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 PDF

Info

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
Application number
CN202010844243.9A
Other languages
English (en)
Other versions
CN111985105A (zh
Inventor
邵常政
路红池
谢开贵
胡博
牛涛
李春燕
黄威
李雨菲
李维展
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.)
Chongqing University
Original Assignee
Chongqing University
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 Chongqing University filed Critical Chongqing University
Priority to CN202010844243.9A priority Critical patent/CN111985105B/zh
Publication of CN111985105A publication Critical patent/CN111985105A/zh
Application granted granted Critical
Publication of CN111985105B publication Critical patent/CN111985105B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

一种计及热动态特性的多微能源网系统可靠性评估方法
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：
Figure BDA0002642490080000021
Figure BDA0002642490080000022
式中，
Figure BDA0002642490080000023
为第m个微能源网向第n个微能源网输送的电功率；
Figure BDA0002642490080000024
为第m个微能源网向第n个微能源网输送天然气功率；
Figure BDA0002642490080000025
和
Figure BDA0002642490080000026
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；
Figure BDA0002642490080000027
和
Figure BDA0002642490080000028
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：
Figure BDA0002642490080000031
Figure BDA0002642490080000032
其中，
Figure BDA0002642490080000033
和
Figure BDA0002642490080000034
为热水从流进管道至流出管道的时间间隔数，可用下式表达：
Figure BDA0002642490080000035
Figure BDA0002642490080000036
式中，ρ为水的密度；Ap和Lp分别为管道p的横截面积和长度；
Figure BDA0002642490080000037
为管道p在t时刻的工质流量；
Figure BDA0002642490080000038
和
Figure BDA0002642490080000039
分别为供水管道p在t时刻的进水温度和出水温度；
Figure BDA00026424900800000310
和
Figure BDA00026424900800000311
分别为回水管道t时刻的进水温度和出水温度；
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：
Figure BDA00026424900800000312
Figure BDA00026424900800000313
Figure BDA00026424900800000314
式中，
Figure BDA00026424900800000315
和
Figure BDA00026424900800000316
分别为供水管道和回水管道计及温损后t时刻的出水温度；为管道外部环境温度；J为热水流经管道的温损系数；ζ为管道的导热系数；c为水的比热容。
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：
Figure BDA0002642490080000041
根据上式易得到：
Figure BDA0002642490080000042
式中，
Figure BDA0002642490080000043
为热网在t时刻向用户季节性热负荷提供的热功率；
Figure BDA0002642490080000044
为用户在t时刻的室内温度；
Figure BDA0002642490080000045
为t时刻的室外温度；R为建筑物的热阻；C为室内空气热容。
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：
Figure BDA0002642490080000046
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；
Figure BDA0002642490080000047
Figure BDA0002642490080000048
Figure BDA0002642490080000049
Figure BDA00026424900800000410
Figure BDA00026424900800000411
Figure BDA00026424900800000412
式中，
Figure BDA0002642490080000051
为微能源网间t时刻的电能交互价格；
Figure BDA0002642490080000052
为微能源网间t时刻的天然气交互价格；
Figure BDA0002642490080000053
和
Figure BDA0002642490080000054
分别为第n个微能源网的电负荷削减量、常年性热负荷削减量和季节性热负荷削减量；
约束条件包含如下：
电功率平衡约束
Figure BDA0002642490080000055
Figure BDA0002642490080000056
式中，
Figure BDA0002642490080000057
为系统电输出端口t时刻的输出功率；
Figure BDA0002642490080000058
为第k台风机t时刻的输出功率；
Figure BDA0002642490080000059
为第k台光伏板t时刻的输出功率；
Figure BDA00026424900800000510
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
Figure BDA00026424900800000511
Figure BDA00026424900800000512
式中，
Figure BDA00026424900800000513
为第k台气储能装置t时刻与微能源网的净交换功率；Kcp、Kgs和Kab分别为压缩机、气储能和燃气锅炉的数量；
热功率平衡约束
Figure BDA00026424900800000514
Figure BDA00026424900800000515
式中，
Figure BDA00026424900800000516
为系统热输出端口t时刻的输出功率；
Figure BDA00026424900800000517
为第k台热储能装置t时刻与微能源网的净交换功率；Khs为热储能数量，cw为水的比热容；
Figure BDA00026424900800000518
为微能源网t时刻向用户常年性热负荷提供的热功率；
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：
Figure BDA0002642490080000061
Figure BDA0002642490080000062
Figure BDA0002642490080000063
Figure BDA0002642490080000064
Figure BDA0002642490080000065
Figure BDA0002642490080000066
式中，
Figure BDA0002642490080000067
为系统t时刻的电负荷需求量；
Figure BDA0002642490080000068
为系统t时刻的常年性热负荷需求量；
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：
Figure BDA0002642490080000069
式中，Tcom,min和Tcom,max分别为微能源网室内最小适宜温度和最大适宜温度；
Figure BDA00026424900800000610
为热网向用户t时刻提供的理论热功率；理论热功率是指从现有温度调整到适宜温度区间内温度所需的最小热功率；
Figure BDA00026424900800000611
易可推导出，季节性热负荷削减量为：
Figure BDA00026424900800000612
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；
Figure BDA00026424900800000613
Figure BDA00026424900800000614
Figure BDA00026424900800000615
Figure BDA0002642490080000071
Figure BDA0002642490080000072
Figure BDA0002642490080000073
Figure BDA0002642490080000074
Figure BDA0002642490080000075
Figure BDA0002642490080000076
式中，
Figure BDA0002642490080000077
和
Figure BDA0002642490080000078
分别为第k个CHP机组、燃气锅炉、电锅炉、P2G装置、变压器、压缩机、风机和光伏板t时刻的元件运行状态；
储能设备出力约束
Figure BDA0002642490080000079
式中，
Figure BDA00026424900800000710
为第k台储能装置t时刻对微能源网的净能源交换功率；
Figure BDA00026424900800000711
和
Figure BDA00026424900800000712
分别为第k台储能装置t时刻的充能和放能功率；
Figure BDA00026424900800000713
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；
Figure BDA00026424900800000714
和
Figure BDA00026424900800000715
为第k台储能装置的最大充放功率限制；
Figure BDA00026424900800000716
和
Figure BDA00026424900800000717
分别为储能装置的最大和最小容量限制；
Figure BDA00026424900800000718
和
Figure BDA00026424900800000719
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；
Figure BDA00026424900800000720
Figure BDA00026424900800000721
Figure BDA00026424900800000722
Figure BDA00026424900800000723
Figure BDA00026424900800000724
Figure BDA00026424900800000725
式中，
Figure BDA00026424900800000726
和
Figure BDA00026424900800000727
分别为第k个电储能、热储能和天然气储能装置t时刻的元件运行状态；
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：
Figure BDA0002642490080000081
Figure BDA0002642490080000082
Figure BDA0002642490080000083
Figure BDA0002642490080000084
式中，
Figure BDA0002642490080000085
为第k台风机t时刻的最大输出功率；
Figure BDA0002642490080000086
为第k台光伏板t时刻的最大输出功率；
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：
Figure BDA0002642490080000087
Figure BDA0002642490080000088
Figure BDA0002642490080000089
Figure BDA00026424900800000810
式中，
Figure BDA00026424900800000811
和
Figure BDA00026424900800000812
分别为热网供水管道水的最小温度和最大温度；
Figure BDA00026424900800000813
和
Figure BDA00026424900800000814
分别为热网回水管道水的最小温度和最大温度。
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
Figure BDA0002642490080000101
Figure BDA0002642490080000111
表2各微能源网储能装置的相关参数
Figure BDA0002642490080000112
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
Figure BDA0002642490080000113
Figure BDA0002642490080000121
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
Figure BDA0002642490080000122
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
Figure BDA0002642490080000123
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
Figure BDA0002642490080000131
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：
Figure FDA0003739396530000011
Figure FDA0003739396530000012
其中，
Figure FDA0003739396530000013
和
Figure FDA0003739396530000014
为热水从流进管道至流出管道的时间间隔数，可用下式表达：
Figure FDA0003739396530000015
Figure FDA0003739396530000016
式中，ρ为水的密度；Ap和Lp分别为管道p的横截面积和长度；
Figure FDA0003739396530000017
为管道p在t时刻的工质流量；
Figure FDA0003739396530000018
和
Figure FDA0003739396530000019
分别为供水管道p在t时刻的进水温度和出水温度；
Figure FDA00037393965300000110
和
Figure FDA00037393965300000111
分别为回水管道t时刻的进水温度和出水温度；
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：
Figure FDA00037393965300000112
Figure FDA00037393965300000113
Figure FDA0003739396530000021
式中，
Figure FDA0003739396530000022
和
Figure FDA0003739396530000023
分别为供水管道和回水管道计及温损后t时刻的出水温度；为管道外部环境温度；J为热水流经管道的温损系数；ζ为管道的导热系数；c为水的比热容；
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：
Figure FDA0003739396530000024
根据上式易得到：
Figure FDA0003739396530000025
式中，
Figure FDA0003739396530000026
为热网在t时刻向用户季节性热负荷提供的热功率；
Figure FDA0003739396530000027
为用户在t时刻的室内温度；
Figure FDA0003739396530000028
为t时刻的室外温度；R为建筑物的热阻；C为室内空气热容；
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：
Figure FDA0003739396530000029
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；
Figure FDA00037393965300000210
Figure FDA0003739396530000031
Figure FDA0003739396530000032
Figure FDA0003739396530000033
Figure FDA0003739396530000034
Figure FDA0003739396530000035
式中，
Figure FDA0003739396530000036
为微能源网间t时刻的电能交互价格；
Figure FDA0003739396530000037
为微能源网间t时刻的天然气交互价格；
Figure FDA0003739396530000038
和
Figure FDA0003739396530000039
分别为第n个微能源网的电负荷削减量、常年性热负荷削减量和季节性热负荷削减量；
约束条件包含如下：
电功率平衡约束
Figure FDA00037393965300000310
Figure FDA00037393965300000311
式中，
Figure FDA00037393965300000312
为系统电输出端口t时刻的输出功率；
Figure FDA00037393965300000313
为第k台风机t时刻的输出功率；
Figure FDA00037393965300000314
为第k台光伏板t时刻的输出功率；
Figure FDA00037393965300000315
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
Figure FDA00037393965300000316
Figure FDA00037393965300000317
式中，
Figure FDA00037393965300000318
为第k台气储能装置t时刻与微能源网的净交换功率；Kcp、Kgs和Kab分别为压缩机、气储能和燃气锅炉的数量；
热功率平衡约束
Figure FDA0003739396530000041
Figure FDA0003739396530000042
式中，
Figure FDA0003739396530000043
为系统热输出端口t时刻的输出功率；
Figure FDA0003739396530000044
为第k台热储能装置t时刻与微能源网的净交换功率；Khs为热储能数量，cw为水的比热容；
Figure FDA0003739396530000045
为微能源网t时刻向用户常年性热负荷提供的热功率；
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：
Figure FDA0003739396530000046
Figure FDA0003739396530000047
Figure FDA0003739396530000048
Figure FDA0003739396530000049
Figure FDA00037393965300000410
Figure FDA00037393965300000411
式中，
Figure FDA00037393965300000412
为系统t时刻的电负荷需求量；
Figure FDA00037393965300000413
为系统t时刻的常年性热负荷需求量；
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：
Figure FDA00037393965300000414
式中，Tcom,min和Tcom,max分别为微能源网室内最小适宜温度和最大适宜温度；
Figure FDA00037393965300000415
为热网向用户t时刻提供的理论热功率；理论热功率是指从现有温度调整到适宜温度区间内温度所需的最小热功率；
Figure FDA0003739396530000051
易可推导出，季节性热负荷削减量为：
Figure FDA0003739396530000052
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；
Figure FDA0003739396530000053
Figure FDA0003739396530000054
Figure FDA0003739396530000055
Figure FDA0003739396530000056
Figure FDA0003739396530000057
Figure FDA0003739396530000058
Figure FDA0003739396530000059
Figure FDA00037393965300000510
Figure FDA00037393965300000511
式中，
Figure FDA00037393965300000512
和
Figure FDA00037393965300000513
分别为第k个CHP机组、燃气锅炉、电锅炉、P2G装置、变压器、压缩机、风机和光伏板t时刻的元件运行状态；
储能设备出力约束
Figure FDA0003739396530000061
式中，
Figure FDA0003739396530000062
为第k台储能装置t时刻对微能源网的净能源交换功率；
Figure FDA0003739396530000063
和
Figure FDA0003739396530000064
分别为第k台储能装置t时刻的充能和放能功率；
Figure FDA0003739396530000065
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；
Figure FDA0003739396530000066
和
Figure FDA0003739396530000067
为第k台储能装置的最大充放功率限制；
Figure FDA0003739396530000068
和
Figure FDA0003739396530000069
分别为储能装置的最大和最小容量限制；
Figure FDA00037393965300000610
和
Figure FDA00037393965300000611
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；
Figure FDA00037393965300000612
Figure FDA00037393965300000613
Figure FDA00037393965300000614
Figure FDA00037393965300000615
Figure FDA00037393965300000616
Figure FDA00037393965300000617
式中，
Figure FDA00037393965300000618
和
Figure FDA00037393965300000619
分别为第k个电储能、热储能和天然气储能装置t时刻的元件运行状态；
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：
Figure FDA00037393965300000620
Figure FDA0003739396530000071
Figure FDA0003739396530000072
Figure FDA0003739396530000073
式中，
Figure FDA0003739396530000074
为第k台风机t时刻的最大输出功率；
Figure FDA0003739396530000075
为第k台光伏板t时刻的最大输出功率；
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：
Figure FDA0003739396530000076
Figure FDA0003739396530000077
Figure FDA0003739396530000078
Figure FDA0003739396530000079
式中，
Figure FDA00037393965300000710
和
Figure FDA00037393965300000711
分别为热网供水管道水的最小温度和最大温度；
Figure FDA00037393965300000712
和
Figure FDA00037393965300000713
分别为热网回水管道水的最小温度和最大温度；
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。
2.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，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：
Figure FDA00037393965300000714
Figure FDA00037393965300000715
式中，
Figure FDA00037393965300000716
为第m个微能源网向第n个微能源网输送的电功率；
Figure FDA00037393965300000717
为第m个微能源网向第n个微能源网输送天然气功率；
Figure FDA00037393965300000718
和
Figure FDA00037393965300000719
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；
Figure FDA00037393965300000720
和
Figure FDA00037393965300000721
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。
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。
CN202010844243.9A 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 Active CN111985105B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
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