CN110594962B - 一种基于模糊需求响应的分布式能源系统优化配置方法 - Google Patents
一种基于模糊需求响应的分布式能源系统优化配置方法 Download PDFInfo
- Publication number
- CN110594962B CN110594962B CN201910790236.2A CN201910790236A CN110594962B CN 110594962 B CN110594962 B CN 110594962B CN 201910790236 A CN201910790236 A CN 201910790236A CN 110594962 B CN110594962 B CN 110594962B
- Authority
- CN
- China
- Prior art keywords
- response
- fuzzy
- demand
- distributed energy
- energy system
- 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.)
- Active
Links
- 230000004044 response Effects 0.000 title claims abstract description 98
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000005611 electricity Effects 0.000 claims abstract description 38
- 238000011156 evaluation Methods 0.000 claims abstract description 30
- 238000004146 energy storage Methods 0.000 claims abstract description 10
- 238000004378 air conditioning Methods 0.000 claims abstract description 8
- 238000012546 transfer Methods 0.000 claims abstract description 7
- 230000001105 regulatory effect Effects 0.000 claims abstract description 5
- 238000005338 heat storage Methods 0.000 claims description 16
- 238000007599 discharging Methods 0.000 claims description 10
- 239000000446 fuel Substances 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000010438 heat treatment Methods 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 6
- 238000005057 refrigeration Methods 0.000 claims description 6
- 239000002918 waste heat Substances 0.000 claims description 6
- 239000007789 gas Substances 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 2
- 101150067055 minC gene Proteins 0.000 claims description 2
- ZYYBBMCBAFICKK-UHFFFAOYSA-N perfluoro-N-cyclohexylpyrrolidine Chemical group FC1(F)C(F)(F)C(F)(F)C(F)(F)N1C1(F)C(F)(F)C(F)(F)C(F)(F)C(F)(F)C1(F)F ZYYBBMCBAFICKK-UHFFFAOYSA-N 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 238000010977 unit operation Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 description 6
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/46—Improving electric energy efficiency or saving
- F24F11/47—Responding to energy costs
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种基于模糊需求响应的分布式能源系统优化配置方法。首先，建立分布式能源系统的能量流动拓扑和基本负荷模型。其次，基于室内外温度传递规律建立空调调节系统装置输出与室内温度函数关系，得到需求侧响应模型。再次，以室外温度和电价为需求侧响应影响因素，以模糊综合评判为方法，提出计及室外温度和电价的模糊需求响应模型，建立基于模糊需求响应的负荷模型。然后，建立优化配置模型目标函数、约束条件。最后，基于能量流动拓扑、负荷模型、目标函数和约束条件，建立优化配置模型，并进行求解。本发明解决了室外温度和电价共同影响下的需求响应参与度问题，充分利用了建筑和空调调节装置的热储能特性，大幅度降低系统经济成本。
Description
技术领域
本发明涉及分布式能源技术领域，具体涉及一种基于模糊需求响应的分布式能源系统优化配置方法。
背景技术
分布式能源系统已经成为推进能源转型和提高能源效率的重要途径，在系统规划阶段考虑需求侧响应可以大幅度降低系统经济成本。在分布式能源系统中，冷热负荷作为重要的组成部分。因此，当冷热负荷参与需求侧响应时，可以削减冷热负荷以降低运行成本。理想状态下，用户需求侧响应参与度为100％，从而降低系统负荷峰值，降低系统内总装机容量，大幅降低系统运维费用。然而需求侧响应具有一定主观性，随用户意志转移。由于温度和电价的影响，用户舒适度评价不同，对需求侧响应产生影响，具有随机性和不确定性。因此，如何降低分布式能源系统经济成本成为一个亟需解决的问题。
发明内容
本发明的目的在于克服上述现有技术的不足，提供一种基于模糊需求响应的分布式能源系统优化配置方法，本方法充分考虑温度和电价对需求侧响应参与度的影响，建立模糊需求侧响应评估模型，从而为基于需求侧响应的分布式能源系统优化配置的提供更为合理的优化配置方案，进而可以大幅度降低系统经济成本。
为实现上述目的，本发明的技术方案是：
一种基于模糊需求响应的分布式能源系统优化配置方法，包括：
根据分布式能源系统的内部结构和能量流动关系来建立分布式能源系统的能量流动拓扑和基本负荷模型；
基于室内外温度传递规律建立空调调节系统装置输出与室内温度函数关系，得到需求侧响应模型；
以室外温度和电价为主要需求侧响应影响因素，以模糊综合评判为方法，提出计及室外温度和电价的模糊需求响应模型，建立基于模糊需求响应的负荷模型；
建立分布式能源系统优化配置模型的目标函数、约束条件；
基于分布式能源系统的能量流动拓扑和基于模糊需求响应的负荷模型、优化配置目标函数和约束条件，建立优化配置模型，并进行求解。
进一步地，根据室内外温度传递规律，建立空调调节系统装置(Heating,ventilation and air conditioning,HVAC)出力变化(制热装置出力Qh、制冷装置出力Qc)与室内温度变化影响关系；在用户侧舒适度允许范围内，对冷热负荷进行削减，进行需求侧响应建模。
进一步地，划分需求侧响应参与度评价等级，确定模糊需求响应参与度综合评判权重集A，确定室外温度、电价影响因素隶属度函数，获得隶属度函数矩阵R。通过模糊运算，获得需求侧响应参与度模糊评判集B。按照最大隶属度原则，模糊评判集B中最大元素为当前状态下的需求侧响应参与度评判结果，根据生成的需求侧响应参与度进行冷热负荷情况修改。
进一步地，分布式能源系统优化配置的目标函数为考虑分布式能源系统建设周期全过程的分布式能源系统经济成本，包含投资成本、运维成本、购电成本和燃料成本等；约束条件包含功率平衡约束、缺电/热/冷率、弃电/热/冷率约束、能源转换装置运行约束等。
进一步地，基于分布式能源系统的能量流动拓扑和基于模糊需求响应的负荷情况、优化配置目标函数和约束条件，基于启发式算法对分布式能源系统优化配置进行方案求解。
本发明与现有技术相比，其有益效果在于：
1.本发明充分利用建筑的储热特性，基于室内外温度传递规律，建立HVAC装置出力与室内温度影响关系。进一步建立考虑冷热负荷需求侧响应的优化配置方法。
2.本发明考虑了温度和电价对需求侧响应参与度的影响，建立以模糊综合评判为方法的需求侧响应模型，能够更准确的描述需求侧响应的特征。
3.本发明基于模糊综合评价方法，建立了模糊需求响应参与度模型，充分考虑了用户针对不同室外温度和电价综合影响下的需求侧响应行为，提高基于需求侧响应的分布式能源系统优化配置方案的合理性。
附图说明
图1是本发明实施例提供的基于模糊需求响应的分布式能源系统优化配置方法的流程图；
图2是本发明实施例分布式能源系统拓扑图；
图3是本发明实施例夏季温度隶属度函数图；
图4是本发明实施例冬季温度隶属度函数图；
图5是本发明实施例电价隶属度函数图。
具体实施方式
下面结合附图和具体实施方式对本发明的内容做进一步详细说明。
实施例：
参阅图1所示，本实施例提供的基于模糊需求响应的分布式能源系统优化配置方法包括如下步骤：
101、根据分布式能源系统的内部结构和能量流动关系来建立分布式能源系统的能量流动拓扑和基本负荷模型；
具体地，如图2所示，在本实施例中该本实施例分布式能源系统，包含：电网、热电联产机组(combined heat and power,CHP)、蓄电池、储热装置、电制冷装置和电负荷、空间冷负荷、空间热负荷和热水负荷。电网和CHP机组对终端电负荷进行供应，蓄电池进行充放电；电制冷装置获取一定电量对空间冷负荷进行供应；CHP机组通过余热回收装置进行废弃热回收，储热装置进行充放热。
a.CHP机组主要由原动机(例如：往复式内燃机、燃烧涡轮机、蒸汽轮机、燃气轮机、微型燃气轮机和燃料电池)、余热回收装置组成，如式(1)示。
式中，CHP机组产生电功率为PGT，产生热功率为QHR，CHP机组电热比为ηCHP，总燃料投入能量为FCHP。Et、EE分别是CHP机组的总效率、电效率。
b.蓄电池总容量为EES，t时刻存储状态为E(t)，
式中，Pch(t)和Pdis(t)为t时刻储能电池充放电功率，ηch和ηdis为储能电池的充放电效率。储能电池的荷电状态SOC指储能电池的实际储存电量与额定容量的比值
c.储热装置t时刻储热储状态为H(t)，
式中，Qch(t)和Qdis(t)分别为t时刻充放热功率，ηth、ηch,th和ηdis,th分别为储热装置的存储效率和充放热效率。
d.电制冷装置输出冷量QEC需输入电量PEC，其制冷能效比为COPEC，
QEC(t)＝PEC(t)×COPEC (5)
e.终端负荷包括电负荷、空间热负荷、空间冷负荷和热水负荷，可以通过模拟仿真建筑能耗分析软件(如eQuest、EnergyPlus、DeST等)输入场景气象、建筑特征、使用状况等信息，进行在线仿真，也可以通过历史数据进行典型特征、规律提取，最后生成小时级负荷模型。
102、基于室内外温度传递规律建立空调调节系统装置输出与室内温度函数关系，得到需求侧响应模型；
具体地，在本实施例中，出力变化(制热装置出力Qh、制冷装置出力Qc)与室内温度变化影响关系，如式(6)示。
其中，
为t时刻、t+1时刻室内温度，
为t时刻室外温度，Rr、Cr为建筑物等效热阻和等效热容，kh、kc为HVAC装置显热比。在舒适度允许下，对冷热负荷进行削减，进行需求侧响应，如式(7)示。
式中，ΔTmax为用户侧舒适度允许下的最大温度变化值。
103、以室外温度和电价为主要需求侧响应影响因素，以模糊综合评判为方法，提出计及室外温度和电价的模糊需求响应模型，建立基于模糊需求响应的负荷模型；
具体地，在本实施例中，步骤103包括如下子步骤：
a.划分需求侧响应参与度评价等级：按照5级评价指标(高、较高、中、较低、低)对需求侧响应参与度进行分级，在室外温度和电价共同作用下产生的用户需求侧响应参与度。
b.确定模糊综合评判权重集：评判权重集的确定可以通过专家评议法、专家调查法和判断矩阵法等，建立室外温度、电价对需求侧响应参与度的影响权重矩阵A，如式(8)示。
A＝[aT ap] (8)
式中，aT为室外温度对需求侧响应参与度的影响权重，ap为电价对需求侧响应参与度的影响权重，且存在关系，
aT+ap＝1 (9)
c.确定室外温度、电价影响因素隶属度函数：夏季室外温度相对于空间冷负荷需求侧响应参与度5个级别的隶属函数曲线如图3示，冬季室外温度相对于空间热负荷需求侧响应参与度5个级别的隶属函数曲线如图4示，电价相对于需求侧响应参与度5个级别的隶属度函数曲线如图5示。本实施例给出的隶属度函数和影响权重矩阵反映了用户需求侧响应参与度的总体趋势，温度相对需求侧响应参与度的隶属度函数μT、电价相对需求侧响应参与度的隶属度函数μp均采取直觉方法描述，选择为对称分布的三角形矩阵。以夏季室外温度Tout对应各隶属度函数的确定为例加以说明，由图3可知，当Tout在论域[26,38]时，温度对需求侧响应参与度的隶属度函数RT为
其中，rTi为被测温度对应需求侧响应参与度论域第i个语言值的隶属度。
d.进行需求侧响应参与度模糊综合评估：根据隶属度函数获得当前状态下温度、电价相对需求侧响应参与度的隶属度函数矩阵R，如式(11)示。通过模糊运算，获得当前状态下需求侧响应参与度。按照最大隶属度原则，模糊综合评判集B中最大值所对应的评价级别即对应当前状态下需求侧响应参与度的评价结果，如式(12)示。
e.根据生成的需求侧响应参与度进行空间热负荷、空间冷负荷情况修改，负荷削减情况按照需求侧响应参与度程度进行。5个需求侧响应参与度评价等级(由高到低)对应需求侧响应约束条件系数ki为[10.80.60.40.2]，如式(13)示，
104、建立分布式能源系统优化配置模型的目标函数、约束条件；
a.考虑分布式能源系统建设周期的全过程，分布式能源系统优化配置目标函数为经济成本，包括各设备(燃气轮机、蓄电池、储热装置、电制冷装置)的投资成本Cinv、运维成本Com、购电成本Cgrid和燃料成本Cfuel，如式(14)示。
minC＝Cinv+Com+Cgrid+Cfuel (14)
b.约束条件包含电功率、热功率和冷功率平衡约束，分布式能源系统缺电/热/冷率、弃电/热/冷率约束，CHP机组运行约束，蓄电池充放电约束和储热装置充放热约束等。
105、基于分布式能源系统的能量流动拓扑和基于模糊需求响应的负荷模型、优化配置目标函数和约束条件，建立优化配置模型，并进行求解。
本实施例中，优化配置模型的决策变量为分布式能源系统中各装置的配置容量，即燃气轮机、蓄电池、储热装置、电制冷装置的容量，具有多变量的特点；优化配置模型的目标函数和约束条件为步骤104建立的目标函数、约束条件，具有非线性。因此，本实施例中分布式能源系统的优化配置问题为非确定性多项式(Non-determinism Polynomial,NP)问题，可以利用启发式算法对优化配置方案进行求解。启发式算法(heuristic algorithm)是相对于最优化算法提出的，在可接受的区间内给出待解决优化问题的可行解，目前通用的启发式算法有模拟退火算法、遗传算法、蚁群算法等，随机或近似随机搜索非线性空间中的全局最优解。
综上，本发明在分布式能源系统优化配置阶段，考虑了用户侧模糊需求响应参与度，解决了室外温度和电价共同影响下的需求侧响应参与度问题，充分利用了建筑和空调调节装置的热储能特性，在用户舒适度允许下，提高了分布式能源系统优化配置方案的经济性，进而可以大幅度降低系统经济成本。
上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。
Claims (6)
1.一种基于模糊需求响应的分布式能源系统优化配置方法，其特征在于，包括：
根据分布式能源系统的内部结构和能量流动关系，建立分布式能源系统的能量流动拓扑和基本负荷模型；
基于室内外温度传递规律建立空调调节系统装置输出与室内温度函数关系，得到需求侧响应模型；
以室外温度和电价为主要需求侧响应影响因素，以模糊综合评判为方法，提出计及室外温度和电价的模糊需求响应参与度模型，建立基于模糊需求响应的负荷模型；
建立分布式能源系统优化配置目标函数、约束条件；
基于分布式能源系统的能量流动拓扑和基于模糊需求响应的负荷模型、优化配置目标函数和约束条件，建立优化配置模型，并进行求解；
所述以室外温度和电价为主要需求侧响应影响因素，以模糊综合评判为方法，提出计及室外温度和电价的模糊需求响应参与度模型，建立基于模糊需求响应的负荷模型包括：
a.划分需求侧响应参与度评价等级：按照5级评价指标：高、较高、中、较低、低，对需求侧响应参与度进行分级，在室外温度和电价共同作用下产生的用户需求侧响应参与度；
b.确定模糊综合评判权重集：确定评判权重集，建立室外温度、电价对需求侧响应参与度的影响权重矩阵A，如式(8)示：
A＝[aT ap] (8)
式中，aT为室外温度对需求侧响应参与度的影响权重，ap为电价对需求侧响应参与度的影响权重，且存在关系：
aT+ap＝1 (9)
c.确定室外温度、电价影响因素隶属度函数；其中，温度对需求侧响应参与度的隶属度函数如式(10)：
其中，Tout为室外温度，rTi为被测温度对应需求侧响应参与度论域第i个语言值的隶属度；
d.进行需求侧响应参与度模糊综合评估：根据隶属度函数获得当前状态下温度、电价相对需求侧响应参与度的隶属度函数矩阵R，如式(11)示；通过模糊运算，获得当前状态下需求侧响应参与度；按照最大隶属度原则，模糊综合评判集B中最大值所对应的评价级别即对应当前状态下需求侧响应参与度的评价结果，如式(12)示；
e.根据生成的需求侧响应参与度模型进行空间热负荷、空间冷负荷情况修改，负荷削减情况按照需求侧响应参与度程度进行，如式(13)所示：
式中，ki为需求侧响应约束条件系数，5个需求侧响应参与度评价由高到低ki取值为[1,0.8,0.6,0.4,0.2]。
2.如权利要求1所述的基于模糊需求响应的分布式能源系统优化配置方法，其特征在于，所述分布式能源系统包括电网、CHP机组、蓄电池、储热装置、电制冷装置和电负荷、空间冷负荷、空间热负荷和热水负荷；电网和CHP机组对终端电负荷进行供应，蓄电池进行充放电；电制冷装置获取电量对空间冷负荷进行供应；CHP机组通过余热回收装置进行废弃热回收，储热装置进行充放热。
3.如权利要求2所述的基于模糊需求响应的分布式能源系统优化配置方法，其特征在于，所述根据分布式能源系统的内部结构和能量流动关系来建立分布式能源系统的能量流动拓扑和基本负荷模型包括：
a.CHP机组主要由原动机和余热回收装置组成，如式(1)示：
式中，CHP机组产生电功率为PGT，产生热功率为QHR，CHP机组电热比为ηCHP，总燃料投入能量为FCHP，Et、EE分别是CHP机组的总效率、电效率；
b.蓄电池总容量为EES，t时刻存储状态为E(t)，
式中，Pch(t)和Pdis(t)为t时刻储能电池充放电功率，ηch和ηdis为储能电池的充放电效率，储能电池的荷电状态SOC指储能电池的实际储存电量与额定容量的比值：
c.储热装置t时刻储热储状态为H(t)，
式中，Qch(t)和Qdis(t)分别为t时刻充放热功率，ηth、ηch,th和ηdis,th分别为储热装置的存储效率和充放热效率；
d.电制冷装置输出冷量QEC需输入电量PEC，其制冷能效比为COPEC，
QEC(t)＝PEC(t)×COPEC (5)
e.终端负荷包括电负荷、空间热负荷、空间冷负荷和热水负荷。
4.如权利要求1所述的基于模糊需求响应的分布式能源系统优化配置方法，其特征在于，所述基于室内外温度传递规律建立空调调节系统装置输出与室内温度函数关系为：
其中，Δt为单位时间，ΔQh为单位时间制热装置调节供热功率变化值，ΔQc为单位时间内制冷装置调节制冷功率变化值，
为单位时间内室内温度变化值，Rr、Cr为建筑物等效热阻和等效热容，kh、kc为空调调节系统装置显热比；在舒适度允许下，对冷热负荷进行削减，进行需求侧响应，如式(7)示：
式中，ΔTmax为用户侧舒适度允许下的最大温度变化值。
5.如权利要求1所述的基于模糊需求响应的分布式能源系统优化配置方法，其特征在于，所述建立分布式能源系统优化配置模型的目标函数、约束条件包括：
a.考虑分布式能源系统建设周期的全过程，分布式能源系统优化配置目标函数为经济成本，包括燃气轮机、蓄电池、储热装置、电制冷装置的投资成本Cinv、运维成本Com、购电成本Cgrid和燃料成本Cfuel，如式(14)示：
minC＝Cinv+Com+Cgrid+Cfuel (14)
b.约束条件包含电功率、热功率和冷功率平衡约束，分布式能源系统缺电/热/冷率、弃电/热/冷率约束，CHP机组运行约束，蓄电池充放电约束和储热装置充放热约束。
6.如权利要求1所述的基于模糊需求响应的分布式能源系统优化配置方法，其特征在于，采用启发式算法来对优化配置模型进行求解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910790236.2A CN110594962B (zh) | 2019-08-26 | 2019-08-26 | 一种基于模糊需求响应的分布式能源系统优化配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910790236.2A CN110594962B (zh) | 2019-08-26 | 2019-08-26 | 一种基于模糊需求响应的分布式能源系统优化配置方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110594962A CN110594962A (zh) | 2019-12-20 |
| CN110594962B true CN110594962B (zh) | 2021-04-02 |
Family
ID=68855673
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910790236.2A Active CN110594962B (zh) | 2019-08-26 | 2019-08-26 | 一种基于模糊需求响应的分布式能源系统优化配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110594962B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113269372B (zh) * | 2021-06-23 | 2024-08-23 | 华北电力大学 | 一种考虑用户意愿的集群电动汽车可调度容量预测评估方法 |
| CN114135984B (zh) * | 2021-11-22 | 2023-03-03 | 珠海格力电器股份有限公司 | 空调的仿真控制系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3082010A1 (en) * | 2015-04-17 | 2016-10-19 | Fourdeg Oy | A system for dynamically balancing a heat load and a method thereof |
| CN105207205B (zh) * | 2015-09-16 | 2018-01-26 | 国网天津市电力公司 | 一种融合需求侧响应的分布式能源系统能量优化调控方法 |
| CN105528658B (zh) * | 2016-01-25 | 2020-02-18 | 东南大学 | 一种计及户用分布式电源的居民用户合作博弈用电安排方法 |
| CN108539784B (zh) * | 2018-04-13 | 2020-01-14 | 华南理工大学 | 基于需求侧响应的微电网最优机组及分时电价的优化方法 |
| CN109412148B (zh) * | 2018-10-18 | 2022-04-12 | 中国科学院广州能源研究所 | 计及环境成本与实时电价的可平移负荷模型构建方法 |
| CN109934450A (zh) * | 2018-12-29 | 2019-06-25 | 国网天津市电力公司电力科学研究院 | 基于需求侧响应的多场景主动配电网规划评估方法 |
-
2019
- 2019-08-26 CN CN201910790236.2A patent/CN110594962B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110594962A (zh) | 2019-12-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Luo et al. | Multi-objective capacity optimization of a distributed energy system considering economy, environment and energy | |
| Cao et al. | Optimal design and operation of a low carbon community based multi-energy systems considering EV integration | |
| CN109859071B (zh) | 虚拟电厂多能互补的源荷储优化配置方法 | |
| US11610214B2 (en) | Deep reinforcement learning based real-time scheduling of Energy Storage System (ESS) in commercial campus | |
| CN112419087B (zh) | 一种聚合综合能源楼宇的虚拟电厂日前优化调度方法 | |
| Liu et al. | Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios | |
| CN113987734A (zh) | 机会约束条件的园区综合能源系统多目标优化调度方法 | |
| CN111463836A (zh) | 一种综合能源系统优化调度方法 | |
| CN104392286A (zh) | 考虑冷热电联供和储能运行策略的微电网运行优化方法 | |
| CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
| CN111640044A (zh) | 一种考虑虚拟储能的综合能源系统dg消纳策略研究方法 | |
| CN103745268A (zh) | 含分布式电源的微电网多目标优化调度方法 | |
| JP2017535241A (ja) | ローカルエネルギーネットワークを最適化するための制御装置 | |
| CN110110904A (zh) | 考虑经济性、独立性和碳排放的综合能源系统优化方法 | |
| CN114662752B (zh) | 基于价格型需求响应模型的综合能源系统运行优化方法 | |
| CN112600253B (zh) | 基于用能效率最优的园区综合能源协同优化方法及设备 | |
| CN110729726A (zh) | 一种智慧社区能量优化调度方法和系统 | |
| CN110594962B (zh) | 一种基于模糊需求响应的分布式能源系统优化配置方法 | |
| CN112418488B (zh) | 一种基于两阶段能量优化的综合能源系统调度方法及装置 | |
| CN112883630A (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
| CN109447360A (zh) | 一种冷热电多能源供能系统的能源购置方案优化方法 | |
| CN110504684B (zh) | 一种区域多微网系统日前优化调度方法 | |
| Jintao et al. | Optimized operation of multi-energy system in the industrial park based on integrated demand response strategy | |
| CN115241923A (zh) | 一种基于蛇优化算法的微电网多目标优化配置方法 | |
| CN114997460A (zh) | 考虑可再生能源最大消纳的区域型微能源网运行优化方法 |
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 |