CN110957765B - 一种煤矿工业用户的日前用能优化调度方法 - Google Patents

Abstract

本发明公开了一种煤矿工业用户的日前用能优化调度方法，其包括如下步骤：步骤S1，建立带式输送机、风机、光伏、蓄电池设备的调度模型；步骤S2，构建以运行成本最低为目标、以分布式能源发电消纳为约束的带式输送机与蓄电池协同的输煤***日前经济调度模型；步骤S3，通过非线性规划优化算法得到带式输送机带速、储能充放电的日前优化调度方案。实施本发明，可以通过科学优化的调试方式，实现转移高电价阶段负荷，降低煤炭企业运输成本。

Description

一种煤矿工业用户的日前用能优化调度方法

技术领域

本发明涉及电力调度技术领域，尤其涉及一种煤矿工业用户的日前用能优化调度方法。

背景技术

在一些用场合，例如在含带式输送机煤矿，这类的工业用户其用电量大，且经常处于偏远地带，如何给其提供充足的电量是现实中一直在考虑的问题；在现有的一些技术中，可以采用多种供电方式的综合方式对其进行供电，例如采用风机的风力发电、光伏发电、蓄电池储电等给其输煤***进行供电。

但是，在保证分布式能源充分利用的前提下，挖掘筒仓以及蓄电池转移负荷的能力，如何实现转移高电价阶段负荷，降低煤炭企业运输成本是一个函待解决的问题。

发明内容

本发明所要解决的技术问题在于，提供一种煤矿工业用户的日前用能优化调度方法，可以通过科学优化的调试方式，实现转移高电价阶段负荷，降低煤炭企业运输成本。

为了解决所述技术问题，本发明所采用的技术方案为：提供一种含带式输送机煤矿工业用户的日前用能优化调度方法，其包括如下步骤：

步骤S1，建立带式输送机、风机、光伏、蓄电池设备的调度模型；

步骤S2，构建以运行成本最低为目标、以分布式能源发电消纳为约束的带式输送机与蓄电池协同的输煤***日前经济调度模型；

步骤S3，通过非线性规划优化算法得到带式输送机带速、储能充放电的日前优化调度方案。

优选地，所述步骤S1具体包括：

步骤S10，根据下述公式获得带式输送机的调度模型：

η＝η_dη_m (2)

其中，P_T,t为带式输送机第t时段的功率，kW；η为带式输送机***效率，η_m为电动机的效率；η_d为驱动***的效率；θ₁,θ₂,θ₃,θ₄为带式输送机能耗模型的计算参数，由带式输送机结构参数计算得到或者通过参数辨识方法得到；Q_t为t时段带式输送机运送煤炭质量；V_t为带式输送机第t时段带速；

步骤S11，根据下述公式获得蓄电池的调度模型：

其中，P_bt,t为第t时段蓄电池出力；P_ch,t和P_dis,t分别为第t时段蓄电池的输入和输出功率，单位均为kW；W_bt,t为第t时段蓄电池电量，W_bt,0为蓄电池初始电量，单位均为kW·h；Δt为单位调度时间，单位为h；η_bt为蓄电池的能量转换效率；η_ch和η_dis分别为蓄电池的能量输入和输出转换效率；

步骤S12，根据下述公式获得风机调度模型：

其中，P_WT,t为第t时段风机出力，P^max为风机额定出力，单位均为kW；ν为风机所在地自然风风速，V_in和V_out分别为风机的切入风速和切出风速，V_R为风机额定风速，单位均为m/s；多项式A、B、C为风机出力非线性部分的拟合系数，其表达式如式(7)-(9)所示。

步骤S13，根据下述公式获得光伏调度模型：

P_PV,t＝nEDη_light (10)

其中，P_PV,t为第t时段光伏出力，单位为kW；n为光伏板数量；E为自然环境下光照强度折算到光伏电池倾斜面的光照强度，单位为kW/m²；D为单块光伏板面积，单位为m²；η_light为光能转换效率。

优选地，所述步骤S2进一步包括：

步骤S20，根据下式确定一个优化周期内的运行成本最低的目标，如式(11)所示。

其中，一个优化周期内的运行成本由三部分组成，式中第一部分为***购电成本：其中P_ex,t为第t时段购电功率，单位为kW；C_ph,t为第t时段电价，单位为元/kW·h；第二部分为蓄电池、风机、光伏的维护成本：其中C_bt、C_WT、C_PV分别为蓄电池、风机和光伏单位时间单位功率的使用维护成本，单位为元/kW；第三部分为带式输送机带速变化的惩罚项；ω为罚因子。

步骤S21，建立各参数对应的约束条件。

优选地，所述步骤S21进一步包括如下步骤：

步骤S210，根据下式确定带式输送机带速约束：

V^min≤V_t≤V^max (12)

式中：V^max和V^min分别为带式输送机带速上下限，单位为m/s；

步骤S211，根据下式确定带式输送机带速和煤流量之间的约束关系：

M^min≤M_t≤M^max (14)

式中：M_t为第t时段带式输送机单位长度承受质量，M^max和M^min分别为带式输送机单位长度承受质量上下限，单位均为kg/m。

步骤S212，根据下式确定筒仓容量限制条件：

R_THR≤R_t≤R^max (15)

式中：R_t为第t时段筒仓内煤炭存量，单位为ton；R_THR为筒仓容量下限阈值，单位为ton，其中，R_THR通过式(16)计算所得；

R_THR＝Q_train,tΔt+R_t-1 (16)

式中：Q_train,t为第t时段火车装载煤炭速率，单位为ton/h。

步骤S213，根据下式确定电功率平衡约束条件：

P_ex,t＝P_T,t+P_bt,t-P_WT,t-P_PV,t (17)

步骤S214，根据下式确定购电功率约束条件：

P_ex,t≥0 (18)

步骤S215，根据式(19)确定蓄电池充放电功率约束件件；根据式(20)、(21)确定蓄电池电量约束条件，以及根据式(22)确定一个调度周期内的电储能平衡约束条件：

式中：和/>为蓄电池充放电功率上下限，单位均为kW；SOC_t为蓄电池第t时段荷电状态；SOC^max和SOC^min分别为蓄电池荷电状态上下限；W为蓄电池容量，单位为kW·h。

优选地，所述步骤S3进一步包括：在MATLAB软件中调用fmincon函数对上述经济优化调度模型进行求解，通过非线性规划优化算法得到带式输送机带速、储能充放电的日前优化调度方案。

实施本发明的实施例，具有如下的有益效果：

本发明所提出的一种煤矿工业用户的日前用能优化调度方法，其针对煤矿带式输送机运行进行优化控制，并通过对带式输送机带速、煤流量和蓄电池的协同控制，充分利用筒仓容量和分布式能源出力，可以转移高电价阶段负荷，并降低电费成本；

在本发明的实施例中，通过对带式输送机带速、煤流量以及蓄电池充放电功率进行协同调节，可有效转移高电价阶段负荷，同时充分利用分布式能源降低煤矿企业的电费成本；

同时，在本发明的实施例中，考虑了带式输送机带速变化快慢对日电费成本所产生的影响，其中，带速变化项罚因子越大(即带速变化越缓慢)，日电费成本越大；因此在本发明的实施例中，对惩罚因子的制定兼顾***运行约束和经济性需求。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。

图1为本发明提出的一种含带式输送机煤矿工业用户的日前用能优化调度方法一个实施例的主流程示意图；

图2为本发明涉及的具有带式输送机、分布式能源和蓄电池的输煤***结构示意图；

图3为图1中涉及的带式输送机能耗与带速、煤流量之间的数学关系示意图；

图4本发明一个实施例中涉及的火车装载速率示意图；

图5是本发明一个实施例中涉及的分时电价示意图；

图6是本发明一个实施例中涉及的分布式电源出力预测曲线示意图；

图7是本发明一个实施例中涉及的三种场景下购电功率示意图；

图8是本发明一个实施例中涉及的不同罚因子下带速情况示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。

在本发明的描述中，需要理解的是，术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

如图1所示，示出了本发明提出的一种含带式输送机煤矿工业用户的日前用能优化调度方法的主流程示意图，一并结合图2至图3所示，本发明提供的方法其包括如下步骤：

步骤S1，建立带式输送机、风机、光伏、蓄电池设备的调度模型；

步骤S2，构建以运行成本最低为目标、以分布式能源发电消纳为约束的带式输送机与蓄电池协同的输煤***日前经济调度模型；

步骤S3，通过非线性规划优化算法得到带式输送机带速、储能充放电的日前优化调度方案。

如图2所示，给出了一个由带式输送机、蓄电池、风机和光伏组成的典型输煤***。***运行目标是通过控制带式输送机带速和煤流量，在保证分布式能源充分利用的前提下，挖掘筒仓以及蓄电池转移负荷的能力，实现转移高电价阶段负荷，降低煤炭企业运输成本的目的。

如图3所示通过建立带式输送机能耗与带速、煤流量之间的数学关系，为带式输送机与蓄电池联合优化提供数学基础。带式输送机能耗模型构建一般是基于ISO 5048、DIN22101、JIS B 8805等标准和规范建立。该模型可反映带式输送机在标准设计参数下能耗，但由于带式输送机维修、磨损等因素，其实际能耗往往偏离标准值。故在一个例子中，所述步骤S1具体包括：

步骤S10，根据下述公式获得一个改进的带式输送机的调度模型：

η＝η_dη_m (2)

其中，P_T,t为带式输送机第t时段的功率，kW；η为带式输送机***效率，η_m为电动机的效率；η_d为驱动***的效率；θ₁,θ₂,θ₃,θ₄为带式输送机能耗模型的计算参数，由带式输送机结构参数计算得到或者通过参数辨识方法得到；Q_t为t时段带式输送机运送煤炭质量；V_t为带式输送机第t时段带速；

步骤S11，根据下述公式(3)-(5)获得蓄电池的调度模型：

其中，P_bt,t为第t时段蓄电池出力；P_ch,t和P_dis,t分别为第t时段蓄电池的输入和输出功率，单位均为kW；W_bt,t为第t时段蓄电池电量，W_bt,0为蓄电池初始电量，单位均为kW·h；Δt为单位调度时间，单位为h；η_bt为蓄电池的能量转换效率；η_ch和η_dis分别为蓄电池的能量输入和输出转换效率；

步骤S12，根据下述公式获得风机调度模型：

其中，P_WT,t为第t时段风机出力，P^max为风机额定出力，单位均为kW；ν为风机所在地自然风风速，V_in和V_out分别为风机的切入风速和切出风速，V_R为风机额定风速，单位均为m/s；多项式A、B、C为风机出力非线性部分的拟合系数，其表达式如式(7)-(9)所示。

步骤S13，根据下述公式获得光伏调度模型：

P_PV,t＝nEDη_light (10)

其中，P_PV,t为第t时段光伏出力，单位为kW；n为光伏板数量；E为自然环境下光照强度折算到光伏电池倾斜面的光照强度，单位为kW/m²；D为单块光伏板面积，单位为m²；η_light为光能转换效率。

更具体地，在一个例子中，所述步骤S2进一步包括：

步骤S20，根据下式确定一个优化周期内的运行成本最低的目标，如式(11)所示。

其中，一个优化周期内的运行成本由三部分组成，式中第一部分为***购电成本：其中P_ex,t为第t时段购电功率，单位为kW；C_ph,t为第t时段电价，单位为元/kW·h；第二部分为蓄电池、风机、光伏的维护成本：其中C_bt、C_WT、C_PV分别为蓄电池、风机和光伏单位时间单位功率的使用维护成本，单位为元/kW；第三部分为带式输送机带速变化的惩罚项；ω为罚因子。

可以理解的是，带式输送机带速变化快慢影响其使用寿命，因此在目标函数中加入了带速变化的惩罚项来平衡经济指标和技术指标，本发明的公式(11)中定义惩罚项为罚因子ω与前后时段带速变化的平方的乘积；

步骤S21，建立各参数对应的约束条件。

优选地，所述步骤S21进一步包括如下步骤：

步骤S210，根据下式确定带式输送机带速约束：

V^min≤V_t≤V^max (12)

式中：V^max和V^min分别为带式输送机带速上下限，单位为m/s；通过该约束条件，可以保证在带式输送机运输过程中，防止带速较低而煤流量较高导致煤炭溢出；

步骤S211，根据下式确定带式输送机带速和煤流量之间的约束关系：

M^min≤M_t≤M^max (14)

式中：M_t为第t时段带式输送机单位长度承受质量，M^max和M^min分别为带式输送机单位长度承受质量上下限，单位均为kg/m。

步骤S212，根据下式确定筒仓容量限制条件：

R_THR≤R_t≤R^max (15)

式中：R_t为第t时段筒仓内煤炭存量，单位为ton；R_THR为筒仓容量下限阈值，单位为ton，其中，R_THR通过式(16)计算所得；

R_THR＝Q_train,tΔt+R_t-1 (16)

式中：Q_train,t为第t时段火车装载煤炭速率，单位为ton/h。可以理解的是，设置阈值约束的原因是火车装载煤炭速度远大于带式输送机的补给速度，为防止筒仓中煤炭耗尽，筒仓中煤炭量不能低于某一值。

步骤S213，根据下式确定电功率平衡约束条件：

P_ex,t＝P_T,t+P_bt,t-P_WT,t-P_PV,t (17)

步骤S214，根据下式确定购电功率约束条件：

P_ex,t≥0 (18)

步骤S215，根据式(19)确定蓄电池充放电功率约束件件；根据式(20)、(21)确定蓄电池电量约束条件，以及根据式(22)确定一个调度周期内的电储能平衡约束条件：

SOC^min≤SOC_t≤SOC^max (20)

式中：和/>为蓄电池充放电功率上下限，单位均为kW；SOC_t为蓄电池第t时段荷电状态；SOC^max和SOC^min分别为蓄电池荷电状态上下限；W为蓄电池容量，单位为kW·h。

更具体地，在一个例子中，所述步骤S3进一步包括：在MATLAB软件中调用fmincon函数对上述经济优化调度模型进行求解，通过非线性规划优化算法得到带式输送机带速、储能充放电的日前优化调度方案。

为了进一步理解本发明，下述将结合附图对图2中的实施例中的工程实施效果进行说明，具体地：

对图2中带式输送机、分布式能源与蓄电池进行经济优化调度分析。考虑一天24小时(h)的优化调度，每隔1小时(h)取一个时间段。在具体的例子中，假设中筒仓的容量为4000吨，初始时筒仓内有100吨的煤炭。货运火车装载速率以及分时电价情况可参见图4和图5所示。

其中，带式输送机、蓄电池、风机、光伏的设备参数如表1和表2所示。

表1带式输送机设备参数

参数	数值
		θ1	2.3733×10-4
θ2	8.5663×103
		θ3	0.0031
θ4	51.6804
		ηd	0.945
ηm	0.9408
		(Vmin/Vmax)/(m/s)	1/4
(Mmin/Mmax)/(kg/m)	0/200

表2蓄电池、风机、光伏设备参数

在本实施例中，选取我国北方夏季某典型日太阳辐射强度和风速数值，得到光伏、风机出力如图6所示。

为了对比优化控制策略对带式输送机运行情况的影响，在本实施例中，设置三个场景进行对比分析，三个场景均配置相同的分布式能源设备。

场景I：带式输送机以固定的带速(2m/s)恒速运行，即目前大多数煤矿带式输送机的运行方式；

场景II：以带式输送机运行成本最低为目标，不考虑储能，对带式输送机带速和煤流量进行匹配控制，以实现降低运行成本的目的；

场景III：：在场景II的基础上加入容量为200kW·h蓄电池进行联合优化。

图7给出了三个场景下带式输送机购电功率情况。在场景I中，带式输送机保持定速运行，能耗较高。与此同时，在接入分布式能源后，由于带速保持恒定，无法利用带式输送机灵活消纳分布式能源出力，导致风机切除了部分出力(如图中阴影所示)；场景II采用变速控制实现了带速与煤流量的匹配，降低了能耗，考虑了分时电价，转移了部分高峰负荷。

同时，在场景II中通过对带速的控制，使带式输送机功率与分布式能源出力互补，在本地消纳了分布式能源出力。但由于筒仓容量以及火车到来时间的限制，场景II的用电负荷仍在高电价阶段形成高峰，仍有节约电费潜力可供挖掘。

而场景III在场景II基础上加入了容量为200kW·h的蓄电池，有效转移了高峰负荷，降低了电费。三个场景下带式输送机日电费成本如表3所示。

表3不同场景下日电费成本

场景	日电费成本/元
		场景I	543.41
场景II	397.98
		场景III	334.77

结果对比可发现本文中加入容量为200kW·h的蓄电池时，场景III与场景I相比日电费成本下降38.39％；与场景II相比，日电费成本下降15.88％。

由于带式输送机带速变化快慢决定了其使用寿命，在本实施例中，将带式输送机带速变化作为惩罚项整合到目标函数中，可以实现经济指标与技术指标的兼顾；本发明定义了罚因子大小对带式输送机带速和日电费成本的影响。

图8给出了不同罚因子下带式输送机带速变化情况。随着罚因子增大，带式输送机带速变化趋于平缓，其电费成本如表4所示。

表4不同罚因子下日电费成本

罚因子	日电费成本/元
		0	333.83
50	334.77
		100	346.53
200	350.54

可以看出，带式输送机带速变化快慢对日电费成本产生影响。带速变化项罚因子越大(即带速变化越缓慢)，日电费成本越大，因此惩罚因子的制定需兼顾***运行约束和经济性需求。

实施本发明的实施例，具有如下的有益效果：

本发明所提出的一种煤矿工业用户的日前用能优化调度方法，其针对煤矿带式输送机运行进行优化控制，并通过对带式输送机带速、煤流量和蓄电池的协同控制，充分利用筒仓容量和分布式能源出力，可以转移高电价阶段负荷，并降低电费成本；

在本发明的实施例中，通过对带式输送机带速、煤流量以及蓄电池充放电功率进行协同调节，可有效转移高电价阶段负荷，同时充分利用分布式能源降低煤矿企业的电费成本；

同时，在本发明的实施例中，考虑了带式输送机带速变化快慢对日电费成本所产生的影响，其中，带速变化项罚因子越大(即带速变化越缓慢)，日电费成本越大；因此在本发明的实施例中，对惩罚因子的制定兼顾***运行约束和经济性需求。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种煤矿工业用户的日前用能优化调度方法，其特征在于，包括：

步骤S1，建立带式输送机、风机、光伏、蓄电池设备的调度模型；

步骤S2，构建以运行成本最低为目标、以分布式能源发电消纳为约束的带式输送机与蓄电池协同的输煤***日前经济调度模型；

步骤S3，通过非线性规划优化算法得到带式输送机带速、储能充放电的日前优化调度方案；

其中，所述步骤S1具体包括：

步骤S10，根据下述公式获得带式输送机的调度模型：

η＝η_dη_m (2)

其中，P_T,t为带式输送机第t时段的功率；η为带式输送机***效率，η_m为电动机的效率；η_d为驱动***的效率；θ₁,θ₂,θ₃,θ₄为带式输送机能耗模型的计算参数，由带式输送机结构参数计算得到或者通过参数辨识方法得到；Q_t为t时段带式输送机运送煤炭质量；V_t为带式输送机第t时段带速；

步骤S11，根据下述公式获得蓄电池的调度模型：

其中，P_bt,t为第t时段蓄电池出力；P_ch,t和P_dis,t分别为第t时段蓄电池的输入和输出功率，单位均为kW；W_bt,t为第t时段蓄电池电量，W_bt,0为蓄电池初始电量，单位均为kW·h；Δt为单位调度时间，单位为h；η_bt为蓄电池的能量转换效率；η_ch和η_dis分别为蓄电池的能量输入和输出转换效率；

步骤S12，根据下述公式获得风机调度模型：

其中，P_WT,t为第t时段风机出力，P^max为风机额定出力，单位均为kW；ν为风机所在地自然风风速，V_in和V_out分别为风机的切入风速和切出风速，V_R为风机额定风速，单位均为m/s；多项式A、B、C为风机出力非线性部分的拟合系数，其表达式如式(7)-(9)所示；

步骤S13，根据下述公式获得光伏调度模型：

P_PV,t＝nEDη_light (10)

其中，P_PV,t为第t时段光伏出力，单位为kW；n为光伏板数量；E为自然环境下光照强度折算到光伏电池倾斜面的光照强度，单位为kW/m²；D为单块光伏板面积，单位为m²；η_light为光能转换效率；

所述步骤S2进一步包括：

步骤S20，根据下式确定一个优化周期内的运行成本最低的目标，如式(11)所示；

其中，一个优化周期内的运行成本由三部分组成，式中第一部分为***购电成本：其中，P_ex,t为第t时段购电功率，单位为kW；C_ph,t为第t时段电价，单位为元/kW·h；第二部分为蓄电池、风机、光伏的维护成本：其中C_bt、C_WT、C_PV分别为蓄电池、风机和光伏单位时间单位功率的使用维护成本，单位为元/kW；第三部分为带式输送机带速变化的惩罚项；ω为罚因子；

步骤S21，建立各参数对应的约束条件。

2.根据权利要求1所述的方法，其特征在于，所述步骤S21进一步包括如下步骤：

步骤S210，根据下式确定带式输送机带速约束：

V^min≤V_t≤V^max (12)

式中：V^max和V^min分别为带式输送机带速上下限，单位为m/s；

步骤S211，根据下式确定带式输送机带速和煤流量之间的约束关系：

M^min≤M_t≤M^max (14)

式中：M_t为第t时段带式输送机单位长度承受质量，M^max和M^min分别为带式输送机单位长度承受质量上下限，单位均为kg/m；

步骤S212，根据下式确定筒仓容量限制条件：

R_THR≤R_t≤R^max (15)

式中：R_t为第t时段筒仓内煤炭存量，单位为ton；R_THR为筒仓容量下限阈值，单位为ton，其中，R_THR通过式(16)计算所得；

R_THR＝Q_trai_n,tΔt+R_t-1 (16)

式中：Q_train,t为第t时段火车装载煤炭速率，单位为ton/h；

步骤S213，根据下式确定电功率平衡约束条件：

P_ex,t＝P_T,t+P_bt,t-P_WT,t-P_PV,t (17)

步骤S214，根据下式确定购电功率约束条件：

P_ex,t≥0 (18)

步骤S215，根据式(19)确定蓄电池充放电功率约束条件；根据式(20)、(21)确定蓄电池电量约束条件，以及根据式(22)确定一个调度周期内的电储能平衡约束条件：

SOC^min≤SOC_t≤SOC^max (20)

式中：和/>为蓄电池充放电功率上下限，单位均为kW；SOC_t为蓄电池第t时段荷电状态；SOC^max和SOC^min分别为蓄电池荷电状态上下限；W为蓄电池容量，单位为kW·h。

3.根据权利要求2所述的方法，其特征在于，所述步骤S3进一步包括：在MATLAB软件中调用fmincon函数对上述经济调度模型进行求解，通过非线性规划优化算法得到带式输送机带速、储能充放电的日前优化调度方案。