留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

考虑功率交互与需求响应的多微网经济调度

刘洋 艾欣 胡鹏 潘玺安

刘洋, 艾欣, 胡鹏, 等. 考虑功率交互与需求响应的多微网经济调度[J]. 现代电力, 2020, 37(6): 605-612. doi: 10.19725/j.cnki.1007-2322.2019.0569
引用本文: 刘洋, 艾欣, 胡鹏, 等. 考虑功率交互与需求响应的多微网经济调度[J]. 现代电力, 2020, 37(6): 605-612. doi: 10.19725/j.cnki.1007-2322.2019.0569
LIU Yang, AI Xin, HU Peng, etc. Economic Scheduling of Multi-microgrids Considering Power Interaction and Demand Response[J]. Modern Electric Power, 2020, 37(6): 605-612. doi: 10.19725/j.cnki.1007-2322.2019.0569
Citation: LIU Yang, AI Xin, HU Peng, etc. Economic Scheduling of Multi-microgrids Considering Power Interaction and Demand Response[J]. Modern Electric Power, 2020, 37(6): 605-612. doi: 10.19725/j.cnki.1007-2322.2019.0569

考虑功率交互与需求响应的多微网经济调度

doi: 10.19725/j.cnki.1007-2322.2019.0569
基金项目: 北京市自然科学基金项目(3182037)
详细信息
    作者简介:

    刘洋(1994),男,硕士研究生,主要研究方向为新能源电力系统及微网,Email:987752424@qq.com

    艾欣(1964),男,博士,教授,博士生导师,主要研究方向为新能源电力系统及微网,Email:aixin@ncepu.edu.cn

    胡鹏(1985),男,博士研究生,主要研究方向为研究方向为新能源电力系统分析、控制与管理,E-mail:hupbin@163.com

    潘玺安(1993),男,硕士研究生,主要研究方向为新能源电力系统及微网,Email:Panxian_ncepu@163.com

  • 中图分类号: TM61

Economic Scheduling of Multi-microgrids Considering Power Interaction and Demand Response

Funds: Beijing Municipal Natural Science Foundation (3182037)
  • 摘要: 面对清洁能源机制的推进与冷热电联供系统的不断发展,提出了一种考虑需求侧响应与多微网间功率交互的经济调度模型。同时综合考虑了燃气费用、风电与光伏发电的运维成本、蓄电池的运行成本、微电网与大电网功率交互产生的购电成本与售电收益。最后,针对典型调度日进行多微网经济调度模型的求解及算例分析,结果表明,该模型可明显提高多种新能源的发电消纳量。
  • 图  1  CCHP型微网结构示意图

    Figure  1.  Diagram of microgrid structure with CCHP

    图  2  算例系统示意图

    Figure  2.  Schematic diagram of the test system

    图  3  MG1、MG2夏季典型日功率和负荷曲线

    Figure  3.  Power and load curves of MG1 and MG2 in summer typical day

    图  4  需求响应前后MG1与MG2的负荷曲线

    Figure  4.  Load curves of MG1 and MG2 before and after the demand response

    图  5  各微源发电功率调度值

    Figure  5.  Scheduling values of micro-sources’ generated power

    图  6  各微源的热出力调度值

    Figure  6.  Scheduling values of micro-sources’ heat output

    图  7  各微源的冷出力调度值

    Figure  7.  Scheduling value of micro-sources’ cool output

    图  8  蓄电池蓄电量及充放电功率

    Figure  8.  Storage battery capacity and charge and discharge power

    图  9  微电网间的功率交互

    Figure  9.  Power interaction between microgrids

    表  1  蓄电池的相关数据

    Table  1.   Relevant data of storage battery

    机组
    类型
    额定
    容量/
    kWh
    储电
    上限/
    kWh
    储电
    下限/
    kWh
    始末
    储电量/
    kWh
    最大
    充放电
    功率/kw
    MG1蓄电池1000900100200200
    MG2蓄电池20001800200400300
    下载: 导出CSV

    表  2  微电网与公共电网电能交换价格

    Table  2.   Electricity exchange price of microgrid and the public supply system

    时段电价(元/kWh)
    从电网购电向电网售电
    08:00-12:00
    17:00-21:00
    1.360.95
    12:00-17:00
    21:00-24:00
    0.750.55
    00:00-08:000.370.20
    下载: 导出CSV

    表  3  不同调度模式对比结果

    Table  3.   Comparison results among different scheduling modes

    调度模型综合成本/万元风电消纳量/%光伏发电消纳量/%
    模型12.7743.656.2
    模型22.6386.589.6
    模型32.56100100
    下载: 导出CSV
  • [1] LI Yajun, HU Rentian. Exergy-analysis based comparative study of absorption refrigeration and electric compression refrigeration in CCHP systems[J]. Applied Thermal Engineering,2016(93):1228 − 1237.
    [2] LI Li, LI Ning, et al. Analysis of the integrated performance and redundant energy of CCHP systems under different operation strategies[J]. Energy and Buildings,2015(99):231 − 242.
    [3] 吴俊宏, 谢胤喆, 王玥, 等. 基于改进Gossip算法的多微网孤岛系统分布式电力交易策略[J]. 现代电力,2019,36(2):88 − 94. doi:  10.3969/j.issn.1007-2322.2019.02.012

    WU Junhong, XIE Yinzhe, WANG Yue, et al. Distributed electricity trading strategy of interconnected microgrids in islanding mode based on improved gossip algorithm[J]. Modern Electric Power,2019,36(2):88 − 94(in Chinese). doi:  10.3969/j.issn.1007-2322.2019.02.012
    [4] 陈丽雪, 房方. 计及蓄电池寿命的风光储微网系统能量优化管理[J]. 现代电力,2018,35(3):62 − 69. doi:  10.3969/j.issn.1007-2322.2018.03.009

    CHEN Lixue, FANG Fang. Optimal energy management of wind-photovoltaic-storage microgrid system considering battery life[J]. Modern Electric Power,2018,35(3):62 − 69(in Chinese). doi:  10.3969/j.issn.1007-2322.2018.03.009
    [5] 程瑜, 赵鹏飞. 含光伏及储能的民用负荷需求响应策略与效益分析[J]. 太阳能学报,2017,38(4):1055 − 1062.

    CHENG Yu, ZHAO Pengfei. Demand response strategy and benefit analsis of residential load with PV and energy storage[J]. Acta Energiae Solaris Sinica,2017,38(4):1055 − 1062(in Chinese).
    [6] 吴盛军, 刘建坤, 周前, 等. 考虑储能电站服务的冷热电多微网系统优化经济调度[J]. 电力系统自动化,2019,43(10):16 − 29.

    WU Shengjun, LIU Jiankun, ZHOU Qian, et al. Optimal economic scheduling for multi-microgrid system with combined cooling heating and power considering service of energy storage station[J]. Automation of Electric Power systems,2019,43(10):16 − 29(in Chinese).
    [7] 王守相, 吴志佳, 庄剑. 考虑微网间功率交互和微源出力协调的冷热电联供型区域多微网优化调度模型[J]. 中国电机工程学报,2017,37(24):7185 − 7194, 7432.

    WANG Shouxiang, WU Zhijia, ZHUANG Jian. Optimal dispatching model of CCHP type regional multi-microgrids considering interactive power exchange among microgrids and output coordination among micro-sources[J]. Proceedings of the CSEE,2017,37(24):7185 − 7194, 7432(in Chinese).
    [8] GU Wei, WANG Zhihe, WU Zhi, et al. An online optimal dispatch schedule for CCHP microgrids based on model predictive control[J]. IEEE Transactions on Smart Grid,2017,8(5):2332 − 2342. doi:  10.1109/TSG.2016.2523504
    [9] 徐青山, 李淋, 盛业宏, 等. 冷热电联供型多微网主动配电系统日前优化经济调度[J]. 电网技术,2018,42(6):1726 − 1734.

    XU Qingshan, LI Lin, SHENG Yehong, et al. Day-ahead optimized economic dispatch of active distribution power system with combined cooling, heating and power-based microgrids[J]. Power System Technology,2018,42(6):1726 − 1734(in Chinese).
    [10] 江润洲, 邱晓燕, 李丹, 等. 含储能系统的多微网智能配电系统经济运行[J]. 电网技术,2013,37(12):3596 − 3602.

    JIANG Runzhou, QIU Xiaoyan, LI Dan, et al. Economic operation of smart distribution network containing multi microgrids and energy storage system[J]. Power System Technology,2013,37(12):3596 − 3602(in Chinese).
    [11] 吴福保, 刘晓峰, 孙谊媊, 等. 基于冷热电联供的多园区博弈优化策略[J]. 电力系统自动化,2018,42(13):68 − 75. doi:  10.7500/AEPS20170914005

    WU Fubao, LIU Xiaofeng, SUN Yiqian, et al. Game optimization strategy for multiple parks based on combined cooling heating and power[J]. Automation of Electric Power systems,2018,42(13):68 − 75(in Chinese). doi:  10.7500/AEPS20170914005
    [12] 杨永标, 于建成, 李奕杰, 等. 含光伏和蓄能的冷热电联供系统调峰调蓄优化调度[J]. 电力系统自动化,2017,41(6):6 − 12, 29.

    YANG Yongbiao, YU Jiancheng, LI Yijie, et al. Optimal load leveling dispatch of CCHP incorporating photovoltaic and storage[J]. Automation of Electric Power Systems,2017,41(6):6 − 12, 29(in Chinese).
    [13] 谢开, 刘明志, 于建成. 中新天津生态城智能电网综合示范工程[J]. 电力科学与技术学报,2011,26(1):43 − 47. doi:  10.3969/j.issn.1673-9140.2011.01.006

    XIE Kai, LIU Mingzhi, YU Jiancheng. Summary on smart grid integrated demonstration project of Sino-Singapore Tianjin Eco-City[J]. Journal of Electric Power Science and Technology,2011,26(1):43 − 47(in Chinese). doi:  10.3969/j.issn.1673-9140.2011.01.006
    [14] 许倩. 基于用户需求响应的分时电价优化[D]. 太原: 山西大学, 2017.
  • [1] 杨亦玘, 郑鹏远, 毛冉, 秦海杰, 王雅琳.  不确定裕度分段量化和弃风弃光分段惩罚的孤岛型微电网经济调度算法 . 现代电力, 2023, 40(1): 73-81. doi: 10.19725/j.cnki.1007-2322.2021.0238
    [2] 王蓉, 赵斌, 刘文章, 高阳, 吕祥梅, 何川.  考虑高比例新能源消纳的微能源网日前经济调度 . 现代电力, 2022, 39(2): 236-245. doi: 10.19725/j.cnki.1007-2322.2021.0050
    [3] 鉴庆之, 刘晓明, 杨金叶, 刘春阳, 王宪, 刘冬.  考虑需求响应的电力系统灵活性资源优化配置 . 现代电力, 2021, 38(3): 286-296. doi: 10.19725/j.cnki.1007-2322.2020.0439
    [4] 曾雪婷.  基于虚拟发电厂理论的双侧调峰多目标协调优化调度 . 现代电力, 2020, 37(6): 654-663. doi: 10.19725/j.cnki.1007-2322.2019.0826
    [5] 丁筱, 郭创新.  考虑市场环境的多微网分散协同调度方法 . 现代电力, 2020, 37(3): 221-229. doi: 10.19725/j.cnki.1007-2322.2019.0284
    [6] 魏震波, 都成.  计及天气对电动汽车接入家庭型微电网供需侧影响的经济调度模型 . 现代电力, 2020, 37(1): 10-18. doi: 10.19725/j.cnki.1007-2322.2019.0031
    [7] 朱晓荣, 谢婉莹.  计及供热区域热惯性的多微网调度策略 . 现代电力, 2020, 37(6): 566-574. doi: 10.19725/j.cnki.1007-2322.2019.1125
    [8] 李文博, 李华东, 张鹏飞, 赵光锋, 王皓, 艾芊.  考虑不确定性的区域能源互联网源荷储协调优化 . 现代电力, 2019, 36(3): 11-18.
    [9] 陆青, 郁浩, 赵康丽, 冷亚军.  分时电价下基于供用电双方博弈的家庭用户需求响应 . 现代电力, 2019, 36(6): 68-74.
    [10] 吴俊宏, 谢胤喆, 王玥, 郝然, 艾芊.  基于改进Gossip算法的多微网孤岛系统分布式电力交易策略 . 现代电力, 2019, 36(2): 88-94.
    [11] 殷红旭, 刘春秀, 赵金勇, 耿洪彬, 李仟成.  基于自适应模型预测控制的区域能源互联网两阶段协同调度 . 现代电力, 2018, 35(4): 35-44.
    [12] 刘旭, 杨德友, 刘铖, 张旺, 郑天宇.  考虑用户满意度的含风电场多目标环境经济调度 . 现代电力, 2017, 34(3): 44-51.
    [13] 杨苹, 彭嘉俊, 许志荣, 曾智基, 张育嘉, 郑群儒.  配网故障情况下单三相多微网平滑切换控制 . 现代电力, 2017, 34(5): 51-56.
    [14] 许志荣, 杨苹, 何婷, 郑成立, 宋嗣博.  多微网典型特征及应用分析 . 现代电力, 2017, 34(6): 9-15.
    [15] 徐敏姣, 徐青山, 蒋菱.  基于太阳能空调的冷热电联供系统多目标优化运行研究 . 现代电力, 2017, 34(3): 60-68.
    [16] 赵会茹, 王玉玮, 谭忠富, 舒 艳, 张 超.  基于随机分布与LSSVM算法的居民峰谷电价响应模型研究 . 现代电力, 2016, 33(6): 81-86.
    [17] 艾 欣, 周树鹏, 赵阅群, 唐 亮.  基于机会约束规划的直接负荷控制及可中断负荷联合优化调度研究 . 现代电力, 2016, 33(6): 1-6.
    [18] 宋云东, 周志强, 应 勇, 张远博, 刘 旭.  计及需求响应的含风电场多目标低碳经济调度 . 现代电力, 2016, 33(6): 7-13.
    [19] 方杰, 艾欣, 潘伟, 李卓男.  基于可中断负荷的机组组合优化调度模型 . 现代电力, 2014, 31(4): 47-53.
    [20] 于成龙, 孙欣, 沈风, 马群.  基于备用安全的含风电场的电力系统经济调度 . 现代电力, 2014, 31(5): 49-53.
  • 加载中
图(9) / 表 (3)
计量
  • 文章访问数:  371
  • HTML全文浏览量:  39
  • PDF下载量:  38
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-10-30
  • 网络出版日期:  2020-12-03
  • 刊出日期:  2020-12-10

考虑功率交互与需求响应的多微网经济调度

doi: 10.19725/j.cnki.1007-2322.2019.0569
    基金项目:  北京市自然科学基金项目(3182037)
    作者简介:

    刘洋(1994),男,硕士研究生,主要研究方向为新能源电力系统及微网,Email:987752424@qq.com

    艾欣(1964),男,博士,教授,博士生导师,主要研究方向为新能源电力系统及微网,Email:aixin@ncepu.edu.cn

    胡鹏(1985),男,博士研究生,主要研究方向为研究方向为新能源电力系统分析、控制与管理,E-mail:hupbin@163.com

    潘玺安(1993),男,硕士研究生,主要研究方向为新能源电力系统及微网,Email:Panxian_ncepu@163.com

  • 中图分类号: TM61

摘要: 面对清洁能源机制的推进与冷热电联供系统的不断发展,提出了一种考虑需求侧响应与多微网间功率交互的经济调度模型。同时综合考虑了燃气费用、风电与光伏发电的运维成本、蓄电池的运行成本、微电网与大电网功率交互产生的购电成本与售电收益。最后,针对典型调度日进行多微网经济调度模型的求解及算例分析,结果表明,该模型可明显提高多种新能源的发电消纳量。

English Abstract

刘洋, 艾欣, 胡鹏, 等. 考虑功率交互与需求响应的多微网经济调度[J]. 现代电力, 2020, 37(6): 605-612. doi: 10.19725/j.cnki.1007-2322.2019.0569
引用本文: 刘洋, 艾欣, 胡鹏, 等. 考虑功率交互与需求响应的多微网经济调度[J]. 现代电力, 2020, 37(6): 605-612. doi: 10.19725/j.cnki.1007-2322.2019.0569
LIU Yang, AI Xin, HU Peng, etc. Economic Scheduling of Multi-microgrids Considering Power Interaction and Demand Response[J]. Modern Electric Power, 2020, 37(6): 605-612. doi: 10.19725/j.cnki.1007-2322.2019.0569
Citation: LIU Yang, AI Xin, HU Peng, etc. Economic Scheduling of Multi-microgrids Considering Power Interaction and Demand Response[J]. Modern Electric Power, 2020, 37(6): 605-612. doi: 10.19725/j.cnki.1007-2322.2019.0569
    • 随着能源危机与环境污染的加剧,清洁的新能源发电形式与电力运行模式日益受到人们的青睐。冷热电联供(combined cooling heating and power,CCHP)系统能够实现冷、热、电功率的多能互补,同时促进新能源发电的并网消纳,降低能源与环境压力[1-2]。目前CCHP系统在发展上呈现出多微网并存、联合调度的趋势,多微网间的功率交互在降低微网运行成本、促进风光并网消纳上有一定的作用[3-4]。而需求响应对负荷侧的调节能力可以起到合理配置用电负荷、缓解发电功率与用电负荷冲突的作用[5]。因此,在考虑功率交互的多微网经济调度研究中考虑需求侧响应能够进一步降低运行成本、促进风光消纳。

      目前对含CCHP的多微网研究中,文献[6]提出了一种基于储能电站的多微网系统日前优化调度方法,通过算例分析表明辅以储能电站后能够降低系统的综合运行成本,同时促进微网中新能源的并网消纳量。文献[7]针对冷热电联供型微网提出了一种考虑微网间功率交互与微源出力协调的优化调度模型,算例分析表明所提调度模型能够有效降低系统的运行成本。文献[8]基于负荷与新能源发电的不确定性,提出一种冷热电联供型微电网动态调度模型,有效抑制了系统不确定性对调度结果的影响。文献[9]分别以冷热电联供型微电网与主动配电网作为利益主体,但在对配电网的研究中并未考虑需求侧响应。文献[10]基于储能装置的充放电特性,以各微网的综合运行成本最低为目标,提出微电网的跨时段调度和实时调度方法,并通过算例分析验证了所提模型的有效性。以上文献均对含CCHP系统的多微网场景进行了不同角度的研究,而随着需求侧响应研究的不断深入,在配电网中考虑需求侧响应在降低综合运行成本、促进新能源并网消纳方面也有较明显的效果。

      本研究将综合考虑多微电网间的功率交互与用户侧需求响应,构建含CCHP的多微网经济调度模型,综合考虑燃气费用及风机(wind turbine,WT)、光伏发电(photovoltaic,PV)、蓄电池(battery,BT)运行维护成本、微电网与大电网功率交换时的购电成本与售电收益以及微网内部冷热电平衡的相关约束,旨在降低微电网的经济成本、促进风光发电的并网消纳。

    • 冷热电联供型微网能够实现多种微源的合理调度,内部结构主要包括WT、PV、BT、燃气轮机(micro-turbine,MT)、吸收式制冷机、电制冷机、电制热机[11]等,其配置如图1所示。

      图  1  CCHP型微网结构示意图

      Figure 1.  Diagram of microgrid structure with CCHP

    • MT输出功率与发电量的计算公式如下:

      $$ \begin{cases} {P_{{\rm{GT}}t}} = {P_{{\rm{gas}}t}}{\eta _{{\rm{GT}}}}\\ {E_{{\rm{GT}}t}} = {L_{{\rm{GT}}t}}{\eta _{{\rm{GT}}}}{H_{{\rm{GT}}}} \end{cases} $$ (1)

      式中:PGTt表示t时段MT的电出力;Pgast表示MT消耗的燃气功率;ηGT表示MT的发电效率;EGTt表示t时段MT的发电量;LGTt表示t时段MT消耗的燃气量;HGT表示燃气的热值。

    • 换热装置能够将MT产生的余热转化为热能,输出热功率的计算公式:

      $${Q_{{\rm{GT}}t}} = {P_{{\rm{GT}}t}}{\gamma _{{\rm{GT}}}}{\eta _{{\rm{WH}}}}{\eta _{\rm{h}}}{\eta _{{\rm{HX}}}}$$ (2)

      式中:QGTt表示换热装置t时段的制热功率;γGT表示MT的热电比;ηWH表示余热锅炉的效率;ηh表示制热比例;ηHX表示换热装置的效率。

    • 吸收式制冷机能够将MT产生的余热转换为冷功率,其输出功率:

      $${C_{{\rm{GT}}t}} = {P_{{\rm{GT}}t}}{\gamma _{{\rm{GT}}}}{\eta _{{\rm{WH}}}}{\eta _{\rm{c}}}{R_{\rm{c}}}$$ (3)

      式中:CGTt表示吸收式制冷机的制冷功率;ηc表示制冷比例;Rc表示吸收式制冷机的能效比。

    • 电制热机主要指电锅炉等将电能转化为热能的装置,输出的热功率:

      $${Q_{{\rm{EH}}t}} = {P_{{\rm{EH}}t}}{\eta _{{\rm{EH}}}}$$ (4)

      式中:QEHt表示电制热机在t时刻输出的热功率;PEHt表示电制热机在t时刻消耗的电功率;ηEH表示电制热机的电热转换效率。

    • 电制冷机能够将电功率转化为冷功率,在以往研究研究中已有较多介绍,本文研究中采用文献[12]中的计算公式。

    • BT能够通过储放电实现发电功率的时移,达到优化调度各微源的目的。BT蓄电量由充放电功率共同决定:

      $${S_{{\rm{stor,}}t}} = {S_{{\rm{stor,(}}t - 1{\rm{)}}}} + \left({\eta _{{\rm{cha}}}}{P_{{\rm{cha,}}t}} - \frac{1}{{{\eta _{{\rm{dis}}}}}}{P_{{\rm{dis,}}t}}\right)\Delta t$$ (5)

      式中:Sstor,t表示BT在t时刻的蓄电量;Pcha,t表示BT在t时刻的充电功率;Pdis,t表示BT在t时刻的放电功率;ηcha表示充电效率;ηdis表示放电效率;Δt表示调度时段的时长。

    • 需求响应即通过电价变化引导负荷侧调节,实现降低微电网综合运行成本、促进风光等新能源发电就地消纳的目的。电力需求侧用价格弹性系数表征在一段时间内电能需求量的变动对于电价变动的反应程度,而在多微网系统中,通常以交叉弹性系数表示某一微网中电量需求对另一微网的反应程度;以自弹性系数表示某一微网内部需求量与电价的反应程度,多微网需求侧价格弹性系数:

      $$\left[ {\begin{aligned} {\frac{{\Delta {C_1}}}{{{C_1}}}}\\ {\frac{{\Delta {C_2}}}{{{C_2}}}}\\ \vdots\quad \\ {\frac{{\Delta {C_{\rm{T}}}}}{{{C_{\rm{T}}}}}} \end{aligned}} \right] = E\left[ {\begin{aligned} {\frac{{\Delta {P_1}}}{{{P_1}}}}\\ {\frac{{\Delta {P_2}}}{{{P_2}}}}\\ \vdots \quad\\ {\frac{{\Delta {P_{\rm{T}}}}}{{{P_{\rm{T}}}}}} \end{aligned}} \right]$$ (6)

      式中:ΔCt、ΔPt分别表示需求响应后t时刻微网购电电价与负荷的变化量;CtPt分别表示需求响应前t时刻的微电网购电电价与负荷值;E表示价格型需求弹性矩阵。

      $$E = \left[ {\begin{array}{*{20}{c}} {{\varepsilon _{11}}}&{{\varepsilon _{12}}}& \cdots &{{\varepsilon _{1{\rm{T}}}}}\\ {{\varepsilon _{21}}}&{{\varepsilon _{22}}}& \cdots &{{\varepsilon _{2{\rm{T}}}}}\\ \vdots & \vdots & \vdots & \vdots \\ {{\varepsilon _{{\rm{T}}1}}}&{{\varepsilon _{{\rm{T}}2}}}& \cdots &{{\varepsilon _{{\rm{TT}}}}} \end{array}} \right]$$ (7)

      式中:εii表示自弹性系数;εij表示交叉弹性系数,ij表示调度时段。

      $$\varepsilon_{i i}=\frac{\Delta P_{i} / P_{i}}{\Delta C_{i} / C_{i}}$$ (8)
      $$\varepsilon_{i j}=\frac{\Delta P_{i} / P_{i}}{\Delta C_{j} / C_{j}}$$ (9)
    • 本文在考虑功率交互与需求响应的基础上,以微电网的经济成本最低为目标,综合考虑燃气费用、风电与光伏发电的运行维护成本、蓄电池的运行成本、微电网与大电网功率交换时的购电成本与售电收益,构建了冷热电联供型多微网经济调度模型,目标函数:

      $$C = \min [{C_{{\rm{fuel}}}} + {C_{\rm{w}}} + {C_{{\rm{pv}}}} + {C_{{\rm{stor}}}} + {C_{{\rm{buy}}}} - {C_{{\rm{sell}}}}]$$ (10)

      式中:C表示微电网系统的综合运行成本;Cfuel表示燃气轮机的燃气费用;Cw表示风电的运行维护成本;Cpv表示光伏发电的运行维护成本;Cstor表示蓄电池的运行成本;Cbuy表示微电网从公共电网的购电成本;Csell表示微电网向公共电网的售电收益。

    • MT的主要成本为燃气费用:

      $${C_{{\rm{fuel}}}} = {c_g}\sum\limits_{i = 1}^N {\sum\limits_{t = 1}^T {{L_{{\rm{GT}}t,i}}} } $$ (11)

      式中:cg表示燃气的单价;LGTt,i表示微网i燃气轮机在t时刻的燃气量。

    • WT、PV在综合运行成本中主要考虑其自身的运维成本,成本计算公式如下:

      $${C_{\rm{w}}} = \sum\limits_{i = 1}^N {\sum\limits_{t = 1}^T {{k_{{\rm{w}},i}}{P_{{\rm{w}}t,i}}} } $$ (12)
      $${C_{{\rm{pv}}}} = \sum\limits_{i = 1}^N {\sum\limits_{t = 1}^T {{k_{{\rm{v}},i}}{P_{{\rm{v}}t,i}}} } $$ (13)

      式中:kw,i表示微网i风电场的运行维护成本系数;Pwt,i表示微网i风电场在t时刻的发电功率。kv,i表示微网i中PV的运行维护成本系数;Pvt,i表示微网i中PV在t时刻的发电功率。

    • 本文将BT运行成本表示为充放电功率的函数,具体公式如下:

      $${C_{{\rm{stor }}}} = \sum\limits_{i = 1}^N {\sum\limits_{t = 1}^T {\left( {{P_{{\rm{cha}}t,i}}{C_{{\rm{cha}},i}} + {P_{{\rm{dis}}t,i}}{C_{{\rm{dis,}}i}}} \right)} } $$ (14)

      式中:Pchat,iPdist,i分别表示微网i中BT在t时刻的充、放电功率;Ccha,i表示BT充电时的成本系数;Cdis,i表示BT放电时的成本系数。

    • 微电网能够与公共大电网进行功率交换,在微网内部功率不足时,购买功率以保证微网内部负荷的可靠供应,在微网内部功率过剩时,向公共电网出售功率获得收益,具体计算公式如下:

      $${C_{{\rm{buy}}}} = \sum\limits_{t = 1}^T {{P_{{\rm{change}}t{\rm{,}}i}}} {C_{{\rm{g}}t,i}}\left( {{P_{{\rm{change}}t,i}} > 0} \right)$$ (15)
      $${C_{{\rm{sell}}}} = \sum\limits_{t = 1}^T {{P_{{\rm{change}}t{\rm{,}}i}}} {S_{{\rm{g}}t{\rm{,}}i}}\left( {{P_{{\rm{change}}t,i}} < 0} \right)$$ (16)

      式中:Pchanget,i表示微电网it时刻与公共电网的交换功率(Pchanget,i>0,表示微电网i从公共电网购电;Pchanget,i<0,表示微电网i向公共电网售电);Cgt,i为微网it时刻的购电电价;Sgt,i为微网it时刻的售电电价。

    • 为保证微电网的安全稳定运行,需要满足相关运行约束,但由于篇幅限制,对于保证各微网内的微源出力与交互功率之和等于微网内部的电负荷值的功率平衡约束、MT出力约束、BT电量约束与充放电约束等已有较多研究的约束条件不再文中赘述。

    • 功率平衡约束主要有:

      1)热功率平衡约束。

      忽略热功率传输损耗的前提下,各热源的产热功率与热负荷的值相等,具体如下:

      $${Q_{{\rm{GT}}t,i}} + {Q_{{\rm{EH}}t,i}} = {P_{{\rm{H}}t,i}}$$ (17)

      式中:QGTt,i为换热装置输出的热功率;QEHt,i为电制热输出的热功率;PHt,i为微电网的热负荷值。

      2)冷功率平衡约束。

      忽略冷功率传输损耗的前提下,各冷源的制冷功率与冷负荷的值相等,具体如下:

      $${C_{{\rm{GT}}t,i}} + {Q_{{\rm{EC}}t,i}} = {P_{{\rm{C}}t,i}}$$ (18)

      式中:CGTt,i为吸收式制冷机输出的冷功率;QECt,i为电制冷输出的冷功率;PCt,i为微电网的冷负荷值。

    • 各微源出力约束主要有:

      1)换热装置的出力约束

      $${Q_{{\rm{GT}},\min }} \leqslant {Q_{{\rm{GT}}t}} \leqslant {Q_{{\rm{GT}},\max }}$$ (19)

      式中QGT,maxQGT,min分别表示换热装置的出力上、下限。

      2)吸收式制冷剂、电制热、冷装置出力约束

      $${C_{{\rm{GT}},\min }} \leqslant {C_{{\rm{GT}}t}} \leqslant {C_{{\rm{GT}},\max }}$$ (20)
      $${P_{{\rm{EH}},\min }} \leqslant {P_{{\rm{EH}}t}} \leqslant {P_{{\rm{EH}},\max }}$$ (21)
      $${P_{{\rm{EC}},\min }} \leqslant {P_{{\rm{EC}}t}} \leqslant {P_{{\rm{EC}},\max }}$$ (22)

      式中:CGT,maxCGT,min分别为吸收式制冷机的出力上、下限;PEH,maxPEH,min分别为电制热装置的热出力上、下限;PEC,maxPEC,min分别为电制冷装置的出力上、下限。

    • 微网与公共电网的功率交换约束为

      $${P_{{\rm{change}},\min }} \leqslant {P_{{\rm{change}}t}} \leqslant {P_{{\rm{change}},\max }}$$ (23)

      式中Pchange,maxPchange,min分别为微电网与公共电网功率交换的上、下限。

    • 微电网间的功率交换约束为

      $${P_{ij,\min }} \leqslant {P_{ij,t}} \leqslant {P_{ij,\max }}$$ (24)

      式中:Pij,maxPij,min分别表示微电网i与微电网j间功率交换的上、下限。

    • 需求响应相关约束主要有:

      1)负荷量约束。

      为保证需求响应前后负荷的可靠供应,一个调度周期内需求响应前后的负荷值保持不变,即:

      $$\left\{ {\begin{aligned} & {\sum\limits_{t = 1}^{\rm{T}} \Delta {P_{t,i}} = 0}\\ & {\Delta {P_{t,i}} = {P_{t,i}} - {P_{{\rm{L}}t,i}}} \end{aligned}} \right.$$ (25)

      2)负荷上下限约束。

      需求响应旨在削峰填谷,缓解各微源与负荷的冲突,因此,考虑需求响应后各时刻的负荷值应介于原始负荷的上下限之间,即:

      $$\left\{ \begin{aligned} & {P_{{\rm{L}}t,i,\max }} \geqslant {P_{t,i,\max }}\\ & {P_{{\rm{L}}t,i,\min }} \leqslant {P_{t,i,\min }} \end{aligned} \right.$$ (26)

      式中:PLt,i,maxPt,i,max分别表示需求响应前、后微网i电负荷的最大值;PLt,i,minPt,i,min分别表示需求响应前、后微网i电负荷的最小值。

      3)用户满意度和用电费用满意度约束。

      考虑需求响应后负荷的变化量与电价的变化量要满足一定的要求,具体约束如下:

      $$1 - \frac{{\displaystyle\sum\limits_{t = 1}^T {\left| {\Delta {P_{t,i}}} \right|} }}{{\displaystyle\sum\limits_{t = 1}^T {{P_{t,i}}} }} \geqslant {S_{{\rm{u}},\min }}$$ (27)
      $$1 + \frac{{\displaystyle\sum\limits_{t = 1}^T {\left( {{C_t}{P_{t,i}} - {C_{{\rm{g}},t}}{P_{{\rm{L}}t,i}}} \right)} }}{{\displaystyle\sum\limits_{t = 1}^T {{C_{{\rm{g}},t}}} {P_{{\rm{L}}t,i}}}} \geqslant {S_{{\rm{p}},\min }}$$ (28)

      式中:Su,min表示用户满意度的最小值;Sp,min表示用电费用支出满意度的最小值。

    • 目前我国在含CCHP系统的智能电网园区建设上已初见成效,已有中新生态城、柳州智能电网园区等示范工程[13],本文研究以智能电网园区为背景,算例系统选取如图2所示的冷热电联供型多微电网系统,其中MG1与MG2均为含CCHP系统的智能电网园区,算例在Matlab2017a平台下通过YALMIP工具箱调用CPELX12.6软件对算例进行的求解。各微源的相关参数见文献[6],需求侧价格弹性系数参考文献[14],BT的相关参数如表1所示,分时电价如表2所示,天然气价格取2.2元/m3,HGT取9.7(kW·h)/m3。本文选取一个调度日为研究对象,Δt=1h,微电网与公共电网的功率交换限值为3000 kW,微电网间的功率交换限值为2000kW。两个微电网的WT、PV与冷热电负荷的预测值如图3所示。

      表 1  蓄电池的相关数据

      Table 1.  Relevant data of storage battery

      机组
      类型
      额定
      容量/
      kWh
      储电
      上限/
      kWh
      储电
      下限/
      kWh
      始末
      储电量/
      kWh
      最大
      充放电
      功率/kw
      MG1蓄电池1000900100200200
      MG2蓄电池20001800200400300

      图  2  算例系统示意图

      Figure 2.  Schematic diagram of the test system

      表 2  微电网与公共电网电能交换价格

      Table 2.  Electricity exchange price of microgrid and the public supply system

      时段电价(元/kWh)
      从电网购电向电网售电
      08:00-12:00
      17:00-21:00
      1.360.95
      12:00-17:00
      21:00-24:00
      0.750.55
      00:00-08:000.370.20

      图  3  MG1、MG2夏季典型日功率和负荷曲线

      Figure 3.  Power and load curves of MG1 and MG2 in summer typical day

    • 通过求解得到综合考虑功率交互与需求响应时的多微电网经济成本最低为2.56万元,此时考虑需求响应前后的微网负荷值如图4所示。

      图  4  需求响应前后MG1与MG2的负荷曲线

      Figure 4.  Load curves of MG1 and MG2 before and after the demand response

      图4可见,考虑需求响应后负荷的峰谷差降低,“削峰填谷”效果明显,增加了谷时电价的负荷值,降低了峰时电价的负荷值,能够在一定程度上降低微电网的运行成本,同时对于促进风电、光伏发电等新能源发电的并网消纳具有重要意义。

      微网综合成本最低时各微源的电出力如图5所示,各微源的热出力如图6所示,各微源的冷出力如图7所示,蓄电池的充放电功率如图8所示,微电网之间的功率交换如图9所示。

      图  5  各微源发电功率调度值

      Figure 5.  Scheduling values of micro-sources’ generated power

      图  6  各微源的热出力调度值

      Figure 6.  Scheduling values of micro-sources’ heat output

      图  7  各微源的冷出力调度值

      Figure 7.  Scheduling value of micro-sources’ cool output

      图  8  蓄电池蓄电量及充放电功率

      Figure 8.  Storage battery capacity and charge and discharge power

      图  9  微电网间的功率交互

      Figure 9.  Power interaction between microgrids

      图5可知,此种调度方式下微网的风电与光伏发电实现了完全消纳,当微网内部总的发电量高于或低于负荷时通过向公共电网售电、微网间的功率交互以及蓄电池充放电的方式保证功率平衡,并且在考虑微网间的功率交互与需求响应时,能够在一定程度上降低微网与公共电网的功率交换,进而降低微网系统的综合运行成本。

      图6可知,换热装置与电制热的制热功率之和与热负荷值相等,保证了热负荷的可靠供应。此调度方式下大部分热功率由换热装置提供,电制热提供补充功率,这是由于夏季典型日冷负荷较高,热负荷较低,且燃气轮机存在一定的冷热功率耦合特性,因此较高的冷功率下换热装置的热功率值较高。

      图7可知,吸收式制冷机与电制冷的制冷功率之和与冷负荷相等,保证了冷负荷的可靠供应。此调度方式下大部分冷功率由电制冷机提供,这是由于夏季调度日热负荷较低,受燃气轮机冷热功率耦合特性的影响,吸收式制冷机的冷功率受到限制,因此需要大量的电制冷功率保证冷负荷的供应。

      图8可知,蓄电池的充放电不能同时进行,并且蓄电量在一个调度周期的初始时刻与结束时刻相等,保证了下一个调度时段的正常运行。对比分时电价可见,蓄电池的充电时段为谷时或平时电价,放电时段为峰时电价,在对发电功率“移峰错谷”的前提下,降低了微网系统的综合运行成本。

      图9可知,在考虑微网间的功率交互后,微电网之间能够进行功率传递,保证了各微网的正常运行。由于微网间的功率交互仅限于电功率,且微网2的电负荷明显高于微网1,因此微网1传递至微网2的电功率较高。微网之间的功率交互在一定程度上降低了微网与公共电网的功率交换,能够降低微网系统的综合运行成本,同时增加风电、光伏发电等新能源发电的并网消纳量。

    • 为验证本文考虑微网间功率交互与需求响应的有效性,将本文调度模式与传统调度模式进行对比,具体设置如下:模型1为不考虑微网间功率交互与需求响应;模型2为考虑微网间功率交互、不考虑需求响应;模型3为本文中考虑微网间功率交互与需求响应的调度模式。

      三种模式下的调度结果对比如表3所示。

      表 3  不同调度模式对比结果

      Table 3.  Comparison results among different scheduling modes

      调度模型综合成本/万元风电消纳量/%光伏发电消纳量/%
      模型12.7743.656.2
      模型22.6386.589.6
      模型32.56100100

      表3可知,本文考虑微网间功率交互与需求响应的调度模型综合运行成本最低为2.56万元,且风电与光伏发电消纳量为100%,实现了新能源发电的完全消纳。与模型1相比,本文调度模型的综合成本降低了0.21万元,节约成本7.6%,风电消纳量提高了56.4%,光伏发电消纳量提高了43.8%;与模型2相比,本文调度模型的综合成本降低了0.07万元,节约成本2.7%,风电消纳量提高了13.5%,光伏发电消纳量提高了10.4%。可见,本文调度模型能够有效降低微电网的综合运行成本,增加风电与光伏发电的消纳量,推动电力行业的清洁化发展。

    • 本文在考虑需求响应与功率交互的基础上,以微电网的经济成本最低为目标,综合考虑燃气费用、风电与光伏发电的运行维护成本、蓄电池的运行成本、微电网与大电网功率交换时的购电成本与售电收益,构建了冷热电联供型多微网经济调度模型,通过不同模型的对比,得到以下结论:

      1)综合考虑功率交互与需求响应对微电网进行联合调度能够有效降低综合运行成本,提高风电与光伏发电等新能源发电的消纳量。

      2)算例分析进一步表明,本文调度模型与不考虑功率交互与需求响应的调度模型和仅考虑功率交互的调度模型相比,综合成本显著降低,风电消纳量明显提高。

参考文献 (14)

目录

    /

    返回文章
    返回