一种聚合综合能源楼宇的虚拟电厂日前优化调度方法技术

一种聚合综合能源楼宇的虚拟电厂日前优化调度方法，考虑冷、热、电负荷和光伏出力等不确定因素，通过引入差分进化算法的交叉

【技术实现步骤摘要】
一种聚合综合能源楼宇的虚拟电厂日前优化调度方法


[0001]本专利技术属于电力
，为一种聚合综合能源楼宇的虚拟电厂日前优化调度方法。

技术介绍

[0002]虚拟电厂(Virtual Power Plants,VPP)是实现智能配电网的重要技术之一，它是指通过分布式能源管理系统将配电网中分散安装的清洁能源、可控负荷和储能系统合并作为一个特别的电厂参与电网运行，从而很好地协调智能电网与分布式能源之间的矛盾，充分挖掘分布式能源为电网和用户所带来的价值和效益。
[0003]随着经济增长带动生活水平提高，以楼宇型虚拟电厂为代表的终端用户用能比例逐步增加。目前已有研究以建筑运行成本最低为目标函数，建立了综合能源楼宇的日前优化调度模型，考虑了电动汽车集群参与日前调度、楼宇能源运营商定价机制、需求响应补偿价等等因素，但忽略了负荷预测误差及分布式能源不确定因素的重要影响。

技术实现思路

[0004]本专利技术的目的在于针对上述存在的问题，提出一种聚合综合能源楼宇的虚拟电厂日前优化调度方法，以楼宇型虚拟电厂经济成本为目标，考虑冷、热、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种聚合综合能源楼宇的虚拟电厂日前优化调度方法，其特征是考虑冷、热、电负荷和光伏出力等不确定因素，以楼宇型虚拟电厂经济成本为目标，提出一种日前优化调度模型，包括以下步骤：S1、构建楼宇型虚拟电厂模型，包括综合能源楼宇系统、储能系统、电制冷/制热系统和屋顶光伏系统；S2、以总成本最低构建调度模型的目标函数，总成本包括天然气使用成本、电能购买成本和设备折旧费用，并设置虚拟电厂的设备容量约束、功率平衡约束，同时在调度模型中考虑虚拟电厂的不确定因素：S3、构建粒子群-差分混合算法模型用于优化调度计算，其中基于S函数调整粒子群算法的惯性权重；S4、在虚拟电厂模型输入综合能源楼宇系统的各项参数；S5、调用粒子群-差分混合算法优化求解虚拟电厂模型，进行日前优化调度，获得各种类型负荷、设备的优化结果。2.根据权利要求1所述的一种聚合综合能源楼宇的虚拟电厂日前优化调度方法，其特征是构建楼宇型虚拟电厂模型，其聚合单元包括综合能源楼宇系统、储能系统、电制冷/制热系统和屋顶光伏系统，综合能源楼宇系统内部聚合单元包括微型燃气轮机系统、储电装置以及储热装置，各系统构建如下：微型燃气轮机的数学模型描述如式(1)-(2)所示：P
gt
(t)＝F
gas
(t)
×
η
gt
×
L
va
/Δt
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，P
gt
(t)为微型燃气轮机t时间段的发电功率；F
gas
(t)为消耗的天然气量；η
gt
为发电效率；L
va
为天然气的低热值，取9.97kW
·
h/m3；Δt为优化时段；分别为微型燃气轮机出力的上下限；采用冷水机组的吸收式制冷机机组，制冷系数设为常数，其数学模型如式(6)至式(7)所示：C
ab
(t)＝η
ab
×
H
ab
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)其中，C
ab
(t)为吸收式制冷机t时段制冷；η
ab
为制冷效率；H
ab
(t)为输入的余热；分别为出力上下限；储电模型描述如式(8)至(11)所示：储电模型描述如式(8)至(11)所示：储电模型描述如式(8)至(11)所示：储电模型描述如式(8)至(11)所示：其中，W
bat
(t+1)、W
bat
(t)为储能电池在t+1和t时间段的储电量，单位kW
·
h；δ
bat
为储电
设备的能量自损失系数；P
ch
(t)、P
dis
(t)为在t时段储能电池的储电、放电功率，单位kW；η
bc
、η
bd
为储能电池的储电、放电效率；为储能电池的最小、最大荷电状态；为储能设备的最大储电、放电功率；储热模型描述如式(12)至式(15)所示：储热模型描述如式(12)至式(15)所示：储热模型描述如式(12)至式(15)所示：储热模型描述如式(12)至式(15)所示：其中，Q
tes
(t+1)、Q
tes
(t)为储热设备在t+1和t时间段的储热量；δ
tes
为能量自损失系数；H
ch
(t)、H
dis
(t)为在t时间段储热、放热功率；η
tc
、η
td
为储热、放热效率；Q
tesmin
、Q
tesmax
为最小、最大储热量；H
chmax
、H
dismax
为最大储热、放热功率；空调系统消耗电功率与制冷/制热功率关系如式(16)-(17)所示：Q
ac
(t)＝COP
ac
×
P
ac
(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)其中，Q
ac
(t)、P
ac
(t)分别表示在t时段楼宇型综合能源系统内空调系统消耗的总电功率和总制冷/热功率；COP
ac
为制冷/热系数；为提供用于制冷/热的最大电功率；屋顶光伏系统模型描述为：P
pv
(t)＝S
pv
×
R
×
η
pv
×
cosθ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(18)其中，P
pv
(t)是屋顶光伏系统的输出功率；S
pv
是光伏阵列的总面积；R是t时段太阳辐射的强度；η
pv
是光伏阵列的光-热-电转换效率；θ是光照入射角度。3.根据权利要求1所述的一种聚合综合能源楼宇的虚拟电厂日前优化调度方法，其特征是S2具体为：虚拟电厂内部不确定因素来源包括两个部分：屋顶光伏系统出力预测误差和冷、热、电的负荷预测误差，将屋顶光伏预测误差δ
pv
(t)和负荷预测误差δ
l
(t)按正态分布的概率分布函数处理，其中，根据负荷预测精度差异，设置冷、热负荷预测方差为0.02，电负荷预测方差为0.015，屋顶光伏系统出力方差设置为0.15，采用随机期望值模型描述虚拟电厂内部的不确定性问题，随机期望模型的一般形式为：式中：x为决策向量，ξ为随机变量，f(x,ξ)为目标函数，g
j
(x,ξ)为第j个随机约束j∈[1,p]；按照此形式，虚拟电厂的调度模型目标函数表示为：其中，C
ele
(t)为t时间段对应的电价；C
g
(t)为天然气价格；P
gd
(t)为t时间段楼宇从电网
购电的电功率；F
g
(t)为t时间段天然气量；c
sen
为储能设备设置的折旧损耗费用，P
sen
(t)为t时间段电/热储能的实时充放电/热功率，en取1为储能电池，取2为储热设备；结合式(19)中定义的随机期望值模型的约束条件，将冷、热、电负荷的不确定性按如下约束式表示：(1)电功率约束：(2)热功率约束：pr{H
gt
(t)+P
s2
(t)≥H
hx
(t)+δ
lh
(t)+H
ab
(t)}≥α
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(22)(3)冷功率约束：pr{C
ab
(t)+...

【专利技术属性】
技术研发人员：叶婷，周冬旭，王璞，刘国峰，王晓峰，嵇文路，滕力阳，
申请(专利权)人：国网江苏省电力有限公司，
类型：发明
国别省市：