CN111008793A - 面向用户体验的电-气-热综合用能可靠性评估方法 - Google Patents
面向用户体验的电-气-热综合用能可靠性评估方法 Download PDFInfo
- Publication number
- CN111008793A CN111008793A CN201911348354.4A CN201911348354A CN111008793A CN 111008793 A CN111008793 A CN 111008793A CN 201911348354 A CN201911348354 A CN 201911348354A CN 111008793 A CN111008793 A CN 111008793A
- Authority
- CN
- China
- Prior art keywords
- user
- energy
- gas
- heat
- power
- 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
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000005265 energy consumption Methods 0.000 claims abstract description 80
- 230000008447 perception Effects 0.000 claims abstract description 55
- 238000011156 evaluation Methods 0.000 claims abstract description 21
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 8
- 239000007789 gas Substances 0.000 claims description 80
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 68
- 238000004146 energy storage Methods 0.000 claims description 36
- 239000003345 natural gas Substances 0.000 claims description 31
- 238000006243 chemical reaction Methods 0.000 claims description 27
- 238000010438 heat treatment Methods 0.000 claims description 25
- 230000005611 electricity Effects 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000008878 coupling Effects 0.000 claims description 14
- 238000010168 coupling process Methods 0.000 claims description 14
- 238000005859 coupling reaction Methods 0.000 claims description 14
- 230000006735 deficit Effects 0.000 claims description 13
- 230000035945 sensitivity Effects 0.000 claims description 13
- 238000005338 heat storage Methods 0.000 claims description 12
- 230000001186 cumulative effect Effects 0.000 claims description 8
- 238000010248 power generation Methods 0.000 claims description 6
- 230000008439 repair process Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 3
- 230000002045 lasting effect Effects 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 description 8
- 238000011084 recovery Methods 0.000 description 8
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及面向用户体验的电‑气‑热综合用能可靠性评估方法,评估方法包括如下步骤:S1、构建电‑气‑热多能源系统模型;S2、利用马尔科夫蒙特卡洛法模拟系统故障;S3、确定用户对用能故障的感知程度;S4、确定用户用能满意度;S5、对用户侧用能可靠性进行评估;S6、对用户群侧用能可靠性进行评估;本发明从用户的角度出发,考虑用户的主观用能体验,基于用户的实时用电负荷曲线,精确考虑各个停电故障的开始、结束时刻以及持续时间,同用户用电负荷曲线中获得的用户不同时段内的差异化用电需求、差异化可靠性需求进行匹配分析,以此为基础构建了综合用能可靠性评估指标,以进行用户感知用能可靠性评估。
Description
技术领域
本发明属于综合能源系统可靠性评估技术领域,尤其涉及面向用户体验的电-气-热综合用能可靠性评估方法。
背景技术
随着能源危机与环境污染问题的日益突出,各类可再生和清洁能源得到快速发展,电、气、热等多种能源得到高效利用,成为未来的用能趋势。
过去对电、气、热等的可靠性评估主要从供能方的角度考虑,采用供能可靠性指标体系来进行评价,供能可靠性指标主要分为供电可靠性、供气可靠性和供热可靠性指标三类。现在从用户的角度出发,考虑用户的主观用能体验,基于用户的实时用电负荷曲线,精确考虑各个停电故障的开始、结束时刻以及持续时间,同用户用电负荷曲线中获得的用户不同时段内的差异化用电需求、差异化可靠性需求进行匹配分析,本发明以此为基础构建了综合用能可靠性评估指标,以进行用户感知用能可靠性评估,包括用电可靠性评估、用气可靠性评估和用热可靠性评估。
发明内容
本发明的目的在于克服现有技术的不足,提供一种构建了综合用能可靠性评估指标,以进行用户感知用能可靠性评估的面向用户体验的电-气-热综合用能可靠性评估方法。
本发明解决其技术问题是采取以下技术方案实现的:
面向用户体验的电-气-热综合用能可靠性评估方法,所述评估方法包括如下步骤:
S1、构建电-气-热多能源系统模型,其中,电-气-热多能源系统由电力系统、天然气系统、热力系统及耦合环节组成:电力系统包括风电、光伏可再生能源分布式发电装置、电负荷以及储电装置;天然气系统包括气源、气负荷以及储气装置;热力系统包括热源、热负荷以及储热装置;耦合环节包括电-气系统间的压缩机、电转气单元,电-热系统间的热泵、电锅炉,气-热系统间的燃气锅炉以及电-气-热系统间的热电联产装置;且电负荷、气负荷、热负荷共同构成负荷模型,储电装置、储气装置、储热装置共同构成储能装置模型;
S2、利用马尔科夫蒙特卡洛法模拟系统故障
电-气-热多能源系统中的耦合环节和储能装置的停运模型采用传统电力系统可靠性评估中元件的马尔科夫两状态模型,假设其只有运行和停运两种状态,其运行持续时间及停运时间模型如下所示:
式中:λk、μk分别表示第k类元件的故障率、修复率;uk表示0-1之间均匀分布的随机数;
通过蒙特卡洛模拟,确定不同元件的运行持续时间以及停运时间,从而模拟系统的故障状态;
S3、确定用户对用能故障的感知程度,公式如下:
Tk,duration=Tk,ed-Tk,st
λφ,k,i=Et,i,mean/ENi
Aφ,k,i=λφ,k,i/λφ,mean,i
式中,Tk,st为用能故障k的开始时刻,Tk,ed为用能故障k的结束时刻,Tk,duration为用能故障k的持续时间;Et,i,mean代表用能故障持续时间内用户i的平均用能功率:E表示不同的用能功率类型,E为P时表示用电功率,E为F时表示用气功率,E为Q时表示用热功率;λφ,k,i为用能故障k对用户i造成的影响程度,λφ,mean,i为一年内任意小时内发生用能故障后对用户i造成的影响程度的平均值;Et,i为用户一年中第t个小时内的负荷数据,ENi为用户i的额定功率;Aφ,k,i表示用户对用能故障的感知程度,φ表示不同类型的用能故障,i表示第i个用户,k表示第k次用能故障,φ为e时表示电,Ae,k,i表示用户i对停电故障k的感知程度;φ为g时表示天然气,Ag,k,i表示用户i对停气故障k的感知程度;φ为h时表示热,Ah,k,i表示用户i对停热故障k的感知程度;
S4、确定用户用能满意度,其中,公式如下:
λφ,t,i=Eφ,t,i/ENi
Aφ,t,i=λφ,t,i/λφ,mean,i
Wφ,t,i,loss,sense=Eφ,t,i·1h
Wφ,k,i,loss,sense=ENi·Tk,duration·Aφ,k,i
式中,Eφ,t,i为用户i在一年中第t个小时内的用能负荷数据,t=1,2,3…8760;λφ,t,i为用户i在一年中第t个小时内的用能负荷标幺值,t=1,2,3…8760;Aφ,t,i表示如果用户i在第t个小时内遭遇持续1小时整的用能不足事故,该用户对本次用能不足事故的严重性感知程度;Wφ,t,i,loss,sense为用户i在第t个小时内因用能不足造成的缺能量指标;Wφ,k,i,loss,sense是每次用能故障时用户感知的缺能量,Nk表示用能故障的次数;ENi为用户i的额定功率;ΔECALEE,i为用户感知年累计缺能量期望,Sφ,t,i反映用户i在一年中第t个小时内的用能满意度;Sφ,year,i表示用户年度用能满意度;
定义基于用户感知的用户对用能不足事故的敏感程度指标为:
将Sφ,t,i、Sφ,year,i分别代入上式可得到Asensitive,φ,t,i、Asensitive,φ,year,i,用户i对用能不足事故的敏感程度的值越大,说明用户对于可靠性的要求越高,用户满意度越低;
S5、对用户侧用能可靠性进行评估
计算用户感知年用能不足频率λCAIESF,i,公式如下:
式中,Nk为用户i一年内因系统元件故障所发生的总用能不足次数:具体的,Ne、Ng、Nh分别为总停电次数、总停气次数及总停热次数;
传统可靠性评估中每发生一次供能故障,年供能不足频率将会增加1次。但用能故障对年用能不足频率的贡献与用户对本次故障的感知程度Aφ,k,i有关:如果Aφ,k,i小于1,说明用户对于本次用能故障的严重性感知程度较小,本次用能故障对用户的用能可靠性体验造成了较小的损害,对用户年用能不足频率(总用能不足次数)的贡献小于1次;反之若Aφ,k,i远大于1,则说明本次用能故障对用户的影响严重程度较大,对用户总用能不足次数的贡献大于1次。
对于不可间断用热的Ⅱ类热用户,计算用户感知年累计用能不足时长UCAIESDI,i,计算公式如下:
对于故障元件修复时间τ大于允许用热间断时间T的Ⅰ类热用户:
传统可靠性评估中的年累计供能不足时长仅是一年内每次故障时间的简单求和,而本指标不仅考虑用户每次用能不足的持续时间,还考虑了用户对每次用能故障的严重性感知程度。在用户用能高峰发生用能故障时,用户对用能故障k的严重性感知程度Aφ,k,i权值较大,则用能不足持续时长Tk,duration在UCAIESDI,i中所占的比例较大;反之在用户用能低谷发生用能故障时,Aφ,k,i权值较小,Tk,duration在UCAIESDI,i中占比较小。在用户感知用能可靠性评估中,用能不足持续时间越长的故障不一定对年累计用能不足时长造成越大的影响,还需要考虑用户对该次故障的严重性感知程度。
计算用户感知用能不足平均持续时间rCAIESADI,i,公式如下:
rCAIESADI,i=UCAIESDI,i/λCAIESF,i
该指标反映在用户感知用能可靠性评估体系下,用户i每次用能不足的平均持续时长。rCAIESADI,i的大小可以反映该用户的用能恢复速度。rCAIESADI,i值越小说明该用户发生用能故障后,恢复用能的速度越快。
S6、对用户群侧用能可靠性进行评估
计算用户群感知平均年用能不足频率λCGAAIESF,j,计算公式如下:
式中,Ni为用户群j中存在的总活跃用户数;λCAIESF,i为用户i用户感知年用能不足频率;Asensitive,φ,year,i为基于用户感知的用户i对用能不足事故敏感程度的年平均值;对于一个用户群j,其感知的平均年用能不足频率不是简单的用户感知年用能不足频率的加权平均值,而是与λCAIESF,i、Asensitive,φ,year,i均有关系,λCAIESF,i考虑了用户对于其所经历的每次用能不足事故的严重性感知程度,Asensitive,φ,year,i考虑了用户对于用能不足事故的年平均敏感程度,得到的计算结果能够从用户感知的角度,反映用户群中所有活跃用户所感知到的平均用能不足频率。λCGAAIESF,j越大,代表该用户群中所有用户所感知到的平均用能不足频率越高,即用能故障对该用户群的用能可靠性体验造成了较大的损害,应尽量避免该用户群所在区域供能不足。
计算用户群感知平均年用能不足持续时间UCGAAIESDI,i,公式如下:
该式代表的物理意义是:对于一个用户群,其感知的平均年用能不足持续时间不仅仅是该用户群所有活跃用户感知年用能不足持续时间的算术平均值。而是将Asensitive,φ,year,i作为UCAIESDI,i的权值,通过加权平均的办法得到计算结果。该值越大,代表该用户群感知的平均年用能不足持续时间越长,即对该用户群的用能可靠性体验造成了较大的损害,应尽量避免该用户群所在区域供能不足。
考量多个用户的rCAIESADI,i值可以从侧面反映用户群的用能恢复速度。计算用户群感知平均用能不足平均持续时间rCGAAIESADI,i,计算公式如下:
该指标反映在用户感知用能可靠性评估体系下,用户群j从用能不足事件发生到恢复供能时间的平均值。rCGAAIESADI,i引入了用户感知的概念,考虑用户对于每次用能事故的严重性感知程度和用户对用能事故敏感程度的年平均值Asensitive,φ,year,i。rCGAAIESADI,i的大小可以反映系统在该用户群处的用能恢复速度。rCGAAIESADI,i值越小说明该用户群发生用能故障后,恢复用能的速度越快。
进一步的,所述步骤S1中电-气-热多能源系统模型包括:
(1)压缩机模型
由于天然气管道内壁有摩擦,天然气系统存在一定的传输损耗。因此在输气管道沿线合理设置压缩机可以弥补一定的传输损耗,保证下游输气压力,其模型可表示为
fAC=kACfl(pout-pin)
式中:fAC表示为压缩机耗量;fl为压缩机所在管道流量;kAC为压缩机单元特征常数,与温度及压缩机效率等有关;pout和pin分别表示压缩机出口及入口压力;
(2)电转气单元P2G模型
电转气单元由电解水装置、甲烷化反应装置及加压设备构成,模型可表示为
QP2G=ηP2GPP2G/GHV
式中:QP2G表示P2G单元输送至天然气系统的甲烷流量;ηP2G表示P2G单元转化效率;PP2G表示装置的安装容量;GHV为天然气热值;
(3)热泵模型
热泵是一种通过输入少量的高品位能源(电能)实现低品位热能向高品位热能转移的装置,其能量输入与能量输出的关系常用热泵主机机组性能系数来描述,模型可表示为
QHP=COPHPPHP
式中:QHP、PHP分别表示热泵供热功率、耗电功率,COPHP为其性能系数;
(4)电锅炉模型
电锅炉是利用水作为介质直接将电能转化为热能的装置,是实现电热耦合的关键元件,其制热功率与消耗的电功率有关,模型可表示为:
QEB=ηEBPEB
式中:QEB表示电锅炉的制热功率;ηEB表示热电转化效率;PEB表示装置的电功率;
(5)燃气锅炉模型
燃气锅炉是将天然气转化为热能的装置,是实现气热耦合的关键元件,其制热功率与消耗的天然气量有关,模型可表示为:
QGB=ηGBPGB
式中:QGB表示燃气锅炉的制热量;ηGB表示气热转化效率;PGB表示装置消耗的天然气量;制热功率QGB不能超过燃气锅炉设备允许的最大制热功率。
(6)热电联产装置模型
热电联产装置是一种热、电同时产生且高效的能源转换装置,其模型如下所示:
(7)负荷模型
通过收集用户实际的电、气、热负荷数据,得到全年8 760h的典型时序电、气、热负荷曲线,
(8)储能装置模型
储能装置包括储电装置、储气装置和储热装置,其模型如下所示:
式中:φ表示不同类型的储能装置:φ为e时表示储电装置,φ为g时表示储气装置,φ为h时表示储热装置;Pφ,t为储能装置t时刻与多能源系统的净交换功率;分别为储能装置t时刻的充、放能功率;Eφ,t为储能装置t时刻的总储能量;δ为储能装置的能量自损率;ηφ,cha、ηφ,dis分别为储能装置的能量充、放效率。
进一步的,所述步骤S5中,允许供热间断时间T可通过间断供热时建筑温降模型得到,即
式中,x为建筑的热储备系数;tn为室内设计温度;tw为室外空气计算温度;q0为建筑的供暖体积热指标;V为建筑的外围体积;为室内最低允许温度;Q为故障情况下系统向建筑的供热量,对于故障时与热网断开的负荷Q=0。
本发明的优点和积极效果是:
本发明从用户的角度出发,考虑用户的主观用能体验,提出综合用能可靠性评估指标的构建方法,进行用户感知用能可靠性评估,包括用电可靠性评估、用气可靠性评估和用热可靠性评估,基于用户感知用能可靠性指标评估综合能源系统中用户及用户群的用能可靠性,对区域综合能源系统中用能可靠性差异化服务需求进行评估,本发明所提出的方法能够合理构建和计算面向用户体验的电-气-热多用能可靠性评估指标。
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面向用户体验的电-气-热综合用能可靠性评估方法的流程示意图;
图2为本发明实施例提供的面向用户体验的电-气-热综合用能可靠性评估方法的电-气-热多能源系统组成框图的关系示意图;
图3为本发明实施例提供的用户A、B的日用电负荷曲线图;
图4为本发明实施例提供的用户C、D的日用气负荷曲线图;
图5为本发明实施例提供的用户E、F的日用热负荷曲线图;
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。
下面就结合图1-5来具体说明本发明。
实施例1
如图1-5所示,本实施例提供的面向用户体验的电-气-热综合用能可靠性评估方法,所述评估方法包括如下步骤:
S1、构建电-气-热多能源系统模型,其中,电-气-热多能源系统由电力系统、天然气系统、热力系统及耦合环节组成:电力系统包括风电、光伏可再生能源分布式发电装置、电负荷以及储电装置;天然气系统包括气源、气负荷以及储气装置;热力系统包括热源、热负荷以及储热装置;耦合环节包括电-气系统间的压缩机、电转气单元,电-热系统间的热泵、电锅炉,气-热系统间的燃气锅炉以及电-气-热系统间的热电联产装置;且电负荷、气负荷、热负荷共同构成负荷模型,储电装置、储气装置、储热装置共同构成储能装置模型;
S2、利用马尔科夫蒙特卡洛法模拟系统故障
电-气-热多能源系统中的耦合环节和储能装置的停运模型采用传统电力系统可靠性评估中元件的马尔科夫两状态模型,假设其只有运行和停运两种状态,其运行持续时间及停运时间模型如下所示:
式中:λk、μk分别表示第k类元件的故障率、修复率;uk表示0-1之间均匀分布的随机数;
通过蒙特卡洛模拟,确定不同元件的运行持续时间以及停运时间,从而模拟系统的故障状态;
S3、确定用户对用能故障的感知程度,公式如下:
Tk,duration=Tk,ed-Tk,st
λφ,k,i=Et,i,mean/ENi
Aφ,k,i=λφ,k,i/λφ,mean,i
式中,Tk,st为用能故障k的开始时刻,Tk,ed为用能故障k的结束时刻,Tk,duration为用能故障k的持续时间;Et,i,mean代表用能故障持续时间内用户i的平均用能功率:E表示不同的用能功率类型,E为P时表示用电功率,E为F时表示用气功率,E为Q时表示用热功率;λφ,k,i为用能故障k对用户i造成的影响程度,λφ,mean,i为一年内任意小时内发生用能故障后对用户i造成的影响程度的平均值;Et,i为用户一年中第t个小时内的负荷数据,ENi为用户i的额定功率;Aφ,k,i表示用户对用能故障的感知程度,φ表示不同类型的用能故障,i表示第i个用户,k表示第k次用能故障,φ为e时表示电,Ae,k,i表示用户i对停电故障k的感知程度;φ为g时表示天然气,Ag,k,i表示用户i对停气故障k的感知程度;φ为h时表示热,Ah,k,i表示用户i对停热故障k的感知程度;
S4、确定用户用能满意度,其中,公式如下:
λφ,t,i=Eφ,t,i/ENi
Aφ,t,i=λφ,t,i/λφ,mean,i
Wφ,t,i,loss,sense=Eφ,t,i·1h
Wφ,k,i,loss,sense=ENi·Tk,duration·Aφ,k,i
式中,Eφ,t,i为用户i在一年中第t个小时内的用能负荷数据,t=1,2,3…8760;λφ,t,i为用户i在一年中第t个小时内的用能负荷标幺值,t=1,2,3…8760;Aφ,t,i表示如果用户i在第t个小时内遭遇持续1小时整的用能不足事故,该用户对本次用能不足事故的严重性感知程度;Wφ,t,i,loss,sense为用户i在第t个小时内因用能不足造成的缺能量指标;Wφ,k,i,loss,sense是每次用能故障时用户感知的缺能量,Nk表示用能故障的次数;ENi为用户i的额定功率;ΔECALEE,i为用户感知年累计缺能量期望,Sφ,t,i反映用户i在一年中第t个小时内的用能满意度;Sφ,year,i表示用户年度用能满意度;
定义基于用户感知的用户对用能不足事故的敏感程度指标为:
将Sφ,t,i、Sφ,year,i分别代入上式可得到Asensitive,φ,t,i、Asensitive,φ,year,i,用户i对用能不足事故的敏感程度的值越大,说明用户对于可靠性的要求越高,用户满意度越低;
S5、对用户侧用能可靠性进行评估
计算用户感知年用能不足频率λCAIESF,i,公式如下:
式中,Nk为用户i一年内因系统元件故障所发生的总用能不足次数:具体的,Ne、Ng、Nh分别为总停电次数、总停气次数及总停热次数;
传统可靠性评估中每发生一次供能故障,年供能不足频率将会增加1次。但用能故障对年用能不足频率的贡献与用户对本次故障的感知程度Aφ,k,i有关:如果Aφ,k,i小于1,说明用户对于本次用能故障的严重性感知程度较小,本次用能故障对用户的用能可靠性体验造成了较小的损害,对用户年用能不足频率(总用能不足次数)的贡献小于1次;反之若Aφ,k,i远大于1,则说明本次用能故障对用户的影响严重程度较大,对用户总用能不足次数的贡献大于1次。
对于不可间断用热的Ⅱ类热用户,计算用户感知年累计用能不足时长UCAIESDI,i,计算公式如下:
对于故障元件修复时间τ大于允许用热间断时间T的Ⅰ类热用户:
传统可靠性评估中的年累计供能不足时长仅是一年内每次故障时间的简单求和,而本指标不仅考虑用户每次用能不足的持续时间,还考虑了用户对每次用能故障的严重性感知程度。在用户用能高峰发生用能故障时,用户对用能故障k的严重性感知程度Aφ,k,i权值较大,则用能不足持续时长Tk,duration在UCAIESDI,i中所占的比例较大;反之在用户用能低谷发生用能故障时,Aφ,k,i权值较小,Tk,duration在UCAIESDI,i中占比较小。在用户感知用能可靠性评估中,用能不足持续时间越长的故障不一定对年累计用能不足时长造成越大的影响,还需要考虑用户对该次故障的严重性感知程度。
计算用户感知用能不足平均持续时间rCAIESADI,i,公式如下:
rCAIESADI,i=UCAIESDI,i/λCAIESF,i
该指标反映在用户感知用能可靠性评估体系下,用户i每次用能不足的平均持续时长。rCAIESADI,i的大小可以反映该用户的用能恢复速度。rCAIESADI,i值越小说明该用户发生用能故障后,恢复用能的速度越快。
S6、对用户群侧用能可靠性进行评估
计算用户群感知平均年用能不足频率λCGAAIESF,j,计算公式如下:
式中,Ni为用户群j中存在的总活跃用户数;λCAIESF,i为用户i用户感知年用能不足频率;Asensitive,φ,year,i为基于用户感知的用户i对用能不足事故敏感程度的年平均值;对于一个用户群j,其感知的平均年用能不足频率不是简单的用户感知年用能不足频率的加权平均值,而是与λCAIESF,i、Asensitive,φ,year,i均有关系,λCAIESF,i考虑了用户对于其所经历的每次用能不足事故的严重性感知程度,Asensitive,φ,year,i考虑了用户对于用能不足事故的年平均敏感程度,得到的计算结果能够从用户感知的角度,反映用户群中所有活跃用户所感知到的平均用能不足频率。λCGAAIESF,j越大,代表该用户群中所有用户所感知到的平均用能不足频率越高,即用能故障对该用户群的用能可靠性体验造成了较大的损害,应尽量避免该用户群所在区域供能不足。
计算用户群感知平均年用能不足持续时间UCGAAIESDI,i,公式如下:
该式代表的物理意义是:对于一个用户群,其感知的平均年用能不足持续时间不仅仅是该用户群所有活跃用户感知年用能不足持续时间的算术平均值。而是将Asensitive,φ,year,i作为UCAIESDI,i的权值,通过加权平均的办法得到计算结果。该值越大,代表该用户群感知的平均年用能不足持续时间越长,即对该用户群的用能可靠性体验造成了较大的损害,应尽量避免该用户群所在区域供能不足。
考量多个用户的rCAIESADI,i值可以从侧面反映用户群的用能恢复速度。计算用户群感知平均用能不足平均持续时间rCGAAIESADI,i,计算公式如下:
该指标反映在用户感知用能可靠性评估体系下,用户群j从用能不足事件发生到恢复供能时间的平均值。rCGAAIESADI,i引入了用户感知的概念,考虑用户对于每次用能事故的严重性感知程度和用户对用能事故敏感程度的年平均值Asensitive,φ,year,i。rCGAAIESADI,i的大小可以反映系统在该用户群处的用能恢复速度。rCGAAIESADI,i值越小说明该用户群发生用能故障后,恢复用能的速度越快。
进一步的,所述步骤S1中电-气-热多能源系统模型包括:
(1)压缩机模型
由于天然气管道内壁有摩擦,天然气系统存在一定的传输损耗。因此在输气管道沿线合理设置压缩机可以弥补一定的传输损耗,保证下游输气压力,其模型可表示为
fAC=kACfl(pout-pin)
式中:fAC表示为压缩机耗量;fl为压缩机所在管道流量;kAC为压缩机单元特征常数,与温度及压缩机效率等有关;pout和pin分别表示压缩机出口及入口压力;
(2)电转气单元P2G模型
电转气单元由电解水装置、甲烷化反应装置及加压设备构成,模型可表示为
QP2G=ηP2GPP2G/GHV
式中:QP2G表示P2G单元输送至天然气系统的甲烷流量;ηP2G表示P2G单元转化效率;PP2G表示装置的安装容量;GHV为天然气热值;
(3)热泵模型
热泵是一种通过输入少量的高品位能源(电能)实现低品位热能向高品位热能转移的装置,其能量输入与能量输出的关系常用热泵主机机组性能系数来描述,模型可表示为
QHP=COPHPPHP
式中:QHP、PHP分别表示热泵供热功率、耗电功率,COPHP为其性能系数;
(4)电锅炉模型
电锅炉是利用水作为介质直接将电能转化为热能的装置,是实现电热耦合的关键元件,其制热功率与消耗的电功率有关,模型可表示为:
QEB=ηEBPEB
式中:QEB表示电锅炉的制热功率;ηEB表示热电转化效率;PEB表示装置的电功率;
(5)燃气锅炉模型
燃气锅炉是将天然气转化为热能的装置,是实现气热耦合的关键元件,其制热功率与消耗的天然气量有关,模型可表示为:
QGB=ηGBPGB
式中:QGB表示燃气锅炉的制热量;ηGB表示气热转化效率;PGB表示装置消耗的天然气量;制热功率QGB不能超过燃气锅炉设备允许的最大制热功率。
(6)热电联产装置模型
热电联产装置是一种热、电同时产生且高效的能源转换装置,其模型如下所示:
(7)负荷模型
通过收集用户实际的电、气、热负荷数据,得到全年8 760h的典型时序电、气、热负荷曲线,
(8)储能装置模型
储能装置包括储电装置、储气装置和储热装置,其模型如下所示:
式中:φ表示不同类型的储能装置:φ为e时表示储电装置,φ为g时表示储气装置,φ为h时表示储热装置;Pφ,t为储能装置t时刻与多能源系统的净交换功率;分别为储能装置t时刻的充、放能功率;Eφ,t为储能装置t时刻的总储能量;δ为储能装置的能量自损率;ηφ,cha、ηφ,dis分别为储能装置的能量充、放效率。
进一步的,所述步骤S5中,允许供热间断时间T可通过间断供热时建筑温降模型得到,即
式中,x为建筑的热储备系数;tn为室内设计温度;tw为室外空气计算温度;q0为建筑的供暖体积热指标;V为建筑的外围体积;为室内最低允许温度;Q为故障情况下系统向建筑的供热量,对于故障时与热网断开的负荷Q=0。
作为举例,在本实施例中,选取某综合能源系统中6个用户,分别采集6个用户的用电、气、热负荷的数据,并绘制日用电、气、热负荷曲线图,如图3、4、5所示。
使用蒙特卡洛法,根据统计结果中的用能不足事故持续时长和用能不足发生时刻,假定在11点至12点和22点至23点各发生一次停电事故,分别记为停电事故Ⅰ、Ⅱ,停电时长分别为0.31h和0.49h,造成用户A、B停电;在6点至7点和15点至16点各发生一次停气事故,分别记为停气事故Ⅰ、Ⅱ,停气时长分别为0.51h和0.29h,造成用户C、D停气;在7点至8点和20点至21点各发生一次停热事故,分别记为停热事故Ⅰ、Ⅱ,停热时长分别为0.61h和0.19h,造成用户(Ⅱ类用户)E、F停热。根据技术方案中各指标的计算方法,分别计算这几个用户对用能故障的感知程度,以及用户侧、用户群侧的年用能不足频率、年累计用能不足时长及用能不足平均持续时间,并同传统可靠性指标作对比。
表1各用户对各用能故障的感知程度
A | B | C | D | E | F | |
I | 1.74 | 0.81 | 0.42 | 1.10 | 1.13 | 0.51 |
Ⅱ | 0.62 | 1.98 | 0.36 | 0.89 | 1.1 | 2.55 |
表2用户侧各用能可靠性指标计算值
表3用户侧传统可靠性指标计算值
A | B | C | D | E | F | |
λ | 2 | 2 | 2 | 2 | 2 | 2 |
U | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 | 0.8 |
r | 0.4 | 0.4 | 0.4 | 0.4 | 0.4 | 0.4 |
同传统可靠性指标相比,所提考虑用户感知的用能可靠性指标更真实地反应各用户的用能体验,实际用户感知到的用能不足时长明显高于传统可靠性的计算值,为真实指导综合能源系统的规划运行提供了条件。
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.面向用户体验的电-气-热综合用能可靠性评估方法,其特征在于:所述评估方法包括如下步骤:
S1、构建电-气-热多能源系统模型,其中,电-气-热多能源系统由电力系统、天然气系统、热力系统及耦合环节组成:电力系统包括风电、光伏可再生能源分布式发电装置、电负荷以及储电装置;天然气系统包括气源、气负荷以及储气装置;热力系统包括热源、热负荷以及储热装置;耦合环节包括电-气系统间的压缩机、电转气单元,电-热系统间的热泵、电锅炉,气-热系统间的燃气锅炉以及电-气-热系统间的热电联产装置;且电负荷、气负荷、热负荷共同构成负荷模型,储电装置、储气装置、储热装置共同构成储能装置模型;
S2、利用马尔科夫蒙特卡洛法模拟系统故障
电-气-热多能源系统中的耦合环节和储能装置的停运模型采用传统电力系统可靠性评估中元件的马尔科夫两状态模型,假设其只有运行和停运两种状态,其运行持续时间及停运时间模型如下所示:
式中:λk、μk分别表示第k类元件的故障率、修复率;uk表示0-1之间均匀分布的随机数;
通过蒙特卡洛模拟,确定不同元件的运行持续时间以及停运时间,从而模拟系统的故障状态;
S3、确定用户对用能故障的感知程度,公式如下:
Tk,duration=Tk,ed-Tk,st
λφ,k,i=Et,i,mean/ENi
Aφ,k,i=λφ,k,i/λφ,mean,i
式中,Tk,st为用能故障k的开始时刻,Tk,ed为用能故障k的结束时刻,Tk,duration为用能故障k的持续时间;Et,i,mean代表用能故障持续时间内用户i的平均用能功率:E表示不同的用能功率类型,E为P时表示用电功率,E为F时表示用气功率,E为Q时表示用热功率;λφ,k,i为用能故障k对用户i造成的影响程度,λφ,mean,i为一年内任意小时内发生用能故障后对用户i造成的影响程度的平均值;Et,i为用户一年中第t个小时内的负荷数据,ENi为用户i的额定功率;Aφ,k,i表示用户对用能故障的感知程度,φ表示不同类型的用能故障,i表示第i个用户,k表示第k次用能故障,φ为e时表示电,Ae,k,i表示用户i对停电故障k的感知程度;φ为g时表示天然气,Ag,k,i表示用户i对停气故障k的感知程度;φ为h时表示热,Ah,k,i表示用户i对停热故障k的感知程度;
S4、确定用户用能满意度,其中,公式如下:
λφ,t,i=Eφ,t,i/ENi
Aφ,t,i=λφ,t,i/λφ,mean,i
Wφ,t,i,loss,sense=Eφ,t,i·1h
Wφ,k,i,loss,sense=ENi·Tk,duration·Aφ,k,i
式中,Eφ,t,i为用户i在一年中第t个小时内的用能负荷数据,t=1,2,3…8760;λφ,t,i为用户i在一年中第t个小时内的用能负荷标幺值,t=1,2,3…8760;Aφ,t,i表示如果用户i在第t个小时内遭遇持续1小时整的用能不足事故,该用户对本次用能不足事故的严重性感知程度;Wφ,t,i,loss,sense为用户i在第t个小时内因用能不足造成的缺能量指标;Wφ,k,i,loss,sense是每次用能故障时用户感知的缺能量,Nk表示用能故障的次数;ENi为用户i的额定功率;ΔECALEE,i为用户感知年累计缺能量期望,Sφ,t,i反映用户i在一年中第t个小时内的用能满意度;Sφ,year,i表示用户年度用能满意度;
定义基于用户感知的用户对用能不足事故的敏感程度指标为:
将Sφ,t,i、Sφ,year,i分别代入上式可得到Asensitive,φ,t,i、Asensitive,φ,year,i,用户i对用能不足事故的敏感程度的值越大,说明用户对于可靠性的要求越高,用户满意度越低;
S5、对用户侧用能可靠性进行评估
计算用户感知年用能不足频率λCAIESF,i,公式如下:
式中,Nk为用户i一年内因系统元件故障所发生的总用能不足次数:具体的,Ne、Ng、Nh分别为总停电次数、总停气次数及总停热次数;
对于不可间断用热的Ⅱ类热用户,计算用户感知年累计用能不足时长UCAIESDI,i,计算公式如下:
对于故障元件修复时间τ大于允许用热间断时间T的Ⅰ类热用户:
计算用户感知用能不足平均持续时间rCAIESADI,i,公式如下:
rCAIESADI,i=UCAIESDI,i/λCAIESF,i;
S6、对用户群侧用能可靠性进行评估
计算用户群感知平均年用能不足频率λCGAAIESF,j,计算公式如下:
式中,Ni为用户群j中存在的总活跃用户数;λCAIESF,i为用户i用户感知年用能不足频率;Asensitive,φ,year,i为基于用户感知的用户i对用能不足事故敏感程度的年平均值;
计算用户群感知平均年用能不足持续时间UCGAAIESDI,i,公式如下:
计算用户群感知平均用能不足平均持续时间rCGAAIESADI,i,计算公式如下:
2.根据权利要求1所述的面向用户体验的电-气-热综合用能可靠性评估方法,其特征在于:所述步骤S1中电-气-热多能源系统模型包括:
(1)压缩机模型
其模型可表示为:
fAC=kACfl(pout-pin)
式中:fAC表示为压缩机耗量;fl为压缩机所在管道流量;kAC为压缩机单元特征常数,与温度及压缩机效率等有关;pout和pin分别表示压缩机出口及入口压力;
(2)电转气单元P2G模型
电转气单元由电解水装置、甲烷化反应装置及加压设备构成,模型可表示为:
QP2G=ηP2GPP2G/GHV
式中:QP2G表示P2G单元输送至天然气系统的甲烷流量;ηP2G表示P2G单元转化效率;;PP2G表示装置的安装容量;GHV为天然气热值;
(3)热泵模型
模型可表示为:
QHP=COPHPPHP
式中:QHP、PHP分别表示热泵供热功率、耗电功率,COPHP为其性能系数;
(4)电锅炉模型
电锅炉是利用水作为介质直接将电能转化为热能的装置,是实现电热耦合的关键元件,其制热功率与消耗的电功率有关,模型可表示为:
QEB=ηEBPEB
式中:QEB表示电锅炉的制热功率;ηEB表示热电转化效率;PEB表示装置的电功率;
(5)燃气锅炉模型
燃气锅炉是将天然气转化为热能的装置,其制热功率与消耗的天然气量有关,模型可表示为:
QGB=ηGBPGB
式中:QGB表示燃气锅炉的制热量;ηGB表示气热转化效率;PGB表示装置消耗的天然气量;制热功率QGB不能超过燃气锅炉设备允许的最大制热功率;
(6)热电联产装置模型
热电联产装置是一种热、电同时产生的能源转换装置,其模型如下所示:
(7)负荷模型
通过收集用户实际的电、气、热负荷数据,得到全年8 760h的典型时序电、气、热负荷曲线;
(8)储能装置模型
储能装置包括储电装置、储气装置和储热装置,其模型如下所示:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911348354.4A CN111008793B (zh) | 2019-12-24 | 2019-12-24 | 面向用户体验的电-气-热综合用能可靠性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911348354.4A CN111008793B (zh) | 2019-12-24 | 2019-12-24 | 面向用户体验的电-气-热综合用能可靠性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111008793A true CN111008793A (zh) | 2020-04-14 |
CN111008793B CN111008793B (zh) | 2023-10-31 |
Family
ID=70116118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911348354.4A Active CN111008793B (zh) | 2019-12-24 | 2019-12-24 | 面向用户体验的电-气-热综合用能可靠性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111008793B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111541249A (zh) * | 2020-06-11 | 2020-08-14 | 南方电网科学研究院有限责任公司 | 一种多能源配电网供电能力评估方法、装置及设备 |
CN111859611A (zh) * | 2020-06-05 | 2020-10-30 | 国网山东省电力公司济南供电公司 | 基于细粒度用能数据的电热水器实际保温性能评估方法 |
CN112070374A (zh) * | 2020-08-25 | 2020-12-11 | 天津大学 | 一种区域能源互联网供能可靠性评估方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106570611A (zh) * | 2016-09-29 | 2017-04-19 | 重庆大学 | 一种计及负荷需求响应的并网型微电网可靠性评估方法 |
CN106971255A (zh) * | 2017-02-16 | 2017-07-21 | 广西电网有限责任公司电力科学研究院 | 一种配网自动化方案综合评估系统 |
CN107506331A (zh) * | 2017-08-25 | 2017-12-22 | 国网新疆电力公司经济技术研究院 | 基于时间关联性及元件运行时间的微电网可靠性计算方法 |
US20180240202A1 (en) * | 2015-08-19 | 2018-08-23 | China Electric Power Research Institute Company Limited | Method of predicting distribution network operation reliability |
CN110223005A (zh) * | 2019-06-21 | 2019-09-10 | 清华大学 | 一种空调负荷供电可靠性评估方法及评估装置 |
-
2019
- 2019-12-24 CN CN201911348354.4A patent/CN111008793B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180240202A1 (en) * | 2015-08-19 | 2018-08-23 | China Electric Power Research Institute Company Limited | Method of predicting distribution network operation reliability |
CN106570611A (zh) * | 2016-09-29 | 2017-04-19 | 重庆大学 | 一种计及负荷需求响应的并网型微电网可靠性评估方法 |
CN106971255A (zh) * | 2017-02-16 | 2017-07-21 | 广西电网有限责任公司电力科学研究院 | 一种配网自动化方案综合评估系统 |
CN107506331A (zh) * | 2017-08-25 | 2017-12-22 | 国网新疆电力公司经济技术研究院 | 基于时间关联性及元件运行时间的微电网可靠性计算方法 |
CN110223005A (zh) * | 2019-06-21 | 2019-09-10 | 清华大学 | 一种空调负荷供电可靠性评估方法及评估装置 |
Non-Patent Citations (1)
Title |
---|
黄曌;汪沨;谭阳红;董旭柱;吴争荣;陈春: "基于健康度和重要度的配电网运行风险评估方法", 电力自动化设备, vol. 36, no. 6, pages 136 - 141 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111859611A (zh) * | 2020-06-05 | 2020-10-30 | 国网山东省电力公司济南供电公司 | 基于细粒度用能数据的电热水器实际保温性能评估方法 |
CN111541249A (zh) * | 2020-06-11 | 2020-08-14 | 南方电网科学研究院有限责任公司 | 一种多能源配电网供电能力评估方法、装置及设备 |
CN111541249B (zh) * | 2020-06-11 | 2022-02-15 | 南方电网科学研究院有限责任公司 | 一种多能源配电网供电能力评估方法、装置及设备 |
CN112070374A (zh) * | 2020-08-25 | 2020-12-11 | 天津大学 | 一种区域能源互联网供能可靠性评估方法 |
CN112070374B (zh) * | 2020-08-25 | 2022-10-14 | 天津大学 | 一种区域能源互联网供能可靠性评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111008793B (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Distributionally robust day-ahead scheduling of park-level integrated energy system considering generalized energy storages | |
CN111008793A (zh) | 面向用户体验的电-气-热综合用能可靠性评估方法 | |
CN108596525B (zh) | 冷热电气多能互补的微能源网鲁棒优化调度方法 | |
CN108183512B (zh) | 一种接入新能源的电力系统的可靠性评估方法 | |
CN111738502A (zh) | 促进富余风电消纳的多能互补系统需求响应运行优化方法 | |
Gustafson et al. | Direct water heater load control-estimating program effectiveness using an engineering model | |
Dar et al. | Influence of occupant’s behavior on heating needs and energy system performance: A case of well-insulated detached houses in cold climates | |
CN108830485A (zh) | 一种电-热综合能源系统可靠性评价方法 | |
CN106339826A (zh) | 一种计及削峰填谷的并网型微电网可靠性评估方法 | |
CN109993445B (zh) | 一种考虑光伏预测误差的综合能源系统脆弱性评估方法 | |
CN112070374B (zh) | 一种区域能源互联网供能可靠性评估方法 | |
CN112580927A (zh) | 一种基于物联网的工商业园区综合能效评估方法 | |
Bao et al. | Cascading failure propagation simulation in integrated electricity and natural gas systems | |
Zhang et al. | Stochastic optimal dispatch of combined heat and power integrated AA-CAES power station considering thermal inertia of DHN | |
Clegg et al. | Integrated electrical and gas network modelling for assessment of different power-and-heat options | |
CN109740824A (zh) | 一种考虑供热网和热负荷的多能源系统优化规划方法 | |
CN111666698A (zh) | 考虑多元储能的区域能源互联网可靠性评估方法 | |
CN110137953B (zh) | 基于分布式能源站多能源系统的协同运行优化方法 | |
Zhang et al. | Power system resilience assessment considering of integrated natural gas system | |
CN111985105B (zh) | 一种计及热动态特性的多微能源网系统可靠性评估方法 | |
CN110544033B (zh) | 热电厂灵活性改造后的电力系统风电消纳评估方法 | |
CN109470289B (zh) | 一种识别计量设备用能流量值反向事件的方法和系统 | |
Gong et al. | Aggregated generic load curve for residential electric water heaters | |
Crosara et al. | Generation Adequacy in the Nordic and Baltic Region: Case Studies from 2020 to 2050: Flex4RES Project Report | |
CN115935711B (zh) | 一种基于图论的多能互补主动配网系统可靠性评估方法 |
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 |