CN109741110B - 一种基于机会约束规划的风氢系统联合优化建模方法 - Google Patents
一种基于机会约束规划的风氢系统联合优化建模方法 Download PDFInfo
- Publication number
- CN109741110B CN109741110B CN201910011468.3A CN201910011468A CN109741110B CN 109741110 B CN109741110 B CN 109741110B CN 201910011468 A CN201910011468 A CN 201910011468A CN 109741110 B CN109741110 B CN 109741110B
- Authority
- CN
- China
- Prior art keywords
- wind
- hydrogen
- wind power
- power
- capacity
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Fuel Cell (AREA)
Abstract
本发明涉及一种基于机会约束规划的风氢系统联合优化建模方法,从风氢系统投资者利益角度出发,应用等电量‑顺负荷方法计算优化前后的风电波动成本,以投资项目资本金利润率(ROE)最大化为目标,考虑风电的不确定性,构建风电场输电工程与氢系统配置联合优化的机会约束规划模型。
Description
技术领域
本发明涉及电力系统技术领域,具体涉及一种基于机会约束规划的风氢系统联合优化建模方法。
背景技术
随着世界各国的能源发展重心转向清洁能源,可再生能源发展迅猛。风电作为可再生能源的主要利用方式,其快速、规模化发展及风电的随机性、间歇性使得电网消纳风电的困难凸显,造成电能质量下降,风电利用率降低,弃风率居高不下,进而影响整个行业的经济效益。将风电与氢储能结合在一起,能有效地解决当前风电遇到的问题,一方面能够通过吸收过剩风电解决风电消纳问题,提高风电的利用率,实现风电功率波动的平抑和能源的长期储存,另一方面可将清洁、高效的氢燃料融入已有的燃气供应网络实现能源互联或者通过燃料电池的形式实现直接高效利用。
现有的风氢系统容量优化配置中尚没有考虑风电场的波动平滑效益,也鲜有从机会约束规划角度去合理配置风氢系统各单元容量。
发明内容
有鉴于此,本发明的目的在于提供一种基于机会约束规划的风氢系统联合优化建模方法,从风氢系统投资者利益角度出发,应用等电量-顺负荷方法计算优化前后的风电波动成本,以投资项目资本金利润率(ROE)最大化为目标,为了充分体现风电的不确定性,构建风电场输电工程与氢系统配置联合优化的机会约束规划模型。
为实现上述目的,本发明采用如下技术方案:
一种基于机会约束规划的风氢系统联合优化建模方法,其特征在于,包括如下步骤:
步骤S1:获取风电场电场时序风资源状况,拟合风电场出力时间序列,氢系统成本参数,输电工程参数、风电上网电价参数,为建模优化提供数据支撑;
步骤S2:根据获得的风电场出力时间序列,以资本金利润率最大化为目标,满足预设约束,构建风电场的机会约束规划模型,配置风电场外送输出容量以及氢系统各单元容量;
步骤S3:根据得到机会约束规划模型,利用Cplex求解得到最优风氢系统外送输电容量、电解槽功率、压缩机功率、储氢单元功率及燃料电池功率。
进一步的,所述步骤S2具体包括:
步骤S21:计算风氢系统的平滑效益。
根据“等电量-顺负荷”思路,针对风氢系统,计算风电场外送出力的波动成本,在一个周期T内,进行“等电量-顺负荷”变换公式为:
其中,P(t)为t时刻的实际风电出力,P*(t)为t时刻的“等电量-顺负荷”变换后风电出力,Load(t)为t时刻的负荷需求。
计算系统变换前后的风电波动电量:
其中,PLoad(t)表示一个周期内的负荷需求,Preal(t)和P* real(t)分别为不含氢系统的风电场实际出力和“等电量-顺负荷”变换后的风电出力;Pe(t)和P* e(t)分别表示风氢系统中风电上网的输送功率和“等电量-顺负荷”变换后的上网功率;
故风氢系统平滑效益可表示为
RF=(Wreal-We)h
其中,RF为系统平滑效益,Wreal和We分别表示含氢和不含氢系统的风电波动电量,h为单位波动价格。
步骤S22:计算风氢系统售电收入R1、售氢收入R2:
其中,Pnet.t、Pfc.t、Pso.t分别为第t时段风电、燃料电池补发上网功率和用于售氢的等效风电功率,Se.t为第t时段风电上网电价,Sh为单位氢气价格λ表示每小时每MW风电功率的制氢量;
步骤S23:计算风氢系统的投资成本,包括输电工程、电解槽、压缩机、储氢设备和燃料电池五个子系统的投资成本;
C1=LX1ω1
其中,C1为输电工程的投资成本,L为输电线路长度,X1为输电工程容量(MW),ω1为单位长度单位容量投资成本;
Ci=Xiωi
其中,Ci为对应子系统的投资成本,i=2,3,4,5,分别电解槽、压缩机、储氢设备和燃料电池);Xi和ωi分别为对应子系统容量和单位容量投资成本;
采用费用年值法求取各子系统投资成本等年值
其中,ACi和ni分别为对应子系统投资成本等年值和使用寿命,ic为折现率;
步骤S24:计算风氢系统的运维成本。
输电工程与风氢系统各部分的年运维成本按其投资成本的百分比计算
OMi=liCi
其中,OMi和li分别为对应子系统的年运维成本及其占比;
步骤S26:构建风电场的机会约束规划模型:
资本金利润率最大化的目标函数可表示为
其中,ROE为资本金利润率,NP为净利润,EC为总投资成本。
进一步的,所述预设约束具体为:
(1).风电功率有功平衡
Pnet.t+Pel.t+Pcurt.t=Pwind.t
其中,Pwind.t和Pcurt.t为t时段风电出力和风电弃风功率,Pel.t为输入电解槽的风电功率;
(2).压缩机等式约束
每个时段由电解槽产生的氢气量可由输入压缩机的等效风电功率表示,考虑电解槽效率;系统每小时的售氢量和储氢量也用等效风电功率表示:
Pcom.t=Pel.t·ηel
Pso.t+Psto.t=Pcom.t·ηcom
其中,ηel、ηcom为电解槽和压缩机的效率;Pcom.t、Psto.t表示第t小时输入压缩机和用于储氢的等效风电功率;
(3).储氢设备运行等式约束
Sto.t=Sto.t-1+Psto.t-Pfc.t/ηfc
其中,ηfc为燃料电池的效率;Sto.t-1、Sto.t为系统运行过程中,高压储氢设备第t-1、t小时储氢量的等效风电功率(MW);
(4).不等式约束
(4.1).子系统容量约束
0≤Xi≤Cap
其中,Xi为联合系统各组成单元的容量,Cap为风电场的装机容量(MW);
(4.2).风电上网功率波动约束
为平抑风电出力,根据风电并网技术要求,将两个时段间风电场的并网功率变化限制在装机容量的10%以内:
-10%Cap≤[(Pnet.t+Pfc.t)-(Pnet.t-1+Pfc.t-1)]≤10%Cap
(4.3).稳定运行约束
系统稳定运行约束包括并网功率约束、制氢功率约束、弃风功率约束、燃料电池补发上网功率约束和压缩氢气、售氢、储氢等效风电功率约束;
(4.4).弃风置信水平约束
基于风资源的不确定性,利用置信水平约束作为弃风约束。
Pr{X1+X2≥ζ}≥α
其中,X1和X2为决策变量,分别为输电工程容量和电解槽容量,α为置信水平,表示不允许弃风的概率,ζ是随机变量。
本发明与现有技术相比具有以下有益效果:
本发明考虑风电场有氢系统和没有氢系统的波动平滑效益,全面量化风氢系统的收益,有利于合理优化风氢系统各单元容量配置;机会约束规划的引入充分体现风资源的不确定性,使得优化配置的各单元容量不致过于保守,提升项目投资的经济性并充分体现了投资者的决策意愿。
附图说明
图1是本发明风氢系统结构图;
图2是本发明风电出力的等电量顺负荷变换;
图3是本发明一实施例中风电场历史出力数据;
图4是本发明一实施例中风电上网电价。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1,本发明提供一种基于机会约束规划的风氢系统联合优化建模方法,其特征在于,包括如下步骤:
步骤S1:获取风电场电场时序风资源状况,拟合风电场出力时间序列,氢系统成本参数,输电工程参数、风电上网电价参数,为建模优化提供数据支撑;
步骤S2:根据获得的风电场出力时间序列,以资本金利润率最大化为目标,满足预设约束,构建风电场的机会约束规划模型,配置风电场外送输出容量以及氢系统各单元容量;
步骤S3:根据得到机会约束规划模型,利用Cplex求解得到最优风氢系统外送输电容量、电解槽功率、压缩机功率、储氢单元功率及燃料电池功率。
在本发明一实施例中,所述步骤S2具体为:
步骤S21:计算风氢系统的平滑效益:
根据“等电量-顺负荷”思路,针对风氢系统,计算风电场外送出力的波动成本,在已知一个周期T内的负荷曲线的情况下,进行“等电量-顺负荷”变换:
其中,P(t)为t时刻的实际风电出力,P*(t)为t时刻的“等电量-顺负荷”变换后风电出力,Load(t)为t时刻的负荷需求;
图2中,PLoad(t)表示一个周期内的负荷需求,Preal(t)和P* real(t)分别为不含氢系统的风电场实际出力和“等电量-顺负荷”变换后的风电出力;Pe(t)和P* e(t)分别表示风氢系统中风电上网的输送功率和“等电量-顺负荷”变换后的上网功率。
进一步地,计算系统变换前后的风电波动电量,如图2中的阴影部分:
故风氢系统平滑效益可表示为
RF=(Wreal-We)h
其中,RF为系统平滑效益,Wreal和We分别表示含氢和不含氢系统的风电波动电量,h为单位波动价格。
步骤S22:计算风氢系统其他收入,该收入包括售电收入R1、售氢收入R2:
其中,Pnet.t、Pfc.t、Pso.t分别为第t时段风电、燃料电池补发上网功率和用于售氢的等效风电功率(MW),Se.t为第t时段风电上网电价(€/MWh),Sh为单位氢气价格(€/kg)。λ表示每小时每MW风电功率的制氢量(kg/MW·h-1)。
步骤S23:计算风氢系统的投资成本
风氢系统的投资成本包括输电工程、电解槽、压缩机、储氢设备和燃料电池五个子系统的投资成本:
C1=LX1ω1
其中,C1为输电工程的投资成本,L为输电线路长度,X1为输电工程容量(MW),ω1为单位长度单位容量投资成本(€/MW·km-1)。
Ci=Xiωi
其中,Ci为对应子系统的投资成本,i=2,3,4,5(2:电解槽;3:压缩机;4:储氢设备;5:燃料电池),Xi和ωi分别为对应子系统容量和单位容量投资成本。
应用费用年值法求取各子系统投资成本等年值。
其中,ACi和ni分别为对应子系统投资成本等年值和使用寿命,ic为折现率。
步骤S24:计算风氢系统的运维成本;
输电工程与风氢系统各部分的年运维成本按其投资成本的百分比计算:
OMi=liCi
其中,OMi和li分别为对应子系统的年运维成本及其占比。
步骤S26:风氢系统机会约束规划模型的建立。
目标函数:为吸引投资者加入到风氢系统的规划建设中,以反映投资者获利能力的资本金利润率最大化的目标函数可表示为
其中,ROE为资本金利润率,NP为净利润,EC为总投资成本:约束条件:
(1).风电功率有功平衡
Pnet.t+Pel.t+Pcurt.t=Pwind.t
其中,Pwind.t和Pcurt.t为t时段风电出力和风电弃风功率(MW),Pel.t为输入电解槽的风电功率(MW)。
(2).压缩机等式约束
每个时段由电解槽产生的氢气量可由输入压缩机的等效风电功率表示,考虑电解槽效率;系统每小时的售氢量和储氢量也用等效风电功率表示。
Pcom.t=Pel.t·ηel
Pso.t+Psto.t=Pcom.t·ηcom
其中,ηel、ηcom为电解槽和压缩机的效率;Pcom.t、Psto.t表示第t小时输入压缩机和用于储氢的等效风电功率。
(3).储氢设备运行等式约束
Sto.t=Sto.t-1+Psto.t-Pfc.t/ηfc
其中,ηfc为燃料电池的效率;Sto.t-1、Sto.t为系统运行过程中,高压储氢设备第t-1、t小时储氢量的等效风电功率(MW)。
(4).不等式约束
(4.1).子系统容量约束
0≤Xi≤Cap
其中,Xi为联合系统各组成单元的容量,Cap为风电场的装机容量(MW)。
(4.2).风电上网功率波动约束为平抑风电出力,根据风电并网技术要求,将两个时段间风电场的并网功率变化限制在装机容量的10%以内。
-10%Cap≤[(Pnet.t+Pfc.t)-(Pnet.t-1+Pfc.t-1)]≤10%Cap
(4.3).稳定运行约束系统稳定运行约束包括并网功率约束、制氢功率约束、弃风功率约束、燃料电池补发上网功率约束和压缩氢气、售氢、储氢等效风电功率约束。
(4.4).弃风置信水平约束
若不允许风电场弃风,则必将导致更大的投资成本,减少系统收益,但过多的弃风也将减少系统的收益。因为风资源的不确定性,利用置信水平约束作为弃风约束。
Pr{X1+X2≥ζ}≥α
其中,X1和X2为决策变量,分别为输电工程容量和电解槽容量(MW),α为置信水平,表示不允许弃风的概率,ζ是随机变量,本发明表示风电场出力。
以下为本发明一具体实例。
风电场每小时的具体出力如图3所示,风电场总装机容量48MW;风电场的上网电价见图4,风氢系统设备参数见表1;折现率取10%,风电场送入到电力系统并网点的输电线路长度为15.9475km;单位波动价格h定为9€/MWh;
在置信水平α=85%时,风氢系统优化的结果见表2。在表2中,随着氢气价格的升高,系统配置的最优输电容量减小,电解槽容量增加,系统整体经济效益增加,弃风率也随之降低。需要指出的是,无论氢气价格如何变化,优化结果中储氢设备和燃料电池的配置容量均为0。这是由于在设置的场景中,储氢设备里的氢气仅用于燃料电池再发电,从而平滑风电出力,否则可以直接通过运输设备外送到加氢站。目前,燃料电池的投资成本较高,效率相对偏低,通过燃料电池发电的收入无法平衡支出,配置燃料电池将使得整个系统的收益下降。故在实际优化过程中通过弃风和电解槽制氢两种方式平滑风电,放弃配置燃料电池。
表1风氢系统设备参数
表2α=85%时系统优化结果
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (1)
1.一种基于机会约束规划的风氢系统联合优化建模方法,其特征在于,包括如下步骤:
步骤S1:获取风电场时序资源状况,拟合风电场出力时间序列,风氢系统成本参数,输电工程参数、风电上网电价参数,为建模优化提供数据支撑;
步骤S2:以资本金利润率最大化为目标,满足预设约束,构建风电场的机会约束规划模型,配置风电场外送工程输电容量以及风氢系统各子系统容量;
步骤S3:根据得到机会约束规划模型,利用Cplex求解得到最优风氢系统外送输电容量、电解槽功率、压缩机功率、储氢单元功率及燃料电池功率;
所述步骤S2具体包括:
步骤S21:计算风氢系统的平滑效益:
根据“等电量-顺负荷”思路,针对风氢系统,计算风电场外送出力的波动成本,在一个周期T内,进行“等电量-顺负荷”变换公式为:
其中,P(t)为t时刻的实际风电出力,P*(t)为t时刻的“等电量-顺负荷”变换后风电出力,Load(t)为t时刻的负荷需求;
计算风氢系统变换前后的风电波动电量:
其中,Preal(t)为不含氢系统的风电场实际出力,P* real(t)为“等电量-顺负荷”变换后的风电出力;Pe(t)表示风氢系统中风电上网的输送功率,P* e(t)表示“等电量-顺负荷”变换后的上网功率;
故风氢系统平滑效益表示为:
RF=(Wreal-We)h
其中,RF为风氢系统平滑效益,Wreal表示不含氢系统的风电波动电量,We表示含氢系统的风电波动电量,h为单位波动价格;
步骤S22:计算风氢系统售电收入R1、售氢收入R2:
其中,Pnet.t为第t时段风电功率,Pfc.t为第t时段燃料电池补发上网功率,Pso.t为第t时段用于售氢的等效风电功率,Se.t为第t时段风电上网电价,Sh为单位氢气价格,λ表示每小时每MW风电功率的制氢量;
步骤S23:计算风氢系统的投资成本,包括输电工程、电解槽、压缩机、储氢设备和燃料电池五个子系统的投资成本;
C1=LX1ω1
其中,C1为输电工程的投资成本,L为输电线路长度,X1为输电工程容量,ω1为单位长度单位容量投资成本;
Ci=Xiωi
其中,Ci为对应子系统的投资成本,i=2,3,4,5,依次为电解槽、压缩机、储氢设备和燃料电池子系统;Xi为对应子系统容量,ωi为对应子系统单位容量投资成本;
采用费用年值法求取各子系统投资成本等年值:
其中,ACi为对应子系统投资成本等年值,ni为对应子系统使用寿命,ic为折现率;
步骤S24:计算风氢系统的运维成本:
输电工程与风氢系统各部分的年运维成本按其投资成本的百分比计算:
OMi=liCi
其中,OMi为对应子系统的年运维成本,li为对应子系统的年运维成本的占比;
步骤S26:构建风电场的机会约束规划模型,包括资本金利润率最大化的目标函数和预设约束;
所述资本金利润率最大化的目标函数表示为:
其中,ROE为资本金利润率,NP为净利润,EC为总投资成本;
所述预设约束具体为:
(1).风电功率有功平衡:
Pnet.t+Pel.t+Pcurt.t=Pwind.t
其中,Pwind.t为t时段风电出力,Pcurt.t为t时段风电弃风功率,Pel.t为输入电解槽的风电功率;
(2).压缩机等式约束:
每个时段由电解槽产生的氢气量由输入压缩机的等效风电功率表示,考虑电解槽效率;系统每小时的售氢量和储氢量也用等效风电功率表示:
Pcom.t=Pel.t·ηel
Pso.t+Psto.t=Pcom.t·ηcom
其中,ηel为电解槽的效率,ηcom为压缩机的效率;Pcom.t表示第t小时输入压缩机的等效风电功率,Psto.t表示第t小时用于储氢的等效风电功率;
(3).储氢设备运行等式约束:
Sto.t=Sto.t-1+Psto.t-Pfc.t/ηfc
其中,ηfc为燃料电池的效率;Sto.t-1为系统运行过程中,储氢设备第t-1小时储氢量的等效风电功率;Sto.t为系统运行过程中,储氢设备第t小时储氢量的等效风电功率;
(4).不等式约束:
(4.1).子系统容量约束
0≤Xi≤Cap
其中,Xi为风氢系统各子系统的容量,Cap为风电场的装机容量;
(4.2).风电上网功率波动约束:
根据风电并网技术要求,将两个时段间风电场的并网功率变化限制在装机容量的10%以内:
-10%Cap≤[(Pnet.t+Pfc.t)-(Pnet.t-1+Pfc.t-1)]≤10%Cap
(4.3).稳定运行约束:
系统稳定运行约束包括并网功率约束、制氢功率约束、弃风功率约束、燃料电池补发上网功率约束和压缩氢气、售氢、储氢等效风电功率约束;
(4.4).弃风置信水平约束:
基于风资源的不确定性,利用置信水平约束作为弃风约束:
Pr{X1+X2≥ζ}≥α
其中,X2为电解槽容量,α为置信水平,表示不允许弃风的概率,ζ是随机变量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910011468.3A CN109741110B (zh) | 2019-01-07 | 2019-01-07 | 一种基于机会约束规划的风氢系统联合优化建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910011468.3A CN109741110B (zh) | 2019-01-07 | 2019-01-07 | 一种基于机会约束规划的风氢系统联合优化建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109741110A CN109741110A (zh) | 2019-05-10 |
CN109741110B true CN109741110B (zh) | 2022-07-01 |
Family
ID=66363648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910011468.3A Active CN109741110B (zh) | 2019-01-07 | 2019-01-07 | 一种基于机会约束规划的风氢系统联合优化建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109741110B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112163780A (zh) * | 2020-10-14 | 2021-01-01 | 国网能源研究院有限公司 | 一种风光互补制-储氢容量规划方法及系统 |
CN112269964B (zh) * | 2020-10-30 | 2023-07-25 | 国网甘肃省电力公司电力科学研究院 | 一种基于双梯级函数的氢能系统功率容量计算方法 |
CN113689023B (zh) * | 2021-03-11 | 2023-10-13 | 中国科学院广州能源研究所 | 一种风/储/氢并网发电系统弃风消纳能量管理方法 |
CN113471948B (zh) * | 2021-06-23 | 2022-11-08 | 国网吉林省电力有限公司电力科学研究院 | 风光储互补制氢交直流系统的自适应管控方法 |
CN113705063B (zh) * | 2021-07-23 | 2023-08-01 | 福州大学 | 动态制氢效率特性下的远海风电制氢系统容量优化方法 |
CN114172175B (zh) * | 2021-12-07 | 2023-07-25 | 中国科学院广州能源研究所 | 一种提高风电场经济效益的氢储配置与控制协同优化方法 |
CN115079564B (zh) * | 2022-07-21 | 2022-11-04 | 清华四川能源互联网研究院 | 区域电氢系统脱碳路径规划优化方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105391092B (zh) * | 2015-11-18 | 2018-05-04 | 国网山东省电力公司电力科学研究院 | 基于相关机会规划的虚拟电厂多目标竞价的调控优化方法 |
KR101706078B1 (ko) * | 2016-02-18 | 2017-02-14 | 경희대학교 산학협력단 | 핀치분석을 이용한 하이브리드 재생에너지 시스템의 최적화 방법 |
CN108206547B (zh) * | 2018-01-08 | 2021-01-29 | 福州大学 | 风氢耦合发电系统各单元容量优化的方法 |
CN108537393B (zh) * | 2018-05-14 | 2021-12-21 | 福州大学 | 基于机会约束规划的风电场外送输电线路截面优化方法 |
CN109102115B (zh) * | 2018-08-03 | 2021-09-14 | 国网山东省电力公司经济技术研究院 | 一种适应风电大规模并网的参考电网机会约束规划方法 |
-
2019
- 2019-01-07 CN CN201910011468.3A patent/CN109741110B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109741110A (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109741110B (zh) | 一种基于机会约束规划的风氢系统联合优化建模方法 | |
Zhang et al. | A two-layer model for microgrid real-time dispatch based on energy storage system charging/discharging hidden costs | |
CN106981888B (zh) | 基于多源互补的风蓄水火电力系统的多目标动态调度方法 | |
Li et al. | On the determination of battery energy storage capacity and short-term power dispatch of a wind farm | |
CN108206547B (zh) | 风氢耦合发电系统各单元容量优化的方法 | |
AU2019407201B2 (en) | Method for operating an energy management system, electronic computing device for carrying out the method, computer program, and data carrier | |
CN109586284B (zh) | 考虑弃能约束的送端电力系统随机生产模拟方法及应用 | |
Mladenov et al. | Characterisation and evaluation of flexibility of electrical power system | |
CN103795088B (zh) | 一种基于负荷曲线量化的抽水蓄能电站优化调度方法 | |
Berrada et al. | Optimal modeling of energy storage system | |
CN113659627A (zh) | 一种含光伏发电和液态空气储能的微电网优化调度方法 | |
Nazari et al. | Optimal scheduling of coordinated wind-pumped storage-thermal system considering environmental emission based on GA based heuristic optimization algorithm | |
CN116599148A (zh) | 一种面向新能源消纳的氢电混合储能两阶段协同规划方法 | |
Pombo et al. | A computationally efficient formulation for a flexibility enabling generation expansion planning | |
CN114444851A (zh) | 一种计及旋转备用服务的虚拟电厂优化调度方法及系统 | |
CN110601233B (zh) | 一种电力系统中储能电站的调峰调度方法 | |
CN112163780A (zh) | 一种风光互补制-储氢容量规划方法及系统 | |
CN114884101B (zh) | 一种基于自适应模型控制预测的抽水蓄能调度方法 | |
CN108306319B (zh) | 一种新能源微网中储能配置优化方法及系统 | |
Baltputnis et al. | Short-term optimization of storage power plant operation under market conditions | |
Bruninx et al. | Improved energy storage system & unit commitment scheduling | |
Tina et al. | Short‐term scheduling of a wind generation and hydrogen storage in the electricity market | |
Yao et al. | Determination of a dispatch strategy to maximize income for a wind turbine-BESS power station | |
Huang et al. | A multi-time scale scheduling method for wind-PV-pumped storage-electrochemical energy storage integrated generation system | |
CN113919676A (zh) | 计及需求响应与电制氢系统的虚拟电厂运行效果评估方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |