CN106447122A - 一种区域型能源互联网及其一体化优化规划方法 - Google Patents
一种区域型能源互联网及其一体化优化规划方法 Download PDFInfo
- Publication number
- CN106447122A CN106447122A CN201610890423.4A CN201610890423A CN106447122A CN 106447122 A CN106447122 A CN 106447122A CN 201610890423 A CN201610890423 A CN 201610890423A CN 106447122 A CN106447122 A CN 106447122A
- Authority
- CN
- China
- Prior art keywords
- energy
- user
- heat
- sigma
- equipment
- 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 49
- 238000005457 optimization Methods 0.000 title claims abstract description 32
- 238000004519 manufacturing process Methods 0.000 claims abstract description 11
- 238000013461 design Methods 0.000 claims abstract description 10
- 230000003993 interaction Effects 0.000 claims abstract description 8
- 238000013486 operation strategy Methods 0.000 claims abstract description 7
- 238000005516 engineering process Methods 0.000 claims description 27
- 239000007789 gas Substances 0.000 claims description 24
- 230000005611 electricity Effects 0.000 claims description 21
- 238000003860 storage Methods 0.000 claims description 19
- 101150007028 HTRA1 gene Proteins 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 9
- 238000013178 mathematical model Methods 0.000 claims description 9
- 238000005057 refrigeration Methods 0.000 claims description 9
- 238000004146 energy storage Methods 0.000 claims description 8
- 230000001172 regenerating effect Effects 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 7
- 239000000567 combustion gas Substances 0.000 claims description 7
- 239000002918 waste heat Substances 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 239000003345 natural gas Substances 0.000 claims description 5
- 238000011084 recovery Methods 0.000 claims description 5
- 238000010248 power generation Methods 0.000 claims description 3
- 102000003712 Complement factor B Human genes 0.000 claims description 2
- 108090000056 Complement factor B Proteins 0.000 claims description 2
- 230000005619 thermoelectricity Effects 0.000 claims description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims 1
- 230000006855 networking Effects 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000007547 defect Effects 0.000 abstract description 4
- 241000196324 Embryophyta Species 0.000 description 22
- 239000000047 product Substances 0.000 description 12
- 230000008859 change Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000000295 complement effect Effects 0.000 description 5
- 238000001816 cooling Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 5
- 230000002452 interceptive effect Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000004134 energy conservation Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 206010037660 Pyrexia Diseases 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 239000000178 monomer Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- WLWFNJKHKGIJNW-UHFFFAOYSA-N Phensuximide Chemical compound O=C1N(C)C(=O)CC1C1=CC=CC=C1 WLWFNJKHKGIJNW-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004899 motility Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 230000001603 reducing effect Effects 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000037007 arousal Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000007739 conversion coating Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011234 economic evaluation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000002463 transducing effect Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- 238000004056 waste incineration Methods 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)
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种区域型能源互联网及其一体化优化规划方法,所述区域型能源互联网包括本地能源资源、分布式能源、产消合一能源及连接彼此的区域微能网;所述一体化优化规划方法包括:1)获取区域型能源互联网规划设计数据库;2)建立优化数学模型;3)从区域型能源互联网规划设计数据库获取优化数学模型所需的输入变量参数值,求解优化模型,获得决策变量的输出数据;4)对所述决策变量的输出数据进行分析,获得协同优化结果,所述协同优化结果包括最优技术选型与布局、最优设备容量、最优热网布局和最优运行策略。与现有技术相比,本发明克服了现有技术中能源用户间互动性差、供需难以匹配的缺陷,具有网络化、系统化、高效化等优点。
Description
技术领域
本发明涉及区域能源系统规划设计领域,尤其是涉及一种区域型能源互联网及其一体化优化规划方法。
背景技术
区域型能源互联网体现了一种互通、互动、互助的立体能源解决方案,横向多能互补、多户共享;纵向源、网、荷、储一体、协调。也就是说,化石能源和可再生能源优势互补,通过互动、协调达到最大限度消纳、利用可再生能源,能源供需平衡,实现资源优化配置。从纵向来看,网包括电网、热网、气网等;荷包括电力负荷、热力负荷等;储包括蓄电和蓄热。作为一种系统性能源利用策略,区域型能源互联网有别于过去着眼于个体设备或用户效率性提升的“单体节能”思维,将城市或区域作为一个整体综合考虑,通过构建区域型能源网络以达成系统用能高效化。其根本思路是通过构建区域内电力、热力等终端能源需求的互通网络,对产能、供能、蓄能、用能、节能等能源供需全过程进行一体化整合和优化配置,以最小的外部能源供给最大程度满足区域内所用能源需求。
在区域型能源互联网中,由于用户间连接成网,冷、热、电均可相互调度,为了最大限度地发挥每个用户的自身产能潜力和机能,一个至关重要的问题就是如何在满足各用户负荷需求的前提下,为各用户选择合适的供能设备,合理、高效地安排各供能设备的启停和出力,并将所产生的能源有效、最佳地通过域内能源网络调配到各个需求端。要解决该问题,科学、合理的系统规划与设计至关重要。然而,区域型能源互联网是一个具有时空多尺度结构特性、集微观(单元设备)、中观(用户系统)、宏观(面域网络)于一体的复杂能源利用体系,其规划与设计过程中既要考虑用户系统内产能、换能、蓄能、用能等各个环节之间的相互依赖关系,又要考虑用户间冷、热、电等多元能源流的互动与耦合。
既有技术的公开文献检索表明,公开号为CN 105469217A的中国专利提出了一种包括能源输入层、能源供应转化层、能源输出层、微网及分布式电源的能源互联网架构模型。公开号为CN 105404932A的中国专利公开了一种基于智能电网创新示范区的能源互联网综合评估与优化配置方法,该方法借鉴解释结构模型和层次分析法的思路给出了能源互联网综合评估方法,以评估结果为依据对示范区能源互联网进行优化配置,从而对能源互联网建设提供评估方案和指导策略。公开号为CN 105183991A的中国专利公开了一种区域综合能源系统的规划与设计方法,该方法通过建立区域内冷、热、电负荷时序模型和供能技术模型,设定区域综合能源系统总体规划目标,并进行指标计算和方案评估,进而确定最优综合能源系统规划设计方案。综合上述技术方案可以看出,国内外针对区域型能源互联网及其优化规划与设计方法进行了大量研究,取得了很大的进展,提出了很多新概念﹑新技术和新方法。虽然这些方法和技术都具有一定的应用成效,但在某些方面仍存在一定的局限:
(1)未能突破传统区域能源系统的中心主义思维。既有区域能源系统规划设计中普遍采用的一个假定是:通过集中能源站满足区域内多个用户的冷热电负荷需求,这样就不需要考虑电源与热源设备的空间分布。然而,实际的区域型能源互联网是一个无中心的能源互动网络。为此,有必要基于区域型能源互联网互补、互动、互利的本质特征,建立有效的理论分析体系来解决其拓扑结构、设备配置与运行策略的协同优化问题。
(2)未能深入探讨用户侧用能行为的互补与协调。既有优化规划设计方法大多针对单个用户,侧重于供给侧设备的优化配置与供需优化调度。然而,区域型能源互联网的一个典型特性即为用户间的互补性以及区域内的能源融通。为此,有必要将用户间能源融通行为与设备选型配置、运行策略优化纳入一个整体框架进行协同优化。
(3)未能将体制、机制和政策革新方案融入整体分析框架。现有的体制、机制和政策环境均在动态变化,为了使得所确立的规划设计方法能够适应上述变化,有必要将这些可能的体制、机制和政策革新方案融入所建立的优化分析体系中。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种区域型能源互联网及其一体化优化规划方法,综合考虑需求侧用户负荷的动态性、供给侧设备性能,以及外界经济、环境、政策边界条件,解决了现有方法中网络布局与设备配置脱钩的问题,为确定合理的规划方案提供科学依据。
本发明的目的可以通过以下技术方案来实现:
一种区域型能源互联网,包括本地能源资源、分布式能源和产消合一能源,所述本地能源资源、分布式能源设备和产消合一能源通过区域微能网连接,其中,
所述产消合一能源通过配置分布式能源设备满足自身和区域内其他用户的能源需求,多个所述产消合一能源通过区域微能网进行能源融通;
所述本地能源资源包括未利用能源、可再生能源和既有设备的产能余量;
所述分布式能源设备包括基于以下技术中任意一种或任意组合的设备:传统发电技术、可再生能源技术、热电联产技术或热力技术。
一种区域型能源互联网的一体化优化规划方法,包括以下步骤:
1)获取区域型能源互联网规划设计数据库;
2)建立优化数学模型,该优化数学模型的目标函数包括经济性目标函数和环境性目标函数,约束条件包括能源的供求平衡约束、设备的性能特性约束、与公共电网的交互特性约束和用户间能源融通特性约束;
3)从所述区域型能源互联网规划设计数据库获取优化数学模型所需的输入变量参数值,求解所述优化模型,获得优化模型决策变量的输出数据;
4)对所述决策变量的输出数据进行分析,获得协同优化结果,所述协同优化结果包括最优技术选型与布局、最优设备容量、最优热网布局和最优运行策略。
所述区域型能源互联网规划设计数据库存储有区域内所有用户的立地位置和逐时能源负荷﹑区域能源资源赋存信息﹑能源设备性能特性和价格信息﹑能源价格信息以及区域能源应用相关政策信息。
所述经济性目标函数为整个供能网络全年总费用最小,表达式为:
min Ctotal=Cinv+Com+Cgas+Celec-Crev
式中,Ctotal为网络全年总费用,Cinv为年投资费用,Com为年运行维护费用,Cgas为年燃气费用,Celec为年电网购电费用,Crev为年卖电收益。
所述环境性目标函数为年总CO2排放量最小,表达式为:
式中,EM为年总CO2排放量,ECI、GCI分别为大电网和天然气的CO2排放系数,ηboi为燃气锅炉效率,D为天数,EPur为电网购电量,Echp为热电联产设备的发电量,为热电联产系统发电效率,HBoi为燃气锅炉出力,i为终端能源用户代码,m代表月份,h代表小时,k为热电联产设备代码。
所述能源的供求平衡约束表达式为:
式中,ELoad、CLoad、HLoad分别为用户电、冷、热负荷,Echp为热电联产设备的发电量,EPur为电网购电量,Hchp为热电联产系统的余热回收量,HTra为热融通量,HBoi为燃气锅炉出力,HStc为太阳能集热器集热量,COPcc为电制冷机性能系数,HTsin为蓄热设备蓄热放热量,HTsout为储能设备输出,σloss为能量传输损失,表示对每个用户、每个设备、每月、每小时的任意终端用能形式。
所述设备的性能特性约束包括热电联产设备性能特性约束、电制冷设备性能特性约束、太阳能集热器性能特性约束、燃气锅炉性能特性约束和蓄热设备性能特性约束。
所述与公共电网的交互特性约束表达式为:
式中,EPur为电网购电量,ESa为上网电量,In、Out均为0、1变量,M为一整数,i为终端能源用户代码,m代表月份,h代表小时,k为热电联产设备代码。
所述用户间能源融通特性约束表达式为:
式中,xpipe表示用户两两间热融通管网配置与否,为0-1变量,0表示用户间无热网布局,1表示配置有热网,M为一整数,HTra为热融通量,OR为每个用户的访问顺序,i、j为终端能源用户代码,m代表月份,h代表小时。
所述决策变量包括整数变量和连续变量,其中,所述整数变量包括供能设备的选择因子、储能设备的有无以及用户间热融通管网的有无,所述连续变量表示设备间以及网络内用户间能源流的输入与输出。
与现有技术相比,本发明具有以下有益效果:
(1)本发明通过构建集能源供需于一体的能源“产消合一者”,形成区域型能源互联网的基本单元用户,用户间可以通过区域微电网、微热网进行能量融通,从而克服了现有技术中能源用户间互动性差、供需难以匹配的缺陷,通过充分发挥各类用户用能行为的时空互补性,对各种分布式供能技术进行合理布局与优化整合配置,从面域层面对能源(冷、热、电等)的生产、输配、储存和使用进行统筹协调,从根本上实现能源利用的网络化、系统化、高效化。
(2)本发明在进行系统网络布局、设备配置与运行策略协同优化时,建立的优化模型综合考虑了需求侧用户负荷的动态性、供给侧设备性能,以及外界经济、环境、政策边界条件,解决了现有方法中网络布局与设备配置脱钩的问题,为确定合理的规划方案提供科学依据。
附图说明
图1为本发明区域型能源互联网的结构示意图;
图2为区域型能源互联网的用户内及用户间能流图;
图3为本发明区域型能源互联网的一体化优化规划方法的框架示意图;
图4为本发明区域型能源互联网规划设计数据库的示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请各权利要求所要求保护的技术方案。
如图1所示,本实施例提供一种区域型能源互联网,包含本地能源资源、分布式能源(电源和热源)设备、能源“产消合一者”(产消合一能源)以及连接彼此的区域微能网。能源“产消合一者”既能生产能源,同时也消费能源,其通过配置分布式能源设备满足自身和区域内其他用户的供冷、供热、供电和热水等多种能源需求,并通过所述区域微能网进行能源(电和热)融通,使得相互间互为补充、互为备份。冷、供热、供电和热水等多种能源需求既可以通过自身所配置分布式能源设备满足,也可以从网络内其他用户融通,不足部分可以通过公共能源网络补充。
区域微能网主要包括区域微电网和微热网。区域微能网可以实现电力和热力的互联互通、互相补偿,可以协同考虑网络内多个能源用户的不同用能特性,充分发挥其用能行为的时空互补性,通过对各种分布式供能技术的合理布局与优化整合配置,从面域层面对能源(冷、热、电等)的生产、输配、储存和使用进行统筹协调,从根本上实现能源利用的网络化、系统化、高效化。
本地能源资源包括:未利用能源、可再生能源和既有设备的产能余量。本地能源资源可以采用多样化的面域利用形式:工业余热、地热、江河水热等城市未利用热源可以融入区域供热供冷系统;太阳能、风能等可再生能源可以通过构建区域分布式能源系统进行合理、高效利用;各独立用户所配置电源、热源设备的产能余力可以通过区域能源融通满足域内其他用户的用能需求。
分布式能够设备包含以下技术中任意之一种或任意组合:传统发电技术、可再生能源技术、热电联产技术或热力技术。
具体地说,本实施方式的多区域型能源互联网包括相互连通的多个单元用户系统,用户系统内进而包含电源设备、热源设备、储能设备(比如,蓄电与蓄热),由化石能源(煤、石油、天然气等)、未利用能源(城市废热、工业副产物等)、可再生能源(太阳能、风能等)等所构成的能源载体,以及多种终端负荷类型,如图2所示。从供给侧来看,中间能源转换层可包括燃料电池、燃气轮机等热电联产技术以及光伏发电、风力发电等可再生能源技术。这些技术的选择取决于后续所选取的目标函数:如果侧重于系统的经济性能,那么就倾向于选择价格相对便宜的技术;如果目标是降低环境排放,则环境友好型技术则得到优先选择。从需求侧来看,该系统可满足用户多样的能源需求。例如,包括照明、电器在内的电力需求可以自身生产、他方融通或从大电网购买或两者并用。包括供暖和热水在内的热负荷可以通过热电联产设备产生的余热来满足,不足部分由备用锅炉补充或从外界融通。类似地,制冷负荷可以通过三种技术途径来满足:热电联产设备产生的高温余热可以推动吸收式制冷机制冷;电制冷空调系统也可满足部分供冷负荷;不足部分还可以从周边用户融通。
区域型能源互联网是传统单体分布式供能系统与以区域供热供冷系统为主体的区域能源系统的耦合与集成。区域型能源互联网是能够实现能量对等互联的共享网络。从政府管理者角度来看,区域型能源互联网兼容传统电网,可以全方位、多层次地利用多种清洁能源,满足用户多样化用能需求;从运营者角度来看,区域型能源互联网是能够与消费者互动的、存在良性竞争的一个能源消费市场,通过提高能源服务质量,去赢得市场竞争;从用户角度来看,区域型能源互联网不仅拥有传统电网的供电能力,还为各类用户提供了一个广泛的能源交换与分享平台。
总体而言,区域型能源互联网具备以下优势:
提高运行效率:当前分布式能源实际运行中最主要的问题就是需求侧负荷不稳定,而且负荷分配灵活性低,致使机组效率低,污染不易控制。通过建立区域型能源互联网,提高负荷分配灵活性,因此提高机组运行稳定性,从源头提高运行效率,从而提高整体经济性。
降低建设成本:由于参与广泛,单元机组处于较高负荷运行,就减少了不必要机组和配备设施的建设,从根本上降低建设投入。可以根据自身特点选择切实可行的经济建设方案,降低建设成本,现实可行性更优。
降低运行成本:通过建立区域型能源互联网,让更多的用户融合进来,既分摊了建设成本,也打开了销售渠道,降低运行成本。每个用户都可以成为其中一处支点的所有者,参与能源交易互动,切身提高能源的品质,提高竞争力,不断改进,切实降低成本。
与现有技术相比,本实施方式通过构建集能源供需于一体的能源“产消合一者”,形成区域型能源互联网的基本单元用户,用户间可以通过区域微电网、微热网进行能量融通,从而克服了现有技术中能源用户间互动性差、供需难以匹配的缺陷,通过充分发挥各类用户用能行为的时空互补性,对各种分布式供能技术进行合理布局与优化整合配置,从面域层面对能源(冷、热、电等)的生产、输配、储存和使用进行统筹协调,从根本上实现能源利用的网络化、系统化、高效化。
本发明的实施方式还提供了一种区域能源互联网一体化优化规划设计方法,包含以下步骤:
1)获取区域型能源互联网规划设计数据库,区域型能源互联网规划设计数据库存储有区域内所有用户的立地位置和逐时能源负荷﹑区域能源资源赋存信息﹑能源设备性能特性和价格信息﹑能源价格信息以及区域能源应用相关政策信息;
2)建立优化数学模型,该优化数学模型包含目标函数和约束条件,其中,目标函数表示决策变量与输入变量和/或中间变量间的数学等式关系,包括经济性目标函数和环境性目标函数;约束条件采用决策变量、输入变量或中间变量定量呈现源、网、荷、储间的能量流、费用流和排放流,包括能源的供求平衡约束、设备的性能特性约束、与公共电网的交互特性约束和用户间能源融通特性约束;
3)从所述区域型能源互联网规划设计数据库获取优化数学模型所需的输入变量参数值,求解所述优化模型,获得优化模型决策变量的输出数据;
4)对所述决策变量的输出数据进行分析,获得协同优化结果,所述协同优化结果包括最优技术选型与布局、最优设备容量、最优热网布局和最优运行策略。所述决策变量包括整数变量和连续变量,其中,所述整数变量包括供能设备的选择因子、储能设备的有无以及用户间热融通管网的有无,所述连续变量表示设备间以及网络内用户间能源流的输入与输出。
图3给出了一个优化模型的整体框架示意图,基于所确立的目标函数,在考虑整个网络以及单个用户能源资源的供需平衡、设备可获得性、供应份额和费用等因素的基础上,该模型可以对整个供能网络全年逐时运行特性进行模拟计算。该优化过程的结果包括最优技术选型与布局、最优设备容量、最优热网布局、最优运行策略、经济性评价或环境性评价结果等,比如:本地发电量、余热回收量、用户间融通量等的最佳组合,各用户所导入设备的容量、设备的初步运行策略,以及其他特征参数。除此之外,根据所得出的网络布局、系统配置与运行策略,还可以对整个供能网络和单体用户的经济、节能与环境性能进行评价。
优化模型需要获得一些输入参数。比如说,可以通过实测、模拟和估算,获得用户逐时能源需求,包括电力、供冷、供热等需求;可以从公共能源公司获得电价和燃料价格;可以从设备厂商获得分布式电源、热源设备技术参数;可以通过市场调查获得经济参数(包括投资利率、成本等);可以从政策机构获取一些补助等优惠政策。
在实际实现中,可以构建区域型能源互联网规划与设计数据库系统来存储输入参数,以方便后续模型求解中读取。如图4所示,作为优化模型的主要输入参数,区域气象信息、用户相对位置信息、用户逐时能源负荷、区域能源资源赋存信息﹑能源设备性能特性和价格信息﹑电力和天然气等能源价格信息、相关政策信息等数据是区域型能源互联网规划设计的基础。为此,可借助负荷模拟软件、数理统计软件等工具,建立区域型能源互联网规划设计数据库系统。
对于既有建筑,应该根据实地调研所获得的历史负荷数据确定其能耗现状,然后基于统计规律的能耗预测方法对未来一段时间内的能源负荷进行预测。对于新建建筑或不能获得实测运行数据的既有建筑,最简单的方法是用单位面积指标法进行估算;为了获得更为准确的能耗数据,可以运用计算机能耗模拟结合逐时负荷系数预测法进行预测。对于工艺用热而言,最好是采用实测数据;在无法获取实际统计数据时,应参照同类型、同等生产规模能耗进行估算。
另一方面,从能源供给源的角度,需要对常规能源的供应能力及区域内可获得的可再生能源资源量(太阳能﹑风能﹑地热能和生物能等)和未利用能源资源量(工厂废热﹑江河湖海的温差能﹑垃圾焚烧热等)的可开发潜力进行评估。
分布式电源、热源设备特性信息主要包括既有电源和热源设备的类型﹑安装时间﹑容量﹑技术参数,以及其他有可能配置的分布式电源、热源设备的性能(额定容量﹑效率﹑部分负荷特性等)和价格参数(初期投资﹑运维费用等)。
此外,数据库系统还应包含各个区域的气象数据﹑能源价格信息﹑区域能源导入的相关补贴政策等。
在构建好数据库之后,在求解优化模型时,从该数据库中读取输入变量的参数值。根据这些输入变量,在约束条件下,求解目标函数。以下具体说明本实施方式的一些目标函数和约束条件:
(1)目标函数
①经济性目标函数
若决策者更关注供能网络的经济性,可以选取全年总费用最小为目标函数,如式(1)所示。
Min Ctotal=Cinv+Com+Cgas+Celec-Crev (1)
式中:Ctotal为系统全年总费用;Cinv为年投资费用;Com为年运行维护费用;Cgas为年燃气费用;Celec为年电网购电费用;Crev为年卖电收益。式中Ctotal、Cinv、Com、Cgas、Celec、Crev均为中间变量。
年投资费用Cinv是将总投资费用在设备(包括分布式电源、热源设备和区域管网)的全生命周期内进行分配,同时考虑货币的时间价值,可用式(2)和式(3)计算。
CRF=IR·(1+IR)LifeN/(1+IR)LifeN-1 (3)
式中:i、j为终端能源用户代码;s为除热电联产外的分布式能源设备代码;k为热电联产设备代码;UCDer、UCchp分别为非热电联产型分布式能源设备和热电联产设备的单位投资费用;Cap、Capchp分别为非热电联产型分布式能源设备和热电联产设备的容量;CRF为资金回收系数;Dist为用户间距离;UCpipe为热网单位长度投资费用;y指代热电联产设备的选择;x指代两用户间热网的有无;IR为投资利率;LifeN为设备的使用寿命。式中Cap、x、y为决策变量,CRF为中间变量,UCDer、UCchp、Cap、Capchp、Dist、UCpipe为输入变量。
运行和维护费用(也就是,年运行维护费用Com)可分为分布式电源和热源固定费用和可变费用两部分,以及热网系统的运维费用。固定费用由分布式能源设备的容量所决定;可变费用则由其发电或发热量决定;热网运维费用则有管网长度决定。
式中:m代表月份;h代表小时;OMFix、OMFixC分别为非热电联产型分布式能源设备和热电联产设备的固定运维费用系数;OMVar、OMVarC分别为非热电联产型分布式能源设备和热电联产设备的可变运维费用系数;OMP为热网运维费用;D为每月天数;EneOut为非热电联产型分布式能源设备出力;Echp为热电联产设备的发电量。式中EneOut、Echp为决策变量,OMFix、OMFixC、OMVar、OMVarC、OMP为输入变量。
外部电网电力购买费用(也就是,年买电费用Celec)是每时间段的电力购买量与相应时间段电价的乘积,可用式(5)计算。
式中:EPur为电网购电量(在不同月份的不同时间段,不同用户的电网购电量可能不同);EPrice为分时电价(在不同月份的不同时间段,逐时电价可能不同);分别表示对用户、月份和小时求和。式中EPur为决策变量,EPrice为输入变量。
类似地,燃气费用(也就是,年燃气购买费用CFuel)由总燃气消费(包括分布式能源设备用能与其他设备用能)与相应的气价决定。
式中:HBoi为燃气锅炉出力;γ为热电联产系统发电效率;GPrice为燃气价格。式中HBoi为决策变量,γ、GPrice为输入变量。
当电力允许上网时,通过卖电还可获得一定收入,用式(7)表示。
式中:ESa为上网电量,是决策变量;ESaPrice为上网电价,是输入变量。
②环境性目标函数
若整个供能网络的环境性更受关注,则可选用年总CO2排放量最小作为目标函数,如式(8)所示。
式中:EM为年总CO2排放量;ECI、GCI分别为大电网和天然气的CO2排放系数;ηboi为燃气锅炉效率。式中ECI、GCI、ηboi均为输入变量。
(2)约束条件
该优化模型的约束条件主要包括能源的供求平衡、设备的性能特性、与公共电网的交互特性用户间能源融通特性四大部分。
模型最主要的约束条件之一就是任一时间段的能源需求必须通过以下几种方式之一满足:从公共能源公司购买,运行自身配置的某个或多个分布式能源设备,从临近用户融通,或者上述两者或多者兼顾。具体而言,电平衡和热平衡分别用式(9)和式(10)描述。
式中:ELoad、CLoad、HLoad分别为用户电、冷、热负荷;Hchp为热电联产系统的余热回收量;HTra为热融通量;HStc为太阳能集热器集热量;COP为电制冷机性能系数;HTs为蓄热设备蓄热、放热量;储能设备输出;σloss为能量传输损失;表示对每个用户、每个设备、每月、每小时的任意终端用能形式,式中ELoad、CLoad、HLoad、COP、σloss为输入变量,Hchp、HTra、HStc、HTs为决策变量。
作为第二组约束条件,系统组成的性能特性可表述为能源流输入与输出间的关系。以下分别说明:
①热电联产设备
对所导入热电联产技术的一个重要性能约束是其运行必须位于额定容量以内,如式(11)所示;同时,其余热回收量与发电量密切相关,如式(12)所示。
式中:λ为热电联产设备的热电比,为输入变量。
②电制冷设备
电制冷设备的出力必须小于其额定容量,如式(13)所示,其性能系数如式(14)所示。
式中:Clcc为电制冷设备出力;Capcc为电制冷设备容量;Eccin为电制冷设备的能源输入。式中Clcc、Capcc为决策变量,Eccin为中间变量。
③太阳能集热器
太阳能集热器的热量输入与太阳辐射量、设备效率和集热器面积相关,如式(15)所示。
式中:ηstc为集热器效率;Area为集热器面积;Rad为太阳辐射量,以上参数均为输入变量。
④燃气锅炉
余热锅炉实时出力必须小于其额定容量,如式(16)所示。同时,其额定容量也设定有上、下限,如式(17)所示。
式中:CapBoi为燃气锅炉的额定容量;Boimax、Boimin分别为燃气锅炉额定容量的上、下限;yb指代燃气锅炉的选择与否。式中Boimax、Boimin为输入变量,CapBoi、yb为决策变量。
⑤蓄热设备
对用户所配置的蓄热设备也必须设定相应的约束条件。式(18)和式(19)所示为蓄热设备能源平衡约束。它表明某一时间段初储能设备的能源等于上一时间段初未放出的能量与净能量流(输入和输出能量之差)之和。同时,蓄热设备内所储存内容还受到其额定容量约束,如式(20)所示;其额定容量也具有一定的上、下限,如式(21)所示。
式中:CapTs为蓄热设备的额定容量;Tsmax、Tsmin分别蓄热设备容量的上、下限;yTs指代蓄热设备的选择与否。式中Tsmax、Tsmin为输入变量,CapTs和yTs为决策变量。
作为第三组约束条件,在电力可以上网的前提下,为避免用户同时买电与卖电,特设定如式(22)-(24)所示的约束条件。同时,根据特定的协议,还可限定所购买电力为总需求的一定比例以下。
式中:In、Out均为0、1变量,为决策变量;M为一较大整数,一般比计算所涉及参数大2-3个数量级即可,为输入变量。
第四组约束条件为用户间能量(热能)融通约束,首先,对于任一组用户,只允许存在单向能量流动,如式(25)所示。
式中:xpipe表示用户两两间热融通管网配置与否。
任意两用户间存在能量融通的前提是用户间已经建有热网,如式(26)所示。
此外,为抑制用户间形成热循环,设定约束条件(27)以避免热网环路的形成。
式中:OR为每个用户的访问顺序。
在获得输入变量之后,可对上述优化模型求解,得到决策变量的输出数据;基于获得的输出数据进行优化分析,优化分析结果包括最优技术选型与布局、最优设备容量、最优热网布局和最优运行策略。举例说明如下:
1)区域热网布局的决策变量为x。x表示用户两两间热融通管网配置与否,为0-1变量。一方面,0表示用户间无热网布局,1表示配置有热网;另一方面,在输入数据库中,用户间距离是已知的,因此确定了配置管网与否后,即可确定相应投资,以及计算能量损失等。
2)设备优化组合配置与设备容量相关决策变量为Cap和y,分别表示非热电联产型分布式能源设备容量和热电联产设备选择与否。在输入数据库中,热电联产设备预先设定了多种机型,其额定容量已定,根据选择与否的二进制变量,即可确定最终热电联产系统总装机容量。
3)设备逐时运行策略相关决策变量为:EneOut、Echp、EPur、HBoi、ESa、Hchp、HTra、HStc、HTs、Clcc。
4)评价层面主要是根据上述决策变量的优化结果进行的再计算得到的一系列结果,并不涉及独立的决策变量。
本实施方式的区域型能源互联网一体化优化规划设计方法,除考虑基于能源流的物理边界,还结合区域能源系统的经济、环境与政策边界条件,可以对整个能源网络的经济、节能和环保性能进行分析。同时,还可通过对某些参数的敏感性分析,探究体制、机制和政策变革对推进区域型能源互联网应用与推广的激励效果。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包含相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (10)
1.一种区域型能源互联网,其特征在于,包括本地能源资源、分布式能源和产消合一能源,所述本地能源资源、分布式能源设备和产消合一能源通过区域微能网连接,其中,
所述产消合一能源通过配置分布式能源设备满足自身和区域内其他用户的能源需求,多个所述产消合一能源通过区域微能网进行能源融通;
所述本地能源资源包括未利用能源、可再生能源和既有设备的产能余量;
所述分布式能源设备包括基于以下技术中任意一种或任意组合的设备:传统发电技术、可再生能源技术、热电联产技术或热力技术。
2.一种如权利要求1所述的区域型能源互联网的一体化优化规划方法,其特征在于,包括以下步骤:
1)获取区域型能源互联网规划设计数据库;
2)建立优化数学模型,该优化数学模型的目标函数包括经济性目标函数和环境性目标函数,约束条件包括能源的供求平衡约束、设备的性能特性约束、与公共电网的交互特性约束和用户间能源融通特性约束;
3)从所述区域型能源互联网规划设计数据库获取优化数学模型所需的输入变量参数值,求解所述优化模型,获得优化模型决策变量的输出数据;
4)对所述决策变量的输出数据进行分析,获得协同优化结果,所述协同优化结果包括最优技术选型与布局、最优设备容量、最优热网布局和最优运行策略。
3.根据权利要求2所述的一体化优化规划方法,其特征在于,所述区域型能源互联网规划设计数据库存储有区域内所有用户的立地位置和逐时能源负荷﹑区域能源资源赋存信息﹑能源设备性能特性和价格信息﹑能源价格信息以及区域能源应用相关政策信息。
4.根据权利要求2所述的一体化优化规划方法,其特征在于,所述经济性目标函数为整个供能网络全年总费用最小,表达式为:
min Ctotal=Cinv+Com+Cgas+Celec-Crev
式中,Ctotal为网络全年总费用,Cinv为年投资费用,Com为年运行维护费用,Cgas为年燃气费用,Celec为年电网购电费用,Crev为年卖电收益。
5.根据权利要求2所述的一体化优化规划方法,其特征在于,所述环境性目标函数为年总CO2排放量最小,表达式为:
式中,EM为年总CO2排放量,ECI、GCI分别为大电网和天然气的CO2排放系数,ηboi为燃气锅炉效率,D为天数,EPur为电网购电量,Echp为热电联产设备的发电量,为热电联产系统发电效率,HBoi为燃气锅炉出力,i为终端能源用户代码,m代表月份,h代表小时,k为热电联产设备代码。
6.根据权利要求2所述的一体化优化规划方法,其特征在于,所述能源的供求平衡约束表达式为:
式中,ELoad、CLoad、HLoad分别为用户电、冷、热负荷,Echp为热电联产设备的发电量,EPur为电网购电量,Hchp为热电联产系统的余热回收量,HTra为热融通量,HBoi为燃气锅炉出力,HStc为太阳能集热器集热量,COPcc为电制冷机性能系数,HTsin为蓄热设备蓄热放热量,HTsout为储能设备输出,σloss为能量传输损失,k,m,h表示对每个用户、每个设备、每月、每小时的任意终端用能形式。
7.根据权利要求2所述的一体化优化规划方法,其特征在于,所述设备的性能特性约束包括热电联产设备性能特性约束、电制冷设备性能特性约束、太阳能集热器性能特性约束、燃气锅炉性能特性约束和蓄热设备性能特性约束。
8.根据权利要求2所述的一体化优化规划方法,其特征在于,所述与公共电网的交互特性约束表达式为:
式中,EPur为电网购电量,ESa为上网电量,In、Out均为0、1变量,M为一整数,i为终端能源用户代码,m代表月份,h代表小时,k为热电联产设备代码。
9.根据权利要求2所述的一体化优化规划方法,其特征在于,所述用户间能源融通特性约束表达式为:
式中,xpipe表示用户两两间热融通管网配置与否,为0-1变量,0表示用户间无热网布局,1表示配置有热网,M为一整数,HTra为热融通量,OR为每个用户的访问顺序,i、j为终端能源用户代码,m代表月份,h代表小时。
10.根据权利要求2所述的一体化优化规划方法,其特征在于,所述决策变量包括整数变量和连续变量,其中,所述整数变量包括供能设备的选择因子、储能设备的有无以及用户间热融通管网的有无,所述连续变量表示设备间以及网络内用户间能源流的输入与输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610890423.4A CN106447122A (zh) | 2016-10-12 | 2016-10-12 | 一种区域型能源互联网及其一体化优化规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610890423.4A CN106447122A (zh) | 2016-10-12 | 2016-10-12 | 一种区域型能源互联网及其一体化优化规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106447122A true CN106447122A (zh) | 2017-02-22 |
Family
ID=58174224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610890423.4A Pending CN106447122A (zh) | 2016-10-12 | 2016-10-12 | 一种区域型能源互联网及其一体化优化规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106447122A (zh) |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106992555A (zh) * | 2017-04-25 | 2017-07-28 | 国网吉林省电力有限公司 | 一种辅助服务市场环境下的热电联合系统分布式调度方法 |
CN107016467A (zh) * | 2017-04-13 | 2017-08-04 | 华北电力大学(保定) | 一种区域能源互联网全自动站网布局优化方法 |
CN107101251A (zh) * | 2017-06-01 | 2017-08-29 | 浙江蓝城建筑设计有限公司 | 一种节能暖通系统及其控制方法 |
CN107194543A (zh) * | 2017-04-28 | 2017-09-22 | 国网上海市电力公司 | 一种区域能源规划设计阶段的能源站配置方法 |
CN107451929A (zh) * | 2016-06-01 | 2017-12-08 | 上海交通大学 | 一种微型燃气轮机冷热电联供微电网的经济性分析系统 |
CN107748934A (zh) * | 2017-10-26 | 2018-03-02 | 国网新疆电力公司经济技术研究院 | 基于改进bp神经网络算法的配网电采暖负荷预测方法 |
CN107918919A (zh) * | 2017-11-08 | 2018-04-17 | 华北电力大学 | 一种含控制策略的工业园区综合能源系统优化调度与评价系统和方法 |
CN107944696A (zh) * | 2017-11-22 | 2018-04-20 | 国网天津市电力公司 | 基于社区年龄趋势分析的煤改电供能规划方法 |
CN108134403A (zh) * | 2017-12-29 | 2018-06-08 | 国网甘肃省电力公司电力科学研究院 | 设施农业微能网的能量调度方法及系统 |
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 |
CN108629444A (zh) * | 2018-04-03 | 2018-10-09 | 北京华热科技发展有限公司 | 基于多智能体控制方法的分布式多区域供热方法及系统 |
CN108764573A (zh) * | 2018-05-29 | 2018-11-06 | 中国水利水电科学研究院 | 一种面向内陆干旱区的水资源多维均衡配置系统 |
CN108829064A (zh) * | 2018-07-11 | 2018-11-16 | 上海电力学院 | 一种能源互联网分布式能源站协同控制系统及方法 |
CN108898265A (zh) * | 2018-05-02 | 2018-11-27 | 广州供电局有限公司 | 一种综合能源系统一体化规划方法 |
CN109114662A (zh) * | 2017-06-26 | 2019-01-01 | 中国电力科学研究院 | 一种基于多智能体的电热蓄能装置的供暖控制方法及系统 |
CN109193626A (zh) * | 2018-09-15 | 2019-01-11 | 天津大学 | 一种分布式能源站选型与定容优化规划统一求解方法 |
CN109255502A (zh) * | 2018-11-01 | 2019-01-22 | 天津大学 | 基于多阶段决策的可再生能源发电基地时序优化规划方法 |
CN109299829A (zh) * | 2018-10-11 | 2019-02-01 | 国网甘肃省电力公司电力科学研究院 | 光伏温室微能网系统多形态储能配置方法及系统 |
CN109472401A (zh) * | 2018-10-30 | 2019-03-15 | 广州供电局有限公司 | 分布式供能运行策略的确定方法、装置、设备和存储介质 |
CN109560575A (zh) * | 2019-01-14 | 2019-04-02 | 武汉大学 | 一种基于鲁棒分散因子的能源互联网能量优化方法 |
CN109687428A (zh) * | 2018-11-28 | 2019-04-26 | 华电电力科学研究院有限公司 | 基于层次分析法的多能互补分布式能源微网运行优化控制系统及方法 |
CN109784533A (zh) * | 2018-12-13 | 2019-05-21 | 中国电力科学研究院有限公司 | 一种区域能源互联网优化配置方法及系统 |
CN109840655A (zh) * | 2017-11-29 | 2019-06-04 | 中国电力科学研究院有限公司 | 一种低碳能源规划方法及系统 |
CN109919480A (zh) * | 2019-03-01 | 2019-06-21 | 广东电网有限责任公司 | 一种三层目标的能源互联网规划方法及设备 |
CN110503227A (zh) * | 2018-05-18 | 2019-11-26 | 中国电力科学研究院有限公司 | 一种分布式能源站的配置优化方法和装置 |
CN110619586A (zh) * | 2018-06-19 | 2019-12-27 | 新智数字科技有限公司 | 一种基于量子粒子群算法的泛能站优化方法及装置 |
CN110912204A (zh) * | 2019-11-20 | 2020-03-24 | 天津大学 | 一种适用于热电耦合太阳能联产的惯性功率协调控制系统 |
CN111262240A (zh) * | 2020-02-21 | 2020-06-09 | 山东大学 | 一种综合能源系统优化运行方法及系统 |
CN111461433A (zh) * | 2020-03-31 | 2020-07-28 | 国网上海市电力公司 | 基于需求分布连续条件下的区域分布式能源系统优化方法 |
CN111487873A (zh) * | 2020-06-12 | 2020-08-04 | 四川华泰电气股份有限公司 | 一种能源互联网能量分散协同控制方法 |
CN112287559A (zh) * | 2020-11-09 | 2021-01-29 | 国网天津市电力公司 | 冷热管网虚拟储能的配电网供电能力分析方法及装置 |
CN112465228A (zh) * | 2020-11-30 | 2021-03-09 | 国网重庆市电力公司电力科学研究院 | 一种用户侧综合能源系统优化配置方法 |
CN113033933A (zh) * | 2019-12-24 | 2021-06-25 | 中国科学院广州能源研究所 | 一种基于能源互联网的智能化能源生产调度系统与方法 |
CN113196319A (zh) * | 2018-11-23 | 2021-07-30 | 道达尔太阳能公司 | 提供供能系统的技术选型参数的计算机实施的方法、用于提供这样的技术选型参数的计算机程序产品和用于提供这样的供能系统的计算机系统 |
CN114595584A (zh) * | 2022-03-14 | 2022-06-07 | 南方电网数字电网研究院有限公司 | 多能源互补的区域终端用能配置方法及装置 |
CN117853273A (zh) * | 2024-03-06 | 2024-04-09 | 国网北京市电力公司 | 一种园区级分布式能源系统优化方法、装置、设备及介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881712A (zh) * | 2015-05-19 | 2015-09-02 | 上海电力学院 | 多能互补分布式能源系统及其设备配置与运行优化方法 |
-
2016
- 2016-10-12 CN CN201610890423.4A patent/CN106447122A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881712A (zh) * | 2015-05-19 | 2015-09-02 | 上海电力学院 | 多能互补分布式能源系统及其设备配置与运行优化方法 |
Non-Patent Citations (2)
Title |
---|
EUGENIA D. MEHLERI 等: "A mathematical programming approach for optimal design of distributed energy systems at the neighbourhood level", 《ENERGY》 * |
吴琼 等: "基于用户间融通的分布式能源系统优化模型", 《暖通空调HV&AC》 * |
Cited By (56)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107451929A (zh) * | 2016-06-01 | 2017-12-08 | 上海交通大学 | 一种微型燃气轮机冷热电联供微电网的经济性分析系统 |
CN107451929B (zh) * | 2016-06-01 | 2021-08-13 | 上海交通大学 | 一种微型燃气轮机冷热电联供微电网的经济性分析系统 |
CN107016467B (zh) * | 2017-04-13 | 2020-08-25 | 华北电力大学(保定) | 一种区域能源互联网全自动站网布局优化方法 |
CN107016467A (zh) * | 2017-04-13 | 2017-08-04 | 华北电力大学(保定) | 一种区域能源互联网全自动站网布局优化方法 |
CN106992555B (zh) * | 2017-04-25 | 2019-06-04 | 国网吉林省电力有限公司 | 一种辅助服务市场环境下的热电联合系统分布式调度方法 |
CN106992555A (zh) * | 2017-04-25 | 2017-07-28 | 国网吉林省电力有限公司 | 一种辅助服务市场环境下的热电联合系统分布式调度方法 |
CN107194543A (zh) * | 2017-04-28 | 2017-09-22 | 国网上海市电力公司 | 一种区域能源规划设计阶段的能源站配置方法 |
CN107101251A (zh) * | 2017-06-01 | 2017-08-29 | 浙江蓝城建筑设计有限公司 | 一种节能暖通系统及其控制方法 |
CN109114662A (zh) * | 2017-06-26 | 2019-01-01 | 中国电力科学研究院 | 一种基于多智能体的电热蓄能装置的供暖控制方法及系统 |
CN109114662B (zh) * | 2017-06-26 | 2021-04-06 | 中国电力科学研究院 | 一种基于多智能体的电热蓄能装置的供暖控制方法及系统 |
CN107748934A (zh) * | 2017-10-26 | 2018-03-02 | 国网新疆电力公司经济技术研究院 | 基于改进bp神经网络算法的配网电采暖负荷预测方法 |
CN107748934B (zh) * | 2017-10-26 | 2023-06-23 | 国网新疆电力公司经济技术研究院 | 基于改进bp神经网络算法的配网电采暖负荷预测方法 |
CN107918919A (zh) * | 2017-11-08 | 2018-04-17 | 华北电力大学 | 一种含控制策略的工业园区综合能源系统优化调度与评价系统和方法 |
CN107944696B (zh) * | 2017-11-22 | 2020-09-29 | 国网天津市电力公司 | 基于社区年龄趋势分析的煤改电供能规划方法 |
CN107944696A (zh) * | 2017-11-22 | 2018-04-20 | 国网天津市电力公司 | 基于社区年龄趋势分析的煤改电供能规划方法 |
CN109840655A (zh) * | 2017-11-29 | 2019-06-04 | 中国电力科学研究院有限公司 | 一种低碳能源规划方法及系统 |
CN108134403A (zh) * | 2017-12-29 | 2018-06-08 | 国网甘肃省电力公司电力科学研究院 | 设施农业微能网的能量调度方法及系统 |
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 |
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 |
CN108629444B (zh) * | 2018-04-03 | 2022-03-15 | 北京华热科技发展有限公司 | 基于多智能体控制方法的分布式多区域供热方法及系统 |
CN108629444A (zh) * | 2018-04-03 | 2018-10-09 | 北京华热科技发展有限公司 | 基于多智能体控制方法的分布式多区域供热方法及系统 |
CN108898265A (zh) * | 2018-05-02 | 2018-11-27 | 广州供电局有限公司 | 一种综合能源系统一体化规划方法 |
CN110503227A (zh) * | 2018-05-18 | 2019-11-26 | 中国电力科学研究院有限公司 | 一种分布式能源站的配置优化方法和装置 |
CN108764573B (zh) * | 2018-05-29 | 2021-11-02 | 中国水利水电科学研究院 | 一种面向内陆干旱区的水资源多维均衡配置系统 |
CN108764573A (zh) * | 2018-05-29 | 2018-11-06 | 中国水利水电科学研究院 | 一种面向内陆干旱区的水资源多维均衡配置系统 |
CN110619586B (zh) * | 2018-06-19 | 2023-01-10 | 新智数字科技有限公司 | 一种基于量子粒子群算法的泛能站优化方法及装置 |
CN110619586A (zh) * | 2018-06-19 | 2019-12-27 | 新智数字科技有限公司 | 一种基于量子粒子群算法的泛能站优化方法及装置 |
CN108829064A (zh) * | 2018-07-11 | 2018-11-16 | 上海电力学院 | 一种能源互联网分布式能源站协同控制系统及方法 |
CN109193626B (zh) * | 2018-09-15 | 2021-08-20 | 天津大学 | 一种分布式能源站选型与定容优化规划统一求解方法 |
CN109193626A (zh) * | 2018-09-15 | 2019-01-11 | 天津大学 | 一种分布式能源站选型与定容优化规划统一求解方法 |
CN109299829A (zh) * | 2018-10-11 | 2019-02-01 | 国网甘肃省电力公司电力科学研究院 | 光伏温室微能网系统多形态储能配置方法及系统 |
CN109472401B (zh) * | 2018-10-30 | 2020-05-12 | 广州供电局有限公司 | 分布式供能运行策略的确定方法、装置、设备和存储介质 |
CN109472401A (zh) * | 2018-10-30 | 2019-03-15 | 广州供电局有限公司 | 分布式供能运行策略的确定方法、装置、设备和存储介质 |
CN109255502A (zh) * | 2018-11-01 | 2019-01-22 | 天津大学 | 基于多阶段决策的可再生能源发电基地时序优化规划方法 |
CN109255502B (zh) * | 2018-11-01 | 2021-08-27 | 天津大学 | 基于多阶段决策的可再生能源发电基地时序优化规划方法 |
CN113196319A (zh) * | 2018-11-23 | 2021-07-30 | 道达尔太阳能公司 | 提供供能系统的技术选型参数的计算机实施的方法、用于提供这样的技术选型参数的计算机程序产品和用于提供这样的供能系统的计算机系统 |
CN113196319B (zh) * | 2018-11-23 | 2024-03-22 | 道达尔太阳能公司 | 提供供能系统的技术选型参数的计算机实施的方法、计算机可读存储介质和计算机系统 |
CN109687428A (zh) * | 2018-11-28 | 2019-04-26 | 华电电力科学研究院有限公司 | 基于层次分析法的多能互补分布式能源微网运行优化控制系统及方法 |
CN109784533A (zh) * | 2018-12-13 | 2019-05-21 | 中国电力科学研究院有限公司 | 一种区域能源互联网优化配置方法及系统 |
CN109560575A (zh) * | 2019-01-14 | 2019-04-02 | 武汉大学 | 一种基于鲁棒分散因子的能源互联网能量优化方法 |
CN109560575B (zh) * | 2019-01-14 | 2022-01-14 | 武汉大学 | 一种基于鲁棒分散因子的能源互联网能量优化方法 |
CN109919480A (zh) * | 2019-03-01 | 2019-06-21 | 广东电网有限责任公司 | 一种三层目标的能源互联网规划方法及设备 |
CN110912204A (zh) * | 2019-11-20 | 2020-03-24 | 天津大学 | 一种适用于热电耦合太阳能联产的惯性功率协调控制系统 |
CN113033933B (zh) * | 2019-12-24 | 2023-06-09 | 中国科学院广州能源研究所 | 一种基于能源互联网的智能化能源生产调度系统与方法 |
CN113033933A (zh) * | 2019-12-24 | 2021-06-25 | 中国科学院广州能源研究所 | 一种基于能源互联网的智能化能源生产调度系统与方法 |
CN111262240A (zh) * | 2020-02-21 | 2020-06-09 | 山东大学 | 一种综合能源系统优化运行方法及系统 |
CN111262240B (zh) * | 2020-02-21 | 2021-06-22 | 山东大学 | 一种综合能源系统优化运行方法及系统 |
CN111461433A (zh) * | 2020-03-31 | 2020-07-28 | 国网上海市电力公司 | 基于需求分布连续条件下的区域分布式能源系统优化方法 |
CN111487873B (zh) * | 2020-06-12 | 2020-09-25 | 四川华泰电气股份有限公司 | 一种能源互联网能量分散协同控制方法 |
CN111487873A (zh) * | 2020-06-12 | 2020-08-04 | 四川华泰电气股份有限公司 | 一种能源互联网能量分散协同控制方法 |
CN112287559A (zh) * | 2020-11-09 | 2021-01-29 | 国网天津市电力公司 | 冷热管网虚拟储能的配电网供电能力分析方法及装置 |
CN112465228A (zh) * | 2020-11-30 | 2021-03-09 | 国网重庆市电力公司电力科学研究院 | 一种用户侧综合能源系统优化配置方法 |
CN112465228B (zh) * | 2020-11-30 | 2023-04-07 | 国网重庆市电力公司电力科学研究院 | 一种用户侧综合能源系统优化配置方法 |
CN114595584A (zh) * | 2022-03-14 | 2022-06-07 | 南方电网数字电网研究院有限公司 | 多能源互补的区域终端用能配置方法及装置 |
CN117853273A (zh) * | 2024-03-06 | 2024-04-09 | 国网北京市电力公司 | 一种园区级分布式能源系统优化方法、装置、设备及介质 |
CN117853273B (zh) * | 2024-03-06 | 2024-06-07 | 国网北京市电力公司 | 一种园区级分布式能源系统优化方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106447122A (zh) | 一种区域型能源互联网及其一体化优化规划方法 | |
Wang et al. | Planning and operation method of the regional integrated energy system considering economy and environment | |
Chamandoust et al. | Day-ahead scheduling problem of smart micro-grid with high penetration of wind energy and demand side management strategies | |
Li et al. | Hierarchically partitioned coordinated operation of distributed integrated energy system based on a master-slave game | |
Liu et al. | Coordinated operation of multi-integrated energy system based on linear weighted sum and grasshopper optimization algorithm | |
Bakker | Triana: a control strategy for Smart Grids: Forecasting, planning & real-time control | |
Herenčić et al. | Techno-economic and environmental assessment of energy vectors in decarbonization of energy islands | |
Chen et al. | Optimal participation of ADN in energy and reserve markets considering TSO-DSO interface and DERs uncertainties | |
Zhang et al. | Optimal scheduling strategy of virtual power plant with power-to-gas in dual energy markets | |
Yuan et al. | Multi-objective optimization of virtual energy hub plant integrated with data center and plug-in electric vehicles under a mixed robust-stochastic model | |
CN109919450A (zh) | 解决综合智慧能源系统调度的博弈优化方法 | |
Pezhmani et al. | A centralized stochastic optimal dispatching strategy of networked multi-carrier microgrids considering transactive energy and integrated demand response: Application to water–energy nexus | |
Petrichenko et al. | Modelling the Future of the Baltic Energy Systems: A Green Scenario | |
Kleinschmidt et al. | Unlocking flexibility in multi-energy systems: A literature review | |
Han et al. | A stochastic hierarchical optimization and revenue allocation approach for multi-regional integrated energy systems based on cooperative games | |
Lokeshgupta et al. | Dynamic economic and emission dispatch with renewable energy integration under uncertainties and demand-side management | |
Wu et al. | Dynamic pricing and prices spike detection for industrial park with coupled electricity and thermal demand | |
Peng et al. | Review on bidding strategies for renewable energy power producers participating in electricity spot markets | |
Barala et al. | Distribution locational marginal price based hierarchical scheduling framework for grid flexibility from virtual energy storage systems | |
Liu et al. | Cooperative operation for integrated multi-energy system considering transmission losses | |
Zhou et al. | Multi-objective station-network synergy planning for regional integrated energy system considering energy cascade utilization and uncertainty | |
Yang et al. | Optimal microgrid programming based on an energy storage system, price-based demand response, and distributed renewable energy resources | |
Abdel-Raouf et al. | A survey of game theory applications in electrical power micro-grid systems | |
Zhou et al. | Game and multi-objective optimization of configurations for multiple distributed energy systems considering building users’ demands and satisfaction degrees | |
Chen | Energy-use Internet and friendly interaction with power grid: A perspective |
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: 20170222 |