一种考虑电动汽车和/或建筑综合需求响应的冷热电联产系统分阶段协同优化调度方法

本发明涉及能源调度优化，尤其涉及一种考虑电动汽车和/或建筑综合需求响应的冷热电联产系统分阶段协同优化调度方法。

背景技术：

1、当前全球能源需求不断增长，居民侧日常能源消费作为能源消耗的重要研究领域之一。尤其是，住宅作为典型的需能建筑群，有许多研究考虑建立多能耦合联产的能源系统以满足住宅冷热电等多种用能负荷需求。同时，随着低碳出行的需求增长，越来越多的人选择乘坐电动汽车出行，大量的电动汽车集中充电能够造成住宅侧的电力供应紧张。

2、目前，相关的研究如下：文献1：王昀，谢海鹏，孙啸天，等.计及激励型综合需求响应的电-热综合能源系统日前经济调度[j].电工技术学报，2021，36(9)：1926-1934；其构建激励型电热综合需求响应模型并考虑电热转换响应，以经济性最优为目标函数对所建立的综合能源系统进行日前优化调度，结果显示在考虑需求响应后可以起到“削峰填谷”的作用并大幅提高系统运行的经济性。文献2：zheng w,xu z,shao z,etal.optimal dispatch ofnearly-zero carbon integrated energy systemconsidering waste incinerationplant-carbon capture system and market mechanisms[j].international journal ofhydrogen energy,2023；其考虑基于激励的灵活dr机制参与近零碳综合能源系统的优化调度，优化了能源配给，提升经济和环保效益。文献3：周玮,徐从明,杨丹霞等.p2p能源共享下考虑意愿动态调整的电动汽车群需求响应策略研究[j].中国电机工程学报,2023,43(21):8217-8230；其提出在端对端(peer-to-peer,p2p)能源共享市场机制下，提出考虑响应意愿动态调整的电动汽车群需求响应策略，并构建考虑光伏波动对策略影响的鲁棒模型，通过案例分析验证所提出的策略可以降低充电成本及促进光伏就地消纳。文献4：zhang l,sunc,cai g,et al.charging and discharging optimization strategy for electricvehicles considering elasticity demand response.etransportation 18,100262[j].2023.其结合城市多个功能区间的电动汽车出行链规划，提出了电动汽车充放电弹性需求响应策略，进而可降低40-110％的成本及实现19％-100％的负荷峰谷差削减。

3、综上，可知目前研究仍存在一些不足，特别是如下几个问题：(1)仅从电动汽车或者建筑一侧单独考虑用能优化，未曾考虑二者之间的联系和相互耦合影响，也未将目光放在一个囊括二者的大系统考虑；(2)现有的多阶段优化研究大多从利益出发，侧重于以提升收益为目的，考虑因素较少，难以贴合实际；(3)现有的多主体需求的研究多就电力需求开展研究，未考虑结合其他类型的能源需求协同优化。因此，就现阶段的研究情况进一步探究，将具有较高的理论与现实意义。

技术实现思路

1、(一)要解决的技术问题

2、鉴于现有技术的上述缺点、不足，本发明提供一种考虑电动汽车和/或建筑综合需求响应的冷热电联产系统分阶段协同优化调度方法，其解决了现有关于针对电动汽车与建筑的需求响应优化的研究中存在的未曾考虑多用能主体之间的联系和相互耦合影响、优化考虑因素较少以及未考虑多能源供应的需求协同优化的技术问题。

3、(二)技术方案

4、为了达到上述目的，本发明采用的主要技术方案包括：

5、第一方面，本发明实施例提供一种考虑电动汽车和/或建筑综合需求响应的冷热电联产系统分阶段协同优化调度方法，包括：在第一阶段中，以减小充电成本和电动汽车与建筑叠加负荷波动为优化目标，在首次优化时以建筑初始分时用电负荷作为参数输入，后续优化时根据第二阶段获取的建筑分时用电负荷作为参数输入，并结合模拟得到的电动汽车行为特征模型，调度电动汽车集群利用v2b参与电负荷需求响应，得到电动汽车分时负荷并向第二阶段提供；在第二阶段中，通过引入可再生能源、设备耦合多能联供和多元储能配置构建冷热电联产系统，并以减小成本和提升能源利用效率为优化目标，根据获取的电动汽车分时负荷、所构建的冷热电联产系统以及建筑综合需求响应模型，得到建筑分时负荷并向第一阶段提供建筑分时用电负荷；其中，第一阶段和第二阶段均利用智能算法将各自优化调度后的负荷作为相互传递的参数以进行不同阶段相互协调优化，得到各个阶段的优化结果。

6、可选地，在第一阶段中，以减小充电成本和电动汽车与建筑叠加负荷波动为优化目标，在首次优化时以建筑初始分时用电负荷作为参数输入，后续优化时根据第二阶段获取的建筑分时用电负荷作为参数输入，并结合模拟得到的电动汽车行为特征模型，调度电动汽车集群利用v2b参与电负荷需求响应，得到电动汽车分时负荷并向第二阶段提供包括：通过对获取的统计数据采用蒙特卡洛方法模拟，得到电动汽车行为特征模型；根据电动汽车出行能耗、空间变化下的电池荷电状态以及充放电下的电池荷电状态变化，构建电动汽车能量管理项；引入减小充电成本为目的的经济指标和减小电动汽车与建筑叠加负荷波动为目的的负荷指标，并分别将经济指标和负荷指标统一量纲，并采用权重系数法得到第一阶段总优化指标；在调度电动汽车集群利用v2b与建筑进行电量交互时，按照第一阶段总优化指标和电动汽车能量管理项，从时间和充电需求的角度构建电动汽车需求响应策略；执行电动汽车需求响应策略，输出叠加后的电动汽车-建筑用电负荷曲线；根据由电动汽车-建筑用电负荷曲线得到待优化变量和电动汽车行为特征模型，通过智能算法进行优化，输出电动汽车分时负荷。

7、可选地，电动汽车行为特征模型包括电动汽车出行距离模型、电动汽车抵达时间模型以及电动汽车离开时间模型，电动汽车能量管理项包括能耗因子模型、电动汽车抵达时的荷电状态、电动汽车离开时的荷电状态、电动汽车充/放电时受到充/放电功率的限制以及电动汽车集群总电功率；

8、电动汽车出行距离模型为：

9、

10、式(1)中，fjou(s)为出行距离的概率密度，s为电动汽车出行的距离，μs和σs分别为电动汽车出行距离的期望和标准差；

11、电动汽车抵达时间模型为：

12、

13、式(2)中，farr(t1)为抵达时间的概率密度，t1为电动汽车出行结束后抵达的时间，μarr和σarr分别为电动汽车抵达时间的期望和标准差；

14、电动汽车离开时间模型为：

15、

16、式(3)中，fdep(t2)为出发时间的概率密度，t2为电动汽车离开的时间，μdep和σdep分别为电动汽车离开时间的期望和标准差；

17、能耗因子模型为：

18、wev＝0.21-0.001v+1.534/v (4)

19、wn,sum＝snwev (5)

20、式(4)和(5)中，wev为电动汽车的出行公里能耗，v为电动汽车的平均出行速度，sn为第n辆电动汽车的出行距离，wn,sum为第n辆电动汽车的出行耗电量；

21、电动汽车抵达时的荷电状态为：

22、socn.t＝1-wn,sum/en,cap (6)

23、式(6)中，socn,t为第n辆电动汽车在t时刻抵达时的荷电状态，en,cap为第n辆电动汽车的车载电池的容量；

24、电动汽车离开时的荷电状态约束为：

25、wn,sum/en,cap≤socn.le≤1   (7)

26、式(7)中，socn,le为第n辆电动汽车离开时的荷电状态；

27、电动汽车充/放电时受到充/放电功率的限制条件为：

28、

29、式(8)中，pdis,max和pcha,max分别为单辆电动汽车与建筑电力交互时的充电功率上限和放电功率上限，和pn,t分别为第n辆电动汽车t时刻充电功率、放电功率及建筑电力交互综合电功率和t时刻电动汽车集群电动率，socn,t+1为第n辆电动汽车的在t+1时刻的荷电状态，ecap；

30、电动汽车集群总电功率为：

31、

32、式(9)中，ptev为t时刻电动汽车集群总电功率，nt、n1,t和n2,t分别为t时刻参与调度的电动汽车数量、参与充电的电动汽车数量和参与放电的电动汽车数量。

33、可选地，

34、减小充电成本为目的的经济指标为：

35、

36、式(10)中，f1,1为第一阶段的经济指标，t为调度周期，μgrid,t和μsell,t分别为t时刻从电网的购电价格和售电价格；

37、减小电动汽车与建筑叠加负荷波动为目的的负荷指标为：

38、

39、式(11)中，f1,2为第一阶段的负荷指标，pt和分别为t时刻建筑用电负荷功率和电动汽车和建筑叠加电负荷的日平均值；

40、第一阶段总优化指标为：

41、

42、式(12)中，ω1,1和ω1,2均为权重因子，obj1为第一阶段的总目标函数，f1,1,max为第一阶段最大经济指标值，f1,2,max为第一阶段最大负荷指标值。

43、可选地，执行电动汽车需求响应策略，输出叠加后的电动汽车-建筑用电负荷曲线包括：

44、比较电动汽车t时刻抵达时的荷电状态socn.t与电动汽车荷载电池荷电状态的下限值socmin的大小；

45、若电动汽车抵达时的荷电状态socn.t小于等于socmin，则进行如下循环：计算车载电池离开时的容量socn,le与当前容量socn,t的差值，并计算当前时刻t与离开时间tn,2间的每个时刻充电功率的均值，将t时刻电动汽车与建筑的交互功率pn,t赋值为所求得电动汽车均值充电功率，并将循环时间t加1重新赋值给循环时间变量t，直至t不小于离开时间tn,2结束循环；

46、若电动汽车抵达时的荷电状态socn.t大于socmin，计算在最大充电动率时的最少充电时段tcha,min，并判断离开时间tn,2与当前时间t的差值与最少充电时间tcha,min的大小；

47、在离开时间tn,2与当前时间t的差值大于tcha,min时，则进行如下循环：将t时刻电动汽车与建筑的交互功率pn,t在电动汽车的充/放电功率的上限范围之内随机取值，预先判断离开时间tn,2与下一时间t+1的差值与tcha,min+1时段的大小；若离开时间tn,2与下一时间t+1的差值不小于tcha,min+1时段的大小，则循环时间t加1重新赋值给循环时间t变量；若离开时间tn,2与下一时间t+1的差值小于tcha,min+1的大小，则将返回将t时刻电动汽车与建筑的交互功率pn,t随机在电动汽车的充放电功率的上限范围之内随机取值这一步，以及重新判断预先判断离开时间tn,2与下一时间t+1的差值与tcha,min+1时段的大小，直至当前的t不小于离开时间tn,2结束循环；

48、在离开时间tn,2与当前时间t的差值不大于最少充电时间tcha,min时，将t时刻电动汽车与建筑的交互功率pn,t在电动汽车充电功率上限pcha,max取值，循环时间t加1重新赋值给循环时间t变量，直至当前的t不小离开时间tn,2结束循环；

49、判断调度电动汽车辆数n与电动汽车总辆数n之间的大小关系，若n>n则将调度后电动汽车分时负荷与建筑分时负荷叠加，最终输出叠加后的电动汽车-建筑用电负荷曲线。

50、可选地，在第二阶段中，通过引入可再生能源、设备耦合多能联供和多元储能配置构建冷热电联产系统，并以减小成本和提升能源利用效率为优化目标，根据获取的电动汽车分时负荷、所构建的冷热电联产系统以及建筑综合需求响应模型，得到建筑分时负荷并向第一阶段提供建筑分时用电负荷包括：根据获取的包含电动汽车和/或建筑的用能端的能源需求和冷热负荷，构建引入太阳能与地热能两类能源、以燃气轮机作为多能耦合联供设备，且设置包含电池与储热罐的多元储能的冷热电联产系统；引入减小供能成本为目的的经济指标和提升能源利用效率的能效指标，并分别将经济指标和能效指标统一量纲，并采用权重系数法通过作差处理得到第二阶段总优化指标；按照第二阶段总优化指标和激励型需求响应的方式，从用能端的电负荷和冷热负荷的角度构建电热冷综合需求响应策略；基于冷热电联产系统和电热冷综合需求响应策略，利用系统供能过程中可再生能源的引入、设备耦合多能联供和多元储能配置以满足建筑多种能源需求，利用建筑用能过程中存在的部分柔性负荷以配合系统参与负荷动态响应从而优化建筑多能负荷曲线，结合经济性和能效性双重效益因素，采用智能算法优化得到建筑实际分时负荷和能源系统的运行规划信息，并将得到的建筑实际分时电负荷向第一阶段提供。

51、可选地，冷热电联产系统包括：多能输入部分、多能生产部分以及多能转换与存储部分；多能输入部分，提供包括太阳能、电网、燃气网以及地热能的多能源输入；多能生产部分，利用包括光伏板、燃气轮机和地源热泵的生产组件，对输入的多能源进行加工生产；多能转换与存储部分，利用余热回收装置和吸收式制冷机实现热冷能源的转换，以及设置电池和储热罐以提高系统能源调控能力；其中，包含电动汽车和建筑的用能端考虑冷热电负荷需求，建筑的冷热负荷包括刚性负荷和柔性负荷，建筑的电负荷包括第一阶段调度后的总用电负荷和至少部分柔性电负荷。

52、可选地，冷热电联产系统的设备模型包括燃气轮机的模型、余热回收装置的模型、光伏板的模型、电池组件的模型、储热罐的模型、地源热泵的模型以及吸收式制冷机的模型；冷热电联产系统的设备约束包括：电能供需平衡约束、热能供需平衡约束、冷能供需平衡约束、燃气轮机约束、光伏发电约束以及储能约束；

53、燃气轮机的模型为：

54、ptgt＝ηgt,epgas,t   (13)

55、

56、式(13)和(14)中，ptgt、分别为t时刻燃气轮机输出的电功率和热功率，ηgt,e、ηgt,e/h分别为燃气轮机的发电效率和热电功率比，pgas,t为t时刻的燃气轮机耗气功率

57、余热回收装置的模型为：

58、

59、式(15)中，为t时刻余热回收装置的热功率，ηhr为余热回收装置的余热回收效率；

60、光伏板的模型为：

61、

62、式(16)中，为t时刻可利用的光伏电功率，ηpv为光伏发电效率，a为光伏板的面积，φt为辐射强度；

63、电池组件的模型为：

64、

65、式(17)中，soct和soct-1分别为t时刻的电池的荷电状态和t-1时刻的电池的荷电状态，ηes,c和ηes,d分别为t时刻电池的充电效率和电池的放电效率，e0为电池的额定电池容量，和分别为电池的充电功率和电池的放电功率；

66、储热罐的模型为：

67、

68、式(18)中，hsst和hsst-1分别为t时刻的储热罐的蓄热状态和t-1时刻的蓄热罐的蓄热状态，ηhs,c和ηhs,d分别为储热罐的蓄热效率和储热罐的放热效率，h0为储热罐额定储热量，和分别为储热罐的蓄热功率和储热罐的放热功率；

69、地源热泵的模型为：

70、

71、0≤μ1+μ2≤1   (20)

72、式(19)和(20)中，ptgshp为t时刻地源热泵的耗电功率，和分别为t时刻地源热泵的供热功率和供冷功率，coph,gshp和copc,gshp分别为地源热泵的制热状态下的性能系数和制冷状态下的性能系数，μ1和μ2均为0-1变量，表示地源热泵制热制冷的开关状态；

73、吸收式制冷机的模型为：

74、

75、式(21)中，为t时刻吸收式制冷机输出的冷功率，copabs为吸收式制冷机的性能系数，qah,t为吸收式制冷机的耗热功率；

76、电能供需平衡约束为：

77、

78、式(22)中，ptpv和ptes分别为t时刻光伏电功率、电池电功率，prig,t为t时刻建筑初始电负荷，pdr,t为t时刻削减的建筑负荷功率，pgrid,t为t时刻电网输入的电功率；

79、热能供需平衡约束为：

80、

81、式(23)中，qh,t为联产系统集中供热功率，为蓄热罐热功率；

82、冷能供需平衡约束为：

83、

84、式(24)中，qc,t为联产系统集中供冷功率；

85、燃气轮机约束为：

86、

87、式(25)中，和分别为燃气轮机出力上限和下限；

88、光伏发电约束为：

89、

90、储能约束为：

91、

92、式(27)中，socmax、socmin、hssmax和hssmin分别为电池荷电状态的上、下限值和储热罐储热状态的上、下限值，和分别为电池充电功率的最大值和最小值，和分别为电池放电功率的最大值和最小值，和分别为储热罐蓄热功率的最小值和最大值，和分别为储热罐放热功率的最小值和最大值。

93、可选地，电热冷综合需求响应策略包括：电负荷驱动策略和冷/热负荷驱动策略；

94、电负荷驱动策略包括：基于签订的负荷削减合约和电力需求响应模型，向用户下发电力需求响应指令，以使用户配合电力需求响应指令在一定的电负荷功率调节范围内降低用电负荷并获得收益；

95、电力需求响应模型为：

96、

97、pdr,min≤pdr,t≤pdr,max (29)

98、式(28)和(29)中，cdr,t为t时刻需求响应的补偿费用，pdr,min和pdr,max分别为建筑电力需求响应功率的下、上限，adr和bdr分别为用户参与激励型需求响应产生补偿费用的二次项系数和一次项系数；

99、以及，冷/热负荷驱动策略包括：在集中供暖/供冷时，基于冷热需求响应模型向用户下发冷/热负荷调控指令，以使用户在一定供热/供冷温度区间内调节室内温度；

100、冷热需求响应模型为：

101、

102、tin,min≤tin,t≤tin,max (31)

103、式(30)和(31)中，tin,t和tout,t分别为t时刻室内、室外温度，tin,t+1和tout,t+1分别为t+1时刻室内、室外温度，δt为时间步长，r为建筑等效热阻，cair为室内空气的热容，tin,min和tin,max分别为t时刻室内温度调节的上下限。

104、可选地，减小供能成本为目的的经济指标为：

105、

106、

107、式(32)和(33)中，f2,1为第二阶段的经济指标，cbuy,t和cope,t分别为t时刻购买能源成本、运维成本，μgrid,t和μgas,t分别为向电网购电和向燃气网购气价格，k1、k2、k3、k4、k5和k6分别为光伏、地源热泵、吸收式制冷机、电池和蓄热罐的运行成本系数；

108、提升能源利用效率的能效指标为：

109、

110、

111、

112、式(34)、(35)、(36)中，f2,2为第二阶段的能效指标，re,t和rh,t分别为电能或热能的能源消耗量与储能储存量，se,t和sh,t分别为电能或热能的能源供给量与储能释放量，λe、λh,t和λc,t分别为电负荷、热负荷和冷负荷的能质系数，λe、λg,t和λh,t分别为系统端的电能、天然气和热水的能质系数，tgas为天然气完全燃烧后的温度，tsup和tret分别为热水的供回水温度；

113、第二阶段总优化指标为：

114、

115、式(37)中，ω2,1和ω2,2均为权重因子，f2,1,max为第二阶段经济指标的最大值，f2,1,max为第二阶段能效指标的的最大值。

116、(三)有益效果

117、本发明的有益效果是：本发明两阶段协同优化的过程中，考虑了电动汽车和建筑两个优化的用能主体，且两主体均存在动态调节机制。其中，电动汽车集群在建筑侧利用v2b实现充/放电功率动态响应，建筑运行过程中的冷、热和电负荷中的柔性部分可实现灵活响应。两阶段既充分挖掘了不同主体的灵活响应潜力，也实现了多能负荷响应的协同配合。因此，本发明通过所提出的分阶段优化策略，提升了多用能端综合效益和能源效率，以及促进环境保护和碳减排，增强了能源供应的安全性。