CN114971372A - 基于需求响应的微能网多时空尺度优化调度方法 - Google Patents
基于需求响应的微能网多时空尺度优化调度方法 Download PDFInfo
- Publication number
- CN114971372A CN114971372A CN202210680141.7A CN202210680141A CN114971372A CN 114971372 A CN114971372 A CN 114971372A CN 202210680141 A CN202210680141 A CN 202210680141A CN 114971372 A CN114971372 A CN 114971372A
- Authority
- CN
- China
- Prior art keywords
- energy
- load
- micro
- time
- natural gas
- 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
- 230000004044 response Effects 0.000 title claims abstract description 46
- 238000005457 optimization Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 16
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 192
- 239000003345 natural gas Substances 0.000 claims description 96
- 229910052739 hydrogen Inorganic materials 0.000 claims description 50
- 239000001257 hydrogen Substances 0.000 claims description 50
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 49
- 230000005611 electricity Effects 0.000 claims description 48
- 230000003993 interaction Effects 0.000 claims description 30
- 238000004146 energy storage Methods 0.000 claims description 27
- 239000007789 gas Substances 0.000 claims description 21
- 238000013178 mathematical model Methods 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000005868 electrolysis reaction Methods 0.000 claims description 14
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 238000012423 maintenance Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 238000005265 energy consumption Methods 0.000 claims description 11
- 150000001875 compounds Chemical class 0.000 claims description 9
- 238000009826 distribution Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 230000029936 alkylation Effects 0.000 claims description 8
- 238000005804 alkylation reaction Methods 0.000 claims description 8
- 238000010438 heat treatment Methods 0.000 claims description 8
- 238000007599 discharging Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 229910052799 carbon Inorganic materials 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 5
- 238000010168 coupling process Methods 0.000 claims description 5
- 238000005859 coupling reaction Methods 0.000 claims description 5
- 238000011160 research Methods 0.000 claims description 4
- 238000006467 substitution reaction Methods 0.000 claims description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000005251 gamma ray Effects 0.000 claims description 3
- 230000020169 heat generation Effects 0.000 claims description 3
- 150000002431 hydrogen Chemical class 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000009466 transformation 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Finance (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Public Health (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于需求响应的微能网多时空尺度优化调度方法,涉及综合能源智能电网领域。该调度方法从能源角度对微能网中各设备进行建模分析,构建多微能网综合能源系统模型。然后建立了由上、中、下三层组成的协同优化框架的多时空尺度运行模型:上层为日前调度阶段,对整个综合能源系统进行调度;中层为日内调度阶段,对各微能网进行优化;下层为实时调度阶段,对各微能网中不平衡功率进行调整;三个阶段分别引入可替代、可转移和可削减负荷,阶梯式参与需求响应优化调度。本发明相比于主流调度策略能够进一步修正多能负荷曲线,对能源的供需平衡起到促进作用,实现系统经济性和可靠性运行,适用于具有多个社区的能量管理,更易于扩展。
Description
技术领域
本发明涉及综合能源智能电网领域,具体为一种基于需求响应的微能网多时空尺度优化调度方法。
背景技术
随着全球化石能源的逐渐枯竭和能源供需矛盾的加剧,能源高效利用成为能源领域研究的重点。为实现“双碳目标”,具有多能互补、能源阶级利用等特点的综合能源成为低碳转型的重要解决方案。微能网作为综合能源系统的重要表现形式,可实现多维能源的互补利用和优化匹配,随着城市发展的多元性,不同类型微能网之间的设备耦合与能源转换特性差异、各类设备响应特性不同等问题给系统调度运行带来极大困难。因此综合考虑各微能网之间的利益关系,优化调度微能网的可调控负荷,提升系统能源供应互联互济水平,实现能源利用的整体优化是研究重点之一。
发明内容
本发明为了解决不同类型微能网之间的设备耦合与能源转换特性差异、各类设备响应特性不同等给系统调度运行带来的问题,提供了一种基于需求响应的微能网多时空尺度优化调度方法。
本发明是通过如下技术方案来实现的:一种基于需求响应的微能网多时空尺度优化调度方法,从能源角度对微能网中各设备进行建模分析,构建多微能网综合能源系统模型。然后建立了由上、中、下三层组成的协同优化框架的多时空尺度运行模型:上层为日前调度阶段,对整个综合能源系统进行调度;中层为日内调度阶段,对各微能网进行优化;下层为实时调度阶段,对各微能网中不平衡功率进行调整;三个阶段分别引入可替代、可转移和可削减负荷,阶梯式参与需求响应优化调度,具体包括如下步骤:
1)从能源角度对微能网中各设备进行建模分析,构建多微能网综合能源系统模型:
①CHP机组数学模型:CHP机组指热电联产机组;
式中,Hchp表示CHP机组的输出热功率;表示CHP机组的热电转化效率,取值为90%;Pchp表示CHP机组的发电量;Gchp表示CHP机组消耗天然气的量;βchp表示CHP机组的发电效率,取值为90%;Hng表示天然气的低热值,取9.7kWh/m3;Hchp,i,max表示CHP机组产生热量的最大值;
②电锅炉数学模型:
Heb=ηeb·Peb
式中,Heb表示电锅炉的输出热功率;βeb表示电锅炉的制热效率,取95%;Peb表示电锅炉的电功率;Heb,i,max表示电锅炉功率的最大值;
③电解水装置数学模型:
式中,Aec表示电解水装置产生的氢气量;βec表示电解装置效率,取值为90%;Vec表示电解装置的额定容量;AH2表示的定产氢量,取值为350;Pecin表示电解装置的消耗功率;Pec表示电解装置的额定功率;a0、b0、c0是效率函数系数,取值分别为0.0109、1.0676、-0.0795;Aec,i,max表示电解水制取得到的氢气功率最大值;
④烷化装置数学模型:
式中,Gch表示转化得到的天然气量;βch表示氢气转换效率,取值为73%;Aecch表示制天然气所需氢气量;表示氢气转换成天然气的摩尔质量折算系数;κ表示天然气管道每m3对应的气体质量;Gch,i,max表示烷化反应后得到的天然气功率最大值;
⑤储能设备数学模型:
⑥可替代负荷数学模型:
以电/天然气可替代负荷为例,微能网可利用燃气锅炉或电锅炉供应热负荷,为了便于研究,提出电/气能源边际替代率,它表示在相同时间段里,用户消耗电能与消耗天然气能量的比值:
Ppl(t)=Pbuy0(t)+βegGrep(t)-Prep(t)
Gpl(t)=Gbuy0(t)+Prep(t)/βeg-Grep(t)
式中,ΔPrep(t)、ΔGrep(t)分别表示可替代负荷响应前后电能与天然气需求量的变化量;Pbuy0(t)、Gbuy0(t)分别表示系统初始购电量与购天然气量;Prep(t)、Grep(t)分别表示t时刻参与调度的可替代电负荷量与天然气负荷量;
⑦可转移负荷数学模型:
式中,Pextr(t)、Hextr(t)、Gextr(t)、Aextr(t)分别表示转移前的电负荷、热负荷、天然气负荷和氢气负荷量;ΔPtrans(t)、ΔHtrans(t)、ΔGtrans(t)、ΔAtrans(t)分别表示用户在t时刻转移的电负荷量、热负荷量、天然气负荷量和氢气负荷量;αt',t=1表示负荷量从t'时刻转入到t时刻,αt',t=-1表示负荷量从t时刻转到t'时刻;
⑧可削减负荷数学模型:
Pxj(t)=Pexxj(t)-αtΔPxj(t)
Hxj(t)=Hexxj(t)-αtΔHxj(t)
Gxj(t)=Gexxj(t)-αtΔGxj(t)
Axj(t)=Aexxj(t)-αtΔAxj(t)
式中,Pexxj(t)、Hexxj(t)、Gexxj(t)、Aexxj(t)分别表示用户在t时刻响应前的电负荷、热负荷、天然气负荷和氢气负荷量;ΔPxj(t)、ΔHxj(t)、ΔGxj(t)、ΔAxj(t)分别表示在t时刻削减的电负荷量、热负荷量、天然气负荷量和氢气负荷量;αt=1表示在t时刻负荷被削减,αt=0表示在t时刻负荷未被削减;
2)建立由上、中、下三层组成的协同优化框架的多时空尺度运行模型:
①上层:
a.目标函数:
式中,分别表示电价和天然气价;T表示调度时间,取值为24h;分别表示在t时刻微能网i向配网购买的电量和天然气量,其中i=1表示工业微能网,i=2表示商业微能网,i=3表示居民微能网;α表示单位CO2的处理成本,取值0.031;βe、βg分别表示微能网中电网和天然气网的碳排放系数,取值分别为0.972和0.23;R表示微能网i中需要维护的设备;Pom,r、分别表示机组r的维护价格和输出功率;分别表示容量补偿价格和能源补偿价格;分别表示可削减负荷的预留响应部分和实际响应部分;分别表示在t时刻的电、热、天然气销售价格; 分别表示微能网i和j之间相互作用的能量;
b.约束条件:
I.能源购买上下限约束:
式中,Pb,i,max、Gb,i,max分别表示微能网i电、气购买的上限;Pb,max、Gb,max分别表示多微能网综合能源系统电、气的总上限;
II.能量交互约束:
式中,Pij,max、Hij,max、Gij,max分别表示微能网i和j之间电、热、天然气能量交互上限值;分别表示电、热、天然气能量交互的方向,取正值表示能量从微能网i流向j,取负值表示能量从微能网j流向i;
III.储能设备运行约束:
式中,Ex,i,min、Ex,i,max分别表示储能设备的上下限值;Px,c,i,max、Px,d,i,max分别表示充放能量的最大值;λx,c,i、λx,d,i分别表示充放能量的0-1状态量;
IV.可替代负荷约束:
式中,Prep,t,i,max、Hrep,t,i,max、Grep,t,i,max、Arep,t,i,max分别表示可替代电、热、天然气、氢气负荷在t时刻的替代量最大值;
V.能量平衡约束:
式中,分别表示分布式发电和负荷的预测功率;表示需求响应的负荷变化矩阵;分别表示能量输入、能量生产、能量转换、能量储存和能量相互作用的变量矩阵;Cin、Cde、Ctr、Cs、Coc分别表示各自对应的耦合矩阵;
②中层:
a.目标函数:
b.约束条件:
日内阶段将日前阶段调整后的可替代负荷作为已知量负荷,在此基础上进行日内优化调度,可转移负荷积极响应需求,其余约束条件相同;
可转移负荷可以根据微能网的用能高峰低谷时段灵活选择负荷使用时间,通过分时电价和政府相应激励措施引导负荷在不同时段的价格变化,用户可据此调整用能行为;
式中,Ptrans,t,i,max、Htrans,t,i,max、Gtrans,t,i,max、Atrans,t,i,max分别表示在t时刻转移的电、热、天然气、氢气负荷最大值;
③下层:
a.目标函数:
实时优化调度阶段时间尺度为5min,以实时运行成本最低为目标,对能源供需不平衡作出修正;成本包含常规运行成本和调整成本其中,本阶段是在微能网内部进行优化调度,能量交互既可以作为该微能网的电源为其提供能量,又可以作为负荷消耗能量,因此将考虑能量交互的损耗成本;
式中,表示热价;ts表示日内优化的开始时间;NT表示日内优化周期总数;γe、γh、γg分别表示电、热,天然气的传输损耗系数,分别取值为6%、8%和3%;μp、分别表示调整后的电价和调整后的购电量;μg、分别表示调整后的天然气价和购气量;V表示微能网i中处于实时调度阶段的集合;μυ、分别表示设备υ的调整价格和调整功率;表示可削减需求响应成本;Δt在此处为5min;
b.约束条件:
实时阶段将日前优化后的可替代负荷与日内优化后的可转移负荷作为已知量负荷,可削减负荷参与需求响应,其余约束条件相同;
各类可削减负荷应满足如下约束条件:
式中,Pxj,t,i,max、Hxj,t,i,max、Gxj,t,i,max、Axj,t,i,max分别表示在t时刻削减的电、热、天然气、氢气负荷最大值。
与现有技术相比本发明具有以下有益效果:本发明所提供的一种基于需求响应的微能网多时空尺度优化调度方法,上层对整个多微能网系统进行日前调度,中层对各微能网进行日内调度,下层对网内不平衡功率进行实时调整。三个阶段分别引入可替代负荷、可转移负荷和可削减负荷进行阶梯式需求响应策略,能够进一步修正多能负荷曲线,对能源的供需平衡起到促进作用,实现系统经济性和可靠性运行;在多时空尺度上考虑了更全面的目标和约束条件,采取了更有效的措施促进多维综合能源的供需平衡,也说明随着时间尺度的减小,调度方案与系统的实际运行偏差会逐渐减小,验证了该策略的可行性和有效性。
附图说明
图1是本发明涉及的多微能网综合能源系统结构图。
图2~图4是本发明涉及的各微能网初始负荷曲线图。
图5是本发明涉及的微能网需求响应结构图。
图6是本发明涉及的多微能网综合能源多时空尺度优化框架图。
图7是本发明涉及的相关能源价格图。
图8~图11是本发明涉及的居民微能网日前各系统功率优化结果图。
图12是本发明涉及的各微能网日前能量交互调度结果图。
图13~图16是本发明涉及的居民微能网日内各系统功率优化结果图。
图17~图20是本发明涉及的居民微能网实时各系统不平衡功率调整图。
图21~图24是本发明涉及的居民微能网各阶段调用需求响应负荷曲线图。
具体实施方式
以下结合具体实施例对本发明作进一步说明。
本实施实例基于实际项目“雄安新区工业园”改进后进行算例分析。工业、商业、居民微能网中均有一个120MW容量的光伏场,一个150MW容量的风电场;各微能网向上层配网购买电能和天然气能的最大值均为400kW,算例拓扑如图1所示。初始负荷曲线如图2~图4所示,负荷比例如表1所示,各可调度负荷参与需求响应的补偿价格如表2所示,能源价格如图7所示。
表1用户侧负荷比例
负荷类型 | 常规负荷 | 可替代负荷 | 可转移负荷 | 可削减负荷 |
电负荷 | 0.4 | 0.2 | 0.3 | 0.1 |
热负荷 | 0.6 | 0.1 | 0.2 | 0.1 |
天然气负荷 | 0.3 | 0.2 | 0.4 | 0.1 |
氢气负荷 | 0.6 | 0.1 | 0.2 | 0.1 |
表2需求响应补偿价格
一种基于需求响应的微能网多时空尺度优化调度方法,从能源角度对微能网中各设备进行建模分析,构建多微能网综合能源系统模型。然后建立了由上、中、下三层组成的协同优化框架的多时空尺度运行模型:上层为日前调度阶段,对整个综合能源系统进行调度;中层为日内调度阶段,对各微能网进行优化;下层为实时调度阶段,对各微能网中不平衡功率进行调整;三个阶段分别引入可替代、可转移和可削减负荷,阶梯式参与需求响应优化调度,具体包括如下步骤:
1)从能源角度对微能网中各设备进行建模分析,构建多微能网综合能源系统模型:
①CHP机组数学模型:
式中,Hchp表示CHP机组的输出热功率;表示CHP机组的热电转化效率,取值为90%;Pchp表示CHP机组的发电量;Gchp表示CHP机组消耗天然气的量;βchp表示CHP机组的发电效率,取值为90%;Hng表示天然气的低热值,取9.7kWh/m3;Hchp,i,max表示CHP机组产生热量的最大值;
②电锅炉数学模型:
Heb=ηeb·Peb
式中,Heb表示电锅炉的输出热功率;βeb表示电锅炉的制热效率,取95%;Peb表示电锅炉的电功率;Heb,i,max表示电锅炉功率的最大值;
③电解水装置数学模型:
式中,Aec表示电解水装置产生的氢气量;βec表示电解装置效率,取值为90%;Vec表示电解装置的额定容量;表示的定产氢量,取值为350;Pecin表示电解装置的消耗功率;Pec表示电解装置的额定功率;a0、b0、c0是效率函数系数,取值分别为0.0109、1.0676、-0.0795;Aec,i,max表示电解水制取得到的氢气功率最大值;
④烷化装置数学模型:
式中,Gch表示转化得到的天然气量;βch表示氢气转换效率,取值为73%;Aecch表示制天然气所需氢气量;表示氢气转换成天然气的摩尔质量折算系数;κ表示天然气管道每m3对应的气体质量;Gch,i,max表示烷化反应后得到的天然气功率最大值;
⑤储能设备数学模型:
⑥可替代负荷数学模型:
以电/天然气可替代负荷为例,微能网可利用燃气锅炉或电锅炉供应热负荷,为了便于研究,提出电/气能源边际替代率,它表示在相同时间段里,用户消耗电能与消耗天然气能量的比值:
Ppl(t)=Pbuy0(t)+βegGrep(t)-Prep(t)
Gpl(t)=Gbuy0(t)+Prep(t)/βeg-Grep(t)
式中,ΔPrep(t)、ΔGrep(t)分别表示可替代负荷响应前后电能与天然气需求量的变化量;Pbuy0(t)、Gbuy0(t)分别表示系统初始购电量与购天然气量;Prep(t)、Grep(t)分别表示t时刻参与调度的可替代电负荷量与天然气负荷量;
⑦可转移负荷数学模型:
式中,Pextr(t)、Hextr(t)、Gextr(t)、Aextr(t)分别表示转移前的电负荷、热负荷、天然气负荷和氢气负荷量;ΔPtrans(t)、ΔHtrans(t)、ΔGtrans(t)、ΔAtrans(t)分别表示用户在t时刻转移的电负荷量、热负荷量、天然气负荷量和氢气负荷量;αt',t=1表示负荷量从t'时刻转入到t时刻,αt',t=-1表示负荷量从t时刻转到t'时刻;
⑧可削减负荷数学模型:
Pxj(t)=Pexxj(t)-αtΔPxj(t)
Hxj(t)=Hexxj(t)-αtΔHxj(t)
Gxj(t)=Gexxj(t)-αtΔGxj(t)
Axj(t)=Aexxj(t)-αtΔAxj(t)
式中,Pexxj(t)、Hexxj(t)、Gexxj(t)、Aexxj(t)分别表示用户在t时刻响应前的电负荷、热负荷、天然气负荷和氢气负荷量;ΔPxj(t)、ΔHxj(t)、ΔGxj(t)、ΔAxj(t)分别表示在t时刻削减的电负荷量、热负荷量、天然气负荷量和氢气负荷量;αt=1表示在t时刻负荷被削减,αt=0表示在t时刻负荷未被削减;
2)建立由上、中、下三层组成的协同优化框架的多时空尺度运行模型:
①上层:
a.目标函数:
式中,分别表示电价和天然气价;T表示调度时间,取值为24h;分别表示在t时刻微能网i向配网购买的电量和天然气量,其中i=1表示工业微能网,i=2表示商业微能网,i=3表示居民微能网;α表示单位CO2的处理成本,取值0.031;βe、βg分别表示微能网中电网和天然气网的碳排放系数,取值分别为0.972和0.23;R表示微能网i中需要维护的设备;Pom,r、分别表示机组r的维护价格和输出功率;分别表示容量补偿价格和能源补偿价格;分别表示可削减负荷的预留响应部分和实际响应部分;分别表示在t时刻的电、热、天然气销售价格; 分别表示微能网i和j之间相互作用的能量;
b.约束条件:
I.能源购买上下限约束:
式中,Pb,i,max、Gb,i,max分别表示微能网i电、气购买的上限;Pb,max、Gb,max分别表示多微能网综合能源系统电、气的总上限;
II.能量交互约束:
式中,Pij,max、Hij,max、Gij,max分别表示微能网i和j之间电、热、天然气能量交互上限值;分别表示电、热、天然气能量交互的方向,取正值表示能量从微能网i流向j,取负值表示能量从微能网j流向i;
III.储能设备运行约束:
式中,Ex,i,min、Ex,i,max分别表示储能设备的上下限值;Px,c,i,max、Px,d,i,max分别表示充放能量的最大值;λx,c,i、λx,d,i分别表示充放能量的0-1状态量;
IV.可替代负荷约束:
式中,Prep,t,i,max、Hrep,t,i,max、Grep,t,i,max、Arep,t,i,max分别表示可替代电、热、天然气、氢气负荷在t时刻的替代量最大值;
V.能量平衡约束:
式中,分别表示分布式发电和负荷的预测功率;表示需求响应的负荷变化矩阵;分别表示能量输入、能量生产、能量转换、能量储存和能量相互作用的变量矩阵;Cin、Cde、Ctr、Cs、Coc分别表示各自对应的耦合矩阵;
②中层:
a.目标函数:
b.约束条件:
日内阶段将日前阶段调整后的可替代负荷作为已知量负荷,在此基础上进行日内优化调度,可转移负荷积极响应需求,其余约束条件相同;
可转移负荷可以根据微能网的用能高峰低谷时段灵活选择负荷使用时间,通过分时电价和政府相应激励措施引导负荷在不同时段的价格变化,用户可据此调整用能行为;
式中,Ptrans,t,i,max、Htrans,t,i,max、Gtrans,t,i,max、Atrans,t,i,max分别表示在t时刻转移的电、热、天然气、氢气负荷最大值;
③下层:
a.目标函数:
实时优化调度阶段时间尺度为5min,以实时运行成本最低为目标,对能源供需不平衡作出修正;成本包含常规运行成本和调整成本其中,本阶段是在微能网内部进行优化调度,能量交互既可以作为该微能网的电源为其提供能量,又可以作为负荷消耗能量,因此将考虑能量交互的损耗成本;
式中,表示热价;ts表示日内优化的开始时间;NT表示日内优化周期总数;γe、γh、γg分别表示电、热,天然气的传输损耗系数,分别取值为6%、8%和3%;μp、分别表示调整后的电价和调整后的购电量;μg、分别表示调整后的天然气价和购气量;V表示微能网i中处于实时调度阶段的集合;μυ、分别表示设备υ的调整价格和调整功率;表示可削减需求响应成本;Δt在此处为5min;
b.约束条件:
实时阶段将日前优化后的可替代负荷与日内优化后的可转移负荷作为已知量负荷,可削减负荷参与需求响应,其余约束条件相同;
各类可削减负荷应满足如下约束条件:
式中,Pxj,t,i,max、Hxj,t,i,max、Gxj,t,i,max、Axj,t,i,max分别表示在t时刻削减的电、热、天然气、氢气负荷最大值。
图5的响应机制是指,能源聚合商通过与配电网、配气网之间进行信息交互,在日前阶段向下一级微能网发出需求调度任务,微能网根据这一调度对自己上报的用能计划进行调整,可替代负荷根据调度需求作出调整;日内阶段将日前阶段调整后的可替代负荷作为已知量负荷,可转移负荷积极响应作出调整;实时阶段则是将前两个阶段的需求负荷作为已知量负荷,可削减负荷根据调度需要作出调整。
图8~图11中,日前阶段对多能微网进行时间尺度为1h的优化调度,电能、热能、天然气、氢气等四个系统的能源调度效果体现了多维能源的供需平衡。如图8中,23:00-9:00是用电低谷时期,电价较低,此时微能网倾向于向配电网购买电能以满足自己的用能需求,缺额部分可依靠WT和CHP满足;图9中,10:00-21:00为居民热负荷的低谷时期,此时电锅炉主要满足电力系统稳定运行,产热较少,CHP可满足该时段热能需求;图10中,23:00-9:00是用电低谷时期,电解装置可在该时段大功率运行产生氢气为氢负荷供能,部分氢气在此时可进入烷化装置制取天然气;图11中,23:00-9:00时段电解装置产生较大量的氢气,经过烷化装置可得到天然气以满足自身天然气需求;10:00-22:00向上层配气网购买能量,弥补天然气空缺。
图12中各微能网的能量交互主要集中在21:00-7:00。24:00-3:00是居民微能网用能低谷时段,商业微能网此时也处于休业状态,因此在满足自身用电需求外可以将电能卖给夜间仍生产的工业微能网以获得收益;21:00-7:00是商业微能网的休业时段,此时对热能的需求不高,因此该时间段商业微能网销售热能给需供暖的居民微能网和夜间生产的工业微能网;商业微能网和居民微能网在23:00-5:00对天然气能的需求少,可出售给对燃气需求量大的工业微能网用于生产,自身也可以有所收益。
图13~图16中日内阶段通过对15min时间尺度的多能微网进行优化调度,电能、热能、天然气、氢气等四个系统的能源调度细节更加具体。但是与日前调度阶段相比还是存在一些差异,如图13中,在12:00-14:00、18:00-20:00时间段,电锅炉消耗功率较日前阶段减少,向配网购买电能减少或为0,降低了高峰时段的购能成本;图14中,能量交互较日前阶段提前到来19:00,这是因为电锅炉产热量减少,CHP机组产热无法满足需求,缺额热量来源于另两个微能网。
图17~图20通过引入可削减负荷对居民微能网内部各具体部分进行协调调度和实时调整,可以有效覆盖微能网内电力、热力、氢气、天然气系统引入的不平衡功率。若在某时刻PV、WT实际值增大/减小,负荷实际值增大/减少,剩余能源设备将调整出力值,需求响应负荷根据需求增加/减少功率,弥补差额。
图21~图24表明,日前阶段引入可替代负荷,用户可根据能源价格或用能需求随机选择来达到自己的目的,可提高系统的可再生能源消纳能力,如12:00-13:00,天然气负荷较原始曲线减少约15%,电负荷此时无变化,在13:00-14:00,电负荷较原始曲线减少约18.2%,天然气负荷曲线上升约15%至原始曲线,充分体现了能量的替代性;日内阶段如13:00-14:00,电负荷较日前阶段减少约7.68%~10.63%,负荷曲线在该段低于日前曲线,在22:00-24:00,电负荷较日前阶段增加约4.76%,在该时段高于日前曲线;实时阶段引入可削减负荷,进一步修正负荷曲线,在用能高峰期减少负荷的使用,如11:00-13:00,电负荷较日内阶段减少约2.59%~10.7%,负荷曲线在该时段低于日内负荷曲线,降低了用能高峰时期的压力。
本发明要求保护的范围不限于以上具体实施方式,而且对于本领域技术人员而言,本发明可以有多种变形和更改,凡在本发明的构思与原则之内所作的任何修改、改进和等同替换都应包含在本发明的保护范围之内。
Claims (1)
1.一种基于需求响应的微能网多时空尺度优化调度方法,其特征在于:从能源角度构建一个多维能源供需平衡模型;建立上、中、下三层协同优化的多时空尺度运行模型,上层采用日前调度,中层采用日内调度,下层采用实时调度,三个调度阶段分别引入可替代负荷、可转移负荷和可削减负荷进行需求响应优化,具体包括如下步骤:
1)从能源角度对微能网中各设备进行建模分析,构建多微能网综合能源系统模型:
①CHP机组数学模型:
式中,Hchp表示CHP机组的输出热功率;表示CHP机组的热电转化效率,取值为90%;Pchp表示CHP机组的发电量;Gchp表示CHP机组消耗天然气的量;βchp表示CHP机组的发电效率,取值为90%;Hng表示天然气的低热值,取9.7kWh/m3;Hchp,i,max表示CHP机组产生热量的最大值;
②电锅炉数学模型:
Heb=ηeb·Peb
式中,Heb表示电锅炉的输出热功率;βeb表示电锅炉的制热效率,取95%;Peb表示电锅炉的电功率;Heb,i,max表示电锅炉功率的最大值;
③电解水装置数学模型:
式中,Aec表示电解水装置产生的氢气量;βec表示电解装置效率,取值为90%;Vec表示电解装置的额定容量;表示的定产氢量,取值为350;Pecin表示电解装置的消耗功率;Pec表示电解装置的额定功率;a0、b0、c0是效率函数系数,取值分别为0.0109、1.0676、-0.0795;Aec,i,max表示电解水制取得到的氢气功率最大值;
④烷化装置数学模型:
式中,Gch表示转化得到的天然气量;βch表示氢气转换效率,取值为73%;Aecch表示制天然气所需氢气量;表示氢气转换成天然气的摩尔质量折算系数;κ表示天然气管道每m3对应的气体质量;Gch,i,max表示烷化反应后得到的天然气功率最大值;
⑤储能设备数学模型:
⑥可替代负荷数学模型:
以电/天然气可替代负荷为例,微能网可利用燃气锅炉或电锅炉供应热负荷,为了便于研究,提出电/气能源边际替代率,它表示在相同时间段里,用户消耗电能与消耗天然气能量的比值:
Ppl(t)=Pbuy0(t)+βegGrep(t)-Prep(t)
Gpl(t)=Gbuy0(t)+Prep(t)/βeg-Grep(t)
式中,ΔPrep(t)、ΔGrep(t)分别表示可替代负荷响应前后电能与天然气需求量的变化量;Pbuy0(t)、Gbuy0(t)分别表示系统初始购电量与购天然气量;Prep(t)、Grep(t)分别表示t时刻参与调度的可替代电负荷量与天然气负荷量;
⑦可转移负荷数学模型:
式中,Pextr(t)、Hextr(t)、Gextr(t)、Aextr(t)分别表示转移前的电负荷、热负荷、天然气负荷和氢气负荷量;ΔPtrans(t)、ΔHtrans(t)、ΔGtrans(t)、ΔAtrans(t)分别表示用户在t时刻转移的电负荷量、热负荷量、天然气负荷量和氢气负荷量;αt',t=1表示负荷量从t'时刻转入到t时刻,αt',t=-1表示负荷量从t时刻转到t'时刻;
⑧可削减负荷数学模型:
Pxj(t)=Pexxj(t)-αtΔPxj(t)
Hxj(t)=Hexxj(t)-αtΔHxj(t)
Gxj(t)=Gexxj(t)-αtΔGxj(t)
Axj(t)=Aexxj(t)-αtΔAxj(t)
式中,Pexxj(t)、Hexxj(t)、Gexxj(t)、Aexxj(t)分别表示用户在t时刻响应前的电负荷、热负荷、天然气负荷和氢气负荷量;ΔPxj(t)、ΔHxj(t)、ΔGxj(t)、ΔAxj(t)分别表示在t时刻削减的电负荷量、热负荷量、天然气负荷量和氢气负荷量;αt=1表示在t时刻负荷被削减,αt=0表示在t时刻负荷未被削减;
2)建立由上、中、下三层组成的协同优化框架的多时空尺度运行模型:
①上层:
a.目标函数:
式中,分别表示电价和天然气价;T表示调度时间,取值为24h;分别表示在t时刻微能网i向配网购买的电量和天然气量,其中i=1表示工业微能网,i=2表示商业微能网,i=3表示居民微能网;α表示单位CO2的处理成本,取值0.031;βe、βg分别表示微能网中电网和天然气网的碳排放系数,取值分别为0.972和0.23;R表示微能网i中需要维护的设备;Pom,r、分别表示机组r的维护价格和输出功率;分别表示容量补偿价格和能源补偿价格;分别表示可削减负荷的预留响应部分和实际响应部分;分别表示在t时刻的电、热、天然气销售价格; 分别表示微能网i和j之间相互作用的能量;
b.约束条件:
Ⅰ.能源购买上下限约束:
式中,Pb,i,max、Gb,i,max分别表示微能网i电、气购买的上限;Pb,max、Gb,max分别表示多微能网综合能源系统电、气的总上限;
Ⅱ.能量交互约束:
式中,Pij,max、Hij,max、Gij,max分别表示微能网i和j之间电、热、天然气能量交互上限值;分别表示电、热、天然气能量交互的方向,取正值表示能量从微能网i流向j,取负值表示能量从微能网j流向i;
Ⅲ.储能设备运行约束:
式中,Ex,i,min、Ex,i,max分别表示储能设备的上下限值;Px,c,i,max、Px,d,i,max分别表示充放能量的最大值;λx,c,i、λx,d,i分别表示充放能量的0-1状态量;
Ⅳ.可替代负荷约束:
式中,Prep,t,i,max、Hrep,t,i,max、Grep,t,i,max、Arep,t,i,max分别表示可替代电、热、天然气、氢气负荷在t时刻的替代量最大值;
Ⅴ.能量平衡约束:
式中,分别表示分布式发电和负荷的预测功率;表示需求响应的负荷变化矩阵;分别表示能量输入、能量生产、能量转换、能量储存和能量相互作用的变量矩阵;Cin、Cde、Ctr、Cs、Coc分别表示各自对应的耦合矩阵;
②中层:
a.目标函数:
b.约束条件:
日内阶段将日前阶段调整后的可替代负荷作为已知量负荷,在此基础上进行日内优化调度,可转移负荷积极响应需求,其余约束条件相同;
可转移负荷可以根据微能网的用能高峰低谷时段灵活选择负荷使用时间,通过分时电价和政府相应激励措施引导负荷在不同时段的价格变化,用户可据此调整用能行为;
式中,Ptrans,t,i,max、Htrans,t,i,max、Gtrans,t,i,max、Atrans,t,i,max分别表示在t时刻转移的电、热、天然气、氢气负荷最大值;
③下层:
a.目标函数:
实时优化调度阶段时间尺度为5min,以实时运行成本最低为目标,对能源供需不平衡作出修正;成本包含常规运行成本和调整成本其中,本阶段是在微能网内部进行优化调度,能量交互既可以作为该微能网的电源为其提供能量,又可以作为负荷消耗能量,因此将考虑能量交互的损耗成本;
式中,表示热价;ts表示日内优化的开始时间;NT表示日内优化周期总数;γe、γh、γg分别表示电、热,天然气的传输损耗系数,分别取值为6%、8%和3%;μp、分别表示调整后的电价和调整后的购电量;μg、分别表示调整后的天然气价和购气量;V表示微能网i中处于实时调度阶段的集合;μυ、分别表示设备υ的调整价格和调整功率;表示可削减需求响应成本;Δt在此处为5min;
b.约束条件:
实时阶段将日前优化后的可替代负荷与日内优化后的可转移负荷作为已知量负荷,可削减负荷参与需求响应,其余约束条件相同;
各类可削减负荷应满足如下约束条件:
式中,Pxj,t,i,max、Hxj,t,i,max、Gxj,t,i,max、Axj,t,i,max分别表示在t时刻削减的电、热、天然气、氢气负荷最大值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210680141.7A CN114971372A (zh) | 2022-06-16 | 2022-06-16 | 基于需求响应的微能网多时空尺度优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210680141.7A CN114971372A (zh) | 2022-06-16 | 2022-06-16 | 基于需求响应的微能网多时空尺度优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114971372A true CN114971372A (zh) | 2022-08-30 |
Family
ID=82964621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210680141.7A Pending CN114971372A (zh) | 2022-06-16 | 2022-06-16 | 基于需求响应的微能网多时空尺度优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114971372A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116522044A (zh) * | 2023-06-28 | 2023-08-01 | 国网北京市电力公司 | 一种燃煤机组实时碳排放核算方法、装置、设备及介质 |
CN117556549A (zh) * | 2024-01-08 | 2024-02-13 | 山东大学 | 一种面向风光氢储充综合能源的时空联合运行优化方法 |
-
2022
- 2022-06-16 CN CN202210680141.7A patent/CN114971372A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116522044A (zh) * | 2023-06-28 | 2023-08-01 | 国网北京市电力公司 | 一种燃煤机组实时碳排放核算方法、装置、设备及介质 |
CN116522044B (zh) * | 2023-06-28 | 2023-09-15 | 国网北京市电力公司 | 一种燃煤机组实时碳排放核算方法、装置、设备及介质 |
CN117556549A (zh) * | 2024-01-08 | 2024-02-13 | 山东大学 | 一种面向风光氢储充综合能源的时空联合运行优化方法 |
CN117556549B (zh) * | 2024-01-08 | 2024-04-19 | 山东大学 | 一种面向风光氢储充综合能源的时空联合运行优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111881616B (zh) | 一种基于多主体博弈的综合能源系统的运行优化方法 | |
CN108229025B (zh) | 一种冷热电联供型多微网主动配电系统经济优化调度方法 | |
CN111738502B (zh) | 促进富余风电消纳的多能互补系统需求响应运行优化方法 | |
CN106849190B (zh) | 一种基于Rollout算法的多能互补微网实时调度方法 | |
CN110288152B (zh) | 考虑电/热柔性负荷的区域综合能源系统储能配置方法 | |
CN110163443B (zh) | 考虑电-气综合需求响应的天然气调压站微能网优化调度方法 | |
CN106372742A (zh) | 考虑电转气多源储能型微网日前最优经济调度方法 | |
CN112464477A (zh) | 计及需求响应的多能耦合综合能源运行仿真方法 | |
CN103296682A (zh) | 一种多时空尺度渐进趋优的负荷调度模式设计方法 | |
CN112232603B (zh) | 一种计及电转气协同的虚拟电厂优化调度方法 | |
CN114971372A (zh) | 基于需求响应的微能网多时空尺度优化调度方法 | |
CN111786422B (zh) | 基于bp神经网络的微电网参与上层电网实时优化调度方法 | |
CN111553544B (zh) | 基于一致性算法的工业园区分布式综合需求响应方法 | |
CN109376970B (zh) | 适用于能源互联网的动态实时电价机制形成方法及系统 | |
CN115170343A (zh) | 一种区域综合能源系统分布式资源和储能协同规划方法 | |
CN116826867B (zh) | 提升源荷多元调峰主动性的优化调度及费用补偿分摊方法 | |
CN112311017A (zh) | 一种虚拟电厂与主网最优协同调度方法 | |
CN115688448A (zh) | 一种考虑共享储能的多区域综合能源系统优化调度方法 | |
CN115293457A (zh) | 基于分布式协同优化策略的综合能源系统季节性氢储优化配置方法 | |
CN112488363A (zh) | 基于广义储能的多能源电力系统优化调度方法 | |
CN117081143A (zh) | 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法 | |
CN116663818A (zh) | 一种阶梯碳交易机制下的虚拟电厂低碳经济调度方法 | |
CN113128746A (zh) | 一种基于多代理的综合能源系统多主体联合优化运行方法 | |
CN114862103B (zh) | 一种基于主从博弈的输配电网协同优化控制方法 | |
CN115986833A (zh) | 考虑两阶段需求响应的热电联供微网低碳经济调度方法 |
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 |