首页 / 专利库 / 燃气和蒸汽发生器 / 热电联产 / 考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法

考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法

阅读:123发布:2020-05-14

专利汇可以提供考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法专利检索,专利查询,专利分析的服务。并且一种考虑 可再生 能源 发电不确定性和用户热舒适性的综合能源系统优化调度方法,其特点是,包括:综合能源系统物理模型构建;建立基于机会约束规划的综合能源系统优化调度模型;基于序列运算理论,将 风 光出 力 的概率 密度 函数离散化,生成相应的概率性序列;通过概率性序列,获得各时段风光联合出力的期望值;将旋转备用的机会约束形式转 化成 确定性约束形式;根据隶属度函数,获得室内热舒适 温度 范围;构建 建筑物 热暂态平衡方程,求解出热负荷需求量;输入初始参数;对综合能源系统调度模型进行求解;检查解决方案是否存在。若存在,则终止流程;否则更新 置信度 ;输出最终的综合能源系统优化调度方案。具有系统的发电成本低,运行灵活可靠等优点。,下面是考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法专利的具体信息内容。

1.一种考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法,其特征是,它包括以下步骤:
1)综合能源系统(Integrated Energy System,IES)物理模型构建;
2)建立基于机会约束规划(Chance-Constrained Programming,CCP)的综合能源系统(Integrated Energy System,IES)优化调度模型;
3)基于序列运算理论,将光出的概率密度函数离散化,生成相应的概率性序列;
4)通过概率性序列,获得各时段风光联合出力的期望值;
5)将旋转备用的机会约束形式转化成确定性约束形式;
6)根据隶属度函数,获得室内热舒适温度范围;
7)构建建筑物热暂态平衡方程,求解出热负荷需求量;
8)输入初始参数;
9)采用CPLEX求解器对综合能源系统(Integrated Energy System,IES)优化调度模型进行求解;
10)检查解决方案是否存在,若存在,则终止流程;否则更新置信度,转到步骤8)再次进行求解;
11)最终输出包括待优化变量对应的数值及优化目标函数值的综合能源系统
(Integrated Energy System,IES)优化调度方案。
2.根据权利要求1所述的一种考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法,其特征在于:所述步骤1)的综合能源系统(Integrated Energy System,IES)物理模型中,火电机组、热电联产机组(Combined Heat and Power,CHP),风机、光伏和电储能联合为用户提供电需求,电锅炉消纳电源侧提供的部分电能转换成热能,与配置储热装置的热电联产机组(Combined Heat and Power,CHP)联合为用户提供相应的热需求,其中热负荷需求为具有供暖系统建筑物的供暖量。
3.根据权利要求1所述的一种考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法,其特征在于:所述步骤2)的综合能源系统(Integrated Energy System,IES)优化调度模型构建过程为:
(a)选取优化目标,选用含可再生能源发电的综合能源系统(Integrated Energy System,IES)的发电成本最小为优化目标,由于系统中的风机和光伏发电出力不可控,因此在成本中加入了旋转备用成本,因此优化目标函数的表达式为:
式(1)中:C1表示火电机组的燃料成本和备用成本之和,C2表示热电联产机组的燃料成本和备用成本之和;C3表示电储能装置的充放电成本和备用成本之和;Pit为火电机组i在t时段的发电功率;ai、bi和ci分别表示火电机组i的燃料成本系数;Pe,it为热电联产机组i在t时段的发电功率;PtCH和PtDC分别表示电储能充放电功率; 为含储热热电联产机组i在t时段的总供热功率; 为储热装置i在t时段的储放热功率;air、bir和cir分别表示热电联产机组i的燃料成本系数;CV为热电联产机组的热电比;γi、δi、μ分别表示火电机组、热电联产机组、电储能的备用成本系数,Rit、Re,it、 表示火电机组、热电联产机组、电储能的备用容量;g1和g2分别表示电储能装置的充放电成本系数;
(b)确定约束条件,调度模型的约束条件包括能量平衡约束、火电机组运行约束、热电联产机组(Combined Heat and Power,CHP)运行约束、储热约束、电储能约束、电锅炉约束和旋转备用约束,具体如下:
能量平衡约束:包括电平衡约束和热平衡约束,
式(2)中,Pc为可再生能源消纳量;Plt为系统t时段的电负荷, 为系统t时段的热负荷;
PEB,t为电锅炉t时段的用电功率; 为电锅炉t时段的制热功率;
火电机组运行约束:包括机组出力约束和爬坡约束,
式(3)中,Pimax和Pimin分别为火电机组i的最大、最小发电功率;rdi为火电机组的最大向下爬坡率,rui为火电机组的最大向上爬坡率;
热电联产机组(Combined Heat and Power,CHP)运行约束:包括机组的电出力约束,热出力约束和爬坡约束,
式(4)中,Pe,imax和Pe,imin分别为热电联产机组i的最大、最小发电功率; 为热电联产机组的热出力上限值; 为热电联产机组的最大向下爬坡率, 为热电联产机组的最大向上爬坡率;
储热约束:包括储放热功率约束和储热容量约束,
式(5)中, 和 分别为储热装置最大、最小储放热功率;Cmax和Cmin分别为储热装置最大、最小储热容量;C(0)和C(Tend)分别为储热装置1个调度周期内储热量的始末值;
电储能约束:包括电储能出力约束和容量约束,
式(6)中, 为锌溴电池充放电的最大功率;Smax和Smin分别为锌溴电池的最大和最小允许容量;S(0)和S(Tend)分别为电储能装置1个调度周期内容量的始末值;
电锅炉约束:电锅炉的出力约束,
0≤PEB,t≤PEB,max                               (7)
式(7)中,PEB,max为电锅炉最大用电功率;
可再生能源约束:可再生能源的消纳量约束,
0≤Pc≤Et                                 (8)
式(8)中,Et为可再生能源出力的期望值;
旋转备用约束:包括火电机组备用约束,热电联产机组备用约束,电储能的备用约束以及旋转备用的机会约束形式表达,
式(9)中,α为给定的置信平;γDC为电储能放电效率;PtDG为风光联合出力的实际值;
综上,将综合能源系统(Integrated Energy System,IES)最优调度建模如下:
式(10)中:J(x,ξ)为目标函数;ξ为随机参数向量;Gk(x,ξ)为约束条件;Pr{·}表示事件成立的概率;β为预先给定的置信水平;H为传统的确定性约束;为目标函数J(x,ξ)在概率水平不低于β时所取的最小值。
4.根据权利要求1所述的一种考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法,其特征在于:所述步骤3)中,利用序列运算理论将光伏、风机输出功率的概率分布进行离散化处理,得到其对应的概率性序列分别为a(iat)和b(ibt)。
5.根据权利要求1所述的一种考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法,其特征在于:所述步骤4)中,t时段预测的间歇性风光共同出力的期望值Et计算式为:
式(11)中,Nat为光伏出力概率序列长度;Nbt为风机出力概率序列长度;q为离散化步长;
matq为光伏t时段第ma种状态的出力值;mbtq为风机t时段第mb种状态的出力值。
6.根据权利要求1所述的一种考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法,其特征在于:所述步骤5)中,t时段风光共同出力所对应的概率性序列c(ict)可以利用概率性序列a(iat)和b(ibt)的卷和获得,根据卷和的定义有:
为了方便处理旋转备用约束,定义一类新的0-1变量 它满足以下关系:
式(13)说明在t时段,当系统旋转备用容量大于风光出力期望值与风光第mct种出力mctq的差值时取1,否则为0,
因此旋转备用的机会约束形式可简化为:
式(14)中用到了0-1变量 而 的表达式不兼容混合整数规划(Mixed-Integer 
Linear Programming,MILP)的求解形式,必须利用式(15)替代式(13),
式中L取一个很大的数,由于L较大,当 时,式(15)等价为
λ是一个非常小的正数,由于 是一个0-1变量,所以 只能等于1,否则
为0。
7.根据权利要求1所述的一种考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法,其特征在于:所述步骤6)中,以模糊数学为理论基础,采用隶属度函数来描述室内热舒适温度,进而参与供热系统优化,此处取隶属度为1的温度范围作为室内热舒适温度的上、下限值。
8.根据权利要求1所述的一种考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法,其特征在于:所述步骤7)中,构建建筑物的暂态热平衡方程以描述供热系统供给热量的变化对建筑物温度的影响,从而在热量与温度两者之间建立起联系,最终得到的热负荷模型为:
式(16)中,Tin(t)为t时段的室内温度;Tout(t)为t时段的室外温度;K为建筑物综合传热系数;F为建筑物表面积;V为建筑物体积;Cair为室内空气的比热容;ρair为室内空气的密度;
为t时段的供热功率。
9.根据权利要求1所述的一种考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法,其特征在于:所述步骤8)中输入的初始参数包括:火电机组参数,热电联产机组参数,建筑物参数,风机参数,光伏组件参数,电储能参数,储热参数,电锅炉参数,调度时段数,电负荷预测值,以及各优化变量的上、下限值。

说明书全文

考虑可再生能源发电不确定性和用户热舒适性的综合能源系

统优化调度方法

技术领域

[0001] 本发明涉及一种考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法,属于综合能源系统经济运行的技术领域。

背景技术

[0002] 随着能源危机和环境污染的日益严重,积极开发利用可再生能源已被认为是确保系统安全和可持续能源供应的重要选择之一。然而可再生能源的迅速发展也给电系统的运行带来了巨大的挑战,传统的“以热定电”约束和可再生能源的消纳问题极大地限制了系统运行的灵活性和经济性。在此背景下,综合能源系统(Integrated Energy System,IES)因为能够实现区域内多种异质能源子系统之间的协调规划和优化运行,在满足系统内多元化用能需求的同时,有效地提升能源利用效率的优点受到了国内外研究人员的广泛关注。利用IES提高系统运行灵活性是提升电力系统内高比例可再生能源消纳能力的重要技术手段,这对推进能源转型和保障能源安全具有重大现实意义。
[0003] 与传统电源相比,可再生能源发电具有波动性和随机性,其消纳需要系统具有更高的灵活性。然而,传统燃电机组的调节能力有限,尤其在冬季供暖期,供暖需求量大,“以热定电”的运行模式进一步降低了调节能力,压缩了可再生能源的并网空间。因此如何提高系统灵活性以促进可再生能源消纳平是亟待解决的问题。
[0004] 目前针对基于IES促进可再生能源消纳的问题,国内外学者已进行了一些有益的探索。但现有方法中很少同时考虑多种分布式发电(Distributed Generation,DG)的不确定性,并且鲜见从用户体验度出发,满足用户热舒适性的热负荷模型。迄今未见有关同时考虑含储热、电锅炉、电储能、光等多种分布式发电的IES优化调度方法的文献报道和实际应用。

发明内容

[0005] 本发明的目的是克服现有技术的不足,为更好的有效解决弃风、弃光问题,提供一种科学合理,能够降低系统的发电成本,同时能够有效的提高系统运行灵活性,促进风光等可再生能源的消纳能力,适用性强,效果佳的一种考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法。
[0006] 本发明的目的是由以下技术方案来实现的:一种考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法,其特征是,首先,构建一种以实现最低发电成本为目标的综合能源系统(Integrated Energy System,IES)物理模型;然后,采用一种基于机会约束规划(Chance-Constrained Programming,CCP)优化调度模型求解方法将原随机规划调度模型转化为确定性的混合整数线性规划模型;最后,采用CPLEX求解器求解模型,得到全局最优解,其具体步骤包括:
[0007] 1)综合能源系统(Integrated Energy System,IES)物理模型构建;
[0008] 2)建立基于机会约束规划(Chance-Constrained Programming,CCP)的综合能源系统(Integrated Energy System,IES)优化调度模型;
[0009] 3)基于序列运算理论,将风光出力的概率密度函数离散化,生成相应的概率性序列;
[0010] 4)通过概率性序列,获得各时段风光联合出力的期望值;
[0011] 5)将旋转备用的机会约束形式转化成确定性约束形式;
[0012] 6)根据隶属度函数,获得室内热舒适温度范围;
[0013] 7)构建建筑物热暂态平衡方程,求解出热负荷需求量;
[0014] 8)输入初始参数;
[0015] 9)采用CPLEX求解器对综合能源系统(Integrated Energy System,IES)优化调度模型进行求解;
[0016] 10)检查解决方案是否存在,若存在,则终止流程;否则更新置信度,转到步骤8)再次进行求解;
[0017] 11)最终输出包括待优化变量对应的数值及优化目标函数值的综合能源系统(Integrated Energy System,IES)优化调度方案。
[0018] 所述步骤1)的综合能源系统(Integrated Energy System,IES)物理模型中,火电机组、热电联产机组(Combined Heat and Power,CHP),风机、光伏和电储能联合为用户提供电需求,电锅炉消纳电源侧提供的部分电能转换成热能,与配置储热装置的热电联产机组(Combined Heat and Power,CHP)联合为用户提供相应的热需求,其中热负荷需求为具有供暖系统建筑物的供暖量。
[0019] 所述步骤2)的综合能源系统(Integrated Energy System,IES)优化调度模型构建过程为:
[0020] (a)选取优化目标,选用含可再生能源发电的综合能源系统(Integrated EnergySystem,IES)的发电成本最小为优化目标,由于系统中的风机和光伏发电出力不可控,因此在成本中加入了旋转备用成本,因此优化目标函数的表达式为:
[0021]
[0022] 式(1)中:C1表示火电机组的燃料成本和备用成本之和,C2表示热电联产机组的燃料成本和备用成本之和;C3表示电储能装置的充放电成本和备用成本之和;Pit为火电机组i在t时段的发电功率;ai、bi和ci分别表示火电机组i的燃料成本系数;Pe,it为热电联产机组i在t时段的发电功率;PtCH和PtDC分别表示电储能充放电功率; 为含储热热电联产机组i在t时段的总供热功率; 为储热装置i在t时段的储放热功率;air、bir和cir分别表示热电联产机组i的燃料成本系数;CV为热电联产机组的热电比;γi、δi、μ分别表示火电机组、热电联产机组、电储能的备用成本系数,Rit、Re,it、 表示火电机组、热电联产机组、电储能的备用容量;g1和g2分别表示电储能装置的充放电成本系数;
[0023] (b)确定约束条件,调度模型的约束条件包括能量平衡约束、火电机组运行约束、热电联产机组(Combined Heat and Power,CHP)运行约束、储热约束、电储能约束、电锅炉约束和旋转备用约束,具体如下:
[0024] 能量平衡约束:包括电平衡约束和热平衡约束,
[0025]
[0026] 式(2)中,Pc为可再生能源消纳量;Plt为系统t时段的电负荷, 为系统t时段的热负荷;PEB,t为电锅炉t时段的用电功率; 为电锅炉t时段的制热功率;
[0027] 火电机组运行约束:包括机组出力约束和爬坡约束,
[0028]
[0029] 式(3)中,Pimax和Pimin分别为火电机组i的最大、最小发电功率;rdi为火电机组的最大向下爬坡率,rui为火电机组的最大向上爬坡率;
[0030] 热电联产机组(Combined Heat and Power,CHP)运行约束:包括机组的电出力约束,热出力约束和爬坡约束,
[0031]
[0032] 式(4)中,Pe,imax和Pe,imin分别为热电联产机组i的最大、最小发电功率; 为热电联产机组的热出力上限值; 为热电联产机组的最大向下爬坡率, 为热电联产机组的最大向上爬坡率;
[0033] 储热约束:包括储放热功率约束和储热容量约束,
[0034]
[0035] 式(5)中, 和 分别为储热装置最大、最小储放热功率;Cmax和Cmin分别为储热装置最大、最小储热容量;C(0)和C(Tend)分别为储热装置1个调度周期内储热量的始末值;
[0036] 电储能约束:包括电储能出力约束和容量约束,
[0037]
[0038] 式(6)中, 为锌溴电池充放电的最大功率;Smax和Smin分别为锌溴电池的最大和最小允许容量;S(0)和S(Tend)分别为电储能装置1个调度周期内容量的始末值;
[0039] 电锅炉约束:电锅炉的出力约束,
[0040] 0≤PEB,t≤PEB,max                               (7)
[0041] 式(7)中,PEB,max为电锅炉最大用电功率;
[0042] 可再生能源约束:可再生能源的消纳量约束,
[0043] 0≤Pc≤Et                                 (8)
[0044] 式(8)中,Et为可再生能源出力的期望值;
[0045] 旋转备用约束:包括火电机组备用约束,热电联产机组备用约束,电储能的备用约束以及旋转备用的机会约束形式表达,
[0046]
[0047] 式(9)中,α为给定的置信水平;γDC为电储能放电效率;PtDG为风光联合出力的实际值;
[0048] 综上,将综合能源系统(Integrated Energy System,IES)最优调度建模如下:
[0049]
[0050] 式(10)中:J(x,ξ)为目标函数;ξ为随机参数向量;Gk(x,ξ)为约束条件;Pr{·}表示事件成立的概率;β为预先给定的置信水平;H为传统的确定性约束;为目标函数J(x,ξ)在概率水平不低于β时所取的最小值。
[0051] 所述步骤3)中,利用序列运算理论将光伏、风机输出功率的概率分布进行离散化处理,得到其对应的概率性序列分别为a(iat)和b(ibt)。
[0052] 所述步骤4)中,t时段预测的间歇性风光共同出力的期望值Et计算式为:
[0053]
[0054] 式(11)中,Nat为光伏出力概率序列长度;Nbt为风机出力概率序列长度;q为离散化步长;matq为光伏t时段第ma种状态的出力值;mbtq为风机t时段第mb种状态的出力值。
[0055] 所述步骤5)中,t时段风光共同出力所对应的概率性序列c(ict)可以利用概率性序列a(iat)和b(ibt)的卷和获得,根据卷和的定义有:
[0056]
[0057] 为了方便处理旋转备用约束,定义一类新的0-1变量 它满足以下关系:
[0058]
[0059] 式(13)说明在t时段,当系统旋转备用容量大于风光出力期望值与风光第mct种出力mctq的差值时取1,否则为0,
[0060] 因此旋转备用的机会约束形式可简化为:
[0061]
[0062] 式(14)中用到了0-1变量 而 的表达式不兼容混合整数规划(Mixed-IntegerLinear Programming,MILP)的求解形式,必须利用式(15)替代式(13),[0063]
[0064] 式中L取一个很大的数,由于L较大,当 时,式(15)等价为 λ是一个非常小的正数,由于 是一个0-1变量,所以 只能等于
1,否则为0。
[0065] 所述步骤6)中,以模糊数学为理论基础,采用隶属度函数来描述室内热舒适温度,进而参与供热系统优化,此处取隶属度为1的温度范围作为室内热舒适温度的上、下限值。
[0066] 所述步骤7)中,构建建筑物的暂态热平衡方程以描述供热系统供给热量的变化对建筑物温度的影响,从而在热量与温度两者之间建立起联系,最终得到的热负荷模型为:
[0067]
[0068] 式(16)中,Tin(t)为t时段的室内温度;Tout(t)为t时段的室外温度;K为建筑物综合传热系数;F为建筑物表面积;V为建筑物体积;Cair为室内空气的比热容;ρair为室内空气的密度; 为t时段的供热功率。
[0069] 所述步骤8)中输入的初始参数包括:火电机组参数,热电联产机组参数,建筑物参数,风机参数,光伏组件参数,电储能参数,储热参数,电锅炉参数,调度时段数,电负荷预测值,以及各优化变量的上、下限值。
[0070] 本发明的一种考虑可再生能源发电不确定性和用户热舒适性的IES优化调度方法,由于首先构建以实现最低发电成本为目标的综合能源系统(Integrated Energy System,IES)物理模型;然后,采用一种基于机会约束规划(Chance-Constrained Programming,CCP)优化调度模型求解方法将原随机规划调度模型转化为确定性的混合整数线性规划模型;最后,采用CPLEX求解器求解模型,得到全局最优解,有效的解决了现有技术的弃风、弃光问题,降低了系统的发电成本,提高了系统的运行灵活性,促进了风光等可再生能源的消纳,具有方法科学合理、适用性强、效果佳等待优点。附图说明
[0071] 图1是本发明的一种考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法流程框图
[0072] 图2是综合能源系统结构示意图;
[0073] 图3是热舒适温度的隶属度函数示意图;
[0074] 图4是经修改的IEEE-30节点系统单线示意图;
[0075] 图5是储热装置的储、放热功率变化情况示意图;
[0076] 图6是各机组的电出力情况示意图。

具体实施方式

[0077] 下面结合附图,对优选实施例作详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
[0078] 参见图1,一种考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法,首先,构建一种以实现最低发电成本为目标的综合能源系统(Integrated Energy System,IES)物理模型;然后,采用一种基于机会约束规划(Chance-Constrained Programming,CCP)优化调度模型求解方法将原随机规划调度模型转化为确定性的混合整数线性规划模型;最后,采用CPLEX求解器求解模型,得到全局最优解,其具体步骤包括:
[0079] 1)综合能源系统(Integrated Energy System,IES)物理模型构建;参见图2,火电机组、热电联产机组(Combined Heat and Power,CHP),风机、光伏和电储能联合为用户提供电需求,电锅炉消纳电源侧提供的部分电能转换成热能,与配置储热装置的热电联产机组(Combined Heat and Power,CHP)联合为用户提供相应的热需求,其中热负荷需求为具有供暖系统建筑物的供暖量。
[0080] 2)建立基于机会约束规划(Chance-Constrained Programming,CCP)的综合能源系统(Integrated Energy System,IES)优化调度模型;
[0081] (a)选取优化目标,选用含可再生能源发电的综合能源系统(Integrated Energy System,IES)的发电成本最小为优化目标,由于系统中的风机和光伏发电出力不可控,因此在成本中加入了旋转备用成本,因此优化目标函数的表达式为:
[0082]
[0083] 式(1)中:C1表示火电机组的燃料成本和备用成本之和,C2表示热电联产机组的燃料成本和备用成本之和;C3表示电储能装置的充放电成本和备用成本之和;Pit为火电机组i在t时段的发电功率;ai、bi和ci分别表示火电机组i的燃料成本系数;Pe,it为热电联产机组i在t时段的发电功率;PtCH和PtDC分别表示电储能充放电功率; 为含储热热电联产机组i在t时段的总供热功率; 为储热装置i在t时段的储放热功率;air、bir和cir分别表示热电联产机组i的燃料成本系数;CV为热电联产机组的热电比;γi、δi、μ分别表示火电机组、热电联产机组、电储能的备用成本系数,Rit、Re,it、 表示火电机组、热电联产机组、电储能的备用容量;g1和g2分别表示电储能装置的充放电成本系数;
[0084] (b)确定约束条件,调度模型的约束条件包括能量平衡约束、火电机组运行约束、热电联产机组(Combined Heat and Power,CHP)运行约束、储热约束、电储能约束、电锅炉约束和旋转备用约束,具体如下:
[0085] 能量平衡约束:包括电平衡约束和热平衡约束,
[0086]
[0087] 式(2)中,Pc为可再生能源消纳量;Plt为系统t时段的电负荷, 为系统t时段的热负荷;PEB,t为电锅炉t时段的用电功率; 为电锅炉t时段的制热功率;
[0088] 火电机组运行约束:包括机组出力约束和爬坡约束,
[0089]
[0090] 式(3)中,Pimax和Pimin分别为火电机组i的最大、最小发电功率;rdi为火电机组的最大向下爬坡率,rui为火电机组的最大向上爬坡率;
[0091] 热电联产机组(Combined Heat and Power,CHP)运行约束:包括机组的电出力约束,热出力约束和爬坡约束,
[0092]
[0093] 式(4)中,Pe,imax和Pe,imin分别为热电联产机组i的最大、最小发电功率; 为热电联产机组的热出力上限值; 为热电联产机组的最大向下爬坡率, 为热电联产机组的最大向上爬坡率;
[0094] 储热约束:包括储放热功率约束和储热容量约束,
[0095]
[0096] 式(5)中, 和 分别为储热装置最大、最小储放热功率;Cmax和Cmin分别为储热装置最大、最小储热容量;C(0)和C(Tend)分别为储热装置1个调度周期内储热量的始末值;
[0097] 电储能约束:包括电储能出力约束和容量约束,
[0098]
[0099] 式(6)中, 为锌溴电池充放电的最大功率;Smax和Smin分别为锌溴电池的最大和最小允许容量;S(0)和S(Tend)分别为电储能装置1个调度周期内容量的始末值;
[0100] 电锅炉约束:电锅炉的出力约束,
[0101] 0≤PEB,t≤PEB,max                               (7)
[0102] 式(7)中,PEB,max为电锅炉最大用电功率;
[0103] 可再生能源约束:可再生能源的消纳量约束,
[0104] 0≤Pc≤Et                                  (8)
[0105] 式(8)中,Et为可再生能源出力的期望值;
[0106] 旋转备用约束:包括火电机组备用约束,热电联产机组备用约束,电储能的备用约束以及旋转备用的机会约束形式表达,
[0107]
[0108] 式(9)中,α为给定的置信水平;γDC为电储能放电效率;PtDG为风光联合出力的实际值;
[0109] 综上,将综合能源系统(Integrated Energy System,IES)最优调度建模如下:
[0110]
[0111] 式(10)中:J(x,ξ)为目标函数;ξ为随机参数向量;Gk(x,ξ)为约束条件;Pr{·}表示事件成立的概率;β为预先给定的置信水平;H为传统的确定性约束; 为目标函数J(x,ξ)在概率水平不低于β时所取的最小值。
[0112] 3)基于序列运算理论,将风光出力的概率密度函数离散化,生成相应的概率性序列;所述步骤3)中,利用序列运算理论将光伏、风机输出功率的概率分布进行离散化处理,得到其对应的概率性序列分别为a(iat)和b(ibt)。
[0113] 4)通过概率性序列,获得各时段风光联合出力的期望值;所述步骤4)中,t时段预测的间歇性风光共同出力的期望值Et计算式为:
[0114]
[0115] 式(11)中,Nat为光伏出力概率序列长度;Nbt为风机出力概率序列长度;q为离散化步长;matq为光伏t时段第ma种状态的出力值;mbtq为风机t时段第mb种状态的出力值。
[0116] 5)将旋转备用的机会约束形式转化成确定性约束形式;所述步骤5)中,t时段风光共同出力所对应的概率性序列c(ict)可以利用概率性序列a(iat)和b(ibt)的卷和获得,根据卷和的定义有:
[0117]
[0118] 为了方便处理旋转备用约束,定义一类新的0-1变量 它满足以下关系:
[0119]
[0120] 式(13)说明在t时段,当系统旋转备用容量大于风光出力期望值与风光第mct种出力mctq的差值时取1,否则为0,
[0121] 因此旋转备用的机会约束形式可简化为:
[0122]
[0123] 式(14)中用到了0-1变量 而 的表达式不兼容混合整数规划(Mixed-Integer Linear Programming,MILP)的求解形式,必须利用式(15)替代式(13),[0124]
[0125] 式中L取一个很大的数,由于L较大,当 时,式(15)等价为 λ是一个非常小的正数,由于 是一个0-1变量,所以 只能等于
1,否则为0。
[0126] 6)根据隶属度函数,获得室内热舒适温度范围;所述步骤6)中,以模糊数学为理论基础,采用隶属度函数来描述室内热舒适温度,进而参与供热系统优化。如图3所示,此处取隶属度为1的温度范围作为室内热舒适温度的上、下限值。
[0127] 7)构建建筑物热暂态平衡方程,求解出热负荷需求量;所述步骤7)中,构建建筑物的暂态热平衡方程以描述供热系统供给热量的变化对建筑物温度的影响,从而在热量与温度两者之间建立起联系,最终得到的热负荷模型为:
[0128]
[0129] 式(16)中,Tin(t)为t时段的室内温度;Tout(t)为t时段的室外温度;K为建筑物综合传热系数;F为建筑物表面积;V为建筑物体积;Cair为室内空气的比热容;ρair为室内空气的密度; 为t时段的供热功率。
[0130] 8)输入初始参数;所述步骤8)中输入的初始参数包括:火电机组参数,热电联产机组参数,建筑物参数,风机参数,光伏组件参数,电储能参数,储热参数,电锅炉参数,调度时段数,电负荷预测值,以及各优化变量的上、下限值。
[0131] 9)采用CPLEX求解器对综合能源系统(Integrated Energy System,IES)优化调度模型进行求解;
[0132] 10)检查解决方案是否存在,若存在,则终止流程;否则更新置信度,转到步骤8)再次进行求解;
[0133] 11)最终输出包括待优化变量对应的数值及优化目标函数值的综合能源系统(Integrated Energy System,IES)优化调度方案。
[0134] 图4是经修改的IEEE-30节点的系统单线图,实施例是本发明的一种考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法在此系统上的具体应用。该综合能源系统包括4台火电机组,一个电储能装置,一个电锅炉和两个储热装置,2台热电联产机组分别替换1、2号火电机组,风电场的并网节点为16,光伏电场的并网节点为17。基于所提出的IES优化调度方法,所得的储热装置和各机组出力情况分别如图5和图6所示。
[0135] 由图5可以看出,储热装置在不同时段的储、放热情况不同。其原因为当用电负荷大而热负荷需求小时,热电联产机组增加出力,除了满足热负荷外,多余的热量存入储热装置;而风电出力大、用电负荷小出现弃风时,热电联产机组利用储热装置中的热量供热,减小机组出力(包括热出力和电出力),从而增加消纳风电的空间。
[0136] 由图6可以看出,由于热电联产机组的燃料费用明显低于火电机组的燃料费用,因此在电负荷高峰时段,热电联产机组提供较多的电出力;在火电机组中,由于火电机组1、4的燃料费用低于火电机组2、3的燃料费用,因此火电机组1、4优先出力。
[0137] 以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
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