CN113255992B - 一种园区级多能互补系统优化调度方法及装置 - Google Patents
一种园区级多能互补系统优化调度方法及装置 Download PDFInfo
- Publication number
- CN113255992B CN113255992B CN202110558631.5A CN202110558631A CN113255992B CN 113255992 B CN113255992 B CN 113255992B CN 202110558631 A CN202110558631 A CN 202110558631A CN 113255992 B CN113255992 B CN 113255992B
- Authority
- CN
- China
- Prior art keywords
- energy
- equipment
- output
- steam
- boiler
- 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 46
- 230000000295 complement effect Effects 0.000 title claims abstract description 34
- 238000005457 optimization Methods 0.000 claims abstract description 73
- 230000008569 process Effects 0.000 claims abstract description 15
- 239000007789 gas Substances 0.000 claims description 114
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 84
- 238000004146 energy storage Methods 0.000 claims description 77
- 238000003860 storage Methods 0.000 claims description 54
- 238000010438 heat treatment Methods 0.000 claims description 36
- 239000002918 waste heat Substances 0.000 claims description 36
- 230000008859 change Effects 0.000 claims description 27
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 26
- 238000005338 heat storage Methods 0.000 claims description 23
- 230000005611 electricity Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000004519 manufacturing process Methods 0.000 claims description 19
- 239000003344 environmental pollutant Substances 0.000 claims description 18
- 231100000719 pollutant Toxicity 0.000 claims description 18
- 230000007613 environmental effect Effects 0.000 claims description 17
- 238000012423 maintenance Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 15
- 239000003345 natural gas Substances 0.000 claims description 13
- 238000007600 charging Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 9
- 238000007599 discharging Methods 0.000 claims description 8
- 239000000446 fuel Substances 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 4
- 239000003546 flue gas Substances 0.000 claims description 4
- 239000002737 fuel gas Substances 0.000 claims description 4
- 230000017525 heat dissipation Effects 0.000 claims description 4
- ZYYBBMCBAFICKK-UHFFFAOYSA-N perfluoro-N-cyclohexylpyrrolidine Chemical compound FC1(F)C(F)(F)C(F)(F)C(F)(F)N1C1(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C1(F)F ZYYBBMCBAFICKK-UHFFFAOYSA-N 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 230000000452 restraining effect Effects 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种园区级多能互补系统优化调度方法,根据实测信息和预测信息,结合典型工况,通过多时间尺度优化调度生成系统的运行计划曲线,并以综合成本最低为目标获得优化调度结果,并以综合能效指标对优化调度的结果进行评价,确定优化参数的合理性。当通过调整优化参数难以达到指标要求时,进一步给出系统配置参数的调整建议。本发明旨在解决园区级多能互补系统在不断增容和扩建过程中优化调度的实施问题,能够根据园区的实时规模及可预见的改造工程,借助半实物化模型,灵活调整优化对象,提高优化结果的合理性与调度实施的准确性。
Description
技术领域
本发明属于综合能源调度技术领域,具体涉及一种园区级多能互补系统优化调度方法,还涉及一种园区级多能互补系统优化调度装置。
背景技术
以园区为代表的区域级能源系统是促进可再生能源就地消纳、提高能源综合利用效率、实现节能减排目标的有效实施途径。目前,多数园区的能源供应结构虽然已经实现了“多能供应”,但各个能源子系统之间还达不到“优化互补”的效果,能源监控不到位、能源调度手段粗放、用能管理方式单一是导致能源利用效率低下、“多而不补”的根本原因。
考虑了多能流、多时间尺度特性的优化调度是园区能源系统实现多能优势互补、运行计划优化、综合能效提升的核心环节。在综合能源服务市场环境下,针对多能互补系统优化运行的研究在基础理论方面已取得初步进展,工程实际应用也取得了一定的成果,但仍存在:
1)能源信息采集系统覆盖率低、自动化水平差,能源数据碎片化、分散化,难以为系统的优化调度提供支撑。
2)研究倾向于复杂系统的精确建模与优化算法的先进建设,忽略了模型自身与算法参数的合理性与可落地性。
基于此,为了保证优化调度合理可靠地实施,本专利提出一种园区级多能互补系统优化调度方法。
发明内容
本发明的目的在于克服现有技术中的不足,提供了一种园区级多能互补系统优化调度方法,通过集中监控和产消预测,为多时间尺度优化调度搭建多能互补系统的等效对象,通过指标标准对优化结果的合理性进行评估。
为解决上述技术问题,本发明提供了如下技术方案。
第一方面,本发明提供了一种园区级多能互补系统优化调度方法,包括以下过程:
采集园区级多能互补系统中供能设备和储能设备的基本数据;
采集园区内新能源设备和各类负荷的历史数据,预测未来新能源设备的出力计划曲线以及各类负荷的日变化曲线;
基于采集的基本数据和预测的数据,结合系统中各设备的等效模型,以综合成本最低为优化目标且满足约束条件下,按照日前优化、日内优化、实时优化的顺序依次优化调度得到系统中可调度设备的多时间尺度优化调度结果。
可选地,所述供能设备包括燃气轮机、余热锅炉、燃气锅炉、光热锅炉、光伏、风机、水源热泵和汽-水换热器;所述储能设备包括蓄电池、高温储汽、低温储热;所述负荷包括供暖负荷、蒸汽负荷和电力负荷。
可选地,所述供能设备和储能设备的基本数据包括:燃气轮机的输出电功率、发电效率和天然气消耗量,燃气锅炉、余热锅炉、水源热泵以及汽-水换热站的输出热功率、制热系数和热效率,储能设备中蓄电池、高温储汽以及低温储热的储能容量、能量损失系数、输入输出功率、充放能状态和充放能效率。
可选地,所述采集园区内新能源设备和各类负荷的历史数据,预测未来新能源设备的出力计划曲线以及各类负荷曲线,包括:
获取新能源设备和各类负荷预测所需的历史数据以及与待预测参数相关的影响因素信息;
利用灰色关联度分析法确定待预测参数与各影响因素间的关系强弱,选取关联度较大的影响因素作为预测算法的输入;
采用神经网络进行建模预测,得到新能源设备和各类负荷预测结果;
根据参数实测值统计预测误差,根据预测误差对神级网络模型进行滚动修正;
采用训练后的神经网络预测未来新能源设备的出力计划曲线以及各类负荷的日变化曲线。
可选地,所述系统中各设备的等效模块,包括:
热电联产机组等效模型:
式中:FCHP(t)、PGT(t)和SHRSG(t)分别为t时刻热电联产机组的燃气消耗速率、输出电功率和输出热功率;VL为燃气低位发热量;ηGT、ξGT和ηREC分别为燃气轮机的发电效率、散热损失系数以及余热回收效率;copHRSG为制热系数;T1、T2和T0分别为余热烟气进、出余热锅炉的温度以及环境温度;
燃气锅炉等效模型:
SGB(t)=FGB(t)×VL×ηGB
式中:FGB(t)、SGB(t)分别为t时刻燃气锅炉的燃气消耗速率和输出热功率;ηGB为燃气锅炉的热效率;
水源热泵等效模型:
HHP(t)=copHP×PHP(t)
式中:PHP(t)、HHP(t)分别为t时刻水源热泵消耗的电功率与制热功率;copHP为水源热泵的制热系数;
汽-水换热设备等效模型:
HSW(t)=SSW(t)×ηSW
式中:SSW(t)、HSW(t)分别为t时刻汽-水换热设备的输入、输出热功率;ηSW为汽-水换热设备的换热系数;
电、汽、热储能设备等效模型:
蓄电池、高温储汽和低温蓄热三种储能设备均需要满足能量充放、储能容量等约束条件,可用广义动态模型表示为:
式中:Ces,j(t)、Ces,j(t-1)分别为第j种储能设备在t时刻与t-1时刻储能设备的储能容量;ξes,j为第j种储能设备的能量损失系数;分别为第j种储能设备在t时刻的输入、输出功率;分别为第j种储能设备在t时刻的充放能状态和充放能效率,Δt为单位调度时段。
可选地,所述以综合成本最低为优化目标且满足约束条件,包括:
系统的综合成本包括经济成本、运行成本和环境成本,其目标函数F为:
F=F1+F2+F3
式中:F1、F2、F3分别为系统的经济成本、运行成本和环境成本;
经济成本包括燃气轮机和燃气锅炉消耗的燃气费用以及系统通过联络线从电网购买的电量费用,其计算模型如下:
式中:F1为经济成本,cgrid(t)、cgas分别为t时刻的分时电价与天然气价格,Pgrid(t)为t时刻从外部电网购电功率,若符号为负则为售电功率,FCHP(t)、FGB(t)分别为t时刻燃气轮机和燃气锅炉的燃气消耗速率,Δt为单位调度时段;
运行成本涉及设备运行过程中由于维护保养所造成的费用,其计算模型如下:
式中:F2为运行成本,P(t)、S(t)、H(t)分别为t时刻总的供电功率、供汽功率和供热功率,cp、cs、ch分别为单位供电功率、单位供汽功率和单位供热功率的维护成本,PPV(t)、PWT(t)、SPV(t)分别为步骤2产消预测分析中得到的光伏、风机以及光热锅炉的出力预测值,为第j种储能设备的输入、输出功率单位维护成本,J表示储能设备总数;
环境成本涉及设备运行过程中由于排放污染物所引发的治理费用,其计算模型如下:
式中:F3为环境成本,HL为天然气低位发热量,λCHP,k、pCHP,k分别为热电联产机组第k种污染物的排放系数与排放代价,λGB,k、pGB,k分别为燃气锅炉第k种污染物的排放系数与排放代价,K表示污染物种类,包括CO2,NOx,SO2,CO;
约束条件:
优化调度的约束条件分为等式约束与不等式约束,其中等式约束用于表述系统的能量平衡关系,不等式约束条件用于限定系统内设备的运行状态;
功率平衡约束:
式中:分别为储电、储汽、储热设备的输出功率; 分别为储电、储汽、储热设备的输入功率;Pload(t)、Sload(t)、Hload(t)分别为步骤2产消预测分析中得到的电力负荷、蒸汽负荷以及供暖负荷的预测值;
设备出力约束:
不同能源类型的供能设备均需满足出力约束以及出力变化约束;
式中:PGT,min、SHRSG,min、SGB,min、HHP,min、HSW,min分别为燃气轮机、余热锅炉、燃气锅炉、水源热泵和汽-水换热设备允许的最小出力,PGT,max、SHRSG,max、SGB,max、HHP,max、HSW,max分别为燃气轮机、余热锅炉、燃气锅炉、水源热泵和汽-水换热设备允许的最大出力,ΔPGT(t)、ΔSHRSG(t)、ΔSGB(t)、ΔHHP(t)、ΔHSW(t)分别为燃气轮机、余热锅炉、燃气锅炉、水源热泵和汽-水换热设备的实际出力变化速率,ΔPGT,max、ΔSHRSG,max、ΔSGB,max、ΔHHP,max、ΔHSW,max分别为燃气轮机、余热锅炉、燃气锅炉、水源热泵和汽-水换热设备允许的最大出力变化速率;
储能装置约束:
可选地,所述按照日前优化、日内优化、实时优化的顺序依次优化得到系统中可调度设备的多时间尺度优化调度结果,包括:
(1)日前优化调度每日运行一次,优化生成次日24小时可调度设备的计划出力曲线;
(2)日内优化调度计算周期为15分钟,在日前计划出力曲线的基础上对当日日内未来4小时的可调度设备出力计划进行修正,生成日内计划出力曲线,同时作为实时出力计划曲线的基准值。
(3)实时优化调度计算周期为5分钟,在日内计划出力曲线的基础上进行修正,生成当日日内未来30分钟的可调度设备出力计划,并将实时计划出力曲线输出。
可选地,所述可调度设备包括:燃气轮机、余热锅炉、燃气锅炉、水源热泵、汽-水换热设备、蓄电池、高温储汽与低温储热设备。
可选地,还包括:
将每次优化调度后得到的综合能效指标与预设的指标标准进行比对;
当综合能效指标的偏离程度较大时,调整成本参数进行下一周期的优化调度;
当通过调整成本参数始终难以达到指标标准时,则调整设备数量与设备容量。
可选地,所述综合能效的计算公式为:
式中:η为综合能源效率,W1、W2分别为系统购电量和系统输出电量,Bx、VL,x分别为第x种燃料的系统消耗量与低位发热量,X表示燃料类型总数;Qy表示第y种以热形式供应的负荷量,包括供汽量、供热量等,Y表示负荷类型总数。
第二方面,本发明提供了一种园区级多能互补系统优化调度装置,包括:
数据采集模块,用于采集园区级多能互补系统中供能设备和储能设备的基本数据;
数据预测模块,用于采集园区内新能源设备和各类负荷的历史数据,预测未来新能源设备的出力计划曲线以及各类负荷的日变化曲线;
优化调度模块,用于基于采集的基本数据和预测的数据,结合系统中各设备的等效模型,以综合成本最低为优化目标且满足约束条件下,按照日前优化、日内优化、实时优化的顺序依次优化调度得到系统中可调度设备的多时间尺度优化调度结果。
与现有技术相比,本发明所达到的有益效果是:本发明为园区级多能互补系统的优化调度提供了一种实施方法,在具有集中监控和产消预测功能的同时,能够评估多时间尺度优化调度结果的合理性,给出优化参数乃至系统设备的配置建议,在保证系统安全经济运行的前提下,实现整个能源系统的协同优化工作,引导用户科学用能,提高综合能源服务效率。
附图说明
图1为本发明方法的实施步骤流程图;
图2为本发明方法的多能互补系统结构图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明的发明构思是:针对园区能源系统信息感知薄弱、协调优化欠佳的现状,一方面,通过搭建园区综合能源管控平台,实现多能源设备实时监测和集中管理一体化,打破能源系统信息孤岛壁垒,提高能源生产与利用的透明度。另一方面,根据实时监测数据和新能源设备功率、用户侧负荷的预测数据,建立从经济成本、运维成本、环保成本、综合能效多维度结合的优化调度模块,给出系统运行方式的优化建议,实现多能互补系统的决策落地,促进各能源系统互联互通、互补互济,从而降低用能成本。
图2所示为本发明针对的园区级多能互补系统结构图,该系统包括外界能源,供能设备、储能设备、能源网络和负荷。
外界能源包括天然气、太阳能、风能和电能;
供能设备包括燃气轮机、余热锅炉、燃气锅炉、光热锅炉、光伏、风机、水源热泵和汽-水换热器;
储能设备包括蓄电池、高温储汽、低温储热;
负荷包括供暖负荷、蒸汽负荷和电力负荷。
其中燃气轮机为电力设备,燃气锅炉、余热锅炉、水源热泵以及汽-水换热站为热力设备;燃气轮机、余热锅炉、燃气锅炉、水源热泵、汽-水换热设备、蓄电池、高温储汽与低温储热设备为可调度设备。
图1将本发明的实施流程分为五个主要步骤,分别为资料与数据统一采集、产消预测分析、系统等效模型建立、多时间尺度优化调度、优化调度评估。其中步骤1为方法的实施提供基础的数据支撑。在步骤2中通过预测方法补全系统内不确定性设备参数的未来变化情况。步骤3通过结合步骤1的实时监控信息和步骤2的预测信息,为步骤4的优化调度提供系统的等效模型,最终在步骤5中对步骤4的优化结果进行评价,确定优化参数的合理性,最终给出系统的运行规划和配置建议。
本发明的一种园区级多能互补系统优化调度方法,参见图1所示,包括以下过程:
步骤1,园区资料与数据统一采集
根据园区的能源结构组成与配套设施、设备运行状态与传输管网,确定系统内所需要采集的数据,实现各种数据源、各种类型数据的采集、更新、处理与存储,为方法实施奠定数据基础。
确定园区已投产与计划投产的能源设备,在园区内各设备厂房部署专用的光纤、电缆通信网络,实现与园区内各工艺/公辅设备的分散控制系统、数采网关、电量采集终端的通讯工作,完成电气与热力方面数据的采集。
具体地,园区资料与数据的统一采集包括:获取园区所属辖区的天然气与外购电的耗材价格,获取园区电力负荷、蒸汽负荷以及供暖负荷的典型日负荷曲线,数据采集内容包括电气设备中燃气轮机的输出电功率、发电效率和天然气消耗量,热力设备中燃气锅炉、余热锅炉、水源热泵以及汽-水换热站的输出热功率、制热系数和热效率,储能设备中蓄电池、高温储汽以及低温储热的储能容量、能量损失系数、输入输出功率、充放能状态和充放能效率,在完成上述数据实时采集的同时,以5min的存储周期将实时数据存入历史数据库。
步骤2,产消预测分析
考虑到园区系统中光伏、风机以及光热锅炉这类新能源设备的出力受到自然条件限制、而负荷变化情况又由用户决定这一特性,需要根据历史数据,结合地理与气象信息、生产计划与节假日因素,进行产消预测分析,得到预测参数在预测周期内的变化曲线。
具体地,在供能侧,针对园区的光伏、风机以及光热锅炉的未来出力情况,通过获取能源设备所处的经纬度信息以及风速、风向、温度、气压、湿度、辐射强度信息,结合设备的实时功率、工作状态,作为预测算法的输入,对其未来出力变化进行预测;在用能侧,针对园区电力负荷、蒸汽负荷以及供暖负荷的未来变化趋势,基于历史数据,结合气象、节假日以及负荷特性(包括:生活负荷、生产负荷、冲击负荷、平稳负荷、波动负荷)、用户计划(包括:生产计划、检修计划)信息,作为预测算法的输入,实现对系统负荷未来变化情况的预测。
进一步的,所述产消预测分析的具体实施过程包括以下5个步骤:
(1)从数据库获取预测所需的历史数据以及与待预测参数相关的影响因素信息(包括:地理信息、气象信息、工作状态、负荷特性、生产计划、检修计划);
(2)利用灰色关联度分析法确定待预测参数与各影响因素间的关系强弱,选取关联度较大的n个影响因素作为预测算法的输入;
(3)采用神经网络进行建模预测,提供未来4小时、时间分辨率为15分钟的超短期预测结果以及次日24小时、时间分辨率为15分钟的短期预测结果;
(4)根据参数实测值统计预测误差,根据预测误差对神级网络模型进行滚动修正;
(5)预测结果输出,包括未来新能源设备的出力计划曲线以及各类负荷的日变化曲线。
步骤3,系统等效模型建立
利用步骤1采集得到的系统资料与数据,结合步骤2获取的预测信息,建立系统设备的等效模型,包括由燃气轮机和余热锅炉组成的热电联产机组、燃气锅炉、水源热泵、汽-水换热设备、储能设备(蓄电池、高温储汽以及低温储热设备)的建模,设备进行建模具体为:
步骤3.1:热电联产机组建模
式中:FCHP(t)、PGT(t)和SHRSG(t)分别为t时刻热电联产机组的燃气消耗速率、输出电功率和输出热功率;VL为燃气低位发热量;ηGT、ξGT和ηREC分别为燃气轮机的发电效率、散热损失系数以及余热回收效率;copHRSG为制热系数;T1、T2和T0分别为余热烟气进、出余热锅炉的温度以及环境温度。
步骤3.2:燃气锅炉建模
SGB(t)=FGB(t)×VL×ηGB
式中:FGB(t)、SGB(t)分别为t时刻燃气锅炉的燃气消耗速率和输出热功率;ηGB为燃气锅炉的热效率。
步骤3.3:水源热泵建模
HHP(t)=copHP×PHP(t)
式中:PHP(t)、HHP(t)分别为t时刻水源热泵消耗的电功率与制热功率;copHP为水源热泵的制热系数。
步骤3.4:汽-水换热设备建模
HSW(t)=SSW(t)×ηSW
式中:SSW(t)、HSW(t)分别为t时刻汽-水换热设备的输入、输出热功率;ηSW为汽-水换热设备的换热系数。
步骤3.5:电、汽、热储能设备建模
蓄电池、高温储汽和低温蓄热三种储能设备均需要满足能量充放、储能容量等约束条件,可用广义动态模型表示为:
式中:Ces,j(t)、Ces,j(t-1)分别为第j种储能设备在t时刻与t-1时刻储能设备的储能容量;ξes,j为第j种储能设备的能量损失系数;分别为第j种储能设备在t时刻的输入、输出功率;分别为第j种储能设备在t时刻的充放能状态和充放能效率,Δt为单位调度时段。
步骤4,多时间尺度优化调度
多时间尺度优化调度,以风机、光伏、光热锅炉的功率预测以及电力负荷、蒸汽负荷、供热负荷的负荷预测作为优化输入数据,基于步骤3提供的供能设备与储能设备的等效模型,在满足负荷需求的前提下,以系统综合成本最小为优化目标,综合考虑功率平衡约束、设备出力约束和储能装置约束,对等效模型进行多时间尺度的优化调度,包括日前优化调度、日内优化调度、实时优化调度。
4.1优化目标:
系统的综合成本包括经济成本、运行成本和环境成本,其目标函数F为:
F=F1+F2+F3
式中:F1、F2、F3分别为系统的经济成本、运行成本和环境成本。
(1)经济成本包括燃气轮机和燃气锅炉消耗的燃气费用以及系统通过联络线从电网购买的电量费用,其计算模型如下:
式中:F1为经济成本,cgrid(t)、cgas分别为t时刻的分时电价与天然气价格,Pgrid(t)为t时刻从外部电网购电功率,若符号为负则为售电功率,FCHP(t)、FGB(t)分别为t时刻燃气轮机和燃气锅炉的燃气消耗速率,Δt为单位调度时段。
(2)运行成本涉及设备运行过程中由于维护保养所造成的费用,其计算模型如下:
式中:F2为运行成本,P(t)、S(t)、H(t)分别为t时刻总的供电功率、供汽功率和供热功率,cp、cs、ch分别为单位供电功率、单位供汽功率和单位供热功率的维护成本,PPV(t)、PWT(t)、SPV(t)分别为步骤2产消预测分析中得到的光伏、风机以及光热锅炉的出力预测值,为第j种储能设备的输入、输出功率单位维护成本,J表示储能设备总数。
(3)环境成本涉及设备运行过程中由于排放污染物所引发的治理费用,其计算模型如下:
式中:F3为环境成本,HL为天然气低位发热量,λCHP,k、pCHP,k分别为热电联产机组第k种污染物的排放系数与排放代价,λGB,k、pGB,k分别为燃气锅炉第k种污染物的排放系数与排放代价,K表示污染物种类,包括CO2,NOx,SO2,CO。设备实际排放的污染物种类由排放系数λCHP,k表示,λCHP,k=0时表示不排放此污染物。
4.2约束条件:
优化调度的约束条件分为等式约束与不等式约束,其中等式约束用于表述系统的能量平衡关系,不等式约束条件用于限定系统内设备的运行状态。
功率平衡约束:
式中:分别为储电、储汽、储热设备的输出功率; 分别为储电、储汽、储热设备的输入功率;Pload(t)、Sload(t)、Hload(t)分别为步骤2产消预测分析中得到的电力负荷、蒸汽负荷以及供暖负荷的预测值。
设备出力约束:
不同能源类型的供能设备均需满足出力约束以及出力变化约束。
式中:PGT,min、SHRSG,min、SGB,min、HHP,min、HSW,min分别为燃气轮机、余热锅炉、燃气锅炉、水源热泵和汽-水换热设备允许的最小出力,PGT,max、SHRSG,max、SGB,max、HHP,max、HSW,max分别为燃气轮机、余热锅炉、燃气锅炉、水源热泵和汽-水换热设备允许的最大出力,ΔPGT(t)、ΔSHRSG(t)、ΔSGB(t)、ΔHHP(t)、ΔHSW(t)分别为燃气轮机、余热锅炉、燃气锅炉、水源热泵和汽-水换热设备的实际出力变化速率,ΔPGT,max、ΔSHRSG,max、ΔSGB,max、ΔHHP,max、ΔHSW,max分别为燃气轮机、余热锅炉、燃气锅炉、水源热泵和汽-水换热设备允许的最大出力变化速率。
储能装置约束:
4.3优化算法
将步骤1采集到的燃气低位发热量、分时电价、燃气轮机发电效率、燃气锅炉、余热锅炉、水源热泵以及汽-水换热站的制热系数和热效率,以及储能设备中蓄电池、高温储汽以及低温储热的储能容量、能量损失系数、充放能状态和充放能效率,结合步骤2得到的光伏、风机以及光热锅炉的预测值与电力负荷、蒸汽负荷以及供暖负荷的预测值,基于步骤3建立的等效模型,代入到上述目标函数和约束条件中,并采用混合整数线性规划算法进行求解,在综合成本最低的目标情况下,得到可调度设备(燃气轮机、余热锅炉、燃气锅炉、水源热泵、汽-水换热设备、蓄电池、高温储汽与低温储热设备)的计划出力值,以满足负荷需求。
多时间尺度优化调度按照日前优化→日内优化→实时优化的顺序梯次进行,从而减小预测误差对调度计划的影响。具体地,三种优化调度的关系为:
(1)日前优化调度每日运行一次,优化生成次日24小时可调度设备(燃气轮机、余热锅炉、燃气锅炉、水源热泵、汽-水换热设备、蓄电池、高温储汽与低温储热设备)的计划出力曲线;
(2)日内优化调度计算周期为15分钟,在日前计划出力曲线的基础上对当日日内未来4小时的可调度设备出力计划进行修正,生成日内计划出力曲线,同时作为实时出力计划曲线的基准值。
(3)实时优化调度计算周期为5分钟,在日内计划出力曲线的基础上进行修正,生成当日日内未来30分钟的可调度设备出力计划,并将实时计划出力曲线输出。
步骤5,优化调度评估
通过综合能效指标,对优化调度的合理性做出评价,并提供调整建议,为实际的能源调度提供理论基础与技术方案,进一步提高园区能源的综合利用水平。
综合能效反映的是多能互补系统由于多能耦合带来的互补互济和协同优化的作用成果,其计算模型如下:
式中:η为综合能源效率,W1、W2分别为系统购电量和系统输出电量,Bx、VL,x分别为第x种燃料的系统消耗量与低位发热量,X表示燃料类型总数;Qy表示第y种以热形式供应的负荷量,包括供汽量、供热量等,Y表示负荷类型总数。
将每次优化调度后得到的上述指标与预设的指标标准进行比对,该指标标准可由用户人工设定,如80%,根据比对结果的偏离程度评估优化参数的合理与否,当偏离程度较大时回溯到步骤3所述的详细参数设置,调整优化相关的成本参数,包括启动成本、停止成本、功率变化成本、单位功率维护成本,之后进行下一周期的优化调度。当通过调整优化参数始终难以达到指标标准时,则给出系统设备层面的调整建议,包括设备数量与设备容量的增减。
本发明为园区级多能互补系统的优化调度提供了一种实施方法,在具有集中监控和产消预测功能的同时,能够评估多时间尺度优化调度结果的合理性,给出优化参数乃至系统设备的配置建议,在保证系统安全经济运行的前提下,实现整个能源系统的协同优化工作,引导用户科学用能,提高综合能源服务效率。
实施例2
基于与实施例1同样的发明构思,本发明的一种园区级多能互补系统优化调度装置,包括:
数据采集模块,用于采集园区级多能互补系统中供能设备和储能设备的基本数据;
数据预测模块,用于采集园区内新能源设备和各类负荷的历史数据,预测未来新能源设备的出力计划曲线以及各类负荷的日变化曲线;
优化调度模块,用于基于采集的基本数据和预测的数据,结合系统中各设备的等效模型,以综合成本最低为优化目标且满足约束条件下,按照日前优化、日内优化、实时优化的顺序依次优化调度得到系统中可调度设备的多时间尺度优化调度结果。
本发明装置的各模块实现方案参见上述实施例1方法的各步骤处理过程。
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。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (8)
1.一种园区级多能互补系统优化调度方法,其特征是,包括以下过程:
采集园区级多能互补系统中供能设备和储能设备的基本数据;
采集园区内新能源设备和各类负荷的历史数据,预测未来新能源设备的出力计划曲线以及各类负荷的日变化曲线;
基于采集的基本数据和预测的数据,结合系统中各设备的等效模型,以综合成本最低为优化目标且满足约束条件下,按照日前优化、日内优化、实时优化的顺序依次优化调度得到系统中可调度设备的多时间尺度优化调度结果;
所述系统中各设备的等效模块,包括:
热电联产机组等效模型:
式中:FCHP(t)、PGT(t)和SHRSG(t)分别为t时刻热电联产机组的燃气消耗速率、输出电功率和输出热功率;VL为燃气低位发热量;ηGT、ξGT和ηREC分别为燃气轮机的发电效率、散热损失系数以及余热回收效率;copHRSG为制热系数;T1、T2和T0分别为余热烟气进、出余热锅炉的温度以及环境温度;
燃气锅炉等效模型:
SGB(t)=FGB(t)×VL×ηGB
式中:FGB(t)、SGB(t)分别为t时刻燃气锅炉的燃气消耗速率和输出热功率;ηGB为燃气锅炉的热效率;
水源热泵等效模型:
HHP(t)=copHP×PHP(t)
式中:PHP(t)、HHP(t)分别为t时刻水源热泵消耗的电功率与制热功率;copHP为水源热泵的制热系数;
汽-水换热设备等效模型:
HSW(t)=SSW(t)×ηSW
式中:SSW(t)、HSW(t)分别为t时刻汽-水换热设备的输入、输出热功率;ηSW为汽-水换热设备的换热系数;
电、汽、热储能设备等效模型:
蓄电池、高温储汽和低温蓄热三种储能设备均需要满足能量充放、储能容量约束条件,可用广义动态模型表示为:
式中:Ces,j(t)、Ces,j(t-1)分别为第j种储能设备在t时刻与t-1时刻储能设备的储能容量;ξes,j为第j种储能设备的能量损失系数; 分别为第j种储能设备在t时刻的输入、输出功率; 分别为第j种储能设备在t时刻的充放能状态和充放能效率,Δt为单位调度时段;
所述以综合成本最低为优化目标且满足约束条件,包括:
系统的综合成本包括经济成本、运行成本和环境成本,其目标函数F为:
F=F1+F2+F3
式中:F1、F2、F3分别为系统的经济成本、运行成本和环境成本;
经济成本包括燃气轮机和燃气锅炉消耗的燃气费用以及系统通过联络线从电网购买的电量费用,其计算模型如下:
式中:F1为经济成本,cgrid(t)、cgas分别为t时刻的分时电价与天然气价格,Pgrid(t)为t时刻从外部电网购电功率,若符号为负则为售电功率,FCHP(t)、FGB(t)分别为t时刻燃气轮机和燃气锅炉的燃气消耗速率,Δt为单位调度时段;
运行成本涉及设备运行过程中由于维护保养所造成的费用,其计算模型如下:
式中:F2为运行成本,P(t)、S(t)、H(t)分别为t时刻总的供电功率、供汽功率和供热功率,cp、cs、ch分别为单位供电功率、单位供汽功率和单位供热功率的维护成本,PPV(t)、PWT(t)、SPV(t)分别为步骤2产消预测分析中得到的光伏、风机以及光热锅炉的出力预测值, 为第j种储能设备的输入、输出功率单位维护成本,J表示储能设备总数;
环境成本涉及设备运行过程中由于排放污染物所引发的治理费用,其计算模型如下:
式中:F3为环境成本,HL为天然气低位发热量,λCHP,k、pCHP,k分别为热电联产机组第k种污染物的排放系数与排放代价,λGB,k、pGB,k分别为燃气锅炉第k种污染物的排放系数与排放代价,K表示污染物种类,包括CO2,NOx,SO2,CO;
约束条件:
功率平衡约束:
式中:分别为储电、储汽、储热设备的输出功率;分别为储电、储汽、储热设备的输入功率;Pload(t)、Sload(t)、Hload(t)分别为步骤2产消预测分析中得到的电力负荷、蒸汽负荷以及供暖负荷的预测值;
设备出力约束:
不同能源类型的供能设备均需满足出力约束以及出力变化约束;
式中:PGT,min、SHRSG,min、SGB,min、HHP,min、HSW,min分别为燃气轮机、余热锅炉、燃气锅炉、水源热泵和汽-水换热设备允许的最小出力,PGT,max、SHRSG,max、SGB,max、HHP,max、HSW,max分别为燃气轮机、余热锅炉、燃气锅炉、水源热泵和汽-水换热设备允许的最大出力,ΔPGT(t)、ΔSHRSG(t)、ΔSGB(t)、ΔHHP(t)、ΔHSW(t)分别为燃气轮机、余热锅炉、燃气锅炉、水源热泵和汽-水换热设备的实际出力变化速率,ΔPGT,max、ΔSHRSG,max、ΔSGB,max、ΔHHP,max、ΔHSW,max分别为燃气轮机、余热锅炉、燃气锅炉、水源热泵和汽-水换热设备允许的最大出力变化速率;
储能装置约束:
2.根据权利要求1所述的一种园区级多能互补系统优化调度方法,其特征是,所述供能设备包括燃气轮机、余热锅炉、燃气锅炉、光热锅炉、光伏、风机、水源热泵和汽-水换热器;所述储能设备包括蓄电池、高温储汽、低温储热;所述负荷包括供暖负荷、蒸汽负荷和电力负荷。
3.根据权利要求2所述的一种园区级多能互补系统优化调度方法,其特征是,所述供能设备和储能设备的基本数据包括:燃气轮机的输出电功率、发电效率和天然气消耗量,燃气锅炉、余热锅炉、水源热泵以及汽-水换热站的输出热功率、制热系数和热效率,储能设备中蓄电池、高温储汽以及低温储热的储能容量、能量损失系数、输入输出功率、充放能状态和充放能效率。
4.根据权利要求1所述的一种园区级多能互补系统优化调度方法,其特征是,所述采集园区内新能源设备和各类负荷的历史数据,预测未来新能源设备的出力计划曲线以及各类负荷曲线,包括:
获取新能源设备和各类负荷预测所需的历史数据以及与待预测参数相关的影响因素信息;
利用灰色关联度分析法确定待预测参数与各影响因素间的关系强弱,选取关联度较大的影响因素作为预测算法的输入;
采用神经网络进行建模预测,得到新能源设备和各类负荷预测结果;
根据参数实测值统计预测误差,根据预测误差对神级网络模型进行滚动修正;
采用训练后的神经网络预测未来新能源设备的出力计划曲线以及各类负荷的日变化曲线。
5.根据权利要求1所述的一种园区级多能互补系统优化调度方法,其特征是,所述按照日前优化、日内优化、实时优化的顺序依次优化得到系统中可调度设备的多时间尺度优化调度结果,包括:
(1)日前优化调度每日运行一次,优化生成次日24小时可调度设备的计划出力曲线;
(2)日内优化调度计算周期为15分钟,在日前计划出力曲线的基础上对当日日内未来4小时的可调度设备出力计划进行修正,生成日内计划出力曲线,同时作为实时出力计划曲线的基准值;
(3)实时优化调度计算周期为5分钟,在日内计划出力曲线的基础上进行修正,生成当日日内未来30分钟的可调度设备出力计划,并将实时计划出力曲线输出。
6.根据权利要求1所述的一种园区级多能互补系统优化调度方法,其特征是,还包括:
将每次优化调度后得到的综合能效指标与预设的指标标准进行比对;
当综合能效指标的偏离程度较大时,调整成本参数进行下一周期的优化调度;
当通过调整成本参数始终难以达到指标标准时,则调整设备数量与设备容量。
8.一种园区级多能互补系统优化调度装置,其特征是,包括:
数据采集模块,用于采集园区级多能互补系统中供能设备和储能设备的基本数据;
数据预测模块,用于采集园区内新能源设备和各类负荷的历史数据,预测未来新能源设备的出力计划曲线以及各类负荷的日变化曲线;
优化调度模块,用于基于采集的基本数据和预测的数据,结合系统中各设备的等效模型,以综合成本最低为优化目标且满足约束条件下,按照日前优化、日内优化、实时优化的顺序依次优化调度得到系统中可调度设备的多时间尺度优化调度结果;
所述系统中各设备的等效模块,包括:
热电联产机组等效模型:
式中:FCHP(t)、PGT(t)和SHRSG(t)分别为t时刻热电联产机组的燃气消耗速率、输出电功率和输出热功率;VL为燃气低位发热量;ηGT、ξGT和ηREC分别为燃气轮机的发电效率、散热损失系数以及余热回收效率;copHRSG为制热系数;T1、T2和T0分别为余热烟气进、出余热锅炉的温度以及环境温度;
燃气锅炉等效模型:
SGB(t)=FGB(t)×VL×ηGB
式中:FGB(t)、SGB(t)分别为t时刻燃气锅炉的燃气消耗速率和输出热功率;ηGB为燃气锅炉的热效率;
水源热泵等效模型:
HHP(t)=copHP×PHP(t)
式中:PHP(t)、HHP(t)分别为t时刻水源热泵消耗的电功率与制热功率;copHP为水源热泵的制热系数;
汽-水换热设备等效模型:
HSW(t)=SSW(t)×ηSW
式中:SSW(t)、HSW(t)分别为t时刻汽-水换热设备的输入、输出热功率;ηSW为汽-水换热设备的换热系数;
电、汽、热储能设备等效模型:
蓄电池、高温储汽和低温蓄热三种储能设备均需要满足能量充放、储能容量约束条件,可用广义动态模型表示为:
式中:Ces,j(t)、Ces,j(t-1)分别为第j种储能设备在t时刻与t-1时刻储能设备的储能容量;ξes,j为第j种储能设备的能量损失系数; 分别为第j种储能设备在t时刻的输入、输出功率; 分别为第j种储能设备在t时刻的充放能状态和充放能效率,Δt为单位调度时段;
所述以综合成本最低为优化目标且满足约束条件,包括:
系统的综合成本包括经济成本、运行成本和环境成本,其目标函数F为:
F=F1+F2+F3
式中:F1、F2、F3分别为系统的经济成本、运行成本和环境成本;
经济成本包括燃气轮机和燃气锅炉消耗的燃气费用以及系统通过联络线从电网购买的电量费用,其计算模型如下:
式中:F1为经济成本,cgrid(t)、cgas分别为t时刻的分时电价与天然气价格,Pgrid(t)为t时刻从外部电网购电功率,若符号为负则为售电功率,FCHP(t)、FGB(t)分别为t时刻燃气轮机和燃气锅炉的燃气消耗速率,Δt为单位调度时段;
运行成本涉及设备运行过程中由于维护保养所造成的费用,其计算模型如下:
式中:F2为运行成本,P(t)、S(t)、H(t)分别为t时刻总的供电功率、供汽功率和供热功率,cp、cs、ch分别为单位供电功率、单位供汽功率和单位供热功率的维护成本,PPV(t)、PWT(t)、SPV(t)分别为步骤2产消预测分析中得到的光伏、风机以及光热锅炉的出力预测值, 为第j种储能设备的输入、输出功率单位维护成本,J表示储能设备总数;
环境成本涉及设备运行过程中由于排放污染物所引发的治理费用,其计算模型如下:
式中:F3为环境成本,HL为天然气低位发热量,λCHP,k、pCHP,k分别为热电联产机组第k种污染物的排放系数与排放代价,λGB,k、pGB,k分别为燃气锅炉第k种污染物的排放系数与排放代价,K表示污染物种类,包括CO2,NOx,SO2,CO;
约束条件:
功率平衡约束:
式中:分别为储电、储汽、储热设备的输出功率;分别为储电、储汽、储热设备的输入功率;Pload(t)、Sload(t)、Hload(t)分别为步骤2产消预测分析中得到的电力负荷、蒸汽负荷以及供暖负荷的预测值;
设备出力约束:
不同能源类型的供能设备均需满足出力约束以及出力变化约束;
式中:PGT,min、SHRSG,min、SGB,min、HHP,min、HSW,min分别为燃气轮机、余热锅炉、燃气锅炉、水源热泵和汽-水换热设备允许的最小出力,PGT,max、SHRSG,max、SGB,max、HHP,max、HSW,max分别为燃气轮机、余热锅炉、燃气锅炉、水源热泵和汽-水换热设备允许的最大出力,ΔPGT(t)、ΔSHRSG(t)、ΔSGB(t)、ΔHHP(t)、ΔHSW(t)分别为燃气轮机、余热锅炉、燃气锅炉、水源热泵和汽-水换热设备的实际出力变化速率,ΔPGT,max、ΔSHRSG,max、ΔSGB,max、ΔHHP,max、ΔHSW,max分别为燃气轮机、余热锅炉、燃气锅炉、水源热泵和汽-水换热设备允许的最大出力变化速率;
储能装置约束:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110558631.5A CN113255992B (zh) | 2021-05-21 | 2021-05-21 | 一种园区级多能互补系统优化调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110558631.5A CN113255992B (zh) | 2021-05-21 | 2021-05-21 | 一种园区级多能互补系统优化调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113255992A CN113255992A (zh) | 2021-08-13 |
CN113255992B true CN113255992B (zh) | 2022-07-22 |
Family
ID=77183628
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110558631.5A Active CN113255992B (zh) | 2021-05-21 | 2021-05-21 | 一种园区级多能互补系统优化调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113255992B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113885367A (zh) * | 2021-08-24 | 2022-01-04 | 国电南瑞科技股份有限公司 | 一种楼宇能效管理控制系统及方法 |
CN113757784B (zh) * | 2021-09-01 | 2022-08-02 | 港华能源投资有限公司 | 供热系统的调度控制方法及相关装置 |
CN114386839A (zh) * | 2022-01-12 | 2022-04-22 | 国网浙江省电力有限公司 | 电氢互补能源系统经济性评估方法、系统、介质及设备 |
CN114595584B (zh) * | 2022-03-14 | 2023-06-30 | 南方电网数字电网研究院有限公司 | 多能源互补的区域终端用能配置方法及装置 |
CN115342419A (zh) * | 2022-08-09 | 2022-11-15 | 中核坤华能源发展有限公司 | 一种多能源互补供热系统智能调控方法 |
CN116090664B (zh) * | 2023-03-06 | 2023-10-10 | 广州东方电科自动化有限公司 | 一种基于园区储能和风光气电水的多能互补优化系统 |
CN116780658B (zh) * | 2023-08-17 | 2023-11-10 | 国网浙江省电力有限公司金华供电公司 | 考虑源-荷双侧不确定性的多能互补优化调度方法 |
CN116933952B (zh) * | 2023-09-19 | 2024-02-23 | 北京中电飞华通信有限公司 | 基于物联网可视化的园区低碳能源调度系统 |
CN117374942A (zh) * | 2023-10-13 | 2024-01-09 | 国网安徽省电力有限公司芜湖供电公司 | 一种基于生产计划和负荷预测的储能经济优化调度方法 |
CN117610896B (zh) * | 2024-01-24 | 2024-04-19 | 青岛创新奇智科技集团股份有限公司 | 基于工业大模型智能调度系统 |
CN117674301B (zh) * | 2024-01-31 | 2024-05-17 | 广州豪特节能环保科技股份有限公司 | 基于神经网络的综合能源控制方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110990785A (zh) * | 2019-11-27 | 2020-04-10 | 江苏方天电力技术有限公司 | 一种基于多目标的智慧园区综合能源系统优化调度方法 |
CN112072712B (zh) * | 2020-08-31 | 2022-07-12 | 合肥工业大学 | 综合能源系统多时间尺度优化调度方法、系统及存储介质 |
-
2021
- 2021-05-21 CN CN202110558631.5A patent/CN113255992B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113255992A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113255992B (zh) | 一种园区级多能互补系统优化调度方法及装置 | |
CN109858759B (zh) | 一种工业园区综合能源平衡调度方法 | |
Alabi et al. | Data-driven optimal scheduling of multi-energy system virtual power plant (MEVPP) incorporating carbon capture system (CCS), electric vehicle flexibility, and clean energy marketer (CEM) strategy | |
CN106099993B (zh) | 一种适应新能源大规模接入的电源规划方法 | |
CN115600809A (zh) | 一种综合能源系统的优化调度装置及方法 | |
CN109245093A (zh) | 一种冷热电联供分布式能源站协同优化调度方法 | |
CN112990523B (zh) | 区域综合能源系统分层优化运行方法 | |
CN113344736A (zh) | 一种园区级综合能源系统及其控制方法 | |
CN112464477A (zh) | 计及需求响应的多能耦合综合能源运行仿真方法 | |
CN111614121A (zh) | 考虑需求响应的含电动汽车的多能源园区日前经济调度方法 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
CN110138004A (zh) | 一种多能互补系统优化运行方法 | |
CN103762589A (zh) | 一种电网中新能源容量配比分层优化方法 | |
CN111210079B (zh) | 一种分布式能源虚拟电厂运行优化方法及系统 | |
CN112803499A (zh) | 电力/电量补偿协同的风光水多能互补容量优化配置方法 | |
CN110826773B (zh) | 一种考虑新能源接入的火电机组月度发电计划优化方法 | |
CN111325395A (zh) | 一种光热电站参与调节的多时间尺度源源优化调度方法 | |
CN115099007B (zh) | 基于综合成本-能耗曲线的综合能源系统优化运行方法 | |
CN112580897A (zh) | 基于鹦鹉算法的多能源电力系统优化调度的方法 | |
CN117081143A (zh) | 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法 | |
CN117436773B (zh) | 一种含可中断负荷的独立微网资源规划方法和系统 | |
CN115693793B (zh) | 一种区域微电网能源优化控制方法 | |
Xing et al. | Multi-energy simulation and optimal scheduling strategy based on digital twin | |
CN117132040A (zh) | 一种基于极限场景驱动的多能微网二阶段鲁棒优化方法 | |
CN114139830B (zh) | 一种智慧能源站的优化调度方法、装置及电子设备 |
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 |