CN115860413A - 基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法 - Google Patents
基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法 Download PDFInfo
- Publication number
- CN115860413A CN115860413A CN202211662571.2A CN202211662571A CN115860413A CN 115860413 A CN115860413 A CN 115860413A CN 202211662571 A CN202211662571 A CN 202211662571A CN 115860413 A CN115860413 A CN 115860413A
- Authority
- CN
- China
- Prior art keywords
- power
- load
- model
- electric
- grid
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 81
- 238000010438 heat treatment Methods 0.000 title claims abstract description 42
- 238000001816 cooling Methods 0.000 title claims abstract description 41
- 230000004044 response Effects 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000009977 dual effect Effects 0.000 claims abstract description 8
- 230000005611 electricity Effects 0.000 claims description 42
- 239000011159 matrix material Substances 0.000 claims description 27
- 238000004146 energy storage Methods 0.000 claims description 21
- 239000007789 gas Substances 0.000 claims description 18
- 238000010521 absorption reaction Methods 0.000 claims description 17
- 239000002918 waste heat Substances 0.000 claims description 17
- 238000011084 recovery Methods 0.000 claims description 14
- 230000003993 interaction Effects 0.000 claims description 12
- 238000010248 power generation Methods 0.000 claims description 12
- 238000005057 refrigeration Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000005338 heat storage Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 239000004106 carminic acid Substances 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 238000011410 subtraction method Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000013486 operation strategy Methods 0.000 description 12
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 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
- 230000000694 effects Effects 0.000 description 2
- 239000003245 coal Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development 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
- 230000035699 permeability Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于负荷需求响应与双层可调鲁棒优化的冷热电联产型微电网优化调度方法。首先,利用负荷需求响应策略对微电网***进行建模。然后,以可再生能源与负荷的最恶劣运行情况下***运行成本最低为目标函数,根据强对偶理论将双层可调鲁棒优化模型分解成两个线性模型,利用列约束生成算法进行求解制定***的最优经济调度策略。此外,通过选择合适的鲁棒调节系数,可以适当调整调度计划的鲁棒性,平衡***运行的经济性与安全性。本发明提出的方法在降低可再生能源与负荷不确定性影响的同时,能有效提升***的能源利用率,并降低***运行的经济成本。
Description
技术领域
本发明属于电力***技术领域,具体涉及一种基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法。
背景技术
随着石油与燃煤等资源逐渐枯竭,目前各国十分关注可再生能源的开发与利用。由于含可再生能源的并网冷热电联产微电网***具备能源利用率高和供电可靠性高等优点而受到广泛关注。这种微网***集成了分布式电源、储能和负荷,不仅为负荷需求提供多种能源供应,更是提高可再生能源渗透率的有效手段之一。对于这种***的经济调度,常将***建模为传统的确定性优化模型。然而,可再生能源以及负荷的预测误差为***的经济与安全运行带来挑战。因此,要保证这种***的经济运行,就必须将可再生能源与负荷的不确定性影响影响降至最低。
发明内容
针对上述问题,本发明提出了一种基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法,这种方法能降低可再生能源与负荷的不确定性影响,提升***的能源利用效率,有效降低***运行成本以及提高***运行的稳定性。
本发明采用以下技术方案:
一种基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法,具体设计方案如下:
步骤(1)对并网冷热电联产微网***建模;
步骤(2)采用负荷需求响应优化电负荷并得到分时电价数据;
步骤(3)建立双层可调鲁棒优化模型并将其分解成两个线性模型;
步骤(4)运用列约束生成算法进行迭代求解。
进一步的,所述步骤(1)中并网冷热电联产微网***包括可再生能源***、储能设备、储热设备、微型燃气轮机、余热回收装置、电锅炉、燃气锅炉、吸收式制冷机和电制冷机,其中余热回收装置吗、电锅炉、吸收式制冷机和电制冷机建模如下:
余热回收装置:余热回收装置可以将微型燃气轮机发电时产生的余热气体回收以供应热负荷需求。
电锅炉:电锅炉可以将电能转化为热能以供应热负荷需求。
电制冷机:电制冷机将电能转化为冷却能以供应冷负荷需求。
吸收式制冷机:吸收式制冷机可吸收热能并将其转化为冷却能以供应冷负荷需求。
进一步的,所述步骤(2)中采用负荷需求响应优化电负荷。步骤如下:
首先,引入隶属度函数来表示电负荷的特性,根据模糊聚类分析法划分电负荷的峰谷平时段:
随后,由绝对值减数法得到传递闭包矩阵Rλ,取分类树λ=3,得到用电负荷的峰谷平分类时段数据。
接着,以电负荷的峰谷差值最小和用电综合满意度最大为目标函数建立多目标优化模型,采用多目标遗传算法求解得到分时电价。该多目标优化模型为:
其中,qi表示峰(f)、谷(g)、平(p)三种时段下的负荷,pi,min和pi,max为三种时段下的电价最小值和最大值,Pnew,min和Pnew,max是优化后电负荷的最小、最大值,Sl与Sp是用户***时段下的负荷变化量、电价变化量与电价数据。
最后,通过引入需求弹性系数,根据分时电价数据建立电负荷响应电价模型,得到优化后的电负荷。该模型具体为:
其中,p0为初始电价。
进一步的,所述步骤(3)中双层鲁棒优化模型具体为:
Yi={Pmt,Pdis,Pchr,Pgrid,Pexcess,Pec,Peb,Hb
Hdis,Hchr,Hac,Ppv,Pwt,Pload,Hh,Qc}
Ui={Ubat,dis,Ugrid,Utst,dis}
其中,Pmt、Pdis、Pchr、Pgrid、Pexcess、Pec、Peb、Hb、Hdis、Hchr、Hac、Ppv、Pwt、Pload、Hh和Qc分别表示微型燃气轮机发电功率、电储能***充放电功率、向电网购售电功率、电制冷消耗功率、电锅炉消耗功率、锅炉制热功率、热储能***充放热功率、吸收式制冷机消耗热功率、光伏发电功率、风力发电功率以及电、热、冷三种负荷,Ubat,dis、Ugrid和Utst,dis表示电储能***放电状态、向电网购电的状态和热储能***放热状态;
双层鲁棒优化模型分为外层min结构模型与内层max-min结构模型,其中,内层模型基于强对偶理论,将min结构转化成max结构,然后合并两个max结构并将模型线性化,内外层模型的结构具体为:
外层模型:
其中,c,D,K,F,G,I,d和h是系数矩阵。外层模型以最小化***运行成本为目标函数,以u为优化变量。
内层模型:
其中,γ,λ,v,π是对偶变量,O120是120×1零矩阵,E120是120阶单位矩阵,是π的上界,当/>取得足够大时,内层模型为线性模型,降低了算法的运行复杂度。x与Δx是确定性优化模型中可再生能源与负荷的预测数据和***恶劣运行情况下的最大偏差值。Γi是鲁棒调节系数;B是一个以0-1状态变量为元素的对角矩阵,每个元素表示可再生能源和负荷是否能取到对应时间段内不确定性集中的区间最大值,B的形式如下:
Bi={Bpv,Bwt,,Bload,Bh,Bc,}
其中,Bpv、Bwt、Bload、Bh和Bc为不确定性因素的恶劣情况判定矩阵,分别用于判断光伏出力,风电出力以及电、热、冷三种负荷是否达到不确定性集中的区间边界值。
***恶劣运行情况:
Xi={Ppv,Pwt,Pload,Hh,,Qc,}
进一步的,步骤(3)中所述可调鲁棒优化模型中可调指的是该双层鲁棒优化模型引入了鲁棒调节系数Γ用于调节***模型的鲁棒性,以平衡***运行的经济性与稳定性,具体为:
Γi={Γpv,Γwt,Γload,Γh,Γc}
其中,Γ为鲁棒调节系数,取值为[1,24]。当Γ的值越大,***的鲁棒性越强,当Γ的值为0时,该鲁棒模型等同于传统的确定性优化模型。
进一步的,步骤(4)中所述的列约束生成算法及其求解步骤具体为:
列约束生成算法的主要思路:列约束生成算法通过将原问题分解成两个既独立又耦合的子问题,并在求解过程中传递两个子问题的耦合参数,不断地迭代交替求解最终获得原问题的最优解。
列约束生成算法的求解步骤:
步骤(4.2):输入可再生能源与负荷需求的恶劣运行情况求解外层优化模型,得到***各机组的经济最优计划出力yk、储能设备状态、***与电网交互状态uk和***的最小运行成本LBk,更新运行成本的下界为LB=LBk。
步骤(4.3):输入步骤(4.2)求得的uk,求解内层优化模型,检验储能设备、***与电网交互设备是否可以应对不确定性变量的波动,得到新的***恶劣运行情况下的不确定性变量和***的最小运行成本UBk,并更新运行成本的上界UB=min{UB,UBk}。
步骤(4.4):判断条件UB-LB≤ε是否满足,若满足则停止迭代并返回最优日前调度计划yk;否则,将步骤(4.3)中内层优化模型所求得的输入至外层优化模型,并令k=k+1,跳转至步骤(4.2)继续迭代寻优直至算法收敛。
与现有技术相比,本发明的优点和积极效果在于:
(1)本发明建立了带负荷需求响应的双层鲁棒优化模型来解决并网冷热电联产微网***中可再生能源与负荷的不确定性问题。
(2)本发明引入了鲁棒调整系数,调整调度计划的鲁棒性,提高***运行的经济效益。
(3)本发明通过负荷需求响应优化***电负荷,形成用户合理的用电导向,从而降低电负荷峰谷差,提高***运行的可靠性。
附图说明
图1为本发明实例中并网冷热电联产微网***结构图;
图2为本发明实例中***调度策略流程图;
图3为本发明实例中负荷需求响应分类结果图;
图4为本发明实例中负荷需求响应帕累托结果图;
图5为本发明实例中优化前后的电负荷对比图。
具体实施方式
下面结合具体实施案例和附图,进一步阐明本发明,本发明提出了一种基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法,并网冷热电联产微网***结构如图1所示,为提高***的经济运行效益,建立了***调度策略,***调度策略流程如图2所示,具体实施步骤如下:
(1)对并网冷热电联产微网***建模
并网冷热电联产微网***结构图如图1所示,***组件包括可再生能源***、储能设备、储热设备、微型燃气轮机、余热回收装置、电锅炉、燃气锅炉、吸收式制冷机和电制冷机,以下介绍几个重点设备。
余热回收装置:余热回收装置可以将微型燃气轮机发电时产生的余热气体回收以供应热负荷需求。
电锅炉:电锅炉可以将电能转化为热能以供应热负荷需求。
电制冷机:电制冷机将电能转化为冷却能以供应冷负荷需求。
吸收式制冷机:吸收式制冷机可吸收热能并将其转化为冷却能以供应冷负荷需求。
(2)采用负荷需求响应优化电负荷并得到分时电价数据
负荷需求响应的目的是形成用户合理的用电导向,从而降低电负荷峰谷差,提高***运行的可靠性:
首先,引入隶属度函数来表示电负荷的特性,根据模糊聚类分析法划分电负荷的峰谷平时段:
随后,由绝对值减数法得到传递闭包矩阵Rλ,取分类树λ=3,得到用电负荷的峰谷平分类时段数据。
接着,以电负荷的峰谷差值最小和用电综合满意度最大为目标函数建立多目标优化模型,采用多目标遗传算法求解得到分时电价。该多目标优化模型为:
其中,qi表示峰(f)、谷(g)、平(p)三种时段下的负荷,pi,min和pi,max为三种时段下的电价最小值和最大值,Pnew,min和Pnew,max是优化后电负荷的最小、最大值,Sl与Sp是用户***时段下的负荷变化量、电价变化量与电价数据。
最后,通过引入需求弹性系数,根据分时电价数据建立电负荷响应电价模型,该模型具体为:
其中,p0为初始电价。
(3)基于强对偶原理建立双层鲁棒优化模型
Yi={Pmt,Pdis,Pchr,Pgrid,Pexcess,Pec,Peb,Hb
Hdis,Hchr,Hac,Ppv,Pwt,Pload,Hh,Qc}
Ui={Ubat,dis,Ugrid,Utst,dis}
其中,Pmt、Pdis、Pchr、Pgrid、Pexcess、Pec、Peb、Hb、Hdis、Hchr、Hac、Ppv、Pwt、Pload、Hh和Qc分别表示微型燃气轮机发电功率、电储能***充放电功率、向电网购售电功率、电制冷消耗功率、电锅炉消耗功率、锅炉制热功率、热储能***充放热功率、吸收式制冷机消耗热功率、光伏发电功率、风力发电功率以及电、热、冷三种负荷,Ubat,dis、Ugrid和Utst,dis表示电储能***放电状态、向电网购电的状态和热储能***放热状态;
双层鲁棒优化模型分解为外层min结构模型与内层max-min结构模型,其中,内层模型基于强对偶理论,将min结构转化成max结构,然后合并两个max结构并将模型线性化,内外层模型的结构具体为:
外层模型:
其中,c,D,K,F,G,I,d和h是系数矩阵。外层模型以最小化***运行成本为目标函数,以u为优化变量。
内层模型:
其中,γ,λ,v,π是对偶变量,O120是120×1零矩阵,E120是120阶单位矩阵,是π的上界,当/>取得足够大时,内层模型为线性模型,降低了算法的运行复杂度。x与Δx是确定性优化模型中可再生能源与负荷的预测数据和***恶劣运行情况下的最大偏差值。Γi是鲁棒调节系数;B是一个以0-1状态变量为元素的对角矩阵,每个元素表示可再生能源和负荷是否能取到对应时间段内不确定性集中的区间最大值,B的形式如下:
Bi={Bpv,Bwt,Bload,Bh,Bc,}
其中,Bpv、Bwt、Bload、Bh和Bc为不确定性因素的恶劣情况判定矩阵,分别用于判断光伏出力,风电出力以及电、热、冷三种负荷是否达到不确定性集中的区间边界值;
***恶劣运行情况:
Xi={Ppv,Pwt,Pload,Hh,,Qc,}
(4)建立可调鲁棒优化模型,其中,可调指的是该双层鲁棒优化模型引入了鲁棒调节系数Γ用于调节***模型的鲁棒性,以平衡***运行的经济性与稳定性。
Γi={Γpv,Γwt,Γload,Γh,Γc}
其中,Γ为鲁棒调节系数,取值为[1,24]。当Γ的值越大,***的鲁棒性越强,当Γ的值为0时,该鲁棒模型等同于传统的确定性优化模型。
(5)运行列约束生成算法对上述双层可调鲁棒优化模型进行求解,具体包括以下步骤:
列约束生成算法的主要思路:列约束生成算法通过将原问题分解成两个既独立又耦合的子问题,并在求解过程中传递两个子问题的耦合参数,不断地迭代交替求解最终获得原问题的最优解。
列约束生成算法的求解步骤:
步骤2:输入可再生能源与负荷需求的恶劣运行情况求解外层优化模型,得到***各机组的经济最优计划出力yk、储能设备状态、***与电网交互状态uk和***的最小运行成本LBk,更新运行成本的下界为LB=LBk。
步骤3:输入步骤2求得的uk,求解内层优化模型,检验储能设备、***与电网交互设备是否可以应对不确定性变量的波动,得到新的***恶劣运行情况下的不确定性变量和***的最小运行成本UBk,并更新运行成本的上界UB=min{UB,UBk}。
为验证所提并网冷热电联产微网***经济调度方法的有效性,对比分析以下五种不同运行策略的经济成本。
a.运行策略1:处于正常日前预测误差下且Γ=6的含负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***。
b.运行策略2:处于较小日前预测误差下且Γ=6的含负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***。
c.运行策略3:处于较大日前预测误差下且Γ=6的含负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***。
d.运行策略4:处于较小日前预测误差下且Γ=3的含负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***。
e.运行策略5:处于正常日前预测误差下含负荷需求响应与传统确定性优化的并网冷热电联产微网***。
首先,利用模糊聚类分析法划分用电负荷的分类过程如图3所示。由图3可知,取分类数为3,可以得到***的电负荷分类信息,分类信息如表1所示。
随后,通过求解多目标负荷需求响应模型得到分时电价数据。求解后所得的帕累托图如图4所示。取图4的A点为结果,得到分时电价结果如表2所示。
最后,通过引入需求弹性系数求解得到优化后的曲线,优化前后的电负荷对比示意图如图5所示。由图5可以看出,采用负荷需求响应实现对用户初始电负荷进行削峰填谷,提高***运行稳定性。
表3为五种运行策略下的***运行成本,其中,实时运行成本才是衡量***经济运行效益的重要指标,而日前计划成本与调整成本更多的是说明***的鲁棒水平。
由表3可知,对比运行策略1和运行策略5,在相同的预测误差下,相较于传统确定性优化的***,含双层可调鲁棒优化的***在实时运行成本上减少了6.16%。在相同的调度策略下,双层可调鲁棒优化策略的优化效果随着预测精度的提高而逐步提高。但是,当预测误差较小时,***的调整成本呈现负数,说明此时***的鲁棒性过高,需要调整鲁棒调节系数降低***的鲁棒性。因此,将预测误差较小时***的鲁棒调节系数降至3,得到运行策略4。由表3可知,运行策略4的日前计划成本相较于运行策略2出现大幅度降低的情况,这说明此时***的鲁棒性有所下降,并且此时的实时运行成本也低于运行策略2的实时运行成本,说明修正鲁棒调节系数后***的经济效益得到提高。
综上所述,基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微电网***中可以有效处理可再生能源与负荷的不确定性问题,降低***运行成本,提高***运行的经济性和稳定性。
表1电负荷峰谷平时段分类结果
表2分时电价结果
表3五种运行策略下的***运行成本对比
上述实例用来解释本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明做出的任何修改和改变,都落入本发明的保护范围。
Claims (6)
1.基于负荷需求响应与双层可调鲁棒优化的冷热电联产型微电网优化调度方法,其特征在于:包括如下步骤:
步骤1:对冷热电联产型微电网***建模;
步骤2:采用负荷需求响应优化电负荷并得到分时电价数据;
步骤3:建立双层可调鲁棒优化模型并将其分解成两个线性模型;
步骤4:运用列约束生成算法进行迭代求解。
2.根据权利要求1所述的基于负荷需求响应与双层可调鲁棒优化的冷热电联产型微电网优化调度方法,其特征在于:所述步骤1中冷热电联产型微电网设备包括可再生能源***、储能设备、储热设备、微型燃气轮机、余热回收装置、电锅炉、燃气锅炉、吸收式制冷机和电制冷机,其中余热回收装置、电锅炉、吸收式制冷机和电制冷机建模如下:
余热回收装置:余热回收装置将微型燃气轮机发电时产生的余热气体回收以供应热负荷需求;
电锅炉:电锅炉将电能转化为热能以供应热负荷需求;
电制冷机:电制冷机将电能转化为冷却能以供应冷负荷需求;
吸收式制冷机:吸收式制冷机吸收热能并将其转化为冷却能以供应冷负荷需求;
3.根据权利要求1所述的基于负荷需求响应与双层可调鲁棒优化的冷热电联产型微电网优化调度方法,其特征在于:所述步骤2中采用负荷需求响应优化电负荷具体为:
步骤2.1:引入隶属度函数表示电负荷的特性,根据模糊聚类分析法划分电负荷的峰谷平时段:
步骤2.2:由绝对值减数法得到传递闭包矩阵Rλ,取分类树λ=3,得到用电负荷的峰谷平分类时段数据;
步骤2.3:以电负荷的峰谷差值最小和用电综合满意度最大为目标函数建立多目标优化模型,采用多目标遗传算法求解得到分时电价;多目标优化模型为:
min(Pnew,max-Pnew,min)2-(λ1S1+λpSp)
其中,qi表示峰(f)、谷(g)、平(p)三种时段下的负荷,pi,min和pi,max为三种时段下的电价最小值和最大值,Pnew,min和Pnew,max是优化后电负荷的最小、最大值,Sl与Sp是用户***时段下的负荷变化量、电价变化量与电价数据;
步骤2.4:通过引入需求弹性系数,根据分时电价数据建立电负荷响应电价模型,得到优化后的电负荷;电负荷响应电价模型具体为:
其中,p0为初始电价。
4.根据权利要求1所述的基于负荷需求响应与双层可调鲁棒优化的冷热电联产型微电网优化调度方法,其特征在于:所述步骤3中双层鲁棒优化模型,具体如下:
Yi={Pmt,Pdis,Pchr,Pgrid,Pexcess,Pec,Peb,HbHdis,Hchr,Hac,Ppv,Vwt,Pload,Hh,Qc}
Ui={Ubat,dis,Ugrid,Utst,dis}
其中,Pmt、Pdis、Pchr、Pgrid、Pexcess、Pec、Peb、Hb、Hdis、Hchr、Hac、Ppv、Pwt、Pload、Hh和Qc分别表示微型燃气轮机发电功率、电储能***充放电功率、向电网购售电功率、电制冷消耗功率、电锅炉消耗功率、锅炉制热功率、热储能***充放热功率、吸收式制冷机消耗热功率、光伏发电功率、风力发电功率以及电、热、冷三种负荷,Ubat,dis、Ugrid和Utst,dis表示电储能***放电状态、向电网购电的状态和热储能***放热状态,和表示***可再生能源出力和冷热电三种负荷的波动范围;
双层鲁棒优化模型分为外层min结构模型与内层max-min结构模型,其中,内层模型基于强对偶理论,将min结构转化成max结构,然后合并两个max结构并将模型线性化,内外层模型的结构具体为:
外层模型:
其中,D,K,F,G,I,d和h是系数矩阵;外层模型以最小化***运行成本为目标函数,以u为优化变量;
内层模型:
其中,γ,λ,v,π是对偶变量,O120是120×1零矩阵,E120是120阶单位矩阵,是π的上界,当/>取得足够大时,内层模型为线性模型,x与Δx是确定性优化模型中可再生能源与负荷的预测数据和***恶劣运行情况下的最大偏差值;Γi是鲁棒调节系数;B是一个以0-1状态变量为元素的对角矩阵,每个元素表示可再生能源和负荷是否能取到对应时间段内不确定性集中的区间最大值,B的形式如下:
Bi={Bpv,Bwt,Bload,Bh,Bc,}
其中,Bpv、Bwt、Bload、Bh和Bc为不确定性因素的恶劣情况判定矩阵,分别用于判断光伏出力,风电出力以及电、热、冷三种负荷是否达到不确定性集中的区间边界值;
***恶劣运行情况:
Xi={Ppv,Pwt,Pload,Hh,Qc,}。
6.根据权利要求1所述的基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法,其特征在于:所述步骤4中的列约束生成算法及其求解步骤具体为:
步骤4.2:输入可再生能源与负荷需求的恶劣运行情况求解外层优化模型,得到***各机组的经济最优计划出力yk、储能设备状态、***与电网交互状态uk和***的最小运行成本LBk,更新运行成本的下界为LB=LBk;
步骤4.3:输入步骤4.2求得的uk,求解内层优化模型,检验储能设备、***与电网交互设备是否可以应对不确定性变量的波动,得到新的***恶劣运行情况下的不确定性变量和***的最小运行成本UBk,并更新运行成本的上界UB=min{UB,UBk};
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211662571.2A CN115860413A (zh) | 2022-12-23 | 2022-12-23 | 基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211662571.2A CN115860413A (zh) | 2022-12-23 | 2022-12-23 | 基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115860413A true CN115860413A (zh) | 2023-03-28 |
Family
ID=85654164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211662571.2A Pending CN115860413A (zh) | 2022-12-23 | 2022-12-23 | 基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115860413A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117060491A (zh) * | 2023-10-11 | 2023-11-14 | 中国电建集团西北勘测设计研究院有限公司 | 风光混合储能***的运行优化方法、***、介质及设备 |
CN117455422A (zh) * | 2023-12-26 | 2024-01-26 | 山东赛马力发电设备有限公司 | 一种基于微电网的热能管理*** |
CN117674302A (zh) * | 2024-02-01 | 2024-03-08 | 浙江省白马湖实验室有限公司 | 一种基于两阶段集成学习的热电联供负荷调度方法 |
-
2022
- 2022-12-23 CN CN202211662571.2A patent/CN115860413A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117060491A (zh) * | 2023-10-11 | 2023-11-14 | 中国电建集团西北勘测设计研究院有限公司 | 风光混合储能***的运行优化方法、***、介质及设备 |
CN117060491B (zh) * | 2023-10-11 | 2024-01-30 | 中国电建集团西北勘测设计研究院有限公司 | 风光混合储能***的运行优化方法、***、介质及设备 |
CN117455422A (zh) * | 2023-12-26 | 2024-01-26 | 山东赛马力发电设备有限公司 | 一种基于微电网的热能管理*** |
CN117455422B (zh) * | 2023-12-26 | 2024-03-08 | 山东赛马力发电设备有限公司 | 一种基于微电网的热能管理*** |
CN117674302A (zh) * | 2024-02-01 | 2024-03-08 | 浙江省白马湖实验室有限公司 | 一种基于两阶段集成学习的热电联供负荷调度方法 |
CN117674302B (zh) * | 2024-02-01 | 2024-05-03 | 浙江省白马湖实验室有限公司 | 一种基于两阶段集成学习的热电联供负荷调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111738497B (zh) | 计及需求侧响应的虚拟电厂双层优化调度方法 | |
CN115860413A (zh) | 基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网***经济调度方法 | |
CN110163450A (zh) | 一种基于运行受限的配电网规划双层优化模型构建方法 | |
CN103544372B (zh) | 一种微型燃气轮机热电联供***的机组选型方法 | |
CN113095791B (zh) | 一种综合能源***运行方法及*** | |
CN110689189A (zh) | 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法 | |
Ju et al. | A Tri-dimensional Equilibrium-based stochastic optimal dispatching model for a novel virtual power plant incorporating carbon Capture, Power-to-Gas and electric vehicle aggregator | |
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 | |
CN113256045A (zh) | 考虑风光不确定性的园区综合能源***日前经济调度方法 | |
CN115018230A (zh) | 考虑减排成本的综合能源***低碳鲁棒经济优化运行方法 | |
CN114580863A (zh) | 一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源***经济调度方法 | |
CN111293718B (zh) | 基于场景分析的交直流混合微网分区二层优化运行方法 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和*** | |
CN103956773A (zh) | 含风电***机组的备用配置优化方法 | |
CN115099007B (zh) | 基于综合成本-能耗曲线的综合能源***优化运行方法 | |
CN113779792A (zh) | 一种基于仿射的综合能源***优化配置方法 | |
CN112418488A (zh) | 一种基于两阶段能量优化的综合能源***调度方法及装置 | |
CN116468215A (zh) | 计及源荷不确定性的综合能源***调度方法及装置 | |
CN113158547B (zh) | 计及经济性和可靠性的区域综合能源***优化配置方法 | |
Wang et al. | Research on short‐term and mid‐long term optimal dispatch of multi‐energy complementary power generation system | |
CN109802447A (zh) | 一种cchp***调度评价方法 | |
Li et al. | Energy system and scheduling strategies of electric–gas networks deeply coupled under dual electricity prices | |
CN116805192A (zh) | 考虑最优弃能率的综合能源***双层规划优化方法及应用 | |
CN107886197A (zh) | 一种负荷响应对***消耗可再生电力能力的优化方法 | |
Zhong et al. | Double-Layer-Optimizing Method of Hybrid Energy Storage Microgrid Based on Improved Grey Wolf Optimization. |
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 |