CN113112141A - 一种综合能源系统能量优化调度方法和装置 - Google Patents
一种综合能源系统能量优化调度方法和装置 Download PDFInfo
- Publication number
- CN113112141A CN113112141A CN202110372251.2A CN202110372251A CN113112141A CN 113112141 A CN113112141 A CN 113112141A CN 202110372251 A CN202110372251 A CN 202110372251A CN 113112141 A CN113112141 A CN 113112141A
- Authority
- CN
- China
- Prior art keywords
- day
- plan
- time
- prediction information
- ahead
- 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.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005096 rolling process Methods 0.000 claims abstract description 54
- 238000004146 energy storage Methods 0.000 claims description 85
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 30
- 230000005611 electricity Effects 0.000 claims description 29
- 239000007789 gas Substances 0.000 claims description 26
- 239000003345 natural gas Substances 0.000 claims description 15
- 230000009467 reduction Effects 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 17
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
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
- G06Q10/06—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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明提供了一种综合能源系统能量优化调度方法和装置。其中方法,包括:将一天分为多个时段,并基于预测信息,获取日前优化目标,以制定日前调度计划;根据日前调度计划,在当前时段内以预设的第一时间尺度为间隔,更新预测信息,并基于更新的预测信息,获取滚动优化目标,以制定日内调度计划;在当前时段内执行日内调度计划;在当前第一时间尺度内,以预设的第二时间尺度为间隔,实时获取反馈数据,并基于反馈数据,制定实时调整计划;基于日前调度计划、日内调度计划和实时调整计划,对综合能源系统进行优化调度。通过多尺优化,从全局优化到局部优化再到实时调整,既提高了调整精度,也兼顾了全局经济性的最优。
Description
技术领域
本发明涉及电力系统的调度技术,尤其涉及一种综合能源系统能量优化调度方法和装置。
背景技术
基于电、热、气多能源互补供能是综合能源系统(IES)的关键特征之一,其多能协同效应既显著地提升了系统的能效和稳定性,也极大地推动了可再生能源的大规模应用。但其内部复杂的设备耦合关系与可再生能源及负荷的不确定特性为IES的优化运行带来了挑战,而且现有的能源调度方法,只考虑单一时间尺度优化,调度性能有限。
发明内容
为了解决上述技术问题的至少一个,本发明提供了一种综合能源系统能量优化调度方法和装置。
本发明的技术方案是这样实现的:
第一方面,本发明的实施例提供了一种综合能源系统能量优化调度方法,包括:
将一天分为多个时段,并基于预测信息,获取日前优化目标,以制定日前调度计划;所述预测信息包括能源出力、负荷需求和电价信息;
在当前所述时段内以预设的第一时间尺度为间隔,更新预测信息,并基于更新的预测信息,获取滚动优化目标,以制定日内调度计划;在当前所述时段内执行所述日内调度计划;
在当前所述第一时间尺度内,以预设的第二时间尺度为间隔,实时获取反馈数据,并基于所述反馈数据,制定实时调整计划;
基于所述日前调度计划、所述日内调度计划和所述实时调整计划,对所述综合能源系统进行优化调度。
作为可选的实施方式,所述基于预测信息,获取日前优化目标,以制定日前调度计划,包括:
基于预测信息,获取系统的日运行成本最低作为日前优化目标;
基于所述日前优化目标,根据设备运行约束,制定每个所述时段的机组的启停计划和/或储能设备的运行计划。
作为可选的实施方式,在当前所述时段内以预设的时间尺度为间隔,更新预测信息,并基于更新的预测信息,获取滚动优化目标,以制定日内调度计划,包括:
预测信息更新步骤:在当前所述时段内以预设的第一时间尺度为间隔,对控制时域内的预测信息进行更新;所述控制时域包括第k时段至第n时段,所述第k时段为当前时段,k≥1,n>k;
日内调度计划制定步骤:基于更新的所述预测信息,获取系统在所述控制时域内的运行成本最低作为滚动优化目标;基于所述滚动优化目标,确定所述控制时域内所有设备的出力计划值,基于所述出力计划值,制定日内调度计划。
作为可选的实施方式,基于更新的所述预测信息,获取滚动优化目标时,还应考虑更新的所述预测信息的预测误差;
基于更新的所述预测信息,并考虑所述预测误差,获取滚动优化目标,包括:
基于所述预测误差的正态分布规律,根据拉丁超立方抽样生成多个场景;
以抽样生成的场景和削减后场景的Kantorovich距离最小为目标,进行场景削减,获得削减后的n个场景;
基于所述削减后的n个场景,获取以系统在所述控制时域内的运行成本最低为滚动优化目标的目标函数,求解所述目标函数,获取所述滚动优化目标的目标值。
作为可选的实施方式,所述目标函数为:
其中:minCRoll为滚动优化目标;s为削减后的场景的编号;M为控制时域;Ps为场景s发生的概率;t为调度周期;为购电价格;为售电价格;πg为天然气价格;Hng为天然气低热值;为售电的功率;为购电的功率;为电储能设备的储能量;为热储能设备的储能量;为气储能设备的储能量;为天然气输入功率;Δt为滚动优化周期;μe为电储能惩罚系数;μh为热储能惩罚系数;μg为气类储能惩罚系数;为电储能设备在日前调度计划中t时段的储能量;为热储能设备在日前调度计划中t时段的储能量;气储能设备在日前调度计划中t时段的储能量。
作为可选的实施方式,所述日内调度计划,应满足所述日前调度计划的设备运行状态约束;所述设备运行状态的表达式为:
作为可选的实施方式,以预设的第二时间尺度为间隔,实时获取反馈数据,并基于所述反馈数据,制定实时调整计划,包括:
在所述第二时间尺度开始时,获取所述反馈数据;
基于所述反馈数据,获取当前所述时段内的可控设备调整量最小为实时调整目标;
基于所述实时调整目标,制定实时调整计划。
第二方面,本发明的实施例提供一种综合能源系统能量优化调度装置,包括:
日前调度计划获取模块,用于将一天分为多个时段,并基于预测信息,获取日前优化目标,以制定日前调度计划;所述预测信息包括能源出力、负荷需求和电价信息;
日内调度计划获取模块,用于在当前所述时段内以预设的第一时间尺度为间隔,更新预测信息,并基于更新的预测信息,获取滚动优化目标,以制定日内调度计划;在当前所述时段内执行所述日内调度计划;
实时调整计划获取模块,用于在当前所述第一时间尺度内,以预设的第二时间尺度为间隔,实时获取反馈数据,并基于所述反馈数据,制定实时调整计划;
系统优化调度模块,用于基于所述日前调度计划、所述日内调度计划和所述实时调整计划,对所述综合能源系统进行优化调度。
作为可选的实施方式,所述日前调度计划获取模块,具体用于:
基于预测信息,获取系统的日运行成本最低作为日前优化目标;
基于所述日前优化目标,根据设备运行约束,制定每个所述时段的机组的启停计划和/或储能设备的运行计划。
作为可选的实施方式,所述日内调度计划获取模块具体用于:
预测信息更新步骤:在当前所述时段内以预设的第一时间尺度为间隔,对控制时域内的预测信息进行更新;所述控制时域包括第k时段至第n时段,所述第k时段为当前时段,k≥1,n>k;
日内调度计划制定步骤:基于更新的所述预测信息,获取系统在所述控制时域内的运行成本最低作为滚动优化目标;基于所述滚动优化目标,确定所述控制时域内所有设备的出力计划值,基于所述出力计划值,制定日内调度计划。
作为可选的实施方式,所述实时调整计划获取模块,具体用于:
在所述第二时间尺度开始时,获取所述反馈数据;
基于所述反馈数据,获取当前所述时段内的可控设备调整量最小为实时调整目标;
基于所述实时调整目标,制定实时调整计划。
作为可选的实施方式,基于更新的所述预测信息,获取滚动优化目标时,还应考虑更新的所述预测信息的预测误差;
基于更新的所述预测信息,并考虑所述预测误差,获取滚动优化目标,包括:
基于所述预测误差的正态分布规律,根据拉丁超立方抽样生成多个场景;
以抽样生成的场景和削减后场景的Kantorovich距离最小为目标,进行场景削减,获得削减后的n个场景;
基于所述削减后的n个场景,获取以系统在所述控制时域内的运行成本最低为滚动优化目标的目标函数,求解所述目标函数,获取所述滚动优化目标的目标值。
作为可选的实施方式,所述目标函数为:
其中:minCRoll为滚动优化目标;s为削减后的场景的编号;M为控制时域;Ps为场景s发生的概率;t为调度周期;为购电价格;为售电价格;πg为天然气价格;Hng为天然气低热值;为售电的功率;为购电的功率;为电储能设备的储能量;为热储能设备的储能量;为气储能设备的储能量;为天然气输入功率;Δt为滚动优化周期;μe为电储能惩罚系数;μh为热储能惩罚系数;μg为气类储能惩罚系数;为电储能设备在日前调度计划中t时段的储能量;为热储能设备在日前调度计划中t时段的储能量;气储能设备在日前调度计划中t时段的储能量。
作为可选的实施方式,所述日内调度计划,应满足所述日前调度计划的设备运行状态约束;所述设备运行状态的表达式为:
附图说明
附图示出了本发明的示例性实施方式,并与其说明一起用于解释本发明的原理,其中包括了这些附图以提供对本发明的进一步理解,并且附图包括在本说明书中并构成本说明书的一部分。
图1是本发明的方法的流程图;
图2是本发明的方法的实施流程图;
图3是本发明实施例中日前调度计划、日内调度计划和实时调整计划的时间关系示意图;
图4是本发明的装置的逻辑示意图。
具体实施方式
下面结合附图和实施方式对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施方式仅用于解释相关内容,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分。
需要说明的是,在不冲突的情况下,本发明中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本发明。
需要说明的是,文中的步骤编号,仅为了方便具体实施例的解释,不作为限定步骤执行先后顺序的作用。本实施例提供的方法可以由相关的服务器执行,且下文均以服务器或计算机等电子设备作为执行主体为例进行说明。
实施例一
参照图1和图2,本发明的实施例提供了一种综合能源系统能量优化调度方法,包括:
S1:将一天分为多个时段,并基于预测信息,获取日前优化目标,以制定日前调度计划;作为可选的实施方式,步骤S1具体包括:
基于预测信息,获取系统的日运行成本最低作为日前优化目标;
基于日前优化目标,根据设备运行约束,制定每个时段的机组的启停计划和/或储能设备的运行计划。预测信息包括能源出力、负荷需求和电价信息;
S2:在当前时段内以预设的第一时间尺度为间隔,更新预测信息,并基于更新的预测信息,获取滚动优化目标,以制定日内调度计划;在当前时段内执行日内调度计划;所述滚动优化目标为以系统在控制时域内运行成本最低为目标,步骤S2具体包括:
预测信息更新步骤:在当前时段内以预设的第一时间尺度为间隔,对控制时域内的预测信息进行更新;控制时域包括第k时段至第n时段,第k时段为当前时段,k≥1,n>k;更新的预测信息包括风机、光伏的出力以及4类负荷的大小。
日内调度计划制定步骤:基于更新的预测信息,获取系统在控制时域内的运行成本最低作为滚动优化目标;基于滚动优化目标,确定控制时域内所有设备的出力计划值,基于出力计划值,制定日内调度计划,但只执行第k个时段的计划,在k+1时段开始时,使用新的输出测量值重复预测信息更新步骤和日内调度计划制定步骤,滚动更新。
S3:在当前第一时间尺度内,以预设的第二时间尺度为间隔,实时获取反馈数据,并基于反馈数据,制定实时调整计划;步骤S3具体包括:
在第二时间尺度开始时,获取反馈数据;
基于反馈数据,获取当前时段内的可控设备调整量最小为实时调整目标;
基于实时调整目标,制定实时调整计划;实时调整计划,包括实时调整各可再生能源出力等,以实现实时调整目标。
S4:基于日前调度计划、日内调度计划和实时调整计划,对综合能源系统进行优化调度。
本发明的实施例利用预测精度随调度时间尺度的减小而逐渐提高的特点,通过制定日前调度计划进行日前优化、制定日内调度计划进行日内滚动优化,制定实时调整计划进行实时反馈调整,从而降低能源和负荷不确定性对调度结果的影响;通过多尺优化,从全局优化到局部优化再到实时调整,既提高了调整精度,也兼顾了全局经济性的最优;能源包括风能、光伏能等可再生能源。
图3示出了日前调度计划、日内调度计划和实时调整计划的时间关系示意图,作为例举,本实施例将一天分为24个时段,基于日前预测的可再生能源出力和负荷需求以及电价信息,以综合能源系统的日运行成本最低为日前优化目标,考虑设备运行约束,制定一天24个时段的机组启停计划、储能设备的运行计划,作为日前调度计划。
依据日前调度计划,基于多场景随机规划结合模型预测控制(MPC)方法,以15分钟为第一时间尺度,在日内第k时段开始时,对接下来控制时域M内的预测信息(风机、光伏的出力以及4类负荷的大小)进行更新,并考虑预测误差,运用场景分析法,以系统在控制时域内运行成本最低为滚动优化目标,确定M内所有设备的出力计划值,制定日内调度计划,但只执行第k个时段的计划;在k+1时段开始时,使用新的输出测量值重复以上优化步骤,滚动更新。
实时调整计划于日内调度计划嵌套执行,以5分钟为第二时间尺度,在每个5分钟开始时,以接下来一个时段内的可控设备总调整量最小为实时调整目标,制定实施调整计划,进而确定调整后的最终的多时间尺度调度计划值。
从图3可以看出,日前调度计划每24小时进行一次,与此同时每15分钟滚动制定日内调度计划并进行日内调度优化,每5分钟制定实时调整计划,并进行实时调整,随着时间的推移,日内滚动优化和实时反馈调整对应的时段不断向前推移。
本实施例的优化调整方法,不仅能够提高调度精度,兼顾全局经济性的最优,而对系统在不同储能模式下的各项成本进行了分析比较,验证了综合能源系统中多源储能的经济性。
作为可选的实施方式,步骤S2中,基于更新的预测信息,获取滚动优化目标时,还应考虑更新的预测信息的预测误差;
基于更新的预测信息,并考虑预测误差,获取滚动优化目标,包括:
运用场景分析法,基于预测误差的正态分布规律,根据拉丁超立方抽样生成多个场景;
以抽样生成的场景和削减后场景的Kantorovich距离最小为目标,进行场景削减,获得削减后的n个场景;
基于削减后的n个场景,获取以系统在控制时域内的运行成本最低为滚动优化目标的目标函数,求解目标函数,获取滚动优化目标的目标值。
本实例利用从上述方法,将不确定性模型转化为n个场景的确定性模型进行求解。目标函数为:
其中:minCRoll为滚动优化目标;s为削减后的场景的编号;M为控制时域;Ps为场景s发生的概率;t为调度周期;为IES向大电网购电价格;为IES向大电网售电价格;πg为天然气价格;Hng为天然气低热值,一般取9.78kW·h/m3;Pti为设备i工作的输入功率;为售电的功率;为购电的功率;为电储能设备的储能量;为热储能设备的储能量;为气储能设备的储能量;为天然气输入功率;Δt为滚动优化周期;μe为电储能惩罚系数;μh为热储能惩罚系数;μg为气类储能惩罚系数;为电储能设备在日前调度计划中t时段的储能量;为热储能设备在日前调度计划中t时段的储能量;气储能设备在日前调度计划中t时段的储能量。
在日内调度计划中,不仅需要考虑与大电网交互成本和购气成本,又由于日内调度计划的优化侧重于控制时域内的局部经济性,无法计及储能在全局中的充放电带来的收益,为了使优化结果遵循日前全局计划,故在目标函数中增加能反映长期特征的储能量惩罚项。由于储能充放电状态严格执行日前计划,此阶段不考虑电池老化成本。
日内调度计划,除了需要满足上述功率平衡约束和设备约束,应满足日前调度计划的设备运行状态约束;设备运行状态的表达式为:
使用日内调度计划的滚动优化与实时调整计划的实时反馈校正的同时,通过场景分析法对不确定行进行处理,既有效降低了预测误差的存在对实际经济运行的影响,也缓解了电网平抑功率波动负担。
实施例二
参照图4,本发明的实施例提供一种综合能源系统能量优化调度装置,包括:
日前调度计划获取模块,用于将一天分为多个时段,并基于预测信息,获取日前优化目标,以制定日前调度计划;预测信息包括能源出力、负荷需求和电价信息;
日内调度计划获取模块,用于根据日前调度计划,在当前时段内以预设的第一时间尺度为间隔,更新预测信息,并基于更新的预测信息,获取滚动优化目标,以制定日内调度计划;在当前时段内执行日内调度计划;
实时调整计划获取模块,用于在当前第一时间尺度内,以预设的第二时间尺度为间隔,实时获取反馈数据,并基于反馈数据,制定实时调整计划;
系统优化调度模块,用于基于日前调度计划、日内调度计划和实时调整计划,对综合能源系统进行优化调度。
作为可选的实施方式,日前调度计划获取模块,具体用于:
基于预测信息,获取系统的日运行成本最低作为日前优化目标;
基于日前优化目标,根据设备运行约束,制定每个时段的机组的启停计划和/或储能设备的运行计划。
作为可选的实施方式,日内调度计划获取模块具体用于:
预测信息更新步骤:在当前时段内以预设的第一时间尺度为间隔,对控制时域内的预测信息进行更新;控制时域包括第k时段至第n时段,第k时段为当前时段,k≥1,n>k;
日内调度计划制定步骤:基于更新的预测信息,获取系统在控制时域内的运行成本最低作为滚动优化目标;基于滚动优化目标,确定控制时域内所有设备的出力计划值,基于出力计划值,制定日内调度计划。
作为可选的实施方式,实时调整计划获取模块,具体用于:
在第二时间尺度开始时,获取反馈数据;
基于反馈数据,获取当前时段内的可控设备调整量最小为实时调整目标;
基于实时调整目标,制定实时调整计划。
作为可选的实施方式,基于更新的预测信息,获取滚动优化目标时,还应考虑更新的预测信息的预测误差;
基于更新的预测信息,并考虑预测误差,获取滚动优化目标,包括:
基于预测误差的正态分布规律,根据拉丁超立方抽样生成多个场景;
以抽样生成的场景和削减后场景的Kantorovich距离最小为目标,进行场景削减,获得削减后的n个场景;
基于削减后的n个场景,获取以系统在控制时域内的运行成本最低为滚动优化目标的目标函数,求解目标函数,获取滚动优化目标的目标值。
作为可选的实施方式,目标函数为:
其中:minCRoll为滚动优化目标;s为削减后的场景的编号;M为控制时域;Ps为场景s发生的概率;t为调度周期;为购电价格;为售电价格;πg为天然气价格;Hng为天然气低热值;为售电的功率;为购电的功率;为电储能设备的储能量;为热储能设备的储能量;为气储能设备的储能量;为天然气输入功率;Δt为滚动优化周期;μe为电储能惩罚系数;μh为热储能惩罚系数;μg为气类储能惩罚系数;为电储能设备在日前调度计划中t时段的储能量;为热储能设备在日前调度计划中t时段的储能量;气储能设备在日前调度计划中t时段的储能量。
作为可选的实施方式,日内调度计划,应满足日前调度计划的设备运行状态约束;设备运行状态的表达式为:
本实施例的装置中的各模块的原理和功能与实施例一中的一致,本实施例不再重复描述。
应理解的是,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成,该程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。上述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器,磁盘或光盘等。
本发明的流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分。并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能。
本发明在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。
此外,术语“第一”、“第二”、仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
本领域的技术人员应当理解,上述实施方式仅仅是为了清楚地说明本发明,而并非是对本发明的范围进行限定。对于所属领域的技术人员而言,在上述公开的基础上还可以做出其它变化或变型,并且这些变化或变型仍处于本发明的范围内。
Claims (10)
1.一种综合能源系统能量优化调度方法,其特征在于,包括:
将一天分为多个时段,并基于预测信息,获取日前优化目标,以制定日前调度计划;所述预测信息包括能源出力、负荷需求和电价信息;
在当前所述时段内以预设的第一时间尺度为间隔,更新预测信息,并基于更新的预测信息,获取滚动优化目标,以制定日内调度计划;在当前所述时段内执行所述日内调度计划;
在当前所述第一时间尺度内,以预设的第二时间尺度为间隔,实时获取反馈数据,并基于所述反馈数据,制定实时调整计划;
基于所述日前调度计划、所述日内调度计划和所述实时调整计划,对所述综合能源系统进行优化调度。
2.如权利要求1所述的方法,其特征在于,
所述基于预测信息,获取日前优化目标,以制定日前调度计划,包括:
基于预测信息,获取系统的日运行成本最低作为日前优化目标;
基于所述日前优化目标,根据设备运行约束,制定每个所述时段的机组的启停计划和/或储能设备的运行计划。
3.如权利要求1所述的方法,其特征在于,
在当前所述时段内以预设的时间尺度为间隔,更新预测信息,并基于更新的预测信息,获取滚动优化目标,以制定日内调度计划,包括:
预测信息更新步骤:在当前所述时段内以预设的第一时间尺度为间隔,对控制时域内的预测信息进行更新;所述控制时域包括第k时段至第n时段,所述第k时段为当前时段,k≥1,n>k;
日内调度计划制定步骤:基于更新的所述预测信息,获取系统在所述控制时域内的运行成本最低作为滚动优化目标;基于所述滚动优化目标,确定所述控制时域内所有设备的出力计划值,基于所述出力计划值,制定日内调度计划。
4.如权利要求1或3所述的方法,其特征在于,
基于更新的所述预测信息,获取滚动优化目标时,还应考虑更新的所述预测信息的预测误差;
基于更新的所述预测信息,并考虑所述预测误差,获取滚动优化目标,包括:
基于所述预测误差的正态分布规律,根据拉丁超立方抽样生成多个场景;
以抽样生成的场景和削减后场景的Kantorovich距离最小为目标,进行场景削减,获得削减后的n个场景;
基于所述削减后的n个场景,获取以系统在所述控制时域内的运行成本最低为滚动优化目标的目标函数,求解所述目标函数,获取所述滚动优化目标的目标值。
7.如权利要求1所述的方法,其特征在于,
以预设的第二时间尺度为间隔,实时获取反馈数据,并基于所述反馈数据,制定实时调整计划,包括:
在所述第二时间尺度开始时,获取所述反馈数据;
基于所述反馈数据,获取当前所述时段内的可控设备调整量最小为实时调整目标;
基于所述实时调整目标,制定实时调整计划。
8.一种综合能源系统能量优化调度装置,其特征在于,包括:
日前调度计划获取模块,用于将一天分为多个时段,并基于预测信息,获取日前优化目标,以制定日前调度计划;所述预测信息包括能源出力、负荷需求和电价信息;
日内调度计划获取模块,用于在当前所述时段内以预设的第一时间尺度为间隔,更新预测信息,并基于更新的预测信息,获取滚动优化目标,以制定日内调度计划;在当前所述时段内执行所述日内调度计划;
实时调整计划获取模块,用于在当前所述第一时间尺度内,以预设的第二时间尺度为间隔,实时获取反馈数据,并基于所述反馈数据,制定实时调整计划;
系统优化调度模块,用于基于所述日前调度计划、所述日内调度计划和所述实时调整计划,对所述综合能源系统进行优化调度。
9.如权利要求8所述的装置,其特征在于,所述日前调度计划获取模块,具体用于:
基于预测信息,获取系统的日运行成本最低作为日前优化目标;
基于所述日前优化目标,根据设备运行约束,制定每个所述时段的机组的启停计划和/或储能设备的运行计划。
10.如权利要求8所述的装置,其特征在于,所述日内调度计划获取模块具体用于:
预测信息更新步骤:在当前所述时段内以预设的第一时间尺度为间隔,对控制时域内的预测信息进行更新;所述控制时域包括第k时段至第n时段,所述第k时段为当前时段,k≥1,n>k;
日内调度计划制定步骤:基于更新的所述预测信息,获取系统在所述控制时域内的运行成本最低作为滚动优化目标;基于所述滚动优化目标,确定所述控制时域内所有设备的出力计划值,基于所述出力计划值,制定日内调度计划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110372251.2A CN113112141A (zh) | 2021-04-07 | 2021-04-07 | 一种综合能源系统能量优化调度方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110372251.2A CN113112141A (zh) | 2021-04-07 | 2021-04-07 | 一种综合能源系统能量优化调度方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113112141A true CN113112141A (zh) | 2021-07-13 |
Family
ID=76714283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110372251.2A Pending CN113112141A (zh) | 2021-04-07 | 2021-04-07 | 一种综合能源系统能量优化调度方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113112141A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114256882A (zh) * | 2021-11-24 | 2022-03-29 | 国网湖南省电力有限公司 | 一种基于风险控制的风储联合系统调度方法及系统 |
CN117151701A (zh) * | 2023-10-31 | 2023-12-01 | 山东欣历能源有限公司 | 一种热电联产的工业余热回收利用系统 |
CN117614039A (zh) * | 2024-01-24 | 2024-02-27 | 国网浙江省电力有限公司宁波供电公司 | 一种分布式资源管理方法、装置、计算机设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108321801A (zh) * | 2018-02-12 | 2018-07-24 | 国家电网公司 | 一种能源基地系统日前发电计划制定方法和系统 |
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 |
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 |
CN112072712A (zh) * | 2020-08-31 | 2020-12-11 | 合肥工业大学 | 综合能源系统多时间尺度优化调度方法、系统及存储介质 |
-
2021
- 2021-04-07 CN CN202110372251.2A patent/CN113112141A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108321801A (zh) * | 2018-02-12 | 2018-07-24 | 国家电网公司 | 一种能源基地系统日前发电计划制定方法和系统 |
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 |
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 |
CN112072712A (zh) * | 2020-08-31 | 2020-12-11 | 合肥工业大学 | 综合能源系统多时间尺度优化调度方法、系统及存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114256882A (zh) * | 2021-11-24 | 2022-03-29 | 国网湖南省电力有限公司 | 一种基于风险控制的风储联合系统调度方法及系统 |
CN117151701A (zh) * | 2023-10-31 | 2023-12-01 | 山东欣历能源有限公司 | 一种热电联产的工业余热回收利用系统 |
CN117151701B (zh) * | 2023-10-31 | 2024-02-09 | 山东欣历能源有限公司 | 一种热电联产的工业余热回收利用系统 |
CN117614039A (zh) * | 2024-01-24 | 2024-02-27 | 国网浙江省电力有限公司宁波供电公司 | 一种分布式资源管理方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tejada-Arango et al. | Power-based generation expansion planning for flexibility requirements | |
CN110417006B (zh) | 一种综合能源系统多时间尺度能量调度方法 | |
CN113112141A (zh) | 一种综合能源系统能量优化调度方法和装置 | |
US9606561B2 (en) | Operation planning system | |
Bakirtzis et al. | Storage management by rolling stochastic unit commitment for high renewable energy penetration | |
Chen et al. | Optimal allocation of distributed generation and energy storage system in microgrids | |
Troy et al. | Multi-mode operation of combined-cycle gas turbines with increasing wind penetration | |
Yu et al. | Optimal bidding strategy of prosumers in distribution-level energy markets | |
CN110854932B (zh) | 一种交直流配电网多时间尺度优化调度方法及系统 | |
JP4187620B2 (ja) | 発電機の起動停止計画作成方法とその装置及び起動停止計画作成装置の処理プログラムを記録する記録媒体。 | |
Elkazaz et al. | Microgrid energy management using a two stage rolling horizon technique for controlling an energy storage system | |
CN111126675A (zh) | 多能互补微网系统优化方法 | |
Tu et al. | Optimal sizing and operating strategy of a stand‐alone generation–load–storage system: An island case study | |
Abdalla et al. | Generation expansion planning considering unit commitment constraints and data‐driven robust optimization under uncertainties | |
Mégel et al. | Reducing the computational effort of stochastic multi-period DC optimal power flow with storage | |
Bakhtvar et al. | A vision of flexible dispatchable hybrid solar‐wind‐energy storage power plant | |
CN112633675A (zh) | 一种能量调度方法、装置、设备及计算机可读存储介质 | |
KR20160017682A (ko) | 대용량 배터리 에너지 저장 시스템의 피크 쉐이빙 운영방법 | |
US20230120165A1 (en) | Target function prioritization of control modes for renewable electric generation resource and charge storage device | |
JP2017042032A (ja) | エネルギーシステムのエネルギー生産を管理する方法、および関連する管理装置 | |
CN116258511A (zh) | 一种考虑碳交易价格不确定性的能源系统配置方法及装置 | |
Zheng et al. | Hybrid modeling and optimization for Energy Management System of MicroGrid | |
CN117094745B (zh) | 基于igdt-效用熵的综合能源系统优化控制方法及装置 | |
CN114386274B (zh) | 一种综合能源集群多时间尺度优化调控方法 | |
Rudden | Will credit quality improve through IRP |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210713 |
|
RJ01 | Rejection of invention patent application after publication |