一种风光氢综合能源系统的单层变步长动态调度方法技术方案

本发明专利技术公开了一种风光氢综合能源系统的单层变步长动态调度方法，包括：根据电负荷、风力发电功率和光伏发电功率的已知预测数据计算净电负荷数据并归一化；在每个调度时间点t，获取风光氢综合能源系统的运行状态信息；针对未来的P小时的预测时域，基于归一化净电负荷数据计算各个时间段的平均偏差指标、调度步长大小，得到调度步长策略；利用预构建的系统优化调度模型进行求解得到设备的调度计划，并将最优序列的第一个时刻的调度值下发给风光氢综合能源系统；本发明专利技术将单层变步长策略与模型预测控制框架相结合，在满足系统运行约束条件的条件下，以最小化目标函数为目标，滚动求解最优调度计划，从而实现系统的平稳与高效运行。行。行。

【技术实现步骤摘要】
一种风光氢综合能源系统的单层变步长动态调度方法


[0001]本专利技术属于综合新能源
，涉及一种风光氢综合能源系统的单层变步长动态调度方法。

技术介绍

[0002]近年来，在双碳目标的背景下，大力开发可再生能源是实现能源绿色转型的关键。其中以风光氢综合能源系统为代表的可再生能源利用体系因在经济性、环保性、可靠性等方面表现出色，受到了国内外学者的广泛关注。
[0003]风光氢综合能源系统是一种新型的综合能源系统形式，其能量输入全部来自太阳能、风能和氢能等。但由于风力发电和光伏发电具有很强的不确定性和随机性，风光氢综合能源系统的优化调度问题是系统经济安全运行的关键。区别与传统的“以热定电”和“以电定热”的方式，风光氢综合能源系统优化调度问题一般是在给定的经济、环保或安全等目标下，基于所建立的风光氢综合能源系统调度模型，采用相应的算法求解最优调度计划，以满足用户侧的多种用能需求和保证系统经济、安全和可靠的运行。
[0004]模型预测控制方法具有的预测模型、滚动优化和反馈校正的组成框架为运行调度提供了新的思路，因此目前已经被广泛应用在能源系统的优化调度问题中。但需要注意的是，综合能源系统内不同类型的设备之间存在显著的动态特性差异，比如电能转换设备的响应速度很快，传输具有瞬时性；而热能转换设备由于具有较强的热惯性，其响应速度较为迟缓。当调度时间步长较短时有可能出现设备实际输出来不及完全跟踪设备指令的情况，但目前较多的调度策略研究会忽略这种响应差异，造成系统实际输出与调度指令间存在较大动态偏差。此外，常规的调度策略往往采取固定调度步长的方式。面对电负荷、风力发电和光伏等预测数据的不确定性和波动性时，这种步长单一的调度策略其响应时间也是固定的，缺少了一定的灵活性和针对性。同时，固定步长的策略还有可能会忽略掉计算效率潜在的提升空间。

技术实现思路

[0005]目的：为了克服现有技术中存在的不足，本专利技术提供一种风光氢综合能源系统的单层变步长动态调度方法。在确保计算精度的同时实现对计算效率的提升，为各设备提供合理可靠的调度运行计划，从而保证风光氢综合能源系统运行的经济性、稳定性和可靠性。
[0006]技术方案：为解决上述技术问题，本专利技术采用的技术方案为：
[0007]第一方面，提供一种风光氢综合能源系统的单层变步长动态调度方法，包括：
[0008]S1、根据电负荷、风力发电功率和光伏发电功率的预测数据计算净电负荷数据并归一化，得到归一化净电负荷；
[0009]S2、在每个调度时间点t，获取风光氢综合能源系统的运行状态信息；
[0010]S3、针对未来的P小时的预测时域，第一个时段为固定的调度步长Δt1＝Δt，接下来第2～P个时段基于归一化净电负荷数据计算各个时间段的平均偏差指标ADI
m
，并计算相
应时段的调度步长大小Δt
m
，m＝2,
…
,P，得到调度步长策略；
[0011]S4、基于所述调度步长策略和风光氢综合能源系统的运行状态信息，利用预构建的系统优化调度模型进行求解得到设备的调度计划，并将最优序列的第一个时刻的调度值下发给风光氢综合能源系统；
[0012]S5、待下一个调度周期令t＝t+Δt，返回步骤S2。
[0013]在一些实施例中，风光氢综合能源系统包括可再生能源、能量生产设备、能量转换设备和能量储存设备，用于向用户提供电能需求和热能需求；
[0014]其中可再生能源包括风能、太阳能和氢能；
[0015]能量生产设备包括风力发电机组、光伏阵列和燃料电池；
[0016]能量转换设备包括热泵和余热换热器，其中余热换热器主要作用是加热给水并向用户供给热能，以实现燃料电池余热的回收利用；
[0017]能量储存设备包括蓄电池和储热罐；系统不与外部电网进行交互；
[0018]动态特性调度模型包括可再生能源、能量生产设备、能量转换设备和能量储存设备运行过程的动态信息。
[0019]所述步骤S2中，所述风光氢综合能源系统的运行状态信息包括：储能设备的状态蓄电池的荷电状态x
bat
和储热罐的状态量x
hs
、热泵闭环动态模型的状态量x
hp
和余热回收动态特性模型的状态量x
hx
。
[0020]所述步骤S1中，为简化计算，电负荷和风力发电功率、光伏发电功率均为已知的预测数据。
[0021]在一些实施例中，所述步骤S1中，净电负荷的计算方法为：
[0022]P
net
(k)＝P
load
(k)
‑
P
wt
(k)
‑
P
pv
(k)
[0023]式中，P
net
为净电负荷；P
load
为电负荷；P
wt
为风力发电功率；P
pv
为光伏发电功率。
[0024]在一些实施例中，所述步骤S1中，采用Z
‑
score方法对净电负荷进行归一化，得到归一化净电负荷。
[0025]在一些实施例中，所述步骤S3中，平均偏差指标的计算公式为：
[0026][0027]式中，ADI
m
为第m时段的平均偏差指标；NP
net,m
(n)为第m时段内第n个采样点的归一化净电负荷数据；ANP
net,m
为第m时段归一化净电负荷数据的平均值；Ns为这个时段内的采样点数。
[0028]在一些实施例中，所述步骤S3中，相应时段的调度步长大小的计算公式为：
[0029][0030]式中，Δt
m
为第m时段的调度时间步长；ADI
m
为第m时段的平均偏差指标；α和β为经验系数。
[0031]进一步地，所述经验系数α和β通过K
‑
means聚类方法进行估算得到，包括：
[0032]获取电负荷、光伏发电功率和风力发电功率的历史数据，得到对应的净电负荷数据；
[0033]以1天为单位将净电负荷数据分成多个数据组并进行组内的归一化，用归一化净电负荷计算每个时段的平均偏差指标ADI值；
[0034]采用K
‑
means聚类方法对所有平均偏差指标ADI值的大小进行分类，分类的数量由变步长的个数决定，再将每一类的边界值与每个区间的边界值对应起来，通过对相应时段的调度步长大小的计算公式的拟合来估算得到经验系数α和β的取值。
[0035]在一些实施例中，所述系统优化调度模型的构建方法包括：
[0036]系统优化调度模型包括约束条件与目标函数，其中约束条件包括模型特性约束、运行约束和能量平衡约束；
[0037]1、燃料电池及余热换热器模型：
[0038][0039]P
fc
(k)＝(E
n...

【技术保护点】

【技术特征摘要】
1.一种风光氢综合能源系统的单层变步长动态调度方法，其特征在于，包括：S1、根据电负荷、风力发电功率和光伏发电功率的预测数据计算净电负荷数据并归一化，得到归一化净电负荷；S2、在每个调度时间点t，获取风光氢综合能源系统的运行状态信息；S3、针对未来的P小时的预测时域，第一个时段为固定的调度步长Δt1＝Δt，接下来第2～P个时段基于归一化净电负荷数据计算各个时间段的平均偏差指标ADI
m
，并计算相应时段的调度步长大小Δt
m
，m＝2,
…
,P，得到调度步长策略；S4、基于所述调度步长策略和风光氢综合能源系统的运行状态信息，利用预构建的系统优化调度模型进行求解得到设备的调度计划，并将最优序列的第一个时刻的调度值下发给风光氢综合能源系统；S5、待下一个调度周期令t＝t+Δt，返回步骤S2。2.根据权利要求1所述的风光氢综合能源系统的单层变步长动态调度方法，其特征在于，风光氢综合能源系统包括可再生能源、能量生产设备、能量转换设备和能量储存设备，用于向用户提供电能需求和热能需求；其中可再生能源包括风能、太阳能和氢能；能量生产设备包括风力发电机组、光伏阵列和燃料电池；能量转换设备包括热泵和余热换热器，其中余热换热器主要作用是加热给水并向用户供给热能，以实现燃料电池余热的回收利用；能量储存设备包括蓄电池和储热罐；系统不与外部电网进行交互；动态特性调度模型包括可再生能源、能量生产设备、能量转换设备和能量储存设备运行过程的动态信息；和/或，所述风光氢综合能源系统的运行状态信息包括：储能设备的状态蓄电池的荷电状态x
bat
和储热罐的状态量x
hs
、热泵闭环动态模型的状态量x
hp
和余热回收动态特性模型的状态量x
hx
。3.根据权利要求1所述的风光氢综合能源系统的单层变步长动态调度方法，其特征在于，所述步骤S1中，净电负荷的计算方法为：P
net
(k)＝P
load
(k)
‑
P
wt
(k)
‑
P
pv
(k)式中，P
net
为净电负荷；P
load
为电负荷；P
wt
为风力发电功率；P
pv
为光伏发电功率。4.根据权利要求1所述的风光氢综合能源系统的单层变步长动态调度方法，其特征在于，所述步骤S1中，采用Z
‑
score方法对净电负荷进行归一化，得到归一化净电负荷。5.根据权利要求1所述的风光氢综合能源系统的单层变步长动态调度方法，其特征在于，所述步骤S3中，平均偏差指标的计算公式为：式中，ADI
m
为第m时段的平均偏差指标；NP
net,m
(n)为第m时段内第n个采样点的归一化净电负荷数据；ANP
net,m
为第m时段归一化净电负荷数据的平均值；Ns为这个时段内的采样点数。6.根据权利要求1所述的风光氢综合能源系统的单层变步长动态调度方法，其特征在
于，所述步骤S3中，相应时段的调度步长大小的计算公式为：式中，Δt
m
为第m时段的调度时间步长；ADI
m
为第m时段的平均偏差指标；α和β为经验系数。7.根据权利要求6所述的风光氢综合能源系统的单层变步长动态调度方法，其特征在于，所述经验系数α和β通过K
‑
means聚类方法进行估算得到，包括：获取电负荷、光伏发电功率和风力发电功率的历史数据，得到对应的净电负荷数据；以1天为单位将净电负荷数据分成多个数据组并进行组内的归一化，用归一化净电负荷计算每个时段的平均偏差指标ADI值；采用K
‑
means聚类方法对所有平均偏差指标ADI值的大小进行分类，分类的数量由变步长的个数决定，再将每一类的边界值与每个区间的边界值对应起来，通过对相应时段的调度步长大小的计算公式的拟合来估算得到经验系数α和β的取值。8.根据权利要求1所述的风光氢综合能源系统的单层变步长动态调度方法，其特征在于，所述系统优化调度模型的构建方法包括：系统优化调度模型包括约束条件与目标函数，其中约束条件包括模型特性约束、运行约束和能量平衡约束；1、燃料电池及余热换热器模型：P
fc
(k)＝(E
n
‑
η
act
‑
η
ohm
‑
η
conc
)N
fc
I
fcfc
式中，E
n
为单个燃料电池能斯特电压；T
fc
为燃料电池的工作温度；R为通用气体常数；p
H2
和p
O2
分别为氢气和氧气的压强；P
fc
为燃料电池输出电功率；I
fc
为输出电流；η
act
、η
ohm
和η
conc
分别为燃料电池过电压参数，与其输出电流有关；N
fc
为单电池串联个数；D
fc,f
为不同电功率下的氢气流量；F为法拉第常数；η
fc,e
为发电效率；η
fc,l
为热损失系数；η
hx
为余热换热器的效率；在余热换热器给水流量确定的情况下，通过电功率设定值的阶跃响应数据，利用系统辨识方法得到燃料电池电功率设定值到余热回收热功率的开环传递函数模型；式中，Q
hx
为余热回收热功率；P
fc
为燃料电池电功率；a1、a2、a3、b1和b2为传递函数系数；根据所选取的采样时间把传递函数模型离散化为对应的线性状态空间形式以方便调度问题求解：
式中，x
hx
为余热回收动态特性模型的状态量；A1、B1、C1分别是离散化后的系数矩阵；Q
hx
为余热回收热功率；P
fc
为燃料电池电功率；余热换热器最后出口热水温度由下式计算：T
hx
(k)＝Q
hx
(k)/(c
pw
G
hx
)+T
hx,w1
式中，T
hx
为换热器出口热水温度；Q
hx
为余热回收热功率；c
pw
为水的比热容；G
hx
为换热器出口水的流量；T
hx,w1
为换热器入口水温；为了防止燃料电池在低负荷范围内运行，对燃料电池运行功率的上、下限进行约束：δ
fc
(k)P
fc,min
≤P
fc
(k)≤δ
fc
(k)P
fc,max
式中，δ
fc
为燃料电池启停的逻辑标志，为1时表示运行状态，为0时表示关机状态；P
fc,min
和P
fc,max
分别为电功率最小值和最大值；余热换热器出口热水温度的上下限约束为：T
hx,min
≤T
hx
(k)≤T
hx,max
式中，T
hx
为余热换热器出口热水温度；T
hx,min
和T
hx,max
分别为热水温度最小值和最大值；2、热泵在给水流量保持不变的情况下，通过选取热泵热功率设定值的阶跃响应数据，借助系统辨识方法得到热泵的热功率设定值到热泵实际输出热功率的闭环传递函...

【专利技术属性】
技术研发人员：曹炜，沙海伟，韩倩倩，杨学才，许文超，王震泉，冯大伟，李金科，王海华，张诗滔，
申请(专利权)人：中国能源建设集团江苏省电力设计院有限公司，
类型：发明
国别省市：