012文章解读与程序——电力系统保护与控制EI\CSCD\北大核心《基于多能互补的热电联供型微网优化运行》已提供下载资源
发布时间：2024年01月07日
👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆下载资源链接👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆
摘要：热电联供型微网(CHP-MG)对实现能源可持续发展和构建绿色低碳社会具有重要的应用价值，而内部复杂 的能源结构与设备耦合关系，也对其运行优化带来了挑战。利用供需双侧电、热能的互动互补关系，在供给侧采 用储能装置实现联供设备的热电解耦，通过各能源转换设备提升系统多能源的供应能力。在需求侧对负荷类型进 行分类，利用电负荷的弹性和系统供热方式的多样性，构建含电负荷时移、削减响应及热负荷供能方式响应的综 合能源需求响应模型，并提出响应补偿机制。在此基础上，以系统运行成本与响应补偿成本之和最小为目标，综 合考虑供需双侧设备运行和可调度负荷资源约束，建立基于多能互补的 CHP-MG 优化运行数学模型。基于算例的 仿真结果和对比分析表明：考虑多能互补的供需双侧协同优化能有效提高系统供能的灵活性以及运行经济性。
这段摘要描述了关于热电联供型微网（CHP-MG）的研究，重点强调其在实现能源可持续发展和构建绿色低碳社会方面的重要应用价值。以下是对摘要的详细解读：
-
背景： CHP-MG作为热电联供型微网，具有在能源可持续发展和建设绿色低碳社会中的重要作用。然而，其内部复杂的能源结构和设备耦合关系给运行优化带来了挑战。
-
供需双侧的互补关系： 在研究中，通过利用供需双侧电、热能的互动互补关系，采用储能装置在供给侧实现联供设备的热电解耦。这样的举措有助于提高系统多能源的供应能力。
-
需求侧的分类和综合能源需求响应模型： 在需求侧，研究对负荷类型进行了分类，并考虑了电负荷的弹性和系统供热方式的多样性。构建了包括电负荷时移、削减响应以及热负荷供能方式响应的综合能源需求响应模型，并提出了响应补偿机制。
-
优化运行数学模型： 以系统运行成本与响应补偿成本之和最小为目标，研究综合考虑供需双侧设备运行和可调度负荷资源约束，建立了基于多能互补的CHP-MG优化运行数学模型。
-
仿真结果： 通过算例的仿真结果和对比分析，研究得出结论：考虑多能互补的供需双侧协同优化能够有效提高系统供能的灵活性以及运行经济性。这意味着该模型和方法在实际应用中有望取得显著的成果，包括减少系统运行成本和提高能源利用效率。
部分代码展示：
%方式2：不考虑热负荷响应
clc;
clear all;
%10个高概率风电功率
w=2*fix([38,37,27,29,23,14,21,13,43,76,59,70,49,41,51,41,28,21,18,18,33,41,45,42;
34,38,33,29,26,13,19,13,38,40,59,78,51,38,54,43,24,21,22,22,25,39,48,30;
30,30,27,35,27,13,18,14,39,50,58,84,58,39,47,44,25,20,22,18,28,41,36,46;
39,32,32,34,23,14,20,14,43,50,61,73,60,41,48,43,26,21,22,20,29,40,43,30;
32,39,28,30,21,12,22,16,37,62,53,77,60,39,50,49,25,20,21,18,30,40,38,48;
34,43,26,30,22,18,21,12,41,56,65,78,47,37,50,45,23,21,21,20,27,40,39,40;
40,43,32,30,24,16,21,15,41,65,62,69,55,44,53,42,27,21,20,21,28,42,41,50;
39,40,26,28,25,14,21,18,39,70,54,68,51,38,56,43,25,17,21,17,28,36,40,35;
41,43,30,30,22,13,20,13,46,66,55,79,55,37,48,37,28,18,22,19,27,41,41,48;
41,38,30,27,23,15,17,14,39,61,62,78,54,39,46,45,22,20,20,20,28,35,36,52]);
Pwind=w(5,:);
% 日前计划 预测负荷
load=[178 160 200 220 258 260 286 380 380 385 360 320 280 254 266 285 312 335 326 288 200 185 146 120];%电用户
Phot=[360,353,342,342,331,328,287,265,240,245,244,238,233,229,232,237,249,257,266,270,301,321,341,366];
bb=[0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0]; %这个不用管
% 日前计划 可控负荷
%可中断量
L5=[19,24,24,19,24,29,64,49,64,59,59,59,49,59,59,39,39,64,64,19,44,19,44,19]; %可中断
%时移
L6=[18,8,13,13,18,13,13,18,23,33,23,18,18,18,18,18,18,18,13,13,13,8,8,8];%可平移
%供热选择量--电热量
L7=[17,22,22,17,22,26,58,85,88,84,84,84,65,64,74,55,35,58,58,17,40,17,40,17];
for i=1:24
if i>=7&&i<=12
Cgas(i)=1.57;
elseif i>=19&&i<=22
Cgas(i)=1.57;
elseif i>=13&&i<=18
Cgas(i)=2.05;
else
Cgas(i)=2.05;
end
end
%%一天分为24小时，时间步长取1小时/60min
%%%% 1台MT机组,1台
LHV=9.75; %低热值
aF=[0.5869 0.3952 ]';%机组参数
bF=[8.6204 -0.185]';
aH=[1.377]';
bH=[20.38]';
%% PCC
Pgrid_max=[320 320]';
Pgrid_min=[0 0]';
%% Pnas
Pnas_max=[60 60]';
Pnas_min=[0 0]';
%%%%%%%%%%%%锅炉
H_max=600;H_n=0.98%锅炉容量/转换率
Peh_max=60;n_Peh=0.98;%转换设备/转换率
H_storage_max=800; h_n=0.98;h_charge=0.9;h_discharge=1;%热储能容量/自损/充热/放热；
%%%%%%%%%%%%%%%%%%%% 储能 相关系数
%容量 1000 初始500
SOC_max=[800]';
SOC_min=[200]';
SOC_ini=0.5;
%% 峰 平 谷 电价
buy=[1.243 0.8934 0.47];%谷/峰 购电价
%% 赋值
MT=intvar(1,24,'full');
Pgrid=intvar(1,24,'full'); % 购 、 售
Pnas=intvar(2,24,'full'); % 充、 放
H=intvar(1,24,'full');%锅炉
Q=intvar(1,24,'full');%可中断电负荷
Hti=intvar(1,24,'full');%充热
Hto=intvar(1,24,'full');%放热
xx=intvar(1,24,'full');%%%%%时平负荷量
yy=intvar(1,24,'full');
%% 0-1赋值
I_Hti=binvar(1,24,'full');%充热
I_Hto=binvar(1,24,'full');%放热
I_MT=binvar(1,24,'full');
I_Pnas=binvar(2,24,'full');% 1运行 0停止
I_Q=binvar(1,24,'full');
%% 目标函数
for i=1:24%发电成本
Cf(1,i)=Cgas(i)*(aF(1)*MT(1,i)+bF(1)*I_MT(1,i));
end
for i=1:24%%%%余热回收
H_cycle(1,i)=aH(1)*MT(1,i)+bH(1)*I_MT(1,i);
end
for k=1:24 %PCC交互成本 % 1-5，23-24 谷 % 6-12，19-22 峰 % 13-18 平
if k>=1&&k<7
Cgrid(1,k)=Pgrid(1,k).*buy(3);
elseif k>=7&&k<13
Cgrid(1,k)=Pgrid(1,k).*buy(1);
elseif k>=13&&k<19
Cgrid(1,k)=Pgrid(1,k).*buy(2);
elseif k>=19&&k<23
Cgrid(1,k)=Pgrid(1,k).*buy(1);
else
Cgrid(1,k)=Pgrid(1,k).*buy(3);
end
end
for k=1:24 %需求响应单位成本
if k>=1&&k<7
bu_q(1,k)=0.9*buy(1);
bu_x(1,k)=0.5*buy(1);
bu_p(1,k)=0.6*Cgas(1,k);
elseif k>=7&&k<13
bu_q(1,k)=0.9*buy(1);
bu_x(1,k)=0.5*buy(1);
bu_p(1,k)=0.6*Cgas(1,k);
elseif k>=13&&k<19
bu_q(1,k)=0.9*buy(1);
bu_x(1,k)=0.5*buy(1);
bu_p(1,k)=0.6*Cgas(1,k);
elseif k>=19&&k<23
bu_q(1,k)=0.9*buy(1);
bu_x(1,k)=0.5*buy(1);
bu_p(1,k)=0.6*Cgas(1,k);
else
bu_q(1,k)=0.8*buy(1);
bu_x(1,k)=buy(1)/2;
bu_p(1,k)=0.6*Cgas(k);
end
end
for k=1:24 %% 切除负荷成本
if k>=7&&k<=12
Ck1(1,k)=(Q(1,k).*bu_q(1,k))+xx(1,k)*bu_x(1,k);
elseif k>=19&&k<=20
Ck1(1,k)=(Q(1,k).*bu_q(1,k))+xx(1,k)*bu_x(1,k);
else
Ck1(1,k)=(Q(1,k).*bu_q(1,k))+xx(1,k)*bu_x(1,k);
end
end
for i=1:24%锅炉成本
Ch(1,i)=Cgas(i)*(H(1,i))/LHV;
end
F=0;%目标函数
mm=3.1;
for k=1:24 %1.8
F=F+Cf(1,k)+Cgrid(1,k)+Ch(1,k)+(Pnas(1,k)+Pnas(2,k))*0.024;
end
for k=1:24 %SOC值
SOC(k)=(500+sum(Pnas(1,1:k).*I_Pnas(1,1:k)-(Pnas(2,1:k)).*I_Pnas(2,1:k)))/1000;
end
begin=500;
% for i=1:24%%热储能
% L(1,i)=begin*h_n+h_charge*Hti(1,i)-Hto(1,i);%%%热储能容量
% begin=L(1,i);
% end
%% 约束条件
constraints=[];
%% 状态约束
for k=1:24 %Pgrid状态 %Pnas状态
constraints=[constraints,I_Pnas(1,k)+I_Pnas(2,k)<=1];
% constraints=[constraints,I_Hti(1,k)+I_Hto(1,k)<=1];
end
constraints=[constraints,sum(I_Pnas(1,1:24)+I_Pnas(2,1:24))<=14];
%% 上下限约束
for k=1:24
constraints=[constraints,25.*I_MT(1,k)<=MT(1,k)<=145.*I_MT(1,k)];
constraints=[constraints,Pgrid_min<=Pgrid(1,k)<=Pgrid_max];
constraints=[constraints,Pnas_min.*I_Pnas(1,k)<=Pnas(1,k)<=Pnas_max.*I_Pnas(1,k)];
constraints=[constraints,Pnas_min.*I_Pnas(2,k)<=Pnas(2,k)<=Pnas_max.*I_Pnas(2,k)];
end
%%% MT爬坡率
for i=1:23
constraints=[constraints,-55<=MT(1,i+1)-MT(1,i)<=65];
end
% PCC深度限制
for k=1:23
constraints=[constraints,-90<=Pgrid(1,k+1)-Pgrid(1,k)<=90];
end
%%荷电状态
for k=1:24
constraints=[constraints,SOC_min<=300+sum(Pnas(1,1:k)-Pnas(2,1:k))<=SOC_max];
end
%%储能充放电深度限制
for k=1:23
constraints=[constraints,-50<=Pnas(1,k+1)-Pnas(2,k+1)-Pnas(1,k)+Pnas(2,k)<=50];
end
constraints=[constraints,sum(Pnas(1,1:24))==sum(Pnas(2,1:24))];
%%%锅炉上下限、爬坡率
for i=1:24
constraints=[constraints,30<=H(1,i)<=H_max];
end
for i=1:23
constraints=[constraints,-90<=H(1,i+1)-H(1,i)<=90];
end
%%功率平衡
for k=1:24
constraints=[constraints,MT(1,k)-Pnas(1,k)+Pnas(2,k)+Pgrid(1,k)+Pwind(1,k)==load(k)+L5(1,k)+L6(1,k)+L7(1,k)];
end
%%热平衡
for i=1:24
constraints=[constraints,Phot(1,i)+2>=H(1,i)*H_n+H_cycle(1,i)>=Phot(1,i)];
end
%参数设置
opss = sdpsettings('solver', 'cplex', 'verbose',2);
%%%%%效果展示：
https://download.csdn.net/download/LIANG674027206/88695741👆👆👆👆👆👆 👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆下载资源链接👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆👆
文章来源:https://blog.csdn.net/LIANG674027206/article/details/135364840
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：chenni525@qq.com进行投诉反馈，一经查实，立即删除！
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。 如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：chenni525@qq.com进行投诉反馈，一经查实，立即删除！
最新文章
- Python教程
- 深入理解 MySQL 中的 HAVING 关键字和聚合函数
- Qt之QChar编码（1）
- MyBatis入门基础篇
- 用Python脚本实现FFmpeg批量转换
- C语言-算法-最小生成树
- CloudCanal x Debezium 打造实时数据流动新范式
- 2023年12月29日，com域名的续费价格一般在80-100元之间 阿里.com续费优惠后79元最便宜
- 一些简单OJ：进制转换，报数字，刷快手。
- 量化研究员!你应该如何写一手好代码
- Day10 Liunx高级系统设计11-数据库2
- Spring Boot Container Images中文文档
- 【量化交易】股市舞者：小明的撮合交易之旅
- 电池管理系统中算法的多种算法融合介绍
- Android系统入门专栏导读