CN115080907A - 综合能源系统的控制方法、装置及设备 - Google Patents

综合能源系统的控制方法、装置及设备 Download PDF

Info

Publication number
CN115080907A
CN115080907A CN202110275888.XA CN202110275888A CN115080907A CN 115080907 A CN115080907 A CN 115080907A CN 202110275888 A CN202110275888 A CN 202110275888A CN 115080907 A CN115080907 A CN 115080907A
Authority
CN
China
Prior art keywords
day
plan
energy system
constraint
power
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
Application number
CN202110275888.XA
Other languages
English (en)
Inventor
董得志
彭丽媛
任党培
陈义学
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.)
State Power Investment Group Science and Technology Research Institute Co Ltd
Original Assignee
State Power Investment Group Science and Technology 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 State Power Investment Group Science and Technology Research Institute Co Ltd filed Critical State Power Investment Group Science and Technology Research Institute Co Ltd
Priority to CN202110275888.XA priority Critical patent/CN115080907A/zh
Publication of CN115080907A publication Critical patent/CN115080907A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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

Abstract

本申请提出了一种综合能源系统的控制方法、装置及设备，其中，方法包括：获取电负荷、热负荷和风电出力的预测数据；根据预测数据、综合能源系统的约束条件，以最低运行成本为目标对日前优化模型进行求解，生成日前调度计划；基于日前调度计划进行滚动修正，以生成日内滚动计划；基于日内滚动计划，根据预测数据、约束条件和设备出力偏差约束，以最低调节成本为目标对实时计划优化模型进行求解，生成各时段的调度计划，以根据各时段的调度计划对综合能源系统进行控制。根据本申请的方案能够实现电气热多能网络动态过程的协同优化的运行调度，有利于优化能量流分配，降低系统的运行成本。

Description

综合能源系统的控制方法、装置及设备
技术领域
本申请涉及数据处理技术领域，尤其涉及一种综合能源系统的控制方法、装置及设备。
背景技术
为提升能源利用效率、促进能源可持续发展，综合能源系统受到越来越多的关注。综合能源系统能够整合天然气、电能、热能等多种能源，实现多种异质能源子系统之间的协调规划、优化运行，如何优化综合能源系统的运行成为亟待解决的问题。
相关技术中，方案一运用含有热用户的热网管道进行建模，针对风光和负荷的不确定性，基于多场景随机规划和模型预测控制方法，建立了综合考虑回水管网拓扑结构、热网暂态传热特性和传输时延的热网模型。该方案在各调度阶段内电气热设备的调度指令周期相同，然而实际综合能源系统动态时间尺度差异显著，同时间尺度优化运行策略难以适用。
方案二基于冷热电综合系统考虑可再生能源及负荷的不确定性,提出了基于多场景随机规划和模型预测控制的多时间尺度协调优化策略。该方案主要考虑冷热电联合系统自上而下的调度策略，对于供能与需求侧之间的互动考虑不足，难以处理此方面因素对于预测的影响。
发明内容
本申请提出一种综合能源系统的控制方法、装置及设备。
本申请第一方面实施例提出了一种综合能源系统的控制方法，包括：
获取电负荷、热负荷和风电出力的预测数据；
根据所述预测数据、所述综合能源系统的约束条件，以最低运行成本为目标对日前优化模型进行求解，生成日前调度计划；
基于所述日前调度计划，根据所述预测数据、所述综合能源系统的约束条件和第一设备出力偏差约束，以最低运行成本为目标对日内滚动模型进行求解，生成日内滚动计划；
基于所述日内滚动计划，根据所述预测数据、所述综合能源系统的约束条件和第二设备出力偏差约束，以最低调节成本为目标对实时计划优化模型进行求解，生成各时段的调度计划，以根据各时段的调度计划对所述综合能源系统进行控制。
可选地，所述综合能源系统的约束条件包括：外部网络约束、能量枢纽模型约束、设备出力功率约束、储气装置约束和购电购气功率约束。
可选地，所述能量枢纽模型约束是根据综合能源系统的能量枢纽模型确定的，所述能量枢纽模型如下：
Figure BDA0002976622320000021
其中，Pe为购电功率，Pg为购气功率，Le为电负荷，Lh为热负荷，ΔPS为储气装置气功率增量，ηT为变压器的效率参数，
Figure BDA0002976622320000022
为热电联产CHP机组发电的效率参数，
Figure BDA0002976622320000023
为CHP机组产热的效率参数，ηGB为燃气锅炉的效率参数，ηMID为中间变量，v1、v2分别为电、气能流分配系数。
可选地，所述日前优化模型包括：
Figure BDA0002976622320000024
其中，ce，i为第i时段的电价，cg为单位功率的天然气价格，cP2G为生产单位功率天然气的电转气装置P2G运行费用，cw为单位功率弃风惩罚成本，Δt为调度时段间隔。
可选地，所述日内滚动模型包括：
Figure BDA0002976622320000025
其中，其中，ce，i为第i时段的电价，cg为单位功率的天然气价格，cP2G为生产单位功率天然气的P2G运行费用，cw为单位功率弃风惩罚成本，Δt为调度时段间隔。
可选地，所述实时计划优化模型包括：
minfRT＝min(Δfe+Δfg+ΔfS+ΔfP2G+ΔfCHP)
其中，Δfe为购电量的调节成本，Δfg为购气量的调节成本，ΔfS为储气装置的调节成本，ΔfP2G为P2G出力的调节成本，ΔfCHP为CHP机组出力的调节成本。
可选地，其中，采用混沌万有引力算法对所述实时计划优化模型进行求解。
根据本申请实施例的综合能源系统的控制方法，根据电负荷、热负荷和风电出力的预测数据，对运行模型进行求解生成各时段的调度计划，以根据各时段的调度计划对综合能源系统进行控制，由此，实现电气热多能网络动态过程的协同优化的运行调度，能够优化能量流分配，降低系统的运行成本，提高综合能源系统运行的经济效益，并且能够增强可再生资源的利用率，实现节约资源的目的。
本申请第二方面实施例提出了一种综合能源系统的控制装置，包括：
获取模块，用于获取电负荷、热负荷和风电出力的预测数据；
第一生成模块，用于根据所述预测数据、所述综合能源系统的约束条件，以最低运行成本为目标对日前优化模型进行求解，生成日前调度计划；
第二生成模块，用于基于所述日前调度计划，根据所述预测数据、所述综合能源系统的约束条件和第一设备出力偏差约束，以最低运行成本为目标对日内滚动模型进行求解，生成日内滚动计划；
第三生成模块，用于基于所述日内滚动计划，根据所述预测数据、所述综合能源系统的约束条件和第二设备出力偏差约束，以最低调节成本为目标对实时计划优化模型进行求解，生成各时段的调度计划，以根据各时段的调度计划对所述综合能源系统进行控制。
本申请第三方面实施例提出了一种计算机设备，包括处理器和存储器；其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如第一方面实施例所述的综合能源系统的控制方法。
本申请第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所述的综合能源系统的控制方法。
应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
图1为本申请实施例所提供的一种综合能源系统的控制方法的流程示意图；
图2为本申请实施例所提供的一种综合能源系统的结构图；
图3为本申请实施例所提供的一种综合能源系统的控制装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的综合能源系统的控制方法、装置及设备。
图1为本申请实施例所提供的一种综合能源系统的控制方法的流程示意图，如图1所示，该方法包括：
步骤101，获取电负荷、热负荷和风电出力的预测数据。
其中，综合能源系统的结构如图2所示，综合能源系统包括电转气装置(简称P2G)、变压器、储气装置、CHP(combined heat and power，热电联产)机组、燃气锅炉。
本实施例中，获取电负荷的预测数据、热负荷的预测数据和风电出力的预测数据，在实际应用中，该预测数据可以是由操作人员设定的计划值。
步骤102，根据预测数据、综合能源系统的约束条件，以最低运行成本为目标对日前优化模型进行求解，生成日前调度计划。
其中，综合能源系统的约束条件包括：外部网络约束、能量枢纽模型约束、设备出力功率约束、储气装置约束和购电购气功率约束。
外部网络约束如下：
外部网络包括电力系统和天然气网，综合能源系统的能量输入端分别作为电力系统和天然气网的负荷节点，应满足电力系统潮流约束及天然气管网能流约束。通过建立电力系统的功率与节点电导和电纳、节点间的电压相位的关系，进一步，建立天然气网的缩减节点-支路关联矩阵，得到各支路天然气流量与节点压力平方、平方差之间的约束条件。此外，还应满足在电力系统支路集中，节点电压与支路功率的约束，以及天然气管网节点和支路集中，节点压力与管道流量的约束。
能量枢纽模型约束是根据综合能源系统的能量枢纽模型确定的，例如对于图2所示的综合能源系统，能量枢纽模型如下：
Figure BDA0002976622320000041
其中，Pe为购电功率，Pg为购气功率，Le为电负荷，Lh为热负荷，ΔPS为储气装置气功率增量，ηT为变压器的效率参数，
Figure BDA0002976622320000042
为热电联产CHP机组发电的效率参数，
Figure BDA0002976622320000043
为CHP机组产热的效率参数，ηGB为燃气锅炉的效率参数，ηP2G为P26的效率参数，ηMID为中间变量，v1、v2分别为电、气能流分配系数。
其中，
Figure BDA0002976622320000044
设备出力功率约束如下：
Figure BDA0002976622320000045
其中，
Figure BDA0002976622320000046
分别为变压器功率、CHP机组电功率、CHP机组热功率、P26装置功率、燃气锅炉热功率的上下限。
储气装置约束如下：
Figure BDA0002976622320000051
其中，
Figure BDA0002976622320000052
分别为储气装置容量上下限。举例而言，以储气装置功率流出为正，
Figure BDA0002976622320000053
为正数，代表储气装置的提取容量上限，
Figure BDA0002976622320000054
为负数，其绝对值代表储气装置的注入容量上限。
购电购气功率约束如下：
Figure BDA0002976622320000055
其中，
Figure BDA0002976622320000056
分别为满足外部网络约束的购电功率、购气功率上下限。
在本申请的一个实施例中，日前优化模型包括：
Figure BDA0002976622320000057
其中，i表示第i时段，ce，i为第i时段的电价，cg为单位功率的天然气价格，cP2G为生产单位功率天然气的电转气装置P2G运行费用，cw为单位功率弃风惩罚成本，Δt为调度时段间隔。
本实施例中，根据电负荷、热负荷以及风电出力的日前预测数据，结合上述综合能源系统的约束条件，对日前优化模型进行求解。日前优化模型的求解问题为多变量、多约束的非线性优化问题，可选地，根据约束条件将原模型转换为线性模型，进而利用yalmip工具箱求解出日前调度计划。日前调度计划用于为综合能源系统全天的运行情况提供初步的参考信息。
步骤103，基于日前调度计划，根据预测数据、综合能源系统的约束条件和第一设备出力偏差约束，以最低运行成本为目标对日内滚动模型进行求解，生成日内滚动计划。
其中，第一设备出力偏差约束如下：
Figure BDA0002976622320000058
其中，
Figure BDA0002976622320000059
和
Figure BDA00029766223200000510
分别为第i和i+1个窗口在重合的t时段的设备出力向量，Pmax为最大设备出力向量，λ1为滚动计划设备出力偏差约束因子。设备出力向量包括各设备的出力功率。
可选地，将日前这一时间尺度划分为多个窗口，举例而言，将全天划分为11个窗口，日内滚动计划以日前调度计划为基础，且在滚动计划进程中，相邻两个时间窗有2小时的重合时间。第一设备出力偏差约束用于约束滚动计划相邻窗口的重合时段内各设备出力的差值，以使该差值在预设范围内，避免滚动计划相邻时间窗的重合时段内各设备出力的偏差过大。
在本申请的一个实施例中，日内滚动模型包括：
Figure BDA0002976622320000061
其中，i表示第i时段，ce，i为第i时段的电价，cg为单位功率的天然气价格，cP2G为生产单位功率天然气的P2G运行费用，cw为单位功率弃风惩罚成本，Δt为调度时段间隔。
本实施例中，根据电负荷、热负荷以及风电出力的短期滚动预测数据，结合上述综合能源系统的约束条件和第一设备出力偏差约束，对日内滚动模型进行求解。日内滚动模型的求解问题为多变量、多约束的非线性优化问题，可选地，根据约束条件将原模型转换为线性模型，进而利用yalmip工具箱求解出日内滚动计划。日内滚动计划用于对日前调度计划进行滚动修正，以确定各设备出力的基本运行点。
步骤104，基于日内滚动计划，根据预测数据、综合能源系统的约束条件和第二设备出力偏差约束，以最低调节成本为目标对实时计划优化模型进行求解，生成各时段的调度计划，以根据各时段的调度计划对综合能源系统进行控制。
其中，第二设备出力偏差约束如下：
Figure BDA0002976622320000062
其中，
Figure BDA0002976622320000063
和
Figure BDA0002976622320000064
分别为t时段的实时计划设备出力和日内滚动计划设备出力向量，Pmax为最大设备出力向量，λ2为实时计划设备出力偏差约束因子。设备出力向量包括各设备的出力功率。
可选地，每一窗口可包括多个时段，举例而言，每一窗口包括16个时段，实时计划以日内滚动计划为基础，根据日内滚动计划可以确定各窗口的设备出力向量。第二设备出力偏差约束用于约束一时段的实时计划与该时段对应的日内滚动计划之间的各设备出力的偏差，以使该差值在预设范围内，避免实时计划与相应时段日内滚动计划的各设备出力的偏差过大。
在本申请的一个实施例中，实时计划优化模型包括：
minfRT＝min(Δfe+Δfg+ΔfS+ΔfP2G+ΔfCHP)
其中，Δfe为购电量的调节成本，Δfg为购气量的调节成本，ΔfS为储气装置的调节成本，ΔfP2G为P2G出力的调节成本，ΔfCHP为CHP机组出力的调节成本。
Figure BDA0002976622320000071
其中，RS表示日内滚动计划，RT表示实时计划，Pe为购电功率，Pg为购气功率，ΔPS为储气装置气功率增量，PP2G为P2G装置功率，PCHP为CHP机组功率，w1、w2、w3、w4、w5分别对应响应各设备调节的价值系数。
本实施例中，根据电负荷、热负荷以及风电出力的超短期滚动预测数据，结合上述综合能源系统的约束条件和第二设备出力偏差约束，对实时计划优化模型进行求解。实时计划优化模型的求解方法，包括但不限于万有引力搜索算法、混沌万有引力搜索算法。可选地，采用混沌万有引力算法对所述实时计划优化模型进行求解，通过采用Logistics混沌映射与Chebyshev混沌映射组合的混沌映射代替普通的随机数，提高随机初始群体的遍历性与均匀程度，从而保证求解精度。
作为一种示例，本申请所涉及的多时间尺度协调优化运行策略中，日前调度计划的调度周期为24h，调度间隔为15min。日内滚动计划的时间窗跨度为4h，更新间隔为2h，在计划进程中时间窗口滚动向后移动。实时调度计划每15min执行一次，用于提前安排下一时段的调度计划。由此，能够根据各时段的调度计划对综合能源系统进行控制，例如根据各时段的设备出力功率等，控制综合能源系统的运行。
根据本申请实施例的综合能源系统的控制方法，根据电负荷、热负荷和风电出力的预测数据，结合约束条件分别对日前优化模型、日内滚动模型、实时计划优化模型进行求解，生成各时段的调度计划，以根据各时段的调度计划对综合能源系统进行控制，由此，提供了一种考虑多时间尺度复合协调优化的综合能源系统运行方案，考虑了综合能源系统多能网络与设备特性差异，实现电气热多能网络动态过程的协同优化的运行调度，能够优化能量流分配，降低系统的运行成本，提高综合能源系统运行的经济效益，并且兼顾源荷侧多重不确定性，实现多能子系统间的协调运行，通过预测优化能源使用，增强可再生资源的利用率，实现节约资源的目的。
为了实现上述实施例，本申请还提出一种综合能源系统的控制装置。
图3为本申请实施例所提供的一种综合能源系统的控制装置的结构示意图，包括：获取模块10，第一生成模块20，第二生成模块30，第三生成模块40。
其中，获取模块10，用于获取电负荷、热负荷和风电出力的预测数据。
第一生成模块20，用于根据所述预测数据、所述综合能源系统的约束条件，以最低运行成本为目标对日前优化模型进行求解，生成日前调度计划。
第二生成模块30，用于基于所述日前调度计划，根据所述预测数据、所述综合能源系统的约束条件和第一设备出力偏差约束，以最低运行成本为目标对日内滚动模型进行求解，生成日内滚动计划。
第三生成模块40，用于基于所述日内滚动计划，根据所述预测数据、所述综合能源系统的约束条件和第二设备出力偏差约束，以最低调节成本为目标对实时计划优化模型进行求解，生成各时段的调度计划，以根据各时段的调度计划对所述综合能源系统进行控制。
前述实施例对综合能源系统的控制方法的解释说明同样适用于本实施例的综合能源系统的控制装置，此处不再赘述。
根据本申请实施例的综合能源系统的控制装置，提供了一种考虑多时间尺度复合协调优化的综合能源系统运行方案，考虑了综合能源系统多能网络与设备特性差异，实现电气热多能网络动态过程的协同优化的运行调度，能够优化能量流分配，降低系统的运行成本，提高综合能源系统运行的经济效益，并且兼顾源荷侧多重不确定性，实现多能子系统间的协调运行，通过预测优化能源使用，增强可再生资源的利用率，实现节约资源的目的。
为了实现上述实施例，本申请还提出一种计算机设备，包括处理器和存储器；其中，处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序，以用于实现如前述任一实施例所述的综合能源系统的控制方法。
为了实现上述实施例，本申请还提出一种计算机程序产品，当计算机程序产品中的指令被处理器执行时实现如前述任一实施例所述的综合能源系统的控制方法。
为了实现上述实施例，本申请还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如前述任一实施例所述的综合能源系统的控制方法。
在本申请的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种综合能源系统的控制方法，其特征在于，包括：
获取电负荷、热负荷和风电出力的预测数据；
根据所述预测数据、所述综合能源系统的约束条件，以最低运行成本为目标对日前优化模型进行求解，生成日前调度计划；
基于所述日前调度计划，根据所述预测数据、所述综合能源系统的约束条件和第一设备出力偏差约束，以最低运行成本为目标对日内滚动模型进行求解，生成日内滚动计划；
基于所述日内滚动计划，根据所述预测数据、所述综合能源系统的约束条件和第二设备出力偏差约束，以最低调节成本为目标对实时计划优化模型进行求解，生成各时段的调度计划，以根据各时段的调度计划对所述综合能源系统进行控制。
2.如权利要求1所述的方法，其特征在于，所述综合能源系统的约束条件包括：外部网络约束、能量枢纽模型约束、设备出力功率约束、储气装置约束和购电购气功率约束。
3.如权利要求2所述的方法，其特征在于，所述能量枢纽模型约束是根据综合能源系统的能量枢纽模型确定的，所述能量枢纽模型如下：
Figure FDA0002976622310000011
其中，Pe为购电功率，Pg为购气功率，Le为电负荷，Lh为热负荷，ΔPS为储气装置气功率增量，ηT为变压器的效率参数，
Figure FDA0002976622310000012
为热电联产CHP机组发电的效率参数，
Figure FDA0002976622310000013
为CHP机组产热的效率参数，ηGB为燃气锅炉的效率参数，ηMID为中间变量，v1、v2分别为电、气能流分配系数。
4.如权利要求1所述的方法，其特征在于，所述日前优化模型包括：
Figure FDA0002976622310000014
其中，ce，i为第i时段的电价，cg为单位功率的天然气价格，cP2G为生产单位功率天然气的电转气装置P2G运行费用，cw为单位功率弃风惩罚成本，Δt为调度时段间隔。
5.如权利要求1所述的方法，其特征在于，所述日内滚动模型包括：
Figure FDA0002976622310000021
其中，其中，ce，i为第i时段的电价，cg为单位功率的天然气价格，cP2G为生产单位功率天然气的P2G运行费用，cw为单位功率弃风惩罚成本，Δt为调度时段间隔。
6.如权利要求1所述的方法，其特征在于，所述实时计划优化模型包括：
minfRT＝min(Δfe+Δfg+ΔfS+ΔfP2G+ΔfCHP)
其中，Δfe为购电量的调节成本，Δfg为购气量的调节成本，ΔfS为储气装置的调节成本，ΔfP2G为P2G出力的调节成本，ΔfCHP为CHP机组出力的调节成本。
7.如权利要求1-6任一项所述的方法，其特征在于，其中，采用混沌万有引力算法对所述实时计划优化模型进行求解。
8.一种综合能源系统的控制装置，其特征在于，包括：
获取模块，用于获取电负荷、热负荷和风电出力的预测数据；
第一生成模块，用于根据所述预测数据、所述综合能源系统的约束条件，以最低运行成本为目标对日前优化模型进行求解，生成日前调度计划；
第二生成模块，用于基于所述日前调度计划，根据所述预测数据、所述综合能源系统的约束条件和第一设备出力偏差约束，以最低运行成本为目标对日内滚动模型进行求解，生成日内滚动计划；
第三生成模块，用于基于所述日内滚动计划，根据所述预测数据、所述综合能源系统的约束条件和第二设备出力偏差约束，以最低调节成本为目标对实时计划优化模型进行求解，生成各时段的调度计划，以根据各时段的调度计划对所述综合能源系统进行控制。
9.一种计算机设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时，实现上述如权利要求1-7任一项所述的方法。
10.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述如权利要求1-7任一项所述的方法。
CN202110275888.XA 2021-03-15 2021-03-15 综合能源系统的控制方法、装置及设备 Pending CN115080907A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110275888.XA CN115080907A (zh) 2021-03-15 2021-03-15 综合能源系统的控制方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110275888.XA CN115080907A (zh) 2021-03-15 2021-03-15 综合能源系统的控制方法、装置及设备

Publications (1)

Publication Number Publication Date
CN115080907A true CN115080907A (zh) 2022-09-20

Family

ID=83240590

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110275888.XA Pending CN115080907A (zh) 2021-03-15 2021-03-15 综合能源系统的控制方法、装置及设备

Country Status (1)

Country Link
CN (1) CN115080907A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115796138A (zh) * 2023-02-09 2023-03-14 浪潮通用软件有限公司 一种用于滚动计划的数据处理方法、设备及介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115796138A (zh) * 2023-02-09 2023-03-14 浪潮通用软件有限公司 一种用于滚动计划的数据处理方法、设备及介质
CN115796138B (zh) * 2023-02-09 2023-05-16 浪潮通用软件有限公司 一种用于滚动计划的数据处理方法、设备及介质

Similar Documents

Publication Publication Date Title
Zhang et al. Uncertainty-resistant stochastic MPC approach for optimal operation of CHP microgrid
Lv et al. Model predictive control based robust scheduling of community integrated energy system with operational flexibility
Zhang et al. Optimal operation of integrated electricity and heat system: A review of modeling and solution methods
Zhang et al. A stochastic MPC based approach to integrated energy management in microgrids
Wu et al. Bi-level optimization model for integrated energy system considering the thermal comfort of heat customers
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
JP5789792B2 (ja) 需給制御装置、需給制御方法、および、需給制御システム
CN109784573B (zh) 一种能源互联网多目标优化方法及装置
WO2018171210A1 (zh) 一种基于Rollout算法的多能互补微网实时调度方法
CN102930351B (zh) 一种综合节能优化调度日计划生成方法
CN112701687B (zh) 考虑价格型联合需求响应的气电配网系统鲁棒优化运行方法
Xie et al. Optimal capacity and type planning of generating units in a bundled wind–thermal generation system
CN109636056A (zh) 一种基于多智能体技术的多能源微网去中心化优化调度方法
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
Vasilj et al. Robust nonlinear economic MPC based management of a multi energy microgrid
CN115271264A (zh) 一种工业园区能源系统调配方法及计算设备
Wang et al. Event-triggered online energy flow control strategy for regional integrated energy system using Lyapunov optimization
Zhang et al. Adjustable robust interval economic dispatch of integrated electricity and district heating systems under wind power uncertainty
Mu et al. A two-stage scheduling method for integrated community energy system based on a hybrid mechanism and data-driven model
Yu et al. Optimal dispatching method for integrated energy system based on robust economic model predictive control considering source–load power interval prediction
Gu et al. Bi-level decentralized optimal economic dispatch for urban regional integrated energy system under carbon emission constraints
CN114266382A (zh) 一种考虑热惯性的热电联产系统两阶段优化调度方法
CN115080907A (zh) 综合能源系统的控制方法、装置及设备
CN112214883B (zh) 一种微能源网综合能源系统运行优化方法和系统
Zhou et al. Optimal dispatch of integrated energy system based on deep reinforcement learning

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