CN113807729A - 一种基于双层优化的综合能源微网群协调运行优化方法 - Google Patents

一种基于双层优化的综合能源微网群协调运行优化方法 Download PDF

Info

Publication number
CN113807729A
CN113807729A CN202111135601.XA CN202111135601A CN113807729A CN 113807729 A CN113807729 A CN 113807729A CN 202111135601 A CN202111135601 A CN 202111135601A CN 113807729 A CN113807729 A CN 113807729A
Authority
CN
China
Prior art keywords
optimization
model
comprehensive energy
layer
scheduling layer
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.)
Pending
Application number
CN202111135601.XA
Other languages
English (en)
Inventor
陈虹
余涛
刘海涛
吕志鹏
孙添一
陆怀谷
史伟
张伟
周珊
宋振浩
杨晓霞
薛琳
刘梦
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.)
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Changzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Changzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
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 State Grid Corp of China SGCC, State Grid Jiangsu Electric Power Co Ltd, Changzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202111135601.XA priority Critical patent/CN113807729A/zh
Publication of CN113807729A publication Critical patent/CN113807729A/zh
Pending legal-status Critical Current

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
    • G06Q10/06312—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
    • 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
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及综合能源系统运行优化技术领域，为解决如何实现综合能源微网群和配电网协调运行和经济调度的技术问题，提供了一种基于双层优化的综合能源微网群协调运行优化方法，所述方法包括以下步骤：构建综合能源微网群配电系统中各设备元件的模型；构建局部调度层的优化模型，其中，局部调度层由分布式发电子系统和储能子系统构成；构建区域调度层的优化模型，其中，区域调度层由大电网和综合能源微网群构成；利用求解器求解局部调度层的优化模型；以局部调度层的优化模型的优化结果作为区域调度层的优化模型的输入条件，再次利用求解器求解局部调度层的优化模型，以得到综合能源微网群的协调运行优化策略。

Description

一种基于双层优化的综合能源微网群协调运行优化方法
技术领域
本发明涉及综合能源系统运行优化技术领域，具体涉及一种基于双层优化的综合能源微网群协调运行优化方法。
背景技术
在加快构建以新能源为主体的新型电力系统，助力“双碳”目标实现的大背景下，大力发展低碳高效多能互补的综合能源系统，提高能源的综合利用效率已然成为各界共识。综合能源系统整合了可再生能源、需求侧能源梯级利用以及资源综合利用等技术，是能源系统智能化、数字化、低碳化、生态化的最新发展模式，是未来能源技术的重要发展趋势。多个综合能源系统接入同一配电网中形成综合能源微网群，通过发挥协调管理的优势来提高电力系统稳定性、可靠性以及综合能源利用效率是未来构建新型电力系统的重要手段。如何实现综合能源微网群和配电网协调运行和经济调度是目前亟需解决的问题。
发明内容
本发明为解决上述技术问题，提供了一种基于双层优化的综合能源微网群协调运行优化方法，能够对接入配电网的综合能源微网群的协调运行策略进行科学有效的优化，提高综合能源微网的综合能效，并提升整个综合能源微网群配电系统的经济性。
本发明采用的技术方案如下：
一种基于双层优化的综合能源微网群协调运行优化方法，综合能源微网群配电系统包括大电网、由多个综合能源微网构成的综合能源微网群，每个所述综合能源微网均具有对应的分布式发电子系统、储能子系统、用能子系统，所述方法包括以下步骤：构建所述综合能源微网群配电系统中各设备元件的模型；构建局部调度层的优化模型，其中，所述局部调度层由所述分布式发电子系统和所述储能子系统构成；构建区域调度层的优化模型，其中，所述区域调度层由所述大电网和所述综合能源微网群构成；利用求解器求解所述局部调度层的优化模型；以所述局部调度层的优化模型的优化结果作为所述区域调度层的优化模型的输入条件，再次利用所述求解器求解所述局部调度层的优化模型，以得到所述综合能源微网群的协调运行优化策略。
所述局部调度层的优化模型和所述区域调度层的优化模型均为混合整数非线性规划模型。
所述综合能源微网群配电系统中各设备元件的模型包括风力发电设备模型、太阳能光伏发电设备模型、储能电池模型、热电联产机组模型、电锅炉模型、空气源热泵模型、电制冷机组模型、吸收式制冷机组模型。
所述局部调度层的优化模型以售电收益最大为优化目标。
所述局部调度层的优化模型的约束条件包括储能电池模型约束。
所述区域调度层的优化模型以所述综合能源微网群的总运行成本最低为优化目标。
所述区域调度层的优化模型的约束条件包括能量平衡约束、综合能源微网与大电网售电约束、设备出力约束、爬坡约束、最大启动频次约束。
所述求解器为Lindo求解器。
本发明的有益效果：
本发明通过构建综合能源微网群配电系统中各设备元件的模型，并构建局部调度层的优化模型和区域调度层的优化模型，然后求解局部调度层的优化模型，并以局部调度层的优化模型的优化结果作为区域调度层的优化模型的输入条件，再次利用求解器求解局部调度层的优化模型，以得到综合能源微网群的协调运行优化策略，由此，能够对接入配电网的综合能源微网群的协调运行策略进行科学有效的优化，提高综合能源微网的综合能效，并提升整个综合能源微网群配电系统的经济性。
附图说明
图1为本发明一个实施例的综合能源微网群配电系统的结构示意图；
图2为本发明实施例的基于双层优化的综合能源微网群协调运行优化方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的实施例中，如图1所示，综合能源微网群配电系统包括大电网、由多个综合能源微网构成的综合能源微网群，每个综合能源微网均具有对应的分布式发电子系统、储能子系统、用能子系统以及必要的能源转换设备。其中，分布式发电子系统包括分布式可再生能源，例如分布式风力发电和太阳能光伏发电设备，储能子系统包括储能电池，用能子系统可包括冷负荷、热负荷、电负荷，以为用户进行冷、热、电能的供应，例如可包括电锅炉、空气源热泵、电制冷机组、吸收式制冷机组。本发明实施例不考虑综合能源微网之间的冷、热、电交互，即综合能源微网彼此之间独立运行，但综合能源微网可与大电网之间进行电能交互。
如图2所示，本发明实施例的基于双层优化的综合能源微网群协调运行优化方法包括以下步骤：
S1，构建综合能源微网群配电系统中各设备元件的模型。
在本发明的一个实施例中，综合能源微网群配电系统中各设备元件的模型包括风力发电设备模型、太阳能光伏发电设备模型、储能电池模型、热电联产机组模型、电锅炉模型、空气源热泵模型、电制冷机组模型、吸收式制冷机组模型，具体如下：
1)风力发电设备模型
基于风力发电的功率可预测性，以不同季节典型日指定轮毂中心高度处的逐时平均风速作为输入参数，风力发电机组出力的非线性数学模型可以表示为：
Figure BDA0003282248020000041
其中，上标wt表示风力发电机；下标s表示季节，h表示小时；Ewt表示风力发电机出力，Ewn风力发电机的额定输出功率；v为来流风速，vin表示切入风速，vout表示切出风速，vn表示额定风速。
2)太阳能光伏发电设备模型
太阳能光伏发电系统的输出功率数学模型可以表述为：
Figure BDA0003282248020000042
Figure BDA0003282248020000043
其中，光伏系统效率(ηpv)与太阳辐射度(SRI)有关，SRI的单位为W/m2，同时还与环境温度(T)、空气密度(AM)有关；P1～P5为经验拟合参数，SRI0、T0、AM0分别为相应的基准值，具体参数取值如下：SRI0＝1000W/m2，T0＝25℃，AM0＝1.5，P1＝0.2820，P2＝0.3967，P3＝-0.4473，P4＝-0.093，P5＝0.1601；Epv为光伏系统的发电量，Apv为光伏电池板的面积。
3)储能电池模型
储能电池的运行状态主要由储能电池的功率以及剩余容量决定，储能电池的数学模型可以表述为：
Figure BDA0003282248020000051
Figure BDA0003282248020000052
Figure BDA0003282248020000053
Figure BDA0003282248020000054
Figure BDA0003282248020000055
其中，Ebat为每时刻电池内储存的电量(kWh)，CAPbat为储能电池容量(kWh)，δ为储能设备的荷电状态(State of Charge,SOC)的最小值，SOC为储能电池的剩余电量Ebat与总容量CAPbat的比值；ηst-in为储能电池充电效率，ηst-out为储能电池放电效率，ηst为储能电池储电效率，Est-in为充电量(kWh)，Est-out为放电量(kWh)，αchr和αdis为分别为表示储能电池充放电状态的二进制变量，保证电池充放电不能同时进行，
Figure BDA0003282248020000056
为储能电池的最大充电功率，
Figure BDA0003282248020000057
为储能电池的最大放电功率。
4)热电联产机组模型
热电联产机组模型可以由下式描述：
Figure BDA0003282248020000058
Figure BDA0003282248020000059
Figure BDA00032822480200000510
其中，ECHP为热电联产机组的输出功率，CAPCHP为热电联产机组的装机容量(kW)，η为电效率，NGCHP为消耗的天然气量，PLCHP为柴油机的部分负载率，β1～β4为拟合参数。
5)电锅炉模型
电锅炉的能量转换模型可由下式描述：
Figure BDA0003282248020000061
其中，Qb为锅炉的输出热功率；Eb为电锅炉的耗电量；ηb为锅炉的热效率。
6)空气源热泵模型
空气源热泵的数学模型可由下式描述：
Figure BDA0003282248020000062
其中，Qhp表示空气源热泵的供热量；COPhp为空气源热泵的制热系数。
7)电制冷机组模型
电制冷机的数学模型可由下式描述：
Figure BDA0003282248020000063
其中，QEC-cool表示电制冷机的制冷量；EEC为电制冷机组的耗电量；COPEC为电制冷机的制冷性能系数。
8)吸收式制冷机组模型
吸收式制冷机组模型可由下式描述：
Figure BDA0003282248020000064
其中，QAC-cool表示吸收式制冷机的制冷量；QAC-heat为吸收式制冷机消耗的热量；COPAC表示吸收式制冷机的制冷性能系数。
S2，构建局部调度层的优化模型，其中，局部调度层由发电子系统和储能子系统构成。
在本发明的一个实施例中，可基于混合整数非线性规划算法构建局部调度层的优化模型，即局部调度层的优化模型为混合整数非线性规划模型，局部调度层的优化模型以售电收益最大为优化目标，目标函数为：
Figure BDA0003282248020000071
Figure BDA0003282248020000072
其中，i为综合能源微网的标号，Fi表示第i个综合能源微网局部调度层的售电收益，
Figure BDA0003282248020000073
表示局部调度层的分布式发电子系统发电量给微网用户的售价，
Figure BDA0003282248020000074
表示局部调度层发电子系统的发电功率。
局部调度层的优化模型的约束条件为上述的储能电池模型。
S3，构建区域调度层的优化模型，其中，区域调度层由大电网和综合能源微网群构成。
在本发明的一个实施例中，可基于混合整数非线性规划算法构建区域调度层的优化模型，即区域调度层的优化模型为混合整数非线性规划模型，区域调度层的优化模型以综合能源微网群的总运行成本最低为优化目标，目标函数为：
Figure BDA0003282248020000075
Figure BDA0003282248020000076
其中，Fi IES为综合能源微网i的运行成本；Eim为从电网购入的电量；η为效率；CNG为单位购气成本；Cim为单位购电成本；Eex为卖到大电网的电量；Cex为单位上网电价。
区域调度层的优化模型的约束条件包括能量平衡约束、综合能源微网与大电网售电约束、设备出力约束、爬坡约束、最大启动频次约束，具体如下：
(1)能量平衡约束
电能平衡约束：
Figure BDA0003282248020000081
其中，Edemand表示综合能源微网的用电负荷。
冷能平衡约束：
Figure BDA0003282248020000082
其中，Qcool为综合能源微网的冷负荷。
热能平衡约束：
Figure BDA0003282248020000083
其中，Qheat为综合能源微网的热负荷；QAC-heat为吸收式制冷机组消耗的热量。
(2)综合能源微网与主电网售电约束
Figure BDA0003282248020000084
Figure BDA0003282248020000085
其中，Emin是大电网和各综合能源微网之间电功率交互的最小值，Emax是大电网和各综合能源微网之间电功率交互的最大值。
(3)设备出力约束
系统中各设备在运行过程时，每一时刻的出力都不能超过其相应的装机容量，具体约束如下：
Figure BDA0003282248020000086
Figure BDA0003282248020000087
Figure BDA0003282248020000088
Figure BDA0003282248020000089
Figure BDA0003282248020000091
(4)爬坡约束
Figure BDA0003282248020000092
Figure BDA0003282248020000093
Figure BDA0003282248020000094
Figure BDA0003282248020000095
Figure BDA0003282248020000096
其中，Ri,down为设备的最大向下爬坡速率，Ri,up为设备的最大向上爬坡速率。
(5)最大启动频次约束
由于热电联产机组启停耗时较长，为保障系统的正常运行，需要对热电联产机组的启停次数加以约束，通常约束热电联产机组每天至多允许开关机一次，具体约束如下：
Figure BDA0003282248020000097
Figure BDA0003282248020000098
Figure BDA0003282248020000099
Figure BDA00032822480200000910
其中，
Figure BDA00032822480200000911
为表示设备每日启停次数的二进制变量；
Figure BDA00032822480200000912
为控制热电联产机组开关状态的二进制变量。
S4，利用求解器求解局部调度层的优化模型。
在本发明的一个实施例中，求解器为Lindo求解器。由于局部调度层中的分布式发电子系统和储能子系统以售电收益最大为优化目标，经求解可得到售电收益最大的调度优化结果。
S5，以局部调度层的优化模型的优化结果作为区域调度层的优化模型的输入条件，再次利用求解器求解局部调度层的优化模型，以得到综合能源微网群的协调运行优化策略。
将售电收益最大的调度优化结果引入含大电网和各综合能源微网的区域调度层，作为区域调度层的发电子系统发电输入值，在区域调度层的优化调度中，默认综合能源微网用户优先使用局部调度层中分布式发电子系统所发电量。
根据本发明实施例的基于双层优化的综合能源微网群协调运行优化方法，通过构建综合能源微网群配电系统中各设备元件的模型，并构建局部调度层的优化模型和区域调度层的优化模型，然后求解局部调度层的优化模型，并以局部调度层的优化模型的优化结果作为区域调度层的优化模型的输入条件，再次利用求解器求解局部调度层的优化模型，以得到综合能源微网群的协调运行优化策略，由此，能够对接入配电网的综合能源微网群的协调运行策略进行科学有效的优化，提高综合能源微网的综合能效，并提升整个综合能源微网群配电系统的经济性。
在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方其中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方其中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (8)

1.一种基于双层优化的综合能源微网群协调运行优化方法，其特征在于，综合能源微网群配电系统包括大电网、由多个综合能源微网构成的综合能源微网群，每个所述综合能源微网均具有对应的分布式发电子系统、储能子系统、用能子系统，所述方法包括以下步骤：
构建所述综合能源微网群配电系统中各设备元件的模型；
构建局部调度层的优化模型，其中，所述局部调度层由所述分布式发电子系统和所述储能子系统构成；
构建区域调度层的优化模型，其中，所述区域调度层由所述大电网和所述综合能源微网群构成；
利用求解器求解所述局部调度层的优化模型；
以所述局部调度层的优化模型的优化结果作为所述区域调度层的优化模型的输入条件，再次利用所述求解器求解所述局部调度层的优化模型，以得到所述综合能源微网群的协调运行优化策略。
2.根据权利要求1所述的基于双层优化的综合能源微网群协调运行优化方法，其特征在于，所述局部调度层的优化模型和所述区域调度层的优化模型均为混合整数非线性规划模型。
3.根据权利要求2所述的基于双层优化的综合能源微网群协调运行优化方法，其特征在于，所述综合能源微网群配电系统中各设备元件的模型包括风力发电设备模型、太阳能光伏发电设备模型、储能电池模型、热电联产机组模型、电锅炉模型、空气源热泵模型、电制冷机组模型、吸收式制冷机组模型。
4.根据权利要求3所述的基于双层优化的综合能源微网群协调运行优化方法，其特征在于，所述局部调度层的优化模型以售电收益最大为优化目标。
5.根据权利要求4所述的基于双层优化的综合能源微网群协调运行优化方法，其特征在于，所述局部调度层的优化模型的约束条件包括储能电池模型约束。
6.根据权利要求5所述的基于双层优化的综合能源微网群协调运行优化方法，其特征在于，所述区域调度层的优化模型以所述综合能源微网群的总运行成本最低为优化目标。
7.根据权利要求6所述的基于双层优化的综合能源微网群协调运行优化方法，其特征在于，所述区域调度层的优化模型的约束条件包括能量平衡约束、综合能源微网与大电网售电约束、设备出力约束、爬坡约束、最大启动频次约束。
8.根据权利要求1-7中任一项所述的基于双层优化的综合能源微网群协调运行优化方法，其特征在于，所述求解器为Lindo求解器。
CN202111135601.XA 2021-09-27 2021-09-27 一种基于双层优化的综合能源微网群协调运行优化方法 Pending CN113807729A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111135601.XA CN113807729A (zh) 2021-09-27 2021-09-27 一种基于双层优化的综合能源微网群协调运行优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111135601.XA CN113807729A (zh) 2021-09-27 2021-09-27 一种基于双层优化的综合能源微网群协调运行优化方法

Publications (1)

Publication Number Publication Date
CN113807729A true CN113807729A (zh) 2021-12-17

Family

ID=78938826

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111135601.XA Pending CN113807729A (zh) 2021-09-27 2021-09-27 一种基于双层优化的综合能源微网群协调运行优化方法

Country Status (1)

Country Link
CN (1) CN113807729A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107025519A (zh) * 2017-03-30 2017-08-08 厦门大学 区域分布式冷热电多联产系统混合整数非线性模型优化方法
CN108197768A (zh) * 2018-04-02 2018-06-22 厦门大学 一种能源系统与管网布局联合优化方法
CN108229025A (zh) * 2018-01-04 2018-06-29 东南大学 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
CN109993419A (zh) * 2019-03-18 2019-07-09 东南大学 一种综合能源服务商云协同-边缘协同优化调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107025519A (zh) * 2017-03-30 2017-08-08 厦门大学 区域分布式冷热电多联产系统混合整数非线性模型优化方法
CN108229025A (zh) * 2018-01-04 2018-06-29 东南大学 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
CN108197768A (zh) * 2018-04-02 2018-06-22 厦门大学 一种能源系统与管网布局联合优化方法
CN109993419A (zh) * 2019-03-18 2019-07-09 东南大学 一种综合能源服务商云协同-边缘协同优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘刚等: "基于可控负荷提升风电接纳能力的优化调度", 现代电力, vol. 2020, no. 2, 30 April 2020 (2020-04-30), pages 171 - 179 *

Similar Documents

Publication Publication Date Title
Kotb et al. Enriching the stability of solar/wind DC microgrids using battery and superconducting magnetic energy storage based fuzzy logic control
Lu et al. Optimal scheduling of buildings with energy generation and thermal energy storage under dynamic electricity pricing using mixed-integer nonlinear programming
Logenthiran et al. Short term generation scheduling of a microgrid
CN111355265B (zh) 一种微电网能量两阶段鲁棒优化方法及系统
CN111144620A (zh) 一种考虑季节储氢的电氢综合能源系统及其鲁棒规划方法
Li et al. Capacity design of a distributed energy system based on integrated optimization and operation strategy of exergy loss reduction
CN111027846A (zh) 一种考虑热氢联产的电氢综合能源系统及其容量配置方法
Liu et al. Multi-scenario analysis and collaborative optimization of a novel distributed energy system coupled with hybrid energy storage for a nearly zero-energy community
CN114069688B (zh) 一种基于时序生产模拟的多电源容量布局规划方法
Gong et al. Net zero energy houses with dispatchable solar pv power supported by electric water heater and battery energy storage
CN115081700A (zh) 基于综合储能技术的数据中心多能协同优化方法及系统
Mohseni et al. A multi-agent approach to optimal sizing of a combined heating and power microgrid
CN111126675A (zh) 多能互补微网系统优化方法
CN107528352B (zh) 一种基于可再生能源高渗透率的配电网有功优化方法
Zhang et al. Research on operation optimization method of regional integrated energy system
Nfaoui et al. Modelling of a wind/diesel system with battery storage for Tangiers, Morocco
CN113807729A (zh) 一种基于双层优化的综合能源微网群协调运行优化方法
Sathyan et al. Hybrid wind/PV/fuel cell generation system
Wee et al. Enhanced rule-based energy management system for an islanded microgrid
Maharjan et al. Distributed Energy Systems Design Optimization Based on Life Cycle Environmental and Economic Impacts
Ouramdane et al. Optimal sizing of domestic grid-connected microgrid maximizing self consumption and battery lifespan⋆
Aly Dynamic modeling and power management for stand-alone AC-coupled photovoltaic system
Du et al. Optimal Configuration of Integrated Energy Systems Based on Mixed Integer Linear Programming
Tang et al. Robust optimization for energy scheduling of CCHP systems under electrical load tracking and thermal load tracking
Gholami et al. Establishment of a Virtual Power Plant in Grid for Maximizing Producers’ Profits and Minimizing Pollutant Emissions and Investment Costs

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