CN111344724A - 微电网的控制 - Google Patents

微电网的控制 Download PDF

Info

Publication number
CN111344724A
CN111344724A CN201780097054.6A CN201780097054A CN111344724A CN 111344724 A CN111344724 A CN 111344724A CN 201780097054 A CN201780097054 A CN 201780097054A CN 111344724 A CN111344724 A CN 111344724A
Authority
CN
China
Prior art keywords
optimization
control
time interval
draw
network device
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
Application number
CN201780097054.6A
Other languages
English (en)
Inventor
M.西登施万茨
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.)
Siemens AG
Original Assignee
Siemens AG
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 Siemens AG filed Critical Siemens AG
Publication of CN111344724A publication Critical patent/CN111344724A/zh
Pending legal-status Critical Current

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/021—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a variable is automatically adjusted to optimise the performance
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/10—The dispersed energy generation being of fossil origin, e.g. diesel generators
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • Y02P80/14—District level solutions, i.e. local energy networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Power Engineering (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种用于电网络装置（10）的控制方法，所述电网络装置包括一个或多个发电装置（12、14）以及一个或多个蓄电器（16）。网络装置（10）可控地与主网（100）连接或可连接用以汲取电流。定义电流汲取定额（E1），所述电流汲取定额被设置用于在汲取时间区间（T1）内通过网络装置（10）从主网（100）进行汲取。所述控制方法包括：基于电流汲取定额（E1）对于小于汲取时间区间（T1）的控制时间区间（T2）确定一个或多个优化条件；以及基于具有小于（T2）的步长（T3）的时间步在针对控制时间区间（T2）的一个或多个优化条件的基础上执行优化参量的优化。该方法此外包括基于优化来操控网络装置。本发明还涉及所分配的方法和设备。

Description

微电网的控制
技术领域
本发明涉及电网络装置或微电网的控制。尤其是描述控制方法、控制设备和网络装置。
背景技术
电网络装置（也称为微电网（Microgrid））可以在本地提供电能，并且即使在不连接至电网或主网的情况下也能运行。微电网通常包括由一个共同的控制装置控制的组件、例如一个或多个发电装置和一个或多个蓄电器。
例如，在“Optimization of On-site Renewable Energy Generation forIndustrial Sites”（S. Ruangpattana，D. Klabjan，J.Arinez和S. Biller IEEE PowerSystems Conference and Exposition，2011）中描述了用于微电网的基于MILP（MixedInteger Linear Program, 混合整数线性程序）的控制方法。在此阐述一种优化方案，该优化方案预见性地在相对短的时间间隔内操控微电网的组件。
但是，为了均衡需求峰值或不足的容量，它们经常连接到主网，以便能够取得电流。在此通常存在技术上的或经济上的（例如协定的）条件，所述条件规定在特定的时间段上汲取规定的电流量（例如每月定额）。如果所述量被超过或未被超过特定的值，则例如因为产生附加的成本或能量损耗，所以微电网的运行效率可能受到限制。
发明内容
本发明的任务是提供对网络装置或微电网的优化控制，所述控制在优化时考虑在较长的时间段上要从主网汲取的电流量。
相应地，根据本发明设置一种用于电网络装置的控制方法。该网络装置包括一个或多个发电装置和一个或多个蓄电器，并且可控制地与主网连接或可连接用于汲取电流。此外定义了电流汲取定额，所述电流汲取定额被设置用于在汲取时间区间内通过网络装置从主网进行汲取。该控制方法包括基于电流汲取定额对于小于汲取时间区间的控制时间区间确定一个或多个优化条件。该方法此外包括：基于具有小于控制时间区间的步长的时间步在针对控制时间区间的一个或多个优化条件的基础上执行优化参量的优化，以及基于优化的结果来操控网络装置。因此根据本发明，已经在短期规划时考虑从主网的长期汲取，由此可以避免或减少低效率和成本。在下文中，同义地使用术语网络装置和微电网。时间区间也可以被称为时间段或区段或持续时间。
例如在使用MILP方法的情况下，该优化可以是在控制时间区间上的预见性优化。因此，可以高效地计算优化，并且可以考虑例如在负载和/或发电方面典型变化的时标。
可以滚动地和/或重复地执行优化。例如，可以以特定的间隔、例如每天或每隔12小时重复地重新执行优化，和/或滚动地执行优化，使得在每N个完成的或运行的时间步之后，以推移了N个时间步的控制时间区间来执行新的优化，其中N尤其是可以是1。控制时间区间在此在其宽度方面可以保持为恒定的，或者可以改变宽度。这样可以对运行条件的短期变化作出反应，例如天气骤变、突然增加的电流需求或组件失灵。
一个或多个优化条件可以基于针对控制时间区间和/或汲取时间区间的需求假设。尤其是，需求假设可以用作用于预见性优化的基础。需求假设尤其是可以映射在控制时间区间中和/或在汲取时间区间中的预测性汲取的时间变化过程，例如每个时间步，例如作为累积的电流量汲取或能量汲取或作为绝对汲取。
电流汲取定额可以位于接受区间内。尤其是，该优化可以被设计为在汲取时间区间上将电流汲取保持在该接受区间中，或者至少最小化或优化对该区间的超过或未超过，必要时考虑其他选择条件、低效率或成本。接受区间可以说明可以被汲取的电流量的下限和上限。如果在汲取时间段之内汲取的电流的量位于接受区间之内，则可以认为满足汲取电流定额的条件。尤其是，于是例如根据协定规则，可以避免其他成本或低效率。可以基于接受区间在接受条带（Akzeptanzstreifen）中提供和/或确定需求假设，所述接收条带可以与控制时间区间相关。例如当成本是多级的时，可能存在多级接受区间和/或接受条带。
该优化尤其可以是成本优化。成本在此可以是金融或经济成本，或者本身被参数化。可替代地或附加地，成本可以例如被参数化为能量、电流、功率、损耗功率、能量损耗、电流损耗、时间损耗或延迟等，或者与之相关。
汲取时间区间可以是至少2周、或3或4周或者至少或恰好14天或者至少或恰好20天或者至少或恰好30或31天或者一个月。这样的区间不仅对主网运营商而且对微电网的运营商允许长期规划，由此尤其保证主网的长期稳定运行。因此，提供电流定额的双边能源协定通常涉及相应的汲取时间区间。
控制区间可以是48小时或更少或者24小时或更少或者12小时或更少。这样的区间可以例如匹配于电池组充电周期和/或匹配于消耗周期和/或发电机周期。可以规定，步长为控制区间的1/12或更小，例如为1/20或更小或者1/24或更小，在一些情况下，步长可以是15min或更多、30min或更多、45min或更多、 60min或更多、90min或更多或者120min或更多。
此外，设置一种用于电网络装置的控制设备，其中该控制设备被构造为执行和/或控制如这里描述的控制方法。控制设备通常可以被构造为集成电路，和/或包括集成电路。集成电路可以被构造为处理电路或处理器电路，和/或包括一个或多个处理器和/或控制器和/或处理器核和/或ASIC（专用集成电路（Application Specific IntegratedCircuitry））和/或FPGA（现场可编程门阵列（Field Programmable Gate Array））和/或存储器或存储介质。存储器或存储介质可以包括易失性或非易失性存储器，例如RAM（随机存取存储器（Random Access Memory））和/或ROM（只读存储器（Read-Only Memory））和/或闪存和/或光学存储器和/或磁存储器等等。控制设备可以被构造为可以具有一个或多个集成电路的计算机或计算机装置或控制器装置。该控制设备可以具有一个或多个接口，用于操控微电网和/或微电网的组件，和/或接收例如关于运行条件和/或组件状态的信息。该控制设备可以被集中化或分布例如在计算机装置的多个计算机上。
此外，描述了一种电网络装置，其包括这里描述的控制设备。
本发明可以被实现为计算机程序。该程序可以包括指令，所述指令使得在其上执行所述指令的控制设备执行和/或控制这里描述的方法。可以包括一个或多个存储介质和/或载体介质的存储介质组合可以存储计算机程序。存储介质和/或载体介质可以被构造为存储和/或传输指令和/或数据。计算机程序可以被构造为控制工具包（Steuerungswerkzeug）或控制工具（Steuerungstool）。
附图说明
本发明的上面描述的特性、特征和优点以及如何实现它们的方式结合实施例的以下描述变得更清楚和更明确地可理解，其中结合附图更详细地阐述所述实施例，其中图：
图1示出根据本发明的电网络装置；
图2示出根据本发明的方法；
图3示出示例性汲取时间区间；
图4示出示例性控制时间区间；
图5示出示例性汲取时间区间，其中控制时间区间嵌入所述汲取时间区间中。
具体实施方式
图1示出根据本发明的电网络装置10，所述电网络装置也被称为微电网。网络装置10包括一个或多个发电装置12、14。发电装置通常可以是能够提供电流的任何设备，例如内燃发电机、诸如柴油发电机，或者太阳能设备或风力发电设备。网络装置10此外包括一个或多个存储器或存储设备16。通常存储设备可以被构造为例如以电流的形式吸收和存储能量，并且必要时再次输出能量。输出电流或能量的存储设备也可以作为发电器起作用。存储设备的示例包括电池组、燃料电池、抽水蓄能器、蓄热器等。不同的发电器可以是不同的类型，类似地不同的存储设备可以是不同的类型。通常网络设备10的组件可以是单独地可操控的和可运行的，例如是彼此无关地可接通和可关断的。网络装置10此外可以具有一个或多个消耗器18，和/或可以连接或可连接到所述消耗器上，例如用于供电。控制设备20可以连接到各个组件上以便操控所述组件。通常而言，控制设备20可以被构造为基于共同的控制方法来操控组件12、14、16和其他组件。电网络装置10可以被认为是可独立运行的电网，其例如按照控制设备20可以与主电网或主网100连接或是与主电网或主网100可连接的。尤其是，网络装置10可以为了存储电流和/或为了汲取电流而与主网100连接或者可连接。主网可以例如是公用电网和/或具有比网络装置10大得多的容量的网络，例如至少10倍或至少100倍或至少1000倍更大的容量。在此例如可以以峰值功率或持续功率或最大存储容量或峰值电流强度代表容量。为了在网络装置10和主网100之间连接以及为了连接网络装置10的组件，可以设置合适的电装置，例如变压器和/或转换器和/或电容器和/或谐振电路和/或其他电路。主网100和网络装置10可以具有不同的运营商。可以定义电流定额E1，该电流定额可以被设置用于在例如一个月的汲取时间区间T1上通过网络装置10从主网100进行汲取，例如基于主网运营商和网络装置的运营商之间的双边协定。控制设备20可以被构造为执行这里描述的控制方法。
图2示意性地示出根据本发明的控制方法的流程图，所述控制方法可以被构造为算法。该方法可以可选地包括例如基于输入来确定电流定额E1和/或汲取时间区间T1和/或接受时间区间和/或需求假设。该方法包括动作S10：对于控制时间区间T2基于电流汲取定额E1确定一个或多个优化条件。T2小于汲取时间区间T1。该方法进一步包括动作S12：基于具有步长T3的时间步在针对控制时间区间T2的一个或多个优化条件的基础上来执行优化参量的优化。T3小于T2。该优化方法尤其可以包括MILP方法，该MILP方法可以优选地以迭代、滚动的方式或优选地以迭代、重复或滚动的方式来执行。此外，作为动作S14，该方法包括基于优化来操控网络装置，例如对于根据时间步的时间点。这些动作可以由所分配的模块、例如程序模块来执行，所述模块可以是计算机程序的一部分。可以对于基于时间步确定的时间点进行操控。例如对于每一步，可以添加所分配的步长以形成由先前步的步长和输出值或输出时间点组成的总和，并且可以在特定的时间点执行操控。
优化条件通常可以是在优化时考虑和/或使用的参数或参量和/或参量的条件和/或等式式和/或不等式和/或数学表达式。优化参量可以是以下参量，所述参量应该通过优化被优化、例如最小化或最大化。优化参量也可以被称为目标参量。优化参量可以由表达式和/或公式或者等式或者参数代表或定义，和/或基于一个或多个优化条件，和/或受一个或多个优化条件限制。控制变量可以是通过该方法直接或间接地控制或调节的变量。控制变量尤其可以涉及一个或多个组件的功率或电流输出或消耗，和/或尤其是来自主网的汲取。
在本公开的范围内，电流可以被看作电流或电能。电流量可以例如是可参数化为电流强度乘以时间或能量或功率乘以时间。通常，定额可以代表与特定时间段（例如汲取时间区间）相关的电流量。表述“长期的”可以涉及汲取时间区间，表述“短期的”可以涉及控制时间区间。汲取时间区间尤其可以是协定时间范围或协定时间段，控制时间区间尤其可以是规划时间段或规划范围。
对于电流定额示例性地，在具有网络连接（例如用于工业设备）的微电网的运营商与主电网运营商之间的双边能源协定中可以约定在协定时间段Tmax（对应于汲取时间区间T1）中以固定价格c0/kWh（c0 pro kWh）要取用的能量量Y（对应于定额E1）。此外，可能存在公差水平，例如向下偏差，即较少的能量被取用，以及向上偏差，即更多的能量被取用，其中继续保证价格c0/kWh。公差水平代表接受区间。以下参数应该描述所述公差水平：
Figure 136147DEST_PATH_IMAGE001
：在整个协定时间段Tmax内与约定的能量量的允许负偏差（以百分比为单位）
Figure 922838DEST_PATH_IMAGE002
：在整个协定时间段Tmax内与约定的能量量的允许正偏差（以百分比为单位）
如果因此在协定时间段Tmax结束时对于实际累积能量消耗Z适用的是：
Figure 874351DEST_PATH_IMAGE003
，
则不产生附加的成本。否则每kWH的成本增加到
Figure 62887DEST_PATH_IMAGE004
，如果
Figure 575908DEST_PATH_IMAGE005
Figure 849894DEST_PATH_IMAGE006
，如果
Figure 840984DEST_PATH_IMAGE008
。
对于微电网的成本优化运行，通过操控微电网的组件在负载分配时考虑这一事实。在一些变型中，用于微电网的优化可以具有从几小时直至一天的预测时间段或预见范围T，其对应于控制时间区间T2。一天例如是电池组使用规划的典型周期长度。对于更长的规划范围，对于在微电网中由其他发电器进行的所需要的电流产生和再生能量源的可用性的预测可能会变得更不可靠。规划程序的运行时间随规划范围的长度而增加。例如，基于MILP的控制工具可以以滚动的方式重新启动，并且由于在进行的运行中规划而仅有有限的时间来提供结果。相应地，太长的运行时间可能对时间步层面上的控制产生影响。
与从网络连接中汲取能量的双边协定的协定运行时间Tmax相比，控制工具的所描述的规划范围T因此明显较小。与此相应地，提出以下问题：在更短的时间范围上对微电网的滚动式控制中考虑仅涉及在协定时间段结束时的累积能量汲取的能量协定，以便最小化运行成本（用于从网络连接的能量汲取的成本也属于所述运行成本）。
首先，作为需求假设可以基于约定的能量量Y、电流定额El作为用于在汲取时间区间中预期的累积能量汲取的时间的函数y(t)来提供估计，例如对于时间段[0,Tmax]或[Tstart,Tstart+Tmax]，其中Tstart可以是起始时间点，例如月份开端。典型地，这样的需求估计是用于签订能源协定的基础并且应该是可提供的。示例性的可替代的估计可以基于在协定持续时间上的恒定消耗，使得作为累积消耗出现直线y(t)，其中y(0)=0或y(Tstart)=0和y(Tmax)=Y或y(Tstart+Tmax)=Y适用于所述直线，其中该恒定消耗对应于从主网中的恒定汲取。在一些实现中，需求假设的变化过程可以从历史数据中推导，所述历史数据可以例如映射对能量汲取的影响因子，例如其关于微电网或一个或多个组件（峰值负载时间，工作日/假日等）。
基于描述需求假设的该预期的能量消耗y(t)，同样可以作为时间的函数将针对累积能量汲取的下（低（lower））和上（高（upper））公差水平
Figure 382562DEST_PATH_IMAGE009
和
Figure 66484DEST_PATH_IMAGE010
确定为
Figure 562187DEST_PATH_IMAGE011
和
Figure 622547DEST_PATH_IMAGE012
。通过
Figure 254517DEST_PATH_IMAGE009
和
Figure 374920DEST_PATH_IMAGE013
确定针对需求假设y(t)的接受条带。
图3示出作为长期规划对于有30天的示例月的具有接受条带的示例性需求假设。在水平方向上示例性地绘制一个月的天数，在垂直方向上绘制累积的能量消耗。示范性地示出针对一个月的能量需求估计以及所属的下/上公差水平（此处
Figure 856454DEST_PATH_IMAGE014
和
Figure 454926DEST_PATH_IMAGE015
）。
可以基于这些参数来实施用于优化的程序或方法。例如，可以使用基于MILP的迭代式方案用于将双边能源协定（或其他长期要汲取的电流定额）集成到用于以预见性、滚动、成本最优的方式控制微电网的程序中。控制工具的控制时间区间、即规划范围[O，T]（典型地为24h）可以被划分为各个时间步或时间区间tn，其中
Figure 206981DEST_PATH_IMAGE016
，其中t0=0和tN=T。区间的步长或持续时间对于所有时间步可以是相同的或者可以变化。N例如可以是12或更多、24或更多、48或更多、72或更多。
可以使用以下变量和参数：
tn：时间区间n的开始，代替区间开端，也可以选择另一参考点，例如区间中心；
Figure 498285DEST_PATH_IMAGE017
：时间区间n的长度或步长
P(tn)：在时间区间n内来自网络的功率汲取（控制变量或控制变量之一）
Figure 968581DEST_PATH_IMAGE018
：直至时间区间n结束为止的预期的累积能量消耗
Figure 869278DEST_PATH_IMAGE019
：直至时间区间n结束为止的累积能量消耗的下限
Figure 210261DEST_PATH_IMAGE021
：直至时间区间n结束为止的累积能量消耗的上限
Figure 672466DEST_PATH_IMAGE022
：直至时间区间 n结束为止的实际累积能量消耗
Figure 630058DEST_PATH_IMAGE023
：在规划范围开始时的实际累积能量消耗
Figure 570332DEST_PATH_IMAGE024
：指示符变量，其说明实际累积能量消耗是否低于下限，也即如果
Figure 818953DEST_PATH_IMAGE025
，则为0，而如果
Figure 452059DEST_PATH_IMAGE026
，则为1
Figure 631368DEST_PATH_IMAGE027
：指示符变量，其说明实际累积能量消耗是否大于上限，也即如果
Figure 109754DEST_PATH_IMAGE028
，则为0，而如果
Figure 956487DEST_PATH_IMAGE029
，则为1
Figure 993451DEST_PATH_IMAGE030
：每kWh能量消耗的成本（根据能源协定）
Figure 925635DEST_PATH_IMAGE031
：如果在协定范围中取用小于最小约定能量量
Figure 207711DEST_PATH_IMAGE032
，每kWh能量消耗的成本
Figure 908951DEST_PATH_IMAGE033
：如果在协定范围中取用大于最大约定能量量
Figure 618281DEST_PATH_IMAGE035
，每kWh能源消耗的成本
Figure 536296DEST_PATH_IMAGE036
：针对在时间区间n内未超过/超过累积能量消耗的下限/上限的每kWh的惩罚成本
M：用于切换指示符变量
Figure 622064DEST_PATH_IMAGE037
和
Figure 177810DEST_PATH_IMAGE038
的经典MILP技术的大数目
在该示例中，能量消耗代表从主网中汲取。在考虑从主网中汲取的情况下，以下变型是可设想的，即其中能量消耗代表微电网的总能量消耗或电流消耗。
通常，可以设置针对超过和/或未超过的不同成本级别，所述成本级别例如分别在超过汲取的上限或下限之后增加。
借助于这些变量和参数，现在可以提供示例性混合整数线性程序（MILP），以便对系统的行为进行建模，并且最小化从违反双边能源协定的条件而产生的附加成本：
Figure 323621DEST_PATH_IMAGE039
Figure 964818DEST_PATH_IMAGE040
Figure 87232DEST_PATH_IMAGE041
Figure 763064DEST_PATH_IMAGE042
经由网络连接的功率点
Figure 814197DEST_PATH_IMAGE043
控制该程序。目标泛函数（Zielfunktional）（1）是对于在时间区间n内未超过或超过累积能量消耗的下限或上限的每kWh产生的惩罚成本
Figure 677111DEST_PATH_IMAGE044
的总和，并且应该被最小化。辅助条件（2）说明累积能量消耗
Figure 104681DEST_PATH_IMAGE045
由直至时间点tn的功率汲取得出（总和作为积分的时间离散近似）。借助于等式（3a）和（3b）对于每个时间步n表示在预期的累积能量消耗
Figure 867975DEST_PATH_IMAGE046
与下界限或上界限
Figure 355589DEST_PATH_IMAGE047
或
Figure 971378DEST_PATH_IMAGE048
之间的关系。不等式（4a）和（4b）负责指示符变量
Figure 937060DEST_PATH_IMAGE049
或
Figure 321905DEST_PATH_IMAGE050
恰好当在时间步n中的累积能量消耗小于下界限
Figure 478954DEST_PATH_IMAGE047
或大于上界限
Figure 582039DEST_PATH_IMAGE051
时为1（大M（Big-M）技术）。借助于不等式（5a）-（5c）负责仅当指示符变量是激活的时才发生附加的惩罚成本。时间区间n中的成本由能量汲取的乘积
Figure 351412DEST_PATH_IMAGE052
和成本差
Figure 590764DEST_PATH_IMAGE053
或
Figure DEST_PATH_IMAGE054
组成。应考虑的是，即使短期成本贡献cn发生在规划范围内，该短期成本贡献也不一定被实现。因为仅当来自短期规划的接受条带的偏差的总和大得足以累积地从长期规划的接受区间摆脱出来时，才实现成本。
在图4中阐明在短期日规划情况下的进程。示例性地在水平方向上绘制一天的小时，在垂直方向上绘制累积能量消耗。图5表明短期规划如何与图3的长期规划相比。在图5中，在水平方向上示例性地绘制一个月的天数并且在垂直方向上绘制累积能量消耗。在图4中标记了其中在一些时间步内超过或未超过接受条带的区域。
代替一次性日规划，可以执行具有定期再优化的滚动式规划。这可以通过方案、例如通过推移规划范围/控制时间区间和/或转交当前系统状态、例如在协定范围内的迄今累积的能量消耗z0来支持。
还可以考虑其他优化条件用以优化，所述其他优化条件例如可能涉及来自网络中各个发电器的组件模型的约束和成本、功率平衡、储备等。所描述的发明可以非常简单地被集成到现有的和将来的解决方案中。例如，等式（1）可以每n被扩展一个或多个成本贡献，或者cn可以被理解为不同成本贡献的向量或元组。可以添加关于这样的成本贡献的附加等式或不等式，所述等式或不等式例如可以代表各个网络装置组件的运行成本或条件。
与能源协定的整个时间段上例如用于设计/扩展微电网的基于MILP的长期规划相比，用于在考虑来自能源协定的依赖性的情况下以滚动的方式成本最优地控制微电网的所描述的迭代式方案具有一个或多个优点。完整协定时间段的基于MILP的提前规划产生非常大的优化问题。用于解决这样的问题的程序（求解程序）为此比对于短期规划的这样的程序需要明显更多的时间。由于运行时间以及对再生能量源以及网络中的能量需求的可用性的预测缺乏，使在利用具有长期方案的方案运行中对微电网的详细化控制易于出错。根据本发明，与规划范围相比，例如来自双边能源协定的长期定额可以被集成到用于微电网的详细化的短期控制工具中。
具有缓慢生长/推移的规划范围的短期滚动式规划比整个协定范围的先前规划精确得多。根据本发明的方案可以容易地被集成到用于控制微电网的现有的和将来的基于MILP的程序中。本发明补充用于成本高效地控制微电网的基于MILP的程序，并且非常良好地适用于具有在运行时间时的规划优化的复杂但运行关键的应用。
通常，本发明建议考虑长期条件和/或成本，其方式是，通过短期成本近似和相应的条件将所述长期条件和/或成本映射到短期规划范围上。
尽管已经通过优选的实施例在细节上较详细地图解和描述了本发明，但是本发明不受公开的示例限制，并且可以由本领域技术人员从中推导出其他变型，而不偏离本发明的保护范围。

Claims (10)

1.用于电网络装置（10）的控制方法，其中所述网络装置（10）包括一个或多个发电装置（12、14）和一个或多个蓄电器（16），其中所述网络装置（10）可控地与主网（100）连接或可连接用以汲取电流，其中此外定义电流汲取定额（E1），所述电流汲取定额被设置用以在汲取时间区间（TI）中通过所述网络装置（10）从所述主网（100）进行汲取，其中所述控制方法包括：
-基于所述电流汲取定额（E1）对于小于所述汲取时间区间（T1）的控制时间区间（T2）确定一个或多个优化条件；
-基于具有小于（T2）的步长（T3）的时间步在针对所述控制时间区间（T2）的一个或多个优化条件的基础上来执行对优化参量的优化；和
-基于所述优化来操控所述网络装置（10）。
2.根据权利要求1所述的控制方法，其中，所述优化是在所述控制时间区间（T2）上的预测性优化。
3.根据权利要求1或2所述的控制方法，其中，所述优化以滚动和/或重复的方式被执行。
4.根据权利要求1至3中任一项所述的控制方法，其中，所述一个或多个优化条件基于针对所述控制时间区间（T2）和/或所述汲取时间区间（T1）的需求假设。
5.根据权利要求1至4中任一项所述的控制方法，其中，所述电流汲取定额E1处于接受区间中。
6.根据权利要求1至5中任一项所述的控制方法，其中，所述优化是成本优化。
7.根据权利要求1至6中任一项所述的控制方法，其中，所述汲取时间区间为至少2周或3或4周或者30或31天或者一个月。
8.根据权利要求1至7中任一项所述的控制方法，其中，所述控制区间为48小时或更少或者24小时或更少或者12小时或更少。
9.用于电网络装置（10）的控制设备（20），其中所述控制设备（20）被构造为执行根据权利要求1至8中任一项所述的控制方法。
10.电网络装置（10），其包括根据权利要求9所述的控制设备（20）。
CN201780097054.6A 2017-11-20 2017-11-20 微电网的控制 Pending CN111344724A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/EP2017/079780 WO2019096424A1 (de) 2017-11-20 2017-11-20 Steuerung von microgrids

Publications (1)

Publication Number Publication Date
CN111344724A true CN111344724A (zh) 2020-06-26

Family

ID=60702595

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780097054.6A Pending CN111344724A (zh) 2017-11-20 2017-11-20 微电网的控制

Country Status (4)

Country Link
US (1) US20210175717A1 (zh)
EP (1) EP3682387A1 (zh)
CN (1) CN111344724A (zh)
WO (1) WO2019096424A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102022118176A1 (de) 2022-07-20 2024-01-25 Rolls-Royce Solutions GmbH Verfahren zum Betreiben eines Leistungsbereitstellungsnetzwerks, Steuervorrichtung zur Durchführung eines solchen Verfahrens und Leistungsbereitstellungsnetzwerk mit einer solchen Steuervorrichtung

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090271241A1 (en) * 2008-04-29 2009-10-29 Sas Institute Inc. Computer-Implemented Systems And Methods For Pack Optimization
US20100274408A1 (en) * 2009-04-23 2010-10-28 Stiles Jr Robert W Energy production and consumption matching system
US20100314942A1 (en) * 2009-06-15 2010-12-16 Google Inc. Supplying grid ancillary services using controllable loads
CN102810186A (zh) * 2012-08-01 2012-12-05 江苏省电力设计院 多时间尺度微网能量优化管理体系结构及其方法
US20140129040A1 (en) * 2012-11-06 2014-05-08 Ali Emadi Adaptive energy management system
US20160091904A1 (en) * 2014-09-29 2016-03-31 International Business Machines Corporation Hvac system control integrated with demand response, on-site energy storage system and on-site energy generation system

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090271241A1 (en) * 2008-04-29 2009-10-29 Sas Institute Inc. Computer-Implemented Systems And Methods For Pack Optimization
US20100274408A1 (en) * 2009-04-23 2010-10-28 Stiles Jr Robert W Energy production and consumption matching system
US20100314942A1 (en) * 2009-06-15 2010-12-16 Google Inc. Supplying grid ancillary services using controllable loads
CN102810186A (zh) * 2012-08-01 2012-12-05 江苏省电力设计院 多时间尺度微网能量优化管理体系结构及其方法
US20140129040A1 (en) * 2012-11-06 2014-05-08 Ali Emadi Adaptive energy management system
US20160091904A1 (en) * 2014-09-29 2016-03-31 International Business Machines Corporation Hvac system control integrated with demand response, on-site energy storage system and on-site energy generation system

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
DOLARA,A: "Optimization models for islanded micro-grids:a comparative anlysis between linear programming and mixed integer programming", 《ENERGIES》 *
PARISIO,A: "A model predictive control approach to microgrid operation optimization", 《IEEE TRANSACTIONS ON CONTROL SYSTEMS TECHNOLOGY》 *
朱洁: "基于混合整数线性规划的家庭微电网能量优化研究", 《电力系统保护与控制》 *
钟海旺等: "以直流联络线运行方式优化提升新能源消纳能力的新模式", 《电力系统自动化》 *

Also Published As

Publication number Publication date
WO2019096424A1 (de) 2019-05-23
EP3682387A1 (de) 2020-07-22
US20210175717A1 (en) 2021-06-10

Similar Documents

Publication Publication Date Title
Sachs et al. A two-stage model predictive control strategy for economic diesel-PV-battery island microgrid operation in rural areas
Wang et al. Dynamic control and optimization of distributed energy resources in a microgrid
Yang et al. Reliability evaluation of power system considering time of use electricity pricing
Xiong et al. Optimal planning of storage in power systems integrated with wind power generation
Nguyen et al. Stochastic optimization of renewable-based microgrid operation incorporating battery operating cost
Shu et al. Optimal operation strategy of energy storage system for grid-connected wind power plants
US20140350743A1 (en) Tiered power management system for microgrids
CN102474105B (zh) 电力系统的供求控制装置、供求控制程序及其存储介质
Scioletti et al. Optimal design and dispatch of a system of diesel generators, photovoltaics and batteries for remote locations
US20230384743A1 (en) Electrical system control for achieving long-term objectives, and related systems, apparatuses, and methods
JP2017130183A (ja) 総合され最適化された仮想発電所制御
Hooshmand et al. A novel cost-aware multi-objective energy management method for microgrids
US20180366951A1 (en) Renewable power system and sizing method for controllable plant associated with renewable power system
Shotorbani et al. Enhanced real-time scheduling algorithm for energy management in a renewable-integrated microgrid
Cominesi et al. Two-layer predictive control of a micro-grid including stochastic energy sources
KR101581685B1 (ko) 에너지 저장장치의 충방전 스케줄링 장치 및 방법
US20200341437A1 (en) Systems and Methods for Security Constrained Automatic Generation Control
KR20160128781A (ko) 에너지 저장 장치의 충방전 스케줄링 장치 및 방법
Park et al. MILP-based dynamic efficiency scheduling model of battery energy storage systems
Choobineh et al. End-user-aware community energy management in a distribution system exposed to extreme temperatures
Melatti et al. A two-layer near-optimal strategy for substation constraint management via home batteries
Wen et al. Optimal distributed energy storage investment scheme for distribution network accommodating high renewable penetration
de Carvalho Neiva Pinheiro et al. Reinforcement learning for electricity dispatch in grids with high intermittent generation and energy storage systems: A case study for the Brazilian grid
Valibeygi et al. Robust power scheduling for microgrids with uncertainty in renewable energy generation
Peivand et al. Wind curtailment mitigation in presence of battery energy storage and electric vehicle: A comprehensive multi-objective decision-support framework

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200626

RJ01 Rejection of invention patent application after publication