CN111695742B - 一种综合能源系统日前调度区间优化方法、系统及设备 - Google Patents

一种综合能源系统日前调度区间优化方法、系统及设备 Download PDF

Info

Publication number
CN111695742B
CN111695742B CN202010573735.9A CN202010573735A CN111695742B CN 111695742 B CN111695742 B CN 111695742B CN 202010573735 A CN202010573735 A CN 202010573735A CN 111695742 B CN111695742 B CN 111695742B
Authority
CN
China
Prior art keywords
interval
value
energy system
electricity price
power supply
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
CN202010573735.9A
Other languages
English (en)
Other versions
CN111695742A (zh
Inventor
雷金勇
郭祚刚
袁智勇
徐敏
黎小林
王�琦
唐学用
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.)
CSG Electric Power Research Institute
China Southern Power Grid Co Ltd
Original Assignee
CSG Electric Power Research Institute
China Southern Power Grid 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 CSG Electric Power Research Institute, China Southern Power Grid Co Ltd filed Critical CSG Electric Power Research Institute
Priority to CN202010573735.9A priority Critical patent/CN111695742B/zh
Publication of CN111695742A publication Critical patent/CN111695742A/zh
Application granted granted Critical
Publication of CN111695742B publication Critical patent/CN111695742B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (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

本发明公开了一种综合能源系统日前调度区间优化方法、系统及设备，包括：对实时电价和分布式电源出力的不确定性进行区间建模，建立考虑分布式电源及电价不确定性的园区综合能源系统日前调度的区间优化模型，采用两阶段分解算法进行求解，得到园区综合能源系统运行策略。本发明通过考虑分布式电源和电价的随机性与波动性，与随机优化方法相比具有良好的适应性和鲁棒性；并且只需要获得不确定变量的取值范围即可对优化模型进行求解，通过区间形式的最优解反映出综合能源系统中不确定因素对综合能源系统运行经济性的影响，无需获得不确定因素的精确概率密度函数即可求解出分布式电源和电价不确定条件下园区综合能源系统的运行策略。

Description

一种综合能源系统日前调度区间优化方法、系统及设备
技术领域
本发明涉及电力领域，尤其涉及一种综合能源系统日前调度区间优化方法、系统及设备。
背景技术
在电力市场环境下，园区综合能源系统不仅需要考虑自身内部负荷，同时还需要考虑电网交易电价等外部变量，园区综合能源系统需要根据市场预测电价制定第二天的最佳运营策略。由于分布式发电出力及用户购电行为存在不确定性，导致实时电价与预测价格存在一定偏差，因此园区综合能源系统的电力交易应考虑价格波动，以降低购电功率波动给园区综合能源系统运行带来的影响。另一方面，在园区综合能源系统内，光伏、风机出力受光照等天气因素的影响，其出力预测具有较强的不确定性，给园区综合能源系统优化调度带来挑战。
目前已开展的针对考虑不确定性的优化问题，主要研究方法为随机优化方法。随机优化通过获取不确定变量的概率密度函数来建立精确的优化模型；然而在实际运行中，获得电价及分布式电源功率精确的概率密度函数往往较困难，难以采用随机优化方法对分布式电源和电价不确定条件下园区综合能源系统的运行策略问题进行求解。
综上所述，现有技术中存在着难以采用随机优化方法对分布式电源和电价不确定条件下园区综合能源系统的运行策略问题进行求解的技术问题。
发明内容
本发明提供了一种综合能源系统日前调度区间优化方法、系统及设备，用于解决现有技术中存在着难以采用随机优化方法对分布式电源和电价不确定条件下园区综合能源系统的运行策略问题进行求解的技术问题。
本发明提供的一种综合能源系统日前调度区间优化方法，包括以下步骤：
获取综合能源系统的系统参数以及历史运行参数；
根据系统参数对分布式电源出力的相关因素值进行预测，得到相关因素值预测值；
根据历史运行参数对实时电价的不确定性进行区间建模，得到实时电价波动区间；根据相关因素值预测值对分布式电源出力的不确定性进行建模，得到分布式电源出力波动区间；
根据系统参数、历史运行参数、实时电价波动区间以及分布式电源出力波动区间建立考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型；
采用两阶段求解法对考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型进行求解，得到综合能源系统日前调度的运行策略。
优选的，综合能源系统的系统参数包括光伏发电容量、风力发电容量、风速历史数据、光照强度历史数据、系统冷热电负荷历史数据、电锅炉设备的容量及参数、电制冷设备的容量及参数、地源热泵设备的容量及参数、CHP机组设备的容量及参数、电储能设备的容量及效率以及热储能设备的容量及效率。
优选的，根据系统参数对分布式电源出力的相关因素值进行预测，得到相关因素值预测值的具体过程为：
基于风速历史数据、光照强度历史数据，采用线性回归法对未来的风速和光照强度进行预测，得到风速预测值以及光照强度预测值。
优选的，根据相关因素值预测值对分布式电源出力的不确定性进行建模，得到分布式电源出力波动区间的具体过程为：
根据风速预测值和光照强度预测值计算风速预测偏差值和光照强度预测偏差值；
光照强度预测偏差值和光伏发电电功率区间如下所示：
Figure BDA0002550566820000021
Figure BDA0002550566820000022
式中，ΔIt是t时刻光照强度预测偏差，
Figure BDA0002550566820000023
和/>
Figure BDA0002550566820000024
分别是光照强度预测偏差值的最小值和最大值，/>
Figure BDA0002550566820000025
为t时刻光伏的功率区间，/>
Figure BDA0002550566820000026
为t时刻光伏电功率预测值，/>
Figure BDA0002550566820000027
表示光照强度预测误差导致的波动功率；
风速预测偏差值和风机电功率区间如下所示：
Figure BDA0002550566820000031
Figure BDA0002550566820000032
式中，Δvt是t时刻风速预测偏差，
Figure BDA0002550566820000033
和/>
Figure BDA0002550566820000034
分别是风速预测偏差值的最小值和最大值，/>
Figure BDA0002550566820000035
为t时刻风机的功率区间，/>
Figure BDA0002550566820000036
为t时刻风机电功率预测值，/>
Figure BDA0002550566820000037
表示风速预测误差导致的波动功率。
优选的，历史运行参数包括历史电价以及历史天然气价格。
优选的，根据历史运行参数对实时电价的不确定性进行区间建模，得到实时电价波动区间的具体过程为：
基于历史电价，采用线性回归法对未来的电价进行预测，得到电价预测值；
电价的不确定性的区间为：
Figure BDA0002550566820000038
式中，
Figure BDA0002550566820000039
是t时刻的电价预测值，/>
Figure BDA00025505668200000310
和/>
Figure BDA00025505668200000311
分别表示电价预测值的最小值和最大值。
优选的，考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型以综合能源系统最小运维费用为目标函数，约束条件包括能源转换设备运行约束、储能模型运行约束以及冷功率、热功率、电功率平衡约束。
优选的，采用两阶段求解法对考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型进行求解的具体过程为：
分别构建下限子模型
Figure BDA00025505668200000312
和上限子模型/>
Figure BDA00025505668200000313
代替考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型；/>
利用线性规划方法求解下限子模型
Figure BDA00025505668200000314
和上限子模型/>
Figure BDA00025505668200000315
得到最优值取值区间，从而获得园区综合能源系统日前调度的运行策略。
一种综合能源系统日前调度区间优化系统，包括参数获取模块、相关因素值预测模块、区间建模模块、优化模型模块以及模型求解模块；
参数获取模块用于获取综合能源系统的系统参数以及历史运行参数；
相关因素值预测模块用于根据系统参数对分布式电源出力的相关因素值进行预测，得到相关因素值预测值；
区间建模模块用于根据历史运行参数对实时电价的不确定性进行区间建模，得到实时电价波动区间；根据相关因素值预测值对分布式电源出力的不确定性进行建模，得到分布式电源出力波动区间；
优化模型模块用于根据系统参数、历史运行参数、实时电价波动区间以及分布式电源出力波动区间建立考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型；
模型求解模块用于采用两阶段求解法对考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型进行求解，得到综合能源系统日前调度的运行策略。
一种综合能源系统日前调度区间优化设备，包括处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行上述的一种综合能源系统日前调度区间优化方法。
从以上技术方案可以看出，本发明实施例具有以下优点：
本发明实施例通过考虑分布式电源和电价的随机性与波动性，对实时电价和分布式电源出力的不确定性进行区间建模，与随机优化方法相比具有良好的适应性和鲁棒性；并在此基础上建立考虑分布式电源及电价不确定性的园区综合能源系统日前调度的区间优化模型，采用两阶段分解法对区间优化模型进行求解，得到区间形式的最优解，从而获得园区综合能源系统运行策略。本发明实施例采用区间优化法只需要获得不确定变量的取值范围即可对优化模型进行求解，通过区间形式的最优解反映出综合能源系统中不确定因素对综合能源系统运行经济性的影响，无需获得不确定因素的精确概率密度函数即可求解出分布式电源和电价不确定条件下园区综合能源系统的运行策略。
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，下面将对实施例或现有技术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它的附图。
图1为本发明实施例提供的一种用户用电量预测方法、系统及设备的方法流程图。
图2为本发明实施例提供的一种用户用电量预测方法、系统及设备的系统框架图。
图3为本发明实施例提供的一种用户用电量预测方法、系统及设备的设备框架图。
图4为本发明实施例提供的一种用户用电量预测方法、系统及设备的园区综合能源系统结构示意图。
图5为本发明实施例提供的一种用户用电量预测方法、系统及设备的电价曲线波动范围。
图6为本发明实施例提供的一种用户用电量预测方法、系统及设备的分布式电源功率波动范围；图6(a)为考虑风速的分布式电源功率波动范围；图6(b)为考虑光照强度预测误差的分布式电源功率波动范围。
图7为本发明实施例提供的一种用户用电量预测方法、系统及设备的园区综合能源购电功率波动范围。
具体实施方式
本发明实施例提供了一种用户用电量预测方法、系统以及设备，用于解决现有技术中智能用电技术仅有少数研究立足于电网侧，使得电力企业无法准确地对用户的未来用电量趋势进行合理预测的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护的范围。
实施例1
请参阅图1，图1为本发明实施例提供的一种用户用电量预测方法、系统及设备的方法流程图。
本发明实施例提供的一种综合能源系统日前调度区间优化方法，包括以下步骤：
从电力系统的后台服务器中获取综合能源系统的系统参数以及历史运行参数，通过事先获取系统参数以及历史运行参数为后续计算的展开做好铺垫，以便后续流程的正常进行。
根据系统参数对分布式电源出力的相关因素值进行预测，得到相关因素值预测值；在得到相关因素预测值的情况下，能够计算出分布式电源的处理预测值，从而为后续综合能源系统日前的调度策略提供参考。
根据历史运行参数对实时电价的不确定性进行区间建模，得到实时电价波动区间；电价实时市场价格的概率分布并不确定，并且可能随电网运行状态而有很大变化，因此难以准确预测现货电价，但通过历史数据可以预测每个时刻的电价范围。因此，通常对于电价不确定性的处理办法是通过实时电价的预测值和预测范围构造的价格区间来表示其不确定性。根据相关因素值预测值对分布式电源出力的不确定性进行建模，得到分布式电源出力波动区间；同样的，分布式电源的出力受到其相关因素的影响，难以准确预测分布式电源出力的具体数值，因此，通过计算分布式电源出力波动区间来表示其不确定性。
根据系统参数、历史运行参数、实时电价波动区间以及分布式电源出力波动区间建立考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型；考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型以综合能源系统最小运维费用为目标函数，约束条件包括能源转换设备运行约束、储能模型运行约束以及冷功率、热功率、电功率平衡约束。
采用两阶段求解法对考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型进行求解，求得最优值从而得到最优值取值区间，得到综合能源系统日前调度的运行策略，运行策略包括设备出力范围、电力用能区间、天然气用能区间以及系统的运维费用区间。
实施例2
从电力系统的后台服务器中获取综合能源系统的系统参数以及历史运行参数，其中，综合能源系统的系统参数包括光伏发电容量、风力发电容量、风速历史数据、光照强度历史数据、系统冷热电负荷历史数据、电锅炉设备的容量及参数、电制冷设备的容量及参数、地源热泵设备的容量及参数、CHP机组设备的容量及参数、电储能设备的容量及效率以及热储能设备的容量及效率；历史运行参数包括历史电价以及历史天然气价格。通过事先获取系统参数以及历史运行参数为后续计算的展开做好铺垫，以便后续流程的正常进行；
根据系统参数对分布式电源出力的相关因素值进行预测，得到相关因素值预测值；分布式电源出力的相关因素为风速以及光照强度，采用线性回归法根据风速历史数据、光照强度历史数据对未来的风速和光照强度进行预测，得到风速预测值以及光照强度预测值。在得到相关因素预测值的情况下，能够计算出分布式电源的处理预测值，从而为后续综合能源系统日前的调度策略提供参考；
根据历史运行参数对实时电价的不确定性进行区间建模，得到实时电价波动区间；电价实时市场价格的概率分布并不确定，并且可能随电网运行状态而有很大变化，因此难以准确预测现货电价，但通过历史数据可以预测每个时刻的电价范围。因此，通常对于电价不确定性的处理办法是通过实时电价的预测值和预测范围构造的价格区间来表示其不确定性，具体过程为：
采用线性回归法根据历史电价对未来的电价进行预测，得到电价预测值；
电价的不确定性的区间为：
Figure BDA0002550566820000071
式中，
Figure BDA0002550566820000072
是t时刻的电价预测值，/>
Figure BDA0002550566820000073
和/>
Figure BDA0002550566820000074
分别表示电价预测值的最小值和最大值。
根据相关因素值预测值对分布式电源出力的不确定性进行建模，得到分布式电源出力波动区间；同样的，分布式电源的出力受到其相关因素的影响，难以准确预测分布式电源出力的具体数值，因此，通过计算分布式电源出力波动区间来表示其不确定性，具体过程为：
根据风速预测值和光照强度预测值计算风速预测偏差值和光照强度预测偏差值；
光照强度预测偏差值和光伏发电电功率区间如下所示：
Figure BDA0002550566820000081
Figure BDA0002550566820000082
式中，ΔIt是t时刻光照强度预测偏差，通过预测数据和实际测量数据计算得出，
Figure BDA0002550566820000083
和/>
Figure BDA0002550566820000084
分别是光照强度预测偏差值的最小值和最大值，/>
Figure BDA0002550566820000085
为t时刻光伏的功率区间，/>
Figure BDA0002550566820000086
为t时刻光伏电功率预测值，/>
Figure BDA0002550566820000087
表示光照强度预测误差导致的波动功率；
风速预测偏差值和风机电功率区间如下所示：
Figure BDA0002550566820000088
Figure BDA0002550566820000089
式中，Δvt是t时刻风速预测偏差，通过预测数据和实际测量数据计算得出，
Figure BDA00025505668200000810
和
Figure BDA00025505668200000811
分别是风速预测偏差值的最小值和最大值，/>
Figure BDA00025505668200000812
为t时刻风机的功率区间，/>
Figure BDA00025505668200000813
为t时刻风机电功率预测值，/>
Figure BDA00025505668200000814
表示风速预测误差导致的波动功率。
根据系统参数、历史运行参数、实时电价波动区间以及分布式电源出力波动区间建立考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型；考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型以综合能源系统最小运维费用为目标函数，约束条件包括能源转换设备运行约束、储能模型运行约束以及冷功率、热功率、电功率平衡约束。
1)所述的系统运维费用最小为目标函数[COM]可表示为
min[COM]＝[CM]+[CO]
式中，[CM]为维护费用，[CO]为运行费用。
Figure BDA00025505668200000815
式中，Ω是设备集合，
Figure BDA00025505668200000816
是设备i的单位维护费用，/>
Figure BDA00025505668200000817
是设备i在t时刻的输出功率。
[CO]＝[CE]+[CF]
Figure BDA00025505668200000818
Figure BDA00025505668200000819
式中，[CE]、[CF]分别为系统的购电费用和购气费用；
Figure BDA00025505668200000820
为t时刻的电价，/>
Figure BDA0002550566820000091
为t时刻的购电功率；/>
Figure BDA0002550566820000092
为CHPt时刻输入天然气量，cF为天然气价格。
2)能源转换设备及对应的运行约束包括：
(1)电锅炉模型
Figure BDA0002550566820000093
Figure BDA0002550566820000094
式中，
Figure BDA0002550566820000095
和/>
Figure BDA0002550566820000096
分别是t时刻电锅炉的热功率和电功率，ηEB是电-热转化效率，SEB是电锅炉的容量。
(2)电制冷机组模型
Figure BDA0002550566820000097
Figure BDA0002550566820000098
式中，
Figure BDA0002550566820000099
和/>
Figure BDA00025505668200000910
分别是t时刻电制冷机组的冷功率和电功率，EAC是电制冷机组的能效比，SAC是电制冷机组的容量。/>
(3)CHP机组模型
Figure BDA00025505668200000911
Figure BDA00025505668200000912
Figure BDA00025505668200000913
式中，
Figure BDA00025505668200000914
和/>
Figure BDA00025505668200000915
分别是t时刻CHP机组的热功率和电功率，/>
Figure BDA00025505668200000916
和/>
Figure BDA00025505668200000917
分别是气-热转化效率和气-电转化效率，/>
Figure BDA00025505668200000918
是t时刻CHP天然气消耗量，SCHP是CHP机组的容量。
(4)地源热泵模型
Figure BDA00025505668200000919
Figure BDA00025505668200000920
Figure BDA00025505668200000921
式中，
Figure BDA00025505668200000922
是电制热能效比，/>
Figure BDA00025505668200000923
是电制冷能效比，SHP是地源热泵的容量。
(5)热储能模型
Figure BDA00025505668200000924
Figure BDA00025505668200000925
Figure BDA00025505668200000926
Figure BDA0002550566820000101
Figure BDA0002550566820000102
式中，
Figure BDA0002550566820000103
是t时刻热储能储存的热量，ηHS是热储能损失系数，SHS是热储能容量，
Figure BDA0002550566820000104
是t时刻热储能的储热功率，/>
Figure BDA0002550566820000105
是储热效率，/>
Figure BDA0002550566820000106
是储热功率上限，/>
Figure BDA0002550566820000107
是t时刻热储能的放热功率，/>
Figure BDA0002550566820000108
是放热效率，/>
Figure BDA0002550566820000109
是放热功率上限，Δt为时间间隔；
(6)电储能模型
Figure BDA00025505668200001010
Figure BDA00025505668200001011
Figure BDA00025505668200001012
SOCmin≤[SOCt]≤SOCmax
Figure BDA00025505668200001013
Figure BDA00025505668200001014
Figure BDA00025505668200001015
/>
式中，
Figure BDA00025505668200001016
是t时刻电储能储存的电能，ηES是电储能损失系数，SES是点储能容量，
Figure BDA00025505668200001017
是t时刻电储能的充电功率，/>
Figure BDA00025505668200001018
是充电效率，/>
Figure BDA00025505668200001019
是充电功率上限，/>
Figure BDA00025505668200001020
是t时刻电储能的放电功率，/>
Figure BDA00025505668200001021
是放电效率，/>
Figure BDA00025505668200001022
是放电功率上限，/>
Figure BDA00025505668200001023
和/>
Figure BDA00025505668200001024
分别为充/放电标志位。
(7)变换器模型
Figure BDA00025505668200001025
Figure BDA00025505668200001026
式中，SCON是变换器的容量。
(8)光伏发电模型
光伏的输出取决于许多因素(如光照强度和温度)。为了减少问题的复杂性，引入分段模型，仅考虑光伏输出与光照强度之间的关系。
Figure BDA00025505668200001027
式中，It是t时刻光照强度，IR是额定光照强度，SPV是光伏发电的容量。
(9)风机模型
Figure BDA0002550566820000111
式中，v是t时刻风速，vin是切入风速，vr是额定风速，vout是切出风速，SWT是光伏发电的容量。
3)考虑园区综合能源系统功率平衡约束包括：
(1)电功率平衡约束：
Figure BDA0002550566820000112
(2)热功率平衡约束：
Figure BDA0002550566820000113
(3)冷功率平衡约束：
Figure BDA0002550566820000114
4)考虑分布式电源及电价不确定性的园区综合能源系统日前调度的区间优化模型，其表达式如下：
Figure BDA0002550566820000115
式中，[A]＝([aij])m×n，
Figure BDA0002550566820000116
为不等式约束中的系数矩阵；[B]＝([bij])m×1，/>
Figure BDA0002550566820000117
[C]＝([cij])1×n，/>
Figure BDA0002550566820000118
为目标函数中的系数矩阵；[f]＝[f-，f+]表示目标函数的最优区间；[X]＝([xij])n×1，/>
Figure BDA0002550566820000119
表示优化变量，包括24h内设备出力和能源交易功率。
采用两阶段求解法对考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型进行求解，求得最优值从而得到最优值取值区间，得到综合能源系统日前调度的运行策略，运行策略包括设备出力范围、电力用能区间、天然气用能区间以及系统的运维费用区间，采用两阶段求解法的具体过程为：
分别构建下限子模型
Figure BDA0002550566820000121
和上限子模型/>
Figure BDA0002550566820000122
代替考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型；
利用线性规划方法求解下限子模型
Figure BDA0002550566820000123
和上限子模型/>
Figure BDA0002550566820000124
得到最优值取值区间，从而获得园区综合能源系统日前调度的运行策略。
1)构建子模型f-并求解
子模型f-表达式如下所示：
Figure BDA0002550566820000125
式中：
Figure BDA0002550566820000126
为目标函数中系数为正的区间变量；/>
Figure BDA0002550566820000127
Figure BDA0002550566820000128
为目标函数中系数为负的区间变量。
考虑分布式电源及电价不确定性的园区综合能源系统日前调度的区间优化模型中，目标函数系数皆为正值，因此子模型
Figure BDA0002550566820000129
对应实际优化模型如下：
Figure BDA00025505668200001210
式中，
Figure BDA00025505668200001211
是设备i在t时刻的输出功率最小值，/>
Figure BDA00025505668200001212
是t时刻的购功率最小值，/>
Figure BDA00025505668200001213
为CHPt时刻输入天然气量最小值。利用线性规划方法求解可得该子模型对应最优解/>
Figure BDA00025505668200001214
和目标函数值/>
Figure BDA00025505668200001215
同时解/>
Figure BDA00025505668200001216
成为变量下限代入子目标函数/>
Figure BDA00025505668200001217
2)构建子模型f+并求解
子模型f+表达式如下所示：
Figure BDA00025505668200001218
同理可得实际优化模型如下：
Figure BDA0002550566820000131
式中，
Figure BDA0002550566820000132
是设备i在t时刻的输出功率最大值，/>
Figure BDA0002550566820000133
是t时刻的购功率最大值，/>
Figure BDA0002550566820000134
为CHPt时刻输入天然气量最大值。利用线性规划方法求解求解可得该子模型对应最优解/>
Figure BDA0002550566820000135
和目标函数值/>
Figure BDA0002550566820000136
从而可得最后目标区间值
Figure BDA0002550566820000137
以及区间解/>
Figure BDA0002550566820000138
如图2所示，一种综合能源系统日前调度区间优化系统，包括参数获取模块201、相关因素值预测模块202、区间建模模块203、优化模型模块204以及模型求解模块205；
参数获取模块201用于获取综合能源系统的系统参数以及历史运行参数；
相关因素值预测模块202用于根据系统参数对分布式电源出力的相关因素值进行预测，得到相关因素值预测值；
区间建模模块203用于根据历史运行参数对实时电价的不确定性进行区间建模，得到实时电价波动区间；根据相关因素值预测值对分布式电源出力的不确定性进行建模，得到分布式电源出力波动区间；
优化模型模块204用于根据系统参数、历史运行参数、实时电价波动区间以及分布式电源出力波动区间建立考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型；
模型求解模块205用于采用两阶段求解法对考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型进行求解，得到综合能源系统日前调度的运行策略。
如图3所示，一种综合能源系统日前调度区间优化设备30，所述设备包括处理器300以及存储器301；
所述存储器301用于存储程序代码302，并将所述程序代码302传输给所述处理器；
所述处理器300用于根据所述程序代码302中的指令执行上述的一种综合能源系统日前调度区间优化方法中的步骤。
示例性的，所述计算机程序302可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器301中，并由所述处理器300执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序302在所述终端设备30中的执行过程。
所述终端设备30可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器300、存储器301。本领域技术人员可以理解，图3仅仅是终端设备30的示例，并不构成对终端设备30的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器300可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-ProgrammaBle Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器301可以是所述终端设备30的内部存储单元，例如终端设备30的硬盘或内存。所述存储器301也可以是所述终端设备30的外部存储设备，例如所述终端设备30上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器301还可以既包括所述终端设备30的内部存储单元也包括外部存储设备。所述存储器301用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器301还可以用于暂时地存储已经输出或者将要输出的数据。
实施例3
本实施例选取某综合能源系统园区为对象，如图4所示；首先根据综合能源系统内设备种类，输入设备参数，包括设备容量、维护费用及转化效率，电价与天然气价格参数，具体如表1所示，以及冷、热、电负荷和光照强度、风速的运行数据等，具体如表2所示；然后建立考虑分布式电源及电价不确定性的园区综合能源系统日前调度的区间优化模型，其中现货电价难以获得，可认为其满足期望值为预测电价的正态分布，波动范围约为10％，如图5所示)，考虑风速与光照强度预测误差(10％)的分布式电源功率分别如图6(a)、图6(b)所示，采用两阶段求解法，分别在Matlab软件调用OPTI工具箱中的混合整数线性规划求解方法，得到考虑不确定性的园区综合能源系统的运行策略，以及单日运维费用区间值。
表1系统设备参数和其他参数
Figure BDA0002550566820000151
表2系统负荷、光照及风速数据
Figure BDA0002550566820000152
Figure BDA0002550566820000161
执行优化计算的计算机硬件环境为Intel(R)Xeon(R)CPU E5-16030，主频为2.8GHz，内存为12GB；软件环境为Windows 10操作系统。
考虑不确定性的园区综合能源系统区间优化运行结果如表3所示，可以看出考虑电价和分布式电源功率不确定的情况下，总运维费用波动区间宽度为3088.43元，其中由电力交易导致的运行范围波动范围为3070.47元，说明考虑不确定性造成的成本波动主要源于园区综合能源系统的购能方案。园区综合能源系统的购电功率如图7所示。
表3考虑不确定性的优化运行结果
费用 数值
运维费用 [27235.40，30323.83]
维护费用 [80.84，98.80]
运行费用 [27154.56，30225.03]
考虑到电网中其他分布式电源出力和用户购电等不确定性因素影响下实时电价预测的不准确性，在分布式电源功率预测不确定性结果的基础上分别考虑10％，15％，20％的电价波动幅度，分析电价波动带来的不确定性对综合能源经济运行引起的影响，如表4所示。可以看出，而随着电价波动的增加，系统运维费用区间宽度也在增加，表明电价波动的大小会对系统运维成本的不确定性造成直接的影响。
表4不同电价波动的优化运行结果
电价波动范围 运维费用
10％ [27235.40，30323.83]
15％ [26695.45，30904.90]
20％ [25834.64，31485.97]
本发明实施例提供的一种考虑不确定性的园区综合能源系统日前调度区间优化方法，考虑分布式电源和电价的随机性与波动性，建立考虑分布式电源及电价不确定性的园区综合能源系统日前调度的区间优化模型，采用两阶段分解算法进行求解，得到园区综合能源系统运行策略。算例分析表明，考虑电价和分布式电源功率不确定性可获得园区综合能源系统运行区间，从而指导运行方案和电能交易策略的制定。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (4)

1.一种综合能源系统日前调度区间优化方法，其特征在于，包括以下步骤：
获取综合能源系统的系统参数以及历史运行参数；
根据系统参数对分布式电源出力的相关因素值进行预测，得到相关因素值预测值；
根据历史运行参数对实时电价的不确定性进行区间建模，得到实时电价波动区间；根据相关因素值预测值对分布式电源出力的不确定性进行建模，得到分布式电源出力波动区间；
根据系统参数、历史运行参数、实时电价波动区间以及分布式电源出力波动区间建立考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型；
采用两阶段求解法对考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型进行求解，得到综合能源系统日前调度的运行策略；
所述根据历史运行参数对实时电价的不确定性进行区间建模，得到实时电价波动区间的具体过程为：
基于历史电价，采用线性回归法对未来的电价进行预测，得到电价预测值；
电价的不确定性的区间为：
Figure FDA0004109953870000011
式中，
Figure FDA0004109953870000012
是t时刻的电价预测值，/>
Figure FDA0004109953870000013
和/>
Figure FDA0004109953870000014
分别表示电价预测值的最小值和最大值；
所述根据系统参数对分布式电源出力的相关因素值进行预测，得到相关因素值预测值的具体过程为：
基于风速历史数据、光照强度历史数据，采用线性回归法对未来的风速和光照强度进行预测，得到风速预测值以及光照强度预测值；
所述根据相关因素值预测值对分布式电源出力的不确定性进行建模，得到分布式电源出力波动区间的具体过程为：
根据所述风速预测值和所述光照强度预测值计算风速预测偏差值和光照强度预测偏差值；
所述光照强度预测偏差值和光伏发电电功率区间如下所示：
Figure FDA0004109953870000021
Figure FDA0004109953870000022
式中，ΔIt是t时刻光照强度预测偏差，
Figure FDA0004109953870000023
和/>
Figure FDA0004109953870000024
分别是光照强度预测偏差值的最小值和最大值，/>
Figure FDA0004109953870000025
为t时刻光伏的功率区间，/>
Figure FDA0004109953870000026
为t时刻光伏电功率预测值，/>
Figure FDA0004109953870000027
表示光照强度预测误差导致的波动功率；
所述风速预测偏差值和风机电功率区间如下所示：
Figure FDA0004109953870000028
Figure FDA0004109953870000029
式中，Δvt是t时刻风速预测偏差，
Figure FDA00041099538700000210
和/>
Figure FDA00041099538700000211
分别是风速预测偏差值的最小值和最大值，/>
Figure FDA00041099538700000212
为t时刻风机的功率区间，/>
Figure FDA00041099538700000213
为t时刻风机电功率预测值，/>
Figure FDA00041099538700000214
表示风速预测误差导致的波动功率；
所述考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型以综合能源系统最小运维费用为目标函数，约束条件包括能源转换设备运行约束、储能模型运行约束以及冷功率、热功率、电功率平衡约束；
所述采用两阶段求解法对考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型进行求解的具体过程为：
分别构建下限子模型
Figure FDA00041099538700000215
和上限子模型/>
Figure FDA00041099538700000216
代替考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型；
利用线性规划方法求解下限子模型
Figure FDA00041099538700000217
和上限子模型/>
Figure FDA00041099538700000218
得到最优值取值区间，从而获得园区综合能源系统日前调度的运行策略。
2.根据权利要求1所述的一种综合能源系统日前调度区间优化方法，其特征在于，综合能源系统的系统参数包括光伏发电容量、风力发电容量、风速历史数据、光照强度历史数据、系统冷热电负荷历史数据、电锅炉设备的容量及参数、电制冷设备的容量及参数、地源热泵设备的容量及参数、CHP机组设备的容量及参数、电储能设备的容量及效率以及热储能设备的容量及效率。
3.一种综合能源系统日前调度区间优化系统，其特性在于，包括参数获取模块、相关因素值预测模块、区间建模模块、优化模型模块以及模型求解模块；
参数获取模块用于获取综合能源系统的系统参数以及历史运行参数；
相关因素值预测模块用于根据系统参数对分布式电源出力的相关因素值进行预测，得到相关因素值预测值；
区间建模模块用于根据历史运行参数对实时电价的不确定性进行区间建模，得到实时电价波动区间；根据相关因素值预测值对分布式电源出力的不确定性进行建模，得到分布式电源出力波动区间；
优化模型模块用于根据系统参数、历史运行参数、实时电价波动区间以及分布式电源出力波动区间建立考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型；
模型求解模块用于采用两阶段求解法对考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型进行求解，得到综合能源系统日前调度的运行策略；
所述根据历史运行参数对实时电价的不确定性进行区间建模，得到实时电价波动区间的具体过程为：
基于历史电价，采用线性回归法对未来的电价进行预测，得到电价预测值；
电价的不确定性的区间为：
Figure FDA0004109953870000031
式中，
Figure FDA0004109953870000032
是t时刻的电价预测值，/>
Figure FDA0004109953870000033
和/>
Figure FDA0004109953870000034
分别表示电价预测值的最小值和最大值；
所述根据系统参数对分布式电源出力的相关因素值进行预测，得到相关因素值预测值的具体过程为：
基于风速历史数据、光照强度历史数据，采用线性回归法对未来的风速和光照强度进行预测，得到风速预测值以及光照强度预测值；
所述根据相关因素值预测值对分布式电源出力的不确定性进行建模，得到分布式电源出力波动区间的具体过程为：
根据所述风速预测值和所述光照强度预测值计算风速预测偏差值和光照强度预测偏差值；
所述光照强度预测偏差值和光伏发电电功率区间如下所示：
Figure FDA0004109953870000041
Figure FDA0004109953870000042
式中，ΔIt是t时刻光照强度预测偏差，
Figure FDA0004109953870000043
和/>
Figure FDA0004109953870000044
分别是光照强度预测偏差值的最小值和最大值，/>
Figure FDA0004109953870000045
为t时刻光伏的功率区间，/>
Figure FDA0004109953870000046
为t时刻光伏电功率预测值，/>
Figure FDA0004109953870000047
表示光照强度预测误差导致的波动功率；
所述风速预测偏差值和风机电功率区间如下所示：
Figure FDA0004109953870000048
Figure FDA0004109953870000049
式中，Δvt是t时刻风速预测偏差，
Figure FDA00041099538700000410
和/>
Figure FDA00041099538700000411
分别是风速预测偏差值的最小值和最大值，
Figure FDA00041099538700000412
为t时刻风机的功率区间，/>
Figure FDA00041099538700000413
为t时刻风机电功率预测值，/>
Figure FDA00041099538700000414
表示风速预测误差导致的波动功率；
所述考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型以综合能源系统最小运维费用为目标函数，约束条件包括能源转换设备运行约束、储能模型运行约束以及冷功率、热功率、电功率平衡约束；
所述采用两阶段求解法对考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型进行求解的具体过程为：
分别构建下限子模型
Figure FDA00041099538700000415
和上限子模型/>
Figure FDA00041099538700000416
代替考虑分布式电源及电价不确定性的综合能源系统日前调度的区间优化模型；
利用线性规划方法求解下限子模型
Figure FDA00041099538700000417
和上限子模型/>
Figure FDA00041099538700000418
得到最优值取值区间，从而获得园区综合能源系统日前调度的运行策略。
4.一种综合能源系统日前调度区间优化设备，其特征在于，包括处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1～2任一项所述的一种综合能源系统日前调度区间优化方法。
CN202010573735.9A 2020-06-22 2020-06-22 一种综合能源系统日前调度区间优化方法、系统及设备 Active CN111695742B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010573735.9A CN111695742B (zh) 2020-06-22 2020-06-22 一种综合能源系统日前调度区间优化方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010573735.9A CN111695742B (zh) 2020-06-22 2020-06-22 一种综合能源系统日前调度区间优化方法、系统及设备

Publications (2)

Publication Number Publication Date
CN111695742A CN111695742A (zh) 2020-09-22
CN111695742B true CN111695742B (zh) 2023-05-23

Family

ID=72482853

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010573735.9A Active CN111695742B (zh) 2020-06-22 2020-06-22 一种综合能源系统日前调度区间优化方法、系统及设备

Country Status (1)

Country Link
CN (1) CN111695742B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112290536B (zh) * 2020-09-23 2022-12-23 电子科技大学 基于近端策略优化的电-热综合能源系统在线调度方法
CN112418488B (zh) * 2020-11-04 2023-04-28 南方电网科学研究院有限责任公司 一种基于两阶段能量优化的综合能源系统调度方法及装置
CN112633575B (zh) * 2020-12-22 2023-01-31 山东大学 基于鲁棒优化的多能互补综合能源系统容量配置方法及系统
CN113947236B (zh) * 2021-09-06 2022-11-08 阿里云计算有限公司 综合能源调度方法、计算设备及介质
CN115126655A (zh) * 2022-08-31 2022-09-30 深圳市海清视讯科技有限公司 风力发电的控制方法、装置、设备及存储介质
CN115600761B (zh) * 2022-11-09 2023-05-02 山东大学 考虑不确定性因素的综合能源生产单元自调度方法和系统
CN116882596B (zh) * 2023-09-07 2023-12-15 中国地质大学（武汉） 一种热电联合系统日前随机优化问题计算效率提升方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030182250A1 (en) * 2002-03-19 2003-09-25 Mohammad Shihidehpour Technique for forecasting market pricing of electricity
BG108851A (en) * 2004-08-23 2006-02-28 Георги Стоилов MOMENTAL ELECTRICITY MARKET
CN102968111B (zh) * 2012-12-14 2015-09-02 廊坊新奥节能服务有限公司 控制分布式能源系统的方法和系统
CN103544655B (zh) * 2013-10-18 2017-02-08 国家电网公司 一种含微电网的区域配电网分层优化方法
CN106355344A (zh) * 2016-09-08 2017-01-25 四川大学 一种基于正交阵列的微电网鲁棒优化运行方法
CN106849190B (zh) * 2017-03-21 2019-05-17 国网天津市电力公司 一种基于Rollout算法的多能互补微网实时调度方法
CN109066709B (zh) * 2018-09-29 2021-07-30 南方电网科学研究院有限责任公司 一种基于元模型的分布式电源就地电压控制策略改进方法
CN111191814A (zh) * 2019-11-22 2020-05-22 储长青 一种电价预测方法、系统和计算机可读存储介质
CN111082469B (zh) * 2020-01-07 2021-07-09 南方电网科学研究院有限责任公司 一种分布式新能源配电网的优化调度方法、系统及设备
CN111291942B (zh) * 2020-03-05 2023-09-26 燕山大学 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

Also Published As

Publication number Publication date
CN111695742A (zh) 2020-09-22

Similar Documents

Publication Publication Date Title
CN111695742B (zh) 一种综合能源系统日前调度区间优化方法、系统及设备
Ciupageanu et al. Real-time stochastic power management strategies in hybrid renewable energy systems: A review of key applications and perspectives
Qu et al. Prediction of electricity generation from a combined cycle power plant based on a stacking ensemble and its hyperparameter optimization with a grid-search method
AU2017368470B2 (en) System and method for dynamic energy storage system control
CN110717688A (zh) 考虑新能源出力不确定性的水风光短期联合优化调度方法
Lu et al. A hybrid deep learning-based online energy management scheme for industrial microgrid
Alhaider et al. Planning energy storage and photovoltaic panels for demand response with heating ventilation and air conditioning systems
Lu et al. Data-driven stochastic programming for energy storage system planning in high PV-penetrated distribution network
CN111404153A (zh) 计及可再生能源与需求响应的能量枢纽规划模型构建方法
CN111539584B (zh) 一种用户级综合能源系统规划方法、系统以及设备
CN112598195A (zh) 楼宇型综合能源系统运行优化方法、装置及终端设备
CN112736918B (zh) 微电网中源储荷协调的两级优化调度方法、装置及设备
CN111738529B (zh) 基于强化学习的综合能源系统需求响应方法、系统及设备
Wang et al. Two-stage stochastic optimization for unit commitment considering wind power based on scenario analysis
Tang et al. Environmental and economic operation of wind-PV-CCHP-based energy system considering risk analysis via downside risk constraints technique
Ikeda et al. A new optimization strategy for the operating schedule of energy systems under uncertainty of renewable energy sources and demand changes
Ameli et al. Economical load distribution in power networks that include hybrid solar power plants
CN113708418B (zh) 微电网优化调度方法
Yu et al. A hybrid fuzzy-stochastic technique for planning peak electricity management under multiple uncertainties
Aghelinejad et al. Single-machine scheduling problem with total energy consumption costs minimization
Cho et al. Three-stage robust unit commitment considering decreasing uncertainty in wind power forecasting
CN112308411B (zh) 基于动态碳交易模型的综合能源站随机规划方法及系统
Gómez et al. A renewable energy optimisation approach with production planning for a real industrial process: An application of genetic algorithms
CN113689068A (zh) 一种电力电量平衡规划方法、装置及终端设备
Leenders et al. Integrated scheduling of batch production and utility systems for provision of control reserve

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