一種基於需求響應的工業負荷優化調度建模方法與流程
2023-11-10 05:24:22
本發明涉及工業負荷優化調度領域,具體來說是一種基於需求響應的工業負荷優化調度建模方法。
背景技術:
隨著經濟和社會的發展,電力的需求日益增長。工業用戶相比較於居民和商業用戶,具有更高的電力消費水平,它已佔到世界電力消費的40%以上。發電側為了滿足不斷增長的電力消費需要進一步的擴建發電容量,這給電力系統的運行帶來了巨大的成本負擔。而從需求側管理的角度,需求響應是指電力用戶對價格信號或激勵機製做出響應,改變原有的一些電力消費行為,從而促進電力系統的優化運行。因此對工業企業實施需求響應具有重要的意義和較大的潛力。
對於工業負荷的優化調度問題,現有模型大多採用負荷轉移的方法,即將峰時段的負荷轉移到谷時段或平時段,但現有的工業負荷優化調度模型對工業生產相關的約束條件考慮的不是很完善,如往往沒有考慮工業產品的儲存容量限制,這不利於負荷調度模型在實際中的應用。同時現有的工業負荷優化調度模型往往沒有考慮能量儲能單元,這削弱了工業負荷優化調度對主電網削峰填谷的作用;另外現有的工業負荷優化調度模型大多沒有考慮分布式發電單元對工業負荷優化調度的影響,分布式發電單元能更靈活地為工業企業提供電能,因此現有技術無法進一步的降低工業企業的生產能耗成本。
技術實現要素:
本發明針對現有技術中存在的不足之處,提出來一種基於需求響應的工業負荷優化調度建模方法,以期將能量儲能單元和分布式發電單元納入調度模型中,建立更加完善的工業負荷優化調度模型,從而降低工業企業的負荷運行成本,對主電網來說能夠達到削峰填谷的作用,繼而提高分時電價環境下主電網運行的安全性和穩定性。
本發明為解決技術問題採用如下技術方案:
本發明一種基於需求響應的工業負荷優化調度建模方法,是應用於包含能量儲能單元、分布式發電單元和主電網構成的工業企業生產環境中,其特點包括以下步驟:
步驟一、根據工業負荷特性,將工業負荷分為可調度負荷和不可調度負荷;並將所述可調度負荷分為可轉移負荷和可控制負荷,所述可轉移負荷有開和關兩種運行點,所述可控制負荷有多種不同功率的運行點;
步驟二、對所述可調度負荷的運行過程進行建模,得到工業生產的儲存模型和電力需求量;對所述能量儲能單元進行建模,得到儲電量模型;對所述分布式發電單元進行建模,得到發電量;
步驟三、建立分時電價環境下所述工業負荷優化調度模型的目標函數;
步驟四、確定所述工業負荷優化調度模型的約束條件,並與所述目標函數構成基於需求響應的工業負荷優化調度模型。
本發明所述的基於需求響應的工業負荷優化調度建模方法的特點也在於,所述步驟二中的工業生產的儲存模型如式(1)所示:
式(1)中,t為時段編號,k為生產任務編號,s為工業產品的儲存編號;ss,t為第s個儲存編號的工業產品在第t個時段的儲存數量;ss,t-1為第s個儲存編號的工業產品在第t-1個時段的儲存數量;tp,s為所有生產第s個儲存編號的工業產品的生產任務集合,tc,s為所有消耗第s個儲存編號的工業產品的生產任務集合;ps,k,t為第k個編號的生產任務在第t個時段生產所述第s個儲存編號的工業產品的數量,並由式(2)獲得;cs,k,t為第k個編號的生產任務在第t個時段消耗所述第s個儲存編號的工業產品的數量,並由式(3)獲得:
式(2)中,pk,m,s為所述第k個編號的生產任務在第m個運行點運行時生產所述第s個儲存編號的工業產品的速率;zk,m,t為二進位變量,表示所述第k個編號的生產任務在第t個時段的第m個運行點的運行狀態;
式(3)中,ck,m,s為所述第k個編號的生產任務在第m個運行點運行時消耗所述第s個儲存編號的工業產品的速率;
所述步驟二中的電力需求量是由式(4)得到:
式(4)中,et為工業生產中第t個時段的電力需求量;ek,t為所述第k個編號的生產任務在第t個時段的耗電量,並由式(5)獲得:
式(5)中,ek,m為所述第k個編號的生產任務在第m個運行點運行時單位時間的耗電量;
所述步驟二中的能量儲能單元的儲電量模型為:
式(6)中,和分別為所述能量儲能單元在第t個時段結束時和第t-1個時段結束時的儲電量;和分別為所述能量儲能單元在第t時段內的充電量和放電量;ηch和ηdis分別為所述能量儲能單元的充電效率和放電效率;
所述步驟二中的發電量是利用式(7)得到:
式(7)中,eder,t為所述分布式發電單元在第t個時段的發電量;i為所述分布式發電單元中分布式電源的編號,n為所述分布式發電單元中分布式電源的總數;pi,t為第i個分布式電源在第t個時段的發電量。
所述步驟三中,基於需求響應的工業負荷優化調度模型的目標函數如式(8)所示:
式(8)中,c為所述工業負荷優化調度後的總成本;t為所述工業負荷優化調度在一個周期內的總時段數;ppt和pst分別為分時電價環境下第t個時段的購電價格和售電價格;ep,t和es,t分別為第t個時段的購電量和售電量;cder為所述分布式發電單元的電力生產成本,並由式(9)獲得:
式(9)中,pi,t為第i個分布式電源在第t個時段內的輸出功率;fi(pi,t)為第i個分布式電源在第t個時段內的燃料成本,並由式(10)獲得;omi(pi,t)為第i個分布式電源在第t個時段內的運行維護成本,並由式(11)獲得:
fi(pi,t)=ai+bipi,t+ci(pi,t)2(10)
式(10)中,ai,bi和ci為第i個分布式電源的燃料成本係數;
式(11)中,為第i個分布式電源的運行維護成本係數。
所述步驟四中,工業負荷優化調度模型的約束條件如式(12)-式(21)所示:
zch,t+zdis,t≤1(17)
pimin≤pi≤pimax(18)
|pi,t-pi,t-1|≤ri(19)
式(12)表示所述第s個儲存編號的工業產品的儲存容量約束,和分別為所述第s個儲存編號的工業產品的最小和最大儲存容量;
式(13)表示所述第k個編號的生產任務的運行點的約束,第k個編號的生產任務在第t個時段內只能在一種運行點上運行;
式(14)表示所述能量儲能單元的容量約束,0和分別為所述能量儲能單元的最小和最大儲存容量限制;
式(15)表示所述能量儲能單元的最大充電速率限制,為所述能量儲能單元的最大充電速率;zch,t為二進位變量,表示所述能量儲能單元在第t個時段是否充電;
式(16)表示所述能量儲能單元的最大放電速率限制,為所述能量儲能單元的最大放電速率;zdis,t為二進位變量,表示所述能量儲能單元在第t個時段是否放電;
式(17)表示所述能量儲能單元在第t個時段不能同時充電和放電約束;
式(18)表示所述第i個分布式電源自身發電能力的約束,pimax和pimin分別為所述第i個分布式電源的輸出功率的上限和下限;
式(19)表示所述第i個分布式電源的爬坡速率限制,pi,t-1為所述第i個分布式電源在第t-1個時段內的輸出功率;ri為所述第i個分布式電源的最大爬坡速率;
式(20)表示能量平衡約束;為工業企業與主電網在第t個時段的實際交互電量;
式(21)為工業企業與主電網間的傳輸容量約束;l1為工業企業向所述主電網輸送電力的功率下限,l2為所述主電網向工業企業輸送電力的功率上限。
與已有技術相比,本發明有益效果體現在:
1、本發明通過實施需求響應將峰時段的工業負荷向谷時段和平時段轉移,達到了削峰填谷的作用,提高了分時電價環境下主電網運行的安全性和穩定性,並降低了工業企業的用電成本。
2、本發明將能量儲能單元納入到調度模型中,考慮了能量儲能單元的儲電量模型,能量儲能單元通過谷時段充電和峰時段放電,使削峰填谷的效果更加顯著,並有助於降低工業企業的用電成本。
3、本發明考慮了分布式發電單元對工業負荷優化調度的影響,將分布式發電單元的發電成本納入到調度目標中,分布式發電單元能更靈活地為工業企業提供電能,這能進一步的減少工業企業的用電成本。
4、本發明考慮了工業生產中工業產品的儲存容量約束和生產任務的運行點約束,並將能量儲能單元和分布式發電單元的相關約束條件納入到調度模型中,使調度模型的約束條件更加完善,更符合實際情況。
附圖說明
圖1為本發明的整體結構圖;
圖2為本發明的粒子群算法流程圖。
具體實施方式
本實施例中,一種基於需求響應的工業負荷優化調度建模方法,如圖1所示,是應用於包含能量儲能單元、分布式發電單元和主電網構成的工業企業生產環境中,包括以下步驟:
步驟一、根據工業負荷特性,將工業負荷分為可調度負荷和不可調度負荷;並將可調度負荷分為可轉移負荷和可控制負荷,可轉移負荷有開和關兩種運行點,可控制負荷有多種不同功率的運行點;某汽車製造業的零部件生產系統中的生產任務和運行點如表一所示;其中零部件生產任務1為不可調度負荷;零部件生產任務2為可轉移負荷;零部件生產任務3為可調度負荷,有3種不同功率的運行點;
表一
步驟二、對可調度負荷的運行過程進行建模,得到工業生產的儲存模型和電力需求量;對能量儲能單元進行建模,得到儲電量模型;對分布式發電單元進行建模,得到發電量;
工業生產的儲存模型如式(1)所示:
式(1)中,t為時段編號,k為生產任務編號,s為工業產品的儲存編號;ss,t為第s個儲存編號的工業產品在第t個時段的儲存數量;ss,t-1為第s個儲存編號的工業產品在第t-1個時段的儲存數量;tp,s為所有生產第s個儲存編號的工業產品的生產任務集合,tc,s為所有消耗第s個儲存編號的工業產品的生產任務集合;ps,k,t為第k個編號的生產任務在第t個時段生產第s個儲存編號的工業產品的數量,並由式(2)獲得;cs,k,t為第k個編號的生產任務在第t個時段消耗第s個儲存編號的工業產品的數量,並由式(3)獲得:
式(2)中,pk,m,s為第k個編號的生產任務在第m個運行點運行時生產第s個儲存編號的工業產品的速率;zk,m,t為二進位變量,表示第k個編號的生產任務在第t個時段的第m個運行點的運行狀態;
式(3)中,ck,m,s為第k個編號的生產任務在第m個運行點運行時消耗第s個儲存編號的工業產品的速率;
工業生產的電力需求量是由式(4)得到:
式(4)中,et為工業生產中第t個時段的電力需求量;ek,t為第k個編號的生產任務在第t個時段的耗電量,並由式(5)獲得:
式(5)中,ek,m為第k個編號的生產任務在第m個運行點運行時單位時間的耗電量;
能量儲能單元的儲電量模型為:
式(6)中,和分別為能量儲能單元在第t個時段結束時和第t-1個時段結束時的儲電量;和分別為能量儲能單元在第t時段內的充電量和放電量;ηch和ηdis分別為能量儲能單元的充電效率和放電效率,充電效率和放電效率通常都取0.9;
分布式發電單元的發電量是利用式(7)得到:
式(7)中,eder,t為分布式發電單元在第t個時段的發電量;i為分布式發電單元中分布式電源的編號,n為分布式發電單元中分布式電源的總數;pi,t為第i個分布式電源在第t個時段的發電量。
步驟三、建立分時電價環境下工業負荷優化調度模型的目標函數;
基於需求響應的工業負荷優化調度模型的目標函數如式(8)所示:
式(8)中,c為工業負荷優化調度後的總成本;t為工業負荷優化調度在一個周期內的總時段數;ppt和pst分別為分時電價環境下第t個時段的購電價格和售電價格,某分時電價環境下的購售電價格如表二所示:
表二
ep,t和es,t分別為第t個時段的購電量和售電量;cder為分布式發電單元的電力生產成本,並由式(9)獲得:
式(9)中,pi,t為第i個分布式電源在第t個時段內的輸出功率;fi(pi,t)為第i個分布式電源在第t個時段內的燃料成本,並由式(10)獲得;omi(pi,t)為第i個分布式電源在第t個時段內的運行維護成本,並由式(11)獲得:
fi(pi,t)=ai+bipi,t+ci(pi,t)2(10)
式(10)中,ai,bi和ci為第i個分布式電源的燃料成本係數;
式(11)中,為第i個分布式電源的運行維護成本係數,表三為常見的分布式電源的運行維護成本係數。
表三
步驟四、確定工業負荷優化調度模型的約束條件,並與目標函數構成基於需求響應的工業負荷優化調度模型。
工業負荷優化調度模型的約束條件如式(12)-式(21)所示:
zch,t+zdis,t≤1(17)
pimin≤pi≤pimax(18)
|pi,t-pi,t-1|≤ri(19)
式(12)表示第s個儲存編號的工業產品的儲存容量約束,和分別為第s個儲存編號的工業產品的最小和最大儲存容量;
式(13)表示第k個編號的生產任務的運行點的約束,第k個編號的生產任務在第t個時段內只能在一種運行點上運行;
式(14)表示能量儲能單元的容量約束,0和分別為能量儲能單元的最小和最大儲存容量限制;
式(15)表示能量儲能單元的最大充電速率限制,為能量儲能單元的最大充電速率,zch,t為二進位變量,表示能量儲能單元在第t個時段是否充電;
式(16)表示能量儲能單元的最大放電速率限制,為能量儲能單元的最大放電速率,zdis,t為二進位變量,表示能量儲能單元在第t個時段是否放電;
式(17)表示能量儲能單元在第t個時段不能同時充電和放電約束;
式(18)表示第i個分布式電源自身發電能力的約束,pimax和pimin分別為第i個分布式電源的輸出功率的上限和下限;
式(19)表示第i個分布式電源的爬坡速率限制,pi,t-1為第i個分布式電源在第t-1個時段內的輸出功率;ri為第i個分布式電源的最大爬坡速率;
式(20)表示能量平衡約束;為工業企業與主電網在第t個時段的實際交互電量;
式(21)為工業企業與主電網間的傳輸容量約束;l1為工業企業向主電網輸送電力的功率下限,l2為主電網向工業企業輸送電力的功率上限。
步驟五、通過優化算法對工業負荷優化調度模型進行求解,獲得對可調度負荷的最優調度結果;本實施例採用粒子群優化算法,圖2為粒子群算法的求解流程圖;粒子群算法首先在可行解空間中初始化一群粒子,每個粒子都代表極值優化問題的一個潛在最優解,用位置、速度和適應度值三項指標表示該粒子的特徵,適應度值由適應度函數計算得到,其值的好壞表示粒子的優劣。粒子在解空間中運行,通過跟蹤個體極值和群體極值更新個體位置。個體極值是指個體粒子搜索到的適應度值最優位置,群體極值是指種群中的所有粒子搜索到的適應度最優位置。粒子每更新一次位置,就計算一次適應度值,並且通過比較新的適應度值和個體極值、群體極值的適應度值更新個體極值和群體極值的位置。