CN110689189B - 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法 - Google Patents
考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法 Download PDFInfo
- Publication number
- CN110689189B CN110689189B CN201910905847.7A CN201910905847A CN110689189B CN 110689189 B CN110689189 B CN 110689189B CN 201910905847 A CN201910905847 A CN 201910905847A CN 110689189 B CN110689189 B CN 110689189B
- Authority
- CN
- China
- Prior art keywords
- energy
- power
- period
- cold
- 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.)
- Active
Links
- 238000010438 heat treatment Methods 0.000 title claims abstract description 51
- 238000001816 cooling Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005457 optimization Methods 0.000 title claims abstract description 30
- 239000002245 particle Substances 0.000 claims abstract description 49
- 230000003993 interaction Effects 0.000 claims abstract description 21
- 230000004044 response Effects 0.000 claims abstract description 11
- 238000012423 maintenance Methods 0.000 claims abstract description 10
- 238000005265 energy consumption Methods 0.000 claims abstract description 4
- 238000004146 energy storage Methods 0.000 claims description 74
- 239000007789 gas Substances 0.000 claims description 52
- 230000003827 upregulation Effects 0.000 claims description 38
- 230000003828 downregulation Effects 0.000 claims description 32
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 32
- 230000005611 electricity Effects 0.000 claims description 25
- 238000007599 discharging Methods 0.000 claims description 23
- 239000002918 waste heat Substances 0.000 claims description 20
- 239000003345 natural gas Substances 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 12
- 238000010521 absorption reaction Methods 0.000 claims description 11
- 238000005057 refrigeration Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 230000002222 downregulating effect Effects 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000009194 climbing Effects 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000005485 electric heating Methods 0.000 claims description 3
- 238000005338 heat storage Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 5
- 230000010485 coping Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Air Conditioning Control Device (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法,包括:S1、根据冷热电联合系统运行状态建立供能侧模型;S2、根据用户负荷特性建立需求侧需求响应控制模型;S3、获得供能灵活性指标和用能灵活性指标;S4、建立冷热电联合供需平衡优化调度模型;该模型以微网和外电网电能交互成本、燃气成本和设备维护成本为总运行成本;以电能和冷/热能量灵活性指标的均方根为系统综合灵活性指标;S5、运用多目标粒子群算法对建立的冷热电联合供需平衡优化调度模型进行求解,并根据实际情况选择最合适的解。本发明综合考虑供能侧和需求侧两类灵活性资源,从供需互补以及多能互补的角度,构建灵活性供需平衡,降低了微网的运行费用。
Description
技术领域
本发明属于电力系统源网荷调度优化技术领域,尤其涉及考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法。
背景技术
随着能源结构调整的推进,可再生能源渗透率持续提高,随之而来的新能源间歇性和不确定性会给直接参与并网的传统电力系统安全经济运行造成影响。微电网作为一种可控系统,结合冷热电联供技术,可整合分布式可再生能源出力,降低运行成本,提升环境效益。由于微网包含了冷热电三种能源需求,能源供给结构复杂,且各类负荷峰谷差较大,导致能量供需难以匹配,如果能充分调度供能侧和需求侧各种灵活性资源,使多种能源保持“协调兼容”,对于实现系统经济稳定运行,提高能源利用率有重要意义。
目前,对于冷热电联供型微网规划和调度的研究取得了一定进展。但大部分研究未详细考虑联供系统调度过程中的供需灵活性问题,当CCHP机组采用“以热定电”模式运行,电源出力被动跟踪冷热负荷,可能造成电能浪费或供应不足,系统灵活性差,难以建立良好的供需平衡。同时,不少文献提出的方法未详细考虑冷热电多能之间的互补特性以及负荷侧对于系统灵活性的影响。
因此,基于这些问题,提供一种综合考虑供能侧和需求侧两类灵活性资源,从供需互补以及多能互补的角度,构建灵活性供需平衡的冷热电联合优化调度方法,具有重要的现实意义。
发明内容
本发明的目的在于克服现有技术的不足,提供一种综合考虑供能侧和需求侧两类灵活性资源,从供需互补以及多能互补的角度,构建灵活性供需平衡的冷热电联合优化调度方法。
本发明解决其技术问题是采取以下技术方案实现的:
考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法,包括如下步骤:
S1、根据冷热电联合系统运行状态建立供能侧模型;
S2、根据用户负荷特性建立需求侧需求响应控制模型;
S3、获得供能灵活性指标和用能灵活性指标;
S4、建立冷热电联合供需平衡优化调度模型;
所述优化调度模型以一个调度周期内系统运行成本最低和系统灵活性最高为目标,以微网和外电网电能交互成本、燃气成本和设备维护成本为总运行成本;以电能和冷/热能量灵活性指标的均方根为系统综合灵活性指标:
式中:C1为系统总运行成本,C2为系统综合灵活性指标;T、M分别为调度的时间段以及电/热/冷能的种类,Δt为调度运行时间;Pt Grid为t时段微网同外电网的交互功率,为t时段购入/售出的单位电价,τgas为天然气价格,τk为第k种设备输出单位功率所对应的运行维护费用;为燃气轮机电能生产效率,λgas为天然气的低热值;Pt GT为t时段燃气轮机发电功率,,为t时段设备k输出的功率;Fk为第k种电/热/冷能的灵活性;n为负荷的种类;
S5、运用多目标粒子群算法对建立的冷热电联合供需平衡优化调度模型进行求解,得到非劣解集合,并根据实际情况选择最合适的解。
进一步的,所述供能侧模型包括光伏电池模型、CCHP机组模型、地源热泵模型、储能设备模型,所述供能侧模型建立方法如下:
S101、建立光伏电池模型,如式(1):
S102、建立CCHP发电机组模型,如式(2)、(3)、(4):
其中,CCHP发电机组由燃气轮机消耗天然气进行发电,产生的余热由余热锅炉回收,吸收式制冷机利用余热制冷;
式中:Pt GT、分别为t时段燃气轮机发电功率和余热锅炉回收的热功率; 分别为燃气轮机电能生产效率和余热锅炉热能回收效率;Vt GT为t时段输入燃气轮机的天然气量;λgas为天然气的低热值;为吸收式制冷机t时段制冷功率;为t时段余热锅炉回收热功率输入到吸收式制冷机的比例;Ic为制冷能效比;
S103、建立地源热泵模型,如式(5)、(6):
地源热泵可以弥补CCHP机组热电耦合紧密灵活性差的不足,通过消耗电能输出冷热能量,改变系统热电比。
S104、建立储能设备模型,如式(7):
进一步的,所述需求响应控制模型包括调用可平移负荷模型、冷热负荷削减之后的冷热负荷模型;所述需求响应控制模型建立方法如下:
S201、建立调用可平移负荷模型;
电负荷中的可平移负荷可根据系统运行状态灵活调整用能时间,将原本运行于高峰用能时段的负荷转移至低谷时段运行;调用可平移负荷后的负荷表达式为
并且:
根据可平移负荷运行特性,每个运行周期内总的负荷转入量与转出量应相等。式中:λin,max、λout,max分别为转入、转出负荷在原始负荷中的最大占比;
S202、建立冷热负荷削减之后的冷热负荷模型;
由于热惯性,当冷热能量供给适当改变,室内温度不会骤变,因此将冷热负荷考虑为可削减性负荷,在冷热负荷高峰削减冷热负荷,同时利用电、热负荷的互补性,在电负荷供应不足时,减少用于制冷、制热的电能,冷热负荷削减之后的负荷表达式为
其中,
进一步的,受实际运行中不确定因素的影响,日前调度时要留有可调节裕度应对功率波动,剩余允许调度的灵活性资源占净负荷的比例越高,系统灵活性越高,允许新能源出力以及负荷波动的能力也越好,采用净负荷允许波动率作为灵活性指标,上调灵活性和下调灵活性分别反映系统应对净负荷增多和减少的能力;
t时段电能的上调、下调灵活性指标如下:
式中,Ft up,e、Ft down,e分别为t时段电能的上调、下调灵活性指标;分别为CCHP发电机组在t时段可提供的电能上调、下调灵活性;分别为第i类冷/热/电储能设备所能提供的电热冷上调、下调灵活性;分别为可转移负荷所能提供的电能上调、下调灵活性;分别为冷热负荷、热泵能为电能提供的上调、下调灵活性;
其中:
式中:分别为燃气轮机最大、最小输出电功率;分别为燃气轮机向上、向下爬坡速率;别为第i种储能设备的最大、最小储能容量;为t时段内的实际储能;分别为第i种储能设备的最大充、放电速率;为热泵在t时段输出的i种冷/热能的量,COPi为热泵制冷/制热能效系数,为热泵最大输出冷/热功率,Δt为燃气轮机的运行时间;
t时段冷/热能量上调、下调灵活性如下:
式中:Ft up,i、Ft down,i分别代表t时段第i类冷/热/电储能设备所能提供的电热冷上调、下调灵活性;和分别代表CCHP发电机组和热泵可提供的冷/热能i的上调、下调灵活性;为可削减的冷/热负荷可提供的上调灵活性;
其中,CCHP发电机组提供的热能和冷能灵活性如下:
可削减的冷/热负荷只能为冷/热能提供上调灵活性,如下:
以上调、下调灵活性的均值表示净负荷允许波动率Ft k,并将其作为t时段第k种冷/热/电能量的灵活性指标:
Ft k=(Ft up,k+Ft down,k)/2 (20)
式中:Ft up,k、Ft down,k为t时段第k种电/热/冷能的上调、下调灵活性;
将冷/热/电能量在一个调度周期中各时刻灵活性指标的平均值作为该种能量的灵活性指标:
进一步的,所述优化调度模型受供-需功率平衡约束、设备运行约束、储能约束及电网交互功率约束条件的约束;
所述供-需功率平衡约束为:
所述设备运行约束为:
所述储能约束为:
式中:分别为第i种储能设备的最大、最小储能容量,St i表示储能设备的当前储能容量;分别为第i类储能设备最大充能、放能功率; 表示t时段内储能设备的充能、放能功率;分别为代表i类储能设备充能、放能状态的二进制状态变量;
所述电网交互功率约束为:
进一步的,利用粒子群优化算法优化调度模型的方法包括如下步骤:
S501、按照式(35)初始化种群速度与位置,把种群规模设定为B,粒子维数为D,最大迭代次数为M
xad=rand(xmax-xmin)+xmin (35)
vad=rand(vmax-vmin)+vmin
式中,xmax、xmin分别为粒子位置的最大值和最小值;xad为粒子初始随机产生的位置;vmax、vmin分别为粒子速度的最大值和最小值;vad为粒子初始随机产生的速度。
S502、建立适应度函数:
式中,Cgrid为微网和电网电能交互成本;Cgas为购气成本,Com为运行维护成本;Fk为第k种冷/热/电能的灵活性值,n为负荷的种类;
S503、根据适应度函数及供-需功率平衡约束、设备运行约束、储能约束及电网交互功率约束条件,计算每一个粒子对于两个目标函数的适应值,随机选择一个粒子的数值作为历史最优位置利用自适应网格法选择出并设定当前迭代次数k为1;
S504、按照式(36)、(37)进行粒子位置与速度的更新,使粒子根据适应度函数移动到最合适的区域;
判断粒子的状态是否满足各类不等式约束条件,若满足则保留粒子位置,否则取该粒子设置的对应变量的边界值;
S505、完成更新后对粒子进行存档;
S506、判断当前的迭代次数是否满足最大迭代次数,若是,停止运算,否则设定迭代次数k=k+1,返回步骤S504循环计算,直至达到最终迭代次数;最终输出符合条件的非劣解集,之后根据具体情况选择合适的解即可。
本发明的优点和积极效果是:
本发明综合考虑供能侧和需求侧两类灵活性资源,从供需互补以及多能互补的角度,构建灵活性供需平衡,在供能侧传统的CCHP型微网中引入热泵和储能设备,需求侧考虑可平移负荷和室温的热惯性,以系统运行经济性为目标建立了考虑冷热电灵活性供需平衡的微网系统协同优化模型,并提出供需灵活性评价指标,通过本发明所提的优化调度方式提高了系统供需灵活性,微网的运行费用降低。
附图说明
以下将结合附图和实施例来对本发明的技术方案作进一步的详细描述,但是应当知道,这些附图仅是为解释目的而设计的,因此不作为本发明范围的限定。此外,除非特别指出,这些附图仅意在概念性地说明此处描述的结构构造,而不必要依比例进行绘制。
图1为本发明实施例提供的某个并网运行的微网系统的结构示意图;
图2为本发明实施例提供的考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法的流程示意图;
图3为夏季典型日在本发明提出的冷热电联合供需平衡优化调度方法运行方式下的微网电功率优化调度结果;
图4为夏季典型日在本发明提出的冷热电联合供需平衡优化调度方法运行方式下的微网冷功率优化调度结果;
图5为冬季典型日在本发明提出的冷热电联合供需平衡优化调度方法运行方式下的微网电功率优化调度结果;
图6为冬季典型日在本发明提出的冷热电联合供需平衡优化调度方法运行方式下的微网热功率优化调度结果;
具体实施方式
首先,需要说明的是,以下将以示例方式来具体说明本发明的具体结构、特点和优点等,然而所有的描述仅是用来进行说明的,而不应将其理解为对本发明形成任何限制。此外,在本文所提及各实施例中予以描述或隐含的任意单个技术特征,仍然可在这些技术特征(或其等同物)之间继续进行任意组合或删减,从而获得可能未在本文中直接提及的本发明的更多其他实施例。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例1
考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法,包括如下步骤:
S1、根据冷热电联合系统运行状态建立供能侧模型;
S2、根据用户负荷特性建立需求侧需求响应控制模型;
S3、获得供能灵活性指标和用能灵活性指标;
S4、建立冷热电联合供需平衡优化调度模型;
所述优化调度模型以一个调度周期内系统运行成本最低和系统灵活性最高为目标,以微网和外电网电能交互成本、燃气成本和设备维护成本为总运行成本;以电能和冷/热能量灵活性指标的均方根为系统综合灵活性指标:
式中:C1为系统总运行成本,C2为系统综合灵活性指标;T、M分别为调度的时间段以及电/热/冷能的种类,Δt为调度运行时间;Pt Grid为t时段微网同外电网的交互功率,为t时段购入/售出的单位电价,τgas为天然气价格,τk为第k种设备输出单位功率所对应的运行维护费用;为燃气轮机电能生产效率,λgas为天然气的低热值;Pt GT为t时段燃气轮机发电功率,,为t时段设备k输出的功率;Fk为第k种电/热/冷能的灵活性;n为负荷的种类;
S5、运用多目标粒子群算法对建立的冷热电联合供需平衡优化调度模型进行求解,得到非劣解集合,并根据实际情况选择最合适的解。
进一步的,所述供能侧模型包括光伏电池模型、CCHP机组模型、地源热泵模型、储能设备模型,所述供能侧模型建立方法如下:
S101、建立光伏电池模型,如式(1):
S102、建立CCHP发电机组模型,如式(2)、(3)、(4):
其中,CCHP发电机组由燃气轮机消耗天然气进行发电,产生的余热由余热锅炉回收,吸收式制冷机利用余热制冷;
式中:Pt GT、分别为t时段燃气轮机发电功率和余热锅炉回收的热功率; 分别为燃气轮机电能生产效率和余热锅炉热能回收效率;Vt GT为t时段输入燃气轮机的天然气量;λgas为天然气的低热值;为吸收式制冷机t时段制冷功率;为t时段余热锅炉回收热功率输入到吸收式制冷机的比例;Ic为制冷能效比;
S103、建立地源热泵模型,如式(5)、(6):
地源热泵可以弥补CCHP机组热电耦合紧密灵活性差的不足,通过消耗电能输出冷热能量,改变系统热电比。
S104、建立储能设备模型,如式(7):
进一步的,所述需求响应控制模型包括调用可平移负荷模型、冷热负荷削减之后的冷热负荷模型;所述需求响应控制模型建立方法如下:
S201、建立调用可平移负荷模型;
电负荷中的可平移负荷可根据系统运行状态灵活调整用能时间,将原本运行于高峰用能时段的负荷转移至低谷时段运行;调用可平移负荷后的负荷表达式为
并且:
根据可平移负荷运行特性,每个运行周期内总的负荷转入量与转出量应相等。式中:λin,max、λout,max分别为转入、转出负荷在原始负荷中的最大占比;
S202、建立冷热负荷削减之后的冷热负荷模型;
由于热惯性,当冷热能量供给适当改变,室内温度不会骤变,因此将冷热负荷考虑为可削减性负荷,在冷热负荷高峰削减冷热负荷,同时利用电、热负荷的互补性,在电负荷供应不足时,减少用于制冷、制热的电能,冷热负荷削减之后的负荷表达式为
其中,
进一步的,受实际运行中不确定因素的影响,日前调度时要留有可调节裕度应对功率波动,剩余允许调度的灵活性资源占净负荷的比例越高,系统灵活性越高,允许新能源出力以及负荷波动的能力也越好,采用净负荷允许波动率作为灵活性指标,上调灵活性和下调灵活性分别反映系统应对净负荷增多和减少的能力;
t时段电能的上调、下调灵活性指标如下:
式中,Ft up,e、Ft down,e分别为t时段电能的上调、下调灵活性指标;分别为CCHP发电机组在t时段可提供的电能上调、下调灵活性;分别为第i类冷/热/电储能设备所能提供的电热冷上调、下调灵活性;分别为可转移负荷所能提供的电能上调、下调灵活性;分别为冷热负荷、热泵能为电能提供的上调、下调灵活性;
其中:
式中:分别为燃气轮机最大、最小输出电功率;分别为燃气轮机向上、向下爬坡速率;别为第i种储能设备的最大、最小储能容量;为t时段内的实际储能;分别为第i种储能设备的最大充、放电速率;为热泵在t时段输出的i种冷/热能的量,COPi为热泵制冷/制热能效系数,为热泵最大输出冷/热功率,Δt为燃气轮机的运行时间;
t时段冷/热能量上调、下调灵活性如下:
式中:Ft up,i、Ft down,i分别代表t时段第i类冷/热/电储能设备所能提供的电热冷上调、下调灵活性;和分别代表CCHP发电机组和热泵可提供的冷/热能i的上调、下调灵活性;为可削减的冷/热负荷可提供的上调灵活性;
其中,CCHP发电机组提供的热能和冷能灵活性如下:
可削减的冷/热负荷只能为冷/热能提供上调灵活性,如下:
以上调、下调灵活性的均值表示净负荷允许波动率Ft k,并将其作为t时段第k种冷/热/电能量的灵活性指标:
Ft k=(Ft up,k+Ft down,k)/2 (20)
式中:Ft up,k、Ft down,k为t时段第k种电/热/冷能的上调、下调灵活性;
将冷/热/电能量在一个调度周期中各时刻灵活性指标的平均值作为该种能量的灵活性指标:
进一步的,所述优化调度模型受供-需功率平衡约束、设备运行约束、储能约束及电网交互功率约束条件的约束;
所述供-需功率平衡约束为:
所述设备运行约束为:
所述储能约束为:
式中:分别为第i种储能设备的最大、最小储能容量,St i表示储能设备的当前储能容量;分别为第i类储能设备最大充能、放能功率; 表示t时段内储能设备的充能、放能功率;分别为代表i类储能设备充能、放能状态的二进制状态变量;
所述电网交互功率约束为:
进一步的,利用粒子群优化算法优化调度模型的方法包括如下步骤:
S501、按照式(35)初始化种群速度与位置,把种群规模设定为B,粒子维数为D,最大迭代次数为M
xad=rand(xmax-xmin)+xmin (35)
vad=rand(vmax-vmin)+vmin
式中,xmax、xmin分别为粒子位置的最大值和最小值;xad为粒子初始随机产生的位置;vmax、vmin分别为粒子速度的最大值和最小值;vad为粒子初始随机产生的速度。
S502、建立适应度函数:
式中,Cgri d为微网和电网电能交互成本;Cgas为购气成本,Com为运行维护成本;Fk为第k种冷/热/电能的灵活性值,n为负荷的种类;
S503、根据适应度函数及供-需功率平衡约束、设备运行约束、储能约束及电网交互功率约束条件,计算每一个粒子对于两个目标函数的适应值,随机选择一个粒子的数值作为历史最优位置利用自适应网格法选择出并设定当前迭代次数k为1;
S504、按照式(36)、(37)进行粒子位置与速度的更新,使粒子根据适应度函数移动到最合适的区域;
判断粒子的状态是否满足各类不等式约束条件,若满足则保留粒子位置,否则取该粒子设置的对应变量的边界值;
S505、完成更新后对粒子进行存档;
S506、判断当前的迭代次数是否满足最大迭代次数,若是,停止运算,否则设定迭代次数k=k+1,返回步骤S504循环计算,直至达到最终迭代次数;最终输出符合条件的非劣解集,之后根据具体情况选择合适的解即可。
基础数据的设置
本发明以某个并网运行的微网系统(如图1所示)为研究对象,取一天24小时为一个调度周期,每小时为一个调度时段,分别对夏季制冷和冬季供暖两种典型日进行分析。设定每一时段可转移负荷总量不超过20kW,系统可接受最大温度变化范围为±5℃。系统中各类能量生产设备的相关参数如表1所示。从外部购入天然气单价为2.8元/m3,其低热值为9.73kw·h/m3,微网与上级电网电能交易采用分时电价,本文单位时间内电能交互最大功率取100kW。储能设备相关运行参数如表3所示。
表1能量生产设备运行参数
表2分时电价
表3储能设备运行参数
为验证考虑冷热电灵活性供需的微网优化调度的优越性,本文设置了以下两种运行方式进行对比:
方式1,典型CCHP系统,采用“以热定电”的方式运行。系统灵活性仅由燃气机组爬坡提供,冷热负荷由吸收式制冷机和余热锅炉利用燃气轮机发电产生的余热满足,电负荷由燃气轮机供应,电能供应不足时通过外电网购电满足。
方式2,考虑灵活性的供需平衡,在典型CCHP系统中引入热泵和储能设备,需求侧考虑冷热电负荷的综合响应,采用供需互动、多能互补的方式构造灵活性供需平衡。
进行优化结果分析:
1)夏季典型日
图3、4分别为夏季典型日在本文提出的考虑灵活性供需平衡运行方式(即方式2)下的微网电、冷功率优化调度结果。
结果表明:在23:00-7:00,电负荷和冷负荷需求均较低,电价执行低谷时段标准。通过外电网购电成本优于依靠燃气轮机发电所需成本,因此电负荷靠电网购电提供,并向蓄电池充电。并且此时利用地源热泵制冷成本较吸收式制冷机更低,冷负荷直接由地源热泵提供,储冷装置得到充能。
在7:00-11:00,处于峰值电价时段,电负荷逐渐增多,通过外电网购电成本高于由燃气轮机发电所需成本,燃气轮机工作在满负荷状态,并且光伏出力逐渐增加,蓄电池在负荷高峰时释放能量,此时微网向电网售出电能以获取收益降低系统运行成本。同时冷负荷需求量逐渐增加,主要通过热电联产提供,储能在前两个时段处于充能状态,后两个时段冷负荷供应不足则由储能释放能量补充。18:00-23:00时段处于第二个电价高峰时段,系统调度情况与7:00-11:00时段类似。
在11:00-18:00电价处于平时段,电能由燃气轮机和光伏共同提供,多余的电能向电网售电。冷负荷处于高峰,供冷主要由热电联产系统提供,冷负荷供应不足时由地源热泵补充,此时储冷装置释放能量。
联系电、冷负荷曲线分析,由于可平移负荷从负荷高峰向低谷转移,新的电负荷曲线较预测电负荷曲线在低谷时段有所升高,在负荷高峰时段有所降低。新的冷负荷曲线较预测冷负荷曲线有所下降,减少了热泵制冷消耗的电能,从而缓解了电负荷供应压力,室内温度虽然有所上升,但是仍能保持在人体舒适的温度范围。
为了对比不同运行策略下微网系统的经济效益,分别对传统“以热定电”运行方式即方式1和本文所提的运行方式2的各项成本优化计算,如表4所示。
表4夏季两种运行方式下的微网日运行成本
由表4结果对比可知,方式2总成本低于方式1。一方面由于储能装置和热泵的引入改变了系统热电耦合,供能结构得以优化,使系统购能成本降低;另一方面由于冷负荷的需求在电负荷供应不足时减少,节省了用于制冷和制热的那部分电能,可平移负荷对于负荷曲线具有削峰填谷的作用,使得负荷峰谷差降低,在分时电价的情况下,系统向外电网购电费用减少,售电费用增加。
2)冬季典型日
冬季典型日下,地源热泵以制热模式运行。两种运行方式下微网各部分成本如表5所示,图5、6为考虑灵活性供需平衡的微网调度优化结果。
对于冬季典型日优化结果进行分析,与夏季供能不同之处在于冬季夜间热负荷需求较多,这段时间多处于电价低谷时段,热负荷主要由热泵提供,不足的部分通过CCHP系统提供。同时为匹配电负荷供需平衡适当降低热负荷需求,但最终室温保持在18-23℃之间,系统的总运行成本相比于“以热定电”运行方式有明显降低。
表5冬季两种运行方式下的微网日运行成本
灵活性指标分析:
为验证本发明所提优化方案在提高系统灵活性方面的优越性,对两种运行方式下系统的灵活性进行分析,如表6所示。结果表明,本发明建立的模型更加经济灵活,有实用性。
表6两种运行方式下的灵活性指标
以上实施例对本发明进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍归属于本发明的专利涵盖范围之内。
Claims (3)
1.考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法,其特征在于:包括如下步骤:
S1、根据冷热电联合系统运行状态建立供能侧模型;
S2、根据用户负荷特性建立需求侧需求响应控制模型;
S3、获得供能灵活性指标和用能灵活性指标;
S4、建立冷热电联合供需平衡优化调度模型;
所述优化调度模型以一个调度周期内系统运行成本最低和系统灵活性最高为目标,以微网和外电网电能交互成本、燃气成本和设备维护成本为总运行成本;以电能和冷/热能量灵活性指标的均方根为系统综合灵活性指标:
式中:C1为系统总运行成本,C2为系统综合灵活性指标;T、M分别为调度的时间段以及电/热/冷能的种类,Δt为调度运行时间;Pt Grid为t时段微网同外电网的交互功率,为t时段购入/售出的单位电价,τgas为天然气价格,τk为第k种设备输出单位功率所对应的运行维护费用;为燃气轮机电能生产效率,λgas为天然气的低热值;Pt GT为t时段燃气轮机发电功率,,为t时段设备k输出的功率;Fk为第k种电/热/冷能的灵活性;n为负荷的种类;
S5、运用多目标粒子群算法对建立的冷热电联合供需平衡优化调度模型进行求解,得到非劣解集合,并根据实际情况选择最合适的解;
其中,所述供能侧模型包括光伏电池模型、CCHP机组模型、地源热泵模型、储能设备模型,所述供能侧模型建立方法如下:
S101、建立光伏电池模型,如式(1):
S102、建立CCHP发电机组模型,如式(2)、(3)、(4):
其中,CCHP发电机组由燃气轮机消耗天然气进行发电,产生的余热由余热锅炉回收,吸收式制冷机利用余热制冷;
式中:Pt GT、分别为t时段燃气轮机发电功率和余热锅炉回收的热功率; 分别为燃气轮机电能生产效率和余热锅炉热能回收效率;为t时段输入燃气轮机的天然气量;λgas为天然气的低热值;为吸收式制冷机t时段制冷功率;为t时段余热锅炉回收热功率输入到吸收式制冷机的比例;Ic为制冷能效比;
S103、建立地源热泵模型,如式(5)、(6):
S104、建立储能设备模型,如式(7):
所述需求响应控制模型包括调用可平移负荷模型、冷热负荷削减之后的冷热负荷模型;所述需求响应控制模型建立方法如下:
S201、建立调用可平移负荷模型;
电负荷中的可平移负荷可根据系统运行状态灵活调整用能时间,将原本运行于高峰用能时段的负荷转移至低谷时段运行;调用可平移负荷后的负荷表达式为
并且:
式中:λin,max、λout,max分别为转入、转出负荷在原始负荷中的最大占比;
S202、建立冷热负荷削减之后的冷热负荷模型;
冷热负荷削减之后的负荷表达式为
其中,
t时段电能的上调、下调灵活性指标如下:
式中,Ft up,e、Ft down,e分别为t时段电能的上调、下调灵活性指标;分别为CCHP发电机组在t时段可提供的电能上调、下调灵活性;分别为第i类冷/热/电储能设备所能提供的电热冷上调、下调灵活性;分别为可转移负荷所能提供的电能上调、下调灵活性;分别为冷热负荷、热泵能为电能提供的上调、下调灵活性;
其中:
式中:分别为燃气轮机最大、最小输出电功率;分别为燃气轮机向上、向下爬坡速率;别为第i种储能设备的最大、最小储能容量;为t时段内的实际储能;分别为第i种储能设备的最大充、放电速率;为热泵在t时段输出的i种冷/热能的量,COPi为热泵制冷/制热能效系数,为热泵最大输出冷/热功率,Δt为燃气轮机的运行时间;
t时段冷/热能量上调、下调灵活性如下:
式中:Ft up,i、Ft down,i分别代表t时段第i类冷/热/电储能设备所能提供的电热冷上调、下调灵活性;和分别代表CCHP发电机组和热泵可提供的冷/热能i的上调、下调灵活性;为可削减的冷/热负荷可提供的上调灵活性;
其中,CCHP发电机组提供的热能和冷能灵活性如下:
可削减的冷/热负荷只能为冷/热能提供上调灵活性,如下:
以上调、下调灵活性的均值表示净负荷允许波动率Ft k
,并将其作为t时段第k种冷/热/电能量的灵活性指标:
式中:Ft up,k、Ft down,k为t时段第k种电/热/冷能的上调、下调灵活性;
将冷/热/电能量在一个调度周期中各时刻灵活性指标的平均值作为该种能量的灵活性指标:
2.根据权利要求1所述的考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法,其特征在于:所述优化调度模型受供-需功率平衡约束、设备运行约束、储能约束及电网交互功率约束条件的约束;
所述供-需功率平衡约束为:
所述设备运行约束为:
所述储能约束为:
式中:分别为第i种储能设备的最大、最小储能容量,St i表示储能设备的当前储能容量;分别为第i类储能设备最大充能、放能功率; 表示t时段内储能设备的充能、放能功率;分别为代表i类储能设备充能、放能状态的二进制状态变量;
所述电网交互功率约束为:
3.根据权利要求2所述的考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法,其特征在于:利用粒子群优化算法优化调度模型的方法包括如下步骤:
S501、按照式(35)初始化种群速度与位置,把种群规模设定为B,粒子维数为D,最大迭代次数为M
xad=rand(xmax-xmin)+xmin (35)
vad=rand(vmax-vmin)+vmin
式中,xmax、xmin分别为粒子位置的最大值和最小值;xad为粒子初始随机产生的位置;vmax、vmin分别为粒子速度的最大值和最小值;vad为粒子初始随机产生的速度;
S502、建立适应度函数:
式中,Cgrid为微网和电网电能交互成本;Cgas为购气成本,Com为运行维护成本;Fk为第k种冷/热/电能的灵活性值,n为负荷的种类;
S503、根据适应度函数及供-需功率平衡约束、设备运行约束、储能约束及电网交互功率约束条件,计算每一个粒子对于两个目标函数的适应值,随机选择一个粒子的数值作为历史最优位置利用自适应网格法选择出并设定当前迭代次数k为1;
S504、按照式(36)、(37)进行粒子位置与速度的更新,使粒子根据适应度函数移动到最合适的区域;
判断粒子的状态是否满足各类不等式约束条件,若满足则保留粒子位置,否则取该粒子设置的对应变量的边界值;
S505、完成更新后对粒子进行存档;
S506、判断当前的迭代次数是否满足最大迭代次数,若是,停止运算,否则设定迭代次数k=k+1,返回步骤S504循环计算,直至达到最终迭代次数;最终输出符合条件的非劣解集,之后根据具体情况选择合适的解即可。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910905847.7A CN110689189B (zh) | 2019-09-24 | 2019-09-24 | 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910905847.7A CN110689189B (zh) | 2019-09-24 | 2019-09-24 | 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110689189A CN110689189A (zh) | 2020-01-14 |
CN110689189B true CN110689189B (zh) | 2023-05-09 |
Family
ID=69110453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910905847.7A Active CN110689189B (zh) | 2019-09-24 | 2019-09-24 | 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110689189B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111244939B (zh) * | 2020-01-17 | 2021-09-03 | 山东大学 | 一种计及需求侧响应的多能互补系统两级优化设计方法 |
CN111445107B (zh) * | 2020-03-02 | 2023-06-13 | 山东大学 | 冷热电联供型微电网多目标优化配置方法 |
CN111520841A (zh) * | 2020-03-30 | 2020-08-11 | 国网天津市电力公司电力科学研究院 | 基于高效低碳排放准则的冷热电三联供系统调控策略 |
CN112531696B (zh) * | 2020-11-30 | 2022-12-23 | 贵州电网有限责任公司 | 一种考虑用户需求响应的冷热电联供系统优化调度方法 |
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 |
CN113313351B (zh) * | 2021-04-26 | 2023-05-09 | 山东大学 | 计及多能耦合影响的电-气-热系统灵活性评估方法 |
CN113240279B (zh) * | 2021-05-14 | 2023-04-18 | 国网山东省电力公司电力科学研究院 | 基于综合需求侧响应的综合能源系统运行控制方法及系统 |
CN113244849B (zh) * | 2021-05-31 | 2023-02-17 | 深圳市综合交通设计研究院有限公司 | 基于供需平衡的冷料仓皮带给料器给料控制方法及系统 |
CN113468723B (zh) * | 2021-06-09 | 2022-05-20 | 天津大学 | 一种离网风光氢冷能源系统优化配置方法 |
CN113379160A (zh) * | 2021-07-06 | 2021-09-10 | 国网江苏省电力有限公司营销服务中心 | 基于建筑物热能流的楼宇侧综合能源系统优化调度方法 |
CN113592200B (zh) * | 2021-08-30 | 2023-08-22 | 东北大学 | 一种含水源热泵的区域综合能源系统低碳优化运行方法 |
CN113762808B (zh) * | 2021-09-24 | 2023-06-09 | 国网湖南省电力有限公司 | 微网多能源系统与电网系统的联合调度方法 |
CN115528713B (zh) * | 2022-11-28 | 2023-04-07 | 国网上海能源互联网研究院有限公司 | 用户侧燃料电池综合能源系统低碳运行控制方法和装置 |
CN116308575A (zh) * | 2023-02-01 | 2023-06-23 | 大航有能电气有限公司 | 一种考虑多能需求响应的综合能源系统运行方法 |
CN116109216B (zh) * | 2023-04-13 | 2023-06-23 | 国网湖北省电力有限公司营销服务中心(计量中心) | 一种源网储荷系统的可调性评估方法 |
CN117826907A (zh) * | 2024-03-01 | 2024-04-05 | 中集安瑞科能源系统(上海)有限公司 | 一种复叠式热电联产装置控制方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392286A (zh) * | 2014-12-02 | 2015-03-04 | 山东大学 | 考虑冷热电联供和储能运行策略的微电网运行优化方法 |
CN105931136A (zh) * | 2016-04-25 | 2016-09-07 | 天津大学 | 一种融合需求侧虚拟储能系统的楼宇微网优化调度方法 |
CN105931140A (zh) * | 2016-05-07 | 2016-09-07 | 天津大学 | 一种区域多微网综合评价方法 |
CN106527142A (zh) * | 2016-12-06 | 2017-03-22 | 国网江苏省电力公司徐州供电公司 | 一种有源配电网环境下的冷热电联供系统协调调度方法 |
CN107482638A (zh) * | 2017-07-21 | 2017-12-15 | 杭州电子科技大学 | 冷热电联供型微电网多目标动态优化调度方法 |
CN107679658A (zh) * | 2017-09-28 | 2018-02-09 | 国网四川省电力公司经济技术研究院 | 一种高比例清洁能源接入下的输电网规划方法 |
CN107767074A (zh) * | 2017-11-09 | 2018-03-06 | 东南大学 | 一种计及综合需求响应资源的能源枢纽规划方法 |
CN108429256A (zh) * | 2018-03-22 | 2018-08-21 | 国网河北省电力有限公司经济技术研究院 | 电力系统运行优化方法及终端设备 |
CN109004686A (zh) * | 2018-08-29 | 2018-12-14 | 三峡大学 | 一种考虑冰蓄冷空调多模式的冷热电联供型微网系统 |
CN109146182A (zh) * | 2018-08-24 | 2019-01-04 | 南京理工大学 | 计及多种储能的分布式冷热电联供系统的经济调度方法 |
CN109146706A (zh) * | 2018-08-14 | 2019-01-04 | 国网四川省电力公司经济技术研究院 | 一种考虑灵活性供需平衡的输电网规划方法 |
CN109165788A (zh) * | 2018-09-04 | 2019-01-08 | 河北工业大学 | 一种冷热电联供系统的优化方法 |
CN109242350A (zh) * | 2018-10-17 | 2019-01-18 | 燕山大学 | 计及可平移负荷的冷热电联供系统容量优化配置方法 |
CN109858759A (zh) * | 2018-12-29 | 2019-06-07 | 陕西鼓风机(集团)有限公司 | 一种工业园区综合能源平衡调度方法 |
CN110245794A (zh) * | 2019-06-06 | 2019-09-17 | 云南电网有限责任公司 | 考虑灵活性的多能源汇集中心火储容量双层优化方法 |
-
2019
- 2019-09-24 CN CN201910905847.7A patent/CN110689189B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392286A (zh) * | 2014-12-02 | 2015-03-04 | 山东大学 | 考虑冷热电联供和储能运行策略的微电网运行优化方法 |
CN105931136A (zh) * | 2016-04-25 | 2016-09-07 | 天津大学 | 一种融合需求侧虚拟储能系统的楼宇微网优化调度方法 |
CN105931140A (zh) * | 2016-05-07 | 2016-09-07 | 天津大学 | 一种区域多微网综合评价方法 |
CN106527142A (zh) * | 2016-12-06 | 2017-03-22 | 国网江苏省电力公司徐州供电公司 | 一种有源配电网环境下的冷热电联供系统协调调度方法 |
CN107482638A (zh) * | 2017-07-21 | 2017-12-15 | 杭州电子科技大学 | 冷热电联供型微电网多目标动态优化调度方法 |
CN107679658A (zh) * | 2017-09-28 | 2018-02-09 | 国网四川省电力公司经济技术研究院 | 一种高比例清洁能源接入下的输电网规划方法 |
CN107767074A (zh) * | 2017-11-09 | 2018-03-06 | 东南大学 | 一种计及综合需求响应资源的能源枢纽规划方法 |
CN108429256A (zh) * | 2018-03-22 | 2018-08-21 | 国网河北省电力有限公司经济技术研究院 | 电力系统运行优化方法及终端设备 |
CN109146706A (zh) * | 2018-08-14 | 2019-01-04 | 国网四川省电力公司经济技术研究院 | 一种考虑灵活性供需平衡的输电网规划方法 |
CN109146182A (zh) * | 2018-08-24 | 2019-01-04 | 南京理工大学 | 计及多种储能的分布式冷热电联供系统的经济调度方法 |
CN109004686A (zh) * | 2018-08-29 | 2018-12-14 | 三峡大学 | 一种考虑冰蓄冷空调多模式的冷热电联供型微网系统 |
CN109165788A (zh) * | 2018-09-04 | 2019-01-08 | 河北工业大学 | 一种冷热电联供系统的优化方法 |
CN109242350A (zh) * | 2018-10-17 | 2019-01-18 | 燕山大学 | 计及可平移负荷的冷热电联供系统容量优化配置方法 |
CN109858759A (zh) * | 2018-12-29 | 2019-06-07 | 陕西鼓风机(集团)有限公司 | 一种工业园区综合能源平衡调度方法 |
CN110245794A (zh) * | 2019-06-06 | 2019-09-17 | 云南电网有限责任公司 | 考虑灵活性的多能源汇集中心火储容量双层优化方法 |
Non-Patent Citations (2)
Title |
---|
"源荷储多类型灵活性资源协调的高比例可再生能源电源规划";徐唐海等;《全球能源互联网》;20190131;第2卷(第1期);全文 * |
"冷热电联产系统评价指标体系的研究";凌莉等;《轻工机械》;20120228;第3卷(第1期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110689189A (zh) | 2020-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110689189B (zh) | 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法 | |
Hossain et al. | Modified PSO algorithm for real-time energy management in grid-connected microgrids | |
El-Bidairi et al. | A hybrid energy management and battery size optimization for standalone microgrids: A case study for Flinders Island, Australia | |
CN109193815B (zh) | 一种提高风电消纳的热电联合调度方法 | |
CN106651026B (zh) | 多时间尺度微电网能量管理优化调度方法 | |
CN111445090B (zh) | 一种离网型综合能源系统双层规划方法 | |
CN108206543B (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 | |
CN113112087A (zh) | 考虑电热负荷需求响应的综合能源系统运行成本优化方法 | |
CN108665188B (zh) | 一种基于优化模型的园区多能源主体综合配比方法 | |
CN107546781B (zh) | 基于pso改进算法的微电网多目标运行优化方法 | |
CN104135025A (zh) | 基于模糊粒子群算法和储能系统的微网经济运行优化方法 | |
CN105931136A (zh) | 一种融合需求侧虚拟储能系统的楼宇微网优化调度方法 | |
CN110807588B (zh) | 一种多能源耦合综合能源系统的优化调度方法 | |
CN111400641A (zh) | 一种含蓄热式电采暖的综合能源系统日前优化调度方法 | |
CN103346562A (zh) | 计及需求响应的多时间尺度微网能量控制方法 | |
CN111934360B (zh) | 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法 | |
CN112464477A (zh) | 计及需求响应的多能耦合综合能源运行仿真方法 | |
CN111950807A (zh) | 计及不确定性与需求响应的综合能源系统优化运行方法 | |
CN110350512A (zh) | 一种智能园区新能源发电站调度优化方法及系统 | |
CN108039741B (zh) | 计及微源余电上网的交直流混合微网优化运行方法 | |
CN113435095A (zh) | 一种用于综合能源系统的优化调度的方法及系统 | |
CN112329260A (zh) | 一种多能互补微网多元多目标优化配置与优化运行方法 | |
CN111697635A (zh) | 计及随机模糊双重不确定的交直流混合微网优化运行方法 | |
CN110165715A (zh) | 一种将电动汽车储能式充电站接入虚拟电厂的方法 | |
CN114037337A (zh) | 一种基于模型预测控制的微能源网优化调度方法及系统 |
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 |