一種工業(yè)園區(qū)能源中心的調(diào)度方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開了一種工業(yè)園區(qū)能源中心的調(diào)度方法及系統(tǒng)，該方法包括：建立確定性參數(shù)下工業(yè)園區(qū)能源中心內(nèi)部優(yōu)化的運行模型，并計算得到運行成本；根據(jù)所述運行模型，利用信息間隙決策理論IGDT，建立熱負荷不確定性和電負荷不確定性的魯棒模型和機會模型；根據(jù)輸入的設(shè)備熱負荷參數(shù)，設(shè)備電負荷參數(shù)，可控負荷的參數(shù)，所述運行成本及運行成本幅度信息，利用CPLEX求解器分別求解魯棒模型和機會模型，得到魯棒調(diào)度方法和機會調(diào)度方法；通過求解魯棒模型，獲得抵抗熱負荷和電負荷波動的魯棒調(diào)度策略；通過求解機會模型，獲得有機會得到更優(yōu)運行成本的機會調(diào)度策略，分別為風險規(guī)避型決策者和風險偏好型決策者提供參考。
【專利說明】
一種工業(yè)園區(qū)能源中心的調(diào)度方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及電力系統(tǒng)運行優(yōu)化領(lǐng)域，特別涉及一種工業(yè)園區(qū)能源中心的調(diào)度方法 及系統(tǒng)。
【背景技術(shù)】
[0002] 在供熱方面，推廣熱電聯(lián)產(chǎn)和供熱電氣化，可以大幅度提高能源利用效率，是實現(xiàn) 需求側(cè)電能替代的有效途徑。熱電聯(lián)產(chǎn)(Combined Heat and Power generation,CHP)是一 種根據(jù)能源梯級利用原理，利用高、中溫蒸汽發(fā)電，低溫余熱向住宅供熱的先進能源轉(zhuǎn)化裝 置。熱栗是一種可從空氣、水或土壤中獲取低位熱能，通過電能做功，為居民提供高位熱能 的新能源技術(shù)，并且熱栗運行穩(wěn)定，啟停控制方便，制熱效率高。CHP和熱栗聯(lián)合運行可作為 工業(yè)園區(qū)能源中心的能源轉(zhuǎn)化裝置，為工業(yè)園區(qū)集中提供熱能和電能，來滿足工業(yè)園區(qū)的 終端能源需求。
[0003] 能源中心是一種將能源供應側(cè)和需求側(cè)連接在一起，描述多能源系統(tǒng)中能源供 應、負荷需求、網(wǎng)絡之間交換、模塊間耦合關(guān)系的輸入-輸出端口模型。為研究工業(yè)園區(qū)中多 能源輸入輸出背景下工業(yè)園區(qū)供熱供電的調(diào)度策略，可引入能源中心的概念來描述工業(yè)園 區(qū)能源需求與能源輸入之間的耦合關(guān)系，即所謂的工業(yè)園區(qū)能源中心。
[0004] 工業(yè)園區(qū)能源中心的熱負荷和常規(guī)電負荷往往具有較強的隨機性和不確定性，而 這種不確定性和隨機性的特征信息難以準確獲得，給能源中心的調(diào)度運行帶來困難。在不 確定變量的處理方面，已經(jīng)有相當多的研究，這些研究大致都是需要概率密度或隸屬度函 數(shù)的不確定處理方法，如蒙特卡洛模擬，點估計法，可能性法，混合概率-可能性法;該處理 方法需要大量歷史數(shù)據(jù)支撐或?qū)Σ淮_定變量的概率分布或隸屬度函數(shù)進行一定的假設(shè)。對 于工業(yè)園區(qū)能源中心，一方面熱負荷和電負荷的概率分布難以獲得;另一方面對資金充裕 的能源中心，決策者能夠接受相對保守的決策結(jié)果;而對資金緊缺的能源中心，決策者更希 望獲得更優(yōu)的運行成本，而上述方法難以滿足工業(yè)園區(qū)能源中心運行優(yōu)化的要求。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種工業(yè)園區(qū)能源中心的調(diào)度方法及系統(tǒng)，均通過求解魯棒 模型，獲得抵抗熱負荷和電負荷波動的魯棒調(diào)度策略;通過求解機會模型，獲得有機會得到 更優(yōu)運行成本的機會調(diào)度策略，分別為風險規(guī)避型決策者和風險偏好型決策者提供參考。
[0006] 為解決上述技術(shù)問題，本發(fā)明提供一種工業(yè)園區(qū)能源中心的調(diào)度方法，包括：
[0007] 建立確定性參數(shù)下工業(yè)園區(qū)能源中心內(nèi)部優(yōu)化的運行模型，并計算得到運行成 本；
[0008] 根據(jù)所述運行模型，利用信息間隙決策理論IGDT，建立熱負荷不確定性和電負荷 不確定性的魯棒模型和機會模型；
[0009] 根據(jù)輸入的設(shè)備熱負荷參數(shù)，設(shè)備電負荷參數(shù)，可控負荷的參數(shù)，所述運行成本及 運行成本幅度信息，利用CPLEX求解器分別求解魯棒模型和機會模型，得到魯棒調(diào)度方法和 機會調(diào)度方法。
[0010]其中，所述可控負荷為電動車輛。
[0011] 其中，所述魯棒模型為：
[0012] max(a+0)
[0014] 其中，a為電負荷的信息間隙，β為熱負荷的信息間隙，F(xiàn)o為運行模型下的運行成 本，h為決策者可接受的運行成本增加幅度，p t為t時刻工業(yè)園區(qū)的電功率;gCHP,t為t時刻工 業(yè)園區(qū)消耗天然氣的速率;和Xg,t分別為t時段的電價和氣價;pCHP,t和PHP,t分別為t時刻 CHP機組輸出的電動率和熱栗消耗的電功率;e t為t時刻的常規(guī)電負荷;rch,k, t為工業(yè)園區(qū)內(nèi) 第k輛電動車輛的充電狀態(tài);pch,k為工業(yè)園區(qū)內(nèi)第k輛電動車輛的額定充電功率;K為工業(yè)園 區(qū)內(nèi)電動車輛總數(shù);h CHP, t和hHP, t分別為t時刻CHP機組和熱栗輸出的熱功率;ht為t時刻的熱 負荷。
[0015] 其中，所述機會模型為：
[0016] η?η(α+β)
[0018] 其中，a為電負荷的信息間隙，β為熱負荷的信息間隙，F(xiàn)o為運行模型下的運行成 本，1為決策者希望的運行成本降低幅度，Pt為t時刻工業(yè)園區(qū)的電功率;g CHP,t為t時刻工業(yè) 園區(qū)消耗天然氣的速率;和Xg,t分別為t時段的電價和氣價;pcHP,t和PHP,t分別為t時亥ijCHP 機組輸出的電動率和熱栗消耗的電功率;e t為t時刻的常規(guī)電負荷;rch,k, t為工業(yè)園區(qū)內(nèi)第k 輛電動車輛的充電狀態(tài);PAk為工業(yè)園區(qū)內(nèi)第k輛電動車輛的額定充電功率;K為工業(yè)園區(qū) 內(nèi)電動車輛總數(shù);h CHP, t和hHP, t分別為t時刻CHP機組和熱栗輸出的熱功率;ht為t時刻的熱負 荷。
[0019] 其中，還包括：
[0020] 將魯棒調(diào)度方法和機會調(diào)度方法以表格和/或曲線圖的形式進行輸出。
[0021] 本發(fā)明還提供一種工業(yè)園區(qū)能源中心的調(diào)度系統(tǒng)，包括：
[0022] 運行模型模塊，用于建立確定性參數(shù)下工業(yè)園區(qū)能源中心內(nèi)部優(yōu)化的運行模型， 并計算得到運行成本；
[0023]魯棒模型模塊，用于根據(jù)所述運行模型，利用信息間隙決策理論IGDT，建立熱負荷 不確定性和電負荷不確定性的魯棒模型；
[0024] 機會模型模塊，用于根據(jù)所述運行模型，利用信息間隙決策理論IGDT，建立熱負荷 不確定性和電負荷不確定性的機會模型；
[0025] 第一解析模塊，用于根據(jù)輸入的設(shè)備熱負荷參數(shù)，設(shè)備電負荷參數(shù)，可控負荷的參 數(shù)，所述運行成本及運行成本幅度信息，利用CPLEX求解器分別求解魯棒模型和機會模型， 得到魯棒調(diào)度方法；
[0026] 第二解析模塊，用于根據(jù)輸入的設(shè)備熱負荷參數(shù)，設(shè)備電負荷參數(shù)，可控負荷的參 數(shù)，所述運行成本及運行成本幅度信息，利用CPLEX求解器分別求解魯棒模型和機會模型， 得到機會調(diào)度方法。
[0027]其中，所述魯棒模型為：
[0028] max(a+0)
[0030] 其中，a為電負荷的信息間隙，β為熱負荷的信息間隙，F(xiàn)o為運行模型下的運行成 本，h為決策者可接受的運行成本增加幅度，p t為t時刻工業(yè)園區(qū)的電功率;gCHP,t為t時刻工 業(yè)園區(qū)消耗天然氣的速率;和Xg,t分別為t時段的電價和氣價;pCHP,t和PHP,t分別為t時刻 CHP機組輸出的電動率和熱栗消耗的電功率;et為t時刻的常規(guī)電負荷;rch,k, t為工業(yè)園區(qū)內(nèi) 第k輛電動車輛的充電狀態(tài);pch,k為工業(yè)園區(qū)內(nèi)第k輛電動車輛的額定充電功率;K為工業(yè)園 區(qū)內(nèi)電動車輛總數(shù);h CHP, t和hHP, t分別為t時刻CHP機組和熱栗輸出的熱功率;ht為t時刻的熱 負荷。
[0031] 其中，所述機會模型為：
[0032] η?η(α+β)
[0034]其中，a為電負荷的信息間隙，β為熱負荷的信息間隙，F(xiàn)o為運行模型下的運行成 本，1為決策者希望的運行成本降低幅度，Pt為t時刻工業(yè)園區(qū)的電功率;gCHP,t為t時刻工業(yè) 園區(qū)消耗天然氣的速率;和Xg,t分別為t時段的電價和氣價;pcHP,t和PHP,t分別為t時亥ijCHP 機組輸出的電動率和熱栗消耗的電功率;et為t時刻的常規(guī)電負荷;rch,k, t為工業(yè)園區(qū)內(nèi)第k 輛電動車輛的充電狀態(tài);PAk為工業(yè)園區(qū)內(nèi)第k輛電動車輛的額定充電功率;K為工業(yè)園區(qū) 內(nèi)電動車輛總數(shù);hCHP, t和hHP, t分別為t時刻CHP機組和熱栗輸出的熱功率;ht為t時刻的熱負 荷。
[0035] 其中，還包括：
[0036] 輸出模塊，用于將魯棒調(diào)度方法和機會調(diào)度方法以表格和/或曲線圖的形式進行 輸出。
[0037] 本發(fā)明所提供的工業(yè)園區(qū)能源中心的調(diào)度方法，包括:建立確定性參數(shù)下工業(yè)園 區(qū)能源中心內(nèi)部優(yōu)化的運行模型，并計算得到運行成本;根據(jù)所述運行模型，利用信息間隙 決策理論IGDT，建立熱負荷不確定性和電負荷不確定性的魯棒模型和機會模型；根據(jù)輸入 的設(shè)備熱負荷參數(shù)，設(shè)備電負荷參數(shù)，可控負荷的參數(shù)，所述運行成本及運行成本幅度信 息，利用CPLEX求解器分別求解魯棒模型和機會模型，得到魯棒調(diào)度方法和機會調(diào)度方法；
[0038] 可見，通過求解魯棒模型，獲得抵抗熱負荷和電負荷波動的魯棒調(diào)度策略;通過求 解機會模型，獲得有機會得到更優(yōu)運行成本的機會調(diào)度策略，分別為風險規(guī)避型決策者和 風險偏好型決策者提供參考;本發(fā)明還提供了一種工業(yè)園區(qū)能源中心的調(diào)度系統(tǒng)，具有上 述有益效果，在此不再贅述。
【附圖說明】
[0039] 為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn) 有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本 發(fā)明的實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù) 提供的附圖獲得其他的附圖。
[0040] 圖1為本發(fā)明實施例所提供的工業(yè)園區(qū)能源中心的調(diào)度方法的流程圖；
[0041] 圖2為本發(fā)明實施例所提供的僅考慮電負荷不確定條件下的能源中心購電功率曲 線不意圖；
[0042] 圖3為本發(fā)明實施例所提供的僅考慮電負荷不確定條件下的電動車輛充電負荷曲 線不意圖；
[0043] 圖4為本發(fā)明實施例所提供的僅考慮熱負荷不確定條件下的能源中心購電功率曲 線不意圖；
[0044] 圖5為本發(fā)明實施例所提供的僅考慮熱負荷不確定條件下CHP輸出的熱功率曲線 示意圖；
[0045] 圖6為本發(fā)明實施例所提供的僅考慮熱負荷不確定條件下熱栗輸出的熱功率曲線 示意圖；
[0046] 圖7為本發(fā)明實施例所提供的僅考慮熱負荷不確定條件下的電動車輛充電負荷曲 線不意圖；
[0047] 圖8為本發(fā)明實施例所提供的工業(yè)園區(qū)能源中心的調(diào)度系統(tǒng)的結(jié)構(gòu)框圖。
【具體實施方式】
[0048] 本發(fā)明的核心是提供一種工業(yè)園區(qū)能源中心的調(diào)度方法及系統(tǒng)，均通過求解魯棒 模型，獲得抵抗熱負荷和電負荷波動的魯棒調(diào)度策略;通過求解機會模型，獲得有機會得到 更優(yōu)運行成本的機會調(diào)度策略，分別為風險規(guī)避型決策者和風險偏好型決策者提供參考。
[0049] 為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例 中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例是 本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員 在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0050] 請參考圖1，圖1為本發(fā)明實施例所提供的工業(yè)園區(qū)能源中心的調(diào)度方法的流程 圖；該方法可以包括：
[0051] S100、建立確定性參數(shù)下工業(yè)園區(qū)能源中心內(nèi)部優(yōu)化的運行模型，并計算得到運 行成本；
[0052]其中，首先提出了基于CHP和熱栗作為能源轉(zhuǎn)化裝置的工業(yè)園區(qū)能源中心架構(gòu);其 中，CHP和熱栗聯(lián)合運行為工業(yè)園區(qū)提供熱能，CHP與電力系統(tǒng)聯(lián)合運行為工業(yè)園區(qū)提供電 能，可控負荷(例如電動車輛集群負荷)參與能源中心優(yōu)化運行，建立了確定參數(shù)下的工業(yè) 園區(qū)能源中心內(nèi)部優(yōu)化運行模型。
[0053]以電動車輛作為可控負荷為例說明工業(yè)園區(qū)日常供能情況;工業(yè)園區(qū)日常的能源 需求為電能和熱能。在工業(yè)園區(qū)能源中心中，電網(wǎng)公司通過變壓器輸送電能到工業(yè)園區(qū)，一 部分電能被用電設(shè)備消耗，一部分通過熱栗轉(zhuǎn)化為熱能;天然氣通過CHP中的一系列轉(zhuǎn)化過 程為工業(yè)園區(qū)提供電能和熱能。將電動車輛集群負荷作為唯一的可控負荷參與能源中心優(yōu) 化運行?？紤]工業(yè)園區(qū)電動車輛一般下午并網(wǎng)，次日上午離網(wǎng)，并主要集中在夜間充電，因 此將調(diào)度周期定為中午12:00至次日中午12:00,調(diào)度時段以h為單位。則工業(yè)園區(qū)能源中心 內(nèi)部優(yōu)化的運行模型為
[0055] 其中，pt為t時刻工業(yè)園區(qū)消耗電網(wǎng)公司的電功率(正值)或出售給電網(wǎng)公司的電 功率(負值）；gcHP, t為t時刻工業(yè)園區(qū)消耗天然氣的速率;λβ, jPAg，t分別為t時段的電價和氣 價；AT為單位時段長度。在每個時段中，假定各種狀態(tài)參數(shù)保持不變。這樣，對于瞬時量就 可以用某個時段中的某個時刻的量來描述，例如"時刻t"描述"時段t"中任意時刻。
[0056] 其中，運動模型的約束條件可以包括：
[0058]其中，pCHP,t和pHP,t分別為t時刻CHP機組輸出的電動率和熱栗消耗的電功率;e t為t 時刻的常規(guī)電負荷;為工業(yè)園區(qū)內(nèi)第k輛電動車輛的充電狀態(tài)，rc；h,k,t = l/0時，第k輛 電動車輛充電/停止充電;Pch,k為工業(yè)園區(qū)內(nèi)第k輛電動車輛的額定充電功率;K為工業(yè)園區(qū) 內(nèi)電動車輛總數(shù)。
[0059]熱功率平衡:hoiP,t+hHP,t = ht
[0060]其中，hCHP, t和hHP, t分別為t時刻CHP機組和熱栗輸出的熱功率;ht為t時刻的熱負 荷。
[0062] 其中，Pmax為工業(yè)園區(qū)配電變壓器最大有功功率輸出；為避免變壓器過熱，這里取 電力系統(tǒng)向工業(yè)園區(qū)輸送的最大有功功率不能超過工業(yè)園區(qū)配變最大有功功率輸出的〇 倍，〇〈1〇
[0063] 可控負荷調(diào)度約束這里即電動車輛調(diào)度約束（以電動車輛為例），其他情況下這里 適應性變化為其它可控負荷的調(diào)度條件即可。
[0064] 1)、蓄電池充電約束：sk,t = sk,t-i+nch,krch,k,tPch,k,t/Bk
[0065] 其中，sk, t為t時刻第k輛電動車輛的荷電狀態(tài)，nch, k和Bk分別為第k輛電動車輛的充 電效率和蓄電池容量。
[0066] 2)、電動車輛蓄電池安全約束：Sk,min^isk,t^isk,max
[0067] 其中，Sk,max和Sk,min分別為第k輛電動車輛蓄電池荷電狀態(tài)的上下限。
[0068] 3)、電動車輛不可調(diào)度時間約束:Tc/av = 0，?運[4
[0069] 其中，tk,m,s和tk#分別為第k輛電動車輛的并網(wǎng)時刻和離網(wǎng)時刻。
[0070] 4)、次日行駛需求約束：m e 如
[0071] 其中，Sk,<fes為第k輛電動車輛離網(wǎng)時刻需達到的荷電狀態(tài)。
[0072] CHP調(diào)度約束：
[0073] 1)、CHP工作特性：pchp, t = %% as gCHP, t ； hcHP, t - Tlh^gasgCHP, t
[0074] 其中，qe和％分別為CHP機組的電效率和熱效率;化批為天然氣熱值。
[0075] 2)、CHP運行約束：PcHP,min<PCHP,t^iPcHP,max
[0076] 其中，PcHP,max和PcHP,min分別為CHP機組輸出電功率的上下限。
[0077]熱栗調(diào)度約束：
[0078] 1)、熱栗工作特性:hHP,t = PHP,tC0PHp
[0079] 其中，hHP,t為t時刻熱栗輸出的熱功率;COPhp為熱栗裝置的制熱效率。
[0080] 2)、熱栗運行約束:PHP,min<PHP,t^iPHP,max
[0081] 其中，PhP,max和PhP,min分別為熱栗輸出電功率的上下限。
[0082] S110、根據(jù)所述運行模型，利用信息間隙決策理論IGDT，建立熱負荷不確定性和電 負荷不確定性的魯棒模型和機會模型；
[0083]其中，信息間隙決策理論（Information Gap Decision Theory，IGDT)是一種無須 大量歷史數(shù)據(jù)或不確定變量概率分布的決策方法。由于決策者可能是風險規(guī)避型決策者或 風險偏好型決策者，因此他們對決策結(jié)果的不同需求，風險規(guī)避型決策者要控制運行成本 不能過高而風險偏好型決策者追求有機會達到更優(yōu)運行成本；因此這里的IGDT包含兩個模 型:魯棒模型和機會模型;通過求解魯棒模型可以獲得相對保守的決策結(jié)果，為風險規(guī)避型 決策者提供參考;通過求解機會模型可以獲得相對投機的決策結(jié)果，為風險偏好者提供參 考。決策者可以根據(jù)子機的實際情況(例如資金情況)進行選擇。
[0084]即IGDT是一種無需獲得優(yōu)化模型中不確定參數(shù)準確信息的決策方法，通過建立魯 棒模型和機會模型來反映決策者的風險偏好，并且不增加求解維度。定義不確定參數(shù)實際 值與估計值的偏差的絕對值為信息間隙，這里通過盒式不確定集合對不確定參數(shù)u建模：
[0086]其中，u和g分別為不確定參數(shù)的實際值和估計值，α為信息間隙。
[0087] 一般地，對優(yōu)化模型：
[0089] 其中，q為決策變量;A為約束條件的系數(shù)矩陣，b為向量。
[0090] 為獲得抵抗不確定參數(shù)波動幅度最大時的魯棒決策結(jié)果，引入原優(yōu)化問題的魯棒 模型：0(7,r( ) = max : (?/，u) rr I.
[0091] 其中，魯棒模型的含義為在不確定參數(shù)朝著對運行結(jié)果不利的方向波動幅度最大 時，決策結(jié)果仍能獲得不算過高的運行成本r。。
[0092] 為描述當不確定參數(shù)在某一范圍內(nèi)波動時，決策者能夠獲得某一更優(yōu)運行成本的 機會，引入原優(yōu)化問題的機會模型) = min丨a : min S r". |
[0093] 其中，機會模型的含義為不確定參數(shù)朝著對運行結(jié)果有利的方向的波動幅度最小 時，決策結(jié)果仍有機會獲得某一較低的運行成本rw。
[0094] 工業(yè)園區(qū)能源中心的電負荷和熱負荷均存在一定波動性并且會對能源中心內(nèi)部 運行優(yōu)化結(jié)果產(chǎn)生顯著影響。電負荷和熱負荷的概率分布和波動范圍等信息難以準確獲 得，并且對資金充裕的能源中心，決策者能夠接受相對保守的決策結(jié)果，表現(xiàn)為風險保守型 決策者;而對資金緊缺的能源中心，決策者更希望獲得更優(yōu)的運行成本，表現(xiàn)為風險偏好型 決策者。因此可以應用IGDT對電負荷的不確定性和熱負荷的不確定性建模，獲得抵抗電負 荷和熱負荷不確定性的魯棒調(diào)度策略和為獲得更優(yōu)運行成本的機會調(diào)度策略。當電負荷和 熱負荷的朝著高于預測值的方向波動(不利方向）時，能源中心的運行成本惡化;而當電負 荷和熱負荷的實際值朝著低于預測值的方向波動（有利方向）時，能源中心的運行成本更 優(yōu)。
[0095] 對于風險保守型能源中心決策者，決策者希望當電力負荷和熱負荷朝著不利方向 波動時，仍能獲得某一不算過高的運行成本，即魯棒模型：
[0096] max(a+0)
[0098] 其中，a為電負荷的信息間隙，β為熱負荷的信息間隙，F(xiàn)o為運行模型下的運行成 本，h為決策者可接受的運行成本增加幅度，p t為t時刻工業(yè)園區(qū)的電功率;gCHP,t為t時刻工 業(yè)園區(qū)消耗天然氣的速率;和Xg,t分別為t時段的電價和氣價;pCHP,t和PHP,t分別為t時刻 CHP機組輸出的電動率和熱栗消耗的電功率;et為t時刻的常規(guī)電負荷;rch,k, t為工業(yè)園區(qū)內(nèi) 第k輛電動車輛的充電狀態(tài);pch,k為工業(yè)園區(qū)內(nèi)第k輛電動車輛的額定充電功率;K為工業(yè)園 區(qū)內(nèi)電動車輛總數(shù);h CHP, t和hHP, t分別為t時刻CHP機組和熱栗輸出的熱功率;ht為t時刻的熱 負荷。
[0099] 其中，只考慮電負荷不確定時，β = 0,只考慮熱負荷不確定時，a = 〇。
[0100] 對風險偏好型決策者，決策者希望在電負荷和熱負荷朝著有利方向波動時，有機 會獲得更低的運行成本，即機會模型：
[0101] η?η(α+β)
[0103] 其中，α為電負荷的信息間隙，β為熱負荷的信息間隙，F(xiàn)o為運行模型下的運行成 本，1為決策者希望的運行成本降低幅度，Pt為t時刻工業(yè)園區(qū)的電功率;g CHP,t為t時刻工業(yè) 園區(qū)消耗天然氣的速率;和Xg,t分別為t時段的電價和氣價;pcHP,t和PHP,t分別為t時亥ijCHP 機組輸出的電動率和熱栗消耗的電功率;e t為t時刻的常規(guī)電負荷;rch,k, t為工業(yè)園區(qū)內(nèi)第k 輛電動車輛的充電狀態(tài);PAk為工業(yè)園區(qū)內(nèi)第k輛電動車輛的額定充電功率;K為工業(yè)園區(qū) 內(nèi)電動車輛總數(shù);h CHP, t和hHP, t分別為t時刻CHP機組和熱栗輸出的熱功率;ht為t時刻的熱負 荷。
[0104] 其中，只考慮電負荷不確定時，β = 0,只考慮熱負荷不確定時，α = 〇。
[0105] 即上述兩個模型不僅可以單獨只考慮電負荷或熱負荷，還可以都進行考慮，滿足 決策者的各種需求，適用性更強。
[0106] S120、根據(jù)輸入的設(shè)備熱負荷參數(shù)，設(shè)備電負荷參數(shù)，可控負荷的參數(shù)，所述運行 成本及運行成本幅度信息，利用CPLEX求解器分別求解魯棒模型和機會模型，得到魯棒調(diào)度 方法和機會調(diào)度方法。
[0107] 其中，利用CPLEX求解器求解所建立的魯棒模型和機會模型即工業(yè)園區(qū)能源中心 混合整數(shù)線性規(guī)劃模型。
[0108] 其中，設(shè)備熱負荷參數(shù)可以包括供熱效率，能源利用效率，天然氣價格，天然氣熱 值，熱栗最大輸出熱功率，最小輸出熱功率，制熱效率;設(shè)備電負荷參數(shù)可以包括額定發(fā)電 功率，發(fā)電效率，電價，配電變壓器額定容量，功率因素，效率;可控負荷的參數(shù)可以包括負 荷數(shù)量，負荷功率。當可控負荷為電動車輛時，參數(shù)可以包括電動車輛數(shù)量，電動車輛的電 池容量，充電功率，充電效率。
[0109] 運行成本幅度信息可以包括決策者希望的運行成本降低幅度及決策者可接受的 運行成本增加幅度。
[0110] 為了使得決策者更加生動，便捷的看出各個調(diào)度方法的規(guī)律，可以將調(diào)度方法轉(zhuǎn) 化為各種指標的變化曲線圖進行顯示，方便決策者使用，因此該方法還包括：
[0111] 將魯棒調(diào)度方法和機會調(diào)度方法以表格和/或曲線圖的形式進行輸出。
[0112] 當可控負荷為電動車輛時，該方法通過求解魯棒模型，獲得抵抗熱負荷和電負荷 波動的魯棒調(diào)度策略;通過求解機會模型，獲得有機會得到更優(yōu)運行成本的機會調(diào)度策略， 分別為風險規(guī)避型決策者和風險偏好型決策者提供參考。下面以某工業(yè)園區(qū)為例說明了所 發(fā)展模型與方法的基本特征。
[0113] 以某園區(qū)的QSK19GFBA熱電聯(lián)產(chǎn)機組作為某一工業(yè)園區(qū)備用電站，其額定發(fā)電功 率為315kW，發(fā)電效率為36%，供熱效率為48%，能源利用效率為84% ;天然氣價格為2.7元/ m3,天然氣熱值為9.7kWh/m3;熱栗最大輸出熱功率PCHP，max = 200kW，最小輸出熱功率 PCHP，min = 0,制熱效率C0PHP = 5,園區(qū)內(nèi)電動車輛數(shù)量為348輛，電動車輛的電池容量均為 18kWh，充電功率為3kW，充電效率為0.9;電價采用分時電價，晚上22:00到第二天早上7:00， 電價為〇. 388元/kWh，其余時段電價為0.668元/kWh;小區(qū)配電變壓器額定容量為1250kVA， 功率因素為〇. 85，效率為0.95，即變壓器最大有功功率輸出為1009kW，〇取0.8。
[0114] 1)、只考慮電負荷不確定條件下的魯棒模型優(yōu)化結(jié)果和機會模型優(yōu)化結(jié)果：
[0115] 只考慮電負荷不確定時，維持熱負荷水平不變。在魯棒/機會模型中，不斷增大/減 小能源中心的運行成本，得到電負荷信息間隙的最大/小值，如表1所示。
[0116] 表1電負荷信息間隙與運行成本的關(guān)系
[0118] 在只考慮電負荷不確定的魯棒模型中，隨著決策者可接受的運行成本增大，電負 荷信息間隙增大，即允許電負荷朝著不利方向波動的程度增大，實時電負荷被允許高出預 測值的幅度增大。由于熱負荷不變，即CHP和熱栗輸出的熱功率不變，相應地，CHP輸出的電 功率也不變。電負荷的波動只影響能源中心從電力系統(tǒng)的購電功率，隨著電負荷信息間隙 的增大，能源中心的購電功率增大，如圖2所示。在機會模型中，隨著決策者期望獲得運行成 本的減小，電負荷信息間隙增大，即朝著有利方向波動的程度越大。同樣由于熱負荷不變， CHP輸出的電功率也不變，電負荷的波動主要影響從電力系統(tǒng)的購電功率和電動車輛的調(diào) 度。因此，在機會模型中，隨著電負荷信息間隙的增大，能源中心從電力系統(tǒng)的購電功率越 小，甚至在電負荷減小到一定程度時，能源中心開始向電力系統(tǒng)送電，如圖2所示。隨著工業(yè) 園區(qū)能源中心決策者的期望成本不斷降低，電動車輛充電負荷分布更加均勻，且主要集中 在電價低谷時段充電，以減少能源中心運行成本，如圖3所示。
[0119] 2)、只考慮熱負荷不確定條件下的魯棒模型和機會模型
[0120] 只考慮熱負荷不確定時，維持電負荷水平不變。在魯棒/機會模型中，不斷增大/減 小能源中心決策者所能接受的運行成本，得到熱負荷信息間隙的最大/小值，如表2所示；
[0121] 表2熱負荷信息間隙與運行成本的關(guān)系
[0123]在只考慮熱負荷不確定的魯棒模型中，熱負荷朝著不利方向波動，隨著決策者可 接受運行成本的增大，熱負荷信息間隙增大，即允許熱負荷朝著不利方向波動的程度增大， 實時熱負荷被允許高出預測值的程度增大，CHP和熱栗輸出的熱功率也隨之增大，能源中心 從電力系統(tǒng)購電的功率減小，由圖4所示。由圖5和圖6可知，在電價谷時段，熱栗供熱成本相 對較低，小區(qū)供熱主要由熱栗提供;在電價較高時段，CHP供熱成本相對較低，供熱主要由 CHP提供。由于受CHP和熱栗的容量限制，在熱負荷信息間隙增大到一定程度時，即使決策者 能夠接受的運行成本范圍進一步擴大，熱負荷預測值與實際值之間的信息間隙也不允許繼 續(xù)增大，而能源中心運行成本的增加反映在電動車輛在電價峰時段充電比例增加，如圖7所 示。在機會模型中，隨著決策者期望獲得運行成本的減小，熱負荷信息間隙增大，即朝著有 利方向波動的程度越大。CHP和熱栗輸出的熱功率也急劇減小，相應地，CHP輸出的電動率也 急劇減小，能源中心從電力系統(tǒng)購電的功率增大。圖2到圖7給出了在各種情況下的各種功 率與運行成本及運行成本幅度信息之間的關(guān)系，即隨著運行成本及運行成本幅度信息變化 的一個變化趨勢。
[0124] 3 )、同時考慮電負荷和熱負荷不確定條件下的魯棒模型和機會模型
[0125] 同時考慮熱負荷和電負荷不確定時，在魯棒/機會模型中，不斷增大/減小能源中 心決策者所能接受的運行成本，得到電/熱負荷信息間隙的最大值，如表3所示；
[0126] 表3電/熱負荷信息間隙與運行成本的關(guān)系
[0128] 在魯棒模型中，隨著決策者可接受運行成本的增大，實時電負荷和熱負荷都被允 許高出預測值一定程度，并且由于CHP和熱栗輸出功率的限制，熱負荷增大到一定程度后不 允許繼續(xù)增大。在機會模型中，為獲得某一較低的運行成本，只需電負荷實際值低于預測值 一定程度即可。對CHP，電動車輛，熱栗的調(diào)度及電力系統(tǒng)購電功率的分析和上述相同，在此 不再贅述。
[0129] 下面對本發(fā)明實施例提供的工業(yè)園區(qū)能源中心的調(diào)度系統(tǒng)進行介紹，下文描述的 工業(yè)園區(qū)能源中心的調(diào)度系統(tǒng)與工業(yè)園區(qū)能源中心的調(diào)度方法可相互對應參照。
[0130] 請參考圖8,圖8為本發(fā)明實施例所提供的工業(yè)園區(qū)能源中心的調(diào)度系統(tǒng)的結(jié)構(gòu)框 圖；該系統(tǒng)可以包括：
[0131] 運行模型模塊100,用于建立確定性參數(shù)下工業(yè)園區(qū)能源中心內(nèi)部優(yōu)化的運行模 型，并計算得到運行成本；
[0132] 魯棒模型模塊200,用于根據(jù)所述運行模型，利用信息間隙決策理論IGDT，建立熱 負荷不確定性和電負荷不確定性的魯棒模型；
[0133] 機會模型模塊300,用于根據(jù)所述運行模型，利用信息間隙決策理論IGDT，建立熱 負荷不確定性和電負荷不確定性的機會模型；
[0134] 第一解析模塊400,用于根據(jù)輸入的設(shè)備熱負荷參數(shù)，設(shè)備電負荷參數(shù)，可控負荷 的參數(shù)，所述運行成本及運行成本幅度信息，利用CPLEX求解器分別求解魯棒模型和機會模 型，得到魯棒調(diào)度方法；
[0135] 第二解析模塊500,用于根據(jù)輸入的設(shè)備熱負荷參數(shù)，設(shè)備電負荷參數(shù)，可控負荷 的參數(shù)，所述運行成本及運行成本幅度信息，利用CPLEX求解器分別求解魯棒模型和機會模 型，得到機會調(diào)度方法。
[0136] 可選的，所述魯棒模型為：
[0139] 其中，α為電負荷的信息間隙，β為熱負荷的信息間隙，F(xiàn)o為運行模型下的運行成 本，h為決策者可接受的運行成本增加幅度，p t為t時刻工業(yè)園區(qū)的電功率;gCHP,t為t時刻工 業(yè)園區(qū)消耗天然氣的速率;和Xg,t分別為t時段的電價和氣價;pCHP,t和PHP,t分別為t時刻 CHP機組輸出的電動率和熱栗消耗的電功率;et為t時刻的常規(guī)電負荷;rch,k, t為工業(yè)園區(qū)內(nèi) 第k輛電動車輛的充電狀態(tài);pch,k為工業(yè)園區(qū)內(nèi)第k輛電動車輛的額定充電功率;K為工業(yè)園 區(qū)內(nèi)電動車輛總數(shù);h CHP, t和hHP, t分別為t時刻CHP機組和熱栗輸出的熱功率;ht為t時刻的熱 負荷。
[0140] 可選的，所述機會模型為：
[0143] 其中，α為電負荷的信息間隙，β為熱負荷的信息間隙，F(xiàn)o為運行模型下的運行成 本，1為決策者希望的運行成本降低幅度，Pt為t時刻工業(yè)園區(qū)的電功率;g CHP,t為t時刻工業(yè) 園區(qū)消耗天然氣的速率;和Xg,t分別為t時段的電價和氣價;pcHP,t和PHP,t分別為t時亥ijCHP 機組輸出的電動率和熱栗消耗的電功率;e t為t時刻的常規(guī)電負荷;rch,k, t為工業(yè)園區(qū)內(nèi)第k 輛電動車輛的充電狀態(tài);PAk為工業(yè)園區(qū)內(nèi)第k輛電動車輛的額定充電功率;K為工業(yè)園區(qū) 內(nèi)電動車輛總數(shù);h CHP, t和hHP, t分別為t時刻CHP機組和熱栗輸出的熱功率;ht為t時刻的熱負 荷。
[0144] 基于上述任意技術(shù)方案，該方法還包括：
[0145] 輸出模塊，用于將魯棒調(diào)度方法和機會調(diào)度方法以表格和/或曲線圖的形式進行 輸出。
[0146] 說明書中各個實施例采用遞進的方式描述，每個實施例重點說明的都是與其他實 施例的不同之處，各個實施例之間相同相似部分互相參見即可。對于實施例公開的裝置而 言，由于其與實施例公開的方法相對應，所以描述的比較簡單，相關(guān)之處參見方法部分說明 即可。
[0147] 專業(yè)人員還可以進一步意識到，結(jié)合本文中所公開的實施例描述的各示例的單元 及算法步驟，能夠以電子硬件、計算機軟件或者二者的結(jié)合來實現(xiàn)，為了清楚地說明硬件和 軟件的可互換性，在上述說明中已經(jīng)按照功能一般性地描述了各示例的組成及步驟。這些 功能究竟以硬件還是軟件方式來執(zhí)行，取決于技術(shù)方案的特定應用和設(shè)計約束條件。專業(yè) 技術(shù)人員可以對每個特定的應用來使用不同方法來實現(xiàn)所描述的功能，但是這種實現(xiàn)不應 認為超出本發(fā)明的范圍。
[0148] 結(jié)合本文中所公開的實施例描述的方法或算法的步驟可以直接用硬件、處理器執(zhí) 行的軟件模塊，或者二者的結(jié)合來實施。軟件模塊可以置于隨機存儲器(RAM)、內(nèi)存、只讀存 儲器(R0M)、電可編程R0M、電可擦除可編程R0M、寄存器、硬盤、可移動磁盤、CD-ROM、或技術(shù) 領(lǐng)域內(nèi)所公知的任意其它形式的存儲介質(zhì)中。
[0149] 以上對本發(fā)明所提供的工業(yè)園區(qū)能源中心的調(diào)度方法及系統(tǒng)進行了詳細介紹。本 文中應用了具體個例對本發(fā)明的原理及實施方式進行了闡述，以上實施例的說明只是用于 幫助理解本發(fā)明的方法及其核心思想。應當指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在 不脫離本發(fā)明原理的前提下，還可以對本發(fā)明進行若干改進和修飾，這些改進和修飾也落 入本發(fā)明權(quán)利要求的保護范圍內(nèi)。
【主權(quán)項】
1. 一種工業(yè)園區(qū)能源中屯、的調(diào)度方法，其特征在于，包括： 建立確定性參數(shù)下工業(yè)園區(qū)能源中屯、內(nèi)部優(yōu)化的運行模型，并計算得到運行成本； 根據(jù)所述運行模型，利用信息間隙決策理論IGDT，建立熱負荷不確定性和電負荷不確 定性的魯棒模型和機會模型； 根據(jù)輸入的設(shè)備熱負荷參數(shù)，設(shè)備電負荷參數(shù)，可控負荷的參數(shù)，所述運行成本及運行 成本幅度信息，利用CPLEX求解器分別求解魯棒模型和機會模型，得到魯棒調(diào)度方法和機會 調(diào)度方法。2. 如權(quán)利要求1所述的工業(yè)園區(qū)能源中屯、的調(diào)度方法，其特征在于，所述可控負荷為電 動車輛。3. 如權(quán)利要求2所述的工業(yè)園區(qū)能源中屯、的調(diào)度方法，其特征在于，所述魯棒模型為：其中，α為電負荷的信息間隙，β為熱負荷的信息間隙，F(xiàn)o為運行模型下的運行成本，h為 決策者可接受的運行成本增加幅度，Pt為t時刻工業(yè)園區(qū)的電功率;gCHP,t為t時刻工業(yè)園區(qū) 消耗天然氣的速率;t和人8, t分別為t時段的電價和氣價;PCHP, t和即P, t分別為t時刻CHP機組 輸出的電動率和熱累消耗的電功率;et為t時刻的常規(guī)電負荷;rch,k, t為工業(yè)園區(qū)內(nèi)第k輛電 動車輛的充電狀態(tài);Pch,k為工業(yè)園區(qū)內(nèi)第k輛電動車輛的額定充電功率;K為工業(yè)園區(qū)內(nèi)電 動車輛總數(shù);hGHP, t和hHP, t分別為t時刻CHP機組和熱累輸出的熱功率;ht為t時刻的熱負荷。4. 如權(quán)利要求2所述的工業(yè)園區(qū)能源中屯、的調(diào)度方法，其特征在于，所述機會模型為：其中，α為電負荷的信息間隙，β為熱負荷的信息間隙，F(xiàn)o為運行模型下的運行成本，1為 決策者希望的運行成本降低幅度，Pt為t時刻工業(yè)園區(qū)的電功率;gCHP,t為t時刻工業(yè)園區(qū)消 耗天然氣的速率;和Ag,t分別為t時段的電價和氣價;pcHP,t和即P,t分別為t時刻CHP機組輸 出的電動率和熱累消耗的電功率;et為t時刻的常規(guī)電負荷;rch,k, t為工業(yè)園區(qū)內(nèi)第k輛電動 車輛的充電狀態(tài);Pch, k為工業(yè)園區(qū)內(nèi)第k輛電動車輛的額定充電功率;K為工業(yè)園區(qū)內(nèi)電動 車輛總數(shù);hGHP, t和hHP, t分別為t時刻CHP機組和熱累輸出的熱功率;ht為t時刻的熱負荷。5. 如權(quán)利要求3或4所述的工業(yè)園區(qū)能源中屯、的調(diào)度方法，其特征在于，還包括： 將魯棒調(diào)度方法和機會調(diào)度方法W表格和/或曲線圖的形式進行輸出。6. -種工業(yè)園區(qū)能源中屯、的調(diào)度系統(tǒng)，其特征在于，包括： 運行模型模塊，用于建立確定性參數(shù)下工業(yè)園區(qū)能源中屯、內(nèi)部優(yōu)化的運行模型，并計 算得到運行成本； 魯棒模型模塊，用于根據(jù)所述運行模型，利用信息間隙決策理論IGDT，建立熱負荷不確 定性和電負荷不確定性的魯棒模型； 機會模型模塊，用于根據(jù)所述運行模型，利用信息間隙決策理論IGDT，建立熱負荷不確 定性和電負荷不確定性的機會模型； 第一解析模塊，用于根據(jù)輸入的設(shè)備熱負荷參數(shù)，設(shè)備電負荷參數(shù)，可控負荷的參數(shù)， 所述運行成本及運行成本幅度信息，利用CPLEX求解器分別求解魯棒模型和機會模型，得到 魯棒調(diào)度方法； 第二解析模塊，用于根據(jù)輸入的設(shè)備熱負荷參數(shù)，設(shè)備電負荷參數(shù)，可控負荷的參數(shù)， 所述運行成本及運行成本幅度信息，利用CPLEX求解器分別求解魯棒模型和機會模型，得到 機會調(diào)度方法。7. 如權(quán)利要求6所述的工業(yè)園區(qū)能源中屯、的調(diào)度系統(tǒng)，其特征在于，所述魯棒模型為：其中，α為電負荷的信息間隙，β為熱負荷的信息間隙，F(xiàn)o為運行模型下的運行成本，h為 決策者可接受的運行成本增加幅度，Pt為t時刻工業(yè)園區(qū)的電功率;gCHP,t為t時刻工業(yè)園區(qū) 消耗天然氣的速率;t和人8, t分別為t時段的電價和氣價;PCHP, t和即P, t分別為t時刻CHP機組 輸出的電動率和熱累消耗的電功率;et為t時刻的常規(guī)電負荷;rch,k, t為工業(yè)園區(qū)內(nèi)第k輛電 動車輛的充電狀態(tài);Pch,k為工業(yè)園區(qū)內(nèi)第k輛電動車輛的額定充電功率;K為工業(yè)園區(qū)內(nèi)電 動車輛總數(shù);hGHP, t和hHP, t分別為t時刻CHP機組和熱累輸出的熱功率;ht為t時刻的熱負荷。8. 如權(quán)利要求6所述的工業(yè)園區(qū)能源中屯、的調(diào)度系統(tǒng)，其特征在于，所述機會模型為：其中，α為電負荷的信息間隙，β為熱負荷的信息間隙，F(xiàn)o為運行模型下的運行成本，1為 決策者希望的運行成本降低幅度，Pt為t時刻工業(yè)園區(qū)的電功率;gCHP,t為t時刻工業(yè)園區(qū)消 耗天然氣的速率;t和人8, t分別為t時段的電價和氣價;pCHP,t和即P,t分別為t時刻CHP機組輸 出的電動率和熱累消耗的電功率;et為t時刻的常規(guī)電負荷;rch,k, t為工業(yè)園區(qū)內(nèi)第k輛電動 車輛的充電狀態(tài);Pch, k為工業(yè)園區(qū)內(nèi)第k輛電動車輛的額定充電功率;κ為工業(yè)園區(qū)內(nèi)電動 車輛總數(shù);hGHP, t和hHP, t分別為t時刻CHP機組和熱累輸出的熱功率;ht為t時刻的熱負荷。9.如權(quán)利要求7或8所述的工業(yè)園區(qū)能源中屯、的調(diào)度方法，其特征在于，還包括： 輸出模塊，用于將魯棒調(diào)度方法和機會調(diào)度方法W表格和/或曲線圖的形式進行輸出。
【文檔編號】G06Q10/06GK106097154SQ201610551764
【公開日】2016年11月9日
【申請日】2016年7月12日
【發(fā)明人】孟金嶺, 林國營, 張華 , 張華一, 趙偉, 張璨, 文福拴, 明建成
【申請人】廣東電網(wǎng)有限責任公司電力科學研究院