CN113673739B - 分布式综合能源系统的多时空尺度协同优化运行方法 - Google Patents

分布式综合能源系统的多时空尺度协同优化运行方法 Download PDF

Info

Publication number
CN113673739B
CN113673739B CN202110198610.7A CN202110198610A CN113673739B CN 113673739 B CN113673739 B CN 113673739B CN 202110198610 A CN202110198610 A CN 202110198610A CN 113673739 B CN113673739 B CN 113673739B
Authority
CN
China
Prior art keywords
energy
ith
park
time
power
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
CN202110198610.7A
Other languages
English (en)
Other versions
CN113673739A (zh
Inventor
王子轩
李鹏
王加浩
郭天宇
殷云星
夏辉
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.)
North China Electric Power University
Original Assignee
North China Electric Power 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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN202110198610.7A priority Critical patent/CN113673739B/zh
Publication of CN113673739A publication Critical patent/CN113673739A/zh
Application granted granted Critical
Publication of CN113673739B publication Critical patent/CN113673739B/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
    • G06Q10/04—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
    • 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)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种分布式综合能源系统的多时空尺度协同优化运行方法：计及分布式综合能源系统中的能量输入、生产、转换、存储和消费环节，考虑多类异质能流的响应特性差异，建立分布式综合能源系统的多维能量供需平衡模型；基于分布式综合能源系统的多维能量供需平衡模型，根据不同能源设备的响应时间和调控范围，建立分布式综合能源系统的分层协同调控架构；基于分布式综合能源系统的分层协同调控架构，建立分布式综合能源系统的多时空尺度协同优化运行模型，采用混合整数线性规划方法进行求解。本发明有效表征系统能量供需的影响因素，在不同时空尺度上考虑不同的影响因素和调控手段，发挥多种能源在时间维度和空间维度上的互补共济优势，有效降低系统运行成本。

Description

分布式综合能源系统的多时空尺度协同优化运行方法
技术领域
本发明涉及一种分布式综合能源系统优化运行方法。特别是涉及一种分布式综合能源系统的多时空尺度协同优化运行方法。
背景技术
随着全球化石能源的逐渐枯竭和能源供需矛盾的日益突出，世界能源格局面临着巨大挑战，风能、太阳能、地热能等可再生能源能够有效降低污染气体排放、缓解用能压力，已经越来越受到人们的重视。分布式综合能源系统作为能源互联网的重要载体，集成了冷、热、电、气等多种能源形式和风、光、地热等多类型分布式能源，能够有效实现能量的梯级高效利用，促进可再生能源消纳，已成为世界能源领域的重要发展方向。
分布式综合能源系统整合了多种能源设备，冷、热、电、气等多种能流的动态响应特性存在明显差异，并且不同类型能源之间紧密耦合、灵活转化，给系统在不同时间和空间尺度上的运行调度带来了较大困难。因此，分布式综合能源系统的多时空尺度协同优化运行研究具有重要意义。
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多种能源在不同时间和空间尺度上互补共济优势的分布式综合能源系统的多时空尺度协同优化运行方法。
本发明所采用的技术方案是：一种分布式综合能源系统的多时空尺度协同优化运行方法，包括如下步骤：
1)计及分布式综合能源系统中的能量输入、生产、转换、存储和消费环节，考虑多类异质能流的响应特性差异，建立分布式综合能源系统的多维能量供需平衡模型；
2)基于步骤1)所述的分布式综合能源系统的多维能量供需平衡模型，根据不同能源设备的响应时间和调控范围，建立分布式综合能源系统的分层协同调控架构；
3)基于步骤2)所述的分布式综合能源系统的分层协同调控架构，建立分布式综合能源系统的多时空尺度协同优化运行模型，并采用混合整数线性规划方法进行模型求解。
本发明的分布式综合能源系统的多时空尺度协同优化运行方法，具有如下优点：
1、本发明能够有效表征系统能量供需的影响因素，为分布式综合能源系统在多时空尺度上的协同优化运行提供指导。
2、本发明在不同时空尺度上考虑不同的影响因素和调控手段，能够充分发挥多种能源在时间维度和空间维度上的互补共济优势，有效降低系统运行成本。
3、本发明在制定分布式综合能源系统多阶段调度方案时考虑了不同的需求响应策略，能够有效发挥综合能源需求侧的调控潜力，促进系统能量供需平衡。
附图说明
图1是本发明中分布式综合能源系统的分层协同调控架构图；
图2是本发明实例中分布式综合能源系统结构图；
图3a是本发明实例中居民园区能源负荷及风光出力预测曲线图；
图3b是本发明实例中工业园区能源负荷及风光出力预测曲线图；
图3c是本发明实例中商业园区能源负荷及风光出力预测曲线图；
图4a是本发明实例中日前调度阶段居民园区的电能供需调度结果；
图4b是本发明实例中日前调度阶段居民园区的天然气供需调度结果；
图4c是本发明实例中日前调度阶段居民园区的热能供需调度结果；
图4d是本发明实例中日前调度阶段居民园区的冷能供需调度结果；
图5a是本发明实例中日内滚动和实时优化阶段的电网购电结果对比；
图5b是本发明实例中日内滚动和实时优化阶段的蓄电池充放结果对比；
图5c是本发明实例中日内滚动和实时优化阶段的电负荷中断结果对比；
图6是本发明实例中不同需求响应策略的效果对比图。
具体实施方式
下面结合实施例和附图对本发明的分布式综合能源系统的多时空尺度协同优化运行方法做出详细说明。
本发明的分布式综合能源系统的多时空尺度协同优化运行方法，包括如下步骤：
1)计及分布式综合能源系统中的能量输入、生产、转换、存储和消费环节，考虑多类异质能流的响应特性差异，建立分布式综合能源系统的多维能量供需平衡模型；
所述的分布式综合能源系统的多维能量供需平衡模型如下：
Figure BDA0002946880450000021
式中，下标i表示第i个园区；上标u、m和l分别代表大、中、小三个时空尺度；上标0代表常数量，即在中、小时空尺度的能量调控中，响应特性慢的能源变量可视为常数；
Figure BDA0002946880450000022
分别表示第i个园区在大时空尺度上的负荷预测功率矩阵、功率偏差不确定变量矩阵和负荷需求响应变化量矩阵；
Figure BDA0002946880450000023
分别表示第i个园区在大时空尺度上的分布式电源的预测功率矩阵和功率偏差不确定变量矩阵；
Figure BDA0002946880450000024
分别为第i个园区在大时空尺度上的能量输入、能量转换、能量存储、能量交互变量矩阵；Cin,i、Cde,i、Ctr,i、Cs,i、Coc,i分别为第i个园区的能量输入、能量生产、能量转换、能量存储、能量交互耦合系数矩阵；
Figure BDA0002946880450000025
分别表示第i个园区在中时空尺度上的负荷预测功率矩阵、功率偏差不确定变量矩阵和负荷需求响应变化量矩阵；
Figure BDA0002946880450000026
分别表示第i个园区在中时空尺度上的分布式电源的预测功率矩阵和功率偏差不确定变量矩阵；
Figure BDA0002946880450000027
分别为第i个园区在中时空尺度上的能量输入、能量转换、能量存储、能量交互变量矩阵；
Figure BDA0002946880450000028
分别表示第i个园区在小时空尺度上的负荷预测功率矩阵、功率偏差不确定变量矩阵和负荷需求响应变化量矩阵；
Figure BDA0002946880450000031
分别表示第i个园区在小时空尺度上的分布式电源的预测功率矩阵和功率偏差不确定变量矩阵；
Figure BDA0002946880450000032
分别为第i个园区在小时空尺度上的能量输入、能量转换、能量存储、能量交互变量矩阵。
2)基于步骤1)所述的分布式综合能源系统的多维能量供需平衡模型，根据不同能源设备的响应时间和调控范围，建立分布式综合能源系统的分层协同调控架构；
所述的分布式综合能源系统的分层协同调控架构如图1所示，具体分为调控上层、调控中层和调控下层；其中：
所述调控上层针对分布式综合能源系统整体进行日前调度，时间分辨率为1h，调控对象为多园区内的全部能源设备；
所述调控中层分别针对各园区进行日内滚动优化，时间分辨率为15min，滚动周期为2h，调控对象为各单独园区内的能源设备；
所述调控下层针对各园区内的电力环节进行日内实时优化，时间分辨率为5min，调控对象为各单独园区内的电力设备；
在分布式综合能源系统的分层协同调控架构中，日前调度的计划是在每天24:00制定一次；日内滚动优化是每15min滚动制定一次未来2h的调度计划；日内实时优化是每5min制定一次实时调度计划。
3)基于步骤2)所述的分布式综合能源系统的分层协同调控架构，建立分布式综合能源系统的多时空尺度协同优化运行模型，并采用混合整数线性规划方法进行模型求解；
所述的分布式综合能源系统的多时空尺度协同优化运行模型包括：大时空尺度上的分布式综合能源系统优化运行模型、中时空尺度上的分布式综合能源系统优化运行模型和小时空尺度上的分布式综合能源系统优化运行模型。其中，
(3.1)所述的大时空尺度上的分布式综合能源系统优化运行模型，是以多园区的日前运行成本最小为目标函数，以大时空尺度上的能量供需平衡约束、购能约束、能源设备约束、能量交互约束、需求响应约束和鲁棒约束为约束条件。
(3.1.1)所述的目标函数表达式如下：
Figure BDA0002946880450000033
式中，上标u代表大时空尺度；Cu为多园区的日前运行成本，包括购能成本
Figure BDA0002946880450000034
运维成本
Figure BDA0002946880450000041
环保成本
Figure BDA0002946880450000042
和损耗成本
Figure BDA0002946880450000043
T为调度时段周期，为24h，时间步长为1h；
Figure BDA0002946880450000044
Figure BDA0002946880450000045
和
Figure BDA0002946880450000046
分别表示日前调度中第i个园区在t时段的购电量、购气量和购热量；
Figure BDA0002946880450000047
和
Figure BDA0002946880450000048
分别为t时段的购电价格、购气价格和购热价格；R为第i个园区内的运维设备集合；pom,r为第r个设备的单位功率运维费用；
Figure BDA0002946880450000049
为日前调度中第i个园区内第r个设备在t时段的运行功率；βp、βg和βh分别为系统购电、购气、购热的等效碳排放系数；α为单位碳排放的处理费用；
Figure BDA00029468804500000410
分别为日前调度中第i个园区和第j个园区在t时段的电、气功率交互量，且
Figure BDA00029468804500000411
γp、γg分别为电、气功率交互的传输损耗系数。
(3.1.2)所述的约束条件中：
(3.1.2.1)大时空尺度上的能量供需平衡约束为：
Figure BDA00029468804500000412
式中，
Figure BDA00029468804500000413
分别表示第i个园区在大时空尺度上的负荷预测功率矩阵、负荷功率偏差不确定变量矩阵和负荷需求响应变化量矩阵；
Figure BDA00029468804500000414
分别表示第i个园区在大时空尺度上的分布式电源的预测功率矩阵和功率偏差不确定变量矩阵；
Figure BDA00029468804500000415
分别为第i个园区在大时空尺度上的能量输入、能量转换、能量存储、能量交互变量矩阵；Cin,i、Cde,i、Ctr,i、Cs,i、Coc,i分别为第i个园区的能量输入、能量生产、能量转换、能量存储、能量交互耦合系数矩阵；
(3.1.2.2)大时空尺度上的购能约束：
Figure BDA00029468804500000416
式中，
Figure BDA00029468804500000417
和
Figure BDA00029468804500000418
分别表示日前调度中第i个园区在t时段的购电量、购气量和购热量；Pb,i,max、Gb,i,max、Hb,i,max分别为第i个园区的购电、购气、购热上限；Pb,max、Gb,max、Hb,max分别系统的购电、购气、购热总量上限；
(3.1.2.3)大时空尺度上的能源设备约束
Figure BDA0002946880450000051
Figure BDA0002946880450000052
式中，
Figure BDA0002946880450000053
和
Figure BDA0002946880450000054
分别为日前调度中第i个园区内光伏、风机、变压器、微燃机、热交换器、吸收式制冷机和电制冷机在t时段的运行功率；Ppv,i,max、Pwt,i,max、Pt,i,max、Pmt,i,max、Hhe,i,max、Hac,i,max和Pec,i,max分别为第i个园区内光伏、风机、变压器、微燃机、热交换器、吸收式制冷机和电制冷机的运行功率最大值；下标x代表储能类型；
Figure BDA0002946880450000055
为日前调度中第i个园区内储能设备在t时段的能量状态；Ex,i,min、Ex,i,max分别为第i个园区内储能设备的能量状态下限和上限；
Figure BDA0002946880450000056
分别为日前调度中第i个园区内储能设备在t时段的充、放能功率；λx,c,i、λx,d,i分别为第i个园区内储能设备的充、放能状态0-1变量；Px,c,i,max、Px,d,i,max分别为第i个园区内储能设备的充、放能功率上限；
Figure BDA0002946880450000057
分别为日前调度中第i个园区内储能设备在始、末时段的能量状态；
(3.1.2.4)大时空尺度上的能量交互约束
Figure BDA0002946880450000058
式中，
Figure BDA0002946880450000059
分别为日前调度中第i个园区和第j个园区在t时段的电、气功率交互量和电、气功率交互方向，方向为正表示功率由第i个园区流向第j个园区，方向为负则相反；Pij,max、Gij,max分别为第i个园区和第j个园区间的电、气功率交互上限；
(3.1.2.5)大时空尺度上的需求响应约束
Figure BDA00029468804500000510
Figure BDA00029468804500000511
式中，
Figure BDA00029468804500000512
分别为日前调度中第i个园区在t时段的负荷预测功率、转移型需求响应变化量及变化上限；T为调度时段周期，为24h，时间步长为1h；Ei为能源价格弹性矩阵；
Figure BDA0002946880450000061
分别为响应前后的能源价格；t和t‘均为调度周期内的时段；
(3.1.2.6)大时空尺度上的鲁棒约束
∑Γi,ξ≤Γ
式中，Γi,ξ、Γ分别为第i个园区内不确定变量ξ的鲁棒参数及鲁棒参数总上限。
(3.2)所述的中时空尺度上的分布式综合能源系统优化运行模型是以单一园区在滚动周期内的运行成本最小为目标函数，以中时空尺度上的能量供需平衡约束、购能约束、能源设备约束、需求响应约束为约束条件。
(3.2.1)所述的目标函数表达式如下：
Figure BDA0002946880450000062
式中，上标m代表中时空尺度；
Figure BDA0002946880450000063
为第i个园区在滚动周期内的运行成本，包括购能成本
Figure BDA0002946880450000064
运维成本
Figure BDA0002946880450000065
环保成本
Figure BDA0002946880450000066
和售能收益
Figure BDA0002946880450000067
ts为滚动优化的起始时段；NT为滚动周期的总时段数；
Figure BDA0002946880450000068
和
Figure BDA0002946880450000069
分别表示日内滚动优化中第i个园区在t时段的购电量、购气量和购热量；
Figure BDA00029468804500000610
和
Figure BDA00029468804500000611
分别为t时段的购电价格、购气价格和购热价格；R为第i个园区内的运维设备集合；pom,r为设备r的单位功率运维费用；
Figure BDA00029468804500000612
为日内滚动优化中第i个园区内第r个设备在t时段的运行功率；βp、βg和βh分别为系统购电、购气、购热的等效碳排放系数；α为单位碳排放的处理费用；
Figure BDA00029468804500000613
分别为日内滚动优化中第i个园区和第j个园区在t时段的电、气功率交互量；
Figure BDA00029468804500000614
分别为第i个园区向其他园区售电、售气价格。
(3.2.2)所述的约束条件中：
(3.2.2.1)中时空尺度上的能量供需平衡约束
Figure BDA00029468804500000615
式中，
Figure BDA00029468804500000616
分别表示第i个园区在中时空尺度上的负荷预测功率矩阵、负荷功率偏差不确定变量矩阵和负荷需求响应变化量矩阵；
Figure BDA00029468804500000617
分别表示第i个园区在中时空尺度上的分布式电源的预测功率矩阵和功率偏差不确定变量矩阵；
Figure BDA00029468804500000618
分别为第i个园区在中时空尺度上的能量输入、能量转换、能量存储、能量交互变量矩阵；Cin,i、Cde,i、Ctr,i、Cs,i、Coc,i分别为第i个园区的能量输入、能量生产、能量转换、能量存储、能量交互耦合系数矩阵；
(3.2.2.2)中时空尺度上的购能约束
Figure BDA0002946880450000071
式中，
Figure BDA0002946880450000072
和
Figure BDA0002946880450000073
分别表示日内滚动优化中第i个园区在t时段的购电量、购气量和购热量；Pb,i,max、Gb,i,max、Hb,i,max分别为第i个园区的购电、购气、购热上限；
(3.2.2.3)中时空尺度上的能源设备约束
Figure BDA0002946880450000074
Figure BDA0002946880450000075
式中，
Figure BDA0002946880450000076
和
Figure BDA0002946880450000077
分别为日内滚动优化中第i个园区内光伏、风机、变压器、微燃机、热交换器、吸收式制冷机和电制冷机在t时段的运行功率；Ppv,i,max、Pwt,i,max、Pt,i,max、Pmt,i,max、Hhe,i,max、Hac,i,max和Pec,i,max分别为第i个园区内光伏、风机、变压器、微燃机、热交换器、吸收式制冷机和电制冷机的运行功率最大值；下标x代表储能类型；
Figure BDA0002946880450000078
为日内滚动优化中第i个园区内储能设备在t时段的能量状态；Ex,i,min、Ex,i,max分别为第i个园区内储能设备的能量状态下限和上限；
Figure BDA0002946880450000079
分别为日内滚动优化中第i个园区内储能设备在t时段的充、放能功率；λx,c,i、λx,d,i分别为第i个园区内储能设备的充、放能状态0-1变量；Px,c,i,max、Px,d,i,max分别为第i个园区内储能设备的充、放能功率上限；
(3.2.2.4)中时空尺度上的需求响应约束
Figure BDA00029468804500000710
Figure BDA0002946880450000081
式中，
Figure BDA0002946880450000082
分别为日内滚动优化中第i个园区在t时段的负荷预测功率、替代型需求响应变化量及变化上限；kpq表示类型能源p类型能源和q类型能源间的替代转化效率，且kpq＝-1/kqp，p,q∈{e,g,h,c}，p≠q，e、g、h、c分别代表电、气、热、冷。
(3.3)所述的小时空尺度上的分布式综合能源系统优化运行模型是以单一园区在实时优化阶段每个时间间隔内的调控成本最小为目标函数，以小时空尺度上的能量供需平衡约束、购电约束、电力设备约束、需求响应约束为约束条件。
(3.3.1)所述的目标函数表达式如下：
Figure BDA0002946880450000083
Figure BDA0002946880450000084
式中，上标l代表小时空尺度；
Figure BDA0002946880450000085
为第i个园区在实时优化阶段时间间隔Δt内的调控成本，包括实时运行成本
Figure BDA0002946880450000086
和功率调整成本
Figure BDA0002946880450000087
实时运行成本
Figure BDA0002946880450000088
包括购能成本
Figure BDA0002946880450000089
运维成本
Figure BDA00029468804500000810
环保成本
Figure BDA00029468804500000811
响应成本
Figure BDA00029468804500000812
和售能收益
Figure BDA00029468804500000813
μb、
Figure BDA00029468804500000814
分别为实时优化阶段内第i个园区的单位购电功率调整费用和t时段的购电功率调整量；V为实时优化阶段第i个园区内的可调度电力设备集合；μv、
Figure BDA00029468804500000815
分别为第v个设备的单位功率调整费用和t时段的功率调整量；pcap、pcut分别为容量价格和能量价格；Pcap,i、
Figure BDA00029468804500000816
分别为第i个园区的预留可响应负荷量和t时段的实际响应负荷量。
(3.3.2)所述的约束条件中：
(3.3.2.1)小时空尺度上的能量供需平衡约束
Figure BDA00029468804500000817
式中，
Figure BDA00029468804500000818
分别表示第i个园区在小时空尺度上的负荷预测功率矩阵、负荷功率偏差不确定变量矩阵和负荷需求响应变化量矩阵；
Figure BDA00029468804500000819
分别表示第i个园区在小时空尺度上的分布式电源的预测功率矩阵和功率偏差不确定变量矩阵；
Figure BDA00029468804500000820
分别为第i个园区在小时空尺度上的能量输入、能量转换、能量存储、能量交互变量矩阵；Cin,i、Cde,i、Ctr,i、Cs,i、Coc,i分别为第i个园区的能量输入、能量生产、能量转换、能量存储、能量交互耦合系数矩阵；
(3.3.2.2)小时空尺度上的购电约束
Figure BDA0002946880450000091
式中，
Figure BDA0002946880450000092
Pb,i,max分别表示实时优化阶段中第i个园区在t时段的购电量及购电上限。
(3.3.2.3)小时空尺度上的电力设备约束
Figure BDA0002946880450000093
Figure BDA0002946880450000094
式中，
Figure BDA0002946880450000095
和
Figure BDA0002946880450000096
分别为实时优化阶段中第i个园区内光伏、风机、变压器和电制冷机在t时段的运行功率；Ppv,i,max、Pwt,i,max、Pt,i,max和Pec,i,max分别为第i个园区内光伏、风机、变压器和电制冷机的运行功率最大值；下标e代表储电类型；
Figure BDA0002946880450000097
为实时优化阶段中第i个园区内储电设备在t时段的能量状态；Ee,i,min、Ee,i,max分别为第i个园区内储电设备的能量状态下限和上限；
Figure BDA0002946880450000098
分别为实时优化阶段中第i个园区内储电设备在t时段的充、放电功率；λe,c,i、λe,d,i分别为第i个园区内储电设备的充、放电状态0-1变量；Pe,c,i,max、Pe,d,i,max分别为第i个园区内储电设备的充、放电功率上限；
(3.3.2.4)小时空尺度上的需求响应约束
Figure BDA0002946880450000099
式中，
Figure BDA00029468804500000910
分别为实时优化阶段中第i个园区在t时段的中断型需求响应变化量及变化上限；Tcut为负荷可中断时段。
最终，所述的分布式综合能源系统的多时空尺度协同优化运行模型综合表示如下：
Figure BDA00029468804500000911
式中，下标i表示第i个园区；上标u、m和l分别代表大、中、小三个时空尺度；xu、ξu、Cu分别表示大时空尺度上的决策变量、不确定变量和多园区的日前运行成本；
Figure BDA0002946880450000101
Figure BDA0002946880450000102
分别表示中时空尺度上的决策变量、不确定变量和典型场景s下的第i个园区在滚动周期内的运行成本；
Figure BDA0002946880450000103
表示滚动优化典型场景s的概率；
Figure BDA0002946880450000104
分别表示小时空尺度上的决策变量、不确定变量和典型场景s下第i个园区在实时优化阶段时间间隔Δt内的调控成本；
Figure BDA0002946880450000105
表示实时优化典型场景s的概率。
所述的采用混合整数线性规划方法进行模型求解：是针对所建立的分布式综合能源系统的多时空尺度协同优化运行模型，基于混合整数线性规划方法，通过Yalmip工具箱调用Gurobi求解器进行模型求解，得到分布式综合能源系统的日前调度方案、日内滚动优化运行方案和日内实时优化运行方案。
下面给出具体实例。
基于能源互联网小镇典型算例进行仿真分析，其具体结构如图2所示。各园区能源负荷及风光出力预测曲线如图3a、图3b、图3c所示，为进一步促进可再生能源消纳，光伏、风电均采用MPPT模式。能源价格见表1，园区间能量交易价格比实时能源价格高0.05元。
表1能源价格
Figure BDA0002946880450000106
在日前调度阶段，本发明对多个园区进行大时空尺度上的鲁棒优化调度，以居民园区为例，其内部多类能量供需情况如图4a、图4b、图4c、图4d所示。可以看出，分布式综合能源系统能够实现电、气、热、冷在大时空尺度上的能量供需平衡，并且该供需平衡是多方因素共同作用的结果。一方面受自身用能情况和能源价格的影响，园区通过发挥能量输入、生产、转换、存储和消费等环节的协调配合优势，合理安排全天的出力调度计划；另一方面，基于不同园区的用能特性差异，通过园区间的电、气交互实现能量在空间上的供需平衡。
日前调度结果可为日内滚动优化提供边界条件，由于日内滚动调度阶段的预测准确性较日前调度阶段进一步提高，并且园区用户可以通过对用能方式的灵活选择，实现不同类型负荷间的互补替代，所以日内滚动阶段的园区调度计划与日前阶段存在一些差异，但整体趋势大致相同。各园区的运行成本组成如表2所示。
表2各园区的运行成本组成
Figure BDA0002946880450000107
在实时优化阶段，系统在滚动调度方案的基础上，通过园区电力环节的灵活快速响应调整系统运行状态，实现对供需不平衡功率的实时调整。居民园区在日内滚动和实时优化阶段的调度结果对比如图5a、图5b、图5c所示，可以看出，两阶段调度中电力设备启停时间和出力趋势基本一致，经实时优化阶段调整后，电力环节能有效适应系统源、荷的实时不确定性变化，实现系统在小时空尺度上的能量供需平衡。
需求侧在分布式综合能源系统的优化调控与能量管理中发挥着越来越重要的作用，以居民园区的电负荷为例，分为表3中给出的4个场景对不同需求响应策略的效果进行探究，结果对比如图6所示。
表3场景分类
Figure BDA0002946880450000111
可以发现，需求侧通过对给定的价格/激励信号进行互动响应，能够充分发挥对系统的优化调控潜力，具体体现为：1)可以通过转移型需求响应将用能曲线高峰时段的部分负荷转移到低谷时段，实现用户负荷的横向迁移；2)可以通过替代型需求响应对不同类型能源需求进行转化，实现用户负荷间的互补替代；3)可以根据协议对相应时段的部分负荷功率进行中断，实现用户负荷的纵向削减。综上，在系统优化中引入综合需求响应，可为实现分布式综合能源系统的多类能量供需平衡提供有效支撑。
上述算例仿真分析表明，本发明可充分发挥多种能源在时间维度和空间维度上的互补共济优势，有效降低系统运行成本，进一步促进能量的多时空尺度供需平衡，实现分布式综合能源系统的经济灵活协同优化运行，证实了本发明的分布式综合能源系统的多时空尺度协同优化运行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 (10)

1.一种分布式综合能源系统的多时空尺度协同优化运行方法，其特征在于，包括如下步骤：
1)计及分布式综合能源系统中的能量输入、生产、转换、存储和消费环节，考虑多类异质能流的响应特性差异，建立分布式综合能源系统的多维能量供需平衡模型；所述的分布式综合能源系统的多维能量供需平衡模型如下：
Figure FDA0004054726160000011
式中，下标i表示第i个园区；上标u、m和l分别代表大、中、小三个时空尺度；上标0代表常数量，即在中、小时空尺度的能量调控中，响应特性慢的能源变量视为常数；
Figure FDA0004054726160000012
Figure FDA0004054726160000013
分别表示第i个园区在大时空尺度上的负荷预测功率矩阵、功率偏差不确定变量矩阵和负荷需求响应变化量矩阵；
Figure FDA0004054726160000014
分别表示第i个园区在大时空尺度上的分布式电源的预测功率矩阵和功率偏差不确定变量矩阵；
Figure FDA0004054726160000015
分别为第i个园区在大时空尺度上的能量输入、能量转换、能量存储、能量交互变量矩阵；Cin,i、Cde,i、Ctr,i、Cs,i、Coc,i分别为第i个园区的能量输入、能量生产、能量转换、能量存储、能量交互耦合系数矩阵；
Figure FDA0004054726160000016
分别表示第i个园区在中时空尺度上的负荷预测功率矩阵、功率偏差不确定变量矩阵和负荷需求响应变化量矩阵；
Figure FDA0004054726160000017
分别表示第i个园区在中时空尺度上的分布式电源的预测功率矩阵和功率偏差不确定变量矩阵；
Figure FDA0004054726160000018
分别为第i个园区在中时空尺度上的能量输入、能量转换、能量存储、能量交互变量矩阵；
Figure FDA0004054726160000019
分别表示第i个园区在小时空尺度上的负荷预测功率矩阵、功率偏差不确定变量矩阵和负荷需求响应变化量矩阵；
Figure FDA00040547261600000110
分别表示第i个园区在小时空尺度上的分布式电源的预测功率矩阵和功率偏差不确定变量矩阵；
Figure FDA00040547261600000111
分别为第i个园区在小时空尺度上的能量输入、能量转换、能量存储、能量交互变量矩阵；
2)基于步骤1)所述的分布式综合能源系统的多维能量供需平衡模型，根据不同能源设备的响应时间和调控范围，建立分布式综合能源系统的分层协同调控架构；
3)基于步骤2)所述的分布式综合能源系统的分层协同调控架构，建立分布式综合能源系统的多时空尺度协同优化运行模型，并采用混合整数线性规划方法进行模型求解；所述的分布式综合能源系统的多时空尺度协同优化运行模型包括：大时空尺度上的分布式综合能源系统优化运行模型、中时空尺度上的分布式综合能源系统优化运行模型和小时空尺度上的分布式综合能源系统优化运行模型；其中，
所述的大时空尺度上的分布式综合能源系统优化运行模型，是以多园区的日前运行成本最小为目标函数，以大时空尺度上的能量供需平衡约束、购能约束、能源设备约束、能量交互约束、需求响应约束和鲁棒约束为约束条件；
所述的中时空尺度上的分布式综合能源系统优化运行模型，是以单一园区在滚动周期内的运行成本最小为目标函数，以中时空尺度上的能量供需平衡约束、购能约束、能源设备约束、需求响应约束为约束条件；
所述的小时空尺度上的分布式综合能源系统优化运行模型，是以单一园区在实时优化阶段每个时间间隔内的调控成本最小为目标函数，以小时空尺度上的能量供需平衡约束、购电约束、电力设备约束、需求响应约束为约束条件。
2.根据权利要求1所述的分布式综合能源系统的多时空尺度协同优化运行方法，其特征在于，步骤2)所述的分布式综合能源系统的分层协同调控架构具体分为：调控上层、调控中层和调控下层；其中：
所述调控上层是针对分布式综合能源系统整体进行日前调度，时间分辨率为1h，调控对象为多园区内的全部能源设备；
所述调控中层是分别针对各园区进行日内滚动优化，时间分辨率为15min，滚动周期为2h，调控对象为各单独园区内的能源设备；
所述调控下层是针对各园区内的电力环节进行日内实时优化，时间分辨率为5min，调控对象为各单独园区内的电力设备；
在分布式综合能源系统的分层协同调控架构中，日前调度的计划是在每天24:00制定一次；日内滚动优化是每15min滚动制定一次未来2h的调度计划；日内实时优化是每5min制定一次实时调度计划。
3.根据权利要求1所述的分布式综合能源系统的多时空尺度协同优化运行方法，其特征在于，所述大时空尺度上的分布式综合能源系统优化运行模型的目标函数表达式如下：
Figure FDA0004054726160000021
式中，上标u代表大时空尺度；Cu为多园区的日前运行成本，包括购能成本
Figure FDA0004054726160000022
运维成本
Figure FDA0004054726160000023
环保成本
Figure FDA0004054726160000024
和损耗成本
Figure FDA0004054726160000025
T为调度时段周期，为24h，时间步长为1h；
Figure FDA0004054726160000026
Figure FDA0004054726160000027
和
Figure FDA0004054726160000028
分别表示日前调度中第i个园区在t时段的购电量、购气量和购热量；
Figure FDA0004054726160000029
和
Figure FDA0004054726160000031
分别为t时段的购电价格、购气价格和购热价格；Ri为第i个园区内的运维设备集合；pom,r为第r个设备的单位功率运维费用；
Figure FDA0004054726160000032
为日前调度中第i个园区内第r个设备在t时段的运行功率；βp、βg和βh分别为系统购电、购气、购热的等效碳排放系数；α为单位碳排放的处理费用；
Figure FDA0004054726160000033
分别为日前调度中第i个园区和第j个园区在t时段的电、气功率交互量，且
Figure FDA0004054726160000034
γp、γg分别为电、气功率交互的传输损耗系数。
4.根据权利要求1所述的分布式综合能源系统的多时空尺度协同优化运行方法，其特征在于，所述大时空尺度上的分布式综合能源系统优化运行模型的约束条件中：
(1)大时空尺度上的能量供需平衡约束为：
Figure FDA0004054726160000035
式中，
Figure FDA0004054726160000036
分别表示第i个园区在大时空尺度上的负荷预测功率矩阵、负荷功率偏差不确定变量矩阵和负荷需求响应变化量矩阵；
Figure FDA0004054726160000037
分别表示第i个园区在大时空尺度上的分布式电源的预测功率矩阵和功率偏差不确定变量矩阵；
Figure FDA0004054726160000038
分别为第i个园区在大时空尺度上的能量输入、能量转换、能量存储、能量交互变量矩阵；Cin,i、Cde,i、Ctr,i、Cs,i、Coc,i分别为第i个园区的能量输入、能量生产、能量转换、能量存储、能量交互耦合系数矩阵；
(2)大时空尺度上的购能约束：
Figure FDA0004054726160000039
式中，
Figure FDA00040547261600000310
和
Figure FDA00040547261600000311
分别表示日前调度中第i个园区在t时段的购电量、购气量和购热量；Pb,i,max、Gb,i,max、Hb,i,max分别为第i个园区的购电、购气、购热上限；Pb,max、Gb,max、Hb,max分别系统的购电、购气、购热总量上限；
(3)大时空尺度上的能源设备约束
Figure FDA0004054726160000041
Figure FDA0004054726160000042
式中，
Figure FDA0004054726160000043
和
Figure FDA0004054726160000044
分别为日前调度中第i个园区内光伏、风机、变压器、微燃机、热交换器、吸收式制冷机和电制冷机在t时段的运行功率；Ppv,i,max、Pwt,i,max、Pt,i,max、Pmt,i,max、Hhe,i,max、Hac,i,max和Pec,i,max分别为第i个园区内光伏、风机、变压器、微燃机、热交换器、吸收式制冷机和电制冷机的运行功率最大值；下标x代表储能类型；
Figure FDA0004054726160000045
为日前调度中第i个园区内储能设备在t时段的能量状态；Ex,i,min、Ex,i,max分别为第i个园区内储能设备的能量状态下限和上限；
Figure FDA0004054726160000046
分别为日前调度中第i个园区内储能设备在t时段的充、放能功率；λx,c,i、λx,d,i分别为第i个园区内储能设备的充、放能状态0-1变量；Px,c,i,max、Px,d,i,max分别为第i个园区内储能设备的充、放能功率上限；
Figure FDA0004054726160000047
分别为日前调度中第i个园区内储能设备在始、末时段的能量状态；
(4)大时空尺度上的能量交互约束
Figure FDA0004054726160000048
式中，
Figure FDA0004054726160000049
分别为日前调度中第i个园区和第j个园区在t时段的电、气功率交互量和电、气功率交互方向，方向为正表示功率由第i个园区流向第j个园区，方向为负则相反；Pij,max、Gij,max分别为第i个园区和第j个园区间的电、气功率交互上限；
(5)大时空尺度上的需求响应约束
Figure FDA00040547261600000410
Figure FDA00040547261600000411
式中，
Figure FDA0004054726160000051
分别为日前调度中第i个园区在t时段的负荷预测功率、转移型需求响应变化量及变化上限；T为调度时段周期，为24h，时间步长为1h；Ei为能源价格弹性矩阵；
Figure FDA0004054726160000052
分别为响应前后的能源价格；t和t′均为调度周期内的时段；
(6)大时空尺度上的鲁棒约束
∑Γi,ξ≤Γ
式中，Γi,ξ、Γ分别为第i个园区内不确定变量ξ的鲁棒参数及鲁棒参数总上限。
5.根据权利要求1所述的分布式综合能源系统的多时空尺度协同优化运行方法，其特征在于，所述中时空尺度上的分布式综合能源系统优化运行模型的目标函数表达式如下：
Figure FDA0004054726160000053
式中，上标m代表中时空尺度；
Figure FDA0004054726160000054
为第i个园区在滚动周期内的运行成本，包括购能成本
Figure FDA0004054726160000055
运维成本
Figure FDA0004054726160000056
环保成本
Figure FDA0004054726160000057
和售能收益
Figure FDA0004054726160000058
ts为滚动优化的起始时段；NT为滚动周期的总时段数；
Figure FDA0004054726160000059
和
Figure FDA00040547261600000510
分别表示日内滚动优化中第i个园区在t时段的购电量、购气量和购热量；
Figure FDA00040547261600000511
和
Figure FDA00040547261600000512
分别为t时段的购电价格、购气价格和购热价格；Ri为第i个园区内的运维设备集合；pom,r为设备r的单位功率运维费用；
Figure FDA00040547261600000513
为日内滚动优化中第i个园区内第r个设备在t时段的运行功率；βp、βg和βh分别为系统购电、购气、购热的等效碳排放系数；α为单位碳排放的处理费用；
Figure FDA00040547261600000514
分别为日内滚动优化中第i个园区和第j个园区在t时段的电、气功率交互量；
Figure FDA00040547261600000515
分别为第i个园区向其他园区售电、售气价格。
6.根据权利要求1所述的分布式综合能源系统的多时空尺度协同优化运行方法，其特征在于，所述中时空尺度上的分布式综合能源系统优化运行模型的约束条件中：
(1)中时空尺度上的能量供需平衡约束
Figure FDA00040547261600000516
式中，
Figure FDA00040547261600000517
分别表示第i个园区在中时空尺度上的负荷预测功率矩阵、负荷功率偏差不确定变量矩阵和负荷需求响应变化量矩阵；
Figure FDA00040547261600000518
分别表示第i个园区在中时空尺度上的分布式电源的预测功率矩阵和功率偏差不确定变量矩阵；
Figure FDA0004054726160000061
分别为第i个园区在中时空尺度上的能量输入、能量转换、能量存储、能量交互变量矩阵；Cin,i、Cde,i、Ctr,i、Cs,i、Coc,i分别为第i个园区的能量输入、能量生产、能量转换、能量存储、能量交互耦合系数矩阵；
(2)中时空尺度上的购能约束
Figure FDA0004054726160000062
式中，
Figure FDA0004054726160000063
和
Figure FDA0004054726160000064
分别表示日内滚动优化中第i个园区在t时段的购电量、购气量和购热量；Pb,i,max、Gb,i,max、Hb,i,max分别为第i个园区的购电、购气、购热上限；
(3)中时空尺度上的能源设备约束
Figure FDA0004054726160000065
Figure FDA0004054726160000066
式中，
Figure FDA0004054726160000067
和
Figure FDA0004054726160000068
分别为日内滚动优化中第i个园区内光伏、风机、变压器、微燃机、热交换器、吸收式制冷机和电制冷机在t时段的运行功率；Ppv,i,max、Pwt,i,max、Pt,i,max、Pmt,i,max、Hhe,i,max、Hac,i,max和Pec,i,max分别为第i个园区内光伏、风机、变压器、微燃机、热交换器、吸收式制冷机和电制冷机的运行功率最大值；下标x代表储能类型；
Figure FDA0004054726160000069
为日内滚动优化中第i个园区内储能设备在t时段的能量状态；Ex,i,min、Ex,i,max分别为第i个园区内储能设备的能量状态下限和上限；
Figure FDA00040547261600000610
分别为日内滚动优化中第i个园区内储能设备在t时段的充、放能功率；λx,c,i、λx,d,i分别为第i个园区内储能设备的充、放能状态0-1变量；Px,c,i,max、Px,d,i,max分别为第i个园区内储能设备的充、放能功率上限；
(4)中时空尺度上的需求响应约束
Figure FDA0004054726160000071
Figure FDA0004054726160000072
式中，
Figure FDA0004054726160000073
分别为日内滚动优化中第i个园区在t时段的负荷预测功率、替代型需求响应变化量及变化上限；kpq表示类型能源p类型能源和q类型能源间的替代转化效率，且kpq＝-1/kqp，p,q∈{e,g,h,c}，p≠q，e、g、h、c分别代表电、气、热、冷。
7.根据权利要求1所述的分布式综合能源系统的多时空尺度协同优化运行方法，其特征在于，所述小时空尺度上的分布式综合能源系统优化运行模型的目标函数表达式如下：
Figure FDA0004054726160000074
Figure FDA0004054726160000075
式中，上标l代表小时空尺度；
Figure FDA0004054726160000076
为第i个园区在实时优化阶段时间间隔Δt内的调控成本，包括实时运行成本
Figure FDA0004054726160000077
和功率调整成本
Figure FDA0004054726160000078
实时运行成本
Figure FDA0004054726160000079
包括购能成本
Figure FDA00040547261600000710
运维成本
Figure FDA00040547261600000711
环保成本
Figure FDA00040547261600000712
响应成本
Figure FDA00040547261600000713
和售能收益
Figure FDA00040547261600000714
μb、
Figure FDA00040547261600000715
分别为实时优化阶段内第i个园区的单位购电功率调整费用和t时段的购电功率调整量；Vi为实时优化阶段第i个园区内的可调度电力设备集合；μv、
Figure FDA00040547261600000716
分别为第v个设备的单位功率调整费用和t时段的功率调整量；pcap、pcut分别为容量价格和能量价格；Pcap,i、
Figure FDA00040547261600000717
分别为第i个园区的预留可响应负荷量和t时段的实际响应负荷量。
8.根据权利要求1所述的分布式综合能源系统的多时空尺度协同优化运行方法，其特征在于，所述小时空尺度上的分布式综合能源系统优化运行模型的约束条件中：
(1)小时空尺度上的能量供需平衡约束
Figure FDA00040547261600000718
式中，
Figure FDA00040547261600000719
分别表示第i个园区在小时空尺度上的负荷预测功率矩阵、负荷功率偏差不确定变量矩阵和负荷需求响应变化量矩阵；
Figure FDA00040547261600000720
分别表示第i个园区在小时空尺度上的分布式电源的预测功率矩阵和功率偏差不确定变量矩阵；
Figure FDA00040547261600000721
分别为第i个园区在小时空尺度上的能量输入、能量转换、能量存储、能量交互变量矩阵；Cin,i、Cde,i、Ctr,i、Cs,i、Coc,i分别为第i个园区的能量输入、能量生产、能量转换、能量存储、能量交互耦合系数矩阵；
(2)小时空尺度上的购电约束
Figure FDA0004054726160000081
式中，
Figure FDA0004054726160000082
Pb,i,max分别表示实时优化阶段中第i个园区在t时段的购电量及购电上限；
(3)小时空尺度上的电力设备约束
Figure FDA0004054726160000083
Figure FDA0004054726160000084
式中，
Figure FDA0004054726160000085
和
Figure FDA0004054726160000086
分别为实时优化阶段中第i个园区内光伏、风机、变压器和电制冷机在t时段的运行功率；Ppv,i,max、Pwt,i,max、Pt,i,max和Pec,i,max分别为第i个园区内光伏、风机、变压器和电制冷机的运行功率最大值；下标e代表储电类型；
Figure FDA0004054726160000087
为实时优化阶段中第i个园区内储电设备在t时段的能量状态；Ee,i,min、Ee,i,max分别为第i个园区内储电设备的能量状态下限和上限；
Figure FDA0004054726160000088
分别为实时优化阶段中第i个园区内储电设备在t时段的充、放电功率；λe,c,i、λe,d,i分别为第i个园区内储电设备的充、放电状态0-1变量；Pe,c,i,max、Pe,d,i,max分别为第i个园区内储电设备的充、放电功率上限；
(4)小时空尺度上的需求响应约束
Figure FDA0004054726160000089
式中，
Figure FDA00040547261600000810
分别为实时优化阶段中第i个园区在t时段的中断型需求响应变化量及变化上限；Tcut为负荷可中断时段。
9.根据权利要求1所述的分布式综合能源系统的多时空尺度协同优化运行方法，其特征在于，步骤3)所述的分布式综合能源系统的多时空尺度协同优化运行模型综合表示如下：
Figure FDA0004054726160000091
式中，下标i表示第i个园区；上标u、m和l分别代表大、中、小三个时空尺度；xu、ξu、Cu分别表示大时空尺度上的决策变量、不确定变量和多园区的日前运行成本；
Figure FDA0004054726160000092
Figure FDA0004054726160000093
分别表示中时空尺度上的决策变量、不确定变量和典型场景s下的第i个园区在滚动周期内的运行成本；
Figure FDA0004054726160000094
表示滚动优化典型场景s的概率；
Figure FDA0004054726160000095
分别表示小时空尺度上的决策变量、不确定变量和典型场景s下第i个园区在实时优化阶段时间间隔Δt内的调控成本；
Figure FDA0004054726160000096
表示实时优化典型场景s的概率。
10.根据权利要求1所述的分布式综合能源系统的多时空尺度协同优化运行方法，其特征在于，步骤3)所述的采用混合整数线性规划方法进行模型求解是：针对所建立的分布式综合能源系统的多时空尺度协同优化运行模型，基于混合整数线性规划方法，通过Yalmip工具箱调用Gurobi求解器进行模型求解，得到分布式综合能源系统的日前调度方案、日内滚动优化运行方案和日内实时优化运行方案。
CN202110198610.7A 2021-02-22 2021-02-22 分布式综合能源系统的多时空尺度协同优化运行方法 Active CN113673739B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110198610.7A CN113673739B (zh) 2021-02-22 2021-02-22 分布式综合能源系统的多时空尺度协同优化运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110198610.7A CN113673739B (zh) 2021-02-22 2021-02-22 分布式综合能源系统的多时空尺度协同优化运行方法

Publications (2)

Publication Number Publication Date
CN113673739A CN113673739A (zh) 2021-11-19
CN113673739B true CN113673739B (zh) 2023-04-18

Family

ID=78538020

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110198610.7A Active CN113673739B (zh) 2021-02-22 2021-02-22 分布式综合能源系统的多时空尺度协同优化运行方法

Country Status (1)

Country Link
CN (1) CN113673739B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
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 (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107069791B (zh) * 2017-06-16 2019-07-16 浙江大学 一种考虑工业园区与工厂互动的综合需求响应方法
AU2020102245A4 (en) * 2019-01-08 2020-10-29 Nanjing Institute Of Technology A grid hybrid rolling dispatching method considering congestion and energy storage tou price
CN111950807B (zh) * 2020-08-26 2022-03-25 华北电力大学（保定） 计及不确定性与需求响应的综合能源系统优化运行方法

Also Published As

Publication number Publication date
CN113673739A (zh) 2021-11-19

Similar Documents

Publication Publication Date Title
Lu et al. Optimal scheduling of buildings with energy generation and thermal energy storage under dynamic electricity pricing using mixed-integer nonlinear programming
CN106849190B (zh) 一种基于Rollout算法的多能互补微网实时调度方法
Bao et al. A multi time-scale and multi energy-type coordinated microgrid scheduling solution—Part I: Model and methodology
Chen et al. Smart energy management system for optimal microgrid economic operation
CN110619110B (zh) 一种含热泵的综合能源系统协调运行优化方法
CN107958300A (zh) 一种考虑互动响应的多微网互联运行协调调度优化方法
CN113988714B (zh) 计及多重不确定性的园区综合能源系统动态规划方法、设备及介质
CN113673739B (zh) 分布式综合能源系统的多时空尺度协同优化运行方法
CN111668878A (zh) 一种可再生微能源网的优化配置方法和系统
KR20130074045A (ko) 마이크로그리드 기반의 수용가 에너지 관리 방법 및 시스템
Zhu et al. Design optimization and two-stage control strategy on combined cooling, heating and power system
CN113128844A (zh) 一种基于供电设备容量限制下分布式电源规划方法
CN110994606A (zh) 一种基于复杂适应系统理论的多能源电源容量配置方法
CN111126675A (zh) 多能互补微网系统优化方法
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
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
US20230119377A1 (en) Method for the Control of an Energy System, and Associated Device
Flores et al. Optimal design of a distributed energy resources system that minimizes cost while reducing carbon emissions
CN111125611A (zh) 面向多场景的冷-热-电微能网群两阶段优化调度方法
CN115483718A (zh) 计及储能与需求响应的电-气虚拟电厂双层优化调度方法
Trairat et al. Optimal Dispatch of Cogeneration with Thermal and Battery Energy Storage for BEMS Subject to Load Demand Uncertainty
Qian et al. Low carbon optimization dispatching of energy intensive industrial park based on adaptive stepped demand response incentive mechanism
Sonawane et al. Rooftop solar installations for demand side management-a case study
CN113762808B (zh) 微网多能源系统与电网系统的联合调度方法
Zhao et al. Optimal Capacity Allocation of Integrated Energy System Considering Multiple Uncertainties

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