CN111047097B - 一种综合能源系统日中滚动优化方法 - Google Patents
一种综合能源系统日中滚动优化方法 Download PDFInfo
- Publication number
- CN111047097B CN111047097B CN201911290968.1A CN201911290968A CN111047097B CN 111047097 B CN111047097 B CN 111047097B CN 201911290968 A CN201911290968 A CN 201911290968A CN 111047097 B CN111047097 B CN 111047097B
- Authority
- CN
- China
- Prior art keywords
- optimization
- energy
- user
- time domain
- objective function
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005096 rolling process Methods 0.000 title claims abstract description 14
- 238000005265 energy consumption Methods 0.000 claims abstract description 26
- 230000007613 environmental effect Effects 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000004134 energy conservation Methods 0.000 claims abstract description 9
- 230000004044 response Effects 0.000 claims description 35
- 230000005284 excitation Effects 0.000 claims description 11
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 8
- 229910052799 carbon Inorganic materials 0.000 claims description 8
- 230000035945 sensitivity Effects 0.000 claims description 3
- 206010001497 Agitation Diseases 0.000 claims 1
- 238000004904 shortening Methods 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 9
- 238000004146 energy storage Methods 0.000 abstract description 7
- 238000004364 calculation method Methods 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000009825 accumulation Methods 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 17
- 239000000243 solution Substances 0.000 description 15
- 239000013598 vector Substances 0.000 description 15
- 230000005611 electricity Effects 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 5
- 238000010248 power generation Methods 0.000 description 5
- 238000009795 derivation Methods 0.000 description 4
- 239000007789 gas Substances 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000003462 Bender reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 239000003637 basic solution Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011230 binding agent Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002964 excitative effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000002040 relaxant effect Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- 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
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种综合能源系统日中滚动优化方法,该方法包括步骤:考虑用户会在当天调整用能需求,将优化时域缩短为[t,t+H),由于室内温度、热水温度、储能电量、电动汽车电量具有时间上的累加效应,因此在优化前需获取系统当前状态集合,计算目标函数;计算出在时域[t,t+H)的用户端分布式能源、冷热电负荷设备的出力大小以及设备运行状态优化控制目标值,只取t时段的优化控制目标值Ct作为t时段的设备控制设定值,在下一个t+1时段,Ct+1将在时域[t+1,t+1+H)重新计算,重复以上过程,整个优化区间随时间向前滚动;本发明电价日中滚动优化方法,能够根据用户偏好对用户端能量流进行优化,达到经济、节能、环保、用户舒适度较高的综合效益,计算更科学,效率更快。
Description
技术领域
本发明涉及一种综合能源系统日中滚动优化方法,属于综合能源系统技术领域。
背景技术
综合能源系统融合了电、热、冷、气等不同类型的能源,为实现多能源的优化互补运行提供可能。采用互联网技术,将以电力资源为主的多种能源互联,实现综合能源系统中的横向多能互补、纵向需求响应联合优化,使能量生产与消耗双向互动。从源端和荷端两方面实现能量协同优化,将柔性负荷进行最佳匹配,对于用户用能经济性和整个综合能源系统的稳定优化运行都具有重要的现实意义。
现有的日中电量计算方法不合理,结算效率低下。
发明内容
本发明要解决的技术问题是:提供一种综合能源系统日中滚动优化方法,以解决现有技术中存在的问题。
本发明采取的技术方案为:一种综合能源系统日中滚动优化方法,该方法包括以下步骤:
(1)考虑用户会在当天调整用能需求,将优化时域缩短为[t,t+H),由于室内温度、热水温度、储能电量、电动汽车电量具有时间上的累加效应,因此在优化前需获取系统当前状态集合St-1={Tempt-1,θt-1,SOCev,t-1,SOCESS,t-1},根据如下公式计算目标函数:
式中
λ1,λ2,λ3,λ4——用户赋予经济性、环保性、节能性和舒适度目标函数的权系数;
φc——碳排放量经济系数,随CO2排放交易市场的成交价格设定;
φe——一次能源经济系数,随一次能源价格设定;
φu——用户舒适度经济系数,随用户舒适度敏感系数设定;
(2)计算出在时域[t,t+H)的用户端分布式能源、冷热电负荷设备的出力大小以及设备运行状态优化控制目标值,记为集合只取t时段的优化控制目标值Ct作为t时段的设备控制设定值,在下一个t+1时段,Ct+1将在时域 [t+1,t+1+H)重新计算,重复以上过程,整个优化区间随时间向前滚动,从而实现实时优化控制,随时适应用户用能需求的调整。
为计算方便,设置一个标志位y,表示是否响应该激励性需求响应事件:
为正确响应激励性需求响应事件,在时域[b,b+L),考虑激励性需求响应事件的优化模型需要进行修正,由于激励性需求响应事件主要涉及电功率上限以及经济性补偿,因此模型中需要修正的部分包括经济性目标函数和功率约束,考虑激励性需求响应事件后,为使系统总运行成本最小,经济性目标函数及用能需求功率约束修正为:
在优化前需获取系统当前状态集合St={Tempt,θt,SOCev,t,SOCESS,t},t=b-1,根据式(3),计算出用户端分布式能源、冷热电负荷设备在时域[b,b+L)的出力大小以及设备运行状态优化控制目标值Ct,t∈[b,b+L),取所有时域[b,b+L)的优化控制目标值作为时域内各时段的设备控制设定值,以确保满足整个时段内的负荷功率上限。
本发明的有益效果:与现有技术相比,本发明电价日中滚动优化方法,能够根据用户偏好对用户端能量流进行优化,达到经济、节能、环保、用户舒适度较高的综合效益,计算更科学,效率更快。
附图说明
图1为日前计划优化流程图;
图2为3个整型变量约束的MIQP的完全二叉树图;
图3为基于B&B算法和Zoutendijk可行方向法的MIQP求解流程图;
图4为MIQP分支定界求解日前计划优化过程与最优值曲线图;
图5为日中计划优化流程图。
具体实施方式
下面结合附图及具体的实施例对本发明进行进一步介绍。
日前计划优化基于上级电网日前下发的实时电价和用户日前预安排的用能计划,由用户设定日前用能计划后触发。
日前计划优化基于分布式能源发电和用户负荷预测等数据,希望在日前多种用能方案中为用户制定最佳的用能计划,以用户为核心,构建综合多能互补与需求响应的联合优化模型,融合经济性、环保性、节能性、舒适性四方面的因素,同时考虑用户偏好。
在前述讨论的多目标优化性能评估指标中,对于经济性指标,运行成本越小表明系统越经济;对于环保性指标,碳排放量越少表明用户环保效益越高;对于节能性指标,不可再生能源消耗量越少表明系统越节能;对于舒适度指标,用户总舒适度越高意味着用户整体舒适度体验越好。
日前计划优化详细的目标函数如下:
1)对于综合能源系统经济性指标,优化目标主要是在满足系统用能需求的前提下,使系统总运行成本最小,目标函数可表示为:
式中
T——时域长度。
2)考虑系统环保性,优化目标尽可能满足最小的碳排放量,目标函数可表示为:
3)考虑系统节能性,优化目标尽可能使不可再生能源消耗量最少,目标函数可表示为:
4)考虑用户舒适度要求,优化目标尽可能使用户整体舒适度最高,目标函数可表示如下:
日前计划优化的约束条件包括:能量流供需平衡约束条件、分布式能源出力约束、负荷需求约束。
能量流供需平衡约束条件包括电平衡、热平衡和冷平衡三部分。
1)电平衡
Egrid,t+EGT,t+EPV,t+EWP,t+EESS,t=Eeload,t (8)
2)热平衡
3)冷平衡
分布式能源出力约束考虑光伏发电、风力发电和微型燃气轮机的出力限制。
式中
冷热负荷需求满足约束在夏季模式下考虑室内空气制冷冷负荷和生活热水热负荷需求,在冬季模式下考虑室内空气制热和生活热水热负荷需求。夏季模式下具体约束为:
Tempmin≤Tempt≤Tempmax
θmin≤θt≤θmax
冬季模式下室内空气制热热负荷需求具体约束为:
Tempmin≤Tempt≤Tempmax
针对冷热负荷需求的约束范围是温度变量,而系统优化变量是空调、电热水器或者三联供出力,因此需要根据优化变量解出温度变量,然后将约束表示为针对优化变量的线性约束。
ScaTa=PcaEca-bca (16)
解出室内温度序列:
得到标准形式约束:
生活热水热负荷的温度约束以及电动汽车、储能电池的能量约束上下限与上述推导过程类似,上述矩阵变换过程可以推导得出其他用能需求的线性约束。
ShwTw=PhwEhw+bhw (19)
解出生活热水温度序列:
得到标准形式约束:
SevOev=PevEev+bev (22)
解出生活热水温度序列:
得到标准形式约束:
令记储能电池的不等式约束为AESSEESS≤bESS,储能电池的约束与电动汽车类似,AESS,bESS的推导过程可参考电动汽车约束推导过程。此外,记冷热电联供系统的不等式约束为 ACCHPECCHP≤bCCHP;Ae、Ah、Ac和be、bh、bc分别为电、热、冷能量平衡的等式约束,详细推导过程本发明在此不再赘述。
考虑经济性、环保性、节能性和用户舒适度的日前计划优化模型是一个多目标规划问题(Multi-objective programming,MOP)。多目标优化中的各个子目标往往是相互冲突的,即各个子目标不能同时达到最优解,只能进行折中处理,使各个子目标函数尽可能接近最优。
针对多目标优化问题,其求解算法分为传统优化算法和智能优化算法两类。具体来讲,传统优化算法通过将多目标函数转化为单目标函数进行求解,常用的有线性加权法、约束法和线性规划法等。而智能优化算法包括遗传算法和粒子群算法等。在众多求解算法中,线性加权法是最基本的解法,该方法对单个目标函数赋予一定权重,从而将各个目标函数线性组合成为一个目标函数:
式中
x——优化变量向量,包括Eca、Ehw、Eev、EESS、ECCHP;
f——目标函数向量,各个分量对应各目标函数值。
由于本发明的优化针对用户端能源的经济性、环保性、节能性和用户舒适度进行综合优化,而用户的个人偏好正好决定了各目标函数的权系数,因此本发明采用线性加权法将多目标优化问题转化为单目标优化问题求解。
实施例1:一种综合能源系统日中滚动优化方法,该方法包括以下步骤:
(1)获取电负荷、冷负荷、热负荷用能需求;
(2)获取实时电价、上网电价、天然气价;
(3)用户用能计划的确定、分布式电源出力和用户负荷预测;
(4)根据多目标优化指标计算用户一天的总运行成本、不可再生能源消耗量、碳排放减少量、用户舒适度指标;
(5)根据用户偏好确定各目标函数权重;
(6)将各个目标函数融合成单一目标函数,融合后的单一目标函数为:
min g=λ1f1+λ2φcf2+λ3φef3-λ4φuf4 (1)
式中
λ1,λ2,λ3,λ4——用户赋予经济性、环保性、节能性和舒适度目标函数的权系数;
φc——碳排放量经济系数,随CO2排放交易市场的成交价格设定;
φe——一次能源经济系数,随一次能源价格设定;
φu——用户舒适度经济系数,随用户舒适度敏感系数设定;
(7)通过分支定界法进行求解,得出用户当天最佳用能计划,通过系统人机交互界面反馈给用户。
根据以上日前计划优化模型,用户端综合能源系统能量日前计划优化流程图如图1所示,实行日前计划优化需要完成电网数据的采集、用户用能计划的确定、分布式电源出力和用户负荷预测等数据,随后根据多目标优化指标计算用户一天的总运行成本、不可再生能源消耗量、碳排放减少量、用户舒适度指标,然后根据用户偏好确定各目标函数权重,将各个目标函数融合成单一目标函数,求解得出用户当天最佳用能计划,通过系统人机交互界面反馈给用户。
由于引入了电动汽车充放电标志σev、储能电池充放电标志σESS,充放电标志σev、σESS均为{0,1}型整数变量,使得整个优化问题混入了整数约束,成为混合整数规划问题(Mixed Integer Programming,MIP)。各子目标函数中,经济性、环保性、节能性目标函数都是线性的,只有舒适度目标函数为二次目标函数。因此日前计划优化问题为混合整数二次规划(Mixed Integer Quadratic Programming,MIQP)问题,可以通过分支定界法(Branch&Bound, B&B)进行求解。
MIP问题的决策变量中既包含了整型变量,也包含连续变量,一般来讲, MIP问题是NP-hard问题,算法时间复杂度为指数级。目前针对混合整数非线性规划问题的有效求解方法有分支定界法(Branch&Bound,B&B)、广义 Bender分解法(Generalized BendersDecomposition,GBD)、外逼近法(Outer Approximation,OA)、遗传算法(GenericAlgorithm,GA)、粒子群算法以及模拟退火算法等。但MIQP作为特殊的混合整数非线性规划问题,具有如下特点:二次规划问题相对容易求解,当加权矩阵为正定矩阵时,优化问题有唯一最优解,因此,在问题规模小于一定范围内,可以基于分支定界法有效求解MIQP问题。
本发明的MIQP问题可以写作如下形式:
通过前文建模过程可以发现,本发明中MIQP问题具有两大特点:加权矩阵Q为半正定矩阵;整型变量的取值为0或者1(整型变量上下限约束为1 和0)。因此本发明讨论的B&B算法针对此类特殊问题的求解更高效。
分支定界法求解单一目标函数:将整型变量约束松弛为实数连续变量,转化为二次规划QP子问题进行求解,然后得到其中符合整数约束的原单一目标函数的最优解。
QP子问题采取可行方向法(如Zoutendijk可行方向法、Frank-Wolfe方法等)求解,QP子问题的一般形式如下:
Ax≤b (2)
s.t.Aeqx=beq
lb≤x≤ub
采用Zoutendijk可行方向法求解QP子问题的步骤如下:
(1)取初始可行点x(1),令k=1;
(3)求解下列线性规划问题,得到最优解d(k);
min (Qx(k))Td
A1d≥0 (3)
s.t.Aeqd=0
-1≤dj≤1,j=1,…n
(4)如果(Qx(k))Td(k)=0,则x(k)为最优解,停止计算;否则,转至(5);
(6)令k=k+1,转至(2)。
基于B&B求解本发明中MIQP问题的原理可以采用完全二叉树表示。设一组向量ξ∈{0,1,#}Ω,该向量维数为MIQP问题中整型变量的个数,向量中元素值与各个整型变量的取值一一对应,其中“#”表示[0,1]区间内的任意实数。一个向量ξ对应了一个QP问题,ξ中元素的取值对应了QP问题中整型变量的取值,同时ξ向量也对应二叉树中的一个节点,二叉树的根节点对应ξ0=[#,…#],表示对MIQP问题中的所有整型变量都松弛为[0,1]。通过将ξ向量中的某一元素设定值为0或1,可以在ξ向量基础上生成新的QP问题,例如ξ0向量可以生成ξ1=[0,#,…#]和ξ2=[1,#,…#]向量,ξ1和ξ2在二叉树中对应了ξ0向量节点的子节点,以ξ1向量为例,其对用的QP问题为:
Ax≤b
s.t. Aeqx=beq (4)
lb≤x≤ub
x1=0
上述QP问题可以转化为式(4)表示的一般QP问题采用Zoutendijk可行方向法进行求解。具有3个整型变量约束的MIQP的完全二叉树如图2-3 所示,图中每个节点对应一个ξ向量,也对应一个QP问题。
根据以上二叉树分析,求解含n个整型变量的MIQP问题最多需要求解 2n+1-1个QP子问题,算法复杂度为指数级,但在问题规模较小时,仍可以在短时间内求得最优解。
基于B&B算法和Zoutendijk可行方向法求解MIQP问题具体流程如图3 所示。从图中可以看出,当某一个QP问题的最优解大于当前最优解时,其对应的子QP问题将无需求解,这也大大缩减了MIQP问题的求解时间。采用图 3所示的B&B和Zoutendijk可行方向法MIQP求解流程求解日前计划优化问题,随着求解子QP问题次数的增加,当前最优值不断更新,最优值随求解次数更新的曲线如图4所示,最终求出问题的最优解。
日中滚动优化主要考虑综合能源系统运行中随机下发的激励性需求响应事件,其次还需要考虑用户随机改变用能需求的情况,日中滚动优化将适应以上两者随机事件对用户端用能情况进行动态优化。
对于单个用户而言,优化目标是在满足用户用能需求的前提下达到经济性、环保性、节能性和舒适度的综合最优用能策略,在没有需求响应事件的前提下,首先考虑柔性负荷的调节,由系统自动完成优化过程。此部分优化策略与日前计划优化相似,只是考虑用户会在当天调整用能需求,因此将优化时域缩短为[t,t+H),由于室内温度、热水温度、储能电量、电动汽车电量具有时间上的累加效应,因此在优化前需获取系统当前状态集合根据如下公式计算目标函数:
根据式(5),可以计算出在时域[t,t+H)的用户端分布式能源、冷热电负荷设备的出力大小以及设备运行状态优化控制目标值,记为集合但只取t时段的优化控制目标值Ct作为t时段的设备控制设定值。在下一个t+1时段,Ct+1将在时域 [t+1,t+1+H)重新计算,重复以上过程,整个优化区间随时间向前滚动,从而实现实时优化控制,随时适应用户用能需求的调整。
在一些尖峰负荷时段内,上级能量管理系统可能会向智能用户终端下发激励性需求响应事件。假定一个激励性需求响应事件可以表示为其中,b是响应开始时段,L是持续时间,是响应时段内的负荷功率上限,S 是相应的折扣回报金额。
为计算方便,设置一个标志位y,表示是否响应该激励性需求响应事件:
为正确响应激励性需求响应事件,在时域[b,b+L),考虑激励性需求响应事件的优化模型需要进行修正,由于激励性需求响应事件主要涉及电功率上限以及经济性补偿,因此模型中需要修正的部分包括经济性目标函数和功率约束。考虑激励性需求响应事件后,为使系统总运行成本最小,经济性目标函数及用能需求功率约束修正为:
在优化前需获取系统当前状态集合St={Tempt,θt,SOCev,t,SOCESS,t},t=b-1。根据式(7),可以计算出用户端分布式能源、冷热电负荷设备在时域[b,b+L)的出力大小以及设备运行状态优化控制目标值Ct,t∈[b,b+L),取所有时域 [b,b+L)的优化控制目标值作为时域内各时段的设备控制设定值,以确保满足整个时段内的负荷功率上限。
有时仅根据自动调节柔性负荷(称为自动响应)后无法满足负荷功率上限,这时需要考虑调节非柔性负荷,但考虑到非柔性负荷对用户日常生活的必要性,在这个过程中,应该由用户决定是否参与(称为交互响应)。在智能用户终端中包含了自动响应和交互响应,共同实现对用户侧能源设备的优化控制,整体响应流程如图5所示。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内,因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (2)
1.一种综合能源系统日中滚动优化方法,其特征在于:该方法包括以下步骤:
(1)考虑用户会在当天调整用能需求,将优化时域缩短为[t,t+H),在优化前需获取系统当前状态集合St-1={Tempt-1,θt-1,SOCev,t-1,SOCESS,t-1},根据如下公式计算目标函数:
式中
λ1,λ2,λ3,λ4——用户赋予经济性、环保性、节能性和舒适度目标函数的权系数;
φc——碳排放量经济系数,随CO2排放交易市场的成交价格设定;
φe——一次能源经济系数,随一次能源价格设定;
φu——用户舒适度经济系数,随用户舒适度敏感系数设定;
1)对于综合能源系统经济性指标,优化目标主要是在满足系统用能需求的前提下,使系统总运行成本最小,目标函数表示为:
式中
T——时域长度;
2)考虑系统环保性,优化目标尽可能满足最小的碳排放量,目标函数表示为:
3)考虑系统节能性,优化目标尽可能使不可再生能源消耗量最少,目标函数表示为:
4)考虑用户舒适度要求,优化目标尽可能使用户整体舒适度最高,目标函数表示如下:
日前计划优化的约束条件包括:能量流供需平衡约束条件、分布式能源出力约束、负荷需求约束;
2.根据权利要求1所述的一种综合能源系统日中滚动优化方法,其特征在于:在尖峰负荷时段内,上级能量管理系统会向智能用户终端下发激励性需求响应事件,假定一个激励性需求响应事件表示为其中,b是响应开始时段,L是持续时间,是响应时段内的负荷功率上限,S是相应的折扣回报金额;
设置一个标志位y,表示是否响应该激励性需求响应事件:
在时域[b,b+L),考虑激励性需求响应事件的优化模型需要进行修正,需要修正的部分包括经济性目标函数和功率约束,考虑激励性需求响应事件后,经济性目标函数及用能需求功率约束修正为:
在优化前需获取系统当前状态集合St={Tempt,θt,SOCev,t,SOCESS,t},t=b-1,根据式(3),计算出用户端分布式能源、冷热电负荷设备在时域[b,b+L)的出力大小以及设备运行状态优化控制目标值Ct,t∈[b,b+L),取所有时域[b,b+L)的优化控制目标值作为时域内各时段的设备控制设定值,以确保满足整个时段内的负荷功率上限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911290968.1A CN111047097B (zh) | 2019-12-16 | 2019-12-16 | 一种综合能源系统日中滚动优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911290968.1A CN111047097B (zh) | 2019-12-16 | 2019-12-16 | 一种综合能源系统日中滚动优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111047097A CN111047097A (zh) | 2020-04-21 |
CN111047097B true CN111047097B (zh) | 2023-05-09 |
Family
ID=70236598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911290968.1A Active CN111047097B (zh) | 2019-12-16 | 2019-12-16 | 一种综合能源系统日中滚动优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111047097B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111598478B (zh) * | 2020-05-25 | 2023-04-18 | 东方电子股份有限公司 | 一种综合能源需求响应量计算方法 |
CN112418477B (zh) * | 2020-06-23 | 2023-07-07 | 深圳职业技术学院 | 一种基于区域能源中心的居民用能双目标优化方法 |
CN113806952B (zh) * | 2021-09-24 | 2024-02-27 | 沈阳工程学院 | 一种考虑源-荷-储的冷热电综合能源系统及其优化运行方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107800157A (zh) * | 2017-11-14 | 2018-03-13 | 武汉大学 | 含聚合温控负荷和新能源的虚拟发电厂双层优化调度方法 |
CN109711080A (zh) * | 2019-01-03 | 2019-05-03 | 山东大学 | 一种冷热电联供系统多时间尺度优化运行方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100332373A1 (en) * | 2009-02-26 | 2010-12-30 | Jason Crabtree | System and method for participation in energy-related markets |
US9569804B2 (en) * | 2012-08-27 | 2017-02-14 | Gridium, Inc. | Systems and methods for energy consumption and energy demand management |
CN104866924A (zh) * | 2015-05-26 | 2015-08-26 | 清华大学 | 主动配电网规划及运行联合优化方法 |
CN109149557A (zh) * | 2018-07-25 | 2019-01-04 | 贵州电网有限责任公司 | 一种考虑直接负荷控制的微网系统经济调度方法 |
CN109447413A (zh) * | 2018-09-28 | 2019-03-08 | 国网天津市电力公司电力科学研究院 | 一种供热项目多维度综合评价指标体系的建立方法 |
CN109390979B (zh) * | 2018-10-24 | 2022-04-08 | 云南电网有限责任公司电力科学研究院 | 一种综合能源系统的优化控制方法 |
-
2019
- 2019-12-16 CN CN201911290968.1A patent/CN111047097B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107800157A (zh) * | 2017-11-14 | 2018-03-13 | 武汉大学 | 含聚合温控负荷和新能源的虚拟发电厂双层优化调度方法 |
CN109711080A (zh) * | 2019-01-03 | 2019-05-03 | 山东大学 | 一种冷热电联供系统多时间尺度优化运行方法 |
Non-Patent Citations (3)
Title |
---|
A New Model of Economic Dispatch Considering Energy Conservation and Environmental Protection in Electricity Market;Yantao Wang 等;《Energy Procedia》;20120424;第17卷;第1769-1777页 * |
基于EMC的我国采暖区既有居住建筑节能改造项目风险管理研究;王斌;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;中国学术期刊(光盘版)电子杂志社;20170215(第2期);第C038-74页 * |
基于模型预测控制的园区热电联供微电网能量优化;蔡超 等;《电力建设》;20190331;第40卷(第3期);第27-33页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111047097A (zh) | 2020-04-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mbungu et al. | An optimal energy management system for a commercial building with renewable energy generation under real-time electricity prices | |
CN110350523B (zh) | 基于需求响应的多能源互补优化调度方法 | |
Shen et al. | Energy storage optimization method for microgrid considering multi-energy coupling demand response | |
CN111400641B (zh) | 一种含蓄热式电采暖的综合能源系统日前优化调度方法 | |
CN111047097B (zh) | 一种综合能源系统日中滚动优化方法 | |
CN111950807B (zh) | 计及不确定性与需求响应的综合能源系统优化运行方法 | |
CN110689189A (zh) | 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 | |
WO2019184344A1 (zh) | 一种微能源网多目标运行控制方法 | |
CN110991764B (zh) | 一种综合能源系统日前滚动优化方法 | |
CN107231001B (zh) | 一种基于改进灰色预测的楼宇微网在线能量管理方法 | |
CN112800658A (zh) | 一种考虑源储荷互动的主动配电网调度方法 | |
CN112508325A (zh) | 一种家庭微电网多时间尺度电能调度方法 | |
Han et al. | Economic evaluation of micro-grid system in commercial parks based on echelon utilization batteries | |
CN114169236A (zh) | 基于lstm算法的相变蓄热式电采暖负控系统控制方法 | |
Zhi et al. | Scenario-based multi-objective optimization strategy for rural PV-battery systems | |
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 | |
CN112883630B (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
Zhang et al. | Coordinated dispatch of the wind-thermal power system by optimizing electric vehicle charging | |
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 | |
CN113098073B (zh) | 一种考虑源荷双侧弹性空间的日前调度优化方法 | |
CN112713590B (zh) | 计及idr的冷热电联供微网与主动配电网联合优化调度方法 | |
Dong et al. | Demand side management considering household appliances and EV | |
Lin et al. | Energy Management Method on Integrated Energy System Based on Multi-agent Game | |
Jiarui et al. | Research on Demand Response Strategy of Electricity Market Based on Intelligent Power Consumption | |
Wang et al. | A two-layer coordinated operation optimization model for multi-energy complementary systems considering demand response |
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 |