CN112363395B - 一种负荷密集型城市智慧园区工业用户负荷建模方法 - Google Patents

一种负荷密集型城市智慧园区工业用户负荷建模方法 Download PDF

Info

Publication number
CN112363395B
CN112363395B CN202011321893.1A CN202011321893A CN112363395B CN 112363395 B CN112363395 B CN 112363395B CN 202011321893 A CN202011321893 A CN 202011321893A CN 112363395 B CN112363395 B CN 112363395B
Authority
CN
China
Prior art keywords
load
power
heat
gas turbine
output
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011321893.1A
Other languages
English (en)
Other versions
CN112363395A (zh
Inventor
周健
时珊珊
魏新迟
张小莲
曾艾东
李恒聪
邹宇航
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.)
Nanjing Institute of Technology
State Grid Shanghai Electric Power Co Ltd
Original Assignee
Nanjing Institute of Technology
State Grid Shanghai 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 Nanjing Institute of Technology, State Grid Shanghai Electric Power Co Ltd filed Critical Nanjing Institute of Technology
Priority to CN202011321893.1A priority Critical patent/CN112363395B/zh
Publication of CN112363395A publication Critical patent/CN112363395A/zh
Application granted granted Critical
Publication of CN112363395B publication Critical patent/CN112363395B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Abstract

本发明公开了一种负荷密集型城市智慧园区工业用户负荷建模方法，该建模方法步骤为：确立负荷密集型城市智慧园区工业用户用能模式；建立负荷密集型城市智慧园区工业用户用能设备模型；结合负荷密集型城市智慧园区工业用户负荷建模的运行优化目标和约束条件，构建出负荷密集型城市智慧园区工业用户负荷优化运行模型；在MATLAB软件内使用遗传算法求解该优化运行模型，获得负荷密集型城市智慧园区工业用户综合最优策略。该建模方法以系统总运行成本最小为目标，能够实现智慧园区内冷、热和电能源之间的高效分配，实现负荷密集型城市智慧园区工业用户的负荷优化运行，为进一步的运行调度提供依据，进而提升智慧园区整体能效。

Description

一种负荷密集型城市智慧园区工业用户负荷建模方法
技术领域
本发明涉及能源综合利用技术领域，尤其涉及负荷密集型城市智慧园区的能源综合利用，具体地说是一种负荷密集型城市智慧园区工业用户负荷建模方法。
背景技术
当前负荷密集型城市智慧园区能源需求侧的终端用户已逐渐成为储能、冷热电联供、负荷等多种用能形态的集合体，具备一定的自我能源协调能力，当能源供给侧多能互补无法满足终端用户多种用能需求时，需要终端用户利用多种形式进行响应，来保障能源供需平衡，需要探索综合需求响应的典型用户负荷建模方法以及用户响应多种用能的方式方法，提升用户侧能源使用效率，构建“互联网+”的城市电网调度运行生态服务体系，支撑综合能源需求响应系统深入建设。
工业用户作为负荷密集型城市智慧园区内的典型用户，开展面向负荷密集型城市的智慧园区工业用户负荷建模，可以为实现综合需求响应高效利用、能源可靠供给以及清洁能源的有效消纳提供负荷模型依据，拓展电网公司综合需求响应增值业务，为构建智慧城市应用生态提供技术支撑。
现阶段影响负荷密集型城市智慧园区内的典型工业用户用能系统内能源利用的两个主要因素为：
(1)用能曲线特征没有很好的利用
各类不同用户的用能习惯、用能特点、能源需求规模不一样，不同工业用户的用能习惯、用能特点和能源需求规模也不同，导致用户的冷热电负荷在规模、时间分布上存在差异。如果对所有的用户的设备采用相同的负荷建模方法和调度方式，必然不能很好地将用户用能曲线特征和各类用户所使用的供能设备很好地结合，不能充分发挥各类供能设备的技术优势。
(2)没有统一的、相同的负荷建模和调度方法可以遵循
由于智慧园区典型工业用户可再生能源渗透率高，园区能源自平衡能力强，智慧园区典型工业用户用能系统内部供能设备众多，包括规模化分散接入的太阳能光伏、微型燃气轮机、吸收式制冷设备、蓄热装置等诸多设备，以为传统的热电厂设计的“以热定电”、“以电定热”的调度思想已经不能满足智慧园区典型工业用户的供能需求。为了使冷热电联供系统能对冷、热和电能源之间进行有效的分配，动态跟踪典型工业用户冷热电负荷，实现对冷热电联供系统的优化控制和负荷建模，急需采用适应于智慧园区内典型工业用户冷热电联供系统的负荷建模方法，为进一步的运行调度提供依据，进而提升智慧园区整体能源利用效率。
发明内容
本发明的目的是针对现有技术存在的问题，提供一种负荷密集型城市智慧园区工业用户负荷建模方法，该建模方法考虑了智慧园区所含供能设备和用能设备的复杂性和多样性，以优化运行方式对负荷密集型城市智慧园区工业用户进行负荷建模。
本发明的目的是通过以下技术方案解决的：
一种负荷密集型城市智慧园区工业用户负荷建模方法，其特征在于：该建模方法步骤为：
(1)确立负荷密集型城市智慧园区工业用户用能模式；
(2)建立负荷密集型城市智慧园区工业用户用能设备模型；
(3)步骤(2)结合负荷密集型城市智慧园区工业用户负荷建模的运行优化目标和约束条件，构建出负荷密集型城市智慧园区工业用户负荷优化运行模型；
(4)在MATLAB软件内使用遗传算法求解该优化运行模型，获得负荷密集型城市智慧园区工业用户综合最优策略。
所述步骤(2)中的工业用户供用能系统设备包括光伏电池、燃气轮机、蓄电池、蓄热槽、燃气锅炉、吸收式制冷机、电压缩式制冷机和电热转换设备。
所述光伏电池的输出功率受外部环境温度和太阳光照强度的影响，设某时段内光照强度服从贝塔分布，则太阳能光照强度分布函数如下：
Figure GDA0003586793750000021
Figure GDA0003586793750000022
Figure GDA0003586793750000023
式(1)、(2)、(3)中，α和β都是贝塔分布的形状参数，G(t)为t时段的光照强度，Γ为伽马函数；Gmax为最大光照强度；μ为贝塔分布的期望；σ2为贝塔分布的方差；
在知道光照强度后，由于光伏出力受外部环境温度和太阳光照强度的影响，光伏电池的输出功率计算式如下：
Figure GDA0003586793750000024
T(t)＝Tair(t)+0.0138·[1+0.031·Tair(t)]·(1-0.042·Vw)·G(t) (5)
Figure GDA0003586793750000031
式(4)、(5)、(6)中，GSTC、TSTC、PSTC分别为标准测试环境下的光照强度、光伏电池温度、最大输出功率，前面两个量值取1Kw/m2和25度；k为光伏电池温度系数；Ppv(t)为光伏输出功率；T(t)为太阳电池表面温度；Tair(t)为环境温度值；Vw为风速；Tmax为该日的温度的最大值，Tmin为该日的温度最小值；tp为平均温度时刻；
根据太阳能光照强度分布函数和光伏电池的输出功率，则推算出光伏电池输出功率的概率密度函数：
Figure GDA0003586793750000032
式(7)中，f(Ppv(t))表示光伏电池输出功率的概率密度函数。
所述燃气轮机的额定效率随额定容量的增加总体上效率呈增大趋势，则燃气轮机的额定发电效率和制热效率与设备额定容量的拟合曲线函数为：
Figure GDA0003586793750000033
Figure GDA0003586793750000034
Figure GDA0003586793750000035
式(8)、(9)、(10)中，Prat为燃气轮机的额定容量；CGT为燃气轮机初始投资成本；
Figure GDA0003586793750000036
为燃气轮机额定发电效率；
Figure GDA0003586793750000037
为燃气轮机额定制热效率；
由于燃气轮机输出功率特性和燃料消耗之间的关系，其发电效率和制热效率都与设备的部分负载率有关，则燃气轮机的部分负载下的发电效率和制热效率：
Figure GDA0003586793750000038
Figure GDA0003586793750000039
Figure GDA00035867937500000310
Figure GDA00035867937500000311
Figure GDA00035867937500000312
式(11)、(12)、(13)、(14)、(15)中，
Figure GDA0003586793750000041
为燃气轮机发电效率；HPR为燃气轮机热电比；PLR为燃气轮机部分负荷率；PGT为燃气轮机输出功率；
Figure GDA0003586793750000042
为燃气轮机回收的余热量；FGT为燃气轮机燃料消耗量；燃气轮机发电效率系数a＝0.8264、b＝-2.334、c＝2.329、d＝0.1797。
所述蓄电池的容量数学模型表示为可用电荷和束缚电荷，其中可用负荷能向负荷提供电能、束缚电荷以一定的速度转化成可用电荷，蓄电池任意时段的总电荷量等于可用电荷量与束缚电荷量之和，根据蓄电池实际充放电电量计算出蓄电池在充放电后的可用电荷量和束缚电荷量：
Figure GDA0003586793750000043
Figure GDA0003586793750000044
q＝q1+q2 (18)
Figure GDA0003586793750000045
Figure GDA0003586793750000046
式(16)、(17)、(18)、(19)、(20)中，q为任意时段蓄电池内总电荷量；q1为任意时段蓄电池内可用电荷量；q2为任意时段蓄电池内束缚电荷量；
Figure GDA0003586793750000047
为t时段结束时可用电荷量；
Figure GDA0003586793750000048
为t时段结束时束缚电荷量；b表示可用电荷量占总电荷量的比值；k为比列系数，用于表示
Figure GDA0003586793750000049
转化成
Figure GDA00035867937500000410
的速率；I表示充放电电流；Δt为t时段到t+1时段的时间间隔；
Figure GDA00035867937500000411
表示t时段初始时刻可用电荷量；
Figure GDA00035867937500000412
表示t时段初始时刻束缚电荷量；
Figure GDA00035867937500000413
为总电荷量，其值为
Figure GDA00035867937500000414
由于蓄电池的端电压V取决于蓄电池充放电状态、蓄电池充放电电流、蓄电池可用容量和蓄电池内阻大小，而蓄电池出力大小取决于蓄电池荷电状态和电池电压、以及出力上下限；在给定蓄电池出力的情况下，可由I＝P/V式求得蓄电池在该时段的充放电电流，进而求取蓄电池在该时段的最大充放电能力和蓄电池的荷电状态：
Figure GDA0003586793750000051
Figure GDA0003586793750000052
式(21)、(22)中，
Figure GDA0003586793750000053
为蓄电池t时段的最大放电功率；
Figure GDA0003586793750000054
为蓄电池t时段的最大充电功率；EBT_max表示蓄电池最大储能量；
Figure GDA0003586793750000055
为蓄电池t时段初始可用能量；E 0 t为蓄电池t时段总储能量。
所述的吸收式制冷机将输入的热量转换为冷量输出，转换性能系数取决于输入热量值与输出冷量的比值，称为热力系数，用COPAC表示：
Figure GDA0003586793750000056
式(23)中，QAC表示吸收式制冷机输出的冷量，
Figure GDA0003586793750000057
表示输入吸收式制冷机的热量；
所述的压缩式电制冷机将输入的电能转换为冷量输出，压缩式电制冷机的转换性能系数取决于输入电功率值与输出冷量的比值，称为制冷系数，用COPEC表示：
QEC＝COPEC·PEC (24)
式(24)中，QEC表示压缩式电制冷机输出的冷量，PEC表示输入压缩式电制冷机的热量；所述的燃气锅炉的出力与自身输出特性和负荷情况相关，其制热表达式如下：
QGB＝ηGB·FGB (25)
式(25)中，QGB表示燃气锅炉输出热量，FGB表示输入燃气锅炉的燃料量，ηGB表示燃气锅炉的制热效率；
所述蓄热槽的动态数学模型根据能量平衡关系，由下式表示：
Figure GDA0003586793750000058
式(26)中,Wh(t)为蓄热槽在t时段储存的热量；Δt为t时段到t+1时段的时间间隔，Qch(t)为t时段蓄热功率，Qdisch(t)为t时段放热功率；μh为蓄热槽自身向环境散热损失的能量系数；
Figure GDA0003586793750000059
为蓄热槽的蓄热效率，
Figure GDA00035867937500000510
为蓄热槽放热效率。
所述的电热转换设备指纯电阻类设备。
所述步骤(3)中的运行优化目标以负荷密集型城市智慧园区工业用户负荷系统日运行总费用最小为经济性最优目标函数，负荷密集型城市智慧园区工业用户负荷系统日运行总费用主要包括电网交互的功率费用、燃料费用和系统运行维护费用：
min price＝min(priGrid+prifuel+primaintain) (27)
式(27)中,minprice表示负荷密集型城市智慧园区工业用户负荷系统日运行总费用最小；priGrid表示智慧园区和外部电网的电能交换成本，即电网交互的功率费用；prifuel表示智慧园区内微型燃气轮机和燃气锅炉的燃料成本，即燃料费用；primaintain表示智慧园区能源系统的维护费用，即系统运行维护费用；
其中，智慧园区和外部电网的电能交换成本函数计算公式如下：
Figure GDA0003586793750000061
式(28)中,
Figure GDA0003586793750000062
是逐时电价；
Figure GDA0003586793750000063
是智慧园区和外部电网在t时刻的逐时电力交换值；智慧园区内微型燃气轮机和燃气锅炉的燃料成本函数计算公式如下：
Figure GDA0003586793750000064
式(29)中，fCHPi为微型燃气轮机关于功率和使用燃气的函数，单位以kW计算；Pi t为第i台微型燃气轮机在t时刻的电功率输出，单位是kW；
Figure GDA0003586793750000065
是逐时气价；
Figure GDA0003586793750000066
为第i台燃气锅炉在t时刻的出力；ηboileri为第i台燃气锅炉的能量转化效率；t是时间长度，单位是小时；nCHP为微型燃气轮机的总数；nboiler为燃气锅炉的总数；
智慧园区能源系统的维护成本函数计算公式如下：
Figure GDA0003586793750000067
式(30)中，pmCHPi为微型燃气轮机的单位功率运行维护成本；pmdistri为分布式发电设备单位功率运行维护成本；pmstor为蓄热槽的单位功率运行维护成本；pmEH为电热转换设备的单位功率运行维护成本；Pi t为第i台微型燃气轮机在t时刻的电功率输出，单位是kW；
Figure GDA0003586793750000068
为第i台分布式电源在t时刻的电功率输出，单位是kW；
Figure GDA0003586793750000069
和
Figure GDA00035867937500000610
分别为蓄热槽在t时刻的充放热功率，单位是kW；
Figure GDA0003586793750000071
为电热转换设备在t时刻的功率，单位是kW。
所述步骤(3)中的约束条件包括功率平衡约束和设备容量约束，其中功率平衡约束包括电功率平衡约束、热功率平衡约束和冷功率平衡约束，设备容量约束包括微型燃气轮机容量约束、燃气锅炉容量约束、电热转换设备容量约束和蓄热槽容量约束；
其中电功率平衡约束函数计算公式如下：
Figure GDA0003586793750000072
式(31)中,
Figure GDA0003586793750000073
是智慧园区和外部电网在t时刻的电力交换值；Pi t为第i台微型燃气轮机在t时刻的电功率输出，单位是kW；
Figure GDA0003586793750000074
为t时刻负荷值，单位是kW；
Figure GDA0003586793750000075
为第i台分布式电源在t时刻的电功率输出，单位是kW；
Figure GDA0003586793750000076
为电热转换设备在t时刻的功率，单位是kW；
热功率平衡约束函数计算公式如下：
Figure GDA0003586793750000077
式(32)中,
Figure GDA0003586793750000078
是第i个微型燃气轮机在t时刻的产热值；
Figure GDA0003586793750000079
为第i个燃气锅炉在t时刻的产热值；ηEH、ηout分别为电热转换设备的效率和蓄热槽的放热效率；
Figure GDA00035867937500000710
为智慧园区的逐时热负荷；
冷功率平衡约束函数计算公式如下：
Figure GDA00035867937500000711
式(33)中,
Figure GDA00035867937500000712
是第i个微型燃气轮机在t时刻通过吸收式制冷机的尾气制冷功率；
Figure GDA00035867937500000713
为空调在t时刻制冷功率；
Figure GDA00035867937500000714
为智慧园区的逐时冷负荷；
微型燃气轮机约束函数为：
Pi min≤Pi t≤Pi max,i∈nCHP (34)
式(34)中,Pi min为第i台微型燃气轮机的电功率输出最小值；Pi t为第i台微型燃气轮机在t时刻的电功率输出；Pi max为第i台微型燃气轮机的电功率输出最大值；nCHP为微型燃气轮机总数量；
燃气锅炉约束函数为：
Figure GDA0003586793750000081
式(35)中,
Figure GDA0003586793750000082
为
Figure GDA0003586793750000083
为第i台燃气锅炉在t时刻的出力；
Figure GDA0003586793750000084
为
Figure GDA0003586793750000085
为第i台燃气锅炉的出力最大值；nboiler为燃气锅炉总数量；
Figure GDA0003586793750000086
式(36)中,
Figure GDA0003586793750000087
为电热转换设备在t时刻的功率，单位是kW；
Figure GDA0003586793750000088
为电热转换设备的功率最大值，单位是kW；
Figure GDA0003586793750000089
Figure GDA00035867937500000810
Figure GDA00035867937500000811
式(37)、(38)、(39)中,
Figure GDA00035867937500000812
和
Figure GDA00035867937500000813
为t时刻的蓄热槽充放热功率；
Figure GDA00035867937500000814
和
Figure GDA00035867937500000815
为蓄热槽输入和输出功率极限值；
Figure GDA00035867937500000816
为蓄热槽在t时刻的荷热状态；
Figure GDA00035867937500000817
为蓄热槽的最小蓄热值；
Figure GDA00035867937500000818
为蓄热槽的最大蓄热值；
由于蓄热槽描述的充放热状态是一个动态过程，如下式所示：
Figure GDA00035867937500000819
式(40)中,
Figure GDA00035867937500000820
为蓄热槽在t时刻的荷热状态；ηstor为蓄热槽的保温效率系数；
Figure GDA00035867937500000821
为蓄热槽在t-1时刻的荷热状态；ηin为蓄热槽的充热效率。
所述步骤(3)中的负荷密集型城市智慧园区工业用户负荷优化运行模型为多变量多约束的非线性优化模型。
本发明相比现有技术有如下优点：
本发明的负荷密集型城市智慧园区工业用户负荷建模方法考虑了智慧园区所含供能设备和用能设备的复杂性和多样性，以优化运行方式对负荷密集型城市智慧园区工业用户进行负荷建模，工业用户供用能系统包括光伏电池、燃气轮机、蓄电池、蓄热槽、燃气锅炉、吸收式制冷机、电压缩式制冷机、电热转换设备；通过首先确立负荷密集型城市智慧园区工业用户用能模式；然后建立负荷密集型城市智慧园区工业用户用能设备模型；结合负荷密集型城市智慧园区工业用户负荷建模的运行优化目标和约束条件，构建出负荷密集型城市智慧园区工业用户负荷优化运行模型；在MATLAB软件内使用遗传算法求解该优化运行模型，获得负荷密集型城市智慧园区工业用户综合最优策略，从而实现智慧园区内冷、热和电能源之间的高效分配，实现负荷密集型城市智慧园区工业用户的负荷优化运行，进而提升智慧园区整体能效。
附图说明
附图1为本发明负荷密集型城市智慧园区工业用户用能模式示意图；
附图2为实例中的负荷密集型城市智慧园区工业用户夏季典型日冷热电负荷曲线；
附图3为实例中的负荷密集型城市智慧园区工业用户冬季典型日冷热电负荷曲线；
附图4为实例中的负荷密集型城市智慧园区典型工业用户夏季综合最优策略下电负荷平衡图；
附图5为实例中的负荷密集型城市智慧园区典型工业用户夏季综合最优策略下热负荷平衡图；
附图6为实例中的负荷密集型城市智慧园区典型工业用户夏季综合最优策略下冷负荷平衡图；
附图7为实例中的负荷密集型城市智慧园区典型工业用户冬季综合最优策略下电负荷平衡图；
附图8为实例中的负荷密集型城市智慧园区典型工业用户冬季综合最优策略下热负荷平衡图；
附图9为实例中的负荷密集型城市智慧园区典型工业用户冬季综合最优策略下冷负荷平衡图。
具体实施方式
下面结合附图与实例对本发明作进一步的说明。
下面详细说明本发明的建模方法的构建思路。
(1)确立负荷密集型城市智慧园区工业用户用能模式
负荷密集型城市智慧园区工业用户能源消耗和能源供应并存，负荷密集型城市内大量工业用户陆续进驻智慧园区，这些工业用户对各类能源的需求量大，对负荷建模管理和能源优化的要求十分迫切。智慧园区工业用户不仅包含各类电力用户的用电负荷，同样也包含各类分布式电源、分布式蓄热槽和冷热电联供多种成套设备。
其中，负荷密集型城市智慧园区工业用户用能系统成多种设备，系统构成多样化，联产设备中，以内燃机和燃气轮机应用最广泛，作为联供系统的关键设备，其结构复杂，运行过程中设备输出特性会随工况变化，增加了建立详细静态输出模型的难度；联供系统中涉及到的辅助设备的静态输出特性相对简单，此外工业用户的可再生能源的发电也得到广泛应用。
负荷密集型城市智慧园区工业用户用能模式示意如图1所示。
(2)建立负荷密集型城市智慧园区工业用户用能设备模型
对负荷密集型城市智慧园区典型工业用户内所含的各种供能设备进行建模，构成负荷密集型城市智慧园区工业用户供能系统；下面具体介绍上述典型工业用户所包含的几种分布式电源和联供辅助设备的数学模型。
1)电源设备数学模型
①光伏电池模型
光伏发电具有无污染、无噪声、不消耗燃料、安全可靠及维护简单等优点，光伏发电将丰富的太阳能通过静态转换装置变换成电能，转换过程不需要热力发电机和传动部件。光伏电池的输出功率易受外部天气变化的影响，外部环境温度和太阳光照强度的随机变化，使得光伏输出功率具有随机性和不均匀性，有必要研究太阳光照强度的随机分布情况。设某时段内光照强度服从贝塔分布，则太阳能光照强度分布函数如下：
Figure GDA0003586793750000101
Figure GDA0003586793750000102
Figure GDA0003586793750000103
式(1)、(2)、(3)中，α和β都是贝塔分布的形状参数，G(t)为t时段的光照强度，Γ为伽马函数；Gmax为最大光照强度；μ为贝塔分布的期望；σ2为贝塔分布的方差。
在知道光照强度后，在参考条件下，光伏出力受外部环境温度和太阳光照强度的影响，可计算出光伏电池的输出功率，计算式如下：
Figure GDA0003586793750000104
T(t)＝Tair(t)+0.0138·[1+0.031·Tair(t)]·(1-0.042·Vw)·G(t) (5)
Figure GDA0003586793750000105
式(4)、(5)、(6)中，GSTC、TSTC、PSTC分别为标准测试环境下的光照强度、光伏电池温度、最大输出功率，前面两个量值取1Kw/m2和25度；k为光伏电池温度系数；Ppv(t)为光伏输出功率；T(t)为太阳电池表面温度；Tair(t)为环境温度值；Vw为风速；Tmax为该日的温度的最大值，Tmin为该日的温度最小值；tp为平均温度时刻。
根据太阳能光照强度分布函数和光伏电池的输出功率，可根据下式推算出光伏电池输出功率的概率密度函数：
Figure GDA0003586793750000111
②燃气轮机模型
燃气轮机冷热电联供系统主要由原动机、制冷设备和制热设备，其中分布式燃气轮机联供系统中原动机主要是小型燃气轮机和微型燃气轮机。与传统发电设备相比，小型燃气轮机和微型燃气轮机使用寿命长、燃料多元化、运行可靠性高、污染物排放量少和机组控制灵活等一系列优势，无论中心城市还是远郊农村甚至边远地区均能适用。根据不同的应用场合，冷热电联供系统的主要设备选择和配置方式会有所不同。
燃气轮机的额定效率随额定容量的增加总体上效率呈增大趋势，则燃气轮机的额定发电效率和制热效率与设备额定容量的拟合曲线函数为：
Figure GDA0003586793750000112
Figure GDA0003586793750000113
Figure GDA0003586793750000114
式(8)、(9)、(10)中，Prat为燃气轮机的额定容量；CGT为燃气轮机初始投资成本；
Figure GDA0003586793750000115
为燃气轮机额定发电效率；
Figure GDA0003586793750000116
为燃气轮机额定制热效率；
对于确定容量大小的燃气轮机，本专利不研究燃气轮机内部的详细动态特性，重点研究燃气轮机输出功率特性和燃料消耗之间的关系，其发电效率和制热效率都与设备的部分负载率有关，则燃气轮机的部分负载下的发电效率和制热效率。
Figure GDA0003586793750000117
Figure GDA0003586793750000118
Figure GDA0003586793750000119
Figure GDA00035867937500001110
Figure GDA0003586793750000121
式(11)、(12)、(13)、(14)、(15)中，
Figure GDA0003586793750000122
为燃气轮机发电效率；HPR为燃气轮机热电比；PLR为燃气轮机部分负荷率；PGT为燃气轮机输出功率；
Figure GDA0003586793750000123
为燃气轮机回收的余热量；FGT为燃气轮机燃料消耗量；燃气轮机发电效率系数a＝0.8264、b＝-2.334、c＝2.329、d＝0.1797。
③蓄电池模型
智慧园区含有可再生能源，储能单元是作为配合可再生能源发电的重要组成部分，能有效地用于平衡可再生能源机组输出功率间歇性的波动，保证园区智能电网稳定运行。到目前为止，储能单元以多种多样方式应用到人类生产生活中，其中蓄电池相对于其他几种储能单元而言，性能稳定且技术成熟，成本低，使用广泛。蓄电池模型中最具代表性的是KiBaM模型，该模型能实时反映蓄电池容量与充、放电功率的特性。
蓄电池容量数学模型表示为可用电荷和束缚电荷，其中可用负荷能向负荷提供电能、束缚电荷以一定的速度转化成可用电荷，蓄电池任意时段的总电荷量等于可用电荷量与束缚电荷量之和，根据蓄电池实际充放电电量计算出蓄电池在充放电后的可用电荷量和束缚电荷量：
Figure GDA0003586793750000124
Figure GDA0003586793750000125
q＝q1+q2 (18)
Figure GDA0003586793750000126
Figure GDA0003586793750000127
式(16)、(17)、(18)、(19)、(20)中，q为任意时段蓄电池内总电荷量；q1为任意时段蓄电池内可用电荷量；q2为任意时段蓄电池内束缚电荷量；
Figure GDA0003586793750000128
为t时段结束时可用电荷量；
Figure GDA0003586793750000129
为t时段结束时束缚电荷量；b表示可用电荷量占总电荷量的比值；k为比列系数，用于表示
Figure GDA00035867937500001210
转化成
Figure GDA00035867937500001211
的速率；I表示充放电电流；Δt为t时段到t+1时段的时间间隔；
Figure GDA00035867937500001212
表示t时段初始时刻可用电荷量；
Figure GDA0003586793750000131
表示t时段初始时刻束缚电荷量；
Figure GDA0003586793750000132
为总电荷量，其值为
Figure GDA0003586793750000133
假定蓄电池的端电压V维持不变，实际中蓄电池的端电压V取决于蓄电池充放电状态、蓄电池充放电电流、蓄电池可用容量和蓄电池内阻大小，而蓄电池出力大小取决于蓄电池荷电状态和电池电压、以及出力上下限；在给定蓄电池出力的情况下，可由I＝P/V式求得蓄电池在该时段的充放电电流，进而求取蓄电池在该时段的最大充放电能力和蓄电池的荷电状态。
Figure GDA0003586793750000134
Figure GDA0003586793750000135
式(21)、(22)中，
Figure GDA0003586793750000136
为蓄电池t时段的最大放电功率；
Figure GDA0003586793750000137
为蓄电池t时段的最大充电功率；EBT_max表示蓄电池最大储能量；
Figure GDA0003586793750000138
为蓄电池t时段初始可用能量；E0 t为蓄电池t时段总储能量。
本专利中蓄电池充放电效率设为恒定值。
2)辅助设备数学模型
①吸收式制冷机
随着分布式联产技术迅速发展，在冷热电联供系统中，吸收式制冷机是不可或缺，是提高能源综合利用效率的重要设备，也是改善冷热电联供系统运行的主要设备。余热驱动制冷技术主要包括吸收式制冷技术和吸附式制冷技术。当前，吸收式制冷技术相比于吸附式制冷技术更为成熟，因此，吸收式制冷技术广泛应用于冷热电联供项目中，其中又以溴化锂吸收式机组应用的较多。吸收式制冷机组是以热能为驱动能源、以溴化锂或氨水溶液等为工质的装置，它是利用溶液吸收和发生制冷剂蒸气的特性，通过各种循环流程完成机组的制冷循环。吸收式制冷机将输入的热量转换为冷量输出，转换性能系数取决于输入热量值与输出冷量的比值，称为热力系数，用COPAC表示。
Figure GDA0003586793750000139
式(23)中，QAC表示吸收式制冷机输出的冷量，
Figure GDA00035867937500001310
表示输入吸收式制冷机的热量。
②压缩式电制冷机
压缩式电制冷机已经广泛应用在各类建筑物中，如超市、商场、办公楼、宾馆、医院和居民住宅等建筑采用压缩式电制冷机制冷。压缩式电制冷机将输入的电能转换为冷量输出，压缩式电制冷机的转换性能系数取决于输入电功率值与输出冷量的比值，称为制冷系数，用COPEC表示。
QEC＝COPEC·PEC (24)
式(24)中，QEC表示压缩式电制冷机输出的冷量，PEC表示输入压缩式电制冷机的热量。
③燃气锅炉
燃气锅炉的出力与自身输出特性和负荷情况相关，其制热表达式如下：
QGB＝ηGB·FGB (25)
式(25)中，QGB表示燃气锅炉输出热量，FGB表示输入燃气锅炉的燃料量，ηGB表示燃气锅炉的制热效率。
④蓄热槽
冷热电联供优化方面的热点研究之一就是使热电冷负荷和联供系统热点比相互匹配。热能储存就是热负荷需求侧管理的重要方法之一，当建筑物电力需求达到高峰而冷负荷(热负荷)需求又很小时，发电机组受余热利用的限制不能按照电负荷的需求来充分投入运行；相反，当建筑物冷负荷(热负荷)需求达到峰值而电力需求又很小(即电力负荷与热冷负荷错峰)时，发电机产生的多余电力不能上网，使得机组不能多发电，造成回收的余热不能满足热量的需求，其结果就导致冷热电联供系统无法高效经济运行。采用蓄能装置能起到削峰填谷，缓解冷热电负荷比与燃气轮机的热电比之间不匹配的矛盾。
蓄热槽的特性可描述成设备自身容量、蓄能输出输入能力、能量损耗和蓄能热效率等几部分。根据能量平衡关系，蓄热槽的动态数学模型可由下式表示：
Figure GDA0003586793750000141
式(26)中,Wh(t)为蓄热槽在t时段储存的热量；Δt为t时段到t+1时段的时间间隔，Qch(t)为t时段蓄热功率，Qdisch(t)为t时段放热功率；μh为蓄热槽自身向环境散热损失的能量系数；
Figure GDA0003586793750000142
为蓄热槽的蓄热效率，
Figure GDA0003586793750000143
为蓄热槽放热效率。
(5)电热转换设备
电热转换设备利用电流的热效应将电能转换为热能，分为纯电阻类(即通电的目的只用于发热，如电暖气电热水器等)和非纯电阻类(即通电后电能转化为机械能同时线圈散热，如电风扇等带电动机的电器等)。本专利中的电热转换设备指纯电阻类，认为电热转化系数为常数，用于在热能供应不足时将电能转换为热能，即用于制热调峰。
(3)建立负荷密集型城市智慧园区工业用户负荷建模的运行优化目标和约束条件，构建出负荷密集型城市智慧园区工业用户负荷优化运行模型
本专利研究负荷密集型城市智慧园区工业用户负荷建模从经济性方面予以考虑，建立经济性最优目标函数，即负荷密集型城市智慧园区工业用户负荷系统日运行总费用最小。
负荷密集型城市智慧园区工业用户负荷系统日运行总费用主要包括电网交互的功率费用、燃料费用和系统运行维护费用。
min price＝min(priGrid+prifuel+primaintain) (27)
式(27)中,minprice表示负荷密集型城市智慧园区工业用户负荷系统日运行总费用最小；priGrid表示智慧园区和外部电网的电能交换成本，即电网交互的功率费用；prifuel表示智慧园区内微型燃气轮机和燃气锅炉的燃料成本，即燃料费用；primaintain表示智慧园区能源系统的维护费用，即系统运行维护费用。
其中，智慧园区和外部电网的电能交换成本函数计算公式如下：
Figure GDA0003586793750000151
式(28)中,
Figure GDA0003586793750000152
是逐时电价；
Figure GDA0003586793750000153
是智慧园区和外部电网的逐时电力交换值。
智慧园区内微型燃气轮机和燃气锅炉的燃料成本函数计算公式如下：
Figure GDA0003586793750000154
式(29)中，fCHPi为微型燃气轮机关于功率和使用燃气的函数，单位以kW计算；Pi t为第i台微型燃气轮机在t时刻的电功率输出，单位是kW；
Figure GDA0003586793750000155
是逐时气价；
Figure GDA0003586793750000156
为第i台燃气锅炉在t时刻的出力；ηboileri为第i台燃气锅炉的能量转化效率；t是时间长度，单位是小时；nCHP为微型燃气轮机的总数；nboiler为燃气锅炉的总数。
智慧园区能源系统的维护成本函数计算公式如下：
Figure GDA0003586793750000161
式(30)中，pmCHPi为微型燃气轮机的单位功率运行维护成本；pmdistri为分布式发电设备单位功率运行维护成本；pmstor为蓄热槽的单位功率运行维护成本；pmEH为电热转换设备的单位功率运行维护成本；Pi t为第i台微型燃气轮机在t时刻的电功率输出，单位是kW；
Figure GDA0003586793750000162
为第i台分布式电源在t时刻的电功率输出，单位是kW；
Figure GDA0003586793750000163
和
Figure GDA0003586793750000164
分别为蓄热槽在t时刻的充放热功率，单位是kW；
Figure GDA0003586793750000165
为电热转换设备在t时刻的功率，单位是kW。
2)系统约束条件
智慧园区运行的约束条件包括设备容量约束、功率平衡约束，具体如下：
(1)确定电功率平衡约束函数为：
给出电功率平衡约束函数计算公式如下：
Figure GDA0003586793750000166
式(31)中,
Figure GDA0003586793750000167
是智慧园区和外部电网在t时刻的电力交换值；Pi t为第i台微型燃气轮机在t时刻的电功率输出，单位是kW；
Figure GDA0003586793750000168
为负荷值，单位是kW；
Figure GDA0003586793750000169
为第i台分布式电源在t时刻的电功率输出，单位是kW；
Figure GDA00035867937500001610
为电热转换设备在t时刻的功率，单位是kW。
(2)确定热功率平衡约束函数为：
热功率平衡约束函数计算公式如下：
Figure GDA00035867937500001611
式(32)中,
Figure GDA00035867937500001612
是第i个微型燃气轮机在t时刻的产热值；
Figure GDA00035867937500001613
为第i个燃气锅炉在t时刻的产热值；ηEH、ηout分别为电热转换设备的效率和蓄热槽的放热效率；
Figure GDA00035867937500001614
为智慧园区的逐时热负荷。
(3)确定冷功率平衡约束函数为：
冷功率平衡约束函数计算公式如下：
Figure GDA0003586793750000171
式(33)中,
Figure GDA0003586793750000172
是第i个微型燃气轮机在t时刻通过吸收式制冷机的尾气制冷功率；
Figure GDA0003586793750000173
为空调在t时刻的制冷功率；
Figure GDA0003586793750000174
为智慧园区的逐时冷负荷。
(4)确定智慧园区内设备的容量约束函数计算公式如下：
对于微型燃气轮机约束函数为：
Figure GDA0003586793750000175
式(34)中,Pi min为第i台微型燃气轮机的电功率输出最小值；Pi t为第i台微型燃气轮机在t时刻的电功率输出；Pi max为第i台微型燃气轮机的电功率输出最大值；nCHP为微型燃气轮机总数量。
对于燃气锅炉约束函数为：
Figure GDA0003586793750000176
式(35)中,
Figure GDA0003586793750000177
为第i台燃气锅炉在t时刻的出力；
Figure GDA0003586793750000178
为第i台燃气锅炉的出力最大值；nboiler为燃气锅炉总数量。
对于电热转换设备约束函数为：
Figure GDA0003586793750000179
式(36)中,
Figure GDA00035867937500001710
为电热转换设备在t时刻的功率，单位是kW；
Figure GDA00035867937500001711
为电热转换设备的功率最大值，单位是kW。
对于蓄热槽容量约束函数为：
Figure GDA00035867937500001712
Figure GDA00035867937500001713
Figure GDA00035867937500001714
式(37)、(38)、(39)中,
Figure GDA00035867937500001715
和
Figure GDA00035867937500001716
为t时刻的蓄热槽充放热功率；
Figure GDA00035867937500001717
和
Figure GDA00035867937500001718
为蓄热槽输入和输出功率极限值；
Figure GDA00035867937500001719
为蓄热槽在t时刻的荷热状态；
Figure GDA00035867937500001720
为蓄热槽的最小蓄热值；
Figure GDA00035867937500001721
为蓄热槽的最大蓄热值；
蓄热槽描述的充放热状态是一个动态过程，如下式所示：
Figure GDA0003586793750000181
式(40)中,
Figure GDA0003586793750000182
为蓄热槽在t时刻的荷热状态；ηstor为蓄热槽的保温效率系数；
Figure GDA0003586793750000183
为蓄热槽在t-1时刻的荷热状态；ηin为蓄热槽的充热效率。
(4)对优化运行模型进行求解
本发明构建的负荷密集型城市智慧园区工业用户负荷优化运行模型，以系统总运行成本最小为目标，结合负荷密集型城市智慧园区工业用户负荷建模的约束条件，整体模型为多变量多约束的非线性优化模型，因此采用智能优化算法中的遗传算法求解该模型，故通过MATLAB软件内使用遗传算法求解该优化运行模型，得到的负荷密集型城市智慧园区工业用户综合最优策略能够实现智慧园区内冷、热和电能源之间的高效分配，实现负荷密集型城市智慧园区工业用户的负荷优化运行，为进一步的运行调度提供依据，进而提升智慧园区整体能效。
为了详细分析本专利所提一种负荷密集型城市智慧园区工业用户负荷建模方法对用户优化运行的支撑效果，采用一个智慧园区内典型工业用户供用能系统作为实例场景，该供用能系统由光伏电池、燃气轮机、蓄电池、蓄热槽、燃气锅炉、吸收式制冷机、电压缩式制冷机、电热转换设备组成，对其冬季典型日运行情况和夏季典型日运行情况进行分析，其中负荷密集型城市智慧园区工业用户用能模式示意图如图1所示，系统夏季典型日冷热电负荷曲线如图2所示，系统冬季典型日冷热电负荷曲线如图3所示。
由图2可知，该系统夏季典型日冷热电负荷与过度季节差异较为明显，对空间热负荷和热水负荷的需求较低，对制冷负荷和冷冻负荷的需求较大，电负荷需求较过渡季节差别不大，同样呈现两班制的用能特点。
由图3可知，该系统冬季典型日冷热电负荷曲线与夏季呈现相反的特点，对制冷负荷和冷冻负荷的需求很低，而对空间热负荷和热水负荷的需求很大，其中空间热负荷占用能比重的很大部分。
根据智慧园区内典型工业用户设备特性，建立以经济性为目标函数的负荷密集型城市智慧园区工业用户负荷优化运行模型，该优化模型将以典型日为一个优化周期。分别选取一年中夏季和冬季典型日作为研究对象，该系统包含3种负荷类型：电负荷、冷负荷(包括制冷负荷与冷冻负荷)、热负荷(包括空间热负荷与热水负荷)，求解该优化模型得到不同季节典型日的联供系统供能策略，如图4-图9所示。
(1)夏季典型日智慧园区工业用户供能策略
如图4-图6所示分别是典型工业用户夏季综合最优策略下的电平衡图、热平衡图和冷平衡图。
由优化结果可知，在1至7时段以及23至24时段内，由于电网负荷处于低谷期，电价较为便宜，微型燃气轮机处于停工状态，对冷热电三种负荷需求都不提供，在此时段，电能主要从公网购买，热负荷主要由空调提供，冷负荷主要由储能和电制冷机提供。
由典型工业用户电平衡可知，夏季电负荷需求较大，微型燃气轮机不能满足电能需求，电能主要向公网购买，电制冷机和空调对电负荷的需求不大，与冷负荷需求和热负荷的需求相比，电负荷需求总体平稳，没有出现尖峰现象。
由热负荷平衡和冷负荷平衡可以发现，夏季冷负荷需求较大，热负荷需求较小，其中热负荷尖峰特征明显，其需求主要由微型燃气轮机和空调提供，冷负荷在1至5时段以及11至15时段主要由储能提供，其它时段主要由微型燃气轮机提供。
(2)冬季典型日智慧园区工业用户供能策略
图7-图9分别是典型工业用户冬季综合最优策略下的电平衡图、热平衡图和冷平衡图。
由优化结果可知，在1至7时段以及23至24时段内，由于电网负荷处于低谷期，电价较为便宜，微型燃气轮机处于停工状态，对冷热电三种负荷需求都不提供，在此时段，电能主要从公网购买，热负荷主要由空调提供，冷负荷主要由储能和电制冷机提供。由于微型燃气轮机在额定功率处工作时效率最高，因而微型燃气轮机在7-22时段基本处于满发状态。由电负荷平衡可知，电负荷需求全年较为平稳，总体需求较大，微型燃气轮机供能不足时，由公网提供，电制冷机和空调的贡献较小。
由热负荷平衡和冷负荷平衡可知，冬季热负荷需求较小，微型燃气轮机可以满足大部分需求，微型燃气轮机不工作的时段由空调提供；冬季冷负荷需求较大，储能装置白天储存能量，夜晚满足冷负荷需求。
由以上分析可知，通过在MATLAB软件内使用遗传算法求解该优化运行模型，得到的负荷密集型城市智慧园区工业用户综合最优策略能够实现智慧园区内冷、热和电能源之间的高效分配，实现负荷密集型城市智慧园区工业用户的负荷优化运行，为进一步的运行调度提供依据，进而提升智慧园区整体能效。
以上实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；本发明未涉及的技术均可通过现有技术加以实现。

Claims (8)

1.一种负荷密集型城市智慧园区工业用户负荷建模方法，其特征在于：该建模方法步骤为：
(1)确立负荷密集型城市智慧园区工业用户用能模式；
(2)建立负荷密集型城市智慧园区工业用户用能设备模型；
(3)步骤(2)结合负荷密集型城市智慧园区工业用户负荷建模的运行优化目标和约束条件，构建出负荷密集型城市智慧园区工业用户负荷优化运行模型；
(4)在MATLAB软件内使用遗传算法求解该优化运行模型，获得负荷密集型城市智慧园区工业用户综合最优策略；
所述步骤(3)中的运行优化目标以负荷密集型城市智慧园区工业用户负荷系统日运行总费用最小为经济性最优目标函数，负荷密集型城市智慧园区工业用户负荷系统日运行总费用主要包括电网交互的功率费用、燃料费用和系统运行维护费用：
min price＝min(priGrid+prifuel+primaintain) (27)
式(27)中,minprice表示负荷密集型城市智慧园区工业用户负荷系统日运行总费用最小；priGrid表示智慧园区和外部电网的电能交换成本，即电网交互的功率费用；prifuel表示智慧园区内微型燃气轮机和燃气锅炉的燃料成本，即燃料费用；primaintain表示智慧园区能源系统的维护费用，即系统运行维护费用；
其中，智慧园区和外部电网的电能交换成本函数计算公式如下：
Figure FDA0003586793740000011
式(28)中,
Figure FDA0003586793740000012
是逐时电价；
Figure FDA0003586793740000013
是智慧园区和外部电网的逐时电力交换值；
智慧园区内微型燃气轮机和燃气锅炉的燃料成本函数计算公式如下：
Figure FDA0003586793740000014
式(29)中，fCHPi为微型燃气轮机关于功率和使用燃气的函数，单位以kW计算；Pi t为第i台微型燃气轮机在t时刻的电功率输出，单位是kW；
Figure FDA0003586793740000015
是逐时气价；
Figure FDA0003586793740000016
为第i台燃气锅炉在t时刻的出力；ηboileri为第i台燃气锅炉的能量转化效率；t是时间长度，单位是小时；nCHP为微型燃气轮机的总数；nboiler为燃气锅炉的总数；
智慧园区能源系统的维护成本函数计算公式如下：
Figure FDA0003586793740000021
式(30)中，pmCHPi为微型燃气轮机的单位功率运行维护成本；pmdistri为分布式发电设备单位功率运行维护成本；pmstor为蓄热槽的单位功率运行维护成本；pmEH为电热转换设备的单位功率运行维护成本；Pi t为第i台微型燃气轮机在t时刻的电功率输出，单位是kW；
Figure FDA0003586793740000022
为第i台分布式电源在t时刻的电功率输出，单位是kW；
Figure FDA0003586793740000023
和
Figure FDA0003586793740000024
分别为蓄热槽在t时刻的充放热功率，单位是kW；
Figure FDA0003586793740000025
为电热转换设备在t时刻的功率，单位是kW；
所述步骤(3)中的约束条件包括功率平衡约束和设备容量约束，其中功率平衡约束包括电功率平衡约束、热功率平衡约束和冷功率平衡约束，设备容量约束包括微型燃气轮机容量约束、燃气锅炉容量约束、电热转换设备容量约束和蓄热槽容量约束；
其中电功率平衡约束函数计算公式如下：
Figure FDA0003586793740000026
式(31)中,
Figure FDA0003586793740000027
是智慧园区和外部电网在t时刻的电力交换值；Pi t为第i台微型燃气轮机在t时刻的电功率输出，单位是kW；
Figure FDA0003586793740000028
为t时刻负荷值，单位是kW；
Figure FDA0003586793740000029
为第i台分布式电源在t时刻的电功率输出，单位是kW；
Figure FDA00035867937400000210
为电热转换设备在t时刻的功率，单位是kW；
热功率平衡约束函数计算公式如下：
Figure FDA00035867937400000211
式(32)中,
Figure FDA00035867937400000212
是第i个微型燃气轮机在t时刻的产热值；
Figure FDA00035867937400000213
为第i个燃气锅炉在t时刻的产热值；ηEH、ηout分别为电热转换设备的效率和蓄热槽的放热效率；
Figure FDA00035867937400000214
为智慧园区的逐时热负荷；
冷功率平衡约束函数计算公式如下：
Figure FDA0003586793740000031
式(33)中,
Figure FDA0003586793740000032
是第i个微型燃气轮机通过吸收式制冷机在t时刻的尾气制冷功率；
Figure FDA0003586793740000033
为空调在t时刻的制冷功率；
Figure FDA0003586793740000034
为智慧园区在t时刻的冷负荷；
微型燃气轮机约束函数为：
Pi min≤Pi t≤Pi max,i∈nCHP (34)
式(34)中,Pi min为第i台微型燃气轮机的电功率输出最小值；Pi t为第i台微型燃气轮机在t时刻的电功率输出；Pi max为第i台微型燃气轮机的电功率输出最大值；nCHP为微型燃气轮机总数量；
燃气锅炉约束函数为：
Figure FDA0003586793740000035
式(35)中,
Figure FDA0003586793740000036
为
Figure FDA0003586793740000037
为第i台燃气锅炉的出力；
Figure FDA0003586793740000038
为
Figure FDA0003586793740000039
为第i台燃气锅炉的出力最大值；nboiler为燃气锅炉总数量；
Figure FDA00035867937400000310
式(36)中,
Figure FDA00035867937400000311
为电热转换设备的功率，单位是kW；
Figure FDA00035867937400000312
为电热转换设备的功率最大值，单位是kW；
Figure FDA00035867937400000313
Figure FDA00035867937400000314
Figure FDA00035867937400000315
式(37)、(38)、(39)中,
Figure FDA00035867937400000316
和
Figure FDA00035867937400000317
为t时刻的蓄热槽的充放热功率；
Figure FDA00035867937400000318
和
Figure FDA00035867937400000319
为蓄热槽输入和输出功率极限值；
Figure FDA00035867937400000320
为蓄热槽在t时刻的荷热状态；
Figure FDA00035867937400000321
为蓄热槽的最小蓄热值；
Figure FDA00035867937400000322
为蓄热槽的最大蓄热值；
由于蓄热槽描述的充放热状态是一个动态过程，如下式所示：
Figure FDA00035867937400000323
式(40)中,
Figure FDA00035867937400000324
为蓄热槽在t时刻的荷热状态；ηstor为蓄热槽的保温效率系数；
Figure FDA00035867937400000325
为蓄热槽在t-1时刻的荷热状态；ηin为蓄热槽的充热效率。
2.根据权利要求1所述的负荷密集型城市智慧园区工业用户负荷建模方法，其特征在于：所述步骤(2)中的工业用户供用能系统设备包括光伏电池、燃气轮机、蓄电池、蓄热槽、燃气锅炉、吸收式制冷机、电压缩式制冷机和电热转换设备。
3.根据权利要求2所述的负荷密集型城市智慧园区工业用户负荷建模方法，其特征在于：所述光伏电池的输出功率受外部环境温度和太阳光照强度的影响，设某时段内光照强度服从贝塔分布，则太阳能光照强度分布函数如下：
Figure FDA0003586793740000041
Figure FDA0003586793740000042
Figure FDA0003586793740000043
式(1)、(2)、(3)中，α和β都是贝塔分布的形状参数，G(t)为t时段的光照强度，Γ为伽马函数；Gmax为最大光照强度；μ为贝塔分布的期望；σ2为贝塔分布的方差；
在知道光照强度后，由于光伏出力受外部环境温度和太阳光照强度的影响，光伏电池的输出功率计算式如下：
Figure FDA0003586793740000044
T(t)＝Tair(t)+0.0138·[1+0.031·Tair(t)]·(1-0.042·Vw)·G(t) (5)
Figure FDA0003586793740000045
式(4)、(5)、(6)中，GSTC、TSTC、PSTC分别为标准测试环境下的光照强度、光伏电池温度、最大输出功率，前面两个量值取1Kw/m2和25度；k为光伏电池温度系数；Ppv(t)为光伏输出功率；T(t)为太阳电池表面温度；Tair(t)为环境温度值；Vw为风速；Tmax为该日的温度的最大值，Tmin为该日的温度最小值；tp为平均温度时刻；
根据太阳能光照强度分布函数和光伏电池的输出功率，则推算出光伏电池输出功率的概率密度函数：
Figure FDA0003586793740000051
式(7)中，f(Ppv(t))表示光伏电池输出功率的概率密度函数。
4.根据权利要求2所述的负荷密集型城市智慧园区工业用户负荷建模方法，其特征在于：所述燃气轮机的额定效率随额定容量的增加总体上效率呈增大趋势，则燃气轮机的额定发电效率和制热效率与设备额定容量的拟合曲线函数为：
Figure FDA0003586793740000052
Figure FDA0003586793740000053
Figure FDA0003586793740000054
式(8)、(9)、(10)中，Prat为燃气轮机的额定容量；CGT为燃气轮机初始投资成本；
Figure FDA0003586793740000055
为燃气轮机额定发电效率；
Figure FDA0003586793740000056
为燃气轮机额定制热效率；
由于燃气轮机输出功率特性和燃料消耗之间的关系，其发电效率和制热效率都与设备的部分负载率有关，则燃气轮机的部分负载下的发电效率和制热效率：
Figure FDA0003586793740000057
Figure FDA0003586793740000058
Figure FDA0003586793740000059
Figure FDA00035867937400000510
Figure FDA00035867937400000511
式(11)、(12)、(13)、(14)、(15)中，
Figure FDA00035867937400000512
为燃气轮机发电效率；HPR为燃气轮机热电比；PLR为燃气轮机部分负荷率；PGT为燃气轮机输出功率；
Figure FDA00035867937400000513
为燃气轮机回收的余热量；FGT为燃气轮机燃料消耗量；燃气轮机发电效率系数a＝0.8264、b＝-2.334、c＝2.329、d＝0.1797。
5.根据权利要求2所述的负荷密集型城市智慧园区工业用户负荷建模方法，其特征在于：所述蓄电池的容量数学模型表示为可用电荷和束缚电荷，其中可用负荷能向负荷提供电能、束缚电荷以一定的速度转化成可用电荷，蓄电池任意时段的总电荷量等于可用电荷量与束缚电荷量之和，根据蓄电池实际充放电电量计算出蓄电池在充放电后的可用电荷量和束缚电荷量：
Figure FDA0003586793740000061
Figure FDA0003586793740000062
q＝q1+q2 (18)
Figure FDA0003586793740000063
Figure FDA0003586793740000064
式(16)、(17)、(18)、(19)、(20)中，q为任意时段蓄电池内总电荷量；q1为任意时段蓄电池内可用电荷量；q2为任意时段蓄电池内束缚电荷量；
Figure FDA0003586793740000065
为t时段结束时可用电荷量；
Figure FDA0003586793740000066
为t时段结束时束缚电荷量；b表示可用电荷量占总电荷量的比值；k为比列系数，用于表示
Figure FDA0003586793740000067
转化成
Figure FDA0003586793740000068
的速率；I表示充放电电流；Δt为t时段到t+1时段的时间间隔；
Figure FDA0003586793740000069
表示t时段初始时刻可用电荷量；
Figure FDA00035867937400000610
表示t时段初始时刻束缚电荷量；
Figure FDA00035867937400000611
为总电荷量，其值为
Figure FDA00035867937400000612
由于蓄电池的端电压V取决于蓄电池充放电状态、蓄电池充放电电流、蓄电池可用容量和蓄电池内阻大小，而蓄电池出力大小取决于蓄电池荷电状态和电池电压、以及出力上下限；在给定蓄电池出力的情况下，可由I＝P/V式求得蓄电池在该时段的充放电电流，进而求取蓄电池在该时段的最大充放电能力和蓄电池的荷电状态：
Figure FDA00035867937400000613
Figure FDA00035867937400000614
式(21)、(22)中，
Figure FDA00035867937400000615
为蓄电池t时段的最大放电功率；
Figure FDA00035867937400000616
为蓄电池t时段的最大充电功率；EBT_max表示蓄电池最大储能量；
Figure FDA00035867937400000617
为蓄电池t时段初始可用能量；E0 t为蓄电池t时段总储能量。
6.根据权利要求2所述的负荷密集型城市智慧园区工业用户负荷建模方法，其特征在于：所述的吸收式制冷机将输入的热量转换为冷量输出，转换性能系数取决于输入热量值与输出冷量的比值，称为热力系数，用COPAC表示：
Figure FDA0003586793740000071
式(23)中，QAC表示吸收式制冷机输出的冷量，
Figure FDA0003586793740000072
表示输入吸收式制冷机的热量；
所述的压缩式电制冷机将输入的电能转换为冷量输出，压缩式电制冷机的转换性能系数取决于输入电功率值与输出冷量的比值，称为制冷系数，用COPEC表示：
QEC＝COPEC·PEC (24)
式(24)中，QEC表示压缩式电制冷机输出的冷量，PEC表示输入压缩式电制冷机的热量；所述的燃气锅炉的出力与自身输出特性和负荷情况相关，其制热表达式如下：
QGB＝ηGB·FGB (25)
式(25)中，QGB表示燃气锅炉输出热量，FGB表示输入燃气锅炉的燃料量，ηGB表示燃气锅炉的制热效率；
所述蓄热槽的动态数学模型根据能量平衡关系，由下式表示：
Figure FDA0003586793740000073
式(26)中,Wh(t)为蓄热槽在t时段储存的热量；Δt为t时段到t+1时段的时间间隔，Qch(t)为t时段蓄热功率，Qdisch(t)为t时段放热功率；μh为蓄热槽自身向环境散热损失的能量系数；
Figure FDA0003586793740000074
为蓄热槽的蓄热效率，
Figure FDA0003586793740000075
为蓄热槽放热效率。
7.根据权利要求2所述的负荷密集型城市智慧园区工业用户负荷建模方法，其特征在于：所述的电热转换设备指纯电阻类设备。
8.根据权利要求1所述的负荷密集型城市智慧园区工业用户负荷建模方法，其特征在于：所述步骤(3)中的负荷密集型城市智慧园区工业用户负荷优化运行模型为多变量多约束的非线性优化模型。
CN202011321893.1A 2020-11-23 2020-11-23 一种负荷密集型城市智慧园区工业用户负荷建模方法 Active CN112363395B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011321893.1A CN112363395B (zh) 2020-11-23 2020-11-23 一种负荷密集型城市智慧园区工业用户负荷建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011321893.1A CN112363395B (zh) 2020-11-23 2020-11-23 一种负荷密集型城市智慧园区工业用户负荷建模方法

Publications (2)

Publication Number Publication Date
CN112363395A CN112363395A (zh) 2021-02-12
CN112363395B true CN112363395B (zh) 2022-06-24

Family

ID=74533182

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011321893.1A Active CN112363395B (zh) 2020-11-23 2020-11-23 一种负荷密集型城市智慧园区工业用户负荷建模方法

Country Status (1)

Country Link
CN (1) CN112363395B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113449987A (zh) * 2021-06-28 2021-09-28 上海电机学院 可再生能源配额制下的园区能源系统优化调度方法
CN113688570B (zh) * 2021-08-25 2023-11-10 国网江苏省电力有限公司 园区综合能源系统自动运行的实现方法、装置及设备
CN113822572B (zh) * 2021-09-22 2024-02-13 国网内蒙古东部电力有限公司 考虑能源共享和多风险的园区综合能源系统优化调度方法
CN115239024B (zh) * 2022-09-21 2023-03-24 国网浙江省电力有限公司宁波供电公司 城市区域多元能源供能规划方法
CN116523250A (zh) * 2023-05-08 2023-08-01 上海枢源节能科技有限公司 一种能源调控辅助决策方法
CN116664019B (zh) * 2023-07-28 2023-10-20 成都秦川物联网科技股份有限公司 智慧燃气数据时效性管理方法、物联网系统、装置及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107290968A (zh) * 2017-08-22 2017-10-24 南京南瑞继保电气有限公司 一种多能互补综合能源系统的协调优化控制方法
CN109884898A (zh) * 2019-03-22 2019-06-14 河海大学 一种考虑*效率的综合能源系统多目标模糊优化方法
CN109932903A (zh) * 2019-02-25 2019-06-25 北京妙微科技有限公司 多父代优化网络和遗传算法的风机控制多目标优化方法
CN110244566A (zh) * 2019-06-24 2019-09-17 燕山大学 计及柔性负荷的冷热电联供系统容量优化配置方法
CN110990785A (zh) * 2019-11-27 2020-04-10 江苏方天电力技术有限公司 一种基于多目标的智慧园区综合能源系统优化调度方法
AU2020100429A4 (en) * 2020-03-20 2020-09-10 Southeast University A dynamic optimal energy flow computing method for the combined heat and power system

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107290968A (zh) * 2017-08-22 2017-10-24 南京南瑞继保电气有限公司 一种多能互补综合能源系统的协调优化控制方法
CN109932903A (zh) * 2019-02-25 2019-06-25 北京妙微科技有限公司 多父代优化网络和遗传算法的风机控制多目标优化方法
CN109884898A (zh) * 2019-03-22 2019-06-14 河海大学 一种考虑*效率的综合能源系统多目标模糊优化方法
CN110244566A (zh) * 2019-06-24 2019-09-17 燕山大学 计及柔性负荷的冷热电联供系统容量优化配置方法
CN110990785A (zh) * 2019-11-27 2020-04-10 江苏方天电力技术有限公司 一种基于多目标的智慧园区综合能源系统优化调度方法
AU2020100429A4 (en) * 2020-03-20 2020-09-10 Southeast University A dynamic optimal energy flow computing method for the combined heat and power system

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Le Thi Le.etal.Estimating the Heating Load of Buildings for Smart City Planning Using a Novel Artificial Intelligence Technique PSO-XGBoost..《Applied Sciences》.2019,第9卷(第3期),2714. *

Also Published As

Publication number Publication date
CN112363395A (zh) 2021-02-12

Similar Documents

Publication Publication Date Title
CN112363395B (zh) 一种负荷密集型城市智慧园区工业用户负荷建模方法
Luo et al. Multi-objective capacity optimization of a distributed energy system considering economy, environment and energy
Das et al. Effect of load following strategies, hardware, and thermal load distribution on stand-alone hybrid CCHP systems
CN109474025B (zh) 一种园区级综合能源系统优化调度模型
Liu et al. Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios
CN104716644A (zh) 一种可再生能源冷热电微网系统及控制方法
CN111144707A (zh) 基于能源枢纽的多能源系统协同规划建模方法
CN202210708U (zh) 一种供电系统
Yuan et al. Performance analysis of thermal energy storage in distributed energy system under different load profiles
CN111860937A (zh) 基于改进多目标灰狼算法的冷热电联供型微电网优化方法
CN112446141B (zh) 一种电热综合能源系统双层规划方法
CN112600253B (zh) 基于用能效率最优的园区综合能源协同优化方法及设备
CN206004307U (zh) 能源互联网集成系统
Abbasi et al. Performance assessment of a hybrid solar-geothermal air conditioning system for residential application: energy, exergy, and sustainability analysis
Li et al. Strategy analysis of demand side management on distributed heating driven by wind power
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
Nahavandinezhad et al. Conceptual design of solar/geothermal hybrid system focusing on technical, economic and environmental parameters
CN108197412B (zh) 一种多能源耦合能量管理系统及优化方法
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
CN112696723A (zh) 一种电能代替的分布式清洁供暖系统及其评价方法
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
CN204407890U (zh) 一种可再生能源冷热电微网系统
CN116308875A (zh) 一种掺氢天然气的园区综合能源系统储能规划方法
CN211880098U (zh) 一种光气电储耦合的多能互补供能系统
CN115036953A (zh) 消纳冬季夜间弃风的热泵储能系统及其优化方法

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