CN105337303B - 一种含热泵的热电联产型微电网容量优化配置方法 - Google Patents
一种含热泵的热电联产型微电网容量优化配置方法 Download PDFInfo
- Publication number
- CN105337303B CN105337303B CN201510604222.9A CN201510604222A CN105337303B CN 105337303 B CN105337303 B CN 105337303B CN 201510604222 A CN201510604222 A CN 201510604222A CN 105337303 B CN105337303 B CN 105337303B
- Authority
- CN
- China
- Prior art keywords
- micro
- heat
- heat pump
- power
- lead
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 230000002068 genetic effect Effects 0.000 claims abstract description 12
- 239000002253 acid Substances 0.000 claims description 85
- 238000003860 storage Methods 0.000 claims description 72
- 238000002485 combustion reaction Methods 0.000 claims description 61
- 230000014509 gene expression Effects 0.000 claims description 55
- 238000005457 optimization Methods 0.000 claims description 43
- 238000010248 power generation Methods 0.000 claims description 35
- 238000010438 heat treatment Methods 0.000 claims description 31
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 26
- 238000013486 operation strategy Methods 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 19
- 239000007789 gas Substances 0.000 claims description 18
- 239000000446 fuel Substances 0.000 claims description 17
- 239000003345 natural gas Substances 0.000 claims description 13
- 238000012423 maintenance Methods 0.000 claims description 11
- 210000000349 chromosome Anatomy 0.000 claims description 10
- 238000007599 discharging Methods 0.000 claims description 9
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 8
- 238000001816 cooling Methods 0.000 claims description 8
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 5
- 125000004122 cyclic group Chemical group 0.000 claims description 4
- 230000017525 heat dissipation Effects 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 230000035699 permeability Effects 0.000 claims description 3
- 238000004321 preservation Methods 0.000 claims description 3
- BULVZWIRKLYCBC-UHFFFAOYSA-N phorate Chemical compound CCOP(=S)(OCC)SCSCC BULVZWIRKLYCBC-UHFFFAOYSA-N 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 11
- 230000007812 deficiency Effects 0.000 abstract 1
- 230000009897 systematic effect Effects 0.000 abstract 1
- 239000003570 air Substances 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 238000004146 energy storage Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000005057 refrigeration Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 239000002918 waste heat Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- WKBOTKDWSSQWDR-UHFFFAOYSA-N Bromine atom Chemical compound [Br] WKBOTKDWSSQWDR-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- GDTBXPJZTBHREO-UHFFFAOYSA-N bromine Substances BrBr GDTBXPJZTBHREO-UHFFFAOYSA-N 0.000 description 1
- 229910052794 bromium Inorganic materials 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005338 heat storage Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种含热泵的热电联产型微电网容量优化配置方法,它包括:步骤1、建立微电网系统模型;步骤2、在热电联产型微电网中引入热泵,制定含热泵的热电联产型微电网运行策略;步骤3、建立含热泵的热电联产型微电网容量优化配置模型;步骤4、通过遗传算法求解含热泵的热电联产型微电网容量优化配置模型;解决了现有技术热电联产微电网容量优化配置中,没有对减少常规能源,减少弃风量,提高系统经济效益等方面进行优化配置,导致现有系统存在使用成本高,经济效益差等问题。
Description
技术领域
本发明属于电力系统规划技术领域,尤其涉及一种含热泵的热电联产型微电网容量优化配置方法。
背景技术
目前,微电网已成为国内外研究者广泛关注的热点,微电网以及热电联产技术都已有大量的研究成果。由于可再生能源的加入,其随机性和波动性给微电网的协调控制带来了诸多困难,因此合理地配置微电网电源容量是微电网规划建设的首要问题。在系统容量优化配置方面,国内外学者均取得了一系列成果。
在热电联产型微电网容量优化配置模型方面,部分学者建立了冷热电三联产系统的混合整型非线性集成优化数学模型,基于某建筑物实际负荷,以年度化总费用最小为目标研究了不同冷热电负荷比例下的设备最佳容量配置,并通过灵敏度计算分析了冷热电负荷的比例对最优配置的影响;部分学者研究了冷热电联产系统的容量配置与运行策略间关系,建立的容量优化配置模型为多目标规划模型,三级目标分别为运行费用最少、主设备数量最少以及设备负荷率最大化,通过算例求解得到最优的系统运行策略和对应的系统配置。部分学者讨论了微燃机在不同负荷率下的制热效率与发电效率的变化,建立了更完备的热电联产微电网容量优化模型。
在考虑设备选型和外部影响因素方面,部分学者建立了含光伏阵列的分布式热电联产系统最优规划模型,并且考虑了热管网的优化设计,并用算例验证了模型的正确性;部分学者研究以包含了碳排放配用的微电网运行总费用最小为目标,进行了含热负荷的微电网容量优化配置,算例分析表明:在微电网引入CHP联产机组可以大幅减少微电网的碳排放;部分学者考虑了多种供热微源,制定了包含光伏电池、PEFCS电池、水电解槽、以及热泵的微电网运行策略,并在运行策略的基础上开展了容量优化配置工作;部分学者建立了包含余热锅炉和储热装置的热电联产系统模型,并分别进行了静态规划和动态规划,从设备选型的角度出发,分析了不同的供热设备对于系统供热性能的影响。
但上述现有技术热电联产微电网容量优化配置中,没有对减少常规能源,减少弃风量,提高系统经济效益等方面进行优化配置,导致现有系统存在使用成本高,经济效益差等问题。
发明内容:
本发明要解决的技术问题:提供一种含热泵的热电联产型微电网容量优化配置方法,以解决现有技术热电联产微电网容量优化配置中,没有对减少常规能源,减少弃风量,提高系统经济效益等方面进行优化配置,导致现有系统存在使用成本高,经济效益差等问题。
本发明技术方案:
一种含热泵的热电联产型微电网容量优化配置方法,它包括:
步骤1、建立微电网系统模型;
步骤2、在热电联产型微电网中引入热泵,制定含热泵的热电联产型微电网运行策略;
步骤3、建立含热泵的热电联产型微电网容量优化配置模型;
步骤4、通过遗传算法求解含热泵的热电联产型微电网容量优化配置模型。
步骤1所述微电网系统模型包括:
风电机组出力模型,它包括风电机组在一个时段内的输出功率Pt w,其分段函数表达式为
式中:vci为切入风速,vco为切出风速,vr为额定风速,Pr w为风电机组额定输出功率,vt风机轮毂所在高度处的平均风速;
CHP机组出力模型,它包括微燃机用作CHP机组时其供电和供热出力表达式:
微燃机n的热电输出比表达式:
上述式中:Pt n、Ht n、Gt n、q分别为t时段第n台微燃机的供热出力、发电出力、消耗的天然气量以及天然气热值,ηe n、η1 n为t时段第n台微燃机发电效率、散热损失系数,δh n为第n台微燃机的制热系数,θn为微燃机n的热电输出比;
铅酸蓄电池模型,它包括:
在进行充电时,铅酸蓄电池荷电状值s(t)的变化表达式:
在进行放电时,铅酸蓄电池荷电状值s(t)的变化表达式:
最大充放电循环次数和循环充放电深度的关系表达式:
上述式中:S(t+1)、S(t)分别为t+1时段和t时段铅酸蓄电池的荷电状态,Pt b为t时段铅酸蓄电池的充放电功率,ηc、ηd′分别为铅酸蓄电池的充放电效率,Δt为两时段间的时间间隔,Cbat为铅酸蓄电池容量,Nk为放电深度为Dk时的最大充放电循环次数,α1、α2、α3、α4和α5为损耗相关系数;
时序负荷模型,它包括时序负荷曲线表达式:
Pt d=PA·Prate(t)式中:Pt d为时刻t的电负荷需求,PA为模拟期间内负荷点的峰值负荷,Prate(t)为时刻t的负荷率值;
t时段内热负荷表达式:
式中:μ、Xh、V分别为建筑物空气渗透系数、采暖系数和外围体积,Tt o为大气温度,Tt i为建筑物室内保温设计温度;
t时段内冷负荷表达式:
式中:Xc为建筑物制冷系数。
步骤2所述的含热泵的热电联产型微电网运行策略包括:含热泵的热电联产型微电网寒季运行策略,所述寒季运行策略为:先满足热电联产微型电网的热负荷平衡;再满足微电网负荷平衡;当CHP机组和风电机组的发电出力大于用户电负荷和热泵输入功率之和,则铅酸蓄电池充电,当铅酸蓄电池充电饱和,则微电网弃风;当CHP机组和风电机组的发电出力小于用户电负荷和热泵输入功率之和,铅酸蓄电池放电,此时微源出力之和仍小于用户电负荷,则增大CHP机组的发电出力;当CHP机组和铅酸蓄电池在最大出力情况下仍不满足用户电负荷,则判定系统供电能力不足,削减用户电负荷。
步骤3所述含热泵的热电联产型微电网容量优化配置模型包括目标函数表达式和约束条件表达式,
所述目标函数表达式为:minF=Fin+Ff+Fm+Fwc
式中:Fin为系统投资总成本,Ff为微燃机燃料成本,Fm为机组维护成本,Fwc为系统弃风惩罚费用;
所述约束条件表达式包括
微电源数量约束表达式:
式中:Nwt、Nmt、Nhp、Nb分别为风电机组台数、微燃机台数、热泵台数、铅酸蓄电池台数,为风电机组的最大装机台数,为微燃机的最大装机台数,为热泵装置最大装机台数,分别为铅酸蓄电池的最小、最大装机个数;
微燃机出力约束表达式:
式中:Pt mt为微燃机的出力大小;分别为微燃机的最小、最大发电出力;
热泵功率约束表达式:
式中:分别为热泵开机状态下输入功率的最小限制和最大限制;
铅酸蓄电池充放电约束表达式:
Pt b为t时段单个铅酸蓄电池的出力、分别为铅酸蓄电池最大充、放电功率;
铅酸蓄电池荷电状态约束表达式:Smin≤S(t)≤Smax,式中:Smax和Smin分别为铅酸蓄电池荷电状态的上下限;
微电网供电、供热可靠性约束表达式:
LOLP≤LOLPmax
LOHP≤LOHPmax式中:LOLP为微电网缺电概率、LOLPmax为规划允许的系统最大缺电概率;LOHP为微电网供热不足概率、LOHPmax为规划允许的系统最大供热不足概率。
步骤4所述通过遗传算法求解含热泵的热电联产型微电网容量优化配置模型,其计算步骤包括:
步骤1、输入全年风速数据、电负荷数据、冷、热负荷数据以及各微源参数,设置遗传算法种群数量和迭代次数;
步骤2、使用随机数方法产生初始种群,进行染色体编码;
步骤3、对染色体进行解码,并对各微源的数量进行调整,使之满足微源数量约束表达式;
步骤4、在不考虑故障的情况下,根据寒、暖两季的运行策略对燃料成本和弃风惩罚费用进行计算;
步骤5、考虑风电机组和CHP机组故障率,通过时序蒙特卡洛模拟法计算当前个体对应的系统供电和供热可靠性指标,通过适应值函数计算个体适应值;
步骤6、通过算子进行选择、交叉和变异操作;
步骤7、满足迭代终止条件或达到最大迭代次数,则结束计算并输出结果;不满足则转到步骤3继续执行。
系统投资总成本Fin计算公式为:
r为折现率,分别为风电机组、微燃机、热泵和铅酸蓄电池的初始投资费用;Nwt、Nmt、Nhp、Nb分别为风电机组台数、微燃机台数、热泵台数、铅酸蓄电池个数,为模型待规划变量;cwt、cmt、chp、cb分别为风电机组、微燃机、热泵装置、铅酸蓄电池的单机投资成本;ywt、ymt、yhp、yb分别为风电机组、微燃机、热泵装置、铅酸蓄电池的寿命(单位为年)。
微燃机燃料成本Ff计算公式为
式中Pf为单位天然气价格,Pt mt为微燃机在t时段内的发电出力,为微燃机发电效率,q为天然气热值,Δt为时段长度。
机组维护成本Fm计算公式为:
式中:N为电源类型数,Ei为第i种电源的装机容量;为第i种微源年运行维护成本比例系数,单位为$/kW。
系统弃风惩罚费用Fwc计算公式为:
式中:ρ为单位弃风量的弃风惩罚系数,Pt w为风电机组输出功率,Pt wa
为微电网实际消纳的风电功率,Δt为时段长度。
本发明的有益效果:
本发明在热电联产型微电网中引入热泵,将减少常规能源消耗、减少弃风量作为出发点,制定了含热泵的热电联产型微电网分季运行策略,并区分寒、暖两季,以设备投资成本、运行维护成本、燃料消耗成本和弃风惩罚费用总费用最小为目标,考虑系统供电、供热可靠性约束,建立了热电联产型微电网容量优化配置模型,采用自适应遗传算法对该问题进行求解;加入热泵后,可适当减少CHP机组、铅酸蓄电池的配置容量,增加风电机组容量;在系统的投资费用年值基本不变的情况下,可以大幅度降低系统的燃料成本和弃风损失,带来明显的经济效益。解决了现有技术热电联产微电网容量优化配置中,没有对减少常规能源,减少弃风量,提高系统经济效益等方面进行优化配置,导致现有系统存在使用成本高,经济效益差等问题。
附图说明:
图1为典型热电联产型微电网系统示意图;
图2为含热泵的热电联产型微电网系统示意图;
图3为含热泵的热电联产型微电网寒季运行策略示意图;
图4为含热泵的热电联产型微电网电源容量优化配置模型算法流程示意图。
具体实施方式:
一种含热泵的热电联产型微电网容量优化配置方法,它包括:
步骤1、建立微电网系统模型,
所述微电网系统模型包括:
风电机组出力模型,以1h为一个时段,风电机组在一个时段内的输出功率Pt w由该时段内风机轮毂所在高度处的平均风速vt决定,其分段函数表达式为
式中:vci为切入风速,vco为切出风速,vr为额定风速,Pr w为风电机组额定输出功率,vt风机轮毂所在高度处的平均风速;ω(vt)可近似为线性函数即:
CHP机组出力模型,
现有技术中用作CHP机组的主要是内燃机和微型燃气轮机,由于微型燃气轮机(MicroTurbine,MT)用于热电联产时具有独特的优势,其发电效率可达40%,一次能源综合利用效率可达90%,本发明选择微型燃气轮机即微燃机作为CHP机组。
微燃机用作CHP机组时其供电和供热出力表达式:
微燃机n的热电输出比表达式:
上述式中:Pt n、Ht n、Gt n、q分别为t时段第n台微燃机的供热出力、发电出力、消耗的天然气量以及天然气热值,ηe n、η1 n为t时段第n台微燃机发电效率、散热损失系数,δh n为第n台微燃机的制热系数,θn为微燃机n的热电输出比;δh n为第n台微燃机的制热系数,其值为溴冷机制热系数与余热回收效率的乘积),燃气轮机在负载率变化时,散热损失系数η1 n不变,而发电效率随负载率升高而升高,热电输出比θn会随负载率变化而变化,对于小型燃气轮机来说,发电效率的变化范围较小,可近似认为发电效率ηe n在负载率变化时基本保持不变,则微燃机n的热电输出比θn为定值。
铅酸蓄电池模型,
在微电网中应用最广泛的也是最成熟的储能技术是蓄电池储能。本发明选择铅酸蓄电池作为微电网储能设备。铅酸蓄电池的主要性能参数为铅酸蓄电池容量Cbat,最大充、放电功率以及荷电状态(StateofCharge,SOC),荷电状态指蓄电池当前状态下的剩余容量与其完全充电状态的容量只比,取值范围为0-1,常用百分数表示,蓄电池在运行过程中必须控制其荷电状态。
本发明所述铅酸蓄电池模型包括在进行充电时,铅酸蓄电池荷电状值s(t)的变化表达式:
在进行放电时,铅酸蓄电池荷电状值s(t)的变化表达式:
铅酸蓄电池的损耗快慢与其循环充放电深度有关,最大充放电循环次数和循环充放电深度的关系表达式:
上述式中:S(t+1)、S(t)分别为t+1时段和t时段铅酸蓄电池的荷电状态,Pt b为t时段铅酸蓄电池的充放电功率,放电为正,充电为负,ηc、ηd′分别为铅酸蓄电池的充放电效率,Δt为两时段间的时间间隔,Cbat为铅酸蓄电池容量,Nk为放电深度为Dk时的最大充放电循环次数,α1、α2、α3、α4和α5为损耗相关系数。
时序负荷模型:
传统的电网容量优化配置通常基于恒定的负荷。然而对于微电网,由于可再生能源的接入,电源出力具有了时变的特性。若仍然采用恒定的负荷模型,可能会对优化结果带来一定的误差。为了表示负荷随时间的变化规律,本发明仍以1h为一个时段,采用时序负荷曲线进行研究,时序负荷曲线进行研究采用时序负荷曲线表达式进行。
所述时序负荷曲线表达式:
Pt d=PA·Prate(t)式9
式中:Pt d为时刻t的电负荷需求,PA为模拟期间内负荷点的峰值负荷,Prate(t)为时刻t的负荷率值;
热电联产型微电网涉及制冷、供热过程。建筑物冷、热负荷取决于气象条件、使用条件等因素,实际过程较为复杂,本发明为方便计算,主要考虑气温条件。参考《夏热冬冷地区居住建筑节能设计标准》,冬季采暖室内热环境设计计算时,室内设计温度应取为18℃,夏季空调室内热环境设计计算时,室内设计温度应取26℃,。
本发明中,热电联产型微电网的冷、热负荷采用一般建筑物负荷,以1h为一个时段,当大气温度较低,需要进行采暖时,
采用t时段内热负荷表达式进行计算:
式中:μ、Xh、V分别为建筑物空气渗透系数、采暖系数和外围体积,Tt o为大气温度,
Tt i为建筑物室内保温设计温度,参考《夏热冬冷地区居住建筑节能设计标准》,将Tt i控制在18℃,考虑到提高人体舒适度,再将居民活动时间(7:00-21:00)内Tt i提高到24℃,其余时间保持不变;
t时段内冷负荷表达式:
式中:Xc为建筑物制冷系数。
步骤2、在热电联产型微电网中引入热泵,制定含热泵的热电联产型微电网运行策略;步骤2所述的含热泵的热电联产型微电网运行策略包括:含热泵的热电联产型微电网寒季运行策略,所述寒季运行策略为:先满足热电联产微型电网的热负荷平衡;再满足微电网负荷平衡;CHP机组和风电机组的发电出力大于用户电负荷和热泵输入功率之和,则铅酸蓄电池充电,铅酸蓄电池充电饱和,则微电网弃风;当CHP机组和风电机组的发电出力小于用户电负荷和热泵输入功率之和,铅酸蓄电池放电,此时微源出力之和仍小于用户电负荷,则增大CHP机组的发电出力;当CHP机组和铅酸蓄电池在最大出力情况下仍不满足用户电负荷,则判定系统供电能力不足,削减用户电负荷。
引入热泵对热电联产型微电网的影响说明
造成弃风的原因主要是CHP机组热电输出比可调范围小(本文设为定值),受电、热负荷能量平衡约束,系统的灵活调节能力受到了制约。针对于此,本发明在热电联产型微电网中引入了热泵。
热泵(HeatPump,HP)技术是近年来在工业界引起广泛关注的新能源技术,热泵是一种分布式供热装置,可以通过电力做功使热量从温度低的介质流向温度高的介质,能从自然界(空气、水或土壤)中获取低品位热能,经过电力做功,输出高品位热能。热泵可以直接安装在热电联产型微电网的用户侧,可以实现冬季制热和夏季制冷,配合微电网中的CHP机组满足用户的冷、热负荷需求。
从微电网角度看,热泵相关的物理量为其t时段消耗的电功率Pt hp,及其t时段做功交换的热量与Pt hp的比值为能效系数(CoefficientofPerformance,COP),如式(12)所示。
COP可以用来评价热泵的性能,其定义为由低温物体传到高温物体的热量与热泵输入的电能之比。COP的大小与热泵结构、气温等很多因素有关,在恒定工况下,其值基本不变。
在热电联产型微电网中引入热泵,系统的电、热能量约束将发生改变。含热泵的热电联产型微电网系统示意图如图2所示。
含热泵的热电联产型微电网能量平衡关系如下:微型CHP机组、风电机组、储能装置的发电出力与电负荷及热泵输入功率平衡;CHP机组、热泵供热(制冷)出力与热(冷)负荷平衡。热泵在消耗电能的同时以更高的效率进行供热,可以节约一次能源的消耗。
与图1所示的典型热电联产型微电网相比,含热泵的热电联产型微电网可以减少CHP机组供热(制冷)出力,使用热泵补偿减少供热(冷)出力,并增加电能的消耗,增加了微电网可再生能源的消纳能力。总的来说,引入热泵可以改变电负荷、热负荷两者的比例,达到增加微电网风电消纳能力、减少储能装置反复充放电和节约机组燃料消耗的目的。
含热泵的热电联产型微电网运行策略制定
在热电联产型微电网中引入热泵,可以增强系统灵活调节能力。针对引入热泵的热电联产型微电网,其运行策略的制定可以考虑如下几个方面的影响:
①改变“以热定电”调度模式
CHP机组热电输出比的可调范围较小(本文近似为定值),在没有热泵的情形下,如果要优先满足系统的冷、热负荷,则必须根据冷、热负荷的大小来确定CHP机组的输出功率,在引入热泵后,可以使用热泵进行制冷、供热,与CHP机组共同满足冷、热负荷,使CHP机组的调度灵活性增强。
②制冷、供热设备的优先调度权
引入热泵后,满足微电网热负荷平衡的设备变得多样化。在制定运行策略时,不仅应规定电能优先调度权,也应对热能优先调度权作出规定。因热泵工作效率高,一次能源消耗少,相比于CHP机组供热经济性更好,应享有优先调度权,使其尽可能满负荷运行。
结合上述两点并将减少常规能源消耗、减少弃风量作为出发点,本文的运行策略制定准则可概括为:
准则1:优先使用热泵进行制冷、供热,在热泵不能满足冷、热负荷时,使用CHP机组补足;
准则2:优先使用风电机组进行供电,尽量将风电功率全部消纳;
准则3:使用CHP机组作为微电网主电源,承担微电网调节任务。
基于以上的策略制定准则,区分寒、暖季节两种工况,本发明制定的含热泵的热电联产型微电网运行策略如下。
含热泵的热电联产型微电网分季运行策略
以寒季为例,说明热电联产型微电网运行策略。
①首先满足热电联产型微电网的热负荷平衡。判断热泵单独供热能否平衡负荷,若能则仅使用热泵供热,若不能则开启CHP机组,在CHP机组和热泵在最大出力情况下若仍不能满足热负荷,则判定系统供热能力不足。
②在供热满足负荷以后,满足微电网电负荷。
a.若CHP机组和风电机组的发电出力大于用户电负荷和热泵输入功率之和,铅酸蓄电池充电,若此时铅酸蓄电池饱和,则微电网弃风;
b.若CHP机组和风电机组的发电出力小于用户电负荷和热泵输入功率之和,首先考虑铅酸蓄电池放电,若此时微源出力之和仍小于用户电负荷,则增大CHP机组的发电出力;
c.若CHP机组和铅酸蓄电池在最大出力情况下仍不满足用户电负荷,则判定系统供电能力不足,需要削减电负荷。
含热泵的热电联产型微电网寒运行策略如图3所示。
暖季运行策略与图3的寒季运行策略相似。其区别在于图3中热负荷被冷负荷取代,CHP机组进行冷电联产,热泵工作在制冷工况,微电网中各单元的优先调度顺序不变。
步骤3、建立含热泵的热电联产型微电网容量优化配置模型;所述含热泵的热电联产型微电网容量优化配置模型包括目标函数表达式和约束条件表达式。
含热泵的热电联产型微电网容量优化配置模型的目标函数为一年内系统投资、运行的总成本,包括风电机组、微燃机、热泵以及储能系统投资成本,微燃机燃料成本,机组维护成本,系统弃风惩罚费用。
建立目标函数表达式为:
minF=Fin+Ff+Fm+Fwc式13
式中:Fin为系统投资总成本,Ff为微燃机燃料成本,Fm为机组维护成本,Fwc为系统弃风惩罚费用;
系统投资总成本Fin计算公式为:
r为折现率,分别为风电机组、微燃机、热泵和铅酸蓄电池的初始投资费用;Nwt、Nmt、Nhp、Nb分别为风电机组台数、微燃机台数、热泵台数、铅酸蓄电池个数,为模型待规划变量;cwt、cmt、chp、cb分别为风电机组、微燃机、热泵装置、铅酸蓄电池的单机投资成本;ywt、ymt、yhp、yb分别为风电机组、微燃机、热泵装置、铅酸蓄电池的寿命(单位为年)。其中铅酸蓄电池的寿命与其运行过程相关,若在一年内,铅酸蓄电池在不同放电深度下的放电次数为Ny,则yb可用下式计算,其中Nk为放电深度在Dk时的最大放电次数,由式(8)进行计算。
微燃机燃料成本为其一年内所消耗的天然气成本,其微燃机燃料成本Ff计算公式为
式中Pf为单位天然气价格,Pt mt为微燃机在t时段内的发电出力,为微燃机发电效率,q为天然气热值,Δt为时段长度本发明中取值为1小时。
机组运行过程中的维护成本与其装机容量有关,且对于不同类型的机组,其单位容量的维护费用不同,一年内微电网所有机组的维护成本可用下式计算。
机组维护成本Fm计算公式为:
式中:N为电源类型数,Ei为第i种电源的装机容量;为第i种微源年运行维护成本比例系数,单位为$/kW。
热电联产型微电网中弃风惩罚费用可以使用全年的弃风量与单位弃风惩罚费用来计算。
系统弃风惩罚费用Fwc计算公式为:
式中:ρ为单位弃风量的弃风惩罚系数,Pt w为风电机组输出功率,Pt wa为微电网实际消纳的风电功率,Δt为间隔时间长度。8760代表一年的总小时数。
所述约束条件表达式包括
微电源数量约束表达式:
式中:Nwt、Nmt、Nhp、Nb分别为风电机组台数、微燃机台数、热泵台数、铅酸蓄电池台数,为风电机组的最大装机台数,为微燃机的最大装机台数,为热泵装置最大装机台数,分别为铅酸蓄电池的最小、最大装机个数;
单台微燃机在开机状态下的出力受其最大、最小出力限制,因此建立微燃机出力约束表达式:
式中:Pt mt为微燃机的出力大小;分别为微燃机的最小、最大发电出力;受热电输出比限制,微燃机的供热出力也会受到限制,分别为单台微燃机的最小、最大供热出力限制。
热泵功率约束表达式:
式中:分别为热泵开机状态下输入功率的最小限制和最大限制;与热泵容量有关,在本发明中近似认为其中Ehp表示装机容量。同时,受COP限制,热泵装置的供热出力也会受到限制,分别为热泵装置开机状态下供热出力的最小限制和最大限制。
铅酸蓄电池在运行中,铅酸蓄电池充放电约束表达式:
Pt b为t时段单个铅酸蓄电池的出力,放电为正值,充电为负值;分别为铅酸蓄电池最大充、放电功率。
铅酸蓄电池荷电状态约束表达式:
Smin≤S(t)≤Smax式27
式中:Smax和Smin分别为铅酸蓄电池荷电状态的上下限;
微电网供电、供热可靠性约束表达式:
LOLP≤LOLPmax式28
LOHP≤LOHPmax式29
式中:LOLP为微电网缺电概率、LOLPmax为规划允许的系统最大缺电概率;LOHP为微电网供热不足概率、LOHPmax为规划允许的系统最大供热不足概率。
本发明中LOLP与LOHP的值采用现有技术中常用的时序蒙特卡洛模拟法进行计算,考虑微燃机和风电机组的故障,对两者的故障前正常运行时间和故障后修复时间进行随机抽样,得到系统的运行状态。在运行过程中,当电源出力不足,所有电源出力不能够满足电负荷需求时,会出现削减电负荷情况。若在t时段出现了削减电负荷情况,则缺电量为:
其中,与为t时段系统运行状态下的正常运行的风电机组台数与微燃机台数;若用表示一个抽样年内的缺供电时段数,则抽样年内的微电网缺电概率为:
在运行过程中,当系统供热能力不足,微燃机和热泵的供热出力不能满足热负荷需求时,会出现削减热负荷的情况。若在t时段出现了削减热负荷情况,则缺热量为:
若用表示一个抽样年内的缺供电时段数,则抽样年内的微电网缺电概率为:
通过对模拟时间(Y年)内每年的可靠性指标的计算,可以得到系统年度LOLP与LOHP的值:
步骤4、通过遗传算法求解含热泵的热电联产型微电网容量优化配置模型。
所述通过遗传算法求解含热泵的热电联产型微电网容量优化配置模型,其计算步骤包括:
步骤1、输入全年风速数据、电负荷数据、冷、热负荷数据以及各微源参数,设置遗传算法种群数量和迭代次数;
步骤2、使用随机数方法产生初始种群,进行染色体编码;
步骤3、对染色体进行解码,并对各微源的数量进行调整,使之满足微源数量约束表达式;
步骤4、在不考虑故障的情况下,根据寒、暖两季的运行策略对燃料成本和弃风惩罚费用进行计算;
步骤5、考虑风电机组和CHP机组故障率,通过时序蒙特卡洛模拟法计算当前个体对应的系统供电和供热可靠性指标,通过适应值函数计算个体适应值;
步骤6、通过算子进行选择、交叉和变异操作;
步骤7、满足迭代终止条件或达到最大迭代次数,则结束计算并输出结果;不满足则转到步骤3继续执行。
含热泵的热电联产型微电网容量优化配置模型中待求解的变量为式中:Nwt、Nmt、Nhp、Nb分别为风电机组台数、微燃机台数、热泵台数、铅酸蓄电池台数,全部为整数变量。采用二进制形式对求解变量进行染色体编码。
在含热泵的热电联产型微电网容量优化配置模型的多个约束条件中,可靠性约束很难采用优化变量的解析式表达,故本发明采用罚函数法对可靠性约束进行限制,根据目标函数,使用遗传算法进行求解时的适应值函数可用下式表示。
fitness(A)=exp(-(F(A)+L(A)+K(A)))式36
其中,F(A)是染色体A对应的目标函数值,由式(36)计算得到,L(A)是染色体A对应的可靠性罚函数,K(A)为染色体A对应的供热能力不足罚函数,L(A)、K(A)通过时序蒙特卡洛模拟由式(37)、(38)进行计算,C1,C2为较大的正常数。
本发明技术方案与现有技术对比的优点有:
在无热泵装置的情形下,微电网冷、热负荷全部由CHP机组提供,受此约束,CHP机组燃料消耗较大,同时,CHP机组需输出与微电网冷、热负荷成比例的电能,在风速较大,且铅酸蓄电池饱和的状态下,会造成电能过剩,风电被浪费,发生弃风损失费用;
在加入热泵装置后,微电网的冷、热负荷可以由CHP机组与热泵装置共同提供,热泵装置消耗电能进行供热,供热效率高,输出单位热能时消耗的一次能源更低,且微电网消耗风电能力更强。
加入了热泵装置进行供热、制冷,可以节约供热、制冷消耗的一次能源,降低CHP机组的燃料消耗。
加入了热泵装置,消耗电能进行供热、制冷,增加了热电联产型微电网供电的调节能力,风电消纳能力增强,弃风损失减少;
在热电联产型微电网进行容量规划时,加入热泵装置可以大幅度降低规划年内的总成本费用。
加入热泵后,可适当减少CHP机组、铅酸蓄电池的配置容量、并增加风电机组容量,在系统的投资费用年值基本不变的情况下,可以大幅度降低系统的燃料成本和弃风损失,带来明显的经济效益。
Claims (8)
1.一种含热泵的热电联产型微电网容量优化配置方法,它包括:
步骤1、建立微电网系统模型;
步骤2、在热电联产型微电网中引入热泵,制定含热泵的热电联产型微电网运行策略;
步骤3、建立含热泵的热电联产型微电网容量优化配置模型;
步骤4、通过遗传算法求解含热泵的热电联产型微电网容量优化配置模型;
步骤1所述微电网系统模型包括:
风电机组出力模型,它包括风电机组在一个时段内的输出功率Pt w其分段函数表达式为
式中:vci为切入风速,vco为切出风速,vr为额定风速,Pr w为风电机组额定输出功率,vt风机轮毂所在高度处的平均风速;
CHP机组出力模型,它包括微燃机用作CHP机组时其供电和供热出力表达式:
微燃机n的热电输出比表达式:
上述式中:Pt n、Ht n、Gt n、q分别为t时段第n台微燃机的供热出力、发电出力、消耗的天然气量以及天然气热值,ηe n、η1 n为t时段第n台微燃机发电效率、散热损失系数,δh n为第n台微燃机的制热系数,θn为微燃机n的热电输出比;
铅酸蓄电池模型,它包括:
在进行充电时,铅酸蓄电池荷电状值S(t)的变化表达式:
在进行放电时,铅酸蓄电池荷电状值S(t)的变化表达式:
最大充放电循环次数和循环充放电深度的关系表达式:
上述式中:S(t+1)、S(t)分别为t+1时段和t时段铅酸蓄电池的荷电状态,Pt b为t时段铅酸蓄电池的充放电功率,ηc、ηd分别为铅酸蓄电池的充放电效率,Δt为两时段间的时间间隔,Cbat为铅酸蓄电池容量,Nk为放电深度为Dk时的最大充放电循环次数,α1、α2、α3、α4和α5为损耗相关系数;
时序负荷模型,它包括时序负荷曲线表达式:
Pt d=PA·Prate(t)式中:Pt d为时刻t的电负荷需求,PA为模拟期间内负荷点的峰值负荷,Prate(t)为时刻t的负荷率值;
t时段内热负荷表达式:
式中:μ、Xh、V分别为建筑物空气渗透系数、采暖系数和外围体积,Tt o为大气温度,Ti i为建筑物室内保温设计温度;
t时段内冷负荷表达式:
式中:Xc为建筑物制冷系数。
2.根据权利要求1所述的一种含热泵的热电联产型微电网容量优化配置方法,其特征在于:步骤2所述的含热泵的热电联产型微电网运行策略包括:含热泵的热电联产型微电网寒季运行策略,所述寒季运行策略为:先满足热电联产微型电网的热负荷平衡;再满足微电网负荷平衡;当CHP机组和风电机组的发电出力大于用户电负荷和热泵输入功率之和,则铅酸蓄电池充电,当铅酸蓄电池充电饱和,则微电网弃风;当CHP机组和风电机组的发电出力小于用户电负荷和热泵输入功率之和,则铅酸蓄电池放电,此时微源出力之和仍小于用户电负荷,则增大CHP机组的发电出力;当CHP机组和铅酸蓄电池在最大出力情况下仍不满足用户电负荷,则判定系统供电能力不足,削减用户电负荷。
3.根据权利要求1所述的一种含热泵的热电联产型微电网容量优化配置方法,其特征在于:步骤3所述含热泵的热电联产型微电网容量优化配置模型包括目标函数表达式和约束条件表达式,
所述目标函数表达式为:minF=Fin+Ff+Fm+Fwc
式中:Fin为系统投资总成本,Ff为微燃机燃料成本,Fm为机组维护成本,Fwc
为系统弃风惩罚费用;
所述约束条件表达式包括
微电源数量约束表达式:
式中:Nwt、Nmt、Nhp、Nb分别为风电机组台数、微燃机台数、热泵台数、铅酸蓄电池台数,为风电机组的最大装机台数,为微燃机的最大装机台数,为热泵装置最大装机台数,分别为铅酸蓄电池的最小、最大装机个数;
微燃机出力约束表达式:
式中:Pt mt为微燃机的出力大小;分别为微燃机的最小、最大发电出力;热泵功率约束表达式:
式中:分别为热泵开机状态下输入功率的最小限制和最大限制;
铅酸蓄电池充放电约束表达式:
Pt b为t时段单个铅酸蓄电池的出力、分别为铅酸蓄电池最大充、放电功率;铅酸蓄电池荷电状态约束表达式:Smin≤S(t)≤Smax,式中:Smax
和Smin分别为铅酸蓄电池荷电状态的上下限;
微电网供电、供热可靠性约束表达式:
LOLP≤LOLPmax
LOHP≤LOHPmax式中:LOLP为微电网缺电概率、LOLPmax为规划允许的系统最大缺电概率;LOHP为微电网供热不足概率、LOHPmax为规划允许的系统最大供热不足概率。
4.根据权利要求1所述的一种含热泵的热电联产型微电网容量优化配置方法,其特征在于:步骤4所述通过遗传算法求解含热泵的热电联产型微电网容量优化配置模型,其计算步骤包括:
步骤1、输入全年风速数据、电负荷数据、冷、热负荷数据以及各微源参数,设置遗传算法种群数量和迭代次数;
步骤2、使用随机数方法产生初始种群,进行染色体编码;
步骤3、对染色体进行解码,并对各微源的数量进行调整,使之满足微源数量约束表达式;
步骤4、在不考虑故障的情况下,根据寒、暖两季的运行策略对燃料成本和弃风惩罚费用进行计算;
步骤5、考虑风电机组和CHP机组故障率,通过时序蒙特卡洛模拟法计算当前个体对应的系统供电和供热可靠性指标,通过适应值函数计算个体适应值;
步骤6、通过算子进行选择、交叉和变异操作;
步骤7、满足迭代终止条件或达到最大迭代次数,则结束计算并输出结果;不满足则转到步骤3继续执行。
5.根据权利要求3所述的一种含热泵的热电联产型微电网容量优化配置方法,其特征在于:系统投资总成本Fin计算公式为:
r为折现率,分别为风电机组、微燃机、热泵和铅酸蓄电池的初始投资费用;Nwt、Nmt、Nhp、Nb分别为风电机组台数、微燃机台数、热泵台数、铅酸蓄电池个数,为模型待规划变量;cwt、cmt、chp、cb分别为风电机组、微燃机、热泵装置、铅酸蓄电池的单机投资成本;ywt、ymt、yhp、yb分别为风电机组、微燃机、热泵装置、铅酸蓄电池的寿命,单位为年。
6.根据权利要求3所述的一种含热泵的热电联产型微电网容量优化配置方法,其特征在于:微燃机燃料成本Ff计算公式为
式中Pf为单位天然气价格,Pt mt为微燃机在t时段内的发电出力,为微燃机发电效率,q为天然气热值,Δt为时段长度。
7.根据权利要求3所述的一种含热泵的热电联产型微电网容量优化配置方法,其特征在于:机组维护成本Fm计算公式为:
式中:N为电源类型数,Ei为第i种电源的装机容量;为第i种微源年运行维护成本比例系数,单位为$/kW。
8.根据权利要求3所述的一种含热泵的热电联产型微电网容量优化配置方法,其特征在于:系统弃风惩罚费用Fwc计算公式为:
式中:ρ为单位弃风量的弃风惩罚系数,Pt w为风电机组输出功率,Pt wa为微电网实际消纳的风电功率,Δt为时段长度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510604222.9A CN105337303B (zh) | 2015-09-22 | 2015-09-22 | 一种含热泵的热电联产型微电网容量优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510604222.9A CN105337303B (zh) | 2015-09-22 | 2015-09-22 | 一种含热泵的热电联产型微电网容量优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105337303A CN105337303A (zh) | 2016-02-17 |
CN105337303B true CN105337303B (zh) | 2016-06-08 |
Family
ID=55287674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510604222.9A Active CN105337303B (zh) | 2015-09-22 | 2015-09-22 | 一种含热泵的热电联产型微电网容量优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105337303B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105576710B (zh) * | 2016-02-18 | 2018-07-20 | 东南大学 | 一种综合能源系统中的分布式电源的配置方法 |
CN106600024A (zh) * | 2016-09-29 | 2017-04-26 | 重庆大学 | 一种计及温控设备的社区级微电网经济运行建模及其求解方法 |
CN106410824B (zh) * | 2016-10-08 | 2019-05-07 | 重庆大学 | 计及温控设备的社区微电网储能容量优化配置方法 |
CN106649960B (zh) * | 2016-10-12 | 2020-03-20 | 环境保护部环境规划院 | 大气多污染物环境容量三维迭代计算方法 |
CN106599361B (zh) * | 2016-11-10 | 2020-03-17 | 上海电力学院 | 一种双模式热泵储能效率实时优化控制方法 |
CN106505596B (zh) * | 2016-12-07 | 2021-06-25 | 中国电力科学研究院有限公司 | 用于提升风电消纳能力的储热罐容量优化配置方法和系统 |
CN108491973A (zh) * | 2018-03-21 | 2018-09-04 | 浙江大学 | 一种考虑需求侧响应的电-热联合系统优化调度方法 |
CN108631343A (zh) * | 2018-06-12 | 2018-10-09 | 上海电力学院 | 一种多能互补能源互联网优化调度方法 |
CN108830485A (zh) * | 2018-06-19 | 2018-11-16 | 广州供电局有限公司 | 一种电-热综合能源系统可靠性评价方法 |
CN109245093A (zh) * | 2018-09-28 | 2019-01-18 | 上海电力学院 | 一种冷热电联供分布式能源站协同优化调度方法 |
CN111156585B (zh) * | 2018-11-07 | 2021-09-07 | 国网冀北电力有限公司 | 风电供暖系统能量流控制方法和装置 |
CN111191861B (zh) * | 2018-11-14 | 2022-04-26 | 长鑫存储技术有限公司 | 机台数量确定方法及装置、处理线、存储介质和电子设备 |
CN109754169B (zh) * | 2018-12-24 | 2022-10-28 | 国网江苏省电力有限公司 | 包含多个并联热电联产机组的能源系统可靠性分析方法 |
CN110492535B (zh) * | 2019-08-24 | 2023-04-14 | 华北电力大学(保定) | 含间歇性新能源的综合能源系统容量规划方法 |
CN111313429B (zh) * | 2020-02-25 | 2021-09-24 | 国网山西省电力公司经济技术研究院 | 一种用于综合能源系统的可靠性评估方法及系统 |
CN112103955B (zh) * | 2020-09-16 | 2022-02-08 | 湖南大学 | 一种综合能源系统的电储能事故备用容量优化利用方法 |
CN112287493B (zh) * | 2020-09-17 | 2022-11-01 | 国家电网公司西南分部 | 含透平膨胀机的冷热电氢联供型微电网容量优化配置方法 |
CN112347628B (zh) * | 2020-10-29 | 2023-06-27 | 国网陕西省电力公司电力科学研究院 | 一种冷热双蓄式热泵设备规划方法 |
CN112636391B (zh) * | 2020-12-09 | 2023-04-07 | 国网西藏电力有限公司 | 一种风光储分布式能源系统容量配置方法 |
CN113266869B (zh) * | 2021-05-20 | 2022-01-07 | 华北电力大学 | 基于数字孪生技术的热电联合供暖系统实时优化调控方法 |
CN117455422B (zh) * | 2023-12-26 | 2024-03-08 | 山东赛马力发电设备有限公司 | 一种基于微电网的热能管理系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400042A (zh) * | 2013-08-07 | 2013-11-20 | 东南大学 | 一种冷热电联供型微电网优化配置方法 |
CN103617460A (zh) * | 2013-12-06 | 2014-03-05 | 天津大学 | 冷热电联供微网系统的双层优化规划设计方法 |
CN104734168A (zh) * | 2015-03-13 | 2015-06-24 | 山东大学 | 一种基于电热联合调度的微电网运行优化系统及方法 |
-
2015
- 2015-09-22 CN CN201510604222.9A patent/CN105337303B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400042A (zh) * | 2013-08-07 | 2013-11-20 | 东南大学 | 一种冷热电联供型微电网优化配置方法 |
CN103617460A (zh) * | 2013-12-06 | 2014-03-05 | 天津大学 | 冷热电联供微网系统的双层优化规划设计方法 |
CN104734168A (zh) * | 2015-03-13 | 2015-06-24 | 山东大学 | 一种基于电热联合调度的微电网运行优化系统及方法 |
Non-Patent Citations (2)
Title |
---|
基于遗传算法的热电联产型微网经济运行优化;陈洁等;《电力系统保护与控制》;20130416;第41卷(第8期);第7-15页 * |
郭宇航等.含热泵的热电联产型微电网短期最优经济运行.《电力系统自动化》.2015,第39卷(第14期),第16-21页. * |
Also Published As
Publication number | Publication date |
---|---|
CN105337303A (zh) | 2016-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105337303B (zh) | 一种含热泵的热电联产型微电网容量优化配置方法 | |
CN109165788B (zh) | 一种冷热电联供系统的优化方法 | |
Wei et al. | Multi-objective optimal operation and energy coupling analysis of combined cooling and heating system | |
CN109245093A (zh) | 一种冷热电联供分布式能源站协同优化调度方法 | |
CN106786509B (zh) | 大规模风电并网下基于多场景模拟的热-电联合调度方法 | |
CN108832656A (zh) | 基于电转气和可再生能源利用微能源网多目标规划方法 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
CN112182887B (zh) | 一种综合能源系统规划优化仿真方法 | |
CN105225022A (zh) | 一种热电联产型微电网的经济性优化运行方法 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
CN113255198B (zh) | 一种含虚拟储能的冷热电联供微电网多目标优化方法 | |
CN117081143A (zh) | 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法 | |
CN112131712A (zh) | 客户侧多能源系统多目标优化方法和系统 | |
CN113864854B (zh) | 一种蓄热式电采暖参与风电消纳的多目标优化方法及系统 | |
CN113159380B (zh) | 一种计及需求响应的综合能源系统运行优化方法 | |
Cao et al. | Optimal capacity configuration of battery storage system for zero energy office building on campus | |
Deng et al. | Energy Consumption Analysis and Multi-objective Operation optimization of Intelligent Building System Based on TRNSYS-MATLAB | |
Lv et al. | A Multi-objective Optimal Dispatch Method for Integrated Energy System Considering Multiple Loads Variations | |
Wang et al. | Dynamic scheduling of hydrogen-containing integrated energy systems considering multi-energy transactions | |
CN113298351B (zh) | 基于时域分析动态可控性指标的冷热电能源系统规划方法 | |
He et al. | An optimization method of multiple energy flows for CCHP based on fuzzy theory and PSO | |
CN111798044B (zh) | 基于改进最小叉熵的ries运行规划仿真方法 | |
CN116454987B (zh) | 一种用于与新能源联合调度的储能优化方法及系统 | |
Cai et al. | Double-Layer Cycle Capacity Optimization Model of Rural Biogas-Solar-Wind Integrated Energy System | |
Zhua et al. | A regional integrated energy system dispatching method considering energy cascade utilization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |