CN113610316B - 不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法 - Google Patents

不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法 Download PDF

Info

Publication number
CN113610316B
CN113610316B CN202110955504.9A CN202110955504A CN113610316B CN 113610316 B CN113610316 B CN 113610316B CN 202110955504 A CN202110955504 A CN 202110955504A CN 113610316 B CN113610316 B CN 113610316B
Authority
CN
China
Prior art keywords
load
power
electric
period
gas
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
CN202110955504.9A
Other languages
English (en)
Other versions
CN113610316A (zh
Inventor
李扬
王彬
杨震
李嘉政
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.)
Northeast Electric Power University
Original Assignee
Northeast Dianli 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 Northeast Dianli University filed Critical Northeast Dianli University
Priority to CN202110955504.9A priority Critical patent/CN113610316B/zh
Publication of CN113610316A publication Critical patent/CN113610316A/zh
Application granted granted Critical
Publication of CN113610316B publication Critical patent/CN113610316B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06312—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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/16—Energy services, e.g. dispersed generation or demand or load or energy savings aggregation

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (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)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明是一种在不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法，其特点是，首先，构建一种以实现最小运行成本为目标的园区综合能源系统(community integratedenergy system，CIES)调度模型；然后，采用序列运算理论(sequence operation theory，SOT)和线性化方法将原调度模型转化为确定性混合整数线性规划模型；最后，采用CPLEX求解器求解模型，得到全局最优解，获得CIES的最优调度方案，有效的解决了现有技术中的不足，能够有效引导用户参与需求响应，同时降低系统总运行成本，促进可再生能源的消纳，具有方法科学合理、适用性强、效果佳等优点。

Description

不确定环境下考虑综合需求响应的园区综合能源系统优化调 度方法
技术领域
本发明涉及综合能源系统经济运行的技术领域，是一种在不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法。
背景技术
随着环境污染与传统化石能源日益枯竭的问题日益突出，许多国家都在向着低碳和可持续能源领域过渡，大力发展可再生能源发电(renewable generation，RG)以及提高能源利用率已成为国际社会共识。电转气(power to gas,P2G)和燃气轮机(micro-gasturbine, MT)技术和规模的发展，使得电力和天然气系统间的耦合度逐渐增加。园区综合能源系统(community integrated energy system,CIES)作为一种能源互联网的典型示范，对于促进能源消费清洁化、提高可再生能源利用率至关重要。但是，RG固有的波动性和间歇性导致了大量可再生能源的浪费，并对CIES优化调度带来了挑战。此外，综合需求响应(integrated demand response,IDR)被证明可作为刺激需求侧资源与可再生能源相互作用的一项关键而有效的措施，有利于解决可再生能源不确定性问题。因此，通过引导用户积极参与综合需求响应，对促进可再生能源消纳，提高能源利用率具有重要意义。
目前针对CIES的调度问题，本领域已进行了一些有益的探索。然而，现有方法中很少考虑如何高效处理多种可再生能源发电的不确定性，并且以往的工作对IDR考虑不充分，特别是对天然气和热负荷的需求响应潜力挖掘不充分。据了解，迄今未见有关同时考虑IDR、旋转备用、电动汽车(electric vehicle,EV)和多个RG不确定性的CIES优化调度方法的文献报道和实际应用。
发明内容
本发明的目的是克服现有技术和研究的不足，为更好得解决不确定环境下考虑综合需求响应的园区综合能源系统优化调度问题，提供一种科学合理，能够有效引导用户参与需求响应，同时降低系统总运行成本，促进可再生能源的消纳能力，适用性强，效果佳的一种在不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法。
本发明的目的是由以下技术方案来实现的：一种不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法，其特征是，首先，构建一种以实现最小运行成本为目标的园区综合能源系统(community integrated energy system，CIES)调度模型；然后，采用序列运算理论(sequence operation theory，SOT)和线性化方法将原调度模型转化为确定性混合整数线性规划模型；最后，采用CPLEX求解器求解模型，得到全局最优解，其具体步骤包括：
1)构建园区综合能源系统物理模型；
2)建立考虑电-气-热柔性负荷和电动汽车的综合需求响应机制；
3)建立基于机会约束规划的园区综合能源系统优化调度模型；
4)基于序列运算理论，将风光出力的概率密度函数离散化，生成相应的概率性序列；
5)通过概率性序列，获得各时段风光联合出力的期望值；
6)将旋转备用的机会约束形式转化成确定性约束形式；
7)利用线性化方法将调度模型转换为混合整数线性规划形式；
8)输入初始参数；
9)设置备用容量的置信水平；
10)采用CPLEX求解器对园区综合能源系统化调度模型进行求解；
11)检查解决方案是否存在，若存在，则终止流程；否则更新置信度，转到步骤10)再次进行求解；
12)输出园区综合能源系统优化调度方案。
所述步骤1)中园区综合能源系统(community integrated energy system,CIES)物理模型包括：风机、光伏、储能装置(energy storage device,ESD)、外部电网和燃气轮机(micro- gas turbine,MT)联合为用户提供电需求，电锅炉(electric boiler,EB)、MT和储热装置(heat storage device,HSD)联合为用户提供相应的热需求，外部气网和电转气装置(power to gas, P2G)联合为用户提供相应的天然气需求。
所述步骤2)中设计考虑电-气-热柔性负荷和电动汽车的综合需求响应机制为：
①电力需求响应
电力负荷由固定负荷和柔性负荷组成，根据需求响应的特点，电力柔性负荷分为可转移负荷和可中断负荷；
a)可时移的电力负荷
可时移负荷的特征是总耗电量是恒定的，并且消耗时间可灵活改变，用式(1)、式(2) 描述:
式中，是时移的电力负荷，αTSE表示可时移负荷所占比例，/>和/>是t 时段可时移负荷的上下限；
b)可中断电力负荷
在电力供应不足或电价高的时期，用户可中断部分负荷以缓解电力供应压力，可中断负荷的相关约束用式(3)描述:
式中，和/>分别是t时段中断的电力负荷及其上限值，αIE表示可中断负荷所占比例；
②热需求响应
将建筑热需求视为热负荷，利用暂态热平衡方程将建筑温度与热需求联系起来，采用预测平均投票指标(predicted mean vote,PMV)来描述用户对室内温度变化的舒适体验，供热可中断负荷的相关约束为式(4):
式中，是中断的热负荷，/>是在t时段的中断热负荷最大值。通过引入PMV来描述用户可接受的热舒适范围；
式中，M为人体能量代谢率；Icl是服装的热阻；Ts是处于舒适状态的人体皮肤的平均温度；Tin,t是室内温度；
室内温度变化范围是
建筑物的热需求可由下式计算得到：
式中，Tout,t为t时段室外温度；K为建筑物综合传热系数；F为建筑物表面积；V为建筑物体积；cair为室内空气的比热容；ρair为室内空气的密度；
③天然气需求响应
天然气需求响应与电力需求响应相似，天然气需求响应负荷可由下式表示：
式中，和/>分别表示t时段可时移气负荷及其上下限，/>和表示t时段可中断气负荷及其上限值，αTSQ和αIQ分别为可时移气负荷和可中断气负荷所占比例；
④电动汽车模型
电动汽车到达充电站时间的概率密度函数为：
式中，μs和σs分别为电动汽车到达充电站时间的平均值和标准差；
电动汽车的日行驶里程服从正态分布，其概率密度函数为：
式中，x表示电动汽车的日行驶里程，μd和σd分别为日行驶里程的平均值和标准差；
根据电动汽车的行驶里程，电动汽车的初始充电状态为：
式中，为电动汽车n的初始电池容量，W100表示电动汽车100公里耗能，/>为电动汽车额定容量；电动汽车的充电时间计算为：
式中，Tn为电动汽车的充电时间，和/>为电动汽车的额定充电功率和效率；
为了衡量IDR对用户体验的影响，设计了用户的综合满意度指标：
式中，ms,t为用户的综合满意度，和/>为t时段初始电力负荷和实际电力负荷， Hload,t和/>为t时段初始热负荷和实际热负荷，Qload,t和/>为t时段初始天然气负荷和实际天然气负荷；
所述步骤3)中园区综合能源系统优化调度模型构建过程为：
①选取优化目标，模型以最小化CIES总运行成本作为目标函数，目标函数的表达式为：
式中，C1为能源交易成本，C2为旋转备用成本，C3为运行维护成本，C4为环境成本，C5为IDR补偿成本，和/>为分时电价和天然气价格，/>为电力负荷消耗电网功率，/>为气负荷消耗气网天然气体积，/>和δESSD分别表示为旋转备用成本系数，/>和/>表示电网和EESD提供的旋转备用容量，/>表示设备i的运维成本，Pi,t表示设备i 的功率，/>和/>表示所购电力和天然气中污染物j的排放系数，/>表示P2G过程中吸收CO2的系数，/>是污染物j的价格，γIE、γTSE、γCH、γIQ和γTSQ分别为可中断电负荷、可时移电负荷、可中断热负荷、可中断气负荷和可时移气负荷的单位补偿成本。
②确定约束条件，调度模型的约束条件包括额能量平衡约束、储能设备运行约束、电锅炉约束、P2G运行约束、燃气轮机运行约束、旋转备用约束，具体如下：
能量平衡约束：包括电力供需平衡、热功率约束和天然气平衡约束
式中，为t时段电力负荷消耗RG出力，/>为t时段电动汽车充电功率，/>为弃风弃光功率；
储能设备约束：包括储能装置功率约束和容量约束，
式中，Ct+1和Ct分别为t+1和t时段储能容量，PCH,max和PDC,max表示储能装置的最大充放功率，Cmin和Cmax分别为最大和最小储能容量，C0和分别为一个调度周期内初始和结束时的储能容量；
电锅炉运行约束：
式中，和/>表示耗电功率和供热功率，ηEB为电锅炉效率，/>和/>为电锅炉消耗电网和可再生能源功率，/>为额定供热功率；
P2G运行约束：
式中，为t时段耗电功率，ηP2G为P2G效率系数，/>和/>分别为P2G消耗电网功率和可再生能源功率，/>为t时段P2G产气体积，HHV为天然气热值，/>和/>为P2G输入功率上下限，θt为P2G运行状态变量，/>和/>为爬坡功率上下限；
燃气轮机运行约束：
式中，为MT输入天然气的体积，/>和/>分别为MT供电和供热效率系数，/>为热损失系数，/>和/>分别为MT供电和供热功率，/>和/>为MT消耗气网和P2G 气体体积，/>和/>为MT输入气体体积上下限，ψt为MT运行状态变量，/>和/>为MT爬坡能力上下限；
旋转备用约束：
式中，为电网提供的最大旋转备用，/>为可再生能源联合处理期望值，α为置信水平；/>和/>分别为风机和光伏出力；
所述步骤4)中，利用序列运算理论将光伏、风机输出功率的概率分布进行离散化处理，得到其对应的概率性序列分别为a(iat)和b(ibt)。
所述步骤5)中，t时段预测的间歇性风光共同出力的期望值计算式为：
式中，Nat为光伏出力概率序列长度，Nbt为风机出力概率序列长度，q为离散化步长，uatq为光伏第ua种状态的出力值，ubtq为风机第ub种状态的出力值；
所述步骤6)中，对旋转备用的机会约束形式进行转化，得到确定性约束形式；t时段风光共同出力所对应的概率性序列c(ict)可以利用概率性序列a(iat)和b(ibt)的卷和获得，根据卷和的定义有：
为了方便处理旋转备用约束，定义一类新的0-1变量它满足以下关系：
在t时段，当系统旋转备用容量大于风光出力期望值与风光第uct种出力的差值时取 1，否则为0；
因此旋转备用的机会约束形式可简化为：
通过上述方法，我们将基于机会约束规划的模型转换为确定性模型；
所述步骤7)中，利用线性化方法对调度模型中的分段函数和最小化因子进行处理，将调度模型转换为混合整数线性规划形式；
①由于式(38)中的表达式不兼容混合整数规划的求解形式，需要对其进行转化：
式中χ是很大的正数，当时，式(40)等价为/>χ是一个非常小的正数，由于/>是一个0-1变量，所以只能等于1，否则为0。
②消除最小化因子
为了处理目标函数中的最小化因子，我们引入了辅助变量，以为例，定义/>所以/>可以表示为：
通过引入三个连续变量w1,w2,w3和三个0-1变量z1,z2,z3，式(41)可转换为线性形式：
利用相同方法对进行处理，确定性模型将转换为混合整数线性规划模型；
所述步骤8)中，输入初始参数包括：风机参数，光伏组件参数，微燃机参数，电转气设备参数，建筑物参数，电动汽车参数，储能设备参数，电锅炉参数，调度时段数，各负荷预测值以及各变量的上下限值；
所述步骤9)中，设置备用容量的置信水平；
所述步骤10)中，采用CPLEX求解器对园区综合能源系统调度模型进行求解；
所述步骤11)中，检查解决方案是否存在：
若存在，则终止流程；否则更新置信度，转到步骤10)再次进行求解；
12)输出园区综合能源系统优化调度方案。
本发明是一种在不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法，首先，构建一种以实现最小运行成本为目标的园区综合能源系统(communityintegrated energy system，CIES)调度模型；然后，采用序列运算理论(sequenceoperation theory，SOT)和线性化方法将原调度模型转化为确定性混合整数线性规划模型；最后，采用CPLEX求解器求解模型，得到全局最优解，获得CIES的最优调度方案，有效的解决了现有技术中的不足，能够有效引导用户参与需求响应，同时降低系统总运行成本，促进可再生能源的消纳，具有方法科学合理、适用性强、效果佳等优点。
附图说明
图1是本发明的一种不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法流程框图；
图2是园区综合能源测试系统示意图；
图3是不同时段的风机和光伏出力以及电热气负荷需求；
图4是不同置信水平下的旋转备用容量；
图5是不同场景下的购能情况示意图；
图6是不同场景下的综合满意度示意图。
具体实施方式
下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。
参见图1，一种不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法，首先，构建一种以实现最小运行成本为目标的园区综合能源系统(communityintegrated energy system，CIES)调度模型；然后，采用序列运算理论(sequenceoperation theory，SOT)和线性化方法将原调度模型转化为确定性混合整数线性规划模型；最后，采用CPLEX求解器求解模型，得到全局最优解，输出最优调度方案，其具体步骤包括：
1)构建园区综合能源系统物理模型；参见图2，风机、光伏、储能装置(energystorage device,ESD)、外部电网和燃气轮机(micro-gas turbine,MT)联合为用户提供电需求，电锅炉(electric boiler,EB)、MT和储热装置(heat storage device,HSD)联合为用户提供相应的热需求，外部气网和电转气装置(power to gas,P2G)联合为用户提供相应的天然气需求。
2)建立考虑电-气-热柔性负荷和电动汽车的综合需求响应机制；
①电力需求响应
电力负荷由固定负荷和柔性负荷组成，根据需求响应的特点，电力柔性负荷分为可转移负荷和可中断负荷；
a)可时移的电力负荷
可时移负荷的特征是总耗电量是恒定的，并且消耗时间可灵活改变，用式(1)、式(2) 描述:
式中，是时移的电力负荷，αTSE表示可时移负荷所占比例，/>和/>是t 时段可时移负荷的上下限；
b)可中断电力负荷
在电力供应不足或电价高的时期，用户可中断部分负荷以缓解电力供应压力，可中断负荷的相关约束用式(3)描述:
式中，和/>分别是t时段中断的电力负荷及其上限值，αIE表示可中断负荷所占比例；
②热需求响应
将建筑热需求视为热负荷，利用暂态热平衡方程将建筑温度与热需求联系起来，采用预测平均投票指标(predicted mean vote,PMV)来描述用户对室内温度变化的舒适体验，供热可中断负荷的相关约束为式(4):
式中，是中断的热负荷，/>是在t时段的中断热负荷最大值。通过引入PMV来描述用户可接受的热舒适范围；
式中，M为人体能量代谢率；Icl是服装的热阻；Ts是处于舒适状态的人体皮肤的平均温度；Tin,t是室内温度；
室内温度变化范围是
建筑物的热需求可由下式计算得到：
式中，Tout,t为t时段室外温度；K为建筑物综合传热系数；F为建筑物表面积；V为建筑物体积；cair为室内空气的比热容；ρair为室内空气的密度；
③天然气需求响应
天然气需求响应与电力需求响应相似，天然气需求响应负荷可由下式表示：
式中，和/>分别表示t时段可时移气负荷及其上下限，/>和表示t时段可中断气负荷及其上限值，αTSQ和αIQ分别为可时移气负荷和可中断气负荷所占比例；
④电动汽车模型
电动汽车到达充电站时间的概率密度函数为：
式中，μs和σs分别为电动汽车到达充电站时间的平均值和标准差；
电动汽车的日行驶里程服从正态分布，其概率密度函数为：
式中，x表示电动汽车的日行驶里程，μd和σd分别为日行驶里程的平均值和标准差；
根据电动汽车的行驶里程，电动汽车的初始充电状态为：
式中，为电动汽车n的初始电池容量，W100表示电动汽车100公里耗能，/>为电动汽车额定容量；电动汽车的充电时间计算为：
式中，Tn为电动汽车的充电时间，和/>为电动汽车的额定充电功率和效率；
为了衡量IDR对用户体验的影响，设计了用户的综合满意度指标：
式中，ms,t为用户的综合满意度，和/>为t时段初始电力负荷和实际电力负荷，Hload,t和/>为t时段初始热负荷和实际热负荷，Qload,t和/>为t时段初始天然气负荷和实际天然气负荷；
2)建立基于机会约束规划的园区综合能源系统优化调度模型；
①选取优化目标，模型以最小化CIES总运行成本作为目标函数，目标函数的表达式为：
式中，C1为能源交易成本，C2为旋转备用成本，C3为运行维护成本，C4为环境成本，C5为IDR补偿成本，和/>为分时电价和天然气价格，/>为电力负荷消耗电网功率，/>为气负荷消耗气网天然气体积，/>和δESSD分别表示为旋转备用成本系数，/>和/>表示电网和EESD提供的旋转备用容量，/>表示设备i的运维成本，Pi,t表示设备i 的功率，/>和/>表示所购电力和天然气中污染物j的排放系数，/>表示P2G过程中吸收CO2的系数，/>是污染物j的价格，γIE、γTSE、γCH、γIQ和γTSQ分别为可中断电负荷、可时移电负荷、可中断热负荷、可中断气负荷和可时移气负荷的单位补偿成本。
②确定约束条件，调度模型的约束条件包括额能量平衡约束、储能设备运行约束、电锅炉约束、P2G运行约束、燃气轮机运行约束、旋转备用约束，具体如下：
能量平衡约束：包括电力供需平衡、热功率约束和天然气平衡约束
式中，为t时段电力负荷消耗RG出力，/>为t时段电动汽车充电功率，/>为弃风弃光功率；
储能设备约束：包括储能装置功率约束和容量约束，
式中，Ct+1和Ct分别为t+1和t时段储能容量，PCH,max和PDC,max表示储能装置的最大充放功率，Cmin和Cmax分别为最大和最小储能容量，C0和分别为一个调度周期内初始和结束时的储能容量；
电锅炉运行约束：
式中，和/>表示耗电功率和供热功率，ηEB为电锅炉效率，/>和/>为电锅炉消耗电网和可再生能源功率，/>为额定供热功率；
P2G运行约束：
式中，为t时段耗电功率，ηP2G为P2G效率系数，/>和/>分别为P2G消耗电网功率和可再生能源功率，/>为t时段P2G产气体积，HHV为天然气热值，/>和/>为P2G输入功率上下限，θt为P2G运行状态变量，/>和/>为爬坡功率上下限；
燃气轮机运行约束：
式中，为MT输入天然气的体积，/>和/>分别为MT供电和供热效率系数，/>为热损失系数，/>和/>分别为MT供电和供热功率，/>和/>为MT消耗气网和P2G 气体体积，/>和/>为MT输入气体体积上下限，ψt为MT运行状态变量，/>和/>为MT爬坡能力上下限；
旋转备用约束：
式中，为电网提供的最大旋转备用，/>为可再生能源联合处理期望值，α为置信水平；/>和/>分别为风机和光伏出力；
4)利用序列运算理论将光伏、风机输出功率的概率分布进行离散化处理，得到其对应的概率性序列分别为a(iat)和b(ibt)。
5)通过概率性序列，获得各时段风光联合出力的期望值；t时段预测的间歇性风光共同出力的期望值计算式为：
式中，Nat为光伏出力概率序列长度，Nbt为风机出力概率序列长度，q为离散化步长， uatq为光伏第ua种状态的出力值，ubtq为风机第ub种状态的出力值；
6)对旋转备用的机会约束形式进行转化，得到确定性约束形式；t时段风光共同出力所对应的概率性序列c(ict)可以利用概率性序列a(iat)和b(ibt)的卷和获得，根据卷和的定义有：
为了方便处理旋转备用约束，定义一类新的0-1变量它满足以下关系：
在t时段，当系统旋转备用容量大于风光出力期望值与风光第uct种出力的差值时取 1，否则为0；
因此旋转备用的机会约束形式可简化为：
通过上述方法，我们将基于机会约束规划的模型转换为确定性模型；
7)利用线性化方法对调度模型中的分段函数和最小化因子进行处理，将模型转换为混合整数线性规划形式；
①由于式(38)中的表达式不兼容混合整数规划的求解形式，需要对其进行转化：
式中χ是很大的正数，当时，式(40)等价为/>χ是一个非常小的正数，由于/>是一个0-1变量，所以只能等于1，否则为0。
②消除最小化因子
为了处理目标函数中的最小化因子，我们引入了辅助变量，以为例，定义/>所以/>可以表示为：
通过引入三个连续变量w1,w2,w3和三个0-1变量z1,z2,z3，式(41)可转换为线性形式：
利用相同方法对进行处理，确定性模型将转换为混合整数线性规划模型；
8)输入初始参数包括：风机参数，光伏组件参数，微燃机参数，电转气设备参数，建筑物参数，电动汽车参数，储能设备参数，电锅炉参数，调度时段数，各负荷预测值以及各变量的上下限值；
9)设置备用容量的置信水平；
10)采用CPLEX求解器对园区综合能源系统调度模型进行求解；
11)检查解决方案是否存在：
若存在，则终止流程；否则更新置信度，转到步骤10)再次进行求解；
12)输出园区综合能源系统优化调度方案。
图2是园区综合能源测试系统示意图，实施例是本发明的一种不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法在此系统上的具体应用。该园区综合能源系统包括一组风机和光伏发电装置，一个电储能装置，一个储热罐装置，一个电转气装置，一个燃气轮机，一个电锅炉和一个电动汽车充电站。
图3是该测试系统不同时段的风机和光伏发电量以及电热负荷需求。
基于所提出的调度方法，所得的不同置信水平下旋转备用容量如图4所示；所得的不同场景下的购能情况和综合满意度示意图分别如图5和图6所示。
由图4可以看出，随着置信度的增加，所需备用容量逐渐增加，提高了系统运行的可靠性。但是，这将增加CIES的运营成本。因此，选择合适的置信水平以平衡系统运行的可靠性和经济性至关重要。
由图5可以看出，购能计划在不同场景下存在明显差异。具体来说，在所提调度场景下园区综合能源系统分别在低谷时段购买电力和在非谷时段购买天然气。这是因为燃气轮机被优先使用来提供所需的电能和热能；而在低谷时段，P2G的参与使得购电功率大幅度提高，进一步提升了园区综合能源系统的运行经济性。
由图6可以看出，所提调度场景下的用户综合满意度普遍高于其它场景。这表明P2G 和燃气轮机的参与提高了园区综合能源系统的运行灵活性，使系统能更好地满足用户的负荷需求。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (1)

1.一种在不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法，其特征是，它包括以下步骤：
1)构建园区综合能源系统物理模型；风机、光伏、储电装置、外部电网和微燃机联合为用户提供电需求，电锅炉、微燃机和储热装置联合为用户提供相应的热需求，外部气网和电转气装置联合为用户提供相应的天然气需求;
2)建立考虑电-气-热柔性负荷和电动汽车的综合需求响应机制；
①电力需求响应
电力负荷由固定负荷和柔性负荷组成，根据需求响应的特点，电力柔性负荷分为可转移负荷和可中断负荷；
a)可时移的电力负荷
可时移负荷的特征是总耗电量是恒定的，并且消耗时间可灵活改变，用式(1)、式(2)描述:
式中，Pt TSE是t时段时移的电力负荷，αTSE表示可时移负荷所占比例，和/>是t时段可时移负荷的上下限；T为整个调度周期；
b)可中断电力负荷
在电力供应不足或电价高的时期，用户可中断部分负荷以缓解电力供应压力，可中断负荷的相关约束用式(3)描述:
式中，Pt IE和分别是t时段中断的电力负荷及其上限值，αIE表示可中断负荷所占比例；
②热需求响应
将建筑热需求视为热负荷，利用暂态热平衡方程将建筑温度与热需求联系起来，采用预测平均投票指标predicted mean vote,PMV来描述用户对室内温度变化的舒适体验，供热可中断负荷的相关约束为式(4):
式中，是中断的热负荷，/>是在t时段的中断热负荷最大值，通过引入PMV来描述用户可接受的热舒适范围；
式中，M为人体能量代谢率；Icl是服装的热阻；Ts是处于舒适状态的人体皮肤的平均温度；Tin,t是室内温度；
室内温度变化范围是
建筑物的热需求可由下式计算得到：
式中，Tout,t为t时段室外温度；Δt为时间变化量；K为建筑物综合传热系数；F为建筑物表面积；V为建筑物体积；cair为室内空气的比热容；ρair为室内空气的密度；
③天然气需求响应
天然气需求响应与电力需求响应相似，天然气需求响应负荷可由下式表示：
式中，和/>分别表示t时段可时移气负荷及其上下限，/>和表示t时段可中断气负荷及其上限值，αTSQ和αIQ分别为可时移气负荷和可中断气负荷所占比例；
④电动汽车模型
电动汽车到达充电站时间的概率密度函数为：
式中，μs和σs分别为电动汽车到达充电站时间的平均值和标准差；
电动汽车的日行驶里程服从正态分布，其概率密度函数为：
式中，x表示电动汽车的日行驶里程，μd和σd分别为日行驶里程的平均值和标准差；
根据电动汽车的行驶里程，电动汽车n的行驶后充电状态为：
式中，为电动汽车n行驶后的充电状态，/>为电动汽车n在行驶前的初始电池荷电状态，W100表示电动汽车100公里耗能，xn为电动汽车n所行驶的距离，/>为电动汽车额定容量；电动汽车的充电时间计算为：
式中，Tn为电动汽车的充电时间，和/>为电动汽车的额定充电功率和效率；
为了衡量综合需求响应对用户体验的影响，设计了用户的综合满意度指标：
式中，ms,t为用户的综合满意度，和Pload,t为t时段初始电力负荷和实际电力负荷，Hload,t和/>为t时段初始热负荷和实际热负荷，Qload,t和/>为t时段初始天然气负荷和实际天然气负荷；
3)建立基于机会约束规划的园区综合能源系统优化调度模型；
①选取优化目标，模型以最小化园区综合能源系统总运行成本作为目标函数，目标函数的表达式为：
式中，OF为系统总运行成本，C1为购能成本，C2为旋转备用成本，C3为运行维护成本，C4为环境成本，C5为综合需求响应补偿成本，和/>为分时电价和天然气价格，/>和分别为电力负荷、热力负荷和电转气装置消耗的电网功率，/>为气负荷消耗气网天然气体积，/>和δESD分别为t时段电网和储电装置提供备用容量的成本系数，/>和/>分别表示t时段电网和储电装置提供的备用容量，/>表示设备l的运维成本，Pl,t表示设备l的功率，/>和/>表示所购电力和天然气中污染物j的排放系数，/>表示电转气过程中吸收CO2的系数，θj是污染物j的排放成本系数，HHV为天然气高热值，Pt P2G为t时段电转气装置耗电功率，γIE、γTSE、γCH、γIQ和γTSQ分别为可中断电负荷、可时移电负荷、可中断热负荷、可中断气负荷和可时移气负荷的补偿价格。
②确定约束条件，调度模型的约束条件包括额能量平衡约束、储能设备运行约束、电锅炉约束、电转气装置运行约束、燃气轮机运行约束、旋转备用约束，具体如下：
能量平衡约束：包括电力供需平衡、热功率约束和天然气平衡约束
式中，为t时段电力负荷消耗RG出力，Pt EV为t时段电动汽车充电功率，Pt s为弃风弃光功率；
储能设备约束：包括储能装置功率约束和容量约束，
式中，Ct+1和Ct分别为t+1和t时段储能容量，PCH,max和PDC,max表示储能装置的最大充放功率，Cmin和Cmax分别为最大和最小储能容量，C0和CTend分别为一个调度周期内初始和结束时的储能容量；
电锅炉运行约束：
式中，Pt EB和表示电锅炉的耗电功率和供热功率，ηEB为电锅炉效率，/>和/>为电锅炉消耗电网和可再生能源功率，/>为额定供热功率；
电转气装置运行约束：
式中，Pt P2G为t时段耗电功率，ηP2G为电转气装置的效率系数，为电转气装置消耗可再生能源功率，/>为t时段电转气装置产气体积，/>和/>为电转气装置输入功率上下限，θt为电转气装置运行状态变量，/>和/>为爬坡功率上下限；
燃气轮机运行约束：
式中，为微燃机输入天然气的体积，/>和/>分别为微燃机供电和供热效率系数，为热损失系数，Pt MT和/>分别为微燃机供电和供热功率，/>和/>为微燃机消耗气网和电转气装置气体体积，/>和/>为微燃机输入气体体积上下限，ψt为微燃机运行状态变量，/>和/>为微燃机爬坡能力上下限；
旋转备用约束：
式中，为电网提供的最大旋转备用，E(Pt DG)为可再生能源联合处理期望值，α为置信水平；Pt WT和Pt PV分别为风机和光伏出力；
4)利用序列运算理论将光伏、风机输出功率的概率分布进行离散化处理，得到其对应的概率性序列分别为a(iat)和b(ibt)。
5)通过概率性序列，获得各时段风光联合出力的期望值；t时段预测的间歇性风光共同出力的期望值E(Pt DG)计算式为：
式中，Nat为光伏出力概率序列长度，Nbt为风机出力概率序列长度，q为离散化步长，uatq为光伏第ua种状态的出力值，ubtq为风机第ub种状态的出力值；
6)对旋转备用的机会约束形式进行转化，得到确定性约束形式；t时段风光共同出力所对应的概率性序列c(ict)可以利用概率性序列a(iat)和b(ibt)的卷和获得，根据卷和的定义有：
为了方便处理旋转备用约束，定义一类新的0-1变量它满足以下关系：
在t时段，当系统旋转备用容量大于风光出力期望值与风光第uct种出力的差值时取1，否则为0；
因此旋转备用的机会约束形式可简化为：
通过上述方法，我们将基于机会约束规划的模型转换为确定性模型；
7)利用线性化方法对调度模型中的分段函数和最小化因子进行处理，将模型转换为混合整数线性规划形式；
①由于式(38)中的表达式不兼容混合整数规划的求解形式，需要对其进行转化：
式中，χ是很大的正数，当时，式(40)等价为τ≤Zuct≤τ+1，τ是一个非常小的正数，由于Zuct是一个0-1变量，所以它只能取1，否则取0。
②消除最小化因子
为了处理目标函数中的最小化因子，我们引入了辅助变量，以min{Pt TSE,0}为例，定义g(Pt TSE)＝min{Pt TSE,0}，所以g(Pt TSE)可以表示为：
通过引入三个连续变量和三个0-1变量，式(41)可转换为线性形式：
式中，w1,t、w2,t和w3,t表示连续辅助变量，z1,t、z2,t和z3,t表示0-1辅助变量，利用相同方法对进行处理，确定性模型将转换为混合整数线性规划模型；
8)输入初始参数包括：风机参数，光伏组件参数，微燃机参数，电转气设备参数，建筑物参数，电动汽车参数，储能设备参数，电锅炉参数，调度时段数，各负荷预测值以及各变量的上下限值；
9)设置备用容量的置信水平；
10)采用CPLEX求解器对园区综合能源系统调度模型进行求解；
11)检查解决方案是否存在：
若存在，则终止流程；否则更新置信度，转到步骤10)再次进行求解；
12)输出园区综合能源系统优化调度方案。
CN202110955504.9A 2021-08-19 2021-08-19 不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法 Active CN113610316B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110955504.9A CN113610316B (zh) 2021-08-19 2021-08-19 不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110955504.9A CN113610316B (zh) 2021-08-19 2021-08-19 不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法

Publications (2)

Publication Number Publication Date
CN113610316A CN113610316A (zh) 2021-11-05
CN113610316B true CN113610316B (zh) 2023-10-03

Family

ID=78341337

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110955504.9A Active CN113610316B (zh) 2021-08-19 2021-08-19 不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法

Country Status (1)

Country Link
CN (1) CN113610316B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115906488B (zh) * 2022-11-25 2024-01-23 国网江苏省电力有限公司电力科学研究院 一种用于楼宇综合能源系统的优化调度方法
CN116706902B (zh) * 2023-08-03 2023-11-14 国网湖北省电力有限公司营销服务中心(计量中心) 区域内居民用电优化方法、电子设备和计算机可读介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886469A (zh) * 2019-01-23 2019-06-14 华北电力大学 一种区域综合能源系统需求侧管理方法
CN110535128A (zh) * 2019-09-05 2019-12-03 东北大学 基于用能舒适度的多区域综合能源系统协同调度方法
CN110912120A (zh) * 2019-11-26 2020-03-24 东北电力大学 考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法
CN111614121A (zh) * 2020-06-04 2020-09-01 四川大学 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
CN112950098A (zh) * 2021-04-29 2021-06-11 国网综合能源服务集团有限公司 基于综合能源系统的能源规划方法、装置及终端设备
CN113112087A (zh) * 2021-04-23 2021-07-13 国网宁夏电力有限公司经济技术研究院 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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109886469A (zh) * 2019-01-23 2019-06-14 华北电力大学 一种区域综合能源系统需求侧管理方法
CN110535128A (zh) * 2019-09-05 2019-12-03 东北大学 基于用能舒适度的多区域综合能源系统协同调度方法
CN110912120A (zh) * 2019-11-26 2020-03-24 东北电力大学 考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法
CN111614121A (zh) * 2020-06-04 2020-09-01 四川大学 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
CN113112087A (zh) * 2021-04-23 2021-07-13 国网宁夏电力有限公司经济技术研究院 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
CN112950098A (zh) * 2021-04-29 2021-06-11 国网综合能源服务集团有限公司 基于综合能源系统的能源规划方法、装置及终端设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
武赓 ; 武庆国 ; 王昊婧 ; 王雨晴 ; 曾博 ; 曾鸣 ; .考虑风险规避的综合能源服务商能源购置策略.电力自动化设备.2019,(06),17-25. *

Also Published As

Publication number Publication date
CN113610316A (zh) 2021-11-05

Similar Documents

Publication Publication Date Title
Yang et al. Multi-time scale optimal scheduling of regional integrated energy systems considering integrated demand response
Pahlavan et al. Assessment of PV-based CHP system: The effect of heat recovery factor and fuel type
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
CN113610316B (zh) 不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法
CN112701687B (zh) 考虑价格型联合需求响应的气电配网系统鲁棒优化运行方法
Tabar et al. Achieving a nearly zero energy structure by a novel framework including energy recovery and conversion, carbon capture and demand response
Sun et al. Multi-objective robust optimization of multi-energy microgrid with waste treatment
CN112671040A (zh) 一种考虑新能源消纳最大的多能互补系统日前优化调度方法
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
Liu et al. Optimal scheduling of multi-source microgrid considering power to gas technology and wind power uncertainty
Renaldi et al. Experience rates of low-carbon domestic heating technologies in the United Kingdom
Deckmyn et al. Multi-objective optimization for environomic scheduling in microgrids
Wu et al. Research on the optimization of combined heat and power microgrids with renewable energy
Lin et al. Dynamic optimal dispatch of combined heating and power microgrid based on leapfrog firefly algorithm
Sadullaev et al. Micro-grid based power supply of remote consumers located away from the centralized power grid
Sun et al. Optimization model of Multi-energy system based on multi-source energy storage
Chen et al. A multi-energy microgrid modelling and optimization method based on exergy theory
Wang et al. Distributed optimal scheduling for multi-prosumers with CHP and heat storage based on ADMM
Bando et al. Optimal operation planning of a photovoltaic-cogeneration-battery hybrid system
Gao et al. A Review of Optimization of Microgrid Operation. Energies 2021, 14, 2842
Ma et al. Optimization of Integrated Energy System Scheduling Considering Stepped Carbon Emission Trading Mechanism and Electricity Heat Demand Response
Ye et al. Research on optimal design and control method of integrated energy system based on improved cloud adaptive particle swarm
Liu et al. Optimal operation of regional integrated energy system considering energy storage and conversion
Jinglin et al. Multi-objective Collaborative Planning Method for Micro-energy Systems Considering Thermoelectric Coupling Clusters
CN113722911B (zh) 一种可再生能源枢纽投资组合优化方法和存储介质

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
GR01 Patent grant
GR01 Patent grant