CN111985105B - 一种计及热动态特性的多微能源网系统可靠性评估方法 - Google Patents
一种计及热动态特性的多微能源网系统可靠性评估方法 Download PDFInfo
- Publication number
- CN111985105B CN111985105B CN202010844243.9A CN202010844243A CN111985105B CN 111985105 B CN111985105 B CN 111985105B CN 202010844243 A CN202010844243 A CN 202010844243A CN 111985105 B CN111985105 B CN 111985105B
- Authority
- CN
- China
- Prior art keywords
- energy
- micro
- network
- power
- micro energy
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000003993 interaction Effects 0.000 claims abstract description 54
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims abstract description 5
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 74
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 48
- 238000004146 energy storage Methods 0.000 claims description 41
- 230000009467 reduction Effects 0.000 claims description 41
- 239000003345 natural gas Substances 0.000 claims description 37
- 150000001875 compounds Chemical class 0.000 claims description 26
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 230000001932 seasonal effect Effects 0.000 claims description 16
- 239000007789 gas Substances 0.000 claims description 15
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000007599 discharging Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 9
- 238000010438 heat treatment Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 5
- 238000004088 simulation Methods 0.000 claims description 4
- 238000011160 research Methods 0.000 claims description 3
- 238000004378 air conditioning Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000009423 ventilation Methods 0.000 claims 1
- 230000006872 improvement Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于多微能源网系统技术领域,主要涉及一种计及热动态特性的多微能源网系统可靠性评估方法,包括如下步骤:计及微能源网间多种能量之间的功率交互,基于能源集线器构建多微能源网系统;利用节点法建立供热管网模型,建立热负荷动态特性模型;建立一个计及热动态特性的多微能源网最优切负荷模型;采用序贯蒙特卡洛模拟法评估多微能源网系统的可靠性,计算该多微能源网系统的年度可靠性指标。本发明基于序贯蒙特卡罗模拟法,并充分考虑了热动态特性和微能源网间能量交互等因素对多微能源网系统可靠性的影响,可以更加真实地反映出系统应对故障的变化情况,从而提升可靠性结果的准确性,对多微能源网的合理规划提供准确的数据支撑。
Description
技术领域
本发明属于多微能源网技术领域,具体涉及一种计及热动态特性的多微能源网系统可靠性评估方法。
背景技术
微能源网是集电、热和天然气等多种能源的产生、传输、转换、存储和消耗于一体的能源产供销一体化系统。在能源存储过程中,储能装置可以调整能量转换装置的处理水平,实现能量不同时间段的转移,提升微能源网的经济性、灵活性和可靠性。在能源传输过程中,不同能源网络具有不同的时间动态特性。其中,电网潮流响应速度最快,几秒钟就可以达到准稳态,气网潮流可以在几分钟内达到准稳态,而热网潮流速度最慢,需要几小时才能达到准稳态。由此可见,对于微能源网的长期可靠性评估来讲,电网和气网的动态特性影响较小,热网动态特性对系统可靠性会产生较大影响。此外,在热能消耗过程中,相比于热网传输的动态特性,热负荷具有更明显的惯性。因此,在微能源网可靠性评估中考虑多能存储和热动态特性的影响至关重要。
在单个微能源网发生故障导致供能不足时,多微能源网可以通过能量交互,从供给源和负荷需求两方面进行调整,以降低系统故障带来的影响。在供给源方面,考虑微能源网间的能量交互,增加了微能源网的能源供应来源,在提高系统的可再生能源利用率和经济性的同时,缓解因主网故障而导致微能源网供能不足的压力。在负荷需求方面,引导用户参与综合需求响应,调整负荷需求,共同维持系统的供需平衡。
目前现有技术中未考虑热动态特性和微能源网间能量交互等因素对多微能源网系统可靠性的影响,从而导致现有评估方法准确性较低,参考价值有限。
发明内容
本发明的目的是:旨在提供一种计及热动态特性的多微能源网系统可靠性评估方法,用于解决现有可靠性评估方法准确性低,不能真实反映多微能源网系统对故障变化情况的问题。
为实现上述技术目的,本发明采用的技术方案如下:
一种计及热动态特性的多微能源网系统可靠性评估方法,包括如下步骤:
S1、计及微能源网间多种能量之间的功率交互,基于能源集线器构建多微能源网系统;
S2、利用节点法建立供热管网模型,并依照热负荷特性将热负荷分为常年性热负荷和季节性热负荷,建立热负荷动态特性模型;
S3、考虑供热管网的传输延迟和温度损耗以及季节性热负荷的惯性,考虑各微能源网之间的电能和天然气能量交互及其对系统运行工况的影响,建立计及热动态特性的多微能源网最优切负荷模型;
S4、采用序贯蒙特卡洛模拟法评估多微能源网系统的可靠性,计算该多微能源网系统的年度可靠性指标。
微能源网是微电网和综合能源系统的有机结合体,本质是含有分布式能源(包括风机和光伏发电、CHP机组发电产热、P2G装置产气等)的微型综合能源系统。本发明基于能源集线器设计微能源网,并将多个微能源网集合形成多微能源网系统。多微能源网可实现微能源网和主网之间以及各微能源网之间的能量交互。对可再生能源发电充足的微能源网,其可以合理调度微能源网内各设备的出力以及同主网和其它微能源网间的能量交互,在保证可再生能源最大消纳的同时,使得微能源网的经济性最高。对于可再生能源发电稀缺的微能源网,其也可以合理调度微能源网内各设备的出力以及选择从主网和其它微能源网的购能配比,降低微能源网的经济成本。
进一步,S1步骤中所述微能源网由输入侧、分布式发电装置、能量转换装置、储能装置和输出侧构成;
微能源网间可自由进行电和天然气能源的交互,不能进行热能的交互,微能源网之间电能和天然气的功率交互受到输电线路或输气管道的额定流量的限制,其约束条件如下:
式中,为第m个微能源网向第n个微能源网输送的电功率;为第m个微能源网向第n个微能源网输送天然气功率;和分别为第m个微能源网向第n个微能源网输送的最小和最大电功率;和分别为第m个微能源网向第n个微能源网输送的最小和最大天然气功率。
在微能源网中,热动态特性主要体现在热网动态特性和热负荷动态特性两方面,两者均具有较大的惯性。当系统状态发生变化时,由于供热管网和热需求响应速度较慢,导致微源的影响并不会立即对用户供能起作用,负荷的波动也不会即刻引起微源的响应。因此,热动态特性对微能源网的运行和可靠性均会产生影响。
热网的动态特性主要体现在热水的传输延时和温度损耗中。在集中供热系统中,由于热源一般距离热用户较远,导致热水在经过一段时间后才能供给用户,产生时间延迟;与此同时,热水在管道传输过程中,会与外部环境通过管壁进行热交换,产生热量损失,导致管道热水的流出温度小于流入温度。
节点法考虑管道由入口和出口两个节点组成的管道流量,并为其分配工质流量和温度。通过考虑从一个节点到另一个节点水流时间和流速的变化,以入口节点的温度和工质流量来估计管道的出口温度。t时刻内流出管道的热水平均温度由t-γ时刻到t-λ时刻内流入管道的热水温度融合而成,与此时间段内的热水温度和工质流量有关。
进一步,S2步骤中供热管网模型建立如下:
采用管道热平衡节点法和苏霍夫温降模型进行建模,建模如下:
在传输过程中,热水与管壁进行热交换,产生温损,计及温损后,输出温度为:
进一步,S2步骤中热负荷动态特性模型建立如下:
季节性热负荷主要指采暖、通风、空气调节系统的热负荷,其与室外温度息息相关,其全年变化幅度较大,日内波动较小,采用建筑热负荷模型进行建模:
根据上式易得到:
进一步,S3步骤中计及热动态特性的多微能源网最优切负荷模型建立如下:
根据计及微能源网与主网、微能源网与微能源网间的能量交互和热动态特性,建立多微能源网的最优负荷削减模型;
在最优负荷削减模型中,考虑能量交互、需求响应和负荷削减,以微能源网的能量交互成本、弃风弃光惩罚成本和负荷削减惩罚成本之和最小为该模型的目标函数:
式中,N为多微能源网中的微能源网数量;Cepc,n和Cgpc,n分别为第n个微能源网与主网电能和天然气的交互成本;Cmepc,n和Cmgpc,n分别为第n个微能源网与其它微能源网电能和天然气的交互成本;Crcc,n为第n个微能源网的弃风弃光惩罚成本;Clcc,n分别为第n个微能源网的负荷削减惩罚成本;
约束条件包含如下:
电功率平衡约束
式中,为系统电输出端口t时刻的输出功率;为第k台风机t时刻的输出功率;为第k台光伏板t时刻的输出功率;为第k台电储能装置t时刻与微能源网的净交换功率;Ktr、Kchp、Kes、Keb和Kp2g分别为变压器、CHP机组、电储能、电锅炉和P2G装置的数量;
天然气功率平衡约束
热功率平衡约束
需求侧功率平衡约束
在设备故障导致负荷削减后,微能源网提供的能量不足以满足负荷需求,需在需求侧增设负荷削减的决策变量;
对于电负荷和常年性热负荷,需求侧功率平衡中需增设负荷削减变量,以及负荷削减量的限制约束:
季节性热负荷削减是由于热网向用户提供的热功率致使室内温度超出适宜温度区间引起的,其削减量等于热网向用户提供的理论热功率和实际热功率之差的绝对值:
易可推导出,季节性热负荷削减量为:
能量转换设备出力约束
最优负荷削减模型中,需考虑能量转换装置的运行状态及其出力能力,故在模型中增设一组二进制变量,用于表示能量转换装置的运行状态,0表示元件故障,1表示元件运行;
储能设备出力约束
式中,为第k台储能装置t时刻对微能源网的净能源交换功率;和分别为第k台储能装置t时刻的充能和放能功率;为第k台储能装置t时刻的存储能量;γk为第k台储能装置的能量自损率;ηc,k和ηd,k为第k台储能装置的能量充放效率;和为第k台储能装置的最大充放功率限制;和分别为储能装置的最大和最小容量限制;和分别为储能装置充放状态,0表示不进行能量充放,1表示能量充放;
系统运行约束
微能源网与主网和天然气网进行能量交互的功率约束:
Gmin≤Gt≤Gmax
Pmin≤Pt≤Pmax
式中,Gmin和Gmax分别为系统天然气输入端口的最小输入功率和最大输入功率;Pmin和Pmax分别为系统电能输入端口的最小输入功率和最大输入功率;
弃风量和弃光量的约束:
为了使供热管网更加经济可靠地运行,需要限制供、回水管道的出入口温度:
进一步,S4步骤的具体实现如下:
采用序贯蒙特卡罗模拟法进行多微能源网系统可靠性评估,并结合最有切负荷模型,计及热动态特性和微能源网间能量交互因素对系统运行年度可靠性指标进行计算;
具体还包括如下步骤:
S401、输入微能源网基础数据,包括:微能源网拓扑结构、能量转换装置和存储装置参数、负荷曲线、外部环境温度参数,并初始化微能源网各元件的状态;
S402、使用序贯蒙特卡罗法模拟抽样得到研究周期(Y)内每小时的微能源网内能量转换和存储装置的状态持续时间,得到每小时的系统状态;
S403、初始化区块计数(d=1)和模拟年数(y=1);
S404、根据风机和光伏电池的状态计算此区块内的可再生能源出力,并根据微能源网间能量交互的状态设定微能源网交互能力;
S405、更新最优切负荷模型,并求解第d天的微能源网协调优化问题,得到第d天每小时的负荷削减状态和最优负荷削减量;
S406、若模拟区块计数达到一年(d=365),转向步骤S406;否则,令d=d+1,转向步骤S404;
S407、计算该年的微能源网可靠性指标,并令y=y+1;
S408、若模拟年数到达上限(y>Y)或微能源网EENS指标的方差系数达到精度要求(ε<ε0),转向步骤S408;否则,令d=1,转向步骤S404;
S409、计算微能源网的可靠性指标,包括负荷削减频率、负荷削减概率和能量供应不足期望值。
采用上述技术方案的发明,具有如下优点:
1.本发明充分考虑了热动态特性和微能源网间能量交互等因素对多微能源网系统可靠性的影响,更加准确地反映出系统应对故障的真实变化情况,从而得到更加真实的可靠性结果;
2.本发明计及热网的动态特性和热负荷的惯性显著提高多微能源网系统的可靠性;
3.本发明通过微能源网间能量交互为微能源网的能源供应提供非单一选择,使得多微能源网的可靠性得到明显改善。
附图说明
本发明可以通过附图给出的非限定性实施例进一步说明;
图1为多微能源网模型;
图2各微能源网的风电、光伏出力和电、热负荷曲线;
图3微能源网的电价和气价;
图4为热网动态特性的可靠性影响分析;
图5为热负荷动态特性的可靠性影响分析;
图6综合能源系统可靠性评估流程图。
具体实施方式
以下将结合附图和具体实施例对本发明进行详细说明,需要说明的是,在附图或说明书描述中,相似或相同的部分都使用相同的图号,附图中未绘示或描述的实现方式,为所属技术领域中普通技术人员所知的形式。另外,实施例中提到的方向用语,例如“上”、“下”、“顶”、“底”、“左”、“右”、“前”、“后”等,仅是参考附图的方向,并非用来限制本发明的保护范围。
一种计及热动态特性的多微能源网系统可靠性评估方法,包括如下步骤:
S1、计及微能源网间多种能量之间的功率交互,基于能源集线器构建多微能源网系统;
S2、利用节点法建立供热管网模型,并依照热负荷特性将热负荷分为常年性热负荷和季节性热负荷,建立热负荷动态特性模型;
S3、考虑供热管网的传输延迟和温度损耗以及季节性热负荷的惯性,考虑各微能源网之间的电能和天然气能量交互及其对系统运行工况的影响,建立计及热动态特性的多微能源网最优切负荷模型;
S4、采用序贯蒙特卡洛模拟法评估多微能源网系统的可靠性,计算该多微能源网系统的年度可靠性指标。
微能源网参数设定
微能源网由输入侧(电网、天然气网)、分布式发电装置(风机和光伏)、能量转换装置(变压器、压缩机、P2G装置、CHP机组、燃气锅炉和电锅炉)、储能装置(储热、储电和储气装置)和输出侧(电负荷和热负荷)构成。
如图1所示。其元件参数均根据负荷需求设定,具体参数详见表1和表2。三个微能源网典型日的风电、光伏出力和电、热负荷曲线如图2所示。图3给出了微能源网从主网购买电能和天然气的价格。
表1各微能源网能量转换装置的相关参数
表2各微能源网储能装置的相关参数
以需求较大的单个微能源网为例,设置4个实施例分析热动态特性对微能源网可靠性和经济性的影响,如表3所示。
表3微能源网可靠性评估研究实施例
表4给出了每个实施例微能源网的年度可靠性指标,并以实施例1为参考,分析不同储能和热动态特性对微能源网可靠性的影响。
表4不同实施例的微能源网可靠性指标
从表4可以看出:实施例2考虑热网特性,即供热管网的管储和延时特性。在故障发生后,通过调整CHP机组和燃气锅炉的出力和供水管道和回水管道的温度,使负荷需求削减得到短时间内的缓解,其特性与热储能相似,对电负荷可靠性的影响较小,电和热负荷削减量分别降低1.65MWh和7.21MWh,降幅达17.32%和51.82%。
实施例3考虑热负荷特性,通过对室内温度的调节,改变了各时刻的热负荷需求,系统可以通过温度调度提前应对系统故障,将热负荷损失量降至最低,但由于系统中不存在热转电装置,所以热负荷特性对热负荷可靠性的提升率高达47.89%,对电负荷的提升率仅有5.28%。
由实施例4的结果可知:综合考虑热网的管储、延时特性和热负荷的温度可调特性,微能源网的可靠性可得到显著改善,电和热负荷的可靠性提升率分别达到22.89%和70.54%。
然后,以多微能源网为例,设置4个实施例分析各类能量交互对多微能源网可靠性的影响,如表5所示。
表5多微能源网可靠性评估研究场景
表6给出了每个实施例下的多微能源网的年度可靠性指标,并以实施例1为参考,分析不同能量交互对多微能源网可靠性的影响。
表6不同实施例下多微能源网MMEG1的可靠性指标
实施例2和3分别考虑微能源网间电能和天然气的功率交互,多微能源网的负荷削减概率、频率和能量均得到降低。①电能功率交互与电负荷直接相连,为电负荷的供应源增加另一种选择,可有效降低风机、光伏电池和与主网相连的变压器故障给系统带来的影响,使电负荷的可靠性得到明显改善,负荷削减概率、频率和能量均降低60%以上。此外,可以通过电锅炉间接供应热负荷,或通过P2G装置转换成天然气增加CHP机组和燃气锅炉的供应,提高热源出力,但是由于能量转换装置输出功率有限,故其对热负荷可靠性的提升只有9.27%。②天然气功率交互为微能源网增加另一种气源,可应对压缩机故障引起的天然气供应不足,其作用和气储能相似,但可持续为微能源网天然气,由于微能源网中存在气转电和气转热的能量转换装置,因此可改善电负荷和热负荷的可靠性,但是天然气作为热源的主要消耗能源,其故障对热负荷的可靠性影响较大,电负荷的负荷削减频率、概率和能量分别降低11.02%、7.63%和9.87%,热负荷的负荷削减频率、概率和能量分别降低16.94%、30.42%和15.32%。
实施例4同时计及了微能源网间电能和天然气的功率交互,由表4、2可知:相比于仅考虑单一能量交互,协调优化微能源网间的多种能量交互使得电和热负荷的可靠性分别提升67.82%和20.62%,大幅改善微能源网可靠性。
本发明对多微能源网系统可靠性评估方法进行了详细介绍。具体实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (3)
1.一种计及热动态特性的多微能源网系统可靠性评估方法,其特征在于,包括如下步骤:
S1、计及微能源网间多种能量之间的功率交互,基于能源集线器构建多微能源网系统;
S2、利用节点法建立供热管网模型,并依照热负荷特性将热负荷分为常年性热负荷和季节性热负荷,建立热负荷动态特性模型;
S2步骤中供热管网模型建立如下:
采用管道热平衡节点法和苏霍夫温降模型进行建模,建模如下:
在传输过程中,热水与管壁进行热交换,产生温损,计及温损后,输出温度为:
S2步骤中热负荷动态特性模型建立如下:
季节性热负荷主要指采暖、通风、空气调节系统的热负荷,其与室外温度息息相关,其全年变化幅度较大,日内波动较小,采用建筑热负荷模型进行建模:
根据上式易得到:
S3、考虑供热管网的传输延迟和温度损耗以及季节性热负荷的惯性,考虑各微能源网之间的电能和天然气能量交互及其对系统运行工况的影响,建立计及热动态特性的多微能源网最优切负荷模型;
S3步骤中计及热动态特性的多微能源网最优切负荷模型建立如下:
根据计及微能源网与主网、微能源网与微能源网间的能量交互和热动态特性,建立多微能源网的最优负荷削减模型;
在最优负荷削减模型中,考虑能量交互、需求响应和负荷削减,以微能源网的能量交互成本、弃风弃光惩罚成本和负荷削减惩罚成本之和最小为该模型的目标函数:
式中,N为多微能源网中的微能源网数量;Cepc,n和Cgpc,n分别为第n个微能源网与主网电能和天然气的交互成本;Cmepc,n和Cmgpc,n分别为第n个微能源网与其它微能源网电能和天然气的交互成本;Crcc,n为第n个微能源网的弃风弃光惩罚成本;Clcc,n分别为第n个微能源网的负荷削减惩罚成本;
约束条件包含如下:
电功率平衡约束
式中,为系统电输出端口t时刻的输出功率;为第k台风机t时刻的输出功率;为第k台光伏板t时刻的输出功率;为第k台电储能装置t时刻与微能源网的净交换功率;Ktr、Kchp、Kes、Keb和Kp2g分别为变压器、CHP机组、电储能、电锅炉和P2G装置的数量;
天然气功率平衡约束
热功率平衡约束
需求侧功率平衡约束
在设备故障导致负荷削减后,微能源网提供的能量不足以满足负荷需求,需在需求侧增设负荷削减的决策变量;
对于电负荷和常年性热负荷,需求侧功率平衡中需增设负荷削减变量,以及负荷削减量的限制约束:
季节性热负荷削减是由于热网向用户提供的热功率致使室内温度超出适宜温度区间引起的,其削减量等于热网向用户提供的理论热功率和实际热功率之差的绝对值:
易可推导出,季节性热负荷削减量为:
能量转换设备出力约束
最优负荷削减模型中,需考虑能量转换装置的运行状态及其出力能力,故在模型中增设一组二进制变量,用于表示能量转换装置的运行状态,0表示元件故障,1表示元件运行;
储能设备出力约束
式中,为第k台储能装置t时刻对微能源网的净能源交换功率;和分别为第k台储能装置t时刻的充能和放能功率;为第k台储能装置t时刻的存储能量;γk为第k台储能装置的能量自损率;ηc,k和ηd,k为第k台储能装置的能量充放效率;和为第k台储能装置的最大充放功率限制;和分别为储能装置的最大和最小容量限制;和分别为储能装置充放状态,0表示不进行能量充放,1表示能量充放;
系统运行约束
微能源网与主网和天然气网进行能量交互的功率约束:
Gmin≤Gt≤Gmax
Pmin≤Pt≤Pmax
式中,Gmin和Gmax分别为系统天然气输入端口的最小输入功率和最大输入功率;Pmin和Pmax分别为系统电能输入端口的最小输入功率和最大输入功率;
弃风量和弃光量的约束:
为了使供热管网更加经济可靠地运行,需要限制供、回水管道的出入口温度:
S4、采用序贯蒙特卡洛模拟法评估多微能源网系统的可靠性,计算该多微能源网系统的年度可靠性指标。
3.根据权利要求1所述的一种计及热动态特性的多微能源网系统可靠性评估方法,其特征在于,S4步骤的具体实现如下:
采用序贯蒙特卡罗模拟法进行多微能源网系统可靠性评估,并结合最有切负荷模型,计及热动态特性和微能源网间能量交互因素对系统运行年度可靠性指标进行计算;
具体还包括如下步骤:
S401、输入微能源网基础数据,包括:微能源网拓扑结构、能量转换装置和存储装置参数、负荷曲线、外部环境温度参数,并初始化微能源网各元件的状态;
S402、使用序贯蒙特卡罗法模拟抽样得到研究周期Y内每小时的微能源网内能量转换和存储装置的状态持续时间,得到每小时的系统状态;
S403、初始化区块计数d=1和模拟年数y=1;
S404、根据风机和光伏电池的状态计算此区块内的可再生能源出力,并根据微能源网间能量交互的状态设定微能源网交互能力;
S405、更新最优切负荷模型,并求解第d天的微能源网协调优化问题,得到第d天每小时的负荷削减状态和最优负荷削减量;
S406、若模拟区块计数达到一年d=365,转向步骤S406;否则,令d=d+1,转向步骤S404;
S407、计算该年的微能源网可靠性指标,并令y=y+1;
S408、若模拟年数到达上限y>Y或微能源网EENS指标的方差系数达到精度要求ε<ε0,转向步骤S408;否则,令d=1,转向步骤S404;
S409、计算微能源网的可靠性指标,包括负荷削减频率、负荷削减概率和能量供应不足期望值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010844243.9A CN111985105B (zh) | 2020-08-20 | 2020-08-20 | 一种计及热动态特性的多微能源网系统可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010844243.9A CN111985105B (zh) | 2020-08-20 | 2020-08-20 | 一种计及热动态特性的多微能源网系统可靠性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111985105A CN111985105A (zh) | 2020-11-24 |
CN111985105B true CN111985105B (zh) | 2022-11-01 |
Family
ID=73442476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010844243.9A Active CN111985105B (zh) | 2020-08-20 | 2020-08-20 | 一种计及热动态特性的多微能源网系统可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111985105B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112257191B (zh) * | 2020-12-23 | 2021-03-16 | 中国人民解放军国防科技大学 | 载荷平台一体化微小卫星的热控分系统优化方法及系统 |
CN112990541A (zh) * | 2021-02-05 | 2021-06-18 | 三峡大学 | 一种基于家庭综合能源需求响应的电力削峰决策方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378058A (zh) * | 2019-07-26 | 2019-10-25 | 中民新能投资集团有限公司 | 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 |
CN111008739A (zh) * | 2019-12-04 | 2020-04-14 | 华北电力大学 | 一种热电联产虚拟电厂优化调控及收益分配方法及系统 |
CN111461433A (zh) * | 2020-03-31 | 2020-07-28 | 国网上海市电力公司 | 基于需求分布连续条件下的区域分布式能源系统优化方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496066A (zh) * | 2011-12-03 | 2012-06-13 | 重庆大学 | 一种中压配电网可靠性评估方法 |
CN106202820B (zh) * | 2016-07-27 | 2019-06-07 | 国网山东省电力公司滨州供电公司 | 一种考虑输电线路动态热定值的安全调度方法 |
CN106600024A (zh) * | 2016-09-29 | 2017-04-26 | 重庆大学 | 一种计及温控设备的社区级微电网经济运行建模及其求解方法 |
CN112703457A (zh) * | 2018-05-07 | 2021-04-23 | 强力物联网投资组合2016有限公司 | 用于使用工业物联网进行数据收集、学习和机器信号流传输实现分析和维护的方法和系统 |
CN110705792A (zh) * | 2019-09-30 | 2020-01-17 | 重庆大学 | 一种计及分时定价的动态需求响应求解方法 |
CN111445090B (zh) * | 2020-04-21 | 2021-07-30 | 清华大学 | 一种离网型综合能源系统双层规划方法 |
-
2020
- 2020-08-20 CN CN202010844243.9A patent/CN111985105B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110378058A (zh) * | 2019-07-26 | 2019-10-25 | 中民新能投资集团有限公司 | 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 |
CN111008739A (zh) * | 2019-12-04 | 2020-04-14 | 华北电力大学 | 一种热电联产虚拟电厂优化调控及收益分配方法及系统 |
CN111461433A (zh) * | 2020-03-31 | 2020-07-28 | 国网上海市电力公司 | 基于需求分布连续条件下的区域分布式能源系统优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111985105A (zh) | 2020-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gu et al. | Residential CCHP microgrid with load aggregator: Operation mode, pricing strategy, and optimal dispatch | |
CN111738502B (zh) | 促进富余风电消纳的多能互补系统需求响应运行优化方法 | |
CN108596525B (zh) | 冷热电气多能互补的微能源网鲁棒优化调度方法 | |
CN105375479B (zh) | 一种基于模型预测控制的分布式能源能量管理方法 | |
CN111985105B (zh) | 一种计及热动态特性的多微能源网系统可靠性评估方法 | |
CN110489915B (zh) | 计及综合需求响应的电热联合调度方法及系统 | |
CN109740824A (zh) | 一种考虑供热网和热负荷的多能源系统优化规划方法 | |
Basnet et al. | Effect of demand response on residential energy efficiency with direct load control and dynamic price control | |
Li et al. | Modeling and management performances of distributed energy resource for demand flexibility in Japanese zero energy house | |
Tang et al. | Multi-objective optimal dispatch for integrated energy systems based on a device value tag | |
CN113158547A (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 | |
CN111523697A (zh) | 一种综合能源服务成本分摊与定价计算方法 | |
Rana et al. | Assessment of local energy trading in a residential energy hub with demand management | |
CN112561154B (zh) | 一种电热综合能源系统能量优化调度控制方法及装置 | |
Chen et al. | Optimization modeling method for coal-to-electricity heating load considering differential decisions | |
CN105634005B (zh) | 一种用于评估光伏接纳能力的方法及系统 | |
Jacobs et al. | Increasing the utilization ratio of photovoltaic energy by network hybridization | |
CN114529153A (zh) | 一种考虑综合需求响应的多区域综合能源系统调度方法 | |
Klein | Quantifying the grid support of building energy systems | |
Das et al. | Electricity crisis and load management in Bangladesh | |
Vian et al. | Effects of environmental conditions on the optimal sizing and operation of an energy hub | |
Crosara et al. | Generation adequacy in the Nordic and Baltic area: The potential of flexible residential electric heating | |
Liang et al. | Impacts of zero net energy buildings on customer energy savings and distribution system planning | |
Amjad et al. | ANN based optimization of price-based demand response management for solar powered nanogrids | |
Ge et al. | Modelling of domestic load demand in the presence of microgrid with wind and photovoltaic resources |
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 |