综合能源系统多时间尺度优化调度！诸多创新点让你抓住审稿人的心！

适用平台：Matlab+Yalmip+Gurobi (具体操作已在程序文件中说明)

参考文献：考虑综合需求侧响应的楼宇综合能源系统模型[D]. 长春工程学院.

一、文献解读

       主要介绍综合能源系统的设备组成结构，并针对屋顶光伏系统、冷-热-电联供系统中的燃气轮机、燃气锅炉、光伏溴化锂制冷机、卡琳娜余热发电、中央空调系统，以及外网交互系统的配电网与天然气管网交互关系进行数学建模。同时，对冷-热-电负荷侧的弹性电价需求响应，包括电动汽车负荷、可平移电负荷和可削减的温控需求响应负荷等进行建模分析。该研究为多时间尺度调度策略提供单个设备运行约束，并刻画多设备间电-热-冷多能流的耦合关系。

1. 主要内容

       1) 源-荷-储协同调度：研究屋顶光伏、燃气轮机、燃气锅炉等源侧设备，中央空调、电-热-冷负荷、可平移电负荷、可削减温控负荷等负荷侧资源，以及储能系统、电动汽车等储能侧设备的协同调度，以提高风光消纳能力，满足社会能源需求。

       2) 需求侧响应：深入挖掘楼宇综合能源系统中的电-热-冷需求响应资源，结合价格型与激励型策略，为用户提供多元化的能源消费方式，同时提升供需两侧的经济效益。

       3) 系统运行安全性：针对可再生能源受气象因素影响导致的波动问题，系统可通过储能调节与需求响应策略，在短时间内稳定运行，确保高安全等级负荷的可靠供电，并降低电网负荷方差。

       4) 可持续发展：相较于火电和燃气轮机，太阳能等可再生能源具备更强的可持续性。通过电转热、电转冷、电转气等多能耦合方式，可进一步促进可再生能源的应用与发展。

2. 多时间尺度调度架构

       依据日前预测结果，日前调度优先确保最高重要性等级单元的运行可靠性，并优先确定调度难度大、响应速度慢的单元运行计划。日内调度基于日前调度结果及日内随机源-荷滚动预测，沿用已确定的设备运行计划，并结合更精准的日内预测曲线，进一步优化关键单元的运行可靠性及复杂单元的调度方案。实时调度阶段充分利用电、热、冷综合储能系统平抑源荷波动。若随机波动近似标准正态分布，则日内预测与实时源荷曲线的累计波动趋于零，从而显著减少储能容量需求，提高经济性。

二、程序解读

1. 五大创新点

       1) 光伏制热与光伏溴化锂制冷：将部分屋顶光伏用于制热，继而可将光制热的其中一部分热能与燃气轮机和热锅炉产热一同作为溴化锂制冷机的热源，当冷负荷较小而热负荷较大时光制热的另一部分热能可用于供给热负荷。溴化锂制冷机是可以将热能转化为电能的设备，以热能为动力源，以水为制冷剂，以溴化锂溶液为吸收剂制备冷源水。

       2) 卡琳娜回热发电：卡琳娜回热发电系统是一种可以利用100℃低温热能进行发电的系统，其优势是可以将低温余热转化为电能。卡琳娜回热发电系统的工质多是水、氨混合液，生产过程中无碳化物的使用，符合低碳经济的理念。

 

       3) 冰蓄冷系统：冰蓄冷系统分为电制冷、吸冷制冰、以及融冰制冷等三个过程。夜间气温低于白天，冷负荷需求较少，制冷机可以独立满足冷负荷需求。

       4) 电动汽车负荷建模：利用蒙特卡洛随机算法针对大规模无序电动汽车负荷进行建模。

       5) 价格型需求响应建模：主要方法是电网先依据用户购电功率的峰谷趋势制定合适的电价，用于削峰填谷或者是大电价对应大功率实现卖电收益的增加。为了充分挖掘大规模电动汽车负荷在削峰填谷方面的巨大潜力，选择建立在峰谷平电价基础上的弹性电价，来加强电网对电动汽车充电负荷的引导。

       以上创新点，任选其一即可单独成文，日前+实时阶段又可区别，可谓是排列组合，创新点颇高，深得审稿人喜爱！！

2. 程序结果

3. 部分程序

1）碳交易模块

%第1步：求出不考虑阶梯负碳交易的系统的碳排放总量：
CO2_fenduan = [  -1000       -0.40    -0.20      0        0.2    0.60     0.80     1000 ];        
%第2步：设置个变量
CO2_moduan = binvar(8,1 ,'full');    
C=[C,  sum( CO2_moduan)==1 ];  %限值(缩小至)1个区域 %这里不用考虑刚好在区间边界(cplex的特点)
%第3步：自动找出区间限值
CO2_moduanxianzhi =  sdpvar(2,1 ,'full');   %末端限值      
%第4步：将碳排放约束在末端限值内
C=[C,  CO2_moduanxianzhi(1,1)<= m_CO2 ,  m_CO2 <= CO2_moduanxianzhi(2,1)  ];
CO2_jiage =[1.728  1.44 1.2 1 1.2  1.44  1.728  2.0736 ];
CO2_chengben_you(1,8) =  0.2*(1+1.2+1.44+1.728)+(10-0.8)*2.0736; 
% 右端点的成本 -（待减去的碳排放）*单价  
% COST_C = CO2_chengben_you*CO2_moduan -  ( CO2_fenduan(2,:)*CO2_moduan - E )*CO2_jiage;

2）光伏溴化锂制冷机

%光伏溴化锂制冷机
C=[C,  H_PV <= H_PV_mppt,L_XHL == n_L_XHL*H_XHL,
0<=H_XHL,H_XHL <= H_PV+H_CHP_YR+H_GB_YR,
W_XHL == P_XHL*sum(L_XHL);

3）电车负荷模块

%激励型需求响应建模
C=[C, abs(F-Fset)<= Flim,0<=F_H,F_H<=H_Fmax,
0<=F_L,F_L<=L_Fmax,M_WK == 1-abs(F-Fset)/Fset,
dita_HF == H_Fset-F_H+L_Fset-F_L,dita_HF == L_Fset-F_L,
%可平移需求响应负荷
E_Load_PYo = E_load+E_PYo;
C=[C, sum(E_PY)==sum(E_PYo),E_PY == E_PYo+dita_E_PY,
E_Load_PY == E_load+E_PY,
A_PY == max(E_Load_PYo)-max(E_Load_PY),W_PY == k_PY*A_PY,

4）需求响应模块

%电车负荷建模   %弹性系数矩阵              
Rev = [0.012	0.012	0.012	0.012	0.012	0.01	0.01];
P_EV_down = 0.2;     P_EV_up   = 1.5;    
W_EVo=P_Ebuy*E_EVo';    
C, dita_E_EV' ==  diag( E_EVo )*Rev*(dita_P_EV./P_Ebuy)',
E_EV == E_EVo+dita_E_EV,P_EV == P_Ebuy+dita_P_EV,
P_EV_down<=P_EV,P_EV<=P_EV_up,sum(dita_E_EV)==0,        
W_EV == P_EV*E_EV',M_EV == (W_EVo-W_EV)/W_EVo,   

5）卡琳娜回热发电模块

%卡琳娜回热发电
C=[C,  E_KLN == n_E_KLN*H_KLN,
0<=H_KLN+H_XHL,H_KLN+H_XHL<=H_PV+H_CHP_YR+H_GB_YR,
W_KLN == P_KLN*sum(E_KLN),
E_KLN>=0,

部分内容源自网络，侵权联系删除！

       欢迎感兴趣的小伙伴点击关注并私信获取完整版代码，小编会不定期更新高质量的学习资料、文章和程序代码，为您的科研加油助力！