CN112990523A - 基于多目标模型预测控制的区域综合能源系统分层优化运行方法 - Google Patents

基于多目标模型预测控制的区域综合能源系统分层优化运行方法 Download PDF

Info

Publication number
CN112990523A
CN112990523A CN201911290336.5A CN201911290336A CN112990523A CN 112990523 A CN112990523 A CN 112990523A CN 201911290336 A CN201911290336 A CN 201911290336A CN 112990523 A CN112990523 A CN 112990523A
Authority
CN
China
Prior art keywords
power
representing
energy
gas
scheduling
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.)
Granted
Application number
CN201911290336.5A
Other languages
English (en)
Other versions
CN112990523B (zh
Inventor
吕振华
李强
韩华春
袁晓冬
史明明
陈兵
葛雪峰
吴楠
杨雄
张宸宇
费骏韬
唐伟佳
罗珊珊
陈雯佳
孙健
方鑫
柳丹
黄地
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Jiangsu Electric Power Co Ltd, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201911290336.5A priority Critical patent/CN112990523B/zh
Publication of CN112990523A publication Critical patent/CN112990523A/zh
Application granted granted Critical
Publication of CN112990523B publication Critical patent/CN112990523B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于多目标模型预测控制的区域综合能源系统分层优化运行方法，包括设置区域综合能源系统调度周期内可再生能源消纳能力及综合能效最大为上层目标函数，设置运行成本、用能成本最小为下层目标函数；在各调度周期内，分别对区域综合能源系统中的分布式风、光输出功率及负荷进行预测，并基于系统实时状态进行预测误差校正以获得预测值；基于调度约束条件、上层目标函数、下层目标函数和预测值，采用模型预测控制方法进行在线滚动分层优化调度求解，获得滚动优化求解结果，输出区域综合能源系统一个调度时段内调度计划。本发明能够满足系统在线调整需求，制定出分层优化调度方案，实现区域综合能源系统分层优化运行。

Description

基于多目标模型预测控制的区域综合能源系统分层优化运行 方法
技术领域
本发明属于能源系统优化调度方法，具体涉及一种基于多目标模型预测控制的区域综合能源系统分层优化运行方法。
背景技术
随着互联网+智慧能源发展战略的提出，大力发展可再生能源、提高综合能效、减少环境污染、降低系统运行成本已成为我国能源可持续发展的必然选择。因为区域综合能源系统具有与用能客户联系紧密、含多种分布式可再生能源、多能互补规划运行的显著特点，且实现了异质能流的耦合互联，为用户灵活供应电、热、气等多种能源需求，提升系统可再生能源消纳能力和综合能效，得到了广泛应用。
区域综合能源供能系统作为组成成分及结构复杂的异质能流耦合系统，供电/供气/供热需求是其主要供能任务。其中电力需求可由外部电网、CHP机组、分布式风光发电等提供；天然气供应来自于外部气网、电转气设备；热能供应来自CHP机组、电锅炉、燃气锅炉。区域综合能源系统装设有储能电池、储热装置等设备，可灵活调节并具有较高的经济性。由于分布式风光具有很强的不确定性，为最大化消纳可再生能源，需要为区域综合能源系统制定最优的调度策略，协调各类异质能流设备优化运行，经济灵活可靠地满足区域综合能源系统的内部能量需求。
目前，对区域综合能源系统的优化调度过程中负荷、可再生能源出力不确定性的处理，多通过建立考虑预测误差的多时段提前调度模型来实现，无法适应系统实际运行的在线调整需求；或满足了系统在线调整需求，但是未考虑预测信息和小时间尺度运行信息的误差。因此，急需一种能够满足系统运行时在线调整需求、考虑了预测信息和小时间尺度运行信息误差的滚动优化调度方法，基于模型预测控制理论和多时间尺度的调度思想，协调供能、蓄能装置的运行，经济可靠地满足区域综合能源系统多种用能需求。
发明内容
针对上述问题，本发明提出一种基于多目标模型预测控制的区域综合能源系统分层优化运行方法，能够基于满足系统在线调整需求的多时间尺度区域综合能源系统优化调度模型，制定出分层优化调度方案，实现区域综合能源系统分层优化运行。
为了实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
一种基于多目标模型预测控制的区域综合能源系统分层优化运行方法，包括：
基于区域综合能源系统设备组成和参数，生成调度约束条件；
设置区域综合能源系统单个调度周期内的可再生能源消纳能力最大、综合能效最大为上层目标函数，设置系统运行成本和用能成本最小为下层目标函数；
在各调度周期内，分别对区域综合能源系统中的分布式风电、分布式光伏输出功率及负荷进行预测，并基于获取到的系统实时状态进行预测误差校正，获得预测值；基于所述调度约束条件、上层目标函数和下层目标函数，输入所述预测值，采用模型预测控制方法进行区域综合能源系统的在线滚动分层优化调度求解，获得滚动优化求解结果；将所述滚动优化求解结果中的第一组控制变量解集生成为实时优化调度计划，输出区域综合能源系统一个调度时段内调度计划。
可选地，所述调度约束条件包括：
电功率平衡约束：
PCHP+Pwind+Ppv+Pdis+Pbuy＝PEload+PP2G+PEB+Pchar+Psell
式中，PCHP表示热电联供机组发出的有功功率，Pwind表示风机参与调度的有功功率， Ppv表示光伏电站参与调度的有功功率，Pdis表示储电设备放电功率，Pbuy表示通过区域综合能源系统向外部电网的购电功率，PEload表示区域综合能源系统的用电负荷，PP2G表示电转气设备的耗电功率，PEB表示电热锅炉消耗的电功率，Pchar表示储能电池的充电功率，Psell表示区域综合能源系统向外部电网售电功率；
热功率平衡约束：
Figure RE-GDA0002416994750000024
式中，QEB表示电热锅炉发出的热功率，QGB表示燃气锅炉发出的热功率，QCHP-heat表示热电联供机组供热功率，QHS-c表示储热单元的放热功率，QHload表示系统热负荷功率， QHS -d表示储热单元蓄热功率；
天然气流量平衡约束：
Figure RE-GDA0002416994750000021
式中，mbuy g表示从天然气外网购买的燃气流量；mP2G g表示电转气设备释放的燃气流量；mGS g表示储气装置释放的燃气流量；mCHP in表示热电联供机组消耗的燃气流量；mGB in表示燃气锅炉消耗的燃气流量；mLoad表示系统消耗的燃气负荷流量；
与外部系统能源交易约束：
Figure RE-GDA0002416994750000022
Figure RE-GDA0002416994750000023
式中，Pmax e、Pmin e分别为区域综合能源系统与上层电网交换功率的上下限；mmax g、mmin g分别为区域综合能源系统与外部天然气网络交换流量的上下限；
CHP机组运行约束：
Figure RE-GDA0002416994750000031
Figure RE-GDA0002416994750000032
式中，PCHP in、PCHP rated分别为热电联供机组的输出功率和额定功率；ΔPCHP为热电联供机组输入功率变化量；ΔPCHP min、ΔPCHP max分别为热电联供机组爬坡率的下限和上限；
储能充放电功率约束：
Figure RE-GDA0002416994750000033
Figure RE-GDA0002416994750000034
储能电池容量约束：
Emin≤Ei≤Emax
储能充放电功率与储能电池容量的关系：
Figure RE-GDA0002416994750000035
限制储能设备的充电与放电不同时进行的双线性约束条件：
Figure RE-GDA0002416994750000036
式中：Pchar i和
Figure RE-GDA00024169947500000310
分别为储能在时刻i的充电和放电功率；Ps,max为储能设备充/放电功率的上限；Ei为储能在时刻i的电量；Emax和Emin分别为储能容量的最大值和最小值；ηc和ηd分别为充电和放电效率系数；
储热装置充放热功率约束：
Figure RE-GDA0002416994750000037
Figure RE-GDA0002416994750000038
储热装置热能容量约束：
Figure RE-GDA0002416994750000039
为给下一个调度周期预留一定的调节裕量，使下一个调度周期开始时储热装置能够满足系统对其充放热要求，将储热装置的运行一个周期(1天)后的储热量恢复到原来的储热量，其约束如下：
QT＝Q0
式中，QHS i、QHS i-1分别为蓄热或放热前后储热设备所存储的热功率；QHS char、QHS dis分别为储热设备存储或释放的热量；ηHS c、ηHS dis分别为蓄能、放热的效率，QHS max、QHS min分别为储热能量的最大值和最小值；Qc,max、Qd,max分别为蓄热和放热的最大值，Q0、QT分别为优化调度周期始末时的储热量；
电锅炉的运行约束：
Figure RE-GDA0002416994750000041
式中，Pmin EB、Pmax EB表示电锅炉消耗电功率的最小值和最大值；
燃气锅炉运行约束：
Figure RE-GDA0002416994750000042
式中，mmin GB、mmax GB表示燃气锅炉消耗天然气流量的最小值和最大值；
电转气设备运行约束：
Figure RE-GDA0002416994750000043
式中，Prated P2G为电转气设备额定功率。
可选地，区域综合能源系统中各部分的成本函数如下：
1)购电成本函数
Figure RE-GDA0002416994750000044
式中，Cbuy-e表示购电成本，Cbuy e表示购电单价成本；
2)购气成本函数
Figure RE-GDA0002416994750000045
式中，Cbuy-g表示购气成本，Cbuy g表示购气单价成本。
3)CHP机组运行成本函数
CHP机组中天然气价格转化为热值价格计算，CCHP可表示为：
Figure RE-GDA0002416994750000046
式中，CCHP表示CHP系统运行成本，Cf为天然气单价，LNG为燃气热值，ηCHP为CHP 机组发电效率，PCHP表示热电联供机组在t时刻发出的有功功率；
4)储能电池运行成本函数
储能电池在充放电时产生的运行成本表示为：
Figure RE-GDA0002416994750000047
式中，CES表示储能电池的运行成本，Ce ES表示储能电池的运行成本单价；
5)储热装置运行成本函数
储热装置在充放热时产生的运行成本表示为：
Figure RE-GDA0002416994750000048
式中，CHS表示储热装置的运行成本，CQ HS表示储热装置的运行成本单价；
5)电热锅炉运行成本函数
Figure RE-GDA0002416994750000051
式中，CEB表示电锅炉运行成本，CQ EB表示电锅炉发出热功率的单价；
6)燃气锅炉运行成本函数
Figure RE-GDA00024169947500000511
式中，CGB表示燃气锅炉运行成本，CQ GB表示燃气锅炉发出热功率的单价；
7)电转气装置运行成本函数
电转气产气成本：
Figure RE-GDA0002416994750000052
式中，CP2G,表示电转气装置的产气成本，Cg P2G表示天然气转换成本单价。
可选地，所述可再生能源消纳能力为：
Figure RE-GDA0002416994750000053
Figure RE-GDA0002416994750000054
Figure RE-GDA0002416994750000055
Figure RE-GDA0002416994750000056
Figure RE-GDA0002416994750000057
Figure RE-GDA0002416994750000058
式中，Pn wind、Pn pv分别为无弃风/光情况下的风/光输出功率，αwind、αpv分别为风机/光伏调度比例，Pwind、Ppv分别为风机/光伏的输出功率，Pcur wind、Pcur pv分别为弃风/光功率，Ccur-w、Ccur-p分别表示弃风弃光的惩罚成本，Ccur wind、Ccur pv分别表示弃风弃光的惩罚成本单价。
可选地，区域综合能源系统的综合能效η表示为：
Figure RE-GDA0002416994750000059
式中，pgas、pelectric分别为天然气、外购电的折煤系数，T为整个调度周期时长，E为综合能耗，
Figure RE-GDA00024169947500000510
可选地，所述上层目标函数包括：
可再生能源消纳能力最大优化目标函数：
min F1＝min(Ccur-w+Ccur-p)
综合能效最大优化目标函数：
min F2＝minη。
可选地，所述下层目标函数包括：
运行成本最小优化目标函数：
minF3＝min(CCHP+CES+CHS+CEB+CGB+CP2G)
用能成本最小优化目标函数：
min F4＝min(Cbuy-e+Cbuy-g)。
可选地，所述基于所述调度约束条件、上层目标函数和下层目标函数，输入所述预测值，采用模型预测控制方法进行区域综合能源系统的在线滚动分层优化调度求解，获得滚动优化求解结果，包括：
实现多约束条件下的可再生能源消纳能力函数F1最大化与综合能效函数F2最大化，将调度周期内风光出力消纳比例及各能源设备能耗及使用时长下发至运行成本函数F3与用能成本函数F4中，在满足可再生能源消纳能力函数F1最大化与综合能效函数F2最大化的情况下，实现运行成本函数F3与用能成本函数F4的最小化，双层模型预测控制方法将区域综合能源系统的滚动优化调度问题逐级递进优化，获得滚动优化求解结果。
与现有技术相比，本发明的有益效果：
本发明对区域综合能源系统运行进行建模与优化，通过建立双层优化模型，实现对系统的综合能效和新能源消纳的最大化，以及运行成本和用能成本的最小化，结合对风光出力的预测值，利用模型预测控制算法实现对优化调度决策的实时滚动更新，能够基于满足系统在线调整需求的多时间尺度区域综合能源系统优化调度模型，制定出分层优化调度方案，实现区域综合能源系统分层优化运行。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明的保护范围。
下面结合附图对本发明的应用原理作详细的描述。
本发明提供了一种基于多目标模型预测控制的区域综合能源系统分层优化运行方法，包括：
(1)基于区域综合能源系统设备组成和参数，生成调度约束条件；所述的设备组成包括CHP机组、储能电池、储热装置、电热锅炉、燃气锅炉和电转气装置，所述参数包括 CHP机组运行参数及功率爬坡率，储能电池、储热装置的运行参数及初始状态，电热锅炉、燃气锅炉的运行参数，电转气装置运行参数，滚动优化阶段调度间隔和调度初始时刻
(2)设置区域综合能源系统单个调度周期内的可再生能源消纳能力最大、综合能效最大为上层目标函数，设置系统运行成本和用能成本最小为下层目标函数；
(3)在各调度周期内，分别对区域综合能源系统中的分布式风电、分布式光源输出功率及负荷进行预测，并基于获取到的系统实时状态进行预测误差校正，获得预测值；基于所述调度约束条件、上层目标函数和下层目标函数，输入所述预测值，采用模型预测控制方法进行区域综合能源系统的在线滚动分层优化调度求解，获得滚动优化求解结果；将所述滚动优化求解结果中的第一个控制变量解集生成为实时优化调度计划，输出区域综合能源系统一个调度时段内调度计划。
在本发明的一种具体实施例中，所述调度约束条件包括：
电功率平衡约束：
PCHP+Pwind+Ppv+Pdis+Pbuy＝PEload+PP2G+PEB+Pchar+Psell
式中，PCHP表示热电联供机组发出的有功功率，Pwind表示风机参与调度的有功功率， Ppv表示光伏电站参与调度的有功功率，Pdis表示储电设备放电功率，Pbuy表示通过区域综合能源系统向外部电网的购电功率，PEload表示区域综合能源系统的用电负荷，PP2G表示电转气设备的耗电功率，PEB表示电热锅炉消耗的电功率，Pchar表示储能电池的充电功率，Psell表示区域综合能源系统向外部电网售电功率；
热功率平衡约束：
Figure RE-GDA0002416994750000072
式中，QEB表示电热锅炉发出的热功率，QGB表示燃气锅炉发出的热功率，QCHP-heat表示热电联供机组供热功率，QHS-c表示储热单元的放热功率，QHload表示系统热负荷功率， QHS -d表示储热单元蓄热功率；
天然气流量平衡约束：
Figure RE-GDA0002416994750000071
式中，mbuy g表示从天然气外网购买的燃气流量；mP2G g表示电转气设备释放的燃气流量；mGS g表示储气装置释放的燃气流量；mCHP in表示热电联供机组消耗的燃气流量；mGB in表示燃气锅炉消耗的燃气流量；mLoad表示系统消耗的燃气负荷流量；
与外部系统能源交易约束：
考虑区域综合能源系统与外部电力、天然气主网的能源交易限制，联络线与联络管道上购入的电功率和天然气流量需要维持在一定范围内：
Figure RE-GDA0002416994750000081
Figure RE-GDA0002416994750000082
式中，Pmax e、Pmin e分别为区域综合能源系统与上层电网交换功率的上下限；mmax g、mmin g分别为区域综合能源系统与外部天然气网络交换流量的上下限；
CHP机组运行约束：
热电联供机组在运行时，需满足额定功率约束及爬坡率约束条件：
Figure RE-GDA0002416994750000083
Figure RE-GDA0002416994750000084
式中，PCHP in、PCHP rated分别为热电联供机组的输出功率和额定功率；ΔPCHP为热电联供机组输入功率变化量；ΔPCHP min、ΔPCHP max分别为热电联供机组爬坡率的下限和上限；
储能充放电功率约束：
Figure RE-GDA0002416994750000085
Figure RE-GDA0002416994750000086
储能电池容量约束：
Emin≤Ei≤Emax
储能充放电功率与储能电池容量的关系：
Figure RE-GDA0002416994750000087
限制储能设备的充电与放电不同时进行的双线性约束条件：
Figure RE-GDA0002416994750000088
式中：Pchar i和
Figure RE-GDA00024169947500000812
分别为储能在时刻i的充电和放电功率；Ps,max为储能设备充/放电功率的上限；Ei为储能在时刻i的电量；Emax和Emin分别为储能容量的最大值和最小值；ηc和ηd分别为充电和放电效率系数；
储热装置充放热功率约束：
Figure RE-GDA0002416994750000089
Figure RE-GDA00024169947500000810
储热装置热能容量约束：
Figure RE-GDA00024169947500000811
为给下一个调度周期预留一定的调节裕量，使下一个调度周期开始时储热装置能够满足系统对其充放热要求，将储热装置的运行一个周期(1天)后的储热量恢复到原来的储热量，其约束如下：
QT＝Q0
式中，QHS i、QHS i-1分别为蓄热或放热前后储热设备所存储的热功率；QHS char、QHS dis分别为储热设备存储或释放的热量；ηHS c、ηHS dis分别为蓄能、放热的效率，QHS max、QHS min分别为储热能量的最大值和最小值；Qc,max、Qd,max分别为蓄热和放热的最大值，Q0、QT分别为优化调度周期始末时的储热量；
电锅炉的运行模型表示为
Figure RE-GDA0002416994750000091
式中，QEB、Pin EB、λEB分别表示在电锅炉输出的热功率、消耗的电功率以及电锅炉的能效比。
因此，电锅炉的运行约束为：
Figure RE-GDA0002416994750000092
式中，Pmin EB、Pmax EB表示电锅炉消耗电功率的最小值和最大值；
燃气锅炉运行模型表示为
Figure RE-GDA0002416994750000093
Figure RE-GDA0002416994750000094
燃气锅炉运行约束：
Figure RE-GDA0002416994750000095
式中，mmin GB、mmax GB表示燃气锅炉消耗天然气流量的最小值和最大值；
电转气设备运行约束：
Figure RE-GDA0002416994750000096
式中，Prated P2G为电转气设备额定功率。
在本发明的一种具体实施例中，区域综合能源系统中各部分的成本函数如下：
1)购电成本函数
Figure RE-GDA0002416994750000097
式中，Cbuy-e表示购电成本，Cbuy e表示购电单价成本；
2)购气成本函数
Figure RE-GDA0002416994750000098
式中，Cbuy-g表示购气成本，Cbuy g表示购气单价成本。
3)CHP机组运行成本函数
CHP机组中天然气价格转化为热值价格计算，CCHP可表示为：
Figure RE-GDA0002416994750000101
式中，CCHP表示CHP系统运行成本，Cf为天然气单价，LNG为燃气热值，ηCHP为CHP 机组发电效率；
4)储能电池运行成本函数
储能电池在充放电时产生的运行成本表示为：
Figure RE-GDA0002416994750000102
式中，CES表示储能电池的运行成本，Ce ES表示储能电池的运行成本单价；
5)储热装置运行成本函数
储热装置在充放热时产生的运行成本表示为：
Figure RE-GDA0002416994750000103
式中，CHS表示储热装置的运行成本，CQ HS表示储热装置的运行成本单价；
5)电热锅炉运行成本函数
Figure RE-GDA0002416994750000104
式中，CEB表示电锅炉运行成本，CQ EB表示电锅炉发出热功率的单价；
6)燃气锅炉运行成本函数
Figure RE-GDA0002416994750000105
式中，CGB表示燃气锅炉运行成本，CQ GB表示燃气锅炉发出热功率的单价；
7)电转气装置运行成本函数
电转气产气成本：
Figure RE-GDA0002416994750000106
式中，CP2G,表示电转气装置的产气成本，Cg P2G表示天然气转换成本单价。
在本发明的一种具体实施例中，所述可再生能源消纳能力为：
Figure RE-GDA0002416994750000107
Figure RE-GDA0002416994750000108
Figure RE-GDA0002416994750000109
Figure RE-GDA00024169947500001010
Figure RE-GDA0002416994750000111
Figure RE-GDA0002416994750000112
式中，Pn wind、Pn pv分别为无弃风/光情况下的风/光输出功率，αwind、αpv分别为风机/光伏调度比例，Pwind、Ppv分别为风机/光伏的输出功率，Pcur wind、Pcur pv分别为弃风/光功率，Ccur-w、Ccur-p分别表示弃风弃光的惩罚成本，Ccur wind、Ccur pv分别表示弃风弃光的惩罚成本单价。
在本发明的一种具体实施例中，区域综合能源系统的综合能效η表示为：
Figure RE-GDA0002416994750000113
式中，pgas、pelectric分别为天然气、外购电的折煤系数，T为整个调度周期时长，E为综合能耗，
Figure RE-GDA0002416994750000114
在本发明的一种具体实施例中，所述上层目标函数包括：
可再生能源消纳能力最大优化目标函数：
min F1＝min(Ccur-w+Ccur-p)
综合能效最大优化目标函数：
min F2＝minη。
在本发明的一种具体实施例中，所述下层目标函数包括：
运行成本最小优化目标函数：
min F3＝min(CCHP+CES+CHS+CEB+CGB+CP2G)
用能成本最小优化目标函数：
min F4＝min(Cbuy-e+Cbuy-g)。
在本发明的一种具体实施例中，所述基于所述调度约束条件、上层目标函数和下层目标函数，输入所述预测值，采用模型预测控制方法进行区域综合能源系统的在线滚动分层优化调度求解，获得滚动优化求解结果，包括：
实现多约束条件下的可再生能源消纳能力函数F1最大化与综合能效函数F2最大化，将调度周期内风光出力消纳比例及各能源设备能耗及使用时长下发至运行成本函数F3与用能成本函数F4中，在满足可再生能源消纳能力函数F1最大化与综合能效函数F2最大化的情况下，实现运行成本函数F3与用能成本函数F4的最小化，双层模型预测控制方法将区域综合能源系统的滚动优化调度问题逐级递进优化，获得滚动优化求解结果。
在本发明的一种具体实施例中，对区域综合能源系统中的分布式电源风、光输出功率及多能负荷进行超短期预测，采集系统实时状态进行预测误差校正。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (8)

1.一种基于多目标模型预测控制的区域综合能源系统分层优化运行方法，其特征在于，包括：
基于区域综合能源系统设备组成和参数，生成调度约束条件；
设置区域综合能源系统单个调度周期内的可再生能源消纳能力最大、综合能效最大为上层目标函数，设置系统运行成本和用能成本最小为下层目标函数；
在各调度周期内，分别对区域综合能源系统中的分布式风电、分布式光伏输出功率及负荷进行预测，并基于获取到的系统实时状态进行预测误差校正，获得预测值；基于所述调度约束条件、上层目标函数和下层目标函数，输入所述预测值，采用模型预测控制方法进行区域综合能源系统的在线滚动分层优化调度求解，获得滚动优化求解结果；将所述滚动优化求解结果中的第一组控制变量解集生成为实时优化调度计划，输出区域综合能源系统一个调度时段内调度计划。
2.根据权利要求1所述的一种基于多目标模型预测控制的区域综合能源系统分层优化运行方法，其特征在于：所述调度约束条件包括：
电功率平衡约束：
PCHP+Pwind+Ppv+Pdis+Pbuy＝PEload+PP2G+PEB+Pchar+Psell
式中，PCHP表示热电联供机组发出的有功功率，Pwind表示风机参与调度的有功功率，Ppv表示光伏电站参与调度的有功功率，Pdis表示储电设备放电功率，Pbuy表示通过区域综合能源系统向外部电网的购电功率，PEload表示区域综合能源系统的用电负荷，PP2G表示电转气设备的耗电功率，PEB表示电热锅炉消耗的电功率，Pchar表示储能电池的充电功率，Psell表示区域综合能源系统向外部电网售电功率；
热功率平衡约束：
Figure FDA0002318880390000011
式中，QEB表示电热锅炉发出的热功率，QGB表示燃气锅炉发出的热功率，QCHP-heat表示热电联供机组供热功率，QHS-c表示储热单元的放热功率，QHload表示系统热负荷功率，QHS-d表示储热单元蓄热功率；
天然气流量平衡约束：
Figure FDA0002318880390000012
式中，mbuy g表示从天然气外网购买的燃气流量；mP2G g表示电转气设备释放的燃气流量；mGS g表示储气装置释放的燃气流量；mCHP in表示热电联供机组消耗的燃气流量；mGB in表示燃气锅炉消耗的燃气流量；mLoad表示系统消耗的燃气负荷流量；
与外部系统能源交易约束：
Figure FDA0002318880390000021
Figure FDA0002318880390000022
式中，Pmax e、Pmin e分别为区域综合能源系统与上层电网交换功率的上下限；mmax g、mmin g分别为区域综合能源系统与外部天然气网络交换流量的上下限；
CHP机组运行约束：
Figure FDA0002318880390000023
Figure FDA0002318880390000024
式中，PCHP in、PCHP rated分别为热电联供机组的输出功率和额定功率；ΔPCHP为热电联供机组输入功率变化量；ΔPCHP min、ΔPCHP max分别为热电联供机组爬坡率的下限和上限；储能充放电功率约束：
0≤Pi dis≤Ps,max
0≤Pi char≤Ps,max
储能电池容量约束：
Emin≤Ei≤Emax
储能充放电功率与储能电池容量的关系：
Figure FDA0002318880390000025
限制储能设备的充电与放电不同时进行的双线性约束条件：
Pi disPi char＝0
式中：Pchar i和Pi dis分别为储能在时刻i的充电和放电功率；Ps,max为储能设备充/放电功率的上限；Ei为储能在时刻i的电量；Emax和Emin分别为储能容量的最大值和最小值；ηc和ηd分别为充电和放电效率系数；
储热装置充放热功率约束：
Figure FDA0002318880390000026
Figure FDA0002318880390000027
储热装置热能容量约束：
Figure FDA0002318880390000028
为给下一个调度周期预留一定的调节裕量，使下一个调度周期开始时储热装置能够满足系统对其充放热要求，将储热装置的运行一个周期后的储热量恢复到原来的储热量，
其约束如下：
QT＝Q0
式中，QHS i、QHS i-1分别为蓄热或放热前后储热设备所存储的热功率；QHS char、QHS dis分别为储热设备存储或释放的热量；ηHS c、ηHS dis分别为蓄能、放热的效率，QHS max、QHS min分别为储热能量的最大值和最小值；Qc,max、Qd,max分别为蓄热和放热的最大值，Q0、QT分别为优化调度周期始末时的储热量；
电锅炉的运行约束：
Figure FDA0002318880390000031
式中，Pmin EB、Pmax EB表示电锅炉消耗电功率的最小值和最大值；
燃气锅炉运行约束：
Figure FDA0002318880390000032
式中，mmin GB、mmax GB表示燃气锅炉消耗天然气流量的最小值和最大值；
电转气设备运行约束：
Figure FDA0002318880390000033
式中，Prated P2G为电转气设备额定功率。
3.根据权利要求1所述的一种基于多目标模型预测控制的区域综合能源系统分层优化运行方法，其特征在于：区域综合能源系统中各部分的成本函数如下：
1)购电成本函数
Figure FDA0002318880390000034
式中，Cbuy-e表示购电成本，Cbuy e表示购电单价成本；
2)购气成本函数
Figure FDA0002318880390000035
式中，Cbuy-g表示购气成本，Cbuy g表示购气单价成本。
3)CHP机组运行成本函数
CHP机组中天然气价格转化为热值价格计算，CCHP可表示为：
Figure FDA0002318880390000036
式中，CCHP表示CHP系统运行成本，Cf为天然气单价，LNG为燃气热值，ηCHP为CHP机组发电效率，PCHP表示热电联供机组在t时刻发出的有功功率；
4)储能电池运行成本函数
储能电池在充放电时产生的运行成本表示为：
Figure FDA0002318880390000041
式中，CES表示储能电池的运行成本，Ce ES表示储能电池的运行成本单价；
5)储热装置运行成本函数
储热装置在充放热时产生的运行成本表示为：
Figure FDA0002318880390000042
式中，CHS表示储热装置的运行成本，CQ HS表示储热装置的运行成本单价；
5)电热锅炉运行成本函数
Figure FDA0002318880390000043
式中，CEB表示电锅炉运行成本，CQ EB表示电锅炉发出热功率的单价；
6)燃气锅炉运行成本函数
Figure FDA0002318880390000044
式中，CGB表示燃气锅炉运行成本，CQ GB表示燃气锅炉发出热功率的单价；
7)电转气装置运行成本函数
电转气产气成本：
Figure FDA0002318880390000045
式中，CP2G,表示电转气装置的产气成本，Cg P2G表示天然气转换成本单价。
4.根据权利要求1所述的一种基于多目标模型预测控制的区域综合能源系统分层优化运行方法，其特征在于：所述可再生能源消纳能力为：
Figure FDA0002318880390000046
Figure FDA0002318880390000047
Figure FDA0002318880390000048
Figure FDA0002318880390000049
Figure FDA00023188803900000410
Figure FDA00023188803900000411
式中，Pn wind、Pn pv分别为无弃风/光情况下的风/光输出功率，αwind、αpv分别为风机/光伏调度比例，Pwind、Ppv分别为风机/光伏的输出功率，Pcur wind、Pcur pv分别为弃风/光功率，Ccur-w、Ccur-p分别表示弃风弃光的惩罚成本，Ccur wind、Ccur pv分别表示弃风弃光的惩罚成本单价。
5.根据权利要求4所述的一种基于多目标模型预测控制的区域综合能源系统分层优化运行方法，其特征在于：区域综合能源系统的综合能效η表示为：
Figure FDA0002318880390000051
式中，pgas、pelectric分别为天然气、外购电的折煤系数，T为整个调度周期时长，E为综合能耗，
Figure FDA0002318880390000052
6.根据权利要求5所述的一种基于多目标模型预测控制的区域综合能源系统分层优化运行方法，其特征在于：所述上层目标函数包括：
可再生能源消纳能力最大优化目标函数：
min F1＝min(Ccur-w+Ccur-p)
综合能效最大优化目标函数：
min F2＝minη。
7.根据权利要求1所述的一种基于多目标模型预测控制的区域综合能源系统分层优化运行方法，其特征在于：所述下层目标函数包括：
运行成本最小优化目标函数：
min F3＝min(CCHP+CES+CHS+CEB+CGB+CP2G)
用能成本最小优化目标函数：
min F4＝min(Cbuy-e+Cbuy-g)。
8.根据权利要求1所述的一种基于多目标模型预测控制的区域综合能源系统分层优化运行方法，其特征在于：所述基于所述调度约束条件、上层目标函数和下层目标函数，输入所述预测值，采用模型预测控制方法进行区域综合能源系统的在线滚动分层优化调度求解，获得滚动优化求解结果，包括：
实现多约束条件下的可再生能源消纳能力函数F1最大化与综合能效函数F2最大化，将调度周期内风光出力消纳比例及各能源设备能耗及使用时长下发至运行成本函数F3与用能成本函数F4中，在满足可再生能源消纳能力函数F1最大化与综合能效函数F2最大化的情况下，实现运行成本函数F3与用能成本函数F4的最小化，双层模型预测控制方法将区域综合能源系统的滚动优化调度问题逐级递进优化，获得滚动优化求解结果。
CN201911290336.5A 2019-12-16 2019-12-16 区域综合能源系统分层优化运行方法 Active CN112990523B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911290336.5A CN112990523B (zh) 2019-12-16 2019-12-16 区域综合能源系统分层优化运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911290336.5A CN112990523B (zh) 2019-12-16 2019-12-16 区域综合能源系统分层优化运行方法

Publications (2)

Publication Number Publication Date
CN112990523A true CN112990523A (zh) 2021-06-18
CN112990523B CN112990523B (zh) 2022-09-23

Family

ID=76342971

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911290336.5A Active CN112990523B (zh) 2019-12-16 2019-12-16 区域综合能源系统分层优化运行方法

Country Status (1)

Country Link
CN (1) CN112990523B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113780681A (zh) * 2021-09-28 2021-12-10 国网湖南省电力有限公司 综合能源系统的源-荷-储协同规划方法
CN114142460A (zh) * 2021-11-17 2022-03-04 浙江华云电力工程设计咨询有限公司 综合能源系统中储能双层目标优化配置方法及终端
CN114744653A (zh) * 2022-04-24 2022-07-12 浙大宁波理工学院 一种复合储能电站运行优化方法、系统及可存储介质
CN116432478A (zh) * 2023-06-15 2023-07-14 广东电网有限责任公司东莞供电局 一种电力系统的能量确定方法、装置、设备及介质
CN116562575A (zh) * 2023-05-16 2023-08-08 中国电力工程顾问集团有限公司 一种综合能源系统的优化调度方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108932560A (zh) * 2018-06-13 2018-12-04 天津大学 基于模型预测控制的园区综合能源系统优化调度方法
CN109713723A (zh) * 2019-02-13 2019-05-03 广东工业大学 一种区域综合能源系统运行优化方法
CN109919399A (zh) * 2019-04-15 2019-06-21 中国科学院电工研究所 一种综合能源系统日前经济调度方法及系统
CN110417006A (zh) * 2019-07-24 2019-11-05 三峡大学 考虑多能协同优化的综合能源系统多时间尺度能量调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108932560A (zh) * 2018-06-13 2018-12-04 天津大学 基于模型预测控制的园区综合能源系统优化调度方法
CN109713723A (zh) * 2019-02-13 2019-05-03 广东工业大学 一种区域综合能源系统运行优化方法
CN109919399A (zh) * 2019-04-15 2019-06-21 中国科学院电工研究所 一种综合能源系统日前经济调度方法及系统
CN110417006A (zh) * 2019-07-24 2019-11-05 三峡大学 考虑多能协同优化的综合能源系统多时间尺度能量调度方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113780681A (zh) * 2021-09-28 2021-12-10 国网湖南省电力有限公司 综合能源系统的源-荷-储协同规划方法
CN113780681B (zh) * 2021-09-28 2023-06-06 国网湖南省电力有限公司 综合能源系统的源-荷-储协同规划方法
CN114142460A (zh) * 2021-11-17 2022-03-04 浙江华云电力工程设计咨询有限公司 综合能源系统中储能双层目标优化配置方法及终端
CN114142460B (zh) * 2021-11-17 2024-03-15 浙江华云电力工程设计咨询有限公司 综合能源系统中储能双层目标优化配置方法及终端
CN114744653A (zh) * 2022-04-24 2022-07-12 浙大宁波理工学院 一种复合储能电站运行优化方法、系统及可存储介质
CN114744653B (zh) * 2022-04-24 2023-07-18 浙大宁波理工学院 一种复合储能电站运行优化方法、系统及可存储介质
CN116562575A (zh) * 2023-05-16 2023-08-08 中国电力工程顾问集团有限公司 一种综合能源系统的优化调度方法
CN116562575B (zh) * 2023-05-16 2023-10-31 中国电力工程顾问集团有限公司 一种综合能源系统的优化调度方法
CN116432478A (zh) * 2023-06-15 2023-07-14 广东电网有限责任公司东莞供电局 一种电力系统的能量确定方法、装置、设备及介质
CN116432478B (zh) * 2023-06-15 2023-09-08 广东电网有限责任公司东莞供电局 一种电力系统的能量确定方法、装置、设备及介质

Also Published As

Publication number Publication date
CN112990523B (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
CN109858759B (zh) 一种工业园区综合能源平衡调度方法
CN112990523B (zh) 区域综合能源系统分层优化运行方法
CN109919478B (zh) 一种考虑综合供能可靠性的综合能源微网规划方法
CN110544935B (zh) 一种电-氢多能互补直流微电网协调调度方法
CN110991000B (zh) 计及固体氧化物燃料电池和电转气的能量枢纽建模方法
CN113255992A (zh) 一种园区级多能互补系统优化调度方法及装置
CN112865174B (zh) 基于双层模型预测控制的微能网多时间尺度优化控制方法
CN113850474B (zh) 一种热电氢多能流综合能源系统及其优化调度方法
CN113779783B (zh) 计及多重不确定性的区域综合能源系统规划与运行联合优化方法
CN112701687A (zh) 考虑价格型联合需求响应的气电配网系统鲁棒优化运行方法
CN113159407A (zh) 基于区域综合能源系统的多能储存模块容量优化配置方法
CN112671040A (zh) 一种考虑新能源消纳最大的多能互补系统日前优化调度方法
CN116599148A (zh) 一种面向新能源消纳的氢电混合储能两阶段协同规划方法
CN117081143A (zh) 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法
Saha Adaptive model-based receding horizon control of interconnected renewable-based power micro-grids for effective control and optimal power exchanges
CN111210119A (zh) 多种市场下vpp电、热、气优化调度模型的建立方法
CN116402214A (zh) 一种考虑广义综合需求响应的含氢综合能源系统低碳优化运行方法
Huang et al. A multi-time scale scheduling method for wind-PV-pumped storage-electrochemical energy storage integrated generation system
CN111985844A (zh) 一种风力及光能综合能源系统日前经济调度方法
CN112884191A (zh) 一种基于网源协调的热电日前调度模型及计算方法
CN114925893B (zh) 一种考虑源荷时序模拟与水库月间协调的跨省跨区全年购电策略分层优化方法
CN117856214A (zh) 一种含氢储能系统的微网日前调度方法
Wu et al. Optimal P2G configuration of Park Integrated Energy System Considering Multiple Uncertainties
Dai et al. Low carbon scheduling strategy of regional integrated energy system with concentrated solar power plant and carbon capture system based on IGDT
Yang et al. Optimal Scheduling of Thermoelectricity in Integrated Energy System Based on Waste Heat Recovery from Power to Gas and Flexible Thermoelectricity Ratio

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