CN108665188A - 一种基于优化模型的园区多能源主体综合配比方法 - Google Patents
一种基于优化模型的园区多能源主体综合配比方法 Download PDFInfo
- Publication number
- CN108665188A CN108665188A CN201810502086.6A CN201810502086A CN108665188A CN 108665188 A CN108665188 A CN 108665188A CN 201810502086 A CN201810502086 A CN 201810502086A CN 108665188 A CN108665188 A CN 108665188A
- Authority
- CN
- China
- Prior art keywords
- energy
- thousand kilowatts
- cold
- garden
- power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 17
- 238000003786 synthesis reaction Methods 0.000 title claims abstract description 17
- 238000005457 optimization Methods 0.000 claims abstract description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 150
- 239000003345 natural gas Substances 0.000 claims description 75
- 239000002245 particle Substances 0.000 claims description 55
- 238000004364 calculation method Methods 0.000 claims description 47
- 230000009194 climbing Effects 0.000 claims description 42
- 230000005611 electricity Effects 0.000 claims description 34
- 238000005057 refrigeration Methods 0.000 claims description 27
- 230000007704 transition Effects 0.000 claims description 18
- 238000005485 electric heating Methods 0.000 claims description 17
- 230000003750 conditioning effect Effects 0.000 claims description 16
- 239000007789 gas Substances 0.000 claims description 14
- 238000010438 heat treatment Methods 0.000 claims description 12
- 238000012946 outsourcing Methods 0.000 claims description 10
- 238000011084 recovery Methods 0.000 claims description 9
- 230000006978 adaptation Effects 0.000 claims description 6
- 230000013632 homeostatic process Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 238000004140 cleaning Methods 0.000 abstract description 2
- 230000001172 regenerating effect Effects 0.000 abstract description 2
- 239000002918 waste heat Substances 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005553 drilling Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000009975 flexible effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Biodiversity & Conservation Biology (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (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)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种基于优化模型的园区多能源主体综合配比方法，其技术特点在于：包括以下步骤：步骤1、以年值成本最小化为园区多能源主体综合配比优化目标，构建年值成本最小化的优化模型目标函数；步骤2、构建优化模型约束条件；步骤3、基于粒子群算法求解步骤1的年值成本最小化的优化模型，输出目标值和最优解，得到园区多能源主体综合配比。本发明有助于促进园区内部可再生能源消纳，提升园区综合能源利用效率，实现园区内部多种能源资源的优化配置，在园区内部形成清洁、安全、智能的新型能源消费方式。
Description
技术领域
本发明属于能源互联网技术领域，涉及园区多能源主体综合配比方法，尤其是一种基于优化模型的园区多能源主体综合配比方法。
背景技术
目前我国能源领域面临环境污染、能源结构不合理、综合利用效率低、系统灵活性低等问题。自2015年以来，我国不断推进电力体制改革和能源互联网发展，目前将是我国能源战略性转型的关键时期。综合能源系统能够通过横向多能互补、纵向“源-网-荷-储”协调、集中与分布式相结合，促进高比例可再生能源利用，综合能源利用效率提升，系统灵活性提升。综合能源系统是我国能源领域发展的方向，而园区是综合能源系统的起点和落脚点。
当前园区综合能源系统的多能源主体综合配比方法主要包括“以电定热”(following electric load，FEL)和“以热定电”(following thermal load，FTL)两种：
(1)“以热定电”的多能源主体综合配比方法：综合考虑供热季典型日、供冷季典型日和过渡季典型日的综合用能场景，优先利用回收的废热能来满足热负荷需求，伴随产生的电能来供给电负荷。电能不足时，通过向外部电网购电来满足电负荷需求。
(2)“以电定热”的多能源主体综合配比方法：综合考虑供热季典型日、供冷季典型日和过渡季典型日的综合用能场景，优先满足多种负荷中电负荷的需求，利用余热锅炉回收发电后的废热来满足负荷区制冷、供暖及生活热水对热负荷的需求。在热能不足的情况下，可采取燃料补充的方式来满足系统对热能的需求。
但是，现有的“以热定电”和“以电定热”两种多能源主体综合配比方法具有以下两方面缺点：
(1)未考虑系统全寿命周期内总成本最小化的目标；
(2)未综合考虑供热季、供冷季和过渡季的不同能源负荷特性。
现有多能源主体综合配比方法的上述缺点将导致园区内部多能源主体的能源利用效率、经济性并未处于最优状态，不利于园区的可持续发展。
发明内容
本发明的目的在于提供一种设计合理、通用性较好且有助于促进园区内部可再生能源消纳的基于优化模型的园区多能源主体综合配比方法。
本发明解决其现实问题是采取以下技术方案实现的：
一种基于优化模型的园区多能源主体综合配比方法，包括以下步骤：
步骤1、以年值成本最小化为园区多能源主体综合配比优化目标，综合考虑园区多能源主体供应和转化设备的年折旧及运行维护成本、外购电成本和外购天然气成本，分别计算各类型成本，构建年值成本最小化的优化模型目标函数；
步骤2、综合考虑园区投资约束、园区能源自平衡约束、多能源主体负荷平衡约束、园区外部能源输入约束、多能源主体供应和转化设备出力及爬坡约束和变量非负及整数约束，构建优化模型约束条件；
步骤3、基于粒子群算法求解步骤1的年值成本最小化的优化模型，输出目标值和最优解，得到园区多能源主体综合配比。
而且，所述步骤1的具体步骤包括：
步骤1-1：计算多能源主体供应和转化设备的年折旧成本，计算公式如下：
式中，ADC为多能源主体供应和转化设备的年折旧成本(万元/年)；ADCi为设备i的年折旧成本(万元/年/台)；ni为设备i的数量(台)；
Ii为设备i的初始投资成本(万元/台)；(A/P,i0,mi)为以i0为折现率，设备i的使用寿命mi为时间周期的等额分付资本回收系数(1/年)；εi为设备i的残值率(％)；
步骤1-2：计算多能源主体供应和转化设备的年运行维护成本，计算公式如下：
式中，AOC为多能源主体供应和转化设备的年运行维护成本(万元/年)；AOCi为设备i的年运行维护成本(万元/年)；γi为设备i年运行维护成本费率(％)；
步骤1-3：计算园区年外购电成本，计算公式如下：
式中，ACe为外购电成本(万元/年)；为供热季典型日时段t外部电网的输入电功率(万千瓦)；Δt为单位时间间隔；NHS为一年中供热季典型日的天数(天)；为供冷季典型日时段t外部电网的输入电功率(万千瓦)；NCS为一年中供冷季典型日的天数(天)；为过渡季典型日时段t外部电网的输入电功率(万千瓦)；NTS为一年中过渡季典型日的天数(天)；pe为外购电电价(元/千瓦时)；
步骤1-4：计算园区年外天然气成本，计算公式如下：
式中，ACNG为外购天然气成本(万元/年)；为供热季典型日时段t外部天然气的输入量(立方米)；为供冷季典型日时段t外部天然气的输入量(立方米)；为过渡季典型日时段t外部天然气的输入量(立方米)；pNG为外购天然气气价(元/立方米)；
步骤1-5：构建优化模型目标函数，计算公式如下：
TAC＝ADC+AOC+ACe+ACNG
f＝Min(TAC)
式中，TAC为总年值成本(万元/年)；Min()为最小化函数；f是为优化模型目标函数。
而且，所述步骤2的具体步骤包括：
步骤2-1：构建园区投资约束，各种能源供应和转化设备的初始投资成本应小于一定资金规模，其计算公式如下：
式中，BMax为初始投资最大资金规模(万元)。
步骤2-2：构建园区能源自平衡约束，在保障运行安全可靠性的前提下，园区应当能够实现冷、热、电多种能源供需自我平衡运行，其计算公式如下：
式中，为风电机组的输出电功率上限(万千瓦)；nWT为风电机组的数量(台)；为光伏机组的输出电功率上限(万千瓦)；nPV为光伏机组的数量(台)；为天然气冷-热-电三联供系统的输出电功率上限(万千瓦)；nWT为天然气冷-热-电三联供系统的数量(台)；为年度最大电负荷(万千瓦)；λL为电能安全系数(％)；
为天然气冷-热-电三联供系统的输出热功率上限(万千瓦)；为电制热设备的输出热功率上限(万千瓦)；nEH为电制热设备的数量(台)；为年度最大热负荷(万千瓦)；λH为热能安全系数(％)；
为天然气冷-热-电三联供系统的输出冷功率上限(万千瓦)；为电制热设备的输出冷功率上限(万千瓦)；nEC为电制冷设备的数量(台)；为年度最大冷负荷(万千瓦)；λC为冷能安全系数(％)。
步骤2-3：构建多能源主体负荷平衡约束，基于供热季典型日、供冷季典型日和过渡季典型日的综合用能场景，园区内部冷、热、电多能源主体负荷应当实现实时平衡，其计算公式如下：
式中，s为典型日类型，包括供热季典型日、供冷季典型日和过渡季典型日三种；为典型日时段t的外部电网的输入电功率(万千瓦)；为典型日时段t风电机组的输出电功率(万千瓦)；为典型日时段t光伏机组的输出电功率(万千瓦)；为典型日时段t天然气冷-热-电三联供系统的输出电功率(万千瓦)；为典型日时段t的电负荷(万千瓦)；为典型日时段t电制热设备的输入电动率(万千瓦)；为典型日时段t电制冷设备的输入电动率(万千瓦)；为典型日时段t天然气冷-热-电三联供系统的输出热功率(万千瓦)；为典型日时段t电制热设备的输出热动率(万千瓦)；为典型日时段t的热负荷(万千瓦)；为典型日时段t天然气冷-热-电三联供系统的输出冷功率(万千瓦)；为典型日时段t电制冷设备的输出冷动率(万千瓦)；为典型日时段t的冷负荷(万千瓦)；
步骤2-4：构建园区外部能源输入约束，园区与外部电网的交换电能功率以及输入园区的天然气量应当维持在一定的范围内，其计算公式如下：
式中，为典型日时段t外部电网的输入电功率(万千瓦)；为典型日时段t外部天然气的输入量(立方米)；为与外部电网的最小交换电能功率(万千瓦)；为与外部电网的最大交换电能功率(万千瓦)；为输入园区的最大天然气量(立方米)；
步骤2-5：构建多能源主体供应和转化设备出力约束，能源供应和转化设备出力应当在上下限范围之内，其计算公式如下：
式中，为天然气冷-热-电三联供系统的输出电功率下限(万千瓦)；为天然气冷-热-电三联供系统的输出热功率下限(万千瓦)；为电制热设备的输出热功率下限(万千瓦)；为天然气冷-热-电三联供系统的输出冷功率下限(万千瓦)；为电制热设备的输出冷功率下限(万千瓦)；
步骤2-6：构建多能源主体供应和转化设备爬坡约束，能源供应和转化设备出力调节能力应当在一定范围之内，其计算公式如下：
式中，为风电机组输出电功率的上爬坡能力(万千瓦)；为风电机组输出电功率的下爬坡能力(万千瓦)；为光伏机组输出电功率的上爬坡能力(万千瓦)；为光伏机组输出电功率的下爬坡能力(万千瓦)；
为天然气冷-热-电三联供系统输出电功率的上爬坡能力(万千瓦)；
为天然气冷-热-电三联供系统输出电功率的下爬坡能力(万千瓦)；
为天然气冷-热-电三联供系统输出热功率的上爬坡能力(万千瓦)；
为天然气冷-热-电三联供系统输出热功率的下爬坡能力(万千瓦)；
为电制热设备输出热功率的上爬坡能力(万千瓦)；
为电制热设备输出热功率的下爬坡能力(万千瓦)；
为天然气冷-热-电三联供系统输出冷功率的上爬坡能力(万千瓦)；
为天然气冷-热-电三联供系统输出冷功率的下爬坡能力(万千瓦)；
为电制冷设备输出冷功率的上爬坡能力(万千瓦)；
为电制冷设备输出冷功率的下爬坡能力(万千瓦)；
步骤2-7：构建变量非负及整数约束，能源供应和转化设备出力应为非负数，设备数量应为非负整数，其计算公式如下：
nWT/nPV/nMT/nEH/nEC≥0且为整数
而且，所述步骤3包括如下具体步骤：
步骤3-1：设置粒子群初始速度和位置，其计算公式如下：
式中，n为群体规模，d为搜索空间，为粒子i初始位置，为粒子i初始速度；
步骤3-2：计算粒子i适应度，其计算公式如下：
式中，为粒子i在第k次迭代的适应度；f(x)为粒子适应度函数；为粒子i在第k次迭代的位置；
步骤3-3：计算粒子i个体极值和个体极值位置，个体极值为粒子i在第k次迭代及以前的最大适应度，个体极值位置为个体极值所在位置，其计算公式如下：
xPbest,i＝f-1(pPbest,i)
式中，pPbest,i为粒子i个体极值；Max()为最大化函数；xPbest,i为粒子i个体极值位置；f-1(x)为粒子适应度反函数。
步骤3-4：计算全局极值和全局极值位置，全局极值为粒子群内所有粒子在第k次迭代及以前的最大适应度，全局极值位置为全局极值所在位置，其计算公式如下：
pGbest＝Max(pPbest,1,pPbest,2,...,pPbest,n)
xGbest＝f-1(pGbest)
式中，pGbest为全局极值；xGbest为全局极值位置；
步骤3-5：判断是否满足迭代次数达到最大迭代次数或者全局极值满足最小界限的收敛条件，若满足收敛条件，则转至步骤3-7；如不满足收敛条件，则转至步骤3-6，其计算公式如下：
k≤T
式中，T为最大迭代次数；Δp为全局极值最小界限；
步骤3-6：更新粒子i位置和速度，更新后返回步骤2-2且迭代次数k加1，其计算公式如下：
式中，为粒子i在第k+1次迭代的第l维速度；ω为惯性权重；
为粒子i在第k次迭代的第l维速度；c1为学习因子1；r1为范围为[0,1]的随机数1；c2为学习因子2；r2为范围为[0,1]的随机数2；xPhest,i,l为粒子i个体极值的第l维位置；为粒子i在第k次迭代的第l维位置；xGhest,l为全局极值的第l维位置；为粒子i在第k+1次迭代的第l维位置。
步骤3-7：输出目标函数最小值pGbest及模型最优解xGbest。
本发明的优点和有益效果：
本发明可应用于园区综合能源系统规划等工作中，有助于促进园区内部可再生能源消纳，提升园区综合能源利用效率，实现园区内部多种能源资源的优化配置，在园区内部形成清洁、安全、智能的新型能源消费方式。具体来说，(1)本发明综合考虑年折旧及运行维护成本、外购电成本和外购天然气成本，以年值成本最小化构建目标函数，能够实现园区多能源主体在全寿命周期内总成本最小化；(2)本发明约束条件中综合考虑供热季、供冷季和过渡季典型日的不同能源负荷特性和系统运行状态，能够使配比结果更加科学合理。
附图说明
图1为本发明的处理流程图；
图2为本发明的园区多能源主体系统的示意图；
图3为本发明的粒子群算法流程的示意图。
具体实施方式
以下结合附图对本发明实施例作进一步详述：
本发明以图2所示的园区多能源主体系统为例，进行详细说明：
园区多能主体系统是一种靠近用户侧的综合能源系统，包括外部电力、天然气等外部能源输入，伏机组、风电机组、天然气冷-热-电三联供系统、电制热设备、电制冷设备等多种能源供应和转化设备，以及电、热、冷等多种负荷需求。其中，外部电力和天然气分别通过并网点变压器和压缩机送入园区；天然气冷热电三联供系统由燃气轮机、余热锅炉和吸收式制冷机构成，能够将外部输入的天然气转化为电能、热能和冷能；风电机组和光伏机组能够将园区范围内的风能和太阳能转化为电能；电制热设备和电制冷设备分别能够将电能转化为热能和冷能；电、冷、热负荷主要包括园区范围内工业企业生产制造、工商业运营、居民生活等用电、用冷、用热需求。园区多能主体系统通过大电网、天然气的外部能源输入和风、光等可再生能源的就地利用，利用光伏机组、风电机组、天然气冷-热-电三联供系统、电制热设备、电制冷设备等多种能源供应和转化设备，为园区终端用户提供冷、热、电等多种类型能源，满足园区范围内多种类型能源负荷需求。通过合理配置外部电力、天然气输入，光伏机组、风电机组、天然气冷-热-电三联供系统、电制热设备、电制冷设备等多种能源供应和转化设备的容量，将能够实现园区范围内安全、可靠、高效、经济的电、热、冷综合能源供应。
一种基于优化模型的园区多能源主体综合配比方法，如图1所示，包括以下步骤：
步骤1、以年值成本最小化为园区多能源主体综合配比优化目标，综合考虑园区多能源主体供应和转化设备的年折旧及运行维护成本、外购电成本和外购天然气成本，分别计算各类型成本，构建年值成本最小化的优化模型目标函数；
所述步骤1的具体步骤包括：
步骤1-1：计算多能源主体供应和转化设备的年折旧成本，计算公式如下：
式中，ADC为多能源主体供应和转化设备的年折旧成本(万元/年)；
ADCi为设备i的年折旧成本(万元/年/台)；ni为设备i的数量(台)；
Ii为设备i的初始投资成本(万元/台)；(A/P,i0,mi)为以i0为折现率，设备i的使用寿命mi为时间周期的等额分付资本回收系数(1/年)；εi为设备i的残值率(％)；
步骤1-2：计算多能源主体供应和转化设备的年运行维护成本，计算公式如下：
式中，AOC为多能源主体供应和转化设备的年运行维护成本(万元/年)；AOCi为设备i的年运行维护成本(万元/年)；γi为设备i年运行维护成本费率(％)；
步骤1-3：计算园区年外购电成本，计算公式如下：
式中，ACe为外购电成本(万元/年)；为供热季典型日时段t外部电网的输入电功率(万千瓦)；Δt为单位时间间隔；NHS为一年中供热季典型日的天数(天)；为供冷季典型日时段t外部电网的输入电功率(万千瓦)；NCS为一年中供冷季典型日的天数(天)；为过渡季典型日时段t外部电网的输入电功率(万千瓦)；NTS为一年中过渡季典型日的天数(天)；pe为外购电电价(元/千瓦时)；
步骤1-4：计算园区年外天然气成本，计算公式如下：
式中，ACNG为外购天然气成本(万元/年)；为供热季典型日时段t外部天然气的输入量(立方米)；为供冷季典型日时段t外部天然气的输入量(立方米)；为过渡季典型日时段t外部天然气的输入量(立方米)；pNG为外购天然气气价(元/立方米)；
步骤1-5：构建优化模型目标函数，计算公式如下：
TAC＝ADC+AOC+ACe+ACNG
f＝Min(TAC)
式中，TAC为总年值成本(万元/年)；Min()为最小化函数；f为为优化模型目标函数。
步骤2、综合考虑园区投资约束、园区能源自平衡约束、多能源主体负荷平衡约束、园区外部能源输入约束、多能源主体供应和转化设备出力及爬坡约束和变量非负及整数约束，构建优化模型约束条件；
所述步骤2的具体步骤包括：
步骤2-1：构建园区投资约束，各种能源供应和转化设备的初始投资成本应小于一定资金规模，其计算公式如下：
式中，BMax为初始投资最大资金规模(万元)。
步骤2-2：构建园区能源自平衡约束，在保障运行安全可靠性的前提下，园区应当能够实现冷、热、电多种能源供需自我平衡运行，其计算公式如下：
式中，为风电机组的输出电功率上限(万千瓦)；nWT为风电机组的数量(台)；为光伏机组的输出电功率上限(万千瓦)；nPV为光伏机组的数量(台)；为天然气冷-热-电三联供系统的输出电功率上限(万千瓦)；nWT为天然气冷-热-电三联供系统的数量(台)；为年度最大电负荷(万千瓦)；λL为电能安全系数(％)；
为天然气冷-热-电三联供系统的输出热功率上限(万千瓦)；为电制热设备的输出热功率上限(万千瓦)；nEH为电制热设备的数量(台)；为年度最大热负荷(万千瓦)；λH为热能安全系数(％)；
为天然气冷-热-电三联供系统的输出冷功率上限(万千瓦)；为电制热设备的输出冷功率上限(万千瓦)；nEC为电制冷设备的数量(台)；为年度最大冷负荷(万千瓦)；λC为冷能安全系数(％)。
步骤2-3：构建多能源主体负荷平衡约束，基于供热季典型日、供冷季典型日和过渡季典型日的综合用能场景，园区内部冷、热、电多能源主体负荷应当实现实时平衡，其计算公式如下：
式中，s为典型日类型，包括供热季典型日、供冷季典型日和过渡季典型日三种；为典型日时段t的外部电网的输入电功率(万千瓦)；为典型日时段t风电机组的输出电功率(万千瓦)；为典型日时段t光伏机组的输出电功率(万千瓦)；为典型日时段t天然气冷-热-电三联供系统的输出电功率(万千瓦)；为典型日时段t的电负荷(万千瓦)；为典型日时段t电制热设备的输入电动率(万千瓦)；为典型日时段t电制冷设备的输入电动率(万千瓦)；为典型日时段t天然气冷-热-电三联供系统的输出热功率(万千瓦)；为典型日时段t电制热设备的输出热动率(万千瓦)；为典型日时段t的热负荷(万千瓦)；为典型日时段t天然气冷-热-电三联供系统的输出冷功率(万千瓦)；为典型日时段t电制冷设备的输出冷动率(万千瓦)；为典型日时段t的冷负荷(万千瓦)；
步骤2-4：构建园区外部能源输入约束，园区与外部电网的交换电能功率以及输入园区的天然气量应当维持在一定的范围内，其计算公式如下：
式中，为典型日时段t外部电网的输入电功率(万千瓦)；为典型日时段t外部天然气的输入量(立方米)；为与外部电网的最小交换电能功率(万千瓦)；为与外部电网的最大交换电能功率(万千瓦)；为输入园区的最大天然气量(立方米)；
步骤2-5：构建多能源主体供应和转化设备出力约束，能源供应和转化设备出力应当在上下限范围之内，其计算公式如下：
式中，为天然气冷-热-电三联供系统的输出电功率下限(万千瓦)；为天然气冷-热-电三联供系统的输出热功率下限(万千瓦)；为电制热设备的输出热功率下限(万千瓦)；为天然气冷-热-电三联供系统的输出冷功率下限(万千瓦)；为电制热设备的输出冷功率下限(万千瓦)；
步骤2-6：构建多能源主体供应和转化设备爬坡约束，能源供应和转化设备出力调节能力应当在一定范围之内，其计算公式如下：
式中，为风电机组输出电功率的上爬坡能力(万千瓦)；为风电机组输出电功率的下爬坡能力(万千瓦)；为光伏机组输出电功率的上爬坡能力(万千瓦)；为光伏机组输出电功率的下爬坡能力(万千瓦)；
为天然气冷-热-电三联供系统输出电功率的上爬坡能力(万千瓦)；
为天然气冷-热-电三联供系统输出电功率的下爬坡能力(万千瓦)；
为天然气冷-热-电三联供系统输出热功率的上爬坡能力(万千瓦)；
为天然气冷-热-电三联供系统输出热功率的下爬坡能力(万千瓦)；
为电制热设备输出热功率的上爬坡能力(万千瓦)；
为电制热设备输出热功率的下爬坡能力(万千瓦)；
为天然气冷-热-电三联供系统输出冷功率的上爬坡能力(万千瓦)；
为天然气冷-热-电三联供系统输出冷功率的下爬坡能力(万千瓦)；
为电制冷设备输出冷功率的上爬坡能力(万千瓦)；
为电制冷设备输出冷功率的下爬坡能力(万千瓦)；
步骤2-7：构建变量非负及整数约束，能源供应和转化设备出力应为非负数，设备数量应为非负整数，其计算公式如下：
nWT/nPV/nMT/nEH/nEC≥0且为整数
步骤3、基于粒子群算法求解步骤1的年值成本最小化的优化模型，输出目标值和最优解，得到园区多能源主体综合配比；
所述步骤1的年值成本最小化的优化模型为混合整数规划模型，可利用粒子群算法进行求解，其具体处理流程如图3所示。
所述步骤3包括如下具体步骤：
步骤3-1：设置粒子群初始速度和位置，其计算公式如下：
式中，n为群体规模，d为搜索空间，为粒子i初始位置，为粒子i初始速度；
步骤3-2：计算粒子i适应度，其计算公式如下：
式中，为粒子i在第k次迭代的适应度；f(x)为粒子适应度函数；为粒子i在第k次迭代的位置；
步骤3-3：计算粒子i个体极值和个体极值位置，个体极值为粒子i在第k次迭代及以前的最大适应度，个体极值位置为个体极值所在位置，其计算公式如下：
xPbest,i＝f-1(pPbest,i)
式中，pPbest,i为粒子i个体极值；Max()为最大化函数；xPbest,i为粒子i个体极值位置；f-1(x)为粒子适应度反函数。
步骤3-4：计算全局极值和全局极值位置，全局极值为粒子群内所有粒子在第k次迭代及以前的最大适应度，全局极值位置为全局极值所在位置，其计算公式如下：
pGbest＝Max(pPbest,1,pPbest,2,...,pPbest,n)
xGbest＝f-1(pGbest)
式中，pGbest为全局极值；xGbest为全局极值位置；
步骤3-5：判断是否满足迭代次数达到最大迭代次数或者全局极值满足最小界限的收敛条件，若满足收敛条件，则转至步骤3-7；如不满足收敛条件，则转至步骤3-6，其计算公式如下：
k≤T
式中，T为最大迭代次数；Δp为全局极值最小界限；
步骤3-6：更新粒子i位置和速度，更新后返回步骤2-2且迭代次数k加1，其计算公式如下：
式中，为粒子i在第k+1次迭代的第l维速度；ω为惯性权重；
为粒子i在第k次迭代的第l维速度；c1为学习因子1；r1为范围为[0,1]的随机数1；c2为学习因子2；r2为范围为[0,1]的随机数2；xPhest,i,l为粒子i个体极值的第l维位置；为粒子i在第k次迭代的第l维位置；xGhest,l为全局极值的第l维位置；为粒子i在第k+1次迭代的第l维位置。
步骤3-7：输出目标函数最小值pGbest及模型最优解xGbest。
需要强调的是，本发明所述实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。
Claims (4)
1.一种基于优化模型的园区多能源主体综合配比方法，其特征在于：包括以下步骤：
步骤1、以年值成本最小化为园区多能源主体综合配比优化目标，综合考虑园区多能源主体供应和转化设备的年折旧及运行维护成本、外购电成本和外购天然气成本，分别计算各类型成本，构建年值成本最小化的优化模型目标函数；
步骤2、综合考虑园区投资约束、园区能源自平衡约束、多能源主体负荷平衡约束、园区外部能源输入约束、多能源主体供应和转化设备出力及爬坡约束和变量非负及整数约束，构建优化模型约束条件；
步骤3、基于粒子群算法求解步骤1的年值成本最小化的优化模型，输出目标值和最优解，得到园区多能源主体综合配比。
2.根据权利要求1所述的一种基于优化模型的园区多能源主体综合配比方法，其特征在于：所述步骤1的具体步骤包括：
步骤1-1：计算多能源主体供应和转化设备的年折旧成本，计算公式如下：
式中，ADC为多能源主体供应和转化设备的年折旧成本(万元/年)；ADCi为设备i的年折旧成本(万元/年/台)；ni为设备i的数量(台)；
Ii为设备i的初始投资成本(万元/台)；(A/P,i0,mi)为以i0为折现率，设备i的使用寿命mi为时间周期的等额分付资本回收系数(1/年)；εi为设备i的残值率(％)；
步骤1-2：计算多能源主体供应和转化设备的年运行维护成本，计算公式如下：
式中，AOC为多能源主体供应和转化设备的年运行维护成本(万元/年)；AOCi为设备i的年运行维护成本(万元/年)；γi为设备i年运行维护成本费率(％)；
步骤1-3：计算园区年外购电成本，计算公式如下：
式中，ACe为外购电成本(万元/年)；为供热季典型日时段t外部电网的输入电功率(万千瓦)；Δt为单位时间间隔；NHS为一年中供热季典型日的天数(天)；为供冷季典型日时段t外部电网的输入电功率(万千瓦)；NCS为一年中供冷季典型日的天数(天)；为过渡季典型日时段t外部电网的输入电功率(万千瓦)；NTS为一年中过渡季典型日的天数(天)；pe为外购电电价(元/千瓦时)；
步骤1-4：计算园区年外天然气成本，计算公式如下：
式中，ACNG为外购天然气成本(万元/年)；为供热季典型日时段t外部天然气的输入量(立方米)；为供冷季典型日时段t外部天然气的输入量(立方米)；为过渡季典型日时段t外部天然气的输入量(立方米)；pNG为外购天然气气价(元/立方米)；
步骤1-5：构建优化模型目标函数，计算公式如下：
TAC＝ADC+AOC+ACe+ACNG
f＝Min(TAC)
式中，TAC为总年值成本(万元/年)；Min()为最小化函数；f是为优化模型目标函数。
3.根据权利要求1所述的一种基于优化模型的园区多能源主体综合配比方法，其特征在于：所述步骤2的具体步骤包括：
步骤2-1：构建园区投资约束，各种能源供应和转化设备的初始投资成本应小于一定资金规模，其计算公式如下：
式中，BMax为初始投资最大资金规模(万元)；
步骤2-2：构建园区能源自平衡约束，在保障运行安全可靠性的前提下，园区应当能够实现冷、热、电多种能源供需自我平衡运行，其计算公式如下：
式中，为风电机组的输出电功率上限(万千瓦)；nWT为风电机组的数量(台)；为光伏机组的输出电功率上限(万千瓦)；nPV为光伏机组的数量(台)；为天然气冷-热-电三联供系统的输出电功率上限(万千瓦)；nWT为天然气冷-热-电三联供系统的数量(台)；为年度最大电负荷(万千瓦)；λL为电能安全系数(％)；
为天然气冷-热-电三联供系统的输出热功率上限(万千瓦)；为电制热设备的输出热功率上限(万千瓦)；nEH为电制热设备的数量(台)；为年度最大热负荷(万千瓦)；λH为热能安全系数(％)；
为天然气冷-热-电三联供系统的输出冷功率上限(万千瓦)；为电制热设备的输出冷功率上限(万千瓦)；nEC为电制冷设备的数量(台)；为年度最大冷负荷(万千瓦)；λC为冷能安全系数(％)；
步骤2-3：构建多能源主体负荷平衡约束，基于供热季典型日、供冷季典型日和过渡季典型日的综合用能场景，园区内部冷、热、电多能源主体负荷应当实现实时平衡，其计算公式如下：
式中，s为典型日类型，包括供热季典型日、供冷季典型日和过渡季典型日三种；为典型日时段t的外部电网的输入电功率(万千瓦)；为典型日时段t风电机组的输出电功率(万千瓦)；为典型日时段t光伏机组的输出电功率(万千瓦)；为典型日时段t天然气冷-热-电三联供系统的输出电功率(万千瓦)；为典型日时段t的电负荷(万千瓦)；为典型日时段t电制热设备的输入电动率(万千瓦)；为典型日时段t电制冷设备的输入电动率(万千瓦)；为典型日时段t天然气冷-热-电三联供系统的输出热功率(万千瓦)；为典型日时段t电制热设备的输出热动率(万千瓦)；为典型日时段t的热负荷(万千瓦)；为典型日时段t天然气冷-热-电三联供系统的输出冷功率(万千瓦)；为典型日时段t电制冷设备的输出冷动率(万千瓦)；为典型日时段t的冷负荷(万千瓦)；
步骤2-4：构建园区外部能源输入约束，园区与外部电网的交换电能功率以及输入园区的天然气量应当维持在一定的范围内，其计算公式如下：
式中，为典型日时段t外部电网的输入电功率(万千瓦)；为典型日时段t外部天然气的输入量(立方米)；为与外部电网的最小交换电能功率(万千瓦)；为与外部电网的最大交换电能功率(万千瓦)；为输入园区的最大天然气量(立方米)；
步骤2-5：构建多能源主体供应和转化设备出力约束，能源供应和转化设备出力应当在上下限范围之内，其计算公式如下：
式中，为天然气冷-热-电三联供系统的输出电功率下限(万千瓦)；为天然气冷-热-电三联供系统的输出热功率下限(万千瓦)；为电制热设备的输出热功率下限(万千瓦)；为天然气冷-热-电三联供系统的输出冷功率下限(万千瓦)；为电制热设备的输出冷功率下限(万千瓦)；
步骤2-6：构建多能源主体供应和转化设备爬坡约束，能源供应和转化设备出力调节能力应当在一定范围之内，其计算公式如下：
式中，为风电机组输出电功率的上爬坡能力(万千瓦)；为风电机组输出电功率的下爬坡能力(万千瓦)；为光伏机组输出电功率的上爬坡能力(万千瓦)；为光伏机组输出电功率的下爬坡能力(万千瓦)；
为天然气冷-热-电三联供系统输出电功率的上爬坡能力(万千瓦)；
为天然气冷-热-电三联供系统输出电功率的下爬坡能力(万千瓦)；
为天然气冷-热-电三联供系统输出热功率的上爬坡能力(万千瓦)；
为天然气冷-热-电三联供系统输出热功率的下爬坡能力(万千瓦)；
为电制热设备输出热功率的上爬坡能力(万千瓦)；
为电制热设备输出热功率的下爬坡能力(万千瓦)；
为天然气冷-热-电三联供系统输出冷功率的上爬坡能力(万千瓦)；
为天然气冷-热-电三联供系统输出冷功率的下爬坡能力(万千瓦)；
为电制冷设备输出冷功率的上爬坡能力(万千瓦)；
为电制冷设备输出冷功率的下爬坡能力(万千瓦)；
步骤2-7：构建变量非负及整数约束，能源供应和转化设备出力应为非负数，设备数量应为非负整数，其计算公式如下：
nWT/nPV/nMT/nEH/nEC≥0且为整数。
4.根据权利要求1所述的一种基于优化模型的园区多能源主体综合配比方法，其特征在于：所述步骤3包括如下具体步骤：
步骤3-1：设置粒子群初始速度和位置，其计算公式如下：
式中，n为群体规模，d为搜索空间，为粒子i初始位置，为粒子i初始速度；
步骤3-2：计算粒子i适应度，其计算公式如下：
式中，为粒子i在第k次迭代的适应度；f(x)为粒子适应度函数；为粒子i在第k次迭代的位置；
步骤3-3：计算粒子i个体极值和个体极值位置，个体极值为粒子i在第k次迭代及以前的最大适应度，个体极值位置为个体极值所在位置，其计算公式如下：
xPbest,i＝f-1(pPbest,i)
式中，pPbest,i为粒子i个体极值；Max()为最大化函数；xPbest,i为粒子i个体极值位置；f-1(x)为粒子适应度反函数。
步骤3-4：计算全局极值和全局极值位置，全局极值为粒子群内所有粒子在第k次迭代及以前的最大适应度，全局极值位置为全局极值所在位置，其计算公式如下：
pGbest＝Max(pPbest,1,pPbest,2,...,pPbest,n)
xGbest＝f-1(pGbest)
式中，pGbest为全局极值；xGbest为全局极值位置；
步骤3-5：判断是否满足迭代次数达到最大迭代次数或者全局极值满足最小界限的收敛条件，若满足收敛条件，则转至步骤3-7；如不满足收敛条件，则转至步骤3-6，其计算公式如下：
k≤T
式中，T为最大迭代次数；Δp为全局极值最小界限；
步骤3-6：更新粒子i位置和速度，更新后返回步骤2-2且迭代次数k加1，其计算公式如下：
式中，为粒子i在第k+1次迭代的第l维速度；ω为惯性权重；为粒子i在第k次迭代的第l维速度；c1为学习因子1；r1为范围为[0,1]的随机数1；c2为学习因子2；r2为范围为[0,1]的随机数2；xPhest,i,l为粒子i个体极值的第l维位置；为粒子i在第k次迭代的第l维位置；xGhest,l为全局极值的第l维位置；为粒子i在第k+1次迭代的第l维位置。
步骤3-7：输出目标函数最小值pGbest及模型最优解xGbest。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810502086.6A CN108665188B (zh) | 2018-05-23 | 2018-05-23 | 一种基于优化模型的园区多能源主体综合配比方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810502086.6A CN108665188B (zh) | 2018-05-23 | 2018-05-23 | 一种基于优化模型的园区多能源主体综合配比方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108665188A true CN108665188A (zh) | 2018-10-16 |
| CN108665188B CN108665188B (zh) | 2022-03-18 |
Family
ID=63777531
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810502086.6A Active CN108665188B (zh) | 2018-05-23 | 2018-05-23 | 一种基于优化模型的园区多能源主体综合配比方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108665188B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109449918A (zh) * | 2018-09-13 | 2019-03-08 | 北京国电通网络技术有限公司 | 区域内综合能源系统的构建方法和规划装置 |
| CN110086184A (zh) * | 2019-04-11 | 2019-08-02 | 华北电力大学 | 一种基于投资约束的园区级综合能源系统容量优化方法 |
| CN110598313A (zh) * | 2019-09-10 | 2019-12-20 | 国网河北省电力有限公司 | 计及储能全寿命周期运维的综合能源系统优化配置方法 |
| CN110598913A (zh) * | 2019-08-21 | 2019-12-20 | 全球能源互联网研究院有限公司 | 一种园区综合能源系统设备容量配置的优化方法及系统 |
| CN110910272A (zh) * | 2019-10-28 | 2020-03-24 | 国网天津市电力公司 | 一种城市综合能源系统多目标优化方法 |
| CN112819191A (zh) * | 2019-11-18 | 2021-05-18 | 国网能源研究院有限公司 | 一种面向工程应用的园区综合能源系统运行优化分析方法 |
| WO2021098401A1 (zh) * | 2019-11-18 | 2021-05-27 | 西安热工研究院有限公司 | 一种基于改进型粒子群算法的混合储能系统容量规划方法 |
| CN113315148A (zh) * | 2021-07-08 | 2021-08-27 | 傲普(上海)新能源有限公司 | 机组系统调频中储能系统的容量配置方法和系统 |
| CN113408769A (zh) * | 2020-03-16 | 2021-09-17 | 上海电力大学 | 一种基于多负荷响应的园区综合能源系统调度方法 |
| CN113469430A (zh) * | 2021-06-29 | 2021-10-01 | 华电电力科学研究院有限公司 | 综合用能园区的多能互补容量配置方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107609693A (zh) * | 2017-08-31 | 2018-01-19 | 安徽大学 | 基于Pareto档案粒子群算法的微电网多目标优化方法 |
| CN107807523A (zh) * | 2017-10-18 | 2018-03-16 | 国网天津市电力公司电力科学研究院 | 考虑分时电价的区域能源互联网多源协调优化运行策略 |
| CN108022055A (zh) * | 2017-12-28 | 2018-05-11 | 无锡英臻科技有限公司 | 一种基于粒子群模型的微电网经济调度方法 |
-
2018
- 2018-05-23 CN CN201810502086.6A patent/CN108665188B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107609693A (zh) * | 2017-08-31 | 2018-01-19 | 安徽大学 | 基于Pareto档案粒子群算法的微电网多目标优化方法 |
| CN107807523A (zh) * | 2017-10-18 | 2018-03-16 | 国网天津市电力公司电力科学研究院 | 考虑分时电价的区域能源互联网多源协调优化运行策略 |
| CN108022055A (zh) * | 2017-12-28 | 2018-05-11 | 无锡英臻科技有限公司 | 一种基于粒子群模型的微电网经济调度方法 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109449918A (zh) * | 2018-09-13 | 2019-03-08 | 北京国电通网络技术有限公司 | 区域内综合能源系统的构建方法和规划装置 |
| CN110086184A (zh) * | 2019-04-11 | 2019-08-02 | 华北电力大学 | 一种基于投资约束的园区级综合能源系统容量优化方法 |
| CN110598913A (zh) * | 2019-08-21 | 2019-12-20 | 全球能源互联网研究院有限公司 | 一种园区综合能源系统设备容量配置的优化方法及系统 |
| CN110598313B (zh) * | 2019-09-10 | 2023-05-16 | 国网河北省电力有限公司 | 计及储能全寿命周期运维的综合能源系统优化配置方法 |
| CN110598313A (zh) * | 2019-09-10 | 2019-12-20 | 国网河北省电力有限公司 | 计及储能全寿命周期运维的综合能源系统优化配置方法 |
| CN110910272A (zh) * | 2019-10-28 | 2020-03-24 | 国网天津市电力公司 | 一种城市综合能源系统多目标优化方法 |
| CN110910272B (zh) * | 2019-10-28 | 2023-09-29 | 国网天津市电力公司 | 一种城市综合能源系统多目标优化方法 |
| WO2021098401A1 (zh) * | 2019-11-18 | 2021-05-27 | 西安热工研究院有限公司 | 一种基于改进型粒子群算法的混合储能系统容量规划方法 |
| CN112819191A (zh) * | 2019-11-18 | 2021-05-18 | 国网能源研究院有限公司 | 一种面向工程应用的园区综合能源系统运行优化分析方法 |
| CN113408769A (zh) * | 2020-03-16 | 2021-09-17 | 上海电力大学 | 一种基于多负荷响应的园区综合能源系统调度方法 |
| CN113469430A (zh) * | 2021-06-29 | 2021-10-01 | 华电电力科学研究院有限公司 | 综合用能园区的多能互补容量配置方法 |
| CN113469430B (zh) * | 2021-06-29 | 2024-02-09 | 华电电力科学研究院有限公司 | 综合用能园区的多能互补容量配置方法 |
| CN113315148A (zh) * | 2021-07-08 | 2021-08-27 | 傲普(上海)新能源有限公司 | 机组系统调频中储能系统的容量配置方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108665188B (zh) | 2022-03-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108665188A (zh) | 一种基于优化模型的园区多能源主体综合配比方法 | |
| CN111445090B (zh) | 一种离网型综合能源系统双层规划方法 | |
| Miao et al. | Day-ahead energy trading strategy of regional integrated energy system considering energy cascade utilization | |
| CN108173282B (zh) | 一种考虑电转气运行成本综合能源系统优化调度方法 | |
| WO2022166114A1 (zh) | 一种考虑柔性氢需求的电氢能源系统调度方法 | |
| CN108537409A (zh) | 一种考虑多能源耦合特性的工业园区配电网协同规划方法 | |
| CN109858759A (zh) | 一种工业园区综合能源平衡调度方法 | |
| CN107807523A (zh) | 考虑分时电价的区域能源互联网多源协调优化运行策略 | |
| CN107506851A (zh) | 一种多区域虚拟电厂综合能源协调调度优化模型 | |
| CN110110913A (zh) | 大型园区综合能源系统能源站优化配置方法 | |
| CN110889600A (zh) | 一种考虑柔性热负荷的区域综合能源系统优化调度方法 | |
| CN109740955A (zh) | 一种计及改进阶梯式碳交易的电-气综合能源系统规划方法 | |
| CN111967659B (zh) | 一种基于光伏消纳的区域综合能源系统配置优化方法 | |
| CN110163767A (zh) | 一种含多利益主体的区域综合能源系统分散式规划方法 | |
| Cao et al. | Optimal operation of cold–heat–electricity multi-energy collaborative system based on price demand response | |
| Xiang et al. | Distributed dispatch of multiple energy systems considering carbon trading | |
| CN112836882A (zh) | 考虑设备负载率变化的区域综合能源系统运行优化方法 | |
| CN115455719A (zh) | 一种基于全生命周期碳成本的综合能源系统优化仿真方法 | |
| Zhang et al. | Economic and Optimal Dispatch Model of Electricity, Heat and Gas for Virtual Power Plants in Parks Considering Low Carbon Targets. | |
| CN113806952A (zh) | 一种考虑源-荷-储的冷热电综合能源系统及其优化运行方法 | |
| CN111724026A (zh) | 一种多能源网络与配水网耦合运行的优化方法 | |
| Zhang et al. | Modeling of CHP-EHP coupled energy station considering load side flexibility | |
| Zhou et al. | Optimal modeling of integrated energy demand response under time-shared electricity price | |
| Wang et al. | Multi-objective operation optimization strategy for integrated community energy systems considering demand side management | |
| Chen et al. | Integrated energy system station-network coordinated optimal method for facility agricultural park |
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 | ||
| CP02 | Change in the address of a patent holder |
Address after: No. 8, Haitai Huake 4th Road, Huayuan Industrial Zone, High tech Zone, Binhai New Area, Tianjin, 300384 Patentee after: ELECTRIC POWER SCIENCE & RESEARCH INSTITUTE OF STATE GRID TIANJIN ELECTRIC POWER Co. Patentee after: STATE GRID TIANJIN ELECTRIC POWER Co. Patentee after: State Grid Corporation of China Address before: No.8, Haitai Huake 4th Road, Xiqing District, Tianjin 300384 Patentee before: ELECTRIC POWER SCIENCE & RESEARCH INSTITUTE OF STATE GRID TIANJIN ELECTRIC POWER Co. Patentee before: STATE GRID TIANJIN ELECTRIC POWER Co. Patentee before: State Grid Corporation of China |
|
| CP02 | Change in the address of a patent holder |