CN115186889A - 一种综合能源服务商源荷储资源协同优化方法及系统 - Google Patents

一种综合能源服务商源荷储资源协同优化方法及系统 Download PDF

Info

Publication number
CN115186889A
CN115186889A CN202210795820.9A CN202210795820A CN115186889A CN 115186889 A CN115186889 A CN 115186889A CN 202210795820 A CN202210795820 A CN 202210795820A CN 115186889 A CN115186889 A CN 115186889A
Authority
CN
China
Prior art keywords
power
constraint
period
charge
collaborative optimization
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
CN202210795820.9A
Other languages
English (en)
Inventor
刘俊
贾成杰
王勇
吴心弘
耿建
董浩
潘玲玲
王泽荣
鄢密昉
周竞
徐鹏
王礼文
毛文博
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 Grid Zhejiang Integrated Energy Service Co ltd
State Grid Corp of China SGCC
State Grid Zhejiang Electric Power Co Ltd
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
State Grid Zhejiang Integrated Energy Service Co ltd
State Grid Corp of China SGCC
State Grid Zhejiang Electric Power Co Ltd
China Electric Power Research Institute Co Ltd CEPRI
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 Grid Zhejiang Integrated Energy Service Co ltd, State Grid Corp of China SGCC, State Grid Zhejiang Electric Power Co Ltd, China Electric Power Research Institute Co Ltd CEPRI filed Critical State Grid Zhejiang Integrated Energy Service Co ltd
Priority to CN202210795820.9A priority Critical patent/CN115186889A/zh
Publication of CN115186889A publication Critical patent/CN115186889A/zh
Pending legal-status Critical Current

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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Power Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明属于电力自动化技术领域，公开一种综合能源服务商源荷储资源协同优化方法及系统；所述方法，包括：接收协同优化请求，请求进行源荷储资源协同优化；调用约束条件求解预先建立的综合能源服务商源荷储资源协同优化调度模型，得出源荷储资源协同优化结果；所述预先建立的综合能源服务商源荷储资源协同优化调度模型以用户用电费用最小和燃气机组启停成本最小为优化目标。本发明构建了综合能源服务商源荷储资源协同优化调度模型，该模型充分考虑考了新能源消纳以及其他各种资源特征，以用户用电费用最小和燃气机组启停成本最小为目标获得出清结果；以此调整用户用电计划增加新能源消纳，实现综合能源服务商资源整体效率最高。

Description

一种综合能源服务商源荷储资源协同优化方法及系统
技术领域
本发明属于电力自动化技术领域，特别涉及一种综合能源服务商源荷储资源协同优化方法及系统。
背景技术
综合能源服务商、负荷聚合商等新兴主体正逐步进入市场，在电网运行特性由传统的“源随荷动”的调控模式逐渐向“源荷互动”转变的趋势下，新兴市场主体自身灵活性具有较大的挖掘空间，如何有效的对海量负荷进行管理，充分发掘负荷的潜力，引导用户用电行为，聚合互动潜力，谋划互动收益，拓展可控负荷类型和规模，培育负荷聚合商，是支撑电网稳定运行的关键问题。新兴市场主体综合能源服务商作为电力终端用户与服务购买者之间的中间人，能够整合分散的用户侧资源参与电力市场交易，通过发挥自身灵活性，有效解决电网存在的问题，达到提高电能质量，增强电网经济性的作用。
现有技术中，公开一种综合能源系统优化运行方法及系统，以残热最小为目标构建目标函数；对所述目标函数进行求解，得到优化后的吸收式制冷机的能量供给量、热电联产机组的发电量、燃气锅炉的产热量以及储能设备中储存的能量，根据求解结果控制系统内设备的协同运行。上述技术方案主要用于解决综合能源系统内各种不同禀赋资源的优化运行问题，无法实现综合能源服务商参与多品种电力交易内部可调控负荷资源的协同优化调度。
发明内容
本发明的目的在于提供一种综合能源服务商源荷储资源协同优化方法及系统，至少以解决上述问题之一；本发明能够在充分消纳新能源的基础上还能实现综合能源服务商资源整体效率最高。
为了实现上述目的，本发明采用如下技术方案：
第一方面，本发明提供一种综合能源服务商源荷储资源协同优化方法，包括：
接收协同优化请求，请求进行源荷储资源协同优化；
调用约束条件求解预先建立的综合能源服务商源荷储资源协同优化调度模型，得出源荷储资源协同优化结果所述预先建立的综合能源服务商源荷储资源协同优化调度模型以用户用电费用最小和燃气机组启停成本最小为优化目标。
本发明进一步的改进在于：所述预先建立的综合能源服务商源荷储资源协同优化调度模型表达式如下：
Figure BDA0003735790250000021
其中，
Figure BDA0003735790250000022
为综合能源服务商代理的第i个用户在t时段的用电功率；Δt为调度周期时间间隔；ct为按照用户类别和电压等级划分的用户分时电价；I为综合能源服务商代理的用户总数；T为调度时段总数；Z为燃气机组总数；
Figure BDA0003735790250000023
为第z个燃气机组在t时段的运行成本；
Figure BDA0003735790250000024
为第z个燃气机组在t时段的启动成本。
本发明进一步的改进在于：所述约束条件包括：系统功率平衡约束、储能充放电功率约束、储能荷电状态SOC约束、储能充放电次数约束和储能充放状态及储能荷电状态约束。
本发明进一步的改进在于：
所述系统功率平衡约束为：
Figure BDA0003735790250000025
其中，
Figure BDA0003735790250000026
为综合能源服务商在t时段从发电企业的日购电计划功率；
Figure BDA0003735790250000027
为第e个分布式光伏在t时段的预测功率，E为分布式光伏总数；
Figure BDA0003735790250000028
第f个分布式风电在t时段的预测功率，G为分布式风电总数；
Figure BDA0003735790250000029
为t时段第z个燃气机组功率；
Figure BDA00037357902500000210
为t时段第z个燃气机组的启停状态；
储能充放电功率约束为：
Figure BDA0003735790250000031
Figure BDA0003735790250000032
其中，
Figure BDA0003735790250000033
为t时段第j个储能充电功率；
Figure BDA0003735790250000034
为t时段第j个储能充放状态；Pmax,j为第j个储能最大充放功率；
Figure BDA0003735790250000035
为t时段第j个储能放电功率；
储能荷电状态SOC约束为：
Figure BDA0003735790250000036
Figure BDA0003735790250000037
其中，
Figure BDA0003735790250000038
为t时段第j个储能的荷电状态；
Figure BDA0003735790250000039
为t-1时段第j个储能的荷电状态；ηc,j第j个储能的充电效率系数；ηdc,j第j个储能的放电效率系数；Emax,j为第j个储能的最大容量；M为足够大的浮点数；M≥1000000000.0；
储能充放电次数约束为：
Figure BDA00037357902500000310
其中，Nj为第j个储能的最大充放电次数；
储能充放状态及储能荷电状态约束为：
Figure BDA00037357902500000311
本发明进一步的改进在于：所述约束条件包括：室内温度物理约束、室内温度变化约束、电动汽车充电功率约束、电动汽车荷电状态SOC约束、电动汽车充电持续时间约束、燃气机组发电功率上下限约束、燃气机组爬坡约束、燃气机组启停约束、单用户负荷功率约束和用户负荷功率总加约束。
本发明进一步的改进在于：
所述室内温度物理约束为：
Figure BDA0003735790250000041
其中，Tt,k为t时段第k个温控负荷的室内温度；Tt-1,k为t-1时段第k个温控负荷的室内温度；αH,k为第k个温控负荷的建筑隔热能力系数；Et,k为t时段第k个温控负荷的室外温度；αP,k为第k个温控负荷的制热/冷能力系数；
Figure BDA0003735790250000042
为t时段第k个温控负荷的运行功率；
室内温度变化约束为：
Figure BDA0003735790250000043
其中，
Figure BDA0003735790250000044
为t时段第k个温控负荷的最小室内温度；
Figure BDA0003735790250000045
为t时段第k个温控负荷的最高室内温度；
电动汽车充电功率约束为：
Figure BDA0003735790250000046
其中，
Figure BDA0003735790250000047
为t时段第u个电动汽车的充电功率，Pv,max,u为第u个电动汽车的最大充电功率；
电动汽车荷电状态SOC约束为：
Figure BDA0003735790250000048
其中，
Figure BDA0003735790250000049
为t时段第u个电动汽车的荷电状态；
Figure BDA00037357902500000410
为t-1时段第u个电动汽车的荷电状态；ηv,u为第u个电动汽车的充电效率系数；Emax,u为第u个电动汽车的最大充电容量；
电动汽车充电持续时间约束为：
Figure BDA00037357902500000411
其中，
Figure BDA00037357902500000412
为第u个电动汽车在调度周期初始的荷电状态；Tv,u为第u个电动汽车充电持续时间；
燃气机组发电功率上下限约束为：
Figure BDA0003735790250000051
其中，
Figure BDA0003735790250000052
为t时段第z个燃气机组的启停状态；Pmin,gs,z为第z个燃气机组最小出力；Pmax,gs,z为第z个燃气机组最大出力；
燃气机组爬坡约束为：
Figure BDA0003735790250000053
其中，
Figure BDA0003735790250000054
为t-1时段第z个燃气机组功率；
Figure BDA0003735790250000055
为t-1时段第z个燃气机组的启停状态；
Figure BDA0003735790250000056
为t-1时段到t时段第z个燃气机组功率增加量；
燃气机组滑坡约束为：
Figure BDA0003735790250000057
其中，
Figure BDA0003735790250000058
为t-1时段到t时段第z个燃气机组功率减少量；
燃气机组启停约束为：
Figure BDA0003735790250000059
单用户负荷功率约束为：
Figure BDA00037357902500000510
其中，
Figure BDA00037357902500000511
为第i个用户负荷基线功率；
Figure BDA00037357902500000512
为第i个用户负荷在t时段的功率可调量；
用户负荷功率总加约束为：
Figure BDA00037357902500000513
其中，
Figure BDA00037357902500000514
为第n个其他用户在t时段的用电功率；U为电动汽车总数；N为其他用户总数。
本发明进一步的改进在于：所述综合能源服务商源荷储资源协同优化方法还包括以下步骤：获取综合能源服务商源荷储资源数据；所述综合能源服务商源荷储资源数据包括计划预测数据和资源参数数据；其中，计划预测数据包括电网购电计划、分布式光伏发电预测出力、分布式风力发电预测出力和用户负荷预测结果；资源参数数据包括温控负荷室内外温度、楼宇隔热系数、空调制热/制冷能力系数、储能充放电功率限值和容量、电动汽车充电功率限值和容量、燃气机组爬坡速率及功率限值和调节成本、用户分时电价；
所述计划预测数据和资源参数数据存储于数据表中；调用约束条件求解预先建立的综合能源服务商源荷储资源协同优化调度模型，得出源荷储资源协同优化结果的步骤中，调用约束条件以及数据表中存储的计划预测数据和资源参数数据，求解预先建立的综合能源服务商源荷储资源协同优化调度模型，得出源荷储资源协同优化结果。
第二方面，本发明提供一种综合能源服务商源荷储资源协同优化系统，包括：
接收模块，用于接收协同优化请求，请求进行源荷储资源协同优化；
调用求解模块，用于调用约束条件求解预先建立的综合能源服务商源荷储资源协同优化调度模型，得出源荷储资源协同优化结果；所述预先建立的综合能源服务商源荷储资源协同优化调度模型以用户用电费用最小和燃气机组启停成本最小为优化目标。
本发明进一步的改进在于：调用求解模块中所述预先建立的综合能源服务商源荷储资源协同优化调度模型表达式如下：
Figure BDA0003735790250000061
其中，
Figure BDA0003735790250000062
为综合能源服务商代理的第i个用户在t时段的用电功率；Δt为调度周期时间间隔；ct为按照用户类别和电压等级划分的用户分时电价；I为综合能源服务商代理的用户总数；T为调度时段总数；Z为燃气机组总数；
Figure BDA0003735790250000063
为第z个燃气机组在t时段的运行成本；
Figure BDA0003735790250000064
为第z个燃气机组在t时段的启动成本。
本发明进一步的改进在于：调用求解模块中所述约束条件包括：系统功率平衡约束、储能充放电功率约束、储能荷电状态SOC约束、储能充放电次数约束和储能充放状态及储能荷电状态约束。
本发明进一步的改进在于：
系统功率平衡约束：
Figure BDA0003735790250000071
其中，
Figure BDA0003735790250000072
为综合能源服务商在t时段从发电企业的日购电计划功率；
Figure BDA0003735790250000073
为第e个分布式光伏在t时段的预测功率，E为分布式光伏总数；
Figure BDA0003735790250000074
第f个分布式风电在t时段的预测功率，G为分布式风电总数；
Figure BDA0003735790250000075
为t时段第z个燃气机组功率；
Figure BDA0003735790250000076
为t时段第z个燃气机组的启停状态；
储能充放电功率约束为：
Figure BDA0003735790250000077
Figure BDA0003735790250000078
其中，
Figure BDA0003735790250000079
为t时段第j个储能充电功率；
Figure BDA00037357902500000710
为t时段第j个储能充放状态；Pmax,j为第j个储能最大充放功率；
Figure BDA00037357902500000711
为t时段第j个储能放电功率；
储能荷电状态SOC约束为：
Figure BDA00037357902500000712
Figure BDA00037357902500000713
其中，
Figure BDA00037357902500000714
为t时段第j个储能的荷电状态；
Figure BDA00037357902500000715
为t-1时段第j个储能的荷电状态；ηc,j第j个储能的充电效率系数；ηdc,j第j个储能的放电效率系数；Emax,j为第j个储能的最大容量；M为足够大的浮点数；M≥1000000000.0；
储能充放电次数约束为：
Figure BDA0003735790250000081
其中，Nj为第j个储能的最大充放电次数；
储能充放状态及储能荷电状态约束为：
Figure BDA0003735790250000082
本发明进一步的改进在于：所述约束条件包括：室内温度物理约束、室内温度变化约束、电动汽车充电功率约束、电动汽车荷电状态SOC约束、电动汽车充电持续时间约束、燃气机组发电功率上下限约束、燃气机组爬坡约束、燃气机组启停约束、单用户负荷功率约束和用户负荷功率总加约束。
本发明进一步的改进在于：
所述室内温度物理约束为：
Figure BDA0003735790250000083
其中，Tt,k为t时段第k个温控负荷的室内温度；Tt-1,k为t-1时段第k个温控负荷的室内温度；αH,k为第k个温控负荷的建筑隔热能力系数；Et,k为t时段第k个温控负荷的室外温度；αP,k为第k个温控负荷的制热/冷能力系数；
Figure BDA0003735790250000084
为t时段第k个温控负荷的运行功率；
室内温度变化约束为：
Figure BDA0003735790250000085
其中，
Figure BDA0003735790250000086
为t时段第k个温控负荷的最小室内温度；
Figure BDA0003735790250000087
为t时段第k个温控负荷的最高室内温度；
电动汽车充电功率约束为：
Figure BDA0003735790250000088
其中，
Figure BDA0003735790250000089
为t时段第u个电动汽车的充电功率，Pv,max,u为第u个电动汽车的最大充电功率；
电动汽车荷电状态SOC约束为：
Figure BDA0003735790250000091
其中，
Figure BDA0003735790250000092
为t时段第u个电动汽车的荷电状态；
Figure BDA0003735790250000093
为t-1时段第u个电动汽车的荷电状态；ηv,u为第u个电动汽车的充电效率系数；Emax,u为第u个电动汽车的最大充电容量；
电动汽车充电持续时间约束为：
Figure BDA0003735790250000094
其中，
Figure BDA0003735790250000095
为第u个电动汽车在调度周期初始的荷电状态；Tv,u为第u个电动汽车充电持续时间；
燃气机组发电功率上下限约束为：
Figure BDA0003735790250000096
其中，
Figure BDA0003735790250000097
为t时段第z个燃气机组的启停状态；Pmin,gs,z为第z个燃气机组最小出力；Pmax,gs,z为第z个燃气机组最大出力；
燃气机组爬坡约束为：
Figure BDA0003735790250000098
其中，
Figure BDA0003735790250000099
为t-1时段第z个燃气机组功率；
Figure BDA00037357902500000910
为t-1时段第z个燃气机组的启停状态；
Figure BDA00037357902500000911
为t-1时段到t时段第z个燃气机组功率增加量；
燃气机组滑坡约束为：
Figure BDA00037357902500000912
其中，
Figure BDA00037357902500000913
为t-1时段到t时段第z个燃气机组功率减少量；
燃气机组启停约束为：
Figure BDA00037357902500000914
单用户负荷功率约束为：
Figure BDA0003735790250000101
其中，
Figure BDA0003735790250000102
为第i个用户负荷基线功率；
Figure BDA0003735790250000103
为第i个用户负荷在t时段的功率可调量；
用户负荷功率总加约束为：
Figure BDA0003735790250000104
其中，
Figure BDA0003735790250000105
为第n个其他用户在t时段的用电功率；U为电动汽车总数；N为其他用户总数。
本发明进一步的改进在于：还包括数据采集模块，用于获取综合能源服务商源荷储资源数据；所述综合能源服务商源荷储资源数据包括计划预测数据和资源参数数据；
其中，计划预测数据包括电网购电计划、分布式光伏发电预测出力、分布式风力发电预测出力和用户负荷预测结果；资源参数数据包括温控负荷室内外温度、楼宇隔热系数、空调制热/制冷能力系数、储能充放电功率限值和容量、电动汽车充电功率限值和容量、燃气机组爬坡速率及功率限值和调节成本、用户分时电价；
所述计划预测数据和资源参数数据存储于数据表中；
调用求解模块调用约束条件求解预先建立的综合能源服务商源荷储资源协同优化调度模型时，调用约束条件以及数据表中存储的计划预测数据和资源参数数据，求解预先建立的综合能源服务商源荷储资源协同优化调度模型，得出源荷储资源协同优化结果。
第三方面，本发明提供一种电子设备，所述电子设备包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现所述的一种综合能源服务商源荷储资源协同优化调度方法。
第四方面，本发明提供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至少一个指令，所述至少一个指令被处理器执行时实现所述的一种综合能源服务商源荷储资源协同优化调度方法。
相对于现有技术，本发明具有以下有益效果：
本发明提供一种综合能源服务商源荷储资源协同优化方法及系统，构建了综合能源服务商源荷储资源协同优化调度模型，调用约束条件求解预先建立的综合能源服务商源荷储资源协同优化调度模型，得出源荷储资源协同优化结果；所述预先建立的综合能源服务商源荷储资源协同优化调度模型以用户用电费用最小和燃气机组启停成本最小为优化目标。本发明预先建立的综合能源服务商源荷储资源协同优化调度模型以用户用电费用最小和燃气机组启停成本最小为优化目标，燃气机组启停成本最小和用户用电费用最小，可以在充分消纳新能源的基础上降低用户的用电成本。
进一步的，本发明综合能源服务商源荷储资源协同优化调度模型充分考虑考了新能源消纳，以用户用电费用最小和燃气机组启停成本最小为目标获得出清结果；以此调整用户用电计划增加新能源消纳，实现综合能源服务商资源整体效率最高。
进一步的，本发明基于综合能源服务商的电网购电计划、分布式光伏及风电预测出力和用户负荷预测结果，综合考虑综合能源服务商内部资源特性，包括风光资源互补、燃机灵活调用、储能可充可放、电动汽车功率平移，在充分利用分布式光伏和风电等绿色新能源基础上，以用户用电费用最小为目标进行优化计算，以此调整用户用电计划增加新能源消纳，实现综合能源服务商资源整体效率最高。
进一步的，本发明充分利用综合能源服务商内部多种电力交易资源特征，通过出力不足时段燃气机组开机，储能根据峰谷时段充放电，电动汽车调整充电时段手段，充分利用分布式光伏和风电发出来的绿色能源，以新能源消纳和用户用电费用最小为目标进行优化计算，以此安排不同用电负荷日前用电计划，实现综合能源服务商资源整体效率的最高。首先，收集电网购电计划、分布式光伏发电预测出力、分布式风力发电预测出力、用户负荷预测结果以及不同特征用户资源参数数据和成本电价数据；然后，建立综合能源服务商源荷储资源日前协同优化调度模型，考虑各种资源特征，以用户用电费用最小和燃气机组启停成本最小为目标，采用AIMMS软件进行优化求解，得到用户的负荷用电计划和燃气机组启停结果；最后，根据用户负荷用电计划和燃气机组启停可结果，通过综合能源服务系统对内部源荷储资源进行最优调度。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明一种综合能源服务商源荷储资源协同优化方法的流程示意图；
图2为本发明一种综合能源服务商源荷储资源协同优化系统的结构示意图；
图3为本发明一种电子设备的结构示意图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本发明所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
相关术语解释
1)综合能源服务
综合能源服务是以可再生能源为优先，以电力能源为基础，集成热、冷、燃气等能源，综合利用互联网等技术，深度融合能源系统与信息通信系统，实现多种能源的相互转化和优化配置，实现节能降耗、低碳绿色。
2)源荷储资源协同
源荷储是能源系统中的主要构成部分，在能源互联网环境下各环节不同元素间将存在更多协调互动。源荷储资源协同以系统整体最优配置为目标，统筹安排源荷储各环节的运行策略，充分发挥各类资源特点，以灵活高效的方式共同推动系统优化运行，促进清洁能源高效消纳。
实施例1
请参阅图1所示，本发明提供一种综合能源服务商源荷储资源协同优化方法，包括以下步骤：
S101、接收协同优化请求，请求进行源荷储资源协同优化；
S102、调用约束条件求解预先建立的综合能源服务商源荷储资源协同优化调度模型，得出源荷储资源协同优化结果；所述预先建立的综合能源服务商源荷储资源协同优化调度模型以用户用电费用最小和燃气机组启停成本最小为优化目标；
其中，综合能源服务商接收用户发送的协同优化请求，请求进行源荷储资源协同优化；
其中，约束条件具体包括：系统功率平衡约束、储能充放电功率约束、储能荷电状态SOC约束、储能充放电次数约束、储能充放状态及储能荷电状态约束、室内温度物理约束、室内温度变化约束、电动汽车充电功率约束、电动汽车荷电状态SOC约束、电动汽车充电持续时间约束、燃气机组发电功率上下限约束、燃气机组爬坡约束、燃气机组启停约束、单用户负荷功率约束和用户负荷功率总加约束。
其中，综合能源服务商源荷储资源协同优化调度模型表达式如下：
Figure BDA0003735790250000141
其中，
Figure BDA0003735790250000142
为综合能源服务商代理的第i个用户在t时段的用电功率；Δt为调度周期时间间隔；ct为按照用户类别和电压等级划分的用户分时电价；I为综合能源服务商代理的用户总数；T为调度时段总数；Z为燃气机组总数；
Figure BDA0003735790250000143
为第z个燃气机组在t时段的运行成本；
Figure BDA0003735790250000144
为第z个燃气机组在t时段的启动成本。
在本发明实施例中，预先建立的综合能源服务商源荷储资源协同优化调度模型以用户用电费用最小和燃气机组启停成本最小为优化目标，燃气机组启停成本最小和用户用电费用最小，可以在充分消纳新能源的基础上降低用户的用电成本。
实施例2
本发明提供一种综合能源服务商源荷储资源协同优化方法，包括以下步骤：
接收协同优化请求，请求进行源荷储资源协同优化；
调用约束条件求解预先建立的综合能源服务商源荷储资源协同优化调度模型，得出源荷储资源协同优化结果；所述预先建立的综合能源服务商源荷储资源协同优化调度模型以用户用电费用最小和燃气机组启停成本最小为优化目标。
其中，预先建立的综合能源服务商源荷储资源协同优化调度模型表达式如下：
Figure BDA0003735790250000145
其中，
Figure BDA0003735790250000146
为综合能源服务商代理的第i个用户在t时段的用电功率；Δt为调度周期时间间隔；ct为按照用户类别和电压等级划分的用户分时电价；I为综合能源服务商代理的用户总数；T为调度时段总数；Z为燃气机组总数；
Figure BDA0003735790250000147
为第z个燃气机组在t时段的运行成本；
Figure BDA0003735790250000148
为第z个燃气机组在t时段的启动成本。
其中，系统功率平衡约束、储能充放电功率约束、储能荷电状态SOC约束、储能充放电次数约束、储能充放状态及储能荷电状态约束、室内温度物理约束、室内温度变化约束、电动汽车充电功率约束、电动汽车荷电状态SOC约束、电动汽车充电持续时间约束、燃气机组发电功率上下限约束、燃气机组爬坡约束、燃气机组启停约束、单用户负荷功率约束和用户负荷功率总加约束。
约束条件具体包括:
2.1)系统功率平衡约束
Figure BDA0003735790250000151
其中，
Figure BDA0003735790250000152
为综合能源服务商在t时段从发电企业的购电计划功率，为日购电计划，通过年度购电计划、月度购电计划、日购电计划的逐层分解；
Figure BDA0003735790250000153
为第e个分布式光伏在t时段的预测功率；
Figure BDA0003735790250000154
第f个分布式风电在t时段的预测功率；
Figure BDA0003735790250000155
为t时段第z个燃气机组功率；
Figure BDA0003735790250000156
为t时段第z个燃气机组的启停状态。
2.2)储能运行约束
2.2.1)储能充放电功率约束
Figure BDA0003735790250000157
Figure BDA0003735790250000158
其中，
Figure BDA0003735790250000159
为t时段第j个储能充电功率；
Figure BDA00037357902500001510
为t时段第j个储能充放状态；Pmax,j为第j个储能最大充放功率。
2.2.2)储能荷电状态SOC约束
Figure BDA00037357902500001511
Figure BDA00037357902500001512
其中，
Figure BDA0003735790250000161
为t时段第j个储能的荷电状态；
Figure BDA0003735790250000162
为t-1时段第j个储能的荷电状态；ηc,j第j个储能的充电效率系数；ηdc,j第j个储能的放电效率系数；Emax,j为第j个储能的最大容量；M为足够大的浮点数。
2.2.3)储能充放电次数约束
Figure BDA0003735790250000163
其中，Nj为第j个储能的最大充放电次数。
2.2.4)储能其他约束
Figure BDA0003735790250000164
2.3)温控负荷调节约束
2.3.1)室内温度物理约束
Figure BDA0003735790250000165
其中Tt,k为t时段第k个温控负荷的室内温度；αH,k为第k个温控负荷的建筑隔热能力系数；Et,k为t时段第k个温控负荷的室外温度；αP,k为第k个温控负荷的制热/冷能力系数；
Figure BDA0003735790250000166
为t时段第k个温控负荷的运行功率。
2.3.2)室内温度变化约束
Figure BDA0003735790250000167
其中
Figure BDA0003735790250000168
为t时段第k个温控负荷的最小室内温度；
Figure BDA0003735790250000169
为t时段第k个温控负荷的最高室内温度。
2.4)电动汽车充电约束
2.4.1)电动汽车充电功率约束
Figure BDA00037357902500001610
其中，
Figure BDA0003735790250000171
为t时段第u个电动汽车的充电功率，Pv,max,u为第u个电动汽车的最大充电功率。
2.4.2)电动汽车荷电状态SOC约束
Figure BDA0003735790250000172
其中，
Figure BDA0003735790250000173
为t时段第u个电动汽车的荷电状态；
Figure BDA0003735790250000174
为t-1时段第u个电动汽车的荷电状态；ηv,u为第u个电动汽车的充电效率系数；Emax,u为第u个电动汽车的最大充电容量。
2.4.3)电动汽车充电持续时间约束
Figure BDA0003735790250000175
其中，
Figure BDA0003735790250000176
为第u个电动汽车在调度周期初始的荷电状态；Tv,u为第u个电动汽车充电持续时间。
2.5)燃气机组运行约束
2.5.1)燃气机组发电功率上下限约束
Figure BDA0003735790250000177
其中，Pmin,gs,z为第z个燃气机组最小出力；Pmax,gs,z为第z个燃气机组最大出力；
2.5.2)燃气机组爬坡约束
Figure BDA0003735790250000178
其中
Figure BDA0003735790250000179
为t-1时段第z个燃气机组功率；
Figure BDA00037357902500001710
为t-1时段第z个燃气机组的启停状态；
Figure BDA00037357902500001711
为t-1时段到t时段第z个燃气机组功率增加量。
2.5.3)燃气机组滑坡约束
Figure BDA00037357902500001712
其中，
Figure BDA00037357902500001713
为t-1时段到t时段第z个燃气机组功率减少量。
2.5.4)燃气机组启停约束
Figure BDA0003735790250000181
2.6)其他约束
2.6.1)单用户负荷功率约束
Figure BDA0003735790250000182
其中，
Figure BDA0003735790250000183
为第i个用户负荷基线功率；
Figure BDA0003735790250000184
为第i个用户负荷在t时段的功率可调量。
2.6.2)用户负荷功率总加约束
Figure BDA0003735790250000185
其中，
Figure BDA0003735790250000186
为第n个其他用户在t时段的用电功率；U为电动汽车总数；N为其他用户总数。
本发明采用AIMMS软件进行优化求解，得出源荷储资源协同优化结果；包括用户的负荷用电计划和燃气机组启停结果，通过综合能源服务系统对内部源荷储资源进行最优调度。
在一具体实施方式中，建模求解之前先获取综合能源服务商源荷储资源数据；所述综合能源服务商源荷储资源数据包括计划预测数据和资源参数数据；其中，计划预测数据包括电网购电计划、分布式光伏发电预测出力、分布式风力发电预测出力和用户负荷预测结果；资源参数数据包括温控负荷室内外温度、楼宇隔热系数、空调制热/制冷能力系数、储能充放电功率限值和容量、电动汽车充电功率限值和容量、燃气机组爬坡速率及功率限值和调节成本、用户分时电价。所述计划预测数据和资源参数数据存储于数据表中。
调用约束条件求解预先建立的综合能源服务商源荷储资源协同优化调度模型，得出源荷储资源协同优化结果的步骤中，具体的调用约束条件以及数据表中存储的计划预测数据和资源参数数据求解预先建立的综合能源服务商源荷储资源协同优化调度模型，得出源荷储资源协同优化结果。
本发明充分利用综合能源服务商内部多种电力交易资源特征，通过出力不足时段燃气机组开机，储能根据峰谷时段充放电，电动汽车调整充电时段手段，充分利用分布式光伏和风电发出来的绿色能源，以新能源消纳和用户用电费用最小为目标进行优化计算，以此安排不同用电负荷日前用电计划，实现综合能源服务商资源整体效率的最高。
实施例3
请参阅图2所示，本发明提供一种综合能源服务商源荷储资源协同优化系统，包括：
接收模块，用于接收协同优化请求，请求进行源荷储资源协同优化；
调用求解模块，用于调用约束条件求解预先建立的综合能源服务商源荷储资源协同优化调度模型，得出源荷储资源协同优化结果；所述预先建立的综合能源服务商源荷储资源协同优化调度模型以用户用电费用最小和燃气机组启停成本最小为优化目标。
调用求解模块中所述预先建立的综合能源服务商源荷储资源协同优化调度模型表达式如下：
Figure BDA0003735790250000191
其中，
Figure BDA0003735790250000192
为综合能源服务商代理的第i个用户在t时段的用电功率；Δt为调度周期时间间隔；ct为按照用户类别和电压等级划分的用户分时电价；I为综合能源服务商代理的用户总数；T为调度时段总数；Z为燃气机组总数；
Figure BDA0003735790250000193
为第z个燃气机组在t时段的运行成本；
Figure BDA0003735790250000194
为第z个燃气机组在t时段的启动成本。
调用求解模块中所述约束条件包括：
系统功率平衡约束：
Figure BDA0003735790250000195
其中，
Figure BDA0003735790250000196
为综合能源服务商在t时段从发电企业的日购电计划功率；
Figure BDA0003735790250000197
为第e个分布式光伏在t时段的预测功率，E为分布式光伏总数；
Figure BDA0003735790250000201
第f个分布式风电在t时段的预测功率，G为分布式风电总数；
Figure BDA0003735790250000202
为t时段第z个燃气机组功率；
Figure BDA0003735790250000203
为t时段第z个燃气机组的启停状态；
储能充放电功率约束
Figure BDA0003735790250000204
Figure BDA0003735790250000205
其中，
Figure BDA0003735790250000206
为t时段第j个储能充电功率；
Figure BDA0003735790250000207
为t时段第j个储能充放状态；Pmax,j为第j个储能最大充放功率；
Figure BDA0003735790250000208
为t时段第j个储能放电功率；
储能荷电状态SOC约束
Figure BDA0003735790250000209
Figure BDA00037357902500002010
其中，
Figure BDA00037357902500002011
为t时段第j个储能的荷电状态；
Figure BDA00037357902500002012
为t-1时段第j个储能的荷电状态；ηc,j第j个储能的充电效率系数；ηdc,j第j个储能的放电效率系数；Emax,j为第j个储能的最大容量；M为足够大的浮点数；M≥1000000000.0；
储能充放电次数约束
Figure BDA00037357902500002013
其中，Nj为第j个储能的最大充放电次数；
储能充放状态及储能荷电状态约束
Figure BDA00037357902500002014
室内温度物理约束
Figure BDA0003735790250000211
其中，Tt,k为t时段第k个温控负荷的室内温度；Tt-1,k为t-1时段第k个温控负荷的室内温度；αH,k为第k个温控负荷的建筑隔热能力系数；Et,k为t时段第k个温控负荷的室外温度；αP,k为第k个温控负荷的制热/冷能力系数；
Figure BDA0003735790250000212
为t时段第k个温控负荷的运行功率；
室内温度变化约束
Figure BDA0003735790250000213
其中，
Figure BDA0003735790250000214
为t时段第k个温控负荷的最小室内温度；
Figure BDA0003735790250000215
为t时段第k个温控负荷的最高室内温度；
电动汽车充电功率约束
Figure BDA0003735790250000216
其中，
Figure BDA0003735790250000217
为t时段第u个电动汽车的充电功率，Pv,max,u为第u个电动汽车的最大充电功率；
电动汽车荷电状态SOC约束
Figure BDA0003735790250000218
其中，
Figure BDA0003735790250000219
为t时段第u个电动汽车的荷电状态；
Figure BDA00037357902500002110
为t-1时段第u个电动汽车的荷电状态；ηv,u为第u个电动汽车的充电效率系数；Emax,u为第u个电动汽车的最大充电容量；
电动汽车充电持续时间约束
Figure BDA00037357902500002111
其中，
Figure BDA00037357902500002112
为第u个电动汽车在调度周期初始的荷电状态；Tv,u为第u个电动汽车充电持续时间；
燃气机组发电功率上下限约束
Figure BDA0003735790250000221
其中，
Figure BDA0003735790250000222
为t时段第z个燃气机组的启停状态；Pmin,gs,z为第z个燃气机组最小出力；Pmax,gs,z为第z个燃气机组最大出力；
燃气机组爬坡约束
Figure BDA0003735790250000223
其中，
Figure BDA0003735790250000224
为t-1时段第z个燃气机组功率；
Figure BDA0003735790250000225
为t-1时段第z个燃气机组的启停状态；
Figure BDA0003735790250000226
为t-1时段到t时段第z个燃气机组功率增加量；
燃气机组滑坡约束
Figure BDA0003735790250000227
其中，
Figure BDA0003735790250000228
为t-1时段到t时段第z个燃气机组功率减少量；
燃气机组启停约束
Figure BDA0003735790250000229
单用户负荷功率约束
Figure BDA00037357902500002210
其中，
Figure BDA00037357902500002211
为第i个用户负荷基线功率；
Figure BDA00037357902500002212
为第i个用户负荷在t时段的功率可调量；
用户负荷功率总加约束
Figure BDA00037357902500002213
其中，
Figure BDA00037357902500002214
为第n个其他用户在t时段的用电功率；U为电动汽车总数；N为其他用户总数。
在一具体实施方式中，本发明一种综合能源服务商源荷储资源协同优化系统，还包括数据采集模块，用于获取综合能源服务商源荷储资源数据；所述综合能源服务商源荷储资源数据包括计划预测数据和资源参数数据；其中，计划预测数据包括电网购电计划、分布式光伏发电预测出力、分布式风力发电预测出力和用户负荷预测结果；资源参数数据包括温控负荷室内外温度、楼宇隔热系数、空调制热/制冷能力系数、储能充放电功率限值和容量、电动汽车充电功率限值和容量、燃气机组爬坡速率及功率限值和调节成本、用户分时电价。所述计划预测数据和资源参数数据存储于数据表中。
调用求解模块调用约束条件求解预先建立的综合能源服务商源荷储资源协同优化调度模型时，具体的调用约束条件以及数据表中存储的计划预测数据和资源参数数据求解预先建立的综合能源服务商源荷储资源协同优化调度模型，得出源荷储资源协同优化结果。
实施例4
请参阅图3所示，本发明还提供一种综合能源服务商源荷储资源协同优化方法的电子设备100；所述电子设备100包括存储器101、至少一个处理器102、存储在所述存储器101中并可在所述至少一个处理器102上运行的计算机程序103及至少一条通讯总线104。
存储器101可用于存储所述计算机程序103，所述处理器102通过运行或执行存储在所述存储器101内的计算机程序，以及调用存储在存储器101内的数据，实现实施例1所述的一种综合能源服务商源荷储资源协同优化方法步骤。所述存储器101可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备100的使用所创建的数据(比如音频数据)等。此外，存储器101可以包括非易失性存储器，例如硬盘、内存、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)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
所述至少一个处理器102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)、现场可编程门阵列(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。处理器102可以是微处理器或者该处理器102也可以是任何常规的处理器等，所述处理器102是所述电子设备100的控制中心，利用各种接口和线路连接整个电子设备100的各个部分。
所述电子设备100中的所述存储器101存储多个指令以实现一种综合能源服务商源荷储资源协同优化方法，所述处理器102可执行所述多个指令从而实现：
接收协同优化请求，请求进行源荷储资源协同优化；
调用约束条件求解预先建立的综合能源服务商源荷储资源协同优化调度模型，得出源荷储资源协同优化结果；所述预先建立的综合能源服务商源荷储资源协同优化调度模型以用户用电费用最小和燃气机组启停成本最小为优化目标。
具体地，所述处理器102对上述指令的具体实现方法可参考实施例1中相关步骤的描述，在此不赘述。
实施例5
所述电子设备100集成的模块/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，本发明实现上述实施例方法中的全部或部分流程，也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可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器及只读存储器(ROM，Read-Only Memory)。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种综合能源服务商源荷储资源协同优化方法，其特征在于，包括：
接收协同优化请求，请求进行源荷储资源协同优化；
调用约束条件求解预先建立的综合能源服务商源荷储资源协同优化调度模型，得出源荷储资源协同优化结果；所述预先建立的综合能源服务商源荷储资源协同优化调度模型以用户用电费用最小和燃气机组启停成本最小为优化目标。
2.根据权利要求1所述的一种综合能源服务商源荷储资源协同优化方法，其特征在于，所述预先建立的综合能源服务商源荷储资源协同优化调度模型表达式如下：
Figure FDA0003735790240000011
其中，
Figure FDA0003735790240000012
为综合能源服务商代理的第i个用户在t时段的用电功率；Δt为调度周期时间间隔；ct为按照用户类别和电压等级划分的用户分时电价；I为综合能源服务商代理的用户总数；T为调度时段总数；Z为燃气机组总数；
Figure FDA0003735790240000013
为第z个燃气机组在t时段的运行成本；
Figure FDA0003735790240000014
为第z个燃气机组在t时段的启动成本。
3.根据权利要求2所述的一种综合能源服务商源荷储资源协同优化方法，其特征在于，所述约束条件包括：系统功率平衡约束、储能充放电功率约束、储能荷电状态SOC约束、储能充放电次数约束和储能充放状态及储能荷电状态约束。
4.根据权利要求3所述的一种综合能源服务商源荷储资源协同优化方法，其特征在于，所述系统功率平衡约束为：
Figure FDA0003735790240000015
其中，
Figure FDA0003735790240000016
为综合能源服务商在t时段从发电企业的日购电计划功率；
Figure FDA0003735790240000017
为第e个分布式光伏在t时段的预测功率，E为分布式光伏总数；
Figure FDA0003735790240000018
第f个分布式风电在t时段的预测功率，G为分布式风电总数；
Figure FDA0003735790240000019
为t时段第z个燃气机组功率；
Figure FDA00037357902400000110
为t时段第z个燃气机组的启停状态；
储能充放电功率约束为：
Figure FDA0003735790240000021
Figure FDA0003735790240000022
其中，
Figure FDA0003735790240000023
为t时段第j个储能充电功率；
Figure FDA0003735790240000024
为t时段第j个储能充放状态；Pmax,j为第j个储能最大充放功率；
Figure FDA0003735790240000025
为t时段第j个储能放电功率；
储能荷电状态SOC约束为：
Figure FDA0003735790240000026
Figure FDA0003735790240000027
其中，
Figure FDA0003735790240000028
为t时段第j个储能的荷电状态；
Figure FDA0003735790240000029
为t-1时段第j个储能的荷电状态；ηc,j第j个储能的充电效率系数；ηdc,j第j个储能的放电效率系数；Emax,j为第j个储能的最大容量；M为浮点数；
储能充放电次数约束为：
Figure FDA00037357902400000210
其中，Nj为第j个储能的最大充放电次数；
储能充放状态及储能荷电状态约束
Figure FDA00037357902400000211
5.根据权利要求2-4中任意一项所述的一种综合能源服务商源荷储资源协同优化方法，其特征在于，所述约束条件包括：室内温度物理约束、室内温度变化约束、电动汽车充电功率约束、电动汽车荷电状态SOC约束、电动汽车充电持续时间约束、燃气机组发电功率上下限约束、燃气机组爬坡约束、燃气机组启停约束、单用户负荷功率约束和用户负荷功率总加约束。
6.根据权利要求5所述的一种综合能源服务商源荷储资源协同优化方法，其特征在于，所述室内温度物理约束为：
Figure FDA0003735790240000031
其中，Tt,k为t时段第k个温控负荷的室内温度；Tt-1,k为t-1时段第k个温控负荷的室内温度；αH,k为第k个温控负荷的建筑隔热能力系数；Et,k为t时段第k个温控负荷的室外温度；αP,k为第k个温控负荷的制热/冷能力系数；
Figure FDA0003735790240000032
为t时段第k个温控负荷的运行功率；
室内温度变化约束为：
Figure FDA0003735790240000033
其中，
Figure FDA0003735790240000034
为t时段第k个温控负荷的最小室内温度；
Figure FDA0003735790240000035
为t时段第k个温控负荷的最高室内温度；
电动汽车充电功率约束为：
Figure FDA0003735790240000036
其中，
Figure FDA0003735790240000037
为t时段第u个电动汽车的充电功率，Pv,max,u为第u个电动汽车的最大充电功率；
电动汽车荷电状态SOC约束为：
Figure FDA0003735790240000038
其中，
Figure FDA0003735790240000039
为t时段第u个电动汽车的荷电状态；
Figure FDA00037357902400000310
为t-1时段第u个电动汽车的荷电状态；ηv,u为第u个电动汽车的充电效率系数；Emax,u为第u个电动汽车的最大充电容量；
电动汽车充电持续时间约束为：
Figure FDA00037357902400000311
其中，
Figure FDA00037357902400000312
为第u个电动汽车在调度周期初始的荷电状态；Tv,u为第u个电动汽车充电持续时间；
燃气机组发电功率上下限约束为：
Figure FDA0003735790240000041
其中，
Figure FDA0003735790240000042
为t时段第z个燃气机组的启停状态；Pmin,gs,z为第z个燃气机组最小出力；Pmax,gs,z为第z个燃气机组最大出力；
燃气机组爬坡约束为：
Figure FDA0003735790240000043
其中，
Figure FDA0003735790240000044
为t-1时段第z个燃气机组功率；
Figure FDA0003735790240000045
为t-1时段第z个燃气机组的启停状态；
Figure FDA0003735790240000046
为t-1时段到t时段第z个燃气机组功率增加量；
燃气机组滑坡约束为：
Figure FDA0003735790240000047
其中，
Figure FDA0003735790240000048
为t-1时段到t时段第z个燃气机组功率减少量；
燃气机组启停约束为：
Figure FDA0003735790240000049
单用户负荷功率约束：
Figure FDA00037357902400000410
其中，
Figure FDA00037357902400000411
为第i个用户负荷基线功率；
Figure FDA00037357902400000412
为第i个用户负荷在t时段的功率可调量；
用户负荷功率总加约束为：
Figure FDA00037357902400000413
其中，
Figure FDA00037357902400000414
为第n个其他用户在t时段的用电功率；U为电动汽车总数；N为其他用户总数。
7.根据权利要求1所述的一种综合能源服务商源荷储资源协同优化方法，其特征在于，所述综合能源服务商源荷储资源协同优化方法还包括以下步骤：
获取综合能源服务商源荷储资源数据；所述综合能源服务商源荷储资源数据包括计划预测数据和资源参数数据；
其中，计划预测数据包括电网购电计划、分布式光伏发电预测出力、分布式风力发电预测出力和用户负荷预测结果；资源参数数据包括温控负荷室内外温度、楼宇隔热系数、空调制热/制冷能力系数、储能充放电功率限值和容量、电动汽车充电功率限值和容量、燃气机组爬坡速率及功率限值和调节成本、用户分时电价；
所述计划预测数据和资源参数数据存储于数据表中；
调用约束条件求解预先建立的综合能源服务商源荷储资源协同优化调度模型，得出源荷储资源协同优化结果的步骤中，调用约束条件以及数据表中存储的计划预测数据和资源参数数据，求解预先建立的综合能源服务商源荷储资源协同优化调度模型，得出源荷储资源协同优化结果。
8.一种综合能源服务商源荷储资源协同优化系统，其特征在于，包括：
接收模块，用于接收协同优化请求，请求进行源荷储资源协同优化；
调用求解模块，用于调用约束条件求解预先建立的综合能源服务商源荷储资源协同优化调度模型，得出源荷储资源协同优化结果；所述预先建立的综合能源服务商源荷储资源协同优化调度模型以用户用电费用最小和燃气机组启停成本最小为优化目标。
9.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现如权利要求1至7中任意一项所述的一种综合能源服务商源荷储资源协同优化方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有至少一个指令，所述至少一个指令被处理器执行时实现如权利要求1至7中任意一项所述的一种综合能源服务商源荷储资源协同优化方法。
CN202210795820.9A 2022-07-07 2022-07-07 一种综合能源服务商源荷储资源协同优化方法及系统 Pending CN115186889A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210795820.9A CN115186889A (zh) 2022-07-07 2022-07-07 一种综合能源服务商源荷储资源协同优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210795820.9A CN115186889A (zh) 2022-07-07 2022-07-07 一种综合能源服务商源荷储资源协同优化方法及系统

Publications (1)

Publication Number Publication Date
CN115186889A true CN115186889A (zh) 2022-10-14

Family

ID=83516473

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210795820.9A Pending CN115186889A (zh) 2022-07-07 2022-07-07 一种综合能源服务商源荷储资源协同优化方法及系统

Country Status (1)

Country Link
CN (1) CN115186889A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115238992A (zh) * 2022-07-21 2022-10-25 南方电网科学研究院有限责任公司 一种电力系统源荷储的协调优化方法、装置及电子设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115238992A (zh) * 2022-07-21 2022-10-25 南方电网科学研究院有限责任公司 一种电力系统源荷储的协调优化方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN110188950B (zh) 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法
CN108667052B (zh) 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统
El-Zonkoly Intelligent energy management of optimally located renewable energy systems incorporating PHEV
El-Zonkoly et al. Optimal allocation, sizing of PHEV parking lots in distribution system
CN109193718B (zh) 一种适应于v2g的选择电动汽车入网调控方法
Celik et al. Quantifying the impact of solar photovoltaic and energy storage assets on the performance of a residential energy aggregator
Lim et al. Optimal allocation of energy storage and solar photovoltaic systems with residential demand scheduling
CN112966883B (zh) 综合能源系统运行优化方法及终端设备
Rajani et al. A hybrid optimization based energy management between electric vehicle and electricity distribution system
CN111934315A (zh) 考虑需求侧的源网荷储协同优化运行方法及终端设备
CN115587645A (zh) 一种考虑充电行为随机性的电动汽车充电管理方法及系统
CN114757699B (zh) 电力调峰辅助服务市场分级出清方法、装置、设备及介质
CN116316567A (zh) 一种阶梯碳交易机制下综合能源需求响应优化方法
CN113328432A (zh) 一种家庭能量管理优化调度方法及系统
CN112202201A (zh) 一种考虑需求响应和电动汽车的联合微电网运行策略
CN115186889A (zh) 一种综合能源服务商源荷储资源协同优化方法及系统
CN117595261B (zh) 光储微电网能量管理策略优化方法、装置及电子设备
CN110826801A (zh) 电动车充电站分布式电能管理方法
CN114239956A (zh) 虚拟电厂的资源配置方法、装置及终端
CN117543581A (zh) 考虑电动汽车需求响应的虚拟电厂优化调度方法及其应用
TWI725606B (zh) 電動車充電站分散式電能管理方法
CN117013597A (zh) 用于虚拟电厂的分布式资源聚合调控方法、装置及设备
CN112329263A (zh) 一种综合能源系统优化方法及终端设备
CN111798070A (zh) 一种用户侧光储系统的配置方法及装置
CN114142535B (zh) 一种微电网源网荷储的调度方法、系统、设备及介质

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