CN115933548A - 一种考虑管网模型的电热综合能源系统模型预测控制方法 - Google Patents
一种考虑管网模型的电热综合能源系统模型预测控制方法 Download PDFInfo
- Publication number
- CN115933548A CN115933548A CN202211043555.5A CN202211043555A CN115933548A CN 115933548 A CN115933548 A CN 115933548A CN 202211043555 A CN202211043555 A CN 202211043555A CN 115933548 A CN115933548 A CN 115933548A
- Authority
- CN
- China
- Prior art keywords
- power
- pipeline
- model
- representing
- time
- 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
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
为充分挖掘热力管网自身储热调节能力,本发明提出一种考虑管网模型的电热综合能源系统模型预测控制方法。基于管道虚拟分解法建立了管道网络模拟动态模型,用于计算管网的延迟时间,该方法与传统舍入方法相比能够有效避免管道分段造成的误差累积问题;制定电热综合能源系统日前调度策略;基于所提出的管道虚拟分解法建立电热综合能源系统日前调度模型;以电网联络线功率和储能预估输出值与日前调度值之间的误差最小为目标,建立电热综合能源系统日内滚动优化模型;通过求解模型得到综合能源系统日内实时控制策略。本方案不仅使得综合能源系统运行更加平稳,并且降低了系统与电网交换功率的波动性,提升了电网运行稳定性,从而提高了新能源的消纳能力。
Description
技术领域
本发明涉及综合能源系统运行与控制领域,尤其涉及一种考虑管网模型的电热综合能源系统模型预测方法。
背景技术
随着不可再生资源的日益枯竭和全球环境问题的越发严重,近年来具有不确定性的可再生能源大规模接入电网对系统灵活性提出了更高的要求。综合能源系统依据各种能源的互补特性进行统一规划运行,其具有调度灵活的特点,但由于综合能源系统内多种能源形势高度耦合,使得综合能源系统运行更加复杂。
在现有的通用管道模型中,管道传输延迟时一般表述为时间间隔的数量,传统的延迟计算方法是需要在介质经过的每一根管道时都进行舍入计算,有可能导致误差累计。不能满足调度的要求。
在现有的预测模型中,新能源出力和负荷在大时间尺度下的预测仍存在不准确的问题,这些问题会导致新能源发出的电力不能够及时被消纳,同时还会引起电网联络线的功率波动。
发明内容
针对以上问题,本发明提出一种考虑管网模型的电热综合能源系统模型预测控制方法。
为实现本发明的目的,提供一种考虑管网模型的电热综合能源系统模型预测控制方法,包括如下步骤:
S1:基于管道虚拟分解法,建立管道网络动态模型;
S2:基于所述管道网络动态模型制定电热综合能源系统日前调度模型;
S3:基于所述电热综合能源系统日前调度模型获取电热综合能源系统的电网联络线功率和储能预估输出值,再基于所述电网联络线功率和储能预估输出值求解电热综合能源系统日内滚动优化模型,并在求解过程中不断修正可调节设备的输出功率,此求解过程即为电热综合能源系统日内实时控制策略。
进一步地,所述管道网络动态模型具体包括:
管道节点流量平衡:
其中,P、i、in和out分别表示管道、道编号、流入节点和流出节点,mk,t表示在t时刻第k根管道内的质量流量,Ω表示节点管道的集合;
温度混合:
其中,和分别表示流出管道的水温和混合后水温;
管道能量损耗:
λi=πdiμ;
其中,Cw表示管道中水的比热容,μ表示管道热损失系数,di表示管道直径,Li表示管道长度,Ta表示环境温度,mi,t表示i管道的质量流量,表示i管道的始端温度,表示i管道的末端温度;
管道传输延迟:
首先,通过上述管道温度损耗模型计算未虚拟分解的主管道的温度损失,再转换热为功率损失,如式:
其中,表示管道的功率损耗,表示主管道末端温度,表示主管道始端温度,m1,t表示主管道的质量流量;
其次,由于主管道的质量流量等于分支管道质量流量之和,通过质量流量权重比求解出各虚拟管道功率损失,如式:
m2,t+m3,t+…+mn,t=m1,t;
其中,i=1,…,n,表示虚拟管道的末端温度,表示虚拟管道的始端温度,mn,t表示虚拟管道的质量流量;
然后,根据介质流经虚拟管道与未虚拟分解的主管道的时间相等求解出各虚拟管道的长度,如式:
其中,ρ、A1…An和L1…Ln'分别表示管道中液体水的密度、管道横截面积和管道长度,
最后,再将虚拟管道长度与对应的分支管道长度相加得到新的管道长度,然后进行时间延迟计算,如式:
其中,Δt表示时间间隔,mi,tΔt表示在t时刻注入管道的水的质量流量,假设在t时刻流入的水质在t+ni,tΔt时刻有水流出,Si,t表示在t时刻到t+ni,tΔt时刻注入管道的水的质量流量,ni,t表示最大延迟时间间隔个数,表示取得的延迟时间间隔个数。
进一步地,所述电热综合能源系统日前调度模型具体包括:
日前调度阶段目标函数表述为:
其中,T表示日前优化调度的总时段数,NDG和Nbat分别表示分布式电源和蓄电池的总个数,cDG和cbat分别表述燃气轮机机组运行的成本和蓄电池维护成本,Pt bat表示储能在t时刻的充放电功率,Pt bat为正值时表示蓄电池向微电网放电,Pt bat为负值时表示微电网对蓄电池充电,和分别表示在t时刻向主网购买和售出电的价格,Pt DG、Pt buy和Pt sell分别为在t时刻燃气轮机输出功率、向主网购电功率和向主网售电功率。
进一步地,所述电热综合能源系统日前调度模型按如下约束:
电力平衡约束:
其中,Pt grid,C、Pt DG,C、Pt bat,C分别表示在t时刻制冷中心的联络线功率、燃气轮机出力和蓄电池出力,Pt PV,C表示t时刻制冷中心屋顶光伏的发电功功率,Pt W表示水冷式制冷设备的功耗,Pt IS表示冰蓄能系统的功耗,表示辅助设备用电;
燃气轮机出力约束,具体包括:
对于燃气轮机上下限约束,如式:PDG,C,min≤Pt DG,C≤PDG,C,max;
其中,PDG,C,min和PDG,C,max分别表示燃气轮机出力的上限和下限;
为了保证分布式电源的使用寿命,对燃气轮机爬坡功率作了限制,如式:
其中,ΔPDG,C,min和ΔPDG,C,max分别表示燃气轮机爬坡的上限和下限,表示上一时刻燃气轮机实处功率;
储能设备的运行约束,如式:
SOCt=SOCt-1(1-rself-dis)-Pt batΔt·ηch/ESB;
SOCt=SOCt-1(1-rself-dis)-Pt batΔt/ηdisESB;
其中,SOCt-1表示t-1时段负荷电量,SOCt表示t时段负荷电量,Pt bat表示t时段蓄电池充/放电功率,其中放电时为正,充电时为负;ηch表示蓄电池的充电效率,ηdis表示蓄电池的放电效率,rself-dis表示蓄电池的自放电率,ESB表示蓄电池装机容量;
配电网潮流约束:
其中,Vi和Vj分别表示i、i节点的电压,Iij和分别表示支路电流和电流的共轭,zij表示支路阻抗,Sij和Sjk表示支路功率,sj表示节点注入功率,集合B表示网络中所有节点集合,集合E表示网络中所有支路集合;
支路潮流模型的相角松弛,去掉电压电力相角,令lij=|Iij|2,vj=|Vj|2;
其中,p和q表示节点注入功率、P和Q表示支路潮流,r和x分别表示支路电阻和电抗;
再对上式进行二阶锥优化转换得:
热力平衡约束:
TCES,s,min≤Tt CES,s≤TCES,s,max;
其中,Cw表示水的比热容,mi,t表示t时刻第i根管道内水的质量流量,表示能源站的输出功率,Tt CES,r和Tt CES,s分别表示回水管道的末端温度和供水管道的首端温度,TCES,s,min和TCES,s,max分别表示供水温度的上限和下限,表示制冷系统连接到建筑物;
考虑蓄冷的制冷系统约束,具体包括:
水冷式制冷机组模型为:
其中,Pt W表示在t时刻水冷式制冷设备消耗的电功率,表示t时刻第i台设备的运行状态,开启/关闭的状态分别用1/0表示,表示水冷式制冷设备在时间t时刻提供的制冷功率,ΩW表示一套水冷式制冷设备,NW表示设备的个数,COPi W表示制冷设备的性能系数,PW,CWP、PW,CP和PW,CT分别表示制冰水泵、制冷水泵和冷却塔的额定功率;
双用途冰蓄冷机组模型:
其中,ND表示双用途蓄冷设备的台数,和分别表示制冷功率和制冰功率,和分别表示蓄冰罐释放的功率和系统总的制冷功率;
双用途冰蓄冷系统两种工作模式下输出功率上下限的约束,如式:
设备在同一时刻只能执行一种工作模式,如式:
其中,ΩD表示一套双用途冰蓄冷设备;
蓄冰罐能量与充放功率之间的关系、蓄冰罐储存的能量限制、蓄冰罐能量充能和放能过程不能同时进行,具体模型表示为:
其中,Wt IT表示蓄冰罐中剩余的能量,εIT表示蓄冰罐的热损失率;
冰蓄能系统功耗模型为:
其中,Pt IS表示冰蓄能系统的电力功耗,COPi D,C和COPi D,I分别表示系统在制冷模式和制冰模式下的性能系数,PD,CP、PD,CT、PEP和PIS,CWP分别表示系统中制冷水泵、冷却塔、乙二醇泵和制冰水泵的额定功率;
供热管网约束,具体包括:
管道节点流量平衡约束,温度混合约束,管道能量损耗约束和管道传输延迟;
负荷端能量平衡约束,表示为:
其中,分别表示室内热功率的消耗功率和注入室内的制冷功率,ρair表示空气密度,Cair表示空气比热容,Vi表示室内体积,表示t时刻室内温度;为了满足调度时计算需要,我们将微分方程进行离散化处理,如式:
其中,ki和Fi建筑i的平均散热系数和表面积,
为了保证用户的舒适度,设定合理的温度范围及温度爬坡速,如式:
-ΔT≤Ti,t-Ti,t-1≤ΔT;
其中,Ti,t表示t时刻建筑物室内温度,Ti,t-1表示t-1时刻建筑物室内温度,ΔT表示时间间隔。
进一步地,所述电热综合能源系统日内滚动优化模型,具体包括如下:
将所述电网联络线输出功率和储能预估输出值作为日内调度的参考值,并以两者分别跟预设的储能日前计划值之间的误差最小为目标;
根据所述电热综合能源系统日前调度模型中各时段的电力平衡约束、热力平衡约束以及储能设备的运行约束计算并得到输出变量Yf:
Yf(k+i|k)=[pgird(k+i|k),SB(k+i|k)];
选取所述电网联络线输出功率和预设的储能日前计划值构成向量Yda,然后将所述向量Yda作为跟踪控制目标,表示为:Yda(k+i)=[pgird(k+i),SB(k+i)],
建立多输入、多输出状态空间模型:
将以燃气轮机机组出力、储能充放电功率、储能迭代方程、微电网与外电网的联络线交换功率以及建筑物温度调节充放能构成的向量X(k)=[PDG(k),Pbat(k),SB(k),Pgrid(k),Pbuilding(k)]T作为状态变量;将以可调度燃气轮机机组、储能和建筑物室内调节的出力增量构成的向量u(k)=[ΔPDG(k),ΔPbat(k),ΔPbuilding(k)]作为控制变量;将以普通电力负荷、制冷负荷及光伏的超短期预测功率增量构成的向量r(k)=[ΔPload,C(k),ΔPPV(k)]作为扰动输入;将以联络线交换功率和储能SOC构成的向量y(k)=[Pgrid(k),SB(k)]T作为输出变量,其中,a、b、c、d分别表示为:
跟现有技术相比,本发明具有以下有益的技术效果:
本发明提出管道虚拟分解法模拟管道网络动态的方法,可以降低多种尺寸管道耦合使用造成误差积累而导致的延迟增大问题。与缩小延迟间隔的方法相比能减少一定的计算量,在解决大规模集中供冷/热系统中的计算问题具有一定优势。
本发明针对日前的可再生能源预测、室外温度预测、电力负荷的预测信息不准确问题,通过模型预测控制方法实时修正。模型预测控制通过将未来一段时间窗内的可再生能源和负荷预测信息作为扰动输入,并将未来一段时间窗内的联络线功率计划值作为跟踪指令,使滚动优化不仅基于模型,同时还充分利用反馈信息构成闭环系统,相比单断面实时优化调度,模型预测控制可以预测未来一段时间的调度,制定更合理的控制策略,有效降低日前的预测不准确的影响。
附图说明
图1是一个实施例的考虑网管模型的电热综合能源系统模型预测控制方法的流程示意图;
图2是一个实施例的改进型IEEE33节点图;
图3是一个实施例的综合能源系统结构图;
图4是一个实施例的管道虚拟分解法示意图;
图5是一个实施例的模型预测控制的原理图;
图6是一个实施例的基于模型预测控制的综合能源系统优化流程图;
图7是一个实施例的无优化的运行结果曲线图;
图8是一个实施例采用本方案优化后的运行结果曲线图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
参考图1所示,图1为一个实施例的考虑网管模型的电热综合能源系统模型预测控制方法的流程示意图,包括如下步骤:
S1:基于管道虚拟分解法,建立管道网络动态模型;
S2:基于所述管道网络动态模型制定电热综合能源系统日前调度模型。电热综合能源系统日前调度模型以经济性为目,以电力平衡约束、燃气轮机出力约束、储能设备的运行约束、配电网潮流约束、热力平衡约束、考虑蓄冷的制冷系统约束、供热管网约束、负荷端能量平衡约束作为约束条件。
S3:基于所述电热综合能源系统日前调度模型获取电热综合能源系统的电网联络线功率和储能预估输出值,再基于所述电网联络线功率和储能预估输出值求解电热综合能源系统日内滚动优化模型,并在求解过程中不断修正可调节设备的输出功率,此求解过程即为电热综合能源系统日内实时控制策略。
S1中基于管道虚拟分解法的管道网络动态模型,具体包括:
(1)管道节点流量平衡:
式中:mk,t为在t时刻第k根管道内的质量流量;
(2)温度混合:
式中:为管道末端的温度,为混合温度;
(3)管道能量损耗:
λi=πdiμ (4)
式中:Cw和μ分别为管道中水的比热容和管道热损失系数。di、Li和Ta分别为管道直径、管道长度和环境温度;
(4)管道传输延迟:首先,通过上述管道温度损耗模型计算未虚拟分解的主管道的温度损失,再转换热为功率损失,如式:
式中:为管道的功率损耗;
其次,由于主管道的质量流量等于分支管道质量流量之和,通过质量流量权重比求解出各虚拟管道功率损失,如式:
m2,t+m3,t+…+mn,t=m1,t (6)
再次,根据介质流经虚拟管道与未虚拟分解的主管道的时间相等求解出各虚拟管道的长度,如式:
式中:ρ、A、L分别表示管道中液体水的密度、管道横截面积和管道长度。
最后,再将虚拟管道长度与对应的分支管道长度相加得到新的管道长度,然后进行时间延迟计算,如式:
式中:Δt为时间间隔,mi,tΔt表示在t时刻注入管道的水质,假设在时间t流入的水质在t+ni,tΔt时有水流出。其中ni,t可由上式求出,参数Si,t表示在时间t到t+ni,tΔt注入管道的水质。
综合能源系统日前调度模型,具体包括:
考虑制冷设备工作状态、系统购售电功率、燃气轮机出力计划以及电池充放电状态,使系统总运行成本最小。日前调度阶段目标函数可表述为:
式中:T为日前优化调度的总时段数;NDG和Nbat分别为分布式电源以及蓄电池的总个数;cDG和cbat分别为燃气轮机机组运行的成本和蓄电池维护成本;Pt bat为储能在t时段的充放电功率,为正值时表示蓄电池向微电网放电,为负值时表示微电网对蓄电池充电;和分别表示在t时刻向主网购售电的价格。
电力平衡约束、燃气轮机出力约束、储能设备的运行约束、配电网潮流约束、热力平衡约束、考虑蓄冷的制冷系统约束、供热管网约束、负荷端能量平衡约束,具体包括:
所述电力平衡约束:
式中:Pt grid,C、Pt DG,C、Pt bat,C为制冷中心的联络线功率、燃气轮机出力和蓄电池出力;Pt PV,C为t时刻制冷中心屋顶光伏的发电功功率,Pt W为水冷式制冷设备的功耗,Pt IS为冰蓄能系统的功耗,为辅助设备用电(管道压力泵等)。
所述燃气轮机出力约束包括:
对于燃气轮机上下限约束,如式:
PDG,C,min≤Pt DG,C≤PDG,C,max (14)
式中:PDG,C,min和PDG,C,max分别为燃气轮机的出力的上限和下限;
为了保证分布式电源的使用寿命,对燃气轮机爬坡功率作了限制,如式:
式中:ΔPDG,C,min和ΔPDG,C,max分别为燃气轮机爬坡的上限和下限。
所述储能设备的运行约束,如式:
SOCt=SOCt-1(1-rself-dis)-Pt batΔt·ηch/ESB (16)
SOCt=SOCt-1(1-rself-dis)-Pt batΔt/ηdisESB (17)
式中:Δt为相邻时段差;SOCt为t时段负荷电量;Pt bat为t时段蓄电池充/放电功率,其中放电时为正,充电时为负;ηch为蓄电池的充电效率;ηdis为蓄电池的放电效率;rself-dis为蓄电池的自放电率;ESB为蓄电池装机容量。
所述配电网潮流约束:
式中:Vi和Vj分别表示i、i节点的电压,Iij和分别表示支路电流和电流的共轭,zij表示支路阻抗,Sij和Sjk表示支路功率,sj表示节点注入功率,集合B表示网络中所有节点集合,集合E表示网络中所有支路集合;
支路潮流模型的相角松弛,去掉电压电力相角,令lij=|Iij|2,vj=|Vj|2;
式中:p、q为节点注入功率、P、Q为支路潮流,r、x分别为支路电阻和电抗,E表示网络中所有支路集合;
再对上式进行二阶锥优化转换得:
所述热力平衡约束:
TCES,s,min≤Tt CES,s≤TCES,s,max (28)
式中:Cw表示水的比热容,mi,t表示t时刻第i根管道内水的质量流量,表示能源站的输出功率,Tt CES,r和Tt CES,s分别表示回水管道的末端温度和供水管道的首端温度,TCES,s,min和TCES,s,max分别表示供水温度的上限和下限,表示制冷系统连接到建筑物。
所述考虑蓄冷的制冷系统约束,具体包括:
(1)水冷式制冷机组模型为:
式中:Pt W表示在t时刻水冷式制冷设备消耗的电功率,表示t时刻第i台设备的运行状态,开启/关闭的状态分别用1/0表示,Rt W表示水冷式制冷设备在时间t时刻提供的制冷功率,ΩW表示一套水冷式制冷设备,NW表示设备的个数,COPi W表示制冷设备的性能系数,PW,CWP、PW,CP和PW,CT分别表示制冰水泵、制冷水泵和冷却塔的额定功率;
(2)双用途冰蓄冷机组模型:
式中:ND表示双用途蓄冷设备的台数,和分别表示制冷功率和制冰功率,和分别表示蓄冰罐释放的功率和系统总的制冷功率;
双用途冰蓄冷系统两种工作模式下输出功率上下限的约束,如式:
设备在同一时刻只能执行一种工作模式,如式:
式中:ΩD为一套双用途冰蓄冷设备;
蓄冰罐能量与充放功率之间的关系、蓄冰罐储存的能量限制、蓄冰罐能量充能和放能过程不能同时进行,具体模型为:
式中:Wt IT表示蓄冰罐中剩余的能量,εIT表示蓄冰罐的热损失率;
冰蓄能系统功耗模型为:
式中:Pt IS表示冰蓄能系统的电力功耗,COPi D,C和COPi D,I分别表示系统在制冷模式和制冰模式下的性能系数,PD,CP、PD,CT、PEP和PIS,CWP分别表示系统中制冷水泵、冷却塔、乙二醇泵和制冰水泵的额定功率。
供热管网约束包括:
管道节点流量平衡约束,温度混合约束,管道能量损耗约束和管道传输延迟。
所述负荷端能量平衡约束:
式中分别表示室内热功率的消耗功率和注入室内的制冷功率,ρair表示空气密度,Cair表示空气比热容,Vi表示室内体积,表示t时刻室内温度;为了满足调度时计算需要,我们将微分方程进行离散化处理,如式:
为了保证用户的舒适度有必要设定合理的温度范围及温度爬坡速,如式:
-ΔT≤Ti,t-Ti,t-1≤ΔT (46)
电热综合能源系统日内滚动优化模型,具体包括:
将所述电网联络线输出功率和储能预估输出值作为日内调度的参考值,在日内调度过程中尽可能保证联络线功率遵循日前调度计划值,因此选取电网联络线输出功率和储能预估输出值,以两者分别与日前计划值之间的误差最小为目标:
根据电热综合能源系统日前调度模型各时段功率平衡方程(电力平衡约束和热力平衡约束)及储能迭代方程(储能设备的运行约束)求得输出变量对应Yf为:Yf(k+i|k)=[pgird(k+i|k),SB(k+i|k)];选取电网联络线输出功率和预设的储能日前计划值构成的向量Yda作为跟踪控制目标;Yda为:Yda(k+i)=[pgird(k+i),SB(k+i)]。
由于空间状态模型能够多输入多输出控制过程,并显式地处理状态量和输入约束。因此本发明以包含微型燃气轮机、储能装置、光伏、制冷负荷及普通电力负荷等构成的并网型综合能源系统为例,建立如下的多输入、多输出状态空间模型:
将以燃气轮机机组出力、储能充放电功率、储能迭代方程、微电网与外电网的联络线交换功率以及建筑物温度调节充放能构成的向量X(k)=[PDG(k),Pbat(k),SB(k),Pgrid(k),Pbuilding(k)]T作为状态变量;将以可调度燃气轮机机组、储能和建筑物室内调节的出力增量构成的向量u(k)=[ΔPDG(k),ΔPbat(k),ΔPbuilding(k)]作为控制变量;将以普通电力负荷、制冷负荷及光伏的超短期预测功率增量构成的向量r(k)=[ΔPload,C(k),ΔPPV(k)]作为扰动输入;将以联络线交换功率和储能SOC构成的向量y(k)=[Pgrid(k),SB(k)]T作为输出变量,其中,a、b、c、d分别表示为:
目标函数所描述的二次规划模型可以通过调用MATLAB优化工具箱提供的二次规划quadprog函数进行求解。求解之后便可得到控制时域PΔt内所有机组出力调整量构成的优化控制序列,在该调度时刻仅下发当前时刻向后的第一个调度周期的控制序列。等待下一个调度周期到来时,重复上述滚动优化过程。
在一个实施例中采用改进型IEEE33节点标准算例如图2所示,其中包含9处热负荷和1个制冷中心。制冷中心的结构简图如图3所示,制冷中心产生的能量通过热力管网向各个建筑物供冷,上述管道虚拟分解法如图4所示,仿真时长为24小时,步长为5分钟。采用本方案所提出的基于模型预测控制的电热综合能源系统日内实时控制策略对其进行优化计算,其原理图如图5所示,执行过程如图6所示,仿真结果如图7和图8所示。与未进行优化的结果进行相比。图7为未进行模拟性预测控制时配电网联络母线交换功率曲线图,图8为采用本方案提出的模型预测控制进行优化后的配电网联络母线交换功率曲线图。如果不实施基于模型预测控制的日内滚动优化,联络线功率在计划值附近上下波动,难以实现配电网的平稳运行。因此,本发明能够平抑大规模不确定性新能源接入引起的电网负荷波动。
随着能源和环境问题日益突出,逐步改变能源结构、发展可再生能源已经成为共识。但可再生能源如太阳能、风能具有随机性和间歇性等特点,其大规模接入电网后,对电力系统的运行与调度也带来了极大挑战。因此,本发明一种考虑管网模型的电热综合能源系统模型预测控制方法,该方案通过优化手段能够平抑电网交换功率的随机波动,提升系统运行的稳定性,提高新能源的接纳能力。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
需要说明的是,本申请实施例所涉及的术语“第一\第二\第三”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换,以使这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
本申请实施例的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、装置、产品或设备没有限定于已列出的步骤或模块,而是可选地还包括没有列出的步骤或模块,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种考虑管网模型的电热综合能源系统模型预测控制方法,其特征在于,包括如下步骤:
S1:基于管道虚拟分解法,建立管道网络动态模型;
S2:基于所述管道网络动态模型制定电热综合能源系统日前调度模型;
S3:基于所述电热综合能源系统日前调度模型获取电热综合能源系统的电网联络线功率和储能预估输出值,再基于所述电网联络线功率和储能预估输出值求解电热综合能源系统日内滚动优化模型,并在求解过程中不断修正可调节设备的输出功率,此求解过程即为电热综合能源系统日内实时控制策略。
2.根据权利要求1所述的一种考虑管网模型的电热综合能源系统模型预测控制方法,其特征在于,
所述管道网络动态模型具体包括:
管道节点流量平衡:
其中,P、i、in和out分别表示管道、道编号、流入节点和流出节点,mk,t表示在t时刻第k根管道内的质量流量,Ω表示节点管道的集合;
温度混合:
其中,和分别表示流出管道的水温和混合后水温;
管道能量损耗:
λi=πdiμ;
其中,Cw表示管道中水的比热容,μ表示管道热损失系数,di表示管道直径,Li表示管道长度,Ta表示环境温度,mi,t表示i管道的质量流量,表示i管道的始端温度,表示i管道的末端温度;
管道传输延迟:
首先,通过上述管道温度损耗模型计算未虚拟分解的主管道的温度损失,再转换热为功率损失,如式:
其中,表示管道的功率损耗,表示主管道末端温度,表示主管道始端温度,m1,t表示主管道的质量流量;
其次,由于主管道的质量流量等于分支管道质量流量之和,通过质量流量权重比求解出各虚拟管道功率损失,如式:
m2,t+m3,t+…+mn,t=m1,t;
其中,i=1,…,n,表示虚拟管道的末端温度,表示虚拟管道的始端温度,mn,t表示虚拟管道的质量流量;
然后,根据介质流经虚拟管道与未虚拟分解的主管道的时间相等求解出各虚拟管道的长度,如式:
其中,ρ、A1…An和L1…Ln'分别表示管道中液体水的密度、管道横截面积和管道长度,
最后,再将虚拟管道长度与对应的分支管道长度相加得到新的管道长度,然后进行时间延迟计算,如式:
其中,Δt表示时间间隔,mi,tΔt表示在t时刻注入管道的水的质量流量,假设在t时刻流入的水质在t+ni,tΔt时刻有水流出,Si,t表示在t时刻到t+ni,tΔt时刻注入管道的水的质量流量,ni,t表示最大延迟时间间隔个数,表示取得的延迟时间间隔个数。
3.根据权利要求2所述的一种考虑管网模型的电热综合能源系统模型预测控制方法,其特征在于,
所述电热综合能源系统日前调度模型具体包括:
日前调度阶段目标函数表述为:
其中,T表示日前优化调度的总时段数,NDG和Nbat分别表示分布式电源和蓄电池的总个数,cDG和cbat分别表述燃气轮机机组运行的成本和蓄电池维护成本,Pt bat表示储能在t时刻的充放电功率,Pt bat为正值时表示蓄电池向微电网放电,Pt bat为负值时表示微电网对蓄电池充电,和分别表示在t时刻向主网购买和售出电的价格,Pt DG、Pt buy和Pt sell分别为在t时刻燃气轮机输出功率、向主网购电功率和向主网售电功率。
4.根据权利要求3所述的一种考虑管网模型的电热综合能源系统模型预测控制方法,其特征在于,所述电热综合能源系统日前调度模型按如下约束:
电力平衡约束:
其中,Pt grid,C、Pt DG,C、Pt bat,C分别表示在t时刻制冷中心的联络线功率、燃气轮机出力和蓄电池出力,Pt PV,C表示t时刻制冷中心屋顶光伏的发电功功率,Pt W表示水冷式制冷设备的功耗,Pt IS表示冰蓄能系统的功耗,表示辅助设备用电;
燃气轮机出力约束,具体包括:
对于燃气轮机上下限约束,如式:PDG,C,min≤Pt DG,C≤PDG,C,max;
其中,PDG,C,min和PDG,C,max分别表示燃气轮机出力的上限和下限;
为了保证分布式电源的使用寿命,对燃气轮机爬坡功率作了限制,如式:
其中,ΔPDG,C,min和ΔPDG,C,max分别表示燃气轮机爬坡的上限和下限,表示上一时刻燃气轮机实处功率;
储能设备的运行约束,如式:
SOCt=SOCt-1(1-rself-dis)-Pt batΔt·ηch/ESB;
SOCt=SOCt-1(1-rself-dis)-Pt batΔt/ηdisESB;
其中,SOCt-1表示t-1时段负荷电量,SOCt表示t时段负荷电量,Pt bat表示t时段蓄电池充/放电功率,其中放电时为正,充电时为负;ηch表示蓄电池的充电效率,ηdis表示蓄电池的放电效率,rself-dis表示蓄电池的自放电率,ESB表示蓄电池装机容量;
配电网潮流约束:
其中,Vi和Vj分别表示i、i节点的电压,Iij和分别表示支路电流和电流的共轭,zij表示支路阻抗,Sij和Sjk表示支路功率,sj表示节点注入功率,集合B表示网络中所有节点集合,集合E表示网络中所有支路集合;
支路潮流模型的相角松弛,去掉电压电力相角,令lij=|Iij|2,vj=|Vj|2;
其中,p和q表示节点注入功率、P和Q表示支路潮流,r和x分别表示支路电阻和电抗;
再对上式进行二阶锥优化转换得:
热力平衡约束:
TCES,s,min≤Tt CES,s≤TCES,s,max;
其中,Cw表示水的比热容,mi,t表示t时刻第i根管道内水的质量流量,表示能源站的输出功率,Tt CES,r和Tt CES,s分别表示回水管道的末端温度和供水管道的首端温度,TCES,s,min和TCES,s,max分别表示供水温度的上限和下限,表示制冷系统连接到建筑物;
考虑蓄冷的制冷系统约束,具体包括:
水冷式制冷机组模型为:
其中,Pt W表示在t时刻水冷式制冷设备消耗的电功率,表示t时刻第i台设备的运行状态,开启/关闭的状态分别用1/0表示,表示水冷式制冷设备在时间t时刻提供的制冷功率,ΩW表示一套水冷式制冷设备,NW表示设备的个数,COPi W表示制冷设备的性能系数,PW ,CWP、PW,CP和PW,CT分别表示制冰水泵、制冷水泵和冷却塔的额定功率;
双用途冰蓄冷机组模型:
其中,ND表示双用途蓄冷设备的台数,和分别表示制冷功率和制冰功率,和分别表示蓄冰罐释放的功率和系统总的制冷功率;
双用途冰蓄冷系统两种工作模式下输出功率上下限的约束,如式:
设备在同一时刻只能执行一种工作模式,如式:
其中,ΩD表示一套双用途冰蓄冷设备;
蓄冰罐能量与充放功率之间的关系、蓄冰罐储存的能量限制、蓄冰罐能量充能和放能过程不能同时进行,具体模型表示为:
其中,Wt IT表示蓄冰罐中剩余的能量,εIT表示蓄冰罐的热损失率;
冰蓄能系统功耗模型为:
其中,Pt IS表示冰蓄能系统的电力功耗,COPi D,C和COPi D,I分别表示系统在制冷模式和制冰模式下的性能系数,PD,CP、PD,CT、PEP和PIS,CWP分别表示系统中制冷水泵、冷却塔、乙二醇泵和制冰水泵的额定功率;
供热管网约束,具体包括:
管道节点流量平衡约束,温度混合约束,管道能量损耗约束和管道传输延迟;
负荷端能量平衡约束,表示为:
其中,分别表示室内热功率的消耗功率和注入室内的制冷功率,ρair表示空气密度,Cair表示空气比热容,Vi表示室内体积,表示t时刻室内温度;为了满足调度时计算需要,我们将微分方程进行离散化处理,如式:
其中,ki和Fi建筑i的平均散热系数和表面积,
为了保证用户的舒适度,设定合理的温度范围及温度爬坡速,如式:
-ΔT≤Ti,t-Ti,t-1≤ΔT;
其中,Ti,t表示t时刻建筑物室内温度,Ti,t-1表示t-1时刻建筑物室内温度,ΔT表示时间间隔。
5.根据权利要求4所述的一种考虑管网模型的电热综合能源系统模型预测控制方法,其特征在于,所述电热综合能源系统日内滚动优化模型,具体包括如下:
将所述电网联络线输出功率和储能预估输出值作为日内调度的参考值,并以两者分别跟预设的储能日前计划值之间的误差最小为目标;
根据所述电热综合能源系统日前调度模型中各时段的电力平衡约束、热力平衡约束以及储能设备的运行约束计算并得到输出变量Yf:
Yf(k+i|k)=[pgird(k+i|k),SB(k+i|k)];
选取所述电网联络线输出功率和预设的储能日前计划值构成向量Yda,然后将所述向量Yda作为跟踪控制目标,表示为:Yda(k+i)=[pgird(k+i),SB(k+i)],
建立多输入、多输出状态空间模型:
将以燃气轮机机组出力、储能充放电功率、储能迭代方程、微电网与外电网的联络线交换功率以及建筑物温度调节充放能构成的向量X(k)=[PDG(k),Pbat(k),SB(k),Pgrid(k),Pbuilding(k)]T作为状态变量;将以可调度燃气轮机机组、储能和建筑物室内调节的出力增量构成的向量u(k)=[ΔPDG(k),ΔPbat(k),ΔPbuilding(k)]作为控制变量;将以普通电力负荷、制冷负荷及光伏的超短期预测功率增量构成的向量r(k)=[ΔPload,C(k),ΔPPV(k)]作为扰动输入;将以联络线交换功率和储能SOC构成的向量y(k)=[Pgrid(k),SB(k)]T作为输出变量,其中,a、b、c、d分别表示为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211043555.5A CN115933548A (zh) | 2022-08-29 | 2022-08-29 | 一种考虑管网模型的电热综合能源系统模型预测控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211043555.5A CN115933548A (zh) | 2022-08-29 | 2022-08-29 | 一种考虑管网模型的电热综合能源系统模型预测控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115933548A true CN115933548A (zh) | 2023-04-07 |
Family
ID=86652881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211043555.5A Pending CN115933548A (zh) | 2022-08-29 | 2022-08-29 | 一种考虑管网模型的电热综合能源系统模型预测控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115933548A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117890667A (zh) * | 2024-03-14 | 2024-04-16 | 杭州欣美成套电器制造有限公司 | 标准化计量箱的电力能源消耗监测方法及系统 |
-
2022
- 2022-08-29 CN CN202211043555.5A patent/CN115933548A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117890667A (zh) * | 2024-03-14 | 2024-04-16 | 杭州欣美成套电器制造有限公司 | 标准化计量箱的电力能源消耗监测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109919478B (zh) | 一种考虑综合供能可靠性的综合能源微网规划方法 | |
Yang et al. | Efficient improvement of photovoltaic-battery systems in standalone DC microgrids using a local hierarchical control for the battery system | |
CN105811409B (zh) | 一种含电动汽车混合储能系统的微网多目标运行调度方法 | |
CN103346562B (zh) | 计及需求响应的多时间尺度微网能量控制方法 | |
CN109004686A (zh) | 一种考虑冰蓄冷空调多模式的冷热电联供型微网系统 | |
CN102664401B (zh) | 一种基于电池寿命模型的微电网控制方法 | |
CN105787605A (zh) | 基于改进型量子遗传算法的微网经济优化运行调度方法 | |
Gbadega et al. | Impact of incorporating disturbance prediction on the performance of energy management systems in micro-grid | |
Kumar et al. | Design and performance analysis of PV grid-tied system with energy storage system | |
CN110165715A (zh) | 一种将电动汽车储能式充电站接入虚拟电厂的方法 | |
CN109494813A (zh) | 一种电力调度方法、电子设备及存储介质 | |
CN112085263A (zh) | 一种用户侧分布式能源系统混合储能优化配置方法和系统 | |
Qiu et al. | Planning optimization for islanded microgrid with electric-hydrogen hybrid energy storage system based on electricity cost and power supply reliability | |
Li et al. | Capacity optimization of clean renewable energy in power grid considering low temperature environment constraint | |
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 | |
Singh et al. | Stochastic impact assessment of phev charger levels in a microgrid | |
Ran et al. | Economic dispatch of off-grid photovoltaic generation system with hybrid energy storage | |
CN115933548A (zh) | 一种考虑管网模型的电热综合能源系统模型预测控制方法 | |
Shi et al. | Economic operation of industrial microgrids with multiple kinds of flexible loads | |
CN110649639B (zh) | 计及电热系统运行与损失成本的区域电网优化调度方法 | |
Fan et al. | The hybrid energy storage microgrid optimization operation considering the battery health state | |
Li et al. | Research on multi-objective optimization model of industrial microgrid considering demand response technology and user satisfaction | |
CN112103955A (zh) | 一种综合能源系统的电储能事故备用容量优化利用方法 | |
Cuiqing et al. | A hybrid ac/dc microgrid energy management strategy based on neural network | |
Qing et al. | Optimized operating strategy for a distribution network containing BESS and renewable energy |
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 |