CN107077704B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN107077704B
CN107077704B CN201480082870.6A CN201480082870A CN107077704B CN 107077704 B CN107077704 B CN 107077704B CN 201480082870 A CN201480082870 A CN 201480082870A CN 107077704 B CN107077704 B CN 107077704B
Authority
CN
China
Prior art keywords
energy
power
ice
microgrid
mode
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201480082870.6A
Other languages
English (en)
Other versions
CN107077704A (zh
Inventor
周勤
包哲静
杨致慧
张建华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Accenture Global Services Ltd
Original Assignee
Accenture Global Services Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Accenture Global Services Ltd filed Critical Accenture Global Services Ltd
Publication of CN107077704A publication Critical patent/CN107077704A/zh
Application granted granted Critical
Publication of CN107077704B publication Critical patent/CN107077704B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • 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"
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/10—The network having a local or delimited stationary reach
    • H02J2310/12—The local stationary network supplying a household or a building
    • H02J2310/14—The load or loads being home appliances
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/10—Energy trading, including energy flowing from end-user application to grid

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

一种用于微电网中的容量确定的系统、方法和装置以及有形计算机可读介质，所述微电网包括用以提供电能和热能两者的多类型能量供应设备，所述方法包括：通过使用处理器来获得能量需求和参数限制(S201)；在电力供/需平衡和热能供/需平衡的约束以及对多类型能量供应设备的操作约束下，执行用于使用于微电网的年综合成本和年能量中断成本两者最小化的设备容量确定过程，以确定多类型能量供应设备的各自数目或容量(S202)。其可以实现能够提供显著的成本节省并同时保证微电网的操作可靠性的优化容量确定。

Description

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
技术领域
本公开的实施例涉及电网技术领域，并且更具体地涉及用于微电网中的容量确定的系统、方法和装置以及有形计算机可读介质。
背景技术
各种产业都具有与之相关联的网络。一个此类产业是管理电网的公用事业产业。电网可包括以下各项中的一个或全部：发电、输电以及配电。可以使用发电站(诸如火力发电厂、核电厂等)来发电。出于效率目的，产生的电力被逐步升压至非常高的电压(诸如345K伏)并通过传输线传输。传输线可以长距离输送电力，诸如跨州界或跨国际边界，直至其到达其批发客户为止，该批发客户可以是拥有本地配电网的公司。传输线可以在传输变电站处终止，其可以将非常高的电压逐步降低至中压(例如138K伏)。较小的传输线(诸如子传输线)将中压从输电变电站传送到配电站。在配电站处，该中间电压可以被再次逐步降低至“中压”(例如像是4K伏至23K伏)。一个或多个馈电电路可以从配电站发出。例如，四个至数十个馈电电路可以从配电站发出。馈电电路是包括4个导线(三个导线用于3个相中的每一个且一个导线用于零线)的3相电路。馈电电路可以在地面上(在电线杆上)或地下敷设。可以使用配电变压器周期性地将馈电电路上的电压分接出来，这使电压从“中压”逐步降低至客户电压(例如120V)。该客户电压然后可以被客户使用。
为了满足客户在本地对多类型能量的需求，已经开发了分布式发电(DG)和智能电网。随着其日益发展，微电网(MG)正在DG参与处理、可再生能源的利用和辐射缓解中起到越来越重要的作用。MG可以进一步以较高的能量利用效率向客户提供制热能量和制冷能量两者。因此，越来越多的MG项目在规划和建设中。在包括MG的电网中，设备利用率和设备成本高度取决于设备容量确定。因此，确定用于该MG的适当容量、使得可以高效地利用设备且同时可以满足客户的能量需求是非常重要的。
然而，在现有技术中，不存在专用于MG的容量确定方法。此外，不能将用于传统大电网的容量确定方法用于MG，因为非常不同于传统大电网，MG包括多类型能源设备，这些设备可以供应多种能量，诸如电力、供热能量和制冷能量。
因此，在本领域中，需要用于MG的优化容量确定方法。
发明内容
根据本公开的一方面，提供了一种用于针对微电网的容量确定的系统。微电网可以包括用以提供电能和热能两者的多类型能量供应设备。所述系统可以包括：至少一个处理器；以及至少一个存储器，其存储计算机可执行指令。所述至少一个存储器和计算机可执行指令可以被配置成利用所述至少一个处理器促使所述系统：在电力供/需平衡和热能供/需平衡的约束以及对所述多类型能量供应设备的操作约束下，执行用于使用于所述微电网的年综合成本和年能量中断成本两者最小化的设备容量确定过程，以确定所述多类型能量供应设备的各自数目或容量。
根据本公开的另一方面，提供了用于针对微电网的容量确定的方法。所述微电网包括用以提供电能和热能两者的多类型能量供应设备。所述方法可以包括：在电力供/需平衡和热能供/需平衡的约束以及对所述多类型能量供应设备的操作约束下，执行用于使用于所述微电网的年综合成本和年能量中断成本两者最小化的设备容量确定过程，以确定所述多类型能量供应设备的各自数目或容量。
根据本公开的另一方面，提供了一种用于针对微电网的容量确定的设备，其中所述微电网包括用以提供电能和热能两者的多类型能量供应设备。所述装置包括：用于在电力供/需平衡和热能供/需平衡的约束以及对所述多类型能量供应设备的操作约束下，执行用于使用于微电网的年综合成本和年能量中断成本两者最小化的设备容量确定过程以确定所述多类型能量供应设备的各自数目或容量的装置。
根据本公开的另一方面，提供了用于微电网中的综合多能源调度的另一设备。所述微电网包括用以提供电能和热能两者的多类型能量供应设备。所述装置可以包括：过程执行模块，其被配置成在电力供/需平衡和热能供/需平衡的约束以及对所述多类型能量供应设备的操作约束下，执行用于使用于微电网的年综合成本和年能量中断成本两者最小化的设备容量确定过程，以确定所述多类型能量供应设备的各自数目或容量。
根据本公开的另一地方面，提供了一种具有多个指令的有形计算机可读介质，所述多个指令可被处理器执行以调度微电网中的多能源。所述有形计算机可读介质可以包括被配置成执行根据本公开的方面的方法的步骤的指令。
本公开的实施例提供了一种针对具有多类型能量供应设备的微电网的容量确定解决方案，其将执行考虑年综合成本和操作可靠性两者的容量确定过程。因此，用本公开的实施例，其可以实现很大的成本节省，并且同时可以保证操作可靠性。
另外，在本公开的某些实施例中，可以通过确定调度时段中的各时间间隔处的多类型能量供应设备的操作优先级和CCHP单元的操作模式来预先执行优化能量调度过程。以这种方式，其可以大大地促进对设备容量确定过程的优化解决方案的结果搜索。
此外，在本公开的其它实施例中，可以借助于多目标粒子群优化(MOPSO)算法来执行综合多能量调度过程，并且因此其提供了用以找到设备容量确定过程的优化解决方案集合的可行方法中的一个。也就是说，本公开的容量确定解决方案可以提供用于微电网中的多类型能量供应的更可行的容量确定结果。
附图说明
通过关于如参考附图在实施例中举例说明的实施例的详细说明，本公开的上述及其它特征将变得更加显而易见，其中贯穿本公开附图，相同的附图标记表示相同或类似部件，并且在所述附图中：
图1示意性地图示出其中可以实现本公开的实施例的微电网的示例性架构；
图2示意性地图示出根据本公开的示例性实施例的用于针对微电网中的容量确定的方法的流程图；
图3示意性地图示出根据本公开的示例性实施例的供热&电力(H&E)协调日调度(HECDS)过程的流程图；
图4示意性地图示出根据本公开的示例性实施例的制冷&电力(C&E)协调日调度(CECDS)过程的流程图；
图5示意性地图示出根据本公开的示例性实施例的微电网连接模式的CECDS的流程图；
图6示意性地图示出根据本公开的示例性实施例的微电网计划孤岛模式中的CECDS的流程图；
图7A至7C示意性地图示出根据本公开的示例性实施例的微电网计划外孤岛模式中的CECDS的流程图；
图8示意性地图示出根据本公开的示例性实施例的用于执行针对微电网的容量确定过程的方法的流程图；
图9A和9B示意性地图示出在案例模拟中使用的一年的每个小时中的示例性热和电力需求的图；
图9C示意性地图示出传统容量确定解决方案与根据本公开的实施例的容量确定解决方案之间的容量确定结果；
图10示意性地图示出根据本公开的示例性实施例的用于针对微电网的容量确定的系统的框图；
图11示意性地图示出根据本公开的示例性实施例的用于针对微电网的容量确定的设备的框图；
图12示意性地图示出根据本公开的另一示例性实施例的用于针对微电网的容量确定的设备的框图；以及
图13示意性地图示出可编程为专用计算机系统的通用计算机系统，其可代表在本文中提及的任何计算设备。
具体实施方式
在下文中，将参考附图来描述本公开的实施例。在以下描述中，阐述了许多特定细节以便提供实施例的透彻理解。然而，对于本领域的技术人员显而易见的是本公开的实施方式可以不具有这些细节，并且本公开不限于如在本文中介绍的特定实施例。相反地，可以考虑以下特征和元素的任何的任意组合以实现和实施本公开，无论其是否涉及到不同的实施例。因此，以下方面、特征和实施例仅仅用于说明性目的，并且不应理解为所附权利要求的元素或限制，除非在权利要求中另外明确地指明。另外，在某些情况下，并未详细地描述众所周知的方法和结构以免不必要地使本公开的实施例含糊难懂。
接下来，出于说明目的，将首选描述示例性微电网，以使得技术人员可以更好地理解本公开的实施例。
如已知的，微电网是在已经做出大量努力来开发可再生清洁分布式发电机(DG)以便实现节能减排的情况下作为新型网络拓扑而提出的概念。可以将微电网视为可再生清洁DG(诸如光伏(PV)嵌板、风力涡轮机(WT)和冷热电联产(CCHP)单元)等的集群，以在本地满足客户的多类型能量需求。与宏电网相比，微电网是自主且能够被自动控制、保护以及管理的小规模供能系统。在实践中，微电网可以被连接到电力网，或充当独立供电系统以向微电网内的最终客户提供电能和/或热或制冷能量。此外，当微电网被连接到大电网(即，宏电网)时，其可以向大电网返回电力/也可从大电网获得电力。
在下文中，将首先对图1进行参考，以描述可以对于其实现本公开的实施例的微电网的示例性架构。然而，应认识到的是，此架构仅仅是出于举例说明的目的而提出的，并且还可以在不同的架构中实现本公开。
如图1中所示，可以经由变电站200将微电网系统100与宏电网300(也可以称作大电网、大型电网等)相连。在图1中，微电网系统100将不同类型的可再生能源(诸如风力发电机110、PV太阳发电机120等、CCHP单元170和蓄冰空调180)集成在一起。微电网系统100还可以包括诸如储能电池130之类的能量储存器、诸如负载140之类的各种负载、诸如空调150之类的普通制冷能量供给系统以及诸如燃气锅炉160之类的普通供热能量供给系统。负载140中的每一个可以是电负载、冷负载或热负载或者其任何组合。在微电网系统100内，风力涡轮机110和PV太阳能发电机120将提供电能；CCHP单元170使用燃气(例如天然气)作为用以提供电力的主要能量，并且同时可以收集其在发电过程期间产生的热能并用来提供制冷或供热能量，这取决于CCHP单元的操作模式；蓄冰空调180可以表现为电负载或者同时表现为电负载和制冷能量发生器两者。因此，对于微电网，其电力供/需平衡和制冷能量供/需平衡或者供热能量供/需平衡由于CCHP单元和蓄冰空调的工作模式变化而相互耦合。在微电网中，可以由供电电源来供应电力，供电电源诸如风力发电机110、PV太阳能发电机120、CCHP单元170、储能电池130以及宏电网300；可以由普通空调150、CCHP单元170和蓄冰空调180来提供制冷能量；可以由燃气锅炉160和CCHP单元170来供应供热能量。
因此可以看到，在微电网中，该微电网包括多类型能源设备(诸如风力发电机110、PV太阳能发电机120、CCHP单元170以及蓄冰空调180)，其可以供应电力和热能两者。在本文中，术语“热能”是能量相关供热和制冷的泛称，并且在本公开的实施例中，其可以指的是供热能量、制冷能量或其组合。此外，还可以看到这些设备的某些操作通常相互耦合，并且多能量耦合调度操作在微电网中是优选的，其对实现微电网的较高操作效率具有重要影响。此外，微电网可以在不同操作模式下操作，包括电网连接模式、计划孤岛模式和计划外孤岛模式。所有因素将对MG容量确定具有不同的影响。
鉴于此，提出了用于微电网的优化能量确定以应对本领域中的MG容量确定问题，其将以优化方式确定用于微电网中的所有多类型能量供应设备的设备容量。
在下文中，将对图2进行参考以描述用于针对微电网的容量确定的方法。微电网包括用以提供电能和热能两者的多类型能量供应设备。例如，多类型能量供应设备可以包括可再生能源供应设备、储能电池、蓄冰空调、冷热电联产CCHP单元、普通空调设备以及普通供热设备，例如图1中所示的那些。然而，应注意的是可以省略这些能量供应设备中的某些，或者可以进一步将某些新的能量供应设备结合，其取决于特定应用要求。
如图2中所示，首先在步骤S201处，可以例如由处理器来获得能量需求和参数限制。在本公开的实施例中，可以执行针对一年的时段的优化容量确定，并且因此可以首先获得用于全年的能量需求。可以以一年内的预定时间间隔(例如一个小时)为基础，来执行优化容量确定过程，并且在这种情况下，能量需求可以包括用于该一年中的每个小时的需求数据。能量需求可以包括电力需求和热需求。热需求还可以包括供热需求和/或制冷需求。例如，针对在该处全年很冷的某些区域中，可能不存在任何制冷需求，而在其中全年很热的某些区域中，可能不存在任何供热需求。针对其中存在热季和冷季两者的某些其它区域中，热需求可以包括供热需求和制冷需求。此外，可以设置对参数的某些限制，特别是对要确定的设备容量的限制。例如，参数限制可以包括对多类型能量供应设备中的至少某些的各自数目或能量供应容量的限制。例如，CCHP单元、PV面板、风力涡轮机、蓄冰空调的额定功率、普通供热能量供应设备(诸如天然气锅炉)的数目。然而，可以认识到的是，这些参数限制是根据特定应用要求而设定的，并且在某些应用中，可以使用或多或少的限制或者甚至省略这些参数限制。
接下来，在步骤S202处，在电力供/需平衡和热能供/需平衡的约束以及对所述多类型能量供应设备的操作约束下，执行用于使用于所述微电网的年综合成本和年能量中断成本两者最小化的设备容量确定过程，来确定所述多类型能量供应设备的各自数目或能量供应容量。
在本公开的实施例中，用于微电网的年综合成本可以包括年设备投资成本、年设备操作成本、年设备维护成本和年污染物处理成本，而年能量中断成本可以包括用于电力中断的成本和用于热能中断的成本。然而，可以认识到的是，这些仅仅是出于举例说明的目的而提出的，并且实际上，针对年综合成本和/或年能量中断成本可以使用更多类型的成本，或者从中省略某些成本，这取决于特定应用要求。
在下文中，仅仅出于举例说明的目的，将描述示例性容量确定优化模型。然而，本领域的技术人员应认识到本公开不限于此，或者使用任何其它适当的容量确定优化模型也是可行的。
用于MG的容量确定优化模型
在MG构造中，重要的事情是以满足能量需求并同时使成本最小化为目标来确定MG中的多类型能量供应设备的容量。如前所述，在MG中，存在各种能量供应设备，诸如PV面板、风力涡轮机、普通空调、蓄冰空调、CCHP单元以及天然气锅炉。因此，容量确定优化过程的任务是确定CCHP单元、PV面板集群以及风力涡轮机的优化数目以及普通空调、蓄冰空调和天然气锅炉的额定功率以及蓄冰罐的制冷能量容量。在示例性容量确定模型中，可以分别地用NCCHP、NPV、NWT、Qordinary、Qice、Qboiler、Ctank来表示这些目标参数。
普通空调被装配成在谷值时间供应制冷需求，并且因此可以用那时的最大制冷需求来导出普通空调的额定功率Qordinary。变量Ctank(即蓄冰罐的制冷能量容量)可以由通过蓄冰供应的最大每日制冷能量判定。可以根据来自优化MG操作策略的调度结果来获得通过融冰供应的最大每日制冷能量，这将在下文中描述。
在本公开的实施例中，可以提供两个优化目标，其中一个是MG成本目标，并且另一个是MG可靠性目标。MG成本目标是使年综合总成本最小化，而MG可靠性目标是使能量中断成本最小化，从而确保MG的可靠性。
在本公开的实施例中，年综合总成本可以包括年设备投资成本、年设备操作成本(包括例如购买用于天然气锅炉和CCHP单元的成本、从宏电网购买电力的成本等)、年设备维护成本和年污染物处理成本。在本公开的示例性实施例中，可以如下表示第一优化目标：
min f1＝CI+CN_G+CExch_E+Cemiss+CO&M (1)
其中
CI表示所有能源设备的总年化投资成本；
CN_G表示购买天然气以用于天然气锅炉和CCHP单元的操作的年成本；
CExch_E表示从宏电网购买电力的年成本；
Cemiss表示年污染物排放处理成本；以及
CO&M表示操作相关维护的年成本。
可以用许多不同方式来计算上述成本，但是在下文中，其示例性计算仅仅是出于举例说明的目的而提供的。
具体地，可以将年设备总投资成本CI计算为
Figure BDA0001276349860000091
其中，r表示年化实际利息成本；N表示微电网的使用寿命；r(1+r)N/((1+r)N-1)表示用于计算当前年化值的资本回收系数；CI_CCHP表示CCHP单元的投资成本；CI_PV表示PV面板的投资成本；CI_WT表示风力涡轮机的投资成本，CI_boiler表示天然气锅炉的投资成本；CI_ice表示蓄冰空调的投资成本；并且CI_oridinary表示普通空调的投资成本；并且其中，CCHP单元的投资成本可以表示为：
CI_CCHP＝cI_CCHP×NCCHP (3)
其中cI_CCHP表示用于单个CCHP单元的投资成本，并且NCCHP表示CCHP单元的数目。
可以将CCHP单元的投资成本CN_G表示为：
Figure BDA0001276349860000101
其中prN_G表示用于天然气的价格，t是一年内的小时的索引PCCHP(t)表示第t小时中的CCHP单元的功率；ηCCHP表示CCHP单元的效率；Qbolier(t)表示第t小时中的天然气锅炉中的功率；ηboiler表示天然气锅炉的效率；LHV表示天然气的下热阀；
从宏电网购买电的年成本；可以将CExch_E确定为
Figure BDA0001276349860000102
其中，t是一年内小时的指数；prE(t)表示用于第t小时的电的价格；并且PExch_E(t)表示在第t小时内交换的电的量。
可以将年污染物排放处理成本Cemiss表示为
Figure BDA0001276349860000103
其中，PenaltyCO2、PenaltySO2以及PenaltyNOX分别地表示每单位的CO2排放、SO2排放以及NOX排放的惩罚；PCCHP(t)表示第t小时中的CCHP单元的功率；PExch_E(t)表示在第t小时内交换的电的量。Qbolier(t)表示第t小时中的天然气锅炉中的功率；EmissCCHP_CO2、EmissCCHP_SO2、EmissCCHP_NO分别表示每单位功率的CCHP单元的CO2排放、SO2排放以及NOX排放；EmissMG_CO2、EmissMG_SO2、EmissMG_NOX分别表示每单位功率的微电网的CO2排放、SO2排放以及NOX排放；Emissboiler CO2、Emissboiler_SO2、Emissboiler_NOX分别地表示每单位功率的天然气锅炉的CO2排放、SO2排放以及NOX排放。
可以将操作相关维护CO&M的年成本表示为
Figure BDA0001276349860000111
其中cO&M_CCHP、cO&M_PV、cO&M_WT、co&M_air_c、cO&M_ice和cO&M_boiler分别地表示用于CCHP操作相关维护、PV面板操作相关维护、风力涡轮机操作相关维护、空调器操作相关维护、制冰操作相关维护、锅炉操作相关维护的单位成本；t是一年内的小时的索引；PCCHP(t)表示第t小时中的CCHP单元的输出功率；PPV(t)表示在第t小时中来自太阳能发电机的输出功率；PWT(t)表示在第t小时中来自风力发电机的输出功率；Qice_air(t)表示在第t小时中由蓄冰空调输出的制冷功率；Qnormal_air(t)表示在第t小时期间由正常空调输出的制冷功率；ηc表示蓄冰空调的制冰效率；Qicemaking(t)表示在蓄冰空调的制冰期间输出的制冷功率；以及Qbolier(t)表示在第t小时中由天然气锅炉输出的热功率。
可以用许多方式来制订第二MG可靠性目标(其是将能量储运损耗成本最小化)；然而，仅仅出于举例说明的目的，将如下给出示例性目标：
Figure BDA0001276349860000112
其中，
t是一年内的小时的索引；
m表示未满足电力负载的类别，其中，m＝1、2、3、4，并且分别地表示电力负载的四个类别，即1)极其重要，2)重要，3)在当日内可分派，以及4)可切断，
αm表示针对未能满足类别m的电力负载的惩罚；
Pm,cut(t)表示类别m的未满足电力，
n表示未满足热(制冷或供热)负载的类别，其中，n＝1、2且分别地表示两类热负载，即1)重要和2)可切断；
Qn,cut(t)表示类别n的未满足热(制冷或供热)负载，
βn表示针对未能满足类别n的热负载的惩罚；
kGDP是在MG位置处的GPD与一年的发电的比。
在上述容量确定优化问题中，要考虑的时段可以是例如一年，即365天，并且时间粒度(time granularity)或时间间隔可以是一小时。然而，本领域的技术人员应认识到本公开不限于此，其还可以使用任何更短或更长的适当时间段和时间间隔，诸如半小时、2小时等。
接下来，将描述优化容量确定模型的约束条件。
在本公开的实施例中，约束可以包括对电力供/需平衡和热能供/需平衡的约束以及对多类型能量供应设备的操作约束。
对热能供/需平衡的约束还可以包括对制冷能量供/需平衡的约束和对供热能量供/需平衡的约束。此外，在微电网中，存在CCHP单元和蓄冰空调。所有这些设备具有其自己的操作约束。因此，在优化容量确定模型中，对多类型能量供应设备的操作约束包括对CCHP单元和蓄冰空调的操作约束。对CCHP单元的操作约束可以包括例如以下各项中的至少一个：用于CCHP单元的电力输出效率模型；用于所述CCHP单元的电力输出和制冷输出关系模型；以及所述CCHP单元的所消耗气体体积与所述电力输出和所述电力输出效率之间的关系。此外，如众所周知的，蓄冰空调可以在不同模式下工作，并且其操作约束可以包括空调模式下的蓄冰空调的操作模型、制冰模式下的蓄冰空调的操作模型、融冰模式下的蓄冰空调的操作模型、融冰&空调模式下的蓄冰空调的操作模型以及蓄冰空调的蓄冰罐的操作模型中的至少一个。
另外，优化容量确定还可以包括附加约束。例如，为了确保可再生能源设备的利用效率，约束还可以包括可再生能源的年利用限制；可再生能源的年废弃限制。此外，约束还可以包括用于多类型能量供应设备的各自数目或能量供应容量的上限和/或下限。此外，约束还可以限制在微电网与微电网可以连接到的宏电网之间交换的电力。
在以下正文中，仅仅出于举例说明的目的，如下列出用于容量确定优化模型的示例性约束：
1)电力供应/需求平衡：
可以用以下等式来表示电力供需平衡要求：
Figure BDA0001276349860000131
其中
PExch_E(t)表示第t小时中的微电网与宏电网之间的交换功率；
PPV(t)表示在第t小时中来自太阳能发电机的输出电力；
PWT(t)表示在第t小时中来自风力发电机的输出功率；
PCCHP(t)表示第t小时中的CCHP单元的输出电力；
Pbattery(t)表示在第t小时中由储能电池提供的电力；
PL(t)表示第t小时中的电力负载或电力需求；
Pout(t)和Pin(t)表示第t小时中的基于负载转移策略而确定的移入和移出可分派电力负载的电力，并且其中如果，Pin(t)＞0，Pout(t)＝0，并且如果Pout(t)＞0，则Pin(t)＝0；
Pice_air_c(t)表示在第t小时中由蓄冰空调在提供热能期间消耗的电力；Pnonnal_air_c(t)表示在第t小时中由正常空调器消耗的电力；
Picemaking(t)表示在第t小时中由蓄冰空调在制冰期间消耗的电力；
Picemelting(t)表示在第t小时中由蓄冰空调在融冰期间消耗的电力；并且
Pm,cut(t)表示如上文所述的类别m的未满足电力。
2)热能供/需平衡：
热能供/需平衡可以包括制冷能量供/需平衡和供热能量供/需平衡，其可以分别地用下式表示：
Figure BDA0001276349860000132
Figure BDA0001276349860000133
其中，
QCCHP_H(t)表示在第t小时中由CCHP单元输出的热功率；
Qboiler(t)表示在第t小时中由天然气锅炉输出的热功率；
QL_H(t)表示第t小时中的热功率需求；
Qm,cut(t)表示第t小时中的类别m的未满足供热功率；
QCCHP_C(t)表示在第t小时中由CCHP单元输出的制冷功率；
Qice_air_c(t)表示在第t小时中由蓄冰空调输出的制冷功率；
Qnormal_air_c(t)表示在第t小时期间由正常空调输出的制冷功率；
Qicemelting(t)表示在第t小时中在蓄冰空调的融冰期间输出的制冷功率；
QL_C(t)表示第t小时中的制冷功率需求；
Qn,cut(t)表示第t小时中的类别n的未满足制冷功率。
3)微电网组件操作约束
对多类型能量供应设备的操作约束可以包括：
■用于CCHP单元的操作约束，诸如以下等式(25至33)中给出的那些，
■用于蓄冰空调的操作约束，诸如以下等式(34)至(48)中给出的那些。
在下文中将描述并因此将在本文中详细阐述这两个约束。
4)微电网操作约束
·可再生能源利用约束
为了确保可再生能源具有可接受利用率，可以将年可再生能源利用率约束为高于预定阈值。可以用下式来表示年可再生能源利用与总电力需求的比
Figure BDA0001276349860000151
其中，
PPV(t)表示在第t小时中来自太阳能发电机的输出电力；
PWT(t)表示在第t小时中来自风力发电机的输出电力；
PL(t)表示第t小时中的电力负载或电力需求；
因此，可以将可再生能源利用约束表示为
Figure BDA0001276349860000152
其中LRN_Uti是用于可再生能源利用率的阈值，其可以是例如0.3。
·可再生能源废弃约束
另一方面，为了确保产生的可再生能源的充分利用，应限制年可再生能源废弃率。可以用下式来表示年废弃可再生能源与总可用可再生能源的比
Figure BDA0001276349860000153
PPV(t)表示在第t小时中来自太阳能发电机的输出电力；
PWT(t)表示在第t小时中来自风力发电机的输出电力；
PAvail_PV(t)表示在第t小时中来自太阳能发电机的可用电力；
PAvail_WT(t)表示在第t小时中来自风力发电机的可用电力。
因此，可以用下式来表示可再生能源废弃约束
Figure BDA0001276349860000154
其中LRN_Dis是用于可再生能源废弃约束的阈值，其可以是例如1％。
5)变量或参数约束
在本公开中使用的变量或参数约束包括用于NCCHP、NPV、NWT、Qordinary、Qice、Qboiler、Ctank的那些限制，其可以用下式表示
NCCHP_min≤NCCHP≤NCCHP_max (15)
NPVserial_min≤NPV≤NPVserial_max (16)
NWT_min≤NWT≤NWT_max (17)
Qice_air_min≤Qice≤Qice_air_max (18)
Qboiler_min≤Qboiler≤Qboiler_max (19)
pmin×PExch_max＜＝PExch_E(t)＜＝PExch_max (20)
应认识到的是，虽然已描述了用于示例性容量确定优化模型的特定约束，但本公开不限于此。实际上，根据其中提供的讲授内容，本领域的技术人员可以设想许多其它修改，例如通过在不违背本公开的精神的情况下修改某些约束；省略某些约束和添加某些新约束。
另外，如上文所述，微电网包括多类型能量供应设备，并且这些能量供应设备应遵守其自已的物理和操作约束，尤其是对于CCHP单元和蓄冰空调而言。在下文中，将仅仅出于举例说明的目的给出用于CCHP单元和蓄冰空调的示例性模型。
微电网组件建模
I.CCHP单元建模
在下文中，出于举例说明的目的，将以在本领域中已知的微型涡轮机CapstoneC200作为包含在微电网中的CCHP单元的示例，以解释本公开的实施例。
I-1.电力输出效率建模
一般地，CCHP单元的电力输出效率是CCHP单元的电力输出的函数，并且因此可以如下简单地表示CCHP单元的电力输出效率：
ECHP(t)＝f(PCHP(t)) (21)
其中，ECHP(t)表示在给定时间t处的CCHP单元的电力输出效率；并且PCHP(t)是在给定时间t处的CCHP单元的电力输出。
另外，在制造商的文件中，通常给出标准工作条件(称为ISO条件)和满载状态下的标称输出功率PISO-MAX。然而，CCHP输出将随着环境海拔H和温度T变化而改变，这意味着其在非ISO条件和部分负载状态下的性能也将被考虑在内，如果期望更准确地确定电力输出效率的话。
在C200文献中，提供了可以被用于电力输出建模的许多参数或测量结果。基于这些参数或测量结果，可以逐个地建立以下模型：
·环境海拔H和温度T对最大输出功率PA-max的影响。在C200文献中，提供了不同环境海拔H和不同温度T下的多个测量结果，基于这些测量结果，其可以通过例如分段线性拟合来确定最大输出功率与环境海拔H和温度T之间的特定关系，可以如下表示该关系：
PA-max＝f1(H，T)； (22)
·满负载效率EA-max与温度T之间的函数。同样地，基于不同温度下的那些测量结果，可以通过例如立方多项式拟合来获得以下函数：
EA-max＝f2(T)； (23)
·ISO条件下的用于满负载状态的功率修正因数和效率修正因数。
功率输出和效率通常受到CCHP单元的入口压力损耗I_p_loss和背压B_p的影响。基于如在C200文献中提供的在不同入口压力损耗和背压下的功率输出和效率的测量结果，可以确定分别用于入口压力损耗I_p_loss和背压B_p的功率修正因数和效率修正因数，其可以分别地用P_CFI_P、E_CFI_P、P_CFB_P、E_CFB_P来表示。功率修正因数和效率修正因数与CCHP单元的入口压力损耗I_p_loss和背压B_p全部处于线性关系。另外，一旦CCHP单元被安装，则可以确定这两个参数入口压力损耗I_p_loss和背压B_p；
·另外，基于在那些文献中给出的满负载条件下的关于功率输出和效率的测量结果，可以借助于如下曲线拟合来获得ISO条件下的部分负载性能模型：
Figure BDA0001276349860000181
其中，函数f1、f2、fISO、f全部是非线性函数。
最后，基于上述等式(2)至(4)和这些功率和效率修正因数P_CFI_P、E_CFI_P、P_CFB_P、E_CFB_P，可以如下导出给定操作条件下的CCHP部分负载性能：
Figure BDA0001276349860000182
其中，Pmax和Emax分别地是在给定工作条件下的最大效率和最大输出功率。可以借助于上述功率和效率修正因数PA-max和EA-max通过修正来获得Pmax和Emax，其分别地表示在不考虑由入口压力损耗I_p_loss和背压B引发的效应的情况下在给定工作条件下的最大效率和输出功率。
也就是说，可以用那些修正因数来修正给定工作条件下的最大效率和输出功率，从而考虑由入口压力损耗I_p_loss和背压B引发的效应。例如，可以将Pmax和Emax表示为：
Pmax＝PA-max*P_CFI_P*P_CFB_P，Emax＝EA-max*P_CFI_P*P_CFB_P. (26)
然而，可以认识到的是本公开不限于其中由用于CCHP单元的入口压力损耗和背压的这些修正因数来修正参数Pmax和Emax的实施例，并且如果Pmax和Emax未被修正，也是可以的。
此外，该模型还可以包括消耗气体体积、电力输出和电力输出效率之间的关系。如果用ηCHP表示的天然气的低发热值是已知的，则可以将CCHP单元所消耗的气体体积F(t)确定为
F(t)＝PCHP(t)/ECHP(t)/ηCHP. (27)
一般地，电输出PCHP(t)具有上界，即最大电力。另外，为了避免较低效率，CCHP单元的电输出PCHP(t)可以优选地具有下界约束。因此，通过与下界和上界约束组合，可以获得
ICHP(t)Pmin≤PCHP(t)≤PmaxICHP(t). (28)
其中，ICHP(t)是表示CCHP单元是否进行操作的0-1变量。Pmin可以是例如0.2*Pmax。
还请注意在某些国家或地区，从宏电网购买电力、然后在某些时间间隔中用天然气来运行CCHP单元将是更加成本高效的。例如，在中国，针对大部分的商业和工业客户，谷值时段中的电价是0.3RMB/kwh，并且天然气价格始终是2RMB/m3。具有与从宏电网购买电力相同的经济成本的天然气价格为约1.90RMB/m3(ηCHP＝10kWh/m3)，这意味着在谷值时段期间从宏电网购买电力比运行CCHP单元便宜的多。因此，如果可以将CCHP单元的操作限制到仅谷值外时间将是优选的，即其可以具有以下约束
ICHP(t)＝0，t∈Tvalley (29)
然而，应注意的是针对采用不同定价策略的地区和国家，可以相应地修改或者甚至省略如在等式(9)中定义的约束。
I-2.电力输出对比制冷输出的建模
一般地，CCHP的制冷输出QCHP(t)与排气特性、诸如排气温度E_T(t)和排气流速E_V(t)紧密相关。基于关于不同排气温度和排气流速下的功率输出的测量结果，其可以分别地借助于二次多项式拟合和分段线性拟合分别地用函数来表示：
E_T(t)＝g1(T，PCHP(t))and E_V(t)＝g2(T，PCHP(t)) (30)
因此，可以获得给定工作条件下的制冷输出QCHP(t)与电功率PCHP(t)之间的以下关系：
QCHP(t)＝g(PCHP(t)). (31)
其中，QCHP(t)是在给定时间t处的CCHP单元的制冷输出；并且PCHP(t)是在给定时间t处的CCHP单元的电输出。
当CCHP单元在其中基于PCHP(t)来确定制冷能量输出的模式下工作时，可以用等式(10)来导出相应QCHP(t)。相反地，当CCHP单元在其中基于制冷需求来确定功率产生的模式下工作时，可以由下式给出相应输出功率PCHP(t)
PCHP(t)＝g-1(QCHP(t)). (32)
此外，可能对制冷输出QCHP(t)施加以下约束从而避免低效率：
ICHP(t)Qmin≤QCHP(t)≤ICHP(t)Qmax (33)
其中Qmin＝g(Pmin)和Qmax＝g(Pmax).
此外，可以认识到在启动/停止操作期间，上述关系可以针对那些操作状态而不同。针对Capstone C200，相关测试显示CCHP单元在启动、停止和输出调整中拥有快速动态响应。例如，在启动操作期间，成本时间从开始到满负载状态为约120s；整个停止过程消耗小于200s；并且在负载改变之后的输出调整可以大约在80s内结束。鉴于此，看起来在提前一天调度中可以忽略对启动/停止操作和斜坡向上/向下的约束。
虽然在以上描述中建议忽略对启动/停止操作和斜坡向上/向下的约束，但应认识到的是如果期望的话也可以考虑对启动/停止操作和斜坡向上/向下的约束。
II.蓄冰空调建模
蓄冰空调器通常包含冰冷冻器、冷却塔、蓄冰罐、泵及其它辅助设备，并且蓄冰空调可以在不同操作模式下工作。例如，当消耗电力以向客户提供制冷能量时或者当将电能转换成以冰的形式储存的制冷能量时，其可以充当电力负载，同时其可以充当制冷能量发生器以将储存在冰中的能量释放回到空气中从而向客户提供制冷能量。
鉴于此，在本文中，将建立用于以下四个操作模式的数学模型，
1)空调模式，其中只有冰冷冻器操作以满足制冷需求；
2)制冰模式，其中冰冷冻器优选地在峰值外时段期间通过制冰来储存制冷容量：
3)融冰模式，其中蓄冰罐执行融冰以满足制冷需求；以及
4)融冰&空调模式，其中，将蓄冰罐进行的融冰和冰冷冻器进行的空气调节组合在一起。
也就是说，用于四个操作模式的模型将作为把制冷输出定义为在4个操作模式下的蓄冰空调的其输入的函数(即，电能或以冰的形式储存的制冷能量)。
另外，蓄冰罐是蓄冰空调器中的重要设备，并且可以对其进行建模以建立准确模型。
在下文中，可以用Ia(t)∈(0,1)来表示空调模式。可以用Ic(t)∈(0,1)来表示制冰模式；可以用Id(t)∈(0,1)来表示融冰模式；并且融冰&空调模式被视为融冰模式与空调模式的组合，其中，如果蓄冰空调在操作模式下操作，则相应变量Ia(t)、Ic(t)和Id(t)的值将是1，否则，该值将是0；并且如果Ia(t)和Id(t)两者的值都是1，则其表示蓄冰空调在融冰&空调模式下操作。接下来，将提供用于四个操作模式下的蓄冰空调的模型的详细描述。
II-1.空调模式：
在空调模式下，冰冷冻器将运行其额定容量以提供尽可能多的制冷能量。另一方面，为了获得较高的效率，冰冷冻器可以避免以较低负载比运行，这意味着可以施加如下约束：
Ia(t)Qa-min≤Qa(t)≤Ia(t)Qa-max， (34)
其中，Qa(t)、Qa-min和Qa_max表示时间t处的输出制冷功率，并且分别地是空调模式下的冰冷冻器的最小和最大制冷功率。Qa-min被定义为例如Qa-max的20％。
当Qa(t)落在如在(14)中给出的约束内时，COP(性能系数)随着Qa(t)而线性地改变。因此，可以用曲线拟合法来导出冰冷冻器的部分负载模型，例如如下表示：
Figure BDA0001276349860000211
其中，Pa(t)是消耗的电功率，并且ai(i＝1、2)表示到由蓄冰空调的制造商提供的数据的线性拟合的系数。
另外，具有较小容量的标准空调通常被装配成满足谷值时段内的制冷需求，因为冰冷冻器常常在谷值时段期间在制冰模式下运行，并且出于经济操作的目的并不推荐制冰和空调模式同时发生。因此，可以进一步获得以下约束。
Ia(t)＝0，t∈Tvalley. (36)
II-2.制冰模式：
在制冰模式下，冰冷冻器通常在其最大制冷Qa_max下操作以追求较大的COP，即可以将实现的制冷能量表示为：
Qc(t)＝Ic(t)Qa-max (37)
在这种情况下，还可以将制冰模式的操作描述为
Figure BDA0001276349860000221
其中，Pc(t)是用电量，并且ai(i＝3，4)表示到由蓄冰空调的制造商提供的数据的线性拟合的系数。
另外，出于经济操作的目的，制冰模式应在谷值时段中连续地运行。因此，可以进一步具有以下约束：
Figure BDA0001276349860000222
II-3.融冰模式：
一般地，对于融冰模式而言，可以仅在谷值外时段内限制其操作以便实现经济操作。也就是说，可以获得以下约束。
Id(t)＝0，t∈Tvalley. (40)
另一方面，当蓄冰罐执行融冰以提供制冷能量Qd(t)时，功率消耗Pd(t)是非常小的常数，而制冷能量Qd(t)应满足针对其边界的约束。
0≤Qd(t)≤Id(t)*Qd-max (41)
其中，Qd-max被定义为例如ISmax的20％且ISmax是蓄冰罐的最大容量。
II-4.组合融冰&空调模式
如前所述，可以将融冰&空调模式视为融冰模式和空调模式的组合，并且因此其模型是该模式的组合，即等式(34)至(36)和等式(20)至(21)。因此，将为了简单起见而省略关于融冰&空调模式下的模型的详细描述。
II-5.用于蓄冰罐的模型
另外，可以通过考虑耗散系数、冷冻效率和最大储存容量ISmax来对蓄冰罐进行建模。可以如下写出在时间T处储存在蓄冰罐中的制冷能量IS(T)：
IS(T)＝(1-η1)IS(T-1)+η2Qc(T)-Qd(T)， (42)
其中，η1是储存制冷能量的耗散系数，其被选择为0.2；并且η2是冷冻系数，其可以等于0.67。
另外，在所有谷值外时间T，为了满足制冷需求与针对T之后的后续谷值外时间可以由CCHP单元和空调模式提供的最大可用冷却供应之间的总差额，可以将槽中的最小所需制冷能量储存ISmin(T)定义为
Figure BDA0001276349860000231
其中，QGap(t)表示制冷需求与由CCHP单元和空调模式提供的最大可用制冷供应之间的差额，并且可以用下式来表示：
Figure BDA0001276349860000232
然后，可以获得以下约束
Figure BDA0001276349860000233
考虑到在谷值时段期间环境温度较低且制冰连续地运行，可以省略蓄冰罐的耗散。因此，在谷值时间Tend_valley结束时，储存的制冷容量IS(Tend_valley)是谷值
IS(Tend_valley)＝Tcη2Qa-max， (45)
其中，Tc是以小时为单位的连续制冰模式的持续时间。根据等式(38)，适用
Tc≥ISmin(Tend_valley)/(η2Qa-max). (46)
另外，还可以存在用于Tc的上界约束，即
Tc≤min(ISmax/(η2Qa-max)，Lvalley) (47)
其中，Lvalley是以小时为单位的谷值时段的持续时间。并且，IS(T)
Figure BDA0001276349860000241
可以具有如下的上界约束：
Figure BDA0001276349860000242
在上文中，详细地描述了用于CCHP单元和蓄冰的示例性模型；然而，本领域技术人员应认识到的是本公开不限于此，并且还可以使用任何其它适当模型。
在MG的容量确定优化模型中，除决策变量NCCHP、NPV、NWT、Qice、Qboiler、Ctank之外，存在一年的每个小时处的CCHP单元、蓄冰空调、锅炉、PV和风力涡轮机的操作状态的其它未知变量。如果所有这些变量被一起求解，则要面对有待确定的如此多的变量而找到用于优化过程的解将是挑战性的(虽然并非不可能)。因此，在本文中，提供了用于多类型能量供应的微电网优化操作策略以便简化优化容量确定的求解。
在研究优化容量规划模型的目标和约束期间，本发明人注意到年化投资成本及决策变量的上约束和下约束、其它目标和约束与优化MG调度紧密相关。此外，可以在日时间标度上考虑与制冰和融冰有关的某些变量以及在计划孤岛场景之前的与储能电池调度有关的那些。鉴于此，提出了一种在日时间标度上用于多类型能量供应和多操作场景的MG优化能量调度过程，其可以被嵌入MG容量确定模型中。
MG优化能量规划过程的主要思想是基于热(制冷/供热)能量需求与电力需求之间的匹配关系和不同MG操作场景来确定各种能量供应设备的操作优先级以及GGHP单元的工作模式，目的是在满足多能源供/需平衡的同时使综合成本(包括例如设备投资、操作、维护、排放污染物的处理的成本)和能量中断的能量中断成本惩罚最小化。
热(制冷/供热)能量需求与电力需求之间的匹配关系指的是热(制冷/供热)能量需求与电力需求的比，其特别地被用来确定CCHP单元的工作模式。如已知的，CCHP单元可以工作在各种操作模式中。首先，CCHP单元可以通过消耗诸如天然气之类的燃气而充当供热能量&电力供应源，或者通过消耗诸如天然气之类的燃气而充当制冷能量&电力供应源。另外，其可以工作在其中供应的供热/制冷能量由电力确定(即，遵循电力需求，称为FED)的操作模式或者其中供应的电力由供热/制冷能量确定(即，遵循供热/制冷需求，称为FHD/FCD)的操作模式。如果热(制冷/供热)能量需求与电力需求的比与由CCHP单元供应的电力和热能的比匹配，则将是期望的；否则，在本公开中，将基于热(制冷/供热)能量需求与电力需求的比来选择操作模式，使得不存在能量浪费。例如，如果热(制冷/供热)能量需求与电力需求的比大于由CCHP单元供应的热能和电力的比，则CCHP单元可以工作在FED模式中；否则，CCHP单元可以工作在FCD/FHD模式中，其取决于热能需求是制冷需求还是供热需求。
在本公开的实施例中，通过以在保持电力供/需平衡和热能供/需平衡的同时使综合成本和能量中断成本最小化为目标，基于热需求与电力需求之间的匹配关系和所述微电网的操作场景来确定调度时段中的各时间间隔处所述多类型能量供应设备的操作优先级与所述CCHP单元的操作模式，而预先执行优化能量调度过程。
在其中热需求包括制冷能量需求和供热能量需求两者的情况下，优化能量调度过程可以包括供热&电力协调日调度(HECDS)过程和制冷&电力协调日调度(CECDS)过程。HECDS过程可以被配置成基于所述微电网在调度时段的各时间间隔内是在电网连接模式还是计划孤岛模式下操作而确定调度供热和电力供应的策略，并且将可能未满足的电力负载重新调度到所述调度时段的一个或多个其它时间间隔，并且如果在一时间间隔内发生计划外孤岛事件，则对此时间间隔应用计划外孤岛模式。另一方面，CECDS过程可以被配置成基于所述微电网在所述调度时段的各时间间隔内是在电网连接模式还是计划孤岛模式下操作，而确定调度供热和供电的策略，以及确定用于可能制冷需求差额的所需连续制冰小时，将可能未满足的电力负载重新调度到所述调度时段中的一个或多个其它时间间隔，并且如果在一时间间隔内发生计划外孤岛事件，则对此时间间隔应用计划外孤岛模式。
如上文所述，微电网可以工作在三个不同模式，即电网连接模式、计划孤岛模式和计划外孤岛模式。在电网连接模式中，微电网被连接到宏电网，并且可以与宏电网交换电力。在计划孤岛模式中，微电网未被连接到宏电网，并且其是预先规划的，并且因此在当日的调度期间，始终考虑计划孤岛模式的影响。在计划外孤岛模式中，微电网未被连接到宏电网，但是其出人意料地发生，例如当计划外孤岛事件(诸如宏电网的中断)在微电网在电网连接模式中操作期间发生时。这意味着应临时地考虑其影响。
在本公开的实施例中，针对微电网的不同操作模式，HECDS过程和CECDS过程均具有不同的调度能量供应的策略，接下来将其进行详述。
特别地，针对电网连接模式下的HECDS过程，可以按照可再生能源供应设备、CCHP单元以及宏电网的优先级顺序来供应电力，同时可以按照CCHP单元和普通供热设备的优先级顺序来供应供热能量。同时，可以基于热需求与电力需求之间的匹配关系来确定CCHP单元的操作模式，从而节省能量。在计划孤岛模式中，不同于电网连接模式，不能从宏电网获取电力。因此，当不能满足电力需求且CCHP单元工作在其中供应的供热能量由电力确定而不是基于热需求与电力需求之间的匹配关系来确定的模式中时，将使用储能电池。具体地，在计划孤岛模式中，由所述可再生能源供应设备、所述CCHP单元和所述储能电池按照这样的优先级顺序供应电力，并且由所述CCHP单元和普通供热设备按照这样的优先级顺序供应热能。
如上文所述，计划外孤岛模式类似于计划孤岛模式，除应考虑计划外孤岛模式的影响之外。因此，在计划外孤岛模式中，基于已调度移入和移出电力负载来调整电力负载，同时电力供应优先级和供热优先级可以与计划孤岛模式中的那些相同。也就是说，还可以按照可再生能源供应设备、CCHP单元和储能电池的顺序供应电力，并且可以按照CCHP单元和普通供热设备的优先级顺序来供应供热能量。此外，同样地，CCHP单元在其中供应的供热能量由电力确定的模式中工作。
关于用于CECDS过程的调度策略，其不同于用于HECDS过程的那些，因为CECDS过程涉及到CCHP单元和蓄冰空调两者。
针对处于电网连接模式中的CECDS过程，可以由可再生能源、CCHP单元和宏电网按照这样的优先级顺序供应电力，并且由在对电力负载供电之后的其余可再生能源、在对电力负载供电时的所述CCHP单元、在驱动所述蓄冰空调时的所述CCHP单元、用于驱动所述蓄冰空调的所述宏电网和所述普通空调器按照这样的优先级顺序供应制冷能量。类似于处于电网连接模式的HECDS，可以基于热需求与电力需求之间的匹配关系来确定CCHP单元的操作模式。
处于计划孤岛模式的CECDS类似于处于电网连接模式的CECDS，只是当不能满足电力需求且CCHP单元在其中供应的供热能量由电力确定的模式中工作时，将使用储能电池。特别地，在处于计划孤岛模式的CECDS中，可以按照可再生能源、CCHP单元和储能电池的优先级顺序供应电力，同时可以由供应电力负载之后的其余可再生能源、在对电力负载供电时的CCHP单元、在驱动蓄冰空调时的CCHP单元按照这样的优先级顺序来供应制冷能量。同时，CCHP单元工作在其中所供应的供热能量由电力确定且当不存在可用于制冰的电力时使用储能电池的模式下。
处于计划外孤岛模式的CECDS类似于处于计划孤岛模式的CECDS，但是应考虑计划外孤岛模式的影响。特别地，如果计划外孤岛模式发生于在该期间应当进行制冰的谷值时间段中，则储存的制冷能量将减少，并且因此应重新调度减少的制冷能量；如果计划外孤岛模式发生在谷值外时间，则制冰将不受影响，但是可用的融冰将局限于原始调度值，从而确保电力供应。特别地，在计划外孤岛模式中，如果在谷值时间内，则所述蓄冰空调的减少量的储存制冷能量将被重新调度到一个或多个随后的时间间隔；如果是在谷值时间外，则使蓄冰空调的融冰局限于原始调度值。此外，由可再生能源、CCHP单元和储能电池按照这样的优先级顺序供应电力，并且由对电力负载供电之后的其余可再生能源、在对电力负载供电时的CCHP单元、在驱动蓄冰空调时的CCHP单元，按照这样的优先级顺序供应制冷能量。同时，CCHP单元工作在其中供热能量由电力确定且当不存在可用于制冰的电力时使用储能电池的模式下。
在下文中，为了解释优化能量调度的操作，将仅仅出于举例说明的目的参考本公开的特定实施例来描述用于确定微电网优化操作策略调度示例性优化能量规划。
用于多类型能量供应的微电网优化能量调度过程
在本公开的实施例中，优化能量调度过程可以包括用于电网连接、计划孤岛和计划外孤岛模式的多操作场景的供热&电力协调日调度(HECDS)过程和制冷&电力协调日调度(CECDS)过程。在下文中，将逐个地描述HECDS过程和CECDS过程。
供热&电力协调日调度(HECDS)
在图3中图示出用于H&E协调日调度过程的示例。如图3中所示，首先在步骤S301处，检查小时time_i是否属于当日中的小时。如果是，则在步骤S302处，进一步检查其是否是用于计划孤岛模式的时间。如果是这样，则在步骤S303处，确定微电网将使用计划孤岛模式下的HECDS；否则在步骤S304处，微电网将使用电网连接模式下的HECDS。然后，在步骤S305处，将时间索引time_i增加1，并且过程进入用于下一小时的另一循环。在当日的全部24小时的调度之后(在步骤S301处否)，在步骤S306处，检查是否存在任何未满足的可分派电力负载。如果不存在，则步骤继续进行步骤S308；否则，在步骤S307处，可以根据例如用电价格的优先级将电力负载调度至当日的其它小时，并且过程转到步骤S308。在步骤S308处，进一步检查在当日期间是否存在计划外孤岛小时。如果是这样，则在步骤S309处，微电网将使用计划外孤岛模式下的HECDS。
针对电网连接模式下的HECDS，对可再生能源给定用来满足电力负载的最高优先级；然后，检查如果CCHP单元工作在FHD模式下是否存在过剩电力供应。如果是这样，则确定CCHP单元工作在FED模式下；如果不是，则CCHP单元仍可以工作在FHD模式下。可以用天然气锅炉来满足热供应与供热需求之间的剩余差额。
针对计划孤岛模式下的HECDS过程，根据可再生能源、FED模式下的CCHP以及储能电池的递降优先级排序来满足电力。另一方面，使用由CCHP提供的供热能量来满足供热需求，并且用天然气锅炉来供应热供应与热需求之间的剩余差额。
针对电网连接模式或计划孤岛模式下的HECDS过程，在一天的全部24小时的调度之后，未满足的可分派电力需求将根据用电价格的优先级被调度至当日的其它小时。
针对计划外孤岛模式下的HECDS过程，其与在计划孤岛模式下的情况类似，但是计划外孤岛操作通常出人意料地发生，并且在计划外孤岛模式之前，MG通常在电网连接模式下操作。当在一小时内发生计划外孤岛事件(诸如宏电网中的中断)时，在此小时中将执行计划外孤岛模式下的HECDS过程。由于这一天的可分派电力负载的调度已经执行，所以应根据此时的已调度移入和移出电力负载来调整计划外孤岛时间处的实际电力负载。然后，可以在此小时中应用与用于计划孤岛模式下的HECDS的那些策略相同的策略。此外，如果在此小时中不存在未满足的可分派电力负载，则可以根据用电价格的优先级将未满足的电力负载调度至随后的小时。
制冷&电力(C&E)协调调度(CECDS)
图4图示出示例性CECDS过程。如图4中所示，首先在步骤S401处，检查小时time_i是否属于当日中的小时。如果是，则在步骤S402处，检查其是否是用于计划孤岛模式的时间。如果是这样，则在步骤S403处，确定微电网将使用计划孤岛模式下的CECDS；否则在步骤S404处，确定微电网将使用电网连接模式下的CECDS。然后，在步骤S405处，将时间索引time_i增加1，并且过程用于下一小时的另一循环。在当日的全部24小时的调度之后(在步骤S401处否)，在步骤S406处，检查是否存在制冷需求差额。如果不存在，则过程转到步骤S410；否则，过程继续进行步骤S407，并且应用供应制冷的优先级来确定一个或多个能量设备，从而满足制冷需求差额。如果确定能量设备包括蓄冰空调(步骤S408)，则在步骤S409处，计算总日融冰量，并且基于该融冰量来确定连续制冰小时。接下来在步骤S410处，检查是否存在任何未满足的可分派电力负载；如果是这样，则在步骤S411处，可以根据例如用电价格的优先级将未满足的可分派电力负载调度至其它小时；否则，过程转到步骤S412。然后，在步骤S412处，检查在当日期间是否存在任何计划外孤岛小时。如果存在，则在步骤S413处，确定微电网将使用计划外孤岛模式下的CESDC过程。
针对电网连接模式下的CECDS过程，可以由可再生能源、CCHP单元和宏电网按照其递降优先级排序来供应电能。可以由供应用于空调的电力负载之后的其余可再生能源、在满足电力需求时的CCHP单元、在驱动空调时的CCHP单元、在驱动融冰时的CCHP单元以及用于融冰且用于空调的宏电网，按照其递降优先级排序来供应制冷能量。此外，还可以考虑制冷需求与电力需求之间的匹配关系以确定CCHP单元的操作模式。而且，由于空调和融冰的存在，CCHP在CECDS过程中的工作模式比在HECDS过程中的那些复杂得多。接下来，仅仅出于举例说明的目的，将参考图5来描述MG电网连接模式下的示例性C&E协调调度。
如图5中所示，首先，在步骤S501处，检查可再生能源设备(诸如风力涡轮机、PV面板)是否可以提供比电力负载所需的功率更多的电力。如果是这样，则过程转到步骤S502；否则过程转到步骤S510。在步骤S502处，过剩电力将被用来驱动空调。如果在步骤S503处，满足制冷需求，则在步骤S506处，可以计算要切断的电力，从而节省能量；如果在步骤S503处不满足制冷需求，则在步骤S504处，将进一步检查空调是否处于满载状态。如果空调处于满载状态，则在步骤S505处，可以确定制冷需求差额和过剩发电(要切断的电力)。如果相反，在步骤S504处空调并未处于满载状态，则在步骤S507处，CCHP单元在驱动空调的同时供应制冷能量。然后，进一步在步骤S508处检查是否满足制冷需求。如果满足，则过程结束；否则，确定制冷需求差额并结束该过程。
另一方面，如果在步骤S501处，可再生能源不能满足电力需求，则在步骤S510处，进一步检查净电力负载是否等于或低于P_CCHP_max，即可以由CCHP单元提供的最大功率。如果不是，在在步骤S511处进一步检查Q_CCHP_max(即可以由CCHP单元提供的最大制冷能量)是否等于或低于制冷需求。如果不是，则在步骤S512处确定CCHP单元工作在FCD模式下，其中将基于制冷需求来确定CCHP单元的发电；否则在步骤S513处，确定CCHP单元工作在满载状态并计算制冷需求差额。另一方面，如果在步骤S510处净电力负载等于或低于P_CCHP_max，则在步骤S514处，确定CCHP单元工作在其中基于电力需求来确定制冷能量供应的FED模式下。然后，在步骤S515处，进一步检查由工作在FED模式下的CCHP单元供应的制冷能量是否大于制冷需求。如果不是，则在步骤S516处，其将CCHP单元的操作模式从FED模式变成FCD模式，即将基于制冷需求来确定CCHP单元的发电，从而节省能量；否则在步骤S517处，确定CCHP单元将在驱动空调的同时供应更多制冷能量。此外，在步骤S518处，检查是否可以满足制冷需求，如果是，则过程结束；否则，在步骤S519处确定制冷需求差额。
计划孤岛模式下的C&E协调调度与在MG电网连接模式下基本上类似，但存在某些差异。首先，由于微电网工作在孤岛模式下且不能从宏电网获得更多功率，并且电力需求优先于制冷需求，所以CCHP单元只能工作在FED模式下。另一方面，如果CCHP单元不能满足电力需求或者不存在可用于融冰的电能，则执行储能电池的放电。接下来，出于举例说明的目的，在图6中给出了计划孤岛模式下的示例性CECDS过程。
如图6中所示，首先在步骤S601处，检查可再生能源设备是否可以提供比电力负载所需的功率更多的电力。如果是这样，则过程转到步骤S602；否则过程转到步骤S610。在可再生能源设备可以提供更多电力的情况下将执行的步骤S602至S609的操作与如图5中所示的步骤S502至S509中的那些类似，并且因此将出于简化的目的省略其详细描述。另一方面，如果可再生能源设备不能提供比电力需求更多的电力，则在步骤S610处，将进一步检查净电力负载是否低于或等于P_CCHP_max。如果净电力负载大于P_CCHP_max，则在步骤S611处，确定CCHP单元将工作在满载状态下，并且进一步使用储能电池来满足电力需求差额，然后在步骤S612处确定制冷需求差额。如果在步骤S610处净电力负载不大于P_CCHP_max，则在步骤S613处，确定CCHP单元将工作在FED模式下。在步骤S614处，进一步检查来自CCHP单元的制冷能量是否可以满足制冷需求。如果是这样，则在步骤S615处，将确定过剩发电；否则，在步骤S616处，确定CCHP单元将供应更多制冷能量，同时将使用来自CCHP单元的电力来驱动空调。然后在步骤S617处，检查是否可以满足制冷需求。如果是这样，则将在步骤S618处确定制冷需求差额；否则，过程结束。
关于计划外孤岛模式下的CECDS，其与在计划孤岛模式下类似，但是更加复杂。当计划外孤岛的发生小时是在其间将执行制冰的谷值时间段时，计划外孤岛将导致储存制冷能量的减少。因此，在这种情况下，在一个或多个随后的谷值外小时(即制冰小时)中，应执行制冰重新调度以适应于减少的可用融冰。另一方面，如果计划外孤岛在谷值外时间发生，则可用融冰将局限于原始调度值。
在下文中，仅仅出于举例说明的目的，将参考图7A-7C来描述计划外孤岛模式下的示例性CECDS，图7A-7C一起图示出根据本公开的示例性实施例的微电网计划外孤岛模式下的CECDS。
首先对图7A进行参考，首先在步骤S701处，检查计划外孤岛时间是否结束，例如time_i是否大于预定孤岛时间编号。如果计划外孤岛时间结束，则在步骤706处在具有融冰的小时之间共享减少的蓄冰，并且通过CCHP单元来满足其余制冷需求差额，这将提供更多的制冷能量，同时CCHP单元和宏电网将驱动空调。然后在步骤S707处，根据用电价格的优先级将未满足的可分派电力需求转移到随后的小时。
如果在步骤S701处，计划外孤岛时间尚未结束，则在步骤S702处，检查当前时间是否是谷值外时间。如果其是谷值时间，则在步骤S704处，可以应用计划孤岛模式下的CESDC，但是其要求考虑蓄冰生成需求和可分派负载。也就是说，应将减少的制冰重新调度至一个或多个随后的制冰小时。此外，在步骤S705处，可以取消制冰从而首先满足电力需求。然后在步骤S707处，可以根据用电价格的优先级将未满足的可分派电力需求重新调度至随后的小时。
如果在步骤S702处，其是谷值外时间，则在步骤S703处，进一步检查可再生能源供应设备是否可以满足电力需求。如果否，则过程进入子过程OV-A，其在图7B中图示出；如果是，则过程进入子过程OV-B，其在图7C中图示出。
首先参考图7B，如果可再生能源供应设备不能满足电力需求(在步骤S703处否)，则在子过程OV-A中，在步骤SA701处，检查净电力负载是否等于或低于P_CCHP_max，如果不是，即当前电力需求差额高于CCHP单元可以供应的电力，则在步骤SA702处，确定CCHP单元是否将工作在满负载状态下并进一步使用电池来对电力负载供电；如果存在可用的融冰，则电池驱动融冰，并且然后电池驱动空调。如果当前电力需求差额不高于P_CCHP_max，则在步骤SA703处，CCHP单元工作在FED模式下。接下来，在步骤SA704处，检查空调是否工作在满载状态下。如果是，则在步骤SA705处，将融冰设定为零；如果不是，则在步骤SA706处进一步检查融冰是否可用。如果融冰不可用，则子过程继续进行步骤SA712；否则，子过程转到步骤SA707以进一步检查融冰是否减少。如果融冰并未减少，则在步骤S708处，CCHP单元驱动融冰，并且如果并不够，则进一步使用电池来驱动融冰。如果融冰减少，则在步骤SA709处，进一步确定融冰是否高于每小时制冰量，例如DCU-MAX*0.67。如果其不高于该阈值，则在步骤SA710处，将融冰设定为零；否则，在步骤SA711处，CCHP单元驱动融冰，并且如果其不够，则使用电池来进一步驱动融冰，并且同时使融冰局限于预先调度融冰减去DCU_MAX*0.67。然后在步骤SA712处，CCHP单元将供应更多制冷能量以满足制冷需求，并且同时，将使用来自CCHP单元的电力来驱动空调。
接下来，对图7C进行参考以描述当可再生能源供应设备能够满足电力需求时(在步骤S703处为是)执行的子过程OV-B。如图7C中所示，首先在步骤SB701处，过剩可再生能源(即，从PV面板和风力涡轮机供应的电力但是不包括满足电力需求的那些)驱动空调。然后在步骤SB702处检查是否可以满足制冷需求。如果是这样，则在步骤SB703处，计算切断的发电并将融冰设定为零，并且过程转到步骤SB711；如果不是，则在步骤SB704处，检查空调是否处于满载状态。如果不是，空调并未处于满载状态，则在步骤SB705处，检查融冰是否可用。如果不可用，则过程转到步骤SB711；如果融冰可用，则在步骤SB706处进一步确定融冰是否减少；如果没有减少，则在步骤SB707处使用CCHP发电来驱动融冰；如果减少，则进一步在步骤SB708处检查融冰是否大于或等于每小时制冰量，例如DCU-MAX*0.67。如果在步骤SB708处，融冰低于预定阈值，则在步骤SB709处，将融冰设定为零，并且过程转到步骤SB711；如果在步骤SB708处，融冰大于预定阈值，则在步骤SB710处，使用CCHP发电来驱动融冰并将融冰计算为预先调度融冰减去预定阈值，并且过程进入步骤SB711。在步骤SB711处，CCHP单元在驱动空调的同时供应更多制冷需求。
如果在步骤SB704处空调处于满载状态，则在步骤SB712处，进一步检查融冰是否可用。如果融冰可用，则子过程转到步骤SB714；否则，子过程转到步骤SB713，在那里将计算切断的发电。在步骤SB714处，进一步检查融冰是否减少。如果融冰并未减少，则子过程转到步骤SB715；否则，子过程转到步骤SB718。
在步骤SB715处，确定剩余可再生能源是否大于或等于融冰期间的电功率消耗，诸如90。如果剩余可再生能源大于预定能量限制，则在步骤SB716处使用可再生能源来驱动融冰；否则在步骤SB717处，使用CCHP发电来驱动融冰。然后过程结束。
在步骤SB718处，还检查剩余可再生能源是否大于或等于融冰期间的电功率消耗，诸如90。如果剩余可再生能源小于预定能量限制，则子过程继续进行步骤SB719；否则子过程继续进行步骤SB720。在步骤SB719处，检查融冰是否大于或等于每小时制冰量，诸如DCU-MAX*0.67。如果其大于或等于预定阈值，则在步骤SB721处，使用CCHP单元来驱动融冰，并且如果不够，则进一步使用电池；同时，将融冰确定为预先调度融冰减去预定阈值。如果在步骤SB719处，融冰不大于预定阈值，则在步骤SB722处，将融冰设定为零，并且计算切断的发电。如果在步骤SB718处，剩余可再生能源大于融冰期间的电功率消耗，诸如90，则在步骤SB720处，进一步检查融冰是否大于或等于每小时制冰量，诸如DCU-MAX*0.67。如果其大于预定阈值，则在步骤SB723处，将融冰确定为预先调度融冰减去预定阈值，并且计算切断的发电；如果其不大于每小时制冰量DCU-MAX*0.67，则在步骤SB722处，将融冰设定为零，并且计算切断的发电。
在上文中，详细描述了用于不同操作模式下的HECDS和CECDS的特定策略；然而，应认识到的是其仅仅是出于举例说明的目的而提出的。在不违背本公开的精神的情况下，技术人员可以根据本文中提供的讲授内容设想许多修改、变型、替换方案。
根据以上描述还可以看到，借助于通过执行优化调度过程而确定的此类优化操作策略，可以确定多类型能量供应设备中的某些的能量供应优先级和操作模式，其可以促进容量确定中的优化解决方案的搜索。
微电网容量确定优化解决方案
在本公开的实施例中，提出的MG容量确定涉及多目标多约束优化。常规粒子群优化(PSO)并不适合于搜索最优容量，因为其是用于单目标优化的方法。如果应用常规PSO，则应通过对多个目标加权而将其组合成单个目标，并且同时应对未满足的约束施加罚则并添加到单个目标，这可能使得优化结果更差。
因此，应使用另一方法来搜索用于微电网的优化解决方案。很明显，本公开的两个优化目标相互冲突，即一个目标的改善可能引起另一目标的劣化。因此，可以实现多目标粒子群优化MOPSO以搜索用于微电网的优化解决方案。
在多目标优化中，通常不存在唯一全局优化解决方案，而是存在由一组相互非占优解决方案组成的帕雷托(Pareto)最优集合。因此，在MOPSO实施方式中，构造容器以保持帕雷托非占优解决方案，并且用这些非占优解决方案来引导粒子速度的改变。在下文中，将参考图8来描述示例性过程以解释搜索优化解决方案的方法。
在MG容量规划优化中，NCCHP、NPV、NWT、Qice、Qboiler的五个维度组成粒子。如图8中所示，首先在步骤S801处，通过考虑决策变量的上限约束和下限约束来初始化粒子的速度和位置，并且针对所有粒子，执行用于多类型能量供应和多操作场景的上述MG优化操作策略，以便可以确定多类型能量供应设备中一些的能量供应优先级和操作模式。然后，在步骤S802处，检查是否达到最大操作数目。如果是这样，则在步骤S810处，可以输出获得的帕雷托最优集合；否则，过程继续进行步骤S803。在步骤S803处，计算粒子的所有目标，并且然后在步骤S804处确定帕雷托最优粒子。接下来，在步骤S805处，检查帕雷托最优粒子的数目是否超过预置数目。如果是这样，则在步骤809处对被高度填充网格中的粒子给定要去除的优先级；如果不是，则在步骤S806中将帕雷托最优粒子定位于网格中。然后，在步骤S807处，使用从帕雷托集合随机地选择的全局最优解和其自己的随机选择的先前帕雷托最优解来更新每个粒子的速度。然后，在步骤S808处，更新粒子的位置，并且过程返回至步骤S802。重复该操作直至在预定时间已执行操作为止。
通过使用MOPSO，可以获得帕雷托非占优解决方案，其可以提供用于如本文中提出的设备容量确定的可行解决方案。
另外，图9A和9B图示出在案例仿真中使用的一年中的电力需求和热需求，并且图9C图示出优化容量确定过程与传统容量确定过程之间的模拟结果比较。首先，如图9A和9B中所示，在从6月至10月的夏季时间期间，微电网向最终用户供应电力和制冷能量，而在其它季节期间，微电网供应电力和供热能量。在从1月至3月的冬季中，供热需求比在春季和秋季中高得多，如图9B中所示。
在案例仿真中，将电力需求划分成四个类别，即极其重要、重要、可分派以及可中断，其分别地占10％、20％、30％和40％；将热需求划分成两个类别，即重要和可切断，其分别地占60％和40％。微电网计划孤岛模式和微电网计划孤岛外模式两者一年发生两次，并且每次孤岛模式持续两个小时。PV面板和风力涡轮机的最大数目受到可用安装面积的限制，其中NWT_max＝6，NPVserial_max＝242。
在图9C中示出了根据本公开的实施例的优化容量确定的仿真结果和基于传统容量确定的结果。可以看到的是，针对相同的电力需求和热需求，对于微电网容量确定解决方案而言具有多类型能量供应的MG中的年投资、操作、维护、污染物排放总成本是6817304RMB，而用于传统多类型能量供应方式的成本为约1422800RMB，这意味着超过50％的成本降低。
另外，在本公开的实施例中，还提供了一种用于容量确定的系统，这将参考图10来对其进行描述。如图10中所示，系统100可以包括：至少一个处理器1010；以及专用于存储计算机可执行指令1030的至少一个存储器1020。所述至少一个存储器1010和计算机可执行指令1030可被配置成用所述至少一个处理器促使系统:在电力供/需平衡和热能供/需平衡的约束以及对所述多类型能量供应设备的操作约束下，执行用于使用于所述微电网的年综合成本和年能量中断成本两者最小化的设备容量确定过程，以确定所述多类型能量供应设备的各自数目或容量。
在本公开的实施例中，所述微电网可以包括可再生能源供应设备、储能电池、蓄冰空调、冷热电联产CCHP单元、普通空调设备以及普通供热设备。
在本公开的另一实施例中，用于所述微电网的所述年综合成本可以包括年设备投资成本、年设备操作成本、年设备维护成本和年污染物处理成本，并且所述年能量中断成本可以包括用于电力中断的成本和用于热能中断的成本。
根据本公开的另一实施例，所述对多类型能量供应设备的操作约束可以包括对所述CCHP单元的操作约束，其包括以下各项中的至少一个：用于所述CCHP单元的电力输出效率模型；用于所述CCHP单元的电力输出和制冷输出关系模型；以及所述CCHP单元的所消耗气体体积与所述电力输出和所述电力输出效率之间的关系。
在本公开的另一实施例中，所述对多类型能量供应设备的操作约束包括对所述蓄冰空调的操作约束，其包括以下各项中的至少一个：空调模式下蓄冰空调的操作模型，制冰模式下蓄冰空调的操作模型，融冰模式下蓄冰空调的操作模型，融冰&空调模式下蓄冰空调的操作模型，以及蓄冰空调的蓄冰罐的操作模型。
在本公开的另一实施例中，可以进一步在以下各项中的至少一个下执行所述设备容量确定过程：可再生能源的年利用限制；可再生能源的年废弃限制；针对所述多类型能量供应设备的各自数目或容量的上限和/或下限；以及针对在所述微电网与所述微电网可以连接到的宏电网之间交换的电力的上限和/或下限。
在本公开的另一实施例中，可以通过以在保持电力供/需平衡和热能供/需平衡的同时使综合成本和能量中断成本最小化为目标，基于热需求和电需求之间的匹配关系和所述微电网的操作场景，来确定调度时段中的各时间间隔处所述多类型能量供应设备的操作优先级与所述CCHP单元的操作模式，而预先执行优化能量调度过程。
根据本公开的另一实施例，所述热能可以包括制冷能量和供热能量，其中所述优化能量调度过程包括供热和电力协调日调度过程及制冷和电力协调日调度过程。
根据本公开的另一实施例，所述供热&电力协调日调度过程可以被配置成基于所述微电网在调度时段的各时间间隔内是在电网连接模式还是计划孤岛模式下操作而确定调度供热和电力供应的策略，并且将可能未满足的电力负载重新调度到所述调度时段的一个或多个其它时间间隔，并且如果在一时间间隔内发生计划外孤岛事件，则对此时间间隔应用计划外孤岛模式。
在本公开的另一实施例中，在所述电网连接模式下，可以由所述可再生能源供应设备、所述CCHP单元以及所述微电网能够连接到的宏电网按照这样的优先级顺序供应电力，并且可以由所述CCHP单元和普通供热设备按照这样的优先级顺序供应热能；并且其中，可以基于热需求与电需求之间的匹配关系来确定所述CCHP单元的操作模式。
在本公开的另一实施例中，在计划孤岛模式下，可以由所述可再生能源供应设备、所述CCHP单元和所述储能电池按照这样的优先级顺序供应电力，并且可以由所述CCHP单元和普通供热设备按照这样的优先级顺序供应热能，并且其中所述CCHP单元工作可以在其中所供应的热能由电力确定的模式下。
在本公开的另一实施例中，在计划外孤岛模式下，可以基于调度的移入和移出电力负载来调整所述电力负载，由所述可再生能源供应设备、所述CCHP单元和所述储能电池按照这样的顺序供应电力；可以由所述CCHP单元和所述普通供热设备按照这样的优先级顺序供应热能；并且所述CCHP单元工作可以在其中所供应的热能由电力确定的模式下。
在本公开的另一实施例中，所述制冷&电力协调日调度过程可以被配置成基于所述微电网在所述调度时段的各时间间隔内是在电网连接模式还是计划孤岛模式下操作，而确定调度供热和供电的策略，以及确定用于可能制冷需求差额的所需连续制冰小时，将可能未满足的电力负载重新调度到所述调度时段中的一个或多个其它时间间隔，并且如果在一时间间隔内发生计划外孤岛事件，则对此时间间隔应用计划外孤岛模式。
在本公开的另一实施例中，在所述电网连接模式下，可以由所述可再生能源、所述CCHP单元和所述宏电网按照这样的优先级顺序供应电力，并且可以由在对电力负载供电之后的其余可再生能源、在对电力负载供电时的所述CCHP单元、在驱动所述蓄冰空调时的所述CCHP单元、用于驱动所述蓄冰空调的所述宏电网和所述普通空调器，按照这样的优先级顺序供应制冷能量，并且其中，可以基于热需求与电需求之间的匹配关系来确定所述CCHP单元的操作模式。
在本公开的另一实施例中，在计划孤岛模式下，可以由所述可再生能源供应设备、所述CCHP单元和所述储能电池按照这样的优先级顺序供应电力，并且可以由对电力负载供电之后的其余可再生能源、在对电力负载供电时的所述CCHP单元、在驱动所述蓄冰空调时的所述CCHP单元，按照这样的优先级顺序供应制冷能量；并且其中，所述CCHP单元工作可以在其中所供应的制冷能量由电力确定且当不存在可用于制冰的电力时可以使用储能电池的模式下。
在本公开的另一实施例中，在计划外孤岛模式下，如果在谷值时间段内，则可以将所述蓄冰空调的减少量的储存制冷能量重新调度到一个或多个随后的融冰时间间隔；如果在谷值时间外，则可以使所述蓄冰空调的融冰局限于最初调度的值；其中可以由所述可再生能源、所述CCHP单元和所述储能电池且按照这样的优先级顺序供应电力，并且可以由对电力负载供电之后的其余可再生能源、在对电力负载供电时的所述CCHP单元、在驱动所述蓄冰空调时的所述CCHP单元，按照这样的优先级顺序供应制冷能量；并且其中，所述CCHP单元工作可以在其中所供应的制冷能量由电力确定且当不存在可用于制冰的电力时可以使用储能电池的模式下。
根据本公开的另一实施例，可以借助于多目标粒子群优化算法来执行所述设备容量确定过程，并且可以选择所述多类型能量供应设备的数目或容量作为所述多目标粒子群优化算法的粒子。
另外，还提供了一种用于针对微电网的容量确定的设备。如图11中所示，设备1100可以包括：用于获得电力需求、热需求和对参数的限制的装置1110；以及用于在电力供/需平衡和热能供/需平衡的约束以及对多类型能量供应设备的操作约束下执行用于使用于微电网的年综合成本和年能量中断成本两者最小化的设备容量确定过程以确定多类型能量供应设备的各自数目或容量的装置1120。
另外，进一步提供了用于针对微电网的容量确定的另一设备。图12示意性地图示出根据本公开的示例性实施例的用于微电网中的容量确定的设备的框图。如图12中所示，该设备可以包括需求&参数获得模块1210和过程执行模块1220。需求&参数获得模块1210被配置成获得诸如电力需求之类的能量需求、一年的每个小时中的热需求以及参数限制，诸如如下文所述的限制。过程执行模块1220可以被配置成在电力供/需平衡和热能供/需平衡的约束以及对所述多类型能量供应设备的操作约束下，执行用于使用于所述微电网的年综合成本和年能量中断成本两者最小化的设备容量确定过程，以确定所述多类型能量供应设备的各自数目或容量。
此外，提供了一种具有多个指令的有形计算机可读介质，所述多个指令可被处理器执行以确定用于微电网的设备容量，该有形计算机可读介质包括被配置成执行根据本公开的方法的任何实施例的方法步骤的指令。
应注意的是，包括在系统1000、设备1100以及设备1200中的各模块或装置的操作基本上对应于如前所述的各方法步骤。因此，关于系统1000、设备1100和设备1200中的各模块或装置的详细操作，请参阅参考图1至9C进行的本公开的方法的先前描述。
图13是通用计算机系统1300，其可以表示在本文中提及的任何计算设备。例如，通用计算机1300可以-部分地或整体地-表示控制中心、头端、综合网络运营和管理系统(NOMS)、故障、性能以及配置管理(FPCM)模块或在本文中提及的任何其它计算设备，诸如终端设备、仪表、遥测接口单元(TIU)、收集器和/或任何联网组件，诸如在本文中讨论的路由器、交换机或服务器。计算机系统1300可以包括可以被执行以促使计算机系统1300执行本文公开的方法或基于计算机功能中的任何一个或多个的一组指令1302的有序列表。计算机系统1300可以充当独立设备，或者可以例如使用网络115、125连接到其它计算机系统或外围设备。
在联网部署中，计算机系统1300可以在服务器的容量中或者作为服务器-客户端用户网络环境中的客户端用户计算机或者作为端对端(或分布式)网络环境中的对端计算机系统操作。还可以将计算机系统1300实现为各种设备或结合到其中，诸如个人计算机或移动计算设备，其能够执行指定将由该机器采取的动作的一组指令1302，所述动作包括但不限于通过任何形式的浏览器来访问网络115、125。此外，所述的每个系统可以包括单独地或共同地执行一个或多个指令集以执行一个或多个计算机功能的子系统的任何集合。
计算机系统1300可以包括处理器1307，诸如中央处理单元(CPU)和/或图形处理单元(GPU)。处理器1307可以包括一个或多个通用处理器、数字信号处理器、专用集成电路、现场可编程门阵列、数字电路、光学电路、模拟电路、其组合或用于解析和处理数据的其它现在已知或以后开发的设备。处理器1307可以实现指令集1302或其它软件程序，诸如用于实现逻辑功能的手动编程或计算机生成代码。所述的逻辑功能或任何系统元件除其它功能之外还可以而处理诸如模拟电、音频或视频信号或其组合之类的音频数据源和/或将其转换成用于视听目的或其它数字处理目的(诸如与计算机处理或联网通信的兼容性)的数字数据源。
计算机系统1300可以包括用于传送信息的总线1320上的存储器1305。可以将可操作用于促使计算机系统执行本文所述的任何动作或操作的代码存储在存储器1305中。存储器1305可以是随机存取存储器、只读存储器、可编程存储器、硬盘驱动器或任何其它类型的易失性或非易失性存储器或存储设备。
计算机系统300还可以包括磁盘、固态驱动光驱单元1315。磁盘驱动单元1315可以包括其中可以嵌入一个或多个指令集1302(例如软件)的非临时或有形计算机可读介质1340。此外，指令1302可执行如本文所述的操作中的一个或多个。指令1302在其被计算机系统1300执行期间可完全或至少部分地常驻于存储器1305内和/或处理器1307内。上述数据库或任何其它数据库可被存储在存储器1305和/或磁盘单元1315中。
存储器1305和处理器1307还可以包括如上文所讨论的计算机可读介质。“计算机可读介质”、“计算机可读存储介质”、“机器可读介质”、“传播信号介质”和/或“信号承载介质”可以包括包含、存储、传送、传播或输送软件以供指令可执行系统、装置或装置使用或与之结合使用的任何装置。机器可读介质可以选择性地是但不限于电子、磁性、光学、电磁、红外或半导体系统、设备、装置或传播介质。
另外，计算机系统1300可以包括输入设备1325，诸如键盘或鼠标，其被配置成用于用户与系统1300的任何组件相交互，包括显示菜单的用户选择或菜单条目。其还可以包括显示器1330，诸如液晶显示器(LCD)、阴极射线管(CRT)或适合于传送信息的任何其它显示器。显示器1330可以充当用于用户看到处理器1307运行的接口，或者具体地充当与存储在存储器1305中的软件或驱动单元1315的接口。
计算机系统1300可以包括使得能够实现经由通信网络125的通信的通信接口1336。网络125可以包括有线网络、无线网络或其组合。通信接口1336网络可以使得能够经由任何数目的通信标准进行通信，诸如以太网AVB、802.11、802.17、802.20、WiMax或其它通信标准。
因此，可以用硬件、软件或硬件和软件的组合来实现系统。可以以集中式方式在至少一个计算机系统中或者在其中不同元件跨多个互连计算机系统散布的分布式方式实现该系统。适合于执行本文所述的方法的任何种类的计算机系统或其它装置都是适当的。硬件和软件的典型组合可以是具有计算机程序的通用计算机系统，该计算机程序在被加载和执行时控制计算机系统，使得其执行本文所述的方法。可以将此类编程计算机视为专用计算机。
如本文所述，任何模块或处理块被定义成包括可被处理器1307执行的软件、硬件或其某种组合。软件模块可以包括存储在存储器1305或其存储器设备中的可被处理器1307或其它处理器执行的指令。硬件模块可以包括被处理器1307可执行、指挥和/或控制以便执行的各种设备、组件、电路、门、电路板等。
还可以将系统嵌入计算机程序产品中，其包括使得能够实现本文所述操作且其在被加载在计算机系统中时能够执行这些操作的所有特征。本文中的计算机程序意指意图促使具有信息处理能力的系统直接地或在以下各项中的任一者或两者之后执行特定功能的一组指令的用任何语言、代码或注释的任何表达:a)到另一语言、代码或注释的转换；b)用不同材料形式的再现。
到目前为止，已通过特定优选实施例参考附图描述了本公开。然而，应理解的是本公开不限于所示和提供的特定实施例，而是可以在本公开的范围内进行各种修改。
此外，可以用软件、软件或其组合来实现本公开的实施例。可以用专用逻辑来实现硬件组件；可以将软件部分存储在存储器中并由诸如微处理器或专用设计硬件之类的适当指令执行系统执行。本领域的技术人员可以认识到可以用包含在处理器中的计算机可执行指令和/或控制代码来实现上述方法和系统，例如在诸如磁盘、CD或DVD-ROM之类的承载介质或诸如只读存储器(固件)之类的可编程存储器或诸如光学或电信号载体之类的数据载体上提供的此类代码。可以用例如超大规模集成电路或门阵列之类的硬件电路、诸如逻辑芯片或晶体管之类的半导体或诸如现场可编程门阵列或可编程逻辑器件之类的可编程硬件器件来实现本实施例中的装置及其组件，或者用被各种处理器执行的软件实现，或者用上述硬件电路和软件的组合(例如，用固件)来实现。
虽然已描述了本公开的各种实施例，但对于本领域的技术人员而言将显而易见的是在本公开的范围内可以有许多实施例和实施方式。因此，本公开除根据所附权利要求及其等价之外不受限制。
可以在实际应用中基于需求来选择在等式(32)中给出的三个约束。特别地，给定三个约束分别地对应于其中禁止向宏电网返回电的情况；允许双向地在宏电网与微电网之间交换功率的情况；禁止在宏电网与微电网之间交换功率的情况。

Claims (35)

1.一种用于针对微电网的容量确定的系统，其中所述微电网包括用以提供电能和热能两者的多类型能量供应设备，所述系统包括：
至少一个处理器；以及
至少一个存储器，其存储计算机可执行指令，
其中，所述至少一个存储器和所述计算机可执行指令被配置成利用所述至少一个处理器促使所述系统：
通过基于热需求与电需求之间的匹配关系和所述微电网的操作场景来确定在调度时段中的各时间间隔处所述多类型能量供应设备的操作优先级和CCHP单元的操作模式，而执行优化能量调度过程，所述热需求与所述电需求之间的所述匹配关系由所述热需求与所述电需求的比定义；
在电力供/需平衡和热能供/需平衡的约束以及对所述多类型能量供应设备的操作约束下，基于所述优化能量调度过程，执行用于使用于所述微电网的年综合成本和年能量中断成本两者最小化的设备容量确定过程；
确定所述多类型能量供应设备的各自数目或容量；以及
基于所确定的所述各自数目或容量，调度所述微电网中的多能源。
2.根据权利要求1所述的系统，其中所述微电网包括可再生能源供应设备、储能电池、蓄冰空调、冷热电联产CCHP单元、普通空调设备以及普通供热设备。
3.根据权利要求2所述的系统，其中用于所述微电网的所述年综合成本包括年设备投资成本、年设备操作成本、年设备维护成本和年污染物处理成本，并且所述年能量中断成本包括用于电力中断的成本和用于热能中断的成本。
4.根据权利要求2所述的系统，其中对所述多类型能量供应设备的所述操作约束包括对所述CCHP单元的操作约束，其包括以下各项中的至少一个：
用于所述CCHP单元的电力输出效率模型；
用于所述CCHP单元的电力输出与制冷输出关系模型；以及
所述CCHP单元的所消耗气体体积与所述电力输出和所述电力输出效率之间的关系。
5.根据权利要求2所述的系统，其中对所述多类型能量供应设备的所述操作约束包括对所述蓄冰空调的操作约束，其包括以下各项中的至少一个：
空调模式下所述蓄冰空调的操作模型，
制冰模式下所述蓄冰空调的操作模型，
融冰模式下所述蓄冰空调的操作模型，
融冰&空调模式下所述蓄冰空调的操作模型，以及
所述蓄冰空调的蓄冰罐的操作模型。
6.根据权利要求1所述的系统，其中进一步在以下各项中的至少一个下执行所述设备容量确定过程：
可再生能源的年利用限制；
可再生能源的年废弃限制；
针对所述多类型能量供应设备的各自数目或容量的上限和/或下限；以及
针对在所述微电网与所述微电网能够连接到的宏电网之间交换的电力的上限和/或下限。
7.根据权利要求2所述的系统，其中所述热能包括制冷能量和供热能量，其中所述优化能量调度过程包括供热和电力协调日调度过程及制冷和电力协调日调度过程。
8.根据权利要求7所述的系统，其中所述供热和电力协调日调度过程被配置成：基于所述微电网在所述调度时段的每个时间间隔内是在电网连接模式还是计划孤岛模式下操作，而确定调度供热和电力供应的策略，并且将可能未满足的电力负载重新调度到所述调度时段的一个或多个其它时间间隔，并且如果在一时间间隔内发生计划外孤岛事件，则对此时间间隔应用计划外孤岛模式。
9.根据权利要求8所述的系统，其中在所述电网连接模式下，由所述可再生能源供应设备、所述CCHP单元以及所述微电网能够连接到的宏电网按照这样的优先级顺供应电力，并且由所述CCHP单元和所述普通供热设备按照这样的优先级顺序供应热能。
10.根据权利要求8所述的系统，其中在所述计划孤岛模式下，由所述可再生能源供应设备、所述CCHP单元和所述储能电池按照这样的优先级顺序供应电力，并且由所述CCHP单元和所述普通供热设备按照这样的优先级顺序供应所述热能，以及
其中所述CCHP单元工作在其中所供应的热能由电力确定的模式下。
11.根据权利要求8所述的系统，其中在所述计划外孤岛模式下，基于调度的移入和移出电力负载来调整所述电力负载，
其中由所述可再生能源供应设备、所述CCHP单元和所述储能电池按照这样的顺序供应电力；并且由所述CCHP单元和所述普通供热设备按照这样的优先级顺序供应热能，以及
其中所述CCHP单元工作在其中所供应的热能由电力确定的模式下。
12.根据权利要求7所述的系统，其中，所述制冷和电力协调日调度过程被配置成基于所述微电网在所述调度时段的各时间间隔内是在电网连接模式还是计划孤岛模式下操作，而确定调度供热和供电的策略，以及确定用于可能制冷需求差额的所需连续制冰小时，将可能未满足的电力负载重新调度到所述调度时段中的一个或多个其它时间间隔，并且如果在一时间间隔内发生计划外孤岛事件，则对此时间间隔应用计划外孤岛模式。
13.根据权利要求12所述的系统，其中在所述电网连接模式下，由所述可再生能源供应设备、所述CCHP单元以及所述微电网能够连接到的宏电网按照这样的优先级顺序供应电力，并且由在对电力负载供电之后的其余可再生能源、对所述电力负载供电时的所述CCHP单元、在驱动所述蓄冰空调时的所述CCHP单元、用于驱动所述蓄冰空调的所述宏电网和所述普通空调设备，按照这样的优先级顺序供应制冷能量。
14.根据权利要求12所述的系统，其中在所述计划孤岛模式下，由所述可再生能源供应设备、所述CCHP单元和所述储能电池按照这样的优先级顺序供应电力，并且由对电力负载供电之后的其余可再生能源、在对所述电力负载供电时的所述CCHP单元、在驱动所述蓄冰空调时的所述CCHP单元，按照这样的优先级顺序供应制冷能量；以及
其中所述CCHP单元工作在其中所供应的制冷能量由电力确定且当不存在可用于制冰的电力时使用储能电池的模式下。
15.根据权利要求12所述的系统，其中在所述计划外孤岛模式下，如果在谷值时间段内，则将所述蓄冰空调的减少量的储存制冷能量重新调度到一个或多个随后的融冰时间间隔；如果在谷值时间外，则使所述蓄冰空调的融冰局限于最初调度的值；
其中，由所述可再生能源供应设备、所述CCHP单元和所述储能电池，按照这样的优先级顺序供应电力，并且由对电力负载供电之后的其余可再生能源、在对所述电力负载供电时的所述CCHP单元、在驱动所述蓄冰空调时的所述CCHP单元，按照这样的优先级顺序供应制冷能量；以及
其中，所述CCHP单元工作在其中所供应的制冷能量由电力确定，且当不存在可用于制冰的电力时使用所述储能电池的模式下。
16.根据权利要求1至15中的任一项所述的系统，其中借助于多目标粒子群优化算法来执行所述设备容量确定过程，并且选择所述多类型能量供应设备的数目或容量作为所述多目标粒子群优化算法的粒子。
17.一种用于针对微电网的容量确定的方法，其中所述微电网包括用以提供电能和热能两者的多类型能量供应设备，所述方法包括：
通过基于热需求与电需求之间的匹配关系和所述微电网的操作场景来确定在调度时段中的各时间间隔处所述多类型能量供应设备的操作优先级和CCHP单元的操作模式，而执行优化能量调度过程，所述热需求与所述电需求之间的所述匹配关系由所述热需求与所述电需求的比定义；
基于所述优化能量调度过程，执行用于使用于所述微电网的年综合成本和年能量中断成本两者最小化的设备容量确定过程，所述设备容量确定过程在电力供/需平衡和热能供/需平衡的约束以及对所述多类型能量供应设备的操作约束下被执行；
确定所述多类型能量供应设备的各自数目或容量；以及
基于所确定的所述各自数目或容量，调度所述微电网中的多能源。
18.根据权利要求17所述的方法，其中所述微电网包括可再生能源供应设备、储能电池、蓄冰空调、冷热电联产CCHP单元、普通空调设备以及普通供热设备。
19.根据权利要求18所述的方法，其中用于所述微电网的所述年综合成本包括年设备投资成本、年设备操作成本、年设备维护成本和年污染物处理成本，并且所述年能量中断成本包括用于电力中断的成本和用于热能中断的成本。
20.根据权利要求18所述的方法，其中对所述多类型能量供应设备的所述操作约束包括对所述CCHP单元的操作约束，其包括以下各项中的至少一个：
用于所述CCHP单元的电力输出效率模型；
用于所述CCHP单元的电力输出和制冷输出关系模型；以及
所述CCHP单元的所消耗气体体积与所述电力输出和所述电力输出效率之间的关系。
21.根据权利要求18所述的方法，其中对所述多类型能量供应设备的所述操作约束包括对所述蓄冰空调的操作约束，其包括以下各项中的至少一个：
空调模式下所述蓄冰空调的操作模型，
制冰模式下所述蓄冰空调的操作模型，
融冰模式下所述蓄冰空调的操作模型，
融冰&空调模式下所述蓄冰空调的操作模型，以及
所述蓄冰空调的蓄冰罐的操作模型。
22.根据权利要求17所述的方法，其中进一步在以下各项中的至少一个下执行所述设备容量确定过程：
可再生能源的年利用限制；
可再生能源的年废弃限制；
针对所述多类型能量供应设备的各自数目或容量的上限和/或下限；以及
针对在所述微电网与所述微电网能够连接到的宏电网之间交换的电力的上限和/或下限。
23.根据权利要求18所述的方法，其中所述热能包括制冷能量和供热能量，其中所述优化能量调度过程包括供热和电力协调日调度过程及制冷和电力协调日调度过程。
24.根据权利要求23所述的方法，其中所述供热和电力协调日调度过程被配置成基于所述微电网在所述调度时段的各时间间隔内是在电网连接模式还是计划孤模式下操作，而确定调度供热和电供应的策略，并且将可能未满足的电力负载重新调度到所述调度时段的一个或多个其它时间间隔，并且如果在一时间间隔内发生计划外孤岛事件，则对此时间间隔应用计划外孤岛模式。
25.根据权利要求24所述的方法，其中在所述电网连接模式下，由所述可再生能源供应设备、所述CCHP单元以及所述微电网能够连接到的宏电网，按照这样的优先级顺序供应电力，并且由所述CCHP单元和普通供热设备按照这样的优先级顺序供应热能。
26.根据权利要求24所述的方法，其中在所述计划孤岛模式下，由所述可再生能源供应设备、所述CCHP单元和所述储能电池，按照这样的优先级顺序供应电力，并且由所述CCHP单元和普通供热设备按照这样的优先级顺序供应热能，并且
其中所述CCHP单元工作在其中所供应的热能由电力确定的模式下。
27.根据权利要求24所述的方法，
其中在计划外孤岛模式下，基于调度的移入和移出电力负载来调整所述电力负载，
其中由所述可再生能源供应设备、所述CCHP单元和所述储能电池按照这样的顺序供应电力；并且由所述CCHP单元和所述普通供热设备按照这样的优先级顺序供应热能，以及
其中所述CCHP单元工作在其中所供应的热能由电力确定的模式下。
28.根据权利要求23所述的方法，其中所述制冷&电力协调日调度过程被配置成基于所述微电网在所述调度时段的各时间间隔内是在电网连接模式还是计划孤岛模式下操作，而确定调度供热和供电的策略，以及确定用于可能制冷需求差额的所需连续制冰小时，将可能未满足的电力负载重新调度到所述调度时段中的一个或多个其它时间间隔，并且如果在一时间间隔内发生计划外孤岛事件，则对此时间间隔应用计划外孤岛模式。
29.根据权利要求28所述的方法，其中在所述电网连接模式下，由所述可再生能源供应设备、所述CCHP单元以及所述微电网能够连接到的宏电网按照这样的优先级顺序供应电力，并且由在对电力负载供电之后的其余可再生能源、在对所述电力负载供电时的所述CCHP单元、在驱动所述蓄冰空调时的所述CCHP单元、用于驱动所述蓄冰空调的所述宏电网和所述普通空调设备，按照这样的优先级顺序供应制冷能量。
30.根据权利要求28所述的方法，其中在所述计划孤岛模式下，由所述可再生能源供应设备、所述CCHP单元和所述储能电池按照这样的优先级顺序供应电力，并且由对电力负载供电之后的其余可再生能源、在对所述电力负载供电时的所述CCHP单元、在驱动所述蓄冰空调时的所述CCHP单元，按照这样的优先级顺序供应制冷能量；并且
其中，所述CCHP单元工作在其中所供应的制冷能量由电力确定且当不存在可用于制冰的电力时使用所述储能电池的模式下。
31.根据权利要求19所述的方法，其中在所述计划外孤岛模式下，如果在谷值时间段内，则将所述蓄冰空调的减少量的储存制冷能量重新调度到一个或多个随后的融冰时间间隔；如果在谷值时间外，则使所述蓄冰空调的所述融冰局限于最初调度的值；
其中由所述可再生能源供应设备、所述CCHP单元和所述储能电池，按照这样的优先级顺序供应电力，并且由对电力负载供电之后的其余可再生能源、在对所述电力负载供电时的所述CCHP单元、在驱动所述蓄冰空调时的所述CCHP单元，按照这样的优先级顺序供应制冷能量；以及
其中所述CCHP单元工作在其中所供应的制冷能量由电力确定且当不存在可用于制冰的电力时使用所述储能电池的模式下。
32.根据权利要求17至31中的任一项所述的方法其中借助于多目标粒子群优化算法来执行所述设备容量确定过程，并且选择所述多类型能量供应设备的数目或容量作为所述多目标粒子群优化算法的粒子。
33.一种用于针对微电网的容量确定的设备，其中所述微电网包括用以提供电能和热能两者的多类型能量供应设备，所述设备包括：
通过基于热需求与电需求之间的匹配关系和所述微电网的操作场景来确定在调度时段中的各时间间隔处所述多类型能量供应设备的操作优先级和CCHP单元的操作模式，而执行优化能量调度过程的装置，所述热需求与所述电需求之间的所述匹配关系由所述热需求与所述电需求的比定义；
用于在电力供/需平衡和热能供/需平衡的约束以及对所述多类型能量供应设备的操作约束下，基于所述优化能量调度过程，执行用于使用于所述微电网的年综合成本和年能量中断成本两者最小化的设备容量确定过程的装置；
用于确定所述多类型能量供应设备的各自数目或容量的装置；以及
用于基于所确定的所述各自数目或容量来调度所述微电网中的多能源的装置。
34.一种用于微电网中的综合多能源调度的设备，其中所述微电网包括用以提供电能和热能两者的多类型能量供应设备，所述设备包括：
过程执行模块，其被配置成：
通过基于热需求与电需求之间的匹配关系和所述微电网的操作场景来确定在调度时段中的各时间间隔处所述多类型能量供应设备的操作优先级和CCHP单元的操作模式，而执行优化能量调度过程，所述热需求与所述电需求之间的所述匹配关系由所述热需求与所述电需求的比定义；
在电力供/需平衡和热能供/需平衡的约束以及对所述多类型能量供应设备的操作约束下，基于所述优化能量调度过程，执行用于使用于所述微电网的年综合成本和年能量中断成本两者最小化的设备容量确定过程；
确定所述多类型能量供应设备的各自数目或容量；以及
基于所确定的所述各自数目或容量，调度所述微电网中的多能源。
35.一种具有多个指令的有形计算机可读介质，所述多个指令可被处理器执行以调度所述微电网中的多能源，所述有形计算机可读介质包括被配置成执行根据权利要求17至32中的任一项所述的方法的步骤的指令。
CN201480082870.6A 2014-10-21 2014-10-21 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 Active CN107077704B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2014/088992 WO2016061741A1 (en) 2014-10-21 2014-10-21 System, method, and apparatus for capacity determination for micro grid, and tangible computer readable medium

Publications (2)

Publication Number Publication Date
CN107077704A CN107077704A (zh) 2017-08-18
CN107077704B true CN107077704B (zh) 2021-12-03

Family

ID=55760037

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480082870.6A Active CN107077704B (zh) 2014-10-21 2014-10-21 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

Country Status (4)

Country Link
US (1) US10290064B2 (zh)
CN (1) CN107077704B (zh)
AU (2) AU2014409485A1 (zh)
WO (1) WO2016061741A1 (zh)

Families Citing this family (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10545554B2 (en) * 2010-11-10 2020-01-28 Signify Holding B.V. Resource metering system and method using such a system for smart energy consumption
CN106815661B (zh) * 2017-02-22 2020-10-20 清华大学 一种热电联合系统的分解协调调度方法
CN106921178A (zh) * 2017-05-09 2017-07-04 杭州赫智电子科技有限公司 一种混合型微电网系统
CN107701329B (zh) * 2017-09-11 2020-08-28 国家电网公司 含可再生能源冷热电联产系统电储能装置日运行方法
CN107832979B (zh) * 2017-12-06 2021-05-11 浙江大学 一种考虑能量梯级利用的工厂综合能源系统经济优化调度方法
CN108321826A (zh) * 2018-04-10 2018-07-24 阳光电源股份有限公司 储能系统容量配置方法、装置以及系统
CN110391655B (zh) * 2018-04-20 2023-02-03 中国电力科学研究院有限公司 一种含多能源耦合的微能源网经济优化调度方法及装置
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
CN108805363B (zh) * 2018-06-25 2021-10-15 中国能源建设集团广东省电力设计研究院有限公司 冷热电联供系统定容方法及装置
CN109063909B (zh) * 2018-08-01 2022-04-15 北京国电通网络技术有限公司 一种暖通能源站运行方法、装置及电子设备
CN109462231B (zh) * 2018-11-15 2020-09-01 合肥工业大学 居民微电网的负荷优化调度方法、系统和存储介质
US11641177B2 (en) 2019-02-08 2023-05-02 8Me Nova, Llc Coordinated control of renewable electric generation resource and charge storage device
CN109754128B (zh) * 2019-02-18 2022-11-25 东北电力大学 一种计及气象波动特性差异典型场景的风/光/储/柴微电网优化配置方法
CN109919384A (zh) * 2019-03-14 2019-06-21 深圳市爱能森科技有限公司 蓄冷空调制冷主机容量预测方法、装置、存储介质及终端
CN109784589B (zh) * 2019-03-19 2023-03-24 广东电网有限责任公司 一种电网业扩报装用户接入优化方法、装置和设备
CN109755967B (zh) * 2019-03-26 2023-06-16 安徽工程大学 一种配电网中光储系统的优化配置方法
CN110048411B (zh) * 2019-04-23 2023-05-12 广东电网有限责任公司 基于多端口电能路由器的微电网组网方法、装置和设备
CN110209130A (zh) * 2019-05-07 2019-09-06 重庆科技学院 一种基于adhdp的冷热电联供型微网系统优化运行方法
CN110310173B (zh) * 2019-06-11 2021-10-08 上海电力学院 一种可再生能源参与中长期电力交易的电量分配方法
CN110504684B (zh) * 2019-08-21 2023-06-20 东北大学 一种区域多微网系统日前优化调度方法
CN110535067B (zh) * 2019-08-22 2021-07-27 中国电力科学研究院有限公司 一种敷设电缆通道内多回路高压电缆的方法和系统
CN114503120A (zh) * 2019-09-30 2022-05-13 西门子股份公司 综合能源系统的仿真方法、装置和计算机可读存储介质
CN110752600A (zh) * 2019-11-04 2020-02-04 国网四川省电力公司经济技术研究院 基于多能互补的清洁能源系统优化调度模型的构建方法
CN111224395A (zh) * 2019-11-26 2020-06-02 四川大学 一种面向多投资主体与多元交互的配电网协同运行方法
CN110794684B (zh) * 2019-11-28 2023-01-06 上海电气分布式能源科技有限公司 一种冷热电三联供系统中设备容量的配置方法
CN111144541B (zh) * 2019-12-12 2023-07-04 中国地质大学（武汉） 一种基于多种群粒子群优化方法的微波滤波器调试方法
CN111242388B (zh) * 2020-01-22 2022-04-05 上海电机学院 一种考虑冷热电联供的微电网优化调度方法
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
US11594885B2 (en) * 2020-03-03 2023-02-28 Massachusetts Institute Of Technology Photovoltaic grid capacity sensor
CN111429301B (zh) * 2020-03-26 2023-04-28 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
CN111523204B (zh) * 2020-03-31 2023-09-22 杭州鸿晟电力设计咨询有限公司 一种并网型综合能源网电-气储能系统优化配置求解方法
CN111539584B (zh) * 2020-05-21 2023-04-28 南方电网科学研究院有限责任公司 一种用户级综合能源系统规划方法、系统以及设备
CN111666664B (zh) * 2020-05-22 2023-10-27 湖北省电力勘测设计院有限公司 电-气综合能源系统新增供能元件置信容量的评估方法
CN111614110B (zh) * 2020-06-15 2022-01-04 南京工程学院 一种基于改进多目标粒子群算法的受端电网储能优化配置方法
CN111898806B (zh) * 2020-07-14 2023-10-20 国网综合能源服务集团有限公司 电-热耦合的源储荷集成多能流园区运行优化方法及系统
CN111969602B (zh) * 2020-08-14 2022-02-01 山东大学 一种综合能源系统的日前随机优化调度方法及装置
CN112580237B (zh) * 2020-12-09 2022-10-28 国网湖南省电力有限公司 电网融冰决策方法、装置、计算机设备和介质
CN112800619B (zh) * 2021-02-09 2022-08-05 上海电力大学 多源异质全可再生能源热电气储耦合系统建模与规划方法
CN113031447A (zh) * 2021-03-15 2021-06-25 上海电气集团股份有限公司 冷热电三联供系统中设备的配置方法、系统、设备和介质
CN113392513B (zh) * 2021-05-28 2022-05-03 国网河北省电力有限公司衡水供电分公司 冷热电联供系统多目标优化方法、装置及终端
CN113807884B (zh) * 2021-08-20 2024-05-14 国网浙江省电力有限公司经济技术研究院 一种园区综合能源系统电网接入容量确定方法及装置
CN117455422B (zh) * 2023-12-26 2024-03-08 山东赛马力发电设备有限公司 一种基于微电网的热能管理系统
CN117473686B (zh) * 2023-12-27 2024-04-12 中国能源建设集团湖南省电力设计院有限公司 一种多断面多层级约束下区域新能源承载力计算方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102882206A (zh) * 2012-08-28 2013-01-16 中国电力科学研究院 一种基于四维能量管理空间的多级微电网控制方法

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101925603B (zh) * 2007-12-13 2013-12-04 沃泰克斯药物股份有限公司 囊性纤维化跨膜通道调节因子的调节剂
US8706650B2 (en) * 2009-01-14 2014-04-22 Integral Analytics, Inc. Optimization of microgrid energy use and distribution
US20110082597A1 (en) * 2009-10-01 2011-04-07 Edsa Micro Corporation Microgrid model based automated real time simulation for market based electric power system optimization
CN101813941B (zh) * 2010-04-15 2014-12-03 上海齐耀动力技术有限公司 一种冷热电三联供设备能效优化调度系统
US20140214222A1 (en) * 2011-07-16 2014-07-31 Gregory C. Rouse Campus energy management
US8762196B2 (en) * 2011-07-20 2014-06-24 Nec Laboratories America, Inc. Systems and methods for optimizing microgrid capacity and storage investment under environmental regulations
CN102411303B (zh) * 2011-12-05 2014-02-19 华北电力大学 一种燃气型冷热电联供系统的优化调度装置及方法
US9200621B2 (en) * 2012-02-16 2015-12-01 Spyros James Lazaris Transmission system for delivery of dynamic demand response in a renewable energy-based electricity grid infrastructure
CN103797844B (zh) * 2012-09-13 2018-11-06 埃森哲环球服务有限公司 电网削峰填谷的方法、系统和装置及有形计算机可读介质
CN102930343A (zh) * 2012-09-28 2013-02-13 南方电网科学研究院有限责任公司 一种分布式发电供能系统能量优化方法
US9244446B2 (en) * 2012-11-29 2016-01-26 International Business Machines Corporation Configuring, optimizing and managing micro-grids
US9240685B2 (en) * 2013-01-21 2016-01-19 Hamilton Sundstrand Corporation Reconfigurable matrix-based power distribution architecture
CN103353979B (zh) 2013-05-31 2016-12-28 国家电网公司 一种分布式电源的优化选址与定容方法
US9733623B2 (en) * 2013-07-31 2017-08-15 Abb Research Ltd. Microgrid energy management system and method for controlling operation of a microgrid
CN103400042B (zh) * 2013-08-07 2016-05-04 东南大学 一种冷热电联供型微电网优化配置方法
CN103490410B (zh) * 2013-08-30 2014-07-02 江苏省电力设计院 一种基于多目标优化的微电网规划和容量配置方法
CN103617460A (zh) * 2013-12-06 2014-03-05 天津大学 冷热电联供微网系统的双层优化规划设计方法
US20150268643A1 (en) * 2014-01-08 2015-09-24 Nec Laboratories America, Inc. Quantifying the Impact of Constraints on a Grid-Tied Microgrid Using Optimal Control
CN106022503A (zh) * 2016-03-17 2016-10-12 北京睿新科技有限公司 面向具有耦合型电冷热需求的微电网容量规划方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102882206A (zh) * 2012-08-28 2013-01-16 中国电力科学研究院 一种基于四维能量管理空间的多级微电网控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Multi-objective Optimal Scheduling of a DC Micro-grid Consisted of PV System and EV Charging Station;Xinyi Lu;《IEEE》;20140811;全文 *
微电网运行策略及优化方法研究;郗宏伟;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20140215;C042-286 *

Also Published As

Publication number Publication date
WO2016061741A1 (en) 2016-04-28
US20170308968A1 (en) 2017-10-26
US10290064B2 (en) 2019-05-14
CN107077704A (zh) 2017-08-18
AU2018260878A1 (en) 2018-11-22
AU2014409485A1 (en) 2017-05-11

Similar Documents

Publication Publication Date Title
CN107077704B (zh) 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
US10122166B2 (en) System for integrated multi-energy scheduling control in a micro-grid
Amiri et al. Providing an integrated Model for Planning and Scheduling Energy Hubs and preventive maintenance
US9772643B2 (en) Methods, apparatus and systems for managing energy assets
Swaminathan et al. Sizing and dispatch of an islanded microgrid with energy flexible buildings
US9201411B2 (en) Optimal energy management of a microgrid system using multi-objective optimization
US9098876B2 (en) Facilitating revenue generation from wholesale electricity markets based on a self-tuning energy asset model
US9171276B2 (en) Facilitating revenue generation from wholesale electricity markets using an engineering-based model
US9514428B2 (en) Managing energy assets associated with transport operations
US9690312B2 (en) Facilitating revenue generation from wholesale electricity markets using an engineering-based energy asset model
McLarty et al. Micro-grid energy dispatch optimization and predictive control algorithms; A UC Irvine case study
US20150278968A1 (en) Facilitating revenue generation from data shifting by data centers
US20140039965A1 (en) Facilitating Revenue Generation From Data Shifting By Data Centers
WO2012145563A1 (en) Methods, apparatus and systems for managing energy assets
Hurwitz et al. Economic efficiency and carbon emissions in multi-energy systems with flexible buildings
Nielsen et al. Probabilistic forecasting and optimization in CHP systems
Georgiou et al. A linear programming approach to the optimal utilization of renewable energy sources in buildings
Fu Modeling and control for grid-interactive efficient data centers
Mahmoudian et al. Sensitivity analysis in a multi-carrier energy hub system through electrical and thermal profile procurement
Kim Modeling, control, and optimization of combined heat and power plants
Wenzel et al. Large scale optimization problems for central energy facilities with distributed energy storage
Kamal Optimization and Performance Study of Select Heating Ventilation and Air Conditioning Technologies for Commercial Buildings
Brandt Batteries and Thermal Energy Storage: An Analytical Method for Sizing and Analyzing Potential Synergies in Hybrid Systems
Sawhney et al. EMS for Active and Reactive Power Management in a Polygeneration Microgrid Feeding a PED
Schellong et al. Integration of cogeneration systems into smart grids

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant