CN112257899A - 一种cchp系统优化调度方法及终端设备 - Google Patents

一种cchp系统优化调度方法及终端设备 Download PDF

Info

Publication number
CN112257899A
CN112257899A CN202011003722.4A CN202011003722A CN112257899A CN 112257899 A CN112257899 A CN 112257899A CN 202011003722 A CN202011003722 A CN 202011003722A CN 112257899 A CN112257899 A CN 112257899A
Authority
CN
China
Prior art keywords
model
expressed
energy
constructing
cost
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.)
Pending
Application number
CN202011003722.4A
Other languages
English (en)
Inventor
郭威
杨鹏
孙胜博
武光华
张凯
王聪
强毅
张秀丽
张文宇
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.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd
Marketing Service Center of State Grid Hebei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd
Marketing Service Center of State Grid Hebei Electric Power Co Ltd
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 State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Hebei Electric Power Co Ltd, Marketing Service Center of State Grid Hebei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011003722.4A priority Critical patent/CN112257899A/zh
Publication of CN112257899A publication Critical patent/CN112257899A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/04—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Strategic Management (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Educational Administration (AREA)
  • Computing Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明适用于电力系统技术领域，提供了一种CCHP系统优化调度方法及终端设备，所述方法包括：构建CCHP系统微电网模型；其中，CCHP系统微电网模型包括以沼气为燃料的分布式能源模型、光伏模型、储能电池模型和储热模型；分别以运行成本最小化和系统发电输出最大化为目标，构建优化目标函数；构建优化目标函数的约束条件；基于约束条件对所述优化目标函数进行求解。本发明在实现沼气综合发电的同时，能够最大化CCHP系统的输出以及最小化系统运行成本，从而提升沼气综合发电的用能效率，降低供电成本。

Description

一种CCHP系统优化调度方法及终端设备
技术领域
本发明属于电力系统技术领域，尤其涉及一种CCHP系统优化调度方法及终端设备。
背景技术
在我国，大型畜禽养殖场通常位于远离市区的偏远地区，为保障养殖业对电力的需求，往往需要架设远距离输电线路，带来了较为高昂的建设与使用成本，并且随着规模化养殖业的快速发展，畜禽粪便量逐年增加，如缺乏科学的处理措施，将给农村生态环境带来严重的影响。针对以上问题，利用畜禽粪便产生的沼气进行发电，是一种有效的解决方法。然而，单独使用沼气进行发电效率低，不能满足实际电力需求。
冷、热、电联供(CCHP)系统是一种能源综合利用技术，CCHP能够实现能源的综合利用，并能改善综合用能效率。因此，设计一种包含沼气发电的CCHP系统，对于解决大型畜禽养殖场用电问题、实现环保节能以及提升综合用能效率，具有十分重要的意义。
发明内容
有鉴于此，本发明实施例提供了一种CCHP系统优化调度方法及终端设备，以实现沼气综合发电，并提升沼气综合发电的用能效率，降低供电成本。
本发明实施例的第一方面提供了一种CCHP系统优化调度方法，包括：
构建CCHP系统微电网模型；其中，CCHP系统微电网模型包括以沼气为燃料的分布式能源模型、光伏模型、储能电池模型和蓄热罐模型；
分别以运行成本最小化和系统发电输出最大化为目标，构建优化目标函数；
构建优化目标函数的约束条件；
基于约束条件对优化目标函数进行求解。
本发明实施例的第二方面提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，该处理器执行计算机程序时实现如上述CCHP系统优化调度方法的步骤。
本发明实施例的第三方面提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上述CCHP系统优化调度方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：
本发明首先构建了包含以沼气为燃料的分布式能源模型、光伏模型、储能电池模型和储热模型的CCHP系统微电网模型，然后分别以运行成本最小化和系统发电输出最大化为目标构建优化目标函数，进而根据CCHP系统微电网模型的约束条件对优化目标函数进行求解，得到优化结果，最后将优化结果用于调度CCHP系统各模块的供能输出大小及比例。本发明在实现沼气综合发电的同时，能够最大化CCHP系统的输出以及最小化系统运行成本，从而提升沼气综合发电的用能效率，降低供电成本。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的CCHP系统的结构示意图；
图2是本发明实施例提供的一种CCHP系统优化调度方法的流程示意图；
图3是本发明实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
为了便于对本方案的理解，首先对本发明实施例的CCHP系统进行简单的介绍。参照图1所示，其示出了本发明实施例的CCHP系统结构示意图。
CCHP系统分为两部分：电气部分和热力部分。
在电气部分，畜禽养殖场动物粪便产生的沼气通过分布式能源的内燃机进行沼气发电，光伏发电和沼气发电产生的电流输入至直流母线，为整个系统供电，电网将在系统内部电力不足时提供额外电力；位于直流母线和交流母线之间的储能单元(包括储能电池)用于平衡分布式能源、电网和负载之间的供能与用能需求。
在热力部分，畜禽养殖场动物粪便产生的沼气可以被燃气锅炉以及吸收式制冷机使用，换热器和吸收式冷却机分别提供热水和冷水，蓄热罐可以储存换热器产生的热水，蓄冷罐可以储存吸收式冷却机产生的冷水。
本发明实施例的第一方面提供了一种CCHP系统优化调度方法，参照图2所示，该方法包括：
步骤S101，构建CCHP系统微电网模型；其中，CCHP系统微电网模型包括以沼气为燃料的分布式能源模型、光伏模型、储能电池模型和储热模型。
在本发明实施例中，可以构建CCHP系统的关键设备模型，即以沼气为燃料的分布式能源模型、光伏模型、储能电池模型和储热模型。
可选的，基于本发明实施例第一方面提供的CCHP系统优化调度方法，构建以沼气为燃料的分布式能源模型，包括：
将分布式能源模型的沼气燃料消耗率Ft表示为：
Figure BDA0002695199310000031
式中，M为发电机的总数量，Pg,t为发电机g在t时刻的输出功率，ag、bg、cg为发电机g的效率系数；
将分布式能源模型的启动状态vg,t和关闭状态wg,t表示为：
vg,t＝ug,t-ug,t-1
wg,t＝ug,t-1-ug,t
式中，ug,t为二进制变量，表示发电机g在t时刻的状态。
在本发明实施例中，沼气燃料消耗率可以表示为有功功率的二次函数，因此，根据单个发电机的沼气消耗率
Figure BDA0002695199310000041
以及分布式能源模型中的发电机数量，可得到分布式能源模型的总沼气燃料消耗率Ft(单位：kW)，ag、bg、cg为可以根据制造商提供的数据表得到的发电机g的效率系数。二进制变量ug,t表示发电机g在t时刻的状态，ug,t为0时表示发电机g在t时刻处于关闭状态，ug,t为1时表示发电机g在t时刻处于开启状态。
可选的，基于本发明实施例第一方面提供了的CCHP系统优化调度方法，构建光伏模型，包括：
将光伏组件在t时刻的直流输出功率PPV,t表示为：
PPV,t＝ηPV,tAPVGβ,t
t时刻的光伏效率ηPV,t表示为：
ηPV,t＝ηrηpc(1-β(Tc,t-Tref))
t时刻的光伏电池温度Tc,t表示为：
Figure BDA0002695199310000042
式中，APV为可用的光伏组件总面积(单位：m2)，Gβ,t为t时刻的太阳入射辐射(单位：Wh/m2)，ηr为光伏参考组件效率，ηpc为光伏功率调节效率，β为光伏效率温度系数，Tref为光伏参考温度(单位：℃)，Ta为光伏环境温度(单位：℃)，Tnormal为电池标准温度(单位：℃)。
可选的，基于本发明实施例第一方面提供了的CCHP系统优化调度方法，构建储能电池模型，包括：
将t时刻储能电池的每小时可用容量Pbatt,t表示为：
Figure BDA0002695199310000051
式中，Echa,t为t时刻流入储能电池的小时充电量(单位：kWh)，Edis,t为t时刻流出储能电池的小时放电量(单位：kWh)，ηcha为储能电池的充电效率，ηdis为储能电池的放电效率。
在本发明实施例中，当系统用能负荷增长时，光伏发电和沼气发电可能不足以支持负载所需能量，而当系统用能负荷下降时，CCHP系统的供电量也可能超过负载的需求，因此需要采用储能电池以平衡负载需求和电能供应。
可选的，基于本发明实施例第一方面提供了的CCHP系统优化调度方法，构建储热模型，包括：
构建蓄冷罐模型：
Figure BDA0002695199310000052
构建蓄热罐模型：
Figure BDA0002695199310000053
式中，
Figure BDA0002695199310000054
为放热量(单位：kWh)，
Figure BDA0002695199310000055
为蓄热量(单位：kWh)，C为蓄热介质比热系数(单位：kWh/kg-K)，ρ为蓄热介质密度(单位：kg/m3)，V为蓄冷罐或蓄热罐的容量(单位：m3)，T为蓄冷罐或蓄热罐的平均温度，ΔT′为运行优化周期，e为蓄冷罐或蓄热罐的余热系数，ΔT为蓄冷罐或蓄热罐的温度范围。蓄冷罐或蓄热罐可以是水基蓄热罐，用于满足用户制冷和供热的需求。
步骤S102，分别以运行成本最小化和系统发电输出最大化为目标，构建优化目标函数。
可选的，基于本发明实施例第一方面提供的CCHP系统优化调度方法，分别以运行成本最小化和系统发电输出最大化为目标，构建优化目标函数，可以详述为：
以运行成本最小化为目标，构建优化目标函数：
OC＝FC+SSG+OMC+EBC
式中，OC为系统总运行成本，FC为沼气燃料成本，SSG为分布式能源启停成本，OMC为设备运行维护成本，EBC为电网购电成本；
以系统发电输出最大化为目标，构建优化目标函数：
Figure BDA0002695199310000061
式中，EDG为系统发电总输出，N为运行优化周期的总数量，M为发电机的总数量，Pg,t为发电机g在t时刻的输出功率，PPV,t为光伏模型中的光伏组件在t时刻的直流输出功率，ΔT′为运行优化周期。
在本发明实施例中，通过以运行成本最小化和系统发电输出最大化为目标构建优化目标函数进行求解，可得到使CCHP系统同时满足运行成本最小化和系统发电输出最大化的最优解。
可选的，沼气燃料成本FC表示为：
Figure BDA0002695199310000062
分布式能源启停成本SSG表示为：
Figure BDA0002695199310000063
设备运行维护成本OMC表示为：
Figure BDA0002695199310000064
电网购电成本EBC表示为：
Figure BDA0002695199310000071
以上各式中，N为运行优化周期的总数量，ΔT′为运行优化周期，CBio为沼气成本，F′t、FGB,t、FACC,t分别为分布式能源、燃气锅炉和吸收式制冷机的燃料成本，M为发电机的总数量，vg,t和wg,t分别为分布式能源模型的启动状态和关闭状态，SU、SD分别为分布式能源的启动成本和停机成本，OMICE、OMGB、OMACC、OMAR分别为分布式能源、燃气锅炉、吸收式制冷机、吸收式冷却机的运行和维护成本，Pg,t、PGB,t、PACC,t和PAR,t分别为发电机、燃气锅炉、吸收式制冷机和吸收式冷却机出力，CGriE为从电网购买的电力成本系数，Pgrid,t为从电网购买的电力功率。
步骤S103，构建优化目标函数的约束条件。
可选的，基于本发明实施例第一方面提供的CCHP系统优化调度方法，构建优化目标函数的约束条件，包括：
由于以沼气为燃料的内燃机单元首先受到其输出能力的限制，可以将内燃机单元的输出能力约束表示为：
Figure BDA0002695199310000072
式中，Pg,t为发电机g在t时刻的输出功率，
Figure BDA0002695199310000073
分别为发电机容量的下限和上限，ug,t为发电机在t时刻的状态，M为发电机总数量；
内燃机单元受最小启动时间和最小停机时间的限制，可以将内燃机单元的最小启动时间和最小停机时间约束表示为：
Figure BDA0002695199310000074
Figure BDA0002695199310000075
式中，s为时间段，UTg为发电机g的最小启动时间(单位：h)，DTg为发电机g的最小停机时间(单位：h)；
对于内燃机机组，爬坡率会限制两个连续周期之间的发电机输出(包括启动和关闭周期)，可以将内燃机机组爬坡率的物理约束表示为：
Figure BDA0002695199310000081
Figure BDA0002695199310000082
式中，
Figure BDA0002695199310000083
分别为发电机g启动时的上升限制和下降限制(单位：kW)，
Figure BDA0002695199310000084
分别为发电机g启动和关闭时的限制(单位：kW)；
CCHP系统需要考虑电力平衡约束，电力平衡约束可以表示为：
Figure BDA0002695199310000085
式中，Pgrid,t为在t时刻来自主电网的每小时能量(单位：kWh)，PL,t为在t时刻的负载需求(单位：kWh)，PPV,t为光伏组件在t时刻的直流输出功率，Echa,t为t时刻流入储能电池的小时充电量，Edis,t为t时刻流出储能电池的小时放电量；
由于储能电池的每小时充放电量受储能电池容量的限制，可以将储能电池的小时充放电量约束表示为：
0≤Edis,t≤Es
在任何情况下，储能电池都处于充电状态(Echa,t≠0,Edis,t＝0)或放电状态(Echa,t＝0,Edis,t≠0)或不工作状态(Echa,t＝0,Edis,t＝0)，因此，可以将储能电池的工作状态约束表示为：
Echa,t×Edis,t＝0
储能电池具有充电量限制，可以将储能电池的充电量约束表示为：
SOC-×ES≤Pbatt,t≤SOC+×ES
式中，ES为电池容量，SOC+、SOC-分别为电池充电量的上界系数和下界系数；
热力部分的储热也受到限制，可以将制冷和供热过程中的储热约束表示为：
Figure BDA0002695199310000086
Figure BDA0002695199310000087
Figure BDA0002695199310000091
Figure BDA0002695199310000092
Figure BDA0002695199310000093
Figure BDA0002695199310000094
Figure BDA0002695199310000095
Figure BDA0002695199310000096
Figure BDA0002695199310000097
Figure BDA0002695199310000098
式中，
Figure BDA0002695199310000099
为空气冷却释放的能量(单位：kW)，
Figure BDA00026951993100000910
为热水能量需求(单位：kW)，COPAR、COPHE分别为吸收式冷却机和换热器的性能系数，QICE1,t、QICE2,t、QICE3,t分别为分布式能源空间冷却回热量、热水能量和余热回热量(单位：kW)，QACC,t、QGB,t分别为吸收式制冷机输出和燃气锅炉输出(单位：kW)，QAR,t、QHE,t分别为吸收式冷却机和换热器输出(单位：kW)，Qhr1,t、Qhr2,t分别为蓄冷罐和蓄热罐释放的热量(单位：kW)，
Figure BDA00026951993100000911
为未回收的余热(单位：kW)，
Figure BDA00026951993100000912
分别为分布式能源流入和流出蓄冷罐的热量(单位：kW)，
Figure BDA00026951993100000913
为分布式能源流入和流出蓄热罐的热量(单位：kW)。
步骤S104，基于约束条件对优化目标函数进行求解。
在本发明实施例中，在建立上述优化目标函数以及约束条件之后，需要进行优化求解。以沼气为燃料的分布式能源模型、光伏模型、储能电池模型和储热模型中均预置有能源需求数据，如供电需求量，制冷需求量等，在优化求解过程中，这些信息均被提供给优化器，随后优化器在满足各模型约束条件的前提下，以最小化用能成本和最大化供能为目标进行优化，最终生成优化结果。具体优化求解过程如下：
首先进行集合的定义，每一个节点就是集合中的一个元素，在定义好的集合中还可以定义子集，方便控制不同的变量；随后录入CCHP系统的原始数据，包括节点的输入输出功率，节点导纳矩阵等，在录入完原始数据后，声明变量类型；随后定义方程，包括优化目标函数方程和等式及不等式约束方程；最后使用求解器来求解，得到优化结果，该优化结果用于调度CCHP系统各模块的供能输出大小及比例。
由以上内容可知，本发明首先构建了包含以沼气为燃料的分布式能源模型、光伏模型、储能电池模型和储热模型的CCHP系统微电网模型，然后分别以运行成本最小化和系统发电输出最大化为目标构建优化目标函数，进而根据CCHP系统微电网模型的约束条件对优化目标函数进行求解，得到优化结果，最后将优化结果用于调度CCHP系统各模块的供能输出大小及比例。本发明在实现沼气综合发电的同时，能够最大化CCHP系统的输出以及最小化系统运行成本，从而提升沼气综合发电的用能效率，降低供电成本。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图3是本发明实施例提供的终端设备的示意图。如图3所示，该实施例的终端设备3包括：处理器30、存储器31以及存储在存储器31中并可在处理器30上运行的计算机程序32。处理器30执行计算机程序32时实现上述各个CCHP系统优化调度方法实施例中的步骤，例如图1所示的步骤S101至S104。示例性的，计算机程序32可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器31中，并由处理器30执行，以完成本发明。
终端设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是终端设备3的示例，并不构成对终端设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器31可以是终端设备3的内部存储单元，例如终端设备3的硬盘或内存。存储器31也可以是终端设备3的外部存储设备，例如终端设备3上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器31还可以既包括终端设备3的内部存储单元也包括外部存储设备。存储器31用于存储计算机程序以及终端设备所需的其他程序和数据。存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露终端设备和方法，可以通过其它的方式实现。例如，以上所描述的终端设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种CCHP系统优化调度方法，其特征在于，包括：
构建CCHP系统微电网模型；其中，所述CCHP系统微电网模型包括以沼气为燃料的分布式能源模型、光伏模型、储能电池模型和储热模型；
分别以运行成本最小化和系统发电输出最大化为目标，构建优化目标函数；
构建所述优化目标函数的约束条件；
基于所述约束条件对所述优化目标函数进行求解。
2.如权利要求1所述的CCHP系统优化调度方法，其特征在于，构建以沼气为燃料的分布式能源模型，包括：
将分布式能源模型的沼气燃料消耗率Ft表示为：
Figure FDA0002695199300000011
式中，M为发电机的总数量，Pg,t为发电机g在t时刻的输出功率，ag、bg、cg为发电机g的效率系数；
将分布式能源模型的启动状态vg,t和关闭状态wg,t表示为：
vg,t＝ug,t-ug,t-1
wg,t＝ug,t-1-ug,t
式中，ug,t为二进制变量，表示发电机g在t时刻的状态。
3.如权利要求1所述的CCHP系统优化调度方法，其特征在于，构建光伏模型，包括：
将光伏组件在t时刻的直流输出功率PPV,t表示为：
PPV,t＝ηPV,tAPVGβ,t
t时刻的光伏效率ηPV,t表示为：
ηPV,t＝ηrηpc(1-β(Tc,t-Tref))
t时刻的光伏电池温度Tc,t表示为：
Figure FDA0002695199300000021
式中，APV为可用的光伏组件总面积，Gβ,t为t时刻的太阳入射辐射，ηr为光伏参考组件效率，ηpc为光伏功率调节效率，β为光伏效率温度系数，Tref为光伏参考温度，Ta为光伏环境温度，Tnormal为电池标准温度。
4.如权利要求1所述的CCHP系统优化调度方法，其特征在于，构建储能电池模型，包括：
将t时刻储能电池的每小时可用容量Pbatt,t表示为：
Figure FDA0002695199300000022
式中，Echa,t为t时刻流入储能电池的小时充电量，Edis,t为t时刻流出储能电池的小时放电量，ηcha为储能电池的充电效率，ηdis为储能电池的放电效率。
5.如权利要求1所述的CCHP系统优化调度方法，其特征在于，构建储热模型，包括：
构建蓄冷罐模型：
Figure FDA0002695199300000023
构建蓄热罐模型：
Figure FDA0002695199300000024
式中，
Figure FDA0002695199300000025
为放热量，
Figure FDA0002695199300000026
为蓄热量，C为蓄热介质比热系数，ρ为蓄热介质密度，V为蓄冷罐或蓄热罐容量，T为蓄冷罐或蓄热罐的平均温度，ΔT′为运行优化周期，e为蓄冷罐或蓄热罐的余热系数，ΔT为蓄冷罐或蓄热罐温度范围。
6.如权利要求1所述的CCHP系统优化调度方法，其特征在于，所述分别以运行成本最小化和系统发电输出最大化为目标，构建优化目标函数，包括：
以运行成本最小化为目标，构建优化目标函数：
OC＝FC+SSG+OMC+EBC
式中，OC为系统总运行成本，FC为沼气燃料成本，SSG为分布式能源启停成本，OMC为设备运行维护成本，EBC为电网购电成本；
以系统发电输出最大化为目标，构建优化目标函数：
Figure FDA0002695199300000031
式中，EDG为系统发电总输出，N为运行优化周期的总数量，M为发电机的总数量，Pg,t为发电机g在t时刻的输出功率，PPV,t为光伏模型中的光伏组件在t时刻的直流输出功率，ΔT′为运行优化周期。
7.如权利要求6所述的CCHP系统优化调度方法，其特征在于，沼气燃料成本FC表示为：
Figure FDA0002695199300000032
分布式能源启停成本SSG表示为：
Figure FDA0002695199300000033
设备运行维护成本OMC表示为：
Figure FDA0002695199300000034
电网购电成本EBC表示为：
Figure FDA0002695199300000035
以上各式中，N为运行优化周期的总数量，ΔT′为运行优化周期，CBio为沼气成本，F′t、FGB,t、FACC,t分别为分布式能源、燃气锅炉和吸收式制冷机的燃料成本，M为发电机的总数量，vg,t和wg,t分别为分布式能源模型的启动状态和关闭状态，SU、SD分别为分布式能源的启动成本和停机成本，OMICE、OMGB、OMACC、OMAR分别为分布式能源、燃气锅炉、吸收式制冷机、吸收式冷却机的运行和维护成本，Pg,t、PGB,t、PACC,t和PAR,t分别为发电机、燃气锅炉、吸收式制冷机和吸收式冷却机出力，CGriE为从电网购买的电力成本系数，Pgrid,t为从电网购买的电力功率。
8.如权利要求1所述的CCHP系统优化调度方法，其特征在于，所述构建所述优化目标函数的约束条件，包括：
将内燃机单元的输出能力约束表示为：
Figure FDA0002695199300000041
式中，Pg,t为发电机g在t时刻的输出功率，
Figure FDA0002695199300000042
分别为发电机容量的下限和上限，ug,t为发电机在t时刻的状态，M为发电机总数量；
将内燃机单元的最小启动时间和最小停机时间约束表示为：
Figure FDA0002695199300000043
Figure FDA0002695199300000044
式中，s为时间段，UTg为发电机g的最小启动时间，DTg为发电机g的最小停机时间；
将内燃机机组爬坡率的物理约束表示为：
Figure FDA0002695199300000045
Figure FDA0002695199300000046
式中，
Figure FDA0002695199300000047
分别为发电机g启动时的上升限制和下降限制，
Figure FDA0002695199300000048
分别为发电机g启动和关闭时的限制；
将CCHP系统的电力平衡约束表示为：
Figure FDA0002695199300000049
式中，Pgrid,t为在t时刻来自主电网的每小时能量，PL,t为在t时刻的负载需求，PPV,t为光伏组件在t时刻的直流输出功率，Echa,t为t时刻流入储能电池的小时充电量，Edis,t为t时刻流出储能电池的小时放电量；
将储能电池的小时充放电量约束表示为：
0≤Edis,t≤Es
将储能电池的工作状态约束表示为：
Echa,t×Edis,t＝0
将储能电池的充电量约束表示为：
SOC-×ES≤Pbatt,t≤SOC+×ES
式中，ES为电池容量，SOC+、SOC-分别为电池充电量的上界系数和下界系数；
将制冷和供热过程中的储热约束表示为：
Figure FDA0002695199300000051
Figure FDA0002695199300000052
Figure FDA0002695199300000053
Figure FDA0002695199300000054
Figure FDA0002695199300000055
Figure FDA0002695199300000056
Figure FDA0002695199300000057
Figure FDA0002695199300000058
Figure FDA0002695199300000059
Figure FDA00026951993000000510
式中，
Figure FDA00026951993000000511
为空气冷却释放的能量，
Figure FDA00026951993000000512
为热水能量需求，COPAR、COPHE分别为吸收式冷却机和换热器的性能系数，QICE1,t、QICE2,t、QICE3,t分别为分布式能源空间冷却回热量、热水能量和余热回热量，QACC,t、QGB,t分别为吸收式制冷机输出和燃气锅炉输出，QAR,t、QHE,t分别为吸收式冷却机和换热器输出，Qhr1,t、Qhr2,t分别为蓄冷罐和蓄热罐释放的热量，
Figure FDA0002695199300000061
为未回收的余热，
Figure FDA0002695199300000062
Figure FDA0002695199300000063
分别为分布式能源流入和流出蓄冷罐的热量，
Figure FDA0002695199300000064
为分布式能源流入和流出蓄热罐的热量。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8任一项所述方法的步骤。
CN202011003722.4A 2020-09-22 2020-09-22 一种cchp系统优化调度方法及终端设备 Pending CN112257899A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011003722.4A CN112257899A (zh) 2020-09-22 2020-09-22 一种cchp系统优化调度方法及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011003722.4A CN112257899A (zh) 2020-09-22 2020-09-22 一种cchp系统优化调度方法及终端设备

Publications (1)

Publication Number Publication Date
CN112257899A true CN112257899A (zh) 2021-01-22

Family

ID=74232879

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011003722.4A Pending CN112257899A (zh) 2020-09-22 2020-09-22 一种cchp系统优化调度方法及终端设备

Country Status (1)

Country Link
CN (1) CN112257899A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117977664A (zh) * 2024-04-02 2024-05-03 国网山东省电力公司诸城市供电公司 一种微电网储能控制系统、方法、设备及介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130024014A1 (en) * 2011-07-20 2013-01-24 Nec Laboratories America, Inc. Optimal energy management of a rural microgrid system using multi-objective optimization
CN107609684A (zh) * 2017-08-24 2018-01-19 浙江万克新能源科技有限公司 一种基于微电网的综合能源系统经济优化调度方法
CN108491992A (zh) * 2018-02-05 2018-09-04 国网天津市电力公司滨海供电分公司 一种含光伏和蓄能的冷热电联供系统调峰调蓄优化调度模型
CN108510131A (zh) * 2018-05-22 2018-09-07 清华大学 一种综合能源微网优化规划方法、微网结构及控制方法
CN109670730A (zh) * 2019-01-11 2019-04-23 国网安徽省电力有限公司合肥供电公司 一种综合能源系统日前经济调度方法
CN109784569A (zh) * 2019-01-23 2019-05-21 华北电力大学 一种区域综合能源系统优化控制方法
CN110086208A (zh) * 2019-04-18 2019-08-02 新奥数能科技有限公司 综合能源系统的设备调控方法及装置
CN110555595A (zh) * 2019-08-09 2019-12-10 四川大学 一种基于能量枢纽的沼-风-光全可再生能源系统及其方法
CN111178636A (zh) * 2019-12-31 2020-05-19 新奥数能科技有限公司 考虑新能源不确定性的综合能源系统优化方法和装置
CN111275251A (zh) * 2020-01-16 2020-06-12 广东工业大学 一种含污水源热泵的cchp系统冷热电联供优化方法
CN111445107A (zh) * 2020-03-02 2020-07-24 山东大学 冷热电联供型微电网多目标优化配置方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130024014A1 (en) * 2011-07-20 2013-01-24 Nec Laboratories America, Inc. Optimal energy management of a rural microgrid system using multi-objective optimization
CN107609684A (zh) * 2017-08-24 2018-01-19 浙江万克新能源科技有限公司 一种基于微电网的综合能源系统经济优化调度方法
CN108491992A (zh) * 2018-02-05 2018-09-04 国网天津市电力公司滨海供电分公司 一种含光伏和蓄能的冷热电联供系统调峰调蓄优化调度模型
CN108510131A (zh) * 2018-05-22 2018-09-07 清华大学 一种综合能源微网优化规划方法、微网结构及控制方法
CN109670730A (zh) * 2019-01-11 2019-04-23 国网安徽省电力有限公司合肥供电公司 一种综合能源系统日前经济调度方法
CN109784569A (zh) * 2019-01-23 2019-05-21 华北电力大学 一种区域综合能源系统优化控制方法
CN110086208A (zh) * 2019-04-18 2019-08-02 新奥数能科技有限公司 综合能源系统的设备调控方法及装置
CN110555595A (zh) * 2019-08-09 2019-12-10 四川大学 一种基于能量枢纽的沼-风-光全可再生能源系统及其方法
CN111178636A (zh) * 2019-12-31 2020-05-19 新奥数能科技有限公司 考虑新能源不确定性的综合能源系统优化方法和装置
CN111275251A (zh) * 2020-01-16 2020-06-12 广东工业大学 一种含污水源热泵的cchp系统冷热电联供优化方法
CN111445107A (zh) * 2020-03-02 2020-07-24 山东大学 冷热电联供型微电网多目标优化配置方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
邓剑波等: "基于改进粒子群算法的冷热电联供微网优化调度", 《电力科学与技术学报》 *
魏大钧 等: ""小型生物质沼气冷热电联供系统多目标优化设计与运行分析"", 《电力系统自动化》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117977664A (zh) * 2024-04-02 2024-05-03 国网山东省电力公司诸城市供电公司 一种微电网储能控制系统、方法、设备及介质

Similar Documents

Publication Publication Date Title
Maleki et al. Harmony search optimization for optimum sizing of hybrid solar schemes based on battery storage unit
Zhou et al. Integrated power and heat dispatch considering available reserve of combined heat and power units
CN109325608B (zh) 考虑储能并计及光伏随机性的分布式电源优化配置方法
Ma et al. Multi‐objective optimal configuration method for a standalone wind–solar–battery hybrid power system
Jalili et al. Stochastic optimal operation of a microgrid based on energy hub including a solar-powered compressed air energy storage system and an ice storage conditioner
Chen et al. Optimal allocation of distributed generation and energy storage system in microgrids
US20130166043A1 (en) Optimal energy management of a microgrid system using multi-objective optimization
CN111199015B (zh) 一种综合能源系统优化方法和装置
Li et al. Capacity design of a distributed energy system based on integrated optimization and operation strategy of exergy loss reduction
Long et al. Impact of EV load uncertainty on optimal planning for electric vehicle charging station
CN115186902A (zh) 温室综合能源系统的调控方法、装置、终端及存储介质
CN115841187A (zh) 柔性配电网运行策略的优化方法、装置、设备及存储介质
Mu et al. Optimal operation model of integrated energy system for industrial plants considering cascade utilisation of heat energy
CN112560221A (zh) 含增强地热系统的设施农业能源网容量分配方法及装置
CN112036652A (zh) 基于机会约束规划的光伏-储能综合能源系统规划方法
CN111126675A (zh) 多能互补微网系统优化方法
Veremiichuk et al. Energy sources selection for industrial enterprise combined power supply system
CN114255137A (zh) 考虑清洁能源的低碳综合能源系统优化规划方法及系统
CN112257899A (zh) 一种cchp系统优化调度方法及终端设备
Li et al. Planning model of integrated energy system considering P2G and energy storage
CN109615193B (zh) 一种考虑光伏与混合储能的综合能源系统规划方法
CN111178636A (zh) 考虑新能源不确定性的综合能源系统优化方法和装置
Vcremiichuk et al. Energy hub functioning model considering perspectives for development of bioenergy in Ukraine
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
Wang et al. Energy management for an integrated energy system with data centers considering carbon trading

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210122

RJ01 Rejection of invention patent application after publication