CN112966869A - 一种园区综合能源***优化调度方法和*** - Google Patents

一种园区综合能源***优化调度方法和*** Download PDF

Info

Publication number
CN112966869A
CN112966869A CN202110273830.1A CN202110273830A CN112966869A CN 112966869 A CN112966869 A CN 112966869A CN 202110273830 A CN202110273830 A CN 202110273830A CN 112966869 A CN112966869 A CN 112966869A
Authority
CN
China
Prior art keywords
energy
park
period
chp
energy system
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
Application number
CN202110273830.1A
Other languages
English (en)
Inventor
张新鹤
李克成
王松岑
何桂雄
李德智
钟鸣
黄伟
刘向向
卢婕
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.)
State Grid Jiangxi Electric Power Co ltd
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
State Grid Jiangxi Electric Power Co ltd
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
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 State Grid Jiangxi Electric Power Co ltd, State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI filed Critical State Grid Jiangxi Electric Power Co ltd
Priority to CN202110273830.1A priority Critical patent/CN112966869A/zh
Publication of CN112966869A publication Critical patent/CN112966869A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based 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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种园区综合能源***优化调度方法和***，包括：获取预测的园区在优化周期各时段的电负荷、热负荷、负载率和光伏发电单元出力；将所述园区在优化周期各时段的电负荷、热负荷、光伏发电单元出力和负载率代入预先建立的优化调度模型中进行求解，得到园区综合能源***在优化周期各时段的购电功率及购气功率、园区综合能源***中产能设备的用能功率及产能功率和园区综合能源***中储能设备的充放能功率的最优解；根据所述最优解对园区综合能源***进行调度。本发明提供的技术方案，考虑负载率对能源集线器模型的影响，提高了优化调度模型的构建合理性，进而使园区综合能源***的优化调度更加合理可靠。

Description

一种园区综合能源***优化调度方法和***
技术领域
本发明涉及园区综合能源***优化调度领域，具体涉及一种园区综合能源***优化调度方法和***。
背景技术
随着社会发展的加速及能源需求的增长，能源需求量大与能源紧缺之间矛盾日益突出，为解决该问题，提高能源利用效率、加强能源综合利用成为全球能源技术发展趋势。
综合能源***集成电、热、气等能源子***，涵盖能源生产、传输、转换、储能等多种能源环节的能源技术，充分发掘了各个能源子***的潜力，是当今能源技术变革与发展的重要方向。
根据地理环境及能源特性等因素，可将综合能源***划分为：全球能源互联网、跨区级综合能源***、区域级综合能源***和用户级综合能源***。园区综合能源***作为一种典型的用户级综合能源***，通过可再生能源发电、热电联产(CHP)等技术实现电、热、气多种能源***的一体化运行与多能源的联合供应，能有效提升能源的综合利用率、降低用能成本、提高用户收益，实现电、热、气等不同能源形式之间的多能互补与集成优化。园区综合能源***运行的经济性以及能源利用率的高低与其优化调度方法密切相关，因此，对园区综合能源***优化调度方法进行研究具有重要的经济效益和社会意义。
物理-数学模型是研究园区综合能源***生成与运行机制的基础工具。作为综合能源***通用建模方法，能源集线器模型通过将园区综合能源***内部设备元件及其之间的耦合关系抽象为耦合矩阵，以此反映园区综合能源***的输入-输出关系。能源集线器不受限于待建模***的大小和拓扑结构，因此成为了园区综合能源***优化规划和运行的经典模型。
传统的优化调度方法在针对待分析园区综合能源***建立能源集线器模型时，通常假定所分析园区综合能源***中主要能源设备的能源转换效率和分配系数恒定，然而，在实际工况运行环境中存在设备能源转换效率及分配系数随负载率变化的情况，所以假定能源设备能源转换效率及分配系数恒定的园区综合能源***模型不够准确，从而导致园区综合能源***的优化调度方案不合理。
基于此，亟需提出一种新的技术以解决上述问题。
发明内容
针对现有技术的不足，本发明的目的是提供一种园区综合能源***优化调度方法和***，该方法考虑负载率对能源转换效率和分配系数的影响，提高了优化调度模型的构建合理性，进而使园区综合能源***的优化调度更加合理可靠。
本发明的目的是采用下述技术方案实现的：
本发明提供一种园区综合能源***优化调度方法，所述方法包括：
获取预测的园区在优化周期各时段的电负荷、热负荷、负载率和光伏发电单元出力；
将所述园区在优化周期各时段的电负荷、热负荷、光伏发电单元出力和负载率代入预先建立的优化调度模型中进行求解，得到园区综合能源***在优化周期各时段的购电功率及购气功率、园区综合能源***中产能设备的用能功率及产能功率和园区综合能源***中储能设备的充放能功率的最优解；
根据所述最优解对园区综合能源***进行调度；
其中，所述优化调度模型是基于负载率修正的能源集线器模型约束建立的。
本发明一种园区综合能源***优化调度***，所述***包括：
获取模块，用于获取预测的园区在优化周期各时段的电负荷、热负荷、负载率和光伏发电单元出力；
求解模块，用于将所述园区在优化周期各时段的电负荷、热负荷、光伏发电单元出力和负载率代入预先建立的优化调度模型中进行求解，得到园区综合能源***在优化周期各时段的购电功率及购气功率、园区综合能源***中产能设备的用能功率及产能功率和园区综合能源***中储能设备的充放能功率的最优解；
调度模块，用于根据所述最优解对园区综合能源***进行调度；
其中，所述优化调度模型是基于负载率修正的能源集线器模型约束建立的。
与最接近的现有技术相比，本发明具有的有益效果：
本发明提供的技术方案，获取预测的园区在优化周期各时段的电负荷、热负荷、负载率和光伏发电单元出力；将所述园区在优化周期各时段的电负荷、热负荷、光伏发电单元出力和负载率代入预先建立的优化调度模型中进行求解，得到园区综合能源***在优化周期各时段的购电功率及购气功率、园区综合能源***中产能设备的用能功率及产能功率和园区综合能源***中储能设备的充放能功率的最优解；根据所述最优解对园区综合能源***进行调度。该方案考虑负载率对能源集线器模型的影响，提高了优化调度模型的构建合理性，进而使园区综合能源***的优化调度更加合理可靠。
附图说明
图1是一种园区综合能源***优化调度方法流程图；
图2是一种园区综合能源***优化调度***结构图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
实施例1：
本发明提供了一种园区综合能源***优化调度方法，如图1所示，包括：
步骤101，获取预测的园区在优化周期各时段的电负荷、热负荷、负载率和光伏发电单元出力；
步骤102，将所述园区在优化周期各时段的电负荷、热负荷、光伏发电单元出力和负载率代入预先建立的优化调度模型中进行求解，得到园区综合能源***在优化周期各时段的购电功率及购气功率、园区综合能源***中产能设备的用能功率及产能功率和园区综合能源***中储能设备的充放能功率的最优解；
步骤103，根据所述最优解对园区综合能源***进行调度；
其中，所述优化调度模型是基于负载率修正的能源集线器模型约束建立的。
具体的，所述优化调度模型的构建，包括：
以运行成本最低和能源利用率最大为目标构建目标函数；
为所述目标函数构建能量平衡约束、负载率修正的能源集线器模型约束、能源转换设备运行不等式约束和储能设备运行约束。
具体的，所述负载率修正的能源集线器模型约束是利用负载率对能源集线器模型中的能源转换效率和分配系数进行修正得到的。
进一步的，所述负载率修正的能源集线器模型约束的计算式如下：
Figure BDA0002975673780000031
式中，Pe,t为园区综合能源***在优化周期中第t个时段的购电功率，Pg,t分别为园区综合能源***在优化周期中第t个时段的购气功率，Le,t为园区综合能源***在优化周期第t个时段的输出电功率，Lh,t为园区综合能源***在优化周期第t个时段的输出热功率，Me,t为园区综合能源***在优化周期中第t个时段的储电功率，Mg,t为园区综合能源***在优化周期中第t个时段的储热功率，νHP(ξt)为负载率为ξt时热泵在优化周期中第t个时段的分配系数，νCHP(ξt)为负载率为ξt时CHP机组在优化周期中第t个时段的分配系数，ηHP(ξt)为负载率为ξt时热泵的能源转换效率，ηCHP(ξt)为负载率为ξt时CHP机组的能源转换效率，ηGB(ξt)为负载率为ξt时燃气锅炉机组的能源转换效率，αCHP(ξt)为负载率为ξt时CHP机组的热电比，ξt为优化周期中第t个时段的负载率。
进一步的，所述负载率为ξt时CHP机组的能源转换效率ηCHP(ξt)的计算式是基于CHP机组实际工况下获取的实际能源转换效率与负载率间的关系曲线，对负载率和CHP机组的能源转换效率进行多项式拟合得到的；
所述负载率为ξt时CHP机组的热电比αCHP(ξt)的计算式是基于CHP机组实际工况下获取的实际热电比与负载率间的关系曲线，对负载率和CHP机组的热电比进行多项式拟合得到的；
所述负载率为ξt时燃气锅炉的能源转换效率ηGB(ξt)的计算式是基于燃气锅炉实际工况下获取的实际能源转换效率与负载率间的关系曲线，对负载率和燃气锅炉的能源转换效率进行多项式拟合得到的；
所述负载率为ξt时热泵的能源转换效率ηHP(ξt)的计算式是基于热泵实际工况下获取实际能源转换效率与负载率间的关系曲线对负载率和热泵的能源转换效率进行多项式拟合得到的。
再进一步的，所述负载率为ξt时CHP机组的能源转换效率ηCHP(ξt)的计算式如下：
ηCHP(ξt)＝k1ξt 4+k2ξt 3+k3ξt 2+k4ξt+k0
式中，k0为ηCHP(ξt)的计算式中常数项系数，k4为ηCHP(ξt)的计算式中一次项系数，k3为ηCHP(ξt)的计算式中二次项系数，k2为ηCHP(ξt)的计算式中三次项系数，k1为ηCHP(ξt)的计算式中四次项系数；
所述负载率为ξt时CHP机组的热电比αCHP(ξt)的计算式如下：
αCHP(ξt)＝k2'ξt 2+k1'ξt+k0'
式中，k0'为αCHP(ξt)的计算式中常数项系数，k1'为αCHP(ξt)的计算式中一次项系数，k2'为αCHP(ξt)的计算式中二次项系数；
所述负载率为ξt时燃气锅炉的能源转换效率ηGB(ξt)的计算式如下：
Figure BDA0002975673780000051
式中，
Figure BDA0002975673780000052
为ηGB(ξt)的计算式中常数项系数，
Figure BDA0002975673780000053
为ηGB(ξt)的计算式中一次项系数；
所述负载率为ξt时热泵的能源转换效率ηHP(ξt)的计算式如下：
Figure BDA0002975673780000054
式中，
Figure BDA0002975673780000055
为ηHP(ξt)的计算式中常数项系数，
Figure BDA0002975673780000056
为ηHP(ξt)的计算式中一次项系数，
Figure BDA0002975673780000057
为ηHP(ξt)的计算式中二次项系数。
进一步的，所述负载率修正的能源集线器模型约束的计算式还包括：
Figure BDA0002975673780000058
Figure BDA0002975673780000059
Figure BDA00029756737800000510
Figure BDA00029756737800000511
Figure BDA00029756737800000512
Figure BDA00029756737800000513
式中，
Figure BDA00029756737800000514
为CHP机组在优化周期中第t个时段的输出电功率，
Figure BDA00029756737800000515
为CHP机组在优化周期中第t个时段的输入天然气功率，
Figure BDA00029756737800000516
为CHP机组在优化周期中第t个时段的输出热功率，
Figure BDA00029756737800000517
为燃气锅炉在优化周期中第t个时段的输出热功率，
Figure BDA00029756737800000518
为燃气锅炉在优化周期中第t个时段的输入天然气功率，
Figure BDA0002975673780000061
为热泵在优化周期中第t个时段的输出热功率，
Figure BDA0002975673780000062
为热泵在优化周期中第t个时段的输入电功率。
进一步的，所述目标函数的计算式如下：
F＝minf1+maxf2
式中，F为目标函数值，f1为优化周期内园区综合能源***的运行成本，f2为优化周期内园区综合能源***的能源利用率平均值。
其中，所述优化周期内园区综合能源***的运行成本f1的计算式如下：
Figure BDA0002975673780000063
式中，σ1为优化周期内园区综合能源***的运行成本对应的权重，Ce,t为优化周期中第t个时段的电价，Cg,t为优化周期中第t个时段的天然气价，CM,k为园区综合能源***中第k个设备的单位功率运行维护费用，Pe,t为园区综合能源***在优化周期中第t个时段的购电功率，Pg,t分别为园区综合能源***在优化周期中第t个时段的购气功率，Pout,k,t为园区综合能源***中第k个设备在优化周期中第t个时段的输出功率，t∈(1～T)，T为优化周期包含的时段总数，i∈(1～Sk)，Sk为园区综合能源***中包含的设备总数；
所述优化周期内园区综合能源***的能源利用率平均值f2的计算式如下：
Figure BDA0002975673780000064
式中，σ2为优化周期内园区综合能源***的能源利用率平均值对应的权重，Le,t为园区综合能源***在优化周期第t个时段的输出电功率，Lh,t为园区综合能源***在优化周期第t个时段的输出热功率。
进一步的，所述能源转换设备运行不等式约束的计算式如下：
Figure BDA0002975673780000071
式中，Pe max为园区综合能源***的购电功率的上限值，Pe min为园区综合能源***的购电功率的下限值，Pg max为园区综合能源***的购气功率的上限值，Pg min为园区综合能源***的购气功率的下限值，Pt PV为园区综合能源***中光伏发电单元在优化周期中第t个时段的输出功率，PPV max为光伏发电单元的最大输出功率，PCHP max为园区综合能源***中CHP机组的最大装载容量，PGB max为园区综合能源***中燃气锅炉的最大装载容量，PHP max为园区综合能源***中热泵的最大装载容量。
具体的，所述产能设备包括：光伏发电单元、CHP机组、燃气锅炉和热泵；
所述储能设备包括：储电设备和储热设备。
实施例2：
本发明提供了一种园区综合能源***优化调度***，如图2所示，包括：
获取模块，用于获取预测的园区在优化周期各时段的电负荷、热负荷、负载率和光伏发电单元出力；
求解模块，用于将所述园区在优化周期各时段的电负荷、热负荷、光伏发电单元出力和负载率代入预先建立的优化调度模型中进行求解，得到园区综合能源***在优化周期各时段的购电功率及购气功率、园区综合能源***中产能设备的用能功率及产能功率和园区综合能源***中储能设备的充放能功率的最优解；
调度模块，用于根据所述最优解对园区综合能源***进行调度；
其中，所述优化调度模型是基于负载率修正的能源集线器模型约束建立的。
具体的，所述***还包括，用于预先构建优化调度模型的构建模块，所述构建模块包括：
目标函数构建单元，用于以运行成本最低和能源利用率最大为目标构建目标函数；
约束条件构建单元，用于为所述目标函数构建能量平衡约束、负载率修正的能源集线器模型约束、能源转换设备运行不等式约束和储能设备运行约束。
具体的，所述负载率修正的能源集线器模型约束是利用负载率对能源集线器模型中的能源转换效率和分配系数进行修正得到的。
具体的，所述负载率修正的能源集线器模型约束的计算式如下：
Figure BDA0002975673780000081
式中，Pe,t为园区综合能源***在优化周期中第t个时段的购电功率，Pg,t分别为园区综合能源***在优化周期中第t个时段的购气功率，Le,t为园区综合能源***在优化周期第t个时段的输出电功率，Lh,t为园区综合能源***在优化周期第t个时段的输出热功率，Me,t为园区综合能源***在优化周期中第t个时段的储电功率，Mg,t为园区综合能源***在优化周期中第t个时段的储热功率，νHP(ξt)为负载率为ξt时热泵在优化周期中第t个时段的分配系数，νCHP(ξt)为负载率为ξt时CHP机组在优化周期中第t个时段的分配系数，ηHP(ξt)为负载率为ξt时热泵的能源转换效率，ηCHP(ξt)为负载率为ξt时CHP机组的能源转换效率，ηGB(ξt)为负载率为ξt时燃气锅炉机组的能源转换效率，αCHP(ξt)为负载率为ξt时CHP机组的热电比，ξt为优化周期中第t个时段的负载率。
进一步的，所述负载率为ξt时CHP机组的能源转换效率ηCHP(ξt)的计算式是基于CHP机组实际工况下获取的实际能源转换效率与负载率间的关系曲线，对负载率和CHP机组的能源转换效率进行多项式拟合得到的；
所述负载率为ξt时CHP机组的热电比αCHP(ξt)的计算式是基于CHP机组实际工况下获取的实际热电比与负载率间的关系曲线，对负载率和CHP机组的热电比进行多项式拟合得到的；
所述负载率为ξt时燃气锅炉的能源转换效率ηGB(ξt)的计算式是基于燃气锅炉实际工况下获取的实际能源转换效率与负载率间的关系曲线，对负载率和燃气锅炉的能源转换效率进行多项式拟合得到的；
所述负载率为ξt时热泵的能源转换效率ηHP(ξt)的计算式是基于热泵实际工况下获取实际能源转换效率与负载率间的关系曲线对负载率和热泵的能源转换效率进行多项式拟合得到的。
再进一步的，所述负载率为ξt时CHP机组的能源转换效率ηCHP(ξt)的计算式如下：
ηCHP(ξt)＝k1ξt 4+k2ξt 3+k3ξt 2+k4ξt+k0
式中，k0为ηCHP(ξt)的计算式中常数项系数，k4为ηCHP(ξt)的计算式中一次项系数，k3为ηCHP(ξt)的计算式中二次项系数，k2为ηCHP(ξt)的计算式中三次项系数，k1为ηCHP(ξt)的计算式中四次项系数；
所述负载率为ξt时CHP机组的热电比αCHP(ξt)的计算式如下：
αCHP(ξt)＝k2'ξt 2+k1'ξt+k0'
式中，k0'为αCHP(ξt)的计算式中常数项系数，k1'为αCHP(ξt)的计算式中一次项系数，k2'为αCHP(ξt)的计算式中二次项系数；
所述负载率为ξt时燃气锅炉的能源转换效率ηGB(ξt)的计算式如下：
Figure BDA0002975673780000091
式中，
Figure BDA0002975673780000092
为ηGB(ξt)的计算式中常数项系数，
Figure BDA0002975673780000093
为ηGB(ξt)的计算式中一次项系数；
所述负载率为ξt时热泵的能源转换效率ηHP(ξt)的计算式如下：
Figure BDA0002975673780000094
式中，
Figure BDA0002975673780000095
为ηHP(ξt)的计算式中常数项系数，
Figure BDA0002975673780000096
为ηHP(ξt)的计算式中一次项系数，
Figure BDA0002975673780000097
为ηHP(ξt)的计算式中二次项系数。
进一步的，所述负载率修正的能源集线器模型约束的计算式还包括：
Figure BDA0002975673780000098
Figure BDA0002975673780000099
Figure BDA00029756737800000910
Figure BDA00029756737800000911
Figure BDA00029756737800000912
Figure BDA0002975673780000101
式中，
Figure BDA0002975673780000102
为CHP机组在优化周期中第t个时段的输出电功率，
Figure BDA0002975673780000103
为CHP机组在优化周期中第t个时段的输入天然气功率，
Figure BDA0002975673780000104
为CHP机组在优化周期中第t个时段的输出热功率，
Figure BDA0002975673780000105
为燃气锅炉在优化周期中第t个时段的输出热功率，
Figure BDA0002975673780000106
为燃气锅炉在优化周期中第t个时段的输入天然气功率，
Figure BDA0002975673780000107
为热泵在优化周期中第t个时段的输出热功率，
Figure BDA0002975673780000108
为热泵在优化周期中第t个时段的输入电功率。
具体的，所述目标函数的计算式如下：
F＝minf1+maxf2
式中，F为目标函数值，f1为优化周期内园区综合能源***的运行成本，f2为优化周期内园区综合能源***的能源利用率平均值。
其中，所述优化周期内园区综合能源***的运行成本f1的计算式如下：
Figure BDA0002975673780000109
式中，σ1为优化周期内园区综合能源***的运行成本对应的权重，Ce,t为优化周期中第t个时段的电价，Cg,t为优化周期中第t个时段的天然气价，CM,k为园区综合能源***中第k个设备的单位功率运行维护费用，Pe,t为园区综合能源***在优化周期中第t个时段的购电功率，Pg,t分别为园区综合能源***在优化周期中第t个时段的购气功率，Pout,k,t为园区综合能源***中第k个设备在优化周期中第t个时段的输出功率，t∈(1～T)，T为优化周期包含的时段总数，i∈(1～Sk)，Sk为园区综合能源***中包含的设备总数；
所述优化周期内园区综合能源***的能源利用率平均值f2的计算式如下：
Figure BDA00029756737800001010
式中，σ2为优化周期内园区综合能源***的能源利用率平均值对应的权重，Le,t为园区综合能源***在优化周期第t个时段的输出电功率，Lh,t为园区综合能源***在优化周期第t个时段的输出热功率。
具体的，所述能源转换设备运行不等式约束的计算式如下：
Figure BDA0002975673780000111
式中，Pe max为园区综合能源***的购电功率的上限值，Pe min为园区综合能源***的购电功率的下限值，Pg max为园区综合能源***的购气功率的上限值，Pg min为园区综合能源***的购气功率的下限值，Pt PV为园区综合能源***中光伏发电单元在优化周期中第t个时段的输出功率，PPV max为光伏发电单元的最大输出功率，PCHP max为园区综合能源***中CHP机组的最大装载容量，PGB max为园区综合能源***中燃气锅炉的最大装载容量，PHP max为园区综合能源***中热泵的最大装载容量。
具体的，所述产能设备包括：光伏发电单元、CHP机组、燃气锅炉和热泵；
所述储能设备包括：储电设备和储热设备。
实施例3：
传统的优化调度方法在针对待分析园区综合能源***建立能源集线器模型时，通常假定所分析园区综合能源***中主要能源设备的能源转换效率和分配系数恒定，然而，在实际工况运行环境中存在设备能源转换效率及分配系数随负载率变化的情况，所以假定能源设备能源转换效率及分配系数恒定的园区综合能源***模型不够准确，从而导致园区综合能源***的优化调度方案不合理，鉴于上述问题，为保证园区综合能源***优化调度方案的可靠性，提出一种园区综合能源***优化调度方法，该方法建立了反映实际运行工况的园区综合能源***能源集线器模型，使园区综合能源***的优化调度方案更加合理可靠，对综合能源***的优化调度工作具有借鉴意义。
采用本发明提供的园区综合能源***优化调度方法，对园区综合能源***进行优化调度，包括以下步骤：
步骤A：构建园区综合能源***对应的“电-热-气”能源集线器通用模型：
1)：分析园区综合能源***中的能源设备类型、能量耦合关系、工能结构，并搜集设备参数；
园区综合能源***的能源设备包括：光伏发电单元(PV)、CHP机组、燃气锅炉(GB)、热泵(HP)以及储能设备，所述储能设备包括：储电设备和储热设备；
2)：利用典型能源集线器建模方法，建立园区综合能源***对应的“电-热-气”能源集线器通用模型；
该模型可用下式表示：
Figure BDA0002975673780000121
式中，Le和Lh分别为园区综合能源***输出电功率和输出热功率，Pe和Pg分别为园区综合能源***的购电功率和购气功率，Me和Mh分别为园区综合能源***的储电量和储热量，νHP为热泵对应的分配系数，其值为用于热泵产热的电量占总电量的比值，νCHP为CHP机组对应的分配系数，其值为用于CHP机组发电的天然气的量占总天然气量的比，ηHP、ηCHP和ηGB分别为热泵、CHP机组、燃气锅炉的能源转换效率，αCHP为CHP机组的热电比。
3)：考虑负载率对园区综合能源***对应的“电-热-气”能源集线器通用模型中能源转换效率和分配系数的影响，修正所述“电-热-气”能源集线器通用模型；
由于负载率变化会引起能源转换效率变化，并反馈到调度中心对***中的能源重新分配引起能源分配系数的改变。为了得到准确的园区综合能源***对应的“电-热-气”能源集线器通用模型，对该模型进行校正，校正后该模型可用下式表示：
Figure BDA0002975673780000122
式中，Le,t和Lh,t分别为园区综合能源***在优化周期第t个时段的输出电功率和输出热功率，Pe,t和Pg,t分别为园区综合能源***在优化周期中第t个时段的购电功率和购气功率，Me,t和Mg,t分别为园区综合能源***在优化周期中第t个时段的储电功率和储热功率，νHP(ξt)为负载率为ξt时对应的热泵在优化周期中第t个时段的分配系数，其值为负载率为ξt时热泵在优化周期中第t个时段用于产热的电功率占购电功率的比值，νCHP(ξt)为负载率为ξt时对应的CHP机组在优化周期中第t个时段的分配系数，其值为负载率为ξt时CHP机组在优化周期中第t个时段用于发电的天然气功率占购气功率的比值，ηHP(ξt)、ηCHP(ξt)和ηGB(ξt)分别为负载率为ξt时对应的热泵、CHP机组、燃气锅炉的能源转换效率，αCHP(ξt)为负载率为ξt时对应的CHP机组的热电比，ξt为优化周期中第t个时段的负载率，其值等于优化周期负载率的平均值与优化周期负载率的最大值之间的比值。
4)：给出修正后园区综合能源***对应的“电-热-气”能源集线器通用模型反映的园区综合能源***各设备运行参数；
(1)CHP机组
CHP机组输出电功率与输入天然气功率之间的关系：
Figure BDA0002975673780000131
式中，
Figure BDA0002975673780000132
为CHP机组在优化周期中第t个时段的输出电功率，
Figure BDA0002975673780000133
为CHP机组在优化周期中第t个时段的输入天然气功率；
CHP机组输出热功率与输出电功率之间的关系：
Figure BDA0002975673780000134
式中，
Figure BDA0002975673780000135
为CHP机组在优化周期中第t个时段的输出热功率；
故而，可得负载率为ξt时对应的CHP机组对应的分配系数νCHP(ξt)的计算式如下：
Figure BDA0002975673780000136
其中，ηCHP(ξt)的计算式是利用CHP机组实际工况下获取的实际能源转换效率与负载率间的关系曲线拟合得到的，ηCHP(ξt)的计算式具体如下：
ηCHP(ξt)＝k1ξt 4+k2ξt 3+k3ξt 2+k4ξt+k0
式中，k0～k4为多项式的拟合因子。
αCHP(ξt)的计算式是利用CHP机组实际工况下获取的实际电热比与负载率间的关系曲线拟合得到的，αCHP(ξt)的计算式具体如下：
αCHP(ξt)＝k2'ξt 2+k1'ξt+k0'
式中，k0'～k2'为多项式的拟合因子。
(2)燃气锅炉(GB)
燃气锅炉输出热功率与输入天然气功率之间的关系：
Figure BDA0002975673780000141
式中，
Figure BDA0002975673780000142
为燃气锅炉在优化周期中第t个时段的输出热功率，
Figure BDA0002975673780000143
为燃气锅炉在优化周期中第t个时段的输入天然气功率。
其中，ηGB(ξt)的计算式是利用燃气锅炉实际工况下获取的实际能源转换效率与负载率间的关系曲线拟合得到的，ηGB(ξt)的计算式具体如下：
Figure BDA0002975673780000144
式中，
Figure BDA0002975673780000145
为多项式的拟合因子。
(3)热泵(HP)
热泵输出热功率与输入电功率之间的关系：
Figure BDA0002975673780000146
式中，
Figure BDA0002975673780000147
为热泵在优化周期中第t个时段的输出热功率，
Figure BDA0002975673780000148
为热泵在优化周期中第t个时段的输入电功率；
Figure BDA0002975673780000149
电能用于热泵的分配系数：
Figure BDA00029756737800001410
其中，ηHP(ξt)的计算式是利用热泵实际工况下获取实际能源转换效率与负载率间的关系曲线拟合得到的，ηHP(ξt)的计算式具体如下：
Figure BDA00029756737800001411
式中，
Figure BDA00029756737800001412
为多项式的拟合因子。
步骤B：综合考虑园区运行经济成本与能源利用率，结合修正后园区综合能源***对应的“电-热-气”能源集线器通用模型和其反映的园区综合能源***各设备运行参数，预先构建优化调度模型：
1)优化调度模型以运行成本最低和能源利用率最大为目标构建；
所述目标函数的计算式如下：
F＝minf1+maxf2
式中，F为目标函数值，f1为优化周期内园区综合能源***的运行成本，f2为优化周期内园区综合能源***的能源利用率平均值；
其中，园区综合能源***的运行成本用主要包括园区购电和购气费用和各类设备的维护费用，f1的计算式如下：
Figure BDA0002975673780000151
式中，σ1为优化周期内园区综合能源***的运行成本对应的权重，Ce,t为优化周期中第t个时段的电价，Cg,t为优化周期中第t个时段的天然气价，CM,k为园区综合能源***中第k个设备的单位功率运行维护费用，Pout,k,t为园区综合能源***中第k个设备在优化周期中第t个时段的输出功率，t∈(1～T)，T为优化周期包含的时段总数，i∈(1～Sk)，Sk为园区综合能源***中包含的设备总数；
其中，能源利用率定义为***能源总输出与能源总输入之比，f2的计算式如下：
Figure BDA0002975673780000152
式中，σ2为优化周期内园区综合能源***的能源利用率平均值对应的权重。
这里，Pe,t，Pg,t，Le,t和Lh,t是利用园区综合能源***对应的“电-热-气”能源集线器通用模型和其反映的园区综合能源***设备的运行参数确定的。
2)根据***能源耦合特性和能源设备运行特性，为预先构建的优化调度模型的目标函数构建能量平衡约束、能源转换设备和储能设备运行约束：
所述能量平衡约束的计算式如下：
电能网络模型由节点复功率平衡来建立，对电网中任一节点i，建立复功率平衡方程：
Figure BDA0002975673780000153
式中，Si为注入电网节点i的复功率，Sij为由电网节点i流向与其连接的电网节点j的复功率，
Figure BDA0002975673780000161
为电网节点i的电压的向量形式，
Figure BDA0002975673780000162
为电网节点j的电压的向量形式，yij为线路ij的互导纳，yio为电网节点i的自导纳；
天然气管道网络模型由节点流量平衡来建立，对天然气管道中任一节点θ，建立流量平衡方程：
∑mθ,θ(t)+∑mo,θ(t)＝0
式中，∑mθ,θ(t)为优化周期中第t个时段流入节点θ的质量流量，kg/s，∑mo,θ(t)为优化周期中第t个时段流出节点θ的质量流量，kg/s。
所述能源转换设备运行约束：
将步骤A中修正后的“电-热-气”能源集线器通用模型中涉及到的等式作为能源转换设备运行的等式约束，下面建立其运行的不等式约束：
Figure BDA0002975673780000163
式中，Pe max和Pe min分别为园区综合能源***的购电功率的上下限值，Pg max和Pg min分别为园区综合能源***的购气功率的上下限值，Pt PV为园区综合能源***中光伏发电单元在优化周期中第t个时段的输出功率，PPV max分别为光伏发电单元的最大输出功率，PCHP max、PGB max和PHP max分别为园区综合能源***中CHP机组、燃气锅炉和热泵的最大装载容量。
所述储能设备运行约束的计算式如下：
Figure BDA0002975673780000164
式中，Pin max和Pout max分别为园区综合能源***中储能设备最大充能功率和最大放能功率，M(t)为园区综合能源***中储能设备在优化周期中第t个时段的储能量，Mmin和Mmax分别为园区综合能源***中储能设备的最大储能量和最小储能量。
步骤C：获取园区在优化周期各时段的电负荷、热负荷和负载率；
步骤D：将园区在优化周期各时段的电负荷、热负荷和负载率代入预先建立的优化调度模型中，利用粒子群算法求解所述模型，得到优化变量的最优解；
所述优化变量包括：园区综合能源***在优化周期各时段的购电功率和购气功率、园区综合能源***中各设备的用能功率和产能功率。
粒子群算法求解的具体步骤包括：
①初始化粒子群规模m，搜索空间n，设置最大迭代次数，给定学习因子值、惯性权重初值，随机初始化粒子空间位置和速度；
②计算粒子群中各粒子的适应度函数值；
③对每个粒子，将其当前位置Xk的适应值与其历史最佳位置Pk对应的适应值比较，如果当前位置的适应值更高，则用当前位置更新粒子个体的历史最佳位置，否则，不更新；
④对每个粒子，将其当前位置Xk的适应值与其种群最佳位置Gk对应的适应值比较，如果当前位置的适应值更高，则用当前位置更新种群最佳位置，否则，不更新；
⑤根据粒子速度和位置的迭代公式更新每个粒子的速度和位置，迭代公式如下式所示：
Figure BDA0002975673780000171
式中，r1、r2为区间[0,1]上服从均匀分布的随机数，c1、c2为学习因子，二者均为正常数，ω为惯性权重，Z为最大迭代次数，z为当前迭代次数，ωmax为惯性权重最大允许值，ωmin为惯性权重最小允许值，
Figure BDA0002975673780000172
为第z+1次迭代第
Figure BDA0002975673780000178
个粒子的位置，
Figure BDA0002975673780000173
为第z次迭代第
Figure BDA00029756737800001711
个粒子的位置，
Figure BDA0002975673780000174
为第z次迭代第
Figure BDA0002975673780000179
个粒子的速度，
Figure BDA0002975673780000175
为第z+1次迭代第
Figure BDA00029756737800001710
个粒子的速度，
Figure BDA0002975673780000176
为第z次迭代的个体最佳位置，
Figure BDA0002975673780000177
为第z次迭代的群体最佳位置；
⑥判断算法是否结束，若未满足结束条件，则返回步骤②，若满足结束条件则算法结束，种群最佳位置即目标函数的最优解。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、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 (12)

1.一种园区综合能源***优化调度方法，其特征在于，所述方法包括：
获取预测的园区在优化周期各时段的电负荷、热负荷、负载率和光伏发电单元出力；
将所述园区在优化周期各时段的电负荷、热负荷、光伏发电单元出力和负载率代入预先建立的优化调度模型中进行求解，得到园区综合能源***在优化周期各时段的购电功率及购气功率、园区综合能源***中产能设备的用能功率及产能功率和园区综合能源***中储能设备的充放能功率的最优解；
根据所述最优解对园区综合能源***进行调度；
其中，所述优化调度模型是基于负载率修正的能源集线器模型约束建立的。
2.如权利要求1所述的方法，其特征在于，所述优化调度模型的构建，包括：
以运行成本最低和能源利用率最大为目标构建目标函数；
为所述目标函数构建能量平衡约束、负载率修正的能源集线器模型约束、能源转换设备运行不等式约束和储能设备运行约束。
3.如权利要求1或2所述的方法，其特征在于，所述负载率修正的能源集线器模型约束是利用负载率对能源集线器模型中的能源转换效率和分配系数进行修正得到的。
4.如权利要求1或2所述的方法，其特征在于，所述负载率修正的能源集线器模型约束的计算式如下：
Figure FDA0002975673770000011
式中，Pe,t为园区综合能源***在优化周期中第t个时段的购电功率，Pg,t分别为园区综合能源***在优化周期中第t个时段的购气功率，Le,t为园区综合能源***在优化周期第t个时段的输出电功率，Lh,t为园区综合能源***在优化周期第t个时段的输出热功率，Me,t为园区综合能源***在优化周期中第t个时段的储电功率，Mg,t为园区综合能源***在优化周期中第t个时段的储热功率，νHP(ξt)为负载率为ξt时热泵在优化周期中第t个时段的分配系数，νCHP(ξt)为负载率为ξt时CHP机组在优化周期中第t个时段的分配系数，ηHP(ξt)为负载率为ξt时热泵的能源转换效率，ηCHP(ξt)为负载率为ξt时CHP机组的能源转换效率，ηGB(ξt)为负载率为ξt时燃气锅炉机组的能源转换效率，αCHP(ξt)为负载率为ξt时CHP机组的热电比，ξt为优化周期中第t个时段的负载率。
5.如权利要求3所述的方法，其特征在于，所述负载率为ξt时CHP机组的能源转换效率ηCHP(ξt)的计算式是基于CHP机组实际工况下获取的实际能源转换效率与负载率间的关系曲线，对负载率和CHP机组的能源转换效率进行多项式拟合得到的；
所述负载率为ξt时CHP机组的热电比αCHP(ξt)的计算式是基于CHP机组实际工况下获取的实际热电比与负载率间的关系曲线，对负载率和CHP机组的热电比进行多项式拟合得到的；
所述负载率为ξt时燃气锅炉的能源转换效率ηGB(ξt)的计算式是基于燃气锅炉实际工况下获取的实际能源转换效率与负载率间的关系曲线，对负载率和燃气锅炉的能源转换效率进行多项式拟合得到的；
所述负载率为ξt时热泵的能源转换效率ηHP(ξt)的计算式是基于热泵实际工况下获取实际能源转换效率与负载率间的关系曲线对负载率和热泵的能源转换效率进行多项式拟合得到的。
6.如权利要求4所述的方法，其特征在于，所述负载率为ξt时CHP机组的能源转换效率ηCHP(ξt)的计算式如下：
ηCHP(ξt)＝k1ξt 4+k2ξt 3+k3ξt 2+k4ξt+k0
式中，k0为ηCHP(ξt)的计算式中常数项系数，k4为ηCHP(ξt)的计算式中一次项系数，k3为ηCHP(ξt)的计算式中二次项系数，k2为ηCHP(ξt)的计算式中三次项系数，k1为ηCHP(ξt)的计算式中四次项系数；
所述负载率为ξt时CHP机组的热电比αCHP(ξt)的计算式如下：
αCHP(ξt)＝k2'ξt 2+k1'ξt+k0'
式中，k0'为αCHP(ξt)的计算式中常数项系数，k1'为αCHP(ξt)的计算式中一次项系数，k2'为αCHP(ξt)的计算式中二次项系数；
所述负载率为ξt时燃气锅炉的能源转换效率ηGB(ξt)的计算式如下：
Figure FDA0002975673770000021
式中，
Figure FDA0002975673770000022
为ηGB(ξt)的计算式中常数项系数，
Figure FDA0002975673770000023
为ηGB(ξt)的计算式中一次项系数；
所述负载率为ξt时热泵的能源转换效率ηHP(ξt)的计算式如下：
Figure FDA0002975673770000031
式中，
Figure FDA0002975673770000032
为ηHP(ξt)的计算式中常数项系数，
Figure FDA0002975673770000033
为ηHP(ξt)的计算式中一次项系数，
Figure FDA0002975673770000034
为ηHP(ξt)的计算式中二次项系数。
7.如权利要求4所述的方法，其特征在于，所述负载率修正的能源集线器模型约束的计算式还包括：
Figure FDA0002975673770000035
Figure FDA0002975673770000036
Figure FDA0002975673770000037
Figure FDA0002975673770000038
Figure FDA0002975673770000039
Figure FDA00029756737700000310
式中，
Figure FDA00029756737700000311
为CHP机组在优化周期中第t个时段的输出电功率，
Figure FDA00029756737700000312
为CHP机组在优化周期中第t个时段的输入天然气功率，
Figure FDA00029756737700000313
为CHP机组在优化周期中第t个时段的输出热功率，
Figure FDA00029756737700000314
为燃气锅炉在优化周期中第t个时段的输出热功率，
Figure FDA00029756737700000315
为燃气锅炉在优化周期中第t个时段的输入天然气功率，
Figure FDA00029756737700000316
为热泵在优化周期中第t个时段的输出热功率，
Figure FDA00029756737700000317
为热泵在优化周期中第t个时段的输入电功率。
8.如权利要求2所述的方法，其特征在于，所述目标函数的计算式如下：
F＝minf1+maxf2
式中，F为目标函数值，f1为优化周期内园区综合能源***的运行成本，f2为优化周期内园区综合能源***的能源利用率平均值。
9.如权利要求8所述的方法，其特征在于，所述优化周期内园区综合能源***的运行成本f1的计算式如下：
Figure FDA0002975673770000041
式中，σ1为优化周期内园区综合能源***的运行成本对应的权重，Ce,t为优化周期中第t个时段的电价，Cg,t为优化周期中第t个时段的天然气价，CM,k为园区综合能源***中第k个设备的单位功率运行维护费用，Pe,t为园区综合能源***在优化周期中第t个时段的购电功率，Pg,t分别为园区综合能源***在优化周期中第t个时段的购气功率，Pout,k,t为园区综合能源***中第k个设备在优化周期中第t个时段的输出功率，t∈(1～T)，T为优化周期包含的时段总数，i∈(1～Sk)，Sk为园区综合能源***中包含的设备总数；
所述优化周期内园区综合能源***的能源利用率平均值f2的计算式如下：
Figure FDA0002975673770000042
式中，σ2为优化周期内园区综合能源***的能源利用率平均值对应的权重，Le,t为园区综合能源***在优化周期第t个时段的输出电功率，Lh,t为园区综合能源***在优化周期第t个时段的输出热功率。
10.如权利要求2所述的方法，其特征在于，所述能源转换设备运行不等式约束的计算式如下：
Figure FDA0002975673770000043
式中，Pe max为园区综合能源***的购电功率的上限值，Pe min为园区综合能源***的购电功率的下限值，Pg max为园区综合能源***的购气功率的上限值，Pg min为园区综合能源***的购气功率的下限值，Pt PV为园区综合能源***中光伏发电单元在优化周期中第t个时段的输出功率，PPV max为光伏发电单元的最大输出功率，PCHP max为园区综合能源***中CHP机组的最大装载容量，PGB max为园区综合能源***中燃气锅炉的最大装载容量，PHP max为园区综合能源***中热泵的最大装载容量。
11.如权利要求1所述的方法，其特征在于，所述产能设备包括：光伏发电单元、CHP机组、燃气锅炉和热泵；
所述储能设备包括：储电设备和储热设备。
12.一种园区综合能源***优化调度***，其特征在于，所述***包括：
获取模块，用于获取预测的园区在优化周期各时段的电负荷、热负荷、负载率和光伏发电单元出力；
求解模块，用于将所述园区在优化周期各时段的电负荷、热负荷、光伏发电单元出力和负载率代入预先建立的优化调度模型中进行求解，得到园区综合能源***在优化周期各时段的购电功率及购气功率、园区综合能源***中产能设备的用能功率及产能功率和园区综合能源***中储能设备的充放能功率的最优解；
调度模块，用于根据所述最优解对园区综合能源***进行调度；
其中，所述优化调度模型是基于负载率修正的能源集线器模型约束建立的。
CN202110273830.1A 2021-03-15 2021-03-15 一种园区综合能源***优化调度方法和*** Pending CN112966869A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110273830.1A CN112966869A (zh) 2021-03-15 2021-03-15 一种园区综合能源***优化调度方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110273830.1A CN112966869A (zh) 2021-03-15 2021-03-15 一种园区综合能源***优化调度方法和***

Publications (1)

Publication Number Publication Date
CN112966869A true CN112966869A (zh) 2021-06-15

Family

ID=76278970

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110273830.1A Pending CN112966869A (zh) 2021-03-15 2021-03-15 一种园区综合能源***优化调度方法和***

Country Status (1)

Country Link
CN (1) CN112966869A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112308321A (zh) * 2020-11-03 2021-02-02 国网四川省电力公司经济技术研究院 一种用于园区综合能源***的优化调度***
CN113806952A (zh) * 2021-09-24 2021-12-17 沈阳工程学院 一种考虑源-荷-储的冷热电综合能源***及其优化运行方法
CN116596279A (zh) * 2023-07-14 2023-08-15 中通服建设有限公司 一种智慧园区能源消耗调度***

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112308321A (zh) * 2020-11-03 2021-02-02 国网四川省电力公司经济技术研究院 一种用于园区综合能源***的优化调度***
CN113806952A (zh) * 2021-09-24 2021-12-17 沈阳工程学院 一种考虑源-荷-储的冷热电综合能源***及其优化运行方法
CN113806952B (zh) * 2021-09-24 2024-02-27 沈阳工程学院 一种考虑源-荷-储的冷热电综合能源***及其优化运行方法
CN116596279A (zh) * 2023-07-14 2023-08-15 中通服建设有限公司 一种智慧园区能源消耗调度***
CN116596279B (zh) * 2023-07-14 2024-04-26 中通服建设有限公司 一种智慧园区能源消耗调度***

Similar Documents

Publication Publication Date Title
CN112966869A (zh) 一种园区综合能源***优化调度方法和***
CN109784573B (zh) 一种能源互联网多目标优化方法及装置
CN112529256B (zh) 考虑多重不确定性的分布式电源集群日前调度方法和***
CN111008748B (zh) 包括电动汽车充电负荷的微电网经济调度优化方法
CN108206543A (zh) 一种基于能源梯级利用的能源路由器及其运行优化方法
CN108009693A (zh) 基于两级需求响应的并网微电网双层优化方法
CN111934360B (zh) 基于模型预测控制的虚拟电厂-储能***能量协同优化调控方法
Xu et al. Look-ahead risk-constrained scheduling for an energy hub integrated with renewable energy
CN112701687B (zh) 考虑价格型联合需求响应的气电配网***鲁棒优化运行方法
CN114362241A (zh) 一种基于新能源最大消纳及发电成本最优的混合调度方法
CN112036934A (zh) 考虑热电协调运行的负荷聚合商参与需求响应的报价方法
CN114595868A (zh) 一种综合能源***源网荷储协同规划方法及***
CN113592133A (zh) 一种能量枢纽优化配置方法及***
Li et al. Optimal design for component capacity of integrated energy system based on the active dispatch mode of multiple energy storages
CN115187018A (zh) 一种园区综合能源***双层优化调度方法及装置
CN112966883A (zh) 综合能源***运行优化方法及终端设备
CN115204562B (zh) 一种计及多能共享的互联微能源网分布式协同优化调度方法和***
Wang et al. Optimal scheduling for integrated energy system considering scheduling elasticity of electric and thermal loads
CN114897346A (zh) 计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法
CN107832873A (zh) 基于双层母线式结构的综合能源***优化规划方法及装置
Li et al. Optimization of dynamic dispatch for multiarea integrated energy system based on hierarchical learning method
CN112134275B (zh) 一种计算含风电场电力***的可靠性方法及***
CN110992206A (zh) 一种多源电场的优化调度方法及***
CN115758763A (zh) 一种计及源荷不确定性的多能流***优化配置方法及***
Fang et al. Energy scheduling and decision learning of combined cooling, heating and power microgrid based on deep deterministic policy gradient

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