CN107358345A - 计及需求侧管理的分布式冷热电联供***优化运行方法 - Google Patents
计及需求侧管理的分布式冷热电联供***优化运行方法 Download PDFInfo
- Publication number
- CN107358345A CN107358345A CN201710526916.4A CN201710526916A CN107358345A CN 107358345 A CN107358345 A CN 107358345A CN 201710526916 A CN201710526916 A CN 201710526916A CN 107358345 A CN107358345 A CN 107358345A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- load
- munderover
- mtr
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000013519 translation Methods 0.000 claims abstract description 58
- 238000001816 cooling Methods 0.000 claims abstract description 34
- 238000010438 heat treatment Methods 0.000 claims abstract description 29
- 238000010248 power generation Methods 0.000 claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 230000005611 electricity Effects 0.000 claims description 28
- 239000007789 gas Substances 0.000 claims description 28
- 238000005057 refrigeration Methods 0.000 claims description 24
- 238000002485 combustion reaction Methods 0.000 claims description 12
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 12
- 239000002918 waste heat Substances 0.000 claims description 8
- 238000004146 energy storage Methods 0.000 claims description 7
- 230000002068 genetic effect Effects 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 6
- 239000005431 greenhouse gas Substances 0.000 claims description 6
- 239000003345 natural gas Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000010521 absorption reaction Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 239000003245 coal Substances 0.000 claims description 3
- 239000013256 coordination polymer Substances 0.000 claims description 3
- 238000010348 incorporation Methods 0.000 claims description 3
- 238000005530 etching Methods 0.000 claims 1
- 239000002699 waste material Substances 0.000 claims 1
- 230000008901 benefit Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000011084 recovery Methods 0.000 description 6
- 239000000567 combustion gas Substances 0.000 description 5
- 241000894007 species Species 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000005619 thermoelectricity Effects 0.000 description 3
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000004870 electrical engineering Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
- Y02P80/15—On-site combined power, heat or cool generation or distribution, e.g. combined heat and power [CHP] supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Coloring Foods And Improving Nutritive Qualities (AREA)
Abstract
本发明涉及一种计及需求侧管理的分布式冷热电联供***优化运行方法，该方法包括步骤：1)结合冷热电联供***内各类可平移负荷的用电特性，从满足各时刻供能侧与需求侧的热电比相匹配的角度建立可平移负荷模型，并分别对冷热电负荷进行负荷平移；2)基于负荷平移后的冷热电联供***，建立优化调度模型对冷热电联供***内各设备出力进行优化求解，获得优化运行结果。与现有技术相比，本发明进行负荷平移后再对CCHP***的优化调度模型进行求解，有效降低了各项成本。
Description
技术领域
本发明涉及配电网内分布式能源的规划领域，尤其是涉及一种计及需求侧管理的分布式冷热电联供***优化运行方法。
背景技术
随着全球经济和人口的增长，人们对化石能源需求日益增多，由此造成了全球性的能源危机和环境污染等问题。当前的能源发展正朝着“互联互通，协调兼容”的全球能源互联网方向发展。冷热电联供***(combined cooling heating and power，CCHP)作为电能和热能进行转化的主要载体在未来能源发展中将发挥重要的作用，已经成为能源互联网的重要组成部分。
CCHP***能量优化管理是冷热电联供***研究中的重要方面，文献“冷电联供分布式供能***能量优化管理”(郭力，许东，王成山，等.电力***自动化，2009，33(19)：96-100)以冷负荷和电负荷为主的联供***为主要研究对象，建立以经济性最优的目标函数，对冷电联供***进行了能量优化管理；文献“含电热联合***的微电网运行优化”(李振茂，张峰，梁军，等.电机工程学报，2015，35(14)：3569-3576)以热负荷与电负荷为主的冷热电联供***与微电网相结合，以经济性最优为目标，以期实现联供***与微电网之间的协调优化运行；文献“响应峰谷电价的冷电联供***优化调度”(李献梅，陈瑞先，周任军，等.电力***及其自动化学报，2016，28(4)：25-30)通过采用峰谷分时电价和固定电价，建立经济性成本最优的优化模型，对比分析冷热电联供***在不同电价体系下的能量优化管理方案。然而仅以经济性最优的单目标优化方法，并不能使冷热电联供***在能源利用率和环境保护等方面达到理想的要求。文献“太阳能综合利用的冷电联供***控制策略和运行优化”(刘星月，吴宏斌.电力***自动化，2015，39(12)：1-6)建立了计及一次能源消耗量、二氧化碳排放量以及***运行成本等多目标优化模型，对CCHP***的运行策略和各设备出力进行优化，优化结果证明了其模型的有效性；文献“分布式冷热电三联供***节能协调优化调度”(周任军，冉晓洪，毛发龙，等.电网技术，2012，36(6)：8-14)建立了考虑经济成本、环境成本以及冷热电协调成本的多目标优化模型，并利用隶属度函数模糊算法来求解多目标函数问题。文献“计及变负荷特性的小型冷热电联供***优化运行研究”(魏大钧，孙承慧，孙波.电网技术，2015，39(11)：3240-3246)考虑了燃气内燃发电机组和吸收式制冷机的变负荷特性，优化目标函数中包含了经济、能源和环境等运行成本，并采用遗传算法对模型进行了优化求解。
上述文献均是从供能侧角度对CCHP***进行优化运行研究，冷热电联供***供能侧的输出热电比与***负荷侧的热电比匹配性差，***设备出力的波动性较大同时对联供***优化运行中的综合效益也产生很大的影响。文献“燃气分布式供能***冷热电负荷分析”(李伟，赵志渊.沈阳工程学院学报，2015，11(4)：313-318)指出联供***设备容量在全年的运行中始终无法全部利用，其设备利用率不高将导致联供***的经济性较差，也造成了很多分布式能源建设运行达不到理想的效果；文献“冷热电联供***运行方式性能优化分析”(蒋润花，杨晓西，杨敏林，等.工程热物理学报，2003，34(10)：1818-1822)在冷热电联供***供能侧热电比不变的情况下，分析了***在“以电定冷”和“以冷定电”两种运行策略下，***节能效益与需求侧冷电比的关系。结果表明冷电联供***在冷电比达到某一定值时，节能效益存在最优值；文献“基于需求侧视角的天然气分布式热电联产***节能效益分析”(任洪波，吴琼，任建兴.中国电机工程学报，2015，35(17)：4430-4438)基于热电联供***供能侧和需求侧的电能和热能的动态平衡，研究联供***运行的节能效益，研究结果表明联供***在供能侧和需求侧的均衡点处的节能效益最大。
但现有技术还存在供能侧(即冷热电联供***)最经济的输出热电比与实际负荷侧需求的热电比匹配性较差，使得供能设备出力波动性较大，运行效率低，经济性差等问题。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种计及需求侧管理的分布式冷热电联供***优化运行方法，从供能侧和负荷需求侧控制角度对冷热电联供***综合优化运行问题进行研究，减少分布式冷热电联供***人综合运行成本。
本发明的目的可以通过以下技术方案来实现：
一种计及需求侧管理的分布式冷热电联供***优化运行方法，该方法包括步骤：
1)结合冷热电联供***内各类可平移负荷的用电特性，从满足各时刻供能侧与需求侧的热电比相匹配的角度建立可平移负荷模型，并分别对冷热电负荷进行负荷平移；
2)基于负荷平移后的冷热电联供***，建立优化调度模型对冷热电联供***内各设备出力进行优化求解，获得优化运行结果。
所述步骤1)中，在保证整个调度周期内冷热电负荷总量不变的前提下，对联供***的电负荷和冷热负荷分别进行平移，使得各时段需求侧的热电比匹配供给侧的热电比，依据可平移负荷模型求解的优化变量为典型日内各时段各类平移负荷的移出量和移入量。
所述冷热电联供***的负荷平移表达式为：
Sload,t＝Sfcload,t+Sshiftin,t-Sshiftout,t
式中，Sload,t为t时段平移后的负荷值，Sfcload,t为t时段负荷预测值，Sshiftin,t、Sshiftout,t分别为t时段移入和移出的可平移负荷值，具体地，
式中，T为调度周期，Ktotal为可平移负荷的种类，xk,m,t为第k类可平移负荷从m时段移入到t时段的数量，S1,k为第k类平移负荷在第1个工作时段的负荷值，L为平移负荷最大持续工作时间，S(l+1),k为第k类平移负荷在第l+1时段的负荷值。
所述冷热电联供***中，第k类可平移负荷的移动数量满足：
式中，xk.t为原先在t时段第k类负荷中可平移的负荷数量，dk为第k类负荷的平移时间裕度，xk.t.t'为第k类可平移负荷从t时段移入到t'时段的数量。
所述可平移负荷模型中，
电负荷平移目标函数为：
式中，Pload,t为t时段平移后的电负荷值，Pmload,t为t时段电负荷目标值，Pfcload,i为i时段电负荷预测值，K(i)为i时段电网的售电价格；
热负荷平移目标函数为：
式中，Hload,t为t时段平移后的电负荷值，Hmload,t为t时段热负荷目标值，FHE为燃气机组的额定热电比；
冷负荷平移目标函数为：
式中，Lload,t为t时段平移后的冷负荷值，Lmload,t为t时段冷负荷目标值，FCE为燃气机组的额定冷电比。
所述可平移负荷模型采用内点法求解。
所述步骤2)中，优化调度模型以一天的综合成本最小为目标函数，该目标函数表达式为：
式中，Ctotal为一天的综合成本，CM(t)、CG(t)、CE(t)分别为t时刻联供***的运行维护成本、购买能源成本、污染气体处理成本，N为***设备数量，ki为***第i个设备的运行维护费用系数，Pi(t)为t时段第i个设备的出力，Kg为天然气价，K为从电网购电电价，CP(t)为联供***与电网的交互成本，KBP为分布式能源标杆上网电价，取0.4593元/(kWh)，PEXC(t)为t时刻***与电网的交互功率，为正时代表从电网购电功率，为负时代表向电网售电功率，Eg(t)为t时段的天然气消耗量，uj为烧煤产生的第j种气体的排放系数，vj为燃烧天然气产生的第j种温室气体的排放系数，J为温室气体的种类，αj为第j种污染气体的处理费用，ηe和ηd为电厂的发电效率与线路传输效率，Pgrid(t)为t时段***向电网的购电量。
所述优化调度模型的约束条件包括能量平衡约束、联络线功率约束和可控机组约束，其中，
能量平衡约束为：
式中，Pload(t)、Qload(t)和Lload(t)分别为t时段的纯电负荷值、热负荷值和冷负荷值，PGT(t)为燃气内燃机功率，w(t)为t时段的余热用于制冷的分配系数，PEB(t)、QEB(t)分别为t时刻电锅炉的电功率和制热功率，PEC(t)和LEC(t)分别为t时刻电制冷机电功率和制冷功率，QTES.ch(t)和QTES.dis(t)为t时段蓄能装置的输入和输出功率，Qhrec(t)和LAR(t)为t时段余热回收装置功率和吸收式制冷机功率；
联络线功率约束为：
式中，和为联络线功率的下限和上限值；
可控机组约束为：
0≤Pi≤Ni
式中，Pi为第i个机组的输出功率；Ni为第i机组的容量。
所述优化调度模型采用遗传算法求解。
采用遗传算法求解所述优化调度模型时，将负荷平移后的各季节典型日的负荷曲线结合负荷平移前的预测负荷曲线作为初始数据。
与现有技术相比，本发明具有以下优点：
(1)本发明充分利用冷热电负荷的可平移特性，对冷热电负荷进行平移，使其更加吻合冷热电***的经济热电比，改善了CCHP机组运行的平稳性与经济性；
(2)进行冷热电负荷平移后再对CCHP***的优化调度模型进行求解，有效降低了综合供能成本。
(3)本发明建立的优化调度模型中，考虑经济、能源、环境等多方面因素对联供***优化运行的影响，并将能源指标和环境指标折算成经济性指标并综合各方面成本作为***优化目标函数，求解结果更全面地计及了社会效益。
附图说明
图1为本发明设计的CCHP***能量流图；
图2为本发明优化运行方法的流程图；
图3为实施例中各季节典型日负荷数据；
图4为夏季负荷平移结果示意图；
图5为冬季负荷平移结果示意图；
图6为夏季负荷平移前调度结果示意图；
图7为夏季负荷平移后调度结果示意图；
图8为冬季负荷平移前调度结果示意图；
图9为冬季负荷平移后调度结果示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
本发明提供一种计及需求侧管理的分布式冷热电联供***优化运行方法，结合冷热电联供***(CCHP***)内各类可平移负荷的用电特性，从满足各时刻供能侧与需求侧的热电比相匹配的角度建立可平移负荷模型，并分别对冷热电负荷进行负荷平移；并构建了综合考虑经济、能源、环境等因素的多目标优化运行数学模型，对***各设备出力进行优化求解，通过算例分析，比较负荷平移对CCHP***运行的影响。
1、CCHP***
本发明设计的冷热电联供***结构如图1所示。CCHP***中燃气内燃机发电向用户供电，同时产生的高温烟气由余热回收装置回收，所回收的热量提供给热负荷或者输送至吸收式制冷机制冷。当燃气内燃机组生产的电能大于电负荷时，则多余的电能向外部电网售电；反之当电能小于电负荷时，则从电网中购电。当余热回收装置回收的热能大于冷热负荷需求时，则多余热能存储到蓄能装置中；当回收的热能小于冷热负荷时，则优先利用蓄能装置的热量，不足部分由电锅炉制热或电制冷机制冷补充。
2、负荷平移目标函数
CCHP***的负荷平移表达式为：
Sload,t＝Sfcload,t+Sshiftin,t-Sshiftout,t (1)
式中，Sload,t为t时段平移后的负荷值，Sfcload,t为t时段负荷预测值，Sshiftin,t、Sshiftout,t分别为t时段移入和移出的可平移负荷值，具体地，
式中，T为调度周期，Ktotal为可平移负荷的种类，xk,m,t为第k类可平移负荷从m时段移入到t时段的数量，S1,k为第k类平移负荷在第1个工作时段的负荷值，L为平移负荷最大持续工作时间，S(l+1),k为第k类平移负荷在第l+1时段的负荷值。
CCHP***中，第k类可平移负荷的移动数量满足：
式中，xk.t为原先在t时段第k类负荷中可平移的负荷数量，dk为第k类负荷的平移时间裕度，xk.t.t'为第k类可平移负荷从t时段移入到t'时段的数量。
3、CCHP***各类可平移负荷平移目标函数
平移负荷过程中，在保证整个调度周期内冷热电负荷总量不变的前提下，对联供***的电负荷和冷热负荷分别进行平移，通过负荷间的平移使得各时段需求侧的热电比匹配供给侧的热电比。首先平移电负荷，电负荷平移的目标负荷与电价成反比关系。然后平移冷热负荷，冷热负荷平移的目标负荷为平移后的电负荷曲线与相应的额定热电比的乘积。
所述可平移负荷模型中，
电负荷平移目标函数为：
式中，Pload,t为t时段平移后的电负荷值，Pmload,t为t时段电负荷目标值，Pfcload,i为i时段电负荷预测值，K(i)为i时段电网的售电价格；
热负荷平移目标函数为：
式中，Hload,t为t时段平移后的电负荷值，Hmload,t为t时段热负荷目标值，FHE为燃气机组的额定热电比；
冷负荷平移目标函数为：
式中，Lload,t为t时段平移后的冷负荷值，Lmload,t为t时段冷负荷目标值，FCE为燃气机组的额定冷电比。
4、CCHP***优化运行数学模型
(1)目标函数
本发明基于平移后的冷热电负荷数据，考虑经济、能源、环境等多方面因素对联供***优化运行的影响，并将能源指标和环境指标折算成经济性指标并综合各方面成本作为***优化目标函数，负荷平移后***运行成本会明显下降。
优化调度模型以一天的综合成本最小为目标函数，该目标函数表达式为：
式中，Ctotal为一天的综合成本，CM(t)、CG(t)、CE(t)分别为t时刻联供***的运行维护成本、购买能源成本、污染气体处理成本，N为***设备数量，ki为***第i个设备的运行维护费用系数，Pi(t)为t时段第i个设备的出力，Kg为天然气价，K为从电网购电电价，CP(t)为联供***与电网的交互成本，KBP为分布式能源标杆上网电价，取0.4593元/(kWh)，PEXC(t)为t时刻***与电网的交互功率，为正时代表从电网购电功率，为负时代表向电网售电功率，Eg(t)为t时段的天然气消耗量，uj为烧煤产生的第j种气体的排放系数，vj为燃烧天然气产生的第j种温室气体的排放系数，J为温室气体的种类，αj为第j种污染气体的处理费用，ηe和ηd为电厂的发电效率与线路传输效率，Pgrid(t)为t时段***向电网的购电量。
(2)约束条件
优化调度模型的约束条件包括能量平衡约束、联络线功率约束和可控机组约束，其中，
能量平衡约束为：
式中，Pload(t)、Qload(t)和Lload(t)分别为t时段的纯电负荷值、热负荷值和冷负荷值，PGT(t)为燃气内燃机功率，w(t)为t时段的余热用于制冷的分配系数，PEB(t)、QEB(t)分别为t时刻电锅炉的电功率和制热功率，PEC(t)和LEC(t)分别为t时刻电制冷机电功率和制冷功率，QTES.ch(t)和QTES.dis(t)为t时段蓄能装置的输入和输出功率，Qhrec(t)和LAR(t)为t时段余热回收装置功率和吸收式制冷机功率；
联络线功率约束为：
式中，和为联络线功率的下限和上限值；
可控机组约束为：
0≤Pi≤Ni (10)
式中，Pi为第i个机组的输出功率；Ni为第i机组的容量。
平移后的负荷更加符合燃气内燃机的运行特性，约束条件公式(8)中负荷值改变时，燃气内燃机功率PGT(t)和电网交换功率PEXC(t)也会改变，从而影响公式(7)中目标函数值。
5、***优化变量与算法流程
负荷平移模型所求的优化变量为典型日内各时段各类平移负荷的移出量和移入量，则优化变量的个数为各类可平移负荷在24个时段的移入量、移出量，一共为24×24×Ktotal个；负荷平移模型采用内点法进行求解。联供***优化运行中所求的优化变量为各个时刻的燃气机组出力、蓄能装置的输入输出功率以及余热分配系数。
本发明根据平移前后的负荷数据，再利用遗传算法对联供***优化目标函数进行求解。如图2所示，优化求解步骤如下：
1)输入典型日的预测热电负荷数据(预测负荷曲线)，平移负荷的种类与用电特性，各类平移负荷在各个时刻的可平移数量。
2)在保证典型日内的冷热电负荷总量不变的情况下，确定目标负荷曲线。在确定目标电负荷曲线时，要求在电价高时减少电负荷，在电价低时增大电负荷；在确定目标热负荷时，要求各个时刻的热电比接近于供电侧的额定热电比；在确定目标冷负荷时，要求各个时刻的热电比接近于供电侧的额定冷电比。
3)求解平移负荷模型时，可知该模型是线性约束二次规划问题。求解二次规划的方法很多如内点法、椭球算法、Lemke方法、有效集法等。由于本发明所求的平移负荷模型中的优化变量较多，故选用内点法求解。
4)在求解得到平移后的各季节典型日的负荷曲线后，结合平移前的预测负荷曲线作为联供***优化运行模型求解的初始数据，并输入联供***各类设备的运行参数和成本参数。
5)联供***优化运行模型中的变量采用遗传算法求解。根据各类设备的运行功率约束对种群进行初始化。
6)染色体解码，计算联供***燃气内燃机组、电锅炉、电制冷机、蓄能装置、***与电网的交互功率等功率数值。
7)计算个体适应度值并记录最优个体，判断其是否满足终止条件，若满足则输出最优结果，若不满足则继续下面的步骤。
8)进行轮盘赌选择、交叉和变异等步骤并返回步骤6)。
6、应用实例
(1)算例介绍
为了验证所提运行模型和优化方法的有效性，本实施例采用某城市建筑的夏季典型日负荷和冬季典型日负荷，负荷数据如图3所示。夏季电负荷峰值为880kW，冷负荷峰值为1920kW。冬季电负荷峰值为916kW，热负荷峰值为2400kW。算例配置了4台容量为200kW的燃气内燃机、1台容量为200kW的电制冷机、1台容量为1600kW的电锅炉、1台容量为500kWh的蓄能装置。
表1为各类可平移负荷设备用电特性及其数量，本实施例在不同类型的负荷中共采用了5种可平移负荷设备；表2为各类用电设备在各时段可平移的数量，5种可平移负荷设备总数为7484台，联供***供能侧的额定热电比为1.29，额定冷电比为1.55。本发明中污染气体处理费用系数详见文献“分布式发电的环境效益分析”(钱科军，袁越，石晓丹，等.中国电机工程学报，2008，28(29)：11-15)，分时电价数据以及算例中涉及到的其他参数参见文献“分布式冷热电联供***优化配置与适用性分析”(胡荣，马杰，李振坤，等.电网技术，2017，41(2)：418-425)。
表1 可平移负荷用电特性
表2 各时段可平移负荷设备数量
(2)优化结果分析
1)负荷平移结果
图4和图5分别为夏季负荷平移结果和冬季负荷平移结果，由图4可知，经过平移后的夏季冷电负荷曲线相较于预测冷电负荷曲线，冷负荷的峰值由1920kW降为1585kW，冷负荷谷值由200kW升为646kW；电负荷峰值由880kW降为754.4kW，电负荷谷值由272kW升为444.8kW。
由图5可知，经过平移后的冬季热电负荷曲线相较于预测热电负荷曲线，热负荷的峰值由2400kW降为1456kW，热负荷谷值由660kW升为991.6kW；电负荷峰值由916kW降为755kW，电负荷谷值由196kW升为340kW。各季节的负荷峰谷差明显减少，负荷平移在起到削峰填谷作用的同时，各时刻负荷的热电比更接近于联供***供能侧的热电比。
2)负荷平移前后优化调度结果
图6和图7分别为夏季负荷平移前和负荷平移后的***各设备优化调度出力结果，***负荷平移后燃气机组在各个时刻出力较为平均，其平均负载率由0.69提高到了0.78，进一步提高了燃气机组的利用率。负荷平移后的电制冷机的出力显著降低，只在个别时刻出力，原因在于平移后的负荷侧冷电比更接近于供能侧，联供***对额外制冷量需求减少，对电制冷机的依赖程度降低。
表3为负荷平移前后各项运行成本比较，由表中可知，经过负荷平移后的联供***各项成本均有一定的下降。原因在于***供能侧发出的冷电功率更加匹配负荷侧，使得通过外网的购电量减少的同时，***向外网的售电量增加，***运行成本也随之降低。负荷平移后的联供***总运行成本较于负荷平移前下降了15.6％。
表3 夏季负荷平移前后成本比较
图8和图9分别为冬季负荷平移前和负荷平移后***各机组优化调度出力结果。燃气机组的平均负载率由0.71提高到了0.80。***中电锅炉的出力峰值由负荷平移前的1558.7kW降低到730kW，因此可以在联供***配置中可一定程度上减少电锅炉的配置容量，从而可以进一步减少了***的综合运行成本。同时还可以看出，***内的供需平衡使得对外网的电能需求降低，***与外网的交互功率随之大幅减少，从而可以减少对大功率输送容量线路的需求。
表4为冬季负荷平移前后各运行成本的比较，从表中可知，***在负荷平移后的各项成本同样具有一定程度的减少。负荷平移后的联供***运行总成本较于负荷平移前下降了9.16％。
表4 冬季负荷平移前后成本比较
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种计及需求侧管理的分布式冷热电联供***优化运行方法，其特征在于，该方法包括步骤：
1)结合冷热电联供***内各类可平移负荷的用电特性，从满足各时刻供能侧与需求侧的热电比相匹配的角度建立可平移负荷模型，并分别对冷热电负荷进行负荷平移；
2)基于负荷平移后的冷热电联供***，建立优化调度模型对冷热电联供***内各设备出力进行优化求解，获得优化运行结果。
2.根据权利要求1所述的计及需求侧管理的分布式冷热电联供***优化运行方法，其特征在于，所述步骤1)中，在保证整个调度周期内冷热电负荷总量不变的前提下，对联供***的电负荷和冷热负荷分别进行平移，使得各时段需求侧的热电比匹配供给侧的热电比，依据可平移负荷模型求解的优化变量为典型日内各时段各类平移负荷的移出量和移入量。
3.根据权利要求1所述的计及需求侧管理的分布式冷热电联供***优化运行方法，其特征在于，所述冷热电联供***的负荷平移表达式为：
Sload,t＝Sfcload,t+Sshiftin,t-Sshiftout,t
式中，Sload,t为t时段平移后的负荷值，Sfcload,t为t时段负荷预测值，Sshiftin,t、Sshiftout,t分别为t时段移入和移出的可平移负荷值，具体地，
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>s</mi>
<mi>h</mi>
<mi>i</mi>
<mi>f</mi>
<mi>t</mi>
<mi>i</mi>
<mi>n</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
</munder>
<mrow>
<mi>m</mi>
<mo>&NotEqual;</mo>
<mi>t</mi>
</mrow>
<mi>T</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>K</mi>
<mrow>
<mi>t</mi>
<mi>o</mi>
<mi>t</mi>
<mi>a</mi>
<mi>l</mi>
</mrow>
</msub>
</munderover>
<msub>
<mi>x</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>m</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<msub>
<mi>S</mi>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>L</mi>
</munderover>
<munderover>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
</munder>
<mrow>
<mi>m</mi>
<mo>&NotEqual;</mo>
<mi>t</mi>
<mo>-</mo>
<mi>l</mi>
</mrow>
<mi>T</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>K</mi>
<mrow>
<mi>t</mi>
<mi>o</mi>
<mi>t</mi>
<mi>a</mi>
<mi>l</mi>
</mrow>
</msub>
</munderover>
<msub>
<mi>x</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>m</mi>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<msub>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>s</mi>
<mi>h</mi>
<mi>i</mi>
<mi>f</mi>
<mi>t</mi>
<mi>o</mi>
<mi>u</mi>
<mi>t</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<munderover>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
</munder>
<mrow>
<mi>m</mi>
<mo>&NotEqual;</mo>
<mi>t</mi>
</mrow>
<mi>T</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>K</mi>
<mrow>
<mi>t</mi>
<mi>o</mi>
<mi>t</mi>
<mi>a</mi>
<mi>l</mi>
</mrow>
</msub>
</munderover>
<msub>
<mi>x</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mi>t</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<msub>
<mi>S</mi>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>L</mi>
</munderover>
<munderover>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
</munder>
<mrow>
<mi>m</mi>
<mo>&NotEqual;</mo>
<mi>t</mi>
<mo>-</mo>
<mi>l</mi>
</mrow>
<mi>T</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>K</mi>
<mrow>
<mi>t</mi>
<mi>o</mi>
<mi>t</mi>
<mi>a</mi>
<mi>l</mi>
</mrow>
</msub>
</munderover>
<msub>
<mi>x</mi>
<mrow>
<mi>k</mi>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>-</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<msub>
<mi>S</mi>
<mrow>
<mo>(</mo>
<mi>l</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
</mrow>
式中，T为调度周期，Ktotal为可平移负荷的种类，xk,m,t为第k类可平移负荷从m时段移入到t时段的数量，S1,k为第k类平移负荷在第1个工作时段的负荷值，L为平移负荷最大持续工作时间，S(l+1),k为第k类平移负荷在第l+1时段的负荷值。
4.根据权利要求3所述的计及需求侧管理的分布式冷热电联供***优化运行方法，其特征在于，所述冷热电联供***中，第k类可平移负荷的移动数量满足：
式中，xk.t为原先在t时段第k类负荷中可平移的负荷数量，dk为第k类负荷的平移时间裕度，xk.t.t'为第k类可平移负荷从t时段移入到t'时段的数量。
5.根据权利要求1所述的计及需求侧管理的分布式冷热电联供***优化运行方法，其特征在于，所述可平移负荷模型中，
电负荷平移目标函数为：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mstyle>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</munderover>
</mstyle>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>l</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>m</mi>
<mi>l</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>m</mi>
<mi>l</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<mrow>
<mo>(</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>K</mi>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>/</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>24</mn>
</munderover>
<mfrac>
<mn>1</mn>
<mrow>
<mi>K</mi>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>24</mn>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>f</mi>
<mi>c</mi>
<mi>l</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
1
式中，Pload,t为t时段平移后的电负荷值，Pmload,t为t时段电负荷目标值，Pfcload,i为i时段电负荷预测值，K(i)为i时段电网的售电价格；
热负荷平移目标函数为：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mstyle>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</munderover>
</mstyle>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>H</mi>
<mrow>
<mi>l</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>H</mi>
<mrow>
<mi>m</mi>
<mi>l</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>H</mi>
<mrow>
<mi>m</mi>
<mi>l</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>l</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<msub>
<mi>F</mi>
<mrow>
<mi>H</mi>
<mi>E</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中，Hload,t为t时段平移后的电负荷值，Hmload,t为t时段热负荷目标值，FHE为燃气机组的额定热电比；
冷负荷平移目标函数为：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mstyle>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</munderover>
</mstyle>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>L</mi>
<mrow>
<mi>l</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>L</mi>
<mrow>
<mi>m</mi>
<mi>l</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>L</mi>
<mrow>
<mi>m</mi>
<mi>l</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>l</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<msub>
<mi>F</mi>
<mrow>
<mi>C</mi>
<mi>E</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中，Lload,t为t时段平移后的冷负荷值，Lmload,t为t时段冷负荷目标值，FCE为燃气机组的额定冷电比。
6.根据权利要求1所述的计及需求侧管理的分布式冷热电联供***优化运行方法，其特征在于，所述可平移负荷模型采用内点法求解。
7.根据权利要求1所述的计及需求侧管理的分布式冷热电联供***优化运行方法，其特征在于，所述步骤2)中，优化调度模型以一天的综合成本最小为目标函数，该目标函数表达式为：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mi>min</mi>
<mi> </mi>
<msub>
<mi>C</mi>
<mrow>
<mi>t</mi>
<mi>o</mi>
<mi>t</mi>
<mi>a</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>=</mo>
<mstyle>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>24</mn>
</munderover>
</mstyle>
<mo>(</mo>
<msub>
<mi>C</mi>
<mi>M</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>C</mi>
<mi>G</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>C</mi>
<mi>E</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>C</mi>
<mi>M</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>=</mo>
<mstyle>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<mrow>
<msub>
<mi>k</mi>
<mi>i</mi>
</msub>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
</mstyle>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>C</mi>
<mi>G</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>=</mo>
<msub>
<mi>K</mi>
<mi>g</mi>
</msub>
<msub>
<mi>E</mi>
<mi>g</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>C</mi>
<mi>P</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>C</mi>
<mi>P</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>=</mo>
<mi>K</mi>
<msub>
<mi>P</mi>
<mrow>
<mi>g</mi>
<mi>r</mi>
<mi>i</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>K</mi>
<mrow>
<mi>B</mi>
<mi>P</mi>
</mrow>
</msub>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mo>(</mo>
<mn>0</mn>
<mo>,</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>E</mi>
<mi>X</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>C</mi>
<mi>E</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>=</mo>
<mstyle>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>J</mi>
</munderover>
<mrow>
<msub>
<mi>&alpha;</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>g</mi>
<mi>r</mi>
<mi>i</mi>
<mi>d</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>&eta;</mi>
<mi>e</mi>
</msub>
<msub>
<mi>&eta;</mi>
<mi>d</mi>
</msub>
</mrow>
</mfrac>
<msub>
<mi>u</mi>
<mi>j</mi>
</msub>
<mo>+</mo>
<msub>
<mi>E</mi>
<mi>g</mi>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<msub>
<mi>v</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
</mstyle>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>P</mi>
<mrow>
<mi>g</mi>
<mi>r</mi>
<mi>i</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>=</mo>
<mi>max</mi>
<mo>(</mo>
<mn>0</mn>
<mo>,</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>E</mi>
<mi>X</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
</mtd>
</mtr>
</mtable>
</mfenced>
式中，Ctotal为一天的综合成本，CM(t)、CG(t)、CE(t)分别为t时刻联供***的运行维护成本、购买能源成本、污染气体处理成本，N为***设备数量，ki为***第i个设备的运行维护费用系数，Pi(t)为t时段第i个设备的出力，Kg为天然气价，K为从电网购电电价，CP(t)为联供***与电网的交互成本，KBP为分布式能源标杆上网电价，取0.4593元/(kWh)，PEXC(t)为t时刻***与电网的交互功率，为正时代表从电网购电功率，为负时代表向电网售电功率，Eg(t)为t时段的天然气消耗量，uj为烧煤产生的第j种气体的排放系数，vj为燃烧天然气产生的第j种温室气体的排放系数，J为温室气体的种类，αj为第j种污染气体的处理费用，ηe和ηd为电厂的发电效率与线路传输效率，Pgrid(t)为t时段***向电网的购电量。
8.根据权利要求7所述的计及需求侧管理的分布式冷热电联供***优化运行方法，其特征在于，所述优化调度模型的约束条件包括能量平衡约束、联络线功率约束和可控机组约束，其中，
能量平衡约束为：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<msub>
<mi>P</mi>
<mrow>
<mi>E</mi>
<mi>X</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>G</mi>
<mi>T</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>=</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>L</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>E</mi>
<mi>B</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>E</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>Q</mi>
<mrow>
<mi>E</mi>
<mi>B</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>+</mo>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>w</mi>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
<mo>(</mo>
<msub>
<mi>Q</mi>
<mrow>
<mi>h</mi>
<mi>e</mi>
<mi>c</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>-</mo>
<msub>
<mi>Q</mi>
<mrow>
<mi>T</mi>
<mi>E</mi>
<mi>S</mi>
<mo>.</mo>
<mi>c</mi>
<mi>h</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>Q</mi>
<mrow>
<mi>T</mi>
<mi>E</mi>
<mi>S</mi>
<mo>.</mo>
<mi>d</mi>
<mi>i</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>)</mo>
<mo>=</mo>
<msub>
<mi>Q</mi>
<mrow>
<mi>L</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>L</mi>
<mrow>
<mi>A</mi>
<mi>R</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>+</mo>
<msub>
<mi>L</mi>
<mrow>
<mi>E</mi>
<mi>C</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
<mo>=</mo>
<msub>
<mi>L</mi>
<mrow>
<mi>L</mi>
<mi>o</mi>
<mi>a</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mtd>
</mtr>
</mtable>
</mfenced>
式中，Pload(t)、Qload(t)和Lload(t)分别为t时段的纯电负荷值、热负荷值和冷负荷值，PGT(t)为燃气内燃机功率，w(t)为t时段的余热用于制冷的分配系数，PEB(t)、QEB(t)分别为t时刻电锅炉的电功率和制热功率，PEC(t)和LEC(t)分别为t时刻电制冷机电功率和制冷功率，QTES.ch(t)和QTES.dis(t)为t时段蓄能装置的输入和输出功率，Qhrec(t)和LAR(t)为t时段余热回收装置功率和吸收式制冷机功率；
联络线功率约束为：
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>E</mi>
<mi>X</mi>
<mi>C</mi>
</mrow>
<mi>min</mi>
</msubsup>
<mo>&le;</mo>
<mo>|</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>E</mi>
<mi>X</mi>
<mi>C</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>t</mi>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mo>&le;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>E</mi>
<mi>X</mi>
<mi>C</mi>
</mrow>
<mi>max</mi>
</msubsup>
</mrow>
式中，和为联络线功率的下限和上限值；
可控机组约束为：
0≤Pi≤Ni
式中，Pi为第i个机组的输出功率；Ni为第i机组的容量。
9.根据权利要求1所述的计及需求侧管理的分布式冷热电联供***优化运行方法，其特征在于，所述优化调度模型采用遗传算法求解。
10.根据权利要求9所述的计及需求侧管理的分布式冷热电联供***优化运行方法，其特征在于，采用遗传算法求解所述优化调度模型时，将负荷平移后的各季节典型日的负荷曲线结合负荷平移前的预测负荷曲线作为初始数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710526916.4A CN107358345B (zh) | 2017-06-30 | 2017-06-30 | 计及需求侧管理的分布式冷热电联供***优化运行方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710526916.4A CN107358345B (zh) | 2017-06-30 | 2017-06-30 | 计及需求侧管理的分布式冷热电联供***优化运行方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107358345A true CN107358345A (zh) | 2017-11-17 |
| CN107358345B CN107358345B (zh) | 2021-07-20 |
Family
ID=60273834
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710526916.4A Active CN107358345B (zh) | 2017-06-30 | 2017-06-30 | 计及需求侧管理的分布式冷热电联供***优化运行方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107358345B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108154259A (zh) * | 2017-11-27 | 2018-06-12 | 国网北京市电力公司 | 热泵的负荷预测方法及装置、存储介质、处理器 |
| CN109063925A (zh) * | 2018-08-16 | 2018-12-21 | 合肥工业大学 | 一种计及负荷聚合商的区域综合能源***优化运行方法 |
| CN109242350A (zh) * | 2018-10-17 | 2019-01-18 | 燕山大学 | 计及可平移负荷的冷热电联供***容量优化配置方法 |
| CN109687504A (zh) * | 2018-11-14 | 2019-04-26 | 杭州赫智电子科技有限公司 | 基于源荷平衡的微电网能源优化分配方 |
| CN110361969A (zh) * | 2019-06-17 | 2019-10-22 | 清华大学 | 一种冷热电综合能源***优化运行方法 |
| WO2019223279A1 (zh) * | 2018-10-18 | 2019-11-28 | 中国科学院广州能源研究所 | 计及环境成本与实时电价的可平移负荷模型构建方法 |
| CN112001652A (zh) * | 2020-08-28 | 2020-11-27 | 广东电网有限责任公司广州供电局 | 一种异质能流耦合能源***的优化方法及装置 |
| CN112288242A (zh) * | 2020-10-19 | 2021-01-29 | 国网四川省电力公司经济技术研究院 | 一种基于闲置量聚合的分布式能源共享服务资源匹配方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105869075A (zh) * | 2016-04-19 | 2016-08-17 | 东南大学 | 一种冷热电联供型微型能源网经济优化调度方法 |
| CN106505634A (zh) * | 2016-12-14 | 2017-03-15 | 东南大学 | 基于两阶段协调优化与控制的冷热电联供型微网运行方法 |
| CN106786793A (zh) * | 2016-12-14 | 2017-05-31 | 东南大学 | 一种基于鲁棒优化的冷热电联供型微网运行方法 |
-
2017
- 2017-06-30 CN CN201710526916.4A patent/CN107358345B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105869075A (zh) * | 2016-04-19 | 2016-08-17 | 东南大学 | 一种冷热电联供型微型能源网经济优化调度方法 |
| CN106505634A (zh) * | 2016-12-14 | 2017-03-15 | 东南大学 | 基于两阶段协调优化与控制的冷热电联供型微网运行方法 |
| CN106786793A (zh) * | 2016-12-14 | 2017-05-31 | 东南大学 | 一种基于鲁棒优化的冷热电联供型微网运行方法 |
Non-Patent Citations (2)
| Title |
|---|
| 符杨等: "计及可平移符合的微网经济优化调度", 《中国电机工程学报》 * |
| 胡荣等: "分布式冷热电联供***优化配置与适用性分析", 《电网技术》 * |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108154259A (zh) * | 2017-11-27 | 2018-06-12 | 国网北京市电力公司 | 热泵的负荷预测方法及装置、存储介质、处理器 |
| CN108154259B (zh) * | 2017-11-27 | 2021-11-05 | 国网北京市电力公司 | 热泵的负荷预测方法及装置、存储介质、处理器 |
| CN109063925A (zh) * | 2018-08-16 | 2018-12-21 | 合肥工业大学 | 一种计及负荷聚合商的区域综合能源***优化运行方法 |
| CN109063925B (zh) * | 2018-08-16 | 2021-08-17 | 合肥工业大学 | 一种计及负荷聚合商的区域综合能源***优化运行方法 |
| CN109242350A (zh) * | 2018-10-17 | 2019-01-18 | 燕山大学 | 计及可平移负荷的冷热电联供***容量优化配置方法 |
| WO2019223279A1 (zh) * | 2018-10-18 | 2019-11-28 | 中国科学院广州能源研究所 | 计及环境成本与实时电价的可平移负荷模型构建方法 |
| CN109687504A (zh) * | 2018-11-14 | 2019-04-26 | 杭州赫智电子科技有限公司 | 基于源荷平衡的微电网能源优化分配方 |
| CN110361969A (zh) * | 2019-06-17 | 2019-10-22 | 清华大学 | 一种冷热电综合能源***优化运行方法 |
| CN110361969B (zh) * | 2019-06-17 | 2021-01-05 | 清华大学 | 一种冷热电综合能源***优化运行方法 |
| CN112001652A (zh) * | 2020-08-28 | 2020-11-27 | 广东电网有限责任公司广州供电局 | 一种异质能流耦合能源***的优化方法及装置 |
| CN112288242A (zh) * | 2020-10-19 | 2021-01-29 | 国网四川省电力公司经济技术研究院 | 一种基于闲置量聚合的分布式能源共享服务资源匹配方法 |
| CN112288242B (zh) * | 2020-10-19 | 2022-07-15 | 国网四川省电力公司经济技术研究院 | 一种基于闲置量聚合的分布式能源共享服务资源匹配方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107358345B (zh) | 2021-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhao et al. | Matching model of energy supply and demand of the integrated energy system in coastal areas | |
| Liu et al. | Two-phase collaborative optimization and operation strategy for a new distributed energy system that combines multi-energy storage for a nearly zero energy community | |
| CN108960503B (zh) | 基于内点法的综合能源***多场景优化分析方法 | |
| CN107358345A (zh) | 计及需求侧管理的分布式冷热电联供***优化运行方法 | |
| CN108631343A (zh) | 一种多能互补能源互联网优化调度方法 | |
| CN108717594A (zh) | 一种冷热电联供型多微网***经济优化调度方法 | |
| Cui et al. | Effect of device models on the multiobjective optimal operation of CCHP microgrids considering shiftable loads | |
| CN107194543A (zh) | 一种区域能源规划设计阶段的能源站配置方法 | |
| CN104820363B (zh) | 基于生物质气的冷热电联供***及能量优化控制方法 | |
| CN110361969A (zh) | 一种冷热电综合能源***优化运行方法 | |
| Yu et al. | Complementary configuration research of new combined cooling, heating, and power system driven by renewable energy under energy management modes | |
| Jie et al. | Study of energy scheduling and optimal cost management of a new structure CCHP system: A case study supplying energy for a chemical enterprise in Jiangsu Province | |
| CN109255487A (zh) | 一种基于标准化矩阵模型的综合能源***优化方法 | |
| Ma et al. | Performance optimization of phase change energy storage combined cooling, heating and power system based on GA+ BP neural network algorithm | |
| Jia et al. | Optimal operation of multi-energy systems in distributed energy network considering energy storage | |
| Chen et al. | Flexible dispatching method for park‐level integrated energy systems considering energy cascade utilization | |
| CN110516863A (zh) | 一种冷热电联供型多微网主动配电***双层优化方法 | |
| Yanan et al. | Exergy analysis of cogeneration system for the wind–solar–gas turbine combined supply | |
| Xin et al. | Research on energy hub configuration optimization problem based on analytic hierarchy and grey correlation analysis | |
| Zhang et al. | Optimized configuration of integrated energy system considering the access and operation of renewable energy | |
| Chen et al. | A multi-energy microgrid modelling and optimization method based on exergy theory | |
| Zhang et al. | Modeling and operation optimization of mine integrated energy system under variable conditions of typical equipment | |
| CN204494904U (zh) | 基于生物质气的冷热电联供*** | |
| Shi | Control strategy design and performance analysis of a low carbon and high ratio green energy CCHP (LCHRG-CCHP) system | |
| Liu et al. | Developing an improved chameleon swarm algorithm for combined cooling, heating and power micro-grid system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |