CN110705737A - 一种多能微网多种储能容量综合优化配置方法 - Google Patents
一种多能微网多种储能容量综合优化配置方法 Download PDFInfo
- Publication number
- CN110705737A CN110705737A CN201910734840.3A CN201910734840A CN110705737A CN 110705737 A CN110705737 A CN 110705737A CN 201910734840 A CN201910734840 A CN 201910734840A CN 110705737 A CN110705737 A CN 110705737A
- Authority
- CN
- China
- Prior art keywords
- load
- demand response
- gas
- target
- electric
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—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
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明公开了一种多能微网多种储能容量综合优化配置方法,包括:S1、分别构建各类负荷的需求响应模型,并根据各类负荷的耦合关系建立电/热/气负荷耦合需求响应模型;S2、根据多能微网中的约束条件,构建微网多目标储能配置模型;S3、基于自适应动态权重因子优化模型确定权重因子,得到微网多目标储能配置模型的规划结果。本发明针对含风光发电和电/热/气负荷的多能微网,基于建筑物虚拟储热,考虑电负荷和气负荷的可转移特性,以经济成本和碳排放量为目标,建立了多能微网考虑耦合需求响应的多种储能容量综合规划多目标优化模型,并采用自适应动态权重因子以适应规划场景的灵活多变。
Description
技术领域
本发明属于多能微网规划的技术领域,具体涉及一种多能微网多种储能容量综合优化配置方法。
背景技术
随着传统化石能源的日益枯竭以及自然环境的不断恶化,如何高效清洁地利用能源逐渐成为诸多学者关注的焦点。多能微网可实现多种能源间的互相转化,实现不同能源的优势互补,有利于降低微网运行经济成本、提升能源利用效率及环境效益等。在多能微网中配置合理容量的储能设备可有效进一步提升多能微网经济型及运行效率。随着计量设施、控制设备的普遍使用,用户侧参与需求响应对微网规划结果的影响变得不可忽视。因此,考虑用户电/热/气需求响应对多能微网储能规划的影响有重要的现实意义。
发明内容
本发明的目的在于针对现有技术中的上述不足,提供一种多能微网多种储能容量综合优化配置方法,以解决现有技术未考虑用户电/热/气需求响应对多能微网储能规划的影响的问题。
为达到上述目的,本发明采取的技术方案是:
一种多能微网多种储能容量综合优化配置方法,其包括:
S1、分别构建各类负荷的需求响应模型,并根据各类负荷的耦合关系建立电/热/气负荷耦合需求响应模型;
S2、根据多能微网中的约束条件,构建微网多目标储能配置模型;
S3、基于自适应动态权重因子优化模型确定权重因子,得到微网多目标储能配置模型的规划结果。
优选地,步骤S1的具体步骤包括:
S1.1、构建电负荷需求响应模型:
LP(t)=LP,0(t)+ΔLP(t)
其中,LP,0(t)表示原始电负荷,LP(t)表示需求响应后电负荷,ΔLP(t)表示t时段电负荷改变量,大于零时表示负荷转入,小于零时表示负荷转出;
S1.2、构建气负荷需求响应模型:
LG(t)=LG,0(t)+ΔLG(t)
其中,LG,0(t)表示原始电负荷,LG(t)表示需求响应后电负荷,ΔLG(t)表示t 时段电负荷改变量,大于零时表示负荷转入,小于零时表示负荷转出;
S1.3、构建热负荷需求响应模型:
LH(t)=LH,0(t)+ΔLH(t)
其中,LH,0(t)、LH(t)分别表示t时刻需求响应前、后采暖热负荷功率,kW; Tin,0表示需求响应前室内设定温度;Tin(t)、Tout(t)分别表示需求响应后室内、外温度;S为供暖面积,m2;μ为单位供热面积单位温差单位时间下室内热量损失; C为单位供热面积下的热容;
S1.4、构建电/热/气负荷耦合需求响应模型:
L=CΔL+L0
其中,L表示需求响应后负荷,ΔL表示电/气/热负荷自身该变量,矩阵C 表示L和ΔL具体转换关系的耦合矩阵,L0表示初始负荷;
S1.5、根据电/热/气负荷耦合需求响应模型,将电、气、热负荷需求响应模型分别改写为:
LP(t)=ΔLP(t)+αH,PζH,PΔLH(t)+
αG,PζG,PΔLG(t)+LP,0(t)
LG(t)=ΔLG(t)+αP,GζP,GΔLP(t)+
αH,GζH,GΔLH(t)+LG,0(t)
LH(t)=ΔLH(t)+αP,HζP,HΔLP(t)+
αG,HζG,HΔLG(t)+LH,0(t)
其中,αi,j表示i类负荷与j类负荷耦合系数,且αH,P=αP,H、αH,G=αG,H、αG,P=αP,G;ζi,j表示i类负荷与j类负荷单位换算系数,且ζP,H与ζH,P、ζH,G与ζG,H、ζG,P与ζP,G互为倒数;
并将电/热/气负荷耦合需求响应模型改写成:
优选地,步骤S2的具体步骤包括:
S2.1、计算计及耦合需求响应的微网多目标储能配置模型的目标函数f:
min f=ω1f1+ω2f2
其中,ω1、ω2为权重因子,f1和f2分别为经济成本目标和碳排放成本目标;
S2.2、计算计及耦合需求响应的微网多目标储能配置模型的目标约束条件。
优选地,步骤S2.1中经济成本最小目标函数为:
其中,T为总时段数,CGAS(t)、CGEX(t)、CMC(t)、Cin分别表示t时段微网购气成本、购电成本、设备维护成本和折算到典型日的设备投资成本,egas、eb、 es分别为微网购气单价、购电单价、售电单价,Qsource(t)、Lb(t)、Ls(t)分别表示微网t时段购气量、购电量、售电量,CPV、CWT、CCHP、CGFB、CP2G、CEB、CEES、 CTES、CGES分别表示光伏、风机、热电联产机组、燃气锅炉、电转气设备、电锅炉、储电设备、储热设备、储气设备单位维护成本,PPV(t)、PWT(t)分别表示t时段光伏、风机出力;PNs、Cs、ηs分别表示设备s的额定容量、单位容量安装成本以及平均寿命,r表示折现率;
碳排放量最小化目标函数为:
其中,mCHP、mGFB分别代表CHP机组、GFB锅炉消耗天然气的CO2排放系数;mgrid代表电网发电的CO2排放系数,mP2G代表P2G设备产出天然气的CO2吸收系数。
优选地,步骤S2.2中的目标约束条件具体包括:CHP机组运行约束、燃气锅炉运行约束、电转气设备运行约束、电锅炉运行约束、储电约束、储热约束、储气约束、电负荷需求响应约束、气负荷需求响应约束、热负荷需求响应约束、系统功率平衡约束和主网交互功率约束。
优选地,步骤S3具体包括:
对成本目标和碳排放目标函数进行标幺化处理:
其中,F1,i、F2,i分别表示成本目标和碳排放目标在i时段的标幺值;f1,i、f2,i分别表示成本目标和碳排放目标在i时段的数值;f1,max、f2,max分别表示成本目标和碳排放目标的最大值;
为适应多能微网规划的灵活多变性,需自动平衡微网规划的成本目标及碳排放目标,故建立总目标函数:
其中,βi为自适应权重因子,与成本目标线性相关;ε1、ε2为线性相关系数;多能微网规划的成本目标和碳排放目标通过上式所提自适应权重因子决定;具体来说,当系统经济性较好,即f1,i值较小时,其权重β将相应降低,碳排放权重将上升,碳排放目标将得到进一步优化;当系统经济性较差,即f1,i值较大时,其权重β将相应上升,系统经济性将得到进一步优化。
本发明提供的多能微网多种储能容量综合优化配置方法,具有以下有益效果:
本发明针对含风光发电和电/热/气负荷的多能微网,基于建筑物虚拟储热,考虑电负荷和气负荷的可转移特性,以经济成本和碳排放量为目标,建立了多能微网考虑耦合需求响应的多种储能容量综合规划多目标优化模型,并采用自适应动态权重因子以适应规划场景的灵活多变。
本发明在不同储能模式的对比下,混合储能可以更好释放各类储能设备的互补优势,具有更好的经济性和环保性;自适应权重可根据当前单一目标值对多目标问题的权重进行优化,避免了权重的人工干预,实现多能微网的自适应优化规划;需求响应可直接影响储能规划的结果,各负荷间需求响应的耦合有利于进一步提升多能微网的经济性和环保性。
附图说明
图1为多能微网多种储能容量综合优化配置方法的多能微网多种储能容量综合优化配置方法实现流程图。
图2为多能微网多种储能容量综合优化配置方法实施例中配电网场景示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
根据本申请的一个实施例,参考图1,本方案的多能微网多种储能容量综合优化配置方法,包括:
S1、分别构建各类负荷的需求响应模型,并根据各类负荷的耦合关系建立电/热/气负荷耦合需求响应模型;
S2、根据多能微网中的约束条件,构建微网多目标储能配置模型;
S3、基于自适应动态权重因子优化模型确定权重因子,得到微网多目标储能配置模型的规划结果。
以下对上述步骤进行详细描述:
步骤S1、分别构建各类负荷的需求响应模型,并根据各类负荷的耦合关系建立电/热/气负荷耦合需求响应模型,其具体包括如下步骤:
S1.1、构建电负荷需求响应模型;
电负荷考虑以可转移负荷的形式参与需求响应,电负荷需求响应模型为:
LP(t)=LP,0(t)+ΔLP(t)
其中,LP,0(t)表示原始电负荷;LP(t)表示需求响应后电负荷;ΔLP(t)表示t时段电负荷改变量,大于零时表示负荷转入,小于零时表示负荷转出;
S1.2、建立气负荷需求响应模型;
类比可转移电负荷,可转移气负荷数学模型为:
LG(t)=LG,0(t)+ΔLG(t)
其中,LG,0(t)表示原始电负荷;LG(t)表示需求响应后电负荷;ΔLG(t)表示t 时段电负荷改变量,大于零时表示负荷转入,小于零时表示负荷转出。
S1.3、建立热负荷需求响应模型;
由于用户对温度的舒适性具有一定的模糊度,因此供热负荷可以作为柔性负荷参与需求响应,基于此将多能微网中的供热负荷参与到调度中,热负荷需求响应模型为:
其中,LH,0(t)、LH(t)分别表示t时刻需求响应前、后采暖热负荷功率,kW; Tin,0表示需求响应前室内设定温度;Tin(t)、Tout(t)分别表示需求响应后室内、外温度;S为供暖面积,m2;μ为单位供热面积单位温差单位时间下室内热量损失; C为单位供热面积下的热容。
并将热负荷模型改为:
LH(t)=LH,0(t)+ΔLH(t)
其中
S1.4、建立电/热/气负荷耦合需求响应模型;
多能系统中,除常见的固定电负荷、可调节电负荷、固定气负荷、可调节气负荷、固定热负荷、可调节热负荷外,还存在电/气/热耦合负荷,即某一形式负荷的改变会引其它两种形式负荷一定的变化,故考虑电/气/热负荷耦合的需求响应关系为:
L=CΔL+L0
其中,L表示需求响应后负荷;ΔL表示电/气/热负荷自身该变量;矩阵C 表示L和ΔL具体转换关系的耦合矩阵;L0表示初始负荷。
S1.5、根据电/热/气负荷耦合需求响应模型,将电、气、热负荷需求响应模型分别改写为:
其中,αi,j表示i类负荷与j类负荷耦合系数,且αH,P=αP,H、αH,G=αG,H、αG,P=αP,G;ζi,j表示i类负荷与j类负荷单位换算系数,且ζP,H与ζH,P、ζH,G与ζG,H、ζG,P与ζP,G互为倒数。
将电/热耦合需求响应关系式整理为如下形式:
步骤S2、根据多能微网中的约束条件,构建微网多目标储能配置模型,其具体包括如下步骤:
S2.1、确定计及耦合需求响应的微网多目标储能配置模型的目标函数;
本模型目标函数包含经济成本目标以及碳排放成本目标;
其中,经济成本包含购气成本、购电成本、维护成本以及投资成本,因此经济成本目标的总成本为:
其中,
其中,T为总时段数;CGAS(t)、CGEX(t)、CMC(t)、Cin分别表示t时段微网购气成本、购电成本、设备维护成本和折算到典型日的设备投资成本;egas、eb、 es分别为微网购气单价、购电单价、售电单价;Qsource(t)、Lb(t)、Ls(t)分别表示微网t时段购气量、购电量、售电量;CPV、CWT、CCHP、CGFB、CP2G、CEB、CEES、CTES、CGES分别表示光伏、风机、热电联产机组、燃气锅炉、电转气设备、电锅炉、储电设备、储热设备、储气设备单位维护成本;PPV(t)、PWT(t)分别表示t 时段光伏、风机出力;PNs、Cs、ηs分别表示设备s的额定容量、单位容量安装成本以及平均寿命;r表示折现率。
碳排放量目标包含CHP机组碳排放量、GFB锅炉碳排放量以及与主网交互电能对应的碳排放量减去P2G设备所减少的碳排放量,因此碳排放量最小化目标函数为:
其中,mCHP、mGFB分别代表CHP机组、GFB锅炉消耗天然气的CO2排放系数;mgrid代表电网发电的CO2排放系数;mP2G代表P2G设备产出天然气的CO2吸收系数。
因此,总目标函数为
min f=ω1f1+ω2f2
其中ω1、ω2为权重因子,体现各目标的重要程度;
S2.2、确定计及耦合需求响应的微网多目标储能配置模型的目约束条件:
为了保证混合储能系统规划的合理性,考虑各单元的出力约束、储能约束、三种形式能源的功率平衡约束以及需求响应约束,其具体包括:
CHP机组运行约束
其中,HCHP(t)、GCHP(t)和PCHP(t)分别为t时刻CHP的输出热功率、输入气功率和输出电功率;ηH,CHP和ηP,CHP分别表示CHP机组产热、产电效率;PCHP,max、PCHP,min分别表示热电联产设备出力上下限;RCHP,up、RCHP,down分别表示CHP机组上下爬坡速率。
燃气锅炉运行约束
其中,HGFB(t)为t时刻燃气锅炉产热功率;GGFB(t)为t时刻燃气锅炉消耗天然气功率;ηGFB为燃气锅炉产热效率;HGFB,max、HGFB,min分别表示燃气锅炉出力上下限;RGFB,up、RGFB,down分别表示燃气锅炉上下爬坡速率。
电转气设备运行约束
其中,PP2G(t)为t时刻电转气设备输入电功率;ηP2G为电转气设备产气效率; GP2G(t)为t时刻电转气设备输出气功率;GP2G,max、GP2G,min分别表示电转气设备出力上下限;RP2G,up、RP2G,down分别表示电转气设备上下爬坡速率。
电锅炉运行约束
其中,PEB(t)为电锅炉t时刻耗电功率;ηEB为电锅炉产气效率;HEB(t)为t 时刻电锅炉产热功率;HEB,max、HEB,min分别表示电锅炉出力上下限;REB,up、REB,down分别表示电锅炉上下爬坡速率。
储电约束
其中,EEES(t)代表t时刻电储能容量;PEES,c(t)、PEES,dc(t)分别代表储电系统t 时刻电储能充、放电功率;ηEES,c、ηEES,dc分别表示充、放电效率;EEES,min、EEES,max分别代表储电系统容量下限及上限;PEES,c,max、PEES,dc,max分别表示储电系统充放功率上限;αEES(t)、βEES(t)分别表示储电系统充放状态,为0、1变量,1表示处于工作状态,0表示不处于工作状态。
储热约束
其中,HTES(t)代表t时刻储热容量;PTES,c(t)、PTES,dc(t)分别代表储热系统t 时刻吸、放热功率;ηTES,c、ηTES,dc分别表示吸、放热效率;PEES,c,max、PEES,dc,max分别表示储热系统充放功率上限;αEES(t)、βEES(t)分别表示储热系统充放状态,为0、1变量,1表示处于工作状态,0表示不处于工作状态。
储气约束
其中,QGES(t)代表t时刻储气容量;PGES,c(t)、PGES,dc(t)分别代表储气系统t 时刻充、放气功率;ηGES,c、ηGES,dc分别表示充、放气效率;PGES,c,max、PGES,dc,max分别表示储气系统充放功率上限;αGES(t)、βGES(t)分别表示储热系统充放状态,为0、1变量,1表示处于工作状态,0表示不处于工作状态。
电负荷需求响应约束
其中,Pin,max、Pout,max分别表示电负荷转入转出上限值。
气负荷需求响应约束
其中,Gin,max、Gout,max分别表示电负荷转入转出上限值。
热负荷需求响应约束
热负荷参与需求响应由建筑物虚拟储能功能实现,为保证用户舒适度,约束一个周期内需求响应前后供应热量相等,并将室内温度限定在一个合理的范围内,其数学模型为:
式中,ΔT为允许的温度偏差最大值,取2℃。
系统功率平衡约束
电/热/气负荷功率平衡分别为:
Lb(t)+PPV(t)+PWT(t)+PCHP(t)+PEES,dc(t)+Pout(t)
=Ls(t)+LP(t)+PP2G(t)+PEES,c(t)+PEB(t)+Pin(t)
HCHP(t)+HGFB(t)+HEB(t)+PTES,dc(t)
=PTES,c(t)+LH(t)
Qsource(t)+PGES,dc(t)+GP2G(t)
=PGES,c(t)+LG(t)+GCHP(t)+GGFB(t)
其中,LP(t)为微网t时刻原始电负荷。
主网交互功率约束
Qsource,min≤Qsource(t)≤Qsource,max
式中Lb,max、Lb,min、Ls,max、Ls,min、Qsource,max、Qsource,min分别表示从主网购电、售电、购气功率上下限。
步骤S3、基于自适应动态权重因子优化模型确定权重因子,得到微网多目标储能配置模型的规划结果,其具体包括:
由于多目标函数中各目标间存在冲突,并不存在一种使两个目标都达到最优的优化规划方案。多目标优化多采用固定权重因子的方法,但难以适应新能源接入下的微网规划复杂场景灵活多变,权重因子的合理确定是求解多目标问题的关键挑战。为解决上述问题,提出自适应动态权重因子优化模型,依据单一目标的数值来动态确定权重因子。
首先对各目标函数进行标幺化处理:
其中,F1,i、F2,i分别表示成本目标和碳排放目标在i时段的标幺值;f1,i、f2,i分别表示成本目标和碳排放目标在i时段的数值;f1,max、f2,max分别表示成本目标和碳排放目标的最大值。
为适应多能微网规划的灵活多变性,需自动平衡微网规划的成本目标及碳排放目标,因此,建立总目标函数为:
其中,βi为自适应权重因子,与成本目标线性相关;ε1、ε2为线性相关系数。最终,多能微网规划的成本目标和碳排放目标通过上式所提自适应权重因子决定。具体来说,当系统经济性较好,即f1,i值较小时,其权重β将相应降低,碳排放权重将上升,碳排放目标将得到进一步优化;当系统经济性较差,即f1,i值较大时,其权重β将相应上升,系统经济性将得到进一步优化。
根据本申请的一个实施例,进行多能微网多种储能装置规划的实例:
微网内运行参数如表1所示,主网采用分时电价,购售电电价及时段划分如表2所示。
本发明取ηGFB为0.9,ηEB为0.95,mCHP、mGFB以及mP2G取0.196kg/kW·h, mgrid取0.968kg/kW·h,天然气价格取2.5元/m3,折合成单位热值价格取0.25元 /(kW·h)(天然气热值取35.56MJ/m3)。自适应动态权重因子中ε1、ε2分别取0.6、 0.2。
表1微网系统运行参数
表3储能系统参数
为平衡各设备的安装成本,本发明将各设备的成本分摊至每天,在本发明中,除储能外其他设备容量均为定值,投资成本在各方案中都相同,故不影响对比结果,所以为简化计算,本发明建设成本仅考虑储能设备投资成本。储能系统单位容量均为1kW·h,储能容量上下限均为0.9与0.1,各储能系统参数如表3所示,贴现率取8%。
冬季典型日用户电气负荷、风光出力以及室外温度预测值如图2所示。
本发明实施例中,以经济成本和碳排放量综合最低为目标,并采用动态系数的方法求得各目标的权重,考虑多能微网中各出力单元运行约束、各类储能运行约束、各类能源的功率平衡约束以及需求响应约束;在需求响应方面考虑各负荷需求响应间的耦合关系。以此模型求得多种储能设备的规划结果。
如表4所示,多能微网中多种储能设备的配置结果。
表4储能设备配置情况
本发明在多能微网中建立了基于电/热/气耦合需求响应的多目标规划模型,规划目标考虑了多能微网经济成本及碳排放量。在不同储能模式的对比下,混合储能可以更好释放各类储能设备的互补优势,具有更好的经济性和环保性;自适应权重可根据当前单一目标值对多目标问题的权重进行优化,避免了权重的人工干预,实现多能微网的自适应优化规划;需求响应可直接影响储能规划的结果,各负荷间需求响应的耦合有利于进一步提升多能微网的经济性和环保性。
虽然结合附图对发明的具体实施方式进行了详细地描述,但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内,本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。
Claims (6)
1.一种多能微网多种储能容量综合优化配置方法,其特征在于,包括:
S1、分别构建各类负荷的需求响应模型,并根据各类负荷的耦合关系建立电/热/气负荷耦合需求响应模型;
S2、根据多能微网中的约束条件,构建微网多目标储能配置模型;
S3、基于自适应动态权重因子优化模型确定权重因子,得到微网多目标储能配置模型的规划结果。
2.根据权利要求1所述的多能微网多种储能容量综合优化配置方法,其特征在于,所述步骤S1的具体步骤包括:
S1.1、构建电负荷需求响应模型:
其中,LP,0(t)表示原始电负荷,LP(t)表示需求响应后电负荷,ΔLP(t)表示t时段电负荷改变量,大于零时表示负荷转入,小于零时表示负荷转出;
S1.2、构建气负荷需求响应模型:
LG(t)=LG,0(t)+ΔLG(t)
其中,LG,0(t)表示原始电负荷,LG(t)表示需求响应后电负荷,ΔLG(t)表示t时段电负荷改变量,大于零时表示负荷转入,小于零时表示负荷转出;
S1.3、构建热负荷需求响应模型:
LH(t)=LH,0(t)+ΔLH(t)
其中,LH,0(t)、LH(t)分别表示t时刻需求响应前、后采暖热负荷功率,kW;Tin,0表示需求响应前室内设定温度;Tin(t)、Tout(t)分别表示需求响应后室内、外温度;S为供暖面积,m2;μ为单位供热面积单位温差单位时间下室内热量损失;C为单位供热面积下的热容;
S1.4、构建电/热/气负荷耦合需求响应模型:
L=CΔL+L0
其中,L表示需求响应后负荷,ΔL表示电/气/热负荷自身该变量,矩阵C表示L和ΔL具体转换关系的耦合矩阵,L0表示初始负荷;
S1.5、根据电/热/气负荷耦合需求响应模型,将电、气、热负荷需求响应模型分别改写为:
LP(t)=ΔLP(t)+αH,PζH,PΔLH(t)+αG,PζG,PΔLG(t)+LP,0(t)
LG(t)=ΔLG(t)+αP,GζP,GΔLP(t)+αH,GζH,GΔLH(t)+LG,0(t)
LH(t)=ΔLH(t)+αP,HζP,HΔLP(t)+αG,HζG,HΔLG(t)+LH,0(t)
其中,αi,j表示i类负荷与j类负荷耦合系数,且αH,P=αP,H、αH,G=αG,H、αG,P=αP,G;ζi,j表示i类负荷与j类负荷单位换算系数,且ζP,H与ζH,P、ζH,G与ζG,H、ζG,P与ζP,G互为倒数;
并将电/热/气负荷耦合需求响应模型改写成:
3.根据权利要求1所述的多能微网多种储能容量综合优化配置方法,其特征在于,所述步骤S2的具体步骤包括:
S2.1、计算计及耦合需求响应的微网多目标储能配置模型的目标函数f:
min f=ω1f1+ω2f2
其中,ω1、ω2为权重因子,f1和f2分别为经济成本目标和碳排放成本目标;
S2.2、计算计及耦合需求响应的微网多目标储能配置模型的目标约束条件。
4.根据权利要求3所述的多能微网多种储能容量综合优化配置方法,其特征在于,所述步骤S2.1中经济成本最小目标函数为:
CGAS(t)=egasQsource(t)
CGEX(t)=ebLb(t)-esLs(t)
CMC(t)=CPVPPV(t)+CWTPWT(t)+CCHPPCHP(t)+CGFBGGFB(t)+CP2GPP2G(t)+CEBPEB(t)+CEES[PEES,c(t)+PEES,dc(t)]+CTES[PTES,c(t)+PTESd,c(t)]+CGES[PGES,c(t)+PGES,dc(t)]
其中,T为总时段数,CGAS(t)、CGEX(t)、CMC(t)、Cin分别表示t时段微网购气成本、购电成本、设备维护成本和折算到典型日的设备投资成本,egas、eb、es分别为微网购气单价、购电单价、售电单价,Qsource(t)、Lb(t)、Ls(t)分别表示微网t时段购气量、购电量、售电量,CPV、CWI、CCHP、CGFB、CP2G、CEB、CEES、CTES、CGES分别表示光伏、风机、热电联产机组、燃气锅炉、电转气设备、电锅炉、储电设备、储热设备、储气设备单位维护成本,PPV(t)、PWT(t)分别表示t时段光伏、风机出力;PNs、Cs、ηs分别表示设备s的额定容量、单位容量安装成本以及平均寿命,r表示折现率;
碳排放量最小化目标函数为:
其中,mCHP、mGFB分别代表CHP机组、GFB锅炉消耗天然气的CO2排放系数;mgrid代表电网发电的CO2排放系数,mP2G代表P2G设备产出天然气的CO2吸收系数。
5.根据权利要求3所述的多能微网多种储能容量综合优化配置方法,其特征在于,所述步骤S2.2中的目标约束条件具体包括:CHP机组运行约束、燃气锅炉运行约束、电转气设备运行约束、电锅炉运行约束、储电约束、储热约束、储气约束、电负荷需求响应约束、气负荷需求响应约束、热负荷需求响应约束、系统功率平衡约束和主网交互功率约束。
6.根据权利要求1所述的多能微网多种储能容量综合优化配置方法,其特征在于,所述步骤S3具体包括:
对成本目标和碳排放目标函数进行标幺化处理:
其中,F1,i、F2,i分别表示成本目标和碳排放目标在i时段的标幺值;f1,i、f2,i分别表示成本目标和碳排放目标在i时段的数值;f1,max、f2,max分别表示成本目标和碳排放目标的最大值;
为适应多能微网规划的灵活多变性,需自动平衡微网规划的成本目标及碳排放目标,故建立总目标函数:
其中,βi为自适应权重因子,与成本目标线性相关;ε1、ε2为线性相关系数;多能微网规划的成本目标和碳排放目标通过上式所提自适应权重因子决定;具体来说,当系统经济性较好,即f1,i值较小时,其权重β将相应降低,碳排放权重将上升,碳排放目标将得到进一步优化;当系统经济性较差,即f1,i值较大时,其权重β将相应上升,系统经济性将得到进一步优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910734840.3A CN110705737A (zh) | 2019-08-09 | 2019-08-09 | 一种多能微网多种储能容量综合优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910734840.3A CN110705737A (zh) | 2019-08-09 | 2019-08-09 | 一种多能微网多种储能容量综合优化配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110705737A true CN110705737A (zh) | 2020-01-17 |
Family
ID=69193320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910734840.3A Pending CN110705737A (zh) | 2019-08-09 | 2019-08-09 | 一种多能微网多种储能容量综合优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110705737A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488531A (zh) * | 2020-12-02 | 2021-03-12 | 广东电网有限责任公司电力调度控制中心 | 基于深度强化学习的异构柔性负荷实时调控方法和装置 |
CN113054687A (zh) * | 2021-03-19 | 2021-06-29 | 华北电力大学 | 一种考虑电、热负荷综合需求响应的虚拟电厂风电消纳方法 |
CN115470564A (zh) * | 2022-10-08 | 2022-12-13 | 江苏智慧用能低碳技术研究院有限公司 | 一种公共建筑能源系统协调控制方法及其控制组件 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709625A (zh) * | 2016-11-20 | 2017-05-24 | 国网江西省电力公司电力科学研究院 | 一种电力市场需求响应规划评估方法 |
CN108510131A (zh) * | 2018-05-22 | 2018-09-07 | 清华大学 | 一种综合能源微网优化规划方法、微网结构及控制方法 |
CN108808663A (zh) * | 2018-06-12 | 2018-11-13 | 浙江大学 | 一种基于多能互补的工业用户热需求响应方法 |
CN109063925A (zh) * | 2018-08-16 | 2018-12-21 | 合肥工业大学 | 一种计及负荷聚合商的区域综合能源系统优化运行方法 |
CN109727158A (zh) * | 2019-01-25 | 2019-05-07 | 燕山大学 | 一种基于改进弱鲁棒优化的电热综合能源系统调度方法 |
-
2019
- 2019-08-09 CN CN201910734840.3A patent/CN110705737A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709625A (zh) * | 2016-11-20 | 2017-05-24 | 国网江西省电力公司电力科学研究院 | 一种电力市场需求响应规划评估方法 |
CN108510131A (zh) * | 2018-05-22 | 2018-09-07 | 清华大学 | 一种综合能源微网优化规划方法、微网结构及控制方法 |
CN108808663A (zh) * | 2018-06-12 | 2018-11-13 | 浙江大学 | 一种基于多能互补的工业用户热需求响应方法 |
CN109063925A (zh) * | 2018-08-16 | 2018-12-21 | 合肥工业大学 | 一种计及负荷聚合商的区域综合能源系统优化运行方法 |
CN109727158A (zh) * | 2019-01-25 | 2019-05-07 | 燕山大学 | 一种基于改进弱鲁棒优化的电热综合能源系统调度方法 |
Non-Patent Citations (4)
Title |
---|
XINGGUO TAN ET.AL: "Advances and trends of energy storage technology in Microgrid", 《ELECTRICAL POWER AND ENERGY SYSTEMS》 * |
别朝红 等: "能源互联网规划研究综述及展望", 《中国电机工程学报》 * |
吴勇 等: "考虑电/热/气耦合需求响应的多能微网多种储能容量综合优化配置", 《电力系统保护与控制》 * |
程林 等: "基于多能互补的综合能源系统多场景规划案例分析", 《电力自动化设备》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112488531A (zh) * | 2020-12-02 | 2021-03-12 | 广东电网有限责任公司电力调度控制中心 | 基于深度强化学习的异构柔性负荷实时调控方法和装置 |
CN112488531B (zh) * | 2020-12-02 | 2022-09-06 | 广东电网有限责任公司电力调度控制中心 | 基于深度强化学习的异构柔性负荷实时调控方法和装置 |
CN113054687A (zh) * | 2021-03-19 | 2021-06-29 | 华北电力大学 | 一种考虑电、热负荷综合需求响应的虚拟电厂风电消纳方法 |
CN113054687B (zh) * | 2021-03-19 | 2023-11-03 | 华北电力大学 | 一种考虑电、热负荷综合需求响应的虚拟电厂风电消纳方法 |
CN115470564A (zh) * | 2022-10-08 | 2022-12-13 | 江苏智慧用能低碳技术研究院有限公司 | 一种公共建筑能源系统协调控制方法及其控制组件 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108717594B (zh) | 一种冷热电联供型多微网系统经济优化调度方法 | |
CN110826815B (zh) | 一种考虑综合需求响应的区域综合能源系统运行优化方法 | |
CN111860965B (zh) | 考虑储能多类型服务的用户综合能源系统优化调度方法 | |
CN110889600A (zh) | 一种考虑柔性热负荷的区域综合能源系统优化调度方法 | |
CN112464477A (zh) | 计及需求响应的多能耦合综合能源运行仿真方法 | |
CN112186755B (zh) | 一种区域综合能源系统柔性负荷储能化建模方法 | |
CN111614121A (zh) | 考虑需求响应的含电动汽车的多能源园区日前经济调度方法 | |
CN110991000B (zh) | 计及固体氧化物燃料电池和电转气的能量枢纽建模方法 | |
CN110705737A (zh) | 一种多能微网多种储能容量综合优化配置方法 | |
CN110163415B (zh) | 一种变工况特性下的多能流系统多目标模糊协同优化方法 | |
CN110544175A (zh) | 一种面向家庭智能用电的多能源综合优化调度方法 | |
CN110620403A (zh) | 计及可再生能源的能源系统协同运行日前调度方法及系统 | |
CN112671040A (zh) | 一种考虑新能源消纳最大的多能互补系统日前优化调度方法 | |
CN113240166A (zh) | 考虑高比例新能源消纳的微能源网日前经济调度方法 | |
CN115170343A (zh) | 一种区域综合能源系统分布式资源和储能协同规划方法 | |
CN112036652A (zh) | 基于机会约束规划的光伏-储能综合能源系统规划方法 | |
CN115186902A (zh) | 温室综合能源系统的调控方法、装置、终端及存储介质 | |
CN112465236B (zh) | 一种考虑综合满意度的社区综合能源系统调度方法 | |
Zhang et al. | Optimized scheduling model for isolated microgrid of wind-photovoltaic-thermal-energy storage system with demand response | |
CN113240205A (zh) | 一种基于多能源综合利用的区域用能系统替代优化方法 | |
CN112085263A (zh) | 一种用户侧分布式能源系统混合储能优化配置方法和系统 | |
Cen et al. | Research on Optimal Operation of Regional Integrated Energy System Considering Virtual Energy Storage Characteristics of Buildings | |
CN115146868A (zh) | 电热气耦合的农村微能源系统协同规划方法及终端设备 | |
CN113013881B (zh) | 考虑能源站的配电网分布式光伏并网接纳能力计算方法 | |
Jiarui et al. | Research on Demand Response Strategy of Electricity Market Based on Intelligent Power Consumption |
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 | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20230228 |