CN113313416B - 计及沼气发电与新能源消纳机制的配网电力资源优化分配方法 - Google Patents

计及沼气发电与新能源消纳机制的配网电力资源优化分配方法 Download PDF

Info

Publication number
CN113313416B
CN113313416B CN202110690619.XA CN202110690619A CN113313416B CN 113313416 B CN113313416 B CN 113313416B CN 202110690619 A CN202110690619 A CN 202110690619A CN 113313416 B CN113313416 B CN 113313416B
Authority
CN
China
Prior art keywords
power
fermentation
model
distribution network
biogas
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
Application number
CN202110690619.XA
Other languages
English (en)
Other versions
CN113313416A (zh
Inventor
陈达伟
黎灿兵
杨函煜
周斌
叶志亮
肖银璟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN202110690619.XA priority Critical patent/CN113313416B/zh
Publication of CN113313416A publication Critical patent/CN113313416A/zh
Application granted granted Critical
Publication of CN113313416B publication Critical patent/CN113313416B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/06—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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Power Engineering (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Technology Law (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种计及沼气发电与新能源消纳机制的配网电力资源优化分配方法，根据规模化沼气工程的发酵条件，构建微生物发酵动力学模型，并通过微生物发酵动力学模型测算规模化沼气工程在发酵时期的沼气产率；对规模化沼气工程的类电池特性进行建模，得到规模化沼气工程的类电池特性模型，并通过类电池特性模型测算新能源消纳能力；以电量销售收入与运行成本之差的利润最大化为目标函数，构建电力交易双层优化模型，其中：电力交易双层优化模型的上层模型基于配电网运营商进行构建，下层模型基于需求响应负荷供应商进行构建；通过电力交易双层优化模型对计及沼气发电与新能源消纳机制的配网电力交易进行规划；本发明可以实现配电网运营商与需求响应负荷供应商的收益最大化。

Description

计及沼气发电与新能源消纳机制的配网电力资源优化分配 方法
技术领域
本发明涉及的是一种电网控制领域的技术，具体是一种计及沼气发电与新能源消纳机制的配网电力资源优化分配方法。
背景技术
沼气作为一种可再生能源，广泛存在于农村地区。与其他波动性可再生能源不同的是，沼气具有类电池特性：沼气可通过电加热来提高沼气产量，再转化为电能来进行“电能-化学能(沼气)-电能”的转换，因此具有促进波动性可再生能源(RES)消纳的潜力。通常，可再生能源就近接入配网，由配电网运营商(DSO)制定调度策略，尽量促进就地消纳。而RES波动的特性提高了就地消纳的难度，通过输电网倒送又存在功率损耗，加大系统潮流断面饱和的风险。
发明内容
本发明针对现有技术存在的上述不足，提出一种计及沼气发电与新能源消纳机制的配网电力资源优化分配方法，本发明能够基于沼气的产量与温度强相关，且能量转化效率与温度、微生物含量、厌氧池容积和水力滞留时间强相关的特点，通过沼气对波动性可再生能源进行存储来分析其是否具有高成本效益依赖于详细、全面的模型。同时由于配电网运营商与需求响应负荷供应商受成本效益驱动，因此需要对交易策略进行优化，使得配电网运营商与需求响应负荷供应商的利润同时最大化，以保证规模化沼气工程参与配网交易的经济可行性。另外，还考虑到规模化沼气工程和需求响应负荷供应商都均能促进可再生能源的就地消纳，但处在不同交易级别中(规模化沼气工程受区域配电网运营商调度而需求响应负荷供应商属于配电网运营商下级服务提供商)，因此建立双层能量交易框架，可以实现配电网运营商与需求响应负荷供应商的收益最大化。
本发明是通过以下技术方案实现的：
本发明涉及一种计及沼气发电与新能源消纳机制的配网电力交易规划方法，包括：
步骤1)根据规模化沼气工程的发酵条件，构建微生物发酵动力学模型，并通过微生物发酵动力学模型测算规模化沼气工程在发酵时期的沼气产率；
步骤2)对规模化沼气工程的类电池特性进行建模，得到规模化沼气工程的类电池特性模型，并通过类电池特性模型测算新能源消纳能力；
步骤3)以电量销售收入与运行成本之差的利润最大化为目标函数，构建电力交易双层优化模型，其中：电力交易双层优化模型的上层模型基于配电网运营商进行构建，下层模型基于需求响应负荷供应商进行构建；
步骤4)通过电力交易双层优化模型对计及沼气发电与新能源消纳机制的配网电力交易进行规划。
所述的发酵条件包括：高温发酵、中温发酵或低温发酵中任一项，其中高温发酵为50℃～65℃，中温发酵为20℃～45℃，低温发酵为小于20℃。
所述的微生物发酵动力学模型，通过微生物的发酵系数计算发酵时微生物最大生长率和微生物发酵动力学参数，进而构建出规模化沼气工程的微生物发酵动力学模型。
所述的微生物的发酵系数包括：规模化沼气工程中厌氧池的厌氧池容积以及投入厌氧池中生物质原料的微生物的甲烷势、含固率、水力滞留时间。
所述的类电池特性包括：产气过程、储气过程和用气过程。
所述的类电池特性模型，分别通过厌氧池内发酵温度约束、储气罐的进气速率与出气速度约束和热电联产机组的机组速率约束，构建出产气约束模型、储气约束模型和用气约束模型，形成规模化沼气工程的类电池特性模型。
所述的运行成本包括：向与配电网运营商相连接的输电侧主网以实时电价成交的购电成本，通过可再生能源、规模化沼气工程以合约价成交的就地采购成本，以及通过需求响应负荷供应商以区域实时电价成交的负荷削减成本以及网损成本。
本发明涉及一种实现上述方法的系统，包括：沼气工程信息采集单元、主配网信息采集单元、模型运算处理单元以及负荷储能控制单元，其中：沼气工程信息采集单元与模型运算处理单元相连并传输沼气发酵温度、储气量信息，主配网信息采集单元与模型运算处理单元相连并传输电网电力需求、可再生能源发电功率、实时电价信息，模型运算处理单元与负荷储能控制单元相连并传输可控负荷运行策略、储能运行策略信息。
技术效果
与现有利用可控负荷和储能来消纳可再生能源的技术相比，本发明提高了配网消纳可再生能源的能力并最大化需求响应负荷供应商的收益。
附图说明
图1是实施例电力交易双层优化模型的结构示意图；
图2是实施例场景1的光伏实际利用率的结果示意图；
图3是实施例场景2的光伏实际利用率的结果示意图；
图4是实施例不同光伏渗透率下配电网运营商利润的结果示意图。
具体实施方式
本实施例涉及一种计及沼气发电与新能源消纳机制的配网电力资源优化分配方法，包括以下步骤：
S1、根据规模化沼气工程的发酵条件，构建微生物发酵动力学模型，并通过微生物发酵动力学模型测算规模化沼气工程在发酵时期的沼气产率。
所述的规模化沼气工程以生物质原料进行沼气发酵，生物质原料比如树木和采伐加工剩余物、秸秆和农业剩余物、城市垃圾、人畜粪便和有机废水等。
所述的沼气发酵是指包含有各种固态生物质原料在一定温度、湿度以及厌氧(缺氧)的条件下经过微生物发酵产生沼气的过程，发酵过程包括：三个阶段：液化阶段、产酸阶段、产甲烷阶段。微生物发酵速率受到多种环境因素影响，如pH值，生物质原料类型，温度、发酵时间等，其中：温度是影响微生物代谢活动的关键因素，在同一发酵条件下，沼气发酵微生物的代谢活动随着温度的上升而增加，在一定的温度范围内，温度越高，发酵产气速率越快。能够通过沼气发电上网的规模化沼气工程通常是中温发酵(也称为常温发酵)，根据发酵的适宜温度，即保证规模化沼气工程的稳定运行，上述发酵条件包括：高温发酵、中温发酵或低温发酵中任一项，其中高温发酵为50℃～65℃，中温发酵为20℃～45℃，低温发酵为小于20℃。高温发酵和中温发酵主要适用于大规模的沼气工程，低温发酵主要适用于个体户用或规模较小的沼气工程。为保证发酵温度，大多数规模化沼气工程必须对发酵池采取保温或加温措施，有时甚至还需要引入电加热、太阳能加热、地热等外部辅助热源。
所述的微生物发酵动力学模型，根据微生物的发酵系数，计算发酵时微生物最大生长率；以及根据微生物的发酵系数，计算微生物发酵动力学参数；基于微生物最大生长率以及微生物发酵动力学参数，构建得到，具体为：获取规模化沼气工程中厌氧池的厌氧池容积；以及获取投入厌氧池中生物质原料的微生物的甲烷势、含固率、水力滞留时间；根据厌氧池容积、甲烷势、含固率、水力滞留时间、微生物最大生长率以及微生物发酵动力学参数，构建规模化沼气工程的微生物发酵动力学模型。
所述的微生物发酵动力学模型包括：
Figure BDA0003126033310000031
Figure BDA0003126033310000032
其中：
Figure BDA0003126033310000033
为中温发酵或低温发酵时t时刻的微生物最大生长率，Gt为时刻t时规模化沼气工程的沼气产率，B0为生物甲烷势，即厌氧过程中有多少有机物可以被降解，S0为投入厌氧池(AD)的生物质原料中的挥发性固体(Volatilesolid，VS)含量，即含固率，VAD为规模化沼气工程中的厌氧池容积，Kd为微生物发酵动力学参数，与微生物发酵速率和稳定性有关，HRT为水力滞留时间，即微生物发酵完成三个阶段的平均反应时间，α11，α21，α22，α12，β11，β13是微生物发酵系数，与生物质原料类型、发酵类型有关，一般通过试验得出，上述T0、T1、T2分别对应微生物发酵三个阶段对应的温度。
S2、对规模化沼气工程的类电池特性进行建模，得到规模化沼气工程的类电池特性模型，并通过类电池特性模型测算新能源消纳能力。
由于沼气具有类电池特性，可通过电加热来提高沼气产量，再转化为电能来进行“电能-化学能(沼气)-电能”的转换，因此具有促进波动性可再生能源消纳的潜力。
所述的类电池特性包括：产气、储气、用气三个过程。
所述的规模化沼气工程的类电池特性模型，根据厌氧池内发酵温度约束，构建产气约束模型；根据储气罐的进气速率与出气速度约束，构建储气约束模型；根据热电联产机组的机组速率约束，构建用气约束模型；基于产气约束模型、储气约束模型、用气约束模型，得到规模化沼气工程的类电池特性模型。
所述的产气约束模型包括：
Figure BDA0003126033310000041
Figure BDA0003126033310000042
其中：
Figure BDA0003126033310000043
为在预设时间Δt内加热厌氧池内发酵基液的总热量，
Figure BDA0003126033310000044
为时刻t时电加热设备的输出功率，
Figure BDA0003126033310000045
为时刻t时热电联产机组(CHP)的热功率，ηe为电加热设备的转化效率，Pt grid为时刻t时电加热设备的热功率，
Figure BDA0003126033310000046
为厌氧池在预设时间Δt内的总热量，Kdis为厌氧池的池壁的导热系数，Aair-AD为厌氧池的池壁面积，Tt为时刻t时的发酵温度，Tt air为时刻t时的环境温度，cAD和ρAD为厌氧池内发酵基液的比热容和密度。
所述的储气约束模型包括：
Figure BDA0003126033310000047
Figure BDA0003126033310000048
其中：Gt BES为可再生能源在时刻t时的储气状态，
Figure BDA0003126033310000049
为热电联产机组额定最大进气速率，ηBES为可再生能源充放气效率，
Figure BDA00031260333100000410
为热电联产机组在时刻t时的进气速率，Pt CHP为热电联产机组的有功功率，ηcon为热电联产机组的能量转换效率。
所述的用气约束模型包括：
Figure BDA00031260333100000411
Figure BDA00031260333100000412
Figure BDA00031260333100000413
其中：ytn为辅助变量，将热电联产机组的运行状态约束在其可行域内，Hup和H down分别为热电联产机组的热功率爬坡的上限和下限，Pup和Pdown分别为热电联产机组电功率爬坡的上限和下限。通过产气，储气和用气过程，规模化沼气工程可以吸收电加热设备吸收配电网中多余的电能，通过微生物发酵产生更多易储存的沼气，在配电网供电不足时通过热电联产机组转化为电能。通过规模化沼气工程类电池特性，可有效提高配电网可再生能源的就地消纳率，即光伏预测出力功率与实际上网功率之差比上光伏预测出力功率，从而影响配电网的电力市场交易。
S3、以电量销售收入与运行成本之差的利润最大化为目标函数，构建电力交易双层优化模型。
如图1所示，所述的电力交易双层优化模型的上层模型基于配电网运营商进行构建，下层模型基于需求响应负荷供应商进行构建。本实施例中，配电网运营商以电量销售收入与运行成本之差的利润最大化为目标函数。上述运行成本包括：向与配电网运营商相连接的输电侧主网以实时电价成交的购电成本，通过可再生能源、规模化沼气工程以合约价成交的就地采购成本，以及通过需求响应负荷供应商以区域实时电价成交的负荷削减成本以及网损成本。
所述的电力交易双层优化模型包括：min-(RD-RAgg-RRT-RRES-Rloss)，
Figure BDA0003126033310000051
Figure BDA0003126033310000052
Figure BDA0003126033310000053
Rloss＝∑t∑i，j∈l∈SLIijtRij，其中：RD和CD分别为配电网运营商向区域内各节点负荷售电的日总收入和售电单价，RAgg和
Figure BDA0003126033310000054
分别为配电网运营商向需求响应负荷供应商的购买补偿系统功率缺额的总购电成本和与第a个需求响应负荷供应商的购电成交单价，
Figure BDA0003126033310000055
为需求响应负荷供应商聚合的负荷削减有功功率，RRT和
Figure BDA0003126033310000056
分别为配电网运营商向输电侧主网购电的总购电成本和时刻t时的主网电力市场实时节点边际电价，RRES为配电网运营商向光伏电场PV和规模化沼气工程购电的总成本，
Figure BDA0003126033310000057
和
Figure BDA0003126033310000058
分别为时刻t时向第p个光伏电场和第g座规模化沼气工程购电电量，Rloss为网损成本，RPen为配电网反向潮流馈入主网的惩罚成本，Iijt为节点i到节点j的电流均方值，Rij节点i，j之间的电力线路电阻值，SL为配电网电力线路集合，l为为对应于每条电力线路编号的下标，SK为所有节点的集合，
Figure BDA0003126033310000059
其中下标i，j，k均为网络节点，并满足隶属关系
Figure BDA00031260333100000510
SW为与主网相连接的变电站集合，SG为所有规模化沼气工程的集合，主要用于表征规模化沼气工程在配网的节点位置关系，需注意本章模型算例假设该区域只有一座规模化沼气工程，SA为区域内所有需求响应负荷供应商的集合。
在所述的可再生能源指的是第三方独立的光伏电场和规模化沼气工程，两者的发电上网量并不参与的负荷削减计划。而上述可再生能源不包括：计划测算内的规模化沼气工程。由于光伏电场和规模化沼气工程作为第三方独立运营个体的发电收益均未考虑，因此，采用简化模型光伏电场和规模化沼气工程中热电联产机组运行的价格函数UPV(·)和UCHP(·)都线性化表示，此外，即进一步促进可再生能源的就地消纳，限制反向潮流馈入主网，将对馈入主网的反向潮流施加惩罚价格。
由于各需求响应负荷供应商负荷削减合同的差异性和系统调度运行约束存在，合同价格和负荷削减量的安排可能出现需求响应负荷供应商亏损的情况，因此需设置需求响应负荷供应商的最低收益率δAgg保证其利润及可持续运营，具体为：
Figure BDA0003126033310000061
其中：
Figure BDA0003126033310000062
为需求响应负荷供应商与其管辖区域内参与需求响应提供负荷削减服务的用户所签订的合同电价。
配电网运营商在优化决策的需同时满足优化调度的网络约束，步骤S3充分考虑配电网的网架结构特性，采用二阶锥形式的潮流模型，该模型包括：
Figure BDA0003126033310000063
Figure BDA0003126033310000064
Figure BDA0003126033310000065
Figure BDA0003126033310000066
Figure BDA0003126033310000067
其中：Xij和Zij为节点i和j之间的电力线路电感值和电抗值，Vit为节点i的电压均方值，Vi min和Vi max分别是电压均方值上限和下限，Imin和Imax分别是电流均方值上限和下限，Sw,max为变电站w最大输出容量，Pikt，Qikt，Sikt分别为时刻t时从节点i流向节点k的有功潮流、无功潮流和视在潮流，
Figure BDA0003126033310000068
分别为时刻t时节点k的用户负荷削减后有功负荷和无功负荷，
Figure BDA0003126033310000069
为节点k的实施负荷削减前的预测有功负荷需求，drkt为节点k参与负荷削减计划的程度，
Figure BDA00031260333100000610
和
Figure BDA00031260333100000611
分别为变电站和规模化沼气工程的无功出力，ηPQ为功率因子，
Figure BDA00031260333100000612
为配电网注入规模化沼气工程用于电加热的有功功率，Ωk为位于节点k的所有设备集合，包括：规模化沼气工程、光伏电场，变电站等，Πk为与节点k相连接的所有其他节点的集合。
所述的电力交易双层优化模型的下层优化模型包括：
Figure BDA00031260333100000613
Figure BDA00031260333100000614
Figure BDA0003126033310000071
其中：
Figure BDA0003126033310000072
分别需求响应负荷供应商可聚合的有功负荷削减量的下限和上限，
Figure BDA0003126033310000073
需求响应负荷供应商聚合的无功负荷削减量，
Figure BDA0003126033310000074
和
Figure BDA0003126033310000075
分别需求响应负荷供应商可聚合的无功负荷削减量下限和上限，drmax需求响应负荷供应商响应配电网运营商负荷削减调度比例的最大限额，
Figure BDA0003126033310000076
Figure BDA0003126033310000077
分别是对偶变量。
S4、通过电力交易双层优化模型对计及沼气发电与新能源消纳机制的配网电力交易进行调度优化，即改变沼气工程、可控负荷的运行策略。
经过具体实际实验，基于IEEE 33节点配网进行测试，分别在光伏渗透率为30％、40％和50％情况下考虑了以下两种场景：场景1：提出的电力交易双层模型，同时考虑规模化沼气工程和需求响应负荷供应商对新能源的消纳机制。场景2：提出的电力交易双层模型仅考虑了需求响应负荷供应商的负荷削减作用。得到光伏实际利用率的结果如图2和图3所示，得到不同光伏渗透率下配电网运营商利润的结果如图4所示。
对比图2和图3中场景1和场景2的光伏实际利用率，无论在哪种光伏渗透率水平下，在13：00-17：00光照充足时，场景1中的光伏实际利用率明显高于场景2，证明了由于规模化沼气工程可再生能源消纳机制的存在有助于更好地就地消纳光伏。对比图4场景1和场景2中配电网运营商的利润，可以发现，加入了规模化沼气工程后，配电网运营商利润显著增加。表1给出了加入规模化沼气工程后，配电网运营商和区域需求响应负荷供应商的利润均显著提高。
表1场景1与场景2中收益\成本汇总
Figure BDA0003126033310000078
基于IEEE 33节点典型配网运行上述方法，能够得到的实验数据是：加入规模化沼气工程后，新能源消纳率和收益均有所提高。
本发明采用基于Monod方程的非结构模型来描述中温或常温条件下沼气发酵速率与不同环境因素之间的稳态近似关系；考虑热电联产机组余热回收、电加热等方式提高沼气发酵温度、提高沼气产气速率，建立涵盖产气、储气、用气中“电能-化学能(气体)-电能”不同能源形态转化的沼气类电池特性模型；建立配网双层电力交易框架，上层优化模型，以该区域配网运行成本最低为优化目标；下层模型中，以区域需求响应负荷供应商收益最大化为优化目标。与现有技术相比，本发明通过沼气工程提高可再生能源利用率并确保配电网运营商和区域需求响应负荷供应商收益最大化。
上述具体实施可由本领域技术人员在不背离本发明原理和宗旨的前提下以不同的方式对其进行局部调整，本发明的保护范围以权利要求书为准且不由上述具体实施所限，在其范围内的各个实现方案均受本发明之约束。

Claims (3)

1.一种计及沼气发电与新能源消纳机制的配网电力交易规划方法，其特征在于，包括：
步骤1)根据规模化沼气工程的发酵条件，构建微生物发酵动力学模型，并通过微生物发酵动力学模型测算规模化沼气工程在发酵时期的沼气产率；
步骤2)对规模化沼气工程的类电池特性进行建模，得到规模化沼气工程的类电池特性模型，并通过类电池特性模型测算新能源消纳能力；
步骤3)以电量销售收入与运行成本之差的利润最大化为目标函数，构建电力交易双层优化模型，其中：电力交易双层优化模型的上层模型基于配电网运营商进行构建，下层模型基于需求响应负荷供应商进行构建；
步骤4)通过电力交易双层优化模型对计及沼气发电与新能源消纳机制的配网电力交易进行规划；
所述的微生物发酵动力学模型包括：
Figure FDA0003941758940000011
Figure FDA0003941758940000012
其中：
Figure FDA0003941758940000013
为中温发酵或低温发酵时t时刻的微生物最大生长率，Gt为时刻t时规模化沼气工程的沼气产率，B0为生物甲烷势，即厌氧过程中有多少有机物可以被降解，S0为投入厌氧池AD的生物质原料中的挥发性固体含量，即含固率，VAD为规模化沼气工程中的厌氧池容积，Kd为微生物发酵动力学参数，与微生物发酵速率和稳定性有关，HRT为水力滞留时间，即微生物发酵完成三个阶段的平均反应时间，α11，α21，α22，α12，β11，β13是微生物发酵系数，与生物质原料类型、发酵类型有关，T0、T1、T2分别对应微生物发酵三个阶段对应的温度；
所述的规模化沼气工程的类电池特性模型，根据厌氧池内发酵温度约束，构建产气约束模型；根据储气罐的进气速率与出气速度约束，构建储气约束模型；根据热电联产机组的机组速率约束，构建用气约束模型；基于产气约束模型、储气约束模型、用气约束模型，得到规模化沼气工程的类电池特性模型；
所述的产气约束模型包括：
Figure FDA0003941758940000014
Figure FDA0003941758940000015
其中：
Figure FDA0003941758940000016
为在预设时间Δt内加热厌氧池内发酵基液的总热量，
Figure FDA0003941758940000017
为时刻t时电加热设备的输出功率，
Figure FDA0003941758940000018
为时刻t时热电联产机组CHP的热功率，ηe为电加热设备的转化效率，Pt grid为时刻t时电加热设备的热功率，
Figure FDA0003941758940000021
为厌氧池在预设时间Δt内的总热量，Kdis为厌氧池的池壁的导热系数，Aair-AD为厌氧池的池壁面积，Tt为时刻t时的发酵温度，Tt air为时刻t时的环境温度，cAD和ρAD为厌氧池内发酵基液的比热容和密度；
所述的储气约束模型包括：
Figure FDA0003941758940000022
Figure FDA0003941758940000023
其中：
Figure FDA0003941758940000024
为可再生能源在时刻t时的储气状态，
Figure FDA0003941758940000025
为热电联产机组额定最大进气速率，ηBES为可再生能源充放气效率，
Figure FDA0003941758940000026
为热电联产机组在时刻t时的进气速率；
所述的用气约束模型包括：
Figure FDA0003941758940000027
Figure FDA0003941758940000028
Figure FDA0003941758940000029
其中：Pt CHP为热电联产机组的有功功率，ηcon为热电联产机组的能量转换效率，ytn为辅助变量，将热电联产机组的运行状态约束在其可行域内，Hup和Hdown分别为热电联产机组的热功率爬坡的上限和下限，Pup和Pdown分别为热电联产机组电功率爬坡的上限和下限，通过产气，储气和用气过程，规模化沼气工程通过电加热设备吸收配电网中多余的电能，通过微生物发酵产生更多易储存的沼气，在配电网供电不足时通过热电联产机组转化为电能，通过规模化沼气工程类电池特性提高配电网可再生能源的就地消纳率，即光伏预测出力功率与实际上网功率之差比上光伏预测出力功率，从而影响配电网的电力市场交易；
所述的电力交易双层优化模型包括：min(-(RD-RAgg-RRT-RRES-Rloss))，
Figure FDA00039417589400000210
Figure FDA00039417589400000211
Figure FDA00039417589400000212
Rloss＝∑t∑i,j∈l∈SLIijtRij，其中：RD和CD分别为配电网运营商向区域内各节点负荷售电的日总收入和售电单价，RAgg和
Figure FDA00039417589400000213
分别为配电网运营商向需求响应负荷供应商的购买补偿系统功率缺额的总购电成本和与第a个需求响应负荷供应商的购电成交单价，
Figure FDA00039417589400000214
为需求响应负荷供应商聚合的负荷削减有功功率，RRT和
Figure FDA00039417589400000215
分别为配电网运营商向输电侧主网购电的总购电成本和时刻t时的主网电力市场实时节点边际电价，RRES为配电网运营商向光伏电场PV和规模化沼气工程购电的总成本，
Figure FDA0003941758940000031
和
Figure FDA0003941758940000032
分别为时刻t时向第p个光伏电场和第g座规模化沼气工程购电电量，Rloss为网损成本，RPen为配电网反向潮流馈入主网的惩罚成本，Iijt为节点i到节点j的电流均方值，Rij为节点i，j之间的电力线路电阻值，SL为配电网电力线路集合，l为为对应于每条电力线路编号的下标，SK为所有节点的集合，
Figure FDA0003941758940000033
其中下标i，j，k均为网络节点，并满足隶属关系
Figure FDA0003941758940000034
SW为与主网相连接的变电站集合，SG为所有规模化沼气工程的集合，用于表征规模化沼气工程在配网的节点位置关系，SA为区域内所有需求响应负荷供应商的集合；
所述的电力交易双层优化模型充分考虑配电网的网架结构特性，采用二阶锥形式的潮流模型，该模型包括：
Figure FDA0003941758940000035
Figure FDA0003941758940000036
Figure FDA0003941758940000037
Figure FDA0003941758940000038
Figure FDA0003941758940000039
其中：Xij和Zij为节点i和j之间的电力线路电感值和电抗值，Vit为节点i的电压均方值，Vi min和Vi max分别是电压均方值上限和下限，Imin和Imax分别是电流均方值上限和下限，Sw,max为变电站w最大输出容量，Pikt，Qikt，Sikt分别为时刻t时从节点i流向节点k的有功潮流、无功潮流和视在潮流，
Figure FDA00039417589400000310
分别为时刻t时节点k的用户负荷削减后有功负荷和无功负荷，
Figure FDA00039417589400000311
为节点k的实施负荷削减前的预测有功负荷需求，drkt为节点k参与负荷削减计划的程度，
Figure FDA00039417589400000312
和
Figure FDA00039417589400000313
分别为变电站和规模化沼气工程的无功出力，ηPQ为功率因子，
Figure FDA00039417589400000314
为配电网注入规模化沼气工程用于电加热的有功功率，Ωk为位于节点k的所有设备集合，包括：规模化沼气工程、光伏电场，变电站，∏k为与节点k相连接的所有其他节点的集合；
所述的电力交易双层优化模型的下层优化模型包括：
Figure FDA00039417589400000315
Figure FDA00039417589400000316
Figure FDA00039417589400000317
其中：
Figure FDA00039417589400000318
分别需求响应负荷供应商可聚合的有功负荷削减量的下限和上限，
Figure FDA00039417589400000319
需求响应负荷供应商聚合的无功负荷削减量，
Figure FDA0003941758940000041
和
Figure FDA0003941758940000042
分别需求响应负荷供应商可聚合的无功负荷削减量下限和上限，drmax需求响应负荷供应商响应配电网运营商负荷削减调度比例的最大限额，
Figure FDA0003941758940000043
分别是对偶变量。
2.根据权利要求1所述的计及沼气发电与新能源消纳机制的配网电力交易规划方法，其特征是，所述的发酵条件包括：高温发酵、中温发酵或低温发酵中任一项，其中高温发酵为50℃～65℃，中温发酵为20℃～45℃，低温发酵为小于20℃。
3.一种实现权利要求1或2所述方法的系统，其特征在于，包括：沼气工程信息采集单元、主配网信息采集单元、模型运算处理单元以及负荷储能控制单元，其中：沼气工程信息采集单元与模型运算处理单元相连并传输沼气发酵温度、储气量信息，主配网信息采集单元与模型运算处理单元相连并传输电网电力需求、可再生能源发电功率、实时电价信息，模型运算处理单元与负荷储能控制单元相连并传输可控负荷运行策略、储能运行策略信息。
CN202110690619.XA 2021-06-22 2021-06-22 计及沼气发电与新能源消纳机制的配网电力资源优化分配方法 Active CN113313416B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110690619.XA CN113313416B (zh) 2021-06-22 2021-06-22 计及沼气发电与新能源消纳机制的配网电力资源优化分配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110690619.XA CN113313416B (zh) 2021-06-22 2021-06-22 计及沼气发电与新能源消纳机制的配网电力资源优化分配方法

Publications (2)

Publication Number Publication Date
CN113313416A CN113313416A (zh) 2021-08-27
CN113313416B true CN113313416B (zh) 2023-01-20

Family

ID=77379661

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110690619.XA Active CN113313416B (zh) 2021-06-22 2021-06-22 计及沼气发电与新能源消纳机制的配网电力资源优化分配方法

Country Status (1)

Country Link
CN (1) CN113313416B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113837577B (zh) * 2021-09-14 2024-03-19 国网河南省电力公司经济技术研究院 一种农村电热联合系统耦合元件规划方法
CN114256982A (zh) * 2021-12-24 2022-03-29 珠海格力电器股份有限公司 光储充一体的空调系统及其控制方法、存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110245839B (zh) * 2019-05-21 2023-07-14 上海国孚电力设计工程股份有限公司 基于能源共享的主动配电网电力市场双层交易方法
CN110428110A (zh) * 2019-08-08 2019-11-08 华翔翔能电气股份有限公司 基于电-光-沼多能源耦合系统的多用户能源共享方法
CN111539572B (zh) * 2020-04-26 2023-07-18 湖南大云新能电力技术有限公司 光沼微能源网的优化规划方法
CN111668878A (zh) * 2020-04-30 2020-09-15 中国电力科学研究院有限公司 一种可再生微能源网的优化配置方法和系统

Also Published As

Publication number Publication date
CN113313416A (zh) 2021-08-27

Similar Documents

Publication Publication Date Title
CN106058942B (zh) 考虑风电不确定性的含电转气和cchp的能量枢纽优化模型
Fan et al. Multi-objective optimal model of rural multi-energy complementary system with biogas cogeneration and electric vehicle considering carbon emission and satisfaction
CN106372742A (zh) 考虑电转气多源储能型微网日前最优经济调度方法
CN113313416B (zh) 计及沼气发电与新能源消纳机制的配网电力资源优化分配方法
CN113222249A (zh) 基于主从博弈的园区综合能源系统双层优化控制方法
Gholizadeh et al. An innovative energy management framework for cooperative operation management of electricity and natural gas demands
CN111738503A (zh) 以氢能为核心的综合能源微网日前运行调度方法及系统
CN111668878A (zh) 一种可再生微能源网的优化配置方法和系统
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
Jalili et al. Optimal operation of the coastal energy hub considering seawater desalination and compressed air energy storage system
Sun et al. Multi-objective robust optimization of multi-energy microgrid with waste treatment
Hu et al. Optimal dispatch of combined heat and power units based on particle swarm optimization with genetic algorithm
CN112085263A (zh) 一种用户侧分布式能源系统混合储能优化配置方法和系统
Zhu et al. Multi-objective optimization of a hybrid energy system integrated with solar-wind-PEMFC and energy storage
Tan et al. Multi time scale operation optimization of EHHGS considering equipment uncertainty and response characteristics
CN116260166B (zh) 电-气耦合的乡村光沼弹性综合能源系统及其运行模型
Wang et al. Simulation of a solar‐biogas hybrid energy system for heating, fuel supply, and power generation
CN112330103A (zh) 一种乡村微能源系统容量配置方法及系统
CN115906456A (zh) 考虑需求侧响应不确定性的含氢储能ies调度优化模型
Cao et al. Optimal operating control strategy for biogas generation under electricity spot market
CN112288216A (zh) 一种基于合作博弈的电转气装置容量规划方法及系统
Zhao et al. Economic Day-ahead scheduling of SOFC and biomass-based Integrated Tri-generation Energy System using artificial bee colony algorithm
Lei et al. Bi-level optimization configuration method for microgrids considering carbon trading and demand response
Surianu et al. Comparative study of the opportunity to use Renewable Energy Sources to supply Residential Consumers
CN116681545B (zh) 一种计及生物质-p2g耦合的设施农业园区近零碳实现方法

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