CN110365013A - 一种光热-光伏-风电联合发电系统的容量优化方法 - Google Patents

一种光热-光伏-风电联合发电系统的容量优化方法 Download PDF

Info

Publication number
CN110365013A
CN110365013A CN201910650474.3A CN201910650474A CN110365013A CN 110365013 A CN110365013 A CN 110365013A CN 201910650474 A CN201910650474 A CN 201910650474A CN 110365013 A CN110365013 A CN 110365013A
Authority
CN
China
Prior art keywords
pir
follows
heat storage
plp
power generation
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
Application number
CN201910650474.3A
Other languages
English (en)
Other versions
CN110365013B (zh
Inventor
甘嘉田
杨军
李静立
祁万年
张昊天
裴焕金
郭苏
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.)
Ducheng Weiye Group Co Ltd
Qinghai Golmud Luneng New Energy Co Ltd
State Grid Corp of China SGCC
Hohai University HHU
Nari Technology Co Ltd
Electric Power Research Institute of State Grid Qinghai Electric Power Co Ltd
Original Assignee
Ducheng Weiye Group Co Ltd
Qinghai Golmud Luneng New Energy Co Ltd
State Grid Corp of China SGCC
Hohai University HHU
Nari Technology Co Ltd
Electric Power Research Institute of State Grid Qinghai 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 Ducheng Weiye Group Co Ltd, Qinghai Golmud Luneng New Energy Co Ltd, State Grid Corp of China SGCC, Hohai University HHU, Nari Technology Co Ltd, Electric Power Research Institute of State Grid Qinghai Electric Power Co Ltd filed Critical Ducheng Weiye Group Co Ltd
Priority to CN201910650474.3A priority Critical patent/CN110365013B/zh
Publication of CN110365013A publication Critical patent/CN110365013A/zh
Application granted granted Critical
Publication of CN110365013B publication Critical patent/CN110365013B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/383—
    • H02J3/386—
    • 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]
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Abstract

本发明公开了一种光热‑光伏‑风电联合发电系统的容量优化方法，该联合发电系统采用风电场和光伏发电场直接供电，光热发电场作为调峰、调频和无功补偿，在满足建造成本最低，年总弃电量费用最小，年总发电量不足负荷的缺电量费用最小和年总发电收益最大的情况下，采用粒子群算法优化光热电站、光伏电站和风电场的装机容量，减小了组合电源的年总弃电率和负荷缺电率，提高了可再生能源的发电质量和效率。

Description

一种光热-光伏-风电联合发电系统的容量优化方法
技术领域
本发明涉及一种光热-光伏-风电联合发电系统的容量优化方法，属于能源利用技术领域。
背景技术
太阳能和风能是目前应用最广泛，发展最快，技术最为成熟的新型能源。然而，受自然季节和气候的随机变化的影响，太阳能和风能也呈现出随机性、波动性和间歇性的特点。为了解决上述问题，多种能源互补发电系统应运而生，而多种能源联合运行的容量优化在互补发电中扮演着至关重要的角色。
目前国内外对多种新能源互补联合运行的研究集中在对蓄电池或抽水蓄能电站与风电场、光伏电站的联合运行的研究。如徐大明等人的风光互补独立供电系统的优化设计，在对风/光互补独立供电系统进行优化配置时，将优化问题看作是多目标优化问题，即以极大化供电可靠性和极小化系统安装成本为目标。在传统的优化决策变量中加入了包含风力发电机的类型和容量以及光伏组件的倾角等因子，以负载缺电率作为供电可靠性指标，采用含精英策略和自适应罚函数法的遗传算法来求解数学模型。李丹等人的小型风光互补发电系统研究，在研究离网型风/光互补发电系统的匹配设计问题时，提出了一种基于NASA(National Aeronautics and Space Administration)美国太空总署气象数据库的资源数据的风/光/蓄互补发电系统设计的计算模型，并开发了用于计算优化配置风/光互补发电系统的程序，并以实例验证了所提计算模型的合理性。杨琦、张建华等人的风光互补混合供电系统多目标优化设计，提出了一种改进微分进化算法对风/光互补供电系统进行优化设计的方法，并且此方法综合考虑了当地的地理位置、风速、日照、负荷变化、风速模型及光伏电池板倾角等多种因素，采用能够更精确的表征组件特性的数学模型。
目前国内外主要针对的是抽水蓄能/光伏/风电等的联合运行，带有光热(储热)电站的多种能源互补还处于刚刚研发阶段，因此进行光热-光伏-风电联合运行容量优化设计的研究有着非常重要的意义。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷，提供一种光热-光伏-风电联合发电系统的容量优化方法，减小组合电源的年总弃电率和负荷缺电率，提高可再生能源的发电质量和效率。
为解决上述技术问题，本发明提供一种光热-光伏-风电联合发电系统的容量优化方法，所述光热-光伏-风电联合发电系统由风电场、光伏发电场和光热发电场组成，所述容量优化方法包括：
(1)确定优化目标；所述优化目标以建造成本、弃电量费用和缺电量费用最小，以及年总发电量最大为优化目标；
(2)确定优化目标的约束条件；
(3)采用改进粒子群优化算法求解得出联合发电系统的最优容量配比。
前述的优化目标为：
其中，fw表示优化目标，fw1，fw2，fw3和fw4分别表示光热-光伏-风电联合发电系统的建造成本，年总弃电量费用，年总缺电量费用和年总发电量获得的收益，α1,α2,α3,α4分别表示建造成本，年总弃电量费用，年总缺电量费用和年总发电量收益的权重系数。
前述的建造成本表示为：
fw1＝(γ1x+γ2y+γ3z)
所述年总弃电量费用表示为：
fw2＝β1Deltap1
所述年总发缺电量费用表示为：
fw3＝β2Deltap2
所述年总发电量获得的收益表示为：
fw4＝β3P
其中，x,y,z分别表示风电场，光伏发电场和光热发电场的装机容量，Deltap1为年总弃电量，Deltap2为年总缺电量，P为年总发电量，γ1,γ2,γ3分别表示风电场，光伏发电场和光热发电场的单位兆瓦建造成本，β1,β2,β3分别表示弃电电价，缺电量电价和发电上网电价。
前述的优化目标的约束条件包括：
pw(i,j)+pv(i,j)+pd(i,j)>pr(i,j)
其中，pw(i,j),pv(i,j),pd(i,j),pr(i,j)分别代表i日j时风电场出力，光伏发电场出力，光热发电场出力，以及实时负荷数据；
所述光热发电场需满足的约束条件包括：
HS<HSmax
HSmax≥HS+Vexeta1
HS-Vouteta2≥0
eta1Vex≤m
eta2Vout≤m
其中，HS表示当前时刻光热发电场储能容量，HSmax表示光热发电场的最大储热量，eta1表示光热发电场的储热罐的储热时效率，eta2表示光热发电场的储热罐的放热发电时效率，m表示储热罐的每小时储放能额定容量，Vout表示每小时释放的电量，Vex表示每小时储存的电量。
前述的采用改进粒子群优化算法求解得出联合发电系统的最优容量配比，包括：
以i日j时风电场出力pw(i,j)，光伏发电场出力pv(i,j)，光热发电场出力pd(i,j)，以及实时负荷数据pr(i,j)为输入，结合联合发电系统的发电策略，计算联合发电系统的年总发电量，年总弃电量和年总缺电量；
将计算所得的年总发电量，年总弃电量和年总缺电量带入所述优化目标，结合约束条件，采用粒子群优化算法求解得出最小优化目标函数下的风电场、光伏发电场和光热发电场的装机容量x,y,和z。
前述的联合发电系统的发电策略，包括：
输入为i日j时风电场出力pw(i,j)，光伏发电场出力pv(i,j)，光热发电场出力pd(i,j)，以及实时负荷数据pr(i,j)，
定义多余出力为：pir(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)-pr(i,j)；
(1)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)≥pr(i,j)，
pd(i,j)>0，
HS≥m，
eta1*pd(i,j)＝m，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)-m/eta1，
储热罐储热量HS为：
HS＝HS-m，
eta1表示储热罐储热时效率；
(2)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)≥pr(i,j)，
pd(i,j)>0，
HS≥m，
eta1*pd(i,j)<m，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)，
储热罐储热量HS为：
HS＝HS-eta1*pd(i,j)；
(3)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)≥pr(i,j)，
pd(i,j)>0，
HS<m，
eta1*pd(i,j)≥HS，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)-HS/eta1，
储热罐储热量HS为：
HS＝0；
(4)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)≥pr(i,j)，
pd(i,j)>0，
HS<m，
eta1*pd(i,j)<HS，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)，
储热罐储热量HS为：
HS＝HS-eta1*pd(i,j)；
(5)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)≥pr(i,j)，
pd(i,j)＝0，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)，
储热罐储热量HS为：
HS＝HS；
(6)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)<pr(i,j)，
HS>＝m，
eta1*pir(i,j)≥m，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)-m/eta1，
储热罐储热量HS为：
HS＝HS-m；
(7)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)<pr(i,j)，
HS>＝m，
eta1*pir(i,j)<m，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)-pir(i,j)，
储热罐储热量HS为：
HS＝HS-eta1*pir(i,j)；
(8)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)<pr(i,j)，
HS<m，
eta1*pir(i,j)≥HS，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)-HS/eta1，
储热罐储热量HS为：
HS＝0；
(9)如果同时满足以下条件：
pir(i,j)≥0，
pw(i,j)+pv(i,j)<pr(i,j)，
HS<m，
eta1*pir(i,j)<HS，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)-pir(i,j)，
储热罐储热量HS为：
HS＝HS-pir(i,j)；
(10)如果同时满足以下条件：
pir(i,j)<0，
HS_max-HS>0，
HS_max-HS>m，
|pir(i,j)|-eta2*m≥0，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)+eta2*m，
储热罐储热量HS为：
HS＝HS+m，
eta2表示储热罐放热时效率；
(11)如果同时满足以下条件：
pir(i,j)<0，
HS_max-HS>0，
HS_max-HS>m，
|pir(i,j)|-eta2*m<0，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)+|pir(i,j)|，
储热罐储热量HS为：
HS＝HS+|pir(i,j)|/eta2；
(12)如果同时满足以下条件：
pir(i,j)<0，
HS_max-HS>0，
HS_max-HS<m，
|pir(i,j)|-eta2*(HS_max-HS)≥0，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)+eta2*(HS_max-HS)，
储热罐储热量HS为：
HS＝HS_max；
(13)如果同时满足以下条件：
pir(i,j)<0，
HS_max-HS>0，
HS_max-HS<m，
|pir(i,j)|-eta2*(HS_max-HS)<0，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)+|pir(i,j)|，
储热罐储热量HS为：
HS＝HS+|pir(i,j)|/eta2；
(14)如果同时满足以下条件：
pir(i,j)<0，
HS_max＝HS>0，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)，
储热罐储热量HS为：
HS＝HS_max；
(15)当pir(i,j)≥0时，得到：
年总弃电量为：Deltap1＝Deltap1+plp(i,j)-pr(i,j)；
当pir(i,j)<0时，得到：
年总缺电量为：Deltap2＝Deltap2-plp(i,j)+pr(i,j)；
年总发电量P为：
P＝P+plp(i,j)。
最后输出Deltap1，Deltap2和P。
本发明所达到的有益效果：
采用本发明进行优化，减小了组合电源的年总弃电率和负荷缺电率，提高了可再生能源的发电质量和效率。
附图说明
图1为本发明的光热-光伏-风电联合发电系统发电结构图；
图2为本发明的光热-光伏-风电联合发电系统的容量优化策略；
图3为本发明实施例中风电场出力；
图4为本发明实施例中光伏发电场出力；
图5为本发明实施例中光热发电场出力；
图6为本发明实施例中光热-光伏-风电联合发电模型下的能量浪费率和负荷缺电率曲线；
图7为本发明实施例中两种模型的出力对比。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明提供一种光热-光伏-风电联合发电系统，主要由风电场、光伏发电场和光热发电场组成，其中，光热发电场包括储热罐和集热场等容量配置。本发明仅考虑光热参与储热的联合发电系统，运行结构如图1所示，后期我们会用风电和光伏的多余发电量储热。
当风电和光伏发电量大于负荷时，用风电和光伏发电量满足负荷，光热发电量用于储热，多余的风电、光伏和光热发电用于弃电。当风电、光伏和光热发电量大于负荷时，优先使用风电、光伏和光热产生的电量供应负荷，光热产生的多余热量储热，若光热发电还有余量，则用于弃电。当风电、光伏和光热发电量小于负荷时，使用储热罐内的储热补充电量，若仍然不能满足负荷，缺电量使用外部电量补充。
基于上述系统，本发明提供一种光热-光伏-风电联合发电系统的容量优化方法，包括以下内容：
一、构建优化目标函数
光热-光伏-风电联合发电系统主要应满足建造成本、弃电量费用和发电量不足负荷的补充电量费用最小，年总发电收益最大，从而得到了优化模型的目标函数如式(1)：
其中，α1,α2,α3,α4分别表示建造成本、弃电量费用、缺电量费用和年总发电量收益的权重系数，权重系数的大小根据目标函数的重要程度选择。
光热-光伏-风电联合发电系统建造成本如式(2)，年总弃电费用如式(3)，年总缺电量费用如式(4)，年总发电量获得的收益如式(5)：
fw1＝(γ1x+γ2y+γ3z) (2)
fw2＝β1Deltap1 (3)
fw3＝β2Deltap2 (4)
fw4＝β3P (5)
其中，x,y,z分别表示风电场、光伏发电场和光热发电场的装机容量，Deltap1为年总弃电量，Deltap2为年总缺电量，P为年总发电量，γ1,γ2,γ3分别表示风电、光伏和光热单位兆瓦建造成本；β1,β2,β3分别表示弃电电价，不足负荷的购买补充电量电价和发电上网电价。
二、约束条件
在整个计算周期(一年)内，任意时刻系统均需满足供电曲线尽量与用电负荷贴合。采用pw(i,j),pv(i,j),pd(i,j),pr(i,j)分别代表i日j时风电场出力，光伏发电场出力，光热发电场出力，以及实时负荷数据，应满足公式(6)所示的约束条件。
pw(i,j)+pv(i,j)+pd(i,j)>pr(i,j) (6)
由于新能源发电的不稳定性，pw(i,j),pv(i,j),pd(i,j)波动较大，一般不能满足实时的供电与负荷匹配。因此，系统需要加入储能单元，即光热发电场中的储热罐。在负荷高峰时期作为电源接入系统，在负荷低谷时期作为负荷接入系统。为了量化储热罐，本发明设当前时刻光热发电场储能容量为HS，设定其发电能量按照MW·h来计算，其装机容量等于光热发电场集热场的装机容量。设定HSmax为光热发电场最大储热量，因此HS需时刻满足以下关系：
HS<HSmax (7)
储热罐满足以额定容量储放15h，每小时储放能额定容量为mMW，且满足公式(8)～(11)。
HSmax≥HS+Vexeta1 (8)
HS-Vouteta2≥0 (9)
eta1Vex≤m (10)
eta2Vout≤m (11)
其中，储热罐储热时效率为eta1；储热罐放热发电时效率为eta2，Vex表示每小时储存的电量，Vout表示每小时释放的电量。
HS的初值是7.5*m，以后每个时间节点都会重新计算，计算准则如公式(8)～(11)
三、采用粒子群优化算法求解得出联合发电系统的最优容量配比
优化策略参见图2，具体为：
输入为i日j时风电场出力pw(i,j)，光伏发电场出力pv(i,j)，光热发电场出力pd(i,j)，以及实时负荷数据pr(i,j)，
定义多余出力为：pir(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)-pr(i,j)。
(1)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)≥pr(i,j)，
pd(i,j)>0，
HS≥m，
eta1*pd(i,j)＝m，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i，j)+pd(i,j)-m/eta1，
储热罐储热量HS为：
HS＝HS-m，
eta1表示储热罐储热时效率。
(2)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)≥pr(i,j)，
pd(i,j)>0，
HS≥m，
eta1*pd(i,j)<m，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)，
储热罐储热量HS为：
HS＝HS-eta1*pd(i,j)。
(3)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)≥pr(i,j)，
pd(i,j)>0，
HS<m，
eta1*pd(i,j)≥HS，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)-HS/eta1，
储热罐储热量HS为：
HS＝0。
(4)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)≥pr(i,j)，
pd(i,j)>0，
HS<m，
eta1*pd(i,j)<HS，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)，
储热罐储热量HS为：
HS＝HS-eta1*pd(i,j)。
(5)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)≥pr(i,j)，
pd(i,j)＝0，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)，
储热罐储热量HS为：
HS＝HS。
(6)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)<pr(i,j)，
HS>＝m，
eta1*pir(i,j)≥m，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)-m/eta1，
储热罐储热量HS为：
HS＝HS-m。
(7)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)<pr(i,j)，
HS>＝m，
eta1*pir(i,j)<m，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)-pir(i,j)
储热罐储热量HS为：
HS＝HS-eta1*pir(i,j)。
(8)如果同时满足以下条件：
pir(i，j)>0，
pw(i，j)+pv(i，j)<pr(i，j)，
HS<m，
eta1*pir(i，j)≥HS，
则联合发电系统发电量plp(i，j)为：
plp(i，j)＝pw(i，j)+pv(i，j)+pd(i，j)-HS/eta1，
储热罐储热量HS为：
HS＝0。
(9)如果同时满足以下条件：
pir(i，j)≥0，
pw(i，j)+pv(i，j)<pr(i，j)，
HS<m，
eta1*pir(i，j)<HS，
则联合发电系统发电量plp(i，j)为：
plp(i，j)＝pw(i，j)+pv(i，j)+pd(i，j)-pir(i，j)，
储热罐储热量HS为：
HS＝HS-pir(i，j)。
(10)如果同时满足以下条件：
pir(i，j)<0，
HS_max-HS>0，
HS_max-HS>m，
|pir(i，j)|-eta2*m≥0，
则联合发电系统发电量plp(i，j)为：
plp(i，j)＝pw(i，j)+pv(i，j)+pd(i，j)+eta2*m，
储热罐储热量HS为：
HS＝HS+m，
eta2表示储热罐放热时效率。
(11)如果同时满足以下条件：
pir(i，j)<0，
HS_max-HS>0，
HS_max-HS>m，
|pir(i，j)|-eta2*m<0，
则联合发电系统发电量plp(i，j)为：
plp(i，j)＝pw(i,j)+pv(i,j)+pd(i,j)+|pir(i,j)|，
储热罐储热量HS为：
HS＝HS+|pir(i,j)|/eta2。
(12)如果同时满足以下条件：
pir(i,j)<0，
HS_max-HS>0，
HS_max-HS<m，
|pir(i,j)|-eta2*(HS_max-HS)≥0，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)+eta2*(HS_max-HS)，
储热罐储热量HS为：
HS＝HS_max。
(13)如果同时满足以下条件：
pir(i,j)<0，
HS_max-HS>0，
HS_max-HS<m，
|pir(i,j)|-eta2*(HS_max-HS)<0，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)+|pir(i,j)|，
储热罐储热量HS为：
HS＝HS+|pir(i,j)|/eta2。
(14)如果同时满足以下条件：
pir(i,j)<0，
HS_max＝HS>0，
则联合发电系统发电量plp(i,j)为：
plp(i，j)＝pw(i，j)+pv(i，j)+pd(i，j)，
储热罐储热量HS为：
HS＝HS_max。
(15)当pir(i，j)≥0时，得到：
年总弃电量为：Deltap1＝Deltap1+plp(i，j)-pr(i,j)；
当pir(i，j)<0时，得到：
年总缺电量为：Deltap2＝Deltap2-plp(i,j)+pr(i,j)；
年总发电量P为：
P＝P+plp(i,j)。
最后输出Deltap1，Deltap2和P。
通过Deltap1，Deltap2和P计算得到：
能源浪费率SPSP为：
SPSP＝Deltap1/P；
负荷缺电率LPSP为：
LPSP＝Deltap2/P。
将上述计算的输出Deltap1，Deltap2和P带入公式(1)中，然后用普通粒子群优化目标函数，得到最小目标函数下的风电、光伏和光热的装机容量分别为x,y,和z。
本发明采用某地区2015年无弃风小时数据，得到风电、光伏和光热发电场出力曲线如图3～5所示。之后采用粒子群优化算法，以每小时为计算节点，计算得到光伏-风电联合发电模型的结果如表1所示。在光热-光伏-风电联合发电模型中，调整能量浪费率和发电不足率的大小，得到了发电收益和能量浪费率及负荷缺电率的关系如图6所示，其中，SPSP表示能源浪费率，LPSP表示负荷缺电率。由图6可知能量浪费率和负荷缺电率呈负相关为了使发电量尽量贴近负荷，能量浪费率和负荷缺电率取相等时的值，计算了只考虑光热储热的容量配比，结果如表2所示。
表1光伏-风电模型的单位装机成本结果
表2光热-光伏-风电模型的单位装机成本结果
项目 第1次实验 第5次实验 第15次实验 第20次实验
风电装机(MW) 1960 1722 2012 2110
太阳能光伏装机(MW) 7115 7158 7179 7110
太阳能光热装机(MW) 13927 14122 13927 13936
弃电率 11.59％ 10.78％ 12.18％ 12.77％
负荷缺电率 11.43％ 11.42％ 11.31％ 11.19％
建造成本(元) 5.8926e+11 6.2331e+11 6.6066e+11 6.7311e+11
年发电收益(元) 2.3723e+10 2.3726e+10 2.3749e+10 2.3775e+10
单位装机成本(元/MW) 2.5618e+07 2.7098e+07 2.8578e+07 2.9068e+07
从负荷数据、计算得到的光伏-风电联合发电出力及光热-光伏-风电联合发电出力中任意提取一天数据，结果如图7所示，其中，Load表示负荷曲线，PV-Wind表示光伏-风电联合出力，CSP-PV-Wind表示光热-光伏-风电联合出力。
从表1，表2和图7中可以看出能量浪费率和负荷缺电率相近时，光热-光伏-风电联合发电模型比光伏-风电联合发电模型的能量浪费率和负荷缺电率较小，发电质量和年发电收益较高明显提高，但是光热容量偏大。
综上，本发明主要由风电和光伏直接供电，光热电站作为调峰、调频和无功补偿。在满足建造成本最低，年总弃电量费用最小，年总发电量不足负荷的缺电量费用最小和年总发电收益最大的情况下，采用粒子群算法优化光热电站、光伏电站和风电场的装机容量，得到的能量浪费率和负荷缺电率均在15％以内，平移了发电时段，提高了发电质量。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (6)

1.一种光热-光伏-风电联合发电系统的容量优化方法，其特征在于，所述光热-光伏-风电联合发电系统由风电场、光伏发电场和光热发电场组成，所述容量优化方法包括：
(1)确定优化目标；所述优化目标以建造成本、弃电量费用和缺电量费用最小，以及年总发电量最大为优化目标；
(2)确定优化目标的约束条件；
(3)采用改进粒子群优化算法求解得出联合发电系统的最优容量配比。
2.根据权利要求1所述的一种光热-光伏-风电联合发电系统的容量优化方法，其特征在于，所述优化目标为：
其中，fw表示优化目标，fw1，fw2，fw3和fw4分别表示光热-光伏-风电联合发电系统的建造成本，年总弃电量费用，年总缺电量费用和年总发电量获得的收益，α1,α2,α3,α4分别表示建造成本，年总弃电量费用，年总缺电量费用和年总发电量收益的权重系数。
3.根据权利要求2所述的一种光热-光伏-风电联合发电系统的容量优化方法，其特征在于，所述建造成本表示为：
fw1＝(γ1x+γ2y+γ3z)
所述年总弃电量费用表示为：
fw2＝β1Deltap1
所述年总发缺电量费用表示为：
fw3＝β2Deltap2
所述年总发电量获得的收益表示为：
fw4＝β3P
其中，x,y,z分别表示风电场，光伏发电场和光热发电场的装机容量，Deltap1为年总弃电量，Deltap2为年总缺电量，P为年总发电量，γ1,γ2,γ3分别表示风电场，光伏发电场和光热发电场的单位兆瓦建造成本，β1,β2,β3分别表示弃电电价，缺电量电价和发电上网电价。
4.根据权利要求1所述的一种光热-光伏-风电联合发电系统的容量优化方法，其特征在于，所述优化目标的约束条件包括：
pw(i,j)+pv(i,j)+pd(i,j)>pr(i,j)
其中，pw(i,j),pv(i,j),pd(i,j),pr(i,j)分别代表i日j时风电场出力，光伏发电场出力，光热发电场出力，以及实时负荷数据；
所述光热发电场需满足的约束条件包括：
HS<HSmax
HSmax≥HS+Vexeta1
HS-Vouteta2≥0
eta1Vex≤m
eta2Vout≤m
其中，HS表示当前时刻光热发电场储能容量，HSmax表示光热发电场的最大储热量，eta1表示光热发电场的储热罐的储热时效率，eta2表示光热发电场的储热罐的放热发电时效率，m表示储热罐的每小时储放能额定容量，Vout表示每小时释放的电量，Vex表示每小时储存的电量。
5.根据权利要求1所述的一种光热-光伏-风电联合发电系统的容量优化方法，其特征在于，所述采用改进粒子群优化算法求解得出联合发电系统的最优容量配比，包括：
以i日j时风电场出力pw(i,j)，光伏发电场出力pv(i,j)，光热发电场出力pd(i,j)，以及实时负荷数据pr(i,j)为输入，结合联合发电系统的发电策略，计算联合发电系统的年总发电量，年总弃电量和年总缺电量；
将计算所得的年总发电量，年总弃电量和年总缺电量带入所述优化目标，结合约束条件，采用粒子群优化算法求解得出最小优化目标函数下的风电场、光伏发电场和光热发电场的装机容量x,y,和z。
6.根据权利要求5所述的一种光热-光伏-风电联合发电系统的容量优化方法，其特征在于，所述联合发电系统的发电策略，包括：
输入为i日j时风电场出力pw(i,j)，光伏发电场出力pv(i,j)，光热发电场出力pd(i,j)，以及实时负荷数据pr(i,j)，
定义多余出力为：pir(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)-pr(i,j)；
(1)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)≥pr(i,j)，
pd(i,j)>0，
HS≥m，
eta1*pd(i,j)＝m，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)-m/eta1，
储热罐储热量HS为：
HS＝HS-m，
eta1表示储热罐储热时效率；
(2)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)≥pr(i,j)，
pd(i,j)>0，
HS≥m，
eta1*pd(i,j)<m，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)，
储热罐储热量HS为：
HS＝HS-eta1*pd(i,j)；
(3)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)≥pr(i,j)，
pd(i,j)>0，
HS<m，
eta1*pd(i,j)≥HS，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)-HS/eta1，
储热罐储热量HS为：
HS＝0；
(4)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)≥pr(i,j)，
pd(i,j)>0，
HS<m，
eta1*pd(i,j)<HS，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)，
储热罐储热量HS为：
HS＝HS-eta1*pd(i,j)；
(5)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)≥pr(i,j)，
pd(i,j)＝0，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)，
储热罐储热量HS为：
HS＝HS；
(6)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)<pr(i,j)，
HS>＝m，
eta1*pir(i,j)≥m，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)-m/eta1，
储热罐储热量HS为：
HS＝HS-m；
(7)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)<pr(i,j)，
HS>＝m，
eta1*pir(i,j)<m，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)-pir(i,j)，
储热罐储热量HS为：
HS＝HS-eta1*pir(i,j)；
(8)如果同时满足以下条件：
pir(i,j)>0，
pw(i,j)+pv(i,j)<pr(i,j)，
HS<m，
eta1*pir(i,j)≥HS，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)-HS/eta1，
储热罐储热量HS为：
HS＝0；
(9)如果同时满足以下条件：
pir(i,j)≥0，
pw(i,j)+pv(i,j)<pr(i,j)，
HS<m，
eta1*pir(i,j)<HS，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)-pir(i,j)，
储热罐储热量HS为：
HS＝HS-pir(i,j)；
(10)如果同时满足以下条件：
pir(i,j)<0，
HS_max-HS>0，
HS_max-HS>m，
|pir(i,j)|-eta2*m≥0，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)+eta2*m，
储热罐储热量HS为：
HS＝HS+m，
eta2表示储热罐放热时效率；
(11)如果同时满足以下条件：
pir(i,j)<0，
HS_max-HS>0，
HS_max-HS>m，
|pir(i,j)|-eta2*m<0，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)+|pir(i,j)|，
储热罐储热量HS为：
HS＝HS+|pir(i,j)|/eta2；
(12)如果同时满足以下条件：
pir(i,j)<0，
HS_max-HS>0，
HS_max-HS<m，
|pir(i,j)|-eta2*(HS_max-HS)≥0，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)+eta2*(HS_max-HS)，
储热罐储热量HS为：
HS＝HS_max；
(13)如果同时满足以下条件：
pir(i,j)<0，
HS_max-HS>0，
HS_max-HS<m，
|pir(i,j)|-eta2*(HS_max-HS)<0，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)+|pir(i,j)|，
储热罐储热量HS为：
HS＝HS+|pir(i,j)|/eta2；
(14)如果同时满足以下条件：
pir(i,j)<0，
HS_max＝HS>0，
则联合发电系统发电量plp(i,j)为：
plp(i,j)＝pw(i,j)+pv(i,j)+pd(i,j)，
储热罐储热量HS为：
HS＝HS_max；
(15)当pir(i,j)≥0时，得到：
年总弃电量为：Deltap1＝Deltap1+plp(i,j)-pr(i,j)；
当pir(i,j)<0时，得到：
年总缺电量为：Deltap2＝Deltap2-plp(i,j)+pr(i,j)；
年总发电量P为：
P＝P+plp(i,j)。
最后输出Deltap1，Deltap2和P。
CN201910650474.3A 2019-07-18 2019-07-18 一种光热-光伏-风电联合发电系统的容量优化方法 Active CN110365013B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910650474.3A CN110365013B (zh) 2019-07-18 2019-07-18 一种光热-光伏-风电联合发电系统的容量优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910650474.3A CN110365013B (zh) 2019-07-18 2019-07-18 一种光热-光伏-风电联合发电系统的容量优化方法

Publications (2)

Publication Number Publication Date
CN110365013A true CN110365013A (zh) 2019-10-22
CN110365013B CN110365013B (zh) 2020-12-08

Family

ID=68221154

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910650474.3A Active CN110365013B (zh) 2019-07-18 2019-07-18 一种光热-光伏-风电联合发电系统的容量优化方法

Country Status (1)

Country Link
CN (1) CN110365013B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110752625A (zh) * 2019-10-29 2020-02-04 青海格尔木鲁能新能源有限公司 一种多能互补新能源发电系统的运营策略优化方法
CN110994698A (zh) * 2019-12-18 2020-04-10 东北电力大学 一种太阳能光伏-光热联合发电系统优化运行方法
CN111598401A (zh) * 2020-04-20 2020-08-28 大唐环境产业集团股份有限公司 带储热热电联产系统运行策略确定方法及装置
CN111723475A (zh) * 2020-06-01 2020-09-29 河海大学 一种风电、光伏和储热联合热电系统及容量优化建模方法
CN112149339A (zh) * 2020-09-04 2020-12-29 河海大学 风电-光伏-光热-电加热器互补发电系统容量优化模型
CN112734464A (zh) * 2020-12-31 2021-04-30 晶科能源股份有限公司 项目成本预测方法、装置以及电子设备
CN112821466A (zh) * 2021-01-08 2021-05-18 湖北工业大学 一种含光热发电的独立微电网容量配置方法
CN112906927A (zh) * 2019-12-03 2021-06-04 新奥数能科技有限公司 一种热电联产机组收益优化方法及装置
CN113394817A (zh) * 2021-06-28 2021-09-14 国网甘肃省电力公司电力科学研究院 一种风光水火储系统的多能容量优化配置方法
CN114240104A (zh) * 2021-12-03 2022-03-25 中广核太阳能开发有限公司 光伏弃电储能功率和储能容量配置方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7043340B2 (en) * 2002-02-25 2006-05-09 General Electric Company Protection system for power distribution systems
CN101789598A (zh) * 2010-03-05 2010-07-28 湖北省电力试验研究院 一种电力系统负荷的建模方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7043340B2 (en) * 2002-02-25 2006-05-09 General Electric Company Protection system for power distribution systems
CN101789598A (zh) * 2010-03-05 2010-07-28 湖北省电力试验研究院 一种电力系统负荷的建模方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张宏等: "风电-光伏-光热联合发电系统的模糊多目标优化模型", 《电源学报》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110752625B (zh) * 2019-10-29 2020-12-25 青海格尔木鲁能新能源有限公司 一种多能互补新能源发电系统的运营策略优化方法
CN110752625A (zh) * 2019-10-29 2020-02-04 青海格尔木鲁能新能源有限公司 一种多能互补新能源发电系统的运营策略优化方法
CN112906927A (zh) * 2019-12-03 2021-06-04 新奥数能科技有限公司 一种热电联产机组收益优化方法及装置
CN110994698A (zh) * 2019-12-18 2020-04-10 东北电力大学 一种太阳能光伏-光热联合发电系统优化运行方法
CN111598401A (zh) * 2020-04-20 2020-08-28 大唐环境产业集团股份有限公司 带储热热电联产系统运行策略确定方法及装置
CN111723475A (zh) * 2020-06-01 2020-09-29 河海大学 一种风电、光伏和储热联合热电系统及容量优化建模方法
CN111723475B (zh) * 2020-06-01 2022-11-04 河海大学 一种风电、光伏和储热联合热电系统及容量优化建模方法
CN112149339B (zh) * 2020-09-04 2022-11-04 河海大学 风电-光伏-光热-电加热器互补发电系统容量优化模型
CN112149339A (zh) * 2020-09-04 2020-12-29 河海大学 风电-光伏-光热-电加热器互补发电系统容量优化模型
CN112734464A (zh) * 2020-12-31 2021-04-30 晶科能源股份有限公司 项目成本预测方法、装置以及电子设备
CN112821466A (zh) * 2021-01-08 2021-05-18 湖北工业大学 一种含光热发电的独立微电网容量配置方法
CN112821466B (zh) * 2021-01-08 2023-02-28 湖北工业大学 一种含光热发电的独立微电网容量配置方法
CN113394817A (zh) * 2021-06-28 2021-09-14 国网甘肃省电力公司电力科学研究院 一种风光水火储系统的多能容量优化配置方法
CN114240104A (zh) * 2021-12-03 2022-03-25 中广核太阳能开发有限公司 光伏弃电储能功率和储能容量配置方法和装置
CN114240104B (zh) * 2021-12-03 2022-08-30 中广核太阳能开发有限公司 光伏弃电储能功率和储能容量配置方法和装置

Also Published As

Publication number Publication date
CN110365013B (zh) 2020-12-08

Similar Documents

Publication Publication Date Title
CN110365013A (zh) 一种光热-光伏-风电联合发电系统的容量优化方法
Tan et al. Evaluation of the risk and benefit of the complementary operation of the large wind-photovoltaic-hydropower system considering forecast uncertainty
CN111738497B (zh) 计及需求侧响应的虚拟电厂双层优化调度方法
Jiang et al. Optimal integrated demand response scheduling in regional integrated energy system with concentrating solar power
CN103023035B (zh) 一种多能互补发电系统的优化配置方法
CN108808659A (zh) 风电消纳综合能源系统的协调优化控制及经济性评估方法
Kahwash et al. Integration and optimisation of high-penetration Hybrid Renewable Energy Systems for fulfilling electrical and thermal demand for off-grid communities
Liu et al. Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios
CN110601260B (zh) 一种限定联络线上功率波动的光-蓄系统容量优化方法
CN112084652A (zh) 一种风光储互补发电系统容量配置计算方法及系统
CN113393126A (zh) 高耗能园区与电网交替并行协同优化调度方法
Fan et al. Two-layer collaborative optimization for a renewable energy system combining electricity storage, hydrogen storage, and heat storage
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
CN114977299A (zh) 一种风光水火储多能互补发电系统选址定容的优化方法
Jintao et al. Optimized operation of multi-energy system in the industrial park based on integrated demand response strategy
CN114066204A (zh) 一种综合能源系统的一体化优化规划与运行方法及装置
CN113822480A (zh) 一种农村综合能源系统多层协同优化方法及系统
CN108062022A (zh) 一种热电协同系统的优化控制方法
Saqib et al. Analysis of grid integrated PV system as home RES with net metering scheme
CN109840621A (zh) 考虑储能系统影响的并网型微电网日前多目标优化方法
Liang et al. Capacity configuration optimization of wind-solar combined power generation system based on improved grasshopper algorithm
Meng et al. A revenue-risk equilibrium model for distributed energy integrated virtual power plants considering uncertainties of wind and photovoltaic power
Zhou et al. Integrated location and capacity coordination planning scheme for multi-power complementary generation system
Chen et al. A low-carbon planning model for regional power systems with generation-load-storage coordination considering new energy resources’ consumption
Qi et al. A new methodology for optimizing the size of hybrid PV/wind system

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