CN113240178A - 一种用于电热互联系统的多时间尺度优化调度方法及系统 - Google Patents
一种用于电热互联系统的多时间尺度优化调度方法及系统 Download PDFInfo
- Publication number
- CN113240178A CN113240178A CN202110530078.4A CN202110530078A CN113240178A CN 113240178 A CN113240178 A CN 113240178A CN 202110530078 A CN202110530078 A CN 202110530078A CN 113240178 A CN113240178 A CN 113240178A
- Authority
- CN
- China
- Prior art keywords
- power
- heat
- load
- model
- energy storage
- 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 81
- 238000005485 electric heating Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004146 energy storage Methods 0.000 claims abstract description 147
- 238000012937 correction Methods 0.000 claims abstract description 28
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 58
- 230000005611 electricity Effects 0.000 claims description 56
- 238000007599 discharging Methods 0.000 claims description 36
- 238000005338 heat storage Methods 0.000 claims description 34
- 239000003345 natural gas Substances 0.000 claims description 29
- 230000004044 response Effects 0.000 claims description 16
- 239000012080 ambient air Substances 0.000 claims description 15
- 230000009194 climbing Effects 0.000 claims description 14
- 230000008878 coupling Effects 0.000 claims description 14
- 238000010168 coupling process Methods 0.000 claims description 14
- 238000005859 coupling reaction Methods 0.000 claims description 14
- 230000003993 interaction Effects 0.000 claims description 14
- 230000004060 metabolic process Effects 0.000 claims description 14
- 239000007789 gas Substances 0.000 claims description 11
- 238000010248 power generation Methods 0.000 claims description 11
- 238000012546 transfer Methods 0.000 claims description 8
- 239000004566 building material Substances 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000035807 sensation Effects 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 4
- 230000001953 sensory effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000002918 waste heat Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception 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
- G06Q10/04—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—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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种用于电热互联系统的多时间尺度优化调度方法及系统,包括:对包含电热储能和柔性负荷的电热互联系统进行建模,确定分布式电储能模型、分布式热储能模型、柔性热负荷模型、柔性电负荷模型、热电联产设备模型和热泵模型;基于上述模型确定约束条件,以运行成本最小为日前优化调度的优化目标确定日前优化调度模型;利用日前优化调度模型按照第一时间间隔确定每天的日前优化调度方案;按照第二时间间隔,基于风光机组的实时功率,对所述日前优化调度方案计划进行实时修正,动态修正日前优化调度指令。本发明通过日前优化调度模型实现多时段协同优化,通过实时反馈校正基于源荷实测值对日前调度计划指令进行修正,提高了调度的可靠性。
Description
技术领域
本发明涉及能源互联网技术领域,并且更具体地,涉及一种用于电热互联系统的多时间尺度优化调度方法及系统。
背景技术
化石能源枯竭和环境污染问题成为世界范围内的难题,发展清洁可再生能源和清洁能源消费模式成为世界各国的能源发展战略。分布式可再生能源发电与电采暖负荷的大规模接入,使电、热系统之间的耦合也愈发紧密,针对电热互联系统的优化调度研究成为当前的研究热点。
针对电热互联系统的优化调度国内外已有大量研究,储能作为电热互联的关键环节被广泛应用于电热互联系统的优化调度过程中。但目前的研究在调度过程中大多仅考虑了单一类型储能或柔性负荷调节作用,并未同时计及电热储能与柔性电热负荷的联合调节能力,且优化调度时间尺度局限于日前优化,忽略了源荷预测不确定性对优化调度结果的影响。
发明内容
本发明提出一种用于电热互联系统的多时间尺度优化调度方法及系统,以解决如何实现对电热互联系统的多时间尺度优化调度的问题。
为了解决上述问题,根据本发明的一个方面,提供了一种用于电热互联系统的多时间尺度优化调度方法,所述方法包括:
对包含电热储能和柔性负荷的电热互联系统进行建模,确定分布式电储能模型、分布式热储能模型、柔性热负荷模型、柔性电负荷模型、热电联产设备模型和热泵模型;
基于所述分布式电储能模型、分布式热储能模型、柔性热负荷模型、柔性电负荷模型、热电联产设备模型和热泵模型确定约束条件,并以运行成本最小为日前优化调度的优化目标,确定日前优化调度模型;
利用所述日前优化调度模型按照预设的第一时间间隔确定每天的日前优化调度方案;
按照预设的第二时间间隔,基于风光机组的实时功率,对所述日前优化调度方案计划进行实时修正,动态修正日前优化调度指令。
优选地,其中所述分布式电储能模型,包括:
所述分布式热储能模型,包括:
其中,Pch,t和Pdisch,t分别为电储能的充电功率和放电功率;ηesch和ηesdisch分别为分布式电储能的充电效率和放电效率;Ees,t为分布式电储能在t时刻的容量;Δt为调度时间间隔;Hch,t和Hdisch,t分别为热储能的充热功率和放热功率;ηhsch和ηhsdisch分别为分布式热储能的充热效率和放热效率;Ehs,t为分布式热储能在t时刻的容量。
优选地,其中所述方法基于用户用热舒适度确定柔性热负荷模型,包括:
其中,PMV为热舒适度的热感觉平均预测指标;M0为热舒适平衡状态下人体新陈代谢率;W0为热舒适平衡状态下人体对外做的机械功;M为人体新陈代谢率;W为人体对外做的机械功;Pa为环境空气水蒸气分压力;ta,t为环境空气温度;fcl为服装面积系数;tcl为服装外表面温度;hc为对流换热系数;Hload,t为用户t时刻热负荷功率;RB为建筑材料热损失系数;CB为建筑物等效热容;to,t为室外温度。
基于用户用电满意度确定柔性电负荷模型,包括:
其中,ms为调度周期内的用电方式满意度;ms,t为t时刻的用电方式满意度;mc为用电成本满意度;ΔPload,t为用户参与需求响应后的负荷变化量;为t时刻用户的期望用电负荷;ΔCload,t为用户参与需求响应后的用电成本变化量;为t时刻用户的期望用电成本。
优选地,其中所述热电联产设备模型,包括:
Hchp,t=αchpPchp,t (8)
所述热泵模型,包括:
Hhp,t=ηhpPhp (10)
其中,Pchp,t、Hchp,t和αchp分别为热电联产机组的电功率、热功率和热电比;ηchp为热电联产机组的发电效率;LNG为天然气低热值;Gchp,t为热电联产机组天然气消耗量;Php,t、Hhp,t和ηhp分别为热泵的电功率、热功率和电热转换效率。
优选地,其中所述日前优化调度模型的优化目标,包括:
所述多时间尺度优化调度模型的约束条件,包括:
功率平衡约束子条件:
电热储能运行约束子条件:
用热舒适度约束子条件:
-1≤PMV(t)≤1 (17)
用电舒适度约束子条件:
Tcut∈Tc (21)
热电联产约束子条件:
热泵运行约束子条件:
其中,T为调度周期;Cgrid,t为与上级电网电能交互成本;Cchp,t为CHP机组运行成本;Chp,t为热泵运行成本;Ces,t为电储能运行成本;Chs,t为热储能运行成本;Cload,t为电负荷调节成本;Pgrid,t为区域分布式能源系统与上级电网电能交换功率,Pgrid,t>0表示向上级电网购电,Pgrid,t<0表示向上级电网售电;kgrid,t表示t时刻电价,Gchp,t为CHP机组天然气消耗量;kgas为天然气单价;Php,t为热泵电功率;khp,t为热泵单位功率运行成本;Pch,t和Pdisch,t分别为电储能的充放电功率;kes为电储能的单位功率运行成本;Hch,t和Hdisch,t分别为热储能的充热功率和放热功率;khs为热储能的单位功率运行成本;ΔPload,t为电负荷调节功率;kload,t为单位功率电负荷调节成本;Ppv,t和Pwt,t分别为光伏和风电的发电功率;为分布式电储能容量最大值;λesch,tλesdisch,t为0-1变量,分别表征分布式电储能的充放电状态;和分别为电储能的最大充电功率和放电功率;为分布式热储能的容量最大值,λhsch,t和λhsdisch,t为0-1的变量,分别表征分布式热储能的充放热状态;和分别为热储能的最大充热功率和放热功率;和分别为用户在整个调度周期及某单点时刻的用电方式满意度最小值及整个调度周期用电成本满意度最小值,Tcut为负荷调整的时段;Tc为负荷允许调整时段;和分别为热电联产电功率的最大值和最小值;和分别为热电联产向上爬坡功率和向下爬坡功率;和分别为热泵电功率的最大值和最小值。
优选地,其中所述方法在实时修正时,以单一时段内的运行费用最低为优化目标,同时以电热耦合系统中每个可控单元的功率调整量作为惩罚项,实时修正时的优化目标为:
其中,N为电热耦合系统中可控单元的数量,为可控单元的日前调度计划参考值,ui,t为各可控单元的实时功率,Δui,t为功率调整量,为可控单元最大功率,wi为功率调整惩罚系数,实时动态调整中可控单元的功率仍需满足约束条件;Cgrid,t为与上级电网电能交互成本;Cchp,t为CHP机组运行成本;Chp,t为热泵运行成本;Ces,t为电储能运行成本;Chs,t为热储能运行成本;Cload,t为电负荷调节成本。
根据本发明的另一个方面,提供了一种电热互联系统多时间尺度优化调度系统,所述系统包括:
建模单元,用于对包含电热储能和柔性负荷的电热互联系统进行建模,确定分布式电储能模型、分布式热储能模型、柔性热负荷模型、柔性电负荷模型、热电联产设备模型和热泵模型;
优化调度模型确定单元,用于基于所述分布式电储能模型、分布式热储能模型、柔性热负荷模型、柔性电负荷模型、热电联产设备模型和热泵模型确定约束条件,并以运行成本最小为日前优化调度的优化目标,确定日前优化调度模型;
优化调度方案确定单元,用于利用所述日前优化调度模型按照预设的第一时间间隔确定每天的日前优化调度方案;
动态修正单元,用于按照预设的第二时间间隔,基于风光机组的实时功率,对所述日前优化调度方案计划进行实时修正,动态修正日前优化调度指令。
优选地,其中所述分布式电储能模型,包括:
所述分布式热储能模型,包括:
其中,Pch,t和Pdisch,t分别为电储能的充电功率和放电功率;ηesch和ηesdisch分别为分布式电储能的充电效率和放电效率;Ees,t为分布式电储能在t时刻的容量;Δt为调度时间间隔;Hch,t和Hdisch,t分别为热储能的充热功率和放热功率;ηhsch和ηhsdisch分别为分布式热储能的充热效率和放热效率;Ehs,t为分布式热储能在t时刻的容量。
优选地,其中所述建模单元,基于用户用热舒适度确定柔性热负荷模型,包括:
其中,PMV为热舒适度的热感觉平均预测指标;M0为热舒适平衡状态下人体新陈代谢率;W0为热舒适平衡状态下人体对外做的机械功;M为人体新陈代谢率;W为人体对外做的机械功;Pa为环境空气水蒸气分压力;ta,t为环境空气温度;fcl为服装面积系数;tcl为服装外表面温度;hc为对流换热系数;Hload,t为用户t时刻热负荷功率;RB为建筑材料热损失系数;CB为建筑物等效热容;to,t为室外温度。
基于用户用电满意度确定柔性电负荷模型,包括:
其中,ms为调度周期内的用电方式满意度;ms,t为t时刻的用电方式满意度;mc为用电成本满意度;ΔPload,t为用户参与需求响应后的负荷变化量;为t时刻用户的期望用电负荷;ΔCload,t为用户参与需求响应后的用电成本变化量;为t时刻用户的期望用电成本。
优选地,其中所述热电联产设备模型,包括:
Hchp,t=αchpPchp,t (8)
所述热泵模型,包括:
Hhp,t=ηhpPhp (10)
其中,Pchp,t、Hchp,t和αchp分别为热电联产机组的电功率、热功率和热电比;ηchp为热电联产机组的发电效率;LNG为天然气低热值;Gchp,t为热电联产机组天然气消耗量;Php,t、Hhp,t和ηhp分别为热泵的电功率、热功率和电热转换效率。
优选地,其中所述日前优化调度模型的优化目标,包括:
所述多时间尺度优化调度模型的约束条件,包括:
功率平衡约束子条件:
电热储能运行约束子条件:
用热舒适度约束子条件:
-1≤PMV(t)≤1 (17)
用电舒适度约束子条件:
Tcut∈Tc (21)
热电联产约束子条件:
热泵运行约束子条件:
其中,T为调度周期;Cgrid,t为与上级电网电能交互成本;Cchp,t为CHP机组运行成本;Chp,t为热泵运行成本;Ces,t为电储能运行成本;Chs,t为热储能运行成本;Cload,t为电负荷调节成本;Pgrid,t为区域分布式能源系统与上级电网电能交换功率,Pgrid,t>0表示向上级电网购电,Pgrid,t<0表示向上级电网售电;kgrid,t表示t时刻电价,Gchp,t为CHP机组天然气消耗量;kgas为天然气单价;Php,t为热泵电功率;khp,t为热泵单位功率运行成本;Pch,t和Pdisch,t分别为电储能的充放电功率;kes为电储能的单位功率运行成本;Hch,t和Hdisch,t分别为热储能的充热功率和放热功率;khs为热储能的单位功率运行成本;ΔPload,t为电负荷调节功率;kload,t为单位功率电负荷调节成本;Ppv,t和Pwt,t分别为光伏和风电的发电功率;为分布式电储能容量最大值;μesch,tμesdisch,t为0-1变量,分别表征分布式电储能的充放电状态;和分别为电储能的最大充电功率和放电功率;为分布式热储能的容量最大值,μhsch,t和μhsdisch,t为0-1的变量,分别表征分布式热储能的充放热状态;和分别为热储能的最大充热功率和放热功率;和分别为用户在整个调度周期及某单点时刻的用电方式满意度最小值及整个调度周期用电成本满意度最小值,Tcut为负荷调整的时段;Tc为负荷允许调整时段;和分别为热电联产电功率的最大值和最小值;和分别为热电联产向上爬坡功率和向下爬坡功率;和分别为热泵电功率的最大值和最小值。
优选地,其中所述动态修正单元,在实时修正时,以单一时段内的运行费用最低为优化目标,同时以电热耦合系统中每个可控单元的功率调整量作为惩罚项,实时修正时的优化目标为:
其中,N为电热耦合系统中可控单元的数量,为可控单元的日前调度计划参考值,ui,t为各可控单元的实时功率,Δui,t为功率调整量,为可控单元最大功率,wi为功率调整惩罚系数,实时动态调整中可控单元的功率仍需满足约束条件;Cgrid,t为与上级电网电能交互成本;Cchp,t为CHP机组运行成本;Chp,t为热泵运行成本;Ces,t为电储能运行成本;Chs,t为热储能运行成本;Cload,t为电负荷调节成本。
本发明提供了一种用于电热互联系统的多时间尺度优化调度方法及系统,针对包含电热储能和柔性负荷的电热互联系统进行建模,基于用户用热舒适度构建柔性热负荷模型,基于用户用电满意度构建柔性电负荷模型;并在此基础上构建电热互联系统的多时间尺度优化调度模型,日前优化调度模型以运行成本最低为优化目标实现多时段协同优化,通过实时反馈校正基于源荷实测值对日前调度计划指令进行修正,提高了调度的可靠性。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为根据本发明实施方式的用于电热互联系统的多时间尺度优化调度方法100的流程图;
图2为根据本发明实施方式的用于电热互联系统的多时间尺度优化调度系统200的结构示意图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
图1为根据本发明实施方式的用于电热互联系统的多时间尺度优化调度方法100的流程图。如图1所示,本发明实施方式提供的用于电热互联系统的多时间尺度优化调度方法,针对包含电热储能和柔性负荷的电热互联系统进行建模,基于用户用热舒适度构建柔性热负荷模型,基于用户用电满意度构建柔性电负荷模型;并在此基础上构建电热互联系统的多时间尺度优化调度模型,日前优化调度模型以运行成本最低为优化目标实现多时段协同优化,能够实时反馈校正基于源荷实测值对日前调度计划指令进行修正,提高调度的可靠性。本发明实施方式提供的用于电热互联系统的多时间尺度优化调度方法100,从步骤101处开始,在步骤101对包含电热储能和柔性负荷的电热互联系统进行建模,确定分布式电储能模型、分布式热储能模型、柔性热负荷模型、柔性电负荷模型、热电联产设备模型和热泵模型。
优选地,其中所述分布式电储能模型,包括:
所述分布式热储能模型,包括:
其中,Pch,t和Pdisch,t分别为电储能的充电功率和放电功率;ηesch和ηesdisch分别为分布式电储能的充电效率和放电效率;Ees,t为分布式电储能在t时刻的容量;Δt为调度时间间隔;Hch,t和Hdisch,t分别为热储能的充热功率和放热功率;ηhsch和ηhsdisch分别为分布式热储能的充热效率和放热效率;Ehs,t为分布式热储能在t时刻的容量。
优选地,其中所述方法基于用户用热舒适度确定柔性热负荷模型,包括:
其中,PMV为热舒适度的热感觉平均预测指标;M0为热舒适平衡状态下人体新陈代谢率;W0为热舒适平衡状态下人体对外做的机械功;M为人体新陈代谢率;W为人体对外做的机械功;Pa为环境空气水蒸气分压力;ta,t为环境空气温度;fcl为服装面积系数;tcl为服装外表面温度;hc为对流换热系数;Hload,t为用户t时刻热负荷功率;RB为建筑材料热损失系数;CB为建筑物等效热容;to,t为室外温度。
基于用户用电满意度确定柔性电负荷模型,包括:
其中,ms为调度周期内的用电方式满意度;ms,t为t时刻的用电方式满意度;mc为用电成本满意度;ΔPload,t为用户参与需求响应后的负荷变化量;为t时刻用户的期望用电负荷;ΔCload,t为用户参与需求响应后的用电成本变化量;为t时刻用户的期望用电成本。
优选地,其中所述热电联产设备模型,包括:
Hchp,t=αchpPchp,t (8)
所述热泵模型,包括:
Hhp,t=ηhpPhp (10)
其中,Pchp,t、Hchp,t和αchp分别为热电联产机组的电功率、热功率和热电比;ηchp为热电联产机组的发电效率;LNG为天然气低热值;Gchp,t为热电联产机组天然气消耗量;Php,t、Hhp,t和ηhp分别为热泵的电功率、热功率和电热转换效率。
在本发明中,分布式电热储能基于其能量吞吐特性可实现能量在时空上的转移。基于电热储能的联合调节可有效改善电网及热网间的刚性互联,实现系统在时间上的完全解耦,进而更好地匹配可再生能源出力及电热负荷的峰谷特性,从总体提高能源系统运行经济性。因此,本发明的分布式电热储能的数学模型可表示为:
其中,Pch,t和Pdisch,t分别为电储能的充电功率和放电功率;ηesch和ηesdisch分别为分布式电储能的充电效率和放电效率;Ees,t为分布式电储能在t时刻的容量;Δt为调度时间间隔;Hch,t和Hdisch,t分别为热储能的充热功率和放热功率;ηhsch和ηhsdisch分别为分布式热储能的充热效率和放热效率;Ehs,t为分布式热储能在t时刻的容量。
在建立柔性热负荷模型时,由于热负荷并非确切值,用户的热负荷需求体现在其对室内温度的需求,而用户对温度舒适程度的感知具有一定的模糊性,在一定区间内调整温度不会使用户的用热体验产生较大变化。一般使用热舒适度来表示用户的热负荷需求。在本发明中采用PMV指标对用户热舒适度进行评价。PMV指标分为7级,从-3到3,对应从冷、凉、稍凉、舒适、稍暖、暖、热七种感觉。
PMV指标的计算表达式如下:
其中,PMV为热舒适度的热感觉平均预测指标;M0为热舒适平衡状态下人体新陈代谢率;W0为热舒适平衡状态下人体对外做的机械功;M为人体新陈代谢率;W为人体对外做的机械功;Pa为环境空气水蒸气分压力;ta,t为环境空气温度;fcl为服装面积系数;tcl为服装外表面温度;hc为对流换热系数;Hload,t为用户t时刻热负荷功率;RB为建筑材料热损失系数;CB为建筑物等效热容;to,t为室外温度。由于室内温度是用热负荷的最直观体现,所以本发明重点关注室内温度对人体舒适度的影响,因此假设除环境空气温度ta外,其余数值均为给定值。
部分用户电负荷可参与电网需求响应,满足电网调度需求。但用户参与需求响应往往需考虑用户的用电满意度,在不影响用户用电满意度的情况下使用户参与电网调节,既可实现电网的调节目标,同时也可增加用户收入,实现双赢。用户的用电满意度主要体现在两方面,分别为用电方式满意度及用电成本满意度。
因此,本发明在建立电负荷模型时,用电方式满意度可表示为调度周期内的用电方式满意度及单一时刻的用电方式满意度,分别为:
用电成本满意度可表示为:
其中,ms为调度周期内的用电方式满意度;ms,t为t时刻的用电方式满意度;mc为用电成本满意度;ΔPload,t为用户参与需求响应后的负荷变化量;为t时刻用户的期望用电负荷;ΔCload,t为用户参与需求响应后的用电成本变化量;为t时刻用户的期望用电成本。
其他电热互联设备建模,包括:
(1)热电联产设备模型
热电联产设备由燃气轮机和余热锅炉组成,燃气轮机通过消耗天然气产生热能和电能,余热锅炉利用燃气轮机发电后的蒸汽为用户提供热能。其数学模型可表示为:
Hchp,t=αchpPchp,t (8)
(2)热泵模型
热泵可通过消耗电能将低品位热能转换为高品位热能,其数学模型可表示为:
Hhp,t=ηhpPhp (10)
其中,Pchp,t、Hchp,t和αchp分别为热电联产机组的电功率、热功率和热电比;ηchp为热电联产机组的发电效率;LNG为天然气低热值;Gchp,t为热电联产机组天然气消耗量;Php,t、Hhp,t和ηhp分别为热泵的电功率、热功率和电热转换效率。
在步骤102,基于所述分布式电储能模型、分布式热储能模型、柔性热负荷模型、柔性电负荷模型、热电联产设备模型和热泵模型确定约束条件,并以运行成本最小为日前优化调度的优化目标,确定日前优化调度模型。
优选地,其中所述日前优化调度模型的优化目标,包括:
所述多时间尺度优化调度模型的约束条件,包括:
功率平衡约束子条件:
电热储能运行约束子条件:
用热舒适度约束子条件:
-1≤PMV(t)≤1 (17)
用电舒适度约束子条件:
Tcut∈Tc (21)
热电联产约束子条件:
热泵运行约束子条件:
其中,T为调度周期;Cgrid,t为与上级电网电能交互成本;Cchp,t为CHP机组运行成本;Chp,t为热泵运行成本;Ces,t为电储能运行成本;Chs,t为热储能运行成本;Cload,t为电负荷调节成本;Pgrid,t为区域分布式能源系统与上级电网电能交换功率,Pgrid,t>0表示向上级电网购电,Pgrid,t<0表示向上级电网售电;kgrid,t表示t时刻电价,Gchp,t为CHP机组天然气消耗量;kgas为天然气单价;Php,t为热泵电功率;khp,t为热泵单位功率运行成本;Pch,t和Pdisch,t分别为电储能的充放电功率;kes为电储能的单位功率运行成本;Hch,t和Hdisch,t分别为热储能的充热功率和放热功率;khs为热储能的单位功率运行成本;ΔPload,t为电负荷调节功率;kload,t为单位功率电负荷调节成本;Ppv,t和Pwt,t分别为光伏和风电的发电功率;为分布式电储能容量最大值;μesch,tμesdisch,t为0-1变量,分别表征分布式电储能的充放电状态;和分别为电储能的最大充电功率和放电功率;为分布式热储能的容量最大值,μhsch,t和μhsdisch,t为0-1的变量,分别表征分布式热储能的充放热状态;和分别为热储能的最大充热功率和放热功率;和分别为用户在整个调度周期及某单点时刻的用电方式满意度最小值及整个调度周期用电成本满意度最小值,Tcut为负荷调整的时段;Tc为负荷允许调整时段;和分别为热电联产电功率的最大值和最小值;和分别为热电联产向上爬坡功率和向下爬坡功率;和分别为热泵电功率的最大值和最小值。
在步骤103,利用所述日前优化调度模型按照预设的第一时间间隔确定每天的日前优化调度方案。
在步骤104,按照预设的第二时间间隔,基于风光机组的实时功率,对所述日前优化调度方案计划进行实时修正,动态修正日前优化调度指令。
优选地,其中所述方法在实时修正时,以单一时段内的运行费用最低为优化目标,同时以电热耦合系统中每个可控单元的功率调整量作为惩罚项,实时修正时的优化目标为:
其中,N为电热耦合系统中可控单元的数量,为可控单元的日前调度计划参考值,ui,t为各可控单元的实时功率,Δui,t为功率调整量,为可控单元最大功率,wi为功率调整惩罚系数,实时动态调整中可控单元的功率仍需满足约束条件;Cgrid,t为与上级电网电能交互成本;Cchp,t为CHP机组运行成本;Chp,t为热泵运行成本;Ces,t为电储能运行成本;Chs,t为热储能运行成本;Cload,t为电负荷调节成本。
本发明针对包含风电(WT)、光伏(PV)、热电联产机组(CHP)、热泵(HP)和分布式电/热储能的电热互联系统,提出一种计及电热储能与柔性负荷的多时间尺度优化调度模型。其中,日前优化调度以第一预设时间间隔1h为时间间隔,基于风光荷日前预测信息,以运行成本最小为优化目标建立日前优化调度模型,求取24h的最优调度计划。实时反馈校正以15mi n为时间间隔,基于风光荷实时功率,以日前优化调度计划值为参考,动态修正日前优化调度指令。
在本发明中,日前优化调度模型的优化目标包括:
日前优化调度的优化目标为运行成本最小,可表示为:
约束条件包括:
(1)功率平衡
(2)电热储能运行约束
(3)柔性负荷
用热舒适度约束:
-1≤PMV(ta,t)≤1 (17)
用电舒适度约束:
Tcut∈Tc (21)
(4)热电联产
(5)热泵运行约束
其中,T为调度周期;Cgrid,t为与上级电网电能交互成本;Cchp,t为CHP机组运行成本;Chp,t为热泵运行成本;Ces,t为电储能运行成本;Chs,t为热储能运行成本;Cload,t为电负荷调节成本;Pgrid,t为区域分布式能源系统与上级电网电能交换功率,Pgrid,t>0表示向上级电网购电,Pgrid,t<0表示向上级电网售电;kgrid,t表示t时刻电价,Gchp,t为CHP机组天然气消耗量;kgas为天然气单价;Php,t为热泵电功率;khp,t为热泵单位功率运行成本;Pch,t和Pdisch,t分别为电储能的充放电功率;kes为电储能的单位功率运行成本;Hch,t和Hdisch,t分别为热储能的充热功率和放热功率;khs为热储能的单位功率运行成本;ΔPload,t为电负荷调节功率;kload,t为单位功率电负荷调节成本;Ppv,t和Pwt,t分别为光伏和风电的发电功率;为分布式电储能容量最大值;μesch,tμesdisch,t为0-1变量,分别表征分布式电储能的充放电状态;和分别为电储能的最大充电功率和放电功率;为分布式热储能的容量最大值,μhsch,t和μhsdisch,t为0-1的变量,分别表征分布式热储能的充放热状态;和分别为热储能的最大充热功率和放热功率;和分别为用户在整个调度周期及某单点时刻的用电方式满意度最小值及整个调度周期用电成本满意度最小值,Tcut为负荷调整的时段;Tc为负荷允许调整时段;和分别为热电联产电功率的最大值和最小值;和分别为热电联产向上爬坡功率和向下爬坡功率;和分别为热泵电功率的最大值和最小值。
由于风光出力预测误差的存在,导致日前调度计划难以完全满足系统实际运行需求。因此,本发明在日前优化调度的基础上,对调度计划进行实时动态修正。实时反馈校正基于风光实时功率,以第二预设时间间隔15mi n为间隔动态调整系统出力计划。实时反馈校正以单一时段内的运行费用最低为优化目标,同时为跟踪日前优化调度计划结果,避免对日前调度计划进行较大修改而影响后续时段的调度经济性。本发明以各可控单元的功率调整量作为惩罚项,同时由于对用户的电负荷进行调整需提前告知用户,故在实时阶段不对可调电负荷进行调调整,调整的目标为:
其中,N为电热耦合系统中可控单元的数量,为可控单元的日前调度计划参考值,ui,t为各可控单元的实时功率,Δui,t为功率调整量,为可控单元最大功率,wi为功率调整惩罚系数,实时动态调整中可控单元的功率仍需满足约束条件;Cgrid,t为与上级电网电能交互成本;Cchp,t为CHP机组运行成本;Chp,t为热泵运行成本;Ces,t为电储能运行成本;Chs,t为热储能运行成本;Cload,t为电负荷调节成本。值得注意的是,实时动态调整中可控单元的功率仍需满足约束条件公式(11)-(24)。
本发明的方法相比仅考虑储能或仅考虑柔性负荷的电热互联系统优化调度,考虑电热储能及柔性负荷的优化调度,通过各设备之间的出力协同,降低了购电成本以及购气成本,提高了系统运行经济性。电热互联系统多时间尺度优化调度通过日前优化调度与实时反馈校正相互配合,兼顾了系统内各设备出力计划在多时段内的协同,同时也有效应对了源荷出力不确定性对优化调度的影响,保证能源高效、经济、可靠供给。
图2为根据本发明实施方式的用于电热互联系统的多时间尺度优化调度系统200的结构示意图。如图2所示,本发明实施方式提供的电热互联系统多时间尺度优化调度系统200,包括:建模单元201、优化调度模型确定单元202、优化调度方案确定单元203和动态修正单元204。
优选地,所述建模单元201,用于对包含电热储能和柔性负荷的电热互联系统进行建模,确定分布式电储能模型、分布式热储能模型、柔性热负荷模型、柔性电负荷模型、热电联产设备模型和热泵模型。
优选地,其中所述分布式电储能模型,包括:
所述分布式热储能模型,包括:
其中,Pch,t和Pdisch,t分别为电储能的充电功率和放电功率;ηesch和ηesdisch分别为分布式电储能的充电效率和放电效率;Ees,t为分布式电储能在t时刻的容量;Δt为调度时间间隔;Hch,t和Hdisch,t分别为热储能的充热功率和放热功率;ηhsch和ηhsdisch分别为分布式热储能的充热效率和放热效率;Ehs,t为分布式热储能在t时刻的容量。
优选地,其中所述建模单元201,基于用户用热舒适度确定柔性热负荷模型,包括:
PMV=[0.303e(-0.036M)+0.0275]{(M0-W0)-3.05×10-3×[5733-6.99(M-W)-Pa]
-0.42[(M-W)-58.15]-1.7×10-5M(5867-Pa)-0.0014M×(34-ta,t)
-3.96×10-8fcl×[(tcl+273)4]-fclhc(tcl-ta,t)} (3)
其中,PMV为热舒适度的热感觉平均预测指标;M0为热舒适平衡状态下人体新陈代谢率;W0为热舒适平衡状态下人体对外做的机械功;M为人体新陈代谢率;W为人体对外做的机械功;Pa为环境空气水蒸气分压力;ta,t为环境空气温度;fcl为服装面积系数;tcl为服装外表面温度;hc为对流换热系数;Hload,t为用户t时刻热负荷功率;RB为建筑材料热损失系数;CB为建筑物等效热容;to,t为室外温度。
基于用户用电满意度确定柔性电负荷模型,包括:
其中,ms为调度周期内的用电方式满意度;ms,t为t时刻的用电方式满意度;mc为用电成本满意度;ΔPload,t为用户参与需求响应后的负荷变化量;为t时刻用户的期望用电负荷;ΔCload,t为用户参与需求响应后的用电成本变化量;为t时刻用户的期望用电成本。
优选地,其中所述热电联产设备模型,包括:
Hchp,t=αchpPchp,t (8)
所述热泵模型,包括:
Hhp,t=ηhpPhp (10)
其中,Pchp,t、Hchp,t和αchp分别为热电联产机组的电功率、热功率和热电比;ηchp为热电联产机组的发电效率;LNG为天然气低热值;Gchp,t为热电联产机组天然气消耗量;Php,t、Hhp,t和ηhp分别为热泵的电功率、热功率和电热转换效率。
优选地,所述优化调度模型确定单元202,用于基于所述分布式电储能模型、分布式热储能模型、柔性热负荷模型、柔性电负荷模型、热电联产设备模型和热泵模型确定约束条件,并以运行成本最小为日前优化调度的优化目标,确定日前优化调度模型。
优选地,其中所述日前优化调度模型的优化目标,包括:
所述多时间尺度优化调度模型的约束条件,包括:
功率平衡约束子条件:
电热储能运行约束子条件:
用热舒适度约束子条件:
-1≤PMV(t)≤1 (17)
用电舒适度约束子条件:
Tcut∈Tc (21)
热电联产约束子条件:
热泵运行约束子条件:
其中,T为调度周期;Cgrid,t为与上级电网电能交互成本;Cchp,t为CHP机组运行成本;Chp,t为热泵运行成本;Ces,t为电储能运行成本;Chs,t为热储能运行成本;Cload,t为电负荷调节成本;Pgrid,t为区域分布式能源系统与上级电网电能交换功率,Pgrid,t>0表示向上级电网购电,Pgrid,t<0表示向上级电网售电;kgrid,t表示t时刻电价,Gchp,t为CHP机组天然气消耗量;kgas为天然气单价;Php,t为热泵电功率;khp,t为热泵单位功率运行成本;Pch,t和Pdisch,t分别为电储能的充放电功率;kes为电储能的单位功率运行成本;Hch,t和Hdisch,t分别为热储能的充热功率和放热功率;khs为热储能的单位功率运行成本;ΔPload,t为电负荷调节功率;kload,t为单位功率电负荷调节成本;Ppv,t和Pwt,t分别为光伏和风电的发电功率;为分布式电储能容量最大值;μesch,tμesdisch,t为0-1变量,分别表征分布式电储能的充放电状态;和分别为电储能的最大充电功率和放电功率;为分布式热储能的容量最大值,μhsch,t和μhsdisch,t为0-1的变量,分别表征分布式热储能的充放热状态;和分别为热储能的最大充热功率和放热功率;和分别为用户在整个调度周期及某单点时刻的用电方式满意度最小值及整个调度周期用电成本满意度最小值,Tcut为负荷调整的时段;Tc为负荷允许调整时段;和分别为热电联产电功率的最大值和最小值;和分别为热电联产向上爬坡功率和向下爬坡功率;和分别为热泵电功率的最大值和最小值。
优选地,所述优化调度方案确定单元203,用于利用所述日前优化调度模型按照预设的第一时间间隔确定每天的日前优化调度方案。
优选地,所述动态修正单元204,用于按照预设的第二时间间隔,基于风光机组的实时功率,对所述日前优化调度方案计划进行实时修正,动态修正日前优化调度指令。
优选地,其中所述动态修正单元,在实时修正时,以单一时段内的运行费用最低为优化目标,同时以电热耦合系统中每个可控单元的功率调整量作为惩罚项,实时修正时的优化目标为:
其中,N为电热耦合系统中可控单元的数量,为可控单元的日前调度计划参考值,ui,t为各可控单元的实时功率,Δui,t为功率调整量,为可控单元最大功率,wi为功率调整惩罚系数,实时动态调整中可控单元的功率仍需满足约束条件;Cgrid,t为与上级电网电能交互成本;Cchp,t为CHP机组运行成本;Chp,t为热泵运行成本;Ces,t为电储能运行成本;Chs,t为热储能运行成本;Cload,t为电负荷调节成本。
本发明的实施例的用于电热互联系统的多时间尺度优化调度系统2000与本发明的另一个实施例的用于电热互联系统的多时间尺度优化调度系统的方法100相对应,在此不再赘述。
已经通过参考少量实施方式描述了本发明。然而,本领域技术人员所公知的,正如附带的专利权利要求所限定的,除了本发明以上公开的其他的实施例等同地落在本发明的范围内。
通常地,在权利要求中使用的所有术语都根据他们在技术领域的通常含义被解释,除非在其中被另外明确地定义。所有的参考“一个/所述/该[装置、组件等]”都被开放地解释为所述装置、组件等中的至少一个实例,除非另外明确地说明。这里公开的任何方法的步骤都没必要以公开的准确的顺序运行,除非明确地说明。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (12)
1.一种用于电热互联系统的多时间尺度优化调度方法,其特征在于,所述方法包括:
对包含电热储能和柔性负荷的电热互联系统进行建模,确定分布式电储能模型、分布式热储能模型、柔性热负荷模型、柔性电负荷模型、热电联产设备模型和热泵模型;
基于所述分布式电储能模型、分布式热储能模型、柔性热负荷模型、柔性电负荷模型、热电联产设备模型和热泵模型确定约束条件,并以运行成本最小为日前优化调度的优化目标,确定日前优化调度模型;
利用所述日前优化调度模型按照预设的第一时间间隔确定每天的日前优化调度方案;
按照预设的第二时间间隔,基于风光机组的实时功率,对所述日前优化调度方案计划进行实时修正,动态修正日前优化调度指令。
3.根据权利要求1所述的方法,其特征在于,所述方法基于用户用热舒适度确定柔性热负荷模型,包括:
其中,PMV为热舒适度的热感觉平均预测指标;M0为热舒适平衡状态下人体新陈代谢率;W0为热舒适平衡状态下人体对外做的机械功;M为人体新陈代谢率;W为人体对外做的机械功;Pa为环境空气水蒸气分压力;ta,t为环境空气温度;fcl为服装面积系数;tcl为服装外表面温度;hc为对流换热系数;Hload,t为用户t时刻热负荷功率;RB为建筑材料热损失系数;CB为建筑物等效热容;to,t为室外温度。
基于用户用电满意度确定柔性电负荷模型,包括:
5.根据权利要求1所述的方法,其特征在于,所述日前优化调度模型的优化目标,包括:
所述多时间尺度优化调度模型的约束条件,包括:
功率平衡约束子条件:
电热储能运行约束子条件:
用热舒适度约束子条件:
-1≤PMV(t)≤1 (17)
用电舒适度约束子条件:
Tcut∈Tc (21)
热电联产约束子条件:
热泵运行约束子条件:
其中,T为调度周期;Cgrid,t为与上级电网电能交互成本;Cchp,t为CHP机组运行成本;Chp,t为热泵运行成本;Ces,t为电储能运行成本;Chs,t为热储能运行成本;Cload,t为电负荷调节成本;Pgrid,t为区域分布式能源系统与上级电网电能交换功率,Pgrid,t>0表示向上级电网购电,Pgrid,t<0表示向上级电网售电;kgrid,t表示t时刻电价,Gchp,t为CHP机组天然气消耗量;kgas为天然气单价;Php,t为热泵电功率;khp,t为热泵单位功率运行成本;Pch,t和Pdisch,t分别为电储能的充放电功率;kes为电储能的单位功率运行成本;Hch,t和Hdisch,t分别为热储能的充热功率和放热功率;khs为热储能的单位功率运行成本;ΔPload,t为电负荷调节功率;kload,t为单位功率电负荷调节成本;Ppv,t和Pwt,t分别为光伏和风电的发电功率;为分布式电储能容量最大值;μesch,tμesdisch,t为0-1变量,分别表征分布式电储能的充放电状态;和分别为电储能的最大充电功率和放电功率;为分布式热储能的容量最大值,μhsch,t和μhsdisch,t为0-1的变量,分别表征分布式热储能的充放热状态;和分别为热储能的最大充热功率和放热功率;和分别为用户在整个调度周期及某单点时刻的用电方式满意度最小值及整个调度周期用电成本满意度最小值,Tcut为负荷调整的时段;Tc为负荷允许调整时段;和分别为热电联产电功率的最大值和最小值;和分别为热电联产向上爬坡功率和向下爬坡功率;和分别为热泵电功率的最大值和最小值。
7.一种电热互联系统多时间尺度优化调度系统,其特征在于,所述系统包括:
建模单元,用于对包含电热储能和柔性负荷的电热互联系统进行建模,确定分布式电储能模型、分布式热储能模型、柔性热负荷模型、柔性电负荷模型、热电联产设备模型和热泵模型;
优化调度模型确定单元,用于基于所述分布式电储能模型、分布式热储能模型、柔性热负荷模型、柔性电负荷模型、热电联产设备模型和热泵模型确定约束条件,并以运行成本最小为日前优化调度的优化目标,确定日前优化调度模型;
优化调度方案确定单元,用于利用所述日前优化调度模型按照预设的第一时间间隔确定每天的日前优化调度方案;
动态修正单元,用于按照预设的第二时间间隔,基于风光机组的实时功率,对所述日前优化调度方案计划进行实时修正,动态修正日前优化调度指令。
9.根据权利要求7所述的系统,其特征在于,所述建模单元,基于用户用热舒适度确定柔性热负荷模型,包括:
其中,PMV为热舒适度的热感觉平均预测指标;M0为热舒适平衡状态下人体新陈代谢率;W0为热舒适平衡状态下人体对外做的机械功;M为人体新陈代谢率;W为人体对外做的机械功;Pa为环境空气水蒸气分压力;ta,t为环境空气温度;fcl为服装面积系数;tcl为服装外表面温度;hc为对流换热系数;Hload,t为用户t时刻热负荷功率;RB为建筑材料热损失系数;CB为建筑物等效热容;to,t为室外温度。
基于用户用电满意度确定柔性电负荷模型,包括:
11.根据权利要求7所述的系统,其特征在于,所述日前优化调度模型的优化目标,包括:
所述多时间尺度优化调度模型的约束条件,包括:
功率平衡约束子条件:
电热储能运行约束子条件:
用热舒适度约束子条件:
-1≤PMV(t)≤1 (17)
用电舒适度约束子条件:
Tcut∈Tc (21)
热电联产约束子条件:
热泵运行约束子条件:
其中,T为调度周期;Cgrid,t为与上级电网电能交互成本;Cchp,t为CHP机组运行成本;Chp,t为热泵运行成本;Ces,t为电储能运行成本;Chs,t为热储能运行成本;Cload,t为电负荷调节成本;Pgrid,t为区域分布式能源系统与上级电网电能交换功率,Pgrid,t>0表示向上级电网购电,Pgrid,t<0表示向上级电网售电;kgrid,t表示t时刻电价,Gchp,t为CHP机组天然气消耗量;kgas为天然气单价;Php,t为热泵电功率;khp,t为热泵单位功率运行成本;Pch,t和Pdisch,t分别为电储能的充放电功率;kes为电储能的单位功率运行成本;Hch,t和Hdisch,t分别为热储能的充热功率和放热功率;khs为热储能的单位功率运行成本;ΔPload,t为电负荷调节功率;kload,t为单位功率电负荷调节成本;Ppv,t和Pwt,t分别为光伏和风电的发电功率;为分布式电储能容量最大值;λesch,tλesdisch,t为0-1变量,分别表征分布式电储能的充放电状态;和分别为电储能的最大充电功率和放电功率;为分布式热储能的容量最大值,λhsch,t和λhsdisch,t为0-1的变量,分别表征分布式热储能的充放热状态;和分别为热储能的最大充热功率和放热功率;和分别为用户在整个调度周期及某单点时刻的用电方式满意度最小值及整个调度周期用电成本满意度最小值,Tcut为负荷调整的时段;Tc为负荷允许调整时段;和分别为热电联产电功率的最大值和最小值;和分别为热电联产向上爬坡功率和向下爬坡功率;和分别为热泵电功率的最大值和最小值。
12.根据权利要求7所述的系统,其特征在于,所述动态修正单元,在实时修正时,以单一时段内的运行费用最低为优化目标,同时以电热耦合系统中每个可控单元的功率调整量作为惩罚项,实时修正时的优化目标为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110530078.4A CN113240178A (zh) | 2021-05-14 | 2021-05-14 | 一种用于电热互联系统的多时间尺度优化调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110530078.4A CN113240178A (zh) | 2021-05-14 | 2021-05-14 | 一种用于电热互联系统的多时间尺度优化调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113240178A true CN113240178A (zh) | 2021-08-10 |
Family
ID=77134454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110530078.4A Pending CN113240178A (zh) | 2021-05-14 | 2021-05-14 | 一种用于电热互联系统的多时间尺度优化调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113240178A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114386274A (zh) * | 2022-01-12 | 2022-04-22 | 国网北京市电力公司 | 一种综合能源集群多时间尺度优化调控方法 |
-
2021
- 2021-05-14 CN CN202110530078.4A patent/CN113240178A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114386274A (zh) * | 2022-01-12 | 2022-04-22 | 国网北京市电力公司 | 一种综合能源集群多时间尺度优化调控方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6757591B2 (en) | Energy management system and methods for the optimization of distributed generation | |
CN105447599B (zh) | 基于储热热电联产机组与电锅炉的弃风消纳协调调度模型 | |
CN113112087A (zh) | 考虑电热负荷需求响应的综合能源系统运行成本优化方法 | |
CN108596525B (zh) | 冷热电气多能互补的微能源网鲁棒优化调度方法 | |
CN109742812A (zh) | 一种提高新能源消纳的源-荷-储协调调度方法 | |
CN110138004A (zh) | 一种多能互补系统优化运行方法 | |
CN110889549B (zh) | 考虑人体舒适度的综合能源系统多目标优化调度方法 | |
CN112464477A (zh) | 计及需求响应的多能耦合综合能源运行仿真方法 | |
CN109472401A (zh) | 分布式供能运行策略的确定方法、装置、设备和存储介质 | |
CN110322056A (zh) | 一种计及中央空调系统的虚拟电厂随机自适应鲁棒优化调度方法 | |
CN110361969B (zh) | 一种冷热电综合能源系统优化运行方法 | |
CN110165665A (zh) | 一种基于改进多目标粒子群算法的源-荷-储调度方法 | |
CN110544175A (zh) | 一种面向家庭智能用电的多能源综合优化调度方法 | |
CN113256045A (zh) | 考虑风光不确定性的园区综合能源系统日前经济调度方法 | |
CN113435095A (zh) | 一种用于综合能源系统的优化调度的方法及系统 | |
CN112531687A (zh) | 含热电联合机组的综合能源系统周前机组组合优化方法 | |
CN116307077A (zh) | 一种冷热电联供型微网系统运行优化方法 | |
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 | |
CN111160636A (zh) | 一种cchp型微电网调度优化方法 | |
CN113240178A (zh) | 一种用于电热互联系统的多时间尺度优化调度方法及系统 | |
CN107067146A (zh) | 考虑热负荷二维可控性的微网热电协调调度方法 | |
CN114282722A (zh) | 分布式综合能源系统多目标优化方法、系统、装置及介质 | |
CN114169800B (zh) | 综合能源系统的能量调度方法 | |
CN116187648A (zh) | 基于热电解耦的虚拟电厂热电联合优化调度方法 | |
CN109376406A (zh) | 供能系统超结构模型、建模方法、计算机设备和存储介质 |
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 |