CN111985165A - 一种计及智能楼宇热储特性的电热综合能源系统调度方法 - Google Patents

一种计及智能楼宇热储特性的电热综合能源系统调度方法 Download PDF

Info

Publication number
CN111985165A
CN111985165A CN202010709116.8A CN202010709116A CN111985165A CN 111985165 A CN111985165 A CN 111985165A CN 202010709116 A CN202010709116 A CN 202010709116A CN 111985165 A CN111985165 A CN 111985165A
Authority
CN
China
Prior art keywords
heat
intelligent building
heat storage
time
moment
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.)
Granted
Application number
CN202010709116.8A
Other languages
English (en)
Other versions
CN111985165B (zh
Inventor
周亦洲
卫志农
孙国强
臧海祥
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN202010709116.8A priority Critical patent/CN111985165B/zh
Publication of CN111985165A publication Critical patent/CN111985165A/zh
Application granted granted Critical
Publication of CN111985165B publication Critical patent/CN111985165B/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
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • 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
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes
    • 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
    • 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
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Fluid Mechanics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computational Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种计及智能楼宇热储特性的电热综合能源系统调度方法，将智能楼宇热力学等效热参数微分方程转化为调度人员所熟知的热储能模型，使得调度人员在对智能楼宇进行调度时能采用与常规储能相同的调度方式，为相关调度人员提供了巨大的便利。本发明在电热综合能源系统调度中考虑智能楼宇的热储特性，使得调度人员能通过对智能楼宇的调度提高电热综合能源系统的灵活性，从而提高对可再生能源的消纳。

Description

一种计及智能楼宇热储特性的电热综合能源系统调度方法
技术领域
本发明属于电力系统能源调度领域，特别涉及了一种电热综合能源系统调度方法。
背景技术
根据中国建筑节能协会能耗统计专委会发布的报告显示，2018年中国建筑能源消费总量为8.99亿吨标准煤，占全国能源消费总量的20.6％。随着中国城市化水平的提高和能源结构的调整，这一比例将持续增长。并且，随着智能设备(如智能电表)的不断普及，楼宇将逐渐朝着智能化的方向发展。
在我国“三北”地区的可再生能源消纳问题尤为凸显，而热电联产机组的电热制约关系和“以热定电”的运行模式是导致我国“三北地区”可再生能源消纳困难的主要原因。智能楼宇的室内温度可根据实际情况调节，当室内温度小幅度波动时，用户的热舒适度基本不受影响。例如，我国现行的室内温度质量标准指出，冬季民用建筑的室内供暖温度可在16-24℃变化。因此，智能楼宇可视为一种调控潜力巨大且经济性良好的需求响应资源。将智能楼宇纳入电热综合能源调度中，能最大程度地挖掘智能楼宇的需求响应潜力，提高电热综合能源调度的灵活性和对可再生能源的消纳能力。
然而，作为一种新型资源，调度人员对智能楼宇的结构、模型和参数比较陌生，这给智能楼宇调度带来一定的壁垒。而且，由于用户隐私、数量规模等原因，综合能源系统调度人员无法直接掌握用户详细的用热信息并完成对海量用户的直接调控。
发明内容
为了解决上述背景技术提到的技术问题，本发明提出了一种计及智能楼宇热储特性的电热综合能源系统调度方法。
为了实现上述技术目的，本发明的技术方案为：
一种计及智能楼宇热储特性的电热综合能源系统调度方法，包括以下步骤：
(1)求解智能楼宇一阶热力学等效热参数微分方程，获得方程的特解形式；
(2)定义虚拟热储能的储放热功率、储热状态、自放热系数和储放热效率，并代入步骤(1)获得的方程特解形式，得到智能楼宇等效虚拟热储能模型；
(3)将步骤(2)获得的智能楼宇等效虚拟热储能模型纳入电热综合能源系统调度模型中，构建计及智能楼宇热储特性的电热综合能源系统协同调度优化模型；
(4)求解步骤(3)中构建的电热综合能源系统协同调度优化模型，获得电热综合能源系统的调度决策。
进一步地，步骤(1)的具体过程如下：
(101)将智能楼宇热动态特性表示为一阶热力学等效热参数微分方程：
Figure BDA0002595843350000021
上式中，下标t表示调度时刻；
Figure BDA0002595843350000022
为t时刻智能楼宇热负荷；KHC和KHLC分别为智能楼宇等效热容量和热损失系数；Tt I和Tt A分别为t时刻室内和室外温度；dTt I为t时刻室内温度的微分；dt为时间的微分；
(102)考虑t-1到t时刻的室内温度变化情况，该一阶热力学等效热参数微分方程满足t-1时刻室内温度为
Figure BDA0002595843350000023
的初始条件，求解一阶热力学等效热参数微分方程并代入初始条件，得如下特解形式：
Figure BDA0002595843350000024
上式中，e为自然常数。
进一步地，对于居民楼宇，所述智能楼宇等效热容量KHC的计算式如下：
KHC＝cAρAV+cFρFVF
上式中，cA和cF分别为室内空气和家具的比热容；ρA和ρF分别为室内空气和家具的密度；V和VF分别为室内空气和家具的总体积。
进一步地，所述智能楼宇热损失系数KHLC的计算式如下：
KHLC＝λWAW+λCAC
上式中，λW和λC分别表示智能楼宇外墙和外窗的传热系数；AW和AC分别表示智能楼宇外墙和外窗的表面积。
进一步地，步骤(2)的具体过程如下：
(201)定义t时刻虚拟热储能的储放热功率
Figure BDA0002595843350000031
Figure BDA0002595843350000032
上式中，
Figure BDA0002595843350000033
为t时刻基准热负荷；TI为最小室内温度；
定义t时刻虚拟热储能的储热状态
Figure BDA0002595843350000034
Figure BDA0002595843350000035
且
Figure BDA0002595843350000036
上式中，
Figure BDA0002595843350000037
为最大室内温度；
定义虚拟热储能的自放热系数kED：
Figure BDA0002595843350000038
定义虚拟热储能的储放热效率ηC/D：
Figure BDA0002595843350000039
(202)将虚拟热储能的储放热功率、储热状态、自放热系数和储放热效率代入一阶热力学等效热参数微分方程的特解形式，得到智能楼宇等效虚拟热储能模型：
Figure BDA0002595843350000041
上式中，
Figure BDA0002595843350000042
为t-1时刻虚拟热储能的储热状态。
进一步地，所述t时刻基准热负荷
Figure BDA0002595843350000043
的计算式如下：
Figure BDA0002595843350000044
进一步地，步骤(3)的具体过程如下：
(301)构建电热综合能源系统协同调度优化模型的目标函数：
Figure BDA0002595843350000045
上式中，下标e表示能量枢纽；下标i表示电网节点；
Figure BDA0002595843350000046
和
Figure BDA0002595843350000047
分别为热电联产机组e的启动、停止、固定和单位发电成本；机组组合变量ue,t、ve,t和xe,t分别表示t时刻热电联产机组e是否启动、停止和工作，是则置1，否则置0；
Figure BDA0002595843350000048
为t时刻热电联产机组e的电出力；
Figure BDA0002595843350000049
为锅炉e的单位供热成本；
Figure BDA00025958433500000410
为t时刻锅炉e的热出力；
Figure BDA00025958433500000411
为电网节点i处的切负荷成本；
Figure BDA00025958433500000412
为t时刻电网节点i处的切负荷功率；
(302)构建电热综合能源系统协同调度优化模型的约束条件：
a)热电联产机组约束：
xe,t-xe,t-1＝ue,t-ve,t
Figure BDA00025958433500000413
Figure BDA00025958433500000414
Figure BDA0002595843350000051
Figure BDA0002595843350000052
Figure BDA0002595843350000053
上式中，机组组合变量xe,t-1分别表示t-1时刻热电联产机组e是否工作，是则置1，否则置0；机组组合变量xe,τ表示τ时段热电联产机组e是否启动，是则置1，否则置0；
Figure BDA0002595843350000054
和
Figure BDA0002595843350000055
分别为热电联产机组e的最小开机和关机时间；
Figure BDA0002595843350000056
和
Figure BDA0002595843350000057
分别为热电联产机组e的最大和最小电出力；
Figure BDA0002595843350000058
为t-1时刻热电联产机组e的电出力；
Figure BDA0002595843350000059
和
Figure BDA00025958433500000510
分别为热电联产机组e的最大向上和向下爬坡率；
Figure BDA00025958433500000511
和
Figure BDA00025958433500000512
分别为热电联产机组e的最大开机时向上和关机时向下爬坡率；
b)能量枢纽约束：
Figure BDA00025958433500000513
Figure BDA00025958433500000514
上式中，
Figure BDA00025958433500000515
为t时刻可再生能源机组e的电出力；
Figure BDA00025958433500000516
为t时刻可再生能源机组e的弃风弃光量；
Figure BDA00025958433500000517
为t时刻热泵e的输入电功率；
Figure BDA00025958433500000518
和
Figure BDA00025958433500000519
分别为t时刻能量枢纽e的电和热出力；
Figure BDA00025958433500000520
为热电联产机组e的热电比；
Figure BDA00025958433500000521
为热泵e的电热转化效率；
c)电力系统潮流约束：
Figure BDA00025958433500000522
Figure BDA00025958433500000523
Vj,t＝Vi,t-(Pij,trij+Qij,txij)/V0
上式中，下标j和l均表示电网节点；
Figure BDA0002595843350000061
为首端节点为j的支路集合；
Figure BDA0002595843350000062
和
Figure BDA0002595843350000063
分别为t时刻电网节点j处的有功和无功输出功率；Pij,t和Qij,t分别为t时刻支路i-j的有功和无功功率；Pjl,t和Qjl,t分别为t时刻支路j-l的有功和无功功率；
Figure BDA0002595843350000064
和
Figure BDA0002595843350000065
分别为t时刻电网节点j处的有功和无功负荷；
Figure BDA0002595843350000066
为t时刻电网节点j处的切负荷功率；Vi,t和Vj,t分别为t时刻电网节点i和j处的电压幅值；rij和xij分别为支路i-j的电阻和电抗；V0为额定电压幅值；
d)热力系统热平衡约束：
Figure BDA0002595843350000067
Figure BDA0002595843350000068
Figure BDA0002595843350000069
Figure BDA00025958433500000610
Figure BDA00025958433500000611
Figure BDA00025958433500000612
Figure BDA00025958433500000613
Figure BDA00025958433500000614
上式中，下标n表示热网节点，
Figure BDA00025958433500000615
和
Figure BDA00025958433500000616
分别为管道始端和末端与热网节点n相连接的热网管道集合；
Figure BDA00025958433500000617
和
Figure BDA00025958433500000618
分别为t时刻热网节点n处的热源出力和热负荷；cP为水的比热容；
Figure BDA00025958433500000619
和
Figure BDA00025958433500000620
分别为t时刻热源和热负荷在热网节点n处的热水质量流率；
Figure BDA00025958433500000621
和
Figure BDA00025958433500000622
分别为t时刻热网节点n处的入口和出口温度；
Figure BDA00025958433500000623
为t时刻热网节点n处的虚拟热储能储放热功率；
Figure BDA0002595843350000071
为热网节点n处的智能楼宇热损失系数；
Figure BDA0002595843350000072
为热网节点n处的智能楼宇最小室内温度；
Figure BDA0002595843350000073
和
Figure BDA0002595843350000074
分别为t和t-1时刻热网节点n处的虚拟热储能储热状态；
Figure BDA0002595843350000075
为热网节点n处的虚拟热储能自放电系数；
Figure BDA0002595843350000076
为热网节点n处的虚拟储能储放热效率；
Figure BDA0002595843350000077
和
Figure BDA0002595843350000078
分别为t时刻热网管道p的始端和末端温度；λp为热网管道p的传热系数；Lp为热网管道p的长度；mp,t为t时刻热网管道p的热水质量流率；
Figure BDA0002595843350000079
表示t时刻热网节点n处的混合温度。
采用上述技术方案带来的有益效果：
本发明将智能楼宇热力学等效热参数模型转化为调度人员所熟知的热储能模型，实现了智能楼宇模型与现有调度模型的兼容。采用获得的智能楼宇等效热储能模型，调度人员可在不知道详细用户信息的情况下，以与常规储能相同的调度方式完成智能楼宇的调度，这为相关调度人员提供了巨大的便利。并且，本发明将智能楼宇等效热储能模型纳入电热综合能源系统调度中，使得调度人员能利用智能楼宇的热储特性提高电热综合能源系统调度的灵活性，提高对可再生能源的消纳。
附图说明
图1为本发明的方法流程图；
图2为巴厘岛电热综合能源系统网络拓扑图；
图3为可再生能源机组出力、环境温度和电负荷预测图。
具体实施方式
以下将结合附图，对本发明的技术方案进行详细说明。
本发明设计了一种计及智能楼宇热储特性的电热综合能源系统调度方法，如图1所示，步骤如下：
步骤1：求解智能楼宇一阶热力学等效热参数微分方程，获得方程的特解形式；
步骤2：定义虚拟热储能的储放热功率、储热状态、自放热系数和储放热效率，并代入步骤1获得的方程特解形式，得到智能楼宇等效虚拟热储能模型；
步骤3：将步骤2获得的智能楼宇等效虚拟热储能模型纳入电热综合能源系统调度模型中，构建计及智能楼宇热储特性的电热综合能源系统协同调度优化模型；
步骤4：求解步骤3中构建的电热综合能源系统协同调度优化模型，获得电热综合能源系统的调度决策。
在本实施例中，上述步骤1可以采用如下优选方案实现：
101、将智能楼宇热动态特性表示为一阶热力学等效热参数微分方程：
Figure BDA0002595843350000081
上式中，下标t表示调度时刻；
Figure BDA0002595843350000082
为t时刻智能楼宇热负荷；KHC和KHLC分别为智能楼宇等效热容量和热损失系数；Tt I和Tt A分别t时刻室内和室外温度；dTt I为t时刻室内温度的微分；dt为时间的微分。
在一阶热力学等效热参数微分方程中，KHC体现智能楼宇的储热特性，即反应智能楼宇对室内温度变化的抵御能力。KHC越大，智能楼宇的储热能力越强，当室外温度或智能楼宇供热发生变化时室内温度的改变越慢。KHC与楼宇内所含物体有关，以居民楼宇为例，居民楼宇室内主要包括空气和家具两种主要物体。因此，KHC可由下式计算得到：
KHC＝cAρAV+cFρFVF
上式中，cA和cF分别为室内空气和家具的比热容；ρA和ρF分别为室内空气和家具的密度；V和VF分别为室内空气和家具的总体积。
在一阶热力学等效热参数微分方程中，KHLC体现智能楼宇的热耗散情况。KHLC越大，智能楼宇的热耗散越快。KHLC与楼宇的外表面有关。考虑到楼宇的外面表主要由外墙和外窗构成，KHLC可由下式计算得到：
KHLC＝λWAW+λCAC
上式中，λW和λC分别表示智能楼宇外墙和外窗的传热系数；AW和AC分别表示智能楼宇外墙和外窗的表面积。
102、智能楼宇一阶热力学等效热参数微分方程为典型的一阶非线性齐次微分方程。考虑t-1到t时刻的室内温度变化情况，该一阶非线性齐次微分方程满足t-1时刻室内温度为
Figure BDA0002595843350000091
的初始条件。求解一阶非线性齐次微分方程并代入初始条件，可得如下特解形式：
Figure BDA0002595843350000092
上式中，
Figure BDA0002595843350000093
为t-1时刻室内温度；e为自然常数。
在本实施例中，上述步骤2可以采用如下优选方案实现：
201、在没有外部控制信号时，智能楼宇内温度处于稳态，热负荷供应与热损失相平衡，室内温度及热负荷大小均保持不变。定义楼宇维持在最小室内温度TI时的热负荷为基准热负荷
Figure BDA0002595843350000094
由下式计算得到：
Figure BDA0002595843350000095
上式中，
Figure BDA0002595843350000096
为t时刻基准热负荷；T I为最小室内温度。
当智能楼宇收到额外控制信号时，热负荷偏离基准值，将热负荷变化量定义为虚拟热储能储放热功率
Figure BDA0002595843350000097
由下式计算得到：
Figure BDA0002595843350000101
上式中，
Figure BDA0002595843350000102
为t时刻虚拟热储能的储放热功率。
智能楼宇的室内温度可调范围为
Figure BDA0002595843350000103
当室内温度为T I时，室内和室外温度相差最小，智能楼宇的储热量最小；当室内温度为
Figure BDA0002595843350000104
时，室内和室外温度相差最大，智能楼宇的储热量最大。假定室内温度为T I时智能楼宇的储热量为0，室内温度为
Figure BDA0002595843350000105
时智能楼宇的储热量达到最大，虚拟热储能的储热状态
Figure BDA0002595843350000106
可表示为：
Figure BDA0002595843350000107
上式中，
Figure BDA0002595843350000108
为t时刻虚拟热储能的储热状态；
Figure BDA0002595843350000109
为最大室内温度。
由上式可知，
Figure BDA00025958433500001010
满足如下约束：
Figure BDA00025958433500001011
定义虚拟热储能的自放热系数kED为：
Figure BDA00025958433500001012
上式中，kED为虚拟热储能自放电系数。
定义虚拟热储能的储放热效率ηC/D为：
Figure BDA00025958433500001013
上式中，ηC/D为虚拟储能的储放热效率。
202、将定义虚拟热储能的储放热功率、储热状态、自放热系数和储放热效率代入步骤1获得智能楼宇一阶热力学等效热参数微分方程的特解形式，得到智能楼宇等效虚拟热储能模型：
Figure BDA0002595843350000111
上式中，
Figure BDA0002595843350000112
为t-1时刻虚拟热储能的储热状态。
可以看出，上式具有与常规储能完全相同的表达式。因此，相关调度人员可以采用其所熟知的常规储能的调度方式方便地对智能楼宇进行调度。
在本实施例中，上述步骤3可以采用如下优选方案实现：
301、构建电热综合能源系统协同调度优化模型的目标函数：
以机组组合模型为例，构建电热综合能源系统的协同调度优化模型，其目标函数为：
Figure BDA0002595843350000113
上式中，下标e表示能量枢纽，需要说明的是，由于本文所考虑的每个能量枢纽中包含一台热电联产机组、一台可再生能源机组、一台锅炉和一台热泵，为避免冗余，下标e也表示能量枢纽内的热电联产机组、可再生能源机组、锅炉或热泵；下标i表示电网节点；
Figure BDA0002595843350000114
和
Figure BDA0002595843350000115
分别为热电联产机组e的启动、停止、固定和单位发电成本；机组组合变量ue,t、ve,t和xe,t分别表示t时刻热电联产机组e是否启动、停止和工作，是则置1，否则置0；
Figure BDA0002595843350000116
为t时刻热电联产机组e的电出力；
Figure BDA0002595843350000117
为锅炉e的单位供热成本；
Figure BDA0002595843350000118
为t时刻锅炉e的热出力；
Figure BDA0002595843350000119
为电网节点i处的切负荷成本；
Figure BDA00025958433500001110
为t时刻电网节点i处的切负荷功率。
302、构建电热综合能源系统协同调度优化模型的约束条件：
a)热电联产机组约束：
xe,t-xe,t-1＝ue,t-ve,t
Figure BDA00025958433500001111
Figure BDA0002595843350000121
Figure BDA0002595843350000122
Figure BDA0002595843350000123
Figure BDA0002595843350000124
上式中，机组组合变量xe,t-1分别表示t-1时刻热电联产机组e是否工作，是则置1，否则置0；机组组合变量xe,τ表示τ时段热电联产机组e是否启动，是则置1，否则置0；
Figure BDA0002595843350000125
和
Figure BDA0002595843350000126
分别为热电联产机组e的最小开机和关机时间；
Figure BDA0002595843350000127
和
Figure BDA0002595843350000128
分别为热电联产机组e的最大和最小电出力；
Figure BDA0002595843350000129
为t-1时刻热电联产机组e的电出力；
Figure BDA00025958433500001210
和
Figure BDA00025958433500001211
分别为热电联产机组e的最大向上和向下爬坡率；
Figure BDA00025958433500001212
和
Figure BDA00025958433500001213
分别为热电联产机组e的最大开机时向上和关机时向下爬坡率。
b)能量枢纽约束：
考虑一种典型能量枢纽，每个能量枢纽含有一台热电联产机组、一台可再生能源机组、一台锅炉和一台热泵。其中，热电联产机组通过消耗天然气来同时产生电能和热能，锅炉通过消耗天然气产生热能，而热泵通过消耗电能产生热能。能量枢纽内能量传输和转化关系可由如下公式表示：
Figure BDA00025958433500001214
Figure BDA00025958433500001215
上式中，
Figure BDA00025958433500001216
为t时刻可再生能源机组e的电出力；
Figure BDA00025958433500001217
为t时刻可再生能源机组e的弃风弃光量；
Figure BDA00025958433500001218
为t时刻热泵e的输入电功率；
Figure BDA00025958433500001219
和
Figure BDA00025958433500001220
分别为t时刻能量枢纽e的电和热出力；
Figure BDA00025958433500001221
为热电联产机组e的热电比；
Figure BDA00025958433500001222
为热泵e的电热转化效率。
c)电力系统潮流约束：
对于辐射状的配电系统，可采用DistFlow潮流模型对其进行建模。相比于直流潮流模型，DistFlow潮流模型考虑了无功功率和电压幅值，模型更为精确。进一步忽略DistFlow潮流模型中的功率损失项并假设电压幅值的变化不明显，可将该模型简化为线性化的模型。线性化的DistFlow潮流模型可表示为：
Figure BDA0002595843350000131
Figure BDA0002595843350000132
Vj,t＝Vi,t-(Pij,trij+Qij,txij)/V0
上式中，下标j和l均表示电网节点；
Figure BDA0002595843350000133
为首端节点为j的支路集合；
Figure BDA0002595843350000134
和
Figure BDA0002595843350000135
分别为t时刻电网节点j处的有功和无功输出功率；Pij,t和Qij,t分别为t时刻支路i-j的有功和无功功率；Pjl,t和Qjl,t分别为t时刻支路j-l的有功和无功功率；
Figure BDA0002595843350000136
和
Figure BDA0002595843350000137
分别为t时刻电网节点j处的有功和无功负荷；Vi,t和Vj,t分别为t时刻电网节点i和j处的电压幅值；rij和xij分别为支路i-j的电阻和电抗；V0为额定电压幅值。
d)热力系统热平衡约束：
热力系统的调节方式主要分为量调节、质调节和两者并调的方式。目前，由于缺乏足够的控制设备，在中国“三北地区”的热力系统普遍采用质调节方式。因此，在热力系统热平衡模型中考虑质调节方式。在质调节方式下，热网管道中的水流量和压力均保持不变，而水温是可调节的。将每个热网节点处所有的用户等效为一个虚拟热储能，并在热力系统的模型中纳入智能楼宇的等效虚拟热储能模型，可将热网的热力平衡模型表示为：
Figure BDA0002595843350000141
Figure BDA0002595843350000142
Figure BDA0002595843350000143
Figure BDA0002595843350000144
Figure BDA0002595843350000145
Figure BDA0002595843350000146
Figure BDA0002595843350000147
Figure BDA0002595843350000148
上式中，下标n表示热网节点；下标p表示热网管道；
Figure BDA0002595843350000149
和
Figure BDA00025958433500001410
分别为管道始端和末端与热网节点n相连接的热网管道集合；
Figure BDA00025958433500001411
和
Figure BDA00025958433500001412
分别为t时刻热网节点n处的热源出力和热负荷；cP为水的比热容；
Figure BDA00025958433500001413
和
Figure BDA00025958433500001414
分别为t时刻热源和热负荷在热网节点n处的热水质量流率；
Figure BDA00025958433500001415
和
Figure BDA00025958433500001416
分别为t时刻热网节点n处的入口和出口温度；
Figure BDA00025958433500001417
为t时刻热网节点n处的虚拟热储能储放热功率；
Figure BDA00025958433500001418
为热网节点n处的智能楼宇热损失系数；
Figure BDA00025958433500001419
为热网节点n处的智能楼宇最小室内温度；
Figure BDA00025958433500001420
和
Figure BDA00025958433500001421
分别为t和t-1时刻热网节点n处的虚拟热储能储热状态；
Figure BDA00025958433500001422
为热网节点n处的虚拟热储能自放电系数；
Figure BDA00025958433500001423
为热网节点n处的虚拟储能储放热效率；
Figure BDA00025958433500001424
和
Figure BDA00025958433500001425
分别为t时刻热网管道p的始端和末端温度；λp为热网管道p的传热系数；Lp为热网管道p的长度；mp,t为t时刻热网管道p的热水质量流率；
Figure BDA0002595843350000151
表示t时刻热网节点n处的混合温度。
采用实际的巴厘岛电热综合能源系统进行算例测试，该系统由9节点电力系统和32节点热力系统构成。图2给出了巴厘岛电热综合能源系统的网络拓扑图。该系统由3个能量枢纽供能。3个能量枢纽分别接于电力系统的1、9和6节点以及热力系统的31、1和32节点。热电联产机组的参数见表1。可再生能源机组总出力预测值、最大值和最小值、以及环境温度和电负荷预测值如图3所示。切负荷成本设为500$/MWh。算例测试在GAMS优化软件上实现，采用CPLEX求解器求解所构建的混合整数线性规划问题。
表1热电联产机组参数
Figure BDA0002595843350000152
为分析考虑智能楼宇热储特性的有效性，在如下两种极端场景下比较未考虑和考虑智能楼宇热储特性时电热综合能源系统的调度情况：
最恶劣场景：可再生能源出力和环境温度达到其最小值；
最理想场景：可再生能源出力和环境温度达到其最大值。
电热综合能源系统的优化结果如表2所示。可以看出，在最恶劣场景下，考虑智能楼宇的热储特性能避免切负荷情况的发生，从而使得综合能源系统不会受到严重的切负荷惩罚。在最理想情况下，可再生能源出力富裕，考虑智能楼宇的热储特性能帮助电热综合能源系统消纳多余的可再生能源。在最恶劣和最理想场景下，考虑智能楼宇的热储特性均能降低电热综合能源系统的调度总成本，说明计及智能楼宇热储特性对任意场景的适用性。归纳而言，考虑智能楼宇的热储特性能提高电热综合能源系统调度的灵活性，从而有效提高对可再生能源的消纳和减少切负荷情况的发生。
表2未考虑和考虑智能楼宇储热能力时电热综合能源系统的优化结果
Figure BDA0002595843350000161
所构建电热综合能源系统优化调度模型的求解时间小于1s，说明智能楼宇等效虚拟热储能模型和电热综合能源系统调度模型实现了很好的兼容，从而保证了求解效率和调度策略的有效性。
实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (7)

1.一种计及智能楼宇热储特性的电热综合能源系统调度方法，其特征在于，包括以下步骤：
(1)求解智能楼宇一阶热力学等效热参数微分方程，获得方程的特解形式；
(2)定义虚拟热储能的储放热功率、储热状态、自放热系数和储放热效率，并代入步骤(1)获得的方程特解形式，得到智能楼宇等效虚拟热储能模型；
(3)将步骤(2)获得的智能楼宇等效虚拟热储能模型纳入电热综合能源系统调度模型中，构建计及智能楼宇热储特性的电热综合能源系统协同调度优化模型；
(4)求解步骤(3)中构建的电热综合能源系统协同调度优化模型，获得电热综合能源系统的调度决策。
2.根据权利要求1所述计及智能楼宇热储特性的电热综合能源系统调度方法，其特征在于，步骤(1)的具体过程如下：
(101)将智能楼宇热动态特性表示为一阶热力学等效热参数微分方程：
Figure FDA0002595843340000011
上式中，下标t表示调度时刻；
Figure FDA0002595843340000012
为t时刻智能楼宇热负荷；KHC和KHLC分别为智能楼宇等效热容量和热损失系数；Tt I和Tt A分别为t时刻室内和室外温度；dTt I为t时刻室内温度的微分；dt为时间的微分；
(102)考虑t-1到t时刻的室内温度变化情况，该一阶热力学等效热参数微分方程满足t-1时刻室内温度为
Figure FDA0002595843340000013
的初始条件，求解一阶热力学等效热参数微分方程并代入初始条件，得如下特解形式：
Figure FDA0002595843340000014
上式中，e为自然常数。
3.根据权利要求2所述计及智能楼宇热储特性的电热综合能源系统调度方法，其特征在于，对于居民楼宇，所述智能楼宇等效热容量KHC的计算式如下：
KHC＝cAρAV+cFρFVF
上式中，cA和cF分别为室内空气和家具的比热容；ρA和ρF分别为室内空气和家具的密度；V和VF分别为室内空气和家具的总体积。
4.根据权利要求2所述计及智能楼宇热储特性的电热综合能源系统调度方法，其特征在于，所述智能楼宇热损失系数KHLC的计算式如下：
KHLC＝λWAW+λCAC
上式中，λW和λC分别表示智能楼宇外墙和外窗的传热系数；AW和AC分别表示智能楼宇外墙和外窗的表面积。
5.根据权利要求2所述计及智能楼宇热储特性的电热综合能源系统调度方法，其特征在于，步骤(2)的具体过程如下：
(201)定义t时刻虚拟热储能的储放热功率Ht C/D：
Figure FDA0002595843340000021
上式中，
Figure FDA0002595843340000022
为t时刻基准热负荷；T I为最小室内温度；
定义t时刻虚拟热储能的储热状态
Figure FDA0002595843340000026
Figure FDA0002595843340000023
且
Figure FDA0002595843340000027
上式中，
Figure FDA0002595843340000024
为最大室内温度；
定义虚拟热储能的自放热系数kED：
Figure FDA0002595843340000025
定义虚拟热储能的储放热效率ηC/D：
Figure FDA0002595843340000031
(202)将虚拟热储能的储放热功率、储热状态、自放热系数和储放热效率代入一阶热力学等效热参数微分方程的特解形式，得到智能楼宇等效虚拟热储能模型：
Figure FDA0002595843340000032
上式中，
Figure FDA0002595843340000033
为t-1时刻虚拟热储能的储热状态。
6.根据权利要求5所述计及智能楼宇热储特性的电热综合能源系统调度方法，其特征在于，所述t时刻基准热负荷
Figure FDA0002595843340000034
的计算式如下：
Figure FDA0002595843340000035
7.根据权利要求5所述计及智能楼宇热储特性的电热综合能源系统调度方法，其特征在于，步骤(3)的具体过程如下：
(301)构建电热综合能源系统协同调度优化模型的目标函数：
Figure FDA0002595843340000036
上式中，下标e表示能量枢纽；下标i表示电网节点；
Figure FDA0002595843340000037
和
Figure FDA0002595843340000038
分别为热电联产机组e的启动、停止、固定和单位发电成本；机组组合变量ue,t、ve,t和xe,t分别表示t时刻热电联产机组e是否启动、停止和工作，是则置1，否则置0；
Figure FDA0002595843340000039
为t时刻热电联产机组e的电出力；
Figure FDA00025958433400000310
为锅炉e的单位供热成本；
Figure FDA00025958433400000311
为t时刻锅炉e的热出力；
Figure FDA00025958433400000312
为电网节点i处的切负荷成本；
Figure FDA00025958433400000313
为t时刻电网节点i处的切负荷功率；
(302)构建电热综合能源系统协同调度优化模型的约束条件：
a)热电联产机组约束：
xe,t-xe,t-1＝ue,t-ve,t
Figure FDA0002595843340000041
Figure FDA0002595843340000042
Figure FDA0002595843340000043
Figure FDA0002595843340000044
Figure FDA0002595843340000045
上式中，机组组合变量xe,t-1分别表示t-1时刻热电联产机组e是否工作，是则置1，否则置0；机组组合变量xe,τ表示τ时段热电联产机组e是否启动，是则置1，否则置0；
Figure FDA0002595843340000046
和
Figure FDA0002595843340000047
分别为热电联产机组e的最小开机和关机时间；
Figure FDA0002595843340000048
和
Figure FDA0002595843340000049
分别为热电联产机组e的最大和最小电出力；
Figure FDA00025958433400000410
为t-1时刻热电联产机组e的电出力；
Figure FDA00025958433400000411
和
Figure FDA00025958433400000412
分别为热电联产机组e的最大向上和向下爬坡率；
Figure FDA00025958433400000413
和
Figure FDA00025958433400000414
分别为热电联产机组e的最大开机时向上和关机时向下爬坡率；
b)能量枢纽约束：
Figure FDA00025958433400000415
Figure FDA00025958433400000416
上式中，
Figure FDA00025958433400000417
为t时刻可再生能源机组e的电出力；
Figure FDA00025958433400000418
为t时刻可再生能源机组e的弃风弃光量；
Figure FDA00025958433400000419
为t时刻热泵e的输入电功率；
Figure FDA00025958433400000420
和
Figure FDA00025958433400000421
分别为t时刻能量枢纽e的电和热出力；
Figure FDA00025958433400000422
为热电联产机组e的热电比；COPe HP为热泵e的电热转化效率；
c)电力系统潮流约束：
Figure FDA0002595843340000051
Figure FDA0002595843340000052
Vj,t＝Vi,t-(Pij,trij+Qij,txij)/V0
上式中，下标j和l均表示电网节点；
Figure FDA0002595843340000053
为首端节点为j的支路集合；
Figure FDA0002595843340000054
和
Figure FDA0002595843340000055
分别为t时刻电网节点j处的有功和无功输出功率；Pij,t和Qij,t分别为t时刻支路i-j的有功和无功功率；Pjl,t和Qjl,t分别为t时刻支路j-l的有功和无功功率；
Figure FDA0002595843340000056
和
Figure FDA0002595843340000057
分别为t时刻电网节点j处的有功和无功负荷；
Figure FDA0002595843340000058
为t时刻电网节点j处的切负荷功率；Vi,t和Vj,t分别为t时刻电网节点i和j处的电压幅值；rij和xij分别为支路i-j的电阻和电抗；V0为额定电压幅值；
d)热力系统热平衡约束：
Figure FDA0002595843340000059
Figure FDA00025958433400000510
Figure FDA00025958433400000511
Figure FDA00025958433400000512
Figure FDA00025958433400000513
Figure FDA00025958433400000514
Figure FDA00025958433400000515
Figure FDA00025958433400000516
上式中，下标n表示热网节点；下标p表示热网管道；
Figure FDA00025958433400000517
和
Figure FDA00025958433400000518
分别为管道始端和末端与热网节点n相连接的热网管道集合；
Figure FDA0002595843340000061
和
Figure FDA0002595843340000062
分别为t时刻热网节点n处的热源出力和热负荷；cP为水的比热容；
Figure FDA0002595843340000063
和
Figure FDA0002595843340000064
分别为t时刻热源和热负荷在热网节点n处的热水质量流率；
Figure FDA0002595843340000065
和
Figure FDA0002595843340000066
分别为t时刻热网节点n处的入口和出口温度；
Figure FDA0002595843340000067
为t时刻热网节点n处的虚拟热储能储放热功率；
Figure FDA0002595843340000068
为热网节点n处的智能楼宇热损失系数；
Figure FDA0002595843340000069
为热网节点n处的智能楼宇最小室内温度；
Figure FDA00025958433400000610
和
Figure FDA00025958433400000611
分别为t和t-1时刻热网节点n处的虚拟热储能储热状态；
Figure FDA00025958433400000612
为热网节点n处的虚拟热储能自放电系数；
Figure FDA00025958433400000613
为热网节点n处的虚拟储能储放热效率；
Figure FDA00025958433400000614
和
Figure FDA00025958433400000615
分别为t时刻热网管道p的始端和末端温度；λp为热网管道p的传热系数；Lp为热网管道p的长度；mp,t为t时刻热网管道p的热水质量流率；
Figure FDA00025958433400000616
表示t时刻热网节点n处的混合温度。
CN202010709116.8A 2020-07-22 2020-07-22 一种计及智能楼宇热储特性的电热综合能源系统调度方法 Active CN111985165B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010709116.8A CN111985165B (zh) 2020-07-22 2020-07-22 一种计及智能楼宇热储特性的电热综合能源系统调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010709116.8A CN111985165B (zh) 2020-07-22 2020-07-22 一种计及智能楼宇热储特性的电热综合能源系统调度方法

Publications (2)

Publication Number Publication Date
CN111985165A true CN111985165A (zh) 2020-11-24
CN111985165B CN111985165B (zh) 2021-07-20

Family

ID=73438025

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010709116.8A Active CN111985165B (zh) 2020-07-22 2020-07-22 一种计及智能楼宇热储特性的电热综合能源系统调度方法

Country Status (1)

Country Link
CN (1) CN111985165B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114912784A (zh) * 2022-04-29 2022-08-16 河海大学 一种电热综合能源系统能量和备用联合调度方法
CN115203980A (zh) * 2022-09-13 2022-10-18 国网湖北省电力有限公司营销服务中心(计量中心) 一种局域化微型电力系统的需求侧供需平衡控制方法
CN115906488A (zh) * 2022-11-25 2023-04-04 国网江苏省电力有限公司电力科学研究院 一种用于楼宇综合能源系统的优化调度方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105931136A (zh) * 2016-04-25 2016-09-07 天津大学 一种融合需求侧虚拟储能系统的楼宇微网优化调度方法
WO2017050915A1 (en) * 2015-09-23 2017-03-30 Egg Technology S.R.L. Energy system for buildings
CN106960272A (zh) * 2017-02-28 2017-07-18 天津大学 含虚拟储能的楼宇微网多时间尺度优化调度方法
CN108628176A (zh) * 2018-06-29 2018-10-09 国网山东省电力公司电力科学研究院 一种计及热网柔性的热电联合优化调度方法
CN108832665A (zh) * 2018-07-04 2018-11-16 四川大学 一种考虑风电不确定性的电热综合系统分布式鲁棒协调优化调度模型
CN109740899A (zh) * 2018-12-25 2019-05-10 国网浙江省电力有限公司电力科学研究院 一种考虑主动配电网的楼宇集群多阶段优化调度方法
CN111324850A (zh) * 2020-02-18 2020-06-23 南通大学 一种考虑热网特性和热负荷可调度性的电热联合调度方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017050915A1 (en) * 2015-09-23 2017-03-30 Egg Technology S.R.L. Energy system for buildings
CN105931136A (zh) * 2016-04-25 2016-09-07 天津大学 一种融合需求侧虚拟储能系统的楼宇微网优化调度方法
CN106960272A (zh) * 2017-02-28 2017-07-18 天津大学 含虚拟储能的楼宇微网多时间尺度优化调度方法
CN108628176A (zh) * 2018-06-29 2018-10-09 国网山东省电力公司电力科学研究院 一种计及热网柔性的热电联合优化调度方法
CN108832665A (zh) * 2018-07-04 2018-11-16 四川大学 一种考虑风电不确定性的电热综合系统分布式鲁棒协调优化调度模型
CN109740899A (zh) * 2018-12-25 2019-05-10 国网浙江省电力有限公司电力科学研究院 一种考虑主动配电网的楼宇集群多阶段优化调度方法
CN111324850A (zh) * 2020-02-18 2020-06-23 南通大学 一种考虑热网特性和热负荷可调度性的电热联合调度方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
周步祥 等: "考虑天气类型的新型HDP智能楼宇储能优化调度", 《电测与仪表》 *
孙国强 等: "基于混合随机规划_信息间隙决策理论的虚拟电厂调度优化模型", 《电力自动化设备》 *
孙国强 等: "能量和旋转备用市场下虚拟电厂热电联合调度鲁棒优化模型", 《中国电机工程学报》 *
梅建春 等: "电—气互联综合能源系统多时间尺度动态优化调度", 《电力系统自动化》 *
江叶峰 等: "考虑电热综合需求响应的虚拟电厂优化调度", 《电力建设》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114912784A (zh) * 2022-04-29 2022-08-16 河海大学 一种电热综合能源系统能量和备用联合调度方法
CN115203980A (zh) * 2022-09-13 2022-10-18 国网湖北省电力有限公司营销服务中心(计量中心) 一种局域化微型电力系统的需求侧供需平衡控制方法
CN115203980B (zh) * 2022-09-13 2023-01-24 国网湖北省电力有限公司营销服务中心(计量中心) 一种局域化微型电力系统的需求侧供需平衡控制方法
CN115906488A (zh) * 2022-11-25 2023-04-04 国网江苏省电力有限公司电力科学研究院 一种用于楼宇综合能源系统的优化调度方法
CN115906488B (zh) * 2022-11-25 2024-01-23 国网江苏省电力有限公司电力科学研究院 一种用于楼宇综合能源系统的优化调度方法

Also Published As

Publication number Publication date
CN111985165B (zh) 2021-07-20

Similar Documents

Publication Publication Date Title
Hirmiz et al. Performance of heat pump integrated phase change material thermal storage for electric load shifting in building demand side management
CN111985165B (zh) 一种计及智能楼宇热储特性的电热综合能源系统调度方法
CN106998079B (zh) 一种热电联合优化调度模型的建模方法
Anvari-Moghaddam et al. Cost-effective and comfort-aware residential energy management under different pricing schemes and weather conditions
CN113725915A (zh) 一种考虑可再生能源不确定性和热惰性的乡村电热综合能源系统运行优化方法
CN109472050A (zh) 基于热惯性的热电联产系统混合时间尺度调度方法
Entchev et al. Application of hybrid micro-cogeneration system—Thermal and power energy solutions for Canadian residences
CN112613671B (zh) 考虑相变水箱和建筑蓄能的微网分布鲁棒优化调度方法
CN110474370B (zh) 一种空调可控负荷、光伏储能系统的协同控制系统及方法
CN111639819B (zh) 一种综合能源园区多阶段优化控制方法
CN114139958A (zh) 一种计及管存和热惯性的综合能源系统运行优化方法
CN115857348A (zh) 考虑两联供热泵舒适供能的分布式能量系统容量优化方法
Anvari-Moghaddam et al. Load shifting control and management of domestic microgeneration systems for improved energy efficiency and comfort
CN110797917A (zh) 一种电热联合系统的调度模型
Wang et al. Event-triggered online energy flow control strategy for regional integrated energy system using Lyapunov optimization
Chen et al. An operational optimization method of regional multi-energy system considering thermal quasi-dynamic characteristics
CN109167396A (zh) 一种基于建筑热惯性的抽汽式热电联产机组调频能力挖掘方法
Ma et al. Two-stage optimization model for day-ahead scheduling of electricity-heat microgrids with solid electric thermal storage considering heat flexibility
Vélez et al. Control strategy for an autonomous energy system with electricity and heat flows
Tan et al. Modeling and simulation of layered water tank based on MATLAB/SIMULINK
CN113794242A (zh) 一种计及天然气网动态特性的区间优化调度方法
CN112990541A (zh) 一种基于家庭综合能源需求响应的电力削峰决策方法
CN112600217A (zh) 一种考虑多能互补的综合能源系统负荷侧优化调度方法
CN110705804A (zh) 一种考虑多类型热泵的多能微网效率效益评估方法
CN112100828B (zh) 一种考虑热力网荷准动态特性的电热气系统控制方法

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20201124

Assignee: Nanjing qingran Energy Technology Co.,Ltd.

Assignor: HOHAI University

Contract record no.: X2023980033736

Denomination of invention: A Scheduling Method for Electrothermal Integrated Energy Systems Considering the Thermal Storage Characteristics of Intelligent Buildings

Granted publication date: 20210720

License type: Common License

Record date: 20230321