CN111291942A - 一种考虑需求响应的综合能源系统两阶段调度方法及系统 - Google Patents
一种考虑需求响应的综合能源系统两阶段调度方法及系统 Download PDFInfo
- Publication number
- CN111291942A CN111291942A CN202010147097.4A CN202010147097A CN111291942A CN 111291942 A CN111291942 A CN 111291942A CN 202010147097 A CN202010147097 A CN 202010147097A CN 111291942 A CN111291942 A CN 111291942A
- Authority
- CN
- China
- Prior art keywords
- day
- model
- demand response
- heat supply
- scheduling
- 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
Links
- 230000004044 response Effects 0.000 title claims abstract description 135
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000005611 electricity Effects 0.000 claims abstract description 142
- 238000005457 optimization Methods 0.000 claims abstract description 47
- 239000002245 particle Substances 0.000 claims abstract description 34
- 238000013178 mathematical model Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 230000008859 change Effects 0.000 claims description 26
- 239000003245 coal Substances 0.000 claims description 10
- 238000010248 power generation Methods 0.000 claims description 8
- 238000010438 heat treatment Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 18
- 230000033228 biological regulation Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 230000009194 climbing Effects 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000009833 condensation Methods 0.000 description 4
- 230000005494 condensation Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005485 electric heating Methods 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000015271 coagulation Effects 0.000 description 1
- 238000005345 coagulation Methods 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种考虑需求响应的综合能源系统两阶段调度方法及系统，涉及热电联产经济调度领域，包括建立热网互联系统供热数学模型；以分段电价和风变指导电价为约束条件，采用日前日内两阶段调度方式，建立分段电价需求响应成本模型和风变指导电价需求响应成本模型；根据上述模型，建立考虑需求响应及热网互联的优化模型；采用动态惯性权重改进粒子群算法，求解考虑需求响应及热网互联的优化模型，确定优化运行结果。采用本发明可提高多区域热电综合能源系统经济性和风能消纳水平。
Description
技术领域
本发明涉及热电联产经济调度领域，特别是涉及一种考虑需求响应的综合能源系统两阶段调度方法及系统。
背景技术
20世纪人类文明的高速发展很大程度上以石油，煤炭和天然气为主，化石能源对人类的发展起到了至关重要的作用。但近年来，支撑人类文明高速发展的化石能源出现了前所未有的危机，除其储藏量不断减少外，更严重的是其使用后产生的污染物严重破坏了地球生态环境，要实现可持续发展，解决能源持续供应和环境问题，就需要大力开发清洁能源。因此，风能，太阳能等可再生能源因其低碳环保，可再生的优点受到世界各国的广泛研究和使用。
在大电网的供电背景下，可再生能源发电以风电上网的形式为主，在地理资源上，我国风力资源丰富。但是，风电装机容量较大的地区也正是含有较高比例热电机组的“三北”地区，由于大部分热电联产机组工作在“以热定电”的运行方式下，导致机组存在热电耦合问题，且传统热电联供系统多采用单区域，单独处理的供热原则，大大降低了源侧机组自身出力的灵活性，又因风电出力的反调峰的特性，即热电联产机组(简称CHP机组)出力高的时段，正是风力过剩的时期，风电上网空间很低，风电利用率不高，弃风现象严重，惩罚费用高。综上几个方面传统含风电的热电联供系统发电经济性(经济性是指工程从规划、勘察、设计、施工到整个产品使用寿命周期内的成本和消耗的费用)欠佳。
发明内容
本发明的目的是提供一种考虑需求响应的综合能源系统两阶段调度方法及系统，可提高多区域热电综合能源系统经济性和风能消纳水平。
为实现上述目的，本发明提供了如下方案：
一种考虑需求响应的综合能源系统两阶段调度方法，包括：
建立热网互联系统供热数学模型；
以分段电价和风变指导电价为约束条件，采用日前日内两阶段调度方式，建立分段电价需求响应成本模型和风变指导电价需求响应成本模型；
根据所述热网互联系统供热数学模型、所述分段电价需求响应成本模型和所述风变指导电价需求响应成本模型，建立考虑需求响应及热网互联的优化模型；所述优化模型包括日前计划调度模型目标函数、日前计划调度模型目标函数的约束条件、日内计划调度模型目标函数以及日内计划调度模型目标函数的约束条件；
采用动态惯性权重改进粒子群算法，求解考虑需求响应及热网互联的优化模型，确定优化运行结果；所述优化运行结果包括热电机组热出力、常规机组电出力和风电上网量。
一种考虑需求响应的综合能源系统两阶段调度系统，包括：
热网互联系统供热数学模型建立模块，用于建立热网互联系统供热数学模型；
需求响应成本模型建立模块，用于以分段电价和风变指导电价为约束条件，采用日前日内两阶段调度方式，建立分段电价需求响应成本模型和风变指导电价需求响应成本模型；
优化模型模型建立模块，用于根据所述热网互联系统供热数学模型、所述分段电价需求响应成本模型和所述风变指导电价需求响应成本模型，建立考虑需求响应及热网互联的优化模型；所述优化模型包括日前计划调度模型目标函数、日前计划调度模型目标函数的约束条件、日内计划调度模型目标函数以及日内计划调度模型目标函数的约束条件；
优化运行结果确定模块，用于采用动态惯性权重改进粒子群算法，求解考虑需求响应及热网互联的优化模型，确定优化运行结果；所述优化运行结果如下包括热电机组热出力、常规机组电出力和风电上网量。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
1、源侧采用热网互联模型，优化了热负荷分配，改变热电机组群出力热电比，相当于解耦“以热定电”的工作模式，提高了整个系统出力灵活性，增加了风电上网空间，促进风电消纳。
2、荷侧考虑分段电价和风变指导电价需求响应原理，优化了预测负荷，增加了风电的上网空间，促进风电消纳的同时，提高了系统的经济性。
3、将日前日内两阶段的调度方法与分段电价型和风变指导电价型需求响应原理相结合，实现了日前与日内两阶段的协调调度，有效平抑消纳日内风电的波动性，提高系统经济性和稳定性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明考虑需求响应的综合能源系统两阶段调度方法的流程图；
图2是本发明热网互联系统结构图；
图3是本发明热网互联系统提升机组灵活性原理图；
图4是本发明日前分段电价需求响应模型示意图；
图5是本发明采用分时电价优化前后的负荷曲线图；
图6是本发明日内风变指导电价需求响应模型示意图；
图7是本发明考虑需求响应的热网互联系统日前经济优化调度流程图；
图8是本发明考虑需求响应的热网互联系统日内经济优化调度流程图；
图9是本发明的电、热负荷需求示意图；
图10是本发明日前日内风电预测曲线图；
图11是本发明采用风变电价优化前后的负荷曲线图；
图12是本发明考虑需求响应的综合能源系统两阶段调度系统的结构图；
图13是本发明采用日前单阶段与日前日内两阶段调度方法的风电消纳对比曲线。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明目的在于提供一种考虑需求响应的综合能源系统两阶段调度方法及系统，旨在源侧通过引入热网互联的工作模式，解决多区域热电联供系统采用传统“单区单源”工作模式下因热负荷的上升而导致机组出力灵活性不足的问题；引入日前日内两阶段的调度方法，在日前调度中旨在荷侧引入分段电价需求响应(SPDR)解决用电负荷峰谷差过大、导致风电上网量低、弃风量过大的问题，在日内调度中旨在荷侧引入风变指导电价需求响应(WEPDR)与源侧热网互联模式联合解决平抑消纳大规模风电并网的不确定性问题，以满足电热联合系统调度要求，提高系统运行经济性。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明提供了一种考虑需求响应的综合能源系统两阶段调度方法，首先确定热网互联系统的构成及其应用示例，利用数学方法分析其提高系统灵活性的基本原理，并阐述热网互联系统模型，建立热网互联系统供热数学模型；其次以日前日内两阶段的调度方法为基础引入需求响应模型，阐述分段电价和风变指导电价的基本原理，并利用价格弹性矩阵求解电价示例，构建其响应成本的数学模型；接着分析两阶段的调度方法与考虑需求响应的热网互联系统相结合的基本原理，建立考虑需求响应及热网互联的优化模型，确定日前和日内阶段的调度策略，目标函数和约束条件；最后确定算例以及其必要特征，利用动态惯性权重改进粒子群算法程序对算例进行仿真分析。
如图1所示，本发明提供的考虑需求响应的综合能源系统两阶段调度方法，包括：步骤101：建立热网互联系统供热数学模型。
步骤1-1，确定热网互联系统的组网构成，细化负荷类型。
纯凝火电机组，热电联产机组，风电机组，负荷(包含固定负荷和可平移负荷)，以及输热管网构成了典型的热网互联系统。在负荷分类中，固定负荷是指在特定时段不可以断电的负荷。可平移负荷指的是用户根据电价或激励措施改变用电时段负荷，在允许的一定范围内，可以将负荷的使用时间从一个区间转移到另一个区间，但转移负荷不能超过最大允许转移量，同时须考虑转移不同时段以及功率大小的负荷所要提供的负荷补偿费用。
步骤1-2，热网互联系统应用示例
由图2所示，以两区域热网互联系统为例，其中区域A和区域B由热力传输管网相连，期间存在热量的交互过程，而“单区单源”系统中区域A和区域B之间不存在热力管网的互联，热电机组A负责给区域A供热，热电机组B负责给区域B供热，不同区域间，热负荷独立工作。但总电负荷由两区域机组共同承担，电力传输功率都在同一母线上。
步骤1-3，确定热网互联系统基本原理
热电联产机组群中，在热负荷不变的情况下，不同种类的热电机组有不同的电热特性，即工况下热电比不同。在热电机组联合运行供热时，热电联产机组机组群满足热负荷需求时，存在一个热负荷分配的最优工况，运行在此工况下增加热电联产机组群整体出力调节范围，促进风电消纳的同时，降低常规机组的备用，提高系统经济性。
由图3所示，给出了一个典型的2个热电机组热网互联系统热电关系曲线示意图，其中热电机组A和热电机组B分别为不同区域的供热机组，期间通过输热管网互联，存在热交换。且工况1时热电机组A承担热负荷为Q1，热电机组B承担热负荷为Q2；在工况2时热电机组A承担热负荷为Q2，热电机组B承担热负荷为Q1，则有工况1和工况2供热量相同为Q1+Q2。热电关系曲线中横坐标为电功率P，纵坐标为热负荷抽汽量Q。通过分析抽汽式热电联产机组电热特性曲线可知，在给定抽汽量Q后，热电机组电功率的调节范围由其上线边界曲线决定，可称为满足热负荷的电出力下限值Pmin和电出力上限值Pmax，定义热电机组电出力的极限调节区间为Pmax-Pmin，由于热电机组特性曲线为一系列不规则的直线组成，因此将电热特性用直线方程表示方便下述数学求解。
对热电机组A来说，直线方程化电热特性后，电出力上下限如下式所示:
其中，a1，b1，c1和d1为直线方程化电热特性后，热电机组A电热特性上斜率，下斜率，上交点和下交点如图3所示。
对热电机组B来说，直线方程化电热特性后，电出力上下限如下式所示:
其中，a2，b2，c2和d2为直线方程化电热特性后，热电机组A电热特性上斜率，下斜率，上交点和下交点如图3所示。
则工况1下热电机组A的电调节范围为：(a1Q1+c1)-(b1Q1+d1)；工况1下热电机组B的电调节范围为：(a2Q2+c2)-(b2Q2+d2)；工况2下热电机组A的电调节范围为：(a1Q2+c1)-(b1Q2+d1)；工况2下热电机组B的电调节范围为：(a2Q1+c2)-(b2Q1+d2)。而在热电综合系统中，不同工况下热网互联系统的调节范围，反映在工作于同一工况下的热电机组电调节范围之和上。如图3中，工况1下热网互联系统调节范围为；Q1(a1-b1)+Q2(a2-b2)+(c1+c2)-(d1+d2)；工况2下热网互联系统调节范围为：Q1(a2-b2)+Q2(a1-b1)+(c1+c2)-(d1+d2)。
若令工况1下调节范围大于工况2下调节范围，则有:
a1(Q1-Q2)+a2(Q2-Q1)+b1(Q2-Q1)+b2(Q1-Q2)＞0 (3)；
对上式化简则有如下不等条件：
b1-a1＞b2-a2 (4)；
即在电热特性中，直线方程斜率满足不等条件b1-a1＞b2-a2时(显然不等条件可满足)，工况1的电出力范围大于工况2的电出力范围，此时系统工作于工况1时灵活性更好。综上热网互联系统可增加系统调节灵活性，热负荷不变时可提高风电的上网空间，促进风电消纳的同时，减小常规机组备用，提高系统经济性。
步骤1-4，构建热网互联系统供热数学模型
在“单区单源”结构下，热电机组c的热力输出功率完全由区域i的热负荷决定，如式所示：
其中，
为热电机组第t时刻第z供热区域第c机组的热力输出功率；HL,z,t为第t时刻第z供热区域的热负荷；m为供热区域总数量；NC,z为第z供热区域热电机组的个数。
在热力管网改为多区域热网互联结构后，第z供热区域中第c热电机组不仅可以向第z供热区域的用户供热，还可以通过互联管网向其他区域的用户供热。新型供热结构下的热网互联模型如下式所示：
其中，ΔHL,u(c,t)为热力管网互联后第t时刻第z供热区域中第c热电机组向第u区域提供的热力输出功率。
在不考虑建筑物的蓄能特性时，建筑物的热负荷HL,t等于热力需求，即：HL,t＝Hc,t(7)；其中，HL,t为单个建筑物第t时刻的热负荷；Hc,t为所有CHP机组总的热出力。
步骤102：以分段电价和风变指导电价为约束条件，采用日前日内两阶段调度方式，建立分段电价需求响应成本模型和风变指导电价需求响应成本模型。
本发明利用需求响应基本原理对负荷优化，过程如下：
步骤2-1，需求响应的基本原理及其分类
需求响应的基本原理是需求侧根据电力市场价格和电网要求改变其负荷需求以获取一定的利益回报。其中价格型需求响应可通过直观的电价变化信号引导用户调节用电方式，从而达到优化负荷时间分布的目的。而引导电价变化的信号源具有多样性的特点，例如分段电价，根据负荷长期分布特点合理划分负荷曲线峰、谷、平时段和电价，达到削峰填谷的目的；基于风电消纳量考虑，采用由风电出力值引导的电价型需求响应，优化负荷分布，例如日内超短期预测风电供给量增多时，降低此时刻电价，响应提高负荷需求量，促进整个系统的风电消纳。电价型需求响应通过对电力负荷的调节控制来改变系统的负荷特性，从而优化各时刻负荷需求，促进风电消纳，提高系统经济性。本发明将电价型需求响应(PDR)分为日前分段电价模型(SPDR)和日内风变指导电价模型(WEPDR)两种。
步骤2-2，建立日前调度分段电价需求响应成本模型
电价需求响应(SPDR)基于模糊聚类方法划分电价为峰、谷、平时段电价，将其作为引导用户改变其用电习惯的手段，实现对负荷曲线的削峰填谷，一般研究是基于价格需求弹性矩阵的DR模型。日前分段电价需求响应模型示意如图4所示。
价格需求弹性矩阵能较为准确地反映用户用电量与电价之间的关系，其定义为用户用电量变化率与电价变化率的比值，即:
其中，est为第s时刻对第t时刻的价格弹性值；
分别为实施分段电价需求响应前第s时刻的用电负荷和实施分段电价需求响应前第t时刻的用电价格；ΔPL,s,Δjt分别为响应后第s时刻的负荷变化值和响应后第t时刻的价格变化值；当s＝t时est为当前时段电价变化对当前时段用电需求的影响，此时其取值范围为est＜0；当s≠t时est为当前时段电价变化对其他时段用电需求的影响，此时其取值范围为est＞0。
日内分段电价响应电价变化量为:
其中，
和
分别为实施分段电价激励响应前、后第t时刻的电价。
在峰，谷，平三段制分时电价机制之下，价格需求弹性矩阵E可以表示为
其中，下标p，f，v分别表示峰荷时段，平荷时段，谷荷时段；以evp为例，其表示谷荷时刻对峰荷时刻的价格弹性。
实施电价机制后，各时段的用电量为如下式：
其中，以
和
为例，分别表示SPDR响应前后峰荷时段负荷量；以
为例，其表示SPDR响应前峰荷时段电价；以Δjp为例，其表示SPDR响应峰荷时段电价变化量。
在计算应用的过程中，基于价格弹性est描述用户电价响应行为时，日前调度时刻t的用电量化简为:
其中，
和
分别为实施电价型激励响应前、后第t时刻的用电量。
日前调度分段电价需求响应成本模型中的成本函数如下式:
其中，πrq为分段电价指导负荷的调度成本；
为SPDR响应后第t时刻的电价；T为调度周期。
本发明采用基于模糊聚类的峰谷时段划分方法进行时段划分得到结果如下:谷荷时段00:00-05:00、20:00-24:00，平荷时段05:00-08:00、12:00-14:00、18:00-20:00，峰荷时段08:00-12:00、14:00-18:00，并利用电价弹性矩阵模型计算响应后电价值。采用分时电价优化前后的负荷曲线如图5所示。分段电价需求响应的引入使得系统中峰谷负荷量变化明显，电负荷在白天峰荷时段减少，在夜晚弃风高发时段增加，促进风电消纳的同时优化负荷曲线，削峰填谷，一定程度上优化了风电出力的反调峰特性，提高了系统经济性。
步骤2-3，建立日内调度风变指导电价需求响应成本模型
风变指导电价(WEPDR)是指在日内调度的过程中，日内风电超短期预测出力与日前短期预测出力会存在一定的变化量，而由于这个供给量的变化会产生系统弃风，影响系统经济性，不符合电力系统经济运行的基本要求。根据经济学中供给弹性系数，引入系数θ，描述由于预测风电的波动量引起系统电价的变化量，从而响应负荷量的变化，平抑预测风电的波动量，从而促进风电的消纳。内调度风变指导电价需求响应成本模型示意如图6所示。系数θ为:
其中，
为日内调度中风变指导电价响应后电价的变化量，
为SPDR响应后第t时刻的电价，
为日前预测第t时刻第i风电场短期预测出力，
为日前日内第t时刻第i风电场预测差值，则日内风变指导的电价为:
本发明在日内调度的过程中提出基于日前日内风电预测第t时刻第i风电场的变化量
引导更新电价的需求响应原理，优化日前负荷需求得到日内第t时刻负荷预测量
风电预测变化量为：
其中，
为日内预测第t时刻第i风电场的超短期预测出力，
为以
为基础，引入日内风变指导电价的需求响应后第t时刻第i风电场的负荷需求。
风变指导电价用户的响应量通常采用需求价格弹性系数ε来描述参与用户的响应量，即：
在新的电价形成后，基于需求响应的基本原则，用户再次根据电价调整自身的用电计划。
用户对价格响应后第t时刻的用电量为：
用需求价格弹性系数ε描述用户对价格响应后第t时刻的用电量化简后变为:
日内调度风变指导电价需求响应成本模型中的成本函数如下式:
其中，πrn为日内风变指导电价调度负荷成本，
为SPDR响应后第t时刻的电价，
为日内风变指导下第t时刻的电价。
步骤103：根据所述热网互联系统供热数学模型、所述分段电价需求响应成本模型和风变指导电价需求响应成本模型，建立考虑需求响应及热网互联的优化模型。所述优化模型包括日前计划调度模型目标函数、日前计划调度模型目标函数的约束条件、日内计划调度模型目标函数以及日内计划调度模型目标函数的约束条件。
分析两阶段的调度方法与考虑需求响应的热网互联系统相结合的基本原理。建立考虑需求响应及热网互联的优化模型，确定日前和日内阶段的调度策略，目标函数和约束条件。
步骤3-1，日前日内两阶段的调度方法与需求响应协调调度基本原理
日前调度阶段中，SPDR与热电联产机组群配合消纳概率较大的日前风电短期预测出力，通过经济优化调度模型，确定第二天各机组的电/热出力情况。日内调度阶段中，预测超短期风电出力，根据日前日内风电预测变化量确定电价变化，通过WEPDR二次优化用电负荷，配合源侧热网互联模式的灵活性进一步提高风电的上网空间，从源荷双侧进一步平抑消纳日内超短期预测风电出力，提高整个系统的经济性。
步骤3-2，日前计划调度模型
在日前调度流程中首先检查输热管网的互联状态，若系统工作在热网互联模式下，按先热平衡后电平衡的方式，根据风电预测出力，优化不同热电联产机组热出力组合，满足热负荷后，再调用风电机组出力，若不满足系统电平衡，提高火电机组出力以满足系统负荷需求。最后引入具有收缩粒子的粒子群优化算法计算日前调度模型，计算得出热电联产机组优化合理分配热负荷后的机组出力值，调度策略流程如图7所示，流程图中的判断过程是为了满足日前计划调度模型的约束条件。
步骤3-2-1，建立日前计划调度模型目标函数。
日前调度阶段以系统发电运行成本最小为目标函数，考虑弃风惩罚费用和SPDR成本，制定日前机组出力、以及SPDR时段和响应量，目标函数如下式:
其中，T为1个调度周期的总时段数；NG为常规机组数；NC为CHP机组数；NW为风电场个数；Cg,t和Cc,t分别为第t时刻第g个常规机组和第t时刻第c个CHP机组的煤耗成本；cW和
分别为弃风单位惩罚费用和日前弃风量，
wi,t为第t时刻第i风电场的实际出力，
为第t时刻第i风电场短期预测出力；
为日前单位时段SPDR成本，
常规机组的煤耗量Fg,t与电出力的关系为：
常规机组的运行成本与电出力的关系为:
其中，αg、βg、γg为常规机组的煤耗系数；ag、bg、cg为常规机组的运行成本参数；
为第g常规机组在第t时刻的发电功率。
根据抽汽式CHP机组的运行原理，其工作于纯凝工况下的电出力
与其工作于供热工况下的热出力
及电出力
之间的关系式可表示为:
此时机组运行成本为：
其中，αc、βc、γc为CHP机组的煤耗系数；pM为燃煤价格。
步骤3-2-2，确定日前计划调度模型目标函数的约束条件
A、电力平衡约束条件:
1)用户未参与SPDR:
其中，wi,t为第t时刻第i风电场的实际出力，
为日前调度过程中第g常规机组在第t时刻的出力，
为日前调度过程中第c热电机组在第t时刻的出力。
2)用户已参与SPDR:
B、热力平衡约束条件:
1)多区域“单区单源”系统供热功率约束：
其中，HL,z,t为第t时刻第z区域的热负荷量，
为第t时刻第z区域第c热电机组的供热量，Nc,z为第z区域热电机组的数量。
2)多区域热网互联系统供热功率约束条件：
其中，No为热负荷区域的数量；HL,o,t为第t时刻第o区域的热负荷量。
C、常规机组约束条件:
其中，
和
分别为常规机组最小出力、最大出力、向下爬坡率限值和向上爬坡率限值；
为第t+1时刻常规机组g的电出力值；Δt为单位时间间隔。
D、热电联产机组约束条件
由抽汽式CHP机组的运行特性可以推出各约束条件。
机组有功出力约束为:
其中，
和
分别为第cCHP机组在第t时刻纯凝工况下最小电出力和最大电出力；cm为热电机组特性下斜率；
为第t时刻第热电机组c热出力；K为热电机组最小电出力；
为第t时刻第热电机组c电出力；cv为热电机组热点比。
机组热出力约束为:
机组纯凝工况下爬坡率约束为:
其中，
和
为第cCHP机组在第t时刻和第t+1时刻纯凝工况下电出力；
和
分别为热电机组向下爬坡率限值和向上爬坡率限值。
E、网络安全约束条件
电网各支路潮流需要被限制在系统允许的安全限值之内:
(34)；其中，
为第b支路在第t时刻的潮流；
分别为第b支路潮流的下界和上界。
F、风电出力约束条件：
其中，
为风电预测出力。
G、负荷响应约束条件
1)对于响应用户，当负荷增加时：
2)对于响应用户，当负荷减少时：
其中，
分别为负荷的最功率值大、最小功率值。
响应前后用电量不变，即:
步骤3-3日内计划调度模型
日内调度阶段以日前调度计划为基础，调度过程中同样考虑热网互联系统的调节灵活性，提前4小时进行风电超短期预测出力，并与日前预测出力相比，计算各时刻预测差值，将此差值引入日内电价型需求响应当中构成WEPDR，比照经济学概念，参照供给弹性系数，引入系数θ，描述由于风电预测出力变化引起的系统电价变化量
从而WEPDR响应二次优化负荷曲线，与热网互联系统配合平抑消纳风电超短期预测出力的波动性，进一步提高系统运行经济性和稳定性。最终通过改进的粒子群算法求解确定每1h机组出力，弃风容量和日内WEPDR需求响应量，调度策略如图8所示，流程图中的判断过程是为了满足日前计划调度模型的约束条件。
步骤3-3-1日内计划调度模型目标函数
日内调度阶段同样以系统发电运行成本最低为目标函数，综合考虑WEPDR成本，即:
其中，Cg,t为日内调度第t时刻第g火电机组的发电成本，Cc,t为日内调度第t时刻第c热电机组的出力成本，cW为单位弃风惩罚费用，
为日内风电预测值，
为日内弃风量，
由于机组频繁调度会一定程度上增加机组的运行维护成本；
为日内单位时段WEPDR成本，
Cd为机组运行计划变化而额外增加的成本，Cd＝Cg,d+Cc,d。
常规机组调度运行维护成本Cg,d为:
火电机组调度运行维护成本Cc,d为:
其中，
为第g台火电机组日前第t时刻的计划出力；
为第g台火电机组日内第t时刻的实际出力；
为第c台热电机组日前第t时刻的计划出力；
为第c台热电机组日内第t时刻的实际出力；c为火电机组运行计划单位变化量引起的额外费用。
步骤3-3-2日内计划调度模型目标函数的约束条件
A、功率平衡约束条件:
B、负荷响应约束条件
对于PDR用户，当负荷增加时，
当负荷减少时，
其中，
分别为负荷的最大、最小功率值。
日内PDR用户响应前后用电量不变，即:
C、负荷响应用户满意度约束条件
WEPDR用电方式的满意度ηt:定义ηt建立在互动响应量与原负荷之比的基础之上。
WEPDR互动效益的满意度λt:定义λt建立在WEPDR互动效益与原负荷用电费用支出之比的基础之上。
在日内计划调度模型中热力平衡约束条件、常规机组约束条件、热电联产机组约束条件、网络约束条件、风电出力约束条件与日前计划调度模型目标函数的热力平衡约束条件、常规机组约束条件、热电联产机组约束条件、网络安全约束条件、风电出力约束条件相同。
步骤104：采用动态惯性权重改进粒子群算法，求解考虑需求响应及热网互联的优化模型，确定优化运行结果。所述优化运行结果为:热电机组热出力(因热电机组热出力可以确定其电出力，本发明提供优化后的热出力)，常规机组电出力，风电上网量(风电机组由编号0代替)如下表1-表3所示；
表1日前日内两阶段调度下CHP机组热出力优化值
表2日前日内两阶段调度下常规机组电出力
表3日前日内两阶段调度下风电上网量
具体为：
获取第一初始输入值；所述初始输入值包括机组参数、热负荷预测值如附图9所示、日前SPDR响应后的电负荷预测值如附图10所示以及日前短期风电预测出力如附图11所示；机组参数比例如下表4所示，机组参数如下表5所示。
表4热电联合系统的各类机组装机容量
表5热电联合系统的各类机组参数
根据所述所述第一初始输入值、所述日前计划调度模型目标函数以及所述日前计划调度模型目标函数的约束条件，采用动态惯性权重改进粒子群算法，确定第一优化运行结果；所述第一优化运行结果如下表6-表8所示；
表6日前调度下CHP机组热出力优化值
表7日前调度下常规机组电出力
表8日前调度下风电上网量
根据第一优化运行结果进行优化，得到风电消纳量和煤耗成本，具体结果如下表9所示；
表9基于热网互联的日前分段电价模型消纳量和经济性
获取第二初始输入值；所述第二初始输入值包括机组参数等如上表5所示、热负荷预测值如图9所示和日内风电超短期风电预测数据如图11所示；
根据所述所述第二初始输入值、所述日内计划调度模型目标函数以及所述日内计划调度模型目标函数的约束条件，采用动态惯性权重改进粒子群算法，确定第二优化运行结果；所述第二优化运行结果包括:热电机组热出力(因热电机组热出力可以确定其电出力，本发明提供优化后的热出力)，常规机组电出力，风电上网量(风电机组由编号0代替)如下表10-表12所示；
表10日前日内两阶段调度下CHP机组热出力优化值
表11日前日内两阶段调度下常规机组电出力
表12日前日内两阶段调度下风电上网量
根据第二优化运行结果进行优化，得到风电消纳量和煤耗成本，具体结果如下表23所示。
表13基于热网互联的日前日内两阶段调度模型消纳量和经济性
下面详细解释其求解过程。
步骤4-1，确定算例以及其必要特征
该热网互联系统由A和B两个供热区域共9台机组构成，其中包括6台CHP机组、2台火电机组和1个风电场，其中，1-3号热电机组为区域A供热，4-6号热电机组为区域B供热，且1-3号和4-6号是具有不同热-电特性的CHP机组，机组7-8是指火电机组。以小时为单位，全天24小时为调度区间。
步骤4-2，引入动态惯性权重改进粒子群算法对算例进行仿真分析。
粒子群优化算法(PSO)首次由Kennedy和Eberhart在1995提出，因其概念简单、灵活性强和容易实现等特点而被广泛用于工程问题的求解中。PSO可用于解决多目标非线性优化问题，假设在一个维搜索空间内，由m个粒子组成种群X，其中，第i个粒子表示为一个D维向量的Xi。对于每一个粒子i，其都由3个D维向量组成，分别为目前位置(Xi)、历史最优位置(pbesti)和速度(Vi)。在每次迭代过程中，粒子将通过个体极值和群体极值更新自身的速度和位置，即：
其中，ω为惯性权重；k为当前迭代次数；d＝1,2,…,D；i＝1,2,…,m；c1和c2为加速因子；r1和r2为分布于[0,1]区间的随机数。
在求解过程中，ω起到一个平衡局部搜索能力和全局搜索能力的作用，其取值的范围影响着算法的求解精度。ω的取值可设定为固定不变的和动态变化的。基于对PSO的研究，相比于ω动态变化时，虽然ω固定不变时PSO具有较快的收敛速度，但是求解精度较低。因此本发明ω定义为：
ω(k)＝ωstart(ωstart-ωend)(K-k)/K (49)；
其中，ωstart为初始惯性权重；ωend为迭代次数最大时的惯性权重；K为最大迭代次数。
步骤4-3具体模型求解步骤如下：
在日前调度的过程中，首先输入热电厂、风电场、火电厂、热负荷预测值、风电预测值以及SPDR优化后电负荷等相关参数，生成热电负荷预测曲线和日前短期风电预测出力曲线。根据热负荷值的大小安排热电机组热出力，根据热网互联系统供热数学模型中ΔHL,u(c,t)的值判断热电机组间热网互联是否正常运行。再判断热电机组出力是否满足热平衡约束，若不满足，继续提高热电机组出力，直到满足热负荷平衡为止。根据不同热电机组热-电特性的差异，优化提高机组出力调节灵活性，确定各时段相应的电出力值，进而根据剩余电负荷值的大小安排火电机组与风电机组出力，判断热电机组、火电机组、风电机组出力是否满足电平衡约束，若不满足，提高火电机组出力，直到满足电平衡为止。
在日内调度的过程中，预测超短期风电出力，以日前调度计划为基础，每1h更新一次，安排即将到来的下一时段的调度计划。在此阶段中，考虑风变指导电价需求响应(WEPDR)，依据日前日内风电预测变化量引入价格需求弹性系数确定电价变化，从而响应优化各时刻负荷需求，配合源侧热网互联模式联合提高风电的上网空间，同理日前调度策略，按照先热平衡，后电平衡，风电优先上网的方式调度模型。
步骤4-4模型求解：利用改进的粒子群算法对模型进行求解。具体为：
1)粒子初始化，并根据实际气候环境、用户数据及组件参数求出每个粒子的局部最优解和全局最优解。2)计算每一个粒子的适应度，并判断粒子是否符合约束。3)比较粒子适应值与它的个体最优解pbest，如果优于pbest，则pbest为当前粒子位置；比较粒子pbest和全局最优解gbest，如果优于gbest，则此粒子的pbest为gbest；4)更新粒子的速度和位置。5)继续迭代直至达到最大迭代次数，并输出结果。
本发明提供的一种考虑需求响应的综合能源系统两阶段调度方法，采用先平衡热负荷，后平衡电负荷的方式，利用热网互联模式下的热电联产机组群对所有供热区域进行集体供热，根据不同机组电热特性不同原理，合理分配热负荷，提高热电机组调节灵活性；日前调度的过程中引入基于模糊聚类的分段电价优化负荷曲线，热电联产机组通过合理分配热负荷优化出力后剩余电负荷首先由风电出力满足，若风电出力不能满足电负荷需求时，启用火电机组出力，保证整个系统的电平衡；在日内调度的过程中，基于热网互联的模式引入风变指导电价优化日内负荷曲线，同理日内调度的方式来保证整个系统的电平衡。
如图12所示，本发明还提供了一种考虑需求响应的综合能源系统两阶段调度系统，包括：
热网互联系统供热数学模型建立模块201，用于建立热网互联系统供热数学模型。需求响应成本模型建立模块202，用于以分段电价和风变指导电价为约束条件，采用日前日内两阶段调度方式，建立分段电价需求响应成本模型和风变指导电价需求响应成本模型。优化模型模型建立模块203，用于根据所述热网互联系统供热数学模型、所述分段电价需求响应成本模型和所述风变指导电价需求响应成本模型，建立考虑需求响应及热网互联的优化模型；所述优化模型包括日前计划调度模型目标函数、日前计划调度模型目标函数的约束条件、日内计划调度模型目标函数以及日内计划调度模型目标函数的约束条件。优化运行结果确定模块204，用于采用动态惯性权重改进粒子群算法，求解考虑需求响应及热网互联的优化模型，确定优化运行结果；所述优化运行结果为:热电机组热出力(因热电机组热出力可以确定其电出力，本发明提供优化后的热出力)，常规机组电出力，风电上网量(风电机组由编号0代替)如上表1-表3所示。
热网互联模型运行在两阶段的调度方法下，煤耗成本可节省至1103.67万元，风电消纳率提升至93.8％，由此可得，采用热网互联的运行模式与日前日内两阶段需求响应两者协调运行可实现风电消纳量最大并获得最佳经济性。对比风电消纳情况如图13所示。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种考虑需求响应的综合能源系统两阶段调度方法，其特征在于，包括：
建立热网互联系统供热数学模型；
以分段电价和风变指导电价为约束条件，采用日前日内两阶段调度方式，建立分段电价需求响应成本模型和风变指导电价需求响应成本模型；
根据所述热网互联系统供热数学模型、所述分段电价需求响应成本模型和所述风变指导电价需求响应成本模型，建立考虑需求响应及热网互联的优化模型；所述优化模型包括日前计划调度模型目标函数、日前计划调度模型目标函数的约束条件、日内计划调度模型目标函数以及日内计划调度模型目标函数的约束条件；
采用动态惯性权重改进粒子群算法，求解考虑需求响应及热网互联的优化模型，确定优化运行结果；所述优化运行结果包括热电机组热出力、常规机组电出力和风电上网量。
2.根据权利要求1所述的一种考虑需求响应的综合能源系统两阶段调度方法，其特征在于，所述热网互联系统供热数学模型为
其中，
为第t时刻第z供热区域第c热电机组的热力输出功率；HL,z,t为第t时刻第z供热区域的热负荷；m为供热区域总数量；Nc,z为区域z热电机组的个数。
3.根据权利要求1所述的一种考虑需求响应的综合能源系统两阶段调度方法，其特征在于，所述日前调度分段电价需求响应成本模型的成本函数为：
其中，πrq为分段电价指导负荷的调度成本。
4.根据权利要求1所述的一种考虑需求响应的综合能源系统两阶段调度方法，其特征在于，所述日内调度风变指导电价需求响应成本模型的成本函数为
其中，πrn为日内风变指导电价调度负荷成本。
5.根据权利要求1所述的一种考虑需求响应的综合能源系统两阶段调度方法，其特征在于，所述日前计划调度模型目标函数为
其中，T为1个调度周期的总时段数；NG为常规机组数；NC为CHP机组数；Nw为风电场个数；Cg,t和Cc,t分别为常规机组和CHP机组的煤耗成本；cW为弃风单位惩罚费用；
为日前弃风量，
wi,t为第t时刻第i风电场的实际出力，
为第t时刻第i风电场短期预测出力；
为日前单位时段SPDR成本，
所述日前计划调度模型目标函数的约束条件包括电力平衡约束条件、热力平衡约束条件、常规机组约束条件、热电联产机组约束条件、网络安全约束条件、风电出力约束条件和负荷响应约束条件。
6.根据权利要求1所述的一种考虑需求响应的综合能源系统两阶段调度方法，其特征在于，所述日内计划调度模型目标函数为
其中，Cc,t为日内调度第t时刻第c热电机组的出力成本，Cg,t为日内调度第t时刻第g火电机组的发电成本，
为日内弃风量，
由于机组频繁调度会一定程度上增加机组的运行维护成本；
为日内单位时段WEPDR成本，
Cd为机组运行计划变化而额外增加的成本，Cd＝Cg,d+Cc,d；
所述日内计划调度模型目标函数的约束条件包括功率平衡约束条件、负荷响应用户满意度约束条件、热力平衡约束条件、常规机组约束条件、热电联产机组约束条件、网络安全约束条件、风电出力约束条件和负荷响应约束条件。
7.根据权利要求1所述的一种考虑需求响应的综合能源系统两阶段调度方法，其特征在于，所述采用动态惯性权重改进粒子群算法，求解考虑需求响应及热网互联的优化模型，确定优化运行结果，具体包括：
获取第一初始输入值；所述初始输入值包括机组参数、热负荷预测值、日前SPDR响应后的电负荷预测值以及日前短期风电预测出力；
根据所述所述第一初始输入值、所述日前计划调度模型目标函数以及所述日前计划调度模型目标函数的约束条件，采用动态惯性权重改进粒子群算法，确定第一优化运行结果；所述第一优化运行结果包括热电机组热出力、常规机组电出力和风电上网量；
获取第二初始输入值；所述第二初始输入值包括机组参数、热负荷预测值和日内风电超短期风电预测数据；
根据所述所述第二初始输入值、所述日内计划调度模型目标函数以及所述日内计划调度模型目标函数的约束条件，采用动态惯性权重改进粒子群算法，确定第二优化运行结果；所述第二优化运行结果包括热电机组热出力、常规机组电出力和风电上网量。
8.一种考虑需求响应的综合能源系统两阶段调度系统，其特征在于，包括：
热网互联系统供热数学模型建立模块，用于建立热网互联系统供热数学模型；
需求响应成本模型建立模块，用于以分段电价和风变指导电价为约束条件，采用日前日内两阶段调度方式，建立分段电价需求响应成本模型和风变指导电价需求响应成本模型；
优化模型模型建立模块，用于根据所述热网互联系统供热数学模型、所述分段电价需求响应成本模型和所述风变指导电价需求响应成本模型，建立考虑需求响应及热网互联的优化模型；所述优化模型包括日前计划调度模型目标函数、日前计划调度模型目标函数的约束条件、日内计划调度模型目标函数以及日内计划调度模型目标函数的约束条件；
优化运行结果确定模块，用于采用动态惯性权重改进粒子群算法，求解考虑需求响应及热网互联的优化模型，确定优化运行结果；所述优化运行结果如下包括热电机组热出力、常规机组电出力和风电上网量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010147097.4A CN111291942B (zh) | 2020-03-05 | 2020-03-05 | 一种考虑需求响应的综合能源系统两阶段调度方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010147097.4A CN111291942B (zh) | 2020-03-05 | 2020-03-05 | 一种考虑需求响应的综合能源系统两阶段调度方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111291942A true CN111291942A (zh) | 2020-06-16 |
| CN111291942B CN111291942B (zh) | 2023-09-26 |
Family
ID=71028601
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010147097.4A Active CN111291942B (zh) | 2020-03-05 | 2020-03-05 | 一种考虑需求响应的综合能源系统两阶段调度方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111291942B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111695742A (zh) * | 2020-06-22 | 2020-09-22 | 南方电网科学研究院有限责任公司 | 一种综合能源系统日前调度区间优化方法、系统及设备 |
| CN111950807A (zh) * | 2020-08-26 | 2020-11-17 | 华北电力大学（保定） | 计及不确定性与需求响应的综合能源系统优化运行方法 |
| CN112039057A (zh) * | 2020-08-17 | 2020-12-04 | 云南电网有限责任公司丽江供电局 | 一种基于两阶段调度的低电压治理方法 |
| CN112308433A (zh) * | 2020-11-03 | 2021-02-02 | 东北电力大学 | 一种风电电力调度方法及系统 |
| CN112419087A (zh) * | 2020-11-20 | 2021-02-26 | 国网江苏省电力有限公司南京供电分公司 | 一种聚合综合能源楼宇的虚拟电厂日前优化调度方法 |
| CN112529256A (zh) * | 2020-11-24 | 2021-03-19 | 华中科技大学 | 考虑多重不确定性的分布式电源集群日前调度方法和系统 |
| CN112668791A (zh) * | 2020-12-30 | 2021-04-16 | 华北电力大学（保定） | 热电联供系统的优化方法 |
| CN113128775A (zh) * | 2021-04-26 | 2021-07-16 | 山东大学 | 考虑需求响应和耦合度的综合能源系统调度方法及装置 |
| CN113159985A (zh) * | 2021-03-26 | 2021-07-23 | 东北大学 | 一种电热综合能源系统的两阶段优化调度方法 |
| CN113256009A (zh) * | 2021-05-31 | 2021-08-13 | 东南大学 | 一种基于气热惯性的两阶段多备用配置方法、系统和装置 |
| CN113852132A (zh) * | 2021-06-03 | 2021-12-28 | 华北电力大学 | 一种基于提高风电消纳能力的日前电-气耦合协调调度方法 |
| CN114050571A (zh) * | 2021-11-22 | 2022-02-15 | 沈阳工业大学 | 一种考虑碳流的综合能源系统能量枢纽管控方法 |
| CN115018198A (zh) * | 2022-06-30 | 2022-09-06 | 国网河南省电力公司经济技术研究院 | 一种考虑差异化需求响应方案的居民用户用电优化策略 |
| CN117674302A (zh) * | 2024-02-01 | 2024-03-08 | 浙江省白马湖实验室有限公司 | 一种基于两阶段集成学习的热电联供负荷调度方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014110878A1 (zh) * | 2013-01-16 | 2014-07-24 | 国电南瑞科技股份有限公司 | 风火协调调度模式下日前调度计划优化辅助分析方法 |
| CN106651473A (zh) * | 2017-01-23 | 2017-05-10 | 国网福建省电力有限公司 | 考虑日前小时电价和多种需求响应促进风电接纳水平方法 |
| 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 |
| CN107590579A (zh) * | 2017-07-18 | 2018-01-16 | 燕山大学 | 一种利用热网储能特性的热‑电系统联合经济调度方法 |
| CN108460482A (zh) * | 2018-01-31 | 2018-08-28 | 南京理工大学 | 考虑可中断负荷和日前小时电价的风电消纳方法 |
| CN108667012A (zh) * | 2018-05-21 | 2018-10-16 | 国网山东省电力公司电力科学研究院 | 基于多场景的区域能源互联网源荷储双阶段协调优化方法 |
| CN109193815A (zh) * | 2018-10-17 | 2019-01-11 | 燕山大学 | 一种提高风电消纳的热电联合调度方法 |
| CN109412158A (zh) * | 2018-11-30 | 2019-03-01 | 国家电网公司西南分部 | 一种考虑弃能成本约束的送端电网机组组合运行控制方法 |
| CN110009262A (zh) * | 2019-04-28 | 2019-07-12 | 国网福建省电力有限公司福州供电公司 | 一种主动配电网的日前-日内两阶段优化调度方法 |
| AU2019101104A4 (en) * | 2019-09-25 | 2019-10-31 | Southeast University | An optimal dispatching method of multi-region power and gas coupled integrated energy system using tiered gas tariff |
| CN110796373A (zh) * | 2019-10-30 | 2020-02-14 | 国网辽宁省电力有限公司阜新供电公司 | 面向风电消纳的多阶段场景生成电热系统优化调度方法 |
| CN110807588A (zh) * | 2019-10-31 | 2020-02-18 | 国网河南省电力公司经济技术研究院 | 一种多能源耦合综合能源系统的优化调度方法 |
-
2020
- 2020-03-05 CN CN202010147097.4A patent/CN111291942B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014110878A1 (zh) * | 2013-01-16 | 2014-07-24 | 国电南瑞科技股份有限公司 | 风火协调调度模式下日前调度计划优化辅助分析方法 |
| CN106651473A (zh) * | 2017-01-23 | 2017-05-10 | 国网福建省电力有限公司 | 考虑日前小时电价和多种需求响应促进风电接纳水平方法 |
| 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 |
| CN107590579A (zh) * | 2017-07-18 | 2018-01-16 | 燕山大学 | 一种利用热网储能特性的热‑电系统联合经济调度方法 |
| CN108460482A (zh) * | 2018-01-31 | 2018-08-28 | 南京理工大学 | 考虑可中断负荷和日前小时电价的风电消纳方法 |
| CN108667012A (zh) * | 2018-05-21 | 2018-10-16 | 国网山东省电力公司电力科学研究院 | 基于多场景的区域能源互联网源荷储双阶段协调优化方法 |
| CN109193815A (zh) * | 2018-10-17 | 2019-01-11 | 燕山大学 | 一种提高风电消纳的热电联合调度方法 |
| CN109412158A (zh) * | 2018-11-30 | 2019-03-01 | 国家电网公司西南分部 | 一种考虑弃能成本约束的送端电网机组组合运行控制方法 |
| CN110009262A (zh) * | 2019-04-28 | 2019-07-12 | 国网福建省电力有限公司福州供电公司 | 一种主动配电网的日前-日内两阶段优化调度方法 |
| AU2019101104A4 (en) * | 2019-09-25 | 2019-10-31 | Southeast University | An optimal dispatching method of multi-region power and gas coupled integrated energy system using tiered gas tariff |
| CN110796373A (zh) * | 2019-10-30 | 2020-02-14 | 国网辽宁省电力有限公司阜新供电公司 | 面向风电消纳的多阶段场景生成电热系统优化调度方法 |
| CN110807588A (zh) * | 2019-10-31 | 2020-02-18 | 国网河南省电力公司经济技术研究院 | 一种多能源耦合综合能源系统的优化调度方法 |
Non-Patent Citations (3)
| Title |
|---|
| YANG, LIJUN 等: "Economic Dispatch of Multi Region Electric and Heat Energy System Using Two Stage Demand Response for Better Integration of Wind Power", 《JOURNAL OF ELECTRICAL ENGINEERING & TECHNOLOGY》 * |
| 杨丽君 等: "基于热网储热特性的电-热系统联合经济调度", 《太阳能学报》 * |
| 韩旗: "计及需求响应消纳风电的电-热综合能源系统经济调度", 《CNKI》 * |
Cited By (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111695742A (zh) * | 2020-06-22 | 2020-09-22 | 南方电网科学研究院有限责任公司 | 一种综合能源系统日前调度区间优化方法、系统及设备 |
| CN112039057A (zh) * | 2020-08-17 | 2020-12-04 | 云南电网有限责任公司丽江供电局 | 一种基于两阶段调度的低电压治理方法 |
| CN112039057B (zh) * | 2020-08-17 | 2023-10-03 | 云南电网有限责任公司丽江供电局 | 一种基于两阶段调度的低电压治理方法 |
| CN111950807B (zh) * | 2020-08-26 | 2022-03-25 | 华北电力大学（保定） | 计及不确定性与需求响应的综合能源系统优化运行方法 |
| CN111950807A (zh) * | 2020-08-26 | 2020-11-17 | 华北电力大学（保定） | 计及不确定性与需求响应的综合能源系统优化运行方法 |
| CN112308433B (zh) * | 2020-11-03 | 2023-11-24 | 东北电力大学 | 一种风电电力调度方法及系统 |
| CN112308433A (zh) * | 2020-11-03 | 2021-02-02 | 东北电力大学 | 一种风电电力调度方法及系统 |
| CN112419087B (zh) * | 2020-11-20 | 2022-10-04 | 国网江苏省电力有限公司南京供电分公司 | 一种聚合综合能源楼宇的虚拟电厂日前优化调度方法 |
| CN112419087A (zh) * | 2020-11-20 | 2021-02-26 | 国网江苏省电力有限公司南京供电分公司 | 一种聚合综合能源楼宇的虚拟电厂日前优化调度方法 |
| CN112529256A (zh) * | 2020-11-24 | 2021-03-19 | 华中科技大学 | 考虑多重不确定性的分布式电源集群日前调度方法和系统 |
| CN112529256B (zh) * | 2020-11-24 | 2024-03-22 | 华中科技大学 | 考虑多重不确定性的分布式电源集群日前调度方法和系统 |
| CN112668791A (zh) * | 2020-12-30 | 2021-04-16 | 华北电力大学（保定） | 热电联供系统的优化方法 |
| CN113159985A (zh) * | 2021-03-26 | 2021-07-23 | 东北大学 | 一种电热综合能源系统的两阶段优化调度方法 |
| CN113159985B (zh) * | 2021-03-26 | 2023-10-31 | 东北大学 | 一种电热综合能源系统的两阶段优化调度方法 |
| CN113128775B (zh) * | 2021-04-26 | 2023-03-31 | 山东大学 | 考虑需求响应和耦合度的综合能源系统调度方法及装置 |
| CN113128775A (zh) * | 2021-04-26 | 2021-07-16 | 山东大学 | 考虑需求响应和耦合度的综合能源系统调度方法及装置 |
| CN113256009A (zh) * | 2021-05-31 | 2021-08-13 | 东南大学 | 一种基于气热惯性的两阶段多备用配置方法、系统和装置 |
| CN113256009B (zh) * | 2021-05-31 | 2023-11-28 | 东南大学 | 一种基于气热惯性的两阶段多备用配置方法、系统和装置 |
| CN113852132A (zh) * | 2021-06-03 | 2021-12-28 | 华北电力大学 | 一种基于提高风电消纳能力的日前电-气耦合协调调度方法 |
| CN114050571B (zh) * | 2021-11-22 | 2024-04-09 | 沈阳工业大学 | 一种考虑碳流的综合能源系统能量枢纽管控方法 |
| CN114050571A (zh) * | 2021-11-22 | 2022-02-15 | 沈阳工业大学 | 一种考虑碳流的综合能源系统能量枢纽管控方法 |
| CN115018198B (zh) * | 2022-06-30 | 2024-08-09 | 国网河南省电力公司经济技术研究院 | 一种考虑差异化需求响应方案的居民用户用电优化方法 |
| CN115018198A (zh) * | 2022-06-30 | 2022-09-06 | 国网河南省电力公司经济技术研究院 | 一种考虑差异化需求响应方案的居民用户用电优化策略 |
| CN117674302A (zh) * | 2024-02-01 | 2024-03-08 | 浙江省白马湖实验室有限公司 | 一种基于两阶段集成学习的热电联供负荷调度方法 |
| CN117674302B (zh) * | 2024-02-01 | 2024-05-03 | 浙江省白马湖实验室有限公司 | 一种基于两阶段集成学习的热电联供负荷调度方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111291942B (zh) | 2023-09-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111291942B (zh) | 一种考虑需求响应的综合能源系统两阶段调度方法及系统 | |
| Liu et al. | Two-phase collaborative optimization and operation strategy for a new distributed energy system that combines multi-energy storage for a nearly zero energy community | |
| CN110163443B (zh) | 考虑电-气综合需求响应的天然气调压站微能网优化调度方法 | |
| CN103151797B (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
| CN109740827A (zh) | 一种基于双层优化的区域综合能源系统规划优化方法 | |
| CN103580061B (zh) | 微电网运行方法 | |
| CN111340274A (zh) | 一种基于虚拟电厂参与的综合能源系统优化方法和系统 | |
| CN108009693A (zh) | 基于两级需求响应的并网微电网双层优化方法 | |
| CN112465181A (zh) | 一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法 | |
| Chen et al. | Economic and environmental operation of power systems including combined cooling, heating, power and energy storage resources using developed multi-objective grey wolf algorithm | |
| CN105337303A (zh) | 一种含热泵的热电联产型微电网容量优化配置方法 | |
| CN105427017B (zh) | 一种水电富集电网特大规模电站群短期计划编制方法 | |
| CN111681130A (zh) | 一种考虑条件风险价值的综合能源系统优化调度方法 | |
| CN113241757A (zh) | 一种考虑柔性负荷与ess-sop的多时间尺度优化调度方法 | |
| CN113592365B (zh) | 一种考虑碳排放与绿电消纳的能源优化调度方法及系统 | |
| CN110796279A (zh) | 一种多能互补优化运行方法与系统 | |
| CN112200348A (zh) | 一种计及综合需求响应的区域综合能源系统多目标运行决策方法 | |
| CN116436039A (zh) | 一种虚拟电厂辅助电网二次调频优化调度方法及装置 | |
| CN115498668A (zh) | 一种综合能源系统的优化方法 | |
| Tang et al. | Multi-objective optimal dispatch for integrated energy systems based on a device value tag | |
| CN117852712B (zh) | 一种海岛综合能源系统的优化方法 | |
| Liu et al. | Multi-objective optimal scheduling of community integrated energy system considering comprehensive customer dissatisfaction model | |
| Wang et al. | Multi-time scale optimization study of integrated energy system considering dynamic energy hub and dual demand response | |
| CN113555907A (zh) | 一种考虑非理想通信情况的分布式多能系统滚动优化控制方法 | |
| CN113991640A (zh) | 基于火电的多能互补能源基地能源配置规划方法 |
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 |