论文部分内容阅读
随着智能信息技术和能源互联网的发展,综合能源系统中电热气等不同形式的能流之间的耦合日益紧密,终端用户用能形式多样化、用能不确定性大、用能舒适度要求高。同时,系统可采集和需处理的多能流信息量急剧攀升,这在为系统整体调控运行带来挑战的同时,也为加强供需双方之间的互动、提高系统综合用能效率带来了可能。因此,对系统进行经济、快速、准确的能量优化管理十分必要。本文针对以智能楼宇和智能社区为代表的综合能源系统开展了一系列研究工作,主要研究工作如下:(1)研究了基于数据预测控制(Data Predictive Control,DPC)的楼宇系统能量管理方法。首先,建立了基于围护结构蓄热特性的用户侧典型多层智能楼宇系统日前-日内模型预测控制(Model Predictive Control,MPC)用能优化模型;其次,提出了基于机器学习算法人工神经网络(Artificial Neural Network,ANN)和随机森林(Random Forest,RF)的DPC控制策略实现对系统日内用能决策的快速误差反馈矫正,规避了传统MPC算法在对实际物理系统进行灰/白盒建模时所需花费的大量时间和人力成本,有效降低负荷预测误差带来的影响,提高了系统用能决策的经济性、准确性和快速性。(2)研究了以用户为导向的智能社区系统能量管理交易机制。首先,从用户侧角度出发,提出了一种以用户为导向的需求响应机制(User Dominated Demand Response,UDDSR),允许社区用户向社区能量管理系统(Community Energy Management System,CEMS)提交灵活的综合需求响应(Integrated Demand Response,IDR)投标,再由CEMS系统将聚合优化后的IDR投标响应给电网运营商或上级调度部门,保证了用户充分的用能自由度;其次,设置了用户参与UDDSR响应的奖励机制,并构建了基于惩罚系数的用户IDR投标聚合优化模型;此外,构建了一种基于用户能源剩余/需求比的社区能源池点对点(Peer-to-Peer,P2P)交易机制,在提高社区剩余能源的利用率的同时为社区用户带来收益。(3)研究了基于UDDSR的社区综合能源系统优化调控方法。首先,对用户参与UDDSR响应的可中断电负荷、可转移电负荷、可调节热负荷分别进行建模;其次,引入聚合建筑热模型衡量社区整体用户对系统供热的温度要求,从系统运营的整体角度出发,建立了基于UDDSR的社区综合能源系统日前调度优化模型;然后,综合考虑光伏出力、用户负荷、室外温度、用户实际UDDSR响应量的预测不确定性,引入用户差额响应惩罚机制,并建立了基于条件风险价值(Conditional Value-at-Risk,CVa R)的社区用能优化方法,增强了社区用能系统日前调度模型在不同预测精度下的鲁棒性。