CN114971091A - 一种基于信息物理融合的微能源网优化调度的方法 - Google Patents

一种基于信息物理融合的微能源网优化调度的方法 Download PDF

Info

Publication number
CN114971091A
CN114971091A CN202210901949.3A CN202210901949A CN114971091A CN 114971091 A CN114971091 A CN 114971091A CN 202210901949 A CN202210901949 A CN 202210901949A CN 114971091 A CN114971091 A CN 114971091A
Authority
CN
China
Prior art keywords
time
energy
real
information
representing
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
CN202210901949.3A
Other languages
English (en)
Other versions
CN114971091B (zh
Inventor
李鹏
张凡
马溪原
姚森敬
杨铎烔
陈元峰
俞靖一
黄言璐
张子昊
陈炎森
许一泽
李卓环
包涛
程凯
周悦
王鹏宇
严雯
吴子盈
吴耀锋
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.)
Southern Power Grid Digital Grid Research Institute Co Ltd
Original Assignee
Southern Power Grid Digital Grid Research Institute Co Ltd
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 Southern Power Grid Digital Grid Research Institute Co Ltd filed Critical Southern Power Grid Digital Grid Research Institute Co Ltd
Priority to CN202210901949.3A priority Critical patent/CN114971091B/zh
Publication of CN114971091A publication Critical patent/CN114971091A/zh
Application granted granted Critical
Publication of CN114971091B publication Critical patent/CN114971091B/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
    • G06Q10/04—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0283—Price estimation or determination
    • 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
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Primary Health Care (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Public Health (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Water Supply & Treatment (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于信息物理融合的微能源网优化调度方法，在稳态系统研究下，基于信息物理融合技术，从主体实时状态、状态转移路径以及路径决策过程三层构建了微能源网优化调度模型，实现对微能源网全系统的即时感知、分析、决策和控制，从而实现微能源网的动态稳定运行；包括：S1:针对微能源网当中的各类关键主体设备，提取关键变量并用特征向量对其实时运行状态进行描述；S2:针对微能源网当中的物理能源系统用状态机模型构建统一的状态转移路径模型，描述其各自的状态、状态转移路径与状态更新路径；S3:综合考虑内外部能源的实时需求以及能量流、信息流的实时态势，对系统内的各类能源设备的运行状态下达经济优化调度决策指令。

Description

一种基于信息物理融合的微能源网优化调度的方法
技术领域
本发明涉及微能源网优化调度技术领域，具体涉及一种基于信息物理融合的微能源网优化调度方法。
背景技术
随着“双碳”目标的提出，引发了可再生能源的进一步渗透和多种新型能源生产、转化、存储、消费设备的快速发展，构建了综合能源网络。微能源网是其中独立的子系统。为结合智能监测以及通信技术实现对微能源网全系统及其内部各类设备的运行状态的可观可控，对微能源网及其内部各类设备进行实时精准的状态优化调度，亟需通过新型的建模方式对微能源网实时调控全流程的特性进行抽象描述。
在微能源网内部结构方面，文献《基于能源集线器的微能源网建模与多目标优化调度》（陈丽萍,林晓明,许苑,李涛,林琳,黄春艳.基于能源集线器的微能源网建模与多目标优化调度[J].电力系统保护与控制,2019,47(06):9-16.）和《冷热电气多能互补的微能源网鲁棒优化调度》（邹云阳,杨莉,李佳勇,肖磊,叶浩,林振智.冷热电气多能互补的微能源网鲁棒优化调度[J].电力系统自动化,2019,43(14):65-72.）中均考虑了冷、热、气、电等多种能源类型，并提出能源集线器的概念对能源进行综合优化调控。对于能源领域的CPS架构探索，文献《微电网CPS体系架构及其物理端研究》（刘汉宇,牟龙华.微电网CPS体系架构及其物理端研究[J].电力自动化设备,2012,32(05):34-37.）首次提出将CPS技术嵌入到微电网建设中，作者将微电网CPS体系框架划分成六大控制层并对每个控制层的功能和作用进行了描述。对于电力CPS的建模理论：文献《电力信息物理融合系统的建模分析与控制研究框架》（赵俊华,文福拴,薛禹胜,董朝阳.电力信息物理融合系统的建模分析与控制研究框架[J].电力系统自动化,2011,35(16):1-8.）在论文中所提到的将电力信息系统分为计算、通信、传感３个能够完成电力CPS的基本环节。但该模型弱化了两者间的耦合关系。需进一步考虑如何能够构建信息-物理系统的整体模型，使用统一的计算框架对信息流与能量流之间的相互影响进行定量评估。
现今对于微能源网优化调度方法缺乏信息物理的融合，且信息物理融合系统的模型侧重定性分析信息系统对物理系统的影响，缺乏对于信息系统中数据利用全流程的具体描述，无法实现考虑系统实时状态动态变化下以经济性为目标的微能源网最优状态牵引，且不可全面定量分析并体现信息-物理的双向交互影响。
发明内容
本发明提供一种基于信息物理融合的微能源网优化调度方法，能够采用信息物理融合理论针对微能源网的实时智能调控全流程进行建模分析，并通过对物理系统以及信息系统的优化分析信息-物理的双向交互影响。
本发明提供一种基于信息物理融合的微能源网优化调度方法，包括：
S1：针对微能源网中的信息处理设备和能源利用设备，分别提取关键变量，用特征向量对全系统内的各类关键主体的实时运行状态进行描述。
（一）信息处理设备
（1）传感器
Figure 806332DEST_PATH_IMAGE001
Figure 316948DEST_PATH_IMAGE002
其中，
Figure 96685DEST_PATH_IMAGE003
表示传感设备运行的时刻信息；
Figure 491894DEST_PATH_IMAGE004
表示传感器的采集周期；
Figure 509529DEST_PATH_IMAGE005
表示采集点的数据信息；
Figure 331991DEST_PATH_IMAGE006
表示物理能源利用设备的多维连续运行变量；
Figure 599024DEST_PATH_IMAGE007
为时间延迟为
Figure 656979DEST_PATH_IMAGE004
的冲激函数。
（2）控制器
Figure 325858DEST_PATH_IMAGE008
其中，
Figure 319222DEST_PATH_IMAGE009
表示控制器的控制周期；
Figure 542393DEST_PATH_IMAGE010
表示对
Figure 279404DEST_PATH_IMAGE011
时刻运行系统的调控指令。
（3）信息集线器（以电能为例）
Figure 802790DEST_PATH_IMAGE012
其中，
Figure 826109DEST_PATH_IMAGE013
表示电能信息集线器连接的传感器设备数量；
Figure 67735DEST_PATH_IMAGE014
表示
Figure 342858DEST_PATH_IMAGE015
时刻的电能供应信息；
Figure 986329DEST_PATH_IMAGE016
表示
Figure 790337DEST_PATH_IMAGE015
时刻的用电需求信息。
（4）调节信息集线器
Figure 519259DEST_PATH_IMAGE017
其中，
Figure 598073DEST_PATH_IMAGE018
表示微能源网与电网主网进行电能量交易的实时交易价格信息；
Figure 423947DEST_PATH_IMAGE019
表示风电机组度电供电成本信息；
Figure 195594DEST_PATH_IMAGE020
表示光伏发电机组的度电供电信息；
Figure 146232DEST_PATH_IMAGE021
表示天然气的交易价格信息；
Figure 763158DEST_PATH_IMAGE022
表示信息物理融合的微能源网系统的优化调度目标。
（5）数据存储设备
Figure 115642DEST_PATH_IMAGE023
Figure 58190DEST_PATH_IMAGE024
Figure 496125DEST_PATH_IMAGE025
Figure 510217DEST_PATH_IMAGE026
Figure 982787DEST_PATH_IMAGE027
Figure 96237DEST_PATH_IMAGE028
其中，
Figure 490309DEST_PATH_IMAGE011
表示时刻信息；
Figure 714617DEST_PATH_IMAGE029
表示数据存储时间周期；
Figure 776114DEST_PATH_IMAGE030
表示整数；
Figure 653940DEST_PATH_IMAGE031
表示以
Figure 66467DEST_PATH_IMAGE032
为周期的冲激函数；
Figure 94465DEST_PATH_IMAGE033
是一个
Figure 744890DEST_PATH_IMAGE034
的矩阵，表示存储数据信息，其中
Figure 934563DEST_PATH_IMAGE035
为存储数据的种类数量，
Figure 834385DEST_PATH_IMAGE036
为监测时间点数量；
Figure 400496DEST_PATH_IMAGE037
表示所有采样的数据信息；
Figure 295640DEST_PATH_IMAGE038
表示数据存储量；
Figure 656214DEST_PATH_IMAGE039
表示单台设备需要存储的数据；
Figure 43333DEST_PATH_IMAGE040
表示监测的能源利用设备总量；
Figure 881976DEST_PATH_IMAGE041
表示单台设备存储数据的数据量；L表示存储数据类型的字节长度。
（6）数据计算设备
Figure 772572DEST_PATH_IMAGE042
其中，
Figure 569626DEST_PATH_IMAGE043
表示数据计算时间周期；
Figure 178462DEST_PATH_IMAGE044
表示计算量；
Figure 945430DEST_PATH_IMAGE045
表示输出的状态优化计算结果。
（二）能源利用设备
（21）风电机组
Figure 956111DEST_PATH_IMAGE046
Figure 924067DEST_PATH_IMAGE047
其中，
Figure 489041DEST_PATH_IMAGE048
为风电机组输出电功率随时间变化的实值函数；
Figure 200645DEST_PATH_IMAGE049
为风电机组周围的风速随时间变化的连续实值函数；
Figure 65833DEST_PATH_IMAGE050
表示风电机组的额定输出功率；3为风机的切入风速；12为风机的额定标准风速；20为风机的切出风速；0.0092、-0.0125、-0.081均为根据实测风机输出功率与风速数据的拟合系数。
（22）光伏发电机组
Figure 204690DEST_PATH_IMAGE052
其中，
Figure 381593DEST_PATH_IMAGE053
表示光伏发电机组输出电功率随时间变化的连续实值函数；
Figure 631309DEST_PATH_IMAGE054
为光伏发电输出功率的损耗系数，一般取0.9；
Figure 616583DEST_PATH_IMAGE055
为光伏发电机组的最大输出功率；
Figure 926341DEST_PATH_IMAGE056
为光伏表面光照强度随时间变化的连续实值函数；
Figure 465907DEST_PATH_IMAGE057
为标准测试条件下的光照强度，一般取1kW/m2；
Figure 519314DEST_PATH_IMAGE058
为光伏输出功率的温度影响系数，本文取-0.1；
Figure 359094DEST_PATH_IMAGE059
为光伏表面温度；
Figure 433229DEST_PATH_IMAGE060
为标准测试条件下的光伏表面温度，一般取25℃。
（23）变压器
Figure 725670DEST_PATH_IMAGE061
其中，
Figure 582767DEST_PATH_IMAGE062
为变压器输出侧的电功率随时间变化的连续实值函数；
Figure 745896DEST_PATH_IMAGE063
表示变压器的电功率利用效率；
Figure 397457DEST_PATH_IMAGE064
为变压器输入侧的电功率随时间变化的连续实值函数。
（24）热电联产机组
Figure 442773DEST_PATH_IMAGE065
Figure 837982DEST_PATH_IMAGE066
其中，
Figure 980251DEST_PATH_IMAGE067
为热电联产机组输出侧的电功率随时间变化的连续实值函数；
Figure 68292DEST_PATH_IMAGE068
表示转化成电能的天然气量分配系数，
Figure 335326DEST_PATH_IMAGE069
；
Figure 3067DEST_PATH_IMAGE070
表示热电联产机组的“气转电”能源转化效率；
Figure 406367DEST_PATH_IMAGE071
表示热电联产机组输入的天然气量随时间变化的连续实值函数；
Figure 665310DEST_PATH_IMAGE072
表示热电联产机组的“气转热”能源转化效率；
Figure 419639DEST_PATH_IMAGE073
为热电联产机组输出侧的热功率随时间变化的连续实值函数。
（25）燃气锅炉
Figure 750127DEST_PATH_IMAGE074
其中，
Figure 273512DEST_PATH_IMAGE075
为燃气锅炉输出侧的热功率随时间变化的连续实值函数；
Figure 703356DEST_PATH_IMAGE076
表示燃气锅炉的能源转化效率；
Figure 679402DEST_PATH_IMAGE077
为燃气锅炉输入侧的天然气量随时间变化的连续实值函数。
（26）蓄电池
Figure 688947DEST_PATH_IMAGE078
其中，
Figure 332418DEST_PATH_IMAGE079
为蓄电池输入的电功率随时间变化的连续实值函数；
Figure 667584DEST_PATH_IMAGE080
为蓄电池存储的电能量随时间变化的连续实值函数，具体为：
Figure 989981DEST_PATH_IMAGE081
此处，
Figure 68795DEST_PATH_IMAGE082
为蓄电池充电效率；
Figure 566773DEST_PATH_IMAGE083
为蓄电池放电效率。
S2：针对物理能源系统用状态机构建统一的状态转移路径模型，描述其状态、状态转移路径与状态更新路径。在微能源网的优化调度中，能源的实时供需平衡是维持微能源网安全持续运行的必要条件。考虑微能源网的平衡状态，采用状态机模型描述路径状态转移路径：
若微能源网中的各类能源供需两侧相等，则说明微能源网处于能源供需平衡状态。若微能源网的能源供需不平衡，需要通过实时的优化计算分析对其内部的各类可调控设备进行实时调节，从而实现微能源网能源的平衡稳定。
S3：信息物理融合的微能源网系统通过实时的状态感知对系统中能量流的态势进行智能判定，综合考虑微能源网内部用能需求以及外部的调控要求对系统内的各类能源设备的运行状态下达智能调度决策指令。具体表示为：
Figure 72841DEST_PATH_IMAGE084
Figure 757900DEST_PATH_IMAGE085
式中，
Figure 640405DEST_PATH_IMAGE086
表示信息物理融合的微能源网中能源系统的实时优化调度目标；
Figure 992889DEST_PATH_IMAGE087
表示信息物理融合系统的运行状态约束；
Figure 528913DEST_PATH_IMAGE088
表示各类能源利用设备的运行特性约束。根据智能优化算法计算可得出各类能源利用设备的关键变量最优取值，结合设备实时的运行情况可生成具体设备的控制调度指令，具体可表示为：
Figure 966847DEST_PATH_IMAGE089
其中，
Figure 387464DEST_PATH_IMAGE090
表示实时的量测物理运行设备功率数据；
Figure 860034DEST_PATH_IMAGE091
表示经过优化计算的物理运行设备功率值。
求解该模型可得到信息物理融合的微能源网优化调控策略，具体步骤如下：
步骤一：结合信息处理设备以及能源利用设备的性能设定信息物理融合的微能源网系统参数；
步骤二：明确优化调度的时间窗口，输入对信息物理融合的微能源网优化调度开始时间和结束时间；依据各类物理运行设备的状态变量类型和物理系统的观测需求设定传感周期、控制周期、存储周期；
步骤三：由各类传感设备采集特定时间段的物理设备状态变量信息，并上传相关数据，记录信息采集时间延迟；
步骤四：建立具有时间特性的数据存储空间以存储全系统内的各类多维状态变量，完成数据的写入并记录信息存储时间延迟；
步骤五：读取特定数据存储空间内的关键数据，记录信息调用时间延迟；
步骤六：根据表征物理系统运行状态的关键数据信息进行优化计算分析，在既定微能源网的优化调度目标下求解最优的主体状态，完成全系统内各主体的状态路径决策和牵引，记录计算处理时间延迟；
步骤七：根据各主体的状态变化以及状态路径决策结果生成物理运行设备的调控指令，发送至终端控制设备，记录下达控制指令时间延迟；
步骤八：终端控制设备接收调控指令并完成实时调控，更新全系统的状态信息，记录实时数据更新时间延迟；
步骤九：判断是否达到结束时间，若是，则终止优化调度。若否，则重新返回步骤三进行下一轮的微能源网优化调度。
对数据的采集、分析、优化到生成调控指令的全过程，即是：主体实时状态、状态转移路径、路径决策过程。
上述技术方案可以看出，由于本发明实施例采用一种基于信息物理融合的微能源网优化调度方法，从主体实时状态、状态转移路径以及路径决策过程三层构建了微能源网优化调度模型，通过对数据采集、分析、优化和生成决策指令全过程进行建模并求解，可实现即时感知-即时分析-即时决策-即时控制的闭环自动控制全流程，具有多维性、即时性、智能性、灵活性的优势和特点。
附图说明
图1是本发明一种基于信息物理融合的微能源网优化调度方法的流程图；
图2是路径状态转移路径的状态机模型示意图；
图3是信息物理融合的微能源网优化调度模型求解步骤图；
图4是具体实施例中实时负荷参考曲线图；
图5是具体实施例中信息物理融合的微能源网优化调度模型求解步骤流程图；
图6是具体实施例中信息物理融合的微能源网优化调度模型求解步骤中粒子群算法的计算步骤流程图；
图7是具体实施例中能量流角度审视下的具体实时优化调度结果图；
图8是具体实施例中数据储存空间占用示意图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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它实施例，都属于本发明保护的范围。
如图1-3所示，本发明实施例提供一种基于信息物理融合的微能源网优化调度方法，能够使得系统在实时维持全动态稳定运行，即功率平衡的前提下实现该微能源网的运营成本最低；包括以下步骤：
S1：针对微能源网中的信息处理设备和能源利用设备，分别提取关键变量，用特征向量对全系统内的各类关键主体的实时运行状态进行描述。
（一）信息处理设备
（1）传感器
Figure 176746DEST_PATH_IMAGE001
Figure 101976DEST_PATH_IMAGE002
其中，
Figure 326284DEST_PATH_IMAGE003
表示运行的时刻信息；
Figure 246836DEST_PATH_IMAGE092
表示传感器的采集周期；
Figure 531187DEST_PATH_IMAGE093
表示采集点的数据信息；
Figure 943713DEST_PATH_IMAGE094
表示物理能源利用设备的多维连续运行变量；
Figure 174975DEST_PATH_IMAGE095
为时间延迟为
Figure 356557DEST_PATH_IMAGE092
的冲激函数。
（2）控制器
Figure 811809DEST_PATH_IMAGE096
其中，
Figure 711632DEST_PATH_IMAGE097
表示控制器的控制周期；
Figure 871218DEST_PATH_IMAGE098
表示对
Figure 907307DEST_PATH_IMAGE003
时刻运行系统的调控指令。
（3）信息集线器（以电能为例）
Figure 533461DEST_PATH_IMAGE099
其中，
Figure 389421DEST_PATH_IMAGE100
表示电能信息集线器连接的传感器设备数量；
Figure 493644DEST_PATH_IMAGE101
表示
Figure 649818DEST_PATH_IMAGE011
时刻的电能供应信息；
Figure 446873DEST_PATH_IMAGE102
表示
Figure 649184DEST_PATH_IMAGE011
时刻的用电需求信息。
（4）调节信息集线器
Figure 822677DEST_PATH_IMAGE103
其中，
Figure 833358DEST_PATH_IMAGE104
表示微能源网与电网主网进行电能量交易的实时交易价格信息；
Figure 270156DEST_PATH_IMAGE105
表示风电机组度电供电成本信息；
Figure 366288DEST_PATH_IMAGE106
表示光伏发电机组的度电供电信息；
Figure 812312DEST_PATH_IMAGE107
表示天然气的交易价格信息；
Figure 943079DEST_PATH_IMAGE022
表示信息物理融合的微能源网系统的优化调度目标。
（5）数据存储设备
Figure 675412DEST_PATH_IMAGE108
Figure 258840DEST_PATH_IMAGE109
Figure 508556DEST_PATH_IMAGE110
Figure 962671DEST_PATH_IMAGE111
Figure 272430DEST_PATH_IMAGE112
Figure 343154DEST_PATH_IMAGE113
其中，
Figure 396560DEST_PATH_IMAGE011
表示时刻信息；
Figure 829816DEST_PATH_IMAGE114
表示数据存储时间周期；
Figure 310476DEST_PATH_IMAGE115
表示整数；
Figure 602917DEST_PATH_IMAGE116
表示以
Figure 928856DEST_PATH_IMAGE117
为周期的冲激函数；
Figure 623142DEST_PATH_IMAGE118
是一个
Figure 274704DEST_PATH_IMAGE119
的矩阵，表示存储数据信息，其中
Figure 320020DEST_PATH_IMAGE120
为存储数据的种类数量，
Figure 308705DEST_PATH_IMAGE121
为监测时间点数量；
Figure 857498DEST_PATH_IMAGE122
表示所有采样的数据信息；
Figure 945539DEST_PATH_IMAGE123
表示数据存储量；
Figure 681414DEST_PATH_IMAGE124
表示单台设备需要存储的数据；
Figure 614735DEST_PATH_IMAGE040
表示监测的能源利用设备总量；
Figure 283614DEST_PATH_IMAGE125
表示单台设备存储数据的数据量；L表示存储数据类型的字节长度。
（6）数据计算设备
Figure 136032DEST_PATH_IMAGE126
其中，
Figure 624782DEST_PATH_IMAGE127
表示数据计算时间周期；
Figure 627373DEST_PATH_IMAGE128
表示计算量；
Figure 619600DEST_PATH_IMAGE129
表示输出的状态优化计算结果。
（二）能源利用设备
（21）风电机组
Figure 783865DEST_PATH_IMAGE046
Figure 25491DEST_PATH_IMAGE047
其中，
Figure 159669DEST_PATH_IMAGE130
为风电机组输出电功率随时间变化的实值函数；
Figure 537561DEST_PATH_IMAGE131
为风电机组周围的风速随时间变化的连续实值函数；
Figure 138306DEST_PATH_IMAGE132
表示风电机组的额定输出功率；3为风机的切入风速；12为风机的额定标准风速；20为风机的切出风速；0.0092、-0.0125、-0.081均为根据实测风机输出功率与风速数据的拟合系数。
（22）光伏发电机组
Figure 601649DEST_PATH_IMAGE133
其中，
Figure 414884DEST_PATH_IMAGE134
表示光伏发电机组输出电功率随时间变化的连续实值函数；
Figure 912861DEST_PATH_IMAGE135
为光伏发电输出功率的损耗系数，一般取0.9；
Figure 12404DEST_PATH_IMAGE136
为光伏发电机组的最大输出功率；
Figure 228622DEST_PATH_IMAGE137
为光伏表面光照强度随时间变化的连续实值函数；
Figure 111127DEST_PATH_IMAGE138
为标准测试条件下的光照强度，一般取1kW/m2；
Figure 932453DEST_PATH_IMAGE139
为光伏输出功率的温度影响系数，本文取-0.1；
Figure 609422DEST_PATH_IMAGE140
为光伏表面温度；
Figure 47356DEST_PATH_IMAGE141
为标准测试条件下的光伏表面温度，一般取25℃。
（23）变压器
Figure 733553DEST_PATH_IMAGE142
其中，
Figure 534018DEST_PATH_IMAGE143
为变压器输出侧的电功率随时间变化的连续实值函数；
Figure 647468DEST_PATH_IMAGE144
表示变压器的电功率利用效率；
Figure 572699DEST_PATH_IMAGE145
为变压器输入侧的电功率随时间变化的连续实值函数。
（24）热电联产机组
Figure 797007DEST_PATH_IMAGE146
Figure 592924DEST_PATH_IMAGE147
其中，
Figure 877275DEST_PATH_IMAGE148
为热电联产机组输出侧的电功率随时间变化的连续实值函数；
Figure 24223DEST_PATH_IMAGE149
表示转化成电能的天然气量分配系数，
Figure 645697DEST_PATH_IMAGE150
；
Figure 827280DEST_PATH_IMAGE151
表示热电联产机组的“气转电”能源转化效率；
Figure 282532DEST_PATH_IMAGE152
表示热电联产机组输入的天然气量随时间变化的连续实值函数；
Figure 182355DEST_PATH_IMAGE153
表示热电联产机组的“气转热”能源转化效率；
Figure 217307DEST_PATH_IMAGE154
为热电联产机组输出侧的热功率随时间变化的连续实值函数。
（25）燃气锅炉
Figure 253396DEST_PATH_IMAGE155
其中，
Figure 879549DEST_PATH_IMAGE156
为燃气锅炉输出侧的热功率随时间变化的连续实值函数；
Figure 594564DEST_PATH_IMAGE157
表示燃气锅炉的能源转化效率；
Figure 964366DEST_PATH_IMAGE158
为燃气锅炉输入侧的天然气量随时间变化的连续实值函数。
（26）蓄电池
Figure 120541DEST_PATH_IMAGE159
其中，
Figure 917595DEST_PATH_IMAGE160
为蓄电池输入的电功率随时间变化的连续实值函数；
Figure 995273DEST_PATH_IMAGE161
为蓄电池存储的电能量随时间变化的连续实值函数，具体为：
Figure 903186DEST_PATH_IMAGE162
此处，
Figure 913867DEST_PATH_IMAGE163
为蓄电池充电效率；
Figure 881823DEST_PATH_IMAGE164
为蓄电池放电效率。
S2：针对物理能源系统用状态机构建统一的状态转移路径模型，描述其状态、状态转移路径与状态更新路径。在微能源网的优化调度中，能源的实时供需平衡是维持微能源网安全持续运行的必要条件。考虑微能源网的平衡状态，采用状态机模型描述路径状态转移路径：
若微能源网中的各类能源供需两侧相等，则说明微能源网处于能源供需平衡状态。若微能源网的能源供需不平衡，需要通过实时的优化计算分析对其内部的各类可调控设备进行实时调节，从而实现微能源网能源的平衡稳定。
S3：信息物理融合的微能源网系统通过实时的状态感知对系统中能量流的态势进行智能判定，综合考虑微能源网内部用能需求以及外部的调控要求对系统内的各类能源设备的运行状态下达智能调度决策指令。具体表示为：
Figure 571431DEST_PATH_IMAGE165
Figure 283035DEST_PATH_IMAGE166
式中，
Figure 413802DEST_PATH_IMAGE167
表示信息物理融合的微能源网中能源系统的实时优化调度目标；
Figure 21500DEST_PATH_IMAGE168
表示信息物理融合系统的运行状态约束；
Figure 339349DEST_PATH_IMAGE088
表示各类能源利用设备的运行特性约束。根据智能优化算法计算可得出各类能源利用设备的关键变量最优取值，结合设备实时的运行情况可生成具体设备的控制调度指令，具体可表示为：
Figure 854644DEST_PATH_IMAGE169
其中，
Figure 839918DEST_PATH_IMAGE170
表示实时的量测物理运行设备功率数据；
Figure 754871DEST_PATH_IMAGE171
表示经过优化计算的物理运行设备功率值。
本发明实施例由设计的微能源网由与外部电网、天然气网联络线，1个最大输出功率为300MW的光伏发电厂 ，1个额定输出功率为800MW的风电场，1台变压器，1台容量为1000MW的热电联产（CHP）机组，1个容量为2000MWh的储能电站以及可输出2700MW供热量的燃气锅炉厂站组成，具体参数如下表所示：
表1 微能源网物理系统参数
Figure 560015DEST_PATH_IMAGE172
表2 微能源网内各类能源的价格参数
Figure 613422DEST_PATH_IMAGE173
注：表2中的1处参考广东省发展改革委于2019年12月31日公布的《广东省发展改革委关于深化燃煤发电上网电价形成机制改革的实施方案（粤发改价格〔2019〕400号）》中广东燃煤机组的上网标准电价基准值；2处参考国家发展改革委于2019年5月21日公布的《国家发展改革委关于完善风电上网电价政策的通知（发改价格〔2019〕882号）》中Ⅳ类资源区2020年指导价；3处参考国家发改委于2021年6月7日发布的《关于2021年新能源上网电价政策有关事项的通知（发改价格[2021]833号）》中关于新建光伏项目上网电价相关说明；4处参考电力规划设计总院2021年4月发布的《火电工程限额设计参考造价指标(2020年)》计算值；5处参考《储能的度电成本和里程成本分析》。
图2是是路径状态转移路径的状态机模型示意图，图3是信息物理融合的微能源网优化调度模型求解步骤图。
实施例中的负荷连续实值函数以中国南方电网运行管理系统于2022年4月21日披露的全网负荷预测信息为参考，按照具体实施方案中设定的微能源网用能规模等比例拟合而成，具体参数如附图4所示。
本实施例的优化起始时间设定为12:00，终止时间为15:00，调控周期为15 min。根据信息物理融合的微能源网优化调度模型，通过Matlab 2019计算应用程序以及计算机软件模拟信息物理融合的微能源网实时优化调度。求解得该时段内的优化调度策略，具体步骤如附图5和图6所示。
步骤一：结合信息处理设备以及能源利用设备的性能设定信息物理融合的微能源网系统参数；
步骤二：明确优化调度的时间窗口，输入对信息物理融合的微能源网优化调度开始时间和结束时间。依据各类物理运行设备的状态变量类型和物理系统的观测需求设定传感周期、控制周期、存储周期；
步骤三：由各类传感设备采集特定时间段的物理设备状态变量信息，并上传相关数据，记录信息采集时间延迟；
步骤四：建立具有时间特性的数据存储空间以存储全系统内的各类多维状态变量，完成数据的写入并记录信息存储时间延迟；
步骤五：读取特定数据存储空间内的关键数据，记录信息调用时间延迟；
步骤六：根据表征物理系统运行状态的关键数据信息进行优化计算分析，在既定微能源网的优化调度目标下求解最优的主体状态，完成全系统内各主体的状态路径决策和牵引，记录计算处理时间延迟；
步骤七：根据各主体的状态变化以及状态路径决策结果生成物理运行设备的调控指令，发送至终端控制设备，记录下达控制指令时间延迟；
步骤八：终端控制设备接收调控指令并完成实时调控，更新全系统的状态信息，记录实时数据更新时间延迟；
步骤九：判断是否达到结束时间，若是，则终止优化调度。若否，则重新返回步骤三进行下一轮的微能源网优化调度。
具体优化调度结果如下表所示：
表3信息物理融合的微能源网实时调度指令-状态路径优化策略
Figure 922044DEST_PATH_IMAGE175
由结果分析可知，在12:00-15:00的优化调度时段内，热电联产机组的电功率输出调节变化相对较为频繁（共计9次），其余设备的调节变化次数较少，大约在6~7次。相较传统机组的调度方法而言，本文所提出的方法调节次数明显增多，但由于调控的时间尺度较短，每次调节的调节量小，因此相较传统的调度方法而言更加精准且充分考虑了全系统的实时变化情况，因而更具有即时性和灵活性。
以能量流角度审视该系统，从电能量和热能量两个方面分析微能源网内的能源利用实时状态。具体实时优化调度结果如附图7所示。
根据信息物理融合的微能源网实时调度结果，可得在微能源网供应电能的各类能源生产单元中，外部电网向微能源网的输入功率占主要部分，其次是风电机组和热电联产机组的输出功率。微能源网内的蓄电池输出功率相对较低，其主要用于平滑不可调能源生产单元以及负荷波动，维持微能源网内的功率平衡。在以15min为调控周期的实时优化调度过程中，各类能源输出功率的调节幅度较小，优化结果精准且高效，可精准实现动态保障微能源网内的电负荷需求供应。
根据信息物理融合的微能源网实时调度结果，可得在微能源网供应热能的各类能源生产单元中，燃气锅炉的输出功率占主要部分，其次是热电联产的输出热功率。由于本文算例中所考虑的燃气锅炉的能源转化效率较高，因此通过尽可能利用燃气锅炉供应热负荷可实现微能源网内的能源高效率利用。在微能源网的实时优化调度中，蓄电池的充放电功率相较其他能源利用设备的量值最低。由于蓄电池的主要作用是通过电能的存储和释放使得微能源网内的电能量在时间维度上可以灵活调节，保障微能源网内的可再生能源（如风电机组、光伏发电机组）的优先全量消纳，以维持微能源网的稳定运行。
在本发明的优化模型中，以物理能源系统的优化调度为核心，信息系统主要为物理系统的优化作支撑。在不同的系统观测需求下，可通过改变信息系统的关键变量灵活设定不同的调控场景。实施例中例设定了调控场景和参数作详细的信息流状态分析，具体设定如下：风速传感器每1 min采集一次；光照强度传感器每10 min采集一次；温度传感器每15 min采集一次；电负荷、热负荷实时功率每5 min采集一次；数据存储周期为15 min。
信息流的模型运行结果（选取12:00-12:30的信息流数据结果）如下所示，其中数据储存空间占用如附图8所示。
当前时刻: 12:00的调控信息流结果：信息采集时间延迟：0.29111；信息存储时间延迟: 2.8112；信息调用时间延迟: 1.1102；控制周期内最优运营成本/元：957637.5182；计算处理时间延迟: 6.7832；下达控制指令时间延迟: 3.8693；实时数据更新时间延迟:6.2884。
当前时刻：12:15的调控信息流结果：信息采集时间延迟: 0.0045838；信息存储时间延迟: 1.9834；信息调用时间延迟: 0.99324；控制周期内最优运营成本/元：958429.0686；计算处理时间延迟: 0.22042；下达控制指令时间延迟: 3.7818；实时数据更新时间延迟: 6.1348。
当前时刻：12:30的调控信息流结果：信息采集时间延迟: 0.0029669；信息存储时间延迟: 2.0592；信息调用时间延迟: 1.0033；控制周期内最优运营成本/元：961697.3909；计算处理时间延迟: 0.18014；下达控制指令时间延迟: 3.7209；实时数据更新时间延迟: 5.9849。
由于本发明对微能源网的优化调度以经济性为主要考虑目标，因此本发明的信息系统计算将系统的调控周期内运营成本作为核心计算值。在本实施例的设定下，每个15min的调控周期内的系统运营成本在12:00-12:30内大致位于95.8~96.2万元。在该模型中，信息系统可随时间的变化实时进行精准计算，实现对特定调控周期内的运营成本进行动态刷新，并以计算优化结果为依据下达实时的调控指令。
需要说明的是，上述装置和系统内的各单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器（ROM，Read Only Memory）、随机存取存储器（RAM，RandomAccess Memory）、磁盘或光盘等。
以上对本发明实施例所提供的一种基于信息物理融合的微能源网优化调度方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (7)

1.一种基于信息物理融合的微能源网优化调度方法，其特征在于：考虑在稳态系统研究下，基于信息物理融合技术，从主体实时状态、状态转移路径以及路径决策过程三层构建了微能源网优化调度模型，实现对微能源网全系统的即时感知、分析、决策和控制，从而实现在各类优化目标下微能源网的动态稳定运行，其步骤包括：
S1:针对微能源网当中的各类关键主体设备，提取关键变量并用特征向量对其实时运行状态进行描述；
S2:针对微能源网当中的物理能源系统用状态机模型构建统一的状态转移路径模型，描述其各自的状态、状态转移路径与状态更新路径；
S3:综合考虑内外部能源的实时需求以及能量流、信息流的实时态势，对系统内的各类能源设备的运行状态下达经济优化调度决策指令。
2.根据权利要求1所述的基于信息物理融合的微能源网优化调度方法，其特征在于：步骤S1中主体设备的实时运行状态如下：
（1）传感器的实时状态表示为：
Figure 600567DEST_PATH_IMAGE001
Figure 48866DEST_PATH_IMAGE002
其中，
Figure 828603DEST_PATH_IMAGE003
表示传感设备运行的时刻信息；
Figure 754971DEST_PATH_IMAGE004
表示传感器的采集周期；
Figure 569343DEST_PATH_IMAGE005
表示采集点的数据信息；
Figure 391806DEST_PATH_IMAGE006
表示物理能源利用设备的多维连续运行变量；
Figure 986735DEST_PATH_IMAGE007
为时间延迟为
Figure 185635DEST_PATH_IMAGE008
的冲激函数；
（2）控制器的实时状态表示为：
Figure 854514DEST_PATH_IMAGE009
其中，
Figure 379036DEST_PATH_IMAGE010
表示控制器的控制周期；
Figure 133365DEST_PATH_IMAGE011
表示对
Figure 870377DEST_PATH_IMAGE003
时刻运行系统的调控指令；
（3）信息集线器：信息集线器将系统中能源相关运行设备的数据汇总后进行封装传输，信息集线器的实时状态表示为：
Figure 393763DEST_PATH_IMAGE012
其中，
Figure 354765DEST_PATH_IMAGE013
表示信息集线器连接的传感器设备数量；
Figure 596391DEST_PATH_IMAGE014
表示
Figure 871514DEST_PATH_IMAGE003
时刻的能量供应信息；
Figure 46144DEST_PATH_IMAGE015
表示
Figure 115731DEST_PATH_IMAGE003
时刻的用能需求信息；
（4）调节信息集线器的实时状态表示为：
Figure 844652DEST_PATH_IMAGE016
其中，
Figure 720205DEST_PATH_IMAGE017
表示微能源网与电网主网进行电能量交易的实时交易价格信息；
Figure 218182DEST_PATH_IMAGE018
表示风电机组度电供电成本信息；
Figure 989829DEST_PATH_IMAGE019
表示光伏发电机组的度电供电信息；
Figure 940467DEST_PATH_IMAGE020
表示天然气的交易价格信息；
Figure 822973DEST_PATH_IMAGE021
表示信息物理融合的微能源网系统的优化调度目标；
（5）数据存储设备的实时状态表示为：
Figure 441036DEST_PATH_IMAGE022
Figure 383584DEST_PATH_IMAGE023
Figure 821519DEST_PATH_IMAGE024
Figure 242136DEST_PATH_IMAGE025
Figure 245864DEST_PATH_IMAGE026
Figure 359313DEST_PATH_IMAGE027
其中，
Figure 284544DEST_PATH_IMAGE028
表示数据存储时间周期；
Figure 508852DEST_PATH_IMAGE029
表示整数；
Figure 101507DEST_PATH_IMAGE030
表示以
Figure 385858DEST_PATH_IMAGE031
为周期的冲激函数；
Figure 798385DEST_PATH_IMAGE032
是一个
Figure 826384DEST_PATH_IMAGE033
的矩阵，表示存储数据信息，其中
Figure 335863DEST_PATH_IMAGE034
为存储数据的种类数量，
Figure 525535DEST_PATH_IMAGE035
为监测时间点数量；
Figure 425358DEST_PATH_IMAGE036
表示所有采样的数据信息；
Figure 522627DEST_PATH_IMAGE037
表示数据存储量；
Figure 824296DEST_PATH_IMAGE038
表示单台设备需要存储的数据；
Figure 184870DEST_PATH_IMAGE039
表示监测的能源利用设备总量；
Figure 571989DEST_PATH_IMAGE040
表示单台设备存储数据的数据量；
Figure 472949DEST_PATH_IMAGE041
表示存储数据类型的字节长度；
（6）数据计算设备的实时状态表示为：
Figure 97965DEST_PATH_IMAGE042
其中，
Figure 895020DEST_PATH_IMAGE043
表示数据计算时间周期；
Figure 300593DEST_PATH_IMAGE044
表示计算量；
Figure 474086DEST_PATH_IMAGE045
表示输出的状态优化计算结果；
（7）风电机组的运行状态用分段函数表示为：
Figure 484767DEST_PATH_IMAGE047
Figure 452723DEST_PATH_IMAGE049
其中，
Figure 80014DEST_PATH_IMAGE050
为风电机组输出电功率随时间变化的实值函数；
Figure 791618DEST_PATH_IMAGE051
为风电机组周围的风速随时间变化的连续实值函数；
Figure 656805DEST_PATH_IMAGE052
表示风电机组的额定输出功率；3为风机的切入风速；12为风机的额定标准风速；20为风机的切出风速；0.0092、-0.0125、-0.081均为根据实测风机输出功率与风速数据的拟合系数；
(8) 光伏发电机组输出功率可表示为：
Figure 795663DEST_PATH_IMAGE053
其中，
Figure 644670DEST_PATH_IMAGE054
表示光伏发电机组输出电功率随时间变化的连续实值函数；
Figure 894386DEST_PATH_IMAGE055
为光伏发电输出功率的损耗系数，取值0.9；
Figure 879659DEST_PATH_IMAGE056
为光伏发电机组的最大输出功率；
Figure 189418DEST_PATH_IMAGE057
为光伏表面光照强度随时间变化的连续实值函数；
Figure 791301DEST_PATH_IMAGE058
为标准测试条件下的光照强度，取1kW/m2；
Figure 844707DEST_PATH_IMAGE059
为光伏输出功率的温度影响系数，取值-0.1；
Figure 684487DEST_PATH_IMAGE060
为光伏表面温度；
Figure 165147DEST_PATH_IMAGE061
为标准测试条件下的光伏表面温度，取值25℃；
（9）变压器：利用电能转化效率来表征其输入功率与输出功率之间的线性关系：
Figure 988747DEST_PATH_IMAGE062
其中，
Figure 845844DEST_PATH_IMAGE063
为变压器输出侧的电功率随时间变化的连续实值函数；
Figure 540131DEST_PATH_IMAGE064
表示变压器的电功率利用效率；
Figure 722850DEST_PATH_IMAGE065
为变压器输入侧的电功率随时间变化的连续实值函数；
（10）热电联产机组：
热电联产机组将天然气可同时转化为电能和热能供应给相应的负荷侧，将其视为一个整体，其输入天然气与输出电功率和热功率之间的关系可分别表述为：
Figure 768167DEST_PATH_IMAGE066
Figure 163376DEST_PATH_IMAGE067
其中，
Figure 712169DEST_PATH_IMAGE068
为热电联产机组输出侧的电功率随时间变化的连续实值函数；
Figure 331369DEST_PATH_IMAGE069
表示转化成电能的天然气量分配系数，
Figure 598403DEST_PATH_IMAGE070
；
Figure 797303DEST_PATH_IMAGE071
表示热电联产机组的“气转电”能源转化效率；
Figure 200602DEST_PATH_IMAGE072
表示热电联产机组输入的天然气量随时间变化的连续实值函数；
Figure 787441DEST_PATH_IMAGE073
表示热电联产机组的“气转热”能源转化效率；
Figure 541771DEST_PATH_IMAGE074
为热电联产机组输出侧的热功率随时间变化的连续实值函数；
（11）燃气锅炉输入天然气与输出热功率之间的关系表述为：
Figure 278783DEST_PATH_IMAGE075
其中，
Figure 802168DEST_PATH_IMAGE076
为燃气锅炉输出侧的热功率随时间变化的连续实值函数；
Figure 763171DEST_PATH_IMAGE077
表示燃气锅炉的能源转化效率；
Figure 739217DEST_PATH_IMAGE078
为燃气锅炉输入侧的天然气量随时间变化的连续实值函数；
（12）蓄电池
Figure 279920DEST_PATH_IMAGE079
其中，
Figure 454549DEST_PATH_IMAGE080
为蓄电池输入的电功率随时间变化的连续实值函数；
Figure 789715DEST_PATH_IMAGE081
为蓄电池存储的电能量随时间变化的连续实值函数，具体为：
Figure 518637DEST_PATH_IMAGE082
此处，
Figure 128610DEST_PATH_IMAGE083
为蓄电池充电效率；
Figure 361008DEST_PATH_IMAGE084
为蓄电池放电效率。
3.根据权利要求1所述的基于信息物理融合的微能源网优化调度方法，其特征在于：所述状态转移路径的具体条件如下：
若微能源网能源供需处于平衡状态，应继续保持；若微能源网能源供需为不平衡状态，则需要通过实时的优化计算分析对内部各类可调控设备提供状态转移路径，从而实现微能源网能源的平衡稳定。
4.根据权利要求1所述的基于信息物理融合的微能源网优化调度方法，其特征在于：步骤S3中的路径决策过程的目标及决策流程如下：
微能源网物理系统的优化目标是在实时维持全系统动态稳定运行，即功率平衡的前提下实现运营成本最低多类可灵活调整的目标，具体表示为：
Figure 867076DEST_PATH_IMAGE085
Figure 880031DEST_PATH_IMAGE086
式中，
Figure 762537DEST_PATH_IMAGE087
表示信息物理融合的微能源网中能源系统的实时优化调度目标；
Figure 115020DEST_PATH_IMAGE088
表示信息物理融合系统的运行状态约束；
Figure 57569DEST_PATH_IMAGE089
表示各类能源利用设备的运行特性约束；根据智能优化算法计算得出各类能源利用设备的关键变量最优取值，结合设备实时的运行情况可生成具体设备的控制调度指令，具体表示为：
Figure 761082DEST_PATH_IMAGE090
其中，
Figure DEST_PATH_IMAGE091
表示实时的量测物理运行设备功率数据；
Figure 978437DEST_PATH_IMAGE092
表示经过优化计算的物理运行设备功率值。
5.根据权利要求1所述的基于信息物理融合的微能源网优化调度方法，其特征在于：所述步骤S1中描述了微能源网中信息处理设备以及能源运行设备的动态变化，同时亦能体现信息系统的信息流和物理系统的能量流之间存在交互影响关系。
6.根据权利要求1所述的基于信息物理融合的微能源网优化调度方法，其特征在于：通过建立并求解信息物理融合的微能源网优化模型，可构建适配微能源网物理能源系统的信息处理系统，并以信息流为支撑调节微能源网的能量流，对数据的采集、分析、优化到生成调控指令的全过程进行观测，可实现微能源网系统的即时感知、分析、决策以及控制。
7.根据权利要求1所述的基于信息物理融合的微能源网优化调度方法，其特征在于：步骤S3根据物理设备的特性以及全系统的能源优化调度时刻，能够任意时间尺度进行任意时段的优化调度。
CN202210901949.3A 2022-07-28 2022-07-28 一种基于信息物理融合的微能源网优化调度的方法 Active CN114971091B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210901949.3A CN114971091B (zh) 2022-07-28 2022-07-28 一种基于信息物理融合的微能源网优化调度的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210901949.3A CN114971091B (zh) 2022-07-28 2022-07-28 一种基于信息物理融合的微能源网优化调度的方法

Publications (2)

Publication Number Publication Date
CN114971091A true CN114971091A (zh) 2022-08-30
CN114971091B CN114971091B (zh) 2023-03-28

Family

ID=82969254

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210901949.3A Active CN114971091B (zh) 2022-07-28 2022-07-28 一种基于信息物理融合的微能源网优化调度的方法

Country Status (1)

Country Link
CN (1) CN114971091B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170104344A1 (en) * 2015-10-08 2017-04-13 Johnson Controls Technology Company Electrical energy storage system with constant state-of charge frequency response optimization
CN107742009A (zh) * 2017-09-21 2018-02-27 国家电网公司 配电网信息物理系统仿真过程多态可视化建模方法
CN109327042A (zh) * 2018-09-27 2019-02-12 南京邮电大学 一种微电网多能源联合优化调度方法
CN111969603A (zh) * 2020-08-17 2020-11-20 内蒙古科技大学 一种微能源网系统及其协同优化运行控制方法
CN113077101A (zh) * 2021-04-16 2021-07-06 华北电力大学 面向能源互联网调配管理的数字化系统及方法
CN113852659A (zh) * 2021-06-15 2021-12-28 海南绿色能源与环境工程技术研究院 一种基于边缘计算的分布式能源冷热电主动变工况优化调控方法与系统
CN114239324A (zh) * 2022-02-23 2022-03-25 南方电网数字电网研究院有限公司 一种基于混合自动机的微能源网状态转移空间建模方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170104344A1 (en) * 2015-10-08 2017-04-13 Johnson Controls Technology Company Electrical energy storage system with constant state-of charge frequency response optimization
CN107742009A (zh) * 2017-09-21 2018-02-27 国家电网公司 配电网信息物理系统仿真过程多态可视化建模方法
CN109327042A (zh) * 2018-09-27 2019-02-12 南京邮电大学 一种微电网多能源联合优化调度方法
CN111969603A (zh) * 2020-08-17 2020-11-20 内蒙古科技大学 一种微能源网系统及其协同优化运行控制方法
CN113077101A (zh) * 2021-04-16 2021-07-06 华北电力大学 面向能源互联网调配管理的数字化系统及方法
CN113852659A (zh) * 2021-06-15 2021-12-28 海南绿色能源与环境工程技术研究院 一种基于边缘计算的分布式能源冷热电主动变工况优化调控方法与系统
CN114239324A (zh) * 2022-02-23 2022-03-25 南方电网数字电网研究院有限公司 一种基于混合自动机的微能源网状态转移空间建模方法

Also Published As

Publication number Publication date
CN114971091B (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
CN105337301B (zh) 微电网并网点的选择方法和装置
Huang et al. Research on optimal configuration of AC/DC hybrid system integrated with multiport solid-state transforms and renewable energy based on a coordinate strategy
CN116384559A (zh) 一种基于整数线性规划求解的混合储能容量配置策略的建模方法
Yin et al. Health-aware energy management strategy toward Internet of Storage
Jiao et al. Flexibility operation for integrated energy system considering hydrogen energy under inertia characteristics and stepped carbon trading mechanism
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
Aghdam et al. Energy management requirements for microgrids
Zhang et al. Frequency-constrained unit commitments with linear rules extracted from simulation results considering regulations from battery storage
CN114971091B (zh) 一种基于信息物理融合的微能源网优化调度的方法
Zhang et al. Optimal Power Flow Algorithm Based on Second‐Order Cone Relaxation Method for Electricity‐Gas Integrated Energy Microgrid
Wei-Chun et al. Flexible adjustment method for power grid with high-proportion clean energy
Ding et al. Multi-Objective optimial configuration of distributed wind-solar generation considering energy storage
Su et al. Data-driven robust dispatch of integrated electricity-gas energy systems considering uncertainty of wind power
Jayawardana et al. Novel control strategy for operation of energy storage in a renewable energy-based microgrid
Qi et al. Coordinated optimization of integrated energy system considering demand response and energy storage
Liu et al. Modeling and analysis of unit commitment considering RCAES system
Chakraborty et al. Voltage unbalance and inertia based frequency control framework considering intelligent load management for stand-alone operation of microgrid
Qin et al. Energy System State Optimization Control Based on Cyber-physical Fusion
Chen et al. Microgrid multi-objective economic operation optimization considering reactive power
Zhong et al. Double-Layer-Optimizing Method of Hybrid Energy Storage Microgrid Based on Improved Grey Wolf Optimization.
CN117748622B (zh) 一种微电网多态协调控制方法及系统
Guo et al. Affine-Model Predictive Control based Optimal Dispatch of Multi-energy Microgrid
CN114386210A (zh) 一种智慧能源系统能量优化调度方法及装置
Yang et al. State Transition Modeling Method for Optimal Dispatching for Integrated Energy System Based on Cyber—Physical System
Xu et al. Day-ahead economic optimization dispatch of multi-microgrids with single/three phase structure considering unbalance constraint

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
CB03 Change of inventor or designer information

Inventor after: Li Peng

Inventor after: Chen Yansen

Inventor after: Xu Yize

Inventor after: Li Zhuohuan

Inventor after: Bao Tao

Inventor after: Cheng Kai

Inventor after: Zhou Yue

Inventor after: Wang Pengyu

Inventor after: Yan Wen

Inventor after: Wu Ziying

Inventor after: Wu Yaofeng

Inventor after: Zhang Fan

Inventor after: Ma Xiyuan

Inventor after: Yao Senjing

Inventor after: Yang Duodong

Inventor after: Chen Yuanfeng

Inventor after: Yu Jingyi

Inventor after: Huang Yanlu

Inventor after: Zhang Zihao

Inventor before: Li Peng

Inventor before: Chen Yansen

Inventor before: Xu Yize

Inventor before: Li Zhuohuan

Inventor before: Bao Tao

Inventor before: Cheng Kai

Inventor before: Zhou Yue

Inventor before: Wang Pengyu

Inventor before: Yan Wen

Inventor before: Wu Ziying

Inventor before: Wu Yaofeng

Inventor before: Zhang Fan

Inventor before: Ma Xiyuan

Inventor before: Yao Senjing

Inventor before: Yang Duodong

Inventor before: Chen Yuanfeng

Inventor before: Yu Jingyi

Inventor before: Huang Yanlu

Inventor before: Zhang Zihao

CB03 Change of inventor or designer information