CN112214883B - 一种微能源网综合能源系统运行优化方法和系统 - Google Patents
一种微能源网综合能源系统运行优化方法和系统 Download PDFInfo
- Publication number
- CN112214883B CN112214883B CN202011014262.5A CN202011014262A CN112214883B CN 112214883 B CN112214883 B CN 112214883B CN 202011014262 A CN202011014262 A CN 202011014262A CN 112214883 B CN112214883 B CN 112214883B
- Authority
- CN
- China
- Prior art keywords
- energy
- micro
- network
- decision
- matrix
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000011159 matrix material Substances 0.000 claims abstract description 53
- 230000005540 biological transmission Effects 0.000 claims description 15
- 238000010438 heat treatment Methods 0.000 claims description 11
- 230000003190 augmentative effect Effects 0.000 claims description 9
- 230000009194 climbing Effects 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000005485 electric heating Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 230000003416 augmentation Effects 0.000 claims description 3
- 239000012530 fluid Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 description 12
- 239000007789 gas Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 238000009826 distribution Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种微能源网综合能源系统运行优化方法和系统，包括：获取当前状态，其包括若干个微能源网络，获得各微能源网络的能量矩阵，将能量矩阵代入电—热能源管网模型中获得微能源产能决策
将微能源产能决策
代入多个微能源网能源供给决策优化模型中，获得更新后的多微能源综合产能决策，并根据多微能源综合产能决策获得更新后的各微能源网络的能量矩阵；判断更新后的各微能源网络的能量矩阵是否收敛，若不收敛，则通过单个微能源网产能决策模型获得k+1次循环对应的状态Sk+1，直至能量矩阵收敛为止。其兼顾多个微能源网的产能优化需求与区域综合能源系统的运行优化需求，提高了区域综合能源系统能源利用效率。
Description
技术领域
本发明涉及一种微能源网综合能源系统运行优化方法及系统，属于能源技术领域。
背景技术
能源是人类社会进步发展的基础，如何在维持人类社会持续发展的同时高效利用可再生能源，是世界各国在推动国家进步必须关注的问题。能源互联网打破了过去多种能源系统独立运行的形式，利用能源耦合元件实现多种能源互动互补，随着分布式产能技术的发展，作为能源互联网缩影的微能源网也逐渐增多。
大量微能源网的接入将会对综合能源系统运行带来显著压力。首先，微能源网中可再生能源发电出力的不确定性与波动性将会对区域综合能源系统的运行灵活性造成影响；其次，微能源网运行时独立进行内部设产能调度，无法考虑综合能源系统的整体能源利用效率，导致区域综合能源系统的运行效率降低。因此，有必要针对多个微能源网的协调决策展开研究，以解决微能源网规模化接入造成区域综合能源系统运行效率低下的问题。
发明内容
针对上述问题，本发明的目的是提供了一种微能源网综合能源系统运行优化方法及系统，其兼顾多个微能源网的产能优化需求与区域综合能源系统的运行优化需求，在提高区域综合能源系统能源利用效率的同时，协调了区域综合能源系统内多个微能源网的产能决策，从而实现对系统整体运行的优化效果。
为实现上述目的，本发明采取以下技术方案：一种微能源网综合能源系统运行优化方法，包括以下步骤：S1获取当前状态Sk，当前状态Sk包括若干个微能源网络，获得各微能源网络的能量矩阵，其中，k为循环次数；S2将能量矩阵代入电—热能源管网模型中获得微能源产能决策
S3将微能源产能决策
代入多个微能源网能源供给决策优化模型中，获得更新后的多微能源综合产能决策，并根据多微能源综合产能决策获得更新后的各微能源网络的能量矩阵；S4判断更新后的各微能源网络的能量矩阵是否收敛，若收敛则此时的多微能源综合产能决策为最优决策方案，若不收敛，进入下一步；S5通过单个微能源网产能决策模型获得k+1次循环对应的状态Sk+1，重复步骤S1-S4直至获得的更新后的各微能源网络的能量矩阵收敛为止。
进一步，步骤S2中电—热能源管网模型包括：热力子系统节点热流量平衡和管段温降模型、供热网络的水力模型以及电力子系统节点潮流平衡模型和线路潮流模型。
进一步，热力子系统节点热流量平衡和管段温降模型为：
其中，
为上增广关联矩阵；
为下增广关联矩阵；Gc为管段流量热当量对角阵，对角元素节点j的流量热当量gcj为管段热介质流量与比热的乘积；T为热网节点流出温度列向量；Tc为管段出口温度列向量；E为不同管道的温度损耗系数；Q为节点输入或输出热量列向量，a为上、下增广矩阵的元素，Ta为环境温度列向量；增广关联矩阵的元素为：
其中，bj是热力子系统支路编号，ni是热力子系统节点编号。
进一步，供热网络的水力模型为：
Bhhf＝0
其中，m为各管道热介质的流量，mq为节点流出的流量向量；Bh为供热管网的回路-支路的关联矩阵，hf为工质流的压头损失向量。
进一步，电力子系统节点潮流平衡模型和线路潮流模型为：
其中，Pe,m(t)、Pe,D(t)分别为节点i处微能源网与输电网输入的功率，Qe,m(t)、Qe,D(t)分别为节点i处微能源网与输电网输入的无功功率；Pe,i(t)为电力子系统节点i处的有功负荷，Qe,i(t)为电力子系统节点i处的有功负荷，V为节点电压；Gij、θij与Bij分别为节点i、j间支路的导纳、阻抗负倒数与功角；
为节点i、j间支路传输极限。
进一步，步骤S3中多个微能源网能源供给决策优化模型的目标函数为：
其中，λe,D(t)与Pe,D(t)分别为t时刻输电网输入至区域综合能源系统的电能价格与电能，Ce,m(t)、Ch,m(t)分别为微能源网向区域综合能源系统的供能成本，Woverall为区域综合能源系统总用能成本。
进一步，多个微能源网能源供给决策优化模型的目标函数的约束条件为：
其中，Gij max、Gij min分别为热力子系统管道工质流量上下限；Ti max、Ti min分别为热力子系统节点温度上下限，
为支路传输有功功率上限，Pij为支路传输有功功率。
进一步，步骤S5中单个微能源网产能决策模型的目标函数为：
其中，Nt为一个产能调度周期的时段数，λe,i(t)、λh,i(t)分别为微能源网m所在节点i的节点电能价格与热能价格，Pe,m(t)、Ph,m(t)分别为微能源网在t时段向微能源网交互的电能与热能；Ce,m(t)、Ch,m(t)分别为微能源网向区域综合能源系统的供能成本，Wm为微能源网的运行收益。
进一步，单个微能源网产能决策模型的目标函数为：
其中，
分别为产能设备电力上下限；
分别为产能设备热力上下限；
别为产能设备的电力向上与向下爬坡约束；
与
分别为产能设备的热力向上与向下爬坡约束。
本发明还公开了一种微能源网综合能源系统运行优化系统，包括：状态获取模块，用于获取当前状态Sk，当前状态Sk包括若干个微能源网络，获得各微能源网络的能量矩阵，其中，k为循环次数；电热能源管网模块，用于将能量矩阵代入电—热能源管网模型中获得微能源产能决策
决策优化模块，用于将微能源产能决策
代入多个微能源网能源供给决策优化模型中，获得更新后的多微能源综合产能决策，并根据多微能源综合产能决策获得更新后的各微能源网络的能量矩阵；输出模块，用于判断更新后的各微能源网络的能量矩阵是否收敛，若收敛则此时的多微能源综合产能决策为最优决策方案，若不收敛，进入循环模块；循环模块，用于通过单个微能源网产能决策模型获得k+1次循环对应的状态Sk+1，直至获得的更新后的各微能源网络的能量矩阵收敛为止。
本发明由于采取以上技术方案，其具有以下优点：本发明兼顾多个微能源网的产能优化需求与区域综合能源系统的运行优化需求，在提高区域综合能源系统能源利用效率的同时，协调了区域综合能源系统内多个微能源网的产能决策，从而实现对系统整体运行的优化效果。
附图说明
图1是本发明一实施例中微能源网综合能源系统运行优化方法的流程图；
图2是本发明一实施例中微能源网内可再生能源出力预测图；
图3是本发明一实施例中区域综合能源系统电、热负荷预测图；
图4是本发明一实施例中多个微能源网的能量分布图；
图5是本发明一实施例中经过优化的微能源网的分布图，图5(a)是电负荷下的优化的微能源网的分布图，图5(b)是热负荷下的优化的微能源网的分布图；
图6是本发明一实施例中微能源网综合能源系统运行优化系统的示意图。
具体实施方式
为了使本领域技术人员更好的理解本发明的技术方向，通过具体实施例对本发明进行详细的描绘。然而应当理解，具体实施方式的提供仅为了更好地理解本发明，它们不应该理解成对本发明的限制。在本发明的描述中，需要理解的是，所用到的术语仅仅是用于描述的目的，而不能理解为指示或暗示相对重要性。
实施例一
本实施例公开了一种微能源网综合能源系统运行优化方法，如图1所示，包括以下步骤：
S1获取当前状态Sk，当前状态Sk包括若干个微能源网络，获得各微能源网络的能量矩阵，其中，k为循环次数。
S2将能量矩阵代入电-热能源管网模型中获得微能源产能决策
步骤S2中电-热能源管网模型包括：热力子系统节点热流量平衡和管段温降模型、供热网络的水力模型以及电力子系统节点潮流平衡模型和线路潮流模型。
热力子系统节点热流量平衡和管段温降模型为：
其中，
为上增广关联矩阵；
为下增广关联矩阵；Gc为管段流量热当量对角阵，对角元素节点j的流量热当量gcj为管段热介质流量与比热的乘积；T为热网节点流出温度列向量；Tc为管段出口温度列向量；E为不同管道的温度损耗系数；Q为节点输入或输出热量列向量，a为上、下增广矩阵的元素，Ta为环境温度列向量；增广关联矩阵的元素为：
其中，bj是热力子系统支路编号，ni是热力子系统节点编号。
供热网络的水力模型为：
Bhhf＝0
其中，m为各管道热介质的流量，mq为节点流出的流量向量；Bh为供热管网的回路-支路的关联矩阵，hf为工质流的压头损失向量。
电力子系统节点潮流平衡模型和线路潮流模型为：
其中，Pe,m(t)、Pe,D(t)分别为节点i处微能源网与输电网输入的功率，Qe,m(t)、Qe,D(t)分别为节点i处微能源网与输电网输入的无功功率；Pe,i(t)为电力子系统节点i处的有功负荷，Qe,i(t)为电力子系统节点i处的有功负荷，V为节点电压；Gij、θij与Bij分别为节点i、j间支路的导纳、阻抗负倒数与功角；
为节点i、j间支路传输极限。
S3将微能源产能决策
代入多个微能源网能源供给决策优化模型中，获得更新后的多微能源综合产能决策，并根据多微能源综合产能决策获得更新后的各微能源网络的能量矩阵。
步骤S3中多个微能源网能源供给决策优化模型的目标函数为：
其中，λe,D(t)与Pe,D(t)分别为t时刻输电网输入至区域综合能源系统的电能价格与电能，Ce,m(t)、Ch,m(t)分别为微能源网向区域综合能源系统的供能成本，Woverall为区域综合能源系统总用能成本。
多个微能源网能源供给决策优化模型的目标函数的约束条件为：
电、热能平衡约束：
耦合电—热能源的区域综合能源系统管网潮流约束：
其中，Gij max、Gij min分别为热力子系统管道工质流量上下限；Ti max、Ti min分别为热力子系统节点温度上下限，
为支路传输有功功率上限，Pij为支路传输有功功率。
S4判断更新后的各微能源网络的能量矩阵是否收敛，若收敛则此时的多微能源综合产能决策为最优决策方案，若不收敛，进入下一步。
S5通过单个微能源网产能决策模型获得k+1次循环对应的状态Sk+1，重复步骤S1-S4直至获得的更新后的各微能源网络的能量矩阵收敛为止。
步骤S5中单个微能源网产能决策模型的目标函数为：
其中，Nt为一个产能调度周期的时段数，λe,i(t)、λh,i(t)分别为微能源网m所在节点i的节点电能价格与热能价格，Pe,m(t)、Ph,m(t)分别为微能源网在t时段向微能源网交互的电能与热能；Ce,m(t)、Ch,m(t)分别为微能源网向区域综合能源系统的供能成本，Wm为微能源网的运行收益。微能源网与区域综合能源交互系统的热能与电能为：
式中，Pgas,CHPm(t)与Pgas,GBm(t)分别为输入至微能源网m内部的热电联产机组与燃气锅炉等产能设备的天然气功率；
与
分别为t时刻的热电联产机组气转热与气转电效率；
为t时刻燃气锅炉的气转热效率；
分别为微能源网内部分布式光伏与风电设备在t时刻产出的电能。
单个微能源网产能决策模型的目标函数为：
其中，
分别为产能设备电力上下限；
分别为产能设备热力上下限；
分别为产能设备的电力向上与向下爬坡约束；
与
分别为产能设备的热力向上与向下爬坡约束。
实施例二
为了更好的说明实施例一，本实施例以某区域综合能源系统为例进行说明。
S1：获取当前状态Sk，当前状态Sk包括若干个微能源网络，获得各微能源网络的能量矩阵，其中，k为循环次数。当前状态包括区域综合能源系统的拓扑结构、综合能源负荷预测、强化学习算法参数设置微能源网内部运行设备、设备参数、输电网与配气网中的能源价格等。其中，微能源网内设备运行参数见表1，可再生能源出力预测如图2所示，综合能源负荷预测如图3所示。输电网电能价格为0.83元/kW·h，天然气价格为2.28元/m3。
表1微能源网内部设备运行参数表
S2将能量矩阵代入电-热能源管网模型中获得微能源产能决策
步骤S2中电-热能源管网模型包括：热力子系统节点热流量平衡和管段温降模型、供热网络的水力模型以及电力子系统节点潮流平衡模型和线路潮流模型。
S3将微能源产能决策
代入多个微能源网能源供给决策优化模型中，获得更新后的多微能源综合产能决策，并根据多微能源综合产能决策获得更新后的各微能源网络的能量矩阵。
步骤S3中多个微能源网能源供给决策优化模型的目标函数为：
其中，λe,D(t)与Pe,D(t)分别为t时刻输电网输入至区域综合能源系统的电能价格与电能，Ce,m(t)、Ch,m(t)分别为微能源网向区域综合能源系统的供能成本，Woverall为区域综合能源系统总用能成本。
多个微能源网能源供给决策优化模型的目标函数的约束条件为：
电、热能平衡约束：
耦合电—热能源的区域综合能源系统管网潮流约束：
其中，Gij max、Gij min分别为热力子系统管道工质流量上下限；Ti max、Ti min分别为热力子系统节点温度上下限，
为支路传输有功功率上限，Pij为支路传输有功功率。
S4判断更新后的各微能源网络的能量矩阵是否收敛，若收敛则此时的多微能源综合产能决策为最优决策方案，若不收敛，进入下一步。
S5通过单个微能源网产能决策模型获得k+1次循环对应的状态Sk+1，重复步骤S1-S4直至获得的更新后的各微能源网络的能量矩阵收敛为止。
步骤S5中单个微能源网产能决策模型的目标函数为：
其中，Nt为一个产能调度周期的时段数，λe,i(t)、λh,i(t)分别为微能源网m所在节点i的节点电能价格与热能价格，Pe,m(t)、Ph,m(t)分别为微能源网在t时段向微能源网交互的电能与热能；Ce,m(t)、Ch,m(t)分别为微能源网向区域综合能源系统的供能成本，Wm为微能源网的运行收益。
微能源网与区域综合能源交互系统的热能与电能为：
式中，Pgas,CHPm(t)与Pgas,GBm(t)分别为输入至微能源网m内部的热电联产机组与燃气锅炉等产能设备的天然气功率；
与
分别为t时刻的热电联产机组气转热与气转电效率；
为t时刻燃气锅炉的气转热效率；Pe,PVm(t)、Pe,WTm(t)分别为微能源网内部分布式光伏与风电设备在t时刻产出的电能。
单个微能源网产能决策模型的目标函数为：
其中，
分别为产能设备电力上下限；
分别为产能设备热力上下限；
分别为产能设备的电力向上与向下爬坡约束；
与
分别为产能设备的热力向上与向下爬坡约束。
基于上述步骤，本发明提出双层互动决策模型，如图4、5所示，其中，图5(a)是电负荷下的优化的微能源网的分布图，图5(b)是热负荷下的优化的微能源网的分布图。通过互动决策过程可以看出，在进行强化学习90次后，微能源网的产能技术方案逐渐收敛到最优，所有微能源网在决策过程中不再改变自身的产能决策，达到最优协调效果。从区域综合能源系统的优化调度结果看，按照调度结果优化产能，可以在满足区域内电、热综合能源负荷的需求的前提下，使得微能源网内的可再生能源的接入量接近最大出力，不仅减少了微能源网向系统供能的运行成本，还说明优化后的出清结果能够优化系统运行，提高系统运行灵活性，从而提高了可再生能源的接纳量，提高了区域综合能源系统的能源利用效率。
实施例三
基于相同的发明构思，本实施例公开了一种微能源网综合能源系统运行优化系统，如图6所示，包括：
状态获取模块，用于获取当前状态Sk，当前状态Sk包括若干个微能源网络，获得各微能源网络的能量矩阵，其中，k为循环次数；
电热能源管网模块，用于将能量矩阵代入电—热能源管网模型中获得微能源产能决策
决策优化模块，用于将微能源产能决策
代入多个微能源网能源供给决策优化模型中，获得更新后的多微能源综合产能决策，并根据多微能源综合产能决策获得更新后的各微能源网络的能量矩阵；
输出模块，用于判断更新后的各微能源网络的能量矩阵是否收敛，若收敛则此时的多微能源综合产能决策为最优决策方案，若不收敛，进入循环模块；
循环模块，用于通过单个微能源网产能决策模型获得k+1次循环对应的状态Sk+1，直至获得的更新后的各微能源网络的能量矩阵收敛为止。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。上述内容仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种微能源网综合能源系统运行优化方法，其特征在于，包括以下步骤：
S1获取当前状态Sk，所述当前状态Sk包括若干个微能源网络，获得各微能源网络的能量矩阵，其中，k为循环次数；
S2将所述能量矩阵代入电-热能源管网模型中获得微能源产能决策
S3将所述微能源产能决策
代入多个微能源网能源供给决策优化模型中，获得更新后的多微能源综合产能决策，并根据所述多微能源综合产能决策获得更新后的各微能源网络的能量矩阵；
S4判断所述更新后的各微能源网络的能量矩阵是否收敛，若收敛则此时的多微能源综合产能决策为最优决策方案，若不收敛，进入下一步；
S5通过单个微能源网产能决策模型获得k+1次循环对应的状态Sk+1，重复步骤S1-S4直至获得的更新后的各微能源网络的能量矩阵收敛为止。
2.如权利要求1所述的微能源网综合能源系统运行优化方法，其特征在于，所述步骤S2中电-热能源管网模型包括：热力子系统节点热流量平衡和管段温降模型、供热网络的水力模型以及电力子系统节点潮流平衡模型和线路潮流模型。
3.如权利要求2所述的微能源网综合能源系统运行优化方法，其特征在于，
所述热力子系统节点热流量平衡和管段温降模型为：
其中，
为上增广关联矩阵；
为下增广关联矩阵；Gc为管段流量热当量对角阵，对角元素节点j的流量热当量gcj为管段热介质流量与比热的乘积；T为热网节点流出温度列向量；Tc为管段出口温度列向量；E为不同管道的温度损耗系数；Q为节点输入或输出热量列向量，a为上、下增广矩阵的元素，Ta为环境温度列向量；
所述增广关联矩阵的元素为：
其中，bj是热力子系统支路编号，ni是热力子系统节点编号。
4.如权利要求3所述的微能源网综合能源系统运行优化方法，其特征在于，所述供热网络的水力模型为：
Bhhf＝0
其中，m为各管道热介质的流量，mq为节点流出的流量向量；Bh为供热管网的回路-支路的关联矩阵，hf为工质流的压头损失向量。
5.如权利要求4所述的微能源网综合能源系统运行优化方法，其特征在于，所述电力子系统节点潮流平衡模型和线路潮流模型为：
其中，Pe，m(t)、Pe，D(t)分别为节点i处微能源网与输电网输入的功率，Qe，m(t)、Qe，D(t)分别为节点i处微能源网与输电网输入的无功功率；Pe，i(t)为电力子系统节点i处的有功负荷，Qe，i(t)为电力子系统节点i处的有功负荷，V为节点电压；Gij、θij与Bij分别为节点i、j间支路的导纳、阻抗负倒数与功角；
为节点i、j间支路传输极限。
6.如权利要求1-5任一项所述的微能源网综合能源系统运行优化方法，其特征在于，所述步骤S3中多个微能源网能源供给决策优化模型的目标函数为：
其中，λe，D(t)与Pe，D(t)分别为t时刻输电网输入至区域综合能源系统的电能价格与电能，Ce，m(t)、Ch，m(t)分别为微能源网向区域综合能源系统的供能成本，Woverall为区域综合能源系统总用能成本。
7.如权利要求6所述的微能源网综合能源系统运行优化方法，其特征在于，所述多个微能源网能源供给决策优化模型的目标函数的约束条件为：
电、热能平衡约束：
耦合电-热能源的区域综合能源系统管网潮流约束：
其中，Gij max、Gij min分别为热力子系统管道工质流量上下限；Ti max、Ti min分别为热力子系统节点温度上下限，
为支路传输有功功率上限，Pij为支路传输有功功率。
8.如权利要求1-5任一项所述的微能源网综合能源系统运行优化方法，其特征在于，所述步骤S5中单个微能源网产能决策模型的目标函数为：
其中，Nt为一个产能调度周期的时段数，λe，i(t)、λh，i(t)分别为微能源网m所在节点i的节点电能价格与热能价格，Pe，m(t)、Ph，m(t)分别为微能源网在t时段向微能源网交互的电能与热能；Ce，m(t)、Ch，m(t)分别为微能源网向区域综合能源系统的供能成本，Wm为微能源网的运行收益。
9.如权利要求8所述的微能源网综合能源系统运行优化方法，其特征在于，所述单个微能源网产能决策模型的目标函数为：
其中，
分别为产能设备电力上下限；
分别为产能设备热力上下限；
分别为产能设备的电力向上与向下爬坡约束；
与
分别为产能设备的热力向上与向下爬坡约束。
10.一种微能源网综合能源系统运行优化系统，其特征在于，包括：
状态获取模块，用于获取当前状态Sk，所述当前状态Sk包括若干个微能源网络，获得各微能源网络的能量矩阵，其中，k为循环次数；
电热能源管网模块，用于将所述能量矩阵代入电-热能源管网模型中获得微能源产能决策
决策优化模块，用于将所述微能源产能决策
代入多个微能源网能源供给决策优化模型中，获得更新后的多微能源综合产能决策，并根据所述多微能源综合产能决策获得更新后的各微能源网络的能量矩阵；
输出模块，用于判断所述更新后的各微能源网络的能量矩阵是否收敛，若收敛则此时的多微能源综合产能决策为最优决策方案，若不收敛，进入循环模块；
循环模块，用于通过单个微能源网产能决策模型获得k+1次循环对应的状态Sk+1，直至获得的更新后的各微能源网络的能量矩阵收敛为止。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011014262.5A CN112214883B (zh) | 2020-09-24 | 2020-09-24 | 一种微能源网综合能源系统运行优化方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011014262.5A CN112214883B (zh) | 2020-09-24 | 2020-09-24 | 一种微能源网综合能源系统运行优化方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112214883A CN112214883A (zh) | 2021-01-12 |
| CN112214883B true CN112214883B (zh) | 2022-08-19 |
Family
ID=74050730
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011014262.5A Active CN112214883B (zh) | 2020-09-24 | 2020-09-24 | 一种微能源网综合能源系统运行优化方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112214883B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112862281A (zh) * | 2021-01-26 | 2021-05-28 | 中国电力科学研究院有限公司 | 综合能源系统调度模型构建方法、装置、介质及电子设备 |
| CN113569366B (zh) * | 2021-07-30 | 2024-02-06 | 河北华热工程设计有限公司 | 基于大数据的供热管网优化设计方法及终端设备 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109359839A (zh) * | 2018-09-29 | 2019-02-19 | 东南大学 | 一种综合能源系统中区域热网的节点热价计算方法 |
| CN110443398A (zh) * | 2019-05-13 | 2019-11-12 | 华北电力大学（保定） | 一种基于重复博弈模型的区域综合能源系统优化运行方法 |
| CN110516868A (zh) * | 2019-08-21 | 2019-11-29 | 广东电网有限责任公司 | 一种考虑网络约束的综合能源系统优化运行模型 |
-
2020
- 2020-09-24 CN CN202011014262.5A patent/CN112214883B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109359839A (zh) * | 2018-09-29 | 2019-02-19 | 东南大学 | 一种综合能源系统中区域热网的节点热价计算方法 |
| CN110443398A (zh) * | 2019-05-13 | 2019-11-12 | 华北电力大学（保定） | 一种基于重复博弈模型的区域综合能源系统优化运行方法 |
| CN110516868A (zh) * | 2019-08-21 | 2019-11-29 | 广东电网有限责任公司 | 一种考虑网络约束的综合能源系统优化运行模型 |
Non-Patent Citations (2)
| Title |
|---|
| 基于能量网络理论的区域综合能源系统运行优化研究;李明等;《分布式能源》;20180815(第04期);全文 * |
| 微能源网多能源耦合枢纽的模型搭建与优化;刘方泽等;《电力系统自动化》;20180612(第14期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112214883A (zh) | 2021-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109858759B (zh) | 一种工业园区综合能源平衡调度方法 | |
| CN110210747B (zh) | 一种电热气互联能源系统灵活性调度方法 | |
| CN109711601B (zh) | 电-气-热综合能源系统分布式优化调度方法和装置 | |
| CN110866627B (zh) | 一种考虑阶梯气价的多区域电-气耦合综合能源系统优化调度方法 | |
| CN108764519B (zh) | 一种园区能源互联网能源设备容量优化配置方法 | |
| CN112701687B (zh) | 考虑价格型联合需求响应的气电配网系统鲁棒优化运行方法 | |
| CN112214883B (zh) | 一种微能源网综合能源系统运行优化方法和系统 | |
| CN109472401A (zh) | 分布式供能运行策略的确定方法、装置、设备和存储介质 | |
| CN109636056A (zh) | 一种基于多智能体技术的多能源微网去中心化优化调度方法 | |
| CN112035984B (zh) | 一种电-气-储区域综合能源系统协同规划方法 | |
| CN114330827B (zh) | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 | |
| CN114595868A (zh) | 一种综合能源系统源网荷储协同规划方法及系统 | |
| CN114154744A (zh) | 综合能源系统的扩容规划方法、装置及电子设备 | |
| CN111931977B (zh) | 一种考虑电—热能传输价值投入的虚拟电厂扩展规划模型构建方法 | |
| CN111724026A (zh) | 一种多能源网络与配水网耦合运行的优化方法 | |
| CN109376406B (zh) | 供能系统超结构模型、建模方法、计算机设备和存储介质 | |
| Hui et al. | Modeling and Optimal Operation of Urban Integrated Energy System Considering Multiple Sub-systems | |
| Wang et al. | Analysis of Coordinated Operation of the Clean Energy System Based on the Multiobjective Optimization Model | |
| CN110992206A (zh) | 一种多源电场的优化调度方法及系统 | |
| CN115906456A (zh) | 考虑需求侧响应不确定性的含氢储能ies调度优化模型 | |
| CN113131513B (zh) | 考虑碳排放的电、热、气转换优化运行配置方法和存储介质 | |
| CN114936762A (zh) | 计及柔性电负荷的综合能源系统扩展规划方法 | |
| CN112116131B (zh) | 计及碳排放的综合能源系统多层级优化方法 | |
| CN113282010A (zh) | 一种电氢热融合微网的半实物仿真系统设计方法 | |
| CN115080907A (zh) | 综合能源系统的控制方法、装置及设备 |
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 |