首页 / 专利库 / 电池与电池 / 电池荷电状态 / 一种考虑系统综合不确定性因素的能量枢纽随机规划方法

一种考虑系统综合不确定性因素的能量枢纽随机规划方法

阅读:1028发布:2020-05-15

专利汇可以提供一种考虑系统综合不确定性因素的能量枢纽随机规划方法专利检索,专利查询,专利分析的服务。并且本 发明 提供一种考虑系统综合不确定性因素的 能量 枢纽随机规划方法,涉及 能源 互联网技术领域。本发明通过确定系统综合不确性因素,基于蒙特卡罗法生成含有不确定性因素的随机场景,利用概率 密度 函数对系统综合不确定性因素进行表征,以经济性最优为规划目标确定能量枢纽内组件的数量和容量大小,综合考虑能量枢纽内生产设备、转化设备以及储能装置的初始安装 费用 、运行维护费用以及失负荷惩罚成本,在满足能量枢纽各类约束的条件下,建立随机规划模型,对随机规划模型进行求解得到能量枢纽组件的适当数量和容量大小,使其综合成本最低,同时提高了能量枢纽规划的准确性和可靠性。,下面是一种考虑系统综合不确定性因素的能量枢纽随机规划方法专利的具体信息内容。

1.一种考虑系统综合不确定性因素的能量枢纽随机规划方法,其特征在于:包括以下步骤:
步骤1、确定系统综合不确性因素,包括速变化、负荷需求、市场价格和枢纽内组件的随机启停;
步骤2、基于蒙特卡罗法生成含有不确定性因素的随机场景;
步骤3、利用概率密度函数对系统综合不确定性因素进行表征;
步骤4、以经济性最优为规划目标确定能量枢纽内组件的数量和容量大小,综合考虑能量枢纽内生产设备、转化设备以及储能装置的初始安装费用、运行维护费用以及失负荷惩罚成本,在满足能量枢纽各类约束的条件下,建立随机规划模型;
步骤5、对随机规划模型进行求解得到能量枢纽组件的适当数量和容量大小,使其综合成本最低。
2.根据权利要求1所述的一种考虑系统综合不确定性因素的能量枢纽随机规划方法,其特征在于,步骤1中所述风速变化、负荷需求、市场价格和枢纽内组件的随机启停,分别基于发电模型、综合需求侧响应模型、价格模型、组件可用性模型进行计算;
所述风力发电模型表示为:
上式中 vr和 分别代表切入风速,额定风速和切出风速, 为已安装风电机组额定输出功率;
所述综合需求侧响应模型包括可平移类负荷和可转移类负荷,其中所述可平移类负荷表示为:
Wi,j,t=WiNεi,j,t
上式中wi,j,t和 分别为用户j第i类可平移类负荷在时刻t的功率值和额定功率,对于电负荷其为电功率值,对于冷/热负荷则为冷/热功率值;εi,j,t表示在时刻t用户j的第i类可平移类负荷启动状态的0-1变量,εi,j,t=1和εi,j,t=0分别表示在时刻t用户j的第i类可平移类负荷启动和不启动; 和Hi分别为第i类可平移类负荷习惯开始使用时间、结束使用时间和负荷持续时间;
所述可转移类负荷表示为:
上式中 和Sk,t分别为第k辆EV在时刻t的充电功率state of charge和荷电状态SOC; 和EEV,k分别为第k辆EV的充电效率和电池容量; 和 分别为第k辆EV蓄电池所允许的最小SOC和最大SOC;tari.k和tdep.k分别为第k辆EV接入和离开电力系统的时刻; 为第辆EV的最大充电功率;
所述价格模型表示为:
v(c,f)∈{0,1}
s
上式中λ(c,f)表示在场景s下用户c在价格模f下的价格,v(c,f)表示二元变量,客户c选择使用价格模块f时v(c,f)取1,否则v(c,f)为0;
所述组件可用性模型采用双状态连续时间尔可夫模型对组件可用性建模。
3.根据确立要求1所述一种考虑系统综合不确定性的能量枢纽随机规划方法,其特征在于:步骤4中所述经济性最优的优化目标函数如下:
上式中ZIC、ZOC和ZPC分别表示考虑不确定性因素能量枢纽内组件总安装费用、总运行维护费用和总惩罚成本,NS为场景总数,ρs为场景发生概率,τ为现值系数;
上式中m,n,i,j,h分别为CHP机组,风电机组,锅炉机组,电储能和热储能的序号,和 分别为CHP机组安装费用、风电机组安装费用、锅
炉机组安装费用、电储能安装费用和热储能安装费用,CHP、Wind、Bolier、ES、TS分别表示热电联产机组、风电机组、电锅炉、电储能、热储能;
上式中 和 分别为CHP机组运行成本,锅炉机组运行成本和网络运
行成本;
ZPC=LSs,t×VOLL
上式中VOLL表示失负荷值,LSs,t表示在场景s,时间t下失负荷量。
4.根据确立要求1所述一种考虑系统综合不确定性的能量枢纽随机规划方法,其特征在于:步骤4中所述能量枢纽各类约束条件包括:
(1)能量守恒约束
上式中 表示变压器效率, 表示CHP机组气转电效率, 表示风电机组转换
设备效率, 表示在场景s时间t下从电网输入功率, 表示在场景s时间t
下热电联产机组天然气输入功率, 表示在场景s时间t下风力机组输入功率,和 分别为在场景s时间t下电储能充放电功率, 和 分别表
示为在场景s时间t下需求响应侧转入和转出负荷量;
(2)技术约束
上式中 表示为在场景s时间t下从电网输入最大功率;
上式中 表示为在场景s时间t下区域热网提供的最大热功率;
上式中 表示为在场景s时间t时刻的电储能平, 和 分别表示
在场景s时间t时刻电储能的充放电功率, 在场景s时间t时刻电储能的功率损失;
上式中 和 分别表示电储能的最小以及最大容量, 和 分别表示为电
储能的充放电效率, 和 分别表示在场景s时间t时刻的电储能充放电情况的二元变量;
上式表示电储能充放电过程不能同时进行;
(3)需求响应约束
上式中 和 分别表示为在场景s时间t下需求响应侧转入和转出负荷
量;
0≤Pup(t,s)≤LupmaxPdemand(t,s)Iup(t,s)
0≤Pdown(t,s)≤LdownmaxPdemand(t,s)Idown(t,s)
上式中Lupmax和Ldownmax分别表示转入和转出需求的最大值,Pup(t,s)和Pdown(t,s)分别表示通过需求侧响应转入和转出的需求量,Iup(t,s)和Idown(t,s)分别表示在场景s时间t下需求负荷转入转出的二元变量;
上式表示需求负荷的转入转出过程不能同时进行。

说明书全文

一种考虑系统综合不确定性因素的能量枢纽随机规划方法

技术领域

[0001] 本发明涉及能源互联网技术领域,尤其涉及一种考虑系统综合不确定性因素的能量枢纽随机规划方法。

背景技术

[0002] 环境污染和能源危机促进了对电、天然气、热等多种能源协同规划运行的研究。能量枢纽能够表现电、天然气和供热负荷等能源之间的耦合关系,是能源互联网中重要组成部分。能量枢纽规划对于促进可再生能源消纳、提升能源利用效率具有重要意义。现阶段,我国能量枢纽的规划优化已具有一定研究,但在实际规划过程中会面临许多系统内不确定因素,如速变化、负荷需求侧响应、市场价格和枢纽内组件的随机启停等,这些因素会影响能量枢纽规划的准确性和可靠性。

发明内容

[0003] 针对现有技术的不足,本发明提供一种考虑系统综合不确定性因素的能量枢纽随机规划方法,发明方案如下:
[0004] 一种考虑系统综合不确定性因素的能量枢纽随机规划方法,包括以下步骤:
[0005] 步骤1、确定系统综合不确性因素,包括风速变化、负荷需求、市场价格和枢纽内组件的随机启停;
[0006] 所述风速变化、负荷需求、市场价格和枢纽内组件的随机启停,分别基于风力发电模型、综合需求侧响应模型、价格模型、组件可用性模型进行计算;
[0007] 所述风力发电模型表示为:
[0008]
[0009] 上式中 vr和 分别代表切入风速,额定风速和切出风速, 为已安装风电机组额定输出功率;
[0010] 所述综合需求侧响应模型包括可平移类负荷和可转移类负荷,其中所述可平移类负荷表示为:
[0011] Wi,j,t=WiNεi,j,t
[0012]
[0013]
[0014]
[0015] 上式中wi,j,t和 分别为用户j第i类可平移类负荷在时刻t的功率值和额定功率,对于电负荷其为电功率值,对于冷/热负荷则为冷/热功率值;εi,j,t表示在时刻t用户j的第i类可平移类负荷启动状态的0-1变量,εi,j,t=1和εi,j,t=0分别表示在时刻t用户j的第i类可平移类负荷启动和不启动; 和Hi分别为第i类可平移类负荷习惯开始使用时间、结束使用时间和负荷持续时间;
[0016] 所述可转移类负荷表示为:
[0017]
[0018]
[0019]
[0020]
[0021] 上式中 和Sk,t分别为第k辆EV在时刻t的充电功率state of charge和荷电状态SOC; 和EEV,k分别为第k辆EV的充电效率和电池容量; 和 分别为第k辆EV蓄电池所允许的最小SOC和最大SOC;tari.k和tdep.k分别为第k辆EV接入和离开电力系统的时刻; 为第辆EV的最大充电功率;
[0022] 所述价格模型表示为:
[0023]
[0024] v(c,f)∈{0,1}
[0025] 上式中λs(c,f)表示在场景s下用户c在价格模f下的价格,v(c,f)表示二元变量,客户c选择使用价格模块f时v(c,f)取1,否则v(c,f)为0;
[0026] 所述组件可用性模型采用双状态连续时间尔可夫模型对组件可用性建模。
[0027] 步骤2、基于蒙特卡罗法生成含有不确定性因素的随机场景;
[0028] 步骤3、利用概率密度函数对系统综合不确定性因素进行表征;
[0029] 步骤4、以经济性最优为规划目标确定能量枢纽内组件的数量和容量大小,综合考虑能量枢纽内生产设备、转化设备以及储能装置的初始安装费用、运行维护费用以及失负荷惩罚成本,在满足能量枢纽各类约束的条件下,建立随机规划模型;
[0030] 所述经济性最优的优化目标函数如下:
[0031]
[0032] 上式中ZIC、ZOC和ZPC分别表示考虑不确定性因素能量枢纽内组件总安装费用、总运行维护费用和总惩罚成本,NS为场景总数,ρs为场景发生概率,τ为现值系数;
[0033]
[0034] 上式中m,n,i,j,h分别为CHP机组,风电机组,锅炉机组,电储能和热储能的序号,和 分别为CHP机组安装费用、风电机组安装费用、锅炉机组安装费用、电储能安装费用和热储能安装费用。CHP、Wind、Bolier、ES、TS分别表示热电联产机组、风电机组、电锅炉、电储能、热储能。;
[0035]
[0036] 上式中 和 分别为CHP机组运行成本,锅炉机组运行成本和网络运行成本;
[0037] ZPC=LSs,t×VOLL
[0038] 上式中VOLL表示失负荷值,LSs,t表示在场景s,时间t下失负荷量。
[0039] 所述能量枢纽各类约束条件包括:
[0040] (1)能量守恒约束
[0041]
[0042] 上式中 表示变压器效率, 表示CHP机组气转电效率, 表示风电机组转换设备效率, 表示在场景s时间t下从电网输入功率, 表示在场景s时间t下热电联产机组天然气输入功率, 表示在场景s时间t下风力机组输入功率,和 分别为在场景s时间t下电储能充放电功率, 和 分别表
示为在场景s时间t下需求响应侧转入和转出负荷量;
[0043] (2)技术约束
[0044]
[0045] 上式中 表示为在场景s时间t下从电网输入最大功率;
[0046]
[0047] 上式中 表示为在场景s时间t下区域热网提供的最大热功率;
[0048]
[0049] 上式中 表示为在场景s时间t时刻的电储能平, 和 分别表示在场景s时间t时刻电储能的充放电功率, 在场景s时间t时刻电储能的功率损失;
[0050]
[0051]
[0052] 上式中 和 分别表示电储能的最小以及最大容量, 和 分别表示为电储能的充放电效率, 和 分别表示在场景s时间t时刻的电储能充放电情况的二元变量;
[0053]
[0054] 上式表示电储能充放电过程不能同时进行;
[0055] (3)需求响应约束
[0056]
[0057] 上式中 和 分别表示为在场景s时间t下需求响应侧转入和转出负荷量;
[0058] 0≤Pup(t,s)≤LupmaxPdemand(t,s)Iup(t,s)
[0059] 0≤Pdown(t,s)≤LdownmaxPdemand(t,s)Idown(t,s)
[0060] 上式中Lupmax和Ldownmax分别表示转入和转出需求的最大值,Pup(t,s)和Pdown(t,s)分别表示通过需求侧响应转入和转出的需求量,Iup(t,s)和Idown(t,s)分别表示在场景s时间t下需求负荷转入转出的二元变量;
[0061]
[0062] 上式表示需求负荷的转入转出过程不能同时进行。
[0063] 步骤5、对随机规划模型进行求解得到能量枢纽组件的数量和容量大小,使其综合成本最低。
[0064] 本发明的有益效果:
[0065] 本发明针对我国能量枢纽的实际规划过程中面临的不确定因素,如风速变化、负荷需求侧响应、市场价格和枢纽内组件的随机启停,通过对随机规划模型进行求解得到能量枢纽组件的数量和容量大小,降低了综合成本,提高了能量枢纽规划的准确性和可靠性,对于促进可再生能源消纳、提升能源利用效率具有重要意义。附图说明
[0066] 图1为本发明能量枢纽随机规划方法流程图
[0067] 图2为本发明实施例能量枢纽结构图;
[0068] 图3为本发明实施例典型日电、热、冷负荷图。

具体实施方式

[0069] 下面结合附图对本发明具体实施方式加以详细的说明。
[0070] 一种考虑系统综合不确定性因素的能量枢纽随机规划方法,如图1所示,包括以下步骤:
[0071] 步骤1、确定系统综合不确性因素,如图2所示,包括风速变化、负荷需求、市场价格和枢纽内组件的随机启停;
[0072] 所述风速变化、负荷需求、市场价格和枢纽内组件的随机启停,分别基于风力发电模型、综合需求侧响应模型、价格模型、组件可用性模型进行计算;
[0073] 所述风力发电模型表示为:
[0074]
[0075] 上式中 vr和 分别代表切入风速,额定风速和切出风速, 为已安装风电机组额定输出功率;
[0076] 所述综合需求侧响应模型包括可平移类负荷和可转移类负荷,如图3所示,其中所述可平移类负荷表示为:
[0077] Wi,j,t=WiNεi,j,t
[0078]
[0079]
[0080]
[0081] 上式中wi,j,t和 分别为用户j第i类可平移类负荷在时刻t的功率值和额定功率,对于电负荷其为电功率值,对于冷/热负荷则为冷/热功率值;εi,j,t表示在时刻t用户j的第i类可平移类负荷启动状态的0-1变量,εi,j,t=1和εi,j,t=0分别表示在时刻t用户j的第i类可平移类负荷启动和不启动; 和Hi分别为第i类可平移类负荷习惯开始使用时间、结束使用时间和负荷持续时间;
[0082] 所述可转移类负荷表示为:
[0083]
[0084]
[0085]
[0086]
[0087] 上式中 和Sk,t分别为第k辆EV在时刻t的充电功率state of charge和荷电状态SOC; 和EEV,k分别为第k辆EV的充电效率和蓄电池容量; 和 分别为第k辆EV蓄电池所允许的最小SOC和最大SOC;tari.k和tdep.k分别为第k辆EV接入和离开电力系统的时刻; 为第辆EV的最大充电功率;
[0088] 所述价格模型表示为:
[0089]
[0090] v(c,f)∈{0,1}
[0091] 上式中λs(c,f)表示在场景s下用户c在价格模块f下的价格,v(c,f)表示二元变量,客户c选择使用价格模块f时v(c,f)取1,否则v(c,f)为0;
[0092] 所述组件可用性模型采用双状态连续时间马尔可夫模型对组件可用性建模。
[0093] 步骤2、基于蒙特卡罗法生成含有不确定性因素的随机场景;
[0094] 步骤3、利用概率密度函数对系统综合不确定性因素进行表征;
[0095] 步骤4、以经济性最优为规划目标确定能量枢纽内组件的数量和容量大小,综合考虑能量枢纽内生产设备、转化设备以及储能装置的初始安装费用、运行维护费用以及失负荷惩罚成本,在满足能量枢纽各类约束的条件下,建立随机规划模型;
[0096] 所述经济性最优的优化目标函数如下:
[0097]
[0098] 上式中ZIC、ZOC和ZPC分别表示考虑不确定性因素能量枢纽内组件总安装费用、总运行维护费用和总惩罚成本,NS为场景总数,ρs为场景发生概率,τ为现值系数;
[0099]
[0100] 上式中m,n,i,j,h分别为CHP机组,风电机组,锅炉机组,电储能和热储能的序号,和 分别为CHP机组安装费用、风电机组安装费用、锅炉机组安装费用、电储能安装费用和热储能安装费用。CHP、Wind、Bolier、ES、TS分别表示热电联产机组、风电机组、电锅炉、电储能、热储能;
[0101]
[0102] 上式中 和 分别为CHP机组运行成本,锅炉机组运行成本和网络运行成本;
[0103] ZPC=LSs,t×VOLL
[0104] 上式中VOLL表示失负荷值,LSs,t表示在场景s,时间t下失负荷量。
[0105] 所述能量枢纽各类约束条件包括:
[0106] (1)能量守恒约束
[0107]
[0108] 上式中 表示变压器效率, 表示CHP机组气转电效率, 表示风电机组转换设备效率, 表示在场景s时间t下从电网输入功率, 表示在场景s时间t下热电联产机组天然气输入功率, 表示在场景s时间t下风力机组输入功率,和 分别为在场景s时间t下电储能充放电功率, 和 分别表
示为在场景s时间t下需求响应侧转入和转出负荷量;
[0109] (2)技术约束
[0110]
[0111] 上式中 表示为在场景s时间t下从电网输入最大功率;
[0112]
[0113] 上式中 表示为在场景s时间t下区域热网提供的最大热功率;
[0114]
[0115] 上式中 表示为在场景s时间t时刻的电储能水平, 和 分别表示在场景s时间t时刻电储能的充放电功率, 在场景s时间t时刻电储能的功率损失;
[0116]
[0117]
[0118] 上式中 和 分别表示电储能的最小以及最大容量, 和 分别表示为电储能的充放电效率, 和 分别表示在场景s时间t时刻的电储能充放电情况的二元变量;
[0119]
[0120] 上式表示电储能充放电过程不能同时进行;
[0121] (3)需求响应约束
[0122]
[0123] 上式中 和 分别表示为在场景s时间t下需求响应侧转入和转出负荷量;
[0124] 0≤Pup(t,s)≤LupmaxPdemand(t,s)Iup(t,s)
[0125] 0≤Pdown(t,s)≤LdownmaxPdemand(t,s)Idown(t,s)
[0126] 上式中Lupmax和Ldownmax分别表示转入和转出需求的最大值,Pup(t,s)和Pdown(t,s)分别表示通过需求侧响应转入和转出的需求量,Iup(t,s)和Idown(t,s)分别表示在场景s时间t下需求负荷转入转出的二元变量;
[0127]
[0128] 上式表示需求负荷的转入转出过程不能同时进行。
[0129] 步骤5、对随机规划模型进行求解得到能量枢纽组件的适当数量和容量大小;
[0130] 由于本发明研究问题待解变量与约束条件数量十分庞大,因此本实施例使用一种目前学术界十分流行的求解器进行求解,即CPLEX求解器。CPLEX求解器全程ILOG CPLEX,是目前电力系统问题解决中比较常见的软件,也是比较流行的优化软件包,它具有灵活性高、性能好的特点,主要由CPLEX软件接口和CPLEX软件包构成。CPLEX接口主要由组件库和交互优化程序构成,组件库可以使研发人员有权限去将完整有效的ILOG CPLEX引擎整合到应用中去;而交互软件则对于开发和应用的部署提供了不同的连接方式。由于CPLEX的接口十分灵活,为其适应大部分开发环境和应用平台提供了可能性。CPLEX不是一种算法,它包含了一系列可配置算法来选择对优化对象进行优化的方式,其中包含了单一优化、界限优化和混合变量优化等优化程序,使用者可以根据实际问题自身的特点来有针对性的利用不同的优化程序去解决相应的问题。在本文的实际应用中,采用CPLEX中求解混合变量优化程序中的Cutting-edge技术,这种技术可以为复杂的混合变量规划问题提供一种快速的解决方案,可以在短时间内解决多变量、多约束、多变量类型的规划问题。
[0131] 本实施例中使用CPLEX求解器对随机规划模型进行求解得到能量枢纽组件的适当数量和容量大小,使其综合成本最低。
[0132] 本实施例中CHP经济技术参数、锅炉经济技术参数、储能装置经济技术参数以及系统组件输出结果分别如表1-表4所示;
[0133] 表1 CHP经济技术参数
[0134]
[0135] 表2 锅炉经济技术参数
[0136]
[0137] 表3 储能装置经济技术参数
[0138]
[0139] 表4 系统组件输出结果
[0140]
[0141] 最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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权利要求所限定的范围。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈