CN116167573A - 一种高铁站综合能源需求响应优化调度方法及相关装置 - Google Patents

一种高铁站综合能源需求响应优化调度方法及相关装置 Download PDF

Info

Publication number
CN116167573A
CN116167573A CN202211693451.9A CN202211693451A CN116167573A CN 116167573 A CN116167573 A CN 116167573A CN 202211693451 A CN202211693451 A CN 202211693451A CN 116167573 A CN116167573 A CN 116167573A
Authority
CN
China
Prior art keywords
speed rail
rail station
comprehensive energy
energy system
period
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
CN202211693451.9A
Other languages
English (en)
Inventor
李津
林慧婕
朱庆
陆震军
张卫国
侯磊
顾琳琳
余洋
杨鑫
孙广明
韩林
曹晓波
史洋
董昊
曲峰
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.)
Xiongan New Area Power Supply Company State Grid Hebei Electric Power Co
NARI Group Corp
Nari Technology Co Ltd
NARI Nanjing Control System Co Ltd
State Grid Electric Power Research Institute
Original Assignee
Xiongan New Area Power Supply Company State Grid Hebei Electric Power Co
NARI Group Corp
Nari Technology Co Ltd
NARI Nanjing Control System Co Ltd
State Grid Electric Power 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 Xiongan New Area Power Supply Company State Grid Hebei Electric Power Co, NARI Group Corp, Nari Technology Co Ltd, NARI Nanjing Control System Co Ltd, State Grid Electric Power Research Institute filed Critical Xiongan New Area Power Supply Company State Grid Hebei Electric Power Co
Priority to CN202211693451.9A priority Critical patent/CN116167573A/zh
Publication of CN116167573A publication Critical patent/CN116167573A/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
    • G06Q10/06—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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种高铁站综合能源需求响应优化调度方法及相关装置，本发明的高铁站综合能源系统优化调度模型，基于高铁站综合能源系统参与碳市场交易成本、以及用户侧舒适度需求响应创建，以高铁站综合能源系统的负荷波动最小、运行成本最低为目标，获得优选调度数据，根据优选调度数据实现了市场下高铁站综合能源需求响应优化调度，可满足高铁站的低碳经济运行，解决能源短缺问题，而且降低了系统运行所需成本。

Description

一种高铁站综合能源需求响应优化调度方法及相关装置
技术领域
本发明涉及一种高铁站综合能源需求响应优化调度方法及相关装置，属于综合能源优化调度技术领域。
背景技术
随着人类社会的不断发展，经济发展、能源短缺与环保问题之间的矛盾不断加深。相较传统供能方式，综合能源系统通过多类型能源的耦合转换可以实现能源的阶梯利用，被广泛认为是解决这一矛盾的重要潜在方案之一。与此同时，随着碳交易机制策略的提出，涉及到了对碳排放额度的交易，这给综合能源系统运营公司带来了一定的成本。在当前的综合能源系统中，应用比较成熟的有电热综合能源系统，电热综合能源系统是将电能源和热能源进行联合调度，从而可在一定程度上减少了因为供需不平衡造成的能源浪费。
随着目前高铁里程数不断地刷新历史，在当前能源互联的大背景下，针对高铁站供能系统的规划需要进一步优化。考虑到耦合了冷-热-电等多种能量的高铁站是应用综合能源系统的典型场景，为建立绿色高效的智能客运站供能系统，急需一种市场下高铁站综合能源需求响应优化调度方法。
发明内容
本发明提供了一种高铁站综合能源需求响应优化调度方法及相关装置，解决了背景技术中披露的问题。
为了解决上述技术问题，本发明所采用的技术方案是：
一种高铁站综合能源需求响应优化调度方法，包括：
采集高铁站综合能源系统中各种负荷的供需量；
将供需量作为输入，求解预先构建的高铁站综合能源系统优化调度模型，获得高铁站综合能源系统的优选调度数据；其中，高铁站综合能源系统优化调度模型是基于高铁站综合能源系统参与碳市场的交易成本、以及用户侧舒适度的需求响应创建的，高铁站综合能源系统优化调度模型以高铁站综合能源系统的负荷波动最小、运行成本最低为目标；
根据优选调度数据，进行高铁站综合能源需求响应优化调度。
预先构建高铁站综合能源系统优化调度模型的过程包括：
根据高铁站综合能源系统的物理架构，构建高铁站综合能源系统模型；
根据高铁站综合能源系统参与碳交易的运行架构，构建高铁站综合能源系统参与碳交易的运行模型；
根据高铁站综合能源系统模型和高铁站综合能源系统参与碳交易的运行模型，构建高铁站综合能源系统优化调度模型。
高铁站综合能源系统模型包括高铁站综合能源系统与电网交互模型、电储能设备模型和电动汽车充放电模型。
高铁站综合能源系统与电网进行双向交互；高铁站综合能源系统与电网交互模型为：
Figure BDA0004022326080000021
Cgrid,t＝Pgrid-buy,tCgrid-buy,t-Pgrid-sell,tCgrid-sell,t
其中，Pgrid,t为t时段高铁站与电网的交互电量，Pgrid-buy,t为t时段高铁站综合能源系统购电功率，Pgrid-sell,t为t时段电网售电功率，Preq,t为t时段高铁站综合能源系统的电需求，Pi,t为第i类电网发电机组t时段的出力，n为发电机组类型总数，Cgrid,t为t时段高铁站综合能源系统交互费用，Cgrid,t大于0表示购电费用，Cgrid,t小于0表示售电费用，Cgrid-buy,t为t时段购电价格，Cgrid-sell,t为t时段售电价格。
电储能设备为蓄电池；电储能设备模型为：
蓄电池充电时：
Figure BDA0004022326080000031
蓄电池放电时：
Figure BDA0004022326080000032
其中，SOC,t为蓄电池在t时段的剩余电量，σ为蓄电池的自放电率，SOC,t-1(1-σ)为蓄电池在t-1时段的剩余电量，ηc为蓄电池的充电效率，ηd为蓄电池的放电效率，Pch,t为蓄电池t时段的充电功率，Pdis,t为蓄电池t时段的放电功率，Qbat为蓄电池容量，Δt为充放电时间间隔。
电动汽车充放电模型为：
Figure BDA0004022326080000033
Figure BDA0004022326080000034
Figure BDA0004022326080000035
Figure BDA0004022326080000036
Figure BDA0004022326080000037
Figure BDA0004022326080000038
Figure BDA0004022326080000041
或
Figure BDA00040223260800000413
其中，Pt evc为t时段nev充辆电动汽车的总充电功率，Pt evd为t时段nev充辆电动汽车的总放电功率，
Figure BDA0004022326080000042
为t时段第i′辆电动汽车的充电功率，
Figure BDA0004022326080000043
为t时段第i′辆电动汽车的放电功率，nev为一天内在高铁站充电桩充电的电动汽车数量，
Figure BDA0004022326080000044
为高铁站充电桩的额定充电功率，
Figure BDA0004022326080000045
为高铁站充电桩的额定放电功率，
Figure BDA0004022326080000046
为t时段第i′辆电动汽车的充电状态变量，充电时取值为1，放电时取值为0，
Figure BDA0004022326080000047
为第i′辆电动汽车到达高铁站充电桩的时间，
Figure BDA0004022326080000048
为第i′辆电动汽车离开高铁站充电桩的时间，
Figure BDA0004022326080000049
为t时段第i′辆电动汽车的荷电状态，
Figure BDA00040223260800000410
为t-1时段第i′辆电动汽车的荷电状态，Qev为电动汽车动力电池的容量，Δt为充放电时间间隔，ηevc为电动汽车的充电效率，ηevd为电动汽车的放电效率。
高铁站综合能源系统参与碳交易的运行模型为：
Figure BDA00040223260800000411
EPIES＝EPIES,r-EPIES,a
其中，EPIES为高铁站综合能源系统碳排放权交易额，EPIES,r为高铁站综合能源系统总的碳配额，EPIES,a为高铁站综合能源系统实际碳排放量，fc为碳交易成本，λ为交易基础价格，l为碳排放量的区间长度，σ′为碳价格增长率。
高铁站综合能源系统优化调度模型为：
目标函数为：
Figure BDA00040223260800000412
其中，F为高铁站综合能源系统优化调度模型的目标函数值，λ1、λ2为权重，F1为高铁站综合能源系统的最小负荷波动，F2为高铁站综合能源系统的最低运行成本，F1max为高铁站综合能源系统的最大负荷波动，F2max为高铁站综合能源系统的最高运行成本；
Figure BDA0004022326080000051
F2＝min(fope+fgas+fgrid+fc)
Figure BDA0004022326080000052
Figure BDA0004022326080000053
Figure BDA0004022326080000054
Pg,t＝Pload,t-PG,t+PEV,t
其中，NT为运行调度的总时段数，NDG为分布式电源的数量，Pload为电负荷功率，PGm,t为第m个分布式电源在t时段的电功率，PGm,t中的储能部分根据电储能设备模型获取，PEV,t为根据电动汽车充放电模型获取的电动汽车在t时段充电所需功率，fope为高铁站综合能源系统运维成本，fc为碳交易成本，Cf为分布式电源运行的燃料费用，COM为分布式电源的运行维护费，fgas为高铁站综合能源系统购买天然气费用，NB为补燃锅炉的数量，cgas为天然气的价格，HBj,t为第j个补燃锅炉在t时间段内的热功率，ηBj为第j个补燃锅炉效率，NX为制冷机数量，Sxj′,t为第j′个制冷机在t时段内的冷功率，ηxj′为第j′个制冷机制冷效率，fgrid为根据高铁站综合能源系统与电网交互模型获取的高铁站与电网交互费用，Pg,t为高铁站与主网之间在t时段的交换功率，Cpp为高铁站在t时段向电网购电的成本，Isp为高铁站在t时段向电网售电的收益，PG,t为分布式电源在t时段的输出功率，Pload,t是负荷在t时段所需的功率；
约束条件包括用户舒适度约束；
Figure BDA0004022326080000061
其中，χPMV表征人体热反应的评价指标，T为室温，T0为人体最适宜的环境温度。
一种高铁站综合能源需求响应优化调度装置，包括：
采集模块，采集高铁站综合能源系统中各种负荷的供需量；
优化模块，将供需量作为输入，求解预先构建的高铁站综合能源系统优化调度模型，获得高铁站综合能源系统的优选调度数据；其中，高铁站综合能源系统优化调度模型是基于高铁站综合能源系统参与碳市场的交易成本、以及用户侧舒适度的需求响应创建的，高铁站综合能源系统优化调度模型以高铁站综合能源系统的负荷波动最小、运行成本最低为目标；
调度模块，根据优选调度数据，进行高铁站综合能源需求响应优化调度。
一种存储一个或多个程序的计算机可读存储介质，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高铁站综合能源需求响应优化调度方法。
一种计算设备，包括一个或多个处理器、一个或多个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一个或多个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高铁站综合能源需求响应优化调度方法的指令。
本发明所达到的有益效果：本发明的高铁站综合能源系统优化调度模型，基于高铁站综合能源系统参与碳市场交易成本、以及用户侧舒适度需求响应创建，以高铁站综合能源系统的负荷波动最小、运行成本最低为目标，获得优选调度数据，根据优选调度数据实现了市场下高铁站综合能源需求响应优化调度，可满足高铁站的低碳经济运行，解决能源短缺问题，而且降低了系统运行所需成本。
附图说明
图1为高铁站综合能源需求响应优化调度方法的流程图；。
具体实施方式
下面结合附图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。
如图1所示，一种高铁站综合能源需求响应优化调度方法，包括以下步骤：
步骤1，采集高铁站综合能源系统中各种负荷的供需量。
步骤2，将供需量作为输入，求解预先构建的高铁站综合能源系统优化调度模型，获得高铁站综合能源系统的优选调度数据；其中，高铁站综合能源系统优化调度模型是基于高铁站综合能源系统参与碳市场的交易成本、以及用户侧舒适度的需求响应创建的，高铁站综合能源系统优化调度模型以高铁站综合能源系统的负荷波动最小、运行成本最低为目标。
步骤3，根据优选调度数据，进行高铁站综合能源需求响应优化调度。
上述方法的高铁站综合能源系统优化调度模型，基于高铁站综合能源系统参与碳市场交易成本、以及用户侧舒适度需求响应创建，以高铁站综合能源系统的负荷波动最小、运行成本最低为目标，获得优选调度数据，根据优选调度数据实现了市场下高铁站综合能源需求响应优化调度，可满足高铁站的低碳经济运行，解决能源短缺问题，而且降低了系统运行所需成本。
目前的高铁站综合能源系统中主要有三种负荷，即电、热、冷。在实施上述方法之前，可以先基于高铁站综合能源系统的物理架构和高铁站综合能源系统参与碳交易的运行架构，分别构建高铁站综合能源系统模型和高铁站综合能源系统参与碳交易的运行模型。
高铁站综合能源系统的物理架构包括光伏发电机组、电网、CCHP机组、电锅炉、电制冷机、吸收式制冷机、电储能设备和电动汽车群，所构建的高铁站综合能源系统模型主要包括高铁站综合能源系统与电网的交互模型、电储能设备模型和电动汽车充放电模型。
高铁站综合能源系统与电网的交互模型具体如下：
根据高铁站综合能源系统所采用并网上网的运行方式，即高铁站电能管理系统可以和电网进行双向交互：当高铁站综合能源系统所发电能大于高铁站综合能源系统所需电能时，可以将多发电量进行出售，以获得经济收益；当高铁站综合能源系统所发电能小于高铁站综合能源系统所需电能时，可以通过从电网购电能来解决高铁站综合能源系统所发电能小于高铁站综合能源系统所需电能的情况，具体可用公式来表示：
Figure BDA0004022326080000081
Cgrid,t＝Pgrid-buy,tCgrid-buy,t-Pgrid-sell,tCgrid-sell,t
其中，Pgrid,t为t时段高铁站与电网的交互电量，Pgrid-buy,t为t时段高铁站综合能源系统的购电功率，Pgrid-sell,t为t时段电网的售电功率，Preq,t为t时段高铁站综合能源系统的电需求，Pi,t为第i类电网发电机组t时段的出力，n为发电机组类型总数，Cgrid,t为t时段高铁站综合能源系统交互费用，Cgrid,t大于0表示购电费用，Cgrid,t小于0表示售电费用，Cgrid-buy,t为t时段购电价格，Cgrid-sell,t为t时段售电价格。
电储能设备模型具体如下：
电储能设备可选用蓄电池，电储能设备模型为蓄电池充放电时电池剩余容量模型。
蓄电池充电时：
Figure BDA0004022326080000091
蓄电池放电时：
Figure BDA0004022326080000092
其中，SOC,t为蓄电池在t时段的剩余电量，σ为蓄电池的自放电率，SOC,t-1(1-σ)为蓄电池在t-1时段的剩余电量，ηc为蓄电池的充电效率，ηd为蓄电池的放电效率，Pch,t为蓄电池t时段的充电功率，Pdis,t为蓄电池t时段的放电功率，Qbat为蓄电池容量，Δt为充放电时间间隔。
电动汽车充放电模型具体如下：
通过将电动汽车的充电过程划分为多个等时长的时段，高铁站充电桩的控制状态可以在每个时段点进行调整，且在每个控制时段内电动汽车的充放电功率和充放电状态保持一致，则接受调度的电动汽车模型可表示为：
Figure BDA0004022326080000093
Figure BDA0004022326080000101
Figure BDA0004022326080000102
或
Figure BDA0004022326080000103
为了延长电动汽车中动力电池的使用寿命，设定V2B(电动汽车与楼宇互动，Vechile to Buliding)模式下EV的荷电状态约束为：
Figure BDA0004022326080000104
Figure BDA0004022326080000105
其中，
Figure BDA0004022326080000106
为高铁站充电桩的额定充电功率，
Figure BDA0004022326080000107
为高铁站充电桩的额定放电功率，
Figure BDA0004022326080000108
为t时段第i′辆电动汽车的充电状态变量，充电时取值为1，放电时取值为0，
Figure BDA0004022326080000109
为第i′辆电动汽车到达高铁站充电桩的时间，
Figure BDA00040223260800001010
为第i′辆电动汽车离开高铁站充电桩的时间，
Figure BDA00040223260800001011
为t时段第i′辆电动汽车的荷电状态，
Figure BDA00040223260800001012
为t-1时段第i′辆电动汽车的荷电状态，Qev为电动汽车动力电池的容量，ηevc为电动汽车的充电效率，ηevd为电动汽车的放电效率。
为了保证用户的充电效果，在电动汽车离开充电桩时需保证其荷电状态达到期望值，记一天内在高铁站充电桩充电的电动汽车数量为nev，则：
Figure BDA00040223260800001013
Figure BDA00040223260800001014
其中，Pt evc为t时段nev充辆电动汽车的总充电功率，Pt evd为t时段nev充辆电动汽车的总放电功率，
Figure BDA00040223260800001015
为t时段第i′辆电动汽车的充电功率，
Figure BDA00040223260800001016
为t时段第i′辆电动汽车的放电功率。
在高铁站参与碳市场交易时，以分配到的无偿碳配额为基准，构建高铁站综合能源系统参与碳交易的运行模型，参与碳交易市场的碳排放权交易额可以求得：
EPIES＝EPIES,r-EPIES,a
其中，EPIES为高铁站综合能源系统的碳排放权交易额，EPIES,r为高铁站综合能源系统总的碳配额，为已知定值，EPIES,a为高铁站综合能源系统的实际碳排放量。
为了尽量减少高铁站综合能源系统的碳排放，本发明采用阶梯型碳交易成本模型：
Figure BDA0004022326080000111
其中，fc为碳交易成本，λ为交易基础价格，l为碳排放量的区间长度，σ′为碳价格增长率。
当EPIES,r＜EPIES,a，即EPIES＜0时，表示高铁站综合能源系统的实际碳排放量小于配额，可以以初始碳交易价格出售碳配额以获得收益。
进一步根据高铁站综合能源系统模型和高铁站综合能源系统参与碳交易的运行模型，在考虑用户侧舒适度需求响应的情况下，构建高铁站综合能源系统的优化调度模型，即这里通过用户侧舒适度需求响应优化高铁站综合能源系统优化调度模型。
所构建的高铁站综合能源系统的优化调度模型如下：
高铁站多能源联合优化调度的目标是在要满足系统热、电、冷负荷需求的前提下，以平抑高铁站内负荷波动及高铁站综合运行费用最小为优化目标，通过合理调控各分布式电源、储能的出力，根据用户舒适度情况和电网实际使用情况，合理安排电动汽车的充放电时间来确保高铁站运行成本最小以及污染物排放量最少，即以高铁站综合能源系统优化调度模型以高铁站综合能源系统的负荷波动最小、运行成本最低为目标。
因此高铁站综合能源系统的优化调度模型可分成两部分：
负荷波动最小：
Figure BDA0004022326080000121
运行成本最低，即在综合能源传统日前优化调度方法的基础上，考虑系统设备的运维成本、天然气成本、与上级电网的交互成本和系统参与碳交易成本：
F2＝min(fope+fgas+fgrid+fc)
Figure BDA0004022326080000122
Figure BDA0004022326080000123
Figure BDA0004022326080000124
Pg,t＝Pload,t-PG,t+PEV,t
其中，NT为运行调度的总时段数，NDG为分布式电源的数量，Pload为电负荷功率，PGm,t为第m个分布式电源在t时段的电功率，PGm,t中的储能部分根据电储能设备模型获取，PEV,t为根据电动汽车充放电模型获取的电动汽车在t时段充电所需功率，fope为高铁站综合能源系统运维成本，fc为碳交易成本，Cf为分布式电源运行的燃料费用，COM为分布式电源的运行维护费，fgas为高铁站综合能源系统购买天然气费用，NB为补燃锅炉的数量，cgas为天然气的价格，HBj,t为第j个补燃锅炉在t时间段内的热功率，ηBj为第j个补燃锅炉效率，NX为制冷机数量，Sxj′,t为第j′个制冷机在t时段内的冷功率，ηxj′为第j′个制冷机制冷效率，fgrid为根据高铁站综合能源系统与电网交互模型获取的高铁站与电网交互费用，Pg,t为高铁站与主网之间在t时段的交换功率，Cpp为高铁站在t时段向电网购电的成本，Isp为高铁站在t时段向电网售电的收益，PG,t为分布式电源在t时段的输出功率，Pload,t是负荷在t时段所需的功率。
因此高铁站综合能源系统的优化调度模型的多目标优化目标函数为：
Figure BDA0004022326080000131
其中，F为高铁站综合能源系统优化调度模型的目标函数值，λ1、λ2为权重，λ1+λ2＝1，这里λ1、λ2均取0.5，F1为高铁站综合能源系统的最小负荷波动，F2为高铁站综合能源系统的最低运行成本，F1max为高铁站综合能源系统的最大负荷波动，F2max为高铁站综合能源系统的最高运行成本。
高铁站综合能源系统的优化调度模型约束条件包括常规约束和用户舒适度约束；其中，常规约束包括电网的交互约束、CCHP机组约束、燃气锅炉约束、电锅炉约束、电动汽车充放电约束、电制冷机约束、吸收式制冷机约束、蓄电池设备约束、需求响应模型约束、电功率平衡约束、热功率平衡约束、冷功率平衡约束。
用户舒适度约束为：
在不同的环境温度下，人体热反应评价指标会随之变化，其函数关系式可以表示为：
Figure BDA0004022326080000141
其中，χPMV表征人体热反应的评价指标T为室温，T0为人体最适宜的环境温度，相关研究表明，T0为26℃时人体舒适度最高。
而根据规定，当χPMV在-0.5至0.5区间内舒适度最佳，因此，由上式可确定出T的取值范围在24.7805至27.2821之间。通过环境温度与人体舒适度对应关系可得出某时段人体最舒适温度区间，并可以计算得到需要向建筑内部所供给冷热功率的调整区间，从而得到符合人体舒适度的冷热功率调度计划。
在上述模型的基础上，先采集高铁站综合能源系统中各种负荷的供需量，即电、热、冷三种负荷的供需量，具体包括运行调度的总时段数NT、分布式电源的数量NDG、电负荷功率Pload、补燃锅炉的数量NB、天然气的价格cgas、补燃锅炉效率、制冷机数量NX、制冷机制冷效率、负荷在t时段所需的功率Pload,t，将这些作为优化调度的数据基础，然后将采集的供需量输入上述模型，即可获得高铁站综合能源系统的优选调度数据，最后根据优选调度数据，进行高铁站综合能源需求响应优化调度，即调节高铁站内综合能源系统中各设备以及储能的出力情况，实现高铁站综合能源系统的低碳、经济运行。
上述方法通过参与碳交易机制，结合用户侧舒适度的需求响应，实现对高铁站内电、热、冷三种负荷的出力曲线的动态调整，以提高高铁站能源利用效率，并实现高铁站综合能源系统的绿色调节能力，充分发挥高铁站综合能源的需求响应潜力，实现高铁站经济、低碳运行，可以提高高铁站内清洁能源利用率，减少高铁站内CO2的排放量，降低高铁站综合能源系统运行成本，具有较强的实用性。
基于相同的技术方案，本发明还公开了上述方法的软件装置，一种高铁站综合能源需求响应优化调度装置，其特征在于，包括：
采集模块，采集高铁站综合能源系统中各种负荷的供需量。
优化模块，将供需量作为输入，求解预先构建的高铁站综合能源系统优化调度模型，获得高铁站综合能源系统的优选调度数据；其中，高铁站综合能源系统优化调度模型是基于高铁站综合能源系统参与碳市场的交易成本、以及用户侧舒适度的需求响应创建的，高铁站综合能源系统优化调度模型以高铁站综合能源系统的负荷波动最小、运行成本最低为目标。
调度模块，根据优选调度数据，进行高铁站综合能源需求响应优化调度。
上述各模块的数据处理流程与方法对应步骤的一致，这里不重复描述了。
基于相同的技术方案，本发明还公开了一种存储一个或多个程序的计算机可读存储介质，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高铁站综合能源需求响应优化调度方法。
基于相同的技术方案，本发明还公开了一种计算设备，包括一个或多个处理器、一个或多个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一个或多个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高铁站综合能源需求响应优化调度方法的指令。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、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。
以上仅为本发明的实施例而已，并不用于限制本发明，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，均包含在申请待批的本发明的权利要求范围之内。

Claims (11)

1.一种高铁站综合能源需求响应优化调度方法，其特征在于，包括：
采集高铁站综合能源系统中各种负荷的供需量；
将供需量作为输入，求解预先构建的高铁站综合能源系统优化调度模型，获得高铁站综合能源系统的优选调度数据；其中，高铁站综合能源系统优化调度模型是基于高铁站综合能源系统参与碳市场的交易成本、以及用户侧舒适度的需求响应创建的，高铁站综合能源系统优化调度模型以高铁站综合能源系统的负荷波动最小、运行成本最低为目标；
根据优选调度数据，进行高铁站综合能源需求响应优化调度。
2.根据权利要求1所述的一种高铁站综合能源需求响应优化调度方法，其特征在于，预先构建高铁站综合能源系统优化调度模型的过程包括：
根据高铁站综合能源系统的物理架构，构建高铁站综合能源系统模型；
根据高铁站综合能源系统参与碳交易的运行架构，构建高铁站综合能源系统参与碳交易的运行模型；
根据高铁站综合能源系统模型和高铁站综合能源系统参与碳交易的运行模型，构建高铁站综合能源系统优化调度模型。
3.根据权利要求2所述的一种高铁站综合能源需求响应优化调度方法，其特征在于，高铁站综合能源系统模型包括高铁站综合能源系统与电网交互模型、电储能设备模型和电动汽车充放电模型。
4.根据权利要求3所述的一种高铁站综合能源需求响应优化调度方法，其特征在于，高铁站综合能源系统与电网进行双向交互；高铁站综合能源系统与电网交互模型为：
Figure FDA0004022326070000021
Cgrid,t＝Pgrid-buy,tCgrid-buy,t-Pgrid-sell,tCgrid-sell,t
其中，Pgrid,t为t时段高铁站与电网的交互电量，Pgrid-buy,t为t时段高铁站综合能源系统的购电功率，Pgrid-sell,t为t时段电网的售电功率，Preq,t为t时段高铁站综合能源系统的电需求，Pi,t为第i类电网中发电机组t时段的出力，n为发电机组类型总数，Cgrid,t为t时段高铁站综合能源系统交互费用，Cgrid,t大于0表示购电费用，Cgrid,t小于0表示售电费用，Cgrid-buy,t为t时段购电价格，Cgrid-sell,t为t时段售电价格。
5.根据权利要求3所述的一种高铁站综合能源需求响应优化调度方法，其特征在于，电储能设备为蓄电池；电储能设备模型为：
蓄电池充电时：
Figure FDA0004022326070000022
蓄电池放电时：
Figure FDA0004022326070000023
其中，SOC,t为蓄电池在t时段的剩余电量，σ为蓄电池的自放电率，SOC,t-1(1-σ)为蓄电池在t-1时段的剩余电量，ηc为蓄电池的充电效率，ηd为蓄电池的放电效率，Pch,t为蓄电池t时段的充电功率，Pdis,t为蓄电池t时段的放电功率，Qbat为蓄电池容量，Δt为充放电时间间隔。
6.根据权利要求3所述的一种高铁站综合能源需求响应优化调度方法，其特征在于，电动汽车充放电模型为：
Figure FDA0004022326070000031
Figure FDA0004022326070000032
Figure FDA0004022326070000033
Figure FDA0004022326070000034
Figure FDA0004022326070000035
Figure FDA0004022326070000036
Figure FDA0004022326070000037
其中，Pt evc为t时段nev充辆电动汽车的总充电功率，Pt evd为t时段nev充辆电动汽车的总放电功率，
Figure FDA0004022326070000038
为t时段第i′辆电动汽车的充电功率，
Figure FDA0004022326070000039
为t时段第i′辆电动汽车的放电功率，nev为一天内在高铁站充电桩充电的电动汽车数量，
Figure FDA00040223260700000310
为高铁站充电桩的额定充电功率，
Figure FDA00040223260700000311
为高铁站充电桩的额定放电功率，
Figure FDA00040223260700000312
为t时段第i′辆电动汽车的充电状态变量，充电时取值为1，放电时取值为0，
Figure FDA00040223260700000313
为第i′辆电动汽车到达高铁站充电桩的时间，
Figure FDA00040223260700000314
为第i′辆电动汽车离开高铁站充电桩的时间，
Figure FDA00040223260700000315
为t时段第i′辆电动汽车的荷电状态，
Figure FDA00040223260700000316
为t-1时段第i′辆电动汽车的荷电状态，Qev为电动汽车动力电池的容量，Δt为充放电时间间隔，ηevc为电动汽车的充电效率，ηevd为电动汽车的放电效率。
7.根据权利要求2所述的一种高铁站综合能源需求响应优化调度方法，其特征在于，高铁站综合能源系统参与碳交易的运行模型为：
Figure FDA0004022326070000041
EPIES＝EPIES,r-EPIES,a
其中，EPIES为高铁站综合能源系统碳排放权交易额，EPIES,r为高铁站综合能源系统总的碳配额，EPIES,a为高铁站综合能源系统实际碳排放量，fc为碳交易成本，λ为交易基础价格，l为碳排放量的区间长度，σ′为碳价格增长率。
8.根据权利要求2所述的一种高铁站综合能源需求响应优化调度方法，其特征在于，高铁站综合能源系统优化调度模型为：
目标函数为：
Figure FDA0004022326070000042
其中，F为高铁站综合能源系统优化调度模型的目标函数值，λ1、λ2为权重，F1为高铁站综合能源系统的最小负荷波动，F2为高铁站综合能源系统的最低运行成本，F1max为高铁站综合能源系统的最大负荷波动，F2max为高铁站综合能源系统的最高运行成本；
Figure FDA0004022326070000043
F2＝min(fope+fgas+fgrid+fc)
Figure FDA0004022326070000044
Figure FDA0004022326070000051
Figure FDA0004022326070000052
Pg,t＝Pload,t-PG,t+PEV,t
其中，NT为运行调度的总时段数，NDG为分布式电源的数量，Pload为电负荷功率，PGm,t为第m个分布式电源在t时段的电功率，PGm,t中的储能部分根据电储能设备模型获取，PEV,t为根据电动汽车充放电模型获取的电动汽车在t时段充电所需功率，fope为高铁站综合能源系统运维成本，fc为碳交易成本，Cf为分布式电源运行的燃料费用，COM为分布式电源的运行维护费，fgas为高铁站综合能源系统购买天然气费用，NB为补燃锅炉的数量，cgas为天然气的价格，HBj,t为第j个补燃锅炉在t时间段内的热功率，ηBj为第j个补燃锅炉效率，NX为制冷机数量，Sxj′,t为第j′个制冷机在t时段内的冷功率，ηxj′为第j′个制冷机制冷效率，fgrid为根据高铁站综合能源系统与电网交互模型获取的高铁站与电网交互费用，Pg,t为高铁站与主网之间在t时段的交换功率，Cpp为高铁站在t时段向电网购电的成本，Isp为高铁站在t时段向电网售电的收益，PG,t为分布式电源在t时段的输出功率，Pload,t是负荷在t时段所需的功率；
约束条件包括用户舒适度约束；
Figure FDA0004022326070000053
其中，χPMV表征人体热反应的评价指标，T为室温，T0为人体最适宜的环境温度。
9.一种高铁站综合能源需求响应优化调度装置，其特征在于，包括：
采集模块，采集高铁站综合能源系统中各种负荷的供需量；
优化模块，将供需量作为输入，求解预先构建的高铁站综合能源系统优化调度模型，获得高铁站综合能源系统的优选调度数据；其中，高铁站综合能源系统优化调度模型是基于高铁站综合能源系统参与碳市场的交易成本、以及用户侧舒适度的需求响应创建的，高铁站综合能源系统优化调度模型以高铁站综合能源系统的负荷波动最小、运行成本最低为目标；
调度模块，根据优选调度数据，进行高铁站综合能源需求响应优化调度。
10.一种存储一个或多个程序的计算机可读存储介质，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8所述的方法中的任一方法。
11.一种计算设备，其特征在于，包括：
一个或多个处理器、一个或多个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一个或多个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8所述的方法中的任一方法的指令。
CN202211693451.9A 2022-12-28 2022-12-28 一种高铁站综合能源需求响应优化调度方法及相关装置 Pending CN116167573A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211693451.9A CN116167573A (zh) 2022-12-28 2022-12-28 一种高铁站综合能源需求响应优化调度方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211693451.9A CN116167573A (zh) 2022-12-28 2022-12-28 一种高铁站综合能源需求响应优化调度方法及相关装置

Publications (1)

Publication Number Publication Date
CN116167573A true CN116167573A (zh) 2023-05-26

Family

ID=86415687

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211693451.9A Pending CN116167573A (zh) 2022-12-28 2022-12-28 一种高铁站综合能源需求响应优化调度方法及相关装置

Country Status (1)

Country Link
CN (1) CN116167573A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117436672A (zh) * 2023-12-20 2024-01-23 国网湖北省电力有限公司经济技术研究院 考虑等效循环寿命和温控负荷的综合能源运行方法及系统
CN117635220A (zh) * 2024-01-26 2024-03-01 南京邮电大学 一种电动出租车充电成本优化方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117436672A (zh) * 2023-12-20 2024-01-23 国网湖北省电力有限公司经济技术研究院 考虑等效循环寿命和温控负荷的综合能源运行方法及系统
CN117436672B (zh) * 2023-12-20 2024-03-12 国网湖北省电力有限公司经济技术研究院 考虑等效循环寿命和温控负荷的综合能源运行方法及系统
CN117635220A (zh) * 2024-01-26 2024-03-01 南京邮电大学 一种电动出租车充电成本优化方法及系统
CN117635220B (zh) * 2024-01-26 2024-05-24 南京邮电大学 一种电动出租车充电成本优化方法及系统

Similar Documents

Publication Publication Date Title
CN106228258B (zh) 一种计及需求侧管理的家庭能源局域网能量优化控制方法
CN105160451B (zh) 一种含电动汽车的微电网多目标优化调度方法
CN109659927B (zh) 一种考虑储能参与度的综合能源微网储能容量配置方法
CN105990838B (zh) 一种计及可调度和可平移负荷的海岛微电网优化调度方法
CN106950840B (zh) 面向电网削峰的综合能源系统分层分布式协调控制方法
CN112464477A (zh) 计及需求响应的多能耦合综合能源运行仿真方法
CN116167573A (zh) 一种高铁站综合能源需求响应优化调度方法及相关装置
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
CN105868844A (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
CN113792953A (zh) 一种虚拟电厂优化调度方法及系统
CN112668791A (zh) 热电联供系统的优化方法
CN110245810B (zh) 一种区域能源互联网协调优化运行方法
CN113987734A (zh) 机会约束条件的园区综合能源系统多目标优化调度方法
Liu et al. Multi-scenario analysis and collaborative optimization of a novel distributed energy system coupled with hybrid energy storage for a nearly zero-energy community
CN111047097A (zh) 一种综合能源系统日中滚动优化方法
CN115170343A (zh) 一种区域综合能源系统分布式资源和储能协同规划方法
CN112467767A (zh) 综合能源系统环境下的电动汽车并网协同控制方法
CN116451883A (zh) 一种园区多能协同优化方法、装置、设备及介质
Fu et al. Research on the stackelberg game method of building micro-grid with electric vehicles
Li et al. Optimal dispatch for PV-assisted charging station of electric vehicles
CN110376897B (zh) 一种基于ga-bfo的家庭能量多目标优化方法
Xiaoyu et al. Research on ordered charging of battery swapping station based on adaptive genetic algorithm
Tian et al. Optimal operation model of multi-energy microgrid considering a large number of EVs
Zhao Optimal Dispatch of Combined Heat and Power System Considering Adequacy Resources on Demand Side
Li et al. Intelligent building optimal scheduling considering the coordinated control of electric vehicles and thermostatically controlled load

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