CN114676979A - 一种能量调度方法及其装置、计算机设备、存储介质 - Google Patents

一种能量调度方法及其装置、计算机设备、存储介质 Download PDF

Info

Publication number
CN114676979A
CN114676979A CN202210213082.2A CN202210213082A CN114676979A CN 114676979 A CN114676979 A CN 114676979A CN 202210213082 A CN202210213082 A CN 202210213082A CN 114676979 A CN114676979 A CN 114676979A
Authority
CN
China
Prior art keywords
energy
cost
model
calculating
scheduling
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
Application number
CN202210213082.2A
Other languages
English (en)
Other versions
CN114676979B (zh
Inventor
嘉有为
史梦鸽
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.)
Nanke Smart Energy (Shenzhen) Co.,Ltd.
Original Assignee
Southwest University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest University of Science and Technology filed Critical Southwest University of Science and Technology
Priority to CN202210213082.2A priority Critical patent/CN114676979B/zh
Publication of CN114676979A publication Critical patent/CN114676979A/zh
Application granted granted Critical
Publication of CN114676979B publication Critical patent/CN114676979B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply

Abstract

本公开实施例提供一种能量调度方法及其装置、计算机设备、存储介质，属于电力系统自动化技术领域，所述方法包括：根据可再生能源样本出力数据、可再生能源出力预测误差数据构建可再生能源预测模型；根据负荷样本数据、负荷预测误差数据构建负荷预测模型；根据热电联产单元的工作成本、氢储能单元的工作成本、综合能源系统的能源交易数据构建综合能源系统成本模型；根据综合能源系统成本模型、可再生能源预测模型和负荷预测模型构建多阶段能量调度模型，根据多阶段能量调度模型得到综合能源系统的能量调度结果，能够实现综合能源系统的能量调度，使综合能源系统群协调运行，降低系统工作成本，促进可再生能源就地消纳。

Description

一种能量调度方法及其装置、计算机设备、存储介质
技术领域
本发明涉及电力系统自动化技术领域，尤其涉及一种能量调度方法及其装置、计算机设备、存储介质。
背景技术
目前，清洁能源发展不平衡，特别是清洁能源消纳的问题严重制约着电力行业的健康可持续发展。将可再生能源富余电力转化为热能、氢能等，实现可再生能源的多途径就近利用是解决这一问题的重要手段。
综合能源系统作为分布式电力系统的一种新兴范例，为可再生能源发电和负荷需求问题提供了解决方案。综合能源系统不仅可以对区域内可利用的可再生能源进行整合利用，还可以协调利用多种不同能源，在一个系统中实现多能源互补，提高系统灵活性与能源利用率。但综合能源系统的工作成本高，因此需要有效的能量调度策略来协调综合能源系统的各组成部分，以降低系统工作成本。
发明内容
本公开实施例的主要目的在于提出一种能量调度方法及其装置、计算机设备、存储介质，能够实现能量调度，协调综合能源系统的各组成部分，使系统工作成本降低，促进可再生能源就地消纳。
为实现上述目的，本公开实施例的第一方面提出了一种能量调度方法，应用于综合能源系统群，所述综合能源系统群包括多个综合能源系统，所述综合能源系统包括热电联产单元、氢储能单元，所述方法包括：
获取可再生能源样本出力数据、可再生能源出力预测误差数据，根据所述可再生能源样本出力数据、所述可再生能源出力预测误差数据构建可再生能源预测模型；
获取所述综合能源系统的负荷样本数据、负荷预测误差数据，根据所述负荷样本数据、负荷预测误差数据构建负荷预测模型；
计算所述热电联产单元的工作成本、所述氢储能单元的工作成本；
计算综合能源系统的能源交易数据；
根据所述热电联产单元的工作成本、所述氢储能单元的工作成本、所述综合能源系统的能源交易数据构建综合能源系统成本模型；
根据所述综合能源系统成本模型、所述可再生能源预测模型和所述负荷预测模型构建多阶段能量调度模型，根据所述多阶段能量调度模型得到所述综合能源系统的能量调度结果。
在一些实施例，所述计算所述热电联产单元的工作成本、所述氢储能单元的工作成本，包括：
根据所述热电联产单元的第一运行功率、第一运行成本系数和第一运行状态，计算所述热电联产单元的第一运行成本；
根据所述热电联产单元的第一启动成本系数和所述第一运行状态，计算所述热电联产单元的第一启动成本；
根据所述第一运行成本和所述第一启动成本，计算得到所述热电联产单元的工作成本；
计算电解槽的工作成本；
计算氢燃料电池的工作成本；
根据所述电解槽的工作成本、所述氢燃料电池的工作成本，计算氢储能单元的工作成本。
在一些实施例，所述计算电解槽的工作成本，包括：
根据电解槽的第一使用寿命、第一投资成本系数、第一运营成本系数、第一退化成本系数、第二运行状态、第一退化成本函数，计算所述电解槽的第二运行成本；
根据所述电解槽的第二启动成本系数、所述第二运行状态，计算所述电解槽的第二启动成本；
根据所述电解槽的第一关闭成本系数、所述第二运行状态，计算所述电解槽的第一关闭成本；
根据所述第二运行成本、所述第二启动成本、所述第一关闭成本，计算所述电解槽的工作成本。
在一些实施例，所述计算氢燃料电池的工作成本，包括：
根据所述氢燃料电池的第二使用寿命、第二投资成本系数、第二运营成本系数、第二退化成本系数、第三运行状态、第二退化成本函数，计算所述氢燃料电池的第三运行成本；
根据所述氢燃料电池的第三启动成本系数、所述第三运行状态，计算所述氢燃料电池的第三启动成本；
根据所述氢燃料电池的第二关闭成本系数、所述第三运行状态，计算所述氢燃料电池的第二关闭成本；
根据所述第三运行成本、所述第三启动成本、所述第二关闭成本，计算所述氢燃料电池的工作成本。
在一些实施例，所述根据所述综合能源系统成本模型、所述可再生能源预测模型和所述负荷预测模型构建多阶段能量调度模型，包括：
构建运行约束条件，所述运行约束条件包括热电联产单元运行约束条件、氢储能单元运行约束条件、热储能单元运行约束条件、系统功率平衡约束条件中的至少一种；
根据综合能源系统成本模型、可再生能源预测模型、负荷预测模型和所述运行约束条件，构建多阶段能量调度模型。
在一些实施例，所述根据综合能源系统成本模型、可再生能源预测模型、负荷预测模型和所述运行约束条件，构建多阶段能量调度模型，包括：
根据日前阶段的综合能源系统成本模型、可再生能源预测模型、负荷预测模型和运行约束条件，构建日前阶段能量调度模型；
根据日内阶段的综合能源系统成本模型、可再生能源预测模型、负荷预测模型、运行约束条件和所述日前阶段能量调度模型的输出参数，构建日内阶段能量调度模型；
根据实时阶段的综合能源系统成本模型、可再生能源预测模型、负荷预测模型、运行约束条件和所述日内阶段能量调度模型的权重参数，构建实时阶段能量调度模型；
根据所述日前阶段能量调度模型、所述日内阶段能量调度模型、所述实时阶段能量调度模型，构建多阶段能量调度模型。
在一些实施例，所述根据实时阶段的综合能源系统成本模型、可再生能源预测模型、负荷预测模型、运行约束条件和所述日内阶段能量调度模型的权重参数，构建实时阶段能量调度模型，包括：
获取可再生能源的历史发电数据，并将所述历史发电数据分为多组历史子数据；
根据预设的参数预测模型计算所述历史子数据对应的预测子数据；
根据多组所述历史子数据和多组所述预测子数据计算第一预测精度；
根据所述第一预测精度计算第二预测精度；
根据所述第一预测精度和所述第二预测精度计算当前权重参数；
若所述当前权重参数满足参数条件，将当前权重参数作为目标权重参数；
根据实时阶段的综合能源系统成本模型、可再生能源预测模型、负荷预测模型、运行约束条件和所述目标权重参数，构建实时阶段能量调度模型。
本公开实施例的第二方面提出了一种能量调度装置，应用于综合能源系统群，所述综合能源系统群包括多个综合能源系统，所述综合能源系统包括热电联产单元、氢储能单元，所述装置包括：
可再生能源出力预测模块，用于获取可再生能源样本出力数据、可再生能源出力预测误差数据，根据所述可再生能源样本出力数据、所述可再生能源出力预测误差数据构建可再生能源预测模型；
负荷预测模块，用于获取所述综合能源系统的负荷样本数据，根据所述负荷样本数据、负荷预测误差数据构建负荷预测模型；
计算模块，用于计算所述热电联产单元的工作成本、所述氢储能单元的工作成本，计算所述综合能源系统的能源交易数据；
综合能源系统成本模块，用于根据所述热电联产单元的工作成本、所述氢储能单元的工作成本、所述综合能源系统的能源交易数据构建综合能源系统成本模型；
能量调度模块，用于根据所述综合能源系统成本模型、所述可再生能源预测模型和所述负荷预测模型构建多阶段能量调度模型，根据所述多阶段能量调度模型得到所述综合能源系统的能量调度结果。
本公开实施例的第三方面提出了一种计算机设备，所述计算机设备包括存储器和处理器，其中，所述存储器中存储有程序，所述程序被所述处理器执行时所述处理器用于执行如本申请第一方面实施例任一项所述的方法。
本公开实施例的第四方面提出了一种存储介质，该存储介质为计算机可读存储介质，所述存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如本申请第一方面实施例任一项所述的方法。
本公开实施例提出的能量调度方法及其装置、计算机设备、存储介质，通过获取可再生能源样本出力数据、可再生能源出力预测误差数据，根据可再生能源样本出力数据、可再生能源出力预测误差数据构建可再生能源预测模型，获取综合能源系统的负荷样本数据，根据负荷样本数据、负荷预测误差数据构建负荷预测模型，计算热电联产单元的工作成本、氢储能单元的工作成本以及综合能源系统的能源交易数据，根据热电联产单元的工作成本、氢储能单元的工作成本、综合能源系统的能源交易数据构建综合能源系统成本模型，根据综合能源系统成本模型、可再生能源预测模型和负荷预测模型构建多阶段能量调度模型，根据多阶段能量调度模型得到综合能源系统的能量调度结果，能够实现能量调度，降低系统工作成本，促进可再生能源就地消纳。
附图说明
图1是本公开实施例提供的能量调度方法的流程图；
图2是本公开实施例提供的能量调度装置的模块结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请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用以解释本申请，并不用于限定本申请。
需要说明的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的，不是旨在限制本发明。
随着清洁能源发展不平衡的矛盾日益凸显，清洁能源消纳问题突出，弃风、弃光、弃水的问题仍然存在，已严重制约电力行业的健康可持续发展。将可再生能源产生的富余电力转化为热能、氢能等，实现可再生能源的多途径就近利用是解决这一问题的重要手段。作为一种分布式电力系统，综合能源系统不仅可以对区域内可利用的可再生能源进行整合再利用，还可以协调利用多种不同能源，在一个系统中实现多能源互补，提高系统灵活性与能源利用率，解决了可再生能源发电和负荷需求的问题。但是，综合能源系统的工作成本高，因此需要有效的能量调度策略来协调综合能源系统的各组成部分，以降低系统工作成本。
基于此，本公开实施例的主要目的在于提出一种能量调度方法，通过将多个综合能源系统互联形成综合能源系统群，以集群的形式协同运行，使形成综合能源系统群的各综合能源系统之间能够进行能源交易，在保证系统整体供电可靠性的前提下，有利于提高分布式电源的渗透率，并进一步促进了可再生能源的就地消纳。以综合能源系统群的工作成本最小化为目标，构建多阶段能量调度模型，根据多阶段能量调度模型协调各综合能源系统，降低了系统工作成本。
本公开实施例提供的能量调度方法及其装置、计算机设备、存储介质，具体通过如下实施例进行说明，首先描述本公开实施例中的能量调度方法。
参照图1，根据本公开实施例第一方面实施例的能量调度方法，应用于综合能源系统群，综合能源系统群包括多个综合能源系统，综合能源系统包括热电联产单元、氢储能单元，能量调度方法包括但不限于步骤S110至步骤S160。
S110，获取可再生能源样本出力数据、可再生能源出力预测误差数据，根据可再生能源样本出力数据、可再生能源出力预测误差数据构建可再生能源预测模型；
S120，获取综合能源系统的负荷样本数据、负荷预测误差数据，根据负荷样本数据、负荷预测误差数据构建负荷预测模型；
S130，计算热电联产单元的工作成本、氢储能单元的工作成本；
S140，计算综合能源系统的能源交易数据；
S150，根据热电联产单元的工作成本、氢储能单元的工作成本、综合能源系统的能源交易数据构建综合能源系统成本模型；
S160，根据综合能源系统成本模型、可再生能源预测模型和负荷预测模型构建多阶段能量调度模型，根据多阶段能量调度模型得到综合能源系统的能量调度结果。
在步骤S110中，可再生能源样本出力数据为可再生能源出力需求数据，根据可再生能源出力需求数据、可再生能源出力预测误差数据构建可再生能源预测模型，根据可再生能源预测模型得到可再生能源出力预测数据，其中，可再生能源出力预测数据为可再生能源出力实际数据。若可再生能源样本出力数据表示为
Figure BDA0003532987580000051
可再生能源出力预测误差数据表示为
Figure BDA0003532987580000052
则可再生能源预测模型如公式(1)所示。
Figure BDA0003532987580000053
其中，PRe(t)为可再生能源出力预测数据；
Figure BDA0003532987580000054
的取值范围为
Figure BDA0003532987580000055
Figure BDA0003532987580000056
为可再生能源出力最小预测误差数据，
Figure BDA0003532987580000057
为可再生能源出力最大预测误差数据。需要说明的是，可再生能源样本出力数据来源于可再生能源发电机组，可再生能源发电机组包括光伏板、风机等。
如公式(2)所示，可再生能源预测模型还可以表示为：
Figure BDA0003532987580000058
其中，γRe(t)为可再生能源出力最小预测误差数据的系数，其取值不仅可以确定可再生能源出力预测数据的可行域，还可以平衡能量调度方法的稳健性与综合能源系统的工作成本之间的冲突。公式(2)中的其他参数已在公式(1)的解释中说明，此处不再赘述。
在步骤S120中，综合能源系统的负荷样本数据为负荷需求数据，根据负荷需求数据、负荷预测误差数据构建负荷预测模型，根据负荷预测模型得到负荷预测数据，其中，负荷预测数据为负荷实际数据。可以理解的是，负荷包括电负荷、氢负荷和热负荷。若电负荷样本数据表示为
Figure BDA0003532987580000059
氢负荷样本数据表示为
Figure BDA00035329875800000510
热负荷样本数据表示为
Figure BDA00035329875800000511
电负荷预测误差数据表示为
Figure BDA00035329875800000512
氢负荷预测误差数据表示为
Figure BDA00035329875800000513
热负荷预测误差数据表示为
Figure BDA00035329875800000514
则负荷预测模型如公式(3)所示。
Figure BDA00035329875800000515
其中，PL(t)为电负荷预测数据；
Figure BDA00035329875800000516
的取值范围为
Figure BDA00035329875800000517
Figure BDA00035329875800000518
为电负荷最小预测误差数据，
Figure BDA00035329875800000519
为电负荷最大预测误差数据；m(t)为氢负荷预测数据；
Figure BDA00035329875800000520
的取值范围为
Figure BDA00035329875800000521
Figure BDA00035329875800000522
为氢负荷最小预测误差数据，
Figure BDA00035329875800000523
为氢负荷最大预测误差数据；h(t)为热负荷预测数据；
Figure BDA00035329875800000524
的取值范围为
Figure BDA00035329875800000525
Figure BDA00035329875800000526
为热负荷最小预测误差数据，
Figure BDA00035329875800000527
为热负荷最大预测误差数据。
如公式(4)所示，γL(t)为电负荷最大预测误差数据的系数，其取值可以确定电负荷预测数据的可行域；γHy(t)为氢负荷最大预测误差数据的系数，其取值可以确定氢负荷预测数据的可行域；γHeat(t)为热负荷最大预测误差数据的系数，其取值可以确定热负荷预测数据的可行域；其余参数已在公式(3)的解释中说明，此处不再赘述。γL、γHy和γHeat等系数均可以平衡能量调度方法的稳健性与综合能源系统的工作成本之间的冲突。负荷预测模型还可以表示为：
Figure BDA0003532987580000061
在步骤S130中，热电联产单元的工作成本包括热电联产单元的第一运行成本和热电联产单元的第一启动成本，氢储能单元的工作成本包括电解槽的工作成本和氢燃料电池的工作成本，其中，电解槽的工作成本包括电解槽的第二运行成本、电解槽的第二启动成本和电解槽的第一关闭成本，氢燃料电池的工作成本包括氢燃料电池的第三运行成本、氢燃料电池的第三启动成本和氢燃料电池的第二关闭成本。
根据热电联产单元的第一运行功率、第一运行成本系数和第一运行状态，计算热电联产单元的第一运行成本。若热电联产单元包括n台热电联产机组且n≥1，第k台热电联产机组对应的第一运行功率为PG,k(t)，第一运行成本系数为ak、bk和ck，第一运行状态为yG,k(t)，根据机组的第一运行功率、第一运行成本系数和第一运行状态计算对应机组的第一运行成本，根据多个机组的第一运行成本计算热电联产单元的第一运行成本。第k台热电联产机组的第一运行成本的计算方法如公式(5)所示。
CG,k(t)＝ak+bk×PG,k(t)×yG,k(t)+ck×(PG,k(t)×yG,k(t))2 (5)
根据公式(5)，计算得到热电联产单元的第一运行成本为
Figure BDA0003532987580000062
其中，n为热电联产机组的数目；CG,k为第k台热电联产机组的第一运行成本；PG,k(t)为第k台热电联产机组在t时段的第一运行功率，即出力值；若yG,k(t)的值为1，表示机组开机，若值为0，表示机组关机。
根据热电联产单元的第一启动成本系数和第一运行状态，计算热电联产单元的第一启动成本。根据热电联产机组的第一启动成本系数和第一运行状态计算热电联产机组的第一启动成本，根据多个热电联产机组的第一启动成本计算热电联产单元的第一启动成本。若第k台热电联产机组对应的第一启动成本系数为dG,k，则第k台热电联产机组的第一启动成本csGu,k(t)的计算方法如公式(6)所示。
Figure BDA0003532987580000063
其中，[·]+表示非负值，如[x]+＝max(x,0)。根据公式(6)，计算得到热电联产单元的第一启动成本为
Figure BDA0003532987580000064
根据热电联产单元的第一运行成本CG(t)和第一启动成本
Figure BDA0003532987580000065
得到热电联产单元的工作成本为：
Figure BDA0003532987580000066
根据电解槽的第一使用寿命、第一投资成本系数、第一运营成本系数、第一退化成本系数、第二运行状态、第一退化成本函数，计算电解槽的第二运行成本。若电解槽的第一使用寿命表示为
Figure BDA0003532987580000071
第一投资成本系数表示为a1，第一运营成本系数表示为b1，第一退化成本系数表示为c1，第二运行状态表示为yEL(t)，第一退化成本函数表示为Γ(PEL(t))，则电解槽的第二运行成本的计算方法如公式(8)所示。
Figure BDA0003532987580000072
其中，CEL(t)为电解槽的第二运行成本；PEL(t)为电解槽的运行功率，即电解槽的出力值；若yEL(t)＝1，则电解槽的第二运行状态为开启；若yEL(t)＝0，则电解槽的第二运行状态为关闭；Γ(PEL(t))＝α1×(PEL(t))2+β1×PEL(t)+γ1，α1、β1和γ1为第一退化成本函数的系数。
根据电解槽的第二启动成本系数、第二运行状态，计算电解槽的第二启动成本。根据电解槽的第一关闭成本系数、第二运行状态，计算电解槽的第一关闭成本。若电解槽的第二启动成本系数表示为d1，电解槽的第二启动成本表示为
Figure BDA0003532987580000073
电解槽的第一关闭成本系数表示为e1，电解槽的第一关闭成本表示为
Figure BDA0003532987580000074
计算方法如公式(9)所示。
Figure BDA0003532987580000075
根据电解槽的第二运行成本CEL(t)、第二启动成本
Figure BDA0003532987580000076
第一关闭成本
Figure BDA0003532987580000077
计算电解槽的工作成本cEL(t)，即
Figure BDA0003532987580000078
根据氢燃料电池的第二使用寿命、第二投资成本系数、第二运营成本系数、第二退化成本系数、第三运行状态、第二退化成本函数，计算氢燃料电池的第三运行成本。若氢燃料电池的第二使用寿命表示为
Figure BDA0003532987580000079
第二投资成本系数表示为a2，第二运营成本系数表示为b2，第二退化成本系数表示为c2，第三运行状态表示为yFC(t)，第二退化成本函数表示为H(PFC(t))，则氢燃料电池的第三运行成本的计算方法如公式(10)所示。
Figure BDA00035329875800000710
其中，CFC(t)为氢燃料电池的第三运行成本；PFC(t)为氢燃料电池的运行功率，即氢燃料电池的出力值；若yFC(t)＝1，则氢燃料电池的第三运行状态为开启；若yFC(t)＝0，则氢燃料电池的第三运行状态为关闭；H(PFC(t))＝α2×(PFC(t))2+β2×PFC(t)+γ2，α2、β2和γ2为第二退化成本函数的系数。
根据氢燃料电池的第三启动成本系数、第三运行状态，计算氢燃料电池的第三启动成本。根据氢燃料电池的第二关闭成本系数、第三运行状态，计算氢燃料电池的第二关闭成本。若氢燃料电池的第三启动成本系数表示为d2，氢燃料电池的第三启动成本表示为
Figure BDA00035329875800000711
氢燃料电池的第二关闭成本系数表示为e2，氢燃料电池的第二关闭成本表示为
Figure BDA00035329875800000712
计算方法如公式(11)所示。
Figure BDA00035329875800000713
根据氢燃料电池的第三运行成本CFC(t)、第三启动成本
Figure BDA00035329875800000714
第二关闭成本
Figure BDA00035329875800000715
计算氢燃料电池的工作成本cFC(t)，即
Figure BDA00035329875800000716
根据电解槽的工作成本cEL(t)和氢燃料电池的工作成本cFC(t)，计算得到氢储能单元的工作成本CHESS(t)，即CHESS(t)＝cEL(t)+cFC(t)。
需要说明的是，综合能源系统内各组成部分包括：可再生能源发电机组、热电联产单元、氢储能单元、热储能单元，其中，氢储能单元包括电解槽、氢燃料电池、储氢罐。
在步骤S140中，将地理位置上相邻的多个综合能源系统相互连接，形成综合能源系统群，使形成综合能源系统群的各综合能源系统之间能够进行端到端的(Peer-to-Peer，P2P)能源交易。通过P2P能源交易，可以灵活实现本地发电需求平衡，提高系统运行的可靠性、经济性和可再生能源的利用效率。若综合能源系统内部无法满足自身负荷需求，则与其相邻的综合能源系统进行能源交易来满足负荷需求，当综合能源系统群内部交易后仍旧无法满足供需平衡，则与主网即综合能源系统群外部进行能源交易。可以理解的是，联网型综合能源系统可以实现并网运行模式和独立运行模型的无扰切换。
综合能源系统不仅可以与邻居即与其相邻的综合能源系统进行电能交易，还可以在热能有缺额或者富余时进行热能交易。同样地，综合能源系统可以与综合能源系统群外部进行电能交易或者热能交易。P2P能源交易机制下，进行电能交易的第i个综合能源系统满足以下约束条件：
Figure BDA0003532987580000081
其中，
Figure BDA0003532987580000082
和
Figure BDA0003532987580000083
为第i个综合能源系统与综合能源系统群外部即主网的交互功率，即
Figure BDA0003532987580000084
表示第i个综合能源系统在t时段从主网的购电量，
Figure BDA0003532987580000085
表示第i个综合能源系统在t时段向主网的售电量；第
Figure BDA0003532987580000086
为第i个综合能源系统与综合能源系统群外部的最大交互功率；
Figure BDA0003532987580000087
和
Figure BDA0003532987580000088
为第i个综合能源系统与邻居j的交互功率，x表示买，y表示卖，即
Figure BDA0003532987580000089
表示第i个综合能源系统在t时段从邻居j的购电量，
Figure BDA00035329875800000810
表示第i个综合能源系统在t时段向邻居j的售电量；
Figure BDA00035329875800000811
和
Figure BDA00035329875800000812
为第i个综合能源系统与邻居j的最大交互功率。
进行热能交易的第i个综合能源系统满足以下约束条件：
Figure BDA00035329875800000813
其中，hi,ex(t)为第i个综合能源系统从外部的剩余购热量；
Figure BDA00035329875800000814
为第i个综合能源系统的购热量；
Figure BDA00035329875800000815
为第i个综合能源系统的售热量；
Figure BDA00035329875800000816
和
Figure BDA00035329875800000817
为第i个综合能源系统与综合能源系统群外部的热能交易，
Figure BDA00035329875800000818
表示第i个综合能源系统在t时段从外部的购热量，
Figure BDA00035329875800000819
表示第i个综合能源系统在t时段向外部的售热量；
Figure BDA00035329875800000820
表示第i个综合能源系统从外部购买热能的最大值，
Figure BDA00035329875800000821
表示第i个综合能源系统向外部售出热量的最大值；
Figure BDA00035329875800000822
和
Figure BDA00035329875800000823
为第i个综合能源系统与邻居j的交互热能；
Figure BDA00035329875800000824
和
Figure BDA00035329875800000825
为第i个综合能源系统与邻居j的交互热能的最大值；N为形成综合能源系统群的综合能源系统的数目。
综合能源系统的能源交易数据包括电能交易数据和热能交易数据，结合公式(12)和公式(13)，综合能源系统的能源交易数据的计算方法如公式(14)所示。
Figure BDA0003532987580000091
其中，
Figure BDA0003532987580000092
为第i个综合能源系统从综合能源系统群外部的购电电价；
Figure BDA0003532987580000093
为第i个综合能源系统向综合能源系统群外部的售电电价；λHeat为与综合能源系统群外部的热能交易价格；
Figure BDA0003532987580000094
为与邻居j的电能交易价格；
Figure BDA0003532987580000095
为与邻居j的热能交易价格。
在步骤S150中，根据第i个综合能源系统的热电联产单元的工作成本ci,G(t)、氢储能单元的工作成本Ci,HESS(t)、能源交易数据Ci,price(t)构建综合能源系统成本模型Ci(t)，即Ci(t)＝ci,G(t)+Ci,HESS(t)+Ci,price(t)。
在步骤S160中，构建综合能源系统的运行约束条件，运行约束条件包括热电联产单元运行约束条件、氢储能单元运行约束条件、热储能单元运行约束条件、系统功率平衡约束条件。其中，热电联产单元运行约束条件包括机组出力上下限约束、爬坡率约束和最小启停时间约束，如公式(15)所示。
Figure BDA0003532987580000096
其中，
Figure BDA0003532987580000097
为第k台热电联产机组有功出力的最小值；
Figure BDA0003532987580000098
为第k台机组有功出力的最大值；
Figure BDA0003532987580000099
为调度周期内每个时段的向上爬坡率，
Figure BDA00035329875800000910
为向下爬坡率；
Figure BDA00035329875800000911
为第k台机组的最小启动时间，
Figure BDA00035329875800000912
为最小停止时间；L{·}表示指示函数。
氢储能单元运行约束条件如公式(16)所示。
Figure BDA00035329875800000913
其中，LOH(t)为储氢罐中氢气的等级；LOHmin为氢气等级的最小值；LOHmax为氢气等级的最大值；储氢罐中氢气的等级始末保持相等；
Figure BDA00035329875800000914
和
Figure BDA00035329875800000915
分别为电解槽运行功率的最小值和最大值；
Figure BDA00035329875800000916
和
Figure BDA00035329875800000917
分别为氢燃料电池运行功率的最小值和最大值。
热储能单元运行约束条件如公式(17)所示。
Figure BDA00035329875800000918
其中，ηG,k为第k台热电联产机组的热效率；ηHESS为氢储能单元运行时产生热量的效率；hex为综合能源系统从外部的剩余购热量，
Figure BDA0003532987580000101
为从外部剩余购热的最大值；δ(t)为热储能单元处于储热模式下存储的热量值或者处于放热模式下放出的热量值，δmax为储热或者放热的热量最大值。热储能单元的热量等级始末保持相等，即热储能单元的存储水平始末状态保持相等约束。
系统功率平衡约束条件如公式(18)所示。
Figure BDA0003532987580000102
根据日前阶段能量调度模型、日内阶段能量调度模型、实时阶段能量调度模型，构建多阶段能量调度模型，根据多阶段能量调度模型得到综合能源系统的能量调度结果。
根据日前阶段的综合能源系统成本模型、可再生能源预测模型、负荷预测模型和运行约束条件，构建日前阶段能量调度模型。日前阶段能量调度模型如公式(19)所示。
Figure BDA0003532987580000103
需要说明的是，日前阶段能量调度模型还需要满足日前阶段的综合能源系统的运行约束条件。通过最小化综合能源系统的工作成本函数，计算得到
Figure BDA0003532987580000104
Figure BDA0003532987580000105
yi,G,k(t)、yi,EL(t)、yi,FC(t)等变量的值，得到日前阶段能量调度模型的输出参数。
根据日内阶段的综合能源系统成本模型、可再生能源预测模型、负荷预测模型、运行约束条件和日前阶段能量调度模型的输出参数，构建日内阶段能量调度模型，如公式(20)所示。
Figure BDA0003532987580000106
需要说明的是，日内阶段能量调度模型还需要满足日内阶段的综合能源系统的运行约束条件。其中，w为权重参数；权重参数的计算方法为：获取可再生能源的历史发电数据，并将历史发电数据分为多组历史子数据；根据预设的参数预测模型计算历史子数据对应的预测子数据；根据多组历史子数据和多组预测子数据计算第一预测精度；根据第一预测精度计算第二预测精度；根据第一预测精度和第二预测精度计算当前权重参数；若当前权重参数满足参数条件，将当前权重参数作为目标权重参数。
需要说明的是，参数预测模型可根据实际情况选取，本公开实施例不对具体的参数预测模型进行限定。参数条件可以是权重参数的误差小于或者等于设定的误差参考上限值，也可以是迭代次数达到设定的次数参考上限值。以参数预测模型为Arima为例，权重参数的计算方法为：获取可再生能源的发电数据，并将数据分为g组，即Real(i,t),1≤i≤g；初始化权重参数w0(t)＝1/24,k＝0；根据Arima模型计算得到预测数据Pre(i,t)；根据发电数据和预测数据计算第一预测精度，即
Figure BDA0003532987580000111
根据第一预测精度计算第二预测精度，即
Figure BDA0003532987580000112
根据第一预测精度和第二预测精度更新权重参数wk+1(t)＝PA′(t)/PA″(t)；判断
Figure BDA0003532987580000113
或者k≤kmax是否成立，若判断结果为是，则确定当前权重参数为目标权重参数。
需要进一步说明的是，Arima的模型参数是根据权重参数和第一预测精度进行调整的。根据权重参数和第一预测精度计算总预测精度，即
Figure BDA0003532987580000114
若总预测精度不满足精度要求，则调整Arima模型参数。
确定权重参数后，通过最小化日内阶段能量调度模型的目标函数，计算得到
Figure BDA0003532987580000115
Figure BDA0003532987580000116
等变量的值，从而得到日内阶段能量调度模型的输出参数。
根据实时阶段的综合能源系统成本模型、可再生能源预测模型、负荷预测模型、运行约束条件和日内阶段能量调度模型的输出参数和权重参数，构建实时阶段能量调度模型，如公式(21)所示。
Figure BDA0003532987580000117
需要说明的是，实时阶段能量调度模型还需要满足实时阶段的综合能源系统的运行约束条件。通过最小化实时阶段能量调度模型，计算得到
Figure BDA0003532987580000118
Figure BDA0003532987580000119
等变量的值，即实时阶段能量调度模型的输出参数，根据所述输出参数计算综合能源系统的实际工作成本。
本公开实施例提出的能量调度方法，通过获取可再生能源样本出力数据、可再生能源出力预测误差数据，根据可再生能源样本出力数据、可再生能源出力预测误差数据构建可再生能源预测模型，获取综合能源系统的负荷样本数据，根据负荷样本数据、负荷预测误差数据构建负荷预测模型，计算热电联产单元的工作成本、氢储能单元的工作成本以及综合能源系统的能源交易数据，根据热电联产单元的工作成本、氢储能单元的工作成本、综合能源系统的能源交易数据构建综合能源系统成本模型，根据综合能源系统成本模型、可再生能源预测模型和负荷预测模型构建多阶段能量调度模型，根据多阶段能量调度模型得到综合能源系统的能量调度结果，能够实现综合能源系统内各部分以及综合能源系统之间的能量调度，使综合能源系统群协调运行，降低系统工作成本，并通过与邻近的综合能源系统的能源交易，促进可再生能源就地消纳。
本公开实施例还提供一种能量调度装置，应用于综合能源系统群，综合能源系统群包括多个综合能源系统，所述综合能源系统包括热电联产单元、氢储能单元，如图2所示，可以实现上述能量调度方法，该装置包括可再生能源出力预测模块210、负荷预测模块220、计算模块230、综合能源系统成本模块240和能量调度模块250。可再生能源出力预测模块210用于获取可再生能源样本出力数据、可再生能源出力预测误差数据，根据可再生能源样本出力数据、可再生能源出力预测误差数据构建可再生能源预测模型；负荷预测模块220用于获取综合能源系统的负荷样本数据，根据负荷样本数据、负荷预测误差数据构建负荷预测模型；计算模块230用于计算热电联产单元的工作成本、氢储能单元的工作成本，计算综合能源系统的能源交易数据；综合能源系统成本模块240用于根据热电联产单元的工作成本、氢储能单元的工作成本、综合能源系统的能源交易数据构建综合能源系统成本模型；能量调度模块250用于根据综合能源系统成本模型、可再生能源预测模型和负荷预测模型构建多阶段能量调度模型，根据多阶段能量调度模型得到综合能源系统的能量调度结果。
本公开实施例的能量调度装置用于执行上述实施例中的能量调度方法，其具体处理过程与上述实施例中的能量调度方法相同，此处不再一一赘述。
本公开实施例提出的能量调度装置，利用可再生能源出力预测模块获取可再生能源样本出力数据、可再生能源出力预测误差数据，根据可再生能源样本出力数据、可再生能源出力预测误差数据构建可再生能源预测模型，利用负荷预测模块获取综合能源系统的负荷样本数据，根据负荷样本数据、负荷预测误差数据构建负荷预测模型，利用计算模块计算热电联产单元的工作成本、氢储能单元的工作成本以及综合能源系统的能源交易数据，综合能源系统成本模块根据热电联产单元的工作成本、氢储能单元的工作成本、综合能源系统的能源交易数据构建综合能源系统成本模型，能量调度模块根据综合能源系统成本模型、可再生能源预测模型和负荷预测模型构建多阶段能量调度模型，根据多阶段能量调度模型得到综合能源系统的能量调度结果，能够实现能量调度，降低系统工作成本，并通过与邻近的综合能源系统的能源交易，促进可再生能源就地消纳。
本公开实施例还提供了一种计算机设备，包括：
至少一个处理器，以及，
与至少一个处理器通信连接的存储器；其中，
存储器存储有指令，指令被至少一个处理器执行，以使至少一个处理器执行指令时实现如本申请第一方面实施例中任一项的方法。
该计算机设备包括：处理器、存储器、输入/输出接口、通信接口和总线。
处理器，可以采用通用的CPU(Central Processing Unit，中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit，ASIC)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本公开实施例所提供的技术方案；
存储器，可以采用ROM(Read Only Memory，只读存储器)、静态存储设备、动态存储设备或者RAM(Random Access Memory，随机存取存储器)等形式实现。存储器可以存储操作系统和其他应用程序，在通过软件或者固件来实现本说明书实施例所提供的技术方案时，相关的程序代码保存在存储器中，并由处理器来调用执行本公开实施例的能量调度方法；
输入/输出接口，用于实现信息输入及输出；
通信接口，用于实现本设备与其他设备的通信交互，可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信；和
总线，在设备的各个组件(例如处理器、存储器、输入/输出接口和通信接口)之间传输信息；
其中处理器、存储器、输入/输出接口和通信接口通过总线实现彼此之间在设备内部的通信连接。
本公开实施例还提供一种存储介质，该存储介质是计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令用于使计算机执行本公开实施例的能量调度方法。
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
本公开实施例描述的实施例是为了更加清楚的说明本公开实施例的技术方案，并不构成对于本公开实施例提供的技术方案的限定，本领域技术人员可知，随着技术的演变和新应用场景的出现，本公开实施例提供的技术方案对于类似的技术问题，同样适用。
本领域技术人员可以理解的是，图1中示出的技术方案并不构成对本公开实施例的限定，可以包括比图示更多或更少的步骤，或者组合某些步骤，或者不同的步骤。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括多指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等各种可以存储程序的介质。
以上参照附图说明了本公开实施例的优选实施例，并非因此局限本公开实施例的权利范围。本领域技术人员不脱离本公开实施例的范围和实质内所作的任何修改、等同替换和改进，均应在本公开实施例的权利范围之内。

Claims (10)

1.一种能量调度方法，其特征在于，应用于综合能源系统群，所述综合能源系统群包括多个综合能源系统，所述综合能源系统包括热电联产单元、氢储能单元，所述方法包括：
获取可再生能源样本出力数据、可再生能源出力预测误差数据，根据所述可再生能源样本出力数据、所述可再生能源出力预测误差数据构建可再生能源预测模型；
获取所述综合能源系统的负荷样本数据、负荷预测误差数据，根据所述负荷样本数据、负荷预测误差数据构建负荷预测模型；
计算所述热电联产单元的工作成本、所述氢储能单元的工作成本；
计算综合能源系统的能源交易数据；
根据所述热电联产单元的工作成本、所述氢储能单元的工作成本、所述综合能源系统的能源交易数据构建综合能源系统成本模型；
根据所述综合能源系统成本模型、所述可再生能源预测模型和所述负荷预测模型构建多阶段能量调度模型，根据所述多阶段能量调度模型得到所述综合能源系统的能量调度结果。
2.根据权利要求1所述的一种能量调度方法，其特征在于，所述计算所述热电联产单元的工作成本、所述氢储能单元的工作成本，包括：
根据所述热电联产单元的第一运行功率、第一运行成本系数和第一运行状态，计算所述热电联产单元的第一运行成本；
根据所述热电联产单元的第一启动成本系数和所述第一运行状态，计算所述热电联产单元的第一启动成本；
根据所述第一运行成本和所述第一启动成本，计算得到所述热电联产单元的工作成本；
计算电解槽的工作成本；
计算氢燃料电池的工作成本；
根据所述电解槽的工作成本、所述氢燃料电池的工作成本，计算氢储能单元的工作成本。
3.根据权利要求2所述的一种能量调度方法，其特征在于，所述计算电解槽的工作成本，包括：
根据电解槽的第一使用寿命、第一投资成本系数、第一运营成本系数、第一退化成本系数、第二运行状态、第一退化成本函数，计算所述电解槽的第二运行成本；
根据所述电解槽的第二启动成本系数、所述第二运行状态，计算所述电解槽的第二启动成本；
根据所述电解槽的第一关闭成本系数、所述第二运行状态，计算所述电解槽的第一关闭成本；
根据所述第二运行成本、所述第二启动成本、所述第一关闭成本，计算所述电解槽的工作成本。
4.根据权利要求2所述的一种能量调度方法，其特征在于，所述计算氢燃料电池的工作成本，包括：
根据所述氢燃料电池的第二使用寿命、第二投资成本系数、第二运营成本系数、第二退化成本系数、第三运行状态、第二退化成本函数，计算所述氢燃料电池的第三运行成本；
根据所述氢燃料电池的第三启动成本系数、所述第三运行状态，计算所述氢燃料电池的第三启动成本；
根据所述氢燃料电池的第二关闭成本系数、所述第三运行状态，计算所述氢燃料电池的第二关闭成本；
根据所述第三运行成本、所述第三启动成本、所述第二关闭成本，计算所述氢燃料电池的工作成本。
5.根据权利要求1所述的一种能量调度方法，其特征在于，所述根据所述综合能源系统成本模型、所述可再生能源预测模型和所述负荷预测模型构建多阶段能量调度模型，包括：
构建运行约束条件，所述运行约束条件包括热电联产单元运行约束条件、氢储能单元运行约束条件、热储能单元运行约束条件、系统功率平衡约束条件中的至少一种；
根据综合能源系统成本模型、可再生能源预测模型、负荷预测模型和所述运行约束条件，构建多阶段能量调度模型。
6.根据权利要求5所述的一种能量调度方法，其特征在于，所述根据综合能源系统成本模型、可再生能源预测模型、负荷预测模型和所述运行约束条件，构建多阶段能量调度模型，包括：
根据日前阶段的综合能源系统成本模型、可再生能源预测模型、负荷预测模型和运行约束条件，构建日前阶段能量调度模型；
根据日内阶段的综合能源系统成本模型、可再生能源预测模型、负荷预测模型、运行约束条件和所述日前阶段能量调度模型的输出参数，构建日内阶段能量调度模型；
根据实时阶段的综合能源系统成本模型、可再生能源预测模型、负荷预测模型、运行约束条件和所述日内阶段能量调度模型的权重参数，构建实时阶段能量调度模型；
根据所述日前阶段能量调度模型、所述日内阶段能量调度模型、所述实时阶段能量调度模型，构建多阶段能量调度模型。
7.根据权利要求6所述的一种能量调度方法，其特征在于，所述根据实时阶段的综合能源系统成本模型、可再生能源预测模型、负荷预测模型、运行约束条件和所述日内阶段能量调度模型的权重参数，构建实时阶段能量调度模型，包括：
获取可再生能源的历史发电数据，并将所述历史发电数据分为多组历史子数据；
根据预设的参数预测模型计算所述历史子数据对应的预测子数据；
根据多组所述历史子数据和多组所述预测子数据计算第一预测精度；
根据所述第一预测精度计算第二预测精度；
根据所述第一预测精度和所述第二预测精度计算当前权重参数；
若所述当前权重参数满足参数条件，将当前权重参数作为目标权重参数；
根据实时阶段的综合能源系统成本模型、可再生能源预测模型、负荷预测模型、运行约束条件和所述目标权重参数，构建实时阶段能量调度模型。
8.一种能量调度装置，其特征在于，应用于综合能源系统群，所述综合能源系统群包括多个综合能源系统，所述综合能源系统包括热电联产单元、氢储能单元，所述装置包括：
可再生能源出力预测模块，用于获取可再生能源样本出力数据、可再生能源出力预测误差数据，根据所述可再生能源样本出力数据、所述可再生能源出力预测误差数据构建可再生能源预测模型；
负荷预测模块，用于获取所述综合能源系统的负荷样本数据，根据所述负荷样本数据、负荷预测误差数据构建负荷预测模型；
计算模块，用于计算所述热电联产单元的工作成本、所述氢储能单元的工作成本，计算所述综合能源系统的能源交易数据；
综合能源系统成本模块，用于根据所述热电联产单元的工作成本、所述氢储能单元的工作成本、所述综合能源系统的能源交易数据构建综合能源系统成本模型；
能量调度模块，用于根据所述综合能源系统成本模型、所述可再生能源预测模型和所述负荷预测模型构建多阶段能量调度模型，根据所述多阶段能量调度模型得到所述综合能源系统的能量调度结果。
9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，其中，所述存储器中存储有程序，所述程序被所述处理器执行时所述处理器用于执行：
如权利要求1至7中任一项所述的方法。
10.一种存储介质，所述存储介质为计算机可读存储介质，其特征在于，所述计算机可读存储有计算机程序，在所述计算机程序被计算机执行时，所述计算机用于执行：
如权利要求1至7中任一项所述的方法。
CN202210213082.2A 2022-03-04 2022-03-04 一种能量调度方法及其装置、计算机设备、存储介质 Active CN114676979B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210213082.2A CN114676979B (zh) 2022-03-04 2022-03-04 一种能量调度方法及其装置、计算机设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210213082.2A CN114676979B (zh) 2022-03-04 2022-03-04 一种能量调度方法及其装置、计算机设备、存储介质

Publications (2)

Publication Number Publication Date
CN114676979A true CN114676979A (zh) 2022-06-28
CN114676979B CN114676979B (zh) 2022-11-25

Family

ID=82071956

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210213082.2A Active CN114676979B (zh) 2022-03-04 2022-03-04 一种能量调度方法及其装置、计算机设备、存储介质

Country Status (1)

Country Link
CN (1) CN114676979B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116227891A (zh) * 2023-05-05 2023-06-06 南方科技大学 一种参与多市场的智能楼宇群调度方法与系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109241655A (zh) * 2018-09-27 2019-01-18 河海大学 一种电-热互联综合能源系统机会约束协调优化方法
CN110417006A (zh) * 2019-07-24 2019-11-05 三峡大学 考虑多能协同优化的综合能源系统多时间尺度能量调度方法
CN110490385A (zh) * 2019-08-22 2019-11-22 广东电网有限责任公司 一种综合能源系统中电负荷和热负荷的联合预测方法
CN111969602A (zh) * 2020-08-14 2020-11-20 山东大学 一种综合能源系统的日前随机优化调度方法及装置
CN112072712A (zh) * 2020-08-31 2020-12-11 合肥工业大学 综合能源系统多时间尺度优化调度方法、系统及存储介质
CN112700066A (zh) * 2021-01-14 2021-04-23 国网山东省电力公司青岛供电公司 一种电-热综合能源系统调度最佳时间尺度配合方法
CN113112087A (zh) * 2021-04-23 2021-07-13 国网宁夏电力有限公司经济技术研究院 考虑电热负荷需求响应的综合能源系统运行成本优化方法
CN113850474A (zh) * 2021-08-26 2021-12-28 西南交通大学 一种热电氢多能流综合能源系统及其优化调度方法
CN114004476A (zh) * 2021-10-26 2022-02-01 华北电力大学 一种综合能源系统多时间尺度优化调度方法
CN114021911A (zh) * 2021-10-21 2022-02-08 国网山西省电力公司电力科学研究院 含碳捕捉装置的综合能源系统低碳优化调度方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109241655A (zh) * 2018-09-27 2019-01-18 河海大学 一种电-热互联综合能源系统机会约束协调优化方法
CN110417006A (zh) * 2019-07-24 2019-11-05 三峡大学 考虑多能协同优化的综合能源系统多时间尺度能量调度方法
CN110490385A (zh) * 2019-08-22 2019-11-22 广东电网有限责任公司 一种综合能源系统中电负荷和热负荷的联合预测方法
CN111969602A (zh) * 2020-08-14 2020-11-20 山东大学 一种综合能源系统的日前随机优化调度方法及装置
CN112072712A (zh) * 2020-08-31 2020-12-11 合肥工业大学 综合能源系统多时间尺度优化调度方法、系统及存储介质
CN112700066A (zh) * 2021-01-14 2021-04-23 国网山东省电力公司青岛供电公司 一种电-热综合能源系统调度最佳时间尺度配合方法
CN113112087A (zh) * 2021-04-23 2021-07-13 国网宁夏电力有限公司经济技术研究院 考虑电热负荷需求响应的综合能源系统运行成本优化方法
CN113850474A (zh) * 2021-08-26 2021-12-28 西南交通大学 一种热电氢多能流综合能源系统及其优化调度方法
CN114021911A (zh) * 2021-10-21 2022-02-08 国网山西省电力公司电力科学研究院 含碳捕捉装置的综合能源系统低碳优化调度方法
CN114004476A (zh) * 2021-10-26 2022-02-01 华北电力大学 一种综合能源系统多时间尺度优化调度方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116227891A (zh) * 2023-05-05 2023-06-06 南方科技大学 一种参与多市场的智能楼宇群调度方法与系统
CN116227891B (zh) * 2023-05-05 2023-08-25 南方科技大学 一种参与多市场的智能楼宇群调度方法与系统

Also Published As

Publication number Publication date
CN114676979B (zh) 2022-11-25

Similar Documents

Publication Publication Date Title
Nojavan et al. Optimal bidding and offering strategies of merchant compressed air energy storage in deregulated electricity market using robust optimization approach
Nojavan et al. Application of fuel cell and electrolyzer as hydrogen energy storage system in energy management of electricity energy retailer in the presence of the renewable energy sources and plug-in electric vehicles
Ju et al. A bi-level stochastic scheduling optimization model for a virtual power plant connected to a wind–photovoltaic–energy storage system considering the uncertainty and demand response
JP5789792B2 (ja) 需給制御装置、需給制御方法、および、需給制御システム
Vandewalle et al. Effects of large-scale power to gas conversion on the power, gas and carbon sectors and their interactions
Gupta et al. A robust optimization based approach for microgrid operation in deregulated environment
Welsch et al. Modelling elements of smart grids–enhancing the OSeMOSYS (open source energy modelling system) code
WO2016113925A1 (ja) 電力管理装置
JP6592454B2 (ja) 電力制御システム、電力制御方法及びプログラム
EP2894747A1 (en) Energy control system, server, energy control method and storage medium
Bayod-Rújula et al. Recent developments of photovoltaics integrated with battery storage systems and related feed-in tariff policies: A review
US20090319090A1 (en) Energy optimization system
US20190228481A1 (en) Intelligent energy management system for distributed energy resources and energy storage systems using machine learning
EP2953230A1 (en) Energy management system, energy management method, program and server
JP6076799B2 (ja) 試算装置及び試算方法
Lee et al. A mathematical technique for hybrid power system design with energy loss considerations
Rahmani-Andebili et al. Price-controlled energy management of smart homes for maximizing profit of a GENCO
CN110232583B (zh) 一种考虑碳排放权的电力市场边际价格规划方法
Osório et al. New control strategy for the weekly scheduling of insular power systems with a battery energy storage system
Lu et al. Data-driven stochastic programming for energy storage system planning in high PV-penetrated distribution network
WO2014155575A1 (ja) 試算装置及び試算方法
CN116911076B (zh) 多微电网对配电网的韧性支撑仿真方法、装置和电子设备
Tassenoy et al. Techno-economic assessment of Carnot batteries for load-shifting of solar PV production of an office building
CN114676979B (zh) 一种能量调度方法及其装置、计算机设备、存储介质
Banfield et al. Comparison of economic model predictive control and rule‐based control for residential energy storage systems

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20231208

Address after: Room 1101, Building A7, Nanshan Zhiyuan, No. 1001 Xueyuan Avenue, Changyuan Community, Taoyuan Street, Nanshan District, Shenzhen, Guangdong Province, 518055

Patentee after: Nanke Smart Energy (Shenzhen) Co.,Ltd.

Address before: No. 1088, Xili Xueyuan Avenue, Nanshan District, Shenzhen, Guangdong Province

Patentee before: SOUTH University OF SCIENCE AND TECHNOLOGY OF CHINA