CN113673738B - 基于供需响应与可调场景的综合能源系统优化配置方法 - Google Patents
基于供需响应与可调场景的综合能源系统优化配置方法 Download PDFInfo
- Publication number
- CN113673738B CN113673738B CN202110198197.4A CN202110198197A CN113673738B CN 113673738 B CN113673738 B CN 113673738B CN 202110198197 A CN202110198197 A CN 202110198197A CN 113673738 B CN113673738 B CN 113673738B
- Authority
- CN
- China
- Prior art keywords
- energy
- scene
- load
- robust
- park
- 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
- 230000004044 response Effects 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005457 optimization Methods 0.000 claims abstract description 34
- 230000007613 environmental effect Effects 0.000 claims abstract description 9
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 238000006243 chemical reaction Methods 0.000 claims description 42
- 238000004146 energy storage Methods 0.000 claims description 36
- 238000004519 manufacturing process Methods 0.000 claims description 35
- 239000011159 matrix material Substances 0.000 claims description 35
- 238000012423 maintenance Methods 0.000 claims description 24
- 230000005611 electricity Effects 0.000 claims description 19
- 229910052799 carbon Inorganic materials 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 14
- 150000001875 compounds Chemical class 0.000 claims description 11
- 238000005520 cutting process Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 10
- 238000012163 sequencing technique Methods 0.000 claims description 10
- 230000007704 transition Effects 0.000 claims description 9
- 238000009434 installation Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 8
- 238000004088 simulation Methods 0.000 claims description 8
- 238000002485 combustion reaction Methods 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 238000010521 absorption reaction Methods 0.000 claims description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000036586 afterload Effects 0.000 claims description 2
- 239000002245 particle Substances 0.000 claims description 2
- 230000032683 aging Effects 0.000 claims 1
- 230000000739 chaotic effect Effects 0.000 claims 1
- 101150067055 minC gene Proteins 0.000 claims 1
- 239000007789 gas Substances 0.000 description 21
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 10
- 238000005338 heat storage Methods 0.000 description 5
- 239000003345 natural gas Substances 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于供需响应与可调场景的综合能源系统优化配置方法:建立园区综合能源系统的能源供需响应模型,并基于规划的鲁棒性要求生成风光荷鲁棒可调典型场景集;计及园区综合能源系统在规划和运行阶段的经济性、环保性、鲁棒性和用户满意度要求,建立园区综合能源系统的上层规划模型和园区综合能源系统的下层运行模型;将园区综合能源系统的上层规划模型和园区综合能源系统的下层运行模型相结合,共同构成规划运行协同优化的园区综合能源系统双层优化配置模型,并采用智能优化算法结合混合整数线性规划方法进行模型求解。本发明统筹考虑了系统在规划和运行阶段的影响因素,能有效实现规划方案的经济性、鲁棒性、环保性和用户满意度的协调优化。
Description
技术领域
本发明涉及一种综合能源系统优化配置方法。特别是涉及一种基于供需响应与可调场景的综合能源系统优化配置方法。
背景技术
随着全球化石能源的日益枯竭和环境污染问题的逐渐加剧,世界能源格局面临着巨大挑战,可再生能源如太阳能、风能、地热能等能够有效缓解能源供需矛盾、降低污染气体排放,已经越来越受到人们的重视。综合能源系统作为多能耦合的重要载体,集成了冷、热、电、气等多种能源形式,能够实现对各类能源的协同规划和统一调度,促进能量的梯级高效利用,已成为当今能源系统发展的重要方向。
综合能源系统主要由能源网络、能源生产、能源转换、能源存储和能源消费环节组成,是一个复杂的多能耦合系统。由于综合能源系统内多类用户存在多元化的用能需求,并且不同类型能源之间通过能源设备紧密耦合、灵活转化,给系统的规划设计带来了较大困难。已有文献多未充分计及能源供应侧和需求侧在综合能源系统规划中的互动响应特性,并且规划模型对运行场景模拟的考虑不够充分,较难实现规划方案的经济性和鲁棒性间的合理均衡。因此,基于供需响应与可调场景的综合能源系统优化配置研究具有重要意义。
发明内容
本发明所要解决的技术问题是,提供一种能够充分发挥能源供需双侧调控优势、合理兼顾规划方案经济性与鲁棒性的基于供需响应与可调场景的综合能源系统优化配置方法。
本发明所采用的技术方案是:一种基于供需响应与可调场景的综合能源系统优化配置方法,包括如下步骤:
1)建立园区综合能源系统的能源供需响应模型,并基于规划的鲁棒性要求生成风光荷鲁棒可调典型场景集;
2)计及园区综合能源系统在规划和运行阶段的经济性、环保性、鲁棒性和用户满意度要求,建立园区综合能源系统的上层规划模型和园区综合能源系统的下层运行模型;
3)将步骤2)所建立园区综合能源系统的上层规划模型和园区综合能源系统的下层运行模型相结合,共同构成规划运行协同优化的园区综合能源系统双层优化配置模型,并采用智能优化算法结合混合整数线性规划方法进行模型求解。
本发明的基于供需响应与可调场景的综合能源系统优化配置方法,具有如下优点:
1、本发明统筹考虑了系统在规划和运行阶段的影响因素,能有效实现规划方案的经济性、鲁棒性、环保性和用户满意度的协调优化。
2、本发明通过将供需响应策略和鲁棒可调场景引入综合能源系统的优化配置中,能够有效促进园区的能量供需平衡。
3、本发明能够有效发挥冷、热、电、气多种能源间的互补共济优势,降低系统年化总成本。
附图说明
图1是本发明中规划运行协同优化的园区综合能源系统双层优化配置模型求解流程图;
图2是本发明实例中园区综合能源系统具体结构图;
图3a是本发明实例中园区在过渡季典型日的能源负荷曲线;
图3b是本发明实例中园区在夏季典型日的能源负荷曲线;
图3c是本发明实例中园区在冬季典型日的能源负荷曲线;
图3d是本发明实例中园区在各典型日的光照强度曲线;
图3e是本发明实例中园区在各典型日的风速曲线;
图4a是本发明实例中园区在过渡季典型日的电能供需能流优化调度结果;
图4b是本发明实例中园区在过渡季典型日的天然气供需能流优化调度结果;
图4c是本发明实例中园区在冬季典型日的热能供需能流优化调度结果;
图4d是本发明实例中园区在夏季典型日的冷能供需能流优化调度结果;
图5是本发明实例中不同鲁棒可调参数下的园区配置年化总成本。
具体实施方式
下面结合实施例和附图对本发明的基于供需响应与可调场景的综合能源系统优化配置方法做出详细说明。
本发明的基于供需响应与可调场景的综合能源系统优化配置方法,包括如下步骤:
1)建立园区综合能源系统的能源供需响应模型,并基于规划的鲁棒性要求生成风光荷鲁棒可调典型场景集;其中:
(1)所述的园区综合能源系统的能源供需响应模型,是考虑了园区能源输入、能源生产、能源转换、能源存储环节的协调配合和能源负荷的多类型需求响应模式,具体模型如下:
式中,为需求响应前的能源负荷矩阵;ΔLin、ΔLsft、ΔLrpl、ΔLcut分别为能源负荷的削减型响应量矩阵、时移型响应量矩阵、替代型响应量矩阵和紧急切除型响应量矩阵;Pin、Pde、Ptr和Pst分别为园区能源输入、能源生产、能源转换、能源存储变量矩阵;Cin、Cde、Ctr和Cst分别为园区能源输入、能源生产、能源转换、能源存储耦合系数矩阵。其中,P可具体表示为:
式中,ηt、ηhe分别为变压器和热交换器的变换效率;Pb、Gb、Hb分别为园区的购电、购气、购热功率;Ppv、Pwt分别为光伏、风机的输出功率;分别为微燃机的气转电和气转热效率;ηec、ηac分别为电制冷机和吸收式制冷机的制冷系数;Hng为天然气的低热值,取9.7kWh/m3;Gmt、Pec、Hac分别为微燃机的天然气耗量、电制冷机的耗电功率和吸收式制冷机的耗热功率;Pes,d、Pgs,d、Phs,d、Pcs,d分别为储电、储气、储热、储冷的放能功率;Pes,c、Pgs,c、Phs,c、Pcs,c分别为储电、储气、储热、储冷的充能功率。
(2)所述的基于规划的鲁棒性要求生成风光荷鲁棒可调典型场景集具体为:
针对风光出力和负荷功率的不确定性,采用拉丁超立方抽样技术进行分层抽样和打乱排序,模拟得到N个风光荷场景;针对模拟生成的风光荷场景,根据生成场景与原始典型场景间的鲁棒距离进行场景排序,并基于对规划方案的鲁棒性要求筛选得到N1个风光荷场景;采用反向场景削减法将N1个风光荷场景削减至N2个,得到最终的风光荷鲁棒可调典型场景集。其中:
(2.1)所述的针对风光等分布式能源出力和负荷功率的不确定性,采用拉丁超立方抽样技术进行分层抽样和打乱排序,模拟得到N个风光荷场景。具体为:
(2.1.1)分层抽样
将m维随机向量(ξ1,ξ2,…,ξm)的每一维等分为N个概率区间,并在每一维的每个区间里随机抽取一个数,然后作逆变换求得ξmn作为ξm的第n次采样值,表示为:
(2.1.2)打乱排序
为保持各维随机变量样本间的独立性,将初始采样矩阵S0中每一列的元素重新排列,形成风光荷采样矩阵S;
(2.2)所述的针对模拟生成的风光荷场景,根据生成场景与原始典型场景间的鲁棒距离进行场景排序,并基于对规划方案的鲁棒性要求筛选得到N1个风光荷场景,具体为:
(2.2.1)场景排序
定义第n个生成场景(ξn1,ξn2,…,ξnm)与原始典型场景(ξ01,ξ02,…,ξ0m)间的鲁棒距离为dn,robust,实质上是通过计算第n个生成场景与原始场景的供需不平衡量偏移距离对第n个生成场景的鲁棒性进行表征,表示为:
式中,第n个生成场景的i+1~m维表示能源需求侧的随机变量,第n个生成场景的1~i维表示能源供应侧的随机变量;根据鲁棒距离大小对各场景进行排序,得到鲁棒排序矩阵S1;
(2.2.2)场景筛选
基于对规划方案的鲁棒性要求从N个风光荷场景中筛选出N1个,得到鲁棒筛选矩阵S2,鲁棒可调参数为Γ且Γ∈[0,1],NΓ=N·Γ取整,则
S2=S1([NΓ-N1/2+1,NΓ+N1/2],1:m)。
(2.3)所述的采用反向场景削减法将N1个风光荷场景削减至N2个,得到最终的风光荷鲁棒可调典型场景集,具体为:
(2.3.1)置初始场景数N*=N1,各场景概率Pi=1/N1;
(2.3.2)计算任意2个场景间的欧氏距离dij;
dij=||(ξi1,ξi2,…,ξim)-(ξj1,ξj2,…,ξjm)||;
(2.3.3)对于场景(ξi1,ξi2,…,ξim),寻找与其距离最近的场景(ξj1,ξj2,…,ξjm),并与Pi相乘,记为PKD,i=Pi…mindij,i≠j;
(2.3.4)寻找PKD,i值最小的场景,并将其发生概率累加到距其最近的场景(ξj1,ξj2,…,ξjm)上,即令Pj=Pj+Pi,然后将场景(ξi1,ξi2,…,ξim)削减;
2)计及园区综合能源系统在规划和运行阶段的经济性、环保性、鲁棒性和用户满意度要求,建立园区综合能源系统的上层规划模型和园区综合能源系统的下层运行模型;
(1)所述的园区综合能源系统的上层规划模型,是以系统年化总成本Ctotal最小为目标函数,以设备配置数量和容量约束、能量供需约束为约束条件;
(1.1)所述的目标函数表达式如下:
min Ctotal=Cinv+Cop+Com,f-Cre
式中,Ctotal为园区综合能源系统的年化总成本,包括年化投资成本Cinv、年运行成本Cop、年固定维护成本Com,f和年化设备残值Cre;其中,
(1.1.1)年化投资成本
式中,下标sup、con和sto分别表示能源生产设备、能源转换设备和能源存储设备;上标m、n和o分别为对应的能源生产设备、能源转换设备和能源存储设备的编号;Ωm、Ωn和Ωo分别为对应的能源生产设备、能源转换设备和能源存储设备构成的集合;Csup、 分别为能源生产设备的投资成本、等年值因子、单位容量投资成本、配置数量、安装容量;Ccon、分别为能源转换设备的投资成本、等年值因子、单位容量投资成本、配置数量、安装容量;Csto、分别为能源存储设备的投资成本、等年值因子、单位容量投资成本、配置数量、安装容量;
(1.1.2)年运行成本
式中,Cbuy、Com、Cep、Cdr分别为年购能成本、年可变运维成本、年环境成本和年需求响应成本;Dy为全年总天数;θy为典型季节y的天数的全年占比;Y为典型季节集合,包括夏季、冬季和过渡季;Prs为鲁棒可调场景s的概率;为鲁棒可调典型场景集;Cbuy,y,s、Com,y,s、Cep,y,s和Cdr,y,s分别为典型季节y中鲁棒可调场景s下园区的购能成本、可变运维成本、环境成本和需求响应成本;
(1.1.3)年固定维护成本
(1.1.4)年化设备残值
式中,Csup,re、Ccon,re和Csto,re分别为能源生产设备、能源转换设备和能源存储设备的年化设备残值;和分别表示能源生产设备、能源转换设备和能源存储设备的净残值率;和分别为能源生产设备、能源转换设备和能源存储设备的生命周期。
(1.2)所述的约束条件中:
(1.2.1)设备配置数量和容量约束:
(1.2.2)能量供需约束
该约束为园区冷能供需平衡约束,式中,D为冷能设备集合,包括电制冷机、吸收式制冷机和储冷设备;kd、cd和ηd分别表示能源设备d的配置数量、安装容量和转换效率;Lc,s为鲁棒可调场景s下的冷负荷;为鲁棒可调典型场景集。
(2)所述的园区综合能源系统的下层运行模型,是以系统年运行成本Cop最小为目标函数,以能量供需平衡约束、购能量约束、设备运行约束、需求响应约束和用户满意度约束为约束条件;
(2.1)所述的目标函数表达式如下:
式中:Cop为系统年运行成本,包括年购能成本Cbuy、年可变运维成本Com、年环境成本Cep和年需求响应成本Cdr;Dy为全年总天数;θy为典型季节y的天数的全年占比;Y为典型季节集合,包括夏季、冬季和过渡季;Prs为鲁棒可调场景s的概率;为鲁棒可调典型场景集;Cbuy,y,s、Com,y,s、Cep,y,s和Cdr,y,s分别为典型季节y中鲁棒可调场景s下园区的购能成本、可变运维成本、环境成本和需求响应成本;其中,
式中,T为全天调度时段总数;和分别为园区在典型季节y中鲁棒可调场景s下t时段的购电、购气和购热功率;和分别为t时段的购电、购气和购热价格;m、n和o分别为能源生产设备、能源转换设备和能源存储设备的编号,z∈{m,n,o};obj∈DE={sup,con,sto},sup、con和sto分别表示能源生产设备、能源转换设备和能源存储设备;分别为能源设备的可变运维系数和配置数量;为典型季节y中鲁棒可调场景s下t时段能源设备的出力;α为单位碳排放处理费用;βp、βg、βh和βmt分别为园区购电、购气、购热和微燃机运行的等效碳排放系数;为微燃机在典型季节y中鲁棒可调场景s下t时段的出力;Pcut,i,y,s为典型季节y中鲁棒可调场景s下负荷类型i的紧急切除量;pcut,i为负荷类型i的紧急切除惩罚系数;Psft,i,y,s为典型季节y中鲁棒可调场景s下时移型响应后负荷类型i总变化量;psft,i为负荷类型i的时移型响应补偿系数;pcap,i、pin,i分别为负荷类型i的削减型响应的容量价格和能量价格;Pcap,i、分别为负荷类型i的预留可响应负荷量和典型季节y中鲁棒可调场景s下负荷类型i的实际响应负荷量。
(2.2)所述的约束条件中:
(2.2.1)能量供需平衡约束
式中,为典型季节y中鲁棒可调场景s下t时段响应前的能源负荷矩阵; 和分别典型季节y中鲁棒可调场景s下t时段的能源负荷削减型响应量矩阵、时移型响应量矩阵、替代型响应量矩阵和紧急切除型响应量矩阵; 和分别为典型季节y中鲁棒可调场景s下t时段园区能源输入生产、能源输入转换、能源输入存储变量矩阵;Cin、Cde、Ctr和Cst分别为园区能源输入、能源生产、能源转换、能源存储耦合系数矩阵;
(2.2.2)购能量约束
(2.2.3)设备运行约束
式中,分别表示典型季节y中鲁棒可调场景s下t时段能源设备的出力及出力上限;Ex,min、Ex,max分别表示典型季节y中鲁棒可调场景s下t时段的储能设备的能量状态及能量状态下限、上限;分别为典型季节y中鲁棒可调场景s下始、末时段的储能设备能量状态;
(2.2.4)需求响应约束
式中,i∈{e,g,h,c}分别表示电、气、热、冷能源负荷;分别为典型季节y中鲁棒可调场景s下t时段负荷类型i的紧急切除量及上紧急切除限;Tin、分别为典型季节y中鲁棒可调场景s下t时段负荷类型i的可削减时段、削减量及削减上限;分别为典型季节y中鲁棒可调场景s下t时段负荷类型i的时移量及时移上限;ki,sft为时移型负荷相对于负荷类型i的总量的占比系数;T为调度周期;Ei为能源价格弹性矩阵;分别为t时段响应前后的能源价格;分别为典型季节y中鲁棒可调场景s下t时段负荷类型i的被替代负荷量及被替代上限; 分别为典型季节y中鲁棒可调场景s下t时段电、气、热、冷负荷的被替代负荷量矩阵;分别为典型季节y中鲁棒可调场景s下t时段的电、气、热、冷负荷量;ke,rpl、kg,rpl、kh,rpl、kc,rpl分别为电、气、热、冷负荷中替代型负荷的占比系数;kij表示负荷类型i和负荷类型j间的替代转化效率,且kij=-1/kji,i,j∈{e,h,c,g},i≠j,khc=kch=0;
(2.2.5)用户满意度约束
3)将步骤2)所建立园区综合能源系统的上层规划模型和园区综合能源系统的下层运行模型相结合,共同构成规划运行协同优化的园区综合能源系统双层优化配置模型,并采用智能优化算法结合混合整数线性规划方法进行模型求解;其中:
(1)所述的规划运行协同优化的园区综合能源系统双层优化配置模型,综合表示如下:
式中,Ctotal为园区综合能源系统的年化总成本,包括年化投资成本Cinv、年运行成本Cop、年固定维护成本Com,f和年化设备残值Cre;Dy为全年总天数;θy为典型季节y的天数的全年占比;Y为典型季节集合,包括夏季、冬季和过渡季;Prs为鲁棒可调场景s的概率;为鲁棒可调典型场景集;Cbuy,y,s、Com,y,s、Cep,y,s和Cdr,y,s分别为典型季节y中鲁棒可调场景s下园区的购能成本、可变运维成本、环境成本和需求响应成本。
(2)所述的采用智能优化算法结合混合整数线性规划方法进行模型求解是:综合运用混沌自适应粒子群算法与混合整数线性规划方法,基于MATLAB平台,通过Yalmip工具箱调用Gurobi求解器,对所建立的规划运行协同优化的园区综合能源系统双层优化配置模型进行求解,得到园区综合能源系统的优化配置方案,求解流程如图1所示。
下面给出具体实例。
本发明基于某综合能源园区典型算例进行优化配置仿真分析,具体结构如图2所示。光伏(PV)、风机(WT)为数量待配置设备,微燃机(MT)、电制冷机(EC)、吸收式制冷机(AC)、储电(ES)、储气(GS)、储热(HS)、储冷(CS)为容量待配置设备。全年总天数取365天,其中过渡季183天,夏季92天,冬季90天,园区在各典型日的能源负荷及风光特性曲线如图3a、图3b、图3c、图3d、图3e所示,能源价格如表1所示。
表1 能源价格
基于本发明提出的规划运行协同优化的园区综合能源系统双层优化配置模型,该综合能源园区的能源设备数量与容量配置结果如表2所示
表2 园区优化配置结果
对表2进行分析可知,该优化配置方案是多重因素共同作用的结果,主要体现在以下几个方面:1)本发明模型是以经济性最优为目标进行优化,包括规划阶段的年化投资、固定维护和设备残值成本,以及运行阶段的年购能、可变运维、环境和需求响应成本;2)多类型的能源供需响应措施可在合理兼顾用户满意度的同时进一步缓解供能压力,从而有效降减少设备配置冗余和降低投资成本;3)该方案是基于鲁棒可调场景所得,能实现经济性和鲁棒性间的合理均衡,避免投资浪费。
基于表2的综合能源系统优化配置方案,园区在不同典型日下的电、气、热、冷能量供需情况如图4a、图4b、图4c、图4d所示。其中,针对过渡季典型日的电能和天然气供需情况,分别如图4a、4b所示,在电价较低时段园区优先选择电网购电满足电能需求,不足部分由MT和WT供应;随着电价的升高,电网购电占比减少的同时MT出力增加,不足部分由WT、PV和ES满足。园区的天然气需求主要包括气负荷和MT,主要通过向气网购气满足,不足部分由GS供应。针对冬季典型日的热能供需情况,园区的热力需求包括热负荷和AC,其中大部分由热网购热供应,其余部分由MT和HS满足,并且MT热出力和AC耗热量会随着电价的升高而增加,如08:00-22:00。针对夏季典型日的冷能供需情况,园区的冷能需求主要由EC和AC满足,不足部分由CS供应,并且在电价较高时段,AC冷出力占比也会随之增加,如08:00-22:00。
通过上述分析可以发现,园区的能量供需平衡受多方因素的影响。一方面,根据多元用户的用能和能源价格的变化情况,运营商通过园区侧能量输入、生产、转换、存储和消费等环节的协调配合制定全天的出力调度计划;另一方面,用户侧的多类型DR措施能实现电-气-热-冷负荷的横向互补替代与纵向时序转移,从而在一定程度上改变负荷曲线,促进能量供需平衡。
算例设置以下4个场景进行对比分析,探究不同策略组合下的优化配置效果。
场景1:常规鲁棒场景,不考虑需求侧响应。
场景2:鲁棒可调场景,不考虑需求侧响应。
场景3:常规鲁棒场景,考虑需求侧响应。
场景4:鲁棒可调场景,考虑需求侧响应。
不同场景下的优化配置成本对比如表3所示。
表3 不同场景下的园区优化配置成本
可以发现,4个场景中能源生产设备(PV、WT)的配置数量均为最大上限,反映出分布式能源对IES的协同规划与经济运行具有明显的支撑作用;场景4的能源转换设备和能源存储设备的配置容量均低于/接近场景1、2、3,并且其年化总成本为最低,较之场景1、2、3分别减少了54.45万元、17.75万元和36.53万元,反映出本文所提方法能够有效地降低系统规划成本合减少设备配置冗余;场景3、4的年化总成本分别低于场景1、2,场景2、4的总成本分别低于场景1、3,反映出需求侧响应策略和鲁棒可调场景的引入能进一步降低系统的规划和运行成本。
此外,为探究鲁棒可调场景的选取对园区优化配置结果的影响,本发明基于不同的鲁棒可调参数进行了仿真分析,其年化总成本变化曲线如图5所示。可见,随着的增大,配置的年化总成本逐渐升高,同时能源设备的配置容量也会随之增加,从侧面反映出配置方案鲁棒性和园区应对恶劣场景的能力随之上升。因此,在制定综合能源系统的优化配置方案时应当合理选择鲁棒可调参数,在兼顾系统鲁棒性的同时实现园区的经济性最优。
综上,本发明的基于供需响应与可调场景的综合能源系统优化配置方法,能够有效兼顾规划方案的经济性、鲁棒性、环保性和用户满意度,促进园区的能量供需平衡,降低系统年化总成本,证实了本发明的一种基于供需响应与可调场景的综合能源系统优化配置方法的正确性和有效性。
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,可轻易想到的变换或替换,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 (8)
1.一种基于供需响应与可调场景的综合能源系统优化配置方法,其特征在于,包括如下步骤:
1)建立园区综合能源系统的能源供需响应模型,并基于规划的鲁棒性要求生成风光荷鲁棒可调典型场景集;所述的基于规划的鲁棒性要求生成风光荷鲁棒可调典型场景集具体为:
针对风光出力和负荷功率的不确定性,采用拉丁超立方抽样技术进行分层抽样和打乱排序,模拟得到N个风光荷场景;针对模拟生成的风光荷场景,根据生成场景与原始典型场景间的鲁棒距离进行场景排序,并基于对规划方案的鲁棒性要求筛选得到N1个风光荷场景;采用反向场景削减法将N1个风光荷场景削减至N2个,得到最终的风光荷鲁棒可调典型场景集;所述的针对模拟生成的风光荷场景,根据生成场景与原始典型场景间的鲁棒距离进行场景排序,并基于对规划方案的鲁棒性要求筛选得到N1个风光荷场景,具体为:
(1)场景排序
定义第n个生成场景与原始典型场景间的鲁棒距离为dn,robust,实质上是通过计算第n个生成场景与原始场景的供需不平衡量偏移距离对第n个生成场景的鲁棒性进行表征,表示为:
式中,第n个生成场景的i+1~m维表示能源需求侧的随机变量,第n个生成场景的1~i维表示能源供应侧的随机变量;根据鲁棒距离大小对各场景进行排序,得到鲁棒排序矩阵S1;
(2)场景筛选
基于对规划方案的鲁棒性要求从N个风光荷场景中筛选出N1个,得到鲁棒筛选矩阵S2,鲁棒可调参数为Γ且Γ∈[0,1],NΓ=N·Γ取整,则
S2=S1([NΓ-N1/2+1,NΓ+N1/2],1:m);
2)计及园区综合能源系统在规划和运行阶段的经济性、环保性、鲁棒性和用户满意度要求,建立园区综合能源系统的上层规划模型和园区综合能源系统的下层运行模型;
3)将步骤2)所建立园区综合能源系统的上层规划模型和园区综合能源系统的下层运行模型相结合,共同构成规划运行协同优化的园区综合能源系统双层优化配置模型,并采用智能优化算法结合混合整数线性规划方法进行模型求解。
3.根据权利要求1所述的基于供需响应与可调场景的综合能源系统优化配置方法,其特征在于,步骤2)所述的园区综合能源系统的上层规划模型,是以系统年化总成本Ctotal最小为目标函数,以设备配置数量和容量约束、能量供需约束为约束条件;所述的目标函数表达式如下:
minCtotal=Cinv+Cop+Com,f-Cre
式中,Ctotal为园区综合能源系统的年化总成本,包括年化投资成本Cinv、年运行成本Cop、年固定维护成本Com,f和年化设备残值Cre;其中,
(1)年化投资成本
式中,下标sup、con和sto分别表示能源生产设备、能源转换设备和能源存储设备;上标m、n和o分别为对应的能源生产设备、能源转换设备和能源存储设备的编号;Ωm、Ωn和Ωo分别为对应的能源生产设备、能源转换设备和能源存储设备构成的集合;Csup、 分别为能源生产设备的投资成本、等年值因子、单位容量投资成本、配置数量、安装容量;分别为能源转换设备的投资成本、等年值因子、单位容量投资成本、配置数量、安装容量;分别为能源存储设备的投资成本、等年值因子、单位容量投资成本、配置数量、安装容量;
(2)年运行成本
式中,Cbuy、Com、Cep、Cdr分别为年购能成本、年可变运维成本、年环境成本和年需求响应成本;Dy为全年总天数;θy为典型季节y的天数的全年占比;Y为典型季节集合,包括夏季、冬季和过渡季;Prs为鲁棒可调场景s的概率;为鲁棒可调典型场景集;Cbuy,y,s、Com,y,s、Cep,y,s和Cdr,y,s分别为典型季节y中鲁棒可调场景s下园区的购能成本、可变运维成本、环境成本和需求响应成本;
(3)年固定维护成本
(4)年化设备残值
5.根据权利要求1所述的基于供需响应与可调场景的综合能源系统优化配置方法,其特征在于,步骤2)所述的园区综合能源系统的下层运行模型,是以系统年运行成本Cop最小为目标函数,以能量供需平衡约束、购能量约束、设备运行约束、需求响应约束和用户满意度约束为约束条件;所述的目标函数表达式如下:
式中:Cop为系统年运行成本,包括年购能成本Cbuy、年可变运维成本Com、年环境成本Cep和年需求响应成本Cdr;Dy为全年总天数;θy为典型季节y的天数的全年占比;Y为典型季节集合,包括夏季、冬季和过渡季;Prs为鲁棒可调场景s的概率;为鲁棒可调典型场景集;Cbuy,y,s、Com,y,s、Cep,y,s和Cdr,y,s分别为典型季节y中鲁棒可调场景s下园区的购能成本、可变运维成本、环境成本和需求响应成本;其中,
式中,T为全天调度时段总数;和分别为园区在典型季节y中鲁棒可调场景s下t时段的购电、购气和购热功率;和分别为t时段的购电、购气和购热价格;m、n和o分别为能源生产设备、能源转换设备和能源存储设备的编号,z∈{m,n,o};obj∈DE={sup,con,sto},sup、con和sto分别表示能源生产设备、能源转换设备和能源存储设备;分别为能源设备的可变运维系数和配置数量;为典型季节y中鲁棒可调场景s下t时段能源设备的出力;α为单位碳排放处理费用;βp、βg、βh和βmt分别为园区购电、购气、购热和微燃机运行的等效碳排放系数;为微燃机在典型季节y中鲁棒可调场景s下t时段的出力;Pcut,i,y,s为典型季节y中鲁棒可调场景s下负荷类型i的紧急切除量;pcut,i为负荷类型i的紧急切除惩罚系数;Psft,i,y,s为典型季节y中鲁棒可调场景s下时移型响应后负荷类型i总变化量;psft,i为负荷类型i的时移型响应补偿系数;pcap,i、pin,i分别为负荷类型i的削减型响应的容量价格和能量价格;Pcap,i、分别为负荷类型i的预留可响应负荷量和典型季节y中鲁棒可调场景s下负荷类型i的实际响应负荷量。
6.根据权利要求5所述的基于供需响应与可调场景的综合能源系统优化配置方法,其特征在于,所述的约束条件中:
(1)能量供需平衡约束
式中,为典型季节y中鲁棒可调场景s下t时段响应前的能源负荷矩阵; 和分别典型季节y中鲁棒可调场景s下t时段的能源负荷削减型响应量矩阵、时移型响应量矩阵、替代型响应量矩阵和紧急切除型响应量矩阵; 和分别为典型季节y中鲁棒可调场景s下t时段园区能源输入生产、能源输入转换、能源输入存储变量矩阵;Cin、Cde、Ctr和Cst分别为园区能源输入、能源生产、能源转换、能源存储耦合系数矩阵;
(2)购能量约束
(3)设备运行约束
式中,分别表示典型季节y中鲁棒可调场景s下t时段能源设备的出力及出力上限;Ex,min、Ex,max分别表示典型季节y中鲁棒可调场景s下t时段的储能设备的能量状态及能量状态下限、上限;分别为典型季节y中鲁棒可调场景s下始、末时段的储能设备能量状态;
(4)需求响应约束
式中,i∈{e,g,h,c}分别表示电、气、热、冷能源负荷;分别为典型季节y中鲁棒可调场景s下t时段负荷类型i的紧急切除量及上紧急切除限;Tin、 分别为典型季节y中鲁棒可调场景s下t时段负荷类型i的可削减时段、削减量及削减上限;分别为典型季节y中鲁棒可调场景s下t时段负荷类型i的时移量及时移上限;ki,sft为时移型负荷相对于负荷类型i的总量的占比系数;T为调度周期;Ei为能源价格弹性矩阵;分别为t时段响应前后的能源价格;分别为典型季节y中鲁棒可调场景s下t时段负荷类型i的被替代负荷量及被替代上限; 分别为典型季节y中鲁棒可调场景s下t时段电、气、热、冷负荷的被替代负荷量矩阵;分别为典型季节y中鲁棒可调场景s下t时段的电、气、热、冷负荷量;ke,rpl、kg,rpl、kh,rpl、kc,rpl分别为电、气、热、冷负荷中替代型负荷的占比系数;kij表示负荷类型i和负荷类型j间的替代转化效率,且kij=-1/kji,i,j∈{e,h,c,g},i≠j,khc=kch=0;
(5)用户满意度约束
7.根据权利要求1所述的基于供需响应与可调场景的综合能源系统优化配置方法,其特征在于,步骤3)所述的规划运行协同优化的园区综合能源系统双层优化配置模型,综合表示如下:
8.根据权利要求1所述的基于供需响应与可调场景的综合能源系统优化配置方法,其特征在于,步骤3)所述的采用智能优化算法结合混合整数线性规划方法进行模型求解是:综合运用混沌自适应粒子群算法与混合整数线性规划方法,基于MATLAB平台,通过Yalmip工具箱调用Gurobi求解器,对所建立的规划运行协同优化的园区综合能源系统双层优化配置模型进行求解,得到园区综合能源系统的优化配置方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110198197.4A CN113673738B (zh) | 2021-02-22 | 2021-02-22 | 基于供需响应与可调场景的综合能源系统优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110198197.4A CN113673738B (zh) | 2021-02-22 | 2021-02-22 | 基于供需响应与可调场景的综合能源系统优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113673738A CN113673738A (zh) | 2021-11-19 |
CN113673738B true CN113673738B (zh) | 2022-11-25 |
Family
ID=78538021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110198197.4A Active CN113673738B (zh) | 2021-02-22 | 2021-02-22 | 基于供需响应与可调场景的综合能源系统优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113673738B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115063003B (zh) * | 2022-06-30 | 2023-01-24 | 华北电力大学(保定) | 基于多元负荷时序分析的综合能源系统分时段调度方法 |
CN116451883A (zh) * | 2023-06-19 | 2023-07-18 | 国网上海能源互联网研究院有限公司 | 一种园区多能协同优化方法、装置、设备及介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108494015B (zh) * | 2018-02-09 | 2020-09-25 | 中国科学院电工研究所 | 一种源-荷-储协调互动的综合能源系统设计方法 |
CN109617065B (zh) * | 2019-01-02 | 2020-09-15 | 清华大学 | 一种考虑海量运行场景的电力系统输电网线路规划方法 |
CN110110913B (zh) * | 2019-04-26 | 2022-06-07 | 国网福建省电力有限公司 | 大型园区综合能源系统能源站优化配置方法 |
CN111144668B (zh) * | 2020-01-19 | 2022-08-23 | 河海大学 | 考虑场景模拟的综合能源系统随机优化模型的建立方法 |
CN111859683B (zh) * | 2020-07-24 | 2022-09-30 | 天津大学 | 基于动态能量集线器的园区综合能源系统优化配置方法 |
CN111950808B (zh) * | 2020-08-26 | 2022-03-25 | 华北电力大学(保定) | 基于综合需求响应的综合能源系统随机鲁棒优化运行方法 |
-
2021
- 2021-02-22 CN CN202110198197.4A patent/CN113673738B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113673738A (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229025B (zh) | 一种冷热电联供型多微网主动配电系统经济优化调度方法 | |
Yousefi et al. | Multi-objective optimal component sizing of a hybrid ICE+ PV/T driven CCHP microgrid | |
Li et al. | Bi-level optimal configuration strategy of community integrated energy system with coordinated planning and operation | |
CN107482688B (zh) | 一种碳捕集虚拟电厂调度优化方法 | |
CN111950807B (zh) | 计及不确定性与需求响应的综合能源系统优化运行方法 | |
CN111445067B (zh) | 一种适用于高铁站综合能源系统的多目标规划方法 | |
CN111950809A (zh) | 基于主从博弈的综合能源系统分层分区优化运行方法 | |
Tabar et al. | Achieving a nearly zero energy structure by a novel framework including energy recovery and conversion, carbon capture and demand response | |
CN107358345B (zh) | 计及需求侧管理的分布式冷热电联供系统优化运行方法 | |
CN109784554B (zh) | 一种基于主从博弈的电力系统最优调度方法 | |
CN113673738B (zh) | 基于供需响应与可调场景的综合能源系统优化配置方法 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
CN112862253B (zh) | 考虑风电不确定性的电-气-热储能协同规划方法及系统 | |
CN112906958A (zh) | 一种园区综合能源系统的双层多目标优化方法及装置 | |
Li et al. | Optimal design of combined cooling, heating and power multi-energy system based on load tracking performance evaluation of adjustable equipment | |
CN113779783A (zh) | 计及多重不确定性的区域综合能源系统规划与运行联合优化方法 | |
CN113850409A (zh) | 一种考虑可再生能源接入的综合能源系统优化运行方法 | |
CN112465261A (zh) | 一种面向多元主体接入的综合能源系统的规划方法 | |
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 | |
Li et al. | Intraday multi-objective hierarchical coordinated operation of a multi-energy system | |
CN115204562A (zh) | 一种计及多能共享的互联微能源网分布式协同优化调度方法和系统 | |
CN111126675A (zh) | 多能互补微网系统优化方法 | |
CN107832873A (zh) | 基于双层母线式结构的综合能源系统优化规划方法及装置 | |
CN114240256A (zh) | 电热气综合能源系统及协同优化运行控制的方法 | |
CN112883630A (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 |
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 |