计及风光波动的建筑相变储能电热联合调度方法与流程
本申请涉及新能源储能技术领域，特别是涉及计及风光波动的建筑相变储能电热联合调度方法。
背景技术：
为缓解能源危机，以风力发电、光伏发电为代表的可再生能源得到迅速，在一定程度上实现节能减排的目标。但由于风力发电、光伏发电易受环境影响，其出力特性存在间歇性、波动性等特点，会对微网的经济安全运行带来不利影响，因此，如何消纳微网不稳定的可再生能源，减少资源浪费与经济损失十分重要。
热力储能具有大容量，长时间尺度储能及造价低廉等优点，其经济性和可行性均得到检验。若将微网富余的可再生能源通过热泵转换为热能进行储存，同时满足微网建筑的室温控制需求，则能大幅度提升可再生能源消纳率，降低微网运行成本获得更优的经济效益。而热力储能的关键在于储能材料，相变材料是一种随温度变化改变物理性质，同时吸收/释放大量潜热的物质。由于其造价低廉，易于制备等特点在建筑领域得到广泛关注。
目前，建筑电-热联合运行系统存在很多不确定因素，传统的鲁棒调度或随机规划方法只考虑电力侧的不确定因素影响，而将热力负荷作为可控负载，忽视了热力系统实际运行中存在的约束，给综合能源微网运行的经济性与稳定性带来不利影响。
技术实现要素：
基于此，有必要针对现有鲁棒调度或随机规划方法将热力负荷作为可控负载，忽视了热力系统实际运行中存在的约束，给综合能源微网运行的经济性与稳定性带来不利影响的问题，提供一种计及风光波动的建筑相变储能电热联合调度方法。
一种计及风光波动的建筑相变储能电热联合调度方法，包括：
建立建筑相变储能系统的热力学模型，并计算所述建筑相变储能系统的热输出功率；
基于预设风光出力波动分布函数获取多个抽样场景，对所述多个抽样场景进行同步回代削减并获得至少一个期望场景，并基于所述至少一个期望场景建立电热联合调度模型；
基于所述电热联合调度模型运行所述热力学模型，并确定所述建筑相变储能系统的日前购售电的调度计划。
在其中一个实施例中，所述建立建筑相变储能系统的热力学模型，并计算所述建筑相变储能系统的热输出功率的步骤之前，所述方法还包括：
获取风光出力功率预测数据以及风光出力功率波动的概率密度分布函数；其中，所述多个抽样场景满足所述概率密度分布函数。
在其中一个实施例中，所述风光出力功率的概率密度分布函数为：
其中：γ(a+b)为伽马函数，p为风光出力功率，pmax为风光出力功率的功率上限，a、b为伽马函数形状参数。
在其中一个实施例中，所述建立建筑相变储能系统的热力学模型的步骤包括：
建立室内空气的热平衡模型，表达式为：
建立相变材料的热平衡模型，表达式为：
建立相变墙内空气的热平衡模型，表达式为：
maca[t1a(t)-ts(t)]＝h1o-1aa1o-1a[t1o(t)-t1a(t)]
+h1i-1aa1i-1a[t1i(t)-t1a(t)]+hp-1aap-1a[tp(t)-t1a(t)]；
建立相变墙内表面的热平衡模型，表达式为：
建立除相变墙外其余墙体的热平衡模型，表达式为：
其中：ma为流通空气质量，ca为空气比热容；mp为相变材料质量，cp为相变材料比热容；t1a(t)为相变墙空气温度，ts为室内温度，t1i为相变墙内墙温度，tki为除相变墙外其余墙体内表面温度，tko(t)为除相变墙外其余墙体外表面温度，tp(t)为相变材料温度，tex(t)为室外环境温度；qhp(t)为热泵产热；h为传热系数，a为传热接触面积，h和a的对应角标含义与温度t相同。
在其中一个实施例中，所述相变材料比热容和相变温度的关系为：
其中：tp为相变温度；
在其中一个实施例中，所述相变材料在升温过程中焓值为：
其中，mp为相变材料质量；
所述建筑相变储能系统在所述相变材料温度为tp时对应剩余电量为：
其中，soc为剩余电量。
在其中一个实施例中，所述建立建筑相变储能系统的热力学模型的步骤还包括：
建立热输出功率模型，表达式为：
其中，phl(t)为热输出功率。
在其中一个实施例中，所述基于预设风光出力波动分布函数获取多个抽样场景，对所述多个抽样场景进行同步回代削减并获得至少一个期望场景，并基于所述至少一个期望场景建立电热联合调度模型的步骤包括：
基于预设所述风光出力波动分布函数采用拉丁超立方抽样方式获取多个抽样场景；
对所述多个抽样场景进行同步回代削减并获得至少一个期望场景；
基于所述至少一个期望场景以日运行成本最低为目标建立所述电热联合调度模型。
在其中一个实施例中，所述基于所述至少一个期望场景以日运行成本最低为目标建立所述电热联合调度模型的步骤包括：
基于所述至少一个期望场景并以日运行成本最低为目标，建立所述电热联合调度模型，表达式为：
其中，f为日运行成本，
在其中一个实施例中，所述基于所述电热联合调度模型运行所述热力学模型，并确定所述建筑相变储能系统的日前购售电的调度计划的步骤包括：
基于所述电热联合调度模型运行所述热力学模型；
在预设时间内，给定所述热力学模型的预设soc容量，确定所述建筑相变储能系统的热负荷；
根据所述热负荷以及风光出力功率确定热泵运行功率；
根据所述热泵运行功率和电网购售电功率，确定所述日前购售电的调度计划。
在其中一个实施例中，所述根据所述热泵运行功率和电网购售电功率，确定所述日前购售电的调度计划的步骤包括：
根据所述热泵运行功率和电网购售电功率，确定第一soc容量；
将所述第一soc容量代入所述在预设时间内，给定所述热力学模型的预设soc容量，确定所述建筑相变储能系统的热负荷的步骤，并重复所述在预设时间内，给定所述热力学模型的预设soc容量，至所述确定日前购售电的调度计划与第一soc容量的步骤，以确定日运行成本前后两次之差小于预设误差，从而确定所述日前购售电的调度计划。
与现有技术相比，上述计及风光波动的建筑相变储能电热联合调度方法，考虑风、光出力不确定性，建立集成风、光、热、电多能互补综合能源微网，利用建筑相变储能系统建立相应的热力学模型，并基于该热力学模型计算对应的热输出功率；同时基于风光出力功率波动的概率密度分布函数并利用同步回代削减方式获得至少一个期望场景，建立了电热联合调度模型，并与所述热力学模型配合，可确定所述建筑相变储能系统的日前购售电的调度计划。不仅摆脱传统鲁棒方法对最恶劣场景的过度估计，还能够在考虑风光出力不确定性的条件下，确定建筑相变储能系统的最优日前调度策略，实现综合能源微网的经济安全运行。
附图说明
图1为本申请一实施例提供的计及风光波动的建筑相变储能电热联合调度方法的流程图；
图2为本申请一实施例提供的建筑相变储能系统电-热联合调度流程图；
图3为本申请一实施例提供的建筑房间结构图；
图4为本申请一实施例提供的风力发电、光伏发电日前预测曲线图；
图5为本申请一实施例提供的环境温度、光照强度日前预测曲线图；
图6为本申请一实施例提供的建筑热负荷特性及室内温度曲线图；
图7为本申请一实施例提供的不同场景相变储能系统运行状态曲线图；
图8为本申请一实施例提供的最终日前购售电期望计划图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图对本申请的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似改进，因此本申请不受下面公开的具体实施的限制。
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参见图1和图2，本申请一实施例提供一种计及风光波动的建筑相变储能电热联合调度方法，考虑风、光出力不确定性，建立集成风、光、热、电多能互补综合能源微网，所述方法包括：
s102：建立建筑相变储能系统的热力学模型，并计算所述建筑相变储能系统的热输出功率。
在一个实施例中，对于所述建筑相变储能系统，为方便运算，对每个房间的四面墙，室内空气，相变材料等热力节点进行研究。具体的，如图3所示，假设1号墙墙体内部铺设相变材料(可在建筑墙体内安装pe导管，并在导管内填充相变材料)，称其为相变墙(内部含有相变材料、相变墙空气，相变墙外墙，相变墙内墙等热力节点)，2、4号墙向阴，3号墙向阳。基于上述建筑相变储能系统，建立与其对应的热力学模型。
在一个实施例中。所述热力学模型可包括：
室内空气的热平衡模型，表达式为：
相变材料的热平衡模型，表达式为：
相变墙内空气的热平衡模型，表达式为：
maca[t1a(t)-ts(t)]＝h1o-1aa1o-1a[t1o(t)-t1a(t)]
+h1i-1aa1i-1a[t1i(t)-t1a(t)]+hp-1aap-1a[tp(t)-t1a(t)]；
相变墙内表面的热平衡模型，表达式为：
除相变墙外其余墙体的热平衡模型，表达式为：
热输出功率模型，表达式为：
其中：ma为流通空气质量(流通空气质量取决于风机通风多少，上限为108×10-3kg/s)，ca为空气比热容(1.005kj/(kg·k))；mp为相变材料质量(相变材料质量为1000kg)，cp为相变材料比热容；t1a(t)为相变墙空气温度，ts为室内温度，t1i为相变墙内墙温度，tki为除相变墙外其余墙体(k＝2,3,4)内表面温度，tko(t)为除相变墙外其余墙体(k＝2,3,4)外表面温度，tp(t)为相变材料温度，tex(t)为室外环境温度；qhp(t)为热泵产热；h为传热系数，a为传热接触面积，h和a的对应角标含义与温度t相同。
在一个实施例中，所述室内温度可由温度检测设备获取。在一个实施例中。根据所述热输出功率模型计算所述建筑相变储能系统的热输出功率phl(t)。在其中一个实施例中，所述相变材料具备较宽的温度平台，所述相变材料比热容和相变温度的关系为：
其中：tp为相变温度；
在一个实施例中，所述相变材料在升温过程中焓值为：
其中，mp为相变材料质量；
所述建筑相变储能系统在所述相变材料温度为tp时对应剩余电量为：
其中，soc为剩余电量。
s104：基于预设风光出力波动分布函数获取多个抽样场景，对所述多个抽样场景进行同步回代削减并获得至少一个期望场景，并基于所述至少一个期望场景建立电热联合调度模型。
在一个实施例中，可将所述风光出力波动分布函数等分为m份(m可选为100)，随机选择第i份场景，并生成24(根据一天24小时等分为24个)个随机数rij，而风光出力波动分布函数pr为：
pij＝pj+δpij
其中：δpij为基础功率上的波动功率。
在一个实施例中，首先选择任意两个风光随机场景形成m2个的场景数(即所述多个抽样场景)。其次，利用同步回代消除法将m2个的场景数削减为期望的s个(根据大量原则，s可选为50)场景；具体的，
第一步，在所有场景集合中选取差异度vij最小的场景i、j，vij可表示为：
vij＝pjdtij,j≠i,j＝1,2,…m2
其中：dtij为场景i与场景j的欧式距离，pj为场景j的出现概率；
第二步：将场景j并入场景i，并且保证所有的场景概率和为1，新的场景i出现概率为：pj＝pi+pj；
第三步：删去场景j，总场景数减1；
第四步：重复第一步至第三步，直到场景数削减为期望的s个场景(即所述至少一个期望场景)。
最后，基于所述期望的s个场景以日运行成本最低为目标，建立所述电热联合调度模型，表达式为：
其中，f为日运行成本，
s106：基于所述电热联合调度模型运行所述热力学模型，并确定所述建筑相变储能系统的日前购售电的调度计划。
在一个实施例中，基于所述电热联合调度模型运行所述热力学模型，并通过电热联合调度的预设热力约束确定所述建筑相变储能系统的日前购售电的调度计划。其中，所述电热联合调度的预设热力约束包括：室内空气的热平衡约束、相变材料的热平衡约束、相变墙内空气的热平衡约束、相变墙内表面的热平衡约束、除相变墙外其余墙体的热平衡约束、室内温度约束、电力侧公率平衡约束以及储能系统容量约束。
在一个实施例中，所述室内空气的热平衡约束、相变材料的热平衡约束、相变墙内空气的热平衡约束、相变墙内表面的热平衡约束以及除相变墙外其余墙体的热平衡约束的表达式可采用步骤s102中的表达式。
在一个实施例中，所述室内温度约束的表达式为：
ts,min≤ts(t)≤ts,max
其中：ts,min为室内温度控制下限，ts,max为室内温度控制上限。在一个实施例中，根据人体温度需求特征，ts,min可选为18℃，ts,max可选为26℃。
在一个实施例中，所述电力侧功率平衡约束的表达式为：
pwt(t)+ppv(t)+pgd(t)＝php(t)+pload(t)
0≤|pgd(t)|≤pgd、max
其中：pwt(t)为t时刻由电网调度中心获得的风力发电功率，ppv(t)为t时刻由电网调度中心获得的光伏发电功率；pgd(t)为t时刻微网与大电网交换功率(购电为正，售电为负)，可由电网调度中心获得；php(t)为热泵消耗电功率，可由建筑综合能源系统监控得到；pload(t)为t时刻由电网调度中心获得的常规电负荷功率；pgd、max为单位时段购售电功率上限。
在一个实施例中，所述储能系统容量约束的表达式为：
soc(t0)≤soc(tn)
其中：
本实施例中，考虑风、光出力不确定性，建立集成风、光、热、电多能互补综合能源微网，利用建筑相变储能系统建立相应的热力学模型，并基于该热力学模型计算对应的热输出功率；同时基于风光出力功率波动的概率密度分布函数并利用同步回代削减方式获得至少一个期望场景，建立了电热联合调度模型，并与所述热力学模型配合，可确定所述建筑相变储能系统的日前购售电的调度计划。不仅摆脱传统鲁棒方法对最恶劣场景的过度估计，还能够在考虑风光出力不确定性的条件下，确定建筑相变储能系统的最优日前调度策略，实现综合能源微网的经济安全运行。
在一个实施例中，所述建立建筑相变储能系统的热力学模型，并计算所述建筑相变储能系统的热输出功率的步骤之前，所述方法还包括：获取风光出力功率预测数据以及风光出力功率波动的概率密度分布函数。其中，所述多个抽样场景满足所述概率密度分布函数。
在一个实施例中，对于综合能源微网，光伏发电和风力发电的装机容量均为1mw。从电网调度中心获得风、光24h出力功率预测数据(如图4和图5所示)及其功率波动的概率密度分布函数。其中，所述风光出力功率包括光伏发电功率和风力发电功率。所述风光出力功率的波动满足贝塔分布，对应概率密度分布函数为：
其中：γ(a+b)为伽马函数，p为风光出力功率，pmax为风光出力功率的功率上限，a、b为伽马函数形状参数。其中，上述这些参数可由电网调度中心的24h风、光预测曲线拟合得到。在一个实施例中，伽马函数形状参数a、b可满足如下关系：
其中：μ为贝塔分布的数学期望，σ为对应的标准差；贝塔分布的参数可由24h的风、光预测曲线进行计算得到。
在一个实施例中，基于预设所述风光出力波动分布函数获取的所述多个抽样场景满足所述概率密度分布函数。
在一个实施例中，所述建立建筑相变储能系统的热力学模型的步骤包括：建立室内空气的热平衡模型、建立相变材料的热平衡模型、建立相变墙内空气的热平衡模型、建立相变墙内表面的热平衡模型以及建立除相变墙外其余墙体的热平衡模型；具体表达式请见步骤s102中的表达式。
在一个实施例中，可设定一共有800间房间，每个房间配备一个3kw(电热转换系数均为2.6)的热泵和含1000kg相变材料的导管。计算其热输出功率phl(t)，具体可表示为：
则热泵消耗电功率php(t)为：
其中：ceh为热泵的电热转换系数，可取为2.6。
在一个实施例中，所述建筑相变储能系统的节点热平衡模型可以简化表示矩阵模型：
[a1][b1]＝[b1]＝[a1]-1[c1]
式中：[a1]代表由传热系数和受热面积组成的温度系数矩阵；[b1]代表由建筑热力网络各节点形成的温度矩阵；[c1]代表各节点吸收/释放热量矩阵。则求解热力网络节点温度的逆矩阵方程为：
[b1]＝[a1]-1[c1]
按照热力网络节点逆矩阵，可求解得到各节点温度和热力输出的全天候曲线如图6所示。
在一个实施例中，所述建立建筑相变储能系统的热力学模型的步骤还包括：建立热输出功率模型；表达式请见步骤s102中的表达式。
在一个实施例中，所述基于预设风光出力波动分布函数获取多个抽样场景，对所述多个抽样场景进行同步回代削减并获得至少一个期望场景，并基于所述至少一个期望场景建立电热联合调度模型的步骤包括：基于预设所述风光出力波动分布函数采用拉丁超立方抽样方式获取多个抽样场景；对所述多个抽样场景进行同步回代削减并获得至少一个期望场景；基于所述至少一个期望场景以日运行成本最低为目标建立所述电热联合调度模型。
在一个实施例中，所述风光出力波动分布函数pr为：
pij＝pj+δpij
其中：δpij为基础功率上的波动功率。
在一个实施例中，所述对所述多个抽样场景进行同步回代削减并获得至少一个期望场景的步骤包括：首先选择任意两个风光随机场景形成10000个场景(即所述多个抽样场景)。其次，利用同步回代削减法将10000个场景削减为期望的50个场景，削减方法包括：
(1)在10000个场景集合中选取差异度vij最小的场景i，j：
(2)将场景j并入场景i，并且为保证所有的场景概率和为1，新场景i的出现概率为原场景i,j出现概率之和；
(3)删去场景j，总场景数减1；
(4)重复迭代步骤(1)-(3)，直至场景数最终被削减为50个概率最大的场景(即所述至少一个期望场景)。利用所述同步回代削减法获得的所述至少一个期望场景更加符合概率分布。
在一个实施例中，所述基于所述至少一个期望场景以日运行成本最低为目标建立所述电热联合调度模型的步骤包括：基于所述至少一个期望场景并以日运行成本最低为目标，建立所述电热联合调度模型，表达式为：
其中，f为日运行成本，
在一个实施例中，所述日前购电价格pin(t)可设置为：
在一个实施例中，按照可再生能源“自发自用，余量上网”的原则，日前售电价格pout(t)可设置为0.2元/kwh。
在一个实施例中，所述基于所述电热联合调度模型运行所述热力学模型，并确定所述建筑相变储能系统的日前购售电的调度计划的步骤包括：
a：基于所述电热联合调度模型运行所述热力学模型；
b：在预设时间内，给定所述热力学模型的预设soc容量，确定所述建筑相变储能系统的热负荷；
c：根据所述热负荷以及风光出力功率确定热泵运行功率；
d：根据所述热泵运行功率和电网购售电功率，确定所述日前购售电的调度计划。
所述预设时间的具体数值，可根据实际需求进行选择。在一个实施例中，所述预设时间可设定为1小时。在一个实施例中，所述预设时间也可设定为0.5小时。
在一个实施例中，所述根据所述热泵运行功率和电网购售电功率，确定所述日前购售电的调度计划的步骤包括：根据所述热泵运行功率和电网购售电功率，确定第一soc容量；将所述第一soc容量代入步骤b中，并重复步骤b-d，以确定日运行成本前后两次之差小于预设误差，从而确定所述日前购售电的调度计划。在一个实施例中，所述预设误差可设定为0.000001。
本申请在模拟运行50个场景(设定期望场景为50个)下建筑相变储能系统运行状况。其中对于风、光出力波动可设置为：风光出力波动在日前预测数据上有±20％的最大波动误差，并且其波动规律满足贝塔分布。运行日前建筑相变储能系统可以得到50个场景下的相变储能soc运行状态如图7所示，针对50个场景分别求解其日前购售电功率，并且得到日前购售电的期望数值如图8所示。
最终与电网日交易成本为1810.3元，由相变储能soc变化图(如图7)和购售电计划图(如图8)可知，建筑相变储能综合微网在谷时段购电，而在峰时段通过消耗相变材料储存能量满足室内温度需求，直到一天周期结束前少量购电使得soc恢复初值，大幅度提升可再生能源消纳率，降低微网运行成本。
综上所述，本申请考虑风、光出力不确定性以及建筑实际运行的热力约束，建立集成风、光、热、电多能互补综合能源微网，利用建筑相变储能系统建立相应的热力学模型，并基于该热力学模型计算对应的热输出功率；同时基于风光出力功率波动的概率密度分布函数并利用同步回代削减方式获得至少一个期望场景，建立了电热联合调度模型，并与所述热力学模型配合，可确定所述建筑相变储能系统的日前购售电的调度计划。本申请能够在考虑风光出力不确定性的条件下，确定建筑相变储能系统的最优日前调度策略，实现综合能源微网的经济安全运行。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
- 还没有人留言评论。精彩留言会获得点赞！