CN114519543B - 一种乡村多能源***边缘自治运行方法及*** - Google Patents

一种乡村多能源***边缘自治运行方法及*** Download PDF

Info

Publication number
CN114519543B
CN114519543B CN202210419864.1A CN202210419864A CN114519543B CN 114519543 B CN114519543 B CN 114519543B CN 202210419864 A CN202210419864 A CN 202210419864A CN 114519543 B CN114519543 B CN 114519543B
Authority
CN
China
Prior art keywords
power
energy
time
objective function
rural
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
Application number
CN202210419864.1A
Other languages
English (en)
Other versions
CN114519543A (zh
Inventor
熊俊杰
张新鹤
饶臻
李佳
何桂雄
何伟
曾伟
赵伟哲
刘铠诚
陈洪银
贾晓强
王松岑
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 Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
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 Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202210419864.1A priority Critical patent/CN114519543B/zh
Publication of CN114519543A publication Critical patent/CN114519543A/zh
Application granted granted Critical
Publication of CN114519543B publication Critical patent/CN114519543B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06—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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • G06Q10/04—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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

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)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Water Supply & Treatment (AREA)
  • General Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种乡村多能源***边缘自治运行方法及***，方法包括：根据乡村多能源***的总供能平衡和负荷功率平衡、功能装置出力上下限及储能装置出力上下限，构建***功率平衡约束集和设备出力约束集；基于所述***功率平衡约束集和所述设备出力约束集，建立考虑绿色低碳的乡村多能源***边缘运行多目标函数；对乡村多能源***边缘运行多目标函数进行寻优求解，使得出满足优化目标的***用能设备调度周期内具体用能功率与外购的电能、气能、热能功率，并形成***最优协同运行方案。在满足乡村多能源负荷需求的前提下，有效提升能源供给自治能力和运行经济性，降低整个乡村多能源***的二氧化碳排放量。

Description

一种乡村多能源***边缘自治运行方法及***
技术领域
本发明属于多能源优化运行技术领域，尤其涉及一种乡村多能源***边缘自治运行方法及***。
背景技术
国内外专家学者已在综合能源***(integrated energy system，IES)建模和分析计算研究中取得诸多成果。王伟亮等人基于能源集线器理论对能源***中能量中心进行建模，考虑综合能源***中三相不平衡配电***、天然气管网以及能量中心的相关约束，给出了以经济成本最小和污染气体排放量最小为目标函数的多目标最优潮流算法。Shahidehpour M等人在机组组合安全约束(security constrained unit commitment，SCUC)问题中考虑了天然气传输约束，探究了天然气、电力耦合网络中的最优机组组合问题。Qadrdan M等人考虑了风电预测的不确定性，采用不同的规划方法研究比较了英国电力和天然气综合能源***的多种运行策略，结果表明采用随机规划法能够降低电-气IES的运行成本。对于电-热IES，Li Z等人提出了一种计及风电和热网动态特性的电-热IES耦合调度模型，仿真结果表明了该模型能够降低***的运行成本，提高风电利用率和***的运行灵活性。Pan Z等人提出了一种考虑建筑物热惯性的电-热IES联合调度的可行域求解方法，算例证明该方法能够提高热力***的运行灵活性，降低发电成本。Ahmadi A等人以总运行成本、污染物排放量和热量为目标函数建立了IES优化模型，使用TOPSIS方法对该模型进行求解。但目前国内外关于IES的研究成果大多是对IES进行多能流求解，对IES的运行和优化研究尚未成熟，这给未来IES发展造成一定程度上的阻碍。
基于上述背景，为了提升乡村多能源***运行经济性和减少***碳排放量，亟需研究一种乡村多能源***边缘自治运行方法，对于指导乡村多能源***绿色发展与转型升级工作具有重要意义。
发明内容
本发明提供一种乡村多能源***边缘自治运行方法及***，用于至少解决上述技术问题之一。
第一方面，本发明提供一种乡村多能源***边缘自治运行方法，包括：根据乡村多能源***的总供能平衡和负荷功率平衡、功能装置出力上下限及储能装置出力上下限，构建***功率平衡约束集和设备出力约束集；基于所述***功率平衡约束集和所述设备出力约束集，建立考虑绿色低碳的乡村多能源***边缘运行多目标函数，其中所述乡村多能源***边缘运行多目标函数中包含以碳排放量最小、可再生能源消纳最大的第一目标函数，和以乡村多能源***边缘自治运行成本最小的第二目标函数；对所述第一目标函数以及所述第二目标函数进行寻优求解，使得出满足优化目标的***用能设备调度周期内具体用能功率与外购的电能、气能、热能功率，并形成***最优协同运行方案。
进一步地，所述第一目标函数的表达式为：
Figure 154080DEST_PATH_IMAGE001
，
式中，
Figure 602378DEST_PATH_IMAGE002
为目标函数
Figure 382116DEST_PATH_IMAGE003
、目标函数
Figure 574063DEST_PATH_IMAGE004
的线性加权值，
Figure 388435DEST_PATH_IMAGE005
、
Figure 7635DEST_PATH_IMAGE006
分别为目标函数
Figure 274668DEST_PATH_IMAGE003
的 权重值、目标函数
Figure 4727DEST_PATH_IMAGE004
的权重值，
Figure 673606DEST_PATH_IMAGE003
为以乡村多能源***碳排放量最小的目标函数，
Figure 463707DEST_PATH_IMAGE004
为以 可再生能源消纳最大的目标函数；
以乡村多能源***碳排放量最小的目标函数的表达式为：
Figure 218036DEST_PATH_IMAGE007
，
式中，
Figure 486207DEST_PATH_IMAGE008
分别为燃气轮机组的碳排放系数、电锅炉的碳排放系数、燃 气锅炉的碳排放系数，
Figure 9592DEST_PATH_IMAGE009
为每单位沼气量所含
Figure 233244DEST_PATH_IMAGE010
量的系数，
Figure 474870DEST_PATH_IMAGE011
为光伏发电机组全生 命周期内每发单位电功率产生
Figure 281152DEST_PATH_IMAGE010
的平均值，
Figure 924623DEST_PATH_IMAGE012
分别为乡村多能源***与电 网的碳排放系数、热网外购功率的碳排放系数,
Figure 56527DEST_PATH_IMAGE013
为每多排单位二氧化碳的惩罚费用 系数，
Figure 785448DEST_PATH_IMAGE014
为政府分配给乡村允许碳排放总量，
Figure 395421DEST_PATH_IMAGE015
、
Figure 893399DEST_PATH_IMAGE016
分别为t时刻的光伏机组 发电功率、t时刻的沼气机组发电功率，
Figure 461783DEST_PATH_IMAGE017
为t时刻燃气轮机的耗气速率折算的等值功 率，
Figure 412422DEST_PATH_IMAGE018
为t时刻电锅炉耗电功率，
Figure 91665DEST_PATH_IMAGE019
为t时刻燃气锅炉的耗气速率折算的等值功率，
Figure 975307DEST_PATH_IMAGE020
为t时段乡村多能源***与电网的交互功率，
Figure 917855DEST_PATH_IMAGE021
为t时段乡村多能源***与热 网的交互功率，T为时间周期；
以可再生能源消纳最大的目标函数的表达式为：
Figure 152528DEST_PATH_IMAGE022
，
式中，
Figure 573145DEST_PATH_IMAGE023
、
Figure 576873DEST_PATH_IMAGE024
、
Figure 690322DEST_PATH_IMAGE025
分别为t时段沼气发电厂的发电量预测值、t时段 光伏发电站的发电量预测值和t时段风电厂的发电量预测值，
Figure 412291DEST_PATH_IMAGE026
、
Figure 636599DEST_PATH_IMAGE027
、
Figure 229254DEST_PATH_IMAGE028
分别为弃沼 的单位惩罚费用系数、弃光的单位惩罚费用系数和弃风的单位惩罚费用系数，
Figure 513605DEST_PATH_IMAGE029
为t 时刻的风机机组发电功率。
进一步地，所述第二目标函数的表达式为：
Figure 722869DEST_PATH_IMAGE030
，
式中，
Figure 750868DEST_PATH_IMAGE031
为乡村多能源***在t时刻的供能成本，
Figure 463609DEST_PATH_IMAGE032
为乡村多能源系 统在t时刻进行光伏发电所得的补贴收益，
Figure 653282DEST_PATH_IMAGE033
为乡村多能源***在t时刻进行风力 发电所得的补贴收益，
Figure 352772DEST_PATH_IMAGE034
为乡村多能源***在t时刻进行沼气发电所得的补贴收益，
Figure 918883DEST_PATH_IMAGE035
为乡村多能源***与外网的交互功率成本。
进一步地，所述***功率平衡约束集的表达式为：
Figure 17289DEST_PATH_IMAGE036
，
式中，
Figure 377863DEST_PATH_IMAGE037
分别为t时刻电网的交互功率、t时刻热网的交互功率、t 时刻气网的交互功率，
Figure 296140DEST_PATH_IMAGE038
分别为t时刻的风机机组发电功 率、t时刻的光伏机组发电功率、t时刻的沼气机组发电功率、t时刻的燃气轮机组发电功率，
Figure 665942DEST_PATH_IMAGE039
分别为t时刻电锅炉耗电功率、t时刻P2G装置耗电功率，
Figure 353275DEST_PATH_IMAGE040
分别为t时刻下燃气轮机的产热功率、t时刻下电锅炉的产热功率、t 时刻下燃气锅炉的产热功率，
Figure 150330DEST_PATH_IMAGE041
为t时刻下P2G装置的等值功率，
Figure 759166DEST_PATH_IMAGE042
分别 为t时刻燃气轮机的耗气速率折算的等值功率、t时刻燃气锅炉的耗气速率折算的等值功 率，
Figure 463817DEST_PATH_IMAGE043
分别为电负荷、热负荷、气负荷，
Figure 474498DEST_PATH_IMAGE044
为t时刻下对热的储能充 放、t时刻下对气的储能充放。
进一步地，所述设备出力约束集包括下述中的至少一种：燃气轮机发电出力约束、电锅炉运行约束、燃气锅炉热力约束、P2G装置约束、储能设备约束以及沼气、风力和光伏发电机组运行约束。
进一步地，所述对所述第一目标函数以及所述第二目标函数进行寻优求解包括：基于MATLAB环境下的Yalmip工具箱对所述第一目标函数以及所述第二目标函数进行寻优求解。
第二方面，本发明提供一种乡村多能源***边缘自治运行***，包括：第一构建模块，配置为根据乡村多能源***的总供能平衡和负荷功率平衡、功能装置出力上下限及储能装置出力上下限，构建***功率平衡约束集和设备出力约束集；第二构建模块，配置为基于所述***功率平衡约束集和所述设备出力约束集，建立考虑绿色低碳的乡村多能源***边缘运行多目标函数，其中所述乡村多能源***边缘运行多目标函数中包含以碳排放量最小、可再生能源消纳最大的第一目标函数，和以乡村多能源***边缘自治运行成本最小的第二目标函数；求解模块，配置为对所述第一目标函数以及所述第二目标函数进行寻优求解，使得出满足优化目标的***用能设备调度周期内具体用能功率与外购的电能、气能、热能功率，并形成***最优协同运行方案。
进一步地，所述求解模块包括寻优单元以及形成单元，所述寻优单元，配置为基于MATLAB环境下的Yalmip工具箱对所述第一目标函数以及所述第二目标函数进行寻优求解；所述形成单元，配置为根据满足优化目标的***用能设备调度周期内具体用能功率与外购的电能、气能、热能功率，形成***最优协同运行方案。
第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例的乡村多能源***边缘自治运行方法的步骤。
第四方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述程序指令被处理器执行时，使所述处理器执行本发明任一实施例的乡村多能源***边缘自治运行方法的步骤。
本申请的乡村多能源***边缘自治运行方法及***，能够有效协调电、气、热等各类资源，在满足乡村多能源负荷需求的前提下，有效提升能源供给自治能力和运行经济性，降低整个乡村多能源***的二氧化碳排放量。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种乡村多能源***边缘自治运行方法的流程图；
图2为本发明一实施例提供的一种乡村多能源***边缘自治运行***的结构框图；
图3为本发明一实施例提供的一种乡村多能源***边缘自治运行***的求解模块的结构框图。
图4是本发明一实施例提供的电子设备的结构示意图。
具体实施方式
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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
请参阅图1，其示出了本申请的一种乡村多能源***边缘自治运行方法的流程图。
如图1所示，乡村多能源***边缘自治运行方法具体包括以下步骤：
步骤S101，根据乡村多能源***的总供能平衡和负荷功率平衡、功能装置出力上下限及储能装置出力上下限，构建***功率平衡约束集和设备出力约束集。
在本实施例中，***功率平衡约束集的表达式为：***功率平衡约束集的表达式为：
Figure 239192DEST_PATH_IMAGE045
，
式中，
Figure 335324DEST_PATH_IMAGE037
分别为t时刻电网的交互功率、t时刻热网的交互功率、t 时刻气网的交互功率，
Figure 578086DEST_PATH_IMAGE038
分别为t时刻的风机机组发电功 率、t时刻的光伏机组发电功率、t时刻的沼气机组发电功率、t时刻的燃气轮机组发电功率，
Figure 240012DEST_PATH_IMAGE039
分别为t时刻电锅炉耗电功率、t时刻P2G装置（电转气装置）耗电功率，
Figure 378869DEST_PATH_IMAGE040
分别为t时刻下燃气轮机的产热功率、t时刻下电锅炉的产热功率、t 时刻下燃气锅炉的产热功率，
Figure 759035DEST_PATH_IMAGE041
为t时刻下P2G装置的等值功率，
Figure 8750DEST_PATH_IMAGE042
分别 为t时刻燃气轮机的耗气速率折算的等值功率、t时刻燃气锅炉的耗气速率折算的等值功 率，
Figure 525182DEST_PATH_IMAGE043
分别为电负荷、热负荷、气负荷，
Figure 834941DEST_PATH_IMAGE044
为t时刻下对热的储能充 放、t时刻下对气的储能充放。
设备出力约束集包括燃气轮机发电出力约束、电锅炉运行约束、燃气锅炉热力约束、P2G装置约束、储能设备约束以及沼气、风力和光伏发电机组运行约束。
需要说明的是，燃气轮机发电出力约束的表达式为：
Figure 702403DEST_PATH_IMAGE046
，
Figure 755810DEST_PATH_IMAGE047
，
式中，
Figure 126748DEST_PATH_IMAGE048
分别为燃气轮机组上爬坡约束与下爬坡约束，
Figure 607408DEST_PATH_IMAGE049
为燃气轮机组的额定功率，
Figure 693657DEST_PATH_IMAGE050
为t时刻燃气轮机的耗气速率折算的等值功率，
Figure 550755DEST_PATH_IMAGE051
为t-1时刻燃气轮机的耗气速率折算的等值功率；
电锅炉运行约束的表达式为：
Figure 776200DEST_PATH_IMAGE052
，
Figure 427761DEST_PATH_IMAGE053
，
式中，
Figure 269815DEST_PATH_IMAGE054
、
Figure 665024DEST_PATH_IMAGE055
分别为电锅炉上爬坡约束与下爬坡约束，
Figure 744976DEST_PATH_IMAGE056
为电锅炉的额定功率，
Figure 833017DEST_PATH_IMAGE057
为t时刻电锅炉耗电功率，
Figure 896788DEST_PATH_IMAGE058
为t-1时刻电锅炉耗电功 率；
燃气锅炉热力约束的表达式为：
Figure 95688DEST_PATH_IMAGE059
，
Figure 295726DEST_PATH_IMAGE060
，
式中，
Figure 554669DEST_PATH_IMAGE061
、
Figure 840156DEST_PATH_IMAGE062
分别为燃气锅炉热出力上爬坡约束与下爬坡约束，
Figure 577168DEST_PATH_IMAGE063
为燃气锅炉的额定功率，
Figure 897291DEST_PATH_IMAGE064
为t时刻燃气锅炉的耗气速率折算的等值功率，
Figure 327135DEST_PATH_IMAGE065
为t-1时刻燃气锅炉的耗气速率折算的等值功率；
P2G装置约束的表达式为：
Figure 834340DEST_PATH_IMAGE066
，
Figure 375043DEST_PATH_IMAGE067
，
式中，
Figure 815252DEST_PATH_IMAGE068
、
Figure 150418DEST_PATH_IMAGE069
分别为P2G装置上爬坡约束与下爬坡约束，
Figure 410498DEST_PATH_IMAGE070
为P2G装置的额定功率，
Figure 489312DEST_PATH_IMAGE071
为t时刻P2G装置耗电功率，
Figure 784028DEST_PATH_IMAGE072
为t-1时刻 P2G装置耗电功率；
储能设备约束的表达式为：
Figure 290095DEST_PATH_IMAGE073
，
Figure 37471DEST_PATH_IMAGE074
，
Figure 919977DEST_PATH_IMAGE075
，
Figure 72128DEST_PATH_IMAGE076
，
式中，
Figure 14676DEST_PATH_IMAGE077
表示不同储能设备，具体为储热、储电、储气设备，
Figure 249348DEST_PATH_IMAGE078
为引入的0-1变量，表 示储能设备不能同时进行充放，
Figure 669966DEST_PATH_IMAGE079
、
Figure 142535DEST_PATH_IMAGE080
分别为储能设备
Figure 521564DEST_PATH_IMAGE077
最大充能、放能功率，
Figure 243532DEST_PATH_IMAGE081
、
Figure 467840DEST_PATH_IMAGE082
分别为储能设备
Figure 326075DEST_PATH_IMAGE077
最大储能量、最小储能量，T为总优化运行周期数， 具体为调度周期时长，
Figure 610426DEST_PATH_IMAGE083
、
Figure 819690DEST_PATH_IMAGE084
分别为x类储能设备t时刻的充能、放能功率，
Figure 582110DEST_PATH_IMAGE085
为x类储能设备t时刻的储能量，
Figure 294851DEST_PATH_IMAGE086
为x类储能设备周期末的储能量，
Figure 750103DEST_PATH_IMAGE087
为x类储能设备初始的储能量；
沼气、风力和光伏发电机组运行约束的表达式为：
Figure 446663DEST_PATH_IMAGE088
，
式中，
Figure 12774DEST_PATH_IMAGE089
、
Figure 48863DEST_PATH_IMAGE090
、
Figure 471754DEST_PATH_IMAGE091
分别为沼气机组t时段的出力上限、风 力机组t时段的出力上限和光伏发电机组t时段的出力上限，
Figure 858873DEST_PATH_IMAGE092
、
Figure 494254DEST_PATH_IMAGE093
、
Figure 650429DEST_PATH_IMAGE094
分别 为t时刻的沼气机组发电功率、t时刻的风机机组发电功率和t时刻的光伏机组发电功率。
步骤S102，基于所述***功率平衡约束集和所述设备出力约束集，建立考虑绿色低碳的乡村多能源***边缘运行多目标函数，其中所述乡村多能源***边缘运行多目标函数中包含以碳排放量最小、可再生能源消纳最大的第一目标函数，和以乡村多能源***边缘自治运行成本最小的第二目标函数。
在本实施例中，构建考虑绿色低碳的乡村多能源***协同运行多目标函数。其中，协同运行多目标函数为双层优化模型，主要包括***运行成本最小、碳排放量最小和可再生能源消纳最大化两个目标函数。
上层优化模型
以可再生能源消纳最大和碳排放量最小为上层优化目标。
1）乡村多能源***碳排放量最小
Figure 244221DEST_PATH_IMAGE095
，
式中，
Figure 853057DEST_PATH_IMAGE008
分别为燃气轮机组的碳排放系数、电锅炉的碳排放系数、燃 气锅炉的碳排放系数，
Figure 557708DEST_PATH_IMAGE009
为每单位沼气量所含
Figure 568389DEST_PATH_IMAGE010
量的系数，
Figure 330153DEST_PATH_IMAGE011
为光伏发电机组全生 命周期内每发单位电功率产生
Figure 426285DEST_PATH_IMAGE010
的平均值，
Figure 403468DEST_PATH_IMAGE012
分别为乡村多能源***与电 网的碳排放系数、热网外购功率的碳排放系数,
Figure 534235DEST_PATH_IMAGE013
为每多排单位二氧化碳的惩罚费用 系数，
Figure 469830DEST_PATH_IMAGE096
为政府分配给乡村允许碳排放总量，
Figure 53258DEST_PATH_IMAGE015
、
Figure 834133DEST_PATH_IMAGE097
分别为t时刻的光伏机组 发电功率、t时刻的沼气机组发电功率，
Figure 819406DEST_PATH_IMAGE017
为t时刻燃气轮机的耗气速率折算的等值功 率，
Figure 925902DEST_PATH_IMAGE018
为t时刻电锅炉耗电功率，
Figure 996627DEST_PATH_IMAGE019
为t时刻燃气锅炉的耗气速率折算的等值功率，
Figure 846771DEST_PATH_IMAGE020
为t时段乡村多能源***与电网的交互功率，
Figure 217709DEST_PATH_IMAGE021
为t时段乡村多能源***与热 网的交互功率，T为时间周期；
2）可再生能源消纳最大
Figure 698369DEST_PATH_IMAGE098
，
式中，
Figure 787548DEST_PATH_IMAGE023
、
Figure 644646DEST_PATH_IMAGE024
、
Figure 870091DEST_PATH_IMAGE025
分别为t时段沼气发电厂的发电量预测值、t时段 光伏发电站的发电量预测值和t时段风电厂的发电量预测值，
Figure 521652DEST_PATH_IMAGE026
、
Figure 363706DEST_PATH_IMAGE027
、
Figure 758915DEST_PATH_IMAGE028
分别为弃沼 的单位惩罚费用系数、弃光的单位惩罚费用系数和弃风的单位惩罚费用系数，
Figure 838867DEST_PATH_IMAGE029
为t 时刻的风机机组发电功率；
将上层多目标优化问题利用线性加权方法转换成单目标优化问题，同时上层两优化目标函数的量纲均相同，因此可得以碳排放量最小、可再生能源消纳最大的第一目标函数的表达式为：
Figure 926908DEST_PATH_IMAGE001
，
式中，
Figure 990679DEST_PATH_IMAGE002
为目标函数
Figure 924000DEST_PATH_IMAGE003
、目标函数
Figure 124037DEST_PATH_IMAGE099
的线性加权值，
Figure 382980DEST_PATH_IMAGE005
、
Figure 671398DEST_PATH_IMAGE006
分别为目标函数
Figure 673989DEST_PATH_IMAGE003
的 权重值、目标函数
Figure 994112DEST_PATH_IMAGE099
的权重值，
Figure 158377DEST_PATH_IMAGE003
为以乡村多能源***碳排放量最小的目标函数，
Figure 931161DEST_PATH_IMAGE099
为以 可再生能源消纳最大的目标函数；
下层优化模型
以乡村多能源***边缘自治运行成本最小的第二目标函数的表达式为：
Figure 471864DEST_PATH_IMAGE030
，
式中，
Figure 646493DEST_PATH_IMAGE031
为乡村多能源***在t时刻的供能成本，
Figure 247239DEST_PATH_IMAGE032
为乡村多能源系 统在t时刻进行光伏发电所得的补贴收益，
Figure 241740DEST_PATH_IMAGE033
为乡村多能源***在t时刻进行风力 发电所得的补贴收益，
Figure 586133DEST_PATH_IMAGE034
为乡村多能源***在t时刻进行沼气发电所得的补贴收益，
Figure 880848DEST_PATH_IMAGE035
为乡村多能源***与外网的交互功率成本。
需要说明的是，
Figure 386916DEST_PATH_IMAGE031
、
Figure 134292DEST_PATH_IMAGE100
、
Figure 16798DEST_PATH_IMAGE033
、
Figure 166019DEST_PATH_IMAGE034
、
Figure 842988DEST_PATH_IMAGE035
由下式可得：
Figure 77660DEST_PATH_IMAGE101
，
式中，
Figure 763857DEST_PATH_IMAGE102
为t时刻的燃气机组运行成本，
Figure 502006DEST_PATH_IMAGE103
为t时刻的燃气锅炉运行成 本，
Figure 615455DEST_PATH_IMAGE104
为t时刻的P2G设备运行成本，
Figure 337423DEST_PATH_IMAGE105
为t时刻的电锅炉运行成本，
Figure 561731DEST_PATH_IMAGE106
为t 时刻的粪污制沼气设备运行成本，
Figure 419966DEST_PATH_IMAGE107
、
Figure 704317DEST_PATH_IMAGE108
、
Figure 481010DEST_PATH_IMAGE109
分别为弃沼的单位惩罚费用系数、弃光 的单位惩罚费用系数和弃风的单位惩罚费用系数，
Figure 509009DEST_PATH_IMAGE110
、
Figure 221750DEST_PATH_IMAGE111
、
Figure 677002DEST_PATH_IMAGE112
分别为t时刻光伏 阵列输出电功率、t时刻风力发电机输出电功率和t时刻沼气发电机输出电功率，
Figure 373562DEST_PATH_IMAGE113
、
Figure 939673DEST_PATH_IMAGE114
、
Figure 506921DEST_PATH_IMAGE115
分别为乡村多能源***与电网、热网、气网的交互功率成本，具体表达式 如下：
Figure 133074DEST_PATH_IMAGE116
，
式中，
Figure 51351DEST_PATH_IMAGE117
、
Figure 421153DEST_PATH_IMAGE118
和
Figure 374065DEST_PATH_IMAGE119
分别为购电价格、购热价格和购气价格；
Figure 171120DEST_PATH_IMAGE120
、
Figure 311114DEST_PATH_IMAGE121
和
Figure 219028DEST_PATH_IMAGE122
分别为t时段乡村多能源***与电网、热网、气网的交互功率。
步骤S103，对所述第一目标函数以及所述第二目标函数进行寻优求解，使得出满足优化目标的***用能设备调度周期内具体用能功率与外购的电能、气能、热能功率，并形成***最优协同运行方案。
综上，本申请的方法能够有效协调电、气、热等各类资源，在满足乡村多能源负荷需求的前提下，有效提升能源供给自治能力和运行经济性，降低整个乡村多能源***的二氧化碳排放量。
实施例二
在一个具体实施例中，乡村多能源***边缘自治运行方法包括以下步骤：
S1、采集乡村能源***中各供用能、能源转换设备参数及典型时段各能源负荷数据。
其中，在步骤S1中，各类型供用能、能源转换设备包括但不限于：燃气轮机、燃气锅炉、电锅炉、甲烷发生器、P2G装置、储电设备、储热罐等。设备参数包括但不限于：设备额定功率、最大出力功率、能源效率系数、爬坡率等。各能源负荷数据包括：热、电、气负荷。
S2、考虑乡村沼气、光能、风能的可再生利用，构建乡村多能源***沼气、光能、风能能源供给模型。
其中，在步骤S2中，考虑乡村沼气、光能、风能的可再生利用，构建乡村多能源***沼气、光能、风能能源供给模型：
1）沼气能源供给模型，沼气利用环节主要能源转换关系表达式如下：
Figure 26447DEST_PATH_IMAGE123
，
式中，
Figure 994403DEST_PATH_IMAGE124
表示t时刻的沼气产量，
Figure 621693DEST_PATH_IMAGE125
表示t时刻的沼气制取天然气的 产量，
Figure 333297DEST_PATH_IMAGE126
为沼气制取天然气系数。
2）风能、光能能源供给模型，乡村多能源***中风力和光伏发电出力模型如下：
Figure 260802DEST_PATH_IMAGE127
，
式中，
Figure 399659DEST_PATH_IMAGE128
为风电机组从风中捕捉的能量转化成的风电机组机械功率，
Figure 248666DEST_PATH_IMAGE129
为空气 密度，R为风轮机叶轮半径，
Figure 763961DEST_PATH_IMAGE130
为叶尖速比，
Figure 545973DEST_PATH_IMAGE131
为浆距角，
Figure 855731DEST_PATH_IMAGE132
为叶片的风能转换效率 系数，
Figure 192035DEST_PATH_IMAGE133
为风速，
Figure 245441DEST_PATH_IMAGE134
为光伏阵列在任意太阳辐射强度及环境温度下的输出功率，
Figure 884889DEST_PATH_IMAGE135
为光 伏阵列中光伏组件串并联损耗系数；U、I分别为光伏阵列输出的电压和光伏阵列输出的电 流。
S3、结合乡村供用能特征，构建乡村能源供给侧、转换侧及负荷侧功率特性模型。
S4、根据乡村多能源***总的供能和负荷功率平衡、各功能装置及储能装置出力上下限，构建各自的平衡约束集和运行约束集。
S5、根据S4的约束集，构建考虑绿色低碳的乡村多能源***协同运行多目标函数。其中，协同运行多目标函数主要包括***自治运行成本最小和碳排放最小两个目标函数。
S6、针对S5所建立的乡村多能源***协同运行多目标函数进行寻优求解，得出满足优化目标的***各用能设备功率及外购电能、气能、热能购功率，形成***协同自治运行方案。
其中，在步骤S6中，针对建立的乡村多能源***协同自治运行多目标函数利用MATLAB环境下的Yalmip工具箱进行寻优求解，得出满足优化目标的***各用能设备调度周期内具体用能功率与外购的电能、气能、热能功率，形成***最优协同自治运行方案。
实施例三
请参阅图2，其示出了本申请的一种乡村多能源***边缘自治运行***的结构框图。
如图2所示，乡村多能源***边缘自治运行***200，包括第一构建模块210、第二构建模块220以及求解模块230。
其中，第一构建模块210，配置为根据乡村多能源***的总供能平衡和负荷功率平衡、功能装置出力上下限及储能装置出力上下限，构建***功率平衡约束集和设备出力约束集；第二构建模块220，配置为基于所述***功率平衡约束集和所述设备出力约束集，建立考虑绿色低碳的乡村多能源***边缘运行多目标函数，其中所述乡村多能源***边缘运行多目标函数中包含以碳排放量最小、可再生能源消纳最大的第一目标函数，和以乡村多能源***边缘自治运行成本最小的第二目标函数；求解模块230，配置为对所述第一目标函数以及所述第二目标函数进行寻优求解，使得出满足优化目标的***用能设备调度周期内具体用能功率与外购的电能、气能、热能功率，并形成***最优协同运行方案。
应当理解，图2中记载的诸模块与参考图1中描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作和特征以及相应的技术效果同样适用于图2中的诸模块，在此不再赘述。
实施例四
请参阅图3，其示出了本申请的一种乡村多能源***边缘自治运行***的求解模块的结构框图。
如图3所示，求解模块230，包括寻优单元231以及形成单元232。
其中，所述寻优单元231，配置为基于MATLAB环境下的Yalmip工具箱对所述第一目标函数以及所述第二目标函数进行寻优求解；所述形成单元232，配置为根据满足优化目标的***用能设备调度周期内具体用能功率与外购的电能、气能、热能功率，形成***最优协同运行方案。
应当理解，图3中记载的诸模块与参考图1中描述的方法中的步骤S103相对应。由此，上文针对方法描述的操作和特征以及相应的技术效果同样适用于图3中的诸单元，在此不再赘述。
在另一些实施例中，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序指令被处理器执行时，使所述处理器执行上述任意方法实施例中的乡村多能源***边缘自治运行方法；
作为一种实施方式，本发明的计算机可读存储介质存储有计算机可执行指令，计算机可执行指令设置为：
根据乡村多能源***的总供能平衡和负荷功率平衡、功能装置出力上下限及储能装置出力上下限，构建***功率平衡约束集和设备出力约束集；
基于所述***功率平衡约束集和所述设备出力约束集，建立考虑绿色低碳的乡村多能源***边缘运行多目标函数，其中所述乡村多能源***边缘运行多目标函数中包含以碳排放量最小、可再生能源消纳最大的第一目标函数，和以乡村多能源***边缘自治运行成本最小的第二目标函数；
对所述第一目标函数以及所述第二目标函数进行寻优求解，使得出满足优化目标的***用能设备调度周期内具体用能功率与外购的电能、气能、热能功率，并形成***最优协同运行方案。
计算机可读存储介质可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储根据乡村多能源***边缘自治运行***的使用所创建的数据等。此外，计算机可读存储介质可以包括高速随机存取存储器，还可以包括存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，计算机可读存储介质可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至乡村多能源***边缘自治运行***。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
图4是本发明实施例提供的电子设备的结构示意图，如图4所示，该设备包括：一个处理器310以及存储器320。电子设备还可以包括：输入装置330和输出装置340。处理器310、存储器320、输入装置330和输出装置340可以通过总线或者其他方式连接，图4中以通过总线连接为例。存储器320为上述的计算机可读存储介质。处理器310通过运行存储在存储器320中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例乡村多能源***边缘自治运行方法。输入装置330可接收输入的数字或字符信息，以及产生与乡村多能源***边缘自治运行***的用户设置以及功能控制有关的键信号输入。输出装置340可包括显示屏等显示设备。
上述电子设备可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
作为一种实施方式，上述电子设备应用于乡村多能源***边缘自治运行***中，用于客户端，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
根据乡村多能源***的总供能平衡和负荷功率平衡、功能装置出力上下限及储能装置出力上下限，构建***功率平衡约束集和设备出力约束集；
基于所述***功率平衡约束集和所述设备出力约束集，建立考虑绿色低碳的乡村多能源***边缘运行多目标函数，其中所述乡村多能源***边缘运行多目标函数中包含以碳排放量最小、可再生能源消纳最大的第一目标函数，和以乡村多能源***边缘自治运行成本最小的第二目标函数；
对所述第一目标函数以及所述第二目标函数进行寻优求解，使得出满足优化目标的***用能设备调度周期内具体用能功率与外购的电能、气能、热能功率，并形成***最优协同运行方案。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.一种乡村多能源***边缘自治运行方法，其特征在于，包括：
根据乡村多能源***的总供能平衡和负荷功率平衡、功能装置出力上下限及储能装置出力上下限，构建***功率平衡约束集和设备出力约束集，其中所述***功率平衡约束集的表达式为：
Figure FDA0003699604770000011
式中，
Figure FDA0003699604770000012
分别为t时刻电网的交互功率、t时刻热网的交互功率、t时刻气网的交互功率，Pwind，et、Ppv，et、Pbg，et、PEH，et分别为t时刻的风机机组发电功率、t时刻的光伏机组发电功率、t时刻的沼气机组发电功率、t时刻的燃气轮机组发电功率，PEB，et、PP2G，et分别为t时刻电锅炉耗电功率、t时刻P2G装置耗电功率，PEH，ht、PEB，ht、PFB，ht分别为t时刻下燃气轮机的产热功率、t时刻下电锅炉的产热功率、t时刻下燃气锅炉的产热功率，PP2G，gt为t时刻下P2G装置的等值功率，PEH，gt、PFB，gt分别为t时刻燃气轮机的耗气速率折算的等值功率、t时刻燃气锅炉的耗气速率折算的等值功率，Let、Lht、Lgt分别为电负荷、热负荷、气负荷，PS，ht、Ps，gt为t时刻下对热的储能充放、t时刻下对气的储能充放；
基于所述***功率平衡约束集和所述设备出力约束集，建立考虑绿色低碳的乡村多能源***边缘运行多目标函数，其中所述乡村多能源***边缘运行多目标函数中包含以碳排放量最小、可再生能源消纳最大的第一目标函数，和以乡村多能源***边缘自治运行成本最小的第二目标函数；
对所述第一目标函数以及所述第二目标函数进行寻优求解，得出满足优化目标的***用能设备调度周期内具体用能功率与外购的电能、气能、热能功率，并形成***最优协同运行方案。
2.根据权利要求1所述的一种乡村多能源***边缘自治运行方法，其特征在于，所述第一目标函数的表达式为：
Obj1＝minF1＝ω1f1+ω2f2，
式中，F1为目标函数f1、目标函数f2的线性加权值，ω1、ω2分别为目标函数f1的权重值、目标函数f2的权重值，f1为以乡村多能源***碳排放量最小的目标函数，f2为以可再生能源消纳最大的目标函数；
以乡村多能源***碳排放量最小的目标函数的表达式为：
Figure FDA0003699604770000021
式中，εFB、εEB、εEH分别为燃气轮机组的碳排放系数、电锅炉的碳排放系数、燃气锅炉的碳排放系数，βbg为每单位沼气量所含CO2量的系数，βpv为光伏发电机组全生命周期内每发单位电功率产生CO2的平均值，μE，buy、μT，buy分别为乡村多能源***与电网的碳排放系数、热网外购功率的碳排放系数，CCO2为每多排单位二氧化碳的惩罚费用系数，Cpermit为政府分配给乡村允许碳排放总量，Ppv，et、Pbg，et分别为t时刻的光伏机组发电功率、t时刻的沼气机组发电功率，PEH，gt为t时刻燃气轮机的耗气速率折算的等值功率，PEB，et为t时刻电锅炉耗电功率，PFB，gt为t时刻燃气锅炉的耗气速率折算的等值功率，PE，ex(t)为t时段乡村多能源***与电网的交互功率，PT，ex(t)为t时段乡村多能源***与热网的交互功率，T为时间周期；
以可再生能源消纳最大的目标函数的表达式为：
Figure FDA0003699604770000022
式中，Pbg，et，f、Ppv，et，f、Pwind，et，f分别为t时段沼气发电厂的发电量预测值、t时段光伏发电站的发电量预测值和t时段风电厂的发电量预测值，Cbg、Cpv、Cwind分别为弃沼的单位惩罚费用系数、弃光的单位惩罚费用系数和弃风的单位惩罚费用系数，Pwind，et为t时刻的风机机组发电功率。
3.根据权利要求1所述的一种乡村多能源***边缘自治运行方法，其特征在于，所述第二目标函数的表达式为：
Obj2＝minF2＝Me(t)-(Mpv(t)+Mwind(t)+Mman(t))+Msexc，
式中，Me(t)为乡村多能源***在t时刻的供能成本，Mpv(t)为乡村多能源***在t时刻进行光伏发电所得的补贴收益，Mwind(t)为乡村多能源***在t时刻进行风力发电所得的补贴收益，Mman(t)为乡村多能源***在t时刻进行沼气发电所得的补贴收益，Msexc为乡村多能源***与外网的交互功率成本。
4.根据权利要求1所述的一种乡村多能源***边缘自治运行方法，其特征在于，所述设备出力约束集包括下述中的至少一种：燃气轮机发电出力约束、电锅炉运行约束、燃气锅炉热力约束、P2G装置约束、储能设备约束以及沼气、风力和光伏发电机组运行约束。
5.根据权利要求1所述的一种乡村多能源***边缘自治运行方法，其特征在于，所述对所述第一目标函数以及所述第二目标函数进行寻优求解包括：
基于MATLAB环境下的Yalmip工具箱对所述第一目标函数以及所述第二目标函数进行寻优求解。
6.一种乡村多能源***边缘自治运行***，其特征在于，包括：
第一构建模块，配置为根据乡村多能源***的总供能平衡和负荷功率平衡、功能装置出力上下限及储能装置出力上下限，构建***功率平衡约束集和设备出力约束集，其中所述***功率平衡约束集的表达式为：
Figure FDA0003699604770000031
式中，
Figure FDA0003699604770000032
分别为t时刻电网的交互功率、t时刻热网的交互功率、t时刻气网的交互功率，Pwind，et、Ppv，et、Pbg，et、PEH，et分别为t时刻的风机机组发电功率、t时刻的光伏机组发电功率、t时刻的沼气机组发电功率、t时刻的燃气轮机组发电功率，PEB，et、PP2G，et分别为t时刻电锅炉耗电功率、t时刻P2G装置耗电功率，PEH，ht、PEB，ht、PFB，ht分别为t时刻下燃气轮机的产热功率、t时刻下电锅炉的产热功率、t时刻下燃气锅炉的产热功率，PP2G，gt为t时刻下P2G装置的等值功率，PEH，gt、PFB，gt分别为t时刻燃气轮机的耗气速率折算的等值功率、t时刻燃气锅炉的耗气速率折算的等值功率，Let、Lht、Lgt分别为电负荷、热负荷、气负荷，PS，ht、PS，gt为t时刻下对热的储能充放、t时刻下对气的储能充放；
第二构建模块，配置为基于所述***功率平衡约束集和所述设备出力约束集，建立考虑绿色低碳的乡村多能源***边缘运行多目标函数，其中所述乡村多能源***边缘运行多目标函数中包含以碳排放量最小、可再生能源消纳最大的第一目标函数，和以乡村多能源***边缘自治运行成本最小的第二目标函数；
求解模块，配置为对所述第一目标函数以及所述第二目标函数进行寻优求解，得出满足优化目标的***用能设备调度周期内具体用能功率与外购的电能、气能、热能功率，并形成***最优协同运行方案。
7.根据权利要求6所述的乡村多能源***边缘自治运行***，其特征在于，所述求解模块包括寻优单元以及形成单元，所述寻优单元，配置为基于MATLAB环境下的Yalmip工具箱对所述第一目标函数以及所述第二目标函数进行寻优求解；
所述形成单元，配置为根据满足优化目标的***用能设备调度周期内具体用能功率与外购的电能、气能、热能功率，形成***最优协同运行方案。
8.一种电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至5任一项所述的方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至5任一项所述的方法。
CN202210419864.1A 2022-04-21 2022-04-21 一种乡村多能源***边缘自治运行方法及*** Active CN114519543B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210419864.1A CN114519543B (zh) 2022-04-21 2022-04-21 一种乡村多能源***边缘自治运行方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210419864.1A CN114519543B (zh) 2022-04-21 2022-04-21 一种乡村多能源***边缘自治运行方法及***

Publications (2)

Publication Number Publication Date
CN114519543A CN114519543A (zh) 2022-05-20
CN114519543B true CN114519543B (zh) 2022-09-02

Family

ID=81600475

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210419864.1A Active CN114519543B (zh) 2022-04-21 2022-04-21 一种乡村多能源***边缘自治运行方法及***

Country Status (1)

Country Link
CN (1) CN114519543B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114997538B (zh) * 2022-08-02 2022-11-22 杭州经纬信息技术股份有限公司 基于碳排数据的产业工艺升级动态规划及可视化方法
CN115378042B (zh) * 2022-10-25 2023-02-17 国网江西省电力有限公司电力科学研究院 一种分布式柔性资源协调控制方法
CN116681545B (zh) * 2023-01-30 2024-06-21 兰州理工大学 一种计及生物质-p2g耦合的设施农业园区近零碳实现方法
CN116260166B (zh) * 2023-03-15 2024-02-09 中国矿业大学 电-气耦合的乡村光沼弹性综合能源***及其运行模型

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108832656A (zh) * 2018-06-20 2018-11-16 天津大学 基于电转气和可再生能源利用微能源网多目标规划方法
CN110515300A (zh) * 2019-08-05 2019-11-29 广东电网有限责任公司 一种区域互联综合能源多目标优化配置方法
CN113629784A (zh) * 2021-08-24 2021-11-09 国网甘肃省电力公司定西供电公司 一种农村配电网多目标优化调度方法
CN113779874A (zh) * 2021-08-30 2021-12-10 国网福建省电力有限公司 一种离网微电网建设的多目标优化方法

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9146547B2 (en) * 2011-07-20 2015-09-29 Nec Laboratories America, Inc. Optimal energy management of a rural microgrid system using multi-objective optimization
CN105631599A (zh) * 2015-12-30 2016-06-01 国网甘肃省电力公司电力科学研究院 一种虚拟电厂多目标运行调度方法
CN110110904A (zh) * 2019-04-17 2019-08-09 华北电力大学 考虑经济性、独立性和碳排放的综合能源***优化方法
CN110443410A (zh) * 2019-07-10 2019-11-12 国网福建省电力有限公司 一种区域多能源***的运行优化方法
CN110689199B (zh) * 2019-09-30 2022-06-07 上海电力大学 一种基于混合潮流模型的分布式协同调控方法
CN111881540B (zh) * 2020-05-28 2024-02-02 湘潭大学 一种能量枢纽中热泵容量和各能源设备功率的优化方法
CN111786420A (zh) * 2020-07-16 2020-10-16 国网能源研究院有限公司 一种考虑再生能源混合发电的电力***经济调度的方法
CN112580897B (zh) * 2020-12-31 2023-08-22 西安理工大学 基于鹦鹉算法的多能源电力***优化调度的方法
CN112906997B (zh) * 2021-05-10 2021-09-10 国网江西省电力有限公司电力科学研究院 基于Stackelberg博弈的区域综合能源***优化调度方法及装置
CN113725915A (zh) * 2021-08-26 2021-11-30 国网浙江省电力有限公司经济技术研究院 一种考虑可再生能源不确定性和热惰性的乡村电热综合能源***运行优化方法
CN113822480A (zh) * 2021-09-23 2021-12-21 河北农业大学 一种农村综合能源***多层协同优化方法及***
CN113783193B (zh) * 2021-11-15 2022-04-12 国网江西省电力有限公司电力科学研究院 一种基于边端协同的乡村供用能***优化调控方法及***
CN114362241A (zh) * 2021-12-06 2022-04-15 国网辽宁省电力有限公司电力科学研究院 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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108832656A (zh) * 2018-06-20 2018-11-16 天津大学 基于电转气和可再生能源利用微能源网多目标规划方法
CN110515300A (zh) * 2019-08-05 2019-11-29 广东电网有限责任公司 一种区域互联综合能源多目标优化配置方法
CN113629784A (zh) * 2021-08-24 2021-11-09 国网甘肃省电力公司定西供电公司 一种农村配电网多目标优化调度方法
CN113779874A (zh) * 2021-08-30 2021-12-10 国网福建省电力有限公司 一种离网微电网建设的多目标优化方法

Also Published As

Publication number Publication date
CN114519543A (zh) 2022-05-20

Similar Documents

Publication Publication Date Title
CN114519543B (zh) 一种乡村多能源***边缘自治运行方法及***
CN104362677B (zh) 一种主动配电网优化配置结构及其配置方法
Wu et al. Multitasking multi-objective operation optimization of integrated energy system considering biogas-solar-wind renewables
Okinda et al. A review of techniques in optimal sizing of hybrid renewable energy systems
CN111737884B (zh) 一种含多种清洁能源微能源网多目标随机规划方法
CN114707289B (zh) 基于机会约束的电热耦合综合能源***多目标优化方法
CN109636056A (zh) 一种基于多智能体技术的多能源微网去中心化优化调度方法
Wen et al. Optimal and stochastic performance of an energy hub-based microgrid consisting of a solar-powered compressed-air energy storage system and cooling storage system by modified grasshopper optimization algorithm
CN112069720A (zh) 一种综合能源***及其运行优化方法
CN111445107A (zh) 冷热电联供型微电网多目标优化配置方法
CN111668878A (zh) 一种可再生微能源网的优化配置方法和***
Li et al. Optimized operation of hybrid system integrated with MHP, PV and PHS considering generation/load similarity
CN114595868A (zh) 一种综合能源***源网荷储协同规划方法及***
CN112671035A (zh) 一种基于风电预测的虚拟电厂储能容量配置方法
Gabbar et al. Feasibility analysis of grid-connected nuclear-renewable micro hybrid energy system
CN116050637A (zh) 基于分时电价的综合能源虚拟电厂优化调度方法及***
Paul et al. Application of chaotic quasi‐oppositional whale optimization algorithm on CHPED problem integrated with wind‐solar‐EVs
CN114977180A (zh) 一种基于负荷侧灵活性资源的微电网低碳优化调度方法
CN117973886A (zh) 含氢能全链路的综合能源***协同规划运行方法及***
CN116896072A (zh) 远海风电与制氢***的优化调控方法和装置
Liu et al. Renewable energy utilizing and fluctuation stabilizing using optimal dynamic grid connection factor strategy and artificial intelligence-based solution method
CN115526381A (zh) 一种面向能源互联网的零碳园区优化规划方法及装置
Koochaki et al. Optimal design of solar-wind hybrid system using teaching-learning based optimization applied in charging station for electric vehicles
Gong et al. Economic dispatching strategy of double lead-acid battery packs considering various factors
Wang et al. Capacity Optimization of Island Integrated Energy System Considering Hydrogen Energy Access

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