WO2018196456A1 - 一种热电联合优化调度模型的建模方法 - Google Patents

一种热电联合优化调度模型的建模方法 Download PDF

Info

Publication number
WO2018196456A1
WO2018196456A1 PCT/CN2018/074413 CN2018074413W WO2018196456A1 WO 2018196456 A1 WO2018196456 A1 WO 2018196456A1 CN 2018074413 W CN2018074413 W CN 2018074413W WO 2018196456 A1 WO2018196456 A1 WO 2018196456A1
Authority
WO
WIPO (PCT)
Prior art keywords
heat
heating
power
network
kth
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.)
Ceased
Application number
PCT/CN2018/074413
Other languages
English (en)
French (fr)
Inventor
顾伟
吴晨雨
吴志
周苏洋
蒋平
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to US16/107,958 priority Critical patent/US10982861B2/en
Publication of WO2018196456A1 publication Critical patent/WO2018196456A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D19/00—Details
    • F24D19/10—Arrangement or mounting of control or safety devices
    • F24D19/1006—Arrangement or mounting of control or safety devices for water heating systems
    • F24D19/1051—Arrangement or mounting of control or safety devices for water heating systems for domestic hot water
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—ELECTRIC POWER NETWORKS; 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 feeding a single network from two or more generators or sources in parallel; Arrangements for feeding already energised networks from additional generators or sources in parallel
    • H02J3/46—Controlling the sharing of generated power between the generators, sources or networks
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D12/00—Other central heating systems
    • F24D12/02—Other central heating systems having more than one heat source
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D13/00—Electric heating systems
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D3/00—Hot-water central heating systems
    • F24D3/02—Hot-water central heating systems with forced circulation, e.g. by pumps
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D3/00—Hot-water central heating systems
    • F24D3/10—Feed-line arrangements, e.g. providing for heat-accumulator tanks, expansion tanks ; Hydraulic components of a central heating system
    • F24D3/1058—Feed-line arrangements, e.g. providing for heat-accumulator tanks, expansion tanks ; Hydraulic components of a central heating system disposition of pipes and pipe connections
    • F24D3/1066—Distributors for heating liquids
    • F24D3/1075—Built up from modules
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
    • F24H15/00—Control of fluid heaters
    • F24H15/40—Control of fluid heaters characterised by the type of controllers
    • F24H15/414—Control of fluid heaters characterised by the type of controllers using electronic processing, e.g. computer-based
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B17/00—Systems involving the use of models or simulators of said systems
    • G05B17/02—Systems involving the use of models or simulators of said systems electric
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D2200/00—Heat sources or energy sources
    • F24D2200/08—Electric heater
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D2200/00—Heat sources or energy sources
    • F24D2200/15—Wind energy
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24D—DOMESTIC- OR SPACE-HEATING SYSTEMS, e.g. CENTRAL HEATING SYSTEMS; DOMESTIC HOT-WATER SUPPLY SYSTEMS; ELEMENTS OR COMPONENTS THEREFOR
    • F24D2200/00—Heat sources or energy sources
    • F24D2200/32—Heat sources or energy sources involving multiple heat sources in combination or as alternative heat sources
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—ELECTRIC POWER NETWORKS; CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2103/00—Details of circuit arrangements for mains or AC distribution networks
    • H02J2103/30—Simulating, planning, modelling, reliability check or computer assisted design [CAD] of electric power networks
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/70—Hybrid systems, e.g. uninterruptible or back-up power supplies integrating renewable energies
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Definitions

  • the invention relates to the field of joint economic dispatching of a power system and a thermal system, and particularly relates to a modeling method of a combined heat and power scheduling model.
  • Wind energy is the renewable energy source of the world's largest commercial development potential.
  • Large-scale development and utilization of wind power generation has become an effective measure for countries around the world to solve energy problems and environmental problems, improve energy structure, and ensure the sustainable development of the national economy.
  • Jilin province has abundant reserves of renewable energy and has the conditions to build a national clean energy base.
  • the installed capacity of wind power is 54 million kilowatts, which is one of the 9 million kilowatt wind power wind power bases determined by the state.
  • the present invention provides a modeling method for a combined heat and power scheduling model.
  • a modeling method of a combined heat and power scheduling model is a mixed integer programming model for a district heating system including a heat source, a heat grid, and a heat load
  • the heat network includes a heat transfer network and a heat distribution network
  • the modeling method includes the following steps:
  • Step 1 divide a plurality of heating zones according to the distance between the heat load and the heat source, and divide the day into a plurality of time periods;
  • Step 2 omitting the heat transmission loss of the heat distribution network, and establishing a heat transfer network model considering the heat network transmission delay according to the heat transfer network;
  • Step 3 Establish a terminal thermal user model capable of reflecting the indoor temperature according to the heat load
  • Step 4 Establish a joint optimization scheduling model including conventional units, wind turbines, cogeneration units, electric boilers, and heat storage tanks according to the heat source.
  • the heat load node is no longer regarded as a simple load node, but a thermal load demand node calculated according to the ambient temperature, making full use of the thermal inertia of the building to maintain the indoor temperature, and participating in the peak adjustment of heating and power supply. .
  • the thermal network model and grid power flow constraints constructed by this method are linear in nature.
  • the whole optimization model is mixed integer programming, and most existing optimization software can quickly solve such problems.
  • the invention provides an important guarantee for the safe and stable operation of the system, reduces the burning of fossil fuels, improves the system's ability to absorb wind power, and has certain social and economic benefits.
  • Figure 1 is a heat network structure diagram
  • Figure 2(a) is an average room temperature curve using a conventional modeling method
  • Figure 2 (b) is an average indoor temperature change curve of a modeling method using a thermoelectric joint optimization scheduling model
  • Figure 3 (a) is a comparison chart of the total heat output of the heat source
  • Figure 3 (b) is a comparative diagram of wind power consumption
  • Figure 3 (c) is a comparison chart of the output of the cogeneration unit 2;
  • Figure 3 (d) is a comparison diagram of the power generation of the conventional unit 1 and the conventional unit 2;
  • Figure 4 (a) shows three intra-day ambient temperature curves
  • Figure 4 (b) is a wind power prediction curve when the temperature is respectively Figure 4 (a);
  • Figure 5 (a) shows the effect of initial heat storage of the heat storage tank on wind power consumption
  • Figure 5(b) shows the effect of charging/discharging power on wind power consumption.
  • a modeling method for a combined heat and power scheduling model characterized in that the combined heat and power scheduling model is a mixed integer programming model for a district heating system, the district heating system including a heat source, a heat network, and a heat Load, the heat network comprises a heat transfer network (primary heat network) and a heat distribution network (secondary heat network), and the primary heat network is as shown in Fig. 1.
  • the circle in the figure represents a heat exchange station, and the rectangle represents a secondary heat. network.
  • the modeling method includes the following steps:
  • Step 1 Divide a plurality of heating zones according to the distance between the heat load and the heat source, and divide the day into a plurality of time periods.
  • Step 2 Omit the heat transmission loss of the heat distribution network, and establish a heat transfer network model considering the heat network transmission delay according to the heat transfer network.
  • the heat loss in each heating zone is calculated separately, and the sink node model of the heat transfer network is established to describe the steady heat transfer model of the entire heat transfer network.
  • L is the unit pipe length
  • v is the water flow velocity
  • ⁇ t is the scheduling time interval
  • the thermal resistance R e of the soil can be calculated by the formula (2).
  • the temperature loss of the hot water in the pipeline within a certain length can be calculated according to formulas (3) and (4):
  • R e is the thermal resistance of the soil
  • h represents the distance from the center of the heating pipe to the soil surface
  • ⁇ e is the soil thermal conductivity coefficient
  • ⁇ r is the heat transfer of the soil surface
  • d in and d ex represent the inner and outer diameters of the pipe, respectively
  • ⁇ represents the additional factor of heat loss caused by the attachment
  • ⁇ b represents the thermal conductivity of the insulating material on the surface of the pipe
  • c water represents the specific heat capacity of the water.
  • k.end represents the last heating zone, Indicates the flow of hot water through the kth heat exchange station
  • H t,k is the heat exchange power of the heat exchange station
  • ⁇ R,k is the lower limit of the return water temperature of the kth heat exchange station
  • It is the upper limit of the return water temperature of the kth heat exchange station.
  • Step 3 Establish a terminal thermal user model that reflects the indoor temperature based on the thermal load.
  • Thermal inertia can be stored in indoor air, doors and windows and furniture.
  • the thermal inertia of the building can reduce the heating peak and reduce the rate of change of the indoor temperature. With this thermal inertia, the peak adjustment of heating and power supply can be realized, thereby promoting the consumption of wind power.
  • Heat loss for the building envelope With The house height correction factor and the house orientation correction factor in the kth heat load zone, A k represents the building envelope area of the kth heat load zone, and F e,k represents the house of the kth heat load zone.
  • Heat transfer coefficient of the envelope structure Indicates the average indoor temperature at the kth heat load region at time t, Indicates the outdoor temperature at the kth heat load region at time t, with Respectively represent the lowest average indoor temperature and the highest average indoor temperature, ⁇ ch represents the average indoor temperature change rate per unit scheduling time, ⁇ represents the set of scheduling moments, and K represents the heat load heating zone set;
  • cold air intrusion heat loss
  • Ven represents the amount of cold air intrusion per hour
  • the air temperature in the building is consistent and can be used Description; the thermal mass temperature distribution of the building is balanced, which means that the thermal diffusion process on the surface of the thermal mass is much faster than the convective heat transfer; all the heat obtained in the building unit time can be Unified representation;
  • H t,k is the average indoor temperature
  • C M is the specific heat capacity of the thermal mass
  • M k is the mass of the thermal mass in the kth heat load region
  • the product of C M and M k can be obtained through engineering experiments.
  • Step 4 Establish a joint optimization scheduling model including conventional units, wind turbines, cogeneration units, electric boilers, and heat storage tanks according to the heat source.
  • the ultimate goal of building a heat network model and a regional heat user model is to eliminate wind power and reduce the burning of fossil fuels. Therefore, it is necessary to construct a joint optimization scheduling model including various power supply and heating equipment to verify the effectiveness and practicability of the built heat network model and thermal user model.
  • I CHP represents the numbered set of cogeneration units
  • BH u,t represents the heating power of the electric boiler u at time t
  • BP u,t represents the electric power consumed by the electric boiler
  • ⁇ represents the thermal efficiency of the electric boiler.
  • U denotes the number set of the electric boiler
  • ⁇ denotes the set of scheduling times
  • S w,t represents the heat storage capacity of the heat storage tank w at time t
  • CS w,t represents the heating power of the heat storage tank w at time t
  • DCS w,t represents the heat release power of the heat storage tank w at time t
  • f w,t is used to indicate the state of the heat storage tank, 0 means that the heat storage tank is emitting heat, and 1 means that the heat storage tank is storing heat.
  • I CG , I WP and I Load represent the conventional unit number, the wind farm number and the number of the electric load node, respectively, and LD n,t represents the load power at time t connected to the n-th bus;
  • Rup i and rdown i respectively represent the maximum upward climbing rate and downward climbing rate of the unit, and ⁇ t is the scheduling time interval;
  • SR up and SR down represent the maximum upward rotation reserve constraint and downward rotation reserve constraint required by the system, respectively;
  • SF l,n represents the transfer factor from bus n to line 1
  • F l represents the maximum transmission capacity of line 1
  • I Line represents the set of line numbers
  • the parameters used in the modeling process can be obtained by the prior art.
  • thermoelectric joint optimization scheduling model is constructed by multiple sub-models, and its essence is a mixed integer programming model.
  • the heating system of the embodiment adopts the district heating system of a city in northeastern China. In order to match the capacity of the power supply and the heating unit, the power system partially extracts some of the province's units and some of the actual operating grid data.
  • Table 1 shows the equipment information of all the scheduled dispatches, including the equipment information of the conventional unit 1, the conventional unit 2, the cogeneration unit 1, and the cogeneration unit 2.
  • Table 2 shows all the basic parameters used in this study.
  • the program was written by the Yalmip language on the Matlab R2014b platform, and the Cplex solver was used to solve the mixed integer programming problem built by the program.
  • the system power flow constraint, the pressure loss of the heating pipe network and the heat storage tank are not considered. Since the hot water transmission time is much longer than the power transmission time, the farther the heat load area needs to consider the hot water transmission delay.
  • the heat network delay is not taken into account, and the output power of the heat source is always in accordance with the heat load, which causes the time period during which the heat load peaks to coincide with the electrical load, in order to ensure the user's demand. Putting the device in an overloaded state can easily lead to system failure.
  • the thermal load balancing constraints are represented by equations (39)-(40).
  • the heat load region is divided into four sections, and Figure 2 shows the variation of the average indoor temperature after using the conventional model and the model proposed by the present invention, respectively, and the two horizontal dashed lines in the figure respectively indicate Upper temperature limit and lower temperature limit. It can be seen from the figure that the farther away from the heat source, the greater the fluctuation of the average indoor temperature. Even in the farthest area, the maximum indoor room temperature exceeds the maximum allowable temperature. This can cause some hot users to open the window due to excessive room temperature, which will result in a waste of some resources. In actual situations, the indoor temperature of hot users far from the heat source will be relatively low, so heating companies are often complained. Fortunately, due to the thermal inertia of the building, the indoor temperature of the hot user fluctuates within an acceptable range most of the time.
  • Figure 3 shows the optimization results using the conventional optimized scheduling model and the optimization model proposed by the present invention.
  • the oblique line filling portion in Fig. 3(a) indicates the heat source heat output adjustment
  • the oblique line filling portion in Fig. 3(b) indicates For wind power with multiple consumption
  • the oblique line filling portion in Fig. 3(c) indicates the electric power output adjustment of the heating unit
  • the oblique line filling portion in Fig. 3(d) indicates the power system rotation reserve capacity.
  • the electric boiler always operates at maximum power.
  • the optimization results show that the power generation cost of the traditional optimized scheduling model is $149 120, and the optimal scheduling result proposed by the present invention is $142,470.
  • the optimization model proposed by the invention can consume 270 MWh of wind power in one day, which is due to the wrong peak adjustment, which makes the cogeneration unit more flexible.
  • the heat source no longer urgently follows the fluctuation of the heat load, but fully utilizes the range of variation of the indoor temperature. This change can reduce the heat output of the cogeneration unit and reduce the electric output of the cogeneration unit, thus freeing up more space to absorb wind power.
  • a large-scale heat storage tank to be completed at the end of 2017 is considered in the optimized scheduling model proposed by the present invention.
  • the analysis of the example shows the influence of the relevant parameters of the heat storage tank on wind power consumption.
  • Figure 4 shows three ambient temperature changes and wind power prediction curves for different ambient temperatures.
  • Figure 5 shows the effect of the initial heat storage of the heat storage tank and the charge/discharge heat power on the wind power consumption.
  • the initial heat storage of the heat storage tank can increase the wind power consumption rate.
  • the optimized model has no feasible solution when the initial capacity is less than 300 MWh and the ambient temperature follows T3 because the heat source cannot provide the most basic heat supply to the thermal user.
  • the initial capacity is increased above 1100 MWh, the amount of wind power consumption is no longer increased. This is because the heat reserve capacity is sufficient to cope with the fluctuation of heat demand within one day. The larger capacity will only increase the initial investment cost, and will no longer promote the wind power consumption.
  • a larger charge/discharge power is beneficial to reduce the amount of wind.
  • the charging power is greater than 100 MW and the heat release power is greater than 450 MW
  • further improvement in charging/discharging power does not support the consumption of wind power. This is because even though the heating system provides sufficient space for the consumption of wind power, since the system must have a certain rotating reserve capacity, the conventional unit cannot further reduce its electric output, so the wind power cannot be further absorbed.
  • This embodiment shows that although the coupling relationship of thermoelectric joint optimization scheduling is still not completely decoupled, the heat storage tank can greatly relax the coupling relationship between heating and power supply.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Thermal Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Power Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Heat-Pump Type And Storage Water Heaters (AREA)

Abstract

本发明公开了一种热电联合优化调度模型的建模方法，所述热电联合优化调度模型是一个混合整数规划模型，用于区域供热系统，所述区域供热系统包括热源、热网和热负荷，所述热网包括输热网和配热网，根据热负荷与热源的距离划分出多个供热区，并将一天划分为多个时段；省略配热网的热传输损耗，根据输热网建立考虑热网传输延时的输热网模型；根据热负荷建立能够反映室内温度的终端热用户模型；根据热源建立包含常规机组、风电机组、热电联产机组、电锅炉和储热罐在内的联合优化调度模型。本发明实现超短期热电联合紧急调度，为系统的安全稳定运行提供了重要保障，减少了化石燃料的燃烧，提高系统对风电的消纳能力，具有一定的社会和经济效益。

Description

一种热电联合优化调度模型的建模方法 技术领域
本发明涉及电力系统和热力系统的联合经济调度领域，具体涉及一种热电联合优化调度模型的建模方法。
背景技术
风能是当前世界上最具大规模商业化开发潜力的可再生能源。大规模开发利用风能发电，已成为世界各国解决能源问题和环境问题，改善能源结构，保证国民经济可持续发展的有效措施。吉林省可再生能源储量丰富，具备建设国家级清洁能源基地的条件。其中风电可装机容量5400万千瓦，是国家确定的9个千万千瓦风电风电基地之一。
中国“三北”地区风能资源丰富，但能源结构不合理，例如吉林省的热电矛盾异常突出。全省热电联产机组装机容量达到1314.84万千瓦，占燃煤火电装机的74％，比全省统调最小负荷多800万千瓦，比统调最大负荷多400万千瓦。进入供暖期后，电网调峰难度极大，即使热电联产机组全部按照最小方式运行，在夜晚低负荷期，风电仍被迫大量参与调峰。在春节等极端低负荷期，风电机组和纯凝机组必须全停，仍有300多万千瓦电力无法消纳，必须采取紧急措施并得到东北电网联络线支持才能保证电网安全。受此影响，吉林省弃风问题非常严重，近几年弃风率连续位列全国前列，供热中期风电大面积弃风，夜间风电全停成为常态，累计弃风率达到31.1％。
发明内容
发明目的：为了解决现有技术存在的问题，实现超短期热电联合紧急调度，并促进风电的消纳，本发明提供一种热电联合优化调度模型的建模方法。
技术方案：一种热电联合优化调度模型的建模方法，所述热电联合优化调度模型是一个混合整数规划模型，用于区域供热系统，所述区域供热系统包括热源、热网和热负荷，所述热网包括输热网和配热网，建模方法包括以下步骤：
步骤一：根据热负荷与热源的距离划分出多个供热区，并将一天划分为多个时段；
步骤二：省略配热网的热传输损耗，根据输热网建立考虑热网传输延时的输热网模型；
步骤三：根据热负荷建立能够反映室内温度的终端热用户模型；
步骤四：根据热源建立包含常规机组、风电机组、热电联产机组、电锅炉和储热罐在内的联合优化调度模型。
有益效果：与现有技术相比，本发明具有以下优点：
(1)将供热管网中热水的传输时间考虑在优化调度中，使调度模型更加接近实际情况，体现供热管网的延时特性，利用此特性可以实现供热与供电的错峰调节。
(2)热负荷节点不再被视为简单的负荷节点，而是根据环境温度计算得到的热负荷需求节点，充分利用建筑物的热惯性保持室内温度，同时参与供热与供电的错峰调节。
(3)本方法构建的热网模型和电网潮流约束本质上都是线性的，整个优化模型是混合整数规划，大部分现有的优化软件可以快速的解决此类问题。本发明为系统的安全稳定运行提供了重要保障，减少了化石燃料的燃烧，提高系统对风电的消纳能力，具有一定的社会和经济效益。
附图说明
图1为热网结构图；
图2(a)为使用传统建模方法的平均室内温度变化曲线；
图2(b)为使用热电联合优化调度模型的建模方法的平均室内温度变化曲线；
图3(a)为热源全部热出力对比图；
图3(b)为风电消纳对比图；
图3(c)为热电联产机组2的出力对比图出力对比图；
图3(d)为常规机组1与常规机组2叠加的发电功率的对比图；
图4(a)为三种日内环境温度曲线；
图4(b)为温度分别是图4(a)时的风电预测曲线；
图5(a)为储热罐初始储热量对风电消纳的影响；
图5(b)为充/放热功率对风电消纳的影响。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
一种热电联合优化调度模型的建模方法，其特征在于，所述热电联合优化调度模型是一个混合整数规划模型，用于区域供热系统，所述区域供热系统包括热源、热网和热负荷，所述热网包括输热网(一次热网)和配热网(二次热网)，一次热网如附图1所示，图中的圆表示热交换站，矩形表示二次热网。建模方法包括以下步骤：
步骤一：根据热负荷与热源的距离划分出多个供热区，并将一天划分为多个时段。
步骤二：省略配热网的热传输损耗，根据输热网建立考虑热网传输延时的输热网模型。
将输热网中的热水传输速度考虑在内，分别计算各供热区各时段内的热量损耗，建立输热网的汇流节点模型，从而描述整个输热网的稳态热力传输模型。
首先，根据水流速度和调度时间间隔计算单位管道长度，见式(1)：
L＝v·Δt  (1)
式中，L为单位管道长度，v为水流速度，Δt为调度时间间隔；
(1)根据热传递的基本原理，土壤的热阻R e可以由式(2)计算得到。得到土壤的热阻值之后，便可以根据式(3)和式(4)计算一定长度内的管道内热水的温度损耗：
Figure PCTCN2018074413-appb-000001
Figure PCTCN2018074413-appb-000002
Figure PCTCN2018074413-appb-000003
式中，R e为土壤的热阻，
Figure PCTCN2018074413-appb-000004
表示在第k个供热区第t个时段内的供水网络的温度损耗，
Figure PCTCN2018074413-appb-000005
表示在第k个供热区第t个时段内的回水网络的温度损耗，h代表供热管道的中心到土壤表面的距离，λ e为土壤热导系数，α r为土壤表面的热量传输系数，d in和d ex分别表示管道的内径和外径，β代表由附件造成的热损耗的附加因子，λ b代表管道表面绝热材料的热导，c water代表水的比热容，
Figure PCTCN2018074413-appb-000006
表示t时刻的土壤表面温度，
Figure PCTCN2018074413-appb-000007
和
Figure PCTCN2018074413-appb-000008
分别代表在第k个供热区中t时刻的供水管道与回水管道中的热水质流量，
Figure PCTCN2018074413-appb-000009
和
Figure PCTCN2018074413-appb-000010
分别代表在K区域t时刻的供水管道与回水管网的水温，Γ表示调度时刻集合，K代表热负荷供热区集合；
(2)考虑延时的节点质流量连续性约束：
Figure PCTCN2018074413-appb-000011
Figure PCTCN2018074413-appb-000012
式中，k.end代表最后一个供热区， 表示流过第k个换热站的热水质流量；
(3)汇流节点处的水温：
Figure PCTCN2018074413-appb-000014
Figure PCTCN2018074413-appb-000015
和
Figure PCTCN2018074413-appb-000016
分别表示在t时刻在第k个换热站的供水温度和回水温度；
(4)相邻供热区管道内热水温度损耗：
Figure PCTCN2018074413-appb-000017
(5)管道流量限制：
Figure PCTCN2018074413-appb-000018
Figure PCTCN2018074413-appb-000019
Figure PCTCN2018074413-appb-000020
式中，
Figure PCTCN2018074413-appb-000021
表示流经第k个换热站的最大质流量，
Figure PCTCN2018074413-appb-000022
和
Figure PCTCN2018074413-appb-000023
分别表示第k个供水管道和回水管道的最大质流量；
(6)压力损失：
Figure PCTCN2018074413-appb-000024
Figure PCTCN2018074413-appb-000025
Figure PCTCN2018074413-appb-000026
和
Figure PCTCN2018074413-appb-000027
分别表示在第k个区域t时刻供水管道和回水管道压力，μ表示管道压力系数，f k表示在第k个供热区的摩擦系数，
Figure PCTCN2018074413-appb-000028
表示第k个供热区域的管道内径，
Figure PCTCN2018074413-appb-000029
是第k个供热区域在时刻t的热水密度；
(7)换热站热交换功率：
Figure PCTCN2018074413-appb-000030
Figure PCTCN2018074413-appb-000031
式中，H t,k为换热站热交换功率， τ R,k为第k个换热站的回水温度下限，
Figure PCTCN2018074413-appb-000032
为第k个换热站的回水温度上限。
步骤三：根据热负荷建立能够反映室内温度的终端热用户模型。
省略配热网的热传输损耗，由于忽略了配热网的热传输损耗，所以换热站从输热网吸收的热量，就是传输给用户侧的热量。然后根据热力工程相关设计公式，分别计算房屋的围护结构热损耗、冷风侵入热损耗和冷风渗透热损耗，最终得到一片供暖区域内的平均室内温度，从而衡量用户的热舒适度。在该模型中，平均室内温度是衡量热舒适度的唯一指标。
居民住宅也可以看做是拥有巨大热惯性的储热装置，热量可以储存在室内空气、门窗和家具中。建筑物的热惯性可以减小供热峰值并降低室内温度的变化速率，利用这种热惯性可以实现供暖与供电的错峰调节，从而促进风电的消纳。
(1)围护机构热损耗
由于真正的热传递过程十分复杂，包括对流、传导和辐射，为了简化热传递过程，在这里只采用稳态环境下的热损耗计算公式求解建筑物的围护结构热损耗：
Figure PCTCN2018074413-appb-000033
Figure PCTCN2018074413-appb-000034
Figure PCTCN2018074413-appb-000035
式中，
Figure PCTCN2018074413-appb-000036
为建筑物的围护结构热损耗，
Figure PCTCN2018074413-appb-000037
和
Figure PCTCN2018074413-appb-000038
分别是在第k个热负荷区的房屋高度修正系数和房屋朝向修正系数，A k代表第k个热负荷区的建筑物围护结构面积，F e,k表示第k个热负荷区域的房屋围护结构的热传递系数，
Figure PCTCN2018074413-appb-000039
表示t时刻在第k个热负荷区域的平均室内温度，
Figure PCTCN2018074413-appb-000040
表示表示t时刻在第k个热负荷区域的室外温度，
Figure PCTCN2018074413-appb-000041
和
Figure PCTCN2018074413-appb-000042
分别表示最低平均室内温度和最高平均室内温度，θ ch表示单位调度时间内的平均室内温度最大变化率，Γ表示调度时刻集合，K代表热负荷供热区集合；
(2)冷风渗透热损耗
在风力和热压造成的室内外压差作用下，室外的冷风空气通过门、窗等缝隙渗入室内，被加热后逸出，把这部分冷空气从室外温度加热到室内温度所消耗的热量，成为冷风渗透热损耗：
Figure PCTCN2018074413-appb-000043
式中，
Figure PCTCN2018074413-appb-000044
为冷风渗透热损耗，0.278表示单位转化因子，Num表示每小时 的换气次数，V k表示第k个热负荷区域的总室内体积，c p表示冷空气的定压比热容，
Figure PCTCN2018074413-appb-000045
表示t时刻的室外空气密度；
(3)冷风侵入热损耗
在冬季受风压和热压的作用下，冷空气又开启的外门入侵室内，把这部分冷空气加热到室内温度所消耗的热量称为冷风侵入热损耗：
Figure PCTCN2018074413-appb-000046
式中，
Figure PCTCN2018074413-appb-000047
为冷风侵入热损耗，Ven表示每小时的冷风侵入量；
(4)可表征建筑热惯性的平均室内温度的计算
为了简化计算，做出如下假设：建筑物内的空气温度是一致的，且可以用
Figure PCTCN2018074413-appb-000048
描述；建筑物的热质温度分布是均衡的，这就意味着在热质的表面热扩散过程速度远大于对流换热；建筑物单位时间内得到的全部热量都可以被
Figure PCTCN2018074413-appb-000049
统一表示；
基于以上假设，平均室内温度的计算可由式(21)表示：
Figure PCTCN2018074413-appb-000050
H t,k为平均室内温度，C M表示热质的比热容，M k表示在第k个热负荷区域内的热质的质量，C M与M k的乘积可以通过工程实验获得。
步骤四：根据热源建立包含常规机组、风电机组、热电联产机组、电锅炉和储热罐在内的联合优化调度模型。建立热网模型和区域热用户模型的最终目的是消纳风电并减小化石燃料的燃烧。所以最终要构建一个包含各种供电供热设备的联合优化调度模型以检验所建热网模型和热用户模型的有效性和实用性。
(1)热电联产机组模型
Figure PCTCN2018074413-appb-000051
Figure PCTCN2018074413-appb-000052
p i,t为热电联产机组发电功率，
Figure PCTCN2018074413-appb-000053
为热电联产机组发电功率上限， p i热电联产机组发电功率下限，
Figure PCTCN2018074413-appb-000054
为热电联产机组的热电耦合特性因子，h i,t表示热电产机组的供热功率，
Figure PCTCN2018074413-appb-000055
表示最大供热功率，I CHP表示热电联产机组的编号集合；
(2)电锅炉模型
Figure PCTCN2018074413-appb-000056
Figure PCTCN2018074413-appb-000057
BH u,t表示电锅炉u在t时刻的供热功率，BP u,t表示电锅炉的消耗的电功率，η表示电锅炉的热效率，
Figure PCTCN2018074413-appb-000058
表示带锅炉的最大供热功率，U表示电锅炉的编号集合，Γ表示调度时刻集合；
(3)根据储热罐在一天的充放热总量是相同的建立储热罐模型
Figure PCTCN2018074413-appb-000059
Figure PCTCN2018074413-appb-000060
Figure PCTCN2018074413-appb-000061
Figure PCTCN2018074413-appb-000062
Figure PCTCN2018074413-appb-000063
Figure PCTCN2018074413-appb-000064
S w,t表示储热罐w在t时刻的储热量，CS w,t表示储热罐w在t时刻的充热功率，DCS w,t表示储热罐w在t时刻的放热功率，f w,t用来表示储热罐的状态，0表示储热罐正在放热，1表示储热罐正在蓄热，
Figure PCTCN2018074413-appb-000065
表示储热罐w的最大储热能力，
Figure PCTCN2018074413-appb-000066
表示储热罐的最大蓄热功率，
Figure PCTCN2018074413-appb-000067
表示储热罐w的最大放热功率，W表示储热罐编号的集合；式(31)表示储热罐在一天的充放热总量是相同的。
(4)电功率平衡
Figure PCTCN2018074413-appb-000068
I CG、I WP和I Load分别代表常规机组编号、风电场编号以及电负荷节点的编号，LD n,t表示接在n号母线上的在t时刻的负荷功率；
(5)热功率约束
Figure PCTCN2018074413-appb-000069
Figure PCTCN2018074413-appb-000070
Figure PCTCN2018074413-appb-000071
为在k个供热区域内在t+k个时刻的总建筑耗热功率；
(6)机组爬坡速率约束
Figure PCTCN2018074413-appb-000072
rup i和rdown i分别表示机组的最大向上爬坡速率和向下爬坡速率，Δt为调度时间间隔；
(7)系统旋转储备约束
Figure PCTCN2018074413-appb-000073
Figure PCTCN2018074413-appb-000074
SR up和SR down分别表示系统所要求的最大向上旋转储备约束和向下旋转储备约束；
(8)系统潮流约束
Figure PCTCN2018074413-appb-000075
式中，SF l,n表示从母线n到线路l的转移因子，F l表示线路l的最大传输能力，I Line表示线路编号的集合，
Figure PCTCN2018074413-appb-000076
为常规机组的索引集合，
Figure PCTCN2018074413-appb-000077
为热电联产机组的索引集合，
Figure PCTCN2018074413-appb-000078
为风电机组的索引集合。
建模过程中用到的参数均可以通过现有技术获得。
综上所述，由多个子模型共同构建出了一个热电联合优化调度模型，其本质是一个混合整数规划模型。
实施例的供热系统部分采用我国东北地区某市的区域供热系统，为了使供电和供热机组容量相匹配，电力系统部分提取该省的部分机组和部分实际运行的电网资料。表格一展示了全部参加调度的设备信息，包括常规机组1、常规机组2、热电联产机组1、热电联产机组2的设备信息。表格二展示了该算例所用到的全部基础参数。程序由Yalmip语言在Matlab R2014b平台上编写完成，并使用Cplex求解器求解该程序构建的混合整数规划问题。
表1 参与调度的设备类型及其容量
Figure PCTCN2018074413-appb-000079
表2 参与调度的设备类型及其容量
Figure PCTCN2018074413-appb-000080
实施例一
实施例一中，暂不考虑系统潮流约束，供热管网压力损失以及储热罐。由于热水的传输时间要远大于电力的传输时间，所以越远的热负荷区域越需要考虑热水的传输延时。在传统的优化调度中，热网延时没有考虑在内，且热源的输出功率时刻很随着热负荷，这会导致热负荷达到峰值的时间段与电负荷相重合，为了保证用户的需求不得已使设备处于过载运行的状态，从而容易导致系统发生故障。在传统的优化调度中，热负荷平衡约束由式(39)-(40)表示。
Figure PCTCN2018074413-appb-000081
Figure PCTCN2018074413-appb-000082
在这个实施例中，热负荷区域被分成四个部分，附图2分别展示了使用传统模型和本发明提出的模型后，平均室内温度的变化情况，图中两条水平的虚线分别表示的是温度上限与温度下限。由图可知，离热源越远的热负荷区域，平均室内温度的波动幅度越大。甚至在最远的区域，平均室内温度的最大值超过了最高允许温度。这会导致部分热用户因室内温度过高而打开窗户通风，这会导致一部分的资源浪费。实际情况中，离热源较远的热用户的室内温度会比较低，因此供热公司也经常被投诉。幸运的是，由于建筑物的热惯性，热用户的室内温度在大部分时间波动在可接受的范围内。
附图3展示了使用传统优化调度模型和本发明提出的优化模型的优化结果， 图3(a)中的斜线填充部分表示热源热出力调整，图3(b)中的斜线填充部分表示多消纳的风电，图3(c)中的斜线填充部分表示供热机组电出力调整，图3(d)中的斜线填充部分表示电力系统旋转储备容量。在这两种方法中，电锅炉一直都以最大功率工作。优化结果显示，传统的优化调度模型的发电成本是$149 120，本发明提出的优化调度结果是$142 470。本发明提出的优化模型一天内可多消纳270MWh的风电，这是由于错峰调节使热电联产机组更灵活的运行。在本发明提出的模型中，热源不再紧急跟随热负荷的波动，而是充分利用是室内温度的变化范围。这个变化可以降低热电联产机组的热出力并降低热电联产机组的电出力，从而腾出更多的空间消纳风电。
实施例二
实施例二将一座即将在2017年底完成的大型储热罐考虑在了本发明提出的优化调度模型中。通过实施例分析展示了储热罐的相关参数对风电消纳的影响。附图4展示了三种平均温度不同环境室内温度变化曲线和风电预测曲线。
附图5展示了储热罐初始储热量以及充/放热功率对风电消纳的影响。从附图5(a)可知，储热罐的初始储热量可以提高风电消纳率。当初始容量小于300MWh且环境温度跟随T3时优化模型无可行解，这是因为热源无法向热用户提供最基本的供热量。此外，当初始容量增加到1100MWh以上时，风电的消纳量不再进一步增加。这是因为热储备容量已经足以应付一天内的热需求波动，更大的容量只会造成初始投资成本的增加，对风电消纳不再会有促进作用。
一般来讲，较大的充/放热功率有利于减小弃风量。然而，在这个实施例中当充热功率大于100MW且放热功率大于450MW时，进一步提高充/放热功率对风电的消纳起不到支持作用。这是因为即使供热系统方面为风电的消纳提供了充足的空间，但是由于系统必须要有一定的旋转储备容量，常规机组无法进一步压低其电出力，所以无法进一步消纳风电。该实施例显示出了虽然进行热电联合优化调度这种耦合关系依然不可能被完全解耦，但是储热罐可以极大的松弛供热与供电的耦合关系。

Claims (6)

  1. 一种热电联合优化调度模型的建模方法，其特征在于，所述热电联合优化调度模型是一个混合整数规划模型，用于区域供热系统，所述区域供热系统包括热源、热网和热负荷，所述热网包括输热网和配热网，建模方法包括以下步骤：
    步骤一：根据热负荷与热源的距离划分出多个供热区，并将一天划分为多个时段；
    步骤二：省略配热网的热传输损耗，根据输热网建立考虑热网传输延时的输热网模型；
    步骤三：根据热负荷建立能够反映室内温度的终端热用户模型；
    步骤四：根据热源建立包含常规机组、风电机组、热电联产机组、电锅炉和储热罐在内的联合优化调度模型。
  2. 根据权利要求1所述的热电联合优化调度模型的建模方法，其特征在于，所述步骤一中建立输热网模型的方法为：分别计算各供热区各时段内的热量损耗，建立输热网的汇流节点模型，描述整个输热网的稳态热力传输模型。
  3. 根据权利要求2所述的热电联合优化调度模型的建模方法，其特征在于，所述步骤一中建立输热网模型的方法为：
    根据水流速度和调度时间间隔计算单位管道长度：
    L＝v·Δt
    式中，L为单位管道长度，v为水流速度，Δt为调度时间间隔；
    (1)根据热传递的基本原理，计算土壤的热阻以及单位管道长度内的热水的温度损耗：
    Figure PCTCN2018074413-appb-100001
    Figure PCTCN2018074413-appb-100002
    Figure PCTCN2018074413-appb-100003
    式中，R e为土壤的热阻，
    Figure PCTCN2018074413-appb-100004
    表示在第k个供热区第t个时段内的供水网络的温度损耗，
    Figure PCTCN2018074413-appb-100005
    表示在第k个供热区第t个时段内的回水网络的温度损耗，h代表供热管道的中心到土壤表面的距离，λ e为土壤热导系数，α r为土壤表面的热量传输系数，d in和d ex分别表示管道的内径和外径，β代表由附件造成的热损耗的附加因子，λ b代表管道表面绝热材料的热导，c water代表水的比热容，
    Figure PCTCN2018074413-appb-100006
    表 示t时刻的土壤表面温度，
    Figure PCTCN2018074413-appb-100007
    和
    Figure PCTCN2018074413-appb-100008
    分别代表在第k个供热区中t时刻的供水管道与回水管道中的热水质流量，
    Figure PCTCN2018074413-appb-100009
    和
    Figure PCTCN2018074413-appb-100010
    分别代表在K区域t时刻的供水管道与回水管网的水温，Γ表示调度时刻集合，K代表热负荷供热区集合；
    (2)考虑延时的节点质流量连续性约束：
    Figure PCTCN2018074413-appb-100011
    Figure PCTCN2018074413-appb-100012
    式中，k.end代表最后一个供热区，
    Figure PCTCN2018074413-appb-100013
    表示流过第k个换热站的热水质流量；
    (3)汇流节点处的水温：
    Figure PCTCN2018074413-appb-100014
    Figure PCTCN2018074413-appb-100015
    和
    Figure PCTCN2018074413-appb-100016
    分别表示在t时刻在第k个换热站的供水温度和回水温度；
    (4)相邻供热区管内热水温度损耗：
    Figure PCTCN2018074413-appb-100017
    (5)管道流量限制：
    Figure PCTCN2018074413-appb-100018
    Figure PCTCN2018074413-appb-100019
    Figure PCTCN2018074413-appb-100020
    式中，
    Figure PCTCN2018074413-appb-100021
    表示流经第k个换热站的最大质流量，
    Figure PCTCN2018074413-appb-100022
    和
    Figure PCTCN2018074413-appb-100023
    分别表示第k个供水管道和回水管道的最大质流量；
    (6)压力损失：
    Figure PCTCN2018074413-appb-100024
    Figure PCTCN2018074413-appb-100025
    Figure PCTCN2018074413-appb-100026
    和
    Figure PCTCN2018074413-appb-100027
    分别表示在第k个区域t时刻供水管道和回水管道压力，μ表示管道压力系数，f k表示在第k个供热区的摩擦系数，
    Figure PCTCN2018074413-appb-100028
    表示第k个供热区域的管道内径，
    Figure PCTCN2018074413-appb-100029
    是第k个供热区域在时刻t的热水密度；
    (7)换热站热交换功率：
    Figure PCTCN2018074413-appb-100030
    Figure PCTCN2018074413-appb-100031
    式中，H t,k为换热站热交换功率， τ R,k为第k个换热站的回水温度下限，
    Figure PCTCN2018074413-appb-100032
    为第k个换热站的回水温度上限。
  4. 根据权利要求1至3任一所述的热电联合优化调度模型的建模方法，其特征在于，所述步骤三中建立终端热用户模型的方法为：省略配热网的热传输损耗，换热站从所述输热网吸收的热量，就是传输给用户侧的热量，根据热力工程分别计算供暖区中的房屋的围护结构热损耗、冷风侵入热损耗和冷风渗透热损耗，得到一片供暖区内的平均室内温度，从而衡量用户的热舒适度。
  5. 根据权利要求4所述的热电联合优化调度模型的建模方法，其特征在于，供暖区内的平均室内温度为：
    (1)围护机构热损耗
    由于真正的热传递过程十分复杂，包括对流、传导和辐射，为了简化热传递过程，在这里只采用稳态环境下的热损耗计算公式求解建筑物的围护结构热损耗：
    Figure PCTCN2018074413-appb-100033
    Figure PCTCN2018074413-appb-100034
    Figure PCTCN2018074413-appb-100035
    式中，
    Figure PCTCN2018074413-appb-100036
    为建筑物的围护结构热损耗，
    Figure PCTCN2018074413-appb-100037
    和
    Figure PCTCN2018074413-appb-100038
    分别是在第k个热负荷区的房屋高度修正系数和房屋朝向修正系数，A k代表第k个热负荷区的建筑物围护结构面积，F e,k表示第k个热负荷区域的房屋围护结构的热传递系数，
    Figure PCTCN2018074413-appb-100039
    表示t时刻在第k个热负荷区域的平均室内温度，
    Figure PCTCN2018074413-appb-100040
    表示表示t时刻在第k个热负荷区域的室外温度，
    Figure PCTCN2018074413-appb-100041
    和
    Figure PCTCN2018074413-appb-100042
    分别表示最低平均室内温度和最高平均室内温度， θ ch表示单位调度时间内的平均室内温度最大变化率，Γ表示调度时刻集合，K代表热负荷供热区集合；
    (2)冷风渗透热损耗
    在风力和热压造成的室内外压差作用下，室外的冷风空气通过门、窗等缝隙渗入室内，被加热后逸出，把这部分冷空气从室外温度加热到室内温度所消耗的热量，成为冷风渗透热损耗：
    Figure PCTCN2018074413-appb-100043
    式中，
    Figure PCTCN2018074413-appb-100044
    为冷风渗透热损耗，0.278表示单位转化因子，Num表示每小时的换气次数，V k表示第k个热负荷区域的总室内体积，c p表示冷空气的定压比热容，
    Figure PCTCN2018074413-appb-100045
    表示t时刻的室外空气密度；
    (3)冷风侵入热损耗
    在冬季受风压和热压的作用下，冷空气又开启的外门入侵室内，把这部分冷空气加热到室内温度所消耗的热量称为冷风侵入热损耗：
    Figure PCTCN2018074413-appb-100046
    式中，
    Figure PCTCN2018074413-appb-100047
    为冷风侵入热损耗，Ven表示每小时的冷风侵入量；
    (4)可表征建筑热惯性的平均室内温度的计算
    为了简化计算，做出如下假设：建筑物内的空气温度是一致的，且可以用
    Figure PCTCN2018074413-appb-100048
    描述；建筑物的热质温度分布是均衡的，这就意味着在热质的表面热扩散过程速度远大于对流换热；建筑物单位时间内得到的全部热量都可以被
    Figure PCTCN2018074413-appb-100049
    统一表示；
    基于以上假设，平均室内温度为：
    Figure PCTCN2018074413-appb-100050
    H t,k为平均室内温度，C M表示热质的比热容，M k表示在第k个热负荷区域内的热质的质量，C M与M k的乘积可以通过工程实验获得。
  6. 根据权利要求1至3任一所述的热电联合优化调度模型的建模方法，其特征在于，所述步骤四中建立联合优化调度模型的方法为：
    (1)热电联产机组模型
    Figure PCTCN2018074413-appb-100051
    Figure PCTCN2018074413-appb-100052
    p i,t为热电联产机组发电功率，
    Figure PCTCN2018074413-appb-100053
    为热电联产机组发电功率上限， p i热电联产机组发电功率下限，
    Figure PCTCN2018074413-appb-100054
    为热电联产机组的热电耦合特性因子，h i,t表示热电产机组的供热功率，
    Figure PCTCN2018074413-appb-100055
    表示最大供热功率，I CHP表示热电联产机组的编号集合；
    (2)电锅炉模型
    Figure PCTCN2018074413-appb-100056
    Figure PCTCN2018074413-appb-100057
    BH u,t表示电锅炉u在t时刻的供热功率，BP u,t表示电锅炉的消耗的电功率，η表示电锅炉的热效率，
    Figure PCTCN2018074413-appb-100058
    表示带锅炉的最大供热功率，U表示电锅炉的编号集合，Γ表示调度时刻集合；
    (3)根据储热罐在一天的充放热总量是相同的建立储热罐模型
    Figure PCTCN2018074413-appb-100059
    Figure PCTCN2018074413-appb-100060
    Figure PCTCN2018074413-appb-100061
    Figure PCTCN2018074413-appb-100062
    Figure PCTCN2018074413-appb-100063
    Figure PCTCN2018074413-appb-100064
    S w,t表示储热罐w在t时刻的储热量，CS w,t表示储热罐w在t时刻的充热功率，DCS w,t表示储热罐w在t时刻的放热功率，f w,t用来表示储热罐的状态，0表示储热罐正在放热，1表示储热罐正在蓄热，
    Figure PCTCN2018074413-appb-100065
    表示储热罐w的最大储热能力，
    Figure PCTCN2018074413-appb-100066
    表示储热罐的最大蓄热功率，
    Figure PCTCN2018074413-appb-100067
    表示储热罐w的最大放热功率，W表示储热罐编号的集合；
    (4)电功率平衡
    Figure PCTCN2018074413-appb-100068
    I CG、I WP和I Load分别代表常规机组编号、风电场编号以及电负荷节点的编号， LD n,t表示接在n号母线上的在t时刻的负荷功率；
    (5)热功率约束
    Figure PCTCN2018074413-appb-100069
    Figure PCTCN2018074413-appb-100070
    为在k个供热区域内在t+k个时刻的总建筑耗热功率；
    (6)机组爬坡速率约束
    Figure PCTCN2018074413-appb-100071
    rup i和rdown i分别表示机组的最大向上爬坡速率和向下爬坡速率，Δt为调度时间间隔；
    (7)系统旋转储备约束
    Figure PCTCN2018074413-appb-100072
    Figure PCTCN2018074413-appb-100073
    SR up和SR down分别表示系统所要求的最大向上旋转储备约束和向下旋转储备约束；
    (8)系统潮流约束
    Figure PCTCN2018074413-appb-100074
    式中，SF l,n表示从母线n到线路l的转移因子，F l表示线路l的最大传输能力，I Line表示线路编号的集合，
    Figure PCTCN2018074413-appb-100075
    为常规机组的索引集合，
    Figure PCTCN2018074413-appb-100076
    为热电联产机组的索引集合，
    Figure PCTCN2018074413-appb-100077
    为风电机组的索引集合。
PCT/CN2018/074413 2017-04-28 2018-01-29 一种热电联合优化调度模型的建模方法 Ceased WO2018196456A1 (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/107,958 US10982861B2 (en) 2017-04-28 2018-08-21 Modeling method of combined heat and power optimal dispatching model

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201710296092.6A CN106998079B (zh) 2017-04-28 2017-04-28 一种热电联合优化调度模型的建模方法
CN201710296092.6 2017-04-28

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US16/107,958 Continuation-In-Part US10982861B2 (en) 2017-04-28 2018-08-21 Modeling method of combined heat and power optimal dispatching model

Publications (1)

Publication Number Publication Date
WO2018196456A1 true WO2018196456A1 (zh) 2018-11-01

Family

ID=59434331

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2018/074413 Ceased WO2018196456A1 (zh) 2017-04-28 2018-01-29 一种热电联合优化调度模型的建模方法

Country Status (3)

Country Link
US (1) US10982861B2 (zh)
CN (1) CN106998079B (zh)
WO (1) WO2018196456A1 (zh)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109784564A (zh) * 2019-01-22 2019-05-21 天津大学 考虑可再生能源接入的园区综合能源系统能源站规划方法
CN110007595A (zh) * 2019-03-29 2019-07-12 常州英集动力科技有限公司 供热系统负荷实时优化调度方法、机组模型、机组及系统
CN110274302A (zh) * 2019-07-10 2019-09-24 合肥瑞纳节能工程有限公司 一种智慧化换热站控制系统
CN110533225A (zh) * 2019-08-07 2019-12-03 华北电力大学 一种基于机会约束规划的商业园区综合能源系统优化调度方法
CN112688316A (zh) * 2020-12-17 2021-04-20 国网天津市电力公司 考虑不确定性风电消纳和故障恢复的输电网结构优化方法
CN113065244A (zh) * 2021-03-23 2021-07-02 华中科技大学 一种火电储能联合调频磨损的量化方法
CN113487072A (zh) * 2021-06-25 2021-10-08 南方电网科学研究院有限责任公司 储热水罐的优化调度方法、装置、设备及存储介质
CN113642829A (zh) * 2021-06-23 2021-11-12 东南大学 考虑热电联产多供热模式的综合能源系统优化调度方法
CN113761727A (zh) * 2021-08-23 2021-12-07 中国人民解放军海军工程大学 一种含分布式电热泵的热电联合系统优化调度模型构建方法
CN113887982A (zh) * 2021-10-14 2022-01-04 西安热工研究院有限公司 炼化企业自备电厂机组热电负荷分配方法、系统及其设备
CN114110716A (zh) * 2021-11-24 2022-03-01 新疆天池能源有限责任公司 一种热电机组的运行能效监测控制系统、方法、计算机设备及存储介质
CN114488807A (zh) * 2022-01-24 2022-05-13 三峡大学 基于工作点线性化建模的chp机组变负荷动态过程特性分析方法
CN114697200A (zh) * 2022-03-30 2022-07-01 合肥工业大学 一种5g配网分布式保护系统的保护装置配比优化方法
CN115455621A (zh) * 2022-09-13 2022-12-09 浙江大学 一种基于仿生原理的供热系统拓扑结构优化方法
CN119358936A (zh) * 2024-10-24 2025-01-24 太原理工大学 一种多级供热系统与电力系统分层协同调度方法

Families Citing this family (102)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3497323A1 (en) * 2016-08-09 2019-06-19 MHI Vestas Offshore Wind A/S Wind turbine control method and system
CN106998079B (zh) * 2017-04-28 2020-05-05 东南大学 一种热电联合优化调度模型的建模方法
CN107860057B (zh) * 2017-09-26 2020-01-03 国网浙江省电力公司杭州供电公司 一种热电联产供暖系统热负荷经济优化调度方法
CN107817681B (zh) * 2017-10-16 2020-04-24 清华大学 一种基于双侧等效模型的热网稳态运行状态估计方法
CN108256739B (zh) * 2017-12-22 2022-02-08 国网北京市电力公司 应用于电采暖的负荷确定方法及装置
CN108258679B (zh) * 2017-12-25 2020-05-12 国网浙江省电力有限公司经济技术研究院 考虑供热网储热特性的电-热综合能源系统优化调度方法
CN108023360B (zh) * 2017-12-27 2020-09-22 浙江大学 基于热电错峰和热网储热的参与电网调峰热电厂和调峰方法
CN108599137B (zh) * 2017-12-28 2020-03-31 东南大学 考虑区域热网暂态传热特性的多能流系统优化运行方法
CN108628176B (zh) * 2018-06-29 2021-03-19 国网山东省电力公司电力科学研究院 一种计及热网柔性的热电联合优化调度方法
CN109066740B (zh) * 2018-09-27 2021-10-22 沈阳工程学院 一种可调节电储热锅炉的电网负荷模型
CN109783909A (zh) * 2018-12-29 2019-05-21 天津大学 考虑多种储能设备的综合能源站设备选型与容量规划方法
CN109659958B (zh) * 2019-01-11 2022-05-06 国网辽宁省电力有限公司沈阳供电公司 一种电力系统及其调峰调频方法
NO20190206A1 (en) * 2019-02-14 2020-04-08 Airtight As Method and system for monitoring air leaks through a building envelope and controlling a ventilation system
DE102019202440A1 (de) 2019-02-22 2020-08-27 Siemens Aktiengesellschaft Verfahren zur Ermittlung eines thermischen Verbrauches eines Energiesystems, Energiemanagementsystem sowie Energiesystem
CN110119524A (zh) * 2019-02-27 2019-08-13 华北电力大学 一种能源系统多时间尺度互动优化运行方法及系统
CN109886584B (zh) * 2019-02-27 2022-09-02 安徽大学 一种基于智能体的热网调度方法及装置
CN109842156A (zh) * 2019-03-05 2019-06-04 国网甘肃省电力公司电力科学研究院 一种含电加热装置的光热电站建模与风电场协调优化方法
CN109919506B (zh) * 2019-03-15 2023-11-14 南方电网科学研究院有限责任公司 用户级综合能源系统及其关键设备稳态建模方法及装置
CN109742813B (zh) * 2019-03-22 2023-03-24 中国电建集团青海省电力设计院有限公司 基于mpc的风电-光伏-光热-火电联合发电优化调度方法
CN110322068A (zh) * 2019-07-03 2019-10-11 上海交通大学 一种综合能源系统能源转换设备配置方法及配置系统
CN110529209B (zh) * 2019-07-09 2022-03-08 大唐东北电力试验研究院有限公司 一种热电联产机组深度调峰的太阳能光热储热系统及方法
CN110334884B (zh) * 2019-07-26 2023-04-07 国网辽宁省电力有限公司阜新供电公司 一种提升区域电网风电消纳能力的电-热联合调度方法
CN110544017A (zh) * 2019-08-12 2019-12-06 上海交通大学 考虑热惯性和能源网络约束的能源系统可靠性评估方法
CN110535128B (zh) * 2019-09-05 2022-12-13 东北大学 基于用能舒适度的多区域综合能源系统协同调度方法
CN110766193A (zh) * 2019-09-11 2020-02-07 上海电力大学 一种考虑换热器传热特性的电热联合系统调度方法
CN110728032B (zh) * 2019-09-20 2021-04-27 河海大学 一种计及环网的电-热互联综合能源系统快速潮流计算方法
CN110648252A (zh) * 2019-09-26 2020-01-03 云南电网有限责任公司电力科学研究院 基于柔性动态热平衡的建筑物热电调度方法
CN110797917A (zh) * 2019-09-27 2020-02-14 国网河北省电力有限公司 一种电热联合系统的调度模型
CN110676847A (zh) * 2019-10-14 2020-01-10 国网辽宁省电力有限公司阜新供电公司 考虑风电-储热机组-电锅炉联合运行的优化调度方法
CN110854906A (zh) * 2019-11-04 2020-02-28 深圳供电局有限公司 一种电热耦合型虚拟电厂的风电消纳策略获取方法
CN111611674B (zh) * 2019-11-20 2024-02-09 天津大学 一种供热系统仿真运行工况可视化方法
CN110991719B (zh) * 2019-11-25 2020-10-27 河海大学 智慧综合能源系统区域供热管网布局管径分层优化方法
CN110896224A (zh) * 2019-12-06 2020-03-20 国网能源研究院有限公司 计及用户差异性与建筑热惯性的热电协同调度系统和方法
CN110991753B (zh) * 2019-12-07 2023-10-31 国家电网有限公司 考虑多能需求响应的电热互联网系统调度优化方法
CN110910047A (zh) * 2019-12-07 2020-03-24 国家电网有限公司 一种电热耦合微能源站随机调度优化方法
CN111539599A (zh) * 2020-04-03 2020-08-14 国网浙江省电力有限公司经济技术研究院 区域综合能源系统协调规划方法
CN111428940B (zh) * 2020-04-15 2023-10-20 沈阳工业大学 一种基于储热装置降低多能源系统运行成本的优化方法
CN111598401B (zh) * 2020-04-20 2022-03-01 大唐环境产业集团股份有限公司 带储热热电联产系统运行策略确定方法及装置
CN111509707A (zh) * 2020-04-24 2020-08-07 贵州电网有限责任公司 一种能源互联网热力网络潮流标幺值模型建模方法
CN111753431B (zh) * 2020-06-29 2023-08-18 国网山西省电力公司电力科学研究院 综合能源系统中最优配置的计算方法和计算设备
CN111682537B (zh) * 2020-06-30 2022-06-10 广西大学 一种考虑换热延时特性的电热联合系统及其调度方法
CN111711206B (zh) * 2020-06-30 2023-01-24 天津大学 一种计及热网动态特性的城市热电综合能源系统调度方法
CN111952956B (zh) * 2020-07-02 2024-07-09 清华大学 一种考虑电压敏感负荷备用的电力系统调度方法
CN112036003B (zh) * 2020-07-06 2024-01-12 东南大学 一种考虑不完全量测的质调节热力系统静态状态估计方法
CN112116122B (zh) * 2020-08-02 2024-09-06 国网辽宁省电力有限公司电力科学研究院 一种提升电网灵活性的楼宇热电联产系统运行优化方法
CN112069442B (zh) * 2020-08-04 2023-09-12 国网山东省电力公司电力科学研究院 基于热电联产机组供热替代的燃煤压减量计算方法及系统
CN112035984B (zh) * 2020-08-10 2024-04-09 浙江华云电力工程设计咨询有限公司 一种电-气-储区域综合能源系统协同规划方法
CN112072644B (zh) * 2020-08-21 2024-07-02 国网辽宁省电力有限公司经济技术研究院 一种热电厂日前市场产量决策运行计划优化方法及系统
CN112032809B (zh) * 2020-08-27 2022-04-22 华中科技大学 一种基于可再生能源的混合热电站系统及其动态控制方法
CN112234614B (zh) * 2020-09-30 2022-08-26 清华大学 计及蓄热式电采暖规模化接入的配电网承载能力评估方法
CN112432219A (zh) * 2020-11-20 2021-03-02 西安西热节能技术有限公司 一种适用于大型四排汽汽轮机组的双冷源高效供热系统
CN112434861B (zh) * 2020-11-26 2024-10-22 清华大学 计及热力管网反馈调节的电热协调优化调度方法及装置
CN112613697B (zh) * 2020-12-01 2022-06-14 南京南瑞信息通信科技有限公司 供暖场景下考虑燃气三联供的多能协同方法、装置及系统
CN112529277B (zh) * 2020-12-02 2022-06-17 清华大学 一种基于资源调配的热电耦合系统灾前预防方法
CN112580996B (zh) * 2020-12-23 2024-06-28 大连理工大学 一种基于机组参数聚合的综合能源系统电-热平衡评价方法
CN112766604B (zh) * 2021-02-01 2022-02-18 浙江大学 基于热管网约束自适应调节的综合能源系统优化调度方法
CN113032991B (zh) * 2021-03-22 2022-03-18 华中科技大学 一种热电联产机组模型的建模方法及装置
CN112906988B (zh) * 2021-03-29 2024-04-02 东南大学 一种多能源建筑系统鲁棒双层协调调度的方法
CN115495888B (zh) * 2021-04-12 2025-06-06 三峡大学 计及热量非对称损失的随机电热耦合系统优化调度模型
CN113007784B (zh) * 2021-04-25 2022-06-28 西安热工研究院有限公司 一种大型供热管网综合评价方法
CN113155888B (zh) * 2021-04-25 2022-04-15 山东大学 热电联供系统动态等效电路及其工作方法
CN113091124B (zh) * 2021-05-13 2022-05-17 浙江大学 一种基于区域供能能力的电热互补供热系统分区调控方法
CN113240183B (zh) * 2021-05-20 2023-08-18 西安图迹信息科技有限公司 商业建筑电热负荷日前优化调度方法和系统
EP4092504A1 (de) * 2021-05-21 2022-11-23 Siemens Aktiengesellschaft Steuereinheit sowie verfahren zur steuerung eines betriebes einer wärmeerzeugungsanlage eines energiesystems
CN113375213B (zh) * 2021-06-15 2022-05-17 南京工业大学 一种基于双机组运行模式的新型热电联产系统及方法
CN113537632B (zh) * 2021-08-05 2022-08-05 天津大学 考虑量化储热的多区域电-热综合能源系统优化控制方法
CN113642788A (zh) * 2021-08-10 2021-11-12 陕西四季春清洁热源股份有限公司 多样化的适用于大型中深层地热区域的热源优化规划方法
CN113809755B (zh) * 2021-08-19 2023-12-29 中国华电集团有限公司福建分公司 一种基于需求响应的智慧楼宇节能优化控制方法
CN113627033B (zh) * 2021-08-27 2024-09-13 西安热工研究院有限公司 一种采暖热电联产机组保热调电能力提升方法及系统
CN113836739B (zh) * 2021-09-30 2023-06-02 沈阳工程学院 一种计及供热管网多损耗的电热联合系统潮流计算方法
CN114444754A (zh) * 2021-11-15 2022-05-06 中国长江三峡集团有限公司 基于二氧化碳排放权交易的园区源网荷储优化调度方法
CN114221389B (zh) * 2021-11-30 2024-02-27 国网江苏省电力有限公司经济技术研究院 一种新能源最大消纳能力分析方法
CN114139379B (zh) * 2021-12-01 2025-01-14 东南大学 一种电力-热蒸汽耦合能源系统仿真方法
CN114399172B (zh) * 2021-12-27 2025-02-21 西安交通大学 多场景适应多能设备组合的园区电热实时调度方法及系统
CN114358604B (zh) * 2022-01-06 2024-09-24 浙江大学 一种考虑建筑蓄热特性的城市集中供热系统分时分区调控方法
CN114580122A (zh) * 2022-01-17 2022-06-03 华南理工大学 一种基于㶲经济的建筑暖通空调系统能质匹配优化方法
CN114723221B (zh) * 2022-03-11 2024-11-08 上海电力大学 面向整体性集中供热和需求响应的热电联合优化调度方法
CN114723136B (zh) * 2022-04-07 2024-04-16 重庆大学 计及光热电站镜场面积和储热容量的优化运行方法
CN114754621B (zh) * 2022-04-19 2025-12-30 富联精密电子(郑州)有限公司 冷却塔节能控制方法、系统、电子设备及存储介质
CN114741893B (zh) * 2022-04-26 2025-02-18 东南大学 一种计及综合能源系统热惯性灵活退出的调频方法
CN114971030B (zh) * 2022-05-30 2025-03-04 西安交通大学 一种卡诺电池水循环能源系统及其规划方法、装置
CN115234965B (zh) * 2022-06-22 2024-01-23 山东电力工程咨询院有限公司 源网荷储协调的区域供热系统及方法
CN115222219A (zh) * 2022-06-27 2022-10-21 国网江苏省电力有限公司常州供电分公司 电锅炉系统参与电网调频服务的优化调度方法及装置
CN115333080B (zh) * 2022-06-29 2024-11-01 国网江苏省电力有限公司电力科学研究院 计及区域综合能源系统接入的配网可靠性评估方法、装置及存储介质
CN115239024B (zh) * 2022-09-21 2023-03-24 国网浙江省电力有限公司宁波供电公司 城市区域多元能源供能规划方法
CN115860219B (zh) * 2022-11-30 2023-08-29 国网北京市电力公司 含氢储能综合能源系统优化运行方法、装置、设备及介质
CN116068890B (zh) * 2022-12-29 2025-09-05 中控技术股份有限公司 一种热电联产区域供热的炉机网协同优化调度方法与装置
CN115854412B (zh) * 2023-02-03 2023-10-20 华能济南黄台发电有限公司 一种城市电厂供热机组电锅炉系统
CN116066885A (zh) * 2023-03-14 2023-05-05 工大科雅（天津）能源科技有限公司 一种基于热源供给前馈的全网平衡调控方法
CN116341881B (zh) * 2023-05-29 2023-08-18 山东大学 计及热网灵活性的电-热系统鲁棒超前调度方法及系统
CN116914727B (zh) * 2023-06-29 2026-03-31 北方联合电力有限责任公司乌海热电厂 一种机组低压缸出力预测方法及系统
CN116734319B (zh) * 2023-07-04 2024-10-29 国网山东省电力公司威海供电公司 基于滑模控制的空气源热泵负荷功率控制方法
CN117933458A (zh) * 2024-01-12 2024-04-26 山东建筑大学 一种智慧供热负荷预测方法、系统及供热系统的调控方法
CN117674302B (zh) * 2024-02-01 2024-05-03 浙江省白马湖实验室有限公司 一种基于两阶段集成学习的热电联供负荷调度方法
CN118246655B (zh) * 2024-02-27 2025-02-25 三峡大学 一种含可逆固体氧化物电池的综合能源系统优化调度方法
CN118129215B (zh) * 2024-03-14 2024-10-15 东营市大明新能源有限公司 一种中深层地热井多能互补供暖方法及系统
CN118066588B (zh) * 2024-04-18 2024-07-02 浙江英集动力科技有限公司 基于空气源热泵的混合能源集中供热系统优化调度方法
CN118446471A (zh) * 2024-05-11 2024-08-06 内蒙古京能盛乐热电有限公司 基于管网热负载的热电协同调度方法及灵活解耦系统
CN119047678A (zh) * 2024-07-02 2024-11-29 清华大学 综合能源系统的枝状热网储能自动评估与调控方法和装置
CN119944827B (zh) * 2024-12-04 2026-01-09 华电电力科学研究院有限公司 一种热电联产机组的运行统筹方法和系统
CN119808193A (zh) * 2025-03-17 2025-04-11 瑞纳智能设备股份有限公司 储能设备的尺寸参数设计方法以及相关设备
CN121118768B (zh) * 2025-11-13 2026-01-27 同济大学 基于传递函数的枝状管网热动态建模方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8396572B2 (en) * 2009-09-11 2013-03-12 Siemens Corporation System and method for energy plant optimization using mixed integer-linear programming
CN104734168A (zh) * 2015-03-13 2015-06-24 山东大学 一种基于电热联合调度的微电网运行优化系统及方法
CN105807633A (zh) * 2016-05-10 2016-07-27 大连理工大学 基于集中供热管网和建筑物储能消纳风电的热电联合系统调度方法
CN106447113A (zh) * 2016-10-08 2017-02-22 东南大学 一种基于运行优化模型的多区域综合能源系统运行方法
CN106998079A (zh) * 2017-04-28 2017-08-01 东南大学 一种热电联合优化调度模型的建模方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9915178B2 (en) * 2012-03-07 2018-03-13 Siemens Corporation Online heurisitc algorithm for combined cooling heating and power plant optimization
CN106815661B (zh) * 2017-02-22 2020-10-20 清华大学 一种热电联合系统的分解协调调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8396572B2 (en) * 2009-09-11 2013-03-12 Siemens Corporation System and method for energy plant optimization using mixed integer-linear programming
CN104734168A (zh) * 2015-03-13 2015-06-24 山东大学 一种基于电热联合调度的微电网运行优化系统及方法
CN105807633A (zh) * 2016-05-10 2016-07-27 大连理工大学 基于集中供热管网和建筑物储能消纳风电的热电联合系统调度方法
CN106447113A (zh) * 2016-10-08 2017-02-22 东南大学 一种基于运行优化模型的多区域综合能源系统运行方法
CN106998079A (zh) * 2017-04-28 2017-08-01 东南大学 一种热电联合优化调度模型的建模方法

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109784564A (zh) * 2019-01-22 2019-05-21 天津大学 考虑可再生能源接入的园区综合能源系统能源站规划方法
CN110007595B (zh) * 2019-03-29 2022-04-22 常州英集动力科技有限公司 供热系统负荷实时优化调度方法、机组模型、机组及系统
CN110007595A (zh) * 2019-03-29 2019-07-12 常州英集动力科技有限公司 供热系统负荷实时优化调度方法、机组模型、机组及系统
CN110274302A (zh) * 2019-07-10 2019-09-24 合肥瑞纳节能工程有限公司 一种智慧化换热站控制系统
CN110533225A (zh) * 2019-08-07 2019-12-03 华北电力大学 一种基于机会约束规划的商业园区综合能源系统优化调度方法
CN110533225B (zh) * 2019-08-07 2023-10-20 华北电力大学 一种基于机会约束规划的商业园区综合能源系统优化调度方法
CN112688316A (zh) * 2020-12-17 2021-04-20 国网天津市电力公司 考虑不确定性风电消纳和故障恢复的输电网结构优化方法
CN112688316B (zh) * 2020-12-17 2023-07-21 国网天津市电力公司 考虑不确定性风电消纳和故障恢复的输电网结构优化方法
CN113065244A (zh) * 2021-03-23 2021-07-02 华中科技大学 一种火电储能联合调频磨损的量化方法
CN113642829A (zh) * 2021-06-23 2021-11-12 东南大学 考虑热电联产多供热模式的综合能源系统优化调度方法
CN113642829B (zh) * 2021-06-23 2024-05-24 东南大学 考虑热电联产多供热模式的综合能源系统优化调度方法
CN113487072A (zh) * 2021-06-25 2021-10-08 南方电网科学研究院有限责任公司 储热水罐的优化调度方法、装置、设备及存储介质
CN113761727A (zh) * 2021-08-23 2021-12-07 中国人民解放军海军工程大学 一种含分布式电热泵的热电联合系统优化调度模型构建方法
CN113761727B (zh) * 2021-08-23 2024-02-23 中国人民解放军海军工程大学 一种含分布式电热泵的热电联合系统优化调度模型构建方法
CN113887982A (zh) * 2021-10-14 2022-01-04 西安热工研究院有限公司 炼化企业自备电厂机组热电负荷分配方法、系统及其设备
CN114110716A (zh) * 2021-11-24 2022-03-01 新疆天池能源有限责任公司 一种热电机组的运行能效监测控制系统、方法、计算机设备及存储介质
CN114488807A (zh) * 2022-01-24 2022-05-13 三峡大学 基于工作点线性化建模的chp机组变负荷动态过程特性分析方法
CN114488807B (zh) * 2022-01-24 2023-07-28 三峡大学 基于工作点线性化建模的chp机组变负荷动态过程特性分析方法
CN114697200A (zh) * 2022-03-30 2022-07-01 合肥工业大学 一种5g配网分布式保护系统的保护装置配比优化方法
CN115455621A (zh) * 2022-09-13 2022-12-09 浙江大学 一种基于仿生原理的供热系统拓扑结构优化方法
CN119358936A (zh) * 2024-10-24 2025-01-24 太原理工大学 一种多级供热系统与电力系统分层协同调度方法

Also Published As

Publication number Publication date
US20180356105A1 (en) 2018-12-13
CN106998079A (zh) 2017-08-01
US10982861B2 (en) 2021-04-20
CN106998079B (zh) 2020-05-05

Similar Documents

Publication Publication Date Title
WO2018196456A1 (zh) 一种热电联合优化调度模型的建模方法
Huang et al. Heat and power load dispatching considering energy storage of district heating system and electric boilers
CN108258679B (zh) 考虑供热网储热特性的电-热综合能源系统优化调度方法
CN106845701B (zh) 一种基于热网和房屋热惯性的综合能源系统优化方法
CN113725915A (zh) 一种考虑可再生能源不确定性和热惰性的乡村电热综合能源系统运行优化方法
CN105807633A (zh) 基于集中供热管网和建筑物储能消纳风电的热电联合系统调度方法
CN109472050A (zh) 基于热惯性的热电联产系统混合时间尺度调度方法
CN107808216A (zh) 电‑气‑热互联系统弃风弃光和电气热负荷削减综合最小优化模型构建方法
Entchev et al. Application of hybrid micro-cogeneration system—Thermal and power energy solutions for Canadian residences
CN105446163B (zh) 一种基于不同能源类型的微网全能流建模方法
CN111030094B (zh) 一种多能互补园区供能可靠性评估方法
CN108599137A (zh) 一种考虑区域热网暂态传热特性的多能流系统优化运行方法
Verda Thermal peak load shaving through users request variations
CN111324849A (zh) 一种考虑热网特性的电热联合系统优化调度方法
CN111191353A (zh) 考虑热惯性的电-热综合能源系统协调运行方法
CN115600759A (zh) 考虑可控负荷的含csp和p2g的综合能源系统优化调度方法
CN113011655B (zh) 一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法
Liu et al. Multi-objective optimization of equipment capacity and heating network design for a centralized solar district heating system
Pozzi et al. Electrification of heat demand: an estimation of the impact on the future Italian energy system
Siuta-Olcha et al. On the influence of decommissioning an area thermal substation in a district heating system on heat consumption and costs in buildings–Long term field research
CN115685750A (zh) 考虑时间特性和调度周期匹配的时间尺度自适应调度模型
CN110661283A (zh) 一种基于冰蓄冷系统的弃水消纳调度方法和装置
CN111404180A (zh) 综合能源系统的优化调度方法和系统
CN115081867B (zh) 一种综合能源系统储能规划方法、装置和设备
Ma et al. Modeling of integrated heat‐electricity systems considering integrated demand response and dynamic behaviors of district heating network

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18791061

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18791061

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 18791061

Country of ref document: EP

Kind code of ref document: A1

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 15/05/2020)

122 Ep: pct application non-entry in european phase

Ref document number: 18791061

Country of ref document: EP

Kind code of ref document: A1