[发明专利]含有电动汽车的热电联供系统多时间尺度分层调度方法

说明书

本发明公开了含有电动汽车的热电联供系统多时间尺度分层调度方法，所述系统包括微型燃气轮机组、吸收式制冷机组、地源热泵机组、风力发电机组、光伏、蓄电池、超级电容和储热装置。所述优化方法含两个时间尺度，在日前阶段，根据系统中风电、光伏日前预测功率值和负荷功率日前预测值进行经济调度，确立目标函数和优化约束条件，其结果作为日内优化的参考。在日内阶段，考虑两层滚动优化模型，建立目标函数和约束，模型预测控制MPC滚动优化层根据实时预测功率信息以及电动汽车EV非计划行为对上级结果进行修正。本发明采用多时间尺度分层优化策略，实时跟踪含电动汽车的热电联供系统的最佳调度策略，实现电动汽车车主与微电网运营商的双赢。

技术领域

本发明涉及热电联供系统领域，特别涉及到考虑电动汽车引入系统的条件以及多时间尺度分层调度优化方法，适用于综合能源园区的能量管理。

背景技术

热电联供系统作为我国大中型城市中重要的能源利用系统，解决了城市集中供热的问题，同时又提高了社会整体能源利用率。城市中热电联供系统的配置在世界范围内收到广泛重视。考虑到热电联供微电网中风电光伏出力以及预测负荷功率值具有随机性和波动性，并且其预测精度随时间尺度减小而提高的特点，现有微电网能量管理多采用日前计划和实时调度相结合的多时间尺度能量管理。

近年来，电动汽车(Electric Vehicle,EV)的销售额在汽车市场的占比越来越多，随之而来的电动汽车并入电网问题日趋严峻，电动汽车的并网可能会引起电网负荷峰值的增长，不利于电力系统的安全稳定运行。

在当前的热电联供微电网的调度研究中，引入电动汽车的充放电管理系统会对系统的经济运行带来额外的变量，对系统的安全运行带来威胁。

现有技术存在的问题如下：

热电联供(Combined heat and power,CHP)微电网中风电光伏出力以及预测负荷功率值具有随机性和波动性，并且其预测精度随时间尺度减小而提高的特点，现有微电网能量管理多采用日前计划和实时调度相结合的多时间尺度能量管理。在日前阶段基于预测数据制定机组组合及运行计划基值，在实时环节基于实时数据将上级遗留的偏差进行修正。在对电动汽车参与的能量管理中大多站在微电网运营商的角度，通过对其充放电优化来提高微电网运行的经济性，但值得注意的是，微电网运营商与EV车主属于不同的利益主体，因此有必要在制定EV充放电计划时考虑EV车主的满意度。此外在对CHP微网进行能量管理时，EV紧急充电和非计划临时出行等行为增加实时调度压力，这种对运行经济性和安全性产生较大威胁的情况应予以考虑。

发明内容

为了克服上述现有技术存在的问题，本发明的目的在于提供一种含有电动汽车的热电联供系统多时间尺度分层调度方法，在对电动汽车充放电管理时既考虑微网运营商的效益又考虑EV车主的满意度，并且通过对EV非计划行为进行有效识别，校正电动汽车车联网等效负荷，从而减少实时调度压力，提高热电联供系统经济性和安全性。

为了达到上述目的，本发明采用如下技术方案：

步骤1、建立热电联供微电网系统；

步骤2、建立热电联供微电网系统中设备的数学模型；

步骤3、确定目标函数和日前经济调度约束条件；

步骤4、建立热电联供微电网多时间尺度优化模型：所述热电联供微电网多时间尺度优化模型包含两个时间尺度；日前：进行热电联供微网的经济优化调度，日内：进行EV充放电管理层和模型预测控制(MPC)滚动优化层联合优化；其中EV充放电管理层考虑到电动汽车的充放电所带来的蓄电池的退化成本，建立了以最小化负荷曲线方差和最小化EV车主参与车联网(V2G)机制不满意度的多目标优化调度模型；当运行在模型预测控制(MPC)滚动优化层时，若非计划EV数量大于阈值，将回到EV充放电管理层重新求解后返回。