CN116914733A - 一种基于多类型需求响应与储热改造的电力系统低碳经济调度方法 - Google Patents
一种基于多类型需求响应与储热改造的电力系统低碳经济调度方法 Download PDFInfo
- Publication number
- CN116914733A CN116914733A CN202310857358.5A CN202310857358A CN116914733A CN 116914733 A CN116914733 A CN 116914733A CN 202310857358 A CN202310857358 A CN 202310857358A CN 116914733 A CN116914733 A CN 116914733A
- Authority
- CN
- China
- Prior art keywords
- load
- heat storage
- cost
- unit
- demand response
- 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
- 230000004044 response Effects 0.000 title claims abstract description 188
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 154
- 238000005338 heat storage Methods 0.000 title claims abstract description 125
- 230000009466 transformation Effects 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 40
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 91
- 230000007246 mechanism Effects 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 230000009467 reduction Effects 0.000 claims abstract description 13
- 230000005611 electricity Effects 0.000 claims description 75
- 238000005457 optimization Methods 0.000 claims description 27
- 239000003245 coal Substances 0.000 claims description 21
- 238000012546 transfer Methods 0.000 claims description 19
- 230000007613 environmental effect Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 14
- 230000009194 climbing Effects 0.000 claims description 11
- 238000007599 discharging Methods 0.000 claims description 8
- 230000005284 excitation Effects 0.000 claims description 8
- 238000013178 mathematical model Methods 0.000 claims description 5
- 239000000446 fuel Substances 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- OFPXSFXSNFPTHF-UHFFFAOYSA-N oxaprozin Chemical compound O1C(CCC(=O)O)=NC(C=2C=CC=CC=2)=C1C1=CC=CC=C1 OFPXSFXSNFPTHF-UHFFFAOYSA-N 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000006477 desulfuration reaction Methods 0.000 claims description 2
- 230000023556 desulfurization Effects 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 abstract description 6
- 230000001737 promoting effect Effects 0.000 abstract description 2
- 230000033228 biological regulation Effects 0.000 description 31
- 238000010521 absorption reaction Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 7
- 239000002699 waste material Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000002485 combustion reaction Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000031700 light absorption Effects 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003009 desulfurizing effect Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000002407 reforming Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Power Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (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
本发明旨在公开一种考虑多类型需求响应与储热改造的电力系统低碳经济调度方法。首先分析不同类型负荷特性,建立多类型需求响应改进模型，根据不同类型负荷特性采用适宜的需求响应方法，充分挖掘负荷侧灵活性资源；其次，分析多类型需求响应与储热改造配合促进碳减排的运行机理，建立考虑多类型需求响应与储热改造的电力系统低碳经济分层模型。最后以改进的30机系统进行算例分析，结果表明所建模型能够在控制系统综合运行成本的前提下有效减少系统碳排放。
Description
技术领域
本发明属于电力系统低碳经济调度领域，特别涉及一种基于多类型需求响应与储热改造的电力系统低碳经济调度方法。
背景技术
风光等可再生能源由于零碳排、技术成熟及边际成本低等原因正逐渐替代高碳排放电源。风光出力不确定性不仅限制其消纳能力，还会增大负荷峰谷差，加剧火电机组调峰压力增加机组碳排放。因此，如何提高风光消纳并减少调峰机组碳排放实现电力系统经济低碳具有重要意义，而可深入挖掘负荷侧资源的需求响应手段及火电机组灵活性改造技术则为碳减排提供新路径。
需求响应可挖掘需求侧可调资源，通过合理调节负荷促进可再生清洁能源消纳、降低系统碳排放量。目前，已有学者研究了需求响应(DR)对电力系统低碳、经济的影响。许多研究对多种负荷采用同一需求响应手段且未对需求响应电价进行优化，目前较少有文献利用多种需求响应方法针对不同类型负荷分类施策以充分提升负荷侧灵活性。
然而，受风光不确定性影响，需求响应通过转移高峰负荷至低谷时段来消纳弃风的系统低碳原理仍显不足。由于当前系统调峰电源仍由火电为主，需充分挖掘火电机组灵活性资源来弥补低谷弃风水平不高时需求响应低碳原理不足的缺陷。目前考虑火电机组深度调峰与需求响应技术结合减少系统碳排放的研究较少。
发明内容
针对以上问题本发明提供一种基于多类型需求响应与储热改造的电力系统低碳经济调度方法。首先分析不同类型负荷特性,建立多类型需求响应改进模型，根据不同类型负荷特性采用适宜的需求响应方法，充分挖掘负荷侧灵活性资源；其次，分析多类型需求响应与储热改造配合促进碳减排的运行机理，建立考虑多类型需求响应与储热改造的电力系统低碳经济分层模型。最后以改进的30机系统进行算例分析，结果表明本发明能够在控制系统综合运行成本的前提下有效减少系统碳排放。
本发明提出一种基于多类型需求响应与储热改造的电力系统低碳经济调度方法，具体设计方案如下：
步骤一：根据各类型用户对价格响应的差异及自身的用电特征将负荷分为敏感性、相对敏感性以及不敏感性负荷，分别采用改进型分时电价响应、可中断激励响应、不参与响应处理并建立响应模型；
步骤二：基于步骤一的响应模型，分析多类型需求响应进行运行机理和储热改造的低碳经济运行以及多类型需求响应与储热改造配合的低碳经济运行机理；
步骤三：基于步骤二中的运行机理，建立一个计及多类型需求响应与储热改造的电力系统低碳经济调度模型以及鲁棒优化模型；
步骤四：基于步骤三中提出的低碳经济调度模型，设立相应目标函数和模型的约束。
进一步的，所述步骤一中建立不同类型负荷的响应模型，负荷相应模型具体如下：
基于消费心理学模型的分时电价响应机制将一个调度周期分为峰、平、谷3个时间段，通过设置峰、平、谷3个时间段的电价来引导用户改变用电时间，从而优化负荷曲线峰谷时段负荷转移率与峰谷电价差的计算模型如下：
式中表示n类负荷转移率，为峰谷电价差，Rn,t为线性区的斜率，an,t为负荷转移时的最小电价差，Cn,t为峰谷负荷最大转移率。
对峰、平、谷3个时间段的电价进行优化改进后的分时电价响应模型中优化后负荷计算模型如下：
式中为分时电价响应后用户n在t时段的负荷，与分别表示在t时段的最大值与最小值。峰、平、谷时段的与计算公式如下：
式中分别表示负荷峰平、峰谷、平谷转移率，分时电价响应成本计算公式如下：
式中:Pn,t和分别为分时电价响应前后用户n在t时段的负荷；wn,t和表示分时电价响应前后用户n在时段t的用电电价,CItou为分时电价响应成本，NItou为参与分时电价响应的用户数量。
本发明通过“负荷聚合商”(LA)将分散的需求响应资源聚集使可中断负荷的需求响应实施更为灵活。可中断负荷响应后的负荷时序表达式为：
式中:和分别为可中断负荷激励前后t时段的负荷；vn,t表示负荷用户n在时段t的电荷削减量,vn,t为0或1时分别表示正常状态与中断状态；
为用户n在时段t的可削减负荷量；n为可提供可中断负荷的负荷聚合商，共有NIL个可中断用户聚合商。NIL＝1，2，3，4时分别表示工业、商业、居民以及农业可中断聚合商。在调度过程中，可中断需求响应的调度成本可表示如下：
式中，Kt为t时段可中断负荷容量对应的单位削减电量补偿费用。
进一步的，所述步骤二的具体步骤如下：
PDR(价格型需求响应)通过电价机制将削减的高峰负荷转移至低谷，提高了低谷期风电消纳率，高峰时期的负荷量减少也有利于降低火电机组启停次数。PDR的低碳经济机理等效于以经济零碳的风电或经济的机组出力替代了高峰期昂贵的高碳机组出力。
IDR(激励型需求响应)可通过增加或减少切负荷为系统提供上下旋转备用，等效减少了火电机组所承担的备用容量。IDR还可通过削减高峰期负荷量来减少火电机组出力，等效为零碳的虚拟电源来替代高碳排机组出力。
虽然需求响应通过对负荷“削峰填谷”提高风电消纳率并减少机组启停次数，降低了系统经济成本。但需求响应的系统低碳作用仍不理想，主要因为需求响应减少高碳排放的机组出力由负荷低谷期原弃风和低碳排放机组替代，而当低谷期弃风量不高时，仍主要由高碳排放机组出力，当风电消纳提高到一定程度时，净负荷波动程度可能会增大从而增加火电机组深度调峰时段，使系统碳排放增加。
储热改造低碳经济机理如下：
燃煤火电内部的能量传递主要分3个过程：1)锅炉燃烧煤生成热量，将水加热产生高温高压的蒸汽流入蒸汽轮机高压缸做功；2)高压缸中的蒸汽流入锅炉形成热蒸汽，分别导入汽轮机中的低压缸与中压缸做功；3)冷凝塔将低压缸做功完成后的气体冷凝为液态水，再通过缸中抽取的部分蒸汽加热为高温给水，如此反复。传统燃煤机组的锅炉、蒸汽轮机、发电机等各个部件通过热能紧密耦合及锅炉稳燃条件等制约着火电机组常规调峰深度。而传统火电机组调峰方式主要分为“常规调峰”、“不投油调峰”与“投油调峰”，随着调峰深度增加，机组的单位发电能耗与碳排放都大幅增加。
机组储热改造是在蒸汽动力循环中加入高低温双循环储热装置对热能进行存储，在保证锅炉稳燃条件下，对机组各环节之间的热能解耦，实现火电机组的出力灵活性改造。通过增加储热系统储存机组热量使火电机组出力限制在常规调峰区间，实际上等效于将某些时段深度调峰高碳排机组出力转化为常规调峰低碳排机组出力，减少机组深度调峰次数，使机组单位碳排放减少，同时减少机组深度调峰成本。但此低碳经济手段当负荷峰谷差较大时由于储热系统容量以及系统旋转备用容量的限制，高峰时段仍由深度调峰高碳排机组出力导致系统碳排放增加。
为验证所提模型的有效性，多类型需求响应与储热改造配合的低碳经济运行机理本文针对以下4种场景进行对比分析：
1)场景1，不考虑需求响应与火电机组储热改造；
2)场景2，考虑普通需求响应类型(TOU+IL)，考虑火电机组储热改造；
3)场景3，考虑多类型需求响应改进模型，但不考虑火电机组储热改造；
4)场景4，考虑多类型需求响应改进模型，并考虑火电机组储热改造(本文模型)。
当系统只考虑多类型需求响应时，等效于将高峰负荷时段的场景4出力替代为场景1出力，若弃风量较少时以方式1出力的机组占比减少，高碳排放机组出力增加，引入储热机组改造之后，通过储热系统吸收机组出力增加机组以场景2形式出力，等效于将深度调峰高碳排机组出力转变为常规低碳排机组出力；同时，避免因考虑需求响应后增大净负荷曲线波动程度导致的火电机组深度调峰时段增加碳排放问题。当只考虑机组储热改造后的系统运行方式时，由于峰谷差太大导致高峰时段仍由高碳排放机组出力，此时系统在低碳经济方面仍显不足。
进一步的，所述步骤三的建立计及多类型需求响应与储热改造的电力系统低碳经济调度模型具体步骤如下：
上层模型在满足分时电价与可中断负荷运行约束、风光出力约束、用户满意度约束等基础上，以需求响应后负荷方差及需求响应成本最小为目标对负荷曲线进行优化，在需求响应成本最少的条件下得到负荷波动及峰谷差最小的负荷曲线，再将负荷曲线输入到下层模型。
下层模型以系统运行成本及碳排放成本最小为目标函数，结合负荷曲线，考虑火电机组储热改造运行约束、机组启停约束、鲁棒约束等条件，对机组碳排放量、储热系统充放热功率、储热改造机组燃煤量及出力等进行优化，通过优化求解使包括需求响应成本、碳排放成本、机组启停成本、环境保护成本等在内的系统运行总成本最小。
火电机组储热改造运行模型如下：
火电机组储热改造是基于热循环原理，可得高、低温循环储热系统t时刻储热量与前一时刻储热量、t与t-1时刻充放热功率的数学模型。
式中，为t时刻高温、低温储热系统的存储热量；为t-1时刻高温、低温系统的存储热量；μh、μl分别为高温、低温储热系统的热损失率； 为高温、低温储热系统的存储热功率与释放热功率；μhc、μhd、μlc、μld为高、低温系统的热效率。
鲁棒优化模型如下：
针对下层模型需考虑风光出力不确定性引入鲁棒优化系数L，建立可调的鲁棒优化调度模型如下：
式中：Pw,t与Ppv,t分别为t时段风电出力和光伏出力，Pwp,t为风光出力误差系数，θt为辅助变量其值大于等于风电总出力，Xt为系统净负荷量(总需求负荷减去机组出力)。
进一步的，所述步骤四的建立模型目标函数及约束具体步骤如下：
上层模型目标函数是使电网的负荷方差及多类型需求响应成本最小，即：
式中：f1表示电网负荷方差，为需求响应后电网t时段负荷，为需求响应后电网的负荷均值。
min f2＝CItou+CIL
式中：f2表示需求响应成本。
利用线性加权法将多个目标转化为单目标求解，进而得到同时考虑多类型需求响应后净负荷方差与需求响应成本的目标函数：
式中：与分别表示负荷方差的最大值与最小值，与分别为需求响应成本的最大值与最小值。R1与R2分别表示负荷方差与需求响应成本对应的权重因子，本发明认为降低负荷曲线波动目标与减少需求响应成本同等重要，故权重因子均取0.5。
上层模型的构造需满足风光预测出力、分时电价优化后负荷上下限约束，各类型负荷电价约束，改进型分时电价满意度约束，可中断负荷约束，具体约束如下：
式中：为第n类负荷t时段的电价，第n类负荷平时段的电价，与分别表示峰时段最高电价与谷时段最低电价比例系数。T为24个时段，为第n类用户t时段初始用电量。Wn表示第n类用户电网让利成本系数，为第n类用户t时段初始电价，表示用户n在t时间段中断最大值，表示第类用户n可削减最大负荷量。
下层模型目标函数主要优化系统碳排放量与经济运行成本，目标函数主要包括火电机组燃料成本、启停成本、系统备用成本、需求响应成本、碳排放成本以及环境保护税。
式中：Ccoal表示单位煤价格；表示火电机组j在t时段的耗煤量，为机组j在t时段的启停状态，为1时表示运行状态，为0时表示停机状态；表示机组j的启停成本；Ccarbon、CB、CP分别为系统碳排放成本、旋转备用成本以及环境保护税，ωT为典型日运行时刻总数，ωcon为总的运行机组数量。碳排放成本Ccarbon：
Ec表示系统总碳交易配额，表示机组j在t时段的出力功率，为机组集单位电量初始碳配额系数，εt,j为火电机组j单位电量实际碳排放系数，为单位碳排放成本。
旋转备用成本、环境保护税成本如下：
式中：βres表示旋转备用成本系数；ed、ew、epv分别为负荷、风电及光伏出力的误差系数；Pd,t、表示t时段负荷功率、风电消纳和光伏消纳功率，H为单位污染需上缴的税额，qs、qN表示单位燃煤量产生的SO2与NOx质量；ηs、ηN表示环保装置脱硫SO2、NOx的效率；Js与JN为SO2与NOx的污染当量数，Pcoal为机组出力。
下层模型需满足功率平衡约束，发电机组运行约束，机组爬坡约束，机组最小启停时间约束，电力系统旋转备用约束，储热系统约束，具体约束如下：
式中：Pw,t与Ppv,t分别为t时段风电出力和光伏出力。表示火电机组的状态变量，为1时开机、为0时关机，分别为机组j的出力上下限。与分别为机组j出力时爬坡最大速率和最小速率。Ton与Toff分别表示机组j最大开机和最大关机持续时间。为机组j最大、最小出力；分别表示正、负旋转备用容量；表示正、负旋转备用容量表示系统正、负旋转实际备用容量；分别为t时段高低温储热系统最大、最小储热容量；分别为t时刻高低温储热系统储热容量。
与现有技术相比，本发明的有益效果是：
1)相比于传统需求响应模型，本发明建立的改进型多类型需求响应模型可充分优化负荷曲线，有效降低需求响应成本，提高低谷时段风光消纳率，并有效减少调度周期总碳排放量。
2)在考虑需求响应的基础上配合储热改造技术可进一步降低系统调度时的碳排放，减少火电机组单位碳排放量，并有效弥补需求响应只能在低谷时段减少碳排放的缺陷。
3)通过建立考虑风电不确定性的鲁棒优化模型，并讨论鲁棒优化系数对本发明模型的影响，验证了本发明模型的有效性。
附图说明
图1为本发明的分层优化调度模型；
图2为火电机组储热改造能流示意图；
图3为多类型需求响应与储热改造配合运行低碳经济原理图；
图4为场景1各时段机组出力情况；
图5为场景4各时段机组出力情况；
图6为需求响应前后负荷曲线对比；
图7为储热系统充放热过程；
图8为不同风关波动下系统运行成本及风光消纳率；
图9为风光预测与负荷曲线；
图10为分层调度模型求解流程。
具体实施方式
下面结合实施例，进一步阐明本发明，为更好的说明本发明，采用Matlab数值仿真对所提出的数学模型进行验证，结果如图4-8所示。具体步骤如下：
步骤1，根据各类型用户对价格响应的差异及自身的用电特征将负荷分为敏感性、相对敏感性以及不敏感性负荷，分别采用改进型分时电价响应、可中断激励响应、不参与响应处理并建立响应模型，具体步骤如下：
基于消费心理学模型的分时电价响应机制将一个调度周期分为峰、平、谷3个时间段，通过设置峰、平、谷3个时间段的电价来引导用户改变用电时间，从而优化负荷曲线峰谷时段负荷转移率与峰谷电价差的计算模型如下：
式中表示n类负荷转移率，为峰谷电价差，Rn,t为线性区的斜率，an,t为负荷转移时的最小电价差，Cn,t为峰谷负荷最大转移率。
对峰、平、谷3个时间段的电价进行优化改进后的分时电价响应模型中优化后负荷计算模型如下：
式中为分时电价响应后用户n在t时段的负荷，与分别表示在t时段的最大最小值。峰、平、谷时段的与计算公式如下：
式中分别表示负荷峰平、峰谷、平谷转移率，分时电价响应成本计算公式如下：
式中:Pn,t和分别为分时电价响应前后用户n在t时段的负荷；wn,t和表示分时电价响应前后用户n在时段t的用电电价,CItou为分时电价响应成本，NItou为参与分时电价相应的用户数量。
本发明通过“负荷聚合商”(LA)将分散的需求响应资源聚集使可中断负荷的需求响应实施更为灵活。可中断负荷响应后的负荷时序表达式为：
式中:和分别为可中断负荷激励前后t时段的负荷；vn,t表示负荷用户n在时段t的电荷削减量,vn,t为0或1时分别表示正常状态与中断状态；
为用户n在时段t的可削减负荷量；n为可提供可中断负荷的负荷聚合商，共有NIL个可中断用户聚合商。NIL＝1，2，3，4时分别表示工业、商业、居民以及农业可中断聚合商。在调度过程中，可中断需求响应的调度成本可表示如下：
式中，Kt为t时段可中断负荷容量对应的单位削减电量补偿费用。
步骤2，基于步骤1的响应模型，分析多类型需求响应进行运行机理和储热改造的低碳经济运行以及多类型需求响应与储热改造配合的低碳经济运行机理，具体步骤如下：
PDR(价格型需求响应)通过电价机制将削减的高峰负荷转移至低谷，提高了低谷期风电消纳率，高峰时期的负荷量减少也有利于降低火电机组启停次数。PDR的低碳经济机理等效于以经济零碳的风电或经济的机组出力替代了高峰期昂贵的高碳机组出力。
IDR(激励型需求响应)可通过增加或减少切负荷为系统提供上下旋转备用，等效减少了火电机组所承担的备用容量。IDR还可通过削减高峰期负荷量来减少火电机组出力，等效为零碳的虚拟电源来替代高碳排机组出力。
虽然需求响应通过对负荷“削峰填谷”提高风电消纳率并减少机组启停次数，降低了系统经济成本。但需求响应的系统低碳作用仍不理想，主要因为需求响应减少高碳排放的机组出力由负荷低谷期原弃风和低碳排放机组替代，而当低谷期弃风量不高时，仍由高碳排放机组出力，当风电消纳提高到一定程度时，净负荷波动程度可能会增大而增加火电机组深度调峰时段，使碳排放增加。
储热改造低碳经济机理如下：
燃煤火电内部的能量传递主要分3个过程：1)锅炉燃烧煤生成热量，将水加热产生高温高压的蒸汽流入蒸汽轮机高压缸做功；2)高压缸中的蒸汽流入锅炉形成热蒸汽，分别导入汽轮机中的低压缸与中压缸做功；3)冷凝塔将低压缸做功完成后的气体冷凝为液态水，再通过缸中抽取的部分蒸汽加热为高温给水，如此反复。传统燃煤机组的锅炉、蒸汽轮机、发电机等各个部件通过热能紧密耦合及锅炉稳燃条件等制约着火电机组常规调峰深度。而传统火电机组调峰方式主要分为“常规调峰”、“不投油调峰”与“投油调峰”，随着调峰深度增加，机组的单位发电能耗与碳排放都大幅增加。
机组储热改造是在蒸汽动力循环中加入高低温双循环储热装置对热能进行存储，在保证锅炉稳燃条件下，对机组各环节之间的热能解耦，实现火电机组的出力灵活性改造。通过增加储热系统储存机组热量使火电机组出力限制在常规调峰区间，实际上等效于将某些时段深度调峰高碳排机组出力转化为常规调峰低碳排机组出力，减少机组深度调峰次数，使机组单位碳排放减少，同时减少机组深度调峰成本。但此低碳经济手段当负荷峰谷差较大时由于储热系统容量以及系统旋转备用容量的限制，高峰时段仍由深度调峰高碳排机组出力导致系统碳排放增加。
为验证所提模型的有效性，多类型需求响应与储热改造配合的低碳经济运行机理本文针对以下4种场景进行对比分析：
1)场景1，不考虑需求响应与火电机组储热改造；
2)场景2，考虑普通需求响应类型(TOU+IL)，考虑火电机组储热改造；
3)场景3，考虑多类型需求响应改进模型，但不考虑火电机组储热改造；
4)场景4，考虑多类型需求响应改进模型，并考虑火电机组储热改造(本文模型)。
图3为考虑二者时系统运行低碳经济原理。当系统只考虑多类型需求响应时，等效于将高峰负荷时段的场景4出力替代为场景1出力，若弃风量较少时以方式1出力的机组占比减少，高碳排放机组出力增加，引入储热机组改造之后，通过储热系统吸收机组出力增加机组以场景2形式出力，等效于将深度调峰高碳排机组出力转变为常规低碳排机组出力；同时，避免因考虑需求响应后增大净负荷曲线波动程度导致的火电机组深度调峰时段增加碳排放问题。当只考虑机组储热改造后的系统运行方式时，由于峰谷差太大导致高峰时段仍由高碳排放机组出力，此时系统在低碳经济方面仍显不足。
步骤3，建立一个计及多类型需求响应与储热改造的电力系统低碳经济调度模型以及鲁棒优化模型，具体步骤如下：
建立计及多类型需求响应与储热改造的电力系统低碳经济调度模型，建立的分层优化调度模型流程如图1所示。
上层模型在满足分时电价与可中断负荷运行约束、风光出力约束、用户满意度约束等基础上，以需求响应后负荷方差及需求响应成本最小为目标对负荷曲线进行优化，在需求响应成本最少的条件下得到负荷波动及峰谷差最小的负荷曲线，再将负荷曲线输入到下层模型。
下层模型以系统运行成本及碳排放成本最小为目标函数，结合负荷曲线，考虑火电机组储热改造运行约束、机组启停约束、鲁棒约束等条件，对机组碳排放量、储热系统充放热功率、储热改造机组燃煤量及出力等进行优化，通过优化求解使包括需求响应成本、碳排放成本、机组启停成本、环境保护成本等在内的系统运行总成本最小。
火电机组储热改造运行模型如下：
火电机组储热改造是基于热循环原理，结合图2的能量示意图，可得高、低温循环储热系统t时刻储热量与前一时刻储热量、t与t-1时刻充放热功率的数学模型。
式中，为t时刻高温、低温储热系统的存储热量；为t-1时刻高温、低温系统的存储热量；μh、μl分别为高温、低温储热系统的热损失率； 为高温、低温储热系统的存储热功率与释放热功率；μhc、μhd、μlc、μlc为高、低温系统的热效率。
鲁棒优化模型如下：
针对下层模型需考虑风光出力不确定性引入鲁棒优化系数L，建立可调的鲁棒优化调度模型如下：
式中：Pw,t与Ppv,t分别为t时段风电出力和光伏出力，Pwp,t为风光出力误差系数，θt为辅助变量其值大于等于风电总出力，Xt为系统净负荷量(总需求负荷减去机组出力)。
步骤4，根据上述步骤中考虑到的数学模型设置目标函数和约束条件，具体步骤如下：
上层模型目标函数是使电网的负荷方差及多类型需求响应成本最小，即：
式中：f1表示电网负荷方差，为需求响应后电网t时段负荷，为需求响应后电网的负荷均值。
min f2＝CItou+CIL
式中：f2表示需求响应成本。
利用线性加权法将多个目标转化为单目标求解，进而得到同时考虑多类型需求响应后净负荷方差与需求响应成本的目标函数：
式中：与分别表示负荷方差的最大值与最小值，与分别为需求响应成本的最大值与最小值。R1与R2分别表示负荷方差与需求响应成本对应的权重因子，本发明认为降低负荷曲线波动目标与减少需求响应成本同等重要，故权重因子均取0.5。
上层模型的构造需满足风光预测出力、分时电价优化后负荷上下限约束，各类型负荷电价约束，改进型分时电价满意度约束，可中断负荷约束，具体约束如下：
式中：为第n类负荷t时段的电价，第n类负荷平时段的电价，与分别表示峰时段最高电价与谷时段最低电价比例系数。T表示为24个时段，表示第n类用户t时段初始用电量。Wn表示第n类用户电网让利成本系数，表示第n类用户t时段初始电价，表示用户n在t时间段中断最大值。表示第类用户n可削减最大负荷量。
下层模型目标函数主要优化系统碳排放量与经济运行成本，目标函数主要包括火电机组燃料成本、启停成本、系统备用成本、需求响应成本、碳排放成本以及环境保护税。
式中：Ccoal表示单位煤价格；表示火电机组j在t时段的耗煤量，为机组j在t时段的启停状态，为1时表示运行状态，为0时表示停机状态；表示机组j的启停成本；Ccarbon、CB、CP分别为系统碳排放成本、旋转备用成本以及环境保护税；ωT为典型日运行时刻总数，ωcon为总的运行机组数量。碳排放成本Ccarbon：
式中：Ec表示系统总碳交易配额，表示机组j在t时段的出力功率，为机组集单位电量初始碳配额系数，εt,j为火电机组j单位电量实际碳排放系数，为单位碳排放成本。
旋转备用成本、环境保护税成本如下：
式中：βres表示旋转备用成本系数；ed、ew、epv分别为负荷、风电及光伏出力的误差系数；Pd,t、为t时段负荷功率、风电消纳和光伏消纳功率，H为单位污染需上缴税额，qs、qN表示单位燃煤量产生的SO2与NOx质量；ηs、ηN为环保装置脱硫SO2、NOx效率；Js与JN为SO2与NOx的污染当量数；Pcoal为机组出力。
下层模型需满足功率平衡约束，发电机组运行约束，机组爬坡约束，机组最小启停时间约束，电力系统旋转备用约束，储热系统约束，具体约束如下：
式中：Pw,t与Ppv,t分别为t时段风电出力和光伏出力。表示火电机组的状态变量，为1时开机、为0时关机，分别为机组j的出力上下限。与分别为机组j出力时爬坡最大速率和最小速率。Ton与Toff分别表示机组j最大开机和最大关机持续时间。为机组j最大、最小出力；分别表示正、负旋转备用容量；表示正、负旋转备用容量表示系统正、负旋转实际备用容量；分别为t时段高低温储热系统最大、最小储热容量；分别为t时刻高低温储热系统储热容量。
本发明在MATLAB2021b环境下,为验证本发明模型的有效性，采用改进的30机系统进行算例分析，系统包括6台火电储热改造机组、1个采用风电场、一个光伏电站，总容量分别为2300MW、1800MW、650MW。风光出力与负荷预测曲线如图9所示。
仿真参数如下：
上层模型参数：各型用户分时电价电网让利系数Wn为5％、0％、5％、6％，各类用户初始电价即平时段电价，中断单位成本Kt为127.4元/MW.h,中断次数，最大最小中断时间分别为4h与2h，商业与居民中断负荷最大比例系数γn分别为0.25、0.15，其余需求响应参数如下:
用户分类及占比参数：
改进分时电价型各用户峰谷平时段电价上下限：
改进型分时电价峰平谷负荷转移系数：
改进型分时电价各用户峰谷平时段：
下层模型主要参数：
本发明建立的分层优化调度模型分为上下二层，上层规划模型为混合整数非线性规划模型无法直接利用gurobi等求解器求解，因此上层模型采用粒子群算法求解。下层模型为混合整数线性规划模型，故可直接利用gurobi等求解器求解，具体求解流程见图10。
调度结果对比分析：
为验证所提模型的有效性，本发明针对以下4种场景进行对比分析：
场景1，不考虑需求响应与火电机组储热改造；
场景2，考虑普通需求响应类型(TOU+IL)，考虑火电机组储热改造；
场景3，考虑多类型需求响应改进模型，但不考虑火电机组储热改造；
场景4，考虑多类型需求响应改进模型，并考虑火电机组储热改造(本发明模型)。
对比场景1、场景2与场景3，场景3系统碳排放量为21028t比场景1与场景2分别减少碳排放2976t与2523。场景3运行成本为838.06万元，比场景1与场景2分别减少70.38万元、60.45万元。这主要是由于场景3考虑了改进型需求响应,从而充分优化了负荷曲线、减小了负荷波动程度，使系统火电调峰机组减少了调峰深度并增大风光消纳率，相应的降低了火电机组燃煤量。因此，场景3在系统运行总成本以及碳排放总量相较场景1与场景2均有减少。
场景4在场景3的基础上进行了火电机组储热改造，进一步考虑多类型需求响应与机组储热改造协调配合的系统运行方式。由下表可知场景4系统运行总成本为811.49万元，低于场景2与场景3；场景4的碳排放量较场景2与场景3分别减少3275t与752 t；弃风光比例比场景2与场景3分别降4.646％与6.246％。这表明在考虑多类型需求响应机制的基础之上，配合火电机组储热改造技术可以进一步降低系统运行成本并减少系统碳排放量，从而验证了本发明模型的有效性。
机组调度对比分析
为分析改进型多类型需求响应模型与机组储热改造调度中的低碳经济过程，对比了场景1与场景4条件下的系统调度情况。见图4与图5如下，由图4可知，场景1中的总机组出力数多于场景4，且在1:00-5:00低谷时段与13:00-15:00高峰时段机组出力较多于场景4，风光消纳率也较小于场景4；这是由于场景1没有考虑需求响应导致负荷峰谷差大于场景4，同时也没有考虑储热机组改造导致火电机组调峰深度加深，此场景由于火电机组出力较大导致碳排放量与系统运行总成本都很高。
在场景1的基础上，场景4不仅考虑了多类型需求响应机制还考虑了火电机组储热改造技术。与场景1相比不仅对原始负荷进行了优化，还降低了火电机组调峰时的深度，降低了机组单位碳排放。由图5可知，需求响应将9:00-20:00时段的负荷一部分转移至1:00-5:00与21:00-24:00时段，通过风光平衡，提高了这段时间的风光消纳率也减少了系统碳排放量。在9:00-13:00等时段，火电机组储热系统通过释放在其他时段吸收热量减少火电机组出力，进一步挖掘了电力系统低碳潜力。从图4与图8也可看出场景4风光出力消纳明显高于场景1，这主要是因为改进型多类型需求响应与机组储热改造的协调配合。
优化模型优势分析
综上所述，考虑改进型多类型需求响应与储热改造协调配合可降低系统碳排放与系统运行总成本，其主要优势在于多类型需求响应机制可充分优化负荷曲线，而储热系统可降低机组单位碳排放。图6与图7分别为多类型需求响应优化后负荷对比图和储热系统充放热过程图。
从图6中可以看出，场景4通过改进型多类型需求响应机制对负荷曲线进行了“削峰填谷”，比场景2优化程度略高，但结合表2可知场景4中的需求响应成本效率高于场景2。场景4中通过改进型分时电价将峰、平时段8:00-20:00负荷转移至其他负荷，通过中断8:00-11:00、13:00-16:00和18:00-20:00等时段商业与居民负荷进一步优化负荷曲线。
由图7易知，在0:00-8:00、14:00及21:00等时段储热系统储存锅炉产生的热量，将汽轮机的进汽量减少，从而降低火电机组出力，等效于限制机组锅炉出力在常规调峰、减少了火电机组调峰深度；而在9:00-13:00、16:00等时段，储热系统释放之前储存的热量，增加汽轮机进汽量，增大机组出力，等效于减小了机组出力单位碳排放。
鲁棒优化系数的影响分析
风电不确定是影响系统运行的重要因素，本发明在场景4的情况下改变鲁棒优化系数，分析不同风电波动下系统运行成本及风光消纳率，结果如图8所示。
由图8可知，随着风光波动的程度越大系统运行总成本略有增加，而风光消纳率越低。在系统运行总成本中燃料成本、碳交易成本及环境保护税稍有增加，其他成本保持不变。可知，风光波动导致的出力缺额主要由火电机组补充而储热改造可充分利用机组锅炉燃烧的热量减少机组部分出力，有效降低系统碳排放。而随着风光出力的波动增大，系统消纳风光出力的能力也越差。这主要是因为在风光出力不确定时，系统选择更为稳定、安全的火电机组出力导致风关消纳比例不高。
本发明为实现电力系统低碳经济调度提出一种考虑多类型需求响应与火电机组储热改造的低碳优化调度方法。仿真优化结果表明：
1)相比于传统需求响应模型，本发明建立的改进型多类型需求响应模型可充分优化负荷曲线，有效降低需求响应成本，提高低谷时段风光消纳率，并有效减少调度周期总碳排放量。
2)在考虑需求响应的基础上配合储热改造技术可进一步降低系统调度时的碳排放，减少火电机组单位碳排放量，并有效弥补需求响应只能在低谷时段减少碳排放的缺陷。
3)通过建立考虑风电不确定性的鲁棒优化模型，并讨论鲁棒优化系数对本发明模型的影响，验证了本发明模型的有效性。
上述具体实施案例，只是为了便于本研究领域的人员理解本发明，但本发明并不只适用于案例中的情况，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
Claims (4)
1.一种基于多类型需求响应与储热改造的电力系统低碳经济调度方法，其特征在于，包括如下步骤：
步骤一：根据各类型用户对价格响应的差异及自身的用电特征将负荷分为敏感性、相对敏感性以及不敏感性负荷，分别采用改进型分时电价响应、可中断激励响应、不参与响应处理并建立响应模型；
步骤二：基于步骤一的响应模型，分析多类型需求响应进行运行机理和储热改造的低碳经济运行以及多类型需求响应与储热改造配合的低碳经济运行机理；
步骤三：基于步骤二中的运行机理，建立一个计及多类型需求响应与储热改造的电力系统低碳经济调度模型以及鲁棒优化模型；
步骤四：基于步骤三中提出的低碳经济调度模型，设立相应目标函数和模型的约束。
2.根据权利要求1所述的一种基于多类型需求响应与储热改造的电力系统低碳经济调度方法，其特征在于，在所述步骤一中建立不同类型负荷的响应模型，负荷相应模型具体如下：
基于消费心理学模型的分时电价响应机制将一个调度周期分为峰、平、谷3个时间段，通过设置峰、平、谷3个时间段的电价来引导用户改变用电时间，从而优化负荷曲线峰谷时段负荷转移率与峰谷电价差的计算模型如下：
式中表示n类负荷转移率，为峰谷电价差，Rn,t为线性区的斜率，an,t为负荷转移时的最小电价差，Cn,t为峰谷负荷最大转移率；
对峰、平、谷3个时间段的电价进行优化改进后的分时电价响应模型中优化后负荷计算模型如下：
式中为分时电价响应后用户n在t时段的负荷，与分别表示在t时段的最大值与最小值；峰、平、谷时段的与计算公式如下：
式中别表示负荷峰平、峰谷转移率，分时电价响应成本计算公式如下
式中:Pn,t和分别为分时电价响应前后用户n在t时段的负荷；wn,t和表示分时电价响应前后用户n在时段t的用电电价,CItou为分时电价响应成本，NItou为参与分时电价响应的用户数量；
通过负荷聚合商LA将分散的需求响应资源聚集使可中断负荷的需求响应实施更为灵活；可中断负荷响应后的负荷时序表达式为：
式中:和分别为可中断负荷激励前后t时段的负荷；vn,t表示负荷用户n在时段t的电荷削减量,vn,t为0或1时分别表示正常状态与中断状态；
为用户n在时段t的可削减负荷量；n为可提供可中断负荷的负荷聚合商，共有NIL个可中断用户聚合商；NIL＝1，2，3，4时分别表示工业、商业、居民以及农业可中断聚合商；在调度过程中，可中断需求响应的调度成本可表示如下：
式中，Kt为t时段可中断负荷容量对应的单位削减电量补偿费用。
3.根据权利要求2所述的一种基于多类型需求响应与储热改造的电力系统低碳经济调度方法，其特征在于，所述步骤三的具体步骤如下：
建立计及多类型需求响应与储热改造的电力系统低碳经济调度模型如下：
上层模型在满足分时电价与可中断负荷运行约束、风光出力约束、用户满意度约束的基础上，以需求响应后负荷方差及需求响应成本最小为目标对负荷曲线进行优化，在需求响应成本最少的条件下得到负荷波动及峰谷差最小的负荷曲线，再将负荷曲线输入到下层模型；
下层模型以系统运行成本及碳排放成本最小为目标函数，结合负荷曲线，考虑火电机组储热改造运行约束、机组启停约束、鲁棒约束条件，对机组碳排放量、储热系统充放热功率、储热改造机组燃煤量及出力进行优化，通过优化求解使包括需求响应成本、碳排放成本、机组启停成本、环境保护成本在内的系统运行总成本最小；
火电机组储热改造运行模型如下：
火电机组储热改造是基于热循环原理，得高、低温循环储热系统t时刻储热量与前一时刻储热量、t与t-1时刻充放热功率的数学模型：
式中，为t时刻高温、低温储热系统的存储热量；为t-1时刻高温、低温系统的存储热量；μh、μl分别为高温、低温储热系统的热损失率； 为高温、低温储热系统的存储热功率与释放热功率；μhc、μhd、μlc、μld为高、低温系统的热效率；
鲁棒优化模型如下：
针对下层模型需考虑风光出力不确定性引入鲁棒优化系数L，建立可调的鲁棒优化调度模型如下：
式中：Pw,t与Ppv,t分别为t时段风电出力和光伏出力，Pwp,t为风光出力误差系数，θt为辅助变量其值大于等于风电总出力，Xt为系统净负荷量。
4.根据权利要求3所述的一种基于多类型需求响应与储热改造的电力系统低碳经济调度方法，其特征在于，所述步骤四的具体步骤如下：
上层模型目标函数是使电网的负荷方差及多类型需求响应成本最小，即：
式中：f1表示电网负荷方差，为需求响应后电网t时段负荷，为需求响应后电网的负荷均值；
min f2＝CItou+CIL
式中：f2表示需求响应成本；
利用线性加权法将多个目标转化为单目标求解，进而得到同时考虑多类型需求响应后净负荷方差与需求响应成本的目标函数：
式中：与分别表示负荷方差的最大值与最小值，与分别为需求响应成本的最大值与最小值；R1与R2分别表示负荷方差与需求响应成本对应的权重因子；
上层模型的构造需满足风光预测出力、分时电价优化后负荷上下限约束，各类型负荷电价约束，改进型分时电价满意度约束，可中断负荷约束，具体约束如下：
式中：为第n类负荷t时段的电价，第n类负荷平时段的电价，与分别表示峰时段最高电价与谷时段最低电价比例系数；T表示为24个时段，表示第n类用户t时段初始用电量；Wn表示第n类用户电网让利成本系数，表示第n类用户t时段初始电价，表示用户n在t时间段中断最大值表示第类用户n可削减最大负荷量；
下层模型目标函数主要优化系统碳排放量与经济运行成本，目标函数包括火电机组燃料成本、启停成本、系统备用成本、需求响应成本、碳排放成本以及环境保护税；
式中：Ccoal表示单位煤价格；表示火电机组j在t时段的耗煤量，为机组j在t时段的启停状态，为1时表示运行状态，为0时表示停机状态；表示机组j的启停成本；Ccarbon、CB、CP分别为系统碳排放成本、旋转备用成本以及环境保护税，ωT为典型日运行时刻总数，ωcon为总的运行机组数量；
碳排放成本Ccarbon：
Ec表示系统总碳交易配额，表示机组j在t时段的出力功率，为机组集单位电量初始碳配额系数，εt,j为火电机组j单位电量实际碳排放系数，为单位碳排放成本；
旋转备用成本、环境保护税成本如下：
式中：βres表示旋转备用成本系数；ed、ew、epv分别为负荷、风电及光伏出力的误差系数；Pd,t、表示t时段负荷功率、风电消纳和光伏消纳功率，H为单位污染需上缴的税额，qs、qN表示单位燃煤量产生的SO2与NOx质量；ηs、ηN表示环保装置脱硫SO2、NOx的效率；Js与JN为SO2与NOx的污染当量数，Pcoal为机组出力；
下层模型需满足功率平衡约束，发电机组运行约束，机组爬坡约束，机组最小启停时间约束，电力系统旋转备用约束，储热系统约束，具体约束如下：
式中：Pw,t与Ppv,t分别为t时段风电出力和光伏出力；表示火电机组的状态变量，为1时开机、为0时关机，分别为机组j的出力上下限；与分别为机组j出力时爬坡最大速率和最小速率；Ton与Toff分别表示机组j最大开机和最大关机持续时间；为机组j最大、最小出力；分别；表示正、负旋转备用容量表示系统正、负旋转实际备用容量； 分别为t时段高低温储热系统最大、最小储热容量；分别为t时刻高低温储热系统储热容量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310857358.5A CN116914733A (zh) | 2023-07-13 | 2023-07-13 | 一种基于多类型需求响应与储热改造的电力系统低碳经济调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310857358.5A CN116914733A (zh) | 2023-07-13 | 2023-07-13 | 一种基于多类型需求响应与储热改造的电力系统低碳经济调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116914733A true CN116914733A (zh) | 2023-10-20 |
Family
ID=88355809
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310857358.5A Pending CN116914733A (zh) | 2023-07-13 | 2023-07-13 | 一种基于多类型需求响应与储热改造的电力系统低碳经济调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116914733A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117634783A (zh) * | 2023-11-17 | 2024-03-01 | 山东大学 | 基于实测信息改进的制造企业负荷可调节能力分析方法与系统 |
-
2023
- 2023-07-13 CN CN202310857358.5A patent/CN116914733A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117634783A (zh) * | 2023-11-17 | 2024-03-01 | 山东大学 | 基于实测信息改进的制造企业负荷可调节能力分析方法与系统 |
| CN117634783B (zh) * | 2023-11-17 | 2024-05-03 | 山东大学 | 基于实测信息改进的制造企业负荷可调节能力分析方法与系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105048516B (zh) | 一种风光水火多源互补优化调度方法 | |
| CN103580063B (zh) | 一种基于需方响应消纳大规模并网风电的方法 | |
| CN105631599A (zh) | 一种虚拟电厂多目标运行调度方法 | |
| CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
| CN109523065A (zh) | 一种基于改进量子粒子群算法的微能源网优化调度方法 | |
| CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
| CN115238987A (zh) | 计及多类型低碳因素与需求响应的能效提升调度方法 | |
| CN108008629A (zh) | 一种多种能源互补利用系统的优化运行方法 | |
| CN114936720A (zh) | 一种源-荷-储协调的综合能源系统低碳经济调度方法 | |
| CN116914733A (zh) | 一种基于多类型需求响应与储热改造的电力系统低碳经济调度方法 | |
| CN111130145B (zh) | 一种基于弃风弃光的风光机组装机容量优化规划方法 | |
| CN115081700A (zh) | 基于综合储能技术的数据中心多能协同优化方法及系统 | |
| CN114881328A (zh) | 计及气网混氢和低碳奖励的综合能源系统经济调度方法 | |
| CN118278664A (zh) | 综合能源系统优化调度方法、设备和存储介质 | |
| Li et al. | Capacity coordinated optimization of battery, thermal and hydrogen storage system for multi-energy complementary power system | |
| CN115936336B (zh) | 一种虚拟电厂容量配置与调控运行优化方法 | |
| CN108062022A (zh) | 一种热电协同系统的优化控制方法 | |
| CN113128799A (zh) | 能源管控方法、装置、电子设备及计算机存储介质 | |
| Yanfei et al. | Multi-objective optimal dispatching of wind-photoelectric-thermal power-pumped storage virtual power plant | |
| CN115907363A (zh) | 一种基于综合能源系统源-荷多时间尺度优化调度方法 | |
| Zou et al. | Day-Ahead and Intraday Two-Stage Optimal Dispatch Considering Joint Peak Shaving of Carbon Capture Power Plants and Virtual Energy Storage | |
| CN115563816B (zh) | 面向低碳的光伏、风力发电并网与储能优化方法及装置 | |
| CN116937551B (zh) | 一种电-气互联虚拟电厂优化调度方法及终端 | |
| Yutong et al. | Economic dispatching model of virtual power plant and carbon emission under carbon trading mechanism | |
| Hu et al. | Research on coordinated optimization model of source-grid-load-energy storage under new power system |
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 |