基于冷热电三联供的智慧电厂两阶段优化调度方法与系统技术方案

本发明专利技术提供一种基于冷热电三联供的智慧电厂两阶段优化调度方法与系统，属于智慧能源技术领域，具体包括：在日前调度阶段，考虑新能源出力的随机性以及负荷波动的随机性，以经济最优生成运行计划；在日内调度阶段，以第二时间阈值为基础进行日内负荷调度时段的划分，在当前的日内负荷调度时段，考虑新能源出力以及用户负荷的随机性，生成下一日内负荷调度时段的新能源实际预测出力、用户实际预测负荷；以供电可靠度阈值、负荷出力平衡为约束，生成备选的各出力设备的日内备选出力计划；以日内备选出力计划为基础，以经济最优为目标，得到各出力设备的日内出力计划，从而保证了负荷的运行稳定性。行稳定性。行稳定性。

【技术实现步骤摘要】
基于冷热电三联供的智慧电厂两阶段优化调度方法与系统


[0001]本专利技术属于智慧能源
，尤其涉及一种基于冷热电三联供的智慧电厂两阶段优化调度方法与系统。

技术介绍

[0002]我国北方严寒地区供暖时间长，月平均最低温度低于
‑
10℃，且气候干燥。传统能源供给方式集中和大型化，输配系统复杂，适应性和可靠性不强。在这样的态势下，冷热电联供系统由于其突出的节能环保特点被广泛采用，如何实现对冷热电三联供的智慧电厂的优化调度成为亟待解决的技术问题。
[0003]为了实现对冷热电三联供的智慧电厂的优化调度，在授权专利技术专利授权公告号CN109858697B《计及源荷随机的冷热电联供系统优化运行方法及系统》中通过系统历史数据，预测用户负荷以及可再生能源出力，制定系统多目标综合最优的运行计划，并根据行计划计算各个调度时段各设备出力，得到日前可控设备计划出力值；在实时运行阶段，考虑可再生能源和用户负荷的随机性，计算考虑随机变量的修正后的负荷值及可再生能源出力值；将考虑随机变量的修正后的负荷值减去考虑随机变量的修正后的可再生能源出力值以及日前可控设备计划出力值得到考虑随机变量的所有设备出力修正值，但是却未在日前调度时就进行可再生能源和用户负荷的随机性的考虑，在日前调度计划构建完毕后，在日内调度时在进行出力的修正，不仅会使得负荷波动的幅度过大，从而造成设备的寿命减少，同时在严重时，甚至会导致日内调节的幅度不能满足负荷调度的要求，另外在日内调度时也未考虑不同的负荷的供给的可靠性要求的差别，电能的供给可靠性要大于热能的供给可靠性和冷能的可靠性要求，电能的供给不足，有可能会导致重要设备的突然断电，而热能和冷能的短时间的供给不足，对设备的影响较小。
[0004]针对上述技术问题，本专利技术提供了一种基于冷热电三联供的智慧电厂两阶段优化调度方法与系统。

技术实现思路

[0005]为实现本专利技术目的，本专利技术采用如下技术方案：
[0006]根据本专利技术的一个方面，提供了一种基于冷热电三联供的智慧电厂两阶段优化调度方法与系统。
[0007]一种基于冷热电三联供的智慧电厂两阶段优化调度方法，其特征在于，具体包括：
[0008]S11在日前调度阶段，考虑系统历史数据、负荷影响预测数据，并考虑新能源出力的随机性以及负荷波动的随机性，预测新能源出力以及用户负荷，以经济最优生成运行计划，以第一时间阈值为基础进行日前负荷调度时段的划分，并以所述运行计划为基础，得到各个负荷调度阶段的各出力设备的日前出力计划；
[0009]S12在日内调度阶段，以第二时间阈值为基础进行日内负荷调度时段的划分，在当前的日内负荷调度时段，基于新能源实际出力、用户实际负荷，考虑新能源出力以及用户负
荷的随机性，生成下一日内负荷调度时段的新能源实际预测出力、用户实际预测负荷；
[0010]S13以供电可靠度阈值、负荷出力平衡为约束，以当前负荷调度阶段的日前出力计划、新能源实际预测出力、用户实际预测负荷为基础，在所述日内负荷调度时段，生成备选的各出力设备的日内备选出力计划；
[0011]S14以所述日内备选出力计划为基础，以经济最优为目标，得到各出力设备的日内出力计划。
[0012]通过在日前调度阶段考虑新能源出力的随机性以及负荷波动的随机性，预测新能源出力以及用户负荷，以经济最优生成运行计划，从而使得最终的日前调度计划能够更加准确的反应实际的负荷情况，防止日内的负荷变动情况过大导致的对设备的影响。
[0013]通过首先基于供电可靠度阈值首先进行日内备选出力计划的构建，从而使得生成的日内调度计划能够保证供电的可靠性，在此基础上，通过经经济函数的构建，既保证了供电的可靠度要求，同时也保证了较好的经济型。
[0014]进一步的技术方案在于，所述系统历史数据包括相同的天气条件下的历史负荷数据、历史出力数据，所述相同的天气条件下至少包括相同的温度、湿度、风速的天气条件下。
[0015]进一步的技术方案在于，新能源出力的随机性构建的具体步骤为：
[0016]构建风机以及光伏的出力模型，其中风机的出力模型为：
[0017][0018]式中：P
WT
为风能实际的输出功率；P rate
为风能的额定功率；v为风能实际风速；v
i
为风能最小的切入风速；v
r
为风能的额定风速；v
c
为风能的切出风速；
[0019]其中光伏的出力模型为：
[0020][0021]式中：G
ST
为标准照度下获取的辐射强度；G IN
是实际的辐射强度，k即为功率温度系数；T
c
为光板实际温度；T
r
为参考温度；P
PV
为实际输出功率；P
ST
为最大支持的输出功率；
[0022]构建所述风机以及所述光伏的出力的概率密度函数：
[0023]其中风机的出力的概率密度函数为：
[0024][0025]式子中，n为随机变量个数，k称作形状参数，反映的是风速分布的特点，c称作为给定地点的尺度参数，代表了该地区平均风速的大小；
[0026]k和c的计算公式为：
[0027][0028]其中光伏的出力的概率密度函数为：
[0029][0030]其中式中x
t+k|t
是时间t对前瞻时间k的光照强度预测；p
t+k
是时间t+k的光伏功率输出；式中X
i
为光照强度样本；P
i
为光伏功率输出样本；h1、h2为带宽参数；K1、K2为核函数,N为多变量个数；
[0031]基于第一置信度，得到所述风机和所述光伏的最大随机出力结果。
[0032]通过概率密度函数和第一置信度的构建，从而将风机和光伏的随机出力转换为确定的数据，不仅使得最终的风机和光伏的最大随机出力结果能够更加准确的反应实际的出力情况，同时也具有较好的适用性和全面性。
[0033]进一步的技术方案在于，负荷波动的随机性构建的具体步骤为：
[0034]构建电、热、冷负荷的概率密度函数，其中电、热、冷负荷的概率密度函数为：
[0035][0036]其中P为负荷预测出力值；u为方差；σ为期望值；
[0037]基于第二置信度得到电负荷的最大出力值；
[0038]基于第一置信度得到热、冷负荷的最大出力值，其中第二置信度大于第一置信度。
[0039]通过第二置信度、第一置信度的构建，从而可以准确的得到电负荷和热冷负荷的最大出力值，同时也充分的考虑到电负荷对于稳定性的要求超过了热冷负荷的需求，进一步保证了调度的可靠性以及最终调度结果的实用性。
[0040]进一步的技术方案在于，所述运行计划构建的具体步骤为：
[0041]S21基于所述火电机组的出力约束、吸收式制冷机的效率约束和出力约束、储备设备的储能和出力约束、储热设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于冷热电三联供的智慧电厂两阶段优化调度方法，其特征在于，具体包括：S11在日前调度阶段，考虑系统历史数据、负荷影响预测数据，并考虑新能源出力的随机性以及负荷波动的随机性，预测新能源出力以及用户负荷，以经济最优生成运行计划，以第一时间阈值为基础进行日前负荷调度时段的划分，并以所述运行计划为基础，得到各个负荷调度阶段的各出力设备的日前出力计划；S12在日内调度阶段，以第二时间阈值为基础进行日内负荷调度时段的划分，在当前的日内负荷调度时段，基于新能源实际出力、用户实际负荷，考虑新能源出力以及用户负荷的随机性，生成下一日内负荷调度时段的新能源实际预测出力、用户实际预测负荷；S13以供电可靠度阈值、负荷出力平衡为约束，以当前负荷调度阶段的日前出力计划、新能源实际预测出力、用户实际预测负荷为基础，在所述日内负荷调度时段，生成备选的各出力设备的日内备选出力计划；S14以所述日内备选出力计划为基础，以经济最优为目标，得到各出力设备的日内出力计划。2.如权利要求1所述的冷热电三联供的智慧电厂两阶段优化调度方法，其特征在于，所述系统历史数据包括相同的天气条件下的历史负荷数据、历史出力数据，所述相同的天气条件下至少包括相同的温度、湿度、风速的天气条件下。3.如权利要求1所述的冷热电三联供的智慧电厂两阶段优化调度方法，其特征在于，新能源出力的随机性构建的具体步骤为：构建风机以及光伏的出力模型，其中风机的出力模型为：式中：P
WT
为风能实际的输出功率；P rate
为风能的额定功率；v为风能实际风速；v
i
为风能最小的切入风速；v
r
为风能的额定风速；v
c
为风能的切出风速；其中光伏的出力模型为：式中：G
ST
为标准照度下获取的辐射强度；G IN
是实际的辐射强度，k即为功率温度系数；T
c
为光板实际温度；T
r
为参考温度；P
PV
为实际输出功率；P
ST
为最大支持的输出功率；构建所述风机以及所述光伏的出力的概率密度函数：其中风机的出力的概率密度函数为：式子中，n为随机变量个数，k称作形状参数，反映的是风速分布的特点，c称作为给定地点的尺度参数，代表了该地区平均风速的大小；k和c的计算公式为：
其中光伏的出力的概率密度函数为：其中式中x
t+k|t
是时间t对前瞻时间k的光照强度预测；p
t+k
是时间t+k的光伏功率输出；式中X
i
为光照强度样本；P
i
为光伏功率输出样本；h1、h2为带宽参数；K1、K2为核函数,N为多变量个数；基于第一置信度，得到所述风机和所述光伏的最大随机出力结果。通过概率密度函数和第一置信度的构建，从而将风机和光伏的随机出力转换为确定的数据，不仅使得最终的风机和光伏的最大随机出力结果能够更加准确的反应实际的出力情况，同时也具有较好的适用性和全面性。4.如权利要求1所述的冷热电三联供的智慧电厂两阶段优化调度方法，其特征在于，负荷波动的随机性构建的具体步骤为：构建电、热、冷负荷的概率密度函数，其中电、热、冷负荷的概率密度函数为：其中P为负荷预测出力值；u为方差；σ为期望值；基于第二置信度得到电负荷的最...

【专利技术属性】
技术研发人员：赵琼，刘定杰，刘珍珍，
申请(专利权)人：浙江英集动力科技有限公司，
类型：发明
国别省市：