CN110657512A - 基于热电联合调度的冰蓄冷空调经济性分析方法和装置 - Google Patents
基于热电联合调度的冰蓄冷空调经济性分析方法和装置 Download PDFInfo
- Publication number
- CN110657512A CN110657512A CN201810701153.7A CN201810701153A CN110657512A CN 110657512 A CN110657512 A CN 110657512A CN 201810701153 A CN201810701153 A CN 201810701153A CN 110657512 A CN110657512 A CN 110657512A
- Authority
- CN
- China
- Prior art keywords
- power
- ice storage
- ice
- period
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 241
- 238000004458 analytical method Methods 0.000 title claims description 20
- 230000005611 electricity Effects 0.000 claims abstract description 136
- 238000005057 refrigeration Methods 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000009467 reduction Effects 0.000 claims abstract description 27
- 239000003245 coal Substances 0.000 claims abstract description 21
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 14
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 29
- 238000001816 cooling Methods 0.000 claims description 15
- LYCAIKOWRPUZTN-UHFFFAOYSA-N Ethylene glycol Chemical compound OCCO LYCAIKOWRPUZTN-UHFFFAOYSA-N 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 9
- 239000003507 refrigerant Substances 0.000 claims description 3
- 238000011084 recovery Methods 0.000 abstract description 22
- 230000008901 benefit Effects 0.000 abstract description 13
- 230000007613 environmental effect Effects 0.000 abstract description 10
- 230000007246 mechanism Effects 0.000 abstract description 4
- 238000011156 evaluation Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 11
- 238000004064 recycling Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 238000005265 energy consumption Methods 0.000 description 5
- 238000002844 melting Methods 0.000 description 5
- 230000008018 melting Effects 0.000 description 5
- 238000004378 air conditioning Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 3
- 230000008020 evaporation Effects 0.000 description 3
- 238000001704 evaporation Methods 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000007303 Carboni reaction Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011234 economic evaluation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- WGCNASOHLSPBMP-UHFFFAOYSA-N hydroxyacetaldehyde Natural products OCC=O WGCNASOHLSPBMP-UHFFFAOYSA-N 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- OIGNJSKKLXVSLS-VWUMJDOOSA-N prednisolone Chemical compound O=C1C=C[C@]2(C)[C@H]3[C@@H](O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 OIGNJSKKLXVSLS-VWUMJDOOSA-N 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method 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
- F24F5/00—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater
- F24F5/0007—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater cooling apparatus specially adapted for use in air-conditioning
- F24F5/0017—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater cooling apparatus specially adapted for use in air-conditioning using cold storage bodies, e.g. ice
-
- 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
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/14—Thermal energy storage
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明实施例提供的基于热电联合调度的冰蓄冷空调经济性分析方法和装置，考虑冰蓄冷的热电联合调度模型及环境效益、经济性评估；建立带冰蓄冷装置的制冷系统模型；再次，建立制冷系统模型及热电联合调度模型，为储冰的转移冷负荷提供边界，为储冷方案的可行性提供保证；考虑主要影响因素，将整体的实际储冰量折算为储冰容量，分析储冰量对低谷电量增长、煤耗减排、碳排放减排、投资回收期的定量影响，得到最优储冰量范围，分析低谷电价对投资回收期的影响，为后续制定低谷电价交易机制及相关政策提供参考。
Description
技术领域
本发明涉及可再生能源消纳及储能技术领域，更具体地，涉及基于热电联合调度的冰蓄冷空调经济性分析方法。
背景技术
冰蓄冷技术日前主要应用在空调技术领域，是一种对电网负荷移峰填谷具有显著作用的用户侧管理技术，该技术利用富余电力开启制冷机组制冰，把冷量以冰的形式储存起来，在用电峰电时段则通过融冰的方式释放出冷量以供空调用户需求，从而避免或减少使用峰电时段的电力。
冰蓄冷系统在夜间谷电时段储冰，白天非谷电时段融冰释冷，即将夏季峰电时段的冷负荷转移到谷电时段，引导电网谷电时段的用能负荷转变为可调控的低谷用电负荷，具有削峰填谷的作用。采用储冰技术还导致低谷水电增加，非谷电时段电量降低，运行大型储冷装置对发电厂、电网的稳定运行造成影响，大容量储冰可提升夜间谷电时段可再生能源消纳，同时减少化石能源燃烧造成的的煤耗值及碳排放量等，实现对电网负荷的移峰填谷，减轻电网负荷的峰谷差矛盾，提高发电厂的运行效率，最终实现全局性的节能减排效益，具有社会与环境效益。
然而，由于制冰工况蒸发温度较制冷工况低，储冰时热力学效率显著降低，制取相同冷负荷消耗的制冰机用电量大于常规制冷机组，夜间谷电时段储冰导致的电量增长大于白天非谷电时段的制冷电量降低值，全天制冷电负荷不降反增，在合理的分时电价下，用户侧年运行费用减低，但储冰系统的初投资较高，难以分析储冰量、低谷电价对储冰方案的经济性及社会环境效益的影响。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的基于热电联合调度的冰蓄冷空调经济性分析方法和装置，解决了现有技术中储冰系统的初投资较高，难以分析储冰量、低谷电价对储冰方案的经济性及社会环境效益的影响的问题。
根据本发明的一个方面，提供一种基于热电联合调度的冰蓄冷空调经济性分析方法，包括：
根据用电侧可调节冷负荷建立冰蓄冷耗电量模型，并基于所述冰蓄冷耗电模型建立热电联合调度模型，根据所述热电调度模型建立冰蓄冷系统初期投资模型；
基于所述冰蓄冷系统初期投资模型得到储冰容量，基于所述储冰容量、低谷电价和冰蓄冷系统初期投资模型获取所述冰蓄冷系统的投资回报周期。
根据本发明的一个方面，提供一种基于热电联合调度的冰蓄冷空调经济性分析装置，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如上述基于热电联合调度的冰蓄冷空调经济性分析方法。
根据本发明的一个方面，提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如上述基于热电联合调度的冰蓄冷空调经济性分析方法。
本发明提出的基于热电联合调度的冰蓄冷空调经济性分析方法和装置，考虑冰蓄冷的热电联合调度模型及环境效益、经济性评估；建立带冰蓄冷装置的制冷系统模型；再次，建立制冷系统模型及热电联合调度模型，为储冰的转移冷负荷提供边界，为储冷方案的可行性提供保证；考虑主要影响因素，将整体的实际储冰量折算为储冰容量，分析储冰量对低谷电量增长、煤耗减排、碳排放减排、投资回收期的定量影响，得到最优储冰量范围，分析低谷电价对投资回收期的影响，为后续制定低谷电价交易机制及相关政策提供参考。
附图说明
图1为根据本发明实施例的基于热电联合调度的冰蓄冷空调经济性分析方法示意图；
图2为根据本发明实施例的某地区典型日全天逐时可调节冷负荷示意图；
图3为根据本发明实施例的转移电量随每日储冰量的变化曲线示意图；
图4为根据本发明实施例的碳减排及煤耗减少值随储冰量变化曲线示意图；
图5为根据本发明实施例的初投资增值及用户侧年费用减少值随储冰量变化曲线示意图；
图6为根据本发明实施例的不同低谷电价下回收期随储冰量变化曲线示意图；
图7为根据本发明实施例的新建区域投资回收期随低谷电价的变化规律示意图；
图8为根据本发明实施例的改建区域回收期随低谷电价的变化规律示意图；
图9为根据本发明实施例的基于热电联合调度的冰蓄冷空调经济性分析装置示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
冰蓄冷空调技术是20世纪80年代发展起来的一项技术，通过采用冰作为储能介质，使大型空调机组在用电低谷期储存能量，并在电网的供电高峰期供应冷负荷，从而降低楼宇夏季用电高峰时的负荷峰值，使电网移峰运行，并通过用电峰谷差价产生一定收益。
现有技术中的研究大都是对热力系统的孤立分析，未在建模过程中全面考虑冰蓄冷热力系统与电力系统间相互约束。因此，为准确地分析储冰技术对促进水电消纳的影响，需建立冰蓄冷制冷系统热力系统及热电联合调度模型。
由于制冰工况蒸发温度较制冷工况低，储冰时热力学效率显著降低，制取相同冷负荷消耗的制冰机用电量大于常规制冷机组，夜间谷电时段储冰导致的电量增长大于白天非谷电时段的制冷电量降低值，全天制冷电负荷不降反增，在合理的分时电价下，用户侧年运行费用减低，但储冰系统的初投资较高，用户侧的总收益受储冰量、低谷电价等影响。
因此，为了解决上述问题，分析储冰量、低谷电价对储冰方案的经济性及社会环境效益的影响。
本实施例中提供了一种基于热电联合调度的冰蓄冷空调经济性分析方法，如图1所示，包括：
根据用电侧可调节冷负荷建立冰蓄冷耗电量模型，并基于所述冰蓄冷耗电模型建立热电联合调度模型，根据所述热电调度模型建立冰蓄冷系统初期投资模型；
基于所述冰蓄冷系统初期投资模型得到储冰容量，基于所述储冰容量、低谷电价和冰蓄冷系统初期投资模型获取所述冰蓄冷系统的投资回报周期。
在本实施例中，考虑冰蓄冷的热电联合调度模型及环境效益、经济性，通过建立带冰蓄冷装置的制冷系统模型；再次，建立制冷系统模型及热电联合调度模型，为储冰的转移冷负荷提供边界，为储冷方案的可行性提供保证。考虑主要影响因素，将整体的实际储冰量折算为储冰容量，分析储冰量对低谷电量增长、煤耗减排、碳排放减排、投资回收期的定量影响，得到最优储冰量范围。分析低谷电价对投资回收期的影响，为后续制定低谷电价交易机制及相关政策提供参考。
虑储冷的热电联合调度模型，假设非谷电时段冷负荷降低值等于该时段的火电出力下调值，即削掉非谷电时段的火电，提升谷电时段水电，从而提高全天可再生能源消纳比例，实现水电、火电与大型冰蓄冷的协调优化，使电力、热力系统的整体经济性最优，而非仅仅电力、热力系统内的优化。基于用户侧(用电侧)、电厂侧(水电厂、火电厂)、电网侧、环境侧的综合评价指标，分析了储冰量、电价对各项指标的影响。
具体的，从电学角度，对需求侧特性进行分析，挖掘具有灵活性的负荷类型。调研某地区2016年至2017年多个典型日的全天逐时负荷并统计分析。通过季节性用电类型分析及数学方法，夏季的温度对城市负荷的影响。2010年夏季负荷.温度曲线，明显可以看出夏季负荷的波动与最高温度波动趋势相一致。夏季用电负荷增长主要受建筑负荷、商用制冷设备等影响。对6-10月重庆地区的日逐时冷负荷进行预测。总用电负荷受气温、节假日、用户负载率等因素影响较大。考虑气温因素影响，重庆气候有明显的四季之分，年平均气温18℃左右，春季平均温度12-22℃，夏季平均温度在27－29℃，秋季平均温度14.6-20.1℃，冬季平均温度6-8℃。7、8月气温最高，最高极限气温可达43.8℃；考虑节假日因素，工作日办公楼、写字楼等耗电量较大，非工作日能耗较小，因此需对工作日与非工作日区别分析。
以某地区典型日的灵活性负荷为研究对象，根据冰蓄冷系统的运行特性，建立用冰蓄冷系统的耗电量模型及初投资模型。
在本实施例中，根据用电侧可调节冷负荷建立冰蓄冷耗电量模型前，还包括：
对用电侧的全天逐时电负荷特性进行分析，得到用电侧的冷负荷，并提取其中集中式供冷系统的用电负荷，得到用电侧可调节冷负荷的变化曲线。
从电学角度对需求侧特性进行分析，挖掘具有灵活性的负荷类型。总用电负荷受气温、节假日、用户负载率等因素影响较大。考虑气温因素及用户负载率因素，选取该地区2016年至2017年不同季节的工作日、非工作日、节假日为典型日进行负荷特性调研，通过季节性用电类型分析及数学方法，分析并预测该地区的制冷负荷变化规律。
根据用户类型划分，制冷负荷主要包括商用建筑冷负荷、冷库、民用建筑负荷、工业制冷负荷等，其中住宅冷负荷多数通过分体式空调提供，灵活性较低，不适用冰蓄冷技术。而商用建筑及工业用冷等大型供冷场合可调节性较高，假设该地区可调节冷负荷冷负荷占总用电比例为10％，设中央空调平均能效比为5.0，据此得到某地区典型日可调节逐时冷负荷曲线，如图2中的表所示。可以看出，19点处于用电负荷高峰期，却处于供冷负荷低谷期，这与用户负载率有关，因为此时大多数人离开办公室还未返回室内。
根据用电侧可调节冷负荷建立冰蓄冷耗电量模型具体包括：
基于峰谷时段冷负荷和从峰电时段转移到低谷时段的冷负荷得到峰电时段制冷系统用电负荷；
基于冰蓄冷方法从峰电时段转移到低谷时段的冷负荷和从平电时段转移到低谷时段的冷负荷得到平电时段制冷系统用电负荷；
基于低谷时段冷负荷、从平电时段转移到低谷时段的冷负荷、从峰电时段转移到低谷时段的冷负荷、全天转移冷负荷的总和得到谷电时段制冷系统用电负荷；
基于所述峰电时段制冷系统用电负荷、所述平电时段制冷系统用电负荷和所述谷电时段制冷系统用电负荷建立冰蓄冷耗电量模型。
具体的，制冰工况的蒸发温度低，能效比低于制冷工况。实际循环中制冷系统的能效比小于理论能效比，根据系统辨识数据，通常主机在制冷工况下运行时的能效比为4.1-5.9，制冰工况的能效比为2.9-4.1。计算时取制冷、制冰工况下的能效比分别为5.0与3.0。
采用冰蓄冷技术，制冷系统耗电量为Wtotal，由公式(1)计算可得冰蓄冷耗电量模型。
Wtotal＝Wp+Wv+Wm (1)
其中，Wp、Wv、Wm分别为峰电时段、谷电时段、平电时段的制冷系统用电负荷通过式(2)计算。
其中，Qpeak、Qvalley、Qm为峰电时段、谷电时段、平电时段的用户冷负荷。Qpv、Qmv分别为从峰电时段、平电时段转移到谷电时段的冷负荷，Qpmv为全天转移冷负荷的总和。Qloss为储冷损失，Qm为利用冰蓄冷技术从峰电时段转移到谷电时段的冷负荷，εw、εi分别为制冷、制冰工况下的系统能效比。
非谷电时段(峰电及平电时段)的用电量降低由公式(3)可得，△Wp为峰电时段用电量增加值，△Wm为平电时段用电量增加值。
谷电时段用电量增加值由式(4)计算。
全天用电量增加值由式(5)计算。
若漏热等附加冷负荷系数为0.04～0.08，取值为0.06：
Qloss＝0.06Qpmv (6)
式(6)可写为式(7)：
规制冷系统的初投资主要包括制冷主机、换热器、水泵等部件，制冷主机额定制冷量Prr由峰电时段负荷Ppeak最大值计算，如式(8)所示。
Prr＝max{Ppeak} (8)
在上述实施例的基础上，获取冰蓄冷系统的耗电量模型具体包括：
基于用电侧全天最大冷负荷制定冰蓄冷系统中的制冷主机的额定制冷量，并加载基载制冷机、双工况制冷机组、储冰单元、载冷剂换热器和乙二醇泵。
与常规制冷系统相比，带冰蓄冷装置的制冷系统主要增加了基载制冷机、双工况制冷机组、储冰单元、载冷剂换热器、乙二醇泵等部件，初投资还受蓄冰模式、蓄冰容量及控制策略影响。采用冰蓄冷技术后，峰电时段通过制冷主机制冷加融冰释冷供冷；谷电时段利用制冷主机制冷，双工况机组制冰，削峰填谷使得制冷系统额定制冷量降低。在此采用分量蓄冰模式及融冰优先的控制策略，假设制冰工况制冷量系数为0.65-0.68，则双工况制冷机组的最小装机容量Pir由式(9)计算。
其中，Qpmv表示全天转移冷负荷，Qloss表示储冷损失，tv表示蓄冰所需时间。
非谷电时段冷负荷除通过融冰释冷提供外，还需运行制冷主机供冷，而且，若谷电时段有一定的冷负荷，需要建立基载制冷机。基载制冷机制冷容量Pbr应在谷电用户最大冷负荷及非谷电时段最高负荷与双工况机组制冷量之差中取较大值，见式(10)。
Pbr＝max[(Pmaxr-Pir),Pmax,valley] (10)
其中，Pmaxr为全天最高冷负荷，Pmax,valley为谷电时段用户最高冷负荷。
冰蓄冷空调机组与常规制冷机组的初投资差值主要在于双工况冷水机组、基载机组、储冰单元、乙二醇泵等部件费用，以某品牌空调为例，设备报价如表1所示。
表1冰蓄冷系统初投资
根据统计数据，乙二醇泵占总投资约2％。采用冰蓄冷技术后的初投资增值由式(11)计算，式中，Fir、Fbr、Ficetank、Prr为双工况冷水机组、基载机组、储冰单元及常规制冷机组的初投资。
ΔFtotal＝1.02(Fir+Fbr+Ficetank)-Frr (11)
在电力系统中火电厂最小化煤耗约束和水电厂最小化弃水的约束下建立基于热电联合调度模型；
为达到提升水电消纳、降低化石能源比例的目的，建立考虑储冷的热电联合调度模型，假设低谷水电增量为储冷用电负荷，非谷电时段冷负荷降低值等于该时段的火电出力下调值，即削掉非谷电时段的火电，提升谷电时段水电。在发电厂安全运行约束、电网容量约束下，实现水电、火电与大型冰蓄冷的协调优化，使电力、热力系统的整体经济性最优，而非仅仅电力、热力系统内的优化。
运行储冰装置后，在t时刻水电出力增值ΔPwater,t应为谷电时段储冰所耗电功率Pice,t。
ΔPwater,t＝Pice,t (12)
其中，Pice,t满足:
储冰周期为1天，次日在t时刻非谷电时段火电出力的降低值ΔPthermal,t为由于融冰释冷减少的电力由式(14)计算。
其中，tpm为峰电、谷电时段制冷系统的运行时间。
谷电时段运行储冰装置后，峰电时段、平电时段火电出力下降，则需保证火电厂出力不小于最小机组出力由式(15)计算。
Pthermal,peak-ΔPthermal,t≥Pthermal,min (15)
谷电时段水电上网比例提升，则水电出力不大于水电厂运行振动区的上限由式(16)计算。
Pwater,valley+ΔPthermal,t≤Pwater,max (16)
其中，Pthermal,peak为峰电时段、平电时段原火电出力值(不采用储冰装置情形下上网电量)，Pthermal,min为火电厂最小机组出力；Pwater,valley为水电上网电力，Pwater,max为水电厂最大技术出力。
电网容量约束如式(17)所示，Pgrid,max为电网最大传输容量，Pvalley为不加大型储冷时的原始水电出力。
以典型日为例，调研各电厂上网数据及安全运行参数，火电厂与水电厂装机容量数据表明，最小火电出力约5653MW，最大12000MW，水电全年最大出力4000MW(视作夏季谷电时段上行阈值)，最小出力900MW。由此得到考虑储冰特性时的电力系统运行边界。火电厂在非谷电时段每天最大可压低2175万度，对应转移冷负荷10875万度；水电厂在谷电时段每天最大可增加电量1885万度，对应转移冷负荷5336万度。全天非谷电时段总冷负荷为4.3e+8kWh，则最大可对某地区12.5％冷负荷进行全量储冰改造。
在本实施例中，基于所述储冰容量及低谷电价获取所述冰蓄冷系统的投资回报周期，具体包括：
在未有常规制冷系统时，基于低谷电价变化时，电网侧电厂侧总收益与用户侧收益间的制约关系，得到不同储冰容量下低谷电价与用户侧的投资回报周期的关系；
在有常规制冷系统时，基于低谷电价得到投资回报周期。
针对处于设计周期还未投产的制冷系统、已投产常规制冷系统区域两种情景，分别分析投资回收期随低谷电价的变化关系。
具体的，提出用户侧经济性与环境效益的综合评价指标，储冰量与低谷电价为影响用户经济效益的主要因素。主要经济性指标、环境效益指标包括以下各项：
用户每天转移用电量ΔWtotal由式(18)计算。
在现行电价基础上，按照该地区峰、平、谷电电价规则，假设低谷电价为fv元，峰平时段电价分别为fp、fm元。一年运行天数为150天，用户侧年运行费用ΔFuser。
初投资较常规空调机组增加值ΔFtotal：
ΔFtotal＝1.02(Fir+Fbr+Ficetank)-Frr (20)
其中，Fir、Fbr、Ficetank、Prr为双工况冷水机组、基载机组、储冰单元及常规制冷机组的初投资。
火电厂标准煤耗减少值Ecoal等于冰蓄冷空调运行天数、每天峰电时段与平电时段降低的火电出力ΔWp、单位发电量的标准煤耗量ΔWm的乘积，如式(21)所示。
Ecoal＝150mcoal(ΔWp+ΔWm) (21)
其中，mcoal为单位发电量的标准煤耗量。
火电厂年碳排放减少值Ecarbon：
Ecarbon＝150ecarbon(ΔWp+ΔWm) (22)
其中，ecarbon为单位电量的污染物(二氧化碳、二氧化硫等)排放量。
从用户侧(即用电侧)的角度，利用谷电时段的低价水电储冰，可降低系统运行费用。储冰量越大，系统运行费用越低，然而，蓄冰系统造价较高，初投资随储冰量的增大而增高。因此首先分析储冰量对水电厂出力、火电厂出力、节煤量、用户侧运行费用减少值等的影响规律。
将可调节冷负荷视作整体，分析初投资、运行费用及回收期随储冰容量的变化。非谷时总冷量Qpmv为最大值为4.3e+07kWh，一般半量蓄冰最大蓄冰率为50％，转移冷负荷范围如式(23)所示。
Qpmv∈(0,0.5αflex(Qpv+Qmv)] (23)
其中，αflex为某地区每日灵活性负荷占总负荷比例系数，取10％。最大转移电量不超过电力系统运行的安全范围。
从图3可得，随着储冰量增大，转移电量越大，用户侧年运行费用随之增大。按照单位发电量消耗标准煤0.37kg，碳排放量为0.962kg计算，图4为煤耗减排值、碳减排值则随储冰量的变化曲线。最优储冰量为2.77e+6kWh(蓄冰率为6.5％)，此时每天的低谷水电消纳增量为98万kWh，每天火电出力降低55万kWh，年标准煤耗减少约3万吨，年碳排放减少约7.9万吨。
初投资及年运行费用减少值随储冰量的曲线如图5所示，当储冰量较小时，带有蓄冰装置的制冷系统设计初投资增长速率较小，储冰量较大时，由于谷电时段冷负荷较大，基载机组设计功率反而偏大，初投资增长速率开始变大。转折点处的转移冷负荷值为2.77e+6kWh。这是由于某地区夏季昼夜温差较小，全天逐时冷负荷相差不大，由于谷电时段冷负荷较大，谷时供冷所需的基载机组容量较大，使得储冷量在超过较小值后就要由于基载机组加大初投资。
从图6可看出，回收期随储冰容量的增大先减小后增大，若以最低回收期为最经济，则当储冰量为2.77e+6kWh，对应蓄冰率为6.5％时，为最优储冰量。相同的回收期下，储冰量越大带来的长期经济效益及环境效益越大，因此储冰量选择区域应为大于最优储冰量的范围。此外，随着电价降低，最小回收期随之变短，当电价低于0.2元时，冰蓄冷空调有可能5年收回成本，开始盈利。
低谷电价是影响用户侧经济性的另一重要因素。图7为不同储冰量下投资回收期随低谷电价的变化规律。回收期随着低谷电价增长而缩短，在现行低谷电价0.37元下，储冰量2.77e+6kWh、蓄冰率6.5％时回收期为9.6年，储冰量5.00e+6kWh、蓄冰率11.6％时的回收期为15年，储冰量8.00e+6kWh、蓄冰率为18.6％时的回收期为17.5年。在储冰量为2.77e+6kWh、5.00e+6kWh的情形下，使得用户回收期为5年的低谷电价分别为0.20元、0.05元，储冰量继续增大，则使得回收期小于5年的低谷电价为负值，因此，储冰量过高时，必须大幅度降低低谷电价，方可缩短回收期。
以上对电价的优化分析仅针对处于设计周期还未投产的新建制冷系统，对于已投产常规制冷系统区域，其年运行费用降低值与前者相同，但初投资增加值不同，则回收期可通过式(24)计算。
从表达式可看出回收期只与电价有关，回收期与储冰量无关。此时回收期随低谷电价的变化曲线如图8所示，可以看出当电价为0.2元时，回收期为12年，当电价为0时，回收期长达7.5年，回收期5年所对应的当低谷电价为-0.3元，即电网补贴用户0.3元。因此，大型冰蓄冷装置适用于新建供冷区域，不宜用于改建区域。
图9是示出本申请实施例的基于热电联合调度的冰蓄冷空调经济性分析设备的结构框图。
参照图9，所述的基于热电联合调度的冰蓄冷空调经济性分析设备，包括：处理器(processor)810、存储器(memory)830、通信接口(Communications Interface)820和总线840；
其中，
所述处理器810、存储器830、通信接口820通过所述总线840完成相互间的通信；
所述处理器810用于调用所述存储器830中的程序指令，以执行上述各方法实施例所提供的基于热电联合调度的冰蓄冷空调经济性分析方法，例如包括：
根据用电侧可调节冷负荷建立冰蓄冷耗电量模型，并基于所述冰蓄冷耗电模型建立热电联合调度模型，根据所述热电调度模型建立冰蓄冷系统初期投资模型；
基于所述冰蓄冷系统初期投资模型得到储冰容量，基于所述储冰容量、低谷电价和冰蓄冷系统初期投资模型获取所述冰蓄冷系统的投资回报周期。
本实施例还公开一种基于热电联合调度的冰蓄冷空调经济性分析设备，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如上述基于热电联合调度的冰蓄冷空调经济性分析方法，例如包括：
根据用电侧可调节冷负荷建立冰蓄冷耗电量模型，并基于所述冰蓄冷耗电模型建立热电联合调度模型，根据所述热电调度模型建立冰蓄冷系统初期投资模型；
基于所述冰蓄冷系统初期投资模型得到储冰容量，基于所述储冰容量、低谷电价和冰蓄冷系统初期投资模型获取所述冰蓄冷系统的投资回报周期。
本实施例还公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的基于热电联合调度的冰蓄冷空调经济性分析方法，例如包括：
根据用电侧可调节冷负荷建立冰蓄冷耗电量模型，并基于所述冰蓄冷耗电模型建立热电联合调度模型，根据所述热电调度模型建立冰蓄冷系统初期投资模型；
基于所述冰蓄冷系统初期投资模型得到储冰容量，基于所述储冰容量、低谷电价和冰蓄冷系统初期投资模型获取所述冰蓄冷系统的投资回报周期。
本实施例还提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的基于热电联合调度的冰蓄冷空调经济性分析方法，，例如包括：
根据用电侧可调节冷负荷建立冰蓄冷耗电量模型，并基于所述冰蓄冷耗电模型建立热电联合调度模型，根据所述热电调度模型建立冰蓄冷系统初期投资模型；
基于所述冰蓄冷系统初期投资模型得到储冰容量，基于所述储冰容量、低谷电价和冰蓄冷系统初期投资模型获取所述冰蓄冷系统的投资回报周期。
综上所述，本发明提出一种基于热电联合调度的冰蓄冷空调经济性分析方法和装置，考虑冰蓄冷的热电联合调度模型及环境效益、经济性评估；建立带冰蓄冷装置的制冷系统模型；再次，建立制冷系统模型及热电联合调度模型，为储冰的转移冷负荷提供边界，为储冷方案的可行性提供保证；考虑主要影响因素，将整体的实际储冰量折算为储冰容量，分析储冰量对低谷电量增长、煤耗减排、碳排放减排、投资回收期的定量影响，得到最优储冰量范围，分析低谷电价对投资回收期的影响，为后续制定低谷电价交易机制及相关政策提供参考。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的显示装置的测试设备等实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上各实施例仅用以说明本发明的实施例的技术方案，而非对其限制；尽管参照前述各实施例对本发明的实施例进行了详细的说明，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，或者对其中部分或者全部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的实施例各实施例技术方案的范围。
Claims (10)
1.一种基于热电联合调度的冰蓄冷空调经济性分析方法，其特征在于，包括：
根据用电侧可调节冷负荷建立冰蓄冷耗电量模型，并基于所述冰蓄冷耗电模型建立热电联合调度模型，根据所述热电调度模型建立冰蓄冷系统初期投资模型；
基于所述冰蓄冷系统初期投资模型得到储冰容量，基于所述储冰容量、低谷电价和冰蓄冷系统初期投资模型获取所述冰蓄冷系统的投资回报周期。
2.根据权利要求1所述的基于热电联合调度的冰蓄冷空调经济性分析方法，其特征在于，根据用电侧可调节冷负荷建立冰蓄冷耗电量模型前，还包括：
对用电侧的全天逐时电负荷特性进行分析，得到用电侧的冷负荷，并提取其中集中式供冷系统的用电负荷，得到用电侧可调节冷负荷的变化曲线。
3.根据权利要求1所述的基于热电联合调度的冰蓄冷空调经济性分析方法，其特征在于，根据用电侧可调节冷负荷建立冰蓄冷耗电量模型具体包括：
基于峰谷时段冷负荷和从峰电时段转移到低谷时段的冷负荷得到峰电时段制冷系统用电负荷；
基于冰蓄冷方法从峰电时段转移到低谷时段的冷负荷和从平电时段转移到低谷时段的冷负荷得到平电时段制冷系统用电负荷；
基于低谷时段冷负荷、从平电时段转移到低谷时段的冷负荷、从峰电时段转移到低谷时段的冷负荷、全天转移冷负荷的总和得到谷电时段制冷系统用电负荷；
基于所述峰电时段制冷系统用电负荷、所述平电时段制冷系统用电负荷和所述谷电时段制冷系统用电负荷建立冰蓄冷耗电量模型。
4.根据权利要求1所述的基于热电联合调度的冰蓄冷空调经济性分析方法，其特征在于，并基于所述冰蓄冷耗电模型建立热电联合调度模型，具体包括：
在电力系统中火电厂最小化煤耗约束和水电厂最小化弃水的约束下建立基于热电联合调度模型。
5.根据权利要求1所述的基于热电联合调度的冰蓄冷空调经济性分析方法，其特征在于，根据所述热电调度模型建立冰蓄冷系统初期投资模型，具体包括：
基于峰电时段符合最大值得到制冷主机额定制冷量，并加载基载制冷机、双工况制冷机组、储冰单元、载冷剂换热器、乙二醇泵。
6.根据权利要求1所述的基于热电联合调度的冰蓄冷空调经济性分析方法，其特征在于，基于所述储冰容量及低谷电价获取所述冰蓄冷系统的投资回报周期，具体包括：
在未有常规制冷系统时，基于低谷电价变化时，电网侧电厂侧总收益与用户侧收益间的制约关系及冰蓄冷系统初期投资模型，得到不同储冰容量下低谷电价与用户侧的投资回报周期的关系；
在有常规制冷系统时，基于低谷电价和冰蓄冷系统初期投资模型得到投资回报周期。
7.根据权利要求1所述的基于热电联合调度的冰蓄冷空调经济性分析方法，其特征在于，还包括获取电力系统中火电厂标准煤耗减少值、火电厂年碳排放减少值及水电消纳值。
8.根据权利要求1所述的基于热电联合调度的冰蓄冷空调经济性分析方法，其特征在于，获取冰蓄冷系统的耗电量模型后还包括：获取冰蓄冷系统应用后全天用电增加量。
9.一种基于热电联合调度的冰蓄冷空调经济性分析装置，其特征在于，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至8任一所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至8任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810701153.7A CN110657512B (zh) | 2018-06-29 | 2018-06-29 | 基于热电联合调度的冰蓄冷空调经济性分析方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810701153.7A CN110657512B (zh) | 2018-06-29 | 2018-06-29 | 基于热电联合调度的冰蓄冷空调经济性分析方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110657512A true CN110657512A (zh) | 2020-01-07 |
| CN110657512B CN110657512B (zh) | 2021-01-22 |
Family
ID=69027586
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810701153.7A Active CN110657512B (zh) | 2018-06-29 | 2018-06-29 | 基于热电联合调度的冰蓄冷空调经济性分析方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110657512B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112032882A (zh) * | 2020-08-07 | 2020-12-04 | 南京南瑞继保电气有限公司 | 一种冰蓄冷空调系统的调度方法 |
| CN112665127A (zh) * | 2020-12-16 | 2021-04-16 | 珠海格力电器股份有限公司 | 冰蓄冷空调系统及其控制方法、装置和控制器 |
| CN113051752A (zh) * | 2021-03-22 | 2021-06-29 | 西安热工研究院有限公司 | 一种与煤电耦合的高压空气储能系统最优热源的确定方法 |
| CN113899036A (zh) * | 2021-09-30 | 2022-01-07 | 港华能源投资有限公司 | 规划蓄冷项目的方法及装置 |
| CN115682370A (zh) * | 2022-11-04 | 2023-02-03 | 珠海格力电器股份有限公司 | 一种光伏冰蓄冷空调控制策略调整方法、装置及系统 |
| CN116412566A (zh) * | 2023-02-07 | 2023-07-11 | 华能济南黄台发电有限公司 | 一种城市火力发电厂集中供冷的冷蓄能系统 |
| CN117290939A (zh) * | 2023-11-24 | 2023-12-26 | 中国铁路设计集团有限公司 | 一种适用于地铁车站的蓄冷设计计算方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4456056A (en) * | 1982-09-16 | 1984-06-26 | Sills Terrence J | Modified annual cycle energy system |
| CN104913438A (zh) * | 2015-05-19 | 2015-09-16 | 广州供电局有限公司 | 冰蓄冷系统控制优化方法与系统 |
| CN106709610A (zh) * | 2017-01-12 | 2017-05-24 | 浙江大学 | 一种微电网电储能、冰蓄冷联合优化调度方法 |
| CN107062475A (zh) * | 2017-03-27 | 2017-08-18 | 国网天津市电力公司 | 一种冰蓄冷空调经济效益在线监测方法 |
-
2018
- 2018-06-29 CN CN201810701153.7A patent/CN110657512B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4456056A (en) * | 1982-09-16 | 1984-06-26 | Sills Terrence J | Modified annual cycle energy system |
| CN104913438A (zh) * | 2015-05-19 | 2015-09-16 | 广州供电局有限公司 | 冰蓄冷系统控制优化方法与系统 |
| CN106709610A (zh) * | 2017-01-12 | 2017-05-24 | 浙江大学 | 一种微电网电储能、冰蓄冷联合优化调度方法 |
| CN107062475A (zh) * | 2017-03-27 | 2017-08-18 | 国网天津市电力公司 | 一种冰蓄冷空调经济效益在线监测方法 |
Non-Patent Citations (3)
| Title |
|---|
| 张文奏: "冰蓄冷空调系统经济性分析", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
| 陈允轩，陈梅倩，杨润红，范莉娟，张田田，刘保林: "冰蓄冷空调系统的经济性分析", 《制冷与空调》 * |
| 马宇驰: "冰蓄冷空调的经济性分析", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112032882A (zh) * | 2020-08-07 | 2020-12-04 | 南京南瑞继保电气有限公司 | 一种冰蓄冷空调系统的调度方法 |
| CN112665127A (zh) * | 2020-12-16 | 2021-04-16 | 珠海格力电器股份有限公司 | 冰蓄冷空调系统及其控制方法、装置和控制器 |
| CN113051752A (zh) * | 2021-03-22 | 2021-06-29 | 西安热工研究院有限公司 | 一种与煤电耦合的高压空气储能系统最优热源的确定方法 |
| CN113899036A (zh) * | 2021-09-30 | 2022-01-07 | 港华能源投资有限公司 | 规划蓄冷项目的方法及装置 |
| CN115682370A (zh) * | 2022-11-04 | 2023-02-03 | 珠海格力电器股份有限公司 | 一种光伏冰蓄冷空调控制策略调整方法、装置及系统 |
| CN116412566A (zh) * | 2023-02-07 | 2023-07-11 | 华能济南黄台发电有限公司 | 一种城市火力发电厂集中供冷的冷蓄能系统 |
| CN116412566B (zh) * | 2023-02-07 | 2024-01-26 | 华能济南黄台发电有限公司 | 一种城市火力发电厂集中供冷的冷蓄能系统 |
| CN117290939A (zh) * | 2023-11-24 | 2023-12-26 | 中国铁路设计集团有限公司 | 一种适用于地铁车站的蓄冷设计计算方法 |
| CN117290939B (zh) * | 2023-11-24 | 2024-03-22 | 中国铁路设计集团有限公司 | 一种适用于地铁车站的蓄冷设计计算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110657512B (zh) | 2021-01-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110657512B (zh) | 基于热电联合调度的冰蓄冷空调经济性分析方法和装置 | |
| CN109523052B (zh) | 一种考虑需求响应和碳交易的虚拟电厂优化调度方法 | |
| Zeng et al. | A novel method based on multi-population genetic algorithm for CCHP–GSHP coupling system optimization | |
| Li et al. | Power system planning based on CSP-CHP system to integrate variable renewable energy | |
| McLarty et al. | Economic analysis of fuel cell installations at commercial buildings including regional pricing and complementary technologies | |
| Cole et al. | Use of model predictive control to enhance the flexibility of thermal energy storage cooling systems | |
| CN111144620A (zh) | 一种考虑季节储氢的电氢综合能源系统及其鲁棒规划方法 | |
| CN112580938B (zh) | 面向多重不确定性的综合能源系统优化调度方法及装置 | |
| CN112421642B (zh) | 一种综合能源系统ies可靠性评估方法和系统 | |
| CN108090666A (zh) | 一种含aa-caes的电网电能与备用容量的协同调度方法 | |
| CN111539584A (zh) | 一种用户级综合能源系统规划方法、系统以及设备 | |
| CN111126675A (zh) | 多能互补微网系统优化方法 | |
| CN115455719A (zh) | 一种基于全生命周期碳成本的综合能源系统优化仿真方法 | |
| CN111242361B (zh) | 考虑地源热泵的园区综合能源系统优化调度方法和装置 | |
| CN115864376A (zh) | 一种多时间尺度电力保供分析方法及系统 | |
| CN115081700A (zh) | 基于综合储能技术的数据中心多能协同优化方法及系统 | |
| Chen et al. | Techno-economic comparison of cooling storage and battery for electricity flexibility at long and short timescales in buildings | |
| Van Asselt et al. | Policy recommendations for using cool thermal energy storage to increase grid penetration of renewable power sources (1607-RP) | |
| CN112215641B (zh) | 智能楼宇型虚拟电厂参与能量调频的控制方法及系统 | |
| Abdalla et al. | The impact of clustering strategies to site integrated community energy and harvesting systems on electrical demand and regional GHG reductions | |
| CN113609778B (zh) | 一种综合能源系统多目标优化方法及系统 | |
| CN116227822A (zh) | 一种基于省级电网边际排放因子的电网规划方法及终端 | |
| CN115758763A (zh) | 一种计及源荷不确定性的多能流系统优化配置方法及系统 | |
| CN115423150A (zh) | 一种零碳演进目标下区域能源互联网技术优选方法和系统 | |
| CN115147014A (zh) | 一种综合能源系统的多目标均衡分配方法 |
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 |