CN110503241A - 冷-热-电综合能源系统的多目标优化方法 - Google Patents

冷-热-电综合能源系统的多目标优化方法 Download PDF

Info

Publication number
CN110503241A
CN110503241A CN201910671854.5A CN201910671854A CN110503241A CN 110503241 A CN110503241 A CN 110503241A CN 201910671854 A CN201910671854 A CN 201910671854A CN 110503241 A CN110503241 A CN 110503241A
Authority
CN
China
Prior art keywords
moment
power
run
heat
electric
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
CN201910671854.5A
Other languages
English (en)
Other versions
CN110503241B (zh
Inventor
欧阳斌
袁志昌
陆超
屈鲁
郭佩乾
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN201910671854.5A priority Critical patent/CN110503241B/zh
Publication of CN110503241A publication Critical patent/CN110503241A/zh
Application granted granted Critical
Publication of CN110503241B publication Critical patent/CN110503241B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • 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

Abstract

本发明属于综合能源系统技术领域，具体涉及冷‑热‑电综合能源系统的多目标优化方法，所述多目标优化方法包括以下步骤：S1.建立冷‑热‑电综合能源系统的模型；S2.建立多目标优化模型；S3.对多目标优化模型进行求解。在模型拓扑方面，本发明考虑了丰富的模型拓扑以及众多模型约束，能够实现多类异质能流的互相补充和协调互补；此外，本发明方法针对综合能源系统稳定性进行理论分析，综合能源系统有别于单独的各个能源生产系统的耦合关系及工作机理，使得系统稳定性更为难以协调，输入、输出关系较难匹配。通过对系统稳定性分析，将大大确定系统稳定域，能够实现对系统输出稳定控制。

Description

冷-热-电综合能源系统的多目标优化方法
技术领域
本本发明属于综合能源系统技术领域，具体涉及冷-热-电综合能源系统的多目标优化方法。
背景技术
综合能源系统耦合多类能源生产终端，能够实现多种能源互相协调和补充，但是多类异质能流的耦合同时带来多类能源输出的不确定性以及输入、输出的匹配性模糊的问题。特别是综合能源系统多类负荷相互独立且伴随随机性的情况下，虽然多种能源能够实现多能互补，但也使得系统输出更为难以协调。
发明内容
针对上述问题，本发明提供冷-热-电综合能源系统的多目标优化方法，所述多目标优化方法包括以下步骤：
S1.建立冷-热-电综合能源系统的模型；
S2.建立多目标优化模型；
S3.对多目标优化模型进行求解。
进一步地，所述多目标优化方法还包括计算系统稳定边界的步骤；
系统稳定边界的计算包括：计算各个解耦系统的冷能子系统、热能子系统、电力子系统的输出最低下限和输出最高上限；得到各个解耦子系统的功率稳定边界。
进一步地，所述电力子系统的可行负载率介于(aPi,aPj)之间；
在低负载特性情况下，所述热能子系统的负载率在(aHi,aHj)之间；在高负载特性情况下，所述热能子系统的负载率为(aHk,1)；
所述冷能子系统的负载率在(aCi,1)之间；
当系统运行时，为使系统稳定则系统负载率a应与各个解耦子系统负载率处于同一区间内，即：
进一步地，步骤S2中，建立多目标优化模型包括构建目标函数和系统的约束条件。
进一步地，所述构建目标函数具体包括：
以系统整体运行经济性最优和环境兼容性最佳为核心，考虑以运行总成本最小和污染气体排放量最低构建目标函数，如下：
式中，Frun为系统的运行费用；Fgrid(t)为运行t时刻时系统与电网的购电费用；Fgas(t)为运行t时刻时系统购买天然气费用；Fmain(t)为运行t时刻时系统设备维护费用；Fpoll(t)为污染气体排放量，具体表示综合能源系统为对CO2,SO2,NOx等污染气体的排放量；αsour为电网源侧污染气体排放系数；αtrans为电网线路输送的污染气体排放系数；Pgrid(t)为运行t时刻时电网功率；为燃气内燃机污染气体排放系数；PGE(t)为运行t时刻时燃气内燃机输出电功率；t表示一天运行的小时数。
进一步地，运行t时刻时系统与电网的购电费用具体表示如下：
Fgrid(t)＝Pgrid(t)·Δt·fgrid(t) (3)
式中，fgrid(t)为运行t时刻时电网的实时电价；Δt表示为运行的时间间隔，为1小时；
运行t时刻时系统购买天然气费用具体表示如下：
Fgas(t)＝Vgas(t)·Δt·fgas(t) (4)
式中，Vgas(t)为运行t时刻时系统消耗天然气体积；fgas(t)为运行t时刻时天然气价格；
运行t时刻时系统设备维护费用具体表示如下：
式中，kGE[PGE(t)]为运行t时刻时燃气内燃机在不同输出功率下的维护系数；PGE(t)为运行t时刻时燃气内燃机输出电功率；kAP.cool[QAP.cool(t)]为运行t时刻时烟气吸收热泵设备的冷功率维护系数；QAP.cool(t)为运行t时刻时烟气吸收热泵输出冷功率；kAP.heat[QAP.heat(t)]为运行t时刻时烟气吸收热泵设备的热功率维护系数；QAP.heat(t)为运行t时刻时烟气吸收热泵输出热功率；kAC.heat[QAC.heat(t)]为运行t时刻时吸收式制冷机的维护系数；QAC.heat(t)为运行t时刻时吸收式制冷机吸收的热功率；分别为运行t时刻时储电设备、储热设备维护系数；为运行t时刻时储电设备、储热设备的交互功率。
进一步地，所述系统的约束条件主要包括：设备模型约束和功率平衡约束；
其中，设备模型包括：燃气内燃机模型、烟气吸收热泵模型、吸收式制冷机模型、缸套水换热器模型、电锅炉模型、电制冷机模型、储热设备模型、储电设备模型、光伏发电机组模型；
其中，
(1)燃气内燃机模型为
式中，PGE(t)为运行t时刻时燃气内燃机的发电功率；PGE(t-1)为运行t-1时刻时燃气内燃机的发电功率；ηGE.elec(t)为运行t时刻时燃气内燃机的发电效率；Pmax为燃气内燃机的额定发电功率；QGE.heat(t)为运行t时刻时燃气内燃机输出的热功率；ηL为燃气内燃机的固有损耗率；PGE.max为燃气内燃机出力坡度约束；LHV为天然气的低位热值；ηgas为燃气内燃机的天然气利用率；a3、a2、a1、a0分别为拟合常数；
(2)烟气吸收热泵模型为
式中，T(t)为运行t时刻时烟气吸收热泵的入口温度；CW(t)为运行t时刻时不同温度热水比热容；COPAP(t)为运行t时刻时烟气吸收式热泵的能效系数；QAP.heat(t)、QAP.cool(t)分别为运行t时刻时烟气吸收热泵的制热功率和制冷功率；QAP.heat(t-1)、QAP.cool(t-1)分别为运行t-1时刻时烟气吸收热泵的制热功率和制冷功率；λheat(t)、λcool(t)分别为运行t时刻时烟气吸收热泵的烟气制热比例和制冷比例；Theat、Tcool分别为热水出口温度和冷水出口温度；Lheat(t)、Lcool(t)分别为运行t时刻时烟气吸收热泵的热水和冷水流量；Lheat.max、Lcool.max分别为最大制热、制冷流量；ηAP.heat、ηAP.cool分别为烟气吸收热泵的制热和制冷效率；QAP.heat.max为烟气吸收热泵的制热功率出力坡度约束；QAP.cool.max为烟气吸收热泵的制冷功率出力坡度约束；b5、b4、b3、b2、b1、b0分别为拟合常数；(3)缸套水换热器模型为
QJW(t)＝ηJW·QGE(t) (8)
式中，QJW(t)为运行t时刻时缸套水换热器输出热功率；ηJW为缸套水换热器的换热效率；
(4)吸收式制冷机模型为
式中，Qac.heat(t)为运行t时刻时吸收式制冷机吸收的热功率；Qac.cool(t)为运行t时刻时吸收式制冷机输出的冷功率；Qac.cool(t-1)为运行t-1时刻时吸收式制冷机输出的冷功率；COPac为吸收式制冷机的能效系数；Qac.heat.min、Qac.heat.max分别为吸收式制冷机吸收的最小、最大热功率；Qac.cool.max为吸收式制冷机的出力坡度约束；
(5)电锅炉模型为
式中，PEB(t)为运行t时刻时电锅炉输入电功率；QEB(t)为运行t时刻时电锅炉输出热功率；QEB(t-1)为运行t-1时刻时电锅炉输出热功率；COPEB为电锅炉的制能系数；PEB.min、PEB.max分别为电锅炉最小、最大电功率；QEB.max为电锅炉的出力坡度约束；
(6)电制冷机模型为
式中，PEC(t)为运行t时刻时电制冷机的输入电功率；QEC(t)为运行t时刻时电制冷机的输出冷功率；QEC(t-1)为运行t-1时刻时电制冷机的输出冷功率；COPEC为电制冷机的能效系数；PEC.min、PEC.max分别为电制冷机最小、最大电功率；QEC.max为电制冷机的出力坡度约束；
(7)光伏发电机组模型为
式中，PPV(t)为运行t时刻时光伏发电机组的实时出力；PSTC为光伏发电机组的额定出力；GING(t)为运行t时刻时实时辐照强度；GSTC为光伏发电机组的额定辐照强度；k为光伏发电机组的发电系数；Tout(t)为运行t时刻时外界温度；Ts为发电机组的参考温度；
(8)储电设备模型为
其中，Ebatt(t)为运行t时刻时储电设备实时容量；Eball(t+1)为运行t+1时刻时储电设备实时容量；kL为储电设备的自损耗系数；ηbatt.cha、ηbatt.dis分别为储电设备的充电、放电效率；Pbatt.cha(t)、Pbatt.dis(t)分别为运行t时刻时储电设备的充、放电功率；Pbatt.dis.max、Pbatt.dis.min分别为储电设备最大、最小放电功率；Pbatt.cha.max、Pbatt.cha.min分别为充电设备最大、最小充电功率；Ebatt.max、Ebatt.min分别为充电设备最大、最小储电容量；
(9)储热设备模型为
其中，Bstor(t)为运行t时刻时储热设备实时容量；Bstor(t+1)为运行t+1时刻时储热设备实时容量；ks为储热设备的自损耗系数；ηstor.cha、ηstor.dis分别为储热设备的吸热、放热效率；Qstor.cha(t)、Qstor.dis(t)分别为运行t时刻时储热设备的吸热、放热功率；Qstor.cha.max、Qstor.cha.min分别为储热设备的最大、最小吸热功率；Qstor.dis.max、Qstor.dis.min分别为储热设备的最大、最小放热功率；Bstor.max、Bstor.min分别为储热设备的最大、最小容量约束。
进一步地，所述功率平衡约束包括电功率平衡约束、热功率平衡约束、冷功率平衡约束；其中，
(1)电功率平衡约束为
式中，Pgrid(t)为运行t时刻时电网功率；PPV(t)为运行t时刻时光伏机组实时出力功率；PGE(t)为运行t时刻时燃气内燃机的发电功率；Pbatt.dis(t)、Pbatt.cha(t)分别为运行t时刻时储电设备的放电、充电功率，Dbatt.dis(t)、Dbatt.cha(t)分别为运行t时刻时储电设备的放电、充电变量；Pele(t)为运行t时刻时电力负荷；PEB(t)为运行t时刻时电锅炉的消耗电功率；PEC(t)为运行t时刻时电制冷机消耗电功率；
(2)热功率平衡约束为
QJW(t)+QAP.heat(t)+QEB(t)+Qstor.dis(t)·Dstor.dis(t)＝Qstor.cha(t)·Dstor.cha(t)+Qheat(t)+QAC.heat(t), (16)
(t＝1,2……24)
式中，QJW(t)为运行t时刻时缸套水换热器的换热功率；QAP.heat(t)为运行t时刻时烟气吸收热泵的输出热功率；QEB(t)为运行t时刻时电锅炉的输出热功率；Qstor.dis(t)、Qstor.cha(t)分别为运行t时刻时储热设备的放热、吸热功率，Dstor.dis(t)、Dstor.cha(t)分别为运行t时刻时储热设备的放热、吸热变量；Qheat(t)为运行t时刻时热力负荷；QAC.heat(t)为运行t时刻时吸收式制冷机吸收的热功率；(3)冷功率平衡约束为
QAC.cool(t)+QEC(t)+QAP.cool(t)＝Qcool(t),(t＝1，2…24) (17)
式中，QAC.cool(t)为运行t时刻时吸收式制冷机输出的冷功率；QEC(t)为运行t时刻时电制冷机输出的冷功率；QAP.cool(t)为运行t时刻时烟气吸收热泵输出的冷功率；Qcool(t)为运行t时刻时冷力负荷。
进一步地，对多目标优化模型进行求解包括：在多目标的问题上采取标幺线性加权的方法，将多目标问题转化为可求解的单目标问题，通过改变权重系数，比较不同权重条件下的结果数值，以获得最优结果；标幺过程如下：
首先，分别求解出经济运行和污染气体排放在单目标条件下的最优值，得到Frun.min和Fpoll.min；
其次，将多目标优化问题通过线性加权方法转化为单目标问题求解计算，求解过程如下：
式中，F为混合目标函数值；krun为经济运行权重系数；kpoll为污染气体排放权重系数；
最后，通过改变不同权重系数计算在权重差异下的最优工况运行，并得出结果分析。
本发明的有益效果
本发明提供了冷-热-电综合能源系统的多目标优化方法，在模型拓扑方面，本发明考虑了丰富的模型拓扑以及众多模型约束，能够实现多类异质能流的互相补充和协调互补；
此外，本发明方法针对综合能源系统稳定性进行理论分析，综合能源系统有别于单独的各个能源生产系统的耦合关系及工作机理，使得系统稳定性更为难以协调，输入、输出关系较难匹配。通过对系统稳定性分析，将大大确定系统稳定域，能够实现对系统输出稳定控制。
附图说明
图1为冷-热-电综合能源系统的拓扑结构图。
图2(a)是解耦电能子系统的稳定边界图。
图2(b)是解耦热能子系统低负载特性的稳定边界图。
图2(c)是解耦热能子系统高负载特性的稳定边界图。
图2(d)是解耦冷能子系统的稳定边界图。
图3为模型求解流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地说明，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本实施例的冷-热-电综合能源系统为微能源网级别，如图1所示，系统中的设备主要包括：燃气内燃机(GE)、烟气吸收热泵(AP)、缸套水换热器(JW)、吸收式制冷机(AC)、电锅炉(EB)、电制冷机(EC)，并且添加了储电(ST)、储热(HS)两种储能设备，同时为了充分利用当地可靠的太阳能资源，增加了光伏发电机组(PV)，并接入电网保证系统电能供需平衡。整个系统以燃气内燃机和烟气吸收热泵为核心，燃气内燃机通过消耗天然气，产出电能直接供给部分电力负荷，工作时产生的高温蒸汽则通过缸套水换热器转化为热水供给热力负荷；同时，天然气燃烧时产生的烟气可被烟气吸收热泵大部分吸收利用，转化为热能和冷能直接供给用户；吸收式制冷机通过吸收热力母线上的部分热能转化为冷能供给冷力负荷使用；当系统中热能或冷能需求较大时，还可通过电锅炉或电制冷机工作弥补部分热能、冷能缺额；系统中接入了储热、储电两种储能设备，保证系统存在充足的电/热功率容量裕度，增加系统的稳定性；另外，光伏发电机组的主动接入，既提高了系统新能源的渗透率，又增加了系统的环保性与经济效益；当电能负荷需求较大时，系统可与电网交互，同时，为降低系统与电网信息通道以及物理通道的建设费用和协调成本，本系统采用“并网不上网”原则，向电网购买电能，以弥补系统的电能缺额，保证系统稳定运行。
一、系统稳定边界
由于冷-热-电综合能源系统存在冷/热/电三种能源耦合，耦合关系密切，对系统的整体稳定性分析较为困难。因此，可以采取对系统解耦，分析各个解耦子系统的稳定特性，从而保证系统实现稳定运行。本实施例的解耦方法为：
1.根据系统的拓扑结构和设备、功率约束搭建系统模型(详细模型见下文)；
2.使燃气内燃机的负载率a输入从0.1、0.2……0.9变化；
3.在外部电网输入为0KW时，计算各个解耦系统的冷能子系统、热能子系统、电力子系统的输出最低下限；
4.当外部电网输入为500KW时，计算各个解耦系统的冷能子系统、热能子系统、电力子系统的输出最高上限；
5.得到各个解耦子系统的功率稳定边界。
因此，冷-热-电综合能源系统的各个解耦子系统稳定边界如图2(a)、图2(b)、图2(c)、图2(d)所示：
各解耦子系统存在功率输出上、下限约束，在输出上、下限范围内称为系统输出稳定域。系统中的冷/热/电负荷是彼此独立，互不干扰的，如图2(a)所示，对电能子系统而言，当电能负荷为P0时，其与电能上、下限约束相交于负载率aPi、aPj两点，则电力子系统的可行负载率将介于(aPi,aPj)之间，电能输出功率为图中阴影S1所示。解耦热能子系统的上限存在一个临界跃变值QH，此时系统负载率为aH。当系统所接热能负荷低于QH称为热能子系统的低负载特性，当系统所接热能负荷高于QH称为热能子系统的高负载特性。如图2(b)所示，在低负载特性情况下，系统的热能负荷QH0与热能解耦子系统上、下限相交于负载率aHi、aHj两点，使得系统负载率限制在(aHi,aHj)之间，热能子系统的热能输出范围为图2(b)中阴影S2；当热能负荷QH1高于QH，热能子系统呈现高负载特性，如图2(c)所示，系统的负载率将高于aHk，热能输出范围如阴影S3所示。对冷能子系统而言，如图2(d)所示，冷能输出下限平稳，而输出上限近似线性变化，使得冷能系统在向外输出功率时具有更为宽广的负载率选择特性，当系统冷能负荷为QC0时，那么系统负载率可以落在(aCi,1)之间，系统的冷能输出如图阴影S4所示。综上，对各个解耦子系统特性分析，当系统运行时，此时冷、热、电三者的负荷彼此独立且不确定，为使系统稳定那么系统负载率a应与各个解耦子系统负载率处于同一区间内，即：
但当各个解耦子系统负载率区间无交集时，系统必将失稳。考虑到系统负荷在一个稳定范围内波动，可通过调节系统设备参数，改变系统运行工况，拓宽负载率交集区间，使得系统足够稳定运行。
二、冷-热-电综合能源系统多目标优化运行
目标函数
目标函数将以系统整体运行经济性最优和环境兼容性最佳为核心，考虑以运行总成本最小和污染气体排放量最低构建目标函数，如下：
式中，Frun为系统的运行费用；Fgrid(t)为运行t时刻时系统与电网的购电费用；Fgas(t)为运行t时刻时系统购买天然气费用；Fmain(t)为运行t时刻时系统设备维护费用；Fpoll(t)为污染气体排放量，具体表示综合能源系统为对CO2,SO2,NOx等污染气体的排放量；αsour为电网源侧污染气体排放系数；αtrans为电网线路输送的污染气体排放系数；Pgrid(t)为运行t时刻时电网功率；为燃气内燃机污染气体排放系数；PGE(t)为运行t时刻时燃气内燃机输出电功率；t表示为一天运行的小时数。
其中，运行t时刻时系统与电网的购电费用具体表示如下：
Fgrid(t)＝Pgrid(t)·Δt·fgrid(t) (3)
式中，fgrid(t)为运行t时刻时电网的实时电价；Δt表示为运行的时间间隔，为1小时。
运行t时刻时系统购买天然气费用具体表示如下：
Fgas(t)＝Vgas(t)·Δt·fgas(t) (4)
式中，Vgas(t)为运行t时刻时系统消耗天然气体积；fgas(t)为运行t时刻时天然气价格。
运行t时刻时系统设备维护费用具体表示如下：
式中，kGE[PGE(t)]为运行t时刻时燃气内燃机在不同输出功率下的维护系数；PGE(t)为运行t时刻时燃气内燃机输出电功率；kAP.cool[QAP.cool(t)]为运行t时刻时烟气吸收热泵设备的冷功率维护系数；QAP.cool(t)为运行t时刻时烟气吸收热泵输出冷功率；kAP.heat[QAP.heat(t)]为运行t时刻时烟气吸收热泵设备的热功率维护系数；QAP.heat(t)为运行t时刻时烟气吸收热泵输出热功率；kAC.heat[QAC.heat(t)]为运行t时刻时吸收式制冷机的维护系数；QAC.heat(t)为运行t时刻时吸收式制冷机吸收的热功率；分别为运行t时刻时储电设备、储热设备维护系数；为运行t时刻时储电设备、储热设备的交互功率。
约束条件
系统的约束条件主要包括：设备模型约束和功率平衡约束。
设备模型约束
其中，设备模型包括：燃气内燃机模型、烟气吸收热泵模型、吸收式制冷机模型、缸套水换热器模型、电锅炉模型、电制冷机模型、储热设备模型、储电设备模型、光伏发电机组模型。
(1)燃气内燃机模型为
式中，PGE(t)为运行t时刻时燃气内燃机的发电功率；PGE(t-1)为运行t-1时刻时燃气内燃机的发电功率；ηGE.elec(t)为运行t时刻时燃气内燃机的发电效率；Pmax为燃气内燃机的额定发电功率；QGE.heat(t)为运行t时刻时燃气内燃机输出的热功率；ηL为燃气内燃机的固有损耗率；PGE.max为燃气内燃机出力坡度约束；LHV为天然气的低位热值；ηgas为燃气内燃机的天然气利用率；a3、a2、a1、a0分别为拟合常数。
(2)烟气吸收热泵模型为
式中，T(t)为运行t时刻时烟气吸收热泵的入口温度；CW(t)为运行t时刻时不同温度热水比热容；COPAP(t)为运行t时刻时烟气吸收式热泵的能效系数；QAP.heat(t)、QAP.cool(t)分别为运行t时刻时烟气吸收热泵的制热功率和制冷功率；QAP.heat(t-1)、QAP.cool(t-1)分别为运行t-1时刻时烟气吸收热泵的制热功率和制冷功率；λheat(t)、λcool(t)分别为运行t时刻时烟气吸收热泵的烟气制热比例和制冷比例；Theat、Tcool分别为热水出口温度和冷水出口温度；Lheat(t)、Lcool(t)分别为运行t时刻时烟气吸收热泵的热水和冷水流量；Lheat.max、Lcool.max分别为最大制热、制冷流量；ηAP.heat、ηAP.cool分别为烟气吸收热泵的制热和制冷效率；QAP.heat.max为烟气吸收热泵的制热功率出力坡度约束；QAP.cool.max为烟气吸收热泵的制冷功率出力坡度约束；b5、b4、b3、b2、b1、b0分别为拟合常数。
(3)缸套水换热器模型为
QJW(t)＝ηJW·QGE(t) (8)
式中，QJW(t)为运行t时刻时缸套水换热器输出热功率；ηJW为缸套水换热器的换热效率。
(4)吸收式制冷机模型为
式中，Qac.heat(t)为运行t时刻时吸收式制冷机吸收的热功率；Qac.cool(t)为运行t时刻时吸收式制冷机输出的冷功率；Qac.cool(t-1)为运行t-1时刻时吸收式制冷机输出的冷功率；COPac为吸收式制冷机的能效系数；Qac.heat.min、Qac.heat.max分别为吸收式制冷机吸收的最小、最大热功率；Qac.cool.max为吸收式制冷机的出力坡度约束。
(5)电锅炉模型为
式中，PEB(t)为运行t时刻时电锅炉输入电功率；QEB(t)为运行t时刻时电锅炉输出热功率；QEB(t-1)为运行t-1时刻时电锅炉输出热功率；COPEB为电锅炉的制能系数；PEB.min、PEB.max分别为电锅炉最小、最大电功率；QEB.max为电锅炉的出力坡度约束。
(6)电制冷机模型为
式中，PEC(t)为运行t时刻时电制冷机的输入电功率；QEC(t)为运行t时刻时电制冷机的输出冷功率；QEC(t-1)为运行t-1时刻时电制冷机的输出冷功率；COPEC为电制冷机的能效系数；PEC.min、PEC.max分别为电制冷机最小、最大电功率；QEC.max为电制冷机的出力坡度约束。
(7)光伏发电机组模型为
式中，PPV(t)为运行t时刻时光伏发电机组的实时出力；PSTC为光伏发电机组的额定出力；GING(t)为运行t时刻时实时辐照强度；GSTC为光伏发电机组的额定辐照强度；k为光伏发电机组的发电系数；Tout(t)为运行t时刻时外界温度；Ts为发电机组的参考温度。
(8)储电设备模型为
其中，Ebatt(t)为运行t时刻时储电设备实时容量；Eball(t+1)为运行t+1时刻时储电设备实时容量；kL为储电设备的自损耗系数；ηbatt.cha、ηbatt.dis分别为储电设备的充电、放电效率；Pbatt.cha(t)、Pbatt.dis(t)分别为运行t时刻时储电设备的充、放电功率；Pbatt.dis.max、Pbatt.dis.min分别为储电设备最大、最小放电功率；Pbatt.cha.max、Pbatt.cha.min分别为充电设备最大、最小充电功率；Ebatt.max、Ebatt.min分别为充电设备最大、最小储电容量。
(9)储热设备模型为
其中，Bstor(t)为运行t时刻时储热设备实时容量；Bstor(t+1)为运行t+1时刻时储热设备实时容量；ks为储热设备的自损耗系数；ηstor.cha、ηstor.dis分别为储热设备的吸热、放热效率；Qstor.cha(t)、Qstor.dis(t)分别为运行t时刻时储热设备的吸热、放热功率；Qstor.cha.max、Qstor.cha.min分别为储热设备的最大、最小吸热功率；Qstor.dis.max、Qstor.dis.min分别为储热设备的最大、最小放热功率；Bstor.max、Bstor.min分别为储热设备的最大、最小容量约束。
功率平衡约束
系统中满足冷、热、电三者的功率平衡约束。其中，
(1)电功率平衡约束为
式中，Pgrid(t)为运行t时刻时电网功率；PPV(t)为运行t时刻时光伏机组实时出力功率；PGE(t)为运行t时刻时燃气内燃机的发电功率；Pbatt.dis(t)、Pbatt.cha(t)分别为运行t时刻时储电设备的放电、充电功率，Dbatt.dis(t)、Dbatt.cha(t)分别为运行t时刻时储电设备的放电、充电变量；Pele(t)为运行t时刻时电力负荷；PEB(t)为运行t时刻时电锅炉的消耗电功率；PEC(t)为运行t时刻时电制冷机消耗电功率。
(2)热功率平衡约束为
QJW(t)+QAP.heat(t)+QEB(t)+Qstor.dis(t)·Dstor.dis(t)＝Qstor.cha(t)·Dstor.cha(t)+Qheat(t)+QAC.heat(t), (16)
(t＝1,2……24)
式中，QJW(t)为运行t时刻时缸套水换热器的换热功率；QAP.heat(t)为运行t时刻时烟气吸收热泵的输出热功率；QEB(t)为运行t时刻时电锅炉的输出热功率；Qstor.dis(t)、Qstor.cha(t)分别为运行t时刻时储热设备的放热、吸热功率，Dstor.dis(t)、Dstor.cha(t)分别为运行t时刻时储热设备的放热、吸热变量；Qheat(t)为运行t时刻时热力负荷；QAC.heat(t)为运行t时刻时吸收式制冷机吸收的热功率。
(3)冷功率平衡约束为
QAC.cool(t)+QEC(t)+QAP.cool(t)＝Qcool(t),(t＝1，2…24) (17)
式中，QAC.cool(t)为运行t时刻时吸收式制冷机输出的冷功率；QEC(t)为运行t时刻时电制冷机输出的冷功率；QAP.cool(t)为运行t时刻时烟气吸收热泵输出的冷功率；Qcool(t)为运行t时刻时冷力负荷。
三、模型求解方法
多目标问题求解
本模型为多目标混合整数非线性规划模型，在多目标的问题上采取标幺线性加权的方法，将多目标问题转化为可求解的单目标问题，通过改变权重系数，比较不同权重条件下的结果数值，以获得最优结果，标幺过程如下：
首先，分别求解出经济运行和污染气体排放在单目标条件下的最优值，得到Frun.min和Fpoll.min。
其次，将多目标优化问题通过线性加权方法转化为单目标问题求解计算，求解过程如下：
式中，F为混合目标函数值；krun为经济运行权重系数；kpoll为污染气体排放权重系数。
最后，通过改变不同权重系数计算在权重差异下的最优工况运行，并得出结果分析。
模型求解
本实施例模型的求解流程图如图3所示，所述求解流程包括：
1)开始；
2)系统初始化；
3)输入目标函数和约束条件；
4)输入冷-热-电负荷参数；
5)输入krun和kpoll权重系数；
6)计算各个设备功率出力情况；
7)判断各个设备是否满足冷功率平衡、热功率平衡、电功率平衡；
8)若步骤7)的判断结果为各个设备均满足冷功率平衡、热功率平衡、电功率平衡，则计算目标函数值；
9)判断目标函数是否为全局最优；
10)若步骤9)的判断结果为：目标函数是全局最优，则找到全局最优，结束。
若步骤7)的判断结果为设备不满足冷功率平衡、热功率平衡、电功率平衡的任意一个，则返回至步骤6)；
若步骤9)的判断结果为：目标函数不是全局最优，则返回至步骤6)。
尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (9)

1.冷-热-电综合能源系统的多目标优化方法，其特征在于，所述多目标优化方法包括以下步骤：
S1.建立冷-热-电综合能源系统的模型；
S2.建立多目标优化模型；
S3.对多目标优化模型进行求解。
2.根据权利要求1所述的冷-热-电综合能源系统的多目标优化方法，其特征在于，
所述多目标优化方法还包括计算系统稳定边界的步骤；
其中，系统稳定边界的计算包括：计算各个解耦系统的冷能子系统、热能子系统、电力子系统的输出最低下限和输出最高上限；得到各个解耦子系统的功率稳定边界。
3.根据权利要求2所述的冷-热-电综合能源系统的多目标优化方法，其特征在于，
所述电力子系统的可行负载率介于(aPi,aPj)之间；
在低负载特性情况下，所述热能子系统的负载率在(aHi,aHj)之间；在高负载特性情况下，所述热能子系统的负载率为(aHk,1)；
所述冷能子系统的负载率在(aCi,1)之间；
当系统运行时，为使系统稳定则系统负载率a应与各个解耦子系统负载率处于同一区间内，即：
4.根据权利要求1所述的冷-热-电综合能源系统的多目标优化方法，其特征在于，
步骤S2中，建立多目标优化模型包括构建目标函数和系统的约束条件。
5.根据权利要求4所述的冷-热-电综合能源系统的多目标优化方法，其特征在于，
所述构建目标函数具体包括：
以系统整体运行经济性最优和环境兼容性最佳为核心，考虑以运行总成本最小和污染气体排放量最低构建目标函数，如下：
式中，Frun为系统的运行费用；Fgrid(t)为运行t时刻时系统与电网的购电费用；Fgas(t)为运行t时刻时系统购买天然气费用；Fmain(t)为运行t时刻时系统设备维护费用；Fpoll(t)为污染气体排放量；αsour为电网源侧污染气体排放系数；αtrans为电网线路输送的污染气体排放系数；Pgrid(t)为运行t时刻时电网功率；为燃气内燃机污染气体排放系数；PGE(t)为运行t时刻时燃气内燃机输出电功率；t表示一天运行的小时数。
6.根据权利要求5所述的冷-热-电综合能源系统的多目标优化方法，其特征在于，
运行t时刻时系统与电网的购电费用具体表示如下：
Fgrid(t)＝Pgrid(t)·Δt·fgrid(t) (3)
式中，fgrid(t)为运行t时刻时电网的实时电价；Δt表示为运行的时间间隔，为1小时；
运行t时刻时系统购买天然气费用具体表示如下：
Fgas(t)＝Vgas(t)·Δt·fgas(t) (4)
式中，Vgas(t)为运行t时刻时系统消耗天然气体积；fgas(t)为运行t时刻时天然气价格；
运行t时刻时系统设备维护费用具体表示如下：
式中，kGE[PGE(t)]为运行t时刻时燃气内燃机在不同输出功率下的维护系数；PGE(t)为运行t时刻时燃气内燃机输出电功率；kAP.cool[QAP.cool(t)]为运行t时刻时烟气吸收热泵设备的冷功率维护系数；QAP.cool(t)为运行t时刻时烟气吸收热泵输出冷功率；kAP.heat[QAP.heat(t)]为运行t时刻时烟气吸收热泵设备的热功率维护系数；QAP.heat(t)为运行t时刻时烟气吸收热泵输出热功率；kAC.heat[QAC.heat(t)]为运行t时刻时吸收式制冷机的维护系数；QAC.heat(t)为运行t时刻时吸收式制冷机吸收的热功率；分别为运行t时刻时储电设备、储热设备维护系数；为运行t时刻时储电设备、储热设备的交互功率。
7.根据权利要求4所述的冷-热-电综合能源系统的多目标优化方法，其特征在于，
所述系统的约束条件主要包括：设备模型约束和功率平衡约束；
其中，设备模型包括：燃气内燃机模型、烟气吸收热泵模型、吸收式制冷机模型、缸套水换热器模型、电锅炉模型、电制冷机模型、储热设备模型、储电设备模型、光伏发电机组模型；
其中，
(1)燃气内燃机模型为
式中，PGE(t)为运行t时刻时燃气内燃机的发电功率；PGE(t-1)为运行t-1时刻时燃气内燃机的发电功率；ηGE.elec(t)为运行t时刻时燃气内燃机的发电效率；Pmax为燃气内燃机的额定发电功率；QGE.heat(t)为运行t时刻时燃气内燃机输出的热功率；ηL为燃气内燃机的固有损耗率；PGE.max为燃气内燃机出力坡度约束；LHV为天然气的低位热值；ηgas为燃气内燃机的天然气利用率；a3、a2、a1、a0分别为拟合常数；
(2)烟气吸收热泵模型为
式中，T(t)为运行t时刻时烟气吸收热泵的入口温度；CW(t)为运行t时刻时不同温度热水比热容；COPAP(t)为运行t时刻时烟气吸收式热泵的能效系数；QAP.heat(t)、QAP.cool(t)分别为运行t时刻时烟气吸收热泵的制热功率和制冷功率；QAP.heat(t-1)、QAP.cool(t-1)分别为运行t-1时刻时烟气吸收热泵的制热功率和制冷功率；λheat(t)、λcool(t)分别为运行t时刻时烟气吸收热泵的烟气制热比例和制冷比例；Theat、Tcool分别为热水出口温度和冷水出口温度；Lheat(t)、Lcool(t)分别为运行t时刻时烟气吸收热泵的热水和冷水流量；Lheat.max、Lcool.max分别为最大制热、制冷流量；ηAP.heat、ηAP.cool分别为烟气吸收热泵的制热和制冷效率；QAP.heat.max为烟气吸收热泵的制热功率出力坡度约束；QAP.cool.max为烟气吸收热泵的制冷功率出力坡度约束；b5、b4、b3、b2、b1、b0分别为拟合常数；
(3)缸套水换热器模型为
QJW(t)＝ηJW·QGE(t) (8)
式中，QJW(t)为运行t时刻时缸套水换热器输出热功率；ηJW为缸套水换热器的换热效率；
(4)吸收式制冷机模型为
式中，Qac.heat(t)为运行t时刻时吸收式制冷机吸收的热功率；Qac.cool(t)为运行t时刻时吸收式制冷机输出的冷功率；Qac.cool(t-1)为运行t-1时刻时吸收式制冷机输出的冷功率；COPac为吸收式制冷机的能效系数；Qac.heat.min、Qac.heat.max分别为吸收式制冷机吸收的最小、最大热功率；Qac.cool.max为吸收式制冷机的出力坡度约束；
(5)电锅炉模型为
式中，PEB(t)为运行t时刻时电锅炉输入电功率；QEB(t)为运行t时刻时电锅炉输出热功率；QEB(t-1)为运行t-1时刻时电锅炉输出热功率；COPEB为电锅炉的制能系数；PEB.min、PEB.max分别为电锅炉最小、最大电功率；QEB.max为电锅炉的出力坡度约束；
(6)电制冷机模型为
式中，PEC(t)为运行t时刻时电制冷机的输入电功率；QEC(t)为运行t时刻时电制冷机的输出冷功率；QEC(t-1)为运行t-1时刻时电制冷机的输出冷功率；COPEC为电制冷机的能效系数；PEC.min、PEC.max分别为电制冷机最小、最大电功率；QEC.max为电制冷机的出力坡度约束；
(7)光伏发电机组模型为
式中，PPV(t)为运行t时刻时光伏发电机组的实时出力；PSTC为光伏发电机组的额定出力；GING(t)为运行t时刻时实时辐照强度；GSTC为光伏发电机组的额定辐照强度；k为光伏发电机组的发电系数；Tout(t)为运行t时刻时外界温度；Ts为发电机组的参考温度；
(8)储电设备模型为
其中，Ebatt(t)为运行t时刻时储电设备实时容量；Eball(t+1)为运行t+1时刻时储电设备实时容量；kL为储电设备的自损耗系数；ηbatt.cha、ηbatt.dis分别为储电设备的充电、放电效率；Pbatt.cha(t)、Pbatt.dis(t)分别为运行t时刻时储电设备的充、放电功率；Pbatt.dis.max、Pbatt.dis.min分别为储电设备最大、最小放电功率；Pbatt.cha.max、Pbatt.cha.min分别为充电设备最大、最小充电功率；Ebatt.max、Ebatt.min分别为充电设备最大、最小储电容量；
(9)储热设备模型为
其中，Bstor(t)为运行t时刻时储热设备实时容量；Bstor(t+1)为运行t+1时刻时储热设备实时容量；ks为储热设备的自损耗系数；ηstor.cha、ηstor.dis分别为储热设备的吸热、放热效率；Qstor.cha(t)、Qstor.dis(t)分别为运行t时刻时储热设备的吸热、放热功率；Qstor.cha.max、Qstor.cha.min分别为储热设备的最大、最小吸热功率；Qstor.dis.max、Qstor.dis.min分别为储热设备的最大、最小放热功率；Bstor.max、Bstor.min分别为储热设备的最大、最小容量约束。
8.根据权利要求7所述的冷-热-电综合能源系统的多目标优化方法，其特征在于，
所述功率平衡约束包括电功率平衡约束、热功率平衡约束、冷功率平衡约束；
其中，
(1)电功率平衡约束为
式中，Pgrid(t)为运行t时刻时电网功率；PPV(t)为运行t时刻时光伏机组实时出力功率；PGE(t)为运行t时刻时燃气内燃机的发电功率；Pbatt.dis(t)、Pbatt.cha(t)分别为运行t时刻时储电设备的放电、充电功率，Dbatt.dis(t)、Dbatt.cha(t)分别为运行t时刻时储电设备的放电、充电变量；Pele(t)为运行t时刻时电力负荷；PEB(t)为运行t时刻时电锅炉的消耗电功率；PEC(t)为运行t时刻时电制冷机消耗电功率；
(2)热功率平衡约束为
QJW(t)+QAP.heat(t)+QEB(t)+Qstor.dis(t)·Dstor.dis(t)＝Qstor.cha(t)·Dstor.cha(t)+Qheat(t)+QAC.heat(t), (16)
(t＝1,2……24)
式中，QJW(t)为运行t时刻时缸套水换热器的换热功率；QAP.heat(t)为运行t时刻时烟气吸收热泵的输出热功率；QEB(t)为运行t时刻时电锅炉的输出热功率；Qstor.dis(t)、Qstor.cha(t)分别为运行t时刻时储热设备的放热、吸热功率，Dstor.dis(t)、Dstor.cha(t)分别为运行t时刻时储热设备的放热、吸热变量；Qheat(t)为运行t时刻时热力负荷；QAC.heat(t)为运行t时刻时吸收式制冷机吸收的热功率；
(3)冷功率平衡约束为
QAC.cool(t)+QEC(t)+QAP.cool(t)＝Qcool(t),(t＝1，2…24) (17)
式中，QAC.cool(t)为运行t时刻时吸收式制冷机输出的冷功率；QEC(t)为运行t时刻时电制冷机输出的冷功率；QAP.cool(t)为运行t时刻时烟气吸收热泵输出的冷功率；Qcool(t)为运行t时刻时冷力负荷。
9.根据权利要求1所述的冷-热-电综合能源系统的多目标优化方法，其特征在于，
对多目标优化模型进行求解包括：在多目标的问题上采取标幺线性加权的方法，将多目标问题转化为可求解的单目标问题，通过改变权重系数，比较不同权重条件下的结果数值，以获得最优结果；标幺过程如下：
首先，分别求解出经济运行和污染气体排放在单目标条件下的最优值，得到Frun.min和Fpoll.min；
其次，将多目标优化问题通过线性加权方法转化为单目标问题求解计算，求解过程如下：
式中，F为混合目标函数值；krun为经济运行权重系数；kpoll为污染气体排放权重系数；
最后，通过改变不同权重系数计算在权重差异下的最优工况运行，并得出结果分析。
CN201910671854.5A 2019-07-24 2019-07-24 冷-热-电综合能源系统的多目标优化方法 Active CN110503241B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910671854.5A CN110503241B (zh) 2019-07-24 2019-07-24 冷-热-电综合能源系统的多目标优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910671854.5A CN110503241B (zh) 2019-07-24 2019-07-24 冷-热-电综合能源系统的多目标优化方法

Publications (2)

Publication Number Publication Date
CN110503241A true CN110503241A (zh) 2019-11-26
CN110503241B CN110503241B (zh) 2022-07-08

Family

ID=68586708

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910671854.5A Active CN110503241B (zh) 2019-07-24 2019-07-24 冷-热-电综合能源系统的多目标优化方法

Country Status (1)

Country Link
CN (1) CN110503241B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111626587A (zh) * 2020-05-21 2020-09-04 浙江大学 一种计及能流延迟特性的综合能源系统拓扑优化方法
CN111625961A (zh) * 2020-05-26 2020-09-04 中国科学院工程热物理研究所 综合能源系统协同优化运行调控方法
CN111692607A (zh) * 2020-06-22 2020-09-22 国网综合能源服务集团有限公司 一种耦合光伏的内燃机分布式能源系统
CN112150310A (zh) * 2020-09-27 2020-12-29 上海交通大学 一种电转气风电消纳的综合能源网多能耦合优化调度方法
CN112270481A (zh) * 2020-11-02 2021-01-26 国网江苏省电力有限公司电力科学研究院 一种电力天然气耦合系统的多目标规划方法、系统及存储介质
CN112528214A (zh) * 2020-12-01 2021-03-19 国网江苏省电力有限公司营销服务中心 基于客户侧用能控制系统的多能互补协调优化方法
CN112686472A (zh) * 2021-01-22 2021-04-20 国网河南省电力公司许昌供电公司 一种分布式光伏等效电站的功率预测方法
CN113469412A (zh) * 2021-06-02 2021-10-01 国核电力规划设计研究院有限公司 一种综合能源系统实时运行策略优化方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130024014A1 (en) * 2011-07-20 2013-01-24 Nec Laboratories America, Inc. Optimal energy management of a rural microgrid system using multi-objective optimization
CN103840521A (zh) * 2014-02-27 2014-06-04 武汉大学 基于最优潮流的大规模电动汽车优化充放电系统及方法
CN107464008A (zh) * 2016-06-02 2017-12-12 南京理工大学 一种大型楼宇冷热电联供系统的优化调度方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130024014A1 (en) * 2011-07-20 2013-01-24 Nec Laboratories America, Inc. Optimal energy management of a rural microgrid system using multi-objective optimization
CN103840521A (zh) * 2014-02-27 2014-06-04 武汉大学 基于最优潮流的大规模电动汽车优化充放电系统及方法
CN107464008A (zh) * 2016-06-02 2017-12-12 南京理工大学 一种大型楼宇冷热电联供系统的优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘继春 等: "考虑氢能-天然气混合储能的电-气综合能源微网日前经济调度优化", 《电网技术》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111626587A (zh) * 2020-05-21 2020-09-04 浙江大学 一种计及能流延迟特性的综合能源系统拓扑优化方法
CN111626587B (zh) * 2020-05-21 2022-09-06 浙江大学 一种计及能流延迟特性的综合能源系统拓扑优化方法
CN111625961A (zh) * 2020-05-26 2020-09-04 中国科学院工程热物理研究所 综合能源系统协同优化运行调控方法
CN111692607A (zh) * 2020-06-22 2020-09-22 国网综合能源服务集团有限公司 一种耦合光伏的内燃机分布式能源系统
CN112150310A (zh) * 2020-09-27 2020-12-29 上海交通大学 一种电转气风电消纳的综合能源网多能耦合优化调度方法
CN112270481A (zh) * 2020-11-02 2021-01-26 国网江苏省电力有限公司电力科学研究院 一种电力天然气耦合系统的多目标规划方法、系统及存储介质
CN112528214A (zh) * 2020-12-01 2021-03-19 国网江苏省电力有限公司营销服务中心 基于客户侧用能控制系统的多能互补协调优化方法
CN112686472A (zh) * 2021-01-22 2021-04-20 国网河南省电力公司许昌供电公司 一种分布式光伏等效电站的功率预测方法
CN112686472B (zh) * 2021-01-22 2022-09-20 国网河南省电力公司许昌供电公司 一种分布式光伏等效电站的功率预测方法
CN113469412A (zh) * 2021-06-02 2021-10-01 国核电力规划设计研究院有限公司 一种综合能源系统实时运行策略优化方法及系统
CN113469412B (zh) * 2021-06-02 2024-04-09 国核电力规划设计研究院有限公司 一种综合能源系统实时运行策略优化方法及系统

Also Published As

Publication number Publication date
CN110503241B (zh) 2022-07-08

Similar Documents

Publication Publication Date Title
CN110503241A (zh) 冷-热-电综合能源系统的多目标优化方法
CN108197768B (zh) 一种能源系统与管网布局联合优化方法
CN108960503B (zh) 基于内点法的综合能源系统多场景优化分析方法
Mei et al. Paving the way to smart micro energy grid: concepts, design principles, and engineering practices
CN103439941B (zh) 一种燃气内燃机冷热电三联供系统优化运行方法
Cui et al. Effect of device models on the multiobjective optimal operation of CCHP microgrids considering shiftable loads
CN108206543A (zh) 一种基于能源梯级利用的能源路由器及其运行优化方法
CN110555618B (zh) 基于改进樽海鞘算法的网络化综合能源系统优化调度方法
Chen et al. Economic and environmental operation of power systems including combined cooling, heating, power and energy storage resources using developed multi-objective grey wolf algorithm
CN109861302B (zh) 一种基于主从博弈的能源互联网日前优化控制方法
Yuan et al. Performance analysis of thermal energy storage in distributed energy system under different load profiles
Zhang et al. Nested optimization design for combined cooling, heating, and power system coupled with solar and biomass energy
CN110489915B (zh) 计及综合需求响应的电热联合调度方法及系统
CN103778485A (zh) 一种分布式发电供能系统及其优化方法
CN105955931A (zh) 面向高密度分布式光伏消纳的区域能源网络优化调度方法
CN107947182A (zh) 一种动态潮流分析方法及动态潮流分析系统
CN112182887A (zh) 一种综合能源系统规划优化仿真方法
CN113779783A (zh) 计及多重不确定性的区域综合能源系统规划与运行联合优化方法
CN110502791A (zh) 基于能源集线器的综合能源系统稳态建模方法
Zhang et al. Energy scheduling optimization of the integrated energy system with ground source heat pumps
CN113592365A (zh) 一种考虑碳排放与绿电消纳的能源优化调度方法及系统
CN104820363A (zh) 基于生物质气的冷热电联供系统及能量优化控制方法
Lv et al. Digital twins for secure thermal energy storage in building
Deng et al. The control strategy and economic analysis of a new type of solar cold storage
CN109255487A (zh) 一种基于标准化矩阵模型的综合能源系统优化方法

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