CN111815025A - 考虑风光与负荷不确定性综合能源系统柔性优化调度方法 - Google Patents

考虑风光与负荷不确定性综合能源系统柔性优化调度方法 Download PDF

Info

Publication number
CN111815025A
CN111815025A CN202010517391.XA CN202010517391A CN111815025A CN 111815025 A CN111815025 A CN 111815025A CN 202010517391 A CN202010517391 A CN 202010517391A CN 111815025 A CN111815025 A CN 111815025A
Authority
CN
China
Prior art keywords
power
scene
energy
cost
electric
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
CN202010517391.XA
Other languages
English (en)
Inventor
吴健
綦陆杰
梁荣
崔灿
杨波
李昭
刘蕊
张雯
刘钊
杨慎全
王延朔
张博颐
李�昊
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.)
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Shandong Electric Power 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 State Grid Corp of China SGCC, Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010517391.XA priority Critical patent/CN111815025A/zh
Publication of CN111815025A publication Critical patent/CN111815025A/zh
Pending legal-status Critical Current

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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (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)

Abstract

本发明公开了一种考虑风光与负荷不确定性综合能源系统柔性优化调度方法：通过蒙特卡洛抽样生成场景；针对综合能源系统风光出力及冷热电负荷需求的不确定性，采用多场景法的处理手段分析，并采用概率距离的快速前代方法进行场景消减；综合能源系统从多个场景之间进行转换的运行成本调整最小为目标，建立目标函数；建立约束条件；采用遗传算法对由目标函数和约束条件构成的模型进行求解分析，对系统场景之间所调整的运行成本以及LNG冷能发电对综合能源系统运行成本的影响进行对比，提出不同电价场景下的综合能源系统优化运行策略。

Description

考虑风光与负荷不确定性综合能源系统柔性优化调度方法
技术领域
本发明涉及综合能源调度方法，更具体地说，是涉及一种考虑风光与负荷不确定性综合能源系统柔性优化调度方法。
背景技术
综合能源系统是一个融合了风能、太阳能等分布式可再生能源，且电源与负荷实时平衡的动态系统，而风力发电和太阳能光伏发电又具有随机性、波动性和不可调度等特点，发电预测误差较大，难以控制，同时综合能源系统给用户提供的冷负荷、热负荷和电负荷也存在不确定性，导致了系统在发电侧和负荷需求侧两端都存在随机性。柔性优化调度一方面要灵活适当地考虑不确定因素带来的风险，另一方面可以柔性灵活地运用储能设备，进而提高电力系统运行的安全性与经济性。为了提高供能区域内综合能源系统的能源利用效率和经济性，考虑冷/热环网和电力辐射网的多种能源网耦合，研究如何在风光出力和负荷不确定的情况下，使得综合能源系统在多个不同场景之间进行转换时的运行成本整达到最小。
考虑风光与负荷不确定性的综合能源系统柔性优化调度问题可以描述为：综合能源系统依靠几个预测服务供应商，在不同时间序列上对风光机组发电进行预测。为了适应风光机组发电预测的不确定性，每个预测服务供应商通过考虑不同初始条件和模型结构来提供多个场景，并且各自提出一种组合决策。最后根据提出的框架来选择一种使得综合能源系统在多个场景转换过程中的调整运行成本最小的柔性优化策略。
发明内容
本发明的目的是为了克服现有技术中的不足，提出一种考虑风光与负荷不确定性综合能源系统柔性优化调度方法。
本发明的目的是通过以下技术方案实现的。
本发明考虑风光与负荷不确定性综合能源系统柔性优化调度方法，包括以下过程：
步骤一：通过蒙特卡洛抽样生成场景；
步骤二：针对综合能源系统风光出力及冷热电负荷需求的不确定性，采用多场景法的处理手段分析，并采用概率距离的快速前代方法进行场景消减；
步骤三：综合能源系统从多个场景之间进行转换的运行成本调整最小为目标，建立目标函数；
步骤四：建立约束条件；
步骤五：采用遗传算法对由目标函数和约束条件构成的模型进行求解分析，对系统场景之间所调整的运行成本以及LNG冷能发电对综合能源系统运行成本的影响进行对比，提出不同电价场景下的综合能源系统优化运行策略。
步骤一通过蒙特卡洛抽样生成场景的具体过程如下：
场景生成，含随机变量的随机优化期望模型采用凸随机优化的期望值模型：
Figure BDA0002530612990000021
式中：P为ω在Ω空间的概率测度，属于概率空间P(Ω)；ω为随机变量；EP为关于P的期望；X为决策变量集合；f(ω,x)为场景发生概率密度；
通过蒙特卡洛抽样生成场景的步骤如下：
①假设随机变量服从正态分布，将随机变量取值离散化为以0为均值的7个区间，每个区间的宽度为随机变量的预测误差，每个区间有其相对应的概率；
②将每个区间的概率标准化，使其和为1；
③在标准化的概率区间内，通过轮盘赌机制来获取每个时刻的预测误差值和对应的概率，每个场景有一系二进制数组成，每一位二进制数代表选中的随机变量预测误差和对应的概率，选中的区间为1，没选中的为0；
Scenarios＝{W1,s,t,…,W7,s,t}t＝1，…,T (1-2)
式中：W1,s，t，…，W7,s，t为离散化以0为均值的7个区间的预测误差；
④计算各个场景的标准化概率：
Figure BDA0002530612990000031
式中：W1，s,t,…,W7,s,t为离散化以0为均值的7个区间的预测误差；αl,t为每个区间对应概率。
步骤二采用概率距离的快速前代方法进行场景消减：
设综合能源系统运行的总场景数为S，采用概率距离的快速前代方法进行场景消减，具体思路如下：
①计算场景集S中任意两个场景s和s′的几何距离；
②选定与剩余场景概率距离之和最小的场景d；
③以场景集S中与场景d几何距离最小的场景d′替换场景d，并将场景d的概率加到d′的概率上，去除d，形成新的场景集S′；
④判断剩余场景数是否满足收敛要求；若满足，场景消减结束；反之，重复步骤①-③；
假设消减后的总场景数目为M，则各场景之间的概率关系如下式所示：
Figure BDA0002530612990000032
式中：M为总场景数；πs为场景s的概率。
步骤三建立目标函数的过程如下：
综合能源系统从多个场景之间进行转换的运行成本调整最小为目标；其中单一场景下，综合能源系统总运行成本为LNG使用成本、电能购买成本和碳排放成本之和；单一场景下综合能源系统总运行成本可表示为：
Figure BDA0002530612990000033
其中，
Figure BDA0002530612990000034
为综合能源系统总运行成本，
Figure BDA0002530612990000035
为LNG使用成本，
Figure BDA0002530612990000036
为电能购买成本，
Figure BDA0002530612990000037
为碳排放成本；
(1)LNG使用成本
该成本包括某区域在一天24小时内燃气轮机消耗总的天然气量
Figure BDA0002530612990000041
其中LNG单价为ρg(元/Kg)；N为燃气轮机机组个数；
Figure BDA0002530612990000042
式中：
Figure BDA0002530612990000043
α为单位LNG转化为气态天然气的转化率；
Figure BDA0002530612990000044
为燃气轮机在场景s的发电功率；ηGT，t为燃气轮机发电效率；β为单位气态天然气热值；
(2)电能购买成本
电能购买成本包括从大电网的电能购买成本与回馈大电网的电能收益两个部分；考虑了电网不同时段的分时电价
Figure BDA0002530612990000045
和奖励政策的奖励系数
Figure BDA0002530612990000046
因此电能购买成本为：
Figure BDA0002530612990000047
式中：
Figure BDA0002530612990000048
为从大电网购买的电功率；
Figure BDA0002530612990000049
为回馈给大电网的电功率；
(3)碳排放成本
综合能源系统碳排放成本包括其从电网购买电量折算的碳排放成本和购买LNG热值折算的碳排放成本；
Figure BDA00025306129900000410
式中：μpc为电网发电的碳排放系数(g/kWh)；μgc为单位天然气热值的碳排放系数(g/kWh)；ξ为单位CO2排放所需缴纳税费(元/kg)。
步骤四约束条件包括以下：
(1)电功率平衡约束
Figure BDA00025306129900000411
上式表示在同一个时刻电母线上输入电功率(包括大电网购电功率
Figure BDA0002530612990000051
燃气轮机发电功率
Figure BDA0002530612990000052
光伏发电功率
Figure BDA0002530612990000053
冷能发电功率
Figure BDA0002530612990000054
风力发电率
Figure BDA0002530612990000055
蓄电池放电功率
Figure BDA0002530612990000056
)与输出电功率(包括向电网回馈的电功率
Figure BDA0002530612990000057
电吸收制冷机用电功率
Figure BDA0002530612990000058
需求侧辐射状微网用电功率
Figure BDA0002530612990000059
蓄热式电锅炉的耗电功率
Figure BDA00025306129900000510
蓄电池充电功率
Figure BDA00025306129900000511
相等；
分布式冷热电联供单元与电网的交互功率约束
Figure BDA00025306129900000512
上式表示在同一时刻从电网注入的电功率和电功率从微网回馈到电网两种情况不可同时出现，并且
Figure BDA00025306129900000513
和
Figure BDA00025306129900000514
必须为非负；
(3)电冷热能供需平衡约束
对负荷区域供应电冷热能时，在不考虑冷热环状管道网络和辐射状电网传输能量损耗的前提下，电冷热能供需平衡约束如下：
Figure BDA00025306129900000515
式中：
Figure BDA00025306129900000516
分别表示综合能源系统输出电能、电负荷；
Figure BDA00025306129900000517
分别表示综合能源系统输出冷能、冷负荷；
Figure BDA00025306129900000518
分别表示综合能源系统输出热能、热负荷；n为整数；上式表示在多个分布式冷热电单元互联的情况下，综合能源系统的总输出电能、冷能、热能与系统总的电负荷、冷负荷、热负荷相等；
(3)储能装置存储约束
蓄电池在时间段内的充电/放电量约束
Figure BDA00025306129900000519
Figure BDA00025306129900000520
蓄电池的充电/放电功率上下限约束
Figure BDA0002530612990000061
Figure BDA0002530612990000062
蓄电池的充电/放电状态约束
Figure BDA0002530612990000063
蓄电池荷电状态上下限约束
Figure BDA0002530612990000064
式中：
Figure BDA0002530612990000065
分别为储能设备在场景s的充/放电功率；
Figure BDA0002530612990000066
分别为储能设备的充/放电效率；Caps，t为储能设备的额定容量；
Figure BDA0002530612990000067
为储能设备荷电状态；
热储能设备需要满足其储热和放热状态约束，具体公式如下：
TES热能容量的上下限约束
Figure BDA0002530612990000068
储热功率上下限约束
Figure BDA0002530612990000069
放热功率上下限约束
Figure BDA00025306129900000610
储热/放热状态约束
Figure BDA00025306129900000611
式中：ηm，t和ηdr，t分别为热储能设备的储热和放热效率；
Figure BDA00025306129900000612
和
Figure BDA00025306129900000613
分别为热储能设备在场景s的储热和放热功率；
(4)系统机组运行约束
Figure BDA00025306129900000614
Figure BDA00025306129900000615
Figure BDA0002530612990000071
Figure BDA0002530612990000072
Figure BDA0002530612990000073
Figure BDA0002530612990000074
公式(2-18)-(2-23)分别为天然气进入燃气轮机有功发电的上下限约束、冷能发电机功率上下限约束、电制冷机的功率上下限约束、吸式制冷机的功率上下限约束、太阳能发电机组设备的功率上下限约束、风能发电机组设备的功率上下限约束；
(5)场景树约束
Figure BDA0002530612990000075
式中：s与s′为场景集S中两个不同的场景。
步骤五中采用遗传算法对由目标函数和约束条件构成的模型进行求解分析过程如下：
(1)确定初始值；
(2)确定遗传算法参数，进行二进制编码，产生初始种群；
(3)进行适应度值计算；
(4)进行遗传算法的选择、交叉、变异操作，产生新一代种群；
(5)判断是否达到进化终止代数；如果达到迭代次数，则终止进化，输出种群最优结果；否则，重复步骤(3)和(4)；
步骤五中对系统场景之间所调整的运行成本以及LNG冷能发电对系统运行成本的影响进行了对比，提出不同电价场景下的综合能源系统优化运行策略：
综合能源系统依靠预测服务供应商，在不同时间序列上对风光机组发电进行预测；假设NP个预测服务供应商分别对应S1,S2,…,SNP场景集，考虑到各种不同的天气状况和不确定性因素的影响，每个场景都对应一种优化策略O1,O2，…,ONP；在时间t∈[0,tc]内，系统采用运行策略Ox进行调度，在t＝tc时，当前运行策略Ox只针对确定的天气状况，S估计在t＝tc,24]内跟天气状况更加一致；为了适应这种变化，在t∈[tc,24]内采取Oy作为系统的运行策略；因为系统的运行状态不能在短时间内发生改变，则Ox在tc不能立即转换到Oy；假设系统从Ox转换到Oy的过程持续时间为Ti,xy，因此整个运行策略的优化过程可分为三部分PartA、PartB和PartC；系统从一个场景转换到另一场景的总调整成本表示为：
Figure BDA0002530612990000081
s.t.(2-5)-(2-24) (2-26)
则系统整个运行过程的期望总运行成本表示为：
Figure BDA0002530612990000082
s.t.(2-5)-(2-24) (2-28)
与现有技术相比，本发明的技术方案所带来的有益效果是：
本发明针对风光出力和负荷预测误差的不确定性，运用蒙特卡洛抽样方法生成多个场景，每一种场景对应一种综合能源系统风光出力和负荷的可行方案，通过综合能源系统运行成本的优化调度，系统得到多种运行方式。在单一场景下，综合能源系统以LNG购买成本、购电成本和碳排放成本之和所得运行成本最小为目标，以燃气轮机的发电功率、从大电网购买的电功率和回馈给大电网的电功率为决策变量，考虑了电功率平衡约束、冷热电能供需平衡约束、储能装置存储约束和系统机组运行约束等约束条件。当综合能源系统从多个不同场景之间进行转换时，运行方式做出相应调整。此时以系统多个场景之间所调整的运行成本最小为目标，提出风光与负荷多场景下综合能源系统的柔性优化调度模型。在多场景情况下，釆用遗传算法对模型进行求解。最后对系统多个场景之间所调整的运行成本以及LNG冷能发电对系统运行成本的影响进行了对比分析，提出不同电价场景下的综合能源系统优化运行策略。
柔性运行调度能够有效降低系统调整运行成本，综合能源系统可以根据不同电价选择相应的运行方式，验证了LNG低温冷能利用对系统运行成本有很好的优化效果。
附图说明
图1是两个相邻时间间隔的转换路径。
图2是综合能源系统独立运行下的IEEE-15节点系统图。
图2是综合能源系统独立运行下的IEEE-15节点系统图。
图3是系统在夏季典型日的电能输入与输出。
图4是系统在实时电价较低场景下的优化运行曲线。
图5是系统在中等实时电价场景下的优化运行曲线。
图6是系统在实时电价较高场景下的优化运行曲线。
具体实施方式
下面结合附图对本发明作进一步的描述。
本发明考虑风光与负荷不确定性综合能源系统柔性优化调度方法，包括以下过程：
步骤一：通过蒙特卡洛抽样生成场景。
场景生成，含随机变量的随机优化期望模型可采用凸随机优化的期望值模型：
Figure BDA0002530612990000091
式中：P为ω在Ω空间的概率测度，属于概率空间P(Ω)；ω为随机变量；EP为关于P的期望；X为决策变量集合；f(ω,x)为场景发生概率密度。
每个含精确概率数据的样本可充当一个场景，通过蒙特卡洛抽样生成场景的步骤如下：
①假设随机变量服从正态分布，将随机变量取值离散化为以0为均值的7个区间，每个区间的宽度为随机变量的预测误差，每个区间有其相对应的概率；
②将每个区间的概率标准化，使其和为1；
③在标准化的概率区间内，通过轮盘赌机制来获取每个时刻的预测误差值和对应的概率，每个场景有一系二进制数组成，每一位二进制数代表选中的随机变量预测误差和对应的概率，选中的区间为1，没选中的为0；
Scenarios＝{W1,s,t,…,W7,s,t}t＝1,…,T (1-2)
式中：W1,s,t,…,W7,s,t为离散化以0为均值的7个区间的预测误差；
④计算各个场景的标准化概率：
Figure BDA0002530612990000101
式中：W1,s,t,…,W7,s,t为离散化以0为均值的7个区间的预测误差；αl,t为每个区间对应概率。
步骤二：针对综合能源系统风光出力及冷热电负荷需求的不确定性，采用多场景法的处理手段分析，并采用概率距离的快速前代方法进行场景消减。
设综合能源系统运行的总场景数为S，从计算量和计算精度这两方面考虑，采用概率距离的快速前代方法进行场景消减，具体思路如下：
①计算场景集S中任意两个场景s和s′的几何距离；
②选定与剩余场景概率距离之和最小的场景d；
③以场景集S中与场景d几何距离最小的场景d′替换场景d，并将场景d的概率加到d′的概率上，去除d，形成新的场景集S′；
④判断剩余场景数是否满足收敛要求；若满足，场景消减结束；反之，重复步骤①-③。
假设消减后的总场景数目为M，则各场景之间的概率关系如下式所示：
Figure BDA0002530612990000102
式中：M为总场景数；πs为场景s的概率。
步骤三：综合能源系统从多个场景之间进行转换的运行成本调整最小为目标，建立目标函数。
综合能源系统从多个场景之间进行转换的运行成本调整最小为目标。其中单一场景下，综合能源系统总运行成本为LNG使用成本、电能购买成本和碳排放成本之和。单一场景下综合能源系统总运行成本可表示为：
Figure BDA0002530612990000111
其中，
Figure BDA0002530612990000112
为综合能源系统总运行成本，
Figure BDA0002530612990000113
为LNG使用成本，
Figure BDA0002530612990000114
为电能购买成本，
Figure BDA0002530612990000115
为碳排放成本。
(1)LNG使用成本
该成本包括某区域在一天24小时内燃气轮机消耗总的天然气量
Figure BDA0002530612990000116
其中LNG单价为ρg(元/Kg)；N为燃气轮机机组个数。
Figure BDA0002530612990000117
式中：
Figure BDA0002530612990000118
α为单位LNG转化为气态天然气的转化率；
Figure BDA0002530612990000119
为燃气轮机在场景s的发电功率；ηGT,t为燃气轮机发电效率；β为单位气态天然气热值。
(2)电能购买成本
电能购买成本包括从大电网的电能购买成本与回馈大电网的电能收益两个部分。考虑了电网不同时段的分时电价
Figure BDA00025306129900001110
和奖励政策的奖励系数
Figure BDA00025306129900001111
因此电能购买成本为：
Figure BDA00025306129900001112
式中：
Figure BDA00025306129900001113
为从大电网购买的电功率；
Figure BDA00025306129900001114
为回馈给大电网的电功率。
(3)碳排放成本
综合能源系统碳排放成本包括其从电网购买电量折算的碳排放成本和购买LNG热值折算的碳排放成本。
Figure BDA0002530612990000121
式中：μpc为电网发电的碳排放系数(g/kWh)；μgc为单位天然气热值的碳排放系数(g/kWh)；ξ为单位CO2排放所需缴纳税费(元/kg)。
步骤四：建立约束条件。
综合能源系统需要满足电功率平衡约束、电冷热能供需平衡约束、储能装置存储约束、系统机组运行约束以及场景树约束，以实现系统安全运行。
(1)电功率平衡约束
Figure BDA0002530612990000122
上式表示在同一个时刻电母线上输入电功率(包括大电网购电功率
Figure BDA0002530612990000123
燃气轮机发电功率
Figure BDA0002530612990000124
光伏发电功率
Figure BDA0002530612990000125
冷能发电功率
Figure BDA0002530612990000126
风力发电率
Figure BDA0002530612990000127
蓄电池放电功率
Figure BDA0002530612990000128
)与输出电功率(包括向电网回馈的电功率
Figure BDA0002530612990000129
电吸收制冷机用电功率
Figure BDA00025306129900001210
需求侧辐射状微网用电功率
Figure BDA00025306129900001211
蓄热式电锅炉的耗电功率
Figure BDA00025306129900001212
蓄电池充电功率
Figure BDA00025306129900001213
相等。
分布式冷热电联供单元与电网的交互功率约束
Figure BDA00025306129900001214
上式表示在同一时刻从电网注入的电功率和电功率从微网回馈到电网两种情况不可同时出现，并且
Figure BDA00025306129900001215
和
Figure BDA00025306129900001216
必须为非负。
(2)电冷热能供需平衡约束
对负荷区域供应电冷热能时，在不考虑冷热环状管道网络和辐射状电网传输能量损耗的前提下，电冷热能供需平衡约束如下：
Figure BDA00025306129900001217
式中：
Figure BDA00025306129900001218
分别表示综合能源系统输出电能、电负荷；
Figure BDA00025306129900001219
分别表示综合能源系统输出冷能、冷负荷；
Figure BDA0002530612990000131
分别表示综合能源系统输出热能、热负荷。n位整数；上式表示在多个分布式冷热电单元互联的情况下，综合能源系统的总输出电能、冷能、热能与系统总的电负荷、冷负荷、热负荷相等。
(3)储能装置存储约束
蓄电池在时间段内的充电/放电量约束
Figure BDA0002530612990000132
Figure BDA0002530612990000133
蓄电池的充电/放电功率上下限约束
Figure BDA0002530612990000134
Figure BDA0002530612990000135
蓄电池的充电/放电状态约束
Figure BDA0002530612990000136
蓄电池荷电状态上下限约束
Figure BDA0002530612990000137
式中：
Figure BDA0002530612990000138
分别为储能设备在场景s的充/放电功率；
Figure BDA0002530612990000139
分别为储能设备的充/放电效率；Caps，t为储能设备的额定容量；
Figure BDA00025306129900001310
为储能设备荷电状态。
热储能设备需要满足其储热和放热状态约束，具体公式如下：
TES热能容量的上下限约束
Figure BDA00025306129900001311
储热功率上下限约束
Figure BDA00025306129900001312
放热功率上下限约束
Figure BDA0002530612990000141
储热/放热状态约束
Figure BDA0002530612990000142
式中：ηm,t和ηdr,t分别为热储能设备的储热和放热效率；
Figure BDA0002530612990000143
和
Figure BDA0002530612990000144
分别为热储能设备在场景s的储热和放热功率。
(4)系统机组运行约束
Figure BDA0002530612990000145
Figure BDA0002530612990000146
Figure BDA0002530612990000147
Figure BDA0002530612990000148
Figure BDA0002530612990000149
Figure BDA00025306129900001410
公式(2-18)-(2-23)分别为天然气进入燃气轮机有功发电的上下限约束、冷能发电机功率上下限约束、电制冷机的功率上下限约束、吸式制冷机的功率上下限约束、太阳能发电机组设备的功率上下限约束、风能发电机组设备的功率上下限约束。
(5)场景树约束
Figure BDA00025306129900001411
式中：s与s′为场景集S中两个不同的场景；场景树约束的意义是当s和s′两个场景在时间t，其特性相似，不可分辨，决策结果可以视为相同。
步骤五：采用遗传算法对由目标函数和约束条件构成的柔性优化调度模型进行求解分析，对系统场景之间所调整的运行成本以及LNG冷能发电对综合能源系统运行成本的影响进行对比，提出不同电价场景下的综合能源系统优化运行策略。
采用遗传算法对模型进行求解分析过程如下：
(1)确定初始值；
(2)确定遗传算法参数，进行二进制编码，产生初始种群；
(3)进行适应度值计算；
(4)进行遗传算法的选择、交叉、变异等操作，产生新一代种群；
(5)判断是否达到进化终止代数；如果达到迭代次数，则终止进化，输出种群最优结果；否则，重复步骤(3)和(4)。
对系统场景之间所调整的运行成本以及LNG冷能发电对系统运行成本的影响进行了对比，提出不同电价场景下的综合能源系统优化运行策略：
综合能源系统依靠几个预测服务供应商，在不同时间序列上对风光机组发电进行预测。假设NP个预测服务供应商分别对应S1,S2,…,SNP场景集，考虑到各种不同的天气状况和不确定性因素的影响，每个场景都对应一种优化策略O1,O2,…,ONP。在时间t∈[0,tc]内，系统采用运行策略Ox进行调度，在t＝tc时，当前运行策略Ox只针对确定的天气状况，S估计在t∈[tc,24]内跟天气状况更加一致。为了适应这种变化，在t∈[tc,24]内采取Oy作为系统的运行策略。因为系统的运行状态不能在短时间内发生改变，则Ox在tc不能立即转换到Oy。假设系统从Ox转换到Oy的过程持续时间为Ti,xy，因此整个运行策略的优化过程可分为三部分PartA、PartB和PartC。系统从一个场景转换到另一场景的总调整成本可表示为：
Figure BDA0002530612990000151
s.t.(2-5)-(2-24) (2-26)
两个相邻时间间隔的转换路径可用图1所示。
则系统整个运行过程的期望总运行成本可表示为：
Figure BDA0002530612990000152
s.t.(2-5)-(2-24) (2-28)
实施例：
以IEEE.15节点系统为例，如图2所示。通过对大量数据和场景开展数值仿真，验证发明的有效性。综合能源系统包括DES/CHP单元、插电式混合电动汽车(PHEV)、光伏电板(PV)、风电场(PW)电锅炉和热储能装置(TES)。各个节点之间都存在冷热电能的交换。
步骤一：场景生成，含随机变量的随机优化期望模型可用凸随机优化的期望值模型，如公式(1-1)所示。
通过蒙特卡洛抽样生成场景的步骤如下：
①假设随机变量服从正态分布，将随机变量取值离散化为以0为均值的7个区间，每个区间的宽度为随机变量的预测误差，每个区间有其相对应的概率。
②将每个区间的概率标准化，使其和为1。
③在标准化的概率区间内，通过轮盘赌机制来获取每个时刻的预测误差值和对应的概率，每个场景有一系N-进制数组成，每一位二进制数代表选中的随机变量预测误差和对应的概率，选中的区间为1，没选中的为0。如公式(1-2)
④计算各个场景的标准化概率，按公式(1-3)。
步骤二：场景削减
针对综合能源系统风光出力及冷热电负荷需求的不确定性，采用多场景法处理是比较有效的手段。设系统运行的总场景数为S，从计算量和计算精度间这种考虑，采用概率距离的快速前代方法进行场景消减，具体思路如下：
①计算场景集S中任意两个场景s和s′的几何距离。
②选定与剩余场景概率距离之和最小的场景d。
③以场景集S中与场景d几何距离最小的场景d′替换场景d，并将场景d的概率加到d′的概率上，去除d，形成新的场景集S′。
④判断剩余场景数是否满足收敛要求；若满足，场景消减结束；反之，重复步骤①-③。
假设消减后的总场景数目为M，则各场景之间的概率关系如公式(1-4)所示。
假定三组预测服务商通过多个预测模型对日前发电进行预测，总共生成200组场景，最终通过概率度量测量距离，削减后只剩5组场景。三个部分的组合决策如表5所示。
表5三个部分的组合决策
Figure BDA0002530612990000171
场景1：风电出力正常，光伏出力正常，冷热机组正常；
场景2：风电出力失常，光伏出力正常，冷热机组正常；
场景3：风电出力正常，光伏出力失常，冷热机组正常；
场景4：风电出力失常，光伏出力失常，冷热机组正常；
场景5：风电出力正常，光伏出力正常，冷热机组出现故障。
步骤三：建立目标函数，式(2-1)-(2-4)；
步骤四：设定约束条件，带入式(2-5)-(2-24)；
系统参数设定：
假设储能装置充/放电效率为1(不考虑蓄电池充/放电过程的能量损失)，储能装置的充电周期和电池的初始充电状态是根据湖南省长沙市市民出行调查所得，其具体参数如表1所示；发电单元的碳排放参数如表2所示；冷热电联供单元的相关参数如表3所示；分时价格时段划分为：峰时段10:00—16:00，18:00.22:00；平时段7:00.10:00，16:00.18:00，22:00.23:00；谷时段0:00.7:00，23:00.24:00。具体时段对应的分时电价、回馈电能奖励系数和天然气价格见表4所示。
表1储能装置参数
Figure BDA0002530612990000172
表2碳排放参数
Figure BDA0002530612990000173
表3冷热电联供单元参数
Figure BDA0002530612990000181
表4电价、天然气价格参数
Figure BDA0002530612990000182
步骤五：采用遗传算法进行模型求解。
如果风光出力波动出现在负荷高峰期或者低谷期，其给系统带来的影响很显著，对系统运行造成高风险，还严重影响到发电资源。当风光机组满负荷发电时，风能和太阳能的渗透率会达到10％。根据以上讨论，本发明将发电状态转换节点分别选在凌晨4:00和晚上21:00，这两个时间点代表着某一天的负荷高峰期和低谷期。从表3-6可以看出，决策Y的调整成本在几种场景下全为正值，表明系统在决策Y情况下的实际总运行成本比期望运行成本较高；运行决策z的总运行成本比其他两种决策都低，且基本上期望运行成本比总成本较高。系统从场景1向场景2转换的过程中，三种备用方案联合运行的适应成本可用下表6所示.
表6三种运行方案的柔性成本
Figure BDA0002530612990000183
通过以上算例分析，提出的柔性运行决策选择方案能够系统地考虑到每个联合运行决策的运行成本和调整成本。该决策重点在于系统的柔性运行，而不是在运行决策过程中单个场景集的成本。例如，如果系统的运行状态在4:00发生变换，运行方案Y的期望运行成本比其他两种方案的都低。如果系统的运行状态在21:00发生变换，虽然运行决策Z的期望运行成本较其他两种决策高，但其总运行成本比其他两种决策都低。
(1)综合能源系统各时段的电能购/售状态。当能源供应可以刚好满足一个综合能源系统需求侧的能量负荷时，我们通常定义为系统的能量供需达到静态平衡状态，意味着系统和大电网之间没有能量交换。综合能源系统与大电网之间在一个夏季典型日的电能交换(即电能的输入和输出)可用图3表示。在t＝18h时，综合能源系统既没有购电也没有售电，表明与大电网之间没有进行能量交换，系统的能量供需己达到静态平衡。在其他时间，正值意味着系统从大电网购买电能，负值表示系统向电网零售电量。最大购电量为1775.3kW/h，出现在凌晨四点；最大售电量为950.1kW/h，出现在下午两点。
(2)不同电价场景下综合能源系统的优化运行策略
本章以GT(燃气轮机机组)、ESS(储能装置)和IL(可中断负荷)作为系统的优化运行单元。假定初始时刻储能装置的容量为零，GT的额定功率为567.5kW，最小出力为250kW，上下爬坡率限制均为300kW/h，最小开机时间为2h。在此选择3种不同实时电价场景对系统优化情况进行分析。
图4为综合能源系统在实时电价较低场景下的优化运行曲线。在凌晨低谷时段和午高峰电价来临之前，ESS可以将系统通过低电价向电网买来的电能和风力发电产生的电能充分储存起来，在午高峰电价到来时可以通过ESS进行放电；午高峰过后又可向电网购买少量的电能进行储存，以备在晚高峰时段进行发电。GT和IL只在双高峰的时候被调用，其余时间处于休息状态。
图5表示综合能源系统在实时电价处于中等价位场景下的优化运行曲线。在凌晨电价较低时段，ESS可以储存系统从电网购买的少量电能和风力发电产生的电能，在午高峰电价到来时通过ESS进行发电；午高峰过后在电价较低时段ESS又进行补充电能，以在晚高峰时段进行发电。GT在日内实时电价2个高峰时段处于运行状态，在凌晨和午后电价较低时段停机，IL除上午5:00，6:00这2个低电价时段外，全天均被调用。
图6为综合能源系统在实时电价较高场景下的优化运行曲线。由于实时电价全天都处于较高状态，ESS在凌晨电价较低时段通过储存风力发电产生的电能，以在日内两个高峰电价时段发电。由于ESS储存的电能有限，GT必须全天保持运行，且在上午7:00以后一直处于最大功率运行状态以减少系统运行成本。IL在全天多数时段同样处于较高调用状态
(3)LNG冷能发电对系统运行成本的影响分析
为了分析LNG冷能发电对系统运行成本的影响，对考虑冷能发电的系统运行成本和没有考虑冷能发电的系统运行成本两种情况进行了讨论。系统运行成本包含了每个单元所购买的LNG成本、购电成本、回馈电收益、二氧化碳排放成本以及总运行成本，分析结果如表7所示。
表7系统运行成本
Figure BDA0002530612990000201
由表7可以看出，考虑LNG冷能发电后的系统运行总成本为5211.2元，比没有考虑冷能发电的系统运行总成本减少了12106.6元，极大节约了系统运行成本。其中考虑冷能发电系统的购电成本比没有考虑冷能发电系统的购电成本减少了2697.3元，回馈电收益增加了5543.1元，二氧化碳排放成本减少了604.5元。由此可以得出考虑LNG冷能发电的系统比没有考虑冷能发电的系统具有更好的经济效益和环境效益。
尽管上面结合附图对本发明的功能及工作过程进行了描述，但本发明并不局限于上述的具体功能和工作过程，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可以做出很多形式，这些均属于本发明的保护之内。

Claims (6)

1.一种考虑风光与负荷不确定性综合能源系统柔性优化调度方法，其特征在于，包括以下过程：
步骤一：通过蒙特卡洛抽样生成场景；
步骤二：针对综合能源系统风光出力及冷热电负荷需求的不确定性，采用多场景法的处理手段分析，并采用概率距离的快速前代方法进行场景消减；
步骤三：综合能源系统从多个场景之间进行转换的运行成本调整最小为目标，建立目标函数；
步骤四：建立约束条件；
步骤五：采用遗传算法对由目标函数和约束条件构成的模型进行求解分析，对系统场景之间所调整的运行成本以及LNG冷能发电对综合能源系统运行成本的影响进行对比，提出不同电价场景下的综合能源系统优化运行策略。
2.根据权利要求1所述的考虑风光与负荷不确定性综合能源系统柔性优化调度方法，其特征在于，步骤一通过蒙特卡洛抽样生成场景的具体过程如下：
场景生成，含随机变量的随机优化期望模型采用凸随机优化的期望值模型：
Figure FDA0002530612980000011
式中：P为ω在Ω空间的概率测度，属于概率空间P(Ω)；ω为随机变量；EP为关于P的期望；X为决策变量集合；f(ω,x)为场景发生概率密度；
通过蒙特卡洛抽样生成场景的步骤如下：
①假设随机变量服从正态分布，将随机变量取值离散化为以0为均值的7个区间，每个区间的宽度为随机变量的预测误差，每个区间有其相对应的概率；
②将每个区间的概率标准化，使其和为1；
③在标准化的概率区间内，通过轮盘赌机制来获取每个时刻的预测误差值和对应的概率，每个场景有一系二进制数组成，每一位二进制数代表选中的随机变量预测误差和对应的概率，选中的区间为1，没选中的为0；
Scenarios＝{W1，s,t,…,W7，s，t}t＝1，…，T (1-2)式中：W1，s，t，…，W7,s,t为离散化以0为均值的7个区间的预测误差；
④计算各个场景的标准化概率：
Figure FDA0002530612980000021
式中：W1,s,t,…,W7,s,t为离散化以0为均值的7个区间的预测误差；αl,t为每个区间对应概率。
3.根据权利要求1所述的考虑风光与负荷不确定性综合能源系统柔性优化调度方法，其特征在于，步骤二采用概率距离的快速前代方法进行场景消减：
设综合能源系统运行的总场景数为S，采用概率距离的快速前代方法进行场景消减，具体思路如下：
①计算场景集S中任意两个场景s和s′的几何距离；
②选定与剩余场景概率距离之和最小的场景d；
③以场景集S中与场景d几何距离最小的场景d′替换场景d，并将场景d的概率加到d′的概率上，去除d，形成新的场景集S′；
④判断剩余场景数是否满足收敛要求；若满足，场景消减结束；反之，重复步骤①-③；
假设消减后的总场景数目为M，则各场景之间的概率关系如下式所示：
Figure FDA0002530612980000022
式中：M为总场景数；πs为场景s的概率。
4.根据权利要求1所述的考虑风光与负荷不确定性综合能源系统柔性优化调度方法，其特征在于，步骤三建立目标函数的过程如下：
综合能源系统从多个场景之间进行转换的运行成本调整最小为目标；其中单一场景下，综合能源系统总运行成本为LNG使用成本、电能购买成本和碳排放成本之和；单一场景下综合能源系统总运行成本可表示为：
Figure FDA0002530612980000023
其中，
Figure FDA0002530612980000031
为综合能源系统总运行成本，
Figure FDA0002530612980000032
为LNG使用成本，
Figure FDA0002530612980000033
为电能购买成本，
Figure FDA0002530612980000034
为碳排放成本；
(1)LNG使用成本
该成本包括某区域在一天24小时内燃气轮机消耗总的天然气量
Figure FDA0002530612980000035
其中LNG单价为ρg(元/Kg)；N为燃气轮机机组个数；
Figure FDA0002530612980000036
式中：
Figure FDA0002530612980000037
α为单位LNG转化为气态天然气的转化率；
Figure FDA0002530612980000038
为燃气轮机在场景s的发电功率；ηGT,t为燃气轮机发电效率；β为单位气态天然气热值；
(2)电能购买成本
电能购买成本包括从大电网的电能购买成本与回馈大电网的电能收益两个部分；考虑了电网不同时段的分时电价
Figure FDA0002530612980000039
和奖励政策的奖励系数
Figure FDA00025306129800000310
因此电能购买成本为：
Figure FDA00025306129800000311
式中：
Figure FDA00025306129800000312
为从大电网购买的电功率；
Figure FDA00025306129800000313
为回馈给大电网的电功率；
(3)碳排放成本
综合能源系统碳排放成本包括其从电网购买电量折算的碳排放成本和购买LNG热值折算的碳排放成本；
Figure FDA00025306129800000314
式中：μpc为电网发电的碳排放系数(g/kWh)；μgc为单位天然气热值的碳排放系数(g/kWh)；ξ为单位CO2排放所需缴纳税费(元/kg)。
5.根据权利要求1所述的考虑风光与负荷不确定性综合能源系统柔性优化调度方法，其特征在于，步骤四约束条件包括以下：
(1)电功率平衡约束
Figure FDA0002530612980000041
上式表示在同一个时刻电母线上输入电功率(包括大电网购电功率
Figure FDA0002530612980000042
燃气轮机发电功率
Figure FDA0002530612980000043
光伏发电功率
Figure FDA0002530612980000044
冷能发电功率
Figure FDA0002530612980000045
风力发电率
Figure FDA0002530612980000046
蓄电池放电功率
Figure FDA0002530612980000047
)与输出电功率(包括向电网回馈的电功率
Figure FDA0002530612980000048
电吸收制冷机用电功率
Figure FDA0002530612980000049
需求侧辐射状微网用电功率
Figure FDA00025306129800000410
蓄热式电锅炉的耗电功率
Figure FDA00025306129800000411
蓄电池充电功率
Figure FDA00025306129800000412
相等；
分布式冷热电联供单元与电网的交互功率约束
Figure FDA00025306129800000413
上式表示在同一时刻从电网注入的电功率和电功率从微网回馈到电网两种情况不可同时出现，并且
Figure FDA00025306129800000414
和
Figure FDA00025306129800000415
必须为非负；
(2)电冷热能供需平衡约束
对负荷区域供应电冷热能时，在不考虑冷热环状管道网络和辐射状电网传输能量损耗的前提下，电冷热能供需平衡约束如下：
Figure FDA00025306129800000416
式中：
Figure FDA00025306129800000417
分别表示综合能源系统输出电能、电负荷；
Figure FDA00025306129800000418
分别表示综合能源系统输出冷能、冷负荷；
Figure FDA00025306129800000419
分别表示综合能源系统输出热能、热负荷；n为整数；上式表示在多个分布式冷热电单元互联的情况下，综合能源系统的总输出电能、冷能、热能与系统总的电负荷、冷负荷、热负荷相等；
(3)储能装置存储约束
蓄电池在时间段内的充电/放电量约束
Figure FDA00025306129800000420
Figure FDA0002530612980000051
蓄电池的充电/放电功率上下限约束
Figure FDA0002530612980000052
Figure FDA0002530612980000053
蓄电池的充电/放电状态约束
Figure FDA0002530612980000054
蓄电池荷电状态上下限约束
Figure FDA0002530612980000055
式中：
Figure FDA0002530612980000056
分别为储能设备在场景s的充/放电功率；
Figure FDA0002530612980000057
分别为储能设备的充/放电效率；Caps,t为储能设备的额定容量；
Figure FDA0002530612980000058
为储能设备荷电状态；
热储能设备需要满足其储热和放热状态约束，具体公式如下：
TES热能容量的上下限约束
Figure FDA0002530612980000059
储热功率上下限约束
Figure FDA00025306129800000510
放热功率上下限约束
Figure FDA00025306129800000511
储热/放热状态约束
Figure FDA00025306129800000512
式中：ηm,t和ηdr,t分别为热储能设备的储热和放热效率；
Figure FDA00025306129800000513
和
Figure FDA00025306129800000514
分别为热储能设备在场景s的储热和放热功率；
(4)系统机组运行约束
Figure FDA0002530612980000061
Figure FDA0002530612980000062
Figure FDA0002530612980000063
Figure FDA0002530612980000064
Figure FDA0002530612980000065
Figure FDA0002530612980000066
公式(2-18)-(2-23)分别为天然气进入燃气轮机有功发电的上下限约束、冷能发电机功率上下限约束、电制冷机的功率上下限约束、吸式制冷机的功率上下限约束、太阳能发电机组设备的功率上下限约束、风能发电机组设备的功率上下限约束；
(5)场景树约束
Figure FDA0002530612980000067
式中：s与s′为场景集S中两个不同的场景。
6.根据权利要求1所述的考虑风光与负荷不确定性综合能源系统柔性优化调度方法，其特征在于，步骤五中采用遗传算法对由目标函数和约束条件构成的模型进行求解分析过程如下：
(1)确定初始值；
(2)确定遗传算法参数，进行二进制编码，产生初始种群；
(3)进行适应度值计算；
(4)进行遗传算法的选择、交叉、变异操作，产生新一代种群；
(5)判断是否达到进化终止代数；如果达到迭代次数，则终止进化，输出种群最优结果；否则，重复步骤(3)和(4)；
步骤五中对系统场景之间所调整的运行成本以及LNG冷能发电对系统运行成本的影响进行了对比，提出不同电价场景下的综合能源系统优化运行策略：
假设NP个预测服务供应商分别对应S1,S2,…,SNP场景集，考虑到各种不同的天气状况和不确定性因素的影响，每个场景都对应一种优化策略O1,O2,…,ONP；在时间t∈[0,tc]内，系统采用运行策略Ox进行调度，在t＝tc时，当前运行策略Ox只针对确定的天气状况，S估计在t∈[tc，24]内跟天气状况更加一致；为了适应这种变化，在t∈[tc，24]内采取Oy作为系统的运行策略；因为系统的运行状态不能在短时间内发生改变，则Ox在tc不能立即转换到Oy；假设系统从Ox转换到Oy的过程持续时间为Ti，xy，因此整个运行策略的优化过程可分为三部分PartA、PartB和PartC；系统从一个场景转换到另一场景的总调整成本表示为：
Figure FDA0002530612980000071
s.t.(2-5)-(2-24) (2-26)则系统整个运行过程的期望总运行成本表示为：
Figure FDA0002530612980000072
s.t.(2-5)-(2-24) (2-28)
CN202010517391.XA 2020-06-09 2020-06-09 考虑风光与负荷不确定性综合能源系统柔性优化调度方法 Pending CN111815025A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010517391.XA CN111815025A (zh) 2020-06-09 2020-06-09 考虑风光与负荷不确定性综合能源系统柔性优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010517391.XA CN111815025A (zh) 2020-06-09 2020-06-09 考虑风光与负荷不确定性综合能源系统柔性优化调度方法

Publications (1)

Publication Number Publication Date
CN111815025A true CN111815025A (zh) 2020-10-23

Family

ID=72845841

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010517391.XA Pending CN111815025A (zh) 2020-06-09 2020-06-09 考虑风光与负荷不确定性综合能源系统柔性优化调度方法

Country Status (1)

Country Link
CN (1) CN111815025A (zh)

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112421642A (zh) * 2020-10-28 2021-02-26 国家电网有限公司 一种综合能源系统ies可靠性评估方法和系统
CN112613697A (zh) * 2020-12-01 2021-04-06 南京南瑞信息通信科技有限公司 供暖场景下考虑燃气三联供的多能协同方法、装置及系统
CN112668755A (zh) * 2020-12-09 2021-04-16 国网西藏电力有限公司 一种多能互补分布式能源系统优化运行策略
CN112686432A (zh) * 2020-12-17 2021-04-20 湖北工业大学 一种多目标水电-风电优化调度模型方法
CN112952915A (zh) * 2021-02-24 2021-06-11 国网山东省电力公司电力科学研究院 一种综合能源系统中平抑电网峰谷的优化调度方法
CN113328470A (zh) * 2021-06-10 2021-08-31 国家电网有限公司 一种多态能源的产能储能综合利用系统
CN113364053A (zh) * 2021-06-23 2021-09-07 国家电网有限公司 一种实现能量枢纽综合能源的运行决策方法
CN113592200A (zh) * 2021-08-30 2021-11-02 东北大学 一种含水源热泵的区域综合能源系统低碳优化运行方法
CN113922398A (zh) * 2021-11-01 2022-01-11 北方工业大学 多应用场景下光储电站功率分配方法
CN114519449A (zh) * 2021-12-01 2022-05-20 中国华能集团有限公司河北雄安分公司 一种园区能源系统运行优化方法
CN114676920A (zh) * 2022-03-30 2022-06-28 天津津电供电设计所有限公司 一种考虑对外支撑能力的电热综合能源系统优化运行方法
CN114938040A (zh) * 2022-06-10 2022-08-23 国网浙江省电力有限公司电力科学研究院 源-网-荷-储交直流系统综合优化调控方法和装置
CN115392052A (zh) * 2022-09-22 2022-11-25 华北电力大学（保定） 考虑设备变工况运行特性的综合能源系统区间优化方法
CN115510677A (zh) * 2022-10-17 2022-12-23 华能山东发电有限公司 一种风电场发电能力评估方法及系统
CN115879651A (zh) * 2023-02-21 2023-03-31 国网天津市电力公司城西供电分公司 考虑电动汽车参与的综合能源系统低碳优化方法及装置
CN117114199A (zh) * 2023-09-11 2023-11-24 山东建筑大学 一种多场景天气下考虑满意度的智能建筑能源调度方法
CN117455033A (zh) * 2023-09-21 2024-01-26 南京林业大学 基于信息融合的双段式综合能源系统优化方法
CN117526315A (zh) * 2023-12-29 2024-02-06 常州金坛金能电力有限公司 多能源微电网系统的优化配置方法及装置
CN118313957A (zh) * 2024-04-15 2024-07-09 天津大学 基于场景归因的综合能源系统安全提升方法及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007007700A (ja) * 2005-06-30 2007-01-18 Kobe Steel Ltd 設計パラメータの最適値決定方法とこの方法を用いた圧延パススケジュールの決定方法
CN102609793A (zh) * 2012-03-22 2012-07-25 杭州盈电科技有限公司 基于多尺度规划与调度耦合的微电网能量优化管理方法
CN103440529A (zh) * 2013-08-12 2013-12-11 新疆大学 一种风电功率预测系统的横向误差平移修正方法
CN103632210A (zh) * 2013-11-27 2014-03-12 国家电网公司 一种中压配电网分段优化方法
CN103904695A (zh) * 2014-02-27 2014-07-02 浙江大学 一种基于mcs-pso的临近海岛多微网动态调度方法
CN106940869A (zh) * 2017-03-10 2017-07-11 国网山东省电力公司经济技术研究院 考虑负荷不确定性的参考电网鲁棒优化评价方法
CN107895971A (zh) * 2017-11-28 2018-04-10 国网山东省电力公司德州供电公司 基于随机规划和模型预测控制的区域能源互联网调度方法
CN108365608A (zh) * 2018-01-05 2018-08-03 中国电力科学研究院有限公司 一种区域能源互联网不确定优化调度方法及系统
CN108494015A (zh) * 2018-02-09 2018-09-04 中国科学院电工研究所 一种源-荷-储协调互动的综合能源系统设计方法
CN109934501A (zh) * 2019-03-18 2019-06-25 长沙理工大学 一种电力零售商参与平衡市场交易的风险规避方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007007700A (ja) * 2005-06-30 2007-01-18 Kobe Steel Ltd 設計パラメータの最適値決定方法とこの方法を用いた圧延パススケジュールの決定方法
CN102609793A (zh) * 2012-03-22 2012-07-25 杭州盈电科技有限公司 基于多尺度规划与调度耦合的微电网能量优化管理方法
CN103440529A (zh) * 2013-08-12 2013-12-11 新疆大学 一种风电功率预测系统的横向误差平移修正方法
CN103632210A (zh) * 2013-11-27 2014-03-12 国家电网公司 一种中压配电网分段优化方法
CN103904695A (zh) * 2014-02-27 2014-07-02 浙江大学 一种基于mcs-pso的临近海岛多微网动态调度方法
CN106940869A (zh) * 2017-03-10 2017-07-11 国网山东省电力公司经济技术研究院 考虑负荷不确定性的参考电网鲁棒优化评价方法
CN107895971A (zh) * 2017-11-28 2018-04-10 国网山东省电力公司德州供电公司 基于随机规划和模型预测控制的区域能源互联网调度方法
CN108365608A (zh) * 2018-01-05 2018-08-03 中国电力科学研究院有限公司 一种区域能源互联网不确定优化调度方法及系统
CN108494015A (zh) * 2018-02-09 2018-09-04 中国科学院电工研究所 一种源-荷-储协调互动的综合能源系统设计方法
CN109934501A (zh) * 2019-03-18 2019-06-25 长沙理工大学 一种电力零售商参与平衡市场交易的风险规避方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
董进军: "一种考虑风光与负荷不确定性的综合能源系统柔性优化调度", 《中国优秀硕士学位论文全文数据库》, no. 1, pages 042 - 2596 *

Cited By (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112421642B (zh) * 2020-10-28 2022-07-12 国家电网有限公司 一种综合能源系统ies可靠性评估方法和系统
CN112421642A (zh) * 2020-10-28 2021-02-26 国家电网有限公司 一种综合能源系统ies可靠性评估方法和系统
CN112613697A (zh) * 2020-12-01 2021-04-06 南京南瑞信息通信科技有限公司 供暖场景下考虑燃气三联供的多能协同方法、装置及系统
CN112613697B (zh) * 2020-12-01 2022-06-14 南京南瑞信息通信科技有限公司 供暖场景下考虑燃气三联供的多能协同方法、装置及系统
CN112668755A (zh) * 2020-12-09 2021-04-16 国网西藏电力有限公司 一种多能互补分布式能源系统优化运行策略
CN112686432A (zh) * 2020-12-17 2021-04-20 湖北工业大学 一种多目标水电-风电优化调度模型方法
CN112952915B (zh) * 2021-02-24 2023-11-03 国网山东省电力公司电力科学研究院 一种综合能源系统中平抑电网峰谷的优化调度方法
CN112952915A (zh) * 2021-02-24 2021-06-11 国网山东省电力公司电力科学研究院 一种综合能源系统中平抑电网峰谷的优化调度方法
CN113328470A (zh) * 2021-06-10 2021-08-31 国家电网有限公司 一种多态能源的产能储能综合利用系统
CN113364053A (zh) * 2021-06-23 2021-09-07 国家电网有限公司 一种实现能量枢纽综合能源的运行决策方法
CN113364053B (zh) * 2021-06-23 2022-06-24 国家电网有限公司 一种实现能量枢纽综合能源的运行决策方法
CN113592200A (zh) * 2021-08-30 2021-11-02 东北大学 一种含水源热泵的区域综合能源系统低碳优化运行方法
CN113592200B (zh) * 2021-08-30 2023-08-22 东北大学 一种含水源热泵的区域综合能源系统低碳优化运行方法
CN113922398A (zh) * 2021-11-01 2022-01-11 北方工业大学 多应用场景下光储电站功率分配方法
CN114519449A (zh) * 2021-12-01 2022-05-20 中国华能集团有限公司河北雄安分公司 一种园区能源系统运行优化方法
CN114676920A (zh) * 2022-03-30 2022-06-28 天津津电供电设计所有限公司 一种考虑对外支撑能力的电热综合能源系统优化运行方法
CN114676920B (zh) * 2022-03-30 2024-09-03 天津津电供电设计所有限公司 一种考虑对外支撑能力的电热综合能源系统优化运行方法
CN114938040A (zh) * 2022-06-10 2022-08-23 国网浙江省电力有限公司电力科学研究院 源-网-荷-储交直流系统综合优化调控方法和装置
CN114938040B (zh) * 2022-06-10 2023-12-29 国网浙江省电力有限公司电力科学研究院 源-网-荷-储交直流系统综合优化调控方法和装置
CN115392052A (zh) * 2022-09-22 2022-11-25 华北电力大学（保定） 考虑设备变工况运行特性的综合能源系统区间优化方法
CN115510677A (zh) * 2022-10-17 2022-12-23 华能山东发电有限公司 一种风电场发电能力评估方法及系统
CN115510677B (zh) * 2022-10-17 2024-01-09 华能山东发电有限公司 一种风电场发电能力评估方法及系统
CN115879651A (zh) * 2023-02-21 2023-03-31 国网天津市电力公司城西供电分公司 考虑电动汽车参与的综合能源系统低碳优化方法及装置
CN117114199A (zh) * 2023-09-11 2023-11-24 山东建筑大学 一种多场景天气下考虑满意度的智能建筑能源调度方法
CN117455033A (zh) * 2023-09-21 2024-01-26 南京林业大学 基于信息融合的双段式综合能源系统优化方法
CN117526315A (zh) * 2023-12-29 2024-02-06 常州金坛金能电力有限公司 多能源微电网系统的优化配置方法及装置
CN117526315B (zh) * 2023-12-29 2024-03-26 常州金坛金能电力有限公司 多能源微电网系统的优化配置方法及装置
CN118313957A (zh) * 2024-04-15 2024-07-09 天津大学 基于场景归因的综合能源系统安全提升方法及装置

Similar Documents

Publication Publication Date Title
CN111815025A (zh) 考虑风光与负荷不确定性综合能源系统柔性优化调度方法
Gholinejad et al. A hierarchical energy management system for multiple home energy hubs in neighborhood grids
Jiang et al. Optimal economic scheduling of microgrids considering renewable energy sources based on energy hub model using demand response and improved water wave optimization algorithm
Emrani-Rahaghi et al. Optimal scenario-based operation and scheduling of residential energy hubs including plug-in hybrid electric vehicle and heat storage system considering the uncertainties of electricity price and renewable distributed generations
Wang et al. Demand response comprehensive incentive mechanism-based multi-time scale optimization scheduling for park integrated energy system
Zhang et al. Capacity configuration optimization of multi-energy system integrating wind turbine/photovoltaic/hydrogen/battery
Torkan et al. A genetic algorithm optimization approach for smart energy management of microgrids
CN110378058B (zh) 一种综合考虑可靠性与经济性的电热耦合微网最优响应模型的建立方法
CN109713673B (zh) 售电环境下并网型微电网系统配置及优化运行的方法
CN110689189A (zh) 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法
Wang et al. Optimal scheduling of micro-energy grid with integrated demand response based on chance-constrained programming
CN111210079B (zh) 一种分布式能源虚拟电厂运行优化方法及系统
Melhem Optimization methods and energy management in" smart grids"
CN113592133A (zh) 一种能量枢纽优化配置方法及系统
Aghdam et al. Optimal stochastic operation of technical virtual power plants in reconfigurable distribution networks considering contingencies
CN112418488A (zh) 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
Yang et al. Interval method based optimal scheduling of regional multi-microgrids with uncertainties of renewable energy
CN111293718A (zh) 基于场景分析的交直流混合微网分区二层优化运行方法
Meng et al. Multi-objective optimal dispatching of demand response-enabled microgrid considering uncertainty of renewable energy generations based on two-level iterative strategy
CN114139837B (zh) 一种考虑双层碳排放优化分配模型的区域多系统双层分散优化调度方法
CN117559526A (zh) 一种基于光储充一体化充电站的拟路由器能量调控方法
CN115187018A (zh) 一种园区综合能源系统双层优化调度方法及装置
Su et al. Optimal economic operation of microgrids considering combined heat and power unit, reserve unit, and demand-side management using developed adolescent identity search algorithm
CN113158547B (zh) 计及经济性和可靠性的区域综合能源系统优化配置方法
Deng et al. Real-coded quantum optimization-based bi-level dispatching strategy of integrated power and heat systems

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: 20201023

RJ01 Rejection of invention patent application after publication