Multi-building Coordinated Dispatch in Smart Park for Carbon Emission Peak and Carbon Neutrality Considering Electricity and Hydrogen Complementary

FAN Hong; YU Weinan; LIU Lu; DOU Zhenlan

doi:10.7500/AEPS20210722005

您当前的位置：

首页 >

文章列表页 >

Multi-building Coordinated Dispatch in Smart Park for Carbon Emission Peak and Carbon Neutrality Considering Electricity and Hydrogen Complementary

Basic Research | 更新时间：2025-06-16

- Multi-building Coordinated Dispatch in Smart Park for Carbon Emission Peak and Carbon Neutrality Considering Electricity and Hydrogen Complementary
- Automation of Electric Power Systems Vol. 46, Issue 21, Pages: 42-51(2022)
- 作者机构：
  
  1.上海电力大学电气工程学院,上海市 200090
  2.电力传输与功率变换控制教育部重点实验室(上海交通大学),上海市 200240
  3.国网上海综合能源服务有限公司,上海市 200023
- 作者简介：
- 基金信息：
  
  State Grid Corporation of China(5400-202017201A-0-0-00)
- DOI：10.7500/AEPS20210722005
  CLC：
- Received：22 July 2021，
  
  Revised：2021-12-01，
  
  Published Online：16 February 2022，
  
  Published：10 November 2022
- 稿件说明：
移动端阅览
范宏,于伟南,柳璐等.双碳目标下考虑电氢互补的智慧园区多楼宇协调调度[J].电力系统自动化,2022,46(21):42-51.

FAN Hong,YU Weinan,LIU Lu,et al.Multi-building Coordinated Dispatch in Smart Park for Carbon Emission Peak and Carbon Neutrality Considering Electricity and Hydrogen Complementary[J].Automation of Electric Power Systems,2022,46(21):42-51.
范宏,于伟南,柳璐等.双碳目标下考虑电氢互补的智慧园区多楼宇协调调度[J].电力系统自动化,2022,46(21):42-51. DOI： 10.7500/AEPS20210722005.

FAN Hong,YU Weinan,LIU Lu,et al.Multi-building Coordinated Dispatch in Smart Park for Carbon Emission Peak and Carbon Neutrality Considering Electricity and Hydrogen Complementary[J].Automation of Electric Power Systems,2022,46(21):42-51. DOI： 10.7500/AEPS20210722005.

摘要

氢能是中国未来能源发展战略规划中承担加速实现“碳达峰·碳中和”使命的重要角色，在电力需求侧考虑氢储能系统能够提高终端用户的灵活性和协调性。但电力终端用户容量小、用能行为各异，传统的调度方法难以应对其动态变化的特性。针对这一问题，提出了一种分布式的智慧园区多楼宇协调调度方法。首先，根据实际工程建立了由含氢储能系统的多个楼宇组成的智慧园区典型场景；其次，制定了考虑可再生能源制氢的智慧园区调度策略，并将该分布式协调调度问题转换至深度强化学习架构中；然后，采用多智能体深度确定性策略梯度算法联合智能楼宇的高维历史用能数据库进行智慧园区的分布式实时调度；最后，通过算例分析和比较验证了所提方法的有效性。

Abstract

Hydrogen energy plays an important role in China’s future energy development strategy to accelerate the realization of carbon emission peak and carbon neutrality. Considering hydrogen energy storage systems on the power demand side can improve the flexibility and coordination of end-users. However

due to the small capacity and different energy consumption behaviors of power end users

traditional dispatch methods are difficult to cope with the dynamic characteristics. To solve this problem

a distributed multi-building coordinated dispatch method in a smart park is proposed. Firstly

a typical scenario of a smart park composed of multiple buildings containing a hydrogen energy storage system is established based on an actual project. Secondly

a smart park dispatch strategy considering hydrogen production from renewable energy is formulated

and the distributed coordinated dispatch problem is transformed into a deep reinforcement learning architecture. Then

the multi-agent deep deterministic policy gradient algorithm combined with a high dimensional historical energy database of smart buildings is used to implement distributed real-time dispatch of smart parks. Finally

the effectiveness of the proposed method is verified by example analysis and comparison.

关键词

Keywords

references

习近平在第七十五届联合国大会一般性辩论上的讲话［EB/OL］.［ 2020-09-22 ］. http：//www.xinhuanet.com/politics/leaders/2020-09/22/c_1126527652.htm http://www.xinhuanet.com/politics/leaders/2020-09/22/c_1126527652.htm .

Xi Jinping’s speech at the general debate of the 75th session of the United Nations General Assembly ［EB/OL］. ［ 2020-09-22 ］. http：//www.xinhuanet.com/politics/leaders/2020-09/22/c_1126527652.htm http://www.xinhuanet.com/politics/leaders/2020-09/22/c_1126527652.htm .

王成山，李鹏，于浩 . 智能配电网的新形态及其灵活性特征分析与应用［J］. 电力系统自动化， 2018 ， 42 （ 10 ）： 13 - 21 .

WANG Chengshan ， LI Peng ， YU Hao . Development and characteristic analysis of flexibility in smart distribution network ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 10 ）： 13 - 21 .

张瑶，王傲寒，张宏 . 中国智能电网发展综述［J］. 电力系统保护与控制， 2021 ， 49 （ 5 ）： 180 - 187 .

ZHANG Yao ， WANG Aohan ， ZHANG Hong . Overview of smart grid development in China ［J］. Power System Protection and Control ， 2021 ， 49 （ 5 ）： 180 - 187 .

王雪纯，陈红坤，陈磊 . 提升区域综合能源系统运行灵活性的多主体互动决策模型［J］. 电工技术学报， 2021 ， 36 （ 11 ）： 2207 - 2219 .

WANG Xuechun ， CHEN Hongkun ， CHEN Lei . Multi-player interactive decision-making model for operational flexibility improvement of regional integrated energy system ［J］. Transactions of China Electrotechnical Society ， 2021 ， 36 （ 11 ）： 2207 - 2219 .

熊宇峰，陈来军，郑天文，等 . 考虑电热气耦合特性的低碳园区综合能源系统氢储能优化配置［J］. 电力自动化设备， 2021 ， 41 （ 9 ）： 31 - 38 .

XIONG Yufeng ， CHEN Laijun ， ZHENG Tianwen ， et al . Optimal configuration of hydrogen energy storage in low-carbon park integrated energy system considering electricity-heat-gas coupling characteristics ［J］. Electric Power Automation Equipment ， 2021 ， 41 （ 9 ）： 31 - 38 .

李健强，余光正，汤波，等 . 考虑风光利用率和含氢能流的多能流综合能源系统规划［J］. 电力系统保护与控制， 2021 ， 49 （ 14 ）： 11 - 20 .

LI Jianqiang ， YU Guangzheng ， TANG Bo ， et al . Multi-energy flow integrated energy system planning considering wind and solar utilization and containing hydrogen energy flow ［J］. Power System Protection and Control ， 2021 ， 49 （ 14 ）： 11 - 20 .

XING X T ， LIN J ， SONG Y H ， et al . Modeling and operation of the power-to-gas system for renewables integration： a review ［J］. CSEE Journal of Power and Energy Systems ， 2018 ， 4 （ 2 ）： 168 - 178 .

EL-TAWEEL N A ， KHANI H ， FARAG H E Z . Hydrogen storage optimal scheduling for fuel supply and capacity-based demand response program under dynamic hydrogen pricing ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 4 ）： 4531 - 4542 .

高佳佳，米媛媛，周洋，等 . 新型储氢材料研究进展［J］. 化工进展， 2021 ， 40 （ 6 ）： 2962 - 2971 .

GAO Jiajia ， MI Yuanyuan ， ZHOU Yang ， et al . Recent developments in new hydrogen storage materials ［J］. Chemical Industry and Engineering Progress ， 2021 ， 40 （ 6 ）： 2962 - 2971 .

YU L ， QIN S Q ， ZHANG M ， et al . A review of deep reinforcement learning for smart building energy management ［J］. IEEE Internet of Things Journal ， 2021 ， 8 （ 15 ）： 12046 - 12063 .

杨铮，彭思成，廖清芬，等 . 面向综合能源楼宇的电动汽车辅助服务方案［J］. 电网技术， 2017 ， 41 （ 9 ）： 2831 - 2843 .

YANG Zheng ， PENG Sicheng ， LIAO Qingfen ， et al . Ancillary services provided by electric vehicles for building integrated energy system ［J］. Power System Technology ， 2017 ， 41 （ 9 ）： 2831 - 2843 .

徐筝，孙宏斌，郭庆来 . 综合需求响应研究综述及展望［J］. 中国电机工程学报， 2018 ， 38 （ 24 ）： 7194 - 7205 .

XU Zheng ， SUN Hongbin ， GUO Qinglai . Review and prospect of integrated demand response ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 24 ）： 7194 - 7205 .

黄子硕，何桂雄，闫华光，等 . 园区级综合能源系统优化模型功能综述及展望［J］. 电力自动化设备， 2020 ， 40 （ 1 ）： 10 - 18 .

HUANG Zishuo ， HE Guixiong ， YAN Huaguang ， et al . Overview and prospect of optimization model function for community-scale integrated energy system ［J］. Electric Power Automation Equipment ， 2020 ， 40 （ 1 ）： 10 - 18 .

徐潇源，王晗，严正，等 . 能源转型背景下电力系统不确定性及应对方法综述［J］. 电力系统自动化， 2021 ， 45 （ 16 ）： 2 - 13 .

XU Xiaoyuan ， WANG Han ， YAN Zheng ， et al . Overview of power system uncertainty and its solutions under energy transition ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 16 ）： 2 - 13 .

LONG C ， WU J Z ， ZHOU Y ， et al . Peer-to-peer energy sharing through a two-stage aggregated battery control in a community microgrid ［J］. Applied Energy ， 2018 ， 226 ： 261 - 276 .

MORSTYN T ， MCCULLOCH M D . Multiclass energy management for peer-to-peer energy trading driven by prosumer preferences ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 5 ）： 4005 - 4014 .

靳小龙，穆云飞，贾宏杰，等 . 集成智能楼宇的微网系统多时间尺度模型预测调度方法［J］. 电力系统自动化， 2019 ， 43 （ 16 ）： 25 - 33 .

JIN Xiaolong ， MU Yunfei ， JIA Hongjie ， et al . Model predictive control based multiple-time-scheduling method for microgrid system with smart buildings integrated ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 16 ）： 25 - 33 .

张宇帆，艾芊，郝然，等 . 基于机会约束规划的楼宇综合能源系统经济调度［J］. 电网技术， 2019 ， 43 （ 1 ）： 108 - 116 .

ZHANG Yufan ， AI Qian ， HAO Ran ， et al . Economic dispatch of integrated energy system at building level based on chance constrained programming ［J］. Power System Technology ， 2019 ， 43 （ 1 ）： 108 - 116 .

GREGORATTI D ， MATAMOROS J . Distributed energy trading： the multiple-microgrid case ［J］. IEEE Transactions on Industrial Electronics ， 2015 ， 62 （ 4 ）： 2551 - 2559 .

贾善翔，彭克，李喜东，等 . 基于智能软开关的柔性互联交直流配电系统分布式优化［J］. 电力系统自动化， 2021 ， 45 （ 8 ）： 95 - 103 .

JIA Shanxiang ， PENG Ke ， LI Xidong ， et al . Distributed optimization of flexible interconnected AC/DC distribution system based on soft open point ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 8 ）： 95 - 103 .

LIU W J ， ZHAN J P ， CHUNG C Y . A novel transactive energy control mechanism for collaborative networked microgrids ［J］. IEEE Transactions on Power Systems ， 2019 ， 34 （ 3 ）： 2048 - 2060 .

史佳琪，胡浩，张建华 . 计及多个独立运营商的综合能源系统分布式低碳经济调度［J］. 电网技术， 2019 ， 43 （ 1 ）： 127 - 136 .

SHI Jiaqi ， HU Hao ， ZHANG Jianhua . Distributed low-carbon economy scheduling for integrated energy system with multiple individual energy-hubs ［J］. Power System Technology ， 2019 ， 43 （ 1 ）： 127 - 136 .

杨昭，艾欣 . 考虑电能共享的综合能源楼宇群分布式优化调度［J］. 电网技术， 2020 ， 44 （ 10 ）： 3769 - 3778 .

YANG Zhao ， AI Xin . Distributed optimal scheduling for integrated energy building clusters considering energy sharing ［J］. Power System Technology ， 2020 ， 44 （ 10 ）： 3769 - 3778 .

杨洪明，阳泽峰，漆敏，等 . 双链式区块链架构设计及其点对点交易优化决策实现［J］. 电力系统自动化， 2021 ， 45 （ 9 ）： 19 - 27 .

YANG Hongming ， YANG Zefeng ， QI Min ， et al . Design of double-chain blockchain architecture and its implementation of peer-to-peer transaction optimization decision ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 9 ）： 19 - 27 .

NAJI S ， KEIVANI A ， SHAMSHIRBAND S ， et al . Estimating building energy consumption using extreme learning machine method ［J］. Energy ， 2016 ， 97 ： 506 - 516 .

张虹，申鑫，穆昊源，等 . 基于Multi-Agent异步深度强化学习的居民住宅能耗在线优化调度研究［J］. 中国电机工程学报， 2020 ， 40 （ 1 ）： 117 - 127 .

ZHANG Hong ， SHEN Xin ， MU Haoyuan ， et al . Research on online optimal dispatching of residential energy consumption based on multi-agent asynchronous deep reinforcement learning ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 1 ）： 117 - 127 .

王丹，刘博，贾宏杰，等 . 基于强化学习的产消用户端对端电能交易决策［J］. 电力系统自动化， 2021 ， 45 （ 3 ）： 139 - 147 .

WANG Dan ， LIU Bo ， JIA Hongjie ， et al . Peer-to-peer energy transaction decision of prosumers based on reinforcement learning ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 3 ）： 139 - 147 .

徐弘升，陆继翔，杨志宏，等 . 基于深度强化学习的激励型需求响应决策优化模型［J］. 电力系统自动化， 2021 ， 45 （ 14 ）： 97 - 103 .

XU Hongsheng ， LU Jixiang ， YANG Zhihong ， et al . Decision optimization model of incentive demand response based on deep reinforcement learning ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 14 ）： 97 - 103 .

WANG S Y ， DUAN J J ， SHI D ， et al . A data-driven multi-agent autonomous voltage control framework using deep reinforcement learning ［J］. IEEE Transactions on Power Systems ， 2020 ， 35 （ 6 ）： 4644 - 4654 .

LOWE R ， WU Yi ， TAMAR A ， et al . Multi-agent actor-critic for mixed cooperative-competitive environments ［C］// 31st Annual Conference on Neural Information Processing Systems （NIPS）， December 4-8 ， 2017 ， Long Beach， USA .

EL-TAWEEL N A ， KHANI H ， FARAG H E Z . Optimal sizing and scheduling of LOHC-based generation and storage plants for concurrent services to transportation sector and ancillary services market ［J］. IEEE Transactions on Sustainable Energy ， 2020 ， 11 （ 3 ）： 1381 - 1393 .

魏繁荣，随权，林湘宁，等 . 考虑制氢设备效率特性的煤风氢能源网调度优化策略［J］. 中国电机工程学报， 2018 ， 38 （ 5 ）： 1428 - 1439 .

WEI Fanrong ， SUI Quan ， LIN Xiangning ， et al . Energy control scheduling optimization strategy for coal-wind-hydrogen energy grid under consideration of the efficiency features of hydrogen production equipment ［J］. Proceedings of the CSEE ， 2018 ， 38 （ 5 ）： 1428 - 1439 .

张昊天，韦钢，袁洪涛，等 . 考虑氢-电混合储能的直流配电网优化调度［J］. 电力系统自动化， 2021 ， 45 （ 14 ）： 72 - 81 .

ZHANG Haotian ， WEI Gang ， YUAN Hongtao ， et al . Optimal scheduling of DC distribution network considering hydrogen-power hybrid energy storage ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 14 ）： 72 - 81 .

MCKENNA E ， THOMSON M . High-resolution stochastic integrated thermal-electrical domestic demand model ［J］. Applied Energy ， 2016 ， 165 ： 445 - 461 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Multi-objective Optimal Scheduling Strategy for Energy Storage System Based on Improved Multi-agent Deep Deterministic Policy Gradient Algorithm

Active and Reactive Power Coordinated Optimal Dispatch of Networked Microgrids Based on Distributed Deep Reinforcement Learning

Related Author

WANG Yufei

WANG Yishun

XUE Hua

TU Yiyun

LIN Shunfu

JU Yuntao

CHEN Xi

LI Jiawei

Related Institution

College of Electrical Engineering, Shanghai University of Electric Power

School of Electrical and Control Engineering, North China University of Technology

College of Information and Electrical Engineering, China Agricultural University

Institute of Advanced Technology for Carbon Neutrality, Nanjing University of Posts and Telecommunications

NARI Group Corporation (State Grid Electric Power Research Institute)

⁰