考虑温控负荷的多综合能源主体联合优化调度方法及装置与流程

本发明涉及一种考虑温控负荷的多综合能源主体联合优化调度方法及装置，属于综合能源联合调度。

背景技术：

1、社会对能源需求的灵活性、安全性要求不断提高，使传统的集中式大型电力系统向分布式联供系统转变，综合能源系统成为合理、高效利用清洁能源的主要承载平台。目前，传统的运行调度手段难以深度挖掘综合能源系统中大量的灵活性资源，而将多个园区联合形成多综合能源系统能够实现不同能源的互补协调。

2、目前已有不少关于综合能源系统优化调度的研究。大部分研究仅针对单个综合能源主体展开，对综合能源系统联合优化调度研究较少。在综合能源系统内部柔性资源的研究上，内部柔性资源的研究还停留在简单将其归类为可平移、可转移负荷，对柔性负荷的具体细化模型研究还不够深入。

3、在综合能源系统多时间尺度的研究上，很多研究没有考虑综合能源系统里分布式能源的日前和日内的出力误差，导致第二天的调度计划出现偏差。并且对可参与日前调度或内日修正的负荷划分还不够详细。

技术实现思路

1、为了解决上述问题，本发明提出了一种考虑温控负荷的多综合能源主体联合优化调度方法及装置，能够在日前阶段根据预测数据制定调度计划，在日内阶段根据短期预测数据对调度计划进行修正。

2、本发明为解决其技术问题所采取的技术方案是：

3、第一方面，本发明实施例提供的一种考虑温控负荷的多综合能源主体联合优化调度方法，包括如下步骤：

4、s1，采集多综合能源的基础数据；

5、s2，构建空调负荷的单台模型和聚合模型；

6、s3，根据不同综合能源主体的特性，构建不同影响因子影响下的用户意愿度模型；

7、s4，构建多综合能源各类分布式能源协调互补的联合调度模型，根据预测数据制定日前阶段调度计划；

8、s5，构建日内滚动修正优化调度模型，根据短期预测数据对日内阶段调度计划进行修正。

9、作为本实施例一种可能的实现方式，所述步骤s2，包括以下步骤：

10、s11，构建空调负荷的单台空调物理模型为：

11、

12、

13、

14、

15、

16、

17、其中，θac(t)和θout(t)分别为t时刻的室内外温度；m(t)为空调的开关状态，0表示关，1表示开；c1、r1分别为空调的等效热容(kw·h/℃)和等效热阻(℃/kw)；q为空调的制冷功率，大小为ηacpn，ηac为空调的能效比，pn为空调的额定功率；θ-和θ+分别为定频空调在预设定温度运行下的室内温度变化上下限；θac,set为空调设定温度；c为感应灵敏度；ε为仿真时间步长；ton和toff分别为空调的开通和关断周期；pon为空调的开通占空比；

18、s12、采用蒙特卡洛法对单台空调的模型进行聚合，获得空调负荷的聚合模型为：

19、

20、

21、

22、

23、

24、

25、其中，为空调负荷聚合功率估计值；n为空调的数量；和分别为n个空调负荷聚合功率的上、下界；e(x)和e(y)分别为随机变量x和y的数学期望；θac,set,i为第i台空调的温度设定值。

26、作为本实施例一种可能的实现方式，在所述步骤s3中，所述用户意愿度模型为：

27、

28、

29、

30、

31、

32、其中，pre为实际电价；pid为用户期望的理想电价；为用户的意愿度；a为影响因素的综合因子，0≤ε1<ε2<ε3≤1，0<ε4≤1；in为经济收入；in0为经济收入极值；ae为年龄；ed为文化程度，ed1、ed2、ed3表示程度由低至高；pmax、ε6分别电价最大值、家庭平均年龄；

33、根据上述用户意愿度模型，得出居民区中空调温度可调节范围为：

34、

35、

36、

37、其中，为考虑用户意愿度后空调温度可调节量；表示初始考虑用户热舒适度温度可调节最小值和最大值；表示考虑用户意愿度后空调温度可调节最小值和最大值。

38、作为本实施例一种可能的实现方式，在步骤s3中，商业区与办公区的用户意愿度模型与居民区相似，只是影响因素不同；在商业区中，营业收入较高的用户响应调度的意愿度较低；在办公区中，经营收入较高的用户意愿度较低。

39、作为本实施例一种可能的实现方式，所述步骤s4中，在日前阶段制定的调度计划中，多综合能源主体运行的目标是整体利益最优：

40、

41、

42、

43、

44、

45、

46、

47、其中，表示多综合能源主体参与内部调度时的收入；表示向电网购售电产生的利润；表示燃气轮机的运行费用；表示储能设备的运行费用；表示电动汽车的运行费用；表示空调响应调度时的补偿费用；表示多综合能源主体内部的购售电价；表示向其他综合能源主体购售电量；表示电网购售电价；表示向电网购售电量；d、e、f表示燃气费用系数；为燃气轮机出力；为0-1变量，表示在启动或停运状态；表示启停费用；ωes表示单位功率下储能设备的运行费用，表示充放电量；n1表示汽车总量；表示第x辆汽车电池的购买费用；lx表示电池充放电最大次数；sx表示电池容量；kx、表示可用、实际放电量；θqc2表示放电效率；qx表示行驶中消耗电量；ωbc表示削减负荷单位时间内的补偿费用；表示削减量；为0-1变量，表示负荷削减状态，为0表示不削减，1表示削减。

48、作为本实施例一种可能的实现方式，所述步骤s4中，日前阶段的约束条件为：

49、多综合能源主体联合调度内部功率平衡约束：

50、

51、其中，表示日前预测的光伏、风电出力；表示削减后的负荷量；表示储能用电功率；表示电动汽车用电功率；

52、各综合能源主体内部购售电量约束：

53、

54、

55、

56、其中，分别表示第i个与第j个综合能源主体间的购售电量；分别表示综合能源主体之间购售电量的最大值；

57、多综合能源主体与电网的购售电约束：

58、

59、

60、

61、其中，表示向电网购售电量的最大值；为布尔变量，表示综合能源主体与电网间不能同时进行购电和售电；

62、燃气轮机工作约束：

63、

64、

65、其中表示燃气轮机出力的最大值和最小值；为布尔变量，表示运行状态；sqjmin、sqjmax表示爬坡速率的最小值和最大值；

66、储能设备工作约束：

67、

68、

69、

70、

71、其中表示储能设备充放电量的最大值，表示荷电量，表示荷电的最大值和最小值；表示储能充放电功率；θcn1、θcn2分别表示充放电效率；

72、电动汽车工作约束：

73、

74、

75、

76、

77、其中，表示电动汽车的最大充放电量；为布尔变量，表示充放电状态；表示电动汽车荷电量，表示电动汽车荷电量的最大值和最小值，θqc1、θqc2表示电动汽车充放电效率。

78、作为本实施例一种可能的实现方式，所述步骤s5中，日内阶段以功率偏差惩罚和修正成本最低建立目标函数：

79、

80、其中，ηbw、ηsw表示购售电价的不平衡系数，表示需修正的偏差功率，表示日内可控负荷响应调度时的补偿费用。

81、作为本实施例一种可能的实现方式，所述步骤s5中，日内阶段约束条件为：

82、多综合能源主体联合调度内部功率平衡约束：

83、

84、其中，表示日内实时预测的光伏、风电出力，表示日内可控负荷量；表示日内储能用电功率；表示日内电动汽车用电功率；

85、日内可控负荷约束：

86、

87、

88、

89、

90、

91、其中，表示日内可控负荷的最大响应量；prnc表示其响应速率；k表示调度周期内允许响应次数；分别表示可连续响应时间的最大值和最小值；t为调度允许时间；为调度标志，1表示参与调度，0表示不参与调度。

92、第二方面，本发明实施例提供的一种考虑温控负荷的多综合能源主体联合优化调度装置，包括：

93、数据采集模块，用于采集多综合能源的基础数据；

94、空调负荷模型构建模块，用于构建空调负荷的单台模型和聚合模型；

95、用户意愿度模型构建模块，用于根据不同综合能源主体的特性，构建不同影响因子影响下的用户意愿度模型；

96、联合调度模型构建模块，用于构建多综合能源各类分布式能源协调互补的联合调度模型，根据预测数据制定日前阶段调度计划；

97、优化调度模型构建模块，用于构建日内滚动修正优化调度模型，根据短期预测数据对日内阶段调度计划进行修正。

98、第三方面，本发明实施例提供的一种计算机设备，包括处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述处理器执行所述机器可读指令，以执行如上述任意考虑温控负荷的多综合能源主体联合优化调度方法的步骤。

99、第四方面，本发明实施例提供的一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述任意考虑温控负荷的多综合能源主体联合优化调度方法的步骤。

100、本发明实施例的技术方案所产生的有益效果如下：

101、本发明构建了综合考虑热舒适度和意愿度的空调负荷聚合功率模型，挖掘温控负荷的响应潜力；引入了多综合能源主体各类分布式能源协调互补的联合调度框架，采用细化时间尺度滚动优化的方法，在日前阶段根据预测数据制定调度计划，在日内阶段根据短期预测数据对调度计划进行修正。

102、本发明在构建空调的聚合功率模型时，综合考虑了用户热舒适度、意愿度等因素，预测得出的空调负荷响应潜力更加符合实际情况，提高了调度计划的准确性。

103、本发明根据各综合能源主体的电能供需情况，结合电网电价，制定调度计划，各综合能源主体根据计划，与其他综合能源主体和电网进行电能交互，提高了多综合能源系统运行的经济性。

104、本发明在日前阶段根据预测数据制定联合调度计划，多综合能源主体进行能源互补，在日内阶段根据短期预测数据对调度计划进行滚动修正，减少新能源出力波动带来的供需偏差，不仅保证了供电的可靠性，还有效减少了预测偏差带来的补偿费用。