计及源荷不确定性的光/氢/储建筑能源系统高效热电协同智能调度

光伏耦合燃料电池热电联产技术在低碳建筑能源系统中具有广泛的应用前景。然而,该系统的热电协同调度面临多能流、强耦合及源荷不确定性的问题。为解决该问题,本文建立了新型建筑能源系统的多能耦合模型,构造了以日内综合能耗最优为目标、以电热供需平衡及储能容量边界为约束条件的优化问题。通过在多组随机光伏出力及电热负荷下训练神经网络,本文提出一种改进的深度强化学习(深度确定性策略梯度, DDPG)算法,实现电/热储能设备可充放区间的快速评价及热电协同调度的快速决策。仿真结果表明,本文提出的改进DDPG算法在典型日场景下的训练收敛速度显著提升,并使热电协同调度综合能耗降低10.36%。基于60组具有10%-30%不确定区间的随机源荷场景仿真结果表明,相比于传统DDPG、基于规则的方法和动态规划方法,本文提出的改进DDPG算法可实现近似理论极限的调度结果,提高了系统对不确定性的鲁棒性和适应性。

计及用户均匀性差异的风电消纳策略研究

为了充分挖掘需求侧潜在的风电消纳能力,促进风电消纳,提出一种计及用户均匀性差异的风电消纳策略。基于热舒适度α、灵敏度β、距离b、热负荷Q分析个体用户i的均匀性差异,并基于以上参数利用场景分析构造出均匀型、近端型、中间型及远端型的终端热负荷空间分布场景1～4,在计及用户扰动的前提下根据其均匀性差异选择出精准用户参与调控,使需求侧用户更有效地参与风电消纳。调节策略以风电消纳最大为目标,使用混合整数非线性规划算法求解。算例结果表明:场景1下,本文调度策略下的风电消纳量较以热定电增加8.01%,煤耗降低3.24%;在本文调度策略下,场景2较场景1风电消纳最大,提高6.21%,煤耗、扰动人次最少,依次降低2.39%,48.79%;风电消纳的提高、煤耗和扰动人次的降低表明所提策略和模型的可行性。

面向风电消纳的用户扰动单价优化研究

为提高用户参与电网调度的积极性,挖掘用户的风电消纳潜能,提出一种计及用户热负荷值、热负荷空间位置、价格响应非均一性的用户扰动单价优化策略。首先,建立用户热负荷模型,分析用户热负荷存在非均一性的原因;其次,在综合考虑用户热负荷大小以及用户、系统经济性的基础上建立用户扰动单价模型,确定用户扰动单价的上下限;随后,建立用户价格响应模型,分析用户价格响应存在非均一性的原因;最后,以系统整体运行收益最大为目标函数,建立一种热电协同调度下计及用户非均一性的扰动单价优化模型,并使用混合整数非线性规划算法进行求解。算例计算表明,通过与统一定价策略相比,所提优化策略可使用户参与率提高27.65%,风电消纳量增加6.16%,单位扰动成本降低19.05%,系统收益增加7.87%。