CN111555362B - 一种用于全可再生能源热电气储耦合系统的优化调控方法及装置 - Google Patents

一种用于全可再生能源热电气储耦合系统的优化调控方法及装置 Download PDF

Info

Publication number
CN111555362B
CN111555362B CN202010274000.6A CN202010274000A CN111555362B CN 111555362 B CN111555362 B CN 111555362B CN 202010274000 A CN202010274000 A CN 202010274000A CN 111555362 B CN111555362 B CN 111555362B
Authority
CN
China
Prior art keywords
day
ahead
optimization
load
supply system
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
Application number
CN202010274000.6A
Other languages
English (en)
Other versions
CN111555362A (zh
Inventor
李兵
牛洪海
余帆
陈霈
杨玉
娄清辉
高元
管晓晨
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.)
NR Electric Co Ltd
NR Engineering Co Ltd
Original Assignee
NR Electric Co Ltd
NR Engineering Co Ltd
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 NR Electric Co Ltd, NR Engineering Co Ltd filed Critical NR Electric Co Ltd
Priority to CN202010274000.6A priority Critical patent/CN111555362B/zh
Publication of CN111555362A publication Critical patent/CN111555362A/zh
Application granted granted Critical
Publication of CN111555362B publication Critical patent/CN111555362B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请提供一种用于全可再生能源热电气储耦合供能系统的优化调控方法、装置、电子设备及计算机可读介质。该优化调控方法包括：根据日前负荷预测对所述供能系统进行日前优化获得日前优化结果；根据日内负荷预测对所述日前优化结果进行修正获得日内优化结果；根据所述日内优化结果对所述系统中的设备进行实时控制和调节。在考虑了不确定性的日前优化基础上进行滚动的日前优化和实时调控，解决全可再生能源热电气储耦合供能系统的出力与冷热电负荷的随机性波动性问题，实现系统的安全经济运行。

Description

一种用于全可再生能源热电气储耦合系统的优化调控方法及 装置
技术领域
本申请涉及可再生能源运行与控制领域，具体涉及一种用于全可再生能源热电气储耦合供能系统的优化调控方法、装置、电子设备及计算机可读介质。
背景技术
全可再生能源热电气储耦合供能系统的运行调控与传统电力、供热等系统的调度存在较大差别，主要体现在：系统中供能侧与负荷之间耦合更加紧密，供能侧的可再生能源出力和用能侧的冷热电负荷需求均存在较强的随机性与波动性，造成了供能侧和用能侧同时具有双向不确定性；其次，系统同时为终端用户提供电能、热能等多种能源，存在耦合，所以需要综合考虑可再生能源出力、冷热电负荷需求、能源系统运行约束等因素来做出调控决策。此调控决策过程更加复杂。
目前，对于综合能源系统的优化调度主要集中在以化石燃料为主构建的综合能源系统中，而且仍存在以下问题有待解决：1)优化中对不确定性因素考虑不足，例如，风电等间歇性能源的输出功率通常作为常数来参与优化，导致调度计划偏离实际情况；2)忽略了长期和短时调度之间的协调配合；3)优化调度过程中没有考虑对优化控制过程的反馈校正，当短时间尺度内负荷及可再生能源出力的波动较大时，调度策略可能会失效。
因此，综合能源系统的优化调度方法不适用于过程更加复杂的全可再生能源热电气储耦合供能系统。为此需要研究全可再生能源热电气储耦合供能系统的运行特性，建立相应的优化调控机制，从而提高可再生能源的利用率，促进节能减排。
发明内容
本申请旨在提供一种用于全可再生能源热电气储耦合供能系统的优化调控方法，针对可再生能源出力与冷热电负荷的随机性波动性问题，建立系统复杂的优化调度决策和快速的实时控制的分层调控框，通过多时间尺度优化机制，实现系统的安全经济运行。
根据本申请的一方面，本申请提供一种全可再生能源热电气储耦合供能系统的优化调控方法，包括：
根据日前出力及负荷预测对所述供能系统进行日前优化获得日前优化结果；
根据日内负荷预测对所述日前优化结果进行修正获得日内优化结果；
根据所述日前优化结果和日内优化结果对所述系统中的设备进行实时控制和调节。
根据本申请的一些实施例，所述全可再生能源包括：风能、太阳能、生物质能、水能中的一种或多种；所述负荷包括：冷、热、电中的一种或多种。
根据本申请的一些实施例，所述日前优化，包括：
定义所述供能系统的日前优化模型；
根据所述供能系统的不确定性，定义出力及负荷日前预测；
根据所述出力及负荷日前预测对所述日前优化模型进行求解。
根据本申请的一些实施例，所述日前优化模型包括：
以所述供能系统运行成本最小为优化目标，按照以下公式进行表示，
Figure BDA0002444143240000031
Figure BDA0002444143240000032
其中，X(t)表示所述供能系统中t时刻各设备负荷的连续变量矩阵，U(t)表示所述系统供能中t时刻各设备启停值矩阵，
Figure BDA0002444143240000033
表示t时刻所述供能系统中可再生能源的出力日前预测矩阵，
Figure BDA0002444143240000034
表示t时刻所述供能系统的负荷日前预测矩阵，AU(t)+BX(t)≤G表示t时刻所述供能系统中各设备本身及设备之间的约束，
Figure BDA0002444143240000035
表示t时刻所述供能系统中的设备负荷约束，
Figure BDA0002444143240000036
表示t时刻所述供能系统的能量供需平衡约束，N表示调度间隔点，A、B、C、D、F表示对应约束下变量的系数矩阵，G表示常数列向量，C表示目标函数中系数列矩阵。
根据本申请的一些实施例，所述各设备本身及设备之间的约束包括：
设备调节容量约束或设备变负荷速率约束。
根据本申请的一些实施例，所述出力及负荷日前预测按照以下公式定义：
Figure BDA0002444143240000037
Figure BDA0002444143240000038
其中，ξlong(t)、Qlong(t)分别表示考虑不确定性后t时刻可再生能源的出力、负荷预测矩阵，
Figure BDA0002444143240000039
分别表示t时刻可再生能源出力、负荷预测的最大波动偏差矩阵。
根据本申请的一些实施例，所述日前优化模型的求解方法，包括：区间规划或鲁棒优化方法。
根据本申请的一些实施例，所述日前优化结果，包括：
设备启停值矩阵和最佳负荷值矩阵。
根据本申请的一些实施例，根据日内负荷预测对所述日前优化结果进行修正获得日内优化结果，包括：
按照以下公式定义所述供能系统的日内优化模型，
Figure BDA0002444143240000044
Figure BDA0002444143240000041
其中Uω(t)、Xω(t)分别表示所述日前优化获得的t时刻所述供能系统中各设备启停值、最佳负荷值矩阵，△X(k+j)表示k+j时刻各设备负荷的增量矩阵，
Figure BDA0002444143240000042
表示可再生能源出力短期预测矩阵，
Figure BDA0002444143240000043
表示可再生能源负荷短期预测矩阵，R、C表示目标函数中的系数列矩阵。
进一步地，根据日内负荷预测对所述日前优化结果进行修正获得日内优化结果，还包括：
在某一优化调度时刻对未来若干个优化计算周期进行出力和负荷短期预测；
根据所述出力和负荷短期预测对所述日内优化模型进行求解获得未来若干个优化计算周期内的设备最佳负荷增量序列；
将所述设备最佳负荷增量序列中的第一项作为下一个优化时刻的设备最佳负荷增量；
经过一个优化调度周期，在下一个优化调度时刻到来时，重复以上步骤。
根据本申请的一些实施例，根据所述日前优化和日内优化结果对所述系统中的设备进行实时控制和调节，包括：
将所述设备最佳负荷指令增量与所述最佳负荷值相结合作为最终优化结果。
本申请还提供一种用于全可再生能源热电气储耦合供能系统的优化调度装置，包括：
日前优化模块，根据日前负荷预测对所述供能系统进行日前优化获得日前优化结果；
日内优化模块，根据日内负荷预测对所述日前优化结果进行修正获得日内优化结果；
实时调控模块，根据所述日前优化结果和日内优化结果对所述系统中的设备进行实时控制和调节。
本申请还提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的日前调度优化方法。
本申请还提供一种计算机可读介质，其上存储有计算机程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述日前调度优化方法。
本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述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申请的一些实施例。
图1示出根据本申请示例实施例的全可再生能源热电气储耦合供能系统组成示意图。
图2示出根据本申请示例实施例的优化调控方法流程图。
图3示出根据本申请示例实施例的优化调控方法硬件架构示意图。
图4示出根据本申请示例实施例的优化调控装置组成框图。
图5示出根据本申请示例实施例的优化调控电子设备组成图。
具体实施方式
下面将参考附图更全面地描述示例实施例。然而，示例实施例能以多种形式实施，且不应被理解为限于在此阐述的实施例。提供这些实施例是为使得本申请更全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本申请的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本申请的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知方法、装置、实现或者操作以避免模糊本申请的各方面。
应理解，虽然本文中可能使用术语第一、第二等来描述各种组件，但这些组件不应受这些术语限制。这些术语乃用以区分一组件与另一组件。因此，下文论述的第一组件可称为第二组件而不偏离本申请概念的教示。如本文中所使用，术语“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
本领域技术人员可以理解，附图只是示例实施例的示意图，可能不是按比例的。附图中的模块或流程并不一定是实施本申请所必须的，因此不能用于限制本申请的保护范围。
针对全可再生能源热电气储耦合供能系统调控的特性，以及现有技术中传统综合能源系统的优化调度方法不适用于调控过程更加复杂的全可再生能源热电气储耦合供能系统的问题，本发明人提出一种用于全可再生能源热电气储耦合供能系统的优化调控方法，将日前优化与日内优化相结合，并采用不确定性优化、模型预测控制等先进算法，建立分层调控机制，解决全可再生能源热电气储耦合供能系统能源、负荷双向不确定性问题以及日内的随机性波动问题，保障系统的安全经济运行，提高可再生能源的利用率。
以下将结合附图，对本申请的技术方案进行详细说明。
图1示出根据本申请示例实施例的全可再生能源热电气储耦合供能系统组成示意图。
根据本申请的示例实施例，全可再生能源系统热电气储耦合供能系统可以是如图1中所示的能源系统。在如图1所示的能源系统中，可再生能源包括风能、太阳能、生物质能以及水能，但本申请不限于此。系统的负荷包括冷、热、电等。风能通过风机进行发电。太阳能通过光伏发电，也可以通过集热器产生热能。生物质气化后产生的燃气通过锅炉及蒸汽轮机进行发电，同时也可以通过内燃机、余热锅炉、吸收式制冷机组进行冷热电联供。水源热泵可以进行冷、热能源供应。系统中还包括了冷、热、电储能装置，用于削峰填谷。
图2示出根据本申请示例实施例的优化调控方法流程图。
如图2所示，本申请提供的用于全可再生能源热电气储耦合供能系统的优化调控方法包括以下步骤：
在步骤S210，根据日前出力及负荷预测对所述供能系统进行日前优化获得日前优化结果。所述日前优化的具体过程如下：
首先，定义所述供能系统的日前优化模型。日前优化模型包括目标函数和约束条件。根据本申请的示例实施例，日前优化的目标函数和约束条件按照以下公式进行表示：
Figure BDA0002444143240000071
Figure BDA0002444143240000072
其中，X(t)表示所述供能系统中t时刻各设备负荷的连续变量矩阵，U(t)表示所述系统供能中t时刻各设备启停值矩阵，
Figure BDA0002444143240000073
表示t时刻所述供能系统中可再生能源的出力日前预测矩阵，
Figure BDA0002444143240000081
表示t时刻所述供能系统的负荷日前预测矩阵，AU(t)+BX(t)≤G表示t时刻所述供能系统中各设备本身及设备之间的约束，
Figure BDA0002444143240000082
表示t时刻所述供能系统中的设备负荷约束，
Figure BDA0002444143240000083
表示t时刻所述供能系统的能量供需平衡约束，N表示调度间隔点，A、B、C、D、F表示对应约束下变量的系数矩阵，G表示常数列向量，C表示目标函数中系数列矩阵。
系统运行的优化目标可以是运行成本最小、能效最高、排放最少或综合最优等。根据本申请的示例实施例，所述日前优化模型以系统运行成本最小为优化目标，但本申请不限于此。
以系统运行成本最小为优化目标，以1小时的优化调度周期为例，所述系统优化模型的目标函数可以按照以下公式进行表示：
Figure BDA0002444143240000084
其中：
Figure BDA0002444143240000085
分别为在t时刻系统中生物质的价格与消耗量、外购电的价格与消耗量。风能、太阳能的成本可以忽略不计。因此所述系统的运行成本主要是生物质能的购买成本和水源热泵的用电成本。
在所述能源系统的运行过程中，各设备本身及设备之间的约束可以使用设备调节容量、变负荷速率约束来表达种。具体如下：
能量供需平衡约束条件中，不同能源负荷的平衡约束条件表达不同。以电平衡为例，约束条件可按以下公式进行表达：
Pwind+PPV+PGT+PST+Pstorage＝Pload，
其中：Pwind，PPV，PGT、PST、Pstorage分别为风机、光伏、内燃机、蒸汽轮机及储能的负荷。
设备调节容量、变负荷速率约束中，以燃气轮机为例，约束条件可按以下公式进行表达：
Figure BDA0002444143240000091
其中，Pmax_GT、Pmin_GT、uGT分别为燃气轮机的负荷调节上限、下限、调节速率，△t为调度间隔周期，△PGT为调度间隔周期内燃气轮机负荷增量。
设备负荷约束中，以风机为例，对于可再生能源发电设备，其最大出力受可再生能源约束，其t时刻发电负荷的约束条件需满足以下条件：
Figure BDA0002444143240000092
其中，
Figure BDA0002444143240000093
为t时刻风力发电的日前负荷预测值。
设备能耗特性约束，以燃气轮机为例，其设备能耗特性可以按照以下公式表示：
Fgas_GT＝f(PGT)；
其中，Fgas_GT为燃气轮机燃气消耗量。
接下来根据所述供能系统的不确定性，定义出力及负荷日前预测。考虑可再生能源的出力及冷热电负荷的日前预测不确定性后，日前出力及负荷预测可以按照以下公式表示：
Figure BDA0002444143240000094
Figure BDA0002444143240000095
其中：ξlong(t)、Qlong(t)分别为考虑不确定性后，t时刻可再生能源的出力及冷热电负荷的预测矩阵，
Figure BDA0002444143240000096
为t时刻可再生能源出力日前预测矩阵，
Figure BDA0002444143240000097
为t时刻冷热电负荷日前预测矩阵，
Figure BDA0002444143240000098
分别为t时刻可再生能源出力及冷热电负荷预测的最大波动偏差矩阵。
最后，根据所述出力及负荷日前预测对所述日前优化模型进行求解。在日前优化模型求解过程中，可以采用鲁棒优化或区间规划等方法处理上述含不确定性因素的优化问题。具体过程分为两阶段进行处理。第一阶段，求解获得各设备启停值矩阵，以0、1来表示，例如冷热电储能装置充放电模式及锅炉、燃气轮机等设备启停指令。在此基础上，进行第二阶段，获得系统中各设备的最佳负荷值矩阵。从而得到系统各个调度时刻对应点的各设备启停值和最佳负荷值。
在步骤S220，根据日内负荷预测对所述日前优化结果进行修正获得日内优化结果。
首先，按照以下公式定义所述供能系统的日内优化模型，包括日内优化目标函数和约束条件：
Figure BDA0002444143240000101
Figure BDA0002444143240000102
其中Uω(t)、Xω(t)分别表示所述日前优化获得的t时刻所述供能系统中各设备启停值、最佳负荷值矩阵，△X(k+j)表示k+j时刻各设备负荷的增量矩阵，
Figure BDA0002444143240000103
表示可再生能源出力短期预测矩阵，
Figure BDA0002444143240000104
表示可再生能源负荷短期预测矩阵，R、C表示目标函数中的系数列矩阵。
定义日内优化模型之后，在每一个优化调度时刻到来时，按照以下步骤进行滚动优化，具体过程如下：
在某一优化调度时刻对未来若干个优化计算周期进行出力和负荷短期预测。优化计算周期和优化计算周期的数量可以根据现场的控制需求进行设定。例如，优化计算周期可以设定为15分钟，优化计算周期的数量可以设置为4个。则，在当前优化调度时刻获得的出力和负荷短期预测包括4个时刻的预测值。短期预测可以通过对历史数据采用神经网络等成熟的预测算法而获得。
根据所述出力和负荷短期预测对所述日内优化模型进行求解获得未来若干个优化计算周期内的设备最佳负荷增量序列。以当前优化调度时刻1点钟、优化计算周期15分钟、优化计算周期数量4个为例，所述日内优化模型求解获得的结果为1点15分、1点30分、1点45分以及2点钟对应的设备最佳负荷增量序列。
接下来，将所述设备最佳负荷增量序列中的第一项作为下一个优化调度时刻的设备最佳负荷增量。例如，获得的对应1点15分的设备最佳负荷增量作为下一优化调度时刻即2点钟(优化调度周期为1小时)的设备最佳负荷增量。经过一个优化调度周期，在下一个优化调度时刻到来时，重复以上步骤，直至完成当天的日内优化。
在步骤S230，根据所述日前优化结果和日内优化结果对所述系统中的设备进行实时控制和调节。具体地，日内优化获得的某一优化调度时刻对应的设备最佳负荷增量与日前优化获得的对应时刻最佳负荷值相结合作为最终优化结果，对设备进行实时控制和调节。
图3示出根据本申请示例实施例的优化调控方法硬件架构示意图。
图2所示的优化调控方法可以通过如图3所示的硬件系统来实施分层调控。如图3所示，所示硬件系统包括机组设备层、就地控制系统层、智能管控系统层。机组设备层包括所述供能系统中的各种能源设备，例如风机、水源热泵等。就地控制系统层包括不同可再生能源系统的控制系统，例如风力发电控制系统、水源热泵控制系统等。就地控制系统与机组设备直接相连，对机组设备进行调控。智能管控系统层由协调控制器组成，分别于就地控制系统相连，同时相互之间进行数据传输，实现各种可再生能源系统的协调控制。
图4示出根据本申请示例实施例的优化调度装置组成框图。
根据一些实施例，本申请还提供一种用于全可再生能源热电气储耦合供能系统的优化调控装置300，包括日前优化模块310、日内优化模块320和实时调控模块330。其中，
日前优化模块310，根据日前负荷预测对所述供能系统进行日前优化获得日前优化结果。具体过程为：定义所述供能系统的日前优化模型。根据所述供能系统的不确定性，定义出力及负荷日前预测；根据所述出力及负荷日前预测对所述日前优化模型进行求解。
日内优化模块320，根据日内负荷预测对所述日前优化结果进行修正获得日内优化结果。具体过程为：定义所述供能系统的日内优化模型。在某一优化调度时刻对未来若干个优化计算周期进行出力和负荷短期预测。根据所述出力和负荷短期预测对所述日内优化模型进行求解获得未来若干个优化计算周期内的设备最佳负荷增量序列。将所述设备最佳负荷增量序列中的第一项作为下一个优化时刻的设备最佳负荷增量。经过一个优化调度周期，在下一个优化调度时刻到来时，重复以上步骤。
实时调控模块330，根据所述日前优化结果和日内优化结果对所述系统中的设备进行实时控制和调节。具体地，将所述设备最佳负荷指令增量与所述最佳负荷值相结合作为最终优化结果。
图5示出根据本申请示例实施例的优化调控电子设备组成框图。
本申请还提供一种用于全可再生能源热电气储耦合供能系统的优化调控电子设备700。图5显示的控制设备700仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示，控制设备700以通用计算设备的形式表现。控制设备700的组件可以包括但不限于：至少一个处理单元710、至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730等。
存储单元720存储有程序代码，程序代码可以被处理单元710执行，使得处理单元710执行本说明书描述的根据本申请上述各实施例的方法。
存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(ROM)7203。
存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204，这样的程序模块7205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备700也可以与一个或多个外部设备7001(例如触摸屏、键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器760可以通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
此外，本申请还提供一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现上述的优化调控方法。
本申请提供的用于全可再生能源系统热电气储耦合供能系统的优化调控方法，将日前优化与日内优化相结合，采用不确定性优化、模型预测控制等算法，解决全可再生能源热电气储耦合供能系统的能源、负荷双向不确定性问题和随机性波动问题，并通过分层调控机制，解决系统优化决策与实时控制问题，从而保障系统的安全经济运行，提高可再生能源的利用率。
显然，上述实施例仅是为清楚地说明本申请所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本申请的保护范围之中。

Claims (9)

1.一种用于全可再生能源热电气储耦合供能系统的优化调控方法，其特征在于，包括：
根据日前出力及负荷预测对所述供能系统进行日前优化获得日前优化结果；
根据日内负荷预测对所述日前优化结果进行修正获得日内优化结果；
根据所述日前优化结果和日内优化结果对所述系统中的设备进行实时控制和调节；其中，
所述全可再生能源包括：风能、太阳能、生物质能、水能中的一种或多种；
所述负荷包括：冷、热、电中的一种或多种；
所述日前优化，包括：
定义所述供能系统的日前优化模型；
根据所述供能系统的不确定性，定义出力及负荷日前预测；
根据所述出力及负荷日前预测对所述日前优化模型进行求解；
所述日前优化模型包括：
以所述供能系统运行成本最小为优化目标，按照以下公式进行表示，
Figure FDA0003646926780000011
Figure FDA0003646926780000012
其中，X(t)表示所述供能系统中t时刻各设备负荷的连续变量矩阵，U(t)表示所述系统供能中t时刻各设备启停值矩阵，
Figure FDA0003646926780000021
表示t时刻所述供能系统中可再生能源的出力日前预测矩阵，
Figure FDA0003646926780000022
表示t时刻所述供能系统的负荷日前预测矩阵，AU(t)+BX(t)≤G表示t时刻所述供能系统中各设备本身及设备之间的约束，
Figure FDA0003646926780000023
表示t时刻所述供能系统中的设备负荷约束，
Figure FDA0003646926780000024
表示t时刻所述供能系统的能量供需平衡约束，N表示调度间隔点，A、B、C、D、F表示对应约束下变量的系数矩阵，G表示常数列向量，C表示目标函数中系数列矩阵；
所述各设备本身及设备之间的约束包括：设备调节容量约束或设备变负荷速率约束；
所述出力及负荷日前预测按照以下公式定义：
Figure FDA0003646926780000025
Figure FDA0003646926780000026
其中，ξlong(t)、Qlong(t)分别表示考虑不确定性后t时刻可再生能源的出力、负荷预测矩阵，
Figure FDA0003646926780000027
分别表示t时刻可再生能源出力、负荷预测的最大波动偏差矩阵。
2.根据权利要求1所述的优化调控方法，其特征在于，所述日前优化模型的求解方法，包括：
区间规划或鲁棒优化方法。
3.根据权利要求1所述的优化调控方法，其特征在于，所述日前优化结果，包括：
设备启停值矩阵和最佳负荷值矩阵。
4.根据权利要求1所述的优化调控方法，其特征在于，根据日内负荷预测对所述日前优化结果进行修正获得日内优化结果，包括：
按照以下公式定义所述供能系统的日内优化模型，
Figure FDA0003646926780000031
Figure FDA0003646926780000032
其中Uω(t)、Xω(t)分别表示所述日前优化获得的t时刻所述供能系统中各设备启停值、最佳负荷值矩阵，ΔX(k+j)表示k+j时刻各设备负荷的增量矩阵，
Figure FDA0003646926780000033
表示可再生能源出力短期预测矩阵，
Figure FDA0003646926780000034
表示可再生能源负荷短期预测矩阵，R、C表示目标函数中的系数列矩阵。
5.根据权利要求4所述的优化调控方法，其特征在于，根据日内负荷预测对所述日前优化结果进行修正获得日内优化结果，还包括：
在某一优化调度时刻对未来若干个优化计算周期进行出力和负荷短期预测；
根据出力和负荷短期预测对所述日内优化模型进行求解获得未来若干个优化计算周期内的设备最佳负荷增量序列；
将所述设备最佳负荷增量序列中的第一项作为下一个优化时刻的设备最佳负荷增量；
经过一个优化调度周期，在下一个优化调度时刻到来时，重复以上步骤。
6.根据权利要求4所述的优化调控方法，其特征在于，根据所述日前优化和日内优化结果对所述系统中的设备进行实时控制和调节，包括：
将所述设备最佳负荷指令增量与所述最佳负荷值相结合作为最终优化结果。
7.一种用于全可再生能源热电气储耦合供能系统的优化调控装置，执行权利要求1所述的优化调控方法，其特征在于，包括：
日前优化模块，根据日前负荷预测对所述供能系统进行日前优化获得日前优化结果；
日内优化模块，根据日内负荷预测对所述日前优化结果进行修正获得日内优化结果；
实时调控模块，根据所述日前优化结果和日内优化结果对所述系统中的设备进行实时控制和调节。
8.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
9.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
CN202010274000.6A 2020-04-09 2020-04-09 一种用于全可再生能源热电气储耦合系统的优化调控方法及装置 Active CN111555362B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010274000.6A CN111555362B (zh) 2020-04-09 2020-04-09 一种用于全可再生能源热电气储耦合系统的优化调控方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010274000.6A CN111555362B (zh) 2020-04-09 2020-04-09 一种用于全可再生能源热电气储耦合系统的优化调控方法及装置

Publications (2)

Publication Number Publication Date
CN111555362A CN111555362A (zh) 2020-08-18
CN111555362B true CN111555362B (zh) 2022-07-22

Family

ID=72002353

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010274000.6A Active CN111555362B (zh) 2020-04-09 2020-04-09 一种用于全可再生能源热电气储耦合系统的优化调控方法及装置

Country Status (1)

Country Link
CN (1) CN111555362B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112196666A (zh) * 2020-10-10 2021-01-08 辽宁华融富瑞新能源科技股份有限公司 一种氢能三联供的能效优化系统
CN114597895B (zh) * 2022-03-17 2023-05-26 西安交通大学 一种氢-水能源系统及其长短期优化控制方法和装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108133285A (zh) * 2017-12-21 2018-06-08 南京工程学院 一种接入大规模可再生能源的混合能源系统实时调度方法
CN109858697A (zh) * 2019-01-31 2019-06-07 山东大学 计及源荷随机的冷热电联供系统优化运行方法及系统
CN110137942A (zh) * 2019-04-23 2019-08-16 河海大学 基于模型预测控制的多时间尺度柔性负荷滚动调度方法和系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108133285A (zh) * 2017-12-21 2018-06-08 南京工程学院 一种接入大规模可再生能源的混合能源系统实时调度方法
CN109858697A (zh) * 2019-01-31 2019-06-07 山东大学 计及源荷随机的冷热电联供系统优化运行方法及系统
CN110137942A (zh) * 2019-04-23 2019-08-16 河海大学 基于模型预测控制的多时间尺度柔性负荷滚动调度方法和系统

Also Published As

Publication number Publication date
CN111555362A (zh) 2020-08-18

Similar Documents

Publication Publication Date Title
CN110417006B (zh) 一种综合能源系统多时间尺度能量调度方法
Reynolds et al. Operational supply and demand optimisation of a multi-vector district energy system using artificial neural networks and a genetic algorithm
Lu et al. Optimal scheduling of buildings with energy generation and thermal energy storage under dynamic electricity pricing using mixed-integer nonlinear programming
CN109784573B (zh) 一种能源互联网多目标优化方法及装置
CN110866641A (zh) 计及源储荷协同的多能互补系统两级优化调度方法及系统
JP5215822B2 (ja) エネルギーシステム制御装置および制御方法
Sun et al. A novel integrated stochastic programming-information gap decision theory (IGDT) approach for optimization of integrated energy systems (IESs) with multiple uncertainties
CN110807588B (zh) 一种多能源耦合综合能源系统的优化调度方法
Kuang et al. Stochastic dynamic solution for off-design operation optimization of combined cooling, heating, and power systems with energy storage
CN113779783B (zh) 计及多重不确定性的区域综合能源系统规划与运行联合优化方法
Sanaye et al. A novel energy management method based on Deep Q Network algorithm for low operating cost of an integrated hybrid system
Song et al. Study on the optimization and sensitivity analysis of CCHP systems for industrial park facilities
CN111555362B (zh) 一种用于全可再生能源热电气储耦合系统的优化调控方法及装置
CN114722591A (zh) 一种净零能耗建筑电热氢多能流供能设备规划方法
Zhu et al. A review of distributed energy system optimization for building decarbonization
Li et al. Optimal design for component capacity of integrated energy system based on the active dispatch mode of multiple energy storages
Tong et al. Energy demand management for process systems through production scheduling and control
CN105244870A (zh) 一种快速计算电网风电场弃风率及机组发电量的方法
Nassourou et al. Economic model predictive control for energy dispatch of a smart micro-grid system
Han et al. Data-driven heat pump operation strategy using rainbow deep reinforcement learning for significant reduction of electricity cost
Liang et al. Real-time optimization of large-scale hydrogen production systems using off-grid renewable energy: Scheduling strategy based on deep reinforcement learning
Liang et al. Deep reinforcement learning-based optimal scheduling of integrated energy systems for electricity, heat, and hydrogen storage
JP2015203531A (ja) 排熱利用システムにおける熱源設備の運転計画立案装置及び運転計画立案方法
Fang et al. Energy scheduling and decision learning of combined cooling, heating and power microgrid based on deep deterministic policy gradient
CN115080907A (zh) 综合能源系统的控制方法、装置及设备

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