CN110365062A - 一种基于Markov模型的多能系统协调控制方法 - Google Patents
一种基于Markov模型的多能系统协调控制方法 Download PDFInfo
- Publication number
- CN110365062A CN110365062A CN201910317819.3A CN201910317819A CN110365062A CN 110365062 A CN110365062 A CN 110365062A CN 201910317819 A CN201910317819 A CN 201910317819A CN 110365062 A CN110365062 A CN 110365062A
- Authority
- CN
- China
- Prior art keywords
- indicate
- node
- energy
- model
- 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 52
- 238000004146 energy storage Methods 0.000 claims abstract description 53
- 230000005611 electricity Effects 0.000 claims abstract description 42
- 240000002853 Nelumbo nucifera Species 0.000 claims abstract description 21
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims abstract description 21
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims abstract description 21
- 238000004088 simulation Methods 0.000 claims abstract description 15
- 238000009825 accumulation Methods 0.000 claims abstract description 9
- 238000009434 installation Methods 0.000 claims abstract description 7
- 230000003993 interaction Effects 0.000 claims abstract description 5
- 238000005485 electric heating Methods 0.000 claims abstract description 4
- 239000007789 gas Substances 0.000 claims description 45
- 238000010248 power generation Methods 0.000 claims description 24
- 239000011159 matrix material Substances 0.000 claims description 23
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 18
- 238000002485 combustion reaction Methods 0.000 claims description 17
- 238000013178 mathematical model Methods 0.000 claims description 12
- 239000002918 waste heat Substances 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 239000000446 fuel Substances 0.000 claims description 9
- 239000003345 natural gas Substances 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 9
- 238000013519 translation Methods 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 7
- 238000010168 coupling process Methods 0.000 claims description 7
- 238000005859 coupling reaction Methods 0.000 claims description 7
- WKBOTKDWSSQWDR-UHFFFAOYSA-N Bromine atom Chemical compound [Br] WKBOTKDWSSQWDR-UHFFFAOYSA-N 0.000 claims description 6
- GDTBXPJZTBHREO-UHFFFAOYSA-N bromine Substances BrBr GDTBXPJZTBHREO-UHFFFAOYSA-N 0.000 claims description 6
- 229910052794 bromium Inorganic materials 0.000 claims description 6
- 239000003990 capacitor Substances 0.000 claims description 6
- 238000001816 cooling Methods 0.000 claims description 6
- 238000010438 heat treatment Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 3
- 230000004941 influx Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000011217 control strategy Methods 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 239000000567 combustion gas Substances 0.000 claims 1
- 238000002347 injection Methods 0.000 claims 1
- 239000007924 injection Substances 0.000 claims 1
- 238000003786 synthesis reaction Methods 0.000 claims 1
- 230000007704 transition Effects 0.000 claims 1
- 238000010521 absorption reaction Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 210000004209 hair Anatomy 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- 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
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及多能系统协调控制方法技术领域，具体涉及一种基于Markov模型的多能系统协调控制方法。本发明包括：多能系统的电、气、热网络建模；建立压缩机设备模型；建立热电联产系统模型；建立可再生能源发电系统模型；建立多能源负荷模型；建立多能系统的Markov模型；基于Markov模型的多能协调控制方法；仿真算例验证。通过分析可再生能源出力和负荷需求的变化特性，建立Markov模型，通过安装储能系统实现源、荷、储之间的协调互动，储热设备能够实现电热解耦，储电设备可以平滑可再生能源出力波动，通过对储能系统的吸收能量和释放能量进行有效控制，实现能源的供需平衡，保障整个多能系统安全高效的运行。
Description
技术领域
本发明涉及多能系统协调控制方法技术领域，具体涉及一种基于Markov模型的多能系统协调控制方法。
背景技术
随着化石原料储量的急速下降以及人们对环境问题的日益重视，为了缓解“弃风弃 光”等问题，综合利用多种互补能源成为了解决上述问题的有效途径之一。综合能源系统能够有效的整合利用多种资源，提高系统的能效，同时解决新能源消纳等问题，因此 综合能源系统得到了广泛的研究，“用电量决定发电量"的传统模式也在逐渐转变。目前 针对综合能源系统的研究大多集中在优化方面，主要从经济、环保等方面对综合能源系 统进行运行方式优化，但是综合能源系统作为一个高度耦合的复杂系统，在实际的运行 过程中，负荷和可再生能源的随机性可波动性势必会给多能系统的运行造成极大的挑 战，此外，传统的研究在得出优化方案后并没有进一步设计控制器对相应的控制目标进 行调控。
目前，针对多能系统的研究主要集中在系统建模、耦合关系、规划建设、与运行优化等方面，相关文献主要可以分为如下几个方面：
1)多能源系统建模研究；
2)多能源系统耦合关系分析；
3)多能源系统规划研究；
4)可多能源系统运行优化策略研究。
上述研究主要针对多能源系统的规划建设、运行优化等方面开展的，主要考虑运行 过程中系统的经济型，得出相应的运行方案，但是随着高占比可再生能源的介入，能源供给侧和负荷侧的随机性都给系统的温泉稳定运行带来了巨大的挑战，传统的确定性运行方案难以保障系统有效地运行。
因此，为了避免上述情况，通过分析已有数据，考虑到可再生能源出力的波动性和负荷的随机性，构建基于Markov理论的多能源系统模型，通多对各个Markov状态进 行分析，结合各个状态下的运行状况，对系统中安装的储能、储热设备进行合理的控制， 实现多能系统的源、荷、储协调控制，实现能源的供应和消纳平衡，保障系统安全稳定 的运行。
发明内容
针对上述现有技术中存在的不足之处，本发明提出了一种基于Markov模型的多能系统协调控制方法，其目的是为了针对多能系统内的电、气、热等多种能源形式，建立 相应的传输网络模型，考虑能量的耦合关系等关键设备，建立热电联供系统模型，同时 针对可再生能源发电和多种负荷的随机性，通过聚类方法，并在此基础上建立耦合 Markov模型，结合多能系统中的储能设备，针对不同的Markov模态，对储能设备进行 充放能控制，实现源、荷、储的协调控制，确保系统安全稳定运行，以此实现多能系统 的协调控制。
为了实现上述发明目的，本发明是通过以下技术方案来实现的：
一种基于Markov模型的多能系统协调控制方法，包括如下步骤：
步骤1、多能系统的电、气、热网络建模；
步骤2、建立压缩机设备模型；
步骤3、建立热电联产系统模型；
步骤4、建立可再生能源发电系统模型；
步骤5、建立多能源负荷模型；
步骤6、建立多能系统的Markov模型；
步骤7、基于Markov模型的多能协调控制方法；
步骤8、仿真算例验证。
所述步骤1、多能系统电、气、热网络建模中，典型的交流电力网络模型如下：
其中，ΔPi表示节点i的有功平衡情况，ΔQi表示节点i的无功平衡情况，表示在节点i的有功发电量，表示节点i负荷消耗的有功电量；表示在节点i的无功 发电量，表示在节点i的无功损耗，Pij表示节点i与节点j的有功传递，Qij表示节 点i与节点j的无功传递，Nnode表示总的节点数；
Pij和Qij如下式所示：
其中，Vi和Vj分别表示节点i和j的电压值，θi和θj分别表示节点i和j的相角值， Gij和Bij分别表示节点导纳矩阵的第i行和第j列的实部和虚部；
同时电力系统中满足电源出力、无功出力、电压幅值、电压相角等上下限的不等式约束条件如下所示：
其中，表示节点i的有功出力值，和分别表示节点i的有功出力上下限，表示节点i的无功出力值，和分别表示节点i的无功出力 上下限，Vi表示节点i的电压幅值，Vi_up和Vi_down分别表示节点i的电压幅值上下限，θij表示节点i与节点j的相角差值，θij_up和θij_down分别表示节点i与节点j的相角差的上 下限，Pij表示线路ij的有功潮流值，Pij_up和Pij_down分别表示线路ij的有功潮流上下限， Qij表示线路ij的无功潮流值，Qij_up和Qij_down分别表示线路ij的无功潮流上下限；
热力网络模型由水利模型和热力模型组成，如下所示：
其中，水利模型方程组中Ah表示节点之路关联矩阵，m表示管道支路流量，mq表 示注入节点的流量，Bh表示环路支路关联矩阵，hf表示管道压力损耗，K表示管道中 包含的每天管道阻力系数矩阵；
其中，热力模型方程组中ψ表示负荷节点热功率，Cp表示工质比热容，Ts表示供 热温度，T0表示输出温度，Tstart和Tend分别表示管道起始端和末端的温度，L表示管 道长度，min和mout分别表示节点的流入和流出水温，Ta表示环境温度，Tin和Tout分别 为流出和注入节点的热水温度；
天然气网络的模型如下所示：
其中，Tc表示标准温度，P0表示标准气压，D表示管道直径，G表示天然气比重， Ln,m表示节点n和节点m之间的管道长度，Pn和Pm分别表示节点n和节点m的压强， Tn,m表示节点n和节点m之间的平均气体温度，Zn,m表示节点n和节点m之间的平均气 体压缩系数，Fn,m表示管道的摩擦系数，Sn,m表示节点n和节点m之间的管道内部的天 然气流向，具体表示如下：
所述步骤2、建立压缩机设备模型中，压缩机安装在管道中用于提供传输过程中需要的压力，其消耗能量的数学模型如下所示：
其中，Hn,m表示管道从节点n传输到节点m压缩机需要消耗的能量大小，Bn,m表 示压缩机的特性参数，fn,m表示通过管道传输的天然气流量，Pn和Pm分别表示节点n和 节点m的压强，Zc表示固定参数值。
所述步骤3、建立热电联产系统模型中，包括以下三种典型类型：
(a)燃气轮机和废热锅炉构成的热电联供系统，其数学模型如下所示：
其中，Pgt表示燃气轮机发电量，Qgt表示燃气轮机废气可利用的热功率，Mgt表示 燃气轮机消耗的燃料量，T表示温度，Tc表示参考温度，agt，bgt，pgt，qgt，cgt表 示燃气轮机的系数常数；表示参考条件下的最大发电功率；
(b)内燃机与废热锅炉构成的热电联供系统，其数学模型如下所示：
其中，Pge表示内燃机的发电量，Qgas表示内燃机的废气可利用的热功率，Qwater表示获得的气缸内水能流，Mfuel表示内燃机消耗的燃料量，age，bge，cge，kge，pge， qge表示内燃机的系数常数；
(c)微型燃气轮机与溴冷机组构成的热电联供系统，其数学模型如下所示：
其中，Hf表示微型燃气轮机余热，pchp表示单台微型燃气轮机发电功率，ηe表示 微型燃气轮机的发电效率，ηloss表示微型燃气轮机的热损失系数，Hchp表示微型燃气轮 机的余热量，ηr表示废热的热能回收效率，δb表示溴冷机组的加热系数。
所述步骤4、建立可再生能源发电系统模型中，风轮机的功率模型如下：
Pw＝0.5πρf2V3Cp
上式中，ρ表示空气的密度，f表示风轮的半径大小，V表示风速的大小，Cp表 示风能的利用率，ωt表示风轮机的角速度，Cp直接决定了系统的效率，表达式如下所 示：
上式中，λi表示中间变量，β表示风叶的仰角，λ表示叶尖速比；
光伏发电依靠光伏电池光转化电的原理进行发电，光伏阵列发电模型如下：
上式中，Vpv分别表示光伏单元的输出电压，Ipv表示光照电流，I0表示通过漏的 电流，e表示自然常数，α表示二极管理想因数，I表示光伏板输出电流，q是库伦常 数，T表示华氏温度，σ表示理想因子，d表示常数，Rs表示等效串联电阻，Rp表示 等效并联电阻，Ns表示串联光伏电池个数。
所述步骤5、建立多能源负荷模型中，每个节点的负荷表示如下：
其中，Pload表示电负荷，Qload表示热负荷，电负荷共有n个节点，热负荷有m个 节点，pn表示节点n的电负荷量，pn表示节点n的热负荷量。
所述步骤6、建立多能系统的Markov模型中，采用Markov模型刻画可再生能源发电与负荷的随机变化情况，通过分析负荷数据，采用聚类分析根据负荷量划分为S1个区间，同样采用聚类方法分析可再生能源出力，得到S2个区间，同时考虑负荷和可再生 能源的随机特性，将出现S1×S2种情况；以此得出耦合Markov链S＝{1,2,K,s1×s2}， 每种Markov模态对应一种负荷和可再生能源出力的情况，整个Markov链包含了所有 负荷和可再生能源发电可能出现的工况；同时用Markov中的概率转移矩阵用来描述各 个状态之间的跳变情况，其概率转移矩阵表达式如下：
pij(k-1)＝p{r(k)＝j|r(k-1)＝i},ij∈S
上式中，k表示当前时刻，和k-1表示上一时刻，i和j分别对应与Markov链中 的两个状态，pij(k-1)表示从状态i到状态j的概率，S表示Markov链，r表示系统 所对应的状态变量；
所有概率组成一个概率转移矩阵如下所示：
P(k-1)＝{pij(k-1)},ij∈S
上式中，S是Markov链，pij(k-1)表示从状态i到状态j的概率，P(k-1)表示 转移概率矩阵。
所述步骤7、基于Markov模型的多能协调控制方法中，基于Markov模型的多能协调控制方法是通过安装储能系统实现源、荷、储之间的协调互动，储热设备能够实现电 热解耦，储电设备能够平滑可再生能源出力波动，根据每种Markov状态下的负荷和可 再生能源发电情况，控制储能设备的充放电过程，实现源、荷储的协调控制；针对各个 Markov状态，获取各个节点的近功率情况，如下所示：
其中，和分别表示在节点i处电能和热能的净功率大小，和分别表示在节点i处产生的电能和热能的功率大小，和分别表示在节点i处产生的电 负荷和热负荷的消耗量；
多余或缺少的电能和热能通过储能设备吸收或者释放来调整，储能设备的充放电控 制以及充放电的功率大小依赖于电力电子设备，典型的是双向直-直变换电路，储能设备工作在充电模式时，其数学表达式如下：
其中，C1表示双向直-直变换电路中的电容，L1表示电感，R表示等效电阻，d(t)1表示开关S1的占空比，表示流过电感的电流大小，Vbat表示储能设备的电压大小，Vdc直流母线电压；
当储能设备工作在放电模式时，其数学表达式如下：
其中，C1表示双向直-直变换电路中的电容，L1表示电感，R表示等效电阻，d(t)2表示开关S2的占空比，表示流过电感的电流大小，Vbat表示储能设备的电压大小，Vdc直流母线电压；
对储热设备的控制方式类似，通过调节储能设备的流入量和流出量，控制储能设备 的储能和放能功率。
所述步骤8、仿真算例验证，是通过建立多能系统电、气、热网络模型，构建多能 源系统中压缩机设备模型、热电联产系统模型、可再生能源发电系统模型，计及可再生 能源和负荷的随机特性，构建多能系统的Markov模型，结合储能设备进一步提出基于 Markov模型的多能协调控制方法，实现多能系统的源、荷、储协调控制。
所述步骤8、仿真算例验证包含多能系统的电、气、热网络模型，以及分布式可再生能源风光发电系统模型，电、热等多元负荷，热电联供系统装机容量为30MW，风、 光发电系统容量为6MW，热、电等负荷在20MW到10MW氛围内波动，通过聚类分析， 构建可再生能源，负荷的Markov链模型，并计算得出每个Markov状态所对应的典型 聚类中心点，针对每个聚类中心点计算得出净用能情况，根据各个Markov状态的净用 能情况，对储能设备的充能和放能状况进行有效控制，实现多能系统的源、荷、储协调 控制；最后通过搭建仿真模型，综合可再生能源和负荷的随机特性，分别验证所提控制 策略的有效性。
本发明优点及有益效果是：
本发明提出了一种基于Markov模型的多能系统协调控制方法，考虑目前大规模开发利用风电、光伏发电等新能源而造成的出力随机波动、多类型负荷需求及以多种能量 耦合的问题，提出了一种基于Markov模型的多能系统协调控制方法。本发明通过分析 可再生能源出力和负荷需求的变化特性，建立Markov模型，此外通过安装储能系统实 现源、荷、储之间的协调互动，储热设备能够实现电热解耦，储电设备可以平滑可再生 能源出力波动，结合源、荷的变化情况，提出了基于Markov模型的多能系统协调控制 方法，通过对储能系统的吸收能量和释放能量进行有效控制，以此实现能源的供需平衡， 保障整个多能系统安全高效的运行。
本发明针对多能系统内的电、气、热等多种能源形式，建立相应的传输网络模型，考虑能量的耦合关系等关键设备，建立热电联供系统模型，同时针对可再生能源发电和 多种负荷的随机性，通过聚类方法，并在此基础上建立耦合Markov模型，结合多能系 统中的储能设备，针对不同的Markov模态，对储能设备进行充放能控制，实现源、荷、 储的协调控制，确保系统安全稳定运行。最后，通过建立仿真算例测试，验证了本发明 方法的有效性与实用性。
附图说明
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及具体实施方式对本发明作进一步的详细描述，但应当理解本发明的保护范围并不受具体实施方式的 限制。
图1为本发明方法流程图；
图2为本发明多能系统的典型结构示意图；
图3为本发明热电联产系统的示意图；
图4为本发明典型的风速曲线图；
图5为本发明典型的光照强度曲线图；
图6为本发明仿真控制结果图。
具体实施方式
本发明是一种基于Markov模型的多能系统协调控制方法，如图1所示，图1为本 发明方法流程图，具体包括如下步骤：
步骤1、多能系统的电、气、热网络建模；
步骤2、建立压缩机设备模型；
步骤3、建立热电联产系统模型；
步骤4、建立可再生能源发电系统模型；
步骤5、建立多能源负荷模型；
步骤6、建立多能系统的Markov模型；
步骤7、基于Markov模型的多能协调控制方法；
步骤8、仿真算例验证。
本发明所述步骤1、多能系统电、气、热网络建模。其中，多能系统的构成如图2 所示，典型的交流电力网络模型如下：
其中，ΔPi表示节点i的有功平衡情况，ΔQi表示节点i的无功平衡情况，表示在节点i的有功发电量，表示节点i负荷消耗的有功电量。表示在节点i的无功 发电量，表示在节点i的无功损耗，Pij表示节点i与节点j的有功传递，Qij表示节 点i与节点j的无功传递，Nnode表示总的节点数。
Pij和Qij如下式所示：
其中，Vi和Vj分别表示节点i和j的电压值，θi和θj分别表示节点i和j的相角值， Gij和Bij分别表示节点导纳矩阵的第i行和第j列的实部和虚部。
同时电力系统中满足电源出力、无功出力、电压幅值、电压相角等上下限的不等式约束条件如下所示：
其中，表示节点i的有功出力值，和分别表示节点i的有功出力上下限，表示节点i的无功出力值，和分别表示节点i的无功出力 上下限，Vi表示节点i的电压幅值，Vi_up和Vi_down分别表示节点i的电压幅值上下限，θij表示节点i与节点j的相角差值，θij_up和θij_down分别表示节点i与节点j的相角差的上 下限，Pij表示线路ij的有功潮流值，Pij_up和Pij_down分别表示线路ij的有功潮流上下限， Qij表示线路ij的无功潮流值，Qij_up和Qij_down分别表示线路ij的无功潮流上下限。
热力网络模型主要由水利模型和热力模型组成，如下所示：
其中，水利模型方程组中Ah表示节点之路关联矩阵，m表示管道支路流量，mq表 示注入节点的流量，Bh表示环路支路关联矩阵，hf表示管道压力损耗，K表示管道中 包含的每天管道阻力系数矩阵。
其中，热力模型方程组中ψ表示负荷节点热功率，Cp表示工质比热容，Ts表示供 热温度，T0表示输出温度，Tstart和Tend分别表示管道起始端和末端的温度，L表示管 道长度，min和mout分别表示节点的流入和流出水温。Ta表示环境温度，Tin和Tout分别 为流出和注入节点的热水温度。
天然气网络的模型如下所示：
其中，Tc表示标准温度，P0表示标准气压，D表示管道直径，G表示天然气比重， Ln,m表示节点n和节点m之间的管道长度；Pn和Pm分别表示节点n和节点m的压强， Tn,m表示节点n和节点m之间的平均气体温度，Zn,m表示节点n和节点m之间的平均气 体压缩系数，Fn,m表示管道的摩擦系数，Sn,m表示节点n和节点m之间的管道内部的天 然气流向，具体表示如下：
所述步骤2、建立压缩机设备模型。其中，压缩机主要安装在管道中用于提供传输过程中需要的压力，其消耗能量的数学模型如下所示：
其中，Hn,m表示管道从节点n传输到节点m压缩机需要消耗的能量大小，Bn,m表 示压缩机的特性参数，fn,m表示通过管道传输的天然气流量，Pn和Pm分别表示节点n和 节点m的压强，Zc表示固定参数值。
所述步骤3、建立热电联产系统模型。其中，热电联产系统的示意图如图3所示， 主要有三种典型类型：
(a)燃气轮机和废热锅炉构成的热电联供系统，其数学模型如下所示：
其中，Pgt表示燃气轮机发电量，Qgt表示燃气轮机废气可利用的热功率，Mgt表示 燃气轮机消耗的燃料量，T表示温度，Tc表示参考温度，agt，bgt，pgt，qgt，cgt表 示燃气轮机的系数常数。表示参考条件下的最大发电功率。
(b)内燃机与废热锅炉构成的热电联供系统，其数学模型如下所示：
其中，Pge表示内燃机的发电量，Qgas表示内燃机的废气可利用的热功率，Qwater表示获得的气缸内水能流，Mfuel表示内燃机消耗的燃料量，age，bge，cge，kge，pge， qge表示内燃机的系数常数。
(c)微型燃气轮机与溴冷机组构成的热电联供系统，其数学模型如下所示：
其中，Hf表示微型燃气轮机余热，pchp表示单台微型燃气轮机发电功率，ηe表示 微型燃气轮机的发电效率，ηloss表示微型燃气轮机的热损失系数，Hchp表示微型燃气轮 机的余热量，ηr表示废热的热能回收效率，δb表示溴冷机组的加热系数。
所述步骤4、建立可再生能源发电系统模型。如图4所示，图4为典型的风速曲线图，风力发电主要是流体力学，将空气的动能转化为电能，风轮机的功率模型如下：
Pw＝0.5πρf2V3Cp
上式中，ρ表示空气的密度，f表示风轮的半径大小，V表示风速的大小，Cp表 示风能的利用率，ωt表示风轮机的角速度，Cp直接决定了系统的效率，表达式如下所 示：
上式中，λi表示中间变量，β表示风叶的仰角，λ表示叶尖速比；
如图5所示，图5为典型的光照强度曲线图，光伏发电主要是依靠光伏电池光转化电的原理进行发电，光伏阵列发电模型如下：
上式中，Vpv分别表示光伏单元的输出电压，Ipv表示光照电流，I0表示通过漏的 电流，e表示自然常数，α表示二极管理想因数，I表示光伏板输出电流，q是库伦常 数，T表示华氏温度，σ表示理想因子，d表示常数，Rs表示等效串联电阻，Rp表示 等效并联电阻，Ns表示串联光伏电池个数；
所述步骤5、建立多能源负荷模型。其中，每个节点的负荷表示如下：
其中，Pload表示电负荷，Qload表示热负荷，电负荷共有n个节点，热负荷有m个 节点，pn表示节点n的电负荷量，pn表示节点n的热负荷量。
所述步骤6、建立多能系统的Markov模型。其中，考虑在实际运行过程中，负荷 需求量和可再生能源发电都是随机不可控的，因此采用Markov模型刻画可再生能源发 电与负荷的随机变化情况，通过分析负荷数据，采用聚类分析根据负荷量划分为S1个区 间，同样采用聚类方法分析可再生能源出力，得到S2个区间，同时考虑负荷和可再生 能源的随机特性，将出现S1×S2种情况。以此得出耦合Markov链S＝{1,2,K,s1×s2}， 每种Markov模态对应一种负荷和可再生能源出力的情况，整个Markov链包含了所有 负荷和可再生能源发电可能出现的工况。同时用Markov中的概率转移矩阵用来描述各 个状态之间的跳变情况，其概率转移矩阵表达式如下：
pij(k-1)＝p{r(k)＝j|r(k-1)＝i},ij∈S
上式中，k表示当前时刻，和k-1表示上一时刻，i和j分别对应与Markov链中 的两个状态，pij(k-1)表示从状态i到状态j的概率，S表示Markov链，r表示系统 所对应的状态变量。
所有概率组成一个概率转移矩阵如下所示：
P(k-1)＝{pij(k-1)},ij∈S
上式中，S是Markov链，pij(k-1)表示从状态i到状态j的概率，P(k-1)表示 转移概率矩阵。
所述步骤7、基于Markov模型的多能协调控制方法，其中，基于Markov模型的多 能协调控制方法是：通过安装储能系统实现源、荷、储之间的协调互动，储热设备能够 实现电热解耦，储电设备可以平滑可再生能源出力波动，根据每种Markov状态下的负 荷和可再生能源发电情况，控制储能设备的充放电过程，实现源、荷储的协调控制。针 对各个Markov状态，可以获取各个节点的近功率情况，如下所示：
其中，和分别表示在节点i处电能和热能的净功率大小，和分别表示在节点i处产生的电能和热能的功率大小，和分别表示在节点i处产生的电 负荷和热负荷的消耗量。
多余或缺少的电能和热能通过储能设备吸收或者释放来调整，储能设备的充放电控 制以及充放电的功率大小依赖于电力电子设备，典型的是双向直-直变换电路，储能设备工作在充电模式时，其数学表达式如下：
其中，C1表示双向直-直变换电路中的电容，L1表示电感，R表示等效电阻，d(t)1表示开关S1的占空比，表示流过电感的电流大小，Vbat表示储能设备的电压大小，Vdc直流母线电压。
当储能设备工作在放电模式时，其数学表达式如下：
其中，C1表示双向直-直变换电路中的电容，L1表示电感，R表示等效电阻，d(t)2表示开关S2的占空比，表示流过电感的电流大小，Vbat表示储能设备的电压大小，Vdc直流母线电压。
对储热设备的控制方式类似，通过调节储能设备的流入量和流出量，控制储能设备 的储能和放能功率。
所述步骤8、仿真算例验证。结合前面所述，通过建立多能系统电、气、热网络模型，构建多能源系统中压缩机设备模型、热电联产系统模型、可再生能源发电系统模型， 计及可再生能源和负荷的随机特性，构建多能系统的Markov模型，结合储能设备进一 步提出基于Markov模型的多能协调控制方法，实现多能系统的源、荷、储协调控制， 保障系统安全稳定运行，为多能系统研究供理论依据。
其中，本发明的测试算例包含多能系统的电、气、热网络模型，以及分布式可再生能源风光发电系统模型，电、热等多元负荷，热电联供系统装机容量为30MW，风、光 发电系统容量为6MW，热、电等负荷在20MW到10MW氛围内波动，通过聚类分析， 构建可再生能源，负荷的Markov链模型，并计算得出每个Markov状态所对应的典型 聚类中心点，针对每个聚类中心点计算得出净用能情况，根据各个Markov状态的净用 能情况，对储能设备的充能和放能状况进行有效控制，实现多能系统的源、荷、储协调 控制，保障系统安全稳定运行，控制框图如图1所示。
最后通过搭建仿真模型，综合可再生能源和负荷的随机特性，分别验证所提控制策 略的有效性，结果如图6所示，图6为本发明仿真控制结果图，显示本发明所提方案的 有效性。
通过分析结果可以得出，采用本发明所提的基于Markov模型的多能系统协调控制方法能够有效保持多能系统负荷、可再生能源随机波动情况下的安全稳定运行，通过仿 真算理验证了所提方法的有效性。
Claims (10)
1.一种基于Markov模型的多能系统协调控制方法，其特征是：包括如下步骤：
步骤1、多能系统的电、气、热网络建模；
步骤2、建立压缩机设备模型；
步骤3、建立热电联产系统模型；
步骤4、建立可再生能源发电系统模型；
步骤5、建立多能源负荷模型；
步骤6、建立多能系统的Markov模型；
步骤7、基于Markov模型的多能协调控制方法；
步骤8、仿真算例验证。
2.根据权利要求1所述的一种基于Markov模型的多能系统协调控制方法，其特征是：所述步骤1、多能系统电、气、热网络建模中，典型的交流电力网络模型如下：
其中，ΔPi表示节点i的有功平衡情况，ΔQi表示节点i的无功平衡情况，表示在节点i的有功发电量，表示节点i负荷消耗的有功电量；表示在节点i的无功发电量，表示在节点i的无功损耗，Pij表示节点i与节点j的有功传递，Qij表示节点i与节点j的无功传递，Nnode表示总的节点数；
Pij和Qij如下式所示：
其中，Vi和Vj分别表示节点i和j的电压值，θi和θj分别表示节点i和j的相角值，Gij和Bij分别表示节点导纳矩阵的第i行和第j列的实部和虚部；
同时电力系统中满足电源出力、无功出力、电压幅值、电压相角等上下限的不等式约束条件如下所示：
其中，表示节点i的有功出力值，和分别表示节点i的有功出力上下限，表示节点i的无功出力值，和分别表示节点i的无功出力上下限，Vi表示节点i的电压幅值，Vi_up和Vi_down分别表示节点i的电压幅值上下限，θij表示节点i与节点j的相角差值，θij_up和θij_down分别表示节点i与节点j的相角差的上下限，Pij表示线路ij的有功潮流值，Pij_up和Pij_down分别表示线路ij的有功潮流上下限，Qij表示线路ij的无功潮流值，Qij_up和Qij_down分别表示线路ij的无功潮流上下限；
热力网络模型由水利模型和热力模型组成，如下所示：
其中，水利模型方程组中Ah表示节点之路关联矩阵，m表示管道支路流量，mq表示注入节点的流量，Bh表示环路支路关联矩阵，hf表示管道压力损耗，K表示管道中包含的每天管道阻力系数矩阵；
其中，热力模型方程组中ψ表示负荷节点热功率，Cp表示工质比热容，Ts表示供热温度，T0表示输出温度，Tstart和Tend分别表示管道起始端和末端的温度，L表示管道长度，min和mout分别表示节点的流入和流出水温，Ta表示环境温度，Tin和Tout分别为流出和注入节点的热水温度；
天然气网络的模型如下所示：
其中，Tc表示标准温度，P0表示标准气压，D表示管道直径，G表示天然气比重，Ln,m表示节点n和节点m之间的管道长度，Pn和Pm分别表示节点n和节点m的压强，Tn,m表示节点n和节点m之间的平均气体温度，Zn,m表示节点n和节点m之间的平均气体压缩系数，Fn,m表示管道的摩擦系数，Sn,m表示节点n和节点m之间的管道内部的天然气流向，具体表示如下：
3.根据权利要求1所述的一种基于Markov模型的多能系统协调控制方法，其特征是：所述步骤2、建立压缩机设备模型中，压缩机安装在管道中用于提供传输过程中需要的压力，其消耗能量的数学模型如下所示：
其中，Hn,m表示管道从节点n传输到节点m压缩机需要消耗的能量大小，Bn,m表示压缩机的特性参数，fn,m表示通过管道传输的天然气流量，Pn和Pm分别表示节点n和节点m的压强，Zc表示固定参数值。
4.根据权利要求1所述的一种基于Markov模型的多能系统协调控制方法，其特征是：所述步骤3、建立热电联产系统模型中，包括以下三种典型类型：
(a)燃气轮机和废热锅炉构成的热电联供系统，其数学模型如下所示：
其中，Pgt表示燃气轮机发电量，Qgt表示燃气轮机废气可利用的热功率，Mgt表示燃气轮机消耗的燃料量，T表示温度，Tc表示参考温度，agt，bgt，pgt，qgt，cgt表示燃气轮机的系数常数；表示参考条件下的最大发电功率；
(b)内燃机与废热锅炉构成的热电联供系统，其数学模型如下所示：
其中，Pge表示内燃机的发电量，Qgas表示内燃机的废气可利用的热功率，Qwater表示获得的气缸内水能流，Mfuel表示内燃机消耗的燃料量，age，bge，cge，kge，pge，qge表示内燃机的系数常数；
(c)微型燃气轮机与溴冷机组构成的热电联供系统，其数学模型如下所示：
其中，Hf表示微型燃气轮机余热，pchp表示单台微型燃气轮机发电功率，ηe表示微型燃气轮机的发电效率，ηloss表示微型燃气轮机的热损失系数，Hchp表示微型燃气轮机的余热量，ηr表示废热的热能回收效率，δb表示溴冷机组的加热系数。
5.根据权利要求1所述的一种基于Markov模型的多能系统协调控制方法，其特征是：所述步骤4、建立可再生能源发电系统模型中，风轮机的功率模型如下：
Pw＝0.5πρf2V3Cp
上式中，ρ表示空气的密度，f表示风轮的半径大小，V表示风速的大小，Cp表示风能的利用率，ωt表示风轮机的角速度，Cp直接决定了系统的效率，表达式如下所示：
上式中，λi表示中间变量，β表示风叶的仰角，λ表示叶尖速比；
光伏发电依靠光伏电池光转化电的原理进行发电，光伏阵列发电模型如下：
上式中，Vpv分别表示光伏单元的输出电压，Ipv表示光照电流，I0表示通过漏的电流，e表示自然常数，α表示二极管理想因数，I表示光伏板输出电流，q是库伦常数，T表示华氏温度，σ表示理想因子，d表示常数，Rs表示等效串联电阻，Rp表示等效并联电阻，Ns表示串联光伏电池个数。
6.根据权利要求1所述的一种基于Markov模型的多能系统协调控制方法，其特征是：所述步骤5、建立多能源负荷模型中，每个节点的负荷表示如下：
其中，Pload表示电负荷，Qload表示热负荷，电负荷共有n个节点，热负荷有m个节点，pn表示节点n的电负荷量，pn表示节点n的热负荷量。
7.根据权利要求1所述的一种基于Markov模型的多能系统协调控制方法，其特征是：所述步骤6、建立多能系统的Markov模型中，采用Markov模型刻画可再生能源发电与负荷的随机变化情况，通过分析负荷数据，采用聚类分析根据负荷量划分为S1个区间，同样采用聚类方法分析可再生能源出力，得到S2个区间，同时考虑负荷和可再生能源的随机特性，将出现S1×S2种情况；以此得出耦合Markov链S＝{1,2,K,s1×s2}，每种Markov模态对应一种负荷和可再生能源出力的情况，整个Markov链包含了所有负荷和可再生能源发电可能出现的工况；同时用Markov中的概率转移矩阵用来描述各个状态之间的跳变情况，其概率转移矩阵表达式如下：
pij(k-1)＝p{r(k)＝j|r(k-1)＝i},ij∈S
上式中，k表示当前时刻，和k-1表示上一时刻，i和j分别对应与Markov链中的两个状态，pij(k-1)表示从状态i到状态j的概率，S表示Markov链，r表示系统所对应的状态变量；
所有概率组成一个概率转移矩阵如下所示：
P(k-1)＝{pij(k-1)},ij∈S
上式中，S是Markov链，pij(k-1)表示从状态i到状态j的概率，P(k-1)表示转移概率矩阵。
8.根据权利要求1所述的一种基于Markov模型的多能系统协调控制方法，其特征是：所述步骤7、基于Markov模型的多能协调控制方法中，基于Markov模型的多能协调控制方法是通过安装储能系统实现源、荷、储之间的协调互动，储热设备能够实现电热解耦，储电设备能够平滑可再生能源出力波动，根据每种Markov状态下的负荷和可再生能源发电情况，控制储能设备的充放电过程，实现源、荷储的协调控制；针对各个Markov状态，获取各个节点的近功率情况，如下所示：
其中，和分别表示在节点i处电能和热能的净功率大小，和分别表示在节点i处产生的电能和热能的功率大小，和分别表示在节点i处产生的电负荷和热负荷的消耗量；
多余或缺少的电能和热能通过储能设备吸收或者释放来调整，储能设备的充放电控制以及充放电的功率大小依赖于电力电子设备，典型的是双向直-直变换电路，储能设备工作在充电模式时，其数学表达式如下：
其中，C1表示双向直-直变换电路中的电容，L1表示电感，R表示等效电阻，d(t)1表示开关S1的占空比，表示流过电感的电流大小，Vbat表示储能设备的电压大小，Vdc直流母线电压；
当储能设备工作在放电模式时，其数学表达式如下：
其中，C1表示双向直-直变换电路中的电容，L1表示电感，R表示等效电阻，d(t)2表示开关S2的占空比，表示流过电感的电流大小，Vbat表示储能设备的电压大小，Vdc直流母线电压；
对储热设备的控制方式类似，通过调节储能设备的流入量和流出量，控制储能设备的储能和放能功率。
9.根据权利要求1所述的一种基于Markov模型的多能系统协调控制方法，其特征是：所述步骤8、仿真算例验证，是通过建立多能系统电、气、热网络模型，构建多能源系统中压缩机设备模型、热电联产系统模型、可再生能源发电系统模型，计及可再生能源和负荷的随机特性，构建多能系统的Markov模型，结合储能设备进一步提出基于Markov模型的多能协调控制方法，实现多能系统的源、荷、储协调控制。
10.根据权利要求1所述的一种基于Markov模型的多能系统协调控制方法，其特征是：所述步骤8、仿真算例验证包含多能系统的电、气、热网络模型，以及分布式可再生能源风光发电系统模型，电、热等多元负荷，热电联供系统装机容量为30MW，风、光发电系统容量为6MW，热、电等负荷在20MW到10MW氛围内波动，通过聚类分析，构建可再生能源，负荷的Markov链模型，并计算得出每个Markov状态所对应的典型聚类中心点，针对每个聚类中心点计算得出净用能情况，根据各个Markov状态的净用能情况，对储能设备的充能和放能状况进行有效控制，实现多能系统的源、荷、储协调控制；最后通过搭建仿真模型，综合可再生能源和负荷的随机特性，分别验证所提控制策略的有效性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910317819.3A CN110365062B (zh) | 2019-04-19 | 2019-04-19 | 一种基于Markov模型的多能系统协调控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910317819.3A CN110365062B (zh) | 2019-04-19 | 2019-04-19 | 一种基于Markov模型的多能系统协调控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110365062A true CN110365062A (zh) | 2019-10-22 |
| CN110365062B CN110365062B (zh) | 2023-02-21 |
Family
ID=68215185
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910317819.3A Active CN110365062B (zh) | 2019-04-19 | 2019-04-19 | 一种基于Markov模型的多能系统协调控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110365062B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111144728A (zh) * | 2019-12-18 | 2020-05-12 | 东南大学 | 基于深度强化学习的热电联产系统经济调度方法 |
| CN111555356A (zh) * | 2020-06-01 | 2020-08-18 | 江苏方天电力技术有限公司 | 基于耦合Markov模型的区域综合能源系统随机变量分析方法 |
| CN112583034A (zh) * | 2020-12-16 | 2021-03-30 | 江苏方天电力技术有限公司 | 一种计及多种随机变量的储能设备配置优化方法 |
| CN113155888A (zh) * | 2021-04-25 | 2021-07-23 | 山东大学 | 热电联供系统动态等效电路及其工作方法 |
| CN113516279A (zh) * | 2021-04-27 | 2021-10-19 | 贵州电网有限责任公司 | 一种基于能源用量状态转移的综合能源负荷预测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106026190A (zh) * | 2016-05-10 | 2016-10-12 | 山东大学 | 基于风电纵向时刻概率模型的日前调度计划风险分析方法 |
| WO2018171210A1 (zh) * | 2017-03-21 | 2018-09-27 | 国网天津市电力公司 | 一种基于Rollout算法的多能互补微网实时调度方法 |
| CN109523076A (zh) * | 2018-11-15 | 2019-03-26 | 河海大学 | 一种储能参与下的综合能源系统日前稳态优化分析方法 |
-
2019
- 2019-04-19 CN CN201910317819.3A patent/CN110365062B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106026190A (zh) * | 2016-05-10 | 2016-10-12 | 山东大学 | 基于风电纵向时刻概率模型的日前调度计划风险分析方法 |
| WO2018171210A1 (zh) * | 2017-03-21 | 2018-09-27 | 国网天津市电力公司 | 一种基于Rollout算法的多能互补微网实时调度方法 |
| CN109523076A (zh) * | 2018-11-15 | 2019-03-26 | 河海大学 | 一种储能参与下的综合能源系统日前稳态优化分析方法 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111144728A (zh) * | 2019-12-18 | 2020-05-12 | 东南大学 | 基于深度强化学习的热电联产系统经济调度方法 |
| CN111144728B (zh) * | 2019-12-18 | 2023-08-04 | 东南大学 | 基于深度强化学习的热电联产系统经济调度方法 |
| CN111555356A (zh) * | 2020-06-01 | 2020-08-18 | 江苏方天电力技术有限公司 | 基于耦合Markov模型的区域综合能源系统随机变量分析方法 |
| CN111555356B (zh) * | 2020-06-01 | 2021-12-07 | 江苏方天电力技术有限公司 | 基于耦合Markov模型的区域综合能源系统随机变量分析方法 |
| CN112583034A (zh) * | 2020-12-16 | 2021-03-30 | 江苏方天电力技术有限公司 | 一种计及多种随机变量的储能设备配置优化方法 |
| CN113155888A (zh) * | 2021-04-25 | 2021-07-23 | 山东大学 | 热电联供系统动态等效电路及其工作方法 |
| CN113516279A (zh) * | 2021-04-27 | 2021-10-19 | 贵州电网有限责任公司 | 一种基于能源用量状态转移的综合能源负荷预测方法 |
| CN113516279B (zh) * | 2021-04-27 | 2022-08-30 | 贵州电网有限责任公司 | 一种基于能源用量状态转移的综合能源负荷预测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110365062B (zh) | 2023-02-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110365062A (zh) | 一种基于Markov模型的多能系统协调控制方法 | |
| CN106444562B (zh) | 基于风光-电热气转换模块的多储能装置协调系统及方法 | |
| CN107808216B (zh) | 电-气-热互联系统弃风弃光和电气热负荷削减综合最小优化模型构建方法 | |
| CN104716644B (zh) | 一种可再生能源冷热电微网系统及控制方法 | |
| CN108960503B (zh) | 基于内点法的综合能源系统多场景优化分析方法 | |
| CN111969603B (zh) | 一种微能源网系统及其协同优化运行控制方法 | |
| WO2019205561A1 (zh) | 一种含压缩空气储能的cchp微网结构及其运行方法 | |
| CN110932317B (zh) | 一种本质可再生能源互补的分布式能源系统的设计方法 | |
| CN111324849B (zh) | 一种考虑热网特性的电热联合系统优化调度方法 | |
| CN109347107A (zh) | 一种并网运行电热互联综合能源系统潮流计算方法 | |
| CN109993345B (zh) | 一种面向园区的孤岛运行多能互补系统动态经济调度方法 | |
| CN109523076A (zh) | 一种储能参与下的综合能源系统日前稳态优化分析方法 | |
| CN110163415A (zh) | 一种变工况特性下的多能流系统多目标模糊协同优化方法 | |
| Li et al. | Dynamic modelling and simulation of a combined-cycle power plant integration with thermal energy storage | |
| CN115330021A (zh) | 一种考虑沼气电热利用比的综合能源运行优化系统及方法 | |
| CN204407890U (zh) | 一种可再生能源冷热电微网系统 | |
| CN114386256A (zh) | 一种考虑电热设备灵活性约束及热网特性的区域电热系统优化调度方法 | |
| CN113822598A (zh) | 一种考虑能量流动环节的综合能源系统能效分析方法与系统 | |
| Chen | Integration and optimisation of bio-fuel micro-tri-generation with energy storage | |
| Chen et al. | A multi-energy microgrid modelling and optimization method based on exergy theory | |
| Xie et al. | Tie-line Power Smoothing Strategy of Integrated Energy System Using Separate Storage of Heat and Electricity | |
| CN111854185A (zh) | 一种基于神经网络控制的太阳能智能储热系统及控制方法 | |
| Hao et al. | A Multi-Objective Optimization Planning of Park-level Integrated Energy System Based on Two-tier Planning Model | |
| Zhang et al. | Optimal Dispatch Strategy for Advanced Adiabatic Compressed Air Energy Storage System Coupled with Concentrated Solar Power Station | |
| Shi et al. | Research of hybrid integrated energy station based on gas turbine |
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 |