CN113159983B - 离网型光气热电联产综合能源系统协调控制方法 - Google Patents
离网型光气热电联产综合能源系统协调控制方法 Download PDFInfo
- Publication number
- CN113159983B CN113159983B CN202110278310.XA CN202110278310A CN113159983B CN 113159983 B CN113159983 B CN 113159983B CN 202110278310 A CN202110278310 A CN 202110278310A CN 113159983 B CN113159983 B CN 113159983B
- Authority
- CN
- China
- Prior art keywords
- model
- subsystem
- heat
- control
- distributed
- 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 39
- YGYAWVDWMABLBF-UHFFFAOYSA-N Phosgene Chemical compound ClC(Cl)=O YGYAWVDWMABLBF-UHFFFAOYSA-N 0.000 title claims abstract description 17
- 238000010248 power generation Methods 0.000 title claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 47
- 239000002356 single layer Substances 0.000 claims abstract description 10
- 238000002485 combustion reaction Methods 0.000 claims description 29
- 239000000446 fuel Substances 0.000 claims description 29
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 27
- 239000011159 matrix material Substances 0.000 claims description 19
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 13
- 229910052744 lithium Inorganic materials 0.000 claims description 13
- 239000007789 gas Substances 0.000 claims description 12
- 230000007246 mechanism Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 230000003321 amplification Effects 0.000 claims description 11
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 11
- 239000003507 refrigerant Substances 0.000 claims description 10
- 239000002918 waste heat Substances 0.000 claims description 10
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 9
- 239000003546 flue gas Substances 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 8
- 239000008236 heating water Substances 0.000 claims description 7
- 229910052799 carbon Inorganic materials 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000001704 evaporation Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 5
- HEZMWWAKWCSUCB-PHDIDXHHSA-N (3R,4R)-3,4-dihydroxycyclohexa-1,5-diene-1-carboxylic acid Chemical compound O[C@@H]1C=CC(C(O)=O)=C[C@H]1O HEZMWWAKWCSUCB-PHDIDXHHSA-N 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 238000011065 in-situ storage Methods 0.000 claims description 4
- 229910052751 metal Inorganic materials 0.000 claims description 4
- 239000002184 metal Substances 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 2
- 238000007906 compression Methods 0.000 claims description 2
- 238000001816 cooling Methods 0.000 claims description 2
- 230000008278 dynamic mechanism Effects 0.000 claims description 2
- 230000008020 evaporation Effects 0.000 claims description 2
- 238000002474 experimental method Methods 0.000 claims description 2
- 238000009413 insulation Methods 0.000 claims description 2
- 239000000779 smoke Substances 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims 1
- 239000010410 layer Substances 0.000 abstract description 12
- 238000004364 calculation method Methods 0.000 abstract description 11
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000004088 simulation Methods 0.000 abstract description 3
- 238000012795 verification Methods 0.000 abstract description 2
- 238000011217 control strategy Methods 0.000 abstract 1
- 238000005457 optimization Methods 0.000 description 14
- 230000000694 effects Effects 0.000 description 9
- 238000004146 energy storage Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 239000000126 substance Substances 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
- 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
-
- 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"
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J1/00—Circuit arrangements for dc mains or dc distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J1/00—Circuit arrangements for dc mains or dc distribution networks
- H02J1/10—Parallel operation of dc sources
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
- H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Power Engineering (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种离网型光气热电联产综合能源系统协调控制方法,通过系统整体分析,构建了以子系统表征系统整体动态特性的综合能源系统模型,服务于分布式模型预测控制算法。根据用户用能需求分析系统控制目标,从而提出了一种基于直接能量平衡的单层控制结构,无需上层优化调度指令,即可实现热电能量供需实时平衡。进一步,根据协调控制对象特性,采用合作型分布式模型预测控制实现热电协调控制。经仿真验证,本发明所提出的控制策略可实现多种扰动下热电能量供需的实时平衡,且计算负担较集中式模型预测控制算法显著下降。
Description
技术领域
本发明涉及热电联产系统热电协调控制技术领域,尤其是一种离网型光气热电联产综合能源系统协调控制方法。
背景技术
近年来,多能协调的综合能源系统以其消纳可再生能源的潜力成为研究的重点。随着我国“碳达峰、碳中和”目标的提出,以高比例可再生能源驱动的综合能源系统已然成为低碳供能模式的不二之选。但由于综合能源系统的高集成度与复杂性,其运行控制问题极具挑战。
目前,针对热电联产综合能源系统的运行优化研究多采用分层优化调度的方法,通常具有双层结构,上层为优化调度层,起到下发负荷指令的作用,下层为实时控制层,起到负荷跟踪的功能,而这样的分层控制方式存在一些弊端。首先,分层优化调度的上层通常采用较大的调度周期,在调度周期内能量的实时平衡依赖于快速响应的可靠储能源,对于联网型系统而言为大电网,对离网型系统来说则通常为各类储能设备。为满足各种扰动下电量供需的快速平衡,势必需要较大的可靠储能源容量,从而增加了投资成本;其次,大部分关于热电联产综合能源系统的研究将供热或制冷过程与供电过程等量齐观,未考虑由热过程的惯性、闭环特性等可能导致热电调度与实时控制层的失配,如上层调度指令下层不可达等。另外,目前基于优化调度的热电联产综合能源系统运行控制方法通常采用“以热定电”或“以电定热”的方式,或利用储能与热惯性对热的供需平衡进行松弛,并不要求热电供需的同时满足,这将降低热用户的舒适度,没有充分满足用户多元化用能的需求。
发明内容
本发明针对现有技术的缺陷,提供了一种离网型光气热电联产综合能源系统协调控制方法,从而解决上述技术问题。
本发明采用的技术方案如下:
一种离网型光气热电联产综合能源系统协调控制方法,其特征在于,包括以下步骤:
步骤一:建立离网型光气热电联产综合能源系统机理模型,所述综合能源系统包括由微燃机与空气源热泵构成的热电联产子系统;以所述热电联产子系统作为热电协调控制的物理对象并表征所述综合能源系统整体动态特性;
步骤二:以所述综合能源系统的热电负荷供需实时平衡为控制目标,建立直接能量平衡单层控制结构,所述直接能量平衡单层控制结构采用协调控制器对表征热电负荷供需实时平衡的系统侧的指标进行控制;
步骤三:所述协调控制器基于分布式模型预测控制算法(DMPC算法)实现热电协调控制,基于所述热电联产子系统的数学模型构建所述分布式模型预测控制算法的预测模型,其采用扰动扩增的方式实现无静差控制性能,并通过终端约束保证模型预测控制器的稳定性。
所述综合能源系统还包括与母线连接的光伏和锂电池;所述微燃机采用具有余热回收功能的微型燃气轮机,其高温余热烟气通过换热器将热量传递给回水以制得供暖水,所述微燃机和所述空气源热泵制得的热水在供水联箱中混合后流向取暖用户;所述综合能源系统的各耗电设备用电均由综合能源系统内部提供。
所述协调控制器所控对象为所述热电联产子系统,根据热电能量供需的不平衡信号,所述协调控制器通过调节所述微燃机的燃料流量以及所述空气源热泵的压缩机转速,调节所述热电联产子系统的供热与供电功率。
所述步骤二中,表征热功率、电功率供需平衡的系统侧指标分别为供暖水温度、系统净输出功率;表征热功率、电功率供需平衡的用户侧指标分别为用户室内温度、母线电压,且用户侧指标分别由两个就地控制器控制。
所述分布式模型预测控制算法为合作型,即每个分布式模型预测控制器不但考虑本控制器所控对象的目标函数,也考虑其他控制器的控制目标,并在每个迭代周期中共享优化控制序列,以逼近全局最优解;各所述分布式模型预测控制器的集群构成所述协调控制器。
所述分布式模型预测控制算法的预测模型的构建流程包括:通过辨识系统整体动态特性,建立所述综合能源系统离散状态空间方程;基于所述离散状态空间方程建立分布式模型预测控制算法的分布式模型,所述合作型分布式模型预测控制算法的分布式模型为所述综合能源系统离散状态空间方程的分解,分解后得到多个子系统;采用扰动扩增的方法改造所述分布式模型,为后续无静差控制做准备,基于改造后的分布式模型推导可得分布式预测模型。
分布式模型如下式所示:
上式中,xi为第i个子系统的状态量,i=1,2,...,M,M为被分解成的子系统数量;ui为第i个子系统的输入;yi为第i个子系统的输出;Aij、Bij和Cij分别为j子系统对i子系统的系统矩阵、输入矩阵和输出矩阵,其中j=1,2,...,M且j≠i;k为每个递推时刻;
假设系统不存在输出耦合,则Cij(j=1,2,...,M且j≠i)=O,可得第i个子系统的输出如下式所示:
扩增与子系统输出等维的状态量,假设各子系统间的扰动是独立的,则可得子系统i扩增后的分布式模型如下式所示:
式中,d为扩增的扰动项。
得到扩增后的分布式模型,然后定义子系统i的输入输出预测序列,得到分布式状态下系统总的预测序列,进而得出每个子系统的预测模型;结合子系统扩增后的分布式模型,得出子系统带扰动补偿的分布式预测模型,以所述分布式预测模型构建分布式模型预测控制算法的目标函数;在每个控制周期中,采用分布式卡尔曼滤波器对子系统的状态量以及扩增的扰动进行估计;将估计所得的状态量和扰动传递给对应分布式模型预测控制器,并进行目标函数的求解。
用户室内温度就地控制器采用PID控制器;母线电压由锂电池与双向DCDC组成的就地控制器进行控制。
本发明的有益效果如下:
本发明规避传统多层能量管理方式的弊端,采用基于直接能量平衡的单层控制结构实现热电能量供需实时平衡,同时考虑综合能源系统大规模化趋势与实时控制需求,既保证系统控制品质又可降低计算负担。具体地,本发明具有如下优点:
1)本发明采用以热电联产子系统表征综合能源系统整体特性的综合能源系统模型,通过分析系统整体特性与各设备所承担角色,采用联产子系统模型替代整体系统模型,用以表征系统热电联产特性并服务于协调控制算法,降低了原复杂系统的协调控制难度。
2)本发明规避传统多层能量管理方式的弊端,采用基于直接能量平衡的单层控制结构实现热电能量供需实时平衡,直接根据热电能量供需的不平衡信号动作协调控制器,调整热电出力。相较于传统的多层优化调度能量管理方式,无需考虑负荷指令的层间失配,且降低了系统对储能设备的依赖。
本发明提出的控制结构基于一个协调控制器和两个就地控制器,可保证热电能量供需的实时平衡,相较于“以热定电”或“以电定热”的运行控制方式,充分满足用户多元化用能需求。
3)本发明在协调控制器上搭载分布式模型预测控制算法(DMPC算法),适用于热电联产系统的高耦合、多变量特性,避免了使用CMPC算法造成高维优化问题求解计算负担过大导致控制信号无法实时更新致使控制效果恶化的问题,保障与CMPC相近的控制效果的前提下显著降低计算求解负担,更能适应大规模热电联产综合能源系统运行控制的需求。
附图说明
图1为本发明具体实施方式的系统示意图。
图2为本发明具体实施方式的控制系统结构图。
图3为本发明具体实施方式的系统开环阶跃响应曲线。
图4为本发明具体实施方式的控制效果图。
具体实施方式
以下结合附图说明本发明的具体实施方式。
本实施例的一种离网型光气热电联产综合能源系统协调控制方法,通过系统整体分析,构建了以子系统表征系统整体动态特性的综合能源系统模型,服务于分布式模型预测控制算法。根据用户用能需求分析系统控制目标,提出了一种基于直接能量平衡的单层控制结构,无需上层优化调度指令,即可实现热电能量供需实时平衡。进一步根据协调控制对象特性,采用合作型分布式模型预测控制实现热电协调控制。经仿真验证,本实施例所提出的协调控制方法可实现多种扰动下热电能量供需的实时平衡,且计算负担较集中式模型预测控制算法显著下降。
上述离网型光气热电联产综合能源系统协调控制方法,具体包括以下步骤:
步骤一:建立离网型光气热电联产综合能源系统机理模型,如图1所示,综合能源系统包括由微燃机与空气源热泵构成的热电联产子系统,由热电联产子系统作为热电协调控制物理对象,并表征综合能源系统整体动态特性;
步骤二:建立直接能量平衡单层控制结构,其控制目标为保障综合能源系统的热电负荷供需实时平衡,采用协调控制器对表征热电负荷供需实时平衡的系统侧的指标进行控制;
步骤三:协调控制器基于分布式模型预测控制算法实现热电协调控制,基于热电联产子系统的数学模型构建分布式模型预测控制算法的预测模型,其采用扰动扩增的方式实现无静差控制性能,并通过终端约束保证模型预测控制器的稳定性。
上述实施例中,协调控制器所控物理对象为所述热电联产子系统,根据热电能量供需的不平衡信号,所述协调控制器通过调节微燃机的燃料流量以及所述空气源热泵的压缩机转速,调节所述热电联产子系统的供热与供电功率。
上述实施例中,步骤二中,表征热功率、电功率供需平衡的系统侧指标分别为供暖水温度、系统净输出功率;表征热功率、电功率供需平衡的用户侧指标分别为用户室内温度、母线电压,且用户侧指标分别由两个就地控制器控制。
上述实施例中,步骤三中,分布式模型预测控制算法的扰动扩增包括扩增与子系统输出等维的状态量,并采用分布式卡尔曼滤波器对状态量进行估计,再在所述预测模型中进行补偿。
上述实施例中,分布式模型预测控制算法为合作型,即每个分布式模型预测控制器不但考虑本控制器所控对象的目标函数,也考虑其他控制器的控制目标,并在每个迭代周期中共享优化控制序列,以逼近全局最优解;各分布式模型预测控制器的集群即构成协调控制器。对于本实施例所应用的场景,第一个分布式模型预测控制器的主要控制目标是通过调节微燃机燃料量,使整个综合能源系统的净发电功率等于用电功率,而第二个分布式模型预测控制器的主要控制目标是通过调节热泵压缩机转速,使系统的供热量等于用热负荷,由于所用的算法为合作型,对于第一个分布式模型预测控制器来说,不但考虑自己主要负责的电量平衡控制目标,还考虑由第二个控制器主负责的热量平衡控制目标。
上述实施例中,分布式模型预测控制算法的预测模型的构建流程包括:通过辨识系统整体动态特性,建立所述综合能源系统离散状态空间方程;基于所述离散状态空间方程建立分布式模型预测控制算法的分布式模型,所述合作型分布式模型预测控制算法的分布式模型为所述综合能源系统离散状态空间方程的分解,分解后得到多个子系统;采用扰动扩增的方法改造所述分布式模型,为后续无静差控制做准备,基于改造后的分布式模型推导可得分布式预测模型。
作为具体实施方式,如图1所示,上述实施例中综合能源系统的主要设备包括微型燃气轮机(以下简称“微燃机”)、空气源热泵、光伏和锂电池以及母线。其他辅助设备包括换热器、管路、阀门、循环水泵、控制器以及电气设备,微燃机的高温余热烟气通过换热器将热量传递给回水、制得供暖水。由微燃机制得的热水与由空气源热泵制得的热水在供水联箱中混合,再通过供水泵驱动流向取暖用户。综合能源系统的各耗电设备用电均由综合能源系统内部提供。
综合能源系统的整体目标为满足用户所需的热电负荷,其中可调热功率的设备包括微燃机与热泵,锂电池由于其动态特性的差异不作为协调控制对象,而光伏则不可调,则可调电功率的设备为微燃机。但由于上述实施例所针对系统的离网特性,其源侧设备用电需由系统内部自行提供,因此系统的净输出电功率应当为微燃机与光伏供电功率与热泵耗电功率之差。由此可见,由微燃机与热泵构成的热电联产子系统足以表征原系统的热电联产特性,该热电联产子系统模型即可作为后续基于合作型分布式模型预测控制的热电协调控制方法的模型基础。
上述实施例中,步骤一中建立离网型光气热电联产综合能源系统机理模型的具体步骤如下:
一、建立光伏系统模型:
光伏系统包含三个部分:光伏电池、最大功率跟踪控制器和升压电路,其中光伏电池的电流-电压特性如式(1)所示:
式(1)中,Iph为光电流,Id为流经二极管的电流,I0为光伏电池逆饱和电流,Rs为串联电阻,Rsh为并联电阻,Tcell为光伏电池温度,n为二极管理想性能指标,q为电量,1.6×10-19C,k为波尔茨曼常数,1.38×10-23J/K。
二、建立微燃机系统模型:
作为具体所述形式,构成微燃机的设备如图1所示,包括一个离心式压气机、径流式透平、一个燃烧室和一个回热器,由于微燃机的各个子设备具有较强的独立性,因此采用模块化的方式对其进行建模。本文所建的微燃机模型为全回热式,即由压气机产生的所有高压空气都经由透平高温余热烟气加热后,再进入燃烧室供给燃烧。
压气机的准确工作特性通常都是通过实验获得的,根据实验曲线拟合得相关系数,可得其排气温度、耗功的表达式如式(2)所示:
燃烧室出口烟气流量、温度和压力由式(3)计算所得:
透平的特性主要由两个特性系数πt和ηt决定,忽略燃烧室和透平之间烟气传输管路的散热量,即透平的进气温度等于燃烧室出口温度,可得透平出口温度和输出功率表达式:
本实施例的微燃机采用主表面式回热器,根据如式(5)所示的非稳态传热方程,可得到回热器进出口工质温度以及金属温度,
三、建立发电机模型:
发电机的动态机理模型表达为:
微燃机排烟余热通过管式换热器加热回水,换热器的集总参数动态模型为:
图1中“电机”即为发电机。
四、锂电池模型重点关注其充放电特性,忽略物化机理的部分。为了保证发电量与用电负荷的实时平衡,电池需要在其他设备进行调节的动态过程中快速充放电,以平稳母线电压。因此,锂电池由一个双向DCDC控制,当电负荷供需不平衡时在充放电状态间快速切换,避免母线电压波动导致用电设备无法正常工作。
五、建立空气源热泵模型:
所述空气源热泵系统的主要设备包括压缩机、冷凝器、蒸发器和膨胀阀。由于各设备之间相对独立,因此采用模块化方式建模。简便起见热泵系统采用集总参数建模法。
假设蒸发器中的制冷剂流量与压缩机中的相等,并忽略蒸发过程中的压损和热量散失,可得蒸发器中的能量平衡方程为:
压缩机的建模基于特定型号压缩机的特性试验。压缩比ε=pde/pev为冷凝压力与蒸发压力的比值,表征了压缩机的性能,其中pde和pev又是由蒸发温度和冷凝温度决定的,可得压缩机的出口制冷剂焓和耗功量表达式为:
冷凝器中的工质过程实际上与蒸发器中相反,参考蒸发器的能量平衡方程可得:
假设膨胀阀节流过程制冷剂流量不变,且节流前后制冷剂焓值相等,则得h3=h4。
联箱模型如式(11)所示:
式(2)-(11)中,各变量含义:
T1、T2为入口、出口温度,P1、P2为入口、出口压力,A为换热面积,J为转矩,M为质量,N为功率,Q为换热量,V为排气量,Qcv为热值,kJ/kg,i为物理焓,单位kJ/kg,h为焓,kJ/kg,m为质量流量,kg/s,v为比容,m3/kg,α为传热系数,W/(m2·K),ρ为密度,r为转速;
各参数含义:
π/η为压缩机性能指数,cp为等压比热容,kJ/(kg·℃),ka为空气绝热指数,kcl为空气冷却系数,n为多变指数,nd为透平额定转速,r/s,ηv为容积效率,λv为容积指数;
各下标含义:
a代表空气,b代表燃烧室,c代表压缩机,e代表电,f代表燃料,g代表烟气,j代表金属,t代表透平,w代表水,cp代表热泵压缩机,de代表热泵冷凝器,ed代表额定,ev代表热泵蒸发器,fr代表机械摩擦损失,re代表制冷剂,eff代表效率,feed代表供水,back代表回水。
至此完成综合能源系统机理模型的建立。
针对上述综合能源系统,明确直接能量平衡单层控制结构的控制目标为保障热电负荷供需实时平衡。表征热功率供需平衡的用户侧指标为用户室内温度,表征电功率供需平衡的用户侧指标为母线电压,用户侧指标的控制任务由两个就地控制器承担。表征热功率供需平衡的系统侧指标为供暖水温度,表征电功率供需平衡的系统侧指标为系统净输出功率,系统侧指标的控制任务由协调控制器承担。
具体地,用户室内温度就地控制器采用PID控制器,可根据室内实际温度与设定值的偏差,通过调节供水管路阀门开度从而改变供回水流量,达到调节室内空气温度的作用。母线电压由锂电池与双向DCDC组成的就地控制器进行控制,该就地控制器可根据微网电压与设定值的偏差控制充放电状态,以达到稳定母线电压的作用。
协调控制器的被控物理对象为由余热回收型微燃机与空气源热泵组成的热电联产子系统,根据热电能量的供需不平衡信号,协调控制器可通过调节微燃机的燃料流量以及热泵的压缩机转速调节子系统的供热与供电功率。
基于合作型分布式模型预测控制的热电协调控制方法,其控制目标为保证微燃机和光伏发电量与热泵以及用户耗电量平衡,并保证供水温度稳定在设定值。但综合能源系统中可控的部分只有微燃机和热泵,光伏是不可控的,电用户在本发明中也不可控,因此从控制的角度出发,其控制目标即为保证微燃机、热泵构成的所述热电联产子系统的净输出功率与用户耗电量和光伏发电量的差值相等。
六、合作型分布式模型预测控制算法的实现:
激励机理模型得到响应数据,通过数据辨识得到被控对象数学模型的基础上,分布式模型预测控制算法的实现分为两个阶段:
1.离线推导预测模型,计算预测模型参数,构建目标函数;
2.在线采用分布式卡尔曼滤波器进行状态估计,将估计所得的状态量传递给控制器,求解目标函数,进行迭代收敛。
具体流程如下:
通过辨识系统整体动态特性,建立综合能源系统离散状态空间方程,辨识过程为基于综合能源系统的机理模型,给予相应的激励信号,得到机理模型的响应信号,即为系统“动态特性”;合作型分布式模型预测控制算法的分布式模型为综合能源系统离散状态空间方程分解后得到的多个子对象模型(子系统),对于本实施例研究2输入、2输出协调控制对象,分解后的离散状态空间模型如式(12)所示:
式(12)中,xi为第i个子系统的状态量,“子系统”如上所述,代指集中式状态空间方程进行数学分解后得到的子对象模型,对应的物理模型本身并没有分解,只是其数学模型出于算法应用的目的进行了分解,下同。
i=1,2,...,M,M为被分解成的子系统数量;ui为第i个子系统的输入;yi为第i个子系统的输出;Aij、Bij和Cij分别为j子系统对i子系统的系统矩阵、输入矩阵和输出矩阵,其中j=1,2,...,M且j≠i;k为每个递推时刻。
分布式模型可被表达为更一般的形式,假设系统不存在输出耦合,则Cij(j=1,2,...,M且j≠i)=O,可得第i个子系统的输出如式(13)所示:
基于扰动扩增的无静差模型预测控制方法需要改造分布式模型,假设各子系统间的扰动是独立的,则可得子系统i扩增后的模型如式(14)所示:
式(14)中d为扩增的扰动项;
令Bd,ii为O,Cd,ii为对角矩阵,对角元可调,则子系统i分解后的模型可写作:
定义子系统i的输入输出预测序列如式(16)所示:
其中,Np(i)和Nc(i)分别为子系统i的预测时域和控制时域,本实施例采用相同的子系统的预测时域,则可将Np(i)简化为Np。
可得分布式状态下系统总的预测序列如下式所示:
先推导状态量的预测方程,则:
整理后得:
其中,
当i=1时,将式(17)中所有状态预测序列移到等号左边,整理可得:
同理考虑i=2,...,M的子系统,得分布式状态下系统总预测序列的模型:
令:
则总预测序列模型为:
/>
由于式(19)中参数均为时不变参数,且对于状态量序列中每个预测时刻的状态都可得出其递推式,因此矩阵G可逆,即
将式(20)中参数矩阵进行分解,即可得每个子系统状态量的预测模型:
结合式(15)即可得输出序列的预测模型:
其中,
又
代入式(22)中得子系统i的分布式预测模型:
分布式模型预测控制算法采用基于合作的模式,即所有子系统为合作关系,为了保证控制系统能收敛到全局最优解,需要考虑其他子系统的优化目标。则可设计子系统i的优化目标为所有子系统目标的凸函数,并采用迭代方式保证收敛。当子系统优化当前迭代时刻p的优化问题时,其余子系统的控制增量序列保持上一迭代时刻p-1不变,且每个子系统仅优化自己的控制序列。
当不考虑其他子系统的优化目标,即处于非合作状态时,分布式子系统i(i=1,2,...,M)的优化目标如式(24)所示:
yr,i为子系统i的设定值,Qi和Ri分别为输出权矩阵和控制权矩阵;Pii为终端约束阵。而在合作模式下子系统i的目标函数如式(25)所示:
基于合作的分布式模型预测控制算法目标函数可写为二次规划的标准形式,如式(26)所示:
其中,
1)二次项系数:
Ri=diag(ωiRi,…,ωiRi)
Qi=diag(ωiQi,…,ωiQi,Pii)
Tij=diag(O,…,O,Pij)
2)x(k)相关项:
3)相关项:/>
4)u(k-1)相关:
5)d(k)相关项:
6)vr相关项:
终端约束项Pij(i,j=1,2,...,M且i≠j)先按照集中式求解,再对终端约束矩阵P进行分解,如式(27)所示:
求解优化问题(26),即可得子系统i在寻优迭代次数p时的最优控制增量序列/>
基于合作的分布式模型预测控制算法需要经过迭代求解收敛到全局最优控制序列。
具体迭代过程为,在k采样周期,当第i个DMPC控制器获得该周期的系统输出y(k)、状态估计量和设定值yr(k)后,迭代就将从p=1开始。在迭代过程中,每个DMPC控制器的y(k)、/>和yr(k)保持不变。
上述“DMPC控制器”即为分布式模型预测控制器,由于DMPC算法搭载在协调控制器上,因此在本文中所有DMPC控制器的集群即构成了协调控制器。
第i个DMPC求解自身的子优化问题得本次迭代周期的最优控制量增量序列,如式(28)所示:
结合k-1采样时刻的实际控制量输入u(k-1),可得第i个子系统在k采样周期、p迭代次数时的控制量优化序列可如式(29)计算:
p迭代次数时子系统i的控制量序列可由式(30)计算所得:
再根据式(29),由和ui(k-1)反算得到/>并传送给每个DMPC控制器,用以构成每个DMPC控制器的优化目标,本次迭代结束,p=p+1。迭代求解的停止条件有两条,当迭代满足任一停止条件时迭代即停止,则将迭代结束时所求得的/>的第一组控制量作为k时刻的控制量输入ui(k)。
迭代停止条件的第一条为范数收敛停止条件,在采样周期k、迭代周期p,计算可得和/>的2范数为:
当所有ρi<=ε时,迭代停止,其中ε为收敛精度。迭代停止条件的第二条为最大迭代次数条件,当迭代次数p>=pmax时,迭代结束。
至此完成DMPC算法的建立和求解流程。
下面以实际系统为案例进行计算。
综合能源系统包括80kW的微型燃气轮机、45kW的空气源热泵、80kW的太阳能光伏和60Ah的锂电池,热用户为直径55m、高12m的建筑。
分析该综合能源系统的调节量与被调量,将微燃机燃料量mf、热泵压缩机转速rc和供水流量Dfeed作为调节量,而室内温度Troom、供水温度Tfeed和剩余出力Ns’为被调量,其中Ns’的计算公式如式(32)所示:
N′s=NMGT-NASHP (32)
其中,NMGT是微燃机发电功率,kW;NASHP是空气源热泵耗电功率,kW。
基于该系统,提出如图2所示的系统控制结构,该控制系统由两个就地控制器和一个协调控制器组成,两个就地控制器分别为锂电池充放电随动控制器和用户室内温度PID跟踪控制器,协调控制器则通过调节微燃机燃料量mf、热泵压缩机转速rc来控制剩余功率Ns和供水温度Tfeed进行抗扰。其中,剩余功率Ns的计算公式为:
Ns=NMGT+NPV-NASHP-Nload (33)
其中,NPV是光伏发电功率,kW;Nload是用户电负荷,kW。剩余功率Ns为0kW,供水温度Tfeed的设定值为75℃,直流母线电压的设定值为380V。
对三个调节量分别在不同时刻进行阶跃,可得三个被调量的变化如图3所示。
辨识微燃机燃料量mf、热泵压缩机转速rc对剩余功率Ns和供水温度Tfeed的传递函数矩阵可得如式(34)所示:
以1s为采样周期对传递函数矩阵进行离散并转化为状态空间方程,可得状态空间方程表达式为:
依照式(12)-式(23)求取预测模型,并依照式(26)构建DMPC控制器的优化问题,进行优化求解与控制。
为了验证本实施例提出的分布式模型预测控制(DMPC)算法的优越性,将其与集中式模型预测控制(CMPC)进行对比。为保证公平性,两种控制算法采用相同的协调控制器参数,如表1所示,另外,分布式模型预测控制器的最大迭代周期pmax=5。
表1协调控制器参数
表1中,Np、Nc分别为各子系统的预测时域和控制时域,Q和R分别为输出权矩阵和控制权矩阵,Cdis为扩增扰动增益。
控制效果如图4所示,在500s时,用户电负荷阶跃上升5kW,同时建筑室内温度设定值从20℃阶跃上升至21℃。供水流量上升,以增加建筑室内散热片的换热量,同时导致供水温度下降。为了维持供水温度的稳定,热泵压缩机转速上升,以增加供热量,同时热泵耗电量上升;微燃机燃料量上升,以增加发电量,补足剩余功率不足的部分,同时微燃机增加的余热也辅助了热泵供热量的增加。在此过程中,母线电压的波动幅度整体在±0.5V范围内,仅在电负荷阶跃下降瞬间降到377.5V,但立刻回到380V设定值附近。由图4可得,基于合作的分布式模型预测控制器的控制效果与集中式十分相近,为了更好地体现两种控制算法之间效果的相似性,采用积分绝对误差指标(IAE)进行比较,IAE的计算公式为:
其中y(t)指输出,ysetpoint指该输出对应的设定值,T指积分时域。
针对图4的IAE指标计算结果统计如表2所示,可得对于三个被控量,DMPC与CMPC控制结果的偏差非常小,证明分布式控制算法在控制效果方面的有效性。
表2图4控制结果的IAE指标统计表
IAE | Ns | Tfeed | Troom |
CMPC | 123.64 | 189.26 | 349.00 |
DMPC | 124.06 | 206.02 | 351.43 |
同时,分布式模型预测控制算法相较于集中式算法的优势体现在计算负担的降低。通过将仿真模块运行在不同处理器上的方式,可得到对应模块的平均周转时间(Average TurnaroundTime,ATT),总结在表3中。将机理模型模块映射到一个单独的处理器进行运算,可得其ATT约为34.9微秒,CMPC控制器模块的ATT为207.3微秒,而DMPC控制器模块的ATT分别为144.5微秒和119.5微秒,远低于CMPC控制器的计算时间。由此可见,采用分布式模型预测控制算法设计的协调控制器具有良好的控制品质,且显著降低了计算求解负担,能更好地适应大规模综合能源系统的运行控制。
表3平均周转时间统计表
/>
Claims (5)
1.一种离网型光气热电联产综合能源系统协调控制方法,其特征在于,包括以下步骤:
步骤一:建立离网型光气热电联产综合能源系统机理模型,所述综合能源系统包括由微燃机与空气源热泵构成的热电联产子系统;以所述热电联产子系统作为热电协调控制的物理对象并表征所述综合能源系统整体动态特性;
步骤二:以所述综合能源系统的热电负荷供需实时平衡为控制目标,建立直接能量平衡单层控制结构,所述直接能量平衡单层控制结构采用协调控制器对表征热电负荷供需实时平衡的系统侧的指标进行控制;
步骤三:所述协调控制器基于分布式模型预测控制算法实现热电协调控制,基于所述热电联产子系统的数学模型构建所述分布式模型预测控制算法的预测模型,其采用扰动扩增的方式实现无静差控制性能,并通过终端约束保证模型预测控制器的稳定性;
所述综合能源系统机理模型的建立,包括:
建立光伏系统模型:
光伏系统包含三个部分:光伏电池、最大功率跟踪控制器和升压电路,其中光伏电池的电流-电压特性如式(1)所示:
式(1)中,Iph为光电流,Id为流经二极管的电流,I0为光伏电池逆饱和电流,Rs为串联电阻,Rsh为并联电阻,Tcell为光伏电池温度,n为二极管理想性能指标,q为电量,1.6×10-19C,k为波尔茨曼常数,1.38×10-23J/K;
建立微燃机系统模型:
微燃机包括一个离心式压气机、径流式透平、一个燃烧室和一个回热器,采用模块化的方式对其进行建模,压气机的准确工作特性通过实验获得,根据实验曲线拟合得相关系数,可得压气机排气温度、耗功的表达式如式(2)所示:
燃烧室出口烟气流量、温度和压力由式(3)计算所得:
mb1=(1-kcl)mc,mb2=mb1+mf
Tb2=[mb1cpaTc2+mf(Qcv,fηb+if)]/cpgmb2 (3)
Pb2=εbPb1
透平的特性由两个特性系数πt和ηt决定,透平的进气温度等于燃烧室出口温度,透平出口温度和输出功率表达式:
Tt1=Tb2
微燃机采用主表面式回热器,根据如式(5)所示的非稳态传热方程,得到回热器进出口工质温度以及金属温度:
建立发电机模型:
发电机的动态机理模型表达为:
Ne=Ned(n/nd)2
微燃机排烟余热通过管式换热器加热回水,换热器的集总参数动态模型为:
建立空气源热泵模型:
空气源热泵系统包括压缩机、冷凝器、蒸发器和膨胀阀,热泵系统采用集总参数建模法,假设蒸发器中的制冷剂流量与压缩机中的相等,并忽略蒸发过程中的压损和热量散失,可得蒸发器中的能量平衡方程为:
Qev=αevAev[(Tw1,ev+Tw2,ev)/2-Tev]
压缩机的建模基于特定型号压缩机的特性试验,压缩比ε=pde/pev为冷凝压力与蒸发压力的比值,其中pde和pev由蒸发温度和冷凝温度决定,可得压缩机的出口制冷剂焓和耗功量表达式为:
mr=Vcprcpηv,cpλv,cp/vr1
h2=h1+N/mr,cp (9)
冷凝器中的工质过程实际上与蒸发器中相反,参考蒸发器的能量平衡方程可得:
Qde=αdeAde[Tde-(Tw1,de+Tw2,de)/2]
假设膨胀阀节流过程制冷剂流量不变,且节流前后制冷剂焓值相等,则得h3=h4;
联箱模型如式(11)所示:
式(2)—(11)中,各变量含义:
T1、T2为入口、出口温度,P1、P2为入口、出口压力,A为换热面积,J为转矩,M为质量,N为功率,Q为换热量,V为排气量,Qcv为热值,kJ/kg,i为物理焓,单位kJ/kg,h为焓,kJ/kg,m为质量流量,kg/s,v为比容,m3/kg,α为传热系数,W/(m2·K),ρ为密度,r为转速;
各参数含义:
π/η为压缩机性能指数,cp为等压比热容,kJ/(kg·℃),ka为空气绝热指数,kcl为空气冷却系数,n为多变指数,nd为透平额定转速,r/s,ηv为容积效率,λv为容积指数;
各下标含义:
a代表空气,b代表燃烧室,c代表压缩机,e代表电,f代表燃料,g代表烟气,j代表金属,t代表透平,w代表水,cp代表热泵压缩机,de代表热泵冷凝器,ed代表额定,ev代表热泵蒸发器,fr代表机械摩擦损失,re代表制冷剂,eff代表效率,feed代表供水,back代表回水;
至此完成综合能源系统机理模型的建立;
所述协调控制器所控对象为所述热电联产子系统,根据热电能量供需的不平衡信号,所述协调控制器通过调节所述微燃机的燃料流量以及所述空气源热泵的压缩机转速,调节所述热电联产子系统的供热与供电功率;
所述步骤二中,表征热功率、电功率供需平衡的系统侧指标分别为供暖水温度、系统净输出功率;表征热功率、电功率供需平衡的用户侧指标分别为用户室内温度、母线电压,且用户侧指标分别由两个就地控制器控制;
所述分布式模型预测控制算法为合作型,即每个分布式模型预测控制器不但考虑本控制器所控对象的目标函数,也考虑其他控制器的控制目标,并在每个迭代周期中共享优化控制序列,以逼近全局最优解;各所述分布式模型预测控制器的集群构成所述协调控制器;
所述分布式模型预测控制算法的预测模型的构建流程包括:通过辨识系统整体动态特性,建立所述综合能源系统离散状态空间方程;基于所述离散状态空间方程建立分布式模型预测控制算法的分布式模型,所述合作型分布式模型预测控制算法的分布式模型为所述综合能源系统离散状态空间方程的分解,分解后得到多个子系统;采用扰动扩增的方法改造所述分布式模型,为后续无静差控制做准备,基于改造后的分布式模型推导可得分布式预测模型。
2.根据权利要求1所述的离网型光气热电联产综合能源系统协调控制方法,其特征在于,所述综合能源系统还包括与母线连接的光伏和锂电池;所述微燃机采用具有余热回收功能的微型燃气轮机,其高温余热烟气通过换热器将热量传递给回水以制得供暖水,所述微燃机和所述空气源热泵制得的热水在供水联箱中混合后流向取暖用户;所述综合能源系统的各耗电设备用电均由综合能源系统内部提供。
3.根据权利要求1所述的离网型光气热电联产综合能源系统协调控制方法,其特征在于,分布式模型如下式所示:
上式中,xi为第i个子系统的状态量,i=1,2,…,M,M为被分解成的子系统数量;ui为第i个子系统的输入;yi为第i个子系统的输出;Aij、Bij和Cij分别为j子系统对i子系统的系统矩阵、输入矩阵和输出矩阵,其中j=1,2,…,M且j≠i;k为每个递推时刻;
假设系统不存在输出耦合,则Cij(j=1,2,…,M且j≠i)=O,可得第i个子系统的输出如下式所示:
扩增与子系统输出等维的状态量,假设各子系统间的扰动是独立的,则可得子系统i扩增后的分布式模型如下式所示:
式中,d为扩增的扰动项。
4.根据权利要求3所述的离网型光气热电联产综合能源系统协调控制方法,其特征在于,得到扩增后的分布式模型,然后定义子系统i的输入输出预测序列,得到分布式状态下系统总的预测序列,进而得出每个子系统的预测模型;结合子系统扩增后的分布式模型,得出子系统带扰动补偿的分布式预测模型,以所述分布式预测模型构建分布式模型预测控制算法的目标函数;在每个控制周期中,采用分布式卡尔曼滤波器对子系统的状态量以及扩增的扰动进行估计;将估计所得的状态量和扰动传递给对应分布式模型预测控制器,并进行目标函数的求解。
5.根据权利要求1所述的离网型光气热电联产综合能源系统协调控制方法,其特征在于,用户室内温度就地控制器采用PID控制器;母线电压由锂电池与双向DCDC组成的就地控制器进行控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110278310.XA CN113159983B (zh) | 2021-03-15 | 2021-03-15 | 离网型光气热电联产综合能源系统协调控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110278310.XA CN113159983B (zh) | 2021-03-15 | 2021-03-15 | 离网型光气热电联产综合能源系统协调控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113159983A CN113159983A (zh) | 2021-07-23 |
CN113159983B true CN113159983B (zh) | 2024-05-14 |
Family
ID=76887158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110278310.XA Active CN113159983B (zh) | 2021-03-15 | 2021-03-15 | 离网型光气热电联产综合能源系统协调控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113159983B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114374231B (zh) * | 2021-12-07 | 2023-10-24 | 东南大学 | 离网型多能源系统的配置、控制一体优化方法 |
CN114837812B (zh) * | 2022-05-27 | 2024-03-01 | 华能桂林燃气分布式能源有限责任公司 | 一种分布式能源背压机组燃气轮机进气调温系统及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109004686A (zh) * | 2018-08-29 | 2018-12-14 | 三峡大学 | 一种考虑冰蓄冷空调多模式的冷热电联供型微网系统 |
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 |
CN110188460A (zh) * | 2019-05-29 | 2019-08-30 | 中国科学院电工研究所 | 一种分布式综合能源系统离网状态能量平衡仿真方法 |
WO2019200662A1 (zh) * | 2018-04-20 | 2019-10-24 | 东北大学 | 电-热-气综合能源系统的稳定评估与静态控制方法 |
CN110957758A (zh) * | 2019-11-20 | 2020-04-03 | 国网河北省电力有限公司电力科学研究院 | 一种基于广域态势感知的综合能源能效评价与控制性能优化方法 |
WO2020093296A1 (zh) * | 2018-11-06 | 2020-05-14 | 国电南瑞科技股份有限公司 | 电-热互联综合能源系统的区间潮流计算方法 |
CN111478312A (zh) * | 2019-11-20 | 2020-07-31 | 国网河北省电力有限公司电力科学研究院 | 一种提升电网稳定性的综合能源集群协调控制方法 |
CN112182915A (zh) * | 2020-10-30 | 2021-01-05 | 东北电力大学 | 一种协同促进风电消纳的优化调度方法及系统 |
-
2021
- 2021-03-15 CN CN202110278310.XA patent/CN113159983B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019200662A1 (zh) * | 2018-04-20 | 2019-10-24 | 东北大学 | 电-热-气综合能源系统的稳定评估与静态控制方法 |
CN109004686A (zh) * | 2018-08-29 | 2018-12-14 | 三峡大学 | 一种考虑冰蓄冷空调多模式的冷热电联供型微网系统 |
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 |
WO2020093296A1 (zh) * | 2018-11-06 | 2020-05-14 | 国电南瑞科技股份有限公司 | 电-热互联综合能源系统的区间潮流计算方法 |
CN110188460A (zh) * | 2019-05-29 | 2019-08-30 | 中国科学院电工研究所 | 一种分布式综合能源系统离网状态能量平衡仿真方法 |
CN110957758A (zh) * | 2019-11-20 | 2020-04-03 | 国网河北省电力有限公司电力科学研究院 | 一种基于广域态势感知的综合能源能效评价与控制性能优化方法 |
CN111478312A (zh) * | 2019-11-20 | 2020-07-31 | 国网河北省电力有限公司电力科学研究院 | 一种提升电网稳定性的综合能源集群协调控制方法 |
CN112182915A (zh) * | 2020-10-30 | 2021-01-05 | 东北电力大学 | 一种协同促进风电消纳的优化调度方法及系统 |
Non-Patent Citations (2)
Title |
---|
基于智能体协调的多微电系统能量优化管理预测控制;李耀明;王正花;李惠庸;;电气应用;20181020(第20期);全文 * |
计及热电耦合的太阳能联产系统功率协调控制;杨挺;于亚利;张亚健;赵黎媛;;电网技术;20200905(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113159983A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112128841B (zh) | 一种基于负荷预测和室温反馈修正的全网平衡调节方法 | |
CN111191820B (zh) | 一种综合能源系统中储能装置的选址定容优化规划方法 | |
CN103439941B (zh) | 一种燃气内燃机冷热电三联供系统优化运行方法 | |
CN106593771B (zh) | 一种热电联产系统中的电热解耦系统及其控制方法 | |
CN113159983B (zh) | 离网型光气热电联产综合能源系统协调控制方法 | |
CN110070460A (zh) | 多套燃气-蒸汽联合循环机组热电负荷优化调度系统 | |
Chang et al. | Multi-objective optimization of a novel combined cooling, dehumidification and power system using improved M-PSO algorithm | |
CN113255198B (zh) | 一种含虚拟储能的冷热电联供微电网多目标优化方法 | |
CN108131722A (zh) | 一种面向电网调峰的终端用户制冷行为自适应调控 | |
CN110503241A (zh) | 冷-热-电综合能源系统的多目标优化方法 | |
CN113446661B (zh) | 一种智能高效的热网运行调节方法 | |
CN111400937A (zh) | 一种综合能源系统潮流计算方法 | |
CN113190999A (zh) | 供热管网流量调节提升风电消纳的电热协调方法及装置 | |
CN114508784A (zh) | 一种多源互补供热系统及其优化控制方法 | |
CN116308881A (zh) | 利用供热管网储热的综合能源系统多时间尺度调度方法 | |
CN114648250A (zh) | 计及综合需求响应和碳排放的园区综合能源系统规划方法 | |
CN112883630B (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
CN116972521A (zh) | 基于商业楼宇太阳能光伏中央空调系统控制方法 | |
CN111967683A (zh) | 一种计及用户舒适度的热电耦合网络最优潮流建模方法 | |
CN116502921A (zh) | 一种园区综合能源系统优化管理系统及其协调调度方法 | |
CN113446656B (zh) | 功率-负荷匹配的光伏光热pv/t热电冷联供系统调控方法 | |
CN113719929B (zh) | 一种溴化锂空调系统整体性优化控制方法和系统 | |
CN115511661A (zh) | 一种考虑多重热惯性的电热综合系统日前调度方法 | |
CN113410850B (zh) | 基于mpc的光热风电联合调频模型和调频策略 | |
CN115289518A (zh) | 供热系统热力和水力平衡控制方法及系统 |
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 |