CN111900714B - 多能源协同系统优化调度模型构建方法、装置和计算设备 - Google Patents

多能源协同系统优化调度模型构建方法、装置和计算设备 Download PDF

Info

Publication number
CN111900714B
CN111900714B CN202010291512.3A CN202010291512A CN111900714B CN 111900714 B CN111900714 B CN 111900714B CN 202010291512 A CN202010291512 A CN 202010291512A CN 111900714 B CN111900714 B CN 111900714B
Authority
CN
China
Prior art keywords
power
energy
time
output
collaborative 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
CN202010291512.3A
Other languages
English (en)
Other versions
CN111900714A (zh
Inventor
董厚琦
王俐英
曾鸣
曹雨微
李源非
蔡期塬
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.)
North China Electric Power University
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Original Assignee
North China Electric Power University
Economic and Technological Research Institute of State Grid Fujian 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 North China Electric Power University, Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd filed Critical North China Electric Power University
Priority to CN202010291512.3A priority Critical patent/CN111900714B/zh
Publication of CN111900714A publication Critical patent/CN111900714A/zh
Application granted granted Critical
Publication of CN111900714B publication Critical patent/CN111900714B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • 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
    • 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

Abstract

本发明公开了一种多能源协同系统优化模型的构建方法，在计算设备中执行，包括：建立计及需求响应和多能源协同系统中设备运行维护成本的多能源协同系统优化调度模型，优化调度模型包括目标函数和约束条件；获取多能源协同系统的基本参数代入至优化调度模型中，并以多能源协同系统日运行成本最小为目标，采用集线器模型对优化调度模型进行求解，输出多能源协同系统中设备出力方案，设备出力方案是各个设备输出功率的调度方案；其中，目标函数为minC＝COM+CE+CG，其中minC为是多能源协同系统最小日运行成本，COM为设备运行维护成本，CE为购电成本和CG为购天然气成本。本发明还公开了对应的多能源协同系统优化模型的构建装置和计算设备。

Description

多能源协同系统优化调度模型构建方法、装置和计算设备
技术领域
本发明涉及电力系统领域，尤其涉及一种多能源协同系统优化调度模型的构建方法、装置和计算设备。
背景技术
近年来，随着环境污染和能源危机等问题的不断尖锐，作为可以有效解决这一问题的多能源协同系统应运而生，在多能源协同系统中针对电能、热能、气能等多种能源协同规划运行作为一个研究热点。目前，由于用户的负荷需求量增大、负荷类型多样，使得需求响应(即电力需求响应)成为缓解电网供需平衡压力的重要手段。
当前，关于多能源协同系统优化调度的研究主要集中在基于电价的需求响应和基于激励机制的需求响应两个方面。在基于电价的需求响应的多能源协同系统优化调度研究方面，根据负荷预测的结果考虑温控负荷和电动汽车响应电价的调度，或，通过确定需求响应的项目类型、聚类分析用户的用电特性、辨识需求响应项目参与率、计算价格弹性和评估用户需求响应潜力等，为大型工商业用户细分用户群的价格弹性系数的计算提高参考。在基于激励机制的需求响应的多能源协同系统优化调度研究方面，以购电成本最小为目标函数，建立了可中断负荷的最优购买模型，模型中考虑了两类可中断负荷的类型，并可根据平衡市场的预测电价和用户报价来安排可中断负荷购买策略。
但从整体来说，目前的计及需求响应的多能源协同系统优化调度研究中，多能源协同系统优化调度速度慢，准确性低。
发明内容
为此，本发明提供一种多能源协同系统优化调度模型的构建方法、装置和计算设备，以力图解决或者至少缓解上面存在的问题。
根据本发明的一个方面，提供了一种多能源协调系统优化调度模型的构建方法，适于在计算设备中执行，该方法包括步骤：一种多能源协同系统优化调度模型的构建方法，适于在计算设备中执行，所述方法包括步骤：
建立计及需求响应和多能源协同系统中设备运行维护成本的多能源协同系统优化调度模型，优化调度模型包括目标函数和约束条件；
获取多能源协同系统的基本参数代入至优化调度模型中，并以多能源协同系统日运行成本最小为目标，采用能源集线器模型对优化调度模型进行求解，输出多能源协同系统中设备出力方案，设备出力方案是各个设备输出功率的调度方案；
其中，目标函数为minC＝COM+CE+CG，其中minC为是多能源协同系统最小日运行成本，COM为设备运行维护成本，CE为购电成本和CG为购天然气成本；
目标函数为：
式中，m为多能源协同系统的设备；t为时刻；为多能源协同系统的设备m单位输出功率的运行维护费用；/>为多能源协同系统的设备m在t时刻的输出功率；T为调度时长；Pe,t为t时刻的电价；/>为t时刻的购电功率；pg,t为t时刻的天然气价；/>为燃气轮机的天然气消耗功率；/>为燃气锅炉的天然气消耗功率。
可选地，约束条件包括：联络线约束、储能装置约束、设备出力约束、机组爬坡约束和功率平衡约束中的一种或多种。
可选的，联络线约束包括：
式中，pgrid,min、pgrid,max分别为配电网交互功率的最小值、最大值。
可选地，储能装置约束包括：
式中，分别表示t时刻的充电功率、t时刻的放电功率；/>表示t时刻的储电容量；/>分别表示t时刻的充热功率、t时刻的放热功率；/>表示t时刻的储热容量；/>分别表示储电装置的最小容量、储电装置的最大容量；/>分别表示储能装置的最小容量、储能装置的最大容量；/>分别表示充电状态、放电状态；/>分别表示储热状态、放热状态；/>表示第0时刻的储电容量；/>表示第24时刻的储电容量；/>表示第0时刻的储热容量；/>表示第24时刻的储热容量。
可选地，设备出力约束包括：
其中，为t时刻燃气轮机输出的电功率；/>为t时刻余热锅炉输出的热功率；为t时刻燃气锅炉输出的热功率；/>为t时刻溴化锂制冷机输出的冷功率；/>为t时刻热泵输出的热功率；/>为t时刻电制冷机所消耗的电功率。
可选地，机组爬坡约束包括：
其中，为多能源协同系统的设备m在t+1时刻的输出功率；/>为多能源协同系统的设备m的爬坡上限。
可选地，功率平衡约束包括：电功率平衡约束、热功率平衡约束和冷功率平衡约束。
可选地，电功率平衡约束包括：
其中，Ee表示可再生能源输出的电功率；表示t时刻电制冷机输出的冷功率；表示电制冷机的效率；/>表示电转热的效率；/>表示用户在t时刻进行需求响应之前的用电负荷；Δqt表示用户参与需求响应而改变的负荷量。
可选地，热功率平衡约束包括：
其中，为溴化锂制冷机的制冷效率；/>为t时刻用户实际用热负荷。
可选地，冷功率平衡约束包括：
其中，表示t时刻用户实际用冷负荷。
可选地，基本参数包括：不同时间段的能源价格数据、不同时间段的自弹性数据和交叉弹性数据以及所述多能源协同系统的设备数据中的一种或多种。
可选地，通过需求响应模型得到不同时间段的能源价格数据、不同时间段的自弹性数据和交叉弹性数据。
根据本发明的一个方面，提供了一种多能源协同系统优化调度模型的构建装置，适于驻留在计算设备中，该装置包括：模型构建单元，适于建立计及需求响应和多能源协同系统中设备运行维护成本的多能源协同系统优化调度模型，所述优化调度模型包括目标函数和约束条件；
模型求解单元，适于获取多能源协同系统的基本参数代入至优化调度模型中，并以多能源协同系统日运行成本最小为目标，对优化调度模型进行求解，输出多能源协同系统中设备出力方案，设备出力方案是各个设备输出功率的调度方案；
其中，目标函数为minC＝COM+CE+CG，其中minC为是多能源协同系统最小日运行成本，COM为设备运行维护成本，CE为购电成本和CG为购天然气成本。
根据本发明的一个方面，提供一种计算设备，包括：至少一个处理器；和存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如上所述方法的指令。
根据本发明的一个方面，提供一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如上所述方法。
根据本发明的技术方案，构建了多能源协同系统优化调度模型，在目标函数中引入了设备运行维护成本、购电成本和购天然气成本。该模型的输入可为分时段能源价格、不同时间段的自弹性和交叉弹性、储能设备主要参数以及其他设备主要参数中的一种或多种，输出为系统日运行成本最小的设备出力调度方案。其中，分时段能源价格、不同时间段的自弹性和交叉弹性是通过需求响应模型得到，本发明的优化调度模型基于能源集线器模型以线性规划方式计算系统中日运行成本最小的设备出力调度方案，相比于已有的多能源协同系统优化调度通过迭代的方式寻求最优设备出力调度方案，本发明的优化调度模型的计算速度快，计算结果准确性高。并且，本发明基于价格的需求响应、储电设备及储热设备，在多场景下验证模型的有效性与实用性。
附图说明
为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个实施例的计算设备100的结构框图；
图2示出了根据本发明一个实施例的多能源协调系统优化调度模型的构建方法200的流程图；
图3示出了根据本发明一个实施例的多能源协调系统优化调度模型的构建装置300的结构图；
图4示出了为某一典型日电负荷、热负荷、冷负荷曲线和可再生能源的出力曲线示意图；
图5a示出了场景A电功率平衡情况示意图；
图5b示出了场景A热功率平衡情况示意图；
图5c示出了场景A冷功率平衡情况示意图；
图6a示出了场景B电功率平衡情况示意图；
图6b示出了场景B热功率平衡情况示意图；
图6c示出了场景B冷功率平衡情况示意图；
图7a示出了场景C电功率平衡情况示意图；
图7b示出了场景C热功率平衡情况示意图；
图7c示出了场景C冷功率平衡情况示意图；
图8a示出了场景D电功率平衡情况示意图；
图8b示出了场景D热功率平衡情况示意图；以及
图8c示出了场景D冷功率平衡情况示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明提供一种多能源协同系统优化调度模型的构建方法。其中，多能源协同系统是利用各个能源系统在时空上的耦合机制，采用“自发自用、余量上网”的运行机制，实现多能互补、能源梯级利用的一种综合能源系统。该系统中包括发电机组、制冷机组和制热机组，具体的，多能源协同系统可包括风电机组、光伏机组、冷热电联产机组等。每个机组对应多个相互配合的设备，例如，制热机组中包括燃气锅炉、燃气轮机、余热锅炉等设备。
多能源协同系统的发电机组运行状态可包括并网和孤网两种运行状态。并网运行是指发电机组与外部常规电网连接并联运行，可以用电缆直接将发电机组与外部常规电网连接或经过升压变压器将二者连接，并网运行的发电机组采用负荷控制，并根据电网调度的指令进行负荷调整。而孤网是指孤立运行的小电网，其中，机网容量比大于8％的电网统称为小电网，相比之下，机网容量比小于8％的电网称为大电网，机网容量比是最大单机容量与电网总容量的比值。本发明中主要考虑多能源协同系统中发电机组的并网运行状态，以系统日运行成本最低的方式调整各发电机组的出力。
本发明的多能源协同系统优化调度模型的构建方法在计算设备100中执行。计算设备100的框图如图1所示，在基本的配置102中，计算设备100典型地包括系统存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和系统存储器106之间的通信。
取决于期望的配置，处理器104可以是任何类型的处理，包括但不限于：微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用，或者在一些实现中，存储器控制器118可以是处理器104的一个内部部分。
取决于期望的配置，系统存储器106可以是任意类型的存储器，包括但不限于：易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统120、一个或者多个应用122以及程序数据124。在一些实施方式中，应用122可以布置为在操作系统上利用程序数据124进行操作。程序数据124包括指令，在根据本发明的计算设备100中，程序数据124包含用于执行有源配电网规划模型的构建方法200的指令。
计算设备100还可以包括有助于从各种接口设备(例如，输出设备142、外设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个A/V端口152与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156，它们可以被配置为有助于经由一个或者多个I/O端口158和诸如输入设备(例如，键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160，其可以被布置为便于经由一个或者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块，并且可以包括任何信息递送介质。“调制数据信号”可以这样的信号，它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例，通信介质可以包括诸如有线网络或者专线网络之类的有线介质，以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。
计算设备100可以实现为服务器，例如文件服务器、数据库服务器、应用程序服务器和WEB服务器等，也可以实现为小尺寸便携(或者移动)电子设备的一部分，这些电子设备可以是诸如蜂窝电话、个人数字助理(PDA)、个人媒体播放器设备、无线网络浏览设备、个人头戴设备、应用专用设备、或者可以包括上面任何功能的混合设备。计算设备100还可以实现为包括桌面计算机和笔记本计算机配置的个人计算机。在一些实施例中，计算设备100被配置为执行根据本发明的有源配电网规划模型的构建方法200。
图2示出了根据本发明一个实施例的多能源协同系统优化调度模型的构建方法200的示意图，该方法适于驻留在图1所示的计算设备100中执行。
如图2所示，该方法始于步骤S210。在步骤S210中，建立计及需求响应和多能源协同系统中设备运行维护成本的多能源协同系统优化调度模型，优化调度模型包括目标函数和约束条件。需求响应即电力需求响应的简称，是指当电力批发市场价格升高或系统可靠性受威胁时，电力用户接收到供电方发出的诱导性减少负荷的直接补偿通知后或者电力价格上升信号后，改变其固有的习惯用电模式，达到减少某时段的用电负荷，从而保障电网稳定，并抑制电价上升的短期行为。本发明主要考虑基于价格的需求响应。
上述的目标函数为minC＝COM+CE+CG，其中，minC为是多能源协同系统最小日运行成本，COM为设备运行维护成本，CE为购电成本，CG为购天然气成本。
进一步地，目标函数的计算公式为：
式中，m为所述多能源协同系统的设备；t为时刻；为所述多能源协同系统的设备m单位输出功率的运行维护费用；/>为多能源协同系统的设备m在t时刻的输出功率；T为调度时长；Pe,t为t时刻的电价；/>为t时刻的购电功率；pg,t为t时刻的天然气价；/>为燃气轮机的天然气消耗功率；/>为燃气锅炉的天然气消耗功率。
根据本发明的一个实施例，约束条件包括：联络线约束、储能装置约束、设备出力约束、机组爬坡约束和功率平衡约束中的一种或多种。
1)联络线是指在发电厂和电网之间起联接作用的专用导线，即通过联络线可以将发电厂发出的电能传送到电网当中，也可以将电网上的电能传回到发电厂，因此，电能的传送过程中联络线起到了至关重要的作用。联络线约束的目的是确保多能源协同系统从电网购买的电功率处于多能源协同系统与配电网交互功率的最小值与最大值之间。联络线约束包括：
式中，pgrid,min、pgrid,max分别为配电网交互功率的最小值、最大值。
2)储能装置约束的条件需满足储能装置的充放深度不超过储能容量的30％，最大充放功率、最小充放功率需处于最小储能容量与最大储能容量之间。且储能装置不能同时进行充能、放能工作，初始时刻的储能容量要等于最终时刻的储能容量。储能装置约束包括：
式中，分别表示t时刻的充电功率、t时刻的放电功率；/>表示t时刻的储电容量；/>分别表示t时刻的充热功率、t时刻的放热功率；/>表示t时刻的储热容量；/>分别表示储电装置的最小容量、储电装置的最大容量；/>分别表示储能装置的最小容量、储能装置的最大容量；/>分别表示充电状态、放电状态；/>分别表示储热状态、放热状态；/>表示第0时刻的储电容量；/>表示第24时刻的储电容量；/>表示第0时刻的储热容量；/>表示第24时刻的储热容量。
3)各个设备的出力需满足在设备最小容量与设备最大容量之间，以保证各个出力设备的正常工作。设备出力约束包括：
式中，为t时刻燃气轮机输出的电功率；/>为t时刻余热锅炉输出的热功率；为t时刻燃气锅炉输出的热功率；/>为t时刻溴化锂制冷机输出的冷功率；/>为t时刻热泵输出的热功率；/>为t时刻电制冷机所消耗的电功率。
4)发电机组的爬坡速率是机组内每台出力设备单位时间能增加或减少的出力，一般以15分钟为一个交易时段，爬坡单位为：MW/分钟。各个出力设备的爬坡速率需小于出力设备的最大爬坡速率，保证各机组的正常工作。机组爬坡速率约束包括：
式中，为多能源协同系统的设备m在t+1时刻的输出功率；/>为多能源协同系统的设备m的爬坡上限。
5)功率平衡约束是要确保多能源协同系统生产的电功率、热功率、冷功率等于用户所消耗的电功率、热功率、冷功率，即保持的电功率、热功率、冷功率的供需平衡。功率平衡约束包括电功率平衡约束、热功率平衡约束和冷功率平衡约束。
5.1)电功率平衡约束包括：
式中，Ee表示可再生能源输出的电功率；表示t时刻电制冷机输出的冷功率；表示电制冷机的效率；/>表示电转热的效率；/>表示用户在t时刻进行需求响应之前的用电负荷；Δqt表示用户参与需求响应而改变的负荷量。
5.2)热功率平衡约束包括：
式中，为溴化锂制冷机的制冷效率；/>为t时刻用户实际用热负荷。
5.3)冷功率平衡约束包括：
式中，表示t时刻用户实际用冷负荷。
随后，在步骤S220中，获取多能源协同系统的基本参数代入至优化调度模型中，并以多能源协同系统日运行成本最小为目标，对优化调度模型进行求解，输出多能源协同系统中设备出力方案，设备出力方案是各个设备输出功率的调度方案。
根据一个实施例，多能源协同系统的基本参数代入模型求解中所需要的采纳数，例如可包括以上各公式中等式或不等式右边的参数，例如，各储能设备的配置容量、充能与放能效率、自损耗系数、储能占比上限及下限、初始容量、运行维护费用等等；例如其他设备的配置容量、电效率或热效率、能效比、向上爬坡速率或向下爬坡速率、出力上限或出力下限、运行维护成本，等等；例如，不同时间段的电价、热价、天然气价、自弹性及交叉弹性，等等。
不同时间段的电价、热价、天然气价、自弹性及交叉弹性，是通过基于市场弹性的需求响应模型得到。其中，市场弹性包括自弹性和交叉弹性，自弹性用来衡量当前单时段电价变化对于用电需求的影响，而交叉弹性用来衡量多时段电价变化对于多时段用电需求的影响。基于市场弹性的需求响应模型包括：
式中，q(i)为第i时刻的电负荷；q0(i)为第i时刻的原始电负荷；p0(i)为第i时刻的原始价格；p(i)为第i时刻的价格；ε(i，i)为自弹性；p(j)为第j时刻的价格；p0(j)为第j时刻的原始价格；ε(i，j)为交叉弹性。
应当理解的是，存在多种优化调度模型的求解方法，本发明不受限于具体的实现方式，所有能够对优化调度模型进行求解的方法均在本发明的保护范围之内。根据一个实施例，本发明采用能源集线器模型对优化调度模型进行求解。能源集线器模型为描述多能源协同系统中能源、负荷、网络之间交换、耦合关系的输入-输出端口模型，能够对多种类型能源起到相互转化、分配和储存的作用，具有很强的灵活性。能源集线器模型可以根据模型优化目标不同调整不同设备的出力和运行状态，进而满足相应负荷的需求。能源集线器模型包括：
式中，Le、Lc、Lh分别表示用户的电负荷、冷负荷、热负荷需求量；ηe为电力变压器的平均转换效率；k表示分配系数；为燃气轮机的效率；Ee表示风力与光伏产生的电能；为电制冷机的效率；/>为溴化锂制冷机的制冷效率；，/>为燃气锅炉输出热功率的效率；/>为余热锅炉输出热功率的效率；Egah表示输入的天然气。
图3示出了根据本发明一个实施例的多能源协同系统优化调度模型的构建装置300的结构框图，该装置300可以驻留在计算设备100中。如图3所示，装置300包括：模型构建单元310和模型求解单元320。
模型构建单元310，适于建立计及需求响应和多能源协同系统中设备运行维护成本的多能源协同系统优化调度模型，优化调度模型包括目标函数和约束条件；
模型求解单元320，适于获取多能源协同系统的基本参数代入至优化调度模型中，并以多能源协同系统日运行成本最小为目标，对优化调度模型进行求解，输出多能源协同系统中设备出力方案，设备出力方案是各个设备输出功率的调度方案；
其中，目标函数为minC＝COM+CE+CG，其中minC为是多能源协同系统最小日运行成本，COM为设备运行维护成本，CE为购电成本和CG为购天然气成本。
以下将采用具体案例来验证本发明所构建的优化调度模型的合理性。算例选取了北方某工业园区夏季某一日的实际数据，时间尺度为1h，在MATLAB环境下调用CPLEX求解，验证本文所建立的模型的合理性与有效性。算例系统的基本假设为：优先保证可再生能源全额消纳、与电网相连的购电电价与当天的售电价格相同，并采取分时电价。算例系统的基本参数包括以下参数中的一种或多种：分时段能源价格、不同时间段的自弹性和交叉弹性、储能设备主要参数以及其他设备主要参数。
分时段能源价格如表1所示：
表1分时段能源价格
不同时间段的自弹性和交叉弹性如表2所示：
表2峰、平、谷时段的自弹性和交叉弹性
表3为储能设备主要参数：
表3储能设备主要参数
表4为其他设备主要参数：
表4其他设备主要参数
/>
在本发明实施例中，根据储能设备的配置和需求响应的设置，分别构建如表5所示四种场景进行对比，以系统运营商的日运行成本最低为优化目标，寻求最优的设备出力调度策略。
表5四种场景描述
场景A：
场景A是未考虑储电设备、储热设备以及基于价格的需求响应的基础场景。该场景中的电功率、热功率和冷功率平衡情况如图5a、5b、5c所示。从图4的负荷曲线可以看出，由于可再生能源出力具有反调峰特性，0:00—4:00、12:00—16:00、21:00—24:00的出力较高，且22:00—次日6:00为谷时段，电价较低，因此燃气轮机和余热锅炉不工作，可再生能源出力和购买的电能可满足系统的用电需求，热负荷主要由热泵提供。而燃气轮机输出电功率主要集中在电价高的8:00—11:00及17:00—20:00两个时段，在满足系统电负荷需求的同时，由余热锅炉回收多余的热量为系统供热。系统的冷负荷需求主要通过电制冷机进行满足，在用热需求较低的10:00-16:00时段，通过吸收式制冷机将一部分热负荷转换成冷负荷，满足部分用户的用冷需求。在场景A的情景中，系统的购气量为27588.4kW·h，系统的购电量为13781.5kW·h。
场景B：
场景B在场景A的基础上增加了储电设备，该场景中的电功率、热功率和冷功率平衡情况如图6a、6b、6c所示。与基础场景相比，储电设备在高电价时段放电，低电价时段充电，承担了部分电负荷需求，因此燃气轮机组出力、余热锅炉回收的热量以及高电价时段的购电量明显减少。系统的热负荷需求主要通过热泵进行满足，仅有一小部分通过燃气锅炉满足。电制冷机和吸收式制冷机出力的变化较小，系统的冷负荷需求仍主要通过电制冷机满足。在此场景下，系统的购气量为26761.2kW·h，购电量为13971.6kW·h。
场景C：
场景C与场景B相比，增加了储热设备，该场景中的电功率、热功率和冷功率平衡情况如图7a、7b、7c所示。与场景B相比，场景C的储电设备在低谷时段和平时段的输出电功率减少，而购电功率增加，燃气轮机的输出电功率减少。其主要原因是因为储热设备承担了部分的热负荷需求，从而导致余热锅炉和燃气轮机等设备的出力减少，系统的热负荷需求主要通过能效更高的热泵进行满足。电制冷机和吸收式制冷机出力的变化较小，在电价高的16:00—17:00时段，吸收式制冷机的出力增加，电制冷机的出力减少，但系统的冷负荷需求仍主要通过电制冷机进行满足。在此场景下，系统的购气量为26403.8kW·h，购电量为14114.1kW·h。
场景D：
场景D在场景三的基础上增加了用户的价格型需求相应，用户根据电价的高低调整用电负荷，在减少自身的用电费用的同时能够缓解系统调峰的压力，该场景中的电功率、热功率和冷功率平衡情况如图8a、8b、8c所示。与前面三个场景相比，用户各个时段的用电负荷产生了变化，在低电价时段的用电量增加，高电价时段的用电量减少，总需求响应量大约为原始负荷的5％。因此燃气轮机的发电量、向电网购买的电量以及储电设备输出的电量均显著减少。余热锅炉输出的热功率以及储热设备输出的热功率减少，从而导致热泵的产热量增加。燃气锅炉、电制冷机、吸收式制冷机以及储电储热设备的出力变化较小。在此场景下，系统的购气量为24220.4kW·h，购电量为13796.2kW·h。
综合比较以上A、B、C、D四个场景的结果，得益于分时电价机制下的用户需求响应，在多能源协同系统中配置储电设备、储热设备，系统运营商日总运行成本显著降低，具体结果如表6所示。
表6购气成本、购电成本与系统日总运行成本(单位/元)
根据本发明的技术方案，构建了多能源协同系统优化调度模型，该模型的输入可为分时段能源价格、不同时间段的自弹性和交叉弹性、储能设备主要参数以及其他设备主要参数中的一种或多种，输出为系统日运行成本最小的设备出力调度方案。其中，分时段能源价格、不同时间段的自弹性和交叉弹性是通过需求响应模型得到。本发明的优化调度模型基于能源集线器模型以线性规划方式计算系统中日运行成本最小的设备出力调度方案，相比于已有的多能源协同系统优化调度通过迭代的方式寻求最优设备出力调度方案，本发明的模型计算速度快，计算结果准确性高。
A8如A7所述的方法，其中，所述电功率平衡约束包括：
其中，Ee表示可再生能源输出的电功率；表示t时刻电制冷机输出的冷功率；表示电制冷机的效率；/>表示电转热的效率；/>表示用户在t时刻进行需求响应之前的用电负荷；Δqt表示用户参与需求响应而改变的负荷量。
A9如A7或8所述的方法，其中，所述热功率平衡约束包括：
其中，为溴化锂制冷机的制冷效率；/>为t时刻用户实际用热负荷。
A10如A7至9中任一项所述的方法，其中，所述冷功率平衡约束包括：
其中，表示t时刻用户实际用冷负荷。/>
A11如A1至10中任一项所述的方法，其中，所述基本参数包括：不同时间段的能源价格数据、不同时间段的自弹性数据和交叉弹性数据以及所述多能源协同系统的设备数据中的一种或多种。
A12如A11所述的方法，其中，通过需求响应模型得到所述不同时间段的能源价格数据、所述不同时间段的自弹性数据和交叉弹性数据。
这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如软盘、CD-ROM、硬盘驱动器或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明的多能源协同系统优化调度模型的构建方法。
以示例而非限制的方式，计算机可读介质包括计算机存储介质和通信介质。计算机可读介质包括计算机存储介质和通信介质。计算机存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在计算机可读介质的范围之内。
在此处所提供的说明书中，算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以任意的组合方式来使用。
此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。

Claims (15)

1.一种多能源协同系统优化调度模型的构建方法，适于在计算设备中执行，所述方法包括步骤：
建立计及需求响应和多能源协同系统中设备运行维护成本的多能源协同系统优化调度模型，所述优化调度模型包括目标函数和约束条件；
获取多能源协同系统的基本参数代入至所述优化调度模型中，并以所述多能源协同系统日运行成本最小为目标，采用能源集线器模型对所述优化调度模型进行求解，输出所述多能源协同系统中设备出力方案，所述设备出力方案是各个设备输出功率的调度方案；
其中，所述目标函数为minC＝COM+CE+CG，其中min C为是多能源协同系统最小日运行成本，COM为设备运行维护成本，CE为购电成本和CG为购天然气成本；
所述目标函数具体为：
式中，m为所述多能源协同系统的设备；t为时刻；为所述多能源协同系统的设备m单位输出功率的运行维护费用；/>为所述多能源协同系统的设备m在t时刻的输出功率；T为调度时长；Pe,t为t时刻的电价；/>为t时刻的购电功率；pg,t为t时刻的天然气价；/>为燃气轮机的天然气消耗功率；/>为燃气锅炉的天然气消耗功率；
需求响应模型包括：
式中，q(i)为第i时刻的电负荷；q0(i)为第i时刻的原始电负荷；p0(i)为第i时刻的原始价格；p(i)为第i时刻的价格；ε(i,i)为自弹性；p(j)为第j时刻的价格；p0(j)为第j时刻的原始价格；ε(i,j)为交叉弹性；
所述能源集线器模型包括：
式中，Le、Lc、Lh分别表示用户的电负荷、冷负荷、热负荷需求量；ηe为电力变压器的平均转换效率；k表示分配系数；为燃气轮机的效率；Ee表示风力与光伏产生的电能；/>为电制冷机的效率；/>为溴化锂制冷机的制冷效率；/>为燃气锅炉输出热功率的效率；为余热锅炉输出热功率的效率；Egas表示输入的天然气。
2.如权利要求1所述的方法，其中，所述约束条件包括：联络线约束、储能装置约束、设备出力约束、机组爬坡约束和功率平衡约束中的一种或多种。
3.如权利要求2所述的方法，其中，所述联络线约束包括：
式中，pgrid,min、pgrid,max分别为配电网交互功率的最小值、最大值。
4.如权利要求2或3所述的方法，其中，所述储能装置约束包括：
式中，分别表示t时刻的充电功率、t时刻的放电功率；/>表示t时刻的储电容量；/>分别表示t时刻的充热功率、t时刻的放热功率；/>表示t时刻的储热容量；/>分别表示储电装置的最小容量、储电装置的最大容量；/>分别表示储热装置的最小容量、储热装置的最大容量；/>分别表示充电状态、放电状态；分别表示储热状态、放热状态；/>表示第0时刻的储电容量；/>表示第24时刻的储电容量；/>表示第0时刻的储热容量；/>表示第24时刻的储热容量。
5.如权利要求2或3所述的方法，其中，所述设备出力约束包括：
其中，为t时刻燃气轮机输出的电功率；/>为t时刻余热锅炉输出的热功率；/>为t时刻燃气锅炉输出的热功率；/>为t时刻溴化锂制冷机输出的冷功率；/>为t时刻热泵输出的热功率；/>为t时刻电制冷机所消耗的电功率。
6.如权利要求2或3所述的方法，其中，所述机组爬坡约束包括：
其中，为所述多能源协同系统的设备m在t+1时刻的输出功率；/>为所述多能源协同系统的设备m的爬坡上限。
7.如权利要求2或3所述的方法，其中，所述功率平衡约束包括：电功率平衡约束、热功率平衡约束和冷功率平衡约束。
8.如权利要求7所述的方法，其中，所述电功率平衡约束包括：
其中，Ee表示可再生能源输出的电功率；表示t时刻电制冷机输出的冷功率；/>表示电制冷机的效率；/>表示电转热的效率；/>表示用户在t时刻进行需求响应之前的用电负荷；Δqt表示用户参与需求响应而改变的负荷量。
9.如权利要求7所述的方法，其中，所述热功率平衡约束包括：
其中，为溴化锂制冷机的制冷效率；/>为t时刻用户实际用热负荷。
10.如权利要求7中所述的方法，其中，所述冷功率平衡约束包括：
其中，表示t时刻用户实际用冷负荷。
11.如权利要求1至3中任一项所述的方法，其中，所述基本参数包括：不同时间段的能源价格数据、不同时间段的自弹性数据和交叉弹性数据以及所述多能源协同系统的设备数据中的一种或多种。
12.如权利要求11所述的方法，其中，通过需求响应模型得到所述不同时间段的能源价格数据、所述不同时间段的自弹性数据和交叉弹性数据。
13.一种多能源协调系统优化调度模型的构建装置，适于驻留在计算设备中，所述装置包括：
模型构建单元，适于建立计及需求响应和多能源协同系统中设备运行维护成本的多能源协同系统优化调度模型，所述优化调度模型包括目标函数和约束条件；
模型求解单元，适于获取多能源协同系统的基本参数代入至所述优化调度模型中，并以所述多能源协同系统日运行成本最小为目标，采用能源集线器模型对所述优化调度模型进行求解，输出所述多能源协同系统中设备出力方案，所述设备出力方案是各个设备输出功率的调度方案；
其中，所述目标函数为minC＝COM+CE+CG，其中min C为是多能源协同系统最小日运行成本，COM为设备运行维护成本，CE为购电成本和CG为购天然气成本；
所述目标函数具体为：
式中，m为所述多能源协同系统的设备；t为时刻；为所述多能源协同系统的设备m单位输出功率的运行维护费用；/>为所述多能源协同系统的设备m在t时刻的输出功率；T为调度时长；Pe,t为t时刻的电价；/>为t时刻的购电功率；pg,t为t时刻的天然气价；/>为燃气轮机的天然气消耗功率；/>为燃气锅炉的天然气消耗功率；
需求响应模型包括：
式中，q(i)为第i时刻的电负荷；q0(i)为第i时刻的原始电负荷；p0(i)为第i时刻的原始价格；p(i)为第i时刻的价格；ε(i,i)为自弹性；p(j)为第j时刻的价格；p0(j)为第j时刻的原始价格；ε(i,j)为交叉弹性；
所述能源集线器模型包括：
式中，Le、Lc、Lh分别表示用户的电负荷、冷负荷、热负荷需求量；ηe为电力变压器的平均转换效率；k表示分配系数；为燃气轮机的效率；Ee表示风力与光伏产生的电能；/>为电制冷机的效率；/>为溴化锂制冷机的制冷效率；/>为燃气锅炉输出热功率的效率；为余热锅炉输出热功率的效率；Egas表示输入的天然气。
14.一种计算设备，包括：
至少一个处理器；和
存储有程序指令的存储器，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如权利要求1-12中任一项所述方法的指令。
15.一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如权利要求1-12中任一项所述的方法。
CN202010291512.3A 2020-04-14 2020-04-14 多能源协同系统优化调度模型构建方法、装置和计算设备 Active CN111900714B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010291512.3A CN111900714B (zh) 2020-04-14 2020-04-14 多能源协同系统优化调度模型构建方法、装置和计算设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010291512.3A CN111900714B (zh) 2020-04-14 2020-04-14 多能源协同系统优化调度模型构建方法、装置和计算设备

Publications (2)

Publication Number Publication Date
CN111900714A CN111900714A (zh) 2020-11-06
CN111900714B true CN111900714B (zh) 2023-12-08

Family

ID=73206227

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010291512.3A Active CN111900714B (zh) 2020-04-14 2020-04-14 多能源协同系统优化调度模型构建方法、装置和计算设备

Country Status (1)

Country Link
CN (1) CN111900714B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115730724B (zh) * 2022-11-24 2024-02-13 中国长江电力股份有限公司 一种基于不蓄电能最大化的梯级水电站联合调度方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108429288A (zh) * 2018-04-12 2018-08-21 荆州市荆力工程设计咨询有限责任公司 一种考虑需求响应的离网型微电网储能优化配置方法
CN109063925A (zh) * 2018-08-16 2018-12-21 合肥工业大学 一种计及负荷聚合商的区域综合能源系统优化运行方法
CN110007600A (zh) * 2019-04-24 2019-07-12 四川大学 一种具有约束的多能流协调调度辅助决策系统
CN110826815A (zh) * 2019-11-14 2020-02-21 国网河南省电力公司经济技术研究院 一种考虑综合需求响应的区域综合能源系统运行优化方法
CN110854930A (zh) * 2019-11-18 2020-02-28 国网浙江省电力有限公司台州供电公司 一种考虑多能协同的园区综合能源系统优化调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108429288A (zh) * 2018-04-12 2018-08-21 荆州市荆力工程设计咨询有限责任公司 一种考虑需求响应的离网型微电网储能优化配置方法
CN109063925A (zh) * 2018-08-16 2018-12-21 合肥工业大学 一种计及负荷聚合商的区域综合能源系统优化运行方法
CN110007600A (zh) * 2019-04-24 2019-07-12 四川大学 一种具有约束的多能流协调调度辅助决策系统
CN110826815A (zh) * 2019-11-14 2020-02-21 国网河南省电力公司经济技术研究院 一种考虑综合需求响应的区域综合能源系统运行优化方法
CN110854930A (zh) * 2019-11-18 2020-02-28 国网浙江省电力有限公司台州供电公司 一种考虑多能协同的园区综合能源系统优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Operation optimization of regional integrated energy system based on the modeling of electricity-thermal-natural gas network;Yongli Wang 等;《Applied Energy》;第1-27页 *

Also Published As

Publication number Publication date
CN111900714A (zh) 2020-11-06

Similar Documents

Publication Publication Date Title
Gu et al. Bi-level optimal low-carbon economic dispatch for an industrial park with consideration of multi-energy price incentives
CN112837181B (zh) 计及需求响应不确定性的综合能源系统的调度方法
Thatte et al. Towards a unified operational value index of energy storage in smart grid environment
McLarty et al. Micro-grid energy dispatch optimization and predictive control algorithms; A UC Irvine case study
CN109102125B (zh) 一种考虑天然气网络和电动汽车协调的区域综合能源系统规划方法
CN111404153B (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
Detroja Optimal autonomous microgrid operation: A holistic view
CN109272353B (zh) 计及综合需求响应不确定性的系统动态概率能流分析方法
Jiang et al. Extended multi‐energy demand response scheme for industrial integrated energy system
CN114662330A (zh) 计及碳交易机制和需求响应的综合能源系统模型构建方法
CN107221965A (zh) 一种基于分布式设计的日前计划计算方法
Mannepalli et al. Allocation of optimal energy from storage systems using solar energy
Zhi et al. Scenario-based multi-objective optimization strategy for rural PV-battery systems
CN115062831A (zh) 计及电力零售商和产消者的电价优化模型的构建方法
CN111900714B (zh) 多能源协同系统优化调度模型构建方法、装置和计算设备
Chang et al. Low carbon oriented collaborative energy management framework for multi-microgrid aggregated virtual power plant considering electricity trading
CN111126675A (zh) 多能互补微网系统优化方法
CN111463777B (zh) 光-储充电站容量配置与定价模型的构建方法、计算设备
CN108964048A (zh) 微电网容量配置与运行调度方法及装置
CN117353290A (zh) 一种数据中心与共享储能电站的联合调度方法及计算设备
CN117010625A (zh) 一种需求响应与预测误差的虚拟电厂优化调度方法及系统
CN116070740A (zh) 综合能源系统的优化运行方法、装置和计算机设备
CN113609676B (zh) 一种电力系统的配置规划方法、计算设备和存储介质
CN113283655B (zh) 一种基于共识优化算法的分布式智能电网能源调度方法
Wang et al. Benefits analysis of energy storage system configured on the renewable energy gathering stations

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20201119

Address after: 102206 Beijing city Changping District Zhu Daxinzhuang North Agricultural Road No. 2

Applicant after: NORTH CHINA ELECTRIC POWER University

Applicant after: STATE GRID FUJIAN ECONOMIC Research Institute

Address before: 102206, Beijing, Changping District, Huilongguan Zhu Xin North Road No. 2

Applicant before: NORTH CHINA ELECTRIC POWER University

GR01 Patent grant
GR01 Patent grant