CN115222147A - 一种分布式能源设备产能的优化方法、系统及设备 - Google Patents

一种分布式能源设备产能的优化方法、系统及设备 Download PDF

Info

Publication number
CN115222147A
CN115222147A CN202210976410.4A CN202210976410A CN115222147A CN 115222147 A CN115222147 A CN 115222147A CN 202210976410 A CN202210976410 A CN 202210976410A CN 115222147 A CN115222147 A CN 115222147A
Authority
CN
China
Prior art keywords
energy
user
equipment
unit
distributed energy
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
CN202210976410.4A
Other languages
English (en)
Inventor
张玉鸿
胥威汀
王海燕
马瑞光
赵琳艳
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 Sichuan Economic Research Institute
Original Assignee
State Grid Sichuan Economic Research Institute
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 Sichuan Economic Research Institute filed Critical State Grid Sichuan Economic Research Institute
Priority to CN202210976410.4A priority Critical patent/CN115222147A/zh
Publication of CN115222147A publication Critical patent/CN115222147A/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"
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种分布式能源设备产能的优化方法、系统及设备，解决了现有的分布式能源设备的能量利用率较低的问题，其技术方案要点是：接收来自第一用户所发送的数据协议确定分布式能源设备的装机容量信息和储能容量信息；接收用户在运行日当日上报的用能需求信息；根据用能需求信息、装机容量信息和储能容量信息建立分布式能源设备的运行优化模型；求解运行优化模型确定分布式能源设备的最优运行策略，根据最优运行策略确定用能的费用结算信息，将费用结算信息发送给所述第一用户和第二用户。本发明协调分布式能源设备的能源生产，从而达到在满足所有用户用能需求的同时，使得整体的能源生产成本最小，最大化提高分布式能源设备产能的利用率。

Description

一种分布式能源设备产能的优化方法、系统及设备
技术领域
本发明涉及一种能源分配领域，更具体地说，它涉及一种分布式能源设备产能的优化方法、系统及设备。
背景技术
能源互联网理念突破了传统能源系统的技术，用户对清洁能源发电、冷能、热能、天然气等多元化结构的能源需求迅速增长，对园区运营商在园区整体运行调控能力的要求也进一步提高。
现阶段，各类分布式能源技术快速发展，分布式能源设备已经逐渐深入园区电网，用户的分布式能源设备仅能够进行能源的自产自销，使得分布式能源设备容量(供能能力)在部分时段内可能大于用户自身用能需求，用户侧分布式能源设备利用率还存在较大提升空间，园区内的分布式能源设备的整体运行方式亟待改进更迭。
发明内容
为解决现有技术的不足之处，本申请提供了一种分布式能源设备产能的优化方法、系统及设备，本申请以园区运营商作为服务器，接收拥有分布式能源设备的用户所上报的分布式能源设备的装机容量信息和储能容量信息，再确定未拥有分布式能源设备和拥有分布式能源设备的用户的用能需求，以此建立分布式能源设备的运行优化模型来对两种类型用户所需的用能进行生产，以此协调分布式能源设备的能源生产，从而达到在满足所有用户用能需求的同时，使得整体的能源生产成本最小，最大化提高分布式能源设备产能的利用率，并且基于运行优化模型的输出结果还可确定用户用能的费用结算信息，可提高拥有分布式能源设备的用户的收益。
本发明的上述技术目的是通过以下技术方案得以实现的：
第一方面，本申请提供了一种分布式能源设备产能的优化方法，应用于服务器，包括：
接收来自第一用户所发送的数据协议确定第一用户的分布式能源设备的装机容量信息和储能容量信息；
接收来自第一用户和第二用户在运行日当日上报的用能需求信息，其中第一用户为拥有分布式能源设备的用户，第二用户为未拥有分布式能源设备的用户；
根据所述用能需求信息、装机容量信息和储能容量信息建立分布式能源设备的运行优化模型；
求解所述运行优化模型确定分布式能源设备的最优运行策略，根据所述最优运行策略确定用能的费用结算信息，将所述费用结算信息发送给所述第一用户和第二用户。
在一种可能实现的方案中，所述用能需求信息的计算式为DMD＝{dmd1，dmd2，dmd3，...，dmdn+m}，其中，n表示第一用户的总数，m表示第二用户的总数，dmdn+m表示第n+m个用户提交的运行日当日各个时段的电、热、冷用能需求。
在一种可能实现的方案中，根据所述用能需求和所述分布式能源设备容量信息确定分布式能源设备的运行优化模型，包括：
以分布式能源设备运行消耗所需的用能成本最小化为目标函数，建立约束条件对所述目标函数的变量进行约束；其中所述约束条件包括分布式能源设备的约束和所有用户端的能源供需平衡约束，其中所有用户端为第一用户和第二用户的数量和，所述分布式能源设备包括冷热电联产机组、光伏机组、燃气锅炉机组、电制冷机组和储能设备。
在一种可能实现的方案中，所述目标函数的计算式为：
V＝min(CET+CGAS+CHEAT+CCOLD)，式中，V为用能成本；CET为购电费用；CGAS为天然气购买费用；CHEAT为购热费用；CCOLD为购冷费用；
根据运行日当日各个时段所需的用能需求确定所述目标函数的变量，计算式如下：
Figure BDA0003798603400000021
式中，
Figure BDA0003798603400000022
为满足第一用户的电能需求而在时段t的购电功率，大于等于0；
Figure BDA0003798603400000023
为时段t的单位电价；
Figure BDA0003798603400000024
为分布式能源设备在时段t消耗的天然气量；
Figure BDA0003798603400000025
为时段t的单位天然气价格；
Figure BDA0003798603400000026
为时段t的单位热价；
Figure BDA0003798603400000027
为在t时段的购热量；
Figure BDA0003798603400000028
为时段t的单位冷价；
Figure BDA0003798603400000029
为在t时段的购冷量，Δt表示时段间隔。
在一种可能实现的方案中，所述冷热电联产机组的约束条件包括冷热电联产机组在t时刻输出的电功率、热功率、冷功率以及消耗的天然气，其中，根据冷热电联产机组消耗的天然气、冷热电联产机组中燃气轮机的额定发电效率和天然气热值确定冷热电联产机组在t时刻输出的电功率；根据余热锅炉输出的用于制热的蒸汽和蒸汽热水换热装置的转换效率确定冷热电联产机组在t时刻输出的热功率；根据余热锅炉输出的用于制冷的蒸汽和蒸汽型吸收式制冷机的制冷效率确定冷热电联产机组在t时刻输出的冷功率；
所述燃气锅炉机组的约束条件为根据燃气锅炉在t时段消耗的天然气、燃气锅炉的额定制热效率以及天然气热值确定燃气锅炉在t时段输出的热功率；
所述电制冷机组的约束条件为根据电制冷机组在t时段消耗的电功率和电制冷机组的额定制冷效率确定电制冷机组在t时段输出的冷功率；
所述光伏机组的约束条件为根据光伏设备在t时段的功率比和光伏设备的装机容量确定光伏机组在t时段的输出功率。
在一种可能实现的方案中，所述储能设备的约束条件的计算式如下：
Figure BDA0003798603400000031
其中，1≤i≤n，i表示第i个第一用户，n表示第一用户的总数，
Figure BDA0003798603400000032
分别为储能设备时段t的充电功率、放电功率，T＝24小时，
Figure BDA0003798603400000033
分别为储能设备的额定存储容量、额定功率容量，Δt表示时段间隔，
Figure BDA0003798603400000034
为0和1两种变量，表示储能的充放电状态；
根据用户在运行日当日各个时段的用能需求确定所述能源供需平衡约束的约束条件。
在一种可能实现的方案中，根据所述最优运行策略确定用能的费用结算信息，包括：
采用夏普利值算法对所述最优运行策略进行求解，确定所有用户的费用结算信息。
第二方面，本申请提供了一种分布式能源设备能源共享的分析系统，应用于服务器，包括：
第一接收单元，用于接收来自第一用户所发送的数据协议确定第一用户的分布式能源设备的装机容量信息和储能容量信息；
第二接收单元，用于接收来自第一用户和第二用户在运行日当日上报的用能需求信息，其中第一用户为拥有分布式能源设备的用户，第二用户为未拥有分布式能源设备的用户；
模型构建单元，用于根据所述用能需求信息、装机容量信息和储能容量信息建立分布式能源设备的运行优化模型；
发送单元，用于求解所述运行优化模型确定分布式能源设备的最优运行策略，根据所述最优运行策略确定用能的费用结算信息，将所述费用结算信息发送给所述第一用户和第二用户。
在一种可能实现的方案中，模型构建单元，还包括：
以分布式能源设备运行消耗所需的用能成本最小化为目标函数，建立约束条件对所述目标函数的变量进行约束；其中所述约束条件包括分布式能源设备的约束和所有用户端的能源供需平衡约束，其中所有用户端为第一用户和第二用户的数量和，所述分布式能源设备包括冷热电联产机组、光伏机组、燃气锅炉机组、电制冷机组和储能设备。
第三方面，本申请提供了一种电子设备，所述电子设备包括存储器和处理器；
所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如第一方面中任一所述的分析方法。
与现有技术相比，本发明具有以下有益效果：
本申请以园区运营商作为服务器，接收拥有分布式能源设备的用户所上报的分布式能源设备的装机容量信息和储能容量信息，再确定未拥有分布式能源设备和拥有分布式能源设备的用户的用能需求，以此建立分布式能源设备的运行优化模型来对两种类型用户所需的用能进行生产，以此协调分布式能源设备的能源生产，从而达到在满足所有用户用能需求的同时，使得整体的能源生产成本最小，最大化提高分布式能源设备产能的利用率，并且基于运行优化模型的输出结果还可确定用户用能的费用结算信息，可提高拥有分布式能源设备的用户的收益。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本申请实施例提供的一种分布式能源设备产能的优化方法的流程示意图；
图2a为本申请实施例提供的用户电负荷的需求曲线图；
图2b为本申请实施例提供的用户热负荷的需求曲线图；
图2c为本申请实施例提供的用户冷负荷的需求曲线图；
图3为本申请实施例提供的一种分布式能源设备能源共享的分析系统的结构框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
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一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
实施例一
现阶段，各类分布式能源技术快速发展，分布式能源设备已经逐渐深入园区电网，用户可以购买分布式能源设备进行能源生产以满足自身的能源需求。但与此同时，用户的分布式能源设备仅能够进行能源的自产自销，使得分布式能源设备容量(供能能力)在部分时段内可能大于用户自身用能需求，用户侧分布式能源设备利用率还存在较大提升空间，园区内的分布式能源设备的整体运行方式亟待改进更迭，故此本申请实施例提供了一种分布式能源设备产能的优化方法，应用于服务器，即园区运营商，即本申请提供的方法的应用场景为一个目标区域内，例如一个生产园区，一个企业园区等，园区运营商作为中间调控者，对园区内的用户的能耗需求进行实时分配，协调分布式能源设备的能源生产，从而达到在满足所有用户用能需求的同时，使得整体的能源生产成本最小，最大化提高分布式能源设备产能的利用率。
如图1所示，方法包括：
S1，接收来自第一用户所发送的数据协议确定第一用户的分布式能源设备的装机容量信息和储能容量信息。
在本实施例中，第一用户为能源托管用户，即拥有分布式能源设备，通常为园区中楼宇或工厂等较大的企业用户。用户通过有时限地让度分布式能源设备的运行权给园区运营商来提升自身的分布式能源设备利用率，获得增量收益。每个分布式能源设备均设置有相应的装机容量以及储能容量，这是属于现有技术，故此不做多余的叙述，第一用户将其拥有的分布式能源设备的基本信息以数据协议的形式发送给园区运营商即可。
对于园区运营商来说，其第一用户所托管的分布式能源设备可以用如下集合表示：
EQT＝{eqt1，eqt2，eqt3，...eqtn}
其中，EQT为园区运营商可以调用的分布式能源设备总集合；eqti为能源托管用户i(1≤i≤n)向园区运营商托管的分布式能源设备集合，如下式所示：
Figure BDA0003798603400000051
其中，
Figure BDA0003798603400000052
为冷热电联产机组的装机容量；
Figure BDA0003798603400000053
为光伏机组的装机容量；
Figure BDA0003798603400000054
为燃气锅炉机组的装机容量；
Figure BDA0003798603400000055
为电制冷机组的装机容量；
Figure BDA0003798603400000056
和
Figure BDA0003798603400000057
为储能设备的最大存储容量和功率容量。
S2，接收来自第一用户和第二用户在运行日当日上报的用能需求信息，其中第一用户为拥有分布式能源设备的用户，第二用户为未拥有分布式能源设备的用户。
在本实施例中，第二用户为能源需求用户，即不拥有分布式能源设备，通常为园区中无法承担分布式能源设备建设费用的企业用户。两种类型用户将运行日当日各个时段的用能需求发送给园区运营商，以便园区运营商通过分布式能源设备进行能源生产。
S3，根据所述用能需求信息、装机容量信息和储能容量信息建立分布式能源设备的运行优化模型。
本实施例中，通过用能需求信息、装机容量信息和储能容量信息建立分布式能源设备的运行优化模型，即为一种最优分布式能源设备的运行策略，在满足用户用能需求的同时，还需使整体的能源生产成本最小，以便降低用户的耗能成本。
S4，求解所述运行优化模型确定分布式能源设备的最优运行策略，根据所述最优运行策略确定用能的费用结算信息，将所述费用结算信息发送给所述第一用户和第二用户。
在本实施例中，求解步骤S3所构建的运行优化模型输出最优运行策略，可采用现有的模型求解算法，例如列和约束生成算法、Benders分解算法等，该最优运行策略对应着相应的各类能源使用量，如天然气、电能等，目前的电能的费用一般是以阶梯电价、分布式电价为主，属于一个长期不变的参量，并且天然气的费用也同属于一个长期不变的参量，故此，可计算出费用结算信息，也可根据现有的算法，例如最小核心法和夏普利值法，可制定分布式能源设备运行成本的分摊策略，确保每个用户在整体优化下分摊的成本不高于自身独立运行所需的成本，并与平台共享园区级优化带来的额外收益。
综合上述方案，本申请的有益效果如下：1、在现有技术中，是将拥有设备的用户向运营商提交的是在使用分布式能源设备满足自身能源需求后的剩余装机容量，而在本申请实施例所提供的方法中，第一用户的直接运营商提交分布式能源设备的额定装机容量，由运营商来满足其能源需求，因此，相比于现有技术，本申请所提供的优化方法对拥有设备的用户的管理水平要求更低。
2、现有技术中，运营商利用用户提交的分布式能源设备剩余装机容量进行生产，生产的能源是以出售的方式提供给没有分布式能源设备的需求用户。而在本申请实施例所提供的方法中，园区运营商是利用第一用户的分布式能源设备的所有装机容量进行能源生产以满足自身及第二用户的能源需求，生产花费的成本费用在所有用户间分摊，省去了出售这一过程，并保证三方主体都会获得利益。
3、现有技术中，拥有分布式能源设备的用户与其他的能源需求用户被严格区分，市场地位差别明显，而在本申请实施例所提供的方法中，第一用户与第二用户的市场地位差别较小，在提出的成本分摊方法下，双方相比于不参加服务来说都可以获得收益，更加公平合理。
在一种可能实现的方案中，所述用能需求信息的计算式为DMD＝{dmd1，dmd2，dmd3，...，dmdn+m}，其中，n表示第一用户的总数，m表示第二用户的总数，dmdn+m表示第n+m个用户提交的运行日当日各个时段的电、热、冷用能需求。
在本实施例中，对于dmdi表示第i个用户提交的运行日当日各个时段的电、热、冷用能需求，以如下计算式表示：
Figure BDA0003798603400000071
i表示第i个用户。
在一种可能实现的方案中，根据所述用能需求和所述分布式能源设备容量信息确定分布式能源设备的运行优化模型，包括：
以分布式能源设备运行消耗所需的用能成本最小化为目标函数，建立约束条件对所述目标函数的变量进行约束；其中所述约束条件包括分布式能源设备的约束和所有用户端的能源供需平衡约束，其中所有用户端为第一用户和第二用户的数量和，所述分布式能源设备包括冷热电联产机组、光伏机组、燃气锅炉机组、电制冷机组和储能设备。
具体的，由于需要保证各个用户的用能成本最小，因此运行优化模型以用能成本最小化为目标函数，通过分布式能源设备的约束和所有用户端的能源供需平衡约束对目标函数中的决策变量进行约束，以此保证运行优化模型输出的运行策略最优化。
具体的，所述目标函数的计算式为：
V＝min(CET+CGAS+CHEAT+CCOLD)，式中，V为用能成本；CET为购电费用；CGAS为天然气购买费用；CHEAT为购热费用；CCOLD为购冷费用；
根据运行日当日各个时段所需的用能需求确定所述目标函数的变量，计算式如下：
Figure BDA0003798603400000072
式中，
Figure BDA0003798603400000073
为满足第一用户的电能需求而在时段t的购电功率，大于等于0；
Figure BDA0003798603400000074
为时段t的单位电价；
Figure BDA0003798603400000075
为分布式能源设备在时段t消耗的天然气量；
Figure BDA0003798603400000076
为时段t的单位天然气价格；
Figure BDA0003798603400000079
为时段t的单位热价；
Figure BDA00037986034000000710
为在t时段的购热量；
Figure BDA0003798603400000077
为时段t的单位冷价；
Figure BDA0003798603400000078
为在t时段的购冷量，Δt表示时段间隔。
在一种可能实现的方案中，所述冷热电联产机组的约束条件包括冷热电联产机组在t时刻输出的电功率、热功率、冷功率以及消耗的天然气，其中，根据冷热电联产机组消耗的天然气、冷热电联产机组中燃气轮机的额定发电效率和天然气热值确定冷热电联产机组在t时刻输出的电功率；根据余热锅炉输出的用于制热的蒸汽和蒸汽热水换热装置的转换效率确定冷热电联产机组在t时刻输出的热功率；根据余热锅炉输出的用于制冷的蒸汽和蒸汽型吸收式制冷机的制冷效率确定冷热电联产机组在t时刻输出的冷功率；
所述燃气锅炉机组的约束条件为根据燃气锅炉在t时段消耗的天然气、燃气锅炉的额定制热效率以及天然气热值确定燃气锅炉在t时段输出的热功率；
所述电制冷机组的约束条件为根据电制冷机组在t时段消耗的电功率和电制冷机组的额定制冷效率确定电制冷机组在t时段输出的冷功率；
所述光伏机组的约束条件为根据光伏设备在t时段的功率比和光伏设备的装机容量确定光伏机组在t时段的输出功率。
在本实施例中，对于园区运营商托管的冷热电联产机组来说，其在园区级设备运行优化模型的约束条件由其自身物理特性构成，如下式所示：
Figure BDA0003798603400000081
其中，1≤i≤n。
Figure BDA0003798603400000084
分别为冷热电联产机组t时刻的输出电功率、热功率、冷功率和消耗的天然气；ηGTE、ηGTH分别为冷热电联产机组中燃气轮机的额定发电效率、余热回收效率；q为天然气热值；
Figure BDA0003798603400000085
为燃气轮机的余热回收量；ηWHB、ηHE、ηAR分别为余热锅炉的集热效率、蒸汽热水换热装置的转换效率、蒸汽型吸收式制冷机的制冷效率；
Figure BDA0003798603400000086
和
Figure BDA0003798603400000087
分别为余热锅炉输出的用于制热与制冷的蒸汽；
Figure BDA00037986034000000814
为分布式冷热电联产机组的额定装机容量。
对于托管的燃气锅炉机组来说，其在运行优化模型内的约束条件为：
Figure BDA0003798603400000082
其中，1≤i≤n。
Figure BDA0003798603400000088
和
Figure BDA0003798603400000089
为燃气锅炉t时段输出的热功率和消耗的天然气；ηGH为燃气锅炉的额定制热效率；
Figure BDA00037986034000000810
为燃气锅炉的额定装机容量。
对于托管的电制冷机组来说，其在运行优化模型内的约束条件为：
Figure BDA0003798603400000083
其中，1≤i≤n。
Figure BDA00037986034000000811
和
Figure BDA00037986034000000812
分别为电制冷机t时段输出的冷功率和消耗的电功率；ηER为电制冷机的额定制冷效率；
Figure BDA00037986034000000813
为电制冷机组的额定装机容量。
对于托管的光伏机组来说，其在运行优化模型内的约束条件为：
Figure BDA0003798603400000091
其中，1≤i≤n。
Figure BDA0003798603400000094
为光伏设备在t时段的最大输出功率；
Figure BDA0003798603400000095
为光伏设备在t时段的输出功率；
Figure BDA0003798603400000096
为光伏设备的装机容量；
Figure BDA0003798603400000097
为光伏设备在t时段的功率比，其与光照辐射强度、光照入射角度太阳能板的效率等因素有关。
具体的，所述储能设备的约束条件的计算式如下：
Figure BDA0003798603400000092
其中，1≤i≤n，i表示第i个第一用户，n表示第一用户的总数，
Figure BDA0003798603400000098
分别为储能设备时段t的充电功率、放电功率，T＝24小时，
Figure BDA0003798603400000099
分别为储能设备的额定存储容量、额定功率容量，Δt表示时段间隔，
Figure BDA00037986034000000910
为0和1两种变量，表示储能的充放电状态。
根据用户在运行日当日各个时段的用能需求确定所述能源供需平衡约束的约束条件，其约束条件的计算式如下：
Figure BDA0003798603400000093
其中，ELt示所有用户在t时刻所需求的电力负荷；HLt表示所有用户在t时刻所需求的热能负荷，CLt表示所有用户在t时刻所需求的冷能负荷，
Figure BDA00037986034000000911
表示分布式能源设备在时段t消耗的天然气量。
在一种可能实现的方案中，根据所述最优运行策略确定用能的费用结算信息，包括：
采用夏普利值算法对所述最优运行策略进行求解，确定所有用户的费用结算信息。
在本实施例中，本实施例中，以夏普利值算法求解运行优化模型输出最优运行策略确定用能的费用分摊策略，由用户对能源生产成本进行分摊。夏普利值算法具体实现如下：
将用户及其拥有的能源设备视作一体，假设所有用户的集合记为TolU，对于一个拥有n+m个广义用户的用户集合TolU来说，其有2n+m-1个非空子集。将Sij记为第j个包含用户Ui的成员组合，将Si记为全部包含用户Ui的成员组合的集合，如下式所示：
TolU＝{U1，U2...Un}；
Figure BDA0003798603400000101
在基于边际成本贡献的成本分摊策略下，第i个用户Ui理论上应承担的园区级设备优化运行成本φ′i如下式所示：
Figure BDA0003798603400000102
式中，V(Sij)为成员组合Sij利用运行优化模型得到的最优运行策略进行整体优化运行的总能源成本；V(S′ij)为将用户Ui排除出组合Sij后，剩余用户利用运行优化模型得到的最优运行策略进行整体优化运行的总能源成本。W(Sij)为加权系数，计算方法如下式所示：
Figure BDA0003798603400000103
其中，|Sij|为成员组合Sij的人数。(|Si|-1)！为在用户Ui加入Sij前已加入成员的排列数，(n-|Sij|)！为在用户Ui加入Sij后，剩余用户加入TolU的排列数。因此，上式可以理解为用户Ui理论上应承担的优化运行成本为用户在以各种可能的方式加入成员总集TolU所带来的边际成本贡献的概率均值。
因此，各用户独立运行时的能源成本与本方法下分摊的能源成本之差，即用户Ui在整体运行中获得的效益如下式所示：PRi＝Ci-Φ′i。
考虑用户Ui在整体运行中获得的效益PRi由园区运营商与用户共享，因此用户Ui实际应承担的成本可以用下式表示：φi＝φ′i+kSRPRi，式中，kSR为园区运营商与用户间的效益分享比，由园区运营商与用户通过合同等方式约定决定。
为验证本申请所给出的分布式能源设备共享的分析方法的有效性，采用某综合能源园区作为算例进行分析。
该综合能源园区包含三个用户，其中，用户1与用户2拥有分布式能源设备，其分布式能源设备装机容量如下表所示。
表1用户分布式能源设备装机容量
Figure BDA0003798603400000104
用户1、用户2、用户3的能源需求曲线如下图2a、图2b和图2c所示，三幅图说明了三个用户在一天24小时内，各个时段的电能、热能、冷能需求情况。
应用本申请实施例所提的分布式能源设备能源共享的分析方法前后，园区整体用能成本变化如下表所示：
表2园区整体用能成本变化
方法应用前能源成本/元 方法应用后能源成本/元 成本降低量/元
56970 45682 11287
各用户的用能成本变化如下表所示：
表3用户用能成本变化
方法应用前用能成本/元 方法应用后能源分摊成本/元 成本降低量/元
用户1成本 15310 11388 3922
用户2成本 14431 10393 4038
用户3成本 27227. 23900 3327
考虑用户与园区运营商之间的共享收益比为0.7:0.3，则各用户与园区运营商的收益情况如下表所示：
表4各主体收益情况
实际收益/元 收益占比
用户1 2745 24％
用户2 2826 25％
用户3 2328 21％
园区运营商 3386 30％
可以看到，在应用本申请实施例所提的分布式能源设备能源共享的分析方法后，各用户均能在该方法中获得收益，而园区运营商也能获得一定的收益以维持该模式的运行。
实施例二
本申请实施例二在实施例一的基础上提供了一种分布式能源设备能源共享的分析系统，需要说明的是，本实施例二提供的装置是基于实施例一分析方法的同一发明构思，由于这些装置解决问题的原理与图1所示的一种分析方法相似，因此这些装置的实施可以参见图1所示的方法的实施例，重复之处不再赘述。
如图3所示，系统包括：
第一接收单元，用于接收来自第一用户所发送的数据协议确定第一用户的分布式能源设备的装机容量信息和储能容量信息；
第二接收单元，用于接收来自第一用户和第二用户在运行日当日上报的用能需求信息，其中第一用户为拥有分布式能源设备的用户，第二用户为未拥有分布式能源设备的用户；
模型构建单元，用于根据所述用能需求信息、装机容量信息和储能容量信息建立分布式能源设备的运行优化模型；
发送单元，用于求解所述运行优化模型确定分布式能源设备的最优运行策略，根据所述最优运行策略确定用能的费用结算信息，将所述费用结算信息发送给所述第一用户和第二用户。
在一种可能实现的方案中，模型构建单元，还包括：
以分布式能源设备运行消耗所需的用能成本最小化为目标函数，建立约束条件对所述目标函数的变量进行约束；其中所述约束条件包括分布式能源设备的约束和所有用户端的能源供需平衡约束，其中所有用户端为第一用户和第二用户的数量和，所述分布式能源设备包括冷热电联产机组、光伏机组、燃气锅炉机组、电制冷机组和储能设备。
实施例三
基于同一发明构思，本申请实施例三还提供了一种电子设备，所述电子设备包括存储器和处理器；所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如第一方面中任一所述的分析方法。
其中，电子设备可以是计算机、平板电脑等智能终端，处理器可以是通用中央处理器(CPU)，微处理器，特定应用集成电路(ASIC)，或一个或多个用于控制以上方案程序执行的集成电路。通信接口，用于与其他设备或通信网络通信，如以太网，无线接入网(RAN)，无线局域网(WLAN)等。存储器可以是只读存储器(ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(RAM)或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器、只读光盘或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线与处理器相连接。存储器也可以和处理器集成在一起。其中，所述存储器用于存储执行以上方案的应用程序代码，并由处理器来控制执行。所述处理器用于执行所述存储器中存储的应用程序代码。存储器存储的代码可执行以上提供的终端设备执行的上述基于优化方法，比如接收来自第一用户所发送的数据协议确定第一用户的分布式能源设备的装机容量信息和储能容量信息；接收来自第一用户和第二用户在运行日当日上报的用能需求信息，其中第一用户为拥有分布式能源设备的用户，第二用户为未拥有分布式能源设备的用户；根据所述用能需求信息、装机容量信息和储能容量信息建立分布式能源设备的运行优化模型；求解所述运行优化模型确定分布式能源设备的最优运行策略，根据所述最优运行策略确定用能的费用结算信息，将所述费用结算信息发送给所述第一用户和第二用户。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种分布式能源设备产能的优化方法，其特征在于，应用于服务器，包括：
接收来自第一用户所发送的数据协议确定第一用户的分布式能源设备的装机容量信息和储能容量信息；
接收来自第一用户和第二用户在运行日当日上报的用能需求信息，其中第一用户为拥有分布式能源设备的用户，第二用户为未拥有分布式能源设备的用户；
根据所述用能需求信息、装机容量信息和储能容量信息建立分布式能源设备的运行优化模型；
求解所述运行优化模型确定分布式能源设备的最优运行策略，根据所述最优运行策略确定用能的费用结算信息，将所述费用结算信息发送给所述第一用户和第二用户。
2.根据权利要求1所述的方法，其特征在于，所述用能需求信息的计算式为DMD＝{dmd1，dmd2，dmd3，...，dmdn+m}，其中，n表示第一用户的总数，m表示第二用户的总数，dmdn+m表示第n+m个用户提交的运行日当日各个时段的电、热、冷用能需求。
3.根据权利要求1所述的方法，其特征在于，根据所述用能需求和所述分布式能源设备容量信息确定分布式能源设备的运行优化模型，包括：
以分布式能源设备运行消耗所需的用能成本最小化为目标函数，建立约束条件对所述目标函数的变量进行约束；其中所述约束条件包括分布式能源设备的约束和所有用户端的能源供需平衡约束，其中所有用户端为第一用户和第二用户的数量和，所述分布式能源设备包括冷热电联产机组、光伏机组、燃气锅炉机组、电制冷机组和储能设备。
4.根据权利要求3所述的方法，其特征在于，所述目标函数的计算式为：
V＝min(CET+CGAS+CHEAT+CCOLD)，式中，V为用能成本；CET为购电费用；CGAS为天然气购买费用；CHEAT为购热费用；CCOLD为购冷费用；
根据运行日当日各个时段所需的用能需求确定所述目标函数的变量，计算式如下：
Figure FDA0003798603390000011
式中，
Figure FDA0003798603390000012
为满足第一用户的电能需求而在时段t的购电功率，大于等于0；
Figure FDA0003798603390000013
为时段t的单位电价；
Figure FDA0003798603390000014
为分布式能源设备在时段t消耗的天然气量；
Figure FDA0003798603390000015
为时段t的单位天然气价格；
Figure FDA0003798603390000016
为时段t的单位热价；
Figure FDA0003798603390000017
为在t时段的购热量；
Figure FDA0003798603390000018
为时段t的单位冷价；
Figure FDA0003798603390000019
为在t时段的购冷量，Δt表示时段间隔。
5.根据权利要求3所述的方法，其特征在于，所述冷热电联产机组的约束条件包括冷热电联产机组在t时刻输出的电功率、热功率、冷功率以及消耗的天然气，其中，根据冷热电联产机组消耗的天然气、冷热电联产机组中燃气轮机的额定发电效率和天然气热值确定冷热电联产机组在t时刻输出的电功率；根据余热锅炉输出的用于制热的蒸汽和蒸汽热水换热装置的转换效率确定冷热电联产机组在t时刻输出的热功率；根据余热锅炉输出的用于制冷的蒸汽和蒸汽型吸收式制冷机的制冷效率确定冷热电联产机组在t时刻输出的冷功率；
所述燃气锅炉机组的约束条件为根据燃气锅炉在t时段消耗的天然气、燃气锅炉的额定制热效率以及天然气热值确定燃气锅炉在t时段输出的热功率；
所述电制冷机组的约束条件为根据电制冷机组在t时段消耗的电功率和电制冷机组的额定制冷效率确定电制冷机组在t时段输出的冷功率；
所述光伏机组的约束条件为根据光伏设备在t时段的功率比和光伏设备的装机容量确定光伏机组在t时段的输出功率。
6.根据权利要求5所述的方法，其特征在于，所述储能设备的约束条件的计算式如下：
Figure FDA0003798603390000021
其中，1≤i≤n，i表示第i个第一用户，n表示第一用户的总数，
Figure FDA0003798603390000022
分别为储能设备时段t的充电功率、放电功率，T＝24小时，
Figure FDA0003798603390000023
分别为储能设备的额定存储容量、额定功率容量，Δt表示时段间隔，
Figure FDA0003798603390000024
为0和1两种变量，表示储能的充放电状态；
根据用户在运行日当日各个时段的用能需求确定所述能源供需平衡约束的约束条件。
7.根据权利要求1所述的方法，其特征在于，根据所述最优运行策略确定用能的费用结算信息，包括：
采用夏普利值算法对所述最优运行策略进行求解，确定所有用户的费用结算信息。
8.一种分布式能源设备能源共享的分析系统，其特征在于，应用于服务器，包括：
第一接收单元，用于接收来自第一用户所发送的数据协议确定第一用户的分布式能源设备的装机容量信息和储能容量信息；
第二接收单元，用于接收来自第一用户和第二用户在运行日当日上报的用能需求信息，其中第一用户为拥有分布式能源设备的用户，第二用户为未拥有分布式能源设备的用户；
模型构建单元，用于根据所述用能需求信息、装机容量信息和储能容量信息建立分布式能源设备的运行优化模型；
发送单元，用于求解所述运行优化模型确定分布式能源设备的最优运行策略，根据所述最优运行策略确定用能的费用结算信息，将所述费用结算信息发送给所述第一用户和第二用户。
9.根据权利要求8所述的系统，其特征在于，模型构建单元，还包括：
以分布式能源设备运行消耗所需的用能成本最小化为目标函数，建立约束条件对所述目标函数的变量进行约束；其中所述约束条件包括分布式能源设备的约束和所有用户端的能源供需平衡约束，其中所有用户端为第一用户和第二用户的数量和，所述分布式能源设备包括冷热电联产机组、光伏机组、燃气锅炉机组、电制冷机组和储能设备。
10.一种电子设备，其特征在于，所述电子设备包括存储器和处理器；
所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如权利要求1至7任一所述的分析方法。
CN202210976410.4A 2022-08-15 2022-08-15 一种分布式能源设备产能的优化方法、系统及设备 Pending CN115222147A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210976410.4A CN115222147A (zh) 2022-08-15 2022-08-15 一种分布式能源设备产能的优化方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210976410.4A CN115222147A (zh) 2022-08-15 2022-08-15 一种分布式能源设备产能的优化方法、系统及设备

Publications (1)

Publication Number Publication Date
CN115222147A true CN115222147A (zh) 2022-10-21

Family

ID=83615355

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210976410.4A Pending CN115222147A (zh) 2022-08-15 2022-08-15 一种分布式能源设备产能的优化方法、系统及设备

Country Status (1)

Country Link
CN (1) CN115222147A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115660234A (zh) * 2022-12-27 2023-01-31 中国能源建设集团湖南省电力设计院有限公司 一种基于混合测算方法的双碳预测优化模型

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115660234A (zh) * 2022-12-27 2023-01-31 中国能源建设集团湖南省电力设计院有限公司 一种基于混合测算方法的双碳预测优化模型
CN115660234B (zh) * 2022-12-27 2023-04-07 中国能源建设集团湖南省电力设计院有限公司 一种基于混合测算方法的双碳预测优化模型

Similar Documents

Publication Publication Date Title
Zhou et al. Artificial intelligence based smart energy community management: A reinforcement learning approach
Jiang et al. A two-stage optimization approach on the decisions for prosumers and consumers within a community in the Peer-to-peer energy sharing trading
Gu et al. Bi-level optimal low-carbon economic dispatch for an industrial park with consideration of multi-energy price incentives
Wang et al. Non-cooperative game-based multilateral contract transactions in power-heating integrated systems
US7444189B1 (en) Method and apparatus for simultaneous optimization of distributed generation and hydrogen production
Xiong et al. Multi-stage equipment optimal configuration of park-level integrated energy system considering flexible loads
Wang et al. Bargaining-based energy trading market for interconnected microgrids
CN114254494A (zh) 一种多能微网群自身及市场决策协同优化方法
CN112068436B (zh) 工业园区的综合能源系统分层分布式控制方法及系统
Sun et al. Bidding strategy for a prosumer aggregator with stochastic renewable energy production in energy and reserve markets
CN112398164A (zh) 含共享储能系统的微能源网群优化运行及成本分配方法
CN111507529A (zh) 基于经济-环境及能源动态定价双层博弈微能源网容量优化规划方法
Gbadega et al. Centralized peer-to-peer transactive energy market approach in a prosumer-centric residential smart grid environment
Zhang et al. Parametric optimization-based peer-to-peer energy trading among commercial buildings considering multiple energy conversion
CN116231655A (zh) 一种计及源-荷多类型备用的虚拟电厂双层优化调度方法
CN115587668A (zh) 多园区综合能源系统分布式协同优化调度方法
Yang et al. Exploring blockchain for the coordination of distributed energy resources
CN115186902A (zh) 温室综合能源系统的调控方法、装置、终端及存储介质
CN115222147A (zh) 一种分布式能源设备产能的优化方法、系统及设备
Warmer et al. A field test using agents for coordination of residential micro-chp
CN115062831A (zh) 计及电力零售商和产消者的电价优化模型的构建方法
CN114970962A (zh) 一种电气热综合能源系统优化方法
CN114462724A (zh) 一种考虑多能源价格激励综合需求响应模型的园区聚合商双层优化调度方法
CN116432807A (zh) 考虑耦合效应与不确定性的综合需求响应系统及其方法
CN112068439B (zh) 一种基于可再生能源共享模型的家庭能源管理优化方法

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