CN113822572B - 考虑能源共享和多风险的园区综合能源系统优化调度方法 - Google Patents

考虑能源共享和多风险的园区综合能源系统优化调度方法 Download PDF

Info

Publication number
CN113822572B
CN113822572B CN202111107083.0A CN202111107083A CN113822572B CN 113822572 B CN113822572 B CN 113822572B CN 202111107083 A CN202111107083 A CN 202111107083A CN 113822572 B CN113822572 B CN 113822572B
Authority
CN
China
Prior art keywords
time
energy
power
representing
user
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
CN202111107083.0A
Other languages
English (en)
Other versions
CN113822572A (zh
Inventor
姚强
王方胜
陈国伟
许占坤
荆志新
马丹
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 Inner Mongolia East Power Integrated Energy Service Co ltd
State Grid Corp of China SGCC
State Grid Eastern Inner Mongolia Power Co Ltd
Original Assignee
State Grid Inner Mongolia East Power Integrated Energy Service Co ltd
State Grid Corp of China SGCC
State Grid Eastern Inner Mongolia 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 Inner Mongolia East Power Integrated Energy Service Co ltd, State Grid Corp of China SGCC, State Grid Eastern Inner Mongolia Power Co Ltd filed Critical State Grid Inner Mongolia East Power Integrated Energy Service Co ltd
Priority to CN202111107083.0A priority Critical patent/CN113822572B/zh
Publication of CN113822572A publication Critical patent/CN113822572A/zh
Application granted granted Critical
Publication of CN113822572B publication Critical patent/CN113822572B/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
    • G06Q10/06—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
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种考虑能源共享和多风险的园区综合能源系统优化调度方法，包括以下步骤：首先根据用户之间的熟悉程度和可操作负荷量求解相似度并对用户进行分类；对供能设备、用户负荷进行建模；构建供能商利润最大、用户用能成本最小、碳排放量最小和能源消耗最小的单目标函数；使用梯形模糊隶属度函数将构建的单目标函数进行归一化处理，并赋予每个单目标权重，从而构建出满意度函数。本发明可提高供应商利润、降低用户成本、CO2排放量以及能源消耗率。

Description

考虑能源共享和多风险的园区综合能源系统优化调度方法
技术领域
本发明涉及一种考虑能源共享和多风险的园区综合能源系统优化调度方法，可用于新能源优化分配及调度方面，属于能源管理技术领域。
背景技术
随着社会和经济的不断发展，对传统能源的使用提出了挑战，能源短缺问题受到多国的广泛关注。新能源的使用及综合能源的产生成为解决能源短缺问题的关键。在考虑能源使用中的风险时，现有的思路往往只考虑新能源的出力不确定性而忽视了用户使用能源的随机性；使用新能源时，将储能作为共享能源的媒介，而忽视将太阳能作为共享能源，从而造成了能源浪费。
发明内容
为解决可再生能源的大比例消纳、提高供能商利润、降低用户用能成本、降低碳排放量和减少能源消耗等问题，本发明提出了考虑能源共享和多风险的园区综合能源系统优化调度方法，本发明对共享能源、需求响应和多重风险进行描述，并以多目标优化作为研究对象，旨在提高能源供应商利润，降低需求侧用能成本、二氧化碳排放量和能源消耗率。
具体的技术方案为：
考虑能源共享和多风险的园区综合能源系统优化调度方法，包括以下步骤：
步骤1，首先根据用户之间的熟悉程度和可操作负荷量求解相似度并对用户进行分类；
步骤2，对供能设备、用户负荷进行建模；
步骤3，构建供能商利润最大、用户用能成本最小、碳排放量最小和能源消耗最小的单目标函数；
步骤4，使用梯形模糊隶属度函数将构建的单目标函数进行归一化处理，并赋予每个单目标权重，从而构建出满意度函数。
步骤1具体包括以下子步骤：
收集需求侧用户之间的熟悉度信息，计算用户间相似度和用户间影响力，通过复杂网络理论中的社交网络模型将园区内的用户进行分类。
①根据用户之间的熟悉程度计算相似度，相似度的计算方法如下：
其中：Tvu表示相似度，Rvu为节点v，u间的熟悉程度，若两节点不相邻则Rvu为0；V，U分别表示节点v，u的邻节点集合，l，k分别为邻节点集合V，U中的节点；
②使用Page Rank算法计算网络中各顶点的潜在影响力，定义初始概率分布向量Ra，若网页j存在k条出链，其中有一条通向网页i，则定义n×n转移矩阵M第i行第j列元素为1/k，则转移矩阵M表示为：
式中Nj为网页j出链条数。
本发明定义用户所有可操作负荷(包括可平移负荷和可调整负荷)比例作为PageRank算法中初始概率分布向量Ra，其中
式中：Rai表示用户i的初始概率，Lsi为用户i的可操作负荷，表示所有用户的可操作负荷；
基于用户相似度Tvu，可计算n×n转移矩阵M，其中:
式中U为节点u的邻节点集合，l为U中的节点。使用转移矩阵M反复左乘向量Ra收敛至向量W即可得社交网络各顶点潜在影响力，表示为
列向量W第i行元素Wi即为个体用户i在社交网络中的潜在影响力。
③基于个体用户潜在影响力W及用户相似度Tvu可计算用户间影响力Wvu:
式中Wv为用户v的潜在影响力，Wu为用户u的潜在影响力，Wvu表征用户v，u间相互影响能力的大小；
④本发明以Wvu为关系权重，采用Newman快速算法(fast Newman，FN)对社区用户进行区域划分，并将分区内的用户视作能源共享对象。基于社交网络特性，模块度Q定义如下:
式中m为所有边权重之和，即为用户间影响力之和，计算公式为
式中ki表示节点i的边权重之和，即用户i与其他用户间影响力之和，计算为
δ(i,j)是0-1变量，表征节点i，j是否被分在同一社团，如下:
选择Q值最大的迭代轮次作为最优结果，并基于该结果，将同社团内用户视作能源共享对象。
步骤2具体包括以下子步骤：
对供能设备：燃气轮机(gas turbine,GT)、余热回收装置(waste heat boiler,WHB)、蓄电池(electric energy storage,EES)、制冷机(absorption cooler,AC；electriccooler,EC)、燃气锅炉(gas boiler,GB)及光伏(photovoltaics,PV)和用能负荷：基本负荷、可转移负荷、可调整负荷、电动汽车(electric vehicles,EV)及用户侧的光伏进行建模。
①供能设备建模
能源供应商配备的设备包括燃气轮机、余热回收装置、蓄电池、制冷机、燃气锅炉及光伏。
a.燃气轮机模型
式中：分别为微型燃气轮机在t时刻输出的电功率、热功率；分别为微型燃气轮机发电效率、自损失率；为微型燃气轮机在t时刻的天然气消耗量；Hng为天然气热值。
b.余热回收模型
式中，为余热回收在t时刻输出的热功率；ηWHB为余热回收效率；
c.燃气锅炉模型
式中：为燃气锅炉在t时刻输出的热功率；为燃气锅炉在t时刻的天然气消耗量；ηGB为锅炉发热效率。
d.制冷机模型
式中：分别为吸收式制冷机与电制冷机在t时刻输出的冷功率；为吸收式制冷机在t时刻输入的热功率、为电制冷机在t时刻输入的电功率；ηAC、ηEC分别为吸收式制冷机与电制冷机的制冷系数。
e.光伏出力模型
Ppv＝[Ppv_min,Ppv_max] (17)
式中，用区间数表示光伏出力的不确定性，Ppv表示光伏的出力，Ppv_min表示光伏出力的最小值，Ppv_max为光伏出力最大值。
f.蓄电池模型
式中：为蓄电池t时刻充放电功率；S(t)、S(t+1)分别是蓄电池在t时刻、t+1时刻的储能；μ、ηch、ηdisch分别为蓄电池自身能量损耗率、充电效率、放电效率；Δt为时间间隔，取Δt＝1h。
②用户侧负荷模型
a.基本负荷
基本负荷包括一些比较平稳的连续负荷和其他不可控负荷。记为Pbase。
b.时间可转移负荷
设有m种时间可转移负荷，可转移负荷记为Ptrans。
其中，为可转移负荷j在t时刻的功率，是可转移负荷设备j的状态变量(表示设备在t时刻处于工作状态，表示处于停用状态)。j是设备编号，m是可转移负荷数量；tj是设备j可能的工作时间点；是设备j工作开始与结束时刻；[αi,βi]是设备允许工作时段范围，不在这个范围内时，设备不工作，di为工作时长；由于设备为不可中断负荷，故工作开始到结束之间的时长即为工作时长。
c.功率可调整负荷
功率可调整负荷，用Padjust表示。模型如下所示：
k表示第k个可调整负荷，和分别表示t时刻和t+1时刻的室内温度/热水温度，表示外界温度，为可调整负荷k在t时刻的启动变量，如果可调整负荷k在t时刻启动，否则为0。表示等值热注入功率，Radjust,k和Cadjust,k分别表示热阻、热容。ηadjust,k为设备的热效率，表示可调整电功率，表示等值热损失功率，表示设备的额定功率。和表示用户对温度要求的上下界；j是设备编号，n是可调整负荷数量，为了从设备编号判断设备类型，将可调整负荷在可转移负荷后编号；[αj,βj]是设备允许工作的时段，不在这个时段内，状态变量在这个范围内，可为1或0，但该设备工作总时长需与要求的工作时长dj相一致。
d.电动汽车模型
电动汽车的到达和离开时间是随机的，本发明采用正态分布进行随机模拟。公式(25)表示离开时间，公式(26)表示到达时间。
式中：fd(t)为到达时间，fa(t)为离开时间，μd、分别为到达的期望和方差，μa、分别为离开的期望和方差，为电动汽车在t时刻充放电功率；Sve(t)、Sve(t+1)分别是电动汽车在t时刻、t+1时刻的储能；μve、ηve_ch、ηve_disch分别为电动汽车自身能量损耗率、充电效率、放电效率。
e.用户侧光伏出力
Ppv1＝[Ppv1_min,Ppv1_max] (28)
式中，Ppv1_min表示光伏出力的最小值，Ppv1_max表示光伏出力最大值。
步骤3具体包括以下子步骤：
单目标构建：针对供应商利润、用户成本、碳排放量以及能源消耗率建立对应的目标函数。
①供应商利润
max Fpro＝Finc-Ccost (29)
Finc＝Fcchp+Fpv+Fsale (30)
Ccost＝Cgas+Cbuy+Cope (32)
式中：Fpro表示供应商利润；Finc表示供应商向用户售冷热电的收入、光伏发电补贴以及向外网卖电收益；Ccost表示供应商成本，包含燃料费用Cgas、购电费用Cbuy以及各个设备的运行成本Cope；Fcchp表示供应商售卖冷热电的收入；分别表示在t时刻用户向供能商购买的冷热电负荷；Kc、Kh、Ke分别表示冷热电售价；Δt为时间间隔；为CCHP系统供能的状态变量，表示用户由供应商供能；为t时刻社区向外网购买的天然气量；Kgas为天然气单价；为供应商向外网购买的电量；Kout为社区向外网购买电的单价；为第i个能源设备的运行维护成本系数，为第i个能源设备t时段的输出功率；Fpv表示光伏发电补贴，表示在t时刻的光伏发电量，Kpv表示光伏发电补贴单价。Fsale表示供应商向外网卖电收入，Ksale向外网卖电单价，表示在t时刻向外网卖的电量。
②用户成本
用户费用包括从电网购电费用与从供应商购冷、热、电能费用。
min Cuser＝Cgrid+C′cchp (34)
其中，电网购电费用Cgrid考虑分时电价。从供应商购冷、热、电能费用C′cchp如下所描述。
式中，为电网供能的状态变量，表示用户由电网供能。
③碳排放量
CO2排放以化石能源燃烧排放为主。总CO2排放量Qpf的计算公式如下：
式中，表示燃料使用量，pgco表示燃料使用时产生CO2的系数。
④能源消耗率
本发明将能源输入与能源产出的比值定义为能源消耗率。
Qin＝Pele+Vgas+Ppv (40)
Qout＝P+Hl+Cl (41)
上式中，Qin表示能源输入量，Qout表示能源产出量。Pele表示外网输入的电，Vgas表示天然气的使用量，Ppv表示光伏的出力，P表示居民所需总的电功率，Hl表示居民所需总的热功率，Cl表示居民所需总的冷功率。
步骤4具体包括以下子步骤：
目标函数满意度建模：使用梯形模糊数对供应商利润、用户成本、碳排放量以及能源消耗率进行归一化处理，然后使用权重将多目标转换成满意度指标，并列出约束条件，最后进行求解。
使用梯形模糊数将各个指标进行归一化处理。公式(42)为偏小型梯形模糊数，公式(43)为偏大型梯形模糊数。
0＜vy(fy(x))＜1,y＝1,2,…,Y (44)
式中，Y为多目标个数；a1、a2表示所选的参考值；vy(fy(x))为第y个目标的归一化值。
①目标函数
综上所述，将原多目标问题转换为最大化的满意度单目标问题：
max ξ＝ω1·(v(Fpro))+ω2·(v(Cuser))+ω3·(v(Qpf))+ω4·(v(Ixh)) (45)
式中，ωy为权重系数。
②约束条件
约束条件包括上式(11)-(28)、(44)、(46)和以下约束。
a.功率平衡约束，包括电、热、冷。
式中：Pt、Hlt、Clt分别表示在t时刻社区的电、热、冷负荷；表示供应商向外网卖电；表示用户在t时刻与外网的电交互量；ηjh表示热交换机的效率。
b.设备运行上下限约束
式中：分别为燃气轮机发电、产热上下限；表示余热回收的上下限；表示燃气锅炉上下限；分别表示电制冷机与吸收式制冷机上下限。
c.爬坡约束。为了避免损坏能源设备，GT和GB还受爬坡约束，如下
式中RGT,up、RGT,down、RGB,up、RGB,down分别为燃气轮机、燃气锅炉的最大、最小爬坡速率。
d.联络线功率约束。社区与电网的联络线功率也应在合理的范围内，即：
式中，表示社区买电的上下限；表示社区卖电的上下限。
e.储能约束。为了延长蓄电池的使用寿命，对其进行约束：
式中：为蓄电池充放电功率上限；为蓄电池充放电状态的0-1逻辑变量，充电时放电时不充不放时Smax、Smin为蓄电池储能的上下限。SES,0和SES,T为蓄电池初始时刻和终止时刻的储能。
f.电动汽车约束
式中：为蓄电池充放电功率上限；为电动汽车充放电状态的0-1逻辑变量，充电时放电时不充不放时Sve_max、Sve_min为电动汽车储能的上下限。
g.用能方式约束
由于用户在某一时刻只能选择电网供能或者供应商供能,故有约束条件：
式中，为CCHP系统供能的状态变量，表示用户由供应商供能；为电网供能的状态变量，表示用户由电网供能。
发明提出能源共享：将需求侧的用户意愿考虑到共享能源方式中；考虑多重风险：将新能源出力的不确定性、需求侧用户用能时间的多样性、电动汽车充放电时间的多样性考虑在内；考虑综合需求响应：将冷、热、电能源进行综合考虑，并采用公用电网或自配置能源装置进行供能；提出满意度指标：利用梯形模糊数将多目标整合为满意度，方便计算。
相比于传统用能方式，本发明可提高供应商利润、降低用户成本、CO2排放量以及能源消耗率。
附图说明
图1为本发明的流程图；
图2为实施例设备出力图；
图3为实施例联盟1负荷运行图；
图4为实施例联盟2负荷运行图；
图5为实施例联盟3负荷运行图；
图6为实施例联盟4负荷运行图。
具体实施方式
结合实施例说明本发明的具体技术方案。
本实施例按照图1所示的流程，以一个园区为例，园区内共有60户用户，假定用户的负荷种类在同一联盟内是一样的。
1、列出实验数据，可以以表格的方式列出；
表1设备数据
与外网交互的电功率上限为12000kW
表2用户基本负荷数据(所有用户一样)
负荷名称 额定功率/kW 时长/h 用户习惯使用时间
基本负荷1 30 10 6:00-8:00；18:00-24:00
基本负荷2 10 5 18:00-22:00
基本负荷3 25 5 19:00-23:00
基本负荷4 210 1 11:00-13:00；18:00-19:00
基本负荷5 64.8 24 0:00-24:00
表3用户可转移负荷数据
表4用户可调整负荷数据
由公式(25)-(26)得到用户电动汽车到达和离开时间表：
表5用户电动车数据
注：电动汽车离开时间为第二天时，本发明将充放电整合到了同一天内。
表6光伏出力
表7各种费用
2、根据上述方案，进行操作，比如根据公式(*)得到哪个结果…
①根据公式(1)-(10)，得到用户分类：
由用户分类可知，同一联盟内的用户习惯使用负荷时间是一样的。
联盟1：20户；联盟2：13户；联盟3：9户；联盟4：18户。
②根据用户分类后的数据和公式(11)-(33)、(47)-(54)，得到供能商利润最大：
表8
③根据用户分类后的数据和公式(11)-(28)、(34)-(37)、(47)-(54)，得到用户用能成本最小：
表9
④根据用户分类后的数据和公式(11)-(28)、(38)、(47)-(54)，得到碳排放量最小：
表10
⑤根据用户分类后的数据和公式(11)-(28)、(39)-(41)、(47)-(54)，得到能源消耗率最小：
表11
⑥根据公式(1)-(54)得到满意度最大：权重分别为：0.3,0.3,0.2,0.2
表12
3、得到实验结果，这里需要对比一下传统方法，然后突出你的方法的优点。这里改动几次参数阈值，得到三个不同的对比结果。
传统方法：不考虑需求响应、能源共享，只有公用电网供能(权重分别为：0.3,0.3,0.2,0.2)
表13
修改参数：
①修改权重值为：0.25,0.25,0.3,0.2
表14
②修改权重值为：0.2,0.2,0.5,0.1
表15
综上，将三次实验的结果与传统方式相比较：
表16结果对比
从表格可以看出，优化后的结果在不同的权值下都比传统用能方式的满意度高；而不同目标值的权值不同，也会使满意度值不同。
以权重：0.3,0.2,0.3,0.2为例，列出负荷运行时间和设备出力图，如图2到图6。

Claims (2)

1.考虑能源共享和多风险的园区综合能源系统优化调度方法，其特征在于，包括以下步骤：
步骤1，首先根据用户之间的熟悉程度和可操作负荷量求解相似度并对用户进行分类；
步骤1具体包括以下子步骤：
收集需求侧用户之间的熟悉度信息，计算用户间相似度和用户间影响力，通过复杂网络理论中的社交网络模型将园区内的用户进行分类；
①根据用户之间的熟悉程度计算相似度，相似度的计算方法如下：
其中：Tvu表示相似度，Rvu为节点v，u间的熟悉程度，若两节点不相邻则Rvu为0；V，U分别表示节点v，u的邻节点集合，l，k分别为邻节点集合V，U中的节点；
②使用Page Rank算法计算网络中各顶点的潜在影响力，定义初始概率分布向量Ra，若网页j存在k条出链，其中有一条通向网页i，则定义n×n转移矩阵M第i行第j列元素为1/k，则转移矩阵M表示为：
式中Nj为网页j出链条数；
定义用户所有可操作负荷比例作为PageRank算法中初始概率分布向量Ra，可操作负荷包括可平移负荷和可调整负荷；其中：
式中：Rai表示用户i的初始概率，Lsi为用户i的可操作负荷，表示所有用户的可操作负荷；
基于用户相似度Tvu，可计算n×n转移矩阵M，其中：
式中U为节点u的邻节点集合，l为U中的节点；使用转移矩阵M反复左乘向量Ra收敛至向量W即可得社交网络各顶点潜在影响力，表示为：
列向量W第i行元素Wi即为个体用户i在社交网络中的潜在影响力；
③基于个体用户潜在影响力W及用户相似度Tvu可计算用户间影响力Wvu：
式中，Wv为用户v的潜在影响力，Wu为用户u的潜在影响力，Wvu表征用户v，u间相互影响能力的大小；
④以Wvu为关系权重，采用Newman快速算法对社区用户进行区域划分，并将分区内的用户视作能源共享对象；基于社交网络特性，模块度Q定义如下：
式中m为所有边权重之和，即为用户间影响力之和，计算公式为：
式中ki表示节点i的边权重之和，即用户i与其他用户间影响力之和，计算为：
δ(i,j)是0-1变量，表征节点i，j是否被分在同一社团，如下：
选择Q值最大的迭代轮次作为最优结果，并基于该结果，将同社团内用户视作能源共享对象；
步骤2，对供能设备、用户负荷进行建模；
步骤2具体包括以下子步骤：
对供能设备：燃气轮机即GT、余热回收装置即WHB、蓄电池即EES、制冷机即AC或EC、燃气锅炉即GB，及光伏即PV，和用能负荷：基本负荷、可转移负荷、可调整负荷、电动汽车即EV，及用户侧的光伏进行建模；
①供能设备建模
能源供应商配备的设备包括燃气轮机、余热回收装置、蓄电池、制冷机、燃气锅炉及光伏；
a.燃气轮机模型
式中：分别为微型燃气轮机在t时刻输出的电功率、热功率；ηloss分别为微型燃气轮机发电效率、自损失率；为微型燃气轮机在t时刻的天然气消耗量；Hng为天然气热值；
b.余热回收模型
式中，为余热回收在t时刻输出的热功率；ηWHB为余热回收效率；
c.燃气锅炉模型
式中：为燃气锅炉在t时刻输出的热功率；为燃气锅炉在t时刻的天然气消耗量；ηGB为锅炉发热效率；
d.制冷机模型
式中：分别为吸收式制冷机与电制冷机在t时刻输出的冷功率；为吸收式制冷机在t时刻输入的热功率、为电制冷机在t时刻输入的电功率；ηAC、ηEC分别为吸收式制冷机与电制冷机的制冷系数；
e.光伏出力模型
Ppv＝[Ppv_min,Ppv_max] (17)
式中，用区间数表示光伏出力的不确定性，Ppv表示光伏的出力，Ppv_min表示光伏出力的最小值，Ppv_max为光伏出力最大值；
f.蓄电池模型
式中：为蓄电池t时刻充放电功率；S(t)、S(t+1)分别是蓄电池在t时刻、t+1时刻的储能；μ、ηch、ηdisch分别为蓄电池自身能量损耗率、充电效率、放电效率；Δt为时间间隔，取Δt＝1h；
②用户侧负荷模型
a.基本负荷
基本负荷包括一些比较平稳的连续负荷和其他不可控负荷，记为Pbase；
b.时间可转移负荷
设有m种时间可转移负荷，可转移负荷记为Ptrans；
其中，为可转移负荷j在t时刻的功率，是可转移负荷设备j的状态变量，表示设备在t时刻处于工作状态，表示处于停用状态；j是设备编号，m是可转移负荷数量；tj是设备j可能的工作时间点；是设备j工作开始与结束时刻；[αi,βi]是设备允许工作时段范围，不在这个范围内时，设备不工作，di为工作时长；由于设备为不可中断负荷，故工作开始到结束之间的时长即为工作时长；
c.功率可调整负荷
功率可调整负荷，用Padjust表示；模型如下所示：
k表示第k个可调整负荷，和分别表示t时刻和t+1时刻的室内温度/热水温度，表示外界温度，为可调整负荷k在t时刻的启动变量，如果可调整负荷k在t时刻启动，否则为0；表示等值热注入功率，Radjust,k和Cadjust,k分别表示热阻、热容；ηadjust,k为设备的热效率，表示可调整电功率，表示等值热损失功率，表示设备的额定功率；和表示用户对温度要求的上下界；j是设备编号，n是可调整负荷数量，为了从设备编号判断设备类型，将可调整负荷在可转移负荷后编号；[αj,βj]是设备允许工作的时段，不在这个时段内，状态变量在这个范围内，可为1或0，但该设备工作总时长需与要求的工作时长dj相一致；
d.电动汽车模型
电动汽车的到达和离开时间是随机的，采用正态分布进行随机模拟；公式(25)表示离开时间，公式(26)表示到达时间；
式中：fd(t)为到达时间，fa(t)为离开时间，μd、分别为到达的期望和方差，μa、分别为离开的期望和方差，为电动汽车在t时刻充放电功率；Sve(t)、Sve(t+1)分别是电动汽车在t时刻、t+1时刻的储能；μve、ηve_ch、ηve_disch分别为电动汽车自身能量损耗率、充电效率、放电效率；
e.用户侧光伏出力
Ppv1＝[Ppv1_min,Ppv1_max] (28)
式中，Ppv1_min表示光伏出力的最小值，Ppv1_max表示光伏出力最大值；
步骤3，构建供能商利润最大、用户用能成本最小、碳排放量最小和能源消耗最小的单目标函数；
步骤3具体包括以下子步骤：
单目标构建：针对供应商利润、用户成本、碳排放量以及能源消耗率建立对应的目标函数；
①供应商利润
max Fpro＝Finc-Ccost (29)
Finc＝Fcchp+Fpv+Fsale (30)
Ccost＝Cgas+Cbuy+Cope (32)
式中：Fpro表示供应商利润；Finc表示供应商向用户售冷热电的收入、光伏发电补贴以及向外网卖电收益；Ccost表示供应商成本，包含燃料费用Cgas、购电费用Cbuy以及各个设备的运行成本Cope；Fcchp表示供应商售卖冷热电的收入；分别表示在t时刻用户向供能商购买的冷热电负荷；Kc、Kh、Ke分别表示冷热电售价；Δt为时间间隔；为CCHP系统供能的状态变量，表示用户由供应商供能；为t时刻社区向外网购买的天然气量；Kgas为天然气单价；为供应商向外网购买的电量；Kout为社区向外网购买电的单价；为第i个能源设备的运行维护成本系数，为第i个能源设备t时段的输出功率；Fpv表示光伏发电补贴，表示在t时刻的光伏发电量，Kpv表示光伏发电补贴单价；Fsale表示供应商向外网卖电收入，Ksale向外网卖电单价，表示在t时刻向外网卖的电量；
②用户成本
用户费用包括从电网购电费用与从供应商购冷、热、电能费用；
min Cuser＝Cgrid+C′cchp (34)
其中，电网购电费用Cgrid考虑分时电价；从供应商购冷、热、电能费用C′cchp如下所描述；
式中，为电网供能的状态变量，表示用户由电网供能；
③碳排放量
CO2排放以化石能源燃烧排放为主；总CO2排放量Qpf的计算公式如下：
式中，表示燃料使用量，pgco表示燃料使用时产生CO2的系数；
④能源消耗率
将能源输入与能源产出的比值定义为能源消耗率；
Qin＝Pele+Vgas+Ppv (40)
Qout＝P+Hl+Cl(41)
上式中，Qin表示能源输入量，Qout表示能源产出量；Pele表示外网输入的电，Vgas表示天然气的使用量，Ppv表示光伏的出力，P表示居民所需总的电功率，Hl表示居民所需总的热功率，Cl表示居民所需总的冷功率；
步骤4，使用梯形模糊隶属度函数将构建的单目标函数进行归一化处理，并赋予每个单目标权重，从而构建出满意度函数。
2.根据权利要求1所述的考虑能源共享和多风险的园区综合能源系统优化调度方法，其特征在于，步骤4具体包括以下子步骤：
目标函数满意度建模：使用梯形模糊数对供应商利润、用户成本、碳排放量以及能源消耗率进行归一化处理，然后使用权重将多目标转换成满意度指标，并列出约束条件，最后进行求解；
使用梯形模糊数将各个指标进行归一化处理；公式(42)为偏小型梯形模糊数，公式(43)为偏大型梯形模糊数；
0＜vy(fy(x))＜1,y＝1,2,…,Y (44)
式中，Y为多目标个数；a1、a2表示所选的参考值；vy(fy(x))为第y个目标的归一化值；
①目标函数
综上所述，将原多目标问题转换为最大化的满意度单目标问题：
maxξ＝ω1·(v(Fpro))+ω2·(v(Cuser))+ω3·(v(Qpf))+ω4·(v(Ixh)) (45)
式中，ωy为权重系数；
②约束条件
约束条件包括上式(11)-(28)、(44)、(46)和以下约束；
a.功率平衡约束，包括电、热、冷；
式中：Pt、Hlt、Clt分别表示在t时刻社区的电、热、冷负荷；表示供应商向外网卖电；表示用户在t时刻与外网的电交互量；ηjh表示热交换机的效率；
b.设备运行上下限约束
式中：分别为燃气轮机发电、产热上下限；表示余热回收的上下限；表示燃气锅炉上下限；分别表示电制冷机与吸收式制冷机上下限；
c.爬坡约束；为了避免损坏能源设备，GT和GB还受爬坡约束，如下
式中RGT,up、RGT,down、RGB,up、RGB,down分别为燃气轮机、燃气锅炉的最大、最小爬坡速率；
d.联络线功率约束；社区与电网的联络线功率也应在合理的范围内，即：
式中，表示社区买电的上下限；表示社区卖电的上下限；
e.储能约束；为了延长蓄电池的使用寿命，对其进行约束：
式中：为蓄电池充放电功率上限；为蓄电池充放电状态的0-1逻辑变量，充电时放电时不充不放时Smax、Smin为蓄电池储能的上下限；SES,0和SES,T为蓄电池初始时刻和终止时刻的储能；
f.电动汽车约束
式中：为蓄电池充放电功率上限；为电动汽车充放电状态的0-1逻辑变量，充电时放电时不充不放时Sve_max、Sve_min为电动汽车储能的上下限；
g.用能方式约束
由于用户在某一时刻只能选择电网供能或者供应商供能,故有约束条件：
式中，为CCHP系统供能的状态变量，表示用户由供应商供能；为电网供能的状态变量，表示用户由电网供能。
CN202111107083.0A 2021-09-22 2021-09-22 考虑能源共享和多风险的园区综合能源系统优化调度方法 Active CN113822572B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111107083.0A CN113822572B (zh) 2021-09-22 2021-09-22 考虑能源共享和多风险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
CN202111107083.0A CN113822572B (zh) 2021-09-22 2021-09-22 考虑能源共享和多风险的园区综合能源系统优化调度方法

Publications (2)

Publication Number Publication Date
CN113822572A CN113822572A (zh) 2021-12-21
CN113822572B true CN113822572B (zh) 2024-02-13

Family

ID=78920811

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111107083.0A Active CN113822572B (zh) 2021-09-22 2021-09-22 考虑能源共享和多风险的园区综合能源系统优化调度方法

Country Status (1)

Country Link
CN (1) CN113822572B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114202261B (zh) * 2022-02-18 2022-05-31 北京科技大学 一种村级工业园火灾风险有向图刻画方法及装置

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107862617A (zh) * 2017-10-20 2018-03-30 江苏大学 一种基于用户综合相似度的微博社区划分方法
CN108711886A (zh) * 2018-06-08 2018-10-26 国网福建省电力有限公司 一种园区配网时序运行样本生成方法
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN110533225A (zh) * 2019-08-07 2019-12-03 华北电力大学 一种基于机会约束规划的商业园区综合能源系统优化调度方法
CN110854930A (zh) * 2019-11-18 2020-02-28 国网浙江省电力有限公司台州供电公司 一种考虑多能协同的园区综合能源系统优化调度方法
AU2020100983A4 (en) * 2019-11-14 2020-07-16 Shandong University Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation
WO2020143104A1 (zh) * 2019-01-08 2020-07-16 南京工程学院 一种考虑阻塞和储能分时电价的电网混合滚动调度方法
CN111861783A (zh) * 2020-04-26 2020-10-30 国网江苏省电力有限公司经济技术研究院 考虑负荷转移的综合能源系统多目标优化配置方法
CN112363395A (zh) * 2020-11-23 2021-02-12 国网上海市电力公司 一种负荷密集型城市智慧园区工业用户负荷建模方法
CN112366704A (zh) * 2020-11-13 2021-02-12 中国科学院电工研究所 一种基于激励需求响应的综合能源系统联络线功率控制方法
CN112418479A (zh) * 2020-09-02 2021-02-26 国网江苏省电力有限公司无锡供电分公司 一种园区综合能源系统优化配置方法
CN112464477A (zh) * 2020-11-27 2021-03-09 国网山东省电力公司青岛供电公司 计及需求响应的多能耦合综合能源运行仿真方法
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

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10282796B2 (en) * 2017-01-12 2019-05-07 Johnson Controls Technology Company Building energy storage system with multiple demand charge cost optimization
US10109987B2 (en) * 2017-01-18 2018-10-23 Coulomb Inc. Energy management apparatus to upgrade and control an existing circuit breaker panel

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107862617A (zh) * 2017-10-20 2018-03-30 江苏大学 一种基于用户综合相似度的微博社区划分方法
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN108711886A (zh) * 2018-06-08 2018-10-26 国网福建省电力有限公司 一种园区配网时序运行样本生成方法
WO2020143104A1 (zh) * 2019-01-08 2020-07-16 南京工程学院 一种考虑阻塞和储能分时电价的电网混合滚动调度方法
CN110533225A (zh) * 2019-08-07 2019-12-03 华北电力大学 一种基于机会约束规划的商业园区综合能源系统优化调度方法
AU2020100983A4 (en) * 2019-11-14 2020-07-16 Shandong University Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation
CN110854930A (zh) * 2019-11-18 2020-02-28 国网浙江省电力有限公司台州供电公司 一种考虑多能协同的园区综合能源系统优化调度方法
CN111861783A (zh) * 2020-04-26 2020-10-30 国网江苏省电力有限公司经济技术研究院 考虑负荷转移的综合能源系统多目标优化配置方法
CN112418479A (zh) * 2020-09-02 2021-02-26 国网江苏省电力有限公司无锡供电分公司 一种园区综合能源系统优化配置方法
CN112366704A (zh) * 2020-11-13 2021-02-12 中国科学院电工研究所 一种基于激励需求响应的综合能源系统联络线功率控制方法
CN112363395A (zh) * 2020-11-23 2021-02-12 国网上海市电力公司 一种负荷密集型城市智慧园区工业用户负荷建模方法
CN112464477A (zh) * 2020-11-27 2021-03-09 国网山东省电力公司青岛供电公司 计及需求响应的多能耦合综合能源运行仿真方法
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

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
一种基于相似社团和节点角色划分的社交网络用户推荐方案;钟晓宇;刘宴兵;肖云鹏;;重庆邮电大学学报(自然科学版)(04);全文 *
分布式冷热电联供系统负荷随机模糊建模;马瑞;李文晔;吴瑕;秦泽宇;;电力系统自动化(15);全文 *
基于友好度的影响力最大化算法;吴旭;胡一清;;西安邮电大学学报(06);全文 *
考虑共享储能的社区综合能源系统协同优化研究;王仕俊;平常;薛国斌;;中国电力;20180814(08);全文 *
考虑需求响应与光伏不确定性的综合能源系统鲁棒优化;翟晶晶;吴晓蓓;傅质馨;朱少杰;刘皓明;;中国电力;20200805(08);全文 *
计及可转移负荷的微电网群分布式优化调度;姚强;王昕;;电气自动化(03);全文 *
计及用户可响应负荷的区域多能源系统运行优化模型;汪涛;崔怀宇;武赓;曾鸣;;电力建设(09);全文 *
计及用户满意度的综合能源优化运行研究;陆骁霄;范宏;;电工技术(17);全文 *

Also Published As

Publication number Publication date
CN113822572A (zh) 2021-12-21

Similar Documents

Publication Publication Date Title
Luo et al. Multi-objective capacity optimization of a distributed energy system considering economy, environment and energy
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
CN108206543B (zh) 一种基于能源梯级利用的能源路由器及其运行优化方法
CN111445067B (zh) 一种适用于高铁站综合能源系统的多目标规划方法
CN111815025A (zh) 考虑风光与负荷不确定性综合能源系统柔性优化调度方法
CN105550766A (zh) 一种含可再生能源的微网鲁棒多目标运行优化方法
Liu et al. Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios
CN114662752B (zh) 基于价格型需求响应模型的综合能源系统运行优化方法
CN106228258A (zh) 一种计及需求侧管理的家庭能源局域网能量优化控制方法
Li et al. Performance assessment of combined cooling, heating and power system operation strategy based on multi-objective seagull optimization algorithm
CN111463836A (zh) 一种综合能源系统优化调度方法
CN103151797A (zh) 基于多目标调度模型的并网运行方式下微网能量控制方法
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
Tabar et al. Achieving a nearly zero energy structure by a novel framework including energy recovery and conversion, carbon capture and demand response
CN112418488B (zh) 一种基于两阶段能量优化的综合能源系统调度方法及装置
CN111668878A (zh) 一种可再生微能源网的优化配置方法和系统
CN113361875A (zh) 计及需求侧响应和共享储能的多微电网综合能源系统优化调度方法
CN109685332A (zh) 一种综合能源多主体利益均衡优化调度方法及设备
CN112465263A (zh) 一种适应多场景的综合能源运行优化方法
CN112883630A (zh) 用于风电消纳的多微网系统日前优化经济调度方法
CN114997715A (zh) 基于改进模糊c均值聚类的冷热电联供系统配置方法
CN112085263A (zh) 一种用户侧分布式能源系统混合储能优化配置方法和系统
Wang et al. Research on capacity and strategy optimization of combined cooling, heating and power systems with solar photovoltaic and multiple energy storage
CN116468215A (zh) 计及源荷不确定性的综合能源系统调度方法及装置
CN113822572B (zh) 考虑能源共享和多风险的园区综合能源系统优化调度方法

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