CN117131982A - 极端高温事件下保障负荷可靠供应的用户侧能源优化方法 - Google Patents
极端高温事件下保障负荷可靠供应的用户侧能源优化方法 Download PDFInfo
- Publication number
- CN117131982A CN117131982A CN202311057767.3A CN202311057767A CN117131982A CN 117131982 A CN117131982 A CN 117131982A CN 202311057767 A CN202311057767 A CN 202311057767A CN 117131982 A CN117131982 A CN 117131982A
- Authority
- CN
- China
- Prior art keywords
- user
- user side
- energy
- high temperature
- load
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005457 optimization Methods 0.000 title claims abstract description 32
- 230000004044 response Effects 0.000 claims abstract description 112
- 230000005611 electricity Effects 0.000 claims abstract description 60
- 230000005284 excitation Effects 0.000 claims abstract description 53
- 238000010248 power generation Methods 0.000 claims abstract description 20
- 239000007789 gas Substances 0.000 claims description 43
- 238000004146 energy storage Methods 0.000 claims description 37
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 30
- 230000014509 gene expression Effects 0.000 claims description 15
- 238000010438 heat treatment Methods 0.000 claims description 15
- 239000003345 natural gas Substances 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 14
- 238000001816 cooling Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 230000005855 radiation Effects 0.000 claims description 8
- 206010063659 Aversion Diseases 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000005338 heat storage Methods 0.000 claims description 2
- 230000003993 interaction Effects 0.000 claims description 2
- NRNCYVBFPDDJNE-UHFFFAOYSA-N pemoline Chemical compound O1C(N)=NC(=O)C1C1=CC=CC=C1 NRNCYVBFPDDJNE-UHFFFAOYSA-N 0.000 claims description 2
- 230000035945 sensitivity Effects 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000010521 absorption reaction Methods 0.000 description 5
- 230000003247 decreasing effect Effects 0.000 description 5
- 238000005057 refrigeration Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 239000002918 waste heat Substances 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000011084 recovery Methods 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 239000003546 flue gas Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 206010015856 Extrasystoles Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012946 outsourcing Methods 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 230000002277 temperature effect Effects 0.000 description 1
- 238000010792 warming 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
- G06Q10/06312—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
- 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
-
- 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)
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及用户侧能源规划技术领域，尤其是提供一种极端高温事件下保障负荷可靠供应的用户侧能源优化方法，包括：基于极端高温事件的影响构建用户侧外部能源供应容量预测模型以及光伏组件发电功率预测模型；构建用户侧的重要负荷供应集合，获取用户侧在极端高温事件下的负荷供应；构建电价型需求响应模型，获取用户侧电价型需求响应后的电负荷；构建阶梯激励型需求响应模型，获取用户侧激励型需求响应后的用户侧补贴费用；构建不确定性的用户响应概率模型；构建极端高温事件下的用户侧能源规划模型；基于极端高温事件场景以及标准条件场景下的不确定性概率分布，构建两阶段三层的分布鲁棒优化模型，获取优化后的用户侧能源规划决策结果。
Description
技术领域
本发明涉及用户侧能源规划技术领域，具体而言，涉及极端高温事件下保障负荷可靠供应的用户侧能源优化方法。
背景技术
近年来，全球变暖导致极端高温事件频发，极端高温事件具有概率小、风险大的特点。尤其是在城市地区，极端高温事件会对电力需求造成显著影响，进而给电网带来巨大压力；此外，极端高温事件还会导致干旱，进而使得水电供应大幅下降。以2022年夏天四川的极端高温天气为例，极端高温天气造成水电供应减少，用电需求激增，最终导致四川启动最高级别的应急限电措施。
目前，随着人们生活水平的提高，商业用户侧综合体成为娱乐、生活和工作等活动的中心；商业综合体通常聚集了大量相似的能源消耗用户，因此，如何实现在极端高温事件下对商业综合体进行综合能源规划，以满足重要负荷的供能需求，成为重点研究问题。现有技术中已有在用户侧系统配置时考虑极端高温事件是提高供电可靠性的有效方法，然而，目前对于极端高温事件下用户侧综合能源规划的研究还不多见；当发生极端高温事件时引起用户侧综合负荷供应稳定性不足时，可能进一步导致电力供应不足、能源成本上升、能源供应不可靠以及用户不满意度提升等问题；综上，极端高温事件下保障负荷可靠供应的用户侧能源规划方法具有重要的研究价值，值得进一步深入研究。
发明内容
本发明的目的在于提供一种极端高温事件下保障负荷可靠供应的用户侧能源优化方法，以实现保障极端高温事件下用户侧的负荷供应的稳定性、优化负荷调整策略，确保用户侧在极端高温时能够正常运营并满足用户需求。
本发明提供了一种极端高温事件下保障负荷可靠供应的用户侧能源优化方法，包括如下步骤；
基于极端高温事件的影响构建用户侧外部能源供应容量预测模型以及光伏组件发电功率预测模型；
构建极端高温事件下用户侧的重要负荷供应集合，获取用户侧在极端高温事件下的负荷供应；
构建电价型需求响应模型，获取用户侧电价型需求响应后的电负荷；
基于电价型需求响应模型构建阶梯激励型需求响应模型，获取用户侧激励型需求响应后的用户侧补贴费用；
基于激励型需求响应模型，构建不确定性的用户响应概率模型；
以用户侧规划周期内年总规划成本最优为目标，构建极端高温事件下的用户侧能源规划模型；
基于极端高温事件场景以及标准条件场景下的不确定性概率分布，构建两阶段三层的分布鲁棒优化模型，获取优化后的用户侧能源规划决策结果。
本发明实施例的技术方案至少具有如下优点和有益效果：
本发明通过构建用户侧能源规划模型，考虑极端高温事件的影响，并预测外部能源供应容量和光伏组件发电功率，可有效提高能源供应的可靠性，有助于避免电力供应不足的问题，确保用户侧在极端高温下的负荷供应稳定；通过引入电价型需求响应模型和阶梯激励型需求响应模型，优化负荷调整策略，进一步降低用户侧在极端高温事件下到的负荷水平，在保障负荷可靠供应的前提下提升用户侧的经济性；通过构建不确定性的用户响应概率模型，通过调节经济因素下的不确定性系数以及模拟用户的心理因素参数，可以改变方案的保守性，分析其对用户侧规划造成的影响，为决策者设置需求响应方案提供一定的参考；通过以年总规划成本最优为目标，构建极端高温事件下的用户侧能源规划模型，并使用分布鲁棒优化模型进行优化决策，能够在给定的不确定性约束下获取优化后的用户侧能源规划决策结果，利用分布鲁棒规划模型可以很好地应对光伏以及负荷的不确定性，在保证用户侧规划的经济性的同时也使其具有一定的鲁棒性，更符合实际情况，具有实用价值。
附图说明
图1为本发明极端高温事件下保障负荷可靠供应的用户侧能源优化方法的流程示意图；
图2为本发明用户侧能源系统结构和能量流动示意图；
图3为本发明经济因素影响下的用户响应概率模型示意图；
图4为本发明心理因素影响用户响应概率变化范围图；
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
请参见图2所示，本发明实施例所要规划的用户侧系统，根据供用能关系分为用户侧能源中心以及用户侧商业区域两部分；本申请拟通过规划用户侧能源中心的能源设备、屋顶分布式光伏以及光伏幕墙的型号及台数来满足商业区域的电/气/冷/热能需求；其中，用户侧商业区域根据其使用功能不同分为三部分：低层购物中心对电/气/冷/热负荷均有需求、中高层办公楼对气负荷无需求但对电/冷/热负荷具有需求、高层酒店对电/气/冷/热负荷均有需求。根据用户侧的功能特性，常规电负荷(照明及设备等插座负荷、空调等温控负荷、消防、应急等保安负荷、电梯等动力负荷)、常规热负荷(热水、采暖负荷)、常规冷负荷(温控冷负荷)在功能不同的三部分区域都具备；具有餐饮功能的购物中心和酒店，配备电磁灶以及燃气灶，以及还具备冷冻、冷藏负荷；办公楼则无需消耗气能，因此没有气负荷。
请参见图1所示，本发明实施例提供了一种极端高温事件下保障负荷可靠供应的用户侧能源优化方法，包括如下步骤；
步骤S100：基于极端高温事件的影响构建用户侧外部能源供应容量预测模型以及光伏组件发电功率预测模型；
在步骤S100中，构建用户侧外部能源供应容量预测模型包括：
步骤S110：获取极端高温事件下的气象数据、电力供应数据以及用户侧能源使用数据；
步骤S120：建立源型容量模型：
式中：表示极端高温事件下t时刻外部电网向用户侧供应的最大电能、表示极端高温事件下t时刻外部电网向用户侧供应的实际电能；其中，源型容量具体指在极端高温事件下，为保障民生用电，电网对商业用户侧的电能供应存在限制，即上级网络能源供应不足；
步骤S130：根据源型容量模型以及用户侧配备变压器的最大容量，建立网型容量模型：
式中：为用户侧变压器的最大容量，即极端高温事件下t时刻外部电网向用户侧供应的最大电能不超过用户侧变压器的最大容量；其中，网型容量是指在极端高温事件下，用户侧配备的变压器容量不足，建立网型容量模型的目的在于，保证用户侧外部能源供应容量不能超过用户侧所配备变压器容量，以确保负荷的可靠供应；
综上，利用构建的源型容量模型和网型容量模型，可评估极端高温事件下用户侧的外部能源供应容量的不足程度，进而综合评估用户侧的负荷可靠供应能力，并制定相应的用户侧综合能源规划措施，以保证在极端高温事件下负荷的可靠供应。
在步骤S100中，构建用户侧光伏组件发电功率预测模型包括：
步骤S140：获取极端高温事件下光伏组件的相关数据；
步骤S150：构建光伏组件的发电功率模型，计算光伏组件在极端高温事件下的输出功率，其中发电功率模型的表达式为：
式中：为光伏组件在极端高温事件下t时刻的输出功率、fPV为光伏组件发电功率输出的能源转换系数、P0,PV为标准条件下光伏组件的额定功率、It为极端高温事件下t时刻光伏组件的辐射强度、I0为标准条件下光伏组件的辐射强度、/>为温度功率系数、/>为极端高温事件下t时刻光伏组件的工作温度、T0,PV为标准条件下光伏组件的工作温度；
式中：c1、c2、c3、c4均为预设的光伏组件工作温度的相关系数、vt为极端高温事件下t时刻的地面风速、为光伏组件在极端高温事件下t时刻的大气温度。
在步骤S150中，由于光伏组件存在负温度效应，即温度高于或低于光伏组件的标准工作温度，都会影响光伏组件的光电转换效率，尤其是在极端高温事件下，对光伏组件光电转换效率的影响则更加显著，因此通过构建光伏组件的发电功率模型，将光伏发电功率模型的计算结果应用于用户侧能源规划中，综合考虑光伏组件在极端高温条件下的功率变化情况，即可在设计光伏组件布局和容量时，考虑极端高温下的功率损失，以确保用户侧的能源供应能够满足需求。
步骤S200：构建极端高温事件下用户侧的重要负荷供应集合，获取用户侧在极端高温事件下的负荷供应；
在步骤S200中，构建极端高温事件发生时用户侧的重要负荷供应集合，获取用户侧在极端高温事件下的负荷供应包括：
步骤S210：建立标准条件下用户侧的重要负荷供应集合：
式中：为标准条件下t时刻用户侧需要满足的负荷供应集合、/>为标准条件下t时刻用户侧的电负荷供应、/>为标准条件下t时刻用户侧的热负荷供应、/>为标准条件下t时刻用户侧的冷负荷供应、/>为标准条件下t时刻用户侧的气负荷供应；
步骤S220：在极端高温事件发生时，由于外部电网功能受到影响，用户侧的外部电网的供电量受到一定的约束，用户侧的屋顶分布式光伏与光伏幕墙的光电转换效率下降，因此在极端高温事件发生时，至少要保障用户侧重要负荷(例如：电梯等动力负荷、消防、应急等保安负荷、必要照明、厨房、温控、热水及设备负荷等)的能源供应；并且，可以电/气互相替代的设备(例如：电磁灶与燃气灶等)可以通过采用外部气网进行能源供应来减少对外部电网的依赖；冷、热负荷通过适当降低对温度的要求来降低对外部电网的依赖；由此建立极端高温事件下用户侧的重要负荷供应集合：
式中：为极端高温事件发生时t时刻用户侧需要满足的重要负荷供应集合、极端高温事件下t时刻用户侧的电负荷供应、/>为极端高温事件下t时刻用户侧的热负荷供应、/>为极端高温事件下t时刻用户侧的冷负荷供应、/>为极端高温事件下t时刻用户侧的气负荷供应；
步骤S230：基于标准条件以及极端高温事件下的重要负荷供应集合，确定极端高温事件下用户侧的负荷供应区间：
式中：Lt为用户侧在极端高温事件下t时刻需满足的负荷供应。
步骤S300：构建电价型需求响应模型，获取用户侧电价型需求响应后的电负荷，在极端高温事件下，用户侧外部上级电网采用分时电价方案，因此用户侧商业区域的负荷会根据外部分时电价进行一定的调整，构建电价型需求响应模型的目的即在于根据实时电价变化情况来调整电负荷，以实现能源消耗的优化和成本的降低。
在步骤S300中，构建电价型需求响应模型包括：
步骤S310：获取用户侧外部电网各个时段下的电负荷、电价的实时数据；
步骤S320：基于弹性系数，计算电负荷对电价的敏感性：
式中Si,j表示弹性系数，表示用户侧标准条件下在i时段的原始电负荷、/>表示用户侧极端高温事件下在i时段相较于原始电负荷的电负荷变化量、/>表示用户侧标准条件下在j时段的原始电价、Δρj表示用户侧极端高温条件下在j时段相较于原始电价的电价变化量；其中，t＝(i，j…)；
步骤S330：根据弹性系数以及电价变化量计算极端高温事件发生时电价型需求响应后的电负荷
式中，当i＝j时，Si,i为自弹性系数，表示该时段的电负荷对电价的响应程度，即可在该时段内调整电负荷的使用量，以适应电价的变化；此时，只能发生该时段的电负荷增减，即在该时段内调整电负荷的使用量，以适应电价的变化。例如，在电价高峰期，用户可以减少用电设备的使用量或降低功率等级，以减少该时段的电负荷。
当i≠j时，Si,j为交叉弹性系数，表示电负荷在不同时段之间的弹性调整，即电负荷可以在不同时段之间平移，以适应不同时段的电价变化，例如将部分电负荷从高负荷时段转移到低负荷时段，以平衡电力系统的负荷；交叉弹性系数的存在使得楼梯可以根据电价的变化情况，灵活调整电负荷的使用时间和功率，以实现能源消耗的优化和成本的降低，通过合理利用交叉弹性系数，用户侧可以在电力系统的低谷时段增加用电，从而利用较低的电价，同时在高峰时段减少用电，以避免高电价时段的用电成本。
步骤S400：基于电价型需求响应模型构建阶梯激励型需求响应模型，获取用户侧激励型需求响应后的用户侧补贴费用；在极端高温事件下，由于电价型需求响应模型的力度可能不够大，不足以将负荷水平降低到用户侧的供应水平，此时，为了尽可能降低负荷水平，在电价型需求响应的基础上叠加阶梯激励型需求响应以尽可能降低负荷水平；即用户通过自发切除部分负荷获得用户侧补贴，为激励用户切除负荷量尽可能大，采取阶梯激励型需求响应，将电价需求响应后的负荷到重要负荷水平之间的区间平均划分为三段，每一段设置不同的单价，越靠近重要负荷水平的区间段单价越高；
步骤S400中具体包括：
步骤S410：根据极端高温事件发生时电价型需求响应后的电负荷划分阶梯区间并确定不同阶梯区间的激励单价，获取阶梯激励需求响应的激励单价：
式中，λIBDR为阶梯激励需求响应的激励单价、λ1、λ2、λ3分别为第一阶梯区间、第二阶梯区间、第三阶梯区间的激励单价、为阶梯激励需求响应后的电负荷；
步骤S420：根据用户实际切除的电负荷量以及阶梯激励需求响应的激励单价λIBDR，计算需支付的用户侧补贴费用：
当用户实际切除的电负荷量处于第一阶梯区间λ1时：
式中，为第一阶梯区间的用户侧补贴费用；
当用户实际切除的电负荷量处于第一阶梯区间λ2时：
式中，为第二阶梯区间的用户侧补贴费用；
当用户实际切除的电负荷量处于第一阶梯区间λ3时：
式中，为第二阶梯区间的用户侧补贴费用。
步骤S500：基于激励型需求响应模型，构建不确定性的用户响应概率模型；
在步骤S500中，构建不确定性的用户响应概率预测模型包括：
步骤S510：构建经济因素影响下的用户响应概率模型，预设用户响应概率最小值、用户响应概率最大值、用户响应程度参数、第一激励单价阈值a以及第二激励单价阈值b；基于消费者心理学原理，用户对阶梯激励型需求响应的响应概率可以分为三个阶段：第一阶段，激励价格较小，在[0,a)的范围内，未达到用户的心理预期，此时参与响应的用户极少；第二阶段，激励价格增大，在[a,b)的范围内，有部分用户参与响应；第三阶段，此时激励价格无论如何增加，用户响应概率不会再增加；
步骤S520：根据响应概率模型参数将第一用户响应概率δ1划分为三个阶段：
式中：激励单价λIBDR位于[0,a)为第一阶段，激励单价λIBDR位于[a,b)为第二阶段，激励单价λIBDR大于等于b为第三阶段，δmin为用户响应概率最小值，δmax为用户响应概率最大值，kδ为用户响应程度参数；
请参见图3所示，当激励强度位于第一和第三阶段时，由于经济因素导致的响应概率的不确定性较小，可忽略不计；当激励强度位于第二阶段时，由于经济因素导致的响应概率的不确定性呈现先增大后减小的趋势，由此需要基于正态分布调整激励单价位于第二阶段下用户的响应概率，进而根据计算得到的用户响应概率，调整激励措施的强度。例如，在第二阶段中，根据响应概率调整激励价格的大小，以提高用户的参与度；
步骤S530：基于正态分布调整激励单价λIBDR位于第二阶段下用户的第二响应概率δ2:
式中，Λ表示预设的不确定性的边界系数；不确定性的边界系数Λ表示经济因素对用户响应概率的不确定性程度，可根据实际情况和经验，设定合适的边界系数值，通常来说，当激励强度位于第二阶段时，不确定性边界系数Λ会增大，然后再逐渐减小，随着经济因素下不确定性系数的增大，响应概率取到边界的值越多，响应概率变低。因此，年总规划成本呈现增长趋势，而年化设备投资成本呈现下降趋势。
步骤S540：构建心理因素影响下的用户响应概率模型，计算用户的第三响应概率值δ3：
式中，χ1为预设的用户侧用户损失厌恶因子；χ2为用户侧用户的舆情影响因子；请参见图4所示，图4为心理因素导致的响应概率，其中损失厌恶因子与舆情影响因子的取值范围均为0～1；其原因是，往往用户在决策时，会受到心理因素的影响，因此将心理因素纳入考虑，其中损失厌恶因子指的是用户相对于逐利更关注避害，用户拥有对能源的使用权，相比于获得由于需求响应导致的激励，经常会因为损失厌恶因子而降低需求响应的概率；舆情影响因子具体是，在极端高温事件下，常常会通过新闻、公告、网络等渠道鼓励人们减少用电，人们可能会对此作出相应反馈，增加需求响应的概率；可以理解的是，用户侧的规划方案随心理因素影响的变化趋势，随着响应参与度的增大，可减少了屋顶光伏、光伏幕墙、电储能、冷储能、热储能、电锅炉及电制冷机的容量，增大了燃气轮机、余热锅炉及吸收式制冷机的容量。
步骤S550：基于线性加权法计算经济因素以及心理因素影响下的第四用户响应概率δ：
δ＝k1δ2+k2δ3
式中，k1为经济因素影响下第二用户响应概率的权重占比、k2为心理因素影响下第三用户响应概率的权重占比，k1的取值优选0.8，k2的取值优选0.2；
步骤S600：以用户侧规划周期内年总规划成本最优为目标，构建极端高温事件下的用户侧能源规划模型；
在步骤S600中，构建极端高温事件下的用户侧能源规划模型包括：
步骤S610：根据用户侧能源系统配置，定义用户侧目标组件的能量转换表达式，其中目标组件至少包括光伏发电系统、电储能系统、热储能系统、冷储能系、冷热电三联供机组、燃气锅炉、电锅炉、电制冷装置、中央空调、电磁灶、燃气灶；
在步骤S610中，如图2所示，能源规划模型的规划范围有：
光伏发电系统模型：
光伏发电系统与用户侧结合已经成为光伏系统在城市的主要应用方式，其主要有两种形式，一是将光伏系统安放在用户侧屋顶或者空地；二是将光伏组件与建筑表面材料有机结合起来，常见的有光伏幕墙，本发明用户侧系统同时采用以上两种形式，既在用户侧屋顶安放分布式光伏阵列，还在用户侧的外墙表面铺设光伏组件；
电储能、热储能及冷储能模型，用户侧能源中心配置的储能装置包括电储能、热储能及冷储能装置，分别实现对电能、热能及冷能的平移：
其中，电储能在用户侧系统中的应用可以实现电能在时间尺度上的平移，平抑负荷供能波动，减少峰时段来自上级电网的购电量,其表达式为：
式中：为电储能t时刻的储电量；/>ηESS,ch/ηESS,dis分别为t时刻电储能的充电/放电功率、充电/放电效率；EESS,max表示电储能的最大安装容量；PESS,chmax、PESS,dismax表示电储能充、放电功率的上限；/>为0-1变量，表示电储能的充电、放电状态变量；
其中，热储能及冷储能的能量表达式与电储能相似，在此不再进行赘述。
冷热电三联供机组、燃气锅炉、电锅炉、电制冷模型，用户侧配备小型冷热电三联供机组、燃气锅炉、电锅炉以及电制冷装置进行部分热负荷、冷负荷以及电能供应：
其中冷热电三联供机组包括：燃气轮机、余热回收装置以及吸收式制冷机，燃气轮机用于生成电能，输出中温热烟气，余热回收装置利用中温热烟气进行制热提供热能，吸收式制冷机可以利用热能进行制冷，冷热电三连供机组的表达式为：
式中：分别为冷热电三联供机组在t时刻的发电功率、产热功率、制冷功率；ηGT,e、ηGT,h分别为燃气轮机的制电、制热效率；ηHB为余热回收装置的制热效率；ηAC为吸收式制冷机的制冷效率；/>为冷热电三联供机组的天然气功率；/>为吸收式制冷机的输入热功率；
燃气锅炉、电锅炉及电制冷的能量转换表达式与上式类似，在此同样不再进行赘述。
用户侧商业区域中心配置的中央空调，其表达式为：
式中：为在t时段中央空调的制热量、制冷量、耗电量；ηH,ac、vC,ac为中央空调的制热能效比、制冷能效比；
在用户侧商业区域中心需要烹饪的场所，例如，购物中心的餐饮场所、酒店里的高级餐厅，既配备了电磁灶，又拥有燃气灶，用户可以根据电能和气能的价格进行相应的选择，实现电能和气能在用户侧的相互替代，其最终效果相同，即有效热值相等，表达式为：
式中：表示在t时刻电磁灶的耗电功率，也是燃气灶替代的电功率；/>表示在t时刻燃气灶的燃气功率，也是电磁灶替代的气功率；ηEG、ηCE分别表示电磁灶、燃气灶的效率。
步骤S620：以用户侧规划周期内年总规划成本最优为目标，构建极端高温事件下用户侧能源规划模型目标函数：
min C＝min(Cinv+Cope)
式中，Cinv用户侧年化设备的投资成本、Cope为用户侧年化设备的系统运营成本，由于设备投资成本是一次性的，因此将设备投资成本转化为投资年之后的各年度的等效成本；系统运营成本则是用户侧系统每天都会产生的成本；
其中，用户侧年化设备的投资成本Cinv的表达式为：
式中，Ω为目标组件的集合、ukj为0-1变量，表示是否配置设备k的第j种类型；nkj为配置设备kj的投资台数；Ckj为设备kj的投资成本；Tkj表示设备kj的寿命周期；r设备为kj的折现率；其中，目标组件至少包括太阳能光伏(DPV)、真空管集热器(PVCW)、储能系统(ESS)、储能水箱(TES)、冷媒储能系统(CES)、储能电池(EB)、燃气锅炉(GB)、燃气轮机(GT)、热泵(HB)、空调(AC)、电动车(EC)；其中，用户侧年化设备的系统运营成本Cope的表达式为；
式中：Com为用户侧能源系统的设备运行维护成本、Cenery为用户侧能源系统与外部能源网交互的购能费用、Cunc为用户侧室内温度不舒适惩罚费用、CIBDR为激励型需求响应所需的用户侧补贴费用、s为典型日种类，包含标准条件以及极端高温事件、θs为s类典型日在全年的占比、为设备kj的单位功率输出运行维护成本、Pkj,t为设备kj在极端高温事件下t时刻的出力、/>为t时刻的电能购入价格、/>为t时刻的气能购入价格、/>为t时刻的购入天然气功率、εunc为用户侧室内温度不舒适成本系数、/>为t时刻的室内温度、Tset为t时刻的室内温度预设值。
步骤S630：定义可安装设备的选型定容约束条件：
式中：nkj,max为设备k的第j种类型的最大台数；
步骤S640：定义天然气管道流量约束条件：
式中：为天然气管道在t时刻流过的天然气流量、Kmn为天然气管道的特征参数、/>为天然气管道节点在t时刻的气压平方、Gmn,max为天然气管道传输的最大流量；
步骤S650：定义用户侧室内冷热平衡约束条件：
/>
式中：为t时刻用户侧的蓄热量、/>为t时刻用户侧的蓄冷量、Pair为用户侧空气的密度、Cair为用户侧空气的比热容、Vroom为用户侧室内空气体积、/>为t时刻的室内温度；
式中，分别为t时刻用户侧建筑外墙与室外传递的能量、用户侧建筑外窗与室外传递的能量、太阳热辐射传递的热量；Kwall、Kwin分别表示用户侧建筑外墙、用户侧建筑外窗的传热系数；Fwall、Fwin分别为用户侧建筑外墙、用户侧建筑外窗的面积；/>为t时刻的室外温度；λSC为遮阳系数；/>为t时刻的太阳辐射功率；
式中：为室内热源、/>为室内冷源、/>为用户侧在t时刻需要提供的能量、为初始能量、/>为能量差值、/>为t时刻中央空调的制热量、/>为t时刻中央空调的制冷量、/>为t时刻之前中央空调的制热量、/>时段之前中央空调的制冷量；
步骤S660：定义用户侧室内温度约束条件：
式中：为室内温度的下限值、/>为室内温度的上限值；
步骤S670：定义用户侧供需平衡约束条件：
式中：分别为用户侧能源中心向用户侧所供给的电能、气能、热能、冷能；/>为t时刻储能系统的电功率、/>为t时刻电池的电功率、/>为t时刻电动汽车的电功率，/>为冷热电三联供机组在t时刻的发电功率、/>为冷热电三联供机组在t时刻的产热功率、/>为t时刻电池的热功率、/>为t时刻燃气锅炉系统的热功率、/>为t时刻空调的热功率、/>为t时刻储能系统的热功率、/>为冷热电三联供机组在t时刻的制冷功率、/>为t时刻储能系统的热功率、/>为t时刻储能系统的冷功率、/>为t时刻燃气系统的气功率、/>为t时刻燃气锅炉系统的气功率、/>为t时刻热电联供系统的气功率；
根据上述约束条件，可优化用户侧能源规划模型的目标函数，用户侧能源规划模型会在满足上述约束条件的基础性下，调整决策变量的取值，以最大化或最小化目标函数，以找到用户侧的最优规划方案。
步骤S700：基于极端高温事件场景以及标准条件场景下的不确定性概率分布，构建两阶段三层的分布鲁棒优化模型，获取优化后的用户侧能源规划决策结果。
步骤S700具体包括：
步骤S710：定义标准条件的概率分布波动范围，利用1-范数和∞-范数约束普通场景概率分布波动范围，利用布尔变量约束极端高温事件场景概率，构建场景概率分布不确定集：
式中：ps为标准条件场景sn以及极端高温事件场景su下不确定参数的概率值；psn为标准条件场景概率值；psu为极端高温事件场景概率值；Nsn、Nu为标准条件、极端高温事件场景的不确定性总数；psn,0、psu,0为标准条件第sn个、极端高温事件场景第su个场景概率的基础概率值；入为真实概率分布与参考概率分布的允许最大误差值；θ1与θ∞分别为1-范数和∞--范数约束所运行的概率偏差上限；z为布尔变量，即0-1变量；α1与α∞分别表示概率分布于1-范数和∞--范数所满足的置信度；
步骤S720：将规划决策变量作为第一阶段变量，运行决策变量作为第二阶段变量，构建两阶段三层的分布鲁棒优化模型：其中，第一阶段变量具体为上述用户侧规划模型中的规划决策变量：ukj、nkj；第二阶段变量具体为上述用户侧规划模型中的运行决策变量：Pkj，t、
式中：aTx表示投资变量{x}所对应的用户侧规划目标函数，bTys表示运行变量{ys}对应用户侧规划运行目标函数；
步骤S730：利用CCG算法对两阶段三层分布鲁棒优化模型进行转换求解，获取优化后的用户侧能源规划决策结果；
步骤S370中，将两阶段三层的分布鲁棒优化模型分解为主问题和子问题，对其目标函数设定上下界限，通过主问题和子问题反复迭代得出最优解，两阶段三层规划模型的求解过程具体为：
步骤a.初始化:设定目标函数下界LB＝0，上界UB＝+∞，迭代次数n＝0；
步骤b.开始计算迭代次数，n＝n+1；
步骤c.在确定的概率分布下对主问题进行求解，获得规划决策方案，并更新原目标函数下界LB；
步骤d.将主问题所得到的规划方案代入子问题，对Ns个独立运行优化子问题进行求解，得到最优运行成本值，确定最恶劣的概率分布，更新原目标函数上界UB；
步骤e.判断上界与下界的差值是否小于阈值，是则结束计算，否则更新第n次迭代得到的概率分布用于第n+1次主问题的迭代求解，再返回步骤b。
综上，本发明提供的极端高温事件下保障负荷可靠供应的用户侧能源优化方法，在用户侧规划中将电价型需求响应作为基础情景应对策略、激励型需求响应作为极端高温事件应对策略，同时考虑心理因素建模与随机参数表征的不确定性作为激励型需求响应的不确定性情形来考虑极端高温事件的不确定性，可以更大程度地降低用户侧在极端场景时的负荷水平且更符合实际情况，利用综合范数约束普通场景的概率分布、布尔变量约束极端高温场景的概率分布，构建用户侧能源系统DRO规划模型，实现了经济性和鲁棒性均衡的同时，模拟不确定性变量的概率分布，降低问题的鲁棒性。
下面，本申请提供三种不同案例下的数据分析的对比，三种案例包括：
案例1：采用本申请提供的极端高温事件下保障负荷可靠供应的用户侧能源优化方法；
案例2：在案例1的基础上，不考虑激励型需求响应；
案例3：在案例1的基础上，不考虑负荷可靠供应，未满足可靠供应的负荷设置失负荷惩罚；
具体包括：
表1为三种案例下的用户侧能源系统规划结果
表2为三种案例下的用户侧能源系统规划方案
表1中可以理解的是，考虑激励型需求响应会一定幅度上降低系统的年总规划成本，减少系统设备投资，但是会加大系统运营成本；考虑负荷可靠供应年总规划成本会小幅度降低，设备投资成本小幅度增长，系统运营成本会减少。
对比案例2和案例1可得，年总规划成本减少了51.28万元(7.96％)，年化设备投资成本减少了83.40万元(43.52％)，由此可见，考虑激励型需求响应可以大大降低用户侧能源系统的设备投资。此外，结合表2可知，考虑激励型需求响应，会降低用户侧大部分设备的投资容量，并且，考虑激励型需求响应时系统运营成本增加了32.12万元(7.64％)，这与用户侧能源系统设备投资的大幅度降低有很大的关联，由于用户侧设备投资的下降，用户侧系统自身设备的出力降低，增大了外购能源的比例，从而使得用户侧的系统运营成本增加；
对比案例3和案例1可得，年总规划成本减少了10.87万元(1.69％)，年化设备投资成本增加了3.74万元(1.95％)，系统运营成本减少了14.61万元(3.23％)。再结合表2可知，考虑负荷可靠供应时，用户侧部分设备的投资容量上升，由此，用户侧的系统运营成本有一定的下降；
综上，在本申请通过考虑激励型需求响应，屋顶光伏、电储能、热储能、CCHP(GT、HB、AC)的规划容量呈现下降的趋势，燃气锅炉、电锅炉、电制冷机的规划容量呈现增加的趋势；由于考虑激励型需求响应，激励型需求响应费用的增加，激励用户侧用户降低用能水平，从而降低了部分发电及储能设备的规划容量。由于热储能的规划容量大幅度降低，为了平衡系统的热能及冷能，适当增加了燃气锅炉、电锅炉及电制冷机的规划容量。可以理解的是，考虑激励型需求响应可以降低用户侧能源系统中绝大部分规划设备的容量；本申请通过考虑负荷可靠供应，屋顶光伏、电储能、燃气锅炉的规划容量呈现增加的趋势，GT、HB的规划容量呈现下降的趋势。由于考虑负荷可靠供应必须保障极端场景的负荷可靠供应，因此，增加了部分发电及储能设备的规划容量。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.极端高温事件下保障负荷可靠供应的用户侧能源优化方法，其特征在于，包括如下步骤；
基于极端高温事件的影响构建用户侧外部能源供应容量预测模型以及光伏组件发电功率预测模型；
构建极端高温事件下用户侧的重要负荷供应集合，获取用户侧在极端高温事件下的负荷供应；
构建电价型需求响应模型，获取用户侧电价型需求响应后的电负荷；
基于电价型需求响应模型构建阶梯激励型需求响应模型，获取用户侧激励型需求响应后的用户侧补贴费用；
基于激励型需求响应模型，构建不确定性的用户响应概率模型；
以用户侧规划周期内年总规划成本最优为目标，构建极端高温事件下的用户侧能源规划模型；
基于极端高温事件场景以及标准条件场景下的不确定性概率分布，构建两阶段三层的分布鲁棒优化模型，获取优化后的用户侧能源规划决策结果。
2.根据权利要求1所述的极端高温事件下保障负荷可靠供应的用户侧能源优化方法，其特征在于，构建用户侧外部能源供应容量预测模型包括：
获取极端高温事件下的气象数据、电力供应数据以及用户侧能源使用数据；
建立源型容量模型：
式中：表示极端高温事件下t时刻外部电网向用户侧供应的最大电能、/>表示极端高温事件下t时刻外部电网向用户侧供应的实际电能；
根据源型容量模型以及用户侧配备变压器的最大容量，建立网型容量模型：
式中：为用户侧变压器的最大容量，即极端高温事件下t时刻外部电网向用户侧供应的最大电能不超过用户侧变压器的最大容量。
3.根据权利要求1所述的极端高温事件下保障负荷可靠供应的用户侧能源优化方法，其特征在于，构建用户侧光伏组件发电功率预测模型包括：
获取极端高温事件下光伏组件的相关数据；
构建光伏组件的发电功率模型，计算光伏组件在极端高温事件下的输出功率，其中发电功率模型的表达式为：
式中：为光伏组件在极端高温事件下t时刻的输出功率、fPV为光伏组件发电功率输出的能源转换系数、P0,PV为标准条件下光伏组件的额定功率、It为极端高温事件下t时刻光伏组件的辐射强度、I0为标准条件下光伏组件的辐射强度、/>为温度功率系数、/>为极端高温事件下t时刻光伏组件的工作温度、T0,PV为标准条件下光伏组件的工作温度；
式中：c1、c2、c3、c4均为预设的光伏组件工作温度的相关系数、vt为极端高温事件下t时刻的地面风速、为光伏组件在极端高温事件下t时刻的大气温度。
4.根据权利要求1所述的极端高温事件下保障负荷可靠供应的用户侧能源优化方法，其特征在于，构建极端高温事件发生时用户侧的重要负荷供应集合，获取用户侧在极端高温事件下的负荷供应包括：
建立标准条件下用户侧的重要负荷供应集合：
式中：为标准条件下t时刻用户侧需要满足的负荷供应集合、/>为标准条件下t时刻用户侧的电负荷供应、/>为标准条件下t时刻用户侧的热负荷供应、/>为标准条件下t时刻用户侧的冷负荷供应、/>为标准条件下t时刻用户侧的气负荷供应；
建立极端高温事件下用户侧的重要负荷供应集合：
式中：为极端高温事件发生时t时刻用户侧需要满足的重要负荷供应集合、/>极端高温事件下t时刻用户侧的电负荷供应、/>为极端高温事件下t时刻用户侧的热负荷供应、/>为极端高温事件下t时刻用户侧的冷负荷供应、/>为极端高温事件下t时刻用户侧的气负荷供应；
基于标准条件以及极端高温事件下的重要负荷供应集合，确定极端高温事件下用户侧的负荷供应区间：
式中：Lt为用户侧在极端高温事件下t时刻需满足的负荷供应。
5.根据权利要求1所述的极端高温事件下保障负荷可靠供应的用户侧能源优化方法，其特征在于，构建电价型需求响应模型包括：
获取用户侧外部电网各个时段下的电负荷、电价的实时数据；
基于弹性系数，计算电负荷对电价的敏感性：
式中Si,j表示弹性系数，表示用户侧标准条件下在i时段的原始电负荷、/>表示用户侧极端高温事件下在i时段相较于原始电负荷的电负荷变化量、/>表示用户侧标准条件下在j时段的原始电价、Δρj表示用户侧极端高温条件下在j时段相较于原始电价的电价变化量；
根据弹性系数以及电价变化量计算极端高温事件发生时电价型需求响应后的电负荷
式中，当i＝j时，Si,i为自弹性系数，表示该时段的电负荷对电价的响应程度，即可在该时段内调整电负荷的使用量，以适应电价的变化；当i≠j时，Si,j为交叉弹性系数，表示电负荷在不同时段之间的弹性调整，即电负荷可以在不同时段之间平移，以适应不同时段的电价变化。
6.根据权利要求5所述的极端高温事件下保障负荷可靠供应的用户侧能源优化方法，其特征在于，基于电价型需求响应模型构建阶梯激励型需求响应模型，获取用户侧激励型需求响应后的用户侧补贴费用具体包括：
根据极端高温事件发生时电价型需求响应后的电负荷划分阶梯区间并确定不同阶梯区间的激励单价，获取阶梯激励需求响应的激励单价：
式中，λIBDR为阶梯激励需求响应的激励单价，λ1、λ2、λ3分别为第一阶梯区间、第二阶梯区间、第三阶梯区间的激励单价，为阶梯激励需求响应后的电负荷；
根据用户实际切除的电负荷量以及阶梯激励需求响应的激励单价λIBDR，计算需支付的用户侧补贴费用：
当用户实际切除的电负荷量处于第一阶梯区间λ1时：
式中，为第一阶梯区间的用户侧补贴费用；
当用户实际切除的电负荷量处于第一阶梯区间λ2时：
式中，为第二阶梯区间的用户侧补贴费用；
当用户实际切除的电负荷量处于第一阶梯区间λ3时：
式中，为第二阶梯区间的用户侧补贴费用。
7.根据权利要求6所述的极端高温事件下保障负荷可靠供应的用户侧能源优化方法，其特征在于，构建不确定性的用户响应概率预测模型包括：
构建经济因素影响下的用户响应概率模型，预设用户响应概率最小值、用户响应概率最大值、用户响应程度参数、第一激励单价阈值a以及第二激励单价阈值b；
根据响应概率模型参数将第一用户响应概率δ1划分为三个阶段：
式中：激励单价λIBDR位于[0,a)为第一阶段，激励单价λIBDR位于[a,b)为第二阶段，激励单价λIBDR大于等于b为第三阶段，δmin为用户响应概率最小值，δmax为用户响应概率最大值，kδ为用户响应程度参数；
基于正态分布调整激励单价λIBDR位于第二阶段下用户的第二响应概率δ2:
δ2：
式中，Λ表示预设的不确定性的边界系数；
构建心理因素影响下的用户响应概率模型，计算用户的第三响应概率δ3：
式中，χ1为预设的用户侧用户损失厌恶因子；χ2为用户侧用户的舆情影响因子；
基于线性加权法计算经济因素以及心理因素影响下的第四用户响应概率δ：
δ＝k1δ2+k2δ3
式中，k1为经济因素影响下第二用户响应概率的权重占比、k2为心理因素影响下第三用户响应概率的权重占比。
8.根据权利要求1所述的极端高温事件下保障负荷可靠供应的用户侧能源优化方法，其特征在于，构建极端高温事件下的用户侧能源规划模型包括：
根据用户侧能源系统配置，定义用户侧目标组件的能量转换表达式，其中目标组件至少包括光伏发电系统、电储能系统、热储能系统、冷储能系、冷热电三联供机组、燃气锅炉、电锅炉、电制冷装置、中央空调、电磁灶、燃气灶；
以用户侧规划周期内年总规划成本最优为目标，构建极端高温事件下用户侧能源规划模型目标函数：
min C＝min(Cinv+Cope)
式中，Cinv用户侧年化设备的投资成本、Cope为用户侧年化设备的系统运营成本；
其中，用户侧年化设备的投资成本Cinv的表达式为：
式中，Ω为目标组件的集合、ukj为0-1变量，表示是否配置设备k的第j种类型；nkj为配置设备kj的投资台数；Ckj为设备kj的投资成本；Tkj表示设备kj的寿命周期；r设备为kj的折现率；
其中，用户侧年化设备的系统运营成本Cope的表达式为；
式中：Com为用户侧能源系统的设备运行维护成本、Cenery为用户侧能源系统与外部能源网交互的购能费用、Cunc为用户侧室内温度不舒适惩罚费用、CIBDR为激励型需求响应所需的用户侧补贴费用、s为典型日种类，包含标准条件以及极端高温事件、θs为s类典型日在全年的占比、为设备kj的单位功率输出运行维护成本、Pkj,t为设备kj在极端高温事件下t时刻的出力、/>为t时刻的电能购入价格、/>为t时刻的气能购入价格、/>为t时刻的购入天然气功率、εunc为用户侧室内温度不舒适成本系数、Tt in为t时刻的室内温度、Tset为t时刻的室内温度预设值。
9.根据权利要求8所述极端高温事件下保障负荷可靠供应的用户侧能源优化方法，其特征在于，构建极端高温事件下的用户侧能源规划模型还包括：
定义可安装设备的选型定容约束条件：
式中：nkj,max为设备k的第j种类型的最大台数；
定义天然气管道流量约束条件：
式中：为天然气管道在t时刻流过的天然气流量、Kmn为天然气管道的特征参数、为天然气管道节点在t时刻的气压平方、Gmn,max为天然气管道传输的最大流量；
定义用户侧室内冷热平衡约束条件：
式中：为t时刻用户侧的蓄热量、/>为t时刻用户侧的蓄冷量、Pair为用户侧空气的密度、Cair为用户侧空气的比热容、Vroom为用户侧室内空气体积、/>为t时刻的室内温度；
式中，分别为t时刻用户侧建筑外墙与室外传递的能量、用户侧建筑外窗与室外传递的能量、太阳热辐射传递的热量；kwall、kwin分别表示用户侧建筑外墙、用户侧建筑外窗的传热系数；Fwall、Fwin分别为用户侧建筑外墙、用户侧建筑外窗的面积；为t时刻的室外温度；λSC为遮阳系数；/>为t时刻的太阳辐射功率；
式中：为室内热源、/>为室内冷源、/>为用户侧在t时刻需要提供的能量、为初始能量、/>为能量差值、/>为t时刻中央空调的制热量、/>为t时刻中央空调的制冷量、/>为t时刻之前中央空调的制热量、/>t时段之前中央空调的制冷量；
定义用户侧室内温度约束条件：
Tt in,min≤Tt in≤Tt in,max
式中：Tt in,min为室内温度的下限值、Tt in,max为室内温度的上限值；
定义用户侧供需平衡约束条件：
式中：分别为用户侧能源中心向用户侧所供给的电能、气能、热能、冷能；/>为t时刻储能系统的电功率、/>为t时刻电池的电功率、/>为t时刻电动汽车的电功率，/>为冷热电三联供机组在t时刻的发电功率、/>为冷热电三联供机组在t时刻的产热功率、/>为t时刻电池的热功率、/>为t时刻燃气锅炉系统的热功率、/>为t时刻空调的热功率、/>为t时刻储能系统的热功率、/>为冷热电三联供机组在t时刻的制冷功率、/>为t时刻储能系统的热功率、/>为t时刻储能系统的冷功率、/>为t时刻燃气系统的气功率、/>为t时刻燃气锅炉系统的气功率、/>为t时刻热电联供系统的气功率。
10.根据权利要求1至9任一项所述的极端高温事件下保障负荷可靠供应的用户侧能源优化方法，其特征在于，基于极端高温事件场景以及标准条件场景下的不确定性概率分布，构建两阶段三层的分布鲁棒优化模型，获取优化后的用户侧能源规划决策结果包括：
定义标准条件的概率分布波动范围，利用1-范数和∞-范数约束普通场景概率分布波动范围，利用布尔变量约束极端高温事件场景概率，构建场景概率分布不确定集：
式中：ps为标准条件场景sn以及极端高温事件场景su下不确定参数的概率值；psn为标准条件场景概率值；psu为极端高温事件场景概率值；Nsn、Nu为标准条件、极端高温事件场景的不确定性总数；psn,0、psu,0为标准条件第sn个、极端高温事件场景第su个场景概率的基础概率值；θ1与θ∞分别为1-范数和∞-范数约束所运行的概率偏差上限；z为布尔变量，即0-1变量；α1与α∞分别表示概率分布于1-范数和∞-范数所满足的置信度；
将规划决策变量作为第一阶段变量，运行决策变量作为第二阶段变量，构建两阶段三层的分布鲁棒优化模型：
式中：aTx表示投资变量{x}所对应的用户侧规划目标函数，bTys表示运行变量{ys}对应用户侧规划运行目标函数；
利用CCG算法对两阶段三层分布鲁棒优化模型进行转换求解，获取优化后的用户侧能源规划决策结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311057767.3A CN117131982B (zh) | 2023-08-21 | 2023-08-21 | 极端高温事件下保障负荷可靠供应的用户侧能源优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311057767.3A CN117131982B (zh) | 2023-08-21 | 2023-08-21 | 极端高温事件下保障负荷可靠供应的用户侧能源优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117131982A true CN117131982A (zh) | 2023-11-28 |
| CN117131982B CN117131982B (zh) | 2024-04-05 |
Family
ID=88852109
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311057767.3A Active CN117131982B (zh) | 2023-08-21 | 2023-08-21 | 极端高温事件下保障负荷可靠供应的用户侧能源优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117131982B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020082747A1 (en) * | 2000-08-11 | 2002-06-27 | Kramer Robert A. | Energy management system and methods for the optimization of distributed generation |
| CN111260158A (zh) * | 2020-02-25 | 2020-06-09 | 国网四川省电力公司经济技术研究院 | 基于内部交互协作的市场多利益主体交易行为建模方法 |
| CN112039056A (zh) * | 2020-08-10 | 2020-12-04 | 国网甘肃省电力公司电力科学研究院 | 一种新能源两阶段优化调度方法 |
| CN112101689A (zh) * | 2019-06-18 | 2020-12-18 | 华北电力大学（保定） | 一种考虑多种类需求响应不确定性的日前日内调度方法 |
| CN112464477A (zh) * | 2020-11-27 | 2021-03-09 | 国网山东省电力公司青岛供电公司 | 计及需求响应的多能耦合综合能源运行仿真方法 |
| CN112821397A (zh) * | 2021-04-19 | 2021-05-18 | 国网江西省电力有限公司电力科学研究院 | 一种“源-荷-储”协调的低碳经济调度方法及装置 |
| CN114358383A (zh) * | 2021-12-03 | 2022-04-15 | 湖南大学 | 一种复杂不确定场景下多能源微网鲁棒优化方法和系统 |
| WO2022077588A1 (zh) * | 2020-10-12 | 2022-04-21 | 中国电力科学研究院有限公司 | 可调节负荷参与需求响应的调用方法、系统及装置 |
| CN114676886A (zh) * | 2022-03-04 | 2022-06-28 | 三峡大学 | 基于综合需求响应和奖惩阶梯碳交易的能源枢纽主从博弈优化调度方法 |
| CN115018198A (zh) * | 2022-06-30 | 2022-09-06 | 国网河南省电力公司经济技术研究院 | 一种考虑差异化需求响应方案的居民用户用电优化策略 |
| CN116167483A (zh) * | 2022-11-17 | 2023-05-26 | 河海大学 | 计及阶梯型需求响应的园区综合能源系统鲁棒调度方法 |
-
2023
- 2023-08-21 CN CN202311057767.3A patent/CN117131982B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020082747A1 (en) * | 2000-08-11 | 2002-06-27 | Kramer Robert A. | Energy management system and methods for the optimization of distributed generation |
| CN112101689A (zh) * | 2019-06-18 | 2020-12-18 | 华北电力大学（保定） | 一种考虑多种类需求响应不确定性的日前日内调度方法 |
| CN111260158A (zh) * | 2020-02-25 | 2020-06-09 | 国网四川省电力公司经济技术研究院 | 基于内部交互协作的市场多利益主体交易行为建模方法 |
| CN112039056A (zh) * | 2020-08-10 | 2020-12-04 | 国网甘肃省电力公司电力科学研究院 | 一种新能源两阶段优化调度方法 |
| WO2022077588A1 (zh) * | 2020-10-12 | 2022-04-21 | 中国电力科学研究院有限公司 | 可调节负荷参与需求响应的调用方法、系统及装置 |
| CN112464477A (zh) * | 2020-11-27 | 2021-03-09 | 国网山东省电力公司青岛供电公司 | 计及需求响应的多能耦合综合能源运行仿真方法 |
| CN112821397A (zh) * | 2021-04-19 | 2021-05-18 | 国网江西省电力有限公司电力科学研究院 | 一种“源-荷-储”协调的低碳经济调度方法及装置 |
| CN114358383A (zh) * | 2021-12-03 | 2022-04-15 | 湖南大学 | 一种复杂不确定场景下多能源微网鲁棒优化方法和系统 |
| CN114676886A (zh) * | 2022-03-04 | 2022-06-28 | 三峡大学 | 基于综合需求响应和奖惩阶梯碳交易的能源枢纽主从博弈优化调度方法 |
| CN115018198A (zh) * | 2022-06-30 | 2022-09-06 | 国网河南省电力公司经济技术研究院 | 一种考虑差异化需求响应方案的居民用户用电优化策略 |
| CN116167483A (zh) * | 2022-11-17 | 2023-05-26 | 河海大学 | 计及阶梯型需求响应的园区综合能源系统鲁棒调度方法 |
Non-Patent Citations (4)
| Title |
|---|
| HONGJUN GAO等: "Demand response management of community integrated energy system:A multi-energy retail package perspective", 《APPLIED ENERGY》, 15 January 2023 (2023-01-15) * |
| 张婧昕: "考虑分布式发电与需求响应的电网优化调度与配网规划研究", 《中国优秀硕士论文 工程科技Ⅱ辑》, 15 June 2018 (2018-06-15) * |
| 莫静山等: "基于需求响应的电热综合能源系统优化调度研究综述", 《工程科学与技术》, 17 August 2023 (2023-08-17) * |
| 高红均等: "从四川高温干旱限电事件看新型电力系统保供挑战与应对展望", 《中国电机工程学报》, 26 December 2022 (2022-12-26) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117131982B (zh) | 2024-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Anvari-Moghaddam et al. | Cost-effective and comfort-aware residential energy management under different pricing schemes and weather conditions | |
| Hamdy et al. | A multi-stage optimization method for cost-optimal and nearly-zero-energy building solutions in line with the EPBD-recast 2010 | |
| CN108319142B (zh) | 基于分布式清洁采暖的工业园区微网电热联合调度方法 | |
| CN110503241B (zh) | 冷-热-电综合能源系统的多目标优化方法 | |
| CN108280556B (zh) | 基于热负荷调节的供电量双阶段优化调度方法 | |
| Sobhani et al. | Optimization of the renewable energy system for nearly zero energy buildings: A future-oriented approach | |
| CN110460040A (zh) | 一种考虑智能建筑热平衡特性的微电网运行调度方法 | |
| CN110209135B (zh) | 基于微型热电联产多时间尺度的家庭能源优化调度方法 | |
| Berardi | ZEB and nZEB (definitions, design methodologies, good practices, and case studies) | |
| Neu et al. | Developing building archetypes for electrical load shifting assessment: Analysis of Irish residential stock | |
| Calise et al. | Dynamic modelling and thermoeconomic analysis for the energy refurbishment of the Italian building sector: Case study for the “Superbonus 110%” funding strategy | |
| 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 | |
| Ma et al. | Two-stage stochastic robust optimization model of microgrid day-ahead dispatching considering controllable air conditioning load | |
| Wang et al. | Event-triggered online energy flow control strategy for regional integrated energy system using Lyapunov optimization | |
| Acar et al. | Energy and economical optimal of Nzeb design under different climate conditions of Türkiye | |
| Wu et al. | Co-optimization of building energy systems with renewable generations combining active and passive energy-saving | |
| Wei et al. | Predictive control of low-temperature heating system with passive thermal mass energy storage and photovoltaic system: Impact of occupancy patterns and climate change | |
| CN117131982B (zh) | 极端高温事件下保障负荷可靠供应的用户侧能源优化方法 | |
| Li et al. | Multi-dimension day-ahead scheduling optimization of a community-scale solar-driven CCHP system with demand-side management | |
| CN111523697A (zh) | 一种综合能源服务成本分摊与定价计算方法 | |
| Himpe et al. | Energy and comfort performance assessment of monitored low energy buildings connected to low-temperature district heating | |
| CN115470564A (zh) | 一种公共建筑能源系统协调控制方法及其控制组件 | |
| CN113379160A (zh) | 基于建筑物热能流的楼宇侧综合能源系统优化调度方法 | |
| Wang et al. | Day-ahead schedule optimization of household appliances for demand flexibility: Case study on PV/T powered buildings | |
| Peacock et al. | Reducing CO2 emissions through refurbishment of UK housing |
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 |