CN115659585A - 计及需求响应的微能网低碳协同调度方法、装置、存储器及设备 - Google Patents
计及需求响应的微能网低碳协同调度方法、装置、存储器及设备 Download PDFInfo
- Publication number
- CN115659585A CN115659585A CN202211120435.0A CN202211120435A CN115659585A CN 115659585 A CN115659585 A CN 115659585A CN 202211120435 A CN202211120435 A CN 202211120435A CN 115659585 A CN115659585 A CN 115659585A
- Authority
- CN
- China
- Prior art keywords
- gas
- micro
- period
- energy storage
- 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
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 78
- 230000004044 response Effects 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000004146 energy storage Methods 0.000 claims abstract description 178
- 238000006243 chemical reaction Methods 0.000 claims abstract description 71
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 61
- 230000006870 function Effects 0.000 claims abstract description 49
- 230000003993 interaction Effects 0.000 claims abstract description 23
- 238000006116 polymerization reaction Methods 0.000 claims abstract description 19
- 239000007789 gas Substances 0.000 claims description 249
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 140
- 239000003345 natural gas Substances 0.000 claims description 68
- 238000013178 mathematical model Methods 0.000 claims description 51
- 230000005611 electricity Effects 0.000 claims description 46
- 238000007599 discharging Methods 0.000 claims description 39
- 230000002776 aggregation Effects 0.000 claims description 30
- 238000004220 aggregation Methods 0.000 claims description 30
- 239000002918 waste heat Substances 0.000 claims description 20
- 230000009194 climbing Effects 0.000 claims description 19
- 238000005338 heat storage Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 16
- 238000012423 maintenance Methods 0.000 claims description 15
- 229910052739 hydrogen Inorganic materials 0.000 claims description 13
- 238000010248 power generation Methods 0.000 claims description 12
- 238000010438 heat treatment Methods 0.000 claims description 7
- WKBOTKDWSSQWDR-UHFFFAOYSA-N Bromine atom Chemical compound [Br] WKBOTKDWSSQWDR-UHFFFAOYSA-N 0.000 claims description 6
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 6
- GDTBXPJZTBHREO-UHFFFAOYSA-N bromine Substances BrBr GDTBXPJZTBHREO-UHFFFAOYSA-N 0.000 claims description 6
- 229910052794 bromium Inorganic materials 0.000 claims description 6
- 238000005520 cutting process Methods 0.000 claims description 6
- 239000003546 flue gas Substances 0.000 claims description 6
- 230000017525 heat dissipation Effects 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims 1
- 239000002994 raw material Substances 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 239000001257 hydrogen Substances 0.000 description 6
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005485 electric heating Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 150000002431 hydrogen Chemical class 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003467 diminishing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 101150067055 minC gene Proteins 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种计及需求响应的微能网低碳协同调度方法、装置、存储器及设备,属于微能网优化调度技术领域,该方法包括:考虑分布式电源、热电联产机组、燃气锅炉、储能设备以及电转气装置等设备,建立目标微能网聚合单元模型;构建考虑目标微能网运行成本以及碳排放成本的目标函数;以功率平衡约束、系统与上级主网交互约束、机组设备约束以及储能设备约束为约束条件,对目标函数进行求解,得到目标微能网中各个设备的出力,并根据各个设备的出力对目标微能网进行优化调度;本发明能够对微能网进行优化调度,降低系统运行成本,提高系统的经济性和低碳性。
Description
技术领域
本发明涉及微能网优化调度技术领域,具体涉及一种计及需求响应的微能网低碳协同调度方法、装置、存储器及设备。
背景技术
随着各类技术的迅猛发展,化石能源日益减少和温室效应对环境的污染等问题引起了全球大多数国家的关注,在此背景下,微能网应运而生。微能网是由电、热、气、冷等多种负荷以能源互补、协调优化的方式提高能源利用率,能够在一定程度上节能减排减小对环境的污染。
目前,研究人员对微能网优化控制方面的研究主要是从电、热需求响应角度或者电、气角度来进行,虽能够提高系统的优化程度,但在一定程度上仍有局限性,没有充分考虑到多种负荷需求,无法更高效地对微能网系统进行优化;另外其调度模型采用的调度目标通常是系统的发电总成本最小、总利润最大、节能减排效应最佳等,能够提高微能网的经济性,但以碳排放成本为调度目标的研究较少,无法在最大化能源利用率的同时考虑到低碳性,提高经济性和环保性。
发明内容
本发明的目的在于提供一种计及需求响应的微能网低碳协同调度方法、装置、存储器及设备,通过构建以微能网系统综合运行成本和碳排放成本最小为目标的目标函数,对微能网进行优化调度,提高微能网的经济性和低碳性。
为实现上述目的,本发明采用以下技术方案:
本发明第一方面提供一种计及需求响应的微能网低碳协同调度方法,包括:
建立目标微能网中各聚合单元设备的数学模型;所述目标微能网中各聚合单元设备包括:分布式电源、热电联产机组、燃气锅炉、储能设备、电转气装置和综合需求响应负荷设备;
构建以目标微能网中各聚合单元设备运行成本及和碳排放成本最小为目标的目标函数;
对所构建的目标函数在符合各聚合单元设备约束条件下进行求解,得到目标微能网中各聚合单元设备出力。
进一步的,所述建立目标微能网中各聚合单元设备的数学模型,包括:
所述分布式电源包括风电机组和光伏机组,
所述风电机组出力的数学模型为:
其中,PWT(t)为风电机组在t时段的输出功率,Pe为风电机组的额定功率,ve为额定风速,vin为切入风速,vout为截止风速,a、b、c、d是系数;
所述光伏机组出力的数学模型为:
所述热电联产机组的数学模型为:
其中,为热电联产机组中燃气轮机在t时段的输出电功率,QGT(t)为燃气轮机在t时段消耗的天然气量,Lgas为天然气低热值,为热电联产机组中余热锅炉在t时段的输出热功率,HHRSG(t)为余热锅炉在t时段的输出热量值,ηGT、ηq分别为燃气轮机的发电效率和余热锅炉的散热损耗率,和分别为溴冷机的制热系数及和烟气回收率,Δt为单位调度时段;
所述燃气锅炉的数学模型为:
所述储能设备包括:电储能设备、热储能设备和气储能设备;
所述储能设备的数学模型为:
其中,分别为电储能设备在t时段的充电和放电功率,分别为电储能设备的充电效率和放电效率,δES为电储能设备的自损耗率,EES(t)、EES(t-1)分别为在t时段和t-1时段电储能设备的储电量,分别为热储能设备在t时段的储热和放热功率,分别为热储能设备的储热效率和放热效率,δHS为热储能设备的自损耗率,HHS(t)、HHS(t-1)分别为热储能设备在t时段和t-1时段的储热量,分别为气储能设备在t时段储气和放气功率,分别为气储能设备的储气效率和放气效率,δGS为气储能设备的自损耗率,QGS(t)、QGS(t-1)分别为气储能设备在t时段和t-1时段所存储的天然气量;
所述电转气装置的数学模型为:
所述综合需求响应负荷设备的数学模型为:
其中,Pload(t),Hload(t)分别为微能网系统在t时段的电负荷需求和热负荷需求,P'load(t),H'load(t)分别为微能网系统在t时段的电负荷需求预测值和热负荷需求预测值,分别为微能网系统在t时段的可削减,可转移和可替代电负荷,分别为微能网系统在t时段的可削减和可转移热负荷,分别为微能网系统在t时段的可削减和可转移电负荷最大值,T为调度周期。
进一步的,所述构建以目标微能网中各聚合单元设备运行成本及和碳排放成本最小为目标的目标函数,包括:
CG=[fBG(t)PBG(t)+fgas(t)QBG(t)]Δt;
CGRID=[fBG(t)PBG(t)-fSG(t)PSG(t)]Δt;
其中,C为微能网总成本,C1为目标微能网运行费用,C2为碳排放成本,CG、CIDR、CMAIN、CGRID分别为微能网购能费用、需求侧响应负荷量的补偿费用、各机组设备维护费用和与上级电网购售电交互费用,ctax为碳税,eCHP和eGB分别为热电联产机组碳排放成本和燃气锅炉碳排放成本,fBG(t)和fSG(t)分别为微能网t时段向上级电网的购电电价和售电电价,PBG(t)和PSG(t)分别为微能网在t时段向上级电网的购电功率和售电功率,fgas(t)为微能网在t时段购买天然气的单价,QBG(t)为微能网在t时段购买的外部天然气量,分别为可削减,可转移和可替代电负荷的单位补偿费用系数,和分别为可削减和可转移热负荷的单位补偿费用系数,fPV、fWT、fCHP、fGB、fP2G、fES、fHS、fGS分别为光伏机组、风电机组、热电联产机组、燃气锅炉、电转气装置、电储能、热储能和气储能设备相应的单位维护费用,μGB为燃气锅炉单位CO2排放成本,PCHP为热电联产机组在t时段折算到纯凝工况下的电功率,γ为固定进气量下热电联产机组增加单位热功率时电功率的减少值,α1、α2、α3为热电联产机组碳排放量系数,β为单位电量碳交易配额。
进一步的,所述各聚合单元设备约束条件,包括:
功率平衡约束:
其中,Qload(t)为微能网在t时段的气负荷需求,QBG(t)和QP2G(t)分别为微能网在t时段购买的外部天然气量和电转气装置产生的天然气量;
微能网与上级主网交互约束:
其中,PBmin(t)和PBmax(t)分别为微能网在t时段向上级电网购电的最小和最大功率限值,PSmin(t)和PSmax(t)分别为微能网在t时段向上级电网售电的最小和最大功率限值,QBmin(t)和QBmax(t)分别为微能网在t时段与上级气网的交互的下限和上限;
机组设备约束:
其中,PGTmin(t)和PGTmax(t)分别为燃气轮机在t时段的输出电功率的最小值和最大值,PGBmin(t)和PGBmax(t)分别为燃气锅炉在t时段的输出热功率的最小值和最大值,PP2Gmin(t)和PP2Gmax(t)分别为电转气装置在t时段的输出天然气功率的最小值和最大值,和分别为燃气轮机上、下爬坡速率限值,和分别为燃气锅炉上、下爬坡速率限值,和分别为电转气装置上、下爬坡速率限值;
储能设备约束:
0≤Ss(t)+Sr(t)≤1;
其中,和分别为电储能容量的最小值和最大值,和分别为热储能容量的最小值和最大值,和分别为气储能容量的最小值和最大值,Pstore(t)和Prelease(t)分别为储能设备在t时段的充功率和放功率,Psmax和Prmax分别为储能设备充功率上限和放功率上限,Ss(t)和Sr(t)分别为储能设备在t时段的充放状态,Ss(t)值为1时表示储能设备处于充能状态,Ss(t)值为0时表示储能设备处于非充能状态,Sr(t)值为1时表示储能设备处于放能状态,Sr(t)值为0时表示储能设备处于非放能状态。
进一步的,所述对所构建的目标函数在符合各聚合单元设备约束条件下进行求解,得到目标微能网中各聚合单元设备出力,包括:
采用在MATLAB环境下的YALMIP调用商业求解器CPLEX对所构建的目标函数进行求解,得到目标微能网中各个设备的出力。
本发明第二方面提供一种计及需求响应的微能网低碳协同调度装置,包括:
初始化模块,用于建立目标微能网中各聚合单元设备的数学模型;所述目标微能网中各聚合单元设备包括:分布式电源、热电联产机组、燃气锅炉、储能设备、电转气装置和综合需求响应负荷设备;
模型构建模块,用于构建以目标微能网中各聚合单元设备运行成本及和碳排放成本最小为目标的目标函数;
调度模块,用于对所构建的目标函数在符合各聚合单元设备约束条件下进行求解,得到目标微能网中各聚合单元设备出力。
进一步的,所述初始化模块具体用于,
建立分布式电源的数学模型;
所述分布式电源包括风电机组和光伏机组,
所述风电机组出力的数学模型为:
其中,PWT(t)为风电机组在t时段的输出功率,Pe为风电机组的额定功率,ve为额定风速,vin为切入风速,vout为截止风速,a、b、c、d是系数;
所述光伏机组出力的数学模型为:
建立热电联产机组的数学模型为:
其中,为热电联产机组中燃气轮机在t时段的输出电功率,QGT(t)为燃气轮机在t时段消耗的天然气量,Lgas为天然气低热值,为热电联产机组中余热锅炉在t时段的输出热功率,HHRSG(t)为余热锅炉在t时段的输出热量值,ηGT、ηq分别为燃气轮机的发电效率和余热锅炉的散热损耗率,和分别为溴冷机的制热系数及和烟气回收率,Δt为单位调度时段;
建立燃气锅炉的数学模型为:
建立储能设备的数学模型为:
其中,分别为电储能设备在t时段的充电和放电功率,分别为电储能设备的充电效率和放电效率,δES为电储能设备的自损耗率,EES(t)、EES(t-1)分别为在t时段和t-1时段电储能设备的储电量,分别为热储能设备在t时段的储热和放热功率,分别为热储能设备的储热效率和放热效率,δHS为热储能设备的自损耗率,HHS(t)、HHS(t-1)分别为热储能设备在t时段和t-1时段的储热量,分别为气储能设备在t时段储气和放气功率,分别为气储能设备的储气效率和放气效率,δGS为气储能设备的自损耗率,QGS(t)、QGS(t-1)分别为气储能设备在t时段和t-1时段所存储的天然气量;
建立电转气装置的数学模型为:
建立综合需求响应负荷设备的数学模型为:
其中,Pload(t),Hload(t)分别为微能网系统在t时段的电负荷需求和热负荷需求,P'load(t),H'load(t)分别为微能网系统在t时段的电负荷需求预测值和热负荷需求预测值,分别为微能网系统在t时段的可削减,可转移和可替代电负荷,分别为微能网系统在t时段的可削减和可转移热负荷,分别为微能网系统在t时段的可削减和可转移电负荷最大值,T为调度周期。
进一步的,所述模型构建模块具体用于,
构建以目标微能网中各聚合单元设备运行成本及和碳排放成本最小为目标的目标函数如下:
CG=[fBG(t)PBG(t)+fgas(t)QBG(t)]Δt;
CGRID=[fBG(t)PBG(t)-fSG(t)PSG(t)]Δt;
其中,C为微能网总成本,C1为目标微能网运行费用,C2为碳排放成本,CG、CIDR、CMAIN、CGRID分别为微能网购能费用、需求侧响应负荷量的补偿费用、各机组设备维护费用和与上级电网购售电交互费用,ctax为碳税,eCHP和eGB分别为热电联产机组碳排放成本和燃气锅炉碳排放成本,fBG(t)和fSG(t)分别为微能网t时段向上级电网的购电电价和售电电价,PBG(t)和PSG(t)分别为微能网在t时段向上级电网的购电功率和售电功率,fgas(t)为微能网在t时段购买天然气的单价,QBG(t)为微能网在t时段购买的外部天然气量,分别为可削减,可转移和可替代电负荷的单位补偿费用系数,和分别为可削减和可转移热负荷的单位补偿费用系数,fPV、fWT、fCHP、fGB、fP2G、fES、fHS、fGS分别为光伏机组、风电机组、热电联产机组、燃气锅炉、电转气装置、电储能、热储能和气储能设备相应的单位维护费用,μGB为燃气锅炉单位CO2排放成本,PCHP为热电联产机组在t时段折算到纯凝工况下的电功率,γ为固定进气量下热电联产机组增加单位热功率时电功率的减少值,α1、α2、α3为热电联产机组碳排放量系数,β为单位电量碳交易配额。
进一步的,所述各聚合单元设备约束条件,包括:
功率平衡约束:
其中,Qload(t)为微能网在t时段的气负荷需求,QBG(t)和QP2G(t)分别为微能网在t时段购买的外部天然气量和电转气装置产生的天然气量;
微能网与上级主网交互约束:
其中,PBmin(t)和PBmax(t)分别为微能网在t时段向上级电网购电的最小和最大功率限值,PSmin(t)和PSmax(t)分别为微能网在t时段向上级电网售电的最小和最大功率限值,QBmin(t)和QBmax(t)分别为微能网在t时段与上级气网的交互的下限和上限;
机组设备约束:
其中,PGTmin(t)和PGTmax(t)分别为燃气轮机在t时段的输出电功率的最小值和最大值,PGBmin(t)和PGBmax(t)分别为燃气锅炉在t时段的输出热功率的最小值和最大值,PP2Gmin(t)和PP2Gmax(t)分别为电转气装置在t时段的输出天然气功率的最小值和最大值,和分别为燃气轮机上、下爬坡速率限值,和分别为燃气锅炉上、下爬坡速率限值,和分别为电转气装置上、下爬坡速率限值;
储能设备约束:
0≤Ss(t)+Sr(t)≤1;
其中,和分别为电储能容量的最小值和最大值,和分别为热储能容量的最小值和最大值,和分别为气储能容量的最小值和最大值,Pstore(t)和Prelease(t)分别为储能设备在t时段的充功率和放功率,Psmax和Prmax分别为储能设备充功率上限和放功率上限,Ss(t)和Sr(t)分别为储能设备在t时段的充放状态,Ss(t)值为1时表示储能设备处于充能状态,Ss(t)值为0时表示储能设备处于非充能状态,Sr(t)值为1时表示储能设备处于放能状态,Sr(t)值为0时表示储能设备处于非放能状态。
进一步的,所述调度模块具体用于,
采用在MATLAB环境下的YALMIP调用商业求解器CPLEX对所构建的目标函数进行求解,得到目标微能网中各个设备的出力。
本发明第三方面提供一种存储一个或多个程序的计算机可读存储器,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据前述的方法中的任一方法。
本发明第四方面提供一种设备,包括,
一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1至5所述的方法中的任一方法的指令。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
本发明通过建立微能网聚合单元模型,构建目标微能网系统综合运行成本和碳排放成本最小为目标的目标函数,以及构建目标函数的约束条件对目标函数进行求解,进而对系统进行优化调度,保证了系统电力、热力、天然气三者功率对称平衡,提高了系统运行的稳定性、灵活性,促进了系统源、储、荷之间的能量流通和互动。本发明能够更合理地对微能网系统进行优化调度,在提高系统调度灵活性的同时也将获取更大收益,降低系统的运行成本,提高整体的经济性和环保性。
附图说明
图1是本发明实施例2提供的一种园区微能网结构示意图;
图2是本发明实施例2提供的一种计及需求响应的园区微能网低碳协同调度方法的具体实施流程图;
图3是本发明实施例3中的典型日风光功率预测曲线;
图4是本发明实施例3中的典型日电、热、气负荷预测曲线。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例1
本实施例1提供一种计及需求响应的微能网低碳协同调度方法,包括:
建立目标微能网中各聚合单元设备的数学模型;所述目标微能网中各聚合单元设备包括:分布式电源、热电联产机组、燃气锅炉、储能设备、电转气装置和综合需求响应负荷设备;
构建以目标微能网中各聚合单元设备运行成本和碳排放成本最小为目标的目标函数;
对所构建的目标函数在符合各聚合单元设备约束条件下进行求解,得到目标微能网中各聚合单元设备出力。
实施例2
本实施例2提供一种计及需求响应的微能网低碳协同调度方法,对图1所示的园区级微能网中的各设备的出力进行优化调度。
参见图1,该微能网由分布式电源、热电联产机组、储能设备和电转气设备来构成,其中,分布式电源包括风机、光伏;热电联产机组包括燃气轮机、余热锅炉等;储能设备包括电储能、热储能和气储能;电转气设备包括电解槽、甲烷反应器和储氢罐。用户的电需求由风电、光伏、燃气轮机和外部电网供应,天然气需求来自外部气网和甲烷反应器;各子系统之间的电、热、气的转换、传输、存储依靠各个单元设备来实现。整体而言,一方面,电力和天然气通过能源网络节点实现相互连接,通过信息流和能量流实现综合能源系统的多能协同;另一方面,不同能源设备的互补特性和能量转换形式,使得电、热、气等能源可以被梯级利用,提高了系统的能源利用效率,是微能网系统得以经济、高效运行的重要前提条件。结合微能网系统的供用能结构,研究荷侧建筑与供能设备、电价之间的影响机理,进而建立园区级微能网系统优化调度模型,对系统中各个设备的出力进行优化调度。
本实施例2提供的微能网电热气协同调度方法的具体实现过程,参见图2,包括以下步骤:
步骤1,考虑风电机组、光伏机组、热电联产机组(CHP)、燃气锅炉(GB)、储能设备、电转气装置(P2G)以及综合需求响应负荷设备,建立目标微能网聚合单元模型;
风电机组出力的数学模型如下:
式中:PWT(t)为风电机组在t时段的输出功率,Pe为风电机组的额定功率,ve为额定风速,vin为切入风速,vout为截止风速,a、b、c、d是系数,可由风机网侧输出功率曲线拟合得到。
光伏机组(Photovoltaic,PV)出力的数学模型为:
热电联产机组的组成主要包含燃气轮机(Gas Turbine,GT)和余热锅炉(HeatRecovery Steam Generator,HRSG),其数学模型如下:
式中:为燃气轮机在t时段的输出电功率,QGT(t)为燃气轮机在t时段消耗的天然气量,Lgas为天然气低热值,为余热锅炉在t时段的输出热功率,HHRSG(t)为余热锅炉在t时段的输出热量值;ηGT、ηq分别为燃气轮机的发电效率和余热锅炉的散热损耗率,和分别为溴冷机的制热系数及和烟气回收率,Δt为单位调度时段。
燃气锅炉模型如下:
储能设备模型如下:
其中,分别为ES在t时段的充电和放电功率,分别为ES的充电效率和放电效率,δES为ES的自损耗率,EES(t)、EES(t-1)分别为在t时段和t-1时段ES的储电量,分别为HS在t时段的储热和放热功率,分别为HS的储热效率和放热效率,δHS为HS的自损耗率,HHS(t)、HHS(t-1)分别为HS在t时段和t-1时段的储热量, 分别为GS在t时段储气和放气功率,分别为GS的储气效率和放气效率,δGS为GS的自损耗率,QGS(t)、QGS(t-1)分别为GS在t时段和t-1时段所存储的天然气量。
ES、HS、GS分别为电储能、热储能、气储能设备。
电转气装置的数学模型为:
综合需求响应负荷数学模型如下:
式中:Pload(t),Hload(t)分别为微能网系统在t时段的电负荷需求和热负荷需求,P'load(t),H'load(t)分别为微能网系统在t时段的电负荷需求预测值和热负荷需求预测值,为已知值;分别为微能网系统在t时段的可削减,可转移和可替代电负荷;分别为微能网系统在t时段的可削减和可转移热负荷;分别为微能网系统在t时段的可削减和可转移电负荷最大值,T为调度周期,本实施例中,取24。
步骤2,构建考虑目标微能网运行成本以及碳排放成本的目标函数,如下:
式中:C为微能网总成本,C1为目标微能网运行费用,C2为碳排放成本,CG、CIDR、CMAIN、CGRID分别为微能网购能费用、需求侧响应负荷量的补偿费用、各机组设备维护费用和与上级电网购售电交互费用,ctax为碳税,eCHP和eGB分别为热电联产机组碳排放成本和燃气锅炉碳排放成本。
本实施例中,微能网购能费用可以通过下式计算:
CG=[fBG(t)PBG(t)+fgas(t)QBG(t)]Δt (15)
式中:fBG(t)为微能网在t时段向上级电网购电时的购电电价,fgas(t)为微能网在t时段购买天然气的单价,PBG(t)为微能网在t时段向上级电网的购电功率,QBG(t)为微能网在t时段购买的外部天然气量,Δt为单位调度时段。
本实施例中,需求侧响应负荷量的补偿费用可以通过下式计算:
式中:分别为可削减,可转移以及可替代电负荷的单位补偿费用系数;和分别为可削减和可转移热负荷的单位补偿费用系数;分别为微能网在t时段中的可削减电、可转移和可替代电负荷;和分别为微能网在t时段中的可削减热负荷和可转移热负荷。
本实施例中,各机组设备维护费用可以通过下式计算:
式中:fPV、fWT、fCHP、fGB、fP2G、fES、fHS、fGS分别为光伏机组、风电机组、热电联产机组、燃气锅炉、电转气装置、电储能、热储能和气储能设备相应的单位维护费用,PPV(t)为t时段光伏机组出力,PWT(t)为t时段风电机组出力。
本实施例中,与上级电网购售电交互费用可以通过下式计算:
CGRID=[fBG(t)PBG(t)-fSG(t)PSG(t)]Δt (18)
式中:fBG(t)、fSG(t)分别为微能网t时段向上级电网的购电电价和售电电价,PBG(t)、PSG(t)分别为微能网在t时段向上级电网的购电功率和售电功率。
本实施例中,热电联产机组碳排放成本和燃气锅炉碳排放成本可以通过下式计算:
式中:μGB为燃气锅炉单位CO2排放成本,PCHP为热电联产机组在t时段折算到纯凝工况下的电功率,γ为固定进气量下,热电联产机组增加单位热功率时电功率的减少值,α1、α2、α3为热电联产机组碳排放量系数,β为单位电量碳交易配额。
步骤3,建立步骤2的目标函数的约束条件,包括:功率平衡约束、微能网与上级主网交互约束、机组设备约束以及储能设备约束。其中,功率平衡约束包括:电力平衡、热力平衡及天然气平衡约束;微能网与上级主网交互约束包括:微能网在t时段向上级电网交互约束以及微能网在t时段向上级气网交互约束;机组设备约束包括:燃气轮机、燃气锅炉、电转气运行出力及燃气轮机、燃气锅炉、电转气爬坡约束;储能设备约束包括:电储能、热储能、气储能约束。具体如下:
功率平衡约束为:
式中:Pload(t)、Hload(t)、Qload(t)分别为微能网在t时段的电负荷需求、热负荷需求和气负荷需求;PBG(t)、PSG(t)分别为微能网在t时段向上级电网的购电功率和售电功率;QBG(t)、QP2G(t)分别为系统在t时段购买的外部天然气量和P2G产生的天然气量。
微能网与上级主网交互约束为:
式中:PBmin(t)和PBmax(t)分别为微能网在t时段向上级电网购电的最小和最大功率限值;PSmin(t)和PSmax(t)分别为微能网在t时段向上级电网售电的最小和最大功率限值;QBmin(t)和QBmax(t)分别为微能网在t时段与上级气网的交互的下限和上限。
机组设备约束为:
式中:PGTmin(t)、PGTmax(t)分别为燃气轮机在t时段的输出电功率的最小值和最大值;PGBmin(t)、PGBmax(t)分别为燃气锅炉在t时段的输出热功率的最小值和最大值;PP2Gmin(t)、PP2Gmax(t)分别为电转气装置在t时段的输出天然气功率的最小值和最大值;分别为燃气轮机上、下爬坡速率限值;分别为燃气锅炉上、下爬坡速率限值;分别为电转气装置上、下爬坡速率限值。
储能设备约束为:
0≤Ss(t)+Sr(t)≤1 (28)
式中:分别为ES容量的最小值和最大值;分别为HS容量的最小值和最大值;分别为GS容量的最小值和最大值;Pstore(t)和Prelease(t)分别为储能设备在t时段的充功率和放功率;Psmax和Prmax分别为储能设备充功率上限和放功率上限;Ss(t)和Sr(t)分别为储能设备在t时段的充放状态,Ss(t)值为1时表示储能设备处于充能状态,Ss(t)值为0时表示储能设备处于非充能状态,Sr(t)值为1时表示储能设备处于放能状态,Sr(t)值为0时表示储能设备处于非放能状态。
步骤4,基于步骤3的约束条件,对目标函数进行求解,得到目标微能网中各个设备的出力,并根据各个设备的出力对目标微能网进行优化调度。
本实施例中,采用在MATLAB环境下的YALMIP调用商业求解器CPLEX对目标函数进行求解,得到目标微能网中各个设备的出力包括:PWT(t)、PPV(t)、 Pload(t),Hload(t)、Qload(t)、PBG(t)、PSG(t)、Ss(t)和Sr(t)。
本发明的另一个实施例中,对微能网运行成本C1和碳排放成本C2分别赋予不同权重r1、r2,权重系数用于表示被给予的关注度,且r1+r2=1。当r1>r2时,意味着对微能网的运行成本,即经济性更加关注;当r1<r2时,说明对微能网的碳排放成本,即环保性给予了更多的关注,
由此,构建目标函数如下:
minC'=λ1C1+λ2C2 (29)
式中C'为加入权重系数后的总成本。
该目标函数同样需满足实施例2中步骤3所示的约束条件,对该目标函数进行求解,得到目标微能网中各个设备的出力,并根据各个设备的出力对目标微能网进行优化调度。
实施例3
本实施例3选取某工业园区作为研究对象,设一个调度周期为24h,单位调度时段为1h。取天然气低热值为9.7kWh/m3,天然气热值GHV为35.54MJ/m3,故微能网向外部购买天然气的价格折算后为0.35元/kWh,微能网与上级电网间的交互功率上限为1000kW,向外部购买天然气功率上限为2500kW,风电以及光伏机组单位维护费用取0.23元/kWh,碳排放成本中a1、a2、a3分别取0.0532、190.12、13175.4,γ取0.15,β取0.798。所选取某典型日的风光出力预测曲线以及电热气负荷预测曲线分别如图3和图4所示。
各机组设备的参数如表1和表2所示。
表1热电联产机组、燃气锅炉、电转气装置参数表
表2各储能设备参数
对于需求响应负荷的补偿价格如表3所示。微能网与上级电网的购售电价采用当地分时电价,11:00-21:00时段内采用峰时段购电价0.95元/kwh、售电价0.54元/kwh,8:00-10:00,22:00-24:00时段内采用平时段购电价0.65元/kwh、售电价为0.47元/kwh,1:00-7:00时段内采用谷时段购电价0.38元/kwh、售电价为0.33元/kwh。
表3需求响应负荷补偿价格
建立以下3个场景,对不同场景下系统运行结果进行对比分析。
场景1:园区微能网系统以传统方式运行,便于后续直观的与场景2和场景3中的微能网运行情况作对比;
场景2:在场景1的基础上考虑电、热负荷需求响应;
场景3:在场景2的基础上,将电转气第一阶段所得氢气存入储氢罐供给负荷,剩余氢气再进行甲烷化反应,即本实施例1和实施例2所建立的模型。
通过对所选取的典型日下的该工业园区微能网在不同场景中的仿真研究,可以得到各个场景的系统运行费用,如表4所示。
表4各场景成本对比
由表4分析可得,由于场景1采用传统方式运行,没有考虑电热综合需求响应及两阶段式电转气,因此在场景1中,系统购能较多,与上级电网购售电交互费用最高,但无需求响应负荷补偿费用;场景2在场景1的基础上考虑了电热综合需求响应,故场景2比场景1多了415元的需求响应负荷补偿费用,但由于需求响应负荷的加入,使得场景2中系统与上级电网购售电交互费用比场景1减少了1149.5元,系统总运行费用比场景1减少1146.2元;场景3的设备维护成本较高,因为其相较于场景2考虑了两阶段式电转气设备,同时由于电解槽等设备的运行,其购电能成本略有提高,但购气成本大幅度下降,主要原因是采用风电制氢气,同时这种方法也可降低运氢过程中的危险性,提高微能网内部的多能耦合利用效率。场景3总运行成本最低。故本实施例所提出的优化模型即场景3在微能网运行中具有更好的经济性。
实施例4
本实施例4提供一种计及需求响应的微能网低碳协同调度装置,包括:
初始化模块,用于建立目标微能网中各聚合单元设备的数学模型;所述目标微能网中各聚合单元设备包括:分布式电源、热电联产机组、燃气锅炉、储能设备、电转气装置和综合需求响应负荷设备;
模型构建模块,用于构建以目标微能网中各聚合单元设备运行成本及和碳排放成本最小为目标的目标函数;
调度模块,用于对所构建的目标函数在符合各聚合单元设备约束条件下进行求解,得到目标微能网中各聚合单元设备出力。
本实施例中,初始化模块具体用于,
建立分布式电源的数学模型;
所述分布式电源包括风电机组和光伏机组,
所述风电机组出力的数学模型为:
其中,PWT(t)为风电机组在t时段的输出功率,Pe为风电机组的额定功率,ve为额定风速,vin为切入风速,vout为截止风速,a、b、c、d是系数;
所述光伏机组出力的数学模型为:
建立热电联产机组的数学模型为:
其中,为热电联产机组中燃气轮机在t时段的输出电功率,QGT(t)为燃气轮机在t时段消耗的天然气量,Lgas为天然气低热值,为热电联产机组中余热锅炉在t时段的输出热功率,HHRSG(t)为余热锅炉在t时段的输出热量值,ηGT、ηq分别为燃气轮机的发电效率和余热锅炉的散热损耗率,和分别为溴冷机的制热系数及和烟气回收率,Δt为单位调度时段;
建立燃气锅炉的数学模型为:
建立储能设备的数学模型为:
其中,分别为电储能设备在t时段的充电和放电功率,分别为电储能设备的充电效率和放电效率,δES为电储能设备的自损耗率,EES(t)、EES(t-1)分别为在t时段和t-1时段电储能设备的储电量,分别为热储能设备在t时段的储热和放热功率,分别为热储能设备的储热效率和放热效率,δHS为热储能设备的自损耗率,HHS(t)、HHS(t-1)分别为热储能设备在t时段和t-1时段的储热量,分别为气储能设备在t时段储气和放气功率,分别为气储能设备的储气效率和放气效率,δGS为气储能设备的自损耗率,QGS(t)、QGS(t-1)分别为气储能设备在t时段和t-1时段所存储的天然气量;
建立电转气装置的数学模型为:
建立综合需求响应负荷设备的数学模型为:
其中,Pload(t),Hload(t)分别为微能网系统在t时段的电负荷需求和热负荷需求,P'load(t),H'load(t)分别为微能网系统在t时段的电负荷需求预测值和热负荷需求预测值,分别为微能网系统在t时段的可削减,可转移和可替代电负荷,分别为微能网系统在t时段的可削减和可转移热负荷,分别为微能网系统在t时段的可削减和可转移电负荷最大值,T为调度周期。
本实施例中,模型构建模块具体用于,
构建以目标微能网中各聚合单元设备运行成本及和碳排放成本最小为目标的目标函数如下:
CG=[fBG(t)PBG(t)+fgas(t)QBG(t)]Δt;
CGRID=[fBG(t)PBG(t)-fSG(t)PSG(t)]Δt;
其中,C为微能网总成本,C1为目标微能网运行费用,C2为碳排放成本,CG、CIDR、CMAIN、CGRID分别为微能网购能费用、需求侧响应负荷量的补偿费用、各机组设备维护费用和与上级电网购售电交互费用,ctax为碳税,eCHP和eGB分别为热电联产机组碳排放成本和燃气锅炉碳排放成本,fBG(t)和fSG(t)分别为微能网t时段向上级电网的购电电价和售电电价,PBG(t)和PSG(t)分别为微能网在t时段向上级电网的购电功率和售电功率,fgas(t)为微能网在t时段购买天然气的单价,QBG(t)为微能网在t时段购买的外部天然气量,分别为可削减,可转移和可替代电负荷的单位补偿费用系数,和分别为可削减和可转移热负荷的单位补偿费用系数,fPV、fWT、fCHP、fGB、fP2G、fES、fHS、fGS分别为光伏机组、风电机组、热电联产机组、燃气锅炉、电转气装置、电储能、热储能和气储能设备相应的单位维护费用,μGB为燃气锅炉单位CO2排放成本,PCHP为热电联产机组在t时段折算到纯凝工况下的电功率,γ为固定进气量下热电联产机组增加单位热功率时电功率的减少值,α1、α2、α3为热电联产机组碳排放量系数,β为单位电量碳交易配额。
本实施例中,各聚合单元设备约束条件,包括:
功率平衡约束:
其中,Qload(t)为微能网在t时段的气负荷需求,QBG(t)和QP2G(t)分别为微能网在t时段购买的外部天然气量和电转气装置产生的天然气量;
微能网与上级主网交互约束:
其中,PBmin(t)和PBmax(t)分别为微能网在t时段向上级电网购电的最小和最大功率限值,PSmin(t)和PSmax(t)分别为微能网在t时段向上级电网售电的最小和最大功率限值,QBmin(t)和QBmax(t)分别为微能网在t时段与上级气网的交互的下限和上限;
机组设备约束:
其中,PGTmin(t)和PGTmax(t)分别为燃气轮机在t时段的输出电功率的最小值和最大值,PGBmin(t)和PGBmax(t)分别为燃气锅炉在t时段的输出热功率的最小值和最大值,PP2Gmin(t)和PP2Gmax(t)分别为电转气装置在t时段的输出天然气功率的最小值和最大值,和分别为燃气轮机上、下爬坡速率限值,和分别为燃气锅炉上、下爬坡速率限值,和分别为电转气装置上、下爬坡速率限值;
储能设备约束:
0≤Ss(t)+Sr(t)≤1;
其中,和分别为电储能容量的最小值和最大值,和分别为热储能容量的最小值和最大值,和分别为气储能容量的最小值和最大值,Pstore(t)和Prelease(t)分别为储能设备在t时段的充功率和放功率,Psmax和Prmax分别为储能设备充功率上限和放功率上限,Ss(t)和Sr(t)分别为储能设备在t时段的充放状态,Ss(t)值为1时表示储能设备处于充能状态,Ss(t)值为0时表示储能设备处于非充能状态,Sr(t)值为1时表示储能设备处于放能状态,Sr(t)值为0时表示储能设备处于非放能状态。
本实施例中,调度模块具体用于,
采用在MATLAB环境下的YALMIP调用商业求解器CPLEX对所构建的目标函数进行求解,得到目标微能网中各个设备的出力。
实施例5
本实施例5提供一种存储一个或多个程序的计算机可读存储器,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据前述实施例1或实施例2的方法中的任一方法。
实施例6
本实施例6提供一种设备,包括,
一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行前述实施例1或实施例2的方法中的任一方法的指令。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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。
本申请是参照根据本申请实施例的方法、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 (12)
1.一种计及需求响应的微能网低碳协同调度方法,其特征在于,包括:
建立目标微能网中各聚合单元设备的数学模型;所述目标微能网中各聚合单元设备包括:分布式电源、热电联产机组、燃气锅炉、储能设备、电转气装置和综合需求响应负荷设备;
构建以目标微能网中各聚合单元设备运行成本及和碳排放成本最小为目标的目标函数;
对所构建的目标函数在符合各聚合单元设备约束条件下进行求解,得到目标微能网中各聚合单元设备出力。
2.根据权利要求1所述的一种计及需求响应的微能网低碳协同调度方法,其特征在于,所述建立目标微能网中各聚合单元设备的数学模型,包括:
所述分布式电源包括风电机组和光伏机组,
所述风电机组出力的数学模型为:
其中,PWT(t)为风电机组在t时段的输出功率,Pe为风电机组的额定功率,ve为额定风速,vin为切入风速,vout为截止风速,a、b、c、d是系数;
所述光伏机组出力的数学模型为:
所述热电联产机组的数学模型为:
其中,为热电联产机组中燃气轮机在t时段的输出电功率,QGT(t)为燃气轮机在t时段消耗的天然气量,Lgas为天然气低热值,为热电联产机组中余热锅炉在t时段的输出热功率,HHRSG(t)为余热锅炉在t时段的输出热量值,ηGT、ηq分别为燃气轮机的发电效率和余热锅炉的散热损耗率,和分别为溴冷机的制热系数及和烟气回收率,Δt为单位调度时段;
所述燃气锅炉的数学模型为:
所述储能设备包括:电储能设备、热储能设备和气储能设备;
所述储能设备的数学模型为:
其中,分别为电储能设备在t时段的充电和放电功率,分别为电储能设备的充电效率和放电效率,δES为电储能设备的自损耗率,EES(t)、EES(t-1)分别为在t时段和t-1时段电储能设备的储电量,分别为热储能设备在t时段的储热和放热功率,分别为热储能设备的储热效率和放热效率,δHS为热储能设备的自损耗率,HHS(t)、HHS(t-1)分别为热储能设备在t时段和t-1时段的储热量,分别为气储能设备在t时段储气和放气功率,分别为气储能设备的储气效率和放气效率,δGS为气储能设备的自损耗率,QGS(t)、QGS(t-1)分别为气储能设备在t时段和t-1时段所存储的天然气量;
所述电转气装置的数学模型为:
所述综合需求响应负荷设备的数学模型为:
3.根据权利要求2所述的一种计及需求响应的微能网低碳协同调度方法,其特征在于,所述构建以目标微能网中各聚合单元设备运行成本及和碳排放成本最小为目标的目标函数,包括:
CG=[fBG(t)PBG(t)+fgas(t)QBG(t)]Δt;
CGRID=[fBG(t)PBG(t)-fSG(t)PSG(t)]Δt;
其中,C为微能网总成本,C1为目标微能网运行费用,C2为碳排放成本,CG、CIDR、CMAIN、CGRID分别为微能网购能费用、需求侧响应负荷量的补偿费用、各机组设备维护费用和与上级电网购售电交互费用,ctax为碳税,eCHP和eGB分别为热电联产机组碳排放成本和燃气锅炉碳排放成本,fBG(t)和fSG(t)分别为微能网t时段向上级电网的购电电价和售电电价,PBG(t)和PSG(t)分别为微能网在t时段向上级电网的购电功率和售电功率,fgas(t)为微能网在t时段购买天然气的单价,QBG(t)为微能网在t时段购买的外部天然气量,分别为可削减,可转移和可替代电负荷的单位补偿费用系数,和分别为可削减和可转移热负荷的单位补偿费用系数,fPV、fWT、fCHP、fGB、fP2G、fES、fHS、fGS分别为光伏机组、风电机组、热电联产机组、燃气锅炉、电转气装置、电储能、热储能和气储能设备相应的单位维护费用,μGB为燃气锅炉单位CO2排放成本,PCHP为热电联产机组在t时段折算到纯凝工况下的电功率,γ为固定进气量下热电联产机组增加单位热功率时电功率的减少值,α1、α2、α3为热电联产机组碳排放量系数,β为单位电量碳交易配额。
4.根据权利要求3所述的一种计及需求响应的微能网低碳协同调度方法,其特征在于,所述各聚合单元设备约束条件,包括:
功率平衡约束:
其中,Qload(t)为微能网在t时段的气负荷需求,QBG(t)和QP2G(t)分别为微能网在t时段购买的外部天然气量和电转气装置产生的天然气量;
微能网与上级主网交互约束:
其中,PBmin(t)和PBmax(t)分别为微能网在t时段向上级电网购电的最小和最大功率限值,PSmin(t)和PSmax(t)分别为微能网在t时段向上级电网售电的最小和最大功率限值,QBmin(t)和QBmax(t)分别为微能网在t时段与上级气网的交互的下限和上限;
机组设备约束:
其中,PGTmin(t)和PGTmax(t)分别为燃气轮机在t时段的输出电功率的最小值和最大值,PGBmin(t)和PGBmax(t)分别为燃气锅炉在t时段的输出热功率的最小值和最大值,PP2Gmin(t)和PP2Gmax(t)分别为电转气装置在t时段的输出天然气功率的最小值和最大值,和分别为燃气轮机上、下爬坡速率限值,和分别为燃气锅炉上、下爬坡速率限值,和分别为电转气装置上、下爬坡速率限值;
储能设备约束:
0≤Ss(t)+Sr(t)≤1;
5.根据权利要求4所述的一种计及需求响应的微能网低碳协同调度方法,其特征在于,所述对所构建的目标函数在符合各聚合单元设备约束条件下进行求解,得到目标微能网中各聚合单元设备出力,包括:
采用在MATLAB环境下的YALMIP调用商业求解器CPLEX对所构建的目标函数进行求解,得到目标微能网中各个设备的出力。
6.一种计及需求响应的微能网低碳协同调度装置,其特征在于,包括:
初始化模块,用于建立目标微能网中各聚合单元设备的数学模型;所述目标微能网中各聚合单元设备包括:分布式电源、热电联产机组、燃气锅炉、储能设备、电转气装置和综合需求响应负荷设备;
模型构建模块,用于构建以目标微能网中各聚合单元设备运行成本及和碳排放成本最小为目标的目标函数;
调度模块,用于对所构建的目标函数在符合各聚合单元设备约束条件下进行求解,得到目标微能网中各聚合单元设备出力。
7.根据权利要求6所述的一种计及需求响应的微能网低碳协同调度装置,其特征在于,所述初始化模块具体用于,
建立分布式电源的数学模型;
所述分布式电源包括风电机组和光伏机组,
所述风电机组出力的数学模型为:
其中,PWT(t)为风电机组在t时段的输出功率,Pe为风电机组的额定功率,ve为额定风速,vin为切入风速,vout为截止风速,a、b、c、d是系数;
所述光伏机组出力的数学模型为:
建立热电联产机组的数学模型为:
其中,为热电联产机组中燃气轮机在t时段的输出电功率,QGT(t)为燃气轮机在t时段消耗的天然气量,Lgas为天然气低热值,为热电联产机组中余热锅炉在t时段的输出热功率,HHRSG(t)为余热锅炉在t时段的输出热量值,ηGT、ηq分别为燃气轮机的发电效率和余热锅炉的散热损耗率,和分别为溴冷机的制热系数及和烟气回收率,Δt为单位调度时段;
建立燃气锅炉的数学模型为:
建立储能设备的数学模型为:
其中,分别为电储能设备在t时段的充电和放电功率,分别为电储能设备的充电效率和放电效率,δES为电储能设备的自损耗率,EES(t)、EES(t-1)分别为在t时段和t-1时段电储能设备的储电量,分别为热储能设备在t时段的储热和放热功率,分别为热储能设备的储热效率和放热效率,δHS为热储能设备的自损耗率,HHS(t)、HHS(t-1)分别为热储能设备在t时段和t-1时段的储热量,分别为气储能设备在t时段储气和放气功率,分别为气储能设备的储气效率和放气效率,δGS为气储能设备的自损耗率,QGS(t)、QGS(t-1)分别为气储能设备在t时段和t-1时段所存储的天然气量;
建立电转气装置的数学模型为:
建立综合需求响应负荷设备的数学模型为:
8.根据权利要求7所述的一种计及需求响应的微能网低碳协同调度装置,其特征在于,所述模型构建模块具体用于,
构建以目标微能网中各聚合单元设备运行成本及和碳排放成本最小为目标的目标函数如下:
CG=[fBG(t)PBG(t)+fgas(t)QBG(t)]Δt;
CGRID=[fBG(t)PBG(t)-fSG(t)PSG(t)]Δt;
其中,C为微能网总成本,C1为目标微能网运行费用,C2为碳排放成本,CG、CIDR、CMAIN、CGRID分别为微能网购能费用、需求侧响应负荷量的补偿费用、各机组设备维护费用和与上级电网购售电交互费用,ctax为碳税,eCHP和eGB分别为热电联产机组碳排放成本和燃气锅炉碳排放成本,fBG(t)和fSG(t)分别为微能网t时段向上级电网的购电电价和售电电价,PBG(t)和PSG(t)分别为微能网在t时段向上级电网的购电功率和售电功率,fgas(t)为微能网在t时段购买天然气的单价,QBG(t)为微能网在t时段购买的外部天然气量,分别为可削减,可转移和可替代电负荷的单位补偿费用系数,和分别为可削减和可转移热负荷的单位补偿费用系数,fPV、fWT、fCHP、fGB、fP2G、fES、fHS、fGS分别为光伏机组、风电机组、热电联产机组、燃气锅炉、电转气装置、电储能、热储能和气储能设备相应的单位维护费用,μGB为燃气锅炉单位CO2排放成本,PCHP为热电联产机组在t时段折算到纯凝工况下的电功率,γ为固定进气量下热电联产机组增加单位热功率时电功率的减少值,α1、α2、α3为热电联产机组碳排放量系数,β为单位电量碳交易配额。
9.根据权利要求8所述的一种计及需求响应的微能网低碳协同调度装置,其特征在于,所述各聚合单元设备约束条件,包括:
功率平衡约束:
其中,Qload(t)为微能网在t时段的气负荷需求,QBG(t)和QP2G(t)分别为微能网在t时段购买的外部天然气量和电转气装置产生的天然气量;
微能网与上级主网交互约束:
其中,PBmin(t)和PBmax(t)分别为微能网在t时段向上级电网购电的最小和最大功率限值,PSmin(t)和PSmax(t)分别为微能网在t时段向上级电网售电的最小和最大功率限值,QBmin(t)和QBmax(t)分别为微能网在t时段与上级气网的交互的下限和上限;
机组设备约束:
其中,PGTmin(t)和PGTmax(t)分别为燃气轮机在t时段的输出电功率的最小值和最大值,PGBmin(t)和PGBmax(t)分别为燃气锅炉在t时段的输出热功率的最小值和最大值,PP2Gmin(t)和PP2Gmax(t)分别为电转气装置在t时段的输出天然气功率的最小值和最大值,和分别为燃气轮机上、下爬坡速率限值,和分别为燃气锅炉上、下爬坡速率限值,和分别为电转气装置上、下爬坡速率限值;
储能设备约束:
0≤Ss(t)+Sr(t)≤1;
10.根据权利要求9所述的一种计及需求响应的微能网低碳协同调度装置,其特征在于,所述调度模块具体用于,
采用在MATLAB环境下的YALMIP调用商业求解器CPLEX对所构建的目标函数进行求解,得到目标微能网中各个设备的出力。
11.一种存储一个或多个程序的计算机可读存储器,其特征在于:所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据权利要求1至5所述的方法中的任一方法。
12.一种设备,其特征在于:包括,
一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1至5所述的方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211120435.0A CN115659585A (zh) | 2022-09-15 | 2022-09-15 | 计及需求响应的微能网低碳协同调度方法、装置、存储器及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211120435.0A CN115659585A (zh) | 2022-09-15 | 2022-09-15 | 计及需求响应的微能网低碳协同调度方法、装置、存储器及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115659585A true CN115659585A (zh) | 2023-01-31 |
Family
ID=84982890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211120435.0A Pending CN115659585A (zh) | 2022-09-15 | 2022-09-15 | 计及需求响应的微能网低碳协同调度方法、装置、存储器及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115659585A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115860274A (zh) * | 2023-02-22 | 2023-03-28 | 天津滨电电力工程有限公司 | 基于碳约束的源-网-荷-储优化方法、装置及可读介质 |
-
2022
- 2022-09-15 CN CN202211120435.0A patent/CN115659585A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115860274A (zh) * | 2023-02-22 | 2023-03-28 | 天津滨电电力工程有限公司 | 基于碳约束的源-网-荷-储优化方法、装置及可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108154309B (zh) | 计及冷热电多负荷动态响应的能源互联网经济调度方法 | |
CN112464477A (zh) | 计及需求响应的多能耦合综合能源运行仿真方法 | |
CN109146182A (zh) | 计及多种储能的分布式冷热电联供系统的经济调度方法 | |
CN111244939B (zh) | 一种计及需求侧响应的多能互补系统两级优化设计方法 | |
Wang et al. | Optimal scheduling of the RIES considering time-based demand response programs with energy price | |
Xu et al. | Real-time multi-energy demand response for high-renewable buildings | |
CN109543889A (zh) | 一种区域综合能源系统日前协同优化运行方法 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
CN113256045A (zh) | 考虑风光不确定性的园区综合能源系统日前经济调度方法 | |
Dai et al. | Optimization of CCHP integrated with multiple load, replenished energy, and hybrid storage in different operation modes | |
CN113435095A (zh) | 一种用于综合能源系统的优化调度的方法及系统 | |
CN110620403A (zh) | 计及可再生能源的能源系统协同运行日前调度方法及系统 | |
CN111126675A (zh) | 多能互补微网系统优化方法 | |
CN117081143A (zh) | 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法 | |
Meng et al. | Economic optimization operation approach of integrated energy system considering wind power consumption and flexible load regulation | |
Zhang et al. | Economic and Optimal Dispatch Model of Electricity, Heat and Gas for Virtual Power Plants in Parks Considering Low Carbon Targets. | |
CN115659585A (zh) | 计及需求响应的微能网低碳协同调度方法、装置、存储器及设备 | |
CN117439180A (zh) | 一种综合能源系统电碳联动运行方法及装置 | |
Bian et al. | Optimal Planning Method of Integrated Energy System Considering Carbon Cost from the Perspective of the Whole Life Cycle | |
Ma et al. | Optimization of Integrated Energy System Scheduling Considering Stepped Carbon Emission Trading Mechanism and Electricity Heat Demand Response | |
CN112862237A (zh) | 一种综合能源系统参与区域能源网络的调度方法及系统 | |
Qian et al. | Low carbon optimization dispatching of energy intensive industrial park based on adaptive stepped demand response incentive mechanism | |
Sun et al. | Optimal Capacity Configuration of Energy Storage in PV Plants Considering Multi-Stakeholders | |
CN118249422B (zh) | 一种考虑制氢储能的工业虚拟电厂优化调度方法 | |
CN109375588B (zh) | 一种考虑广义需求响应的工厂多能互补优化调度方法 |
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 |