CN114336735B - 相变蓄冷空调电力调度方法、装置、计算机设备 - Google Patents
相变蓄冷空调电力调度方法、装置、计算机设备 Download PDFInfo
- Publication number
- CN114336735B CN114336735B CN202111427995.6A CN202111427995A CN114336735B CN 114336735 B CN114336735 B CN 114336735B CN 202111427995 A CN202111427995 A CN 202111427995A CN 114336735 B CN114336735 B CN 114336735B
- Authority
- CN
- China
- Prior art keywords
- power
- distribution network
- air conditioner
- constraint
- active power
- 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
Links
- 230000008859 change Effects 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 88
- 238000009825 accumulation Methods 0.000 title description 4
- 238000009826 distribution Methods 0.000 claims abstract description 238
- 238000003860 storage Methods 0.000 claims abstract description 150
- 238000002485 combustion reaction Methods 0.000 claims abstract description 51
- 238000004590 computer program Methods 0.000 claims abstract description 26
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 230000033228 biological regulation Effects 0.000 claims abstract description 15
- 239000000446 fuel Substances 0.000 claims description 50
- 238000010248 power generation Methods 0.000 claims description 40
- 230000009194 climbing Effects 0.000 claims description 30
- 238000004146 energy storage Methods 0.000 claims description 22
- 230000005611 electricity Effects 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 7
- 230000008569 process Effects 0.000 description 22
- 239000000243 solution Substances 0.000 description 12
- 238000010586 diagram Methods 0.000 description 5
- 239000012782 phase change material Substances 0.000 description 4
- 238000004378 air conditioning Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Classifications
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
- Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
-
- 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
- Y02E40/30—Reactive power compensation
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/242—Home appliances
- Y04S20/244—Home appliances the home appliances being or involving heating ventilating and air conditioning [HVAC] units
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种相变蓄冷空调电力调度方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取相变蓄冷空调运行约束和燃机运行约束，根据相变蓄冷空调运行约束和燃机运行约束确定主动配电网运行的潮流分布模型；根据可再生能源的功率变化数据、燃机运行约束以及主动配电网的潮流分布模型构建主动配电网日前调度模型；对主动配电网日前调度模型进行优化求解，输出主动配电网日前调度策略；利用主动配电网日前调度策略，对相变蓄冷空调进行电力调节。采用本方法实现对相变蓄冷空调的电力调节，降低了配电网的运行成本。
Description
技术领域
本申请涉及电力调度技术领域，特别是涉及一种相变蓄冷空调电力调度方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
近年来分布式新能源大量并网，其发电的随机性、波动性和反调峰特性给配电网的安全经济运行造成了巨大的压力。目前主要使用传统空调满足用户制冷需求，由于其调节能力较弱，不但无法有效响应电网功率支撑需求，反而会增加电网运行压力。
发明内容
基于此，有必要针对上述技术问题，提供一种相变蓄冷空调电力调度方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种相变蓄冷空调电力调度方法。所述方法包括：
获取可再生能源的功率变化数据；
获取相变蓄冷空调运行约束和燃机运行约束，根据所述相变蓄冷空调运行约束和燃机运行约束确定主动配电网运行的潮流分布模型；
根据所述可再生能源的功率变化数据、燃机运行约束以及所述主动配电网的潮流分布模型构建主动配电网日前调度模型；
对所述主动配电网日前调度模型进行优化求解，输出主动配电网日前调度策略；
利用所述主动配电网日前调度策略，对所述相变蓄冷空调进行电力调节。
在其中一个实施例中，所述获取可再生能源的功率变化数据包括：获取配电网节点i处实际并网的可再生能源的有功功率；其中，i为自然数；
根据所述配电网节点i处可再生能源的有功功率和单位并网可再生能源确定所述配电网节点i处并网可再生能源的小时内爬坡速率。
在其中一个实施例中，所述相变蓄冷空调运行约束的构建方式包括：
根据所述相变蓄冷空调在节点i处第一制冷机、第二制冷机和释冷机t时刻分别对应的工作功率，构建所述相变蓄冷空调的运行功率约束；其中，所述第一制冷机t时刻工作功率小于或等于第一制冷机的额定工作功率，所述第二制冷机t时刻工作功率小于或等于所述第二制冷机的额定工作功率，所述释冷机t时刻工作功率小于或等于所述释冷机的额定工作功率；
根据所述相变蓄冷空调在节点i处第一制冷机t时刻工作功率、释冷机t时刻工作功率和t时刻冷负荷，构建冷气供需平衡约束；
根据所述相变蓄冷空调t时刻的前一时刻的储能、第二制冷机t时刻工作功率和释冷机t时刻工作功率，构建所述相变蓄冷空调储能约束；其中，相变蓄冷空调t时刻的储小于或等于相变蓄冷空调的额定储能容量，i为自然数，t为正整数。
在其中一个实施例中，所述燃机运行约束的构建方式包括：
根据在节点i处燃机t时刻运行功率、t时刻的前一时刻的运行功率和燃机的额定爬坡速率，构建燃机爬坡速率约束；其中，在节点i处燃机t时刻运行功率小于或等于燃机的额定运行功率；
根据在节点i处燃机t时刻运行功率、燃机t时刻无功功率和额定视在功率，构建燃机有功功率和无功功率的关联约束；其中，i为自然数，t为正整数。
在其中一个实施例中，所述根据所述相变蓄冷空调运行约束和燃机运行约束确定主动配电网运行的潮流分布模型包括：
根据在节点i处电负荷有功功率、相变蓄冷空调有功功率、燃机有功功率和可再生能源有功功率，构建净负荷有功功率的关系式；
根据在节点i处电负荷无功功率、相变蓄冷空调无功功率、燃机无功功率和可再生能源无功功率，构建净负荷无功功率的关系式；
根据从节点i流出的支路ij上的有功功率、支路ij的电阻以及支路ij的电流的平方，构建支路ij首端和末端的有功功率约束；
根据从节点i流出的支路ij上的无功功率和支路ij的电抗和电流，构建支路ij首端和末端的无功功率约束；
其中，i、j均为自然数，支路ij电流的平方小于支路ij额定电流的平方，所述支路ij电流的平方为支路ij上的有功功率和无功功率的平方和与节点i处电压的平方之比，所述节点i处电压的平方位于节点i处正常运行电压的下限和正常运行电压的上限之间。
在其中一个实施例中，所述根据所述可再生能源的功率变化数据、燃机运行约束以及所述主动配电网的潮流分布模型构建主动配电网日前调度模型包括：
根据所述可再生能源的功率变化数据、燃机运行约束和所述主动配电网的潮流分布模型构建可再生能源和燃机关系；
根据燃机发电参数和燃机的有功功率构建燃机发电成本；
根据配电网向外电网购电功率和配电网向外电网购电价格确定配电网购电成本；
根据所述配电网购电成本和所述燃机发电成本构建调度目标函数。
第二方面，本申请还提供了一种相变蓄冷空调电力调度装置。所述装置包括：
数据获取模块，用于获取可再生能源的功率变化数据；
约束条件获取模块，用于获取相变蓄冷空调运行约束和燃机运行约束，根据所述相变蓄冷空调运行约束和燃机运行约束确定主动配电网运行的潮流分布模型；
模型构建模块，用于根据所述可再生能源的功率变化数据、燃机运行约束以及所述主动配电网的潮流分布模型构建主动配电网日前调度模型；
优化模块，用于对所述主动配电网日前调度模型进行优化求解，输出主动配电网日前调度策略；
调节模块，用于利用所述主动配电网日前调度策略，对所述相变蓄冷空调进行电力调节。
第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取可再生能源的功率变化数据；
获取相变蓄冷空调运行约束和燃机运行约束，根据所述相变蓄冷空调运行约束和燃机运行约束确定主动配电网运行的潮流分布模型；
根据所述可再生能源的功率变化数据、燃机运行约束以及所述主动配电网的潮流分布模型构建主动配电网日前调度模型；
对所述主动配电网日前调度模型进行优化求解，输出主动配电网日前调度策略；
利用所述主动配电网日前调度策略，对所述相变蓄冷空调进行电力调节。
第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取可再生能源的功率变化数据；
获取相变蓄冷空调运行约束和燃机运行约束，根据所述相变蓄冷空调运行约束和燃机运行约束确定主动配电网运行的潮流分布模型；
根据所述可再生能源的功率变化数据、燃机运行约束以及所述主动配电网的潮流分布模型构建主动配电网日前调度模型；
对所述主动配电网日前调度模型进行优化求解，输出主动配电网日前调度策略；
利用所述主动配电网日前调度策略，对所述相变蓄冷空调进行电力调节。
第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取可再生能源的功率变化数据；
获取相变蓄冷空调运行约束和燃机运行约束，根据所述相变蓄冷空调运行约束和燃机运行约束确定主动配电网运行的潮流分布模型；
根据所述可再生能源的功率变化数据、燃机运行约束以及所述主动配电网的潮流分布模型构建主动配电网日前调度模型；
对所述主动配电网日前调度模型进行优化求解，输出主动配电网日前调度策略；
利用所述主动配电网日前调度策略，对所述相变蓄冷空调进行电力调节。
上述相变蓄冷空调电力调度方法、装置、计算机设备、存储介质和计算机程序产品，获取可再生能源的功率变化数据；获取相变蓄冷空调运行约束和燃机运行约束，根据相变蓄冷空调运行约束和燃机运行约束确定主动配电网运行的潮流分布模型；根据可再生能源的功率变化数据、燃机运行约束以及主动配电网的潮流分布模型构建主动配电网日前调度模型；对主动配电网日前调度模型进行优化求解，输出主动配电网日前调度策略；利用主动配电网日前调度策略，对相变蓄冷空调进行电力调节。通过构建主动配电网日前调度模型，输出主动配电网日前调度策略，实现对相变蓄冷空调的电力调节，降低了配电网的运行成本。
附图说明
图1为一个实施例中相变蓄冷空调电力调度方法的应用环境图；
图2为一个实施例中相变蓄冷空调电力调度方法的流程示意图；
图3为另一个实施例中相变蓄冷空调电力调度方法的流程示意图；
图4为另一个实施例中相变蓄冷空调电力调度方法的流程示意图；
图5为一个实施例中主动配电网系统结构图；
图6为一个实施例中风电产出、光伏出力、常规电负荷和热负荷日前预测功率图；
图7为一个实施例中相变蓄冷相变蓄冷空调曲线图；
图8为一个实施例中相变蓄冷空调电力调度装置的结构框图；
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的相变蓄冷空调电力调度方法，可以应用于如图1所示的应用环境中。其中，主动配电网中的传感器102通过物联网与处理器104进行通信。处理器104获取主动配电网的传感器102中的可再生能源的功率变化数据；处理器104获取相变蓄冷空调运行约束和燃机运行约束，根据该相变蓄冷空调运行约束和燃机运行约束确定主动配电网运行的潮流分布模型；根据可再生能源的功率变化数据、燃机运行约束以及主动配电网的潮流分布模型构建主动配电网日前调度模型；对主动配电网日前调度模型进行优化求解，输出主动配电网日前调度策略；利用主动配电网日前调度策略，对所述相变蓄冷空调进行电力调节。其中，处理器104可以用独立的处理器或者是多个处理器组成的处理器集群来实现。
在一个实施例中，如图2所示，提供了一种相变蓄冷空调电力调度方法，以该方法应用于图1中的104为例进行说明，包括以下步骤：
步骤202，获取可再生能源的功率变化数据。
其中，可再生能源是指风力发电和光伏发电。功率变化数据是指日前预测数据和功率变化幅度。
具体地，处理器从主动配电网中心获取风力发电和光伏发电的日前预测功力和功率变化幅度。
步骤204，获取相变蓄冷空调运行约束和燃机运行约束，根据相变蓄冷空调运行约束和燃机运行约束确定主动配电网运行的潮流分布模型。
其中，约束是指使用户可以定义数据库引擎执行数据完整性的方式，约束定义了有关列中允许的值的规则，强制数据表保持数据的完整性。相变蓄冷空调是指由制冷机1、制冷机2和释冷机等部件组成。其中，制冷机1直接对负荷供冷，制冷机2将生产的冷气存储在相变材料中，释冷机负责将相变材料储存的冷气释放出来供给负荷。相变蓄冷空调运行约束是指相变蓄冷空调运行的条件限制。燃机运行约束是指燃机运行的条件限制。潮流分布是指电力系统中各节点的电压、各支路的有功功率、无功功率的稳态分布。
具体地，处理器获取相变蓄冷空调运行约束和燃机运行约束，根据相变蓄冷空调运行约束和燃机运行约束确定主动配电网运行的潮流分布模型。
步骤206，根据可再生能源的功率变化数据、燃机运行约束以及主动配电网的潮流分布模型构建主动配电网日前调度模型。
其中，日前调度模型是指在不同时间尺度预测出风电、光伏发电日前预测曲线，基于不同时间尺度的负荷预测数据，在满足系统各种约束条件下，以系统调度运行成本最低为目标构建出的模型。
具体地，处理器根据可再生能源的功率变化数据、燃机运行约束以及主动配电网的潮流分布模型构建主动配电网日前调度模型。
步骤208，对主动配电网日前调度模型进行优化求解，输出主动配电网日前调度策略。
具体地，处理器基于matrix&laboratory(简称MATLAB)平台，调用求解器(Gurobi)对主动配电网日前调度模型进行优化求解，输出主动配电网日前调度策略。其中，MATLAB是美国MathWorks公司出品的商业数学软件。求解器Gurobi是由美国Gurobi公司开发的新一代大规模数学规划优化器。
步骤210，利用主动配电网日前调度策略，对所述相变蓄冷空调进行电力调节。
具体地，处理器利用主动配电网日前调度策略，对相变蓄冷空调进行电力调节。
上述相变蓄冷空调电力调度方法中，获取相变蓄冷空调运行约束和燃机运行约束，根据相变蓄冷空调运行约束和燃机运行约束确定主动配电网运行的潮流分布模型；根据可再生能源的功率变化数据、燃机运行约束以及主动配电网的潮流分布模型构建主动配电网日前调度模型；对主动配电网日前调度模型进行优化求解，输出主动配电网日前调度策略；利用主动配电网日前调度策略，对相变蓄冷空调进行电力调节。通过构建主动配电网日前调度模型，输出主动配电网日前调度策略，实现对相变蓄冷空调的电力调节，降低了配电网的运行成本。
在一个实施例中，获取可再生能源的功率变化数据，包括：获取配电网节点i处实际并网的可再生能源的有功功率；其中，i为自然数；根据该配电网节点i处可再生能源的有功功率和单位并网可再生能源确定该配电网节点i处并网可再生能源的小时内爬坡速率。
具体地，处理器从配电网节点i处节点处的再生能源的和常规电负荷和冷负荷的日前预测功率和配电网节点i处实际并网的可再生能源的有功功率，再根据配电网节点i处实际并网的可再生能源的有功功率计算该配电网节点i处并网可再生能源的小时内爬坡速率。其中，配电网节点i处实际并网的可再生能源的有功功率约束可以表示为：
式中，是配电网节点i处实际并网的风电有功功率；/>是配电网节点i处实际并网的光伏发电有功功率；/>是配电网节点i处风电的日前预测功率；/>是配电网节点i处光伏的日前预测功率。
可再生能源均采用功率因数模式运行，配电网节点i处的可再生能源的有功功率和无功功率的关系：
式中，和/>分别是配电网节点i处风机注入的无功功率和功率因数角；/>和分别是配电网节点i处光伏注入的无功功率和功率因数角；/>是配电网节点i处实际并网的风电有功功率；/>是配电网节点i处实际并网的光伏发电有功功率。
配电网节点i处实际并网的可再生能源的有功功率与该配电网节点i处并网可再生能源的小时内爬坡速率的计算关系为：
式中，ρWT和分别是单位配电网并网风电和配电网节点i处并网风电的小时内爬坡速率；ρPV和/>分别是单位配电网并网光伏和配电网节点i处并网光伏的小时内爬坡速率；/>是配电网节点i处实际并网的风电有功功率；/>是配电网节点i处实际并网的光伏发电有功功率。
本实施例中，通过计算可再生能源的小时内爬坡速率，避免因可再生能源发电存在随机性和波动性，变化幅度较大导致的配电网崩溃的问题。
在一个实施例中，相变蓄冷空调运行约束的构建方式，包括：根据相变蓄冷空调在节点i处第一制冷机、第二制冷机和释冷机t时刻分别对应的工作功率，构建相变蓄冷空调的运行功率约束；其中，第一制冷机t时刻工作功率小于或等于第一制冷机的额定工作功率，第二制冷机t时刻工作功率小于或等于第二制冷机的额定工作功率，释冷机t时刻工作功率小于或等于释冷机的额定工作功率；根据相变蓄冷空调在节点i处第一制冷机t时刻工作功率、释冷机t时刻工作功率和t时刻冷负荷，构建冷气供需平衡约束；根据相变蓄冷空调t时刻的前一时刻的储能、第二制冷机t时刻工作功率和释冷机t时刻工作功率，构建相变蓄冷空调储能约束，其中，相变蓄冷空调t时刻的储小于或等于相变蓄冷空调的额定储能容量，i为自然数，t为正整数。
具体地，处理器根据相变蓄冷空调在节点i处第一制冷机、第二制冷机和释冷机t时刻分别对应的工作功率，构建相变蓄冷空调的运行功率约束。根据相变蓄冷空调在节点i处第一制冷机t时刻工作功率、释冷机t时刻工作功率和t时刻冷负荷，构建冷气供需平衡约束；根据相变蓄冷空调t时刻的前一时刻的储能、第二制冷机t时刻工作功率和释冷机t时刻工作功率，构建相变蓄冷空调储能约束。
其中，相变蓄冷空调的运行功率约束为：
式中，是相变蓄冷空调t时刻工作功率；/>和/>分别是节点i处制冷机1、制冷机2和释冷机t时刻工作功率。
冷气供需平衡约束为：
式中，ηc1和ηd分别是制冷机1和释冷机工作效率；和/>分别是节点i处制冷机1和释冷机t时刻工作功率；/>是t时刻冷负荷。
相变蓄冷空调储能约束为：
式中，和/>是相变蓄冷空调t时刻储能和额定储能容量；ξair是相变蓄冷空调储能留存率；ηc2和ηd分别是制冷机2和释冷机工作效率；/>是相变蓄冷空调t小时工作功率。
本实施例中，通过构建相变蓄冷空调的运行功率约束、冷气供需平衡约束和相变蓄冷空调储能约束，使相变蓄冷空调能够灵活调节电力。
在一个实施例中，燃机运行约束的构建方式，包括：根据在节点i处燃机t时刻运行功率、t时刻的前一时刻的运行功率和燃机的额定爬坡速率，构建燃机爬坡速率约束；其中，在节点i处燃机t时刻运行功率小于或等于燃机的额定运行功率；根据在节点i处燃机t时刻运行功率、燃机t时刻无功功率和额定视在功率，构建燃机有功功率和无功功率的关联约束，其中，i为自然数，t为正整数。
具体地，处理器根据在节点i处燃机t时刻运行功率、t时刻的前一时刻的运行功率和燃机的额定爬坡速率，构建燃机爬坡速率约束；根据在节点i处燃机t时刻运行功率、燃机t时刻无功功率和额定视在功率，构建燃机有功功率和无功功率的关联约束。其中，燃机爬坡速率约束为：
式中，和/>节点i处燃机t时刻运行功率和额定运行功率；/>是燃机启停标志；/>是燃机的额定爬坡速率；/>和/>分别是燃机t时刻无功功率和额定视在功率。
燃机有功功率和无功功率的关联约束为：
式中，和/>节点i处燃机t时刻运行功率和额定运行功率；/>是燃机启停标志。
本实施例中，通过构建燃机爬坡速率约束和燃机有功功率和无功功率的关联约束，燃机能保障负荷用电需求。
在一个实施例中，根据相变蓄冷空调运行约束和燃机运行约束确定主动配电网运行的潮流分布模型，包括：
步骤302，根据在节点i处电负荷有功功率、相变蓄冷空调有功功率、燃机有功功率和可再生能源有功功率，构建净负荷有功功率的关系式。
具体地，处理器根据在节点i处电负荷有功功率、相变蓄冷空调有功功率、燃机有功功率和可再生能源有功功率，构建净负荷有功功率的关系式。其中，净负荷有功功率的关系式为：
式中，是节点i电负荷有功功率；/>是节点i燃机有功功率；Pi,t是节点i净负荷有功功率；/>是相变蓄冷空调t小时工作功率；/>是配电网节点i处实际并网的风电有功功率；/>是配电网节点i处实际并网的光伏发电有功功率。
步骤304，根据在节点i处电负荷无功功率、相变蓄冷空调无功功率、燃机无功功率和可再生能源无功功率，构建净负荷无功功率的关系式。其中，净负荷无功功率的关系式为：
式中，是节点i电负荷无功功率；/>是节点i燃机无功功率；Qi,t是节点i净负荷无功功率。
步骤306，根据从节点i流出的支路ij上的有功功率、支路ij的电阻以及支路ij的电流的平方，构建支路ij首端和末端的有功功率约束。
具体地，处理器根据从节点i流出的支路ij上的有功功率、支路ij的电阻以及支路ij的电流的平方，构建支路ij首端和末端的有功功率约束。其中，支路ij首端和末端的有功功率约束为：
式中，Pji,t是节点j流出的支路ij上的有功功率；Pij,t是节点i流出的支路ij上的有功功率；是支路ij电流的平方；rij是节点i流出的支路ij的电阻。
步骤308，根据从节点i流出的支路ij上的无功功率和支路ij的电抗和电流，构建支路ij首端和末端的无功功率约束；其中，i、j均为自然数，支路ij电流的平方小于支路ij额定电流的平方，支路ij电流的平方为支路ij上的有功功率和无功功率的平方和与节点i处电压的平方之比，节点i处电压的平方位于节点i处正常运行电压的下限和正常运行电压的上限之间。
具体地，处理器根据从节点i流出的支路ij上的无功功率和支路ij的电抗和电流，构建支路ij首端和末端的无功功率约束。其中，支路ij首端和末端的无功功率约束为：
式中，Qij,t是从i节点流出的支路ij上的无功功率；Qji,t是从j节点流出的支路ij上的无功功率；是支路ij电流的平方；rij是支路ij的电阻和电抗；xij是支路ij的电抗；νi,t是节点i处电压的平方；/>是线路ij额定电流的平方；/>是节点i正常运行电压的上限的平方；νi 节点i正常运行电压的下限的平方。
本实施例中，通过构建净负荷有功功率的关系式、净负荷无功功率的关系式、支路ij首端和末端的有功功率约束和支路ij首端和末端的无功功率约束，使主动配电网的运行处于一个稳态。
在一个实施例中，根据可再生能源的功率变化数据、燃机运行约束以及主动配电网的潮流分布模型构建主动配电网日前调度模型，包括：
步骤402，根据可再生能源的功率变化数据、燃机运行约束和主动配电网的潮流分布模型构建可再生能源和燃机的关系；
具体地，处理器根据可再生能源的功率变化数据、燃机运行约束和主动配电网的潮流分布模型构建可再生能源和燃机的关系。其中，可再生能源和燃机的关系为：
式中，是配电网节点i处并网风电的小时内爬坡速率；/>是配电网节点i处并网光伏的小时内爬坡速率；/>和/>节点i处燃机t时刻运行功率和额定运行功率。
步骤404，根据燃机发电参数和燃机的有功功率构建燃机发电成本；
具体地，处理器根据燃机发电参数和燃机的有功功率构建燃机发电成本。
其中，燃机发电成本为：
式中，是燃机发电成本；/>是燃机启停标志；/>是燃机t时刻运行功率；a、b、c分别是燃机发电参数。
步骤406，根据配电网向外电网购电功率和配电网向外电网购电价格确定配电网购电成本；
具体地，处理器根据配电网向外电网购电功率和配电网向外电网购电价格确定配电网购电成本；其中，燃机发电成本：
式中，和/>分别是指配电网向外电网购电功率和价格；/>是配电网购电成本。
步骤408，根据配电网购电成本和燃机发电成本构建调度目标函数。
具体地，处理器根据配电网购电成本和燃机发电成本构建调度目标函数。
其中，调度目标函数为：
式中，和/>分别是指配电网购电成本和燃机发电成本。
本实施例中，通过构建可再生能源和燃机的关系与燃机发电成本、计算燃机发电成本，建立调度目标函数，能够建立系统日运行成本最小的主动配电网日前调度模型。
在一个实施例中，主动配电网日前调度模型进行优化求解，包括：
具体地，处理器将主动配电网日前调度模型中的非线性约束将其线性化，得到一个混合整数二阶锥规划问题，在调用求解器Gurobi对主动配电网日前调度模型进行求解输出主动配电网调度策略，使相变蓄冷空调进行电力调节。
其中，将动配电网日前调度模型的非线性约束转化为线性化约束，具体方式：
式中，和/>节点i处燃机t时刻运行功率和额定运行功率；/>是燃机启停标志；/>是燃机的额定爬坡速率；/>和/>分别是燃机t时刻无功功率和额定视在功率。
将主动配电网日前调度模型的非线性约束转化为线性约束，具体方式：
式中，是线路ij电流的平方；νi,t是节点i处电压的平方；Pij,t是节点i流出的支路ij上的有功功率；Qij,t是从i节点流出的支路ij上的无功功率；
将主动配电网日前调度模型的非线性约束和/>转化为线性约束，具体方式如下：
式中，是配电网节点i处并网风电的小时内爬坡速率；/>是配电网节点i处并网光伏的小时内爬坡速率；/>和/>节点i处燃机t时刻运行功率和额定运行功率。
本申请提供相变蓄冷空调电力调度方法，通过构建主动配电网日前调度模型，输出主动配电网日前调度策略，实现对相变蓄冷空调的电力调节，降低了配电网的运行成本。下面结合详细的一个实施例，描述相变蓄冷空调电力调度方法的步骤：
(1)从配电网调度中心，如图5所示，取得不同节点处风电、光伏、常规电负荷和冷负荷的日前预测功率，依次可以表示为和/>
(2)由于配电网接纳能力有限，可能发生弃风、弃光现象。因此，可再生能源机组并网功率要小于或等于预测功率，相关约束可以表示为：
式中，和/>分别是配电网节点i处风机预测发电功率和实际并网的有功功率；/>和/>分别是配电网节点i处光伏预测发电功率和实际并网的有功功率。
(3)从厂商获知风机和光伏发电功率因数角，根据并网有功功率，可以获得风电和光伏馈入电网的无功功率，如下所示：
式中，和/>分别表示风机和光伏发电功率因数角；/>是节点i处风机注入的无功功率；/>是节点i处光伏注入的无功功率。
(4)从配电网调度中心获得可再生能源发电历史数据，对此分析获得风电和光伏实时发电功率的最大爬坡速率，相应约束：
式中，和/>表示在t1时刻和t2时刻并网的历史风电功率；/>和/>表示在t1时刻和t2时刻并网的历史光伏功率；WT和/>分别是单位并网风电和节点i处并网风电的小时内爬坡速率；ρPV和/>分别是单位并网光伏和节点i处并网光伏的小时内爬坡速率。
(5)设计一种新型的相变蓄冷相变蓄冷空调，其由制冷机1、制冷机2和释冷机等部件组成。其中，制冷机1直接对负荷供冷，制冷机2将生产的冷气存储在相变材料中，释冷机负责将相变材料储存的冷气释放出来供给负荷。利用相变蓄冷空调进行需求侧响应。其运行约束可以表示为：
/>
式中，是相变蓄冷空调i(i＝1,2,3)在第t小时的工作功率；/>和/>分别是节点i处制冷机1、制冷机2和释冷机t小时工作功率；/>和/>分别是制冷机1、制冷机2和释冷机额定工作功率，依次取值为2.5MW、2.0MW和0.1MW；ηc1、ηc2和ηd分别是制冷机1、制冷机2和释冷机工作效率，依次取值为4.2、2.8和42.5；/>是t时刻冷负荷；ξair是计及热泄露因素的相变蓄冷空调储能效率，根据实验测得其值为0.99；/>和/>是相变蓄冷空调t时刻储能和最大储能容量(取值为500MWh)；T是调度周期，取值为24小时。
(6)燃机配置在配电网中保障负荷用电需求。通过咨询厂家和详细分析燃机发电特性，可以建立燃机运行约束为：
式中，和/>分别是节点i处燃机t时刻运行功率和启停标志；/>和/>分别是燃机额定运行功率和爬坡速率，从厂家处获得两者数值分别为20MW和12MW/小时；/>和/>分别是燃机t时刻无功功率和额定视在功率，从厂家处获得额定视在功率为20MW。
(7)通过节点i注入的有功功率和无功功率之和、节点i相连的支路功率之、支路ij首端和末端功率约束、线路流通功率和电流以及相关节点电压的关系和支路电流和节点电压运行约束，建立主动配电网潮流分布模型为：
/>
式中，和/>分别是节点i电负荷有功和无功功率；/>和/>分别是节点i燃机有功和无功功率；Pi,t和Qi,t分别是节点i净负荷有功和无功功率；Pij,t和Qij,t分别是支路ij流动的有功和无功功率；Pji,t和Qji,t分别是从j节点流出的支路ij上的有功和无功功率；/>是支路ij电流的平方；rij和xij分别是支路ij的电阻和电抗；νi,t是节点i处电压的平方；/>是线路ij额定电流的平方，可以根据线路参数获得；/>和νi 分别是节点i正常运行电压的上限和下限的平方，根据电网调度中心要求将其分别取值为1.1025和0.9025。
(8)充分计及机组运行和潮流分布约束，以系统日运行成本最小为目标，通过调度目标函数、配电网向外电网购电成本，如图8所示、燃机发电成本和燃机需要能消解可再生能源发电爬坡速率的影响，建立主动配电网日前调度模型：
式中，和/>分别表示主动配电网购电成本和燃机发电成本；a、b、c分别是燃机发电参数，分别取值为8.2元、0.6元/kW和0.0015元/KW2、；/>指配电网向外电网购电功率；表示配电网向外电网购电价格，根据我国长三角地区用电价格，将其设置为：
(9)将主动配电网日前调度模型处理为一个经典的混合整数二阶锥规划问题。具体如下：
将非线性约束转化成线性约束：
针对非线性约束采用放缩法将其转化为二阶锥模型：/>
针对非线性约束和转化为线性约束：
(10)基于MATLAB平台，调用求解器Gurobi对主动配电网日前调度模型求解。
(11)从优化结果中输出主动配电网调度策略，指导相变蓄冷空调和燃机运行，如图6和图7所示，。
(12)计算结果为主动配电网日运行成本为121753元，包括燃机发电成本91555元和向外电网购电成本30198元。相变蓄冷相变蓄冷空调通过灵活储能和供冷，既满足居民制冷的需求，又充分参与需求侧响应。燃机和外电网协同供电，充分保障本地负荷的用电需求。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的相变蓄冷空调电力调度方法的相变蓄冷空调电力调度装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个相变蓄冷空调电力调度装置实施例中的具体限定可以参见上文中对于相变蓄冷空调电力调度方法的限定，在此不再赘述。
在一个实施例中，如图8所示，提供了一种相变蓄冷空调电力调度装置，包括：数据获取模块810、约束条件获取模块820、模型构建模块830、优化模块840和调节模块850，其中：
数据获取模块810，用于获取可再生能源的功率变化数据；
约束条件获取模块820，用于获取相变蓄冷空调运行约束和燃机运行约束，根据相变蓄冷空调运行约束和燃机运行约束确定主动配电网运行的潮流分布模型；
模型构建模块830，用于根据可再生能源的功率变化数据、燃机运行约束以及主动配电网的潮流分布模型构建主动配电网日前调度模型；
优化模块840，用于对主动配电网日前调度模型进行优化求解，输出主动配电网日前调度策略；
调节模块850，用于利用主动配电网日前调度策略，对相变蓄冷空调进行电力调节。
在一个实施例中，数据获取模块810用于获取配电网节点i处实际并网的可再生能源的有功功率；根据该配电网节点i处可再生能源的有功功率和单位并网可再生能源确定该配电网节点i处并网可再生能源的小时内爬坡速率。
在一个实施例中，上述相变蓄冷空调电力调度装置，还包括：约束建立模块。
约束建立模块用于根据该相变蓄冷空调在节点i处第一制冷机、第二制冷机和释冷机t时刻分别对应的工作功率，构建该相变蓄冷空调的运行功率约束；根据该相变蓄冷空调在节点i处第一制冷机t时刻工作功率、释冷机t时刻工作功率和t时刻冷负荷，构建冷气供需平衡约束；根据该相变蓄冷空调t时刻的前一时刻的储能、第二制冷机t时刻工作功率和释冷机t时刻工作功率，构建该相变蓄冷空调储能约束。
约束建立模块用于根据在节点i处燃机t时刻运行功率、t时刻的前一时刻的运行功率和燃机的额定爬坡速率，构建燃机爬坡速率约束；根据在节点i处燃机t时刻运行功率、燃机t时刻无功功率和额定视在功率，构建燃机有功功率和无功功率的关联约束。
约束建立模块用于根据从节点i流出的支路ij上的有功功率、支路ij的电阻以及支路ij的电流的平方，构建支路ij首端和末端的有功功率约束；根据从节点i流出的支路ij上的无功功率和支路ij的电抗和电流，构建支路ij首端和末端的无功功率约束。
上述相变蓄冷空调电力调度装置装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是处理器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储主动配电网获取的数据、相变蓄冷空调和燃机运行数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种相变蓄冷空调电力调度装置方法。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (7)
1.一种相变蓄冷空调电力调度方法，其特征在于，所述方法包括：
获取可再生能源的功率变化数据；
获取相变蓄冷空调运行约束和燃机运行约束，根据所述相变蓄冷空调运行约束和燃机运行约束确定主动配电网运行的潮流分布模型；
根据所述可再生能源的功率变化数据、燃机运行约束以及所述主动配电网的潮流分布模型构建主动配电网日前调度模型；
对所述主动配电网日前调度模型进行优化求解，输出主动配电网日前调度策略；
利用所述主动配电网日前调度策略，对所述相变蓄冷空调进行电力调节；
其中，所述相变蓄冷空调运行约束的构建方式，包括：
根据所述相变蓄冷空调在节点i处第一制冷机、第二制冷机和释冷机t时刻分别对应的工作功率，构建所述相变蓄冷空调的运行功率约束；其中，所述第一制冷机t时刻工作功率小于或等于第一制冷机的额定工作功率，所述第二制冷机t时刻工作功率小于或等于所述第二制冷机的额定工作功率，所述释冷机t时刻工作功率小于或等于所述释冷机的额定工作功率；
根据所述相变蓄冷空调在节点i处第一制冷机t时刻工作功率、释冷机t时刻工作功率和t时刻冷负荷，构建冷气供需平衡约束；
根据所述相变蓄冷空调t时刻的前一时刻的储能、第二制冷机t时刻工作功率和释冷机t时刻工作功率，构建所述相变蓄冷空调储能约束；其中，相变蓄冷空调t时刻的储能小于或等于相变蓄冷空调的额定储能容量，i为自然数，t为正整数；
所述燃机运行约束的构建方式，包括：
根据在节点i处燃机t时刻运行功率、t时刻的前一时刻的运行功率和燃机的额定爬坡速率，构建燃机爬坡速率约束；其中，在节点i处燃机t时刻运行功率小于或等于燃机的额定运行功率；
根据在节点i处燃机t时刻运行功率、燃机t时刻无功功率和额定视在功率，构建燃机有功功率和无功功率的关联约束；其中，i为自然数，t为正整数；
所述根据所述相变蓄冷空调运行约束和燃机运行约束确定主动配电网运行的潮流分布模型，包括：
根据在节点i处电负荷有功功率、相变蓄冷空调有功功率、燃机有功功率和可再生能源有功功率，构建净负荷有功功率的关系式；
根据在节点i处电负荷无功功率、相变蓄冷空调无功功率、燃机无功功率和可再生能源无功功率，构建净负荷无功功率的关系式；
根据从节点i流出的支路ij上的有功功率、支路ij的电阻以及支路ij的电流的平方，构建支路ij首端和末端的有功功率约束；
根据从节点i流出的支路ij上的无功功率和支路ij的电抗和电流，构建支路ij首端和末端的无功功率约束；
其中，i、j均为自然数，支路ij电流的平方小于支路ij额定电流的平方，所述支路ij电流的平方为支路ij上的有功功率和无功功率的平方和与节点i处电压的平方之比，所述节点i处电压的平方位于节点i处正常运行电压的下限和正常运行电压的上限之间。
2.根据权利要求1所述的方法，其特征在于，所述获取可再生能源的功率变化数据，包括：
获取配电网节点i处实际并网的可再生能源的有功功率；其中，i为自然数；
根据所述配电网节点i处可再生能源的有功功率和单位并网可再生能源确定所述配电网节点i处并网可再生能源的小时内爬坡速率。
3.根据权利要求1所述的方法，其特征在于，所述根据所述可再生能源的功率变化数据、燃机运行约束以及所述主动配电网的潮流分布模型构建主动配电网日前调度模型，包括：
根据所述可再生能源的功率变化数据、燃机运行约束和所述主动配电网的潮流分布模型构建可再生能源和燃机关系；
根据燃机发电参数和燃机的有功功率构建燃机发电成本；
根据配电网向外电网购电功率和配电网向外电网购电价格确定配电网购电成本；
根据所述配电网购电成本和所述燃机发电成本构建调度目标函数。
4.一种相变蓄冷空调电力调度装置，其特征在于，所述装置用于执行如权利要求1-3任一项所述的方法，所述装置包括：
数据获取模块，用于获取可再生能源的功率变化数据；
约束条件获取模块，用于获取相变蓄冷空调运行约束和燃机运行约束，根据所述相变蓄冷空调运行约束和燃机运行约束确定主动配电网运行的潮流分布模型；
模型构建模块，用于根据所述可再生能源的功率变化数据、燃机运行约束以及所述主动配电网的潮流分布模型构建主动配电网日前调度模型；
优化模块，用于对所述主动配电网日前调度模型进行优化求解，输出主动配电网日前调度策略；
调节模块，用于利用所述主动配电网日前调度策略，对所述相变蓄冷空调进行电力调节。
5.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述的方法的步骤。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至3中任一项所述的方法的步骤。
7.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至3中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111427995.6A CN114336735B (zh) | 2021-11-27 | 2021-11-27 | 相变蓄冷空调电力调度方法、装置、计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111427995.6A CN114336735B (zh) | 2021-11-27 | 2021-11-27 | 相变蓄冷空调电力调度方法、装置、计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114336735A CN114336735A (zh) | 2022-04-12 |
| CN114336735B true CN114336735B (zh) | 2024-06-14 |
Family
ID=81047193
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111427995.6A Active CN114336735B (zh) | 2021-11-27 | 2021-11-27 | 相变蓄冷空调电力调度方法、装置、计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114336735B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105743126A (zh) * | 2016-04-14 | 2016-07-06 | 华南理工大学 | 一种实现负荷管理的微电网能量管理系统 |
| CN109980685A (zh) * | 2019-04-02 | 2019-07-05 | 东南大学 | 一种考虑不确定性的主动配电网分布式优化运行方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8738191B2 (en) * | 2010-09-17 | 2014-05-27 | Sarantos K. Aivaliotis | System and method for power grid management |
| WO2021108745A1 (en) * | 2019-11-27 | 2021-06-03 | Cruickshank Iii Robert F | An optimized load shaping system, method & apparatus for optimizing production and consumption of energy |
| CN113541198A (zh) * | 2021-06-23 | 2021-10-22 | 清华大学 | 一种主动配电网日前调度方法、装置、电子设备和存储介质 |
-
2021
- 2021-11-27 CN CN202111427995.6A patent/CN114336735B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105743126A (zh) * | 2016-04-14 | 2016-07-06 | 华南理工大学 | 一种实现负荷管理的微电网能量管理系统 |
| CN109980685A (zh) * | 2019-04-02 | 2019-07-05 | 东南大学 | 一种考虑不确定性的主动配电网分布式优化运行方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114336735A (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhou et al. | Distributionally robust unit commitment in coordinated electricity and district heating networks | |
| Maleki et al. | Comparative study of artificial intelligence techniques for sizing of a hydrogen-based stand-alone photovoltaic/wind hybrid system | |
| Bigdeli | Optimal management of hybrid PV/fuel cell/battery power system: A comparison of optimal hybrid approaches | |
| Karami et al. | Optimal scheduling of residential energy system including combined heat and power system and storage device | |
| Khatod et al. | Evolutionary programming based optimal placement of renewable distributed generators | |
| Azmy et al. | Online optimal management of PEMFuel cells using neural networks | |
| Zhou et al. | Distributionally robust resilient operation of integrated energy systems using moment and wasserstein metric for contingencies | |
| CN114744687B (zh) | 一种虚拟电厂的能源调控方法及系统 | |
| CN105279707B (zh) | 一种综合考虑负荷与风电时序特性的随机生产模拟方法 | |
| Tanrioven | Reliability and cost–benefits of adding alternate power sources to an independent micro-grid community | |
| Beshr et al. | Novel optimization technique of isolated microgrid with hydrogen energy storage | |
| Mumtaz et al. | Adaptive control paradigm for photovoltaic and solid oxide fuel cell in a grid-integrated hybrid renewable energy system | |
| Ji et al. | Optimal schedule of solid electric thermal storage considering consumer behavior characteristics in combined electricity and heat networks | |
| Maurer et al. | Optimal energy management of low level multi-carrier distribution grids | |
| Sarita et al. | Modeling and control of dynamic battery storage system used in hybrid grid | |
| Niknam et al. | Probabilistic multiobjective operation management of microgrids with hydrogen storage and polymer exchange fuel cell power plants | |
| Ahgajan et al. | Artificial bee colony algorithm applied to optimal power flow solution incorporating stochastic wind power | |
| CN114336735B (zh) | 相变蓄冷空调电力调度方法、装置、计算机设备 | |
| Mohammadi et al. | A multi-criteria logical based approach for optimal planning and assessment of rule-based hybrid load following micro combined heat and power systems | |
| CN114118579B (zh) | 一种新能源场站储能配置规划方法、装置及计算机设备 | |
| CN115907140A (zh) | 电力现货出清方案优化方法、装置、计算机设备和介质 | |
| Cai et al. | Day-ahead forecast of carbon emission factor based on long and short-term memory networks | |
| CN113988578A (zh) | 计及可靠性的微电网群源网荷储协同优化调度方法及系统 | |
| Chen | Optimize configuration of multi-energy storage system in a standalone microgrid | |
| CN115879330B (zh) | 基于时序生产仿真的多能源电源多点布局确定方法和装置 |
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 |