CN113240183B - 商业建筑电热负荷日前优化调度方法和系统 - Google Patents
商业建筑电热负荷日前优化调度方法和系统 Download PDFInfo
- Publication number
- CN113240183B CN113240183B CN202110551207.8A CN202110551207A CN113240183B CN 113240183 B CN113240183 B CN 113240183B CN 202110551207 A CN202110551207 A CN 202110551207A CN 113240183 B CN113240183 B CN 113240183B
- Authority
- CN
- China
- Prior art keywords
- time interval
- power
- energy
- commercial building
- heat
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005485 electric heating Methods 0.000 title claims abstract description 32
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 238000013528 artificial neural network Methods 0.000 claims abstract description 6
- 238000005338 heat storage Methods 0.000 claims description 49
- 238000004146 energy storage Methods 0.000 claims description 44
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 32
- 239000007789 gas Substances 0.000 claims description 24
- 239000003345 natural gas Substances 0.000 claims description 18
- 230000005611 electricity Effects 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 description 8
- 230000003247 decreasing effect Effects 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000452 restraining effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 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
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/10—Photovoltaic [PV]
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Water Supply & Treatment (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种商业建筑电热负荷日前优化调度方法和系统,涉及电力优化调度技术领域。本发明所提出的商业建筑电热日前负荷优化调度方法,同时协调系统内部的各个设备,实现了能源的梯级利用,提高了能源的利用效率,减少了商业建筑的用能成本,同时也促进了电力的供需平衡,保障了能源系统的安全。本发明使用深度神经网络对商业建筑的电、热负荷和光伏输出功率进行了预测,克服了能源供需两侧的不确定性,使得所获得的优化调度方案更加精准有效。
Description
技术领域
本发明涉及电力优化调度技术领域,具体涉及一种商业建筑电热负荷日前优化调度方法和系统。
背景技术
近年来,随着智慧建筑的不断发展,商业建筑的能源系统逐渐由传统的多个独立能源供给系统向综合能源系统转变。综合能源系统中部署有分布式产能单元、储能单元、可再生能源单元等,借助于这些设备,综合能源系统能够参与综合需求响应,并对综合能源系统中的负荷进行优化调度,进而实现了能源的梯级利用,保障了能源的供需平衡,提高了能源系统的安全性和可靠性,促进了可再生能源的消纳,以及减少了用能成本。
现有考虑综合需求响应的综合能源系统负荷优化调度方法中的电、热负荷需求和可再生能源输出功率常是给定的,较少考虑它们的不确定性,或者同时考虑它们的不确定性。
其次,现有方法通常使用鲁棒优化或者随机优化的方法解决电、热负荷需求和可再生能源输出功率的不确定性问题,这些方法中的有些参数需要人为设定,可能无法处理一些特殊情景,导致优化结果出现偏差。
再者,现有研究通常只考虑电力价格的动态变化,而随着能源市场化改革程度的提高,天然气价格也会是动态变化的,现有研究对此没有考虑。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种商业建筑电热负荷日前优化调度方法和系统,解决了现有综合能源系统负荷优化调度方法准确度不高的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:
一种商业建筑电热负荷日前优化调度方法,该方法包括:
获取预测日的电、热负荷和光伏输出功率的预测结果;
构建商业建筑综合能源系统内设备的功率输出模型;
基于电、热负荷和光伏输出功率的预测结果和商业建筑综合能源系统内设备的功率输出模型构建商业建筑电热负荷日前优化调度模型;
对所述商业建筑电热负荷日前优化调度模型进行求解,输出优化调度策略。
进一步的,所述获取预测日的电、热负荷和光伏输出功率的预测结果,包括:
使用深度神经网络对商业建筑的电、热负荷和光伏输出功率进行预测,得到预测结果。
进一步的,所述构建商业建筑综合能源系统内设备的功率输出模型,包括:
变压器在时间区间t内的输出功率为:
其中,Pt e表示商业建筑综合能源系统在时间区间t内的购电功率,表示变压器的效率;
热电联产单元在时间区间t内的热输出功率为:
其中,表示热电联产单元在时间区间t内所消耗的天然气,ε表示天然气的低位发热量,/>表示热电联产单元的产热效率,Δt表示时间区间t的长度;
热电联产单元在时间区间t内的电输出功率为:
其中,
表示热电联产单元的发电效率;
燃气锅炉在时间区间t内的热输出功率为:
其中,表示燃气锅炉在时间区间t内消耗的天然气,/>表示燃气锅炉的产热效率;
储能电池在时间区间t内的储电量为:
其中,表示储能电池在时间区间t-1内的储电量,/>示储能电池在时间区间t内的充电功率,/>表示充电效率;/>为二元变量,当等于1时表示储能电池在时间区间t内充电,否则值等于0;/>储能电池在时间区间t内的放电功率,/>表示放电效率;/>为二元变量,当等于1时表示储能电池在时间区间t内放电,否则值等于0;
储能装置在时间区间t内的储热量为:
其中,表示储热装置在时间区间t-1内的储热量,/>示储热装置在时间区间t内的储热功率,/>表示储热效率;/>为二元变量,当等于1时表示储热装置在时间区间t内储热,否则值等于0;/>储热装置在时间区间t内的放热功率,/>表示放热效率;/>为二元变量,当等于1时表示储热装置在时间区间t内放热,否则值等于0。
进一步的,所述基于电、热负荷和光伏输出功率的预测结果和商业建筑综合能源系统内设备的功率输出模型构建商业建筑电热负荷日前优化调度模型,包括:
以商业建筑综合能源系统的总运行成本的最小化为目标,构建商业建筑电热负荷日前优化调度模型,所述商业建筑电热负荷日前优化调度模型包括:目标函数和约束条件;
所述目标函数为:
min{CEP+CCHP+CB+CPV+CES+CHS+CEH}
其中,
CEP表示购电、气成本,
其中,表示时间区间t内的购电价格,/>表示时间区间t内的购气价格;
CCHP表示热电联产单元运行成本,
其中,αchp表示运行成本系数;
CB表示燃气锅炉运行成本,
其中,αb表示燃气过滤的运行成本系数;
CPV表示光伏维护成本,
其中,Pt pv表示光伏在时间区间t内的输出功率,αpv表示光伏系统的维护成本系数;
CES表示储能电池折旧成本,
其中,costes表示储能电池的置换成本,Ees表示储能电池生命周期内的总充放电量;
CHS表示储热装置维护成本,
其中,αhs表示储热装置的维护成本系数;
CEH表示电、热负荷的转移成本,
CEH=CE+CH
其中,Pt e1和Pt e2分别表示在时间区间t内增加和减少的电负荷需求,和/>分别表示用户减少和增加单位电负荷需求所付出的不舒适成本,/>和/>分别表示在时间区间t内增加和减少的热负荷需求,/>和/>分别表示用户减少和增加单位热负荷需求所付出的不舒适成本;
约束条件为:
电、热平衡约束:
电、气输入约束:
其中,表示外部输入变压器的最大功率,/>和/>分别表示热电联产单元和燃气锅炉消耗天然气的最大速率;
系统内部热能传输约束:
其中,表示系统内部热传输功率的最大值;
储能电池约束:
其中,和/>分别表示储能电池的最小和最大储电量,/>和/>分别表示储能电池的最大充、放电功率;
储热装置约束:
其中,和/>分别表示表示储热装置的最小和最大储热量,/>和/>分别表示储热装置的最大储、放热功率;
电负荷转移约束:
其中,为二元变量,当值等于1时表示商业建筑的电负荷相比原始负荷有所增加,否则值等于0;/>为二元变量,当值等于1时表示商业建筑的电负荷相比原始负荷有所减少,否则值等于0;/>和/>分别表示商业建筑增加和减少负荷占原始负荷的最大比例。
第二方面,提供了一种商业建筑电热负荷日前优化调度系统,所述系统包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
(三)有益效果
本发明提供了一种商业建筑电热负荷日前优化调度方法和系统。与现有技术相比,具备以下有益效果:
所提出的商业建筑电热日前负荷优化调度方法,同时协调系统内部的各个设备,实现了能源的梯级利用,提高了能源的利用效率,减少了商业建筑的用能成本,同时也促进了电力的供需平衡,保障了能源系统的安全。
使用深度神经网络对商业建筑的电、热负荷和光伏输出功率进行了预测,克服了能源供需两侧的不确定性,使得所获得的优化调度方案更加精准有效。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请实施例通过提供一种商业建筑电热负荷日前优化调度方法和系统,解决了现有综合能源系统负荷优化调度方法准确度不高的问题。
本申请实施例中的技术方案为解决上述技术问题,总体思路如下:
首先对用户的电、热负荷和光伏输出功率进行预测;然后对商业建筑综合能源系统进行物理建模;接着构建基于综合需求响应的商业建筑电热负荷日前优化调度模型;最后,使用优化求解器对模型进行求解,得到商业建筑电热负荷日前优化调度方案。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例1:
如图1所示,本发明提供了一种商业建筑电热负荷日前优化调度方法,该方法包括:
获取预测日的电、热负荷和光伏输出功率的预测结果;
构建商业建筑综合能源系统内设备的功率输出模型;
基于电、热负荷和光伏输出功率的预测结果和商业建筑综合能源系统内设备的功率输出模型构建商业建筑电热负荷日前优化调度模型;
对所述商业建筑电热负荷日前优化调度模型进行求解,输出优化调度策略。
本实施例的有益效果为:
所提出的商业建筑电热日前负荷优化调度方法,同时协调系统内部的各个设备,实现了能源的梯级利用,提高了能源的利用效率,减少了商业建筑的用能成本,同时也促进了电力的供需平衡,保障了能源系统的安全。
下面对本发明实施例的实现过程进行详细说明:
S1、获取预测日的电、热负荷和光伏输出功率的预测结果;具体包括如下步骤:
①数据预处理
对商业建筑历史电、热负荷数据和光伏输出功率数据以及相关影响因素数据进行预处理,包括去噪、缺失值处理、归一化等,然后把数据划分为训练数据集合测试数据集。
②预测模型训练
首先,确定神经网络的结构和相关参数;然后利用训练数据集对网络进行训练;接着使用测试数据集对网络进行修正以减少预测误差。
③进行预测
把所要预测日的与电、热负荷和光伏输出功率有关的变量输入到训练好的网络中,得到预测结果。
S2、构建商业建筑综合能源系统内设备的功率输出模型。
商业建筑综合能源系统的外部能源输入为电能和天然气;
电能通过变压器的直接被使用或存储在储能电池中;
光伏系统产生的电能也可以直接被使用或存储到储能电池中;
热电联产单元通过消耗天然气产生电能,所产生的电能也可以直接被使用或存储到储能电池中;同时热电联产单元又能和燃气锅炉一起为用户提供热能,所产生的热能可以被用户直接使用,也可以存储到储热装置中。
下面分别对商业建筑综合能源系统内的设备进行物理建模:
①变压器
商业建筑综合能源系统外部的电能经过变压器以后会有所损失:,变压器在时间区间t内的输出功率为:
其中,
表示商业建筑综合能源系统在时间区间t内的购电功率,
表示变压器的效率。
②热电联产单元
热电联产单元在时间区间t内的热输出功率为:
其中,
表示热电联产单元在时间区间t内所消耗的天然气,
ε表示天然气的低位发热量,
表示热电联产单元的产热效率,
Δt表示时间区间t的长度。
热电联产单元在时间区间t内的电输出功率为:
其中,
表示热电联产单元的发电效率。
③燃气锅炉
燃气锅炉在时间区间t内的热输出功率Pt b为:
其中,
表示燃气锅炉在时间区间t内消耗的天然气,
表示燃气锅炉的产热效率。
④储能电池
储能电池在时间区间t内的储电量为:
其中,
表示储能电池在时间区间t-1内的储电量,
示储能电池在时间区间t内的充电功率,
表示充电效率;
为二元变量,当等于1时表示储能电池在时间区间t内充电,否则值等于0;
储能电池在时间区间t内的放电功率,
表示放电效率;
为二元变量,当等于1时表示储能电池在时间区间t内放电,否则值等于0。
⑤储热装置
储能装置在时间区间t内的储热量为:
其中,
表示储热装置在时间区间t-1内的储热量;
示储热装置在时间区间t内的储热功率;
表示储热效率;
为二元变量,当等于1时表示储热装置在时间区间t内储热,否则值等于0;
储热装置在时间区间t内的放热功率;
表示放热效率;
为二元变量,当等于1时表示储热装置在时间区间t内放热,否则值等于0。
S3、基于电、热负荷和光伏输出功率的预测结果和商业建筑综合能源系统内设备的功率输出模型构建商业建筑电热负荷日前优化调度模型,包括:
以商业建筑综合能源系统的总运行成本的最小化为目标,构建商业建筑电热负荷日前优化调度模型,所述商业建筑电热负荷日前优化调度模型包括:目标函数和约束条件;
所述目标函数为:
min{CEP+CCHP+CB+CPV+CES+CHS+CEH}
其中,
CEP表示购电、气成本,
其中,
Pt e表示商业建筑综合能源系统在时间区间t内的购电功率,
表示时间区间t内的购电价格,
表示热电联产单元在时间区间t内所消耗的天然气,/>表示燃气锅炉在时间区间t内消耗的天然气,/>表示时间区间t内的购气价格。
CCHP表示热电联产单元运行成本,
其中,
热电联产单元在时间区间t内的电输出功率
热电联产单元在时间区间t内的热输出功率
αchp表示运行成本系数。
CB表示燃气锅炉运行成本,
其中,
燃气锅炉在时间区间t内的热输出功率Pt b;
αb表示燃气过滤的运行成本系数。
CPV表示光伏维护成本,
其中,
Pt pv表示光伏在时间区间t内的输出功率,
αpv表示光伏系统的维护成本系数。
CES表示储能电池折旧成本,
其中,
示储能电池在时间区间t内的充电功率;
储能电池在时间区间t内的放电功率;
costes表示储能电池的置换成本,
Ees表示储能电池生命周期内的总充放电量。
CHS表示储热装置维护成本,
其中,
示储热装置在时间区间t内的储热功率;
储热装置在时间区间t内的放热功率;
αhs表示储热装置的维护成本系数;
CEH表示电、热负荷的转移成本。
CEH=CE+CH
其中,
Pt e1和Pt e2分别表示在时间区间t内增加和减少的电负荷需求,
和/>分别表示用户减少和增加单位电负荷需求所付出的不舒适成本,
Pt h1和Pt h2分别表示在时间区间t内增加和减少的热负荷需求,
和/>分别表示用户减少和增加单位热负荷需求所付出的不舒适成本。
约束条件为:
电、热平衡约束:
必须保证商业建筑综合能源系统中电、热的供需平衡。
电、气输入约束:
受系统安全和设备自身物理约束,外部电能和天然气输入商业建筑综合能源系统内的速率必须要限制在一定范围。
其中,
表示外部输入变压器的最大功率;
和/>分别表示热电联产单元和燃气锅炉消耗天然气的最大速率;
系统内部热能传输约束:
为保证系统内部热能传输的安全,热传输功率也要有一定的约束范围。
其中,
表示系统内部热传输功率的最大值;
储能电池约束:
储能电池的充放电功率、和储电量有一定约束范围。
其中,
和/>分别表示储能电池的最小和最大储电量;
和/>分别表示储能电池的最大充、放电功率;
储热装置约束:
/>
其中,
和/>分别表示表示储热装置的最小和最大储热量;
和/>分别表示储热装置的最大储、放热功率;
电负荷转移约束:
其中,
为二元变量,当值等于1时表示商业建筑的电负荷相比原始负荷有所增加,否则值等于0;
为二元变量,当值等于1时表示商业建筑的电负荷相比原始负荷有所减少,否则值等于0;
和/>分别表示商业建筑增加和减少负荷占原始负荷的最大比例。
S4、使用优化求解工具对上述建立的商业建筑电热负荷日前优化调度模型(混合整数线性规划模型)进行求解,进而得到商业建筑综合能源系统电热负荷优化调度方案。
实施例2
本发明还提供了一种商业建筑电热负荷日前优化调度系统,所述系统包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
可理解的是,本发明实施例提供的商业建筑电热负荷日前优化调度系统与上述商业建筑电热负荷日前优化调度方法相对应,其有关内容的解释、举例、有益效果等部分可以参考商业建筑电热负荷日前优化调度方法中的相应内容,此处不再赘述。
综上所述,与现有技术相比,本发明具备以下有益效果:
本发明所提出的商业建筑电热日前负荷优化调度方法,同时协调系统内部的各个设备,实现了能源的梯级利用,提高了能源的利用效率,减少了商业建筑的用能成本,同时也促进了电力的供需平衡,保障了能源系统的安全。
本发明使用深度神经网络对商业建筑的电、热负荷和光伏输出功率进行了预测,克服了能源供需两侧的不确定性,使得所获得的优化调度方案更加精准有效。
需要说明的是,通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (3)
1.一种商业建筑电热负荷日前优化调度方法,其特征在于,该方法包括:
获取预测日的电、热负荷和光伏输出功率的预测结果;
构建商业建筑综合能源系统内设备的功率输出模型;
基于电、热负荷和光伏输出功率的预测结果和商业建筑综合能源系统内设备的功率输出模型构建商业建筑电热负荷日前优化调度模型;
对所述商业建筑电热负荷日前优化调度模型进行求解,输出优化调度策略;
所述构建商业建筑综合能源系统内设备的功率输出模型,包括:
变压器在时间区间t内的输出功率为:
其中,表示商业建筑综合能源系统在时间区间t内的购电功率,/>表示变压器的效率;
热电联产单元在时间区间t内的热输出功率为:
其中,表示热电联产单元在时间区间t内所消耗的天然气,/>表示天然气的低位发热量,/>表示热电联产单元的产热效率,/>表示时间区间t的长度;
热电联产单元在时间区间t内的电输出功率为:
其中,
表示热电联产单元的发电效率;
燃气锅炉在时间区间t内的热输出功率为:
其中,表示燃气锅炉在时间区间t内消耗的天然气,/>表示燃气锅炉的产热效率;
储能电池在时间区间t内的储电量为:
其中,表示储能电池在时间区间t-1内的储电量,/>示储能电池在时间区间t内的充电功率,/>表示充电效率;/>为二元变量,当等于1时表示储能电池在时间区间t内充电,否则值等于0;/>储能电池在时间区间t内的放电功率,/>表示放电效率;/>为二元变量,当等于1时表示储能电池在时间区间t内放电,否则值等于0;
储能装置在时间区间t内的储热量为:
其中,表示储热装置在时间区间t-1内的储热量,/>示储热装置在时间区间t内的储热功率,/>表示储热效率;/>为二元变量,当等于1时表示储热装置在时间区间t内储热,否则值等于0;/>储热装置在时间区间t内的放热功率,/>表示放热效率;/>为二元变量,当等于1时表示储热装置在时间区间t内放热,否则值等于0。
2.如权利要求1所述的一种商业建筑电热负荷日前优化调度方法,其特征在于,所述获取预测日的电、热负荷和光伏输出功率的预测结果,包括:
使用深度神经网络对商业建筑的电、热负荷和光伏输出功率进行预测,得到预测结果。
3.一种商业建筑电热负荷日前优化调度系统,所述系统包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1-2任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110551207.8A CN113240183B (zh) | 2021-05-20 | 2021-05-20 | 商业建筑电热负荷日前优化调度方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110551207.8A CN113240183B (zh) | 2021-05-20 | 2021-05-20 | 商业建筑电热负荷日前优化调度方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113240183A CN113240183A (zh) | 2021-08-10 |
CN113240183B true CN113240183B (zh) | 2023-08-18 |
Family
ID=77137776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110551207.8A Active CN113240183B (zh) | 2021-05-20 | 2021-05-20 | 商业建筑电热负荷日前优化调度方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113240183B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113962429B (zh) * | 2021-09-03 | 2024-04-05 | 华南理工大学 | 一种求解负荷置换的优化方法、系统、装置及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110619110A (zh) * | 2019-09-18 | 2019-12-27 | 南京师范大学 | 一种含热泵的综合能源系统协调运行优化方法 |
CN112529244A (zh) * | 2020-10-23 | 2021-03-19 | 河海大学 | 一种考虑电负荷需求响应的综合能源系统协同优化运行法 |
CN112821465A (zh) * | 2021-01-08 | 2021-05-18 | 合肥工业大学 | 包含热电联产的工业微网负荷优化调度方法与系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106998079B (zh) * | 2017-04-28 | 2020-05-05 | 东南大学 | 一种热电联合优化调度模型的建模方法 |
-
2021
- 2021-05-20 CN CN202110551207.8A patent/CN113240183B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110619110A (zh) * | 2019-09-18 | 2019-12-27 | 南京师范大学 | 一种含热泵的综合能源系统协调运行优化方法 |
CN112529244A (zh) * | 2020-10-23 | 2021-03-19 | 河海大学 | 一种考虑电负荷需求响应的综合能源系统协同优化运行法 |
CN112821465A (zh) * | 2021-01-08 | 2021-05-18 | 合肥工业大学 | 包含热电联产的工业微网负荷优化调度方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113240183A (zh) | 2021-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ju et al. | A multi-objective robust scheduling model and solution algorithm for a novel virtual power plant connected with power-to-gas and gas storage tank considering uncertainty and demand response | |
Zhang et al. | Market-oriented optimal dispatching strategy for a wind farm with a multiple stage hybrid energy storage system | |
Tan et al. | Application of CVaR risk aversion approach in the dynamical scheduling optimization model for virtual power plant connected with wind-photovoltaic-energy storage system with uncertainties and demand response | |
Wang et al. | Demand response comprehensive incentive mechanism-based multi-time scale optimization scheduling for park integrated energy system | |
CN111404153B (zh) | 计及可再生能源与需求响应的能量枢纽规划模型构建方法 | |
Sun et al. | A novel integrated stochastic programming-information gap decision theory (IGDT) approach for optimization of integrated energy systems (IESs) with multiple uncertainties | |
CN108429288A (zh) | 一种考虑需求响应的离网型微电网储能优化配置方法 | |
CN113095791A (zh) | 一种综合能源系统运行方法及系统 | |
Najafi-Ghalelou et al. | Risk-based scheduling of smart apartment building under market price uncertainty using robust optimization approach | |
Wu et al. | Optimal allocation of microgrid considering economic dispatch based on hybrid weighted bilevel planning method and algorithm improvement | |
Goh et al. | Optimal energy scheduling of grid-connected microgrids with demand side response considering uncertainty | |
Ju et al. | A multi-time scale dispatching optimal model for rural biomass waste energy conversion system-based micro-energy grid considering multi-energy demand response | |
Zhao et al. | Day-ahead robust optimal dispatch of integrated energy station considering battery exchange service | |
CN113240183B (zh) | 商业建筑电热负荷日前优化调度方法和系统 | |
CN113298407B (zh) | 一种工业园区电-气综合能源系统优化调度模型建立方法 | |
CN113708418A (zh) | 微电网优化调度方法 | |
Zhong et al. | A logic-based geometrical model for the next day operation of PV-battery systems | |
CN115860788A (zh) | 含柔性电热负荷综合能源系统日前随机优化方法及系统 | |
CN108683211B (zh) | 一种考虑分布式电源波动性的虚拟发电厂组合优化方法及模型 | |
Zhu et al. | Monthly unit commitment model and algorithm with renewable energy generation considering system reliability | |
CN111046318B (zh) | 多能量枢纽负荷优化调度方法 | |
Hosseinalipour et al. | Optimal risk-constrained peer-to-peer energy trading strategy for a smart microgrid | |
CN112116122A (zh) | 一种提升电网灵活性的楼宇热电联产系统运行优化方法 | |
CN111404180A (zh) | 综合能源系统的优化调度方法和系统 | |
Rendroyoko et al. | Integration of solar photovoltaic plant in the eastern Sumba microgrid using unit commitment optimization |
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 |