CN108805328A - 光热电站热电联供微网系统的优化运行方法 - Google Patents

光热电站热电联供微网系统的优化运行方法 Download PDF

Info

Publication number
CN108805328A
CN108805328A CN201810405916.3A CN201810405916A CN108805328A CN 108805328 A CN108805328 A CN 108805328A CN 201810405916 A CN201810405916 A CN 201810405916A CN 108805328 A CN108805328 A CN 108805328A
Authority
CN
China
Prior art keywords
moment
photo
thermal power
power station
load
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810405916.3A
Other languages
English (en)
Inventor
李继红
陈锡祥
郑伟民
李志强
孙可
张利军
徐晨博
孙轶恺
邹波
郑朝明
王佳颖
史俊祎
文福拴
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.)
Zhejiang University ZJU
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Zhejiang University ZJU
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co 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 Zhejiang University ZJU, State Grid Corp of China SGCC, Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical Zhejiang University ZJU
Priority to CN201810405916.3A priority Critical patent/CN108805328A/zh
Publication of CN108805328A publication Critical patent/CN108805328A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (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)

Abstract

本发明公开了一种光热电站热电联供微网系统的优化运行方法。本发明采用的技术方案为：首先，提出在热电联供微网系统中引入光热电站以辅助系统运行，并结合风电站、电储能装置、热泵等能量转换设备构建一种新的微网系统架构；之后，以零售电价和零售热价为信号引导微网内用户参与需求响应，并基于价格弹性矩阵建立了电负荷和热负荷的需求响应模型；在此基础上，考虑风电和光电出力的不确定性，以最大化微网运行效益为目标建立了模糊机会约束规划模型。然后，对模型做了简化，最终形成混合整数线性规划问题，并用高效的商业求解器CPLEX求解。本发明考虑了风电和光电出力的不确定性，最大化微网系统运行效益。

Description

光热电站热电联供微网系统的优化运行方法
技术领域
本发明涉及光热电站热电联供微网系统领域，特别是一种计及需求响应的光热电站热电联供微网系统的优化运行方法。
背景技术
间歇性可再生能源发电如风电和太阳能的消纳和多能转换技术已逐步成为电力系统领域的研究热点。中国直接辐射的太阳能资源主要集中在西部和北部，同时这些地方也具有丰富的风能资源和较高的热负荷需求。风电和光电出力具有间歇性和不确定性，并网后会影响电力系统运行的安全性和经济性，微网在一定程度上解决了分布式风电和光电的消纳问题。微网可以有机整合多种分布式可再生能源发电，又能在内部实现各类能源的相互转换。适当利用微网内能源间的相互转换和供需侧的交互作用，可以有效缓解分布式可再生能源发电出力不确定性的负面影响。
随着电力系统和供热系统之间的联系不断加强和深化，针对热电联供微网系统优化运行问题已有一些研究报道。光热发电是一种不同于光伏电池的新型太阳能发电技术，可将直射的太阳能通过聚光集热装置转换为热能，为汽轮机提供蒸汽驱动，带动发电机发电。光热电站一般配备大规模储热装置，可以弥补光伏电池出力时间短、波动大的缺陷，输出比较稳定且可控的电功率。光热电站内部的“光-热-电”多能转换模式有助于热电联供微网系统内的能量综合利用。然而到目前为止，尚未有研究考虑光热电站电-热能量的闭环运行和用户需求响应资源对微网优化运行的影响。
发明内容
本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提供一种计及需求响应的光热电站热电联供微网系统的优化运行方法，其提出含光热电站、风电站、电储能装置、热泵以及电负荷和热负荷的微网系统架构，建立各类设备以及电负荷和热负荷的需求响应数学模型，并采用模糊变量模拟风电和光电出力，并在模糊机会约束的框架下构造热电联供微网系统优化运行的数学模型。
为此，本发明采用如下的技术方案：光热电站热电联供微网系统的优化运行方法，其包括：
构建含光热电站、风电站、电储能装置、热泵、电负荷和热负荷的热电联供微网系统；
基于价格弹性矩阵建立电负荷和热负荷的需求响应数学模型；
采用模糊变量模拟风电和光电出力，并在模糊机会约束的框架下构造模糊机会约束规划模型，以最大化微网系统运行效益为目标；
线性化模糊机会约束规划模型，形成混合整数线性优化模型。
作为上述技术方案的补充，以电负荷为例，采用弹性系数矩阵建立需求响应数学模型：
式中，为时刻i的单时段响应自弹性系数；为时刻i和时刻j的多时段响应互弹性系数；δE为弹性电负荷的容量比例；ΔPload,i和Ploadini,i分别为时刻i需求响应实施后电负荷的变化量和需求响应实施前的电负荷量；和分别为时刻i需求响应实施后零售电价变化量和需求响应实施前的初始零售电价；
由前两式得需求响应实施后的电负荷变化量：
同理，得需求响应实施后的热负荷变化量：
式中，ΔTload,i和Tloadini,i分别为时刻i需求响应实施后热负荷的变化量和需求响应实施前的热负荷量；为时刻i和时刻j热负荷的价格互弹性系数；δT为弹性热负荷的容量比例；和分别为时刻j需求响应实施后零售热价变化量和需求响应实施前的初始零售热价。
作为上述技术方案的补充，所述的需求响应效益为：
设定不同时段间的互弹性系数为0，仅考虑自弹性系数，在需求响应实施后的时刻i电价为电负荷量变为ΔPload,i+Ploadini,i，令微网内零售电价变化率为kE，则微网内的售电收益RE为：
作为上述技术方案的补充，采用与电负荷相似的方法，计算针对热负荷实施需求响应后的效益。
作为上述技术方案的补充，所述模糊机会约束规划模型的构造过程如下：
1)基本模型
假设含模糊变量的原优化问题为：
式中，x为决策向量；ξ为模糊向量；f(x)为目标函数；g(x,ξ)为含有模糊变量的约束条件。
由于约束条件中含有模糊变量，无法得到确定的优化结果，通过引入置信水平α,将原优化问题用机会约束描述如下：
式中，Cr{g(x,ξ)≤0}为g(x,ξ)≤0发生的可信性；
2)模糊变量的隶属度函数
梯形模糊变量的隶属度函数描述为：
式中，r1、r2、r3和r4均为模糊变量的四个参数且r1＜r2≤r3＜r4；当r2＝r3时，梯形模糊变量成为三角模糊变量；
令风电和光电发电出力的预测值为r0,r1、r2、r3和r4用r0描述为：
式中:w1∈(0,1),w2、w3和w4的取值范围同w1；
3)确定性等价类形式
当目标函数中不含模糊变量，置信水平α≥1/2，且约束条件g(x,ξ)具备如下形式时，机会约束转化为确定性等价形式：
g(x,ξ)＝h1(x)ξ1+h2(x)ξ2+…+hk(x)ξk+…+hm(x)ξm+h0(x)，
式中，ξk是梯形模糊变量，k＝1,…m，hk(x)、h0(x)均为x相关的函数；
定义和如下：
Cr{g(x,ξ)≤0}≥α转换为如下的确定性等价形式：
式中，rk1、rk2、rk3、rk4为对应第k个模糊变量的4个参数。
至此，把模糊机会约束转换成确定性等价类，原优化模型转化为混合整数优化模型。
作为上述技术方案的补充，所述微网系统运行效益的目标函数为：
Ccsp,t＝acspPcsp,t，
Ces,t＝aes(Pdis,t+Pcha,t)，
式中，R为微网的运行效益；RT为微网售热收益；Ccsp,t为光热电站在时刻t的发电成本；acsp为光热电站单位发电成本；Ces,t为储能装置在时刻t的损耗成本；aes为储能装置的成本系数；cex,t为在时刻t微网从电力批发市场的购电电价；Pex,t为时刻t微网的外购电功率，正值和负值分别表示微网从/向电力批发市场购电/售电；Pcsp,t为时刻t光热电站发电机的输出电功率；Pcha,t和Pdis,t分别为时刻t电储能装置的充电和放电功率。
作为上述技术方案的补充，所述微网系统运行效益目标函数的约束条件为：
A.电功率平衡约束
Pcsp,t+Pdis,t-Pcha,t+Pex,t+P'wind,t-Pehp,t＝Ploadini,t+ΔPload,t，
式中，模糊变量Pw'ind,t为时刻t的风电出力；Pehp,t为时刻t热泵装置的输入电功率；
B.热功率平衡约束
Tehp,t+Tdis2,t-Tcha2,t＝Tloadini,t+ΔTload,t，
式中，Tdis2,t为时刻t光热电站的储热装置供给热负荷的放热功率；Tcha2,t为时刻t热泵提供的储热功率；Tehp,t为时刻t热泵装置的输出热功率；
C.光热电站出力约束
1)热传递平衡约束
Tcha1,t-Tdis1,t+Tcsp,t+xsu,tTsu≤T'SF,t
Tcsp,t+xsu,tTsu-Tdis1,t≥0
式中:Tdis1,t和Tcha1,t分别为时刻t储热装置在光热电站内部交换的放热和储热功率；Tcsp,t为时刻t光热电站发电机的输入热功率；xsu,t为时段t光热电站内发电机组的启动状态，若在时段t启动，则为1，若其在时段t状态不变或者关闭，则为0；Tsu为光热电站的发电机组启动时所需热功率；模糊变量TS’F,t为时刻t光场输入光热电站的总热功率；
2)储热装置约束
Tcha1,t+Tcha2,t＝Tcha,t，
Tdis1,t+Tdis2,t＝Tdis,t，
0≤Tdis1,t,Tdis2,t,Tcha1,t,Tcha2,t，
式中，为时刻t储热装置状态，若处于储热状态，则为1，若处于放热状态，则为0；和分别为储热装置的最大放热功率和最大储热功率；为光热电站的最大输出电功率；tfull为储热装置满负荷小时数；η为光热电站发电机的能量转换效率；Et为储热装置在时刻t的总储热量；
3)发电机组出力约束
Pcsp,t-Pcsp,t-1≤Rup，
Pcsp,t-1-Pcsp,t≤Rdown，
式中，为光热电站的最小输出电功率；xcsp,t为时刻t光热电站发电机组出力状态，输出电功率时为1，否则为0；Rup和Rdown分别为光热电站汽轮发电机的最大向上爬坡率和最大向下爬坡率；Ton,t和Toff,t分别为光热电站在时刻t前的持续运行时间和持续停运时间；和分别为光热电站最小持续运行时间和最小持续停运时间；
D.电储能装置约束
Smin≤St≤Smax，
式中，为时刻t电储能装置的状态,若处于充电状态,则为1,否则为0；和分别为电储能装置充电Pcha,t和放电功率Pdis,t的上限；Smax和Smin分别为电储能装置存储电量St的上限和下限；
E.热泵装置约束
式中，为热泵输出热功率上限；
F.联络线功率约束
式中，为微网与电力系统的联络线传输功率Pex,t上限；
G.需求响应约束
1)参与需求响应的负荷变化量约束
用户参与电和热需求响应时，会根据价格调整各个时段的电负荷和热负荷需求，即在用电和用热时间上进行调整，但并未改变一个运行周期内的总负荷量，在一个运行周期内的电负荷和热负荷的变化量应为0，
2)零售价格变化率约束
式中，和分别为零售电价kE和零售热价变化率kT的上限。
作为上述技术方案的补充，把含模糊变量的不确定约束条件转换成确定性约束条件，包括电功率平衡约束：
式中，α1为满足电功率平衡约束的置信水平；Pwind,t为时刻t的风电出力预测值；和均为风电功率的梯形隶属度参数。
作为上述技术方案的补充，把含模糊变量的不确定约束条件转换成确定性约束条件，包括热传递平衡约束：
式中，α2为满足热传递平衡约束的置信水平；TSF,t为时刻t光场输入光热电站的总热功率预测值；和均为光场输入光热电站总热功率的梯形隶属度参数。
作为上述技术方案的补充，对模糊机会约束规划模型的收益曲线进行分段线性化处理，形成混合整数线性优化模型，采用YALMIP/CPLEX求解器进行求解。
本发明考虑风电和光电出力的不确定性，以最大化微网运行效益为目标建立了模糊机会约束规划模型；然后，对模型做了简化，最终形成混合整数线性规划问题，并用高效的商业求解器CPLEX求解。
附图说明
图1为本发明实施例中光热电站热电联供微网系统架构图；
图2为本发明应用例中场景1和3下需求响应实施前后的电负荷和零售电价图；
图3为本发明应用例中场景1下需求响应实施前后的热负荷和零售热价图；
图4为本发明应用例中场景3下需求响应实施前后的热负荷和零售热价图；
图5为本发明应用例中场景1下微网内各元件的电功率水平图；
图6为本发明应用例中场景1下微网内各元件的热功率水平图；
图7为本发明应用例中场景3下微网内各元件的电功率水平图；
图8为本发明应用例中场景3下微网内各元件的热功率水平图；
图9为本发明应用例中场景1下风电和光电出力的不确定性对微网运行效益的影响图；
图10为本发明应用例中场景3下风电和光电出力的不确定性对微网运行效益的影响图；
图11为本发明应用例中弹性负荷容量对微网运行效益的影响图；
图12为本发明应用例中自弹性系数对微网运行效益的影响图；
图13为本发明应用例中两种场景下光热电站光场在一天内每小时收集的总热功率预测值图；
图14为本发明应用例中一天内每小时的风电出力预测值图；
图15为本发明应用例中一天内每小时的电负荷预测值图；
图16为本发明应用例中一天内每小时的热负荷预测值图；
图17为本发明实施例中热电联供微网系统优化运行方法的流程图。
具体实施方式
下面结合说明书附图和具体实施方式对本发明作进一步说明。
实施例
本发明提供一种计及需求响应的热电联供微网系统优化运行方法，如图17所示，包括以下步骤：
步骤1、构建光热电站热电联供微网系统
光热电站热电联供微网系统的架构如图1所示，包括风能、光能、电能以及热能。微网内的电能主要由光热电站、风电站和电储能装置提供,也可在电力批发市场购售电能。微网内的热能由热泵和光热电站内的储热装置提供。微网内的负荷包括电负荷和热负荷，且两种负荷均分别分为非弹性负荷和可对零售电价、零售热价进行响应的弹性负荷。
1)光热电站模型
光热电站由光场、储热装置、发电机三个模块组成。光场利用反射镜将直射的太阳能聚集起来，给导热介质加热，完成光能到热能的转换。导热介质给水加热形成水蒸气，驱动汽轮机带动发电机发电,实现热能到电能的转换。储热装置存储的热能可随时供发电机组利用。光热电站具有传统发电机组的爬坡能力和可控性，由于其一次能源为太阳能，较化石能源发电环保。光热电站的数学模型包括下述的发电机模型与储热装置模型：
Pcsp,t＝ηTcsp,t (1)
式中：Pcsp,t和Tcsp,t分别为时刻t光热电站发电机的输出电功率和输入热功率；η为光热电站发电机的能量转换效率；Et为储热装置在时刻t的总储热量；Et-1为储热装置在时刻t-1的总储热量；ρ为耗散系数；Tcha,t和Tdis,t分别为储热装置在时刻t的储热和放热功率；和分别为储热装置的储热和放热效率。
2)风电机组
风电机组实际出力与风速有关。当风速小于切入风速而不足以驱动风力涡轮机发电时，风电机组无出力；当风速处于切入风速和额定风速之间时，机组出力与风速成正比；当风速超过额定风速，但还没有达到切出风速时，出力保持额定功率；当风速超过切出风速时，机组出力为0。
风电出力具有不确定性，其并网运行会对电力系统运行的安全性和经济性产生负面影响，需要采取适当的措施来应对。模糊机会约束方法不需要大量统计数据，采用模糊变量模拟风电出力，利用置信水平描述决策者风险承受能力，在有些情形下还可转换为确定性等价类求解。
3)电储能装置
电储能装置可以通过快速充放电及时平衡微网内电功率的供给和需求。此外，电储能装置还可针对微网与电力批发市场的电价信号做出响应，在交易电价低谷时段充电，高峰时段放电给电负荷供电，提高微网运行的经济性。电储能装置的储电量和充放电功率满足下列关系：
式中：St为时刻t电储能装置的储电量；St-1为时刻t-1电储能装置的储电量；τ为耗散系数；Pcha,t和Pdis,t分别为时刻t电储能装置的充电和放电功率；和分别为电储能装置的充电和放电效率。
4)热泵装置
热泵供热近年来在能源领域受到比较广泛的关注。热泵利用电能将空气、土壤等低位热能转换成可利用的高位热能。在微网中，热泵可与储热装置配合来对电力批发市场的电价做出响应，在电价低谷时段购电储热，从而增加光热电站在电价高峰时段的发电出力，降低系统运行成本。热泵装置的性能由制热性能系数描述。热泵装置的出力模型可描述为：
Tehp,t＝λehpPehp,t (4)
式中：Pehp,t和Tehp,t分别为时刻t热泵装置的输入电功率和输出热功率；λehp为制热性能系数。
步骤2、需求响应模型与效益分析
1)需求响应模型
微网内用户的电负荷和热负荷分别被分为非弹性负荷和弹性负荷两种。非弹性负荷消耗的功率不随电价/热价变化,而弹性负荷则会随电价/热价变化调整需求。在微网内，可利用零售电价、零售热价信号引导用户改变需求模式而参与需求响应，并把用户响应电价和热价所做的降低负荷需求量模拟为“虚拟发电出力和虚拟发热出力”，从而提高微网运行的灵活性和经济性。
价格型需求响应特性一般可由需求响应弹性系数矩阵、消费者心理学、统计学以及指数函数拟合等方法建模。下面以电负荷为例,采用弹性系数矩阵来建立需求响应模型。
式中:为时刻i的单时段响应自弹性系数；为时刻i和时刻j的多时段响应互弹性系数；δE为弹性电负荷的容量比例；ΔPload,i和Ploadini,i分别为时刻i需求响应实施后电负荷的变化量和需求响应实施前的电负荷量；和分别为时刻i需求响应实施后零售电价变化量和需求响应实施前的初始零售电价。
由式(5)和式(6),可得需求响应实施后的电负荷变化量:
同理，可得需求响应实施后的热负荷变化量：
式中:ΔTload,i和Tloadini,i分别为时刻i需求响应实施后热负荷的变化量和需求响应实施前的热负荷量；为时刻i和时刻j热负荷的价格互弹性系数；δT为弹性热负荷的容量比例；和分别为时刻j需求响应实施后零售热价变化量和需求响应实施前的初始零售热价。
2)需求响应效益分析
为简化计算，设定不同时段间的互弹性系数为0，仅考虑自弹性系数。在需求响应实施后的时刻i电价为电负荷量变为ΔPload,i+Ploadini,i，令微网内零售电价变化率为kE，则微网内的售电收益RE为：
可以采用与电负荷相似的方法，计算针对热负荷实施需求响应后的效益，这里不再赘述。
步骤3、模糊机会约束规划模型
1)基本模型
模糊机会约束规划指当优化问题中存在模糊变量时，决策结果使约束条件成立的可能性不小于给定置信水平的一种优化方法。
假设含模糊变量的原优化问题为：
式中：x为决策向量；ξ为模糊向量；f(x)为目标函数；g(x,ξ)为含有模糊变量的约束条件。
由于约束条件中含有模糊变量，无法得到确定的优化结果。通过引入置信水平α，可将原优化问题用机会约束描述如下：
式中，Cr{g(x,ξ)≤0}为g(x,ξ)≤0发生的可信性。
2)模糊变量的隶属度函数
已经提出多种模糊变量隶属度函数,常用的包括三角形函数、梯形函数、高斯函数等。梯形模糊变量的隶属度函数可描述为：
式中：r1＜r2≤r3＜r4；当r2＝r3时,梯形模糊变量就成为三角模糊变量。
令风电和光电发电出力的预测值为r0,r1、r2、r3和r4可用r0描述为：
式中：w1∈(0,1),w2、w3和w4的取值范围同w1。
3)确定性等价类形式
当目标函数中不含模糊变量,置信水平α≥1/2,且约束条件g(x,ξ)具备如下形式时,机会约束可转化为确定性等价形式:
g(x,ξ)＝h1(x)ξ1+h2(x)ξ2+…+hk(x)ξk+…+hm(x)ξm+h0(x) (14)
式中，ξk是梯形模糊变量，k＝1,…m，hk(x)、h0(x)均为x相关的函数。
定义和如下:
Cr{g(x,ξ)≤0}≥α可转换为如下的确定性等价形式：
至此，把模糊机会约束转换成了确定性等价类，原优化问题就转化为混合整数规划问题。
步骤4、微网系统运行效益
1)目标函数
微网系统的运行效益可描述为售电和售热收益与运行成本之差。微网的运行成本包括光热电站的运行成本、电储能装置的充放电损耗成本、外购电能成本。微网系统的优化运行模型可描述为：
Ccsp,t＝acspPcsp,t (19)
Ces,t＝aes(Pdis,t+Pcha,t) (20)
式中:R为微网的运行效益；RT为微网售热收益；Ccsp,t为光热电站在时刻t的发电成本；acsp为光热电站单位发电成本；Ces,t为储能装置在时刻t的损耗成本；aes为储能装置的成本系数；cex,t为在时刻t微网从电力批发市场的购电电价；Pex,t为时刻t微网的外购电功率，正值和负值分别表示微网从/向电力批发市场购电/售电。
2)约束条件
A.电功率平衡约束
Pcsp,t+Pdis,t-Pcha,t+Pex,t+Pw'ind,t-Pehp,t＝Ploadini,t+ΔPload,t (21)
式中，模糊变量Pw'ind,t为时刻t的风电出力；Pehp,t为时刻t热泵装置的输入电功率。
B.热功率平衡约束
Tehp,t+Tdis2,t-Tcha2,t＝Tloadini,t+ΔTload,t (22)
式中:Tdis2,t为时刻t光热电站的储热装置供给热负荷的放热功率；Tcha2,t为时刻t热泵提供的储热功率。
C.光热电站出力约束
i.热传递平衡约束
Tcha1,t-Tdis1,t+Tcsp,t+xsu,tTsu≤TS’F,t (23)
Tcsp,t+xsu,tTsu-Tdis1,t≥0 (24)
式中：Tdis1,t和Tcha1,t分别为时刻t储热装置在光热电站内部交换的放热和储热功率；xsu,t为时段t光热电站内发电机组的启动状态,若在时段t启动，则为1，若其在时段t状态不变或者关闭，则为0；Tsu为光热电站的发电机组启动时所需热功率；模糊变量TS’F,t为时刻t光场输入光热电站的总热功率。
式(23)描述了光热电站内部的热传递平衡约束,式(24)则保证了光场的热能单向传递至发电机组。
ii.储热装置约束
Tcha1,t+Tcha2,t＝Tcha,t (25)
Tdis1,t+Tdis2,t＝Tdis,t (26)
0≤Tdis1,t,Tdis2,t,Tcha1,t,Tcha2,t (29)
式中:为时刻t储热装置状态,若处于储热状态,则为1,若处于放热状态,则为0；和分别为储热装置的最大放热功率和最大储热功率；为光热电站的最大输出电功率；tfull为储热装置满负荷小时数。
iii.发电机组出力约束
Pcsp,t-Pcsp,t-1≤Rup (32)
Pcsp,t-1-Pcsp,t≤Rdown (33)
式中：为光热电站的最小输出电功率；xcsp,t为时刻t光热电站发电机组出力状态，输出电功率时为1，否则为0；Rup和Rdown分别为光热电站汽轮发电机的最大向上爬坡率和最大向下爬坡率；Ton,t和Toff,t分别为光热电站在时刻t前的持续运行时间和持续停运时间；和分别为光热电站最小持续运行时间和最小持续停运时间。
D.电储能装置约束
Smin≤St≤Smax (38)
式中：为时刻t电储能装置的状态，若处于充电状态，则为1，否则为0；和分别为电储能装置充电和放电功率的上限；Smax和Smin分别为电储能装置存储电量的上限和下限。
E.热泵装置约束
式中，为热泵输出热功率上限。
F.联络线功率约束
式中，为微网与电力系统的联络线传输功率上限。
G.需求响应约束
i.参与需求响应的负荷变化量约束
用户参与电和热需求响应时，会根据价格调整各个时段的电负荷和热负荷需求，即在用电和用热时间上进行了调整，但并未改变一个运行周期内的总负荷量，这样在一个运行周期内的电负荷和热负荷的变化量应为0。
ii.零售价格变化率约束
式中：和分别为零售电价和零售热价变化率的上限。
步骤5、优化模型的求解
把含模糊变量的不确定约束条件转换成确定性约束条件。
1)电功率平衡约束
式中：α1为满足电功率平衡约束的置信水平；Pwind,t为时刻t的风电出力预测值；和均为风电功率的梯形隶属度参数。
2)热传递平衡约束
式中：α2为满足热传递平衡约束的置信水平；TSF,t为时刻t光场输入光热电站的总热功率预测值；和均为光场输入光热电站总热功率的梯形隶属度参数。
对收益曲线进行分段线性化处理，对于建立的混合整数线性优化模型，通过搭建的算例采用YALMIP/CPLEX求解器进行求解。
应用例
参数设置：以包含一个光热电站、风电场、电储能装置和热泵装置的微网系统为例对所提出的方法进行说明。表1-3分别给出了光热电站、电储能装置、分时电价的相关的参数值。在一日内每小时光热电站光场收集的总热功率预测值、风电出力预测值、电、热负荷预测值如图13-16所示。给定:1)热泵的制热性能系数为2.5，最大热功率输出为500MW；2)微网与电力系统的联络线传输功率上限为600MW；3)微网的零售热价初始值为450元/MW，零售电价初始值为500元/MW；4)弹性电负荷和热负荷的比例均为60％，零售电价和零售热价的自弹性系数均为-0.3，且最大变化率均为0.5。
表1光热电站基本参数
表2电储能装置基本参数
表3不同交易时段的分时电价
交易时段 电价(元/MWh)
峰时段(10:00-21:00) 1253
平时段(8:00-9:00；22:00) 781
谷时段(23:00-7:00) 335
含光热电站的热电联供微网系统的运行效益与微网内的风电和光电出力以及负荷水平密切相关。给定下述四个场景进行对比分析：
场景1:电负荷和热负荷均参与需求响应的冬季典型日(光电出力水平低，热负荷高)。
场景2:电负荷和热负荷均不参与需求响应的冬季典型日(光电出力水平低，热负荷高)。
场景3:电负荷和热负荷均参与需求响应的夏季典型日(光电出力水平高，热负荷低)。
场景4:电负荷和热负荷均不参与需求响应的夏季典型日(光电出力水平高，热负荷低)。
在不考虑风电和光电出力不确定性的情况下,四种场景下微网的总运行效益及具体收益、成本如表4所示。从表4中场景1与2、场景3与4的运行效益对比中可知，电负荷和热负荷参与需求响应后提升了微网运行的总效益。
表4四种场景下运行效益比较
实施需求响应前后的零售电价、零售热价及电负荷、热负荷变化情况分别如图2-4所示。负荷参与需求响应后，电、热负荷在零售电价、零售热价变化的引导下峰谷差变小，曲线变得更加平滑。由表4可以看出，实施需求响应后导致微网系统的电能和热能收益减少，不过由于在电价和热价高峰时段微网内的电能和热能总需求下降，从而减少了购电和购热成本，微网的经济效益在总体上得以提升。
图5至图8分别展示了场景1和场景3下微网内各元件一天每小时中的电功率出力及热功率出力情况。在夏季和冬季，光热电站均主要工作在交易电价处于高峰的时段，以减少微网的购电成本。而热泵则主要工作在交易电价处于低谷的时段，以平衡这些时段的热负荷，也为无光照时段的光热电站补充热能，进而增加光热电站在交易电价高峰时段的发电出力。联合利用热泵和光热电站可实现“热电”的双向流动，充分利用峰、谷时段交易电价的差异，将电价低谷时段的电能转换成热能，在电价高峰时段则将热能转换成电能，提升微网的整体运行效益。
由表4可知，场景1中微网的总运行成本为713.73万元,比场景3高出232.70万元。对比图5与图7、图6与图8，可见与场景3相比，场景1中光能时间跨度短、能量低,且热负荷所需能量高,大部分光热电站能量被用于供给热负荷。同时，热负荷的增加提高了热泵用电量，减少了热泵向光热电站补充的热量。光热电站在光能出力、热泵热能补给及热负荷的共同作用下，发电出力和发电时间大大缩减，进而导致微网的购电成本增加。不过，场景1中热负荷需求大，微网从零售热能获得了较多收益，比场景3多了288.15万元，这使得场景1中微网的运行总效益高于场景3。
此外，风电和光电出力的波动性和间歇性会给微网系统运行的经济性带来负面影响。下面针对场景1与场景3，分析风电和光电出力的不确定性程度，具体地用模糊隶属度的参数所描述的模糊程度，对微网运行效益的影响。假定置信水平固定为0.9，风电和光电出力的模糊程度一致，表5列出了四种模糊程度。在程度1中，风电和光电出力均是确定的；从程度1到程度4，模糊程度逐步增加,风电和光电出力的不确定性也逐步增大。
表5梯形模糊隶属度函数的参数
场景1与场景3在4种模糊程度下的微网运行效益分别如图9和图10所示。随着模糊程度的增加，各项收益及成本在场景1与场景3中的变化趋势相同。随着风电和光电出力的不确定性程度的增加，微网需要从电力系统购买更多的备用电力。由于存在储热装置，光能的不确定性对光热电站出力影响较小。对热负荷和电负荷参与需求响应以及电储能装置而言，风电和光电出力的不确定性所导致的影响不大。
当风电和光电出力的不确定性程度为模糊程度3，模糊机会约束置信水平为0.9时，场景1和场景3中微网运行效益随弹性负荷容量的变化情况如图11所示。随着弹性负荷容量的增加，负荷需求响应实施后的峰谷差率逐渐减小，实施需求响应的效果更加明显，微网运行的总效益增加。
给定需求响应弹性负荷容量为0.6，场景1和场景3中微网运行总效益随自弹性系数变化的情况如图12所示。随着自弹性系数的增大，零售价格对负荷的引导程度加强，导致负荷峰谷差率减小，负荷需求响应的程度加深，微网运行总效益也随之逐步上升，且趋势保持一致。

Claims (10)

1.光热电站热电联供微网系统的优化运行方法，其特征在于，包括：
构建含光热电站、风电站、电储能装置、热泵、电负荷和热负荷的热电联供微网系统；
基于价格弹性矩阵建立电负荷和热负荷的需求响应数学模型；
采用模糊变量模拟风电和光电出力，并在模糊机会约束的框架下构造模糊机会约束规划模型，以最大化微网系统运行效益为目标；
线性化模糊机会约束规划模型，形成混合整数线性优化模型。
2.根据权利要求1所述的热电联供微网系统优化运行方法，其特征在于，以电负荷为例，采用弹性系数矩阵建立需求响应数学模型：
式中，为时刻i的单时段响应自弹性系数；为时刻i和时刻j的多时段响应互弹性系数；δE为弹性电负荷的容量比例；ΔPload,i和Ploadini,i分别为时刻i需求响应实施后电负荷的变化量和需求响应实施前的电负荷量；和分别为时刻i需求响应实施后零售电价变化量和需求响应实施前的初始零售电价；
由前两式得需求响应实施后的电负荷变化量：
同理，得需求响应实施后的热负荷变化量：
式中，ΔTload,i和Tloadini,i分别为时刻i需求响应实施后热负荷的变化量和需求响应实施前的热负荷量；为时刻i和时刻j热负荷的价格互弹性系数；δT为弹性热负荷的容量比例；和分别为时刻j需求响应实施后零售热价变化量和需求响应实施前的初始零售热价。
3.根据权利要求2所述的热电联供微网系统优化运行方法，其特征在于，所述的需求响应效益为：
设定不同时段间的互弹性系数为0，仅考虑自弹性系数，在需求响应实施后的时刻i电价为电负荷量变为ΔPload,i+Ploadini,i，令微网内零售电价变化率为kE，则微网内的售电收益RE为：
4.根据权利要求3所述的热电联供微网系统优化运行方法，其特征在于，采用与电负荷相似的方法，计算针对热负荷实施需求响应后的效益。
5.根据权利要求3所述的热电联供微网系统优化运行方法，其特征在于，所述模糊机会约束规划模型的构造过程如下：
1)基本模型
假设含模糊变量的原优化问题为：
式中，x为决策向量；ξ为模糊向量；f(x)为目标函数；g(x,ξ)为含有模糊变量的约束条件。
由于约束条件中含有模糊变量，无法得到确定的优化结果，通过引入置信水平α,将原优化问题用机会约束描述如下：
式中，Cr{g(x,ξ)≤0}为g(x,ξ)≤0发生的可信性；
2)模糊变量的隶属度函数
梯形模糊变量的隶属度函数描述为：
式中，r1、r2、r3和r4均为模糊变量的四个参数且r1＜r2≤r3＜r4；当r2＝r3时，梯形模糊变量成为三角模糊变量；
令风电和光电发电出力的预测值为r0,r1、r2、r3和r4用r0描述为：
式中:w1∈(0,1),w2、w3和w4的取值范围同w1；
3)确定性等价类形式
当目标函数中不含模糊变量，置信水平α≥1/2，且约束条件g(x,ξ)具备如下形式时，机会约束转化为确定性等价形式：
g(x,ξ)＝h1(x)ξ1+h2(x)ξ2+…+hk(x)ξk+…+hm(x)ξm+h0(x)，
式中，ξk是梯形模糊变量，k＝1,…m，hk(x)、h0(x)均为x相关的函数；
定义和如下：
Cr{g(x,ξ)≤0}≥α转换为如下的确定性等价形式：
式中，rk1、rk2、rk3、rk4为对应第k个模糊变量的4个参数。
至此，把模糊机会约束转换成确定性等价类，原优化模型转化为混合整数优化模型。
6.根据权利要求5所述的热电联供微网系统优化运行方法，其特征在于，所述微网系统运行效益的目标函数为：
Ccsp,t＝acspPcsp,t，
Ces,t＝aes(Pdis,t+Pcha,t)，
式中，R为微网的运行效益；RT为微网售热收益；Ccsp,t为光热电站在时刻t的发电成本；acsp为光热电站单位发电成本；Ces,t为储能装置在时刻t的损耗成本；aes为储能装置的成本系数；cex,t为在时刻t微网从电力批发市场的购电电价；Pex,t为时刻t微网的外购电功率，正值和负值分别表示微网从/向电力批发市场购电/售电；Pcsp,t为时刻t光热电站发电机的输出电功率；Pcha,t和Pdis,t分别为时刻t电储能装置的充电和放电功率。
7.根据权利要求6所述的热电联供微网系统优化运行方法，其特征在于，所述微网系统运行效益目标函数的约束条件为：
A.电功率平衡约束
Pcsp,t+Pdis,t-Pcha,t+Pex,t+P′wind,t-Pehp,t＝Ploadini,t+ΔPload,t，
式中，模糊变量P′wind,t为时刻t的风电出力；Pehp,t为时刻t热泵装置的输入电功率；
B.热功率平衡约束
Tehp,t+Tdis2,t-Tcha2,t＝Tloadini,t+ΔTload,t，
式中，Tdis2,t为时刻t光热电站的储热装置供给热负荷的放热功率；Tcha2,t为时刻t热泵提供的储热功率；Tehp,t为时刻t热泵装置的输出热功率；
C.光热电站出力约束
1)热传递平衡约束
Tcha1,t-Tdis1,t+Tcsp,t+xsu,tTsu≤T′SF,t
Tcsp,t+xsu,tTsu-Tdis1,t≥0
式中:Tdis1,t和Tcha1,t分别为时刻t储热装置在光热电站内部交换的放热和储热功率；Tcsp,t为时刻t光热电站发电机的输入热功率；xsu,t为时段t光热电站内发电机组的启动状态，若在时段t启动，则为1，若其在时段t状态不变或者关闭，则为0；Tsu为光热电站的发电机组启动时所需热功率；模糊变量TS’F,t为时刻t光场输入光热电站的总热功率；
2)储热装置约束
Tcha1,t+Tcha2,t＝Tcha,t，
Tdis1,t+Tdis2,t＝Tdis,t，
0≤Tdis1,t,Tdis2,t,Tcha1,t,Tcha2,t，
式中，为时刻t储热装置状态，若处于储热状态，则为1，若处于放热状态，则为0；和分别为储热装置的最大放热功率和最大储热功率；为光热电站的最大输出电功率；tfull为储热装置满负荷小时数；η为光热电站发电机的能量转换效率；Et为储热装置在时刻t的总储热量；
3)发电机组出力约束
Pcsp,t-Pcsp,t-1≤Rup，
Pcsp,t-1-Pcsp,t≤Rdown，
式中，为光热电站的最小输出电功率；xcsp,t为时刻t光热电站发电机组出力状态，输出电功率时为1，否则为0；Rup和Rdown分别为光热电站汽轮发电机的最大向上爬坡率和最大向下爬坡率；Ton,t和Toff,t分别为光热电站在时刻t前的持续运行时间和持续停运时间；和分别为光热电站最小持续运行时间和最小持续停运时间；
D.电储能装置约束
Smin≤St≤Smax，
式中，为时刻t电储能装置的状态,若处于充电状态,则为1,否则为0；和分别为电储能装置充电Pcha,t和放电功率Pdis,t的上限；Smax和Smin分别为电储能装置存储电量St的上限和下限；
E.热泵装置约束
式中，为热泵输出热功率上限；
F.联络线功率约束
式中，为微网与电力系统的联络线传输功率Pex,t上限；
G.需求响应约束
1)参与需求响应的负荷变化量约束
用户参与电和热需求响应时，会根据价格调整各个时段的电负荷和热负荷需求，即在用电和用热时间上进行调整，但并未改变一个运行周期内的总负荷量，在一个运行周期内的电负荷和热负荷的变化量应为0，
2)零售价格变化率约束
式中，和分别为零售电价kE和零售热价变化率kT的上限。
8.根据权利要求7所述的热电联供微网系统优化运行方法，其特征在于，把含模糊变量的不确定约束条件转换成确定性约束条件，包括电功率平衡约束：
式中，α1为满足电功率平衡约束的置信水平；Pwind,t为时刻t的风电出力预测值；和均为风电功率的梯形隶属度参数。
9.根据权利要求7所述的热电联供微网系统优化运行方法，其特征在于，把含模糊变量的不确定约束条件转换成确定性约束条件，包括热传递平衡约束：
式中，α2为满足热传递平衡约束的置信水平；TSF,t为时刻t光场输入光热电站的总热功率预测值；和均为光场输入光热电站总热功率的梯形隶属度参数。
10.根据权利要求1所述的热电联供微网系统优化运行方法，其特征在于，对模糊机会约束规划模型的收益曲线进行分段线性化处理，形成混合整数线性优化模型，采用YALMIP/CPLEX求解器进行求解。
CN201810405916.3A 2018-04-30 2018-04-30 光热电站热电联供微网系统的优化运行方法 Pending CN108805328A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810405916.3A CN108805328A (zh) 2018-04-30 2018-04-30 光热电站热电联供微网系统的优化运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810405916.3A CN108805328A (zh) 2018-04-30 2018-04-30 光热电站热电联供微网系统的优化运行方法

Publications (1)

Publication Number Publication Date
CN108805328A true CN108805328A (zh) 2018-11-13

Family

ID=64093688

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810405916.3A Pending CN108805328A (zh) 2018-04-30 2018-04-30 光热电站热电联供微网系统的优化运行方法

Country Status (1)

Country Link
CN (1) CN108805328A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109347124A (zh) * 2018-11-29 2019-02-15 国网江苏省电力有限公司南京供电分公司 利用蓄热热泵群的电热微网联络线功率平抑方法与装置
CN109726858A (zh) * 2018-12-21 2019-05-07 新奥数能科技有限公司 基于动态时间规整的热负荷预测方法及装置
CN110378058A (zh) * 2019-07-26 2019-10-25 中民新能投资集团有限公司 一种综合考虑可靠性与经济性的电热耦合微网最优响应模型的建立方法
CN110503250A (zh) * 2019-08-08 2019-11-26 燕山大学 考虑电-热转移负荷转移量不确定性的综合能源规划方法
CN110535185A (zh) * 2019-08-09 2019-12-03 东北电力大学 一种考虑需求响应的含光热电站多源优化运行方法
CN110910047A (zh) * 2019-12-07 2020-03-24 国家电网有限公司 一种电热耦合微能源站随机调度优化方法
CN111181201A (zh) * 2020-02-21 2020-05-19 清华大学 基于双层强化学习的多能园区调度方法及系统
CN111697581A (zh) * 2020-08-17 2020-09-22 国网江西省电力有限公司电力科学研究院 一种基于机会约束gmm的csp-chpmg鲁棒调度方法
CN113690925A (zh) * 2021-06-15 2021-11-23 国网浙江省电力有限公司杭州供电公司 一种基于微电网的能量交互优化方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107330546A (zh) * 2017-06-14 2017-11-07 武汉大学 一种考虑风电出力和需求响应不确定性的优化调度方法
CN107403256A (zh) * 2017-07-01 2017-11-28 华中科技大学 一种考虑需求响应不确定性的光伏微网电池储能配置方法
CN107702079A (zh) * 2017-09-18 2018-02-16 中国电力工程顾问集团西北电力设计院有限公司 一种含有电加热装置的光热电站及其建模和优化运行方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107330546A (zh) * 2017-06-14 2017-11-07 武汉大学 一种考虑风电出力和需求响应不确定性的优化调度方法
CN107403256A (zh) * 2017-07-01 2017-11-28 华中科技大学 一种考虑需求响应不确定性的光伏微网电池储能配置方法
CN107702079A (zh) * 2017-09-18 2018-02-16 中国电力工程顾问集团西北电力设计院有限公司 一种含有电加热装置的光热电站及其建模和优化运行方法

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11277009B2 (en) 2018-11-29 2022-03-15 State Grid Jiangsu Electric Power Co., Ltd Nanjing Power Supply Company Method and apparatus for smoothing link-line power of electrothermal microgrid using thermal storage heat pump
CN109347124A (zh) * 2018-11-29 2019-02-15 国网江苏省电力有限公司南京供电分公司 利用蓄热热泵群的电热微网联络线功率平抑方法与装置
CN109726858A (zh) * 2018-12-21 2019-05-07 新奥数能科技有限公司 基于动态时间规整的热负荷预测方法及装置
CN110378058A (zh) * 2019-07-26 2019-10-25 中民新能投资集团有限公司 一种综合考虑可靠性与经济性的电热耦合微网最优响应模型的建立方法
CN110378058B (zh) * 2019-07-26 2023-12-15 中民新能投资集团有限公司 一种综合考虑可靠性与经济性的电热耦合微网最优响应模型的建立方法
CN110503250A (zh) * 2019-08-08 2019-11-26 燕山大学 考虑电-热转移负荷转移量不确定性的综合能源规划方法
CN110535185A (zh) * 2019-08-09 2019-12-03 东北电力大学 一种考虑需求响应的含光热电站多源优化运行方法
CN110535185B (zh) * 2019-08-09 2022-03-18 东北电力大学 一种考虑需求响应的含光热电站多源优化运行方法
CN110910047A (zh) * 2019-12-07 2020-03-24 国家电网有限公司 一种电热耦合微能源站随机调度优化方法
CN111181201A (zh) * 2020-02-21 2020-05-19 清华大学 基于双层强化学习的多能园区调度方法及系统
CN111181201B (zh) * 2020-02-21 2021-06-11 清华大学 基于双层强化学习的多能园区调度方法及系统
CN111697581A (zh) * 2020-08-17 2020-09-22 国网江西省电力有限公司电力科学研究院 一种基于机会约束gmm的csp-chpmg鲁棒调度方法
CN113690925A (zh) * 2021-06-15 2021-11-23 国网浙江省电力有限公司杭州供电公司 一种基于微电网的能量交互优化方法及系统
CN113690925B (zh) * 2021-06-15 2023-08-25 国网浙江省电力有限公司杭州供电公司 一种基于微电网的能量交互优化方法及系统

Similar Documents

Publication Publication Date Title
CN108805328A (zh) 光热电站热电联供微网系统的优化运行方法
Guo et al. Optimal operation of regional integrated energy system considering demand response
Li et al. Hierarchical stochastic scheduling of multi-community integrated energy systems in uncertain environments via Stackelberg game
Majidi et al. Integration of smart energy hubs in distribution networks under uncertainties and demand response concept
Zhu et al. Regional integrated energy system energy management in an industrial park considering energy stepped utilization
Wu et al. A multi-agent-based energy-coordination control system for grid-connected large-scale wind–photovoltaic energy storage power-generation units
CN110350523A (zh) 基于需求响应的多能源互补优化调度方法
CN113452020A (zh) 一种考虑柔性氢需求的电氢能源系统调度方法
CN106849190A (zh) 一种基于Rollout算法的多能互补微网实时调度方法
CN112598224A (zh) 一种园区综合能源系统群与电网的互动博弈调度方法
CN113177323A (zh) 基于矩不确定分布式鲁棒的电热综合系统优化调度方法
CN114155103A (zh) 基于区块链合作博弈的能量共享联盟灵活性交易方法
Pedrasa et al. Improved energy services provision through the intelligent control of distributed energy resources
CN114330827B (zh) 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用
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
CN114374232A (zh) 一种考虑需求响应的综合能源系统两阶段优化调度方法
Guo et al. Decentralized Incentive-based multi-energy trading mechanism for CCHP-based MG cluster
Li et al. Dynamic dispatch of grid-connected multi-energy microgrids considering opportunity profit
Wang et al. Stackelberg game-based optimal scheduling of integrated energy systems considering differences in heat demand across multi-functional areas
Guo et al. An incentive mechanism design using CCHP-based microgrids for wind power accommodation considering contribution rate
Li et al. Multi-dimension day-ahead scheduling optimization of a community-scale solar-driven CCHP system with demand-side management
CN118214006A (zh) 一种考虑需求响应和合作博弈的交直流微网优化运行方法
Ju et al. Three‐level energy flexible management strategy for micro energy grids considering multiple uncertainties at different time scales
CN116502921B (zh) 一种园区综合能源系统优化管理系统及其协调调度方法
CN116957139B (zh) 考虑微网间碳交易的多综合能源微网优化运行方法及系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181113

RJ01 Rejection of invention patent application after publication