CN111091404A - 一种微能源网能量售价确定方法及系统 - Google Patents
一种微能源网能量售价确定方法及系统 Download PDFInfo
- Publication number
- CN111091404A CN111091404A CN201811245005.5A CN201811245005A CN111091404A CN 111091404 A CN111091404 A CN 111091404A CN 201811245005 A CN201811245005 A CN 201811245005A CN 111091404 A CN111091404 A CN 111091404A
- Authority
- CN
- China
- Prior art keywords
- time period
- energy
- user
- power
- micro
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000006870 function Effects 0.000 claims description 107
- 238000002485 combustion reaction Methods 0.000 claims description 43
- 238000004146 energy storage Methods 0.000 claims description 32
- 238000003860 storage Methods 0.000 claims description 31
- 230000005611 electricity Effects 0.000 claims description 18
- 238000001816 cooling Methods 0.000 claims description 14
- 238000005338 heat storage Methods 0.000 claims description 13
- 238000002844 melting Methods 0.000 claims description 12
- 230000008018 melting Effects 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 10
- 230000008901 benefit Effects 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000005057 refrigeration Methods 0.000 claims description 6
- 230000008685 targeting Effects 0.000 claims 6
- 238000005457 optimization Methods 0.000 abstract description 26
- 230000000694 effects Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000013486 operation strategy Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000000087 stabilizing 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种微能源网能量售价确定方法及系统，所述方法包括将获取的用户负荷数据代入预先建立的多目标函数中，求解预先建立的多目标函数获取微能源网的最优能量售价；其中，所述预先建立的多目标函数是根据微能源网的收益和微能源网的用户支出获取的，采用本发明的技术方案，将用户的个体能动性和用户热需求与微能源网的优化管理相结合，基于微能源网与用户之间的协调管理保障微能源网高效、稳定地运行。
Description
技术领域
本发明涉及电力系统能源管理领域，具体涉及一种微能源网能量售价确定方法及系统。
背景技术
随着冷热电联供技术的不断成熟，微能源网不仅承担着分布式发电的组织和管理任务，同时承担着需求侧冷、热负荷的供给，多类型能源的输入，多类型能量(冷、热、电)的输出，涵盖多类型能量转换设备。自能源局于2017年发布了《关于开展分布式发电市场化交易试点的通知》后，大力支持发展多能互补方式，并逐步开放市场，如何合理地制定微能源网的能量售价与微能源网的能量管理息息相关，对微能源网参与能源市场具有重要的影响。
关于微网在能源市场中的优化调度和售价方面，现有的技术研究中在考虑用户的电力消费隐私行为和售电商之间的价格竞争的前提下，(代业明，高岩，高红伟，等.智能住宅小区的需求响应主从博弈模型[J].电力系统自动化，2017，41(15)：88-94.)建立了售电商和用户之间的主从博弈模型并进行了求解；从经济性角度出发，(黄顺杰，方华亮，许沛东.基于博弈的多微网需求响应[J].南方电网技术，2017，11(2)：34-40.)重点探讨了竞争博弈模式下的多微电网优化配置方案与竞价问题；(李晨迪，陈渊睿，曾君，等.基于非合作博弈的微电网能量管理系统优化算法[J].电网技术，2016，40(2)：387-395.)引入了负荷满意度，建立了微电网运行优化的博弈模型，(曾君，徐冬冬，刘俊峰，等.考虑负荷满意度的微电网运行多目标优化方法研究[J].中国电机工程学报，2016，36(12)：3325-3333.)采用NSGA-II优化算法完成了微网多时间尺度运行的日前优化；(Yu Y,Jin T,ZhongC.Designing an Incentive Contract Menu for Sustaining the Electricity Market[J].Energies,2016,8(12):14197-14218.)设计了一种激励合约方式，以提高日内电力市场电价的长期稳定性，并采用双层Stackelberg博弈模型来寻找最佳激励机制。尽管上述文献都对微能源网的运行策略和售电价格进行了研究，然而都侧重于微网与用户间、多微网群间博弈中的电能交易，对用户在博弈优化中的个体能动性以及用户的冷热需求对优化策略的影响研究不够深入；尽管(林凯骏，吴俊勇，郝亮亮，等.基于非合作博弈的冷热电联供微能源网运行策略优化.电力系统自动化，2018，42(6):25-32.)考虑了微网与用户多种能源之间的交易，但只采取了售电价格作为博弈手段，并未考虑变化的售热、售冷价格，且模型较为复杂，不利于计算。
发明内容
本发明提供一种微能源网能量售价确定方法及系统，其目的是通过将获取的用户负荷数据代入预先建立的多目标函数中，求解预先建立的多目标函数获取微能源网的最优能量售价，优化微能源网的能量管理，以克服现有技术中对微能源网用户的个体能动性和用户热需求的研究不够深入的缺陷，提供合理、有效并能兼顾微能源网与用户之间的协调关系的能量管理优化策略。
本发明的目的是采用下述技术方案实现的：
一种微能源网能量售价确定方法，其改进之处在于，所述方法包括：
获取用户负荷数据，并将所述用户负荷数据代入预先建立的多目标函数中；
求解预先建立的多目标函数获取微能源网的最优能量售价；
其中，所述预先建立的多目标函数是根据微能源网的收益和微能源网的用户支出获取的。
优选地，所述预先建立的多目标函数包括以微能源网的收益最大为目标创建微能源网收益目标函数和以微能源网用户支出最小为目标创建用户支出目标函数。
进一步地，所述以微能源网的收益最大为目标创建微能源网收益目标函数，包括：
按下式确定所述微能源网收益目标函数：
所述微能源网收益目标函数的约束条件包括：
lt,un≤lt≤dt
prt≥prmc,t
l＝ly,t,y∈Y,t∈T
pr＝prx,t,x∈X,t∈T
p＝Pi,t,i∈I,t∈T
其中，Ct为第t个时段的产能成本费用，t∈[1,T]，T为划分的时段总数，Pgrid,t为第t个时段从电网购入的电量，I1为微能源网的收益，prt为第t个时段内微能源网的能量售价，lt为用户负荷数据中的用户第t个时段的实际负荷，pemi为单位体积气体的排放价格，Vg,t为的第t个时段微能源网消耗的燃气体积，wgasC为消耗单位千瓦时燃气对应的CO2排放量，wgasN为消耗单位千瓦时燃气对应的NOx排放量，welcC为从电网购单位千瓦时电对应的CO2，welcN为从电网购单位千瓦时电对应的NOx排放量，Ppv,t为光伏第t个时段的发电功率，Pwt,t为风机第t个时段的发电功率，Pce,t为内燃机的发电功率，Sbad,t为储能电池的放电功率，Le,t为用户负荷数据中的用户第t个时间段的实际电负荷，Pch,t为第t个时间段的制冷机制冷耗电功率，Pice,t为蓄冰槽制冰第t个时间段的耗电功率，Pmelt,t为蓄冰槽融冰第t个时间段的耗电功率，Sbac,t为储能电池第t个时间段的充电功率、Hce,t为内燃机第t个时间段的产热功率，Hdf,t为直燃机第t个时间段的产热功率，Shd,t为储热装置第t个时间段的放热功率，Lh,t为用户负荷数据中的用户第t个时间段的实际热负荷，Shc,t为储热装置第t个时间段的储热功率，Cdf,t为直燃机第t个时间段的制冷功率，Cch,t为制冷机第t个时间段的制冷功率，Cice,t为融冰第t个时间段的制冷功率，Lc,t为用户负荷数据中的用户第t个时间段的实际冷负荷，Pce,max为内燃机组最大电功率，Pce,min为内燃机组的最小电功率，Pm,t为m类装置第t个时段的电出力，Pm,max为m类装置的最大电功率，m类装置包括直燃机、制冷机、冰蓄冷空调、光伏机组、风电机组，Hn,t为n类装置第t个时段的热出力，Hn,max为n类装置的最大热功率，n类装置包括直燃机、内燃机，Ck,t为k类装置第t个时段的冷出力，Ck,max为k类装置的最大冷功率，k类装置包括直燃机、制冷机和冰蓄冷空调，Ein,t为第t个时段的储能率，Eout,t为第t个时段的放能率，Ein,max为单位时段最大的充能率，Eout,max为单位时段最大的放能率，SOCt为装置的储能状态值，SOC0为装置的储能初值状态值，SOCT为装置的储能最终状态值，lt,un为第t个时间段的不可中断负荷，prmc,t为第t个时段的边际成本，y表示y类型负荷(包括冷、热、电负荷)，Y表示负荷总类型，x表示x类型价格(包括售电价格、售热价格和售冷价格)，X表示价格总类型，决策变量p表示第t个时段微能源网中第i类型设备的出力。
进一步地，所述以微能源网用户支出最小为目标创建用户支出目标函数，包括：
按下式确定所述用户支出目标函数：
所述用户支出目标函数的约束条件包括：
lt,un≤lt≤dt
prt≥prmc,t
式中，I2为用户的支出，prt为第t个时段内微能源网的能量售价，t∈[1,T]，T为划分的时段总数，lt为用户负荷数据中的用户第t个时段的实际负荷，α、β和λ为用户用能体验函数参数，α>1，β>0，λ>1，dt为用户负荷数据中的用户第t个时间段的需求负荷，prmc,t为第t个时段的边际成本，lt,un为第t个时间段的不可中断负荷。
进一步地，按下式获取所述第t个时段的产能成本费用Ct：
式中，gt为第t个时段总的产能量，Jg为燃气价格，Je为电网电价，Ki为第i台机组的维护系数，Pi,t为第i台机组在第t个时段的出力，i∈[1,I]，I为微能源网中机组的数量。
进一步地，所述第t个时段的边际成本prmc,t是以第t个时段的产能成本费用Ct最小为目标确定的。
一种微能源网能量售价确定系统，其改进之处在于，所述系统包括：
第一确定模块，用于获取用户负荷数据，并将所述用户负荷数据代入预先建立的多目标函数中；
第二确定模块，用于求解预先建立的多目标函数获取微能源网的最优能量售价；
其中，所述预先建立的多目标函数是根据微能源网的收益和微能源网的用户支出获取的。
优选地，所述预先建立的多目标函数包括以微能源网的收益最大为目标创建微能源网收益目标函数和以微能源网用户支出最小为目标创建用户支出目标函数。
进一步地，以微能源网的收益最大为目标创建微能源网收益目标函数，包括：
按下式确定所述微能源网收益目标函数：
所述微能源网收益目标函数的约束条件包括：
lt,un≤lt≤dt
prt≥prmc,t
其中，Ct为第t个时段的产能成本费用，t∈[1,T]，T为划分的时段总数，Pgrid,t为第t个时段从电网购入的电量，I1为微能源网的收益，prt为第t个时段内微能源网的能量售价，lt为用户负荷数据中的用户第t个时段的实际负荷，pemi为单位体积气体的排放价格，Vg,t为的第t个时段微能源网消耗的燃气体积，wgasC为消耗单位千瓦时燃气对应的CO2排放量，wgasN为消耗单位千瓦时燃气对应的NOx排放量，welcC为从电网购单位千瓦时电对应的CO2，welcN为从电网购单位千瓦时电对应的NOx排放量，Ppv,t为光伏第t个时段的发电功率，Pwt,t为风机第t个时段的发电功率，Pce,t为内燃机的发电功率，Sbad,t为储能电池的放电功率，Le,t为用户负荷数据中的用户第t个时间段的实际电负荷，Pch,t为第t个时间段的制冷机制冷耗电功率，Pice,t为蓄冰槽制冰第t个时间段的耗电功率，Pmelt,t为蓄冰槽融冰第t个时间段的耗电功率，Sbac,t为储能电池第t个时间段的充电功率、Hce,t为内燃机第t个时间段的产热功率，Hdf,t为直燃机第t个时间段的产热功率，Shd,t为储热装置第t个时间段的放热功率，Lh,t为用户负荷数据中的用户第t个时间段的实际热负荷，Shc,t为储热装置第t个时间段的储热功率，Cdf,t为直燃机第t个时间段的制冷功率，Cch,t为制冷机第t个时间段的制冷功率，Cice,t为融冰第t个时间段的制冷功率，Lc,t为用户负荷数据中的用户第t个时间段的实际冷负荷，Pce,max为内燃机组最大电功率，Pce,min为内燃机组的最小电功率，Pm,t为m类装置第t个时段的电出力，Pm,max为m类装置的最大电功率，m类装置包括直燃机、制冷机、冰蓄冷空调、光伏机组、风电机组，Hn,t为n类装置第t个时段的热出力，Hn,max为n类装置的最大热功率，n类装置包括直燃机、内燃机，Ck,t为k类装置第t个时段的冷出力，Ck,max为k类装置的最大冷功率，k类装置包括直燃机、制冷机和冰蓄冷空调，Ein,t为第t个时段的储能率，Eout,t为第t个时段的放能率，Ein,max为单位时段最大的充能率，Eout,max为单位时段最大的放能率，SOCt为装置的储能状态值，SOC0为装置的储能初值状态值，SOCT为装置的储能最终状态值，lt,un为第t个时间段的不可中断负荷，prmc,t为第t个时段的边际成本。
进一步地，以微能源网用户支出最小为目标创建用户支出目标函数，包括：
按下式确定所述用户支出目标函数：
所述用户支出目标函数的约束条件包括：
lt,un≤lt≤dt
prt≥prmc,t
式中，I2为用户的支出，prt为第t个时段内微能源网的能量售价，t∈[1,T]，T为划分的时段总数，lt为用户负荷数据中的用户第t个时段的实际负荷，α、β和λ为用户用能体验函数参数，α>1，β>0，λ>1，dt为用户负荷数据中的用户第t个时间段的需求负荷，prmc,t为第t个时段的边际成本，lt,un为第t个时间段的不可中断负荷。
进一步地，按下式获取所述第t个时段的产能成本费用Ct：
式中，gt为第t个时段总的产能量，Jg为燃气价格，Je为电网电价，Ki为第i台机组的维护系数，Pi,t为第i台机组在第t个时段的出力，i∈[1,I]，I为微能源网中机组的数量。
进一步地，所述第t个时段的边际成本prmc,t是以第t个时段的产能成本费用Ct最小为目标确定的。
与最接近的现有技术相比，本发明还具有如下有益效果：
采用本发明的技术方案通过获取用户负荷数据，并将所述用户负荷数据代入预先建立的多目标函数中求解预先建立的多目标函数获取微能源网的最优能量售价；基于用户负荷数据进行后续能量售价的确定，有效地将用户负荷数据中的冷、热、电用能数据应用到微能源网能源管理目标函数中，保障了能量售价结果的可靠性，同时，根据包含用户支出函数的多目标函数求解确定微能源网的能量售价，结合用户负荷数据中的冷、热、电用能体验确定优化能源管理策略，解决了现有技术中模型复杂、难于计算和无法兼顾微能源网与用户之间的协调关系的问题，并提高了微能源网能量优化管理策略合理性、操作可行性与有效性。
附图说明
图1是本发明实施例中微能源网能量售价确定方法的流程图；
图2是本发明实施例微能源网能量售价确定方法的可再生能源机组出力曲线图；
图3是本发明实施例微能源网能量售价确定系统的结构示意图
图4是本发明实施例中微能源网能量售价确定方法的仿真结果示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
能量优化管理策略的制定是微能源网在市场交易中的一项基本工作，随着能源互联网技术的飞速发展，对能量优化管理策略制定的合理性提出了越来越高的要求。融合园区冷热电负荷、天气等多源数据，本发明提出了考虑用户用能(包括冷能、热能和电能)体验的微能源网能量优化管理策略，考虑到微能源网与用户之间的协调关系，并以公平的方式对待参与能源交易的用户，本发明提出了考虑用户用能(包括冷能、热能和电能)体验的微能源网能量优化管理策略，首先采集地区气象数据和用户负荷数据；然后结合气象数据计算可再生能源机组(光伏和风机)的出力上限值；接着输入微能源网产能成本函数进行优化，得到出力边际成本；最后根据可再生能源机组的出力上限值和出力边际成本结合微能源网的能量优化管理函数中，确定最优的能量售价，优化能量管理决策；具有实现了微能源网能量优化管理策略合理性、操作可行性与有效性等优点。
本发明提供了一种微能源网能量售价确定方法及系统，下面进行说明。
实施例一：
图1示出了本发明实施例中微能源网能量售价确定方法的流程图，如图1所示，所述方法可以包括：
101.获取用户负荷数据，并将所述用户负荷数据代入预先建立的多目标函数中；
102.求解预先建立的多目标函数获取微能源网的最优能量售价；
其中，所述预先建立的多目标函数是根据微能源网的收益和微能源网的用户支出获取的。
所述获取用户负荷数据可以包括：采集用户所需的冷、热、电负荷数据和最低需求负荷数据，所述获取用户负荷数据之前，还可以包括：收集区域气象台预测信息等方式采集地区气象数据可以包括地区未来一天的风速、温度和光照强度，并获取微能源网机组的额定容量值和燃气价格、电网电价、设备维护系数以及污染气体排放价格；
根据微能源网的收益和微能源网的用户支出获取所述预先建立的多目标函数之前，可以包括：
结合未来一天的风速、温度和光照强度的数据，通过光伏模型和风机出力计算模型，计算可再生能源机组的出力上限值；
Ppv＝PSTCGAC[1+ks(TC-Tr)]/GSTC
k2＝-k1·vci
式中Ppv为光伏出力,PSTC为标准测试条件下(太阳能入射强度为1kW/m2，环境温度为298.15K)的最大测试功率,GAC为标准测试条件的光照,取1kW/m2，ks为功率温度系数，为-0.47％/K，TC为光伏阵列的工作温度,Tr为参考温度，值为298.15℃K。Pw为风电机组出力,Pr为风电机组的额定功率,vci为切入风速,vr为额定风速,vco为切出风速，k1为切入功率系数1，k2为切入功率系数2；可再生能源机组的出力数据如图2所示，图中以待测日的时间(h)为横坐标，分别以光伏发电机组和风力发电机组的出力值为纵坐标；
以微能源网产能成本函数为目标函数，其中的变量可以包括光伏、风机、内燃机、换热器、直燃机、冰蓄冷空调、电制冷机、不同类型储能设备的出力以及向电网的购售电量，输入能量平衡方程和约束条件进行优化，得到出力边际成本；
其中，根据微能源网的收益和微能源网的用户支出获取所述预先建立的多目标函数的过程可以包括：
以微能源网的收益最大为目标创建微能源网收益目标函数；
以微能源网用户支出最小为目标创建用户支出目标函数；
利用微能源网收益目标函数和用户支出目标函数建立所述预先建立的多目标函数；
利用多目标进化算法或多目标粒子群算法对所述预先建立的多目标函数进行求解确定微能源网的最优能量售价，进而实现微能源网的优化能量管理。
具体地，所述以微能源网的收益最大为目标创建微能源网收益目标函数，可以包括：
按下式确定所述微能源网收益目标函数：
所述微能源网收益目标函数的约束条件可以包括：
lt,un≤lt≤dt
prt≥prmc,t
其中，Ct为第t个时段的产能成本费用，t∈[1,T]，T为划分的时段总数，Pgrid,t为第t个时段从电网购入的电量，I1为微能源网的收益，prt为第t个时段内微能源网的能量售价，lt为用户负荷数据中的用户第t个时段的实际负荷，pemi为单位体积气体的排放价格，Vg,t为的第t个时段微能源网消耗的燃气体积，wgasC为消耗单位千瓦时燃气对应的CO2排放量，wgasN为消耗单位千瓦时燃气对应的NOx排放量，welcC为从电网购单位千瓦时电对应的CO2，welcN为从电网购单位千瓦时电对应的NOx排放量，Ppv,t为光伏第t个时段的发电功率，Pwt,t为风机第t个时段的发电功率，Pce,t为内燃机的发电功率，Sbad,t为储能电池的放电功率，Le,t为用户负荷数据中的用户第t个时间段的实际电负荷，Pch,t为第t个时间段的制冷机制冷耗电功率，Pice,t为蓄冰槽制冰第t个时间段的耗电功率，Pmelt,t为蓄冰槽融冰第t个时间段的耗电功率，Sbac,t为储能电池第t个时间段的充电功率、Hce,t为内燃机第t个时间段的产热功率，Hdf,t为直燃机第t个时间段的产热功率，Shd,t为储热装置第t个时间段的放热功率，Lh,t为用户负荷数据中的用户第t个时间段的实际热负荷，Shc,t为储热装置第t个时间段的储热功率，Cdf,t为直燃机第t个时间段的制冷功率，Cch,t为制冷机第t个时间段的制冷功率，Cice,t为融冰第t个时间段的制冷功率，Lc,t为用户负荷数据中的用户第t个时间段的实际冷负荷，Pce,max为内燃机组最大电功率，Pce,min为内燃机组的最小电功率，Pm,t为m类装置第t个时段的电出力，Pm,max为m类装置的最大电功率，m类装置可以包括直燃机、制冷机、冰蓄冷空调、光伏机组、风电机组，Hn,t为n类装置第t个时段的热出力，Hn,max为n类装置的最大热功率，n类装置可以包括直燃机、内燃机，Ck,t为k类装置第t个时段的冷出力，Ck,max为k类装置的最大冷功率，k类装置可以包括直燃机、制冷机和冰蓄冷空调，Ein,t为第t个时段的储能率，Eout,t为第t个时段的放能率，Ein,max为单位时段最大的充能率，Eout,max为单位时段最大的放能率，SOCt为装置的储能状态值，SOC0为装置的储能初值状态值，SOCT为装置的储能最终状态值，lt,un为第t个时间段的不可中断负荷，prmc,t为第t个时段的边际成本。
所述以微能源网用户支出最小为目标创建用户支出目标函数，可以包括：
按下式确定所述用户支出目标函数：
所述用户支出目标函数的约束条件可以包括：
lt,un≤lt≤dt
prt≥prmc,t
式中，I2为用户的支出，prt为第t个时段内微能源网的能量售价，t∈[1,T]，T为划分的时段总数，lt为用户负荷数据中的用户第t个时段的实际负荷，α、β和λ为用户用能体验函数参数，α>1，β>0，λ>1，dt为用户负荷数据中的用户第t个时间段的需求负荷，prmc,t为第t个时段的边际成本，lt,un为第t个时间段的不可中断负荷。
进一步地，按下式获取所述第t个时段的产能成本费用Ct：
式中，gt为第t个时段总的产能量，Jg为燃气价格，Je为电网电价，Ki为第i台机组的维护系数，Pi,t为第i台机组在第t个时段的出力，i∈[1,I]，I为微能源网中机组的数量，其中i类型设备可以包括光伏、风机、内燃机、换热器、直燃机、冰蓄冷空调、电制冷机以及储能设备(蓄电、蓄冷、蓄热)。
具体地，所述第t个时段的边际成本prmc,t是以第t个时段的产能成本费用Ct最小为目标确定的。
根据微能源网的收益和微能源网的用户支出获取所述预先建立的多目标函数的过程中，可以将优化计算过程划分为若干时段，设定划分为T个时段，将获得用户负荷数据结合边际成本和可再生能源分布式电源出力上限值等参数代入到微能源网的收益函数和用户的支付函数中，用户与微能源网进行互动交易，独立优化决策，微能源网与用户双方每轮的决策都是决策前所获信息的函数，经过多轮互动交易后达到均衡结果，确定用户的最优用能策略。
微能源网根据用户的历史数据制定初始的售能价格策略，用户根据微能源网发布的售能价格调整自身的用能策略反馈给微能源网。
按下式确定用户的最优用能策略：
式中，α、β和λ为用户用能体验函数参数，α>1，β>0，λ>1，dt表示用户的需求负荷。
确定用户的最优用能策略后，可以将用户的最优用能策略代入到微能源网的收益函数中，可得到微能源网的基于用户的最优用能策略的售能定价范围：
式中，prt,min为微能源网能量售价下限值，prt,max为微能源网能量售价上限值；
结合北京某园区的用户冷热电负荷进行计算，优化结果表明本发明提出的考虑用户用能体验的微能源网能量优化管理策略的合理性明显优于不考虑用户用能体验的能量优化管理策略。本发明具有实现了微能源网能量优化管理策略合理性、操作可行性与有效性等优点。
实施例二：
图3示出了本发明实施例微能源网能量售价确定系统的结构示意图，如图3所示，所述系统可以包括：
第一确定模块，用于获取用户负荷数据，并将所述用户负荷数据代入预先建立的多目标函数中；
第二确定模块，用于求解预先建立的多目标函数获取微能源网的最优能量售价；
其中，所述预先建立的多目标函数是根据微能源网的收益和微能源网的用户支出获取的。
具体地，所述预先建立的多目标函数包括以微能源网的收益最大为目标创建微能源网收益目标函数和以微能源网用户支出最小为目标创建用户支出目标函数。
进一步地，所述以微能源网的收益最大为目标创建微能源网收益目标函数，包括：
按下式确定所述微能源网收益目标函数：
所述微能源网收益目标函数的约束条件可以包括：
lt,un≤lt≤dt
prt≥prmc,t
其中，Ct为第t个时段的产能成本费用，t∈[1,T]，T为划分的时段总数，Pgrid,t为第t个时段从电网购入的电量，I1为微能源网的收益，prt为第t个时段内微能源网的能量售价，lt为用户负荷数据中的用户第t个时段的实际负荷，pemi为单位体积气体的排放价格，Vg,t为的第t个时段微能源网消耗的燃气体积，wgasC为消耗单位千瓦时燃气对应的CO2排放量，wgasN为消耗单位千瓦时燃气对应的NOx排放量，welcC为从电网购单位千瓦时电对应的CO2，welcN为从电网购单位千瓦时电对应的NOx排放量，Ppv,t为光伏第t个时段的发电功率，Pwt,t为风机第t个时段的发电功率，Pce,t为内燃机的发电功率，Sbad,t为储能电池的放电功率，Le,t为用户负荷数据中的用户第t个时间段的实际电负荷，Pch,t为第t个时间段的制冷机制冷耗电功率，Pice,t为蓄冰槽制冰第t个时间段的耗电功率，Pmelt,t为蓄冰槽融冰第t个时间段的耗电功率，Sbac,t为储能电池第t个时间段的充电功率、Hce,t为内燃机第t个时间段的产热功率，Hdf,t为直燃机第t个时间段的产热功率，Shd,t为储热装置第t个时间段的放热功率，Lh,t为用户负荷数据中的用户第t个时间段的实际热负荷，Shc,t为储热装置第t个时间段的储热功率，Cdf,t为直燃机第t个时间段的制冷功率，Cch,t为制冷机第t个时间段的制冷功率，Cice,t为融冰第t个时间段的制冷功率，Lc,t为用户负荷数据中的用户第t个时间段的实际冷负荷，Pce,max为内燃机组最大电功率，Pce,min为内燃机组的最小电功率，Pm,t为m类装置第t个时段的电出力，Pm,max为m类装置的最大电功率，m类装置可以包括直燃机、制冷机、冰蓄冷空调、光伏机组、风电机组，Hn,t为n类装置第t个时段的热出力，Hn,max为n类装置的最大热功率，n类装置可以包括直燃机、内燃机，Ck,t为k类装置第t个时段的冷出力，Ck,max为k类装置的最大冷功率，k类装置可以包括直燃机、制冷机和冰蓄冷空调，Ein,t为第t个时段的储能率，Eout,t为第t个时段的放能率，Ein,max为单位时段最大的充能率，Eout,max为单位时段最大的放能率，SOCt为装置的储能状态值，SOC0为装置的储能初值状态值，SOCT为装置的储能最终状态值，lt,un为第t个时间段的不可中断负荷，prmc,t为第t个时段的边际成本。
所述以微能源网用户支出最小为目标创建用户支出目标函数，包括：
按下式确定所述用户支出目标函数：
所述用户支出目标函数的约束条件可以包括：
lt,un≤lt≤dt
prt≥prmc,t
式中，I2为用户的支出，prt为第t个时段内微能源网的能量售价，t∈[1,T]，T为划分的时段总数，lt为用户负荷数据中的用户第t个时段的实际负荷，α、β和λ为用户用能体验函数参数，α>1，β>0，λ>1，dt为用户负荷数据中的用户第t个时间段的需求负荷，prmc,t为第t个时段的边际成本，lt,un为第t个时间段的不可中断负荷。
具体地，按下式获取所述第t个时段的产能成本费用Ct：
式中，gt为第t个时段总的产能量，Jg为燃气价格，Je为电网电价，Ki为第i台机组的维护系数，Pi,t为第i台机组在第t个时段的出力，i∈[1,I]，I为微能源网中机组的数量。
进一步地，所述第t个时段的边际成本prmc,t是以第t个时段的产能成本费用Ct最小为目标确定的。
实施例三：
为验证本发明技术方案的有效性，在GAMS(通用代数建模系统)中搭建微能源网系统模型验证本发明的能量售价确定方法，获取用户负荷数据，并将所述用户负荷数据代入预先建立的多目标函数中；求解预先建立的多目标函数获取微能源网的最优能量售价；
其中，所述预先建立的多目标函数是根据微能源网的收益和微能源网的用户支出获取的。
微能源网系统模型仿真结果如图4所示，根据图中的数据相比单一价格的电力市场交易模型，本发明提出的考虑用户用能体验的互动交易模型在进行多轮动态交易优化过程中，不仅考虑了微能源网内的运行策略优化，还兼顾了用户对多类型能源的能动性和用能体验，实现了微能源网能量优化管理策略的合理制定。从仿真结果来看，微能源网在本发明提出的互动交易模式下能很好地考虑用户的用能体验，并降低产能成本，提高收益；用户能够自主地调整多种需求负荷，兼顾用能体验，又实现支付优化。
本发明提出的考虑用户用能体验的微能源网能量优化管理策略顺应了能源互联网发展的潮流，实现售能价格的信息化、智能化，并很好地提高了能量优化管理策略制定的合理性，具有良好的市场应用前景。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (12)
1.一种微能源网能量售价确定方法，其特征在于，所述方法包括：
获取用户负荷数据，并将所述用户负荷数据代入预先建立的多目标函数中；
求解预先建立的多目标函数获取微能源网的最优能量售价；
其中，所述预先建立的多目标函数是根据微能源网的收益和微能源网的用户支出获取的。
2.如权利要求1所述的方法，其特征在于，所述预先建立的多目标函数包括以微能源网的收益最大为目标创建微能源网收益目标函数和以微能源网用户支出最小为目标创建用户支出目标函数。
3.如权利要求2所述的方法，其特征在于，所述以微能源网的收益最大为目标创建微能源网收益目标函数，包括：
按下式确定所述微能源网收益目标函数：
所述微能源网收益目标函数的约束条件包括：
lt,un≤lt≤dt
prt≥prmc,t
其中，Ct为第t个时段的产能成本费用，t∈[1,T]，T为划分的时段总数，Pgrid,t为第t个时段从电网购入的电量，I1为微能源网的收益，prt为第t个时段内微能源网的能量售价，lt为用户负荷数据中的用户第t个时段的实际负荷，pemi为单位体积气体的排放价格，Vg,t为的第t个时段微能源网消耗的燃气体积，wgasC为消耗单位千瓦时燃气对应的CO2排放量，wgasN为消耗单位千瓦时燃气对应的NOx排放量，welcC为从电网购单位千瓦时电对应的CO2，welcN为从电网购单位千瓦时电对应的NOx排放量，Ppv,t为光伏第t个时段的发电功率，Pwt,t为风机第t个时段的发电功率，Pce,t为内燃机的发电功率，Sbad,t为储能电池的放电功率，Le,t为用户负荷数据中的用户第t个时间段的实际电负荷，Pch,t为第t个时间段的制冷机制冷耗电功率，Pice,t为蓄冰槽制冰第t个时间段的耗电功率，Pmelt,t为蓄冰槽融冰第t个时间段的耗电功率，Sbac,t为储能电池第t个时间段的充电功率、Hce,t为内燃机第t个时间段的产热功率，Hdf,t为直燃机第t个时间段的产热功率，Shd,t为储热装置第t个时间段的放热功率，Lh,t为用户负荷数据中的用户第t个时间段的实际热负荷，Shc,t为储热装置第t个时间段的储热功率，Cdf,t为直燃机第t个时间段的制冷功率，Cch,t为制冷机第t个时间段的制冷功率，Cice,t为融冰第t个时间段的制冷功率，Lc,t为用户负荷数据中的用户第t个时间段的实际冷负荷，Pce,max为内燃机组最大电功率，Pce,min为内燃机组的最小电功率，Pm,t为m类装置第t个时段的电出力，Pm,max为m类装置的最大电功率，m类装置包括直燃机、制冷机、冰蓄冷空调、光伏机组、风电机组，Hn,t为n类装置第t个时段的热出力，Hn,max为n类装置的最大热功率，n类装置包括直燃机、内燃机，Ck,t为k类装置第t个时段的冷出力，Ck,max为k类装置的最大冷功率，k类装置包括直燃机、制冷机和冰蓄冷空调，Ein,t为第t个时段的储能率，Eout,t为第t个时段的放能率，Ein,max为单位时段最大的充能率，Eout,max为单位时段最大的放能率，SOCt为装置的储能状态值，SOC0为装置的储能初值状态值，SOCT为装置的储能最终状态值，lt,un为第t个时间段的不可中断负荷，prmc,t为第t个时段的边际成本。
4.如权利要求2所述的方法，其特征在于，所述以微能源网用户支出最小为目标创建用户支出目标函数，包括：
按下式确定所述用户支出目标函数：
所述用户支出目标函数的约束条件包括：
lt,un≤lt≤dt
prt≥prmc,t
式中，I2为用户的支出，prt为第t个时段内微能源网的能量售价，t∈[1,T]，T为划分的时段总数，lt为用户负荷数据中的用户第t个时段的实际负荷，α、β和λ为用户用能体验函数参数，α>1，β>0，λ>1，dt为用户负荷数据中的用户第t个时间段的需求负荷，prmc,t为第t个时段的边际成本，lt,un为第t个时间段的不可中断负荷。
5.如权利要求3所述的方法，其特征在于，按下式获取所述第t个时段的产能成本费用Ct：
式中，gt为第t个时段总的产能量，Jg为燃气价格，Je为电网电价，Ki为第i台机组的维护系数，Pi,t为第i台机组在第t个时段的出力，i∈[1,I]，I为微能源网中机组的数量。
6.如权利要求3或4所述的方法，其特征在于，所述第t个时段的边际成本prmc,t是以第t个时段的产能成本费用Ct最小为目标确定的。
7.一种微能源网能量售价确定系统，其特征在于，所述系统包括：
第一确定模块，用于获取用户负荷数据，并将所述用户负荷数据代入预先建立的多目标函数中；
第二确定模块，用于求解预先建立的多目标函数获取微能源网的最优能量售价；
其中，所述预先建立的多目标函数是根据微能源网的收益和微能源网的用户支出获取的。
8.如权利要求7所述的系统，其特征在于，所述预先建立的多目标函数包括以微能源网的收益最大为目标创建微能源网收益目标函数和以微能源网用户支出最小为目标创建用户支出目标函数。
9.如权利要求8所述的系统，其特征在于，所述以微能源网的收益最大为目标创建微能源网收益目标函数，包括：
按下式确定所述微能源网收益目标函数：
所述微能源网收益目标函数的约束条件包括：
lt,un≤lt≤dt
prt≥prmc,t
其中，Ct为第t个时段的产能成本费用，t∈[1,T]，T为划分的时段总数，Pgrid,t为第t个时段从电网购入的电量，I1为微能源网的收益，prt为第t个时段内微能源网的能量售价，lt为用户负荷数据中的用户第t个时段的实际负荷，pemi为单位体积气体的排放价格，Vg,t为的第t个时段微能源网消耗的燃气体积，wgasC为消耗单位千瓦时燃气对应的CO2排放量，wgasN为消耗单位千瓦时燃气对应的NOx排放量，welcC为从电网购单位千瓦时电对应的CO2，welcN为从电网购单位千瓦时电对应的NOx排放量，Ppv,t为光伏第t个时段的发电功率，Pwt,t为风机第t个时段的发电功率，Pce,t为内燃机的发电功率，Sbad,t为储能电池的放电功率，Le,t为用户负荷数据中的用户第t个时间段的实际电负荷，Pch,t为第t个时间段的制冷机制冷耗电功率，Pice,t为蓄冰槽制冰第t个时间段的耗电功率，Pmelt,t为蓄冰槽融冰第t个时间段的耗电功率，Sbac,t为储能电池第t个时间段的充电功率、Hce,t为内燃机第t个时间段的产热功率，Hdf,t为直燃机第t个时间段的产热功率，Shd,t为储热装置第t个时间段的放热功率，Lh,t为用户负荷数据中的用户第t个时间段的实际热负荷，Shc,t为储热装置第t个时间段的储热功率，Cdf,t为直燃机第t个时间段的制冷功率，Cch,t为制冷机第t个时间段的制冷功率，Cice,t为融冰第t个时间段的制冷功率，Lc,t为用户负荷数据中的用户第t个时间段的实际冷负荷，Pce,max为内燃机组最大电功率，Pce,min为内燃机组的最小电功率，Pm,t为m类装置第t个时段的电出力，Pm,max为m类装置的最大电功率，m类装置包括直燃机、制冷机、冰蓄冷空调、光伏机组、风电机组，Hn,t为n类装置第t个时段的热出力，Hn,max为n类装置的最大热功率，n类装置包括直燃机、内燃机，Ck,t为k类装置第t个时段的冷出力，Ck,max为k类装置的最大冷功率，k类装置包括直燃机、制冷机和冰蓄冷空调，Ein,t为第t个时段的储能率，Eout,t为第t个时段的放能率，Ein,max为单位时段最大的充能率，Eout,max为单位时段最大的放能率，SOCt为装置的储能状态值，SOC0为装置的储能初值状态值，SOCT为装置的储能最终状态值，lt,un为第t个时间段的不可中断负荷，prmc,t为第t个时段的边际成本。
10.如权利要求8所述的系统，其特征在于，所述以微能源网用户支出最小为目标创建用户支出目标函数，包括：
按下式确定所述用户支出目标函数：
所述用户支出目标函数的约束条件包括：
lt,un≤lt≤dt
prt≥prmc,t
式中，I2为用户的支出，prt为第t个时段内微能源网的能量售价，t∈[1,T]，T为划分的时段总数，lt为用户负荷数据中的用户第t个时段的实际负荷，α、β和λ为用户用能体验函数参数，α>1，β>0，λ>1，dt为用户负荷数据中的用户第t个时间段的需求负荷，prmc,t为第t个时段的边际成本，lt,un为第t个时间段的不可中断负荷。
11.如权利要求9所述的系统，其特征在于，按下式获取所述第t个时段的产能成本费用Ct：
式中，gt为第t个时段总的产能量，Jg为燃气价格，Je为电网电价，Ki为第i台机组的维护系数，Pi,t为第i台机组在第t个时段的出力，i∈[1,I]，I为微能源网中机组的数量。
12.如权利要求9或10所述的系统，其特征在于，所述第t个时段的边际成本prmc,t是以第t个时段的产能成本费用Ct最小为目标确定的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811245005.5A CN111091404A (zh) | 2018-10-24 | 2018-10-24 | 一种微能源网能量售价确定方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811245005.5A CN111091404A (zh) | 2018-10-24 | 2018-10-24 | 一种微能源网能量售价确定方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111091404A true CN111091404A (zh) | 2020-05-01 |
Family
ID=70391670
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811245005.5A Pending CN111091404A (zh) | 2018-10-24 | 2018-10-24 | 一种微能源网能量售价确定方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111091404A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112398124A (zh) * | 2020-11-10 | 2021-02-23 | 杭州市电力设计院有限公司余杭分公司 | 区域微电网的优化控制方法、装置、设备及可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103617460A (zh) * | 2013-12-06 | 2014-03-05 | 天津大学 | 冷热电联供微网系统的双层优化规划设计方法 |
| CN104537443A (zh) * | 2015-01-08 | 2015-04-22 | 国家电网公司 | 一种热电联供型微网经济协调优化调度方法 |
| CN105591406A (zh) * | 2015-12-31 | 2016-05-18 | 华南理工大学 | 一种基于非合作博弈的微电网能量管理系统的优化算法 |
| 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 |
| CN107609684A (zh) * | 2017-08-24 | 2018-01-19 | 浙江万克新能源科技有限公司 | 一种基于微电网的综合能源系统经济优化调度方法 |
-
2018
- 2018-10-24 CN CN201811245005.5A patent/CN111091404A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103617460A (zh) * | 2013-12-06 | 2014-03-05 | 天津大学 | 冷热电联供微网系统的双层优化规划设计方法 |
| CN104537443A (zh) * | 2015-01-08 | 2015-04-22 | 国家电网公司 | 一种热电联供型微网经济协调优化调度方法 |
| CN105591406A (zh) * | 2015-12-31 | 2016-05-18 | 华南理工大学 | 一种基于非合作博弈的微电网能量管理系统的优化算法 |
| 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 |
| CN107609684A (zh) * | 2017-08-24 | 2018-01-19 | 浙江万克新能源科技有限公司 | 一种基于微电网的综合能源系统经济优化调度方法 |
Non-Patent Citations (2)
| Title |
|---|
| 方磊;牛玉刚;祖其武;: "微网可转移负荷调度与储能控制策略", 华东理工大学学报(自然科学版), no. 04, 10 September 2018 (2018-09-10), pages 588 - 594 * |
| 林凯骏等: "基于非合作博弈的冷热电联供微能源网运行策略优化", 电力系统自动化, 3 January 2018 (2018-01-03), pages 25 - 32 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112398124A (zh) * | 2020-11-10 | 2021-02-23 | 杭州市电力设计院有限公司余杭分公司 | 区域微电网的优化控制方法、装置、设备及可读存储介质 |
| CN112398124B (zh) * | 2020-11-10 | 2022-06-14 | 杭州市电力设计院有限公司余杭分公司 | 区域微电网的优化控制方法、装置、设备及可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gholinejad et al. | A hierarchical energy management system for multiple home energy hubs in neighborhood grids | |
| Di Somma et al. | Optimal bidding strategy for a DER aggregator in the day-ahead market in the presence of demand flexibility | |
| Waseem et al. | Fuzzy compromised solution-based novel home appliances scheduling and demand response with optimal dispatch of distributed energy resources | |
| Wang et al. | Evaluation of economic benefits of virtual power plant between demand and plant sides based on cooperative game theory | |
| Ju et al. | A two-stage optimal coordinated scheduling strategy for micro energy grid integrating intermittent renewable energy sources considering multi-energy flexible conversion | |
| Nazari-Heris et al. | Network constrained economic dispatch of renewable energy and CHP based microgrids | |
| Zheng et al. | Coordination of commercial prosumers with distributed demand-side flexibility in energy sharing and management system | |
| CN110659788B (zh) | 一种用户侧综合能源系统的供需平衡分析方法和系统 | |
| CN114254494A (zh) | 一种多能微网群自身及市场决策协同优化方法 | |
| Elkadeem et al. | Optimal planning and operation of grid-connected PV/CHP/battery energy system considering demand response and electric vehicles for a multi-residential complex building | |
| 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 | |
| Zhao et al. | Peer-to-peer energy sharing with demand-side management for fair revenue distribution and stable grid interaction in the photovoltaic community | |
| Zeng et al. | Trading model combining electricity, heating, and cooling under multi-energy demand response | |
| CN112564102A (zh) | 多微网负荷优化调度方法和系统 | |
| Reis et al. | Residential demand-side flexibility in energy communities: a combination of optimization and agent modeling approaches | |
| Hayati et al. | A two-stage stochastic optimization scheduling approach for integrating renewable energy sources and deferrable demand in the spinning reserve market | |
| Sheibani et al. | Stochastic price based coordinated operation planning of energy storage system and conventional power plant | |
| Tian et al. | Robust optimal energy management of data center equipped with multi-energy conversion technologies | |
| Azaroual et al. | Optimal Solution of Peer‐to‐Peer and Peer‐to‐Grid Trading Strategy Sharing between Prosumers with Grid‐Connected Photovoltaic/Wind Turbine/Battery Storage Systems | |
| CN105930919A (zh) | 基于两阶段随机规划的虚拟电厂风险规避优化运行方法 | |
| CN115293485A (zh) | 考虑电动汽车和需求响应的综合能源系统低碳调度方法 | |
| Kumar et al. | Impact of optimal sized pump storage unit on microgrid operating cost and bidding in electricity market | |
| CN115187018A (zh) | 一种园区综合能源系统双层优化调度方法及装置 | |
| Iwafune et al. | Aggregation model of various demand-side energy resources in the day-ahead electricity market and imbalance pricing system | |
| Yu et al. | Optimal infrastructure in microgrids with diverse uncertainties based on demand response, renewable energy sources and two-stage parallel optimization algorithm |
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 |