CN112165122A - 一种综合能源***的运行方法及*** - Google Patents
一种综合能源***的运行方法及*** Download PDFInfo
- Publication number
- CN112165122A CN112165122A CN202010912567.1A CN202010912567A CN112165122A CN 112165122 A CN112165122 A CN 112165122A CN 202010912567 A CN202010912567 A CN 202010912567A CN 112165122 A CN112165122 A CN 112165122A
- Authority
- CN
- China
- Prior art keywords
- energy
- demand
- cost
- supply
- representing
- 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
Images
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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- 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]
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种综合能源***的运行方法及***,包括:获取待规划区域在优化周期内各负荷的预测曲线和各能源转化技术的转化参数,以及典型日的各种可再生能源对应的气象信息;将所述各负荷的预测曲线、所述转化参数和所述气象信息,带入预先构建的供需匹配模型进行计算,得到优化周期内各时刻采用不同能源转化技术的优先级以及各能源转化技术提供的最大出力;所述供需匹配模型是基于供能侧各能源转化技术的转换成本和用能侧参与需求响应时的需求调控成本,以综合能源***的总技术成本最低为优化目标进行构建。本发明对综合能源***的供能侧和用能侧进行协同优化,降低了规划区域内供用能成本。
Description
技术领域
本发明涉及综合能源***领域,具体涉及一种综合能源***的运行方法及***。
背景技术
园区综合能源***具有增加可再生能源消纳并降低供用能成本的潜力。通过对园区综合能源***的建模,利用各种优化算法求解目标函数,可获得园区内目标最优情景下的能源配置、容量和策略等。Brandoni C.等基于能源价格、能源需求、区域特征等因素考虑,提出了适合于特定地区住宅建筑适用的混合分布式能源***最优配置。GeorgiosChalkiadakis等认为创建虚拟发电厂可以作为实现分布式能源的有效集成的手段,并应用博弈论思想,提出了一种定价机制作为上网电价的替代方案,以促进分布式能源的规划配置和运行优化。Alvarado D.C.等结合能源价格与能源需求,考虑了全寿命周期成本和碳排放,构建了园区综合能源***配置与运行优化的仿真模型。
对于不考虑需求可调的园区综合能源***供需匹配问题,重点要解决:1)应该采用何种能源资源与能源转化设备;2)采用的能源转化设备的装机容量应取多大;3)各设备在满足能源需求的过程中应采用什么样的运行策略。Chen X等研究了考虑储热水箱的园区综合能源***供应侧的集中调度问题,建立了一个满足热力和电力需求的线性规划模型,该模型综合考虑了热电联供***(CHP)、风力发电、电锅炉和储热水箱等设备,研究结果表明电锅炉和储热水箱均可改善CHP的供能灵活性。Y Ruan等基于综合能源***的经济性能建立了一个考虑冰蓄冷设备、CHP和电制冷设备的线性综合能源***模型,结果表明,天然气价格是影响综合能源***经济性能的最重要因素,其次是公共电力市场价格和发电机的价格。Li Guo等以全生命周期内的总净现值和二氧化碳排放量最小为优化目标,建立了应用于冷、热、电微网***的两阶段优化规划设计模型。但这些模型一般是静态模型,实际运行中,由于设备部分负荷特性、能源分时价格差异和可再生能源出力变化,不同时刻调整各能源转换设备的出力将导致冷热电蒸汽等终端能源产品生产成本的变化。
对于需求可调的综合能源***,需求侧用户负荷转移的方法主要有三种,分别是蓄能***(ESS)、电动汽车(EV)和需求响应(DR)。蓄能可以用来转移末端用户(如公共建筑、住宅、工厂等)的冷、热、电需求。蓄能***在用户侧的应用可以有效的增加园区综合能源***、孤岛能源***或者分布式微电网的可再生能源渗透率。Oudalov A等为了降低用户的峰值能源需求建立了电池蓄能***的容量确定方法和运行策略优化方法,获得经济最优的电池容量和运行策略。对于蓄冷蓄热设备,既可以用来调整末端用户的冷量和热量需求,也可以通过降低电力负荷高峰期末端用户的制冷制热电耗来调整末端用户的电力需求。电动汽车也常用于需求侧用户能源需求的调节。除了蓄能设备,需求响应采用动态电价机制鼓励或惩罚消费者用电行为,但是各类需求侧调控措施或技术的应用均需要一定的成本。
单纯从综合能源设备出力调控或者需求响应措施调控的方式,都存在考虑不全面的问题,因此发明人提出从引起能源供应变化的经济成本和引起需求转移的经济成本角度出发,协同考虑供应侧和需求侧资源的调控,探究经济最优的供用能调控策略。
发明内容
为了解决现有技术中所存在的上述不足,本发明提供了一种综合能源***的运行方法,包括:
获取待规划区域在优化周期内各负荷的预测曲线和各能源转化技术的转化参数,以及典型日的各种可再生能源对应的气象信息;
将所述各负荷的预测曲线、所述转化参数和所述气象信息,带入预先构建的供需匹配模型进行计算,得到优化周期内各时刻采用不同能源转化技术的优先级以及各能源转化技术提供的最大出力;
所述供需匹配模型是基于供能侧各能源转化技术的转换成本和用能侧参与需求响应时的需求调控成本,以综合能源***的总技术成本最低为优化目标进行构建。
优选的,所述供需匹配模型的构建,包括:
基于供能侧各能源转化技术的初始投资、运行费用和维护费用,分别确定各能源转化技术的转换成本;
基于对用能侧冷需求、热需求和电需求的变化分析确定参与需求响应时的需求调控成本;
以综合能源***的总技术成本最低为优化目标,基于所述各能源转化技术的转换成本和所述参与需求响应时的需求调控成本构建所述供需匹配模型的目标函数;
基于供能侧和用能侧在匹配过程中的平衡原则为所述供需匹配模型的目标函数构建约束条件。
优选的,所述供需匹配模型的目标函数,如下式所示:
g(τ)=min(SCostτ,total+DCostτ,total)
式中:g(τ)表示τ时刻供应和需求匹配的最低技术成本;SCostτ,total表示时刻τ下的供应技术成本;DCostτ,total表示时刻τ下的需求调控成本。
优选的,所述时刻τ下的供应技术成本SCostτ,total,按下式计算:
式中:bj表示能源转化技术j的基本电费系数与固定维护费用系数之和;表示能源转化技术j的等年值初投资系数;Qt,j表示能源转化技术j在时刻t的出力;cj表示能源转化技术j的变动维护费用系数与运行费用系数之和;Qτ,j表示能源转化技术j在时刻τ的出力。
优选的,所述能源转化技术,包括:
燃气发电机组、溴化锂吸收式机组、电制冷机组、热泵、锅炉、蓄能设备、电网、光伏发电、光热、风电和地热。
优选的,所述时刻τ下的需求调控成本DCostτ,total,按下式计算:
DCostτ,total=DCostτ,12+DCostτ,13
式中:DCostτ,12表示时刻τ下蓄冷蓄热的技术成本;DCostτ,13表示时刻τ下电力需求响应的技术成本。
优选的,所述时刻τ下蓄冷蓄热的技术成本DCostτ,12,按下式计算:
式中:a12表示蓄冷蓄热装置运行基本成本系数;α12表示蓄冷蓄热装置的固定维护费用;表示蓄冷蓄热技术相关的变动维护费用系数;ΔDt,12表示在t时刻由分散式蓄能引起的需求变化量;β12表示蓄冷损耗量对应的成本系数;ε12表示蓄热损耗量对应的成本系数;ΔDτ,12表示在τ时刻由分散式蓄能引起的需求变化量。
式中:α13表示电网需求响应的固定费用;表示技术需求响应量规模相关的变动费用系数;ΔDt,13表示在t时刻的能源负荷需求;表示t时刻的初始能源价格;为t时刻的初始能源负荷需求;Dτ,13表示在τ时刻的能源负荷需求;l表示第一回归参数;表示t时刻的能源价格;h表示第二回归参数。
优选的,所述约束条件,如下式所示:
式中,ΔQτ,total表示供应在匹配过程中的总变化量;ΔDτ,total表示需求在匹配过程中的总变化量;表示在τ时刻的初始需求值;表示在τ时刻的初始供应值;Qτ,j表示能源转化技术j在时刻τ的出力;Qm,j表示能源转化技术j受限于自然资源的出力上限;Qτ,j表示能源转化技术j在时刻τ的能源需求量;Dm,j表示能源转化技术j受限于环境条件的出力上限。
基于同一发明构思,本发明还提供了一种综合能源***的运行***,包括:
获取模块,用于获取待规划区域在优化周期内各负荷的预测曲线和各能源转化技术的转化参数,以及典型日的各种可再生能源对应的气象信息;
匹配模块,用于将所述各负荷的预测曲线、所述转化参数和所述气象信息,带入预先构建的供需匹配模型进行计算,得到优化周期内各时刻采用不同能源转化技术的优先级以及各能源转化技术提供的最大出力;
所述供需匹配模型是基于供能侧各能源转化技术的转换成本和用能侧参与需求响应时的需求调控成本,以综合能源***的总技术成本最低为优化目标进行构建。
优选的,所述供需匹配模型的构建,具体用于:
基于供能侧各能源转化技术的初始投资、运行费用和维护费用,分别确定各能源转化技术的转换成本;
基于对用能侧冷需求、热需求和电需求的变化分析确定参与需求响应时的需求调控成本;
以综合能源***的总技术成本最低为优化目标,基于所述各能源转化技术的转换成本和所述参与需求响应时的需求调控成本构建所述供需匹配模型的目标函数;
基于供能侧和用能侧在匹配过程中的平衡原则为所述供需匹配模型的目标函数构建约束条件。
与现有技术相比,本发明的有益效果为:
本发明提供的技术方案,通过获取待规划区域在优化周期内各负荷的预测曲线和各能源转化技术的转化参数,以及典型日的各种可再生能源对应的气象信息;将所述各负荷的预测曲线、所述转化参数和所述气象信息,带入预先构建的供需匹配模型进行计算,得到优化周期内各时刻采用不同能源转化技术的优先级以及各能源转化技术提供的最大出力;所述供需匹配模型是基于供能侧各能源转化技术的转换成本和用能侧参与需求响应时的需求调控成本,以综合能源***的总技术成本最低为优化目标进行构建,通过对综合能源***的供能侧和用能侧进行协同优化,降低了规划区域内供用能成本。
附图说明
图1为本发明一种综合能源***的运行方法流程图;
图2为本发明的综合能源***供需匹配原理图;
图3为本发明实施例中典型周的冷、热、电负荷;
图4为本发明实施例中上海市的分时电价;
图5为本发明实施例中上海市典型日风速和太阳辐射量;
图6为本发明实施例中园区综合能源***典型日供应和冷需求的匹配曲线;
图7为本发明实施例中园区综合能源***典型日供应和热需求的匹配曲线;
图8为本发明实施例中园区综合能源***典型日供应和电需求的匹配曲线;
图9为本发明实施例冷网调控中τ=10时刻四种ECT出现的顺序和技术成本的增量;
图10为本发明实施例热网调控中τ=9时刻四种ECT出现的顺序和技术成本的增量;
图11为本发明实施例电网调控中τ=14时刻四种ECT出现的顺序和技术成本的增量。
具体实施方式
为了更好地理解本发明,下面结合说明书附图和实例对本发明的内容做进一步的说明。
实施例1:如图1所示,本发明提供了一种综合能源***的运行方法,包括:
S1获取待规划区域在优化周期内各负荷的预测曲线和各能源转化技术的转化参数,以及典型日的各种可再生能源对应的气象信息;
S2将所述各负荷的预测曲线、所述转化参数和所述气象信息,带入预先构建的供需匹配模型进行计算,得到优化周期内各时刻采用不同能源转化技术的优先级以及各能源转化技术提供的最大出力;
所述供需匹配模型是基于供能侧各能源转化技术的转换成本和用能侧参与需求响应时的需求调控成本,以综合能源***的总技术成本最低为优化目标进行构建。
本实施例通过对综合能源***的供能侧和用能侧进行协同优化,降低了规划区域内供用能成本,同时,本实施例中并不是将能源供应侧的经济成本和用能侧需求转移的经济成本角度进行简单的叠加,而是协同考虑供应侧和需求侧资源的调控,提供了优化周期内各时刻采用不同能源转化技术的优先级以及各能源转化技术提供的最大出力,生成可行的策略,该策略缩短了投资回收期,减少了碳排放量。
在本实施例中,所述供需匹配模型的构建,包括:
基于供能侧各能源转化技术的初始投资、运行费用和维护费用,分别确定各能源转化技术的转换成本;
基于对用能侧冷需求、热需求和电需求的变化分析确定参与需求响应时的需求调控成本;
以综合能源***的总技术成本最低为优化目标,基于所述各能源转化技术的转换成本和所述参与需求响应时的需求调控成本构建所述供需匹配模型的目标函数;
基于供能侧和用能侧在匹配过程中的平衡原则为所述供需匹配模型的目标函数构建约束条件。
在本实施例中,以园区能源***作为待规划区域为例,考虑供能侧的各种能源供应技术,确定供能侧的总技术成本,该过程的步骤包括:
园区能源***中的能量来源多种多样,主要包括燃气、燃煤、燃油、大电网、太阳能、风能、地热、水源、空气源和污水源等,通过各种能源转化技术(Energy ConversionTechnology,ECT)形成园区内用户可用的电、热和冷,本实施例中选取的能源转化技术(ECT)主要包括但不限于:燃气发电机组(ICS)、溴化锂吸收式机组(ARU)、电制冷机组、热泵、锅炉、蓄能设备(蓄冷蓄热)、大电网、光伏发电(PV)、光热(PT)、风电和地热。本实施例采用不同j值表示能源转换技术ECT,如表1所示罗列不同的j值对应的能源转换技术ECT。
当前蓄电的方法主要包括:电池储能、抽水储能、超级电容器储能、压缩空气储能和超导储电等。但由于蓄电的投入成本高,蓄电效率较低,经济效益较差,在一般园区综合能源***中较少,本实施例仅考虑园区综合能源***的蓄冷和蓄热。
表1不同j对应的ECT
本实施用供应的技术成本水平(SCostτ,total)用来描述园区综合能源***在时刻τ的所有供应侧ECT的初投资、运行费用和维护费用水平。一般情况下,供应侧ECT设备投资一般发生在园区综合能源***项目的建设阶段,而运行费用通常发生在项目的运行阶段。但是,在本实施例中,利用等年值法(UAVM)将园区综合能源***供应侧ECT的初投资转化为项目全生命周期内的等年值初投资;在此基础上,利用年等效运行小时数(AEOH)将等年值初投资转化为每个运行时刻的初投资;然后将逐时运行费用和维护费用叠加到逐时初投资上,获得供应的技术成本水平(SCostτ,total)。
如公式(1)所示,SCostτ,total表示所有供应侧ECT的总技术成本,如公式(2)所示,SCostτ,j主要包括供应侧第j个ECT的初始投资、运营和维护成本。ECT的初投资取决于每个ECT的配置容量,而配置容量的最大值受当地自然资源和周围环境的限制,因此每个ECT的配置容量有个上限。
SCostτ,total=∑jSCostτ,j (1)
SCostτ,j=Cin,j+Co,j+Cm,j (2)
式中,Cin,j表示能源转化技术j在时刻τ的初投资,可以通过UAVM和AEOH计算得到,如式(3)所示;Co,j表示能源转化技术j在时刻τ的运行费用,由变压器的基本电费和电度电费(燃气费等)组成,如式(4)所示;Cm,j表示能源转化技术j在时刻τ的维护费用,由固定维护费用和变动维护费用组成,如式(5)所示。
Co,j=εjQτ,j+Ctrans,j (4)
式中,PRj表示技术j的单位配置容量的价格,元/kW;RCj表示技术j的配置容量,如式(6)所示;r是折现率;nj是技术j的使用寿命,年;Tj表示技术j的AEOH,如式(7)所示;εj表示技术j的运行费用系数,元/kWh;Qτ,j表示技术j在时刻τ的出力,kW;αj表示技术j的固定维护费用系数,元/kWh;βj表示技术j的变动维护费用系数,元/kWh;Ctrans,j表示技术j的基本电费,如式(8)所示。
RCj=max(Qt,j) (6)
式中,Qt,j表示技术j在时刻t的出力,t=1,2,…,8760;aj表示技术j的基本电费系数,元/kVA,其形式如式(9、10)所示:
aj=Trp,j*m (10)
式中,Trp,j表示技术j的变压器容量基本电费,元/(kVA·月);m为使用的月份数,本实施例取m=12。
将式(2)-(8)代入到式(1)中,得到:
式中,t和τ代表的物理意义不同,t=1,2,…,8760代表全年每个小时,τ表示式(11)计算供应技术成本水平的这一时刻;表示能源转化技术j的等年值初投资系数,元/kW;各个系数aj,αj,βj,εj的取值见表2。
需要注意的是,蓄能设备与其他ECT配置容量的方法不同,蓄能的容量为蓄释能周期内蓄能量或释能量的累加值,建设成本的单位是元/m3,而其他ECT的容量为全年出力的最大值,成本的单位是元/kW。
表2供应技术成本水平的关键参数取值
本实施例假定蓄能和释能的周期为24小时,即夜间蓄能白天释能,那么蓄能设备在第l天的使用容量,如式(12)所示:
蓄能设备的配置容量应为全年蓄能每天利用量的最大值,如式(13)所示:
根据式(12)和(13)可以推导出蓄能设备的初投资,如式(14)所示。
式中,Qi,6表示第l天第i时蓄能设备的出力,正值表示释能,负值表示蓄能;η6表示蓄能设备的蓄能效率;k表示一度电与焦耳的换算系数,J/kWh;PR6表示蓄能设备的单位容量价格,元/m3;Δt为蓄能温差,℃;Cp为蓄能介质的比热容,通常为水,J/(kg·℃);ρw为蓄能介质的密度,通常为水,kg/m3。
将式(14)带入式(3)得到:
式中,n6为蓄能设备的使用寿命,单位为年。
为了将式(15)与其他ECT的计算公式统一于式(11)的形式,在本实施例中做了两个假设:1)蓄能设备仅出现在具有分时电价且低谷电价低于0.4元/kWh的园区综合能源***中,蓄能设备在低谷电价阶段蓄能,在其他阶段释能;2)在一个蓄能周期内,蓄能量等于释能量与蓄能损耗之和,即不能跨蓄能周期蓄能。
在上述两个假设的条件下,式(15)转化为式(16)的形式。
从式(17)可以看出,蓄能设备的等年值初投资系数受蓄能效率、蓄能温差和单位蓄能设备的成本水平影响。将式(17)带入式(11)得到园区综合能源***能源供应在时刻τ的技术成本水平,如式(18)所示。
式中,bj=aj+αj,cj=βj+εj。式(18)描述了τ时刻能源供应的技术成本水平SCostτ,j与max(Qt,j)、和Qτ,j之间的相关关系。在现有的园区综合能源***中,不失一般地,Qτ,j的值远小于也就是说,Qτ,j的变化对的影响几乎可以忽略。因此,在时刻τ,当Qτ,j变化时,可以认为保持不变,此时SCostτ,j仅为Qτ,j的函数。
本实施例从园区的用能侧出发,确定需求调控成本,具体确定过程包括:
根据能源供应的技术成本水平模型中蓄能技术的量化方法推导得到分散式蓄能的技术成本水平,如式(19)所示,用DCostτ,12来量化微冷网和微热网的需求变化。
式中,DCostτ,12表示τ时刻蓄冷蓄热的技术成本,元;a12表示蓄冷蓄热装置运行基本成本系数,元/kW;α12表示蓄冷热装置的固定维护费用,元/kW;表示技术蓄冷热量相关的变动维护费用系数,元/kW;β12、ε12分别表示蓄冷、蓄热损耗量对应的成本系数;t=(1,…,8760);ΔDt,12=Dt,12-Dt,0表示在t时刻由分散式蓄能引起的需求变化量;Dt,0为在t时刻的初始能源需求量;ΔDτ,12=Dτ,12-Dτ,0不同于ΔDt,12,表示在τ时刻由分散式蓄能引起的需求变化量。
根据需求响应量化的既有研究,能源需求与能源价格之间的四种常用函数关系,分别是线性方程关系、势方程关系、对数方程关系和指数方程关系。其中,线性需求方程时最简单且应用范围最广的能源需求与价格模型,因此,本实施例选取线性需求方程作为需求响应的量化方程,则有:
Dt,13=l+hpt,13 (20)
因此,需求响应的运行费用可以表示为:
式中,DCostτ,13表示τ时刻电力需求响应的技术成本,元;α13表示电网需求响应的固定费用,元/kW;表示技术需求响应量规模相关的变动费用系数,元/kW;ΔDt,13、ΔDτ,13分别表示在t、τ时刻由需求响应引起的电力需求变化量,kW、kW;和为t时刻的初始能源价格和初始能源负荷需求,元/kW、kW;Dτ,13表示在τ时刻的能源负荷需求,kW;l、h分别为模型回归参数,分别取值为63.223MWh、-0.038MWh2/元;其中t=(1,…,8760)。
因此,需求的技术成本水平模型为:
DCostτ,total=DCostτ,12+DCostτ,13 (23)
基于上述建立的能源供应和需求的技术成本水模型,可以在同一量化指标上对能源供应变化和能源需求变化进行统一优化分析。
本实施基于供能侧各能源转化技术的转换成本和用能侧参与需求响应时的需求调控成本,以综合能源***的总技术成本最低为优化目标进行构建供需匹配模型,用于对生产与供应进行协同优化,具体包括:
园区综合能源***能源需求和供给逐时变化,调节成本也逐时变化,根据前述能源转换成本SCostτ,total(时刻τ下的供应技术成本)和需求调控成本DCostτ,total(时刻τ下的需求调控成本),并基于两者建立供需匹配模型。通过供需匹配模型实现供需匹配的经济最优化综合能源***供需匹配过程的简化原理如图2所示。供应曲线A和需求曲线C分别是综合能源***匹配前的供应能力和能源需求,两者都可以通过ECT类型、容量和出力的变化来转变为最终的匹配曲线B,例如,在时刻τ时的点A'→B'←C'的过程。
园区综合能源***在供需匹配过程中追求***整体利益最大化,即能源供应与能源需求的技术成本水平的和最小。基于能源供应和能源需求调控水平模型,构建供应需求同时变化的供需匹配模型,如式(24-26)所示,g(τ)表示τ时刻供应和需求精确匹配的最低技术成本:
g(τ)=min(SCostτ,total+DCostτ,total) (24)
式中:SCostτ,j表示时刻τ下能源转化技术j的供应技术成本;Qτ,j表示能源转化技术j在时刻τ的出力;DCostτ,j表示时刻τ下能源转化技术j的需求调控成本;Dτ,j表示能源转化技术j在时刻τ的能源需求量;和 定义为能源转化技术j的边际技术成本。
式中,ΔQτ,total和ΔDτ,total分别是供应和需求在匹配过程中的总变化量;和分别表示在τ时刻的初始需求值和供应值;Qm,j和Dm,j表示能源转化技术j受限于自然资源或环境条件的出力上限。和定义为技术j的边际技术成本,其物理意义为:能源转化技术j每增加一单位的出力,能源转化技术成本水平的增加量。在园区规模的综合能源***中,τ时刻所有能源转化技术的边际技术成本呈现递增规律,这意味着,各技术每增加一单位的出力其技术成本水平呈现快速增加的趋势。因此,在园区综合能源***供需匹配追求整体利益最大化的过程中,为了实现这一目标,在选择ECT时必须遵循边际技术成本相等的原则,即满足式(27)。
本实施例以中国上海市某一商务区综合能源***项目为例,利用本发明提供的技术方案进行分析,具体包括:
该项目总建筑面积为96万m2,包括办公建筑面积47.9万m2,商业建筑面积38.3万m2和酒店建筑面9.8万m2,典型周的冷、热、电逐时负荷如图3所示。
另外,受于当地自然资源的约束,光伏和光热的最大可利用水平面积分别为2万m2和1万m2,最大的风力发电装机容量为1186kW。
在本案例中,基于电制冷机组的实际运行数据拟合得到了COP与部分负荷率plr之间的函数关系,如式(28)所示,式中电制冷机组的额定COP为5.8。
COP3=-12.46plr2+19.13plr-0.879 (28)
各个ECT的初投资成本系数、运行费用成本系数和维护费用成本系数见表3,大电网的逐时电价如图4所示,燃气费用为燃气发电机组用气2.73元/m3,锅炉用气4.53元/m3,典型日的风速和太阳辐射如图5所示。
表3部分ECT的参数
对供需匹配优化模型,在Matlab中求解。图6-8为园区综合能源***供应和需求的最终匹配曲线,描述了典型日中微冷网、微热网和微电网供应和需求同时变化的匹配结果。
从图6可以看出,在匹配过程中各时刻不同ECT的优先级和最大出力是不同的,其中De-TSE-c为分散式蓄冷设备。当τ=10时,微冷网中的四种ECT出现的顺序和技术成本的增量如图9所示,g(τ)是各个ECT出力总和的阶跃函数,每一个阶跃表示每一种ECT的出现,阶跃值就是该ECT的初投资水平。溴化锂吸收式制冷机组的初投资水平虽然最高,但却是最先被采用的ECT,这是因为溴化锂吸收式制冷机组利用的是燃气发电机组排放的废热,也就是说其运行费用为零,边际技术成本较低。接下来依次出现的ECT分别是蓄冷设备、分散式蓄冷设备和电制冷机组。电制冷机组占总技术成本水平的比例最高为53%,分散式蓄冷设备最低为8%。此外,优化匹配的最终结果为各个ECT的边际技术成本相等。
在园区综合能源***的热网供需匹配中,如图7所示,用于改变能源供应的ECT包括溴化锂吸收式机组、热泵、锅炉和光热设备,分散式蓄热(De-TSE-H)未被用来改变能源需求,这是因为De-TSE-H采用电热水器将电能转化为热能进行储存,具有较低的能源转化效率,致使运行费用较高,即边际技术成本较高,在与能源供应的ECT进行统一优化时被排除。因此,微热网的最终匹配曲线为初始热需求曲线。此外,溴化锂吸收式机组和热泵随着大电网的电价波动交替供热,光热设备受限于当地太阳能资源只能供应小部分热量。在微热网中当τ=9时,四种ECT出现的顺序和技术成本的增量如图10所示。从图10可以看出,溴化锂吸收式机组和锅炉分别是首先采用和最后采用的两种ECT。对于锅炉而言,年运行小时数越少τ时刻的当量初投资越大,这也就是图10中锅炉的阶跃值大于其他ECT的原因。
在园区综合能源***的微电网供需匹配中,如图8所示,用于改变微电网能源供应曲线和能源需求曲线向匹配曲线变化的ECT有燃气发电机组、大电网、光伏发电、风力发电和需求响应。大电网和燃气发电机组交替出现并供应了大部分电能,即当大电网电价增加到一定限值时燃气发电机组开始供电。在微电网中当τ=14时,四种ECT出现的顺序和技术成本的增量如图11所示。受限于当地的自然资源,风力发电和光伏发电的技术成本水平和出力均小于其他ECT。需求响应是首先被采用的ECT且占总技术成本水平的比例最小为1%,但受限于用户的可调节需求,需求响应的出力有限。在τ=14时刻,尽管燃气发电机组出现的最晚,但其经济性仍优于大电网。
为了分析建立的供需同时变化匹配模型产生的经济效益和碳减排效果,计算了最优化匹配的园区综合能源***(最佳IES)和传统综合能源***(传统IES)的初投资、运行费用、投资回收期(IPP)和碳排放量(CE),如表4所示。最佳IES代表采用建立的供需同时变化的供需匹配模型优化得到的园区综合能源***;传统IES代表由传统配置方法得到的园区综合能源***。
表4供需匹配最优化园区综合能源***和传统能源***的经济性和碳排放量
从表4可以看出,与传统IES相比,尽管最佳IES的初投资增加了11253万元,但年运行费用却减少了8568万元,这使得最佳IES的投资回收期仅为1.94年,优于传统IES的4.74年。此外,最佳IES和传统IES的年碳排放量分别为65727吨和146282吨,也就是说,采用本实施例建立的能源供应和需求同时变化的供需匹配模型进行园区综合能源***的规划设计可减少年碳排放80555吨。
结合实际案例分析了供需同时变化的供需匹配过程,结果表明:园区电网需求变化的技术成本最低时,会导致能源供应成本的急剧增加,因此单独考虑能源需求调控水平最低是不合理的,应在实际应用中综合考虑能源供应和需求调控。采用供需同时变化的供需匹配模型获得的园区综合能源***解决方案的经济性和碳排放特性都优于传统方法。
本实施例提供基于园区综合能源***能源转化技术的技术经济特性,建立了能源供应的技术成本水平模型,是对园区供应侧各能源转换技术动态供能成本进行量化;通过园区冷、热、电需求改变技术的分析,建立了能源需求的技术成本水平变化描述模型;基于园区能源供应和能源需求调控成本变化的量化,建立了供需同时变化的供需匹配模型。
实施例2:基于同一发明构思,本发明实施例还提供了一种综合能源***的运行***,包括:
获取模块,用于获取待规划区域在优化周期内各负荷的预测曲线和各能源转化技术的转化参数,以及典型日的各种可再生能源对应的气象信息;
匹配模块,用于将所述各负荷的预测曲线、所述转化参数和所述气象信息,带入预先构建的供需匹配模型进行计算,得到优化周期内各时刻采用不同能源转化技术的优先级以及各能源转化技术提供的最大出力;
所述供需匹配模型是基于供能侧各能源转化技术的转换成本和用能侧参与需求响应时的需求调控成本,以综合能源***的总技术成本最低为优化目标进行构建。
实施例中,所述供需匹配模型的构建,具体用于:
基于供能侧各能源转化技术的初始投资、运行费用和维护费用,分别确定各能源转化技术的转换成本;
基于对用能侧冷需求、热需求和电需求的变化分析确定参与需求响应时的需求调控成本;
以综合能源***的总技术成本最低为优化目标,基于所述各能源转化技术的转换成本和所述参与需求响应时的需求调控成本构建所述供需匹配模型的目标函数;
基于供能侧和用能侧在匹配过程中的平衡原则为所述供需匹配模型的目标函数构建约束条件。
通过获取模块获取待规划区域在优化周期内各负荷的预测曲线和各能源转化技术的转化参数,以及典型日的各种可再生能源对应的气象信息;调用匹配模块将所述各负荷的预测曲线、所述转化参数和所述气象信息,带入预先构建的供需匹配模型进行计算,得到优化周期内各时刻采用不同能源转化技术的优先级以及各能源转化技术提供的最大出力;所述供需匹配模型是基于供能侧各能源转化技术的转换成本和用能侧参与需求响应时的需求调控成本,以综合能源***的总技术成本最低为优化目标进行构建,通过该运行***对综合能源***的供能侧和用能侧进行协同优化,降低了规划区域内供用能成本。
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。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (11)
1.一种综合能源***的运行方法,其特征在于,包括:
获取待规划区域在优化周期内各负荷的预测曲线和各能源转化技术的转化参数,以及典型日的各种可再生能源对应的气象信息;
将所述各负荷的预测曲线、所述转化参数和所述气象信息,带入预先构建的供需匹配模型进行计算,得到优化周期内各时刻采用不同能源转化技术的优先级以及各能源转化技术提供的最大出力;
所述供需匹配模型是基于供能侧各能源转化技术的转换成本和用能侧参与需求响应时的需求调控成本,以综合能源***的总技术成本最低为优化目标进行构建。
2.如权利要求1所述的方法,其特征在于,所述供需匹配模型的构建,包括:
基于供能侧各能源转化技术的初始投资、运行费用和维护费用,分别确定各能源转化技术的转换成本;
基于对用能侧冷需求、热需求和电需求的变化分析确定参与需求响应时的需求调控成本;
以综合能源***的总技术成本最低为优化目标,基于所述各能源转化技术的转换成本和所述参与需求响应时的需求调控成本构建所述供需匹配模型的目标函数;
基于供能侧和用能侧在匹配过程中的平衡原则为所述供需匹配模型的目标函数构建约束条件。
3.如权利要求2所述的方法,其特征在于,所述供需匹配模型的目标函数,如下式所示:
g(τ)=min(SCostτ,total+DCostτ,total)
式中:g(τ)表示τ时刻供应和需求匹配的最低技术成本;SCostτ,total表示时刻τ下的供应技术成本;DCostτ,total表示时刻τ下的需求调控成本。
5.如权利要求4所述的方法,其特征在于,所述能源转化技术,包括:
燃气发电机组、溴化锂吸收式机组、电制冷机组、热泵、锅炉、蓄能设备、电网、光伏发电、光热、风电和地热。
6.如权利要求3所述的方法,其特征在于,所述时刻τ下的需求调控成本DCostτ,total,按下式计算:
DCostτ,total=DCostτ,12+DCostτ,13
式中:DCostτ,12表示时刻τ下蓄冷蓄热的技术成本;DCostτ,13表示时刻τ下电力需求响应的技术成本。
10.一种综合能源***的运行***,其特征在于,包括:
获取模块,用于获取待规划区域在优化周期内各负荷的预测曲线和各能源转化技术的转化参数,以及典型日的各种可再生能源对应的气象信息;
匹配模块,用于将所述各负荷的预测曲线、所述转化参数和所述气象信息,带入预先构建的供需匹配模型进行计算,得到优化周期内各时刻采用不同能源转化技术的优先级以及各能源转化技术提供的最大出力;
所述供需匹配模型是基于供能侧各能源转化技术的转换成本和用能侧参与需求响应时的需求调控成本,以综合能源***的总技术成本最低为优化目标进行构建。
11.如权利要求10所述的***,其特征在于,所述供需匹配模型的构建,具体用于:
基于供能侧各能源转化技术的初始投资、运行费用和维护费用,分别确定各能源转化技术的转换成本;
基于对用能侧冷需求、热需求和电需求的变化分析确定参与需求响应时的需求调控成本;
以综合能源***的总技术成本最低为优化目标,基于所述各能源转化技术的转换成本和所述参与需求响应时的需求调控成本构建所述供需匹配模型的目标函数;
基于供能侧和用能侧在匹配过程中的平衡原则为所述供需匹配模型的目标函数构建约束条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010912567.1A CN112165122A (zh) | 2020-09-02 | 2020-09-02 | 一种综合能源***的运行方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010912567.1A CN112165122A (zh) | 2020-09-02 | 2020-09-02 | 一种综合能源***的运行方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112165122A true CN112165122A (zh) | 2021-01-01 |
Family
ID=73857511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010912567.1A Pending CN112165122A (zh) | 2020-09-02 | 2020-09-02 | 一种综合能源***的运行方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112165122A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113346556A (zh) * | 2021-06-08 | 2021-09-03 | 云南电网有限责任公司电力科学研究院 | 一种面向冷库的光伏储能容量配置方法及*** |
CN114565244A (zh) * | 2022-02-16 | 2022-05-31 | 石河子大学 | 综合能源***的优化调度方法及装置 |
CN114781946A (zh) * | 2022-06-21 | 2022-07-22 | 国网江西省电力有限公司电力科学研究院 | 一种用于供用能***的聚合方法 |
CN116757409A (zh) * | 2023-06-06 | 2023-09-15 | 杭州繁胜科技有限公司 | 一种基于模糊匹配研判电力物料供需动态平衡方法 |
CN117273794A (zh) * | 2023-11-17 | 2023-12-22 | 国网安徽省电力有限公司经济技术研究院 | 综能服务市场规划分析方法 |
CN117494909A (zh) * | 2023-12-29 | 2024-02-02 | 国网浙江省电力有限公司营销服务中心 | 基于熵权自适应igdt的购电优化方法、装置和介质 |
-
2020
- 2020-09-02 CN CN202010912567.1A patent/CN112165122A/zh active Pending
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113346556A (zh) * | 2021-06-08 | 2021-09-03 | 云南电网有限责任公司电力科学研究院 | 一种面向冷库的光伏储能容量配置方法及*** |
CN114565244A (zh) * | 2022-02-16 | 2022-05-31 | 石河子大学 | 综合能源***的优化调度方法及装置 |
CN114781946A (zh) * | 2022-06-21 | 2022-07-22 | 国网江西省电力有限公司电力科学研究院 | 一种用于供用能***的聚合方法 |
CN114781946B (zh) * | 2022-06-21 | 2022-11-11 | 国网江西省电力有限公司电力科学研究院 | 一种用于供用能***的聚合方法 |
CN116757409A (zh) * | 2023-06-06 | 2023-09-15 | 杭州繁胜科技有限公司 | 一种基于模糊匹配研判电力物料供需动态平衡方法 |
CN117273794A (zh) * | 2023-11-17 | 2023-12-22 | 国网安徽省电力有限公司经济技术研究院 | 综能服务市场规划分析方法 |
CN117273794B (zh) * | 2023-11-17 | 2024-02-02 | 国网安徽省电力有限公司经济技术研究院 | 综能服务市场规划分析方法 |
CN117494909A (zh) * | 2023-12-29 | 2024-02-02 | 国网浙江省电力有限公司营销服务中心 | 基于熵权自适应igdt的购电优化方法、装置和介质 |
CN117494909B (zh) * | 2023-12-29 | 2024-05-28 | 国网浙江省电力有限公司营销服务中心 | 基于熵权自适应igdt的购电优化方法、装置和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nan et al. | Optimal residential community demand response scheduling in smart grid | |
CN108229025B (zh) | 一种冷热电联供型多微网主动配电***经济优化调度方法 | |
CN112165122A (zh) | 一种综合能源***的运行方法及*** | |
CN108154309B (zh) | 计及冷热电多负荷动态响应的能源互联网经济调度方法 | |
Xiong et al. | Multi-stage equipment optimal configuration of park-level integrated energy system considering flexible loads | |
CN110866641A (zh) | 计及源储荷协同的多能互补***两级优化调度方法及*** | |
Chen et al. | Economic and environmental operation of power systems including combined cooling, heating, power and energy storage resources using developed multi-objective grey wolf algorithm | |
CN113344736A (zh) | 一种园区级综合能源***及其控制方法 | |
Wang et al. | Analysis and optimization of carbon trading mechanism for renewable energy application in buildings | |
CN111859683B (zh) | 基于动态能量集线器的园区综合能源***优化配置方法 | |
CN112600253B (zh) | 基于用能效率最优的园区综合能源协同优化方法及设备 | |
CN103093017A (zh) | 分布式能源***设计方法 | |
CN107194543A (zh) | 一种区域能源规划设计阶段的能源站配置方法 | |
Wang et al. | Improving wind power integration by a novel short-term dispatch model based on free heat storage and exhaust heat recycling | |
CN105955931A (zh) | 面向高密度分布式光伏消纳的区域能源网络优化调度方法 | |
CN112182887A (zh) | 一种综合能源***规划优化仿真方法 | |
Li et al. | Optimal design for component capacity of integrated energy system based on the active dispatch mode of multiple energy storages | |
CN110620403A (zh) | 计及可再生能源的能源***协同运行日前调度方法及*** | |
CN110796279A (zh) | 一种多能互补优化运行方法与*** | |
Cui et al. | Optimal operation of CCHP microgrids with multiple shiftable loads in different auxiliary heating source systems | |
Wang et al. | A dynamic interactive optimization model of CCHP system involving demand-side and supply-side impacts of climate change. Part II: Application to a hospital in Shanghai, China | |
CN108197412B (zh) | 一种多能源耦合能量管理***及优化方法 | |
CN109255487A (zh) | 一种基于标准化矩阵模型的综合能源***优化方法 | |
Moradi et al. | Optimal energy management of a smart residential combined heat, cooling and power | |
Wang et al. | Multi-time scale optimization study of integrated energy system considering dynamic energy hub and dual demand response |
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 |