CN110472364A - 一种考虑可再生能源的离网式热电气联产系统的优化方法 - Google Patents
一种考虑可再生能源的离网式热电气联产系统的优化方法 Download PDFInfo
- Publication number
- CN110472364A CN110472364A CN201910778389.5A CN201910778389A CN110472364A CN 110472364 A CN110472364 A CN 110472364A CN 201910778389 A CN201910778389 A CN 201910778389A CN 110472364 A CN110472364 A CN 110472364A
- Authority
- CN
- China
- Prior art keywords
- grid type
- gas
- power
- generation system
- type thermoelectricity
- 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
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种考虑可再生能源的离网式热电气联产系统的优化方法,基于离网式热电气联产系统的出力模型和约束条件,采用二次序列规划算法和遗传算法建立双层规划,分别在内外层对离网式混合能源系统的运行优化目标函数和容量优化目标函数进行优化,得到离网式热电气联产系统中各装置的最佳投资容量及系统的最优运行方式;这样既满足了用户对于热、电、气三种负荷的需求,又合理对离网式热电气联产系统的运行及容量进行优化,减少成本,提高系统效率,具有较高经济性和实用性。
Description
技术领域
本发明属于新能源技术领域,更为具体地讲,涉及一种考虑可再生能源的 离网式热电气联产系统的优化方法。
背景技术
当今社会,环境问题日益严峻,人类对高品质能源的需求日益增长,减少 化石能源的使用、提高能源利用率已经迫在眉睫。同时,独立的能源系统无法 有效的协调,难以满足能源需求的多元化,综合能源系统应用而生。热电联产 系统作为一种综合系统,具有高效、低污染的特点,还能同时满足电热需求, 已经在微网中广泛运用。然而热电联产系统通常采用“以热定电”模式,对于 热电负荷的变化缺少适应性和灵活性。因此,可再生能源,如风能和光能,也 被加入能源综合系统去克服现有热电联产系统的不足。2020年,热电冷多联供 系统新增投产容量要达到1500万千瓦;风电装机达到2.1亿千瓦以上;太阳能 发电装机达到1.1亿千瓦以上。此外,电转气作为近年来快速发展的新兴技术, 不仅满足了用户对于气的需求,还可以消纳新能源,减少弃风、弃光等现象。 对考虑可再生能源的热电气联产综合系统的优化运行,可以高效合理的消耗能 源,在满足用户的各项需求的同时达到能源的充分利用,减少环境问题。
近年来,国内外进行了能源综合系统的许多研究,提出了多种分配和优化 方法。例如,文献“Jinghua Li,Jiakun Fang,Qing Zeng,Zhe Chen,Optimal operation of theintegrated electrical and heating systems to accommodate the intermittentrenewable sources,Applied Energy,vol.167,pp.244-254,2016”考虑了系统的网络 结构,采用分解协调算法对考虑消纳风能的热电综合系统进行了运行优化;文 献“Levihn,Fabian,CHP and heat pumps to balance renewable power production: Lessons fromthe district heating network in Stockholm,Energy,vol.137,pp. 670-678,2017”根据瑞典斯德哥尔摩的区域热网,提出采用热电联产系统及大型 热泵去平衡可再生能源的模型,对未来相似模型的建立提供了实际参考。热电 气联产系统同时满足热、电、气三种负荷,各种能源的转化应用及整体系统的 建设需要合理的优化,才能充分发挥系统特性,最大化的合理利用可再生能源, 减少能源浪费及环境污染。因此,需要一种考虑可再生能源的热电气联产综合 系统的优化方法,综合考虑各种负荷特性,得到系统的最佳投资及运行优化方 案。
发明内容
本发明的目的在于克服现有技术的不足,提供一种考虑可再生能源的离网 式热电气联产系统的优化方法,通过双层优化方式优化离网式热电气联产系统, 从而得到最佳优化策略。
为实现上述发明目的,本发明一种考虑可再生能源的离网式热电气联产系 统的优化方法,其特征在于,包括以下步骤:
(1)、构建离网式热电气联产系统的出力模型;
(1.1)、构建光伏模块的出力模型;
其中,PPV为光伏模块的输出功率,Pn为光伏模块的额定功率,G为光伏面 板接收到的总的太阳辐射值,Gref为参考太阳辐射值,KT为最大功率条件下的温 度系数,Tc为光伏面板的实时温度,Tref为参考温度,Tamb为环境温度,k为常数;
(1.2)、构建风力出力模型;
其中,PWT为风机的输出功率,V为在风机安装高度处的实际风速,aw为偏 移值,bw为梯度值,Pr为风机的额定功率,Vr为额定风速,Vci为风机的切入风速, Vco为风机的切出风速;
(1.3)、构建太阳能加热模块的供热模型;:
其中,ηc为太阳能热收集器的效率,η0为热收集器的最大效率,a1、a2为热 收集器的热损耗系数,Tm为热收集器的中间温度,Tout为热收集器的出口温度,Tin为热收集器的出口温度,QSC为太阳能集热器获得的热能;
(1.4)、构建热电联产装置和热泵的出力模型;
其中,α为热电联产装置热电输出比,QCHP为热电联产装置的热功率,PCHP为 热电联产装置的功率,PHP为热泵的功率,QHP为热泵产生的热量,COP为制热能 效比;
(1.5)、构建电转气装置的出力模型;
式中,Gs,P2G表示电转气装置的产气速率,ηP2G表示电转气装置的能量转换 效率,λ为常数,Ps,P2G表示电转气装置的功率,LHV表示天然气的热值。
(2)、构建离网式热电气联产系统的能量平衡方程;
其中,Pdemand是用户所需电功率,PCHP、PPV、PW分别是热电联产装置、光伏 模块、风机的电功率,Ploss是电网中的电损耗,Qdemand是用户所需热量,QCHP、QSC、 QHP分别是热电联产装置、太阳能集热系统、热泵产生的热量,Qloss是热网中的 热损耗,Gdemand是用户所需气的量,GP2G是电转气装置产生的气,Gloss是气网中 的损耗;
(3)、构建离网式热电气联产系统的约束条件;
其中,为离网式热电气联产系统中风电机组的最大额定功率,为离 网式热电气联产系统中热泵的最大额定功率,为离网式热电气联产系统中 电转气装置的最大额定功率,为离网式热电气联产系统中热电联产装置的最 大额定功率,APV为离网式热电气联产系统中光伏面板的面积,ASC为离网式热 电气联产系统中太阳能热收集器的面积,Asolar为离网式热电气联产系统中太阳能 利用面积;
(4)、构建离网式热电气联产系统的目标函数;
(4.1)、构建离网式热电气联产系统的运行优化目标函数;
其中,Finner是系统的运行成本,T1为优化的总时刻数,CCHP,t是热电联产装置 在t时刻的运行成本,CHP,t是t时刻热泵的运行成本,CCHP,t是t时刻热电联产装置 的运行成本,CP2G,t是t时刻电转气装置的运行成本,CWT,t是t时刻风机的运行成 本,CPV,t是t时刻光伏模块的运行成本,CSC,t是t时刻太阳能集热系统的运行成本, CCO2是系统产生CO2的排放费用,a、b、c、d、e、f是热电联产系统成本计 算的系数,PCHP,t是t时刻热电联产装置的电功率,QCHP,t是t时刻热电联产装置的 热功率,ζ是热电联产装置产生每兆焦热对应的CO2的排放费用;
(4.2)、定构建离网式热电气联产系统的容量优化目标函数;
Foutter是系统的总投资成本,CiCHP、CiHP、CiP2G、CiWT分别是热电联产装置、 热泵、电转气装置、风机的投资成本;CiPV、CiSC是光伏模块及太阳能集热器的 投资成本;Crp是系统的替换成本,COM是系统的运行及维护成本,r是年利率, T2为系统的规划周期;
(5)、基于离网式热电气联产系统的出力模型和约束条件,采用二次序列 规划算法和遗传算法建立双层规划,分别在内外层对离网式热电气联产系统的 运行优化目标函数和容量优化目标函数进行优化,得到离网式热电气联产系统 中各装置的最佳投资容量及系统的最优运行方式。
本发明的发明目的是这样实现的:
本发明一种考虑可再生能源的离网式热电气联产系统的优化方法,基于离 网式热电气联产系统的出力模型和约束条件,采用二次序列规划算法和遗传算 法建立双层规划,分别在内外层对离网式混合能源系统的运行优化目标函数和 容量优化目标函数进行优化,得到离网式热电气联产系统中各装置的最佳投资 容量及系统的最优运行方式;这样既满足了用户对于热、电、气三种负荷的需 求,又合理对离网式热电气联产系统的运行及容量进行优化,减少成本,提高 系统效率,具有较高经济性和实用性。
附图说明
图1是本发明一种考虑可再生能源的离网式热电气联产系统的优化方法流 程图;
图2是离网式热电气联产系统中各单元出力模型的结构示意图;
图3是双层规划流程图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更 好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设 计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
实施例
图1是本发明一种考虑可再生能源的离网式热电气联产系统的优化方法流 程图。
在本实施例中,如图1所示,本发明一种考虑可再生能源的离网式热电气 联产系统的优化方法,包括以下步骤:
S1、构建离网式热电气联产系统的出力模型;
在本实施例中,如图2所示,离网式热电气联产系统包括:利用太阳能的 光伏模块、太阳能集热模块;风力发电厂,电转气装置,热泵,热电联产装置。 多种系统的综合运行,可以高效运行,共同满足用户的各项负荷要求。
离网式热电气联产系统的电负荷,由风电厂、光伏模块、热电联产装置提 供并和它们相连。风光作为可再生能源,应充分用于发电,减少弃风、弃光
离网式热电气联产系统的热负荷由太阳能集热模块、热泵和热电联产装置 提供。太阳能集热模块、热电联产装置产生的热能无法满足用户时,热泵会将 电能转化为热能。
离网式热电气联产系统的气负荷由电转气装置提供并与之相连。
电转气装置和热泵完成转换的电能来自光伏模块、风电厂和热电联产装置。
下面我们对离网式热电气联产系统中各个模块的出力模型的构建过程进行 详细说明:
S1.1、构建光伏模块的出力模型;
其中,PPV为光伏模块的输出功率,Pn为光伏模块的额定功率,G为光伏面 板接收到的总的太阳辐射值,Gref为参考太阳辐射值,KT为最大功率条件下的温 度系数,Tc为光伏面板的实时温度,Tref为参考温度,Tamb为环境温度,k为常数 取经验值为0.0256;
光伏模块的输出与当地温度、太阳辐射强度息息相关,受地理位置影响较 大,需要当地全年有较多时间光照充足。
S1.2、构建风力出力模型;
其中,PWT为风机的输出功率,V为在风机安装高度处的实际风速,aw为偏 移值,bw为梯度值,Pr为风机的额定功率,Vr为额定风速,Vci为风机的切入风速, Vco为风机的切出风速;
风电厂的输出功率绝大程度受风速影响,风电厂的选址建立应对当地的风 速进行较长时间的统计研究,确保风电供应的经济性和可行性。
S1.3、构建太阳能加热模块的供热模型;:
其中,ηc为太阳能热收集器的效率,η0为热收集器的最大效率,a1,a2为 热收集器的热损耗系数,Tm为热收集器的中间温度,Tout为热收集器的出口温度, Tin为热收集器的出口温度,QSC为太阳能集热器获得的热能;
太阳能供热进入区域热网,应充分考虑热网拓扑结构对于热量的损耗及用 户对于热水的温度要求。
S1.4、构建离网式热电气联产系统中热电的纽带——热电联产装置和热泵的 出力模型;
其中,α为热电联产装置热电输出比,QCHP为热电联产装置的热功率,PCHP为 热电联产装置的功率,PHP为热泵的功率,QHP为热泵产生的热量,COP为制热能 效比;
热电联产装置和热泵的合理运行,可有效解决用户的电、热需求的不平衡, 达到充分利用能源的目的。
S1.5、构建离网式热电气联产系统中电气的纽带——电转气装置模型;
式中,Gs,P2G表示电转气装置的产气速率,ηP2G表示电转气装置的能量转换 效率,λ为常数,Ps,P2G表示电转气装置的功率,LHV表示天然气的热值。
电转气装置可消纳新能源,满足气负荷需求,减少弃风、弃光等现象。
S2、构建离网式热电气联产系统的能量平衡方程;
其中,Pdemand是用户所需电功率,PCHP、PPV、PW分别是热电联产装置、光伏 模块、风机的电功率,Ploss是电网中的电损耗,Qdemand是用户所需热量,QCHP、QSC、 QHP分别是热电联产装置、太阳能集热系统、热泵产生的热量,Qloss是热网中的 热损耗,Gdemand是用户所需气的量,GP2G是电转气装置产生的气,Gloss是气网中 的损耗;
当风光的功率过大时,系统仍可能存在弃风、弃光现象。
S3、构建离网式热电气联产系统的约束条件;
其中,为离网式热电气联产系统中风电机组的最大额定功率,为离 网式热电气联产系统中热泵的最大额定功率,为离网式热电气联产系统中 电转气装置的最大额定功率,为离网式热电气联产系统中热电联产装置的最 大额定功率,APV为离网式热电气联产系统中光伏面板的面积,ASC为离网式热 电气联产系统中太阳能热收集器的面积,Asolar为离网式热电气联产系统中太阳能 利用面积;
S4、构建离网式热电气联产系统的目标函数;
S4.1、构建离网式热电气联产系统的运行优化目标函数;
其中,Finner是系统的运行成本,T1为优化的总时刻数,CCHP,t是热电联产装 置在t时刻的运行成本,CHP,t是t时刻热泵的运行成本,CCHP,t是t时刻热电联产装 置的运行成本,CP2G,t是t时刻电转气装置的运行成本,CWT,t是t时刻风机的运行 成本,CPV,t是t时刻光伏模块的运行成本,CSC,t是t时刻太阳能集热系统的运行成 本,CCO2是系统产生CO2的排放费用,a、b、c、d、e、f是热电联产系统 成本计算的系数,PCHP,t是t时刻热电联产装置的电功率,QCHP,t是t时刻热电联产 装置的热功率,ζ是热电联产装置产生每兆焦热对应的CO2的排放费用;
当今世界温室效应加剧,建立能源综合系统应尽量减少碳排放,提高风、 光等可再生清洁能源的利用。
S4.2、定构建离网式热电气联产系统的容量优化目标函数;
Foutter是系统的总投资成本,CiCHP、CiHP、CiP2G、CiWT分别是热电联产装置、 热泵、电转气装置、风机的投资成本;CiPV、CiSC是光伏模块及太阳能集热器的 投资成本;Crp是系统的替换成本,COM是系统的运行及维护成本,r是年利率, T2为系统的规划周期;
S5、离网式热电气联产系统的出力模型和约束条件,采用二次序列规划算 法和遗传算法建立双层规划,分别在内外层对离网式混合能源系统的运行优化 目标函数和容量优化目标函数进行优化,得到离网式热电气联产系统中各装置 的最佳投资容量及系统的最优运行方式。该优化方式考虑了运行和规划,虽增 加了优化的步骤,但得出的结果更加全面、合理,具有更高的实用性和可行性。
在本实施例中,内层为离网式综合能源系统的运行优化,采用二次序列规 划算法,其优化变量包括:热泵的运行功率PHP,热电联产装置的电功率PCHP;
外层为离网式综合能源系统的容量优化,采用遗传算法,其优化变量包括: 风电厂的最大额定功率光照面积分配,包括光伏模块的占地面积APV,太 阳能集热器的面积ASC;热泵的最大功率热电联产装置的最大额定功率电转气装置的最大额定功率
下面我们通过双层规划对离网式热电气联产系统的运行优化目标函数和容 量优化目标函数进行优化,如图3所示,具体过程为:
S5.1、设置遗传算法的最大迭代次数λ;外层采用遗传算法对容量优化目标 函数进行迭代优化,在解空间范围内,随机产生初始种群,个体数目确定,每 个个体表示染色体的遗传编码;
S5.2、将风电机组的最大额定功率热电联产装置的最大额定电功率电转气装置的最大额定功率热泵的最大额定功率及光伏面 板的面积APV组成数组每一轮迭代时,每个个体的遗 传编码均存放该数组,初次迭代时,每个个体的遗传编码初值为
S5.3、内层采用二次序列规划算法对运行优化目标函数进行优化,将每个个 体的遗传编码带入内层,通过一维搜索目标函数,计算出年最小运行成本,以 及对应热泵的功率PHP和热电联产装置的功率PCHP;
S5.4、跳转进入外层,根据年最小运行成本,计算出每个个体的最小投资成 本,并作为该个体的适应度,然后记录下该种群中的最优个体及其对应的适应 度;
S5.5、判断当前迭代次数是否达到遗传算法的最大迭代次数,如果未达到, 则进入步骤S5.6;否则,跳转至步骤S5.9;
S5.6、根据每个个体的适应度,利用轮盘赌策略选择再生个体;
S5.6.1、设种群的个体数为NP,轮转次数为NP,每次轮转时,随机产生0 到1之间的随机数r;
S5.6.2、计算每个个体被选中的累计概率PPi;
其中,Pi为个体i的选中概率,fitness(xi)为个体i的适应度;
S5.6.3、当随机数r满足PPi-1≤r<PPi时,PP0=0,则选择个体i;
S5.7、对选中的个体进行交叉变异,生成新的个体,从而产生新种群;
S5.8、将当前迭代次数自加1,并用产生新种群替代上一轮迭代时种群,然 后返回步骤S5.2;
S5.9、选出λ次迭代后的最优个体及其对应的适应度作为最终输出,然后输 出该最优个体及其对应的适应度,从而得到离网式热电气联产系统中各装置的 最佳投资容量及系统的最优运行方式。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域 的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对 本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定 的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发 明创造均在保护之列。
Claims (2)
1.一种考虑可再生能源的离网式热电气联产系统的优化方法,其特征在于,包括以下步骤:
(1)、构建离网式热电气联产系统的出力模型;
(1.1)、构建光伏模块的出力模型;
其中,PPV为光伏模块的输出功率,Pn为光伏模块的额定功率,G为光伏面板接收到的总的太阳辐射值,Gref为参考太阳辐射值,KT为最大功率条件下的温度系数,Tc为光伏面板的实时温度,Tref为参考温度,Tamb为环境温度,k为常数;
(1.2)、构建风力出力模型;
其中,PWT为风机的输出功率,V为在风机安装高度处的实际风速,aw为偏移值,bw为梯度值,Pr为风机的额定功率,Vr为额定风速,Vci为风机的切入风速,Vco为风机的切出风速;
(1.3)、构建太阳能加热模块的供热模型;:
其中,ηc为太阳能热收集器的效率,a1、a2为热收集器的热损耗系数,Tm为热收集器的中间温度,Tout为热收集器的出口温度,Tin为热收集器的出口温度,QSC为太阳能集热器获得的热能;
(1.4)、构建热电联产装置和热泵的出力模型;
其中,α为热电联产装置热电输出比,QCHP为热电联产装置的热功率,PCHP为热电联产装置的功率,PHP为热泵的功率,QHP为热泵产生的热量,COP为制热能效比;
(1.5)、构建电转气装置的出力模型;
式中,Gs,P2G表示电转气装置的产气速率,ηP2G表示电转气装置的能量转换效率,λ为常数,Ps,P2G表示电转气装置的功率,LHV表示天然气的热值。
(2)、构建离网式热电气联产系统的能量平衡方程;
其中,Pdemand是用户所需电功率,PCHP、PPV、PW分别是热电联产装置、光伏模块、风机的电功率,Ploss是电网中的电损耗,Qdemand是用户所需热量,QCHP、QSC、QHP分别是热电联产装置、太阳能集热系统、热泵产生的热量,Qloss是热网中的热损耗,Gdemand是用户所需气的量,GP2G是电转气装置产生的气,Gloss是气网中的损耗;
(3)、构建离网式热电气联产系统的约束条条件;
其中,为离网式热电气联产系统中风电机组的最大额定功率,为离网式热电气联产系统中热泵的最大额定功率,为离网式热电气联产系统中电转气装置的最大额定功率,为离网式热电气联产系统中热电联产装置的最大额定功率,APV为离网式热电气联产系统中光伏面板的面积,ASC为离网式热电气联产系统中太阳能热收集器的面积,Asolar为离网式热电气联产系统中太阳能利用面积;
(4)、构建离网式热电气联产系统的目标函数;
(4.1)、构建离网式热电气联产系统的运行优化目标函数;
其中,Finner是系统的运行成本,T1为优化的总时刻数,CCHP,t是热电联产装置在t时刻的运行成本,CHP,t是t时刻热泵的运行成本,CCHP,t是t时刻热电联产装置的运行成本,CP2G,t是t时刻电转气装置的运行成本,CWT,t是t时刻风机的运行成本,CPV,t是t时刻光伏模块的运行成本,CSC,t是t时刻太阳能集热系统的运行成本,CCO2是系统产生CO2的排放费用,a、b、c、d、e、f是热电联产系统成本计算的系数,PCHP,t是t时刻热电联产装置的电功率,QCHP,t是t时刻热电联产装置的热功率,ζ是热电联产装置产生每兆焦热对应的CO2的排放费用;
(4.2)、定构建离网式热电气联产系统的容量优化目标函数;
Foutter是系统的总投资成本,CiCHP、CiHP、CiP2G、CiWT分别是热电联产装置、热泵、电转气装置、风机的投资成本;CiPV、CiSC是光伏模块及太阳能集热器的投资成本;Crp是系统的替换成本,COM是系统的运行及维护成本,r是年利率,T2为系统的规划周期;
(5)、离网式热电气联产系统的出力模型和约束条件,采用二次序列规划算法和遗传算法建立双层规划,分别在内外层对离网式热电气联产系统的运行优化目标函数和容量优化目标函数进行优化,得到离网式热电气联产系统中各装置的最佳投资容量及系统的最优运行方式。
2.根据权利要求1所述的一种考虑可再生能源的离网式热电气联产系统的优化方法,其特征在于,所述步骤(5)中,通过双层规划对离网式热电气联产系统的运行优化目标函数和容量优化目标函数进行优化的过程为:
1)、设置遗传算法的最大迭代次数λ;外层采用遗传算法对容量优化目标函数进行迭代优化,在解空间范围内,随机产生初始种群,个体数目确定,每个个体表示染色体的遗传编码;
2)、将风电机组的最大额定功率热电联产装置的最大额定电功率电转气装置的最大额定功率热泵的最大额定功率及光伏面板的面积APV组成数组每一轮迭代时,每个个体的遗传编码均存放该数组,初次迭代时,每个个体的遗传编码初值为
3)、内层采用二次序列规划算法对运行优化目标函数进行优化,将每个个体的遗传编码带入内层,通过一维搜索目标函数,计算出年最小运行成本,以及对应热泵的功率PHP和热电联产装置的功率PCHP;
4)、跳转进入外层,根据年最小运行成本,计算出每个个体的最小投资成本,并作为该个体的适应度,然后记录下该种群中的最优个体及其对应的适应度;
5)、判断当前迭代次数是否达到遗传算法的最大迭代次数,如果未达到,则进入步骤6);否则,跳转至步骤9);
6)、根据每个个体的适应度,利用轮盘赌策略选择再生个体;
6.1)、设种群的个体数为NP,轮转次数为NP,每次轮转时,随机产生0到1之间的随机数r;
6.2)、计算每个个体被选中的累计概率PPi;
其中,Pi为个体i的选中概率,fitness(xi)为个体i的适应度;
6.3)、当随机数r满足PPi-1≤r<PPi时,PP0=0,则选择个体i;
7)、对选中的个体进行交叉变异,生成新的个体,从而产生新种群;
8)、将当前迭代次数自加1,并用产生新种群替代上一轮迭代时种群,然后返回步骤2);
9)、选出λ次迭代后的最优个体及其对应的适应度作为最终输出,然后输出该最优个体及其对应的适应度,从而得到离网式热电气联产系统中各装置的最佳投资容量及系统的最优运行方式。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910778389.5A CN110472364B (zh) | 2019-08-22 | 2019-08-22 | 一种考虑可再生能源的离网式热电气联产系统的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910778389.5A CN110472364B (zh) | 2019-08-22 | 2019-08-22 | 一种考虑可再生能源的离网式热电气联产系统的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110472364A true CN110472364A (zh) | 2019-11-19 |
CN110472364B CN110472364B (zh) | 2022-04-19 |
Family
ID=68512774
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910778389.5A Active CN110472364B (zh) | 2019-08-22 | 2019-08-22 | 一种考虑可再生能源的离网式热电气联产系统的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110472364B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242806A (zh) * | 2020-02-19 | 2020-06-05 | 武汉理工大学 | 一种考虑不确定性的电-热-氢多能量系统的规划方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455850A (zh) * | 2013-08-07 | 2013-12-18 | 东南大学 | 分布式冷热电联供系统并网运行在线优化方法 |
CN103593711A (zh) * | 2013-10-31 | 2014-02-19 | 浙江大学 | 一种分布式电源优化配置方法 |
US20150339672A1 (en) * | 2014-08-08 | 2015-11-26 | Brighterion, Inc. | Automation tool development method for building computer fraud management applications |
CN107611966A (zh) * | 2017-09-20 | 2018-01-19 | 天津大学 | 一种考虑差异可靠性的有源配电网供电能力评估方法 |
US20180046924A1 (en) * | 2015-08-31 | 2018-02-15 | Guangzhou Institute Of Energy Conversion, Chinese Academy Of Sciences | Whole-life-cycle power output classification prediction system for photovoltaic systems |
-
2019
- 2019-08-22 CN CN201910778389.5A patent/CN110472364B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103455850A (zh) * | 2013-08-07 | 2013-12-18 | 东南大学 | 分布式冷热电联供系统并网运行在线优化方法 |
CN103593711A (zh) * | 2013-10-31 | 2014-02-19 | 浙江大学 | 一种分布式电源优化配置方法 |
US20150339672A1 (en) * | 2014-08-08 | 2015-11-26 | Brighterion, Inc. | Automation tool development method for building computer fraud management applications |
US20180046924A1 (en) * | 2015-08-31 | 2018-02-15 | Guangzhou Institute Of Energy Conversion, Chinese Academy Of Sciences | Whole-life-cycle power output classification prediction system for photovoltaic systems |
CN107611966A (zh) * | 2017-09-20 | 2018-01-19 | 天津大学 | 一种考虑差异可靠性的有源配电网供电能力评估方法 |
Non-Patent Citations (5)
Title |
---|
GIL E 等: "Short-term hydrothermal generation scheduling model using a genetic algorithm", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 * |
刘丽丽 等: "利用循环流化床锅炉实现热电气三联产的工艺研究", 《赤峰学院学报(自然科学版)》 * |
李澍 等: "基于复合控制的风光储系统配置状态研究", 《水电能源科学》 * |
李胜忠 等: "基于SBD技术的船舶水动力构型优化设计研究", 《中国舰船研究院》 * |
段日新: "基于遗传算法的输电网络规划模型", 《西北电力技术》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111242806A (zh) * | 2020-02-19 | 2020-06-05 | 武汉理工大学 | 一种考虑不确定性的电-热-氢多能量系统的规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110472364B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Multi-criteria assessment and optimization study on 5 kW PEMFC based residential CCHP system | |
Soheyli et al. | Modeling a novel CCHP system including solar and wind renewable energy resources and sizing by a CC-MOPSO algorithm | |
CN111144668B (zh) | 考虑场景模拟的综合能源系统随机优化模型的建立方法 | |
CN108173283B (zh) | 一种含风光可再生能源的热电联供系统运行方法 | |
Zhang et al. | Optimization analysis of a novel combined heating and power system based on biomass partial gasification and ground source heat pump | |
Ren et al. | A review on the integration and optimization of distributed energy systems | |
CN106786509B (zh) | 大规模风电并网下基于多场景模拟的热-电联合调度方法 | |
CN109523065A (zh) | 一种基于改进量子粒子群算法的微能源网优化调度方法 | |
CN113762708A (zh) | 一种考虑多目标协同的园区级综合能源系统规划方法 | |
Lu et al. | Energy quality management for building clusters and districts (BCDs) through multi-objective optimization | |
CN110084410A (zh) | 一种污水再利用型综合能源系统运行优化方法 | |
CN108736507A (zh) | 一种提升风电就地消纳的蓄热式电锅炉优化方法和装置 | |
CN111445107A (zh) | 冷热电联供型微电网多目标优化配置方法 | |
CN110391655A (zh) | 一种含多能源耦合的微能源网经济优化调度方法及装置 | |
CN113033900A (zh) | 一种园区级综合能源系统容量优化配置方法和系统 | |
CN112531687A (zh) | 含热电联合机组的综合能源系统周前机组组合优化方法 | |
Azar et al. | Energy hub: modeling and technology-a review | |
Yang et al. | Optimal scheduling of CCHP with distributed energy resources based on water cycle algorithm | |
CN110472364A (zh) | 一种考虑可再生能源的离网式热电气联产系统的优化方法 | |
CN113078684A (zh) | 一种基于双层优化的区域能源社区规划方法 | |
CN110852531A (zh) | 一种能源互联网多目标优化方法 | |
Su et al. | Optimal operation strategy of biomass and solar CCHP system | |
Wang et al. | Prime mover capacity optimization and thermodynamic performance analysis of internal combustion engine based CCHP system | |
Golshanfard et al. | Coordinated Operation and Planning of the Modern Heat and Electricity Incorporated Networks | |
CN114757469A (zh) | 考虑多能流设备的区域综合能源系统日前优化调度方法 |
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 |