【技术实现步骤摘要】
计及奖惩碳排放和风光不确定性的综合能源系统调度方法
[0001]本专利技术属于综合能源系统优化
，具体涉及计及奖惩碳排放和风光不确定性的综合能源系统调度方法。
技术介绍
[0002]随着人们对于不同种类型的能源需求不断加大，传统的能源规划与利用方式已经很难满足人们的需求，综合能源系统的出现能够在保证多种不同能源供给的同时实现多能互补，可以很好的解决能源短缺、能源利用以及环境保护等问题。但伴随着风电和光伏的接入，由于风电和光伏出力具有不确定性的特点，其带来的潜在风险会对综合能源系统的经济优化产生一定影响，因此，计及风电和光伏不确定性带来的潜在风险对提升综合能源系统优化效果具有重要意义。
[0003]公开为CN114626639A中国专利技术专利申请，公开了一种考虑风光不确定性的多微电网协同优化经济调度方法，该方法首先通过拉丁超立方采样和K
‑
Means算法生成典型风光场景；其次，将利用条件风险价值理论量化风光不确定性的风险成本计入多微电网系统的日前调度模型；接着，考虑了基于电价和基于激励的混合需求响应，以减少峰值负荷，确保微电网的可靠性；最后，将电负荷、风电、光伏的日前预测数据导入日前调度模型，利用改进粒子群算法求解该模型，得到多微电网系统的优化调度结果；该专利申请虽然也利用条件风险价值计及了风光不确定性，同时考虑了环境成本，但是其考虑的环境成本默认碳排放成本固定不变，导致其计算结果与实际情况有出入，同时其采用粒子群算法对最终模型进行求解，而典型风光场景是采用拉丁超立方采样和K
...
【技术保护点】
【技术特征摘要】
1.计及奖惩碳排放和风光不确定性的综合能源系统调度方法，其特征在于，包括以下步骤：S1、构建综合能源系统中除风力发电机组及光伏发电机组之外各设备的数学模型；并设置综合能源系统的相应约束条件；S2、根据步骤S1建立的数学模型，建立经济目标函数，和计及奖惩碳排放的阶梯型环境目标函数；S3、通过蒙特卡洛采样法，构建若干风力发电机组及光伏发电机组的典型出力场景及其相应发生的概率，根据这些以及步骤S2中建立的经济目标函数，建立计及条件风险价值的综合能源系统的经济优化目标函数；S4、将阶梯型环境目标函数和经济优化目标函数之和作为综合能源系统的总目标函数，并利用cplex求解器对总目标函数求解。2.根据权利要求1所述的计及奖惩碳排放和风光不确定性的综合能源系统调度方法，其特征在于：步骤S1中综合能源系统中各设备包括燃气轮机、燃气锅炉、吸收式制冷剂、电制冷机、余热回收系统、电热锅炉和储能设备；各设备的数学模型和约束条件如下：(1)燃气轮机模型的数学模型为P
GT.E
＝η
GT.E
*P
GT.G
P
GT.H
＝η
GT.H
*P
GT.G
约束条件为P
GTmin
≤P
GT.G
≤P
GTmax
式中：P
GT.E
为燃气轮机输出电功率；η
GT.E
为燃气轮机电转换效率；P
GT.G
为燃气轮机输入天然气功率；P
GT.H
为燃气轮机输出热功率；η
GT.H
为燃气轮机热转换效率；P
GTmin
和P
GTmax
分别为燃气轮机最大以及最小功率；(2)燃气锅炉的数学模型为P
GB.H
＝η
GB.H
*P
GB.G
约束条件为P
GB.Hmin
≤P
GB.H
≤P
GB.Hmax
式中：P
GB.H
为燃气锅炉输出热功率；η
GB.H
为燃气锅炉热转换效率；P
GB.G
为燃气锅炉天然气输入功率；P
GB.Hmin
和P
GB.Hmax
为燃气锅炉输出热功率上下限；(3)电制冷机的数学模型为F
EC.C
＝COP
EC
*P
EC.E
式中：F
EC.C
为电制冷机的输出制冷功率；COP
EC
为电制冷机制冷系数；P
EC.E
为电制冷机输入电功率；(4)吸收式制冷机的数学模型为F
AC.C
＝COP
AC
*P
AC.H
式中：F
AC.C
为吸收式制冷机输出的制冷功率；COP
AC
为吸收式制冷机制冷系数；P
AC.H
为吸收式制冷机从余热回收系统获得的热功率；(5)电热锅炉的数学模型为F
EH.H
＝COP
EH
*P
EH.E
式中：F
EH.H
为电热锅炉输出热功率，COP
EH
为电热锅炉制热系数；P
EH.E
为电热锅炉输入电功率；(6)余热回收系统的数学模型为F
Hrs
＝η
Hrs
*P
GT.H
式中：F
Hrs
为余热回收系统输出热功率；η
Hrs
为余热回收系统热回收效率；P
GT.H
为燃气轮机输出热功率；(7)储能设备(7.1)储电设备的数学模型为约束条件为式中：为储电设备在t时刻的能量，为储电设备在t
‑
1时刻的能量；μ
ES
为储电设备自放电率；和分别为储电设备充电效率和放电效率；和分别为储电设备充电功率和放电功率；S
ES min
和S
ES max
分别为储电设备任意时刻最小和最大储存能量；(7.2)储冷设备的数学模型为约束条件为式中：为储冷设备在t时刻的能量，为储冷设备在t
‑
1时刻的能量；μ
CS
为储冷设备能量损失率；和分别为储冷设备吸冷效率和放冷效率；和分别为储冷设备吸冷功率和放冷功率；S
CS min
和S
CS max
分别为储冷设备最小和最大储存能量；(7.3)储热设备的数学模型为约束条件为式中：为储热设备在t时刻的能量，为储热设备在t
‑
1时刻的能量；μ
HS
为储热设备能量损失率；和分别为储热设备吸热效率和放热效率；和分别为储热设备吸热功率或放热功率；S
HS min
和S
HS max
分别为储热设备最小和最大储存能量；综合能源系统总的约束条件为W
E.buy
‑
W
E.sell
+W
PV
+W
WT
+W
GT.E
‑
W
EC.E
+S
ES
＝L
E
W
Hrs
+W
GB.H
+W
EH.H
‑
W
AC.H
+S
HS
＝L
H
W
EC.C
+W
AC.C
+S
CS
＝L
C
W
G
‑
W
GT.G
‑
W
GB.G
＝L
G
式中：L
E
、L
H
、L
C
和L
G
分别为用户需求侧的电负荷、热负荷、冷负荷以及气负荷；W
E.buy
、W
E.sell
、W
PV
、W
WT
、W
GT.E
、W
EC.E
、W
Hrs
...
【专利技术属性】
技术研发人员：刘海涛，仲聪，朱康凯，张效诚，王宇昊，马佳伊，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。