CN108133285A - 一种接入大规模可再生能源的混合能源系统实时调度方法 - Google Patents
一种接入大规模可再生能源的混合能源系统实时调度方法 Download PDFInfo
- Publication number
- CN108133285A CN108133285A CN201711390589.0A CN201711390589A CN108133285A CN 108133285 A CN108133285 A CN 108133285A CN 201711390589 A CN201711390589 A CN 201711390589A CN 108133285 A CN108133285 A CN 108133285A
- Authority
- CN
- China
- Prior art keywords
- time
- energy
- real
- power
- moment
- 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.)
- Granted
Links
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
- G06Q10/04—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
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种接入大规模可再生能源的混合能源系统实时调度方法,根据混合能源系统实时运行调度的要求,在分析了可再生能源的出力特点基础上,建立冷热电混合能源系统实时运行修正模型,通过实时修正模型对日前制定的冷热电混合能源系统运行方案做出实时修正以抵消预测误差的影响,以保障冷热电混合能源系统能够安全、稳定、可靠和经济运行;在此基础上建立冷热电混合能源系统实时运行滚动优化模型,以更新各类供能设备下一时刻的计划运行点;通过执行实时运行修正模型和实时运行滚动优化模型的调度结果,系统能够在兼顾日前调度计划的情况下实现能源的实时供需平衡。
Description
技术领域
本发明涉及混合能源系统实时运行与调度技术,尤其涉及接入大规模可再生能源的混合能源系统实时调度方法。
背景技术
随着冷热电混合能源系统中可再生能源渗透率的不断提升和各类负荷规模的不断提升,冷热电混合能源系统运行的可靠性和经济性面临着日益严峻的挑战。由于冷热电混合能源系统中接入了大量的可再生能源,这些可再生能源的出力具有随机性、间歇性和波动性的特点,在日前出力预测中难以做到绝对的无差预测。这些可再生能源出力和负荷的变化将导致在实时运行过程中系统偏离原来的日前运行点,在系统并网运行的条件下体现为联络线功率的波动和冷热负荷与供给的不匹配,将导致用户舒适度下降、系统经济性降低等结果。因此,必须对日前制定的冷热电混合能源系统运行方案作出实时修正以抵消预测误差的影响,以保障冷热电混合能源系统能够安全、稳定、可靠和经济运行。
目前已有学者围绕实时修正这个主题,对冷热电混合能源系统实时运行展开了研究,冷热电混合能源系统实时运行研究的内容主要集中在两方面,一是如何通过提高预测精度来提升日前调度的可靠性,二是如何针对预测误差采用修正策略对系统进行实时调度,但冷热电混合能源系统中无法做到绝对的无差预测,因此对日前调度计划的修正不可避免。在制定修正策略时,普遍存在仅平衡实时功率缺额,不根据已变化的系统运行状态对日前调度计划进行更新的问题,这将导致实时运行结果偏离日前运行目标。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明提供一种接入大规模可再生能源的混合能源系统实时调度方法,建立冷热电混合能源系统实时运行修正模型,通过实时修正模型对日前制定的冷热电混合能源系统运行方案做出实时修正以抵消预测误差的影响,以保障冷热电混合能源系统能够安全、稳定、可靠和经济运行;在此基础上建立了冷热电混合能源系统实时运行滚动优化模型,以更新各类供能设备下一时刻的计划运行点;通过执行实时运行修正模型和实时运行滚动优化模型的调度结果,系统能够在兼顾日前调度计划的情况下实现能源的实时供需平衡。本发明给出了大规模可再生能源接入下的冷热电混合能源系统实时优化运行与调度方法,提供了大规模可再生能源接入下的冷热电混合能源系统实时能量优化管理的思路和方法。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种接入大规模可再生能源的混合能源系统实时调度方法,根据混合能源系统实时运行调度的要求,在分析了可再生能源的出力特点基础上,建立冷热电混合能源系统实时运行修正模型,通过实时修正模型对日前制定的冷热电混合能源系统运行方案做出实时修正以抵消预测误差的影响,以保障冷热电混合能源系统能够安全、稳定、可靠和经济运行;在此基础上建立冷热电混合能源系统实时运行滚动优化模型,以更新各类供能设备下一时刻的计划运行点;通过执行实时运行修正模型和实时运行滚动优化模型的调度结果,系统能够在兼顾日前调度计划的情况下实现能源的实时供需平衡。本发明给出了大规模可再生能源接入下的冷热电混合能源系统实时优化运行与调度方法,提供了大规模可再生能源接入下的冷热电混合能源系统实时能量优化管理的思路和方法。下面就各个部分进行具体说明。
一、给定日前的能源调度计划
调度系统通过求解日前调度模型给出日前各类能源的调度计划,并向各类冷热电供能设备发出指令,设备按照日前调度计划进行供能。
二、冷热电混合能源系统实时运行修正
日前优化运行调度的时间尺度通常为每隔一小时下发一个调度指令,该优化目标主要是站在全天的角度,基于峰谷电价对整个冷热电混合能源系统内的供能设备进行大局调度,以实现移峰填谷降低运行费用或能耗。在实时运行过程中,由于可再生能源的实时出力情况偏离了预测值,需要通过调度系统中的各类供能设备进行调节,以保障整个系统的供需平衡,保障系统能够安全稳定可靠地运行。
由于要修正日前的能源调度计划,原来的调度策略变得不再适用,因此提出冷热电混合能源系统实时运行修正模型,进行基于日前能源调度计划的实时运行修正。
实时运行修正模型是一个静态优化模型,只涉及下一个时刻的单点运行修正,该模型的优化目标不可选择为经济性最优,因为在单一时刻的运行情况下,经济最优的调度方式是全部调用储能对不平衡功率进行平抑,这将导致和之前拟定的运行方案出入较大,造成局部最优干扰整体最优的现象。例如在低价低谷时期,从全局的角度上来看应该让各类用电设备多出力蓄能,储能设备应该处于充能的状态,此时如果冷热负荷比预期的要大,这时从全局的角度上来看应该调大耗电供能设备的功率,而不是调用维护成本低的储能设备放能供能。
本发明在进行功率实时运行修正的过程中,综合考虑各供能和储能设备的总容量、可调节裕度、爬坡速度和调节代价,制定了各个设备在下一时刻的下垂率,由各个供能设备共同承担不平衡功率,这样保证了在下一个时刻的系统各供能设备出力变化趋势和日前调度计划一致,保证了系统在全局上的经济性运行。
2.1能源供给增量的确定
设Δt为超短期负荷预测的预测周期,t+Δt时刻系统内的电负荷日前预测值为空间热负荷和热水负荷日前预测值分别为和空间冷负荷和冷冻制冷负荷日前预测值分别为和可再生能源的发电功率的日前预测值为在t时刻通过超短期负荷预测得到的t+Δt时刻系统内的电负荷值为空间热负荷值和热水负荷值分别为和空间冷负荷值和冷冻制冷负荷值分别为和可再生能源的发电功率值为则在t+Δt时刻的冷热电混合能源系统内:
净电负荷调整增量为:
空间热负荷增量为:
热水负荷增量为:
空间冷负荷增量为:
冷冻制冷负荷增量为:
式中,为系统中各类电-热冷转换设备通过实时调节在t+Δt时刻产生的新增电功率负荷值。在t+Δt时刻,需要完成的任务就是把这些负荷调整增量分配至各个供能设备单元,完成实时运行修正,由于各类负荷情况相似,这里以空间热负荷的负荷增量分配为例进行说明,其他的负荷增量分配可以参照空间热负荷进行调整。
2.2实时最大可调功率约束的确定
冷热电混合能源系统内供能设备的最大计划功率调整量受到功率调节裕度和实时功率爬坡限制的共同约束。
(1)当ΔHSpace为正值要增发时,供能设备i在t时刻的功率向上调节裕度为:
在t+Δt时刻的功率向上调节裕度为:
式中,Fi t,max和Fi t+Δt,max分别为t时刻和t+Δt时刻供能设备i的功率向上调节最大范围,和分别为t时刻和t+Δt时刻供能设备i的实时出力和计划供能出力,为供能设备i的功率出力上限。
功率爬坡约束为:
Fi v,max=Vi×Δt(8)
式中,Vi为供能设备i的最大爬坡速率,Fi v,max为Δt时段内的最大功率增幅。
通过将Fi t,max和Fi v,max进行比较,可以得到t+Δt时刻供能设备i的最大计划功率调整量Fi max。当Fi t,max大于Fi v,max时,即有足够的可调容量时:
当Fi t,max小于Fi v,max时,即没有足够的可调容量时:
Fi max=Fi t+Δt,max (10)
(2)当ΔHSpace为负值要减发时,供能设备i在t时刻的功率向下调节裕度为:
在t+Δt时刻的功率向下调节裕度为:
式中,Fi t,max和Fi t+Δt,max分别为t时刻和t+Δt时刻供能设备i的功率向下调节最大范围,和分别为t时刻和t+Δt时刻供能设备i的实时出力和计划供能出力,为供能设备i的功率出力下限,Fi max为t+Δt时刻该设备的最大计划功率调整量。
功率爬坡约束为:
Fi v,max=Vi×Δt (13)
式中,Vi为供能设备i的最大爬坡速率,Fi v,max为Δt时段内的最大功率减幅。
通过将Fi t,max和Fi v,max进行比较,可以得到t+Δt时刻供能设备i的最大计划功率调整量Fi max。当Fi t,max大于Fi v,max时,即有足够的可调容量时:
当Fi t,max小于Fi v,max时,即没有足够的可调容量时:
Fi max=Fi t+Δt,max (15)
在图1-4中对这几种情况做出了具体标识。
2.3能源供给分配下垂系数的确定
在进行实时运行修正时,需统计当前所有可调节供能设备,确定能源供给分配下垂系数和能源供给调整量。
首先选择冷热电混合能源系统中的空间热(热水/空间冷/冷冻制冷/电)负荷供能设备,供能设备i的供能系数为:
Ki t+Δt=|Ci t+Δt| (16)
增加绝对值符号是为了保证当需要增发时,如果储能设备处于充能状态则不增大充能功率,而是减小充能功率,使之变为等效的供能设备。
统计当前所有可调节供能设备,对所有节供能设备的供能系数进行求和:
其中:Ki t+Δt为供能设备i的供能系数,为系统的总供能系数,n为可调节功能设备的总量。
因此,供能设备i的能源供给分配下垂系数KPi t+Δt为:
在t+Δt时刻,供能设备i在t+Δt时刻承担的能源供给调整量为:
式中,ΔHSpace为等待分配的缺额功率。
2.4校验并更新实时运行修正调整量
通过能源供给分配下垂系数分配调整功率时,需要校验供能设备i承担的能源供给调整量是否超过最大计划功率调整量Fi max。考虑到有可能某个供能设备由于功率越限无法承担由下垂系数确定的调节功率,需要进行多次分配调整功率,因此,供能设备i承担的能源供给调整量可记为:
第一次调整时C'i t+Δt为上一次分配后供能设备i在t+Δt时刻的计划出力。当|Fi|>Fi max时,则该设备无法承担下垂功率调节任务,置:
当|Fi|<Fi max时,则该设备可以承担下垂功率调节任务,置:
此时如果存在某供能设备无法承担下垂功率调节任务,则仍会存在一定的功率缺额,这时返回步骤2.3进行缺额功率再分配,直到所有的供能设备按照下垂功率进行调节,完成实时运行修正任务。
以上的实时运行修正模型是以空间热负荷为例进行说明,在实际的操作过程中还要考虑其他四类负荷,其中热水负荷、空间冷负荷和冷冻制冷负荷的实时修正分配可以参照空间热负荷进行调整,当四类负荷在t+Δt时刻的能源调整量均计算完毕时,对所有供能设备的电能消耗量进行更新,统计t+Δt时刻系统内的电负荷日前预测值和可再生能源发电功率的日前预测值,结合超短期负荷预测得到的t+Δt时刻系统内的电负荷值和t+Δt时刻可再生能源发电功率值,即可得到t+Δt时刻的净电负荷调整增量(即t+Δt时刻净电负荷的超短期预测结果),然后参照以上几类负荷进行实时运行修正。
三、冷热电混合能源系统实时运行滚动优化
在实时优化时,优化结果取决于两点,一是各类供能设备的运行状态和储能的荷能状态,二是未来的负荷预测曲线。如果仅对日前优化模型进行实时修正,虽然可以保证系统能够稳定运行,但无法保证系统的日前调度目标的实现效果,原因主要有两点,一是日前预测的冷热电负荷已不再适用于最新的实时运行场景,由于负荷变化如果还采用基于原来的负荷曲线做出的日前调度计划,系统将不再处于经济的供需平衡状态;二是由于各类供能和储能设备的运行状态在实时条件下已和计划的有了出入,还按照原来的日前计划对各类设备进行调度可能导致爬坡功率不满足或储能调节能力不满足而无法进行调节的情况。因此,在日前优化模型和实时运行修正模型的基础上,本专利提出冷热电混合能源系统实时运行滚动优化模型,当前一个时刻系统供需状态确定了以后,立即结合最新的负荷预测曲线,进行下一个日内的滚动优化,为下一个时刻提供原始功率出力基准点。
通常,超短期负荷预测和新能源发电预测的时间为5分钟预报,理论上来说滚动优化的时间尺度越短越好,但由于受限于计算速度的影响,无法做到5分钟间隔一个点的滚动优化,在考虑多目标日前优化时如果将时间尺度缩短一半,计算量将是指数级的增长,因此为了保证整体实时调控的可行性,将滚动优化的时间尺度选为一小时一次,在每个整点时刻进行下一个24小时的运行滚动优化,过程如图6所示。
其中,k+1时刻和k时刻的时间间隔为1h,在第k个时刻刚完成调度时,记录下第k个时刻各个供能设备和储能设备的运行状态作为模型的输入参数,结合最新的负荷及新能源预测数据,进行未来优化区间长度(这里取24h)的滚动优化,优化结果的范围为从k+1至k+24;在第k+1个时刻刚完成调度时,记录下第k+1个时刻各个供能设备和储能设备的运行状态作为模型的输入参数,结合最新的负荷及新能源预测数据,进行未来优化区间长度的滚动优化,优化结果的范围为从k+2至k+25,以此类推。在k至k+1区间内,此时如果滚动优化未完成,则按照之前k+1的计划调度结果,在k至k+1区间内进行插值,作为实时运行的供能基值,如图7所示。
如果滚动优化已经完成,那么则根据已经调整过的滚动优化调度结果进行插值作为新的供能基值,下发各供能终端单元并结合实时修正进行实时调度。
3.1实时运行滚动优化的目标函数的确定
在冷热电混合能源系统实时运行滚动优化的过程中,目标函数的选取和日前调度模型中区别不大,区别仅在于时间尺度从1到24变为了k+1时刻到k+24时刻,这里仅以经济性目标为例进行说明。
冷热电混合能源系统的实时运行滚动优化经济性目标为日运行费用最小,冷热电混合能源系统的日运行综合费用主要包括以下三个方面:燃料费用、电网交互的功率费用和系统运行维护费用:
min price=min(prifuel+prigrid+primaintain) (23)
其中,微型燃气轮机和燃气锅炉的燃料成本函数计算公式如下:
式中,fCHPi为微型燃气轮机耗量特性曲线函数,Pi为微型燃气轮机i的电功率输出,单位是kW;是逐时气价,单位按天然气热值折算为¥/kWh;为燃气锅炉i在t时段的耗量,单位为kW。
系统与电网的电能交换成本函数计算公式如下:
式中,是逐时电价;是联供系统和外部电网的逐时电力交换值。
系统的运行维护成本函数计算公式如下:
式中,pmCHPi为燃气轮机的单位功率运行维护成本;pmdistri为分布式发电设备单位功率运行维护成本;pmstor泛指储能设备的单位功率运行维护成本;pmGB为燃气锅炉的单位功率运行维护成本;pmEB为余热锅炉的单位功率运行维护成本;pmAC为吸收式制冷机的单位功率运行维护成本;pmEC为压缩式电制冷机的单位功率运行维护成本;pmAir为空调系统的单位功率运行维护成本;Pi t为微型燃气轮机i的电功率输出,单位是kW;为分布式发电系统i的出力,单位是kW;和分别泛指三类储能设备的充放能功率,单位是kW;为燃气锅炉的制热功率,单位已换算至kW;为余热锅炉的制热功率,单位已换算至kW;为吸收式制冷机的制冷功率,单位已换算至kW;为压缩式电制冷机的运行功率,单位为kW;为空调系统运行功率,单位为kW,每个公式的计算周期都为k+1时刻到k+24时刻。
3.2实时运行滚动优化约束的确定
实时运行滚动优化约束包括电功率平衡约束、冷热功率供给约束、设备容量约束、设备运行约束等,平衡约束、供给约束和设备容量约束都和日前调度模型类似,只需要把时间从第k个小时延伸到k+24个小时即可,对于滚动优化过程,要增加各类设备的功率爬坡约束,以及对储能设备运行约束做出修改。
冷热电混合能源系统内设备的实时运行约束如下:
(1)爬坡约束
对于微型燃气轮机:
Pi k+Δt-Pi k≤Pi max,Δt,i∈nCHP (27)
对于余热锅炉
对于溴化锂吸收式制冷机组:
对于燃气锅炉:
对于电制冷机机组:
对于空调设备:
对于热(冷)储能设备:
功率爬坡约束限制了供能设备前后两个相邻时间段的功率变化不能大于极限值,即下一个时刻的运行变量受前一个时刻的运行变量约束,这在实时运行中非常重要。式中:Pi k和Pi k+Δt分别为燃气轮机机组在k时刻和k+Δt时刻的功率输出值,Pi max,Δt为燃气轮机机组在Δt时段内的最大功率变化值;和分别为余热锅炉在k时刻和k+Δt时刻的热功率输出值,为余热锅炉在Δt时段内的最大热功率变化值;和分别为溴化锂吸收式制冷机组在k时刻和k+Δt时刻的冷功率输出值,为溴化锂吸收式制冷机组在Δt时段内的最大冷功率变化值;和分别为燃气锅炉在k时刻和k+Δt时刻的热功率输出值,为燃气锅炉在Δt时段内的最大热功率变化值;和分别为电制冷冷水机组在k时刻和k+Δt时刻的冷功率输出值,为电制冷冷水机组在Δt时段内的最大冷功率变化值;和分别为空调系统在k时刻和k+Δt时刻的电功率消耗值,为空调系统在Δt时段内的最大电功率消耗变化值;和为Δt时段的储热(冷)设备输入和输出功率;和为储热(冷)设备的Δt时段输入和输出功率极限;
(2)储能设备运行约束
日前调度控制中对储能的控制是闭环控制,即认为第一天的第1个时刻和第二天的第1个时刻情况相同,因此认为第一天的第1个时刻和第一天的第24个时刻在变量层面上数值相邻。而在实时运行过程中,滚动优化过程中不需要对储能设备进行闭环控制,但需要考虑插值修正的因素,因此对储能设备的运行约束有了一些变化。
实时运行条件下的储能设备运行特性差分方程模型为:
式中:Sstor(t)为储能装置在t时段储存的能量,t时段为t-1时刻和t时刻之间的时间间隔,Δt为t-1时刻和t时刻之间的时间间隔长度,Pabs(t)和Pabs(t+1)分别为t时段和t+1时段的储能功率,Prelea(t)和Prelea(t+1)分别为t时段和t+1时段的供能功率,μ为储能装置自身向环境散能和自损的能量系数,ηabs为储能装置的储能效率,ηrelea为储能装置的供能效率。
3.3实时运行滚动优化模型的求解
由于滚动优化模型中的设备众多,在列写约束条件矩阵时会产生大量稀疏矩阵元素,当使用全局解空间搜索类算法如遗传算法或粒子群算法时会使得求解过程变得非常漫长,而内点法在求解优化模型时采用稀疏矩阵处理技巧,可以充分利用修正矩阵的稀疏性,能够快速求解大规模非线性优化问题,因此使用基于Hessian矩阵迭代的内点法对冷热电混合能源系统滚动优化过程进行求解,求解模型的标准形式为:
基于Hessian矩阵迭代的内点法在求解的过程中构造了满足卡罗需-库恩-塔克(Karush-Kuhn-Tucker)条件的拉格朗日辅助函数:
L(x,λ)=f(x)+∑λc,ici(x)+∑λA,i(Ax-b)+∑λceq,iceqi(x)+∑λAeq,i(Aeqx-beq)(37)
其修正方程式中的二阶导函数Hessian矩阵为:
通过对修正方程组中矩阵进行变换,LDLT分解以及回代并修正,可以实现迭代求解,满足收敛条件后自动停止迭代。其中上式中待优化的变量x为n维变量,包括燃气轮机联供系统的逐小时冷热电出力、辅助型供能设备的逐小时出力、各类储能设备的逐小时出力、储能的SOC状态以及与电网交互的购售电量;约束条件中不等式约束为微型燃气轮机的出力函数约束,线型部分有p个线型不等式约束和q个线型等式约束,包括供能设备出力约束、冷热电负荷约束以及储能SOC上下限约束等;λc,i、λA,i、λceq,i和λAeq,i为拉格朗日乘子,维度和各自的约束条件个数相同;x、lb和ub均为n维列向量,b为p维列向量,beq为q维列向量,A为p×n维矩阵,Aeq为q×n维矩阵,Hessian矩阵为n×n维矩阵。
四、执行实时运行修正与滚动优化结果
在执行实时运行修正与滚动优化时,分为滚动优化已完成和滚动优化未完成两种情况,对于不同情况采用不同的指令制定及下发策略,设t时刻和t+Δt时刻均为k时段内的某个时间点,k时段为k时刻和k+1时刻之间的时间间隔。
若t时刻滚动优化未完成,即滚动优化结果未计算出,则系统按照之前给定的日前调度计划进行线性插值,获取k时段内的原始功率出力基准点,然后根据通过超短期负荷预测得到的t+Δt时刻系统内的电负荷值和t+Δt时刻可再生能源发电功率值进行日前调度模型的实时运行修正,得到t+Δt时刻实时优化运行的调度方案。
若t时刻滚动优化已完成,即滚动优化结果计算产生,则系统使用新的滚动优化调度计划替代之前给定的日前调度计划进行线性插值,获取k时段内的剩余时刻功率出力基准点,然后根据通过超短期负荷预测得到的t+Δt时刻系统内的电负荷值和t+Δt时刻可再生能源发电功率值进行日前调度模型的实时运行修正,得到t+Δt时刻实时优化运行的调度方案。
有益效果:本发明提供的接入大规模可再生能源的混合能源系统实时调度方法,提出大规模可再生能源接入下冷热电混合能源系统实时运行修正模型,该模型对日前制定的冷热电混合能源系统运行方案作出实时修正以抵消预测误差的影响,以保障冷热电混合能源系统能够安全、稳定、可靠和经济运行,在此基础上提出冷热电混合能源系统实时运行滚动优化模型,以更新各类供能设备下一时刻的计划运行点。通过执行实时运行修正模型和实时运行滚动优化模型的调度结果,系统能够在兼顾日前调度计划的情况下实现能源的实时供需平衡,完成大规模可再生能源接入下冷热电混合能源系统的实时优化运行与调度的目标。
附图说明
图1为在确定实时最大可调功率约束过程中增发情况下有足够可调容量时的最大计划功率调整量;
图2为在确定实时最大可调功率约束过程中增发情况下没有足够可调容量时的最大计划功率调整量;
图3为在确定实时最大可调功率约束过程中减发情况下有足够可调容量时的最大计划功率调整量;
图4为在确定实时最大可调功率约束过程中减发情况下没有足够可调容量时的最大计划功率调整量;
图5为冷热电混合能源系统实时运行修正流程;
图6为冷热电混合能源系统实时运行滚动优化过程;
图7为冷热电混合能源系统实时运行非整点时刻某设备的供能基值指定;
图8为冷热电混合能源系统实时运行滚动优化模型的求解流程;
图9为冷热电混合能源系统实时运行滚动优化操作流程;
图10为冷热电混合能源系统实时优化运行与调度执行流程;
图11为冷热电混合能源系统各类负荷及新能源出力实时波动情况;
图12为冷热电混合能源系统空间热负荷实时平衡曲线;
图13为冷热电混合能源系统热水负荷实时平衡曲线;
图14为冷热电混合能源系统空间冷负荷实时平衡曲线;
图15为冷热电混合能源系统冷冻制冷负荷实时平衡曲线;
图16为冷热电混合能源系统电负荷实时平衡曲线;
图17为冷热电混合能源系统实时及日前调度下热储能设备运行状态对比;
图18为冷热电混合能源系统实时及日前调度下冷储能设备运行状态对比;
图19为滚动优化情况和日前调度情况下燃气轮机计划发电功率对比;
图20为滚动优化情况和日前调度情况下燃气锅炉计划产热功率对比;
图21为滚动优化情况和日前调度情况下电冷水机组计划产冷功率对比;
图22为滚动优化情况和日前调度情况下溴化锂吸收式制冷机组计划产冷功率对比;
图23为滚动优化情况和日前调度情况下与外部电网计划交换功率对比;
图24为不同运行策略下的系统日前调度目标实现情况。
具体实施方式
下面结合附图对本发明作更进一步的说明。
实际应用中要实现接入大规模可再生能源的混合能源系统实时调度需要关注下面两个方面的问题:(1)实时调度方案能否对日前调度计划进行实时修正以抵消预测误差的影响,做到冷热电负荷与供给的实时匹配;(2)实时调度方案是否契合日前调度计划的目标,能否做到在考虑日前调度目标的情况下进行实时调节。
为了解决上述两个问题,采用一个典型的冷热电混合能源系统供能结构作为实例场景,采用的实时运行数据采集自天津中新生态城动漫园能源站及创展大厦,预报周期为5min,滚动周期为1h,其冷热电负荷及新能源出力实时波动数据如图11所示。
其中冷热电混合能源系统内的主要供能设备有微型燃气轮机、余热锅炉、吸收式制冷机、电制冷机、燃气锅炉、蓄电池、蓄热(冷)装置、户用空调和光伏电池,该系统通过集中式电力母线和公共电网交换电力,在系统电力供应不足时向大电网购电,在系统电力供应富余时向大电网售电。同时,认为冷热电混合能源系统内部无燃气生产,所需全部燃气由外部燃气公司供给,实例中的供能设备及储能设备的相关参数如表1和表2所示。
表1供能设备参数
表2储能设备参数
该地区采用分时电价计价方式,峰段时间为8点至11点,18点至23点;平段时间为7点至8点,11点至18点;谷段时间为23点至7点;分时段电价如表3所示,同时天然气价格设定为3.25元/立方米,认为其高位热值为8571大卡/立方米,将气价折算为0.325元/kW·h。
表3分时电价
图11中的实时波动数据是建立在日运行完成后的统计视角下绘制的,采样周期为5min,在实时运行时,曲线从左向右推进,只能预报当前时刻后一个预报周期的冷热电负荷及新能源出力数据。
下面对要实现接入大规模可再生能源的混合能源系统实时调度需要关注的两个方面的问题分别从两个过程进行分析。
一、混合能源系统内各类负荷实时平衡过程
由图11可知,实时场景下的各类负荷和可再生能源发电功率都和日前预报值有所偏差,其中空间热负荷、热水负荷在日前预报曲线的基础上略有上升,且伴随波动;空间冷负荷、冷冻制冷负荷在日前预报曲线的基础上整体略有下降,且伴随波动;纯电负荷和可再生能源发电功率存在短时间的随机波动。
通过采用本专利所提冷热电混合能源系统实时优化运行与调度方法,得到各类负荷的实时平衡及供能设备实时出力曲线,如图12到图16所示。
图12中空间热负荷由空调系统和微型燃气轮机系统内的余热锅炉联合供给,在低谷电价时刻空间热负荷的实时波动全部由空调系统增发来提供,部分峰段电价时刻由空调系统和微型燃气轮机系统中的余热锅炉共同按照下垂功率进行增发来满足。
由图13可知,该冷热电混合能源系统中的热水负荷实时增量由余热锅炉、燃气锅炉和热储能设备来满足。在日前调度计划中,由于使用天然气供热水价格较高,燃气锅炉并未列入热水供应优化方案,但在滚动优化的过程中由于热负荷有了一定程度上的上涨,由于燃气轮机运行功率的限制,故滚动优化到第8小时左右开始启动燃气锅炉进行热水生产,一直持续到夜间电价低谷时刻。热储能设备一方面承担移峰填谷的任务,一方面配合其他两个供能设备按照下垂功率调整功率输出来满足差额负荷。
图14中实时空间冷负荷由空调系统、微型燃气轮机系统以及压缩式电制冷机联合供给,在低谷电价时空间,空间冷负荷较日前预报有所下降,减发的能源全部由空调及压缩式电制冷机来承担,其余时刻的减发能源主要由微型燃气轮机系统中的溴化锂吸收式制冷机组通过降低进气量来减少冷能生产的方式来承担。
由图15可知,由于户用空调系统只能满足系统的空间冷负荷需求,该系统中的冷冻制冷负荷实时变化由溴化锂吸收式制冷机组、压缩式电制冷机和冷储能设备共同按照下垂功率调节来满足,冷储能设备一方面按照滚动优化的结果在大局上移峰填谷降低运行成本,一方面按照实时调节需求消纳部分不平衡功率,并没有在某一时刻因为有负荷波动而进行最大出力进而消耗完调节容量,保证了系统在实时运行时兼顾日前调度的经济性。
如图16所示,系统的各类供能设备由于要满足冷热负荷的实时变化,故在下一时刻电功率消耗已经确定,本算例中的平衡实时电负荷波动和新能源出力波动的手段是靠外部电网消纳,系统的所有不平衡电功率都由外部电网进行平衡,以保证日前计划调度的有效实施。
由图17和图18可知,在整个优化调度周期内,实时运行条件下热储能的储能状态整体上要高于日前调度的计划值,而冷储能则是先低后高,这是由于实时运行条件下的冷热储能状态同时受到功率实时平衡和下一阶段滚动优化的影响,也从这个角度上证明了本专利所提冷热电混合能源系统实时优化运行与调度方法的有效性。
由以上描述可知,本发明提出的实时调度方案能够对日前调度计划进行实时修正以抵消预测误差的影响,做到冷热电负荷与供给的实时匹配。
二、对混合能源系统计划运行点产生影响的滚动优化过程
第一个过程基于实时运行修正角度,时间尺度为预报周期(5min),下面着眼于实时运行中的滚动优化,通过对比日前调度情况下和滚动优化情况下的具体代表性供能设备的出力曲线来说明滚动优化的必要性,如图19至图24所示。
由图19可知,燃气轮机发电功率曲线受到余热锅炉和吸收式制冷机组出力的限制,由于在实时运行的过程中空间热负荷和热水负荷提升而空间冷负荷和冷冻制冷负荷下降,故总体上对燃气轮机废热的需求变化不大,因而滚动优化情况和日前调度情况下燃气轮机计划发电功率曲线有所差异,但差异较小。
由图20可知,日前调度计划中燃气锅炉不参与整个系统的能源供应,而在实时调度时,由于热负荷需求提升,在滚动优化的过程中将燃气锅炉纳入了系统的能源供应环节,实时调度情况与日前调度计划有显著差异。
由图21和图22可知,电冷水机组和溴化锂吸收式制冷机组在滚动优化情况下的计划出力曲线整体上要稍低于日前调度计划的出力曲线,这是由于在实际的运行过程中冷负荷减少导致的。
由图23可知,与外部电网进行功率交换的计划曲线在滚动优化后预期运行点要比日前优化运行曲线高,这说明整个系统在实时运行过程中的总体能源需求较之昨日预报情况略有上涨,因为冷热负荷的变化会集中反映在电负荷的变化上,即反映在和外部电网计划交换功率上。
综上,经过实时修正并滚动优化后的供能方案可以应对冷热电混合能源系统中的负荷变化和新能源出力波动,实现园区内的能源实时供需平衡。在仅包含经济性目标的滚动优化过程中,为突出本专利所提实时优化运行与调度方法的效果,进行了三种调度场景下的模拟运行,如图24所示。
其中仅修正不滚动优化的调度方式采用了日前优化调度策略,然后在能源供应缺额的时刻采取实时修正运行方式,该调度方式下的日运行费用为27116.3元;在本专利所提的实时修正结合滚动优化调度策略下,日运行费用为25164.8元;理想情况下指的是假设日前的负荷预报值及新能源发电功率预测值和实际情况完全一致,即实时运行情况和日前调度完全无差,在这种情况下的日运行费用为24352.9元。系统在使用了本专利所提实时优化调度策略后较仅修正不滚动运行方式的日运行费用降低了7.20%,同时比理想情况运行费用仅上升了3.23%。由于现实情况下无法实现冷热电负荷和新能源出力的绝对准确预测因而无法达到,因此证明了本专利所提冷热电混合能源系统实时优化运行与调度方法的有效性。
由以上描述可知,本专利提出的实时调度方案契合日前调度计划的目标,做到了在考虑日前调度目标的情况下进行实时调节。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种接入大规模可再生能源的混合能源系统实时调度方法,其特征在于:对日前调度模型进行实时运行修正,t+Δt时刻的冷热电混合能源系统内净电负荷调整增量为:
其中:为在t时刻通过超短期负荷预测得到的t+Δt时刻系统内的电负荷值,为t+Δt时刻系统内的电负荷日前预测值,为在t时刻通过超短期负荷预测得到的t+Δt时刻可再生能源发电功率值,为t+Δt时刻可再生能源发电功率的日前预测值,为系统中各类电-热冷转换设备通过实时调节在t+Δt时刻产生的新增电功率负荷值,Δt为超短期负荷预测及可再生能源出力预测的预测周期。
2.根据权利要求1所述的接入大规模可再生能源的混合能源系统实时调度方法,其特征在于:冷热电混合能源系统内供能设备的最大计划功率调整量受到功率调节裕度和实时功率爬坡限制的共同约束。
3.根据权利要求1所述的接入大规模可再生能源的混合能源系统实时调度方法,其特征在于:在进行实时运行修正时,需分别统计对应于空间热负荷、热水负荷、空间冷负荷和冷冻制冷负荷的当前所有可调节供能设备,分别确定能源供给分配下垂系数和能源供给调整量:
对于任意一类负荷,在t+Δt时刻,供能设备i的能源供给分配下垂系数和能源供给调整量分别为:
其中:Ki t+Δt为供能设备i的供能系数,为系统的总供能系数,n为该类负荷中可调节功能设备的总量;Ci t+Δt为供能设备i在t+Δt时刻的功率出力;为供能设备i在t+Δt时刻承担的能源供给调整量,ΔHSpace为等待分配的缺额功率;
当四类负荷在t+Δt时刻的能源调整量均计算完毕时,对所有供能设备的电能消耗量进行更新,统计t+Δt时刻系统内的电负荷日前预测值和可再生能源发电功率的日前预测值,结合超短期负荷预测得到的t+Δt时刻系统内的电负荷值和t+Δt时刻可再生能源发电功率值,即可得到t+Δt时刻的净电负荷调整增量。
4.根据权利要求1所述的接入大规模可再生能源的混合能源系统实时调度方法,其特征在于:通过能源供给分配下垂系数分配调整功率时,需要校验供能设备i承担的能源供给调整量是否超过最大计划功率调整量:若供能设备i承担的能源供给调整量超过最大计划功率调整量,则供能设备i只承担部分下垂功率调节任务;否则,供能设备i承担全部下垂功率调节任务。
5.根据权利要求1所述的接入大规模可再生能源的混合能源系统实时调度方法,其特征在于:在日前调度的实时运行修正的基础上,采用滚动优化模型,当前一个时刻系统供需状态确定了以后,立即结合最新的负荷预测曲线,进行下一个日内的滚动优化,为下一个时刻提供原始功率出力基准点。
6.根据权利要求1所述的接入大规模可再生能源的混合能源系统实时调度方法,其特征在于:滚动优化过程中不需要对储能设备进行闭环控制,但需要考虑插值修正的因素,实时运行条件下的储能设备运行特性差分方程模型为:
其中:Sstor(t)为储能装置在t时段储存的能量,t时段为t时刻和t+1时刻之间的时间间隔,Δt为t时刻和t+1时刻之间的时间间隔长度,Pabs(t)和Pabs(t+1)分别为t时段和t+1时段的储能功率,Prelea(t)和Prelea(t+1)分别为t时段和t+1时段的供能功率,μ为储能装置自身向环境散能和自损的能量系数,ηabs为储能装置的储能效率,ηrelea为储能装置的供能效率。
7.根据权利要求1所述的接入大规模可再生能源的混合能源系统实时调度方法,其特征在于:在执行实时运行修正与滚动优化时,分为滚动优化已完成和滚动优化未完成两种情况,对于不同情况采用不同的指令制定及下发策略,设t时刻和t+Δt时刻均为k时段内的某个时间点,k时段为k时刻和k+1时刻之间的时间间隔:
若t时刻滚动优化未完成,即滚动优化结果未计算出,则系统按照之前给定的日前调度计划进行线性插值,获取k时段内的原始功率出力基准点,然后根据通过超短期负荷预测得到的t+Δt时刻系统内的电负荷值和t+Δt时刻可再生能源发电功率值进行日前调度模型的实时运行修正,得到t+Δt时刻实时优化运行的调度方案。
若t时刻滚动优化已完成,即滚动优化结果计算产生,则系统使用新的滚动优化调度计划替代之前给定的日前调度计划进行线性插值,获取k时段内的剩余时刻功率出力基准点,然后根据通过超短期负荷预测得到的t+Δt时刻系统内的电负荷值和t+Δt时刻可再生能源发电功率值进行日前调度模型的实时运行修正,得到t+Δt时刻实时优化运行的调度方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711390589.0A CN108133285B (zh) | 2017-12-21 | 2017-12-21 | 一种接入大规模可再生能源的混合能源系统实时调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711390589.0A CN108133285B (zh) | 2017-12-21 | 2017-12-21 | 一种接入大规模可再生能源的混合能源系统实时调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108133285A true CN108133285A (zh) | 2018-06-08 |
CN108133285B CN108133285B (zh) | 2021-05-11 |
Family
ID=62392040
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711390589.0A Active CN108133285B (zh) | 2017-12-21 | 2017-12-21 | 一种接入大规模可再生能源的混合能源系统实时调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108133285B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109858697A (zh) * | 2019-01-31 | 2019-06-07 | 山东大学 | 计及源荷随机的冷热电联供系统优化运行方法及系统 |
CN110009262A (zh) * | 2019-04-28 | 2019-07-12 | 国网福建省电力有限公司福州供电公司 | 一种主动配电网的日前-日内两阶段优化调度方法 |
CN110046791A (zh) * | 2019-02-28 | 2019-07-23 | 中国电力科学研究院有限公司 | 一种能源站场景建设方法及系统 |
CN110659788A (zh) * | 2018-06-29 | 2020-01-07 | 中国电力科学研究院有限公司 | 一种用户侧综合能源系统的供需平衡分析方法和系统 |
CN111489009A (zh) * | 2019-06-06 | 2020-08-04 | 国网辽宁省电力有限公司 | 一种电动汽车充电站运行方式的优化计算方法及装置 |
CN111555362A (zh) * | 2020-04-09 | 2020-08-18 | 南京南瑞继保电气有限公司 | 一种用于全可再生能源热电气储耦合系统的优化调控方法及装置 |
CN113449900A (zh) * | 2021-01-27 | 2021-09-28 | 国网山东省电力公司济南供电公司 | 一种面向终端用户的综合能源优化方法及系统 |
CN114399172A (zh) * | 2021-12-27 | 2022-04-26 | 西安交通大学 | 多场景适应多能设备组合的园区电热实时调度方法及系统 |
US11734553B2 (en) | 2017-11-03 | 2023-08-22 | Imagination Technologies Limited | Error allocation format selection for hardware implementation of deep neural network |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392286A (zh) * | 2014-12-02 | 2015-03-04 | 山东大学 | 考虑冷热电联供和储能运行策略的微电网运行优化方法 |
CN105869075A (zh) * | 2016-04-19 | 2016-08-17 | 东南大学 | 一种冷热电联供型微型能源网经济优化调度方法 |
-
2017
- 2017-12-21 CN CN201711390589.0A patent/CN108133285B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392286A (zh) * | 2014-12-02 | 2015-03-04 | 山东大学 | 考虑冷热电联供和储能运行策略的微电网运行优化方法 |
CN105869075A (zh) * | 2016-04-19 | 2016-08-17 | 东南大学 | 一种冷热电联供型微型能源网经济优化调度方法 |
Non-Patent Citations (1)
Title |
---|
何成明: "大规模风电并网的有功协调控制研究", 《中国博士学位论文全文数据库》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11734553B2 (en) | 2017-11-03 | 2023-08-22 | Imagination Technologies Limited | Error allocation format selection for hardware implementation of deep neural network |
CN110659788A (zh) * | 2018-06-29 | 2020-01-07 | 中国电力科学研究院有限公司 | 一种用户侧综合能源系统的供需平衡分析方法和系统 |
CN109858697A (zh) * | 2019-01-31 | 2019-06-07 | 山东大学 | 计及源荷随机的冷热电联供系统优化运行方法及系统 |
CN110046791A (zh) * | 2019-02-28 | 2019-07-23 | 中国电力科学研究院有限公司 | 一种能源站场景建设方法及系统 |
CN110009262A (zh) * | 2019-04-28 | 2019-07-12 | 国网福建省电力有限公司福州供电公司 | 一种主动配电网的日前-日内两阶段优化调度方法 |
CN110009262B (zh) * | 2019-04-28 | 2024-09-17 | 国网福建省电力有限公司福州供电公司 | 一种主动配电网的日前-日内两阶段优化调度方法 |
CN111489009B (zh) * | 2019-06-06 | 2023-07-25 | 国网辽宁省电力有限公司 | 一种电动汽车充电站运行方式的优化计算方法及装置 |
CN111489009A (zh) * | 2019-06-06 | 2020-08-04 | 国网辽宁省电力有限公司 | 一种电动汽车充电站运行方式的优化计算方法及装置 |
CN111555362B (zh) * | 2020-04-09 | 2022-07-22 | 南京南瑞继保电气有限公司 | 一种用于全可再生能源热电气储耦合系统的优化调控方法及装置 |
CN111555362A (zh) * | 2020-04-09 | 2020-08-18 | 南京南瑞继保电气有限公司 | 一种用于全可再生能源热电气储耦合系统的优化调控方法及装置 |
CN113449900A (zh) * | 2021-01-27 | 2021-09-28 | 国网山东省电力公司济南供电公司 | 一种面向终端用户的综合能源优化方法及系统 |
CN114399172A (zh) * | 2021-12-27 | 2022-04-26 | 西安交通大学 | 多场景适应多能设备组合的园区电热实时调度方法及系统 |
CN114399172B (zh) * | 2021-12-27 | 2025-02-21 | 西安交通大学 | 多场景适应多能设备组合的园区电热实时调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108133285B (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gu et al. | Residential CCHP microgrid with load aggregator: Operation mode, pricing strategy, and optimal dispatch | |
CN112308334B (zh) | 一种基于主从合作博弈的多虚拟电厂联合优化调度方法 | |
CN108133285A (zh) | 一种接入大规模可再生能源的混合能源系统实时调度方法 | |
CN108229025B (zh) | 一种冷热电联供型多微网主动配电系统经济优化调度方法 | |
Lu et al. | Optimal scheduling of buildings with energy generation and thermal energy storage under dynamic electricity pricing using mixed-integer nonlinear programming | |
CN110807588B (zh) | 一种多能源耦合综合能源系统的优化调度方法 | |
Bao et al. | A multi time-scale and multi energy-type coordinated microgrid scheduling solution—Part I: Model and methodology | |
Sun et al. | Building-group-level performance evaluations of net zero energy buildings with non-collaborative controls | |
Fan et al. | A collaborative control optimization of grid-connected net zero energy buildings for performance improvements at building group level | |
CN112700094B (zh) | 一种基于mpc及loddlc的综合能源系统多时间尺度优化调度方法 | |
CN108875992B (zh) | 一种考虑需求响应的虚拟电厂日前优化调度方法 | |
Gao et al. | A GA-based coordinated demand response control for building group level peak demand limiting with benefits to grid power balance | |
CN109859071B (zh) | 虚拟电厂多能互补的源荷储优化配置方法 | |
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 | |
CN108521132B (zh) | 多能互补支撑电网频率调节的多时间尺度优化控制方法 | |
CN106096790A (zh) | 基于变频空调虚拟机组建模的虚拟电厂日前和实时市场优化调度方法 | |
CN115730747A (zh) | 一种综合能源系统多主体利益分配方法及其应用 | |
CN117559526A (zh) | 一种基于光储充一体化充电站的拟路由器能量调控方法 | |
Sun et al. | A demand limiting strategy for maximizing monthly cost savings of commercial buildings | |
Qi et al. | Chance constrained economic dispatch of central air conditionings in large-scale commercial buildings considering demand response | |
Chen et al. | Micro grid scheduling optimization based on quantum particle swarm optimization (QPSO) algorithm | |
CN117875644A (zh) | 一种综合能源系统多时间尺度优化方法及系统 | |
Du et al. | Day-ahead bidding strategy for the smart-building virtual power plant participating in energy and frequency regulation market | |
Shi et al. | Economic operation of industrial microgrids with multiple kinds of flexible loads | |
Chen et al. | Optimal Scheduling of CCHP Based on Comprehensive Demand Response |
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 |