CN115545552B - 一种能源分配方法及装置 - Google Patents

一种能源分配方法及装置 Download PDF

Info

Publication number
CN115545552B
CN115545552B CN202211377534.7A CN202211377534A CN115545552B CN 115545552 B CN115545552 B CN 115545552B CN 202211377534 A CN202211377534 A CN 202211377534A CN 115545552 B CN115545552 B CN 115545552B
Authority
CN
China
Prior art keywords
energy
load data
cost
power
consumers
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.)
Active
Application number
CN202211377534.7A
Other languages
English (en)
Other versions
CN115545552A (zh
Inventor
李波
赵瑞锋
卢建刚
辛阔
黄缙华
郑文杰
施展
张健
苏卓
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.)
Guangdong Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Power Grid Co Ltd, Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202211377534.7A priority Critical patent/CN115545552B/zh
Publication of CN115545552A publication Critical patent/CN115545552A/zh
Priority to PCT/CN2023/071617 priority patent/WO2024093027A1/zh
Application granted granted Critical
Publication of CN115545552B publication Critical patent/CN115545552B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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 OR CALCULATING; 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)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种能源分配方法及装置，所述方法包括：对能源产消者的全年负荷数据进行数据划分，生成新能源的负荷数据和各产消者的负荷数据；根据新能源的负荷数据和各产消者的负荷数据，结合用户用电需求约束，计算得到各产消者的个体偏好；根据能源产消者的全年负荷数据建立两阶段鲁棒优化模型，根据两阶段鲁棒优化模型进行求解得到调度方案后，根据调度方案和个体偏好得到能源分配结果。采用本发明实施例能够有效提高能源利用效率。

Description

一种能源分配方法及装置
技术领域
本发明涉及能源分配技术领域，尤其涉及一种能源分配方法及装置。
背景技术
现有的能源系统并未考虑消费者的用能需求及新能源的不确定性，导致各类能源不能按照消费者的用能需求进行分配。
由上述可得，现有的能源分配方法无法解决不确定性的问题，使得各类能源不能按照消费者的用能需求进行分配，导致能源利用效率低下。
发明内容
本发明实施例提供一种能源分配方法及装置，有效提高了能源利用效率。
本申请实施例的第一方面提供了一种能源分配方法，包括：
对能源产消者的全年负荷数据进行数据划分，生成新能源的负荷数据和各产消者的负荷数据；
根据新能源的负荷数据和各产消者的负荷数据，结合用户用电需求约束，计算得到各产消者的个体偏好；
根据能源产消者的全年负荷数据建立两阶段鲁棒优化模型，根据两阶段鲁棒优化模型进行求解得到调度方案后，根据调度方案和个体偏好得到能源分配结果。
在第一方面的一种可能的实现方式中，根据能源产消者的全年负荷数据建立两阶段鲁棒优化模型，具体为：
根据能源产消者的全年负荷数据计算得到电网成本、调度成本和可控分布式电源成本；
根据电网成本、调度成本和可控分布式电源成本，建立两阶段鲁棒优化模型。
在第一方面的一种可能的实现方式中，对能源产消者的全年负荷数据进行数据划分，生成新能源的负荷数据和各产消者的负荷数据，具体为：
对能源产消者的全年负荷数据以能源类型的形式进行数据划分，生成新能源的负荷数据；其中，新能源的负荷数据用于作为鲁棒优化中的不确定集；
对能源产消者的全年负荷数据以产消者的角度进行数据划分，生成各产消者的负荷数据；其中，各产消者的负荷数据用于作为各产消者的用能要求。
在第一方面的一种可能的实现方式中，用户用电需求约束，具体为：
其中，PDR(t)为t时间段内电网微电网对需求响应负荷的实际调度功率；DDR为需求响应负荷在调度周期内的总用电需求；为需求响应负荷在t时段的最小用电需求；为需求响应负荷在t时段的最大用电需求。
在第一方面的一种可能的实现方式中，根据能源产消者的全年负荷数据计算得到电网成本，具体为：
能源产消者的全年负荷数据包括：电网内的常规负荷功率、电网内的光伏输出功率、微型燃气轮机的输出功率和日前交易电价；
根据电网内的常规负荷功率、电网内的光伏输出功率、微型燃气轮机的输出功率和日前交易电价，计算得到电网成本，具体为：
CM(t)＝λ(t)[PDR(t)+PL(t)-PG(t)-PPV(t)]Δt；
其中，CM(t)表示电网成本；PL(t)表示t时段内电网内的常规负荷功率；PPV(t)表示t时段内电网内的光伏输出功率；PG(t)表示t时段内微型燃气轮机的输出功率；λ(t)表示配电网的日前交易电价；Δt为调度步长，取值为1h。
在第一方面的一种可能的实现方式中，根据能源产消者的全年负荷数据计算得到调度成本，具体为：
能源产消者的全年负荷数据包括：需求响应负荷的单位调度成本和需求响应负荷的期望用电功率；
根据需求响应负荷的单位调度成本和需求响应负荷的期望用电功率，计算得到调度成本，具体为：
其中，CDR(t)表示调度成本；KDR为需求响应负荷的单位调度成本；表示t时段内需求响应负荷的期望用电功率。
在第一方面的一种可能的实现方式中，根据能源产消者的全年负荷数据计算得到可控分布式电源成本，具体为：
能源产消者的全年负荷数据包括：微型燃气轮机的输出功率；
根据微型燃气轮机的输出功率计算得到可控分布式电源成本，具体为：
CG(t)＝[aPG(t)+b]Δt；
其中，CG(t)表示可控分布式电源成本；CG(t)表示微型燃气轮机在t时段内的发电成本；a、b为成本系数；PG(t)表示t时段内微型燃气轮机的输出功率。
在第一方面的一种可能的实现方式中，根据电网成本、调度成本和可控分布式电源成本，建立两阶段鲁棒优化模型，具体为：
其中，CG(t)表示可控分布式电源成本；CDR(t)表示调度成本；CM(t)表示电网成本。
本申请实施例的第二方面提供了一种能源分配装置，包括：划分模块、计算模块和求解模块；
其中，划分模块用于对能源产消者的全年负荷数据进行数据划分，生成新能源的负荷数据和各产消者的负荷数据；
计算模块用于根据新能源的负荷数据和各产消者的负荷数据，结合用户用电需求约束，计算得到各产消者的个体偏好；
求解模块用于根据能源产消者的全年负荷数据建立两阶段鲁棒优化模型，根据两阶段鲁棒优化模型进行求解得到调度方案后，根据调度方案和个体偏好得到能源分配结果。
在第二方面的一种可能的实现方式中，根据能源产消者的全年负荷数据建立两阶段鲁棒优化模型，具体为：
根据能源产消者的全年负荷数据计算得到电网成本、调度成本和可控分布式电源成本；
根据电网成本、调度成本和可控分布式电源成本，建立两阶段鲁棒优化模型。
相比于现有技术，本发明实施例提供的一种能源分配方法及装置，所述方法包括：对能源产消者的全年负荷数据进行数据划分，生成新能源的负荷数据和各产消者的负荷数据；根据新能源的负荷数据和各产消者的负荷数据，结合用户用电需求约束，计算得到各产消者的个体偏好；根据能源产消者的全年负荷数据建立两阶段鲁棒优化模型，根据两阶段鲁棒优化模型进行求解得到调度方案后，根据调度方案和个体偏好得到能源分配结果。
其有益效果在于：本发明实施例对能源产消者的全年负荷数据进行数据划分，生成新能源的负荷数据和各产消者的负荷数据后，根据新能源的负荷数据和各产消者的负荷数据计算得到各产消者的个体偏好，根据两阶段鲁棒优化模型进行求解得到调度方案后，根据调度方案和个体偏好得到能源分配结果。本发明实施例在计算能源分配结果的过程中，考虑了用于作为鲁棒优化中的不确定集的新能源的负荷数据以及用于作为各产消者的用能要求的各产消者的负荷数据，充分考虑了各能源产消者的用能需求和发电不确定性，所以计算得到的能源分配结果能够有效提高能源利用效率。
进一步地，本发明实施例具有全面性、灵活性和实用性，易于推广。
附图说明
图1是本发明一实施例提供的一种能源分配方法的流程示意图；
图2是本发明一实施例提供的一种能源分配装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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作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。
参照图1，是本发明一实施例提供的一种能源分配方法的流程示意图，包括S101-S103：
S101：对能源产消者的全年负荷数据进行数据划分，生成新能源的负荷数据和各产消者的负荷数据。
在本实施例中，所述对能源产消者的全年负荷数据进行数据划分，生成新能源的负荷数据和各产消者的负荷数据，具体为：
对所述能源产消者的全年负荷数据以能源类型的形式进行数据划分，生成所述新能源的负荷数据；其中，所述新能源的负荷数据用于作为鲁棒优化中的不确定集；
对所述能源产消者的全年负荷数据以产消者的角度进行数据划分，生成所述各产消者的负荷数据；其中，所述各产消者的负荷数据用于作为各产消者的用能要求。
S102：根据新能源的负荷数据和各产消者的负荷数据，结合用户用电需求约束，计算得到各产消者的个体偏好。
其中，各产消者的用能需求是对参与分层分级的能源产消者负荷数据从产消者的角度进行划分，以各产消者的负荷数据作为各产消者的用能要求；根据用户用电需求约束以考虑各产消者的个体偏好。
在本实施例中，所述用户用电需求约束，具体为：
其中，PDR(t)为t时间段内电网微电网对需求响应负荷的实际调度功率；DDR为需求响应负荷在调度周期内的总用电需求；为需求响应负荷在t时段的最小用电需求；为需求响应负荷在t时段的最大用电需求。
S103：根据能源产消者的全年负荷数据建立两阶段鲁棒优化模型，根据两阶段鲁棒优化模型进行求解得到调度方案后，根据调度方案和个体偏好得到能源分配结果。
在本实施例中，所述根据能源产消者的全年负荷数据建立两阶段鲁棒优化模型，具体为：
根据能源产消者的全年负荷数据计算得到电网成本、调度成本和可控分布式电源成本；
根据所述电网成本、所述调度成本和所述可控分布式电源成本，建立所述两阶段鲁棒优化模型。
在一具体实施例中，所述根据能源产消者的全年负荷数据计算得到电网成本，具体为：
所述能源产消者的全年负荷数据包括：电网内的常规负荷功率、电网内的光伏输出功率、微型燃气轮机的输出功率和日前交易电价；
根据所述电网内的常规负荷功率、所述电网内的光伏输出功率、所述微型燃气轮机的输出功率和所述日前交易电价，计算得到所述电网成本，具体为：
CM(t)＝λ(t)[PDR(t)+PL(t)-PG(t)-PPV(t)]Δt；
其中，CM(t)表示所述电网成本；PL(t)表示t时段内所述电网内的常规负荷功率；PPV(t)表示t时段内所述电网内的光伏输出功率；PG(t)表示t时段内所述微型燃气轮机的输出功率；λ(t)表示配电网的日前交易电价；Δt为调度步长，取值为1h。
在一具体实施例中，所述根据能源产消者的全年负荷数据计算得到调度成本，具体为：
所述能源产消者的全年负荷数据包括：需求响应负荷的单位调度成本和需求响应负荷的期望用电功率；
根据所述需求响应负荷的单位调度成本和所述需求响应负荷的期望用电功率，计算得到所述调度成本，具体为：
其中，CDR(t)表示所述调度成本；KDR为所述需求响应负荷的单位调度成本；表示t时段内所述需求响应负荷的期望用电功率。
在一具体实施例中，所述根据能源产消者的全年负荷数据计算得到可控分布式电源成本，具体为：
所述能源产消者的全年负荷数据包括：微型燃气轮机的输出功率；
根据所述微型燃气轮机的输出功率计算得到所述可控分布式电源成本，具体为：
CG(t)＝[aPG(t)+b]Δt；
其中，CG(t)表示所述可控分布式电源成本；CG(t)表示微型燃气轮机在t时段内的发电成本；a、b为成本系数；PG(t)表示t时段内所述微型燃气轮机的输出功率。
在一具体实施例中，所述根据所述电网成本、所述调度成本和所述可控分布式电源成本，建立所述两阶段鲁棒优化模型，具体为：
其中，CG(t)表示所述可控分布式电源成本；CDR(t)表示所述调度成本；CM(t)表示所述电网成本。
进一步地，由于新能源的负荷数据用于作为鲁棒优化中的不确定集，不确定集为：
其中，uPV(t)为考虑不确定性后引入的各新能源出力的不确定性；uL(t)为考虑不确定性后引入的负荷功率不确定变量；为光伏出力允许的最大波动偏差；为负荷功率允许的最大波动偏差；和都为正数。
以新能源的负荷数据用于作为鲁棒优化中的不确定集，根据不确定集求取不确定变量在不确定集中着最恶劣场景变化时经济性最优的调度方案，随后对内外层进行优化，根据对应的优化变量进行迭代分解，再根据强对偶理论对分解后的子问题进行转换并与外层max问题合并，对合并后的约束进行求解即可得到最优的调度方案。
本模型的目的在于找到不确定变量u在不确定集U内朝着最恶劣场景变化时经济性最优的调度方案，具有如下形式：
其中，外层的最小化为第一阶段问题，优化变量为x；内层的最大最小化为第二阶段问题，优化变量为u和y，其中的最小化问题表示最小化运行成本；x和y的表达式如下：
Ω(x,u)表示给定一组(x,u)时优化变量y的可行域，具体表达式如下：
式中，γ、λ、ν和π表示第二阶段的最小化问题中各约束对应的对偶变量。
采用C&CG对目的形式进行分解，得到主问题形式为：
其中，k为当前的迭代次数；yl为第l次迭代后子问题的解；u* l为第l次迭代后得到的最恶劣场景下不确定变量u的取值。
经分解后的子问题形式为：
maxu∈Uminy∈Ω(x，u)cTy；
根据强对偶理论将其转换为max形式，并与外层的max问题合并，得到如下对偶问题：
并通过上述约束进行求解，得到最优的调度方案。
进一步地，得到最优的调度方案包括：用能费用、灵活资源备用费用和用能需求费用，将用能费用、灵活资源备用费用和用能需求费用分配给对应的分层分级调度计划的参与者(即结合个体偏好)，即可得到最终的分层分级调度结果(即能源分配结果)。根据上述模型及其对偶变量，可以计算出灵活资源价格、电力用能价格和用户用电福利的边际价格；根据最优的调度方案结合各产消者的个体偏好得到最终的分层分级调度结果。
用能费用具体为：CG(t)+CDR(t)+CM(t)；
灵活资源备用的费用为：λ(t)[PL(t)-PPV(t)]Δt；
用能需求费用为：
为了进一步说明能源分配装置，请参照图2，图2是本发明一实施例提供的一种能源分配装置的结构示意图，包括：划分模块、计算模块和求解模块；
其中，所述划分模块用于对能源产消者的全年负荷数据进行数据划分，生成新能源的负荷数据和各产消者的负荷数据；
所述计算模块用于根据所述新能源的负荷数据和所述各产消者的负荷数据，结合用户用电需求约束，计算得到各产消者的个体偏好；
所述求解模块用于根据能源产消者的全年负荷数据建立两阶段鲁棒优化模型，根据所述两阶段鲁棒优化模型进行求解得到调度方案后，根据所述调度方案和所述个体偏好得到能源分配结果。
在本实施例中，所述根据能源产消者的全年负荷数据建立两阶段鲁棒优化模型，具体为：
根据能源产消者的全年负荷数据计算得到电网成本、调度成本和可控分布式电源成本；
根据所述电网成本、所述调度成本和所述可控分布式电源成本，建立所述两阶段鲁棒优化模型。
在本实施例中，所述对能源产消者的全年负荷数据进行数据划分，生成新能源的负荷数据和各产消者的负荷数据，具体为：
对所述能源产消者的全年负荷数据以能源类型的形式进行数据划分，生成所述新能源的负荷数据；其中，所述新能源的负荷数据用于作为鲁棒优化中的不确定集；
对所述能源产消者的全年负荷数据以产消者的角度进行数据划分，生成所述各产消者的负荷数据；其中，所述各产消者的负荷数据用于作为各产消者的用能要求。
在本实施例中，所述用户用电需求约束，具体为：
其中，PDR(t)为t时间段内电网微电网对需求响应负荷的实际调度功率；DDR为需求响应负荷在调度周期内的总用电需求；为需求响应负荷在t时段的最小用电需求；为需求响应负荷在t时段的最大用电需求。
在本实施例中，所述根据能源产消者的全年负荷数据计算得到电网成本，具体为：
所述能源产消者的全年负荷数据包括：电网内的常规负荷功率、电网内的光伏输出功率、微型燃气轮机的输出功率和日前交易电价；
根据所述电网内的常规负荷功率、所述电网内的光伏输出功率、所述微型燃气轮机的输出功率和所述日前交易电价，计算得到所述电网成本，具体为：
CM(t)＝λ(t)[PDR(t)+PL(t)-PG(t)-PPV(t)]Δt；
其中，CM(t)表示所述电网成本；PL(t)表示t时段内所述电网内的常规负荷功率；PPV(t)表示t时段内所述电网内的光伏输出功率；PG(t)表示t时段内所述微型燃气轮机的输出功率；λ(t)表示配电网的日前交易电价；Δt为调度步长，取值为1h。
在本实施例中，所述根据能源产消者的全年负荷数据计算得到调度成本，具体为：
所述能源产消者的全年负荷数据包括：需求响应负荷的单位调度成本和需求响应负荷的期望用电功率；
根据所述需求响应负荷的单位调度成本和所述需求响应负荷的期望用电功率，计算得到所述调度成本，具体为：
其中，CDR(t)表示所述调度成本；KDR为所述需求响应负荷的单位调度成本；表示t时段内所述需求响应负荷的期望用电功率。
在本实施例中，所述根据能源产消者的全年负荷数据计算得到可控分布式电源成本，具体为：
所述能源产消者的全年负荷数据包括：微型燃气轮机的输出功率；
根据所述微型燃气轮机的输出功率计算得到所述可控分布式电源成本，具体为：
CG(t)＝[aPG(t)+b]Δt；
其中，CG(t)表示所述可控分布式电源成本；CG(t)表示微型燃气轮机在t时段内的发电成本；a、b为成本系数；PG(t)表示t时段内所述微型燃气轮机的输出功率。
在本实施例中，所述根据所述电网成本、所述调度成本和所述可控分布式电源成本，建立所述两阶段鲁棒优化模型，具体为：
其中，CG(t)表示所述可控分布式电源成本；CDR(t)表示所述调度成本；CM(t)表示所述电网成本。
本发明实施例通过划分模块对能源产消者的全年负荷数据进行数据划分，生成新能源的负荷数据和各产消者的负荷数据；通过计算模块根据新能源的负荷数据和各产消者的负荷数据，结合用户用电需求约束，计算得到各产消者的个体偏好；通过求解模块根据能源产消者的全年负荷数据建立两阶段鲁棒优化模型，根据两阶段鲁棒优化模型进行求解得到调度方案后，根据调度方案和个体偏好得到能源分配结果。
本发明实施例对能源产消者的全年负荷数据进行数据划分，生成新能源的负荷数据和各产消者的负荷数据后，根据新能源的负荷数据和各产消者的负荷数据计算得到各产消者的个体偏好，根据两阶段鲁棒优化模型进行求解得到调度方案后，根据调度方案和个体偏好得到能源分配结果。本发明实施例在计算能源分配结果的过程中，考虑了用于作为鲁棒优化中的不确定集的新能源的负荷数据以及用于作为各产消者的用能要求的各产消者的负荷数据，充分考虑了各能源产消者的用能需求和发电不确定性，所以计算得到的能源分配结果能够有效提高能源利用效率。
进一步地，本发明实施例具有全面性、灵活性和实用性，易于推广。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (5)

1.一种能源分配方法，其特征在于，包括：
对能源产消者的全年负荷数据进行数据划分，生成新能源的负荷数据和各产消者的负荷数据；
根据所述新能源的负荷数据和所述各产消者的负荷数据，结合用户用电需求约束，计算得到各产消者的个体偏好；
根据能源产消者的全年负荷数据建立两阶段鲁棒优化模型，根据所述两阶段鲁棒优化模型进行求解得到调度方案后，根据所述调度方案和所述个体偏好得到能源分配结果；
所述根据能源产消者的全年负荷数据建立两阶段鲁棒优化模型，具体为：
根据能源产消者的全年负荷数据计算得到电网成本、调度成本和可控分布式电源成本；
根据所述电网成本、所述调度成本和所述可控分布式电源成本，建立所述两阶段鲁棒优化模型；
所述对能源产消者的全年负荷数据进行数据划分，生成新能源的负荷数据和各产消者的负荷数据，具体为：
对所述能源产消者的全年负荷数据以能源类型的形式进行数据划分，生成所述新能源的负荷数据；其中，所述新能源的负荷数据用于作为鲁棒优化中的不确定集；
对所述能源产消者的全年负荷数据以产消者的角度进行数据划分，生成所述各产消者的负荷数据；其中，所述各产消者的负荷数据用于作为各产消者的用能要求；
所述用户用电需求约束，具体为：
其中，PDR(t)为t时间段内电网微电网对需求响应负荷的实际调度功率；DDR为需求响应负荷在调度周期内的总用电需求；为需求响应负荷在t时段的最小用电需求；为需求响应负荷在t时段的最大用电需求；
所述根据所述电网成本、所述调度成本和所述可控分布式电源成本，建立所述两阶段鲁棒优化模型，具体为：
其中，CG(t)表示所述可控分布式电源成本；CDR(t)表示所述调度成本；CM(t)表示所述电网成本；
新能源的负荷数据用于作为鲁棒优化中的不确定集，不确定集为：
其中，uPV(t)为考虑不确定性后引入的各新能源出力的不确定性；uL(t)为考虑不确定性后引入的负荷功率不确定变量；为光伏出力允许的最大波动偏差；为负荷功率允许的最大波动偏差；和都为正数。
2.根据权利要求1所述的一种能源分配方法，其特征在于，所述根据能源产消者的全年负荷数据计算得到电网成本，具体为：
所述能源产消者的全年负荷数据包括：电网内的常规负荷功率、电网内的光伏输出功率、微型燃气轮机的输出功率和日前交易电价；
根据所述电网内的常规负荷功率、所述电网内的光伏输出功率、所述微型燃气轮机的输出功率和所述日前交易电价，计算得到所述电网成本，具体为：
CM(t)＝λ(t)[PDR(t)+PL(t)-PG(t)-PPV(t)]Δt；
其中，CM(t)表示所述电网成本；PL(t)表示t时段内所述电网内的常规负荷功率；PPV(t)表示t时段内所述电网内的光伏输出功率；PG(t)表示t时段内所述微型燃气轮机的输出功率；λ(t)表示配电网的日前交易电价；Δt为调度步长，取值为1h。
3.根据权利要求2所述的一种能源分配方法，其特征在于，所述根据能源产消者的全年负荷数据计算得到调度成本，具体为：
所述能源产消者的全年负荷数据包括：需求响应负荷的单位调度成本和需求响应负荷的期望用电功率；
根据所述需求响应负荷的单位调度成本和所述需求响应负荷的期望用电功率，计算得到所述调度成本，具体为：
其中，CDR(t)表示所述调度成本；KDR为所述需求响应负荷的单位调度成本；表示t时段内所述需求响应负荷的期望用电功率。
4.根据权利要求3所述的一种能源分配方法，其特征在于，所述根据能源产消者的全年负荷数据计算得到可控分布式电源成本，具体为：
所述能源产消者的全年负荷数据包括：微型燃气轮机的输出功率；
根据所述微型燃气轮机的输出功率计算得到所述可控分布式电源成本，具体为：
CG(t)＝[aPG(t)+b]Δt；
其中，CG(t)表示所述可控分布式电源成本；CG(t)表示微型燃气轮机在t时段内的发电成本；a、b为成本系数；PG(t)表示t时段内所述微型燃气轮机的输出功率。
5.一种能源分配装置，其特征在于，包括：划分模块、计算模块和求解模块；
其中，所述划分模块用于对能源产消者的全年负荷数据进行数据划分，生成新能源的负荷数据和各产消者的负荷数据；
所述计算模块用于根据所述新能源的负荷数据和所述各产消者的负荷数据，结合用户用电需求约束，计算得到各产消者的个体偏好；
所述求解模块用于根据能源产消者的全年负荷数据建立两阶段鲁棒优化模型，根据所述两阶段鲁棒优化模型进行求解得到调度方案后，根据所述调度方案和所述个体偏好得到能源分配结果；
所述根据能源产消者的全年负荷数据建立两阶段鲁棒优化模型，具体为：
根据能源产消者的全年负荷数据计算得到电网成本、调度成本和可控分布式电源成本；
根据所述电网成本、所述调度成本和所述可控分布式电源成本，建立所述两阶段鲁棒优化模型；
所述对能源产消者的全年负荷数据进行数据划分，生成新能源的负荷数据和各产消者的负荷数据，具体为：
对所述能源产消者的全年负荷数据以能源类型的形式进行数据划分，生成所述新能源的负荷数据；其中，所述新能源的负荷数据用于作为鲁棒优化中的不确定集；
对所述能源产消者的全年负荷数据以产消者的角度进行数据划分，生成所述各产消者的负荷数据；其中，所述各产消者的负荷数据用于作为各产消者的用能要求；
所述用户用电需求约束，具体为：
其中，PDR(t)为t时间段内电网微电网对需求响应负荷的实际调度功率；DDR为需求响应负荷在调度周期内的总用电需求；为需求响应负荷在t时段的最小用电需求；为需求响应负荷在t时段的最大用电需求；
所述根据所述电网成本、所述调度成本和所述可控分布式电源成本，建立所述两阶段鲁棒优化模型，具体为：
其中，CG(t)表示所述可控分布式电源成本；CDR(t)表示所述调度成本；CM(t)表示所述电网成本；
新能源的负荷数据用于作为鲁棒优化中的不确定集，不确定集为：
其中，uPV(t)为考虑不确定性后引入的各新能源出力的不确定性；uL(t)为考虑不确定性后引入的负荷功率不确定变量；为光伏出力允许的最大波动偏差；为负荷功率允许的最大波动偏差；和都为正数。
CN202211377534.7A 2022-11-04 2022-11-04 一种能源分配方法及装置 Active CN115545552B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211377534.7A CN115545552B (zh) 2022-11-04 2022-11-04 一种能源分配方法及装置
PCT/CN2023/071617 WO2024093027A1 (zh) 2022-11-04 2023-01-10 一种能源分配方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211377534.7A CN115545552B (zh) 2022-11-04 2022-11-04 一种能源分配方法及装置

Publications (2)

Publication Number Publication Date
CN115545552A CN115545552A (zh) 2022-12-30
CN115545552B true CN115545552B (zh) 2025-06-06

Family

ID=84719825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211377534.7A Active CN115545552B (zh) 2022-11-04 2022-11-04 一种能源分配方法及装置

Country Status (2)

Country Link
CN (1) CN115545552B (zh)
WO (1) WO2024093027A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115545552B (zh) * 2022-11-04 2025-06-06 广东电网有限责任公司 一种能源分配方法及装置
CN120638334B (zh) * 2025-08-12 2025-11-18 武汉科技大学 基于负载划分和Q-learning的电能需求响应资源分配方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110474367A (zh) * 2019-08-05 2019-11-19 广东工业大学 一种考虑风险损失的微电网容量配置优化方法
CN111738498A (zh) * 2020-06-08 2020-10-02 国网安徽省电力有限公司经济技术研究院 一种综合能源系统鲁棒规划方法及系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8364609B2 (en) * 2009-01-14 2013-01-29 Integral Analytics, Inc. Optimization of microgrid energy use and distribution
CN106327091B (zh) * 2016-08-26 2020-12-11 清华大学 基于鲁棒联络线计划的多区域异步协调动态经济调度方法
CN110298138B (zh) * 2019-07-09 2024-01-05 南方电网科学研究院有限责任公司 一种综合能源系统优化方法、装置、设备及可读存储介质
CN111817296B (zh) * 2020-07-08 2022-09-09 国网综合能源服务集团有限公司 一种微电网用电能调度方法及系统
CN112257229B (zh) * 2020-09-18 2024-04-16 西安理工大学 一种微网两阶段鲁棒调度方法
CN112464419B (zh) * 2020-11-17 2024-04-26 苏州钧灏电力有限公司 基于随机鲁棒混合优化的独立微电网设计系统及方法
CN115545552B (zh) * 2022-11-04 2025-06-06 广东电网有限责任公司 一种能源分配方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110474367A (zh) * 2019-08-05 2019-11-19 广东工业大学 一种考虑风险损失的微电网容量配置优化方法
CN111738498A (zh) * 2020-06-08 2020-10-02 国网安徽省电力有限公司经济技术研究院 一种综合能源系统鲁棒规划方法及系统

Also Published As

Publication number Publication date
WO2024093027A1 (zh) 2024-05-10
CN115545552A (zh) 2022-12-30

Similar Documents

Publication Publication Date Title
Gbadega et al. Centralized peer-to-peer transactive energy market approach in a prosumer-centric residential smart grid environment
Anvari-Moghaddam et al. A multi-agent based energy management solution for integrated buildings and microgrid system
CN112395748B (zh) 考虑供需双侧灵活性资源的电力系统旋转备用容量优化方法
CN116544953A (zh) 大规模数据中心微网群的灵活性资源鲁棒调度方法
CN110163450A (zh) 一种基于运行受限的配电网规划双层优化模型构建方法
CN113890023A (zh) 一种综合能源微网分布式经济调度优化方法及系统
Chandra et al. Transactive energy market framework for decentralized coordination of demand side management within a cluster of buildings
CN115545552B (zh) 一种能源分配方法及装置
CN111815035A (zh) 一种融合形态聚类及TCN-Attention的短期负荷预测方法
CN109256799A (zh) 一种基于样本熵的新能源电力系统优化调度方法
CN110852535A (zh) 一种考虑中长期交易和风电不确定性的日前市场出清模型
Manas Optimization of distributed generation based hybrid renewable energy system for a DC micro-grid using particle swarm optimization
CN114723278B (zh) 一种考虑光伏储能的社区微电网调度方法及系统
Martinez et al. Stochastic programming for energy planning in microgrids with renewables
CN118970871A (zh) 考虑多元资源惯量的日前联合优化调度方法及系统
CN110661255B (zh) 一种多能源系统的热电优化运行方法、装置及设备
Diekerhof et al. Distributed optimization for scheduling electrical demand in complex city districts
Sivaraju et al. An intelligent load balancing strategy for energy cost minimization in EV applications
Zhang et al. Research on the optimal operation of a prosumer micro energy network centred on data centres
Fan et al. Two-stage electricity production scheduling with energy storage and dynamic emission modelling
CN113128746A (zh) 一种基于多代理的综合能源系统多主体联合优化运行方法
CN117910715A (zh) 一种数据中心和电网系统日前日内联合调度方法和装置
Wu et al. Multi‐energy Demand Response Management in Energy Internet: A Stackelberg Game Approach
Guddanti et al. Cost saving optimization model for energy management system of a dc microgrid under real time pricing
Shi et al. Energy management of multi-microgrid system with renewable energy using data-driven distributionally robust optimization

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
GR01 Patent grant
GR01 Patent grant