[發明專利]計及源儲荷協同的多能互補系統兩級優化調度方法及系統

有效

• 申請號: 201911113965.0
• 申請日: 2019-11-14
• 公開（公告）號: CN110866641B
• 公開（公告）日: 2021-07-16
• 發明（設計）人: 孫波;張立志;張承慧;匡冀源
• 申請（專利權）人: 山東大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/06
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李琳

1.一種計及源儲荷協同的多能互補系統兩級優化調度方法，其特征在于，包括：

第一級優化：獲取負荷數據，以經濟性最優化為目標，用戶舒適度為約束，利用遺傳算法優化得到最佳負荷數據，并將優化后的負荷作為第二級優化的輸入；

第一級為計及用戶舒適度的需求響應層，該層以經濟性為目標建立負荷優化模型，從而求解電、冷、熱最佳負荷數據；

(1-1)輸入數據：冷熱電歷史夏/冬/過渡季負荷數據、智能家電的可調度工作區間、室內溫度的可調節范圍；

(1-2)優化目標：

優化目標為計及用戶舒適度的經濟性最優：

其中，cost為系統運行花費，是第二層運行優化的目標；γ為罰因子，反映用戶對溫度舒適度的敏感程度，定義為用戶敏感度系數，單位為元/℃；T_set(t)為t時刻室內最舒適溫度；T_in(t)為t時刻的室內溫度，P_grid為t時刻的電價，分為購電價格和售電價格；E_grid為電網交互功率，購電為正，售電為負；P_gas為燃氣價格；η_e,pgu為發電機組的發電效率；N為一個完整的調度周期內的總調度階段數；

(1-3)可控負荷模型：

①可控電負荷包括可中斷負載和不可中斷負載，可中斷負載在使用過程中可以任意暫停使用，不可中斷負載啟動后不間斷使用；在負荷調度方案中，考慮到居民客戶的意愿，實現可控電負荷在優化周期24h內的平移調度，優化間隔為1h；假定參與需求響應的可控設備運行功率x是固定不變的，使用離散二進制變量y∈{0,1}表示設備的啟停狀態，1表示運行，0表示關閉；通過優化變量y的值，來達到負荷轉移的目的；

E_conload為可控電負荷；D表示所有負荷可控設備的集合；x_d表示第d個設備的工作功率；y_d∈{0,1}表示第d個設備的啟停狀態，1表示運行，0表示關閉；

②由于建筑物的墻體均具有一定的隔熱效果，室內與室外的熱交換過程較慢，不同于電負荷，室內的溫度呈小時級的變化；因此，根據能源價格，在不破壞溫度舒適度的前提下控制室內冷/熱負荷；

C_load、H_load分別為可控冷、熱負荷；T_in(t)、T_out(t)分別代表室內和室外溫度；T、R_eq分別代表控制周期和建筑物參數，β、α分別為室內用電設備對冷、熱負荷的影響系數；是常數可以被表示為：

M_air、c分別為室內空氣質量和空氣比熱容；R_eq可以被表示為：

R_eq＝R_wallR_window/(R_wall+R_window)

R_wall、R_window分別代表墻壁熱量和窗戶熱量；

優化變量：可調度用電設備的啟停狀態y_d(t)和室內可控溫度T_in(t)；

(1-4)優化變量：

優化變量為可調度用電設備的啟停狀態和室內可控溫度；

(1-5)約束條件：

①可調度設備：

[A_d,B_d]為設備d的可調度工作區間；E_d表示設備d的總耗電量；

對不可中斷負荷設備有：

若y_d(t)＝1，則y_d(t+1)＝1,…,y_d(t+n)＝1，n為設備d的工作時長；

②室內溫度：

T_{in_min}≤T_in(t)≤T_{in_max}

T_{in_min}，T_{in_min}為室內可調溫度的上下限，室內溫度調節范圍越大，控制效果越好，但同時用戶的溫度舒適度受到的影響也越大；

(1-6)求解算法：

基于遺傳算法的負荷優化求解，步驟如下：

步驟1：系統初始化，首先對系統參數、遺傳算法和設備參數進行設置；

步驟2：種群初始化，在這一步中，隨機生成N個個體，作為初始種群P₀，并對每個個體進行二進制編碼；

步驟3：計算當前種群P的適應度，分為以下兩步：

A：獲得運行策略，為了計算第一階段模型的目標函數值，需要調用第二級模型獲得優化運行策略；

B：適應度計算，利用公式(1)計算個體的適應度值；公式(1)為

步驟4：判斷當前種群是否滿足終止要求，若達到了用戶指示的最大迭代數，則執行步驟7，否則，需要繼續步驟5；

步驟5：選擇、交叉和變異，形成新種群P₃；

步驟6：執行步驟3，計算種群P₃的適應度；

步驟7：解碼，得到負荷優化結果；第二級優化：以運行費用最低為目標，基于隨機動態規劃，優化設備出力及儲能狀態，并將運行費用輸出給第一級優化；

第二級為系統的運行優化層，由于源荷隨機性導致預測數據存在誤差，該層以運行花費最少為目標建立運行隨機優化模型，從而求解各設備的最佳出力計劃；

(2-1)輸入數據：第一級優化后冷、熱、電負荷數據，燃氣價格、電價、可再生能源發電數據、設備效率參數；

(2-2)優化目標為最低期望成本：

為應對可再生能源的隨機性，系統結構中引入了儲能設備，遂使得系統相鄰運行階段前后關聯，故第二層運行優化為動態優化問題；

故第二級將目標函數表達為遞歸形式：

式中，f為累積期望運行成本；v為階段運行成本，每個階段為1小時，總階段數N為24；k為階段數；

(2-3)優化變量為：發電機組的出力計劃和儲能設備的儲能狀態；

(2-4)約束條件：

①電平衡：

E_pv(k)+ε_pv(k)+E_wp(k)+ε_wp(k)+E_pgu(k)+E_grid(k)＝E_fixload(k)+E_conload(k)+ε_wp(k)+E_p(k)

E_pv、E_wp、E_pgu、E_grid分別為光伏發電功率、風機發電功率、發電機組輸出功率以及電網交互功率；E_fixoad、E_conload、E_p分別為固定電負荷、可控電負荷及熱泵的輸入功率；ε_pv與ε_wp分別代表光伏出力與風電出力的隨機誤差；

②冷平衡：

Q_ab(k)+Q_pc(k)+Q_s(k)＝C_load(k)+ε_c(k)

Q_ab、Q_pc分別為吸收式制冷機制冷功率和熱泵制冷功率；Q_s為蓄冷功率，儲能為負，放能為正；C_load為可控冷負荷；ε_c代表冷負荷的隨機誤差；

③熱平衡：

Q_he(k)+Q_ph(k)+Q_s(k)＝H_load(k)+ε_h(k)

Q_he、Q_ph分別為發電機組余熱功率和熱泵制熱功率；Q_s為蓄熱功率，儲能為負，放能為正；ε_h代表熱負荷的隨機誤差；H_load(k)為熱負荷；

④儲能設備：

Q_sta(k+1)＝η_sQ_sta(k)-Q_s(k)

展開：

Q_sta為儲能設備的儲能狀態；η_s為儲能設備的儲能系數；C、H為k階段冷熱生產總量；冷熱負荷的隨機性在運行中體現在計劃儲能量與實際儲能量之間的偏差；

不等式約束：

Q_sta(1)＝Q_sta(25)

0≤Q_sta(t)≤Q_tes,rc

|Q_s(t)|≤Q_s,max

λE_pgu,rc≤E_pgu(t)≤E_pgu,rc or E_pgu(t)＝0

式中，Q_tes,rc為儲能設備的額定容量；Q_s,max為儲能設備的最大充/放能功率；λ為發電機組運行的最低負載率；E_pgu,rc為發電機組的額定功率；

(2-5)求解算法：隨機動態規劃方法；

第一級優化和第二級優化循環迭代，得到最佳負荷曲線和系統最佳運行調度計劃，實現源-荷最佳匹配。