一种微电网电储能、冰蓄冷联合优化调度方法技术

本发明专利技术公开了一种微电网电储能、冰蓄冷联合优化调度方法。该方法基于交直流负荷、冷负荷和光伏发电的预测结果以及电价信息，以总电费最小为目标，对电储能的充放电状态和制冷机、蓄冰槽冷负荷分配建立优化模型，对优化模型进行求解，得到最优的电储能充放电策略以及制冷机、蓄冰槽冷负荷分配策略。本发明专利技术同时考虑了电储能和冰蓄冷的联合优化，更有效地提升能源使用效率并进行削峰填谷，进而实现节约电费的目的，该方法可以应用在不同类型的智能微电网优化调度系统中。

Combined optimization dispatching method of micro grid electric energy storage and ice storage

The invention discloses a combined optimization dispatching method of micro grid electric energy storage and ice storage. This method is based on the DC load, the prediction results of cooling load and photovoltaic power generation and electricity price information, in order to minimize the total electricity to charge and discharge status of the electric energy storage and refrigeration machine, ice storage tank cooling load distribution optimization model is established to solve the optimization model and get the electrical energy storage charge discharge strategy and refrigerating machine the ice storage tank, the cooling load of the optimal allocation strategy. The present invention also considers the joint optimization of electric energy storage and ice storage, and more effectively improve energy efficiency and peak, thus achieving the purpose of saving electricity, this method can be used in different types of intelligent scheduling system in micro grid.

【技术实现步骤摘要】
一种微电网电储能、冰蓄冷联合优化调度方法
本专利技术涉及一种微电网电储能、冰蓄冷优化调度方法，属于新能源及电力需求侧响应领域。
技术介绍
随着智能电网的发展及低碳技术的普及，未来小规模的新能源发电，电储能装置，冰蓄冷装置等将会在电力用户中得到广泛应用。这些技术不仅影响了原有的电网运行方式，也给用户侧电能使用带来的更多的灵活性，用户可以响应电网的价格激励信号以改变其用电行为，即需求侧响应。通过需求侧响应可以降低电网高峰用电，提升谷期用电。微电网优化调度系统是实现用户侧需求侧响应的重要手段，目前已经越来越受到重视。目前的微电网优化调度系统没有同时考虑电储能和冰蓄冷的协同优化。
技术实现思路
为了克服上述现有技术的不足，本专利技术提供了一种微电网电储能、冰蓄冷联合优化调度方法。该方法基于交直流负荷、冷负荷和光伏的预测结果以及电价信息，对电储能的充放电状态和制冷机、蓄冰槽冷负荷分配以总电费最小为目标进行优化。通过对微电网电储能和冰蓄冷优化调度系统的电能进行合理的优化使得总系统将电价高峰时期的负荷转移到电价低谷时期，从而达到节约电费的目的，该方法可以应用在不同类型的智能微电网优化调度系统中。本专利技术的目的是通过以下技术方案来实现的：一种微电网电储能、冰蓄冷联合优化调度方法，该方法包括以下步骤：步骤1：对下一日的交直流负荷、冷负荷及光伏发电进行预测。步骤2：基于交直流负荷、冷负荷和光伏发电的预测结果以及电价信息，以总电费最小为目标，对电储能的充放电状态和制冷机、蓄冰槽冷负荷分配建立优化模型。步骤3：对优化模型进行求解，得到最优的电储能充放电策略以及制冷机、蓄冰槽冷负荷分配策略。进一步地，所述步骤1中预测方法为常用的用户交直流负荷、冷负荷和光伏预测方法，如神经网络及支持向量机方法。进一步地，所述步骤2中优化模型的目标函数为全天总电费约束。式中，t为时段序号，n为全天时段总数。C(t)为时段t的分时电价。P(t)为时段t从主网得到的供电功率，T为单位时段长度。约束条件为：a)直流电源和交流电源总功率平衡约束：P(t)＝PAC-load(t)+PAC-DC(t)+Pi(t)-P′i(t)+PCT(t)PAC-load(t)为时段t的交流负荷，PAC-DC(t)为交直流转换器的功率。Pi(t)为蓄冰槽耗电量，P′i(t)为蓄冰槽承担冷负荷量，∑P′i(t)＝∑Pi(t)*η，η为供冷效率(由于存在冷损失)。当蓄冰槽制冰蓄冷时，Pi(t)>0；当蓄冰槽融冰供冷时，P′i(t)>0。PCT(t)为冷却塔耗电量，由于冷却塔的能耗在系统中所占的比例不大，在实际应用中往往采用经验公式：PCT(t)＝0.025*(Qk(t)+Pk(t))其中Qk(t)为制冷机供冷量，Pk(t)为制冷机耗电量，Qk(t)＝Pk(t)*EER。EER为制冷机能效比，可以通过制冷机组运行参数拟合得到。交直流转换器效率约束：式中：ηA/D为交流转换为直流的转换效率，ηD/A为直流转化为交流的转换效率，PDC(t)为时段t的直流母线总负荷。直流母线总负荷约束：PDC(t)+PPV(t)＝PDC-load(t)+PB(t)PPV(t)为光伏发电功率，PDC-load(t)为直流负荷，PB(t)为储能电池在时段t的功率，充电时PB(t)>0，放电时PB(t)<0。b)设备和能源平衡的约束放电效率约束：为最大充电效率，为最大放电效率，PB(t)为时段t的充电效率。储能电池电量状态约束：Emin≤EB(t)≤EmaxEmin＝SOCminREmax＝SOCmaxREmax为储能电池最大电量，Emin为储能电池最低电量，EB(t)为时段t的电池储能状态。SOCmin和SOCmax为最小和最大荷电状态，R为电池容量。在任何时候，储能的总能量为储能初始能量和累积能量的总和：E(0)为电池初始电量，E(t)为时段t的累积电量，i为全天充电的时段数。日电量累积约束：冰蓄冷装置约束：其中，Qkmax为制冷机组最大供冷量，Qi(t)为蓄冰槽供冷量，Qimax为蓄冰槽最大供冷量，Qsys(t)系统需要供冷量，QI为蓄冰槽容量。进一步地，所述步骤3中采用分支定界法对步骤2建立的模型进行优化求解，输出优化结果：电池的充放电功率及时段，交直流转换器的功率及时段、制冷机和蓄冰槽的供冷量及时段。与现有技术相比，本专利技术的有益效果是：相对于现有的微电网电储能优化调度方法，本专利技术同时考虑了电储能和冰蓄冷的联合优化，更有效地提升能源使用效率并进行削峰填谷，进而实现节约电费的目的，本专利技术适用于不同类型的微电网用户。附图说明图1为典型的智能微网结构图；图2为微电网电储能、冰蓄冷优化调度系统图。具体实施方式下面结合附图对本专利技术进一步说明。微网的结构拓扑图如图1所示，将m组光伏发电系统、蓄电池和/或直流负荷分别联接到m条直流母线上，通过双向变流器与公共的交流母线相连，交流母线上配冰蓄冷装置。再由交流母线通过变压器接入配电网。该系统既可满足直流负荷需求，也可满足交流负荷需求。整个系统可以被分为直流电源、直流负荷以及交流电源、交流负荷。当地的直流母线用来和直流能源设备相连，并通过一个双向转换器与交流系统连接。这种结构使得电池和直流负荷能够在交、直流转换之前使用光伏输出的能量。通过消除交直流转换时不必要的能量损耗，用户们便可以利用分时电价节省电费，还可以参与需求侧响应来减轻电网压力。首先用常用的用户交直流负荷、冷负荷及光伏发电预测方法，如神经网络及支持向量机方法对下一日的负荷及光伏和风力发电进行预测。基于交直流负荷、冷负荷和光伏发电的预测结果以及电价信息，以总电费最小为目标，对电储能的充放电状态和制冷机、蓄冰槽冷负荷分配建立优化模型。优化模型的目标函数为全天总电费约束。式中，t为时段序号，n为全天时段总数，n可取96。C(t)为时段t的分时电价。P(t)为时段t从主网得到的供电功率，T为单位时段长度，n取96时，T＝0.25h。约束条件为：a)直流电源和交流电源总功率平衡约束：P(t)＝PAC-load(t)+PAC-DC(t)+Pi(t)-P′i(t)+PCT(t)PAC-load(t)为时段t的交流负荷，PAC-DC(t)为交直流转换器的功率。Pi(t)为蓄冰槽耗电量，P′i(t)为蓄冰槽承担冷负荷量，ΣP′i(t)＝ΣPi(t)*η，η为供冷效率(由于存在冷损失)。当蓄冰槽制冰蓄冷时，Pi(t)>0；当蓄冰槽融冰供冷时，P′i(t)>0。PCT(t)为冷却塔耗电量，由于冷却塔的能耗在系统中所占的比例不大，在实际应用中往往采用经验公式：PCT(t)＝0.025*(Qk(t)+Pk(t))其中Qk(t)为制冷机供冷量，Pk(t)为制冷机耗电量，Qk(t)＝Pk(t)*EER。EER为制冷机能效比，可以通过制冷机组运行参数拟合得到。交直流转换器效率约束：式中：ηA/D为交流转换为直流的转换效率，ηD/A为直流转化为交流的转换效率，PDC(t)为时段t的直流母线总负荷。直流母线总负荷约束：PDC(t)+PPV(t)＝PDC-load(t)+PB(t)PPV(t)为光伏发电功率，PDC-load(t)为直流负荷，PB(t)为储能电池在时段t的功率，充电时PB(t)>0，放电时本文档来自技高网...

【技术保护点】
一种微电网电储能、冰蓄冷联合优化调度方法，其特征在于：该方法包括以下步骤：步骤1：对下一日的交直流负荷、冷负荷及光伏发电进行预测。步骤2：基于交直流负荷、冷负荷和光伏发电的预测结果以及电价信息，以总电费最小为目标，对电储能的充放电状态和制冷机、蓄冰槽冷负荷分配建立优化模型。步骤3：对优化模型进行求解，得到最优的电储能充放电策略以及制冷机、蓄冰槽冷负荷分配策略。

【技术特征摘要】
1.一种微电网电储能、冰蓄冷联合优化调度方法，其特征在于：该方法包括以下步骤：步骤1：对下一日的交直流负荷、冷负荷及光伏发电进行预测。步骤2：基于交直流负荷、冷负荷和光伏发电的预测结果以及电价信息，以总电费最小为目标，对电储能的充放电状态和制冷机、蓄冰槽冷负荷分配建立优化模型。步骤3：对优化模型进行求解，得到最优的电储能充放电策略以及制冷机、蓄冰槽冷负荷分配策略。2.根据权利要求1所述的一种微电网电储能、冰蓄冷联合优化调度方法，其特征在于：所述步骤1中预测方法为神经网络及支持向量机方法。3.根据权利要求1所述的一种微电网电储能、冰蓄冷联合优化调度方法，其特征在于：所述步骤2中优化模型的目标函数为全天总电费约束。式中，t为时段序号，n为全天时段总数。C(t)为时段t的分时电价。P(t)为时段t从主网得到的供电功率，T为单位时段长度。约束条件为：a)直流电源和交流电源总功率平衡约束：P(t)＝PAC-load(t)+PAC-DC(t)+Pi(t)-P'i(t)+PCT(t)PAC-load(t)为时段t的交流负荷，PAC-DC(t)为交直流转换器的功率。Pi(t)为蓄冰槽耗电量，P'i(t)为蓄冰槽承担冷负荷量，∑P'i(t)＝∑Pi(t)*η，η为供冷效率(由于存在冷损失)。当蓄冰槽制冰蓄冷时，Pi(t)>0；当蓄冰槽融冰供冷时，P'i(t)>0。PCT(t)为冷却塔耗电量，PCT(t)＝0.025*(Qk(t)+Pk(t))，其中Qk(t)为制冷机供冷量，Pk(t)为制冷机耗电量，Qk(t)＝Pk(t)*EER。EER为制冷机能效比，可以通过制冷机组运行参数拟合得到。交直流转换器效率约束：式中：ηA...

【专利技术属性】
技术研发人员：华煌圣，董树锋，刘育权，何仲潇，王国成，江艺宝，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33