一种含储能园区的电力需求响应优化方法与流程

1.本发明涉及电力系统技术领域，尤其涉及一种含储能园区的电力需求响应优化方法。


背景技术：

2.新型电力系统的建设成为电力工业发展的主要目标，它不仅包括新能源发电容量的增加，也包括对于新能源发电系统的消纳能力，通过电力需求响应，挖掘需求侧资源也成为建设新型电力系统的必然要求。
3.目前，大部分园区采用人工手动的方式进行电力需求响应，需要较高的专业化知识和经验，存在着生产安全等方面的风险。因此，研究含储能园区响应电力需求响应的优化方法，对于提升园区实时参与电力系统运行能力，实现需求响应资源的自动调用具有重要意义。


技术实现要素：

4.有鉴于此，本发明旨在提供一种含储能园区的电力需求响应优化方法，用以解决含储能园区即能满足需求响应指令，又能降低园区用能成本的优化运行问题。
5.为实现上述目的，本发明实施例提供了如下的技术方案：
6.第一方面，在本发明提供的一个实施例中，提供了一种含储能园区的电力需求响应优化方法，该方法包括以下步骤：
7.根据工业园区的电池储能数和中央空调数建立设备模型，其中，所述设备模型包括所述电池储能数对应的储能模型和所述中央空调数对应的空调模型；
8.建立需求响应模型，其中，所述需求响应模型用于满足需求响应指令，并降低园区用能成本的优化运行；
9.基于电池储能数和中央空调数确定优化变量数量，根据优化变量以及输入常量对需求响应模型求解，通过所述需求响应模型优化后可得优化变量的最优值，重新计算园区日内用能成本。
10.作为本发明的进一步方案，所述储能模型中电池储能的电量与电池储能的充放电功率的关系为：
[0011][0012]
式中，t为时段；t为单个时段的长度，单位为小时；s
bs,j,t
为第j个电池储能在时段t结束时的电量；s
bs,j,t+1
为第j个电池储能在时段t+1时段的电量；p
bs,c,j,t
和p
bs,o,j,t
分别为第j个电池储能在时段t的充电功率和放电功率；σ
bs
为电池储能的自损耗系数；η
bs,c
和η
bs,o
分别为电池储能的充电效率和放电效率。
[0013]
作为本发明的进一步方案，所述储能模型中电池储能运行约束包括充放电功率上下限约束；
[0014]
其中，第j个电池储能在时段t的充电功率p
bs,c,j,t
的运行约束为：
[0015]
0≤p
bs,c,j,t
≤p
bs,c,j,max
[0016]
其中，第j个电池储能在时段t的放电功率p
bs,o,j,t
的运行约束为：
[0017]
0≤p
bs,o,j,t
≤p
bs,o,j,max
[0018]
式中，p
bs,c,j,max
和p
bs,o,j,max
分别为第j台储能设备的最大充电功率和放电功率。
[0019]
作为本发明的进一步方案，所述储能模型中，第j个电池储能在时段t结束时的电量s
bs,j,t
的储能量约束为：
[0020]sbs,j,min
≤s
bs,j,t
≤s
bs,j,max
[0021]
式中：s
bs,j,max
和s
bs,j,min
分别为储能的最高和最低电量。
[0022]
作为本发明的进一步方案，所述储能模型中，储能运行一天后电量回到初始状态的约束，即：s
bs,j,95
＝s
bs,j,0
，其中，t为时段，一天取96个时段，t为单个时段的长度，单位为小时，一天时段数为96时，则t＝1/4小时。
[0023]
作为本发明的进一步方案，所述空调模型中，中央空调为工业园区工厂中的电制冷设备，中央空调的消耗电功率和制冷功率关系为：
[0024]qac,j,t
＝c
op,ac,j
p
ac,j,t
[0025]
式中：q
ac,j,t
和p
ac,j,t
分别为第j台中央空调的制冷功率和耗电功率；c
op,ac,j
为中央空调的能效比；
[0026]
其中，空调耗电功率p
ac,j,t
的上下限约束为：
[0027]
0≤p
ac,j,t
≤p
ac,j,max
[0028]
式中：p
ac,j,max
为第j台空调的额定电功率。
[0029]
作为本发明的进一步方案，需求响应模型对园区需求响应优化的目标对应的目标函数为：
[0030][0031]
式中：c
e,t
为时段t的电价；p
t
为园区在时段t的关口电功率；n为一天的时段数；t
s1
和t
s2
分别为需求响应起始时段和结束时段；p
p,t
为不考虑需求响应时园区的计划关口功率；δp
t
为时段t的园区功率削减指令值；ω1和ω2为权重系数，满足ω1＞＞ω2；tc为日内优化的开始时段。
[0032]
作为本发明的进一步方案，需求响应模型的约束条件包括电功率平衡约束、冷功率平衡约束以及需求响应量不超过指令量的约束，其中，所述电功率平衡约束为：
[0033][0034]
式中：p
t
为园区在时段t的关口电功率；p
pv,t
为光伏出力预测值；p
l,t
为园区电负荷预测值；p
ac,j,t
为第j台中央空调的耗电功率；p
bs,c,j,t
为第j个电池储能在时段t的充电功率；p
pbs,o,j,t
为第j个电池储能在时段t的放电功率。
[0035]
其中，所述冷功率平衡约束为：
[0036][0037]
式中：q
l,t
为园区冷负荷预测值；q
ac,j,t
为第j台中央空调的制冷功率；
[0038]
其中，需求响应量不超过指令量的约束，即：
[0039]
p
t-(p
p,t-δp
t
)≥0,t＝t
s1
,
…
,t
s2
。
[0040]
作为本发明的进一步方案，对需求响应模型求解，优化后的目标函数为：
[0041][0042]
作为本发明的进一步方案，对需求响应模型求解时，约束条件包括储能量约束、电功率平衡约束、冷功率平衡约束以及需求响应量不超过指令量的约束；
[0043]
所述储能量约束为：
[0044]sbs,j,min
≤s
bs,j,t
≤s
bs,j,max
[0045]
储能运行一天后电量回到初始状态的约束:s
bs,j,95
＝s
bs,j,0
；
[0046]
其中,s
bs,j,tc
为已知量，储能量s
bs,j,t
从t＝tc到t＝95，按照下式进行迭代表示:
[0047][0048]
所述电功率平衡约束为：
[0049][0050]
所述冷功率平衡约束为：
[0051][0052]
所述需求响应量不超过指令量的约束为：
[0053]
p
t-(p
p,t-δp
t
)≥0,t＝t
s1
,
…
,t
s2
。
[0054]
作为本发明的进一步方案，通过所述需求响应模型优化后可得优化变量的最优值，重新计算园区日内用能成本，其中，计算园区日内用能成本的公式如下：
[0055][0056]
式中，c
e,t
为时段t的电价；p
t
为园区在时段t的关口电功率；t为单个时段的长度，单位为小时；n为一天的时段数。
[0057]
本发明提供的技术方案，具有如下有益效果：
[0058]
本发明提供的一种含储能园区的电力需求响应优化方法，根据工业园区的电池储能数和中央空调数建立设备模型，其中，所述设备模型包括所述电池储能数对应的储能模型和所述中央空调数对应的空调模型；建立需求响应模型，其中，所述需求响应模型用于满足需求响应指令，并降低园区用能成本的优化运行；基于电池储能数和中央空调数确定优化变量数量，根据优化变量以及输入常量对需求响应模型求解，通过所述需求响应模型优化后可得优化变量的最优值，重新计算园区日内用能成本。本发明的含储能园区的电力需求响应优化方法有利于提升园区实时参与电力系统运行能力，利于实现需求响应资源的自动调用，解决了含储能园区即能满足需求响应指令，又能降低园区用能成本的优化运行问题。
[0059]
本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
[0060]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例。在附图中：
[0061]
图1为本发明的一种含储能园区的电力需求响应优化方法的流程图。
[0062]
图2为本发明的一种含储能园区的电力需求响应优化方法中储能功率曲线对应的储能评估图。
具体实施方式
[0063]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0064]
下面将结合本发明示例性实施例中的附图，对本发明示例性实施例中的技术方案进行清楚、完整地描述，显然，所描述的示例性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，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0065]
目前，大部分园区采用人工手动的方式进行电力需求响应，需要较高的专业化知识和经验，存在着生产安全等方面的风险。因此，提出一种含储能园区的电力需求响应优化方法，用以解决含储能园区即能满足需求响应指令，又能降低园区用能成本的优化运行问题。
[0066]
具体地，下面结合附图，对本发明实施例作进一步阐述。
[0067]
参见图1所示，本发明的一个实施例提供一种含储能园区的电力需求响应优化方法，该方法包括以下步骤：
[0068]
s10、根据工业园区的电池储能数和中央空调数建立设备模型，其中，所述设备模型包括所述电池储能数对应的储能模型和所述中央空调数对应的空调模型；
[0069]
s20、建立需求响应模型，其中，所述需求响应模型用于满足需求响应指令，并降低园区用能成本的优化运行；
[0070]
s30、基于电池储能数和中央空调数确定优化变量数量，根据优化变量以及输入常量对需求响应模型求解，通过所述需求响应模型优化后可得优化变量的最优值，重新计算园区日内用能成本。
[0071]
在本实施例中，在建立设备模型阶段，建立的储能模型中，电池储能的电量与电池储能的充放电功率的关系为：
[0072][0073]
式中，t为时段，一天可取96个时段；t为单个时段的长度，单位为小时，若一天时段数为96，则t＝1/4；s
bs,j,
t为第j个电池储能在时段t结束时的电量；s
bs,j,
t
+1
为第j个电池储能在时段t+1时段的电量；p
bs,c,j,
t和p
bs,o,j,
t分别为第j个电池储能在时段t的充电功率和放电功率；σ
bs
为电池储能的自损耗系数；η
bs,
c和η
bs,o
分别为电池储能的充电效率和放电效率，其中，含储能园区的电力需求响应优化方法中储能功率曲线对应的储能评估图如图2所
示。
[0074]
其中，电池储能运行约束包括充放电功率上下限约束：
[0075]
(1)第j个电池储能在时段t的充电功率p
bs,c,j,t
的运行约束为：
[0076]
0≤p
bs,c,j,t
≤p
bs,c,j,max
[0077]
(2)第j个电池储能在时段t的放电功率p
bs,o,j,t
的运行约束为：
[0078]
0≤p
bs,o,j,t
≤p
bs,o,j,max
[0079]
式中，p
bs,c,j,max
和p
bs,o,j,max
分别为第j台储能设备的最大充电功率和放电功率。
[0080]
在本实施例中，所述储能模型中，第j个电池储能在时段t结束时的电量s
bs,j,t
的储能量约束为：
[0081]sbs,j,min
≤s
bs,j,t
≤s
bs,j,max
[0082]
式中：s
bs,j,max
和s
bs,j,min
分别为储能的最高和最低电量。
[0083]
储能运行一天后电量回到初始状态的约束。
[0084]
所述储能模型中，储能运行一天后电量回到初始状态的约束，即：s
bs,j,95
＝s
bs,j,0
，其中，t为时段，一天取96个时段，t为单个时段的长度，单位为小时，一天时段数为96时，则t＝1/4小时。
[0085]
在本实施例中，在建立设备模型阶段，建立的空调模型中，中央空调是工厂中常用的电制冷设备，其消耗电功率和制冷功率关系如下：
[0086]qac,j,t
＝c
op,ac,j
p
ac,j,t
[0087]
式中：q
ac,j,t
和p
ac,j,t
分别为第j台中央空调的制冷功率和耗电功率；c
op,ac,j
为中央空调的能效比；
[0088]
其中，空调耗电功率p
ac,j,t
的上下限约束为：
[0089]
0≤p
ac,j,t
≤p
ac,j,max
[0090]
式中：p
ac,j,max
为第j台空调的额定电功率。
[0091]
在本实施例中，建立需求响应模型后，需求响应模型的优化目标，即：园区需求响应优化的目标为尽可能满足需求响应指令，同时兼顾降低园区用能成本的优化运行。需求响应模型对园区需求响应优化的目标对应的目标函数为：
[0092][0093]
式中：c
e,t
为时段t的电价；p
t
为园区在时段t的关口电功率；n为一天的时段数，可取96；t
s1
和t
s2
分别为需求响应起始时段和结束时段；p
p,t
为不考虑需求响应时园区的计划关口功率；δp
t
为时段t的园区功率削减指令值；ω1和ω2为权重系数，满足ω1＞＞ω2；tc为日内优化的开始时段。
[0094]
在本实施例中，优化模型的约束条件包括冷、热、电约束、设备物理约束、需求响应约束。需求响应模型的约束条件包括电功率平衡约束、冷功率平衡约束以及需求响应量不超过指令量的约束；
[0095]
其中，所述电功率平衡约束为：
[0096][0097]
式中：p
t
为园区在时段t的关口电功率；p
pv,t
为光伏出力预测值；p
l,t
为园区电负荷
预测值；p
ac,j,t
为第j台中央空调的耗电功率；p
bs,c,j,t
为第j个电池储能在时段t的充电功率；p
pbs,o,j,t
为第j个电池储能在时段t的放电功率。
[0098]
其中，所述冷功率平衡约束为：
[0099][0100]
式中：q
l,t
为园区冷负荷预测值；q
ac,j,t
为第j台中央空调的制冷功率。
[0101]
其中，需求响应量不超过指令量的约束，即：
[0102]
p
t-(p
p,t-δp
t
)≥0,t＝t
s1
,
…
,t
s2
。
[0103]
在本实施例中，对需求响应模型求解时，优化变量包括：
[0104]
p
bs,c,j,t
：第j个电池储能在时段t的充电功率，单位kw。
[0105]
p
bs,o,j,t
：第j个电池储能在时段t的放电功率，单位kw。
[0106]
p
ac,j,t
：第j台中央空调和耗电功率，单位kw。
[0107]
p
t
：园区在时段t的关口电功率，单位kw。
[0108]
优化变量数量＝一天剩余的时段数
×
(2
×
电池储能数+中央空调数+2)变量上下限：
[0109]
0≤p
bs,c,j,t
≤p
bs,c,j,max
[0110]
0≤p
bs,o,j,t
≤p
bs,o,j,max
[0111]
0≤p
ac,j,t
≤p
ac,j,max
[0112]-10
10
≤p
t
≤10
10
[0113]
对需求响应模型求解时，输入的常量包括：
[0114]
tc：日内优化的开始时段。
[0115]
n：一天的时段数，可取96。
[0116]
t：单个时段的长度，单位为小时，若一天时段数为96，则t＝1/4。
[0117]
σ
bs
：电池储能的自损耗系数，一般很小，若铭牌没有该参数可取为0。η
bs,c
：电池储能的充电效率。
[0118]
η
bs，o
：电池储能的放电效率。
[0119]
p
bs,c,j,max
：第j台储能设备的最大充电功率。
[0120]
p
bs,o,j,max
：第j台储能设备的最大放电功率。
[0121]sbs,j,max
：储能的最高电量。
[0122]sbs,j,min
：储能的最低电量。
[0123]sbs,j,0
：储能在一天初始时刻的电量。
[0124]sbs,j,tc
：储能在日内优化开始时刻的电量。
[0125]cop,ac,j
：中央空调的能效比。
[0126]
p
ac,j,max
：第j台空调的额定电功率。
[0127]ce,t
：时段t的电价。
[0128]
p
pv,t
：时段t的光伏出力预测值。
[0129]
p
l,t
：时段t的园区电负荷预测值。
[0130]ql,t
：时段t的园区冷负荷预测值。
[0131]
t
s1
：需求响应起始时段。
[0132]
t
s2
：需求响应结束时段。
[0133]
p
p,t
：不考虑需求响应时园区的计划关口功率，由日内自趋优结果得到。
[0134]
δp
t
：时段t的园区功率削减指令值。
[0135]
ω1：权重系数，可取1。
[0136]
ω2：权重系数，可取10-4
。
[0137]
在本实施例中，优化后的目标函数为：
[0138][0139]
上式在原目标函数中加了一个数值上很小的项，作用是避免储能同时充放电和优化结果中储能功率波动。
[0140]
在本实施例中，对需求响应模型求解时，约束条件包括储能量约束、电功率平衡约束、冷功率平衡约束以及需求响应量不超过指令量的约束：
[0141]
所述储能量约束为：
[0142]sbs,j,min
≤s
bs,j,t
≤s
bs,j,max
[0143]
储能运行一天后电量回到初始状态的约束:s
bs,j,95
＝s
bs,j,0
；
[0144]
其中,s
bs,j,tc
为已知量，储能量s
bs,j,t
从t＝tc到t＝95，按照下式进行迭代表示:
[0145][0146]
所述电功率平衡约束为：
[0147][0148]
所述冷功率平衡约束为：
[0149][0150]
所述需求响应量不超过指令量的约束为：
[0151]
p
t-(p
p,t-δp
t
)≥0,t＝t
s1
,
…
,t
s2
。
[0152]
最终，优化结果为通过优化后可得各优化变量的最优值，再按下式重新计算园区日内用能成本，其中，计算园区日内用能成本的公式如下：
[0153][0154]
式中，c
e,t
为时段t的电价；p
t
为园区在时段t的关口电功率；t为单个时段的长度，单位为小时；n为一天的时段数。
[0155]
本发明的一种含储能园区的电力需求响应优化方法，根据工业园区的电池储能数和中央空调数建立设备模型，其中，所述设备模型包括所述电池储能数对应的储能模型和所述中央空调数对应的空调模型；建立需求响应模型，其中，所述需求响应模型用于满足需求响应指令，并降低园区用能成本的优化运行；基于电池储能数和中央空调数确定优化变量数量，根据优化变量以及输入常量对需求响应模型求解，通过所述需求响应模型优化后可得优化变量的最优值，重新计算园区日内用能成本。本发明的含储能园区的电力需求响应优化方法有利于提升园区实时参与电力系统运行能力，利于实现需求响应资源的自动调
用，解决了含储能园区即能满足需求响应指令，又能降低园区用能成本的优化运行问题。
[0156]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种含储能园区的电力需求响应优化方法，其特征在于，该方法包括以下步骤：根据工业园区的电池储能数和中央空调数建立设备模型，其中，所述设备模型包括所述电池储能数对应的储能模型和所述中央空调数对应的空调模型；建立需求响应模型，其中，所述需求响应模型用于满足需求响应指令，并降低园区用能成本的优化运行；基于电池储能数和中央空调数确定优化变量数量，根据优化变量以及输入常量对需求响应模型求解，通过所述需求响应模型优化后可得优化变量的最优值，重新计算园区日内用能成本。2.如权利要求1所述的含储能园区的电力需求响应优化方法，其特征在于，所述储能模型中电池储能的电量与电池储能的充放电功率的关系为：式中，t为时段；t为单个时段的长度，单位为小时；s
bs，j，t
为第j个电池储能在时段t结束时的电量；s
bs，j，t+1
为第j个电池储能在时段t+1时段的电量；p
bs，c，j，t
和p
bs，o，j，t
分别为第j个电池储能在时段t的充电功率和放电功率；σ
bs
为电池储能的自损耗系数；η
bs，c
和η
bs，o
分别为电池储能的充电效率和放电效率。3.如权利要求2所述的含储能园区的电力需求响应优化方法，其特征在于，所述储能模型中电池储能运行约束包括充放电功率上下限约束；其中，第j个电池储能在时段t的充电功率p
bs，c，j，t
的运行约束为：0≤p
bs，c，j，t
≤p
bs，c，j，max
其中，第j个电池储能在时段t的放电功率p
bs，o，j，t
的运行约束为：0≤p
bs，o，j，t
≤p
bs，o，j，max
式中，p
bs，o，j，max
和p
bs，o，j，max
分别为第j台储能设备的最大充电功率和放电功。4.如权利要求3所述的含储能园区的电力需求响应优化方法，其特征在于，所述储能模型中，第j个电池储能在时段t结束时的电量s
bs,j,t
的储能量约束为：s
bs,j,min
≤s
bs,j,t
≤s
bs,j,max
式中：s
bs,j,max
和s
bs,j,min
分别为储能的最高和最低电量。5.如权利要求4所述的含储能园区的电力需求响应优化方法，其特征在于，所述储能模型中，储能运行一天后电量回到初始状态的约束，即：s
bs,j,95
＝s
bs,j,0
，其中，t为时段，一天取96个时段，t为单个时段的长度，单位为小时，一天时段数为96时，则t＝1/4小时。6.如权利要求5所述的含储能园区的电力需求响应优化方法，其特征在于，所述空调模型中，中央空调为工业园区工厂中的电制冷设备，中央空调的消耗电功率和制冷功率关系为：q
ac,j,t
＝c
op,ac,j
p
ac,j,t
式中：q
ac,j,t
和p
ac,j,t
分别为第j台中央空调的制冷功率和耗电功率；c
op,ac,j
为中央空调的能效比；其中，空调耗电功率p
ac,j,t
的上下限约束为：0≤p
ac,j,t
≤p
ac,j,max
式中：p
ac,j,max
为第j台空调的额定电功率。7.如权利要求6所述的含储能园区的电力需求响应优化方法，其特征在于，需求响应模型对园区需求响应优化的目标对应的目标函数为：式中：c
e,t
为时段t的电价；p
t
为园区在时段t的关口电功率；n为一天的时段数；t
s1
和t
s2
分别为需求响应起始时段和结束时段；p
p,t
为不考虑需求响应时园区的计划关口功率；δp
t
为时段t的园区功率削减指令值；ω1和ω2为权重系数，满足ω1＞＞ω2；t
c
为日内优化的开始时段。8.如权利要求7所述的含储能园区的电力需求响应优化方法，其特征在于，需求响应模型的约束条件包括电功率平衡约束、冷功率平衡约束以及需求响应量不超过指令量的约束；其中，所述电功率平衡约束为：式中：p
t
为园区在时段t的关口电功率；p
pv,t
为光伏出力预测值；p
l,t
为园区电负荷预测值；p
ac,j,t
为第j台中央空调的耗电功率；p
bs,c,j,t
为第j个电池储能在时段t的充电功率；
bs,o,j,t
为第j个电池储能在时段t的放电功率；其中，所述冷功率平衡约束为：式中：q
l,t
为园区冷负荷预测值；q
ac,j,t
为第j台中央空调的制冷功率；其中，需求响应量不超过指令量的约束，即：p
t-(p
p,t-δp
t
)≥0,t＝t
s1
,
…
,t
s2
。9.如权利要求8所述的含储能园区的电力需求响应优化方法，其特征在于，对需求响应模型求解，优化后的目标函数为：10.如权利要求9所述的含储能园区的电力需求响应优化方法，其特征在于，通过所述需求响应模型优化后可得优化变量的最优值，重新计算园区日内用能成本，其中，计算园区日内用能成本的公式如下：式中，c
e,t
为时段t的电价；p
t
为园区在时段t的关口电功率；t为单个时段的长度，单位为小时；n为一天的时段数。

技术总结
本发明涉及电力系统技术领域，具体涉及一种含储能园区的电力需求响应优化方法。该方法根据工业园区的电池储能数和中央空调数建立设备模型，其中，所述设备模型包括所述电池储能数对应的储能模型和所述中央空调数对应的空调模型；建立需求响应模型，其中，所述需求响应模型用于满足需求响应指令，并降低园区用能成本的优化运行；基于电池储能数和中央空调数确定优化变量数量，根据优化变量以及输入常量对需求响应模型求解，通过所述需求响应模型优化后可得优化变量的最优值，重新计算园区日内用能成本。本发明解决了含储能园区即能满足需求响应指令，又能降低园区用能成本的优化运行问题。问题。问题。


技术研发人员：林云峰 郑妙洁 孙杰 刘子良 任永伟 王宝东 柳水莲
受保护的技术使用者：广州东方电科自动化有限公司
技术研发日：2023.03.02
技术公布日：2023/7/19