基于可再生能源微电网的不确定条件下需求侧管理的方法与流程

1.本发明涉及综合能源技术领域，具体涉及一种基于生物质能集成可再生能源微电网的不确定条件下需求侧管理的优化。


背景技术：

2.传统电网是为单向电力流而设计的，其基础是供需平衡，具有需求侧管理的基于可再生能源的微电网可以理解为是称为“智能电网”的更一般概念的特例，智能电网是一个概念，它在并网配置中允许电网与其客户或微电网运营商之间进行双向交互，能源消费者配备了智能电表，可以根据价格或来自能源提供商的其他信号来监视和调整其用电需求，将需求侧管理或需求响应与供应耦合在一起，可为优化整体能源系统管理提供更多机会。
3.生物质发电相当于小型火电，单独发电时效率低，且现有研究对含生物质热电联产机组的系统的优化调度关注度较少，提出适用于综合能源系统的多种新能源高效消纳的综合能源运行优化方法，通过补燃设备调整热天然气和生物质电联产机组的运行，建立可补燃生物质热电联产运行模型，构建包含光伏，生物质和天然气在内的区域能量模型。


技术实现要素：

4.本发明的目的是为了克服现有技术的不足，而提供一种提高了微电网的性能、降低了运行成本、提高了可再生能源比重的基于氢储能的基于可再生能源微电网的不确定条件下需求侧管理的方法。
5.本发明的目的是这样实现的：基于可再生能源微电网的不确定条件下需求侧管理的方法，它包括以下步骤：
6.s1：综合能源系统的组成部分；
7.s2：综合能源系统建模；
8.s3：需求侧管理的问题制定；
9.s4：基于滑动时间窗的需求侧管理方法；
10.s5：蒙特卡洛模拟方法。
11.步骤s1中的具体步骤如下：
12.s11：考虑采用需求侧管理的一般微电网，包括光伏板、生物质能热电联产机组和供热锅炉，微电网采用并网运行方式，可输入、输出电能，电力需求由生物质能和光伏发电在其运行限制和约束下的总和来满足，对于外部电网并网的情况，微电网的任何电力供应不足都可以通过从外部电网购买电力来满足，在某些情况下，生物质能或光伏的剩余电力可以通过净计量、上网电价或其他微电网运营创收的电力购买安排交付给电力公司。
13.步骤s3中具体步骤包括：
14.s31：所提出的需求侧管理模型以每小时时间间隔最小化特定时间范围上的总成本方式体现，调度合适的设备并转移系统中的可调度负载，成本包括系统的固定成本或资本成本，原料和燃料供应成本以及运营和维护成本，为方便，燃料与运维成本进行合并，目
标函数公式为：
[0015][0016][0017][0018]
其中z是能源供应成本($)；t是计划范围的长度(h)，在此为4h；t是一天中的小时；x是决策变量，即每小时的能量流(kwh/h)；v是构成资本成本的所有系统组件集合；i是构成资本成本的所有已安装机组的指数；u是产生运维和燃料成本的所有能量流的集合；j是构成运维和燃料成本的所有能量流的指数；c是每小时平均资本成本($/h)；o&m&f是每小时的运维成本和燃料成本($/kwh)；p是订购和安装成本，它受规模经济(0≤s≤1)影响；ir是利率；n受预期寿命(y)，常熟8760是每年小时数的转换，对于定义规模经济的方程式，p
p
是生物质能中正在考虑的设施的资本成本；po是同类型参考设施的已知资本成本，m
p
是所考虑单位的额定容量；mo是参考单位的额定容量；
[0019]
s32：为了提供转移负载的机会，指定了“灵活性”参数，来指示在指定的时间范围内每小时可以转移多少负载，转移的设备数不能为负，也不能超过系统中能够转移负荷的总设备数
[0020]
sf
smin
(t)≤sfs(t)≤sf
smax
(t),0≤sfs,sf
smin
,sf
smax
≤1
[0021]
t是一天中的小时；sf代表电力需求的变动因素；sf
smin
和sf
smax
是下限和上限，因此在进行需求侧管理之后的电负载由下式给出：
[0022]
x(t)＝sfs(t)e
load
(t)
[0023]
电力平衡限制了生物质能发动机，光伏和电网电力可以满足的电力需求，热平衡限制了天然气动力锅炉和从发电机组回收的热量，从生物质能中回收的热量与发动机的发电效率和热量回收率有关。
[0024]
步骤s4中的基于滑动时间窗的需求侧管理方法包括以下步骤：
[0025]
s41.指定初始载荷曲线以及可分派或能够转移的载荷比例；
[0026]
s42.使用输入变量和初始载荷曲线，针对从t时刻到t t(t:滑动时间窗口宽度)的时间段优化上述系统操作；
[0027]
s43.获得最佳能量流和最佳负载曲线；
[0028]
s44.将窗口第一个小时的运行条件和负载数据设置为最佳条件；
[0029]
s45.更新新的负载曲线；
[0030]
s46.将窗口及时向前滑动1h；
[0031]
s47.从s42开始重复；
[0032]
最低的能源供应总成本，对于此示例，每个小时都有9个解决方案变量，对于4小时的时间范围，需要求解36个变量，为了说明起见，如果在此4小时窗口范围内，总共可分配55kwh负载，时间窗口中所有4h的新生成的电力负荷曲线都会更新，仅保留第一个小时的解决方案来计算实际成本，然后将时间窗口增加一小时，并在整个时间范围内重复此过程，每
个时间窗口都不彼此独立，在每个新的时间窗口中，有3小时的需求取决于先前的时间窗口优化结果。
[0033]
步骤s5蒙特卡洛模拟方法具体包括如下步骤：为了解决上述随机公式，一般的方法是将随机模型转换为确定性问题,基于所有随机参数的概率分布，进行蒙特卡洛模拟生成有限数量的可能结果，总共使用了1000个蒙特卡洛模拟来生成每种方案的成本分配，微电网调度使用了前面所述的确定性问题公式得出的相同最佳结果，用于发电成本的1000个实现的模拟结果的分布提供了风险配置方案。
[0034]
本发明的有益效果：本发明评估了基于可再生能源的微电网中需求侧管理的价值，与无法及时转移负载的情况相比，调度全部或部分负载的能源成本有所降低，可再生能源的份额有所增加，对于采用的经济假设，安装生物质能发电和光伏发电比其他设计更具成本效益，这表明，为了匹配可再生能源发电，可以以较低的运营成本创造更高的峰值负荷，开发的负载转移算法通过改变负载模式来降低运行成本并增加可再生能源比例，从而提高了微电网的性能；本发明具有提高了微电网的性能、降低了运行成本、提高了可再生能源比重的优点。
附图说明
[0035]
图1是本发明微电网示意图。
[0036]
图2是本发明应用于冬季和夏季每小时详细负荷情况图。
[0037]
图3是本发明显示每小时的固定和可调度负载示意图。
[0038]
图4是本发明在需求侧管理下，成本的响应面作为生物质能和光伏能力的函数图。
[0039]
图5是本发明有无需求侧管理对比图。
[0040]
图6是本发明各方案能量概率分布的成本图。
具体实施方式
[0041]
下面结合附图对本发明做进一步的说明。
[0042]
实施例1
[0043]
如图1所示，进行微电网建模。考虑了具有需求侧管理的微电网，包括光伏电池板，由生物质驱动的热电联产装置和仅热锅炉。微电网以并网模式运行，可以导入和导出电力。
[0044]
需求侧管理的表述。策变量表示系统组件之间的每小时微电网能量流量。所提出的需求侧管理模型以每小时时间间隔最小化特定时间范围上的总成本的方式，调度合适的设备并转移系统中的可调度负载，成本包括系统的固定成本或资本成本，原料和燃料供应成本以及运营和维护成本。
[0045]
基于滑动时间窗口的需求侧管理方法。
[0046]
蒙特卡洛估值法。为了解决上述随机问题，一般的方法是将随机模型转换为确定性问题，基于所有随机参数的概率分布，进行了蒙特卡洛模拟以生成有限数量的可能结果，总共使用了1000个蒙特卡洛模拟来生成每种方案的成本分配。
[0047]
s1：综合能源系统的组成部分；
[0048]
考虑采用需求侧管理的一般微电网，包括光伏板、生物质能热电联产机组和供热锅炉，微电网采用并网运行方式，可输入、输出电能，电力需求由生物质能和光伏发电在其
运行限制和约束下的总和来满足，对于外部电网并网的情况，微电网的任何电力供应不足都可以通过从外部电网购买电力来满足；在某些情况下，生物质能或光伏的剩余电力可以通过净计量、上网电价或其他微电网运营创收的电力购买安排交付给电力公司。
[0049]
s2：综合能源系统建模；
[0050]
s3：需求侧管理的问题制定；
[0051]
s31：所提出的需求侧管理模型以每小时时间间隔最小化特定时间范围上的总成本方式体现，调度合适的设备并转移系统中的可调度负载，成本包括系统的固定成本或资本成本，原料和燃料供应成本以及运营和维护成本，为方便，燃料与运维成本进行合并，目标函数公式为：
[0052][0053][0054][0055]
其中z是能源供应成本($)；t是计划范围的长度(h)，在此为4h；t是一天中的小时；x是决策变量，即每小时的能量流(kwh/h)；v是构成资本成本的所有系统组件集合；i是构成资本成本的所有已安装机组的指数；u是产生运维和燃料成本的所有能量流的集合；j是构成运维和燃料成本的所有能量流的指数；c是每小时平均资本成本($/h)；o&m&f是每小时的运维成本和燃料成本($/kwh)；p是订购和安装成本，它受规模经济(0≤s≤1)影响；ir是利率；n受预期寿命(y)，常熟8760是每年小时数的转换，对于定义规模经济的方程式，p
p
是生物质能中正在考虑的设施的资本成本；po是同类型参考设施的已知资本成本，m
p
是所考虑单位的额定容量；mo是参考单位的额定容量；
[0056]
s32：为了提供转移负载的机会，指定了“灵活性”参数，来指示在指定的时间范围内每小时可以转移多少负载，转移的设备数不能为负，也不能超过系统中能够转移负荷的总设备数
[0057]
sf
smin
(t)≤sfs(t)≤sf
smax
(t),0≤sfs,sf
smin
,sf
smax
≤1
[0058]
t是一天中的小时；sf代表电力需求的变动因素；sf
smin
和sf
smax
是下限和上限，因此在进行需求侧管理之后的电负载由下式给出：
[0059]
x(t)＝sfs(t)e
load
(t)
[0060]
电力平衡限制了生物质能发动机，光伏和电网电力可以满足的电力需求，热平衡限制了天然气动力锅炉和从发电机组回收的热量，从生物质能中回收的热量与发动机的发电效率和热量回收率有关。
[0061]
s4：基于滑动时间窗的需求侧管理方法；
[0062]
s41.指定初始载荷曲线以及可分派或能够转移的载荷比例；
[0063]
s42.使用输入变量和初始载荷曲线，针对从t时刻到t t(t:滑动时间窗口宽度)的时间段优化上述系统操作；
[0064]
s43.获得最佳能量流和最佳负载曲线；
[0065]
s44.将窗口第一个小时的运行条件和负载数据设置为最佳条件；
[0066]
s45.更新新的负载曲线；
[0067]
s46.将窗口及时向前滑动1h；
[0068]
s47.从s42开始重复；
[0069]
最低的能源供应总成本，对于此示例，每个小时都有9个解决方案变量，对于4小时的时间范围，需要求解36个变量，为了说明起见，如果在此4小时窗口范围内，总共可分配55kwh负载，时间窗口中所有4h的新生成的电力负荷曲线都会更新，仅保留第一个小时的解决方案来计算实际成本，然后将时间窗口增加一小时，并在整个时间范围内重复此过程，每个时间窗口都不彼此独立，在每个新的时间窗口中，有3小时的需求取决于先前的时间窗口优化结果。
[0070]
s5：蒙特卡洛模拟方法。
[0071]
为了解决上述随机公式，一般的方法是将随机模型转换为确定性问题,基于所有随机参数的概率分布，进行蒙特卡洛模拟生成有限数量的可能结果，总共使用了1000个蒙特卡洛模拟来生成每种方案的成本分配，微电网调度使用了前面所述的确定性问题公式得出的相同最佳结果，用于发电成本的1000个实现的模拟结果的分布提供了风险配置方案。
[0072]
如图2-6所示，本发明开发了一种基于经济线性规划和模型预测控制的负荷转移算法，以使基于生物质的热电联产微电网系统的运营成本降至最低，该模型同时将电能和热能的供求作为决策变量进行管理。开发了一种算法，可根据可再生的发电量和使用时间来优化负荷转移，所提出的负载转移算法通过更改负载模式提高了微电网的性能，降低了运行成本，提高了可再生能源比重。具有需求侧管理的基于可再生能源的微电网，可以根据价格或来自能源提供商的其他信号来监视和调整其用电需求，将需求侧管理或需求响应与供应耦合在一起，可为优化整体能源系统管理提供更多机会。