CN114925501A - 一种考虑气热惯性的综合能源系统可靠性评估方法 - Google Patents
一种考虑气热惯性的综合能源系统可靠性评估方法 Download PDFInfo
- Publication number
- CN114925501A CN114925501A CN202210449203.3A CN202210449203A CN114925501A CN 114925501 A CN114925501 A CN 114925501A CN 202210449203 A CN202210449203 A CN 202210449203A CN 114925501 A CN114925501 A CN 114925501A
- Authority
- CN
- China
- Prior art keywords
- gas
- heat
- inertia
- energy
- load
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000011156 evaluation Methods 0.000 claims abstract description 43
- 230000007774 longterm Effects 0.000 claims abstract description 15
- 238000013210 evaluation model Methods 0.000 claims abstract description 14
- 239000007789 gas Substances 0.000 claims description 93
- 238000004146 energy storage Methods 0.000 claims description 33
- 238000003860 storage Methods 0.000 claims description 21
- 238000005338 heat storage Methods 0.000 claims description 20
- 230000009467 reduction Effects 0.000 claims description 19
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 16
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 14
- 230000009194 climbing Effects 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 11
- 230000008093 supporting effect Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000005485 electric heating Methods 0.000 claims description 7
- 239000003345 natural gas Substances 0.000 claims description 7
- 238000010248 power generation Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 239000011248 coating agent Substances 0.000 claims description 3
- 238000000576 coating method Methods 0.000 claims description 3
- 230000009125 negative feedback regulation Effects 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 2
- 230000006399 behavior Effects 0.000 claims description 2
- 238000012854 evaluation process Methods 0.000 claims description 2
- 230000003247 decreasing effect Effects 0.000 claims 4
- 230000007423 decrease Effects 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002948 stochastic simulation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明综合能源系统领域,具体涉及一种考虑气热惯性的综合能源系统可靠性评估方法,计及综合能源系统气热慢动态特征蕴含的丰富灵活性,本发明包括:搭建计及气热惯性的综合能源系统可靠性评估模型;分析气热惯性对于综合能源系统可靠性评估结果的影响;研究不同关键设备节点对于综合能源系统长期稳定可靠运行的重要性。本发明为目前综合能源系统可靠性评估提供了新思路。
Description
技术领域
本发明涉及综合能源系统领域,具体涉及一种考虑气热惯性的综合能源系统可靠性评估方法。
背景技术
综合能源系统具有电气热多能互补特性,能够促进能源高效利用、提高可再生能源消纳能力。但同时,综合能源系统中多能耦合增加了运行复杂性与不确定性,给系统安全可靠运行带来挑战,因此有必要充分挖掘综合能源系统灵活性,通过协调优化保障运行可靠性与安全性。相比传统电力系统,多能耦合的综合能源系统中,气热系统的慢动态特性蕴含着丰富的灵活性,将有助于提高系统运行可靠性。
发明内容
本发明提供一种考虑气热惯性的综合能源系统可靠性评估方法,为综合能源系统可靠性评估提供了新思路。
为解决上述技术问题,本发明提供一种考虑气热惯性的综合能源系统可靠性评估方法,包括如下步骤:
(1)建立计及气热惯性的综合能源系统可靠性评估模型,具体包括:
1)提取综合能源系统气热惯性特性;
2)提出两种不同追求目标情况下,可靠性评估模型目标函数;
3)根据综合能源系统实际运行情况,提出可靠性评估模型约束条件;
(2)建立计及气热惯性的综合能源系统可靠性评估流程,具体包括:
1)负荷及光伏年数据生成;
2)元件年状态生成;
3)最优切负荷优化;
4)可靠性评估指标计算;
(3)分析气热惯性对于综合能源系统可靠性评估结果的影响,具体包括:
1)以切负荷最小为目标下气热惯性对综合能源系统可靠性评估分析;
2)与运行成本最下为目标下气热惯性对综合能源可靠性评估影响分析;
3)研究不同关键设备节点对于综合能源系统长期稳定可靠运行的重要性;
进一步,步骤(1)具体为:
1)提取综合能源系统气热惯性特性:
综合能源系统中热能具有惯性特征,一方面,由于传输管道较长,热源与热负荷间存在几分钟到几小时的热时滞;另一方面,热负荷可在舒适度区间内运行,即使热源处停止供热,热负荷也能在长时间内维持舒适温度。由此,热源供热瞬间变化时,由于热管道时滞、热负荷惯性存在,热负荷温度变化相对滞后,可在一定时间内维持舒适温度。
综合能源系统中天然气具有惯性特征,天然气管存具有负反馈调节特性:气负荷增加/减少时,传输管道释放/存储管存,管道压强下降/上升,管存减少/增多,输入流量增加/减少。气管道末端压强与热负荷温度类比,气管存与热管道时滞、热负荷惯性类比,则负荷需求瞬间变化时,由于气管存在,管道末端压强变化相对滞后,可在一定时间内维持适宜压强。
综上,综合能源系统外部供需瞬间变化时,由于缓冲空间存在,系统状态变化相对滞后,可在一定时间内维持可接受状态,气热惯性能够为外部提供一定时间尺度的功率支撑。
2)提出两种不同追求目标情况下,可靠性评估模型目标函数:
第一种情况下,追求削减的各类负荷量最少。以评估周期内(1日为一个完整调度周期,等分为24个时段)系统总供能量最大、切负荷量最小为目标函数,其中k表示时段数。
第二种情况下,将负荷削减赔偿费用、气热惯性出力费用纳入成本,追求运行成本最低。以评估周期内(1日为一个完整调度周期,等分为24个时段)系统运行成本最低为目标函数,其中k表示时段数。
式中:C为综合能源系统总成本;CE、CG、CGR、CHR、CEC、CHC分别为电网出力成本、气网出力成本、气惯性出力成本、热惯性出力成本、电负荷削减赔偿成本、热负荷削减赔偿成本;cG、cGR、cHR、cEC、cHC分别为电网单位出力成本、气网单位出力成本、气惯性单位出力成本、热惯性单位出力成本、电负荷单位削减赔偿成本、热负荷单位削减赔偿成本。
3)根据综合能源系统实际运行情况,提出可靠性评估模型约束条件:
a.电热功率约束
电功率平衡如下:
式中:为时段k光伏发电预测出力,ηT为变压器运行效率,为时段k外部电网供能,为时段k电热联产机组(CHP)提供的电能,为时段k储电放能,为时段k综合能源系统实际供应电负荷,为时段k综合能源系统电负荷预测出力,为时段k电锅炉输入电能,为时段k储电充能,分别为外部电网供能状态、CHP工作状态、储电放能状态、电锅炉工作状态、储电供能状态。
热功率平衡如下:
式中:为时段k电锅炉输出热能,为时段k CHP提供的热能,为时段k燃气锅炉输出热能,为时段k储热放能,为时段k综合能源系统实际供应热负荷,为时段k综合能源系统热负荷预测出力,为时段k储电充能,为时段k热惯性功率支撑; 分别为电锅炉工作状态、燃气锅炉工作状态、储热放能状态、储热供能状态。
b.能量供应侧约束
供电约束如下:
供气约束如下:
c.能量转换侧及储能约束
CHP约束如下:
式中:为时段k外部电网供能;为时段k气惯性功率支撑;为时段k输入CHP的功率;为时段k输入燃气锅炉的功率;分别为CHP机组产生电能、热能的效率;和分别为CHP输入功率上下限;和分别为CHP输入功率的上下爬坡率限制。
电锅炉约束如下:
燃气锅炉约束如下:
储电约束如下:
式中:分别为电储能放电功率上下限; 分别为电储能充电功率上下限;为电储能容量;δES为电储能能量损失率;ηES,charge和ηES,discharge分别为电储能充放电效率;分别为电储能容量上下限。
储热约束如下:
式中:分别为热储能放热功率上下限; 分别为热储能充热功率上下限;为热储能容量;δHS为热储能能量损失率;ηHS,charge和ηHS,discharge和分别为热储能充放电效率;分别为热储能容量上下限。
d.气热惯性约束
气惯性约束如下:
式中:为0-1变量,表示时段k气惯性投入备用,表示时段k气惯性不投入备用;为气惯性可投备用的最大值;为k时段起气惯性备用连续运行时间;max_ONG为气惯性备用最长连续运行时间;为时段起气惯性备用间隔时间;min_OFFG为气惯性备用最短间隔时间。
热惯性约束如下:
式中:为0-1变量,表示时段k热惯性投入备用,表示时段k热惯性不投入备用;为热惯性可投备用的最大值;为k时段起热惯性备用连续运行时间;max_ONH为热惯性备用最长连续运行时间;为时段起热惯性备用间隔时间;max_OFFH为热惯性备用最短间隔时间。
进一步,步骤(2)具体为:
1)负荷及光伏年数据生成:
将一年划分为8760个时段,每时段为一个小时。从综合能源系统园区实际历史数据(每15min采样一次)中,分别抓取每小时所需的电负荷、热负荷以及光伏年数据如下,其结果将作为数据输入参数。
2)元件年状态生成:
基于马尔可夫两状态模型生成元件年状态,利用蒙特卡洛法,模拟综合能源系统元件一年内的状态变化行为,其结果将作为可用性状态变量输入参数,得到系统元件状态。
基于马尔可夫两状态模型生成元件年状态,假设元件修复率为μ,则元件i停运模型为:
pi(t)=1-e-μt
可得到系统元件整体状态为:
pi(t)=(ft CHP,ft GB,ft EB,ft ES,charge,ft HS,charge)
3)最优切负荷优化:
最优切负荷步骤主要有:①设定Monte-Carlo随机模拟次数初始值n=1,随机模拟总次数N=1000;②设定年最优切负荷计算区块初始值m=1,随机模拟总次数M=365;③选取第m个24h区块,基于生成的源荷数据、元件状态,综合考虑电热功率平衡、各能量供应设备、能量转换设备运行约束,进行以24h为全周期的最优切负荷计算;④若m=365,则年最优切负荷过程结束,转步骤⑤;若m<365,则转步骤③,m=m+1;⑤若n=1000,则Monte-Carlo随机模拟过程结束;若n<1000,则转步骤②,n=n+1。
4)可靠性评估指标计算:
能量转换设备i的重要性评估指标si表达如下,重要性评估指标越大,该能量转换设备对系统可靠性的影响越大。
进一步,步骤(3)具体为:
1)以切负荷最小为目标下气热惯性对综合能源系统可靠性评估分析:
以切负荷量最小为目标,计及/不计及综合能源系统气热惯性,开展为期一年的长期可靠性评估。计及气热惯性的功率支撑作用有效减少了系统年总切负荷量,提高了最大总供能量,其中最大供电量、供热量均有所增加,而年能量不足时间和年能量不足概率均明显降低。
2)与运行成本最下为目标下气热惯性对综合能源可靠性评估影响分析:
以运行成本最小为目标,计及/不计及综合能源系统气热惯性,开展为期一年的长期可靠性评估。考虑气热惯性的功率支撑作用,系统年运行成本明显降低,经济性得到优化。同时,系统的最大供能量得到增长,负荷削减的幅度、时间、频率均相应减少,综合能源系统可靠性明显提高。
3)研究不同关键设备节点对于综合能源系统长期稳定可靠运行的重要性:
计及气热惯性的功率支撑作用,对各关键设备的重要性排序为:热电联产机组>电锅炉>燃气锅炉>储热>储电。一方面,不同关键设备的重要性与设备故障率相关,设备本身故障率越高,则对综合可靠性的威胁越大。另一方面,不同关键设备的重要性与设备关键程度相关。能量转换设备的重要性评估指标越大,其对系统可靠性的影响越大,为系统需要重点关注和实施防护的薄弱节点,以降低系统运行风险。
重要性评估指标较大的关键设备,是系统运行者需要重点布置防护的薄弱节点。不同的是,不计及气热惯性的情况下,各关键设备的重要性评估指标更大,原因是该情况下,由于系统功率支撑能力较弱,可靠性较差,即使发生关键设备的单项故障时,也可能会造成较严重的负荷削减后果。由此可以证明,计及气热惯性有利于系统的长期可靠稳定运行。
附图说明
为了更清楚地说明本发明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。
图1为可靠性评估步骤流程图;
图2为综合能源系统气热惯性示意图;
图3为Case7与Case21年切负荷量对比分析示意图;
图4为Case14与Case28年出力成本对比分析示意图。
具体实施方式
以下将结合具体实例对本发明提供的技术方案进行详细说明,应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。
一种考虑气热惯性的综合能源系统可靠性评估方法,如图1所示,包括如下步骤:
(1)建立计及气热惯性的综合能源系统可靠性评估模型,具体包括:
1)提取综合能源系统气热惯性特性:
综合能源系统中热能具有惯性特征,如图2(a)所示,一方面,由于传输管道较长,热源与热负荷间存在几分钟到几小时的热时滞;另一方面,热负荷可在舒适度区间内运行,即使热源处停止供热,由于热惯性,热负荷也能在长时间内维持舒适温度。由此,热源供热瞬间变化时,由于热管道时滞、热负荷惯性存在,热负荷温度变化相对滞后,可在一定时间内维持舒适温度。
同样的,综合能源系统中天然气具有惯性特征,如图2(b)所示,天然气管存具有负反馈调节特性:气负荷增加时,传输管道释放部分管存给负荷,管道压强下降,管存减少,输入流量增加;气负荷减少时,传输管道存储部分气源供给的天然气,管道压强上升,管存增加,输入流量减少。考虑到原理的相似性,此处将气管道末端压强类比为热负荷温度,气管存类比为热管道时滞、热负荷惯性,可得,负荷需求瞬间变化时,由于气管存在,管道末端压强变化相对滞后,可在一定时间内维持适宜压强。
综上,综合能源系统外部供需瞬间变化时,由于缓冲空间存在,系统状态变化相对滞后,可在一定时间内维持可接受状态,因此气热惯性能够为外部提供一定时间尺度的功率支撑。
2)提出两种不同追求目标情况下,可靠性评估模型目标函数:
第一种情况下,追求削减的各类负荷量最少。
第二种情况下,将负荷削减赔偿费用、气热惯性出力费用纳入成本,追求运行成本最低。
式中:C为综合能源系统总成本;CE、CG、CGR、CHR、CEC、CHC分别为电网出力成本、气网出力成本、气惯性出力成本、热惯性出力成本、电负荷削减赔偿成本、热负荷削减赔偿成本;cG、cGR、cHR、cEC、cHC分别为电网单位出力成本、气网单位出力成本、气惯性单位出力成本、热惯性单位出力成本、电负荷单位削减赔偿成本、热负荷单位削减赔偿成本。
3)根据综合能源系统实际运行情况,提出可靠性评估模型约束条件:
b.电热功率约束
电功率平衡如下:
式中:为时段k光伏发电预测出力,ηT为变压器运行效率,为时段k外部电网供能,为时段k电热联产机组(CHP)提供的电能,为时段k储电放能,为时段k综合能源系统实际供应电负荷,为时段k综合能源系统电负荷预测出力,为时段k电锅炉输入电能,为时段k储电充能,分别为外部电网供能状态、CHP工作状态、储电放能状态、电锅炉工作状态、储电供能状态;
热功率平衡如下:
式中:为时段k电锅炉输出热能,为时段k CHP提供的热能,为时段k燃气锅炉输出热能,为时段k储热放能,为时段k综合能源系统实际供应热负荷,为时段k综合能源系统热负荷预测出力,为时段k储电充能,为时段k热惯性功率支撑; 分别为电锅炉工作状态、燃气锅炉工作状态、储热放能状态、储热供能状态。
c.能量供应侧约束
供电约束如下:
供气约束如下:
d.能量转换侧及储能约束
CHP约束如下:
式中:为时段k外部电网供能;为时段k气惯性功率支撑;为时段k输入CHP的功率;为时段k输入燃气锅炉的功率;分别为CHP机组产生电能、热能的效率;和分别为CHP输入功率上下限;和分别为CHP输入功率的上下爬坡率限制。
电锅炉约束如下:
燃气锅炉约束如下:
储电约束如下:
式中:分别为电储能放电功率上下限; 分别为电储能充电功率上下限;为电储能容量;δES为电储能能量损失率;ηES,charge和ηES,discharge分别为电储能充放电效率;分别为电储能容量上下限。
储热约束如下:
式中:分别为热储能放热功率上下限; 分别为热储能充热功率上下限;为热储能容量;δHS为热储能能量损失率;ηHS,charge和ηHS,discharge和分别为热储能充放电效率;分别为热储能容量上下限。
e.气热惯性约束
气惯性约束如下:
式中:为0-1变量,表示时段k气惯性投入备用,表示时段k气惯性不投入备用;为气惯性可投备用的最大值;为k时段起气惯性备用连续运行时间;max_ONG为气惯性备用最长连续运行时间;为时段起气惯性备用间隔时间;min_OFFG为气惯性备用最短间隔时间。
热惯性约束如下:
式中:为0-1变量,表示时段k热惯性投入备用,表示时段k热惯性不投入备用;为热惯性可投备用的最大值;为k时段起热惯性备用连续运行时间;max_ONH为热惯性备用最长连续运行时间;为时段起热惯性备用间隔时间;max_OFFH为热惯性备用最短间隔时间。
(2)建立计及气热惯性的综合能源系统可靠性评估流程,具体包括:
1)负荷及光伏年数据生成:
从综合能源系统园区实际历史数据(每15min采样一次)中,分别抓取每小时所需的电负荷、热负荷以及光伏年数据如下,其结果将作为数据输入参数。
2)元件年状态生成:
基于马尔可夫两状态模型生成元件年状态,假设元件修复率为μ,则元件i停运模型为:
pi(t)=1-e-μt
可得到系统元件整体状态为:
pi(t)=(ft CHP,ft GB,ft EB,ft ES,charge,ft HS,charge)
3)最优切负荷优化:
最优切负荷步骤主要有:①设定Monte-Carlo随机模拟次数初始值n=1,随机模拟总次数N=1000;②设定年最优切负荷计算区块初始值m=1,随机模拟总次数M=365;③选取第m个24h区块,基于生成的源荷数据、元件状态,综合考虑电热功率平衡、各能量供应设备、能量转换设备运行约束,进行以24h为全周期的最优切负荷计算;④若m=365,则年最优切负荷过程结束,转步骤⑤;若m<365,则转步骤③,m=m+1;⑤若n=1000,则Monte-Carlo随机模拟过程结束;若n<1000,则转步骤②,n=n+1。
4)可靠性评估指标计算:
能量转换设备i的重要性评估指标si表达如下,重要性评估指标越大,该能量转换设备对系统可靠性的影响越大。
(3)分析气热惯性对于综合能源系统可靠性评估结果的影响,具体包括:
本方法所有21种案例列举如表1,不同各关键设备节点故障率如表2所示:
表1 不同案例描述
表2 不同案例描述
1)以切负荷最小为目标下气热惯性对综合能源系统可靠性评估分析:
以切负荷量最小为目标,计及/不计及综合能源系统气热惯性,开展为期一年的长期可靠性评估,结果如表3与图3所示。
表3 Case7与Case21结果对比
计及/不计及系统气热惯性特征下,选取典型元件年状态。一年之中,电热总负荷量较高时,更易发生能量供应不足事件。与不计及气热惯性功率支撑作用相比,计及气热惯性时发生切负荷动作的次数明显减少,切负荷幅度一定程度减小。可以得知,考虑综合能源系统气热惯性的功率支撑作用,能够同时降低切除负荷的大小和频率,有效缓解较重负荷带来的系统运行风险,提高系统长期运行可靠性。
2)与运行成本最下为目标下气热惯性对综合能源可靠性评估影响分析:
以运行成本最小为目标,计及/不计及综合能源系统气热惯性,开展为期一年的长期可靠性评估,结果如表4与图4所示。
表4 Case14与Case28结果对比
计及/不计及系统气热惯性特征下,选取典型元件年状态与不计及气热惯性功率支撑作用相比,计及气热惯性时由于电热负荷削减赔偿费用的降低,运行成本明显降低。可以得知,考虑综合能源系统气热惯性的功率支撑作用,能够降低系统运行成本,提高系统运行经济性。
3)研究不同关键设备节点对于综合能源系统长期稳定可靠运行的重要性:
计及气热惯性的功率支撑作用,根据Case2-Case6结果,各算例年总切负荷量、各关键设备重要性评估指标如表5所示,已知Case7中,年总切负荷量为77049kW。
表5 Case2-Case6结果对比
由以上结果,各关键设备的重要性排序为:热电联产机组>电锅炉>燃气锅炉>储热>储电。一方面,不同关键设备的重要性与设备故障率相关,设备本身故障率越高,则对综合可靠性的威胁越大。另一方面,不同关键设备的重要性与设备关键程度相关,举例来说,热电联产机组同时承担供电、供气功能,设备耦合程度高、供应功率大,因此其发生故障时,其余设备难以完全提供功率支撑,对系统可靠性影响更大;燃气锅炉作为气供热典型设备,设备耦合程度低、供应功率小,因此在其发生故障时,热电联产机组、储热、气惯性、热惯性的协同调节能够缓冲其对系统可靠性的影响。能量转换设备的重要性评估指标越大,其对系统可靠性的影响越大,为系统需要重点关注和实施防护的薄弱节点,以降低系统运行风险。
不计及气热惯性的功率支撑,根据Case15-Cse21的结果,各算例年总切负荷量、各关键设备重要性评估指标如下所示,已知Case21中,年总切负荷量为85548kW。
表6 Case16-Case20算例结果
受到设备故障率以及关键程度影响,计及/不计及气热惯性特性下,各关键设备的重要性排序不变。可见,重要性评估指标较大的关键设备,的确是系统运行者需要重点布置防护的薄弱节点。不同的是,不计及气热惯性的情况下,各关键设备的重要性评估指标更大,原因是该情况下,由于系统功率支撑能力较弱,可靠性较差,即使发生关键设备的单项故障时,也可能会造成较严重的负荷削减后果。由此可以证明,计及气热惯性有利于系统的长期可靠稳定运行。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段,还包括由以上技术特征任意组合所组成的技术方案。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰。这些改进和润饰也视为本发明的保护范围。
Claims (4)
1.一种考虑气热惯性的综合能源系统可靠性评估方法,其特征在于,包括如下步骤:
(1)建立计及气热惯性的综合能源系统可靠性评估模型,具体包括:
1)提取综合能源系统气热惯性特性;
2)提出两种不同追求目标情况下,可靠性评估模型目标函数;
3)根据综合能源系统实际运行情况,提出可靠性评估模型约束条件;
(2)建立计及气热惯性的综合能源系统可靠性评估流程,具体包括:
1)负荷及光伏年数据生成;
2)元件年状态生成;
3)最优切负荷优化;
4)可靠性评估指标计算;
(3)分析气热惯性对于综合能源系统可靠性评估结果的影响,具体包括:
1)以切负荷最小为目标下气热惯性对综合能源系统可靠性评估分析;
2)与运行成本最下为目标下气热惯性对综合能源可靠性评估影响分析;
3)研究不同关键设备节点对于综合能源系统长期稳定可靠运行的重要性。
2.根据权利要求1所述的一种考虑气热惯性的综合能源系统可靠性评估方法,其特征在于,步骤(1)具体为:
1)提取综合能源系统气热惯性特性:
综合能源系统中热能具有惯性特征,一方面,由于传输管道较长,热源与热负荷间存在几分钟到几小时的热时滞;另一方面,热负荷可在舒适度区间内运行,当热源供热瞬间变化时,由于热管道时滞、热负荷惯性存在,热负荷温度变化相对滞后,可在一定时间内维持舒适温度;
综合能源系统中天然气具有惯性特征,天然气管存具有负反馈调节特性:气负荷增加/减少时,传输管道释放/存储管存,管道压强下降/上升,管存减少/增多,输入流量增加/减少,气管道末端压强与热负荷温度类比,气管存与热管道时滞、热负荷惯性类比,则负荷需求瞬间变化时,由于气管存在,管道末端压强变化相对滞后,可在一定时间内维持适宜压强;
综上,综合能源系统外部供需瞬间变化时,由于缓冲空间存在,系统状态变化相对滞后,可在一定时间内维持可接受状态,气热惯性能够为外部提供一定时间尺度的功率支撑;
2)提出两种不同追求目标情况下,可靠性评估模型目标函数:
第一种情况下,追求削减的各类负荷量最少,以评估周期内系统总供能量最大、切负荷量最小为目标函数,其中k表示时段数;
第二种情况下,将负荷削减赔偿费用、气热惯性出力费用纳入成本,追求运行成本最低,以评估周期内系统运行成本最低为目标函数,其中k表示时段数;
式中:C为综合能源系统总成本;CE、CG、CGR、CHR、CEC、CHC分别为电网出力成本、气网出力成本、气惯性出力成本、热惯性出力成本、电负荷削减赔偿成本、热负荷削减赔偿成本;cG、cGR、cHR、cEC、cHC分别为电网单位出力成本、气网单位出力成本、气惯性单位出力成本、热惯性单位出力成本、电负荷单位削减赔偿成本、热负荷单位削减赔偿成本;
3)根据综合能源系统实际运行情况,提出可靠性评估模型约束条件:
a.电热功率约束
电功率平衡如下:
式中:为时段k光伏发电预测出力,ηT为变压器运行效率,为时段k外部电网供能,为时段k电热联产机组提供的电能,为时段k储电放能,为时段k综合能源系统实际供应电负荷,为时段k综合能源系统电负荷预测出力,为时段k电锅炉输入电能,为时段k储电充能,分别为外部电网供能状态、电热联产机组工作状态、储电放能状态、电锅炉工作状态、储电供能状态;
热功率平衡如下:
式中:为时段k电锅炉输出热能,为时段kCHP提供的热能,为时段k燃气锅炉输出热能,为时段k储热放能,为时段k综合能源系统实际供应热负荷,为时段k综合能源系统热负荷预测出力,为时段k储电充能,为时段k热惯性功率支撑; 分别为电锅炉工作状态、燃气锅炉工作状态、储热放能状态、储热供能状态;
b.能量供应侧约束
供电约束如下:
供气约束如下:
c.能量转换侧及储能约束
电热联产机组约束如下:
式中:为时段k外部电网供能;为时段k气惯性功率支撑;为时段k输入电热联产机组的功率;为时段k输入燃气锅炉的功率;分别为电热联产机组机组产生电能、热能的效率;和分别为电热联产机组输入功率上下限;和分别为CHP输入功率的上下爬坡率限制;
电锅炉约束如下:
燃气锅炉约束如下:
储电约束如下:
式中:分别为电储能放电功率上下限; 分别为电储能充电功率上下限;为电储能容量;δES为电储能能量损失率;ηES,charge和ηES,discharge分别为电储能充放电效率;分别为电储能容量上下限;
储热约束如下:
式中:分别为热储能放热功率上下限; 分别为热储能充热功率上下限;为热储能容量;δHS为热储能能量损失率;ηHS,charge和ηHS,dischqrge和分别为热储能充放电效率;分别为热储能容量上下限;
d.气热惯性约束
气惯性约束如下:
式中:为0-1变量,表示时段k气惯性投入备用,表示时段k气惯性不投入备用;为气惯性可投备用的最大值;为k时段起气惯性备用连续运行时间;max_ONG为气惯性备用最长连续运行时间;为时段起气惯性备用间隔时间;min_OFFG为气惯性备用最短间隔时间;
热惯性约束如下:
3.根据权利要求1所述的一种考虑气热惯性的综合能源系统可靠性评估方法,其特征在于,步骤(2)具体为:
1)负荷及光伏年数据生成:
将一年划分为8760个时段,每时段为一个小时,从综合能源系统园区实际历史数据(每15min采样一次)中,分别抓取每小时所需的电负荷、热负荷以及光伏年数据如下,其结果将作为数据输入参数;
2)元件年状态生成:
基于马尔可夫两状态模型生成元件年状态,利用蒙特卡洛法,模拟综合能源系统元件一年内的状态变化行为,其结果将作为可用性状态变量输入参数,得到系统元件状态;
基于马尔可夫两状态模型生成元件年状态,假设元件修复率为μ,则元件i停运模型为:
pi(t)=1-e-μt
可得到系统元件整体状态为:
pi(t)=(ft CHP,ft GB,ft EB,ft ES,charge,ft HS,charge)
3)最优切负荷优化:
最优切负荷步骤主要有:①设定Monte-Carlo随机模拟次数初始值n=1,随机模拟总次数N=1000;②设定年最优切负荷计算区块初始值m=1,随机模拟总次数M=365;③选取第m个24h区块,基于生成的源荷数据、元件状态,综合考虑电热功率平衡、各能量供应设备、能量转换设备运行约束,进行以24h为全周期的最优切负荷计算;④若m=365,则年最优切负荷过程结束,转步骤⑤;若m<365,则转步骤③,m=m+1;⑤若n=1000,则Monte-Carlo随机模拟过程结束;若n<1000,则转步骤②,n=n+1;
4)可靠性评估指标计算:
能量转换设备i的重要性评估指标si表达如下,重要性评估指标越大,该能量转换设备对系统可靠性的影响越大;
4.根据权利要求1所述的一种考虑气热惯性的综合能源系统可靠性评估方法,其特征在于,步骤(3)具体为:
1)以切负荷最小为目标下气热惯性对综合能源系统可靠性评估分析:
以切负荷量最小为目标,计及/不计及综合能源系统气热惯性,开展为期一年的长期可靠性评估,计及气热惯性的功率支撑作用有效减少了系统年总切负荷量,提高了最大总供能量,其中最大供电量、供热量均有所增加,而年能量不足时间和年能量不足概率均明显降低;
2)与运行成本最下为目标下气热惯性对综合能源可靠性评估影响分析:
以运行成本最小为目标,计及/不计及综合能源系统气热惯性,开展为期一年的长期可靠性评估,考虑气热惯性的功率支撑作用,系统年运行成本明显降低,经济性得到优化,同时,系统的最大供能量得到增长,负荷削减的幅度、时间、频率均相应减少,综合能源系统可靠性明显提高;
3)研究不同关键设备节点对于综合能源系统长期稳定可靠运行的重要性:
计及气热惯性的功率支撑作用,可得各关键设备的重要性排序为:热电联产机组>电锅炉>燃气锅炉>储热>储电,一方面,不同关键设备的重要性与设备故障率相关,设备本身故障率越高,则对综合可靠性的威胁越大,另一方面,不同关键设备的重要性与设备关键程度相关,能量转换设备的重要性评估指标越大,其对系统可靠性的影响越大,为系统需要重点关注和实施防护的薄弱节点,以降低系统运行风险;
重要性评估指标较大的关键设备,是系统运行者需要重点布置防护的薄弱节点,不同的是,不计及气热惯性的情况下,各关键设备的重要性评估指标更大,原因是该情况下,由于系统功率支撑能力较弱,可靠性较差,即使发生关键设备的单项故障时,也可能会造成较严重的负荷削减后果,因而计及气热惯性有利于系统的长期可靠稳定运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210449203.3A CN114925501B (zh) | 2022-04-26 | 2022-04-26 | 一种考虑气热惯性的综合能源系统可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210449203.3A CN114925501B (zh) | 2022-04-26 | 2022-04-26 | 一种考虑气热惯性的综合能源系统可靠性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114925501A true CN114925501A (zh) | 2022-08-19 |
CN114925501B CN114925501B (zh) | 2024-10-01 |
Family
ID=82805924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210449203.3A Active CN114925501B (zh) | 2022-04-26 | 2022-04-26 | 一种考虑气热惯性的综合能源系统可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114925501B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116484629A (zh) * | 2023-04-28 | 2023-07-25 | 中国长江电力股份有限公司 | 一种计及老化失效的电-热综合能源系统可靠性评估方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110417053A (zh) * | 2019-07-29 | 2019-11-05 | 重庆大学 | 计及综合需求响应的多能源系统可靠性评估方法 |
CN113283107A (zh) * | 2021-06-10 | 2021-08-20 | 东南大学 | 一种综合能源系统中气热系统惯性特征的评估方法及模型 |
WO2022000700A1 (zh) * | 2020-07-03 | 2022-01-06 | 南京东博智慧能源研究院有限公司 | 一种气热惯性备用参与园区综合能源系统备用配置方法 |
-
2022
- 2022-04-26 CN CN202210449203.3A patent/CN114925501B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110417053A (zh) * | 2019-07-29 | 2019-11-05 | 重庆大学 | 计及综合需求响应的多能源系统可靠性评估方法 |
WO2022000700A1 (zh) * | 2020-07-03 | 2022-01-06 | 南京东博智慧能源研究院有限公司 | 一种气热惯性备用参与园区综合能源系统备用配置方法 |
CN113283107A (zh) * | 2021-06-10 | 2021-08-20 | 东南大学 | 一种综合能源系统中气热系统惯性特征的评估方法及模型 |
Non-Patent Citations (3)
Title |
---|
倪伟 等: "基于马尔可夫过程蒙特卡洛法的综合能源系统可靠性评估", 电网技术, no. 01, 7 November 2019 (2019-11-07) * |
孙维佳 等: "考虑气热惯性的综合能源系统备用配置方案", 电力系统自动化, 12 April 2021 (2021-04-12) * |
孙维佳: "考虑气热惯性的综合能源系统优化运行及可靠性评估方法", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, 15 January 2024 (2024-01-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116484629A (zh) * | 2023-04-28 | 2023-07-25 | 中国长江电力股份有限公司 | 一种计及老化失效的电-热综合能源系统可靠性评估方法 |
CN116484629B (zh) * | 2023-04-28 | 2024-07-16 | 中国长江电力股份有限公司 | 一种计及老化失效的电-热综合能源系统可靠性评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114925501B (zh) | 2024-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108717594B (zh) | 一种冷热电联供型多微网系统经济优化调度方法 | |
CN109325621B (zh) | 一种园区能源互联网两阶段优化调度控制方法 | |
CN103151797A (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
CN114707289B (zh) | 基于机会约束的电热耦合综合能源系统多目标优化方法 | |
CN111355265A (zh) | 一种微电网能量两阶段鲁棒优化方法及系统 | |
CN110941799A (zh) | 一种考虑系统综合不确定性因素的能量枢纽随机规划方法 | |
CN109543889A (zh) | 一种区域综合能源系统日前协同优化运行方法 | |
CN105305423A (zh) | 一种考虑间歇性能源不确定性的最优误差边界的确定方法 | |
Mladenov et al. | Characterisation and evaluation of flexibility of electrical power system | |
CN105244870A (zh) | 一种快速计算电网风电场弃风率及机组发电量的方法 | |
CN113158547B (zh) | 计及经济性和可靠性的区域综合能源系统优化配置方法 | |
CN114925501A (zh) | 一种考虑气热惯性的综合能源系统可靠性评估方法 | |
CN104201704B (zh) | 一种含小水电群、风电的地区电网备用容量确定方法 | |
CN115313506A (zh) | 一种风火储协同优化控制方法、装置及存储介质 | |
Alizad et al. | Optimal stochastic scheduling of an energy hub considering thermal demand response and power to gas technology | |
Jun et al. | Comprehensive Evaluation of Microgrid Planning Scheme based on AHP-Entropy method | |
Li et al. | The expansion planning of wind-thermal co-generation system based on harmony search algorithm under smart grid | |
Ma et al. | Multi-Point Layout Planning of Multi-Energy Power Supplies Based on Time-series Production Simulation | |
CN109447369B (zh) | 一种基于模拟退火算法的考虑多因素的产能端功率分配方法 | |
Zhang et al. | Mutli-objective optimized operation of integrated energy system with solar and wind renewables | |
CN112054553A (zh) | 电热气互联系统协调优化运行方法、系统、介质及设备 | |
Zhou et al. | Optimal Dispatching of Power System by Introducing Concentrating Solar Power Station to Promote Large-scale Wind Power and Photovoltaic Accommodation | |
Crosara et al. | Generation adequacy in the Nordic and Baltic area: The potential of flexible residential electric heating | |
Huan et al. | Evaluating transmission network flexibility considering uncertainties | |
Hao et al. | Intra-day rolling dispatch considering large-scale wind power participation in primary frequency regulation and unit fast start-up capability |
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 |