CN113987734A - 机会约束条件的园区综合能源系统多目标优化调度方法 - Google Patents

机会约束条件的园区综合能源系统多目标优化调度方法 Download PDF

Info

Publication number
CN113987734A
CN113987734A CN202110830458.XA CN202110830458A CN113987734A CN 113987734 A CN113987734 A CN 113987734A CN 202110830458 A CN202110830458 A CN 202110830458A CN 113987734 A CN113987734 A CN 113987734A
Authority
CN
China
Prior art keywords
power
charging
electric
value
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.)
Pending
Application number
CN202110830458.XA
Other languages
English (en)
Inventor
赵庆生
王贵龙
郭尊
原帅
郭贺宏
原敏宏
韩肖清
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.)
Taiyuan University of Technology
Original Assignee
Taiyuan University of Technology
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 Taiyuan University of Technology filed Critical Taiyuan University of Technology
Priority to CN202110830458.XA priority Critical patent/CN113987734A/zh
Publication of CN113987734A publication Critical patent/CN113987734A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Water Supply & Treatment (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明提出了一种机会约束条件的园区综合能源系统多目标优化调度方法，通过建立电动汽车和电动公交车换电站等装置的数学模型，根据电动汽车和电动公交车换电站的出勤行为概率分布模型计算初始充电负荷曲线。考虑园区中的不确定性因素构建园区综合能源系统经济‑能效‑环保多目标优化调度模型，将冷热电联产机组备用出力和备用市场购电设置为园区综合能源系统的备用容量，将㶲效率作为能效优化指标，将污染性气体排放治理费用作为环保性指标。根据模糊隶属度函数构建加权满意度指标，并由层次分析法确定权重系数。将典型场景输入优化模型中，并利用matlab调用cplex求解，得到最佳运行方案。

Description

机会约束条件的园区综合能源系统多目标优化调度方法
技术领域
本发明涉及能源系统技术领域，尤其涉及一种机会约束条件的园区综合能源系统多目标优化调度方法。
背景技术
园区综合能源系统(Integrated Eenergy System,IES)是“智慧城市”建设中的用能主体，存在着大量的不确定性因素，包含由光照辐射强度变化引起光伏、风速改变引起的风机等可再生能源出力波动，冷、热、电负荷预测偏差，能源转换机组故障停机，外界环境及用户用能规律改变等。
随着“智慧城市”的建设发展，园区内的负荷由传统单一电力负荷逐步扩展为“冷热电气”综合负荷，负荷需求向着多样化方向延伸，促使电力需求响应(Demand Response,DR)逐步拓展为冷热电气综合需求响应(Integrated Demand Response,IDR)。IDR的实施以DR为主，即通过分时电价等激励信息引导用户主动调整用电行为，在电力高峰时段以相对廉价的天然气供能为主，采用“多能互补，梯级利用”的方式减轻电网负担。
园区综合能源系统不仅能提供更经济的运行方案，而且有助于提高能源利用率，减少污染性气体排放量，对于低碳城市建设的战略目标具有重要意义。
发明内容
本发明为了解决上述提到的问题，提供了一种机会约束条件的园区综合能源系统多目标优化调度方法。
本发明解决其技术问题所采用的技术方案是：构造一种机会约束条件的园区综合能源系统多目标优化调度方法，包括以下步骤：
步骤一、构建电动汽车数学模型、电动公交车换电站数学模型和出勤行为概率分布模型；
步骤二、根据电动汽车、电动公交车换电站的出勤行为概率分布模型进行初始充电负荷计算；
步骤三、构建园区综合能源系统的设备数学模型，构建园区综合能源系统多目标优化调度模型，以最小运行费用，最大
Figure BDA00031753436800000215
效率和最小污染性气体排放治理费用为优化的目标函数；
步骤四、构建冷热电机会约束条件，构建机会约束经济目标规划模型；
步骤五、采用确定性等价类转换的方法将机会约束条件线性化；
步骤六、确定权重系数，将典型场景输入综合能源系统优化模型中，采用matlab/cplex进行求解，得到最佳运行方案。
其中，(1)电动汽车数学模型及运行约束
电动汽车数学模型公式表示为：
Figure BDA0003175343680000021
Figure BDA0003175343680000022
式中：
Figure BDA0003175343680000023
为电动汽车的功率；
Figure BDA0003175343680000024
为电动汽车的充电功率；
Figure BDA0003175343680000025
为电动汽车的放电功率；
Figure BDA0003175343680000026
为电动汽车的额定充电功率；
Figure BDA0003175343680000027
为电动汽车的额定放电功率；
Figure BDA0003175343680000028
为电动汽车充电状态的0-1变量，取1表示充电；
Figure BDA0003175343680000029
为电动汽车放电状态的0-1变量，取1表示放电；
Figure BDA00031753436800000210
为充电效率；
Figure BDA00031753436800000211
为放电效率；St,k为电动汽车的荷电状态；
Figure BDA00031753436800000212
为电动汽车的额定电量值；
运行约束公式表示为：
Figure BDA00031753436800000213
S1,k＝S24,k (4)
Skmin≤St,k≤Skmax (5)
Figure BDA00031753436800000214
Figure BDA0003175343680000031
式中：
Figure BDA0003175343680000032
为电动汽车充电状态的0-1变量，取1表示充电；
Figure BDA0003175343680000033
为电动汽车放电状态的0-1变量，取1表示放电；S1,k为始时段荷电状态； S24,k为末时段荷电状态；Skmin为荷电状态的下限；Skmax为荷电状态的上限；
Figure BDA0003175343680000034
为电动汽车的总功率；
Figure BDA0003175343680000035
为车辆到达园区的时间；
Figure BDA0003175343680000036
为车辆离开园区的时间；Sdep,k为电动汽车离开园区时的荷电状态；
Figure BDA0003175343680000037
为车辆出行距离；
Figure BDA0003175343680000038
为最大续航里程；
(2)电动公交车换电站数学模型及运行约束
电动公交车换电站数学模型公式表示为：
Figure BDA0003175343680000039
Figure BDA00031753436800000310
式中：Pt BSS为换电站总功率；Pt cBSS表示总充电功率；Pt dBSS表示总放电功率；Et BSS为换电站的站内电量值；Dt为换电站的换电需求数；
Figure BDA00031753436800000311
为换电站的旧电池组剩余电量值；Nc为站内充电桩数量；
Figure BDA00031753436800000312
为充电桩j充电状态的0-1变量，取1表示充电；
Figure BDA00031753436800000313
为充电桩j放电状态的 0-1变量，取1表示放电；
Figure BDA00031753436800000314
为充电桩充电功率；
Figure BDA00031753436800000315
为充电桩放电功率；
Figure BDA00031753436800000316
为充电效率；
Figure BDA00031753436800000317
为放电效率；Ebatt为每台电池组的额定电量；
运行约束公式表示为：
Figure BDA00031753436800000318
Figure BDA00031753436800000319
Figure BDA00031753436800000320
Figure BDA00031753436800000321
Figure BDA00031753436800000322
Figure BDA00031753436800000323
式中：Pt cBSS为换电站在t时段的总充电功率；Pt dBSS为换电站在t 时段的总放电功率；
Figure BDA00031753436800000324
为每个充电位的充电功率；
Figure BDA00031753436800000325
为每个充电位的放电功率；NZ为换电站中总电池数量；tc为一组电池的充电时长；βBSS为换电站中电池组的电量备用系数；
Figure BDA0003175343680000041
为每个充电位的充电工作状态0-1变量，取1表示充电；
Figure BDA0003175343680000042
为每个充电位的放电工作状态0-1 变量，取1表示放电；
Figure BDA0003175343680000043
为站内电量最大值，最小值
Figure BDA0003175343680000044
需满足下一个充电时长间隔的充电需求；为延长电池使用寿命，同一时刻同一充电位只能运行在充电或放电模式；
(3)电动汽车和电动公交车出行行为概率分布模型
电动汽车到达园区时间tari和离开园区时间tdep遵循正态分布，行驶距离ddri遵循Gamma分布，假设电动汽车的常规充电过程为：每辆电动汽车到达园区后即开始充电，充至达到所需荷电状态结束，荷电状态初始值服从均匀分布，由于离开充电桩后量测设施检测不到电池状态，因此离开园区后的荷电状态视为0；换电站一天中的工作时间范围为[tari,tdep]，每小时的换电池数Dt服从均匀分布，电动公交车换下的动力电池剩余荷电状态最大值为SOCmax，且服从正态分布。
其中，初始充电负荷计算的步骤包括：
(1)对电动汽车初始充电负荷进行蒙特卡洛计算；
(2)对电动公交车换电站初始充电负荷进行蒙特卡洛计算。
其中，步骤三包括：
(1)根据设备的数学模型构建园区综合能源系多目标优化模型：
目标函数一、调度周期内，系统运行成本最小；
minCcost＝CG+CE+Cope+ClIDR (16)
Figure BDA0003175343680000045
Figure BDA0003175343680000046
Figure BDA0003175343680000047
Figure BDA0003175343680000048
式中：Ccost为总运行成本；CG为购买天然气的费用，CE为购电费用，CIDR为综合需求响应(IDR)成本,Cope为设备运行维护费用；λt E为一般商用分时电价，λt IDR为IDR补偿价格，IDR补偿模式为综合能源系统运营商补偿由于电动汽车(EV)、电动公交车换电站(BSS)放电和中央空调(AC)转变供能方式带来的成本；λt G为天然气价格；
Figure BDA0003175343680000051
为设备单位功率运行维护费用，
Figure BDA0003175343680000052
为第j台设备的输出功率，Nj为设备台数； Pt E为购电功率；Pt GT为燃气轮机(GT)电出力；
Figure BDA0003175343680000053
为燃气锅炉(GB)热出力；
Figure BDA0003175343680000054
为EV放电功率，Pt dBSS分别为BSS放电功率，
Figure BDA0003175343680000055
为第i台 AC响应IDR的用电功率改变量；ηGT为GT电效率；ηGB为GB热效率；β为天然气热值；NEV为EV总数量；NAC为AC总数量；
目标函数二、调度周期内，系统
Figure BDA00031753436800000544
效率最大；
Figure BDA0003175343680000056
Figure BDA0003175343680000057
Figure BDA0003175343680000058
式中：
Figure BDA0003175343680000059
为输入能量
Figure BDA00031753436800000510
值，
Figure BDA00031753436800000511
为输出能量
Figure BDA00031753436800000512
值，
Figure BDA00031753436800000513
为电负荷 (PL)的
Figure BDA00031753436800000514
值、
Figure BDA00031753436800000515
为基本热负荷(HL)的
Figure BDA00031753436800000516
值、
Figure BDA00031753436800000517
为生活热水(DHW) 的
Figure BDA00031753436800000518
值、
Figure BDA00031753436800000519
为冷负荷(CL)的
Figure BDA00031753436800000520
值，
Figure BDA00031753436800000521
为电能的
Figure BDA00031753436800000522
值、
Figure BDA00031753436800000523
为天然气的
Figure BDA00031753436800000524
值、
Figure BDA00031753436800000525
为PVT的电
Figure BDA00031753436800000526
值，
Figure BDA00031753436800000527
为PVT的热
Figure BDA00031753436800000528
值；
功率与优质电能的
Figure BDA00031753436800000529
值关系如下：
Figure BDA00031753436800000530
Figure BDA00031753436800000531
Figure BDA00031753436800000532
式中：
Figure BDA00031753436800000533
为电能
Figure BDA00031753436800000534
值；Pt E为购电功率；ζgen为燃煤火电厂在发电过程中的
Figure BDA00031753436800000535
损失系数；
Figure BDA00031753436800000536
为电负荷
Figure BDA00031753436800000537
值；Pt L为电负荷；
Figure BDA00031753436800000538
为PVT 的电出力
Figure BDA00031753436800000539
值；Pt PVT为PVT的电功率；
对于热负荷(HL)、生活热水(DHW)、冷负荷(CL)和光热(PVTh) 出力，
Figure BDA00031753436800000540
值与温度成正相关，因此能量
Figure BDA00031753436800000541
值与温度之间的关系如下
Figure BDA00031753436800000542
Figure BDA00031753436800000543
式中：
Figure BDA0003175343680000061
为k的
Figure BDA0003175343680000062
值，
Figure BDA0003175343680000063
为k的热功率，
Figure BDA0003175343680000064
为冷负荷，其中k 是热负荷(HL)、生活热水(DHW)、光热(PVTh)的集合；Tr k表示设定温度，
Figure BDA0003175343680000065
表示环境温度，Tr CL为CL的设定温度，
Figure BDA0003175343680000066
为CL的环境温度；
天然气的
Figure BDA0003175343680000067
值表达式如下式所示：
Figure BDA0003175343680000068
式中：
Figure BDA0003175343680000069
为天然气
Figure BDA00031753436800000610
值；ζgas为天然气的
Figure BDA00031753436800000616
值系数；Vt GB为燃气锅炉(GB)的耗气量，Vt GT为燃气轮机(GT)的耗气量；β为天然气热值；
目标函数三、调度周期内，系统污染性气体(CO2、SO2、NOx)排放治理费用最小；
考虑到外部电网中存在清洁能源电厂，系统从上级配网购买的电能中有一部分来源于清洁能源电厂，而清洁能源电厂中基本不产生污染性气体，因此在污染性气体排放量表达式中引入一个比例系数λe表征外购电能中来自清洁能源电厂的比例；
Figure BDA00031753436800000611
Figure BDA00031753436800000612
式中：Cenv为污染气体排放治理费用；mi为第i项污染气体的排放治理费用；
Figure BDA00031753436800000613
为第i项污染气体的排放量；
Figure BDA00031753436800000614
为燃烧天然气产生的第i项污染气体排放量；λe为IES购买的电量中来自绿色清洁能源电厂的比例；
Figure BDA00031753436800000615
为系统购电间接产生的第i项气体排放量；Vt GB为燃气锅炉的耗气量；Vt GT为燃气轮机的耗气量；
(2)常规约束条件：
电动公交车换电站(BSS)运行约束，电动汽车(EV)运行约束，蓄热设备(HS)运行约束，中央空调(AC)运行约束，能源交易约束，光伏 /光热组件(PVT)运行约束，溴化锂制冷机(LBR)运行约束，余热锅炉 (HRB)和燃气锅炉(GT)和燃气轮机(GT)运行约束。
其中，构建冷热电机会约束条件，构建机会约束经济目标规划模型的步骤中，
(1)冷功率约束
Figure BDA0003175343680000071
(2)热功率约束
Figure BDA0003175343680000072
(3)电功率约束
Figure BDA0003175343680000073
Figure BDA0003175343680000074
Figure BDA0003175343680000075
Figure BDA0003175343680000076
ΔPdown，ΔHdown，ΔCdown≥0 (38)
式中：Pt L为园区电负荷、
Figure BDA0003175343680000077
为园区电负荷、
Figure BDA0003175343680000078
为园区冷负荷、Pt PV为园区光伏出力；Pt GT为燃气轮机电出力,
Figure BDA0003175343680000079
为燃气轮机电出力上限；ηGT为燃气轮机的电效率；Pt E为购电功率；
Figure BDA00031753436800000710
为燃气锅炉热出力；
Figure BDA00031753436800000711
为溴化锂制冷机制冷出力；Pt BSS为换电站的总功率，表示充/放电功率的差；
Figure BDA00031753436800000712
为中央空调的制冷功率；
Figure BDA00031753436800000713
为中央空调的耗电功率；
Figure BDA00031753436800000714
为中央空调的工作状态0-1值，工作时段取1，非工作时段取0；置信水平αP为电机会约束条件成立所需要满足的概率值、αH为热机会约束条件成立所需要满足的概率值、αC为冷机会约束条件成立所需要满足的概率值；
Figure BDA00031753436800000715
为冷负荷随机量、
Figure BDA00031753436800000716
为热负荷随机量、
Figure BDA00031753436800000717
为电负荷随机量，
Figure BDA00031753436800000718
为光伏预测出力的随机量；
Figure BDA00031753436800000719
为CCHP系统热备用出力、
Figure BDA00031753436800000720
为CCHP系统电备用出力、
Figure BDA00031753436800000721
为园区给备用市场分配的购电量；ηCCHP为CCHP系统的热效率；
Figure BDA00031753436800000722
为CCHP系统热出力；
Figure BDA00031753436800000723
为 CCHP系统的热出力上限；ΔPdown为电备用约束中引入的松弛变量、ΔHdown为热备用约束中引入的松弛变量、ΔCdown为冷备用约束中引入的松弛变量；
为了尽量降低越限风险，在经济优化目标函数中加入功率越限风险成本，综合运行成本表达式如下所示：
minC＝Ccost+Crisk (39)
Crisk＝τr(ΔPdown+ΔHdown+ΔCdown) (40)
式中：C为综合运行成本、Ccost为经济运行成本、Crisk为机会约束越限产生的惩罚项，越限量越大，惩罚的数值也越大，τr为越限惩罚因子。
其中，在采用确定性等价类转换的方法将机会约束条件线性化的步骤中，
线性化后的机会约束条件如下：
Figure BDA0003175343680000081
Figure BDA0003175343680000082
Figure BDA0003175343680000083
其中，步骤六中，
将多目标优化模型线性化，构建加权满意度指标，基于层次分析法确定权重系数；将电动汽车、电动公交车换电站和中央空调作为综合需求响应实施主体，将典型场景输入综合能源系统优化模型中，采用matlab/cplex进行求解，得到最佳运行方案。
区别于现有技术，本发明的机会约束条件的园区综合能源系统多目标优化调度方法，建立电动汽车和电动公交车换电站等装置的数学模型，根据电动汽车和电动公交车换电站的出勤行为概率分布模型计算初始充电负荷曲线。本发明将电动汽车、电动公交车换电站和中央空调作为综合需求响应实施主体。考虑园区中的不确定性因素构建园区综合能源系统经济-能效-环保多目标优化调度模型，将冷热电联产机组备用出力和备用市场购电设置为园区综合能源系统的备用容量，将
Figure BDA0003175343680000084
效率作为能效优化指标，将污染性气体排放治理费用作为环保性指标。根据模糊隶属度函数构建加权满意度指标，并由层次分析法确定权重系数。利用matlab调用cplex求解该模型，以兼顾园区综合能源系统运行的经济性、能效性和环保性要求；将
Figure BDA0003175343680000091
效率作为能效优化指标能够评估能量的高品质利用情况，既考虑了能量的数量又兼顾了能量的品质；综合需求响应的实施能够实现削峰填谷，对于缓解高峰负荷时期的电网供电压力，降低运行费用有显著的影响。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本发明提供的一种机会约束条件的园区综合能源系统多目标优化调度方法的园区综合能源系统能流关系示意图。
图2是本发明提供的一种机会约束条件的园区综合能源系统多目标优化调度方法中电动汽车换电站的充电负荷蒙特卡洛计算流程示意图。
图3是本发明提供的一种基于线路阻抗参数估计的窃电预测方法中电动公交车换电站的充电负荷蒙特卡洛计算流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明做进一步的详细说明。应当理解，此外所描述的具体实施例仅用以解释本发明，但并不用于限定本发明。基于本发明中的实施例，本领域普通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，都将属于本发明保护的范围。
参照附图1，本发明提供的一种机会约束条件的园区综合能源系统多目标优化调度方法，包括以下步骤：
步骤一、构建电动汽车数学模型、电动公交车换电站数学模型和出勤行为概率分布模型；
步骤二、根据电动汽车、电动公交车换电站的出勤行为概率分布模型进行初始充电负荷计算；
步骤三、构建园区综合能源系统的设备数学模型，构建园区综合能源系统多目标优化调度模型，以最小运行费用，最大
Figure BDA0003175343680000101
效率和最小污染性气体排放治理费用为优化的目标函数；
步骤四、构建冷热电机会约束条件，构建机会约束经济目标规划模型；
步骤五、采用确定性等价类转换的方法将机会约束条件线性化；
步骤六、确定权重系数，将典型场景输入综合能源系统优化模型中，采用matlab/cplex进行求解，得到最佳运行方案。
其中，(1)电动汽车数学模型及运行约束
电动汽车数学模型公式表示为：
Figure BDA0003175343680000102
Figure BDA0003175343680000103
式中：
Figure BDA0003175343680000104
为电动汽车的功率；
Figure BDA0003175343680000105
为电动汽车的充电功率；
Figure BDA0003175343680000106
为电动汽车的放电功率；
Figure BDA0003175343680000107
为电动汽车的额定充电功率；
Figure BDA0003175343680000108
为电动汽车的额定放电功率；
Figure BDA0003175343680000109
为电动汽车充电状态的0-1变量，取1表示充电；
Figure BDA00031753436800001010
为电动汽车放电状态的0-1变量，取1表示放电；
Figure BDA00031753436800001011
为充电效率；
Figure BDA00031753436800001012
为放电效率；St,k为电动汽车的荷电状态；
Figure BDA00031753436800001013
为电动汽车的额定电量值；
运行约束公式表示为：
Figure BDA00031753436800001014
S1,k＝S24,k (4)
Skmin≤St,k≤Skmax (5)
Figure BDA00031753436800001015
Figure BDA00031753436800001016
式中：
Figure BDA00031753436800001017
为电动汽车充电状态的0-1变量，取1表示充电；
Figure BDA00031753436800001018
为电动汽车放电状态的0-1变量，取1表示放电；S1,k为始时段荷电状态； S24,k为末时段荷电状态；Skmin为荷电状态的下限；Skmax为荷电状态的上限；
Figure BDA00031753436800001019
为电动汽车的总功率；
Figure BDA00031753436800001020
为车辆到达园区的时间；
Figure BDA00031753436800001021
为车辆离开园区的时间；Sdep,k为电动汽车离开园区时的荷电状态；
Figure BDA0003175343680000111
为车辆出行距离；
Figure BDA0003175343680000112
为最大续航里程；
(2)电动公交车换电站数学模型及运行约束
电动公交车换电站数学模型公式表示为：
Figure BDA0003175343680000113
Figure BDA0003175343680000114
式中：Pt BSS为换电站总功率；Pt cBSS表示总充电功率；Pt dBSS表示总放电功率；
Figure BDA0003175343680000115
为换电站的站内电量值；Dt为换电站的换电需求数；
Figure BDA0003175343680000116
为换电站的旧电池组剩余电量值；Nc为站内充电桩数量；
Figure BDA0003175343680000117
为充电桩j充电状态的0-1变量，取1表示充电；
Figure BDA0003175343680000118
为充电桩j放电状态的 0-1变量，取1表示放电；
Figure BDA0003175343680000119
为充电桩充电功率；
Figure BDA00031753436800001110
为充电桩放电功率；
Figure BDA00031753436800001111
为充电效率；
Figure BDA00031753436800001112
为放电效率；Ebatt为每台电池组的额定电量；
运行约束公式表示为：
Figure BDA00031753436800001113
Figure BDA00031753436800001114
Figure BDA00031753436800001115
Figure BDA00031753436800001116
Figure BDA00031753436800001117
Figure BDA00031753436800001118
式中：Pt cBSS为换电站在t时段的总充电功率；Pt dBSS为换电站在t 时段的总放电功率；
Figure BDA00031753436800001119
为每个充电位的充电功率；
Figure BDA00031753436800001120
为每个充电位的放电功率；NZ为换电站中总电池数量；tc为一组电池的充电时长；βBSS为换电站中电池组的电量备用系数；
Figure BDA00031753436800001121
为每个充电位的充电工作状态0-1变量，取1表示充电；
Figure BDA00031753436800001122
为每个充电位的放电工作状态0-1 变量，取1表示放电；
Figure BDA00031753436800001123
为站内电量最大值，最小值
Figure BDA00031753436800001124
需满足下一个充电时长间隔的充电需求；为延长电池使用寿命，同一时刻同一充电位只能运行在充电或放电模式；
(3)电动汽车和电动公交车出行行为概率分布模型
电动汽车到达园区时间tari和离开园区时间tdep遵循正态分布，行驶距离ddri遵循Gamma分布，假设电动汽车的常规充电过程为：每辆电动汽车到达园区后即开始充电，充至达到所需荷电状态结束，荷电状态初始值服从均匀分布，由于离开充电桩后量测设施检测不到电池状态，因此离开园区后的荷电状态视为0；换电站一天中的工作时间范围为[tari,tdep]，每小时的换电池数Dt服从均匀分布，电动公交车换下的动力电池剩余荷电状态最大值为SOCmax，且服从正态分布。
其中，初始充电负荷计算的步骤包括：
(1)对电动汽车初始充电负荷进行蒙特卡洛计算；
如图2所示，电动汽车初始充电负荷蒙特卡洛计算流程：
Step1，输入园区内电动汽车集群的基本信息；
Step2，输入车辆编号i＝1；
Step3，根据电动汽车通勤时间抽取车辆i的起始充电时间；
Step4，判断车辆i的起始充电时间是否符合逻辑，如满足调度周期要求、抵达园区时间早于离开时间，如果符合继续下一步，否则跳转到Step3；
Step5，根据电动汽车初始荷电状态的概率分布抽取车辆i的动力电池的初始荷电状态值；
Step6，计算车辆i的动力电池充电所需时长；
Step7，判断车辆i的充电行为是否符合逻辑，如车辆抵达园区时间与充电时间的和是否早于车辆离开园区的时间，如果符合继续下一步，否则跳转到Step3；
Step8，累加充电负荷；
Step9，判断是否对所有车辆充电负荷进行计算小于等于车辆总量，若是进行下一步，否则返回Step 3；
Step10，输出园区电动汽车集群在一个调度周期内的充电负荷曲线并停止计算。
(2)对电动公交车换电站初始充电负荷进行蒙特卡洛计算。
如图3所示，电动公交车换电站初始充电负荷蒙特卡洛计算流程：
Step1，输入电动公交车换电站的充电行为概率密度函数、站内动力电池组总数量和动力电池组参数等基本信息。
Step2，输入电动公交车换电站站内电池组编号i＝1；
Step3，根据电动公交车换电站的工作时间范围抽取电池组i的起始充电时间；
Step4，判断电池组i的起始充电时间是否符合逻辑，如满足电动公交车换电站工作时间要求，如果符合，则继续进行下一步，否则跳转到Step3；
Step5，根据电动公交车换下电池组荷电状态的概率分布抽取电池组i的荷电状态值；
Step6，判断电池组i的荷电状态值是否符合逻辑，如换下电池组的荷电状态最大值是否满足要求，如果符合，则继续进行下一步，否则跳转到Step5；
Step7，计算电池组i的充电所需时长；
Step8，判断电池组i的充电行为是否符合逻辑，如电池组i的充电时长与起始充电时间的和是否早于电动公交车换电站结束工作的时间，如果符合，则继续进行下一步，否则跳转到Step3；
Step9，累加充电负荷；
Step10，判断是否对换电站内电池组充电负荷进行计算小于等于站内电池组总数，若是进行下一步，否则返回Step 3；
Step11，输出电动公交车换电站在一个调度周期内的初始充电负荷曲线并停止计算。
其中，步骤三包括：
步骤3.1、构建冷热电联供系统数学模型：
Pt GT＝Vt GTηGTβ/Δt
Figure BDA0003175343680000131
Figure BDA0003175343680000132
Figure BDA0003175343680000133
式中：P、H、C分别表示电、热、冷功率，Pt GT为GT电出力；Vt GT为GT耗气量；ηGT为GT发电效率；β为天然气热值；
Figure BDA0003175343680000134
为HRB 热出力；ηHRB为余热回收效率；
Figure BDA0003175343680000135
为CCHP系统热出力、
Figure BDA0003175343680000136
为 CCHP系统冷出力；ηLBR为溴化锂制冷机效率；
Figure BDA0003175343680000137
为输入溴化锂制冷机的热功率；
Figure BDA0003175343680000138
为蓄热设备的充热功率；
Figure BDA0003175343680000139
为蓄热设备的放热功率；Δt为时间间隔。
步骤3.2、构建光伏/光热一体化组件(PVT)数学模型：
Figure BDA0003175343680000141
式中：It为光照辐射强度；Imax为光照辐射强度的上限值；α*、β*为Beta分布函数的参数；Γ为Gamma函数。
由上式可以得到光伏/光热出力的数学模型，如下所示：
Figure BDA0003175343680000142
Figure BDA0003175343680000143
式中：Pt PVT为PVT电出力；
Figure BDA0003175343680000144
为PVT热出力；APV是PVT安装面积；
Figure BDA0003175343680000145
为PVT的电转换效率；
Figure BDA0003175343680000146
为PVT的热转换效率；It为光照强度。
步骤3.3、构建燃气锅炉数学模型：
Figure BDA0003175343680000147
式中：
Figure BDA0003175343680000148
为燃气锅炉热出力；Vt GB为燃气锅炉的进气量；ηGB为燃气锅炉热效率；β为天然气热值。
步骤3.4、构建楼宇中央空调系统数学模型：
Figure BDA0003175343680000149
Figure BDA00031753436800001410
Figure BDA00031753436800001411
Figure BDA00031753436800001412
式中：
Figure BDA00031753436800001413
为t时刻第i台AC的室内温度；
Figure BDA00031753436800001414
为t时刻第i台 AC的室外温度；
Figure BDA00031753436800001415
为室内温度的上限值；
Figure BDA00031753436800001416
为室内温度的下限值；
Figure BDA00031753436800001417
为t时刻第i台AC的工作状态0-1值，工作时刻取1，非工作时刻取0。Pt AC为t时刻AC的总耗电功率；Pi AC为t时刻AC的额定耗电功率；
Figure BDA00031753436800001418
为t时刻AC的总制冷功率；
Figure BDA00031753436800001419
为t时刻AC的额定制冷性能系数；NAC为AC总台数；R、C、Q分别为等值热电阻、等值热电容和等值热比率。
步骤3.5、构建蓄热装置数学模型：
Figure BDA0003175343680000151
式中：
Figure BDA0003175343680000152
为蓄热设备k的蓄热量；
Figure BDA0003175343680000153
为蓄热设备的充热功率；
Figure BDA0003175343680000154
为蓄热设备的放热功率；
Figure BDA0003175343680000155
为蓄热设备的充热效率；
Figure BDA0003175343680000156
为蓄热设备的放热效率；μ为蓄热设备的散热损失率。
步骤3.6、经济优化，构建目标函数一、调度周期内，系统运行成本最小；
minCcost＝CG+CE+Cope+ClIDR (16)
Figure BDA0003175343680000157
Figure BDA0003175343680000158
Figure BDA0003175343680000159
Figure BDA00031753436800001510
式中：Ccost为总运行成本；CG为购买天然气的费用，CE为购电费用，CIDR为综合需求响应(IDR)成本,Cope为设备运行维护费用；λt E为一般商用分时电价，λt IDR为IDR补偿价格，IDR补偿模式为综合能源系统运营商补偿由于电动汽车(EV)、电动公交车换电站(BSS)放电和中央空调(AC)转变供能方式带来的成本；λt G为天然气价格；
Figure BDA00031753436800001511
为设备单位功率运行维护费用，
Figure BDA00031753436800001512
为第j台设备的输出功率，Nj为设备台数； Pt E为购电功率；Pt GT为燃气轮机(GT)电出力；
Figure BDA00031753436800001513
为燃气锅炉(GB)热出力；
Figure BDA00031753436800001514
为EV放电功率，Pt dBSS分别为BSS放电功率，
Figure BDA00031753436800001515
为第i台 AC响应IDR的用电功率改变量；ηGT为GT电效率；ηGB为GB热效率；β为天然气热值；NEV、NAC为EV总数量；NAC为AC总数量；综合需求响应划分情况如表1所示。
Figure BDA0003175343680000161
表1综合需求响应划分情况表
步骤3.7、能效优化，构建目标函数二、调度周期内，系统
Figure BDA00031753436800001644
效率最大；
Figure BDA0003175343680000162
Figure BDA0003175343680000163
Figure BDA0003175343680000164
式中：
Figure BDA0003175343680000165
为输入能量
Figure BDA0003175343680000166
值，
Figure BDA0003175343680000167
为输出能量
Figure BDA0003175343680000168
值，
Figure BDA0003175343680000169
为电负荷 (PL)的
Figure BDA00031753436800001610
值、
Figure BDA00031753436800001611
为基本热负荷(HL)的
Figure BDA00031753436800001612
值、
Figure BDA00031753436800001613
为生活热水(DHW) 的
Figure BDA00031753436800001614
值、
Figure BDA00031753436800001615
为冷负荷(CL)的
Figure BDA00031753436800001616
值，
Figure BDA00031753436800001617
为电能的
Figure BDA00031753436800001618
值、
Figure BDA00031753436800001619
为天然气的
Figure BDA00031753436800001620
值、
Figure BDA00031753436800001621
为PVT的电
Figure BDA00031753436800001622
值，
Figure BDA00031753436800001623
为PVT的热
Figure BDA00031753436800001624
值；
功率与优质电能的
Figure BDA00031753436800001625
值关系如下：
Figure BDA00031753436800001626
Figure BDA00031753436800001627
Figure BDA00031753436800001628
式中：
Figure BDA00031753436800001629
为电能
Figure BDA00031753436800001630
值；Pt E为购电功率；ζgen为燃煤火电厂在发电过程中的
Figure BDA00031753436800001631
损失系数；
Figure BDA00031753436800001632
为电负荷
Figure BDA00031753436800001633
值；Pt L为电负荷；
Figure BDA00031753436800001634
为PVT 的电出力
Figure BDA00031753436800001635
值；Pt PVT为PVT的电功率；
对于热负荷(HL)、生活热水(DHW)、冷负荷(CL)和光热(PVTh) 出力，
Figure BDA00031753436800001636
值与温度成正相关，因此能量
Figure BDA00031753436800001637
值与温度之间的关系如下
Figure BDA00031753436800001638
Figure BDA00031753436800001639
式中：
Figure BDA00031753436800001640
为k的
Figure BDA00031753436800001641
值，
Figure BDA00031753436800001642
为k的热功率，
Figure BDA00031753436800001643
为冷负荷，其中k 是热负荷(HL)、生活热水(DHW)、光热(PVTh)的集合；Tr k表示设定温度，
Figure BDA0003175343680000171
表示环境温度，Tr CL为CL的设定温度，
Figure BDA0003175343680000172
为CL的环境温度；
天然气的
Figure BDA00031753436800001715
值表达式如下式所示：
Figure BDA0003175343680000173
式中：
Figure BDA0003175343680000174
为天然气
Figure BDA00031753436800001716
值；ζgas为天然气的
Figure BDA00031753436800001717
值系数；Vt GB为燃气锅炉(GB)的耗气量，Vt GT为燃气轮机(GT)的耗气量；β为天然气热值；
步骤3.8、环保性指标，构建目标函数三、调度周期内，系统污染性气体(CO2、SO2、NOx)排放治理费用最小；
考虑到外部电网中存在清洁能源电厂，系统从上级配网购买的电能中有一部分来源于清洁能源电厂，而清洁能源电厂中基本不产生污染性气体，因此在污染性气体排放量表达式中引入一个比例系数λe表征外购电能中来自清洁能源电厂的比例；
Figure BDA0003175343680000175
Figure BDA0003175343680000176
式中：Cenv为污染气体排放治理费用；mi为第i项污染气体的排放治理费用；
Figure BDA0003175343680000177
为第i项污染气体的排放量；
Figure BDA0003175343680000178
为燃烧天然气产生的第i项污染气体排放量；λe为IES购买的电量中来自绿色清洁能源电厂的比例；
Figure BDA0003175343680000179
为系统购电间接产生的第i项气体排放量；Vt GB为燃气锅炉的耗气量；Vt GT为燃气轮机的耗气量；
步骤3.9、设备约束条件：
Figure BDA00031753436800001710
Figure BDA00031753436800001711
Figure BDA00031753436800001712
Figure BDA00031753436800001713
Figure BDA00031753436800001714
式中：
Figure BDA0003175343680000181
为蓄热设备(HS)的储热量下限；
Figure BDA0003175343680000182
为蓄热设备(HS) 的储热量上限；
Figure BDA0003175343680000183
为蓄热设备(HS)始时刻的储热量；
Figure BDA0003175343680000184
为蓄热设备 (HS)末时刻的储热量；
Figure BDA0003175343680000185
为蓄热设备(HS)的充热功率；
Figure BDA0003175343680000186
为蓄热设备(HS)的放热功率；
Figure BDA0003175343680000187
为蓄热设备(HS)的充热上限；
Figure BDA0003175343680000188
为蓄热设备(HS)的放热上限；
Figure BDA0003175343680000189
为HS运行状态的0-1变量，取1表示充热，
Figure BDA00031753436800001810
为HS运行状态的0-1变量，取1表示放热。蓄热设备(HS)在同一时刻只能运行在蓄热或放热模式。
(2)CCHP系统运行约束
Figure BDA00031753436800001811
Figure BDA00031753436800001812
Figure BDA00031753436800001813
Figure BDA00031753436800001814
Figure BDA00031753436800001815
式中：Pt GT为燃气轮机(GT)电出力；
Figure BDA00031753436800001816
为燃气轮机(GT)电出力上限；
Figure BDA00031753436800001817
为燃气轮机(GT)爬坡率上限；Ht GT为燃气轮机(GT)热出力；
Figure BDA00031753436800001818
为燃气轮机(GT)热出力上限、
Figure BDA00031753436800001819
为余热锅炉(HRB)热出力上限、
Figure BDA00031753436800001820
为溴化锂制冷机(LBR)制冷功率上限；Ht HRB为余热锅炉(HRB)热出力；Ct LBR为溴化锂制冷机(LBR)出力。
(3)燃气锅炉运行约束
Figure BDA00031753436800001821
式中：
Figure BDA00031753436800001822
为t时刻燃气锅炉(GB)的热出力；
Figure BDA00031753436800001823
燃气锅炉(GB) 热出力上限。
(4)中央空调运行约束
为了兼顾用户用冷需求与电网“削峰填谷”需求，中央空调(AC) 响应IDR的方式设定为“多能互补”，即在电力高峰期通过CCHP系统中的溴化锂制冷机(LBR)满足园区综合能源系统内部部分用冷需求。
Figure BDA00031753436800001824
Figure BDA0003175343680000191
式中：
Figure BDA0003175343680000192
为LBR制冷功率；
Figure BDA0003175343680000193
为第i台AC响应IDR的用电功率改变量；
Figure BDA0003175343680000194
为制冷性能系数。
Figure BDA0003175343680000195
为第i台AC工作状态0-1值，工作时段取1，非工作时段取0；
Figure BDA0003175343680000196
为AC的电功率；NAC为AC总数量。
(5)能源交易约束
Figure BDA0003175343680000197
Figure BDA0003175343680000198
式中：Pt E为t时刻园区购电功率。
Figure BDA0003175343680000199
分别为t时刻园区购电功率上限。Vt GT为燃气轮机(GT)进气量、Vt GB为燃气锅炉(GB)进气量，
Figure BDA00031753436800001910
为园区购气量上限。
(2)常规约束条件：
电动公交车换电站(BSS)运行约束，电动汽车(EV)运行约束，蓄热设备(HS)运行约束，中央空调(AC)运行约束，能源交易约束，光伏 /光热组件(PVT)运行约束，溴化锂制冷机(LBR)运行约束，余热锅炉 (HRB)和燃气锅炉(GT)和燃气轮机(GT)运行约束。
其中，构建冷热电机会约束条件，构建机会约束经济目标规划模型的步骤中，
(1)冷功率约束
Figure BDA00031753436800001911
(2)热功率约束
Figure BDA00031753436800001912
(3)电功率约束
Figure BDA00031753436800001913
Figure BDA00031753436800001914
Figure BDA0003175343680000201
Figure BDA0003175343680000202
ΔPdown，ΔHdown，ΔCdown≥0 (38)
式中：Pt L为园区电负荷、
Figure BDA0003175343680000203
为园区电负荷、
Figure BDA0003175343680000204
为园区冷负荷、Pt PV为园区光伏出力；Pt GT为燃气轮机电出力，
Figure BDA0003175343680000205
为燃气轮机电出力上限；ηGT为燃气轮机的电效率；Pt E为购电功率；
Figure BDA0003175343680000206
为燃气锅炉热出力；
Figure BDA0003175343680000207
为溴化锂制冷机制冷出力；Pt BSS为换电站的总功率，表示充/放电功率的差；
Figure BDA0003175343680000208
为中央空调的制冷功率；
Figure BDA0003175343680000209
为中央空调的耗电功率；
Figure BDA00031753436800002010
为中央空调的工作状态0-1值，工作时段取1，非工作时段取0；置信水平αP为电机会约束条件成立所需要满足的概率值、αH为热机会约束条件成立所需要满足的概率值、αC为冷机会约束条件成立所需要满足的概率值；
Figure BDA00031753436800002011
为冷负荷随机量、
Figure BDA00031753436800002012
为热负荷随机量、
Figure BDA00031753436800002013
为电负荷随机量，
Figure BDA00031753436800002014
为光伏预测出力的随机量；
Figure BDA00031753436800002015
为CCHP系统热备用出力、
Figure BDA00031753436800002016
为CCHP系统电备用出力、
Figure BDA00031753436800002017
为园区给备用市场分配的购电量；ηCCHP为CCHP系统的热效率；
Figure BDA00031753436800002018
为CCHP系统热出力；
Figure BDA00031753436800002019
为 CCHP系统的热出力上限；ΔPdown为电备用约束中引入的松弛变量、ΔHdown为热备用约束中引入的松弛变量、ΔCdown为冷备用约束中引入的松弛变量；
为了尽量降低越限风险，在经济优化目标函数中加入功率越限风险成本，综合运行成本表达式如下所示：
minC＝Ccost+Crisk (39)
Crisk＝τr(ΔPdown+ΔHdown+ΔCdown) (40)
式中：C为综合运行成本、Ccost为经济运行成本、Crisk为机会约束越限产生的惩罚项，越限量越大，惩罚的数值也越大，τr为越限惩罚因子。
其中，在采用确定性等价类转换的方法将机会约束条件线性化的步骤中，
线性化后的机会约束条件如下：
Figure BDA0003175343680000211
Figure BDA0003175343680000212
Figure BDA0003175343680000213
其中，步骤六中，
将多目标优化模型线性化，构建加权满意度指标，基于层次分析法确定权重系数；将电动汽车、电动公交车换电站和中央空调作为综合需求响应实施主体，将典型场景输入综合能源系统优化模型中，采用matlab/cplex进行求解，得到最佳运行方案。包括步骤：
步骤6.1、目标函数模糊化
Figure BDA0003175343680000214
式中：μi(fi)为第i个目标函数的隶属度函数，fi为第i个目标函数，fi min为第i个目标函数的最小值，fi max为第i个目标函数的最大值。
步骤6.2、线性化处理
Figure BDA0003175343680000215
式中：Exout、Exin分别为综合能源系统(IES)总输出、输入
Figure BDA0003175343680000217
能。
步骤6.3、构建加权满意度指标，权重系数依据专家打分由层次分析法计算得到，层次分析法各标度含义如附表2所示。
ρ＝λ1μ1(f1)+λ2μ2(f2)+λ3μ3(f3)
式中：ρ表示满意度指标，λ1、λ2、λ3分别为经济、能效、环保的指标权重，f1、f2、f3分别为经济、能效、环保的三个优化目标函数。
Figure BDA0003175343680000216
Figure BDA0003175343680000221
表2层次分析法标度含义表
步骤6.4、采用matlab/cplex进行求解，得到最佳运行方案。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (7)

1.一种机会约束条件的园区综合能源系统多目标优化调度方法，其特征在于：包括以下步骤：
步骤一、构建电动汽车数学模型、电动公交车换电站数学模型和出勤行为概率分布模型；
步骤二、根据电动汽车、电动公交车换电站的出勤行为概率分布模型进行初始充电负荷计算；
步骤三、构建园区综合能源系统的设备数学模型，构建园区综合能源系统多目标优化调度模型，以最小运行费用，最大
Figure FDA00031753436700000113
效率和最小污染性气体排放治理费用为优化的目标函数；
步骤四、构建冷热电机会约束条件，构建机会约束经济目标规划模型；
步骤五、采用确定性等价类转换的方法将机会约束条件线性化；
步骤六、确定权重系数，将典型场景输入综合能源系统优化模型中，采用matlab/cplex进行求解，得到最佳运行方案。
2.根据权利要求1所述的计及机会约束条件的园区综合能源系统多目标优化调度方法，其特征在于，
(1)电动汽车数学模型及运行约束
电动汽车数学模型公式表示为：
Figure FDA0003175343670000011
Figure FDA0003175343670000012
式中：
Figure FDA0003175343670000013
为电动汽车的功率；
Figure FDA0003175343670000014
为电动汽车的充电功率；
Figure FDA0003175343670000015
为电动汽车的放电功率；
Figure FDA0003175343670000016
为电动汽车的额定充电功率；
Figure FDA0003175343670000017
为电动汽车的额定放电功率；
Figure FDA0003175343670000018
为电动汽车充电状态的0-1变量，取1表示充电；
Figure FDA0003175343670000019
为电动汽车放电状态的0-1变量，取1表示放电；
Figure FDA00031753436700000110
为充电效率；
Figure FDA00031753436700000111
为放电效率；St,k为电动汽车的荷电状态；
Figure FDA00031753436700000112
为电动汽车的额定电量值；
运行约束公式表示为：
Figure FDA0003175343670000021
S1,k＝S24,k (4)
Skmin≤St,k≤Skmax (5)
Figure FDA0003175343670000022
Figure FDA0003175343670000023
式中：
Figure FDA0003175343670000024
为电动汽车充电状态的0-1变量，取1表示充电；
Figure FDA0003175343670000025
为电动汽车放电状态的0-1变量，取1表示放电；S1,k为始时段荷电状态；S24,k为末时段荷电状态；Skmin为荷电状态的下限；Skmax为荷电状态的上限；
Figure FDA0003175343670000026
为电动汽车的总功率；
Figure FDA0003175343670000027
为车辆到达园区的时间；
Figure FDA0003175343670000028
为车辆离开园区的时间；Sdep,k为电动汽车离开园区时的荷电状态；
Figure FDA0003175343670000029
为车辆出行距离；
Figure FDA00031753436700000210
为最大续航里程；
(2)电动公交车换电站数学模型及运行约束
电动公交车换电站数学模型公式表示为：
Figure FDA00031753436700000211
Figure FDA00031753436700000212
式中：Pt BSS为换电站总功率；Pt cBSS表示总充电功率；Pt dBSS表示总放电功率；
Figure FDA00031753436700000213
为换电站的站内电量值；Dt为换电站的换电需求数；
Figure FDA00031753436700000214
为换电站的旧电池组剩余电量值；Nc为站内充电桩数量；
Figure FDA00031753436700000215
为充电桩j充电状态的0-1变量，取1表示充电；
Figure FDA00031753436700000216
为充电桩j放电状态的0-1变量，取1表示放电；
Figure FDA00031753436700000217
为充电桩充电功率；
Figure FDA00031753436700000218
为充电桩放电功率；
Figure FDA00031753436700000219
为充电效率；
Figure FDA00031753436700000220
为放电效率；Ebatt为每台电池组的额定电量；
运行约束公式表示为：
Figure FDA00031753436700000221
Figure FDA00031753436700000222
Figure FDA00031753436700000223
Figure FDA0003175343670000031
Figure FDA0003175343670000032
Figure FDA0003175343670000033
式中：Pt cBSS为换电站在t时段的总充电功率；Pt dBSS为换电站在t时段的总放电功率；
Figure FDA0003175343670000034
为每个充电位的充电功率；
Figure FDA0003175343670000035
为每个充电位的放电功率；NZ为换电站中总电池数量；tc为一组电池的充电时长；βBSS为换电站中电池组的电量备用系数；
Figure FDA0003175343670000036
为每个充电位的充电工作状态0-1变量，取1表示充电；
Figure FDA0003175343670000037
为每个充电位的放电工作状态0-1变量，取1表示放电；
Figure FDA0003175343670000038
为站内电量最大值，最小值
Figure FDA0003175343670000039
需满足下一个充电时长间隔的充电需求；为延长电池使用寿命，同一时刻同一充电位只能运行在充电或放电模式；
(3)电动汽车和电动公交车出行行为概率分布模型
电动汽车到达园区时间：tari和离开园区时间tdep遵循正态分布，行驶距离ddri遵循Gamma分布，假设电动汽车的常规充电过程为：每辆电动汽车到达园区后即开始充电，充至达到所需荷电状态结束，荷电状态初始值服从均匀分布，由于离开充电桩后量测设施检测不到电池状态，因此离开园区后的荷电状态视为0；换电站一天中的工作时间范围为[tari,tdep]，每小时的换电池数Dt服从均匀分布，电动公交车换下的动力电池剩余荷电状态最大值为SOCmax，且服从正态分布。
3.根据权利要求1所述的机会约束条件的园区综合能源系统多目标优化调度方法，其特征在于，初始充电负荷计算的步骤包括：
(1)对电动汽车初始充电负荷进行蒙特卡洛计算；
(2)对电动公交车换电站初始充电负荷进行蒙特卡洛计算。
4.根据权利要求1所述的机会约束条件的园区综合能源系统多目标优化调度方法，其特征在于，步骤三包括：
(1)根据设备的数学模型构建园区综合能源系多目标优化模型：
目标函数一、调度周期内，系统运行成本最小；
min Ccost＝CG+CE+Cope+ClIDR (16)
Figure FDA0003175343670000041
Figure FDA0003175343670000042
Figure FDA0003175343670000043
Figure FDA0003175343670000044
式中：Ccost为总运行成本；CG为购买天然气的费用，CE为购电费用，CIDR为综合需求响应(IDR)成本,Cope为设备运行维护费用；λt E为一般商用分时电价，λt IDR为IDR补偿价格，IDR补偿模式为综合能源系统运营商补偿由于电动汽车(EV)、电动公交车换电站(BSS)放电和中央空调(AC)转变供能方式带来的成本；λt G为天然气价格；
Figure FDA0003175343670000045
为设备单位功率运行维护费用，
Figure FDA0003175343670000046
为第j台设备的输出功率，Nj为设备台数；Pt E为购电功率；Pt GT为燃气轮机(GT)电出力；
Figure FDA0003175343670000047
为燃气锅炉(GB)热出力；
Figure FDA0003175343670000048
为EV放电功率，Pt dBSS分别为BSS放电功率，
Figure FDA0003175343670000049
为第i台AC响应IDR的用电功率改变量；ηGT为GT电效率；ηGB为GB热效率；β为天然气热值；NEV为EV总数量；NAC为AC总数量；
目标函数二、调度周期内，系统
Figure FDA00031753436700000424
效率最大；
Figure FDA00031753436700000410
Figure FDA00031753436700000411
Figure FDA00031753436700000412
式中：
Figure FDA00031753436700000413
为输入能量
Figure FDA00031753436700000425
值，
Figure FDA00031753436700000414
为输出能量
Figure FDA00031753436700000426
值，
Figure FDA00031753436700000415
为电负荷(PL)的
Figure FDA00031753436700000427
值、
Figure FDA00031753436700000416
为基本热负荷(HL)的
Figure FDA00031753436700000428
值、
Figure FDA00031753436700000417
为生活热水(DHW)的
Figure FDA00031753436700000429
值、
Figure FDA00031753436700000418
为冷负荷(CL)的
Figure FDA00031753436700000430
值，
Figure FDA00031753436700000419
为电能的
Figure FDA00031753436700000431
值、
Figure FDA00031753436700000420
为天然气的
Figure FDA00031753436700000432
值、
Figure FDA00031753436700000421
为PVT的电
Figure FDA00031753436700000433
值，
Figure FDA00031753436700000422
为PVT的热
Figure FDA00031753436700000434
值；
功率与优质电能的
Figure FDA00031753436700000435
值关系如下：
Figure FDA00031753436700000423
Figure FDA0003175343670000051
Figure FDA0003175343670000052
式中：
Figure FDA0003175343670000053
为电能
Figure FDA00031753436700000521
值；Pt E为购电功率；ζgen为燃煤火电厂在发电过程中的
Figure FDA00031753436700000522
损失系数；
Figure FDA0003175343670000054
为电负荷
Figure FDA00031753436700000523
值；Pt L为电负荷；
Figure FDA0003175343670000055
为PVT的电出力
Figure FDA00031753436700000524
值；Pt PVT为PVT的电功率；
对于热负荷(HL)、生活热水(DHW)、冷负荷(CL)和光热(PVTh)出力，
Figure FDA00031753436700000525
值与温度成正相关，因此能量
Figure FDA00031753436700000526
值与温度之间的关系如下
Figure FDA0003175343670000056
Figure FDA0003175343670000057
式中：
Figure FDA0003175343670000058
为k的
Figure FDA00031753436700000527
值，
Figure FDA0003175343670000059
为k的热功率，
Figure FDA00031753436700000510
为冷负荷，其中k是热负荷(HL)、生活热水(DHW)、光热(PVTh)的集合；
Figure FDA00031753436700000511
表示设定温度，
Figure FDA00031753436700000512
表示环境温度，
Figure FDA00031753436700000513
为CL的设定温度，
Figure FDA00031753436700000514
为CL的环境温度；
天然气的
Figure FDA00031753436700000528
值表达式如下式所示：
Figure FDA00031753436700000515
式中：
Figure FDA00031753436700000516
为天然气
Figure FDA00031753436700000529
值；ζgas为天然气的
Figure FDA00031753436700000530
值系数；Vt GB为燃气锅炉(GB)的耗气量，Vt GT为燃气轮机(GT)的耗气量；β为天然气热值；
目标函数三、调度周期内，系统污染性气体(CO2、SO2、NOx)排放治理费用最小；
考虑到外部电网中存在清洁能源电厂，系统从上级配网购买的电能中有一部分来源于清洁能源电厂，而清洁能源电厂中基本不产生污染性气体，因此在污染性气体排放量表达式中引入一个比例系数λe表征外购电能中来自清洁能源电厂的比例；
Figure FDA00031753436700000517
Figure FDA00031753436700000518
式中：Cenv为污染气体排放治理费用；mi为第i项污染气体的排放治理费用；
Figure FDA00031753436700000519
为第i项污染气体的排放量；
Figure FDA00031753436700000520
为燃烧天然气产生的第i项污染气体排放量；λe为IES购买的电量中来自绿色清洁能源电厂的比例；
Figure FDA0003175343670000061
为系统购电间接产生的第i项气体排放量；Vt GB为燃气锅炉的耗气量；Vt GT为燃气轮机的耗气量；
(2)常规约束条件：
电动公交车换电站(BSS)运行约束，电动汽车(EV)运行约束，蓄热设备(HS)运行约束，中央空调(AC)运行约束，能源交易约束，光伏/光热组件(PVT)运行约束，溴化锂制冷机(LBR)运行约束，余热锅炉(HRB)和燃气锅炉(GT)和燃气轮机(GT)运行约束。
5.根据权利要求1所述的机会约束条件的园区综合能源系统多目标优化调度方法，其特征在于，构建冷热电机会约束条件，构建机会约束经济目标规划模型的步骤中，
(1)冷功率约束
Figure FDA0003175343670000062
(2)热功率约束
Figure FDA0003175343670000063
(3)电功率约束
Figure FDA0003175343670000064
Figure FDA0003175343670000065
Figure FDA0003175343670000066
Figure FDA0003175343670000067
ΔPdown，ΔHdown，ΔCdown≥0 (38)
式中：Pt L为园区电负荷、
Figure FDA0003175343670000068
为园区热负荷、
Figure FDA0003175343670000069
为园区冷负荷、Pt PV为园区光伏出力；Pt GT为燃气轮机电出力，
Figure FDA00031753436700000610
为燃气轮机电出力上限；ηGT为燃气轮机的电效率；Pt E为购电功率；
Figure FDA00031753436700000611
为燃气锅炉热出力；
Figure FDA00031753436700000612
为溴化锂制冷机制冷出力；Pt BSS为换电站的总功率，表示充/放电功率的差；
Figure FDA0003175343670000071
为中央空调的制冷功率；
Figure FDA0003175343670000072
为中央空调的耗电功率；
Figure FDA0003175343670000073
为中央空调的工作状态0-1值，工作时段取1，非工作时段取0；置信水平αP为电机会约束条件成立所需要满足的概率值、αH为热机会约束条件成立所需要满足的概率值、αC为冷机会约束条件成立所需要满足的概率值；
Figure FDA0003175343670000074
为冷负荷随机量、
Figure FDA0003175343670000075
为热负荷随机量、
Figure FDA0003175343670000076
为电负荷随机量，
Figure FDA0003175343670000077
为光伏预测出力的随机量；
Figure FDA0003175343670000078
为CCHP系统热备用出力、
Figure FDA0003175343670000079
为CCHP系统电备用出力、
Figure FDA00031753436700000710
为园区给备用市场分配的购电量；ηCCHP为CCHP系统的热效率；
Figure FDA00031753436700000711
为CCHP系统热出力；
Figure FDA00031753436700000712
为CCHP系统的热出力上限；ΔPdown为电备用约束中引入的松弛变量、ΔHdown为热备用约束中引入的松弛变量、ΔCdown为冷备用约束中引入的松弛变量；
为了尽量降低越限风险，在经济优化目标函数中加入功率越限风险成本，综合运行成本表达式如下所示：
min C＝Ccost+Crisk (39)
Crisk＝τr(ΔPdown+ΔHdown+ΔCdown) (40)
式中：C为综合运行成本、Ccost为经济运行成本、Crisk为机会约束越限产生的惩罚项，越限量越大，惩罚的数值也越大，τr为越限惩罚因子。
6.根据权利要求1所述的机会约束条件的园区综合能源系统多目标优化调度方法，其特征在于，在采用确定性等价类转换的方法将机会约束条件线性化的步骤中，
线性化后的机会约束条件如下：
Figure RE-FDA00034437341700000713
Figure RE-FDA00034437341700000714
Figure RE-FDA00034437341700000715
式中：Φ(·)为标准正态分布函数。
7.根据权利要求1所述的机会约束条件的园区综合能源系统多目标优化调度方法，其特征在于：步骤六中，
将多目标优化模型线性化，构建加权满意度指标，基于层次分析法确定权重系数；将电动汽车、电动公交车换电站和中央空调作为综合需求响应实施主体，将典型场景输入综合能源系统优化模型中，采用matlab/cplex进行求解，得到最佳运行方案。
CN202110830458.XA 2021-07-22 2021-07-22 机会约束条件的园区综合能源系统多目标优化调度方法 Pending CN113987734A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110830458.XA CN113987734A (zh) 2021-07-22 2021-07-22 机会约束条件的园区综合能源系统多目标优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110830458.XA CN113987734A (zh) 2021-07-22 2021-07-22 机会约束条件的园区综合能源系统多目标优化调度方法

Publications (1)

Publication Number Publication Date
CN113987734A true CN113987734A (zh) 2022-01-28

Family

ID=79735050

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110830458.XA Pending CN113987734A (zh) 2021-07-22 2021-07-22 机会约束条件的园区综合能源系统多目标优化调度方法

Country Status (1)

Country Link
CN (1) CN113987734A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114545878A (zh) * 2022-02-22 2022-05-27 山东大学 一种综合能源系统优化调度方法及系统
CN115021299A (zh) * 2022-07-20 2022-09-06 合肥中南光电有限公司 基于光伏发电的电池储能管理系统
CN115147014A (zh) * 2022-08-31 2022-10-04 国网浙江省电力有限公司宁波供电公司 一种综合能源系统的多目标均衡分配方法
CN115347572A (zh) * 2022-10-18 2022-11-15 武汉再来科技有限公司 一种智慧园区能源控制方法
CN115619145A (zh) * 2022-10-14 2023-01-17 国网江苏省电力有限公司电力科学研究院 用于综合能源系统的协同控制方法、装置及计算机设备
CN116432818A (zh) * 2023-03-02 2023-07-14 广州东方电科自动化有限公司 一种含储能园区的电力需求响应优化方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114545878A (zh) * 2022-02-22 2022-05-27 山东大学 一种综合能源系统优化调度方法及系统
CN114545878B (zh) * 2022-02-22 2023-09-01 山东大学 一种综合能源系统优化调度方法及系统
CN115021299A (zh) * 2022-07-20 2022-09-06 合肥中南光电有限公司 基于光伏发电的电池储能管理系统
CN115021299B (zh) * 2022-07-20 2022-11-01 合肥中南光电有限公司 基于光伏发电的电池储能管理系统
CN115147014A (zh) * 2022-08-31 2022-10-04 国网浙江省电力有限公司宁波供电公司 一种综合能源系统的多目标均衡分配方法
CN115619145A (zh) * 2022-10-14 2023-01-17 国网江苏省电力有限公司电力科学研究院 用于综合能源系统的协同控制方法、装置及计算机设备
CN115619145B (zh) * 2022-10-14 2024-03-19 国网江苏省电力有限公司电力科学研究院 用于综合能源系统的协同控制方法、装置及计算机设备
CN115347572A (zh) * 2022-10-18 2022-11-15 武汉再来科技有限公司 一种智慧园区能源控制方法
CN116432818A (zh) * 2023-03-02 2023-07-14 广州东方电科自动化有限公司 一种含储能园区的电力需求响应优化方法
CN116432818B (zh) * 2023-03-02 2024-02-23 广州东方电科自动化有限公司 一种含储能园区的电力需求响应优化方法

Similar Documents

Publication Publication Date Title
CN113987734A (zh) 机会约束条件的园区综合能源系统多目标优化调度方法
CN109523052B (zh) 一种考虑需求响应和碳交易的虚拟电厂优化调度方法
CN111463836B (zh) 一种综合能源系统优化调度方法
CN111737884B (zh) 一种含多种清洁能源微能源网多目标随机规划方法
CN111614121A (zh) 考虑需求响应的含电动汽车的多能源园区日前经济调度方法
CN111339689B (zh) 建筑综合能源调度方法、系统、存储介质及计算机设备
CN111640044A (zh) 一种考虑虚拟储能的综合能源系统dg消纳策略研究方法
CN105225022A (zh) 一种热电联产型微电网的经济性优化运行方法
CN112600253B (zh) 基于用能效率最优的园区综合能源协同优化方法及设备
CN107546781A (zh) 基于pso改进算法的微电网多目标运行优化方法
CN110245810B (zh) 一种区域能源互联网协调优化运行方法
CN109685332A (zh) 一种综合能源多主体利益均衡优化调度方法及设备
CN113517690A (zh) 含电动汽车充电站的社区综合能源系统双层调度方法
Li et al. Optimal design for component capacity of integrated energy system based on the active dispatch mode of multiple energy storages
CN111860966B (zh) 基于模糊相关机会规划的含储能综合能源系统调度方法
CN112465236B (zh) 一种考虑综合满意度的社区综合能源系统调度方法
CN110594962B (zh) 一种基于模糊需求响应的分布式能源系统优化配置方法
CN117239771A (zh) 一种综合能源系统中的负荷柔性调度方法及系统
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
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
CN113222227B (zh) 基于建筑特性和虚拟电厂的建筑综合能源系统调度方法
CN116167573A (zh) 一种高铁站综合能源需求响应优化调度方法及相关装置
CN213783243U (zh) 一种面向产业园区的综合能源系统运行优化装置
CN111339474B (zh) 一种基于趋势预测分析法的综合能源系统预测运行方法
Dai et al. Joint Virtual Energy Storage Modeling with Electric Vehicle Participation in Energy Local Area Smart Grid

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