CN113177323A - 基于矩不确定分布式鲁棒的电热综合系统优化调度方法 - Google Patents
基于矩不确定分布式鲁棒的电热综合系统优化调度方法 Download PDFInfo
- Publication number
- CN113177323A CN113177323A CN202110528144.4A CN202110528144A CN113177323A CN 113177323 A CN113177323 A CN 113177323A CN 202110528144 A CN202110528144 A CN 202110528144A CN 113177323 A CN113177323 A CN 113177323A
- Authority
- CN
- China
- Prior art keywords
- heat
- energy storage
- electric heating
- representing
- wind
- 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
Links
- 238000005485 electric heating Methods 0.000 title claims abstract description 77
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004146 energy storage Methods 0.000 claims abstract description 96
- 238000010248 power generation Methods 0.000 claims abstract description 46
- 238000010438 heat treatment Methods 0.000 claims abstract description 8
- 230000005611 electricity Effects 0.000 claims description 49
- 238000003860 storage Methods 0.000 claims description 40
- 238000005338 heat storage Methods 0.000 claims description 34
- 238000009826 distribution Methods 0.000 claims description 31
- 238000005457 optimization Methods 0.000 claims description 21
- 238000005286 illumination Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000003786 synthesis reaction Methods 0.000 claims description 7
- 230000009977 dual effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 230000009194 climbing Effects 0.000 claims description 5
- 150000001875 compounds Chemical class 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 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
- 230000017525 heat dissipation Effects 0.000 claims description 4
- 238000006467 substitution reaction Methods 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 239000002356 single layer Substances 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000020169 heat generation Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 210000000352 storage cell Anatomy 0.000 claims 2
- 230000008901 benefit Effects 0.000 abstract description 3
- 239000010410 layer Substances 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 235000015961 tonic Nutrition 0.000 description 2
- 230000001256 tonic effect Effects 0.000 description 2
- 229960000716 tonics Drugs 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及热电联合供暖领域,提供了一种基于矩不确定分布式鲁棒的电热综合系统优化调度方法,包括:建立包含风力发电单元、光伏发电单元、储能单元、热电联产机组及电热泵的热电联合模型;构建风、光的矩不确定描述方法;构建两阶段电热综合系统的分布式鲁棒模型;求解步骤S3所述的两阶段电热综合系统的分布式鲁棒模型,得到电热综合系统的优化调度计划。本发明提出的双层优化调度方法中,上层考虑计划调度,旨在保证计划日前预调度阶段该电热综合系统的收益最大;下层的实时再调度阶段,在考虑风光出力的不确定性和用户热舒适度的条件下,通过减少各个单元的调度成本,对虚拟电厂的出力单元进行适当的调整,从而尽量减少弃风弃光。
Description
技术领域
本发明涉及热电联合供暖领域,特别涉及一种基于矩不确定分布式鲁棒的电热综合系统优化调度方法。
背景技术
随着我国的能源转型和分布式能源的不断发展,高比例可再生能源的消纳和利用在能源市场中变得尤为重要。为适应我国未来能源转型形势,发展高比例可再生能源已成为国家能源战略的重要组成部分。
电热综合系统能够聚合多样化的分布式资源,以促进可再生能源发电的消纳,将成为高比例可再生能源情景下电力系统的一类重要结构形态。虚拟电厂根据其优化目标的不同,可以实现不同的决策方案。它既可以用于市场能源交易,实现经济性,还能够提高电力系统的灵活性。然而,在优化调度过程中,不确定性是虚拟电厂优化调度研究和应用中的重要问题,在大力发展高比例可再生能源的条件下,考虑风光出力不确定性的虚拟电厂优化调度能够减少化石燃料的使用,有效减少弃风弃光,从而实现电力系统的可持续发展。在虚拟电厂中,风电和光伏发电的出力主要受风速和太阳辐照度的影响。由于风能和太阳能的间歇性和时变特性受到环境影响较大,为使系统稳定运行,在设计过程中应充分考虑其不同的特性。传统的确定性优化方法,已不能适应考虑多种不确定性的电热综合优化调度问题。
随机方法主要利用不确定变量的概率分布对其进行描述,具体使用时会采用蒙特卡洛等进行场景生成从而模拟风光的不确定性,计算量大,且对风光已有信息的依赖性高;信息间隙决策理论(IGDT,information gap decision theory)则是通过构造鲁棒函数和机会函数的方式,增加其对不确定性的鲁棒性或最大程度地提高成功机会,能够提高虚拟电厂在调度过程中的鲁棒性和灵活性,但是其在使用时需要综合考虑两种函数,计算和时间成本较高;鲁棒优化则是寻求在最恶劣条件下的最优调度,然而用它描述风光不确定性得到的结果较为保守,以牺牲一定的最优性来保证鲁棒性。
因此,寻求一种合理的调度方法来量化或弱化不确定性对调度策略的影响,具有很重要的实际意义。
发明内容
本发明的目的就是至少克服现有技术的不足之一,提供了一种基于矩不确定分布式鲁棒的电热综合系统优化调度方法,通过对不确定变量的分布进行鲁棒优化,兼顾了结果的鲁棒性和最优性,计算量和时间成本大大降低。
本发明采用如下技术方案:
一种基于矩不确定分布式鲁棒的电热综合系统优化调度方法,包括:
S1、建立包含风力发电单元、光伏发电单元、储能单元ESS、热电联产机组CHP及电热泵的热电联合模型;
S2、构建风、光的矩不确定描述方法;
S3、构建两阶段电热综合系统的分布式鲁棒模型;两阶段中,第一阶段为日前预调度阶段,第二阶段为实时再调整阶段;
S4、求解步骤S3所述的两阶段电热综合系统的分布式鲁棒模型,得到电热综合系统的优化调度计划;
其中,步骤S1、S2无先后顺序。
进一步的,步骤S1的具体方法为:
S1.1根据风速服从Weibull分布,建立风力发电模型;
S1.2根据光照强度服从β分布,建立光伏发电模型;
S1.3根据储能单元(ESS,energy storage system)的储能和放能特性,建立储能单元ESS的电热输出模型:
初始状态:SoCi,0=SoCI
式中,SoCi,t和SoCi,t-1分别表示第i个储能设备在t时刻和t-1时刻的储能(充电或储热)状态;和分别表示t时刻第i个储能设备的储能量和放能量;表示第i个储能设备储能和放能的最大值;和是两个取值为0或1的无单位量,分别用于表示第i个储能设备在t时刻储能和放能的状态,1表示该时刻下储能设备处于储能或放能状态,0表示无储能状态和无放能状态,且同一储能设备的储能与放能不能同时进行;和则分别表示储能设备的储能和放能效率,其值在0-1之间;表示储能设备的最大储能与放能次数,考虑到状态的大量改变会影响ESS的安全性,限制了储能/放能次数,当储能设备的充放电状态改变时,变为1;SoCi和分别表示第i个储能设备储能状态的最小值和最大值;SoCI表示初始时刻t=0的储能状态SoCi,0的值;储能设备包括储电设备和储热设备,Pt EESS和Ht HESS分别表示t时刻储电设备和储热设备的净供电/热出力(单位时间Δt内的净供电/热量),当其为正值时,表示储能设备向虚拟电厂供应电和热,为负值时表示其处于储能状态;和则分别表示储电和储热设备的成本,某时段内储能设备无论储能还是放能都会产生一定的成本;当储能设备为储电设备时,分别和等价,分别和等价,分别与等价;当储能设备为储热设备时,分别和等价,分别和等价,分别与等价;κEESS,κHESS则分别为储电设备和储热设备的成本系数;
S1.4根据热电联产机组CHP和电热泵的电热耦合特性,建立热电联产机组CHP和电热泵的电热输出模型:
电热泵电热转换关系:Ht HP=ηHPPt HP
式中,分别表示热电联产机组CHP电出力的最小值和最大值;分别表示热电联产机组CHP热出力的最小值和最大值;分别表示第i台热电联产机组CHP的爬坡(CHP机组t时刻电出力与t-1时刻电出力之差)下限和上限, 分别表示第i台热电联产机组CHP在t时刻的电出力和热出力;c0,c1,c2,c3,c4,c5均为常数项,用于描述热电联产机组CHP的成本Pt CHP和则分别表示t时刻热电联产机组CHP总的电出力和热出力;Ht HP表示电热泵消耗电能后的产热量;Pt HP表示所述电热综合系统输送给电热泵的电功率;ηHP表示电热泵的制热能效比(COP,coefficient ofperformance);代表电热泵的成本;κHP表示电热泵的成本系数。
进一步的,步骤S2中,所述构建风、光的矩不确定描述方法具体为:根据风力发电模型、光伏发电模型及风光历史出力数据(风力发电和光伏发电的历史数据)进行场景生成,利用场景削减后的风光历史出力数据构建风光的矩不确定集。
进一步的,步骤S2的具体步骤为:
S2.1对已知风光数据及其分布进行拉丁超立方采样,得到多个场景数据;
风速符合weibull分布,fPDF(vt)表示风速的概率密度函数,kt和λt分别表示形状参数和比例参数,vt表示风速;
光照强度符合β分布,fPDF(x)表示光照强度的概率密度函数,α和β为该分布的两个形状参数,x表示光照强度,Γ(*)则表示Gamma函数,B(α,β)表示β函数;
风力发电和光伏发电的出力分别受风速和光照强度的影响,因此对风光历史出力数据按照weibull分布和β分布分别进行拉丁超立方采样,得到多个场景数据(时间序列)。
S2.2拉丁超立方采样后的数据通过同步回代完成场景削减,得到的数据用于构建矩不确定集,如下式所示:
式中,μ0为风光的预估期望列向量;Σ0为风光的预估协方差矩阵;γ1为期望的椭球不确定半径的限制参数;γ2为协方差矩阵的半定锥不确定集范围限制参数;S为风光的分布空间;P和E则分别表示概率和均值。
进一步的,步骤S3中,第一阶段为最大化日前预调度阶段利润,第二阶段为最小化实时再调整阶段成本;构建两阶段电热综合系统的分布式鲁棒模型具体为:
S3.1构建第一阶段目标函数:
表示该电热综合系统与电网交易时供需不平衡时的惩罚项,rt purchase以及分别表示所述电热综合系统与电网交易时常规的购电和售电时的电价,rpenalty表示所述电热综合系统与电网交易时需要多付出的单位价格;T表示选取的调度周期内的时刻数;
S3.2确定第一阶段目标函数的约束条件:
电网平衡:Pt PV+Pt WPP+Pt CHP+Pt EESS-Pt HP+Pt grid=Pt load
系统投标量:Pt bid=Pt PV+Pt WPP+Pt CHP+Pt EESS-Pt HP
式中,Pt WPP、Pt PV分别表示风光的日前预测值,Pt grid表示该电热综合系统与电网之间的交易量,其值为正时表明实际系统总出力小于电负荷,需要从电网购电,其值为负时表明实际系统电出力大于电负荷,需要向电网多售一部分的电,Pt +和Pt -则分别表示系统与电网交易时的购电量和售电量,则表示对应的购电状态和售电状态;Pt bid表示第一阶段的投标量;Pt load、表示的第一阶段的电负荷和热负荷。
S3.3构建第二阶段目标函数:
其中,变量集Π={Pt WPP′,Pt PV′}是第二阶段的不确定参数,包括风力发电单元的实时出力和光伏发电单元的实时出力;变量集分别表示第二阶段的决策变量,包括储电设备实时电出力、储热设备实时热出力和电热泵实时电消耗量;各个出力设备的实时成本(储电单元实时成本储热单元实时成本电热泵实时成本)的成本系数(κEESS,κHESS,κHP)不变,且各个单元的实时出力均需要满足各自的约束限制;T表示选取的调度周期内的时刻数;
S3.4确定第二阶段目标函数的约束条件为:
电网平衡:Pt PV'+Pt WPP'+Pt CHP+Pt EESS'-Pt HP'+Pt grid'=Pt load'
固有的室内热量:Hint=QIntA
辐射热计算:Hirr=ηQIrrAwξW
对流热计算:Hconv=μVhρAircAir(Tin-Tout)
式中,表示t时刻室内温度,表示室内热容(单位:J/K),表示升高单位温度所需要的热量,与房屋的面积以及空气的密度有关;表示外部供热,主要由CHP机组、储热设备和热泵产生的热量,以及送热过程的热损失构成;Hint表示室内的热,主要包括电器散热和人体散热,QInt表示单位面积的室内热,一般取QInt=5W/m2,A表示室内参考面积;Hirr表示辐射热,主要为透过窗户的辐射热,η表示热辐射转换系数,QIrr表示单位面积的辐射热,Aw表示窗户的面积,ξW表示太阳照射方向与窗户之间的角度;Hconv表示对流热,通过空气热交换得到,μ表示空气交换率,Vh表示室内空气的体积,可以近似为房屋体积,ρAir和cAir则分别表示空气的密度和等压热容,Tin和Tout则分别表示室内外温度;Hcond表示传导热,主要指通过建筑外壳等进行的热传导,Ai表示区域面积,Ui表示材料热导系数(U值),传导热量主要由两部分组成:窗户-门构成区域和墙面-屋顶-地板构成区域。用户的热舒适度用Comft表示,cT表示用户在保证用户舒适度的条件下,允许达到的最大温度变化率,单位为℃/h;及则分别表示室温的最小值和最大值。这些约束共同保证了用户室内的温度及温度变化在舒适度范围内。
进一步的,步骤S4中,求解所述两阶段电热综合系统的分布式鲁棒模型时,利用拉格朗日对偶理论将第二阶段双层问题转化为单层问题,再利用C&CG算法对两阶段问题进行循环求解。
本发明还提供了一种实现上述的基于矩不确定分布式鲁棒的电热综合系统优化调度方法的信息数据处理终端。
本发明还提供了一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行上述述的基于矩不确定分布式鲁棒的电热综合系统优化调度方法。
本发明所述电热综合系统调度方法本质上是一个优化求解问题,在这个优化求解问题中,涉及到两个时间尺度:日前和实时。日前阶段,根据风光的预测值以及其他单元的容量约束等,决策出使预调度收益最大的各个单元的电热出力;实时阶段,由于风光出力的不确定性,需要调节其他电热设备的出力,在日前调度的基础上,实时调整的出力变动不大,对应系统售电售热收益变动相对较小,此时考虑整个系统的运行成本最小,得到各出力的实时调整值。
在求解这个问题时,为得到系统整体的经济最优,按照时间尺度将这个求解问题划分为上层和下层问题,上层问题考虑日前预调度阶段的利润最大化,下层问题考虑实时再调整阶段的成本最小化。通过迭代的方式,对系统整体的净利润的最优值的上下界进行限制。当上下层的边界值的差满足收敛条件后,得到该优化问题的最优解。
本发明的有益效果为:
1、本发明结合了随机优化和鲁棒优化的特点,通过对不确定变量的分布进行鲁棒优化,兼顾了结果的鲁棒性和最优性,计算量和时间成本大大降低。
2、本发明聚合了多种分布式能源,实现了电能和热能的综合调度,在实时调整阶段,考虑到了用户热舒适度,用于实时调整电热分配,有利于实现能源的最优利用。
3、本发明采用矩不确定分布式鲁棒优化的方法对风光的不确定性进行处理,通过拉格朗日对偶的方式将问题进行转化,最后利用CC&G的思想对问题进行求解,能够有效减少计算量和时间成本。
附图说明
图1所示为本发明实施例一种基于矩不确定性分布式鲁棒的电热综合系统优化调度方法的流程图。
图2所示为实施例中场景生成得到的20组风电数据示意图。
图3所示为实施例中场景生成得到的20组光伏数据示意图。
具体实施方式
下文将结合具体附图详细描述本发明具体实施例。应当注意的是,下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的,它们可以被相互组合从而达到更好的技术效果。在下述实施例的附图中,各附图所出现的相同标号代表相同的特征或者部件,可应用于不同实施例中。
本文中术语解释:CHP,热电联产机组;DRO,分布式鲁棒;C&CG,列和约束生成;Schur补,舒尔补。
如图1所示,本发明实施例一种基于矩不确定分布式鲁棒的电热综合系统优化调度方法,包括:
S1、建立包含风力发电单元、光伏发电单元、储能单元(包括储电设备和储热设备)、热电联产机组CHP及电热泵的热电联合模型;
具体包括:
S1.1根据风速服从Weibull分布,建立风力发电模型;
S1.2根据光照强度服从β分布,建立光伏发电模型;
S1.3根据储能单元的储能和放能特性,建立储电储热单元的电热输出模型:
初始状态:SoCi,0=SoCI
式中,SoCi,t和SoCi,t-1分别表示第i个储能设备在t时刻和t-1时刻的储能状态;和分别表示t时刻第i个储能设备的储能量和放能量;表示第i个储能设备储能和放能的最大值;和是两个取值为0或1的无单位量,分别用于表示第i个储能设备在t时刻储能和放能的状态,1表示该时刻下储能设备处于储能或放能状态,0表示无储能状态和无放能状态,且同一储能设备的储能与放能不能同时进行;和则分别表示储能设备的储能和放能效率,其值在0-1之间;表示储能设备的最大储能与放能次数,考虑到状态的大量改变会影响ESS的安全性,限制了储能/放能次数,当储能设备的充放电状态改变时,变为1;SoCi和分别表示第i个储能设备储能状态的最小值和最大值;SoCI表示初始时刻t=0的储能状态SoCi,0的值;储能设备包括储电设备和储热设备,Pt EESS和Ht HESS分别表示t时刻储电设备和储热设备的净供电/热出力(单位时间Δt内的净供电/热量),当其为正值时,表示储能设备向虚拟电厂供应电和热,为负值时表示其处于储能状态;和则分别表示储电和储热设备的成本,某时段内储能设备无论储能还是放能都会产生一定的成本;当储能设备为储电设备时,分别和等价,分别和等价,分别与等价;当储能设备为储热设备时,分别和等价,分别和等价,分别与等价;κEESS,κHESS则分别为储电设备和储热设备的成本系数;
S1.4根据热电联产单元和电热泵的电热耦合特性,建立热电联产机组和电热泵的电热输出模型:
电热泵电热转换关系:Ht HP=ηHPPt HP
式中,及分别表示CHP机组电出力和热出力的最小值和最大值,表示CHP机组的爬坡上下限,c0,c1,c2,c3,c4,c5均为常数项,用于描述热电联产机组的成本,Pt CHP和则分别表示t时刻CHP机组的电出力和热出力;Ht HP表示电热泵消耗电能产热量,Pt HP表示系统输送给电热泵的功率,ηHP表示电热泵的制热能效比(COP,coefficient of performance),κHP表示电热泵的成本系数。
S2、构建风、光的矩不确定描述方法;根据风力发电模型、光伏发电模型及风光的历史出力数据(风力发电单元、光伏发电单元的历史发电数据)进行场景生成和削减,利用削减后的风光历史出力数据构建风光的矩不确定集;
S2.1对已知风光数据及其分布进行拉丁超立方采样,得到多个场景数据;
风速符合weibull分布,fPDF(vt)表示风速的概率密度函数,kt和λt分别表示形状参数和比例参数,vt表示风速;
光照强度符合β分布,fPDF(x)表示光照强度的概率密度函数,α和β为该分布的两个形状参数,x表示光照强度,Γ(*)则表示Gamma函数,B(α,β)表示β函数;
风力发电和光伏发电的出力分别受风速和光照强度的影响,因此对风光历史出力数据按照weibull分布和β分布分别进行拉丁超立方采样,得到1000个场景数据(时间序列),场景数据可以根据实际需求确定。
S2.2拉丁超立方采样后的数据通过同步回代完成场景削减,得到20组风光出力数据(如图2,图3所示)用于构建矩不确定集,如下式所示:
式中,μ0为风光的预估期望列向量;Σ0为风光的预估协方差矩阵;γ1为期望的椭球不确定半径的限制参数;γ2为协方差矩阵的半定锥不确定集范围限制参数;S为风光的分布空间。P和E分别表示概率和均值。
S3、构建两阶段电热综合系统的分布式鲁棒模型;第一阶段为最大化日前预调度阶段利润,第二阶段为最小化实时再调整阶段成本;构建两阶段电热综合系统的分布式鲁棒模型具体为:
S3.1构建第一阶段目标函数:
其中,集合变量Pt bid表示该电热综合系统与电网交易量,rt P和rt H是该电热综合系统电能和热能的交易价格,分别表示CHP机组、储电设备、储热设备、电热泵的运营成本,表示该电热综合系统与电网交易时供需不平衡时的惩罚项,rpenalty表示该电热综合系统与电网交易时的惩罚价格;
S3.2确定第一阶段目标函数的约束条件:
电网平衡:Pt PV+Pt WPP+Pt CHP+Pt EESS-Pt HP+Pt grid=Pt load
系统投标量:Pt bid=Pt PV+Pt WPP+Pt CHP+Pt EESS-Pt HP
式中,Pt WPP、Pt PV分别表示风光的日前预测值,Pt grid表示该电热综合系统与电网之间的交易量,其值为正时表明实际系统总出力小于电负荷,需要从电网购电,其值为负时表明实际系统电出力大于电负荷,需要向电网多售一部分的电,Pt +和Pt -则分别表示系统与电网交易时的购电量和售电量,则表示对应的购电状态和售电状态;Pt bid表示计划出力阶段的投标量;Pt load、表示日前阶段的电负荷和热负荷。
S3.3构建第二阶段目标函数:
其中,变量集Π={Pt WPP',Pt PV'}是第二阶段的不确定参数,包括风力发电单元的实时出力和光伏发电单元的实时出力;变量集分别表示第二阶段的决策变量,包括储电设备实时电出力、储热设备实时热出力和电热泵实时电消耗量;各个出力设备的实时成本包括储电单元实时成本储热单元实时成本电热泵实时成本成本系数κEESS,κHESS,κHP不变;T表示选取的调度周期内的时刻数;
S3.4确定第二阶段目标函数的约束条件为:
电网平衡:Pt PV'+Pt WPP'+Pt CHP+Pt EESS'-Pt HP'+Pt grid'=Pt load'
固有的室内热量:Hint=QIntA
辐射热计算:Hirr=ηQIrrAwξW
对流热计算:Hconv=μVhρAircAir(Tin-Tout)
式中,表示t时刻室内温度,表示Hconv室内热容(单位:J/K),表示升高单位温度所需要的热量,与房屋的面积以及空气的密度等因素有关;表示外部供热,由CHP机组、储热设备和热泵产生的热量,以及送热过程的热损失构成;Hint表示用户住宅固有的室内热,主要包括电器散热和人体散热,QInt表示单位面积的室内热,通常取QInt=5W/m2,A表示室内参考面积;Hirr表示辐射热,主要为透过窗户的辐射热,η表示热辐射转换系数,QIrr表示单位面积的辐射热,Aw表示窗户的面积,ξW表示太阳照射方向与窗户之间的角度;表示对流热,通过空气热交换得到,μ表示空气交换率,Vh表示室内空气的体积,计算中近似为房屋体积,ρAir和cAir则分别表示空气的密度和等压热容,Tin和Tout则分别表示室内外温度;Hcond表示传导热,主要指通过建筑外壳等进行的热传导,Ai表示区域面积,Ui表示材料热导系数(U值),传导热量主要由两部分组成:窗户-门构成区域和墙面-屋顶-地板构成区域;用户的热舒适度用Comft表示,cT表示用户在保证用户舒适度的条件下,允许达到的最大温度变化率,单位为℃/h;及则分别表示室温的最小值和最大值。这些约束共同保证了用户室内的温度及温度变化在舒适度范围内。
S4、求解步骤S3所述的两阶段电热综合系统的分布式鲁棒模型,得到电热综合系统的优化调度计划;
利用拉格朗日对偶理论及将第二阶段双层问题转化为单层问题;
利用C&CG算法对两阶段问题进行循环求解。
所述两阶段电热联合系统的矩不确定分布式鲁棒模型为:
考虑到风光出力的不确定性,利用矩不确定分布鲁棒的方法,考虑随机变量的期望及协方差矩阵在假定不确定集条件下,找到影响最严重的分布下的一个期望最优化问题的决策,其一般可以构建为一个min-max问题:
上述问题是一个NP-hard问题,求解较为困难,需要利用拉格朗日对偶的方法将下层模型的内层转化为一个确定性的凸半定规划问题:
其中,r,η表示对偶变量,Q为半定矩阵,q表示转换中产生的向量;·表示Frobenius内积。Pun=[Pt WPP',Pt PV']Τ,f2可化为关于Pun的二次型的形式:f2=Pun ΤBPun+Pun Τa+z
对于rt所对应的不等式约束,由Schur补可将其等价为一个半定矩阵:
由于下层问题的内外层都是求解最小化问题,因此可以将内外层合并,得到重构后的问题:
将两个阶段的问题整合,得到最终的两阶段电热联合系统基于矩不确定性的分布式鲁棒优化模型为:
以及各个阶段的约束。
所述利用C&CG算法对两阶段问题进行循环求解,包括:
设定循环阈值M,并给定LB=-∞,UB=+∞;
然后将其分解为主问题MP和子问题SP:
s.t.AΤy≥d,y∈Sy
η≥bTxl
式中,y和x分别表示日前阶段和实时阶段决策变量,cTy以及bTx则分别表示两个阶段对应的目标函数,π∈Π表示不确定性变量,约束Η(y,π)是关于不确定性变量的函数;xl和η分别表示求解迭代过程中生成的决策变量及其目标边界值,则为实时调整阶段的对偶变量;c,b,d,h,A,W,T,M均为确定性参数。
本发明的模型输入为调度阶段各个时间点(1天24小时)的电热负荷、风光的预测值以及各个电热单元的容量、成本系数;模型输出为对应时刻各个电热单元的电热出力。电出力包括:CHP机组、储电单元、电热泵(消耗);热出力包括:CHP机组、储热单元、电热泵(产生)。模型的解即为各个单元出力的最终调度值(最优值)。
本发明的主要创新在于:利用矩不确定分布式鲁棒方法对风光出力的不确定性同时进行描述;引入HOMIE模型,构建了一个考虑用户热舒适度的电热耦合网络,根据用户电负荷和热舒适度的限制,对该电热综合系统的电热出力进行调节。
本发明提出的双层优化调度方法中,上层考虑计划调度,旨在保证计划日前预调度阶段该电热综合系统的收益最大;下层的实时再调度阶段,在考虑风光出力的不确定性和用户热舒适度的条件下,通过减少各个单元的调度成本,对虚拟电厂的出力单元进行适当的调整,从而尽量减少弃风弃光。本发明结合了随机优化和鲁棒优化的特点,通过对不确定变量的分布进行鲁棒优化,兼顾了结果的鲁棒性和最优性,计算量和时间成本大大降低。
本文虽然已经给出了本发明的几个实施例,但是本领域的技术人员应当理解,在不脱离本发明精神的情况下,可以对本文的实施例进行改变。上述实施例只是示例性的,不应以本文的实施例作为本发明权利范围的限定。
Claims (9)
1.一种基于矩不确定分布式鲁棒的电热综合系统优化调度方法,其特征在于,所述优化调度方法包括:
S1、建立包含风力发电单元、光伏发电单元、储能单元ESS、热电联产机组CHP及电热泵的热电联合模型;
S2、构建风、光的矩不确定描述方法;
S3、构建两阶段电热综合系统的分布式鲁棒模型;两阶段中,第一阶段为日前预调度阶段,第二阶段为实时再调整阶段;
S4、求解步骤S3所述的两阶段电热综合系统的分布式鲁棒模型,得到电热综合系统的优化调度计划;
其中,步骤S1、S2无先后顺序。
2.如权利要求1所述的基于矩不确定分布式鲁棒的电热综合系统优化调度方法,其特征在于,步骤S1的具体方法为:
S1.1根据风速服从Weibull分布,建立风力发电模型;
S1.2根据光照强度服从β分布,建立光伏发电模型;
S1.3根据储能单元ESS的储能和放能特性,建立储能单元ESS的电热输出模型:
SoCi,0=SoCI;
式中,SoCi,t和SoCi,t-1分别表示第i个储能设备在t时刻和t-1时刻的储能状态;和分别表示t时刻第i个储能设备的储能量和放能量;表示第i个储能设备储能和放能的最大值;和是两个取值为0或1的无单位量,分别用于表示第i个储能设备在t时刻储能和放能的状态,1表示t时刻下储能设备处于储能或放能状态,0表示无储能状态和无放能状态,且同一储能设备的储能与放能不能同时进行;和则分别表示储能设备的储能和放能效率,其值在0-1之间;表示储能设备的最大储能与放能次数,当储能设备的充放电状态改变时,变为1;SoC i和分别表示第i个储能设备储能状态的最小值和最大值;SoCI表示初始时刻t=0的储能状态SoCi,0的值;储能设备包括储电设备和储热设备,Pt EESS和Ht HESS分别表示t时刻储电设备和储热设备的净供电/热出力,当其为正值时,表示储能设备向虚拟电厂供应电和热,为负值时表示其处于储能状态;和则分别表示储电设备和储热设备的成本;当储能设备为储电设备时,分别和等价,分别和等价,分别与等价;当储能设备为储热设备时,分别和等价,分别和等价,分别和等价;κEESS,κHESS则分别为储电设备和储热设备的成本系数;
S1.4根据热电联产机组CHP和电热泵的电热耦合特性,建立热电联产机组CHP和电热泵的电热输出模型:
Ht HP=ηHPPt HP;
3.如权利要求1或2所述的基于矩不确定分布式鲁棒的电热综合系统优化调度方法,其特征在于,步骤S2中,所述构建风、光的矩不确定描述方法具体为:根据风力发电模型、光伏发电模型以及风速、光照强度数据,得到风光历史出力数据;对风光历史出力数据进行场景生成和削减,利用削减后的风光历史出力数据构建风光的矩不确定集。
4.如权利要求3所述的基于矩不确定分布式鲁棒的电热综合系统优化调度方法,其特征在于,步骤S2的具体步骤为:
S2.1对已知风光数据根据其分布进行拉丁超立方采样,得到多个场景数据;
风速符合weibull分布,光照强度符合β分布;
fPDF(vt)表示风速的概率密度函数,kt和λt分别表示形状参数和比例参数,vt表示风速;
fPDF(x)表示光照强度的概率密度函数,α和β为该分布的两个形状参数,x表示光照强度,Γ(*)则表示Gamma函数,B(α,β)表示β函数;
S2.2拉丁超立方采样后的风光历史出力数据通过同步回代完成场景削减,削减后的风光历史出力数据用于构建矩不确定集D,如下式所示:
式中,在不确定集D中,μ0为风光的预估期望列向量;Σ0为风光的预估协方差矩阵;γ1为期望的椭球不确定半径的限制参数;γ2为协方差矩阵的半定锥不确定集范围限制参数;S为风光的分布空间,P和E则分别表示概率和均值。
5.如权利要求1所述的基于矩不确定分布式鲁棒的电热综合系统优化调度方法,其特征在于,步骤S3中,第一阶段为最大化日前预调度阶段利润,第二阶段为最小化实时再调整阶段成本。
6.如权利要求1所述的基于矩不确定分布式鲁棒的电热综合系统优化调度方法,其特征在于,步骤S3中,构建两阶段电热综合系统的分布式鲁棒模型具体为:
S3.1构建第一阶段目标函数:
其中,集合变量Pt bid表示所述电热综合系统与电网交易量;rt P和rt H分别为所述电热综合系统电能和热能的交易价格;分别表示热电联产机组CHP、储电设备、储热设备、电热泵的运营成本;表示所述电热综合系统与电网交易时供需不平衡时的惩罚项,rt purchase以及rt sell分别表示所述电热综合系统与电网交易时常规的购电和售电时的电价,rpenalty表示所述电热综合系统与电网交易时需要多付出的单位价格;T表示选取的调度周期内的时刻数;
S3.2确定第一阶段目标函数的约束条件:
Pt PV+Pt WPP+Pt CHP+Pt EESS-Pt HP+Pt grid=Pt load;
Pt bid=Pt PV+Pt WPP+Pt CHP+Pt EESS-Pt HP;
式中,Pt WPP、Pt PV分别表示风、光的日前预测值;Pt grid表示所述电热综合系统与电网之间的交易量,其值为正时表明实际的所述电热综合系统总出力小于电负荷,需要从电网购电,其值为负时表明实际的所述电热综合系统电出力大于电负荷,需要向电网售出一部分的电;Pt +和Pt -则分别表示所述电热综合系统与电网交易时的购电量和售电量;bt +、bt -则分别表示对应的购电状态和售电状态;Pt bid表示第一阶段的投标量;Pt load、表示第一阶段的电负荷和热负荷;
S3.3构建第二阶段目标函数:
其中,变量集∏={Pt WPP',Pt PV'}是第二阶段的不确定参数,包括风力发电单元的实时出力和光伏发电单元的实时出力;变量集分别表示第二阶段的决策变量,包括储电设备实时电出力、储热设备实时热出力和电热泵实时电消耗量;各个出力设备的实时成本包括储电单元实时成本储热单元实时成本电热泵实时成本成本系数κEESS,κHESS,κHP不变;T表示选取的调度周期内的时刻数;
S3.4确定第二阶段目标函数的约束条件为:
Pt PV'+Pt WPP'+Pt CHP+Pt EESS'-Pt HP'+Pt grid'=Pt load';
Hint=QIntA;
Hirr=ηQIrrAwξW;
Hconv=μVhρAircAir(Tin-Tout);
式中,Comft表示t时刻的用户热舒适度,用单位时间△t内的室内温度变化量来表示;和分别表示t时刻以及t-△t时刻的室内温度;表示室内热容,单位J/K;表示用户侧维持室温所需热量;表示外部供热,由CHP机组、储热设备和热泵产生的热量,以及送热过程的热损失构成;△loss表示热损失系数;Hint表示室内的热,包括电器散热和人体散热;QInt表示单位面积的室内热;A表示室内参考面积;Hirr表示辐射热;η表示热辐射转换系数;QIrr表示单位面积的辐射热;Aw表示窗户的面积;ξW表示太阳照射方向与窗户之间的角度;Hconv表示对流热,通过空气热交换得到;μ表示空气交换率;Vh表示室内空气的体积;ρAir和cAir则分别表示空气的密度和等压热容;Tin和Tout分别表示室内温度和室外温度;Hcond表示传导热;Ai表示区域面积;Ui表示材料热导系数;Tin,i和Tout,i分别对应第i个区域内、外的温度;cT表示在保证用户舒适度的条件下,允许达到的最大温度变化率,单位为℃/h;及则分别表示室温的最小值和最大值。
7.如权利要求6所述的基于矩不确定分布式鲁棒的电热综合系统优化调度方法,其特征在于,步骤S4中,求解所述两阶段电热综合系统的分布式鲁棒模型时,利用拉格朗日对偶理论将第二阶段双层问题转化为单层问题,再利用C&CG算法对两阶段问题进行循环求解。
8.一种实现如权利要求1~7任一项所述的基于矩不确定分布式鲁棒的电热综合系统优化调度方法的信息数据处理终端。
9.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1-7任一项所述的基于矩不确定分布式鲁棒的电热综合系统优化调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110528144.4A CN113177323B (zh) | 2021-05-14 | 2021-05-14 | 基于矩不确定分布式鲁棒的电热综合系统优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110528144.4A CN113177323B (zh) | 2021-05-14 | 2021-05-14 | 基于矩不确定分布式鲁棒的电热综合系统优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113177323A true CN113177323A (zh) | 2021-07-27 |
CN113177323B CN113177323B (zh) | 2021-12-10 |
Family
ID=76928995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110528144.4A Active CN113177323B (zh) | 2021-05-14 | 2021-05-14 | 基于矩不确定分布式鲁棒的电热综合系统优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113177323B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113688567A (zh) * | 2021-08-10 | 2021-11-23 | 华北电力大学(保定) | 一种考虑冲击负荷的虚拟电厂两阶段优化调度方法 |
CN113793029A (zh) * | 2021-09-14 | 2021-12-14 | 国网上海市电力公司 | 一种虚拟电厂优化调度方法及装置 |
CN113837444A (zh) * | 2021-08-26 | 2021-12-24 | 国网河南省电力公司经济技术研究院 | 一种虚拟电厂参与多重市场的交易出清优化方法 |
CN114330827A (zh) * | 2021-11-29 | 2022-04-12 | 华北电力大学 | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 |
CN115130391A (zh) * | 2022-08-25 | 2022-09-30 | 华北电力大学 | 一种计及热惯性的电热综合能源系统故障恢复方法及系统 |
CN116644866A (zh) * | 2023-07-27 | 2023-08-25 | 国网江西省电力有限公司经济技术研究院 | 考虑风光不确定性的综合能源系统鲁棒优化方法及系统 |
CN116780649A (zh) * | 2023-06-16 | 2023-09-19 | 国网浙江省电力有限公司嘉兴供电公司 | 一种多能互补利用的分布式鲁棒优化运行方法 |
CN116992242A (zh) * | 2023-09-26 | 2023-11-03 | 华北电力大学 | 一种火电-储能联合检修优化方法、系统及电子设备 |
CN117709554A (zh) * | 2024-02-04 | 2024-03-15 | 天津龙海科技有限公司 | 一种储热与电磁加热器联合的能源调度方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108832665A (zh) * | 2018-07-04 | 2018-11-16 | 四川大学 | 一种考虑风电不确定性的电热综合系统分布式鲁棒协调优化调度模型 |
CN112583021A (zh) * | 2020-11-23 | 2021-03-30 | 国家电网有限公司 | 考虑综合需求响应的综合能源系统优化调度方法及装置 |
-
2021
- 2021-05-14 CN CN202110528144.4A patent/CN113177323B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108832665A (zh) * | 2018-07-04 | 2018-11-16 | 四川大学 | 一种考虑风电不确定性的电热综合系统分布式鲁棒协调优化调度模型 |
CN112583021A (zh) * | 2020-11-23 | 2021-03-30 | 国家电网有限公司 | 考虑综合需求响应的综合能源系统优化调度方法及装置 |
Non-Patent Citations (2)
Title |
---|
刘万福等: "考虑源荷双重不确定性的多能互补系统两阶段鲁棒优化调度", 《电力系统及其自动化学报》 * |
王旭强等: "考虑源荷双重不确定性的电-气互联综合能源系统分布鲁棒优化调度", 《现代电力》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113688567B (zh) * | 2021-08-10 | 2023-08-11 | 华北电力大学(保定) | 一种考虑冲击负荷的虚拟电厂两阶段优化调度方法 |
CN113688567A (zh) * | 2021-08-10 | 2021-11-23 | 华北电力大学(保定) | 一种考虑冲击负荷的虚拟电厂两阶段优化调度方法 |
CN113837444B (zh) * | 2021-08-26 | 2023-12-26 | 国网河南省电力公司经济技术研究院 | 一种虚拟电厂参与多重市场的交易出清优化方法 |
CN113837444A (zh) * | 2021-08-26 | 2021-12-24 | 国网河南省电力公司经济技术研究院 | 一种虚拟电厂参与多重市场的交易出清优化方法 |
CN113793029A (zh) * | 2021-09-14 | 2021-12-14 | 国网上海市电力公司 | 一种虚拟电厂优化调度方法及装置 |
CN114330827A (zh) * | 2021-11-29 | 2022-04-12 | 华北电力大学 | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 |
CN115130391A (zh) * | 2022-08-25 | 2022-09-30 | 华北电力大学 | 一种计及热惯性的电热综合能源系统故障恢复方法及系统 |
CN116780649A (zh) * | 2023-06-16 | 2023-09-19 | 国网浙江省电力有限公司嘉兴供电公司 | 一种多能互补利用的分布式鲁棒优化运行方法 |
CN116780649B (zh) * | 2023-06-16 | 2024-03-01 | 国网浙江省电力有限公司嘉兴供电公司 | 一种多能互补利用的分布式鲁棒优化运行方法 |
CN116644866A (zh) * | 2023-07-27 | 2023-08-25 | 国网江西省电力有限公司经济技术研究院 | 考虑风光不确定性的综合能源系统鲁棒优化方法及系统 |
CN116992242B (zh) * | 2023-09-26 | 2023-12-22 | 华北电力大学 | 一种火电-储能联合检修优化方法、系统及电子设备 |
CN116992242A (zh) * | 2023-09-26 | 2023-11-03 | 华北电力大学 | 一种火电-储能联合检修优化方法、系统及电子设备 |
CN117709554A (zh) * | 2024-02-04 | 2024-03-15 | 天津龙海科技有限公司 | 一种储热与电磁加热器联合的能源调度方法及系统 |
CN117709554B (zh) * | 2024-02-04 | 2024-04-16 | 天津龙海科技有限公司 | 一种储热与电磁加热器联合的能源调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113177323B (zh) | 2021-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113177323B (zh) | 基于矩不确定分布式鲁棒的电热综合系统优化调度方法 | |
CN110689189B (zh) | 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法 | |
CN108206543B (zh) | 一种基于能源梯级利用的能源路由器及其运行优化方法 | |
CN110571867B (zh) | 一种计及风电不确定性的虚拟电厂日前优化调度系统方法 | |
Salehi et al. | Scenario-based Co-Optimization of neighboring multi carrier smart buildings under demand response exchange | |
CN110350523A (zh) | 基于需求响应的多能源互补优化调度方法 | |
CN110009122B (zh) | 户用多能互补综合能源利用系统能量优化调度方法及系统 | |
CN111934360B (zh) | 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法 | |
CN108805328A (zh) | 光热电站热电联供微网系统的优化运行方法 | |
Kong et al. | Optimization of the hybrid solar power plants comprising photovoltaic and concentrating solar power using the butterfly algorithm | |
CN110796373B (zh) | 面向风电消纳的多阶段场景生成电热系统优化调度方法 | |
CN110474370B (zh) | 一种空调可控负荷、光伏储能系统的协同控制系统及方法 | |
CN112418488B (zh) | 一种基于两阶段能量优化的综合能源系统调度方法及装置 | |
Lu et al. | Two-stage robust scheduling and real-time load control of community microgrid with multiple uncertainties | |
Wu et al. | Distributed energy trading on networked energy hubs under network constraints | |
Xu et al. | Intelligent Home Energy Management Strategy With Internal Pricing Mechanism Based on Multiagent Artificial Intelligence-of-Things | |
CN113036751A (zh) | 一种考虑虚拟储能的可再生能源微电网优化调度方法 | |
Huang et al. | A distributed peer‐to‐peer energy trading model in integrated electric–thermal system | |
CN117592621B (zh) | 一种虚拟电厂集群两阶段调度优化方法 | |
Zhou et al. | Optimal dispatching of distribution network considering system flexibility and user thermal comfort | |
Guo et al. | The capacity optimization and techno-economic analysis of stand-alone hybrid renewable energy systems based on a two-stage nested optimization approach | |
Huang et al. | Evolutionary computing assisted deep reinforcement learning for multi-objective integrated energy system management | |
Li et al. | Optimal configuration of photovoltaic microgrid with improved ant colony dynamic programming | |
CN116054241B (zh) | 一种新能源微电网群系统鲁棒能量管理方法 | |
CN116934115B (zh) | 一种考虑时变虚拟储能的实时端对端能量交易方法 |
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 |