CN112613671B - 考虑相变水箱和建筑蓄能的微网分布鲁棒优化调度方法 - Google Patents

考虑相变水箱和建筑蓄能的微网分布鲁棒优化调度方法 Download PDF

Info

Publication number
CN112613671B
CN112613671B CN202011576717.2A CN202011576717A CN112613671B CN 112613671 B CN112613671 B CN 112613671B CN 202011576717 A CN202011576717 A CN 202011576717A CN 112613671 B CN112613671 B CN 112613671B
Authority
CN
China
Prior art keywords
power
day
energy storage
phase change
microgrid
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
CN202011576717.2A
Other languages
English (en)
Other versions
CN112613671A (zh
Inventor
朱兰
李孝均
田泽清
崔楷舜
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.)
Shanghai Electric Power University
Original Assignee
Shanghai Electric Power University
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 Shanghai Electric Power University filed Critical Shanghai Electric Power University
Priority to CN202011576717.2A priority Critical patent/CN112613671B/zh
Publication of CN112613671A publication Critical patent/CN112613671A/zh
Application granted granted Critical
Publication of CN112613671B publication Critical patent/CN112613671B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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"
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D11/00—Central heating systems using heat accumulated in storage masses
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D17/00—Domestic hot-water supply systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D11/00—Central heating systems using heat accumulated in storage masses
    • F24D11/002—Central heating systems using heat accumulated in storage masses water heating system
    • F24D11/004—Central heating systems using heat accumulated in storage masses water heating system with conventional supplementary heat source
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D17/00—Domestic hot-water supply systems
    • F24D17/0026—Domestic hot-water supply systems with conventional heating means
    • 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]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/70—Hybrid systems, e.g. uninterruptible or back-up power supplies integrating renewable energies
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Thermal Sciences (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Combustion & Propulsion (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Feedback Control In General (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种考虑相变水箱和建筑蓄能的微网分布鲁棒优化调度方法，包括以下步骤：1)建立相变储能水箱模型以及建筑蓄能特性模型；2)获得风电误差历史数据，建立风电预测误差的不确定集；3)根据微网的网架结构获取微网的相关参数，并据此建立微网的日前约束和日内约束；4)建立含相变储能水箱并考虑建筑蓄能特性的微网分布鲁棒优化调度模型；5)将含有随机参数的微网分布鲁棒优化调度模型转化为确定性优化模型；6)对确定性优化模型求得最优解作为调度方案进行微网调度。与现有技术相比，本发明具有增加微网的调节弹性、平衡系统运行的鲁棒性与经济性等优点。

Description

考虑相变水箱和建筑蓄能的微网分布鲁棒优化调度方法
技术领域
本发明涉及微网调度领域，尤其是涉及一种考虑相变水箱和建筑蓄能的微网分布鲁棒优化调度方法。
背景技术
微网中的风电存在间歇性和波动性问题，易造成弃风现象，多余的风电常用电储能进行存储，但现有的储电方式都具有其短板，储热具有寿命长，不污染环境，成本低等优点。
在微网的优化运行过程中，考虑热负荷特性差异，建立相变储能水箱模型以及建筑蓄能特性模型，可有效辅助微网消纳风电，风电出力的随机性会影响调度结果，在微网的优化运行过程中，风电的预测误差也需要考虑，因此，需要一种含相变储能水箱并考虑建筑蓄能特性的调度方法来实现微网分布鲁棒优化调度。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑相变水箱和建筑蓄能的微网分布鲁棒优化调度方法。
本发明的目的可以通过以下技术方案来实现：
一种考虑相变水箱和建筑蓄能的微网分布鲁棒优化调度方法，包括以下步骤：
1)建立相变储能水箱模型以及建筑蓄能特性模型；
2)获得风电误差历史数据，建立风电预测误差的不确定集；
3)根据微网的网架结构获取微网的相关参数，并据此建立微网的日前约束和日内约束；
4)建立含相变储能水箱并考虑建筑蓄能特性的微网分布鲁棒优化调度模型；
5)将含有随机参数的微网分布鲁棒优化调度模型转化为确定性优化模型；
6)对确定性优化模型求得最优解作为调度方案进行微网调度。
所述的步骤1)中，相变储能水箱模型的表达式为：
Figure GDA0003487737370000021
其中，Tt pcm、
Figure GDA0003487737370000022
分别为t、t+1时刻的水箱温度，
Figure GDA0003487737370000023
为热网输入功率，Vt cold为t时刻冷水注入量，Tcold为注入冷水的温度，Vw、Vp分别为水箱所蓄水的体积和相变材料的体积，ρw、ρp分别为水与相变材料的密度，ceff为相变材料等效比热容，cw为水的比热容，Δt为时间间隔下标t、t+1分别表示t、t+1时刻。
所述的相变材料等效比热容ceff的计算式为：
Figure GDA0003487737370000024
其中，Ts、Tl分别为相变材料的熔化温度与凝固温度，cs、cl分别为相变材料的固态比热容与液态比热容，Tp为蓄热温度，hp为单位质量相变材料的相变焓值。
所述的步骤1)中，建筑蓄能特性模型的表达式为：
Figure GDA0003487737370000025
其中，cair、cs分别为空气比热容与围护结构比热容，mair、ms分别为空气质量与围护结构质量，dTb/dt为室内温度对时间t的微分，
Figure GDA0003487737370000026
为输送到建筑的热功率，q1为围护结构与外界环境的热量传递，q2为外界空气渗透耗热量，q3为建筑内部得热，K1为围护结构的平均传热系数，F为围护结构的传热面积，Tt b为室内温度，Tt out为外界环境温度，ρair为空气密度，N为换气次数，V为单次换气体积，A为建筑面积，e为单位面积设备用电得热，pe为单位面积人体散热功率。
所述的步骤2)中，通过风电误差历史数据构建初始经验分布，以Wasserstein距离为半径，建立球型模糊不确定集，该不确定集模型表示为：
Figure GDA0003487737370000031
其中，ξ为由风电预测误差组成的向量，ξi为第i个历史预测误差向量，pi为第i个历史数据所对应的概率，||·||为向量的一范数，θ为不确定集的半径，K为历史数据数量，β为置信水平，D为系数，
Figure GDA0003487737370000032
是由每个调度时段风电最大、最小预测误差所组成的最大、最小预测误差向量。
所述的步骤3)中，日前约束包括日前功率平衡约束、日前联络线约束和日前设备约束。
所述的日前功率平衡约束具体为：
Figure GDA0003487737370000033
其中，Pt line为t时刻联络线功率，Pt chp为热电联产机组电功率，Pt w为日前风电调度出力，Pt eb为电锅炉功率，Pt load为t时刻系统电负荷功率，λchp、ηeb为热电联产机组热电比和电锅炉电热转换效率，
Figure GDA0003487737370000034
为水箱功率；
所述的日前联络线约束具体为：
Figure GDA0003487737370000035
其中，
Figure GDA0003487737370000036
分别为联络线最大、最小功率；Ib,t、Is,t分别为与上级电网交互的状态；
所述的日前设备约束具体为：
Figure GDA0003487737370000041
其中，Gt为热电联产机组消耗天然气的量，ηchp为热电联产机组发电效率，
Figure GDA0003487737370000042
分别为热电联产机组功率的上、下限，
Figure GDA0003487737370000043
分别为热电联产机组最大上、下爬坡速率，Hcvng为天然气低热值，
Figure GDA0003487737370000044
分别为电锅炉出力上、下限，
Figure GDA0003487737370000045
分别为电锅炉爬坡上、下限，Pt wind为日前风电预测出力。
所述的步骤3)中，日内约束包括日内功率平衡约束、日内联络线约束、日内设备约束和日内水箱以及室温约束。
所述的日内功率平衡约束具体为：
Figure GDA0003487737370000046
其中，
Figure GDA0003487737370000047
和
Figure GDA0003487737370000048
分别为日内联络线功率、日内热电联产机组功率与日内电锅炉功率，
Figure GDA0003487737370000049
分别为水箱调整功率、热网输入建筑调整热功率，
Figure GDA00034877373700000410
为日内风电调度出力，ΔPt eb为电锅炉调整功率；
所述的日内联络线约束具体为：
Figure GDA00034877373700000411
所述的日内设备约束具体为：
Figure GDA0003487737370000051
其中，ΔPt line、ΔPt chp为联络线调整功率以及热电联产机组出力调整量，ΔPt wind为风电预测误差，Pt wind为日前风电预测出力；
所述的日内水箱以及室温约束具体为：
Figure GDA0003487737370000052
其中，
Figure GDA0003487737370000053
为日内水箱温度，
Figure GDA0003487737370000054
为日内建筑负荷，
Figure GDA0003487737370000055
为日内室温。
所述的步骤4)中，含相变储能水箱并考虑建筑蓄能特性的微网分布鲁棒优化调度模型为两阶段分布鲁棒调度模型，其目标函数表达式为：
Figure GDA0003487737370000056
Figure GDA0003487737370000061
其中，F1、F2、F3、F4分别为购售电成本、购气成本、系统运行成本、日前弃风成本，F1′、F2′、F4′分别为联络线功率调整成本、热电联产机组调整成本和日内弃风成本，x为第一阶段决策变量，y为第二阶段决策变量，X为第一阶段决策变量可行域，Y为第二阶段决策变量可行域，Ω为不确定集，ξ为风电预测误差向量，T为调度时段数，Cb,t、Cs,t为购售电价，Pb,t、Ps,t为购售电功率，Cgas为天然气价格，Cchp、Cw、Ceb为热电联产机组、风机以及电锅炉的单位运行成本，δ为日前弃风惩罚系数，cline、cchp、cwind为相应变量的日内调整惩罚系数。
与现有技术相比，本发明具有以下优点：
本方法结合了传统鲁棒与随机规划算法的优点，不忽略概率分布信息，较于SA算法，鲁棒性更强，较于RO算法，经济性更优，且能通过增减样本数量以及调整不确定集的半径来平衡模型的鲁棒性和经济性
附图说明
图1为微网系统结构图。
图2为风电以及负荷预测图。
图3为水箱温度及相变材料液相率。
图4为室温曲线图。
图5为设备电出力。
图6为热出力与计算热负荷。
图7为系统的总成本随样本数和置信度的变化。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
本发明提出一种考虑相变储能水箱和建筑蓄能的微网分布鲁棒优化调度方法，基于相变材料特性建立相变储能水箱热力学模型；分析了建筑负荷特性，建立建筑温度动态模型；运用基于Wasserstein距离的分布鲁棒算法，建立风电预测误差不确定集，并且建立了含相变储能水箱并考虑建筑蓄能特性的微网两阶段分布鲁棒优化调度模型，具体包括以下步骤：
(1)建立相变储能水箱模型以及建筑蓄能特性模型；
(2)获得风电误差历史数据，建立风电预测误差的不确定集；
(3)获取微网的能源种类、成本系数、设备参数、负荷功率大小、风电预测出力信息；
(4)根据已获得的微网相关参数，建立微网中各设备的模型及约束式；
(5)建立含相变储能水箱并考虑建筑蓄能特性的微网分布鲁棒优化调度模型；
(6)将含有随机参数的微网分布鲁棒优化调度模型转化为确定性优化模型；
(7)采用cplex软件编程求得最优解，进行微网调度。
本发明在优化调度的过程中根据用户热负荷的特异性，将热负荷分为热水负荷与建筑供暖负荷，微网内含相变储能水箱并考虑了建筑蓄能特性，可辅助消纳风电，在步骤(1)中，相变材料在大量储存热量，可近似认为存储和释放过程均为线性，相变材料等效比热容如式(1)所示：
Figure GDA0003487737370000071
其中：Ts、Tl分别为相变材料熔化温度与凝固温度，cs、cl为相变材料的固态比热容与液态比热容，Tp为蓄热温度，hp为单位质量相变材料相变焓值。
在固液相的交界区内，可用液相率φ(liquid fraction)来描述相变材料的熔化程度：
Figure GDA0003487737370000081
根据能流关系，列写水箱温度与交换热功率的关系如式(3)所示：
Figure GDA0003487737370000082
其中：Tt pcm为t时刻水箱温度，
Figure GDA0003487737370000083
为热网输入功率，Vt cold为t时刻冷水注入量，Tcold为注入冷水的温度，Vw、Vp分别为水箱所蓄水的体积和相变材料的体积，ρw、ρp分别为水与相变材料的密度。
建筑具有一定的热容量，当微网与建筑的交互功率发生变化时，室内温度相对变化较为缓慢。室温变化如式(4)所示：
Figure GDA0003487737370000084
其中：cair、cs为空气比热容与围护结构比热容，mair、ms为空气质量与围护结构质量，dTb/dt为室内温度对时间的微分，
Figure GDA0003487737370000085
为输送到建筑的热功率，q1为围护结构与外界环境的热量传递，q2为外界空气渗透耗热量，q3为建筑内部得热，K1表示围护结构的平均传热系数，F表示围护结构的传热面积，Tt b为室内温度，Tt out为外界环境温度，ρair为空气密度，N为换气次数，V为单次换气体积，A为建筑面积，e为单位面积设备用电得热，pe为单位面积人体散热功率。
在步骤(2)中，通过历史数据构建初始经验分布，以Wasserstein距离为半径，建立球型模糊不确定集，不确定集模型如下：
Figure GDA0003487737370000091
其中：ξ是由风电预测误差组成的1x24维向量，ξi为第i个历史预测误差向量，pi为历史数据所对应的概率，||·||为向量的一范数，θ为不确定集的半径，K为历史数据数量，β为置信水平，D为系数，
Figure GDA0003487737370000092
是由每个调度时段风电最大最小预测误差所组成的最大最小预测误差向量。
在步骤(3)中，微网的网架结构包括：微网中的能源种类，设备种类，以及储能的设备种类，本发明考虑的微网系统结构如图1所示，系统内主要包括风机(wind turbine，WT)、微燃机(micro turbine，MT)、电锅炉(electrical boiler，EB)、相变储能水箱等单元。
在步骤(4)中，根据所述的微网的架构信息，列写微网的日前功率平衡方程如式(6)所示：
Figure GDA0003487737370000093
其中：Pt line为t时刻联络线功率，Pt chp为热电联产机组电功率，Pt w为日前风电调度出力，Pt eb为电锅炉功率，Pt load为t时刻系统电负荷功率，λchp、ηeb为热电联产机组热电比和电锅炉电热转换效率，
Figure GDA0003487737370000094
为水箱功率。
列写日前联络线约束如式(7)所示：
Figure GDA0003487737370000095
其中：
Figure GDA0003487737370000096
为联络线最大最小功率，Ib,t、Is,t表示与上级电网交互的状态。
根据设备的相关参数，列写日前各设备约束如式(8)所示：
Figure GDA0003487737370000101
其中：ηchp为热电联产机组发电效率，
Figure GDA0003487737370000102
分别为热电联产机组功率的上下限，
Figure GDA0003487737370000103
分别为热电联产机组最大上下爬坡速率，Hcvng为天然气低热值，
Figure GDA0003487737370000104
分别为电锅炉出力上下限，
Figure GDA0003487737370000105
分别为电锅炉爬坡上下限，Pt wind为日前风电预测出力。
根据日内风电预测误差信息，列写日内功率平衡约束：
Figure GDA0003487737370000106
其中：
Figure GDA0003487737370000107
和
Figure GDA0003487737370000108
分别表示日内联络线功率、日内热电联产机组功率与日内电锅炉功率，
Figure GDA0003487737370000109
分别为水箱调整功率、热网输入建筑调整热功率。
列写日内联络线约束：
Figure GDA00034877373700001010
列写日内设备约束：
Figure GDA00034877373700001011
其中：ΔPt line、ΔPt chp为联络线调整功率以及热电联产机组出力调整量，ΔPt wind、
Figure GDA0003487737370000111
分别为风电预测误差和日内风电调度出力。
列写日内水箱以及室温约束：
Figure GDA0003487737370000112
其中：
Figure GDA0003487737370000113
为日内水箱温度，
Figure GDA0003487737370000114
为日内建筑负荷，
Figure GDA0003487737370000115
为日内室温。
在步骤(5)中，微网分布鲁棒优化调度模型的目标函数如式(13)所示：
微网两阶段模型的目标函数如下：
Figure GDA0003487737370000116
各项成本如式(14)所示：
Figure GDA0003487737370000117
其中：T为调度时段数，Cb,t、Cs,t为购售电价，Pb,t、Ps,t为购售电功率，Cgas、Gt为天然气价格和热电联产机组消耗天然气的量，Cchp、Cw、Ceb为热电联产机组、风机以及电锅炉的单位运行成本，δ为日前弃风惩罚系数，cline、cchp、cwind为相应变量的日内调整惩罚系数。
在步骤(6)中，本发明所建立两阶段分布鲁棒调度模型为线性模型，可表示为一般线性形式，其中，x为第一阶段决策变量，y为第二阶段决策变量，模型列写如下：
Figure GDA0003487737370000121
Figure GDA0003487737370000122
根据强对偶理论，将第二阶段模型进行转化，获得其对等问题：
Figure GDA0003487737370000123
Figure GDA0003487737370000124
其中：λ、τi与
Figure GDA0003487737370000125
为引入的对偶变量，无实际物理意义，||·||*为对偶范数，1范数的对偶范数为无穷范数。
将相关约束改写为矩阵形式：
Figure GDA0003487737370000126
对模型(17)相关约束进行转化：
Figure GDA0003487737370000131
其中：γi为引入的决策向量。
最终，微网两阶段分布鲁棒模型可转化为以下模型：
Figure GDA0003487737370000132
Figure GDA0003487737370000133
应用实例
以图1所示结构为例，调度总时间为一天，单位调度时间为1h。本方法的主网购售电价为分时电价，设备参数参见表1。网内建筑为一体化大型建筑，建筑总面积为5000m2，维护结构面积为14000m2，含一个相变储能水箱，相关参数参见表2。风电以及负荷预测参见图2。历史风电预测误差数据共2000组，不确定集置信度设置为0.5。
表1微网设备运行参数
Figure GDA0003487737370000134
表2水箱以及建筑相关参数
Figure GDA0003487737370000135
Figure GDA0003487737370000141
本例采用cplex求解相关模型，获得调度结果，相变储能水箱温度以及相变材料液相率如图3所示；调度所得室内温度如图4所示。
在整个调度周期内，相变储能水箱温度始终维持在55℃到70℃之间，可有效为用户供应热水。在6时，经过夜间蓄热，相变材料液相率全天最高，为95％，处于热水负荷第一个高峰前。经过第一个热水负荷高峰，水箱温度下降。在11～14时，水箱再次进行蓄热，经过第二个热水负荷高峰，水箱温度急速下降。在20时，相变材料液相率全天最低，仅为4.7％。相变储能水箱在调度周期内未出现蓄热量耗尽或者过充等情况，具有大容量长时间储热能力。建筑室内温度在18～24℃的人体舒适温度范围内波动，并不影响用户体验。
各设备电功率如图5所示，热功率与计算热负荷如图6所示。其中热水负荷功率与建筑负荷功率是根据调度结果中的水箱温度以及室内温度计算得出。
由图6曲线可知，热电联产机组与电锅炉的热出力不受到热水负荷以及建筑负荷的严格制约，不与其严格保持一致，而是与风电的预测曲线具有较高的相关性。热水负荷多集中在早上7～9时以及晚上16～20时，而建筑负荷由建筑内外温差热传递、空气渗透以及建筑内部得热三部分组成，主要与外界环境温度相关，对于典型冬季日来说，夜间温差较大，建筑负荷较高，在午时，室内外温差较小，热负荷也较低。风电出力多集中在夜间，此时负荷总体需求低，多余的风电通常仅能售给上级电网或者弃掉，主网电价处于谷时段，售电效益较为有限。在考虑水箱与建筑的蓄能特性模型中，多余的风电可通过电锅炉转化为热能，由水箱与建筑进行存储。在风电出力较低的午时，热水负荷与建筑负荷也都处于较低水平，由于水箱与建筑的储热作用，在不影响供水与供暖的前提下，机组热出力范围扩大，相应的机组电出力的范围也有效拓宽，此时主网电价较高，热电联产机组可向电网进行售电获利。对比热电联产机组传统的“以热定电”运行模其中，热电联产机组的出力不受到热负荷的严格约束，一定程度上的实现“热电解耦”功能。对于热负荷来说，负荷的时间分布特性被改变，热水负荷与建筑负荷集中到风电出力较大的夜间以及热电联产机组出力较高的午时，有效的增加系统调度的经济性。
将本发明方法模型与样本平均值模型(sample average，SA)以及鲁棒模型(robust optimization，RO)进行对比，鲁棒不确定集采用盒式不确定集。分别设置样本数量为100，500，1000，1500，2000，不确定集置信度分别取0，0.25，0.5，0.75；求解本方法模型。
由图7可知，本方法模型成本介于SA模型与RO模型之间。随着样本个数增加，系统总成本在降低，且在历史数据样本数量大于500时趋于稳定。这是由于样本数量的增加，概率分布会逐步趋近于真实分布，问题的保守度会降低，经济性更优。此外，在相同样本数量的基础上，随着不确定集置信度的增大，系统总成本会增大。当置信度较小时，调度成本趋近于SA模型，当置信度较大时，模型的解更趋向于RO。尤其当Wasserstein半径等于0时，不确定集仅含有经验分布，本方法模型会退化成为随机优化模型。而随着Wasserstein半径增大，模型中的不确定性会增加，系统需要调用更多资源去应对风电不确定性，调度总成本也相应增大，模型的鲁棒性则会更强。本方法结合了传统鲁棒与随机规划算法的优点，不忽略概率分布信息，较于SA算法，鲁棒性更强，较于RO算法，经济性更优，且能通过增减样本数量以及调整不确定集的半径来平衡模型的鲁棒性和经济性。

Claims (1)

1.一种考虑相变水箱和建筑蓄能的微网分布鲁棒优化调度方法，其特征在于，包括以下步骤：
1)建立相变储能水箱模型以及建筑蓄能特性模型，相变储能水箱模型的表达式为：
Figure FDA0003487737360000011
其中，Tt pcm、
Figure FDA0003487737360000012
分别为t、t+1时刻的水箱温度，
Figure FDA0003487737360000013
为热网输入功率，Vt cold为t时刻冷水注入量，Tcold为注入冷水的温度，Vw、Vp分别为水箱所蓄水的体积和相变材料的体积，ρw、ρp分别为水与相变材料的密度，ceff为相变材料等效比热容，cw为水的比热容，Δt为时间间隔下标t、t+1分别表示t、t+1时刻；
所述的相变材料等效比热容ceff的计算式为：
Figure FDA0003487737360000014
其中，Ts、Tl分别为相变材料的熔化温度与凝固温度，cs、cl分别为相变材料的固态比热容与液态比热容，Tp为蓄热温度，hp为单位质量相变材料的相变焓值；
建筑蓄能特性模型的表达式为：
Figure FDA0003487737360000015
其中，cair、cs分别为空气比热容与围护结构比热容，mair、ms分别为空气质量与围护结构质量，dTb/dt为室内温度对时间t的微分，
Figure FDA0003487737360000021
为输送到建筑的热功率，q1为围护结构与外界环境的热量传递，q2为外界空气渗透耗热量，q3为建筑内部得热，K1为围护结构的平均传热系数，F为围护结构的传热面积，Tt b为室内温度，Tt out为外界环境温度，ρair为空气密度，N为换气次数，V为单次换气体积，A为建筑面积，e为单位面积设备用电得热，pe为单位面积人体散热功率；
2)获得风电误差历史数据，建立风电预测误差的不确定集，通过风电误差历史数据构建初始经验分布，以Wasserstein距离为半径，建立球型模糊不确定集，该不确定集模型表示为：
Figure FDA0003487737360000022
其中，ξ为由风电预测误差组成的向量，ξi为第i个历史预测误差向量，pi为第i个历史数据所对应的概率，||·||为向量的一范数，θ为不确定集的半径，K为历史数据数量，β为置信水平，D为系数，
Figure FDA0003487737360000023
是由每个调度时段风电最大、最小预测误差所组成的最大、最小预测误差向量；
3)根据微网的网架结构获取微网的相关参数，并据此建立微网的日前约束和日内约束，日前约束包括日前功率平衡约束、日前联络线约束和日前设备约束，所述的日前功率平衡约束具体为：
Figure FDA0003487737360000024
其中，Pt line为t时刻联络线功率，Pt chp为热电联产机组电功率，Pt w为日前风电调度出力，Pt eb为电锅炉功率，Pt load为t时刻系统电负荷功率，λchp、ηeb为热电联产机组热电比和电锅炉电热转换效率，Qt pcm为水箱功率；
所述的日前联络线约束具体为：
Figure FDA0003487737360000031
其中，
Figure FDA0003487737360000032
分别为联络线最大、最小功率；Ib,t、Is,t分别为与上级电网交互的状态；
所述的日前设备约束具体为：
Figure FDA0003487737360000033
其中，Gt为热电联产机组消耗天然气的量，ηchp为热电联产机组发电效率，
Figure FDA0003487737360000034
分别为热电联产机组功率的上、下限，
Figure FDA0003487737360000035
分别为热电联产机组最大上、下爬坡速率，Hcvng为天然气低热值，
Figure FDA0003487737360000036
分别为电锅炉出力上、下限，
Figure FDA0003487737360000037
分别为电锅炉爬坡上、下限，Pt wind为日前风电预测出力；
日内约束包括日内功率平衡约束、日内联络线约束、日内设备约束和日内水箱以及室温约束；
所述的日内功率平衡约束具体为：
Figure FDA0003487737360000038
其中，
Figure FDA0003487737360000039
和
Figure FDA00034877373600000310
分别为日内联络线功率、日内热电联产机组功率与日内电锅炉功率，
Figure FDA00034877373600000311
分别为水箱调整功率、热网输入建筑调整热功率，
Figure FDA00034877373600000312
为日内风电调度出力，ΔPt eb为电锅炉调整功率；
所述的日内联络线约束具体为：
Figure FDA0003487737360000041
所述的日内设备约束具体为：
Figure FDA0003487737360000042
其中，ΔPt line、ΔPt chp为联络线调整功率以及热电联产机组出力调整量，ΔPt wind为风电预测误差，Pt wind为日前风电预测出力；
所述的日内水箱以及室温约束具体为：
Figure FDA0003487737360000043
其中，
Figure FDA0003487737360000044
为日内水箱温度，
Figure FDA0003487737360000045
为日内建筑负荷，
Figure FDA0003487737360000046
为日内室温；
4)建立含相变储能水箱并考虑建筑蓄能特性的微网分布鲁棒优化调度模型，含相变储能水箱并考虑建筑蓄能特性的微网分布鲁棒优化调度模型为两阶段分布鲁棒调度模型，其目标函数表达式为：
Figure FDA0003487737360000047
Figure FDA0003487737360000051
其中，F1、F2、F3、F4分别为购售电成本、购气成本、系统运行成本、日前弃风成本，F1′、F2′、F4′分别为联络线功率调整成本、热电联产机组调整成本和日内弃风成本，x为第一阶段决策变量，y为第二阶段决策变量，X为第一阶段决策变量可行域，Y为第二阶段决策变量可行域，Ω为不确定集，ξ为风电预测误差向量，T为调度时段数，Cb,t、Cs,t为购售电价，Pb,t、Ps,t为购售电功率，Cgas为天然气价格，Cchp、Cw、Ceb为热电联产机组、风机以及电锅炉的单位运行成本，δ为日前弃风惩罚系数，cline、cchp、cwind为相应变量的日内调整惩罚系数；
5)将含有随机参数的微网分布鲁棒优化调度模型转化为确定性优化模型；
6)对确定性优化模型求得最优解作为调度方案进行微网调度。
CN202011576717.2A 2020-12-28 2020-12-28 考虑相变水箱和建筑蓄能的微网分布鲁棒优化调度方法 Active CN112613671B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011576717.2A CN112613671B (zh) 2020-12-28 2020-12-28 考虑相变水箱和建筑蓄能的微网分布鲁棒优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011576717.2A CN112613671B (zh) 2020-12-28 2020-12-28 考虑相变水箱和建筑蓄能的微网分布鲁棒优化调度方法

Publications (2)

Publication Number Publication Date
CN112613671A CN112613671A (zh) 2021-04-06
CN112613671B true CN112613671B (zh) 2022-04-01

Family

ID=75248232

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011576717.2A Active CN112613671B (zh) 2020-12-28 2020-12-28 考虑相变水箱和建筑蓄能的微网分布鲁棒优化调度方法

Country Status (1)

Country Link
CN (1) CN112613671B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221299B (zh) * 2021-04-28 2022-04-22 清华大学 一种蓄热式电锅炉参与电力系统调峰的运行优化方法
CN114301072B (zh) * 2021-11-22 2024-06-18 深圳供电局有限公司 微网调度方法
CN113962612B (zh) * 2021-11-25 2024-06-11 东北电力大学 基于改进Wasserstein测度的电热联合系统分布鲁棒优化调度方法
CN114819700B (zh) * 2022-05-12 2023-07-18 国网能源研究院有限公司 区域能源互联网分布式鲁棒经济调度方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107622324A (zh) * 2017-09-01 2018-01-23 燕山大学 一种考虑多微网能量交互的鲁棒环境经济调度方法
CN109088442A (zh) * 2018-10-29 2018-12-25 国网山东省电力公司日照供电公司 多时间尺度下考虑多种储能的微能源网优化调度模型
CN109193636A (zh) * 2018-10-08 2019-01-11 华东交通大学 一种基于分类不确定集的电力系统环境经济鲁棒调度方法
CN111210054A (zh) * 2019-12-22 2020-05-29 上海电力大学 一种考虑直接负荷控制不确定性的微能源网优化调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107622324A (zh) * 2017-09-01 2018-01-23 燕山大学 一种考虑多微网能量交互的鲁棒环境经济调度方法
CN109193636A (zh) * 2018-10-08 2019-01-11 华东交通大学 一种基于分类不确定集的电力系统环境经济鲁棒调度方法
CN109088442A (zh) * 2018-10-29 2018-12-25 国网山东省电力公司日照供电公司 多时间尺度下考虑多种储能的微能源网优化调度模型
CN111210054A (zh) * 2019-12-22 2020-05-29 上海电力大学 一种考虑直接负荷控制不确定性的微能源网优化调度方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
基于热网变负荷过程的热用户室内温度动态特性分析;刘伟等;《汽轮机技术》;20160430;第128-130页 *
新型结构相变蓄热水箱模型研究及应用分析;周跃宽等;《建筑科学》;20170228;第27-33页 *
考虑直接负荷控制不确定性的微能源网鲁棒优化运行;朱兰等;《电网技术》;20200430;第1400-1409页 *
计及可中断负荷的微电网多目标优化运行;朱兰等;《电网技术》;20170630;第1847-1852页 *
计及电热混合储能的多源微网自治优化运行模型;滕云等;《中国电机工程学报》;20190920;第5317-5324页 *
计及电转气精细化模型的综合能源系统鲁棒随机优化调度;朱兰等;《电网技术》;20190131;第116-124页 *

Also Published As

Publication number Publication date
CN112613671A (zh) 2021-04-06

Similar Documents

Publication Publication Date Title
CN112613671B (zh) 考虑相变水箱和建筑蓄能的微网分布鲁棒优化调度方法
Wu et al. Combined economic dispatch considering the time-delay of district heating network and multi-regional indoor temperature control
Ferrario et al. A model-based parametric and optimal sizing of a battery/hydrogen storage of a real hybrid microgrid supplying a residential load: Towards island operation
Yang et al. Energy regulating and fluctuation stabilizing by air source heat pump and battery energy storage system in microgrid
Trifkovic et al. Dynamic real‐time optimization and control of a hybrid energy system
CN107992963A (zh) 基于多能流系统双层规划模型协调双边利益的优化方法
Chen et al. Day-ahead scheduling of distribution level integrated electricity and natural gas system based on fast-ADMM with restart algorithm
CN107994609B (zh) 考虑压缩空气储能的风电并网备用整定方法及装置
Hug-Glanzmann Coordination of intermittent generation with storage, demand control and conventional energy sources
Wu et al. A two-stage rolling optimization strategy for park-level integrated energy system considering multi-energy flexibility
CN112381375A (zh) 一种基于潮流分配矩阵的电网经济运行域快速生成方法
CN114742314A (zh) 一种考虑相关性的电热综合能源系统分布鲁棒优化方法
CN115293442A (zh) 一种基于分布鲁棒优化的水风光能源系统均衡调度模型
CN116070740A (zh) 综合能源系统的优化运行方法、装置和计算机设备
Mohseni et al. A multi-agent approach to optimal sizing of a combined heating and power microgrid
CN112541612B (zh) 一种基于多网耦合的虚拟电厂经济优化调度方法
CN114037337A (zh) 一种基于模型预测控制的微能源网优化调度方法及系统
CN111985165B (zh) 一种计及智能楼宇热储特性的电热综合能源系统调度方法
CN117040027A (zh) 一种农村虚拟电厂的协调优化方法和装置
Dong et al. A multi-timescale optimal operation strategy for an integrated energy system considering integrated demand response and equipment response time
Yu et al. Wind-CHP generation aggregation with storage capability of district heating network
CN109995082A (zh) 计及风光波动的建筑相变储能电热联合调度方法
Dong et al. Novel PCM integration with electrical heat pump for demand response
CN112767189B (zh) 一种计及风电并网下电网灵活性评估方法
CN112583053A (zh) 一种含分布式风电的微网能量优化调度方法

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