CN112990523B - 区域综合能源***分层优化运行方法 - Google Patents
区域综合能源***分层优化运行方法 Download PDFInfo
- Publication number
- CN112990523B CN112990523B CN201911290336.5A CN201911290336A CN112990523B CN 112990523 B CN112990523 B CN 112990523B CN 201911290336 A CN201911290336 A CN 201911290336A CN 112990523 B CN112990523 B CN 112990523B
- Authority
- CN
- China
- Prior art keywords
- power
- representing
- energy
- gas
- scheduling
- 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.)
- Active
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005265 energy consumption Methods 0.000 claims abstract description 29
- 238000005096 rolling process Methods 0.000 claims abstract description 26
- 238000012937 correction Methods 0.000 claims abstract description 5
- 239000007789 gas Substances 0.000 claims description 87
- 238000005338 heat storage Methods 0.000 claims description 55
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 49
- 238000004146 energy storage Methods 0.000 claims description 41
- 238000006243 chemical reaction Methods 0.000 claims description 29
- 239000003345 natural gas Substances 0.000 claims description 23
- 238000007599 discharging Methods 0.000 claims description 18
- 230000005611 electricity Effects 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 210000000352 storage cell Anatomy 0.000 claims description 6
- 238000010977 unit operation Methods 0.000 claims description 6
- 230000009194 climbing Effects 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000003245 coal Substances 0.000 claims description 3
- 239000002737 fuel gas Substances 0.000 claims description 3
- 230000000750 progressive effect Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005485 electric heating Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 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
- G06Q10/04—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
- 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
-
- 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
- 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)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于多目标模型预测控制的区域综合能源***分层优化运行方法,包括设置区域综合能源***调度周期内可再生能源消纳能力及综合能效最大为上层目标函数,设置运行成本、用能成本最小为下层目标函数;在各调度周期内,分别对区域综合能源***中的分布式风、光输出功率及负荷进行预测,并基于***实时状态进行预测误差校正以获得预测值;基于调度约束条件、上层目标函数、下层目标函数和预测值,采用模型预测控制方法进行在线滚动分层优化调度求解,获得滚动优化求解结果,输出区域综合能源***一个调度时段内调度计划。本发明能够满足***在线调整需求,制定出分层优化调度方案,实现区域综合能源***分层优化运行。
Description
技术领域
本发明属于能源***优化调度方法,具体涉及一种基于多目标模型预测控制的区域综合能源***分层优化运行方法。
背景技术
随着互联网+智慧能源发展战略的提出,大力发展可再生能源、提高综合能效、减少环境污染、降低***运行成本已成为我国能源可持续发展的必然选择。因为区域综合能源***具有与用能客户联系紧密、含多种分布式可再生能源、多能互补规划运行的显著特点,且实现了异质能流的耦合互联,为用户灵活供应电、热、气等多种能源需求,提升***可再生能源消纳能力和综合能效,得到了广泛应用。
区域综合能源供能***作为组成成分及结构复杂的异质能流耦合***,供电/供气/供热需求是其主要供能任务。其中电力需求可由外部电网、CHP机组、分布式风光发电等提供;天然气供应来自于外部气网、电转气设备;热能供应来自CHP机组、电锅炉、燃气锅炉。区域综合能源***装设有储能电池、储热装置等设备,可灵活调节并具有较高的经济性。由于分布式风光具有很强的不确定性,为最大化消纳可再生能源,需要为区域综合能源***制定最优的调度策略,协调各类异质能流设备优化运行,经济灵活可靠地满足区域综合能源***的内部能量需求。
目前,对区域综合能源***的优化调度过程中负荷、可再生能源出力不确定性的处理,多通过建立考虑预测误差的多时段提前调度模型来实现,无法适应***实际运行的在线调整需求;或满足了***在线调整需求,但是未考虑预测信息和小时间尺度运行信息的误差。因此,急需一种能够满足***运行时在线调整需求、考虑了预测信息和小时间尺度运行信息误差的滚动优化调度方法,基于模型预测控制理论和多时间尺度的调度思想,协调供能、蓄能装置的运行,经济可靠地满足区域综合能源***多种用能需求。
发明内容
针对上述问题,本发明提出一种基于多目标模型预测控制的区域综合能源***分层优化运行方法,能够基于满足***在线调整需求的多时间尺度区域综合能源***优化调度模型,制定出分层优化调度方案,实现区域综合能源***分层优化运行。
为了实现上述技术目的,达到上述技术效果,本发明通过以下技术方案实现:
一种基于多目标模型预测控制的区域综合能源***分层优化运行方法,包括:
基于区域综合能源***设备组成和参数,生成调度约束条件;
设置区域综合能源***单个调度周期内的可再生能源消纳能力最大、综合能效最大为上层目标函数,设置***运行成本和用能成本最小为下层目标函数;
在各调度周期内,分别对区域综合能源***中的分布式风电、分布式光伏输出功率及负荷进行预测,并基于获取到的***实时状态进行预测误差校正,获得预测值;基于所述调度约束条件、上层目标函数和下层目标函数,输入所述预测值,采用模型预测控制方法进行区域综合能源***的在线滚动分层优化调度求解,获得滚动优化求解结果;将所述滚动优化求解结果中的第一组控制变量解集生成为实时优化调度计划,输出区域综合能源***一个调度时段内调度计划。
可选地,所述调度约束条件包括:
电功率平衡约束:
PCHP+Pwind+Ppv+Pdis+Pbuy=PEload+PP2G+PEB+Pchar+Psell
式中,PCHP表示热电联供机组发出的有功功率,Pwind表示风机参与调度的有功功率, Ppv表示光伏电站参与调度的有功功率,Pdis表示储电设备放电功率,Pbuy表示通过区域综合能源***向外部电网的购电功率,PEload表示区域综合能源***的用电负荷,PP2G表示电转气设备的耗电功率,PEB表示电热锅炉消耗的电功率,Pchar表示储能电池的充电功率,Psell表示区域综合能源***向外部电网售电功率;
热功率平衡约束:
式中,QEB表示电热锅炉发出的热功率,QGB表示燃气锅炉发出的热功率,QCHP-heat表示热电联供机组供热功率,QHS-c表示储热单元的放热功率,QHload表示***热负荷功率, QHS -d表示储热单元蓄热功率;
天然气流量平衡约束:
式中,mbuy g表示从天然气外网购买的燃气流量;mP2G g表示电转气设备释放的燃气流量;mGS g表示储气装置释放的燃气流量;mCHP in表示热电联供机组消耗的燃气流量;mGB in表示燃气锅炉消耗的燃气流量;mLoad表示***消耗的燃气负荷流量;
与外部***能源交易约束:
式中,Pmax e、Pmin e分别为区域综合能源***与上层电网交换功率的上下限;mmax g、mmin g分别为区域综合能源***与外部天然气网络交换流量的上下限;
CHP机组运行约束:
式中,PCHP in、PCHP rated分别为热电联供机组的输出功率和额定功率;ΔPCHP为热电联供机组输入功率变化量;ΔPCHP min、ΔPCHP max分别为热电联供机组爬坡率的下限和上限;
储能充放电功率约束:
储能电池容量约束:
Emin≤Ei≤Emax
储能充放电功率与储能电池容量的关系:
限制储能设备的充电与放电不同时进行的双线性约束条件:
式中:Pchar i和分别为储能在时刻i的充电和放电功率;Ps,max为储能设备充/放电功率的上限;Ei为储能在时刻i的电量;Emax和Emin分别为储能容量的最大值和最小值;ηc和ηd分别为充电和放电效率系数;
储热装置充放热功率约束:
储热装置热能容量约束:
为给下一个调度周期预留一定的调节裕量,使下一个调度周期开始时储热装置能够满足***对其充放热要求,将储热装置的运行一个周期(1天)后的储热量恢复到原来的储热量,其约束如下:
QT=Q0
式中,QHS i、QHS i-1分别为蓄热或放热前后储热设备所存储的热功率;QHS char、QHS dis分别为储热设备存储或释放的热量;ηHS c、ηHS dis分别为蓄能、放热的效率,QHS max、QHS min分别为储热能量的最大值和最小值;Qc,max、Qd,max分别为蓄热和放热的最大值,Q0、QT分别为优化调度周期始末时的储热量;
电锅炉的运行约束:
式中,Pmin EB、Pmax EB表示电锅炉消耗电功率的最小值和最大值;
燃气锅炉运行约束:
式中,mmin GB、mmax GB表示燃气锅炉消耗天然气流量的最小值和最大值;
电转气设备运行约束:
式中,Prated P2G为电转气设备额定功率。
可选地,区域综合能源***中各部分的成本函数如下:
1)购电成本函数
式中,Cbuy-e表示购电成本,Cbuy e表示购电单价成本;
2)购气成本函数
式中,Cbuy-g表示购气成本,Cbuy g表示购气单价成本。
3)CHP机组运行成本函数
CHP机组中天然气价格转化为热值价格计算,CCHP可表示为:
式中,CCHP表示CHP***运行成本,Cf为天然气单价,LNG为燃气热值,ηCHP为CHP 机组发电效率,PCHP表示热电联供机组在t时刻发出的有功功率;
4)储能电池运行成本函数
储能电池在充放电时产生的运行成本表示为:
式中,CES表示储能电池的运行成本,Ce ES表示储能电池的运行成本单价;
5)储热装置运行成本函数
储热装置在充放热时产生的运行成本表示为:
式中,CHS表示储热装置的运行成本,CQ HS表示储热装置的运行成本单价;
5)电热锅炉运行成本函数
式中,CEB表示电锅炉运行成本,CQ EB表示电锅炉发出热功率的单价;
6)燃气锅炉运行成本函数
式中,CGB表示燃气锅炉运行成本,CQ GB表示燃气锅炉发出热功率的单价;
7)电转气装置运行成本函数
电转气产气成本:
式中,CP2G,表示电转气装置的产气成本,Cg P2G表示天然气转换成本单价。
可选地,所述可再生能源消纳能力为:
式中,Pn wind、Pn pv分别为无弃风/光情况下的风/光输出功率,αwind、αpv分别为风机/光伏调度比例,Pwind、Ppv分别为风机/光伏的输出功率,Pcur wind、Pcur pv分别为弃风/光功率,Ccur-w、Ccur-p分别表示弃风弃光的惩罚成本,Ccur wind、Ccur pv分别表示弃风弃光的惩罚成本单价。
可选地,区域综合能源***的综合能效η表示为:
式中,pgas、pelectric分别为天然气、外购电的折煤系数,T为整个调度周期时长,E为综合能耗,
可选地,所述上层目标函数包括:
可再生能源消纳能力最大优化目标函数:
minF1=min(Ccur-w+Ccur-p)
综合能效最大优化目标函数:
minF2=minη。
可选地,所述下层目标函数包括:
运行成本最小优化目标函数:
minF3=min(CCHP+CES+CHS+CEB+CGB+CP2G)
用能成本最小优化目标函数:
minF4=min(Cbuy-e+Cbuy-g)。
可选地,所述基于所述调度约束条件、上层目标函数和下层目标函数,输入所述预测值,采用模型预测控制方法进行区域综合能源***的在线滚动分层优化调度求解,获得滚动优化求解结果,包括:
实现多约束条件下的可再生能源消纳能力函数F1最大化与综合能效函数F2最大化,将调度周期内风光出力消纳比例及各能源设备能耗及使用时长下发至运行成本函数F3与用能成本函数F4中,在满足可再生能源消纳能力函数F1最大化与综合能效函数F2最大化的情况下,实现运行成本函数F3与用能成本函数F4的最小化,双层模型预测控制方法将区域综合能源***的滚动优化调度问题逐级递进优化,获得滚动优化求解结果。
与现有技术相比,本发明的有益效果:
本发明对区域综合能源***运行进行建模与优化,通过建立双层优化模型,实现对***的综合能效和新能源消纳的最大化,以及运行成本和用能成本的最小化,结合对风光出力的预测值,利用模型预测控制算法实现对优化调度决策的实时滚动更新,能够基于满足***在线调整需求的多时间尺度区域综合能源***优化调度模型,制定出分层优化调度方案,实现区域综合能源***分层优化运行。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明的保护范围。
下面对本发明的应用原理作详细的描述。
本发明提供了一种基于多目标模型预测控制的区域综合能源***分层优化运行方法,包括:
(1)基于区域综合能源***设备组成和参数,生成调度约束条件;所述的设备组成包括CHP机组、储能电池、储热装置、电热锅炉、燃气锅炉和电转气装置,所述参数包括 CHP机组运行参数及功率爬坡率,储能电池、储热装置的运行参数及初始状态,电热锅炉、燃气锅炉的运行参数,电转气装置运行参数,滚动优化阶段调度间隔和调度初始时刻
(2)设置区域综合能源***单个调度周期内的可再生能源消纳能力最大、综合能效最大为上层目标函数,设置***运行成本和用能成本最小为下层目标函数;
(3)在各调度周期内,分别对区域综合能源***中的分布式风电、分布式光源输出功率及负荷进行预测,并基于获取到的***实时状态进行预测误差校正,获得预测值;基于所述调度约束条件、上层目标函数和下层目标函数,输入所述预测值,采用模型预测控制方法进行区域综合能源***的在线滚动分层优化调度求解,获得滚动优化求解结果;将所述滚动优化求解结果中的第一个控制变量解集生成为实时优化调度计划,输出区域综合能源***一个调度时段内调度计划。
在本发明的一种具体实施例中,所述调度约束条件包括:
电功率平衡约束:
PCHP+Pwind+Ppv+Pdis+Pbuy=PEload+PP2G+PEB+Pchar+Psell
式中,PCHP表示热电联供机组发出的有功功率,Pwind表示风机参与调度的有功功率, Ppv表示光伏电站参与调度的有功功率,Pdis表示储电设备放电功率,Pbuy表示通过区域综合能源***向外部电网的购电功率,PEload表示区域综合能源***的用电负荷,PP2G表示电转气设备的耗电功率,PEB表示电热锅炉消耗的电功率,Pchar表示储能电池的充电功率,Psell表示区域综合能源***向外部电网售电功率;
热功率平衡约束:
式中,QEB表示电热锅炉发出的热功率,QGB表示燃气锅炉发出的热功率,QCHP-heat表示热电联供机组供热功率,QHS-c表示储热单元的放热功率,QHload表示***热负荷功率, QHS -d表示储热单元蓄热功率;
天然气流量平衡约束:
式中,mbuy g表示从天然气外网购买的燃气流量;mP2G g表示电转气设备释放的燃气流量;mGS g表示储气装置释放的燃气流量;mCHP in表示热电联供机组消耗的燃气流量;mGB in表示燃气锅炉消耗的燃气流量;mLoad表示***消耗的燃气负荷流量;
与外部***能源交易约束:
考虑区域综合能源***与外部电力、天然气主网的能源交易限制,联络线与联络管道上购入的电功率和天然气流量需要维持在一定范围内:
式中,Pmax e、Pmin e分别为区域综合能源***与上层电网交换功率的上下限;mmax g、mmin g分别为区域综合能源***与外部天然气网络交换流量的上下限;
CHP机组运行约束:
热电联供机组在运行时,需满足额定功率约束及爬坡率约束条件:
式中,PCHP in、PCHP rated分别为热电联供机组的输出功率和额定功率;ΔPCHP为热电联供机组输入功率变化量;ΔPCHP min、ΔPCHP max分别为热电联供机组爬坡率的下限和上限;
储能充放电功率约束:
储能电池容量约束:
Emin≤Ei≤Emax
储能充放电功率与储能电池容量的关系:
限制储能设备的充电与放电不同时进行的双线性约束条件:
式中:Pchar i和Pi dis分别为储能在时刻i的充电和放电功率;Ps,max为储能设备充/放电功率的上限;Ei为储能在时刻i的电量;Emax和Emin分别为储能容量的最大值和最小值;ηc和ηd分别为充电和放电效率系数;
储热装置充放热功率约束:
储热装置热能容量约束:
为给下一个调度周期预留一定的调节裕量,使下一个调度周期开始时储热装置能够满足***对其充放热要求,将储热装置的运行一个周期(1天)后的储热量恢复到原来的储热量,其约束如下:
QT=Q0
式中,QHS i、QHS i-1分别为蓄热或放热前后储热设备所存储的热功率;QHS char、QHS dis分别为储热设备存储或释放的热量;ηHS c、ηHS dis分别为蓄能、放热的效率,QHS max、QHS min分别为储热能量的最大值和最小值;Qc,max、Qd,max分别为蓄热和放热的最大值,Q0、QT分别为优化调度周期始末时的储热量;
电锅炉的运行模型表示为
式中,QEB、Pin EB、λEB分别表示在电锅炉输出的热功率、消耗的电功率以及电锅炉的能效比。
因此,电锅炉的运行约束为:
式中,Pmin EB、Pmax EB表示电锅炉消耗电功率的最小值和最大值;
燃气锅炉运行模型表示为
燃气锅炉运行约束:
式中,mmin GB、mmax GB表示燃气锅炉消耗天然气流量的最小值和最大值;
电转气设备运行约束:
式中,Prated P2G为电转气设备额定功率。
在本发明的一种具体实施例中,区域综合能源***中各部分的成本函数如下:
1)购电成本函数
式中,Cbuy-e表示购电成本,Cbuy e表示购电单价成本;
2)购气成本函数
式中,Cbuy-g表示购气成本,Cbuy g表示购气单价成本。
3)CHP机组运行成本函数
CHP机组中天然气价格转化为热值价格计算,CCHP可表示为:
式中,CCHP表示CHP***运行成本,Cf为天然气单价,LNG为燃气热值,ηCHP为CHP 机组发电效率;
4)储能电池运行成本函数
储能电池在充放电时产生的运行成本表示为:
式中,CES表示储能电池的运行成本,Ce ES表示储能电池的运行成本单价;
5)储热装置运行成本函数
储热装置在充放热时产生的运行成本表示为:
式中,CHS表示储热装置的运行成本,CQ HS表示储热装置的运行成本单价;
5)电热锅炉运行成本函数
式中,CEB表示电锅炉运行成本,CQ EB表示电锅炉发出热功率的单价;
6)燃气锅炉运行成本函数
式中,CGB表示燃气锅炉运行成本,CQ GB表示燃气锅炉发出热功率的单价;
7)电转气装置运行成本函数
电转气产气成本:
式中,CP2G,表示电转气装置的产气成本,Cg P2G表示天然气转换成本单价。
在本发明的一种具体实施例中,所述可再生能源消纳能力为:
式中,Pn wind、Pn pv分别为无弃风/光情况下的风/光输出功率,αwind、αpv分别为风机/光伏调度比例,Pwind、Ppv分别为风机/光伏的输出功率,Pcur wind、Pcur pv分别为弃风/光功率,Ccur-w、Ccur-p分别表示弃风弃光的惩罚成本,Ccur wind、Ccur pv分别表示弃风弃光的惩罚成本单价。
在本发明的一种具体实施例中,区域综合能源***的综合能效η表示为:
式中,pgas、pelectric分别为天然气、外购电的折煤系数,T为整个调度周期时长,E为综合能耗,
在本发明的一种具体实施例中,所述上层目标函数包括:
可再生能源消纳能力最大优化目标函数:
minF1=min(Ccur-w+Ccur-p)
综合能效最大优化目标函数:
minF2=minη。
在本发明的一种具体实施例中,所述下层目标函数包括:
运行成本最小优化目标函数:
minF3=min(CCHP+CES+CHS+CEB+CGB+CP2G)
用能成本最小优化目标函数:
minF4=min(Cbuy-e+Cbuy-g)。
在本发明的一种具体实施例中,所述基于所述调度约束条件、上层目标函数和下层目标函数,输入所述预测值,采用模型预测控制方法进行区域综合能源***的在线滚动分层优化调度求解,获得滚动优化求解结果,包括:
实现多约束条件下的可再生能源消纳能力函数F1最大化与综合能效函数F2最大化,将调度周期内风光出力消纳比例及各能源设备能耗及使用时长下发至运行成本函数F3与用能成本函数F4中,在满足可再生能源消纳能力函数F1最大化与综合能效函数F2最大化的情况下,实现运行成本函数F3与用能成本函数F4的最小化,双层模型预测控制方法将区域综合能源***的滚动优化调度问题逐级递进优化,获得滚动优化求解结果。
在本发明的一种具体实施例中,对区域综合能源***中的分布式电源风、光输出功率及多能负荷进行超短期预测,采集***实时状态进行预测误差校正。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (7)
1.一种基于多目标模型预测控制的区域综合能源***分层优化运行方法,其特征在于,包括:
基于区域综合能源***设备组成和参数,生成调度约束条件;
设置区域综合能源***单个调度周期内的可再生能源消纳能力最大、综合能效最大为上层目标函数,设置***运行成本和用能成本最小为下层目标函数;
在各调度周期内,分别对区域综合能源***中的分布式风电、分布式光伏输出功率及负荷进行预测,并基于获取到的***实时状态进行预测误差校正,获得预测值;基于所述调度约束条件、上层目标函数和下层目标函数,输入所述预测值,采用模型预测控制方法进行区域综合能源***的在线滚动分层优化调度求解,获得滚动优化求解结果;将所述滚动优化求解结果中的第一组控制变量解集生成为实时优化调度计划,输出区域综合能源***一个调度时段内调度计划;
所述基于所述调度约束条件、上层目标函数和下层目标函数,输入所述预测值,采用模型预测控制方法进行区域综合能源***的在线滚动分层优化调度求解,获得滚动优化求解结果,包括:
实现多约束条件下的可再生能源消纳能力函数F1最大化与综合能效函数F2最大化,将调度周期内风光出力消纳比例及各能源设备能耗及使用时长下发至运行成本函数F3与用能成本函数F4中,在满足可再生能源消纳能力函数F1最大化与综合能效函数F2最大化的情况下,实现运行成本函数F3与用能成本函数F4的最小化,双层模型预测控制方法将区域综合能源***的滚动优化调度问题逐级递进优化,获得滚动优化求解结果。
2.根据权利要求1所述的一种基于多目标模型预测控制的区域综合能源***分层优化运行方法,其特征在于:所述调度约束条件包括:
电功率平衡约束:
PCHP+Pwind+Ppv+Pdis+Pbuy=PEload+PP2G+PEB+Pchar+Psell
式中,PCHP表示热电联供机组发出的有功功率,Pwind表示风机参与调度的有功功率,Ppv表示光伏电站参与调度的有功功率,Pdis表示储电设备放电功率,Pbuy表示通过区域综合能源***向外部电网的购电功率,PEload表示区域综合能源***的用电负荷,PP2G表示电转气设备的耗电功率,PEB表示电热锅炉消耗的电功率,Pchar表示储能电池的充电功率,Psell表示区域综合能源***向外部电网售电功率;
热功率平衡约束:
天然气流量平衡约束:
式中,mbuy g表示从天然气外网购买的燃气流量;mP2G g表示电转气设备释放的燃气流量;mGS g表示储气装置释放的燃气流量;mCHP in表示热电联供机组消耗的燃气流量;mGB in表示燃气锅炉消耗的燃气流量;mLoad表示***消耗的燃气负荷流量;
与外部***能源交易约束:
式中,Pmax e、Pmin e分别为区域综合能源***与上层电网交换功率的上下限;mmax g、mmin g分别为区域综合能源***与外部天然气网络交换流量的上下限;
CHP机组运行约束:
式中,PCHP in、PCHP rated分别为热电联供机组的输出功率和额定功率;ΔPCHP为热电联供机组输入功率变化量;ΔPCHP min、ΔPCHP max分别为热电联供机组爬坡率的下限和上限;储能充放电功率约束:
0≤Pi dis≤Ps,max
0≤Pi char≤Ps,max
储能电池容量约束:
Emin≤Ei≤Emax
储能充放电功率与储能电池容量的关系:
限制储能设备的充电与放电不同时进行的双线性约束条件:
Pi disPi char=0
式中:Pchar i和Pi dis分别为储能在时刻i的充电和放电功率;Ps,max为储能设备充/放电功率的上限;Ei为储能在时刻i的电量;Emax和Emin分别为储能容量的最大值和最小值;ηc和ηd分别为充电和放电效率系数;
储热装置充放热功率约束:
储热装置热能容量约束:
为给下一个调度周期预留一定的调节裕量,使下一个调度周期开始时储热装置能够满足***对其充放热要求,将储热装置的运行一个周期后的储热量恢复到原来的储热量,其约束如下:
QT=Q0
式中,QHS i为蓄热或放热后储热设备所存储的热量;QHS max、QHS min分别为储热能量的最大值和最小值;Qc,max、Qd,max分别为蓄热和放热的最大值,Q0、QT分别为优化调度周期始末时的储热量;
电锅炉的运行约束:
式中,Pmin EB、Pmax EB表示电锅炉消耗电功率的最小值和最大值;
燃气锅炉运行约束:
式中,mmin GB、mmax GB表示燃气锅炉消耗天然气流量的最小值和最大值;
电转气设备运行约束:
式中,Prated P2G为电转气设备额定功率。
3.根据权利要求2所述的一种基于多目标模型预测控制的区域综合能源***分层优化运行方法,其特征在于:区域综合能源***中各部分的成本函数如下:
1)购电成本函数
式中,Cbuy-e表示购电成本,Cbuy e表示购电单价成本;
2)购气成本函数
式中,Cbuy-g表示购气成本,Cbuy g表示购气单价成本;
3)CHP机组运行成本函数
CHP机组中天然气价格转化为热值价格计算,CCHP表示为:
式中,CCHP表示CHP***运行成本,Cf为天然气单价,LNG为燃气热值,ηCHP为CHP机组发电效率,PCHP(t)表示热电联供机组在t时刻发出的有功功率;
4)储能电池运行成本函数
储能电池在充放电时产生的运行成本表示为:
式中,CES表示储能电池的运行成本,Ce ES表示储能电池的运行成本单价;
5)储热装置运行成本函数
储热装置在充放热时产生的运行成本表示为:
式中,CHS表示储热装置的运行成本,CQ HS表示储热装置的运行成本单价;
5)电热锅炉运行成本函数
式中,CEB表示电锅炉运行成本,CQ EB表示电锅炉发出热功率的单价;
6)燃气锅炉运行成本函数
式中,CGB表示燃气锅炉运行成本,CQ GB表示燃气锅炉发出热功率的单价;
7)电转气装置运行成本函数
电转气产气成本:
式中,CP2G,表示电转气装置的产气成本,Cg P2G表示天然气转换成本单价。
6.根据权利要求5所述的一种基于多目标模型预测控制的区域综合能源***分层优化运行方法,其特征在于:所述上层目标函数包括:
可再生能源消纳能力最大优化目标函数:
min F1=min(Ccur-w+Ccur-p)
综合能效最大优化目标函数:
min F2=minη。
7.根据权利要求6所述的一种基于多目标模型预测控制的区域综合能源***分层优化运行方法,其特征在于:所述下层目标函数包括:
运行成本最小优化目标函数:
min F3=min(CCHP+CES+CHS+CEB+CGB+CP2G)
用能成本最小优化目标函数:
min F4=min(Cbuy-e+Cbuy-g)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911290336.5A CN112990523B (zh) | 2019-12-16 | 2019-12-16 | 区域综合能源***分层优化运行方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911290336.5A CN112990523B (zh) | 2019-12-16 | 2019-12-16 | 区域综合能源***分层优化运行方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112990523A CN112990523A (zh) | 2021-06-18 |
CN112990523B true CN112990523B (zh) | 2022-09-23 |
Family
ID=76342971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911290336.5A Active CN112990523B (zh) | 2019-12-16 | 2019-12-16 | 区域综合能源***分层优化运行方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112990523B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114154669A (zh) * | 2021-09-08 | 2022-03-08 | 国网福建省电力有限公司经济技术研究院 | 综合能源***运行优化模型 |
CN113780681B (zh) * | 2021-09-28 | 2023-06-06 | 国网湖南省电力有限公司 | 综合能源***的源-荷-储协同规划方法 |
CN114142460B (zh) * | 2021-11-17 | 2024-03-15 | 浙江华云电力工程设计咨询有限公司 | 综合能源***中储能双层目标优化配置方法及终端 |
CN114091954A (zh) * | 2021-11-29 | 2022-02-25 | 国网河北省电力有限公司雄安新区供电公司 | 电气综合能源***优化调度方法、装置及电子设备 |
CN114744653B (zh) * | 2022-04-24 | 2023-07-18 | 浙大宁波理工学院 | 一种复合储能电站运行优化方法、***及可存储介质 |
CN116562575B (zh) * | 2023-05-16 | 2023-10-31 | 中国电力工程顾问集团有限公司 | 一种综合能源***的优化调度方法 |
CN116432478B (zh) * | 2023-06-15 | 2023-09-08 | 广东电网有限责任公司东莞供电局 | 一种电力***的能量确定方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108932560A (zh) * | 2018-06-13 | 2018-12-04 | 天津大学 | 基于模型预测控制的园区综合能源***优化调度方法 |
CN109713723A (zh) * | 2019-02-13 | 2019-05-03 | 广东工业大学 | 一种区域综合能源***运行优化方法 |
CN109919399A (zh) * | 2019-04-15 | 2019-06-21 | 中国科学院电工研究所 | 一种综合能源***日前经济调度方法及*** |
CN110417006A (zh) * | 2019-07-24 | 2019-11-05 | 三峡大学 | 考虑多能协同优化的综合能源***多时间尺度能量调度方法 |
-
2019
- 2019-12-16 CN CN201911290336.5A patent/CN112990523B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108932560A (zh) * | 2018-06-13 | 2018-12-04 | 天津大学 | 基于模型预测控制的园区综合能源***优化调度方法 |
CN109713723A (zh) * | 2019-02-13 | 2019-05-03 | 广东工业大学 | 一种区域综合能源***运行优化方法 |
CN109919399A (zh) * | 2019-04-15 | 2019-06-21 | 中国科学院电工研究所 | 一种综合能源***日前经济调度方法及*** |
CN110417006A (zh) * | 2019-07-24 | 2019-11-05 | 三峡大学 | 考虑多能协同优化的综合能源***多时间尺度能量调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112990523A (zh) | 2021-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112990523B (zh) | 区域综合能源***分层优化运行方法 | |
CN109858759B (zh) | 一种工业园区综合能源平衡调度方法 | |
CN109919478B (zh) | 一种考虑综合供能可靠性的综合能源微网规划方法 | |
CN104734168B (zh) | 一种基于电热联合调度的微电网运行优化***及方法 | |
CN110417006A (zh) | 考虑多能协同优化的综合能源***多时间尺度能量调度方法 | |
CN112865174B (zh) | 基于双层模型预测控制的微能网多时间尺度优化控制方法 | |
CN107508328A (zh) | 考虑风电消纳的联合***能量优化方法 | |
CN112464477A (zh) | 计及需求响应的多能耦合综合能源运行仿真方法 | |
CN111293691A (zh) | 基于模型预测控制的微电网多时间尺度优化调度方法 | |
CN110991000B (zh) | 计及固体氧化物燃料电池和电转气的能量枢纽建模方法 | |
CN113255992A (zh) | 一种园区级多能互补***优化调度方法及装置 | |
CN113850474B (zh) | 一种热电氢多能流综合能源***及其优化调度方法 | |
CN113159407B (zh) | 基于区域综合能源***的多能储存模块容量优化配置方法 | |
CN113779783B (zh) | 计及多重不确定性的区域综合能源***规划与运行联合优化方法 | |
CN112671040A (zh) | 一种考虑新能源消纳最大的多能互补***日前优化调度方法 | |
CN117081143A (zh) | 促进分布式光伏就地消纳的园区综合能源***协调优化运行方法 | |
CN116599148A (zh) | 一种面向新能源消纳的氢电混合储能两阶段协同规划方法 | |
CN114676991B (zh) | 基于源荷双侧不确定的多能互补***优化调度方法 | |
Saha | Adaptive model-based receding horizon control of interconnected renewable-based power micro-grids for effective control and optimal power exchanges | |
CN115408808A (zh) | 一种计及碳排放的能源配网***多时间尺度优化调度方法 | |
CN115693793B (zh) | 一种区域微电网能源优化控制方法 | |
CN114362152B (zh) | 综合能源***多时间尺度调度方法 | |
CN115860406A (zh) | 基于内部电价激励的园区综合能源***能量调度方法 | |
CN114188942A (zh) | 一种包含大规模新能源基地的电网调度方法 | |
CN112884191A (zh) | 一种基于网源协调的热电日前调度模型及计算方法 |
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 |