CN114825459A - 负荷密集型智慧园区用户参与碳排放控制的能源调度方法 - Google Patents
负荷密集型智慧园区用户参与碳排放控制的能源调度方法 Download PDFInfo
- Publication number
- CN114825459A CN114825459A CN202210368686.4A CN202210368686A CN114825459A CN 114825459 A CN114825459 A CN 114825459A CN 202210368686 A CN202210368686 A CN 202210368686A CN 114825459 A CN114825459 A CN 114825459A
- Authority
- CN
- China
- Prior art keywords
- power
- load
- energy
- gas
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种负荷密集型智慧园区用户参与碳排放控制的能源调度方法,包括以下步骤:构建负荷密集型城市智慧园区的工业用户用能设备模型和碳排放模型;建立负荷密集型智慧园区工业用户用能优化的运行优化目标和约束条件,所述运行优化目标为电网交互的功率、燃料和碳排放最低;基于所述工业用户用能设备模型、碳排放模型、运行优化目标和约束条件构建优化模型,对该优化模型进行求解,获取最优的能源调度方法。与现有技术相比,本发明在能源调度的优化目标中加入了碳排放量,能提升用能方法的清洁性与能效比。
Description
技术领域
本发明涉及综合能源系统调度技术领域,尤其是涉及负荷密集型智慧园区用户参与碳排放控制的能源调度方法。
背景技术
负荷密集型城市智慧园区能源需求侧的终端用户已逐渐成为储能、冷热电联供、负荷等多种用能形态的集合体。能源供给侧的多能攻击方案为工业用户提供了不同的用能策略,不同的用能策略也带来了不同的碳排放强度。终端用户,尤其是具有重大节能减排潜力的综合能源系统的大工业用户,需要探索碳交易背景下的多种用能方法的清洁性与能效比。
能源与信息耦合日渐紧密的综合能源系统中,能源的大量使用带来了碳排量的升级。为满足综合能源大工业的热负荷和冷负荷所使用的空调等电制热和电制冷设备,不仅增加了电网的供电压力;由于公网的购电功率主要来源于燃煤发电机组发电,燃煤机组发电量的提升会造成二氧化碳排放量的大幅提升,并且这部分碳交易成本需要用能侧的综合能源用户为其支付。因此,负荷密集型园区的工业用户亟需一种参与碳排放控制的能源调度方法。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种负荷密集型智慧园区用户参与碳排放控制的能源调度方法,提升用能方法的清洁性与能效比。
本发明的目的可以通过以下技术方案来实现:
一种负荷密集型智慧园区用户参与碳排放控制的能源调度方法,包括以下步骤:
构建负荷密集型城市智慧园区的工业用户用能设备模型和碳排放模型;
建立负荷密集型智慧园区工业用户用能优化的运行优化目标和约束条件,所述运行优化目标为电网交互的功率、燃料和碳排放最低;
基于所述工业用户用能设备模型、碳排放模型、运行优化目标和约束条件构建优化模型,对该优化模型进行求解,获取最优的能源调度方法。
进一步地,其特征在于,所述碳排放模型的表达式为:
式中,Egas、Ecoal、Euser分别为用户的燃天然气机组、燃煤机组和用户获得的实际碳排放量;和分别为燃煤机组单位电力消耗所产生的实际碳排放量和燃煤机组单位天然气消耗所产生的实际碳排放量,Pbuy(t)是t时段工业用户的对外购电功率,Gbuy(t)为t时段工业用户的外购天然气的功率。
进一步地,所述工业用户用能设备模型包括光伏电源、燃气轮机、蓄电池、燃气锅炉、风电机组、吸收式制冷机和电压缩式制冷机的数学模型。
进一步地,所述蓄电池的数学模型的表达式为:
S(t+1)=S(t)+Pes(t)
式中,S(t)为蓄电池在t时段的储能状态,Pes(t)为蓄电池在t时段的充放电功率;当Pes(t)≤0时,代表电池处于放电状态,当Pes(t)≥0时,代表电池处于充电状态。
进一步地,所述燃气轮机的数学模型的表达式为:
Pmt=Vmt·Hng·ηmt
Hmt=Vmt·Hng·(1-ηmt-ηmt.loss)
式中,Pmt为燃气轮机的输出电功率,Vmt为燃气轮机每小时的天然气消耗量,Hng为天然气热值,ηmt为燃气轮机的效率,Hmt为燃气轮机的输出热功率,ηmt.loss为能量损耗率。
进一步地,所述约束条件包括:
天然气平衡约束,该天然气平衡约束的表达式为:
Gbuy(t)=Ggt(t)+Ggb(t)
式中,Gbuy(t)为t时段工业用户的外购天然气的功率,Ggt(t)和Ggb(t)分别为燃气轮机和燃气锅炉在t时段消耗的天然气量;
电功率平衡约束,该电功率平衡约束的表达式为:
Pbuy(t)=Pload(t)+Pair(t)+Pes(t)-Pwind(t)-Psun(t)-Pgt(t)
式中,Pbuy(t)是t时段工业用户的对外购电功率,Pload(t)为工业用户在t时段的电负荷功率,Pair(t)为空调的耗电功率,Pes(t)为蓄电池在t时段的充放电功率,Pwind(t)为风机出力的功率,Psun(t)为光伏发电功率,Pgt(t)为燃气轮机出力的功率;
热功率平衡约束,该热功率平衡约束的表达式为:
Hgt+Hgb≥Hbr+Hload
式中,Hgt为燃气轮机的热出力功率,Hgb为燃气锅炉的热出力,Hbr为吸收式制冷机消耗的热量,Hload为用户的热负荷;
冷功率平衡约束,该冷功率平衡约束的表达式为:
Qbr+Qair=Qload
式中,Qbr和Qair分别表示吸收式制冷机和空调在t时段的制冷功率,Qload表示用户的冷负荷。
进一步地,对所述运行优化目标中的电网交互的功率、燃料和碳排放进行加权标准化处理,形成功率费用、燃料费用和碳交易成本;
基于功率费用、燃料费用和碳交易成本的运行优化目标的表达式为:
min price=min(priGrid+priGas+priC)
式中,min price表示负荷密集型城市智慧园区工业用户负荷系统日运行总费用最小;priGrid表示电网交互的功率费用;prigas表示燃料费用;priC表示碳交易成本。
进一步地,所述碳交易成本的计算表达式为:
式中,λ为碳交易的基价,d为区间长度,α为交易价格的增长幅度,Etrade为。
进一步地,所述功率费用的计算表达式为:
式中,Cdj(t)为t时段的逐时电价;Pbuy(t)是t时段工业用户的对外购电功率;
所述燃料费用的计算表达式为:
式中,Cgas(t)是逐时电价;Gbuy(t)是t时段工业用户的外购天然气的功率。
进一步地,对优化模型进行求解具体为,将所述优化模型线性化后采用混合整数线性法进行模型求解。
与现有技术相比,本发明具有以下优点:
(1)本发明将碳排放考虑到负荷密集型智慧园区的能源调度中,在能源调度的优化模型中也构建并加入了碳排放模型,能有效降低负荷密集型智慧园区的能源调度中的碳排放量,提升用能方法的清洁性与能效比。
(2)本发明采用交易机制,实现对运行优化目标中的电网交互的功率、燃料和碳排放的统一标准化;针对碳排放,本发明从购能端计算用户的实际碳排放量并实现将不同的碳交易机制统一建模,便于计算处理。
(3)本发明为负荷密集型城市智慧园区大工业用户的构建了多能耦合的用户模型。
(4)本发明将碳交易成本引入工业用户的日运行成本中优化,得到不同碳交易机制下用户的优化调度结果,可以实现智慧园区工业用户在不同的碳交易机制下进一步优化供能策略,从而降低智慧园区的整体碳排放量。
附图说明
图1为本发明实施例中提供的一种工业用户的用能结构示意图;
图2为本发明实施例中提供的一种工业用户的用能结构图;
图3为本发明实施例中提供的一种参与碳交易前用户的电平衡优化调度结果图;
图4为本发明实施例中提供的一种参与碳交易前用户的热平衡优化调度结果图;
图5为本发明实施例中提供的一种参与碳交易前用户的冷平衡优化调度结果图;
图6为本发明实施例中提供的一种普通碳交易下用户的电平衡优化调度结果图;
图7为本发明实施例中提供的一种普通碳交易下用户的热平衡优化调度结果图;
图8为本发明实施例中提供的一种普通碳交易下用户的冷平衡优化调度结果图;
图9为本发明实施例中提供的一种阶梯式碳交易下用户的电平衡优化调度结果图;
图10本发明实施例中提供的一种为阶梯式碳交易下用户的热平衡优化调度结果图;
图11为本发明实施例中提供的一种阶梯式碳交易下用户的冷平衡优化调度结果图;
图12为本发明实施例中提供的一种负荷密集型智慧园区用户参与碳排放控制的能源调度方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
实施例1
如图12所示,本实施例提供一种负荷密集型智慧园区用户参与碳排放控制的能源调度方法,包括以下步骤:
S1:构建负荷密集型城市智慧园区的工业用户用能设备模型和碳排放模型;
S2:建立负荷密集型智慧园区工业用户用能优化的运行优化目标和约束条件,运行优化目标为电网交互的功率、燃料和碳排放最低;
S3:基于工业用户用能设备模型、碳排放模型、运行优化目标和约束条件构建优化模型,对该优化模型进行求解,获取最优的能源调度方法。
本实施例中,对运行优化目标中的电网交互的功率、燃料和碳排放进行加权标准化处理,形成功率费用、燃料费用和碳交易成本;以功率费用、燃料费用和碳交易成本最低作为运行优化目标。
具体过程描述如下:
1)确立负荷密集型城市工业用户参与的碳交易机制
负荷密集型城市智慧园区工业用户用能量大,能源品类丰富且用能策略灵活。园区的大工业用户不仅需要考虑自身用能行为的经济性,还需要考虑用能策略的“清洁性”。在新的碳交易机制下,工业用户亟需新的可以满足不同碳交易机制的调度策略。根据工业用户的实际所处地的碳交易政策,确定用户可能参与的碳交易机制种类。根据用户可能参与的碳交易机制类型,预先确定用户的用能策略。
2)建立负荷密集型城市智慧园区工业用户用能设备模型和碳排放模型
对负荷密集型城市智慧园区工业用户的供用能设备进行建模,并对不同的碳排放模型进行统一建模;下面具体介绍上述供用能设备的模型和碳排放模型。
对负荷密集型城市智慧园区典型工业用户内所含的各种供能设备进行建模,构成负荷密集型城市智慧园区工业用户供能系统;下面具体介绍上述典型工业用户所包含的几种用能设备的数学模型。
燃气轮机具体工作流程为:通过其内部的压缩机压缩吸收进来的空气,当压缩到一定压力值再通到燃烧室与先前通入的天然气一起燃烧,从而形成了高温高压气体,该气体随后通入到燃气透平中做功,带着压缩机转子旋转,从而促使发电机旋转做功发电。当天然气燃烧后压力会降低,最终排放出带有余热的烟气,作为吸收式制冷机的热源。本系统中供能设备通常采用小型或者微型燃气轮机,微型燃气轮机的供电供热模型如下:
Pmt=Vmt·Hng·ηmt
Hmt=Vmt·Hng·(1-ηmt-ηmt.loss)
式中:Pmt为燃气轮机的输出电功率(kW),ηmt为燃气轮机的效率,Hmt为燃气轮机输出热功率(kW),ηmt.loss为能量损耗率,Vmt为燃气轮机每小时的天然气消耗量(m3),Hng为天然气热值,取9.78kWh/m3。
这里选取了光伏电池为清洁能源代表。和传统石油类燃料相比,光伏能源对环境污染小,且资源丰富。光伏发电的建设周期与传统发电厂相比大大缩减,且获取该能源的时间也减少了许多。光伏发电是通过太阳能电池板、逆变器等装置,利用光生伏特原理,直接将太阳能转换为电能,其输出的电功率同样可承担系统的电负荷。一般情况下,太阳光照的温度和强度这两个因素均会影响到光伏发电的最终产量。在建立光伏电池的数学模型时,而光照热度在一天中并无太大变化,所以这里假设光伏电池的输出功率的大小只和光照强度有关系。
根据光照强度,光伏电池的输出功率为:
Psun=ζ×cosθ×ηm×Ap×ηp
式中:ζ为太阳辐射(W/m2),θ为太阳入射角,ηm为MPPT的效率,Ap为电池板的面积,ηp为光伏电池的效率。
燃气锅炉的燃料和燃气轮机一样均为燃气,通常作为供暖设备,并且在冷热电联供系统中发挥着重要作用。因为燃烧的是天然气而不是煤粉,所以环保性能较好。燃气开水锅炉可以提供开水,燃气热水锅炉可以作为洗浴设备,燃气蒸汽锅炉可以提供蒸汽,它们都属于燃气锅炉。
燃气锅炉的数学模型如下:
Pb=Vb·Hng·ηb
式中:Pb为燃气锅炉输出热功率(kW);Vb为燃气锅炉每小时天然气的消耗量(m3);Hng为天然气热值,取9.78kWh/m3;ηb为燃气锅炉的效率。
吸收式制冷机主要靠在低温低压下通过液态制冷剂制冷,它也是一种液体气化制冷。蒸汽压缩式制冷是通过吸收额外的能量如做功促使热量从高温物体向低温进行热交流传递。吸收式制冷是及时通过消耗热能来实现制冷。它是一种以热能为动力的设备。以燃机为核心的燃气冷热电联供系统的基本方式有多种。本文是:燃气轮机+吸收式制冷机+燃气锅炉。其原理是:通过燃烧天然气所释放出的气体推到燃气轮机运动从而发电,在此过程中,会产生余热气体,该气体通过余热锅炉加热后再变成蒸汽,吸收式制冷机正是吸收该能量,这也是吸收式制冷剂的能量来源。
吸收式制冷机的数学模型如下:
Qac=Pac·COPac
式中:Pac为溴化锂吸收式制冷机的输入热功率(kW),Qac为溴化锂吸收式制冷机的输出冷功率(kW),COPac为溴化锂吸收式制冷机的制冷系数,可反映制冷剂的制冷性能。
电制冷机组由压缩机、膨胀阀、蒸发器和泠凝器组成,其原理是一个卡诺循环的过程,先将高品位能量传递给给压缩机,能量品位在压缩机中得到提升,气体制冷剂和液体制冷剂相混合,在蒸发器中吸收热量并且被冷却。然后又变成过热气体进入压缩机,通过制冷剂气体温度和压力的改变,能量由低温物体进入高温物体,根据制冷压缩机的不同,可以分为活塞式制冷压缩机、回转式制冷压缩机和离心式制冷压缩机。
电制冷机的数学模型如下:
Qec=Pec·COPec
式中:Pec为电制冷机的输入电功率(kW);Qec为电制冷机的输出冷功率(kW);COPec为电制冷机的制冷系数,反映制冷机输入与输出的比值,用来衡量制冷机的性能。
用户的蓄电池模型建立如下:
S(t+1)=S(t)+Pes(t)
式中:S(t)为蓄电池在t时段的储能状态,Pes(t)为蓄电池在t时段的充放电功率;当Pes(t)≤0时,代表电池处于放电状态,当Pes(t)≥0时,代表电池处于充电状态,电池的充放电不同时进行。
用户参与的碳交易机制可分为传统碳交易机制和阶梯式碳交易机制两种,本实施例中,改进的用户的碳交易成本的计算表达式为:
式中:priC为用户的碳交易成本,λ为碳交易的基价,d为区间长度,α为交易价格的增长幅度;Etrade≤0时,用户的实际碳排放量低于碳排放权配额,可以对外出售碳排放权交易额。当α=0时,阶梯式碳交易机制转化为传统碳交易机制。
用户的碳排放模型可通过以下公式建立。
3)建立碳交易机制下负荷密集型智慧园区工业用户用能优化的运行优化目标和约束条件
运行优化目标建立如下:
min price=min(priGrid+priGas+priC)
式中:minprice表示负荷密集型城市智慧园区工业用户负荷系统日运行总费用最小;priGrid表示工业用户外购电能的成本,即电网交互的功率费用;prigas表示工业用户内微型燃气轮机和燃气锅炉的燃天然气的成本,即燃料费用;priC表示智慧园区能源系统的碳交易成本;
式中:Cdj(t)是t时段的逐时电价;Pbuy(t)是工业用户的对外购电功率。
式中:Cgas(t)是t时段的逐时气价;Gbuy(t)是工业用户的外购天然气的功率。
约束条件建立如下:
天然气平衡约束:
Gbuy(t)=Ggt(t)+Ggb(t)
式中,Gbuy(t)为t时段工业用户的外购天然气的功率,Ggt(t)和Ggb(t)分别为燃气轮机和燃气锅炉在t时段消耗的天然气量;
电功率平衡约束:
Pbuy(t)=Pload(t)+Pair(t)+Pes(t)-Pwind(t)-Psun(t)-Pgt(t)
式中,Pbuy(t)是t时段工业用户的对外购电功率,Pload(t)为工业用户在t时段的电负荷功率,Pair(t)为空调的耗电功率,Pes(t)为蓄电池在t时段的充放电功率,Pwind(t)为风机出力的功率,Psun(t)为光伏的发电功率,Pgt(t)为燃气轮机出力的功率;
热功率平衡约束:
Hgt+Hgb≥Hbr+Hload
式中,Hgt为燃气轮机的热出力功率,Hgb为燃气锅炉的热出力,Hbr为吸收式制冷机消耗的热量,Hload为用户的热负荷;
冷功率平衡约束:
Qbr+Qair=Qload
式中,Qbr和Qair分别表示吸收式制冷机和空调在t时段的制冷功率,Qload表示用户的冷负荷。
4)对优化模型进行求解
本实施例构建的负荷密集型城市智慧园区工业用户参与碳交易机制的优化运行模型,以系统总运行成本最小为目标,结合负荷密集型城市智慧园区工业用户参与的碳交易机制的种类,整体模型为混合整数非线性优化模型,因此将其线性化后混合整数线性法求解该模型,本专利在MATLAB软件内编写了算法,对该模型进行了求解,得到的优化运行方法可以实现智慧园区工业用户在不同碳交易机制场景下能源的高效分配,为工业用户提供不同优化场景下的运行策略,为进一步实施碳交易策略提供依据。
5)设定算例场景与参数,进行仿真对发明效果进行阐述
为了详细分析本实施例所提一种负荷密集型城市智慧园区工业用户参与碳交易机制调度方法对用户优化运行的支撑效果,采用一个智慧园区内典型工业用户用能系统作为实例场景,该用能系统由光伏电源、风机、燃气轮机、蓄电池、燃气锅炉、吸收式制冷机和电压缩式制冷机组成,对其日典型运行情况做三种碳交易模式下的运行情况分析,其中智慧园区典型工业用户的用能模式示意图如图1所示,系统典型多能负荷曲线如图2所示。
由图3可知,该系统用户的冷、热负荷呈现显著的两班制的特点,用户的总体电负荷较大,且在一天中的总体趋势随时间增长。根据智慧园区内典型工业用户的设备特性,该优化模型以一个典型日为优化周期,分别采用不考虑碳交易机制的优化目标、考虑传统碳交易机制的优化目标和考虑阶梯式碳交易机制的优化目标,求解该优化模型得到不同季节典型日的工业用户综合能源系统的供能策略,如图3-图11所示。
(1)考虑碳交易机制前用户的工业用户的供能策略
如图3-图5所示分别是典型工业用户在不考虑碳交易成本下的综合最优策略下的电平衡图、热平衡图和冷平衡图。
由优化结果可知,在1至7时段内,由于电网的电价交底,微型燃气轮机基本处于停工状态,对冷热电三中负荷需求都不提供,在此时段,用户的电能主要向电网购买,热负荷主要由燃气锅炉提供,冷负荷由电制冷机提供,用户选择在此时段对电储能设备进行充电供给峰时段使用。
在电价的平时段,用户选择补充电池储能同时增加燃气轮机供电来满足电负荷与热负荷。在电价的峰时段,燃气轮机的出力进一步增加,电池以最大功率释放储存的电能,用户的电负荷主要由燃气轮机和电池提供,剩余的电能负荷空缺通过向公网购买进行弥补。
(2)传统碳交易机制下用户的工业用户的供能策略
由图6-图8可知,在考虑碳交易成本的情况下,用户在用能选择上不能单纯的以各个时段的用能成本和负荷大小来考虑供能策略。由于向公网购买电量会大幅增加用户的实际碳排放量,从而增大碳交易成本,因此用户各时段的储能电量都有显著的下降,且燃气轮机的供电量和供热量都有显著的提升,用户用冷策略由空调制冷转向了吸收式制冷机供冷。
(3)阶梯式碳交易机制下用户的工业用户的供能策略
由图9-图11可知,在阶梯式碳交易机制下,由于用户的碳交易成本进一步提升,用户需要进一步控制碳交易成本。由于向公网购买电量会大幅增加用户的实际碳排放量,用户为尽量减小向公网的购电量,用户的燃气轮机出力进一步提升;同时,为使用此部分燃气轮机在发电的同时提供的热量,用户进一步增加吸收式制冷机的出力,燃气锅炉得出力也进一步降低。
由以上分析可知,通过使用混合整数线性算法求解该模型,得到的调度方法可以实现智慧园区工业用户在不同的碳交易机制下进一步优化供能策略,从而降低智慧园区的整体碳排放量。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种负荷密集型智慧园区用户参与碳排放控制的能源调度方法,其特征在于,包括以下步骤:
构建负荷密集型城市智慧园区的工业用户用能设备模型和碳排放模型;
建立负荷密集型智慧园区工业用户用能优化的运行优化目标和约束条件,所述运行优化目标为电网交互的功率、燃料和碳排放最低;
基于所述工业用户用能设备模型、碳排放模型、运行优化目标和约束条件构建优化模型,对该优化模型进行求解,获取最优的能源调度方法。
3.根据权利要求1所述的一种负荷密集型智慧园区用户参与碳排放控制的能源调度方法,其特征在于,所述工业用户用能设备模型包括光伏电源、燃气轮机、蓄电池、燃气锅炉、风电机组、吸收式制冷机和电压缩式制冷机的数学模型。
4.根据权利要求3所述的一种负荷密集型智慧园区用户参与碳排放控制的能源调度方法,其特征在于,所述蓄电池的数学模型的表达式为:
S(t+1)=S(t)+Pes(t)
式中,S(t)为蓄电池在t时段的储能状态,Pes(t)为蓄电池在t时段的充放电功率;当Pes(t)≤0时,代表电池处于放电状态,当Pes(t)≥0时,代表电池处于充电状态。
5.根据权利要求3所述的一种负荷密集型智慧园区用户参与碳排放控制的能源调度方法,其特征在于,所述燃气轮机的数学模型的表达式为:
Pmt=Vmt·Hng·ηmt
Hmt=Vmt·Hng·(1-ηmt-ηmt.loss)
式中,Pmt为燃气轮机的输出电功率,Vmt为燃气轮机每小时的天然气消耗量,Hng为天然气热值,ηmt为燃气轮机的效率,Hmt为燃气轮机的输出热功率,ηmt.loss为能量损耗率。
6.根据权利要求3所述的一种负荷密集型智慧园区用户参与碳排放控制的能源调度方法,其特征在于,所述约束条件包括:
天然气平衡约束,该天然气平衡约束的表达式为:
Gbuy(t)=Ggt(t)+Ggb(t)
式中,Gbuy(t)为t时段工业用户的外购天然气的功率,Ggt(t)和Ggb(t)分别为燃气轮机和燃气锅炉在t时段消耗的天然气量;
电功率平衡约束,该电功率平衡约束的表达式为:
Pbuy(t)=Pload(t)+Pair(t)+Pes(t)-Pwind(t)-Psun(t)-Pgt(t)
式中,Pbuy(t)是t时段工业用户的对外购电功率,Pload(t)为工业用户在t时段的电负荷功率,Pair(t)为空调的耗电功率,Pes(t)为蓄电池在t时段的充放电功率,Pwind(t)为风机出力的功率,Psun(t)为光伏发电功率,Pgt(t)为燃气轮机出力的功率;
热功率平衡约束,该热功率平衡约束的表达式为:
Hgt+Hgb≥Hbr+Hload
式中,Hgt为燃气轮机的热出力功率,Hgb为燃气锅炉的热出力,Hbr为吸收式制冷机消耗的热量,Hload为用户的热负荷;
冷功率平衡约束,该冷功率平衡约束的表达式为:
Qbr+Qair=Qload
式中,Qbr和Qair分别表示吸收式制冷机和空调在t时段的制冷功率,Qload表示用户的冷负荷。
7.根据权利要求1所述的一种负荷密集型智慧园区用户参与碳排放控制的能源调度方法,其特征在于,对所述运行优化目标中的电网交互的功率、燃料和碳排放进行加权标准化处理,形成功率费用、燃料费用和碳交易成本;
基于功率费用、燃料费用和碳交易成本的运行优化目标的表达式为:
min price=min(priGrid+priGas+priC)
式中,min price表示负荷密集型城市智慧园区工业用户负荷系统日运行总费用最小;priGrid表示电网交互的功率费用;prigas表示燃料费用;priC表示碳交易成本。
10.根据权利要求1所述的一种负荷密集型智慧园区用户参与碳排放控制的能源调度方法,其特征在于,对优化模型进行求解具体为,将所述优化模型线性化后采用混合整数线性法进行模型求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210368686.4A CN114825459A (zh) | 2022-04-08 | 2022-04-08 | 负荷密集型智慧园区用户参与碳排放控制的能源调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210368686.4A CN114825459A (zh) | 2022-04-08 | 2022-04-08 | 负荷密集型智慧园区用户参与碳排放控制的能源调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114825459A true CN114825459A (zh) | 2022-07-29 |
Family
ID=82534888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210368686.4A Pending CN114825459A (zh) | 2022-04-08 | 2022-04-08 | 负荷密集型智慧园区用户参与碳排放控制的能源调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114825459A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
-
2022
- 2022-04-08 CN CN202210368686.4A patent/CN114825459A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Comparison of combined cooling, heating and power (CCHP) systems with different cooling modes based on energetic, environmental and economic criteria | |
Jabari et al. | Designing and optimizing a novel advanced adiabatic compressed air energy storage and air source heat pump based μ-Combined Cooling, heating and power system | |
CN113344736B (zh) | 一种园区级综合能源系统及其控制方法 | |
Shen et al. | Multi-objective capacity configuration optimization of an integrated energy system considering economy and environment with harvest heat | |
CN107807523A (zh) | 考虑分时电价的区域能源互联网多源协调优化运行策略 | |
CN112600253B (zh) | 基于用能效率最优的园区综合能源协同优化方法及设备 | |
MX2014014731A (es) | Procedimiento de regulacion de una instalacion que comprende aparatos de cogeneracion y sistemas termodinamicos destinados a la climatizacion y o calefaccion. | |
Chen et al. | Multi-objective optimization of a combined cooling, heating, and power system with subcooled compressed air energy storage considering off-design characteristics | |
WO2024109327A1 (zh) | 一种基于多能互补的综合能源运行控制方法及系统 | |
Du et al. | Dynamic energy efficiency characteristics analysis of a distributed solar photovoltaic direct-drive solar cold storage | |
Zhang et al. | Thermodynamic performance study on gas-steam cogeneration systems with different configurations based on condensed waste heat utilization | |
CN114825459A (zh) | 负荷密集型智慧园区用户参与碳排放控制的能源调度方法 | |
CN108197412B (zh) | 一种多能源耦合能量管理系统及优化方法 | |
Bu et al. | Thermodynamic performances analyses and process optimization of a novel AA-CAES system coupled with solar auxiliary heat and organic Rankine cycle | |
CN113128070A (zh) | 一种间歇性分布式电源的综合能源系统优化配置方法 | |
Yuan et al. | Operation optimization of CCHP-type microgrid considering units' part-load characteristics | |
Cao et al. | The Modeling and Simulation of the CCHP System | |
Ostapenko | Complex evaluation of energy efficiency of steam compressor heat pump plants with сogeneration drive | |
CN114648173A (zh) | 一种基于多目标蚁狮算法的建筑综合能源系统的规划方法 | |
CN113722895A (zh) | 一种基于多站融合的综合能源系统优化配置方法 | |
Wang et al. | Low-carbon Optimal Dispatch of Integrated Energy System Considering Concentrating Solar Plant | |
Liu et al. | Thermodynamic study of a novel combined heat and power system integrated with solar energy | |
Zhao et al. | Optimal Capacity Allocation of Integrated Energy System Considering Multiple Uncertainties | |
Bai et al. | Economic Optimization of Gas-steam Combined Cycle Energy Station | |
Zheng et al. | Thermodynamic Analysis of Variable-stage Compression and Variable-stage Expansion Advanced Adiabatic Compressed Air Energy Storage System |
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 |