考虑需求响应的多能源微电网能量优化管理方法及系统技术方案

本发明专利技术公开了一种考虑需求响应的多能源微电网能量优化管理方法和系统，该方法建立太阳能电池板和储能系统的数学模型；以最小能源成本和峰均比为目标，建立光伏、储能系统、电动汽车的混合发电系统的目标函数；求解所述目标函数，得到最优能量管理策略；本发明专利技术解决了基于价格的需求响应计划下混合发电系统的可控负荷的能源管理问题，在混合发电系统下管理能源消耗以降低电力成本、需求峰值、碳排放和用户不适性。户不适性。户不适性。

【技术实现步骤摘要】
考虑需求响应的多能源微电网能量优化管理方法及系统


[0001]本专利技术涉及一种微电网能量优化管理方法及系统，尤其是考虑需求响应的多能源微电网能量优化管理方法及系统
。

技术介绍

[0002]智能电网可与不同类型的设备配合使用：智能电表
、
智能电器
、
可再生能源和电能存储资源
。
智能电网的主要目的是通过先进的技术控制电力生产
、
输电和配电
。
在智能电网中，我们在最终用户和公用事业之间进行双向通信
。
此外，智能电网中的双向通信不仅可以让用户很好地了解电价，还可以让用户监控和分析能源消耗的实时数据
。
智能电网使可再生能源系统和分布式发电的集成变得切实可行
。
它让商业和住宅用户参与需求侧管理
(
和需求响应
)
活动
。
大多数情况下，需求侧管理的主要目标是鼓励消费者将能源使用时间转移到非高峰时段，或在高峰时段减少能源使用
。
[0003]目前的需求侧管理都没有兼顾电力
、
成本
、
峰均比
、
用户舒适度和碳足迹，同时也未充分利用智能电网的先进计量基础设施，因此现有的多能源微电网无法进行合理
、
有效的能量优化管理
。

技术实现思路

[0004]专利技术目的：本专利技术的目的是提供一种考虑需求响应的多能源微电网能量优化管理方法及系统，解决光伏
、
储能系统
、
电动汽车的混合发电系统的能源管理问题
。
[0005]技术方案：本专利技术所述的考虑需求响应的多能源微电网能量优化管理方法，包括如下步骤：
[0006]分别建立太阳能电池板和储能系统的数学模型；
[0007]以最小能源成本和峰均比为目标，建立光伏
、
储能系统
、
电动汽车的混合发电系统的目标函数；
[0008]求解所述目标函数，得到最优能量管理策略
。
[0009]进一步地，光伏
、
储能系统
、
电动汽车的混合发电系统的目标函数为：
[0010][0011]其中
t
表示时间，
T
表示时间周期，
E(t)
表示可再生能源发电的功率，
ES(t)
表示储能系统的功率，
EP(t)
表示折算功率系数，
T
sh
(t)
表示可平移负荷的功率，
T
ns
(t)
表示不可平移负荷的功率
。
[0012]进一步地，光伏
、
储能系统
、
电动汽车的混合发电系统约束条件包括：
[0013]E(t)
＝
P
pv
(t)
[0014]T
ns
(t)+T
sh
(t)
＝
(E(t)+ES(t)+
φ
(t))
[0015]α
≤
η
≤
β
[0016][0017][0018]其中，
E(t)
表示可再生能源发电功率，
ES(t)
表示储能系统的功率，
ES
min
和
ES
max
分别表示储能系统的最大和最小容量；
T
sh
(t)
表示可平移负荷的功率，
T
ns
(t)
表示不可平移负荷的功率；
P
pv
(t)
表示太阳能电池板每小时产生的能量，
η
表示运行效率；
α
和
β
分别表示运行效率的最小值和最大值；
Irr(t)
表示时间
t
内的太阳辐照度，
Kc
表示太阳辐照度最大安全运行值；
t
表示时间，
T
表示时间周期
。
[0019]进一步地，太阳能电池板的数学模型为：
[0020]P
pv
(t)
＝
η
pv
×
A
pv
×
Irr(t)
×
[1
‑
0.005(Temp(t)
‑
25)][0021]其中，
P
pv
表示太阳能电池板每小时产生的能量，
η
pv
和
A
pv
分别表示太阳能电池板的效率和面积，
Irr(t)
和
Temp(t)
分别表示时间
t
内的太阳辐照度和外部温度
。
[0022]进一步地，储能系统的数学模型为：
[0023]SE(t)
＝
SE(t
‑
1)+k
·
η
ESS
·
ES
ch
(t)
‑
k
·
ES
dis
(t)/
η
ESS
[0024]约束条件为：
[0025]ES(t)
ch
≤ES
max
[0026]ES(t)
dis
≥ES
min
[0027]其中，
SE(t)
表示时间
t
时存储的能量，
SE(t
‑
1)
表示时间
t
‑1时存储的能量，
η
ESS
表示储能系统的效率，
ES
ch
表示充电状态，
ES
dis
表示放电状态，
k
表示充放电比例系数，
ES
min
和
ES
max
分别表示储能系统的最小容量和最大容量
。
[0028]进一步地，本专利技术利用混合遗传粒子群优化算法求解所述目标函数，得到最优能量管理策略
。
[0029]进一步地，所述利用混合遗传粒子群优化算法求解所述目标函数包括如下步骤：
[0030]S1
：初始化参数，生成初始的位置和速度信息；
[0031]S2
：对初始化适应度函数进行评估，同时初始化循环以查找当前最佳值；
[0032]S3
：如果当前循环次数小于种群数，则计算每个粒子的速度和位置，同时判断更新的适应度函数是否优于最优值；若是，则将当前适应度函数值设置为最优值；若否，则继续本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种考虑需求响应的多能源微电网能量优化管理方法，其特征在于，包括如下步骤：分别建立太阳能电池板和储能系统的数学模型；以最小能源成本和峰均比为目标，建立光伏
、
储能系统
、
电动汽车的混合发电系统的目标函数；求解所述目标函数，得到最优能量管理策略
。2.
根据权利要求1所述的考虑需求响应的多能源微电网能量优化管理方法，其特征在于，光伏
、
储能系统
、
电动汽车的混合发电系统的目标函数为：其中
t
表示时间，
T
表示时间周期，
E(t)
表示可再生能源发电的功率，
ES(t)
表示储能系统的功率，
EP(t)
表示折算功率系数，
T
sh
(t)
表示可平移负荷的功率，
T
ns
(t)
表示不可平移负荷的功率
。3.
根据权利要求2所述的考虑需求响应的多能源微电网能量优化管理方法，其特征在于，光伏
、
储能系统
、
电动汽车的混合发电系统约束条件包括：
E(t)
＝
P
pv
(t)T
ns
(t)+T
sh
(t)
＝
(E(t)+ES(t)+
φ
(t))
α
≤
η
≤
ββ
其中，
E(t)
表示可再生能源发电功率，
ES(t)
表示储能系统的功率，
ES
min
和
ES
max
分别表示储能系统的最大和最小容量；
T
sh
(t)
表示可平移负荷的功率，
T
ns
(t)
表示不可平移负荷的功率；
P
pv
(t)
表示太阳能电池板每小时产生的能量，
η
表示运行效率；
α
和
β
分别表示运行效率的最小值和最大值；
Irr(t)
表示时间
t
内的太阳辐照度，
Kc
表示太阳辐照度最大安全运行值；
t
表示时间，
T
表示时间周期
。4.
根据权利要求1所述的考虑需求响应的多能源微电网能量优化管理方法，其特征在于，太阳能电池板的数学模型为：
P
pv
(t)
＝
η
pv
×
A
pv
×
Irr(t)
×
[1
‑
0.005(Temp(t)
‑
25)]
其中，
P
pv
表示太阳能电池板每小时产生的能量，
η
pv
和
A
pv
分别表示太阳能电池板的效率和面积，
Irr(t)
和
Temp(t)
分别表示时间
t
内...

【专利技术属性】
技术研发人员：吴岳洲，丁洽，谢恩彦，仲卫，汤健东，刘华星，鹿满意，黄新磊，淡延亮，郑文杰，谭慧娟，
申请(专利权)人：国电南瑞科技股份有限公司国电南瑞南京控制系统有限公司，
类型：发明
国别省市：