CN106022503A - 面向具有耦合型电冷热需求的微电网容量规划方法 - Google Patents
面向具有耦合型电冷热需求的微电网容量规划方法 Download PDFInfo
- Publication number
- CN106022503A CN106022503A CN201610151040.5A CN201610151040A CN106022503A CN 106022503 A CN106022503 A CN 106022503A CN 201610151040 A CN201610151040 A CN 201610151040A CN 106022503 A CN106022503 A CN 106022503A
- Authority
- CN
- China
- Prior art keywords
- electricity
- cchp
- moment
- power
- load
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000008878 coupling Effects 0.000 title abstract description 7
- 238000010168 coupling process Methods 0.000 title abstract description 7
- 238000005859 coupling reaction Methods 0.000 title abstract description 7
- 238000005457 optimization Methods 0.000 claims abstract description 55
- 239000002245 particle Substances 0.000 claims abstract description 30
- 238000005516 engineering process Methods 0.000 claims abstract description 11
- 230000005611 electricity Effects 0.000 claims description 186
- 230000005540 biological transmission Effects 0.000 claims description 80
- 238000001816 cooling Methods 0.000 claims description 52
- 230000006855 networking Effects 0.000 claims description 32
- 238000004422 calculation algorithm Methods 0.000 claims description 28
- 238000005057 refrigeration Methods 0.000 claims description 26
- 239000007789 gas Substances 0.000 claims description 23
- 238000004378 air conditioning Methods 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 18
- 239000000567 combustion gas Substances 0.000 claims description 14
- 238000010438 heat treatment Methods 0.000 claims description 14
- 230000008034 disappearance Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 10
- 238000005520 cutting process Methods 0.000 claims description 9
- 238000009795 derivation Methods 0.000 claims description 9
- 239000013589 supplement Substances 0.000 claims description 9
- 230000005619 thermoelectricity Effects 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 7
- 230000001172 regenerating effect Effects 0.000 claims description 7
- 238000000205 computational method Methods 0.000 claims description 6
- 238000013486 operation strategy Methods 0.000 claims description 6
- 238000002271 resection Methods 0.000 claims description 6
- 238000005303 weighing Methods 0.000 claims description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 5
- 229910052799 carbon Inorganic materials 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 5
- 238000010248 power generation Methods 0.000 claims description 4
- 239000000047 product Substances 0.000 claims description 4
- 241000693079 Maloideae Species 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000007812 deficiency Effects 0.000 claims description 3
- 230000033001 locomotion Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 238000012804 iterative process Methods 0.000 claims description 2
- 238000005304 joining Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004146 energy storage Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 238000005485 electric heating Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 241000790917 Dioxys <bee> Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000001502 supplementing effect Effects 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
- Y02P80/14—District level solutions, i.e. local energy networks
-
- 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)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种面向具有耦合型电冷热需求的微电网容量规划方法，包括：建立面向具有耦合型冷热电需求的微电网供能设备容量规划模型和建立基于多目标粒子群技术的微电网供能设备最优容量规划计算方法。通过上述方式，本发明面向具有耦合型电冷热需求的微电网容量规划方法，解决了当所规划的微电网需向用户同时供电与供冷（或供热），并且电冷或电热的供应之间存在耦合关系时的不同供能设备容量最佳配置问题。这一模型在考虑了微电网的多种供能设备的各种工程，经济，与安全约束条件下实现了多目标优化。
Description
技术领域
本发明涉及智能电网技术领域，特别是涉及一种面向具有耦合型电冷热需求的微电网容量规划方法。
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。
微电网发展的受益主体是大型能源用户。其能源使用需求的特点包括：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。
微电网的高效、安全、经济、环保特点使得这一技术成为大型用户综合利用能源的一个最佳选择。而在微电网的应用中，第一个重要步骤就是如何根据不同能源用户的需求，合理规划所需建设的微电网中不同类型的分布式可再生能源与高效清洁能源（风电，光伏，冷热电联供（CCHP），蓄冷，储电，等）的安装容量，以满足用户对多种能量消费（电，冷，热）的低成本，高可靠性，高能源利用率，绿色环保的要求。
现有技术的缺陷和不足
目前，国内外针对满足多能源供需的微网系统容量规划方法的研究很少，大多数还集中在仅有电能负荷需求的微电网系统容量规划的研究，现综述如下：
对仅含电负荷需求的微网内分布式电源的容量规划研究主要以孤岛运行微网为主，其中电源包括可调度和不可调度部分。不可调度电源主要是可再生能源发电单元，如风力发电机和太阳能光伏电池，通常为了提高新能源发电的利用率，将优先使用它们对孤岛系统供电；可调度电源包括CCHP、柴油发电机、燃料电池以及储能电池，它们将作为不可调度电源的补充和备用。孤岛运行微网容量规划研究采取的方法主要分为单目标优化和多目标优化两类。单目标优化方法是以孤岛微网系统供电可靠性为主要约束，以系统年运行成本最小为优化目标，得到最优的分布式发电单元，如风电/光伏/蓄电池的容量组合；多目标优化方法中，系统供电可靠性和运行成本是主要的优化目标，通常还会考虑系统的环境污染因素，将系统等效污染物排放量最小作为优化目标之一，从而得到多目标下的最优分布式发电单元的容量组合方案。
对含电负荷需求的联网式微网的容量规划问题，由于微网与大电网交换功率的不确定性，以及微网向大电网馈入功率对大电网会产生一定的影响，增加了联网运行微网容量规划的复杂性。目前仅有少数的文献是关于这方面的研究，其考虑的优化因素除了上述孤岛微网中所涉及的之外，增加了微网向大电网卖电的收益、微网从大电网所购电的二氧化碳排放治理费用、微网作为大电网的负荷，其负荷波动平滑程度，微网对大电网削峰填谷的贡献，以及大电网故障造成微网孤岛时的供电可靠性等方面。
对于多能源微网容量规划的研究目前仅有个别的文献进行了阐述。对于含电负荷和热负荷需求的微网，其能源装置包含光伏发电、风力发电、微型燃气轮机热电联供和储能电池, 但是没有考虑蓄冰空调机组这种有多种运行模式,即可能是一个纯电负荷,有可能是一个制冷,供冷机组的设备。虽然建立了包含运行策略约束的系统容量规划模型。但其中仅考虑了四季的典型日，且热电联供机组的动态运行特性是以热电比与负载率的线性关系给出，较为粗略。另外，该模型是包含了多种运行策略的统一模型，一方面增加求解的难度；另一方面，对于微网，不同的运行方式会产生差别显著的容量配置方案，而在微网建设之初，其主要的运行方式是确定的，所以该模型的规划结果对实际运行的适应能力有待提升。
在微电网的容量规划模型求解方面,目前尚未有采用粒子群计算技术来求解具有冷热电耦合型需求关系的多能源微网容量规划的多目标优化问题。
发明内容
本发明主要解决的技术问题是提供一种面向具有耦合型电冷热需求的微电网容量规划方法，具有可靠性能高、需求性广、成本低等优点，同时在智能电网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：
提供一种面向具有耦合型电冷热需求的微电网容量规划方法，其步骤包括：
（1）建立面向具有耦合型冷热电需求的微电网供能设备容量规划模型
（1.1）建立联网不允许反送电的冷热电微网最优容量规划模型
（1.1.1）设置待求解的变量：CCHP机组数量N_CCHP、PV板串数N_PV、风机数量N_WT、蓄冰空调制冷机组额定冷功率Q_ice_air、蓄冰槽容量C_Ice_Tank、机载空调额定冷功率Q_normal_air、燃气锅炉额定制热功率Q_boiler，其中，Q_normal_air根据制冷期谷段冷负荷来确定，C_Ice_Tank根据日最大释冰量来确定，所以，待寻优变量为：
X={N_CCHP，N_PV，N_WT，Q_ice_air，Q_boiler }；
（1.1.2）设置多目标函数
设置优化目标1：使得由微网投资成本年折算、燃气年购置成本、从大电网的年购电成本、碳排放年治理成本和年运行维护成本组成的微网年成本 的值最小：
（1）
（2）
其中，CI为微网设备投资成本年折算，、、、、、
分别为冷热电联供系统、PV板、风机、燃气锅炉、蓄冰空调、机载空调的投资成本；
（3）
,CN_G为微网冷热电联供机组CCHP和燃气锅炉boiler的燃气年购置成本，其中为燃气价格；
（4）
其中,CExch_E为微网从大电网购电的年费用，为微网向大电网的购电价格，其随尖峰、峰、平、谷时段而变化，为微网与大电网交换功率；
（5）
为年排放治理费用；
（6）
为年运行维护费用；
设置优化目标2：使得冷热电负荷的缺失惩罚的值最小
（7）
其中，为每类电负荷的切除量，其不包括柔性可调度移走的负荷，m=（1,2,3,4），为每类电负荷的缺失惩罚权重，为该地区的年国民生产总值与年发电量的比值，为每类冷/热负荷的切除量，n=（1,2），为每类冷热负荷的缺失惩罚权重；
（1.1.3）设置多约束条件
约束条件1：可再生能源利用率PRE大于或等于30%， （8）
其中，为PV的实际调度发电功率，为风机的实际调度发电功率，为电负荷；
约束条件2：弃风弃光率小于或等于1%，且
（9）
其中，为N_PV串数下PV板的能够发电功率，为N_WT台数下风机的能够发电功率；
约束条件3：电供需平衡，即
（10）
其中，，为t时的柔性调度移出负荷，为向t时移入的柔性调度负荷，对于时刻t，二者满足，即不存在既移出负荷又移入负荷的时刻，针对不同的运行场景，可以对上述电供需平衡等式（10）进行细化；
约束条件4：冷/热供需平衡
热电联供的热平衡：
（11）
其中，为时刻t的热负荷；
冷电联供的冷平衡：
（12）
其中，为时刻t的冷负荷；
约束条件5：设备类约束，即各变量需要满足如下的上下限约束：
（13）
（14）
（15）
（16）
（17）
（18）；
（1.2）建立联网并允许反送电的冷热电微网最优容量规划模型
（1.2.1）执行步骤（1.1.1）设置待求解的变量，执行步骤（1.1.2）设置多目标函数；
（1.2.2）设置多约束条件，包括电供需平衡约束：
（19）
其中，，微网与大电网交换功率存在约束，表示电能从大电网流入微网，表示电能从微网流入大电网，为t时的柔性调度移出负荷，为向t时移入的柔性调度负荷，对于时刻
t，二者满足，即不存在既移出负荷又移入负荷的时刻，针对不同的运行场景，对上述电供需平衡等式（19）进行细化；
（1.3）基于粒子群技术的多种微电网设备最优容量规划计算方法
（1.3.1）联网不允许反送电的冷热电微网最优容量规划优化算法
（1.3.1.1）多场景含可调度负载的冷热电微网优化调度方法
初始化参数，随机产生微电网计划孤岛和非计划孤岛运行的日期和时段；
设置月份和日期的上下限，并根据上下限进行调度计算；
当月份不超过5月或者大于等于9月时，采用多运行场景的微网热电联供调度方法计算时刻调度策略；
当月份在6-8月时，采用多运行场景的微网冷电联供调度计算时刻调度策略；
判断待计算的日期是否是计划孤岛日的前一天，如果是前一天的话，对计划孤岛日进行预调度，计算电池缺口，再按预设的切发电时段、谷、平、峰、尖峰时段的优先级对电池充电至缺口满足；
当对电池充电至缺口满足时或者待计算的日期不是计划孤岛日的前一天，则计算日燃气购置费、日大电网电购置费、日排放治理费、日弃风弃光量、日切各类负荷量，完成日调度策略；
当计算的月份超过12时，计算年燃气购置费、大电网电购置费、运行维护费、排放治理费、冷热电负荷短缺惩罚费、可再生能源利用率和弃风弃光率；
（1.3.1.2）基于多目标优化PSO的求解算法及实现
根据多能源微网最优容量规划问题的模型，选取五维的粒子Particle={N_CCHP，N_PV，N_WT，Q_ice_air，Q_boiler }，按各自的上下限约束设置一定种群数量的初始位置及初始速度；判断粒子是否达到设置的最大进化代数，如果达到了就输出非支配解集，如果没有达到，则对于当前进化代数下的种群内的所有的五维粒子按照步骤（1.3.1.1）的多场景含可调度负载的冷热电微网优化调度方法，以日为单位，计算各个能源设备在年8760时刻的运行状态，再计算各个粒子对应的上述各优化目标值和约束值，以更新非支配解集；判断非支配解的个数是否超过预设值，如果超过了则优先移除网格中密集的非支配解，如果没有超过则将非支配解在网格中进行定位；更新粒子速度，采用随机方法从非支配解网格中选择出全局最优解，该粒子的进化最优解寻找迭代过程中出现的非支配解，并再次按上述方法选择全局最优解；更新粒子位置，重新判断粒子是否达到设置的最大进化代数；
（1.3.2）联网并允许反送电的冷电微网最优容量规划优化算法
（1.3.2.1）联网方式下热电联供优化调度策略
a)获取燃气锅炉Boiler供热负荷与从大电网购电供电负荷的和的值，再获
取CCHP联合供热和电负荷，当从大电网的购电价格元/kWh时，则采用CCHP联合供热；
当热少电多时，CCHP以热定电，其余不足的电从大电网购买；
当热多电少时：电和热匹配的部分先用CCHP供给，再根据微网向大电网的
反送电电价来判断剩余的热的供给方法，当元/kWh时，CCHP工作于以热定电模式；反之，CCHP工作于以电定热和燃气锅炉Boiler供热模式；
（1.3.2.2）联网方式下冷电联供优化调度策略
首先，优先使用光伏发电PV和风力发电PW供给电负荷，分如下两种情况：
a)当光伏发电PV和风力发电PW供电负荷后有余量时：
当反送电价格元/kWh时，采用CCHP以冷定电，且CCHP所产电和PV、PW的剩余电反送大电网的供冷负荷的方式；反之，用PV和PW剩余的电量驱动直接供冷负荷；当采取用PV和PW剩余的电量驱动直接供冷负荷的方式时，直至直供满载还有冷却口时，可采用CCHP以冷定电和反送电的方式或者用PV和PW剩余电释冷的方式，但优选用CCHP以冷定电和反送电的方式；
b)当PV和PW不足以供电负荷时：
PV和PW供部分电负荷后，当剩余的电负荷与冷负荷若出现电多冷少，则CCHP
工作于以冷定电方式，不足的电从大电网购买；当剩余的电负荷与冷负荷若出现电少冷多时，若元/kWh，采取CCHP以冷定电和反送电的方式；反之，采取CCHP产冷和产电驱动直供的工作方式；
（1.3.2.3）基于多目标优化PSO的求解算法及实现。
在本发明的一较佳实施例中，在约束条件3中，针对不同的运行场景，可以对上述电供需平衡等式（10）进行细化的具体步骤包括：
联网型微网热电联供的时刻：
当时，出现弃风和弃光的情况，即，此时；
热电联供计划孤岛前一天的24个时刻：
热电联供计划孤岛的时刻：
热电联供非计划孤岛的时刻：
联网型微网冷电联供的时刻：
其中，存在如下约束：=0，当；=0，当；=0，当；以下冷电联供场景中均存在这三个约束；
当时，出现弃风和弃光的情况，即，此时；
冷电联供计划孤岛前一天的24个时刻：
冷电联供计划孤岛的时刻：
冷电联供非计划孤岛的时刻：
。
在本发明的一较佳实施例中，在步骤（1.2.2）中，还包括以下约束条件：
约束条件1：可再生能源利用率PRE大于或等于30% ，且
（8）
其中，为PV的实际调度发电功率，为风机的实际调度发电功率，为电负荷；
约束条件2：弃风弃光率小于或等于1%，且
（9）
其中，为N_PV串数下PV板的能够发电功率，为N_WT台数下风机的能够发电功率；
约束条件3：冷/热供需平衡
热电联供的热平衡：
（11）
其中，为时刻t的热负荷；
冷电联供的冷平衡：
（12）
其中，为时刻t的冷负荷；
约束条件4：设备类约束，即各变量需要满足如下的上下限约束：
（13）
（14）
（15）
（16）
（17）
（18）。
在本发明的一较佳实施例中，所述采用多运行场景的微网热电联供调度方法计算时刻调度策略的具体步骤包括：
日调度策略完成后，判断待计算的时刻是否满足关于时刻的预设值；
如果满足预设值，即时刻小于或等于24时，判断是否计划孤岛时刻；
如果不计划孤岛运行，则联网方式的微网热电调度优先使用可再生能源满足电负荷，之后CCHP按以热定电方式运行，出现反送电时，切换到以电定热方式运行，且热负荷与CCHP供热的差值由热气锅炉补充；
如果要计划孤岛运行时刻，计划孤岛的微网热电调度按照可再生能源、以电定热模式的CCHP、电池放电三种方式预设的优先级满足电负荷，热负荷与CCHP供热的差值由热气锅炉补充；
如果不满足预设值，即时刻大于24时，根据各个时段的切电负荷量，计算其可调度的电负荷量，然后再按照价格优先级的策略进行移动，即按照切发电时段、谷、平、峰、尖峰的顺序进行移动；
判断本日是否有非计划孤岛时刻；
如果有，则根据非计划孤岛时刻移出或移入的电负荷对真实的电负荷进行修改；
对非计划孤岛时刻，按照可再生能源、以电定热模式的CCHP、电池放电三种方式预设的优先级满足电负荷，热负荷与CCHP供热的差值由热气锅炉补充；
当非计划孤岛结束后，计算非计划孤岛时刻的电负荷缺口的可调度电负荷量，并按照切发电时段、谷、平、峰、尖峰时刻预设的优先级移动到其之后的时刻；
如果没有非计划孤岛时刻则结束计算。
在本发明的一较佳实施例中，所述采用多运行场景的微网冷电联供调度方法计算时刻调度策略的具体步骤包括：
将谷段的冷负荷折合成电负荷，设置电负载的供给优先级从高到低依次为PV与PW、CCHP、大电网；冷负载的供给优先级从高到低依次为PV和PW供电负荷有剩余后供空调直供、CCHP供电负荷的同时产生冷能、CCHP供冷且供电给空调直供、融冰、大电网供给空调直供；
判断待计算的时刻是否满足关于时刻的预设值；
如果满足预设值，即时刻小于或等于24时，判断是否计划孤岛时刻；
如果不计划孤岛运行，则联网方式的微网冷电调度采用CCHP以电定冷的方式工作，当CCHP满发且电负荷不能满足时，电池放电进行补充；
如果要计划孤岛时刻，计划孤岛运行的微网冷电调度采用CCHP以电定冷的方式工作，当CCHP满发且电负荷不能满足时，电池放电进行补充；
如果不满足预设值，即时刻大于24时，用融冰或大电网供空调直供补充冷负荷缺口，根据缺口对应的优先级判断融冰的电取自切发电量、CCHP和大电网中的一个或多个，记录该日的总融冰量；将制冰量连续分布在谷段，计算制冰成功率，修改谷段的大电网购电量和切电量；计算各个时段的切电负荷量，并计算其的可调度电负荷量，按照切发电时刻、谷、平、峰、尖峰时刻进行可调度负荷的移动；
判断本日是否有非计划孤岛时刻；
如果有，记录下非计划孤岛时刻移出或移入的电负荷，并修改电负荷；
非计划孤岛时刻的微网冷电调度包括：对每个非计划孤岛时刻，按PV和PW供电负荷、CCHP以电定冷的优先级调度，再在该时刻已有融冰储备的前提下，按满足电负荷缺口、释冷电功率缺口、直供电功率缺口的优先顺序进行电池调度，并根据电池放电功率的约束以及非计划孤岛时段之间的动能模型时段连续性带来的可放电功率的限制进行辅助判断；若非计划孤岛发生在谷段，且电池放电不足以满足蓄冰的功率需求时，导致了蓄冰量的减少，要据此对后续有融冰量的时段按比例减少释冰量，并相应增加CCHP或大电网来驱动直供，以满足这部分冷缺口；
如果没有非计划孤岛时刻则结束计算。
在本发明的一较佳实施例中，在经过步骤（1.3.2.2）上述处理后若还有冷缺口，需要融冰或直供来满足，则按融冰所需电量的花费由小到大的设置优先级控制，并设置优先级控制的相应标志位：
1）Flag=1: 元/kWh，直供已满载，CCHP满载或反送电上限达到，采用反送电中的90kW用来释冷；
2）Flag=2：反送电价格元/kWh，直供还未用，反送电上限达到，CCHP还有余，则CCHP产生90kW融冰与反送电直供哪个花费更便宜，就选择相应的方式；
3）Flag=3：元/kWh，直供已满载，CCHP还有余，采取CCHP产生90kW电进行释冷的方式，若还有缺口，CCHP以冷定电和反送电；
4）Flag=4：元/kWh，CCHP已满载，直供还未用，当元/kWh时，采用反送电直供，当元/kWh时，选择反送电释冷与反送电直供中花费小的方式；
5）Flag=5：元/kWh，已从大电网要电，CCHP已满，直供未满，则选择用大电网的电释冷和用大电网的电直供中花费小的方式。
在本发明的一较佳实施例中，（1.3.2.3）基于多目标优化PSO的求解算法及实现中的实施方法与步骤（1.3.1.2）中的步骤相同。
本发明的有益效果是：解决了当所规划的微电网需向用户同时供电与供冷（或供热）， 并且电冷或电热的供应之间存在耦合关系时的不同供能设备容量最佳配置问题。这一模型在考虑了微电网的多种供能设备的各种工程，经济，与安全约束条件下实现了多目标优化。
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是本发明的多场景含可调度负载的冷热电微网优化调度方法的整体流程图；
图2是本发明的多运行场景的微网热电联供调度的流程图；
图3是本发明的多运行场景的微网冷电联供调度的流程图；
图4是本发明的基于多目标优化PSO的求解算法中两个目标优化
的Pareto最优解的结构示意图。
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1-4，本发明实施例包括：
所述微电网中的电源包括：风力发电 (WT)、光伏发电 (PV)、CCHP、供热燃气锅炉、蓄冰空调、储能电池。
设备运行状态变量包括：
：微电网与大电网交换功率
：PV的实际调度发电功率
：风机的实际调度发电功率
：CCHP输出电功率
：蓄冰空调直供电功率
：非蓄冰空调电功率
：蓄冰空调制冷功率
：蓄冰空调融冰功率
：燃气锅炉制热功率
：储能电池功率。
这类微电网具有几个明显的特点：一是含多种分布式可再生能源及清洁能源，二是要同时满足用户的电冷热量需求，三是与配电网紧密联接，有多种运行方式（联网运行单向送电，联网运行双向送电，孤岛运行等）。
这一新发明将为高科技园区、商业中心、智能楼宇小区等提供包含供电、供热、供冷的综合性能源的微电网规划解决方案。有效的服务于在城市负荷中心的有多种能源需求的大型能源用户。
微电网的应用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，冷热电需求耦合的微电网最优容量规划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。
研发了冷热电需求耦合型微电网供能设备容量规划技术，目标是在全面考虑经济，安全，与环保的约束下，以总投资与运行成本最小，供电可靠性最大为优化目标来确定微电网各种分布式供能设备容量的最佳配置。
面向具有耦合型冷热电需求的微电网供能设备容量规划模型。
一种面向具有耦合型电冷热需求的微电网容量规划方法，步骤包括：
（一）面向具有耦合型电冷热需求的微电网供能设备容量规划模型
1.联网不允许反送电的冷热电微网最优容量规划模型
在冷热电微网容量规划模型的研究中，暂不考虑微网的负荷增长，所以可对微网仅考虑一年的成本。容量规划模型选取两个目标最优，一个是反映经济性的，即由微网投资成本年折算、年运行成本与维护成本、年排污治理成本等组成的年整体投资运行费用最低；另一个是反映微网供能可靠性的，即甩电负荷和冷热负荷的惩罚费用最低，该费用采用该地区的GDP/发电量来衡量。约束部分主要考虑风力发电机、太阳能板、蓄冰空调、微型燃气轮机冷电联供机组、燃气锅炉等装置的运行特性，大电网向微网输送功率限值，以及年可再生能源利用率、年弃风弃光率等因素。
对于冷热电微网容量规划问题，待求变量定义：
N_CCHP CCHP机组数量
N_PV PV板串数
N_WT 风机数量
Q_ice_air（kW） 蓄冰空调制冷机组额定冷功率
C_Ice_Tank（kWh） 蓄冰槽容量
Q_normal_air（kW） 机载空调额定冷功率
Q_boiler（kW） 燃气锅炉额定制热功率
其中Q_normal_air可根据制冷期谷段冷负荷确定，C_Ice_Tank可根据日最大释冰量来确定。所以，待寻优变量为
X={N_CCHP，N_PV，N_WT，Q_ice_air，Q_boiler }。
多目标函数和多约束：
优化目标1：由微网投资成本年折算+燃气年购置成本+从大电网的年购电成本+碳排放年治理成本+年运行维护成本组成的微网年成本最小，（1）
其中：
（2）
CI为微网设备投资成本年折算，、、、、、
分别为冷热电联供系统、PV板、风机、燃气锅炉、蓄冰空调、机载空调的投资成本；
（3）
为微网供CCHP和燃气boiler的燃气年购置成本，其中（RMB/m3）为燃气价格；
（4）
为微网从大电网购电的年费用，其中（RMB/kwh）为微网向大电网的购电价格，随尖峰、峰、平、谷时段而变化；
（5）
为年排放治理费用；
（6）
为年运行维护费用；
设置优化目标2：使得冷热电负荷的缺失惩罚的值最小
（7），
为每类电负荷（m=1,2,3,4）的切除量（不包括柔性可调度移走的负荷），（）为每类电负荷的缺失惩罚权重，=2.21为该地区的年国民生产总值与年发电量的比值；为每类冷/热负荷（n=1,2）的切除量，（）为每类冷热负荷的缺失惩罚权重
约束条件1：可再生能源利用率PRE>=30%
（8）
为PV的实际调度发电功率，为风机的实际调度发电功率，为电负荷。
约束条件2：弃风弃光率<=1%
（9）
为N_PV串数下PV板的能够发电功率，为N_WT台数下风机的能够发电功率。
约束条件3：电供需平衡
（10）
：该时刻的柔性调度移出负荷，：向该时刻移入的柔性调
度负荷。对时刻t，二者满足，即不存在
移出负荷又移入负荷的时刻。
针对不同的运行场景，可以对上述电供需平衡等式（10）进行如下细化：
联网型微网热电联供的时刻：
当时，出现弃风和弃光的情况，即，此时；
热电联供计划孤岛前一天的24个时刻：
热电联供计划孤岛的时刻：
热电联供非计划孤岛的时刻：
联网型微网冷电联供的时刻：
其中，存在如下约束：=0，当；=0，当；=0，当；以下冷电联供场景中均存在这三个约束；
当时，出现弃风和弃光的情况，即，此时；
冷电联供计划孤岛前一天的24个时刻：
冷电联供计划孤岛的时刻：
冷电联供非计划孤岛的时刻：
。
约束条件4：冷/热供需平衡
热电联供的热平衡：
（11）
为时刻t的热负荷。
冷电联供的冷平衡：
（12）
为时刻t的冷负荷。
约束条件5：设备类约束，即各变量需要满足如下的上下限约束：
（13）
（14）
（15）
（16）
（17）
（18）。
此外，还需要满足能源设备功率特性的约束。
可见，除了待寻优变量X={N_CCHP，N_PV，N_WT，Q_ice_air，Q_boiler }之外，各个设备的运行状态{，，，，，，，，，}以及{，，，}（）也都是未知的。当X={N_CCHP，N_PV，N_WT，Q_ice_air，Q_boiler }已知时，确定微网各个设备的运行状态，即微网的调度问题，可以用优化的算法进行求解，但当调度这个优化问题是嵌入在微网优化规划问题中的时候，用基于优化算法的调度求解方法显然会使计算量大大增加，以致优化规划问题不可行，所以需要有效的微网调度策略来完成微网设备运行状态的确定，并进而确定微网的运行维护成本、负荷缺失惩罚、可再生能源利用率和弃风光率等。
2.联网并允许反送电的冷热电微网最优容量规划模型
与第1部分的联网不允许反送电的冷热电微网容量规划模型基本类似，只是电供需平衡约束
（19）
中的微网与大电网交换功率存在约束，表示电能从大电网流入微网，表示电能从微网流入大电网。另外，由于从微网向大电网反送电是允许的，所以PV板、风机和冷热电三联供机组的最大数量由可安装的面积决定。
在研究允许反送电的冷热电微网容量规划时，考虑反送电电价按谷平峰尖峰时段而变化，即反送电电价谷段最低，尖峰段最高，且各时段反送电的电价均要低于该时段的购电电价。联网并允许反送电的冷热电微网容量规划中的最优调度运行策略与不允许反送电的有较大差异，
（二）基于粒子群技术的多种微电网设备最优容量规划计算方法
在微电网容量规划的多目标优化时，两个主要的优化目标是经济性和可靠性。而这两个目标在实现时是相互矛盾的，为解决这一问题，我们在国际上率先提出了多目标粒子群计算方法来求解具有耦合型电冷热需求的多种微电网设备最优容量规划问题。
所开发的多目标粒子群计算方法是对粒子群计算方法的扩展与改进，以求解多目标优化问题。规划的CCHP，光伏，风电，燃气锅炉，蓄冰机组数量用以构成粒子群，容器技术被用于包含非支配解（Pareto Front）的集，粒子的移动速度的变化由非支配解来主导。这一算法表现出非常高的竞争性能，可保证多目标优化问题的求解包含了所有的非支配解。同时，相对较低的计算量是这一算法的另一明显优点，使其适用于大规模的多目标优化问题的求解。
1.联网不允许反送电的冷热电微网最优容量规划优化算法
1）多场景、含可调度负载的冷热电微网优化调度方法
微网最优容量规划模型中除了能源设备购置成本的年折算之外，其余的目标和约束都与微网的优化调度运行密切相关。当能源设备的配置已知时，可以用优化算法来求解优化调度问题，该方法若在微网容量规划中使用必然会使计算量大增，所以考虑进行基于专家策略的确定性微网优化调度算法研究，即：记及冷/热负荷与电负荷的不同配比，根据容量规划模型中与运行相关的目标和约束，确定不同设备的优先级进行调度，以保证冷热电供需平衡、微网年运行费用最低、碳排放年治理成本最低、冷热电负荷的年缺失惩罚最低，在出现冷/热与电耦合的情况时，根据联网/计划孤岛/非计划孤岛等不同的运行场景以及冷/热负荷与电负荷的比率关系，确定CCHP的工作方式，如：以冷/热定电或以电定冷/热。该方法的调度结果与之前PSO算法的调度结果之间的误差最大为2%左右，所以用在微网容量规划中是完成可行的。
多运行场景的冷热电联供微网优化调度算法的整体流程如图1所示，其中主要包含多运行场景的微网热电联供调度，其流程如图2所示，以及多运行场景的微网冷电联供调度，其流程如图3所示。
多场景下的微网热电联供调度，主要分联网方式、计划孤岛方式和非计划孤岛方式，还要考虑可调度电负荷的调度优化。联供方式的微网热电调度中，优先使用PV+PW满足电负荷，之后计算CCHP若按以热定电方式运行，是否会出现反送电，若否，就按以热定电方式运行，否则按以电定热，热负荷与CCHP供热的缺口由燃气锅炉补充。日调度策略完成后，产生每个时刻的切电负荷量，进而计算可调度的电负荷量，然后再按照价格优先级的策略进行移动，即按照切发电时段、谷、平、峰、尖峰的顺序进行移动。计划孤岛方式的微网热电调度，按PV+PW，以电定热方式运行的CCHP、电池放电的优先级满足电负荷供给，热负荷与CCHP供热的缺口由燃气锅炉补充。而对于非计划孤岛方式的微网热电调度，由于日前调度已做，即可调度负荷的移动策略已经生成，所以要根据非计划孤岛时刻移出或移入的电负荷对真实的电负荷进行修改，之后再按计划孤岛的微网热电调度方式进行调度。当非计划孤岛结束后，要对非计划孤岛时刻的电负荷缺口，计算其可调度电负荷量，按照切发电时段、谷、平、峰、尖峰时刻的优先级移动到其之后的时刻。
多场景下的微网冷电联供调度，主要分联网方式、计划孤岛方式和非计划孤岛方式，还要考虑可调度电负荷的调度优化。联网方式的微网冷电调度中，电负载的供给优先级是PV+PW、CCHP和大电网；冷负载的供给优先级是PV+PW供电负荷有剩余后供空调直供、CCHP供电负荷的同时产生冷能、CCHP供冷+供电给空调直供、融冰、大电网供给空调直供。在调度策略中不仅要兼顾考虑两种能源的供给优先级，还要综合考虑两种负载的配比关系，因为在不同配比下CCHP的工作模式是不同的；另外，由于CCHP同时产生电能和冷能的配比关系随机组负载率变化，同时各种机组（如：CCHP、蓄冰空调等）都有容量的约束，使微网冷电联供调度策略较为复杂。计划孤岛方式的微网冷电调度与联网方式下的思路大致相似，只是CCHP是以电定冷方式工作，大电网不参与，当CCHP满发且电负荷不能满足时，电池放电进行补充；对于非计划孤岛方式，若非计划孤岛的时刻发生在蓄冰段，有可能造成可融冰量的减少，其后有融冰需求的时刻需要更改调度策略；若非计划孤岛的时刻发生在非谷时段，在重新调度时需考虑原有的释冰量。
2）基于多目标优化PSO的求解算法及实现
在冷热电微网容量规划中需要考虑的因素众多，若采用单目标优化PSO算法，需要将不满足的约束变为惩罚的形式与众多优化目标按权重的方法整合，优化效果不好。可以看出，上述各个需考虑的因素之间可能是相互冲突的，某一因素的改良可能引起其它因素的恶化，各个因素之间往往存在此消彼长的现象，如：优化目标1的年成本最小与优化目标2的年负荷缺失惩罚最小本身就是一对矛盾，多目标优化的算法适合于该类问题的求解。通常，多目标优化问题不存在惟一的全局最优解，就是使所有目标函数同时最优的解，但是，可以存在这样的解：对一个或几个目标函数不可能进一步优化，而对其他目标函数不至于劣化，即Pareto最优解集合，又称为非支配解集。两个目标优化的Pareto最优解如图4所示。
在传统PSO算法中，信息是由最好的粒子给出的，其他个体跟着最好粒子快速向一点收敛。因此直接用PSO算法处理多目标优化问题，将很容易收敛于非劣最优域的局部区域。在非劣最优概念的基础上应用一个“容器”来记录已找到的非支配解，并用这些解来指导其他粒子的飞行，可以解决这个问题，同时找到多个非支配解，用网格来定位“容器”中的非支配解。
根据多能源微网最优容量规划问题的模型，选取五维的粒子Particle={N_CCHP，N_PV，N_WT，Q_ice_air，Q_boiler }，按各自的上下限约束产生一定种群数量的初始位置及初始速度，对于当前进化代数下的种群内的所有的五维粒子按照前述的多场景含可调度负载的冷热电微网调度方法，以日为单位，计算各个能源设备在年8760时刻的运行状态，再计算各个粒子对应的上述各优化目标值和约束值，以更新非支配解集，并在非支配集网格容器中进行定位。
2.联网并允许反送电的冷电微网最优容量规划优化算法
对于联网并允许反送电的冷热电微网的计划孤岛方式和非计划孤岛方式下的电池调度策略与不允许反送电时类似，计划孤岛前一日的电池充电调度策略与不允许反送电时的稍微有些差异，主要体现在充电时段优先级按时段购电价（当）、时段反送电电价（当）从小到大的顺序进行调度。由于微网向大电网反送电的电价分时段而变化，所以联网方式下CCHP以哪种方式工作，如以冷/热定电还是以电定冷/热，以及用释冷还是直供来满足冷负荷等，从对微网用户更为经济的目的出发，需要具体分析，并给出优化调度策略。
1）联网方式下热电联供优化调度策略
1.1）Boiler供热负荷+从大电网购电供电负荷vs. CCHP联合供热和电负荷
只要从大电网的购电价格元/kWh，则后者划算。谷平峰尖峰的购电价格均大于0.3125元/kWh，所以就考虑CCHP联合供热和电负荷的方式（不允许反送电方式也适用）。
1.2）热少电多（此后的热少电多、热多电少、冷多电少、冷少电多的说法
均针对CCHP冷\热电匹配联供）：CCHP以热定电，不足的电从大电网购买。
1.3）热多电少：电和热匹配的部分先用CCHP供给，剩余的热是用CCHP供
给+反送电还是Boiler供给，需要根据微网向大电网的反送电电价来判断。当元/kWh（程序中取0.4元/kWh）时，反送电收入抵扣CCHP消耗燃气花费要比Boiler消耗燃气划算。所以，当元/kWh时，CCHP工作于以热定电；反之，CCHP工作于以电定热+Boiler供热。
2）联网方式下冷电联供优化调度策略
联网并允许反送电的冷热电微网在联网冷电联供工作方式下的调度策略如下:
首先，优先使用PV+PW供给电负荷，分如下两种情况：
（1）PV+PW供电负荷后有余量
之后可能存在两种供冷负荷的方式：(a)用PV+PW剩余的电量驱动直供；(b)
CCHP以冷定电+CCHP所产电和PV+PW剩余电反送大电网；(c)PV+PW剩余电释冷。当反送电价格元/kWh时，方式(b)微网卖电的收入可以抵掉燃气花费，方式(b)比方式(a)划算；反之，方式(a)比方式(b)划算。而当反送电价格元/kWh时，方式(a)比方式(c)划算。若采取方式(a)，直至直供满载还有冷却口，则可采取CCHP以冷定电+反送电或PV+PW剩余电释冷，方式要优于方式。
（2）PV+PW不足以供电负荷
PV+PW供部分电负荷后，剩余的电负荷与冷负荷若出现电多冷少，则CCHP工
作于以冷定电方式，不足的电从大电网购买；剩余的电负荷与冷负荷若出现电少冷多，是采取：(a)CCHP以冷定电+反送电，还是：(b)CCHP产冷+产电驱动直供的工作方式，需要根据反送电电价来判断，若元/kWh ，说明反送电划算，所以采取(a)；反之，采取(b)，即尽量减少CCHP产生多余的反送电。
经过上述处理后若还有冷缺口，需要融冰或直供来满足，其中融冰由于受蓄
冰总量的限制，有优先级控制，即按融冰所需电量的花费由小到大的优先。分如下几种情况，置相应标志位分别处理：1)Flag=1: 反送电不划算（元/kWh），直供已满载，CCHP满载或反送电上限达到，采用反送电中的90kW用来释冷；2）Flag=2：反送电价格较高（元/kWh），直供还未用，反送电上限达到，CCHP还有余，需判断CCHP产生90kW融冰与反送电直供哪个更划算，因为融冰只有当冷缺口达到一定的量时才比直供划算；3）Flag=3：反送电不划算（元/kWh），直供已满载，CCHP还有余，采取CCHP产生90kW电进行释冷的方式，若还有缺口，CCHP以冷定电+反送电；4）Flag=4：反送电价格较高（元/kWh），CCHP已满载，直供还未用，需判断反送电释冷与反送电直供哪个更划算，当元/kWh时，后者划算，当元/kWh时，只有冷缺口达到一定量后，前者划算；5）Flag=5：反送电不划算，已从大电网要电，CCHP已满，直供未满，需判断用大电网的电释冷和用大电网的电直供哪个更划算。
3）基于多目标优化PSO的求解算法及实现
联网并允许反送电的冷热电微网最优容量规划问题基于多目标优化PSO的求
解算法及实现与2.1.2节的内容完全相似。
本发明面向具有耦合型电冷热需求的微电网容量规划方法的有益效果是：解决了当所规划的微电网需向用户同时供电与供冷（或供热）， 并且电冷或电热的供应之间存在耦合关系时的不同供能设备容量最佳配置问题。这一模型在考虑了微电网的多种供能设备的各种工程，经济，与安全约束条件下实现了多目标优化。
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 (7)
1.一种面向具有耦合型电冷热需求的微电网容量规划方法，其特征在于，步骤包括：
（1）建立面向具有耦合型冷热电需求的微电网供能设备容量规划模型
（1.1）建立联网不允许反送电的冷热电微网最优容量规划模型
（1.1.1）设置待求解的变量：CCHP机组数量N_CCHP、PV板串数N_PV、风机数量N_WT、蓄冰空调制冷机组额定冷功率Q_ice_air、蓄冰槽容量C_Ice_Tank、机载空调额定冷功率Q_normal_air、燃气锅炉额定制热功率Q_boiler，其中，Q_normal_air根据制冷期谷段冷负荷来确定，C_Ice_Tank根据日最大释冰量来确定，所以，待寻优变量为：
X={N_CCHP，N_PV，N_WT，Q_ice_air，Q_boiler }；
（1.1.2）设置多目标函数
设置优化目标1：使得由微网投资成本年折算、燃气年购置成本、从大电网的年购电成本、碳排放年治理成本和年运行维护成本组成的微网年成本的值最小：
（1）
（2）
其中，CI为微网设备投资成本年折算，、、、、、
分别为冷热电联供系统、PV板、风机、燃气锅炉、蓄冰空调、机载空调的投资成本；
（3）,
CN_G为微网冷热电联供机组CCHP和燃气锅炉boiler的燃气年购置成本，其中为燃气价格；
（4）
其中,CExch_E为微网从大电网购电的年费用，为微网向大电网的购电价格，其随尖峰、峰、平、谷时段而变化，为微网与大电网交换功率；
（5）
为年排放治理费用；
（6）
为年运行维护费用；
设置优化目标2：使得冷热电负荷的缺失惩罚的值最小
（7）
其中，为每类电负荷的切除量，其不包括柔性可调度移走的负荷，m=（1,2,3,4），为每类电负荷的缺失惩罚权重，为该地区的年国民生产总值与年发电量的比值，为每类冷/热负荷的切除量，n=（1,2），为每类冷热负荷的缺失惩罚权重；
（1.1.3）设置多约束条件
约束条件1：可再生能源利用率PRE大于或等于30% ，（8）
其中，为PV的实际调度发电功率，为风机的实际调度发电功率，为电负荷；
约束条件2：弃风弃光率小于或等于1%，且
（9）
其中，为N_PV串数下PV板的能够发电功率，为N_WT台数下风机的能够发电功率；
约束条件3：电供需平衡，即
（10）
其中，，为t时的柔性调度移出负荷，为向t时移入的柔性调度负荷，对于时刻t，二者满足，即不存在既移出负荷又移入负荷的时刻，针对不同的运行场景，可以对上述电供需平衡等式（10）进行细化；
约束条件4：冷/热供需平衡
热电联供的热平衡：
（11）
其中，为时刻t的热负荷；
冷电联供的冷平衡：
（12）
其中，为时刻t的冷负荷；
约束条件5：设备类约束，即各变量需要满足如下的上下限约束：
（13）
（14）
（15）
（16）
（17）
（18）；
（1.2）建立联网并允许反送电的冷热电微网最优容量规划模型
（1.2.1）执行步骤（1.1.1）设置待求解的变量，执行步骤（1.1.2）设置多目标函数；
（1.2.2）设置多约束条件，包括电供需平衡约束：
（19）
其中，，微网与大电网交换功率存在约束，表示电能从大电网流入微网，表示电能从微网流入大电网，为t时的柔性调度移出负荷，为向t时移入的柔性调度负荷，对于时刻t，二者满足，即不存在既移出负荷又移入负荷的时刻，针对不同的运行场景，对上述电供需平衡等式（19）进行细化；
（1.3）基于粒子群技术的多种微电网设备最优容量规划计算方法
（1.3.1）联网不允许反送电的冷热电微网最优容量规划优化算法
（1.3.1.1）多场景含可调度负载的冷热电微网优化调度方法
初始化参数，随机产生微电网计划孤岛和非计划孤岛运行的日期和时段；
设置月份和日期的上下限，并根据上下限进行调度计算；
当月份不超过5月或者大于等于9月时，采用多运行场景的微网热电联供调度方法计算时刻调度策略；
当月份在6-8月时，采用多运行场景的微网冷电联供调度计算时刻调度策略；
判断待计算的日期是否是计划孤岛日的前一天，如果是前一天的话，对计划孤岛日进行预调度，计算电池缺口，再按预设的切发电时段、谷、平、峰、尖峰时段的优先级对电池充电至缺口满足；
当对电池充电至缺口满足时或者待计算的日期不是计划孤岛日的前一天，则计算日燃气购置费、日大电网电购置费、日排放治理费、日弃风弃光量、日切各类负荷量，完成日调度策略；
当计算的月份超过12时，计算年燃气购置费、大电网电购置费、运行维护费、排放治理费、冷热电负荷短缺惩罚费、可再生能源利用率和弃风弃光率；
（1.3.1.2）基于多目标优化PSO的求解算法及实现
根据多能源微网最优容量规划问题的模型，选取五维的粒子Particle={N_CCHP，N_PV，N_WT，Q_ice_air，Q_boiler }，按各自的上下限约束设置一定种群数量的初始位置及初始速度；判断粒子是否达到设置的最大进化代数，如果达到了就输出非支配解集，如果没有达到，则对于当前进化代数下的种群内的所有的五维粒子按照步骤（1.3.1.1）的多场景含可调度负载的冷热电微网优化调度方法，以日为单位，计算各个能源设备在年8760时刻的运行状态，再计算各个粒子对应的上述各优化目标值和约束值，以更新非支配解集；判断非支配解的个数是否超过预设值，如果超过了则优先移除网格中密集的非支配解，如果没有超过则将非支配解在网格中进行定位；更新粒子速度，采用随机方法从非支配解网格中选择出全局最优解，该粒子的进化最优解寻找迭代过程中出现的非支配解，并再次按上述方法选择全局最优解；更新粒子位置，重新判断粒子是否达到设置的最大进化代数；
（1.3.2）联网并允许反送电的冷电微网最优容量规划优化算法
（1.3.2.1）联网方式下热电联供优化调度策略
a)获取燃气锅炉Boiler供热负荷与从大电网购电供电负荷的和的值，再获
取CCHP联合供热和电负荷，当从大电网的购电价格元/kWh时，则采用CCHP联合供热；
当热少电多时，CCHP以热定电，其余不足的电从大电网购买；
当热多电少时：电和热匹配的部分先用CCHP供给，再根据微网向大电网的
反送电电价来判断剩余的热的供给方法，当元/kWh时，CCHP工作于以热定电模式；反之，CCHP工作于以电定热和燃气锅炉Boiler供热模式；
（1.3.2.2）联网方式下冷电联供优化调度策略
首先，优先使用光伏发电PV和风力发电PW供给电负荷，分如下两种情况：
a)当光伏发电PV和风力发电PW供电负荷后有余量时：
当反送电价格元/kWh时，采用CCHP以冷定电，且CCHP所产电和PV、PW的剩余电反送大电网的供冷负荷的方式；反之，用PV和PW剩余的电量驱动直接供冷负荷；当采取用PV和PW剩余的电量驱动直接供冷负荷的方式时，直至直供满载还有冷却口时，可采用CCHP以冷定电和反送电的方式或者用PV和PW剩余电释冷的方式，但优选用CCHP以冷定电和反送电的方式；
b)当PV和PW不足以供电负荷时：
PV和PW供部分电负荷后，当剩余的电负荷与冷负荷若出现电多冷少，则CCHP
工作于以冷定电方式，不足的电从大电网购买；当剩余的电负荷与冷负荷若出现电少冷多时，若元/kWh，采取CCHP以冷定电和反送电的方式；反之，采取CCHP产冷和产电驱动直供的工作方式；
（1.3.2.3）基于多目标优化PSO的求解算法及实现。
2.根据权利要求1所述的面向具有耦合型电冷热需求的微电网容量规划方法，其特征在于，在约束条件3中，针对不同的运行场景，可以对上述电供需平衡等式（10）进行细化的具体步骤包括：
联网型微网热电联供的时刻：
当时，出现弃风和弃光的情况，即，此时；
热电联供计划孤岛前一天的24个时刻：
热电联供计划孤岛的时刻：
热电联供非计划孤岛的时刻：
联网型微网冷电联供的时刻：
其中，存在如下约束：=0，当；=0，当；=0，当；以下冷电联供场景中均存在这三个约束；
当时，出现弃风和弃光的情况，即，此时；
冷电联供计划孤岛前一天的24个时刻：
冷电联供计划孤岛的时刻：
冷电联供非计划孤岛的时刻：
。
3.根据权利要求1所述的面向具有耦合型电冷热需求的微电网容量规划方法，其特征在于，在步骤（1.2.2）中，还包括以下约束条件：
约束条件1：可再生能源利用率PRE大于或等于30% ，且
（8）
其中，为PV的实际调度发电功率，为风机的实际调度发电功率，为电负荷；
约束条件2：弃风弃光率小于或等于1%，且
（9）
其中，为N_PV串数下PV板的能够发电功率，为N_WT台数下风机的能够发电功率；
约束条件3：冷/热供需平衡
热电联供的热平衡：
（11）
其中，为时刻t的热负荷；
冷电联供的冷平衡：
（12）
其中，为时刻t的冷负荷；
约束条件4：设备类约束，即各变量需要满足如下的上下限约束：
（13）
（14）
（15）
（16）
（17）
（18）。
4.根据权利要求1所述的面向具有耦合型电冷热需求的微电网容量规划方法，其特征在于，所述采用多运行场景的微网热电联供调度方法计算时刻调度策略的具体步骤包括：
日调度策略完成后，判断待计算的时刻是否满足关于时刻的预设值；
如果满足预设值，即时刻小于或等于24时，判断是否计划孤岛时刻；
如果不计划孤岛运行，则联网方式的微网热电调度优先使用可再生能源满足电负荷，之后CCHP按以热定电方式运行，出现反送电时，切换到以电定热方式运行，且热负荷与CCHP供热的差值由热气锅炉补充；
如果要计划孤岛运行时刻，计划孤岛的微网热电调度按照可再生能源、以电定热模式的CCHP、电池放电三种方式预设的优先级满足电负荷，热负荷与CCHP供热的差值由热气锅炉补充；
如果不满足预设值，即时刻大于24时，根据各个时段的切电负荷量，计算其可调度的电负荷量，然后再按照价格优先级的策略进行移动，即按照切发电时段、谷、平、峰、尖峰的顺序进行移动；
判断本日是否有非计划孤岛时刻；
如果有，则根据非计划孤岛时刻移出或移入的电负荷对真实的电负荷进行修改；
对非计划孤岛时刻，按照可再生能源、以电定热模式的CCHP、电池放电三种方式预设的优先级满足电负荷，热负荷与CCHP供热的差值由热气锅炉补充；
当非计划孤岛结束后，计算非计划孤岛时刻的电负荷缺口的可调度电负荷量，并按照切发电时段、谷、平、峰、尖峰时刻预设的优先级移动到其之后的时刻；
如果没有非计划孤岛时刻则结束计算。
5.根据权利要求1所述的面向具有耦合型电冷热需求的微电网容量规划方法，其特征在于，所述采用多运行场景的微网冷电联供调度方法计算时刻调度策略的具体步骤包括：
将谷段的冷负荷折合成电负荷，设置电负载的供给优先级从高到低依次为PV与PW、CCHP、大电网；冷负载的供给优先级从高到低依次为PV和PW供电负荷有剩余后供空调直供、CCHP供电负荷的同时产生冷能、CCHP供冷且供电给空调直供、融冰、大电网供给空调直供；
判断待计算的时刻是否满足关于时刻的预设值；
如果满足预设值，即时刻小于或等于24时，判断是否计划孤岛时刻；
如果不计划孤岛运行，则联网方式的微网冷电调度采用CCHP以电定冷的方式工作，当CCHP满发且电负荷不能满足时，电池放电进行补充；
如果要计划孤岛时刻，计划孤岛运行的微网冷电调度采用CCHP以电定冷的方式工作，当CCHP满发且电负荷不能满足时，电池放电进行补充；
如果不满足预设值，即时刻大于24时，用融冰或大电网供空调直供补充冷负荷缺口，根据缺口对应的优先级判断融冰的电取自切发电量、CCHP和大电网中的一个或多个，记录该日的总融冰量；将制冰量连续分布在谷段，计算制冰成功率，修改谷段的大电网购电量和切电量；计算各个时段的切电负荷量，并计算其的可调度电负荷量，按照切发电时刻、谷、平、峰、尖峰时刻进行可调度负荷的移动；
判断本日是否有非计划孤岛时刻；
如果有，记录下非计划孤岛时刻移出或移入的电负荷，并修改电负荷；
非计划孤岛时刻的微网冷电调度包括：对每个非计划孤岛时刻，按PV和PW供电负荷、CCHP以电定冷的优先级调度，再在该时刻已有融冰储备的前提下，按满足电负荷缺口、释冷电功率缺口、直供电功率缺口的优先顺序进行电池调度，并根据电池放电功率的约束以及非计划孤岛时段之间的动能模型时段连续性带来的可放电功率的限制进行辅助判断；若非计划孤岛发生在谷段，且电池放电不足以满足蓄冰的功率需求时，导致了蓄冰量的减少，要据此对后续有融冰量的时段按比例减少释冰量，并相应增加CCHP或大电网来驱动直供，以满足这部分冷缺口；
如果没有非计划孤岛时刻则结束计算。
6.根据权利要求1所述的面向具有耦合型电冷热需求的微电网容量规划方
法，其特征在于，在经过步骤（1.3.2.2）上述处理后若还有冷缺口，需要融冰或直供来满足，则按融冰所需电量的花费由小到大的设置优先级控制，并设置优先级控制的相应标志位：
1）Flag=1: 元/kWh，直供已满载，CCHP满载或反送电上限达到，采用反送电中的90kW用来释冷；
2）Flag=2：反送电价格元/kWh，直供还未用，反送电上限达到，CCHP还有余，则CCHP产生90kW融冰与反送电直供哪个花费更便宜，就选择相应的方式；
3）Flag=3：元/kWh，直供已满载，CCHP还有余，采取CCHP产生90kW电进行释冷的方式，若还有缺口，CCHP以冷定电和反送电；
4）Flag=4：元/kWh，CCHP已满载，直供还未用，当元/kWh时，采用反送电直供，当元/kWh时，选择反送电释冷与反送电直供中花费小的方式；
5）Flag=5：元/kWh，已从大电网要电，CCHP已满，直供未满，则选择用大电网的电释冷和用大电网的电直供中花费小的方式。
7.根据权利要求1所述的面向具有耦合型电冷热需求的微电网容量规划方
法，其特征在于，（1.3.2.3）基于多目标优化PSO的求解算法及实现中的实施方法与步骤（1.3.1.2）中的步骤相同。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610151040.5A CN106022503A (zh) | 2016-03-17 | 2016-03-17 | 面向具有耦合型电冷热需求的微电网容量规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610151040.5A CN106022503A (zh) | 2016-03-17 | 2016-03-17 | 面向具有耦合型电冷热需求的微电网容量规划方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106022503A true CN106022503A (zh) | 2016-10-12 |
Family
ID=57082977
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610151040.5A Pending CN106022503A (zh) | 2016-03-17 | 2016-03-17 | 面向具有耦合型电冷热需求的微电网容量规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106022503A (zh) |
Cited By (34)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106503466A (zh) * | 2016-11-04 | 2017-03-15 | 中国电力科学研究院 | 电锅炉与太阳能联合供热系统的设备容量配置方法及装置 |
| CN106849863A (zh) * | 2017-02-15 | 2017-06-13 | 中国能源建设集团江苏省电力设计院有限公司 | 基于冷‑热‑电联产的光伏电站出力快速调控方法 |
| CN107077704A (zh) * | 2014-10-21 | 2017-08-18 | 埃森哲环球服务有限公司 | 用于针对微电网的容量确定的系统、方法以及装置以及有形计算机可读介质 |
| CN107134810A (zh) * | 2017-06-09 | 2017-09-05 | 燕山大学 | 一种独立型微能源网储能系统优化配置求解方法 |
| CN107139762A (zh) * | 2017-06-05 | 2017-09-08 | 吉林大学 | 一种电动汽车优化充电控制方法及其系统 |
| CN107546781A (zh) * | 2017-09-06 | 2018-01-05 | 广西电网有限责任公司电力科学研究院 | 基于pso改进算法的微电网多目标运行优化方法 |
| CN107834601A (zh) * | 2017-11-17 | 2018-03-23 | 燕山大学 | 一种考虑柔性负荷的独立微电网系统容量优化配置方法 |
| CN108471141A (zh) * | 2018-04-28 | 2018-08-31 | 长沙理工大学 | 一种含不确定风电接入的能量枢纽风电优先消纳方法 |
| CN108487994A (zh) * | 2018-02-28 | 2018-09-04 | 中国科学院广州能源研究所 | 一种微能源网复合储能系统 |
| CN108510122A (zh) * | 2018-03-30 | 2018-09-07 | 中国电建集团福建省电力勘测设计院有限公司 | 基于环境排放、热*利用最优双约束条件的综合能源系统优化方法 |
| CN108695903A (zh) * | 2018-06-19 | 2018-10-23 | 南京邮电大学 | 基于粒子群优化算法的微电网优化调度方法 |
| CN108694483A (zh) * | 2018-07-28 | 2018-10-23 | 天津大学 | 考虑电热气耦合的综合能源系统设备选型及容量规划方法 |
| CN108734350A (zh) * | 2018-05-17 | 2018-11-02 | 燕山大学 | 一种含微电网的配电网独立与联合调度的求解方法 |
| CN108832656A (zh) * | 2018-06-20 | 2018-11-16 | 天津大学 | 基于电转气和可再生能源利用微能源网多目标规划方法 |
| CN108964048A (zh) * | 2018-08-15 | 2018-12-07 | 国家电网有限公司 | 微电网容量配置与运行调度方法及装置 |
| CN109034676A (zh) * | 2018-10-22 | 2018-12-18 | 西南交通大学 | 不完备指标权重信息下的配电网故障恢复方案区间评估方法 |
| CN109325295A (zh) * | 2018-09-26 | 2019-02-12 | 云南电网有限责任公司电力科学研究院 | 一种基于小时间尺度经验模态分解的动态电荷建模方法 |
| CN109474025A (zh) * | 2018-10-08 | 2019-03-15 | 国网能源研究院有限公司 | 一种园区级综合能源系统优化调度模型 |
| CN109767029A (zh) * | 2018-12-14 | 2019-05-17 | 华北电力大学 | 局域能源互联网中冷热电三联供系统容量配置方法及系统 |
| CN110112789A (zh) * | 2019-04-22 | 2019-08-09 | 南通大学 | 基于自适应快速粒子群的孤岛型微网多目标优化配置算法 |
| CN110244566A (zh) * | 2019-06-24 | 2019-09-17 | 燕山大学 | 计及柔性负荷的冷热电联供系统容量优化配置方法 |
| CN110400090A (zh) * | 2019-07-31 | 2019-11-01 | 广东电网有限责任公司 | 一种基于多目标随机优化的智能园区多能源微网配置方法 |
| CN110661253A (zh) * | 2019-09-24 | 2020-01-07 | 国网(苏州)城市能源研究院有限责任公司 | 建筑群内多类型电力弹性负荷联合调节方法 |
| 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 |
| CN111049134A (zh) * | 2019-12-26 | 2020-04-21 | 清华大学 | 一种多能互补园区响应电力系统削峰需求的计算方法 |
| CN111367171A (zh) * | 2020-02-18 | 2020-07-03 | 上海交通大学 | 太阳能与天然气耦合冷热电联供系统多目标优化方法及系统 |
| CN111429301A (zh) * | 2020-03-26 | 2020-07-17 | 中国科学技术大学 | 一种容量配置和运行策略的协同优化处理方法和装置 |
| CN111445090A (zh) * | 2020-04-21 | 2020-07-24 | 清华大学 | 一种离网型综合能源系统双层规划方法 |
| CN111445107A (zh) * | 2020-03-02 | 2020-07-24 | 山东大学 | 冷热电联供型微电网多目标优化配置方法 |
| CN111563616A (zh) * | 2020-04-17 | 2020-08-21 | 许继集团有限公司 | 一种综合能源系统优化方法 |
| CN112016195A (zh) * | 2020-08-10 | 2020-12-01 | 浙江大学 | 一种考虑供能可靠性的电气耦合系统柔性规划方法 |
| CN112803567A (zh) * | 2021-01-29 | 2021-05-14 | 西安交通大学 | 基于智能楼宇光储供电设备的参数优化设计方法及系统 |
| CN113536588A (zh) * | 2021-07-29 | 2021-10-22 | 西安热工研究院有限公司 | 热电联产机组耦合空气储能压缩供热系统及优化运行方法 |
| CN113591335A (zh) * | 2021-09-30 | 2021-11-02 | 中国电力科学研究院有限公司 | 一种面向电网热网耦合的电制热补热规划配置方法及系统 |
-
2016
- 2016-03-17 CN CN201610151040.5A patent/CN106022503A/zh active Pending
Cited By (49)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107077704A (zh) * | 2014-10-21 | 2017-08-18 | 埃森哲环球服务有限公司 | 用于针对微电网的容量确定的系统、方法以及装置以及有形计算机可读介质 |
| CN106503466A (zh) * | 2016-11-04 | 2017-03-15 | 中国电力科学研究院 | 电锅炉与太阳能联合供热系统的设备容量配置方法及装置 |
| CN106503466B (zh) * | 2016-11-04 | 2022-03-18 | 中国电力科学研究院 | 电锅炉与太阳能联合供热系统的设备容量配置方法及装置 |
| CN106849863A (zh) * | 2017-02-15 | 2017-06-13 | 中国能源建设集团江苏省电力设计院有限公司 | 基于冷‑热‑电联产的光伏电站出力快速调控方法 |
| CN107139762A (zh) * | 2017-06-05 | 2017-09-08 | 吉林大学 | 一种电动汽车优化充电控制方法及其系统 |
| CN107134810A (zh) * | 2017-06-09 | 2017-09-05 | 燕山大学 | 一种独立型微能源网储能系统优化配置求解方法 |
| CN107134810B (zh) * | 2017-06-09 | 2021-01-08 | 燕山大学 | 一种独立型微能源网储能系统优化配置求解方法 |
| CN107546781A (zh) * | 2017-09-06 | 2018-01-05 | 广西电网有限责任公司电力科学研究院 | 基于pso改进算法的微电网多目标运行优化方法 |
| CN107834601A (zh) * | 2017-11-17 | 2018-03-23 | 燕山大学 | 一种考虑柔性负荷的独立微电网系统容量优化配置方法 |
| CN108487994A (zh) * | 2018-02-28 | 2018-09-04 | 中国科学院广州能源研究所 | 一种微能源网复合储能系统 |
| CN108510122A (zh) * | 2018-03-30 | 2018-09-07 | 中国电建集团福建省电力勘测设计院有限公司 | 基于环境排放、热*利用最优双约束条件的综合能源系统优化方法 |
| CN108510122B (zh) * | 2018-03-30 | 2021-08-31 | 中国电建集团福建省电力勘测设计院有限公司 | 基于最优双约束条件的综合能源系统优化方法 |
| CN108471141A (zh) * | 2018-04-28 | 2018-08-31 | 长沙理工大学 | 一种含不确定风电接入的能量枢纽风电优先消纳方法 |
| CN108471141B (zh) * | 2018-04-28 | 2021-05-04 | 长沙理工大学 | 一种含不确定风电接入的能量枢纽风电优先消纳方法 |
| CN108734350A (zh) * | 2018-05-17 | 2018-11-02 | 燕山大学 | 一种含微电网的配电网独立与联合调度的求解方法 |
| CN108695903A (zh) * | 2018-06-19 | 2018-10-23 | 南京邮电大学 | 基于粒子群优化算法的微电网优化调度方法 |
| CN108695903B (zh) * | 2018-06-19 | 2021-09-14 | 南京邮电大学 | 基于粒子群优化算法的微电网优化调度方法 |
| CN108832656A (zh) * | 2018-06-20 | 2018-11-16 | 天津大学 | 基于电转气和可再生能源利用微能源网多目标规划方法 |
| CN108832656B (zh) * | 2018-06-20 | 2023-08-22 | 天津大学 | 基于电转气和可再生能源利用微能源网多目标规划方法 |
| 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 |
| CN108694483A (zh) * | 2018-07-28 | 2018-10-23 | 天津大学 | 考虑电热气耦合的综合能源系统设备选型及容量规划方法 |
| CN108964048A (zh) * | 2018-08-15 | 2018-12-07 | 国家电网有限公司 | 微电网容量配置与运行调度方法及装置 |
| CN108964048B (zh) * | 2018-08-15 | 2020-07-28 | 国家电网有限公司 | 微电网容量配置与运行调度方法及装置 |
| CN109325295B (zh) * | 2018-09-26 | 2023-05-05 | 云南电网有限责任公司电力科学研究院 | 一种基于小时间尺度经验模态分解的动态电荷建模方法 |
| CN109325295A (zh) * | 2018-09-26 | 2019-02-12 | 云南电网有限责任公司电力科学研究院 | 一种基于小时间尺度经验模态分解的动态电荷建模方法 |
| CN109474025B (zh) * | 2018-10-08 | 2022-05-13 | 国网能源研究院有限公司 | 一种园区级综合能源系统优化调度模型 |
| CN109474025A (zh) * | 2018-10-08 | 2019-03-15 | 国网能源研究院有限公司 | 一种园区级综合能源系统优化调度模型 |
| CN109034676B (zh) * | 2018-10-22 | 2022-01-14 | 西南交通大学 | 不完备指标权重信息下的配电网故障恢复方案区间评估方法 |
| CN109034676A (zh) * | 2018-10-22 | 2018-12-18 | 西南交通大学 | 不完备指标权重信息下的配电网故障恢复方案区间评估方法 |
| CN109767029A (zh) * | 2018-12-14 | 2019-05-17 | 华北电力大学 | 局域能源互联网中冷热电三联供系统容量配置方法及系统 |
| CN110112789A (zh) * | 2019-04-22 | 2019-08-09 | 南通大学 | 基于自适应快速粒子群的孤岛型微网多目标优化配置算法 |
| CN110244566A (zh) * | 2019-06-24 | 2019-09-17 | 燕山大学 | 计及柔性负荷的冷热电联供系统容量优化配置方法 |
| CN110400090B (zh) * | 2019-07-31 | 2023-09-22 | 广东电网有限责任公司 | 一种基于多目标随机优化的智能园区多能源微网配置方法 |
| CN110400090A (zh) * | 2019-07-31 | 2019-11-01 | 广东电网有限责任公司 | 一种基于多目标随机优化的智能园区多能源微网配置方法 |
| CN110661253A (zh) * | 2019-09-24 | 2020-01-07 | 国网(苏州)城市能源研究院有限责任公司 | 建筑群内多类型电力弹性负荷联合调节方法 |
| CN110661253B (zh) * | 2019-09-24 | 2021-01-19 | 国网(苏州)城市能源研究院有限责任公司 | 建筑群内多类型电力弹性负荷联合调节方法 |
| CN111049134A (zh) * | 2019-12-26 | 2020-04-21 | 清华大学 | 一种多能互补园区响应电力系统削峰需求的计算方法 |
| CN111367171A (zh) * | 2020-02-18 | 2020-07-03 | 上海交通大学 | 太阳能与天然气耦合冷热电联供系统多目标优化方法及系统 |
| CN111445107A (zh) * | 2020-03-02 | 2020-07-24 | 山东大学 | 冷热电联供型微电网多目标优化配置方法 |
| CN111445107B (zh) * | 2020-03-02 | 2023-06-13 | 山东大学 | 冷热电联供型微电网多目标优化配置方法 |
| CN111429301A (zh) * | 2020-03-26 | 2020-07-17 | 中国科学技术大学 | 一种容量配置和运行策略的协同优化处理方法和装置 |
| CN111563616A (zh) * | 2020-04-17 | 2020-08-21 | 许继集团有限公司 | 一种综合能源系统优化方法 |
| CN111563616B (zh) * | 2020-04-17 | 2023-11-28 | 许继集团有限公司 | 一种综合能源系统优化方法 |
| CN111445090B (zh) * | 2020-04-21 | 2021-07-30 | 清华大学 | 一种离网型综合能源系统双层规划方法 |
| CN111445090A (zh) * | 2020-04-21 | 2020-07-24 | 清华大学 | 一种离网型综合能源系统双层规划方法 |
| CN112016195A (zh) * | 2020-08-10 | 2020-12-01 | 浙江大学 | 一种考虑供能可靠性的电气耦合系统柔性规划方法 |
| CN112803567A (zh) * | 2021-01-29 | 2021-05-14 | 西安交通大学 | 基于智能楼宇光储供电设备的参数优化设计方法及系统 |
| CN113536588A (zh) * | 2021-07-29 | 2021-10-22 | 西安热工研究院有限公司 | 热电联产机组耦合空气储能压缩供热系统及优化运行方法 |
| CN113591335A (zh) * | 2021-09-30 | 2021-11-02 | 中国电力科学研究院有限公司 | 一种面向电网热网耦合的电制热补热规划配置方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106022503A (zh) | 面向具有耦合型电冷热需求的微电网容量规划方法 | |
| 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 | |
| CN109919478B (zh) | 一种考虑综合供能可靠性的综合能源微网规划方法 | |
| CN104734168B (zh) | 一种基于电热联合调度的微电网运行优化系统及方法 | |
| CN104392286B (zh) | 考虑冷热电联供和储能运行策略的微电网运行优化方法 | |
| CN102710013B (zh) | 基于微电网的园区能源网能量优化管理系统及其实现方法 | |
| CN109523092B (zh) | 多能互补冷热电联供系统及其协同调度方法 | |
| CN112464477A (zh) | 计及需求响应的多能耦合综合能源运行仿真方法 | |
| CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
| CN106950840A (zh) | 面向电网削峰的综合能源系统分层分布式协调控制方法 | |
| CN104135025A (zh) | 基于模糊粒子群算法和储能系统的微网经济运行优化方法 | |
| 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 | |
| CN109859071A (zh) | 虚拟电厂多能互补的源荷储优化配置方法 | |
| CN110110904A (zh) | 考虑经济性、独立性和碳排放的综合能源系统优化方法 | |
| CN107784382A (zh) | 基于能源路由器的用户侧能源互联网规划方法 | |
| CN106712087B (zh) | 一种微能源网切换模式 | |
| CN111160636B (zh) | 一种cchp型微电网调度优化方法 | |
| CN106779471A (zh) | 一种多能互联交直流混合微电网系统及优化配置方法 | |
| CN111640044A (zh) | 一种考虑虚拟储能的综合能源系统dg消纳策略研究方法 | |
| CN110391655A (zh) | 一种含多能源耦合的微能源网经济优化调度方法及装置 | |
| CN113435095A (zh) | 一种用于综合能源系统的优化调度的方法及系统 | |
| CN115170343A (zh) | 一种区域综合能源系统分布式资源和储能协同规划方法 | |
| CN112329260A (zh) | 一种多能互补微网多元多目标优化配置与优化运行方法 | |
| Wang et al. | Co-optimization of configuration and operation for distributed multi-energy system considering different optimization objectives and operation strategies | |
| CN111522238A (zh) | 一种基于舒适度的建筑综合能源系统控制方法及控制系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161012 |