CN107301275A - 用于分布式能源系统技术选型的配置及容量优化方法 - Google Patents
用于分布式能源系统技术选型的配置及容量优化方法 Download PDFInfo
- Publication number
- CN107301275A CN107301275A CN201710389292.6A CN201710389292A CN107301275A CN 107301275 A CN107301275 A CN 107301275A CN 201710389292 A CN201710389292 A CN 201710389292A CN 107301275 A CN107301275 A CN 107301275A
- Authority
- CN
- China
- Prior art keywords
- energy
- resource system
- capacity
- selection
- configuration
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供一种用于分布式能源系统技术选型的配置及容量优化方法，包括以下步骤：(1)分析分布式能源系统的负荷；(2)分析分布式能源系统所处地点的资源；(3)选择一种技术选型；(4)采用混合整数线性规划方法，满足能量平衡约束、能源生产设备约束与能源存储设备约束，计算年均化成本最低的配置及容量。本发明提供的分布式能源系统技术选型及容量配置优化方法，采用混合整数线性规划算法进行分布式能源系统的设计，兼顾了连续性设计变量和离散性设计变量的综合求解，能够实现多种不同分布式能源技术优化建模，提高了系统优化建模灵活性与求解的可行性，有效解决大时间尺度的优化求解问题，保证了设计变量的求解精度，保证了系统设计的客观性和优化结果的准确性，帮助用户实现分布式能源系统的设计。
Description
技术领域
本发明涉及分布式能源领域，具体涉及一种用于分布式能源系统技术选型的配置及容量优化方法。
背景技术
分布式能源技术种类众多，包含光伏、风机等可再生能源发电技术和传统的 基于微燃机、燃机、燃气内燃机等设备的冷热电三联供技术，同时还包括储能电 池、电动汽车、蓄冷/热等新型的分布式能源应用技术。各种技术在进行设备选型 和容量配置的设计过程中，既包含连续性设计变量，如光伏安装面积、电池容量， 又包含离散性设计变量，如风机容量和台数、CHP容量与台数。如图1所示，是 分布式能源系统技术选择流程图，其中包含连续性设备和离散性设备，考虑从资 源到负荷的各个环节，包括资源、能源生产、能源存储、能源转换、负荷，各环 节有ni种可能选择，总体设计可能方案最多有2n1*n2*n3*n4*n5种可能的组合，用户进 行系统设计时难以确定何种技术、何种容量，另外设计中引入时间尺度时，优化 问题的规模急剧扩大，若以一小时作为最小的时间尺度，考虑一年中的能源供给 和需求的变化，问题的规模就会被扩大8760倍，设计计算体量巨大。
现有的针对分布式能源系统设计的方法，不能满足实际分布式能源系统多种 类型设计变量和大时间设计尺度问题的求解，存在建模困难、求解困难等问题， 对于不同类型的分布式能源系统设计准确性较差，优化效果参差不齐。
现有的规划软件缺乏有效的建模手段，或者通过简单建模过程从而极大简化 系统复杂性，忽略了系统设计同时存在离散性变量和连续性变量，也不能考虑大 时间尺度规模的问题求解，而实际的能源系统中存在不同技术类型，变量性质不 同，规划的时间尺度也不同，这样就使得设计方案精确度较差。
发明内容
鉴于现有技术中存在的问题，本发明采用混合整数线性规划算法(MILP，MixedInteger Linear Programming)进行分布式能源系统的设计，兼顾了连续性设计变量 和离散性设计变量的综合求解，能够很好地实现多种不同分布式能源技术优化建模， 提高了系统优化建模灵活性与求解的可行性，有效解决大时间尺度的优化求解问题， 保证了设计变量的求解精度，保证了系统设计的客观性和优化结果的准确性，帮助 用户实现分布式能源系统的设计。
本专利在算法上是基于混合整数线性规划算法(MILP，Mixed Integer LinearProgramming)提高了系统优化建模灵活性与求解的可行性。
本发明提供一种用于分布式能源系统技术选型的配置及容量优化方法，分布式能源系统包括能源生产设备与能源存储设备，方法包括以下步骤：
(1)分析分布式能源系统的负荷；
(2)分析分布式能源系统所处地点的资源；
(3)选择一种技术选型；
(4)采用混合整数线性规划方法，满足能量平衡约束、能源生产设备约束与能源存储设备约束，计算年均化成本最低的配置及容量。
进一步地，步骤(2)分析分布式能源系统所处地点的资源，包括以下步骤：
(21)获取分布式能源系统所处地点的气象数据；
(22)对地点进行辐照分析，和/或对地点进行风速分析。
进一步地，步骤(3)选择一种技术选型，包括以下步骤：
(31)选定能源生产设备和/或能源存储设备的类型；
(32)将选定类型的能源生产设备和/或能源存储设备进行线性化建模；
(33)选定相应类型的能源生产设备和/或能源存储设备的型号；
(34)设定选定型号的能源生产设备参数和/或能源存储设备参数。
进一步地，选定类型的能源生产设备是光伏，(32)将选定类型的能源生产设备和/或能源存储设备进行线性化建模，包括以下步骤：
(321)设定安装面积约束；
(322)光伏的发电量约束。
进一步地，选定类型的能源生产设备是风机，(32)将选定类型的能源生产设备和/或能源存储设备进行线性化建模，包括以下步骤：
(323)设定风机容量约束；
(324)设定风机出力约束；
(325)设定风机台数约束。
进一步地，选定类型的能源生产设备是配电系统，(32)将选定类型的能源生产设备和/或能源存储设备进行线性化建模，包括以下步骤：
(326)设定购电容量约束；
(327)设定售电容量约束；
(328)设定购售电容量约束。
进一步地，选定类型的能源存储设备为储能电池，(32)将选定类型的能源生产设备和/或能源存储设备进行线性化建模，包括以下步骤：
(329)设定充电特性约束。
进一步地，选定类型的能源存储设备为储热装置，(32)将选定类型的能源生产设备和/或能源存储设备进行线性化建模，包括以下步骤：
(3210)设定热平衡约束；
(3211)设定储热约束；
(3212)设定放热约束；
(3213)设定热损失约束；
(3214)设定热存储的运行约束。
进一步地，选定类型的能源生产设备是光伏，(34)设定选定型号的能源生产设备参数和/或能源存储设备参数，包括以下步骤：
(341)设定单位面积光伏容量、单位容量成本、单位容量维护成本、寿命以及光 伏转换效率。
进一步地，选定类型的能源生产设备是风机，(34)设定选定型号的能源生产设备参数和/或能源存储设备参数，包括以下步骤：
(342)设定单位容量成本、单位容量维护成本、寿命、单台风机额定功率、风机 切入风速、风机切出风速以及风机额定风速。
进一步地，选定类型的能源存储设备为储能电池，(34)设定选定型号的能源生产设备参数和/或能源存储设备参数，包括以下步骤：
(343)设定单位容量成本、单位容量维护成本、寿命、充电效率、放电效率、自 放电率、容量下限、容量上限、最小SOC、单次充电比例限制以及单次放电比例限制。
进一步地，能源生产设备的类型为光伏、风机、电网、冷热电三联供燃机系统、 光热系统、直燃机中的一个或多个。
进一步地，能源存储设备的类型为储电、储热中的一个或多个。
进一步地，分布式能源系统还包括能源转换设备，能源转换设备的类型为电锅炉、燃气锅炉、溴冷机电制冷、热交换器、吸收式制冷机中的一个或多个。
与现有技术相比，本发明提供的用于分布式能源系统技术选型的配置及容量优化方法，具有以下有益效果：采用混合整数线性规划算法(MILP，Mixed Integer LinearProgramming)进行分布式能源系统的设计，兼顾了连续性设计变量和离散 性设计变量的综合求解，能够很好地实现多种不同分布式能源技术优化建模，提 高了系统优化建模灵活性与求解的可行性，有效解决大时间尺度的优化求解问题， 保证了设计变量的求解精度，帮助用户实现分布式能源系统的设计，保证了系统设 计的客观性和优化结果的准确性，帮助用户实现分布式能源系统的设计。
附图说明
图1是分布式能源系统技术选择流程示意图；
图2是本发明的一个实施例的用于分布式能源系统技术选型的配置及容量优化方法的流程图；
图3是海水淡化设备日均能耗曲线；
图4是海水淡化项目所处地点的全年辐照曲线；
图5是海水淡化项目所处地点的日平均辐照曲线；
图6是海水淡化项目所处地点的全年风速曲线；
图7是海水淡化项目所处地点的典型日风速曲线；
图8是海水淡化项目采用本发明的用于分布式能源系统技术选型的配置及容量优化方法的优化结果。
具体实施方式
线性规划(Linear programming,简称LP)是运筹学中研究较早、发展较快、 应用广泛、方法较成熟的一个重要分支，它是辅助人们进行科学管理的一种数学 方法，研究线性约束条件下线性目标函数的极值问题的数学理论和方法，广泛应 用于军事作战、经济分析、经营管理和工程技术等方面。为合理地利用有限的人 力、物力、财力等资源作出的最优决策，提供科学的依据。
整数规划(Interger Programming，简记IP)是近三十年来发展起来的、规划 论的一个分支.整数规划问题是要求决策变量取整数值的线性或非线性规划问题， 整数线性规划是要求决策变量取整数值的线性规划问题。
整数规划又分为：
(1)纯整数规划：所有决策变量均要求为整数的整数规划；
(2)混合整数规划：部分决策变量均要求为整数的整数规划；
(3)纯0－1整数规划：所有决策变量均要求为0－1的整数规划；
(4)混合0－1规划：部分决策变量均要求为0－1的整数规划。
决策变量代表产品的件数、个数、台数、箱数、艘数、辆数等等，则变量就 只能取整数值。
本发明中采用的混合整数线性规划算法，也就是部分决策变量为整数的整数 规划的整数线性规划。
采用混合整数线性规划，包括以下步骤：
(1)列出约束条件及目标函数；
(2)获取约束条件所表示的可行域；
(3)在可行域内求目标函数的最优解及最优值。
以中东地区某海水淡化项目作为实例，根据本发明的方法，进行分布式能源系 统技术选型及容量配置。
项目地点经度为66.688，纬度为24.9377。
该项目中，由分布式能源系统为海水淡化设备提供电能。
分布式能源系统包括能源生产设备与能源存储设备。
本实施例中分布式能源系统技术选型及容量配置优化方法，包括以下步骤：
(1)分析分布式能源系统的负荷；
(2)分析分布式能源系统所处地点的资源；
(3)选择一种技术选型；
(4)采用混合整数线性规划方法，满足能量平衡约束、能源生产设备约束与能源存储设备约束，计算年均化成本最低的配置及容量。
具体地，步骤(1)分析分布式能源系统的负荷，即分析海水淡化设备的能耗， 下表为海水淡化的能耗表：
从海水淡化过程中能耗较为稳定，平均能耗功率约为712kW，全天耗电量为52273KWh，海水淡化设备日均能耗曲线如图3所示。
步骤(2)分析分布式能源系统所处地点的资源，包括以下步骤：
(21)获取分布式能源系统所处地点的气象数据；
(22)对所述地点进行辐照分析，和/或对所述地点进行风速分析。
对于分析分布式能源系统所处地点的资源，如果考虑仅配备光伏，可以只对所述地点进行辐照分析；如果考虑仅配备风机，可以只对所述地点进行风速分析；本实 施例中，考虑同时配备光伏与风机，对所述地点进行辐照分析，和对所述地点进行 风速分析。
对于辐照分析：
输入参数：空气洁净度、12个月平均辐照；
得出结果：全年8760小时的数据，水平面年辐照总量、最佳倾角、最佳倾角下的 年辐照总量。
对于风速分析：
风速输入：12个月平均风速；
风速输出：全年8760小时的数据，年平均风速、最大风速。
具体地，(21)获取分布式能源系统所处地点的气象数据，如下表所示：
| 月份 | 全辐射(kwh/m2) | 散射(kwh/m2) | 温度(℃) | 风速(m/s) |
| 一月 | 126 | 50 | 20.6 | 3.1 |
| 二月 | 127 | 54 | 22.1 | 3.1 |
| 三月 | 164 | 70 | 24.7 | 3.6 |
| 四月 | 184 | 75 | 27.9 | 3.6 |
| 五月 | 192 | 84 | 29.3 | 4.1 |
| 六月 | 181 | 83 | 30 | 4.1 |
| 七月 | 148 | 84 | 28.5 | 4.6 |
| 八月 | 148 | 81 | 28.1 | 4.1 |
| 九月 | 168 | 70 | 29.9 | 3.6 |
| 十月 | 160 | 60 | 29.5 | 3.1 |
| 十一月 | 125 | 50 | 25.9 | 3.1 |
| 十二月 | 112 | 48 | 21.9 | 3.1 |
步骤(22)对所述地点进行辐照分析，计算可得项目所处地点全年辐照曲线， 如图4所示，以及日平均辐照曲线，如图5所示。
步骤(23)对所述地点进行风速分析，计算可得项目所处地点全年风速曲线， 以及取3个典型日风速(即取三天的风速值，如图6所示)进行系统设计验证， 如图7所示。
步骤(3)选择一种技术选型，包括以下步骤：
(31)选定能源生产设备和/或能源存储设备的类型；
(32)将选定类型的能源生产设备和/或能源存储设备进行线性化建模；
(33)选定相应类型的能源生产设备和/或能源存储设备的型号；
(34)设定选定型号的能源生产设备参数和/或能源存储设备参数。
步骤(31)选定能源生产设备和/或能源存储设备的类型，能源生产设备的类 型为光伏、风机、电网、冷热电三联供燃机系统、光热系统、直燃机中的一个或多个； 能源存储设备的类型为储电、储热中的一个或多个。
采用混合整数线性规划方法(MILP)，就需要将分布式能源技术的设计变量 用连续性变量和离散性变量进行线性化建模。
本实施例中，能源生产设备的类型为光伏、风机，能源存储设备的类型为储能 电池。
光伏建模主要考虑辐照、温度和光伏输出功率之间的关系，光伏的发电量由安装面积APV(连续性变量)和当地的辐射资源情况Is决定，建模时考虑安装面 积上限约束以及光伏发电量约束。
选定类型的能源生产设备是光伏，(32)将选定类型的能源生产设备和/或能 源存储设备进行线性化建模，包括以下步骤：
(321)设定安装面积约束；
(322)光伏的发电量约束。
具体地，(321)设定安装面积约束：
其中APV为安装面积，为安装面积上限约束；
(322)设定光伏的发电量约束：
其中为光伏的发电量，Is为辐射参数。
风机建模主要根据各个容量等级的风机出力求解风机台数NWT(离散性变量)，同时考虑风机的容量约束限制和出力限制。
选定类型的能源生产设备是风机，(32)将选定类型的能源生产设备和/或能源存储设备进行线性化建模，包括以下步骤：
(323)设定风机容量约束；
(324)设定风机出力约束；
(325)设定风机台数约束。
具体地，(323)设定风机容量约束：
(324)设定风机出力约束：
(325)设定风机台数约束：
其中，风机台数为是离散性设计变量，风机容量为连续性设计变量，采用混合 整数线性规划算法(MILP，Mixed Integer Linear Programming)进行分布式能源系 统的设计，兼顾了连续性设计变量和离散性设计变量的综合求解，能够很好地实现多 种不同分布式能源技术优化建模，有效解决大时间尺度的优化求解问题，保证了设计 变量的求解精度，帮助用户实现分布式能源系统的设计。
储能电池的建模基础主要是依据储电电池的电能平衡图，阴影部分表示电池 的能量损失。
选定类型的能源存储设备为储能电池，(32)将选定类型的能源生产设备和/ 或能源存储设备进行线性化建模，包括以下步骤：
(329)设定充电特性约束：
另加制约条件保证电池合理的运行：
充电和放电不能同时发生。这样的约束可以通过表征充放电状态的二进制数 字来进行模拟：
每一天开始的电池电量等于前一天结束时的电池电量：
选定类型的能源生产设备是光伏，(34)设定选定型号的能源生产设备参数和 /或能源存储设备参数，包括以下步骤：
(341)设定单位面积光伏容量、单位容量成本、单位容量维护成本、寿命以 及光伏转换效率。
具体地，设定以下光伏设备参数：
选定类型的能源生产设备是风机，(34)设定选定型号的能源生产设备参数和 /或能源存储设备参数，包括以下步骤：
(342)设定单位容量成本、单位容量维护成本、寿命、单台风机额定功率、 风机切入风速、风机切出风速以及风机额定风速。
具体地，风机采用W2000-99，单机容量为2MW，设定以下风机参数：
选定类型的能源存储设备为储能电池，(34)设定选定型号的能源生产设备参 数和/或能源存储设备参数，包括以下步骤：
(343)设定单位容量成本、单位容量维护成本、寿命、充电效率、放电效率、 自放电率、容量下限、容量上限、最小SOC、单次充电比例限制以及单次放电比 例限制。
具体地，设定以下储能电池参数：
设置完成后，采用进行混合整数线性规划进行优化，满足能量平衡约束、能 源生产设备约束与能源存储设备约束，计算年均化成本最低的配置及容量，如图8 所示，得到配置及容量为：
●光伏：2MW
●风机：2MW(1台W2000-99)
●储能电池：3.75MWh
●年均化投资成本为：388.69万
在另一个实施例中，选定类型的能源生产设备是配电系统。
配电系统建模主要是确定约束购售电容量
和(连续性变量)，购售电状态约束和
步骤(32)将选定类型的能源生产设备和/或能源存储设备进行线性化建模， 包括以下步骤：
(326)设定购电容量约束；
(327)设定售电容量约束；
(328)设定购售电容量约束。
具体地，(326)设定购电容量约束：
其中为购电容量，为购电容量最大值；
(327)设定售电容量约束：
其中为售电容量，为售电容量最大值；
(328)设定购售电容量约束：
设置完成后，利用规划设计软件，计算相应技术选型的各个容量配置的年均 化成本，从中选取年均化成本最低的容量配置及其相应的技术选型。
在又一个实施例中，选定类型的能源存储设备为储热装置，步骤(32)将选 定类型的能源生产设备和/或能源存储设备进行线性化建模，包括以下步骤：
(3210)设定热平衡约束；
(3211)设定储热约束；
(3212)设定放热约束；
(3213)设定热损失约束；
(3214)设定热存储的运行约束。
(3210)设定热平衡约束：
(3211)设定储热约束：
(3212)设定放热约束：
(3213)设定热损失约束：
(3214)设定热存储的运行约束：
设置完成后，计算相应技术选型的各个容量配置的年均化成本，从中选取年 均化成本最低的容量配置及其相应的技术选型。
分布式能源系统还可以包括能源转换设备，能源转换设备的类型为电锅炉、燃气锅炉、溴冷机电制冷、热交换器、吸收式制冷机中的一个或多个。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人 员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技 术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者 有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (14)
1.一种用于分布式能源系统技术选型的配置及容量优化方法，分布式能源系统包括能源生产设备与能源存储设备，其特征在于，所述方法包括以下步骤：
(1)分析分布式能源系统的负荷；
(2)分析分布式能源系统所处地点的资源；
(3)选择一种技术选型；
(4)采用混合整数线性规划方法，满足能量平衡约束、能源生产设备约束与能源存储设备约束，计算年均化成本最低的配置及容量。
2.如权利要求1所述的用于分布式能源系统技术选型的配置及容量优化方法，其特征在于，步骤(2)分析分布式能源系统所处地点的资源，包括以下步骤：
(21)获取分布式能源系统所处地点的气象数据；
(22)对所述地点进行辐照分析，和/或对所述地点进行风速分析。
3.如权利要求1所述的用于分布式能源系统技术选型的配置及容量优化方法，其特征在于，步骤(3)选择一种技术选型，包括以下步骤：
(31)选定能源生产设备和/或能源存储设备的类型；
(32)将选定类型的能源生产设备和/或能源存储设备进行线性化建模；
(33)选定相应类型的能源生产设备和/或能源存储设备的型号；
(34)设定选定型号的能源生产设备参数和/或能源存储设备参数。
4.如权利要求3所述的用于分布式能源系统技术选型的配置及容量优化方法，其特征在于，选定类型的能源生产设备是光伏，(32)将选定类型的能源生产设备和/或能源存储设备进行线性化建模，包括以下步骤：
(321)设定安装面积约束；
(322)光伏的发电量约束。
5.如权利要求3所述的用于分布式能源系统技术选型的配置及容量优化方法，其特征在于，选定类型的能源生产设备是风机，(32)将选定类型的能源生产设备和/或能源存储设备进行线性化建模，包括以下步骤：
(323)设定风机容量约束；
(324)设定风机出力约束；
(325)设定风机台数约束。
6.如权利要求3所述的用于分布式能源系统技术选型的配置及容量优化方法，其特征在于，选定类型的能源生产设备是配电系统，(32)将选定类型的能源生产设备和/或能源存储设备进行线性化建模，包括以下步骤：
(326)设定购电容量约束；
(327)设定售电容量约束；
(328)设定购售电容量约束。
7.如权利要求3所述的用于分布式能源系统技术选型的配置及容量优化方法，其特征在于，选定类型的能源存储设备为储能电池，(32)将选定类型的能源生产设备和/或能源存储设备进行线性化建模，包括以下步骤：
(329)设定充电特性约束。
8.如权利要求3所述的用于分布式能源系统技术选型的配置及容量优化方法，其特征在于，选定类型的能源存储设备为储热装置，(32)将选定类型的能源生产设备和/或能源存储设备进行线性化建模，包括以下步骤：
(3210)设定热平衡约束；
(3211)设定储热约束；
(3212)设定放热约束；
(3213)设定热损失约束；
(3214)设定热存储的运行约束。
9.如权利要求3所述的用于分布式能源系统技术选型的配置及容量优化方法，其特征在于，选定类型的能源生产设备是光伏，(34)设定选定型号的能源生产设备参数和/或能源存储设备参数，包括以下步骤：
(341)设定单位面积光伏容量、单位容量成本、单位容量维护成本、寿命以及光伏转换效率。
10.如权利要求3所述的用于分布式能源系统技术选型的配置及容量优化方法，其特征在于，选定类型的能源生产设备是风机，(34)设定选定型号的能源生产设备参数和/或能源存储设备参数，包括以下步骤：
(342)设定单位容量成本、单位容量维护成本、寿命、单台风机额定功率、风机切入风速、风机切出风速以及风机额定风速。
11.如权利要求3所述的用于分布式能源系统技术选型的配置及容量优化方法，其特征在于，选定类型的能源存储设备为储能电池，(34)设定选定型号的能源生产设备参数和/或能源存储设备参数，包括以下步骤：
(343)设定单位容量成本、单位容量维护成本、寿命、充电效率、放电效率、自放电率、容量下限、容量上限、最小SOC、单次充电比例限制以及单次放电比例限制。
12.如权利要求1所述的用于分布式能源系统技术选型的配置及容量优化方法，其特征在于，能源生产设备的类型为光伏、风机、电网、冷热电三联供燃机系统、光热系统、直燃机中的一个或多个。
13.如权利要求1所述的用于分布式能源系统技术选型的配置及容量优化方法，其特征在于，能源存储设备的类型为储电、储热中的一个或多个。
14.如权利要求1所述的用于分布式能源系统技术选型的配置及容量优化方法，分布式能源系统还包括能源转换设备，能源转换设备的类型为电锅炉、燃气锅炉、溴冷机电制冷、热交换器、吸收式制冷机中的一个或多个。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710389292.6A CN107301275A (zh) | 2017-05-27 | 2017-05-27 | 用于分布式能源系统技术选型的配置及容量优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710389292.6A CN107301275A (zh) | 2017-05-27 | 2017-05-27 | 用于分布式能源系统技术选型的配置及容量优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107301275A true CN107301275A (zh) | 2017-10-27 |
Family
ID=60137207
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710389292.6A Pending CN107301275A (zh) | 2017-05-27 | 2017-05-27 | 用于分布式能源系统技术选型的配置及容量优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107301275A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN110110904A (zh) * | 2019-04-17 | 2019-08-09 | 华北电力大学 | 考虑经济性、独立性和碳排放的综合能源系统优化方法 |
| CN112116122A (zh) * | 2020-08-02 | 2020-12-22 | 国网辽宁省电力有限公司电力科学研究院 | 一种提升电网灵活性的楼宇热电联产系统运行优化方法 |
-
2017
- 2017-05-27 CN CN201710389292.6A patent/CN107301275A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| 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 |
| CN110110904A (zh) * | 2019-04-17 | 2019-08-09 | 华北电力大学 | 考虑经济性、独立性和碳排放的综合能源系统优化方法 |
| CN112116122A (zh) * | 2020-08-02 | 2020-12-22 | 国网辽宁省电力有限公司电力科学研究院 | 一种提升电网灵活性的楼宇热电联产系统运行优化方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109165788B (zh) | 一种冷热电联供系统的优化方法 | |
| Soheyli et al. | Modeling a novel CCHP system including solar and wind renewable energy resources and sizing by a CC-MOPSO algorithm | |
| Liu et al. | Coordinated operation of multi-integrated energy system based on linear weighted sum and grasshopper optimization algorithm | |
| CN109859071B (zh) | 虚拟电厂多能互补的源荷储优化配置方法 | |
| HassanzadehFard et al. | Optimal sizing and siting of renewable energy resources in distribution systems considering time varying electrical/heating/cooling loads using PSO algorithm | |
| CN109103926A (zh) | 基于多辐照特性年气象场景的光伏发电接纳能力计算方法 | |
| CN108206543A (zh) | 一种基于能源梯级利用的能源路由器及其运行优化方法 | |
| JP6118973B2 (ja) | 熱電設備のシミュレーションシステム及び熱電設備運転方法 | |
| Arandian et al. | Effects of environmental emissions on optimal combination and allocation of renewable and non-renewable CHP technologies in heat and electricity distribution networks based on improved particle swarm optimization algorithm | |
| CN109615141A (zh) | 一种多能源系统并网优化调度方法及装置 | |
| CN110110897A (zh) | 一种考虑不同储能运行策略的综合能源系统优化方法 | |
| CN110659788A (zh) | 一种用户侧综合能源系统的供需平衡分析方法和系统 | |
| CN109861302A (zh) | 一种基于主从博弈的能源互联网日前优化控制方法 | |
| CN107301275A (zh) | 用于分布式能源系统技术选型的配置及容量优化方法 | |
| CN114595868A (zh) | 一种综合能源系统源网荷储协同规划方法及系统 | |
| CN111523204B (zh) | 一种并网型综合能源网电-气储能系统优化配置求解方法 | |
| CN114154744A (zh) | 综合能源系统的扩容规划方法、装置及电子设备 | |
| Bartecka et al. | Sizing of prosumer hybrid renewable energy systems in Poland | |
| Yan et al. | Design and optimal siting of regional heat-gas-renewable energy system based on building clusters | |
| CN114662752A (zh) | 基于价格型需求响应模型的综合能源系统运行优化方法 | |
| Azizivahed et al. | Multi-area dynamic economic dispatch considering water consumption minimization, wind generation, and energy storage system | |
| Melo et al. | A decision-making method to choose optimal systems considering financial and environmental aspects: Application in hybrid CCHP systems | |
| CN111126675A (zh) | 多能互补微网系统优化方法 | |
| Cannata et al. | Multi-objective optimization of urban microgrid energy supply according to economic and environmental criteria | |
| CN112883630A (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 |
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 |