CN112950098B - 基于综合能源系统的能源规划方法、装置及终端设备 - Google Patents
基于综合能源系统的能源规划方法、装置及终端设备 Download PDFInfo
- Publication number
- CN112950098B CN112950098B CN202110476375.5A CN202110476375A CN112950098B CN 112950098 B CN112950098 B CN 112950098B CN 202110476375 A CN202110476375 A CN 202110476375A CN 112950098 B CN112950098 B CN 112950098B
- Authority
- CN
- China
- Prior art keywords
- load
- model
- energy
- energy system
- demand
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000004044 response Effects 0.000 claims abstract description 51
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 230000008878 coupling Effects 0.000 claims description 39
- 238000010168 coupling process Methods 0.000 claims description 39
- 238000005859 coupling reaction Methods 0.000 claims description 39
- 230000005611 electricity Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 16
- 239000007789 gas Substances 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 15
- 238000012797 qualification Methods 0.000 claims description 14
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 8
- 239000000446 fuel Substances 0.000 claims description 8
- 238000007726 management method Methods 0.000 claims description 8
- 239000002918 waste heat Substances 0.000 claims description 8
- WKBOTKDWSSQWDR-UHFFFAOYSA-N Bromine atom Chemical compound [Br] WKBOTKDWSSQWDR-UHFFFAOYSA-N 0.000 claims description 6
- GDTBXPJZTBHREO-UHFFFAOYSA-N bromine Substances BrBr GDTBXPJZTBHREO-UHFFFAOYSA-N 0.000 claims description 6
- 229910052794 bromium Inorganic materials 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 239000003345 natural gas Substances 0.000 claims description 5
- 238000005057 refrigeration Methods 0.000 claims description 4
- 238000011234 economic evaluation Methods 0.000 claims description 3
- 238000001303 quality assessment method Methods 0.000 claims description 3
- 239000002994 raw material Substances 0.000 claims description 3
- 230000035484 reaction time Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 13
- 239000002699 waste material Substances 0.000 abstract description 5
- 238000012937 correction Methods 0.000 description 24
- 230000008859 change Effects 0.000 description 19
- 238000001556 precipitation Methods 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000001816 cooling Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 7
- 238000010438 heat treatment Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000013519 translation Methods 0.000 description 5
- 238000004146 energy storage Methods 0.000 description 4
- 238000005338 heat storage Methods 0.000 description 4
- 229910052739 hydrogen Inorganic materials 0.000 description 4
- 239000001257 hydrogen Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 241000196324 Embryophyta Species 0.000 description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000002688 persistence Effects 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 240000002627 Cordeauxia edulis Species 0.000 description 1
- 206010016334 Feeling hot Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000002844 continuous effect Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000003102 growth factor Substances 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于综合能源技术领域,公开了一种基于综合能源系统的能源规划方法、装置及终端设备,上述方法包括:基于综合能源系统的各类供能设备的运行特性和出力特性,构建典型设备出力模型;基于综合能源系统的需求侧的各类用户的负荷特性和多样性特性,构建负荷侧需求响应模型;基于综合能源系统的优化目标,构建负荷可调裕度模型;基于典型设备出力模型、负荷侧需求响应模型和负荷可调裕度模型,确定综合能源系统的供需双侧的协调关系;根据综合能源系统的供需双侧的协调关系进行能源规划。本发明能够根据供需双侧的协调关系进行能源规划,可以避免资源浪费及用能不合理的情况发生。
Description
技术领域
本发明属于综合能源技术领域,尤其涉及一种基于综合能源系统的能源规划方法、装置及终端设备。
背景技术
综合能源系统是指在某一区域的规划、建设和运行等过程中,通过对能源的产生、传输、分配、转换、存储、消费等环节进行有机协调与优化后所形成的能源产供销一体化系统。作为新一代能源系统的重要形式,它涵盖了供电、供热和供气等能源系统,在源、网、荷等不同环节实现了不同类型能源的耦合,具有运行方式灵活、低碳高效、可再生能源消纳率高等优点,受到人们的高度重视。
目前,能源规划方法以保障供给为原则,通过不断扩大供应侧的能力满足需求,但是这种方法易造成资源的浪费和用能的不合理。
发明内容
有鉴于此,本发明实施例提供了一种基于综合能源系统的能源规划方法、装置及终端设备,以解决现有技术易造成资源的浪费和用能的不合理的问题。
本发明实施例的第一方面提供了一种基于综合能源系统的能源规划方法,包括:
基于综合能源系统的各类供能设备的运行特性和出力特性,构建典型设备出力模型;
基于综合能源系统的需求侧的各类用户的负荷特性和多样性特性,构建负荷侧需求响应模型;
基于综合能源系统的优化目标,构建负荷可调裕度模型;
基于典型设备出力模型、负荷侧需求响应模型和负荷可调裕度模型,确定综合能源系统的供需双侧的协调关系;
根据综合能源系统的供需双侧的协调关系进行能源规划。
本发明实施例的第二方面提供了一种基于综合能源系统的能源规划装置,包括:
第一模型构建模块,用于基于综合能源系统的各类供能设备的运行特性和出力特性,构建典型设备出力模型;
第二模型构建模块,用于基于综合能源系统的需求侧的各类用户的负荷特性和多样性特性,构建负荷侧需求响应模型;
第三模型构建模块,用于基于综合能源系统的优化目标,构建负荷可调裕度模型;
协调关系确定模块,用于基于典型设备出力模型、负荷侧需求响应模型和负荷可调裕度模型,确定综合能源系统的供需双侧的协调关系;
能源规划模块,用于根据综合能源系统的供需双侧的协调关系进行能源规划。
本发明实施例的第三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,处理器执行计算机程序时实现如第一方面所述的基于综合能源系统的能源规划方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被一个或多个处理器执行时实现如第一方面所述的基于综合能源系统的能源规划方法的步骤。
本发明实施例与现有技术相比存在的有益效果是:本发明实施例通过基于综合能源系统的各类供能设备的运行特性和出力特性,构建典型设备出力模型,基于综合能源系统的需求侧的各类用户的负荷特性和多样性特性,构建负荷侧需求响应模型,基于综合能源系统的优化目标,构建负荷可调裕度模型,基于典型设备出力模型、负荷侧需求响应模型和负荷可调裕度模型,确定综合能源系统的供需双侧的协调关系,根据综合能源系统的供需双侧的协调关系进行能源规划,能够根据供需双侧的协调关系进行能源规划,可以避免资源浪费及用能不合理的情况发生。
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是本发明一实施例提供的基于综合能源系统的能源规划方法的实现流程示意图;
图2是本发明一实施例提供的工业园区的工业电需求典型日负荷的示意图;
图3是本发明一实施例提供的工业园区的工业冷、热需求典型日负荷的示意图;
图4是本发明一实施例提供的基于综合能源系统的能源规划装置的示意框图;
图5是本发明一实施例提供的终端设备的示意框图。
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,以便透彻理解本申请实施例。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申请。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申请的描述。
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。
图1是本发明一实施例提供的基于综合能源系统的能源规划方法的实现流程示意图,为了便于说明,仅示出了与本发明实施例相关的部分。本发明实施例的执行主体可以是终端设备。
如图1所示,上述基于综合能源系统的能源规划方法可以包括以下步骤:
S101:基于综合能源系统的各类供能设备的运行特性和出力特性,构建典型设备出力模型。
其中,供能设备即供给侧设备,可以包括风机设备、光伏发电设备、储能电池设备、冰蓄冷设备、储热设备、电锅炉、电制冷机、地源热泵、双工况电制冷机、蓄热式电锅炉、燃气锅炉设备、燃气轮机、余热锅炉和吸收式制冷机等设备中的至少两个。供能设备还可以包括蓄热罐、储气罐、氢燃料电池、电制氢设备等。
可选地,典型设备出力模型包括典型独立设备出力模型和典型耦合设备出力模型。
在本发明的一个实施例中,上述S101可以包括以下步骤:
将综合能源系统的各类供能设备分为独立型设备和耦合型设备;
从独立型设备中选取典型独立设备,构建典型独立设备出力模型;
从耦合型设备中选取典型耦合设备,构建典型耦合设备出力模型。
具体地,可以按照承载的能质类型对供能设备进行分类,分为独立型设备和耦合型设备。独立型设备中电/热/气/冷维持自身特有的能质属性,不存在异质能流之间的耦合转化和互补利用;耦合型设备则可以实现电/热/气/冷相互间的转化利用。
独立型设备可以分为独立型电力设备、独立型热力设备和独立型天然气设备。独立型电力设备可以包括风机设备、光伏设备和储能电池设备等;独立型热力设备可以包括蓄热罐等,独立型天然气设备包括储气罐等。
耦合型设备可以分为电-热/电-冷耦合设备、电-气耦合设备、气-热/气-冷耦合设备、电-热-气耦合设备和电-气-热-冷耦合设备。电-热/电-冷耦合设备可以包括电锅炉、地缘热泵和冰蓄冷空调等;电-气耦合设备可以包括燃气轮机、氢燃料电池和电制氢设备等;气-热/气-冷耦合设备可以包括燃气锅炉模型、余热锅炉模型和吸收式制冷机模型等;电-热-气耦合设备可以包括CHP(Combined Heat and Power,热电联产)系统等;电-气-热-冷耦合设备包括CCHP(Combined Cooling Heating and Power,冷热电联产)系统等。
选取风机作为典型独立设备,构建典型独立设备出力模型;选取电-气-热-冷耦合设备作为典型耦合设备,构建典型耦合设备出力模型。
在本发明的一个实施例中,典型独立设备为风机,典型独立设备出力模型为风机功率模型;风机功率模型为:
其中,νci表示切入风速;νco表示切出风速;νr表示风机额定风速;v表示风机风速;PWT表示风机输出功率;表示风机额定功率;
典型耦合设备为CCHP系统,典型耦合设备出力模型为CCHP系统模型;CCHP系统模型为:
其中,Pele,CCHP(t)、Pgas,CCHP(t)以及ηe分别表示在t时刻的燃汽轮机发电功率、天然气消耗功率以及运行转换效率;Pcold,CCHP(t)、Prest-ele,CCHP(t)以及Kc分别表示在t时刻的溴冷机输出冷功率、溴冷机输入电功率以及制冷系数;Pheat,CCHP(t)表示在t时刻的余热锅炉的输出热功率;以及/>分别表示余热锅炉的热效率以及热损失;ηCCHP表示CCHP系统的/>效率;EP(t)、EC(t)、EH(t)、FCCHP(t)以及Hlow分别表示在t时刻的电/>冷/>热/>输入整个CCHP系统的燃料总量以及燃料在低位时的发热值;ηRER表示CCHP系统的原料利用效率;Pele,CCHP(t)、Pcold,CCHP(t)、Pheat,CCHP(t)以及Δt分别表示在t时刻的CCHP系统输出的电功率、冷功率、热功率和转换时段。
可选地,可以首先明确在综合能源系统中的能源供应设备种类及其对应的原理图;其次分析各类设备的运行物理模型;最后对各类耦合设备的运行状态进行分析,确定各种物理模型,从而完成对设备出力特性的分析。
S102:基于综合能源系统的需求侧的各类用户的负荷特性和多样性特性,构建负荷侧需求响应模型。
其中,各类用户可以包括工业类用户、医院类用户、办公类用户、服务类用户和居民类用户等用户中的至少一种。各类用户还可以包括商业类用户、金融类用户等。
在本发明的一个实施例中,上述S102可以包括以下步骤:
将影响用户负荷的因素分为内部因素和外部因素;
基于内部因素和外部因素,对用户需求侧用能特征进行分析,并进行需求响应分类,得到负荷侧需求响应模型。
在本发明的一个实施例中,内部因素包括用户用能舒适度水平、用户端能源质量水平和年用电量;用户用能舒适度水平包括PMV(Predicted Mean Vote,平均热感觉指数)指数和PPD(Predicted Percentage of Dissatisfied,预期不满意百分数)指数;用户端能源质量水平包括温度合格率和电压合格率;
外部因素包括电网、热网和气网结构水平值、辅助服务水平值、以及需求侧管理水平值;
电网、热网和气网结构水平值G1的计算公式为:
G1=G可靠性+G优质性+G经济性+G可持续性
其中,G可靠性表示电网、热网和气网结构的可靠性评估值;G优质性表示电网、热网和气网结构的优质性评估值;G经济性表示电网、热网和气网结构的经济性评估值;G可持续性表示电网、热网和气网结构的可持续性评估值;
辅助服务水平值G2的计算公式为:
G2=P可中断/P最大负荷
其中,P可中断表示用户的可中断负荷值;P最大负荷表示用户年最大负荷值;
需求侧管理水平值G3的计算公式为:
G3=λ·G2·n·T/t
其中,λ表示用户负荷的重要性系数,反映大、中、小用户的不同程度的贡献;n表示一天内用户负荷的最大可中断次数;T表示用户负荷中断的平均持续时间;t表示参与需求响应所需反应时间,t值越小响应越快。
具体地,因为多元用户典型负荷曲线包括冷、热、电、气四种不同负荷的特征,而每种负荷都会受到不同因素的影响,所以将影响用户冷热电负荷的因素分为两种,分别是内部因素和外部因素。内部因素主要是指与冷热电用能相关的技术因素和用户资质等,外部因素主要指行业所在的技术环境与水平、政策经济、自然条件等外部环境因素。通过筛选这些特征因子,可以得到影响多元用户负载的关键特征因子。
PMV指数反映人体冷热感觉的评价指标,代表了人们对同一环境的平均冷热感觉;当产生热量和散失热量相等时,人体就处于热平衡状态,由下式表示:
PMV=(0.303×exp(-0.036M)+0.0275)Qη
式中:M为人体新陈代谢率;Qη为系统的能量参数传递率。
PMV指数为预计处于热环境中的群体对于热环境不满意的投票平均值,PPD指数表示人群对热环境不满意的百分数,即对热环境不满意的人口百分比,由下式表示:
PDD=100-95×exp[-(0.03353PMV4+0.2179PMV2)]
PDD指数表示对热环境不满意的人口百分比。使用概率分析方法,获得PMV和PDD之间的定量关系。通过统计大样本态势指标PMV的统计,得出PDD指数,综合出两个指标特点即为PMV-PDD评价指标。
温度合格率,是用户供热温度符合允许值的程度,值越大越好。
温度合格率的计算公式为:
式中,STEM为用户温度合格率;Te为用户温度不超出允许范围的数量;I为用户总数。
电压合格率,是负荷节点电压未超出允许值的程度,值越大越好。
电压合格率的计算公式为:
式中,SU为用户电压合格率;Oe为用户电压未超出允许范围的数量;I为用户总数。
年用电量反映用户的用电规模;其计算公式为:W=PT
式中,W为年用电量;P为设备功率,设备功率是实际的平均功率,可以参照设备额定功率;T为设备运行总时间。
电网、热网和气网结构水平值反映不同地区用户享有的电网、热网和气网发展水平,从可靠性、优质性、经济性和可持续性4个方面进行评估。
辅助服务水平基于需求响应(Demand Response,DR)技术,侧重于用户侧潜在的调峰和备用能力,主要由用户的可中断负荷(Interruptible Load,IL)组成。辅助服务水平得分越高,用户也会更加积极的参与辅助服务。
需求侧管理水平值反映电力用户参与需求侧管理的技术水平和程度,
分析用户需求侧多样性机理:①数据量巨大;②数据类型繁多;③速度快;④交互性强;⑤共鸣性增大;⑥不同用户主体之间存在各种差异性。
用户需求侧用能多样性分析:将典型用户分为工业类用户、公共设施类用户以及居民用户3类。
典型用户需求侧用能特征分析:
(1)需求侧能源消费分析方法:①单位面积指数法;②软件模拟法;③数据统计分析法;④情景分析法;
(2)人工神经网络的原理:①Hebb学习规则;②widrow-hoff学习规则;③随机学习规则;
(3)BP神经网络算法。
需求侧用能特征分析:针对各类用户负荷的用能特征,分析其对综合能源系统运行参数的影响。
需求响应分类,得到负荷侧需求响应模型:根据电力用户需求侧响应的不同形式,需求侧响应可分为两种类型,即激励性需求侧响应和价格性需求侧响应。
激励型需求侧响应是指采取确定性或时变性激励政策,,鼓励用电者实施更加合理的用电计划。在这种响应类型中,激励支付率通常是建立在当前电价的基础上,一般使用的是折扣电价和中断负荷补偿两种形式。在用电高峰时期能够使电力用户削减用电量,而在电力负荷低谷时增加电力使用。
价格型需求响应是指电力用户可以根据电价的波动情况,在一定范围中对自身负荷用电量做出一定的调整,错时错峰用电,进而能够达到削峰填谷的目的,能够有效的降低自身的用电成本。常用的方式有分时电价、尖峰电价等。
可选地,负荷侧需求响应模型可以为激励性需求侧响应模型或价格性需求侧响应模型。
可选地,首先,对用户需求侧多样性机理展开研究,明确用户需求侧多样性产生的原因;其次,研究不同类型的用户负荷特征,明确不同类型用户负荷特性,并进行了对比分析,总结和分析不同类型用户的能耗特征;再次,研究需求侧用能特点预测模型,并研究适合本专利的预测模型——BP神经网络模型,为典型用户需求侧多样性特征分析打下基础。
S103:基于综合能源系统的优化目标,构建负荷可调裕度模型。
在本发明的一个实施例中,负荷可调裕度模型包括电力负荷可调裕度模型以及冷、热力柔性负荷可调裕度模型;
电力负荷可调裕度模型包括可平移电力负荷可调裕度子模型、可转移电力负荷可调裕度子模型和可削减电力负荷可调裕度子模型。
其中,可平移电力负荷可调裕度子模型为:
可平移负荷用电时间连续,有固定的工作时长,工作时段可调。平移时,需要整体平移,而且不可分段平移。可平移负荷可接受的平移区间为[tsh-,tsh+],当负荷平移到以τ为起始时间的区间内,为保证运行时间连续,应满足:
式中:ts为可平移负荷的持续时间;yt为判断负荷是否发生平移的0-1状态变量,yt=1表示负荷平移到时段t;
调度后时段t的可平移负荷功率Pshift为:Pshift=ytLshift;
式中:Lshift为可平移负荷的额定功率。
可转移电力负荷可调裕度子模型为:
可转移负荷没有连续性的约束,工作时长和工作时段皆可调,运行灵活性较高,需维持一个调度周期内用电总量不变。可转移负荷可接受的转移区间为[ttr-,ttr+],负荷转移前后保持所需电能不变的约束为:
式中:和/>分别为调度前、后时段t可转移负荷功率。
可削减电力负荷可调裕度子模型为:
可削减负荷可在满足用户需求的情况下进行部分削减。负荷削减后时段t的功率Pt cut为:
式中:为负荷削减前时段t的用电功率;α为负荷削减系数;μt为判断负荷是否发生削减的0-1状态变量,μt=1表示负荷发生削减;
调度后给予用户的补偿费用为:
式中:为单位功率负荷削减的补偿价格。
冷、热力柔性负荷可调裕度模型为:
以ARMA(Autoregressive moving average model,自回归滑动平均模型)时间序列模型描述冷、热网回水温度、供水温度、建筑物室内温度、室外温度之间的动态关系;其计算公式为:
式中:Tg,t,Th,t,Tn,t,Tw,t分别为冷/热网供应温度、回水温度、建筑物室内温度和室外温度;J为ARMA模型阶次;αj,βj,γj,φj,ωj均为供冷/热系统热惯性物理参数。
具体地,首先,分析综合能源系统中可能存在的多种协调关系,具体如下:
源源互补:不同能源之间的有效协调互补,即通过灵活发能资源与清洁能源之间的协调互补,解决清洁能源发能出力受环境和气象因素影响而产生的随机性、波动性问题,有效提高可再生能源的利用效率,减少能网旋转备用,增强系统的自主调节能力。
源网协调:在现有能源、能网协同运行的基础上,通过新的能网调节技术有效解决新能源大规模并网及分布式能源接入能网时的“不友好”问题,让新能源和常规能源一起参与能网调节,使新能源朝着具有友好调节能力和特性(即柔性能厂)的方向发展。
网荷互动:在与用户签订协议、采取激励措施的基础上,将负荷转化为能网的可调节资源(即柔性负荷),在能网出现或者即将出现问题时,通过负荷主动调节和响应来改变潮流分布,确保能网安全经济可靠运行。
网储互动:充分发挥储能装置的双向调节作用。储能就像大容量的“能量宝库”,在用能低谷时作为负荷充能,在用能高峰时作为能源放能。其快速、稳定、精准的充放能调节特性,能够为能网提供调峰、调频、备用、需求响应等各种服务。
源荷互动:能网由时空分布广泛的多元能源和负荷组成,能源侧和负荷侧均可作为可调度的资源参与能力供需平衡控制,负荷的柔性和需求响应机智成为平衡能源波动的重要手段。引导用户改变用能习惯和用能行为,可汇聚各类柔性、可调节资源参与能力系统调峰和新能源消纳。
然后,明确在综合能源系统中“源-荷”协调互动的机理:
(1)柔性负荷的协调互动机理
恰当的激励机制是充分发挥负荷柔性作用,同时保障能源提供者和消费者双方利益的关键。
(2)需求响应互动机理
大型风电、光伏的随机性和波动性给电网调度带来非常巨大的困难,利用需求响应来配合可再生能源发电运行以降低可再生能源发电的波动性是在技术上与经济上都极佳的解决方案。
最后,构建设备可参与互动的能力与负荷可调裕度模型。
S104:基于典型设备出力模型、负荷侧需求响应模型和负荷可调裕度模型,确定综合能源系统的供需双侧的协调关系。
在本发明的一个实施例中,上述S104可以包括以下步骤:
采集综合能源系统的各类供能设备的状态信息;
获取综合能源系统的需求侧的用户的负荷信息,并根据负荷信息确定综合能源系统的可调节负荷值及负荷调节的成本值;
基于典型设备出力模型、负荷侧需求响应模型和负荷可调裕度模型,根据状态信息、可调节负荷值及负荷调节的成本值,确定综合能源系统的供需双侧的协调关系。
具体地,源侧供给设备的信息及状态采集,采集需要的相关系统数据;在负载侧进行信息收集和分析,判断系统中的可调节负荷,计算可调节的量是多大,并且得出调节的成本大小;将上述步骤采集到的数据代入到相关模型计算,判断源荷之间的协调关系,并将协调关系向外输出。
S105:根据综合能源系统的供需双侧的协调关系进行能源规划。
具体地,根据综合能源系统的供需双侧的协调关系向相关设备发送相关指令,使设备执行,并给出用户相关建议,达到较优的能源规划效果。
由上述描述可知,本发明实施例通过基于综合能源系统的各类供能设备的运行特性和出力特性,构建典型设备出力模型,基于综合能源系统的需求侧的各类用户的负荷特性和多样性特性,构建负荷侧需求响应模型,基于综合能源系统的优化目标,构建负荷可调裕度模型,基于典型设备出力模型、负荷侧需求响应模型和负荷可调裕度模型,确定综合能源系统的供需双侧的协调关系,根据综合能源系统的供需双侧的协调关系进行能源规划,能够根据供需双侧的协调关系进行能源规划,可以避免资源浪费及用能不合理的情况发生,具有极好的使用效果。
在一个具体的应用场景中,对工业(科学)园区负荷进行分析,验证本实施例的方法的有效性。
(1)工业(科学)园区建筑用能特点:
1)电负荷曲线(含空调用电)变化明显,且主要集中在上下班时段和工休日时段,两者交替决定了电负荷曲线的变化趋势,曲线存在明显峰谷差。
2)冷负荷需求在夏季增大且保持稳定。当进驻企业存在科研用冷库需求时,峰值冷负荷中全年的基本冷负荷的比重不低。
3)进驻企业的工艺性质决定了热负荷,与电、冷负荷比较低,蒸汽需求比较低,冬季办公时段的供暖需求较明显。
4)夏季的电负荷需求普遍比冬季电负荷需求高,夏季和冬季电负荷需求较高,春季和秋季电负荷需求水平较低。
5)对于冷热负荷而言,夏季对于冷负荷的需求较高,冬季对于热负荷的需求较大,其他时刻依次降低。工业电需求(含空调)典型日负荷见图2,图2中,每个时间点对应的两个柱形图,左边的为冬季,右边的为夏季。工业冷、热需求典型日负荷见图3。
(2)工业(科学)园区负荷估算:
1)工业(科学)园区冷热负荷估算
综合能源系统规划建设冷热力负荷主要考虑建筑物空调负荷。冷、热负荷量的大小主要受建筑类型以及人口密度有关。空调供冷热负荷计算公式如下:
式中:Wq为空调夏季冷负荷,kW;Eq空调冷指标,w/m2;Gk为空调建筑物的建筑面积,m2;Ea为空调热指标,w/m2。
2)工业(科学)园区热蒸汽负荷估算
工业(科学)园区热负荷的计算可按照每万平方米工业建筑耗汽指标粗略估算所需的蒸汽量L,其公式为:
L=dcR;
式中:L为工业所需蒸汽量,t;d为工业建筑耗汽指标,t/(h·万m2);c为工业建筑的占地面积,万m2,R为工业建筑的容积率,%。工业建筑耗汽指标见表1。
表1工业建筑耗汽指标d
(3)温度修正模型
一年中,夏季用电量最大,冬季次之,春秋季最少,各季用电量呈逐年增加趋势。因此,修正模型也按照季节来区分。
1)夏季修正模型
①常规修正
根据文献中的数据和分析可以得到夏季负荷与温度存在强正相关性,可以定性看到负荷与温度间存在线性关系。
因此,常规温度修正模型建立如下:
式中:ΔL为负荷修正量;ΔT为预测日与前一日同一时刻的温度差值;为常系数K(即L与T的函数关系)。
当气温变化很大时,常规温度修正模型已不能很好地描述ΔL与公ΔT之间的关系。气温变化大时,线性关系已不存在。这时就需要针对不同的情况进行分析和建模。
②特殊修正
ⅰ夏季温度大幅度变化
气象因素往往具有周期性,当预测日较前一日有较大变化时,首先在气象历史数据库中搜索同期类似情况,如果存在,则可利用如下修正模型:
式中:ΔT为同期气温变化量;L1-L0为同期负荷变化量;ΔT'为预测日较前一日的气温变化量。
遍历历史数据库后若不存在类似情况,则通过相似日修正。考虑到气温相似时其负荷曲线也可能较相近,可采用相似日来修正温度大幅变化的待测日。
具体修正模型如下:
ΔL=α(F1-F0);
式中:F1为近期(10d内)与待测日温度数据相近的日负荷:F0为待测日的常规预测结果;α=Tr0/Tr1为置信系数,Tr0和Tr1分别为待测日和所选日相对于前一日的温度变化量。
ⅱ夏季持续高温的特殊处理
持续高温时(1d内某时段最高气温超过35℃),尽管连续几日温度变化不大,但负荷仍逐日增长,称为持续效应。考虑持续效应时,应将连续高温的第n日的基本负荷乘以持续效应系数。持续效应系数fn为:
fn=(1+i)n;
修正模型为:
ΔL=y0(fn-1);
式中:y0为常规预测值;n为持续天数;i为增长系数,根据负荷数据取0.8为佳,其中如有休息日则单独处理。
ⅲ夏季罕见高温的特殊处理
夏季会出现温度很高且持续上升的日子,此时温度即使升高1℃,负荷变化也十分敏感,这时无法从最近的历史天气中找到相似日来进行修正,解决方法是采用持续高温模型修正+常规温度模型修正。
2)其他季节的修正
其他季节较夏季简单,具体方法可参考夏季。K在不同日期不同时段的变化很大,因此,具体应用时需计算完K后才继续进行预测。
(1)降水负荷模型
降水过程对负荷的影响有3个原因:①夏季高温闷热时,降水尤其是暴雨、大雨将降低空调负荷;②降水对于缓解农业灌混负荷有较大作用;③降水将增加地表水径流量,增大地区小水电的发电量,从而减少地区对主网的负荷要求。因此,建立降水修正模型时,要将夏季与其他季节区分开。
1)夏季修正模型
夏季降水影响负荷变化的最主要因素不是降水量的多少,而是温度的变化。因此,应将夏季降水作为气温大幅变化的信号,先按气温大幅变化的情况对负荷进行修正。
2)其他季节修正模型
其他季节的降水过程对负荷的影响主要体现在农业灌溉负荷的降低和小水电出力。一般说来,负荷与降水量大小有很大关系,当日降水量小于10mm时,降水过程对负荷的影响很小。与夏季降水不同,其他季节降水对负荷的影响存在一定的延迟,即负荷水平并不会随着降水立即下降,而是在约2h~3h后才有动作,持续影响时间约8h。负荷变化量ΔL与累计降水量存在一定的线性关系,因此,可以采用模型ΔL=-ΔRK(ΔR为降水变化量)进行修正。
(3)相对湿度/风速修正模型
当气温适中时,湿度对人体的影响并不显著。当气温较高或较低时,其波动对人体的热平衡和温热感就变得非常重要。随着温度的升高,这种情况更加明显。因此,湿度对负荷水平的影响主要体现在夏季。冬季空气中相对湿度较高,身体的热辐射被空气中的水汽所吸收。当气温低于皮肤温度时,风能使机体散热加快。风速每增加1m/s,会使人感到气温下降了2℃~3℃。因此,风速对负荷的影响主要体现在冬季。
1)夏季模型
北京夏季气温高,湿度对负荷的影响也非常明显。根据历史数据显示,即使温度只有33℃或34℃,但如果是湿度很大的“桑拿天”,用电负荷也会上升迅速。研究表明,温度超过28℃时,负荷与相对湿度的相关性较强。当温度不小于28℃时,用直线拟合即可表述ΔL与ΔH(相对湿度差值)的关系;当温度小于28℃时直接线性拟合的残差较大。
可以采用2种方法来处理:
①方法1:采用直线拟合。仍然选用最小二乘法,直线拟合后,可求出K2=15。相对湿度修正模型:ΔL=K2ΔH。
②方法2:直接通过变换温度值T为有效温度AT来考虑,即
T≥24;
式中:α为经过大量数据测试比较后选取的符合预测要求的值,实际上其值应随外界因素不同而略有差别,本实施例中取α=3。
用AT代替温度值,按前面讨论的温度模型进行修正。
将24h的ΔL和气温变化ΔAT分别拟合成直线,求出K值。分别用上述2种方法对同一年夏季的负荷数据进行修正,发现方法2修正后的误差小于方法1的修正误差,而且在实现上也更为简便,因此建议选用方法2。
2)冬季模型
冬季气温低,风速对负荷的影响比较明显。与处理相对湿度类似,也通过变换温度值T为有效温度AT来考虑:
T<12
式中:W为风速。
(4)气压/风向修正模型
考虑到夏季温度对负荷的影响非常明显,因此,先对温度进行修正,再考虑负荷与气压的关系。进行温度修正后,负荷变化量与气压变化的关系不明显,几乎不可能用数学模型来描述。其他季节负荷与气压的关系更不明显。因此,可以认为气压对电力负荷影响较小,为简化模型,一般不作考虑。
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。
对应于上述基于综合能源系统的能源规划方法,本发明一实施例还提供了一种基于综合能源系统的能源规划装置,具有与上述基于综合能源系统的能源规划方法同样的有益效果。图4是本发明一实施例提供的基于综合能源系统的能源规划装置的示意框图,为了便于说明,仅示出与本发明实施例相关的部分。
在本发明实施例中,基于综合能源系统的能源规划装置30可以包括第一模型构建模块301、第二模型构建模块302、第三模型构建模块303、协调关系确定模块304和能源规划模块305。
其中,第一模型构建模块301,用于基于综合能源系统的各类供能设备的运行特性和出力特性,构建典型设备出力模型;
第二模型构建模块302,用于基于综合能源系统的需求侧的各类用户的负荷特性和多样性特性,构建负荷侧需求响应模型;
第三模型构建模块303,用于基于综合能源系统的优化目标,构建负荷可调裕度模型;
协调关系确定模块304,用于基于典型设备出力模型、负荷侧需求响应模型和负荷可调裕度模型,确定综合能源系统的供需双侧的协调关系;
能源规划模块305,用于根据综合能源系统的供需双侧的协调关系进行能源规划。
可选地,第一模型构建模块301具体用于:
将综合能源系统的各类供能设备分为独立型设备和耦合型设备;
从独立型设备中选取典型独立设备,构建典型独立设备出力模型;
从耦合型设备中选取典型耦合设备,构建典型耦合设备出力模型。
可选地,在第一模型构建模块301中,典型独立设备为风机,典型独立设备出力模型为风机功率模型;风机功率模型为:
其中,νci表示切入风速;νco表示切出风速;νr表示风机额定风速;v表示风机风速;PWT表示风机输出功率;表示风机额定功率;
典型耦合设备为CCHP系统,典型耦合设备出力模型为CCHP系统模型;CCHP系统模型为:
其中,Pele,CCHP(t)、Pgas,CCHP(t)以及ηe分别表示在t时刻的燃汽轮机发电功率、天然气消耗功率以及运行转换效率;Pcold,CCHP(t)、Prest-ele,CCHP(t)以及Kc分别表示在t时刻的溴冷机输出冷功率、溴冷机输入电功率以及制冷系数;Pheat,CCHP(t)表示在t时刻的余热锅炉的输出热功率;以及/>分别表示余热锅炉的热效率以及热损失;ηCCHP表示CCHP系统的/>效率;EP(t)、EC(t)、EH(t)、FCCHP(t)以及Hlow分别表示在t时刻的电/>冷/>热/>输入整个CCHP系统的燃料总量以及燃料在低位时的发热值;ηRER表示CCHP系统的原料利用效率;Pele,CCHP(t)、Pcold,CCHP(t)、Pheat,CCHP(t)以及Δt分别表示在t时刻的CCHP系统输出的电功率、冷功率、热功率和转换时段。
可选地,第二模型构建模块302具体用于:
将影响用户负荷的因素分为内部因素和外部因素;
基于内部因素和外部因素,对用户需求侧用能特征进行分析,并进行需求响应分类,得到负荷侧需求响应模型。
可选地,在第二模型构建模块302中,内部因素包括用户用能舒适度水平、用户端能源质量水平和年用电量;用户用能舒适度水平包括PMV指数和PPD指数;用户端能源质量水平包括温度合格率和电压合格率;
外部因素包括电网、热网和气网结构水平值、辅助服务水平值、以及需求侧管理水平值;
电网、热网和气网结构水平值G1的计算公式为:
G1=G可靠性+G优质性+G经济性+G可持续性
其中,G可靠性表示电网、热网和气网结构的可靠性评估值;G优质性表示电网、热网和气网结构的优质性评估值;G经济性表示电网、热网和气网结构的经济性评估值;G可持续性表示电网、热网和气网结构的可持续性评估值;
辅助服务水平值G2的计算公式为:
G2=P可中断/P最大负荷
其中,P可中断表示用户的可中断负荷值;P最大负荷表示用户年最大负荷值;
需求侧管理水平值G3的计算公式为:
G3=λ·G2·n·T/t
其中,λ表示用户负荷的重要性系数;n表示一天内用户负荷的最大可中断次数;T表示用户负荷中断的平均持续时间;t表示参与需求响应所需反应时间。
可选地,在第三模型构建模块303中,负荷可调裕度模型包括电力负荷可调裕度模型以及冷、热力柔性负荷可调裕度模型;
电力负荷可调裕度模型包括可平移电力负荷可调裕度子模型、可转移电力负荷可调裕度子模型和可削减电力负荷可调裕度子模型。
可选地,协调关系确定模块304具体用于:
采集综合能源系统的各类供能设备的状态信息;
获取综合能源系统的需求侧的用户的负荷信息,并根据负荷信息确定综合能源系统的可调节负荷值及负荷调节的成本值;
基于典型设备出力模型、负荷侧需求响应模型和负荷可调裕度模型,根据状态信息、可调节负荷值及负荷调节的成本值,确定综合能源系统的供需双侧的协调关系。
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,即将所述基于综合能源系统的能源规划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。上述装置中单元、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。
图5是本发明一实施例提供的终端设备的示意框图。如图5所示,该实施例的终端设备40包括:一个或多个处理器401、存储器402以及存储在所述存储器402中并可在所述处理器401上运行的计算机程序403。所述处理器401执行所述计算机程序403时实现上述各个基于综合能源系统的能源规划方法实施例中的步骤,例如图1所示的步骤S101至S105。或者,所述处理器401执行所述计算机程序403时实现上述基于综合能源系统的能源规划装置实施例中各模块/单元的功能,例如图4所示模块301至305的功能。
示例性地,所述计算机程序403可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器402中,并由所述处理器401执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序403在所述终端设备40中的执行过程。例如,所述计算机程序403可以被分割成第一模型构建模块、第二模型构建模块、第三模型构建模块、协调关系确定模块和能源规划模块,各模块具体功能如下:
第一模型构建模块,用于基于综合能源系统的各类供能设备的运行特性和出力特性,构建典型设备出力模型;
第二模型构建模块,用于基于综合能源系统的需求侧的各类用户的负荷特性和多样性特性,构建负荷侧需求响应模型;
第三模型构建模块,用于基于综合能源系统的优化目标,构建负荷可调裕度模型;
协调关系确定模块,用于基于典型设备出力模型、负荷侧需求响应模型和负荷可调裕度模型,确定综合能源系统的供需双侧的协调关系;
能源规划模块,用于根据综合能源系统的供需双侧的协调关系进行能源规划。
其它模块或者单元可参照图4所示的实施例中的描述,在此不再赘述。
所述终端设备40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。所述终端设备40包括但不仅限于处理器401、存储器402。本领域技术人员可以理解,图5仅仅是终端设备40的一个示例,并不构成对终端设备40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,例如所述终端设备40还可以包括输入设备、输出设备、网络接入设备、总线等。
所述处理器401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)、现场可编程门阵列(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。
所述存储器402可以是所述终端设备40的内部存储单元,例如终端设备40的硬盘或内存。所述存储器402也可以是所述终端设备40的外部存储设备,例如所述终端设备40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,所述存储器402还可以既包括终端设备40的内部存储单元也包括外部存储设备。所述存储器402用于存储所述计算机程序403以及所述终端设备40所需的其他程序和数据。所述存储器402还可以用于暂时地存储已经输出或者将要输出的数据。
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申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的基于综合能源系统的能源规划装置和方法,可以通过其它的方式实现。例如,以上所描述的基于综合能源系统的能源规划装置实施例仅仅是示意性的,例如,所述模块或单元的划分,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。
所述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,在本申请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。
所述集成的模块/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,本申请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,所述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,所述计算机程序包括计算机程序代码,所述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。所述计算机可读介质可以包括:能够携带所述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(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述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是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (4)
1.一种基于综合能源系统的能源规划方法,其特征在于,包括:
基于综合能源系统的各类供能设备的运行特性和出力特性,构建典型设备出力模型;
基于所述综合能源系统的需求侧的各类用户的负荷特性和多样性特性,构建负荷侧需求响应模型;
基于所述综合能源系统的优化目标,构建负荷可调裕度模型;
基于所述典型设备出力模型、所述负荷侧需求响应模型和所述负荷可调裕度模型,确定所述综合能源系统的供需双侧的协调关系;
根据所述综合能源系统的供需双侧的协调关系进行能源规划;
所述基于综合能源系统的各类供能设备的运行特性和出力特性,构建典型设备出力模型,包括:
将所述综合能源系统的各类供能设备分为独立型设备和耦合型设备;
从独立型设备中选取典型独立设备,构建典型独立设备出力模型;
从耦合型设备中选取典型耦合设备,构建典型耦合设备出力模型;
所述典型独立设备为风机,所述典型独立设备出力模型为风机功率模型;所述风机功率模型为:
其中,νci表示切入风速;νco表示切出风速;νr表示风机额定风速;v表示风机风速;PWT表示风机输出功率;表示风机额定功率;
所述典型耦合设备为CCHP系统,所述典型耦合设备出力模型为CCHP系统模型;所述CCHP系统模型为:
其中,Pele,CCHP(t)、Pgas,CCHP(t)以及ηe分别表示在t时刻的燃汽轮机发电功率、天然气消耗功率以及运行转换效率;Pcold,CCHP(t)、Prest-ele,CCHP(t)以及Kc分别表示在t时刻的溴冷机输出冷功率、溴冷机输入电功率以及制冷系数;Pheat,CCHP(t)表示在t时刻的余热锅炉的输出热功率;以及/>分别表示余热锅炉的热效率以及热损失;ηCCHP表示CCHP系统的/>效率;EP(t)、EC(t)、EH(t)、FCCHP(t)以及Hlow分别表示在t时刻的电/>冷/>热/>输入整个CCHP系统的燃料总量以及燃料在低位时的发热值;ηRER表示CCHP系统的原料利用效率;Pele,CCHP(t)、Pcold,CCHP(t)、Pheat,CCHP(t)以及Δt分别表示在t时刻的CCHP系统输出的电功率、冷功率、热功率和转换时段;
所述基于所述综合能源系统的需求侧的各类用户的负荷特性和多样性特性,构建负荷侧需求响应模型,包括:
将影响用户负荷的因素分为内部因素和外部因素;
基于所述内部因素和所述外部因素,对用户需求侧用能特征进行分析,并进行需求响应分类,得到负荷侧需求响应模型;
所述内部因素包括用户用能舒适度水平、用户端能源质量水平和年用电量;所述用户用能舒适度水平包括PMV指数和PPD指数;所述用户端能源质量水平包括温度合格率和电压合格率;
所述外部因素包括电网、热网和气网结构水平值、辅助服务水平值、以及需求侧管理水平值;
所述电网、热网和气网结构水平值G1的计算公式为:
G1=G可靠性+G优质性+G经济性+G可持续性
其中,G可靠性表示电网、热网和气网结构的可靠性评估值;G优质性表示电网、热网和气网结构的优质性评估值;G经济性表示电网、热网和气网结构的经济性评估值;G可持续性表示电网、热网和气网结构的可持续性评估值;
所述辅助服务水平值G2的计算公式为:
G2=P可中断/P最大负荷
其中,P可中断表示用户的可中断负荷值;P最大负荷表示用户年最大负荷值;
所述需求侧管理水平值G3的计算公式为:
G3=λ·G2·n·T/t
其中,λ表示用户负荷的重要性系数;n表示一天内用户负荷的最大可中断次数;T表示用户负荷中断的平均持续时间;t表示参与需求响应所需反应时间;
所述负荷可调裕度模型包括电力负荷可调裕度模型以及冷、热力柔性负荷可调裕度模型;
所述电力负荷可调裕度模型包括可平移电力负荷可调裕度子模型、可转移电力负荷可调裕度子模型和可削减电力负荷可调裕度子模型;
所述基于所述典型设备出力模型、所述负荷侧需求响应模型和所述负荷可调裕度模型,确定所述综合能源系统的供需双侧的协调关系,包括:
采集所述综合能源系统的各类供能设备的状态信息;
获取所述综合能源系统的需求侧的用户的负荷信息,并根据所述负荷信息确定所述综合能源系统的可调节负荷值及负荷调节的成本值;
基于所述典型设备出力模型、所述负荷侧需求响应模型和所述负荷可调裕度模型,根据所述状态信息、所述可调节负荷值及所述负荷调节的成本值,确定所述综合能源系统的供需双侧的协调关系。
2.一种基于综合能源系统的能源规划装置,其特征在于,用于实施如权利要求1所述的基于综合能源系统的能源规划方法,包括:
第一模型构建模块,用于基于综合能源系统的各类供能设备的运行特性和出力特性,构建典型设备出力模型;
第二模型构建模块,用于基于所述综合能源系统的需求侧的各类用户的负荷特性和多样性特性,构建负荷侧需求响应模型;
第三模型构建模块,用于基于所述综合能源系统的优化目标,构建负荷可调裕度模型;
协调关系确定模块,用于基于所述典型设备出力模型、所述负荷侧需求响应模型和所述负荷可调裕度模型,确定所述综合能源系统的供需双侧的协调关系;
能源规划模块,用于根据所述综合能源系统的供需双侧的协调关系进行能源规划。
3.一种终端设备,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所述基于综合能源系统的能源规划方法的步骤。
4.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被一个或多个处理器执行时实现如权利要求1所述基于综合能源系统的能源规划方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110476375.5A CN112950098B (zh) | 2021-04-29 | 2021-04-29 | 基于综合能源系统的能源规划方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110476375.5A CN112950098B (zh) | 2021-04-29 | 2021-04-29 | 基于综合能源系统的能源规划方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112950098A CN112950098A (zh) | 2021-06-11 |
CN112950098B true CN112950098B (zh) | 2023-10-31 |
Family
ID=76233657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110476375.5A Active CN112950098B (zh) | 2021-04-29 | 2021-04-29 | 基于综合能源系统的能源规划方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112950098B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393173A (zh) * | 2021-07-14 | 2021-09-14 | 国网综合能源服务集团有限公司 | 一种区域综合能源系统优化调度方法、装置及终端设备 |
CN113626755B (zh) * | 2021-08-10 | 2024-04-05 | 中国科学院科技战略咨询研究院 | 基于传导路径的家庭能源消费需求结构监测方法及装置 |
CN113610316B (zh) * | 2021-08-19 | 2023-10-03 | 东北电力大学 | 不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法 |
CN114219316B (zh) * | 2021-12-17 | 2023-04-28 | 国网四川省电力公司电力科学研究院 | 一种基于节点电价的交通-电网融合园区需求响应的方法 |
US11960342B2 (en) | 2022-02-09 | 2024-04-16 | Microsoft Technology Licensing, Llc | Sustainability-aware computing device behavior management |
CN117273794B (zh) * | 2023-11-17 | 2024-02-02 | 国网安徽省电力有限公司经济技术研究院 | 综能服务市场规划分析方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767074A (zh) * | 2017-11-09 | 2018-03-06 | 东南大学 | 一种计及综合需求响应资源的能源枢纽规划方法 |
WO2018207226A1 (ja) * | 2017-05-08 | 2018-11-15 | 株式会社日立製作所 | アグリゲータ側システム、プロシューマ側システム、及びアグリゲーションシステム、並びにアグリゲーション方法 |
CN109886469A (zh) * | 2019-01-23 | 2019-06-14 | 华北电力大学 | 一种区域综合能源系统需求侧管理方法 |
-
2021
- 2021-04-29 CN CN202110476375.5A patent/CN112950098B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018207226A1 (ja) * | 2017-05-08 | 2018-11-15 | 株式会社日立製作所 | アグリゲータ側システム、プロシューマ側システム、及びアグリゲーションシステム、並びにアグリゲーション方法 |
CN107767074A (zh) * | 2017-11-09 | 2018-03-06 | 东南大学 | 一种计及综合需求响应资源的能源枢纽规划方法 |
CN109886469A (zh) * | 2019-01-23 | 2019-06-14 | 华北电力大学 | 一种区域综合能源系统需求侧管理方法 |
Non-Patent Citations (1)
Title |
---|
新能源电力系统供应侧及需求侧关键技术问题研究综述;厉一梅;李景文;程艳;于凯;;电器与能效管理技术(第18期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112950098A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112950098B (zh) | 基于综合能源系统的能源规划方法、装置及终端设备 | |
Wei et al. | A bi-level scheduling model for virtual power plants with aggregated thermostatically controlled loads and renewable energy | |
Bashir et al. | A novel energy scheduling framework for reliable and economic operation of islanded and grid-connected microgrids | |
Munankarmi et al. | Community-scale interaction of energy efficiency and demand flexibility in residential buildings | |
Ding et al. | Optimal dispatching strategy for user-side integrated energy system considering multiservice of energy storage | |
CN111339689B (zh) | 建筑综合能源调度方法、系统、存储介质及计算机设备 | |
Tang et al. | Data-driven model predictive control for power demand management and fast demand response of commercial buildings using support vector regression | |
Klein et al. | Grid support coefficients for electricity-based heating and cooling and field data analysis of present-day installations in Germany | |
CN115081902B (zh) | 基于源网荷储协同的综合规划方法、装置、设备及介质 | |
CN111539584A (zh) | 一种用户级综合能源系统规划方法、系统以及设备 | |
CN114169236A (zh) | 基于lstm算法的相变蓄热式电采暖负控系统控制方法 | |
Alden et al. | Artificial intelligence method for the forecast and separation of total and hvac loads with application to energy management of smart and nze homes | |
Hayati et al. | A two-stage stochastic optimization scheduling approach for integrating renewable energy sources and deferrable demand in the spinning reserve market | |
Yu et al. | Optimal dispatching method for integrated energy system based on robust economic model predictive control considering source–load power interval prediction | |
CN115081891A (zh) | 一种电力用户增值服务决策方法 | |
CN113746105A (zh) | 电力需求响应的优化控制方法、装置、设备和存储介质 | |
Kimata et al. | Operation planning for heat pump in a residential building | |
Dong et al. | A multi-timescale optimal operation strategy for an integrated energy system considering integrated demand response and equipment response time | |
CN111523697A (zh) | 一种综合能源服务成本分摊与定价计算方法 | |
Qi et al. | Analysis of emergency demand response levels of central air-conditioning | |
Zhang et al. | Time-of-use pricing model considering wind power uncertainty | |
Guoying et al. | Load aggregator bidding strategy in peak regulation market based on selective combination game | |
Amadeh et al. | Building cluster demand flexibility: An innovative characterization framework and applications at the planning and operational levels | |
Herre et al. | Provision of multiple services with controllable loads as multi-area thermal energy storage | |
González et al. | Conditional scenario-based energy management algorithm with uncertain correlated forecasts |
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 |