CN113987744A - 一种考虑风电不确定性的综合能源系统储能优化方法 - Google Patents
一种考虑风电不确定性的综合能源系统储能优化方法 Download PDFInfo
- Publication number
- CN113987744A CN113987744A CN202111079378.1A CN202111079378A CN113987744A CN 113987744 A CN113987744 A CN 113987744A CN 202111079378 A CN202111079378 A CN 202111079378A CN 113987744 A CN113987744 A CN 113987744A
- Authority
- CN
- China
- Prior art keywords
- layer
- heat
- output
- chp
- storage
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 52
- 238000005457 optimization Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000005338 heat storage Methods 0.000 claims description 74
- 238000003860 storage Methods 0.000 claims description 73
- 230000005611 electricity Effects 0.000 claims description 67
- 238000009434 installation Methods 0.000 claims description 18
- 239000003245 coal Substances 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 239000000446 fuel Substances 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 6
- 238000010521 absorption reaction Methods 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 5
- RZGZMLICFFEUIQ-UHFFFAOYSA-N 5-[(1-phenylcyclohexyl)amino]pentanoic acid Chemical compound C=1C=CC=CC=1C1(NCCCCC(=O)O)CCCCC1 RZGZMLICFFEUIQ-UHFFFAOYSA-N 0.000 claims description 3
- 101150067055 minC gene Proteins 0.000 claims 1
- 238000013486 operation strategy Methods 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 230000002068 genetic effect Effects 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002195 synergetic effect Effects 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005229 chemical vapour deposition Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 230000005674 electromagnetic induction Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Power Engineering (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于综合能源系统领域,具体涉及一种考虑风电不确定性的综合能源系统储能优化方法,包括:建立双层优化模型,所述双层优化模型包括上层规划层以及下层运行层;求取上层规划层的最优解,并作为下层运行层的决策变量传递给下层运行层;层运行层以运行成本最低为目标函数,求取最优运行策略,并把下层运行层的最优值返回给上层规划层,上层规划层计算目标函数值与适应度值进行寻优,得到最优储能配置方案,解决风电消纳问题并实现投资和运行的经济性。
Description
技术领域
本发明属于综合能源系统领域,具体涉及一种考虑风电不确定性的综合能源系统储能优化方法。
背景技术
冬季供暖期,热电联产机组通过以热定电的运行模式来满足供热需求,而在夜间负荷低谷期时风电的出力很难与需求侧相匹配,导致弃风现象严重。因此为了解决风电的消纳问题,电力系统就需要对电-热综合能源系统进行优化配置,即合理配置储能来有效节约储能资源和成本,实现风电消纳和电网经济运行。
目前主要有以下三种方式来优化综合能源系统配置:第一,通过调度柔性电负荷和灵活调整室内温度,优化电、热负荷曲线,使其接近于风光出力曲线,提高了风机装机容量,促进可再生能源消纳,降低燃气轮机容量和蓄热罐容量,提高了系统经济性;第二,结合火电改造、引入储能进行多种灵活性资源优化配置,与配置单一灵活性资源相比,节约成本,减少弃风;第三,通过建立含热网延迟和损耗的热网模型,实现多个区域能量转移,共同规划,降低了设备配置容量,提高了风电消纳率。然而目前在综合能源系统优化配置问题中有的没有考虑风电的影响,有的仅选取典型日对系统进行调度和配置,不具备足够的代表性,缺乏对风电不确定性的考虑。
在能源消费中,电能这种能量形式主要用于能量传输,而热能需求是终端能源消耗的最主要部分。传统的能源系统仅限于电、热等单一的能源形式,无法发挥能源之间的互补优势和协同效益。随着我国终端能源消费的清洁化和电气化水平的不断提高,电能转化为热能消耗的比例越来越大,电力系统和热力系统的联系也越来越紧密,逐渐形成以CHP机组为核心,通过热泵、电锅炉、储能等多种灵活性资源进行耦合构成的电-热综合能源系统。近年来,风电的大规模接入以及可再生能源在电源侧的渗透率逐步提升,加之极端天气愈加频繁和剧烈,其波动性、间歇性的特征被放大,未来大规模高比例接入,将影响电力稳定供应且难以消纳利用。因此,如何描述风、光出力的不确定性并将其运用于电力系统的经济调度与优化运行中具有重要意义。
发明内容
本发明所要解决的技术问题在于提供一种考虑风电不确定性的综合能源系统储能优化方法,解决风电消纳问题并实现投资和运行的经济性。
本发明是这样实现的,
一种考虑风电不确定性的综合能源系统储能优化方法,该方法包括:
建立双层优化模型,所述双层优化模型包括上层规划层以及下层运行层;
求取上层规划层的最优解,并作为下层运行层的决策变量传递给下层运行层,其中所述上层规划层以储能投资成本最低的目标函数对储能配置容量进行寻优得到包括储电规划容量和储热规划容量;
所述下层运行层以运行成本最低为目标函数,求取最优运行策略,并把下层运行层的最优值返回给上层规划层,上层规划层计算目标函数值与适应度值进行寻优,得到最优储能配置方案。
进一步地,所述双层优化模型表示为:
其中F(·)为上层目标函数、f(·)为下层目标函数;G(·)为上层约束条件,g(·)为下层约束条件,x上层的决策变量,y为下层的决策变量。
进一步地,所述上层规划层的决策变量为储电的配置容量和储热的配置容量,目标函数为设备年投资成本最小,其中风电机组、CHP机组、电锅炉及热泵作为已有资源,电池储电、蓄水罐储热为待定容资源,对待定容资源进行优化配置。
进一步地,上层规划层的目标函数以储能设备的投资成本Cinv最低为目标函数,所述储能设备包括电池储电、蓄水罐储热,上层规划层的目标函数为:
min C=Cinv
式中:为储电设备的单位容量安装成本,为储热设备的单位容量安装成本;EES储电设备的容量,EHS为储热设备的容量;RES为储电设备的投资回收系数,RHS分别为储热设备的投资回收系数;rES储电设备的贴现率,rHS为储热设备的贴现率;NES储电设备的使用寿命,NHS为储热设备的使用寿命。
进一步地,将储电、储热的安装容量是受限制作为约束条件:
进一步地,以上层规划层得到的储电、储热规划容量为决策变量,以运行成本最低为目标函数:
min Cope=CCHP+Cwind
式中:CCHP为燃料成本;Cwind为弃风惩罚成本;n表示CHP机组数;T表示总时段数;表示第i台CHP机组t时刻的煤耗量;ccoal为燃料煤价格;cwind为弃风单位惩罚成本;Pwind,t为t时刻风电机组的弃风量,等于风电预测出力减去风电实际出力。
进一步地,下层运行层的约束条件包括等式约束和不等式约束,其中等式约束包括电、热平衡约束,不等式约束包括风电机组出力约束、CHP机组出力约束、电锅炉、热泵出力约束和储能约束;
等式约束包括电平衡约束和热平衡约束,保证电源侧和负荷侧的电、热功率守恒,其中电平衡约束:
PWT,t+PCHP,t=PLD,t+PHP,t+PEB,t+PES,t
式中:PWT,t为时段t的风电出力;PCHP,t为时段t热电联产机组的出力;PLD,t为时段t系统中的总电负荷;PHP,t为时段t热泵出力;PEB,t为时段t电锅炉出力,PES,t为时段t储电设备充放电功率;
热平衡约束:
QCHP,t+QHP,t+QEB,t=QLD,t+QHS,t
式中:QCHP,t为时段t的CHP机组热出力;QHP,t为时段t的热泵热出力;QEB,t为时段t的电锅炉热出力;QLD,t为时段t的热负荷;QHS,t为时段t内储热罐的吸放热功率;
不等式约束包括风电机组出力约束、CHP机组出力约束、电锅炉、热泵出力约束和储能约束:
式中:Pwt,t为t时刻风电实际出力,为t时刻风电预测出力;PCHP,t表示t时刻CHP机组的电出力;QCHP,t表示t时刻CHP机组的热出力;表示CHP机组电出力的下限;PCHP 表示CHP机组电出力的下限;表示CHP机组热出力的上限;QCHP 表示CHP机组热出力的下限;QEB表示电锅炉热出力;表示电锅炉热出力最大值;QHP表示热泵热出力;表示热泵热出力最大值;为储热罐在运行调度过程中初始时刻t0的储热量,分别为储热罐在运行调度过程中结束时刻tN的储热量;为储电装置在运行调度过程中初始时刻t0的储电量,分别为储电装置在运行调度过程中结束时刻tN的储电量。
进一步地,所述下层运行层运用MATLAB中的fmincon函数求解非线性规划问题,从一个预估值出发,搜索在约束条件下非线性多变量函数的最小值。
本发明与现有技术相比,有益效果在于:
本发明针对包含风电机组、热电机组的电-热综合能源系统,考虑储能系统的经济性和弃风率最小,以储能系统的投资成本、运行成本、弃风惩罚成本的年总费用最小为目标,并考虑系统中供电、供热的平衡约束,建立了含CHP机组、风机、储能、电锅炉及热泵的综合能源系统多目标双层优化配置模型,上层以年投资费用最小为目标,下层以运行成本和弃风惩罚费用最小为目标。解决弃风问题主要通过储能设备,白天用电负荷大,热负荷相对小,热电机组高负荷运行增大出力,其热出力超过热负荷的部分,由储热设备将这部分热量储存起来,在夜间风电出力大而用电需求少时进行补偿供热,同时将弃风电量存储,起到平抑可再生能源波动作用,可以减少热电机组热出力从而减少电出力解耦CHP机组的强迫出力以及系统弃风率,为风电提供上网空间,最终实现弃风消纳,从而实现投资和运行的经济性。
附图说明
图1为本发明实施例提供的电热综合能源系统结构图;
图2为本发明实施例提供的抽汽式机组电热特性曲线;
图3为本发明实施例提供的方法流程图;
图4为本发明实施例提供的收敛特性曲线;
图5为本发明实施例提供的四种情景下弃风情况对比图。
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,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
一种考虑风电不确定性的综合能源系统储能优化方法,该方法包括:
建立双层优化模型,所述双层优化模型包括上层规划层以及下层运行层;
求取上层规划层的最优解,并作为下层运行层的决策变量传递给下层运行层,其中所述上层规划层以储能投资成本最低的目标函数对储能配置容量进行寻优得到包括储电规划容量和储热规划容量;
所述下层运行层以运行成本最低为目标函数,求取最优运行策略,并把下层运行层的最优值返回给上层规划层,上层规划层计算目标函数值与适应度值进行寻优,得到最优储能配置方案。
进一步地,所述双层优化模型表示为:
其中F(·)为上层目标函数、f(·)为下层目标函数;G(·)为上层约束条件,g(·)为下层约束条件,x上层的决策变量,y为下层的决策变量。
如图1所示为简化的电热综合能源系统,电-热综合能源系统包括风电机组、热电联产机组、储能、电锅炉以及热泵,其中储能设备可以将能量存储转移至其他时段,短时间尺度上平抑可再生能源波动,长时间尺度上实现削峰填谷。本发明中储能设备有两类:电池储电(Electric Storage,ES)、蓄水罐储热(冷)(Heat Storage,HS)
抽汽式机组的电热特性曲线如图2所示。抽汽式机组的运行区间,即图2中ABCD所包围的区域,一般可用三组线性约束表示,即
式中:pmax和pmin分别为发电量的最大值和最小值;cv为凝汽式机组曲线的斜率。
电池储电、蓄水罐储热存储特性为:
式中:Et,j,Ht,j分别为储电、储热设备t时刻现有的存储量;τ,μ分别为储电设备的自放电率、储热设备的散热损失率;表示t时刻蓄热罐的储热量; ηech,ηedis分别为储电设备在t时刻的充放电功率、充放电效率;ηhch,ηhdis分别为储热设备在t时刻的充放热功率、充放热效率;
电锅炉一般利用风电等新能源作为电源,通过电磁感应或电阻方式发热,输出热水或高温蒸汽,结构简单价格低廉,能源转换效率高,其数学模型为:
QEB,t=ηEBPEB,t (3)
式中:QEB,t表示电锅炉时段t输出的热功率,PEB,t表示电锅炉时段t消耗的电功率,ηEB表示电锅炉的热转换效率,一般在0.9以上。
热泵与电锅炉类似,增设热泵同样将电出力转换为热出力,提高热电机组的调节能力,但热泵相对于电热锅炉具有更高的电热转换效率。其数学模型为:
QHP,t=COPHPPHP,t (4)
式中:QHP,t表示时段t热泵输出的热功率;PHP,t表示时段t热泵消耗的电功率;COPHP为热泵的制热系数,通常为3.0~3.5。
为了实现合理规划热泵以及储热设备容量配置的同时,实现系统运行经济性最优,引入双层规划模型,该模型是一个具有两层递阶结构的系统优化模型,而且优化模型中每一层都有自己的目标函数、决策变量和约束条件,可以满足多目标优化的需求:
式中:F(·)、f(·)分别为上、下层目标函数;G(·)、g(·)分别为上、下层约束条件;x、y分别为上、下层的决策变量。
上层规划层结果即电-热综合能源系统的投资决策变量为下层运行层提供了初始条件,下层运行层所得运行最优值反馈到上层规划层,通过数值解法进行迭代逼近,满足一定的收敛条件后即可获得上层规划层总的目标函数值。
对于上层规划层
外层优化的决策变量为储电和储热的配置容量,目标函数为设备年投资成本最小。为区分与从无到有规划的不同,设定风电机组、CHP机组、电锅炉及热泵为已有资源,电池储电、蓄水罐储热为待定容资源,并对系统内的待定容资源进行优化配置。
上层规划层考虑储电和储热设备的投资成本,认为CHP机组、风电机组、电锅炉以及热泵已经在系统中安装,无需另行投资。以储能设备的投资成本Cinv最低为目标函数,如下式所示:
1)目标函数
min C=Cinv (6)
式中:为储电设备的单位容量安装成本,为储热设备的单位容量安装成本;EES储电设备的容量,EHS为储热设备的容量;RES为储电设备的投资回收系数,RHS分别为储热设备的投资回收系数;rES储电设备的贴现率,rHS为储热设备的贴现率;NES储电设备的使用寿命,NHS为储热设备的使用寿命。
2)约束条件
在对储电、储热进行优化配置时,受安装现场的规模、安装条件等实际情况影响,储电、储热的安装容量是受限制的:
下层运行层:
下层运行层模型是在电、热平衡约束以及风电机组、CHP机组、电锅炉、热泵、储能设备单元出力约束都满足的条件下,通过储电、储热容量的最优分配,在经济性角度,实现电-热综合能源系统的年运行成本最低;从环保角度,提高风电消纳率,在系统运行成本中加入弃风惩罚费用,最后建立以系统总运行成本最低为目标的下层优化运行模型。
下层运行层考虑经济、环保运行,以上层规划层得到的储电、储热规划容量为决策变量(这里又变成了储电、储热规划容量作为决策变量,请保持前后一致),以运行成本最低为目标函数,如下所示:
1)目标函数
min Cope=CCHP+Cwind (12)
式中:CCHP为燃料成本;Cwind为弃风惩罚成本;n表示CHP机组数;T表示总时段数;表示第i台CHP机组t时刻的煤耗量;ccoal为燃料煤价格;cwind为弃风单位惩罚成本;Pwind,t为t时刻风电机组的弃风量,等于风电预测出力减去风电实际出力。
2)约束条件
下层运行层需要考虑的约束条件包括等式约束和不等式约束,其中等式约束包括电、热平衡约束,不等式约束包括风电机组出力约束、CHP机组出力约束、电锅炉、热泵出力约束和热储能约束,从而为优化求解构建可行的寻优区域。
等式约束包括电平衡约束和热平衡约束两类。电-热综合能源系统在实际运行时必须保证电源侧和负荷侧的电、热功率守恒:
PWT,t+PCHP,t=PLD,t+PHP,t+PEB,t+PES,t (15)
式中:PWT,t为时段t的风电出力;PCHP,t为时段t热电联产机组的出力;PLD,t为时段t系统中的总电负荷;PHP,t为时段t热泵出力;PEB,t为时段t电锅炉出力。PES,t为时段t储电设备充放电功率。
QCHP,t+QHP,t+QEB,t=QLD,t+QHS,t (16)
式中:QCHP,t为时段t的CHP机组热出力;QHP,t为时段t的热泵热出力;QEB,t为时段t的电锅炉热出力;QLD,t为时段t的热负荷;QHS,t为时段t内储热罐的吸放热功率。
不等式约束包括风电机组出力约束、CHP机组出力约束、电锅炉、热泵出力约束和储能约束:
式中:Pwt,t为t时刻风电实际出力,为t时刻风电预测出力;PCHP,t和QCHP,t分别表示t时刻CHP机组的电出力和热出力;和PCHP 表示CHP机组电出力的上、下限;和QCHP 表示CHP机组热出力的上、下限;QEB表示电锅炉热出力;表示电锅炉热出力最大值;QHP表示热泵热出力;表示热泵热出力最大值;分别为储热罐在运行调度过程中,初始时刻t0和结束时刻tN的储热量。分别为储电装置在运行调度过程中,初始时刻t0和结束时刻tN的储电量。
参见图3所示,本发明建立的储能优化配置模型属于非线性、混合整数问题。采用遗传算法求解规划层模型,基于上层规划层储能投资成本最低的目标对储能配置容量进行寻优,所得即运行层的初始值。在求解运行层模型时,采用序列二次规划法来求解,调用Matlab软件优化工具箱中的fmincon函数,以最小化运行成本和弃风惩罚成本为目标,得到储能在运行层传递过来的初始值下的最优运行策略,并把运行层的最优值返回给规划层,上层规划层计算目标函数值与适应度值进行寻优,得到最优储能配置方案。
上层求解方法
上层规划层基于遗传算法进行求解,遗传算法通过设立随机的初始化种群,规定种群的规模大小,设定种群中个体的交叉和变异的概率,确定进化的代数,避免人为因素对求解过程的干扰,并建立所要优化目标的适应值函数,根据所设定好的遗传和变异的参数,逐次进行适应值的计算,并在每一次进化的结果中选择适应值比较好的个体,淘汰掉结果中适应性比较差的个体。通过大量的进化和择优,最后可以搜索到优化目标的最优解。遗传算法本身就具有较强的自适应能力,因为其可以进行随机优化的特点,可以用来解决很多复杂的多目标优化问题,而且算法比较容易实现,所以广泛的应用在不同的领域当中。
下层求解方法
下层运行层运用MATLAB中的fmincon函数求解非线性规划问题,它的求解过程是从一个预估值出发,搜索在约束条件下非线性多变量函数的最小值。
以下为fmincon的约束条件:
式中:b和beq是向量,A和Aeq是矩阵,c(x)和ceq(x)是返回向量的函数,f(x)是返回标量的函数。f(x)、c(x)和ceq(x)可以是非线性函数。x、lb、ub可以作为向量或矩阵传递。
在求解约束非线性优化问题时采用序列二次规划算法(SQP),它是求解此类问题最有效的方法之一,与其他优化算法相比,它的收敛性好、计算效率高,将复杂的非线性约束最优化问题转化为较为简单的二次规划问题求解。
本发明解决弃风问题主要通过储能设备,白天用电负荷大,热负荷相对小,热电机组高负荷运行增大出力,其热出力超过热负荷的部分,由储热设备将这部分热量储存起来,在夜间风电出力大而用电需求少时进行补偿供热,同时将弃风电量存储,起到平抑可再生能源波动作用,可以减少热电机组热出力从而减少电出力解耦CHP机组的强迫出力以及系统弃风率,为风电提供上网空间,最终实现弃风消纳,从而实现投资和运行的经济性。
本发明比较以下4种不同的配置方案,综合对比分析,发掘合理配置热泵和储热设备对电-热综合能源系统运行的影响以及对消纳弃风的影响。算例分别采用以下4种情景进行仿真。以情景1为对照情景。情景1:系统仅由CHP机组,电锅炉及热泵对热负荷进行供热,不配置储电和储热设备;情景2:在含CHP机组,电锅炉及热泵的系统中,加装储热设备,不配置储电;情景3:系统由CHP机组、电锅炉和热泵进行供热,加装储电设备,不配置储热设备;情景4:在含CHP机组和电锅炉的系统中,同时配置储电和储热设备。4种规划情形的规划结果见表1。
表1 不同优化配置方案运行层结果比较
情景1没有配置储电和储热设备,故没有投资费用,一个运行周期内的系统运行费用为1544.4万元,为参考情景。情景2当风电出力小且热负荷较高时,蓄热罐对热用户进行了补偿供热,由于二者存在配合关系,使得系统运行成本较情景1节约了1.71%。情景3中,电锅炉和热泵都分别代替一部分CHP机组对用户供热,由于储电装置的加入,弃风率明显降低。因此增设储电与情景1相比具有显著的节能效益,主要体现在运行费用上,情景3一个运行周期内的系统运行成本较情景1节约了3.15%,情景4中引入储电与储热协同作用,在系统白天弃风量较少时,不启动电锅炉、热泵这类电加热设备,通过储热设备对风电进行消纳;在夜间弃风严重的时候,利用储热设备、电锅炉、热泵无法完全消纳风电,此时利用储电来存储风电,将超出负荷的部分电量以及热量储存在储能设备中,待负荷高峰期使用,情景4根据上述运行机理对储电、储热设备进行合理配置,可以使系统运行成本较情景1节约了4.05%
实施例
所建立的综合能源系统的能源枢纽结构如图1所示,包含CHP、风电机组、电锅炉(EB)、热泵(HP)、储电装置、储热装置。
所建立的电-热综合能源系统选取冬季典型日电、热负荷数据和风电预测出力数据,对北方供暖季的某新能源小镇进行优化配置,系统中包括一台220MW的风电机组、一台300MW的CHP机组、一台20MW的电锅炉和热泵、一台储电和一台储热设备。
由图4可看出当迭代80次之后系统上层目标函数值逐渐收敛,当到迭代100次时,系统投资费用收敛到最优值2542万元。此时,得到最优容量配置,储电配置容量为16.62MWh,储热配置容量为97.86MWh。
由图4可以看出为了平衡储电和储热对弃风消纳、系统运行的影响,情景4在情景1的基础上,同时配置储电和储热设备,从图5中可以发现情景4不但在1:00~11:00弃风最少,而且在8:00~11:00几乎实现没有风电损失,这是分别单独配置储电和储热设备时无法达到的效果。证明了合理配置储电和储热容量带来的环保效益,拓展了电网弃风消纳空间。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种考虑风电不确定性的综合能源系统储能优化方法,其特征在于,该方法包括:
建立双层优化模型,所述双层优化模型包括上层规划层以及下层运行层;
求取上层规划层的最优解,并作为下层运行层的决策变量传递给下层运行层,其中所述上层规划层以储能投资成本最低的目标函数对储能配置容量进行寻优得到包括储电规划容量和储热规划容量;
所述下层运行层以运行成本最低为目标函数,求取最优运行策略,并把下层运行层的最优值返回给上层规划层,上层规划层计算目标函数值与适应度值进行寻优,得到最优储能配置方案。
3.按照权利要求2所述的方法,其特征在于,所述上层规划层的决策变量为储电的配置容量和储热的配置容量,目标函数为设备年投资成本最小,其中风电机组、CHP机组、电锅炉及热泵作为已有资源,电池储电、蓄水罐储热为待定容资源,对待定容资源进行优化配置。
7.按照权利要求1或6所述的方法,其特征在于,
下层运行层的约束条件包括等式约束和不等式约束,其中等式约束包括电、热平衡约束,不等式约束包括风电机组出力约束、CHP机组出力约束、电锅炉、热泵出力约束和储能约束;
等式约束包括电平衡约束和热平衡约束,保证电源侧和负荷侧的电、热功率守恒,其中电平衡约束:
PWT,t+PCHP,t=PLD,t+PHP,t+PEB,t+PES,t
式中:PWT,t为时段t的风电出力;PCHP,t为时段t热电联产机组的出力;PLD,t为时段t系统中的总电负荷;PHP,t为时段t热泵出力;PEB,t为时段t电锅炉出力,PES,t为时段t储电设备充放电功率;
热平衡约束:
QCHP,t+QHP,t+QEB,t=QLD,t+QHS,t
式中:QCHP,t为时段t的CHP机组热出力;QHP,t为时段t的热泵热出力;QEB,t为时段t的电锅炉热出力;QLD,t为时段t的热负荷;QHS,t为时段t内储热罐的吸放热功率;
不等式约束包括风电机组出力约束、CHP机组出力约束、电锅炉、热泵出力约束和储能约束:
8.按照权利要求1所述的方法,其特征在于,所述下层运行层运用MATLAB中的fmincon函数求解非线性规划问题,从一个预估值出发,搜索在约束条件下非线性多变量函数的最小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111079378.1A CN113987744A (zh) | 2021-09-15 | 2021-09-15 | 一种考虑风电不确定性的综合能源系统储能优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111079378.1A CN113987744A (zh) | 2021-09-15 | 2021-09-15 | 一种考虑风电不确定性的综合能源系统储能优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113987744A true CN113987744A (zh) | 2022-01-28 |
Family
ID=79735825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111079378.1A Pending CN113987744A (zh) | 2021-09-15 | 2021-09-15 | 一种考虑风电不确定性的综合能源系统储能优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113987744A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113078684A (zh) * | 2020-12-09 | 2021-07-06 | 国网辽宁省电力有限公司锦州供电公司 | 一种基于双层优化的区域能源社区规划方法 |
CN115660187A (zh) * | 2022-11-02 | 2023-01-31 | 国家电网有限公司 | 一种低碳小镇地源热泵容量优化配置方法 |
CN115795881A (zh) * | 2022-11-21 | 2023-03-14 | 国网江苏省电力有限公司苏州供电分公司 | 一种综合能源系统储热装置规划方法及系统 |
-
2021
- 2021-09-15 CN CN202111079378.1A patent/CN113987744A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113078684A (zh) * | 2020-12-09 | 2021-07-06 | 国网辽宁省电力有限公司锦州供电公司 | 一种基于双层优化的区域能源社区规划方法 |
CN113078684B (zh) * | 2020-12-09 | 2023-09-15 | 国网辽宁省电力有限公司锦州供电公司 | 一种基于双层优化的区域能源社区规划方法 |
CN115660187A (zh) * | 2022-11-02 | 2023-01-31 | 国家电网有限公司 | 一种低碳小镇地源热泵容量优化配置方法 |
CN115660187B (zh) * | 2022-11-02 | 2024-04-30 | 国家电网有限公司 | 一种低碳小镇地源热泵容量优化配置方法 |
CN115795881A (zh) * | 2022-11-21 | 2023-03-14 | 国网江苏省电力有限公司苏州供电分公司 | 一种综合能源系统储热装置规划方法及系统 |
CN115795881B (zh) * | 2022-11-21 | 2024-03-29 | 国网江苏省电力有限公司苏州供电分公司 | 一种综合能源系统储热装置规划方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108154309B (zh) | 计及冷热电多负荷动态响应的能源互联网经济调度方法 | |
CN108717594B (zh) | 一种冷热电联供型多微网系统经济优化调度方法 | |
CN113987744A (zh) | 一种考虑风电不确定性的综合能源系统储能优化方法 | |
CN109510224B (zh) | 光伏储能与分布式能源联合的容量配置与运行优化方法 | |
CN110503241B (zh) | 冷-热-电综合能源系统的多目标优化方法 | |
CN111950807B (zh) | 计及不确定性与需求响应的综合能源系统优化运行方法 | |
CN113962828B (zh) | 考虑碳消耗的综合能源系统协调调度方法 | |
CN108487994B (zh) | 一种微能源网复合储能系统 | |
CN109474026B (zh) | 一种基于规模化固态储热的多源协调系统优化调度方法 | |
CN112446141B (zh) | 一种电热综合能源系统双层规划方法 | |
Masuta et al. | System frequency control by heat pump water heaters (HPWHs) on customer side based on statistical HPWH model in power system with a large penetration of renewable energy sources | |
CN115907240B (zh) | 计及互补互济运行特性的电网多类型调峰资源规划方法 | |
Zhou et al. | Optimal combined heat and power system scheduling in smart grid | |
CN112836882A (zh) | 考虑设备负载率变化的区域综合能源系统运行优化方法 | |
CN116167483A (zh) | 计及阶梯型需求响应的园区综合能源系统鲁棒调度方法 | |
CN112883630B (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
CN114784797A (zh) | 一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法 | |
CN113078684B (zh) | 一种基于双层优化的区域能源社区规划方法 | |
Yuan et al. | Operation optimization of CCHP-type microgrid considering units' part-load characteristics | |
CN117559526A (zh) | 一种基于光储充一体化充电站的拟路由器能量调控方法 | |
CN108494014A (zh) | 一种混合能源热电联产经济性优化管理方法 | |
CN114139837B (zh) | 一种考虑双层碳排放优化分配模型的区域多系统双层分散优化调度方法 | |
CN115730747A (zh) | 一种综合能源系统多主体利益分配方法及其应用 | |
CN213783243U (zh) | 一种面向产业园区的综合能源系统运行优化装置 | |
CN113794242A (zh) | 一种计及天然气网动态特性的区间优化调度方法 |
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 |