CN115986833A - 考虑两阶段需求响应的热电联供微网低碳经济调度方法 - Google Patents

考虑两阶段需求响应的热电联供微网低碳经济调度方法 Download PDF

Info

Publication number
CN115986833A
CN115986833A CN202211569170.2A CN202211569170A CN115986833A CN 115986833 A CN115986833 A CN 115986833A CN 202211569170 A CN202211569170 A CN 202211569170A CN 115986833 A CN115986833 A CN 115986833A
Authority
CN
China
Prior art keywords
time
power
load
cost
tst
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
CN202211569170.2A
Other languages
English (en)
Inventor
杨晓辉
邓叶恒
王晓鹏
张钟炼
梅凌昊
邓福伟
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.)
Nanchang University
Original Assignee
Nanchang University
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 Nanchang University filed Critical Nanchang University
Priority to CN202211569170.2A priority Critical patent/CN115986833A/zh
Publication of CN115986833A publication Critical patent/CN115986833A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种考虑两阶段需求响应的热电联供微网低碳经济调度方法。首先对热电联供型微电网(CHP‑MG)系统中的设备建模，然后在系统需求侧引入两阶段需求响应模型对系统的预测负荷进行多次优化，以系统运行成本、碳排放成本和环境成本之和最小为优化目标，再对整个系统引入机会约束规划模型应对风光和电‑热转移负荷的不确定性，最后利用商业求解软件Gurobi对系统模型进行求解得到最优调度方案。本发明提出的方法可以在满足用户用电需求的前提下，有效提升系统的能源利用率，并降低经济成本，减少对环境的污染。

Description

考虑两阶段需求响应的热电联供微网低碳经济调度方法
技术领域
本发明属于电力系统技术领域，具体涉及一种考虑两阶段需求响应的热电联供微网低碳经济调度方法。
背景技术
目前，在分布式能源和环境问题广受关注的背景下。热电联供型微电网(CombinedHeat and Power Microgrid,CHP-MG)能够比较高效的利用可再生能源，因此，CHP-MG的经济调度运行广受大家的关注。需求侧管理(Demand side management,DSM)由美国电力科学院提出，随即朝着电力化需求响应(Demand Response,DR)发展，并且电力市场下的DR主要包括基于价格的DR和基于激励的DR。在CHP-MG系统的运行调度中的需求侧引入两阶段需求响应模型可以很有效的降低系统的运行成本。同时，随着国家“碳达峰、碳中和”的政策推出，我们在系统运行的过程中又必须考虑碳排放和环境污染问题。现有系统的调度中大多没有碳交易模型和环境成本模型来兼顾系统的经济性与低碳环保性。在CHP-MG的运行中，现有技术比较少考虑系统的不确定性量。
发明内容
针对上述问题，本发明提出了一种考虑两阶段需求响应的热电联供微网低碳经济调度方法，在系统的调度中加入碳交易模型和环境成本模型来兼顾系统的经济性与低碳环保性。最后在CHP-MG的运行中，加入机会约束规划模型来考虑系统的不确定性量。这种方法能提升系统的能源利用效率，有效降低运行成本和碳排放，在满足供电可靠率和用户需求的前提下，求取系统的最佳调度方案结果。
本发明提出了一种考虑两阶段需求响应的热电联供微网低碳经济调度方法，具体设计方案如下：
(1)对CHP-MG低碳经济系统的设备建模；
(2)构建两阶段需求响应，得到最优分时电价；
(3)建立系统的碳阶梯交易模型和成本函数；
(4)运用机会约束规划方法应对系统内的不确定性量；
(5)运用求解软件Gurobi求解最优系统调度方案。
进一步的，所述步骤(1)中CHP-MG系统设备包括光伏设备、风电设备、微型燃气轮机、蓄电池、蓄热槽、电热设备，具体为：
微型燃气轮机：
Figure BDA0003987361400000021
QMT_h(t)＝QMT(t)ηhCOPho
蓄电池：
Figure BDA0003987361400000022
0.2Eb.min≤Eb(t)≤0.8Eb.max
蓄热槽：
Figure BDA0003987361400000023
0.2HTST.min≤HTST(t)≤0.8HTST.max
电热设备：
QEB(t)＝PEB(t)ηeb
式中：QMT(t)、PMT(t)、ηMT(t)为t时刻MT的排气余热量、发电功率和发电效率；ηL为散热损失系数；QMT_h(t)为t时刻溴冷机制热量；COPho是溴冷机的制热系数、ηh是溴冷机的烟气回收率；Δt为调度的周期，设置为1h；Eb(t)、τ分别是t时刻BT容量和自放电率；Pb.ch(t)、Pb.dis(t)和ηbch、ηbdis分别是t时刻BT的充放电功率和效率；Eb.min、Eb.max分别是BT最小容量、最大容量；HTST(t)、μT分别是t时刻TST的容量和散热损失率；Qch(t)、Qdis(t)和ηhch、ηhdis分别是t时刻TST的充放热功率和效率；HTST.min、HTST.max分别是TST最小容量、最大容量；QEB(t)、PEB(t)分别为t时刻EB制热功率和用电；ηeb为EB电热转换效率。
进一步的，所述步骤(2)中中引入的两阶段需求响应是为了能够多次优化预测负荷降低系统运行成本，具体为：
第一阶段的需求响应构建的是一个价格型的需求响应模型，以预测负荷的峰谷差最小以及用户满意度最优为多目标函数，利用多目标遗传算法求解得到最优的分时电价以及在此基础上得到削峰填谷后的第一次优化负荷。目标函数如下：
Figure BDA0003987361400000031
Figure BDA0003987361400000032
Figure BDA0003987361400000033
式中：Pl.max为优化后的负荷最大值；Pl.min为优化后的负荷最小值；λl为用户用电习惯满意度权重；λm为用户电费支出的满意度权重；Sl是用户用电习惯满意度；Sm是用户用电支付费用满意度；Δqi是i时刻用户用电量的变化量；qi是i时刻用户用电量；ΔCi是i时刻用户的用电支出变化量；Ci是i时刻用户的用电支出；
第二阶段的需求响应是激励性的需求响应模型，优化后的负荷可以在激励的影响下让用户在不影响自身的用能舒适度的情况下进行再次调节，可以进行电负荷的削减和电热负荷的转移。模型搭建如下：
Pc(t)＝Pc.old(t)-ΔPc(t)
Pt(t)＝Pt.old(t)-ΔPt(t)
Qt(t)＝Qt.old(t)+ηeΔPt(t)
Pl(t)＝Pn(t)+Pc(t)+Pt(t)
激励补偿费用：
Figure BDA0003987361400000034
式中：Pc(t)为时刻t居民用户参与激励响应之后的可控负荷用电功率；Pc.old(t)为时刻t居民用户没有参与激励响应之前的可控负荷用电功率；ΔPc(t)为居民用户在时刻t参与响应时可控负荷的削减量；Pt(t)为时刻t居民用户参与转移响应之后的可转移负荷功率；Pt.old(t)为时刻t居民用户在没有参与转移响应之前的可转移负荷功率；ΔPt(t)为时刻t居民用户参与响应时的转移电功率；ηe为折算系数；Qt(t)为燃气供应热负荷需求；Qt.old(t)为时刻t内居民用户参与响应之前的燃气供热负荷需求功率；Pl(t)为t时刻的电负荷功率；Pn(t)为所有用户时刻t内的固定负荷；Cd1(t)为用户在时刻t削减单位电功率可得补偿费用；Cd2(t)为用户在时刻t转移单位电热功率可得的补偿费用。
通过激励手段对负荷进行第二次的优化。
进一步的，所述步骤(3)中搭建的碳阶梯交易模型和成本函数模型如下：
Figure BDA0003987361400000041
Figure BDA0003987361400000042
F＝F1+F2+F3+ηtreatF4
Figure BDA0003987361400000043
式中：EL(t)为系统t时刻的配额碳排放；Ec(t)为系统t时刻的实际碳排放；μ为交易每kg碳排的价格；d为碳排放量区间长度；h为碳排每上升1阶梯μ的增长幅度；F2(t)为系统在t时刻的碳排放成本；当Ec(t)＜EL(t)时，F2(t)为负值，表示系统可以在碳交易市场中出售配额，使系统获得碳收益；F3为系统的设备运行成本；CGrid(t)为时刻t系统的购电成本；CMT(t)为时刻t的MT的发电成本；Cb(t)为时刻t的GB的运行成本；Ce(t)为时刻t的BT的运行成本；F4为系统运行的环境成本；Ctreat(t)为时刻t治理污染物的成本；F为系统总的运行成本；ηtreat为给环境成本配置的权重。
进一步的，所述步骤(1)中设备的运行约束以及所述步骤(3)中成本目标函数的约束，具体如下：
电功率平衡约束：
Pwt(t)+Ppv(t)+PMT(t)+PGrid(t)+Pb.dis(t)＝Pl(t)+Pb.ch(t)+PEB(t)
热功率平衡约束：
QMT_h(t)+Qdis(t)+QGB(t)+QEB(t)＝Ql(t)+Qch(t)
功率上下限约束与设备的爬坡约束：
Figure BDA0003987361400000051
Figure BDA0003987361400000052
另外BT和TST的状态表示量也存在约束，如下式：
Figure BDA0003987361400000053
式中：Pwt(t)为t时刻风电出力；Ppv(t)为t时刻光电出力；PGrid(t)为t时刻外购电力；PMT.min、PMT.max和
Figure BDA0003987361400000054
Figure BDA0003987361400000055
分别是MT的输出功率的最小值、最大值和爬坡的下限值、上限值；I1(t)是MT在时刻t内启停状态表示，0为停运，1为运行；QGB(t)为t时刻GB的热出力；Ql(t)为t时刻热负荷；QGB.min、QGB.max和
Figure BDA0003987361400000056
分别是GB的输出功率的最小值、最大值和爬坡的下限值、上限值；I2(t)是GB在时刻t内启停状态表示，0为停运，1为运行；Pb.ch.min、Pb.ch.max和
Figure BDA0003987361400000057
分别是BT的充电功率的最小值、最大值和充电爬坡的下限值、上限值；I3(t)是BT在时刻t内充电状态表示，0为不充电状态，1为充电状态；Pb.dis.min、Pb.dis.max和
Figure BDA0003987361400000058
分别是BT的放电功率的最小值、最大值和放电爬坡的下限值、上限值；I4(t)是BT在时刻t内放电状态表示，0为不放电状态，1为放电状态；QTST.ch.min、QTST.ch.max和
Figure BDA0003987361400000059
分别是TST的充热功率的最小值、最大值和充热爬坡的下限值、上限值；I5(t)是TST在时刻t内充热状态表示，0为不充热状态，1为充热状态；QTST.dis.min、QTST.dis.max和
Figure BDA00039873614000000510
分别是TST的放热功率的最小值、最大值和放热爬坡的下限值、上限值；I6(t)是TST在时刻t内放热状态表示，0为不放热状态，1为放热状态；T取24。
进一步的，运用机会约束规划方法应对系统内的不确定性量。将不确定量表达如下：
Figure BDA0003987361400000061
Figure BDA0003987361400000062
通过机会约束规划方法可以把电功率平衡约束转化为：
PMT(t)+PGrid(t)+Pb.dis(t)-Pb.ch(t)-Pl(t)-PEB(t)≥zs(t)
Figure BDA0003987361400000063
式中：δwt(t)为风电实际出力和预测出力的偏差；δpv(t)为光电实际出力和预测出力的偏差；δt(t)为电热转移负荷的实际转移和预测转移的偏差；Pwt0(t)、Ppv0(t)和Pt0(t)分别是风电、光电和电热转移负荷的预测值；σwt(t)、σpv(t)和σt(t)分别是风电、光电和电热转移负荷的标准差；PWTN、PPVN分别是风电和光电的装机容量；μt(t)、μwt(t)和μpv(t)为期望值；zα为标准正态分布的α分位数。
进一步的，所述步骤(5)求解方法，具体如下：
1)将原始的预测负荷输入到第一阶段的需求响应模型中，根据多目标遗传算法求解负荷峰谷差最小和用户满意度最优的分时电价，以及该分时电价下对原负荷进行削峰填谷得到的一条优化的预测负荷。
2)将第一阶段优化的预测负荷输入第二阶段需求响应模型中，根据用户在激励下的响应对负荷进行削减和转换得到一条新的预测负荷。
3)在系统中加入碳阶梯交易模型和环境成本模型考虑碳交易成本和环境成本，对环境成本配置一定的权重。构建以系统运行成本、激励成本、碳交易成本和环境成本之和最小的目标函数。
4)在系统中加入机会约束规划模型应对分布式能源以及电-热转移负荷的不确定性。
5)在各种约束条件下，通过商业求解软件Gurobi求解得到最优运行结果。
与现有技术相比，本发明的优点和积极效果在于：
本发明针对含有分布式能源的CHP-MG，通过在需求侧考虑双阶段需求响应，在系统运行中引入碳交易模型和机会约束规划模型，建立一个考虑两阶段需求响应的热电联供微电网低碳经济调度模型。
1)通过电价信号和激励补偿的引导，使得用户自发的改变用电和用热习惯，为CHP-MG的运行提供了优化空间，让系统的调度更加的灵活和经济。
2)同时在CHP-MG的运行过程中，考虑碳交易和环境成本，有效的限制了系统的二氧化碳和污染物的排放。
3)在应对源荷的不确定性上，本发明所采用的机会约束方法，对风光的消纳有一定的提高，减少了不确定性变量对系统的影响。
附图说明
图1为本发明CHP-MG调度系统能量流动结构图；
图2为本发明实例中两阶段需求响应所得到的优化负荷图；
图3为本发明实例中场景二和场景三碳排放结果图。
具体实施方式
下面结合具体实施例和附图，进一步阐明本发明，本发明提出了一种基于两阶段需求响应热电联供微网低碳经济调度系统结构图如图1所示，为提高系统的能量使用效率，建立两阶段需求响应模型，具体实施步骤如下：
(1)对CHP-MG设备建模
CHP-MG系统结构图如图1所示，系统组件包括光伏设备、风电设备、微型燃气轮机、蓄电池、蓄热槽、电热设备，具体为：
微型燃气轮机：
Figure BDA0003987361400000071
QMT_h(t)＝QMT(t)ηhCOPho
蓄电池：
Figure BDA0003987361400000081
0.2Eb.min≤Eb(t)≤0.8Eb.max
蓄热槽：
Figure BDA0003987361400000082
0.2HTST.min≤HTST(t)≤0.8HTST.max
电热设备：
QEB(t)＝PEB(t)ηeb
式中：QMT(t)、PMT(t)、ηMT(t)为t时刻MT的排气余热量、发电功率和发电效率；ηL为散热损失系数；QMT_h(t)为t时刻溴冷机制热量；COPho是溴冷机的制热系数、ηh是溴冷机的烟气回收率；Δt为调度的周期，设置为1h；Eb(t)、τ分别是t时刻BT容量和自放电率；Pb.ch(t)、Pb.dis(t)和ηbch、ηbdis分别是t时刻BT的充放电功率和效率；Eb.min、Eb.max分别是BT最小容量、最大容量；HTST(t)、μT分别是t时刻TST的容量和散热损失率；Qch(t)、Qdis(t)和ηhch、ηhdis分别是t时刻TST的充放热功率和效率；HTST.min、HTST.max分别是TST最小容量、最大容量；QEB(t)、PEB(t)分别为t时刻EB制热功率和用电；ηeb为EB电热转换效率。
(2)构建两阶段需求响应，得到最优分时电价
引入的两阶段需求响应是为了能够多次优化预测负荷降低系统运行成本，具体为：
第一阶段的需求响应构建的是一个价格型的需求响应模型，以预测负荷的峰谷差最小以及用户满意度最优为多目标函数，利用多目标遗传算法求解得到最优的分时电价以及在此基础上得到削峰填谷后的第一次优化负荷。目标函数如下：
Figure BDA0003987361400000083
Figure BDA0003987361400000091
Figure BDA0003987361400000092
式中：Pl.max为优化后的负荷最大值；Pl.min为优化后的负荷最小值；λl为用户用电习惯满意度权重；λm为用户电费支出的满意度权重；Sl是用户用电习惯满意度；Sm是用户用电支付费用满意度；Δqi是i时刻用户用电量的变化量；qi是i时刻用户用电量；ΔCi是i时刻用户的用电支出变化量；Ci是i时刻用户的用电支出；
第二阶段的需求响应是激励性的需求响应模型，优化后的负荷可以在激励的影响下让用户在不影响自身的用能舒适度的情况下进行再次调节，可以进行电负荷的削减和电热负荷的转移。模型搭建如下：
Pc(t)＝Pc.old(t)-ΔPc(t)
Pt(t)＝Pt.old(t)-ΔPt(t)
Qt(t)＝Qt.old(t)+ηeΔPt(t)
Pl(t)＝Pn(t)+Pc(t)+Pt(t)
激励补偿费用：
Figure BDA0003987361400000093
式中：Pc(t)为时刻t居民用户参与激励响应之后的可控负荷用电功率；Pc.old(t)为时刻t居民用户没有参与激励响应之前的可控负荷用电功率；ΔPc(t)为居民用户在时刻t参与响应时可控负荷的削减量；Pt(t)为时刻t居民用户参与转移响应之后的可转移负荷功率；Pt.old(t)为时刻t居民用户在没有参与转移响应之前的可转移负荷功率；ΔPt(t)为时刻t居民用户参与响应时的转移电功率；ηe为折算系数；Qt(t)为燃气供应热负荷需求；Qt.old(t)为时刻t内居民用户参与响应之前的燃气供热负荷需求功率；Pl(t)为t时刻的电负荷功率；Pn(t)为所有用户时刻t内的固定负荷；Cd1(t)为用户在时刻t削减单位电功率可得补偿费用；Cd2(t)为用户在时刻t转移单位电热功率可得的补偿费用。
通过激励手段对负荷进行第二次的优化。
(3)建立系统的碳阶梯交易模型和成本函数模型
Figure BDA0003987361400000101
Figure BDA0003987361400000102
F＝F1+F2+F3+ηtreatF4
Figure BDA0003987361400000103
式中：EL(t)为系统t时刻的配额碳排放；Ec(t)为系统t时刻的实际碳排放；μ为交易每kg碳排的价格；d为碳排放量区间长度；h为碳排每上升1阶梯μ的增长幅度；F2(t)为系统在t时刻的碳排放成本；当Ec(t)＜EL(t)时，F2(t)为负值，表示系统可以在碳交易市场中出售配额，使系统获得碳收益；F3为系统的设备运行成本；CGrid(t)为时刻t系统的购电成本；CMT(t)为时刻t的MT的发电成本；Cb(t)为时刻t的GB的运行成本；Ce(t)为时刻t的BT的运行成本；F4为系统运行的环境成本；Ctreat(t)为时刻t治理污染物的成本；F为系统总的运行成本；ηtreat为给环境成本配置的权重。
电功率平衡约束：
Pwt(t)+Ppv(t)+PMT(t)+PGrid(t)+Pb.dis(t)＝Pl(t)+Pb.ch(t)+PEB(t)
热功率平衡约束：
QMT_h(t)+Qdis(t)+QGB(t)+QEB(t)＝Ql(t)+Qch(t)
功率上下限约束与设备的爬坡约束：
Figure BDA0003987361400000104
Figure BDA0003987361400000111
另外BT和TST的状态表示量也存在约束，如下式：
Figure BDA0003987361400000112
式中：Pwt(t)为t时刻风电出力；Ppv(t)为t时刻光电出力；PGrid(t)为t时刻外购电力；PMT.min、PMT.max和
Figure BDA0003987361400000113
分别是MT的输出功率的最小值、最大值和爬坡的下限值、上限值；I1(t)是MT在时刻t内启停状态表示，0为停运，1为运行；QGB(t)为t时刻GB的热出力；Ql(t)为t时刻热负荷；QGB.min、QGB.max和
Figure BDA0003987361400000114
分别是GB的输出功率的最小值、最大值和爬坡的下限值、上限值；I2(t)是GB在时刻t内启停状态表示，0为停运，1为运行；Pb.ch.min、Pb.ch.max和
Figure BDA0003987361400000115
分别是BT的充电功率的最小值、最大值和充电爬坡的下限值、上限值；I3(t)是BT在时刻t内充电状态表示，0为不充电状态，1为充电状态；Pb.dis.min、Pb.dis.max和
Figure BDA0003987361400000116
分别是BT的放电功率的最小值、最大值和放电爬坡的下限值、上限值；I4(t)是BT在时刻t内放电状态表示，0为不放电状态，1为放电状态；QTST.ch.min、QTST.ch.max和
Figure BDA0003987361400000117
分别是TST的充热功率的最小值、最大值和充热爬坡的下限值、上限值；I5(t)是TST在时刻t内充热状态表示，0为不充热状态，1为充热状态；QTST.dis.min、QTST.dis.max和
Figure BDA0003987361400000118
分别是TST的放热功率的最小值、最大值和放热爬坡的下限值、上限值；I6(t)是TST在时刻t内放热状态表示，0为不放热状态，1为放热状态；T取24。
(4)运用机会约束规划方法应对系统内的不确定性量
机会约束规划方法，将这三个不确定量表达如下：
Figure BDA0003987361400000119
Figure BDA0003987361400000121
通过机会约束规划方法可以把电功率平衡约束转化为：
PMT(t)+PGrid(t)+Pb.dis(t)-Pb.ch(t)-Pl(t)-PEB(t)≥zs(t)
Figure BDA0003987361400000122
式中：δwt(t)为风电实际出力和预测出力的偏差；δpv(t)为光电实际出力和预测出力的偏差；δt(t)为电热转移负荷的实际转移和预测转移的偏差；Pwt0(t)、Ppv0(t)和Pt0(t)分别是风电、光电和电热转移负荷的预测值；σwt(t)、σpv(t)和σt(t)分别是风电、光电和电热转移负荷的标准差；PWTN、PPVN分别是风电和光电的装机容量；μt(t)、μwt(t)和μpv(t)为期望值；zα为标准正态分布的α分位数。
(5)运用Gurobi求解整个CHP-MG调度系统得到最优调度方案，具体的调度流程如下：
1)将原始的预测负荷输入到第一阶段的需求响应模型中，根据多目标遗传算法求解负荷峰谷差最小和用户满意度最优的分时电价，以及该分时电价下对原负荷进行削峰填谷得到的一条优化的预测负荷。
2)将第一阶段优化的预测负荷输入第二阶段需求响应模型中，根据用户在激励下的响应对负荷进行削减和转换得到一条新的预测负荷。
3)在系统中加入碳阶梯交易模型和环境成本模型考虑碳交易成本和环境成本，对环境成本配置一定的权重。构建以系统运行成本、激励成本、碳交易成本和环境成本之和最小的目标函数。
4)在系统中，加入机会约束规划模型应对分布式能源以及电-热转移负荷的不确定性。
5)在各种约束条件下，通过商业求解软件Gurobi求解得到最优运行结果。
设置四个场景对比求解验证提出的方法最优：
场景1：不加入阶梯碳交易成本和两阶段需求响应且采用确定性的典型规划模型。
场景2：考虑两阶段需求响应但不加入阶梯碳交易成本且采用确定性的规划模型。
场景3：同时考虑两阶段需求响应和加入阶梯碳交易成本且采用确定性的规划模型。
场景4：同时考虑两阶段需求响应和加入阶梯碳交易成本且采用机会约束规划的规划模型。
表1为四个场景下的运行成本。由表1可知，相较传统的调度场景1，引入了两阶段需求响应模型之后的场景2总的运行成本降低了2.3％。场景3相较于场景2碳排放降低了8.5％，环境成本也有所降低。场景4在机会约束规划方法参与了调度的前提下，风光的消纳是有所提升的，总的运行成本也再次降低。
表1四个场景的运行成本
Figure BDA0003987361400000131
运用两阶段需求响应优化负荷的情况如图2所示，由图可知，预测负荷在第一阶段的优化下总的负荷量没有变化，但是有了较大的削峰填谷。在第二阶段对优化后的负荷进行第二次的优化，这个时候的负荷总量发生变化，这种变化转移到用户补偿激励之中。碳排放结果图如图3所示，引入碳阶梯交易模型较大的限制了二氧化碳的排放。
上述实施例用来解释本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明做出的任何修改和改变，都落入本发明的保护范围。

Claims (7)

1.考虑两阶段需求响应的热电联供微网低碳经济调度方法，其特征在于，包括如下步骤：
步骤1，对CHP-MG低碳经济系统的设备建模；
步骤2，构建两阶段需求响应，得到最优分时电价；
步骤3，建立系统的碳阶梯交易模型和成本函数模型；
步骤4，运用机会约束规划方法应对系统内的不确定性量；
步骤5，运用求解软件Gurobi求解最优系统调度方案。
2.根据权利要求1所述的考虑两阶段需求响应的热电联供微网低碳经济调度方法，其特征在于：所述步骤1中CHP-MG系统设备包括光伏设备、风电设备、微型燃气轮机、蓄电池、蓄热槽、电热设备，其中微型燃气轮机MT、蓄电池BT、蓄热槽TST、电热设备EB建模具体为：
微型燃气轮机：
Figure FDA0003987361390000011
QMT_h(t)＝QMT(t)ηhCOPho
蓄电池：
Figure FDA0003987361390000012
0.2Eb.min≤Eb(t)≤0.8Eb.max
蓄热槽：
Figure FDA0003987361390000013
0.2HTST.min≤HTST(t)≤0.8HTST.max
电热设备：
QEB(t)＝PEB(t)ηeb
式中：QMT(t)、PMT(t)、ηMT(t)为t时刻MT的排气余热量、发电功率和发电效率；ηL为散热损失系数；QMT_h(t)为t时刻溴冷机制热量；COPho是溴冷机的制热系数、ηh是溴冷机的烟气回收率；Δt为调度的周期，设置为1h；Eb(t)、τ分别是t时刻BT容量和自放电率；Pb.ch(t)、Pb.dis(t)和ηbch、ηbdis分别是t时刻BT的充放电功率和效率；Eb.min、Eb.max分别是BT最小容量、最大容量；HTST(t)、μT分别是t时刻TST的容量和散热损失率；Qch(t)、Qdis(t)和ηhch、ηhdis分别是t时刻TST的充放热功率和效率；HTST.min、HTST.max分别是TST最小容量、最大容量；QEB(t)、PEB(t)分别为t时刻EB制热功率和用电；ηeb为EB电热转换效率。
3.根据权利要求1所述的考虑两阶段需求响应的热电联供微网低碳经济调度方法，其特征在于：所述步骤2中引入的两阶段需求响应具体为：
第一阶段的需求响应构建的是价格型的需求响应模型，以预测负荷的峰谷差最小以及用户满意度最优为多目标函数，利用多目标遗传算法求解得到最优的分时电价以及在此基础上得到削峰填谷后的第一次优化负荷；目标函数如下：
Figure FDA0003987361390000021
Figure FDA0003987361390000022
Figure FDA0003987361390000023
式中：Pl.max为优化后的负荷最大值；Pl.min为优化后的负荷最小值；λl为用户用电习惯满意度权重；λm为用户电费支出的满意度权重；Sl是用户用电习惯满意度；Sm是用户用电支付费用满意度；Δqi是i时刻用户用电量的变化量；qi是i时刻用户用电量；ΔCi是i时刻用户的用电支出变化量；Ci是i时刻用户的用电支出；
第二阶段的需求响应是激励性的需求响应模型，优化后的负荷可以在激励的影响下让用户在不影响自身的用能舒适度的情况下进行再次调节，进行电负荷的削减和电热负荷的转移；模型如下：
Pc(t)＝Pc.old(t)-ΔPc(t)
Pt(t)＝Pt.old(t)-ΔPt(t)
Qt(t)＝Qt.old(t)+ηeΔPt(t)
Pl(t)＝Pn(t)+Pc(t)+Pt(t)
激励补偿费用：
Figure FDA0003987361390000031
式中：Pc(t)为时刻t居民用户参与激励响应之后的可控负荷用电功率；Pc.old(t)为时刻t居民用户没有参与激励响应之前的可控负荷用电功率；ΔPc(t)为居民用户在时刻t参与响应时可控负荷的削减量；Pt(t)为时刻t居民用户参与转移响应之后的可转移负荷功率；Pt.old(t)为时刻t居民用户在没有参与转移响应之前的可转移负荷功率；ΔPt(t)为时刻t居民用户参与响应时的转移电功率；ηe为折算系数；Qt(t)为燃气供应热负荷需求；Qt.old(t)为时刻t内居民用户参与响应之前的燃气供热负荷需求功率；Pl(t)为t时刻的电负荷功率；Pn(t)为所有用户时刻t内的固定负荷；Cd1(t)为用户在时刻t削减单位电功率可得补偿费用；Cd2(t)为用户在时刻t转移单位电热功率可得的补偿费用。
4.根据权利要求2所述的考虑两阶段需求响应的热电联供微网低碳经济调度方法，其特征在于：所述步骤3中碳阶梯交易模型和成本函数模型如下：
Figure FDA0003987361390000032
Figure FDA0003987361390000033
Figure FDA0003987361390000034
F＝F1+F2+F3+ηtreatF4
式中：EL(t)为系统t时刻的配额碳排放；Ec(t)为系统t时刻的实际碳排放；μ为交易每kg碳排的价格；d为碳排放量区间长度；h为碳排每上升1阶梯μ的增长幅度；F2(t)为系统在t时刻的碳排放成本；当Ec(t)＜EL(t)时，F2(t)为负值，表示系统可以在碳交易市场中出售配额，使系统获得碳收益；F3为系统的设备运行成本；CGrid(t)为时刻t系统的购电成本；CMT(t)为时刻t的MT的发电成本；Cb(t)为时刻t的GB的运行成本；Ce(t)为时刻t的BT的运行成本；F4为系统运行的环境成本；Ctreat(t)为时刻t治理污染物的成本；F为系统总的运行成本；ηtreat为给环境成本配置的权重。
5.根据权利要求4所述的考虑两阶段需求响应的热电联供微网低碳经济调度方法，其特征在于：所述步骤1中设备的运行约束以及所述步骤3中成本函数的约束，具体如下：
电功率平衡约束：
Pwt(t)+Ppv(t)+PMT(t)+PGrid(t)+Pb.dis(t)＝Pl(t)+Pb.ch(t)+PEB(t)
热功率平衡约束：
QMT_h(t)+Qdis(t)+QGB(t)+QEB(t)＝Ql(t)+Qch(t)
功率上下限约束与设备的爬坡约束：
Figure FDA0003987361390000041
Figure FDA0003987361390000042
另外BT和TST的状态表示量也存在约束，如下式：
Figure FDA0003987361390000043
式中：Pwt(t)为t时刻风电出力；Ppv(t)为t时刻光电出力；PGrid(t)为t时刻外购电力；PMT.min、PMT.max和
Figure FDA0003987361390000044
分别是MT的输出功率的最小值、最大值和爬坡的下限值、上限值；I1(t)是MT在时刻t内启停状态表示，0为停运，1为运行；QGB(t)为t时刻GB的热出力；Ql(t)为t时刻热负荷；QGB.min、QGB.max和
Figure FDA0003987361390000045
分别是GB的输出功率的最小值、最大值和爬坡的下限值、上限值；I2(t)是GB在时刻t内启停状态表示，0为停运，1为运行；Pb.ch.min、Pb.ch.max和
Figure FDA0003987361390000051
分别是BT的充电功率的最小值、最大值和充电爬坡的下限值、上限值；I3(t)是BT在时刻t内充电状态表示，0为不充电状态，1为充电状态；Pb.dis.min、Pb.dis.max和
Figure FDA0003987361390000052
分别是BT的放电功率的最小值、最大值和放电爬坡的下限值、上限值；I4(t)是BT在时刻t内放电状态表示，0为不放电状态，1为放电状态；QTST.ch.min、QTST.ch.max和
Figure FDA0003987361390000053
分别是TST的充热功率的最小值、最大值和充热爬坡的下限值、上限值；I5(t)是TST在时刻t内充热状态表示，0为不充热状态，1为充热状态；QTST.dis.min、QTST.dis.max和
Figure FDA0003987361390000054
分别是TST的放热功率的最小值、最大值和放热爬坡的下限值、上限值；I6(t)是TST在时刻t内放热状态表示，0为不放热状态，1为放热状态；T取24。
6.根据权利要求5所述的考虑两阶段需求响应的热电联供微网低碳经济调度方法，其特征在于：所述步骤4中机会约束规划方法，具体为：
将不确定量表达如下：
Figure FDA0003987361390000055
Figure FDA0003987361390000056
通过机会约束规划方法把电功率平衡约束转化为：
PMT(t)+PGrid(t)+Pb.dis(t)-Pb.ch(t)-Pl(t)-PEB(t)≥zs(t)
Figure FDA0003987361390000057
式中：δwt(t)为风电实际出力和预测出力的偏差；δpv(t)为光电实际出力和预测出力的偏差；δt(t)为电热转移负荷的实际转移和预测转移的偏差；Pwt0(t)、Ppv0(t)和Pt0(t)分别是风电、光电和电热转移负荷的预测值；σwt(t)、σpv(t)和σt(t)分别是风电、光电和电热转移负荷的标准差；PWTN、PPVN分别是风电和光电的装机容量；μt(t)、μwt(t)和μpv(t)为期望值；zα为标准正态分布的α分位数。
7.根据权利要求3所述的考虑两阶段需求响应的热电联供微网低碳经济调度方法，其特征在于：所述步骤5求解方法，具体如下：
1)将原始的预测负荷输入到第一阶段的需求响应模型中，根据多目标遗传算法求解负荷峰谷差最小和用户满意度最优的分时电价，以及该分时电价下对原负荷进行削峰填谷得到的一条优化的预测负荷；
2)将第一阶段优化的预测负荷输入第二阶段需求响应模型中，根据用户在激励下的响应对负荷进行削减和转换得到一条新的预测负荷；
3)在系统中加入碳阶梯交易模型和环境成本模型考虑碳交易成本和环境成本，对环境成本配置一定的权重；构建以系统运行成本、激励成本、碳交易成本和环境成本之和最小的目标函数；
4)在系统中，加入机会约束规划模型应对分布式能源以及电-热转移负荷的不确定性；
5)在各种约束条件下，通过商业求解软件Gurobi求解得到最优运行结果，即为系统最优调度方案。
CN202211569170.2A 2022-12-08 2022-12-08 考虑两阶段需求响应的热电联供微网低碳经济调度方法 Pending CN115986833A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211569170.2A CN115986833A (zh) 2022-12-08 2022-12-08 考虑两阶段需求响应的热电联供微网低碳经济调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211569170.2A CN115986833A (zh) 2022-12-08 2022-12-08 考虑两阶段需求响应的热电联供微网低碳经济调度方法

Publications (1)

Publication Number Publication Date
CN115986833A true CN115986833A (zh) 2023-04-18

Family

ID=85963843

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211569170.2A Pending CN115986833A (zh) 2022-12-08 2022-12-08 考虑两阶段需求响应的热电联供微网低碳经济调度方法

Country Status (1)

Country Link
CN (1) CN115986833A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117391764A (zh) * 2023-12-12 2024-01-12 国网浙江省电力有限公司电力科学研究院 一种综合能源系统优化调度方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117391764A (zh) * 2023-12-12 2024-01-12 国网浙江省电力有限公司电力科学研究院 一种综合能源系统优化调度方法及系统

Similar Documents

Publication Publication Date Title
CN110288152B (zh) 考虑电/热柔性负荷的区域综合能源系统储能配置方法
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
CN108764519B (zh) 一种园区能源互联网能源设备容量优化配置方法
CN109325621B (zh) 一种园区能源互联网两阶段优化调度控制方法
CN112464477A (zh) 计及需求响应的多能耦合综合能源运行仿真方法
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
CN113610311A (zh) 双层协同架构下考虑碳减排的综合能源服务商合作运行优化方法
CN115238987A (zh) 计及多类型低碳因素与需求响应的能效提升调度方法
CN114936720A (zh) 一种源-荷-储协调的综合能源系统低碳经济调度方法
CN115117940A (zh) 考虑风电、光伏及负荷不确定的风光水火储系统低碳调度模型建模方法
CN110957722B (zh) 一种含电转气设备的微型能源网日前优化调度方法
CN115423207A (zh) 风储虚拟电厂在线调度方法和装置
CN114881328A (zh) 计及气网混氢和低碳奖励的综合能源系统经济调度方法
CN115986833A (zh) 考虑两阶段需求响应的热电联供微网低碳经济调度方法
CN112398176B (zh) 一种考虑燃煤机组启停调峰的水火风互济系统日前优化调度方法
Cheng et al. Optimized Configuration of Distributed Power Generation Based on Multi-Stakeholder and Energy Storage Synergy
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
CN112561120B (zh) 一种基于微电网参考日前市场出清系统优化运行方法
CN112541778B (zh) 一种基于微电网参与两阶段市场出清系统优化运行方法
CN116187648A (zh) 基于热电解耦的虚拟电厂热电联合优化调度方法
CN114626624A (zh) 一种计及热负荷转换的综合能源系统电热联合优化调度方法
Zhang et al. A Two-Stage Optimization Model of Capacity Allocation and Regulation Operation for Virtual Power Plant
CN112182915A (zh) 一种协同促进风电消纳的优化调度方法及系统
CN115936336B (zh) 一种虚拟电厂容量配置与调控运行优化方法
CN116720879B (zh) 一种基于双层博弈模型的园区综合能源系统能源定价方法

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