CN108921429B - 以热/冷定电型智能微网中可控能源机组电功率确定方法 - Google Patents
以热/冷定电型智能微网中可控能源机组电功率确定方法 Download PDFInfo
- Publication number
- CN108921429B CN108921429B CN201810712629.7A CN201810712629A CN108921429B CN 108921429 B CN108921429 B CN 108921429B CN 201810712629 A CN201810712629 A CN 201810712629A CN 108921429 B CN108921429 B CN 108921429B
- Authority
- CN
- China
- Prior art keywords
- controllable energy
- load
- energy unit
- cold
- heat
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000010248 power generation Methods 0.000 claims abstract description 56
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 26
- 230000008901 benefit Effects 0.000 claims abstract description 25
- 238000004590 computer program Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 5
- 238000012821 model calculation Methods 0.000 abstract 1
- 238000001816 cooling Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 7
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 239000002028 Biomass Substances 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种以热/冷定电型智能微网中可控能源机组的功率确定方法。所述方法包括:获取可控能源机组类型、当地年热/冷负荷延时曲线和当地保障热/冷负荷;根据可控能源机组类型和当地年热/冷负荷延时曲线,通过第一预设算法得到可控能源机组的预估电功率值;根据可控能源机组的预估电功率值和可控能源机组类型,查询预设的可控能源机组性能数据库,得到可控能源机组的负荷率与发电效率曲线;根据当地年热/冷负荷延时曲线、负荷率与发电效率曲线以及当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到可控能源机组的电功率值。在对计算电功率值时,根据年经济收益模型计算,可以有效的提高可控能源机组的经济收益。
Description
技术领域
本发明涉及电力系统技术领域,特别是涉及一种以热/冷定电型智能微网中可控能源机组的电功率确定方法。
背景技术
以热/冷定电型智能微网是以供热负荷或冷负荷的大小来确定发电量的联产微电网系统,它可以与大电网并网运行,也可以孤网运行。在这种智能微网规划时,根据供热负荷或供冷负荷来选择配套的发电机组,把发电机组产生的电作为供热/冷的副产品。
以热/冷定电型智能微网的分布式供电系统包括多种能源的发电机组。按能源供应的稳定性划分,发电机组可以分为可控能源机组和不可控能源机组。可控能源指可以根据电负荷和热/冷负荷的变化或电网电压频率的波动,由人为控制增加或减少负荷供应的能源,例如,有化石燃料、生物质、小型核堆、水库、地热/冷等。相应的,可控能源机组可以包括燃气轮机、柴油发电机、水轮机等。不可控能源指不能由人为控制变化供应负荷的能源,例如风力、光伏等。相应的,不可控能源机组可以包括风力发电机、光伏发电系统等。因为具有良好的可控性,可控能源机组用来为微电网提供稳定可靠的供热/冷支撑。
目前,在以热/冷定电型智能微网系统的规划时,对可控能源机组电功率大小的设置,都是依靠工程经验认为设置的,而人为设置的可控能源机组电功率往往在分布式供电系统中占比过大,这使得可控能源机组运行的负荷率和发电效率都较低,以热/冷定电型智能微网的经济收益也呈现较低的状态。
发明内容
基于此,有必要针对以热/冷定电型智能微网的经济收益较低的问题,提供一种以热/冷定电型智能微网中可控能源机组电功率的确定方法。
一方面,本发明实施例提供一种以热/冷定电型智能微网中可控能源机组电功率确定方法,包括步骤:
获取可控能源机组类型、当地年热/冷负荷延时曲线和当地保障热/冷负荷;
根据可控能源机组类型和当地年热/冷负荷延时曲线,通过第一预设算法得到可控能源机组的预估电功率值;
根据可控能源机组的预估电功率值和可控能源机组类型,查询预设的可控能源机组性能数据库,得到可控能源机组的负荷率与发电效率曲线;
根据当地年热/冷负荷延时曲线、负荷率与发电效率曲线以及当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到可控能源机组的电功率值。
在其中一个实施例中,当以热/冷定电型智能微网孤网运行时,根据当地年热/冷负荷延时曲线、负荷率与发电效率曲线以及当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到可控能源机组的电功率值的步骤之后,还包括:
获取当地电力保障负荷;
比较当地电力保障负荷和可控能源机组的电功率值,根据比较结果确定可控能源机组的最终电功率值。
在其中一个实施例中,根据可控能源机组类型和当地年热/冷负荷延时曲线,通过第一预设算法得到可控能源机组的预估电功率值的过程包括:
根据可控能源机组类型和预设的负荷率估值算法对可控能源机组的负荷率进行预估,得到可控能源机组的预估负荷率;
根据预估运行负荷率和当地年热/冷负荷延时曲线,得到可控能源机组的预估热/冷功率值;
根据可控能源机组的预估热/冷功率值和可控能源机组类型,得到对应的可控能源机组的预估电功率值。
在其中一个实施例中,根据可控能源机组类型和预设的负荷率估值算法对可控能源机组的负荷率进行预估,得到可控能源机组的预估负荷率的过程包括:
根据可控能源机组类型,查询可控能源机组性能数据库,得到可控能源机组的最低稳定运行负荷率、满负荷率和同类机组年平均运行负荷率;
根据最低稳定运行负荷率、满负荷率和同类机组年平均运行负荷率,对预设的三点估算函数求解,得到可控能源机组的预估负荷率。
在其中一个实施例中,根据预估运行负荷率和当地年热/冷负荷延时曲线,得到可控能源机组的预估热/冷功率值的过程包括:
根据预估运行负荷率对预设的年负荷率函数求解,得到可控能源机组的预估全年满负荷运行小时数;
选取在当地年热/冷负荷延时曲线上预估全年满负荷运行小时数对应的热/冷负荷,作为可控能源机组的预估热/冷功率值。
在其中一个实施例中,根据当地年热/冷负荷延时曲线、负荷率与发电效率曲线以及当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到可控能源机组的电功率值的过程包括:
根据当地正常热/冷负荷和当地年热/冷负荷延时曲线,得到可控能源机组的最低全年满负荷运行小时数tgh;
根据当地年热/冷负荷延时曲线、可控能源机组的负荷率与发电效率曲线对可控能源机组的年经济收益模型求解,得到全年满负荷运行小时数[tgh+1,8760]区间内的可控能源机组年经济收益变化曲线;
选取年经济收益最大时对应的全年满负荷运行小时数tn,得到在当地年热/冷负荷延时曲线上tn对应的热/冷负荷Hn,将Hn作为可控能源机组的热/冷功率值;
根据为可控能源机组的热/冷功率值Hn和可控能源机组类型,得到对应的可控能源机组的电功率值Pn。
在其中一个实施例中,可控能源机组的年经济收益模型为:
其中,In为可控能源机组的年经济收益,单位是元;t为可控能源机组的全年满负荷运行小时数;H(t)为当地年热/冷负荷延时曲线上对应t的热/冷负荷,单位是kJ/h;Dr为热/冷价,单位是¥/kJ;P(t)为同类型可控能源机组中对应热/冷功率H(t)的电功率,单位是kW;Dd是电价,单位是元/kWh;为可控能源机组的负荷率与发电效率曲线上对应负荷率的发电效率;Dc为可控能源机组的可控能源价格,单位按可控能源热/冷值折算为元/kWh。
另一方面,本发明实施例还提供一种以热/冷定电型智能微网中可控能源机组功率确定装置,包括:
数据获取模块,用于获取可控能源机组类型、当地年热/冷负荷延时曲线和当地保障热/冷负荷;
功率预估模块,用于根据可控能源机组类型和当地年热/冷负荷延时曲线,通过预设的电功率估值算法得到可控能源机组的预估电功率值;
负荷率与发电效率曲线获取模块,用于根据可控能源机组的预估电功率值和可控能源机组类型,查询预设的可控能源机组性能数据库,得到可控能源机组的负荷率与发电效率曲线;
功率确定模块,用于根据当地年热/冷负荷延时曲线、负荷率与发电效率曲线以及当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到可控能源机组的电功率值。
再一方面,本发明实施例提供一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行所述计算机程序时实现以下步骤:
获取可控能源机组类型、当地年热/冷负荷延时曲线和当地保障热/冷负荷;
根据可控能源机组类型和当地年热/冷负荷延时曲线,通过第一预设算法得到可控能源机组的预估电功率值;
根据可控能源机组的预估电功率值和可控能源机组类型,查询预设的可控能源机组性能数据库,得到可控能源机组的负荷率与发电效率曲线;
根据当地年热/冷负荷延时曲线、负荷率与发电效率曲线以及当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到可控能源机组的电功率值。
一方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下方法步骤:
获取可控能源机组类型、当地年热/冷负荷延时曲线和当地保障热/冷负荷;
根据可控能源机组类型和当地年热/冷负荷延时曲线,通过第一预设算法得到可控能源机组的预估电功率值;
根据可控能源机组的预估电功率值和可控能源机组类型,查询预设的可控能源机组性能数据库,得到可控能源机组的负荷率与发电效率曲线;
根据当地年热/冷负荷延时曲线、负荷率与发电效率曲线以及当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到可控能源机组的电功率值。
上述以热/冷定电型智能微网中可控能源机组的功率确定方法、装置、计算机设备和存储介质,通过预估可控能源机组的电功率值,根据预估的电功率值确定可控能源机组的负荷率与发电效率曲线,再将负荷率与发电效率曲线、当地年热/冷负荷延时曲线和当地保障热/冷负荷带入可控能源机组的年经济收益模型求解,确定可控能源机组的电功率值。本实施例在对计算可控能源机组的电功率值时,根据可控能源机组的年经济收益模型确定它的电功率值,采用该电功率值可以有效的提高可控能源机组的经济收益。
附图说明
图1为一个实施例中以热/冷定电型智能微网中可控能源机组的功率确定方法的流程示意图;
图2为某地年热负荷延时曲线;
图3为某个可控能源机组的负荷率与发电效率曲线;
图4为另一个实施例中以热/冷定电型智能微网中可控能源机组的功率确定方法的流程示意图;
图5为一个实施例中根据可控能源机组类型和当地年热/冷负荷延时曲线,通过第一预设算法得到可控能源机组的预估电功率值步骤的流程示意图;
图6为另一个实施例中根据可控能源机组类型和当地年热/冷负荷延时曲线,通过第一预设算法得到可控能源机组的预估电功率值步骤的流程示意图;
图7为一个实施例中根据当地年热/冷负荷延时曲线、负荷率与发电效率曲线以及当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到可控能源机组的电功率值步骤的流程示意图;
图8为一个实施例中以热/冷定电型智能微网中可控能源机组的功率确定装置的结构框图;
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
如图1所示,本发明实施例提供一种以热/冷定电型智能微网中可控能源机组电功率确定方法,包括步骤:
步骤S2,获取可控能源机组类型、当地年热/冷负荷延时曲线和当地保障热/冷负荷;
步骤S3,根据可控能源机组类型和当地年热/冷负荷延时曲线,通过第一预设算法得到可控能源机组的预估电功率值;
步骤S4,根据可控能源机组的预估电功率值和可控能源机组类型,查询预设的可控能源机组性能数据库,得到可控能源机组的负荷率与发电效率曲线;
步骤S5,根据当地年热/冷负荷延时曲线、负荷率与发电效率曲线以及当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到可控能源机组的电功率值。
其中,当地年热/冷负荷延时曲线,表示当地热负荷延时曲线或者当地冷负荷延时曲线。当地热负荷延时曲线,表示当地全年统计的热负荷中所有大于等于某个值的热负荷,在全年统计中出现的小时数之和,其含义也可表示为选定机组供热负荷出力下对应的全年满负荷运行小时数。如图2所示,为某地年热负荷延时曲线,曲线上的A点的横坐标表示该地区热负荷HA=350kJ,对应的A点的纵坐标表示全年时间内热负荷等于HA及大于HA出现的总时间量为5000小时,或者表示机组容量选定供热能力为350kJ时全年满负荷运行小时数为5000小时。同理,当地冷负荷延时曲线,表示当地全年统计的冷负荷中所有大于等于某个值的冷负荷,在全年统计中出现的时间之和。
当地保障热/冷负荷,表示当地保障热负荷或者当地保障冷负荷。热负荷分为最小热负荷、正常热负荷和最大热负荷。最小热负荷是保障生产企业的设备寿命最低损耗或者保障企业最小生产能力的热负荷。正常热负荷是满足生产企业基本生产能力的热负荷。最大热负荷是满足生产企业最大生产能力的热负荷。当地保障热负荷也就是正常热负荷。冷负荷包括维生冷负荷和舒适冷负荷。维生冷负荷是保障居民生活基本冷负荷最低值。当地保障冷负荷也就是维生冷负荷。
可控能源机组性能数据库保存有各类型、各电功率等级、热功率等级、冷功率等级的可控能源机组的相关性能数据,至少包括:多种类型各电功率等级的可控能源机组与其分别对应的负荷率与发电效率曲线。
具体的,当智能微网的类型为以热定电型时,获取可控能源机组类型和当地年热负荷延时曲线,带入到第一预设算法中进行计算,得到可控能源机组的预估电功率值。将可控能源机组的预估电功率值当做可控能源机组的电功率值,根据可控能源机组的类型和预估电功率值,查询预设的可控能源机组性能数据库,由可控能源机组性能数据库中的关联关系,得到可控能源机组的负荷率与发电效率曲线,例如,如图3所示为某个可控能源机组的负荷率与发电效率曲线。获取当地保障热负荷,根据当地保障热负荷以及之前得到的当地年热负荷延时曲线、可控能源机组的负荷率与发电效率曲线,对预先建立的可控能源机组的年经济收益模型求解,确定可控能源机组的电功率值。
当智能微网的类型为以冷定电型时,获取可控能源机组类型和当地年冷负荷延时曲线,带入到第一预设算法中进行计算,得到可控能源机组的预估电功率值。将可控能源机组的预估电功率值当做可控能源机组的电功率值,根据可控能源机组的类型和预估电功率值,查询预设的可控能源机组性能数据库,由可控能源机组性能数据库中的关联关系,得到可控能源机组的负荷率与发电效率曲线。获取当地保障冷负荷,根据当地保障冷负荷以及之前得到的当地年冷负荷延时曲线、可控能源机组的负荷率与发电效率曲线,对预先建立的可控能源机组的年经济收益模型求解,确定可控能源机组的电功率值。
另外,不论以热/冷定电智能微网是孤网运行还是和其他供配电系统并网运行,都可以应用本实施例提供的方法,计算可控能源机组的电功率值。
本实施例提供的以热/冷定电型智能微网中可控能源机组的功率确定方法,先预估可控能源机组的电功率值,根据预估的电功率值通过查询可控能源机组性能数据库,确定可控能源机组的负荷率与发电效率曲线,再将负荷率与发电效率曲线、当地年热/冷负荷延时曲线和当地保障热/冷负荷带入可控能源机组的年经济收益模型求解,确定可控能源机组的电功率值。基于此,本实施例在对计算可控能源机组的功率值时,根据可控能源机组的年经济收益模型确定它的电功率值,采用该电功率值可以有效的提高可控能源机组的经济收益。而且,本方法的计算中还带入了可控能源机组的负荷率与发电效率曲线,考虑可控能源机组的负荷率和发电效率,提高可控能源机组正常运行时的负荷率和发电效率。
现有技术中,因为过低的运行负荷率会导致可控能源的不充分利用,导致可控能源机组的污染物排放量很高,采用本方法提高了可控能源机组的负荷率和发电效率,从而也可以减少机组的污染物排放量。
当以热/冷定电型智能微网孤网运行时,仅考虑以热/冷负荷来确定的可控能源机组的电功率可能无法满足当地的供电需求,导致当地供电得不到保障。因此,在一个实施例中,当以热/冷定电型智能微网孤网运行时,如图4所示,根据当地年热/冷负荷延时曲线、负荷率与发电效率曲线以及当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到可控能源机组的电功率值的步骤之后,还包括:
步骤S6,获取当地电力保障负荷;
步骤S7,比较当地电力保障负荷和可控能源机组的电功率值,根据比较结果确定可控能源机组的最终电功率值。
其中,需要说明的是,电力负荷分为了一级负荷、二级负荷和三电负荷。一级负荷为中断供电将造成重大的政治、经济损失或人员伤亡的负荷,二级负荷为中断供电将造成较大的政治、经济损失或引起公共场所秩序混乱的负荷,三级负荷为除了一级负荷和二级负荷之外的负荷。当地电力保障负荷包含一级负荷和二级负荷。
具体的,将当地电力保障负荷与可控能源机组的电功率值相比较,若当地电力保障负荷大于可控能源机组的电功率值,则将当地电力保障负荷作为可控能源机组的最终电功率值;若可控能源机组的电功率值大于当地电力保障负荷,则将可控能源机组的电功率值确定为可控能源机组的最终电功率值。
在一个实施例中,如图5所示,根据可控能源机组类型和当地年热/冷负荷延时曲线,通过第一预设算法得到可控能源机组的预估电功率值的过程包括:
步骤S31,根据可控能源机组类型和预设的负荷率估值算法对可控能源机组的负荷率进行预估,得到可控能源机组的预估负荷率;
步骤S31,根据预估运行负荷率和当地年热/冷负荷延时曲线,得到可控能源机组的预估热/冷功率值;
步骤S33,根据可控能源机组的预估热/冷功率值和可控能源机组类型,得到对应的可控能源机组的预估电功率值。
具体的,当智能微网的类型为以热定电型时,根据可控能源机组类型,通过预设的负荷率估值算法计算得到可控能源机组的预估负荷率,再由预估负荷率和当地年热负荷延时曲线,通过计算得到可控能源机组的预估热功率值。最后通过可控能源机组的预估热功率值和可控能源机组的类型,得到可控能源机组的预估电功率值。
当智能微网的类型为以冷定电型时,根据可控能源机组类型,通过预设的负荷率估值算法计算得到可控能源机组的预估负荷率,再由预估负荷率和当地年冷负荷延时曲线,通过计算得到可控能源机组的预估冷功率值。最后通过可控能源机组的预估冷功率值和可控能源机组的类型,得到可控能源机组的预估电功率值。
在一个实施例中,如图6所示,根据可控能源机组类型和预设的负荷率估值算法对可控能源机组的负荷率进行预估,得到可控能源机组的预估负荷率的过程包括:
步骤S311,根据可控能源机组类型,查询可控能源机组性能数据库,得到可控能源机组的最低稳定运行负荷率、满负荷率和同类机组年平均运行负荷率;
步骤S312,根据最低稳定运行负荷率、满负荷率和同类机组年平均运行负荷率,对预设的三点估算函数求解,得到可控能源机组的预估负荷率。
其中,可控能源机组性能数据库中还包括:各种类型的可控能源机组和其对应的最低稳定运行负荷率、满负荷率和年平均运行负荷率。例如,可控能源机组类型为燃气轮机,可以查到对应燃气轮机的最低稳定运行负荷率为30%,满负荷率为100%,年平均运行负荷率为70%。最低稳定运行负荷率是能够保持机组稳定运行的最低负荷率。年平均运行负荷率是根据工程经验同类型机组的年平均负荷率。
具体的,在可控能源机组性能数据库中,查询已经确定的可控能源机组类型相对应的,最低稳定运行负荷率、满负荷率和同类机组年平均运行负荷率。将最低稳定运行负荷率、满负荷率和同类机组年平均运行负荷率带入到预设的三点估算函数中求解,得到可控能源机组的预估负荷率。运用三点估算函数考虑到估算中的不确定性和风险,提高估算的准确性。
在一个实施例中,预设的三点估算函数可以采用计划评审技术(PERT)中的三点估算函数,表示为:
其中,αO为最低稳定运行负荷率;αγ为满负荷率;αM为同类机组年平均运行负荷率;αE为可控能源机组的预估负荷率。
在一个实施例中,如图6所示,根据预估运行负荷率和当地年热/冷负荷延时曲线,得到可控能源机组的预估热/冷功率值的过程包括:
步骤S321,根据预估运行负荷率对预设的年负荷率函数求解,得到可控能源机组的预估全年满负荷运行小时数;
步骤S322,选取在当地年热/冷负荷延时曲线上预估全年满负荷运行小时数对应的热/冷负荷,作为可控能源机组的预估热/冷功率值。
具体的,当智能微网的类型为以热定电型时,将预估运行负荷率带入预设的年负荷率函数,计算得到可控能源机组的预估全年满负荷运行小时数,在当地年热负荷延时曲线上选取对应于可控能源机组的预计全年满负荷运行小时数的热负荷值,把该热负荷值作为可控能源机组的预估热功率值。在当地年热负荷延时曲线上取值来得到预估热功率值,使预估的热功率值更负荷当地供热情况,更准确。
当智能微网的类型为以冷定电型时,将预估运行负荷率带入预设的年负荷率函数,计算得到可控能源机组的预估全年满负荷运行小时数,在当地年冷负荷延时曲线上选取对应于可控能源机组的预计全年满负荷运行小时数的冷负荷值,把该冷负荷值作为可控能源机组的预估冷功率值。在当地年冷负荷延时曲线上取值来得到预估冷功率值,使预估的冷功率值更负荷当地供冷情况,更准确。
在一个实施例中,预设的年负荷率函数可以表示为:
其中,α为可控能源机组的年平均运行负荷率;t为可控能源机组全年满负荷运行小时数全年满负荷运行小时数;8760是全年小时数。其物理意义可以理解为,假设可控能源机组全年在满负荷电功率P1累计运行t1小时,那么在全年的8760小时中,可控能源机组的平均发电功率是因此,可控能源机组的年负荷率可以由式(2)表示。
在一个实施例中,根据可控能源机组的预估热/冷功率值和可控能源机组类型,得到对应的可控能源机组的预估电功率值的步骤包括:
根据可控能源机组的预估热/冷功率值和可控能源机组类型,查询可控能源机组性能数据库,得到对应的可控能源机组的预估电功率值。
其中,可控能源机组性能数据库中还包括:可控能源机组的热功率值与电功率值的关联关系,可控能源机组的冷功率值与电功率值的关联关系。
在其他实施例中,还可以通过调用电厂热平衡计算软件GT PRO来计算可控能源机组的预估热/冷功率值对应的可控能源机组的预估电功率值。
在一个实施例中,如图7所示,根据当地年热/冷负荷延时曲线、负荷率与发电效率曲线以及当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到可控能源机组的电功率值的过程包括:
步骤S51,根据当地正常热/冷负荷和当地年热/冷负荷延时曲线,得到可控能源机组的最低全年满负荷运行小时数tgh;
步骤S52,根据当地年热/冷负荷延时曲线、可控能源机组的负荷率与发电效率曲线对可控能源机组的年经济收益模型求解,得到全年满负荷运行小时数在[tgh+1,8760]区间内的可控能源机组年经济收益变化曲线;
步骤S53,选取年经济收益最大时对应的全年满负荷运行小时数tn,得到在当地年热/冷负荷延时曲线上tn对应的热/冷负荷Hn,将Hn作为可控能源机组的热/冷功率值;
步骤S54,根据为可控能源机组的热/冷功率值Hn和可控能源机组类型,得到对应的可控能源机组的电功率值Pn。
具体的,当智能微网的类型为以热定电型时,根据当地保障热负荷在当地年热负荷延时曲线上找到对应的时间小时数,该时间小时数为可控能源机组的最低全年满负荷运行小时数tgh。将最低全年满负荷运行小时数作为年经济收益模型的约束条件,把当地年热负荷延时曲线、可控能源机组的负荷率与发电效率曲线带入可控能源机组的年经济收益模型中,得到全年满负荷运行小时数在[tgh+1,8760]区间内的年经济收益变化曲线。在年经济收益变化曲线上,选取年经济收益为最大值对应的全年满负荷运行小时数tn,再在当地年热负荷延时曲线上选取小时数tn对应的热负荷值Hn,确定Hn为可控能源机组的热功率值。根据可控能源机组的热功率值Hn,得到可控能源机组的电功率值Pn。
当智能微网的类型为以冷定电型时,根据当地保障冷负荷在当地年冷负荷延时曲线上找到对应的时间小时数,该时间小时数为可控能源机组的最低全年满负荷运行小时数tgh。将最低全年满负荷运行小时数作为年经济收益模型的约束条件,把当地年冷负荷延时曲线、可控能源机组的负荷率与发电效率曲线带入可控能源机组的年经济收益模型中,得到全年满负荷运行小时数在[tgh+1,8760]区间内的年经济收益变化曲线。在年经济收益变化曲线上,选取年经济收益为最大值对应的全年满负荷运行小时数tn,再在当地年冷负荷延时曲线上选取时间tn对应的冷负荷值Hn,确定Hn为可控能源机组的冷功率值。根据可控能源机组的冷功率值Hn,得到可控能源机组的电功率值Pn。
在其中一个实施例中,对可控能源机组的年经济收益模型求解,形成在[tge+1,8760]区间内,步长为1,的年经济收益变化曲线,方便在当地年热/冷负荷延时曲线选取准确的可控能源机组的功率值Pn。
在一个实施例中,可控能源机组的年经济收益模型为:
其中,In为可控能源机组的年经济收益,单位是元;t为可控能源机组的全年满负荷运行小时数;H(t)为当地年热/冷负荷延时曲线上对应t的热/冷负荷,单位是kJ/h;Dr为热/冷价,单位是¥/kJ;P(t)为同类型可控能源机组中对应热/冷功率H(t)的电功率,单位是kW;Dd是电价,单位是元/kWh;为可控能源机组的负荷率与发电效率曲线上对应负荷率的发电效率;Dc为可控能源机组的可控能源价格,单位按可控能源热/冷值折算为元/kWh。
具体的,当智能微网的类型为以热定电型时,上式(3)中的H(t)为当地年热负荷延时曲线上对应t的热负荷,单位是kJ/h;Dr为热价,单位是¥/kJ;P(t)为同类型可控能源机组中对应热功率H(t)的电功率,单位是kW;Dc为可控能源机组的可控能源价格,单位按可控能源热值折算为元/kWh。
当智能微网的类型为以热定电型时,上式(3)中的H(t)为当地年冷负荷延时曲线上对应t的冷负荷,单位是kJ/h;Dr为冷价,单位是¥/kJ;P(t)为同类型可控能源机组中对应冷功率H(t)的电功率,单位是kW;Dc为可控能源机组的可控能源价格,单位按可控能源冷值折算为元/kWh。
在一个实施例中,获取可控能源机组类型的过程包括:
步骤S21,获取当地可控能源种类和各种可控能源的储量,根据各种可控能源的储量选取以热/冷定电型智能微网中的可控能源类型;
步骤S22,根据可控能源类型,确定可控能源机组类型。
其中,可控能源机组性能数据库中还包括,各种可控能源类型和与其关联的可控能源机组类型。
具体的,获取当地可控能源种类和各种可控能源的储量,根据储量选取以热/冷定电型智能微网中所用的可控能源类型。根据可控能源类型,查询可控能源机组性能数据库,确定可控能源机组类型。
在一个实施例中,根据可控能源机组的预估电功率值和可控能源机组类型,查询预设的可控能源机组性能数据库,得到可控能源机组的负荷率与发电效率曲线的步骤包括:
根据可控能源机组的预估电功率值和可控能源机组类型,查询预设的可控能源机组性能数据库,若未查到电功率等级与预估功率值相同的可控能源机组数据,则选取电功率等级与预估功率值最接近的可控能源机组对应的负荷率与发电效率曲线。
在一个实施例中,获取可控能源机组类型、当地年电负荷延时曲线和当地保障热/冷负荷的步骤之前还包括:
步骤S1,根据各种可控能源类型、各种可控能源机组类型、各电功率等级、热功率等级、冷功率等级可控能源机组、最低稳定运行负荷率、满负荷率、同类机组年平均运行负荷率以及负荷率与发电效率曲线的相互关联性,建立可控能源机组性能数据库。
具体的,可控能源机组性能数据库中的数据由机组生产厂商公开的机组数据和国家或地区公开的能源统计年报中获取。
另一方面,本发明实施例还提供一种以热/冷定电型智能微网中可控能源机组功率确定装置,包括:
数据获取模块610,用于获取可控能源机组类型、当地年热/冷负荷延时曲线和当地保障热/冷负荷;
功率预估模块620,用于根据可控能源机组类型和当地年热/冷负荷延时曲线,通过预设的电功率估值算法得到可控能源机组的预估电功率值;
负荷率与发电效率曲线获取模块630,用于根据可控能源机组的预估电功率值和可控能源机组类型,查询预设的可控能源机组性能数据库,得到可控能源机组的负荷率与发电效率曲线;
功率确定模块640,用于根据当地年热/冷负荷延时曲线、负荷率与发电效率曲线以及当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到可控能源机组的电功率值。
关于以热/冷定电型智能微网中可控能源机组的功率确定装置的具体限定可以参见上文中对于以热/冷定电型智能微网中可控能源机组的功率确定方法的限定,在此不再赘述。上述以热/冷定电型智能微网中可控能源机组的功率确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是电脑,其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储各类型、各电功率等级、热功率等级、冷功率等级的可控能源机组的相关性能数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取可控能源机组类型、当地年热/冷负荷延时曲线和当地保障热/冷负荷;
根据可控能源机组类型和当地年热/冷负荷延时曲线,通过第一预设算法得到可控能源机组的预估电功率值;
根据可控能源机组的预估电功率值和可控能源机组类型,查询预设的可控能源机组性能数据库,得到可控能源机组的负荷率与发电效率曲线;
根据当地年热/冷负荷延时曲线、负荷率与发电效率曲线以及当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到可控能源机组的电功率值。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取可控能源机组类型、当地年热/冷负荷延时曲线和当地保障热/冷负荷;
根据可控能源机组类型和当地年热/冷负荷延时曲线,通过第一预设算法得到可控能源机组的预估电功率值;
根据可控能源机组的预估电功率值和可控能源机组类型,查询预设的可控能源机组性能数据库,得到可控能源机组的负荷率与发电效率曲线;
根据当地年热/冷负荷延时曲线、负荷率与发电效率曲线以及当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到可控能源机组的电功率值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种以热/冷定电型智能微网中可控能源机组电功率确定方法,其特征在于,所述方法应用于以热/冷定电型智能微网的分布式供电系统,所述以热/冷定电型智能微网的分布式供电系统包括可控能源机组;
所述方法包括步骤:
获取所述可控能源机组的可控能源机组类型、当地年热/冷负荷延时曲线和当地保障热/冷负荷;
根据所述可控能源机组类型和所述当地年热/冷负荷延时曲线,通过第一预设算法得到所述可控能源机组的预估电功率值;
根据所述可控能源机组的预估电功率值和所述可控能源机组类型,查询预设的可控能源机组性能数据库,得到所述可控能源机组的负荷率与发电效率曲线;
根据所述当地年热/冷负荷延时曲线、所述负荷率与发电效率曲线以及所述当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到所述可控能源机组的电功率值,并将所述电功率值输出给所述可控能源机组;
其中,当以热/冷定电型智能微网孤网运行时,所述根据所述当地年热/冷负荷延时曲线、所述负荷率与发电效率曲线以及所述当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到所述可控能源机组的电功率值的步骤之后,还包括:
获取当地电力保障负荷;
比较所述当地电力保障负荷和所述可控能源机组的电功率值,根据比较结果确定所述可控能源机组的最终电功率值。
2.根据权利要求1所述的以热/冷定电型智能微网中可控能源机组电功率确定方法,其特征在于,根据比较结果确定所述可控能源机组的最终电功率值的步骤包括:
若所述当地电力保障负荷大于所述可控能源机组的电功率值,则将所述当地电力保障负荷作为所述可控能源机组的最终电功率值;若所述可控能源机组的电功率值大于所述当地电力保障负荷,则将所述可控能源机组的电功率值确定为所述可控能源机组的最终电功率值。
3.根据权利要求1所述的以热/冷定电型智能微网中可控能源机组电功率确定方法,其特征在于,所述根据所述可控能源机组类型和所述当地年热/冷负荷延时曲线,通过第一预设算法得到所述可控能源机组的预估电功率值的过程包括:
根据所述可控能源机组类型和预设的负荷率估值算法对所述可控能源机组的负荷率进行预估,得到所述可控能源机组的预估负荷率;
根据所述预估运行负荷率和所述当地年热/冷负荷延时曲线,得到所述可控能源机组的预估热/冷功率值;
根据所述可控能源机组的预估热/冷功率值和所述可控能源机组类型,得到对应的所述可控能源机组的预估电功率值。
4.根据权利要求3所述的以热/冷定电型智能微网中可控能源机组电功率确定方法,其特征在于,根据所述可控能源机组类型和预设的负荷率估值算法对所述可控能源机组的负荷率进行预估,得到所述可控能源机组的预估负荷率的过程包括:
根据所述可控能源机组类型,查询所述可控能源机组性能数据库,得到所述可控能源机组的最低稳定运行负荷率、满负荷率和同类机组年平均运行负荷率;
根据所述最低稳定运行负荷率、所述满负荷率和所述同类机组年平均运行负荷率,对预设的三点估算函数求解,得到所述可控能源机组的预估负荷率。
5.根据权利要求3所述的以热/冷定电型智能微网中可控能源机组电功率确定方法,其特征在于,根据所述预估运行负荷率和所述当地年热/冷负荷延时曲线,得到所述可控能源机组的预估热/冷功率值的过程包括:
根据所述预估运行负荷率对预设的年负荷率函数求解,得到所述可控能源机组的预估全年满负荷运行小时数;
选取在所述当地年热/冷负荷延时曲线上所述预估全年满负荷运行小时数对应的热/冷负荷,作为所述可控能源机组的预估热/冷功率值。
6.根据权利要求1所述的以热/冷定电型智能微网中可控能源机组电功率确定方法,其特征在于,所述根据所述当地年热/冷负荷延时曲线、所述负荷率与发电效率曲线以及所述当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到所述可控能源机组的电功率值的过程包括:
根据当地正常热/冷负荷和所述当地年热/冷负荷延时曲线,得到所述可控能源机组的最低全年满负荷运行小时数tgh;
根据所述当地年热/冷负荷延时曲线、所述可控能源机组的负荷率与发电效率曲线对所述可控能源机组的年经济收益模型求解,得到全年满负荷运行小时数在[tgh+1,8760]区间内的可控能源机组年经济收益变化曲线;
选取所述年经济收益最大时对应的全年满负荷运行小时数tn;
根据所述可控能源机组的热/冷功率值Hn和所述可控能源机组类型,得到对应的所述可控能源机组的电功率值Pn。
8.一种以热/冷定电型智能微网中可控能源机组功率确定装置,其特征在于,所述以热/冷定电型智能微网中可控能源机组功率确定装置运用于以热/冷定电型智能微网的分布式供电系统,所述以热/冷定电型智能微网的分布式供电系统包括可控能源机组;
所述以热/冷定电型智能微网中可控能源机组功率确定装置包括:
数据获取模块,用于获取所述可控能源机组的可控能源机组类型、当地年热/冷负荷延时曲线和当地保障热/冷负荷;
功率预估模块,用于根据所述可控能源机组类型和所述当地年热/冷负荷延时曲线,通过预设的电功率估值算法得到所述可控能源机组的预估电功率值;
负荷率与发电效率曲线获取模块,用于根据所述可控能源机组的预估电功率值和所述可控能源机组类型,查询预设的可控能源机组性能数据库,得到所述可控能源机组的负荷率与发电效率曲线;
功率确定模块,用于根据所述当地年热/冷负荷延时曲线、所述负荷率与发电效率曲线以及所述当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到所述可控能源机组的电功率值,并将所述电功率值输出给所述可控能源机组,还用于当以热/冷定电型智能微网孤网运行时,所述根据所述当地年热/冷负荷延时曲线、所述负荷率与发电效率曲线以及所述当地保障热/冷负荷,对预先建立的可控能源机组的年经济收益模型求解,得到所述可控能源机组的电功率值的步骤之后,获取当地电力保障负荷;比较所述当地电力保障负荷和所述可控能源机组的电功率值,根据比较结果确定所述可控能源机组的最终电功率值。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810712629.7A CN108921429B (zh) | 2018-06-29 | 2018-06-29 | 以热/冷定电型智能微网中可控能源机组电功率确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810712629.7A CN108921429B (zh) | 2018-06-29 | 2018-06-29 | 以热/冷定电型智能微网中可控能源机组电功率确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108921429A CN108921429A (zh) | 2018-11-30 |
CN108921429B true CN108921429B (zh) | 2021-06-08 |
Family
ID=64423859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810712629.7A Active CN108921429B (zh) | 2018-06-29 | 2018-06-29 | 以热/冷定电型智能微网中可控能源机组电功率确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108921429B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103606969A (zh) * | 2013-12-03 | 2014-02-26 | 国家电网公司 | 含新能源及海水淡化负荷的海岛微电网优化调度方法 |
CN105023194A (zh) * | 2014-04-28 | 2015-11-04 | 国家电网公司 | 一种计及可靠性和经济性的配电设备运行效率评价方法 |
CN105207200A (zh) * | 2015-09-10 | 2015-12-30 | 国家电网公司 | 一种负荷分布不均衡的电网发展协调性分析方法 |
CN105226639A (zh) * | 2015-09-07 | 2016-01-06 | 中国东方电气集团有限公司 | 基于系统等效电价最低的微网系统设计方案及测试平台 |
AU2016200314A1 (en) * | 2010-04-22 | 2016-02-11 | Accenture Global Services Limited | Performance analytics based on high performance indices |
CN105469194A (zh) * | 2015-11-18 | 2016-04-06 | 中国电力科学研究院 | 一种基于负荷持续曲线的配电网主设备运行效率评价方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150364919A1 (en) * | 2014-06-12 | 2015-12-17 | Cupertino Electric Inc. | Method and System for Interfacing Inverter-Based Power Generator to Electric Power Grid |
-
2018
- 2018-06-29 CN CN201810712629.7A patent/CN108921429B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2016200314A1 (en) * | 2010-04-22 | 2016-02-11 | Accenture Global Services Limited | Performance analytics based on high performance indices |
CN103606969A (zh) * | 2013-12-03 | 2014-02-26 | 国家电网公司 | 含新能源及海水淡化负荷的海岛微电网优化调度方法 |
CN105023194A (zh) * | 2014-04-28 | 2015-11-04 | 国家电网公司 | 一种计及可靠性和经济性的配电设备运行效率评价方法 |
CN105226639A (zh) * | 2015-09-07 | 2016-01-06 | 中国东方电气集团有限公司 | 基于系统等效电价最低的微网系统设计方案及测试平台 |
CN105207200A (zh) * | 2015-09-10 | 2015-12-30 | 国家电网公司 | 一种负荷分布不均衡的电网发展协调性分析方法 |
CN105469194A (zh) * | 2015-11-18 | 2016-04-06 | 中国电力科学研究院 | 一种基于负荷持续曲线的配电网主设备运行效率评价方法 |
Non-Patent Citations (1)
Title |
---|
《采用二级热网电锅炉调峰的消纳弃风机理及经济性分析》;邓佳乐;《电力系统自动化》;20161123;第40卷(第18期);41-47 * |
Also Published As
Publication number | Publication date |
---|---|
CN108921429A (zh) | 2018-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shi et al. | Distributionally robust chance-constrained energy management for islanded microgrids | |
US11770098B2 (en) | Coordinated control of renewable electric generation resource and charge storage device | |
Hajipour et al. | Stochastic capacity expansion planning of remote microgrids with wind farms and energy storage | |
Ferrario et al. | A model-based parametric and optimal sizing of a battery/hydrogen storage of a real hybrid microgrid supplying a residential load: Towards island operation | |
Maleki et al. | Comparative study of artificial intelligence techniques for sizing of a hydrogen-based stand-alone photovoltaic/wind hybrid system | |
US11913126B2 (en) | Hydrogen-system control device and hydrogen-system control method | |
Antenucci et al. | Gas-constrained secure reserve allocation with large renewable penetration | |
CN109472401B (zh) | 分布式供能运行策略的确定方法、装置、设备和存储介质 | |
García et al. | Energy management system based on techno-economic optimization for microgrids | |
Zhou et al. | Multistage robust look-ahead unit commitment with probabilistic forecasting in multi-carrier energy systems | |
US20130138468A1 (en) | Power demand plan coordination device, power demand plan coordination method, and program | |
CN109687479B (zh) | 功率波动平抑方法、系统、存储介质和计算机设备 | |
CN107800153B (zh) | 一种电蓄热消纳风电的电热能量滚动鲁棒调度方法 | |
CN111697625A (zh) | 基于分布鲁棒优化的孤岛微电网机会约束能量调度方法 | |
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 | |
CN111489020A (zh) | 一种独立型综合能源网电-气储能系统优化配置求解方法 | |
US9639129B2 (en) | Hydroelectric power generation plan adjustment device, hydroelectric power generation plan adjustment method, and program | |
CN109038556B (zh) | 一种火电机组灵活性改造容量计算方法及系统 | |
JP2020039222A (ja) | 電力需給制御装置、電力需給制御システムおよび電力需給制御方法 | |
CN110838734B (zh) | 新能源电力调度出力的确定方法、装置和计算机设备 | |
CN108921429B (zh) | 以热/冷定电型智能微网中可控能源机组电功率确定方法 | |
JP7108524B2 (ja) | 充放電制御装置及び充放電制御方法 | |
CN115537839A (zh) | 制氢系统的效率优化控制方法及装置、设备及存储介质 | |
CN111614126B (zh) | 控制微电网的方法、功率管理系统以及能量管理系统 | |
Halwany et al. | Optimal sizing of battery energy storage to enable offshore wind farm black start operation |
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 |