微网调度方法与流程

1.本发明的实施例涉及到新能源微网调度技术领域，尤其涉及一种微网调度方法。


背景技术：

2.随着群众环保意识的觉醒和可再生能源发电技术的不断成熟，在园区建设风机、光伏等可再生能源发电机组已经屡见不鲜。传统上，园区供电系统调节弹性相当有限，导致相当部分可再生能源发电低价上网，业主由此遭受巨大的经济损失。为此，亟需提出合理的解决方案，提升园区业主的用电经济性。
3.近年来电转气技术发展迅猛，在园区配套建设小型制氢设备就地化消纳可再生能源发电引起了学界和工程界的广泛关注。制氢设备具有灵活的调节能力，能够密切跟随可再生能源发电功率变动，同时生产的氢气易于储存和销售，能够给业主带来一定的经济收益。但是，也有研究表明，制氢设备存在明显的功率效率特性，直接利用制氢设备消纳可再生能源产出效率较低，致使经济性不够明显。
4.另一方面，园区建筑在夏季存在旺盛的制冷需求，传统上采用常规空调供冷。然而，用户制冷需求弹性较小，而建筑本身热容有限，致使常规空调基本上被视为不可调负荷，无法参与到可再生能源消纳工作中来。为此，学界和工程界提出了将具有大规模储冷潜力、造价低廉和服务寿命长等显著优势的相变材料应用到常规空调的构想，旨在开发制冷负荷的灵活调节潜力和促使其参与电网需求侧响应。但是，相变材料温度与环境温度存在差异，致使相变蓄冷空调存在不可控的冷量泄露现象。因此，直接采用相变蓄冷空调消纳园区可再生能源发电未必是最佳策略。
5.因此，急需一种能够降低园区用电成本的微网调度方法。


技术实现要素：

6.基于此，有必要提供一种能够降低园区用电成本的微网调度方法。
7.一种微网调度方法，包括：
8.建立微网电力系统，所述微网电力系统包括制氢设备和相变蓄冷设备，所述相变蓄冷设备包括第一制冷机、第二制冷机和释冷机；
9.确定所述微网电力系统和外电网的多个目标参数，所述目标参数包括第一制冷机功率、第二制冷机功率、释冷机功率、制氢功率和制氢效率；
10.根据所述目标参数和所述微网电力系统调度的约束条件建立所述微网电力系统的调度模型；
11.对所述调度模型进行求解，获取所述调度模型的优化解集，所述调度模型用于表征所述微网电力系统运行时的最低成本。
12.在其中一个实施例中，所述微网电力系统包括风电发电设备、光伏发电设备、电负荷和冷负荷相变蓄冷设备相变蓄冷设备，所述目标参数还包括风电发电功率、光伏发电功率、电负荷功率、冷负荷功率和外电网电价。
13.在其中一个实施例中，所述调度模型为：
[0014][0015][0016][0017][0018][0019]
其中，s为场景集，t为调度周期，为场景s下第t时刻微网购电成本，为场景s下第t时刻制氢效益，为场景s下第t时刻所述相变蓄冷设备工作寿命损耗成本，为场景s下第t时刻所述制氢设备运行寿命损耗成本，为场景s下第t时刻所述外电网电价，为场景s下第t时刻微网购电功率，为t时刻氢气销售价格，为场景s下t时刻制氢功率，为场景s下所述制氢设备t时刻的制氢效率，a、b和c分别为制氢效率参数，为所述第一制冷机在场景s下第t时刻的启停标志；，为所述第二制冷机在场景s下第t时刻的启停标志，为所述释冷机在场景s下第t时刻的启停标志，为所述相变蓄冷设备单位工作时间寿命损耗成本，为所述制氢设备在场景s下第t时刻的启停标志，为所述制氢设备单位工作时间寿命损耗成本。
[0020]
在其中一个实施例中，所述风电发电功率被表示为：
[0021][0022][0023][0024]
其中，为风电t时刻发电功率预测值，v
t
为t时刻风力，为t时刻切入风速，为t时刻切出风速，为风电t时刻额定功率，vr为t时刻额定风速，为风电t时刻发电功率，为风电发电最大预测误差，为风电前瞻预测误差的基值部分，k
wt
为风电预测误差与前瞻时长的相关性系数。
[0025]
在其中一个实施例中，所述光伏发电功率被表示为：
[0026][0027][0028]
[0029]
其中，为光伏t时刻发电功率预测值，p
stc
为光伏t时刻额定功率，g
ac,t
为t时刻日照强度，ε为功率温度系数，t
c,t
为t时刻电池板的工作温度，tr为参考温度，g
stc
为t时刻标准测试条件下的日照强度，为光伏t时刻发电功率，为光伏t时刻发电功率最大预测误差，为光伏前瞻预测误差的基值部分，k
pv
为光伏预测误差与前瞻时长的相关性系数。
[0030]
在其中一个实施例中，所述电负荷功率被表示为：
[0031][0032][0033]
其中，为t时刻电负荷功率预测值，为t时刻所述电负荷功率最大预测误差，为t时刻电负荷功率，为所述电负荷功率前瞻预测误差的基值部分，k
e-load
为电负荷功率预测误差与前瞻时长的相关性系数。
[0034]
在其中一个实施例中，所述冷负荷功率被表示为：
[0035][0036][0037]
其中，为t时刻冷负荷功率预测值，为t时刻所述冷负荷功率最大预测误差，为t时刻冷负荷功率，为冷负荷功率前瞻预测误差的基值部分，k
c-load
为冷负荷功率预测误差与前瞻时长的相关性系数。
[0038]
在其中一个实施例中，所述外电网电价被表示为：
[0039][0040][0041]
其中，为外电网电价预测值，为t时刻电价最大预测误差，为t时刻所述外电网电价，为电价前瞻预测误差的基值部分，ke为电价预测误差与前瞻时长的相关性系数。
[0042]
在其中一个实施例中，所述制氢功率被表示为：
[0043][0044][0045]
所述制氢效率被表示为：
[0046][0047]
其中，为所述制氢设备t时刻额定功率，为所述制氢设备在第t时刻的启停标志，为所述制氢设备最大功率误差，为所述制氢设备t-1时刻额定功率，为所述制氢设备t时刻产氢效率。
[0048]
在其中一个实施例中，所述优化解集包括所述制氢功率、制氢效率、第一制冷机功率、第二制冷机功率、释冷机功率、储冷量和微网购电功率，所述约束条件为：
[0049]
[0050][0051][0052][0053][0054][0055]
其中，为场景s下风电t时刻发电功率，为场景s下光伏t时刻发电功率，为场景s下t时刻所述第一制冷机功率，为场景s下t时刻所述第二制冷机功率，为场景s下t时刻所述释冷机功率，为场景s下t时刻所述电负荷功率，为微网与外网联络线容量，为t时刻所述第一制冷机功率，η
c1
为第一制冷机制冷效率，为t时刻所述释冷机功率，ηd为释冷机释冷效率，为t时刻所述冷负荷功率，为所述相变蓄冷设备t时刻储冷量，为所述相变蓄冷设备t-1时刻储冷量，ξ
air
为所述相变蓄冷设备热泄漏下的储能留存率，为t时刻所述第二制冷机功率，η
c2
为第二制冷机制冷效率，ηd为释冷机释冷效率，为所述相变蓄冷设备最大储冷容量，为调度周期内所述相变蓄冷设备的储冷容量，为初始储冷量。
[0056]
上述微网调度方法，通过建立包括制氢设备和相变蓄冷设备的微网电力系统，然后确定微网电力系统和外电网的多个目标参数，其中目标参数包括相变蓄冷设备的第一制冷机功率、第二制冷机功率、释冷机功率，以及制氢设备的制氢功率和制氢效率，之后根据目标参数和微网电力系统调度的约束条件建立微网电力系统的调度模型，进而求解得到微网电力系统运行时所投入的最低成本下的优化解集，以指导微网电力系统中各设备的运行，以及需要向外网购入的电量，该方法利用制氢设备和相变蓄冷空调在消纳园区可再生能源方面的互补优势和协同效益，通过综合相变蓄冷设备和制氢设备的工作参数来建立调度模型，从而可充分协调制氢设备和相变蓄冷设备的运行，获得微网电力系统的最佳调度方案，有效降低园区用电成本。
附图说明
[0057]
为了更清楚地说明本技术实施例或传统技术中的技术方案，下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0058]
图1为一实施例的微网调度方法的流程示意图；
[0059]
图2为一实施例的微网电力系统电力供给示意框图；
[0060]
图3为一实施例的功率和电价的时间变化曲线图；
[0061]
图4为一实施例的相变蓄冷设备的冷源供给方式示意图；
[0062]
图5为一实施例的制氢设备的制氢功率和制氢效率的时间变化曲线图；
[0063]
图6为一实施例的相变蓄冷设备功率和储冷量的时间变化曲线图；
[0064]
图7为一实施例的购电功率的时间变化曲线图。
具体实施方式
[0065]
为了便于理解本技术，下面将参照相关附图对本技术进行更全面的描述。附图中给出了本技术的实施例。但是，本技术可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使本技术的公开内容更加透彻全面。
[0066]
除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中在本技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本技术。
[0067]
可以理解，本技术所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本技术的范围的情况下，可以将第一电阻称为第二电阻，且类似地，可将第二电阻称为第一电阻。第一电阻和第二电阻两者都是电阻，但其不是同一电阻。
[0068]
可以理解，以下实施例中的“连接”，如果被连接的电路、模块、单元等相互之间具有电信号或数据的传递，则应理解为“电连接”、“通信连接”等。
[0069]
在此使用时，单数形式的“一”、“一个”和“所述/该”也可以包括复数形式，除非上下文清楚指出另外的方式。还应当理解的是，术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在，但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。同时，在本说明书中使用的术语“和/或”包括相关所列项目的任何及所有组合。
[0070]
图1为一实施例的微网调度方法的流程示意图，如图1所示，该方法包括步骤s110至步骤s140。
[0071]
步骤s110，建立微网电力系统，微网电力系统包括制氢设备和相变蓄冷设备，相变蓄冷设备包括第一制冷机、第二制冷机和释冷机。
[0072]
其中，微网电力系统可包括园区内的耗电类设备、产电类设备等电能转换类设备。
[0073]
可以理解，制氢设备和相变蓄冷设备在消纳园区可再生能源方面存在互补优势和协同效益，通过在微网电力系统中设置制氢设备和相变蓄冷设备，然后充分协调制氢设备和相变蓄冷设备的运行，可有效降低园区用电成本。
[0074]
具体的，如图2所示，微网电力系统可包括风电发电设备100、光伏发电设备200、电负荷300、冷负荷400、制氢设备600以及相变蓄冷设备700。其中风电发电设备100和光伏发电设备200用于产生电能，以供微网电力系统的其他设备使用，电负荷300、冷负荷400、制氢设备600以及相变蓄冷设备700属于耗电设备，其电能来源可为发电设备产生的电能以及从外电网500购入的电能，其中制氢设备600可将电能转换为氢气，从而产生效益，相变蓄冷设备700与冷负荷400连接，用于为冷负荷400提供冷源，相变蓄冷设备700可例如为相变蓄冷空调，相变蓄冷设备700包括第一制冷机、第二制冷机和释冷机。
[0075]
步骤s120，确定微网电力系统的多个目标参数，目标参数包括第一制冷机功率、第二制冷机功率、释冷机功率、制氢功率和制氢效率。
[0076]
其中，目标参数还可包括风电发电设备100的风电发电功率、光伏发电设备200的光伏发电功率、电负荷300的电负荷功率、冷负荷400的冷负荷功率和外电网电价。
[0077]
步骤s130，根据目标参数和微网电力系统调度的约束条件建立微网电力系统的调度模型。
[0078]
步骤s140，对调度模型进行求解，获取调度模型的优化解集，调度模型用于表征微网电力系统运行时所投入的最低用电成本。
[0079]
其中，解集可包括多个参数，可用于指导相变蓄冷设备700和制氢设备600的运行状态，以及向外电网500购入的电量。该调度模型通过以最低用电成本为目标条件，从而求解得到相变蓄冷设备700和制氢设备600的调度方案，方法简单快速，且能够显著降低用电成本。
[0080]
本发明实施例利用制氢设备和相变蓄冷空调在消纳园区可再生能源方面的互补优势和协同效益，通过综合相变蓄冷设备和制氢设备的工作参数来建立调度模型，从而可充分协调制氢设备和相变蓄冷设备的运行，获得微网电力系统的最佳调度方案，有效降低园区用电成本。
[0081]
在一个实施例中，调度模型可由公式1至公式5表示：
[0082][0083][0084][0085][0086][0087]
其中，s为场景集，t为调度周期，为场景s下第t时刻微网购电成本，为场景s下第t时刻制氢效益，为场景s下第t时刻相变蓄冷设备700工作寿命损耗成本，为场景s下第t时刻制氢设备600运行寿命损耗成本，为场景s下第t时刻外电网电价，为场景s下第t时刻微网购电功率，为t时刻氢气销售价格，为场景s下t时刻制氢功率，为场景s下制氢设备600t时刻的制氢效率，a、b和c分别为制氢效率参数，为第一制冷机在场景s下第t时刻的启停标志；，为第二制冷机在场景s下第t时刻的启停标志，为释冷机在场景s下第t时刻的启停标志，为相变蓄冷设备700单位工作时间寿命损耗成本，取值为0.05元，为制氢设备600在场景s下第t时刻的启停标志，为制氢设备600单位工作时间寿命损耗成本，取值为0.1元。
[0088]
在求解调度模型时，首先，外层可先采用快速群搜索算法，生成不同的风电发电功率、光伏发电功率、电负荷功率、冷负荷功率和外电网电价场景，并从不同场景对应的微网运行成本中挑选出最大值，最大值公式表示为：
[0089][0090]
具体的，外层的求解方法主要包括：
[0091]
①
设置150个种群和150代进化时间，初始化种群n1＝1，代数n2＝1。
[0092]
②
随机生成日内24小时风电发电功率、光伏发电功率、电负荷功率、冷负荷功率和外电网电价。
[0093]
③
调用公式7中的内层算法，计算第n2代中第n1个种群对应的微网运行成本，并记录。
[0094]
④
如果n1小于150，令n1＝n1 1，返回步骤
③
；否则，从150个种群的运行成本中选出最大值，令n1＝1，n2＝n2 1，进入
⑤
。
[0095]
⑤
如果n2不大于150，返回步骤
③
，否则计算结束。先设置150个种群和150代进化时间，初始化种群n1＝1，代数n2＝1，然后随机生成日内24小时风电发电功率、光伏发电功率、电负荷功率、冷负荷功率和外电网电价。
[0096]
其次，内层针对给定的源、荷以及电价数据，采用采用商业求解器gurobi，求解对应场景下最小化的微网运行成本，最小化的微网运行成本公式表示为：
[0097][0098]
调度模型表示最恶劣场景下系统最佳日运行经济性。
[0099]
在一个实施例中，风电发电功率被表示为：
[0100][0101][0102][0103]
其中，为风电t时刻发电功率预测值，v
t
为t时刻风力，为t时刻切入风速，为t时刻切出风速，为风电t时刻额定功率，vr为t时刻额定风速，为风电t时刻发电功率，为风电发电最大预测误差，为风电前瞻预测误差的基值部分，可为0.03，k
wt
为风电预测误差与前瞻时长的相关性系数，可为0.0092。
[0104]
可以理解，可由相关渠道获取预测的第二天的风速，在此基础上，根据480kw的风机装机容量以及(8)的机组发电特性，确定第二天风电每小时预测发电功率，如图3所示。实际上，预测发电功率与真实的发电功率存在一定偏差，结合公式9和公式10则可得到真实的风电发电功率
[0105]
在一个实施例光伏发电功率被表示为：
[0106][0107][0108]
[0109]
其中，为光伏t时刻发电功率预测值，p
stc
为光伏t时刻额定功率，g
ac,t
为t时刻日照强度，ε为功率温度系数，t
c,t
为t时刻电池板的工作温度，tr为参考温度，g
stc
为t时刻标准测试条件下的日照强度，为光伏t时刻发电功率，为光伏t时刻发电功率最大预测误差，为光伏前瞻预测误差的基值部分，可为0.02，k
pv
为光伏预测误差与前瞻时长的相关性系数，可为0.0075。
[0110]
可以理解，可由相关渠道获取预测的第二天的日照强度，在此基础上，根据850kw的光伏装机容量以及(11)的机组发电特性，确定第二天光伏每小时预测发电功率，如图3所示。实际上，预测发电功率与真实的发电功率存在一定偏差，结合公式12和公式13则可得到真实的光伏发电功率
[0111]
在一个实施例中，电负荷功率可被表示为：
[0112][0113][0114]
其中，为t时刻电负荷功率预测值，为t时刻电负荷功率最大预测误差，为t时刻电负荷功率，为电负荷功率前瞻预测误差的基值部分，可为0.01，k
e-load
为电负荷功率预测误差与前瞻时长的相关性系数，可为0.0038。
[0115]
在一个实施例中，冷负荷功率可被表示为：
[0116][0117][0118]
其中，为t时刻冷负荷功率预测值，为t时刻冷负荷功率最大预测误差，为t时刻冷负荷功率，为冷负荷功率前瞻预测误差的基值部分，可为0.01，k
c-load
为冷负荷功率预测误差与前瞻时长的相关性系数，可为0.0029。
[0119]
在一个实施例中，外电网电价被表示为：
[0120][0121][0122]
其中，为外电网电价预测值，为t时刻电价最大预测误差，为外电网电价，为电价前瞻预测误差的基值部分，可为0.04，ke为电价预测误差与前瞻时长的相关性系数，可为0.0046。
[0123]
在一个实施例中，可分别根据上述风电发电功率、光伏发电功率、电负荷功率、冷负荷功率和外电网电价的公式生成日内24小时风电发电功率、光伏发电功率、电负荷功率、冷负荷功率和外电网电价。
[0124]
在一个实施例中，目标参数包括制氢设备600的制氢功率和制氢效率，制氢功率被表示为：
[0125][0126][0127]
制氢效率为：
[0128][0129]
其中，为制氢设备600t时刻制氢功率，为制氢设备600t时刻额定功率，为制氢设备600在第t时刻的启停标志，当制氢设备600为启动状态时，其值为1，当制氢设备600为停机状态时，其值为0，是制氢设备600的爬坡速率，可为200kw/分钟，为制氢设备600t-1时刻制氢功率，为制氢设备600t时刻产氢效率，a、b和c分别为制氢效率参数，分别取值-0.0014、0.7976和-37419。
[0130]
可以理解，制氢设备作为能源转换设备，可通过消纳可再生能源得到氢气，以产生效益，因此将制氢效率作为目标参数，以参与调度模型的构建，可提高电能调度的灵活性。
[0131]
在一个实施例中，相变蓄冷设备可包括相变蓄冷空调，相变蓄冷设备700存在三个运行功能，其一是通过第一制冷机直接制冷(温度较高)供给冷负荷400，其二是通过第二制冷机制冷(温度较低)储存在相变材料中，其三是通过释冷机促使相变材料释冷供给冷负荷400，冷源供给方式可参考图4所示。
[0132]
第一制冷机功率被表示为：
[0133][0134]
第二制冷机功率被表示为：
[0135][0136]
释冷机功率被表示为：
[0137][0138]
其中，为第一制冷机第t时刻运行功率，为第一制冷机额定功率，为300kw，为第一制冷机第t时刻启停标志，当其为启动状态时取值为1，当其为停机状态是取值为0，为第二制冷机第t时刻运行功率，为第二制冷机额定功率，为200kw，为第二制冷机第t时刻启停标志，当其为启动状态时取值为1，当其为停机状态是取值为0，为释冷机第t时刻运行功率，为释冷机第t时刻额定功率，为500kw，为释冷机启停标志，当其为启动状态时取值为1，当其为停机状态是取值为0。
[0139]
可以理解，相变蓄冷设备700具有大规模储冷潜力、造价低廉和服务寿命长等显著优势，因此将其纳入微网电力系统中，并将第一制冷机功率、第二制冷机功率及释冷机功率作为目标参数，可提高调度模型的灵活性，进而降低园区用电成本。
[0140]
在一个实施例中，优化解集包括制氢功率、制氢效率、第一制冷机功率、第二制冷机功率、释冷机功率、储冷量和微网购电功率，所述约束条件为：
[0141]
[0142][0143][0144][0145][0146][0147]
其中，公式27表示电功率平衡约束，公式28表示微网向外电网500购电功率约束，公式29表示冷能供需平衡约束，公式30表示t时刻相变材料储冷量由前一时刻储冷量、当前时刻的制冷功率和释冷功率决定，公式31表示相变材料储冷量要小于额定功率，公式32表示相变材料调度结束时储冷量要返回到初始值。
[0148]
为场景s下风电t时刻发电功率，为场景s下光伏t时刻发电功率，为场景s下t时刻第一制冷机功率，为场景s下t时刻第二制冷机功率，为场景s下t时刻释冷机功率，为场景s下t时刻电负荷功率，为微网与外网联络线容量，取值为1000kw，为t时刻第一制冷机功率，η
c1
为第一制冷机制冷效率，为t时刻释冷机功率，为t时刻冷负荷功率，为相变蓄冷设备700t时刻储冷量，为相变蓄冷设备700t-1时刻储冷量，ξ
air
为相变蓄冷设备700热泄漏下的储能留存率，为t时刻第二制冷机功率，η
c1
为第一制冷机制冷效率，可为4.2，η
c2
为第二制冷机制冷效率，可为2.8，ηd为释冷机释冷效率，可为42.5，为相变蓄冷设备700最大储冷容量，可为2000kwh，为调度周期内相变蓄冷设备700的储冷容量，为初始储冷量，ξ
air
为相变蓄冷设备700热泄漏下的储能留存率，为0.97，t是调度周期，设为24小时。
[0149]
根据上述方法，可充分协调制氢设备和相变蓄冷空调运行，从而既有望提升制氢效率，又有可能降低冷气泄漏量。最终园区微网日运行成本为2297.3元。调度模型求解出来的制氢设备600运行功率、制氢效率、相变蓄冷空调运行功率、储冷和微网向外电网500购电功率可参考图5-图7所示。结合图5可知，制氢设备600通过优化运行功率，始终保持高效率生产氢气；结合图6可知，相变蓄冷空调通过调整制冷机功率、释冷机功率和储冷量，灵活参与园区微网功率调节；结合图7可知，园区微网根据外电网电价灵活调整购电功率，提高用电经济性。
[0150]
本发明实施例通过考虑可再生能源发电、负荷需求以及电价，以最恶劣场景下的系统运行成本最小为目标，设计微网调度模型并联合快速群搜索算法和gurobi软件对调度模型进行求解。最后，根据获得的解集指导制氢设备600和相变蓄冷设备运行以及向外电网500购电，由于充分考虑了制氢设备600和相变蓄冷设备的互补优势和协同效益，能够显著提高可再生能源消纳水平，降低园区微网的运行成本。
[0151]
在本说明书的描述中，参考术语“有些实施例”、“其他实施例”、“理想实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特征包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性描述不一定指的是相同的实施例或示例。
[0152]
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0153]
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。