CN116451883A - 一种园区多能协同优化方法、装置、设备及介质 - Google Patents
一种园区多能协同优化方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116451883A CN116451883A CN202310722298.6A CN202310722298A CN116451883A CN 116451883 A CN116451883 A CN 116451883A CN 202310722298 A CN202310722298 A CN 202310722298A CN 116451883 A CN116451883 A CN 116451883A
- Authority
- CN
- China
- Prior art keywords
- energy
- power
- grade
- output
- heat
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 48
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 24
- 238000010276 construction Methods 0.000 claims abstract description 4
- 239000007789 gas Substances 0.000 claims description 56
- 238000005338 heat storage Methods 0.000 claims description 54
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 52
- 238000006243 chemical reaction Methods 0.000 claims description 44
- 238000003860 storage Methods 0.000 claims description 38
- 238000004519 manufacturing process Methods 0.000 claims description 36
- 239000003345 natural gas Substances 0.000 claims description 26
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 18
- 230000005611 electricity Effects 0.000 claims description 17
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 13
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 12
- 239000001569 carbon dioxide Substances 0.000 claims description 12
- 238000012423 maintenance Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000010438 heat treatment Methods 0.000 claims description 10
- 238000005057 refrigeration Methods 0.000 claims description 9
- 238000004146 energy storage Methods 0.000 claims description 8
- 238000011084 recovery Methods 0.000 claims description 8
- 230000017525 heat dissipation Effects 0.000 claims description 7
- 230000005855 radiation Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 230000009194 climbing Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 4
- 239000000446 fuel Substances 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 3
- 239000002184 metal Substances 0.000 claims description 3
- 229910052755 nonmetal Inorganic materials 0.000 claims description 3
- 239000004753 textile Substances 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 9
- 230000003993 interaction Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000003749 cleanliness Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000001816 cooling Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000470 constituent Substances 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
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06Q10/04—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
- 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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/123—Tax preparation or submission
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Technology Law (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种园区多能协同优化方法、装置、设备及介质,方法包括:基于预构建的综合能源梯级利用供能结构,分别对园区内各个设备进行建模,得到多个稳态运行模型;以各个设备的稳态运行模型为约束条件,以综合能源系统运营成本最低为第一优化目标、以综合能源系统用能碳税费用最低为第二优化目标构建协同优化运行模型;求解所述协同优化运行模型,得到各个能源优化策略。装置包括建模模块、构建模块和求解模块。本发明实现多种可控负荷参与需求响应下的能源梯级供应多能系统源‑荷互动优化调度。
Description
技术领域
本发明涉及能源利用技术领域,特别是涉及一种园区多能协同优化方法、装置、设备及介质。
背景技术
园区内负荷需求种类多样,负荷需求量巨大,如果忽视运行优化工作,则会产生高消费、高污染、高排放、高能耗以及低能效等一系列能源利用问题。因此,需要对园区综合能源系统进行优化运行,以便于更好地发挥综合能源系统的作用。
在热能可控负荷优化建模研究方面,北京交通大学王怡岚的《基于需求侧响应的广义储能系统容量配置研究》中分析了用户在不同室内温度下的舒适度与建筑物的热特性,初步提出了通过调节用户在不同时间段内的空调温度设置,利用建筑物蓄热特性实现温控负荷平移,构建电力价格激励下温控负荷需求响应机制来提高电力微网运行经济性的设想。天津大学靳小龙团队提出的《融合需求侧虚拟储能系统的冷热电联供楼宇微网优化调度方法》(中国电机工程学报,2017,37(02):581-591),其将建筑物温控热平衡方程线性化,构建了室内设定温度、制冷功率和室外环境温度、建筑物散热参数之间的定量数学关系,进而形成了考虑用户用能舒适度的建筑物温控负荷需求响应模型并提出考虑空调负荷需求响应的综合能源楼宇经济调度方法。
在电能可控负荷优化建模方面,天津大学刘洪团队初步提出《基于改进CPSO 算法的区域电热综合能源系统经济调度》(电力自动化设备,2017,37(06):193-200),其考虑电动汽车调度成本在内的区域综合能源系统优化调度模型,并通过改进CPSO 算法进行了模型求解,但是该模型中电动汽车完全受调度系统控制,从而简化了电动汽车的运行特性与停驶特性,在实际工程应用中仍然欠缺合理性。武汉大学刘涤尘教授团队提出的《计及用户行为分析的多能协同综合能源系统供需双侧综合优化》(电力自动化设备, 2017, 37(6):179-185),其基于电动汽车的出行数据概率分布,利用蒙特卡洛模拟构建了电动汽车随机性充电模型,进而提出利用电动汽车集群接入进行有序充电并发挥移动储能特性为综合能源系统提供辅助服务的调度构想,提升区域综合能源系统运行经济性与可靠性。
相关技术中,已经有区域综合能源系统的多能供应基本结构,并以此为依据形成区域综合能源系统优化调度方法。还有将区域综合能源系统中的供需关系细分为电、热、冷三条供能母线,建立细分的电、热、冷能源供需平衡关系约束并进行能源供应调度。AliAbbaspour 团队进一步考虑了电动汽车这一具有不确定性启停特性接入综合能源系统后造成的影响,提出了考虑电动汽车不确定性的综合能源系统优化调度方法。还有在考虑多能源供能母线的结构上,更为深入地分析了系统中电动汽车、分布式新能源设备等具有运行不确定性的系统组成单元,并进行了描述这些系统单元不确定运行特征的数学建模,并将模型整合至区域综合能源系统调度模型之中,进行考虑系统单元随机性的综合能源系统优化调度运行。上述技术提出了业内认可度较高的综合能源系统能源生产、转换、存储的供需关系结构以及数学模型。
但是,虽然当前综合能源系统调度研究对电能、热能的主要灵活、可控负荷参与系统调度均有涉及,但是以上方案仅针对热能负荷或电能负荷一方面建立需求响应机制来实现能源系统经济运行,不仅灵活可控负荷模型较为单一,而且并未考虑在多能源系统中单一能源种类的负荷需求的改变对各能源系统之间运行稳定性的不利影响,导致能源利用率低、经济性较差。
发明内容
本发明提供一种园区多能协同优化方法、装置、设备及介质,以解决现有技术中能源利用率低、经济性较差的问题。
本发明解决其技术问题所采用的技术方案是:提供一种园区多能协同优化方法,包括以下步骤:
基于预构建的综合能源梯级利用供能结构,分别对园区内各个设备进行建模,得到多个稳态运行模型;
以各个设备的稳态运行模型为约束条件,以综合能源系统运营成本最低为第一优化目标、以综合能源系统用能碳税费用最低为第二优化目标构建协同优化运行模型;
求解所述协同优化运行模型,得到各个能源优化策略。
所述稳态运行模型包括园区内各个设备的稳态运行子模型及能源供需平衡关系的稳态运行子模型;其中,所述各个设备包括能源生产设备、能源存储设备和能源转换设备;所述能源生产设备包括燃气轮机和分布式光伏;所述能源存储设备包括蓄电池和储热罐;所述能源供需平衡关系包括电能负荷、热能负荷及能量梯级利用供需平衡关系;所述电能负荷包括:弹性电负荷、电动汽车充电负荷、数据中心服务器电能需求。
所述各个设备的稳态运行子模型包括:
燃气轮机分品位出力线性运行模型:,其中,
pg,gt(t)是燃气轮机总出力,pe,gt(t)是燃气轮机的电能出力;pmax,e,gt和pmin,e,gt分别是燃气
轮机的电能出力的上限和下限;xgt(t)是燃气轮机的调度因子;a1,gt和a2,gt为根据设备实际
情况拟合的运行参数;Rgt是燃气轮机的爬坡率;ph,gt,mid(t)是燃气轮机的中品位热能出力;
ph,gt,low(t)是燃气轮机的低品位热能出力;ƞh,gt,mid是燃气轮机中品位热能出力能效系数;
ƞh,gt,low是燃气轮机低品位热能出力能效系数;
分布式光伏运行模型:,其中,pe,pv(t)是分布式光伏的电能出
力;ηe,pv是分布式光伏的能量转换效率;Spv表示分布式光伏面积;G (t)是单位面积太阳辐
射强度;
蓄电池运行模型:,其中,
Ees(t)是蓄电池的当前蓄电量;σes是蓄电池的自放电系数;Ees,min是蓄电池的蓄电量的下
限;Ees,max是蓄电池的蓄电量的上限;pes,ch(t)是蓄电池的充电功率;pes,ch,min和pes,ch,max分别
是蓄电池的充电功率的下限和上限;pes,dis(t)是蓄电池的放电功率;pes,dis,min和pes,dis,max分
别是蓄电池的放电功率的下限和上限;ηes,ch是蓄电池的充电效率;ηes,dis是蓄电池的放电效
率;xes,ch(t)和xes,dis(t)分别是蓄电池的充电调度因子和放电调度因子;Nes是蓄电池充放
电次数的上限;△t表示单位时间,D表示充电总时长;
储热罐运行模型:,其
中,Ehs(t)是储热罐的当前蓄热量;σhs是储热罐的自放能系数;Ehs,min是储热罐的蓄热量的
下限;Ehs,max是储热罐的蓄热量的上限;phs,ch(t)是储热罐的充能功率;phs,ch,min和phs,ch,max分
别是储热罐的充能功率的下限和上限;phs,dis(t)是储热罐的放能功率;phs,dis,min和phs,dis,max
分别是储热罐的放能功率的下限和上限;ηhs,ch是储热罐的充能效率;ηhs,dis是储热罐的放能
效率;xhs,ch(t)和xhs,dis(t)分别是储热罐的充能调度因子和放能调度因子;Nhs是储热罐的
充放能次数的上限;
能源转换设备运行模型:,其中,poutput(t)是能源转
换设备的输出功率;pinput(t)是能源转换设备的输入功率;poutput,max是输出功率上限;
poutput,min是输出功率下限;ηcov是能源转换设备的转换效率。
所述能源供需平衡关系的稳态运行子模型包括:
弹性电负荷模型:,其中,Le,mov(t)为在t时刻下
的园区电能弹性负荷;Le,mov,min(t)和Le,mov,max(t)分别是t时刻弹性负荷变化的上限和下限;
电动汽车充电负荷模型为:,其
中,I表示园区中电动汽车的数量,J表示园区中充电桩的数量;ti,start是各电动汽车的停车
开始时刻;ti,end是各电动汽车的停车结束时刻;SOCi(ti,start)是电动汽车在停在停车场内
的初始荷电状态,Evc,i表示电动汽车电池组的额定容量,p vc,charge表示电动汽车充电功率,
xvc,i,j(t)代表t时刻电动汽车i与充电桩j的连接状态;Pvc,i是在充电时间段内,充电桩向电
动汽车提供的电能;Lvc, charge(t)是t时刻所有充电桩输出电能之和;D表示充电总时长;
数据中心服务器电能需求模型为:,其中,pdc,e(t)为
数据中心服务器在t时刻下的电能需求;pI为数据中心中服务器空载状态下的电能消耗功
率;μdc(t)为数据中心的服务器利用率;pP为数据中心服务器满载状态下的电能消耗功率;m
为数据中心中的服务器总台数;μdc,min为满足完成计算任务的最小服务器利用率;λdelay,max
为处理任务最大延迟时长;
热能负荷模型为:,其中,kwall是建筑
物外墙散热系数;Swall是建筑物外墙面积;kwin是建筑物外窗散热系数;G(t)表示单位面积
太阳辐射强度;Swin是建筑物外窗面积;Sc是建筑物遮挡系数;pin(t)是建筑物各时刻室内物
体热值;LACL,h(t)是建筑物制热产生的温控负荷;LACL,c(t)是建筑物制冷所产生温控负荷;ρ
是空气密度;Vair是建筑物内空气体积;Cair是空气比热容;Tout(t)是外界环境温度;Tin(t)是
室内设定温度;Tin,min和Tin,max分别是室内设定温度的下限和上限;
高品位、中品位能源利用回收运行模型:,其中,
Lsteam,mid(t)是中品位热能负荷;psteam,low(t)是回收所得低品位热能;ηsteam是热能回收效率;
电能梯级利用的能量供需平衡模型:,其中,
pe,gt(t)是燃气轮机的电能出力,Le(t)是刚性较强、对电能品位需求较高的生产负荷;
pe,input(t)为来自配电网、燃气轮机、分布式光伏的电能出力一同满足其余生活负荷、电动
汽车充电负荷和能源转换负荷的电能输入;peb(t)为从电网购买的电能;pes(t)为园区向电
网出售的冗余电能;Lvc,charge(t)表示园区电动汽车充电负荷;pes,ch(t)是蓄电池的充电功
率;pe,pv(t)是分布式光伏的电能出力,pe,dis(t)表示蓄电池的放电功率;Le,mov(t)为在t时刻
下的园区电能弹性负荷;pdc,e(t)为数据中心服务器在t时刻下的电能需求;
热能梯级利用的能量供需平衡模型:,其中,Lh(t)是普通的生产、生活用
低品位热能负荷;ph,output(t)是能源转换设备的热能输出;ph,input(t)是能源转换设备的热
能输入,ph,gt,mid(t)是燃气轮机的中品位热能出力,phs,dis(t)是储热罐的放能功率,phs,ch
(t)是储热罐的充能功率,ph,gt,low(t)是燃气轮机的低品位热能出力;Lsteam,mid(t)是中品位
热能负荷;psteam,low(t)是回收所得低品位热能;LACL,h(t)是建筑物制热产生的温控负荷;
冷能梯级利用的能量供需平衡模型:,其中,pc,output(t)
表示能源转换设备的冷能输出,Lc(t)表示生产所需冷能负荷;LACL,c(t)是建筑物制冷所产
生温控负荷。
所述协同优化运行模型的目标函数为:,其中,
为园区综合能源系统购能成
本,由购买天然气的燃料成本和与电网进行电能交易所产生的购电成本组成;cg(t)是天然
气价格;pg,gt(t)是园区的燃气轮机天然气用能;△t是单位时间;ceb(t)是电网售电价格;ces
(t)是用户向电网售电价格;peb(t)是用户向电网购买电能;pes(t)是用户向电网出售的电
能;
为园区综合能源系统中所建设配置的能源生产、存储、转换设备
在应用过程中所产生的运维成本;对于综合能源系统内的某设备j,pj(t)是设备j在t时刻
的设备出力,cj,om为设备单位出力的运行维护成本;D表示充能总时长;J表示设备总数量;
为考虑能源系统运行经济性并统一优
化目标函数量纲,加入的碳税费用;cctax是单位碳税;egas是天然气的单位二氧化碳排放率;
egrid是传统电力生产的单位二氧化碳排放率;ηgrid是电力系统电能传输效率。
所述协同优化运行模型的能源流包括:天然气、电能、热能以及冷能;其中,电能根据电能质量被划分为高品位、中品位及低品位进行梯级利用;热能依照热能温度被划分为高品位、中品位及低品位进行梯级利用;冷能为能量梯级利用结构中最低品位能源流。
所述协同优化运行模型的用户侧根据电子制造业、金属加工业、非金属加工业、纺织业、数据中心的生产任务电能、热能需求优先以高品位、中品位能量供应;商业用户日常工作、生活用电、用热以及电动汽车充电利用中品位、低品位能量进行梯级利用供能。
所述求解所述协同优化运行模型时,采用Yalmip+Gurobi联合求解所述协同优化运行模型,得到各个能源优化策略。
本发明解决其技术问题所采用的技术方案是:提供一种园区多能协同优化装置,包括:
建模模块,用于基于预构建的综合能源梯级利用供能结构,分别对园区内各个设备进行建模,得到多个稳态运行模型;
构建模块,用于以各个设备的稳态运行模型为约束条件,以综合能源系统运营成本最低为第一优化目标、以综合能源系统用能碳税费用最低为第二优化目标构建协同优化运行模型;
求解模块,用于求解所述协同优化运行模型,得到各个能源优化策略。
本发明解决其技术问题所采用的技术方案是:提供一种电子设备,包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述园区多能协同优化方法的步骤。
本发明解决其技术问题所采用的技术方案是:提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述园区多能协同优化方法的步骤。
有益效果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明通过构建计及能量梯级利用的工业综合能源系统多能协同优化模型,该优化模型兼顾系统运营经济性和系统用能清洁性,能够将园区购入天然气、电能成本费用最低(经济角度);及园区应用所建设配置能源设备进行多种能源的生产、存储、转换过程中所产生的设备运行、维护成本费用最低(经济角度);以及园区能源利用过程中二氧化碳排放被征收的碳税费用最低(环境角度)。也就是以系统运行、设备维护费用和系统排放所产生的碳税最低为总体优化目标,实现多种可控负荷参与需求响应下的能源梯级供应多能系统源-荷互动优化调度。
附图说明
图1是本发明第一实施方式园区多能协同优化方法的流程图;
图2是本发明第一实施中提供的综合能源梯级利用供能结构示意图;
图3是本发明第一实施方式园区多能协同优化装置的方框图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所限定的保护范围。
本发明的第一实施方式涉及一种基于能量梯级利用的园区多能协同优化方法,如图1所示,包括以下步骤:
S101,基于预构建的综合能源梯级利用供能结构,分别对园区内各个设备进行建模,得到多个稳态运行模型;
如图2所示,综合能源梯级利用功能结构为预先建立的,通过综合能源梯级利用供能结构对园区内各个设备进行建模,得到多个稳态运行模型。
S102,以各个设备的稳态运行模型为约束条件,以综合能源系统运营成本最低为第一优化目标、以综合能源系统用能碳税费用最低为第二优化目标构建协同优化运行模型;所述运营成本包括运行成本和设备维护成本;
S103,求解所述协同优化运行模型,得到各个能源优化策略。
基于能量梯级利用的园区多能协同优化方法的工作原理为:基于预构建的综合能源梯级利用供能结构,对园区内各个设备进行建模,得到多个稳态运行模型;以各个设备的稳态运行模型为约束条件,以综合能源系统运营成本最低为第一优化目标,也就是将园区购入天然气、电能成本费用最低(经济角度);及园区应用所建设配置能源设备进行多种能源的生产、存储、转换过程中所产生的设备运行、维护成本费用最低(经济角度),再以综合能源系统用能碳税费用最低为第二优化目标的目标函数构建协同优化运行模型;所述运营成本包括运行成本和设备维护成本,也就是园区能源利用过程中二氧化碳排放被征收的碳税费用最低(环境角度);最后,求解所述协同优化运行模型,得到各个能源优化策略,从而实现多种可控负荷参与需求响应下的能源梯级供应多能系统源-荷互动优化调度。
一些实施例中,所述稳态运行模型包括:园区内各个设备的稳态运行模型及能源供需平衡关系的稳态运行模型;
其中,各个设备包括能源生产设备、能源存储设备和能源转换设备;
所述能源生产设备包括燃气轮机和分布式光伏;
所述能源存储设备包括蓄电池、储热罐。
能源供需平衡关系包括电能负荷、热能负荷及能量梯级利用供需平衡关系;其中,所述电能负荷包括:弹性电负荷、电动汽车充电负荷、数据中心服务器电能需求。
具体的,稳态运行模型包括:燃气轮机、分布式光伏线性稳态模型,且上述两个稳态运行模型已经区分能量品位;蓄电池、储热罐稳态运行模型;电制冷机、吸收式制冷剂、热泵能源转换设备稳态运行模型;高、中品位负荷剩余能量回收再利用梯级利用模型;园区电动汽车充电负荷模型;园区温度控制负荷模型。
将上述各种设备的稳态运行模型,作为协同优化运行模型的约束条件。
具体的,所述约束条件,包括:
燃气轮机分品位出力线性约束:,其中,pg,gt
(t)是燃气轮机总出力,pe,gt(t)是燃气轮机的电能出力;pmax,e,gt和pmin,e,gt分别是燃气轮机
的电能出力的上限和下限;xgt(t)是燃气轮机的调度因子,是一个0-1布尔变量,当燃气轮机
启动出力时取值为1,反之为0;a1,gt和a2,gt为根据设备实际情况拟合的运行参数;Rgt是燃气
轮机的爬坡率;ph,gt,mid(t)是燃气轮机的中品位热能出力;ph,gt,low(t)是燃气轮机的低品位
热能出力;ƞh,gt,mid是燃气轮机中品位热能出力能效系数;ƞh,gt,low是燃气轮机低品位热能出
力能效系数。
分布式光伏运行约束:,其中,pe,pv(t)是分布式光伏的电能出
力;ηe,pv是分布式光伏的能量转换效率;Spv表示分布式光伏面积;G (t)是单位面积太阳辐
射强度。
蓄电池运行约束:,其中,
Ees(t)是蓄电池的当前蓄电量;σes是蓄电池的自放电系数;Ees,min是蓄电池的蓄电量的下
限;Ees,max是蓄电池的蓄电量的上限;pes,ch(t)是蓄电池的充电功率;pes,ch,min和pes,ch,max分别
是蓄电池的充电功率的下限和上限;pes,dis(t)是蓄电池的放电功率;pes,dis,min和pes,dis,max分
别是蓄电池的放电功率的下限和上限;ηes,ch是蓄电池的充电效率;ηes,dis是蓄电池的放电效
率;xes,ch(t)和xes,dis(t)分别是蓄电池的充电调度因子和放电调度因子,它们都是 0-1 布
尔变量,同一台蓄电池在同一个时刻只能够处于充电状态或放电状态其中之一,或者是不
工作,因此两个调度因子的和大于0并小于1;Nes是蓄电池充放电次数的上限;△t表示单位
时间,D表示充电总时长。
储热罐运行约束:,其
中,Ehs(t)是储热罐的当前蓄热量;σhs是储热罐的自放能系数;Ehs,min是储热罐的蓄热量的
下限;Ehs,max是储热罐的蓄热量的上限;phs,ch(t)是储热罐的充能功率;phs,ch,min和phs,ch,max分
别是储热罐的充能功率的下限和上限;phs,dis(t)是储热罐的放能功率;phs,dis,min和phs,dis,max
分别是储热罐的放能功率的下限和上限;ηhs,ch是储热罐的充能效率;ηhs,dis是储热罐的放能
效率;xhs,ch(t)和xhs,dis(t)分别是储热罐的充能调度因子和放能调度因子,与蓄电池类似,
它们都是 0-1 布尔变量,同一台储热罐在同一个时刻只能够处于充电状态或放电状态其
中之一,或者是不工作,因此两个调度因子的和也是大于0并小于1;Nhs是储热罐的充放能次
数的上限。
能源转换设备运行约束:,其中,poutput(t)是能源转
换设备的输出功率;pinput(t)是能源转换设备的输入功率;poutput,max是输出功率上限;
poutput,min是输出功率下限;ηcov是能源转换设备的转换效率。
园区电能、热能负荷运行约束,包括:
弹性电负荷约束:,其中,Le,mov(t)为在t时刻下
的园区电能弹性负荷;Le,mov,min(t)和Le,mov,max(t)分别是t时刻弹性负荷变化的上限和下限;
全天之内,电能弹性负荷的总和为0。
电动汽车充电负荷约束:,其中,I
表示园区中电动汽车的数量,J表示园区中充电桩的数量,XI*J*T是一个表示电动汽车充电状
态的0-1布尔变量矩阵;ti,start是各电动汽车的停车开始时刻;ti,end是各电动汽车的停车结
束时刻;SOCi(ti,start)是电动汽车在停在停车场内的初始荷电状态,Evc,i表示电动汽车电池
组的额定容量,p vc,charge表示电动汽车充电功率,xvc,i,j(t)代表t时刻电动汽车i与充电桩j
的连接状态,当车辆连接充电桩并开始充电时xvc,i,j(t)的值为1,反之值为0;Pvc,i是在充电
时间段内,充电桩向电动汽车提供的电能;Lvc, charge(t)是t时刻所有充电桩输出电能之和;
D表示充电总时长。
数据中心服务器电能需求约束:,其中,pdc,e(t)为数
据中心服务器在t时刻下的电能需求;pI为数据中心中服务器空载状态下的电能消耗功率;
μdc(t)为数据中心的服务器利用率;pP为数据中心服务器满载状态下的电能消耗功率;m为
数据中心中的服务器总台数;μdc,min为满足完成计算任务的最小服务器利用率;λdelay,max为
处理任务最大延迟时长。
热能负荷约束:,其中,kwall是建筑
物外墙散热系数;Swall是建筑物外墙面积;kwin是建筑物外窗散热系数;G(t)表示单位面积
太阳辐射强度;Swin是建筑物外窗面积;Sc是建筑物遮挡系数;pin(t)是建筑物各时刻室内物
体热值;LACL,h(t)是建筑物制热产生的温控负荷;LACL,c(t)是建筑物制冷所产生温控负荷;ρ
是空气密度;Vair是建筑物内空气体积;Cair是空气比热容;Tout(t)是外界环境温度;Tin(t)是
室内设定温度;Tin,min和Tin,max分别是室内设定温度的下限和上限。
高品位、中品位能源利用回收运行约束:,其中,
Lsteam,mid(t)是中品位热能负荷;psteam,low(t)是回收所得低品位热能;ηsteam是热能回收效率。
园区天然气、电能、热能、冷能供需平衡约束包括:
电能梯级利用的能量供需平衡约束:,其中,
pe,gt(t)是燃气轮机的电能出力,Le(t)是刚性较强、对电能品位需求较高的生产负荷;
pe,input(t)为来自配电网、燃气轮机、分布式光伏的电能出力一同满足其余生活负荷、电动
汽车充电负荷和能源转换负荷的电能输入;peb(t)为从电网购买的电能;pes(t)为园区向电
网出售的冗余电能;Lvc,charge(t)表示园区电动汽车充电负荷;pes,ch(t)是蓄电池的充电功
率;pe,pv(t)是分布式光伏的电能出力,pe,dis(t)表示蓄电池的放电功率;Le,mov(t)为在t时刻
下的园区电能弹性负荷;pdc,e(t)为数据中心服务器在t时刻下的电能需求。
热能梯级利用的能量供需平衡约束:,其中,Lh(t)是普通的生产、生活用
低品位热能负荷;ph,output(t)是能源转换设备的热能输出;ph,input(t)是能源转换设备的热
能输入,ph,gt,mid(t)是燃气轮机的中品位热能出力,phs,dis(t)是储热罐的放能功率,phs,ch
(t)是储热罐的充能功率,ph,gt,low(t)是燃气轮机的低品位热能出力;Lsteam,mid(t)是中品位
热能负荷;psteam,low(t)是回收所得低品位热能;LACL,h(t)是建筑物制热产生的温控负荷。
冷能梯级利用的能量供需平衡约束:,其中,能源转换设
备输出的冷能直接供应给温控冷负荷和其他冷负荷,pc,output(t)表示能源转换设备的冷能
输出,Lc(t)表示生产所需冷能负荷;LACL,c(t)是建筑物制冷所产生温控负荷。
通过协同优化运行模型中的上述约束条件,对天然气、电能、热能、冷能能源的供应做出了梯级利用的优化排序。依据天然气、电能、热能、冷能逐级递减的能源流品位总体关系,在能源流内部梯级利用上,确定了中、高品位能源优先保证园区内有精密生产任务用户的用能需求,其余的能量以及低品位能量进而满足普通生活用途的能源需求,完成单一能源流梯级供应。冗余的能源通过能源转换设备输出为低一级品位的能源进行供应,实现多能耦合下多种能源流之间的能量梯级利用。
除此之外,燃气轮机分品位出力线性约束体现了能源梯级利用下,综合能源生产设备实际能源分品位输出进行的模型改进。同时全面考虑了设备实际运行过程中的启停状态、爬坡状态,增加了能源设备物理模型的建模精细化程度。
电能梯级利用的能量供需平衡约束进一步考虑了在能源梯级利用的框架下对高品位以及中品位能源进行回收转化为低品位能源再利用,深化了能量梯级利用对能源利用效率的提升作用。
协同优化运行模型的目标函数为:
其中,为园区综合能源系统购
能成本,由购买天然气的燃料成本和与电网进行电能交易所产生的购电成本组成;cg(t)是
天然气价格;pg,gt(t)是园区的燃气轮机天然气用能;△t是单位时间;ceb(t)是电网售电价
格;ces(t)是用户向电网售电价格;peb(t)是用户向电网购买电能;pes(t)是用户向电网出售
的电能;
为园区综合能源系统中所建设配置的能源生产、存储、转换设备
在应用过程中所产生的运维成本;对于综合能源系统内的某设备j,pj(t)是设备j在t时刻
的设备出力,cj,om为设备单位出力的运行维护成本;D表示充能总时长;J表示设备总数量;
为考虑能源系统运行经济性并统一优
化目标函数量纲,加入的碳税费用;cctax是单位碳税;egas是天然气的单位二氧化碳排放率;
egrid是传统电力生产的单位二氧化碳排放率;ηgrid是电力系统电能传输效率。
上述目标函数,在为考虑能源系统运行经济性并统一优化目标函数量纲,加入对碳税费用的计算。使得该协同优化模型在兼顾系统运营经济性和系统用能清洁性的优化意图指导下,以园区综合能源系统日运行费用和用能排放碳税费用最小化为目标,最终得到园区内设备调度出力策略以及可控负荷调节策略,提升园区运行经济性、清洁性。
同时,在能源供应架构上,以满足能源量的需求的基础上进一步将供能架构向满足能源质与量的方向细化,通过建立高、中、低品位能量需求依序满足的供需平衡约束,实现了园区能量梯级利用供能架构的数学模型化表达。与此同时,通过完善能源设备能量分品位输出模型、负荷能量回收模型的改进与整合,进一步提升了能源设备、能源负荷稳态建模在计及能量梯级利用的园区综合能源系统多能协同优化模型的适用性。
其中,所述协同优化模型的能源流包括:
天然气、电能、热能以及冷能;
所述电能根据电能质量被划分为高品位、中品位及低品位进行梯级利用;
所述热能依照热能温度被划分为高品位、中品位及低品位进行梯级利用;
所述冷能为能量梯级利用结构中最低品位能源流。
所述协同优化模型的用户侧根据电子制造业、金属加工业、非金属加工业、纺织业、数据中心的生产任务电能、热能需求优先以高品位、中品位能量供应;商业用户日常工作、生活用电、用热以及电动汽车充电利用中品位、低品位能量进行梯级利用供能。
最后,采用Yalmip+Gurobi联合求解所述协同优化运行模型,得到各个能源优化策略。
本申请通过论证发现无论是单一使用Yalmip,还是Yalmip+Cplex或Yalmip+Gurobi联合求解,最终都可以得到相同精度的最优解。在最优解的求取上三种算法是无差异的。进一步对比三种求解算法的问题求解用时,分析可得,单一使用Yalmip求解,求解用时可达2420s,耗时极长。使用Yalmip+Cplex联合求解,求解用时得到极大缩短,降至450s,已经可以满足园区综合能源系统调度的需求。而当应用Yalmip+Gurobi联合求解,求解用时降至 160s,模型求解效率得到了进一步的提升。通过各优化算法改进配置方案进行仿真实验,进而对仿真优化求解精度、优化求解用时进行对比分析,可得出在保证优化求解精度相同的前提下,Yalmip+Gurobi联合求解算法是针对所形成计及能量梯级利用的工业综合能源系统多能协同优化模型求解效率最高的改进求解算法配置方案。
通过本申请提供的协同优化运行模型,求解后能够产生兼顾系统运营经济性最优与系统用能清洁性最优的园区综合能源系统能源供应策略。
通过本申请提供的基于能量梯级利用的园区多能协同优化方法,能够使得园区综合能源系统综合运行效果最优:
(1)园区购入天然气、电能成本费用最低(经济角度);
(2)园区应用所建设配置能源设备进行多种能源的生产、存储、转换过程中所产生的设备运行、维护成本费用最低(经济角度);
(3)园区能源利用过程中二氧化碳排放被征收的碳税费用最低(环境角度)。
除此之外,本申请提供的协同优化运行模型具有以下优点,
(1)目标函数中综合考虑系统运营经济性最优、系统用能清洁性最优;
(2)设备建模进一步考虑部分设备的实际运行状态并且对能源设备的能量出力品位划分;
(3)对部分高品位、中品位能源需求负荷设置能量回收约束,进一步深化能量梯级利用供能结构应用效果;
(4)供需平衡建模立足于“品位对口,梯级利用”的供能原则建立能量梯级供应的供需平衡约束。
本发明的第二实施方式涉及一种园区多能协同优化装置,如图3所示,包括:
建模模块201,用于基于预构建的综合能源梯级利用供能结构,分别对园区内各个设备进行建模,得到多个稳态运行模型;
构建模块202,用于以各个设备的稳态运行模型为约束条件,以综合能源系统运营成本最低为第一优化目标、以综合能源系统用能碳税费用最低为第二优化目标构建协同优化运行模型;
求解模块203,用于求解所述协同优化运行模型,得到各个能源优化策略。
可以理解的是,本实施方式与第一实施方式相互对应,相应的具体内容可以相互参考,在此不再赘述。
本发明的第三实施方式涉及一种电子设备,包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现第一实施方式的园区多能协同优化方法的步骤。
本发明的第四实施方式涉及一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现第一实施方式的园区多能协同优化方法的步骤。
不难发现,本发明通过构建计及能量梯级利用的工业综合能源系统多能协同优化模型,该优化模型兼顾系统运营经济性和系统用能清洁性,能够将园区购入天然气、电能成本费用最低(经济角度);及园区应用所建设配置能源设备进行多种能源的生产、存储、转换过程中所产生的设备运行、维护成本费用最低(经济角度);以及园区能源利用过程中二氧化碳排放被征收的碳税费用最低(环境角度)。也就是以系统运行、设备维护费用和系统排放所产生的碳税最低为总体优化目标,实现多种可控负荷参与需求响应下的能源梯级供应多能系统源-荷互动优化调度。
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。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种园区多能协同优化方法,其特征在于,包括以下步骤:
基于预构建的综合能源梯级利用供能结构,分别对园区内各个设备进行建模,得到多个稳态运行模型;
以各个设备的稳态运行模型为约束条件,以综合能源系统运营成本最低为第一优化目标、以综合能源系统用能碳税费用最低为第二优化目标构建协同优化运行模型;所述协同优化运行模型的目标函数为:,其中,为园区综合能源系统购能成本,由购买天然气的燃料成本和与电网进行电能交易所产生的购电成本组成;cg(t)是天然气价格;pg,gt(t)是园区的燃气轮机天然气用能;△t是单位时间;ceb(t)是电网售电价格;ces(t)是用户向电网售电价格;peb(t)是用户向电网购买电能;pes(t)是用户向电网出售的电能;
为园区综合能源系统中所建设配置的能源生产、存储、转换设备在应用过程中所产生的运维成本;对于综合能源系统内的某设备j,pj(t)是设备j在t时刻的设备出力,cj,om为设备单位出力的运行维护成本;D表示充能总时长;J表示设备总数量;为考虑能源系统运行经济性并统一优化目标函数量纲,加入的碳税费用;cctax是单位碳税;egas是天然气的单位二氧化碳排放率;egrid是传统电力生产的单位二氧化碳排放率;ηgrid是电力系统电能传输效率;
求解所述协同优化运行模型,得到各个能源优化策略。
2.根据权利要求1所述的园区多能协同优化方法,其特征在于,所述稳态运行模型包括园区内各个设备的稳态运行子模型及能源供需平衡关系的稳态运行子模型;其中,所述各个设备包括能源生产设备、能源存储设备和能源转换设备;所述能源生产设备包括燃气轮机和分布式光伏;所述能源存储设备包括蓄电池和储热罐;所述能源供需平衡关系包括电能负荷、热能负荷及能量梯级利用供需平衡关系;所述电能负荷包括:弹性电负荷、电动汽车充电负荷、数据中心服务器电能需求。
3.根据权利要求2所述的园区多能协同优化方法,其特征在于,所述各个设备的稳态运行子模型包括:
燃气轮机分品位出力线性运行模型:,其中,pg,gt(t)是燃气轮机总出力,pe,gt(t)是燃气轮机的电能出力;pmax,e,gt和pmin,e,gt分别是燃气轮机的电能出力的上限和下限;xgt(t)是燃气轮机的调度因子;a1,gt和a2,gt为根据设备实际情况拟合的运行参数;Rgt是燃气轮机的爬坡率;ph,gt,mid(t)是燃气轮机的中品位热能出力;ph,gt,low(t)是燃气轮机的低品位热能出力;ƞh,gt,mid是燃气轮机中品位热能出力能效系数;ƞh,gt,low是燃气轮机低品位热能出力能效系数;
分布式光伏运行模型:,其中,pe,pv(t)是分布式光伏的电能出力;ηe,pv是分布式光伏的能量转换效率;Spv表示分布式光伏面积;G (t)是单位面积太阳辐射强度;
蓄电池运行模型:,其中,Ees(t)是蓄电池的当前蓄电量;σes是蓄电池的自放电系数;Ees,min是蓄电池的蓄电量的下限;Ees,max是蓄电池的蓄电量的上限;pes,ch(t)是蓄电池的充电功率;pes,ch,min和pes,ch,max分别是蓄电池的充电功率的下限和上限;pes,dis(t)是蓄电池的放电功率;pes,dis,min和pes,dis,max分别是蓄电池的放电功率的下限和上限;ηes,ch是蓄电池的充电效率;ηes,dis是蓄电池的放电效率;xes,ch(t)和xes,dis(t)分别是蓄电池的充电调度因子和放电调度因子;Nes是蓄电池充放电次数的上限;△t表示单位时间,D表示充电总时长;
储热罐运行模型:,其中,Ehs(t)是储热罐的当前蓄热量;σhs是储热罐的自放能系数;Ehs,min是储热罐的蓄热量的下限;Ehs,max是储热罐的蓄热量的上限;phs,ch(t)是储热罐的充能功率;phs,ch,min和phs,ch,max分别是储热罐的充能功率的下限和上限;phs,dis(t)是储热罐的放能功率;phs,dis,min和phs,dis,max分别是储热罐的放能功率的下限和上限;ηhs,ch是储热罐的充能效率;ηhs,dis是储热罐的放能效率;xhs,ch(t)和xhs,dis(t)分别是储热罐的充能调度因子和放能调度因子;Nhs是储热罐的充放能次数的上限;△t表示单位时间,D表示充能总时长;
能源转换设备运行模型:,其中,poutput(t)是能源转换设备的输出功率;pinput(t)是能源转换设备的输入功率;poutput,max是输出功率上限;poutput,min是输出功率下限;ηcov是能源转换设备的转换效率。
4.根据权利要求2所述的园区多能协同优化方法,其特征在于,所述能源供需平衡关系的稳态运行子模型包括:
弹性电负荷模型:,其中,Le,mov(t)为在t时刻下的园区电能弹性负荷;Le,mov,min(t)和Le,mov,max(t)分别是t时刻弹性负荷变化的上限和下限;
电动汽车充电负荷模型为:,其中,I表示园区中电动汽车的数量,J表示园区中充电桩的数量;ti,start是各电动汽车的停车开始时刻;ti,end是各电动汽车的停车结束时刻;SOCi(ti,start)是电动汽车停在停车场内的初始荷电状态,Evc,i表示电动汽车电池组的额定容量,p vc,charge表示电动汽车充电功率,xvc,i,j(t)代表t时刻电动汽车i与充电桩j的连接状态;Pvc,i是在充电时间段内,充电桩向电动汽车提供的电能;Lvc, charge(t)是t时刻所有充电桩输出电能之和;D表示充电总时长;
数据中心服务器电能需求模型为:,其中,pdc,e(t)为数据中心服务器在t时刻下的电能需求;pI为数据中心中服务器空载状态下的电能消耗功率;μdc(t)为数据中心的服务器利用率;pP为数据中心服务器满载状态下的电能消耗功率;m为数据中心中的服务器总台数;μdc,min为满足完成计算任务的最小服务器利用率;λdelay,max为处理任务最大延迟时长;
热能负荷模型为:,其中,kwall是建筑物外墙散热系数;Swall是建筑物外墙面积;kwin是建筑物外窗散热系数;G(t)表示单位面积太阳辐射强度;Swin是建筑物外窗面积;Sc是建筑物遮挡系数;pin(t)是建筑物各时刻室内物体热值;LACL,h(t)是建筑物制热产生的温控负荷;LACL,c(t)是建筑物制冷所产生温控负荷;ρ是空气密度;Vair是建筑物内空气体积;Cair是空气比热容;Tout(t)是外界环境温度;Tin(t)是室内设定温度;Tin,min和Tin,max分别是室内设定温度的下限和上限;
高品位、中品位能源利用回收运行模型:,其中,Lsteam,mid(t)是中品位热能负荷;psteam,low(t)是回收所得低品位热能;ηsteam是热能回收效率;
电能梯级利用的能量供需平衡模型:,其中,pe,gt(t)是燃气轮机的电能出力,Le(t)是刚性较强、对电能品位需求较高的生产负荷;pe,input(t)为来自配电网、燃气轮机、分布式光伏的电能出力一同满足其余生活负荷、电动汽车充电负荷和能源转换负荷的电能输入;peb(t)为从电网购买的电能;pes(t)为园区向电网出售的冗余电能;Lvc,charge(t)表示园区电动汽车充电负荷;pes,ch(t)是蓄电池的充电功率;pe,pv(t)是分布式光伏的电能出力,pe,dis(t)表示蓄电池的放电功率;Le,mov(t)为在t时刻下的园区电能弹性负荷;pdc,e(t)为数据中心服务器在t时刻下的电能需求;
热能梯级利用的能量供需平衡模型:,其中,Lh(t)是普通的生产、生活用低品位热能负荷;ph,output(t)是能源转换设备的热能输出;ph,input(t)是能源转换设备的热能输入,ph,gt,mid(t)是燃气轮机的中品位热能出力,phs,dis(t)是储热罐的放能功率,phs,ch(t)是储热罐的充能功率,ph,gt,low(t)是燃气轮机的低品位热能出力;Lsteam,mid(t)是中品位热能负荷;psteam,low(t)是回收所得低品位热能;LACL,h(t)是建筑物制热产生的温控负荷;
冷能梯级利用的能量供需平衡模型:,其中,pc,output(t)表示能源转换设备的冷能输出,Lc(t)表示生产所需冷能负荷;LACL,c(t)是建筑物制冷所产生温控负荷。
5.根据权利要求1所述的园区多能协同优化方法,其特征在于,所述协同优化运行模型的能源流包括:天然气、电能、热能以及冷能;其中,电能根据电能质量被划分为高品位、中品位及低品位进行梯级利用;热能依照热能温度被划分为高品位、中品位及低品位进行梯级利用;冷能为能量梯级利用结构中最低品位能源流。
6.根据权利要求1所述的园区多能协同优化方法,其特征在于,所述协同优化运行模型的用户侧根据电子制造业、金属加工业、非金属加工业、纺织业、数据中心的生产任务电能、热能需求优先以高品位、中品位能量供应;商业用户日常工作、生活用电、用热以及电动汽车充电利用中品位、低品位能量进行梯级利用供能。
7.根据权利要求1所述的园区多能协同优化方法,其特征在于,所述求解所述协同优化运行模型时,采用Yalmip+Gurobi联合求解所述协同优化运行模型,得到各个能源优化策略。
8.一种园区多能协同优化装置,其特征在于,包括:
建模模块,用于基于预构建的综合能源梯级利用供能结构,分别对园区内各个设备进行建模,得到多个稳态运行模型;
构建模块,用于以各个设备的稳态运行模型为约束条件,以综合能源系统运营成本最低为第一优化目标、以综合能源系统用能碳税费用最低为第二优化目标构建协同优化运行模型;所述协同优化运行模型的目标函数为:,其中,为园区综合能源系统购能成本,由购买天然气的燃料成本和与电网进行电能交易所产生的购电成本组成;cg(t)是天然气价格;pg,gt(t)是园区的燃气轮机天然气用能;△t是单位时间;ceb(t)是电网售电价格;ces(t)是用户向电网售电价格;peb(t)是用户向电网购买电能;pes(t)是用户向电网出售的电能;
为园区综合能源系统中所建设配置的能源生产、存储、转换设备在应用过程中所产生的运维成本;对于综合能源系统内的某设备j,pj(t)是设备j在t时刻的设备出力,cj,om为设备单位出力的运行维护成本;D表示充能总时长;J表示设备总数量;为考虑能源系统运行经济性并统一优化目标函数量纲,加入的碳税费用;cctax是单位碳税;egas是天然气的单位二氧化碳排放率;egrid是传统电力生产的单位二氧化碳排放率;ηgrid是电力系统电能传输效率;
求解模块,用于求解所述协同优化运行模型,得到各个能源优化策略。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7中任一所述园区多能协同优化方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7中任一所述园区多能协同优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310722298.6A CN116451883A (zh) | 2023-06-19 | 2023-06-19 | 一种园区多能协同优化方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310722298.6A CN116451883A (zh) | 2023-06-19 | 2023-06-19 | 一种园区多能协同优化方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116451883A true CN116451883A (zh) | 2023-07-18 |
Family
ID=87130640
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310722298.6A Pending CN116451883A (zh) | 2023-06-19 | 2023-06-19 | 一种园区多能协同优化方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116451883A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757453A (zh) * | 2023-08-18 | 2023-09-15 | 国网智能电网研究院有限公司 | 低碳园区建筑集群协调优化调度方法、装置、设备及介质 |
CN117111451A (zh) * | 2023-10-24 | 2023-11-24 | 湘江实验室 | 基于源网荷储拓扑的多能源系统智能调控方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107665377A (zh) * | 2017-09-20 | 2018-02-06 | 国网天津市电力公司 | 一种多源耦合的综合能源系统规划方法 |
CN110417006A (zh) * | 2019-07-24 | 2019-11-05 | 三峡大学 | 考虑多能协同优化的综合能源系统多时间尺度能量调度方法 |
CN111640044A (zh) * | 2020-06-03 | 2020-09-08 | 国网浙江省电力有限公司湖州供电公司 | 一种考虑虚拟储能的综合能源系统dg消纳策略研究方法 |
CN112332450A (zh) * | 2020-10-16 | 2021-02-05 | 湖北华夏明源能源管理有限公司 | 一种基于光伏储能和路灯照明的微电网控制装置 |
CN112433807A (zh) * | 2020-10-19 | 2021-03-02 | 暨南大学 | 面向数据中心全局能耗优化的气流感知型虚拟机调度方法 |
CN113673739A (zh) * | 2021-02-22 | 2021-11-19 | 华北电力大学(保定) | 分布式综合能源系统的多时空尺度协同优化运行方法 |
CN113673738A (zh) * | 2021-02-22 | 2021-11-19 | 华北电力大学(保定) | 基于供需响应与可调场景的综合能源系统优化配置方法 |
CN113949082A (zh) * | 2020-07-16 | 2022-01-18 | 中国电力科学研究院有限公司 | 一种工业园区能源日前调度方法及装置 |
-
2023
- 2023-06-19 CN CN202310722298.6A patent/CN116451883A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107665377A (zh) * | 2017-09-20 | 2018-02-06 | 国网天津市电力公司 | 一种多源耦合的综合能源系统规划方法 |
CN110417006A (zh) * | 2019-07-24 | 2019-11-05 | 三峡大学 | 考虑多能协同优化的综合能源系统多时间尺度能量调度方法 |
CN111640044A (zh) * | 2020-06-03 | 2020-09-08 | 国网浙江省电力有限公司湖州供电公司 | 一种考虑虚拟储能的综合能源系统dg消纳策略研究方法 |
CN113949082A (zh) * | 2020-07-16 | 2022-01-18 | 中国电力科学研究院有限公司 | 一种工业园区能源日前调度方法及装置 |
CN112332450A (zh) * | 2020-10-16 | 2021-02-05 | 湖北华夏明源能源管理有限公司 | 一种基于光伏储能和路灯照明的微电网控制装置 |
CN112433807A (zh) * | 2020-10-19 | 2021-03-02 | 暨南大学 | 面向数据中心全局能耗优化的气流感知型虚拟机调度方法 |
CN113673739A (zh) * | 2021-02-22 | 2021-11-19 | 华北电力大学(保定) | 分布式综合能源系统的多时空尺度协同优化运行方法 |
CN113673738A (zh) * | 2021-02-22 | 2021-11-19 | 华北电力大学(保定) | 基于供需响应与可调场景的综合能源系统优化配置方法 |
Non-Patent Citations (2)
Title |
---|
王鑫红; 阚中盛; 赵博; 李昊; 马铭悦: "计及风力发电预测周期的蓄热式电采暖优化调度策略", 《吉林省电机工程学会2022年学术年会获奖论文集》 * |
白珂作: "现代制造业服务化创新路径研究", 《中国原子能出版社》, pages: 199 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116757453A (zh) * | 2023-08-18 | 2023-09-15 | 国网智能电网研究院有限公司 | 低碳园区建筑集群协调优化调度方法、装置、设备及介质 |
CN116757453B (zh) * | 2023-08-18 | 2023-10-27 | 国网智能电网研究院有限公司 | 低碳园区建筑集群协调优化调度方法、装置、设备及介质 |
CN117111451A (zh) * | 2023-10-24 | 2023-11-24 | 湘江实验室 | 基于源网荷储拓扑的多能源系统智能调控方法及装置 |
CN117111451B (zh) * | 2023-10-24 | 2024-02-02 | 湘江实验室 | 基于源网荷储拓扑的多能源系统智能调控方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hou et al. | Multi-objective economic dispatch of a microgrid considering electric vehicle and transferable load | |
Moghaddas-Tafreshi et al. | Optimal operation of an energy hub considering the uncertainty associated with the power consumption of plug-in hybrid electric vehicles using information gap decision theory | |
CN104269849B (zh) | 基于建筑光伏微电网的能量管理方法及系统 | |
CN116451883A (zh) | 一种园区多能协同优化方法、装置、设备及介质 | |
CN106532764B (zh) | 一种就地消纳光伏发电的电动汽车充电负荷调控方法 | |
Fux et al. | Economic and environmental aspects of the component sizing for a stand-alone building energy system: A case study | |
CN111845426B (zh) | 基于列生成框架的纯电动公交车充电功率分配及优化方法 | |
Mei et al. | Stochastic optimization of multi-energy system operation considering hydrogen-based vehicle applications | |
CN108197726B (zh) | 一种基于改进进化算法的家庭能量数据优化方法 | |
CN110661254A (zh) | 一种区域综合能源系统冷热电互补效益量化方法 | |
CN111293682B (zh) | 一种基于协同模型预测控制的多微网能量管理方法 | |
CN109816556B (zh) | 促进光伏消纳考虑热电联产及需求响应的并网型微电网经济优化调度策略 | |
CN112668791A (zh) | 热电联供系统的优化方法 | |
CN116151486B (zh) | 含储能系统的光伏充电站多时间尺度随机优化方法及装置 | |
CN105894122A (zh) | 一种用于家庭能量管理系统的用电设备运行调度方法 | |
CN117477557A (zh) | 一种虚拟电厂调峰优化调度方法、系统、电子设备及介质 | |
CN116663820A (zh) | 一种需求响应下的综合能源系统能量管理方法 | |
CN112966444B (zh) | 一种建筑多能源系统智慧能量优化方法及装置 | |
Hai et al. | Deep learning-based prediction of lithium-ion batteries state of charge for electric vehicles in standard driving cycle | |
CN110739710A (zh) | 基于优化算法的多种能源类型协调调度方法及装置 | |
CN112952876A (zh) | 一种分布式数据中心型变电站协同运行与优化调度方法 | |
Liu et al. | Two-stage scheduling strategy for integrated energy systems considering renewable energy consumption | |
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 | |
Yang et al. | Optimization of the energy management system in hybrid electric vehicles considering cabin temperature | |
CN113779759A (zh) | 一种数据中心实时能量管理方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230718 |