CN114529123A - 一种城市智慧能源网络分级规划方法 - Google Patents

一种城市智慧能源网络分级规划方法 Download PDF

Info

Publication number
CN114529123A
CN114529123A CN202111527264.9A CN202111527264A CN114529123A CN 114529123 A CN114529123 A CN 114529123A CN 202111527264 A CN202111527264 A CN 202111527264A CN 114529123 A CN114529123 A CN 114529123A
Authority
CN
China
Prior art keywords
energy
network
load
model
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.)
Pending
Application number
CN202111527264.9A
Other languages
English (en)
Inventor
李骥
阳春
陆海
乔镖
冯晓梅
薛汇宇
吴志
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.)
Jianke Huanneng Technology Co ltd
Southeast University
Electric Power Research Institute of Yunnan Power Grid Co Ltd
China Academy of Building Research CABR
Original Assignee
Jianke Huanneng Technology Co ltd
Southeast University
Electric Power Research Institute of Yunnan Power Grid Co Ltd
China Academy of Building Research CABR
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 Jianke Huanneng Technology Co ltd, Southeast University, Electric Power Research Institute of Yunnan Power Grid Co Ltd, China Academy of Building Research CABR filed Critical Jianke Huanneng Technology Co ltd
Priority to CN202111527264.9A priority Critical patent/CN114529123A/zh
Publication of CN114529123A publication Critical patent/CN114529123A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0637Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313Resource planning in a project environment
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00Details relating to CAD techniques
    • G06F2111/04Constraint-based CAD
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08Thermal analysis or thermal optimisation
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems 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)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (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

本发明是一种城市智慧能源网络分级规划方法。本发明涉及智慧能源,能源网络规划技术领域,本发明进行基本数据收集,进行能耗需求预测,对电、冷、热负荷数据进行预测;对管网进行规划,对待规划区域按用地类型划分子区域;多能耦合优化,建立多能耦合的网络模型和智慧能源系统协同优化配置模型;基于建立的协同优化配置模型,优化结果选择机组设备和连接关系,进行决策部署。本发明提出的智慧能源网络分级规划方法,从实际需求出发,对城市‑区域‑地块进行全年8760小时的逐时能耗需求预测,在规划设计阶段考虑了电、气、热各种转换设备形式及网络特点,科学合理的解决城市‑区域‑地块的能源站布局、能源站中设备的类型选择。

Description

一种城市智慧能源网络分级规划方法
技术领域
本发明涉及智慧能源,能源网络规划技术领域,是一种城市智慧能源网络分级规划方法。
背景技术
三、背景技术:
构建城市智慧能源系统,有利于推动能源转型、助力实现双碳目标。同时,随着能源转换设备技术的发展,热电联产机组、燃气轮机、电转气设备等的应用已经十分广泛,不同形式的能源之间的耦合性越来越强,电、气、热等能源在生产、传输和消费环节上的优势互补作用日益显著,智慧能源系统的发展开拓出更大的空间。城市智慧能源系统将整合冷、热、电、气等多种能源资源,推动打破传统单一能源发展的壁垒,打破过去各个子系统孤立运行的常态,综合优化供应、传输、消费和转化各环节,以“四化”(清洁化、智慧化、去中心化、综合化)为基本特征,以“两高三低”为目标(两高:系统综合能效的提高、系统运行可靠性的提高;三低:用户用能成本的降低、系统碳排放的降低和系统其他污染物排放的降低),实现多能源的互补互济和协调优化,有效提升了能源利用效率、促进了能源的可持续发展。
城市智慧能源系统网络规划相比传统单一能源的网络规划提出了新的要求,从基本的潮流计算、最优潮流到可靠性评估、协调规划,其建模与求解难度大为增加,迫切需要建立更为灵活、鲁棒的规划方法。城市智慧能源系统规划,如何充分发挥具备不同功能特点的网络及设备各自的优势,高效解决冷、热、电、气多网融合的城市智慧能源系统分级规划问题,尤其是电网-气网-热网耦合的规划问题、潮流的非凸非线性问题、可靠性问题等都有待深入研究。
发明内容
本发明针对各种能源形式独立规划孤立运行、能源综合利用率低、可再生能源消纳能力不足、自动化和信息化水平欠佳等问题。本发明提供了一种城市智慧能源网络分级规划方法,本发明提供了以下技术方案:
一种城市智慧能源网络分级规划方法,包括以下步骤:
步骤1:进行基本数据收集,所述基本数据包括当地的总体规划:如人口、用地、能源结构、经济水平、各功能分区的布局和发展规划、市政规划:电力架构及容量、燃气管网、供热管网、地热资源、风力资源、太阳能资源,确定配电、气网基本的建设情况;
步骤2:进行能耗需求预测,对电、冷、热负荷数据进行预测;
步骤3:对管网进行规划,对待规划区域按用地类型划分子区域;
步骤4:多能耦合优化,建立多能耦合的网络模型和智慧能源系统协同优化配置模型;
步骤5:基于建立的协同优化配置模型,优化结果选择机组设备和连接关系,配电网、配气网和配热网的设备容量进行决策部署。
优选的,所述步骤2具体为:
通过对电、冷、热等负荷数据进行预测,对能源站的的装机容量以及管路的设计进行规划,能耗的需求受多种因素影响,包括建筑能耗特性、建筑室内环境、区域气候特征以及建筑所在地的经济水平,采用宏观负荷预测与微观负荷预测相结合的方式进行预测,具体为:
宏观负荷预测方法进行城市级负荷预测,通过寻求历史相关数据与区域总能量负荷之间的关系进行建模并回归分析获得未来的区域能耗量;宏观负荷预测法采用:单耗法、外推法、自然增长法、综合用电水平、负荷密度法;
微观负荷预测进行地块级和区域级的负荷预测,通过单一建筑的历史逐时负荷结合建筑特征、环境、用户用能特点等信息,对某一栋或某一类建筑的能耗需求进行预测,采用工程模型法,实现对单一建筑的逐时负荷准确预测。
优选的,所述步骤3具体为:
对待规划区域按用地类型划分子区域,综合考虑供能效益和空间限制,在各子区域内选择能源站的建设地址,同时规划管网网布置形式与铺设路径,能源站选址采用p-中位模型进行优化设计;
采用无向带权网络G=(V,E,W),其中,V为系统负荷中心、候选能源站和路网节点构成的顶点集,E为路网节点连接的边集,W为各连接点能源传输管网投资成本的权集,
p-中位模型描述为:从集合V中寻找一个子集合Vp,使得顶点集合{V-Vp} 到Vp中最近顶点的距离之和最小,集合Vp中的顶点叫中位点;p-中位模型用式(1) 所示的规划模型来表示:
Figure RE-GDA0003592425870000031
其中,M为地块负荷点集合;N为候选能源站集合;i为第i个负荷点;j为第j个候选能源站点;ai为第i个负荷点的需求量;dij为第i个负荷点到第j个候选能源站点的最短距离;p为所选候选能源站点的数目;xj表示候选能源站点j是否被选中,若是,则xj=1,否则xj=0;yij表示需求点i是否由候选设施点j提供服务,若是,yij=1,否则yij=0。
优选的,所述步骤4具体为:
步骤4.1:建立目标函数,目标函数的选择遵循“3E”协调发展,实现总成本最小、碳排放最低和能源利用效率最高;
步骤4.2:建立通用模型采用关注“势”和“流”的潮流模型,通用的潮流模型方程表示为:
Figure RE-GDA0003592425870000041
节点模型或支路模型描述了网络局部的潮流关系,对整个网络的计算需要对每个节点或支路进行模型应用;节点-支路关联矩阵被用来描述节点间的联通关系,当 i,j为网络k中中的任意两个节点,若由节点i流向j,
Figure RE-GDA0003592425870000042
若由节点j流向i,
Figure RE-GDA0003592425870000043
若两节点之间无流动,
Figure RE-GDA0003592425870000044
步骤4.3:确定约束条件为了使模型获得唯一解或最优解,需要对上述模型进行约束,采用冷热电功率平衡约束、设备容量约束、状态变量约束、配电网重构约束、配气站及配送管网容量约束、负荷损失约束;
步骤4.4:进行优化进行城市智慧能源网络稳态潮流计算方法,包括电网、热网和气网独立潮流计算方法和耦合能源网络联合潮流计算方法。
优选的,所述电网潮流计算具体为:
电网S的两个子区域A和B通过联络线支路ij互联,通过对支路ij引入两个虚拟发电节点和两个虚拟发电机,从而“断开联络线”,每一个引入的虚拟发电机节点,对应一组变量xb1(xb2);为了避免对同一节点的重复复制,两个虚拟发电机的添加位置设置在联络线中点
边界信息可表示为:
xb1={Pxb1,Qxb1,Vxb1,θxb1}
xb2={Pxb2,Qxb2,Vxb2,θxb2} (3)
边界约束表示为:
θ(x)=ξ1xb12xb2=0 (4)
其中,ξ1=diag(I,I,I,I),ξ2=diag(-I,-I,I,I);
设ε为收敛精度,若边界节点变量满足|ξ1xb1--ξ2xb2|≤ε,则联络线边界收敛;当电力网络全部子区域间边界收敛,则电力网络收敛;收敛后的分布式并行潮流计算结果等效于串行潮流计算结果。
优选的,所述热网潮流计算具体为:
Figure RE-GDA0003592425870000051
其中,i表示迭代的次数,将初始化的供水温度Ts,load以及热源回水温度Tr,source带入热功率方程Φ=Cpmq(Ts-To),计算获得节点质量流率mq
优选的,所述气网潮流计算具体为:
由节点流量平衡可知:
Figure RE-GDA0003592425870000052
写成方程形式为:
F(P)=ASATP-q=0 (7)
应用节点法求解,首先给出各节点压强的初始估计值,其次通过连续修正估计值,直到获得最终结果。
本发明具有以下有益效果:
本发明针对各种能源形式独立规划孤立运行、能源综合利用率低、可再生能源消纳能力不足、自动化和信息化水平欠佳等问题,基于质量守恒、能量守恒以及基尔霍夫定律,建立了电-气-热(冷)智慧能源网络分级规划的流程及方法;建立了 p-中位模型进行能源站选址优化设计,为能源站选址及管网规划优化提供方法;针对城市智慧能源网络仿真过程复杂,实现高效、高精度的数值计算的问题,建立了电-气-热(冷)智慧能源网络分级规划的数值解模型,构建了具有电网、热网和气网独立潮流计算方法和耦合能源网络联合潮流计算方法,以总成本(初始投资、运行维护成本、能源消费成本、网损成本)最小、碳排放(能源输入排放、能源转换排放)最低和能源利用效率最高多目标进行优化,解决了电-气-热(冷)多网融合的城市智慧能源系统分级规划的问题。
本发明针对传统单一能源的网络规划能源利用效率不高、可再生能源消纳不足等问题,基于能量守恒、质量守恒和基尔霍夫定律,建立了电-气-热(冷)智慧能源网络分级规划的流程、方法及数值解模型,揭示了电-气-热(冷)智慧能源网络分级规划的特性,实现了能源站选址、能源网络的优化设计,构建了具有电网、热网和气网独立潮流计算方法和耦合能源网络联合潮流计算方法,解决了电-气-热(冷) 多网融合的城市智慧能源系统分级规划的问题,发挥具备不同功能特点的网络及设备各自的优势,是能源网络规划方法的重大创新。
本发明提出的智慧能源网络分级规划方法,从实际需求出发,对城市-区域- 地块进行全年8760小时的逐时能耗需求预测,在规划设计阶段考虑了电、气、热各种转换设备形式及网络特点,科学合理的解决城市-区域-地块的能源站布局、能源站中设备的类型选择、容量大小配置、电-气-热管网的分布等这一系列的问题,为城市智慧能源系统规模化应用奠定了理论基础。
附图说明
图1是分级规划范围图;
图2是电-气-热耦合能源网络示意图;
图3是城市智慧能源网络分级规划流程图;
图4是水力-热力模型联合计算结构图。
具体实施方式
以下结合具体实施例,对本发明进行了详细说明。
具体实施例一:
根据图1至图4所示,本发明提供一种城市智慧能源网络分级规划方法,包括以下步骤:
一种城市智慧能源网络分级规划方法,包括以下步骤:
步骤1:进行基本数据收集,所述基本数据包括当地的总体规划:如人口、用地、能源结构、经济水平、各功能分区的布局和发展规划、市政规划:电力架构及容量、燃气管网、供热管网、地热资源、风力资源、太阳能资源,确定配电、气网基本的建设情况;
步骤2:进行能耗需求预测,对电、冷、热负荷数据进行预测;
所述步骤2具体为:
通过对电、冷、热等负荷数据进行预测,对能源站的的装机容量以及管路的设计进行规划,能耗的需求受多种因素影响,包括建筑能耗特性、建筑室内环境、区域气候特征以及建筑所在地的经济水平,采用宏观负荷预测与微观负荷预测相结合的方式进行预测,具体为:
宏观负荷预测方法进行城市级负荷预测,通过寻求历史相关数据与区域总能量负荷之间的关系进行建模并回归分析获得未来的区域能耗量;宏观负荷预测法采用:单耗法、外推法、自然增长法、综合用电水平、负荷密度法;
微观负荷预测进行地块级和区域级的负荷预测,通过单一建筑的历史逐时负荷结合建筑特征、环境、用户用能特点等信息,对某一栋或某一类建筑的能耗需求进行预测,采用工程模型法,实现对单一建筑的逐时负荷准确预测。
步骤3:对管网进行规划,对待规划区域按用地类型划分子区域;
所述步骤3具体为:
对待规划区域按用地类型划分子区域,综合考虑供能效益和空间限制,在各子区域内选择能源站的建设地址,同时规划管网网布置形式与铺设路径,能源站选址采用p-中位模型进行优化设计;
采用无向带权网络G=(V,E,W),其中,V为系统负荷中心、候选能源站和路网节点构成的顶点集,E为路网节点连接的边集,W为各连接点能源传输管网投资成本的权集,
p-中位模型描述为:从集合V中寻找一个子集合Vp,使得顶点集合{V-Vp} 到Vp中最近顶点的距离之和最小,集合Vp中的顶点叫中位点;p-中位模型用式(1) 所示的规划模型来表示:
Figure RE-GDA0003592425870000081
其中,M为地块负荷点集合;N为候选能源站集合;i为第i个负荷点;j为第j个候选能源站点;ai为第i个负荷点的需求量;dij为第i个负荷点到第j个候选能源站点的最短距离;p为所选候选能源站点的数目;xj表示候选能源站点j是否被选中,若是,则xj=1,否则xj=0;yij表示需求点i是否由候选设施点j提供服务,若是,yij=1,否则yij=0。
步骤4:多能耦合优化,建立多能耦合的网络模型和智慧能源系统协同优化配置模型;
所述步骤4具体为:
步骤4.1:建立目标函数,目标函数的选择遵循“3E”协调发展,实现总成本最小、碳排放最低和能源利用效率最高;
步骤4.2:建立通用模型采用关注“势”和“流”的潮流模型,通用的潮流模型方程表示为:
Figure RE-GDA0003592425870000091
节点模型或支路模型描述了网络局部的潮流关系,对整个网络的计算需要对每个节点或支路进行模型应用;节点-支路关联矩阵被用来描述节点间的联通关系,当 i,j为网络k中中的任意两个节点,若由节点i流向j,
Figure RE-GDA0003592425870000092
若由节点j流向i,
Figure RE-GDA0003592425870000093
若两节点之间无流动,
Figure RE-GDA0003592425870000094
步骤4.3:确定约束条件为了使模型获得唯一解或最优解,需要对上述模型进行约束,采用冷热电功率平衡约束、设备容量约束、状态变量约束、配电网重构约束、配气站及配送管网容量约束、负荷损失约束;
步骤4.4:进行优化进行城市智慧能源网络稳态潮流计算方法,包括电网、热网和气网独立潮流计算方法和耦合能源网络联合潮流计算方法。
所述电网潮流计算具体为:
电网S的两个子区域A和B通过联络线支路ij互联,通过对支路ij引入两个虚拟发电节点和两个虚拟发电机,从而“断开联络线”,每一个引入的虚拟发电机节点,对应一组变量xb1(xb2);为了避免对同一节点的重复复制,两个虚拟发电机的添加位置设置在联络线中点
边界信息可表示为:
xb1={Pxb1,Qxb1,Vxb1,θxb1}
xb2={Pxb2,Qxb2,Vxb2,θxb2} (3)
边界约束表示为:
θ(x)=ξ1xb12xb2=0 (4)
其中,ξ1=diag(I,I,I,I),ξ2=diag(-I,-I,I,I);
设ε为收敛精度,若边界节点变量满足|ξ1xb12xb2|≤ε,则联络线边界收敛;当电力网络全部子区域间边界收敛,则电力网络收敛;收敛后的分布式并行潮流计算结果等效于串行潮流计算结果。
所述热网潮流计算具体为:
Figure RE-GDA0003592425870000101
其中,i表示迭代的次数,将初始化的供水温度Ts,load以及热源回水温度Tr,source带入热功率方程Φ=Cpmq(Ts-To),计算获得节点质量流率mq
所述气网潮流计算具体为:
由节点流量平衡可知:
Figure RE-GDA0003592425870000102
写成方程形式为:
F(p)=ASATp-q=0 (7)
应用节点法求解,首先给出各节点压强的初始估计值,其次通过连续修正估计值,直到获得最终结果
步骤5:基于建立的协同优化配置模型,优化结果选择机组设备和连接关系,配电网、配气网和配热网的设备容量进行决策部署。
具体实施例二:
本发明针对各种能源形式独立规划孤立运行、能源综合利用率低、可再生能源消纳能力不足、自动化和信息化水平欠佳等问题,基于质量守恒、能量守恒以及基尔霍夫定律,建立了电-气-热(冷)智慧能源网络分级规划的流程及方法;建立了 p-中位模型进行能源站选址优化设计,为能源站选址及管网规划优化提供方法;针对城市智慧能源网络仿真过程复杂,实现高效、高精度的数值计算的问题,建立了电-气-热(冷)智慧能源网络分级规划的数值解模型,构建了具有电网、热网和气网独立潮流计算方法和耦合能源网络联合潮流计算方法,以总成本(初始投资、运行维护成本、能源消费成本、网损成本)最小、碳排放(能源输入排放、能源转换排放)最低和能源利用效率最高多目标进行优化,解决了电-气-热(冷)多网融合的城市智慧能源系统分级规划的问题。
实施流程分为基本数据收集、能耗需求预测、管网初步规划、多能耦合优化以及做出决策五个步骤。
1、基本数据收集
确保能源系统的规划满足当地的用能需求,全面收集待规划城市-区域-地块的情况。包括当地的总体规划(如人口、用地、能源结构、经济水平、各功能分区的布局和发展规划)、市政规划(电力架构及容量、燃气管网、供热管网)、地热资源、风力资源、太阳能资源等,了解配电、气网基本的建设情况。
2、能耗需求预测
通过对电、冷、热等负荷数据进行预测,可以更好地对能源站的的装机容量以及管路的设计进行规划。能耗的需求受多种因素影响,包括建筑能耗特性、建筑室内环境、区域气候特征以及建筑所在地的经济水平等。采用宏观负荷预测与微观负荷预测相结合的方式进行。
宏观负荷预测方法进行城市级负荷预测,通过寻求历史相关数据与区域总能量负荷之间的关系进行建模并回归分析获得未来的区域能耗量。宏观负荷预测法采用:单耗法、外推法、自然增长法、综合用电水平、负荷密度法等。
微观负荷预测进行地块级和区域级的负荷预测,通过单一建筑的历史逐时负荷结合建筑特征、环境、用户用能特点等信息,对某一栋或某一类建筑的能耗需求进行预测,采用工程模型法,实现对单一建筑的逐时负荷准确预测。
3、管网初步规划
对待规划区域按用地类型划分子区域,综合考虑供能效益和空间限制,在各子区域内选择能源站的建设地址,同时规划管网网布置形式与铺设路径。能源站选址采用p-中位模型进行优化设计。
采用无向带权网络G=(V,E,W),其中,V为系统负荷中心、候选能源站和路网节点构成的顶点集,E为路网节点连接的边集,W为各连接点能源传输管网投资成本的权集。p-中位模型可以描述为:从集合V中寻找一个子集合Vp,使得顶点集合{V-Vp}到Vp中最近顶点的距离之和最小,集合Vp中的顶点叫中位点。 p-中位模型可用式(1)所示的规划模型来表示:
Figure RE-GDA0003592425870000121
式中:M为地块负荷点集合;N为候选能源站集合;i为第i个负荷点;j为第j个候选能源站点;ai为第i个负荷点的需求量;dij为第i个负荷点到第j个候选能源站点的最短距离;p为所选候选能源站点的数目;xj表示候选能源站点j是否被选中,若是,则xj=1,否则xj=0;yij表示需求点i是否由候选设施点j提供服务,若是,yij=1,否则yij=0。
4、多能耦合优化
建立多能耦合的网络模型和智慧能源系统协同优化配置模型,将各区域冷热电负荷数据、各设备参数及热网管道参数代入模型求解。
(1)目标函数
目标函数表示能源网络优化的主要目标。目标函数的选择遵循“3E”协调发展,实现总成本(初始投资、运行维护成本、能源消费成本、网损成本)最小、碳排放 (能源输入排放、能源转换排放)最低和能源利用效率最高。
(2)通用模型
采用关注“势”和“流”的潮流模型,根据气网和热网的流动特点在网络的每个支路中等效出与电路类似的元件,并利用电/气/热网具有相似的拓扑结构这一特点,根据电网的建模方法对气网、热网进行建模。网络中的任一支路可以比拟成包括势、流、阻、导、感、容、源七种元件的组合。其中,“势”和“流”是需要研究的状态量,其它五种元件可以通过管路特征参数进行表达。通用的潮流模型方程可以表示为:
Figure RE-GDA0003592425870000131
各元件的表达列于下表。
气/水/热路的电路比拟表
Figure RE-GDA0003592425870000132
Figure RE-GDA0003592425870000141
节点模型或支路模型描述了网络局部的潮流关系。对整个网络的计算需要对每个节点或支路进行模型应用。节点-支路关联矩阵被用来描述节点间的联通关系,假设i,j为网络k中中的任意两个节点,若由节点i流向j,
Figure RE-GDA0003592425870000142
若由节点j流向i,
Figure RE-GDA0003592425870000143
若两节点之间无流动,
Figure RE-GDA0003592425870000144
(3)约束条件
为了使模型获得唯一解或最优解,需要对上述模型进行约束。采用冷热电功率平衡约束、设备容量约束、状态变量约束、配电网重构约束、配气站及配送管网容量约束、负荷损失约束等。
(4)优化求解
进行城市智慧能源网络稳态潮流计算方法,包括电网、热网和气网独立潮流计算方法和耦合能源网络联合潮流计算方法。
4.1电网潮流计算
电网S的两个子区域A和B通过联络线支路ij互联,通过对支路ij引入两个虚拟发电节点和两个虚拟发电机,从而“断开联络线”。每一个引入的虚拟发电机节点,对应一组变量xb1(xb2)。为了避免对同一节点的重复复制,两个虚拟发电机的添加位置设置在联络线中点
边界信息可表示为:
xb1={Pxb1,Qxb1,Vxb1,θxb1}
xb2={Pxb2,Qxb2,Vxb2,θxb2} (3)
边界约束可表示为:
θ(x)=ξ1xb12xb2=0 (4)
式中ξ1=diag(I,I,I,I),ξ2=diag(-I,-I,I,I)。
设ε为收敛精度,若边界节点变量满足|ξ1xb12xb2|≤ε,则该联络线边界收敛。当电力网络全部子区域间边界收敛,则电力网络收敛。收敛后的分布式并行潮流计算结果等效于串行潮流计算结果。
4.2热网潮流计算
Figure RE-GDA0003592425870000151
其中i表示迭代的次数。将初始化的供水温度Ts,load以及热源回水温度Tr,source带入热功率方程Φ=Cpmq(Ts-To),计算获得节点质量流率mq
4.3气网潮流计算
由节点流量平衡可知:
Figure RE-GDA0003592425870000152
写成方程形式为:
F(p)=ASATp-q=0 (7)
应用节点法求解,首先给出各节点压强的初始估计值,其次通过连续修正估计值,直到获得最终结果。
5、做出决策
根据优化结果选择机组设备和连接关系,配电网、配气网、配热网的设备容量。
以上所述仅是一种城市智慧能源网络分级规划方法的优选实施方式,一种城市智慧能源网络分级规划方法的保护范围并不仅局限于上述实施例,凡属于该思路下的技术方案均属于本发明的保护范围。应当指出,对于本领域的技术人员来说,在不脱离本发明原理前提下的若干改进和变化,这些改进和变化也应视为本发明的保护范围。

Claims (7)

1.一种城市智慧能源网络分级规划方法,其特征是:包括以下步骤:
步骤1:进行基本数据收集,所述基本数据包括当地的总体规划:如人口、用地、能源结构、经济水平、各功能分区的布局和发展规划、市政规划:电力架构及容量、燃气管网、供热管网、地热资源、风力资源、太阳能资源,确定配电、气网基本的建设情况;
步骤2:进行能耗需求预测,对电、冷、热负荷数据进行预测;
步骤3:对管网进行规划,对待规划区域按用地类型划分子区域;
步骤4:多能耦合优化,建立多能耦合的网络模型和智慧能源系统协同优化配置模型;
步骤5:基于建立的协同优化配置模型,优化结果选择机组设备和连接关系,配电网、配气网和配热网的设备容量进行决策部署。
2.根据权利要求1所述的一种城市智慧能源网络分级规划方法,其特征是:所述步骤2具体为:
通过对电、冷、热等负荷数据进行预测,对能源站的的装机容量以及管路的设计进行规划,能耗的需求受多种因素影响,包括建筑能耗特性、建筑室内环境、区域气候特征以及建筑所在地的经济水平,采用宏观负荷预测与微观负荷预测相结合的方式进行预测,具体为:
宏观负荷预测方法进行城市级负荷预测,通过寻求历史相关数据与区域总能量负荷之间的关系进行建模并回归分析获得未来的区域能耗量;宏观负荷预测法采用:单耗法、外推法、自然增长法、综合用电水平、负荷密度法;
微观负荷预测进行地块级和区域级的负荷预测,通过单一建筑的历史逐时负荷结合建筑特征、环境、用户用能特点等信息,对某一栋或某一类建筑的能耗需求进行预测,采用工程模型法,实现对单一建筑的逐时负荷准确预测。
3.根据权利要求2所述的一种城市智慧能源网络分级规划方法,其特征是:所述步骤3具体为:
对待规划区域按用地类型划分子区域,综合考虑供能效益和空间限制,在各子区域内选择能源站的建设地址,同时规划管网网布置形式与铺设路径,能源站选址采用p-中位模型进行优化设计;
采用无向带权网络G=(V,E,W),其中,V为系统负荷中心、候选能源站和路网节点构成的顶点集,E为路网节点连接的边集,W为各连接点能源传输管网投资成本的权集,
p-中位模型描述为:从集合V中寻找一个子集合Vp,使得顶点集合{V-Vp}到Vp中最近顶点的距离之和最小,集合Vp中的顶点叫中位点;p-中位模型用式(1)所示的规划模型来表示:
Figure FDA0003410137440000021
其中,M为地块负荷点集合;N为候选能源站集合;i为第i个负荷点;j为第j个候选能源站点;ai为第i个负荷点的需求量;dij为第i个负荷点到第j个候选能源站点的最短距离;p为所选候选能源站点的数目;xj表示候选能源站点j是否被选中,若是,则xj=1,否则xj=0;yij表示需求点i是否由候选设施点j提供服务,若是,yij=1,否则yij=0。
4.根据权利要求3所述的一种城市智慧能源网络分级规划方法,其特征是:所述步骤4具体为:
步骤4.1:建立目标函数,目标函数的选择遵循“3E”协调发展,实现总成本最小、碳排放最低和能源利用效率最高;
步骤4.2:建立通用模型采用关注“势”和“流”的潮流模型,通用的潮流模型方程表示为:
Figure FDA0003410137440000031
节点模型或支路模型描述了网络局部的潮流关系,对整个网络的计算需要对每个节点或支路进行模型应用;节点-支路关联矩阵被用来描述节点间的联通关系,当i,j为网络k中中的任意两个节点,若由节点i流向j,
Figure FDA0003410137440000032
若由节点j流向i,
Figure FDA0003410137440000033
若两节点之间无流动,
Figure FDA0003410137440000034
步骤4.3:确定约束条件为了使模型获得唯一解或最优解,需要对上述模型进行约束,采用冷热电功率平衡约束、设备容量约束、状态变量约束、配电网重构约束、配气站及配送管网容量约束、负荷损失约束;
步骤4.4:进行优化进行城市智慧能源网络稳态潮流计算方法,包括电网、热网和气网独立潮流计算方法和耦合能源网络联合潮流计算方法。
5.根据权利要求4所述的一种城市智慧能源网络分级规划方法,其特征是:所述电网潮流计算具体为:
电网S的两个子区域A和B通过联络线支路ij互联,通过对支路ij引入两个虚拟发电节点和两个虚拟发电机,从而“断开联络线”,每一个引入的虚拟发电机节点,对应一组变量xb1(xb2);为了避免对同一节点的重复复制,两个虚拟发电机的添加位置设置在联络线中点
边界信息可表示为:
xb1={Pxb1,Qxb1,Vxb1xb1}
xb2={Pxb2,Qxb2,Vxb2xb2} (3)
边界约束表示为:
θ(x)=ξ1xb12xb2=0 (4)
其中,ξ1=diag(I,I,I,I),ξ2=diag(-I,-I,I,I);
设ε为收敛精度,若边界节点变量满足|ξ1xb12xb2|≤ε,则联络线边界收敛;当电力网络全部子区域间边界收敛,则电力网络收敛;收敛后的分布式并行潮流计算结果等效于串行潮流计算结果。
6.根据权利要求5所述的一种城市智慧能源网络分级规划方法,其特征是:所述热网潮流计算具体为:
Figure FDA0003410137440000041
其中,i表示迭代的次数,将初始化的供水温度Ts,load以及热源回水温度Tr,source带入热功率方程Φ=Cpmq(Ts-To),计算获得节点质量流率mq
7.根据权利要求6所述的一种城市智慧能源网络分级规划方法,其特征是:所述气网潮流计算具体为:
由节点流量平衡可知:
Figure FDA0003410137440000042
写成方程形式为:
F(p)=ASATp-q=0 (7)
应用节点法求解,首先给出各节点压强的初始估计值,其次通过连续修正估计值,直到获得最终结果。
CN202111527264.9A 2021-12-14 2021-12-14 一种城市智慧能源网络分级规划方法 Pending CN114529123A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111527264.9A CN114529123A (zh) 2021-12-14 2021-12-14 一种城市智慧能源网络分级规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111527264.9A CN114529123A (zh) 2021-12-14 2021-12-14 一种城市智慧能源网络分级规划方法

Publications (1)

Publication Number Publication Date
CN114529123A true CN114529123A (zh) 2022-05-24

Family

ID=81619871

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111527264.9A Pending CN114529123A (zh) 2021-12-14 2021-12-14 一种城市智慧能源网络分级规划方法

Country Status (1)

Country Link
CN (1) CN114529123A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114817375A (zh) * 2022-06-24 2022-07-29 深圳市智联物联科技有限公司 工业互联网数据采集管理系统
CN115239024A (zh) * 2022-09-21 2022-10-25 国网浙江省电力有限公司宁波供电公司 城市区域多元能源供能规划方法
CN115879652A (zh) * 2023-02-24 2023-03-31 中国建筑科学研究院有限公司 能源网络分级协同规划方法、装置、电子设备及存储介质
CN116523250A (zh) * 2023-05-08 2023-08-01 上海枢源节能科技有限公司 一种能源调控辅助决策方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114817375A (zh) * 2022-06-24 2022-07-29 深圳市智联物联科技有限公司 工业互联网数据采集管理系统
CN114817375B (zh) * 2022-06-24 2022-11-01 深圳市智联物联科技有限公司 工业互联网数据采集管理系统
CN115239024A (zh) * 2022-09-21 2022-10-25 国网浙江省电力有限公司宁波供电公司 城市区域多元能源供能规划方法
CN115879652A (zh) * 2023-02-24 2023-03-31 中国建筑科学研究院有限公司 能源网络分级协同规划方法、装置、电子设备及存储介质
CN115879652B (zh) * 2023-02-24 2023-08-15 中国建筑科学研究院有限公司 能源网络分级协同规划方法、装置、电子设备及存储介质
CN116523250A (zh) * 2023-05-08 2023-08-01 上海枢源节能科技有限公司 一种能源调控辅助决策方法

Similar Documents

Publication Publication Date Title
CN114529123A (zh) 一种城市智慧能源网络分级规划方法
Zhang et al. Optimal operation of integrated electricity and heat system: A review of modeling and solution methods
Lv et al. Model predictive control based robust scheduling of community integrated energy system with operational flexibility
Liu et al. Coordinated operation of multi-integrated energy system based on linear weighted sum and grasshopper optimization algorithm
Lu et al. Coordinated dispatch of multi-energy system with district heating network: Modeling and solution strategy
CN110717226B (zh) 一种考虑能源网拓扑特性的区域综合能源系统布局规划方法
Barone et al. A novel dynamic simulation model for the thermo-economic analysis and optimisation of district heating systems
Tan et al. A wind power accommodation capability assessment method for multi-energy microgrids
Sarbu et al. A review of modelling and optimisation techniques for district heating systems
CN105826944B (zh) 一种微电网群的功率预测方法和系统
CN107665377A (zh) 一种多源耦合的综合能源系统规划方法
CN111582658B (zh) 考虑多区域互联协同的能源站设备配置及管线规划方法
CN108876066A (zh) 热网解列运行方案实时优化方法及其系统
Liu Energy stations and pipe network collaborative planning of integrated energy system based on load complementary characteristics
CN116151565A (zh) 一种基于多能流多层级的城市智慧能源系统构建方法和协同规划方法
CN105955931A (zh) 面向高密度分布式光伏消纳的区域能源网络优化调度方法
Liu et al. Synergy planning for integrated energy stations and pipe networks based on station network interactions
CN115455621A (zh) 一种基于仿生原理的供热系统拓扑结构优化方法
Liu Pipeline network layout design of integrated energy system based on energy station site selection and load complementary characteristics
Lin et al. A study on operation control of urban centralized heating system based on cyber-physical systems
CN111931977B (zh) 一种考虑电—热能传输价值投入的虚拟电厂扩展规划模型构建方法
Schlueter et al. Analysis of georeferenced building data for the identification and evaluation of thermal microgrids
Liu et al. Study of the thermal performance of a distributed solar heating system for residential buildings using a heat-user node model
Zhu et al. Distributed optimal dispatching of interconnected electricity-gas-heating system
CN116502921A (zh) 一种园区综合能源系统优化管理系统及其协调调度方法

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