一种基于多目标的智慧园区综合能源系统优化调度方法专利检索-蓄冰槽制冷技术专利检索查询-专利查询网

一种基于多目标的智慧园区综合 能源系统优化调度方法

阅读：366发布：2020-05-11

专利汇可以提供一种基于多目标的智慧园区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。并且本发明专利公开了一种基于多目标的智慧园区综合能源系统优化调度方法，包括以下步骤：确定并获取综合能源系统运行基本参数；制定智慧园区多目标运行的评价指标；建立综合能源系统日前经济调度阶段的优化调度模型；采用混合线性整数规划求解器对建立的多目标优化调度模型进行求解。通过构建调度周期内运行成本最小化的目标函数，在满足功率平衡和安全约束的基础上，从能耗、环保和可靠性角度建立评价指标和约束条件，优化系统内储能、柔性负荷和热电联供可控机组的启停和出力状态，实现智慧园区综合能源系统多目标优化调度。本发明既能实现系统的经济环保运行，又能保证系统的多种供能可靠性，保证了综合能源系统安全稳定和高效经济运行。，下面是一种基于多目标的智慧园区综合能源系统优化调度方法专利的具体信息内容。

权利要求

1.一种基于多目标的智慧园区综合能源系统优化调度方法，其特征在于，包括以下步骤：
确定并获取综合能源系统运行基本参数；
制定智慧园区多目标运行的评价指标，包括能耗评价指标、环保评价指标、供电可靠性评价指标、供热可靠性评价指标和供冷可靠性评价指标；
建立综合能源系统日前经济调度阶段的优化调度模型，所述优化调度模型的目标函数为：
其中，Cfuel(t)为燃料费用；Cgrid(t)为电网交互费用；Cdevice(t)为设备维护费用；Con-off(t)为机组启停费用；Cheat-cold(t)为售热售冷费用；NT为调度周期；
采用混合线性整数规划求解器对建立的多目标优化调度模型进行求解。
2.根据权利要求1所述的基于多目标的智慧园区综合能源系统优化调度方法，其特征在于，所述综合能源系统运行基本参数包括光伏、风电等可再生能源以及冷热电负荷的日前日内预测出力、系统内微燃机、电锅炉、燃料电池、吸收式制冷机、电制冷机、蓄电池、储热罐、蓄冷罐的容量及爬坡约束、上级电网联络线交互功率约束、电网购售电价。
3.根据权利要求1所述的基于多目标的智慧园区综合能源系统优化调度方法，其特征在于，所述能耗评价指标为：
其中，Ffuel(t)为燃料总耗量；ηMT为微燃机的发电效率；ηFC为燃料电池的发电效率；
所述环保评价指标为：
其中，为天然气的CO2排放因子；为时刻t的CO2排放量；
所述供电可靠性评价指标为：
其中，Pl(t)时段t的电负荷功率；为供电不足总量；LPSP为供电不足概率；PWT(t)为时段t的风电功率；PPV(t)为时段t的光伏功率；PESch(t)为时段t的蓄电池充电功率；PESdis(t)为时段t的蓄电池放电功率；PMT(t)为时段t的微燃机电功率；PFC(t)为时段t的燃料电池电功率；PEB(t)为时段t的电锅炉电功率；Pex(t)为时段t的电网交互功率；
所述供热可靠性评价指标为：
其中，Ql(t)为时段t的热负荷功率；为供电不足总量；LHSP为供热不足概率；QMTh(t)为时段t的烟气余热提供的制热量；QEB(t)为时段t的电锅炉的制热量；QAC(t)为时段t吸收式制冷机消耗的热功率；QHSch(t)为时段t的蓄热槽吸热功率；QHSdis(t)为时段t的蓄热槽放热功率；
所述供冷可靠性评价指标为：
其中，Ll(t)为时段t的冷负荷功率；LMTh(t)为时段t微燃机的制冷功率；LAC(t)为时段t的吸收式制冷机的制冷功率；LECa(t)为时段t的电制冷机的制冷功率；LECd(t)为时段t的电制冷机的融冰功率；LCSP为供热不足概率。
4.根据权利要求1所述的基于多目标的智慧园区综合能源系统优化调度方法，其特征在于，所述燃料费用Cfuel(t)为：
Cfuel＝CMT+CFC
其中，CMT为微燃机燃料费用；CFC为燃料电池费用；
所述电网交互费用Cgrid(t)为：
其中，SD(t)和GD(t)分别为时刻t上级配网向用户级综合能源系统的售电和购电电价；
Pex(t)为时段t的电网交互功率；
所述设备维护费用Cdevice(t)为：
其中，λdevice,i为系统内设备单元i的单位运行维护成本；Pi(t)为设备单元i在时段t的出力；n为设备单元总数；
所述机组启停费用Con-off(t)为：
其中，λon-off,j为可控机组j的一次启停成本；Sj(t)为可控机组j在时段t的启停状态；所述可控机组j包括微燃机、燃料电池、电锅炉；ng为可控机组总数；
所述售热售冷费用Cheat-cold(t)为：
Cheat-cold(t)＝λheat.Qheat(t)+λcold.Qcold(t)
其中，λheat为单位制热费用；Qheat(t)为时段t微网总的制热量；λcold为单位制冷费用；
Qcold(t)为时段t微网总的制冷量。
5.根据权利要求1所述的基于多目标的智慧园区综合能源系统优化调度方法，其特征在于，所述优化调度模型中的约束条件包括综合能源系统的电功率平衡约束、热功率平衡约束、冷功率平衡约束、可控机组上下限约束、可控机组爬坡约束、蓄电池相关约束、储热罐相关约束、蓄冷罐相关约束及联络线交互功率约束，碳排放约束和供能可靠性约束。
6.根据权利要求5所述的基于多目标的智慧园区综合能源系统优化调度方法，其特征在于，所述综合能源系统的电功率平衡约束条件为：
PMT(t)+PFC(t)+PWT(t)+PPV(t)-PESch(t)+PESdis(t)+Pex(t)＝Pl(t)+PEB(t)+PEC(t)其中，PWT(t)为时段t的风电功率；PPV(t)为时段t的光伏功率；PESch(t)为时段t的蓄电池充电功率；PESdis(t)为时段t的蓄电池放电功率；PMT(t)为时段t的微燃机电功率；PFC(t)为时段t的燃料电池电功率；PEB(t)为时段t的电锅炉电功率；PEC(t)为时段t的电制冷机电功率；
Pex(t)为时段t的电网交互功率；Pl(t)为时段t的电负荷功率；
所述综合能源系统的热功率平衡约束条件为：
QMTh(t)+QEB(t)-QHSch(t)+QHSdis(t)＝Ql(t)+QAC(t)
其中，QMTh(t)为时段t的烟气余热提供的制热量；QEB(t)为时段t的电锅炉的制热量；QAC(t)为时段t吸收式制冷机消耗的热功率；QHSch(t)为时段t的蓄热槽吸热功率；QHSdis(t)为时段t的蓄热槽放热功率；Ql(t)为时段t的热负荷功率。
7.根据权利要求5所述的基于多目标的智慧园区综合能源系统优化调度方法，其特征在于，所述综合能源系统的冷功率平衡约束条件为：
LMTh(t)+LAC(t)+LECa(t)+LECd(t)＝Ll(t)
LECa(t)+LECc(t)＝LEC(t)
其中，LMTh(t)为时段t微燃机的制冷功率；LAC(t)为时段t的吸收式制冷机的制冷功率；
LEC(t)为时段t的电制冷机的输出冷功率；LECa(t)为时段t的电制冷机的制冷功率；LECc(t)为时段t的电制冷机的蓄冰功率；LECd(t)为时段t的电制冷机的融冰功率；Ll(t)为时段t的冷负荷功率；
所述综合能源系统的可控机组上下限约束条件为：
其中，为第i个可控机组在时段t的运行状态；PiCG(t)为第i个可控机组在时段t的出力；为第i个可控机组的容量下限；为第i个可控机组的容量上限。
8.根据权利要求7所述的基于多目标的智慧园区综合能源系统优化调度方法，其特征在于，所述综合能源系统的可控机组爬坡约束条件为：
其中，分别为可控机组的上下爬坡速率；
所述综合能源系统的蓄电池相关约束条件为：
其中，EES(t)为时段t电储能容量；ζ为电储能自放电率；PESch(t)、PESdis(t)分别为时段t的充放电功率；ηESch和ηESdis分别为蓄电池的充放电效率；γESch、γESdis分别为蓄电池的最大充放倍率；CapES为蓄电池总容量；分别为蓄电池的最大和最小荷电状态。
9.根据权利要求5所述的基于多目标的智慧园区综合能源系统优化调度方法，其特征在于，所述综合能源系统的储热罐相关约束条件为：
其中，HHS(t)为时段t热储能容量；ψ为热储能散热损失率；QHSch(t)、QHSdis(t)分别为时段t的吸放热功率；ηHSch和ηHSdis分别为蓄热槽的吸放热效率；γHSch、γHSdis分别蓄热槽的最大充放倍率；CapHS为蓄热槽的总容量；分别为蓄热槽的最大和最小热能状态；
所述综合能源系统的蓄冷罐相关约束条件为：
其中，LLS(t)为时段t蓄冷罐容量；σ为蓄冷罐的自损系数；LECc(t)、LECd(t)分别为时段t的蓄冷罐的蓄冰和融冰功率；ηlch和ηldis分别为蓄冷罐的蓄冰和融冰系数；SECa(t)、SECc(t)、SECd(t)分别电制冷机的制冷、蓄冰和融冰状态；分别电制冷机的
最小和最大制冷容量、最大蓄冰容量、最大融冰容量。
10.根据权利要求5所述的基于多目标的智慧园区综合能源系统优化调度方法，其特征在于，所述综合能源系统的联络线交互功率约束条件为：
Pex,min≤Pex(t)≤Pex,max
其中，Pex,min、Pex,max分别为电网交互功率的出力上下限；
所述综合能源系统的碳排放约束条件为：
其中，为CO2排放量限值；
所述综合能源系统的供能可靠性约束条件为：
其中，LESP为系统最大供能不足概率，当为供电不足概率LPSP、供热不足概率LHSP、供冷不足概率LCSP时，最大供能量限值相应为最大供电量限值最大供热量限值和最大供冷量限值

说明书全文

一种基于多目标的智慧园区综合能源系统优化调度方法

[0001] 所属领域

[0002] 本发明属于综合能源系统领域，具体涉及一种基于多目标的智慧园区综合能源系统优化调度方法。

背景技术

[0003] 能量是人类生存和发展的基础，传统的能源系统建设倾向于各子系统单独规划、单独设计和独立运行，不同供能系统发展存在差异和壁垒，电、热、气等多能系统耦合程度不高，彼此间缺乏多能互补和协调控制机制，可能导致能源利用效率低下、系统运行安全性不足和故障情况下系统自愈能力匮乏等问题。

[0004] 近年来，分布式发电、可再生能源、冷热电联供、微网等能源技术以及信息通信技术快速更新，推动传统分立运行的能源系统向多能耦合和协调控制的综合能源系统转型，国家能源政策的支持也进一步加速了综合能源系统的理论推广和实践落地。构建以电力系统为核心的综合能源系统平台，推进实现多能耦合互补互联快速发展，对实现可再生能源的有效消纳、降低系统运行成本、提高能源生产效率和提供电网辅助服务具有重要意义，对实现跨领域、多维度和多层次的能源融合使用和能源技术创新具有深远影响，是国家节能减排和国际能源变革的重要举措。

[0005] 目前，国内外学者在综合能源系统的建模仿真和优化控制方面做了诸多研究，主要包括能量装置的动态特性建模和多能互补协同优化运行。在能量装置的动态特性建模方面，很多学者从不同时间尺度、空间范围、能量环节角度构建了综合能源系统的线性或者非线性模型，比如核心能量耦合设备燃气轮机的短时间尺度动态特性仿真模型，区域或跨区的稳态的长时间尺度电网潮流模型、气网分段线性化传输模型、热网能量流传输模型等；在多能互补协调优化运行方面，已有学者在综合能源系统的评估指标体系和评估方法、多目标协同优化方法和优化运行和安全控制等方面展开了研究。但需要进一步关注的是，电、热、气多能响应特性在时间尺度上存在差异，因而在进行含电-热-气多能耦合的综合能源系统优化调度策略时常常未考虑或者无法融合和克服电热气相应特性在时间尺度上的差异，使得综合能源系统调度无法最大程度的发挥作用，误差性较大，工作效率低下，因而克服和解决含电-热-气多能耦合的综合能源系统不同响应特性在时间尺度上的差异，就变得非常重要了。

发明内容

[0006] 本发明正是针对现有技术中的问题，提供了一种基于多目标的智慧园区综合能源系统优化调度方法，通过构建调度周期内运行成本最小化的目标函数，在满足功率平衡和安全约束的基础上，从能耗、环保和可靠性角度建立评价指标和约束条件，优化系统内储能、柔性负荷和热电联供可控机组的启停和出力状态，实现智慧园区综合能源系统多目标优化调度。

[0007] 为了实现上述目的，本发明采用的技术方案是：

[0008] 本发明的一种基于多目标的智慧园区综合能源系统优化调度方法，包括以下步骤：

[0009] 确定并获取综合能源系统运行基本参数；

[0010] 制定智慧园区多目标运行的评价指标，包括能耗评价指标、环保评价指标、供电可靠性评价指标、供热可靠性评价指标和供冷可靠性评价指标；

[0011] 建立综合能源系统日前经济调度阶段的优化调度模型，所述优化调度模型的目标函数为：

[0012]

[0013] 其中，Cfuel(t)为燃料费用；Cgrid(t)为电网交互费用；Cdevice(t)为设备维护费用；Con-off(t)为机组启停费用；Cheat-cold(t)为售热售冷费用；

[0014] 采用混合线性整数规划求解器对建立的多目标优化调度模型进行求解。

[0015] 上述综合能源系统运行基本参数包括光伏、风电等可再生能源以及冷热电负荷的日前日内预测出力、系统内微燃机、电锅炉、燃料电池、吸收式制冷机、电制冷机、蓄电池、储热罐、蓄冷罐的容量及爬坡约束、上级电网联络线交互功率约束、电网购售电价。

[0016] 上述能耗评价指标为：

[0017]

[0018] 其中，Ffuel(t)为燃料总耗量,ηMT为微燃机的发电效率；ηFC为燃料电池的发电效率。

[0019] 所述环保评价指标为：

[0020]

[0021] 其中，为天然气的CO2排放因子；为时刻t的CO2排放量；

[0022] 所述供电可靠性评价指标为：

[0023]

[0024]

[0025] 其中，Pl(t)时段t的电负荷功率；为供电不足总量；LPSP为供电不足概率；PWT(t)为时段t的风电功率；PPV(t)为时段t的光伏功率；PESch(t)为时段t的蓄电池充电功率；
PESdis(t)为时段t的蓄电池放电功率；PMT(t)为时段t的微燃机电功率；PFC(t)为时段t的燃料电池电功率；PEB(t)为时段t的电锅炉电功率；Pex(t)为时段t的电网交互功率；

[0026] 所述供热可靠性评价指标为：

[0027]

[0028]

[0029] 其中，Ql(t)为时段t的热负荷功率；为供电不足总量；LHSP为供热不足概率；QMTh(t)为时段t的烟气余热提供的制热量；QEB(t)为时段t的电锅炉的制热量；QAC(t)为时段t吸收式制冷机消耗的热功率；QHSch(t)为时段t的蓄热槽吸热功率；QHSdis(t)为时段t的蓄热槽放热功率；

[0030] 所述供冷可靠性评价指标为：

[0031]

[0032]

[0033] 其中，Ll(t)为时段t的冷负荷功率；LMTh(t)为时段t微燃机的制冷功率；LAC(t)为时段t的吸收式制冷机的制冷功率；LECa(t)为时段t的电制冷机的制冷功率；LECd(t)为时段t的电制冷机的融冰功率；LCSP为供热不足概率。

[0034] 上述燃料费用Cfuel(t)为：

[0035] Cfuel＝CMT+CFC

[0036] 其中，CMT为微燃机燃料费用；CFC为燃料电池费用；

[0037] 所述电网交互费用Cgrid(t)为：

[0038]

[0039] 其中，SD(t)和GD(t)分别为时刻t上级配网向用户级综合能源系统的售电和购电电价；Pex(t)为时段t的电网交互功率；

[0040] 所述设备维护费用Cdevice(t)为：

[0041]

[0042] 其中，λdevice,i为系统内设备单元i的单位运行维护成本；Pi(t)为设备单元i在时段t的出力；n为设备单元总数；

[0043] 所述机组启停费用Con-off(t)为：

[0044]

[0045] 其中，λon-off,j为可控机组j的一次启停成本；Sj(t)为可控机组j在时段t的启停状态；所述可控机组j包括微燃机、燃料电池、电锅炉；ng为可控机组总数；

[0046] 所述售热售冷费用Cheat-cold(t)为：

[0047] Cheat-cold(t)＝λheat.Qheat(t)+λcold.Qcold(t)

[0048] 其中，λheat为单位制热费用；Qheat(t)为时段t微网总的制热量；λcold为单位制冷费用；Qcold(t)为时段t微网总的制冷量。

[0049] 上述优化调度模型中的约束条件包括综合能源系统的电功率平衡约束、热功率平衡约束、冷功率平衡约束、可控机组上下限约束、可控机组爬坡约束、蓄电池相关约束、储热罐相关约束、蓄冷罐相关约束及联络线交互功率约束，碳排放约束和供能可靠性约束。

[0050] 上述综合能源系统的电功率平衡约束条件为：

[0051] PMT(t)+PFC(t)+PWT(t)+PPV(t)-PESch(t)+PESdis(t)+Pex(t)＝Pl(t)+PEB(t)+PEC(t)[0052] 其中，PWT(t)为时段t的风电功率；PPV(t)为时段t的光伏功率；PESch(t)为时段t的蓄电池充电功率；PESdis(t)为时段t的蓄电池放电功率；PMT(t)为时段t的微燃机电功率；PFC(t)为时段t的燃料电池电功率；PEB(t)为时段t的电锅炉电功率；PEC(t)为时段t的电制冷机电功率；Pex(t)为时段t的电网交互功率；Pl(t)为时段t的电负荷功率；

[0053] 所述综合能源系统的热功率平衡约束条件为：

[0054] QMTh(t)+QEB(t)-QHSch(t)+QHSdis(t)＝Ql(t)+QAC(t)

[0055] 其中，QMTh(t)为时段t的烟气余热提供的制热量；QEB(t)为时段t的电锅炉的制热量；QAC(t)为时段t吸收式制冷机消耗的热功率；QHSch(t)为时段t的蓄热槽吸热功率；QHSdis(t)为时段t的蓄热槽放热功率；Ql(t)为时段t的热负荷功率。

[0056] 上述综合能源系统的冷功率平衡约束条件为：

[0057] LMTh(t)+LAC(t)+LECa(t)+LECd(t)＝Ll(t)

[0058] LECa(t)+LECc(t)＝LEC(t)

[0059] 其中，LMTh(t)为时段t微燃机的制冷功率；LAC(t)为时段t的吸收式制冷机的制冷功率；LEC(t)为时段t的电制冷机的输出冷功率；LECa(t)为时段t的电制冷机的制冷功率；LECc(t)为时段t的电制冷机的蓄冰功率；LECd(t)为时段t的电制冷机的融冰功率；Ll(t)为时段t的冷负荷功率；

[0060] 所述综合能源系统的可控机组上下限约束条件为：

[0061]

[0062] 其中，为第i个可控机组在时段t的运行状态；PiCG(t)为第i个可控机组在时段t的出力；为第i个可控机组的容量下限；为第i个可控机组的容量上限。

[0063] 上述综合能源系统的可控机组爬坡约束条件为：

[0064]

[0065] 其中，分别为可控机组的上下爬坡速率；

[0066] 所述综合能源系统的蓄电池相关约束条件为：

[0067]

[0068] 其中，EES(t)为时段t电储能容量；ζ为电储能自放电率；PESch(t)、PESdis(t)分别为时段t的充放电功率；ηESch和ηESdis分别为蓄电池的充放电效率；γESch、γESdis分别为蓄电池的最大充放倍率；CapES为蓄电池总容量；分别为蓄电池的最大和最小荷电状态。

[0069] 上述综合能源系统的储热罐相关约束条件为：

[0070]

[0071] 其中，HHS(t)为时段t热储能容量；ψ为热储能散热损失率；QHSch(t)、QHSdis(t)分别为时段t的吸放热功率；ηHSch和ηHSdis分别为蓄热槽的吸放热效率；γHSch、γHSdis分别蓄热槽的最大充放倍率；CapHS为蓄热槽的总容量；分别为蓄热槽的最大和最小热能状态；

[0072] 所述综合能源系统的蓄冷罐相关约束条件为：

[0073]

[0074] 其中，LLS(t)为时段t蓄冷罐容量；σ为蓄冷罐的自损系数；LECc(t)、LECd(t)分别为时段t的蓄冷罐的蓄冰和融冰功率；ηlch和ηldis分别为蓄冷罐的蓄冰和融冰系数；SECa(t)、SECc(t)、SECd(t)分别电制冷机的制冷、蓄冰和融冰状态；分别电制冷机的最小和最大制冷容量、最大蓄冰容量、最大融冰容量。

[0075] 上述综合能源系统的联络线交互功率约束条件为：

[0076] Pex,min≤Pex(t)≤Pex,max

[0077] 其中，Pex,min、Pex,max分别为电网交互功率的出力上下限；

[0078] 所述综合能源系统的碳排放约束条件为：

[0079]

[0080] 其中，为CO2排放量限值，NT；

[0081] 所述综合能源系统的供能可靠性约束条件为：

[0082]

[0083] 其中，LESP为系统最大供能不足概率，当为供电不足概率LPSP、供热不足概率LHSP、供冷不足概率LCSP时，最大供能量限值相应为最大供电量限值最大供热量限值和最大供冷量限值

[0084] 与现有技术相比，本发明提出了一种基于多目标的智慧园区综合能源系统优化调度方法，既能实现系统的经济环保运行，又能保证系统的多种供能可靠性，实现了智慧园区综合能源系统的多目标优化调度。附图说明

[0085] 图1为本发明用户级综合能源系统结构的系统架构图；

[0086] 图2(a)为电负荷的预测数据图；

[0087] 图2(b)为光伏的预测数据图；

[0088] 图2(c)为风电的预测数据图；

[0089] 图2(d)为热负荷的预测数据图；

[0090] 图2(e)为冷负荷的预测数据图；

[0091] 图3为本实施例中电网购售电价图；

[0092] 图4(a)为电功率平衡图；

[0093] 图4(b)为热功率平衡图；

[0094] 图4(c)为冷功率平衡图。

具体实施方式

[0095] 以下将结合附图和实施例，对本发明进行较为详细的说明。

[0096] 本实施例运用于综合能源系统中，该综合能源系统结构如图1所示。

[0097] 一种基于多目标的智慧园区综合能源系统优化调度方法，包括以下步骤：

[0098] 步骤S1，获取综合能源系统运行基本参数，本实施例中的基本参数包括光伏、风电等可再生能源以及冷热电负荷的日前日内预测出力、系统内微燃机、电锅炉、燃料电池、吸收式制冷机、电制冷机、蓄电池、储热罐、蓄冷罐等设备的容量及爬坡约束、上级电网联络线交互功率约束、电网购售电价。

[0099] S2，制定智慧园区多目标运行的评价指标，包括能耗评价指标、环保评价指标和供电供热供冷可靠性指标；

[0100] 所述能耗评价指标为：

[0101]

[0102] 其中，Ffuel(t)为燃料总耗量；ηMT为微燃机的发电效率；ηFC为燃料电池的发电效率。

[0103] 所述环保评价指标为：

[0104]

[0105] 其中，为天然气的CO2排放因子；为时刻t的CO2排放量。

[0106] 所述供电可靠性评价指标为：

[0107]

[0108]

[0109] 其中，Pl(t)时段t的电负荷功率；为供电不足总量；LPSP为供电不足概率。

[0110] 所述供热可靠性评价指标为：

[0111]

[0112]

[0113] 其中，Ql(t)为时段t的热负荷功率；为供电不足总量；LHSP为供热不足概率。

[0114] 所述供冷可靠性评价指标为：

[0115]

[0116]

[0117] 其中，Ll(t)为时段t的冷负荷功率；LCSP为供热不足概率。

[0118] S3，建立综合能源系统日前经济调度阶段的优化调度模型，所述优化调度模型的目标函数为：

[0119]

[0120] 其中，Cfuel(t)为燃料费用；Cgrid(t)为电网交互费用；Cdevice(t)为设备维护费用；Con-off(t)为机组启停费用；Cheat-cold(t)为售热售冷费用；

[0121] 其中燃料费用Cfuel(t)的计算公式为：

[0122] Cfuel＝CMT+CFC

[0123] 其中，CMT为微燃机燃料费用；CFC为燃料电池费用。

[0124] 其中电网交互费用Cgrid(t)的计算公式为：

[0125]

[0126] 其中，SD(t)和GD(t)分别为时刻t上级配网向用户级综合能源系统的售电和购电电价；Pex(t)为时段t的电网交互功率。

[0127] 其中设备维护费用Cdevice(t)的计算公式为：

[0128]

[0129] 其中，λdevice,i为系统内第i个设备单元的单位运行维护成本；Pi(t)为第i设备单元在时段t的出力；n为设备单元总数。

[0130] 其中机组启停费用Con-off(t)的计算公式为：

[0131]

[0132] 其中，λon-off,j为可控机组j(微燃机、燃料电池、电锅炉)的一次启停成本；Sj(t)为可控机组j在时段t的启停状态；ng为可控机组总数。

[0133] 其中售热售冷费用Cheat(t)的计算公式为：

[0134] Cheat-cold(t)＝λheat.Qheat(t)+λcold.Qcold(t)

[0135] 其中，λheat为单位制热费用；Qheat(t)为时段t微网总的制热量；λcold为单位制冷费用；Qcold(t)为时段t微网总的制冷量。

[0136] 所述优化调度模型中的约束条件包括综合能源系统电功率平衡约束、热功率平衡约束、冷功率平衡约束、可控机组上下限约束、可控机组爬坡约束、蓄电池相关约束、储热罐相关约束、蓄冷罐相关约束及联络线交互功率约束，碳排放约束和供能可靠性约束，具体包括：

[0137] 步骤S31,建立综合能源系统电功率平衡约束条件为：

[0138] PMT(t)+PFC(t)+PWT(t)+PPV(t)-PESch(t)+PESdis(t)+Pex(t)＝Pl(t)+PEB(t)+PEC(t)[0139] 其中，PWT(t)为时段t的风电功率；PPV(t)为时段t的光伏功率；PESch(t)时段t的蓄电池充电功率；PESdis(t)为时段t的蓄电池放电功率；PMT(t)为时段t的微燃机电功率；PFC(t)时段t的燃料电池电功率；PEB(t)时段t的电锅炉电功率；PEC(t)时段t的电制冷机电功率；Pex(t)时段t的电网交互功率；Pl(t)时段t的电负荷功率。

[0140] 步骤S32,建立综合能源系统热功率平衡约束条件为：

[0141] QMTh(t)+QEB(t)-QHSch(t)+QHSdis(t)＝Ql(t)+QAC(t)

[0142] 其中，QMTh(t)为时段t的烟气余热提供的制热量；QEB(t)为时段t的电锅炉的制热量；QAC(t)为时段t吸收式制冷机消耗的热功率；QHSch(t)为时段t的蓄热槽吸热功率；QHSdis(t)为时段t的蓄热槽放热功率；Ql(t)为时段t的热负荷功率。

[0143] 步骤S33,建立综合能源系统冷功率平衡约束条件为：

[0144] LMTh(t)+LAC(t)+LECa(t)+LECd(t)＝Ll(t)

[0145] LECa(t)+LECc(t)＝LEC(t)

[0146] 其中，LMTh(t)为时段t微燃机的制冷功率；LAC(t)为时段t的吸收式制冷机的制冷功率；LEC(t)为时段t的电制冷机的输出冷功率；LECa(t)为时段t的电制冷机的制冷功率；LECc(t)为时段t的电制冷机的蓄冰功率；LECd(t)为时段t的电制冷机的融冰功率；Ll(t)为时段t的冷负荷功率。

[0147] 步骤S34,建立综合能源系统可控机组上下限约束条件为：

[0148]

[0149] 其中，为第i个可控机组在时段t的运行状态；PiCG(t)为第i个可控机组在时段t的出力；为第i个可控机组的容量下限；为第i个可控机组的容量上限。

[0150] 步骤S35,建立综合能源系统可控机组爬坡约束条件为：

[0151]

[0152] 其中，分别为可控机组的上下爬坡速率。

[0153] 步骤S36,建立综合能源系统蓄电池相关约束条件为：

[0154]

[0155] 其中，EES(t)为时段t电储能容量；ζ为电储能自放电率；PESch(t)、PESdis(t)分别为时段t的充放电功率；ηESch和ηESdis分别为蓄电池的充放电效率；γESch、γESdis分别为蓄电池的最大充放倍率；CapES为蓄电池总容量；分别为蓄电池的最大和最小荷电状态。

[0156] 步骤S37,建立综合能源系统储热罐相关约束条件为：

[0157]

[0158] 其中，HHS(t)为时段t热储能容量；ψ为热储能散热损失率；QHSch(t)、QHSdis(t)分别为时段t的吸放热功率；ηHSch和ηHSdis分别为蓄热槽的吸放热效率；γHSch、γHSdis分别蓄热槽的最大充放倍率；CapHS为蓄热槽的总容量；分别为蓄热槽的最大和最小热能状态。

[0159] 步骤S38,建立综合能源系统蓄冷罐相关约束条件为：

[0160]

[0161] 其中，LLS(t)为时段t蓄冷罐容量；σ为蓄冷罐的自损系数；LECc(t)、LECd(t)分别为时段t的蓄冷罐的蓄冰和融冰功率；ηlch和ηldis分别为蓄冷罐的蓄冰和融冰系数；SECa(t)、SECc(t)、SECd(t)分别电制冷机的制冷、蓄冰和融冰状态；分别电制冷机的最小和最大制冷容量、最大蓄冰容量、最大融冰容量。

[0162] 步骤S39,建立综合能源系统联络线交互功率约束条件为：

[0163] Pex,min≤Pex(t)≤Pex,max

[0164] 其中，Pex,min、Pex,max分别为电网交互功率的出力上下限。

[0165] 步骤S310,建立综合能源系统碳排放约束条件为：

[0166]

[0167] 其中，ψCO2为CO2排放量限值，即允许排放的最大CO2量。

[0168] 步骤S311,建立综合能源系统供能可靠性约束条件为：

[0169]

[0170] 其中，LESP为系统最大供能不足概率，当为供电不足概率LPSP、供热不足概率LHSP、供冷不足概率LCSP时，最大供能量限值相应为最大供电量限值最大供热量限值和最大供冷量限值

[0171] S4，使用混合线性整数规划求解器对步骤S3所建立的多目标优化调度模型进行求解；

[0172] 通过构建调度周期内运行成本最小化的目标函数，在满足功率平衡和安全约束的基础上，从能耗、环保和可靠性角度建立评价指标和约束条件，优化系统内储能、柔性负荷和热电联供可控机组的启停和出力状态，实现智慧园区综合能源系统多目标优化调度。本发明方法既能实现系统的经济环保运行，又能保证系统的多种供能可靠性，保证了综合能源系统安全稳定和高效经济运行。

[0173] 本实施例的用户级综合能源系统结构图如1所示，系统内设备元件包括：光伏、风电、燃料电池、微燃机、电锅炉、吸收式制冷机、电制冷机、电储能、热储能、蓄冰罐等，并与上级配网进行功率交互。光伏、风电和负荷的基本数据包括能源负荷预测数据，图2(a)为电负荷的预测数据、图2(b)为光伏的预测数据、图2(c)为风电的预测数据、图2(d)为热负荷的预测数据、图2(e)为冷负荷的预测数据；电网购售电价如图3所示；可控机组的容量上下限和爬坡率约束等相关参数如表1所示。

[0174] 表1可控机组相关运行参数

[0175]

[0176] 根据本发明的步骤运行后，日前调度的电热冷功率平衡，包括图4(a)的电功率平衡图、图4(b)的热功率平衡图和图4(c)的冷功率平衡图；可以看出在最大程度消纳可再生能源的基础上，通过协调控制各可控机组的启停和出力，既可以共同满足用户级综合能源系统包括冷、热、电在内的多种能源形式的用能需求，又可以在电价和各设备运行成本引导下保证系统运行的经济性。同时，利用蓄电池、储热槽和蓄冷罐等储能系统的时移特性可以提高系统运行的灵活性。

[0177] 因而，本发明方法既能实现系统的经济环保运行，又能保证系统的多种供能可靠性，实现了智慧园区综合能源系统多目标优化调度。

[0178] 以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实例的限制，上述实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同物界定。

标题	发布/更新时间	阅读量
散热循环系统	2020-05-12	113
一种冰箱微霜气压平衡装置	2020-05-13	3
一种智能伸缩晾衣装置及其智能控制方法	2020-05-13	646
一种冰浆在线浓缩输送系统	2020-05-08	679
冷负荷需求预测及冰蓄冷空调负荷分配的方法和系统	2020-05-08	56
一种用于高压输电线路的除冰雪装置	2020-05-11	103
一种便捷会务用品收纳装置	2020-05-13	763
一种工业水冷却用的冷却水塔	2020-05-08	94
一种带冰箱可充电式行李箱	2020-05-08	767
一种外融冰式蓄冷冰槽	2020-05-13	608

一种基于多目标的智慧园区综合能源系统优化调度方法

一种基于多目标的智慧园区综合能源系统优化调度方法

背景技术

发明内容

具体实施方式

该功能需要专业版企业版VIP权限，您可以：