CN113011655A - 一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法 - Google Patents

一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法 Download PDF

Info

Publication number
CN113011655A
CN113011655A CN202110299818.8A CN202110299818A CN113011655A CN 113011655 A CN113011655 A CN 113011655A CN 202110299818 A CN202110299818 A CN 202110299818A CN 113011655 A CN113011655 A CN 113011655A
Authority
CN
China
Prior art keywords
energy
power
constraint
follows
heat
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
CN202110299818.8A
Other languages
English (en)
Other versions
CN113011655B (zh
Inventor
骆钊
吕欣
董敏
王菁慧
代莹皓
沈赋
梁玉平
刘果
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.)
Yunnan Dirac Energy Technology Co.,Ltd.
Original Assignee
Kunming University of Science and Technology
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 Kunming University of Science and Technology filed Critical Kunming University of Science and Technology
Priority to CN202110299818.8A priority Critical patent/CN113011655B/zh
Publication of CN113011655A publication Critical patent/CN113011655A/zh
Application granted granted Critical
Publication of CN113011655B publication Critical patent/CN113011655B/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"
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法，首先构建社区多能源系统CMES，所述社区多能源系统CMES包括热电联产机组、燃气锅炉、可再生能源机组RES、以及混合储能系统HESS，其中热电联产机组包括燃气轮机和热回收装置，混合储能系统HESS包括蓄电池和蓄热罐；其次构建混合储能系统HESS规划模型，在混合储能系统HESS规划模型基础上构建社区多能源系统CMES运行优化模型；最后根据步骤S2中分阶段构建的模型提出两阶段随机规划模型的紧凑形式，进一步将两阶段随机规划模型转化为确定的混合整数线性模型，使用求解器求解得出规划优化结果。本发明提供的优化方法能够确保社区多能源系统性能、为促进当地可再生能源消费和提高能源效率提供了一个很好的选择。

Description

一种基于两阶段随机规划的社区多能源系统的混合储能系统 规划方法
技术领域
本发明公开了一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法，属于电力工程研究区域，尤其涉及基于两阶段随机规划的社区多能源系统中的混合储能系统的优化规划方法。
背景技术
随着风力发电机、光伏电池等分布式可再生能源发电技术的发展，现代电力系统正变得越来越绿色和可持续。由于可再生能源固有的间歇性、波动性和随机性，促进当地可再生能源消费仍然是一个难题。多能源系统作为一种新型的能源系统形式，将电、天然气、热等多种能量流耦合在一起，不仅满足了用户不同的能源需求，而且由于能量互补，具有相当大的运行灵活性。因此，多能源系统被认为是促进当地可再生能源消费和提高能源效率的一个很好的选择。
近几十年来，分布式发电技术的不断发展和突破，分布式发电逐渐得到世界范围内广泛的关注和应用。分布式发电技术可以将当地分散的化石能源(如煤、石油、天然气等)、可再生能源(如太阳能、风能等)因地制宜地进行开发和利用，在合理利用资源的同时，显著提高了能源的利用率，因而得到了迅速发展。微电网中风能、太阳能等可再生能源的局部消纳是建立更加绿色的能源系统的有效途径，它可以降低输电损耗，提高能源利用效率。作为一个集分布式单元和不同能源形式的负荷为一体的多能系统，热电联产系统由于能量的梯级利用具有较高的能效。在热电联产微电网中，可再生能源既可以满足电力需求，也可以满足热需求，因此，通过协调热能和电能的生产和消耗，可再生能源的消耗可以得到有效的提高。然而，可再生能源的变化给微网运行带来了额外的不确定性，这些不确定性影响了多能源系统的计划和运行，因此需要在计划阶段很好地处理这些不确定性，以确保多能源系统的性能。
发明内容
本发明针对在不确定性条件下社区多能源系统的混合储能系统优化规划问题，提出了一种考虑不确定性的两阶段随机规划模型，用于确定现有社区多能源系统中混合储能系统的最优规模；具体实现步骤如下：
S1、构建社区多能源系统CMES，所述社区多能源系统CMES包括热电联产机组、燃气锅炉、可再生能源机组RES、以及混合储能系统HESS，其中热电联产机组包括燃气轮机和热回收装置，混合储能系统HESS包括蓄电池和蓄热罐；
S2、构建混合储能系统HESS规划模型，在混合储能系统HESS规划模型基础上构建社区多能源系统CMES运行优化模型；
S3、根据步骤S2中分阶段构建的模型提出两阶段随机规划模型的紧凑形式，进一步将两阶段随机规划模型转化为确定的混合整数线性模型，使用求解器求解得出规划优化结果。
所述步骤S2中构建混合储能系统HESS规划模型具体包括确定蓄电池和蓄热罐的投资成本，具体如下：
Figure BDA0002985751550000021
其中Cinv是HESS的年度投资成本，r是资本利率，m是投资回报年度，
Figure BDA0002985751550000022
是蓄电池的单位容量投资成本，
Figure BDA0002985751550000023
是蓄热罐的单位容量投资成本，
Figure BDA0002985751550000024
是蓄电池的容量，
Figure BDA0002985751550000025
是蓄热罐的容量；
蓄电池和蓄热罐的约束包括蓄电池和储热罐的尺寸范围，具体如下：
Figure BDA0002985751550000026
所述步骤S2中在混合储能系统HESS规划模型基础上构建社区多能源系统CMES运行优化模型的步骤包括：
S21、确定社区多能源系统CMES的年度运营成本，具体如下
第二阶段的目标包括燃料成本、购电净成本和运营维护成本，如下所示：
Coper＝Cfuel+Cgrid+Com (3)
其中Coper是社区多能源系统的年度运营成本，Cfuel是燃料成本，Cgrid是购电净成本，Com是运营维护成本；
社区多能源系统CMES的燃料成本Cfuel包括燃气轮机和燃气锅炉的自然成本，其计算方法如下：
Figure BDA0002985751550000031
其中N是该时段的指标集，Δt是时间间隔h，cgas是天然气的能源价格，ηgt是燃气轮机的发电效率，ηgb是燃气锅炉的效率，
Figure BDA0002985751550000032
是燃气轮机在周期t的电功率，
Figure BDA0002985751550000033
是燃气锅炉在t千瓦时的热功率；
社区多能源系统CMES的购电净成本Cgrid等于购电成本减去售电收入，具体如下：
Figure BDA0002985751550000034
其中
Figure BDA0002985751550000035
是在时段t从主电网购买的电力价格，
Figure BDA0002985751550000036
是在时段t出售给主电网的电价，
Figure BDA0002985751550000037
是在周期t从主电网购买的电力，
Figure BDA0002985751550000038
是在周期t卖给主电网的电能；
燃气轮机、燃气锅炉、蓄电池和蓄热罐的运行维护费用，其计算公式如下：
Figure BDA0002985751550000039
其中
Figure BDA00029857515500000310
是燃气轮机的单位运行维护成本，
Figure BDA00029857515500000311
是燃气锅炉的单位运行维护成本，
Figure BDA00029857515500000312
是可再生能源机组RES的单元运行维护成本，
Figure BDA00029857515500000313
是蓄电池的单位运行维护成本，
Figure BDA00029857515500000314
是蓄热罐的单位运行维护成本；
S22、确定社区多能源系统CMES的运行约束条件，具体包括联络线功率约束、设备约束、功率平衡约束、供热网络约束和热负荷约束，具体如下：
社区多能源系统CMES通过联络线与主电网进行电力交换，联络线功率约束如下：
Figure BDA00029857515500000315
其中
Figure BDA00029857515500000316
是联络线功率容量，
Figure BDA00029857515500000317
是二进制变量，表示社区多能源系统是否在t时段从主电网购买电；
Figure BDA0002985751550000041
是二进制变量，表示社区多能源系统是否在时段t处向主电网出售电力；
设备约束包括热电联产机组约束、燃气锅炉约束、可再生能源机组RES约束、蓄电池约束、以及蓄热罐约束；
热电联产机组约束包括电力极限和电热方程，具体如下：
Figure BDA0002985751550000042
其中
Figure BDA0002985751550000043
是燃气轮机的额定发电功率，
Figure BDA0002985751550000044
是燃气轮机在t时段的热功率，ηloss是燃气轮机的能量损失率，ηhr是热电联产机组中余热回收装置的效率；
燃气锅炉约束包括热功率限制，具体如下：
Figure BDA0002985751550000045
其中
Figure BDA0002985751550000046
是燃气锅炉的热功率；
可再生能源机组RES约束具体如下：
Figure BDA0002985751550000047
其中
Figure BDA0002985751550000048
是周期t为可再生能源机组RES功率的预测值；
蓄电池约束包括充电功率限制、放电功率限制、能级方程、能级限制和充放电状态限制，具体如下：
Figure BDA0002985751550000049
其中
Figure BDA00029857515500000410
是充电功率极限的系数，
Figure BDA00029857515500000411
是放电功率极限的系数，
Figure BDA00029857515500000412
是电池的充电效率，
Figure BDA00029857515500000413
是电池的放电效率，
Figure BDA00029857515500000414
是能级的下限系数，
Figure BDA00029857515500000415
是能级的上限系数，
Figure BDA00029857515500000416
是表示变量在时间段t的充电状态的二进制变量，
Figure BDA00029857515500000417
是表示变量在时间段t的放电状态的二进制变量，
Figure BDA00029857515500000418
是电池的电量；
蓄热罐约束包括蓄热功率限制、释放功率限制、能级方程、能级限制和储放状态限制，具体如下：
Figure BDA0002985751550000051
其中，
Figure BDA0002985751550000052
是表示蓄热罐在时间段t的存储状态的二进制变量，
Figure BDA0002985751550000053
是表示蓄热罐在时间段t的释放状态的二进制变量，
Figure BDA0002985751550000054
是储能极限的系数，
Figure BDA0002985751550000055
是释放功率极限的系数，
Figure BDA0002985751550000056
是储热罐的储热效率，
Figure BDA0002985751550000057
是储热罐的释放效率，
Figure BDA0002985751550000058
是能级的下限系数，
Figure BDA0002985751550000059
是能级的上限系数，
Figure BDA00029857515500000510
是蓄热罐的能级；
社区多能源系统CMES的功率平衡约束包括电力平衡方程和热功率平衡方程，如下所示：
Figure BDA00029857515500000511
其中
Figure BDA00029857515500000512
是用户在时段t的用电负荷的预测值，
Figure BDA00029857515500000513
是在时间段t注入热网的热功率；
社区多能源系统CMES的供热网络约束包括管道约束、节点约束以及温度约束；
管道约束：
根据节点法，管道的出口水温表示如下：
Figure BDA00029857515500000514
Figure BDA00029857515500000515
其中Φpipe是管道的索引集，
Figure BDA00029857515500000516
是供水管道b在时间段k时的进水温度，
Figure BDA00029857515500000517
是回水管道b在时间段k时的进水温度，
Figure BDA00029857515500000518
是供水管道b在时间段k时的出水温度，
Figure BDA0002985751550000061
是回水管道b在时间段k时的出水温度，
Figure BDA0002985751550000062
是在时间段t时加热网络的环境温度，γb，βb，Kb,k和ξb是参数；
γb和βb关联管道b的传输延迟，Kb,k是周期t-k在管线b中流动的质量流量与从管线b中流出的当前质量流量之比，ξb是管道b的温降率，这些参数基于节点方法计算，如下所示：
Figure BDA0002985751550000063
Figure BDA0002985751550000064
Figure BDA0002985751550000065
其中
Figure BDA0002985751550000066
是管道b的质量流量，ρ是水密度，Ab是管道b的横截面积，lb是管道
Figure BDA00029857515500000612
的长度，Z是整数集，Rb是从周期t到t-γb流入管道b的总质量流量；c为水的比热容，λb为管道b的传热系数；
节点约束：
在供热网络的源节点处，注入网络的热功率如下：
Figure BDA0002985751550000067
其中
Figure BDA0002985751550000068
是与源节点连接的管道的索引集；
在供热网络的负荷节点处，提供给负荷的热功率如下：
Figure BDA0002985751550000069
其中
Figure BDA00029857515500000610
是供热网络中负荷节点的索引集，
Figure BDA00029857515500000611
是与负荷节点k连接的管道的索引集；
根据能量守恒定律，流入节点的能量应等于流出节点的能量，计算如下：
Figure BDA0002985751550000071
其中
Figure BDA0002985751550000072
是相交节点的索引集，
Figure BDA0002985751550000073
是流出节点k的管道的索引集，
Figure BDA0002985751550000074
是流入节点k的管道的索引集，
Figure BDA0002985751550000075
是t时刻k点的供水温度，
Figure BDA0002985751550000076
是在t时刻节点k的回水温度；
流出同一节点的水应具有相同的温度，计算如下：
Figure BDA0002985751550000077
温度约束：
供热网络的水温约束如下：
Figure BDA0002985751550000078
其中
Figure BDA0002985751550000079
和
Figure BDA00029857515500000710
分别是最高和最低供应温度，
Figure BDA00029857515500000711
和
Figure BDA00029857515500000712
分别是最高和最低返回温度；
社区多能源系统CMES的热负荷约束包括建筑物的空间热负荷约束、生活热水的热负荷约束，
其中建筑物的空间热负荷约束使用等效热参数模型进行建模，如下所示：
Figure BDA00029857515500000713
其中Rk是建筑物在负荷节点k处的等效热阻，
Figure BDA00029857515500000714
是建筑物在负荷节点k时的等效热容，Dk是负荷节点k上的用户数，
Figure BDA00029857515500000715
是t℃时建筑物室外温度的预测值，
Figure BDA00029857515500000716
是t℃时负荷节点k处建筑物的室内温度，
Figure BDA00029857515500000717
是负荷节点k处在周期t的空间热负荷；
进一步增加如下约束条件：
Figure BDA0002985751550000081
其中N是决策周期的长度，
Figure BDA0002985751550000082
和
Figure BDA0002985751550000083
是室内热舒适度的最高和最低温度，
Figure BDA0002985751550000084
是预期的室内温度；
生活热水的热负荷约束使用一阶动态模型进行建模，如下所示：
Figure BDA0002985751550000085
其中
Figure BDA0002985751550000086
是负荷节点k的水箱容量，
Figure BDA0002985751550000087
是负荷节点k处用户在周期t时的预计热水消耗量，
Figure BDA0002985751550000088
是注入水箱的冷水温度，
Figure BDA0002985751550000089
是在t时负荷节点k处的热水温度，
Figure BDA00029857515500000810
是负荷节点k处的热水在周期t的热负荷；
进一步增加如下约束条件：
Figure BDA00029857515500000811
其中
Figure BDA00029857515500000812
和
Figure BDA00029857515500000813
分别是最高水温和最低水温，
Figure BDA00029857515500000814
是预期水温；
负荷节点k处的热负荷计算如下：
Figure BDA00029857515500000815
根据步骤S2中分阶段构建的模型提出两阶段随机规划模型的紧凑形式，具体如下：
Figure BDA00029857515500000816
其中x是第一阶段决策变量，即规划决策变量；包括电池容量
Figure BDA00029857515500000817
和蓄热罐
Figure BDA00029857515500000818
y是第二阶段决策变量，即运行决策变量；具体包括设备的输出参数、供热网络参数和建筑物的参数，即
Figure BDA00029857515500000819
Figure BDA00029857515500000820
Figure BDA00029857515500000821
和
Figure BDA00029857515500000822
u是随机变量，包括可再生能源的预测值
Figure BDA00029857515500000823
电负荷的预测值
Figure BDA00029857515500000824
室外温度的预测值
Figure BDA00029857515500000825
和热水质量的预测值
Figure BDA0002985751550000091
X是决策x的可行区域；Y是决策y的可行区域；c，d，b和h是常数向量；A，E，F和G是常数矩阵；
在式(28)中，第一阶段的目标cTx由式(1)实现，第二阶段的目标dTy(x,u)由式(3)-(6)实现；可行区域X由式(2)约束，可行区域Y由式(7)-(14)和(18)-(27)实现；
定义随机变量u具有有限数量的实现，表示为方案u1,u2,...,uM，方案的可能性定义为ω1,ω2,...,ωM，将公式(28)转化为确定的混合整数线性模型，具体如下：
Figure BDA0002985751550000092
s.t.Ax≤b
Ex+Fyi-Gui≤h i＝1,2,...,M (29)
其中yi是方案ui下的第二阶段决策变量，方案u1,u2,...,uM通过从随机变量u的概率分布函数采样生成；
使用求解器求解式(29)得出规划优化结果。
所述求解器为CPLEX求解器或GUROBI求解器。
所述方案u1,u2,...,uM的采样方法为简单随机抽样、重要性抽样或拉丁超立方体抽样。
附图说明
图1为社区多能源系统的结构示意图；
图2为社区多能源系统的供热管道网络结构示意图；
图3为社区多能源系统的热网络结构示意图；
图4为4种案例下社区多能源系统年度费用示意图。
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，以下结合附图及实施案例对本发明进行深入地详细说明。应当理解，此处所描述的具体实施案例仅仅用以解释本发明，并不用于限定发明。
如图1-图3所示，本发明提供的一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法，包括如下步骤：
S1、构建社区多能源系统CMES，所述社区多能源系统CMES包括热电联产机组、燃气锅炉、可再生能源机组RES、以及混合储能系统HESS，其中热电联产机组包括燃气轮机和热回收装置，混合储能系统HESS包括蓄电池和蓄热罐；
S2、构建混合储能系统HESS规划模型，在混合储能系统HESS规划模型基础上构建社区多能源系统CMES运行优化模型；
S3、根据步骤S2中分阶段构建的模型提出两阶段随机规划模型的紧凑形式，进一步将两阶段随机规划模型转化为确定的混合整数线性模型，使用求解器求解得出规划优化结果。
所述步骤S2中构建混合储能系统HESS规划模型具体包括确定蓄电池和蓄热罐的投资成本，具体如下：
Figure BDA0002985751550000101
其中Cinv是HESS的年度投资成本，r是资本利率，m是投资回报年度，
Figure BDA0002985751550000102
是蓄电池的单位容量投资成本，
Figure BDA0002985751550000103
是蓄热罐的单位容量投资成本，
Figure BDA0002985751550000104
是蓄电池的容量，
Figure BDA0002985751550000105
是蓄热罐的容量；
蓄电池和蓄热罐的约束包括蓄电池和储热罐的尺寸范围，具体如下：
Figure BDA0002985751550000106
所述步骤S2中在混合储能系统HESS规划模型基础上构建社区多能源系统CMES运行优化模型的步骤包括：
S21、确定社区多能源系统CMES的年度运营成本，具体如下
第二阶段的目标包括燃料成本、购电净成本和运营维护成本，如下所示：
Coper＝Cfuel+Cgrid+Com (3)
其中Coper是社区多能源系统的年度运营成本，Cfuel是燃料成本，Cgrid是购电净成本，Com是运营维护成本；
社区多能源系统CMES的燃料成本Cfuel包括燃气轮机和燃气锅炉的自然成本，其计算方法如下：
Figure BDA0002985751550000111
其中N是该时段的指标集，Δt是时间间隔h，cgas是天然气的能源价格，ηgt是燃气轮机的发电效率，ηgb是燃气锅炉的效率，
Figure BDA0002985751550000112
是燃气轮机在周期t的电功率，
Figure BDA0002985751550000113
是燃气锅炉在t千瓦时的热功率；
社区多能源系统CMES的购电净成本Cgrid等于购电成本减去售电收入，具体如下：
Figure BDA0002985751550000114
其中
Figure BDA0002985751550000115
是在时段t从主电网购买的电力价格，
Figure BDA0002985751550000116
是在时段t出售给主电网的电价，
Figure BDA0002985751550000117
是在周期t从主电网购买的电力，
Figure BDA0002985751550000118
是在周期t卖给主电网的电能；
燃气轮机、燃气锅炉、蓄电池和蓄热罐的运行维护费用，其计算公式如下：
Figure BDA0002985751550000119
其中
Figure BDA00029857515500001110
是燃气轮机的单位运行维护成本，
Figure BDA00029857515500001111
是燃气锅炉的单位运行维护成本，
Figure BDA00029857515500001112
是可再生能源机组RES的单元运行维护成本，
Figure BDA00029857515500001113
是蓄电池的单位运行维护成本，
Figure BDA00029857515500001114
是蓄热罐的单位运行维护成本；
S22、确定社区多能源系统CMES的运行约束条件，具体包括联络线功率约束、设备约束、功率平衡约束、供热网络约束和热负荷约束，具体如下：
社区多能源系统CMES通过联络线与主电网进行电力交换，联络线功率约束如下：
Figure BDA0002985751550000121
其中
Figure BDA0002985751550000122
是联络线功率容量，
Figure BDA0002985751550000123
是二进制变量，表示社区多能源系统是否在t时段从主电网购买电；
Figure BDA0002985751550000124
是二进制变量，表示社区多能源系统是否在时段t处向主电网出售电力；
设备约束包括热电联产机组约束、燃气锅炉约束、可再生能源机组RES约束、蓄电池约束、以及蓄热罐约束；
热电联产机组约束包括电力极限和电热方程，具体如下：
Figure BDA0002985751550000125
其中
Figure BDA0002985751550000126
是燃气轮机的额定发电功率，
Figure BDA0002985751550000127
是燃气轮机在t时段的热功率，ηloss是燃气轮机的能量损失率，ηhr是热电联产机组中余热回收装置的效率；
燃气锅炉约束包括热功率限制，具体如下：
Figure BDA0002985751550000128
其中
Figure BDA0002985751550000129
是燃气锅炉的热功率；
可再生能源机组RES约束具体如下：
Figure BDA00029857515500001210
其中
Figure BDA00029857515500001211
是周期t为可再生能源机组RES功率的预测值；
蓄电池约束包括充电功率限制、放电功率限制、能级方程、能级限制和充放电状态限制，具体如下：
Figure BDA0002985751550000131
其中
Figure BDA0002985751550000132
是充电功率极限的系数，
Figure BDA0002985751550000133
是放电功率极限的系数，
Figure BDA0002985751550000134
是电池的充电效率，
Figure BDA0002985751550000135
是电池的放电效率，
Figure BDA0002985751550000136
是能级的下限系数，
Figure BDA0002985751550000137
是能级的上限系数，
Figure BDA0002985751550000138
是表示变量在时间段t的充电状态的二进制变量，
Figure BDA0002985751550000139
是表示变量在时间段t的放电状态的二进制变量，
Figure BDA00029857515500001310
是电池的电量；
蓄热罐约束包括蓄热功率限制、释放功率限制、能级方程、能级限制和储放状态限制，具体如下：
Figure BDA00029857515500001311
其中，
Figure BDA00029857515500001312
是表示蓄热罐在时间段t的存储状态的二进制变量，
Figure BDA00029857515500001313
是表示蓄热罐在时间段t的释放状态的二进制变量，
Figure BDA00029857515500001314
是储能极限的系数，
Figure BDA00029857515500001315
是释放功率极限的系数，
Figure BDA00029857515500001316
是储热罐的储热效率，
Figure BDA00029857515500001317
是储热罐的释放效率，
Figure BDA00029857515500001318
是能级的下限系数，
Figure BDA00029857515500001319
是能级的上限系数，
Figure BDA00029857515500001320
是蓄热罐的能级；
社区多能源系统CMES的功率平衡约束包括电力平衡方程和热功率平衡方程，如下所示：
Figure BDA00029857515500001321
其中
Figure BDA00029857515500001322
是用户在时段t的用电负荷的预测值，
Figure BDA00029857515500001323
是在时间段t注入热网的热功率；
社区多能源系统CMES的供热网络约束包括管道约束、节点约束以及温度约束；
管道约束：
根据节点法，管道的出口水温表示如下：
Figure BDA0002985751550000141
Figure BDA0002985751550000142
其中Φpipe是管道的索引集，
Figure BDA0002985751550000143
是供水管道b在时间段k时的进水温度，
Figure BDA0002985751550000144
是回水管道b在时间段k时的进水温度，
Figure BDA0002985751550000145
是供水管道b在时间段k时的出水温度，
Figure BDA0002985751550000146
是回水管道b在时间段k时的出水温度，
Figure BDA0002985751550000147
是在时间段t时加热网络的环境温度，γb，βb，Kb,k和ξb是参数；
γb和βb关联管道b的传输延迟，Kb,k是周期t-k在管线b中流动的质量流量与从管线b中流出的当前质量流量之比，ξb是管道b的温降率，这些参数基于节点方法计算，如下所示：
Figure BDA0002985751550000148
Figure BDA0002985751550000149
Figure BDA00029857515500001410
其中
Figure BDA00029857515500001411
是管道b的质量流量，ρ是水密度，Ab是管道b的横截面积，lb是管道
Figure BDA00029857515500001412
的长度，Z是整数集，Rb是从周期t到t-γb流入管道b的总质量流量；c为水的比热容，λb为管道b的传热系数；
节点约束：
在供热网络的源节点处，注入网络的热功率如下：
Figure BDA0002985751550000151
其中
Figure BDA0002985751550000152
是与源节点连接的管道的索引集；
在供热网络的负荷节点处，提供给负荷的热功率如下：
Figure BDA0002985751550000153
其中
Figure BDA0002985751550000154
是供热网络中负荷节点的索引集，
Figure BDA0002985751550000155
是与负荷节点k连接的管道的索引集；
根据能量守恒定律，流入节点的能量应等于流出节点的能量，计算如下：
Figure BDA0002985751550000156
其中
Figure BDA0002985751550000157
是相交节点的索引集，
Figure BDA0002985751550000158
是流出节点k的管道的索引集，
Figure BDA0002985751550000159
是流入节点k的管道的索引集，
Figure BDA00029857515500001510
是t时刻k点的供水温度，
Figure BDA00029857515500001511
是在t时刻节点k的回水温度；
流出同一节点的水应具有相同的温度，计算如下：
Figure BDA00029857515500001512
温度约束：
供热网络的水温约束如下：
Figure BDA00029857515500001513
其中
Figure BDA00029857515500001514
和
Figure BDA00029857515500001515
分别是最高和最低供应温度，
Figure BDA00029857515500001516
和
Figure BDA00029857515500001517
分别是最高和最低返回温度；
社区多能源系统CMES的热负荷约束包括建筑物的空间热负荷约束、生活热水的热负荷约束，
其中建筑物的空间热负荷约束使用等效热参数模型进行建模，如下所示：
Figure BDA0002985751550000161
其中Rk是建筑物在负荷节点k处的等效热阻，
Figure BDA0002985751550000162
是建筑物在负荷节点k时的等效热容，Dk是负荷节点k上的用户数，
Figure BDA0002985751550000163
是t℃时建筑物室外温度的预测值，
Figure BDA0002985751550000164
是t℃时负荷节点k处建筑物的室内温度，
Figure BDA0002985751550000165
是负荷节点k处在周期t的空间热负荷；
进一步增加如下约束条件：
Figure BDA0002985751550000166
其中N是决策周期的长度，
Figure BDA0002985751550000167
和
Figure BDA0002985751550000168
是室内热舒适度的最高和最低温度，
Figure BDA0002985751550000169
是预期的室内温度；
生活热水的热负荷约束使用一阶动态模型进行建模，如下所示：
Figure BDA00029857515500001610
其中
Figure BDA00029857515500001611
是负荷节点k的水箱容量，
Figure BDA00029857515500001612
是负荷节点k处用户在周期t时的预计热水消耗量，
Figure BDA00029857515500001613
是注入水箱的冷水温度，
Figure BDA00029857515500001614
是在t时负荷节点k处的热水温度，
Figure BDA00029857515500001615
是负荷节点k处的热水在周期t的热负荷；
进一步增加如下约束条件：
Figure BDA00029857515500001616
其中
Figure BDA00029857515500001617
和
Figure BDA00029857515500001618
分别是最高水温和最低水温，
Figure BDA00029857515500001619
是预期水温；
负荷节点k处的热负荷计算如下：
Figure BDA00029857515500001620
根据步骤S2中分阶段构建的模型提出两阶段随机规划模型的紧凑形式，具体如下：
Figure BDA0002985751550000171
其中x是第一阶段决策变量，即规划决策变量；包括电池容量
Figure BDA0002985751550000172
和蓄热罐
Figure BDA0002985751550000173
y是第二阶段决策变量，即运行决策变量；具体包括设备的输出参数、供热网络参数和建筑物的参数，即
Figure BDA0002985751550000174
Figure BDA0002985751550000175
Figure BDA0002985751550000176
和
Figure BDA0002985751550000177
u是随机变量，包括可再生能源的预测值
Figure BDA0002985751550000178
电负荷的预测值
Figure BDA0002985751550000179
室外温度的预测值
Figure BDA00029857515500001710
和热水质量的预测值
Figure BDA00029857515500001711
X是决策x的可行区域；Y是决策y的可行区域；c，d，b和h是常数向量；A，E，F和G是常数矩阵；
在式(28)中，第一阶段的目标cTx由式(1)实现，第二阶段的目标dTy(x,u)由式(3)-(6)实现；可行区域X由式(2)约束，可行区域Y由式(7)-(14)和(18)-(27)实现；
定义随机变量u具有有限数量的实现，表示为方案u1,u2,...,uM，方案的可能性定义为ω1,ω2,...,ωM，将公式(28)转化为确定的混合整数线性模型，具体如下：
Figure BDA00029857515500001712
s.t.Ax≤b
Ex+Fyi-Gui≤h i＝1,2,...,M (29)
其中yi是方案ui下的第二阶段决策变量，方案u1,u2,...,uM通过从随机变量u的概率分布函数采样生成；
使用求解器求解式(29)得出规划优化结果。
所述求解器为CPLEX求解器或GUROBI求解器。
所述方案u1,u2,...,uM的采样方法为简单随机抽样、重要性抽样或拉丁超立方体抽样。
实施例
社区多能源系统CMES通过能源分配网络为居民提供电力和热能，它为用户提供的热能用于采暖和生活热水，其热网络结构示意图如图3所示，社区多能源系统配备了一台4MW的燃气轮机、一台4WM燃气锅炉和总容量为10MW的光伏电池作为可再生能源机组RES，工作目标是为社区多能源系统配备最优的混合储能系统，包括蓄电池和蓄热罐，以提高社区多能源系统的可靠性、经济性和运行灵活性。将构建好的模型在配备i7CPU和16GB RAM的计算机上进行模拟，仿真平台为Matlab2020b，GUROBI采用MILP模型。
(1)社区多能源系统的参数和仿真设置
表1给出了模拟中使用的参数，社区多能源系统的年度运作日按季节分为四种类型，即春季(1月21日至4月20日)、夏季(4月21日至7月20日)、秋季(7月21日至10月14日)和冬季(10月15日至1月20日)；四季都有生活热水需求，但只有冬春两季有供暖需求；蓄电池和蓄热罐的单位投资成本分别设定为500元/千瓦时和100元/千瓦时；电力负荷、太阳能发电、室外温度和生活热水质量的预测误差均服从正态分布，均值为0，标准偏差为20％。每一季节分别生成50个场景，最终有200个场景。由于夏季和秋季没有空间供暖需求，因此室外温度场景仅包含春季和冬季数据，设置了四个案例来考察热惯性对规划结果的影响，具体案例设置情况如表2所示。
表1社区多能源系统中的参数设置
Figure BDA0002985751550000181
Figure BDA0002985751550000191
表2案例设置情况
Figure BDA0002985751550000192
(2)规划结果分析
四种案例的规划结果见表3和表4。在案例1中，由于忽略了供热管网的热惯性、空间供暖需求和热水需求，因此这种方案的总成本最高，蓄电池和蓄热罐的投资容量也最大。
案例2考虑了供热管网的热惯性和空间供暖需求，总成本比案例1降低6.4％，蓄电池和蓄热罐的计划容量分别比案例1减少0.99MW和4.78MW。在这种案例下，蓄热罐的容量是最小的，这表明建筑物供热管网的热惯性对社区多能源系统的运行贡献了相当大的储热能力。
表3不同案例情况下年度投资成本和运营成本
Figure BDA0002985751550000201
表4不同案例情况下混合储能系统的投资情况
Figure BDA0002985751550000202
案例3中蓄电池和蓄热罐的计划容量分别比案例1减少了1.36MW和2.29MW，与案例2相比，年总成本有所降低，但蓄热罐容量有所增加，原因有两个，首先，夏秋两季采暖需求为零，而全年生活热水需求存在，因此在第三种案例情况下，生活热水需求的热惯性可以提供全年运行的灵活性，从而降低了更多的运行成本；其次，生活热水需求的热惯性小于空间供暖需求的热惯性，因此需要安装更多的储热罐容量才能为社区多能源系统提供所需的操作灵活性。
案例4考虑了供热管网的热惯性、空间供暖需求和生活热水需求，总成本比案例1降低了10.5％，蓄电池和蓄热罐的计划容量分别比案例1减少了2.61MW和2.19MW，在这种情况下，与案例2和案例3相比，电池的容量降低，而蓄热罐的容量增加，原因是蓄电池的单位投资成本高于蓄热罐；案例3和案例4的储热罐容量非常接近，说明空间供暖需求提供的额外热惯性被用来降低案例4的电池投资容量。
为了揭示供热网络的热惯性、空间供暖需求和生活热水需求对年投资成本、燃料成本、电网交易成本以及维护成本的影响，图4给出了每种案例下年度费用结果的详细信息，从结果可以得到以下几个重要结论：
a)混合储能系统的投资成本只占社区多能源系统年度运营成本的一小部分，在案例1-4中，其成本为0.82％-1.55％，但混合储能系统带来的效益是可观的，这一结果表明，在社区多能源系统中配置混合储能系统是提高运营灵活性的一个很好的选择。
b)从案例1到案例4，各项目的成本均有所降低，说明热惯性对各项目成本的影响是一致的，因此，在社区多能源系统的运行中利用热惯性不会带来任何额外的成本。
c)4个案例的燃料成本均超过全年总成本，社区多能源系统通过向主电网售电获得了可观的效益，因此，可以认为，社区多能源系统可以以较低的成本满足几乎所有社区对电力和热能的需求。
上述结果验证了所提出的规划模型的有效性，结果还表明，供热网络的热惯性可以有效地降低社区多能源系统的混合储能系统投资成本和系统运行成本，从结果可以看出，混合储能系统可以提高社区多能源系统的运作灵活性，且只需要很少的投资成本。
(3)经营成果分析
通过对案例4进行分析，发现燃气轮机的出力在不同的季节有很大的差异。在采暖季节(春季和冬季)，燃气轮机的出力在00：00-8：00之间保持较高的水平，电力负荷处于较低水平，原因是这段时间的室外温度较低，需要更多的热能来供暖，因此，燃气轮机保持较高的出力以满足供热需求。总体而言，燃气轮机的发电量在采暖季节也有类似的趋势，夏季00：00-08：00燃气轮机出力较低，秋季出力波动较大，夏秋两季16：00-24：00燃气轮机出力有相似的变化趋势。而且，同一季节，不同场景的燃气轮机出力存在一定差异，8：00-16：00差异较大，00：00-08：00和16：00-24：00差异较小。根据这一结果，我们可以得出结论：在同一季节，当电负荷和热负荷极高或极低时，燃气轮机的出力变化不大，而当负荷处于中等水平时，燃气轮机的出力变化很大，造成这一结果的原因是，极端负荷水平将降低社区多能源系统CMES的运作灵活性。
在供暖季节，有空间供暖需求和生活热水需求，因此热负荷保持在较高水平。夏秋两季，社区只有生活热水需求，热负荷保持在中等水平；供热网络的注入热力情况与燃气轮机出力情况具有相似的趋势，这一结果表明，燃气轮机的出力在很大程度上取决于社区的热负荷。基于上述结果，可以得出结论：所提出的两阶段随机规划模型不仅可以确定最优的混合储能系统规模，而且只能协调社区多能源系统的运行。
综上所述，仿真结果验证了所提出的在社区多能源系统CMES中进行混合储能系统HESS优化规划模型的有效性，结果表明，混合储能系统HESS在社区多能源系统CMES中的设置只带来了很少的投资成本，但给系统运行带来了可观的收益，因此，本发明提供的一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法具有潜在的工程应用价值。

Claims (5)

1.一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法，其特征在于，包括如下步骤：
S1、构建社区多能源系统CMES，所述社区多能源系统CMES包括热电联产机组、燃气锅炉、可再生能源机组RES、以及混合储能系统HESS，其中热电联产机组包括燃气轮机和热回收装置，混合储能系统HESS包括蓄电池和蓄热罐；
S2、构建混合储能系统HESS规划模型，在混合储能系统HESS规划模型基础上构建社区多能源系统CMES运行优化模型；
S3、根据步骤S2中分阶段构建的模型提出两阶段随机规划模型的紧凑形式，进一步将两阶段随机规划模型转化为确定的混合整数线性模型，使用求解器求解得出规划优化结果。
2.根据权利要求1所述的一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法，其特征在于：
所述步骤S2中构建混合储能系统HESS规划模型具体包括确定蓄电池和蓄热罐的投资成本，具体如下：
Figure FDA0002985751540000011
其中Cinv是HESS的年度投资成本，r是资本利率，m是投资回报年度，
Figure FDA0002985751540000012
是蓄电池的单位容量投资成本，
Figure FDA0002985751540000013
是蓄热罐的单位容量投资成本，
Figure FDA0002985751540000014
是蓄电池的容量，
Figure FDA0002985751540000015
是蓄热罐的容量；
蓄电池和蓄热罐的约束包括蓄电池和储热罐的尺寸范围，具体如下：
Figure FDA0002985751540000016
所述步骤S2中在混合储能系统HESS规划模型基础上构建社区多能源系统CMES运行优化模型的步骤包括：
S21、确定社区多能源系统CMES的年度运营成本，具体如下
第二阶段的目标包括燃料成本、购电净成本和运营维护成本，如下所示：
Coper＝Cfuel+Cgrid+Com (3)
其中Coper是社区多能源系统的年度运营成本，Cfuel是燃料成本，Cgrid是购电净成本，Com是运营维护成本；
社区多能源系统CMES的燃料成本Cfuel包括燃气轮机和燃气锅炉的自然成本，其计算方法如下：
Figure FDA0002985751540000021
其中N是该时段的指标集，Δt是时间间隔h，cgas是天然气的能源价格，ηgt是燃气轮机的发电效率，ηgb是燃气锅炉的效率，
Figure FDA0002985751540000022
是燃气轮机在周期t的电功率，
Figure FDA0002985751540000023
是燃气锅炉在t千瓦时的热功率；
社区多能源系统CMES的购电净成本Cgrid等于购电成本减去售电收入，具体如下：
Figure FDA0002985751540000024
其中
Figure FDA0002985751540000025
是在时段t从主电网购买的电力价格，
Figure FDA0002985751540000026
是在时段t出售给主电网的电价，
Figure FDA0002985751540000027
是在周期t从主电网购买的电力，
Figure FDA0002985751540000028
是在周期t卖给主电网的电能；
燃气轮机、燃气锅炉、蓄电池和蓄热罐的运行维护费用，其计算公式如下：
Figure FDA0002985751540000029
其中
Figure FDA00029857515400000210
是燃气轮机的单位运行维护成本，
Figure FDA00029857515400000211
是燃气锅炉的单位运行维护成本，
Figure FDA00029857515400000212
是可再生能源机组RES的单元运行维护成本，
Figure FDA00029857515400000213
是蓄电池的单位运行维护成本，
Figure FDA00029857515400000214
是蓄热罐的单位运行维护成本；
S22、确定社区多能源系统CMES的运行约束条件，具体包括联络线功率约束、设备约束、功率平衡约束、供热网络约束和热负荷约束，具体如下：
社区多能源系统CMES通过联络线与主电网进行电力交换，联络线功率约束如下：
Figure FDA0002985751540000031
其中
Figure FDA0002985751540000032
是联络线功率容量，
Figure FDA0002985751540000033
是二进制变量，表示社区多能源系统是否在t时段从主电网购买电；
Figure FDA0002985751540000034
是二进制变量，表示社区多能源系统是否在时段t处向主电网出售电力；
设备约束包括热电联产机组约束、燃气锅炉约束、可再生能源机组RES约束、蓄电池约束、以及蓄热罐约束；
热电联产机组约束包括电力极限和电热方程，具体如下：
Figure FDA0002985751540000035
其中
Figure FDA0002985751540000036
是燃气轮机的额定发电功率，
Figure FDA0002985751540000037
是燃气轮机在t时段的热功率，ηloss是燃气轮机的能量损失率，ηhr是热电联产机组中余热回收装置的效率；
燃气锅炉约束包括热功率限制，具体如下：
Figure FDA0002985751540000038
其中
Figure FDA0002985751540000039
是燃气锅炉的热功率；
可再生能源机组RES约束具体如下：
Figure FDA00029857515400000310
其中
Figure FDA00029857515400000311
是周期t为可再生能源机组RES功率的预测值；
蓄电池约束包括充电功率限制、放电功率限制、能级方程、能级限制和充放电状态限制，具体如下：
Figure FDA0002985751540000041
其中
Figure FDA0002985751540000042
是充电功率极限的系数，
Figure FDA0002985751540000043
是放电功率极限的系数，
Figure FDA0002985751540000044
是电池的充电效率，
Figure FDA0002985751540000045
是电池的放电效率，
Figure FDA0002985751540000046
是能级的下限系数，
Figure FDA0002985751540000047
是能级的上限系数，
Figure FDA0002985751540000048
是表示变量在时间段t的充电状态的二进制变量，
Figure FDA0002985751540000049
是表示变量在时间段t的放电状态的二进制变量，
Figure FDA00029857515400000410
是电池的电量；
蓄热罐约束包括蓄热功率限制、释放功率限制、能级方程、能级限制和储放状态限制，具体如下：
Figure FDA00029857515400000411
其中，
Figure FDA00029857515400000412
是表示蓄热罐在时间段t的存储状态的二进制变量，
Figure FDA00029857515400000413
是表示蓄热罐在时间段t的释放状态的二进制变量，
Figure FDA00029857515400000414
是储能极限的系数，
Figure FDA00029857515400000415
是释放功率极限的系数，
Figure FDA00029857515400000416
是储热罐的储热效率，
Figure FDA00029857515400000417
是储热罐的释放效率，
Figure FDA00029857515400000418
是能级的下限系数，
Figure FDA00029857515400000419
是能级的上限系数，
Figure FDA00029857515400000420
是蓄热罐的能级；
社区多能源系统CMES的功率平衡约束包括电力平衡方程和热功率平衡方程，如下所示：
Figure FDA00029857515400000421
其中
Figure FDA00029857515400000422
是用户在时段t的用电负荷的预测值，
Figure FDA00029857515400000423
是在时间段t注入热网的热功率；
社区多能源系统CMES的供热网络约束包括管道约束、节点约束以及温度约束；
管道约束：
根据节点法，管道的出口水温表示如下：
Figure FDA0002985751540000051
Figure FDA0002985751540000052
其中Φpipe是管道的索引集，
Figure FDA0002985751540000053
是供水管道b在时间段k时的进水温度，
Figure FDA0002985751540000054
是回水管道b在时间段k时的进水温度，
Figure FDA0002985751540000055
是供水管道b在时间段k时的出水温度，
Figure FDA0002985751540000056
是回水管道b在时间段k时的出水温度，
Figure FDA0002985751540000057
是在时间段t时加热网络的环境温度，γb，βb，Kb,k和ξb是参数；
γb和βb关联管道b的传输延迟，Kb,k是周期t-k在管线b中流动的质量流量与从管线b中流出的当前质量流量之比，ξb是管道b的温降率，这些参数基于节点方法计算，如下所示：
Figure FDA0002985751540000058
Figure FDA0002985751540000059
Figure FDA00029857515400000510
其中
Figure FDA00029857515400000511
是管道b的质量流量，ρ是水密度，Ab是管道b的横截面积，lb是管道
Figure FDA00029857515400000512
的长度，Z是整数集，Rb是从周期t到t-γb流入管道b的总质量流量；c为水的比热容，λb为管道b的传热系数；
节点约束：
在供热网络的源节点处，注入网络的热功率如下：
Figure FDA0002985751540000061
其中
Figure FDA0002985751540000062
是与源节点连接的管道的索引集；
在供热网络的负荷节点处，提供给负荷的热功率如下：
Figure FDA0002985751540000063
其中
Figure FDA0002985751540000064
是供热网络中负荷节点的索引集，
Figure FDA0002985751540000065
是与负荷节点k连接的管道的索引集；
根据能量守恒定律，流入节点的能量应等于流出节点的能量，计算如下：
Figure FDA0002985751540000066
其中
Figure FDA0002985751540000067
是相交节点的索引集，
Figure FDA0002985751540000068
是流出节点k的管道的索引集，
Figure FDA0002985751540000069
是流入节点k的管道的索引集，
Figure FDA00029857515400000610
是t时刻k点的供水温度，
Figure FDA00029857515400000611
是在t时刻节点k的回水温度；
流出同一节点的水应具有相同的温度，计算如下：
Figure FDA00029857515400000612
温度约束：
供热网络的水温约束如下：
Figure FDA00029857515400000613
其中
Figure FDA00029857515400000614
和
Figure FDA00029857515400000615
分别是最高和最低供应温度，
Figure FDA00029857515400000616
和
Figure FDA00029857515400000617
分别是最高和最低返回温度；
社区多能源系统CMES的热负荷约束包括建筑物的空间热负荷约束、生活热水的热负荷约束，
其中建筑物的空间热负荷约束使用等效热参数模型进行建模，如下所示：
Figure FDA0002985751540000071
其中Rk是建筑物在负荷节点k处的等效热阻，
Figure FDA0002985751540000072
是建筑物在负荷节点k时的等效热容，Dk是负荷节点k上的用户数，
Figure FDA0002985751540000073
是t℃时建筑物室外温度的预测值，
Figure FDA0002985751540000074
是t℃时负荷节点k处建筑物的室内温度，
Figure FDA0002985751540000075
是负荷节点k处在周期t的空间热负荷；
进一步增加如下约束条件：
Figure FDA0002985751540000076
其中N是决策周期的长度，
Figure FDA0002985751540000077
和
Figure FDA0002985751540000078
是室内热舒适度的最高和最低温度，
Figure FDA0002985751540000079
是预期的室内温度；
生活热水的热负荷约束使用一阶动态模型进行建模，如下所示：
Figure FDA00029857515400000710
其中
Figure FDA00029857515400000711
是负荷节点k的水箱容量，
Figure FDA00029857515400000712
是负荷节点k处用户在周期t时的预计热水消耗量，
Figure FDA00029857515400000713
是注入水箱的冷水温度，
Figure FDA00029857515400000714
是在t时负荷节点k处的热水温度，
Figure FDA00029857515400000715
是负荷节点k处的热水在周期t的热负荷；
进一步增加如下约束条件：
Figure FDA00029857515400000716
其中
Figure FDA00029857515400000717
和
Figure FDA00029857515400000718
分别是最高水温和最低水温，
Figure FDA00029857515400000719
是预期水温；
负荷节点k处的热负荷计算如下：
Figure FDA00029857515400000720
3.根据权利要求2所述一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法，其特征在于：根据步骤S2中分阶段构建的模型提出两阶段随机规划模型的紧凑形式，具体如下：
Figure FDA0002985751540000081
其中x是第一阶段决策变量，即规划决策变量；包括电池容量
Figure FDA0002985751540000082
和蓄热罐
Figure FDA0002985751540000083
y是第二阶段决策变量，即运行决策变量；具体包括设备的输出参数、供热网络参数和建筑物的参数，即
Figure FDA00029857515400000812
Figure FDA0002985751540000084
Figure FDA0002985751540000085
和
Figure FDA0002985751540000086
u是随机变量，包括可再生能源的预测值
Figure FDA0002985751540000087
电负荷的预测值
Figure FDA0002985751540000088
室外温度的预测值
Figure FDA0002985751540000089
和热水质量的预测值
Figure FDA00029857515400000810
X是决策x的可行区域；Y是决策y的可行区域；c，d，b和h是常数向量；A，E，F和G是常数矩阵；
在式(28)中，第一阶段的目标cTx由式(1)实现，第二阶段的目标dTy(x,u)由式(3)-(6)实现；可行区域X由式(2)约束，可行区域Y由式(7)-(14)和(18)-(27)实现；
定义随机变量u具有有限数量的实现，表示为方案u1,u2,...,uM，方案的可能性定义为ω1,ω2,...,ωM，将公式(28)转化为确定的混合整数线性模型，具体如下：
Figure FDA00029857515400000811
s.t.Ax≤b
Ex+Fyi-Gui≤h i＝1,2,...,M (29)
其中yi是方案ui下的第二阶段决策变量，方案u1,u2,...,uM通过从随机变量u的概率分布函数采样生成；
使用求解器求解式(29)得出规划优化结果。
4.根据权利要求3所述一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法，其特征在于：所述求解器为CPLEX求解器或GUROBI求解器。
5.根据权利要求3所述一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法，其特征在于：所述方案u1,u2,...,uM的采样方法为简单随机抽样、重要性抽样或拉丁超立方体抽样。
CN202110299818.8A 2021-03-22 2021-03-22 一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法 Active CN113011655B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110299818.8A CN113011655B (zh) 2021-03-22 2021-03-22 一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110299818.8A CN113011655B (zh) 2021-03-22 2021-03-22 一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法

Publications (2)

Publication Number Publication Date
CN113011655A true CN113011655A (zh) 2021-06-22
CN113011655B CN113011655B (zh) 2022-10-25

Family

ID=76403839

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110299818.8A Active CN113011655B (zh) 2021-03-22 2021-03-22 一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法

Country Status (1)

Country Link
CN (1) CN113011655B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610269A (zh) * 2021-06-28 2021-11-05 天津大学 基于多目标优化的乡村住宅建筑低碳能源系统优化方法
CN115018230A (zh) * 2021-08-03 2022-09-06 昆明理工大学 考虑减排成本的综合能源系统低碳鲁棒经济优化运行方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160297307A1 (en) * 2015-04-09 2016-10-13 Audi Ag Electric vehicle with fast-charge function
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
CN109298634A (zh) * 2018-10-18 2019-02-01 东南大学 一种综合能源系统两阶段鲁棒优化调度方法
CN109327042A (zh) * 2018-09-27 2019-02-12 南京邮电大学 一种微电网多能源联合优化调度方法
CN109447323A (zh) * 2018-09-30 2019-03-08 东南大学 一种计及节点热价的综合能源系统两阶段容量配置方法
US20190079473A1 (en) * 2017-09-13 2019-03-14 Johnson Controls Technology Company Building energy system with stochastic model predictive control and demand charge incorporation
CN109740824A (zh) * 2019-01-25 2019-05-10 昆明理工大学 一种考虑供热网和热负荷的多能源系统优化规划方法
US20190369581A1 (en) * 2017-01-11 2019-12-05 Southeast University Integrated energy system operational optimization method considering thermal inertia of district heating networks and buildings
CN111832898A (zh) * 2020-06-11 2020-10-27 华中科技大学 一种基于空调多功能的电力系统需求响应调度方法
CN112036652A (zh) * 2020-09-06 2020-12-04 华北电力大学 基于机会约束规划的光伏-储能综合能源系统规划方法
CN112052987A (zh) * 2020-08-18 2020-12-08 国网山东省电力公司潍坊供电公司 一种计及风电的综合能源系统优化规划方法及系统
CN112084629A (zh) * 2020-08-11 2020-12-15 清华大学 一种基于两阶段鲁棒优化的多能虚拟电厂聚合方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160297307A1 (en) * 2015-04-09 2016-10-13 Audi Ag Electric vehicle with fast-charge function
US20190369581A1 (en) * 2017-01-11 2019-12-05 Southeast University Integrated energy system operational optimization method considering thermal inertia of district heating networks and buildings
US20190079473A1 (en) * 2017-09-13 2019-03-14 Johnson Controls Technology Company Building energy system with stochastic model predictive control and demand charge incorporation
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
CN109327042A (zh) * 2018-09-27 2019-02-12 南京邮电大学 一种微电网多能源联合优化调度方法
CN109447323A (zh) * 2018-09-30 2019-03-08 东南大学 一种计及节点热价的综合能源系统两阶段容量配置方法
CN109298634A (zh) * 2018-10-18 2019-02-01 东南大学 一种综合能源系统两阶段鲁棒优化调度方法
CN109740824A (zh) * 2019-01-25 2019-05-10 昆明理工大学 一种考虑供热网和热负荷的多能源系统优化规划方法
CN111832898A (zh) * 2020-06-11 2020-10-27 华中科技大学 一种基于空调多功能的电力系统需求响应调度方法
CN112084629A (zh) * 2020-08-11 2020-12-15 清华大学 一种基于两阶段鲁棒优化的多能虚拟电厂聚合方法
CN112052987A (zh) * 2020-08-18 2020-12-08 国网山东省电力公司潍坊供电公司 一种计及风电的综合能源系统优化规划方法及系统
CN112036652A (zh) * 2020-09-06 2020-12-04 华北电力大学 基于机会约束规划的光伏-储能综合能源系统规划方法

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
HONGZHONG CHENG 等: "Optimal Planning of Multi-Energy System Considering Thermal Storage Capacity of Heating Network and Heat Load", 《IEEE ACCESS》 *
XIN SHEN 等: "Optimal Hybrid Energy Storage System Planning of Community Multi-Energy System Based on Two-Stage Stochastic Programming", 《IEEE ACCESS》 *
古哲源: "综合能源系统储能规划", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
王栋 等: "参与调峰控制的空调负荷建模仿真研究", 《电力工程技术》 *
范宏等: "多区域综合能源系统的两阶段容量优化配置方法", 《现代电力》 *
金华飞 等: "太阳能热泵系统在某酒店热水系统中的应用", 《建设科技》 *
骆钊 等: "可再生能源配额制下多园区综合能源系统优化调度", 《电力自动化设备》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610269A (zh) * 2021-06-28 2021-11-05 天津大学 基于多目标优化的乡村住宅建筑低碳能源系统优化方法
CN115018230A (zh) * 2021-08-03 2022-09-06 昆明理工大学 考虑减排成本的综合能源系统低碳鲁棒经济优化运行方法
CN115018230B (zh) * 2021-08-03 2024-05-28 昆明理工大学 考虑减排成本的综合能源系统低碳鲁棒经济优化运行方法

Also Published As

Publication number Publication date
CN113011655B (zh) 2022-10-25

Similar Documents

Publication Publication Date Title
Yan et al. Stochastic multi-scenario optimization for a hybrid combined cooling, heating and power system considering multi-criteria
Liu et al. Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios
Yuan et al. Performance analysis of thermal energy storage in distributed energy system under different load profiles
Chen et al. Optimal coordinative operation strategy of the electric–thermal–gas integrated energy system considering CSP plant
Shen et al. Optimal hybrid energy storage system planning of community multi-energy system based on two-stage stochastic programming
Bai et al. Interdependence of electricity and heat distribution systems coupled by an AA‐CAES‐based energy hub
Cheng et al. Optimal planning of multi-energy system considering thermal storage capacity of heating network and heat load
Tang et al. Operational flexibility constrained intraday rolling dispatch strategy for CHP microgrid
CN113011655B (zh) 一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法
Fu et al. Typical scenario set generation algorithm for an integrated energy system based on the Wasserstein distance metric
Wang et al. Optimizing for clean-heating improvements in a district energy system with high penetration of wind power
CN111859683A (zh) 基于动态能量集线器的园区综合能源系统优化配置方法
CN114595868A (zh) 一种综合能源系统源网荷储协同规划方法及系统
Li et al. Evaluation research of the energy supply system in multi-energy complementary park based on the improved universal generating function method
Song et al. A fuzzy‐based multi‐objective robust optimization model for a regional hybrid energy system considering uncertainty
Dahl et al. Cost sensitivity of optimal sector-coupled district heating production systems
Kang et al. Feed-forward active operation optimization for CCHP system considering thermal load forecasting
Tan et al. Modeling and daily operation optimization of a distributed energy system considering economic and energy aspects
Yuan et al. A control strategy for distributed energy system considering the state of thermal energy storage
Renaldi et al. Experience rates of low-carbon domestic heating technologies in the United Kingdom
Zheng et al. Reducing renewable power curtailment and CO2 emissions in China through district heating storage
Szypowski et al. Optimization of energy-supply structure in residential premises using mixed-integer linear programming
Lingmin et al. A configuration optimization framework for renewable energy systems integrating with electric‐heating energy storage in an isolated tourist area
Ren et al. Life-cycle-based multi-objective optimal design and analysis of distributed multi-energy systems for data centers
Li et al. Planning model of integrated energy system considering P2G and energy storage

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
TR01 Transfer of patent right

Effective date of registration: 20240409

Address after: Room A-202, 2nd Floor, Building 11, Shilin Street, Chenggong District, Kunming City, Yunnan Province, 650599

Patentee after: Yunnan Dirac Energy Technology Co.,Ltd.

Country or region after: China

Address before: 671000 Room 401, College of electrical engineering, Chenggong campus, Kunming University of science and technology, Kunming, Yunnan Province

Patentee before: Kunming University of Science and Technology

Country or region before: China

TR01 Transfer of patent right