CN115146868A - 电热气耦合的农村微能源系统协同规划方法及终端设备 - Google Patents
电热气耦合的农村微能源系统协同规划方法及终端设备 Download PDFInfo
- Publication number
- CN115146868A CN115146868A CN202210878153.0A CN202210878153A CN115146868A CN 115146868 A CN115146868 A CN 115146868A CN 202210878153 A CN202210878153 A CN 202210878153A CN 115146868 A CN115146868 A CN 115146868A
- Authority
- CN
- China
- Prior art keywords
- gas
- energy
- electric
- load
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000004044 response Effects 0.000 claims abstract description 122
- 238000010168 coupling process Methods 0.000 claims abstract description 62
- 238000005859 coupling reaction Methods 0.000 claims abstract description 62
- 230000008878 coupling Effects 0.000 claims abstract description 59
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 53
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 52
- 238000005457 optimization Methods 0.000 claims abstract description 51
- 238000005265 energy consumption Methods 0.000 claims abstract description 23
- 238000005485 electric heating Methods 0.000 claims abstract description 16
- 239000007789 gas Substances 0.000 claims description 146
- 238000004146 energy storage Methods 0.000 claims description 81
- 230000005611 electricity Effects 0.000 claims description 47
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 24
- 230000008859 change Effects 0.000 claims description 21
- 238000007599 discharging Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 18
- 239000003345 natural gas Substances 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000005338 heat storage Methods 0.000 claims description 14
- 230000003993 interaction Effects 0.000 claims description 14
- 230000003044 adaptive effect Effects 0.000 claims description 11
- 238000012423 maintenance Methods 0.000 claims description 10
- 238000010248 power generation Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000009434 installation Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000010521 absorption reaction Methods 0.000 claims description 6
- 230000009194 climbing Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 4
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 7
- 238000004364 calculation method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000007423 decrease Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000020169 heat generation Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000002940 Newton-Raphson method Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请适用于电力系统规划技术领域,提供了一种电热气耦合的农村微能源系统协同规划方法及终端设备。该方法包括:获取目标区域的历史用能数据及系统参数,构建目标区域的农村微能源系统模型,并确定该系统模型的电热气用能需求和用能特征;再建立考虑用户侧参与需求响应的耦合需求响应模型;耦合为电热气用能需求耦合;以经济成本和碳排放量最小为目标,建立具有自适应动态权重因子的多目标优化模型;基于多目标优化模型和需求响应约束对农村微能源系统模型进行优化求解,得到优化后的农村微能源系统模型。本申请的规划方法能够兼顾农村微能源系统的经济性与环保性,避免了权重的人工过多干预,实现了农村微能源系统的自适应优化规划。
Description
技术领域
本申请属于电力系统规划技术领域,尤其涉及一种电热气耦合的农村微能源系统协同规划方法及终端设备。
背景技术
随着化石能源逐渐枯竭、环境污染问题不断加剧,传统化石燃料发电逐渐被可再生能源替代,以电力系统为核心,可再生能源与天然气网等其他网络耦合的农村微能源系统正在兴起。农村微能源系统的发展对可再生能源消纳、提高社会能源利用效率以及助力实现“双碳”目标具有重要意义。
热、电分立严重制约了可再生能源接入的空间,将电力转换为其他形式能源存储,这将在很大程度上改善弃风、光现象。逐渐成熟的电转气技术将多余电能转换为人造天然气进行储存和传输,加强电-气之间的耦合,使得电-气之间能够相互转换。热电联产(CHP)机组实现了能源的梯级利用,是一种经济、环境友好的设备。电转热和储热技术能打破CHP机组的热电耦合约束,间接与可再生能源互动,可有效提高系统的灵活性和经济性。微能源系统以温度作为调节尺度,用户对温度敏感度较低,将温度控制在人体舒适范围内即可,利用此特性可调控热力系统热负荷。随着计量设施、控制设备的普遍使用,用户侧参与需求响应对农村微能源系统规划结果的影响变得不可忽视。
储能设备的引入能提升可再生能源不能上网部分的电力消纳。在多能源微能源系统中引入储能设备有利于可再生能源出力与电、热负荷之间的匹配,提高系统可控性。在配置储能时,储能容量不宜过大,过大的容量会导致投资成本的显著增加;混合储能容量的配置也不能过小,过小的容量无法明显提升系统的运行效率。
现有研究大多考虑规划电储能而忽略了其他形式储能设备的应用,并且多以经济性最优为目标而没有考虑诸如碳排放量的其他社会效益。此外,对于需求响应在储能规划阶段的研究仅考虑了电负荷参与需求响应,且没有考虑各类负荷参与需求响应的耦合关系。
发明内容
为克服相关技术中存在的问题,本申请实施例提供了一种电热气耦合的农村微能源系统协同规划方法及终端设备,能够兼顾农村微能源系统的经济性与环保性,能够获得最优农村微能源系统规划方案,避免了权重的人工过多干预,实现了农村微能源系统的自适应优化规划。
本申请是通过如下技术方案实现的:
第一方面,本申请实施例提供了一种电热气耦合的农村微能源系统协同规划方法,包括:
获取目标区域的历史用能数据及系统参数;基于所述历史用能数据及系统参数,构建所述目标区域的农村微能源系统模型;
确定所述农村微能源系统模型的电热气的用能需求和用能特征;
基于所述农村微能源系统模型的电热气的用能需求和用能特征,建立考虑用户侧参与需求响应的农村微能源系统模型的耦合需求响应模型;
以经济成本和碳排放量最小为目标,建立具有自适应动态权重因子的多目标优化模型;
基于所述耦合需求响应模型,确定所述多目标优化模型的需求响应约束;
基于所述多目标优化模型和所述需求响应约束对所述农村微能源系统模型进行优化求解,得到优化后的农村微能源系统模型。
在第一方面的一种可能的实现方式中,所述获取光伏并网点数据,包括:
所述基于所述历史用能数据及系统参数,构建所述目标区域的农村微能源系统模型,包括:
基于所述历史用能数据及系统参数,预测所述目标区域在规划时期内的供电需求、供热需求和供气需求;
基于所述供电需求、供热需求和供气需求,预测所述目标区域需要增加的电源、热源和气源情况;
基于所述预测所述目标区域已有的电源、热源和气源情况,以及需要增加的电源、热源和气源情况,构建所述目标区域的农村微能源系统模型。
在第一方面的一种可能的实现方式中,所述多目标优化模型为:
其中,T为总时段数;F1,i表示成本目标在i时段的标么值;f1,i和f2,i分别表示成本目标和碳排放目标在i时段的数值;βi为自适应权重因子,与成本目标线性相关;ε1、ε2为线性相关系数。
在第一方面的一种可能的实现方式中,所述经济成本,包括投资成本、购气成本、购电成本、维护成本以及投资成本;
所述经济成本的最小化目标函数表示为:
CGAS(t)=R·egasQsource(t)
CGAS(t)=R·egasQsource(t)
CGEX(t)=R(ebLb(t)-esLs(t))
CMC(t)=R{CPVPPV(t)+CWTPWT(t)+CCHPPCHP(t)+CGFBGGFB(t)+CP2GPP2G(t)+CEBPEB(t)+CEES[PEES,c(t)+PEES,dc(t)]+CTES[PTES,c(t)+PTES,dc(t)]+CGES[PGES,c(t)+PGES,dc(t)]}
其中,T为总时段数;R为年相似日天数;Cin、CGAS(t)、CGEX(t)、CMC(t)分别表示t时段R个相似日下所述农村微能源系统的设备投资成本、购气成本、购电成本和设备维护成本;eb、egas、es分别为所述农村微能源系统购气单价、购电单价、售电单价;Qsource(t)、Lb(t)、Ls(t)分别表示所述农村微能源系统t时段购气量、购电量、售电量;CPV、CWT、CCHP、CGFB、CP2G、CEB、CEES、CTES和CGES分别表示光伏、风机、热电联产CHP机组、GFB燃气锅炉、P2G电转气设备、电锅炉、储电设备、储热设备和储气设备单位维护成本;PPV(t)、PWT(t)分别表示t时段光伏、风机出力;PCHP(t)、GGFB(t)、PP2G(t)以及PEB(t)分别代表t时段CHP机组的输出电功率、GFB锅炉消耗的天然气功率、电转气P2G机组的输入电功率以及EB发电机组的消耗电功率;PEES,c(t)、PEES,dc(t)分别代表储电系统t时段电储能充、放电功率;PTES,c(t)、PTES,dc(t)分别代表储热系统t时段吸、放热功率;PGES,c(t)和PGES,dc(t)分别代表储气系统t时段充、放气功率;PNs、Cs、ns分别表示设备s的安装容量、单位容量安装成本以及平均寿命;r表示折现率;
所述碳排放量,包括:考虑CHP机组碳排放量、GFB锅炉碳排放量以及与上级电网交互电能对应的碳排放量;
所述碳排放量的最小化目标函数表示为:
其中,mCHP和mGFB分别代表CHP机组和GFB锅炉消耗天然气的CO2排放系数;mgrid代表电网发电的CO2排放系数;mP2G代表P2G设备产出天然气的CO2吸收系数;GCHP(t)和GP2G(t)分别代表t时段CHP机组消耗天然气功率和P2G机组输出气功率。
在第一方面的一种可能的实现方式中,所述耦合需求响应模型为:
L=CΔL+L0
其中,L表示需求响应后负荷;ΔL表示电、热、气负荷自身改变量;矩阵C表示L和ΔL具体转换关系的耦合矩阵;L0表示初始负荷;
所述考虑电、热、气负荷耦合的需求响应模型具体表示为:
其中,LP(t)、LW(t)和LG(t)分别表示需求响应后电负荷、热负荷以及气负荷;αi,j表示i类负荷与j类负荷耦合系数,且αH,P=αP,H,αH,G=αGH,αG,P=αP,G;ζi,j表示i类负荷与j类负荷单位换算系数,且ζP,H与ζH,P,ζH,G与ζG,H、ζG,P与ζP,G互为倒数;ΔLP(t)、ΔLW(t)和ΔLG(t)分别表示电负荷、热负荷以及气负荷自身改变量;LP,0(t)、LG,0(t)和LW,0(t)分别表示电负荷、热负荷以及气负荷的初始负荷。
在第一方面的一种可能的实现方式中,所述需求响应约束,包括电负荷需求响应约束、热负荷需求响应约束和气负荷需求响应约束;
所述电负荷需求响应约束表示为:
其中,Pin,max,Pout,max分别表示所述电负荷转入转出上限值;
所述热负荷需求响应约束表示为:
|TW(t)-TW,0|≤ΔT
其中,ΔT为允许的热水温度偏差最大值;
所述气负荷需求响应约束表示为:
其中,Gin,max、Gout,max分别表示所示气负荷转入转出上限值。
在第一方面的一种可能的实现方式中,所述多目标优化模型的对应约束,还包括系统负荷平衡约束、上级网络交互限制、可控单元限制和爬坡约束、电转气P2G设备和气源点限制、储能设备的容量约束和功率约束。
在第一方面的一种可能的实现方式中,基于所述历史用能数据及系统参数,确定储能设备的功率约束,包括:
确定所述储能设备的功率约束,并对所述储能设备的功率约束进行线性化;
所述储能设备的功率约束为:
其中,分别为储电、储热、储气设备充放电功率容量上下限;αEES(t)、βEES(t)、αTES(t)、βTES(t)、αGES(t)、βGES(t)分别为储电设备充放状态;α和β为变量,取值为0或1;
线性化后的所述储能设备的容量约束为:
其中,Pc(t)、Pdc(t)分别为所述储能设备充放电功率;Pc,max、Pdc,max分别为所述储能设备充放功率上限;α(t)、β(t)分别为所述储能设备充放状态;α和β为变量,取值为0或1;Pc max、分别为所述储能设备安装上限对应充放功率上限。
在第一方面的一种可能的实现方式中,所述优化求解,得到多个所述优化后的农村微能源系统模型后,对多个所述优化后的农村微能源系统模型对应的规划方案进行综合评估;
基于所述综合评估的结果,获得最优农村微能源系统规划方案。
第二方面,本申请实施例提供了一种终端设备,包括存储器和处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如第一方面任一项所述的电热气耦合的农村微能源系统协同规划方法。
第三方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如第一方面任一项所述的多工况下电热气耦合的农村微能源系统协同规划方法。
第四方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的方法。
本申请实施例与现有技术相比存在的有益效果是:
本申请实施例,利用农村微能源系统中多能源耦合的特点,以经济成本和碳排放量最小为目标,构建了基于耦合需求响应的自适应权重多目标规划模型,根据当前单一目标值对目标问题的权重进行优化,能够兼顾微能源系统的经济性与环保性,能够根据不同的规划要求给决策者提供优化规划方案,避免了权重的人工过多干预,实现微能源系统的自适应优化规划。
可以理解的是,上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的电热气耦合的农村微能源系统协同规划方法的流程示意图;
图2是本申请一实施例提供的一种农村微能源系统的结构框图;
图3是本申请一实施例提供的冬季典型日热电负荷以及风光出力预测值;
图4是本申请一实施例提供的优化规划前后热电负荷曲线;
图5是本申请一实施例提供的不同方案下各项成本对比示意图;
图6是本申请一实施例提供的农村微能源网与上级电网交互电功率对比图;
图7是本申请一实施例提供的不同储能模式下成本对比图;
图8是本申请一实施例提供的自适应权重系数调整情况示意图;
图9是本申请一实施例提供的固定权重与动态权重经济成本对比示意图;
图10是本申请一实施例提供的线性相关系数ε1取值对目标值的影响示意图;
图11是本申请一实施例提供的计及电热气耦合的农村微能源系统协同规划装置的结构示意图;
图12是本申请一实施例提供的终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
现有研究大多考虑规划电储能而忽略了其他形式储能设备的应用,并且多以经济性最优为目标而没有考虑诸如碳排放量的其他社会效益。此外,对于需求响应在储能规划阶段的研究仅考虑了电负荷参与需求响应,且没有考虑各类负荷参与需求响应的耦合关系。
基于上述问题,本申请实施例中提供了一种计及热电耦合的农村微能源系统协同规划方法,包括:获取目标区域的历史用能数据及系统参数;基于所述历史用能数据及系统参数,构建所述目标区域的农村微能源系统模型;确定所述农村微能源系统模型的电热气的用能需求和用能特征;基于所述农村微能源系统模型的电热气的用能需求和用能特征,建立考虑用户侧参与需求响应的农村微能源系统模型的耦合需求响应模型;以经济成本和碳排放量最小为目标,建立具有自适应动态权重因子的多目标优化模型;基于所述耦合需求响应模型,确定所述多目标优化模型的需求响应约束;基于所述多目标优化模型和所述需求响应约束对所述农村微能源系统模型进行优化求解,得到优化后的农村微能源系统模型。本发明方法能够兼顾农村微能源系统的经济性与环保性,能够获得最优农村微能源系统规划方案,避免了权重的人工过多干预,实现了农村微能源系统的自适应优化规划。
为了使本技术领域的人员更好地理解本发明方案,下面将结合附图和具体实施方式,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1是本申请一实施例提供的电热气耦合的农村微能源系统协同规划方法的示意性流程图,参照图1,对该电热气耦合的农村微能源系统协同规划方法的详述如下:
在步骤101中,获取目标区域的历史用能数据及系统参数;基于历史用能数据及系统参数,构建目标区域的农村微能源系统模型。
具体的,基于历史用能数据及系统参数,构建目标区域的农村微能源系统模型,包括:基于历史用能数据及系统参数,预测目标区域在规划时期内的供电需求、供热需求和供气需求;基于供电需求、供热需求和供气需求,预测目标区域需要增加的电源、热源和气源情况;基于预测目标区域已有的电源、热源和气源情况,以及需要增加的电源、热源和气源情况,构建目标区域的农村微能源系统模型。
示例性的,上述获取目标区域的历史用能数据及系统参数,其中,目标区域为待规划农村微能源系统的区域;历史用能数据包含待规划农村微能源系统的区域2-3年的热能数据、电能数据、气能数据等,并对获取的历史用能数据进行归一化、滤波等数字信号预处理。
示例性的,预测目标区域在规划时期内的供电需求、供热需求和供气需求,包括热电负荷精细化建模和预测;该热电负荷精细化建模和预测可采用现有的深度学习网络技术。
示例性的,考虑到市场机制、气象环境、舒适度的需求、自身意愿等内外部影响因素对用户热电用能行为的影响。本实施例提供的一种农村微能源系统结构,该系统结构包括风机、光伏电池、CHP机组、燃气锅炉、电锅炉、气储能、热储能、电负荷以及热负荷等设备。农村微能源系统的电负荷由风机、光伏、CHP机组、燃气轮机及上级电网供给;热负荷由电锅炉、CHP机组和储热设备供给;农村微能源系统与上级电网、气网进行双向能量交换;电、热负荷需求响应灵活参与调度。
电网和热网通过热电联产机组(CHP)、电热锅炉、热泵、循环泵等热电耦合元件连接在一起,可将这些元件视为整个网络的能量源,其中,CHP机组可同时生产热能和电能,热泵和电热锅炉消耗电能,并将电能转化为热能用于供热,循环泵则消耗电能,同时支持供热网中的水循环。这些热电耦合元件相互作用,相互协调,构成了热电综合调度的基本元件。在供能网络的各类能量源中,CHP机组可同时供能和供热,其发电量和产热量均为正值;热泵和电热锅炉通过消耗电能供热。
在步骤102中,确定农村微能源系统模型的电热气的用能需求和用能特征。
示例性的,对于传统的电力网络,潮流计算时一般只设定一个平衡节点,而对于热电综合供能网络,系统则需要一个电平衡节点和一个热平衡节点,且热平衡节点和电平衡节点的位置往往不同。对于供电/供热联络线有较高限制的供能网络,电平衡节点和热平衡节点往往分别位于发电量和产热量较大且出力可调的机组处,电热综合能源网络中的CHP机组较多,电平衡节点PV和热平衡节点PQ往往并不只是相应的产生电能和热能,两个平衡节点处的产热量和发电量相互影响,这是热电综合供能网络潮流计算的难点;而对于并网运行的供能网络,热平衡节点的选取没有较大差别,一般则选取并网点作为电平衡节点,此时电平衡节点的产热量为0,故并网运行模式下的供能网络可视为简化版的孤岛运行模式下的供能网络。
对于电网其他CHP机组,有功功率和机端电压模值可调的机组可视为PV节点,有功功率和无功功率可调的机组可视为PQ节点。
针对电热气的用能需求和用能特征来说,对于孤岛运行供能网络,热平衡节点位于CHP机组1处,电平衡节点位于CHP机组2处,则CHP机组1的产热量是不定的,由热网的其他热源出力和负荷大小通过潮流计算决定,其发电量则由其产热量确定(以热定电);CHP机组2的发电量是不定的,其产热量则由发电量决定(以电定热)。由此可得,热电综合供能网络中的热网与电网之间是相互作用的,任何一方的潮流计算都需要建立在另一方潮流计算结果的基础上。
电力系统潮流计算的模型已较为完善,热力系统潮流计算模型与电力系统相似,本发明依托于热能与水流计算的区域供热管网热力计算方法,即所谓的热力系统潮流计算。在这两种潮流的基础上,进行电热综合潮流分析方法,并通过牛顿-拉夫逊法进行计算,得到农村微能源系统在规划水平年典型日潮流计算结果。在综合潮流中,电网和热网的已知和未知变量分别如表1所示。
表1电网和热网的已知和未知变量
在步骤103中,基于农村微能源系统模型的电热气的用能需求和用能特征,建立考虑用户侧参与需求响应的农村微能源系统模型的耦合需求响应模型。
具体的,耦合需求响应模型为:
L=CΔL+L0 (1)
其中,L表示需求响应后负荷;ΔL表示电、热、气负荷自身改变量;矩阵C表示L和ΔL具体转换关系的耦合矩阵;L0表示初始负荷。
考虑电、热、气负荷耦合的需求响应模型具体表示为:
其中,LP(t)、LW(t)和LG(t)分别表示需求响应后电负荷、热负荷以及气负荷;αi,j表示i类负荷与j类负荷耦合系数,且αH,P=αP,H,αH,G=αGH,αG,P=αP,G;ζi,j表示i类负荷与j类负荷单位换算系数,且ζP,H与ζH,P,ζH,G与ζG,H、ζG,P与ζP,G互为倒数;ΔLP(t)、ΔLW(t)和ΔLG(t)分别表示电负荷、热负荷以及气负荷自身改变量;LP,0(t)、LG,0(t)和LW,0(t)分别表示电负荷、热负荷以及气负荷的初始负荷。
示例性的,考虑电、热、气负荷耦合的需求响应模型具体建模方法和特征,包括:采用弹性系数来建立需求响应模型:
其中,εP(t)为多时段响应互弹性系数;δE为弹性电负荷的容量比例;ΔLP(t)和Lini(t)分别为t时段需求响应实施后电负荷的变化量和需求响应实施前的电负荷量;ΔQP(t)和QP(t)分别为t时段需求响应实施后零售电价变化量和需求响应实施前的初始零售电价。
上述需求响应实施后的电负荷变化量为:
上述需求响应实施后的热负荷变化量为:
上述需求响应实施后的气负荷变化量为:
其中,ΔLW(t)和LWini(t)分别为t时段需求响应实施后热负荷的变化量和需求响应实施前的热负荷量;εW(t)为热负荷的价格互弹性系数;δW为弹性热负荷的容量比例;ΔQW(t)和QW(t)分别为t时段需求响应实施后零售热价变化量和需求响应实施前的初始零售热价。ΔLG(t)和LGini(t)分别为t时段需求响应实施后气负荷的变化量和需求响应实施前的气负荷量;εG(t)为气负荷的价格互弹性系数;δG为弹性气负荷的容量比例;ΔQG(t)和QG(t)分别为t时段需求响应实施后零售气价变化量和需求响应实施前的初始零售气价。
多能系统中,除常见的固定电负荷、可调节电负荷、固定气负荷、可调节气负荷、固定热负荷、可调节热负荷外,还存在电/热/气耦合负荷,即用户可以通过改变电负荷实现热负荷、气负荷的变化,类似的也可通过改变热负荷或气负荷来实现另外两种负荷的变化。当用户某时段电负荷转出而导致供电降低时,可以通过能源的替代作用增加热、气消耗来弥补电量的短缺。考虑电/热气负荷耦合的需求响应关系式可由下式表示:
L=CΔL+L0 (7)
其中,L表示需求响应后负荷;ΔL表示电/热/气负荷自身改变量;矩阵C表示L和ΔL具体转换关系的耦合矩阵;L0表示初始负荷。
在考虑热电负荷耦合后,电/热/气需求响应模型为:
其中,LP(t)、LW(t)、LG(t)分别表示需求响应后电负荷、热负荷以及气负荷。αi,j表示i类负荷与j类负荷耦合系数,且αH,P=αP,H,αH,G=αGH,αG,P=αP,G;ζi,j表示i类负荷与j类负荷单位换算系数,且ζP,H与ζH,P,ζH,G与ζG,H、ζG,P与ζP,G互为倒数。αH,PζH,PΔLW(t)表示用户热负荷改变ΔLW(t)时所对应的电负荷的改变量,αG,PζP,GΔLG(t)表示用户气负荷改变ΔLG(t)时所对应的电负荷的改变量。
根据耦合需求响应模型进一步整理:
在步骤104中,以经济成本和碳排放量最小为目标,建立具有自适应动态权重因子的多目标优化模型;基于耦合需求响应模型,确定多目标优化模型的需求响应约束。
具体的,多目标优化模型为:
其中,T为总时段数;F1,i表示成本目标在i时段的标么值;f1,i和f2,i分别表示成本目标和碳排放目标在i时段的数值;βi为自适应权重因子,与成本目标线性相关;ε1、ε2为线性相关系数。
具体的,经济成本,包括投资成本、购气成本、购电成本、维护成本以及投资成本;经济成本的最小化目标函数表示为:
CGAS(t)=R·egasQsource(t) (13)
CGEX(t)=R(ebLb(t)-esLs(t)) (14)
其中,T为总时段数;R为年相似日天数;Cin、CGAS(t)、CGEX(t)、CMC(t)分别表示t时段R个相似日下农村微能源系统的设备投资成本、购气成本、购电成本和设备维护成本;eb、egas、es分别为农村微能源系统购气单价、购电单价、售电单价;Qsource(t)、Lb(t)、Ls(t)分别表示农村微能源系统t时段购气量、购电量、售电量;CPV、CWT、CCHP、CGFB、CP2G、CEB、CEES、CTES和CGES分别表示光伏、风机、热电联产机组、燃气锅炉、电转气设备、电锅炉、储电设备、储热设备和储气设备单位维护成本;PPV(t)、PWT(t)分别表示t时段光伏、风机出力;PCHP(t)、GGFB(t)、PP2G(t)以及PEB(t)分别代表t时段CHP机组的输出电功率、GFB机组消耗的天然气功率、电转气机组的输入电功率以及EB机组的消耗电功率;PEES,c(t)、PEES,dc(t)分别代表储电系统t时段电储能充、放电功率;PTES,c(t)、PTES,dc(t)分别代表储热系统t时段吸、放热功率;PGES,c(t)和PGES,dc(t)分别代表储气系统t时段充、放气功率;PNs、Cs、ns分别表示设备s的安装容量、单位容量安装成本以及平均寿命;r表示折现率。
碳排放量,包括:考虑CHP机组碳排放量、GFB锅炉碳排放量以及与上级电网交互电能对应的碳排放量;碳排放量的最小化目标函数表示为:
其中,mCHP和mGFB分别代表CHP机组和GFB锅炉消耗天然气的CO2排放系数;mgrid代表电网发电的CO2排放系数;mP2G代表P2G设备产出天然气的CO2吸收系数;GCHP(t)和GP2G(t)分别代表t时段CHP机组消耗天然气功率和P2G机组输出气功率。
示例性的,本发明以农村微能源系统的经济成本和碳排放量最优为目标,综合考虑热电耦合集群耦合需求响应。微能源系统中规划储能目标函数包含经济成本和碳排放量两个方面。其中,经济成本包含微能源系统购气成本、购电成本、维护成本以及投资成本;碳排放量包含CHP机组、GFB锅炉以及上级电网发电的碳排放量。
示例性的,根据经济成本和碳排放量的目标,农村微能源系统多目标规划的综合目标函数为:
minf=ω1f1+ω2f2 (17)
其中,ω1、ω2为权重因子,体现各目标的重要程度。
本发明提出一种自适应动态权重因子优化模型,依据单一目标的数值来动态确定权重因子。对各目标函数进行标幺化处理:
其中,F1,i、F2,i分别表示成本目标和碳排放目标在i时段的标么值;f1,i、f2,i分别表示成本目标和碳排放目标在i时段的数值;f1,max、f2,max分别表示成本目标和碳排放目标的最大值。
为适应农村微能源系统规划的灵活多变性,需自动平衡微能源系统规划的成本目标及碳排放目标。因此,建立总目标函数为:
其中,βi为自适应权重因子,与成本目标线性相关;ε1、ε2为线性相关系数。
因此,农村微能源系统规划的成本目标和碳排放目标通过公式(19)自适应权重因子决定。当系统经济性较好,即f1,i值较小时,其权重βi将相应降低,碳排放权重将上升,碳排放目标将得到进一步优化;当系统经济性较差,即f1,i值较大时,其权重βi将相应上升,系统经济性将得到进一步优化。这一方法既能体现人工对于重要目标及次要目标的选择性,又赋予模型状态对于权重系数一定的影响能力。
在步骤105中,基于耦合需求响应模型,确定多目标优化模型的需求响应约束。
具体的,需求响应约束,包括电负荷需求响应约束、热负荷需求响应约束和气负荷需求响应约束;电负荷需求响应约束表示为:
其中,Pin,max,Pout,max分别表示电负荷转入转出上限值。
热负荷需求响应约束表示为:
其中,ΔT为允许的热水温度偏差最大值。
气负荷需求响应约束表示为:
其中,Gin,max、Gout,max分别表示所示气负荷转入转出上限值。
具体的,多目标优化模型的对应约束,还包括系统负荷平衡约束、上级网络交互限制、可控单元限制和爬坡约束、P2G设备和气源点限制、储能设备的容量约束和功率约束。
示例性的,系统负荷平衡约束为:
其中,QP2G(t)、QCHP(t)、QGES(t)和QLoad(t)分别为t时段电转气、CHP机组、储气设备的出力和气负荷需求;PLoad(t)为t时段电负荷需求;HCHP(t)、HEB(t)、HGFB(t)和HLoad(t)分别表示t时段CHP机组、EB机组、GFB机组的出力和热负荷需求。
系统与上级网络交互限制为:
其中,Lb,max、Lb,min、Ls,max和Ls,min分别为从上级电网购售电上下限;Qsource,max和Qsource,min分别为从上级气网购气上下限。
可控单元限制和爬坡约束为:
其中,PCHPmin、PCHPmax、PEBmin、PEBmax、PGFBmin、PGFBmax分别为CHP机组、电锅炉和燃气锅炉的出力上下限;RCHP,up、RCHP,down、REB,up、REB,down、RGFB,up、RGFB,down分别为CHP机组、电锅炉和燃气锅炉的上下爬坡速率。
P2G设备和气源点限制为:
其中,PeP2G表示电转气设备的额定功率;Qsmax表示气源点的最大出气量。
储能设备的容量约束为:
其中,EEES,max、EEES,min、HTES,max、HTES,min、QGES,max、QGES,min分别表示储电、储热和储气设备能量容量上下限。
储电、储热、储气设备的功率约束为:
具体的,线性化后的储能设备的容量约束为:
其中,Pc(t)、Pdc(t)分别为储能设备充放电功率;Pc,max、Pdc,max分别为储能设备充放功率上限;α(t)、β(t)分别为储能设备充放状态;α和β为变量,取值为0或1;Pc max、分别为储能设备安装上限对应充放功率上限。
示例性的,上述负荷平衡约束、上级网络交互限制、可控单元限制和爬坡约束、P2G设备和气源点限制、储能设备的容量约束和功率约束为优化模型对应的能量平衡约束和设备运行约束。
示例性的,本发明电负荷考虑以可转移负荷的形式参与需求响应,为满足用户正常用电需求,除了设置转入转出上限值以外,农村微能源系统一个周期内转入转出负荷总量应相等,电负荷需求响应约束为:
气负荷需求响应约束与电负荷类似,约束转入转出上限以及一个周期内转入气负荷与转出气负荷相等,气负荷需求响应约束为:
热负荷参与需求响应由调整热水温度来实现,为保证用户舒适度,约束一个周期内需求响应前后供应热量相等,并将热水温度限定在一个合理的范围内,热负荷需求响应约束为:
在步骤106中,基于多目标优化模型和需求响应约束对农村微能源系统模型进行优化求解,得到优化后的农村微能源系统模型。若没有满足上述约束条件或达到最大迭代次数,则修正规划方案,重置决策变量后,执行步骤104。
具体的,上述优化求解后,得到多个优化后的农村微能源系统模型;对多个优化后的农村微能源系统模型对应的规划方案进行综合评估;基于综合评估的结果,获得最优农村微能源系统规划方案。
下面结合另实施例对一种电热气耦合的农村微能源系统协同规划方法进行分析。
本实施例考虑了农村微能源系统内电、气以及热负荷需求,在已有热电联产、燃气锅炉、电锅炉、电转气P2G、光伏电池、风力发电机等单元的基础上配置混合储能,如图2所示。调度总时间为24h,单位时间为1h。
农村微能源系统内运行参数如表2所示。上级电网采用分时电价,购售电电价及时段划分如表3所示。本实施例中取ηGFB为0.9,ηEB为0.95,mCHP、mGFB以及mP2G取0.196kg/kWh,mgrid取0.968kg/kWh,天然气价格取2.5元/m3,折合成单位热值价格取0.25元/kW·h(天然气热值取35.56MJ/m3)。自适应动态权重因子中ε1、ε2分别取0.6,0.2,此权重因子仅为示范性设置,实际情况下可根据经济和环保的相对重要性以及灵敏性的需要调整其权重分配。
表2农村微能源系统运行参数
表3上级电网分时电价
为平衡各设备的安装成本,本实施例将各设备的成本分摊至每天。在本实施例中,除储能外其他设备容量均为定值,投资成本在各方案中都相同,故不影响对比结果,所以为简化计算,本实施例建设成本仅考虑储能设备投资成本。储能系统单位容量均为1kWh,单位储能容量上下限均为0.9与0.1,各储能系统参数如表4所示,贴现率取8%。典型日用户电/热/气负荷以及风光发电出力预测值如图3所示。
表4储能系统参数
优化前后的热电负荷曲线对比如图4所示。结果表明,在电价高峰时段,电/热/气负荷均有不同程度的下降,而在电价低谷时段电/热/气负荷均有一定的增加。可见,随着耦合需求响应的引入,为减少用能成本,各类负荷都将电价高峰期的负荷转移一部分至电价低谷期,较耦合需求响应前,各类负荷曲线更加平缓。
为分析耦合需求响应对农村微能源系统多种储能设备配置的影响,本实施例将不考虑需求响应的储能配置模型设置为方案1,将考虑耦合需求响应的储能配置模型设置为方案2,两个方案下储电、储气、储热设备配置情况如表5所示。结果表明,与方案1相比,方案2各类储能设备配置量都呈下降状态。可见:电/热/气负荷参与耦合需求响应后能一定程度上转移各类负荷需求从而降低系统对储能设备的需求量。
表5储能设备配置情况
图5直观地给出了两种方案下各项成本的比较,其中碳排放量单位为kg,综合目标无单位,其余目标单位为元。从图5可以看出,当在农村微能源系统储能规划中实施耦合需求响应后,改变微能源系统负荷结构,可大幅降低系统购电成本及投资成本,从而导致总成本的明显降低。并且在成本降低时,需求响应的加入也一定程度上降低了系统的碳排放量。
为分析需求响应及配置储能对购、售电量的影响,将既不考虑储能也不考虑需求响应的原始系统设置为方案3,图6给出了各方案下各时段购、售电量的对比效果。由图6可知,引入需求响应及配置储能系统后,在10:00-14:00以及18:00-20:00,即电价高峰时段上级电网交互功率较优化前明显降低,在1:00-6:00以及23:00-24:00,即电价低谷时段上级电网交互功率较优化前明显升高,而在电价平时段优化后的上级电网交互功率变化不明显。由此可见,微能源系统在电价低谷期大量购买电能、在电价高峰期购买少量或出售电能,以此降低农村微能源系统购电成本。
若不考虑配置电/热/气混合储能设备,各储能设备之间互补功能将不足以体现。为进行对比分析,设置单储能设备方案以及双储能设备规划方案,其中单储能设备方案包含单电、单气以及单热储能方案,双储能设备方案包含电/热、电/气、气/热储能方案。成本目标及碳排放目标如图7所示。由图7可知,在不同的储能模式下,经济成本以及碳排放量呈现出不同的数值。整体而言,经济成本随着储能类型的增加而减少,而碳排放量随着储能类型的增加呈现出波动状态,并在单气储能时达到最低。
若在规划阶段不考虑需求响应间的耦合关系,就会造成储能的浪费或短缺。为进行对比分析,在原模型中去掉需求响应耦合部分,并将规划结果带入具有耦合需求响应的模型进行运行优化,所得结果对比如表5所示。
由表6可知,不考虑耦合与考虑耦合相比较,虽然在上级电网交互成本上有一定的下降,但却是在增加大量投资成本的基础上造成的,并进一步造成了总经济成本的上升。此外,在不考虑耦合时,农村微能源系统碳排放量也有一定的增加。因此考虑耦合的模型能为微能源系统配置更佳的储能容量,以达到提升经济性和环保性的效果。
表6上级电网分时电价
在多目标优化中使用自适应权重系数可动态确定各时段的目标权重,赋予当前时段表现较差目标以更大的权重,使其能得到进一步的优化。方案2自适应权重调整情况如图8所示,在分布式发电高峰期的11:00以及18:00左右,微能源系统经济目标f1较小,自适应权重将会自动产生一个较大的权重1-β给碳排放目标f2应以限制系统碳排放量。相反,在分布式发电较少且系统负荷较大的16:00左右,自适应权重系数将会产生一个较大的β用以主要优化微能源系统经济支出。固定权重与动态权重各时段经济成本对比如图9所示,图9将β取为固的0.7,可以看出,当动态权重低于0.7时,系统对经济成本优化较少,相较于固定权重,动态权重经济成本较高。而当动态权重高于0.7时,系统对经济成本优化较多,相较于固定权重,动态权重经济成本较低。
由于自适应权重因子β与线性相关系数ε1、ε2联系紧密,因此,线性相关系数的取值对模型的优化结果有直接的影响。为方便比较,将ε1、ε2之和固定为0.8,ε1取值对优化结果的影响如图10所示,可以看出综合目标和经济目标都随着ε1取值的增大而减小,而碳排放目标随着ε1取值的增大而增大,这是由于ε1取值越大就会赋予经济目标更大的权重,因此就会越倾向于对经济性进行优化,对碳排放目标而言ε1取值越大,碳排放目标权重越小,优化效果越差。
可见本发明提出的电热气耦合的农村微能源系统协同规划方法,利用农村微能源系统中多能源耦合的特点,以经济成本和碳排放量最小为目标,构建了基于耦合需求响应的混合储能容量综合规划的多目标优化模型。所提出的微能源系统多目标优化模型能够兼顾微能源系统的经济性与环保性,能够根据不同的规划要求给决策者提供优化规划方案。
本发明构建的农村微能源系统自适应权重多目标规划模型可根据当前单一目标值对目标问题的权重进行优化,避免了权重的人工过多干预,实现微能源系统的自适应优化规划。
应理解,上述各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例的电热气耦合的农村微能源系统协同规划方法,图11示出了本申请实施例提供的计及电热气耦合的农村微能源系统协同规划装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参见图11,本申请实施例中的计及电热气耦合的农村微能源系统协同规划装置可以包括构建模块201、第一确定模块202、耦合模块203、模型建立模块204、第二确定模块205和输出模块206。
其中,构建模块201,用于获取目标区域的历史用能数据及系统参数;基于历史用能数据及系统参数,构建目标区域的农村微能源系统模型;第一确定模块202,用于确定农村微能源系统模型的电热气的用能需求和用能特征;耦合模块203,用于基于农村微能源系统模型的电热气的用能需求和用能特征,建立考虑用户侧参与需求响应的农村微能源系统模型的耦合需求响应模型;模型建立模块204,用于以经济成本和碳排放量最小为目标,建立具有自适应动态权重因子的多目标优化模型;第二确定模块205,用于基于耦合需求响应模型,确定多目标优化模型的需求响应约束;输出模块206,用于基于多目标优化模型和需求响应约束对农村微能源系统模型进行优化求解,得到优化后的农村微能源系统模型。
需要说明的是,上述装置之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种终端设备,参见图12,该终端设备300可以包括:至少一个处理器310和存储器320,所述存储器320中存储有可在所述至少一个处理器310上运行的计算机程序321,所述处理器310执行所述计算机程序时实现上述任意各个方法实施例中的步骤,例如图1所示实施例中的步骤101至步骤106。或者,处理器310执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能,例如图11所示模块201至206的功能。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器320中,并由处理器310执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序段,该程序段用于描述计算机程序在终端设备300中的执行过程。
本领域技术人员可以理解,图12仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如输入输出设备、网络接入设备、总线等。
处理器310可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器320可以是终端设备的内部存储单元,也可以是终端设备的外部存储设备,例如插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。所述存储器320用于存储所述计算机程序以及终端设备所需的其他程序和数据。所述存储器320还可以用于暂时地存储已经输出或者将要输出的数据。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请实施例提供的电热气耦合的农村微能源系统协同规划方法可以应用于计算机、平板电脑、笔记本电脑、上网本、个人数字助理(personal digital assistant,PDA)等终端设备上,本申请实施例对终端设备的具体类型不作任何限制。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述电热气耦合的农村微能源系统协同规划方法各个实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述电热气耦合的农村微能源系统协同规划方法各个实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种电热气耦合的农村微能源系统协同规划方法,其特征在于,包括:
获取目标区域的历史用能数据及系统参数;基于所述历史用能数据及系统参数,构建所述目标区域的农村微能源系统模型;
确定所述农村微能源系统模型的电热气的用能需求和用能特征;
基于所述农村微能源系统模型的电热气的用能需求和用能特征,建立考虑用户侧参与需求响应的农村微能源系统模型的耦合需求响应模型;
以经济成本和碳排放量最小为目标,建立具有自适应动态权重因子的多目标优化模型;
基于所述耦合需求响应模型,确定所述多目标优化模型的需求响应约束;
基于所述多目标优化模型和所述需求响应约束对所述农村微能源系统模型进行优化求解,得到优化后的农村微能源系统模型。
2.如权利要求1所述的电热气耦合的农村微能源系统协同规划方法,其特征在于,所述基于所述历史用能数据及系统参数,构建所述目标区域的农村微能源系统模型,包括:
基于所述历史用能数据及系统参数,预测所述目标区域在规划时期内的供电需求、供热需求和供气需求;
基于所述供电需求、供热需求和供气需求,预测所述目标区域需要增加的电源、热源和气源情况;
基于所述预测所述目标区域已有的电源、热源和气源情况,以及需要增加的电源、热源和气源情况,构建所述目标区域的农村微能源系统模型。
4.如权利要求3所述的电热气耦合的农村微能源系统协同规划方法,其特征在于,所述经济成本,包括投资成本、购气成本、购电成本、维护成本以及投资成本;
所述经济成本的最小化目标函数表示为:
CGAS(t)=R·egasQsource(t)
CGEX(t)=R(ebLb(t)-esLs(t))
CMC(t)=R{CPVPPV(t)+CWTPWT(t)+CCHPPCHP(t)+CGFBGGFB(t)+CP2GPP2G(t)+CEBPEB(t)+CEES[PEES,c(t)+PEES,dc(t)]+CTES[PTES,c(t)+PTES,dc(t)]+CGES[PGES,c(t)+PGES,dc(t)]}
其中,T为总时段数;R为年相似日天数;Cin、CGAS(t)、CGEX(t)、CMC(t)分别表示t时段R个相似日下所述农村微能源系统的设备投资成本、购气成本、购电成本和设备维护成本;eb、egas、es分别为所述农村微能源系统购气单价、购电单价、售电单价;Qsource(t)、Lb(t)、Ls(t)分别表示所述农村微能源系统t时段购气量、购电量、售电量;CPV、CWT、CCHP、CGFB、CP2G、CEB、CEES、CTES和CGES分别表示光伏、风机、热电联产机组、燃气锅炉、电转气设备、电锅炉、储电设备、储热设备和储气设备单位维护成本;PPV(t)、PWT(t)分别表示t时段光伏、风机出力;PCHP(t)、GGFB(t)、PP2G(t)以及PEB(t)分别代表t时段CHP机组的输出电功率、GFB机组消耗的天然气功率、电转气机组的输入电功率以及EB机组的消耗电功率;PEES,c(t)、PEES,dc(t)分别代表储电系统t时段电储能充、放电功率;PTES,c(t)、PTES,dc(t)分别代表储热系统t时段吸、放热功率;PGES,c(t)和PGES,dc(t)分别代表储气系统t时段充、放气功率;PNs、Cs、ns分别表示设备s的安装容量、单位容量安装成本以及平均寿命;r表示折现率;
所述碳排放量,包括:考虑CHP机组碳排放量、GFB锅炉碳排放量以及与上级电网交互电能对应的碳排放量;
所述碳排放量的最小化目标函数表示为:
其中,mCHP和mGFB分别代表CHP机组和GFB锅炉消耗天然气的CO2排放系数;mgrid代表电网发电的CO2排放系数;mP2G代表P2G设备产出天然气的CO2吸收系数;GCHP(t)和GP2G(t)分别代表t时段CHP机组消耗天然气功率和P2G机组输出气功率。
5.如权利要求1所述的电热气耦合的农村微能源系统协同规划方法,其特征在于,所述耦合需求响应模型为:
L=CΔL+L0
其中,L表示需求响应后负荷;ΔL表示电、热、气负荷自身改变量;矩阵C表示L和ΔL具体转换关系的耦合矩阵;L0表示初始负荷;
所述考虑电、热、气负荷耦合的需求响应模型具体表示为:
其中,LP(t)、LW(t)和LG(t)分别表示需求响应后电负荷、热负荷以及气负荷;αi,j表示i类负荷与j类负荷耦合系数,且αH,P=αP,H,αH,G=αGH,αG,P=αP,G;ζi,j表示i类负荷与j类负荷单位换算系数,且ζP,H与ζH,P,ζH,G与ζG,H、ζG,P与ζP,G互为倒数;ΔLP(t)、ΔLW(t)和ΔLG(t)分别表示电负荷、热负荷以及气负荷自身改变量;LP,0(t)、LG,0(t)和LW,0(t)分别表示电负荷、热负荷以及气负荷的初始负荷。
7.如权利要求1所述的电热气耦合的农村微能源系统协同规划方法,其特征在于,所述多目标优化模型的对应约束,还包括系统负荷平衡约束、上级网络交互限制、可控单元限制和爬坡约束、P2G设备和气源点限制、储能设备的容量约束和功率约束。
8.如权利要求7所述的电热气耦合的农村微能源系统协同规划方法,其特征在于,基于所述历史用能数据及系统参数,确定储能设备的功率约束,包括:
确定所述储能设备的功率约束,并对所述储能设备的功率约束进行线性化;
所述储能设备的功率约束为:
其中,分别为储电、储热、储气设备充放电功率容量上下限;αEES(t)、βEES(t)、αTES(t)、βTES(t)、αGES(t)、βGES(t)分别为储电设备充放状态;α和β为变量,取值为0或1。
线性化后的所述储能设备的容量约束为:
9.如权利要求1所述的电热气耦合的农村微能源系统协同规划方法,其特征在于,所述优化求解后,得到多个所述优化后的农村微能源系统模型;对多个所述优化后的农村微能源系统模型对应的规划方案进行综合评估;
基于所述综合评估的结果,获得最优农村微能源系统规划方案。
10.一种终端设备,包括存储器和处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至9任一项所述的电热气耦合的农村微能源系统协同规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210878153.0A CN115146868A (zh) | 2022-07-25 | 2022-07-25 | 电热气耦合的农村微能源系统协同规划方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210878153.0A CN115146868A (zh) | 2022-07-25 | 2022-07-25 | 电热气耦合的农村微能源系统协同规划方法及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115146868A true CN115146868A (zh) | 2022-10-04 |
Family
ID=83414063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210878153.0A Pending CN115146868A (zh) | 2022-07-25 | 2022-07-25 | 电热气耦合的农村微能源系统协同规划方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115146868A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117726151A (zh) * | 2024-02-08 | 2024-03-19 | 四川大学 | 考虑决策依赖不确定性和流量平衡的eipscn协同规划方法 |
-
2022
- 2022-07-25 CN CN202210878153.0A patent/CN115146868A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117726151A (zh) * | 2024-02-08 | 2024-03-19 | 四川大学 | 考虑决策依赖不确定性和流量平衡的eipscn协同规划方法 |
CN117726151B (zh) * | 2024-02-08 | 2024-05-03 | 四川大学 | 考虑决策依赖不确定性和流量平衡的eipscn协同规划方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shen et al. | Energy storage optimization method for microgrid considering multi-energy coupling demand response | |
CN109165788B (zh) | 一种冷热电联供系统的优化方法 | |
Gu et al. | Bi-level optimal low-carbon economic dispatch for an industrial park with consideration of multi-energy price incentives | |
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 | |
CN109886469A (zh) | 一种区域综合能源系统需求侧管理方法 | |
CN112180741B (zh) | 一种负荷聚合商参与的综合需求响应方法及系统 | |
Yang et al. | Optimal energy flow control strategy for a residential energy local network combined with demand-side management and real-time pricing | |
CN110163411A (zh) | 一种区域综合能源系统运行优化方法 | |
CN111404153B (zh) | 计及可再生能源与需求响应的能量枢纽规划模型构建方法 | |
CN109767080B (zh) | 一种社区综合能源系统的需求侧响应评估方法 | |
CN112186755A (zh) | 一种区域综合能源系统柔性负荷储能化建模方法 | |
CN109767029A (zh) | 局域能源互联网中冷热电三联供系统容量配置方法及系统 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
CN112131712B (zh) | 客户侧多能源系统多目标优化方法和系统 | |
CN115829142A (zh) | 一种工业企业综合能源系统优化规划方法 | |
CN114662752A (zh) | 基于价格型需求响应模型的综合能源系统运行优化方法 | |
CN111967639A (zh) | 计及风光出力和价格需求响应的配电网优化方法及系统 | |
CN115146868A (zh) | 电热气耦合的农村微能源系统协同规划方法及终端设备 | |
CN110705737A (zh) | 一种多能微网多种储能容量综合优化配置方法 | |
CN114301081A (zh) | 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法 | |
Liu et al. | Analysis of flexible energy use behavior of rural residents based on two-stage questionnaire: A case study in Xi’an, China | |
CN112365108A (zh) | 一种园区综合能源系统多目标优化协同运行方法 | |
CN111523697A (zh) | 一种综合能源服务成本分摊与定价计算方法 | |
CN115906456A (zh) | 考虑需求侧响应不确定性的含氢储能ies调度优化模型 | |
Wang et al. | Regional integrated energy system modeling and user-side demand response behavior analysis based on the evolutionary game |
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 |