CN109995027A - 一种两阶段区域用户能量管理方法及*** - Google Patents
一种两阶段区域用户能量管理方法及*** Download PDFInfo
- Publication number
- CN109995027A CN109995027A CN201910220294.1A CN201910220294A CN109995027A CN 109995027 A CN109995027 A CN 109995027A CN 201910220294 A CN201910220294 A CN 201910220294A CN 109995027 A CN109995027 A CN 109995027A
- Authority
- CN
- China
- Prior art keywords
- power
- electricity consumption
- moment
- zone user
- user
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种两阶段区域用户能量管理方法及***,所述方法包括:以区域用户日前购电成本最小为目标获取预测日区域用户的用电计划;以区域用户综合调节成本最小为目标调节所述预测日区域用户的用电计划;将调节后的预测日区域用户的用电计划下发至用户。本发明提供的技术方案基于负荷聚集商集群控制机制,建立了日前和实时能量管理的两阶段优化模型,通过实时阶段对日前能量管理方案进行修正,从而优化了负荷聚集商下的各用户用电方案,最大化地提高了光伏利用率,极大提高了用户用电的智能化程度。
Description
技术领域
本发明涉及客户侧能量管理技术领域,具体涉及一种两阶段区域用户能量管理方法及***。
背景技术
随着传统化石能源的日益枯竭,生态环境压力增大和负荷需求的增长,传统发电方式难以适应人类可持续发展。其中,分布式光伏作为目前发展潜力巨大的一种清洁、环保、分布相对均匀的可再生能源,现已广泛应用在用户中。同时,随着电池储能技术的成熟和经济成本的下降,电动汽车将逐步取代传统的以内燃机为动力的汽车。据估计,在2020年,中国的电动汽车的数量将会达到500万~1000万辆。
然而光伏(photovoltaic,PV)出力具有不确定性,其出力预测存在较大偏差。而电动汽车为代表的新型不确定性负载的加入,使电能的流动和管理变得更加复杂。高闲置率的电动汽车以及可控的温度型负荷使得对用户内的经济调度和光伏消纳成为可能。目前针对多资源能量管理研究主要采用日前阶段协同调度,但其忽略了在实时阶段调度时,用户用电曲线和光伏出力与日前预测偏差,导致用电计划偏离最优。
针对区域用户设备多,通讯负担大的现状,如何合理制定不同用户的用电计划以实现用户的智能用电是一个亟待解决的问题。
发明内容
为了解决园区内光伏消纳以及多元用户下资源能量优化问题,本发明提供一种基于集群控制下的两阶段区域用户能量管理方法及***,通过在日前和实时能量管理的两阶段优化模型,在实时阶段对日前能量管理方案进行修正,在减轻***通讯负担的同时,提高用户用电的经济性。
本发明提供的一种两阶段区域用户能量管理方法,其改进之处在于,包括:
以区域用户日前购电成本最小为目标获取预测日区域用户的用电计划;
以区域用户综合调节成本最小为目标调节所述预测日区域用户的用电计划;
将调节后的预测日区域用户的用电计划下发至用户;
其中,所述用电计划包括:温控负荷功率、电动汽车充电量和储能充\放电量。
优选的,所述以区域用户日前购电成本最小为目标获取预测日区域用户的用电计划,包括:
通过自适应灰狼优化算法求解区域用户日前购电成本目标函数,获取最优预测日区域用户的用电计划,其中,按下式确定区域用户日前购电成本目标函数:
上式中,F为区域用户日前购电成本,m为分时电价,T为调度周期,为t时刻区域用户向电网购电总有功功率;
其中,按下式确定所述t时刻区域用户向电网购电总有功功率
上式中,为t时刻第i个用户的基础负荷功率,N为区域内用户数,为t时刻第i个温控负荷的功率,NAC为区域内加载的温控负荷数,为t时刻第i个电动汽车的充电功率,NEV为区域内载有的电动汽车数,为t时刻第i个储能的充电功率,NESS为区域内加设的储能数,为t时刻第i个光伏的有功功率,NDG为区域内加装的光伏数,为t时刻第i个储能的放电功率。
优选的,所述以区域用户综合调节成本最小为目标调节所述预测日区域用户的用电计划,包括:
通过自适应灰狼优化算法求解区域用户综合调节成本目标函数,获取所述预测日区域用户的用电计划中储能的充放电功率调节量和温控负荷功率调节量;
分别利用所述预测日区域用户的用电计划中储能的充放电功率调节量和温控负荷功率调节量调节所述预测日区域用户的用电计划中的储能的充放电功率和温控负荷功率。
进一步的,按下式确定所述区域用户综合调节成本目标函数:
上式中,F2为区域用户综合调节成本,T1为实时阶段调度周期,N1为区域内加设的储能数,为t时刻第i个储能的调节成本,为t时刻第i个温控负荷调节的舒适度补偿成本,N2为区域内加载的温控负荷数;
其中,按下式计算t时刻第i个储能的调节成本和t时刻第i个温控负荷调节的舒适度补偿成本
上式中,c1为储能调节成本系数,为所述预测日区域用户的用电计划中t时刻第i个储能充放电功率调节量,c2为温控负荷调节补偿系数,为所述预测日区域用户的用电计划中t时刻第i个温控负荷功率调节量。
进一步的,所述分别利用所述预测日区域用户的用电计划中储能的充放电功率调节量和温控负荷功率调节量调节所述预测日区域用户的用电计划中的储能的充放电功率和温控负荷功率,包括:
按下式调节所述预测日区域用户的用电计划中的储能的充放电功率:
按下式调节所述预测日区域用户的用电计划中的温控负荷功率:
上式中,为所述预测日区域用户的用电计划中t时刻第i个储能的充电功率修正值,为所述预测日区域用户的用电计划中t时刻第i个储能的充电功率,为所述预测日区域用户的用电计划中t时刻第i个储能的充放电功率调节量,为所述预测日区域用户的用电计划中t时刻第i个储能的放电功率修正值,为所述预测日区域用户的用电计划中t时刻第i个储能的放电功率,为所述预测日区域用户的用电计划中t时刻第i个温控负荷的功率修正值,为所述预测日区域用户的用电计划中t时刻第i个温控负荷的功率,为所述预测日区域用户的用电计划中t时刻第i个温控负荷的功率调节量。
本发明提供的一种两阶段区域用户能量管理***,其改进之处在于,所述***包括:
获取模块,用于以区域用户日前购电成本最小为目标获取预测日区域用户的用电计划;
调节模块,用于以区域用户综合调节成本最小为目标调节所述预测日区域用户的用电计划;
下发模块,用于将调节后的预测日区域用户的用电计划下发至用户;
其中,所述用电计划包括:温控负荷功率、电动汽车充电量和储能充\放电量。
优选的,所述获取模块,用于:
通过自适应灰狼优化算法求解区域用户日前购电成本目标函数,获取最优预测日区域用户的用电计划,其中,按下式确定区域用户日前购电成本目标函数:
上式中,F为区域用户日前购电成本,m为分时电价,T为调度周期,为t时刻区域用户向电网购电总有功功率;
其中,按下式确定所述t时刻区域用户向电网购电总有功功率
上式中,为t时刻第i个用户的基础负荷功率,N为区域内用户数,为t时刻第i个温控负荷的功率,NAC为区域内加载的温控负荷数,为t时刻第i个电动汽车的充电功率,NEV为区域内载有的电动汽车数,为t时刻第i个储能的充电功率,NESS为区域内加设的储能数,为t时刻第i个光伏的有功功率,NDG为区域内加装的光伏数,为t时刻第i个储能的放电功率。
优选的,所述调节模块,用于:
通过自适应灰狼优化算法求解区域用户综合调节成本目标函数,获取所述预测日区域用户的用电计划中储能的充放电功率调节量和温控负荷功率调节量;
分别利用所述预测日区域用户的用电计划中储能的充放电功率调节量和温控负荷功率调节量调节所述预测日区域用户的用电计划中的储能的充放电功率和温控负荷功率。
进一步的,按下式确定所述区域用户综合调节成本目标函数:
上式中,F2为区域用户综合调节成本,T1为实时阶段调度周期,N1为区域内加设的储能数,为t时刻第i个储能的调节成本,为t时刻第i个温控负荷调节的舒适度补偿成本,N2为区域内加载的温控负荷数;
其中,按下式计算t时刻第i个储能的调节成本和t时刻第i个温控负荷调节的舒适度补偿成本
上式中,c1为储能调节成本系数,为所述预测日区域用户的用电计划中t时刻第i个储能充放电功率调节量,c2为温控负荷调节补偿系数,为所述预测日区域用户的用电计划中t时刻第i个温控负荷功率调节量。
进一步的,所述分别利用所述预测日区域用户的用电计划中储能的充放电功率调节量和温控负荷功率调节量调节所述预测日区域用户的用电计划中的储能的充放电功率和温控负荷功率,包括:
按下式调节所述预测日区域用户的用电计划中的储能的充放电功率:
按下式调节所述预测日区域用户的用电计划中的温控负荷功率:
上式中,为所述预测日区域用户的用电计划中t时刻第i个储能的充电功率修正值,为所述预测日区域用户的用电计划中t时刻第i个储能的充电功率,为所述预测日区域用户的用电计划中t时刻第i个储能的充放电功率调节量,为所述预测日区域用户的用电计划中t时刻第i个储能的放电功率修正值,为所述预测日区域用户的用电计划中t时刻第i个储能的放电功率,为所述预测日区域用户的用电计划中t时刻第i个温控负荷的功率修正值,为所述预测日区域用户的用电计划中t时刻第i个温控负荷的功率,为所述预测日区域用户的用电计划中t时刻第i个温控负荷的功率调节量。
与最接近的现有技术比,本发明提供的技术方案具有以下优异效果:
本发明提供了一种两阶段区域用户能量管理方法及***,基于负荷聚集商集群控制机制,建立了日前和实时能量管理的两阶段优化模型。考虑到光伏和用户用电功率预测的误差存在,通过实时阶段对日前能量管理方案进行修正,从而优化了负荷聚集商下的各用户用电方案,最大化提高光伏利用率,极大提高了用户用电的智能化程度。
附图说明
图1是本发明提供的两阶段区域用户能量管理方法的流程图;
图2是本发明实施例中提供的两阶段区域用户能量管理方法中改进灰狼优化算法流程图;
图3是本发明实施例中提供的两阶段区域用户能量管理***的结构图;
图4是本发明实施例中提供的两阶段区域用户能量管理方法中区域用户优化前后的用电曲线;
图5是本发明实施例中提供的两阶段区域用户能量管理方法中区域电动汽车的充电功率;
图6是本发明实施例中提供的两阶段区域用户能量管理方法中区域用户温控负荷的用电功率;
图7是本发明实施例中提供的两阶段区域用户能量管理方法中区域用户内储能的充放电功率。
具体实施方式
下面结合附图对本发明的具体实施方式作详细说明。
实施例一
本发明实施例提出一种两阶段区域用户能量管理方法,流程图如图1所示,包括:
以区域用户日前购电成本最小为目标获取预测日区域用户的用电计划;
以区域用户综合调节成本最小为目标调节所述预测日区域用户的用电计划;
将调节后的预测日区域用户的用电计划下发至用户;
其中,所述用电计划包括:温控负荷功率、电动汽车充电量和储能充\放电量。
具体的,本发明提供的最优实施例中,可以包括以下步骤:
步骤1:负荷聚集商接收区域内各用户内可控资源的状态信息,预测的光伏出力和用电曲线;
步骤2:在日前阶段,负荷聚集商以区域用户日前购电成本最小为目标函数建立日前能量管理优化模型;
步骤3:采用自适应灰狼优化算法对日前调度模型进行求解;
步骤4:负荷聚集商根据优化结果在日前阶段向电网买电,并将用电计划下发到各用户;
步骤5:在实时阶段,负荷聚集商每隔4h更新信息,对以区域用户综合调节成本最小为目标函数的实时能量管理模型采用自适应灰狼优化算法进行求解;
步骤6:根据优化结果更新各用户用电指令。
进一步的,所述以区域用户日前购电成本最小为目标获取预测日区域用户的用电计划,包括:
在日前阶段,调度周期为24h,时间间隔为15min,通过自适应灰狼优化算法求解区域用户日前购电成本目标函数,获取最优预测日区域用户的用电计划,其中,按下式确定区域用户日前购电成本目标函数:
上式中,F为区域用户日前购电成本,m为分时电价,T为调度周期,为t时刻区域用户向电网购电总有功功率;
其中,按下式确定所述t时刻区域用户向电网购电总有功功率
上式中,为t时刻第i个用户的基础负荷功率,N为区域内用户数,为t时刻第i个温控负荷的功率,NAC为区域内加载的温控负荷数,为t时刻第i个电动汽车的充电功率,NEV为区域内载有的电动汽车数,为t时刻第i个储能的充电功率,NESS为区域内加设的储能数,为t时刻第i个光伏的有功功率,NDG为区域内加装的光伏数,为t时刻第i个储能的放电功率。
所述自适应灰狼优化算法,如图2所示,具体步骤如下:
步骤a:初始化,产生初始狼群X,设置最大允许迭代次数Gmax;
步骤b:计算适应度目标函数;
步骤c:按适应度排序依次筛选出最优的前三匹头狼位置Xα(t),Xβ(t)和Xδ(t),t为当前迭代次数;
步骤d:更新下一代子群灰狼位置;
步骤d-1:计算自适应收敛因子a
步骤d-2:根据头狼位置Xα(t),Xβ(t)和Xδ(t)判断与需包围猎物的距离
D1=|C1Xα(t)-X(t)|
D2=|C2Xβ(t)-X(t)|
D3=|C3Xδ(t)-X(t)|
上式中,C1,C2和C3为扰动因子,分别代表为对三匹头狼搜索的扰动;
步骤d-3:计算其余狼群Xω前进的方向和距离
X1=Xα-A1D1
X2=Xβ-A2D2
X3=Xδ-A3D3
上式中,X1代表狼群ω根据头狼α指导的搜索方向更新的位置,X2代表狼群ω根据头狼β指导的搜索方向更新的位置,X3代表狼群ω根据头狼δ指导的搜索方向更新的位置,A为收敛变量,且A=2ar2-a,r2为[0,1]内的随机数;
步骤d-4:计算基于权重比例的动态学习权重w1,w2,w3;
式中,w1为狼群ω对头狼α的动态学习权重,w2为狼群ω对头狼β的动态学习权重,w3为狼群ω对头狼δ的动态学习权重;
步骤d-5:更新下一代种群灰狼的位置X(t+1)
步骤e:更新参数自适应收敛因子a,随机变量A,扰动因子C;
步骤f:判断是否满足终止条件,如果不满足,t=t+1并转步骤到b,否则进入步骤g;
步骤g:输出头狼α的位置。
所述以区域用户综合调节成本最小为目标调节所述预测日区域用户的用电计划,包括:
通过自适应灰狼优化算法求解区域用户综合调节成本目标函数,获取所述预测日区域用户的用电计划中储能的充放电功率调节量和温控负荷功率调节量;
分别利用所述预测日区域用户的用电计划中储能的充放电功率调节量和温控负荷功率调节量调节所述预测日区域用户的用电计划中的储能的充放电功率和温控负荷功率。
具体的,调度周期为4h,时间间隔为15min,按下式确定所述区域用户综合调节成本目标函数:
上式中,F2为区域用户综合调节成本,T1为实时阶段调度周期,N1为区域内加设的储能数,为t时刻第i个储能的调节成本,为t时刻第i个温控负荷调节的舒适度补偿成本,N2为区域内加载的温控负荷数;
其中,按下式计算t时刻第i个储能的调节成本和t时刻第i个温控负荷调节的舒适度补偿成本
上式中,c1为储能调节成本系数,为所述预测日区域用户的用电计划中t时刻第i个储能充放电功率调节量,c2为温控负荷调节补偿系数,为所述预测日区域用户的用电计划中t时刻第i个温控负荷功率调节量。
所述分别利用所述预测日区域用户的用电计划中储能的充放电功率调节量和温控负荷功率调节量调节所述预测日区域用户的用电计划中的储能的充放电功率和温控负荷功率,包括:
按下式调节所述预测日区域用户的用电计划中的储能的充放电功率:
按下式调节所述预测日区域用户的用电计划中的温控负荷功率:
上式中,为所述预测日区域用户的用电计划中t时刻第i个储能的充电功率修正值,为所述预测日区域用户的用电计划中t时刻第i个储能的充电功率,为所述预测日区域用户的用电计划中t时刻第i个储能的充放电功率调节量,为所述预测日区域用户的用电计划中t时刻第i个储能的放电功率修正值,为所述预测日区域用户的用电计划中t时刻第i个储能的放电功率,为所述预测日区域用户的用电计划中t时刻第i个温控负荷的功率修正值,为所述预测日区域用户的用电计划中t时刻第i个温控负荷的功率,为所述预测日区域用户的用电计划中t时刻第i个温控负荷的功率调节量。
实施例二
本发明实施例提出一种两阶段区域用户能量管理***,结构如图3所示,包括:
获取模块,用于以区域用户日前购电成本最小为目标获取预测日区域用户的用电计划;
调节模块,用于以区域用户综合调节成本最小为目标调节所述预测日区域用户的用电计划;
下发模块,用于将调节后的预测日区域用户的用电计划下发至用户;
其中,所述用电计划包括:温控负荷功率、电动汽车充电量和储能充\放电量。
具体的,所述获取模块,用于:
通过自适应灰狼优化算法求解区域用户日前购电成本目标函数,获取最优预测日区域用户的用电计划,其中,按下式确定区域用户日前购电成本目标函数:
上式中,F为区域用户日前购电成本,m为分时电价,T为调度周期,为t时刻区域用户向电网购电总有功功率;
其中,按下式确定所述t时刻区域用户向电网购电总有功功率
上式中,为t时刻第i个用户的基础负荷功率,N为区域内用户数,为t时刻第i个温控负荷的功率,NAC为区域内加载的温控负荷数,为t时刻第i个电动汽车的充电功率,NEV为区域内载有的电动汽车数,为t时刻第i个储能的充电功率,NESS为区域内加设的储能数,为t时刻第i个光伏的有功功率,NDG为区域内加装的光伏数,为t时刻第i个储能的放电功率。
具体的,所述调节模块,用于:
通过自适应灰狼优化算法求解区域用户综合调节成本目标函数,获取所述预测日区域用户的用电计划中储能的充放电功率调节量和温控负荷功率调节量;
分别利用所述预测日区域用户的用电计划中储能的充放电功率调节量和温控负荷功率调节量调节所述预测日区域用户的用电计划中的储能的充放电功率和温控负荷功率。
按下式确定所述区域用户综合调节成本目标函数:
上式中,F2为区域用户综合调节成本,T1为实时阶段调度周期,N1为区域内加设的储能数,为t时刻第i个储能的调节成本,为t时刻第i个温控负荷调节的舒适度补偿成本,N2为区域内加载的温控负荷数;
其中,按下式计算t时刻第i个储能的调节成本和t时刻第i个温控负荷调节的舒适度补偿成本
上式中,c1为储能调节成本系数,为所述预测日区域用户的用电计划中t时刻第i个储能充放电功率调节量,c2为温控负荷调节补偿系数,为所述预测日区域用户的用电计划中t时刻第i个温控负荷功率调节量。
所述分别利用所述预测日区域用户的用电计划中储能的充放电功率调节量和温控负荷功率调节量调节所述预测日区域用户的用电计划中的储能的充放电功率和温控负荷功率,包括:
按下式调节所述预测日区域用户的用电计划中的储能的充放电功率:
按下式调节所述预测日区域用户的用电计划中的温控负荷功率:
上式中,为所述预测日区域用户的用电计划中t时刻第i个储能的充电功率修正值,为所述预测日区域用户的用电计划中t时刻第i个储能的充电功率,为所述预测日区域用户的用电计划中t时刻第i个储能的充放电功率调节量,为所述预测日区域用户的用电计划中t时刻第i个储能的放电功率修正值,为所述预测日区域用户的用电计划中t时刻第i个储能的放电功率,为所述预测日区域用户的用电计划中t时刻第i个温控负荷的功率修正值,为所述预测日区域用户的用电计划中t时刻第i个温控负荷的功率,为所述预测日区域用户的用电计划中t时刻第i个温控负荷的功率调节量。
实施例三
以负荷聚集商控制区域内的一家大用户为例对本发明的具体实施方式做进一步详细说明:
大用户中配备的分布式能源包括光伏电池和1000kW的锂电池。其中,用户的温控负荷为空调,设为50台,占总负荷的10%;可调度负荷为电动汽车,设为20辆,占总负荷5%。
根据用户需求,室内温度Ta的上下限分别为22℃和26℃;电动汽车采用常规慢速充电方式,电池容量为70kWh,百公里耗电量W100为15kWh,单位时间最大充电功率Pch,max为7kW,每日每辆车的充电总量由其日行驶里程di确定,电动汽车i开始接入充电时刻ti,a到下一次行程开始时刻ti,s为一次充电周期,在此期间电量充满。储能SOC状态初始值为0.5,储能的SOC状态上下限为[0.2,1],充放电效率为82%,电池能量倍率为2.74,寿命为10年。
在该区域,负荷聚集商采用售电价格采用分时电价,分为峰时段(8:00-12:00,17:00-21:00)为1.1002元/kWh,平时段(12:00-17:00,21:00-24:00)为0.6601元/kWh以及谷时段(0:00-8:00)为0.32元/kWh。光伏补贴电价根据为0.42元/kWh,余量上网电价为0.34元/kWh。
***的调度周期为24h,仿真步长采用15min,经过能量管理优化后,优化过的负荷曲线如图4所示,任选一台的电动汽车的充电功率和空调的功率分别如图5和6所示,储能的充放电功率如7所示。
算例中,电动汽车的使用时间调整到光伏较为充足或电价较低的时段,空调也通过优化缩短了使用时间,储能在电价较低或光伏富裕的情况下充电,在电价较高时放电。
为了进一步说明,经过协调调度策略优化生成的用电计划对用户经济性的提高。将优化后的用电计划(策略5)与原始用电计划(策略1)和仅优化调度需求响应资源(策略2),仅优化调度电动汽车(策略3),仅优化调度储能(策略4)等方式进行对比,则各调度资源和一天的电费如表1所示。其中,策略2到策略4中,其他调度资源的用电计划不变。
表1 各场景下一天内电费对比
基础负荷/元 | 空调/元 | 电动汽车/元 | 储能/元 | 光伏/元 | 总电费/元 | |
策略1 | 33681 | 2080.3 | 166.6140 | -297.8973 | -4410.5 | 31219 |
策略2 | 33681 | 1002.7 | 166.6140 | -297.8973 | -4410.5 | 30142 |
策略3 | 33681 | 2080.3 | 103.6864 | -297.8973 | -4410.5 | 31156 |
策略4 | 33681 | 2080.3 | 166.6140 | -501.4185 | -4410.5 | 31016 |
策略5 | 33681 | 1002.7 | 103.6864 | -791.2185 | -4410.5 | 29056 |
由表1所示,策略2节省了3.4%的电费,效果;策略3节省的电费较少,才63元,不到1%,这是因为电动汽车保有量比较低,优化后的效果不太明显。策略4节省了203元,在策略2到策略4中虽然只调度了一种资源,区域用户内的电费也有了一定的减少。策略5对户内所有资源进行了协调调度,节省了2163元(7%)。相比只调度用户内一种资源,协调调度策略下的用电计划每日的市电费用最低,有效地提高了用户的经济性。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (10)
1.一种两阶段区域用户能量管理方法,其特征在于,包括:
以区域用户日前购电成本最小为目标获取预测日区域用户的用电计划;
以区域用户综合调节成本最小为目标调节所述预测日区域用户的用电计划;
将调节后的预测日区域用户的用电计划下发至用户;
其中,所述用电计划包括:温控负荷功率、电动汽车充电量和储能充\放电量。
2.如权利要求1所述的方法,其特征在于,所述以区域用户日前购电成本最小为目标获取预测日区域用户的用电计划,包括:
通过自适应灰狼优化算法求解区域用户日前购电成本目标函数,获取最优预测日区域用户的用电计划,其中,按下式确定区域用户日前购电成本目标函数:
上式中,F为区域用户日前购电成本,m为分时电价,T为调度周期,为t时刻区域用户向电网购电总有功功率;
其中,按下式确定所述t时刻区域用户向电网购电总有功功率
上式中,为t时刻第i个用户的基础负荷功率,N为区域内用户数,为t时刻第i个温控负荷的功率,NAC为区域内加载的温控负荷数,为t时刻第i个电动汽车的充电功率,NEV为区域内载有的电动汽车数,为t时刻第i个储能的充电功率,NESS为区域内加设的储能数,为t时刻第i个光伏的有功功率,NDG为区域内加装的光伏数,为t时刻第i个储能的放电功率。
3.如权利要求1所述的方法,其特征在于,所述以区域用户综合调节成本最小为目标调节所述预测日区域用户的用电计划,包括:
通过自适应灰狼优化算法求解区域用户综合调节成本目标函数,获取所述预测日区域用户的用电计划中储能的充放电功率调节量和温控负荷功率调节量;
分别利用所述预测日区域用户的用电计划中储能的充放电功率调节量和温控负荷功率调节量调节所述预测日区域用户的用电计划中的储能的充放电功率和温控负荷功率。
4.如权利要求3所述的方法,其特征在于,按下式确定所述区域用户综合调节成本目标函数:
上式中,F2为区域用户综合调节成本,T1为实时阶段调度周期,N1为区域内加设的储能数,为t时刻第i个储能的调节成本,为t时刻第i个温控负荷调节的舒适度补偿成本,N2为区域内加载的温控负荷数;
其中,按下式计算t时刻第i个储能的调节成本和t时刻第i个温控负荷调节的舒适度补偿成本
上式中,c1为储能调节成本系数,为所述预测日区域用户的用电计划中t时刻第i个储能充放电功率调节量,c2为温控负荷调节补偿系数,为所述预测日区域用户的用电计划中t时刻第i个温控负荷功率调节量。
5.如权利要求3所述的方法,其特征在于,所述分别利用所述预测日区域用户的用电计划中储能的充放电功率调节量和温控负荷功率调节量调节所述预测日区域用户的用电计划中的储能的充放电功率和温控负荷功率,包括:
按下式调节所述预测日区域用户的用电计划中的储能的充放电功率:
按下式调节所述预测日区域用户的用电计划中的温控负荷功率:
上式中,为所述预测日区域用户的用电计划中t时刻第i个储能的充电功率修正值,为所述预测日区域用户的用电计划中t时刻第i个储能的充电功率,为所述预测日区域用户的用电计划中t时刻第i个储能的充放电功率调节量,为所述预测日区域用户的用电计划中t时刻第i个储能的放电功率修正值,为所述预测日区域用户的用电计划中t时刻第i个储能的放电功率,为所述预测日区域用户的用电计划中t时刻第i个温控负荷的功率修正值,为所述预测日区域用户的用电计划中t时刻第i个温控负荷的功率,为所述预测日区域用户的用电计划中t时刻第i个温控负荷的功率调节量。
6.一种两阶段区域用户能量管理***,其特征在于,包括:
获取模块,用于以区域用户日前购电成本最小为目标获取预测日区域用户的用电计划;
调节模块,用于以区域用户综合调节成本最小为目标调节所述预测日区域用户的用电计划;
下发模块,用于将调节后的预测日区域用户的用电计划下发至用户;
其中,所述用电计划包括:温控负荷功率、电动汽车充电量和储能充\放电量。
7.如权利要求6所述的***,其特征在于,所述获取模块,用于:
通过自适应灰狼优化算法求解区域用户日前购电成本目标函数,获取最优预测日区域用户的用电计划,其中,按下式确定区域用户日前购电成本目标函数:
上式中,F为区域用户日前购电成本,m为分时电价,T为调度周期,为t时刻区域用户向电网购电总有功功率;
其中,按下式确定所述t时刻区域用户向电网购电总有功功率
上式中,为t时刻第i个用户的基础负荷功率,N为区域内用户数,为t时刻第i个温控负荷的功率,NAC为区域内加载的温控负荷数,为t时刻第i个电动汽车的充电功率,NEV为区域内载有的电动汽车数,为t时刻第i个储能的充电功率,NESS为区域内加设的储能数,为t时刻第i个光伏的有功功率,NDG为区域内加装的光伏数,为t时刻第i个储能的放电功率。
8.如权利要求6所述的***,其特征在于,所述调节模块,用于:
通过自适应灰狼优化算法求解区域用户综合调节成本目标函数,获取所述预测日区域用户的用电计划中储能的充放电功率调节量和温控负荷功率调节量;
分别利用所述预测日区域用户的用电计划中储能的充放电功率调节量和温控负荷功率调节量调节所述预测日区域用户的用电计划中的储能的充放电功率和温控负荷功率。
9.如权利要求8所述的***,其特征在于,按下式确定所述区域用户综合调节成本目标函数:
上式中,F2为区域用户综合调节成本,T1为实时阶段调度周期,N1为区域内加设的储能数,为t时刻第i个储能的调节成本,为t时刻第i个温控负荷调节的舒适度补偿成本,N2为区域内加载的温控负荷数;
其中,按下式计算t时刻第i个储能的调节成本和t时刻第i个温控负荷调节的舒适度补偿成本
上式中,c1为储能调节成本系数,为所述预测日区域用户的用电计划中t时刻第i个储能充放电功率调节量,c2为温控负荷调节补偿系数,为所述预测日区域用户的用电计划中t时刻第i个温控负荷功率调节量。
10.如权利要求8所述的***,其特征在于,所述分别利用所述预测日区域用户的用电计划中储能的充放电功率调节量和温控负荷功率调节量调节所述预测日区域用户的用电计划中的储能的充放电功率和温控负荷功率,包括:
按下式调节所述预测日区域用户的用电计划中的储能的充放电功率:
按下式调节所述预测日区域用户的用电计划中的温控负荷功率:
上式中,为所述预测日区域用户的用电计划中t时刻第i个储能的充电功率修正值,为所述预测日区域用户的用电计划中t时刻第i个储能的充电功率,为所述预测日区域用户的用电计划中t时刻第i个储能的充放电功率调节量,为所述预测日区域用户的用电计划中t时刻第i个储能的放电功率修正值,为所述预测日区域用户的用电计划中t时刻第i个储能的放电功率,为所述预测日区域用户的用电计划中t时刻第i个温控负荷的功率修正值,为所述预测日区域用户的用电计划中t时刻第i个温控负荷的功率,为所述预测日区域用户的用电计划中t时刻第i个温控负荷的功率调节量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910220294.1A CN109995027A (zh) | 2019-03-22 | 2019-03-22 | 一种两阶段区域用户能量管理方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910220294.1A CN109995027A (zh) | 2019-03-22 | 2019-03-22 | 一种两阶段区域用户能量管理方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109995027A true CN109995027A (zh) | 2019-07-09 |
Family
ID=67129916
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910220294.1A Pending CN109995027A (zh) | 2019-03-22 | 2019-03-22 | 一种两阶段区域用户能量管理方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109995027A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111146820A (zh) * | 2019-12-31 | 2020-05-12 | 国网浙江省电力有限公司嘉兴供电公司 | 一种计及风电不确定性的混合储能***优化配置方法 |
CN111598378A (zh) * | 2020-03-30 | 2020-08-28 | 国网山东省电力公司济南供电公司 | 一种居民电热水器负荷需求侧响应可调控潜力评估方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022597A (zh) * | 2016-05-17 | 2016-10-12 | 西南交通大学 | 含光伏智能小区电动汽车与可控负荷两阶段优化调度方法 |
CN106160091A (zh) * | 2016-07-25 | 2016-11-23 | 东南大学 | 促进可再生能源消纳的电动汽车换电站充放电调度方法 |
-
2019
- 2019-03-22 CN CN201910220294.1A patent/CN109995027A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022597A (zh) * | 2016-05-17 | 2016-10-12 | 西南交通大学 | 含光伏智能小区电动汽车与可控负荷两阶段优化调度方法 |
CN106160091A (zh) * | 2016-07-25 | 2016-11-23 | 东南大学 | 促进可再生能源消纳的电动汽车换电站充放电调度方法 |
Non-Patent Citations (4)
Title |
---|
张夏霖等: "含电动汽车与可控负荷的光伏智能小区两阶段优化调度", 电网技术, vol. 40, no. 09, pages 2630 - 2637 * |
窦晓波等: "基于空调自适应修正模型的户用微电网能量优化", 电力***自动化, vol. 41, no. 15, pages 42 - 50 * |
肖浩等: "基于模型预测控制的微电网多时间尺度协调优化调度", 电力***自动化, vol. 40, no. 18, pages 7 - 14 * |
许晓慧等: "并网运行模式下微电网能量优化调度算法研究", 电网与清洁能源, vol. 32, no. 8, pages 117 - 122 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111146820A (zh) * | 2019-12-31 | 2020-05-12 | 国网浙江省电力有限公司嘉兴供电公司 | 一种计及风电不确定性的混合储能***优化配置方法 |
CN111598378A (zh) * | 2020-03-30 | 2020-08-28 | 国网山东省电力公司济南供电公司 | 一种居民电热水器负荷需求侧响应可调控潜力评估方法 |
CN111598378B (zh) * | 2020-03-30 | 2023-10-03 | 国网山东省电力公司济南供电公司 | 一种居民电热水器负荷需求侧响应可调控潜力评估方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109599856B (zh) | 一种微网多楼宇中电动汽车充放电管理优化方法及装置 | |
CN106230020B (zh) | 一种微电网下考虑分布式电源消纳的电动汽车互动响应控制方法 | |
CN111525627B (zh) | 含抽蓄与新能源发电的柔性直流输电***日前调度方法 | |
CN104734200A (zh) | 一种基于虚拟发电的主动配电网优化调度方法 | |
CN108321796B (zh) | 家庭能量管理***与方法 | |
CN108875992A (zh) | 一种考虑需求响应的虚拟电厂日前优化调度方法 | |
CN108009693A (zh) | 基于两级需求响应的并网微电网双层优化方法 | |
CN108092290B (zh) | 一种联合储能容量配置与优化运行的微网能量配置方法 | |
CN108429288A (zh) | 一种考虑需求响应的离网型微电网储能优化配置方法 | |
CN109214095A (zh) | 电动汽车充放电多目标优化调度方法 | |
CN105225022A (zh) | 一种热电联产型微电网的经济性优化运行方法 | |
CN106877339B (zh) | 一种考虑电动汽车接入配电网后随机模糊潮流的分析方法 | |
CN103208030B (zh) | 一种能够减小用电代价均值及其波动的电耗调度方法 | |
CN105207259A (zh) | 基于能量管理的并网状态下的微电网***调度方法 | |
CN112800658A (zh) | 一种考虑源储荷互动的主动配电网调度方法 | |
CN111064214A (zh) | 基于电动汽车两阶段滚动式策略的配电网优化调度方法 | |
CN109447376A (zh) | 基于用户综合满意度的居民区电动汽车充放电优化方法 | |
CN105356491A (zh) | 一种基于储能和虚拟储能最优控制的功率波动平抑方法 | |
CN110350512A (zh) | 一种智能园区新能源发电站调度优化方法及*** | |
CN115173453A (zh) | 一种储能辅助电网调峰的优化配置方法 | |
CN112865075A (zh) | 一种交直流混合微电网优化方法 | |
CN108197766A (zh) | 一种包含微电网群的主动配电网优化调度模型 | |
CN106786692A (zh) | 一种基于分布式的电动汽车有序充电控制方法 | |
CN115115130A (zh) | 一种基于模拟退火算法的风光储制氢***日前调度方法 | |
CN109995027A (zh) | 一种两阶段区域用户能量管理方法及*** |
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 |