1. 网站地图
  2. 设为首页
  3. 关于我们


计及源-荷不确定性和需求响应的用户侧综合 能源系统区间规划研究

发布时间:2022-11-21 11:28
目 录
I
Abstract II
IV
第 1 章 绪 论 - 1 -
1.1课题背景及研究的目的和意义 - 1 -
1.2本课题的国内外研究现状 - 2 -
121 USIES规划及运行的研究现状 -2 -
1.2.2处理不确定问题的研究现状 - 3 -
1.2.3需求响应的研究现状 - 4 -
1.3本文主要研究内容 - 5 -
第2章 用户侧综合能源系统的供能设备和能流机制模型 - 6 -
2.1引言 - 6 -
2.2USIES能流机制分析 -6 -
2.3USIES供能设备的数学模型 -7 -
231 CHP机组出力模型 -7 -
2.3.2分布式光伏发电模型 - 8 -
2.3.3燃气锅炉模型 - 8 -
2.3.4吸收式制冷机模型 - 9 -
2.3.5电制冷机模型 - 9 -
2.3.6储能设备模型 - 9 -
2.4本章小结 - 10 -
第3章 计及源-荷不确定性的USIES区间规划方法 -11 -
3.1引言 - 11 -
3.2规划模型优化变量和时间尺度的确定 - 11 -
3.3USIES的源-储规划模型的目标函数 -12 -
3.4USIES源-储规划模型的约束条件 -13 -
3.4.1规划约束 - 13 -
3.4.2功率平衡约束 - 13 -
3.4.3设备运行约束 - 14 -
3.4.4网络约束 - 14 -
3.5基于区间线性规划理论的USIES不确定性规划模型 -15 -
IV
3.5.1光伏和负荷的置信区间估计 - 15 -
3.5.2基于ILP理论的模型求解原理 -16 -
3.6算例 - 19 -
3.6.1算例说明 - 19 -
3.6.2USIES的最佳规划方案 -21 -
3.6.3USIES的运行结果分析 -25 -
3.7本章小结 - 27 -
第4章 计及需求响应的USIES区间规划研究 -28 -
4.1引言 - 28 -
4.2USIES的需求响应模型 -28 -
4.2.1柔性负荷建模 - 28 -
4.2.2柔性负荷自适应合同策略 - 31 -
4.3计及需求响应的USIES源一储区间规划模型 -32 -
4.3.1计及需求响应后USIES的目标函数 -32 -
4.3.2计及需求响应后 USIES 的约束条件 - 32 -
4.3.3计及需求响应后 USIES 区间模型的求解方法 - 33 -
4.4算例 - 35 -
4.4.1算例说明 - 35 -
4.4.2考虑需求响应对规划方案的影响分析 - 35 -
4.4.3考虑需求响应对运行结果的影响分析 - 39 -
4.5本章小结 - 41 -
- 43 -
参考文献 - 44 -
- 49 -
攻读学位期间取得的研究成果及发表的学术论文 - 51 -
东北电力大学学位论文原创性声明和使用权限 - 52 -
《中国优秀博硕士学位论文全文数据库》和《中国学位论文全文数据库》投稿声明- 53 - 致 谢 - 54 -
第 1 章 绪 论
1.1课题背景及研究的目的和意义
能源是国家持续发展和人民生活水平不断提高的重要基础,中国《能源发展“十四五”规 划》将实现“碳中和”“碳达峰”目标放在突出位置[1],为响应国家号召,推动能源低碳转型与 升级势在必行,核心是控制化石能源消费量、增加可再生能源(Renewable Energy Source, RES)发电比例、建设清洁低碳的能源体系I2】。21世纪以来,能源消耗加剧,人们不得不面对 燃烧化石能源所带来的环境恶化以及过度开采所带来的能源枯竭问题,如何实现能源体系变 革,提升能源效率,降低温室气体排放量,已成为世界各国面临的重大挑战。近年来,分布 式发电(Distributed Generation,DG)技术由于其清洁、绿色、无污染的特点而得到广泛关 注 [3-4],且 DG 技术突飞猛进,对于含分布式电源的电网建设来说,系统单独规划、独立运 行的模式,无法实现能源的高效利用及能源成本降低等问题,所以需要整体考虑各能源系统 的融合。因而,“综合能源系统”(Integrated Energy System,IES)这一概念由此提出,由单 一能源供给向多能流耦合转变,清洁能源代替化石能源以减少污染排放,满足人们用能需求 的同时提升能源利用效率,是克服能源困难的有效途径[5-8]。随着可再生能源技术的不断进 步,以及冷热电在供给、用能侧的耦合程度不断加深,用户侧综合能源系统(User Side Integrated Energy System,USIES)由于其能够实现多能互补、能源利用效率高等优点,而得 到广泛关注[9-13]。顾名思义,用户侧综合能源系统是在负荷侧建设和运行的综合能源系统, 直接供给用户电热冷需求,主要包括能源生产站、能量传输网络及用户负荷,典型模式有单 楼宇综合能源系统、多楼宇综合能源系统以及区域综合能源系统(如商业园区、农业园区等) [14-15]。用户侧综合能源系统是能源互联网的终端能源供应和消费系统, USIES 中不同节点的 负荷有互补特征,合理规划系统源-储配置方案及运行策略对于实现 USIES 系统安全经济低 碳运行至关重要。
在系统实际运行中,对于包含光伏、风电等可再生能源的USIES,其能源发电侧及负荷 需求侧存在随机波动性[16-17],导致无法准确预测发电功率和负荷,均将直接影响系统优化运 行的经济性和安全性,从而对系统的最优规划和运行提出挑战。现实中无法按照传统确定性 经济调度方法求解规划问题,若选取的设备容量过低不能保证系统安全稳定性,过高会造成 经济成本冗余[18-19]。因此充分考虑多重不确定性因素成为了 USIES系统规划的关键性问题。
随着系统负荷的日益增长、供需双方的互动愈加频繁,用户行为对系统规划运行的影响 不容忽视。在用户侧综合能源系统中,能源供应方式更加复杂,用户参与需求响应的措施更 加多变,传统的规划方法已无法满足电、热、冷多种负荷互动的需求[20]。在综合能源系统源 —储优化配置时,应将用户侧以柔性负荷的方式参与需求响应纳入考虑。相较于传统的刚性 负荷,柔性负荷由于其灵活性具备对系统协调优化的调控能力。柔性负荷参与USIES的用能
- 1 -
调节,可抑制发电侧出力与负荷侧需求曲线之间的功率不匹配情况,有效实现源-网-荷三者 的协调优化用能[21-22]。随着负荷侧参与需求响应调节的程度不断加深,国家颁布了相关补贴 机制与电价调整政策以改善用户的电能消费习惯,进而平滑负荷曲线,提升供需双方的经济 利益[23]。
综上所述,随着可再生能源渗透率的增加和用户参与响应能力的提升,USIES内的能流 关系更加复杂化,从而给USIES的规划和运行调度带来了极大的挑战。基于上述背景,研究 并建立基于 USIES 的规划-运行一体化模型,定量和定性分析供能设备的工作运行机理,综 合考虑源-荷双侧不确定性以及需求响应对其规划与运行结果的影响,同时决策系统中各类 型能源设备的优化组合、选址定容和运行方案,这对于USIES的规划设计具有重要的理论价 值和指导性意义。
1.2本课题的国内外研究现状
1.2.1USIES 规划及运行的研究现状
用户侧综合能源系统隶属于综合能源系统,综合能源系统优化规划是实现综合能源系统 效益最大化的前提和基础。目前,综合能源系统规划的研究主要分为两大类[24]:(1)以能 源站(Energy Hub,EH)为整体,基于EH的综合能源系统规划的内容是设备类型与容量的 选择;(2)规划考虑能源站间的能流互联,以“站-网”为主体的优化规划。
( 1)能源站规划 现有综合能源系统的规划研究大多集中于能源枢纽的规划,着重考虑能源设备的类型选 择和容量配置[24]。文献[25]提出能量站(EH)的概念,对综合能源系统进行了标准化数学建模, 为后续规划的研究奠定基础。文献[26-27]对用户级的综合能源系统进行规划建模,优化源- 储设备的容量配置,验证了所提模型在不同工程应用的用能场景下的有效性。文献[28]综合 考虑多种运行约束,通过上下层联合优化对电热耦合区域电网进行容量配置。文献[29]提出 了园区级多能系统的配置规划模型,基于图论将该模型转化为混合整数线性规划问题对源- 储容量进行优化。文献[30]建了基于区间线性规划-粒子群优化的双层优化模型,配置 EH 内 各类型设备的容量大小,以解决考虑不确定性的综合能源系统规划问题。文献[31]以能量数 量和品质的畑效率为目标,构建了双层优化模型,通过内点法和遗传算法得到能源站配置规 划结果。以上文献仅把系统视为单节点,对能源站内设备容量进行配置,未研究能源站数量 和选址是否会对配置产生影响,未考虑各节点间的能源网络流动关系。
( 2)多能耦合网络规划
多网络节点的 USIES 规划与单节点系统不同,需要考虑网络各节点间的能量耦合关系, 规划内容包含多能源供应网络的布局与建设。部分文献对此展开研究,文献[32]耦合多楼宇 间的能流互动机制,所提规划模型综合考虑设备的选址定容、供应网络的建设及运行调度方
- 2 -
案。文献[33]建立含 CCHP 的电-气互联网络,合理配置 CCHP 容量和系统内电-气扩展线路 位置,最大限度地降低系统投资运营成本。文献[34]基于广义多能流模型提出多阶段规划方 法, 目标函数为全生命周期成本最小,并采取混合整数线性规划算法求解得到各规划阶段的 设备和线路配置方案;文献[35]计及电网-热网的综合潮流,构建考虑经济、环保等指标的双 层规划-运行一体化模型,以决策各能源站的选址定容和网络接入方案。文献[36]基于电热联 供系统,考虑网络结构及能源设备布局的优化运行,构建了嵌入机会约束方法的双层规划模 型。文献[40]结合系统的规划与调度运行,研究多 CCHP 互联场景下的优化配置问题,对供 能设备的容量、安装位置及网络布局进行联合优化。
总之,目前USIES的规划研究多考虑不全面,如未同时考虑容量配置和多能流优化,未 同时考虑规划与运行的有机融合,另外,在风光等可再生能源的大规模并网的背景下,其不 确定因素也给系统的稳定运行带来了安全风险。
1.2.2处理不确定问题的研究现状
电力系统就不确定问题的研究饱受欢迎,从优化角度来看,不确定性一般指变化参数的 分布特性难以获取并精准预测。随着风光等可再生能源渗透率的不断增加,非可调控能源的 出力随机性和间歇性使得电网中的不确定性情况愈加严重,未来潜在的负荷增长与新配售电 力市场的出现也给电力系统带来安全考验。精确有效的不确定性建模在降低系统经济成本的 同时,还能提高系统运行的安全可靠性,这对于电力系统的规划和控制在理论、实际应用上 是非常有意义的[38]。
现有研究中,较为经典的处理不确定性的数学方法有随机规划(Stochastic Programming, SP)和鲁棒优化(Robust Optimization, R0)或区间优化(Interval Optimization, IO) [39]。 SP基于概率密度函数(Probability Density Functions, PDFs)对不确定因素进行建模,并通 过多场景技术或机会约束等方法进行转换求解。蒙特卡洛模拟、拉丁超立方采样是场景集方 法的常用手段,但其生成的场景数量较多,为兼顾模型精度及运算效率,很多研究者采用场 景缩减技术削减已生成的大量场景。文献[40-41]依据 8760h 的历史负荷数据,通过 k-means 聚类方法求解得到多个典型日场景,构建计及多重不确定因素的鲁棒规划模型。文献[42]耦 合风-光-荷的气象因素,基于去噪变分自编码器建立集合气象差异的多场景模型。基于机会 约束(Chance Constraints)的随机优化是另一种常用的描述不确定性的算法,文献[43]利用 Cornish-Fisher展开法将机会约束引入优化问题,并采用内点法对非线性优化模型进行求解。 文献[44]基于随机机会约束规划生成多能联合系统的选址定容模型,并采用改进人工鱼群算 法决策配置结果。随机优化是量化不确定性的有效方法,但随机优化法的技术难点在于需要 大量采样以模拟随机变量取值,往往难以获取精准的随机参数的概率分布。
鲁棒优化作为一种描述不确定性的常用优化方法,是在不确定参数的上下波动范围内针 对最劣情形寻找最优解。文献[45]考虑实时“最恶劣”源-荷不确定性情景,建立两阶段鲁棒优 化模型,但两阶段鲁棒优化的求解中引入了非线性项,使得模型求解困难。文献[46]考虑多
- 3 -
微电网之间的能量交易,构建了一种基于两阶段自适应鲁棒优化的协同运行模型。文献[47] 基于极限场景法构建两阶段鲁棒规划模型,并通过二阶锥松弛与大 M 法转换非线性规划模 型,形成混合整数线性规划模型进行求解;总体而言,鲁棒优化以上下界参数刻画不确定性, 几乎涵盖所有不确定情景,但是鲁棒优化求解过程的数学底蕴较深,技术实现较为复杂,同 时存在实际最劣场景发生的概率极低的保守性问题,在具体电气问题上表现为经济指标差。
为克服上述不确定性处理方法的不足,区间优化由于其仅关注待求量的边界信息,无需 不确定参数的概率分布关系,建模相对容易等方面优势而得到广泛关注[48]。区间优化实质是 一种特殊的鲁棒优化方法,可以用区间形式来表示任意一个不确定变量的变化范围,相对应 的优化结果也是区间数。文献[49-50]采用区间数合理刻画不确定性,将目标函数和约束条件 转换成含区间数的形式,进而建立区间优化模型。文献[51]对风电的预测误差值进行区间数 表示,采用可能度和区间序关系的方法将区间模型转化成确定性优化模型。文献[52]通过目 标满意度的要求决策区间结果,结合区间线性优化方法求解其模型。文献[53]基于序关系比 较目标函数区间优劣进行优化,并指出若区间变量范围过大可能结果趋于保守,故区间变量 的合理取值是关键。文献[54]中的悲观模型为一个 NP 难问题,结合非线性对偶定理对其求 解,但计算异常困难。综上所述,在处理不确定性问题时,目前区间优化仍存在模型求解技 术复杂及区间取值过大的局限性。因此,本文借鉴区间数学的思想,提出一种基于区间线性 规划理论的计及不确定性的用户侧综合能源系统区间规划方法,采用置信区间估计合理量化 源-荷功率不确定性,并依据区间线性规划理论将区间模型转化为以上下限为约束边界的混 合整数线性规划模型进行求解。
1.2.3需求响应的研究现状
电力需求响应是指用户根据动态电价信号或特定的激励措施而改变常规电力消费模式的 行为,用户参与传统 DR 主要有两种方式:(1)通过削减高峰电价期间的电力负荷,降低 用电量和用电成本;(2)将用电行为从电价高峰期转移到电价低谷期;(3)使系统内部设 备尽可能多地发电,减少对外购电力和电网的依赖。依据用户参与需求响应的机制,参与需 求响应的形式可分为价格型需求响应和激励型需求响应。针对 DR 的调控能力来优化系统规 划,目前国内外已展开大量研究,文献[55]对可中断负荷和可转移负荷多时间尺度的互动响 应模型进行建模,结果表明 DR 抑制了可再生能源的出力波动性,有效减少了装置备用容量 并促进用能经济性。文献[56]表明了需求响应协同储能机组能够促进光伏发电消纳,提高了 电网中光伏的渗透率,使得负荷与光伏出力曲线趋于一致。文献[57]提出一种计及电源和负 荷时序特性差异的配电网双层规划方法,柔性资源互动可有效降低系统的运行成本,促进分 布式电源利用率。文献[58]构建了考虑需求响应计划的综合能源系统双层优化框架,并利用 KKT 方法将其转化为单层优化问题,结果验证需求响应资源可更合理调度设备出力以提高 运行经济性;文献[59]计及电价信号对于调整多类型负荷的作用,分别建立电-热-气价格弹 性矩阵,探究价格型需求响应对系统的经济费用、污染排放量以及可再生能源利用率的影响。
- 4 -
1.3本文主要研究内容
本文对用户侧综合能源源-储协同规划展开研究,考虑系统内多种多能互补的耦合设备 配置,考虑各节点间能流互联、网络协调互补,对能源站和供能网络进行规划与运行联合优 化。针对现有研究的不足,本文重点研究了考虑源一荷双侧不确定性的USIES区间规划,同 时在需求侧考虑需求响应对多能系统运行结果的影响,致力于提高 USIES 的灵活性、可靠 性、经济环保性。具体研究内容如下:
(1) USIES 的能流结构及供能设备建模
介绍典型用户侧综合能源系统的能流耦合结构与机制,对USIES的典型设备进行数学建 模,包含电母线侧的供电设备(燃气轮机、光伏及储电装置),热母线侧供热设备(燃气锅 炉、燃气轮机和热储),冷母线侧制冷设备(吸收式制冷装置与电制冷机),并分析各类型 设备的运行机理及其生产、转换、传输、储存、消耗关系,为后续第三章和第四章的研究做 铺垫。
(2) 计及源-荷不确定性的 USIES 区间规划方法 基于全年光伏/负荷历史数据的平均值结果生成 12 个典型日场景,以此作为规划的基础
数据。以综合能源系统运行的年成本最低为目标函数,年成本主要包括投资成本、维护成本、 燃料成本以及外网购售电成本和失负荷惩罚成本,此外国家政策对分布式光伏发电有相应补 贴;并综合考虑规划、运行、网络等多种约束条件,采用置信区间合理刻画光伏及多类型负 荷的波动性,进而构建计及源荷双侧不确定性的USIES区间规划模型。该模型同时考虑了设 备容量配置、多能流供应网络管理及光伏的充分利用,耦合电/热/冷能量互动机制,并有机 融合计及季节更替和日内时序的运行调度。依据区间线性规划理论将区间模型转化为以上下 限为约束边界的混合整数线性规划模型(mixed integer linear programming,MILP)进行求解。 算例应用于含商业建筑的多楼宇USIES,决策各设备的最优容量、布局以及最佳运行方案, 从经济成本、鲁棒测试两方面对比分析多种不确定场景规划结果,验证了本文所提模型的有 效性。
(3) 计及需求响应的 USIES 区间规划研究 在第三章的基础上考虑用户以柔性负荷的形式参与需求响应,建立计及柔性负荷的用户 侧综合能源系统的源—储区间规划模型,综合考虑需求响应资源对系统规划与运行结果的影 响。对可削减、可转移柔性负荷进行数学建模,同时提出柔性负荷的自适应合同策略,旨在 降低负荷峰谷差率,提高可再生能源出力,从经济性、可靠性、环保性三个方面求解并评价 计及需求响应的区间规划模型得到的最优规划方案。算例验证了本章所提模型的有效性和合 理性,用户通过调整柔性负荷以优化需求曲线,降低系统运行成本和投资建设成本,实现 USIES 源-储经济性、环保性和可靠性效益最大化。
第 2 章 用户侧综合能源系统的供能设备和能流机制模型
2.1引言
用户侧综合能源系统内部耦合了冷、热、电多类型能量供应设备,设备种类繁多且运行 特性复杂,可满足用户冷、热、电、气等多种形式能量的需求。 USIES 通过冷-热-电三种能 量母线实现不同供能设备之间能量的协调互补,加深多能流之间的紧密联系,从而使能量得 以梯级利用,各设备能量耦合工况及运行特性会影响多能系统的优化运行结果,合理地建立 用户侧综合能源系统内不同供能设备的数学模型并分析其工作机理是实现USIES经济、可靠 运行的必要条件[38]。
本文所述的USIES系统涉及电-热-冷三种能量负荷,主要包括CCHP系统、PV、储能机 组、燃气轮机、燃气锅炉、吸收式制冷机与电制冷机等能源设备。本章节将重点研究上述各 供能设备的数学出力模型及其工作特性,并深入分析各能量流的耦合关系,阐述USIES的运 行特性,为后续开展USIES系统的规划运行提供模型框架与理论支撑。
2.2USIES 能流机制分析
图 2-1 为典型 USIES 能流机制示意图[9],可划分为 5 个单元,分别为外网输入、能量供 给单元、能量转换单元和能量储存单元以及用能单元,按能量传输介质不同把母线分为电母 线、 热母线、 冷母线和燃料母线,图2-1中清晰给出不同母线与各设备之间的连接形式 [32]。 系统由上级电网提供电能,并从外部获取可再生能源和天然气作为能量来源;能量生产单元 有光伏(photovoltaic,PV)、燃气锅炉(gas boiler, GB)以及热电联产(combined heat and power generation,CHP)机组的核心装置燃气轮机(gas turbine, GT)和余热回收锅炉;能量转换单元 有电制冷(electrical cooling, EC)设备和吸收式制冷机(absorption cooling, AC);能量存储单 元(energy storage, ES)包含电储(electrical energy storage, EES)和热储(thermal energy storage, TES)及冷储(cooling energy storage,CES);能量传输单元一般由线路和管道构成;用能单元 即终端用户,有电热冷 3 种用能需求,电负荷由 GT、 PV 及外网购电满足;热负荷由 CHP 机组吸收余热、GB产热满足;AC和EC供给冷负荷。由以上分析可见,各供能设备之间的 能量交互是实现 USIES 协调运行的基础,因此下面对 USIES 中各种供能设备进行详细地数 学建模,并阐释其工作原理。
 
图 2-1 典型用户侧综合能源系统的能流图
 
2.3USIES 供能设备的数学模型
2.3.1CHP 机组出力模型
CHP机组指的是既能发电又能利用蒸汽余热输出热量的机组,一般而言,能驱动热电联 产的功能单元主要是燃气轮机和内燃机,本文选择燃气轮机作为 CHP 系统的核心组件,燃 气轮机具有建设面积小、节能效率高、启动快速、功率密度大、生命周期长等优点[60]。 CHP 机组运行机理为燃气轮机燃烧燃气输出动力,以供应电负荷,且发电的同时会产生高温烟气, 烟气携带大量热能进入余热锅炉将炉内的水加热至一定温度,产生的水蒸气一部分经换热器 转换成热水满足用户的用热需求,余下部分再经过吸收式制冷机,依据液体汽化的吸热原理, 借助吸收器-发生器组的作用完成制冷,提供冷能供应冷负荷。 CHP 机组的数学模型如下所 示:
H囂=础P(1 -严P -九ss)/ 〃CHP -备才B (2-1)
式中,pchp表示在节点7典型日d的t时刻CHP机组的发电功率;
Pi,d,t
HCHP为系统在节点7典型日d的t时刻CHP机组的产热功率;
Hi,d,t
”迪为CHP的发电效率;
盘ss为CHP机组的散热损失系数;
备为余热回收锅炉烟气余热回收率;
hB为余热锅炉的制热效率。
CHP系统需消耗对应的天然气燃料以输出电能与热能,其燃烧的天然气量可由下式表示:
f CHP,郵=点匚 (2-2)
* Pgas
式中, fi,CdH,tP,gas 为典型日 d 的 t 时刻在节点 i CHP 机组消耗的天然气量;
表示天然气的能量密度,即燃烧单位重量的天然气所输出的能量。
 
2.3.2分布式光伏发电模型
近年来,光伏发电已成为世界各国规划和建设所用的主要清洁能源,中国高度重视分布 式光伏发电的开发和利用,先后制定了一系列包含分布式光伏发电补贴,税收优惠等分布式 发电扶持政策,从而推进分布式光伏技术的有序发展。2015 年底以来,我国光伏发电装机容 量持续位居世界首位,并继续呈现快速增长态势。光伏发电具有环保无污染、一次性投入维 护成本低、技术纯熟等优点,设备结构主要由串联光伏电池板和逆变器等电力电子设备组成, 通过光伏效应将太阳能转换为电能。用户侧综合能源系统适宜建设分布式光伏,如屋顶式光 伏,充分利用建筑物的屋顶面积。光伏发电设备的运行特性与环境气候因素有关,主要由光 照强度和环境温度决定,同时设备本身也受太阳能利用效率的影响,其数学模型如下所示:
Ppv (t) = fPVPPV,rated Greal [ 1 + k (T - (^)
式中Ppv (t) — t时刻光伏功率(kW);
fPV —光伏发电功降系数;
PPV,rated —光伏系统额定输出功率(kW);
—光伏电池板的实际光照辐射强度(kW/m2); Gstc —光伏机组额定功率下的光照辐射强度; kr —功率温度系数;
T —光伏阵列的实际表面温度(°C);
Tstc —标准测试环境下的参考温度,通常取 25°C。
2.3.3燃气锅炉模型
燃气锅炉作为区域供热的重要来源,填补燃气轮机供热的需求缺口,当燃气轮机不能满 足区域用户的热能需求时,应考虑配置GB进行供热。GB的工作原理为:通过天然气燃烧 产生的热能,加热锅炉中的水以高压水蒸气或热水的形式进行供热,具有节省用地、污染小、 操作方便、可靠性高等特点。 GB 的数学模型描述了其天然气输入与热能输出的热转换关系, 为线性关系,具体如下所示:
QGB (t) = FGB (t) Lng%b (2-4)
式中Qgb 0) — t时刻燃气锅炉输出的热功率;
FGB (t)—t 时刻燃气锅炉耗气量;
LNG —燃气热值;
- 8 -
伽一燃气锅炉效率系数。
2.3.4吸收式制冷机模型
吸收式制冷机作为综合能源系统中供冷环节的能量转换设备,利用溴化锂-水溶液工艺, 通过制冷循环完成热能向冷能的转换。 AC 具有环境污染小,安全系数高、利用低品位热能 的特点,实现能源梯级利用。本文吸收式制冷机的吸收剂为沸点高的溴化锂,制冷剂是沸点 低的水,通过制冷剂蒸发吸热以实现制冷的效果, AC 制冷效率表征了输入热能与输出冷能 的关系,吸收式制冷机的运行模型如下所示:
PAR ) = PWHB,c Mar (2-5)
式中Par (t)—t时刻吸收式制冷机组的制冷功率(kW);
Pwhbc (t)—t时刻余热锅炉用于制冷的输出功率;
Mar —吸收式制冷机的制冷效率。
2.3.5电制冷机模型
电制冷机由压缩机、膨胀阀、蒸发器和冷凝器构成,其工作原理为:将电能输入给压缩 机,压缩机通过做功提高能量品位,从蒸发器传输给冷凝器,再经过冷却后返回蒸发器,完 成一个制冷循环。 EC 使用电能输入,较 AC 而言,电能的品位远大于热能的品位,因此电 制冷机只需要消耗较少的电能,具有更高的制冷效率,电制冷机的数学模型如下所示:
CEC(t)= PEC (t)COPec (2-6)
式中CEC (t) — t时刻电制冷机制冷功率(kW);
PEC (t) — t时刻电制冷机消耗的电功率(kW);
COPec —电制冷机制冷系数。
2.3.6储能设备模型
USIES 中的电负荷和热负荷需求量较大,且能源站之间有电、热供能管道的互联,因此, 本文配置储电设备和储热设备对电、热能进行储存,方便系统更好的协调优化运行。储电设 备可以通过对电能的存储与释放,在时间尺度上完成电能的转移,实现削峰填谷,此外,储 电设备能够提高系统可靠性,在电能盈余时吸收电能以作备用,在电能缺失时释放电能满足 负荷需求。目前,常用的储电设备为蓄电池,通过内部储存的化学能转换为电能实现电能的 释放,其逆过程来实现电能的存储。热能与电能类似,也存在供需不平衡、波动性大等问题, 因而需建设热储机组。储热设备的运行过程与储电设备相同,储能设备储能与放能过程的数 学模型如下所示:
E;初=/器寫,妙{ESS,TES} (2-7)
- 9 -
E= E0
i ,0, d , t =T i ,0, d (2-8)
e = (1 、f° + Pch ?7ch - Pdls q曲
i,0,d ,t=1 0 i,0,d i,0,d,t 0 i,0,d,t 0 (2-9)
Eg,t =(l-・) Eg,- + 卩;爲朮- Ph 阳 (2-10)
a>min CES < F ” <®max CES
0 ap,i,0 i,0,d ,t 0 ap,i,0 (2-11)
0<Pi,c0h,d,t < P0ch,max , 0<Pi,d0is,d,t <P0dis,max (2-12)
 
式中,0为储能类型,包括电储能ESS和热储能TES;
%是初始储能量与储能容量的比值;
c:s 为节点i处类型为©的储能安装容量;
E®,t为时刻t的储能量;
p鳥;;表示储能设备的充、放能功率;
代、尤"分别为储能的充能效率和放能效率;
为储能的自损耗因子;
分别为最大储能量/最小储能量和储能容量的比。
2.4 本章小结
用户侧综合能源系统中包含各类型供能机组,其功率模型的建模是分析系统能流耦合关 系的基础,而能量流的分析是实现系统优化规划的关键所在。本章首先对USIES的结构和各 供能机组进行阐述和深入分析,并以电/热/冷母线为依托构建 USIES 模型。在此基础上,分 别对供电、供热、供冷不同供能种类的设备进行数学建模,并深入阐释其运行原理及在综合 能源系统中的作用,同时对USIES各能流的耦合机制进行了逻辑性分析,为后续开展USIES 的规划和运行研究奠定了坚实的模型支撑和理论根基。
- 10 -
第 3 章 计及源-荷不确定性的 USIES 区间规划方法
3.1引言
电力系统不确定性问题的研究一直十分热门,近年来,随着可再生能源渗透率的不 断增加,如何处理不确定性问题显得尤为重要。对于包含可再生能源的USIES,其能源发 电侧及负荷需求侧存在随机波动性,导致无法准确预测发电功率和负荷,从而对系统的 最优规划和运行提出挑战[16],因此充分考虑多重不确定性因素成为了 USIES 系统规划的 关键性问题。另外规划问题的研究应结合多能源系统的运行调度,全面考虑规划-运行问 题才能得到更为准确的优化结果。然而,目前 USIES 的规划研究多考虑不全面,如未同 时考虑容量配置和多能流优化,未同时考虑规划与运行的有机融合,未充分考虑源-荷两 侧不确定性;且在处理不确定性时,基于区间数学的区间优化仍存在模型求解技术复杂 及区间取值过大的局限性[61]。
本章基于以上问题,借鉴区间数学的思想,基于区间线性规划(ILP)理论提出计及 不确定性的用户侧综合能源系统规划模型。该模型融合各建筑物负荷时序变化特性和能 流交互机制,以容量配置及网络布局的经济性最优为目标,综合考虑规划、运行、网络 潮流等多种约束,利用置信区间方法合理量化源-荷功率不确定性,并依据区间线性规划 理论将区间模型转化为以上下限为约束边界的混合整数线性规划模型。算例应用于多楼 宇商业建筑群USIES,决策各设备最优容量、布局及运行方案,并从多种不确定场景分析 规划结果,验证了本章所提模型的有效性[61]。
3.2规划模型优化变量和时间尺度的确定
对于本文规划模型,变量分为2类:规划变量和运行变量。规划变量由设备是否安装 (0/1 变量)、设备个数(整数变量)或设备容量(实型变量)组成[32]。运行变量包含每时段各设 备的发电/热功率、储能的充/放功率、与上级电网的交互功率、线路传输功率等。根据设 备的物理特性将其分为离散型设备和连续型设备,离散设备是指可以将规划容量离散化 处理的设备,设备单位容量即其额定发电功率,设备容量梯级变化较大;如果设备容量 是连续的或可以基于一定步长连续变化,则是连续性设备(如 PV, GB, ESS 等),虽然 这些设备的容量从本质上说是离散的,但其设备容量的梯级变化较小,就可以建模为连 续变量,以减少优化模型中的整数变量,加快模型求解速度[32,62]。
为缩减模型中的变量总数,采用典型日的方法表征负荷季节更替和日内时序变化, 通过对全年365 天各月负荷取平均值,得到12 个典型日场景[62],一个月由一个典型日代
- 11 -
 
表,该典型日又细分为24h时间段,故时间尺度是12x24=288h,相对于全年8760h的时 间变量,大大缩减了模型中的变量数,很大程度上降低了求解难度。
3.3USIES 的源-储规划模型的目标函数
设待规划综合能源系统的规划周期为 1 年,模型以系统运行的年成本最低为目标函数, 年成本主要包括投资成本、维护成本、燃料成本以及外网购售电成本和失负荷惩罚成本, 另外国家政策对分布式光伏发电有相应补贴,则年总成本表达式见式(3-1)。
min Ctotal = Cinv + Cmain +Cgas + Cgrid +Cusp -CDG
式中,Cota 1为规划运行的年总成本,Cinv为各设备年投资成本,Cmain为年维护成本,Cgas 为年燃料成本,Cg”d为与外网的购售电成本,Cusp为未供负荷惩罚成本,Cdg为分布式光 伏补贴费用。
1)年投资成本
 
dis e {GT},c°n e {PV,GB,AC,EC,ESS,TES}
式中,Cnv和CCv分别为连续设备和离散设备的投资成本,dis表示离散设备GT,con表示 连续设备集合,k为第k个离散设备,,为连续设备的第0个类型;i为第i个网络节点, I 代表节点集合;
Cap,,,是位于节点 备单位投资费用;
2)年维护成本
dev
Cmam ="(工 S,工工
d eD z=1 ieI teT
式中:dev是所有设备的集合,Z表示设备的第Z个类型;D表示典型日类别,d代表第 d个典型日,9d为一年中典型日d的累积天数,T表示一天运行周期24h; 表示在典 型日d的/时段位于节点i的设备z的发电功率;Sz为设备z的单位维护成本。
3)燃料成本
Cgas 也[CgasdZ Pd"GT+M HX/严)]
d eD ieI teT ieI teT
式中,Cgas表示天然气的价格,元/(kW-h);泸T为GT发电效率;HGBt为在节点i典型日d 时段t设备GB的输出热功率,其他热设备类比亦如此,泸B为GB的发热效率。
4)购售电成本
buy buy se1 se1
Cgrid —乙 巾 I 乙乙 St P,d,t —乙乙 St P,d,t 丿
d eD ieI teT ieI teT
式中,sbuy为时刻t的买电价格,錚为时刻t的售电价格;P路表示典型日d时刻t从外网 的购电电功率,P:表示典型日d时刻t向外网的售电电功率。
5)失负荷惩罚成本
- 12 -
 
Cusp = Y3d [工(g" E E e,d,t )],“ e {ele,heat,cold} (3 -6)
dwD u iel teT
式中,"表示用能形式,包括用电和用热负荷;g"代表"用能形式的失负荷惩罚系数; e" t为在节点i典型日d时刻t用能形式"的失负荷大小。
6)分布式光伏补贴费用 Cdg = E%(2pv EE PPVt) (3-7)
d eD ieI teT
 
式中,才V为所在地单位分布式光伏补贴价格,卩富为在节点i典型日d时刻t的光伏 发电功率。
3.4USIES 源-储规划模型的约束条件
3.4.1规划约束
1)离散设备
0 < nik < UkNk,Vi e 厶 vk e dis
式中,n丸表示在节点i类型为k的离散设备的安装台数;%为0/1变量,表示节点i是 否安装类型为k的设备,值为o表示不安装,1则安装;N,,k表示在节点i处安装设备k 的最大台数。
2)连续设备
0 < Cap,i,0 < %cm為,Vi e厶V0 e 爲 (3-9)
式中,Cap,,,。表示在节点i处类型为0的连续设备的安装容量;%为0/1变量,表示节点 i是否安装类型为0的设备;cap為表示在节点i处安装设备0的最大容量。
3.4.2功率平衡约束
1) 电功率平衡
ele GT PV EC buy sell dis
Pi,d ,t = Pi,d,t + Pi,d,t - Pi,d ,t + Pi,d ,t - Pi,d,t + Pi,d ,t,ESS -
Pi,d ,t,ESS + E fmeil,ed,t - E finel,ed,t (3-10)
m ,ieI i ,neI
式中,PGTt、PPVt分别表示在i节点在典型日d的t时刻GT、PV的发电功率;P路为节点 i在典型日d的时刻t从外部公用电网获得的电功率,P:M为送至上级电网的电功率;P:;t 为系统节点i处的电负荷;PCh:Ess和P%,ess为电储能的充、放电功率;fZ,t表示从节点m 向节点i的网络输送电功率,fnld,t表示从节点i流向节点"的电功率。
2) 热功率平衡
heat GT GB AC dis char
Hi,d,t = Hi,d,t + Hi,d,t - Hi,d,t + Hi,d,t,TEs - Hi,d,t,TEs +
E fhX(1-r)-E fihedtt (3-11)
m,ieI i ,neI
式中,HGd,t、HGBt分别表示在i节点典型日d的t时刻GT、GB的产热功率;Hdt为系统 节点i处的热负荷;H:h;TES和Hdis,t,TES为热储能的充、放热功率;fhX表示从节点m到节
- 13 -
点i的热管道输送热功率,而热管道传输功率有热损失,s代表热损失系数,lmi代表从 节点m到i的管道长度,f豐”表示从节点i传向节点n的热功率。
3)冷功率平衡
Ccdd fcPEC,+«ac hAC (3-12)
式中,CCOd为系统节点i处的冷负荷;aEc、aAC分别为EC和AC的制冷效率;P^为电 制冷机消耗的电功率,HAI,为吸收式制冷机消耗的热功率。
3.4.3设备运行约束
1 )供能设备运行约束
".gtPGT VPGTt S.GrPGX (3-13)
HGTt = PdTt(1-产-心)/产备严 (3-14)
0 V Pi,,d,t VCap,i,,,,e{GB,AC,EC} (3-15)
0 V Pi,PdV,t VCap,i,PVPPV,unit (3-16)
式中,n,,GT表示在节点i设备GT的安装台数;PGX和PGT表示单位燃气轮机的出力上、下 限;泸T为GT的发电效率;无ss为GT的散热损失系数;仏为溴冷机烟气余热回收率; 严为溴冷机制热效率。Cap,,,PV表示节点i处PV的安装容量,P>v,u„it为1kw的PV输出功 率。
2) 储能设备运行约束见第2.3.6节。
3.4.4网络约束
1 )交流潮流约束 [63]
U2 < U
 
式中,U,d,t为典型日d的t时段i节点电压幅值的平方;r、兮为连接节点ij的线路电阻 和电抗值;Pj,d,八Q,j,d,t为连接节点ij的线路传输有功与无功;式(3-17)的具体推导过程见 附录式(A1-A3);从“为平衡节点电压幅值标幺值,取1; U、U为电压幅值上下限。
Pij,d,t=2Gl-iPi,gd,t-2Gl-iPi,ed1e,t (3-20)
ieI ieI
Qij,d,t=2Gl-iQig,d,t-2Gl-iQie,1de,t
ieI ieI
Pij,d,: + Qi,d,/ < Sij 
线路有功/无功传输功率流由两部分组成,一部分与发电机的功率输出Psd,t、Qgd,t有关, 另一部分与节点负载P:dt、Qet相关;G1-,为节点i注入功率对支路传输功率的功率转移因 子,与网络结构参数有关,可根据网络节点导纳矩阵得到[25];瓦为连接节点ij的线路视 在功率容量。
式(3-17)—式(3-22)建立了节点电压和支路潮流约束模型,潮流约束的考虑使得规划 模型更为精细。其中电压和功率的平方项包含的非线性关系难以求解,本文参考文献[62- 63]所述方法对该模型进行分段线性化处理。
2)线/管传输功率约束[64-65]
-Plmax <EGl-iPi,gd,t-EGl-iPi,edle,t < Plmax (3-23)
ieI ieI
-Hlmax <EGl-iHig,d,t -EGl-iHih,dea,tt <Hlmax (3-24)
ieI ieI
式中,因最小时间尺度为1h,所以在小时级时间尺度内认为热功率与电功率一样无传输 延迟;Pmax和Hlmax表示电线路/热管道传输功率上限。
3)可再生能源年出力占比约束
EEE pPV,n k EEE Pde (3-25)
ieI d eD teT ieI d eD teT
式中, k 为全年光伏发电总量占全网电负荷的比例系数,应充分利用可再生清洁能源,减 少发电污染物的排放,以保证发电环保性。
4)与外网交互功率约束
E E E Pi,bdu,yt <wEEEPi,edle,t (3-26)
ieI d eD teT ieI d eD teT
式中,w代表外网购电量占全网电负荷的比例,应尽量保证系统内部发电设备充分发电, 不依赖于外网购电,从而实现系统内部用电自给自足。
3.5基于区间线性规划理论的USIES不确定性规划模型
3.5.1光伏和负荷的置信区间估计
采用区间数刻画光伏出力与负荷需求的不确定性,将系统各时段光伏出力[Pv(t)]和 负荷[PL(t)]看作预测值PUt)、PLF(t)与误差值APPV(t)、APL(t)之和,预测值为确定性变量, 误差值为区间变量[53],即:
(t)] = [PPVF (t)+APPV (t)]
][Pl (t)] = [Plf (t) + APl (t)] (3-2/)
式中,[PPV(t)]、九(t)]分别表示t时刻光伏、负荷实际功率区间数,P>VF(t)、*F(t)分别表 示t时刻光伏、负荷预测功率,APPv(O、APL(t)分别表示t时刻光伏、负荷的预测误差范 围。
经历史数据验证,正态分布常用于描述光伏及负荷的预测误差,认为预测误差^P是
- 15 -
服从均值为0,且标准差C正比于该时段预测值的正态分布随机变量[53],如式(3-28)。相比 于可再生能源发电的不确定性,负荷不确定性与电价、用户需求弹性直接相关,因此负 荷预测精度往往比可再生能源高[16],且热负荷波动相较于电需求较平稳[66]。本文分别用⑦ 屮,施示光伏、电负荷、热需求及冷需求的预测误差系数,以表征源-荷不确定程度。
APPv (t)〜N(0, clPpvf (t))
<时(t)〜N(0,吩(t))
APheat (t)〜n(0, ^Pheat (t)) (3-28)
APC"d (t)〜N(0,対(t))
区间方法通过限定各节点不确定因素的波动范围,进而限定场景集的边界。若直接 考虑将最大误差范围[AP-,AP+]作为功率区间进行规划,存在将概率性极低的情况作为区 间边界的保守性问题。因此本文根据预测值及预测误差的正态概率分布,采用置信区间 估计方法合理提取功率区间,保证方案满足一定置信水平[53]。
P(P- < P < P+) = 0
v P += Ppre +b加(¥)]
P ■= Pe-b[0T(¥)] 式中0为置信度,表示统计值P落在区间[p, P+]内的概率为0 足置信度0时的上分位数,p+、P分别为置信区间的上下界。
取置信度0为 95%,根据光伏、负荷的误差概率特性分布,经预测误差与预测值相加 得到实际置信功率区间[PPV(t)]、區⑴],并将此作为区间变量的合理边界条件。
3.5.2基于 ILP 理论的模型求解原理
基于第 3.3-3.4 节所建立的源-储规划模型,当不确定变量采用区间数表示时,优化模 型的数学约束条件发生变化,确定性约束将被转换为包含如下区间数的约束:
ele ele 1 GT pv ec buy seU
P,d,t'Pi,d,t I P,d,t 十 P,d,t P,d,t 十 P,d,t Pi,d,t 十
dis char ele ele
Pi,d,t,ESS - Pi,d,t,ESS + Efmi,d,t - Efin,d,t m,ieI i,neI
at heat 1GT GB AC dis ,t,Hi,d,t I= Hi,d,t + Hi,d,t - Hi,d,t + Hi,d,t,TES
char heat heat heat
—Hi, d ,t ,TES 十 E J mi, d ,t (1 — Q lmi ) — E Jin, d ,t
m,ieI i,neI
[c-dt, C^dt ] “ec p ECt+捡丹爲
0 < Pi, dt < Cap,i ,PV[ PPV,unit, PPV,unit ]
-Pl max <E Gl - iP 打,t -E Gl - i [ P edet, P ed:t] < 马 max
ie I ie I
-H max < 工 Gi-,H,d,t 一工 Gi-iHe'HX] < h max (3-35)
iwI iwI
显然,含区间数约束的规划模型是无法直接求解的,借鉴鲁棒优化的思想,如果能 确定“最劣”数据场景,对于可能出现的所有情况,约束条件均可满足,就可以将上述含区 间数规划模型转化为可以直接求解的数学模型,并且同时能够达到考虑不确定性的效果。 我们定义根据“最劣”场景求取的规划方案为悲观解[65]。
根据ILP理论[62,65],当等式和不等式约束达到相应区间数的上限或下限时,区间规划 问题可以转化为混合整数线性规划(MILP)模型加以求解。每给定一个不确定场景,可 以借助于简单的线性规划模型获得最优解,当不确定变量区间内变化时,相应地得到若 干个最优解,其中目标函数值最小(即最好)的为乐观解,最大(即最差)的为悲观解[54]。需 注意的是,等式和不等式约束获得悲观解的条件是不同的。
由ILP可知,求解后的最优值在不等式约束边界处取得,悲观解在不等式约束选择最 高下限和最低上限时得到,即该不等式约束是对功率施加的最严格限制[65]。含区间数的 不等式约束式((3-33)- (3-35))可以进一步改写为:
0<Pi,PdV,t <Cap,i,PVPPV,unit (3-36)
(3-37)
 
 
 
-Hl max <Z Gl』i,d,厂工 G, i T H:d:, Hdt ] < H max =
iwI i^I L
-H max + 工 GiJ , HX ]辽 G-Hidt
i^I L i^I
(3-38)
工 Gi-Hd,t < Hmax + 工 Gi-iH常
ieI iwI
-工 G,-iHgdt < Hmax -工 Gi-疋
ieI ieI
可见,公式 (3-36)-(3-38)体现了最小的解集空间,如果在最小解集空间中存在可行最
优解,那么在解集空间较大情况下,该解对于所有其他可能的数据场景都是可行的。
关于区间等式约束的处理,需将等式约束用区间的上下边界之一进行等效替代,进 一步分别组合求解和对比,获取“最劣场景”[65],见式(3-39)-式(3-44)。由于事先无法预知
- 17 -
悲观解对应的组合方式,且对于每个区间数等式约束,将产生两个确定性等式约束,共 有T个时间段,因此必须对2t组等式约束进行求解,才能找到悲观解,计算难度较大。 由于本优化问题的每时段功率平衡约束都只与该时段的功率输出相关,且不同时段的功 率平衡约束是相互独立的,相邻时段的最劣场景是相同的,则 2T 组等式约束可以约简为
2xT种约束场景I62】。此外,电热冷是互相耦合的,其区间等式约束并不是互相独立的,因
此需要考虑8xT(23xT)次的组合验证。
 
 
 
对于 MILP 问题(式(3-36)—式(3-44)),可以在 MATLAB 环境中采用 yalmip 软件包进 行建模,并调用CPLEX求得相应的规划结果。具体求解流程见图3-1。
 
图 3-1 含负荷、光伏不确定性的区间规划流程图
3.6 算例
3.6.1算例说明
本文算例将 USIES 通用模型具体化,研究该模型在多楼宇商业建筑群中的适用性。 此园区包含 4 种建筑物:宾馆,医院,学校及住宅,用户负荷需求考虑电、热两种类型。 根据各建筑物及线路/管道的地理布局,模拟网架结构如图 3-2 所示[32]。各热管道的热损 失系数取4x10"5/m,外部公共电网从1节点接入园区,并与外网交互功率,其他节点不参 与购售电,每个节点均接入公共燃气网。系统与上级电网购售电采用分时电价,见表 3-1。 天然气的低热值为9.73kWh/m3,购气单价为0.2423元/(kWh)。附录A1—A4给出了各设 备的经济技术参数及线路/管道参数。
 
 
 
图 3-2 多楼宇商业建筑群的 USIES 布局图
表3-1分时电价
价格/时间 23:00—6:00 7:00—16:00 17:00—22:00
购电电价 0.42 0.88 1.35
售电电价 0.3 0.6 0.8
由于用户负荷随季节更替和日内时序变化具有差异性, 4 种建筑物在不同时间有不同 的热电负荷模式。本文基于commercial building databases生成各月份288h的各建筑物电/ 热/冷负荷数据以及1kW光伏的出力情况,以此作为规划的基础数据。图3-3描述了 288h 各建筑物的电/热/冷负荷曲线,图 3-4 以夏季典型日为例,给出一天 24h 时序变化[67-68]。 分析季节变化下用能负荷特点,在夏季典型日,所有建筑物均有用电和热水需求,且在 晚上23:00到次日5:00之间住宅和学校无热需求;在冬季典型日,由于供暖需求,所有节 点用热需求量相对于电需求增加;且宾馆和医院是高耗能建筑物,用能需求量明显较大。
- 19 -
考虑到典型日一天的时序变化,以冬季典型日为例,宾馆用能高峰在晚上,医院和学校 在白天消耗量较大,住宅用能则集中于用户上班前和下班后的时间。不同的能耗模式为 4 个站点提供了多能互补的可能性,使每种建筑物在能源梯级利用中受益。
 
为研究负荷、光伏的功率波动性,以一月典型日的全网电负荷为例,给出其置信功 率区间如图 3-5 所示,预测值数据运用于下文中的确定性模型,不确定模型采用区间边界 值进行求解。
 
 
3.6.2USIES 的最佳规划方案
3.6.2.1DPM与UPM规划结果的对比分析 为研究不确定性对系统规划结果及经济成本的影响,设置以下两种模型作对比试验, 由于天气变化及不同生活方式等不确定性因素影响源-荷预测的准确性,故考虑光伏和各 类型负荷的不同预测误差系数[16,66]如表3-2所示,本节UPM取最大误差情况一场景4,运 用所提数学模型及求解方法,确定DPM和UPM的设备最优配置方案。
•DPM :不考虑光伏和负荷的不确定性,即确定性规划模型(Deterministic programming model, DPM);
•UPM :以最劣情况考虑光伏和负荷不确定性,即不确定性规划模型(Uncertainty program- ing model, UPM)。
表 3-2 不同场景的源-荷误差系数
类型 场景 光伏预测误差a 电负荷预测误差& 热负荷预测误差% 冷负荷预测误差q
DPM 场景1 0 0 0 0
场景 2 10% 5% 4% 4%
UPM 场景 3 15% 8% 6% 6%
场景4 20% 10% 8% 8%
图 3-6 给出了两种模型下的规划方案,包括设备安装位置、容量和线路年累积传输电 /热量,传输总方向在图上标出。此外,电压结果选取 1—3 节点的线性化交流潮流计算得 到的电压幅值进行说明,节点 4 视为平衡节点,并绘制箱线图见图 3-7,各节点电压波动 均在允许范围内,无电压越限现象。表 3-3 表示不同场景下的具体设备优化配置结果,分
- 21 -
 
析DPM和UPM的具体规划方案,从图3-6与表3-3可以明显看出,DPM和UPM的规划 方案不同,每个节点的安装设备类型以及安装容量有所差异, UPM 因关注最劣情况下的 不确定性,投资供能机组容量更大,但两者均只在医院处安装燃气轮机,分析其原因, 医院的全年电/热负荷最大,在医院安装GT能够做到就地消耗,减少线路损耗和热损失, 提高 GT 运行经济性。
 
图 3-6 DPM 和 UPM 的规划方案
表 3-3 不同场景下的具体设备配置结果
参数名称及单位 不同场景下的具体配置结果
DPM UPM
燃气轮机/kW 350[②为 350] 350[②为 350]
光伏/kW 936.48[①为 936.48] 1063.84[①为 1063.84]
487.63[①为 97.12, 606.71[①为 121.26,
燃气锅炉/kW ②为 240.90, ②为 307.37,
③为86.01,④为63.60] ③为 107.09,④为 70.99]
406.02[①为 109.55, 372.75[①为 115.02,
吸收式制冷机/kW ②为 180.15,③为 113.26, ②为 189.16,③为 65.35,
④为 3.06] ④为3.2]
802.74[①为 174.08, 842.8719705[①为 182.79,
电制冷/kW ②为 434.99,③为 99.84, ②为 456.74,③为 104.83,
④为 93.82] ④为98.51]
1395.81 [①为 764.03, 1977.61[①为 967.79,
电储能/(kW・h) ②为 459.20,④为 172.58] ②为 284.77,③为 518.96,
④为 206.09]
- 22 -
 
 
23
2 节点 3
图 3-7 各节点电压变化范围
3.6.2.2鲁棒性测试
鲁棒性[45]常用来描述系统面对不确定变化的适应能力,为满足系统安全运行的必要 条件,规划方案应在所有可能的不确定场景下,都保证系统的运行可靠性,所以有必要 对系统规划方案进行鲁棒性测试。分别测试表 3-2 四种场景的鲁棒性,以验证本文所提 UPM 模型的有效性:目标函数引入未供负荷惩罚成本,将四种场景的规划结果分别代入 到随机生成的n个样本场景中,取求解得到的电平均失负荷概率(1 oss of load probability, LOLP)表征系统供电可靠性,因冷/热需求波动平稳故不考虑冷/热失负荷率;若无切负荷 量,则该规划方案是安全可靠的,否则不是,具体鲁棒测试结果见表 3-4。显而易见, DPM 有大量电负荷未满足供电,对应大额失负荷惩罚成本,其中单位惩罚成本为 0.8 元 /kW[66];而UPM的三种场景面临相同不确定场景时LOLP很小,甚至为0,仍能达到供 需平衡,失负荷惩罚成本降低至0。对比可得,UPM以最劣情况考虑不确定性的优化空间 更大,规划方案对不确定因素耐受度较高,鲁棒性更强,故 UPM 可提供更为可靠的规划 方案,进而验证了本文所提UPM模型的有效性。
表 3-4 四种场景的鲁棒测试结果
类型 场景 LOLP (%) 失负荷惩罚成本(105元)
DPM 场景1 22.4% 4.739
场景 2 1.5% 0.299
UPM 场景 3 0 0
场景4 0 0
3.6.2.3经济性比较
1)设备安装位置和容量的不同直接导致经济成本的差异,图 3-8 给出 4 种场景下的 各类型经济成本,具体数值见表 3-5,观察图 3-8 与表 3-5, UPM 的投资成本增加幅度较 大,分析各设备投资成本,造价较高的光伏投资明显较大。究其原因, UPM 考虑不确定 性参数的最劣情况,且经组合验证,最劣场景下光伏单位出力达到下限,负荷需求至上 限,为满足负荷需求,需大量安装光伏机组,光伏渗透率增加, UPM 促进光伏资源的利
- 23 - 用,提高了光伏补贴收益;另外燃气机组需增大出力以填补供给,燃料成本有所上升, 且系统需购入更多电量弥补缺额,购电费用升高。由表 3-6 亦可见,不考虑失负荷惩罚时, UPM总用能成本较DPM增加。然而面临不确定因素时,UPM鲁棒性增强,DPM对不确 定因素适应性低,需增加大量风险储备金额以应对系统失负荷惩罚补偿,则计及失负荷 惩罚的经济总费用明显高于UPM的经济总费用,UPM经济性提高近10.1%。综上所述, UPM 在提高系统运行可靠性的基础上又兼顾了经济性,可实现安全和经济之间的最佳权 衡,进而从多场景下验证了本文所提UPM模型的优越性。
2)探究源-荷不确定程度对经济结果的影响。对比表 3-6 三种 UPM 场景,随着预测 误差系数增大,因覆盖了更大范围的不确定性而鲁棒性增强,失负荷惩罚成本降低至 0, 但同时规划结果趋于保守,经济成本增加,故源-荷不确定程度越大,经济效益越差,但 鲁棒性越好,在进行 USIES 规划时,决策者需作出权衡。
30
25
20
15
10
5
0
-5
投资 维护 燃料 购售电 光伏 失负荷惩 计及惩罚成本
成本 成本 成本 成本 补贴 罚成本 的总 费用
成本类型
 
图 3-8 不同场景的各成本项对比图
表 3-5 不同场景下的成本优化结果
成本类型(元)/场景 场景 1 场景2 场景3 场景4
投资成本 1100669.834 1175639.188 1221234.215 1260222.108
维护成本 106628.695 116140.114 122057.0699 124905.617
燃料成本 1073486.723 1175947.221 1228196.278 1266620.867
购售电成本 183184.695 194904.2885 201268.740 205311.438
补贴收益 158728.913 168655.7906 174611.917 178582.668
总成本 2305241.033 2493975.021 2598144.387 2678477.362
失负荷惩罚成本 473900 29979 0 0
计及惩罚成本的总费用 2779141.033 2523954.021 2598144.387 2678477.362
 
- 24 -
 
表 3-6 不同场景的经济总成本
类型 场景 总成本(106 元) 失负荷惩罚成本(106元) 计及惩罚成本的总费用(106元)
DPM 场景1 2.3052 0.4739 2.7791
场景 2 2.4940 0.0299 2.5239
UPM 场景 3 2.5981 0 2.5981
场景4 2.6785 0 2.6785
 
3.6.3USIES 的运行结果分析
在多能系统最佳设计时,规划和运行是相互耦合的,研究人员无法在不考虑最优调 度的情况下分析最优配置方案,由 3.6.2 节对四种场景的经济性和鲁棒性比较可知,相较 于DPM模型,UPM模型对应的场景可兼顾经济性和供能可靠性,故下文基于UPM模型 场景 3 的规划结果分析系统的运行情况。
3.6.3.1全网电平衡分析
以 6 月夏季典型日为例分析全网整体电平衡。观察图 3-9,系统达到电供需平衡;从 外网购电主要发生在 23:00-次日 6:00,因为此时间段电价低,从外网购电供给负荷较经济; 当白天外网电价较高时, GT 和 PV 是主要供能来源,白天光照强度高,为充分利用可再 生能源, PV 优先出力,光照辐照较弱时,不足的部分由 GT 和电储放能补充,系统电量 富余时,卖电给外网获取收益。因此,各设备的优化出力情况跟踪外网电价以及光照强 度信号,实时调整自身出力以保证系统的经济性与环保性。
 
 
图 3-9 夏季全网电平衡分析
3.6.3.2冬季医院的热供能分析
以医院单一节点为例,分析 1 月冬季典型日热平衡。冬季医院的热供能情况见图 3-
10,整体可见医院在冬季典型日能达到热供需平衡;依据 GT 发电同时有热能输出的特点,
- 25 -
 
故分析供热情况时要结合其供电规律,如下:冬季光照强度弱,PV基本不发电,则由GT 承担主要发电任务,同时 GT 大量产热,故 GT 承担供热基荷, GB 是后备热源。在热需 求高峰时刻,热储起到灵活调节作用,实现能量的跨时段转移;此外,医院也可作为热 源传送热能至热网,实现与其他节点的热交换。
 
 
 
I IGT产热 I |GR产热 匚二]热转移
I I AC吸收热匚二|热储充放能yi热负荷
图 3-10 冬季医院的热供能分析
3.6.3.3夏季宾馆的冷平衡分析
图 3-11 为 6 月夏季典型日的宾馆冷供能,由图可知在夏季典型日可达到冷供需平 衡,冷能由EC和AC提供,且因EC的制冷效率较AC高,则EC承担主要供冷基荷, 以提高系统运行经济性。
 
图 3-11 夏季宾馆的冷供能分析
- 26 -
3.7 本章小结
本文在能源互联背景下,有机融合各建筑物负荷时序变化特性、能流交互机制及管 网运行控制,并利用区间数刻画源-荷两侧双重不确定因素,建立了考虑经济性、可靠性 的用户侧综合能源系统的区间规划模型,并求解模型以决策设备最优配置、最优布局及 运行策略。该区间规划模型基于区间置信估计合理提取功率区间变量,能有效避免结果 保守性;基于 ILP 理论将区间规划模型转化成 MILP 模型,转化过程易于处理且规划方案 能够保证所有不确定场景的可行性。
从鲁棒性和经济性两个方面验证本文所提计及不确定性的区间规划模型的有效性及 优越性,DPM方案需增加储备金以适应波动性,而UPM鲁棒性强,计及失负荷惩罚成本 的 UPM 反而在经济性上表现出一定的优势,同时兼顾了所有不确定场景的普遍适应性, 对 USIES 的规划设计具有指导性意义。
- 27 -
第 4 章 计及需求响应的 USIES 区间规划研究
4.1引言
调动 DR 资源参与系统规划与运行的互动,是实现系统“源-网-荷-储”协同规划的 关键,既能促进 USIES 中的多能互补,又能充分发挥 DR 的灵活调控能力,提高可再生能 源利用率,实现供需两侧资源的协调匹配[69]。柔性负荷是需求响应的必不可少的资源, 是参与需求响应互动的重要组成部分,系统与用户签署DR协议,能够对各种柔性负荷进 行调控,结合系统设备出力的多能互补、协调分配,以此优化系统总运行成本。
因此本章在第三章计及源-荷双侧不确定性的区间规划模型基础上,进一步将 DR 机 制融入到其容量配置与运行优化模型中,建立考虑需求响应的源-荷不确定区间规划模型, 从经济性、可靠性以及环保性三个方面评价需求响应对系统规划运行结果的影响。算例 中通过对不同的DR参与方式场景的比较分析,验证了本文所提计及需求响应的USIES区 间规划模型的正确性与优越性。
4.2USIES 的需求响应模型
传统电力需求响应的仅作用于电力用户,本文的DR机制将对象拓展到电、热、冷等 多类型负荷,即具有电-热-冷需求的用户均可对负荷进行转移和中断,从而使需求侧的调 控潜力发挥得更充分[70]。依据响应方式的不同, DR 可分为价格型和激励型响应两种。基 于价格的需求响应是将电价信息提前一天通知用户,鼓励用户自发调整用电时间与用电 量;激励型响应是用户按照DR协议,在约定时间内作出一定响应,并给予一定经济补偿。 柔性负荷是需求响应的重要方式,柔性负荷调节速度快且经济环保,主要考虑可转移负 荷和可削减负荷两大类[71],系统内负荷侧的调控行为主要表现为负荷在横向上的时间转 移和尖峰削减,系统外的互动是把系统看做一个整体与外部电网交互功率[69]。此外,综 合能源系统需求侧的用户虽然在某一时间段内削减或转移一定的负荷量,可实现削峰填 谷的效果[72],但调动柔性响应互动在改变用户消费习惯同时,或多或少会影响到用户的 用能舒适性与生活质量,因此电网需给予适当的经济补偿。根据参与需求响应的方式, 下面对各类型柔性负荷进行分析并建模,并给出对应的补偿成本如下:
4.2.1柔性负荷建模
(1)用户侧综合能源系统的作用对象多为生活区、办公区或商业建筑,包含多种柔性负 荷。据响应特性的不同,目前柔性负荷常用的负荷调度形式为避峰和错峰,可削减负荷
- 28 - 即避峰负荷,是指在高峰时段削减一定电量;可转移负荷即错峰负荷,用户自发错开个 人的用电时段与电网的用能高峰,从而实现调峰填谷的效果[71]。
[1]可削减负荷
可削减负荷是指对供能可靠性要求较低的负荷,比如灯光照明,提前计划并根据调 度需求减少各时段可削减的负荷总量,可削减负荷示意图见图 4-1。柔性负载的调度量受 到用户用能满意度性的限制,如果每个时间段的负荷大大增加或减少,用户的消费舒适 度就会降低,因此有必要将柔性负载的调控量控制在合理范围内[73],各时刻负荷削减量 为固定供应负荷总量的一定比例,以满足用户用能舒适度,故给出如下约束条件:
裟笄“加,t <可為< PiX^h,k e {认可 (4-1)
T"t,m"辽工工也t匕T'W te[鑑k,閱] (4-2)
ieI d eD teT
工工工砧心=o, t打益,唸] (4-3)
ieI d eD teT
式中,k包含三种需求类型,电需求e和热负荷h以及冷负荷c; PHd t代表在节点7典型日 d的t时刻第k种负荷的削减功率;也是0/1变量,表示此时是否有可削减负荷; 和分别是在节点7典型日d的t时刻第k种负荷的可削减大小的上/下界;空*、當;k分 别表示第k种可削减负荷的响应时间的起始时刻和结束时刻;T~、分别表示第k 种可削减负荷总响应时间的上下界。
 
图 4-1 可削减负荷的示意图
[2]可转移负荷
可转移负荷是指在可转移时段te[£k,tend,k]内总负荷量保持不变,针对运作时间和工 作时长可调的负荷,具有较高的时间弹性。通过电价信号和激励措施,使用户从高峰高 价用电时段转移至低谷低价用电,其中电动汽车是典型可转移负荷,可转移负荷示意图 见图 4-2。可转移特性负荷分为峰/谷/平三个时刻进行表示,设定系统电价划分为峰、谷、 平三个时段,峰-平时段电价差表示为△ C1,峰-谷时段电价差为厶C2,平-谷时段电价差记作 △C3,假设负荷是从高电价时段平均转移至低电价时段,故考虑可转移响应后的峰/谷/平三
- 29 -
个时段的负荷数学表达式如下[74]:
 
 
 
 
 
S (Prlk,d,t - Ptklt ) = 0 sta
ttrns,k
式中,prn,k,d,tf、prn,k,d,tp、prn,k,d,tg分别为第k种负荷在典型日d时刻t分别在峰平谷时段的可 转移负荷量,占第k种总负荷的一定比例;p“,tf、p“,tp、p»k,d,tg分别为考虑可转移负 荷后的第k种负荷在典型日d的峰平谷时段的负荷量;tf、tp、tg分别为峰平谷电价时段 的某一时刻;Tf、Tp、Tg分别为峰平谷三个时段的总时间段;Atrn,AC1、Atrn,AC2、Atrn,AC3分别 表示峰-平、峰-谷和平-谷时段之间的固定负荷转移率;必为考虑可转移负荷后的第k 种负荷在d典型日t时段的负荷量,p淸d,t为考虑可转移负荷前的负荷量;牡,八ten:代表可 转移负荷响应时段的起始时刻和结束时刻。
因此,系统计及需求响应后的总电力负荷可表示为:
 
2)参与外网购售电互动
用户侧综合能源系统相较于电网可看做一个柔性负荷,通过线路联络线交互功率以 实现能量在网-荷间的双向传输。当系统参与外网购售电的互动时,尽可能在电价高峰时 段降低外购电量,在电价低谷时段优先选择外购电,以实现用户用能经济性。USIES与外 电网交互功率的形式参与需求响应,需满足以下约束:
 
 
 
buy buy sell sell max
Pi,d,tui,d,t -Pi,d,tui,d,t < Pgrid (4-11)
式中, uib,udy,t 、uis,edll,t 为 0/1 变量,表示 7 节点在典型日 d 的 t 时段是否买电/卖电的状态; Pi,bdu,yt 、 Pi,sdel,lt 、 Pgmridax 分别为系统在典型日 d 的 t 时段实际买/卖电功率以及与外网传递功率的上限。
用户侧综合能源系统作为柔性负荷参与外网购售电互动的成本,见式(4-12)。
Cgnd = m(EE 們 Pbuy(( s((( (4-12)
d eD ieI teT ieI teT
式中, Pi,bdu,yt 为考虑需求响应后典型日 d 时刻 t 从外网的购电电功率, Pi,sdel,t 为考虑需求响应 后典型日 d 时刻 t 向外网的售电电功率。
4.2.2柔性负荷自适应合同策略
(1)策略 1—降低峰谷差率
可转移负荷和可削减负荷参与需求响应均能有效降低负荷的峰谷差率,平滑负荷曲
线以优化负荷用能,降低峰谷差率这一指标用下式表示:
max
式中, FG 为负荷的峰谷差率, Pmax 、 Pmin 分别为某一时刻的最大、最小负荷。
2)策略 2—最优光伏利用率
基于负荷特性曲线与光伏出力曲线趋势不一致的特性,提出一种光伏利用率最优的 自适应合同策略,使高峰时期的被转移负荷自动寻找转移时段,自发地优先转移至光伏 出力期,从而使负荷需求与光伏出力特性相匹配[75],当光伏出力没有冗余时(无弃光现
象),剩余的被转移负荷再转移至低价时段,以提高用能经济性。为满足最优光伏利用 率,有以下约束条件:
minCtms =戸呻心-P爲・叨
心v =1 (4-15)
式中,忙“厂\ 为实际参与转移负荷量的绝对值,Ck:S表示第k种负荷类型的可转移负 荷分时单价(元/kWh),利用光伏功率的时刻,转移负荷单价设为0 ;叽=1表示光伏利 用率达到 100%,无弃光现象。
该策略通过分析负荷和光伏输出的历史数据,首先获得规划区域内不同季节负荷的
- 31 -
峰谷时段和光伏出力时期,并确定负荷转移区间;然后依据户主与电网公司签订的合同 约定,得知该地区参与调节响应的负荷总量;最后以日前负荷数据、光伏出力预测值以 及自适应合约策略为基础,得到柔性负荷各时段的被转移量,以保证效益最大化[75]。该 策略可以合理利用光伏出力高峰时刻的冗余量,一方面减少弃光现象,提高了光伏消纳 能力,另一方面降低了用户高峰时刻的购电量,削减外购电成本。
4.3计及需求响应的 USIES 源—储区间规划模型
4.3.1 计及需求响应后 USIES 的目标函数
优化目标为最小化系统的年总成本,在 3.3 节用户侧综合能源系统源储规划模型的基 础上进一步考虑柔性负荷参与需求响应,则相应的年总成本做出改变,需增加可削减负 荷以及可转移负荷参与响应的经济成本,故考虑需求响应后的年总成本可表达为:
min Ctotal = Cinv + Cmain +Cgas + Cgrid +Cusp _ CDG +Cint + Ctrns (4-16)
(1)年投资成本、维护成本、燃料成本、购售电成本、失负荷惩罚成本、分布式电源发 电收益表达式见 3.3 节式 (3-2)—式(3-7) 。
(2)可削减负荷响应成本 Cint
Cint = S S SSckintpi,inkt,d,tuii,nkt,d,t
iwI keN3 d eD teT
式中,表示第k种类型负荷的可削减负荷单位成本(元/kWh)。
3)可转移负荷响应成本 Ctrns
 
式中,cT表示第k种类型负荷的可转移负荷单位成本(元/kWh);吧,心表征i节点在典 型日d的t时段可转移负荷响应与否;-p爲为实际参与转移的负荷量,正值代表转 入负荷,负值代表转出负荷。
4.3.2计及需求响应后 USIES 的约束条件
4.3.2.1规划约束
离散设备和连续设备的规划约束见第 3.4.1 节式(3-8)—式(3-9) 。
4.3.2.2功率平衡约束
1)电功率平衡
IDR,ele GT pV EC buy sell dis char ele ele
pi,d,t =pi,d,t + pi,d,t _ pi,d,t + pi,d,t _ pi,d ,t + pi,d,t,ESS _ pi,d,t,ESS + Sfmi,d,t _ S fin,d,t
m,ieI i,neI
式中, pi,IdD,tR,ele 为考虑需求响应后节点 i 在典型日 d 时段 t 的电负荷。
- 32 -
 
(4-21)
4.3.2.3设备运行约束 各发电设备以及储能设备的运行约束条件见式(2-7)-式(2-12)和式(3-13)-式(3-16)。
4.3.2.4网络约束
(1)交流潮流约束
节点电压和支路潮流的约束条件见第 3.4.4节式(3-17)-式(3-22)。
(2)线路传输功率约束
P,d ,t =E Gi-P,厂工 Gi-Pd严
ieI ieI
Qij,d ,t =E Gi-Q,厂工 G,-QSele
ieI ieI
(4-24)
-P max <E Gl-P,厂工 Gl-PD,严 < P ma
ieI ieI
 
 
4)与外网交互功率约束
m p黑 < 吃工工pidr推
ieI d eD teT ieI d eD teT
4.3.3计及需求响应后 USIES 区间模型的求解方法
考虑需求响应后,光伏和负荷的置信区间估计同 3.5.1 节。本章计及需求响应后的区 间规划模型的求解过程同 3.5.2 节,基于区间线性规划理论将含区间数的约束条件转化为 依托于上下边界的混合整数线性规划模型,但计及需求响应后的约束条件中的负荷应改 为考虑柔性负荷响应后的负荷,将式(3-30)—(3-44)更改为式(4-29)—(4-43),具体如下。 算例程序采用 matlab 平台编写,并基于 yalmip 工具箱建模,调用 Cplex 求解得到计及需求 响应后 USIES 规划结果。
- 33 -
[pIDR,ele IDR,ele GT PV EC buy sell
I p, d ,t p, d ,t I p ,d ,t 十 p ,d ,t p, d ,t 十 p ,d ,t p ,d ,t 十
dis char ele ele
pi,d,t,ESS - pi,d,t,ESS + Sfmi,d,t - Sfin,d,t m,ieI i,neI
「”IDR,heat IDR,heat ] GT GB AC dis
|Hi,d,t , ,d,t」=,d,t + ,d,t _ ,d,t + ,d,t,TES
char heat heat heat
_ Hi, d ,t ,TES 十乙 J mi, d ,t (1 _ ° hi)—乙 J in,d ,t
m,ieI i,neI
IDR,cold IDR cold EC AC
[Ci,d,t ,Ci,d,t ] =“ECpi,d,t +“ACHi,d,t
g 「IDR,ele IDR,ele 1
pmax — S Gl-宀,d,t S Gl-i | 1 i,d,t ,丄 i,d,t |一 pmax
ie I ie I L
g 「 IDR,heat IDR,heat
-Hlmax —乙 Gl_iHi,d,t _ S Gl-i I Hi,d,t ,i,d,t - Hlmax
ie I ie I L
0 — p, d ,t — Cap,i,PV* pPV,unit
S Gl - iPi gd ,t — p max +S Gl - i p d严 ie I ieI
_S Gl-iPg,t — Pmax _S Gl-iPDF
ieI ieI
S Gl_iH,d,t — Hmax +S Gl_iHD严,
v iel iel
_S Gl _iHg ,t — H max _S Gi _iHDR冋
_ iel iel
IDR,ele GT PV EC buy sell dis
p,d,t =p,d,t 十 p,d,t _ p,d,t 十 p,d,t _ p,d,t 十 p,d,t,ESS
char ele ele
_ pi,d,t,ESS + SJmi,d,t _ SJin,d,t
m,ieI i,neI
IDR,ele GT PV EC buy sell dis
pi,d,t =pi,d,t + pi,d,t _ pi,d,t + pi,d,t _ pi,d,t + pi,d,t,ESS
char ele ele
_ pi,d,t,ESS + SJmi,d,t _ SJin,d,t
m,ieI i,neI
IDR,heat GT GB AC dis char
Hi,d,t = Hi,d,t 十 Hi,d,t _ Hi,d,t 十 Hi,d,t,TES _ Hi,d,t,TES
+S 际(i_r)_s 处
m,ieI i,neI
IDR,heat GT GB AC dis
Hi,d,t = Hi,d,t 十 Hi,d,t _ Hi,d,t 十 Hi,d,t,TES
+s /me(i_r)_s fhz
m,ieI i,neI
IDR,cold EC AC
Ci, d ,t = “EC pi, d ,t +“AC Hi ,d ,t
4.4算例
4.4.1 算例说明
本章选择北方某多楼宇商业园区为研究对象,验证本章提出的模型和算法的合理性, 园区系统结构图如图 3-2 所示。系统由上级电网提供电能,从外部获取可再生能源和天然 气,并包含多种电/热/冷供能设备作为能量来源,将该区域划分为 4 个建筑物能源枢纽, 每个能源枢纽供应各自区域内用户的电、热、冷负荷及柔性负荷,能源枢纽之间通过电、 热供能线路互联。各能源设备及线路的技术参数见第三章,光伏机组和系统中各建筑物 的电热冷负荷数据曲线同图 3-3 所示。将电热冷负荷分别划分为峰-谷-平三种时段,具体 划分情况见表 4-1,其中峰-平、峰-谷及平-谷时段间的负荷固定转移率分别取 0.125、 0.3125 和0.0625[74],另外本章考虑的两种柔性负荷的需求响应单价[24]由表 4-2给出。
表 4-1 电热冷负荷峰-谷-平时段划分
时段划分
时段—
电负荷 热负荷 冷负荷
 
表 4-2 柔性负荷参与需求相应单价
负荷类型 调度单价(元/kWh)
电负荷 热负荷 冷负荷
可削减负荷 0.3 0.2 0.2
可转移负荷 0.2 0.1 0.1
4.4.2考虑需求响应对规划方案的影响分析
为研究需求响应对用户侧综合能源规划运行结果的影响,并综合考虑源—荷双侧不
确定性,设置以下 4 种情景作对比实验,其中源—荷不确定程度参照第三章 3.6.2 节场景
4 的参数值:
情景 1:不考虑需求响应,也不考虑源-荷双侧的不确定性。
情景 2:仅考虑需求响应,不考虑源-荷双侧的不确定性。
情景 3:考虑源-荷双侧的不确定性,不考虑需求响应。
情景 4:同时考虑需求响应和源-荷双侧的不确定性。
4.4.2.1需求响应对负荷曲线的影响
以6月份电热冷负荷为例分析DR对用户侧负荷的影响,图4-3为考虑需求响应前后
- 35 -
 
的电热冷负荷曲线,图 4-4 为电热冷负荷的响应功率。分析图 4-3 和图 4-4 可知,考虑柔 性负荷后,电负荷削减主要发生在负荷量较高且为电价较高的时段(17:00—22:00),热/ 冷负荷削减主要发生在用热/冷高峰时刻(9:00—12:00);谷时段电价较低且负荷量较低 则不需要削减;可转移负荷则从早/晚用电高峰 9:00—12:00 和 17:00-22:00 向平时段 7:00—8:00 和 13:00—16:00 以及谷时段 23:00—6:00 等电价较低的时段进行转移;值得注 意的是,由柔性负荷参与需求响应的合同策略规定,负荷从高峰时段优先转移至光伏出 力旺盛时段(12:00—15:00),这既有效降低了峰谷差率,还能促进光伏渗透率,以充分
利用光伏可再生能源。
 
 
 
图 4-3 考虑需求响应前后的电热冷负荷曲线
电电转削移减 热转移 冷冷转削移减
 
图 4-4 电热冷负荷的需求响应功率量
负荷的平稳性通常以峰谷差作为指标衡量,在多能系统中考虑用户负荷需求响应后,
系统的电、热、冷负荷需求分别减少 9.4%、2%和 1.9%,负荷量整体降低,同时柔性负
- 36 -
荷从波峰到波谷的转移,使峰谷差更小,负荷曲线更加平滑,电热冷负荷的峰谷差率分 别降低了 2.3%, 1.5%, 1.4%,以缓解用电高峰时段的供电能力与负荷需求不平衡的矛盾, 使能源设备出力更加合理,以提高供能经济性。
4.4.2.2优化配置及经济成本结果分析
表 4-3 为四种场景下各设备的选址定容结果,表4-4为四种场景下各项成本的具体数 值,图4-5更直观的给出各项成本的对比图,分析表4-3、4-4和图4-5,引入DR机制后, 根据合同策略规定,负荷从高峰时段转移到光伏出力旺盛时段以及低谷时段,这不仅实 现削峰填谷的效果,同时充分发挥光伏渗透,表现为可再生能源机组装机容量增加,这 也明显降低了高峰时刻的主网购电量,购电费用有所减少。调动DR中柔性负荷的调节能 力显著减少了电/热储能装置的容量配置和调度次数,进而设备投资总成本降低。另外由 于DR资源的互动,会产生可转移负荷成本以及可削减负荷成本,以场景3和4为例,从 表中可以看出,用户的柔性负荷参与 DR 虽然会产生 67547.76 元的补偿成本,但系统所 需的年投资成本减少 67518.34 元,购售电成本减少 25214.18 元,年维护和燃料成本减少 15663.49 元,柔性负荷需求响应成本相较于其他成本较小,考虑柔性负荷需求响应后的总 成本仍明显降低 43078.51 元。因而,由于柔性负荷资源互动能够优化负荷曲线,使得各 设备出力更加合理,提高光伏利用率,并减少外购电量以实现系统供能自给自足,降低 了总运行成本,考虑DR作用后用能经济性提升。
此外,对上述四种场景进行鲁棒性测试,从多种场景验证本文所提计及柔性负荷需 求响应的不确定性区间规划模型的有效性,表 4-5 给出了四种场景下的失负荷概率 (LOLP)结果,显而易见,对于确定性模型,计及DR中柔性负荷作用的情景2较情景1 失负荷概率降低,对不确定因素的适应能力更强;对于考虑源-荷不确定性的区间模型来 说, LOLP 均为 0,保证了所有不确定场景的普遍适应性。综上所述,需求响应使得综合 能源系统在提高经济性的同时,又兼顾了系统的供能可靠性。
表 4-3 四种情景下各设备的布局与容量规划结果
设备/场 景 规划方法
确定性优化 区间优化
情景1 情景2 情景3 情景4
燃气轮
机/kW 350【②一350】 350【②一350】 350【②一350】 350【②一350】
光伏 936.48【①一 946.53【①一 1063.84【①一 1077.13【①一
/kW 936.48】 946.53 】 1063.84 】 1077.13 】
燃气锅 炉/ kW 487.63【①一 522.95【①一 606.71【①一121.26, 648.33【①一184.62,
97.12,②一 156.62,②一 ②一307.37,③一 ②一255.86,③一
240.90,③一 184.98, 107.09,④一70.99】 121.47,④一86.38】
- 37 -
 
 
 
86.01,④一 ③一105.69,④
63.60】 —75.65 】
406.02【①一
吸收式 109.55 ,② 一 640.48【①一 372.75【①一115.02, 396.10【①一102.60,
制冷机 180.15 ,③ 一 ②一189.16,③一 ②一194.57,③一
640.48】
/kW 113.26,④一 65.35,④一3.2】 97.52,④一1.4】
3.06】
802.74【①一 804.48【①一 842.8719705【①一
174.08 ,② 一 174.08,②一 868.84【①一188.01,
电制冷 434.99,③一 434.99, 182.79,②一456.74, ②一469.79,③一
/kW 99.84,④一 ③一99.84,④一 ③一104.83,④一 107.82,④一103.21】
98.51】
93.82】 95.57】
1395.81【①一 1014.19【①一 1977.61【①一967.79, 1379.839988【①一
电储能/ 764.03,②一 683.63,②一 981.79,②一97.38,③
②一284.77,③一
kW・h 459.20,④一 234.99,④一 518.96,④一206.09】 —131.04,④一
172.58】 95.57】 169.62 】
热储能/ 63.42【②一 48.58【②一 65.36【②一65.36】 0
kW・h 63.42】 48.58】
表4-4四种情景下各项经济成本结果
 
 
规划方法
确定性优化 区间优化
成本类型(元)
/场景 情景 1 情景 2 情景 3 情景 4
投资成本 1100669.834 1048715.085 1260222.108 1192703.772
维护成本 106628.6946 103344.0611 124905.6166 121249.3023
燃料成本 1073486.723 1073211.116 1266620.867 1254613.692
购售电成本 183184.6951 160029.2882 205311.4384 180097.262
补贴收益 158728.913 160432.0163 178582.6683 180812.9287
可削减负荷成本 8789.5137 9174.528111
可转移负荷成本 49427.4138 58373.23194
总成本 2305241.033 2283084.462 2678477.362 2635398.859
 
- 38 -
 
3
mn
I
7418529
222111
 
Cinv Cmain Cgas Cgrid Cdg Cint Ctrns Ctotal 成本类型
图 4-5 不同场景下各类型成本对比图
表 4-5 四种场景的鲁棒测试结果
 
4.4.3考虑需求响应对运行结果的影响分析
负荷曲线的优化促使设备配置更加合理,更有利于用户侧综合能源系统的源-储优化 运行调度,结合上述负荷曲线,本章以场景4在夏季典型日的系统优化运行结果为例,主 要考虑电负荷的需求响应作用,分析电功率平衡结果如图 4-6 所示;图 4-7、 4-8、 4-9 分 别对四种场景下的外网购售电情况、储能充/放电调度量以及可再生能源出力大小进行对 比分析。
( 1 )电功率平衡
分析图 4-6,在用电高峰时段(9:00一12:00 和 17:00一22:00)出现负荷转移和削减, 电负荷主要从 17:00一22:00 时段优先转移到光伏出力旺盛时段(12:00一15:00),然后再 转移至电价低谷和平时段(23:00一8:00); 8:00一18:00 时间段电负荷主要由 PV 和 GT 供应,在用能高峰时刻充分利用光伏可再生能源,用户侧柔性负荷参与DR有效减少了该 时段负荷量,使GT出力减少,并通过出售盈余电能获取经济效益,并将多余电能存储起 来,大大减少外购电量;18:00以后由于PV不再工作,系统主要由GT和ESS供电,通 过参与需求响应进一步削减用电晚高峰,使设备出力尽可能减少;另外电价低谷时段负 荷响应增加,此时电价便宜,低谷时刻优先选择从外网购电,进而有效降低了电储能充 电功率,电储能调度次数减少。
- 39 -
 
 
图4-6计及DR作用后夏季典型日的电功率平衡分析
(2)外网购售电量
由图4-7可见,当电价较高时(时段7:00—22:00),情景1和情景3在电网的用电晚 高峰时段有部分外网购电,而情景2和情景4在柔性负荷参与DR的作用下无外网购电, 且在光照强度高的时段将冗余功率出售获益;在低谷时段(时段 23:00一6:00),此时选 择外网购电更经济,故以电网传输线的最大功率购电,以实现用能经济性。综上增强柔 性负荷的参与度,可有效降低用户的外部购电压力,提升用户能源站的自平衡能力。
 
(3)储能充放电
观察图 4-8,情景 1 和情景 2 相比,情景 2 因柔性负荷响应作用,使得电储的容量配 置大小和充放电功率下降,调度次数减少,对比情景3和情景4,亦因柔性负荷的DR互 动使得储能调度功率明显降低,可见,柔性负荷的参与可大大减少电储能的容量配置大
- 40 -
 
 
0 2 4 6 8 10 12 14 16 18 20 22 24
时间/h
图 4-8 夏季典型日四种情景下的储能充放电情况分析
(4)可再生能源的利用
为提倡用能环保性,提高光伏这一可再生能源的利用率是环保的重要指标。从图 4-9 可看出,对于确定性 USIES 模型,情景 2 比情景 1 光伏利用率更佳,对于考虑不确定性 的区间规划模型,情景4明显较情景3 光伏出力增加,故需求响应互动可提升可再生能源 出力大小,对提高可再生能源的消纳和利用有重要作用,保证供能环保性。
 
4.5本章小结
考虑用户参与需求响应对用户侧综合能源系统源-储规划的影响,本章提出了计及 柔性负荷的 USIES 不确定性区间规划模型。首先对可削减、可转移柔性负荷进行建模, 考虑需求响应补偿成本,并提出以降低峰谷差率和提高光伏利用率为指标的柔性负荷自
- 41 - 适应合同策略,建立以年成本经济最优为目标的区间规划模型,对负荷曲线和系统容量 配置进行优化;基于区间线性规划理论的方法对计及需求响应的区间规划模型进行转化 求解,并决策出最优规划方案。
算例验证了本章所提模型、求解算法的可行性和优越性。通过四种不同情景比较, 结果表明该柔性负荷合同策略可有效降低负荷峰谷差率,考虑需求响应能平滑负荷曲线, 合理调度设备出力和容量配置,在经济性、供能可靠性和环保性三个指标方面更加优越。
- 42 -
结 论
本文在能源互联的背景下,针对用户侧综合能原系统的规划设计问题,首先详细的 对 USIES 中各种供能设备出力进行数学建模,并深入分析其运行原理以及系统的能量耦 合关系;然后在此基础上,依据全年光伏和多类型负荷的 12 个典型日场景数据,以年总 成本最优为优化目标,综合考虑系统规划约束,设备运行约束以及网络潮流约束等,有 机融合各建筑物负荷时序变化特性、能流交互机制及管网运行控制,并利用置信区间合 理刻画源-荷两侧双重不确定因素,建立了综合考虑经济性、可靠性的用户侧综合能源系 统的区间规划模型,进而基于ILP原理转化求解区间模型,决策系统中设备最优配置、最 优布局及运行策略,并对比分析多种不确定场景下的规划结果,阐释其差异及原因;最 后,本文考虑柔性负荷进行需求响应调度,通过对柔性负荷以及其自适应合同策略进行 建模,构建考虑需求响应的 USIES 源—储区间规划模型,并从经济性、可靠性以及可再 生能源利用率三个方面对比分析需求响应对系统规划及运行结果的影响。根据以上研究, 得出结论如下:
(1) USIES中各种能源生产、转换、存储设备存在紧密的耦合关系,电/热/冷三种能 量之间可互相转换并协调互补,实现能量的梯级利用,进而提高能源利用效率,且系统 中复杂的能源结构使供能的方式多样化,即供能灵活性提高,从而增强系统运行可靠性。
(2) 从鲁棒性和经济性两个方面验证本文所提计及不确定性的区间规划模型的有效 性及优越性,该模型基于区间置信估计合理提取功率区间变量,能有效避免结果保守性; 基于ILP理论将区间规划模型转化成MILP模型,转化过程易于处理且规划方案能够保证 所有不确定场景的可行性。算例结果显示DPM方案需增加储备金以适应波动性,而UPM 鲁棒性强,计及失负荷惩罚成本的 UPM 反而在经济性上表现出一定的优势,同时兼顾了 所有不确定场景的普遍适应性,对USIES的规划设计具有指导性意义。
(3) 计及柔性负荷参与需求响应的 USIES 区间规划模型通过调动供需双侧柔性资源 的协调互动性,调整用户侧柔性负荷,降低负荷峰谷差率以平滑负荷曲线,一方面系统 所需外购电量减少,有效降低供能失负荷概率,使系统供能更加可靠;另一方面提升可 再生能源利用率,追求供能环保性,合理调动设备出力和容量配置,降低系统投资运行 成本,在经济性、供能可靠性和环保性三个指标方面具有更好的综合效益。
- 43 -
参考文献
[1]邓强.中共中央关于制定国民经济和社会发展第十四个五年规划和二O三五年远景目 标的建议[EB/OL]. https: //focus. scol. com. cn/gcdt/202011/57943416. html.
[2]郭向军•服务碳达峰、碳中和大局打造能源互联网综合示范区[N].国家电网报, 2021-04-01(03).
[3]刘晋源,吕林,高红均,等.计及分布式电源和电动汽车特性的主动配电网规划 [J].电力系统自动化,2020, 44(12): 41-48.
[4]Li X, Wang L, Yan N, et al.Cooperative dispatch of Ddistributed energy storage in distribution network with PV generation systems[J] . IEEE Transactions on Applied Superconductivity, 2021, 31(8): 1-4.
[5]陈忠华,高振宇,陈嘉敏,等.考虑不确定性因素的综合能源系统协同规划研究 [J].电力系统保护与控制,2021, 49(08): 32-40.
[6]黄伟,柳思岐,叶波•考虑源-荷互动的园区综合能源系统站-网协同优化[J] •电力系 统自动化, 2020, 44(14): 44-53.
[7]仇知,王蓓蓓,贲树俊,等.计及不确定性的区域综合能源系统双层优化配置规划模 型[J]•电力自动化设备,2019, 39(08): 176-185.
[8]Miao B, Lin J, Li H, et al.Day-ahead energy trading strategy of regional integrated energy system considering energy cascade utilization[J].IEEE Access, 2020, 8: 138021- 138035.
[9]郑国太,李昊,赵宝国,等.基于供需能量平衡的用户侧综合能源系统电/热储能设备 综合优化配置[J].电力系统保护与控制,2018, 46(16): 8-18.
[10]Zidan A, Gabbar H A, Eldessouky A.Optimal planning of combined heat and power systems within microgrids[J].Energy, 2015, 93: 235-244.
[11]白牧可,唐巍,吴聪,等.基于热网-电网综合潮流的用户侧微型能源站及接入网络 优化规划[J].电力自动化设备,2017, 37(06): 84-93.
[12]徐海华,王旭东,朱星阳,等.用户侧综合能源系统中能源储能优化配置模型研究 [J]•电力需求侧管理,2020, 22(02): 13-20.
[13]刘蓉晖,李子林,杨秀,等.考虑用户侧柔性负荷的社区综合能源系统日前优化调度
[J].太阳能学报,2019, 40(10): 2842-2850 •
[14]Geng S, Vrakopoulou M, Hiskens I A Optimal capacity design and operation of energy hub systems[J] Proceedings of the IEEE, 2020, 108(9): 1475-1495
[15]周长城,马溪原,郭祚刚,等•面向工程应用的用户级综合能源系统规划[J] •电工技
- 44 -
术学报, 2020, 35(13):2843-2854.
[16]周星球,郑凌蔚,杨兰,等•考虑多重不确定性的综合能源系统日前优化调度J] •电 网技术, 2020, 44(7):2466-2473.
[17]雷金勇,郭祚刚,陈聪,等•考虑不确定性及电/热储能的综合能源系统两阶段规划- 运行联合优化方法J]•电力自动化设备,2019, 39(8): 169-175.
[18]Yang D, Zhang C, Jiang C, et al. Interval method based optimal scheduling of regional multi-microgrids with uncertainties of renewable energy[J].IEEE Access, 2021, 9: 5329253305.
[19]Li L, Xiao J, Zhao Y, et al. Robust position anti-interference control for PMSM servo system with uncertain disturbanceJ] • CES Transactions on Electrical Machines and Systems, 2020, 4(2): 151-160.
[20]曾博,徐富强,刘裕,等.考虑可再生能源与需求响应协同增效的能量枢纽多目标区 间优化规划方法J].中国电机工程学报,2021, 41(21): 7212-7225.
[21]王心蕊.考虑柔性负荷的冷热电联供系统容量优化配置[D].燕山大学,2020.
[22]Song J, Lee Y, Hwang E • Time-frequency mask estimation based on deep neural network for flexible load disaggregation in buildings[J].IEEE Transactions on Smart Grid, 2021, 12(4): 3242-3251.
[23]张涛,刘景,杨晓雷,等.计及主/被动需求响应与条件风险价值的微网经济调度 [J].高电压技术,2021, 47(09): 3292-3304.
[24]刘文彬•区域综合能源系统的能源站-网协同规划[D].华北电力大学(北京),2021.
[25]Geidl M, Koeppel G, Favreperro D P, et al.Energy hubs for the future[J].power & energy magazine ieee, 2007, 5(1): 24-30.
[26]KARAMI R, SAYYAADI H.Optimal sizing of stirling-CCHP systems for residential buildings at diverse climatic conditions[J].Applied Thermal Engineering, 2015(89): 377- 393.
[27]周长城,马溪原,郭祚刚,等•面向工程应用的用户级综合能源系统规划J] •电工技 术学报, 2020, 35(13): 2843-2854.
[28]杨冬锋,姜超,蔡国伟,等•考虑电热耦合的交直流微电网多目标优化配置J] •电力 系统自动化, 2020, 44(8): 124-132.
[29]Wang Y, Zhang N, Zhuo Z, et al.Mixed-integer linear programming-based optimal configuration planning for energy hub: Starting from scratch[J].Applied Energy, 2018, 210: 1141-1150.
[30]仇知,王蓓蓓,贲树俊,等.计及不确定性的区域综合能源系统双层优化配置规划模 型[J].电力自动化设备,2019, 39(8): 176-185.
[31]胡枭,尚策,陈东文,等•考虑能量品质的区域综合能源系统多目标规划方法[J]•电
- 45 -
力系统自动化, 2019, 43(19): 22-31
[32]崔全胜,白晓民,董伟杰,等•用户侧综合能源系统规划运行联合优化[J] •中国电机 工程学报, 2019, 39(17): 4967-4981
[33]权超,董晓峰,姜彤 基于 CCHP 耦合的电力天然气区域综合能源系统优化规划 [J] 电网技术, 2018, 42(8): 2456-2466
[34]龚萍,朱永强,蔡钦钦,等•基于广义多能流模型的综合能源系统多阶段规划[J/OL].
电网技术: 1-12[2022-03-12] DOI: 10 13335/j 1000-3673 pst 2021 0756
[35]白牧可,唐巍,吴聪,等 基于热网-电网综合潮流的用户侧微型能源站及接入网络 优化规划[J] •电力自动化设备,2017, 37(6): 10 •
[36]贾晨,吴聪,张超,等 基于电热系统联合规划的城市商住混合区能源站优化配置 [J] 电力系统保护与控制, 2017, 45(6): 30-36
[37]Ameri M, Besharati Z Optimal design and operation of district heating and cooling networks with CCHP systems in a residential complex[J] Energy and Buildings, 2016, 110: 135-148
[38]姜超•考虑源-荷不确定性的多能互补微电网区间规划[D].东北电力大学,2020 .
[39]SUN Y, Ying W, Xiangfei M, et al New approach for uncertain random multi-objective programming problems based on C ESD criterion[J] Journal of Systems Engineering and Electronics, 2021, 32(3): 619-630
[40]Ehsan A, Yang Q Scenario-based investment planning of isolated multi-energy microgrids considering electricity , heating and cooling demand[J] Applied energy , 2019, 235: 1277-1288
[41]沈欣炜,郭庆来,许银亮,等 考虑多能负荷不确定性的区域综合能源系统鲁棒规划 [J] 电力系统自动化, 2019, 43(7): 34-41
[42]黄南天,王文婷,蔡国伟,等•计及复杂气象耦合特性的模块化去噪变分自编码器多 源-荷联合场景生成[J] •中国电机工程学报,2019, 39(10): 2924-2934 •
[43]Huo D, Gu C, Ma K, et al Chance-constrained optimization for multienergy hub systems in a smart city[J] IEEE Transactions on Industrial Electronics, 2018, 66(2): 1402-1412
[44]赵丽萍,张书伟,张雪岩,等 基于随机机会约束规划的面向能源互联的主动配电网 选址定容方法[J] •电力系统保护与控制,2020, 48(14): 121-129 •
[45]郭尊,李庚银,周明,等 考虑网络约束和源荷不确定性的区域综合能源系统两阶段 鲁棒优化调度[J] •电网技术,2019, 43(9): 3090-3100 •
[46]Zhang B, Li Q, Wang L, et al Robust optimization for energy transactions in multimicrogrids under uncertainty[J] Applied Energy, 2018, 217: 346-360
[47]黄家祺,张宇威,贺继锋,等• 一种考虑极限场景的配电网鲁棒扩展规划方法[J] •电 力建设, 2020, 41(7): 67-74
- 46 -
[48]王守相,王栋,韩亮.考虑不确定性的微网日前经济优化调度区间线性规划方法 [J].电力系统自动化,2014, 38(24): 5-11, 47.
[49]Li Y, Wang P, Gooi H B, et al.Multi-objective optimal dispatch of microgrid under uncertainties via interval optimization[J].IEEE Transactions on Smart Grid, 2017, 10(2): 2046-2058.
[50]Liu Y, Jiang C, Shen, J, et al.Coordination of hydro units with wind power generation using interval optimization[J].IEEE Transactions on Sustainable Energy, 2015, 6 (2): 443-453.
[51]苏永新,聂伟棋,谭貌.考虑风电接入和气电转换的综合能源系统日前区间优化 [J].电力系统自动化,2019, 43(17): 63-74.
[52]朱晓荣,谢婉莹,鹿国微.采用区间多目标线性规划法的热电联供型微网日前调度 [J].高电压技术,2021, 47(8): 2668-2677.
[53]刘丽军,张嫣,徐启峰. 一种考虑功率不确定性影响及配电网灵活性需求的区间优化 调度方法J].电网技术,2020, 44(12): 4654-4663•
[54]周玮,胡姝博,孙辉,等.考虑大规模风电并网的电力系统区间非线性经济调度研究 [J]•中国电机工程学报,2017, 37(2): 557-563 •
[55]杨胜春,刘建涛,姚建国,等 多时间尺度协调的柔性负荷互动响应调度模型与策略 [J] 中国电机工程学报, 2014, 34(22): 3664-3673
[56]彭政,崔雪,王恒,等.考虑储能和需求侧响应的微网光伏消纳能力研究J] •电力系 统保护与控制, 2017, 45(22): 63-69
[57]倪识远,张林垚,胡志坚 考虑电源和负荷时序特性的主动配电网网源协调规划方法 [J] 电力系统保护与控制, 2020, 48(10): 12-21
[58]HAMIDPOUR H, AGHAEI J, DEHGHAN S, et al Integrated resource expansion planning of wind integrated power systems considering demand response programmes[J] IET Renewable Power Generation, 2019, 13(4): 519-529
[59]张涛,郭玥彤,李逸鸿,等 计及电气热综合需求响应的区域综合能源系统优化调度 [J] 电力系统保护与控制, 2020, 49(1): 52-61
[60]周钰童•综合能源微网优化配置研究[D] •华北电力大学(北京),2019 •
[61]杨冬锋,申怡然,姜超,等 基于区间线性规划的用户侧综合能源系统源-储配置方 法J] •电网技术,2022, 46(06): 2064-2076 •
[62]YANG Dongfeng , JIANG Chao, CAI Guowei, et al Interval method based optimal planning of multi-energy microgrid with uncertain renewable generation and demand[J] Applied Energy, 2020(277): 115491
[63]邹磊,汪超群,杜先波,等 计及管网选型与潮流约束的区域综合能源系统分期协同 规划J] •中国电机工程学报,2021, 41(11): 3765-3780 •
- 47 -
[64]丁涛,郭庆来,柏瑞,等 考虑风电不确定性的区间经济调度模型及空间分支定界法
[J] 中国电机工程学报, 2014, 34(22): 3707-3714
[65]WANG Yang, XIA Qing, KANG Chongqing Unit commitment with volatile node injections by using interval optimization[J] IEEE Transactions on Power Systems, 2011, 26(3): 1705-1713
[66]崔杨,张汇泉,仲悟之,等 考虑需求响应的含光热电站可再生能源高渗透率电力系 统多源优化调度[J] •高电压技术,2020, 46(5): 1499-1507 •
[67]ZHANG Di Optimal design and planning of energy microgrids[D] London: University College London, 2013
[68]MASHAYEKH S , STADLER M, CARDOSO G , et al A mixed integer linear programming approach for optimal DER portfolio, sizing, and placement in multi-energy microgrids[J] Applied Energy, 2017(187): 154-168
[69]陈灵敏•用户能源系统优化配置与运行策略研究[D] •广东工业大学,2021 •
[70]高强,刘畅,金道杰,等•考虑综合需求响应的园区综合能源系统优化配置[J] •高压 电器, 2021, 57(08): 159-168
[71]赵冬梅,宋原,王云龙,等 考虑柔性负荷响应不确定性的多时间尺度协调调度模型 [J] 电力系统自动化, 2019, 43(22): 21-30
[72]陈灵敏,吴杰康,唐惠玲,等 计及综合需求响应的冷热电联供独立微网容量优化配 置模型[J]•南方电网技术,2019, 13(10): 44-53 .
[73]王心蕊.考虑柔性负荷的冷热电联供系统容量优化配置[D].燕山大学,2020 .
[74]叶畅,曹侃,丁凯,等•基于广义储能的多能源系统不确定优化调度策略[J] •电工技 术学报, 2021, 36(17): 3753-3764
[75]陈长青,阳同光.计及柔性负荷的电网储能和光伏协调规划研究[J] •电力系统保护与 控制, 2021, 49(04): 169-177
【本文地址:https://www.xueshulunwenwang.com//shuoshilunwenzhuanti/dianlixitongjiqizidonghua/5265.html

上一篇:含风电机组组合问题的外逼近 法与随机外逼近法

下一篇:基于改进多智能体Q学习的多源联合调频控制策 略及储能容量配置研究

相关标签: