CN109617142A - 一种cchp型微电网多时间尺度优化调度方法及系统 - Google Patents
一种cchp型微电网多时间尺度优化调度方法及系统 Download PDFInfo
- Publication number
- CN109617142A CN109617142A CN201811522497.8A CN201811522497A CN109617142A CN 109617142 A CN109617142 A CN 109617142A CN 201811522497 A CN201811522497 A CN 201811522497A CN 109617142 A CN109617142 A CN 109617142A
- Authority
- CN
- China
- Prior art keywords
- load
- cchp
- unit
- parameters
- energy storage
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for AC mains or AC distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for AC mains or AC distribution networks
- H02J3/12—Circuit arrangements for AC mains or AC distribution networks for adjusting voltage in AC networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for AC mains or AC distribution networks for adjusting voltage in AC networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
- Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公布了一种CCHP型微电网多时间尺度优化调度方法及系统。所述多时间尺度优化调度方法包括：首先从需求侧响应出发，根据可切负荷和可调负荷参数确定电网补偿费用；其次根据CCHP机组参数、溴化锂吸收式制冷机组、相变储能装置参数分别建立其运行收益，从而建立三联供系统运行收益；最后建立系统运行成本及收益函数，并采用多时间尺度优化调度策略对CCHP型微电网进行优化调度，使其总成本最小。采用本发明所提供的多时间尺度优化调度方法及系统能够有效缓解电力缺额、提高可靠性，达到可再生能源的最大化利用。
Description
技术领域
本发明涉及微电网优化调度领域，特别是涉及一种CCHP型微电网多时间尺度优化调度方法及系统，对并网运行状态下的微网进行优化调度，即根据各微电源的参数和微网内的冷热电负荷需求，制定微网系统在未来一段时间内的发电计划，以使微网系统获得最佳的经济效益和供电可靠性。
背景技术
微电网优化调度的基本任务是指在满足微电网系统负荷需求的前提下，按照一定的控制策略，合理、有效地安排各台分布式电源的出力以及与配电网的交互功率，使得整个微电网的运行维护成本、排放成本等最低。
冷热电联供(combined cooling heating andpower，CCHP)型微电网相比于普通微电网，具有运行模式多样、能源利用率高、控制灵活、供电可靠性高以及环境污染小等特点，可以同时满足用户对冷、热、电多种类型能源的需求，具有良好的社会和经济效益。但是冷热电联供型微电网内部的能源结构和设备之间的耦合关系复杂，特别是冷热电联供系统的热电耦合现象，使得优化调度方案的确定变得非常困难；而采用“以热定电”或“以电定热”的运行方式，在一定程度上起到了热电解耦的作用，但不利于实现热电负荷的统一协调调度。
此外，微电网中可再生能源发电和负荷的间接性、波动性和随机性严重影响了整个微网的稳定性和经济性，例如传统电网调度存在局限性，造成各地风电场出现严重的弃风现象，电量损失问题日益突出，造成可再生能源的浪费。随着可再生能源并网容量的增加以及各种需求侧资源接入电网，仅仅利用发电侧资源进行优化调度，已经不能满足微电网经济调度的要求。
发明内容
本发明的目的是提供一种CCHP型微电网多时间尺度优化调度方法及系统，以解决由于传统电网调度存在局限性，造成各地风电场出现严重的弃风现象，电量损失以及可再生能源严重浪费的问题。
为实现上述目的，本发明提供了如下方案：
一种CCHP型微电网多时间尺度优化调度方法，包括：
获取可切负荷的可切负荷参数、可调负荷的可调负荷参数、CCHP机组参数、吸收式溴化锂制冷机组参数以及相变储能设备参数；所述可切负荷参数包括调度成本参数、市场电价、可切率以及所述可切负荷的额定功率；所述可调负荷参数包括可调率以及所述可调负荷的有功功率；所述CCHP机组参数包括CCHP机组热价、CCHP机组冷价、天然气价格、发电量、机组i在时段t的热出力、机组i在时段t的冷出力、所用的天然气量以及机组i的热气转化效率；所述吸收式溴化锂制冷机组参数包括供冷时长、燃气轮机的供热功率以及电制冷效率的热力系数；所述相变储能设备参数包括储能设备的热效率、热负荷以及冷负荷；
根据所述可切负荷参数确定切除所述可切负荷的电网补偿费用；
根据所述可调负荷参数确定所述可调负荷的负荷调整费用；
根据所述CCHP机组参数确定CCHP机组收益；
根据所述吸收式溴化锂制冷机组参数确定吸收式溴化锂制冷机组运行收益；
根据所述相变储能设备参数确定相变储能设备运行收益；
根据所述CCHP机组收益、所述吸收式溴化锂制冷机组运行收益以及所述相变储能设备运行收益建立三联供系统运行收益模型；
根据所述电网补偿费用、所述负荷调整费用以及所述三联供系统运行收益模型，按照多时间尺度优化调度策略对所述CCHP型微电网进行优化调度，使得CCHP型微电网的运行费用最小；所述多时间尺度优化调度策略包括日前优化调度阶段、日内滚动优化阶段、超短期调度阶段以及超超短期调度阶段；不同的调度阶段，对所述CCHP型微电网进行优化调度的目标函数不同。
可选的，所述根据所述可切负荷参数确定切除所述可切负荷的电网补偿费用，具体包括：
根据公式确定切除所述可切负荷的电网补偿费用；其中，Ccli(t)为切除所述可切负荷的电网补偿费用；εcli(t)为可切负荷的调度成本系数；cgrid(t)表示买卖市场电价；ρcli(t)为可切率；为可切负荷i的额定功率。
可选的，所述根据所述可调负荷参数确定所述可调负荷的负荷调整费用，具体包括：
根据公式确定所述可调负荷的负荷调整费用，其中，Calj(t)为所述可调负荷的负荷调整费用；δalj(t)为可调率；Palj(t)为可调整负荷j的有功功率；T为调整周期。
可选的，所述根据所述CCHP机组参数确定CCHP机组收益，具体包括：
根据公式CCCHP(t)＝cgrid(t)Pi(t)+cH(t)Ph(t)+cQ(t)PQ(t)-cF(t)PF(t)确定CCHP机组收益；其中，CCCHP(t)为CCHP机组收益；cH(t)为CCHP机组热价；cQ(t)为CCHP机组冷价；cF(t)为天然气价格；Pi(t)为发电量；Ph(t)为机组i在时段t的热出力；PQ(t)为机组i在时段t的冷出力；PF(t)＝Ph(t)/μH为所用天然气量，μH为机组i的热气转化效率。
可选的，所述根据所述吸收式溴化锂制冷机组参数确定吸收式溴化锂制冷机组运行收益，具体包括：
根据公式确定吸收式溴化锂制冷机组运行收益；其中，Cl-b(t)为吸收式溴化锂制冷机组运行收益；ts为供冷时长；Ph为燃气轮机的供热功率；ηCOPe为电制冷效率的热力系数；ηCOP为溴化锂制冷系统的制冷功率。
可选的，所述根据所述相变储能设备参数确定相变储能设备运行收益，具体包括：
根据公式确定相变储能设备运行收益；其中，Cp-c(t)为相变储能设备运行收益；η为储能设备的热效率；Lh为热负荷；Lc为冷负荷；ton|winter为在冬季三联供机组产热大于热负荷的时间；ton|summer为在夏季三联供机组产热大于热负荷的时间。
可选的，所述根据所述CCHP机组收益、所述吸收式溴化锂制冷机组运行收益以及所述相变储能设备运行收益建立三联供系统运行收益模型，具体包括：
根据公式C(t)＝CCCHP(t)+Cl-b(t)+Cp-c(t)建立三联供系统运行收益模型；C(t)为三联供系统运行收益。
可选的，所述根据所述电网补偿费用、所述负荷调整费用以及所述三联供系统运行收益模型，按照多时间尺度优化调度策略对所述CCHP型微电网进行优化调度，使得CCHP型微电网的运行费用最小，具体包括：
在所述日前优化调度阶段内，根据公式
对所述CCHP型微电网进行优化调度；其中，NR为可控分布式电源的个数；I为可切除负荷的数量；J为可调整负荷的数量；Pi(t)表示第i个分布式电源在t时刻的出力，Ci(Pi(t))表示第i个分布式电源出力为Pi(t)时的成本，ΔT为调度周期时长；CDGg(t)为可控分布式电源的运行维护费用；Cbat(t)为蓄电池的使用成本；Cgrid(t)为与大电网的交互费用；
在所述日内滚动优化阶段内，根据公式对所述CCHP型微电网进行优化调度；其中，ΔPi(t)为分布式电源i的功率调整量；T0为当前时间节点；
在所述超短期调度阶段内，根据公式对所述CCHP型微电网进行优化调度；其中，表示超短期调度t时刻综合调度成本，表示该时段滚动优化对应成本；
在所述超超短期调度阶段内，根据公式对所述CCHP型微电网进行优化调度；其中，
Pr(k+n)为有功出力参考值，由短期尺度优化得到；P(k+n)为超短期尺度优化的分布式电源、大电网、储能及可切负荷的预测值；P0(k+n)为超短期尺度优化各部分有功出力的初始值；Δu(k+t-1)为预测的[k+t-1，k+t]时段内的有功出力增量；为可控分布式电源的有功出力参考值；为大电网交互的有功出力参考值；为可切负荷的有功出力参考值；为可调负荷的有功出力参考值；为储能电池的有功出力参考值。
一种CCHP型微电网多时间尺度优化调度系统，包括：
参数获取模块，用于获取可切负荷的可切负荷参数、可调负荷的可调负荷参数、CCHP机组参数、吸收式溴化锂制冷机组参数以及相变储能设备参数；所述可切负荷参数包括调度成本参数、市场电价、可切率以及所述可切负荷的额定功率；所述可调负荷参数包括可调率以及所述可调负荷的有功功率；所述CCHP机组参数包括CCHP机组热价、CCHP机组冷价、天然气价格、发电量、机组i在时段t的热出力、机组i在时段t的冷出力、所用的天然气量以及机组i的热气转化效率；所述吸收式溴化锂制冷机组参数包括供冷时长、燃气轮机的供热功率以及电制冷效率的热力系数；所述相变储能设备参数包括储能设备的热效率、热负荷以及冷负荷；
电网补偿费用确定模块，用于根据所述可切负荷参数确定切除所述可切负荷的电网补偿费用；
负荷调整费确定模块，用于根据所述可调负荷参数确定所述可调负荷的负荷调整费用；
CCHP机组收益确定模块，用于根据所述CCHP机组参数确定CCHP机组收益；
吸收式溴化锂制冷机组运行收益确定模块，用于根据所述吸收式溴化锂制冷机组参数确定吸收式溴化锂制冷机组运行收益；
相变储能设备运行收益确定模块，用于根据所述相变储能设备参数确定相变储能设备运行收益；
三联供系统运行收益模型建立模块，用于根据所述CCHP机组收益、所述吸收式溴化锂制冷机组运行收益以及所述相变储能设备运行收益建立三联供系统运行收益模型；
优化调度调整模块，用于根据所述电网补偿费用、所述负荷调整费用以及所述三联供系统运行收益模型，按照多时间尺度优化调度策略对所述CCHP型微电网进行优化调度，使得CCHP型微电网的运行费用最小；所述多时间尺度优化调度策略包括日前优化调度阶段、日内滚动优化阶段、超短期调度阶段以及超超短期调度阶段；不同的调度阶段，对所述CCHP型微电网进行优化调度的目标函数不同。
可选的，所述电网补偿费用确定模块具体包括：
电网补偿费用确定单元，用于根据公式确定切除所述可切负荷的电网补偿费用；其中，Ccli(t)为切除所述可切负荷的电网补偿费用；εcli(t)为可切负荷的调度成本系数；cgrid(t)表示买卖市场电价；ρcli(t)为可切率；为可切负荷i的额定功率。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明提供了一种CCHP型微电网多时间尺度优化调度方法及系统，基于需求侧响应(考虑柔性负荷特性，对可切负荷和可调负荷进行设定，并建立一定的补偿机制)，根据对冷热能的需求，对用户在某时刻的热能成本给予部分或全部补偿，激励用户在特定时刻多消耗热能，从而提高CCHP的产热量，确定CCHP机组收益，以及可再生能源的不确定性，通过冷、热、电等多种能源在价格、用能特性、用能需求上的差异性和互补性，针对不同时段，按照多时间尺度调度策略对CHP型微电网进行优化调度，既能有效地缓解电力缺额、提高功能可靠性，又能达到可再生能源的最大化利用，实现CCHP型微电网的经济运行，减少电量损失、各地风电场弃风现象的发生以及可再生能源的浪费。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所提供的CCHP型微电网多时间尺度优化调度方法流程图；
图2为本发明所提供的三联供系统配置相变储能设备协同运行方案系统图；
图3为本发明所提供的吸收式溴化锂制冷机工作原理示意图；
图4为本发明所提供的CCHP型微电网系统结构图；
图5为本发明所提供的CCHP型微电网多时间尺度调度框图；
图6为本发明所提供的CCHP型微电网多时间尺度优化调度系统结构图；
图7为本发明所提供的基于需求侧响应的CCHP型微电网多时间尺度调度结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种CCHP型微电网多时间尺度优化调度方法及系统，以有效地缓解电力缺额、提高功能可靠性，达到可再生能源的最大化利用，实现CCHP型微电网的经济运行，减少电量损失，减少各地风电场弃风现象的发生以及可再生能源的浪费。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的CCHP型微电网多时间尺度优化调度方法流程图，图1所示，一种CCHP型微电网多时间尺度优化调度方法，包括：
步骤101：获取可切负荷的可切负荷参数、可调负荷的可调负荷参数、CCHP机组参数、吸收式溴化锂制冷机组参数以及相变储能设备参数；所述可切负荷参数包括调度成本参数、市场电价、可切率以及所述可切负荷的额定功率；所述可调负荷参数包括可调率以及所述可调负荷的有功功率；所述CCHP机组参数包括CCHP机组热价、CCHP机组冷价、天然气价格、发电量、机组i在时段t的热出力、机组i在时段t的冷出力、所用的天然气量以及机组i的热气转化效率；所述吸收式溴化锂制冷机组参数包括供冷时长、燃气轮机的供热功率以及电制冷效率的热力系数；所述相变储能设备参数包括储能设备的热效率、热负荷以及冷负荷。
步骤102：根据所述可切负荷参数确定切除所述可切负荷的电网补偿费用。
步骤103：根据所述可调负荷参数确定所述可调负荷的负荷调整费用。
步骤104：根据所述CCHP机组参数确定CCHP机组收益。
本发明考虑需求侧响应问题，包括两部分：
①考虑柔性负荷特性：对可切负荷和可调负荷进行设定，并建立一定的补偿机制。
所谓柔性负荷互动响应调度就是考虑将具有调整能力的负荷资源作为调度对象，采用与之相适应的各种需求响应措施，实现柔性负荷与电源之间的互动响应，以应对可再生能源间歇性问题，达到能源资源优化配置的目标。
按照负荷特性可将其分为三类：关键负荷、可切负荷和可调负荷。其中关键负荷为不可控负荷，系统需时刻满足该类负荷的需求；可切负荷，其负荷等级较低，切除不会对微电网造成不利影响，且在其切除费用低于其他调度费用时，选择甩负荷策略；可调负荷，其运行工作时间可平移，可将其从峰时平移至谷时。根据不同的负荷特性进行针对性处理更有利于微电网运行的经济性。
式(1)为切除可切负荷的电网补偿费用；εcli(t)为可切负荷的调度成本系数；cgrid(t)表示买卖市场电价；ρcli(t)为可切率；为可切负荷i的额定功率；式(2)为可调负荷的负荷调整费用；δalj(t)为可调率；Palj(t)为可调整负荷j的有功功率。
式(3)为可切负荷的功率调整约束；和为可切负荷的最大、最小可切率；式(4)为可调负荷的运行约束，可调负荷只有在给定时间窗口内运行，且一旦运行在未完成任务之前不能停止。
②激励CCHP系统互动机制的制定：根据对冷热能的需求，对用户在某时刻的热能成本给予部分或全部补偿，激励用户在特定时刻多消耗热能，从而提高CCHP的产热量。
激励CCHP系统参与互动的主要方式是通过冷、热补偿的方式刺激用户对热的需求。管理中心根据用户对热和冷的需求特性，对用户在某时段多出原计划热负荷的用能成本给予部分或全部补偿，从而增大热、冷负荷；由于CCHP机组以以电定热或以热定电的方式工作，在增加热出力的同时也增加了发电量，若冷、热补偿费用低于可中断补偿费用，则CCHP机组将被优先调度，同时总调度成本将减少。另外，随着热出力增加而增发的电量以统一收购价格卖给大电网或者以合同价格直降向用户供电。CCHP机组收益为：
CCCHP(t)＝cgrid(t)Pi(t)+cH(t)Ph(t)+cQ(t)PQ(t)-cF(t)PF(t) (5)
式(5)中，cH(t)为CCHP机组热价；cQ(t)为CCHP机组冷价；cF(t)为天然气价格；Pi(t)为发电量；Ph(t)为机组i在时段t的热出力；PQ(t)为机组i在时段t的冷出力；PF(t)＝Ph(t)/μH为所用天然气量，μH为机组i的热气转化效率，与产热量有关。
步骤105：根据所述吸收式溴化锂制冷机组参数确定吸收式溴化锂制冷机组运行收益。
步骤106：根据所述相变储能设备参数确定相变储能设备运行收益。
步骤107：根据所述CCHP机组收益、所述吸收式溴化锂制冷机组运行收益以及所述相变储能设备运行收益建立三联供系统运行收益模型。
设计相变储能设备配合联供系统运行的方案：蓄冷/热储能装置采用相变储能，解决能源供需关系在时间上的不匹配问题；在谷电时段通过电锅炉进行电热蓄热，不仅弃风消纳，而且起到电力调峰的作用。
相变储能设备是指使用相变材料吸收或释放潜热以实现对热能的有效存储利用，可以用来解决热能在生产与需求上的差距，改善能源浪费的现象。相变储能是利用材料在热作用下发生物理状态的改变产生热量存储和释放的过程，与显热储能相比有储能密度高和存释能过程中温度恒定可控的两大优势。相变材料的温度不断升高，在达到相变温度物理状态发生变化，材料自身的温度在相变完成前几乎不变；同时大量相变热被吸收和释放出来，产生了一个比较宽的温度平台。在相同的蓄热量和相同温差的前提下，相变材料的蓄热相对体积比显热材料小4到5倍以上。此外，相变储能还具有转化效率高、易实现大容量、绿色环保、安装便利等优点。
对于集中式的冷热电联供系统来说，一方面为了保证机组的运行效率和能源利用效率，需要将机组尽量满额运行，但是这就会造成机组出力与负荷需求不匹配的现象，因此联供系统需要通过冷负荷或热负荷的需求频繁调节出力，并且可能造成余热浪费。相变储能设备可以通过更换储能材料，有效地配合三联供系统运行，通过对冷热量的存储和释放，解决了能源供求关系在时间上不匹配的问题。相变材料具有在恒温或近似恒温条件下吸收(或释放)大量相变潜热的被动蓄(放)热特性，白天蓄存太阳能，晚上可以释放白天蓄存的能量，完全或部分代替夜间采暖，达到太阳能利用“时间转移”和“削峰填谷”的目的。另外，还可以利用电锅炉进行在谷电时间进行电热蓄热，并将电热蓄热应用于建筑供暖，对电网的电力调峰以及用户供暖运行成本都具有很好的价值。图2为本发明所提供的三联供系统配置相变储能设备协同运行方案系统图，如图2所示。
吸收式溴化锂制冷机组：
吸收式溴化锂制冷机组与传统的蒸汽压缩式制冷循环不同，使用吸收剂和热源代替压缩机消耗机械能做功实现热量从低温介质传导至高温介质的功能，从而实现消耗热能并驱动非自发过程进行的效果。如图3所示，整个机组可以划分为2部分，左半部分为吸收剂的循环过程，右半部分为制冷剂的循环过程。在吸收式溴化锂制冷机组中，吸收剂选用溴化锂溶液，制冷剂为水，溴化锂溶液具有饱和水蒸气压力低的特点，在吸收器中可以吸收蒸发器内温度远低于它的水释放出的水蒸气，从而完成制冷剂降温的要求；使用热源为发生器中的溴化锂溶液提供热能，进而产生高温高压的水蒸气，提供给冷凝器以便向外界释放热量。整体循环可以完成对燃气轮机余热气体的有效利用，并且能够向外界提供高效率的冷能。
使用热力系数表示吸收式溴化锂制冷系统的制冷功率，其表达式为
式(6)中，Q0为制冷量；Qg为消耗的热量；对溴化锂式制冷机组来说，ηCOP取值一般在0.9至1.2左右，考虑直接供应冷能节省下的电能作为吸收式溴化锂制冷机组的运行收益，可以确定其运行收益为
式(7)中，ts为供冷时长，h；ηCOPe为电制冷效率的热力系数，取值一般在3.8至4之间。
相变储能：在考虑相变储能设备的运行经济效益时，热能在存储和释放时存在损耗，那么相变储能设备的运行效益为：
冷/热能平衡约束：
LH＝PEB+Pph (9)
Lc＝Pair+Pph (10)
相变储能的容量和充放电功率都存在上下限：
-(Pph)max≤Pph≤(Pph)max (11)
0≤Eph≤max[∫(Ph-Lh)dt] (12)
其中，η为储能设备的热效率；Lh、Lc分别表示热负荷、冷负荷，MW；ton表示三联供机组产热大于热负荷的时间，h；PEB表示电锅炉的放热功率；Pph表示相变储能装置的储能或放能功率；Pair表示空调的制冷功率；Eph表示相变储能设备中的热能储量，MW·h。
则三联供系统运行收益目标函数为：
C(t)＝CCCHP(t)+Cl-b(t)+Cp-c(t) (13)
储能电池模型：储能电池在充放电过程中都会对其使用寿命造成影响，下面给出储能电池的使用成本函数和功率、容量、荷电状态约束以及储能状态平衡约束。
SOCT＝SOC0 (18)
其中，λbat为储能电池的调度成本系数，Pbat(t)和Ebat(t)分别为储能电池的充放电功率和容量，ηc和ηd分别为储能电池的充放电效率，SOCT和SOC0分别为日前计划最终时刻和起始时刻的荷电量；图4为本发明所提供的CCHP型微电网系统结构图，如图4所示。
步骤108：根据所述电网补偿费用、所述负荷调整费用以及所述三联供系统运行收益模型，按照多时间尺度优化调度策略对所述CCHP型微电网进行优化调度，使得CCHP型微电网的运行费用最小；所述多时间尺度优化调度策略包括日前优化调度阶段、日内滚动优化阶段、超短期调度阶段以及超超短期调度阶段；不同的调度阶段，对所述CCHP型微电网进行优化调度的目标函数不同。
模型预测控制基于滚动优化和反馈校正的思想可以较好地解决含有多种不确定性因素的优化控制问题，具有极强的抗干扰能力和鲁棒性；同时，MPC也可以方便地计入多种约束条件，并且其对预测模型的形式无特定要求，此外MPC还可以实现对多个优化目标的同时跟踪，因此其尤其适合于包含可再生能源出力功率随机波动、负荷功率不确定及市场电价波动等多方面不确定因素的微电网优化调度问题；另一方面，微电网日内调度中除需考虑以最小机组调节代价实现日内计划跟踪日前计划这一目标外，还有必要统筹兼顾储能荷电状态(state ofcharge，SOC)满足日运行能量平衡的要求，以保证储能满足下一调度日的运行需求，而MPC则能有效实现这多个优化目标的同时跟踪，具有良好的适用性；此外，MPC通过在日内调度中实时获取超短期功率预测信息，以实际调度结果和新的预测信息作为反馈信息进行滚动优化调度，可以更大限度地消除微电网中不确定性因素对优化运行调度方案的影响。本发明提出基于模型预测控制的冷热电联供型微网动态优化调度策略，优化模型以未来一个优化时段内运行费用最小为优化目标进行滚动计算，并引入反馈校正，及时有效纠正预测误差和随机因素产生的优化调度结果偏差，实现对系统调度方案的修正，实现多种能量的优化调度。
基于模型预测控制的动态优化调度模型
可再生能源输出功率随机波动、热电负荷峰谷变化等状况导致核心联供设备在日内需要优化，以便系统能及时响应光伏、风电及用户冷热电需求的变化。因此，本发明提出的基于模型预测控制的动态优化调度主要包括日前调度计划、日内滚动优化模型、超短期调度模型、超超短期调度模型和实时反馈校正阶段。日前调度计划以1h为时间间隔，以日运行费用最低为目标，得出全天最优调度计划值。日内滚动优化是对日前计划的不断修正、不断刷新的过程，以15min为时间间隔，其主要目标是利用系统实际运行数据，经预测模型计算，修正后续可再生能源及负荷功率，以微源调整成本最小为目标函数。超短期调度阶段，以10min为周期，并且在已有的目标函数中加入储能装置罚函数，以保证储能状态的平衡。超超短期调度时间尺度为5min，以进一步消纳负荷及可再生能源的波动，其系统调度框图如图5所示。
多时间尺度对微电网进行能量优化管理：
①在日前调度阶段，以小时(h)为时间尺度，基于可再生能源及负荷日前预测和实时电价，在满足系统约束条件的前提下，建立以系统运行成本最低为优化目标的最优经济调度模型。由于可再生能源及负荷功率的随机性，日前预测往往误差较大，因而需要增加实时性较好的超短期调度环节对日前计划予以修正。
根据日前负荷、可再生能源预测信息，进行CCHP型微电网的优化调度，以1h为时间尺度，以日运行成本最低为目标，调度可调负荷，使其紧密跟随可再生能源发电，降低可调分布式电源的调度压力，得出全天最优调度方案。
冷热电联供型微网日前优化运行的目标是使系统的运行费用最小，即目标函数为
其中，NR为可控分布式电源的个数；R为可再生能源的个数；I为可切除负荷的数量；J为可调整负荷的数量；ηbat为储能电池的充放电效率；Pi(t)表示第i个分布式电源在t时刻的出力；Ci(Pi(t))表示第i个分布式电源出力为Pi(t)时的成本；ΔT为调度周期时长。
可控分布式电源模型：对于可控分布式电源而言，其运行成本主要是由运行维护费用和燃料费用两部分组成，而对于可控分布式电源的约束主要考虑输出功率约束、运行爬坡率约束。
|PDGg(t)-PDGg(t-1)|≤ΔPDGg (23)
式(21)为分布式电源的运行成本函数，a,b,c为运行成本函数的二次项、一次项和常数项系数；式(22)为分布式电源的有功功率约束，可控分布式电源须在一定范围内运行；式(23)为运行爬坡率约束，ΔPDGg为分布式电源在Δt时间内的功率变化。
微电网与大电网交互模型：Cgrid(t)＝cgrid(t)Pgrid(t)(24)
式(26)中，为微电网与大电网交互的最大有功功率。
②超短期调度以10min为时间尺度，对可再生能源及负荷进行超短期预测，相比较于常规多时间尺度调度而言，本文将反映长期特征的储能装置容量约束、荷电状态约束作为罚函数加入到目标函数中，保证储能状态的平衡，协调长期调度分布式电源和储能协调配合带来的系统全局经济性和短期调度的局部经济最优。
由于可再生能源及负荷日前预测与实际值可能存在较大误差，加入滚动优化环节，可以减小日前计划与超短期调度的偏差，降低可再生能源及负荷不确定性对调度精度的影响。滚动优化的目标为在满足负荷平衡的基础上调整T0时刻后续时段出力修正值使得调整成本最小，其目标函数为：
式中，ΔPi(t)表示分布式电源i的功率调整量，T0表示当前时间节点。
③由于在实际微电网运行中，由于日前计划与超短期调度时间间隔大，日前计划偏差大，因此加入滚动优化环节，以15min为时间尺度，利用最新的系统状态信息，修正后续可再生能源及负荷预测功率，并对日前计划予以不断刷新和修正。
超短期调度阶段，以10min为周期对可再生能源及负荷采用基于相似日的超短期预测。根据超短期预测得出的可再生能源及负荷侧功率变化，在某时刻t，微调各机组出力使得超短期调度成本与滚动调度对应的综合成本最接近，其目标函数为：
式中，表示超短期调度t时刻综合调度成本，表示该时段滚动优化对应成本。
由于超短期调度周期短，调度结果局部经济性最高，但在全天时间内无法保证储能状态的平衡，为了使得调度结果能够综合长期调度中分布式电源和储能合理配合产生的系统全局经济性和短期调度具有的局部经济性最优特征，并且为了避免蓄电池的过充过放，减少充放电次数延长其使用寿命，在原超短期调度目标函数中加入蓄能装置容量约束、荷电状态约束以及蓄能装置周期始末状态一致约束作为罚函数，如下式所示：
式中σ是罚因子，g为不等式约束，h为等式约束。
④由于超短期调度和实时控制之间存在较大时间跨度，本文在其两者之间增加超超短期调度环节，消纳可再生能源及负荷的功率波动，减轻实时控制环节可控分布式电源的调节压力，其目标函数为各分布式电源出力及负荷偏差调整量最小。
该调度时间周期较短，以5min为时间尺度，进一步消纳负荷及可再生能源波动(即净负荷波动量)。其目标为当前时刻各分布式电源出力及负荷调整偏差最小，以保证系统应对可再生能源波动的稳定性。其目标函数为：
约束条件：
Pmin(k+n)≤P(k+n)≤Pmax(k+n) (33)
其中：Pr(k+n)为有功出力参考值，由短期尺度优化得到；P(k+n)为超短期尺度优化的分布式电源、大电网、储能及可切负荷的预测值；P0(k+n)为超短期尺度优化各部分有功出力的初始值，由实际测量得到；Δu(k+t-1)为预测的[k+t-1,k+t]时段内的有功出力增量，即为优化的控制变量；δalj(k+n)为可调负荷的控制变量。
传统的多时间尺度框架较为简单，各时间尺度之间跨度大，本发明在传统调度模式的基础上增加了超短期调度和超超短期调度阶段，实现微电网能量管理的逐级细化，逐级平衡风电功率不确定性引起的功率不平衡量；采用基于模型预测的多时间尺度调度策略，每次执行滚动优化时，将更新的短期预测的功率值与实际测量值进行比较，并构成闭环控制进行反馈修正，以确保滚动策略具有更好的稳定性和鲁棒性。常规的多时间尺度调度都是开环控制；同时，在超短期调度中，考虑了反映长期优化特征的储能装置罚函数，以此协调系统全局和局部的经济最优。
图6为本发明所提供的CCHP型微电网多时间尺度优化调度系统结构图，如图6所示，一种CCHP型微电网多时间尺度优化调度系统，包括：
参数获取模块601，用于获取可切负荷的可切负荷参数、可调负荷的可调负荷参数、CCHP机组参数、吸收式溴化锂制冷机组参数以及相变储能设备参数；所述可切负荷参数包括调度成本参数、市场电价、可切率以及所述可切负荷的额定功率；所述可调负荷参数包括可调率以及所述可调负荷的有功功率；所述CCHP机组参数包括CCHP机组热价、CCHP机组冷价、天然气价格、发电量、机组i在时段t的热出力、机组i在时段t的冷出力、所用的天然气量以及机组i的热气转化效率；所述吸收式溴化锂制冷机组参数包括供冷时长、燃气轮机的供热功率以及电制冷效率的热力系数；所述相变储能设备参数包括储能设备的热效率、热负荷以及冷负荷。
电网补偿费用确定模块602，用于根据所述可切负荷参数确定切除所述可切负荷的电网补偿费用。
负荷调整费确定模块603，用于根据所述可调负荷参数确定所述可调负荷的负荷调整费用。
CCHP机组收益确定模块604，用于根据所述CCHP机组参数确定CCHP机组收益。
吸收式溴化锂制冷机组运行收益确定模块605，用于根据所述吸收式溴化锂制冷机组参数确定吸收式溴化锂制冷机组运行收益。
相变储能设备运行收益确定模块606，用于根据所述相变储能设备参数确定相变储能设备运行收益。
三联供系统运行收益模型建立模块607，用于根据所述CCHP机组收益、所述吸收式溴化锂制冷机组运行收益以及所述相变储能设备运行收益建立三联供系统运行收益模型。
优化调度调整模块608，用于根据所述电网补偿费用、所述负荷调整费用以及所述三联供系统运行收益模型，按照多时间尺度优化调度策略对所述CCHP型微电网进行优化调度，使得CCHP型微电网的运行费用最小；所述多时间尺度优化调度策略包括日前优化调度阶段、日内滚动优化阶段、超短期调度阶段以及超超短期调度阶段；不同的调度阶段，对所述CCHP型微电网进行优化调度的目标函数不同。
图7为本发明所提供的基于需求侧响应的CCHP型微电网多时间尺度调度结构框图，如图7所示，本发明提供的基于需求侧响应的CCHP型微电网多时间尺度优化能量管理方案，与现有技术相比具有这样的有益效果：
1)改进需求侧响应策略：考虑柔性负荷，并在传统需求侧响应基础上建立CCHP系统互动机制，实现冷、热、电等多能源互补。
2)改进储能装置：蓄冷和蓄热设备的初投资费用较高，且设备体积较大，寿命损耗成本过高。而相变储能设备利用相变材料的相变潜热进行能量的储存和释放，其单位热值大，工作温度稳定，导热性好，能够补偿供应与负荷之间的差距，避免三联供机组输出的电能和热能过剩造成浪费，相比于冰蓄冷和储热水箱设备更适用于三联供系统。
3)改进微电网优化调度策略：由于超短期调度和实时控制之间存在较大时间跨度，本文在常规多时间尺度能量管理框架的基础上，增加了超超短期调度模型，减少可再生能源及负荷的功率波动，减轻实时控制环节可控分布式电源的调节压力。
4)改进目标函数：在超短期调度目标中加入储能装置罚函数，避免充放电次数过多损害电池寿命，并以此协调长期调度分布式电源和储能协调配合带来的系统全局经济性和短期调度的局部经济最优；此外还在总费用中加入溴化锂运行收益、相变储能收益和CCHP运行收益，更便于准确计算总运行成本。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种CCHP型微电网多时间尺度优化调度方法，其特征在于，包括：
获取可切负荷的可切负荷参数、可调负荷的可调负荷参数、CCHP机组参数、吸收式溴化锂制冷机组参数以及相变储能设备参数；所述可切负荷参数包括调度成本参数、市场电价、可切率以及所述可切负荷的额定功率；所述可调负荷参数包括可调率以及所述可调负荷的有功功率；所述CCHP机组参数包括CCHP机组热价、CCHP机组冷价、天然气价格、发电量、机组i在时段t的热出力、机组i在时段t的冷出力、所用的天然气量以及机组i的热气转化效率；所述吸收式溴化锂制冷机组参数包括供冷时长、燃气轮机的供热功率以及电制冷效率的热力系数；所述相变储能设备参数包括储能设备的热效率、热负荷以及冷负荷；
根据所述可切负荷参数确定切除所述可切负荷的电网补偿费用；
根据所述可调负荷参数确定所述可调负荷的负荷调整费用；
根据所述CCHP机组参数确定CCHP机组收益；
根据所述吸收式溴化锂制冷机组参数确定吸收式溴化锂制冷机组运行收益；
根据所述相变储能设备参数确定相变储能设备运行收益；
根据所述CCHP机组收益、所述吸收式溴化锂制冷机组运行收益以及所述相变储能设备运行收益建立三联供系统运行收益模型；
根据所述电网补偿费用、所述负荷调整费用以及所述三联供系统运行收益模型，按照多时间尺度优化调度策略对所述CCHP型微电网进行优化调度，使得CCHP型微电网的运行费用最小；所述多时间尺度优化调度策略包括日前优化调度阶段、日内滚动优化阶段、超短期调度阶段以及超超短期调度阶段；不同的调度阶段，对所述CCHP型微电网进行优化调度的目标函数不同。
2.根据权利要求1所述的CCHP型微电网多时间尺度优化调度方法，其特征在于，所述根据所述可切负荷参数确定切除所述可切负荷的电网补偿费用，具体包括：
根据公式确定切除所述可切负荷的电网补偿费用；其中，Ccli(t)为切除所述可切负荷的电网补偿费用；εcli(t)为可切负荷的调度成本系数；cgrid(t)表示买卖市场电价；ρcli(t)为可切率；为可切负荷i的额定功率。
3.根据权利要求2所述的CCHP型微电网多时间尺度优化调度方法，其特征在于，所述根据所述可调负荷参数确定所述可调负荷的负荷调整费用，具体包括：
根据公式确定所述可调负荷的负荷调整费用，其中，Calj(t)为所述可调负荷的负荷调整费用；δalj(t)为可调率；Palj(t)为可调整负荷j的有功功率；T为调整周期。
4.根据权利要求3所述的CCHP型微电网多时间尺度优化调度方法，其特征在于，所述根据所述CCHP机组参数确定CCHP机组收益，具体包括：
根据公式CCCHP(t)＝cgrid(t)Pi(t)+cH(t)Ph(t)+cQ(t)PQ(t)-cF(t)PF(t)确定CCHP机组收益；其中，CCCHP(t)为CCHP机组收益；cH(t)为CCHP机组热价；cQ(t)为CCHP机组冷价；cF(t)为天然气价格；Pi(t)为发电量；Ph(t)为机组i在时段t的热出力；PQ(t)为机组i在时段t的冷出力；PF(t)＝Ph(t)/μH为所用天然气量，μH为机组i的热气转化效率。
5.根据权利要求4所述的CCHP型微电网多时间尺度优化调度方法，其特征在于，所述根据所述吸收式溴化锂制冷机组参数确定吸收式溴化锂制冷机组运行收益，具体包括：
根据公式确定吸收式溴化锂制冷机组运行收益；其中，Cl-b(t)为吸收式溴化锂制冷机组运行收益；ts为供冷时长；Ph为燃气轮机的供热功率；ηCOPe为电制冷效率的热力系数；ηCOP为溴化锂制冷系统的制冷功率。
6.根据权利要求5所述的CCHP型微电网多时间尺度优化调度方法，其特征在于，所述根据所述相变储能设备参数确定相变储能设备运行收益，具体包括：
根据公式确定相变储能设备运行收益；其中，Cp-c(t)为相变储能设备运行收益；η为储能设备的热效率；Lh为热负荷；Lc为冷负荷；ton|winter为在冬季三联供机组产热大于热负荷的时间；ton|summer为在夏季三联供机组产热大于热负荷的时间。
7.根据权利要求6所述的CCHP型微电网多时间尺度优化调度方法，其特征在于，所述根据所述CCHP机组收益、所述吸收式溴化锂制冷机组运行收益以及所述相变储能设备运行收益建立三联供系统运行收益模型，具体包括：
根据公式C(t)＝CCCHP(t)+Cl-b(t)+Cp-c(t)建立三联供系统运行收益模型；C(t)为三联供系统运行收益。
8.根据权利要求3所述的CCHP型微电网多时间尺度优化调度方法，其特征在于，所述根据所述电网补偿费用、所述负荷调整费用以及所述三联供系统运行收益模型，按照多时间尺度优化调度策略对所述CCHP型微电网进行优化调度，使得CCHP型微电网的运行费用最小，具体包括：
在所述日前优化调度阶段内，根据公式
对所述CCHP型微电网进行优化调度；其中，NR为可控分布式电源的个数；I为可切除负荷的数量；J为可调整负荷的数量；Pi(t)表示第i个分布式电源在t时刻的出力，Ci(Pi(t))表示第i个分布式电源出力为Pi(t)时的成本，ΔT为调度周期时长；CDGg(t)为可控分布式电源的运行维护费用；Cbat(t)为蓄电池的使用成本；Cgrid(t)为与大电网的交互费用；
在所述日内滚动优化阶段内，根据公式对所述CCHP型微电网进行优化调度；其中，ΔPi(t)为分布式电源i的功率调整量；T0为当前时间节点；
在所述超短期调度阶段内，根据公式对所述CCHP型微电网进行优化调度；其中，表示超短期调度t时刻综合调度成本，表示该时段滚动优化对应成本；
在所述超超短期调度阶段内，根据公式对所述CCHP型微电网进行优化调度；其中， Pr(k+n)为有功出力参考值，由短期尺度优化得到；P(k+n)为超短期尺度优化的分布式电源、大电网、储能及可切负荷的预测值；P0(k+n)为超短期尺度优化各部分有功出力的初始值；Δu(k+t-1)为预测的[k+t-1，k+t]时段内的有功出力增量；为可控分布式电源的有功出力参考值；为大电网交互的有功出力参考值；为可切负荷的有功出力参考值；为可调负荷的有功出力参考值；为储能电池的有功出力参考值。
9.一种CCHP型微电网多时间尺度优化调度系统，其特征在于，包括：
参数获取模块，用于获取可切负荷的可切负荷参数、可调负荷的可调负荷参数、CCHP机组参数、吸收式溴化锂制冷机组参数以及相变储能设备参数；所述可切负荷参数包括调度成本参数、市场电价、可切率以及所述可切负荷的额定功率；所述可调负荷参数包括可调率以及所述可调负荷的有功功率；所述CCHP机组参数包括CCHP机组热价、CCHP机组冷价、天然气价格、发电量、机组i在时段t的热出力、机组i在时段t的冷出力、所用的天然气量以及机组i的热气转化效率；所述吸收式溴化锂制冷机组参数包括供冷时长、燃气轮机的供热功率以及电制冷效率的热力系数；所述相变储能设备参数包括储能设备的热效率、热负荷以及冷负荷；
电网补偿费用确定模块，用于根据所述可切负荷参数确定切除所述可切负荷的电网补偿费用；
负荷调整费确定模块，用于根据所述可调负荷参数确定所述可调负荷的负荷调整费用；
CCHP机组收益确定模块，用于根据所述CCHP机组参数确定CCHP机组收益；
吸收式溴化锂制冷机组运行收益确定模块，用于根据所述吸收式溴化锂制冷机组参数确定吸收式溴化锂制冷机组运行收益；
相变储能设备运行收益确定模块，用于根据所述相变储能设备参数确定相变储能设备运行收益；
三联供系统运行收益模型建立模块，用于根据所述CCHP机组收益、所述吸收式溴化锂制冷机组运行收益以及所述相变储能设备运行收益建立三联供系统运行收益模型；
优化调度调整模块，用于根据所述电网补偿费用、所述负荷调整费用以及所述三联供系统运行收益模型，按照多时间尺度优化调度策略对所述CCHP型微电网进行优化调度，使得CCHP型微电网的运行费用最小；所述多时间尺度优化调度策略包括日前优化调度阶段、日内滚动优化阶段、超短期调度阶段以及超超短期调度阶段；不同的调度阶段，对所述CCHP型微电网进行优化调度的目标函数不同。
10.根据权利要求9所述的CCHP型微电网多时间尺度优化调度系统，其特征在于，所述电网补偿费用确定模块具体包括：
电网补偿费用确定单元，用于根据公式确定切除所述可切负荷的电网补偿费用；其中，Ccli(t)为切除所述可切负荷的电网补偿费用；εcli(t)为可切负荷的调度成本系数；cgrid(t)表示买卖市场电价；ρcli(t)为可切率；为可切负荷i的额定功率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811522497.8A CN109617142B (zh) | 2018-12-13 | 2018-12-13 | 一种cchp型微电网多时间尺度优化调度方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811522497.8A CN109617142B (zh) | 2018-12-13 | 2018-12-13 | 一种cchp型微电网多时间尺度优化调度方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109617142A true CN109617142A (zh) | 2019-04-12 |
| CN109617142B CN109617142B (zh) | 2020-06-09 |
Family
ID=66007355
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811522497.8A Active CN109617142B (zh) | 2018-12-13 | 2018-12-13 | 一种cchp型微电网多时间尺度优化调度方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109617142B (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110110904A (zh) * | 2019-04-17 | 2019-08-09 | 华北电力大学 | 考虑经济性、独立性和碳排放的综合能源系统优化方法 |
| CN110264051A (zh) * | 2019-06-06 | 2019-09-20 | 新奥数能科技有限公司 | 确定微网的优化调度方案的方法及装置 |
| CN110311421A (zh) * | 2019-07-12 | 2019-10-08 | 燕山大学 | 基于需求侧响应的微电网多时间尺度能量管理方法 |
| CN110361969A (zh) * | 2019-06-17 | 2019-10-22 | 清华大学 | 一种冷热电综合能源系统优化运行方法 |
| CN111445107A (zh) * | 2020-03-02 | 2020-07-24 | 山东大学 | 冷热电联供型微电网多目标优化配置方法 |
| CN112116490A (zh) * | 2020-07-31 | 2020-12-22 | 西安交通大学 | 一种燃料电池冷热电联产系统运行控制方法及装置 |
| CN112186755A (zh) * | 2020-09-25 | 2021-01-05 | 东南大学 | 一种区域综合能源系统柔性负荷储能化建模方法 |
| CN112258096A (zh) * | 2020-12-22 | 2021-01-22 | 国网江西省电力有限公司电力科学研究院 | 一种多能流强耦合生态养殖全过程热电联供方法 |
| CN112785068A (zh) * | 2021-01-29 | 2021-05-11 | 西安峰频能源科技有限公司 | 一种超短期电量预测的最优窗口模型 |
| CN112902273A (zh) * | 2020-11-18 | 2021-06-04 | 国网新疆电力有限公司经济技术研究院 | 一种蓄热式光伏发电采暖系统的调控方法 |
| CN114626616A (zh) * | 2022-03-21 | 2022-06-14 | 特斯联科技集团有限公司 | 园区高温尾气余热回收cchp的最优运行方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107506851A (zh) * | 2017-07-26 | 2017-12-22 | 河海大学 | 一种多区域虚拟电厂综合能源协调调度优化模型 |
| CN107887933A (zh) * | 2017-11-17 | 2018-04-06 | 燕山大学 | 一种多时间尺度滚动优化微电网能量优化管理方法 |
-
2018
- 2018-12-13 CN CN201811522497.8A patent/CN109617142B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107506851A (zh) * | 2017-07-26 | 2017-12-22 | 河海大学 | 一种多区域虚拟电厂综合能源协调调度优化模型 |
| CN107887933A (zh) * | 2017-11-17 | 2018-04-06 | 燕山大学 | 一种多时间尺度滚动优化微电网能量优化管理方法 |
Non-Patent Citations (3)
| Title |
|---|
| 宋晓英: "基于协同进化遗传算法的微网经济环保调度", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
| 邵林: "微电网能量管理系统设计与实现", 《万方学位论文库》 * |
| 高峰 等: "相变储热技术优化冷热电三联供运行", 《电力建设》 * |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110110904A (zh) * | 2019-04-17 | 2019-08-09 | 华北电力大学 | 考虑经济性、独立性和碳排放的综合能源系统优化方法 |
| CN110264051A (zh) * | 2019-06-06 | 2019-09-20 | 新奥数能科技有限公司 | 确定微网的优化调度方案的方法及装置 |
| CN110361969A (zh) * | 2019-06-17 | 2019-10-22 | 清华大学 | 一种冷热电综合能源系统优化运行方法 |
| CN110361969B (zh) * | 2019-06-17 | 2021-01-05 | 清华大学 | 一种冷热电综合能源系统优化运行方法 |
| CN110311421A (zh) * | 2019-07-12 | 2019-10-08 | 燕山大学 | 基于需求侧响应的微电网多时间尺度能量管理方法 |
| CN110311421B (zh) * | 2019-07-12 | 2021-05-07 | 燕山大学 | 基于需求侧响应的微电网多时间尺度能量管理方法 |
| CN111445107A (zh) * | 2020-03-02 | 2020-07-24 | 山东大学 | 冷热电联供型微电网多目标优化配置方法 |
| CN111445107B (zh) * | 2020-03-02 | 2023-06-13 | 山东大学 | 冷热电联供型微电网多目标优化配置方法 |
| CN112116490A (zh) * | 2020-07-31 | 2020-12-22 | 西安交通大学 | 一种燃料电池冷热电联产系统运行控制方法及装置 |
| CN112186755A (zh) * | 2020-09-25 | 2021-01-05 | 东南大学 | 一种区域综合能源系统柔性负荷储能化建模方法 |
| CN112186755B (zh) * | 2020-09-25 | 2022-11-22 | 东南大学 | 一种区域综合能源系统柔性负荷储能化建模方法 |
| CN112902273A (zh) * | 2020-11-18 | 2021-06-04 | 国网新疆电力有限公司经济技术研究院 | 一种蓄热式光伏发电采暖系统的调控方法 |
| CN112258096B (zh) * | 2020-12-22 | 2021-05-14 | 国网江西省电力有限公司电力科学研究院 | 一种多能流强耦合生态养殖全过程热电联供方法 |
| CN112258096A (zh) * | 2020-12-22 | 2021-01-22 | 国网江西省电力有限公司电力科学研究院 | 一种多能流强耦合生态养殖全过程热电联供方法 |
| CN112785068A (zh) * | 2021-01-29 | 2021-05-11 | 西安峰频能源科技有限公司 | 一种超短期电量预测的最优窗口模型 |
| CN112785068B (zh) * | 2021-01-29 | 2023-08-22 | 西安峰频能源科技有限公司 | 一种超短期电量预测的最优窗口模型建立方法 |
| CN114626616A (zh) * | 2022-03-21 | 2022-06-14 | 特斯联科技集团有限公司 | 园区高温尾气余热回收cchp的最优运行方法及系统 |
| CN114626616B (zh) * | 2022-03-21 | 2023-11-21 | 特斯联科技集团有限公司 | 园区高温尾气余热回收cchp的最优运行方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109617142B (zh) | 2020-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109617142B (zh) | 一种cchp型微电网多时间尺度优化调度方法及系统 | |
| CN110417006B (zh) | 一种综合能源系统多时间尺度能量调度方法 | |
| Yang et al. | Multi-time scale optimal scheduling of regional integrated energy systems considering integrated demand response | |
| CN113344736B (zh) | 一种园区级综合能源系统及其控制方法 | |
| CN106505634B (zh) | 基于两阶段协调优化与控制的冷热电联供型微网运行方法 | |
| CN107039990B (zh) | 一种提高风电消纳能力的多热源协调调度策略制定方法 | |
| CN109858711B (zh) | 一种计及价格型需求响应与csp电站参与的风电消纳日前调度方法 | |
| CN109752953B (zh) | 一种集成电制冷机的楼宇供能系统模型预测调控方法 | |
| CN109004686A (zh) | 一种考虑冰蓄冷空调多模式的冷热电联供型微网系统 | |
| CN109088442A (zh) | 多时间尺度下考虑多种储能的微能源网优化调度模型 | |
| CN110807588A (zh) | 一种多能源耦合综合能源系统的优化调度方法 | |
| CN115408808A (zh) | 一种计及碳排放的能源配网系统多时间尺度优化调度方法 | |
| CN116683445A (zh) | 基于模型预测控制的园区微电网多时间尺度运行优化方法 | |
| CN107749645A (zh) | 一种控制高压大容量储热供暖装置的方法 | |
| Wang et al. | Multi-time scale optimization study of integrated energy system considering dynamic energy hub and dual demand response | |
| CN113627720A (zh) | 基于电能替代的综合园区风光储系统配置方法 | |
| CN114386274B (zh) | 一种综合能源集群多时间尺度优化调控方法 | |
| CN110190630A (zh) | 一种含多微能源网的配网预防-紧急控制方法 | |
| Li et al. | Centralized control strategy considering decentralized energy storage participate in optimal power system dispatching | |
| Jiarui et al. | Research on Demand Response Strategy of Electricity Market Based on Intelligent Power Consumption | |
| Guo et al. | Comprehensive energy system with combined heat and power photovoltaic-thermal power stations and building phase change energy storage for island regions and its coordinated dispatch strategy | |
| Chen et al. | Optimal Scheduling of CCHP Based on Comprehensive Demand Response | |
| Gao et al. | Optimal dispatch of multi-energy complementary integrated energy systems | |
| Tao et al. | Aggregating Energy Storage in Virtual Power Plant and Its Application in Unit Commitment | |
| CN118249419A (zh) | 考虑碳排放的微网群系统多时间尺度能量调度方法 |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240618 Address after: 073000 West 200m northbound at the intersection of Dingzhou commercial street and Xingding Road, Baoding City, Hebei Province (No. 1910, 19th floor, building 3, jueshishan community) Patentee after: Hebei Kaitong Information Technology Service Co.,Ltd. Country or region after: China Address before: 066000 No. 438, Hebei Avenue, Qinhuangdao, Hebei Patentee before: Yanshan University Country or region before: China |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240624 Address after: Room 403, No. 47 Chuangxin Second Road, Torch Park, Torch High tech Zone, Xiamen City, Fujian Province, 361000 Patentee after: Xiamen Torch Xinyuan Electric Power Technology Co.,Ltd. Country or region after: China Address before: 073000 West 200m northbound at the intersection of Dingzhou commercial street and Xingding Road, Baoding City, Hebei Province (No. 1910, 19th floor, building 3, jueshishan community) Patentee before: Hebei Kaitong Information Technology Service Co.,Ltd. Country or region before: China |