CN105631557A - 考虑蓄冰空调并具有电冷耦合特征的微电网优化调度方法 - Google Patents
考虑蓄冰空调并具有电冷耦合特征的微电网优化调度方法 Download PDFInfo
- Publication number
- CN105631557A CN105631557A CN201610151800.2A CN201610151800A CN105631557A CN 105631557 A CN105631557 A CN 105631557A CN 201610151800 A CN201610151800 A CN 201610151800A CN 105631557 A CN105631557 A CN 105631557A
- Authority
- CN
- China
- Prior art keywords
- ice
- micro
- cold
- unit
- cchp
- 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.)
- Granted
Links
- 238000003860 storage Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000001816 cooling Methods 0.000 title claims abstract description 22
- 238000004378 air conditioning Methods 0.000 title abstract description 8
- 239000002245 particle Substances 0.000 claims abstract description 49
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 230000005611 electricity Effects 0.000 claims description 33
- 238000005057 refrigeration Methods 0.000 claims description 32
- 238000005457 optimization Methods 0.000 claims description 28
- 230000008878 coupling Effects 0.000 claims description 19
- 238000010168 coupling process Methods 0.000 claims description 19
- 238000005859 coupling reaction Methods 0.000 claims description 19
- 239000007789 gas Substances 0.000 claims description 10
- 239000000567 combustion gas Substances 0.000 claims description 9
- 239000003517 fume Substances 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 239000002737 fuel gas Substances 0.000 claims description 4
- 210000000582 semen Anatomy 0.000 claims description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 3
- 239000003546 flue gas Substances 0.000 claims description 3
- 230000009452 underexpressoin Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 239000000446 fuel Substances 0.000 claims description 2
- 238000000048 melt cooling Methods 0.000 claims description 2
- 229910052705 radium Inorganic materials 0.000 claims description 2
- HCWPIIXVSYCSAN-UHFFFAOYSA-N radium atom Chemical compound [Ra] HCWPIIXVSYCSAN-UHFFFAOYSA-N 0.000 claims description 2
- 238000010438 heat treatment Methods 0.000 abstract 1
- 238000009826 distribution Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007710 freezing Methods 0.000 description 2
- 230000008014 freezing Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 239000002918 waste heat Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000010257 thawing Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种考虑蓄冰空调并具有电冷耦合特征的微电网优化调度方法，步骤包括：建立微电网供能设备动态运行模型，包括：蓄冰空调机组，冷热电联供（CCHP）机组；建立耦合型电冷需求微电网优化调度模型和建立基于改进粒子群技术的微电网运行与调度计算方法。通过上述方式，本发明考虑蓄冰空调并面向耦合型多能源需求的微电网优化调度方法，可以实现可再生能源和清洁能源的高效利用；其次，它可以以最低的成本满足用户的多种能源需求；第三，它可以提高大电网的供电可靠性。
Description
技术领域
本发明涉及智能电网技术领域，特别是涉及一种考虑蓄冰空调并具有电冷耦合特征的微电网优化调度方法。
背景技术
微电网（Micro-grid，也称微网）是一种新兴的能源互联网/智能电网技术。是一个高效利用分布式可再生能源与清洁能源，具有自我控制，保护与管理的供能系统。微电网具有很多的优势，首先，它可以实现能源的高效利用；其次，它可以以最低的成本满足用户的多种能量需求；第三，它可以提高用户供电可靠性；最后，可以有效的平抑可再生能源所带来供给波动性。
微电网可以将风、光、CCHP等分布式能源统一管理，实现了可再生能源的大规模接入，并对外提供冷、热、电多种能量形式。这种形式的微电网主要依赖CCHP机组和电空调在用电高峰时产生冷能，造成微电网系统的安装成本、运行费用高、经济效率差，对于大电网的削峰填谷帮助不大，很难大规模应用。
据统计，夏季城市空调的用电负荷已占到城市高峰电力总负荷的40%，空调用电已成为用电高峰不断攀升的主要因素，并逐年拉大峰谷差。因此，位于负荷中心的微电网需要考虑如何以较低的成本满足制冷或多种能量需求，这是用户最关注的问题。
蓄冰制冷空调系统作为一个低成本的成熟技术，近年来发展很快，它通过增加不冻液循环，在夜间电网低谷时段开机，将制冷机产生的冷量通过蓄冰设备以冰的形式储存起来，在白天用电高峰时段利用融冰释放冷量，用以部分或全部满足空调负荷需求，从而实现“削峰填谷”，一方面可以减少制冷机组的装机容量和用户运行成本，另一方面可减少电网投资，提高电网运行效率，实现良好的经济和社会效益。
利用蓄冰空调、CCHP三联供机组、分布式可再生能源组成的面向负荷中心的微电网系统，一方面可以降低CCHP机组的安装容量和日常运行成本；另一方面通过帮助电网实现削峰填谷，来获得额外的收益。利用蓄冰空调和CCHP机组的运行特性，根据不同能源用户的需求，通过日前计划和实时调度策略，确定微电网中不同类型的能源（CCHP，蓄冷，风电，光伏，储电、外部电网等）的冷、电输出功率，来实现满足用户对多种能源（电，冷）需求的最小成本目标。
现有技术的缺陷和不足：
在已有的微电网优化调度问题的研究中，有些只是将大电网中的优化调度方法移植过来，仅仅考虑电能的平衡，而没有考虑微网内所特有的冷负荷的供需平衡。优化结果只是在用电高峰时启动CCHP机组，降低用户的用电费用，同时起到削峰的目的，并没有考虑CCHP机组的余热制冷。当仅利用CCHP机组燃气发电时，机组的效率非常低（最高仅有0.3左右）。如果需要同时考虑微网内的电、冷负荷供需平衡，由于CCHP机组具有供电与供冷耦合关联的特性，会增加优化的难度和复杂性，目前这方面的研究刚刚开始。
CCHP可以同时为微电网内的电负荷和冷负荷提供能源，所以CCHP的精确建模对微网优化调度问题非常重要。关于CCHP机组的功率特性建模，以往研究中都是假设CCHP运行在额定功率，或者假设CCHP的转换效率为固定的常数，但是这种假设并不能准确反应CCHP的部分负荷特性，对微网优化调度结果有较大影响。
以往微网优化调度的研究中很少涉及蓄冰空调。但是，随着国家电力需求侧综合试点工作以及相应削峰填谷补贴政策的推进，蓄冰制冷这一成熟的技术会在微电网内有很大的推广空间，这无疑会增加微网经济调度的难度，主要表现在以下几个方面：1）蓄冰空调是一种柔性电负荷，通过消耗电能进行冷能的供给，是连接两种能源的纽带；2）利用电网的峰谷差进行蓄冰空调蓄冰和释冰的有效调度，不但可以降低用户的用电成本，而且可以起到削峰填谷的作用，但需要考虑与CCHP的博弈，因为CCHP制冷的同时，还可以产生电能，另外CCHP和蓄冰空调的效率还需要综合考虑。因此，需要研发相应的调度模型与算法来确定CCHP和蓄冰空调的交互协调工作方式。
发明内容
本发明主要解决的技术问题是提供一种考虑蓄冰空调并具有电冷耦合特征的微电网优化调度方法，具有可靠性能高、定位精确等优点，同时在智能电网技术的应用及普及上有着广泛的市场前景。
为解决上述技术问题，本发明采用的一个技术方案是：
提供1.一种考虑蓄冰空调并具有电冷耦合特征的微电网优化调度方法，其步骤包括：
（1）建立精细准确的微电网供能设备动态运行模型：
（1.1）建立CCHP的运行分析模型：
（1.1.1）设置电功率输出效率模型为：
，
其中，ECHP(t)为CCHP的电功率输出效率，PCHP(t)为CCHP在t时刻的电功率输出；
（1.1.2）在以冷定电的工作方式下，制冷量-发电功率输出耦合关系为：
，
其中，QCHP(t)为CCHP在时刻t供冷输出；
（1.1.3）根据特定工况进行修正建模，与特定工况有关的参数包括：CCHP机组的工作环境温度T、海拔E、入口压力损失和背压；
特定工况下CCHP机组的余烟气制冷量与发电量的关系为，
（1）
其中,是在特定工况下CCHP机组部分负荷运行时的烟气排放温度，E_Tmax是在特定工况下CCHP机组满负荷运行时的烟气排放温度；Pmax、分别为特定工况下CCHP机组满负荷运行时的输出电功率和部分负荷运行时的输出电功率；是在特定工况下CCHP机组部分负荷运行时的烟气排放速度，E_Vmax为特定工况下CCHP机组满负荷运行时的烟气排放速度；
,
，
根据以上关系可求得，即
（2）
其中，，由三个子函数合并而成，其中，
PA-max表示不同海拔E和环境温度T的工况下满负荷运行时输出电功率，表示ISO工况下入口压力损失对满负荷运行时的输出电功率，表示ISO工况下的背压对满负荷运行时的输出电功率，如式（3）-（5）所示：
（3）
（4）
（5）
CCHP机组消耗的燃气量公式为：（6）
其中，11.6为燃气热值，特定工况下CCHP机组出力所对应的效率为：
（7）
其中，是CCHP机组在ISO工况下满负荷运行时的输出电功率，一般为常数；是在特定工况下CCHP机组满负荷运行时的效率，，同上，也是由三个子函数组成，其中，表示不同海拔E和环境温度T的工况下满负荷运行时效率，表示ISO工况下入口压力损失下满负荷运行时效率，表示ISO工况下背压下满负荷运行时效率，如式（8）-（10）所示：
（8）
(9)
(10)
在CCHP机组的单机和多机联合运行时，取不同的拟合函数，当单台CCHP机组工作时，，
当多台CCHP机组组成燃气机组工作时，；
（1.2）建立蓄冰空调机组模型：
蓄冰空调机组由制冷机、蓄冰槽组成，所述蓄冰空调机组模型中包括四种运行工况：1）直供，单纯消耗电能供冷的蓄冰空调直供工况，2）蓄冷，在冷负荷低谷期耗电制冰存储的蓄冰空调蓄冷工况，3)释冰，在用冷高峰期融冰供冷的蓄冰空调融冰释冷工况，4）联供，释冰与直供并行的蓄冰空调联供工况；所述模型由下述（2.2）中（c.1）-(c.3)描述确定；
（2）建立耦合型电冷需求微电网优化调度模型；
（2.1）设立优化目标函数，计算微电网的运行总成本最小，即（11）
其中，公式中第一项为微电网向大电网购电的成本，第二项
为供给CCHP的燃气购买成本，为微电网与大电网连接点PCC交换功率的电价，为燃气的价格，为微网与大电网在PCC点的交换功率，F(t)为燃气的消耗量；
待求变量包括:直供状态、蓄冰状态、释冰状态、直供冷功率、释冰冷功率、CCHP机组产生的电功率、微网与大电网的交换功率，冷功率与消耗的燃气量F(t)作为中间变量，可通过获得，其中，；
（2.2）设置在本模型中的约束条件：
（a）设置电平衡的约束条件为：
（12）
（b）设置冷需求平衡的约束条件为：（13）
（c）设置蓄冰空调约束：蓄冰空调的制冷机具有直供、蓄冷两种工况，蓄冰槽具有释冰工况，夜间谷时段根据第二天的冷负荷需求，制冷机提供蓄冷；峰时段根据实际冷负荷需求，制冷机和蓄冰槽提供释冰、直供、联供3种方式进行供冷，所述联供包括直供和释冰，定义直供的状态为，蓄冰的状态为，释冰的状态为，且满足:
∈（0,1），∈（0,1），∈（0,1）（14）
（c.1）直供工况：
谷时段双工况机组不能工作于直供状态，谷时段制冷由基载完成，即满足约束：,t∈(0,…,8,23),（15）
峰时段为了保证双工况机组较高的工作效率，需满足约束：
（16）
当工作于上述公式范围内时，COP与呈线性关系，则输出制冷功率与消耗电功率之间满足如下关系：
（17）
（c.2）蓄冷工况：
蓄冷量为0，或者为双工况机的额定制冷量即满足（18）
工作于额定制冷量时，所对应的输入电功率为，满足：
（19）
同时，蓄冰槽中增加的有效蓄冷量为，对于蓄冰状态需满足约束：
（20）
即只有在谷时段才能处于蓄冰状态，而且蓄冰状态必须连续工作，即启动后直到满足所需的蓄冰量为止；
（c.3）释冰工况：
释冰状态时输出的冷功率满足约束：
（21）
其中，为蓄冰槽的容量，释冰状态消耗的电功率为一固定值，同时满足约束条件：（22）
即谷时段不可以工作于释冰状态，
蓄冰槽：蓄冰槽在t时的蓄冷量满足如下约束：
谷时段：
（23）
峰时段：（24），
其中，参数p为耗散系数；
（3）基于改进粒子群技术的微电网运行与调度计算方法：
（3.1）获取冷电需求、环境参数、微网供能设备参数以及能源价格；
（3.2）设定粒子数目、最大迭代数k、初始半径和搜索空间上下限，其中，
设置k的初始值为1；
（3.3）设定粒子和的初始位置，设定粒子和表示位置变化值的速度；
（3.4）对粒子进行校正以满足步骤（2）中的耦合约束要求；
（3.5）进入下一步迭代；
（3.6）基于粒子、、能量平衡公式及元件的性能，计算所有的变量；
（3.7）计算每个粒子的适应度的值；
（3.8）更新粒子的最佳位置，所述最佳位置包括个体最佳位置和全局最佳位置；
（3.9）如果所有的粒子的位置在之前设定的迭代次数内始终保持不变，返回
到步骤（3.3）；
（3.10）如果达到设定的迭代最大值，则执行步骤（3.11），否则，更新粒
子的速度与位置，转到步骤（3.4）；
（3.11）根据上次迭代的粒子的最小适应度值，计算所有的变量值。
在本发明一个较佳实施例中，所述微电网供能设备包括蓄冰空调机组和CCHP机组。
在本发明一个较佳实施例中，在蓄冰空调机组直供工况下，设置或获取蓄冰空调的额定制冷量和所对应的输入功率，由于蓄冰空调机组的电能与冷能之间的转换效率COP与输出制冷功率之间呈非线性关系，所以在蓄冰空调机组直供工况下，与输出制冷功率之间的关系用多项式拟合的方法得到：
（25）
其中，，最小输出制冷功率。
在本发明一个较佳实施例中，在蓄冰空调机组融冰释冷工况下，设置消耗的电功率为固定值、最大输出的供冷功率为，机组在蓄冰空调机组融冰释冷工况下的与输出制冷功率之间的关系用多项式拟合的方法得到：
（26）
其中，。
在本发明一个较佳实施例中，所述步骤（3.7）计算每个粒子的适应度的值的具体步骤包括：
获取粒子、粒子、蓄冰时长和开始时间；
根据蓄冰时长计算蓄冰消耗的电能；
根据CCHP供冷量计算其发电量，根据蓄冰槽的蓄冷量计算其释冰量；
根据冷平衡获得双工况机组的供冷量，根据电平衡获得微网与电网交互电量；
计算CCHP消耗的燃料量；
根据之前设置的奖惩参数计算奖惩项；
计算目标函数并返回该粒子的适应度的值。
本发明的有益效果是：可以实现可再生能源和清洁能源的高效利用；其次，它可以以最低的成本满足用户的多种能源需求；第三，它可以提高大电网的供电可靠性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：
图1是本发明的考虑蓄冰空调并面向耦合型多能源需求的微电网优化调度方法的调度粒子群优化算法程序流程图；
图2是本发明的计算粒子适应度的程序流程图。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1-2，本发明实施例包括：
在大型能源用户、科技园区、商业区等负荷中心区，这些区域用户的能源使用需求特点包括：更高的能源供应可靠性和质量；多种能量需求；高效的能源利用率；更高的环保要求。
在微电网的应用中，运行的经济效益无疑是用户最关注的问题，如何根据不同能源用户的需求，在日前合理计划微电网中不同类型的分布式可再生能源与高效清洁能源（CCHP、蓄冷、风电、光伏、储电、大电网等）在未来24~48小时的出力，并在实时运行中快速调度可调供能设备的输出以平抑可再生能源及负荷的波动性，从而满足用户对多种能源消费（电，冷）的最小成本，高可靠性，高能源利用率，绿色环保的要求。
本发明针对大型用户的综合性能源（电，冷，热）需求，实现了微电网在日前与实时多能源耦合出力条件下充分利用绿色能源，保证用能成本最低，以及联网时对配电网扰动最小。为含蓄冰空调，CCHP、风能、太阳能、储能电池的微电网系统提供了运行调度的最优解决方案。
这是一个非常巨大的市场，以用电为例，在中国，大型电力用户的用电量占全社会的总用电量的80%左右，随着中国城镇化，工业化的迅速发展与普及，大型的综合能源用户的增加将呈指数增长趋势。可以预期，冷电能量需求耦合的微电网最优日前计划与实时调度技术在相当长的一段时间内将是一个非常具有商业价值的应用。
一种考虑蓄冰空调并具有电冷耦合特征的微电网优化调度方法的目标在于为有冷、电多能源需求的微电网提供一种运行优化方法，该类型的微电网包含以下供能设备：风机、光伏、CCHP三联供机组、蓄冰空调、储能电池。
这类微电网有以下几个特点：1）含多种分布式可再生能源及清洁能源；2）同时满足用户的电、冷量需求；3）与配电网紧密联接，具有联网和孤岛运行方式。
微电网的运行优化方法的目的是要实现此类微电网运行的最小成本。一方面通过日前优化计划确定微电网与大电网交换的功率曲线和微电网内各个供能设备在第二天的运行策略；在实时运行时，通过微调微电网内供能设备实际的运行策略，使得微电网与大电网之间的实际功率交换曲线偏差最小。具体步骤如下：
1）建立微电网内的供能设备，特别是CCHP机组和蓄冰空调在各种工况下的动态运行模型，；
2）建立以运行成本最小为目标的微电网的优化调度模型；
3）基于改进的粒子群算法，加快了收敛速度，实现了此类微电网优化调度运行时各种供能设备的输出量值的计算方法。
1.精细准确的微电网供能设备动态运行模型
此模型建立了微电网所有供能设备的精细准确运行分析模型，特别是CCHP和蓄冰空调这两类运行模式复杂的供能设备的运行分析模型，为求解耦合型电冷需求微电网的优化调度问题提供了数学模型基础。
微电网供能设备在各种工况下的动态运行模型包括：CCHP三联供机组、蓄冰空调、风机、光伏和储能单元模型。其中，CCHP三联供机组、蓄冰空调机组运行方式复杂，电、冷能输出具有耦合性，需要特别关注。
1）CCHP的运行分析模型：
1.1电功率输出效率模型
Pchp(t)为CCHP’s在t时刻的功率输出,Echp(t)为CCHP的电功率输出效率。
电，冷输出耦合关系模型
Qchp(t)为CCHP在时刻t供冷输出。
以上两个模型的建立提供了CCHP在任一运行工况下(地点，海拔高度，温度，进出口压力，等)的电冷输出特性。
1.2CCHP机组特定工况下的部分负荷动态运行模型
CCHP机组技术手册上所给出的效率及输出电功率特性均为ISO工况(15摄氏度，海拔0米，相对湿度60%，1个标准大气压)下满负荷工作时的，实际运行时无法直接使用，需要根据特定工况(周边环境温度T、海拔E、入口压力损失、背压)进行修正建模。
特定工况下CCHP机组的余烟气制冷量与发电量的关系：
（1）
其中,是在特定工况下CCHP机组部分负荷运行时的烟气排放温度，是在特定工况下CCHP机组满负荷运行时的烟气排放温度；、分别为特定工况下CCHP机组满负荷运行时的输出电功率和部分负荷运行时的输出电功率；是在特定工况下CCHP机组部分负荷运行时的烟气排放速度，为特定工况下CCHP机组满负荷运行时的烟气排放速度。
根据以上关系可求得，即
,
，
根据以上关系可求得（2）
其中，，由三个子函数合并而成，其中，表示不同海拔E(ft)和环境温度T(℃)的工况下满负荷运行时输出电功率，表示ISO工况下入口压力损失对满负荷运行时的输出电功率，表示ISO工况下的背压对满负荷运行时的输出电功率。如式（3）-（5）所示。
（3）
（4）
（5）
CCHP机组消耗的燃气量公式为：（6）
其中，11.6为燃气热值（kWh/m3），特定工况下CCHP机组出力所对应的效率为：
（7）
其中，是CCHP机组在ISO工况下满负荷运行时的输出电功率，一般为常数，比如C200机组的=200kW；是在特定工况下CCHP机组满负荷运行时的效率（%），，同上，也是由三个子函数组成。其中，表示不同海拔E(ft)和环境温度T(℃)的工况下满负荷运行时效率，表示ISO工况下入口压力损失下满负荷运行时效率，表示ISO工况下背压下满负荷运行时效率。如式（8）-（10）所示。
（8）
(9)
(10)
单机和多机联合运行时，取不同的拟合函数，分别为：
（单台CCHP机组工作）
（多台CCHP机组组成燃气机组工作）。
2）蓄冰空调机组模型
蓄冰空调机组由制冷机、蓄冰槽组成，蓄冰空调机组可以直接通过制冷机用电制冷，也可以通过制冷机用电制冰存储，之后通过融冰槽将冰融化向用户供冷。本发明建立了供冷输出与电能输入的动态函数关系，这一模型涵盖了蓄冰空调机组在各种工况下的4种工作模式。
2.1）直供工况建模
蓄冰空调直供工况下的额定制冷量（kW）和所对应的输入功率（kW）为已知。蓄冰空调直供制冷时的电能与冷能之间的转换效率COP（CoefficientofPerformance，制冷量/电功率）与输出制冷功率之间呈非线性关系，机组制冷工况下的与输出制冷功率之间的关系用多项式拟合的方法得到：
（11）
其中，满足约束。为了避免机组制冷时工作于较低的COP，限制最小输出制冷功率。
2.2）蓄冷工况建模
蓄冰空调在蓄冰工况下的额定制冷量（kW）和所对应的输入功率（kW）为已知。机组蓄冰时一般主机总是满负荷运行，以获得较高的（大约为2.55）。
2.3）融冰释冷工况建模
蓄冰空调融冰释冷时一般只有乙二醇泵和冷冻水泵工作，消耗的电功率为一较小的固定值，最大输出的供冷功率为，二者为已知量。机组释冰工况下的与输出制冷功率之间的关系用多项式拟合的方法得到：
（12）
其中满足约束。
2.4）联供工况建模
蓄冰空调联供（即直供+融冰释冷）工况时，冷冻机的直供和蓄冰槽的释冷各自保持其特有的COP曲线，但二者制冷比例的分配，由后面的优化模型来决定。
2.耦合型电冷需求微电网优化调度模型
在全面考虑经济与安全约束下，以总运行成本最小为性能指标的微电网各种分布式能源的优化调度。
在这种类型的微电网中，风力与光伏发电机提供绿色电能，CCHP在供电的同时利用回收发电产生的余热进行供热或供冷。而蓄冰空调机组，依据其不同的工作模式，可以表现为一个电负荷，又可能是一个制冷机组。所以这一同时满足微电网供电，供冷需求的过程体现了一个复杂的冷电耦合关系。
此创新模型独特之处是根据日前24小时的电，冷需求预测，考虑CCHP和蓄冰空调供能造成的冷电耦合关系，同时优化微电网所有设备的供电与供冷的运行计划以保证总运行成本最小，并确保CCHP与蓄冰空调的高效率供能。
基于步骤1建立微电网供能设备的动态运行模型之后，需要建立微电网运行调度模型，在全面考虑经济与安全约束下，以总运行成本最小为目标的微电网分布式能源的运行调度。
实现日前计划微电网的运行总成本最小，即，
（13）
公式中第一项为微电网向大电网购电的成本，第二项为供给CCHP的燃气购买成本，所考虑的经济与安全约束包括，
其中：为PCC点交换功率的电价（RMB/kWh），为燃气的价格（RMB/m3），为微网与大电网在PCC电的交换功率，为为燃气的消耗量(m3)。
待求变量:直供状态、蓄冰状态、释冰状态、直供冷功率、释冰冷功率、CCHP机组产生的电功率（冷功率、消耗的燃气量）、微网与大电网的交换功率
约束条件：
1）电平衡：（14）
2）冷需求平衡：（15）
3）蓄冰空调约束：蓄冰空调中冷冻机具有直供和蓄冷两种工况，夜间根据第二天的冷负荷需求，安排蓄冰；峰值段可以直供或直供+释冰进行供冷。定义直供的状态为，蓄冰的状态为，释冰的状态为，均为0-1变量，即满足
（15）
直供：谷时段双工况机组不能工作于直供状态，谷时段的制冷由基载完成，即满足约束：（17）
峰时段为了保证双工况机组较高的工作效率，(kW)需满足约束：
（18）
当工作于此范围内时，COP基本与呈线性关系，则输出制冷功率与消耗电功率之间满足如下关系：
（19）
蓄冷：蓄冷量为（kW）为0-二值变量，要么不工作，要么工作于双工况机的额定制冷量，即满足，（20）
工作于额定制冷量时，所对应的输入电功率为（kW），满足
（21）
同时，蓄冰槽中增加的有效蓄冷量为
对于蓄冰状态需满足约束：
（22）
即，只有在谷时段才能处于蓄冰状态，而且蓄冰状态必须连续工作，即启动后直到满足所需的蓄冰量为止。
释冰：释冰状态时输出的冷功率(kW)，满足约束
（23）
其中为蓄冰槽的容量，释冰状态消耗的电功率为一固定值，同时满足约束,t=(0,…,8,23),（24）
即，谷时段不可以工作于释冰状态。
蓄冰槽：蓄冰槽时刻t下的蓄冷量(kWh)满足如下约束：
谷时段：
（25）
峰时段：（26）
参数p为耗散系数。
3.基于粒子群技术的微电网运行与调度计算方法
粒子群技术是应用数学领域新发展的一种优化技术，正在被用于不同的工业领域，能够快速求解复杂的非线性优化问题。我们以标准PSO算法为基础，对其进行改进，引入粒子邻域的思想，以邻域半径参数r进行表征，同时该参数可以随着搜索的阶段进行自适应调整，算法提升了粒子群优化算法的搜索全局性，有效的抑制了早熟收敛。其特点是高概率寻找全局最优，计算效率高，性能好，收敛性强。我们应用改进的粒子群算法来求解含多种分布式供能设备、并具有耦合型电冷需求的微电网优化调度问题。这是一个复杂的非线性混合整数规划问题。在PSO的应用过程中，,,和被选为粒子。因这些粒子间存在复杂的耦合约束。因此，在搜索空间搜索最优解时必须对粒子进行修正以保证满足耦合约束。
采用了基于改进粒子群算法求解步骤2中的微电网运行与调度模型的最优解。
日前优化调度问题的求解目标和约束条件如步骤2所示，需要求解的变量有:直供状态、蓄冰状态、释冰状态、直供冷功率、释冰冷功率、CCHP机组产生的电功率（冷功率、消耗的燃气量、微网与大电网的交换功率，其中)，是一个大型混合整数非线性规划问题。
在应用PSO粒子群算法求解过程中，,,和被选为粒子。因这些粒子间存在复杂的耦合约束。因此，在搜索空间搜索最优解时必须对粒子进行修正以保证满足耦合约束，这一创新的改进型粒子群算法的主要计算步骤：
1.设定粒子，，的初始位置；
2.对粒子进行校正以满足耦合约束要求；
3.进入下一步迭代；
4.基于粒子，及能量平衡公式，及元件的性能，计算所有的变量；
5.计算粒子的适应度值；
6.更新粒子的最佳位置；
7.如果所有的粒子的位置在之前设定的迭代次数时始终保持不变，返回到第1步；
8.如果达到设定的迭代最大值，去步骤9，否则，更新粒子的速度与位置，转到低步；
9.根据上次迭代的粒子的最小适应度值，计算所有的变量值。
本发明考虑蓄冰空调并具有电冷耦合特征的微电网优化调度方法的有益效果是：可以实现可再生能源和清洁能源的高效利用；其次，它可以以最低的成本满足用户的多种能源需求；第三，它可以提高大电网的供电可靠性。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (5)
1.一种考虑蓄冰空调并具有电冷耦合特征的微电网优化调度方法，其特征在于，步骤包括：
（1）建立精细准确的微电网供能设备动态运行模型：
（1.1）建立CCHP的运行分析模型：
（1.1.1）设置电功率输出效率模型为：
，
其中，ECHP(t)为CCHP的电功率输出效率，PCHP(t)为CCHP在t时刻的电功率输出；
（1.1.2）在以冷定电的工作方式下，制冷量-发电功率输出耦合关系为：
，
其中，QCHP(t)为CCHP在时刻t供冷输出；
（1.1.3）根据特定工况进行修正建模，与特定工况有关的参数包括：CCHP机组的工作环境温度T、海拔E、入口压力损失和背压；
特定工况下CCHP机组的余烟气制冷量与发电量的关系为，
（1）
其中,是在特定工况下CCHP机组部分负荷运行时的烟气排放温度，E_Tmax是在特定工况下CCHP机组满负荷运行时的烟气排放温度；Pmax、分别为特定工况下CCHP机组满负荷运行时的输出电功率和部分负荷运行时的输出电功率；是在特定工况下CCHP机组部分负荷运行时的烟气排放速度，E_Vmax为特定工况下CCHP机组满负荷运行时的烟气排放速度；
,
，
根据以上关系可求得，即（2）
其中，，由三个子函数合并而成，其中，
PA-max表示不同海拔E和环境温度T的工况下满负荷运行时输出电功率，表示ISO工况下入口压力损失对满负荷运行时的输出电功率，表示ISO工况下的背压对满负荷运行时的输出电功率，如式（3）-（5）所示：
（3）
（4）
（5）
CCHP机组消耗的燃气量公式为：（6）
其中，11.6为燃气热值，特定工况下CCHP机组出力所对应的效率为：
（7）
其中，是CCHP机组在ISO工况下满负荷运行时的输出电功率，一般为常数；是在特定工况下CCHP机组满负荷运行时的效率，，同上，也是由三个子函数组成，其中，表示不同海拔E和环境温度T的工况下满负荷运行时效率，表示ISO工况下入口压力损失下满负荷运行时效率，表示ISO工况下背压下满负荷运行时效率，如式（8）-（10）所示：
（8）
(9)
(10)
在CCHP机组的单机和多机联合运行时，取不同的拟合函数，当单台CCHP机组工作时，，当多台CCHP机组组成燃气机组工作时，；
（1.2）建立蓄冰空调机组模型：
蓄冰空调机组由制冷机、蓄冰槽组成，所述蓄冰空调机组模型中包括四种运行工况：1）直供，单纯消耗电能供冷的蓄冰空调直供工况，2）蓄冷，在冷负荷低谷期耗电制冰存储的蓄冰空调蓄冷工况，3)释冰，在用冷高峰期融冰供冷的蓄冰空调融冰释冷工况，4）联供，释冰与直供并行的蓄冰空调联供工况；所述模型由下述（2.2）中（c.1）-(c.3)描述确定；
（2）建立耦合型电冷需求微电网优化调度模型；
（2.1）设立优化目标函数，计算微电网的运行总成本最小，即（11）
其中，公式中第一项为微电网向大电网购电的成本，第二项
为供给CCHP的燃气购买成本，为微电网与大电网连接点PCC交换功率的电价，为燃气的价格，为微网与大电网在PCC点的交换功率，F(t)为燃气的消耗量；
待求变量包括:直供状态、蓄冰状态、释冰状态、直供冷功率、释冰冷功率、CCHP机组产生的电功率、微网与大电网的交换功率，冷功率与消耗的燃气量F(t)作为中间变量，可通过获得，其中，；
（2.2）设置在本模型中的约束条件：
（a）设置电平衡的约束条件为：
（12）
（b）设置冷需求平衡的约束条件为：（13）
（c）设置蓄冰空调约束：蓄冰空调的制冷机具有直供、蓄冷两种工况，蓄冰槽具有释冰工况，夜间谷时段根据第二天的冷负荷需求，制冷机提供蓄冷；峰时段根据实际冷负荷需求，制冷机和蓄冰槽提供释冰、直供、联供3种方式进行供冷，所述联供包括直供和释冰，定义直供的状态为，蓄冰的状态为，释冰的状态为，且满足:
∈（0,1），∈（0,1），∈（0,1）（14）
（c.1）直供工况：
谷时段双工况机组不能工作于直供状态，谷时段制冷由基载完成，即满足约束：,t∈(0,…,8,23),（15）
峰时段为了保证双工况机组较高的工作效率，需满足约束：
（16）
当工作于上述公式范围内时，COP与呈线性关系，则输出制冷功率与消耗电功率之间满足如下关系：
（17）
（c.2）蓄冷工况：
蓄冷量为0，或者为双工况机的额定制冷量即满足（18）
工作于额定制冷量时，所对应的输入电功率为，满足：
（19）
同时，蓄冰槽中增加的有效蓄冷量为，对于蓄冰状态需满足约束：
（20）
即只有在谷时段才能处于蓄冰状态，而且蓄冰状态必须连续工作，即启动后直到满足所需的蓄冰量为止；
（c.3）释冰工况：
释冰状态时输出的冷功率满足约束：
（21）
其中，为蓄冰槽的容量，释冰状态消耗的电功率为一固定值，同时满足约束条件：（22）
即谷时段不可以工作于释冰状态，
蓄冰槽：蓄冰槽在t时的蓄冷量满足如下约束：
谷时段：
（23）
峰时段：（24），
其中，参数p为耗散系数；
（3）基于改进粒子群技术的微电网运行与调度计算方法：
（3.1）获取冷电需求、环境参数、微网供能设备参数以及能源价格；
（3.2）设定粒子数目、最大迭代数k、初始半径和搜索空间上下限，其中，
设置k的初始值为1；
（3.3）设定粒子和的初始位置，设定粒子和表示位置变化值的速度；
（3.4）对粒子进行校正以满足步骤（2）中的耦合约束要求；
（3.5）进入下一步迭代；
（3.6）基于粒子、、能量平衡公式及元件的性能，计算所有的变量；
（3.7）计算每个粒子的适应度的值；
（3.8）更新粒子的最佳位置，所述最佳位置包括个体最佳位置和全局最佳位
置；
（3.9）如果所有的粒子的位置在之前设定的迭代次数内始终保持不变，返回
到步骤（3.3）；
（3.10）如果达到设定的迭代最大值，则执行步骤（3.11），否则，更新粒
子的速度与位置，转到步骤（3.4）；
（3.11）根据上次迭代的粒子的最小适应度值，计算所有的变量值。
2.根据权利要求1所述的基于蓄冰空调和耦合型多能源需求的微电网优化调度方法，其特征在于，所述微电网供能设备包括蓄冰空调机组和CCHP机组。
3.根据权利要求1所述的考虑蓄冰空调，面向耦合型多能源需求的微电网优化调度方法，其特征在于，在蓄冰空调机组直供工况下，设置或获取蓄冰空调的额定制冷量和所对应的输入功率，由于蓄冰空调机组的电能与冷能之间的转换效率COP与输出制冷功率之间呈非线性关系，所以在蓄冰空调机组直供工况下，与输出制冷功率之间的关系用多项式拟合的方法得到：
（25）
其中，，最小输出制冷功率。
4.根据权利要求1所述的考虑蓄冰空调，面向耦合型多能源需求的微电网优化调度方法，其特征在于，在蓄冰空调机组融冰释冷工况下，设置消耗的电功率为固定值、最大输出的供冷功率为，机组在蓄冰空调机组融冰释冷工况下的与输出制冷功率之间的关系用多项式拟合的方法得到：
（26）
其中，。
5.根据权利要求1所述的考虑蓄冰空调，面向耦合型多能源需求的微电网优化调度方法，其特征在于，所述步骤（3.7）计算每个粒子的适应度的值的具体步骤包括：
获取粒子、粒子、蓄冰时长和开始时间；
根据蓄冰时长计算蓄冰消耗的电能；
根据CCHP供冷量计算其发电量，根据蓄冰槽的蓄冷量计算其释冰量；
根据冷平衡获得双工况机组的供冷量，根据电平衡获得微网与电网交互电量；
计算CCHP消耗的燃料量；
根据之前设置的奖惩参数计算奖惩项；
计算目标函数并返回该粒子的适应度的值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610151800.2A CN105631557B (zh) | 2016-03-17 | 2016-03-17 | 考虑蓄冰空调并具有电冷耦合特征的微电网优化调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610151800.2A CN105631557B (zh) | 2016-03-17 | 2016-03-17 | 考虑蓄冰空调并具有电冷耦合特征的微电网优化调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105631557A true CN105631557A (zh) | 2016-06-01 |
| CN105631557B CN105631557B (zh) | 2019-06-28 |
Family
ID=56046464
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610151800.2A Active CN105631557B (zh) | 2016-03-17 | 2016-03-17 | 考虑蓄冰空调并具有电冷耦合特征的微电网优化调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105631557B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108491992A (zh) * | 2018-02-05 | 2018-09-04 | 国网天津市电力公司滨海供电分公司 | 一种含光伏和蓄能的冷热电联供系统调峰调蓄优化调度模型 |
| CN110739710A (zh) * | 2018-07-20 | 2020-01-31 | 中国农业大学 | 基于优化算法的多种能源类型协调调度方法及装置 |
| CN111275251A (zh) * | 2020-01-16 | 2020-06-12 | 广东工业大学 | 一种含污水源热泵的cchp系统冷热电联供优化方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103034204A (zh) * | 2012-12-13 | 2013-04-10 | 深圳供电局有限公司 | 一种冷热电联供系统及其调度方法 |
| US20130166043A1 (en) * | 2011-07-20 | 2013-06-27 | Nec Laboratories America, Inc. | Optimal energy management of a microgrid system using multi-objective optimization |
| CN105453367A (zh) * | 2013-08-13 | 2016-03-30 | 埃森哲环球服务有限公司 | 用于微电网中的综合多能量调度的系统、方法和装置及有形计算机可读介质 |
-
2016
- 2016-03-17 CN CN201610151800.2A patent/CN105631557B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130166043A1 (en) * | 2011-07-20 | 2013-06-27 | Nec Laboratories America, Inc. | Optimal energy management of a microgrid system using multi-objective optimization |
| CN103034204A (zh) * | 2012-12-13 | 2013-04-10 | 深圳供电局有限公司 | 一种冷热电联供系统及其调度方法 |
| CN105453367A (zh) * | 2013-08-13 | 2016-03-30 | 埃森哲环球服务有限公司 | 用于微电网中的综合多能量调度的系统、方法和装置及有形计算机可读介质 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108491992A (zh) * | 2018-02-05 | 2018-09-04 | 国网天津市电力公司滨海供电分公司 | 一种含光伏和蓄能的冷热电联供系统调峰调蓄优化调度模型 |
| CN110739710A (zh) * | 2018-07-20 | 2020-01-31 | 中国农业大学 | 基于优化算法的多种能源类型协调调度方法及装置 |
| CN111275251A (zh) * | 2020-01-16 | 2020-06-12 | 广东工业大学 | 一种含污水源热泵的cchp系统冷热电联供优化方法 |
| CN111275251B (zh) * | 2020-01-16 | 2022-10-04 | 广东工业大学 | 一种含污水源热泵的cchp系统冷热电联供优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105631557B (zh) | 2019-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Two-phase collaborative optimization and operation strategy for a new distributed energy system that combines multi-energy storage for a nearly zero energy community | |
| Luo et al. | Multi-objective capacity optimization of a distributed energy system considering economy, environment and energy | |
| CN106960282B (zh) | 一种气电综合能源配网系统的协调运行方法 | |
| CN108960503B (zh) | 基于内点法的综合能源系统多场景优化分析方法 | |
| CN109659927B (zh) | 一种考虑储能参与度的综合能源微网储能容量配置方法 | |
| CN108537409A (zh) | 一种考虑多能源耦合特性的工业园区配电网协同规划方法 | |
| CN109245093A (zh) | 一种冷热电联供分布式能源站协同优化调度方法 | |
| CN108197768A (zh) | 一种能源系统与管网布局联合优化方法 | |
| CN109523092A (zh) | 多能互补冷热电联供系统及其协同调度方法 | |
| Guo et al. | Multi-objective optimization design and multi-attribute decision-making method of a distributed energy system based on nearly zero-energy community load forecasting | |
| CN105453367A (zh) | 用于微电网中的综合多能量调度的系统、方法和装置及有形计算机可读介质 | |
| Wang et al. | Performance and operation strategy optimization of a new dual-source building energy supply system with heat pumps and energy storage | |
| CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
| CN109523065A (zh) | 一种基于改进量子粒子群算法的微能源网优化调度方法 | |
| CN110110897A (zh) | 一种考虑不同储能运行策略的综合能源系统优化方法 | |
| CN111244939B (zh) | 一种计及需求侧响应的多能互补系统两级优化设计方法 | |
| CN105955931B (zh) | 面向高密度分布式光伏消纳的区域能源网络优化调度方法 | |
| CN112508391B (zh) | 一种产业园区群与地区电网相协同的综合能源系统规划方法 | |
| CN112600253B (zh) | 基于用能效率最优的园区综合能源协同优化方法及设备 | |
| CN107194543A (zh) | 一种区域能源规划设计阶段的能源站配置方法 | |
| CN107358345A (zh) | 计及需求侧管理的分布式冷热电联供系统优化运行方法 | |
| CN110311371A (zh) | 一种基于虚拟储能的光伏冷库系统及其负荷主动调控方法 | |
| CN104950720A (zh) | 基于气象预报将需求响应和舒适度反馈结合的供能系统 | |
| Guo et al. | Co-optimization method research and comprehensive benefits analysis of regional integrated energy system | |
| CN109685332A (zh) | 一种综合能源多主体利益均衡优化调度方法及设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |