本发明公开一种用户端综合能源网络优化控制方法，其特征在于，包括以下步骤：步骤1、建立用户端综合能源系统模型：步骤2、建立用户端综合能源网络优化管理模型；步骤3、对优化管理模型中的优化目标函数进行优化求解，得到综合能源网络优化控制策略。本发明在传统电力及燃气所构成的综合能源系统基础上，引入用户端负荷数据，对负荷进行DR响应优化策略，共同构成用户端综合能源系统优化模型，基于该模型，建立能耗成本、气体排放量综合多目标优化函数，并取得最优解，实现满足用户端负荷需求的同时，降低能耗成本及气体排放量。
一种用户端综合能源网络优化控制方法
技术领域
[0001] 本发明涉及能源控制领域，具体的是一种用户端综合能源网络优化控制方法。
背景技术
[0002] 随着综合能源系统控制技术的逐渐提升，接近用户端的综合能源系统的应用逐渐成为可能并得到推广。其中，以燃气及电力为主要能源输入的用户端综合能源系统较为典型。用户端综合能源系统中，热电冷联供机组(Combined cooling heating andpower，CCHP)消耗燃气同时，实现电力发电、制热、制冷功能，越来越受到人们的青睐。
[0003] 用户端综合能源系统中电力发电单元除从传统电网购电之外，可以借助于自家屋顶光伏发电进行电力输出，为用户负荷提供电力服务。CCHP与光伏发电系统配套使用，可以提高综合能源系统的整体性能，尤其是用户端的住宅能源系统。尽管光伏发电的优势已经得到验证，但其发电输出的不稳定性对能源系统的运行提出较大的挑战。
发明内容
[0004] 为解决上述背景技术中提到的不足，本发明的目的在于提供一种用户端综合能源网络优化控制方法，在传统电力及燃气所构成的综合能源系统基础上，引入用户端负荷数据，对负荷进行DR响应优化策略，共同构成用户端综合能源系统优化模型。
[0005] 本发明的目的可以通过以下技术方案实现：
[0006] 一种用户端综合能源网络优化控制方法，包括以下步骤：
[0007] 步骤1、建立用户端综合能源系统模型：
[0008] 步骤101、建立发电单元数学模型：
[0009] 步骤1011、建立冷热电联供单元模型；
[0010] 步骤1012、建立光伏发电单元模型；
[0011] 步骤102、建立用户终端负荷数学模型：
[0012] 步骤1021、建立可转移负荷模型；
[0013] 步骤1022、建立可削减负荷模型；
[0014] 步骤1023、建立柔性制热制冷负荷模型；
[0015] 步骤1024、建立热储能负荷模型；
[0016] 步骤1025、建立电储能负荷模型；
[0017] 步骤2、建立用户端综合能源网络优化管理模型；
[0018] 步骤3、对优化管理模型中的优化目标函数进行优化求解，得到综合能源网络优化控制策略。
[0019] 优选地，步骤1011中，冷热电联供单元包括燃气发电单元PGU、热回收单元HRU、制热及制冷单元，燃气送入PGU进行发电，HRU利用PGU发电产生的余热实现制冷与制热，同时系统中配备热储能单元TES储存多余的热能，联供系统中制冷分为吸收式制冷机和电制冷机；
[0020] 步骤1011中建立的热电冷联供单元机组的运行模型为：
[0021]
[0022] 式(1)中： 表示时间t时的CCHP电力输出； 表示时间t时从PGU回收的热量；ηth，ηe分别为冷热电联产机组的热效率、电效率；
[0023] 联供单元燃气消耗量为：
[0024]
[0025] 式(2)中：β为单位功率与燃气的转换系数； 表示时间t时CCHP机组燃气消耗量；
[0026] 联供单元运行约束为：
[0027]
[0028]
[0029]
[0030]
[0031] 式(3)‑(6)中： 表示时间t时的CCHP开/停状态； 和 代表CCHP机组功率的最小和最大值； 和 代表PGU回收热量的最大和最小值；rre代表热电联供机
组爬坡系数。
[0032] 优选地，步骤1011中采用确定性光伏输出模型，并利用时间序列模型收集太阳辐射预测的历史数据，光伏发电单元输出功率表达式：
[0033]
[0034] 式(7)中： 表示光伏发电t时刻的输出功率；ηpv代表光伏的工作效率； 代表时间t的室外温度；S表示光伏板面积；I表示光照辐射度。
[0035] 优选地，步骤1021中，可转移负荷包括用户终端个别电器在满足用户基本使用要求的情况下，可根据用户端综合能源网络能源价格的波动变化安排其运行时间，此类负荷设备具有可转移特性，可转移负荷运行限制为：
[0036]
[0037]
[0038]
[0039]
[0040]
[0041]
[0042] 式(8)‑(10)中： 分别代表设备i的开/停、启动及停止状态；等式(11)表示可转移负荷首选运行时间窗口；MRHi代表设备的总开启时间；等式(12)和(13)分别表示一天当中负荷的总运行小时数及用户使用所需的最短时间。
[0043] 优选地，步骤1022中，可削减负荷定义为综合能源网络的照明负荷，在能源高价时段，可降低亮度到预定水平，本发明引入光照度数据来模拟可削减照明负荷的大小，同时，将高峰时段照明削减20％，建立的可削减负荷运行约束表达式为：
[0044]
[0045] 式(14)中：0≤ρt≤1是电价的线性函数，高峰时段等于1，非高峰时段等于0； 表示时间t时室内光照度； 表示时间t时室外光照度； 表示时间t所需光照。
[0046] 优选地，步骤1023中对制热制冷进行建模，热水、冷水进行等量循环，水温控制按式下式计算：
[0047]
[0048] 式(15)中： 表示时间t及t+1时的水温； 是时间t时与储水器的换热；V代表蓄水量；Cw表示水的比热系数；Tcw表示冷水温度； 表示进入的冷水量；
[0049] 对于单一夏季时间段，依据热力学定律，单位时间间隔内，通过用户建筑内传递的t热量Q可表示为：
[0050]
[0051] 式(16)中：R是用户建筑的热阻系数； 代表室外温度； 代表室内温度；
[0052] 用户端温控所需热能 计算依据为：
[0053]
[0054]
[0055] 式(17)、(18)中：Cair为空热比系数； 表示在时间t时达到温度设定值所需的热能；
[0056] 式(18)的单位小时离散模型为：
[0057]
[0058] 同时，改模型中综合能源网络制热制冷负荷工作温度不应局限于固定温度值，其约束条件如下：
[0059]
[0060]
[0061] 式(21)中： 代表最小和最大水温偏差； 表示最小和最大室温偏差。
[0062] 优选地，步骤1024中建立的热储能负荷模型为：
[0063]
[0064]
[0065]
[0066]
[0067]
[0068] 式(22)‑(26)中： 表示时间t时TES的注入热量； 代表TES注入热量的最大值；ηin表示热效率； 表示时间t时TES的储热状态； 代表时间t时TES的释放热量；
代表TES释放热量的最大值； 代表时间t时TES的放热状态；ηdr代表释放热量的效
率； 表示时间t的TES能量含量； 和 代表TES储能的最小和最大值。
[0069] 优选地，步骤1025中将用户端综合能源网络面对的用户充电电动汽车PHEV充当电储能负荷进行优化管理，对其充发电过程进行建模如下：
[0070]
[0071]
[0072]
[0073] 式(27)‑(29)中： 代表时间t时PHEV的电量； 代表t时间PHEV充电和放电的功率； 代表充电桩的最大功率；ηG2V及ηV2G表示PHEV的电池充电和放电效率； 表示PHEV电池充放电状态；
[0074] PHEV运行窗口时间及电池充放电约束的上下限表示为：
[0075]
[0076]
[0077]
[0078] 式(30)‑(32)中：Cap表示电池容量； 代表时间t时PHEV的荷电状态；SOCmin和SOCmax代表PHEV荷电状态的最大和最小值；
[0079] 充电、放电同时执行时的约束：
[0080]
[0081] 优选地，步骤2中，建立用户端综合能源网络优化管理模型的过程为：
[0082] 步骤201、建立优化模型的能源功率平衡模型：
[0083] 未考虑需求响应的电功率平衡公式：
[0084]
[0085] 式(34)中： 为t时与电网之间交换的功率； 为PHEV电池充电功率；为PHEV电池放电功率； 表示时间t时的总电力需求；Pli代表负荷额定功率； 代表时
间t时向电力供应的功率；
[0086] 考虑需求响应的电功率平衡公式：
[0087]
[0088] 式(35)中： 的正值表示从电网购买功率， 的负值表示向电网出售功率；代表时间t时刻的临界电力需求；
[0089] 热功率平衡公式：
[0090]
[0091] 式(36)中： 表示时间t时刻TES的吸热功率； 表示时间t时与储水器之间交换热功率； 代表吸收式制冷机功率；
[0092] 制冷功率平衡公式：
[0093]
[0094] 式(37)中：COPAC为制冷热力系数；
[0095] 步骤202、建立优化目标函数：
[0096] 能源成本优化目标函数：
[0097]
[0098] 式(38)中： 为时间t时的电价；πNG为燃气价格；终端用户的综合能源成本包括从电网购买的电力成本、向电网出售电力的收入以及热电冷联供系统的燃气消耗成本；
[0099] 温室气体排放优化目标函数：
[0100]
[0101] min(OFCost,OFEmission) (40)；
[0102] 式(39)、(40)中： 为电网发电气体排放因子； 为CCHP机组发电气体排放因子。
[0103] 优选地，步骤3中优化求解采用epsilon约束收敛方法，同时利用模糊Pareto预测，获得能源成本及温室气体排放的多目标最优解。
[0104] 本发明的有益效果：
[0105] 本发明在传统电力及燃气所构成的综合能源系统基础上，引入用户端负荷数据，对负荷进行DR响应优化策略，共同构成用户端综合能源系统优化模型。基于该模型，建立能耗成本、气体排放量综合多目标优化函数，并取得最优解，实现满足用户端负荷需求的同时，降低能耗成本及气体排放量。
附图说明
[0106] 下面结合附图对本发明作进一步的说明。
[0107] 图1为本发明用户端综合能源系统优化模型的整体结构；
[0108] 图2为本发明总电力需求及关键负荷功率；
[0109] 图3为本发明CCHP在案例1及2中的电力输出；
[0110] 图4为本发明应用DR前后的总电力消耗；
[0111] 图5为本发明案例3中电力能源优化调度；
[0112] 图6为本发明案例3中热能优化调度；
[0113] 图7为本发明PHEV的充电状态；
[0114] 图8为本发明能源成本及排放多目标最优解。
具体实施方式
[0115] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0116] 在本发明的描述中，需要理解的是，术语“开孔”、“上”、“下”、“厚度”、“顶”、“中”、“长度”、“内”、“四周”等指示方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的组件或元件必须具有特定的方位，以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0117] 本发明的考虑需求响应的用户端气‑电综合能源网络优化控制方法，包括以下步骤：
[0118] 步骤1、建立用户端综合能源系统模型：
[0119] 步骤101、建立发电单元数学模型：
[0120] 步骤1011、建立冷热电联供单元模型；
[0121] 步骤1012、建立光伏发电单元模型；
[0122] 步骤102、建立用户终端负荷数学模型：
[0123] 步骤1021、建立可转移负荷模型；
[0124] 步骤1022、建立可削减负荷模型；
[0125] 步骤1023、建立柔性制热制冷负荷模型；
[0126] 步骤1024、建立热储能负荷模型；
[0127] 步骤1025、建立电储能负荷模型；
[0128] 步骤2、建立用户端综合能源网络优化管理模型；
[0129] 步骤3、对优化管理模型中的优化目标函数进行优化求解，得到综合能源网络优化控制策略。
[0130] 步骤1011中，冷热电联供单元包括燃气发电单元PGU、热回收单元HRU、制热及制冷单元，燃气送入PGU进行发电，HRU利用PGU发电产生的余热实现制冷与制热，同时系统中配备热储能单元TES储存多余的热能，联供系统中制冷分为吸收式制冷机和电制冷机；
[0131] 步骤1011中建立的热电冷联供单元机组的运行模型为：
[0132]
[0133] 式(1)中： 表示时间t时的CCHP电力输出； 表示时间t时从PGU回收的热量；ηth，ηe分别为冷热电联产机组的热效率、电效率；
[0134] 联供单元燃气消耗量为：
[0135]
[0136] 式(2)中：β为单位功率与燃气的转换系数； 表示时间t时CCHP机组燃气消耗量；
[0137] 联供单元运行约束为：
[0138]
[0139]
[0140]
[0141]
[0142] 式(3)‑(6)中： 表示时间t时的CCHP开/停状态；rre代表热电联供机组爬坡系数。
[0143] 步骤1011中采用确定性光伏输出模型，并利用时间序列模型收集太阳辐射预测的历史数据，光伏发电单元输出功率表达式：
[0144]
[0145] 式(7)中： 表示光伏发电t时刻的输出功率；S表示光伏板面积；I表示光照辐射度。
[0146] 步骤1021中，可转移负荷包括用户终端个别电器在满足用户基本使用要求的情况下，可根据用户端综合能源网络能源价格的波动变化安排其运行时间，此类负荷设备具有可转移特性，可转移负荷运行限制为：
[0147]
[0148]
[0149]
[0150]
[0151]
[0152]
[0153] 式(8)‑(10)中： 分别代表设备i的开/停、启动及停止状态；等式(11)表示可转移负荷首选运行时间窗口；等式(12)和(13)分别表示一天当中负荷的总运行小时数及用户使用所需的最短时间。
[0154] 步骤1022中，可削减负荷定义为综合能源网络的照明负荷，在能源高价时段，可降低亮度到预定水平，本发明引入光照度数据来模拟可削减照明负荷的大小，同时，将高峰时段照明削减20％，建立的可削减负荷运行约束表达式为：
[0155]
[0156] 式(14)中：0≤ρt≤1是电价的线性函数，高峰时段等于1，非高峰时段等于0； 表示时间t时室内光照度； 表示时间t时室外光照度； 表示时间t所需光照。
[0157] 步骤1023中对制热制冷进行建模，热水、冷水进行等量循环，水温控制按式下式计算：
[0158]
[0159] 式(15)中： 表示时间t及t+1时的水温； 是时间t时与储水器的换热；V代表蓄水量；Cw表示水的比热系数；Tcw表示冷水温度； 表示进入的冷水量；
[0160] 对于单一夏季时间段，依据热力学定律，单位时间间隔内，通过用户建筑内传递的热量可表示为：
[0161]
[0162] 式(16)中：R是用户建筑的热阻系数； 代表室外温度； 代表室内温度；
[0163] 用户端温控所需热能 计算依据为：
[0164]
[0165]
[0166] 式(17)、(18)中：Cair为空热比系数； 表示在时间t时达到温度设定值所需的热能；
[0167] 式(18)的单位小时离散模型为：
[0168]
[0169] 同时，改模型中综合能源网络制热制冷负荷工作温度不应局限于固定温度值，其约束条件如下：
[0170]
[0171]
[0172] 式(21)中： 代表最小和最大水温偏差； 表示最小和最大室温偏差。
[0173] 步骤1024中建立的热储能负荷模型为：
[0174]
[0175]
[0176]
[0177]
[0178]
[0179] 式(22)‑(26)中： 表示时间t时TES的注入热量；ηin表示热效率； 表示时间t时TES的状态； 表示时间t的TES能量含量。
[0180] 步骤1025中将用户端综合能源网络面对的用户充电电动汽车PHEV充当电储能负荷进行优化管理，对其充发电过程进行建模如下：
[0181]
[0182]
[0183]
[0184] 式(27)‑(29)中：ηG2V及ηV2G表示PHEV的电池充电和放电效率； 表示PHEV电池充放电状态；
[0185] PHEV运行窗口时间及电池充放电约束的上下限表示为：
[0186]
[0187]
[0188]
[0189] 式(30)‑(32)中：Cap表示电池容量；
[0190] 充电、放电同时执行时的约束：
[0191]
[0192] 步骤2中，建立用户端综合能源网络优化管理模型的过程为：
[0193] 步骤201、建立优化模型的能源功率平衡模型：
[0194] 未考虑需求响应的电功率平衡公式：
[0195]
[0196] 式(34)中： 为t时与电网之间交换的功率； 为PHEV电池充电功率；为PHEV电池放电功率； 表示时间t时的总电力需求；Pli代表负荷额定功率； 代表时
间t时向电力供应的功率；
[0197] 考虑需求响应的电功率平衡公式：
[0198]
[0199] 式(35)中： 的正值表示从电网购买功率， 的负值表示向电网出售功率；代表时间t时刻的临界电力需求；
[0200] 热功率平衡公式：
[0201]
[0202] 式(36)中： 表示时间t时刻TES的吸热功率； 表示时间t时与储水器之间交换热功率； 代表吸收式制冷机功率；
[0203] 制冷功率平衡公式：
[0204]
[0205] 式(37)中：COPAC为制冷热力系数；
[0206] 步骤202、建立优化目标函数：
[0207] 能源成本优化目标函数：
[0208]
[0209] 式(38)中： 为时间t时的电价；πNG为燃气价格；终端用户的综合能源成本包括从电网购买的电力成本、向电网出售电力的收入以及热电冷联供系统的燃气消耗成本；
[0210] 温室气体排放优化目标函数：
[0211]
[0212] min(OFCost,OFEmission) (40)；
[0213] 式(39)、(40)中： 为电网发电气体排放因子； 为CCHP机组发电气体排放因子。
[0214] 步骤3中优化求解采用epsilon约束收敛方法，同时利用模糊Pareto预测，获得能源成本及温室气体排放的多目标最优解。
[0215] 利用上述实施例的考虑需求响应的用户端气‑电综合能源网络优化控制方法进行具体的实例分析。
[0216] 本实施例在用户终端能源网络上进行，图1所示为综合能源网络总用电需求曲线及关键负荷额定功率大小；用户端综合能源网络包括1台4kW热电冷联供机组及1台7kW的充电电动车，并考虑5种类型的可转移负荷，可转移负荷工作参数见表1所示，实验系统的技术参数及电网峰谷电价如表2和表3。
[0217] 表1可转移负荷工作参数
[0218]
[0219]
[0220] 表2运行参数
[0221]
[0222] 表3夏季工作日能源定价
[0223]
[0224] 为了验证模型有效性，根据表4所列出的3种案例场景进行研究。案例1为现有电力系统，未进行DR、TES及PHEV的优化管理；案例2在案例1基础上引入DR优化管理；案例3中进行DR优化的同时，对TES及PHEV进行智能化储能调度管理，实现储能与电网之间能量的双向流动。
[0225] 表4案例研究列表
[0226]
[0227] 图2为针对案例1及2的CCHP机组单日电力输出数据分布图，从图中可以看出，相比于案例1，案例2中引入包括转移负荷、削减负荷及柔性负荷优化策略的DR应用之后，CCHP机组可以输出更多的电力功率，尤其是在峰值电价时间段内，电力功率输出增多更加明显，多余的功率出售给电网系统，可以获得更多的利润。
[0228] 图3显示了对应的案例1及2的电力功率需求变化曲线，曲线图中可以看出，案例2中，随着DR优化管理的应用，峰值电价区间段(单日13点‑17点)的可转移负荷被优化安排在谷值电价区间段的夜间运行，其负荷运行曲线变得更加平滑。同时，用电高峰负荷峰值由4.602kWh降低到3.397kWh，降低幅度达到26％，可以节约出更多的CCHP机组出力的同时，提供多余的可售电功率，降低能耗成本，增加收入。
[0229] 表5中列出了3种案例时的能源消耗对比数据，案例3应用DR及储能优化管理，提高了CCHP的运行效率，使案例3的生产率高于案例1及2。计算数据可以得出，案例3较案例1及2的储能率高出约39％及30％，进而实现，购买较少的电力，出售更多的电力，带来显著经济效益。
[0230] 表5案例研究结果对比
[0231]
[0232] 图4、图5为案例3中电能及热能优化调度结果，引入TES及PHEV储能单元可以改善CCHP的工作效率，在3点‑7点的谷价时间段，用户负荷电力消耗全部来自于电网，CCHP机组处于关机状态。在12点‑17点的峰值电价区间，CCHP处于工作状态，同时由于光照幅度较强，光伏发电单元全功率输出，除了可以供用户必要负荷使用之外，多余电力进行售电，输送给电网。晚间时间段，PHEV进行优化管理，进行智能充放电处理，使其处于最优经济运行。
[0233] 从图6的热能优化调度图中可以看出，TES的灵活优化应用，在热负荷需求较低时，将PGU回收的热能存储于TES中，在10、15、16及18时，由于CCHP机组处于关闭状态，将热能从TES释放出来，以满足用户热功率需求。
[0234] 图7展示出PHEV全天充电状态，从图中可以看出，对PHEV进行优化管理，使其在电价及负荷较小的夜间及早晨时间段，对其进行充电。使其在全天其余时间段时，便于及时参与储能放电优化，节约电网购电成本。
[0235] 表6所示为单一能耗成本优化及多目标优化之后，用户终端综合能源系统与电网之间功率交换数据。表中数据可以看出，多目标优化时，从电网购电16.016kW明显少于单一能耗成本优化时的24.032kW，这主要归功于燃气发电气体排放低于电网发电气体排放。此外，多目标优化会使售电功率有所减少。
[0236] 表6两种优化方案时与电网之间功率交换
[0237]
[0238] 图8示出了使用epsilon约束方法的能耗成本和气体排放多目标最小值优化离散分布集合。如图8所示，在能耗和气体排放分别为12.18元和16.85千克的曲线拐点处可以得到多目标优化的最佳解。
[0239] 在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点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表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0240] 以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。
