CN116247682A - 蓄热式电采暖参与配电网负荷调控方法、装置及存储介质 - Google Patents
蓄热式电采暖参与配电网负荷调控方法、装置及存储介质 Download PDFInfo
- Publication number
- CN116247682A CN116247682A CN202310505281.5A CN202310505281A CN116247682A CN 116247682 A CN116247682 A CN 116247682A CN 202310505281 A CN202310505281 A CN 202310505281A CN 116247682 A CN116247682 A CN 116247682A
- Authority
- CN
- China
- Prior art keywords
- distribution network
- electric heating
- load
- power distribution
- regulation
- 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.)
- Granted
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 170
- 238000005485 electric heating Methods 0.000 title claims abstract description 143
- 238000000034 method Methods 0.000 title claims abstract description 129
- 230000001276 controlling effect Effects 0.000 title claims abstract description 19
- 230000001105 regulatory effect Effects 0.000 title claims abstract description 19
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000005457 optimization Methods 0.000 claims abstract description 61
- 230000001172 regenerating effect Effects 0.000 claims abstract description 30
- 238000005070 sampling Methods 0.000 claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 23
- 230000002068 genetic effect Effects 0.000 claims abstract description 21
- 230000008878 coupling Effects 0.000 claims abstract description 17
- 238000010168 coupling process Methods 0.000 claims abstract description 17
- 238000005859 coupling reaction Methods 0.000 claims abstract description 17
- 238000000556 factor analysis Methods 0.000 claims abstract description 10
- 230000007613 environmental effect Effects 0.000 claims abstract description 4
- 238000010438 heat treatment Methods 0.000 claims description 66
- 238000005338 heat storage Methods 0.000 claims description 49
- 230000008569 process Effects 0.000 claims description 40
- 230000006870 function Effects 0.000 claims description 35
- 230000005611 electricity Effects 0.000 claims description 23
- 210000000349 chromosome Anatomy 0.000 claims description 19
- 230000005540 biological transmission Effects 0.000 claims description 15
- 238000005315 distribution function Methods 0.000 claims description 15
- 238000011217 control strategy Methods 0.000 claims description 14
- 230000001186 cumulative effect Effects 0.000 claims description 12
- 108090000623 proteins and genes Proteins 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 239000002096 quantum dot Substances 0.000 claims description 9
- 230000000087 stabilizing effect Effects 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 6
- 230000002457 bidirectional effect Effects 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000002759 chromosomal effect Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000005283 ground state Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 239000000725 suspension Substances 0.000 claims description 3
- 230000003313 weakening effect Effects 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 description 7
- 238000009472 formulation Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06Q10/067—Enterprise or organisation modelling
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
- F24D19/00—Details
- F24D19/10—Arrangement or mounting of control or safety devices
- F24D19/1096—Arrangement or mounting of control or safety devices for electric heating systems
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/10—The network having a local or delimited stationary reach
- H02J2310/12—The local stationary network supplying a household or a building
- H02J2310/14—The load or loads being home appliances
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
- H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
- H02J2310/58—The condition being electrical
- H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
- H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
- H02J2310/62—The condition being non-electrical, e.g. temperature
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Thermal Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电网运行与控制技术领域,具体涉及蓄热式电采暖参与配电网负荷调控方法、装置及存储介质,该方法包括:考虑用户自身特性与外界环境因素,获取参数构建综合考虑负荷温度的电热耦合模型;进行随机性因素分析;运用拉丁超立方抽样生成不同负荷与温度的随机场景;在随机场景下构建蓄热式电采暖的配电网负荷优化调控模型;通过量子遗传算法求解来实现基于随机场景的蓄热式电采暖参与配电网负荷调控策略;输出基于随机场景的蓄热式电采暖参与配电网负荷调控策略。通过本发明的方法,能够更有效和可靠的进行基于随机场景的蓄热式电采暖参与配电网负荷调控策略的制定,为现代电网的负荷调控提供技术依据和实用化方法。
Description
技术领域
本发明涉及电网运行与控制技术领域,具体涉及蓄热式电采暖参与配电网负荷调控方法、装置及存储介质。
背景技术
加快推进能源结构转型以及全社会电能替代是实现目标的重要途径。我国东北地区冬季气温较低,每家每户都需要供暖来满足生活需求。电采暖作为目前最重要的一种清洁供暖方法,由于其安装与布置方便、操作模式灵活和可再生能源的利用率高等特点,目前已成为了国内外研究的热点。随着电采暖的广泛应用和配电网中新能源等电源的增加,也给配电网运行和控制带来挑战。在传统的控制策略下蓄热式电采暖的大规模使用会使配电网等值负荷增大,与此同时负荷需求具有不可控制性,就会导致配电网调度运行更加困难,不能让配电网获得更好的负荷特性,特别是随着蓄热式电采暖的大规模并网,将会导致配电网的等值负荷波动性更加强烈,对此传统的配电网负荷调控策略已经不适用于现在的电网,需要更加符合当前电网情况的新的配电网负荷调控策略。
影响配电网负荷调控的不确定性因素有很多,如台区类型、天气情况、运行容量等等,如何实现适应各种基于随机场景的蓄热式电采暖参与配电网负荷调控策略制定是首要问题。
发明内容
针对传统调控策略所造成的配电网等值负荷波动性增大的问题,提出了蓄热式电采暖参与配电网负荷调控方法、装置及存储介质,基于拉丁超立方抽样法生成不同负荷和温度的随机场景,以平抑配电网负荷波动为目标,构建考虑蓄热式电采暖负荷调节作用的配电网负荷优化调控模型,通过量子遗传算法进行调控策略求解,得到基于随机场景的蓄热式电采暖参与配电网负荷调控策略。为现代电网的协调运行和控制提供技术依据和实用化方法。
为了实现上述目的,本发明通过如下的技术方案来实现:
蓄热式电采暖参与配电网负荷调控方法,所述方法包括以下步骤:
S2:对所述电热耦合模型进行随机性因素分析;所述随机性因素包括台区类型、线路长度、负载率、供电半径、供电量、耗电量、运行容量和天气温度;
S3:根据随机性因素分析结果,运用拉丁超立方抽样生成不同负荷与温度的随机场景;
S4:确定用户全天24h内曲线平坦程度为目标函数,确定配电网负荷优化调控约束条件,在随机场景下构建蓄热式电采暖的配电网负荷优化调控模型;
所述的蓄热式电采暖的工作原理为用户根据自己的使用热舒适度,通过控制器设置蓄热功率、峰谷时段和加热温度。控制器会依据当前时段和蓄热器的温度进行电发热元件的启动和关闭,并且通过调控放热口和循环风机控制放热速率,从而使房间的温度保持在所需求的范围之内。
S5:通过量子遗传算法对所述配电网负荷优化调控模型进行调控策略求解,实现基于随机场景的蓄热式电采暖参与配电网负荷调控策略;
S6:输出基于随机场景的蓄热式电采暖参与配电网负荷调控策略;所述基于随机场景的蓄热式电采暖参与配电网负荷调控策略是指基于拉丁超立方抽样生成不同负荷和温度的随机场景,再通过量子遗传算法求解给出适应当前场景状态的配电网负荷调控策略。
作为本发明的一种优选方案,所述步骤S3中,用拉丁超立方抽样生成不同负荷和温度的随机场景的步骤具体为:用拉丁超立方抽样从一日中不同时间点随机抽取一组气温和负荷数据,利用双向场景削减方法对所述气温和负荷数据进行削减,找出具有典型情景的场景,将所述场景拼合在一起,生成日温度变化曲线和负荷波动场景集。
作为本发明的一种优选方案,所述拉丁超立方抽样的方法具体包括:
S31:运用正态分布将不同时间点的负荷数据和不同时间点的气温数据整合到一起,得到均值和方差;
作为本发明的一种优选方案,所述双向场景削减方法具体为:在纵轴优化方向,采用单时段场景削弱;在横轴优化方向,采用多时段场景生成。
作为本发明的一种优选方案,所述步骤S4中,用户全天24h内曲线平坦程度为目标函数是指以平抑配电网台区总负荷曲线、减小峰谷差为目标,用配电网台区总负荷曲线的方差来衡量曲线平坦程度,从而得到的目标函数,目标函数表达式如下:
作为本发明的一种优选方案,所述步骤S4中,确定配电网负荷优化调控约束条件,是指在多时段动态优化模型中,使得配电网负荷优化调控满足预测场景下的相关约束,包括热平衡约束、电采暖直热设备运行约束、电采暖蓄热设备运行约束、直流潮流配电网运行约束和线路传输容量约束,具体如下:
(1)热平衡约束:
式中,为时刻电采暖直热设备的电功率;为电采暖直热设备的电热转换效率;为时刻电采暖蓄热设备的电功率;为电采暖蓄热设备的放能效率;为时刻用户热量总需求;为仿真步长,取1小时;、、分别表示电采暖蓄热设备蓄热、放热和中止工作时段的集合;
式中,和分别为电价峰段和电价谷段的热量需求;为各时段用户设定的平均采暖温度;为互联网获取的用户当地24h室外温度预报数据;为峰值电价起始时刻;为峰值电价结束时刻;为谷值电价起始时刻;为谷值电价结束时刻;为室内-室外之间的等值热阻;
(2)电采暖直热设备运行约束:
(3)电采暖蓄热设备运行约束:
式中,为时刻电采暖蓄热设备的电功率;为电采暖蓄热设备的蓄热能效率;为电采暖蓄热设备的放能效率;为电采暖蓄热设备自身向环境散能损失或自损耗的能量系数;为电采暖蓄热设备在时刻储存的能量;为电采暖蓄热设备在时刻储存的能量;;
(4)直流潮流配电网运行约束:
(5)线路传输容量约束:
作为本发明的一种优选方案,所述步骤S5中,通过量子遗传算法对所述配电网负荷优化调控模型进行调控策略求解的步骤包括:
S52:进行个体评价,记录种群中最优个体及对应的适应度值大小,以当前最优个体,即配电网台区总负荷曲线平抑效果最优为目标;
S53:通过量子旋转门操作更新染色体编码,生成下一代群体;
S54:进行多次迭代,从而输出规划结果。
作为本发明的一种优选方案,所述步骤S53中,通过量子旋转门操作更新染色体编码,生成下一代群体具体为:采取旋转复数幅的表达方式,基于量子比特基态的染色体进化方式的量子旋转门,如下式所示:
本发明还提供蓄热式电采暖参与配电网负荷调控装置,所述装置包括:
随机性因素分析模块,用于对所述电热耦合模型进行随机性因素分析;
随机场景生成模块,用于根据随机性因素分析结果,运用拉丁超立方抽样生成不同负荷与温度的随机场景;
调控模型模块,用于在随机场景下构建蓄热式电采暖的配电网负荷优化调控模型;
调控策略模块,用于根据所述配电网负荷优化调控模型求解得到基于随机场景的蓄热式电采暖参与配电网负荷调控策略。
优选地,所述调控模型模块包括目标函数模块、约束条件模块、构建模块;所述目标函数模块用于确定用户全天24h内曲线平坦程度为目标函数,用户全天24h内曲线平坦程度为目标函数是指以平抑配电网台区总负荷曲线、减小峰谷差为目标,用配电网台区总负荷曲线的方差来衡量曲线平坦程度,从而得到的目标函数,目标函数表达式如下:
所述约束条件模块用于确定配电网负荷优化调控约束条件,在多时段动态优化模型中,使得配电网负荷优化调控满足预测场景下的热平衡约束、电采暖直热设备运行约束、电采暖蓄热设备运行约束、直流潮流配电网运行约束和线路传输容量约束;
所述构建模块用于构建蓄热式电采暖的配电网负荷优化调控模型。
优选地,所述调控策略模块包括量子遗传算法求解模块和策略输出模块;所述量子遗传算法求解模块用于通过量子遗传算法对所述配电网负荷优化调控模型进行调控策略求解;所述策略输出模块用于输出基于随机场景的蓄热式电采暖参与配电网负荷调控策略。
本发明还提供一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的蓄热式电采暖参与配电网负荷调控方法。
与现有技术相比,本发明具有的有益效果是:本发明通过考虑蓄热式电采暖和配电网的运行特性,基于拉丁超立方抽样生成不同负荷与温度的随机场景,构建考虑蓄热式电采暖负荷调节作用的配电网负荷优化调控模型,通过量子遗传算法进行调控策略求解,提高了配电网负荷调控的可靠性和可行性;在原有的配电网负荷调控策略的基础上,加入考虑约束条件和随机场景的模型搭建环节,使得生成的配电网负荷调控策略适用于各种随机场景的情况,从控制上易于实施,同时,各预测函数有现成的算法或软件,控制策略也易于实施;通过本发明的基于随机场景的蓄热式电采暖参与配电网负荷调控策略,不仅减少了采暖用户自身消耗电量和电费支出,而且实现了平抑配电网台区总负荷曲线的目标,使配电网台区总负荷峰谷差率和波动率逐渐减小,且均小于优化前。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。其中:
图1为本发明中蓄热式电采暖参与配电网负荷调控方法的总体流程图;
图2为本发明实施例中电热耦合模型的示意图;
图3为本发明实施例中配电网台区负荷优化前后对比图;
图4为本发明实施例中四个随机采暖负荷算例场景的仿真最优采暖负荷曲线图;
图5为本发明中的装置结构图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在同一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
如图1所示,为本发明的一个实施例,该实施例提供了蓄热式电采暖参与配电网负荷调控方法,本实施例中的基于随机场景的蓄热式电采暖参与配电网负荷调控策略与传统的调控策略的不同之处在于,传统的调控策略不能让配电网获得更好的负荷特性,特别是随着蓄热式电采暖的大规模并网,将会导致配电网的等值负荷波动性更加强烈。而通过本发明所提出的蓄热式电采暖参与配电网负荷调控方法不仅可以使采暖用户减少自身消耗电量,降低自身电费支出,还可以实现平抑配电网台区总负荷曲线的目标,从而使配电网台区总负荷峰谷差率和波动率逐渐减小。
解决问题的关键是如何满足基于随机场景的蓄热式电采暖参与配电网负荷调控策略的制定,使得配电网在当前场景下负荷调控效果达到最佳。该策略的制定的难点在于影响配电网负荷调控的不确定性因素有很多,如台区类型、天气情况、运行容量等等,所以要采用拉丁超立方抽样的方法进行随机场景的生成,通过量子遗传算法求解出最优解和最劣解,再根据各方案到最优解和最劣解的距离,确定方案的最终排序,进而得到最优的调度策略。如何实现适应各种基于随机场景的蓄热式电采暖参与配电网负荷调控策略制定是首要问题。
从图中的流程可以看出,本方法是通过构建考虑蓄热式电采暖负荷调节作用的配电网负荷优化调控模型,在模型中采用拉丁超立方抽样生成不同负荷和温度的随机场景来实现基于随机场景的蓄热式电采暖参与配电网负荷调控策略的制定,这是与其它方法本质的区别所在。具体包括以下步骤:
如图2所示,装设采暖设备的建筑物房间的热平衡过程可等效为介质(空气,墙壁等)温度随介质热容得热、散热的时变过程,且其传热过程可等效为经介质热阻的传热过程。将温度与房间热力学参数、采暖设备之间建立联系,构建房间温变-采暖设备功率的电热耦合模型。
S2:进行随机性因素分析;随机性因素包括台区类型、线路长度、负载率、供电半径、供电量、耗电量、运行容量和天气温度等。
S3:运用拉丁超立方抽样生成不同负荷与温度的随机场景:用拉丁超立方抽样从一日中不同时间点随机抽取一组气温和负荷数据;利用双向场景削减方法对气温和负荷数据进行削减,找出具有典型情景的场景;将场景拼合在一起,生成日温度变化曲线和负荷波动场景集;
在一个具体实施例中,拉丁超立方抽样的方法具体包括:
S31:运用正态分布将不同时间点的负荷数据和不同时间点的气温数据整合到一起,得到均值和方差;
双向场景削减方法具体为:在纵轴优化方向,采用单时段场景削弱;在横轴优化方向,采用多时段场景生成。
S4:确定用户全天24h内曲线平坦程度为目标函数,用户全天24h内曲线平坦程度为目标函数是指以平抑配电网台区总负荷曲线、减小峰谷差为目标,用配电网台区总负荷曲线的方差来衡量曲线平坦程度,从而得到的目标函数,目标函数表达式如下:
确定配电网负荷优化调控约束条件是指在多时段动态优化模型中,使得配电网负荷优化调控满足预测场景下的相关约束,包括热平衡约束、电采暖直热设备运行约束、电采暖蓄热设备运行约束、直流潮流配电网运行约束和线路传输容量约束,具体如下:
(1)热平衡约束:
式中,为时刻电采暖直热设备的电功率;为电采暖直热设备的电热转换效率;为时刻电采暖蓄热设备的电功率;为电采暖蓄热设备的放能效率;为时刻用户热量总需求;为仿真步长,取1小时;、、分别表示电采暖蓄热设备蓄热、放热和中止工作时段的集合;
式中,和分别为电价峰段和电价谷段的热量需求;为各时段用户设定的平均采暖温度;为互联网获取的用户当地24h室外温度预报数据;为峰值电价起始时刻;为峰值电价结束时刻;为谷值电价起始时刻;为谷值电价结束时刻;为室内-室外之间的等值热阻;
(2)电采暖直热设备运行约束:
(3)电采暖蓄热设备运行约束:
式中,为时刻电采暖蓄热设备的电功率;为电采暖蓄热设备的蓄热能效率;为电采暖蓄热设备的放能效率;为电采暖蓄热设备自身向环境散能损失或自损耗的能量系数;为电采暖蓄热设备在时刻储存的能量;为电采暖蓄热设备在时刻储存的能量;;
(4)直流潮流配电网运行约束:
(5)线路传输容量约束:
在随机场景下构建蓄热式电采暖的配电网负荷优化调控模型;蓄热式电采暖的工作原理为用户根据自己的使用热舒适度,通过控制器设置蓄热功率、峰谷时段和加热温度。控制器会依据当前时段和蓄热器的温度进行电发热元件的启动和关闭,并且通过调控放热口和循环风机控制放热速率,从而使房间的温度保持在所需求的范围之内。
如图3所示,在符合约束条件的情况下,优化后配电网台区蓄热式电采暖高峰负荷由3.84MW削减至2.4MW左右,但负荷曲线趋势仍和优化前相近,呈现中间低两边高的形态。由此可知,调控策略实施效果较明显,在满足用户热需求的同时削弱了由于供暖集中带来的负荷高峰,优化后蓄热式电采暖负荷仍保留了原有的负荷特性。
S5:通过量子遗传算法对配电网负荷优化调控模型进行调控策略求解,实现基于随机场景的蓄热式电采暖参与配电网负荷调控策略;
S51:输入原始参数,对量子比特编码后第代的第个基因的初始染色体编码;输入原始参数是指设置当前迭代数,及种群最大迭代次数,随机生成个体为的初始种群;初始染色体编码为采用量子比特法对采暖设备启停时刻和运行状态进行编码,因为建立的蓄热式电采暖负荷调节作用的配电网负荷优化调度模型共有1个待求解的目标函数,该部分表示染色体所构成的个体基因即配电网台区总负荷曲线平抑效果最优;
S52:进行个体评价,记录种群中最优个体及对应的适应度值大小,以当前最优个体,即配电网台区总负荷曲线平抑效果最优为目标;个体评价为测量初始种群中的个个体,得到确定解,即染色体优化解的二进制编码,求得种群个体适应度值得到对应的十进制数;
S53:通过量子旋转门操作更新染色体编码,生成下一代群体,具体为:采取旋转复数幅的表达方式,基于量子比特基态的染色体进化方式的量子旋转门,如下式所示:
S54:进行多次迭代,从而输出规划结果。
S6:输出基于随机场景的蓄热式电采暖参与配电网负荷调控策略;基于随机场景的蓄热式电采暖参与配电网负荷调控策略是指基于拉丁超立方抽样生成不同负荷和温度的随机场景,再通过量子遗传算法求解给出适应当前场景状态的配电网负荷调控策略。
如图4所示,优化策略计算分析如下:算例1实际温度与预测温度比较接近,所以整体采暖负荷是趋于稳定的,白天时段(7:00-18:00)室外温度升高,光照强度增大,采暖负荷逐步减少,并于13点减少至770kW后又逐步回升,于17点回升至夜间采暖负荷平均水平,负荷曲线优化明显;算例2相较于算例1上午的实际温度较低,与预测温度偏差较大,因此采暖负荷增加了3.92%并进行了超前加热,在午后温度上升的情况下,采暖负荷降低了2.89%,部分用户进行了补充制热,采暖负荷曲线产生起伏是由于气温和气象预报的气温有着很大差异,用户基于自己的需要和负荷调控策略进行需求响应;算例3相较于算例1,一天中的真实气温与预计气温相差较大,所以采暖负荷增加了9.79%,许多用户利用直接供热和蓄热式设备来满足自身的采暖需求,可以看出当下午温度上升的时候,采暖负荷虽然降低了5.36%,不过,总体负荷曲线起伏较大;算例3采暖负荷波动比算例2的剧烈,主要是由于出现了一些无法预测的极端天气,导致台区的负荷波动较大;算例4相较于算例1,夜间采暖负荷增加了2.06%,白天采暖负荷减少了3.16%;尽管真实气温与预测气温相差很大,但是算例4的采暖负荷波动比算例2小,这是因为部分采暖用户更加注重自己的经济利益,因此负荷曲线的波动较小。
调控策略效果分析如下:通过分析算例2与算例3数据可以得知,当真实气温偏离预期气温时,在满足用户舒适度的基础上,用户侧参与需求响应的积极性明显增加,从而致使采暖负荷降低了1.89%。分析算例4和算例2的数据可知,不同类型用户响应容量相互叠加体现了蓄热式电采暖负荷与配电网台区的互动潜力。经优化的配电网,各个台区总负荷的峰谷差率和波动率逐渐降低,并且都比优化前的要小。
如图5所示,为本发明的另一实施例,该实施例提供了蓄热式电采暖参与配电网负荷调控装置,包括:
随机性因素分析模块,用于对电热耦合模型进行随机性因素分析。随机场景生成模块,用于根据随机性因素分析结果,运用拉丁超立方抽样生成不同负荷与温度的随机场景。
调控模型模块,用于在随机场景下构建蓄热式电采暖的配电网负荷优化调控模型,包括目标函数模块、约束条件模块、构建模块;目标函数模块用于确定用户全天24h内曲线平坦程度为目标函数,用户全天24h内曲线平坦程度为目标函数是指以平抑配电网台区总负荷曲线、减小峰谷差为目标,用配电网台区总负荷曲线的方差来衡量曲线平坦程度,从而得到的目标函数,目标函数表达式如下:
约束条件模块用于确定配电网负荷优化调控约束条件,在多时段动态优化模型中,使得配电网负荷优化调控满足预测场景下的热平衡约束、电采暖直热设备运行约束、电采暖蓄热设备运行约束、直流潮流配电网运行约束和线路传输容量约束;
构建模块用于构建蓄热式电采暖的配电网负荷优化调控模型;
调控策略模块,用于根据所述配电网负荷优化调控模型求解得到基于随机场景的蓄热式电采暖参与配电网负荷调控策略,包括量子遗传算法求解模块和策略输出模块;量子遗传算法求解模块用于通过量子遗传算法对配电网负荷优化调控模型进行调控策略求解;策略输出模块用于输出基于随机场景的蓄热式电采暖参与配电网负荷调控策略。
本发明还提供一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的蓄热式电采暖参与配电网负荷调控方法。
综上所述,本发明的蓄热式电采暖参与配电网负荷调控方法中的调控策略,不仅减少了采暖用户自身消耗电量和电费支出,而且实现了平抑配电网台区总负荷曲线的目标,使配电网台区总负荷峰谷差率和波动率逐渐减小,且均小于优化前。传统的配电网负荷调控策略,未考虑蓄热式电采暖的大规模使用、新能源电源大规模并网情况和各种不确定因素的影响,从而导致配电网等值负荷波动性增强是系统的稳定性下降。本发明通过考虑蓄热式电采暖和配电网的运行特性,基于拉丁超立方抽样生成不同负荷与温度的随机场景,构建考虑蓄热式电采暖负荷调节作用的配电网负荷优化调控模型,通过量子遗传算法进行调控策略求解,提高了配电网负荷调控的可靠性和可行性。相较传统的配电网负荷调控策略,本发明的策略更易于实施,在原有的配电网负荷调控策略的基础上,加入考虑约束条件和随机场景的模型搭建环节,使得生成的配电网负荷调控策略适用于各种随机场景的情况,从控制上易于实施;同时,各预测函数有现成的算法或软件,控制策略也易于实施。
应理解的是,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。上述实施例方法的全部或部分步骤是可以通过程序来指令相关的硬件完成,该程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。上述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读存储介质中。该存储介质可以是只读存储器、磁盘或光盘等。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (12)
1.蓄热式电采暖参与配电网负荷调控方法,其特征在于,所述方法包括以下步骤:
S2:对所述电热耦合模型进行随机性因素分析;所述随机性因素包括台区类型、线路长度、负载率、供电半径、供电量、耗电量、运行容量和天气温度;
S3:根据随机性因素分析结果,运用拉丁超立方抽样生成不同负荷与温度的随机场景;
S4:确定用户全天24h内曲线平坦程度为目标函数,确定配电网负荷优化调控约束条件,在随机场景下构建蓄热式电采暖的配电网负荷优化调控模型;
S5:通过量子遗传算法对所述配电网负荷优化调控模型进行调控策略求解,实现基于随机场景的蓄热式电采暖参与配电网负荷调控策略;
S6:输出基于随机场景的蓄热式电采暖参与配电网负荷调控策略。
2.根据权利要求1所述的蓄热式电采暖参与配电网负荷调控方法,其特征在于,所述步骤S3中,用拉丁超立方抽样生成不同负荷和温度的随机场景具体为:用拉丁超立方抽样从一日中不同时间点随机抽取一组气温和负荷数据,利用双向场景削减方法对所述气温和负荷数据进行削减,找出具有典型情景的场景,将所述场景拼合在一起,生成日温度变化曲线和负荷波动场景集;所述双向场景削减方法具体为:在纵轴优化方向,采用单时段场景削弱;在横轴优化方向,采用多时段场景生成。
5.根据权利要求1所述的蓄热式电采暖参与配电网负荷调控方法,其特征在于,所述步骤S4中,确定配电网负荷优化调控约束条件,是指在多时段动态优化模型中,使得配电网负荷优化调控满足预测场景下的相关约束,包括热平衡约束、电采暖直热设备运行约束、电采暖蓄热设备运行约束、直流潮流配电网运行约束和线路传输容量约束,具体如下:
(1)热平衡约束:
式中,为时刻电采暖直热设备的电功率;为电采暖直热设备的电热转换效率;为时刻电采暖蓄热设备的电功率;为电采暖蓄热设备的放能效率;为时刻用户热量总需求;为仿真步长,取1小时;、、分别表示电采暖蓄热设备蓄热、放热和中止工作时段的集合;
式中,和分别为电价峰段和电价谷段的热量需求;为各时段用户设定的平均采暖温度;为互联网获取的用户当地24h室外温度预报数据;为峰值电价起始时刻;为峰值电价结束时刻;为谷值电价起始时刻;为谷值电价结束时刻;为室内-室外之间的等值热阻;
(2)电采暖直热设备运行约束:
(3)电采暖蓄热设备运行约束:
式中,为时刻电采暖蓄热设备的电功率;为电采暖蓄热设备的蓄热能效率;为电采暖蓄热设备的放能效率;为电采暖蓄热设备自身向环境散能损失或自损耗的能量系数;为电采暖蓄热设备在时刻储存的能量;为电采暖蓄热设备在时刻储存的能量;;
(4)直流潮流配电网运行约束:
(5)线路传输容量约束:
10.根据权利要求9所述的蓄热式电采暖参与配电网负荷调控装置,其特征在于,所述调控模型模块包括目标函数模块、约束条件模块、构建模块;所述目标函数模块用于确定用户全天24h内曲线平坦程度为目标函数,用户全天24h内曲线平坦程度为目标函数是指以平抑配电网台区总负荷曲线、减小峰谷差为目标,用配电网台区总负荷曲线的方差来衡量曲线平坦程度,从而得到的目标函数,目标函数表达式如下:
所述约束条件模块用于确定配电网负荷优化调控约束条件,在多时段动态优化模型中,使得配电网负荷优化调控满足预测场景下的热平衡约束、电采暖直热设备运行约束、电采暖蓄热设备运行约束、直流潮流配电网运行约束和线路传输容量约束;
所述构建模块用于构建蓄热式电采暖的配电网负荷优化调控模型。
11.根据权利要求9所述的蓄热式电采暖参与配电网负荷调控装置,其特征在于,所述调控策略模块包括量子遗传算法求解模块和策略输出模块;所述量子遗传算法求解模块用于通过量子遗传算法对所述配电网负荷优化调控模型进行调控策略求解;所述策略输出模块用于输出基于随机场景的蓄热式电采暖参与配电网负荷调控策略。
12.一种计算机存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8中任一项所述的蓄热式电采暖参与配电网负荷调控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310505281.5A CN116247682B (zh) | 2023-05-08 | 2023-05-08 | 蓄热式电采暖参与配电网负荷调控方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310505281.5A CN116247682B (zh) | 2023-05-08 | 2023-05-08 | 蓄热式电采暖参与配电网负荷调控方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116247682A true CN116247682A (zh) | 2023-06-09 |
CN116247682B CN116247682B (zh) | 2023-07-25 |
Family
ID=86631657
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310505281.5A Active CN116247682B (zh) | 2023-05-08 | 2023-05-08 | 蓄热式电采暖参与配电网负荷调控方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116247682B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117709554A (zh) * | 2024-02-04 | 2024-03-15 | 天津龙海科技有限公司 | 一种储热与电磁加热器联合的能源调度方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111668851A (zh) * | 2020-05-14 | 2020-09-15 | 中国电力科学研究院有限公司 | 一种电采暖负荷调节优化方法及装置 |
CN112116150A (zh) * | 2020-09-17 | 2020-12-22 | 河北工业大学 | 一种负荷聚合商参与蓄热式电采暖电力市场调节方法 |
CN114169236A (zh) * | 2021-12-03 | 2022-03-11 | 国网新疆电力有限公司昌吉供电公司 | 基于lstm算法的相变蓄热式电采暖负控系统控制方法 |
CN114462308A (zh) * | 2022-01-18 | 2022-05-10 | 三峡大学 | 一种考虑配电网潮流均衡性的蓄热式电采暖优化配置方法 |
-
2023
- 2023-05-08 CN CN202310505281.5A patent/CN116247682B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111668851A (zh) * | 2020-05-14 | 2020-09-15 | 中国电力科学研究院有限公司 | 一种电采暖负荷调节优化方法及装置 |
CN112116150A (zh) * | 2020-09-17 | 2020-12-22 | 河北工业大学 | 一种负荷聚合商参与蓄热式电采暖电力市场调节方法 |
CN114169236A (zh) * | 2021-12-03 | 2022-03-11 | 国网新疆电力有限公司昌吉供电公司 | 基于lstm算法的相变蓄热式电采暖负控系统控制方法 |
CN114462308A (zh) * | 2022-01-18 | 2022-05-10 | 三峡大学 | 一种考虑配电网潮流均衡性的蓄热式电采暖优化配置方法 |
Non-Patent Citations (2)
Title |
---|
宋杰 等: "蓄热式电采暖负荷参与风电消纳运行策略研究", 蓄热式电采暖负荷参与风电消纳运行策略研究, vol. 49, no. 3, pages 80 - 87 * |
陆斯悦 等: "基于需求侧调峰的农村电采暖设备负荷优化控制策略", 农业工程学报, vol. 36, no. 09, pages 229 - 234 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117709554A (zh) * | 2024-02-04 | 2024-03-15 | 天津龙海科技有限公司 | 一种储热与电磁加热器联合的能源调度方法及系统 |
CN117709554B (zh) * | 2024-02-04 | 2024-04-16 | 天津龙海科技有限公司 | 一种储热与电磁加热器联合的能源调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116247682B (zh) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wei et al. | A bi-level scheduling model for virtual power plants with aggregated thermostatically controlled loads and renewable energy | |
CN110458443B (zh) | 一种基于深度强化学习的智慧家庭能量管理方法及系统 | |
CN108321793B (zh) | 集成智能楼宇灵活负荷的主动配电网建模及优化调度方法 | |
CN107732897B (zh) | 融合虚拟储能系统的楼宇微网模型预测调控方法 | |
Hong et al. | Optimal sizing of renewable energy generations in a community microgrid using Markov model | |
Li et al. | Reinforcement learning of room temperature set-point of thermal storage air-conditioning system with demand response | |
CN112036934A (zh) | 考虑热电协调运行的负荷聚合商参与需求响应的报价方法 | |
CN116247682B (zh) | 蓄热式电采暖参与配电网负荷调控方法、装置及存储介质 | |
CN110474370B (zh) | 一种空调可控负荷、光伏储能系统的协同控制系统及方法 | |
Jones et al. | Evaluation of distributed building thermal energy storage in conjunction with wind and solar electric power generation | |
CN107994574B (zh) | 面向新能源消纳的集中式温控负荷侧需求响应的决策方法 | |
Ma et al. | Two-stage stochastic robust optimization model of microgrid day-ahead dispatching considering controllable air conditioning load | |
Yang et al. | Building electrification and carbon emissions: Integrated energy management considering the dynamics of the electricity mix and pricing | |
CN116365592B (zh) | 一种光储柔系统设计与运行协同优化方法、装置、介质 | |
Ruan et al. | Optimization on building combined cooling, heating, and power system considering load uncertainty based on scenario generation method and two-stage stochastic programming | |
CN109784554A (zh) | 一种基于主从博弈的电力系统最优调度方法 | |
Alahäivälä et al. | A framework for the assessment of electric heating load flexibility contribution to mitigate severe wind power ramp effects | |
CN113328432A (zh) | 一种家庭能量管理优化调度方法及系统 | |
Hakimi et al. | Smart virtual energy storage control strategy to cope with uncertainties and increase renewable energy penetration | |
Dorahaki et al. | A sharing economy model for a sustainable community energy storage considering end-user comfort | |
CN111555291A (zh) | 一种基于自适应粒子群的负荷集群控制方法 | |
Wang et al. | Event-triggered online energy flow control strategy for regional integrated energy system using Lyapunov optimization | |
CN111523697A (zh) | 一种综合能源服务成本分摊与定价计算方法 | |
Pacaud et al. | Stochastic optimal control of a domestic microgrid equipped with solar panel and battery | |
CN109343461A (zh) | 一种楼宇自动化控制系统的节能控制方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |