基于优化算法的多种能源类型协调调度方法及装置制造方法及图纸

本发明专利技术公开了一种基于优化算法的多种能源类型协调调度方法及装置，其中，方法包括以下步骤：建立热电冷联产模块运行模型、储冰空调的功率限制和蓄电池的运行限制；针对可再生能源不确定性进行场景生成，并还原得到可再生能源预期值；建立综合优化调度模型，其中，最优目标为使日常运行成本最小，以应用粒子群算法对优化调度模型进行求解。该方法能够在多种能源类型协调调度中充分考虑可再生能源不确定性，并且将制冷和电力具有耦合关系的储冰空调应用于其中，从而实现应用制冷和电力需求有耦合关系的储冰空调的多种能源类型的经济优化。

Coordinated scheduling method and device of various energy types based on Optimization Algorithm

【技术实现步骤摘要】
基于优化算法的多种能源类型协调调度方法及装置
本专利技术涉及能源
，特别涉及一种基于优化算法的多种能源类型协调调度方法及装置。
技术介绍
目前一些研究表明，在一些大城市，夏季空调系统的产生的电力负荷占据了夏季用电量的很大一部分，引起巨大峰谷电压差，给主网带来巨大压力。新兴的储冰空调应用于微网中，可以在满足冷却负荷的同时，实现削峰填谷效果，并可以将电力消耗从用电高峰转移到用电低谷时段来降低微网运行成本。相关技术中提出一种通过调度光伏发电、风力发电、热电冷联产和蓄电池的方法，该方法可以在满足建筑物电力热量需求的同时实现成本最小化。然而，由于可再生能源具有随机性的特征，该方法在风力、光伏等可再生能源的处理上存在较大偏差，且仅考虑电力平衡，将储冰空调应用于微网之中，可以产生更大经济效益。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种基于优化算法的多种能源类型协调调度方法，该方法实现应用制冷和电力需求有耦合关系的储冰空调的多种能源类型的经济优化。本专利技术的另一个目的在于提出一种基于优化算法的多种能源类型协调调度装置。为达到上述目的，本专利技术一方面实施例提出了一种基于优化算法的多种能源类型协调调度方法本专利技术实施例的基于优化算法的多种能源类型协调调度方法，能够在多种能源类型协调调度中充分考虑可再生能源不确定性，并且将制冷和电力具有耦合关系的储冰空调应用于其中，从而实现应用制冷和电力需求有耦合关系的储冰空调的多种能源类型的经济优化。另外，根据本专利技术上述实施例的基于优化算法的多种能源类型协调调度方法还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，所述热电冷联产模块运行模型为：其中，T表示一天之中不同时刻，ECCHP(T)为热电冷联产模块的电力输出效率，PCCHP(T)和QCCHP(T)分别为热电冷联产模块的输出电功率和输出冷却功率，F(T)为输出电功率PCCHP(T)时对应的天然气体积消耗量，ICCHP(T)为热电冷联产模块的开关状态，f、g、h为映射，Pmax和Pmin分别为输出电功率的上下限，Qmax和Qmin分别为输出冷却功率的上下限。进一步地，在本专利技术的一个实施例中，所述储冰空调的功率限制为：其中，PAC(T)为储冰空调消耗的电功率，QAC(T)为储冰空调产生的冷却功率，IS(T)为储冰空调中存储的冷却能量，IAC(T)为储冰空调的开关状态，f、g为映射，QACmax和QACmin分别为产生冷却功率的上下限，ISmax和ISmin分别为储冰空调存储容量的上下限。进一步地，在本专利技术的一个实施例中，所述蓄电池的运行限制为：其中，SOC(T)为电池充电状态，PSB(T)为电池充放电功率，f为映射，PSBmax和PSBmin分别为电池充放电功率的上下限，SOCmax和SOCmin分别为电池充电状态的上下限。进一步地，在本专利技术的一个实施例中，所述针对可再生能源不确定性进行场景生成，并还原得到可再生能源预期值，进一步包括：通过双参数Weibull分布模拟风力场景与Beta分布模拟光伏场景，并通过拉丁超立方抽样生成大量受制于概率分布的风力输出和光伏输出场景；通过场景还原方法，以非常低的概率消除场景，并通过基于概率量度测量场景与场景的距离将紧密相关的场景聚合到群集中；根据风力和光伏的十个代表场景及相应概率获取各时刻风力和光伏输出预测值，计算公式为：其中，Pwind(T)和PPV(T)分别为风力和光伏输出预期值，s为场景数，ps为场景s对应的概率值，Pwinds(T)和PPVs(T)分别为在s场景下的风力和光伏输出。进一步地，在本专利技术的一个实施例中，所述综合优化调度模型为：其中，C为日常运行成本，cGrid(T)和cGas分别为购电价格和天然气价格，PGrid(T)为该微网与主网交换的电功率，Pload(T)、Qload(T)分别为电力负荷和冷却负荷，f、g为映射。为达到上述目的，本专利技术另一方面实施例提出了一种基于优化算法的多种能源类型协调调度装置，包括：构建模块，用于建立热电冷联产模块运行模型、储冰空调的功率限制和蓄电池的运行限制；生成模块，用于针对可再生能源不确定性进行场景生成，并还原得到可再生能源预期值；优化模块，用于建立综合优化调度模型，其中，最优目标为使日常运行成本最小，以应用粒子群算法对所述优化调度模型进行求解。本专利技术实施例的基于优化算法的多种能源类型协调调度装置，能够在多种能源类型协调调度中充分考虑可再生能源不确定性，并且将制冷和电力具有耦合关系的储冰空调应用于其中，从而实现应用制冷和电力需求有耦合关系的储冰空调的多种能源类型的经济优化。另外，根据本专利技术上述实施例的基于优化算法的多种能源类型协调调度装置还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，其中，所述热电冷联产模块运行模型为：其中，T表示一天之中不同时刻，ECCHP(T)为热电冷联产模块的电力输出效率，PCCHP(T)和QCCHP(T)分别为热电冷联产模块的输出电功率和输出冷却功率，F(T)为输出电功率PCCHP(T)时对应的天然气体积消耗量，ICCHP(T)为热电冷联产模块的开关状态，f、g、h为映射，Pmax和Pmin分别为输出电功率的上下限，Qmax和Qmin分别为输出冷却功率的上下限；所述储冰空调的功率限制为：其中，PAC(T)为储冰空调消耗的电功率，QAC(T)为储冰空调产生的冷却功率，IS(T)为储冰空调中存储的冷却能量，IAC(T)为储冰空调的开关状态，f、g为映射，QACmax和QACmin分别为产生冷却功率的上下限，ISmax和ISmin分别为储冰空调存储容量的上下限；所述蓄电池的运行限制为：其中，SOC(T)为电池充电状态，PSB(T)为电池充放电功率，f为映射，PSBmax和PSBmin分别为电池充放电功率的上下限，SOCmax和SOCmin分别为电池充电状态的上下限。进一步地，在本专利技术的一个实施例中，所述生成模块包括：生成单元，用于通过双参数Weibull分布模拟风力场景与Beta分布模拟光伏场景，并通过拉丁超立方抽样生成大量受制于概率分布的风力输出和光伏输出场景；聚合单元，用于通过场景还原方法，以非常低的概率消除场景，并通过基于概率量度测量场景与场景的距离将紧密相关的场景聚合到群集中；计算单元，用于根据风力和光伏的十个代表场景及相应概率获取各时刻风力和光伏输出预测值，计算公式为：其中，Pwind(T)和PPV(T)分别为风力和光伏输出预期值，s为场景数，ps为场景s对应的概率值，Pwinds(T)和PPVs(T)分别为在s场景下的风力和光伏输出。进一步地，在本专利技术的一个实施例中，所述综合优化调度模型为：其中，C为日常本文档来自技高网...

【技术保护点】
1.一种基于优化算法的多种能源类型协调调度方法，其特征在于，包括以下步骤：/n建立热电冷联产模块运行模型、储冰空调的功率限制和蓄电池的运行限制；/n针对可再生能源不确定性进行场景生成，并还原得到可再生能源预期值；以及/n建立综合优化调度模型，其中，最优目标为使日常运行成本最小，以应用粒子群算法对所述优化调度模型进行求解。/n

【技术特征摘要】
1.一种基于优化算法的多种能源类型协调调度方法，其特征在于，包括以下步骤：
建立热电冷联产模块运行模型、储冰空调的功率限制和蓄电池的运行限制；
针对可再生能源不确定性进行场景生成，并还原得到可再生能源预期值；以及
建立综合优化调度模型，其中，最优目标为使日常运行成本最小，以应用粒子群算法对所述优化调度模型进行求解。


2.根据权利要求1所述的基于优化算法的多种能源类型协调调度方法，其特征在于，所述热电冷联产模块运行模型为：



其中，T表示一天之中不同时刻，ECCHP(T)为热电冷联产模块的电力输出效率，PCCHP(T)和QCCHP(T)分别为热电冷联产模块的输出电功率和输出冷却功率，F(T)为输出电功率PCCHP(T)时对应的天然气体积消耗量，ICCHP(T)为热电冷联产模块的开关状态，f、g、h为映射，Pmax和Pmin分别为输出电功率的上下限，Qmax和Qmin分别为输出冷却功率的上下限。


3.根据权利要求1所述的基于优化算法的多种能源类型协调调度方法，其特征在于，所述储冰空调的功率限制为：



其中，PAC(T)为储冰空调消耗的电功率，QAC(T)为储冰空调产生的冷却功率，IS(T)为储冰空调中存储的冷却能量，IAC(T)为储冰空调的开关状态，f、g为映射，QACmax和QACmin分别为产生冷却功率的上下限，ISmax和ISmin分别为储冰空调存储容量的上下限。


4.根据权利要求1所述的基于优化算法的多种能源类型协调调度方法，其特征在于，所述蓄电池的运行限制为：



其中，SOC(T)为电池充电状态，PSB(T)为电池充放电功率，f为映射，PSBmax和PSBmin分别为电池充放电功率的上下限，SOCmax和SOCmin分别为电池充电状态的上下限。


5.根据权利要求1所述的基于优化算法的多种能源类型协调调度方法，其特征在于，所述针对可再生能源不确定性进行场景生成，并还原得到可再生能源预期值，进一步包括：
通过双参数Weibull分布模拟风力场景与Beta分布模拟光伏场景，并通过拉丁超立方抽样生成大量受制于概率分布的风力输出和光伏输出场景；
通过场景还原方法，以非常低的概率消除场景，并通过基于概率量度测量场景与场景的距离将紧密相关的场景聚合到群集中；
根据风力和光伏的十个代表场景及相应概率获取各时刻风力和光伏输出预测值，计算公式为：






其中，Pwind(T)和PPV(T)分别为风力和光伏输出预期值，s为场景数，ps为场景s对应的概率值，Pwinds(T)和PPVs(T)分别为在s场景下的风力和光伏输出。


6.根据权利要求1所述的基于优化算法的多种能源类型协调调度方法，其特征在于，所述综合优化调度模型为：



其中，C为日常运行成本，cGrid(T)和cGas分别为购电价格和天然气价格，PGrid(T)为该微网与主网交换的电功率，Ploa...

【专利技术属性】
技术研发人员：巨云涛，金铭鑫，王安琪，黄依静，陈璨，吴林林，刘辉，
申请(专利权)人：中国农业大学，国网冀北电力有限公司电力科学研究院，国家电网有限公司，华北电力科学研究院有限责任公司，
类型：发明
国别省市：北京;11