CN117578449A - 一种计及可再生能源不确定性的多能微能网优化调度方法 - Google Patents
一种计及可再生能源不确定性的多能微能网优化调度方法 Download PDFInfo
- Publication number
- CN117578449A CN117578449A CN202311604223.4A CN202311604223A CN117578449A CN 117578449 A CN117578449 A CN 117578449A CN 202311604223 A CN202311604223 A CN 202311604223A CN 117578449 A CN117578449 A CN 117578449A
- Authority
- CN
- China
- Prior art keywords
- energy
- micro
- energy storage
- constraint
- grid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000004146 energy storage Methods 0.000 claims abstract description 47
- 239000001257 hydrogen Substances 0.000 claims abstract description 43
- 229910052739 hydrogen Inorganic materials 0.000 claims abstract description 43
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims abstract description 34
- 230000005611 electricity Effects 0.000 claims abstract description 21
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 14
- 150000002431 hydrogen Chemical class 0.000 claims abstract description 9
- 239000003345 natural gas Substances 0.000 claims abstract description 7
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000009194 climbing Effects 0.000 claims description 2
- 239000004744 fabric Substances 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000002146 bilateral effect Effects 0.000 abstract 1
- 238000005338 heat storage Methods 0.000 description 13
- 239000007789 gas Substances 0.000 description 11
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000010977 unit operation Methods 0.000 description 4
- 238000007599 discharging Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012983 electrochemical energy storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Power Engineering (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种计及可再生能源不确定性的多能微能网优化调度方法,属于电力系统运行优化技术领域。本发明的方法为:建立包含电、氢、热和天然气的混合储能微网主体模型;采用基于数据驱动的分布鲁棒优化模型求解混合储能微网主体模型的日内源荷双侧不确定性,建立三层两阶段功率平衡模型;采用列约束生成算法,通过主子问题迭代的形式对所述混合储能微网主体模型进行求解,获取调度方案。与现有技术相比,本发明将周前长时间尺度储能装置(氢储能)与短时间尺度储能装置(电储能、热储能)联合使用,降低了可再生能源与负荷长周期预测误差对调度结果的影响,增强了多能微网运行的可靠性。
Description
技术领域
本发明属于电力系统运行优化技术领域,涉及一种计及可再生能源不确定性的多能微能网优化调度方法。
背景技术
由于可再生能源经济、环保的特点,我国可再生能源装机量不断提升,但可再生能源固有的随机性、间歇性与波动性,给微网的运行带来了挑战。探索电能与其他能源系统的有效耦合是目前世界上应用可再生能源的一种新模式。其中,为了减小可再生能源接网对电网的冲击并增大可再生能源的有效利用,电氢热耦合系统被认为是一种清洁、高效的能源利用模式。
国内外学者也相继展开了相关研究,包括电氢耦合经济调度问题、电氢耦合动态经济调度问题、氢储能(长期储能)与蓄电池(短期储能)的复合能源系统等问题。目前常用的方法为鲁棒优化考虑微网日前调度问题中可再生能源与负荷的不确定性。
然而目前仍有两方面的问题需要解决。第一,氢负荷的考虑方式比较单一,不能体现氢负荷与电负荷之间的差异性。第二,传统的鲁棒优化模型难以确定合适的不确定集。当事先设定的不确定集过大时,调度策略将会非常保守;反之,又会过于激进。
发明内容
为了解决上述问题,本发明提供一种计及可再生能源不确定性的多能微能网优化调度方法。具体技术方案如下。
一种计及可再生能源不确定性的多能微能网优化调度方法,其特征在于,包括以下步骤:
S1根据可再生能源与负荷预测数据,建立包含电、氢、热和天然气的混合储能微网模型;
S2采用基于数据驱动的分布鲁棒优化模型求解混合储能微网主体模型的日内源荷双侧不确定性,建立三层两阶段混合储能微网调度模型;
S3根据分布鲁棒模型结构特征,采用列约束生成算法,通过主子问题迭代的形式对所述混合储能微网调度模型进行求解,获取调度方案。
进一步的,步骤S1具体包括:
S1-1通过日前预测模型,获取混合储能微网中可再生能源、电负荷、氢负荷和热负荷日前预测数据;
S1-2根据可再生能源与负荷预测数据,建立包含电、氢、热和天然气的混合储能微网模型。
进一步的,步骤S2所述三层两阶段混合储能微网调度模型,包括以下四个部分:第一阶段目标函数、第一阶段约束条件、第二阶段目标函数、第二阶段约束条件;
第一阶段目标函数:将混合储能微网调度模型分为日前与日内两个阶段,其目标函数是最小化各子系统的总运行成本;
第一阶段约束条件包括:电、氢、热功率平衡约束,机组爬坡约束,机组出力及备用约束,机组启停约束,可再生能源出力约束和能量转换装置出力约束;
第二阶段目标函数:依据第一阶段的调度计划,最小化最恶劣运行工况下的运行成本;
第二阶段约束条件包括:电、氢、热三网功率平衡约束,松弛变量约束,机组调节约束和不确定集约束。
进一步的,步骤S3具体包括:
S3-1初始化:设置迭代次数m=1;
S3-2求解主问题,得到主问题的控制变量;
S3-3根据主问题结果求解子问题,得到其目标函数值S以及最恶劣离散场景的概率分布;
S3-4收敛性判断:如果S=0,则问题收敛,停止迭代;否则,将最恶劣离散场景的概率分布约束添加至主问题,继续迭代,m=m+1,返回步骤S3-2。
本发明提供的技术方案具有以下有益效果:提供了一种计及可再生能源不确定性的多能微能网优化调度方法,采用分布式鲁棒优化算法对可再生能源与负荷的时空不确定性进行建模,综合1-范数和∞-范数混合约束,提升了系统运行的鲁棒性和经济性。分布式鲁棒优化算法结合了随机优化和鲁棒优化的优点,与传统鲁棒优化算法相比,求解过程更简单、结果更经济。采用综合范数约束可再生能源和负荷的概率分布不确定性范围,充分考虑了场景概率分布的不确定性,获得最低的概率分布期望,表现出了最优的经济性能和不确定性适应能力。
附图说明
图1是多源混合储能微网的结构示意图。
图2是混合储能微网分布鲁棒模型迭代求解的流程图。
图3是日前预测数据图。
图4是微网电功率平衡优化结果图。
图5是微网热功率平衡优化结果图。
图6是微网氢功率平衡优化结果图。
图7是微网储能设备出力优化结果图。
具体实施方式
下面结合说明书附图,对本发明的技术方案进行清楚、完整的描述。显然,所描述的实施方式仅仅是本发明一部分实施方式,而不是全部的实施方式。基于本发明的实施方式,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式,都属于本发明的保护范围。
一种计及可再生能源不确定性的多能微能网优化调度方法,包括以下步骤:
步骤1,根据可再生能源与负荷预测数据,建立包含电、氢、热和天然气的混合储能微网模型;
步骤2,采用基于数据驱动的分布鲁棒优化模型求解混合储能微网主体模型的日内源荷双侧不确定性,建立三层两阶段混合储能微网调度模型;
步骤3,采用列约束生成算法,通过主子问题迭代的形式对所述混合储能微网调度模型进行求解,获取调度方案。
由上述可知,本发明提出了一种计及可再生能源不确定性的多能微能网优化调度模型。采用分布式鲁棒优化算法对可再生能源与负荷的时空不确定性进行建模,综合1-范数和∞-范数混合约束,提升了系统运行的鲁棒性和经济性。
在步骤1的具体实施中,图1为多源混合储能微网结构图,根据图1所示,可再生能源与负荷预测数据,建立包含电、氢、热和天然气的混合储能微网模型。
目标函数如下:
式中:T为调度周期的总时间段数;为燃气轮机单位运行维护成本;/>为燃气轮机t时刻出力功率;/>为燃气锅炉单位运行维护成本;/>为燃气锅炉t时刻出力功率;/>为热泵单位运行维护成本;/>为热泵t时刻出力功率;/>为电解槽单位运行维护成本;为电解槽t时刻出力功率;Cgrid+和Cgrid-分别为微网购电价格和售电价格;/>和/>分别为微网t时刻购电功率和售电功率;/>为蓄电池储能成本;/>和/>分别为蓄电池t时刻充电功率和放电功率;/>为蓄热槽储热成本;/>和/>分别为蓄热槽t时刻充热功率和放热功率;/>为储氢罐储氢成本;/>和/>分别为储氢罐t时刻充氢功率和放氢功率。
约束条件如下。
1)功率平衡约束
Pt gt/ηgt+Pt gb/ηgb=Pt gas (4)
2)可再生能源出力约束
0≤Pt res≤Pt res0 (6)
3)放能装置出力约束
4)电网交互功率约束
5)加氢站约束
6)蓄电池、蓄热槽约束
在步骤2的具体实施中,采用基于数据驱动的分布鲁棒优化模型求解混合储能微网主体模型的日内源荷双侧不确定性,建立三层两阶段混合储能微网调度模型。
(2.1)日前计划目标函数
(2.2)日前计划约束条件
其中日前计划模型与步骤1所做工作相同。
(2.2)日内计划目标函数
式中:pk为每个离散场景的概率值;Δ为系统内各变量第k个场景下t时刻的微网内出力调整值;分别为相应变量在实时运行下的调整惩罚系数。
(2.2)日内计划约束条件
1)功率平衡
式中:变量上标s表示该变量的实时调度阶段。
2)可再生能源出力约束
3)放能装置出力约束
4)电网交互功率约束
5)加氢站约束
p1=p24=pini (42)
6)蓄电池、蓄热槽约束
本实施例所建微网模型中含有蓄电池、蓄热槽两种储能装置,由于两者模型结构相似,形式相同。为避免重复,仅对电化学储能模型进行详细介绍。
不确定集如下。
采用基于数据驱动的分布鲁棒模型刻画新能源出力与负荷的日前预测不确定性。通过场景聚类确定N个离散场景初始概率p0,以场景初始概率为中心,综合考虑1-范数和∞-范数约束条件,从而求解得到最恶劣场景概率分布概率。综合范数约束下可行域为ψ。
ψ=ψ1∩ψ∞ (49)
式中:ψ1为1-范数约束下的置信空间;p为离散场景概率分布概率;为正实数集;pn为第n个离散场景分布概率;/>为第n个离散场景初始概率;ψ∞为∞-范数约束下的置信空间;θ1和θ∞为概率允许的偏差限值。
p满足式(52)和式(53)的置信度。
Pr{||p-p0||1≤θ1}≥1-2Nexp(-2Kθ1/N) (52)
Pr{||p-p0||∞≤θ∞}≥1-2Nexp(-2Kθ∞) (53)
令1-2N exp(-2Kθ1/N)=α1,1-2N exp(-2Kθ∞)=α∞,则偏差限值为:
上式表明随着历史数据数量N的增加,场景概率分布的估计将更接近真实值,θ1和θ∞会减小直至为0。α1和α∞分别为1-范数约束和∞-范数约束的置信度,置信度设置的越大,模型考虑的不确定性则越大,求解得到的调度策略鲁棒性越强。同时,调度策略也更加保守,导致微网运行的经济性降低。因此,合理的调节两个置信度参数,可以实现模型经济性与可靠性的平衡。
在步骤3的具体实施中,采用列约束生成算法,通过主子问题迭代的形式对所述混合储能微网调度模型进行求解,获取调度方案,图2为混合储能微网分布鲁棒模型迭代求解流程图。
主问题在已知的离散场景最恶劣概率分布下,基于日前计划约束,求解经济最优解,并为微网调度模型提供下界值。第j次主子问题迭代中,主问题模型如式(55)和式(56)所示:
式中:X为日前阶段约束条件;x为第一阶段离散型决策变量;η为待优化的日内阶段目标函数值;yn,j为第j次迭代第n个场景下第二阶段决策变量;为第j次迭代子问题求解出的最恶劣离散场景概率分布;aT和bT为对应目标函数的常数矩阵。
子问题为max-min两层优化问题,基于给定的第一阶段离散型决策变量x,寻找系统实时运行时最恶劣场景概率分布。将计算结果返回主问题供下次迭代使用,为短周期功率平衡模型提供一个上界值。子问题模型如式(57)所示:
式中:ψ为场景概率的置信集合;Yn为各场景下日内阶段变量约束范围集合;yn为第n个场景下第二阶段决策变量。
由于分布鲁棒模型子问题中,第二阶段的变量约束范围在场景间相互独立,所以式(57)可以分解为max和min两个函数分步求解。
通过式(55)、式(56)和(57)之间的迭代更新,求解两阶段电网系统调度模型,当结果达到预定的精度值时,停止迭代。
以图1展示的带有加氢站的多能微网为例,对计及可再生能源不确定性的微网分布鲁棒优化调度使用数学建模的方法进行分析。图3描绘了一个典型日内的电负荷曲线、热负荷曲线、氢负荷曲线以及风机出力曲线。为了便于描述,将电负荷、热负荷和氢负荷的数据单位统一转换为千瓦(kW)。
微网分布鲁棒优化调度结果如图4、图5和图6所示,可以观察到,为了运行成本最小,各个时间段内不同设备的运行状态会根据电价和负荷大小的变化规律来改变。在这个多能微网系统中,电负荷可以由微型燃气轮机、大电网、蓄电池和可再生能源来满足;热负荷可以由微型燃气轮机、燃气锅炉、蓄热槽和热泵来满足;氢气负荷可以由电解水制氢装置和储氢罐来满足。
由图4、图5和图6可知,微网内电网、氢网和热网均能满足日内的功率平衡要求,证明了本发明提出的计及可再生能源不确定性的微网分布鲁棒优化模型的可行性。在00:00-08:00、13:00-16:00和22:00-24:00时,电网购售电价较低,系统向大电网购电来满足电负荷需求以及电解槽的输入电功率,由燃气锅炉和蓄热槽放热承担热负荷需求。同时,蓄电池进行充电,电解槽设备运行为储氢罐储存氢气,热泵设备运行为储热槽储存热量。在09:00-12:00和17:00-21:00时,电网购售电价较高,可再生能源不足造成的电负荷的缺额由蓄电池放电满足,氢负荷和热负荷由储氢罐和燃气锅炉、储热槽满足。为了更大的收益,微网将可再生能源和蓄电池内多余电量售卖;从图4可以看出,在整个调度周期内,微能源网从上级电网购电功率最大,其次是风机出力,电解槽在整个调度周期内消耗电能最多。从图5可以看出,微能源网内的热需求主要是由蓄热槽与燃气轮机来满足的,且二者出力具有明显的互补性,此外,热泵也起到一定的调节作用。从图6可以看出,该区域氢能全部由电解槽提供,且储氢罐发挥了重要的调节作用。
微网24小时内分时电价和混合储能设备的分布鲁棒优化出力结果如图7所示,本发明采用的售电价格为0.8倍的实时购电价。由图7可以看出三种储能方式基本都遵循电价较低时储能,电价较高时放能的特点,这种运行方式大大增加了多能微网系统整体的经济性,也体现出本发明优化算法的有效性。由于蓄电池中储存的电量可以直接销售给大电网获得收益,所以相比于储热槽和储氢罐,蓄电池存储量波动明显较大。而热负荷和氢负荷均比较小,储热槽和储氢罐进行小剂量的存取就可以满足要求,可以节约储能成本。
尽管上面已经示出和描述了本发明的实施方式,可以理解的是,上述实施方式是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施方式进行变化、修改、替换和变型。本发明的保护范围由权利要求书及其等同技术方案限定。
Claims (4)
1.一种计及可再生能源不确定性的多能微能网优化调度方法,其特征在于,包括以下步骤:
S1根据可再生能源与负荷预测数据,建立包含电、氢、热和天然气的混合储能微网模型;
S2采用基于数据驱动的分布鲁棒优化模型求解混合储能微网主体模型的日内源荷双侧不确定性,建立三层两阶段混合储能微网调度模型;
S3根据分布鲁棒模型结构特征,采用列约束生成算法,通过主子问题迭代的形式对所述混合储能微网调度模型进行求解,获取调度方案。
2.根据权利要求1所述的多能微能网优化调度方法,其特征在于,步骤S1具体包括:
S1-1通过日前预测模型,获取混合储能微网中可再生能源、电负荷、氢负荷和热负荷日前预测数据;
S1-2根据可再生能源与负荷预测数据,建立包含电、氢、热和天然气的混合储能微网模型。
3.根据权利要求1所述的多能微能网优化调度方法,其特征在于,步骤S2所述三层两阶段混合储能微网调度模型,包括以下四个部分:第一阶段目标函数、第一阶段约束条件、第二阶段目标函数、第二阶段约束条件;
第一阶段目标函数:将混合储能微网调度模型分为日前与日内两个阶段,其目标函数是最小化各子系统的总运行成本;
第一阶段约束条件包括:电、氢、热功率平衡约束,机组爬坡约束,机组出力及备用约束,机组启停约束,可再生能源出力约束和能量转换装置出力约束;
第二阶段目标函数:依据第一阶段的调度计划,最小化最恶劣运行工况下的运行成本;
第二阶段约束条件包括:电、氢、热三网功率平衡约束,松弛变量约束,机组调节约束和不确定集约束。
4.根据权利要求1所述的多能微能网优化调度方法,其特征在于,步骤S3具体包括:
S3-1初始化:设置迭代次数m=1;
S3-2求解主问题,得到主问题的控制变量;
S3-3根据主问题结果求解子问题,得到其目标函数值S以及最恶劣离散场景的概率分布;
S3-4收敛性判断:如果S=0,则问题收敛,停止迭代;否则,将最恶劣离散场景的概率分布约束添加至主问题,继续迭代,m=m+1,返回步骤S3-2。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311531248 | 2023-11-16 | ||
CN2023115312486 | 2023-11-16 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117578449A true CN117578449A (zh) | 2024-02-20 |
Family
ID=89884142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311604223.4A Pending CN117578449A (zh) | 2023-11-16 | 2023-11-28 | 一种计及可再生能源不确定性的多能微能网优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117578449A (zh) |
-
2023
- 2023-11-28 CN CN202311604223.4A patent/CN117578449A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gu et al. | An online optimal dispatch schedule for CCHP microgrids based on model predictive control | |
Darras et al. | PV output power fluctuations smoothing: The MYRTE platform experience | |
CN111293691A (zh) | 基于模型预测控制的微电网多时间尺度优化调度方法 | |
Hou et al. | Multisource energy storage system optimal dispatch among electricity hydrogen and heat networks from the energy storage operator prospect | |
Li et al. | Optimal sizing for a wind-photovoltaic-hydrogen hybrid system considering levelized cost of storage and source-load interaction | |
CN114362218B (zh) | 基于深度q学习的微电网内多类型储能的调度方法及装置 | |
CN117077974A (zh) | 虚拟电厂资源优化调度方法、装置、设备及存储介质 | |
Hafiz et al. | Coordinated control of PEV and PV-based storage system under generation and load uncertainties | |
Vyas et al. | A Review of Algorithms for Control and Optimization for Energy Management of Hybrid Renewable Energy Systems | |
Belkhier et al. | Novel design and adaptive coordinated energy management of hybrid fuel‐cells/tidal/wind/PV array energy systems with battery storage for microgrids | |
CN116780649B (zh) | 一种多能互补利用的分布式鲁棒优化运行方法 | |
TW201915838A (zh) | 一種應用於智慧電網之粒群最佳化模糊邏輯控制充電法 | |
Tian et al. | Coordinated RES and ESS Planning Framework Considering Financial Incentives Within Centralized Electricity Market | |
Habib et al. | Quasi-dynamic load and battery sizing and scheduling for stand-alone solar system using mixed-integer linear programming | |
Ran et al. | Economic dispatch of off-grid photovoltaic generation system with hybrid energy storage | |
CN115907393A (zh) | 一种含长时储能虚拟电厂的多时间尺度调度方法 | |
CN114188942A (zh) | 一种包含大规模新能源基地的电网调度方法 | |
CN117578449A (zh) | 一种计及可再生能源不确定性的多能微能网优化调度方法 | |
Zhou et al. | Optimal dispatching of distribution network considering system flexibility and user thermal comfort | |
Yoon et al. | A multiagent-based hybrid power control and management of distributed power sources | |
Zhuo | Control strategies for microgrids with renewable energy generation and battery energy storage systems | |
Yu et al. | A Two-stage Model Predictive Control Strategy for Economical Operation of Microgrid | |
CN112884191A (zh) | 一种基于网源协调的热电日前调度模型及计算方法 | |
CN113054685B (zh) | 基于乌鸦算法和模式搜索算法的太阳能微电网调度方法 | |
Li et al. | Research on Scheduling Strategy of Flexible Interconnection Distribution Network Considering Distributed Photovoltaic and Hydrogen Energy Storage. |
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 |