CN110245810A - 一种区域能源互联网协调优化运行方法 - Google Patents
一种区域能源互联网协调优化运行方法 Download PDFInfo
- Publication number
- CN110245810A CN110245810A CN201910614919.2A CN201910614919A CN110245810A CN 110245810 A CN110245810 A CN 110245810A CN 201910614919 A CN201910614919 A CN 201910614919A CN 110245810 A CN110245810 A CN 110245810A
- Authority
- CN
- China
- Prior art keywords
- meg
- energy
- electricity
- period
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005457 optimization Methods 0.000 title claims abstract description 41
- 230000005611 electricity Effects 0.000 claims abstract description 130
- 241000221931 Hypomyces rosellus Species 0.000 claims abstract description 10
- 230000002452 interceptive effect Effects 0.000 claims abstract description 5
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 62
- 239000003345 natural gas Substances 0.000 claims description 31
- 239000007789 gas Substances 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 239000002918 waste heat Substances 0.000 claims description 12
- 230000008901 benefit Effects 0.000 claims description 8
- 238000010248 power generation Methods 0.000 claims description 8
- 230000004087 circulation Effects 0.000 claims description 7
- 238000001816 cooling Methods 0.000 claims description 7
- 230000007812 deficiency Effects 0.000 claims description 7
- 238000005057 refrigeration Methods 0.000 claims description 7
- 238000004140 cleaning Methods 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000010438 heat treatment Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000004064 recycling Methods 0.000 claims 1
- 238000003860 storage Methods 0.000 claims 1
- 230000003993 interaction Effects 0.000 abstract description 14
- 230000033228 biological regulation Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 101100408961 Homo sapiens PPP4R1 gene Proteins 0.000 description 10
- 101100496164 Mus musculus Clgn gene Proteins 0.000 description 10
- 101100229966 Mus musculus Grb10 gene Proteins 0.000 description 10
- 101100237027 Mus musculus Meig1 gene Proteins 0.000 description 10
- 101100333547 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) ENP1 gene Proteins 0.000 description 10
- 102100028618 Serine/threonine-protein phosphatase 4 regulatory subunit 1 Human genes 0.000 description 10
- 101100022811 Zea mays MEG1 gene Proteins 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 230000000295 complement effect Effects 0.000 description 7
- 101000617289 Homo sapiens Tyrosine-protein phosphatase non-receptor type 9 Proteins 0.000 description 6
- 102100023075 Protein Niban 2 Human genes 0.000 description 6
- 102100021722 Tyrosine-protein phosphatase non-receptor type 9 Human genes 0.000 description 6
- 101100022813 Zea mays MEG3 gene Proteins 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 238000004146 energy storage Methods 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000029087 digestion Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005485 electric heating Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002045 lasting effect Effects 0.000 description 2
- 241000239290 Araneae Species 0.000 description 1
- 230000002567 autonomic effect Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011067 equilibration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 238000005303 weighing Methods 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
- G06Q10/04—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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种区域能源互联网协调优化运行方法,本方法面向以微能源网为基本供能单元的区域能源互联网,提出一种基于区域电力市场定价引导不同微能源网之间进行电能交互的协调优化运行方法;从微能源网利益出发,建立供需两侧协同的微能源网日前自治优化调度模型;引入非均衡蛛网模型建立区域电力市场的定价交易模型,并形成市场价格调节与微能源网自治优化的双层交互结构,双层交互至稳定状态后,区域电力市场将实际交易电量向过度供给或过度需求方分配,各微能源网再根据分配结果进行最终的独立自治优化;本发明形成的协调优化运行方法可以实现非均衡状态下的稳定交易,使得微能源网之间通过高效的电能交互提升各自的经济环保等运行性能。
Description
技术领域
本发明涉及电气信息技术领域,具体地,涉及一种区域能源互联网协调优化运行方法。
背景技术
随着能源环境危机的持续加深,能源行业提出了“能源互联网(Energy Internet,EI)”的概念,要求打破各能源领域的壁垒,基于先进的互联网通信技术,利用各类能源转换设备和储能设备进行电、气、热、冷以及交通等领域的能量耦合运行,使得清洁可再生能源进行充分的消纳,并通过梯级利用提高化石能源的利用效率。在EI的建设发展过程中,将逐步形成“主干能源互联网—区域能源互联网(Regional Energy Internet,REI)”的分层结构体系,在局部区域内进行综合供能的微能源网(Micro Energy Grid,MEG)则是组成REI的基本单元。作为EI重要组成部分的REI以及组成REI的MEG,正获得业界的大力关注与持续发展。其中,如何优化MEG的供能结构,并通过多个MEG之间的能量互补实现REI的协调优化运行是需要解决的重点问题。
目前,已有较多研究针对单个MEG的优化运行,但当MEG内部供需不平衡时,均将上级电网作为被动的接受者进行内部的能量平衡。随着MEG的增多,该方式不仅会对电网公司的运营造成压力,同时也会造成MEG运行的经济性能较差。此外,也有部分研究提出了多个微能源网共存情况下的协调优化运行方法,但仍存在将MEG与配电网或MEG之间的交易能价视为定值,而仅对其交互的能量进行协调,这可能使得某些MEG在协调优化中无法获得利益提升,将不适用于电力市场化改革进程中,MEG从属于不同利益主体的情况;或是仅在日内采用定价的方式进行了协调优化运行的分析,而缺少在日前整个调度周期的研究。
发明内容
本发明从MEG利益独立出发,采用在区域电力市场中进行价格调节引导各MEG之间进行电能交互的方法,实现MEG内部多能互补和供需协同的进一步优化,提升清洁能源的就地消纳能力和系统的经济运行性能。
对于现有方法存在的缺陷或需要的改善,本发明旨在采用一种通过在区域电力市场中进行价格调节引导各MEG之间进行电能交互的方法实现REI的利益协调和能量优化管理,其特点是提出一种基于非均衡蛛网模型的REI协调优化运行方法,用于优化各MEG的供能结构以及系统的经济环保等运行性能。
其主要思路是:首先搭建了包含微能源网、区域电网、天然气系统为主要供能系统的REI物理结构,并在阐明各单元间能流关系及各主体间交易行为的基础上形成了REI中的市场结构;其次,从微能源网利益出发,建立供需两侧协同的微能源网日前自治优化调度模型;然后,引入非均衡蛛网模型建立区域电力市场的定价交易模型,并形成市场价格调节与微能源网自治优化的双层交互结构,双层交互至稳定状态后,区域电力市场将实际交易电量向过度供给或过度需求方分配,各微能源网再根据分配结果进行最终的独立自治优化。本发明形成的协调优化运行方法可以实现非均衡状态下的稳定交易,使得微能源网之间通过高效的电能交互提升各自的经济环保等运行性能。
本发明的目的由以下技术措施实现
一种基于非均衡蛛网模型的区域能源互联网协调优化运行方法包括以下步骤:
(1)首先搭建了包含微能源网、区域电网、天然气系统为主要供能系统的REI物理结构及REI中不同主体间的市场交易结构。
1)REI物理结构及能量传递关系:REI由不同负荷类型的MEG、区域电力系统、区域天然气系统等具有不同功能的结构单元组成。其中,区域电网可在MEG内部能量不足时,向其提供电能,也可在MEG内部清洁能源充足时,接受其输出电能;区域天然气系统则仅在MEG内部能量不足时,向其提供天然气,暂不考虑MEG向外传输天然气。各MEG则主要在局部区域内直接向负荷供能,其内部含有光伏(Photovoltaic,PV)、风机(Wind turbine,WT)、蓄电池(Battery,BT)、燃气锅炉(Gas Boiler,GB)、微型燃气轮机(Micro-Turbine,MT)、余热锅炉(Waste Heat boiler,WH)、热交换器(Heat Exchange,HE)、储热装置(Hot Storage,HS)、吸收式制冷机(Absorption Chiller,AC)、电制冷机(Electric Cooler,EC)等可同时向负荷供应电、热、冷等多种形式能量的供能设备,同时其负荷中也可能包含可进行需求响应的柔性负荷及可返送能量的电动汽车(Electric Vehicle,EV)集群。
2)REI市场结构
区域电网及天然气系统分别由电网公司和天然气公司进行运营管理,各MEG则分别由不同的独立运营商进行内部的供需协同优化和与外部系统的能量交易。当MEG具有天然气需求时,只能采用固定的天然气价向天然气公司购买;而当MEG有外部电能交互需求时,则可以选择与电网公司或该REI中的其他MEG进行交互。各MEG向电网公司购电电价为售电电价为设REI中MEG之间交易电能的电价为Prt。为减小MEG对大电网的影响,促进MEG之间的能量交换和运行效益,交易电价应满足则有多余电量的MEG更期望售电给其他有电量需求的MEG,有电量缺额的MEG也更期望从其他有剩余电量的MEG购买,REI的协调优化运行可通过MEG之间的电能交互实现。
REI中的市场交易结构如图3所示。在该结构中,由于前述电价的影响,REI内部MEG之间的交易动力大于与电网公司交易的动力,因此首先进行内部交易:各MEG向REM传递购售电量信息,REM向各MEG传递区域电力市场的电价Prt及各MEG最终的实际交易电量。待REI内部交易完成后,各MEG再根据电网公司的电价及内部交易结果决策是否向电网公司购售电。
(2)从MEG利益独立出发,在建立了MEG供能侧多种设备和需求侧响应模型的基础上,形成了考虑多能互补和供需两侧协调互动的MEG日前自治优化调度模型。
1)MEG供能侧设备模型:
式中,为MEGn在时段t燃气轮机消耗的天然气量,为发电功率,ηMT为发电效率,LNG为天然气低热值,分别为燃气轮机发电功率下、上限,ηMT,l为热损失系数,为MT发电时产生的余热量,t=1,2...T为各调度时段,T=24为最大调度时段,n=1,2...N为各MEG,N为MEG数量;为余热锅炉的产热量,ηWH为余热锅炉的效率,分别为余热锅炉产热的下、上限;为燃气锅炉输出的热量,为GB消耗的天然气量,ηGB为GB的效率,分别为燃气锅炉产热的下、上限;为HE的产热量,为WH供给HE的热量,ηHE为HE的效率,分别为热交换器产热的下、上限;为AC产生的冷量,为WH供给AC的热量,ηAC为AC的效率,为AC产冷的下、上限;为EC生产的冷量,为EC消耗的电功率,及分别为电制冷机产冷功率的下、上限;分别为时刻t+1与时刻t的蓄电池电量,uBT为蓄电池的自放电率,分别为蓄电池的充放电效率,分别为蓄电池在时段t的充放电功率,Δt为调度时段长度,本发明为1h, 分别为蓄电池电量下、上限;分别为蓄电池充放电状态变量,二者不可同时为1,为蓄电池充放电功率下、上限;分别为时刻t+1与时刻t的HS存储的热量,uHS为HS的自放热率,分别为HS的充放热效率,分别为HS在时段t的充放热功率,分别为HS可存储热量下、上限; 分别为HS充放热状态变量,二者不可同时为1,分别为HS充放热功率下、上限。
2)MEG需求侧负荷模型:
a.电负荷及冷热负荷模型:
式中,为用户参与需求响应后的电负荷,分别为刚性电负荷、可转移负荷,为时段t初始的可转移负荷,为时段t可容纳的最大可转移负荷;为响应后的冷、热负荷,为时段t的初始冷、热负荷需求,为时段t参与需求响应后调整的冷、热负荷(值为正表示增加,为负表示减小),分别表示时段t可减小的最大冷、热负荷,分别表示可增加的最大冷、热负荷,e表示冷热能平衡的时间尺度,f(1,2,…,24/e)表示进行平衡的次数。例如e=4时,f=1,2,3,4,5,6,表明冷热能四个时段内需要平衡一次,即每4个时段的总冷热量与需求响应前的总冷热需求相同,整个调度周期内需要平衡6次。
b.电动汽车集群日前充放电模型:
将接入MEG的电动汽车集群按接入和离开时刻划分为若干较小集群,夜间接入型如表1所示:
表1EV集群划分
该集群划分规则中,可将其他时刻零散接入的EV就近并入相应集群中,以满足大部分EV的充电需求。例如,在17:30之前接入,次日08:30之前离开的EV均可划入集群1,在17:30~18:30之间接入,次日08:30之前离开的EV划分入集群2中,其他均以此类推。
EV集群的充放电数学模型如下所示:
式中,分别为集群i在时段t的充放电功率,分别为集群i中第m辆车的最大充放电功率,M为预测的该集群EV数,Ti,in、Ti,out分别为集群i的接入时刻和离开时刻,分别为集群i在时段t的充放电状态,二者不可同时为1,En,i,in为预测的集群i入网时电池电量,En,i,m,in为集群i中第m辆车的初始入网电量,En,i,t+1为集群i在时刻t+1的电池电量,其值与该时段的充放电功率有关,分别为集群i第m辆车的电池最小和最大电量,表示整个EV集群的充电功率,其值为正表示充电,为负表示放电,I表示该MEG中的EV划分的集群数。
3)MEG日前优化调度模型:
a.目标函数:
式中,Fn为MEG日运行成本,为时段t MEG购气的成本和向外部电网购/售电的成本/收益,为购天然气的气价,为购买的天然气量,分别为向外部电网购、售电的电价(与电网公司交易时为电网公司的电价,在REM中交易时为REM中电价), 分别为购、售电量(与电网公司交易时为向电网公司的购售电量,在REM中交易时为在REM中的购售电量);为MEG各机组运行过程中产生的损耗维护成本,cMT,o、cGB,o、cWH,o、cAC ,o、cHE,o、cEC,o、cBT,o、cHS,o分别为MT、GB、WH、AC、HE、EC、BT、HS等装置的单位维护成本;为负荷参与需求响应的补偿成本,α、β、γ分别为调节电、热、冷负荷时影响用户满意度的补偿系数,其值越小,系统可调节的柔性负荷越大。
b.约束条件:
除式(1)~(10)的运行约束外,还包含以下约束条件:
式中,Vt MT和Vt GB分别为MT和GB在时段t消耗的天然气量,为时段t的光伏及风机出力,分别为MEGn在时段t的购售功率,Pn buy,min、Pn sell,min分别为最小购、售功率,Pn buy,max、Pn sell,max分别为最大购、售功率,分别为购售电状态,二者不能同时为1。
(3)基于非均衡蛛网理论提出了区域电力市场的定价模型,并形成了与MEG自治优化进行双层交互循环寻找稳定状态的REI协调优化方法。
1)非均衡蛛网理论简介
蛛网理论是用于分析商品的供给、需求与价格在相互作用中变化趋势的动态经济理论。非均衡蛛网理论认为在市场不完善的情况下,单一的价格调节无法使每一期供需均衡,需要价格与数量共同调节以实现市场最终处于供求双方彼此相适应的稳定状态,同时也考虑实际的经济系统中供需函数大多数为非线性的情况,供需均滞后于价格的非均衡蛛网模型可如式(13)所示:
式中,d、s分别为需求及供给函数,可以为线性或非线性,Dp,t、Sp,t为第p(p=1,2......,P)次调整的时段t的市场需求、供给量,Qp,t为第p次t时段的市场交易量,Prp,t、Prp-1,t分别为第p、p-1次时段t的市场价格,r为价格调节参数,其值大于0表示价格向着供需均衡的方向调节。
2)REI协调优化运行方法
根据非均衡蛛网理论,REI的协调优化运行通过各MEG与REM进行多次(p=1,2......,P次)循环交互量价信息的方法实现,包含如图4所示的三个步骤:Step1为各MEG根据电网公司电价进行初始的独立自治优化;Step2为MEG根据REM的电价进行自治优化与REM的定价交易进行双层协同,协同至处于稳定状态后再由REM进行交易电量分配;Step3为各MEG根据在REM中的结果及电网公司电价进行最终独立自治优化。
3)REM定价交易模型及电量分配模型
a.根据非均衡蛛网模型及MEG自治优化模型的特点,形成REM定价交易模型,如式(14)所示:
式中,Dp,t、Sp,t为REM中各时段的供需电量,Qp,t为第p次循环时第t时段的交易电量,Prp,t为第p次循环时第t时段的交易电价,rp为第p次循环时的价格调节系数,J为与交易电量数量级相当的正数。
b.当REM处于稳定状态时,仍有部分电量无法在REM中进行交易,需要REM将交易量在过度需求或过度供给一方进行分配。如式(15)~(16)所示:
式中,为MEGn在稳定状态下的第P次自治优化结果,表示MEGn第t时段在REM中的最终售、购电量。
4)MEG最终独立自治优化模型
各MEG确定了在REM中的交易结果后,需要进行最终的独立自治优化,决定其最终各设备的出力、负荷的DR结果以及与电网公司的交易情况。需要将目标函数由式(11)修改为:
式中,表示MEGn在REM中的购/售电成本/收益。
以及将式(12)中的相应约束做如下修改:
(5)模型及求解
针对此协调优化运行模型各步骤的特点,本发明中各MEG的自治优化运行采用YALMIP建模和调用CPLEX进行优化求解,REM的定价交易及电量分配则在MATLAB中进行编码进行求解。
本申请提供的一个或多个技术方案,至少具有如下技术效果或优点:
本发明形成的协调优化运行方法可以实现非均衡状态下的稳定交易,使得微能源网之间通过高效的电能交互提升各自的经济环保等运行性能。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定;
图1区域能源互联网结构及其能量传递关系示意图;
图2微能源网结构示意图;
图3REI市场交易结构示意图;
图4REI协调优化运行流程示意图;
图5与外部电网和气网交换价格示意图;
图6各MEG的新能源发电预测曲线示意图;
图7预测的多能负荷示意图;
图8不同r值情况下的MEG1的成本变化情况示意图;
图9a-图9c为在不同的初始电价下,三个MEG随循环次数的成本变化情况示意图;
图10为REM最终制定的各时段交易电价示意图;
图11为各时段的实际交易电量示意图;
图12a-图12f为协调前后各MEG的电出力结果示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在相互不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述范围内的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本发明涉及一种基于非均衡蛛网模型的区域能源互联网协调优化运行方法,具体地说,本发明针对以微能源网为基本供能单元的区域能源互联网,从各微能源网自治优化运行出发,提出一种新型的在区域电力市场中进行价格调节的方式引导微能源网之间进行电能交互的协调优化方法,在各微能源网利益独立的情况下,通过微能源网间清洁高效电能的协调互补,实现微能源网内部多能互补和供需协同的进一步优化,提升清洁能源的就地消纳能力和系统的经济运行性能。
本发明实施例提供了一种基于非均衡蛛网模型的区域能源互联网(RegionalEnergy Internet,REI)协调优化运行方法,针对由微型能源网(Micro Energy Grid,MEG)为基本供能单元的区域能源互联网,提出在区域电力市场(Regional ElectricityMarket,REM)中基于非均衡蛛网模型进行定价并引导不同MEG之间进行电能交互的协调优化运行方法。首先搭建了包含微能源网、区域电网、天然气系统为主要供能系统的REI物理结构,并在阐明各单元间能流关系及各主体间交易行为的基础上形成了REI中的市场结构;其次,从MEG利益独立出发,建立了考虑多能互补和供需两侧协调互动的MEG日前自治优化调度模型;然后,基于非均衡蛛网理论提出了区域电力市场的定价模型,并形成了与MEG自治优化进行双层交互循环寻找稳定状态的REI协调优化方法。
实施例一:
请参考图1-图4,区域能源互联网结构及其能量传递关系如图1所示。REI由不同负荷类型的MEG、区域电力系统、区域天然气系统等具有不同功能的结构单元组成。其中,区域电网可在MEG内部能量不足时,向其提供电能,也可在MEG内部清洁能源充足时,接受其输出电能;区域天然气系统则仅在MEG内部能量不足时,向其提供天然气,暂不考虑MEG向外传输天然气,各MEG则主要在局部区域内直接向负荷供能。
微能源网结构如图2所示,其内部含有光伏、风机、蓄电池、燃气锅炉、微型燃气轮机、余热锅炉、热交换器、储热装置、吸收式制冷机、电制冷机等可同时向负荷供应电、热、冷等多种形式能量的供能设备,同时其负荷中也可能包含可进行需求响应的柔性负荷及可返送能量的电动汽车集群。
REI中的市场交易结构如图3所示。在该结构中,首先进行微能源网之间的电能交易:各MEG向REM传递购售电量信息,REM向各MEG传递区域电力市场的电价及各MEG最终的实际交易电量。待REI内部交易完成后,各MEG再根据电网公司的电价及内部交易结果决策是否向电网公司购售电。
REI协调优化运行流程如图4所示。Step1为各MEG根据电网公司电价进行初始的独立自治优化;Step2为MEG根据REM的电价进行自治优化与REM的定价交易进行双层协同,协同至处于稳定状态后再由REM进行交易电量分配;Step3为各MEG根据在REM中的结果及电网公司电价进行最终独立自治优化。
在Step2中需要注意以下几点:
1)初始定价:当p=1时,REM需要对此时的可交易电量进行初始定价,在不同的初始定价下,可能会对最终的交易结果造成影响,仿真结果中将对该问题进行比较说明;
2)价格调节系数:MEG优化决策模型中不仅存在线性以及非线性的情况,同时储能单元还存在时段间的耦合,因此无法定性地确定各时段合理的价格调节系数来使Step2快速地过渡到稳定状态。本发明采取的方法是:先取较大价格调节系数,提高调节速度,调节一定次数后,再减小价格调节系数,以提高精度;
3)稳定状态:各MEG处于稳定状态的判别方法为前后两次优化的目标满足收敛条件:|Fn,p-Fn,p-1|<ε,其中,Fn,p表示MEGn在第p次循环时的优化目标,ε为较小的正数。
以包含三个独立运营的MEG的区域能源互联网进行算例分析。MEG1设置为CCHP(combined cold,heat and power)型微网,其中包含200辆夜间入网的电动汽车以及可进行综合需求响应的电热冷负荷,负荷可参与需求响应的容量为初始总负荷的20%,补偿系数分别设置为α=β=γ=0.001,冷热能平衡时间尺度为4个小时;MEG2设置为CHP(combined heat and power)型微网,其设备包含WT、PV、BT、MT、WH、GB、HE、HS,MT发电产生的余热全部供给HE制热;MEG3设置为CCP(combined cold and power)型微网,其设备包含WT、PV、BT、MT、WH、AC、EC,其MT发电产生的余热将全部用于AC制冷;MEG2与MEG3中均不考虑EV及DR,其含有的各设备参数均与MEG1相同。各供能设备参数如表2所示,储能设备参数如表3所示,EV集群相关参数如表4所示。各MEG与外部电网交换功率限制均为3000kW;与外部电网和气网交换价格如图5所示;各MEG的新能源发电预测曲线如图6所示;预测的多能负荷如图7所示。设置REM与各MEG的最大交互循环次数为300次,价格调整系数r初始设置为0.01,经过100次循环后,r调整为0.001循环至第200次时再次将r调整为0.0001循环至结束,ε取为0.1,根据可交易电量的数量级,J取为1000。
表2 MEG供能设备参数
表3 MEG储能设备参数
表4 EV相关参数
优化运行结果:
REM的稳定性分析:
图8给出了不同r值情况下的MEG1的成本变化情况。可见,在所有的r下,均有:在初始阶段,MEG的成本变化较为剧烈,而随着循环次数的增加,其波动逐渐减小,且逐渐趋于一稳定值。当r=0.01时,其成本趋于稳定的速度较快,在第20~30次循环时,已基本趋于稳定,但由于其价格调节系数较大,最终其成本值仍处于小幅的波动状态,无法确定其稳定值;当r=0.001时,由于调节速度较慢,经过250次左右的循环时,其成本值才处于稳定值,虽然效率较低,但可以较为精确地调节到稳定状态;结合不同调节系数值的优点,采用更新r的方式,则可以在前期提高搜索速度,后期提高搜索精度,并进一步将r调节至0.0001,使REM较快地过渡到较为精确的稳定状态。比较图8中r=0.001以及变价格调节系数的两种情况还可见,MEG1成本最终的收敛值有较小差异。其原因主要为:由于r突然产生较大变化使得协调优化陷入了稳定状态周围的局部最优中。可通过缓慢改变r并增加搜索次数的方法,寻找较为精确的值,但需要消耗较多的计算时间。本发明中考虑到其最终稳定值的差距较小,可以认为所求得的稳定值是有效的。
除价格调节系数外,不同的初始电价也可能对REM的稳定性造成影响。图9表示出了在不同的初始电价下,三个MEG随循环次数的成本变化情况,其中,初始电价系数为0.25表示初始电价为Pr1=0.25(cbuy+csell),初始电价为其他值时与此类似。可见,在不同的初始电价下,各MEG最终都能收敛到相近的稳定运行成本值,有效地说明了所提方法的稳定性。
REM中交易结果:
取稳定状态下最后一次交易结果作为最终交易结果,REM最终制定的各时段交易电价如图10所示,各时段的实际交易电量如图11所示。可见,最终各时段的交易电量基本未能达到均衡,各时段的实际交易电量为供需双方中的较小值,该电量将由REM按照比例向各MEG进行分配。
供能结构:
由于各MEG仅在REM中交易电能,因此协调前后电出力结构变化较大,故此处主要对电出力结果进行比较分析,图12给出了协调前后各MEG的电出力结果,其中,购电、售电分别表示向电网公司购、售电。
对比各MEG独立优化以及多MEG协调优化后电出力结果可得:
1)对于MEG1,在协调前,仅在低电价时段1、3向电网公司有部分购电量以满足EV充电需求,在时段10~16由于有较多的清洁能源,故向电网公司售电;EV在时段18~22的电价高峰时段放电,转而在时段1~8清洁能源较充足时充电;除此之外,DR、MT、BT基本未参与运行。协调后,在时段1~6及时段23、24,由于电价较低,EV充电、BT充电及部分负荷均转移到这些时段,从而导致购电量增加以及MT有少量发电;在时段7~11,由于可在REM中以较高的电价售出电量,除多余的清洁能源外,其BT放电量增加、DR中移出负荷增加、MT发电量增加,以便售出更多电能;在时段12~16,原来向电网公司的售电量转变为在REM中以较高电价出售,同时由于清洁能源充足,BT充电量增加;在时段17~22,MEG1处于负荷高峰期同时REM中电价也处于高峰期,EV放电量增加、DR转移出负荷增加、蓄电池放电量增加以及MT有少量发电,以较高电价售出较多电量。可见,作为具有较多余量的MEG1,在参与协调后,其原来以较低电价售给电网公司的大部分电量转而在REM中出售且售电量增加,同时其原来闲置的经济单元也参与运行。
2)对于MEG2,在时段1~6及时段23~24,虽有较多的购电需求,但其他MEG的售电量较少,其仅有小部分购电量转向在REM中购电;在时段7~22,由于余缺电量较少,其参与协调前后的运行状态基本不变,同时,由于MEG2缺乏电制热装置,其MT具有较多的出力,在供电的同时提供热量支撑。
3)对于MEG3,在协调前,在时段1~6及时段24,由于清洁能源充足,多余的清洁能源向电网公司售电或给BT充电;在其他时段,由于负荷较高,除向电网公司购电之外,BT在电价较高时放电,电价较低时充电,同时其发电成本较高的MT也参与供电,由于要产生部分余热可用于吸收式制冷,使得电制冷机组消耗电能较少。在协调后,在时段1~6向电网公司的售电量转向在REM中出售;在时段7~22,不仅转向在REM中购其他MEG多余的电量,同时还降低了成本较高的MT的出力,使得其电制冷的耗电量也增加;在时段23~24,由于该时段的REM中的交易量较少,故供电结构基本未变。可见,通过协调后,具有较多电量需求的MEG3不仅可以较低电价在REM中购得较多电量,同时还减少了会排放污染气体的MT的出力,转而使用其他MEG的清洁电能,实现了经济和环保效益的提升。
由上述对各MEG的最终优化结果分析可知:具有多余清洁电能的MEG1与有大量能量需求(包含电能与冷能)的MEG3实现了较强的能量互补,二者的供能结构得到了优化并提升了清洁能源的消纳能力;而MEG2虽然也有较多的能量需求(包含电能与热能),但由于缺乏电热装置,其不得不使用MT产热并同时生产电能,进而使得其处于较强的自治状态,参与协调运行的电量较少。
经济性分析:
协调前后各MEG运行成本如表5所示。可见,各MEG在协调前后运行成本均有不同程度下降,其中,MEG1与MEG3成本降低量较多,结合对图12的分析可知,这是由于二者形成了较强的互补关系,而MEG2则由于缺少电热转换装置,使得其参与市场交易的电量较少,故其成本变化量较小。
表5协调前后各MEG运行成本比较(元)
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种区域能源互联网协调优化运行方法,其特征在于,所述方法包括:
搭建REI的物理结构,REI的物理结构包括以下主体:微能源网、区域电网、区域天然气系统,REI为区域能源互联网;
基于区域能源互联网中各供能单元间能流关系以及区域能源互联网中各主体间交易行为,形成REI的市场结构;
建立MEG日前自治优化调度模型,MEG为微能源网;
基于非均衡蛛网模型生成区域电力市场的定价模型,
基于区域电力市场的定价模型和MEG日前自治优化调度模型,获得REI协调优化方案。
2.根据权利要求1所述的区域能源互联网协调优化运行方法,其特征在于,REI的物理结构及能量传递关系为:
REI包括以下结构单元:不同负荷类型的MEG、区域电网、区域天然气系统;其中,区域电网能够在MEG内部能量不足时,向其提供电能,能够在MEG内部清洁能源充足时,接受其输出电能;区域天然气系统在MEG内部能量不足时,向其提供天然气;各MEG在局部区域内直接向负荷供能,MEG内部含有多种形式能量的供能设备,同时MEG负荷中包含可进行需求响应的柔性负荷及可返送能量的电动汽车集群。
3.根据权利要求1所述的区域能源互联网协调优化运行方法,其特征在于,REI的市场结构为:各MEG向REM传递购售电量信息,REM向各MEG传递区域电力市场的电价Prt及各MEG最终的实际交易电量;待REI内部交易完成后,各MEG再根据电网公司的电价及内部交易结果决策是否向电网公司购售电。
4.根据权利要求1所述的区域能源互联网协调优化运行方法,其特征在于:
建立MEG供能侧设备模型和MEG需求侧负荷模型;
基于MEG供能侧设备模型和MEG需求侧负荷模型,形成MEG日前自治优化调度模型。
5.根据权利要求4所述的区域能源互联网协调优化运行方法,其特征在于,
MEG供能侧设备模型为:
式中,为MEGn在时段t燃气轮机消耗的天然气量,为发电功率,ηMT为发电效率,LNG为天然气低热值,分别为燃气轮机发电功率下、上限,ηMT,l为热损失系数,为MT发电时产生的余热量,t=1,2...T为各调度时段,T=24为最大调度时段,n=1,2...N为各MEG,N为MEG数量;为余热锅炉的产热量,ηWH为余热锅炉的效率,分别为余热锅炉产热的下、上限;为燃气锅炉输出的热量,为GB消耗的天然气量,ηGB为GB的效率,分别为燃气锅炉产热的下、上限;为HE的产热量,为WH供给HE的热量,ηHE为HE的效率,分别为热交换器产热的下、上限;为AC产生的冷量,为WH供给AC的热量,ηAC为AC的效率,为AC产冷的下、上限;为EC生产的冷量,为EC消耗的电功率,及分别为电制冷机产冷功率的下、上限;分别为时刻t+1与时刻t的蓄电池电量,uBT为蓄电池的自放电率,分别为蓄电池的充放电效率,分别为蓄电池在时段t的充放电功率,Δt为调度时段长度,分别为蓄电池电量下、上限;分别为蓄电池充放电状态变量,二者不可同时为1,为蓄电池充放电功率下、上限;分别为时刻t+1与时刻t的HS存储的热量,uHS为HS的自放热率,分别为HS的充放热效率,分别为HS在时段t的充放热功率,分别为HS可存储热量下、上限;分别为HS充放热状态变量,二者不可同时为1,分别为HS充放热功率下、上限。
6.根据权利要求4所述的区域能源互联网协调优化运行方法,其特征在于,
MEG需求侧负荷模型包括电负荷及冷热负荷模型和EV集群的充放电数学模型;
电负荷及冷热负荷模型为:
式中,为用户参与需求响应后的电负荷,分别为刚性电负荷、可转移负荷,为时段t初始的可转移负荷,为时段t可容纳的最大可转移负荷;为响应后的冷、热负荷,为时段t的初始冷、热负荷需求,为时段t参与需求响应后调整的冷、热负荷,分别表示时段t可减小的最大冷、热负荷,分别表示可增加的最大冷、热负荷,e表示冷热能平衡的时间尺度,f(1,2,…,24/e)表示进行平衡的次数;
EV集群的充放电数学模型为:
式中,分别为集群i在时段t的充放电功率,分别为集群i中第m辆车的最大充放电功率,M为预测的该集群EV数,Ti,in、Ti,out分别为集群i的接入时刻和离开时刻,分别为集群i在时段t的充放电状态,二者不可同时为1,En,i,in为预测的集群i入网时电池电量,En,i,m,in为集群i中第m辆车的初始入网电量,En,i,t+1为集群i在时刻t+1的电池电量,其值与该时段的充放电功率有关,分别为集群i第m辆车的电池最小和最大电量,表示整个EV集群的充电功率,其值为正表示充电,为负表示放电,I表示该MEG中的EV划分的集群数。
7.根据权利要求4所述的区域能源互联网协调优化运行方法,其特征在于,
MEG日前优化调度模型包括:
目标函数:
式中,Fn为MEG日运行成本,为时段t MEG购气的成本和向外部电网购/售电的成本/收益,为购天然气的气价,为购买的天然气量,分别为向外部电网购、售电的电价,分别为购、售电量;为MEG各机组运行过程中产生的损耗维护成本,cMT,o、cGB,o、cWH,o、cAC,o、cHE,o、cEC,o、cBT,o、cHS,o分别为MT、GB、WH、AC、HE、EC、BT、HS等装置的单位维护成本;为负荷参与需求响应的补偿成本,α、β、γ分别为调节电、热、冷负荷时影响用户满意度的补偿系数;
约束条件:
式中,Vt MT和Vt GB分别为MT和GB在时段t消耗的天然气量,为时段t的光伏及风机出力,分别为MEGn在时段t的购售功率,Pn buy,min、Pn sell,min分别为最小购、售功率,Pn buy,max、Pn sell,max分别为最大购、售功率,分别为购售电状态,二者不能同时为1。
8.根据权利要求1所述的区域能源互联网协调优化运行方法,其特征在于,REI协调优化运行方案包括:
REI的协调优化运行通过各MEG与REM进行多次循环交互量价信息的方法实现,具体包括:首先,各MEG根据电网公司电价进行初始优化;然后,各MEG根据REM的电价进行优化与REM的定价交易进行双层协同,协同至处于稳定状态后再由REM进行交易电量分配;最后,各MEG根据在REM中的交易结果及电网公司电价进行最终优化。
9.根据权利要求7所述的区域能源互联网协调优化运行方法,其特征在于,
.根据非均衡蛛网模型及MEG自治优化模型,形成REM定价交易模型:
式中,Dp,t、Sp,t为REM中各时段的供需电量,Qp,t为第p次循环时第t时段的交易电量,Prp,t为第p次循环时第t时段的交易电价,rp为第p次循环时的价格调节系数,J为与交易电量数量级相当的正数;
式中,为MEGn在稳定状态下的第P次自治优化结果,表示MEGn第t时段在REM中的最终售、购电量;
MEG最终独立自治优化模型
目标函数为:
式中,表示MEGn在REM中的购/售电成本/收益;
约束条件为:
10.根据权利要求1所述的区域能源互联网协调优化运行方法,其特征在于,各MEG的自治优化运行采用YALMIP建模和调用CPLEX进行优化求解,REM的定价交易及电量分配在MATLAB中进行编码进行求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910614919.2A CN110245810B (zh) | 2019-07-09 | 2019-07-09 | 一种区域能源互联网协调优化运行方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910614919.2A CN110245810B (zh) | 2019-07-09 | 2019-07-09 | 一种区域能源互联网协调优化运行方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110245810A true CN110245810A (zh) | 2019-09-17 |
CN110245810B CN110245810B (zh) | 2021-07-20 |
Family
ID=67891415
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910614919.2A Active CN110245810B (zh) | 2019-07-09 | 2019-07-09 | 一种区域能源互联网协调优化运行方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110245810B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062513A (zh) * | 2019-11-14 | 2020-04-24 | 四川大学 | 基于自适应共识机制的分布式社区能源交易系统及方法 |
CN111260158A (zh) * | 2020-02-25 | 2020-06-09 | 国网四川省电力公司经济技术研究院 | 基于内部交互协作的市场多利益主体交易行为建模方法 |
CN111369064A (zh) * | 2020-03-09 | 2020-07-03 | 华北电力大学 | 一种基于能源枢纽最优运行缓减配电网阻塞的方法 |
CN114169737A (zh) * | 2021-12-02 | 2022-03-11 | 广西电网有限责任公司电力科学研究院 | 一种本地分布式多能均衡调度方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106534264A (zh) * | 2016-10-14 | 2017-03-22 | 国网上海市电力公司 | 一种基于资源及负荷匹配的能源互联网组网方法 |
CN106651047A (zh) * | 2016-12-29 | 2017-05-10 | 中国电力工程顾问集团华东电力设计院有限公司 | 一种区域能源互联网动态运行优化方法 |
CN107784410A (zh) * | 2016-08-26 | 2018-03-09 | 国网上海市电力公司 | 区域能源互联网集成系统以及优化其配置和运行的方法 |
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 |
CN108667012A (zh) * | 2018-05-21 | 2018-10-16 | 国网山东省电力公司电力科学研究院 | 基于多场景的区域能源互联网源荷储双阶段协调优化方法 |
-
2019
- 2019-07-09 CN CN201910614919.2A patent/CN110245810B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107784410A (zh) * | 2016-08-26 | 2018-03-09 | 国网上海市电力公司 | 区域能源互联网集成系统以及优化其配置和运行的方法 |
CN106534264A (zh) * | 2016-10-14 | 2017-03-22 | 国网上海市电力公司 | 一种基于资源及负荷匹配的能源互联网组网方法 |
CN106651047A (zh) * | 2016-12-29 | 2017-05-10 | 中国电力工程顾问集团华东电力设计院有限公司 | 一种区域能源互联网动态运行优化方法 |
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 |
CN108667012A (zh) * | 2018-05-21 | 2018-10-16 | 国网山东省电力公司电力科学研究院 | 基于多场景的区域能源互联网源荷储双阶段协调优化方法 |
Non-Patent Citations (1)
Title |
---|
赵建国: "电力市场环境下有功调度与决策机制若干问题的研究", 《中国优秀博硕士学位论文全文数据库 (博士)工程科技Ⅱ辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062513A (zh) * | 2019-11-14 | 2020-04-24 | 四川大学 | 基于自适应共识机制的分布式社区能源交易系统及方法 |
CN111062513B (zh) * | 2019-11-14 | 2023-08-18 | 四川大学 | 基于自适应共识机制的分布式社区能源交易系统及方法 |
CN111260158A (zh) * | 2020-02-25 | 2020-06-09 | 国网四川省电力公司经济技术研究院 | 基于内部交互协作的市场多利益主体交易行为建模方法 |
CN111369064A (zh) * | 2020-03-09 | 2020-07-03 | 华北电力大学 | 一种基于能源枢纽最优运行缓减配电网阻塞的方法 |
CN111369064B (zh) * | 2020-03-09 | 2023-10-27 | 华北电力大学 | 一种基于能源枢纽最优运行缓减配电网阻塞的方法 |
CN114169737A (zh) * | 2021-12-02 | 2022-03-11 | 广西电网有限责任公司电力科学研究院 | 一种本地分布式多能均衡调度方法及系统 |
CN114169737B (zh) * | 2021-12-02 | 2024-06-11 | 广西电网有限责任公司电力科学研究院 | 一种本地分布式多能均衡调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110245810B (zh) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Shared energy storage system for prosumers in a community: Investment decision, economic operation, and benefits allocation under a cost-effective way | |
CN110245810A (zh) | 一种区域能源互联网协调优化运行方法 | |
Chen et al. | Optimal energy management of smart building for peak shaving considering multi-energy flexibility measures | |
CN112308334A (zh) | 一种基于主从合作博弈的多虚拟电厂联合优化调度方法 | |
CN110163443A (zh) | 考虑电-气综合需求响应的天然气调压站微能网优化调度方法 | |
CN111008739A (zh) | 一种热电联产虚拟电厂优化调控及收益分配方法及系统 | |
Cao et al. | Optimal operation of cold–heat–electricity multi-energy collaborative system based on price demand response | |
CN109376970A (zh) | 适用于能源互联网的动态实时电价机制形成方法及系统 | |
Lingmin et al. | A Q-learning based optimization method of energy management for peak load control of residential areas with CCHP systems | |
CN115689166A (zh) | 一种区域分布式能源资源聚合利用方法及系统 | |
CN115829142A (zh) | 一种工业企业综合能源系统优化规划方法 | |
Fu et al. | Research on the stackelberg game method of building micro-grid with electric vehicles | |
Tian et al. | Robust optimal energy management of data center equipped with multi-energy conversion technologies | |
Fang et al. | A study on the energy storage scenarios design and the business model analysis for a zero-carbon big data industrial park from the perspective of source-grid-load-storage collaboration | |
Zhou et al. | Active energy interaction between multiple distributed energy systems with flexible decentralization operation: Energy bank | |
CN112182915A (zh) | 一种协同促进风电消纳的优化调度方法及系统 | |
Li et al. | Integrated energy system for low-carbon economic operation optimization: Pareto compromise programming and master-slave game | |
CN116228461A (zh) | 一种基于p2p交易的多虚拟电厂随机优化调度方法 | |
Zhang et al. | Optimal scheduling of integrated energy system based on price demand response mechanism | |
Ma et al. | Bi-level shared energy storage station capacity configuration method for multi-energy hubs considering health state of battery | |
Wang et al. | Optimal Operation of Regional Integrated Energy System Considering Integrated Demand Response and Exergy Efficiency | |
Zhang et al. | Distributed Bargaining Method of a Multi-integrated Energy System Based on Nash Theory | |
CN112270432B (zh) | 一种考虑多主体利益均衡的综合能源系统的能量管理方法 | |
Xu et al. | Aggregation Mechanism between Virtual Power Plants and Distributed Energy Resources | |
Cui et al. | A new integrated energy system cluster energy sharing framework adapted to high altitude areas |
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 |