CN117521895A - 计及能源与交通融合的港口两阶段优化运行方法及系统 - Google Patents

计及能源与交通融合的港口两阶段优化运行方法及系统 Download PDF

Info

Publication number
CN117521895A
CN117521895A CN202311491357.XA CN202311491357A CN117521895A CN 117521895 A CN117521895 A CN 117521895A CN 202311491357 A CN202311491357 A CN 202311491357A CN 117521895 A CN117521895 A CN 117521895A
Authority
CN
China
Prior art keywords
port
power
energy
ship
electric
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
CN202311491357.XA
Other languages
English (en)
Inventor
文书礼
林森
朱淼
侯川川
马建军
董晊兴
叶惠丽
吴志坚
黄国栋
杨晨
郭琪超
董晓峰
耿玲
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.)
Shanghai Jiaotong University
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Suzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Shanghai Jiaotong University
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Suzhou Power Supply Co of State Grid Jiangsu Electric Power 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 Shanghai Jiaotong University, State Grid Corp of China SGCC, State Grid Jiangsu Electric Power Co Ltd, Suzhou Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical Shanghai Jiaotong University
Priority to CN202311491357.XA priority Critical patent/CN117521895A/zh
Publication of CN117521895A publication Critical patent/CN117521895A/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
    • G06Q10/067—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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (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

本发明提供了一种计及能源与交通融合的港口两阶段优化运行方法及系统，包括：步骤S1：构建多能流融合港口综合能源模型；步骤S2：建立日前优化运行成本目标函数，基于日前优化运行成本目标函数优化多能流融合港口综合能源模型，实现港口船舶最优岸桥数量分配的同时，实现港口能源系统日前运行最优；步骤S3：建立港口综合能源系统日内优化运行目标函数，基于日内优化运行目标函数和港口船舶最优岸桥分配数量对当前多能流融合港口综合能源模型进行修正，从而实现港口能源系统最优经济运行。

Description

计及能源与交通融合的港口两阶段优化运行方法及系统
技术领域
本发明涉及港口综合能源系统优化与交通电气化领域，具体地，涉及计及能源与交通融合的港口两阶段优化运行方法及系统。
背景技术
世界海事组织在第三次温室气体排放预测研究中指出，如果不采取缓解措施，海洋交通领域的二氧化碳排放量到2050年将至少增加50％，严重者可达250％。随着港口负荷不断攀升和电气化船舶的迅猛发展，港口面临严重的节能减排压力。据世界卫生部门统计，沿海城市是世界上污染最严重的城市。面向温室气体排放所造成环境污染的治理压力以及出于对人类社会可持续发展的担忧，通过港口综合能源系统的多能互补协同运行来改善海洋交通能源网络的能源利用效率及降低温室气体排放已受到广泛关注。
港口具有天然的自然资源禀赋，海上风力发电在海港综合能源系统中的应用可有效降低二氧化碳的排放。同时，随着港口自身负荷的增长以及电气化船舶的不断接入，海港能源系统正逐步向绿色低碳发展。然而，面对海港新能源渗透率不断攀升以及交通能源深度融合的特点，新能源消纳和能源综合利用给海港低碳运行带来严峻挑战。为进一步提升海港新能源消纳水平和系统的综合效益，开展考虑能源与交通融合的经济优化运行正成为当前研究热点。当前，针对海港综合能源系统的优化运行往往聚焦于日前长时间尺度，未进一步评估日内短时间尺度优化，尤其是在面对海港新能源波动的情况下，宽泛的数据基础模糊了港口船东能源管理方案，降低了海港能源综合利用效益。为此，面对海港传统日前优化精确度差的问题，采用日前优化和日内优化运行相结合的方案可有效提升海港优化运行精确性。
普月,纪历,刘皓明.考虑综合需求响应的港口能源系统优化运行[J].电力需求侧管理,2021,23(01):11-17.公开了为满足港口日益增长的能源需求,改善港口地区环境污染问题,港口能源供应方式逐渐由传统燃油、煤电供能逐渐向涵盖冷、热、电、天然气在内的综合能源供能方式转变。港口岸电建设及设施电气化改造工程的持续推进,使得港口电能需求进一步增加。针对这一现状,提出了一种考虑综合需求响应的港口综合能源系统优化运行方法,通过分析系统内各设备间的能量转换耦合联系,构建了基于能源集线器的港口综合能源系统多能耦合转换模型,并根据港口可调负荷特性,建立了港口综合需求响应模型。在此基础上,综合考虑能源价格、环境污染、能量损耗等因素对系统运行的影响,以系统运行成本最低为目标,建立了考虑综合需求响应的港口综合能源系统运行优化模型。算例结果验证了该优化方法可有效降低港口综合能源系统的运行成本,减少港口用电高峰时段的电力负荷需求。该文献提出了一种考虑综合需求响应的港口综合能源系统优化运行方法，以系统运行成本最低为目标，建立了港口综合能源系统运行优化模型。但该方案未将港口综合能源系统能源侧与交通物流测耦合关系考虑进来，不能充分挖掘港口能源与交通侧的优化潜力，相比之下，本发明通过构建港口能源与交通融合模型，克服了船舶原先无规则用电行为而导致靠港时间长的缺点，合理安排船舶行程，利于港口船东管理。
黄逸文,黄文焘,卫卫,邰能灵,李然.大型海港综合能源系统物流-能量协同优化调度方法[J/OL].中国电机工程学报.公开了为实现港口节能减排和能效提升，提出一种海港综合能源系统物流-能量协同优化调度方法，充分挖掘物流系统与能源系统结合的经济优化潜力。从物流系统运行特性出发，分析岸桥调度对船舶在港状态影响，建立港船物流协同调度模型。分析海港物流系统用能特点，结合船舶在港状态和负荷运行特性，建立物流-能源系统耦合负荷模型，以此实现物流系统与能源系统间的协同。以运行成本最低为目标，结合多种能源利用形式，对海港物流-能源耦合系统协同优化，得到船舶负荷运行策略和岸桥调度方案，以及各能源设备出力。以上海某港口为算例，仿真结果表明所提方法在充分考虑船舶行程安排的基础上，能够有效结合港口物流系统与能源系统，降低运行成本和碳排放量，提高能源综合利用率。该文献建立一种能源-物流系统耦合的海港综合能源系统，结合多种能源利用形式，以运行成本最低为目标，对海港综合能源系统协同优化。在实施方案中，综合考虑物流系统与能源系统协同优化，以日前海港数据实现电力网与天然气网耦合运行，相较于之下，本发明基于日内更为精确的风力发电和负荷预测数据对日前系统优化出力进行修正，实现系统优化运行，进一步提升海港经济效益和环境效益。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种计及能源与交通融合的港口两阶段优化运行方法及系统。
根据本发明提供的一种计及能源与交通融合的港口两阶段优化运行方法，包括：
步骤S1：构建多能流融合港口综合能源模型；
步骤S2：建立日前优化运行成本目标函数，基于日前优化运行成本目标函数优化多能流融合港口综合能源模型，实现港口船舶最优岸桥数量分配的同时，实现港口能源系统日前运行最优；
步骤S3：建立港口综合能源系统日内优化运行目标函数，基于日内优化运行目标函数和港口船舶最优岸桥分配数量对当前多能流融合港口综合能源模型进行修正，从而实现港口能源系统最优经济运行；
所述多能流融合港口综合能源模型是基于港口综合能源与交通融合体现港口能源系统运行，并基于多能流融合港口综合能源模型挖掘经济优化潜力。
优选地，所述多能流融合港口综合能源模型包括：港口综合能源系统和港口能源与交通融合模型；
所述港口综合能源系统包括：风力发电、电制热设备、电制冷设备、电储能、热储能以及船舶负荷；
所述风力发电采用：港口风力发电出力为单位时间内流过垂直于风速截面积的风能，其表示为：
其中，PW,t为t时刻风力发电功率；ρ为空气密度；Cp为叶尖速比和桨距角的函数；vt为t时刻风速；r为风轮叶片半径；PWr,t为风电额定功率；vc为切入风速；vr为额定风速；vf为切出风速；
所述电制热设备采用：港口热负荷需求由电锅炉电制热来满足，其表示为：
PEBH,t＝ηEBPEB,t
其中，PEBH,t为t时刻输出热功率；ηEB为电制热设备电热转换效率；PEB,t为t时刻电锅炉输入电功率；
所述电制冷设备采用：港口冷负荷需求由电制冷机电制冷来满足，其表示为：
PERC,t＝ηERPER,t
其中，PERC,t为t时刻输出冷功率；ηER为电制冷设备电冷转换效率；PER,t为t时刻电制冷机输入电功率；
所述电储能包括：充电模型和放电模型；
所述充电模型采用：
所述放电模型采用：
其中，SE,t为t时刻电储能容量；为电储能自放电率；SE,t-1为t-1时刻电储能容量；为电储能充电效率；PEcha,t为t时刻充电功率；PEdis,t为t时刻放电功率；表示电储能放电效率；
所述热储能包括：储热模型和放热模型；
所述储热模型采用：
SH,t＝SH,t-1+(σchaHcha,t-klossSH,t-1)Δt
所述放热模型采用：
SH,t＝SH,t-1-(σdisHdis,t+klossSH,t-1)Δt
其中，SH,t为t时刻热储能容量；SH,t-1为t-1时刻热储能容量；σcha为热储能储热效率；Hcha,t为t时刻储热功率；kloss为热储能漏热损失系数；σdis为热储能放热效率；Hdis,t为t时刻放热功率；
所述船舶负荷采用：
Pj＝Pcon,j+Pvar,j
其中，Pj为第j只支船舶需求功率；Pcon,j为第j只船舶可变功率需求；Pvar,j为第j只船舶恒定功率需求；
所述港口能源与交通融合模型包括：
其中，Pship,t为t时刻船舶岸电功率之和；n为靠港船舶数量；Pj,t为t时刻第j只船舶岸电负荷功率；αj,t为船舶岸电连接过程五个阶段船舶并网、负荷转移、岸基供电、负荷加载和船舶离网的岸电供应比例；portj,t表示船舶停泊期间的数学状态模型；
其中，t1为船舶靠港时刻；tleave为船舶离港时刻；j为船舶编号；Tt为船舶调度周期；
其中，Cj为岸桥分配数量；η为岸桥充电效率；Pcrane,j,i为岸桥额定功率；Pj表示船舶负荷。
优选地，所述日前优化运行成本目标函数是以日前风功率和负荷预测数据作为调度计划依据，通过设置日内包括电网购电成本、碳交易成本、设备运行维护成本以及交通侧物流成本在内的港口能源系统总运行成本最低为优化目标函数。
优选地，所述日前优化运行成本目标函数采用：
其中，CET,1为港口能源与交通融合日前优化运行成本；Cg为电网购电成本；为碳交易成本；Com为设备维护成本；Cship为船舶物流成本；为t时刻船舶岸电负荷购电；为t时刻港口陆上购电；pricet为t时刻购电单价；T表示船舶调度周期；C为总的免费碳配额；CG,a为实际碳排放额；ρc为阶梯碳价；PEdc,t为电储能t时刻充放电功率绝对值；Hdc,t为热储能t时刻充放热功率绝对值；μE、μH、γEB、μER分别为电储能、热储能、电制热设备和电制冷设备单位运行维护成本参数；电储能、热储能在充放功率时产生能量损耗SEloss,t、SHloss,t；θE、θH分别为电储能、热储能能量损耗成本参数；Cberth为船舶单位物流成本；t1,j为第j只船舶靠港时刻；tleave,j为第j只船舶离港时刻。
优选地，所述步骤S2采用：在日前优化阶段，基于粒子群智能优化算法，选取船舶岸桥分配数量Cj、电储能充放电功率PEcha,t和PEdis,t、热储能充放热功率Hcha,t和Hdis,t作为优化变量，日前优化目标函数CET,1作为适应度函数，以预设时长1为时间周期、预设时长2为单位时间尺度来优化港口能源系统运行，确定港口最优岸桥数量分配和日前优化运行方案。
优选地，所述港口综合能源系统日内优化运行目标函数采用：
其中，CET,2为日内优化运行调整目标函数；k为日内计划调度起始时刻；D为动态调整步长；ψ1、ψ2为量化因子；Cadj为功率调整成本；ΔPG,t为电网功率调整量；ΔPEB,t为电制热设备功率调整量；ΔPER,t为电制冷设备功率调整量；ΔPEES,t为电储能功率调整量；ΔPcrane,t为岸桥功率调整量；为电网单位功率调整成本；为电制热设备单位功率调整成本；为电制冷设备单位功率调整成本；为电储能单位功率调整成本；为岸桥单位功率调整成本。
优选地，所述步骤S3采用：在日内优化阶段，选取电储能充放电功率PEcha,t和PEdis,t和热储能充放热功率Hcha,t和Hdis,t作为优化变量，日内优化目标函数CET,2作为适应度函数，以预设时长3为时间周期、预设时长4为单位时间尺度来优化港口能源系统运行，对日前优化运行方案进行修正，从而确定港口能源与交通融合的最优经济运行方案。
根据本发明提供的一种计及能源与交通融合的港口两阶段优化运行系统，包括：
模块M1：构建多能流融合港口综合能源模型；
模块M2：建立日前优化运行成本目标函数，基于日前优化运行成本目标函数优化多能流融合港口综合能源模型，实现港口船舶最优岸桥数量分配的同时，实现港口能源系统日前运行最优；
模块M3：建立港口综合能源系统日内优化运行目标函数，基于日内优化运行目标函数和港口船舶最优岸桥分配数量对当前多能流融合港口综合能源模型进行修正，从而实现港口能源系统最优经济运行；
所述多能流融合港口综合能源模型是基于港口综合能源与交通融合体现港口能源系统运行，并基于多能流融合港口综合能源模型挖掘经济优化潜力。
优选地，所述多能流融合港口综合能源模型包括：港口综合能源系统和港口能源与交通融合模型；
所述港口综合能源系统包括：风力发电、电制热设备、电制冷设备、电储能、热储能以及船舶负荷；
所述风力发电采用：港口风力发电出力为单位时间内流过垂直于风速截面积的风能，其表示为：
其中，PW,t为t时刻风力发电功率；ρ为空气密度；Cp为叶尖速比和桨距角的函数；vt为t时刻风速；r为风轮叶片半径；PWr,t为风电额定功率；vc为切入风速；vr为额定风速；vf为切出风速；
所述电制热设备采用：港口热负荷需求由电锅炉电制热来满足，其表示为：
PEBH,t＝ηEBPEB,t
其中，PEBH,t为t时刻输出热功率；ηEB为电制热设备电热转换效率；PEB,t为t时刻电锅炉输入电功率；
所述电制冷设备采用：港口冷负荷需求由电制冷机电制冷来满足，其表示为：
PERC,t＝ηERPER,t
其中，PERC,t为t时刻输出冷功率；ηER为电制冷设备电冷转换效率；PER,t为t时刻电制冷机输入电功率；
所述电储能包括：充电模型和放电模型；
所述充电模型采用：
所述放电模型采用：
其中，SE,t为t时刻电储能容量；为电储能自放电率；SE,t-1为t-1时刻电储能容量；为电储能充电效率；PEcha,t为t时刻充电功率；PEdis,t为t时刻放电功率；表示电储能放电效率；
所述热储能包括：储热模型和放热模型；
所述储热模型采用：
SH,t＝SH,t-1+(σchaHcha,t-klossSH,t-1)Δt
所述放热模型采用：
SH,t＝SH,t-1-(σdisHdis,t+klossSH,t-1)Δt
其中，SH,t为t时刻热储能容量；SH,t-1为t-1时刻热储能容量；σcha为热储能储热效率；Hcha,t为t时刻储热功率；kloss为热储能漏热损失系数；σdis为热储能放热效率；Hdis,t为t时刻放热功率；
所述船舶负荷采用：
Pj＝Pcon,j+Pvar,j
其中，Pj为第j只支船舶需求功率；Pcon,j为第j只船舶可变功率需求；Pvar,j为第j只船舶恒定功率需求；
所述港口能源与交通融合模型包括：
其中，Pship,t为t时刻船舶岸电功率之和；n为靠港船舶数量；Pj,t为t时刻第j只船舶岸电负荷功率；αj,t为船舶岸电连接过程五个阶段船舶并网、负荷转移、岸基供电、负荷加载和船舶离网的岸电供应比例；portj,t表示船舶停泊期间的数学状态模型；
其中，t1为船舶靠港时刻；tleave为船舶离港时刻；j为船舶编号；Tt为船舶调度周期；
其中，Cj为岸桥分配数量；η为岸桥充电效率；Pcrane,j,i为岸桥额定功率；Pj表示船舶负荷。
优选地，所述日前优化运行成本目标函数是以日前风功率和负荷预测数据作为调度计划依据，通过设置日内包括电网购电成本、碳交易成本、设备运行维护成本以及交通侧物流成本在内的港口能源系统总运行成本最低为优化目标函数；
所述日前优化运行成本目标函数采用：
其中，CET,1为港口能源与交通融合日前优化运行成本；Cg为电网购电成本；为碳交易成本；Com为设备维护成本；Cship为船舶物流成本；为t时刻船舶岸电负荷购电；为t时刻港口陆上购电；pricet为t时刻购电单价；T表示船舶调度周期；C为总的免费碳配额；CG,a为实际碳排放额；ρc为阶梯碳价；PEdc,t为电储能t时刻充放电功率绝对值；Hdc,t为热储能t时刻充放热功率绝对值；μE、μH、γEB、μER分别为电储能、热储能、电制热设备和电制冷设备单位运行维护成本参数；电储能、热储能在充放功率时产生能量损耗SEloss,t、SHloss,t；θE、θH分别为电储能、热储能能量损耗成本参数；Cberth为船舶单位物流成本；t1,j为第j只船舶靠港时刻；tleave,j为第j只船舶离港时刻。
所述模块M2采用：在日前优化阶段，基于粒子群智能优化算法，选取船舶岸桥分配数量Cj、电储能充放电功率PEcha,t和PEdis,t、热储能充放热功率Hcha,t和Hdis,t作为优化变量，日前优化目标函数CET,1作为适应度函数，以预设时长1为时间周期、预设时长2为单位时间尺度来优化港口能源系统运行，确定港口最优岸桥数量分配和日前优化运行方案；
所述港口综合能源系统日内优化运行目标函数采用：
其中，CET,2为日内优化运行调整目标函数；k为日内计划调度起始时刻；D为动态调整步长；ψ1、ψ2为量化因子；Cadj为功率调整成本；ΔPG,t为电网功率调整量；ΔPEB,t为电制热设备功率调整量；ΔPER,t为电制冷设备功率调整量；ΔPEES,t为电储能功率调整量；ΔPcrane,t为岸桥功率调整量；为电网单位功率调整成本；为电制热设备单位功率调整成本；为电制冷设备单位功率调整成本；为电储能单位功率调整成本；为岸桥单位功率调整成本；
所述模块M3采用：在日内优化阶段，选取电储能充放电功率PEcha,t和PEdis,t和热储能充放热功率Hcha,t和Hdis,t作为优化变量，日内优化目标函数CET,2作为适应度函数，以预设时长3为时间周期、预设时长4为单位时间尺度来优化港口能源系统运行，对日前优化运行方案进行修正，从而确定港口能源与交通融合的最优经济运行方案。
与现有技术相比，本发明具有如下的有益效果：
1、本发明考虑能源与交通融合，克服了船舶原先无规则用电行为而导致靠港时间长的缺点，合理安排船舶行程，利于港口高效管理；
2、本发明结合风力发电出力特性和电网分时电价，实现系统削峰填谷的同时，提高风电消纳率，降低电网购电成本。
3、本发明采用两阶段优化运行策略，基于日内更为精确的风力发电和负荷预测数据实现系统优化运行，进一步提升港口经济效益和环境效益；
4、本发明通过港口能源交通融合模型和港口综合能源系统日前-日内两阶段优化相结合的技术特征，优化船舶用电行为，提升港口新能源消纳，实现港口能源系统综合效益的提升。
5、本发明的实行将有助于推动港口绿色低碳可持续发展。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为港口能源与交通联合优化调度求解模型示意图。
图2为港口交通侧船舶负荷优化比较示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明提供了一种计及能源与交通融合的港口两阶段优化运行方法及系统，将海上风力发电与海港传统能源系统相结合，建立考虑能源与交通融合的海港综合能源系统，采用日前优化船舶岸桥分配，日内优化修正系统日前出力的方案确定海港最优经济优化运行策略，在提升新能源消纳率和系统运行精确性的同时，进一步提升海港综合能源系统经济性。本发明结合港口新能源风力发电出力特性和电网分时电价因素，实现港口岸桥调度和靠港船舶负荷需求优化。同时针对港口传统日前优化运行精确度差的问题，采用基于日内风力发电和负荷预测数据对系统日前优化出力进行修正。
实施例1
根据本发明提供的一种计及能源与交通融合的港口两阶段优化运行方法，包括：在构建多能流融合港口综合能源系统的基础上，通过充分挖掘能源与交通结合的经济优化潜力，设计港口能源与交通融合模型，日前优化基于风电出力特性和电网分时电价优化岸桥分配和船舶负荷需求，日内对日前系统优化出力进行修正，从而有效提升港口综合效益。
所述港口综合能源系统包括：
1)风力发电：港口风力发电出力为单位时间内流过垂直于风速截面积的风能，与空气密度、风速以及风机设备参数有关，风电功率数学模型如下：
其中，PW,t为t时刻风力发电功率；ρ为空气密度；Cp为叶尖速比和桨距角的函数；vt为t时刻风速；r为风轮叶片半径；PWr,t为风电额定功率；vc为切入风速；vr为额定风速；vf为切出风速。
2)电制热设备：港口热负荷需求由电锅炉电制热来满足，其工作模式可表示为：
PEBH,t＝ηEBPEB,t
其中，PEBH,t为t时刻输出热功率；ηEB为电制热设备电热转换效率；PEB,t为t时刻电锅炉输入电功率。
3)电制冷设备
港口冷负荷需求由电制冷机电制冷来满足，其工作模式可表示为：
PERC,t＝ηERPER,t
其中，PERC,t为t时刻输出冷功率；ηER为电制冷设备电冷转换效率；PER,t为t时刻电制冷机输入电功率。
4)电储能
充电模型：
放电模型：
其中，SE,t为t时刻电储能容量；为电储能自放电率；SE,t-1为t-1时刻电储能容量；为电储能充电效率；PEcha,t为t时刻充电功率；PEdis,t为t时刻放电功率；为电储能放电效率。
5)热储能
储热模型：
SH,t＝SH,t-1+(σchaHcha,t-klossSH,t-1)Δt
放热模型：
SH,t＝SH,t-1-(σdisHdis,t+klossSH,t-1)Δt
其中，SH,t为t时刻热储能容量；SH,t-1为t-1时刻热储能容量；σcha为热储能储热效率；Hcha,t为t时刻储热功率；kloss为热储能漏热损失系数；σdis为热储能放热效率；
Hdis,t为t时刻放热功率。
6)船舶负荷
Pj＝Pcon,j+Pvar,j
其中，Pj为第j只支船舶需求功率；Pcon,j为第j只船舶可变功率需求；Pvar,j为第j只船舶恒定功率需求。
本发明充分挖掘港口综合能源系统能源侧与交通侧相融合的经济优化潜力，基于交通侧船舶物流运输特性，建立港口能源与交通融合模型。
所述港口能源与交通融合模型是基于靠港船舶数量、船舶靠离港时刻和状态、船舶停靠港时长以及船舶岸电连接过程所建立的船舶岸电功率模型，实现了港口能源系统与船舶负荷之间的功率平衡关系转换。
所述港口能源与交通融合模型是在交通侧船舶靠离港期间，刻画的船舶岸电负荷用电行为，而港口综合能源系统直接为船舶岸电负荷用电提供电能源，因此本发明所构建的港口能源与交通融合模型所体现的船舶用电与港口综合能源系统的能源存在一种功率平衡关系。
更为具体地，在船舶停泊期间一共分为两个时间段，分别为船舶靠港和船舶离港后两个时间段。定义船舶离港后为0状态变量，即portj,t＝0；船舶靠港期间为1状态变量，即portj,t＝1。船舶在港口的一个调度周期内，船舶停泊期间的数学状态模型可表示为如下所示：
其中，t1为船舶靠港时刻；tleave为船舶离港时刻；j为船舶编号；Tt为船舶调度周期。
一般地，港口船舶在靠港期间的总时长是与船舶分配的岸桥的数量有关的，岸桥分配数量往往会直接对停靠在港口的船舶的物流运输行为决策产生直接的影响。受船舶船型以及船舶自身作业量不同的限制，船舶分配岸桥数量的不同往往决定了船舶离港时刻tleave的不同。除了岸桥分配数量，船舶离港时刻tleave与岸桥充电效率和船舶自身负荷需求功率有关，船舶离港时刻tleave的数学模型表达式如式下所示：
其中，Cj为岸桥分配数量；η为岸桥充电效率；Pcrane,j,i为岸桥额定功率。Pj表示船舶负荷。
在港口综合能源系统中，港口交通侧船舶靠港期间与岸桥间的功率交互往往通过港口数据中心进行调度。港口数据调度中心在船舶到港、停港以及离港时间段对其与岸桥的连接和断开过程进行“指挥”，从而完成港口能源侧与交通侧的互联。港口船舶能源与交通融合的模型如下所示：
其中，Pship,t为t时刻船舶岸电功率之和；n为靠港船舶数量；Pj,t为t时刻第j只船舶岸电负荷功率；αj,t为船舶岸电连接过程五个阶段船舶并网、负荷转移、岸基供电、负荷加载和船舶离网的岸电供应比例。
计及港口能源与交通融合的两阶段优化运行
1)日前优化
本方案所提港口能源与交通融合的两阶段优化运行方案中，日前优化运行周期为24小时，单位调度时间为1小时。以日前风功率和负荷预测数据作为调度计划依据，通过设置典型日内包括电网购电成本、碳交易成本、设备运行维护成本以及交通测物流成本在内的系统总运行成本最低为优化目标函数建立能源与交通协同优化的日前运行模型，在实现港口船舶最优岸桥数量分配的同时，确定港口能源系统日前运行方案。包含交通侧船舶物流成本的港口典型日的日前优化运行成本目标函数的数学表达式如下所示：
其中，CET,1为港口能源与交通融合日前优化运行成本；Cg为电网购电成本；为碳交易成本；Com为设备维护成本；Cship为船舶物流成本；为t时刻船舶岸电负荷购电；为t时刻港口陆上购电；pricet为t时刻购电单价；C为总的免费碳配额；CG,a为实际碳排放额；ρc为阶梯碳价；PEdc,t为电储能t时刻充放电功率绝对值；Hdc,t为热储能t时刻充放热功率绝对值；μE、μH、γEB、μER分别为电储能、热储能、电制热设备和电制冷设备单位运行维护成本参数；电储能、热储能在充放功率时产生能量损耗SEloss,t、SHloss,t；θE、θH分别为电储能、热储能能量损耗成本参数；Cberth为船舶单位物流成本；t1,j为第j只船舶靠港时刻；tleave,j为第j只船舶离港时刻。
2)日内优化
为了增强港口综合能源系统优化运行的鲁棒性，在港口日内优化运行时，应使系统中的设备调整功率变化最小。为此，在建立港口综合能源系统日内优化运行目标函数时引入量化因子来增强港口综合能源系统优化运行的鲁棒性。在储能系统中，由于热储能设备响应时间缓慢，因此不纳入系统的日内功率调整中，不考虑热储能设备的功率调整成本。在本发明中，港口综合能源系统日内优化运行阶段，优化运行周期为4小时，单位调度时间为15分钟，日内优化目标函数如下所示：
其中，CET,2为日内优化运行调整目标函数；k为日内计划调度起始时刻；D为动态调整步长；ψ1、ψ2为量化因子；Cadj为功率调整成本；ΔPG,t为电网功率调整量；ΔPEB,t为电制热设备功率调整量；ΔPER,t为电制冷设备功率调整量；ΔPEES,t为电储能功率调整量；ΔPcrane,t为岸桥功率调整量；为电网单位功率调整成本；为电制热设备单位功率调整成本；为电制冷设备单位功率调整成本；为电储能单位功率调整成本；为岸桥单位功率调整成本。
本文采用智能优化算法实现港口综合能源系统的日前和日内两阶段优化运行，港口能源与交通融合的两阶段优化求解模型架构如图1所示。在日前优化阶段，基于粒子群智能优化算法，选取船舶岸桥分配数量Cj、电储能充放电功率PEcha,t和PEdis,t、热储能充放热功率Hcha,t和Hdis,t作为优化变量，日前优化目标函数CET,1作为适应度函数，以24小时为时间周期、1小时为单位时间尺度来优化系统运行，确定港口最优岸桥数量分配和日前优化运行方案；在日内优化阶段，选取电储能充放电功率PEcha,t和PEdis,t和热储能充放热功率Hcha,t和Hdis,t作为优化变量，日内优化目标函数CET,2作为适应度函数，以4小时为时间周期、15分钟为单位时间尺度来优化系统运行，对日前优化运行方案进行修正，从而确定港口能源与交通融合的最优经济运行方案。
结合实际情况，本发明能源与交通融合模型中船舶岸桥分配数量是有直接体现的，船舶靠港期间总时长与船舶分配的岸桥数量有关，岸桥分配数量往往会直接对停靠在港口的船舶的物流运输行为决策和船舶岸电用电产生直接的影响，因此船舶岸桥分配数量被选为优化参数。而电储能和热储能在港口综合能源系统中相当于“能源”供给侧，依据新能源出力特性和电网分时电价，对港口综合能源系统削峰填谷，相应的，通过决策与港口岸电相连的电储能的充放电行为对船舶岸电用电进行优化，并与交通侧负荷用电构成功率平衡关系，因此储能充放电功率优化参数是在与能源与交通融合模型中的系统功率平衡关系中直接体现。
本发明还提供一种计及能源与交通融合的港口两阶段优化运行系统，所述计及能源与交通融合的港口两阶段优化运行系统可以通过执行所述计及能源与交通融合的港口两阶段优化运行方法的流程步骤予以实现，即本领域技术人员可以将所述计及能源与交通融合的港口两阶段优化运行方法理解为所述计及能源与交通融合的港口两阶段优化运行系统的优选实施方式。
实施例2
实施例2是实施例1的优选例
本发明依托国家电网公司科技项目“电网友好型港口岸电能量路由器低碳供能与主动支撑控制技术”,提出了一种计及港口能源与交通融合的两阶段优化运行方法。
以天津港典型日风电出力，以及电热负荷预测数据为基础，对港口综合能源系统三种运行方式进行分析比较。
1)港口综合能源系统日前优化运行分析；
2)计及能源交通融合的港口综合能源系统日前优化运行分析；
3)计及能源交通融合的港口综合能源系统日前和日内两阶段优化运行分析；
本方案中港口综合能源系统三种运行模式下的各类成本包括总成本、上级公共电网购电成本、港口能源系统碳交易成本、系统设备维护成本以及船舶靠港期间船舶物流成本分别如表1所示。
表1不同运行方式下优化结果比较
从表1不同算运行方式下港口综合能源系统各类优化成本可知，本发明所提算方案具有最优经济效益和环境效益。一方面，计级港口能源系统能源与交通融合的方案中，港口综合能源系统加大了对分时电价和风力发电的利用，降低了上级电网购电成本和弃风率，与运行方式1相比，运行方式2电网购电成本从173825元降至152035元，弃风量减少了6MW；另一方面，在考虑了港口能源系统两阶段优化运行中，风力发电出力以和负荷日内预测数据相较于日前预测数据更加准确，日内系统优化运行对日前系统出力进行优化修正，进一步提升风电消纳率，相较于未考虑两阶段优化运行的运行方式1和2，本发明总成本分别减少了52204元和26058元，经济性分别提升30.6％和18％，以碳交易成本作为评价指标的环境性则分别提升10.5％和5.4％。结合图2，进一步发现优化后船舶负荷曲线与电网分时电价和新能源出力呈现出强关联性。本发明所提优化方案有效提升港口综合能源系统综合经济性和环境性。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种计及能源与交通融合的港口两阶段优化运行方法，其特征在于，包括：
步骤S1：构建多能流融合港口综合能源模型；
步骤S2：建立日前优化运行成本目标函数，基于日前优化运行成本目标函数优化多能流融合港口综合能源模型，实现港口船舶最优岸桥数量分配的同时，实现港口能源系统日前运行最优；
步骤S3：建立港口综合能源系统日内优化运行目标函数，基于日内优化运行目标函数和港口船舶最优岸桥分配数量对当前多能流融合港口综合能源模型进行修正，从而实现港口能源系统最优经济运行；
所述多能流融合港口综合能源模型是基于港口综合能源与交通融合体现港口能源系统运行，并基于多能流融合港口综合能源模型挖掘经济优化潜力。
2.根据权利要求1所述的计及能源与交通融合的港口两阶段优化运行方法，其特征在于，所述多能流融合港口综合能源模型包括：港口综合能源系统和港口能源与交通融合模型；
所述港口综合能源系统包括：风力发电、电制热设备、电制冷设备、电储能、热储能以及船舶负荷；
所述风力发电采用：港口风力发电出力为单位时间内流过垂直于风速截面积的风能，其表示为：
其中，PW,t为t时刻风力发电功率；ρ为空气密度；Cp为叶尖速比和桨距角的函数；vt为t时刻风速；r为风轮叶片半径；PWr,t为风电额定功率；vc为切入风速；vr为额定风速；vf为切出风速；
所述电制热设备采用：港口热负荷需求由电锅炉电制热来满足，其表示为：
PEBH,t＝ηEBPEB,t
其中，PEBH,t为t时刻输出热功率；ηEB为电制热设备电热转换效率；PEB,t为t时刻电锅炉输入电功率；
所述电制冷设备采用：港口冷负荷需求由电制冷机电制冷来满足，其表示为：
PERC,t＝ηERPER,t
其中，PERC,t为t时刻输出冷功率；ηER为电制冷设备电冷转换效率；PER,t为t时刻电制冷机输入电功率；
所述电储能包括：充电模型和放电模型；
所述充电模型采用：
所述放电模型采用：
其中，SE,t为t时刻电储能容量；为电储能自放电率；SE,t-1为t-1时刻电储能容量；为电储能充电效率；PEcha,t为t时刻充电功率；PEdis,t为t时刻放电功率；表示电储能放电效率；
所述热储能包括：储热模型和放热模型；
所述储热模型采用：
SH,t＝SH,t-1+(σchaHcha,t-klossSH,t-1)Δt
所述放热模型采用：
SH,t＝SH,t-1-(σdisHdis,t+klossSH,t-1)Δt
其中，SH,t为t时刻热储能容量；SH,t-1为t-1时刻热储能容量；σcha为热储能储热效率；Hcha,t为t时刻储热功率；kloss为热储能漏热损失系数；σdis为热储能放热效率；Hdis,t为t时刻放热功率；
所述船舶负荷采用：
Pj＝Pcon,j+Pvar,j
其中，Pj为第j只支船舶需求功率；Pcon,j为第j只船舶可变功率需求；Pvar,j为第j只船舶恒定功率需求；
所述港口能源与交通融合模型包括：
其中，Pship,t为t时刻船舶岸电功率之和；n为靠港船舶数量；Pj,t为t时刻第j只船舶岸电负荷功率；αj,t为船舶岸电连接过程五个阶段船舶并网、负荷转移、岸基供电、负荷加载和船舶离网的岸电供应比例；portj,t表示船舶停泊期间的数学状态模型；
其中，t1为船舶靠港时刻；tleave为船舶离港时刻；j为船舶编号；Tt为船舶调度周期；
其中，Cj为岸桥分配数量；η为岸桥充电效率；Pcrane,j,i为岸桥额定功率；Pj表示船舶负荷。
3.根据权利要求2所述的计及能源与交通融合的港口两阶段优化运行方法，其特征在于，所述日前优化运行成本目标函数是以日前风功率和负荷预测数据作为调度计划依据，通过设置日内包括电网购电成本、碳交易成本、设备运行维护成本以及交通侧物流成本在内的港口能源系统总运行成本最低为优化目标函数。
4.根据权利要求3所述的计及能源与交通融合的港口两阶段优化运行方法，其特征在于，所述日前优化运行成本目标函数采用：
其中，CET,1为港口能源与交通融合日前优化运行成本；Cg为电网购电成本；为碳交易成本；Com为设备维护成本；Cship为船舶物流成本；为t时刻船舶岸电负荷购电；为t时刻港口陆上购电；pricet为t时刻购电单价；T表示船舶调度周期；C为总的免费碳配额；CG,a为实际碳排放额；ρc为阶梯碳价；PEdc,t为电储能t时刻充放电功率绝对值；Hdc,t为热储能t时刻充放热功率绝对值；μE、μH、γEB、μER分别为电储能、热储能、电制热设备和电制冷设备单位运行维护成本参数；电储能、热储能在充放功率时产生能量损耗SEloss,t、SHloss,t；θE、θH分别为电储能、热储能能量损耗成本参数；Cberth为船舶单位物流成本；t1,j为第j只船舶靠港时刻；tleave,j为第j只船舶离港时刻。
5.根据权利要求4所述的计及能源与交通融合的港口两阶段优化运行方法，其特征在于，所述步骤S2采用：在日前优化阶段，基于粒子群智能优化算法，选取船舶岸桥分配数量Cj、电储能充放电功率PEcha,t和PEdis,t、热储能充放热功率Hcha,t和Hdis,t作为优化变量，日前优化目标函数CET,1作为适应度函数，以预设时长1为时间周期、预设时长2为单位时间尺度来优化港口能源系统运行，确定港口最优岸桥数量分配和日前优化运行方案。
6.根据权利要求2所述的计及能源与交通融合的港口两阶段优化运行方法，其特征在于，所述港口综合能源系统日内优化运行目标函数采用：
其中，CET,2为日内优化运行调整目标函数；k为日内计划调度起始时刻；D为动态调整步长；ψ1、ψ2为量化因子；Cadj为功率调整成本；ΔPG,t为电网功率调整量；ΔPEB,t为电制热设备功率调整量；ΔPER,t为电制冷设备功率调整量；ΔPEES,t为电储能功率调整量；ΔPcrane,t为岸桥功率调整量；为电网单位功率调整成本；为电制热设备单位功率调整成本；为电制冷设备单位功率调整成本；为电储能单位功率调整成本；为岸桥单位功率调整成本。
7.根据权利要求6所述的计及能源与交通融合的港口两阶段优化运行方法，其特征在于，所述步骤S3采用：在日内优化阶段，选取电储能充放电功率PEcha,t和PEdis,t和热储能充放热功率Hcha,t和Hdis,t作为优化变量，日内优化目标函数CET,2作为适应度函数，以预设时长3为时间周期、预设时长4为单位时间尺度来优化港口能源系统运行，对日前优化运行方案进行修正，从而确定港口能源与交通融合的最优经济运行方案。
8.一种计及能源与交通融合的港口两阶段优化运行系统，其特征在于，包括：
模块M1：构建多能流融合港口综合能源模型；
模块M2：建立日前优化运行成本目标函数，基于日前优化运行成本目标函数优化多能流融合港口综合能源模型，实现港口船舶最优岸桥数量分配的同时，实现港口能源系统日前运行最优；
模块M3：建立港口综合能源系统日内优化运行目标函数，基于日内优化运行目标函数和港口船舶最优岸桥分配数量对当前多能流融合港口综合能源模型进行修正，从而实现港口能源系统最优经济运行；
所述多能流融合港口综合能源模型是基于港口综合能源与交通融合体现港口能源系统运行，并基于多能流融合港口综合能源模型挖掘经济优化潜力。
9.根据权利要求8所述的计及能源与交通融合的港口两阶段优化运行系统，其特征在于，所述多能流融合港口综合能源模型包括：港口综合能源系统和港口能源与交通融合模型；
所述港口综合能源系统包括：风力发电、电制热设备、电制冷设备、电储能、热储能以及船舶负荷；
所述风力发电采用：港口风力发电出力为单位时间内流过垂直于风速截面积的风能，其表示为：
其中，PW,t为t时刻风力发电功率；ρ为空气密度；Cp为叶尖速比和桨距角的函数；vt为t时刻风速；r为风轮叶片半径；PWr,t为风电额定功率；vc为切入风速；vr为额定风速；vf为切出风速；
所述电制热设备采用：港口热负荷需求由电锅炉电制热来满足，其表示为：
PEBH,t＝ηEBPEB,t
其中，PEBH,t为t时刻输出热功率；ηEB为电制热设备电热转换效率；PEB,t为t时刻电锅炉输入电功率；
所述电制冷设备采用：港口冷负荷需求由电制冷机电制冷来满足，其表示为：
PERC,t＝ηERPER,t
其中，PERC,t为t时刻输出冷功率；ηER为电制冷设备电冷转换效率；PER,t为t时刻电制冷机输入电功率；
所述电储能包括：充电模型和放电模型；
所述充电模型采用：
所述放电模型采用：
其中，SE,t为t时刻电储能容量；为电储能自放电率；SE,t-1为t-1时刻电储能容量；为电储能充电效率；PEcha,t为t时刻充电功率；PEdis,t为t时刻放电功率；表示电储能放电效率；
所述热储能包括：储热模型和放热模型；
所述储热模型采用：
SH,t＝SH,t-1+(σchaHcha,t-klossSH,t-1)Δt
所述放热模型采用：
SH,t＝SH,t-1-(σdisHdis,t+klossSH,t-1)Δt
其中，SH,t为t时刻热储能容量；SH,t-1为t-1时刻热储能容量；σcha为热储能储热效率；Hcha,t为t时刻储热功率；kloss为热储能漏热损失系数；σdis为热储能放热效率；Hdis,t为t时刻放热功率；
所述船舶负荷采用：
Pj＝Pcon,j+Pvar,j
其中，Pj为第j只支船舶需求功率；Pcon,j为第j只船舶可变功率需求；Pvar,j为第j只船舶恒定功率需求；
所述港口能源与交通融合模型包括：
其中，Pship,t为t时刻船舶岸电功率之和；n为靠港船舶数量；Pj,t为t时刻第j只船舶岸电负荷功率；αj,t为船舶岸电连接过程五个阶段船舶并网、负荷转移、岸基供电、负荷加载和船舶离网的岸电供应比例；portj,t表示船舶停泊期间的数学状态模型；
其中，t1为船舶靠港时刻；tleave为船舶离港时刻；j为船舶编号；Tt为船舶调度周期；
其中，Cj为岸桥分配数量；η为岸桥充电效率；Pcrane,j,i为岸桥额定功率；Pj表示船舶负荷。
10.根据权利要求9所述的计及能源与交通融合的港口两阶段优化运行系统，其特征在于，所述日前优化运行成本目标函数是以日前风功率和负荷预测数据作为调度计划依据，通过设置日内包括电网购电成本、碳交易成本、设备运行维护成本以及交通侧物流成本在内的港口能源系统总运行成本最低为优化目标函数；
所述日前优化运行成本目标函数采用：
其中，CET,1为港口能源与交通融合日前优化运行成本；Cg为电网购电成本；为碳交易成本；Com为设备维护成本；Cship为船舶物流成本；为t时刻船舶岸电负荷购电；为t时刻港口陆上购电；pricet为t时刻购电单价；T表示船舶调度周期；C为总的免费碳配额；CG,a为实际碳排放额；ρc为阶梯碳价；PEdc,t为电储能t时刻充放电功率绝对值；Hdc,t为热储能t时刻充放热功率绝对值；μE、μH、γEB、μER分别为电储能、热储能、电制热设备和电制冷设备单位运行维护成本参数；电储能、热储能在充放功率时产生能量损耗SEloss,t、SHloss,t；θE、θH分别为电储能、热储能能量损耗成本参数；Cberth为船舶单位物流成本；t1,j为第j只船舶靠港时刻；tleave,j为第j只船舶离港时刻。
所述模块M2采用：在日前优化阶段，基于粒子群智能优化算法，选取船舶岸桥分配数量Cj、电储能充放电功率PEcha,t和PEdis,t、热储能充放热功率Hcha,t和Hdis,t作为优化变量，日前优化目标函数CET,1作为适应度函数，以预设时长1为时间周期、预设时长2为单位时间尺度来优化港口能源系统运行，确定港口最优岸桥数量分配和日前优化运行方案；
所述港口综合能源系统日内优化运行目标函数采用：
其中，CET,2为日内优化运行调整目标函数；k为日内计划调度起始时刻；D为动态调整步长；ψ1、ψ2为量化因子；Cadj为功率调整成本；ΔPG,t为电网功率调整量；ΔPEB,t为电制热设备功率调整量；ΔPER,t为电制冷设备功率调整量；ΔPEES,t为电储能功率调整量；ΔPcrane,t为岸桥功率调整量；为电网单位功率调整成本；为电制热设备单位功率调整成本；为电制冷设备单位功率调整成本；为电储能单位功率调整成本；为岸桥单位功率调整成本；
所述模块M3采用：在日内优化阶段，选取电储能充放电功率PEcha,t和PEdis,t和热储能充放热功率Hcha,t和Hdis,t作为优化变量，日内优化目标函数CET,2作为适应度函数，以预设时长3为时间周期、预设时长4为单位时间尺度来优化港口能源系统运行，对日前优化运行方案进行修正，从而确定港口能源与交通融合的最优经济运行方案。
CN202311491357.XA 2023-11-09 2023-11-09 计及能源与交通融合的港口两阶段优化运行方法及系统 Pending CN117521895A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311491357.XA CN117521895A (zh) 2023-11-09 2023-11-09 计及能源与交通融合的港口两阶段优化运行方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311491357.XA CN117521895A (zh) 2023-11-09 2023-11-09 计及能源与交通融合的港口两阶段优化运行方法及系统

Publications (1)

Publication Number Publication Date
CN117521895A true CN117521895A (zh) 2024-02-06

Family

ID=89760117

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311491357.XA Pending CN117521895A (zh) 2023-11-09 2023-11-09 计及能源与交通融合的港口两阶段优化运行方法及系统

Country Status (1)

Country Link
CN (1) CN117521895A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118300111A (zh) * 2024-06-06 2024-07-05 宁波北仑第三集装箱码头有限公司 一种含柔性直流的港口多能源融合系统的开环控制方法、介质、设备及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118300111A (zh) * 2024-06-06 2024-07-05 宁波北仑第三集装箱码头有限公司 一种含柔性直流的港口多能源融合系统的开环控制方法、介质、设备及系统

Similar Documents

Publication Publication Date Title
Colbertaldo et al. Impact of hydrogen energy storage on California electric power system: Towards 100% renewable electricity
Saeedmanesh et al. Hydrogen is essential for sustainability
Mohseni et al. Economic viability assessment of sustainable hydrogen production, storage, and utilisation technologies integrated into on-and off-grid micro-grids: A performance comparison of different meta-heuristics
Ye et al. Towards a 90% renewable energy future: A case study of an island in the South China Sea
Diesendorf et al. Implications of trends in energy return on energy invested (EROI) for transitioning to renewable electricity
Wang et al. A two-stage framework for the optimal design of a hybrid renewable energy system for port application
Salhi et al. Techno-economic optimization of wind energy based hydrogen refueling station case study Salalah city Oman
Wen et al. Optimizing the sizes of wind and photovoltaic plants complementarily operating with cascade hydropower stations: Balancing risk and benefit
CN113344736A (zh) 一种园区级综合能源系统及其控制方法
Li et al. A method for optimizing installation capacity and operation strategy of a hybrid renewable energy system with offshore wind energy for a green container terminal
Li et al. Reducing carbon footprint of deep-sea oil and gas field exploitation by optimization for Floating Production Storage and Offloading
Li et al. Techno-economic analysis of the transition towards the large-scale hybrid wind-tidal supported coastal zero-energy communities
CN105071389A (zh) 计及源网荷互动的交直流混合微电网优化运行方法及装置
CN114021390A (zh) 城市综合能源系统随机鲁棒优化方法及其应用
CN102593855B (zh) 平抑电力系统中可再生能源电源输出功率波动的方法
CN117521895A (zh) 计及能源与交通融合的港口两阶段优化运行方法及系统
CN112053024A (zh) 一种基于城镇能源互联网双层协同架构的优化调度方法
Pastore et al. Smart energy systems for renewable energy communities: A comparative analysis of power-to-X strategies for improving energy self-consumption
Michaelides et al. The effect of electric vehicle energy storage on the transition to renewable energy
Colarossi et al. Local energy production scenarios for emissions reduction of pollutants in small-medium ports
Saad et al. Hydro-pneumatic storage for wind-diesel electricity generation in remote sites
CN113902309B (zh) 绿色港口能源互联系统的优化方法及系统
CN115051388A (zh) 一种基于分布鲁棒的“源-网-荷-储”两阶段调度优化方法
Prema et al. Sizing of microgrids for Indian systems using HOMER
Traber et al. Urban-Rural Cooperation for an Economy with 100% Renewable Energy and Climate Protection towards 2030-the Region Berlin-Brandenburg

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