[发明专利]一种基于需求响应控制的分布式能源系统优化调度方法

说明书

本发明公开了一种基于需求响应控制的分布式能源系统优化调度方法，首先，基于用电数据和仿真数据训练智能负荷神经网络模型，得到住宅可控有功功率需求关于需求响应控制信号的函数；然后，将该函数代入分布式能源管理系统模型中，以系统运行成本最小为目标，优化得到当前需求响应控制信号；进而，将当前需求响应控制信号代入该函数，计算得到住宅可控有功功率需求；最后，将住宅可控有功功率需求、固定有功功率需求、商业有功功率需求、风机光伏出力、分布式发电机运行成本、储能系统成本代入分布式能源管理系统模型中，优化得到分布式能源系统的调度策略。该方案能够在降低系统运行成本的同时，提高分布式能源系统的负载能力和利用效率。

技术领域

本发明涉及能源调度技术领域，特别涉及一种基于需求响应控制的分布式能源系统优化调度方法。

背景技术

目前我国能源消费大部分仍依赖于煤炭等化石燃料，随着经济社会的发展，能源需求量也大大提高，这也造成了大量化石燃料的消耗，不利于环境的可持续发展。在能源和环境危机的双重背景下，分布式能源系统由于直接面向用户，按用户的需求就地生产并供应能量，既包含多种能源输入，又可同时满足用户的多种能量需求，具有环保、可靠、灵活的优点，因此得到了快速发展。但是分布式能源系统的应用还存在一些不足之处，例如负荷分析不够全面、准确、细致导致一次能源的利用效率低；由于分布式能源系统出力的波动性，在并网时会对电力系统产生一定冲击等。因此，合理调控分布式能源，对促进能源合理利用，缓解能源、环境危机，具有重要的意义。

目前，国内外学者已经对分布式能源系统的运行优化进行了一定的研究，例如，在考虑系统碳排放的基础上，进行不同建筑负荷的分布式能源系统优化研究；在考虑需求侧资源的的基础上，对分布式能源系统的经济优化运行进行研究；以光伏电池、燃料电池、蓄电池的住宅能源系统为研究对象，分析在满足住宅电力和热力需求的同时，年运行成本最小的运行策略；将启停逻辑和负荷限制等约束的各环节运行特性与经济、能效、环保等目标模型联立，建立适用于运行策略研究的滚动优化模型；根据冷热电负荷需求、能源价格和设备技术信息等，运用非线性整数规划方法，建立分布式能源系统的优化模型。但是，没有充分考虑需求响应的控制对系统运行经济性和稳定性的影响。

因此，需要一种基于需求响应控制的分布式能源系统优化调度方法，能够在降低系统运行成本的同时，提高分布式能源系统的负载能力和利用效率。

发明内容

为此，本发明综合考虑温度、电价、历史需求响应控制信号、时间等因素，对当前的需求响应控制信号进行优化，进而代入训练好的智能负荷神经网络模型计算得到住宅可控有功功率需求，能够提高负荷需求预测的准确性；最后将住宅可控有功功率需求代入分布式能源管理系统模型中优化得到分布式能源系统的调控策略，能够在降低系统运行成本的同时，提高分布式能源系统的负载能力和利用效率。

本发明提供一种基于需求响应控制的分布式能源系统优化调度方法，在该方法中，首先，基于智能电表采集的用电数据和住宅能源管理系统的仿真数据训练智能负荷神经网络模型，得到住宅可控有功功率需求关于时间、环境温度、电价及需求响应控制信号的函数；然后，将该函数代入分布式能源管理系统模型中，以系统运行成本最小为目标，优化得到当前需求响应控制信号；进而，将时间、环境温度、电价、当前需求响应控制信号代入该函数，计算得到住宅可控有功功率需求；最后，将住宅可控有功功率需求、住宅固定有功功率需求、商业有功功率需求、风机出力、光伏出力、分布式发电机运行成本、储能系统成本代入分布式能源管理系统模型中，以系统运行成本最小为目标，优化得到分布式能源系统的调度策略。

可选地，在上述方法中，智能负荷神经网络模型为包括输入层、隐藏层和输出层的前馈神经网络，基于智能电表采集的用电数据和家庭能源管理系统的仿真数据训练智能负荷神经网络模型的步骤可以包括：

步骤1：初始化前馈神经网络，包括权重和偏置、误差函数和最大学习次数，将智能电表采集的用电数据和家庭能源管理系统的仿真数据输入模型中进行训练；

步骤2：计算隐藏层的输入和输出、输出层的输入和输出；