基于需求响应和多能互补的冷热电联产微网优化调度

doi:10.3969/j.issn.1000-7229.2019.09.008

摘要/Abstract

摘要： 兼顾电源侧多能互补与负荷侧需求响应（demand response，DR）是提升源荷侧协调发电能力的重要手段，可以促进电力削峰填谷，提高经济效益。针对冷、热、电负荷需求的随机性和不匹配性，考虑到人体对温度有一定的适应能力，文章将风、光发电机组与燃气轮机冷热电联产（combined cooling， heating and power，CCHP）系统结合，提出了一种基于综合需求响应的源荷协调CCHP微网，同时采用典型场景集考虑新能源出力的不确定性，建立优化调度模型。该模型以最小化系统经济成本为目标，利用免疫遗传算法求解，探讨了系统经济调度成本与不同需求响应模式以及温度偏差的关系，并对系统是否引入电加热设备进行讨论。算例分析表明，基于需求响应和多能互补的CCHP微网优化调度方法，能有效降低综合运行成本，具有显著的经济及社会价值。

关键词: 冷热电联产（CCHP）, 需求响应（DR）, 经济优化调度模型, 免疫遗传算法, 舒适度, 多场景

Abstract: Taking into account the multi-complementary power supply side and the load-side demand response （DR） is an important means to improve the coordination power generation capacity of the source and the load side， and can promote peak-shaving and valley-filling and increase economic benefits. In view of the problems of the randomness and mismatch of cooling， heating and power load， considering that human has certain adaptability to the temperature， this paper combines photovoltaic， wind power and gas turbine combined cooling heating and power （CCHP）， and proposes a source-load coordinated CCHP microgrid based on DR. Under the typical scene， considering the uncertainty of new energy output， an optimal scheduling model is established. The model aims to minimize the economic cost， and is solved by immune genetic algorithm. The relationship between dispatching cost and different DR modes， temperature deviation is discussed， and whether the system introduces electric heating equipment is discussed. The analysis of the example shows that the optimal scheduling method based on DR and multi-energy coordination for CCHP microgrid can effectively reduce cost and has significant economic and social value.

Key words: combined cooling, heating and power（CCHP）, demand response（DR）, economic optimal scheduling model, immune genetic algorithm, comfort degree, multiple scenes

中图分类号:

TM 73

袁桂丽，董金凤，魏更，贾新潮. 基于需求响应和多能互补的冷热电联产微网优化调度[J]. 电力建设, 2019, 40(9): 64-72.

YUAN Guili， DONG Jinfeng， WEI Geng， JIA Xinchao. Optimal Scheduling of Combined Cooling Heating and Power Microgrid Based on Demand Response and Multi-Energy Coordination[J]. Electric Power Construction, 2019, 40(9): 64-72.

参考文献

［1］GU W， LU S， WU Z， et al. Residential CCHP microgrid with load aggregator： Operation mode， pricing strategy， and optimal dispatch［J］. Applied Energy， 2017， 205： 173-186.
［2］王益民. 全球能源互联网理念及前景展望［J］. 中国电力， 2016， 49（3）： 1-5， 11.
WANG Yimin. Concept and prospect of global energy interconnection［J］. Electric Power， 2016， 49（3）： 1-5， 11.
［3］GU W， WU Z， BO R， et al.Modeling， planning and optimal energy management of combined cooling， heating and power microgrid： A review［J］. International Journal of Electrical Power & Energy Systems， 2014， 54： 26-37.
［4］CHO H， SMITH A D， MAGO P. Combined cooling， heating and power： A review of performance improvement andoptimization［J］. Applied Energy， 2014， 136： 168-185.
［5］LIU M X， SHI Y， FANG F. Combined cooling， heating and power systems： A survey［J］. Renewable and Sustainable Energy Reviews， 2014， 35： 1-22.
［6］段绍辉，汪伟，刘中胜，等. 含光伏的冷热电联供微网系统优化调度方案［J］. 电力系统及其自动化学报， 2013， 25（4）： 150-155.
DUAN Shaohui， WANG Wei， LIU Zhongsheng， et al. Research on optimal scheduling of combined cooling heating and power with photovoltaic power generation［J］. Proceedings of the CSU-EPSA， 2013， 25（4）： 150-155.
［7］邓剑波，马瑞，胡振文，等. 基于改进粒子群算法的冷热电联供微网优化调度［J］. 电力科学与技术学报， 2018， 33（2）： 35-42.
DENG Jianbo， MA Rui， HU Zhenwen， et al. Optimal scheduling of micro grid with CCHP systems based on improved particle swarm optimization algorithm［J］. Journal of Electric Power Science and Technology， 2018， 33（2）： 35-42.
［8］孟安波，林艺城，殷豪. 计及不确定性因素的家庭并网风-光-蓄协同经济调度优化方法［J］. 电网技术， 2018， 42（1）： 162-173.
MENG Anbo， LIN Yicheng， YIN Hao. Synergetic scheduling optimization method of grid-connected home wind-solar-storage system considering uncertainty factors［J］. Power System Technology， 2018， 42（1）： 162-173.
［9］李志伟，孙彩云，徐咏冬，等. 风蓄协同优化运行建模与仿真分析［J］. 电气自动化， 2018， 40（2）： 40-42， 81.
LI Zhiwei， SUN Caiyun， XU Yongdong， et al. Modeling and simulation analysis of coordinated optimal operation of wind power and pumped storage［J］. Electrical Automation， 2018， 40（2）： 40-42， 81.
［10］马燕峰，范振亚，刘伟东，等. 考虑碳权交易和风荷预测误差随机性的环境经济调度［J］. 电网技术， 2016， 40（2）： 412-418.
MA Yanfeng， FAN Zhenya， LIU Weidong， et al. Environmental and economic dispatch considering carbon trading credit and randomicity of wind power and load forecast error［J］. Power System Technology， 2016， 40（2）： 412-418.
［11］刘小平，丁明，张颖媛，等. 微网系统的动态经济调度［J］. 中国电机工程学报， 2011， 31（31）： 77-84.
LIU Xiaoping， DING Ming， ZHANG Yingyuan， et al. Dynamic economic dispatch for microgrids［J］. Proceedings of the CSEE， 2011， 31（31）： 77-84.
［12］NWULU N I， XIA X H. Optimal dispatch for a microgrid incorporating renewables and demand response［J］. Renewable Energy， 2017， 101： 16-28.
［13］JIN M， FENG W， LIU P， et al. MOD-DR：Microgrid optimal dispatch with demand response［J］. Applied Energy， 2017， 187： 758-776.
［14］符杨，蒋一鎏，李振坤，等. 计及可平移负荷的微网经济优化调度［J］. 中国电机工程学报， 2014， 34（16）： 2612-2620.
FU Yang， JIANG Yiliu， LI Zhenkun， et al. Optimal economic dispatch for microgrid considering shiftable loads［J］. Proceedings of the CSEE， 2014， 34（16）： 2612-2620.
［15］杨薇. 夏热冬冷地区住宅夏季热舒适状况以及适应性研究［D］. 长沙：湖南大学， 2007.
YANG Wei. The investigation of thermal comfort and thermal adaptation in residential buildings during the summer season of hot summer/cold winter region［D］. Changsha： Hunan University， 2007.
［16］董京营，周博，刘晋源，等. 考虑用户舒适度的虚拟电厂热电联合调度模型［J］. 电力建设， 2019， 40（1）： 19-26.
DONG Jingying， ZHOU Bo， LIU Jinyuan， et al. Heat and power scheduling of a virtual power plant considering comfort level of customers［J］. Electric Power Construction， 2019， 40（1）： 19-26.
［17］郭尊，李庚银，周明，等. 计及综合需求响应的商业园区能量枢纽优化运行［J］. 电网技术， 2018， 42（8）： 2439-2448.
GUO Zun， LI Gengyin， ZHOU Ming， et al. Optimal operation of energy hub in business park considering integrated demand response［J］. Power System Technology， 2018， 42（8）： 2439-2448.
［18］YU H， CHUNG C Y， WONG K P， et al. Probabilistic load flow evaluation with hybrid Latin hypercube sampling andcholesky decomposition［J］. IEEE Transactions on Power Systems， 2009， 24（2）： 661-667.
［19］中国建筑科学研究院. 民用建筑供暖通风与空气调节设计规范：GB 50736-2012［S］. 北京：中国建筑工业出版社， 2012.
［20］石可颂. 冷热电联供系统控制策略与优化调度研究［D］. 济南：山东大学， 2015.
SHI Kesong. Research on control strategy and optimal scheduling of CCHP system［D］. Jinan： Shandong University， 2015.
［21］毛晓明，陈深，吴杰康，等. 分时电价机制下含蓄电池微网的优化调度［J］. 电网技术， 2015， 39（5）： 1192-1197.
MAO Xiaoming， CHEN Shen， WU Jiekang， et al. Optimal dispatching of microgrid containing battery under time-of-use price mechanism［J］. Power System Technology， 2015， 39（5）： 1192-1197.
［22］YUAN G L， XUE Y G， LIU J Z， et al. The design of adaptive immune genetic algorithm based on vector distance［C］//2011 Chinese Control and Decision Conference （CCDC）.Mianyang： IEEE， 2011.

[1]	李鹏，杨莘博，李慧璇，田春筝，李锰，谭忠富. 计及多能源多需求响应手段的园区综合能源系统优化调度模型[J]. 电力建设, 2020, 41(5): 45-57.
[2]	程江洲，谢诗雨，张赟宁，王劲峰，熊双菊. 预算限制下考虑综合舒适度的智能用电优化模型[J]. 电力建设, 2020, 41(1): 88-96.
[3]	张金华，田少美，张桂婷，张强，刘海，张保健，刘玉龙. 基于用户需求精确建模的乡村清洁供能系统可靠性评估[J]. 电力建设, 2019, 40(8): 93-102.
[4]	孙充勃，宋毅，蔡超，原凯，杨雄. 考虑多场景需求的配电网分布式储能多目标优化配置方法[J]. 电力建设, 2019, 40(7): 48-56.
[5]	宋杰，陈振宇，杨阳，张凯恒，张卫国，朱庆，徐青山. 考虑资源相关性和不确定性的负荷需求响应决策研究[J]. 电力建设, 2019, 40(6): 132-138.
[6]	潘益，郑建勇，韩文军，张苏，马天. 考虑特高压直流馈入的受端输电网架优化方法[J]. 电力建设, 2019, 40(4): 1-8.
[7]	李凌昊，邱晓燕，张楷，刘梦依，赵长枢. 考虑多负荷聚集商参与的系统日前-日内分层优化调度策略[J]. 电力建设, 2019, 40(12): 70-79.
[8]	董军，聂麟鹏，聂仕麟，杨培文，付安媛，黄辉. 考虑需求响应与风电不确定性的两阶段鲁棒旋转备用容量优化模型[J]. 电力建设, 2019, 40(11): 55-64.
[9]	林鸿基，闫园，文福拴，胡嘉骅，曲昊源，赵铮. 高比例可再生能源电力系统中计及灵活调节产品的实时调度[J]. 电力建设, 2019, 40(10): 18-27.
[10]	董京营，周博，刘晋源，高红均，石玉东，刘俊勇，吕林. 考虑用户舒适度的虚拟电厂热电联合调度模型[J]. 电力建设, 2019, 40(1): 19-26.
[11]	黄海涛，王岱锋，朱丰泽，王俊伟. 考虑热舒适度的变频空调响应调控策略[J]. 电力建设, 2018, 39(9): 9-17.
[12]	张晴晴，吴倩，李盛伟，白星振. 计及不同需求响应群体的新能源并网系统优化调度[J]. 电力建设, 2018, 39(7): 107-114.
[13]	帅航，艾小猛，仉梦林，杨立滨，李湃，乐零陵，方家琨，文劲宇. 需求响应下基于近似动态规划的气电联合系统经济调度[J]. 电力建设, 2018, 39(11): 1-9.
[14]	黄海涛，朱丰泽，李小玉，王燕，赵文会. 负荷聚合商的多家庭用电能量控制与管理策略 [J]. 电力建设, 2018, 39(1): 54-.
[15]	王哲，杨鹏，刘思源，储真荣，艾芊. 考虑需求响应和多能互补的虚拟电厂协调优化策略[J]. 电力建设, 2017, 38(9): 60-.