欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020115345429
申请人: 南昌大学
专利类型:发明专利
专利状态:已下证
专利领域: 发电、变电或配电
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.计及IDR的冷热电联供微网与主动配电网联合优化调度方法,其特征在于,包括如下步骤:

(1)对冷热电联供微网设备建模;

(2)建立主动配电网优化调度模型;

(3)建立计及IDR的冷热电联供微网调度模型;

(4)运用机会约束规划处理冷热电联供型微网中新能源及冷热电负荷的随机性;

(5)运用IATC求解计及IDR的冷热电联供微网与主动配电网联合优化调度模型。

2.根据权利要求1所述的计及IDR的冷热电联供微网与主动配电网联合优化调度方法,其特征在于:所述步骤(1)中冷热电联供微网设备包括风光发电机组、燃气轮机、燃料电池、燃气锅炉、余热锅炉、吸收式制冷机、电制冷机、热交换器、蓄热槽、电动汽车。

3.根据权利要求1所述的计及IDR的冷热电联供微网与主动配电网联合优化调度方法,其特征在于:所述步骤(2)中建立的所述主动配电网优化调度模型中的目标函数是总运行成本最小,具体为:

minCdn=Cdg+Cgrid‑Csell式中:Cdn为配网总运行成本,Cdg为配网发电机组的发电成本,Cgrid为配网从大电网的购电成本,Csell为配网向各个微网传送功率的收益;T为调度周期;Pdg,m(t)为第m台发电机组在时段t的出力;adg、bdg、cdg分别为各机组对应的成本系数;Ndg表示配网机组的数量;Pgrid(t)pcc

为t时段配网向大电网购电的功率,λgrid(t)为配网向大电网购电的实时电价;Pi (t)为t时段由配网向微网i传送的功率,其值为正时表示配网向微网售电,其值为负时表示配网向微网购电;λe,i(t)为配网与微网i间日前市场交易电价;Nmg为微网数量。

4.根据权利要求3所述的计及IDR的冷热电联供微网与主动配电网联合优化调度方法,其特征在于:所述步骤(2)中所述主动配电网层的约束条件包括功率平衡约束、发电机组出力上下限约束、机组爬坡约束、与大电网交互功率约束、联络线功率约束;具体如下:式中: 为配网在时段t的负荷预测值; 和 为第m台发电机组的有功出力上下限; 分别为第m台发电机组的向下和向上爬坡率; 为配网与大电网交互功率的上下限; 为配网向微网传输功率的上下限。

5.根据权利要求1所述的计及IDR的冷热电联供微网与主动配电网联合优化调度方法,其特征在于:所述步骤(3)中建立计及IDR的所述冷热电联供微网调度模型的目标函数是总运行成本最小,具体为:

minCmg,i=Cfuel,i+CUD,i+Com,i+Cbuy,i+CIDR,i式中:Cmg,i、Cfuel,i、CUD,i、Com,i、CIDR,i分别为第i个冷热电联供微网总运行成本、可控机组的燃料费用、可控机组的启动和关停费用之和、设备的总维护费用、综合需求响应的成本。

6.根据权利要求5所述的计及IDR的冷热电联供微网与主动配电网联合优化调度方法,其特征在于:所述步骤(3)中所述冷热电联供微网层的约束条件包括功率平衡约束和综合需求响应运行约束;

(1)功率平衡约束:

式中:Pmt,n(t)、Pfc,n(t)分别为冷热电联供微网i内第n台燃气轮机、燃料电池电功率,Pwind(t)、Ppv(t)分别表示时段t的风光出力,Tex,out(t)、Tgb(t)分别表示热交换器和燃气锅炉在时段t的输出功率,Pac,out(t)、Pec,out(t)分别表示吸收式制冷机和电制冷机在时段t的输出功率, 分别表示电动汽车在时段t充电功率、放电功率;

分别表示微网i内在时段t在价格型需求响应引导后的电、热、冷负荷, 表示x类负荷参与激励型需求响应的实际削减负荷,其中x={e,t,c},依次指电、热、冷负荷;Nmt、Nfc、Nev分别指燃气轮机、燃料电池、电动汽车的数量;

(2)综合需求响应运行约束,其包括价格型需求响应和激励型需求响应,(a)价格型需求响应:

0≤DRe,up(t)≤Pe,d(t)αup

0≤DRe,down(t)≤Pe,d(t)αdown式中:Pe,d(t)表示在时段t用户电负荷,DRe,up(t)、DRe,down(t)分别表示价格型需求响应引导下t时刻增加的负荷量,减少的负荷量,αup、αdown表示最大可转移负荷的比例;

(b)激励型需求响应:

式中: 表示第n个电激励型需求响应占总负荷的比例。

7.根据权利要求1所述的计及IDR的冷热电联供微网与主动配电网联合优化调度方法,其特征在于:所述步骤(4)中风光及冷、热、电负荷在预测过程中的模型求解转换成如下等价确定形式:

‑1 ‑1 ‑1

式中:F (α1)、F (α2)、F (α3)分别表示风光出力及电负荷、热负荷、冷负荷随机分布函数的反函数; 分别表示微网i内在t时刻电、热、冷的备用负荷;置信水平α1、α2、α3分别表示该备用约束条件下成立所满足的概率值。

8.根据权利要求1所述的计及IDR的冷热电联供微网与主动配电网联合优化调度方法,其特征在于:所述步骤(5)通过将目标级联法迭代嵌入粒子群算法PSO中,搜寻最优初值,从而得到最优调度结果,具体步骤如下:(5‑1)设置粒子群种群数量、最大迭代次数、学习因子c1、c2、惯性权重w,初始化粒子的位置即配网的虚拟负荷值,和速度;

(5‑2)迭代数据初始化,设置拉格朗日罚函数乘子初始值,令迭代次数k=1;

(5‑3)各冷热电联供微网根据约束条件进行自身优化调度问题求解,将计算出的虚拟电源值传递至主动配电网;

(5‑4)主动配电网接收到微网传递数据后,根据约束条件进行自身优化问题求解,将计算出的虚拟负荷值传递至冷热电联供微网;

(5‑5)判断是否满足收敛准则,若满足则计算粒子适应度即配网和各冷热电联供微网总运行成本,根据适应度值更新粒子局部最优和全局最优值;若不满足则更新罚函数乘子,返回步骤(5‑3);

(5‑6)判断是否达到PSO最大迭代次数,若已达到,则输出最优调度结果,否则更新粒子的速度和位置,并返回步骤(5‑2)。