CN114049029A - 一种基于能量枢纽智能体的多能源协同运行系统及其方法 - Google Patents
一种基于能量枢纽智能体的多能源协同运行系统及其方法 Download PDFInfo
- Publication number
- CN114049029A CN114049029A CN202111384730.2A CN202111384730A CN114049029A CN 114049029 A CN114049029 A CN 114049029A CN 202111384730 A CN202111384730 A CN 202111384730A CN 114049029 A CN114049029 A CN 114049029A
- Authority
- CN
- China
- Prior art keywords
- energy
- hub
- energy storage
- time
- agent
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 13
- 238000004146 energy storage Methods 0.000 claims abstract description 68
- 238000009826 distribution Methods 0.000 claims abstract description 32
- 230000005611 electricity Effects 0.000 claims abstract description 7
- 239000003795 chemical substances by application Substances 0.000 claims description 68
- 238000006243 chemical reaction Methods 0.000 claims description 28
- 239000011159 matrix material Substances 0.000 claims description 18
- 239000007789 gas Substances 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 16
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 239000003345 natural gas Substances 0.000 claims description 7
- 238000001816 cooling Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 2
- 230000008859 change Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06Q10/06—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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- 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)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于能量枢纽智能体的多能源协同运行系统;该系统所述多能源协同运行系统包括信息能源多智能体、储能余量控制单元和储能余量负荷分配单元;所述信息能源多智能体由六个能量枢纽智能体组成;所述储能余量控制单元通过如下公式对每个所述能量枢纽智能体中装置进行储能余量分析;所述储能余量负荷分配单元通过如下负荷分配规则对每个所述能量枢纽智能中储能装置的电/热/冷储能余量占总储能余量的比重,本发明从而可以为一定区域内分布式信息能源协同运行提供优化方案,保障用户负荷的供能可靠性,提升分布式信息能源系统的能效和经济性。
Description
技术领域
本发明涉及分布式能源领域,具体涉及一种基于能量枢纽智能体的多能源协同运行系统及其方法。
背景技术
随着分布式可再生能源的高速发展、信息智能技术深度融合,分布式能源系统的可控单元数量大幅度提升,传统的集中式优化算法难以有效保障电力物联网的高效协同运行。分布式信息能源系统在协同优化运行方面,通过信息和能源的深度融合,一方面可在更大范围感知不同能源间峰谷交错,提升能源间的调控能力。另一方面通过邻域互济自组网和和多能转换互支撑,可以显著提升系统抗毁性,并通过持续进化,实现在实时变化环境下系统的高效、鲁棒、自趋优运行。分布式群体智能协同控制方法是解决分布式信息能源系统相关问题的重要方向,针对分布式信息能源系统数据信息量大、分布域广、信号采集不同步等特征,分布式协同控制与优化理论可利用群体智能方法具有高度灵活性、强大的学习和任意逼近能力,并行计算速度快,人机交互能力强等优点,突破现有集中协同控制与优化技术瓶颈,实现分布式信息能源系统的一致性分析和多目标复杂局面下的协同优化。
因此,设计一种基于能量枢纽智能体的多能源协同运行方法有利于实现能源的高效转换、实时优化和有序配置,实现多种能源的分布式协调优化,保障用户负荷的供能可靠性,对一定区域内分布式信息能源协同运行提供优化方案,提升分布式信息能源系统的能效和经济性。
发明内容
为了对分布式信息能源系统的协同运行进一步优化,本发明提出了一种基于能量枢纽智能体的多能源协同运行方法,从而可以对一定区域内分布式信息能源协同运行提供优化方案,保障用户负荷的供能可靠性,提升分布式信息能源系统的能效和经济性。
为了解决上述技术问题,本发明采用的技术方案为:
一种基于能量枢纽智能体的多能源协同运行系统,所述多能源协同运行系统包括信息能源多智能体、储能余量控制单元和储能余量负荷分配单元;其中:
----所述信息能源多智能体由六个能量枢纽智能体组成;每个所述能量枢纽智能体具有多输入、多输出端口,中间为各类能量转换装置及储能装置;所述所述能量枢纽智能体采用如下数学模型进行各输入输出功率表示为:
其中,L为能源输出矩阵,P为能源输入矩阵,C为转换耦合矩阵;
----所述储能余量控制单元通过如下公式对每个所述能量枢纽智能体中装置进行储能余量分析;
其中,PESi(t)为t时刻能量枢纽i的电储能设备的供电余量,PHSi(t)为t时刻能量枢纽i的热储能设备的供热余量,PCSi(t)为t时刻能量枢纽i的冷储能设备的供冷余量,ε为一致性算法控制步长,0<ε<1/max{∑j≠iaij};
----所述储能余量负荷分配单元通过如下负荷分配规则对每个所述能量枢纽智能中储能装置的电/热/冷储能余量占总储能余量的比重;即:
其中,PELi(t)为t时刻能量枢纽i所需分担的电负荷,PHLi(t)为t时刻能量枢纽i所需分担的热负荷,PCLi(t)为t时刻能量枢纽i所需分担的电负荷,PAEL(t)为t时刻负荷端用户总的电用能需求,PAHL(t)为t时刻负荷端用户总的热用能需求,PACL(t)为t时刻负荷端用户总的冷用能需求。
进一步,所述信息能源多智能体为网络拓扑邻接矩阵的分布式结构,所述网络拓扑邻接矩阵为:
其中,邻接矩阵A的元素aij取值如下:
本发明还可以通过如下技术方案予以实施:
基于能量枢纽智能体的分布式信息能源系统,其协同优化运行的目标函数为:在满足负荷端用户用能需求的前提下最小化系统的运行成本,包括购电成本、购气成本、能量枢纽内储能设备的运行维护成本:
其中,PEXi(t)是t时刻能量枢纽i与电网交换的功率,PGi(t)是t时刻能量枢纽i与天然气网交换的功率,λEX(t)是t时刻能量枢纽与电网交换功率的价格,λG(t)是t时刻能量枢纽与天然气网交换功率的价格,kE为电储能设备的运行维护成本,kH为热储能设备的运行维护成本,kC为冷储能设备的运行维护成本;系统的约束条件如下:
其中,αdtd,i(t)为能量枢纽i在t时刻从电网接入的功率经过电能转换装置转换为电能的分配系数,αqtr,i(t)为能量枢纽i在t时刻从电网接入的功率经过气能转换装置转换为热能的分配系数。
有益效果:
现有技术通常为对传统能源设施进行优化运行,从而解决规划期内新增能源的最优容量,位置,投产时间等,并且只针对单一形式的电能进行规划,没有考虑到不能形式能源之间的耦合从而完成多能互补与转化。随着可再生能源的利用与分布式能源的普及,由以前的单一分布式能源系统开始向以可再生能源为主体的分布式能源网络化方向发展,本发明所提出的基于能量枢纽智能体的多能源协同运行方法在考虑系统可靠性、能源转换效率以及最小运行成本等多种决策因素的情况下解决了不同能源形式之间的最优规划问题,同时提高了协调优化方法缺乏灵活性和鲁棒性。为一定区域内分布式信息能源协同运行提供优化方案,保障用户负荷的供能可靠性,提升分布式信息能源系统的能效和经济性。
附图说明
图1是能量枢纽智能体结构图。
图2是分布式信息能源多智能体结构图。
图3是能量枢纽电储能设备各时刻供电余量。
图4是能量枢纽热储能设备各时刻供热余量。
图5是能量枢纽冷储能设备各时刻供冷余量。
图6是能量枢纽各时刻所需分担电负荷。
图7是能量枢纽各时刻所需分担热负荷。
图8是能量枢纽各时刻所需分担冷负荷。
图9是日前购电价与购气价预测值。
图10是能量枢纽与电网交换功率。
图11是能量枢纽与气网交换功率。
图12是电能转换装置转换电能分配系数。
图13是气能转换装置转换热能分配系数。
具体实施方式
下面结合附图对本发明实施例做进一步的说明。
本发明提供了一种基于能量枢纽智能体的多能源协同运行系统,包括以下步骤:
1)构建能量枢纽智能体
首先,构建一种能量枢纽智能体。能量枢纽在分布式信息能源系统中起着承上启下的作用,连接能源供应端与消费端,分布式信息能源系统中各种形式的能量输入能量枢纽,通过能量枢纽中的多种能量转换装置如变压器、燃气轮机等实现能量的传输、转换与储存并输出到用户端。可以将其定义为一个广义网络节点,具有多输入、多输出端口,中间为各类能量转换装置及储能装置,其数学模型可根据其各输入输出功率表示为:
其中,L为能源输出矩阵,P为能源输入矩阵,C为转换耦合矩阵,描述了能量枢纽从输入功率到输出功率的映射,矩阵中各项为转换系数,每个系数将某个特定的输入功率与输出功率关联起来。
本发明设计一种能量枢纽智能体,该智能体结构如图1所示,能量枢纽智能体的输入包含电网、风电、光伏、天然气等多种能源接入形式的信息,输出包含电负荷、热负荷和冷负荷的信息。所设计的能量枢纽智能体含数据分析、能源交易和经济调度等功能。根据历史信息,利用数据分析等方法,对分布式可再生能源发电功率和负荷需求功率进行分析决策。在满足系统功率平衡及满足负荷端用能需求的前提下,以系统运行成本最小化为目标,来优化管理可控单元的运行计划、能源分配系数。
2)设计分布式信息能源多智能体结构
本发明设计一种如图2所示的分布式结构的多智能体系统。尽管每个智能体都具有一定的智能和决策能力,但由于单个智能体掌握信息不全面,决策和控制能力不足,因此对于较大规模的、较为复杂的实际问题,往往无法有效解决,因此,本发明设计具有六个能量枢纽节点的多智能体系统,从而使得各个智能体能够根据环境对自身行为进行决策,同时能够通过网络与其他智能体进行通信,通过相互协作在满足用户用能需求的前提下,保证自身稳定运行,并使得系统整体运行成本最低。所设计的分布式结构的多智能体系统,各个智能体处于完全平等的地位和层级,没有主次之分,且任意两个智能体之间都有能量上的传输与信息通信上的交互。所设计的六节点多智能体结构其网络拓扑邻接矩阵为:
其中,邻接矩阵A的元素aij取值如下:
各个智能体根据自身的运行目标,利用自身的资源及计算能力对自身的行为决策进行独立求解。通过设定系统中智能体之间的协调机制,让各智能体进行信息交互和协商,重新调整各智能体的运行决策和信息分布,令所有智能体达成一致,完成系统整体的运行目标。根据分布式信息能源系统整体的运行需要构建各智能体的功能和逻辑,设定系统中智能体之间的协调机制,各智能体在保证自身运行安全稳定及运行成本最小的同时,也与系统内其他智能体之间进行互补协同。各智能体进行信息交互和协商,实时调整各自的运行决策和信息分布,从而使得各智能体达成一致,完成系统整体的运行目标,实现分布式信息能源系统的广域协同优化。
3)基于一致性算法控制能量枢纽智能体储能余量
针对如下一阶模型
则称系统实现了一致性。
针对能量枢纽储能设备进行分析,基于一致性算法控制能量枢纽储能设备储能余量。
其中,PESi(t)为t时刻能量枢纽i的电储能设备的供电余量,PHSi(t)为t时刻能量枢纽i的热储能设备的供热余量,PCSi(t)为t时刻能量枢纽i的冷储能设备的供冷余量,ε为一致性算法控制步长,0<ε<1/max{∑j≠iaij}。基于图2所示的多智能体结构,基于一致性算法控制能量枢纽储能设备供能余量验证如图所示,控制步长ε取0.1,时间T取24h,图3所示为六个能量枢纽24个时刻电储能设备供电余量变化,图4所示为六个能量枢纽24个时刻热储能设备供热余量变化,图5所示为六个能量枢纽24个时刻冷储能设备供冷余量变化。
通过一致性算法多智能体系统能够达到全局渐近平均一致,即可以控制各能量枢纽不同时刻储能设备余量,使得各能量枢纽都可以保持充足的储能余量以应对突发事件,从而实现分布式信息能源系统的协同稳定运行。
4)基于能量枢纽储能余量设计负荷分配规则
系统每时刻都要响应负荷端复杂多变的用能需求,出于保持多智能体系统稳定性从而实现协同运行的目的,本设计将负荷端的各时刻不同类型总负荷按所设定分配规则分配到各个能量枢纽,每个能量枢纽在各个时刻都承担自己所需分担的负荷。遵循如下规则进行负荷分配:
其中,PELi(t)为t时刻能量枢纽i所需分担的电负荷,PHLi(t)为t时刻能量枢纽i所需分担的热负荷,PCLi(t)为t时刻能量枢纽i所需分担的电负荷,PAEL(t)为t时刻负荷端用户总的电用能需求,PAHL(t)为t时刻负荷端用户总的热用能需求,PACL(t)为t时刻负荷端用户总的冷用能需求。
能量枢纽i在t时刻所需分担的电/热/冷负荷占总负荷的比重,根据当前时刻能量枢纽i内储能设备中电/热/冷储能余量占总储能余量的比重而定。在一致性算法控制的储能设备余量的基础上,得出图6所示六个能量枢纽24个时刻所需分担电负荷变化,图7所示六个能量枢纽24个时刻所需分担热负荷变化,图8所示六个能量枢纽24个时刻所需分担冷负荷变化。由图分析可得,在一致性算法控制的储能设备余量的基础上,经过所设计的能量枢纽负荷分配规则,在储能设备余量达到一致后,每个能量枢纽所需分担的电负荷、热负荷和冷负荷也达到一致,即在经过所设计的负荷分配规则使得各能量枢纽负荷分配达到一致后,各个能量枢纽在每时刻所需分配的负荷量相等。
5)基于能量枢纽智能体设计协同运行方案
基于能量枢纽智能体的分布式信息能源系统,其协同优化运行的目标函数为:在满足负荷端用户用能需求的前提下最小化系统的运行成本,包括购电成本、购气成本、能量枢纽内储能设备的运行维护成本。
其中,PEXi(t)是t时刻能量枢纽i与电网交换的功率,PGi(t)是t时刻能量枢纽i与天然气网交换的功率,λEX(t)是t时刻能量枢纽与电网交换功率的价格,λG(t)是t时刻能量枢纽与天然气网交换功率的价格,kE为电储能设备的运行维护成本,kH为热储能设备的运行维护成本,kC为冷储能设备的运行维护成本。
系统的约束条件如下:
其中,αdtd,i(t)为能量枢纽i在t时刻从电网接入的功率经过电能转换装置转换为电能的分配系数,αqtr,i(t)为能量枢纽i在t时刻从电网接入的功率经过气能转换装置转换为热能的分配系数。日前购电价与购气价预测值如图9所示,对所构建的目标函数进行求解可以得到所分析的多智能体系统的购气量与购气量的调度值,以及电能转换分配系数与气能转换分配系数的优化值。如图10所示为能量枢纽与电网各时刻的交换功率,如图11所示为能量枢纽与气网各时刻的交换功率,如图12所示为能量枢纽电能转换装置转换电能分配系数,如图13所示为气能转换装置转换热能分配系数。由此可以得到所设计的目标函数的各决策变量的最优解,其中图12中分配系数较高几乎都接近于1的原因与图9所示的初始购电价与购气价预测值有关,由于所设电价高于气价,因此能量枢纽智能体将电能转换装置的能量尽可能的分配为电能,由价格更低的气能提供热能,从而使得系统的整体运行成本最低。
上述具体实施方式用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明作出的任何修改和改变,都落入本发明的保护范围。
Claims (3)
1.一种基于能量枢纽智能体的多能源协同运行系统,其特征在于:所述多能源协同运行系统包括信息能源多智能体、储能余量控制单元和储能余量负荷分配单元;其中:
----所述信息能源多智能体由六个能量枢纽智能体组成;每个所述能量枢纽智能体具有多输入、多输出端口,中间为各类能量转换装置及储能装置;所述所述能量枢纽智能体采用如下数学模型进行各输入输出功率表示为:
其中,L为能源输出矩阵,P为能源输入矩阵,C为转换耦合矩阵;
----所述储能余量控制单元通过如下公式对每个所述能量枢纽智能体中装置进行储能余量分析;
其中,PESi(t)为t时刻能量枢纽i的电储能设备的供电余量,PHSi(t)为t时刻能量枢纽i的热储能设备的供热余量,PCSi(t)为t时刻能量枢纽i的冷储能设备的供冷余量,ε为一致性算法控制步长,0<ε<1/max{∑j≠iaij};
----所述储能余量负荷分配单元通过如下负荷分配规则对每个所述能量枢纽智能中储能装置的电/热/冷储能余量占总储能余量的比重;即:
其中,PELi(t)为t时刻能量枢纽i所需分担的电负荷,PHLi(t)为t时刻能量枢纽i所需分担的热负荷,PCLi(t)为t时刻能量枢纽i所需分担的电负荷,PAEL(t)为t时刻负荷端用户总的电用能需求,PAHL(t)为t时刻负荷端用户总的热用能需求,PACL(t)为t时刻负荷端用户总的冷用能需求。
3.采用如权利要求1所述的系统进行基于能量枢纽智能体的多能源协同运行方法,其特征在于:
基于能量枢纽智能体的分布式信息能源系统,其协同优化运行的目标函数为:在满足负荷端用户用能需求的前提下最小化系统的运行成本,包括购电成本、购气成本、能量枢纽内储能设备的运行维护成本:
其中,PEXi(t)是t时刻能量枢纽i与电网交换的功率,PGi(t)是t时刻能量枢纽i与天然气网交换的功率,λEX(t)是t时刻能量枢纽与电网交换功率的价格,λG(t)是t时刻能量枢纽与天然气网交换功率的价格,kE为电储能设备的运行维护成本,kH为热储能设备的运行维护成本,kC为冷储能设备的运行维护成本;系统的约束条件如下:
其中,αdtd,i(t)为能量枢纽i在t时刻从电网接入的功率经过电能转换装置转换为电能的分配系数,αqtr,i(t)为能量枢纽i在t时刻从电网接入的功率经过气能转换装置转换为热能的分配系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111384730.2A CN114049029B (zh) | 2021-11-22 | 2021-11-22 | 一种基于能量枢纽智能体的多能源协同运行系统及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111384730.2A CN114049029B (zh) | 2021-11-22 | 2021-11-22 | 一种基于能量枢纽智能体的多能源协同运行系统及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114049029A true CN114049029A (zh) | 2022-02-15 |
CN114049029B CN114049029B (zh) | 2024-06-07 |
Family
ID=80210161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111384730.2A Active CN114049029B (zh) | 2021-11-22 | 2021-11-22 | 一种基于能量枢纽智能体的多能源协同运行系统及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114049029B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103640569A (zh) * | 2013-11-28 | 2014-03-19 | 江苏大学 | 基于多智能体技术的混合动力汽车能量管理系统与方法 |
CN104951898A (zh) * | 2015-07-02 | 2015-09-30 | 北京理工大学 | 一种面向任务的协同多智能体联盟形成方法 |
CN105186583A (zh) * | 2015-10-22 | 2015-12-23 | 东北大学 | 基于多智能体建模的能量路由器及其能量调度方法 |
CN111353128A (zh) * | 2020-01-17 | 2020-06-30 | 浙江工业大学 | 一种基于非合作博弈的多能量枢纽优化运行方法 |
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 |
-
2021
- 2021-11-22 CN CN202111384730.2A patent/CN114049029B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103640569A (zh) * | 2013-11-28 | 2014-03-19 | 江苏大学 | 基于多智能体技术的混合动力汽车能量管理系统与方法 |
CN104951898A (zh) * | 2015-07-02 | 2015-09-30 | 北京理工大学 | 一种面向任务的协同多智能体联盟形成方法 |
CN105186583A (zh) * | 2015-10-22 | 2015-12-23 | 东北大学 | 基于多智能体建模的能量路由器及其能量调度方法 |
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 |
CN111353128A (zh) * | 2020-01-17 | 2020-06-30 | 浙江工业大学 | 一种基于非合作博弈的多能量枢纽优化运行方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114049029B (zh) | 2024-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7261507B2 (ja) | 電気ヒートポンプ-熱電併給システムを最適化する調整方法及びシステム | |
Li et al. | A novel bi-level robust game model to optimize a regionally integrated energy system with large-scale centralized renewable-energy sources in Western China | |
Chen et al. | Multi-time scale coordinated optimal dispatch of microgrid cluster based on MAS | |
CN111416356B (zh) | 基于交替方向乘子法及最优潮流的输配电网联动优化方法 | |
Yang et al. | Research on heat and electricity coordinated dispatch model for better integration of wind power based on electric boiler with thermal storage | |
CN110707755B (zh) | 一种考虑非理想通信条件下基于能量枢纽的综合能源系统超短期调度方法 | |
CN110676849A (zh) | 一种孤岛微电网群能量调度模型的构建方法 | |
CN115102953B (zh) | 配电网云边端协同管控系统及方法 | |
Feng et al. | Mixed neurodynamic optimization for the operation of multiple energy systems considering economic and environmental aspects | |
Sood et al. | Energy management system of a microgrid using particle swarm optimization (PSO) and communication system | |
Zadeh et al. | IoT-based stochastic EMS using multi-agent system for coordination of grid-connected multi-microgrids | |
Tong et al. | An intelligent scheduling control method for smart grid based on deep learning | |
Yang et al. | Distributed collaborative optimal economic dispatch of integrated energy system based on edge computing | |
Wang et al. | Coordinated scheduling of integrated energy microgrid with multi-energy hubs based on MADDPG and two-layer game | |
CN114049029B (zh) | 一种基于能量枢纽智能体的多能源协同运行系统及其方法 | |
CN116433046A (zh) | 一种考虑多主体博弈的多能配电系统网储协同规划方法 | |
CN111509711B (zh) | 含多增量配电网的中低压配电网协调并行控制方法和系统 | |
CN114819336A (zh) | 一种多区域综合能源系统分布自治与协同优化方法及系统 | |
Liu et al. | Recent advances on distributed dispatching and control algorithms in virtual power plant | |
Zhang et al. | Energy optimization management of multi-microgrid using deep reinforcement learning | |
Cao et al. | Research on energy efficiency optimization of energy internet data center based on intelligent energy technology | |
Zhang et al. | Hierarchical coordinated control method for multiload DC microgrid units | |
Lin et al. | Hierarchical Optimization and Grid Scheduling Model for Energy Internet: A GA-Based Layered Approach | |
Cao et al. | Fuzzy Based Decision-Making of Energy Management for Regional Energy Systems with Renewable Generation and Installed Storage Systems | |
Guo et al. | Energy conversion technology and economy evaluation system for smart city |
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 |