购入、售出的电能；

分别为微网购入、售出电能的上限。

进一步的,利用粒子群优化算法优化调度模型的方法包括如下步骤：

S501、按照式(35)初始化种群速度与位置，把种群规模设定为B，粒子维数为D，最大迭代次数为M

x_ad＝rand(x_max-x_min)+x_min   (35)

v_ad＝rand(v_max-v_min)+v_min

式中，x_max、x_min分别为粒子位置的最大值和最小值；x_ad为粒子初始随机产生的位置；v_max、v_min分别为粒子速度的最大值和最小值；v_ad为粒子初始随机产生的速度。

S502、建立适应度函数：

式中，C_gri ^d为微网和电网电能交互成本；C_gas为购气成本，C_om为运行维护成本；F^k为第k种冷/热/电能的灵活性值，n为负荷的种类；

S503、根据适应度函数及供-需功率平衡约束、设备运行约束、储能约束及电网交互功率约束条件，计算每一个粒子对于两个目标函数的适应值，随机选择一个粒子的数值作为历史最优位置

利用自适应网格法选择出

并设定当前迭代次数k为1；

S504、按照式(36)、(37)进行粒子位置与速度的更新，使粒子根据适应度函数移动到最合适的区域；

式中，

分别为第k次迭代的速度与位置；k为迭代次数，ω为惯性权重，c₁、c₂为加速因子，本实施例中均取1.5，r₁、r₂均为[0,1]之间的随机数；

为粒子的个体最优位置，

为粒子的全局最优位置；

判断粒子的状态是否满足各类不等式约束条件，若满足则保留粒子位置，否则取该粒子设置的对应变量的边界值；

S505、完成更新后对粒子进行存档；

S506、判断当前的迭代次数是否满足最大迭代次数，若是，停止运算，否则设定迭代次数k＝k+1，返回步骤S504循环计算，直至达到最终迭代次数；最终输出符合条件的非劣解集，之后根据具体情况选择合适的解即可。

基础数据的设置

本发明以某个并网运行的微网系统(如图1所示)为研究对象，取一天24小时为一个调度周期，每小时为一个调度时段，分别对夏季制冷和冬季供暖两种典型日进行分析。设定每一时段可转移负荷总量不超过20kW，系统可接受最大温度变化范围为±5℃。系统中各类能量生产设备的相关参数如表1所示。从外部购入天然气单价为2.8元/m³，其低热值为9.73kw·h/m³，微网与上级电网电能交易采用分时电价，本文单位时间内电能交互最大功率取100kW。储能设备相关运行参数如表3所示。

表1能量生产设备运行参数

表2分时电价

表3储能设备运行参数

为验证考虑冷热电灵活性供需的微网优化调度的优越性，本文设置了以下两种运行方式进行对比：

方式1，典型CCHP系统，采用“以热定电”的方式运行。系统灵活性仅由燃气机组爬坡提供，冷热负荷由吸收式制冷机和余热锅炉利用燃气轮机发电产生的余热满足，电负荷由燃气轮机供应，电能供应不足时通过外电网购电满足。

方式2，考虑灵活性的供需平衡，在典型CCHP系统中引入热泵和储能设备，需求侧考虑冷热电负荷的综合响应，采用供需互动、多能互补的方式构造灵活性供需平衡。

进行优化结果分析：

1)夏季典型日

图3、4分别为夏季典型日在本文提出的考虑灵活性供需平衡运行方式(即方式2)下的微网电、冷功率优化调度结果。

结果表明：在23:00-7:00，电负荷和冷负荷需求均较低，电价执行低谷时段标准。通过外电网购电成本优于依靠燃气轮机发电所需成本，因此电负荷靠电网购电提供，并向蓄电池充电。并且此时利用地源热泵制冷成本较吸收式制冷机更低，冷负荷直接由地源热泵提供，储冷装置得到充能。

在7:00-11:00，处于峰值电价时段，电负荷逐渐增多，通过外电网购电成本高于由燃气轮机发电所需成本，燃气轮机工作在满负荷状态，并且光伏出力逐渐增加，蓄电池在负荷高峰时释放能量，此时微网向电网售出电能以获取收益降低系统运行成本。同时冷负荷需求量逐渐增加，主要通过热电联产提供，储能在前两个时段处于充能状态，后两个时段冷负荷供应不足则由储能释放能量补充。18:00-23:00时段处于第二个电价高峰时段，系统调度情况与7:00-11:00时段类似。

在11:00-18:00电价处于平时段，电能由燃气轮机和光伏共同提供，多余的电能向电网售电。冷负荷处于高峰，供冷主要由热电联产系统提供，冷负荷供应不足时由地源热泵补充，此时储冷装置释放能量。

联系电、冷负荷曲线分析，由于可平移负荷从负荷高峰向低谷转移，新的电负荷曲线较预测电负荷曲线在低谷时段有所升高，在负荷高峰时段有所降低。新的冷负荷曲线较预测冷负荷曲线有所下降，减少了热泵制冷消耗的电能，从而缓解了电负荷供应压力，室内温度虽然有所上升，但是仍能保持在人体舒适的温度范围。

为了对比不同运行策略下微网系统的经济效益，分别对传统“以热定电”运行方式即方式1和本文所提的运行方式2的各项成本优化计算，如表4所示。

表4夏季两种运行方式下的微网日运行成本

由表4结果对比可知，方式2总成本低于方式1。一方面由于储能装置和热泵的引入改变了系统热电耦合，供能结构得以优化，使系统购能成本降低；另一方面由于冷负荷的需求在电负荷供应不足时减少，节省了用于制冷和制热的那部分电能，可平移负荷对于负荷曲线具有削峰填谷的作用，使得负荷峰谷差降低，在分时电价的情况下，系统向外电网购电费用减少，售电费用增加。

2)冬季典型日

冬季典型日下，地源热泵以制热模式运行。两种运行方式下微网各部分成本如表5所示，图5、6为考虑灵活性供需平衡的微网调度优化结果。

对于冬季典型日优化结果进行分析，与夏季供能不同之处在于冬季夜间热负荷需求较多，这段时间多处于电价低谷时段，热负荷主要由热泵提供，不足的部分通过CCHP系统提供。同时为匹配电负荷供需平衡适当降低热负荷需求，但最终室温保持在18-23℃之间，系统的总运行成本相比于“以热定电”运行方式有明显降低。

表5冬季两种运行方式下的微网日运行成本

灵活性指标分析：

为验证本发明所提优化方案在提高系统灵活性方面的优越性，对两种运行方式下系统的灵活性进行分析，如表6所示。结果表明，本发明建立的模型更加经济灵活，有实用性。

表6两种运行方式下的灵活性指标

以上实施例对本发明进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

Claims (3)

1.考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法，其特征在于：包括如下步骤：

S1、根据冷热电联合系统运行状态建立供能侧模型；

S2、根据用户负荷特性建立需求侧需求响应控制模型；

S3、获得供能灵活性指标和用能灵活性指标；

S4、建立冷热电联合供需平衡优化调度模型；

所述优化调度模型以一个调度周期内系统运行成本最低和系统灵活性最高为目标，以微网和外电网电能交互成本、燃气成本和设备维护成本为总运行成本；以电能和冷/热能量灵活性指标的均方根为系统综合灵活性指标：

式中：C₁为系统总运行成本，C₂为系统综合灵活性指标；T、M分别为调度的时间段以及电/热/冷能的种类，Δt为调度运行时间；P_t ^Grid为t时段微网同外电网的交互功率，

为t时段购入/售出的单位电价,τ_gas为天然气价格，τ_k为第k种设备输出单位功率所对应的运行维护费用；

为燃气轮机电能生产效率，λ_gas为天然气的低热值；P_t ^GT为t时段燃气轮机发电功率,，

为t时段设备k输出的功率；F^k为第k种电/热/冷能的灵活性；n为负荷的种类；

S5、运用多目标粒子群算法对建立的冷热电联合供需平衡优化调度模型进行求解，得到非劣解集合，并根据实际情况选择最合适的解；

其中，所述供能侧模型包括光伏电池模型、CCHP机组模型、地源热泵模型、储能设备模型，所述供能侧模型建立方法如下：

S101、建立光伏电池模型，如式(1)：

式中：P_t ^Pv为光伏电池t时段发电功率；

为在标准测试条件下的输出功率；G_t为t时段太阳辐射强度；γ为功率-温度系数；T_t为t时段光伏电池表面的温度；T_Stc为参考温度；

S102、建立CCHP发电机组模型，如式(2)、(3)、(4)：

其中，CCHP发电机组由燃气轮机消耗天然气进行发电，产生的余热由余热锅炉回收，吸收式制冷机利用余热制冷；

式中：P_t ^GT、

分别为t时段燃气轮机发电功率和余热锅炉回收的热功率；

分别为燃气轮机电能生产效率和余热锅炉热能回收效率；

为t时段输入燃气轮机的天然气量；λ_gas为天然气的低热值；

为吸收式制冷机t时段制冷功率；

为t时段余热锅炉回收热功率输入到吸收式制冷机的比例；I_c为制冷能效比；

S103、建立地源热泵模型，如式(5)、(6)：

式中：

分别为地源热泵在t时段的制热、制冷功率；P_t ^HP为t时段输入热泵的电功率；COP_h、COP_c分别为地源热泵制热、制冷时的能效系数；

S104、建立储能设备模型，如式(7)：

式中：

为第i种储能设备在t时段的剩余容量；

和η_ch,i、η_dis,i分别为储能设备i在t时段充、放功率和效率；σ_i为储能设备i的自损耗系数；Δt为储能设备的充、放电的时间；

所述需求响应控制模型包括调用可平移负荷模型、冷热负荷削减之后的冷热负荷模型；所述需求响应控制模型建立方法如下：

S201、建立调用可平移负荷模型；

电负荷中的可平移负荷可根据系统运行状态灵活调整用能时间，将原本运行于高峰用能时段的负荷转移至低谷时段运行；调用可平移负荷后的负荷表达式为

式中：

为t时段调用可平移负荷后新的负荷值；

为t时段原负荷预测值；

分别为t时段可平移负荷转入、转出值；其中

分别为表示t时段可平移负荷转入、转出的二进制变量；

并且：

式中：λ_in，max、λ_out,max分别为转入、转出负荷在原始负荷中的最大占比；

S202、建立冷热负荷削减之后的冷热负荷模型；

冷热负荷削减之后的负荷表达式为

式中：

为t时段冷、热负荷i削减后新的负荷值，

为t时段原冷、热负荷i的预测值，

为t时段冷、热负荷削减值；

其中，

式中：

为第i类冷、热负荷最大可削减的负荷量；

t时段电能的上调、下调灵活性指标如下：

式中，F_t ^up,e、F_t ^down,e分别为t时段电能的上调、下调灵活性指标；

分别为CCHP发电机组在t时段可提供的电能上调、下调灵活性；

分别为第i类冷/热/电储能设备所能提供的电热冷上调、下调灵活性；

分别为可转移负荷所能提供的电能上调、下调灵活性；

分别为冷热负荷、热泵能为电能提供的上调、下调灵活性；

其中：

式中：

分别为燃气轮机最大、最小输出电功率；

分别为燃气轮机向上、向下爬坡速率；

别为第i种储能设备的最大、最小储能容量；

为t时段内的实际储能；

分别为第i种储能设备的最大充、放电速率；

为热泵在t时段输出的i种冷/热能的量，COP_i为热泵制冷/制热能效系数，

为热泵最大输出冷/热功率，Δt为燃气轮机的运行时间；

t时段冷/热能量上调、下调灵活性如下：

式中：F_t ^up,i、F_t ^down,i分别代表t时段第i类冷/热/电储能设备所能提供的电热冷上调、下调灵活性；

和

分别代表CCHP发电机组和热泵可提供的冷/热能i的上调、下调灵活性；

为可削减的冷/热负荷可提供的上调灵活性；

其中，CCHP发电机组提供的热能和冷能灵活性如下：

式中：

和

为t时段CCHP发电机组可提供的热能和冷能上调、下调灵活性；

为t时段CCHP发电机组供能的上调、下调灵活性；

热泵提供的上、下调灵活性

如下：

可削减的冷/热负荷只能为冷/热能提供上调灵活性，如下：

以上调、下调灵活性的均值表示净负荷允许波动率F_t ^k

，并将其作为t时段第k种冷/热/电能量的灵活性指标：

式中：F_t ^up,k、F_t ^down,k为t时段第k种电/热/冷能的上调、下调灵活性；

将冷/热/电能量在一个调度周期中各时刻灵活性指标的平均值作为该种能量的灵活性指标：

2.根据权利要求1所述的考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法，其特征在于：所述优化调度模型受供-需功率平衡约束、设备运行约束、储能约束及电网交互功率约束条件的约束；

所述供-需功率平衡约束为：

式中：

分别为t时段电负荷、热负荷、冷负荷需求；

分别为蓄电池t时段充、放电功率，

分别为储热装置t时段的充、放能功率，

分别为储冷装置t时段的充、放能功率；

所述设备运行约束为：

式中：

为t时刻设备i的输出功率；

为设备i的最大、最小输出功率；

和

为设备i的向上、向下爬坡速率；

所述储能约束为：

式中：

分别为第i种储能设备的最大、最小储能容量，S_t ⁱ表示储能设备的当前储能容量；

分别为第i类储能设备最大充能、放能功率；

表示t时段内储能设备的充能、放能功率；

分别为代表i类储能设备充能、放能状态的二进制状态变量；

所述电网交互功率约束为：

式中：

分别为微电网t时段向电网购入、售出的电能；

分别为微网购入、售出电能的上限。

3.根据权利要求2所述的考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法，其特征在于：利用粒子群优化算法优化调度模型的方法包括如下步骤：

S501、按照式(35)初始化种群速度与位置，把种群规模设定为B，粒子维数为D，最大迭代次数为M

x_ad＝rand(x_max-x_min)+x_min    (35)

v_ad＝rand(v_max-v_min)+v_min

式中，x_max、x_min分别为粒子位置的最大值和最小值；x_ad为粒子初始随机产生的位置；v_max、v_min分别为粒子速度的最大值和最小值；v_ad为粒子初始随机产生的速度；

S502、建立适应度函数：

式中，C_grid为微网和电网电能交互成本；C_gas为购气成本，C_om为运行维护成本；F^k为第k种冷/热/电能的灵活性值，n为负荷的种类；

S503、根据适应度函数及供-需功率平衡约束、设备运行约束、储能约束及电网交互功率约束条件，计算每一个粒子对于两个目标函数的适应值，随机选择一个粒子的数值作为历史最优位置

利用自适应网格法选择出

并设定当前迭代次数k为1；

S504、按照式(36)、(37)进行粒子位置与速度的更新，使粒子根据适应度函数移动到最合适的区域；

式中，

分别为第k次迭代的速度与位置；k为迭代次数，ω为惯性权重，c₁、c₂为加速因子，r₁、r₂均为[0,1]之间的随机数；

为粒子的个体最优位置，

为粒子的全局最优位置；

判断粒子的状态是否满足各类不等式约束条件，若满足则保留粒子位置，否则取该粒子设置的对应变量的边界值；

S505、完成更新后对粒子进行存档；

S506、判断当前的迭代次数是否满足最大迭代次数，若是，停止运算，否则设定迭代次数k＝k+1，返回步骤S504循环计算，直至达到最终迭代次数；最终输出符合条件的非劣解集，之后根据具体情况选择合适的解即可。

Images