CN114841454A - 一种多时间尺度智慧能源站协同运行控制方法及装置 - Google Patents
一种多时间尺度智慧能源站协同运行控制方法及装置 Download PDFInfo
- Publication number
- CN114841454A CN114841454A CN202210544770.7A CN202210544770A CN114841454A CN 114841454 A CN114841454 A CN 114841454A CN 202210544770 A CN202210544770 A CN 202210544770A CN 114841454 A CN114841454 A CN 114841454A
- Authority
- CN
- China
- Prior art keywords
- energy station
- equipment
- day
- scheduling
- intelligent energy
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005096 rolling process Methods 0.000 claims abstract description 71
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 32
- 238000005265 energy consumption Methods 0.000 claims abstract description 22
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 16
- 238000005457 optimization Methods 0.000 claims description 44
- 238000003860 storage Methods 0.000 claims description 28
- 238000010276 construction Methods 0.000 claims description 13
- 238000004146 energy storage Methods 0.000 claims description 12
- 238000011217 control strategy Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 abstract description 7
- 239000007789 gas Substances 0.000 description 16
- 230000005611 electricity Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000010248 power generation Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 6
- 238000005338 heat storage Methods 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 4
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical group [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 239000002918 waste heat Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005485 electric heating Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—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
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种多时间尺度智慧能源站协同运行控制方法及装置,用于对智慧能源站进行考虑可再生能源消纳的优化调度,该方法通过考虑运行成本与绿证‑碳交易成本,构建智慧能源站的优化调度模型;然后将智慧能源站的运行划分为日前优化调度、滚动优化调度和实时控制三个尺度,并分别制定具体控制算法;再根据智慧能源站的设备特性,将站内设备根据启停灵活性划分为三类,以不同裕度参与至不同时间尺度的控制中;最后在运行日内监测智慧能源站的运行状态,滚动求解优化调度模型,得到智慧能源站最优调度计划。本申请克服了不能充分激励可再生能源消纳和碳减排的问题,以及没有充分考虑可再生能源出力不确定性与综合能源系统灵活性的问题。
Description
技术领域
本申请涉及智慧能源站协同运行控制技术领域,特别的,尤其涉及一种多时间尺度智慧能源站协同运行控制方法及装置。
背景技术
可再生能源发电的接入比例不断提高。与此同时,可再生能源发电出力的间歇性、波动性与不确定性给电力系统的安全稳定运行带来了一定的隐患,也造成了“弃风弃光”现象的发生。在此背景下,有许多可再生能源发电消纳的方法被提出,其中,基于多站融合建设模式的智慧能源站可以通过能源储存和能量转换等设备进行更加灵活的可再生能源消纳。例如,在可再生能源出力高峰时期,智慧能源站可以通过将电能转化为其他能源使用和存储的方式进行消纳;在可再生能源出力低谷时期,则可以更多使用天然气满足自身运行需求。
虽然智慧能源站的优化调度已经有许多相关研究与项目实践,且多数优化调度研究以最低运行成本为优化目标,但其并未为促进智慧能源站消纳可再生能源带来经济上的激励;同时,在高比例可再生能源发电的接入下,有限的可再生能源出力预测精度极大限制了优化调度方案在实际运行中的经济性和环保性。
发明内容
鉴于上述内容中的问题,本申请提供了一种多时间尺度智慧能源站协同运行控制方法及装置,以解决现有其他综合能源系统优化调度模型不能充分激励可再生能源消纳和碳减排的问题,以及没有充分考虑可再生能源出力不确定性与综合能源系统灵活性的问题。
为了实现上述目的,本申请提供了以下技术方案:
一种多时间尺度智慧能源站协同运行控制方法,用于对智慧能源站进行考虑可再生能源消纳的优化调度,该方法包括:
考虑所述智慧能源站的运行成本与绿证-碳交易成本,根据所述智慧能源站设备构成,建立所述智慧能源站的优化调度模型;
构建所述智慧能源站的日前优化调度、滚动优化调度和实时控制三个尺度下的优化调度模型与具体控制算法;
根据所述智慧能源站的设备特性,将所述智慧能源站站内设备根据启停灵活性划分为三类,并以不同裕度参与至不同时间尺度的控制中;
在一个运行日内持续监测所述智慧能源站的运行状态,滚动求解所述优化调度模型,得到所述智慧能源站的最优调度计划。
一种多时间尺度智慧能源站协同运行控制装置,用于对智慧能源站进行考虑可再生能源消纳的优化调度,该装置包括:
第一构造单元,用于考虑所述智慧能源站的运行成本与绿证-碳交易成本,结合所述智慧能源站设备构成,建立所述智慧能源站的优化调度模型;
第二构建单元,用于构建所述智慧能源站的日前优化调度、滚动优化调度和实时控制三个尺度下的优化调度模型与具体控制算法;
第三构建单元,用于根据所述智慧能源站的设备特性,将所述智慧能源站站内设备根据启停灵活性划分为三类,并以不同裕度参与至不同时间尺度的控制中;
求解单元,用于在一个运行日内持续监测所述智慧能源站的运行状态,滚动求解所述优化调度模型,得到所述智慧能源站的最优调度计划。
一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在的设备执行如上述所述的多时间尺度智慧能源站协同运行控制方法。
一种电子设备,所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行如上述所述的多时间尺度智慧能源站协同运行控制方法。
本申请所述的多时间尺度智慧能源站协同运行控制方法及装置,用于对智慧能源站进行考虑可再生能源消纳的优化调度,该方法包括:考虑运行成本与绿证-碳交易成本,构建所述智慧能源站的优化调度模型;将所述智慧能源站的运行划分为日前优化调度、滚动优化调度和实时控制三个尺度,并分别制定具体控制算法;根据所述智慧能源站的设备特性,将站内设备根据启停灵活性划分为三类,以不同裕度参与至不同时间尺度的控制中;在运行日内监测所述智慧能源站的运行状态,滚动求解所述优化调度模型,得到所述智慧能源站最优调度计划。
本申请建立的智慧能源站优化调度模型,考虑了智慧能源站的运行成本与绿证-碳交易成本,其有益效果在于对可再生能源消纳与碳减排给予了经济激励,有利于智慧能源站形成兼具经济性与环保性的调度计划;
本申请将智慧能源站的运行划分为日前优化调度、滚动优化调度和实时控制三个时间尺度,并分别提出优化调度模型与具体控制算法,其有益效果在于充分考虑了可再生能源发电的不确定性以及可再生能源发电预测精度随预测周期减小而提高的特点,有利于滚动修正智慧能源站的调度计划以得到最优的运行效果;
本申请根据所述智慧能源站的设备特性,将站内设备根据启停灵活性划分为三类,以不同裕度参与至不同时间尺度的控制中,其有益效果在于充分考虑了智慧能源站站内设备灵活性的不同,有利于配合不同时间尺度的控制方案从而得到最优的运行效果;
本申请将所述优化调度模型线性化并滚动求解,得到智慧能源站的最优调度计划,其有益效果在于,利用能够求解线性规划问题的方法可以得到全局最优解,而不会使求解结果陷于局部最优。
本申请可以克服现有其他综合能源系统优化调度模型不能充分激励可再生能源消纳和碳减排的问题,以及没有充分考虑可再生能源出力不确定性与综合能源系统灵活性的问题。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种多时间尺度智慧能源站协同运行控制方法的流程示意图;
图2为本申请实施例公开的一种多时间尺度智慧能源站协同运行控制装置的结构示意图;
图3为本申请实施例公开的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参见附图1,为本申请实施例提供的一种多时间尺度智慧能源站协同运行控制方法流程示意图。如图1所示,本申请实施例提供了一种多时间尺度智慧能源站协同运行控制方法,用于对智慧能源站进行考虑可再生能源消纳的优化调度,该方法包括如下步骤:
S101:考虑所述智慧能源站的运行成本与绿证-碳交易成本,根据所述智慧能源站设备构成,建立所述智慧能源站的优化调度模型;
本申请实施例中,上述所述考虑所述智慧能源站的运行成本与绿证-碳交易成本,根据所述智慧能源站设备构成,建立所述智慧能源站的优化调度模型,具体为:根据所述智慧能源站的设备构成,建立所述智慧能源站的优化调度模型,包含独立型设备单元建模与耦合型设备单元建模,建立所述优化调度模型中的设备出力约束、储能状态约束、能量转换约束、能量平衡约束,建立所述优化调度模型中的包括外部能源费用、运维费用、绿证交易成本、碳交易成本的目标函数。
上述设备出力约束具体表示如下:
式中:Pi t表示设备i在时刻t的输出功率,其中,设备i包括智慧能源站站内的设备如光伏、储电装置、储热装置、储冷装置、燃气轮机、燃气锅炉、电热锅炉、电制冷机、溴化锂机组、余热锅炉以及外部能源网如电网、天然气网络;表示设备i在时刻t的容量(荷电状态、热能存量、冷能存量),其中设备i包括储电装置、储热装置、储冷装置;P和分别表示设备i输出功率的上限和下限,S i和分别表示设备i荷电状态的上限和下限。
所述的储能状态约束具体表示如下:
所述的能量转换约束具体表示如下:
式中:ηi是设备i的转换效率,和分别表示设备i在时刻t的输出功率和输入功率,此处设备i包括能量耦合设备如燃气轮机、燃气锅炉、电热锅炉、电制冷机、溴化锂机组、余热锅炉;表示时刻t的辅助用电功率,Pi t表示设备i在时刻t的输出功率,ki表示对应的辅助用电系数,此处设备i包括需要辅助用电如水泵的设备如燃气轮机、燃气锅炉、电热锅炉、电制冷机、储冷装置。
所述的能量平衡约束具体表示如下:
式中:和分别表示时刻t的电网购电功率和天然气网购气功率;和分别表示时刻t的电负荷、气负荷、热负荷和冷负荷;表示时刻t的光伏发电功率;和分别表示时刻t储电装置、储热装置和储冷装置的放能功率;和分别表示时刻t储电装置、储热装置和储冷装置的储能功率;和分别表示时刻t燃气轮机的耗气功率和发电功率;和分别表示时刻t电热锅炉的耗电功率和产热功率;和分别表示时刻t电制冷机的耗电功率和制冷功率;表示时刻t的辅助用电功率;和分别表示时刻t燃气锅炉的耗气功率和产热功率;和分别表示时刻t溴化锂机组的制热功率和制冷功率。
所述模型的目标函数具体表示如下:
min f=Ce+Cop+Ctgc+Cem
式中:Ce表示外部能源费用,Cop表示运维费用,Ctgc表示绿证交易成本, Cem表示碳交易成本。
所述的外部能源费用具体表示如下:
所述的运维费用具体表示如下:
式中:ξi,op表示设备i的单位输出运维成本,此处设备i包括智慧能源站站内设备如光伏、储电装置、储热装置、储冷装置、燃气轮机、燃气锅炉、电热锅炉、电制冷机、溴化锂机组、余热锅炉。
所述的绿证交易成本具体表示如下:
式中:k、u和s分别为国家能源局规定的非水可再生能源消纳配额比例、实际可再生能源消纳比例和消纳比例的惩罚裕度;ξtgc和ξp分别表示绿证交易价格和惩罚价格;和分别表示时刻t的总发电量、光伏消纳电量、和电网购电电量。
所述的碳交易成本具体表示如下:
式中:ξem表示碳交易价格;和分别表示时刻t的实际碳排放量和碳排放配额;λload表示电负荷对应的碳排放系数;λgrid、λcchp和λgb分别表示外购电力、热电联供机组和燃气锅炉对应的碳排放配额系数。
S102:构建所述智慧能源站的日前优化调度、滚动优化调度和实时控制三个尺度下的优化调度模型与具体控制算法;
本申请实施例中,上述所述构建所述智慧能源站的日前优化调度、滚动优化调度和实时控制三个尺度下的优化调度模型与具体控制算法,具体为:
将所述智慧能源站的运行划分为日前优化调度、滚动优化调度和实时控制三个阶段;其中,所述日前优化调度根据可再生能源出力以及用户用能负荷的日前预测建立优化调度模型;所述滚动优化调度根据日内滚动更新的可再生能源出力以及用户用能负荷预测建立优化调度模型;所述实时控制根据不同的突发事件制定实时控制策略。
针对日前优化调度具体步骤如下:
1)收集中长期源、荷数据,预测次日电、气、热、冷等多能流负荷的需求曲线;
2)收集气象信息,在置信水平ψ下日前预测风电、光伏等间歇性可再生能源发电机组出力的上下限对于可再生能源出力,在只考虑可靠性的情形下按照预测下限进行计算,在只考虑环保性的情形下按照预测上限进行计算;可靠性与环保性的权重由能源站运营方确定。
3)以源、荷数据为优化模型输入参数,利用上述智慧能源站优化调度模型,制定多目标最优的A类、B类和C类设备运行曲线以外购能源策略;
4)按照既定方案进行智慧能源站日前调度。
针对滚动优化调度具体步骤如下:
1)在t时刻更新t到T时间段内的可再生能源出力预测;
2)将0到t时刻的日前优化方案作为新增的等式约束,保持0到t时刻的各类设备运行曲线以及外部能源购买功率与日前调度一致;
3)将t到T时刻的A类设备运行曲线作为新增的等式约束,保持t到T时刻的A类设备运行曲线与日前调度一致;
4)将更新的可再生能源出力预测作为新增输入参数,利用上述智慧能源站优化调度模型,修正t到T时刻的设备运行曲线与外部能源购买功率;
5)在t到t+1时间段内,按照修正后的调度方案进行智慧能源站调度;
6)在t+1时刻更新t+1到T时间段内的可再生能源出力预测,循环进行步骤1)到5),进行智慧能源站滚动优化调度。
针对实时控制策略具体步骤如下:
1)实时监测智慧能源站运行状态,通过比较可再生能源的突变量与响应阈值判定是否需要对可再生能源出力突变做出响应。若可再生能源出力的突变量大于实时控制的响应阈值,将生成实时控制方案,在分钟或秒的时间尺度上修正智慧能源站运行曲线。
2)若判定启动实时控制响应,在t时刻更新t到t0时间段内的源、荷数据;
3)将0到t时刻的滚动优化方案作为新增的等式约束,保持0到t时刻的各类设备运行曲线以及外部能源购买功率与滚动优化调度一致;
4)将t到t0时刻的A、B类设备运行曲线作为新增的等式约束,保持t到t0时刻的A、B类设备运行曲线与滚动优化调度一致;
5)将更新的源、荷数据作为新增输入参数,利用上述智慧能源站优化调度模型,形成t到t0时刻的实时控制方案;
6)重复步骤1)到5)直至突发事件结束,智慧能源站返回原调度曲线。
S103:根据所述智慧能源站的设备特性,将所述智慧能源站站内设备根据启停灵活性划分为三类,并以不同裕度参与至不同时间尺度的控制中;
本申请实施例中,上述所述根据所述智慧能源站的设备特性,将站内设备根据启停灵活性划分为三类,以不同裕度参与至不同时间尺度的控制中,具体为:
根据所述智慧能源站的设备特性,将站内设备根据启停灵活性按照调度层级划分为三类,其中A类设备为站内承担基荷的设备以及不宜频繁启停或调节功率的设备,此类设备以较低裕度参与日前优化调度,不参与滚动优化调度和实时控制;B类设备包含部分灵活性较强的设备,可以在运行日内滚动更新出力计划,此类设备以较高裕度参与日前优化调度,以较低裕度参与滚动优化调度,不参与实时控制;C类设备为灵活性最强的设备用于应对突发情况,此类设备以较高裕度参与日前优化调度和滚动优化调度,以较低裕度参与实时控制。
S104:在一个运行日内持续监测所述智慧能源站的运行状态,滚动求解所述优化调度模型,得到所述智慧能源站的最优调度计划。
本申请实施例中,上述所述在一个运行日内持续监测所述智慧能源站的运行状态,滚动求解所述优化调度模型,得到所述智慧能源站的最优调度计划,具体为:
在一个运行日前,根据可再生能源出力与用户负荷的日前预测求解所述优化调度模型,得到小时级的日前优化调度计划;
在一个运行日内,持续监测所述智慧能源站的运行状态,滚动更新可再生能源出力与用户负荷的预测,并滚动求解所述优化调度模型,得到分钟级的滚动优化调度计划;
在实时运行中,根据突发事件场景执行所述实时控制策略,得到分钟级的实时控制调度计划;
在求解优化模型过程中,将所述用能优化模型线性化,将原本模型中的决策变量乘积,转化为多个等式或不等式约束的线性表达式,使得原有非线性混合整数规划问题转变为线性混合整数规划问题,并利用线性规划问题的算法进行全局最优求解,以实现所述智慧能源站的最优控制。
其中,线性化过程具体如下:
所述的智慧能源站优化调度模型中的充放能状态约束具体如下:
本申请实施例提供的一种多时间尺度智慧能源站协同运行控制方法,用于对智慧能源站进行考虑可再生能源消纳的优化调度,该方法通过考虑运行成本与绿证-碳交易成本,构建智慧能源站的优化调度模型;然后将智慧能源站的运行划分为日前优化调度、滚动优化调度和实时控制三个尺度,并分别制定具体控制算法;再根据智慧能源站的设备特性,将站内设备根据启停灵活性划分为三类,以不同裕度参与至不同时间尺度的控制中;最后在运行日内监测智慧能源站的运行状态,滚动求解优化调度模型,得到智慧能源站最优调度计划。通过本申请实施例可以克服不能充分激励可再生能源消纳和碳减排的问题,以及没有充分考虑可再生能源出力不确定性与综合能源系统灵活性的问题。
请参阅图2,基于上述实施例公开的一种多时间尺度智慧能源站协同运行控制方法,本实施例对应公开了一种多时间尺度智慧能源站协同运行控制装置,用于对智慧能源站进行考虑可再生能源消纳的优化调度,该装置包括:
第一构造单元201,用于考虑所述智慧能源站的运行成本与绿证-碳交易成本,结合所述智慧能源站设备构成,建立所述智慧能源站的优化调度模型;
第二构建单元202,用于构建所述智慧能源站的日前优化调度、滚动优化调度和实时控制三个尺度下的优化调度模型与具体控制算法;
第三构建单元203,用于根据所述智慧能源站的设备特性,将所述智慧能源站站内设备根据启停灵活性划分为三类,并以不同裕度参与至不同时间尺度的控制中;
求解单元204,用于在一个运行日内持续监测所述智慧能源站的运行状态,滚动求解所述优化调度模型,得到所述智慧能源站的最优调度计划。
进一步的,所述第一构造单元201具体用于:
根据所述智慧能源站的设备构成,建立所述智慧能源站的优化调度模型,包含独立型设备单元建模与耦合型设备单元建模,建立所述优化调度模型中的设备出力约束、储能状态约束、能量转换约束、能量平衡约束,建立所述优化调度模型中的包括外部能源费用、运维费用、绿证交易成本、碳交易成本的目标函数。
进一步的,所述第二构造单元202具体用于:
将所述智慧能源站的运行划分为日前优化调度、滚动优化调度和实时控制三个阶段,其中,所述日前优化调度根据可再生能源出力以及用户用能负荷的日前预测建立优化调度模型;所述滚动优化调度根据日内滚动更新的可再生能源出力以及用户用能负荷预测建立优化调度模型;所述实时控制根据不同的突发事件制定实时控制策略。
进一步的,所述第三构造单元203具体用于:
根据所述智慧能源站的设备特性,将站内设备根据启停灵活性按照调度层级划分为三类,其中A类设备为站内承担基荷的设备以及不宜频繁启停或调节功率的设备,此类设备以较低裕度参与日前优化调度,不参与滚动优化调度和实时控制;B类设备包含部分灵活性较强的设备,可以在运行日内滚动更新出力计划,此类设备以较高裕度参与日前优化调度,以较低裕度参与滚动优化调度,不参与实时控制;C类设备为灵活性最强的设备用于应对突发情况,此类设备以较高裕度参与日前优化调度和滚动优化调度,以较低裕度参与实时控制。
进一步的,所述求解单元204具体用于:
在一个运行日前,根据可再生能源出力与用户负荷的日前预测求解所述优化调度模型,得到小时级的日前优化调度计划;
在一个运行日内,持续监测所述智慧能源站的运行状态,滚动更新可再生能源出力与用户负荷的预测,并滚动求解所述优化调度模型,得到分钟级的滚动优化调度计划;
在实时运行中,根据突发事件场景执行所述实时控制策略,得到分钟级的实时控制调度计划;
在求解优化模型过程中,将所述用能优化模型线性化,将原本模型中的决策变量乘积,转化为多个等式或不等式约束的线性表达式,使得原有非线性混合整数规划问题转变为线性混合整数规划问题,并利用线性规划问题的算法进行全局最优求解,以实现所述智慧能源站的最优控制。
所述多时间尺度智慧能源站协同运行控制装置包括处理器和存储器,上述第一处理单元、第二处理单元、第三处理单元和第三处理单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数以解决现有其他综合能源系统优化调度模型不能充分激励可再生能源消纳和碳减排的问题,以及没有充分考虑可再生能源出力不确定性与综合能源系统灵活性的问题。
本申请实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述多时间尺度智慧能源站协同运行控制方法。
本申请实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述多时间尺度智慧能源站协同运行控制方法。
本申请实施例提供了一种电子设备,如图3所示,该电子设备30包括至少一个处理器301、以及与所述处理器连接的至少一个存储器302、总线303;其中,所述处理器301、所述存储器302通过所述总线303完成相互间的通信;处理器301用于调用所述存储器302中的程序指令,以执行上述的所述多时间尺度智慧能源站协同运行控制方法。
本文中的电子设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:
考虑所述智慧能源站的运行成本与绿证-碳交易成本,根据所述智慧能源站设备构成,建立所述智慧能源站的优化调度模型;
构建所述智慧能源站的日前优化调度、滚动优化调度和实时控制三个尺度下的优化调度模型与具体控制算法;
根据所述智慧能源站的设备特性,将所述智慧能源站站内设备根据启停灵活性划分为三类,并以不同裕度参与至不同时间尺度的控制中;
在一个运行日内持续监测所述智慧能源站的运行状态,滚动求解所述优化调度模型,得到所述智慧能源站的最优调度计划。
进一步的,所述考虑所述智慧能源站的运行成本与绿证-碳交易成本,根据所述智慧能源站设备构成,建立所述智慧能源站的优化调度模型,具体为:
根据所述智慧能源站的设备构成,建立所述智慧能源站的优化调度模型,包含独立型设备单元建模与耦合型设备单元建模,建立所述优化调度模型中的设备出力约束、储能状态约束、能量转换约束、能量平衡约束,建立所述优化调度模型中的包括外部能源费用、运维费用、绿证交易成本、碳交易成本的目标函数。
进一步的,所述构建所述智慧能源站的日前优化调度、滚动优化调度和实时控制三个尺度下的优化调度模型与具体控制算法,具体为:
将所述智慧能源站的运行划分为日前优化调度、滚动优化调度和实时控制三个阶段;其中,所述日前优化调度根据可再生能源出力以及用户用能负荷的日前预测建立优化调度模型;所述滚动优化调度根据日内滚动更新的可再生能源出力以及用户用能负荷预测建立优化调度模型;所述实时控制根据不同的突发事件制定实时控制策略。
进一步的,所述根据所述智慧能源站的设备特性,将站内设备根据启停灵活性划分为三类,以不同裕度参与至不同时间尺度的控制中,具体为:
根据所述智慧能源站的设备特性,将站内设备根据启停灵活性按照调度层级划分为三类,其中A类设备为站内承担基荷的设备以及不宜频繁启停或调节功率的设备,此类设备以较低裕度参与日前优化调度,不参与滚动优化调度和实时控制;B类设备包含部分灵活性较强的设备,可以在运行日内滚动更新出力计划,此类设备以较高裕度参与日前优化调度,以较低裕度参与滚动优化调度,不参与实时控制;C类设备为灵活性最强的设备用于应对突发情况,此类设备以较高裕度参与日前优化调度和滚动优化调度,以较低裕度参与实时控制。
进一步的,所述在一个运行日内持续监测所述智慧能源站的运行状态,滚动求解所述优化调度模型,得到所述智慧能源站的最优调度计划,具体为:
在一个运行日前,根据可再生能源出力与用户负荷的日前预测求解所述优化调度模型,得到小时级的日前优化调度计划;
在一个运行日内,持续监测所述智慧能源站的运行状态,滚动更新可再生能源出力与用户负荷的预测,并滚动求解所述优化调度模型,得到分钟级的滚动优化调度计划;
在实时运行中,根据突发事件场景执行所述实时控制策略,得到分钟级的实时控制调度计划;
在求解优化模型过程中,将所述用能优化模型线性化,将原本模型中的决策变量乘积,转化为多个等式或不等式约束的线性表达式,使得原有非线性混合整数规划问题转变为线性混合整数规划问题,并利用线性规划问题的算法进行全局最优求解,以实现所述智慧能源站的最优控制。
本申请是根据本申请实施例的方法、设备(系统)、计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图1个方框或多个方框中指定的功能的装置。
在一个典型的配置中,设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器 (CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
在本申请将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、 CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种多时间尺度智慧能源站协同运行控制方法,其特征在于,用于对智慧能源站进行考虑可再生能源消纳的优化调度,该方法包括:
考虑所述智慧能源站的运行成本与绿证-碳交易成本,根据所述智慧能源站设备构成,建立所述智慧能源站的优化调度模型;
构建所述智慧能源站的日前优化调度、滚动优化调度和实时控制三个尺度下的优化调度模型与具体控制算法;
根据所述智慧能源站的设备特性,将所述智慧能源站站内设备根据启停灵活性划分为三类,并以不同裕度参与至不同时间尺度的控制中;
在一个运行日内持续监测所述智慧能源站的运行状态,滚动求解所述优化调度模型,得到所述智慧能源站的最优调度计划。
2.根据权利要求1所述的方法,其特征在于,所述考虑所述智慧能源站的运行成本与绿证-碳交易成本,根据所述智慧能源站设备构成,建立所述智慧能源站的优化调度模型,具体为:
根据所述智慧能源站的设备构成,建立所述智慧能源站的优化调度模型,包含独立型设备单元建模与耦合型设备单元建模,建立所述优化调度模型中的设备出力约束、储能状态约束、能量转换约束、能量平衡约束,建立所述优化调度模型中的包括外部能源费用、运维费用、绿证交易成本、碳交易成本的目标函数。
3.根据权利要求1所述的方法,其特征在于,所述构建所述智慧能源站的日前优化调度、滚动优化调度和实时控制三个尺度下的优化调度模型与具体控制算法,具体为:
将所述智慧能源站的运行划分为日前优化调度、滚动优化调度和实时控制三个阶段;其中,所述日前优化调度根据可再生能源出力以及用户用能负荷的日前预测建立优化调度模型;所述滚动优化调度根据日内滚动更新的可再生能源出力以及用户用能负荷预测建立优化调度模型;所述实时控制根据不同的突发事件制定实时控制策略。
4.根据权利要求1所述的方法,其特征在于,所述根据所述智慧能源站的设备特性,将站内设备根据启停灵活性划分为三类,以不同裕度参与至不同时间尺度的控制中,具体为:
根据所述智慧能源站的设备特性,将站内设备根据启停灵活性按照调度层级划分为三类,其中A类设备为站内承担基荷的设备以及不宜频繁启停或调节功率的设备,此类设备以较低裕度参与日前优化调度,不参与滚动优化调度和实时控制;B类设备包含部分灵活性较强的设备,可以在运行日内滚动更新出力计划,此类设备以较高裕度参与日前优化调度,以较低裕度参与滚动优化调度,不参与实时控制;C类设备为灵活性最强的设备用于应对突发情况,此类设备以较高裕度参与日前优化调度和滚动优化调度,以较低裕度参与实时控制。
5.根据权利要求1所述的方法,其特征在于,所述在一个运行日内持续监测所述智慧能源站的运行状态,滚动求解所述优化调度模型,得到所述智慧能源站的最优调度计划,具体为:
在一个运行日前,根据可再生能源出力与用户负荷的日前预测求解所述优化调度模型,得到小时级的日前优化调度计划;
在一个运行日内,持续监测所述智慧能源站的运行状态,滚动更新可再生能源出力与用户负荷的预测,并滚动求解所述优化调度模型,得到分钟级的滚动优化调度计划;
在实时运行中,根据突发事件场景执行所述实时控制策略,得到分钟级的实时控制调度计划;
在求解优化模型过程中,将所述用能优化模型线性化,将原本模型中的决策变量乘积,转化为多个等式或不等式约束的线性表达式,使得原有非线性混合整数规划问题转变为线性混合整数规划问题,并利用线性规划问题的算法进行全局最优求解,以实现所述智慧能源站的最优控制。
6.一种多时间尺度智慧能源站协同运行控制装置,其特征在于,用于对智慧能源站进行考虑可再生能源消纳的优化调度,该装置包括:
第一构造单元,用于考虑所述智慧能源站的运行成本与绿证-碳交易成本,结合所述智慧能源站设备构成,建立所述智慧能源站的优化调度模型;
第二构建单元,用于构建所述智慧能源站的日前优化调度、滚动优化调度和实时控制三个尺度下的优化调度模型与具体控制算法;
第三构建单元,用于根据所述智慧能源站的设备特性,将所述智慧能源站站内设备根据启停灵活性划分为三类,并以不同裕度参与至不同时间尺度的控制中;
求解单元,用于在一个运行日内持续监测所述智慧能源站的运行状态,滚动求解所述优化调度模型,得到所述智慧能源站的最优调度计划。
7.根据权利要求6所述的装置,其特征在于,所述第一构造单元具体用于:
根据所述智慧能源站的设备构成,建立所述智慧能源站的优化调度模型,包含独立型设备单元建模与耦合型设备单元建模,建立所述优化调度模型中的设备出力约束、储能状态约束、能量转换约束、能量平衡约束,建立所述优化调度模型中的包括外部能源费用、运维费用、绿证交易成本、碳交易成本的目标函数。
8.根据权利要求6所述的装置,其特征在于,所述第二构造单元具体用于:
将所述智慧能源站的运行划分为日前优化调度、滚动优化调度和实时控制三个阶段,其中,所述日前优化调度根据可再生能源出力以及用户用能负荷的日前预测建立优化调度模型;所述滚动优化调度根据日内滚动更新的可再生能源出力以及用户用能负荷预测建立优化调度模型;所述实时控制根据不同的突发事件制定实时控制策略。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在的设备执行如权利要求1至4中任一项所述的多时间尺度智慧能源站协同运行控制方法。
10.一种电子设备,其特征在于,所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行如权利要求1至4中任一项所述的多时间尺度智慧能源站协同运行控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210544770.7A CN114841454A (zh) | 2022-05-19 | 2022-05-19 | 一种多时间尺度智慧能源站协同运行控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210544770.7A CN114841454A (zh) | 2022-05-19 | 2022-05-19 | 一种多时间尺度智慧能源站协同运行控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114841454A true CN114841454A (zh) | 2022-08-02 |
Family
ID=82571147
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210544770.7A Pending CN114841454A (zh) | 2022-05-19 | 2022-05-19 | 一种多时间尺度智慧能源站协同运行控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114841454A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116613750A (zh) * | 2023-07-18 | 2023-08-18 | 山东大学 | 一种电力系统一体化调度方法、系统、终端设备及介质 |
-
2022
- 2022-05-19 CN CN202210544770.7A patent/CN114841454A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116613750A (zh) * | 2023-07-18 | 2023-08-18 | 山东大学 | 一种电力系统一体化调度方法、系统、终端设备及介质 |
CN116613750B (zh) * | 2023-07-18 | 2023-10-13 | 山东大学 | 一种电力系统一体化调度方法、系统、终端设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Demand response comprehensive incentive mechanism-based multi-time scale optimization scheduling for park integrated energy system | |
Yang et al. | Real-time demand side management for a microgrid considering uncertainties | |
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 | |
CN106505634B (zh) | 基于两阶段协调优化与控制的冷热电联供型微网运行方法 | |
Koltsaklis et al. | Optimal energy planning and scheduling of microgrids | |
Chen et al. | A robust optimization framework for energy management of CCHP users with integrated demand response in electricity market | |
Sun et al. | A novel integrated stochastic programming-information gap decision theory (IGDT) approach for optimization of integrated energy systems (IESs) with multiple uncertainties | |
CN107248751A (zh) | 一种实现配电网负荷功率削峰填谷的储能站调度控制方法 | |
Babonneau et al. | A linear programming model for power distribution with demand response and variable renewable energy | |
CN109962499A (zh) | 一种电网多时间尺度调度方法 | |
CN106684915A (zh) | 一种风氢耦合发电系统的优化方法及装置 | |
Zhang et al. | Optimal scheduling strategy of virtual power plant with power-to-gas in dual energy markets | |
CN112821465A (zh) | 包含热电联产的工业微网负荷优化调度方法与系统 | |
CN117040027B (zh) | 一种农村虚拟电厂的协调优化方法和装置 | |
CN111293682A (zh) | 一种基于协同模型预测控制的多微网能量管理方法 | |
CN111126675A (zh) | 多能互补微网系统优化方法 | |
CN113988714A (zh) | 计及多重不确定性的园区综合能源系统动态规划方法、设备及介质 | |
CN112308411A (zh) | 基于动态碳交易模型的综合能源站随机规划方法及系统 | |
Phan et al. | Facilitating high levels of wind penetration in a smart grid through the optimal utilization of battery storage in microgrids: An analysis of the trade-offs between economic performance and wind generation facilitation | |
CN112001523A (zh) | 考虑多种储能的综合能源多尺度优化调度控制方法及系统 | |
CN114841454A (zh) | 一种多时间尺度智慧能源站协同运行控制方法及装置 | |
Dong et al. | A study on short-term trading and optimal operation strategy for virtual power plant | |
CN112510690A (zh) | 考虑风火储联合和需求响应奖惩的优化调度方法及系统 | |
Holjevac et al. | Modelling aspects of flexible multi-energy microgrids | |
Wang et al. | Optimization study of wind, solar, hydro and hydrogen storage based on improved multi-objective particle swarm optimization |
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 |