CN116596148A - 基于冷热电三联供的智慧电厂两阶段优化调度方法与系统 - Google Patents

基于冷热电三联供的智慧电厂两阶段优化调度方法与系统 Download PDF

Info

Publication number
CN116596148A
CN116596148A CN202310614881.5A CN202310614881A CN116596148A CN 116596148 A CN116596148 A CN 116596148A CN 202310614881 A CN202310614881 A CN 202310614881A CN 116596148 A CN116596148 A CN 116596148A
Authority
CN
China
Prior art keywords
output
load
daily
power
plan
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
CN202310614881.5A
Other languages
English (en)
Inventor
赵琼
刘定杰
刘珍珍
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.)
Zhejiang Yingji Power Technology Co ltd
Original Assignee
Zhejiang Yingji Power Technology Co ltd
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 Zhejiang Yingji Power Technology Co ltd filed Critical Zhejiang Yingji Power Technology Co ltd
Priority to CN202310614881.5A priority Critical patent/CN116596148A/zh
Publication of CN116596148A publication Critical patent/CN116596148A/zh
Pending legal-status Critical Current

Links

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
    • 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)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种基于冷热电三联供的智慧电厂两阶段优化调度方法与系统，属于智慧能源技术领域，具体包括：在日前调度阶段，考虑新能源出力的随机性以及负荷波动的随机性，以经济最优生成运行计划；在日内调度阶段，以第二时间阈值为基础进行日内负荷调度时段的划分，在当前的日内负荷调度时段，考虑新能源出力以及用户负荷的随机性，生成下一日内负荷调度时段的新能源实际预测出力、用户实际预测负荷；以供电可靠度阈值、负荷出力平衡为约束，生成备选的各出力设备的日内备选出力计划；以日内备选出力计划为基础，以经济最优为目标，得到各出力设备的日内出力计划，从而保证了负荷的运行稳定性。

Description

基于冷热电三联供的智慧电厂两阶段优化调度方法与系统
技术领域
本发明属于智慧能源技术领域，尤其涉及一种基于冷热电三联供的智慧电厂两阶段优化调度方法与系统。
背景技术
我国北方严寒地区供暖时间长，月平均最低温度低于-10℃，且气候干燥。传统能源供给方式集中和大型化，输配系统复杂，适应性和可靠性不强。在这样的态势下，冷热电联供系统由于其突出的节能环保特点被广泛采用，如何实现对冷热电三联供的智慧电厂的优化调度成为亟待解决的技术问题。
为了实现对冷热电三联供的智慧电厂的优化调度，在授权发明专利授权公告号CN109858697B《计及源荷随机的冷热电联供系统优化运行方法及系统》中通过系统历史数据，预测用户负荷以及可再生能源出力，制定系统多目标综合最优的运行计划，并根据行计划计算各个调度时段各设备出力，得到日前可控设备计划出力值；在实时运行阶段，考虑可再生能源和用户负荷的随机性，计算考虑随机变量的修正后的负荷值及可再生能源出力值；将考虑随机变量的修正后的负荷值减去考虑随机变量的修正后的可再生能源出力值以及日前可控设备计划出力值得到考虑随机变量的所有设备出力修正值，但是却未在日前调度时就进行可再生能源和用户负荷的随机性的考虑，在日前调度计划构建完毕后，在日内调度时在进行出力的修正，不仅会使得负荷波动的幅度过大，从而造成设备的寿命减少，同时在严重时，甚至会导致日内调节的幅度不能满足负荷调度的要求，另外在日内调度时也未考虑不同的负荷的供给的可靠性要求的差别，电能的供给可靠性要大于热能的供给可靠性和冷能的可靠性要求，电能的供给不足，有可能会导致重要设备的突然断电，而热能和冷能的短时间的供给不足，对设备的影响较小。
针对上述技术问题，本发明提供了一种基于冷热电三联供的智慧电厂两阶段优化调度方法与系统。
发明内容
为实现本发明目的，本发明采用如下技术方案：
根据本发明的一个方面，提供了一种基于冷热电三联供的智慧电厂两阶段优化调度方法与系统。
一种基于冷热电三联供的智慧电厂两阶段优化调度方法，其特征在于，具体包括：
S11在日前调度阶段，考虑系统历史数据、负荷影响预测数据，并考虑新能源出力的随机性以及负荷波动的随机性，预测新能源出力以及用户负荷，以经济最优生成运行计划，以第一时间阈值为基础进行日前负荷调度时段的划分，并以所述运行计划为基础，得到各个负荷调度阶段的各出力设备的日前出力计划；
S12在日内调度阶段，以第二时间阈值为基础进行日内负荷调度时段的划分，在当前的日内负荷调度时段，基于新能源实际出力、用户实际负荷，考虑新能源出力以及用户负荷的随机性，生成下一日内负荷调度时段的新能源实际预测出力、用户实际预测负荷；
S13以供电可靠度阈值、负荷出力平衡为约束，以当前负荷调度阶段的日前出力计划、新能源实际预测出力、用户实际预测负荷为基础，在所述日内负荷调度时段，生成备选的各出力设备的日内备选出力计划；
S14以所述日内备选出力计划为基础，以经济最优为目标，得到各出力设备的日内出力计划。
通过在日前调度阶段考虑新能源出力的随机性以及负荷波动的随机性，预测新能源出力以及用户负荷，以经济最优生成运行计划，从而使得最终的日前调度计划能够更加准确的反应实际的负荷情况，防止日内的负荷变动情况过大导致的对设备的影响。
通过首先基于供电可靠度阈值首先进行日内备选出力计划的构建，从而使得生成的日内调度计划能够保证供电的可靠性，在此基础上，通过经经济函数的构建，既保证了供电的可靠度要求，同时也保证了较好的经济型。
进一步的技术方案在于，所述系统历史数据包括相同的天气条件下的历史负荷数据、历史出力数据，所述相同的天气条件下至少包括相同的温度、湿度、风速的天气条件下。
进一步的技术方案在于，新能源出力的随机性构建的具体步骤为：
构建风机以及光伏的出力模型，其中风机的出力模型为：
式中：PWT为风能实际的输出功率；P rate为风能的额定功率；v为风能实际风速；vi为风能最小的切入风速；vr为风能的额定风速；vc为风能的切出风速；
其中光伏的出力模型为：
式中：GST为标准照度下获取的辐射强度；G IN是实际的辐射强度，k即为功率温度系数；Tc为光板实际温度；Tr为参考温度；PPV为实际输出功率；PST为最大支持的输出功率；
构建所述风机以及所述光伏的出力的概率密度函数：
其中风机的出力的概率密度函数为：
式子中，n为随机变量个数，k称作形状参数，反映的是风速分布的特点，c称作为给定地点的尺度参数，代表了该地区平均风速的大小；
k和c的计算公式为：
其中光伏的出力的概率密度函数为：
其中式中xt+k|t是时间t对前瞻时间k的光照强度预测；pt+k是时间t+k的光伏功率输出；式中Xi为光照强度样本；Pi为光伏功率输出样本；h1、h2为带宽参数；K1、K2为核函数,N为多变量个数；
基于第一置信度，得到所述风机和所述光伏的最大随机出力结果。
通过概率密度函数和第一置信度的构建，从而将风机和光伏的随机出力转换为确定的数据，不仅使得最终的风机和光伏的最大随机出力结果能够更加准确的反应实际的出力情况，同时也具有较好的适用性和全面性。
进一步的技术方案在于，负荷波动的随机性构建的具体步骤为：
构建电、热、冷负荷的概率密度函数，其中电、热、冷负荷的概率密度函数为：
其中P为负荷预测出力值；u为方差；σ为期望值；
基于第二置信度得到电负荷的最大出力值；
基于第一置信度得到热、冷负荷的最大出力值，其中第二置信度大于第一置信度。
通过第二置信度、第一置信度的构建，从而可以准确的得到电负荷和热冷负荷的最大出力值，同时也充分的考虑到电负荷对于稳定性的要求超过了热冷负荷的需求，进一步保证了调度的可靠性以及最终调度结果的实用性。
进一步的技术方案在于，所述运行计划构建的具体步骤为：
S21基于所述火电机组的出力约束、吸收式制冷机的效率约束和出力约束、储备设备的储能和出力约束、储热设备的储能和出力约束、能量平衡约束，构建约束条件；
S22以煤耗成本、储能成本、制冷成本、储热成本构建经济成本函数，以碳排放量、弃风量、弃光量构建环境成本函数；
S23以环境成本函数以及所述经济函数构建综合目标函数，以综合目标函数最小为目标，采用基于GA算法的寻优模型，生成各设备的运行计划。
通过综合目标函数的构建，从而使得最终的各设备的运行计划不仅能够准确的满足经济成本的需求，同时也可以满足环境的需求，保证了较好的经济型和环境收益。
进一步的技术方案在于，在日内调度阶段，基于所述风机以及所述光伏的出力的概率密度函数，采用第四置信度，得到所述新能源实际出力；基于电、热、冷负荷的概率密度函数，采用第五置信度，得到所述用户实际负荷：其中第四置信度小于第一置信度；第五置信度小于第三置信度。
进一步的技术方案在于，所述供电可靠度阈值根据供电负荷的供电可靠性要求、供电负荷的设备类型进行确定。
进一步的技术方案在于，所述日内出力计划构建的具体步骤为：
S31获取下一日内负荷调度时段的备选的各出力设备的日内备选出力计划；
S32基于所述日内备选计划，基于所述综合目标函数，获取所述日内备选计划的综合目标函数的计算结果；
S33基于所述综合目标函数的计算结果，得到下一日内负荷调度时段的各出力设备的日内出力计划。
另一方面，本发明实施例提供了一种基于冷热电三联供的智慧电厂两阶段优化调度系统，采用上述的一种基于冷热电三联供的智慧电厂两阶段优化调度方法，其特征在于，具体包括：
日前出力计划生成模块；日内备选出力计划生成模块；日内出力计划确定模块；
其中所述日前出力计划生成模块负责在日前调度阶段，考虑系统历史数据、负荷影响预测数据，并考虑新能源出力的随机性以及负荷波动的随机性，预测新能源出力以及用户负荷，以经济最优生成运行计划，以第一时间阈值为基础进行日前负荷调度时段的划分，并以所述运行计划为基础，得到各个负荷调度阶段的各出力设备的日前出力计划；
所述日内备选出力计划生成模块负责在日内调度阶段，以第二时间阈值为基础进行日内负荷调度时段的划分，在当前的日内负荷调度时段，基于新能源实际出力、用户实际负荷，考虑新能源出力以及用户负荷的随机性，生成下一日内负荷调度时段的新能源实际预测出力、用户实际预测负荷；以供电可靠度阈值、负荷出力平衡为约束，以当前负荷调度阶段的日前出力计划、新能源实际预测出力、用户实际预测负荷为基础，在所述日内负荷调度时段，生成备选的各出力设备的日内备选出力计划；
所述日内出力计划确定模块负责以所述日内备选出力计划为基础，以经济最优为目标，得到各出力设备的日内出力计划。
另一方面，本申请实施例中提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种基于冷热电三联供的智慧电厂两阶段优化调度方法。
另一方面，本申请实施例中提供一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施上述的一种基于冷热电三联供的智慧电厂两阶段优化调度方法。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。
图1是根据实施例1的一种基于冷热电三联供的智慧电厂两阶段优化调度方法的流程图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。图中相同的附图标记表示相同或类似的结构，因而将省略它们的详细描述。
用语“一个”、“一”、“该”、“所述”用以表示存在一个或多个要素/组成部分/等；用语“包括”和“具有”用以表示开放式的包括在内的意思并且是指除了列出的要素/组成部分/等之外还可存在另外的要素/组成部分/等。
在原有对不同的储能方式进行调度时，往往不能根据不同储能方式的特性以及负荷调节的需求，对不同储能方式之间进行优化调度，从而不能充分的应用不同的储能方式，同时也会影响机组的灵活性和设备的安全性。
实施例1
为解决上述问题，根据本发明的一个方面，如图1所示，提供了一种基于冷热电三联供的智慧电厂两阶段优化调度方法，其特征在于，具体包括：
S11在日前调度阶段，考虑系统历史数据、负荷影响预测数据，并考虑新能源出力的随机性以及负荷波动的随机性，预测新能源出力以及用户负荷，以经济最优生成运行计划，以第一时间阈值为基础进行日前负荷调度时段的划分，并以所述运行计划为基础，得到各个负荷调度阶段的各出力设备的日前出力计划；
S12在日内调度阶段，以第二时间阈值为基础进行日内负荷调度时段的划分，在当前的日内负荷调度时段，基于新能源实际出力、用户实际负荷，考虑新能源出力以及用户负荷的随机性，生成下一日内负荷调度时段的新能源实际预测出力、用户实际预测负荷；
S13以供电可靠度阈值、负荷出力平衡为约束，以当前负荷调度阶段的日前出力计划、新能源实际预测出力、用户实际预测负荷为基础，在所述日内负荷调度时段，生成备选的各出力设备的日内备选出力计划；
S14以所述日内备选出力计划为基础，以经济最优为目标，得到各出力设备的日内出力计划。
通过在日前调度阶段考虑新能源出力的随机性以及负荷波动的随机性，预测新能源出力以及用户负荷，以经济最优生成运行计划，从而使得最终的日前调度计划能够更加准确的反应实际的负荷情况，防止日内的负荷变动情况过大导致的对设备的影响。
通过首先基于供电可靠度阈值首先进行日内备选出力计划的构建，从而使得生成的日内调度计划能够保证供电的可靠性，在此基础上，通过经经济函数的构建，既保证了供电的可靠度要求，同时也保证了较好的经济型。
需要另外说明的是，所述系统历史数据包括相同的天气条件下的历史负荷数据、历史出力数据，所述相同的天气条件下至少包括相同的温度、湿度、风速的天气条件下。
需要另外说明的是，新能源出力的随机性构建的具体步骤为：
构建风机以及光伏的出力模型，其中风机的出力模型为：
式中：PWT为风能实际的输出功率；P rate为风能的额定功率；v为风能实际风速；vi为风能最小的切入风速；vr为风能的额定风速；vc为风能的切出风速；
其中光伏的出力模型为：
式中：GST为标准照度下获取的辐射强度；G IN是实际的辐射强度，k即为功率温度系数；Tc为光板实际温度；Tr为参考温度；PPV为实际输出功率；PST为最大支持的输出功率；
构建所述风机以及所述光伏的出力的概率密度函数：
其中风机的出力的概率密度函数为：
式子中，n为随机变量个数，k称作形状参数，反映的是风速分布的特点，c称作为给定地点的尺度参数，代表了该地区平均风速的大小；
k和c的计算公式为：
其中光伏的出力的概率密度函数为：
其中式中xt+k|t是时间t对前瞻时间k的光照强度预测；pt+k是时间t+k的光伏功率输出；式中Xi为光照强度样本；Pi为光伏功率输出样本；h1、h2为带宽参数；K1、K2为核函数,N为多变量个数；
基于第一置信度，得到所述风机和所述光伏的最大随机出力结果。
通过概率密度函数和第一置信度的构建，从而将风机和光伏的随机出力转换为确定的数据，不仅使得最终的风机和光伏的最大随机出力结果能够更加准确的反应实际的出力情况，同时也具有较好的适用性和全面性。
需要另外说明的是，负荷波动的随机性构建的具体步骤为：
构建电、热、冷负荷的概率密度函数，其中电、热、冷负荷的概率密度函数为：
其中P为负荷预测出力值；u为方差；σ为期望值；
基于第二置信度得到电负荷的最大出力值；
基于第一置信度得到热、冷负荷的最大出力值，其中第二置信度大于第一置信度。
通过第二置信度、第一置信度的构建，从而可以准确的得到电负荷和热冷负荷的最大出力值，同时也充分的考虑到电负荷对于稳定性的要求超过了热冷负荷的需求，进一步保证了调度的可靠性以及最终调度结果的实用性。
需要另外说明的是，所述运行计划构建的具体步骤为：
S21基于所述火电机组的出力约束、吸收式制冷机的效率约束和出力约束、储备设备的储能和出力约束、储热设备的储能和出力约束、能量平衡约束，构建约束条件；
S22以煤耗成本、储能成本、制冷成本、储热成本构建经济成本函数，以碳排放量、弃风量、弃光量构建环境成本函数；
S23以环境成本函数以及所述经济函数构建综合目标函数，以综合目标函数最小为目标，采用基于GA算法的寻优模型，生成各设备的运行计划。
通过综合目标函数的构建，从而使得最终的各设备的运行计划不仅能够准确的满足经济成本的需求，同时也可以满足环境的需求，保证了较好的经济型和环境收益。
需要另外说明的是，在日内调度阶段，基于所述风机以及所述光伏的出力的概率密度函数，采用第四置信度，得到所述新能源实际出力；基于电、热、冷负荷的概率密度函数，采用第五置信度，得到所述用户实际负荷：其中第四置信度小于第一置信度；第五置信度小于第三置信度。
需要另外说明的是，所述供电可靠度阈值根据供电负荷的供电可靠性要求、供电负荷的设备类型进行确定。
需要另外说明的是，所述日内出力计划构建的具体步骤为：
S31获取下一日内负荷调度时段的备选的各出力设备的日内备选出力计划；
S32基于所述日内备选计划，基于所述综合目标函数，获取所述日内备选计划的综合目标函数的计算结果；
S33基于所述综合目标函数的计算结果，得到下一日内负荷调度时段的各出力设备的日内出力计划。
实施例2
本发明实施例提供了一种基于冷热电三联供的智慧电厂两阶段优化调度系统，采用上述的一种基于冷热电三联供的智慧电厂两阶段优化调度方法，其特征在于，具体包括：
日前出力计划生成模块；日内备选出力计划生成模块；日内出力计划确定模块；
其中所述日前出力计划生成模块负责在日前调度阶段，考虑系统历史数据、负荷影响预测数据，并考虑新能源出力的随机性以及负荷波动的随机性，预测新能源出力以及用户负荷，以经济最优生成运行计划，以第一时间阈值为基础进行日前负荷调度时段的划分，并以所述运行计划为基础，得到各个负荷调度阶段的各出力设备的日前出力计划；
所述日内备选出力计划生成模块负责在日内调度阶段，以第二时间阈值为基础进行日内负荷调度时段的划分，在当前的日内负荷调度时段，基于新能源实际出力、用户实际负荷，考虑新能源出力以及用户负荷的随机性，生成下一日内负荷调度时段的新能源实际预测出力、用户实际预测负荷；以供电可靠度阈值、负荷出力平衡为约束，以当前负荷调度阶段的日前出力计划、新能源实际预测出力、用户实际预测负荷为基础，在所述日内负荷调度时段，生成备选的各出力设备的日内备选出力计划；
所述日内出力计划确定模块负责以所述日内备选出力计划为基础，以经济最优为目标，得到各出力设备的日内出力计划。
实施例3
本申请实施例中提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行上述的一种基于冷热电三联供的智慧电厂两阶段优化调度方法。
实施例4
本申请实施例中提供一种计算机程序，其特征在于，所述计算机程序存储有指令，所述指令在由计算机执行时，使得所述计算机实施上述的一种基于冷热电三联供的智慧电厂两阶段优化调度方法。
在本发明实施例中，术语“多个”则指两个或两个以上，除非另有明确的限定。术语“安装”、“连接”、“固定”等术语均应做广义理解，例如，“连接”可以是固定连接，也可以是可折卸连接，或一体地连接。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明实施例中的具体含义。
本发明实施例的描述中，需要理解的是，术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明实施例和简化描述，而不是指示或暗示所指的装置或单元必须具有特定的方向、以特定的方位构造和操作，因此，不能理解为对本发明实施例的限制。
在本说明书的描述中，术语“一个实施例”、“一个优选实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本发明实施例的优选实施例而已，并不用于限制本发明实施例，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

Claims (10)

1.一种基于冷热电三联供的智慧电厂两阶段优化调度方法，其特征在于，具体包括：
S11在日前调度阶段，考虑系统历史数据、负荷影响预测数据，并考虑新能源出力的随机性以及负荷波动的随机性，预测新能源出力以及用户负荷，以经济最优生成运行计划，以第一时间阈值为基础进行日前负荷调度时段的划分，并以所述运行计划为基础，得到各个负荷调度阶段的各出力设备的日前出力计划；
S12在日内调度阶段，以第二时间阈值为基础进行日内负荷调度时段的划分，在当前的日内负荷调度时段，基于新能源实际出力、用户实际负荷，考虑新能源出力以及用户负荷的随机性，生成下一日内负荷调度时段的新能源实际预测出力、用户实际预测负荷；
S13以供电可靠度阈值、负荷出力平衡为约束，以当前负荷调度阶段的日前出力计划、新能源实际预测出力、用户实际预测负荷为基础，在所述日内负荷调度时段，生成备选的各出力设备的日内备选出力计划；
S14以所述日内备选出力计划为基础，以经济最优为目标，得到各出力设备的日内出力计划。
2.如权利要求1所述的冷热电三联供的智慧电厂两阶段优化调度方法，其特征在于，所述系统历史数据包括相同的天气条件下的历史负荷数据、历史出力数据，所述相同的天气条件下至少包括相同的温度、湿度、风速的天气条件下。
3.如权利要求1所述的冷热电三联供的智慧电厂两阶段优化调度方法，其特征在于，新能源出力的随机性构建的具体步骤为：
构建风机以及光伏的出力模型，其中风机的出力模型为：
式中：PWT为风能实际的输出功率；P rate为风能的额定功率；v为风能实际风速；vi为风能最小的切入风速；vr为风能的额定风速；vc为风能的切出风速；
其中光伏的出力模型为：
式中：GST为标准照度下获取的辐射强度；G IN是实际的辐射强度，k即为功率温度系数；Tc为光板实际温度；Tr为参考温度；PPV为实际输出功率；PST为最大支持的输出功率；
构建所述风机以及所述光伏的出力的概率密度函数：
其中风机的出力的概率密度函数为：
式子中，n为随机变量个数，k称作形状参数，反映的是风速分布的特点，c称作为给定地点的尺度参数，代表了该地区平均风速的大小；
k和c的计算公式为：
其中光伏的出力的概率密度函数为：
其中式中xt+k|t是时间t对前瞻时间k的光照强度预测；pt+k是时间t+k的光伏功率输出；式中Xi为光照强度样本；Pi为光伏功率输出样本；h1、h2为带宽参数；K1、K2为核函数,N为多变量个数；
基于第一置信度，得到所述风机和所述光伏的最大随机出力结果。
通过概率密度函数和第一置信度的构建，从而将风机和光伏的随机出力转换为确定的数据，不仅使得最终的风机和光伏的最大随机出力结果能够更加准确的反应实际的出力情况，同时也具有较好的适用性和全面性。
4.如权利要求1所述的冷热电三联供的智慧电厂两阶段优化调度方法，其特征在于，负荷波动的随机性构建的具体步骤为：
构建电、热、冷负荷的概率密度函数，其中电、热、冷负荷的概率密度函数为：
其中P为负荷预测出力值；u为方差；σ为期望值；
基于第二置信度得到电负荷的最大出力值；
基于第一置信度得到热、冷负荷的最大出力值，其中第二置信度大于第一置信度。
通过第二置信度、第一置信度的构建，从而可以准确的得到电负荷和热冷负荷的最大出力值，同时也充分的考虑到电负荷对于稳定性的要求超过了热冷负荷的需求，进一步保证了调度的可靠性以及最终调度结果的实用性。
5.如权利要求1所述的冷热电三联供的智慧电厂两阶段优化调度方法，其特征在于，所述运行计划构建的具体步骤为：
S21基于所述火电机组的出力约束、吸收式制冷机的效率约束和出力约束、储备设备的储能和出力约束、储热设备的储能和出力约束、能量平衡约束，构建约束条件；
S22以煤耗成本、储能成本、制冷成本、储热成本构建经济成本函数，以碳排放量、弃风量、弃光量构建环境成本函数；
S23以环境成本函数以及所述经济函数构建综合目标函数，以综合目标函数最小为目标，采用基于GA算法的寻优模型，生成各设备的运行计划。
6.如权利要求1所述的冷热电三联供的智慧电厂两阶段优化调度方法，其特征在于，在日内调度阶段，基于所述风机以及所述光伏的出力的概率密度函数，采用第四置信度，得到所述新能源实际出力；基于电、热、冷负荷的概率密度函数，采用第五置信度，得到所述用户实际负荷：其中第四置信度小于第一置信度；第五置信度小于第三置信度。
7.如权利要求1所述的冷热电三联供的智慧电厂两阶段优化调度方法，其特征在于，所述供电可靠度阈值根据供电负荷的供电可靠性要求、供电负荷的设备类型进行确定。
8.如权利要求1所述的冷热电三联供的智慧电厂两阶段优化调度方法，其特征在于，所述日内出力计划构建的具体步骤为：
S31获取下一日内负荷调度时段的备选的各出力设备的日内备选出力计划；
S32基于所述日内备选计划，基于所述综合目标函数，获取所述日内备选计划的综合目标函数的计算结果；
S33基于所述综合目标函数的计算结果，得到下一日内负荷调度时段的各出力设备的日内出力计划。
9.一种基于冷热电三联供的智慧电厂两阶段优化调度系统，采用权利要求1-8任意一项所述的一种基于冷热电三联供的智慧电厂两阶段优化调度方法，其特征在于，具体包括：
日前出力计划生成模块；日内备选出力计划生成模块；日内出力计划确定模块；
其中所述日前出力计划生成模块负责在日前调度阶段，考虑系统历史数据、负荷影响预测数据，并考虑新能源出力的随机性以及负荷波动的随机性，预测新能源出力以及用户负荷，以经济最优生成运行计划，以第一时间阈值为基础进行日前负荷调度时段的划分，并以所述运行计划为基础，得到各个负荷调度阶段的各出力设备的日前出力计划；
所述日内备选出力计划生成模块负责在日内调度阶段，以第二时间阈值为基础进行日内负荷调度时段的划分，在当前的日内负荷调度时段，基于新能源实际出力、用户实际负荷，考虑新能源出力以及用户负荷的随机性，生成下一日内负荷调度时段的新能源实际预测出力、用户实际预测负荷；以供电可靠度阈值、负荷出力平衡为约束，以当前负荷调度阶段的日前出力计划、新能源实际预测出力、用户实际预测负荷为基础，在所述日内负荷调度时段，生成备选的各出力设备的日内备选出力计划；
所述日内出力计划确定模块负责以所述日内备选出力计划为基础，以经济最优为目标，得到各出力设备的日内出力计划。
10.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-8任意一项所述的一种基于冷热电三联供的智慧电厂两阶段优化调度方法。
CN202310614881.5A 2023-05-29 2023-05-29 基于冷热电三联供的智慧电厂两阶段优化调度方法与系统 Pending CN116596148A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310614881.5A CN116596148A (zh) 2023-05-29 2023-05-29 基于冷热电三联供的智慧电厂两阶段优化调度方法与系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310614881.5A CN116596148A (zh) 2023-05-29 2023-05-29 基于冷热电三联供的智慧电厂两阶段优化调度方法与系统

Publications (1)

Publication Number Publication Date
CN116596148A true CN116596148A (zh) 2023-08-15

Family

ID=87593540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310614881.5A Pending CN116596148A (zh) 2023-05-29 2023-05-29 基于冷热电三联供的智慧电厂两阶段优化调度方法与系统

Country Status (1)

Country Link
CN (1) CN116596148A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117239843A (zh) * 2023-11-13 2023-12-15 国网山东省电力公司东营供电公司 一种考虑储能的风电场调峰优化调度方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117239843A (zh) * 2023-11-13 2023-12-15 国网山东省电力公司东营供电公司 一种考虑储能的风电场调峰优化调度方法
CN117239843B (zh) * 2023-11-13 2024-01-26 国网山东省电力公司东营供电公司 一种考虑储能的风电场调峰优化调度方法

Similar Documents

Publication Publication Date Title
KR101834061B1 (ko) 신재생 에너지 연계형 ess의 전력 관리 방법
Nishanth et al. Particle swarm optimization of hybrid renewable energy systems
CN112072640A (zh) 一种虚拟电厂聚合资源的容量优化方法
GR1010085B (el) Μεθοδος για βελτιωμενη διαχειριση της ενεργειας ενος σχεδον ενεργειακα αυτοδυναμου κτιριου
CN113592200B (zh) 一种含水源热泵的区域综合能源系统低碳优化运行方法
CN112417651B (zh) 一种基于后悔规避的用户级综合能源系统优化方法
CN107785929B (zh) 一种太阳能热发电站功率预测系统及运行方法
CN116596148A (zh) 基于冷热电三联供的智慧电厂两阶段优化调度方法与系统
CN115857348A (zh) 考虑两联供热泵舒适供能的分布式能量系统容量优化方法
CN108599238A (zh) 考虑风能与太阳能互补的虚拟电厂分布式电源规划方法
Chen et al. Optimal scheduling of combined heat and power units with heat storage for the improvement of wind power integration
CN117096908A (zh) 基于麻雀搜索的并网型微电网优化调度方法
Nivedha et al. PSO based economic dispatch of a hybrid microgrid system
CN112329260A (zh) 一种多能互补微网多元多目标优化配置与优化运行方法
CN116436088A (zh) 一种风光电-火电-储能-电解铜一体化系统多目标优化调度方法
US20230352937A1 (en) Power regulation method and power regulation device
CN113078684B (zh) 一种基于双层优化的区域能源社区规划方法
CN111339474B (zh) 一种基于趋势预测分析法的综合能源系统预测运行方法
CN105552941B (zh) 一种分布式电源调峰容量优化方法
CN112736950B (zh) 一种面向微电网群的公共储能电站配置方法及系统
CN113762643A (zh) 区域综合能源系统的储能容量优化配置方法
WO2014125721A1 (ja) エネルギー最適制御装置、制御方法、制御プログラム及び制御プログラムを記録した記録媒体
CN117595366B (zh) 一种园区综合能源调控系统
CN117232065A (zh) 一种风冷热泵空调节能设备及优化控制方法
CN118739412A (zh) 一种考虑碳排放的虚拟电厂优化调度方法

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