CN112070374B - 一种区域能源互联网供能可靠性评估方法 - Google Patents
一种区域能源互联网供能可靠性评估方法 Download PDFInfo
- Publication number
- CN112070374B CN112070374B CN202010864202.6A CN202010864202A CN112070374B CN 112070374 B CN112070374 B CN 112070374B CN 202010864202 A CN202010864202 A CN 202010864202A CN 112070374 B CN112070374 B CN 112070374B
- Authority
- CN
- China
- Prior art keywords
- energy
- load
- station
- heat
- gas
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000009467 reduction Effects 0.000 claims abstract description 41
- 230000004044 response Effects 0.000 claims abstract description 30
- 238000011156 evaluation Methods 0.000 claims abstract description 28
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 14
- 230000008878 coupling Effects 0.000 claims abstract description 13
- 238000010168 coupling process Methods 0.000 claims abstract description 13
- 238000005859 coupling reaction Methods 0.000 claims abstract description 13
- 238000013486 operation strategy Methods 0.000 claims abstract description 7
- 239000007789 gas Substances 0.000 claims description 55
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 54
- 230000005611 electricity Effects 0.000 claims description 35
- 238000004146 energy storage Methods 0.000 claims description 29
- 239000003345 natural gas Substances 0.000 claims description 27
- 238000004519 manufacturing process Methods 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 14
- 230000008439 repair process Effects 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 11
- 238000010521 absorption reaction Methods 0.000 claims description 8
- 238000010248 power generation Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 6
- 238000005338 heat storage Methods 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 5
- 238000001816 cooling Methods 0.000 claims description 4
- 235000003642 hunger Nutrition 0.000 claims description 4
- 238000005057 refrigeration Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 230000037351 starvation Effects 0.000 claims description 4
- 230000009194 climbing Effects 0.000 claims description 3
- 230000005251 gamma ray Effects 0.000 claims description 2
- 230000020169 heat generation Effects 0.000 claims description 2
- 230000009545 invasion Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000009423 ventilation Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011058 failure modes and effects analysis Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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
- G06F2119/06—Power analysis or power optimisation
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Hardware Design (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Geometry (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种区域能源互联网供能可靠性评估方法,该方法考虑了电‑气耦合与站间协同,包括:采集数据;建立考虑用户需求响应的供能可靠性评估指标;开始蒙特卡洛模拟循环,使得各能源站按照正常运行策略运行,得到正常运行时的各机组的功率曲线;蒙特卡洛模拟实现供能系统故障,各能源站按照故障时最优负荷削减策略运行;供能系统故障结束后,各能源站按照故障修复策略运行;计算区域能源互联网可靠性指标,得到可靠性评估结果。本发明将供能可靠性由分布式能源系统拓展到区域级能源互联网层面,实现了电‑气耦合的供能系统故障下的可靠性评估。
Description
技术领域
本发明属于能源网运行评估领域,更具体的说,是涉及一种考虑电-气耦合与站间协同的区域能源互联网供能可靠性评估方法。
背景技术
能源互联网涉及电、气、冷/热等多种不同的能源形式,多能源之间耦合特性的对其可靠性产生了一定的影响;一方面,能源之间可以相互支撑,以提高供能可靠性;另一方面,由于供能系统的多能耦合,某个供能系统出现问题都可能对系统整体的能源供给产生影响。
作为运行及规划过程中的关键技术,可靠性评估方法的研究一直得到广泛的关注。针对供能可靠性评估,目前国内外的研究主要针对配电网和分布式综合能源系统(DES)。针对配电网的供电可靠性研究已经较为成熟,解析法和模拟法是电力系统可靠性评估的常用方法,在系统状态评估时,多采用故障模式影响分析法(FMEA法)遍历元件故障对系统负荷的影响。针对综合供能可靠性的评估,国内外研究主要集中在电-气或冷-热-电这两类能源系统。
需求响应能够参与到能源站之间的相互协同中,从而促进系统稳定运行,缓解能源供应紧张的局面。目前针对需求响应对可靠性的研究已由仅通过电负荷的削减提升配电系统的可靠性,发展到在综合能源系统中考虑多种能源的需求响应,以提升综合供能可靠性。
在能源互联网的背景下,传统电力需求响应正逐步发展为适应于能源互联网的综合需求响应。因此,研究多能耦合关系下的区域能源互联网可靠性评估已成为亟待解决的问题。
发明内容
本发明所要解决的技术问题是分析区域能源互联网内部各主体之间的能流关系与电-气耦合对供能可靠性的影响,建立以总刚性缺供能量最小为目标的区域能源互联网最优负荷削减模型,考虑用户舒适度区间及需求响应,从能量和时间层面建立刚性和柔性可靠性评估指标,从而提出一种考虑电-气耦合与站间协同的区域能源互联网供能可靠性评估方法。
本发明的目的是通过以下技术方案实现的:一种区域能源互联网供能可靠性评估方法,其特征在于,该方法考虑了电-气耦合与站间协同,具体包括以下步骤:
(1)采集数据;
(2)建立考虑用户需求响应的供能可靠性评估指标;
(3)开始蒙特卡洛模拟循环,使得各能源站按照正常运行策略运行,得到正常运行时的各机组的功率曲线;
(4)蒙特卡洛模拟实现供能系统故障,各能源站按照故障时最优负荷削减策略运行;
(5)供能系统故障结束后,各能源站按照故障修复策略运行;
(6)计算区域能源互联网可靠性指标,得到可靠性评估结果。
该方法将供能可靠性由分布式能源系统拓展到区域级能源互联网层面,实现了电-气耦合的供能系统故障下的可靠性评估;并考虑用户需求响应与建筑物虚拟储能,从时间和能量层面提出了刚性和柔性供能可靠性指标,量化了用户通过参与需求响应进而提高可靠性的能力;建立了考虑能源站之间相互协同的最优负荷削减模型,进而大大提升了区域能源互联网供能可靠性。
与现有技术相比,本发明的技术方案所带来的有益效果是:
1)将供能可靠性由分布式能源系统拓展到区域级能源互联网层面,实现了电-气耦合的供能系统故障下的可靠性评估;
2)考虑用户需求响应与建筑物虚拟储能,从时间和能量层面提出了刚性和柔性供能可靠性指标,量化了用户通过参与需求响应进而提高可靠性的能力;
3)提出了区域能源互联网供能系统故障前、中、后三种运行策略,在故障中建立了考虑能源站之间相互协同的最优负荷削减模型,进而大大提升了区域能源互联网供能可靠性。
附图说明
图1是电-气耦合的区域能源互联网架构。
具体实施方式
本发明提出了一种区域能源互联网供能可靠性评估方法,该方法考虑了电-气耦合与站间协同,具体包括以下步骤:
(1)采集数据;
(2)建立考虑用户需求响应的供能可靠性评估指标;
(3)开始蒙特卡洛模拟循环,使得各能源站按照正常运行策略运行,得到正常运行时的各机组的功率曲线;
(4)蒙特卡洛模拟实现供能系统故障,各能源站按照故障时最优负荷削减策略运行;
(5)供能系统故障结束后,各能源站按照故障修复策略运行;
(6)计算区域能源互联网可靠性指标,得到可靠性评估结果。
步骤(1)中的数据包括区域能源互联网供能系统中各设备故障率、修复时间,各能源站机组出力曲线,各能源站电、冷、热负荷需求曲线,各能源站分布式电源典型出力曲线;采集数据的具体内容包括将区域能源互联网分为终端用户层、能源站层和供能系统层,并统计不同典型日各层级的负荷数据和机组出力数据;在终端用户层,统计的数据包括一年中不同典型日的电、气、冷、热负荷数据,用户能参与需求响应的电和气负荷数据,以及用户舒适度区间数据;在能源站层,统计各机组的机组参数,所述机组包括燃气三联供机组、电锅炉、燃气锅炉、电制冷机、P2G设备、储能装置;在供能系统层,统计供能系统中各设备故障率、修复时间。
建立考虑用户需求响应的供能可靠性评估指标,包括建立电气、热冷的需求响应模型与可靠性评估指标。
建立电气、热冷的需求响应模型具体包括:
电、气负荷需求响应模型如下:
电、气柔性负荷均包括可平移负荷和可削减负荷:
1)可平移负荷模型如下式:
式中,Pt’和Pt分别表示可转移负荷转移前后t时段的负荷量;μt’,t和δt’,t表示转入和转出的状态,取值为1表示有转入和转出;为单次转移的能量;T表示评估周期,t表示转移前的时刻,t’表示转移后的时刻;
2)可削减负荷模型如下式:
总柔性负荷削减量为:
刚性电、气负荷削减量为考虑总柔性负荷削减后,仍需削减的负荷量;
冷、热负荷需求响应模型如下:
用户通过调用建筑物虚拟储能来参与需求响应;
当建筑室内温度保持恒定时,制冷/采暖设备t时刻的输出功率Qsta(t)采用如下公式计算:
Qsta(t)=hf(Tin(t)-T1(t))+(λKcfc+0.278cwρwV0n(t))·(Tin(t)-Tout(t)) (4)
式中,Tin(t)为t时刻室内温度;Tout(t)为t时刻室外温度;T1(t)为t时刻围护结构的内表面温度;h为围护结构的对流换热系数;f为围护结构的内表面积;λ为室外风侵入附加率;Kc为外门传热系数;fc为外门面积;0.278为单位换算系数;cw为室外空气比热;ρw为室外空气密度;V0为建筑内空气体积;n(t)为t时段换气次数;
当建筑室内温度变化时,制冷/采暖设备t时刻的输出功率Qdyn(t)如下:
式中,c0为室内空气比热;ρ0为室内空气密度;以制冷场景为例,当Qdyn(t)小于或等于0时,制冷机组处于工作状态;当Qdyn(t)大于0时,室外环境温度较低,制冷机组处于停机状态;
建筑虚拟储能的等效蓄放能功率可由室温变化前后制冷/采暖设备的输出功率差值计算得到,如下所示:
Qvir(t)=Qdyn(t)-Qsta(t) (7)
式中,Qvir(t)为t时刻建筑虚拟储能的等效蓄放能功率,正值表示储能,负值表示放能。
可靠性评估指标包括电、气、热、冷的柔性缺供能期望、刚性缺供能期望、柔性缺供能时长和刚性缺供能时长;
所述柔性缺供能期望表示在统计时间段内,某一类型能源由于供能系统故障所缺供的柔性总能量,单位为MW·h/a。柔性缺供能量期望越高,供能系统故障后,该类型的柔性负荷削减量越大。计算方法如下:
式中,elec、gas、heat和cold分别表示电、气、热、冷;N表示抽样总数,i,j表示第j次抽样所得到第i种场景,m表示第m个能源站,M表示能源站的个数,T表示蒙特卡洛模拟时长,LOEE表示缺供能期望,a表示柔性指标;
所述刚性缺供能期望表示在统计时间段内,某一类型能源由于供能系统故障所缺供的刚性能量,单位为MW·h/a。刚性缺供能量期望越高,代表该类型能源受供能系统故障的影响越大,供能可靠性越低。计算方法如下:
式中,b表示刚性指标;
所述柔性缺供能时长表示在统计时间段内,m个能源站中某一类型能源由于供能系统故障所造成柔性负荷供给不足的最大持续时间,单位为h/a。时间越长,代表外部电网故障下,该类型能源的柔性负荷削减时长越长。计算方法如下:
所述刚性缺供能时长表示在统计时间段内,m个能源站中某一类型能源由于供能系统故障所造成刚性负荷供给不足的最大持续时间,单位为h/a。时间越长,代表外部电网故障下,该类型能源受到的影响越大,供能可靠性越低。计算方法如下:
步骤(3)中正常运行策略包括电、气、热、冷的供应方式,其中,
在正常运行中,各能源站完全满足自身负荷需求。电负荷由热电联产机组供应,若供应不足则考虑调用储电装置或者从配电网购电;燃气负荷,在电价谷值时优先采用P2G设备满足,剩余的由天然气管网补足,在电价平时段和谷值时相反;热负荷由热电联产机组、燃气热泵或电锅炉、储热装置进行供应;冷负荷由吸收式制冷机以及电制冷机进行供应。
热电联产机组与吸收式制冷机组成冷-热-电三联供机组,其运行方式为以热负荷和冷负荷中较大的负荷量确定电能的生产量,当发电量高于所需电量时,多余电量储入储能装置或者倒送至上级电网,当发电量不足时,从电网购电或储电装置进行补充,补充顺序根据电价的峰谷平时段进行排序,在电价峰值时,优先考虑储电装置放能,再考虑从电网购电,此时储热装置放能;在电价平时段,不足的电能再从外部电网购入,储电、储热装置既不储能也不放能;在电价谷时段,由外部电网满足储电装置储电和原有电负荷的总电需求,此时储热装置储能。
步骤(4)中所述最优负荷削减策略包括能源站内部负荷削减策略和能源站站间协同策略;所述能源站内部负荷削减策略包括配电网故障和天然气管网故障时的负荷削减策略。首先判断能源站能否独立运行。两个供能系统判断方法类似,配电网故障判断方法如式(24-26),天然气管网判断方法如式(27-30)。
配电网故障的判断方法具体为:
Ee-c,b(t)=(Lc(t)-Cvir,out(t)-Cac(t)-Cv,out(t))/COPe-c (24)
所述天然气管网故障的判断方法具体为:
式中,Lc(t)、Lh(t)分别表示原有冷、热负荷量;Ee-c,b(t)、Ee-h,b(t)分别表示满足刚性冷、热负荷需要的电量;FCHP-h,b(t)和Fgb-h,b(t)分别表示通过CHP机组和燃气锅炉满足刚性等效热负荷所需要的天然气量;Ee-c,b(t)、Hh-c,b(t)表示满足刚性冷负荷所需要的等效电和热量;He-h(t)表示电锅炉的产热量;Cec(t)和Cac(t)分别表示电制冷机和吸收式制冷机的产冷量;Hvir,out(t)和Cvir,out(t)分别表示建筑物虚拟储能的放热、放冷量;HCHP(t)表示CHP机组的产热量;Hgb(t)表示燃气热泵的产热量;α表示故障发生时能够孤岛运行的能源站集合;β表示故障发生时不能独立运行的能源站集合;ECHP(t)表示热电联产机组的产电量;Ere(t)表示可再生能源装置的发电量,Ev,out(t)、Hv,out(t)、Cv,out(t)分别表示储电、储热、储冷装置的放能量;Eb(t)表示刚性电负荷量;ηac、ηCHP和ηgb分别表示吸收式制冷机、CHP机组和燃气锅炉的效率;COPe-c表示电制冷机的效率;COPe-h表示电锅炉的热电比。
能源站之间的站间协同策略通过构建区域能源互联网最优负荷削减模型来实现,该模型旨在通过调用能源站内的需求响应资源以削减自身负荷,并通过站内的多能耦合设备以实现能源站的站间相互协同与支撑,从而提高区域能源互联网整体的供能可靠性。
所述区域能源互联网最优负荷削减模型包括目标函数和约束条件;
区域综合能源互联网通过优化能源站之间转入、转出的电量/天然气量,从而达到等效刚性缺供电量/天然气量最小,所述目标函数具体为:
式中,X表示能通过站间协同满足刚性负荷的能源站集合,Y表示不能通过站间协同满足刚性负荷的能源站集合,β=X∪Y;Ez,in(t)和Fz,in(t)分别表示从其他能源站转入的电量和天然气量;Eu-m(t)、Fu-m(t)和εu-m(t)表示能源站u和m之间的协同电量、天然气量和协同状态,Eu-m(t)和Fu-m(t)转出为正,转入为负,εu-m(t)为1表示能源站之间发生了能量的转入/出;ηu-m(t)表示能源站u和m之间的连通状态,连通为1,不连通为0;θu-m(t)为能源站u和m之间的协同能力,为1表示能源站u和m运行情况使得二者能够相互协同;U表示可以与能源站m进行站间协同的能源站个数;
所述约束条件包括能源站内部约束、供能系统约束和能源站之间相互协同的约束;
能源站的自身约束包括机组出力约束、机组爬坡速率约束、储能设备放能速率约束、储能设备放能深度约束等。
所述能源站内部约束具体为:
1)机组出力约束
2)机组爬坡速率约束
3)储能设备约束
储能设备需要满足储能状态约束与充放能功率约束
式中,v表示储能设备,分别为储能装置v的最小和最大储存容量;分别为储能装置的最小和最大充电功率;分别为储能装置最小和最大放电功率;γv,c(t)、γv,d(t)分别为储能装置在时段t的启停状态,由0-1变量表示,γv,c(t)取1表示充电、γv,d(t)取1表示放电;
所述供能系统约束包括配电网的潮流约束和天然气管网的潮流约束;
所述配电网的潮流约束包括节点功率平衡约束,节点电压、支路功率约束;
所述天然气管网的潮流约束包括节点流入与流出的流量守恒约束,节点气压、压缩机变比与管道流量约束;
所述能源站之间相互协同的约束具体为:
1)协同能量约束
2)能量平衡约束
能够实现孤岛运行的能源站应该在满足自身刚性负荷需求的情况下,多余的能量再支撑其他能源站的运行。此时储能装置和建筑物虚拟储能均处于放能状态。即当能源站u∈α时,应满足下式约束:
式中,ECHP(t)表示热电联产机组的产电量;Eb(t)、Hb(t)、Cb(t)和Fb(t)分别表示刚性纯电、热和冷负荷量,M表示所有与能源站m相互协同的能源站个数,Er(t)表示可再生能源发电量,Pv,out(t)表示储能装置的放电量;Pu-m(t)和Fu-m(t)表示能源站u和m之间的协同电量和天然气量;Ee-c,b(t)、Ee-h,b(t)分别表示满足刚性冷、热负荷需要的电量;Ce-c,b(t)表示通过电制冷机满足的刚性冷负荷量;Ce-c(t)和Cac(t)表示电制冷机和吸收式制冷机的产冷量;Cvir,out(t)和Hvir,out(t)表示建筑物虚拟储能的放冷量和放热量;FP2G(t)表示P2G设备的产气量;He-h(t)表示电锅炉的产热量;Hh-c,b(t)表示满足刚性冷负荷所需要的等效热量;HCHP(t)表示CHP机组的产热量;Hgb(t)表示燃气热泵的产热量。
步骤(5)中各能源站按照故障修复策略运行,具体包括:
1)电、气负荷的恢复策略
在故障修复时,为了防止下一次故障的发生,故障发生时的可平移电、气负荷应尽可能快地被满足。故障修复时的电、气负荷量如下:
式中,Le(t)和Lf(t)分别表示原有的纯电和纯气负荷量,tre表示修复时长;
2)冷、热负荷的恢复策略
故障结束后,冷热负荷将利用建筑物虚拟储能,使得温度恢复到正常设定值,则冷/热负荷量为原有冷/热负荷与建筑物虚拟储能所需要冷/热能之和。
故障修复时的冷、热负荷量如下:
L'h&c(t)=Lh&c(t)+H&Cvir,in(t) (45)
式中,Lh&c(t)表示原有的冷、热负荷量,H&Cvir,in(t)表示建筑物虚拟储能所需的冷、热量。
步骤(6)具体包括:计算区域能源互联网可靠性指标包括利用蒙特卡洛模拟结合故障影响分类方法,其中在蒙特卡洛模拟中里采用马尔科夫两状态模型来描述供能系统中各元件状态,供能系统中各元件正常运行时间和故障持续时间采用指数分布,各元件从正常状态运行到故障状态的持续时间为:
式中,λk为第k类元件的故障率;K为元件总数;ωk为[0,1]区间均匀分布的随机数;
各元件的故障持续时间为:
式中,μk为第k类元件的修复率。
某典型的电-气耦合的区域能源互联网的架构如附图1所示,由IEEE RBTS BUS6和11节点(G1~G11)燃气系统组成。其中电力子系统E1和上级输电网相连,燃气子系统中G1和上级气源相连。LP1和G2、LP3和G9、LP7和G11、LP8和G5分别通过能源站1~4相连,能源站5不从上级燃气网中输入燃气,仅和LP23相连。配电网和天然气管网各元件故障率和故障修复时长如表1所示。区域能源互联网中各能源站的配置如表2所示,表3给出了能源站1中各设备的主要参数。
表1区域能源互联网主要元件故障参数
表2各能源站中设备配置
表3能源站中主要设备及其参数
表4供能系统故障下考虑站间协同前后的可靠性指标
表4对比了考虑站间协同前后的区域能源互联网整体可靠性指标,其中电、气这两种直接参与站间协同的柔性负荷缺供量升高,而冷、热两种间接参与站间协同的柔性负荷缺供量变化不大。电能的刚性缺供能量指标约下降21%,热/冷能的刚性缺供能量指标约下降24%、23%,天然气的刚性缺供能量指标下降约27%。在缺供能时长方面,能源站的站间协同使得区域能源互联网缺供能更为集中,在某次故障下,只有调用能源互联网中全部可以调用的备用资源仍无法满足负荷需求时,才计入缺供能时长,因此刚性缺供能量和柔性缺供能量都大幅度降低。
本发明提出的方法将供能可靠性由分布式能源系统拓展到区域级能源互联网层面,实现了电-气耦合的供能系统故障下的可靠性评估;考虑用户需求响应与建筑物虚拟储能,从时间和能量层面提出了刚性和柔性供能可靠性指标,量化了用户通过参与需求响应进而提高可靠性的能力;提出了区域能源互联网供能系统故障前、中、后三种运行策略,在故障中建立了考虑能源站之间相互协同的最优负荷削减模型,进而大大提升了区域能源互联网供能可靠性。
Claims (2)
1.一种区域能源互联网供能可靠性评估方法,其特征在于,该方法考虑了电-气耦合与站间协同,具体包括以下步骤:
(1)采集数据;
(2)建立考虑用户需求响应的供能可靠性评估指标;包括建立电气、热冷的需求响应模型与可靠性评估指标;其中,
所述建立电气、热冷的需求响应模型具体包括:电、气负荷需求响应模型如下:
电、气柔性负荷均包括可平移负荷和可削减负荷:
1)可平移负荷模型如下式:
式中,Pt’和Pt分别表示可转移负荷转移前后t时段的负荷量;μt’,t和δt’,t表示转入和转出的状态,取值为1表示有转入和转出;ΔPt tr为单次转移的能量;T表示评估周期,t表示转移前的时刻,t’表示转移后的时刻;
2)可削减负荷模型如下式:
总柔性负荷削减量为:
刚性电、气负荷削减量为考虑总柔性负荷削减后,仍需削减的负荷量;
冷、热负荷需求响应模型如下:
用户通过调用建筑物虚拟储能来参与需求响应;
当建筑室内温度保持恒定时,制冷/采暖设备t时刻的输出功率Qsta(t)采用如下公式计算:
Qsta(t)=hf(Tin(t)-T1(t))+(λKcfc+0.278cwρwV0n(t))·(Tin(t)-Tout(t)) (4)
式中,Tin(t)为t时刻室内温度;Tout(t)为t时刻室外温度;T1(t)为t时刻围护结构的内表面温度;h为围护结构的对流换热系数;f为围护结构的内表面积;λ为室外风侵入附加率;Kc为外门传热系数;fc为外门面积;0.278为单位换算系数;cw为室外空气比热;ρw为室外空气密度;V0为建筑内空气体积;n(t)为t时段换气次数;
当建筑室内温度变化时,制冷/采暖设备t时刻的输出功率Qdyn(t)如下:
式中,c0为室内空气比热;ρ0为室内空气密度;以制冷场景为例,当Qdyn(t)小于或等于0时,制冷机组处于工作状态;当Qdyn(t)大于0时,室外环境温度较低,制冷机组处于停机状态;
建筑虚拟储能的等效蓄放能功率可由室温变化前后制冷/采暖设备的输出功率差值计算得到,如下所示:
Qvir(t)=Qdyn(t)-Qsta(t) (7)
式中,Qvir(t)为t时刻建筑虚拟储能的等效蓄放能功率,正值表示储能,负值表示放能;
所述可靠性评估指标包括电、气、热、冷的柔性缺供能期望、刚性缺供能期望、柔性缺供能时长和刚性缺供能时长;
所述柔性缺供能期望的计算方法如下:
式中,elec、gas、heat和cold分别表示电、气、热、冷;N表示抽样总数,i,j表示第j次抽样所得到第i种场景,m表示第m个能源站,M表示能源站的个数,T表示蒙特卡洛模拟时长,LOEE表示缺供能期望,a表示柔性指标;
所述刚性缺供能期望的计算方法如下:
式中,b表示刚性指标;
所述柔性缺供能时长的计算方法如下:
所述刚性缺供能时长的计算方法如下:
(3)开始蒙特卡洛模拟循环,使得各能源站按照正常运行策略运行,得到正常运行时的各机组的功率曲线;
(4)蒙特卡洛模拟实现供能系统故障,各能源站按照故障时最优负荷削减策略运行;
所述最优负荷削减策略包括能源站内部负荷削减策略和能源站站间协同策略;所述能源站内部负荷削减策略包括配电网故障和天然气管网故障时的负荷削减策略;
配电网故障的判断方法具体为:
Ee-c,b(t)=(Lc(t)-Cvir,out(t)-Cac(t)-Cv,out(t))/COPe-c (24)
所述天然气管网故障的判断方法具体为:
式中,Lc(t)、Lh(t)分别表示原有冷、热负荷量;Ee-c,b(t)、Ee-h,b(t)分别表示满足刚性冷、热负荷需要的电量;FCHP-h,b(t)和Fgb-h,b(t)分别表示通过CHP机组和燃气锅炉满足刚性等效热负荷所需要的天然气量;Ee-c,b(t)、Hh-c,b(t)表示满足刚性冷负荷所需要的等效电和热量;He-h(t)表示电锅炉的产热量;Cec(t)和Cac(t)分别表示电制冷机和吸收式制冷机的产冷量;Hvir,out(t)和Cvir,out(t)分别表示建筑物虚拟储能的放热、放冷量;HCHP(t)表示CHP机组的产热量;Hgb(t)表示燃气热泵的产热量;α表示故障发生时能够孤岛运行的能源站集合;β表示故障发生时不能独立运行的能源站集合;ECHP(t)表示热电联产机组的产电量;Ere(t)表示可再生能源装置的发电量,Ev,out(t)、Hv,out(t)、Cv,out(t)分别表示储电、储热、储冷装置的放能量;Eb(t)表示刚性电负荷量;ηac、ηCHP和ηgb分别表示吸收式制冷机、CHP机组和燃气锅炉的效率;COPe-c表示电制冷机的效率;COPe-h表示电锅炉的热电比;
所述能源站站间协同策略通过构建区域能源互联网最优负荷削减模型来实现;所述区域能源互联网最优负荷削减模型包括目标函数和约束条件;
所述目标函数具体为:
式中,X表示能通过站间协同满足刚性负荷的能源站集合,Y表示不能通过站间协同满足刚性负荷的能源站集合,β=X∪Y;Ez,in(t)和Fz,in(t)分别表示从其他能源站转入的电量和天然气量;Eu-m(t)、Fu-m(t)和εu-m(t)表示能源站u和m之间的协同电量、天然气量和协同状态,Eu-m(t)和Fu-m(t)转出为正,转入为负,εu-m(t)为1表示能源站之间发生了能量的转入/出;τu-m(t)表示能源站u和m之间的连通状态,连通为1,不连通为0;为能源站u和m之间的协同能力,为1表示能源站u和m运行情况使得二者能够相互协同;U表示可以与能源站m进行站间协同的能源站个数;Ff-h,b表示通过所有设备满足刚性等效热负荷所需要的天然气量;
所述约束条件包括能源站内部约束、供能系统约束和能源站之间相互协同的约束;所述能源站内部约束具体为:
1)机组出力约束
2)机组爬坡速率约束
3)储能设备约束
储能设备需要满足储能状态约束与充放能功率约束
式中,v表示储能设备,分别为储能装置v的最小和最大储存容量;分别为储能装置的最小和最大充电功率;分别为储能装置最小和最大放电功率;γv,c(t)、γv,d(t)分别为储能装置在时段t的启停状态,由0-1变量表示,γv,c(t)取1表示充电、γv,d(t)取1表示放电;
所述供能系统约束包括配电网的潮流约束和天然气管网的潮流约束;
所述配电网的潮流约束包括节点功率平衡约束,节点电压、支路功率约束;
所述天然气管网的潮流约束包括节点流入与流出的流量守恒约束,节点气压、压缩机变比与管道流量约束;
所述能源站之间相互协同的约束具体为:
1)协同能量约束
2)能量平衡约束
式中,ECHP(t)表示热电联产机组的产电量;Eb(t)、Hb(t)、Cb(t)和Fb(t)分别表示刚性纯电、热和冷负荷量,M表示所有与能源站m相互协同的能源站个数,Er(t)表示可再生能源发电量,Pv,out(t)表示储能装置的放电量;Pu-m(t)和Fu-m(t)表示能源站u和m之间的协同电量和天然气量;Ee-c,b(t)、Ee-h,b(t)分别表示满足刚性冷、热负荷需要的电量;Ce-c(t)和Cac(t)表示电制冷机和吸收式制冷机的产冷量;Cvir,out(t)和Hvir,out(t)表示建筑物虚拟储能的放冷量和放热量;FP2G(t)表示P2G设备的产气量;He-h(t)表示电锅炉的产热量;Hh-c,b(t)表示满足刚性冷负荷所需要的等效热量;HCHP(t)表示CHP机组的产热量;Hgb(t)表示燃气热泵的产热量;
(5)供能系统故障结束后,各能源站按照故障修复策略运行;
各能源站按照故障修复策略运行,具体包括:
1)电、气负荷的恢复策略
故障修复时的电、气负荷量如下:
式中,Le(t)和Lf(t)分别表示原有的纯电和纯气负荷量,tre表示修复时长;
2)冷、热负荷的恢复策略
故障修复时的冷、热负荷量如下:
L'h&c(t)=Lh&c(t)+H&Cvir,in(t) (45)
式中,Lh&c(t)表示原有的冷、热负荷量,H&Cvir,in(t)表示建筑物虚拟储能所需的冷、热量;
(6)计算区域能源互联网可靠性指标,得到可靠性评估结果;具体包括:计算区域能源互联网可靠性指标包括利用蒙特卡洛模拟结合故障影响分类方法,其中在蒙特卡洛模拟中里采用马尔科夫两状态模型来描述供能系统中各元件状态,供能系统中各元件正常运行时间和故障持续时间采用指数分布,各元件从正常状态运行到故障状态的持续时间为:
式中,λk为第k类元件的故障率;K为元件总数;ωk为[0,1]区间均匀分布的随机数;
各元件的故障持续时间为:
式中,μk为第k类元件的修复率。
2.根据权利要求1所述的方法,其特征在于,所述步骤(1)中的数据包括区域能源互联网供能系统中各设备故障率、修复时间,各能源站机组出力曲线,各能源站电、气、冷、热负荷需求曲线,各能源站分布式电源典型出力曲线;
采集数据的具体内容包括将区域能源互联网分为终端用户层、能源站层和供能系统层,并统计不同典型日各层级的负荷数据和机组出力数据;在终端用户层,统计的数据包括一年中不同典型日的电、气、冷、热负荷数据,用户能参与需求响应的电和气负荷数据,以及用户舒适度区间数据;在能源站层,统计各机组的机组参数,所述机组包括燃气三联供机组、电锅炉、燃气锅炉、电制冷机、P2G设备、储能装置;在供能系统层,统计供能系统中各设备故障率、修复时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010864202.6A CN112070374B (zh) | 2020-08-25 | 2020-08-25 | 一种区域能源互联网供能可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010864202.6A CN112070374B (zh) | 2020-08-25 | 2020-08-25 | 一种区域能源互联网供能可靠性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112070374A CN112070374A (zh) | 2020-12-11 |
CN112070374B true CN112070374B (zh) | 2022-10-14 |
Family
ID=73659335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010864202.6A Expired - Fee Related CN112070374B (zh) | 2020-08-25 | 2020-08-25 | 一种区域能源互联网供能可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112070374B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819327B (zh) * | 2021-01-30 | 2022-08-23 | 上海电力大学 | 故障期间互补优化运行的综合能源系统可靠性评估方法 |
CN112989576A (zh) * | 2021-02-19 | 2021-06-18 | 四川大学 | 基于实时需求响应评估能源信息耦合系统可靠性的方法 |
CN113962101B (zh) * | 2021-10-28 | 2024-08-30 | 福州大学 | 一种新能源汽车综合充能站可靠性评估方法 |
CN115081955B (zh) * | 2022-08-12 | 2022-11-15 | 东方电子股份有限公司 | 一种用于综合供能系统的分层分布式故障处理系统 |
CN115345386A (zh) * | 2022-10-18 | 2022-11-15 | 广东电网有限责任公司 | 一种能源系统的安全性评估方法、装置及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108830485A (zh) * | 2018-06-19 | 2018-11-16 | 广州供电局有限公司 | 一种电-热综合能源系统可靠性评价方法 |
CN110097292A (zh) * | 2019-05-14 | 2019-08-06 | 华北电力大学 | 一种基于蒙特卡洛的需求侧互联效果可靠性评估方法 |
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 |
CN111008793A (zh) * | 2019-12-24 | 2020-04-14 | 天津相和电气科技有限公司 | 面向用户体验的电-气-热综合用能可靠性评估方法 |
CN111313429A (zh) * | 2020-02-25 | 2020-06-19 | 国网山西省电力公司经济技术研究院 | 一种用于综合能源系统的可靠性评估方法及系统 |
-
2020
- 2020-08-25 CN CN202010864202.6A patent/CN112070374B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108830485A (zh) * | 2018-06-19 | 2018-11-16 | 广州供电局有限公司 | 一种电-热综合能源系统可靠性评价方法 |
CN110097292A (zh) * | 2019-05-14 | 2019-08-06 | 华北电力大学 | 一种基于蒙特卡洛的需求侧互联效果可靠性评估方法 |
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 |
CN111008793A (zh) * | 2019-12-24 | 2020-04-14 | 天津相和电气科技有限公司 | 面向用户体验的电-气-热综合用能可靠性评估方法 |
CN111313429A (zh) * | 2020-02-25 | 2020-06-19 | 国网山西省电力公司经济技术研究院 | 一种用于综合能源系统的可靠性评估方法及系统 |
Non-Patent Citations (1)
Title |
---|
"基于蒙特卡洛模拟的分布式风光蓄发电系统可靠性评估";葛少云等;《电网技术》;20120405;期刊第39-44页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112070374A (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112070374B (zh) | 一种区域能源互联网供能可靠性评估方法 | |
CN108921727B (zh) | 考虑热负荷动态特性的区域综合能源系统可靠性评估方法 | |
CN109919478B (zh) | 一种考虑综合供能可靠性的综合能源微网规划方法 | |
CN108717594A (zh) | 一种冷热电联供型多微网系统经济优化调度方法 | |
Fong et al. | Investigation on zero grid-electricity design strategies of solid oxide fuel cell trigeneration system for high-rise building in hot and humid climate | |
CN111738502A (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 | |
CN111144707A (zh) | 基于能源枢纽的多能源系统协同规划建模方法 | |
CN110110897A (zh) | 一种考虑不同储能运行策略的综合能源系统优化方法 | |
CN112182887B (zh) | 一种综合能源系统规划优化仿真方法 | |
CN105225022A (zh) | 一种热电联产型微电网的经济性优化运行方法 | |
CN112800619B (zh) | 多源异质全可再生能源热电气储耦合系统建模与规划方法 | |
CN114492985B (zh) | 工业园区综合能源系统混合储能双层优化配置方法 | |
CN109636027A (zh) | 一种基于蒙特卡罗法的多能互补系统供能可靠性评估方法 | |
CN114240011A (zh) | 一种综合能源系统多能流可靠性评估方法 | |
CN111967659A (zh) | 一种基于光伏消纳的区域综合能源系统配置优化方法 | |
CN113255198A (zh) | 一种含虚拟储能的冷热电联供微电网多目标优化方法 | |
CN112072211A (zh) | 一种分散式大规模电池储能热管理系统及其运行方法 | |
CN112085263A (zh) | 一种用户侧分布式能源系统混合储能优化配置方法和系统 | |
CN111522238A (zh) | 一种基于舒适度的建筑综合能源系统控制方法及控制系统 | |
CN108736518B (zh) | 一种城市综合体及大型公共建筑群的综合供能系统及方法 | |
CN111125611B (zh) | 面向多场景的冷-热-电微能网群两阶段优化调度方法 | |
Liu et al. | A Reliability assessment of an integrated energy system based on coupling energy flow and thermal inertia | |
Yang et al. | Coordinated optimal scheduling of multi-energy microgrid considering uncertainties | |
Kang et al. | Performance and benefits of distributed energy systems in cooling dominated regions: a case study | |
CN113627720A (zh) | 基于电能替代的综合园区风光储系统配置方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20221014 |
|
CF01 | Termination of patent right due to non-payment of annual fee |