CN111125611A - 面向多场景的冷-热-电微能网群两阶段优化调度方法 - Google Patents

面向多场景的冷-热-电微能网群两阶段优化调度方法 Download PDF

Info

Publication number
CN111125611A
CN111125611A CN201911372255.XA CN201911372255A CN111125611A CN 111125611 A CN111125611 A CN 111125611A CN 201911372255 A CN201911372255 A CN 201911372255A CN 111125611 A CN111125611 A CN 111125611A
Authority
CN
China
Prior art keywords
energy
micro
heat
period
representing
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
Application number
CN201911372255.XA
Other languages
English (en)
Other versions
CN111125611B (zh
Inventor
荆江平
胡伟
陆晓
芮松华
吴奕
杨梓俊
王瑾然
臧海祥
卫志农
孙勇
于芮技
陈康
陈辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Jiangsu Electric Power Co Ltd
Hohai University HHU
Original Assignee
State Grid Jiangsu Electric Power Co Ltd
Hohai University HHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Jiangsu Electric Power Co Ltd, Hohai University HHU filed Critical State Grid Jiangsu Electric Power Co Ltd
Priority to CN201911372255.XA priority Critical patent/CN111125611B/zh
Publication of CN111125611A publication Critical patent/CN111125611A/zh
Application granted granted Critical
Publication of CN111125611B publication Critical patent/CN111125611B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • 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
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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—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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

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)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Water Supply & Treatment (AREA)
  • Power Engineering (AREA)
  • Mathematical Optimization (AREA)
  • Public Health (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Feedback Control In General (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种面向多场景的冷‑热‑电微能网群两阶段优化调度方法，包括以下步骤：（1）建立CCHP微能网群架构；（2）建立CCHP微能网群关键设备模型；（3）建立CCHP微能网群两阶段优化调度模型；（4）使用优化软件GAMS对步骤（1）至步骤（3）建立的模型进行求解；（5）根据步骤（4）的求解结果对系统进行调度。本发明考虑了各CCHP微能网之间的能量交互，建立了面向多场景的CCHP微能网群模型，充分利用了能源间相互转化的优势和时空多能互补的潜力，实现了系统的最优经济运行；在满足用户多元化用能需求的同时，提高了CCHP微能网群的灵活应对RES随机性的能力。

Description

面向多场景的冷-热-电微能网群两阶段优化调度方法
技术领域
本发明属于电力系统技术领域，涉及一种面向多场景的冷-热-电微能网群两阶段优化调度方法。
背景技术
推动建设泛在电力物联网是与坚强智能电网协同并进、相辅相成与融合发展的新思路。区域综合能源系统作为泛在电力物联网的重要组成部分，通过能源间相互转化与互补互济实现了冷、热、电、气等多元能源的综合利用，提高了能源的利用效率，有助于推进能源结构调整和缓解化石能源短缺的问题。
在区域综合能源系统中，冷热电联供(combined cooling,heating and power,CCHP)技术与传统微能源网共同组成的CCHP微能网将系统中的可再生能源(renewableenergy system，RES)、储能系统(energy storage systems，ESS)、用户多元负荷和能源转化设备紧密结合在一起，实现了用户侧能源的灵活调度和高效利用。由于不同的CCHP微能网面向的应用场景不同(如工业型、商业性和居民型等)，供能与用能特性各异，网间存在时空上的多能互补潜力，因此由多个微能网相互连接、并列运行的CCHP微能网群成为了综合能源示范工程的优先选择。
近年来，随着我国RES并网规模的逐渐扩大，分布式RES(如屋顶光伏和公路光伏等)得到了飞速发展，逐渐成为微能源网中电能的重要来源，有效降低了用户的用能成本。然而，RES具有的强随机性和不确定性提高了CCHP微能网的运行风险，不利于系统的安全稳定运行。传统的CCHP微能网群调度往往使用日前预测的RES出力作为优化调度的依据，忽视了RES的预测误差，最终造成供能企业和用户的经济损失。
发明内容
发明目的：CCHP微能网群两阶段随机调度作为一种随机规划方法，将系统的调度分为日前能量储备和实时调整两个阶段，能够有效解决RES因预测出力误差导致的随机性问题。现有文献虽然提出了利用两阶段优化调度的策略来应对RES的随机性，但是尚未考虑面向多场景的CCHP微能网群之间的能量交互。基于此，本发明考虑了基于多个用能场景的微能网群，建立了基于两阶段CCHP微能网群优化调度模型，以应对RES的不确定性与随机性。
技术方案：为实现本发明的目的，本发明所采用的技术方案是：
面向多场景的冷-热-电微能网群两阶段优化调度方法，其特征在于，包括以下步骤：
(1)建立CCHP微能网群架构；
(2)建立CCHP微能网群关键设备模型；
(3)建立CCHP微能网群两阶段优化调度模型；
(4)使用优化软件GAMS对步骤(1)至步骤(3)建立的模型进行求解；
(5)根据步骤(4)的求解结果对系统进行调度。
进一步地，步骤(1)中，CCHP微能网群包括多个用户侧微能网和外部供能系统。
进一步地，用户侧微能网包括工业型、居民型和智能楼宇型3种微能网。
进一步地，外部供能系统包括市政电网UG、热电联产机组CHP、供热管道系统HPS和外部制冷设备。
进一步地，外部制冷设备包括电制冷机组EC和吸收式制冷机AC。
进一步地，步骤(2)中，建立CCHP微能网群关键设备模型，包括以下步骤：
步骤2.1：建立CHP机组模型：
Figure BDA0002339990100000021
式中，t表示变量对应的时段；PCHP,t，QCHP,t和QG,t分别表示CHP机组输出的电能、热能和消耗的天然气；ηCHP、ηGE和ηGH分别表示CHP转换效率和电、热转换比例；QG,max、QG,min分别表示CHP机组输出的天然气上、下限；
步骤2.2：建立供热管道系统模型：
Figure BDA0002339990100000022
Figure BDA0002339990100000023
Figure BDA0002339990100000024
Figure BDA0002339990100000025
Figure BDA0002339990100000026
Figure BDA0002339990100000027
其中，n表示CCHP微能源网序号，N表示微能网的总数目；
Figure BDA0002339990100000028
表示在t时段内微能网群短缺的热能，
Figure BDA0002339990100000031
为HPS在t时段内向微能网群释放的热能；
Figure BDA0002339990100000032
和
Figure BDA0002339990100000033
分别表示微能网n在t时段内剩余热能、向HPS储热和释放到外界的热能；
Figure BDA0002339990100000034
和
Figure BDA0002339990100000035
分别为HPS在t时段内从大容量CHP获得的热能与向AC释放的热能；
Figure BDA0002339990100000036
表示HPS的总储热能力；
Figure BDA0002339990100000037
和
Figure BDA0002339990100000038
分别为HPS充能与释能过程中的热损耗系数；
Figure BDA0002339990100000039
表示在t时段内HPS的储热/释热状态，
Figure BDA00023399901000000310
表示在t-1时段内HPS的储热/释热状态，其值为1时表示储热，为0时表示释热；
步骤2.3：电制冷与吸收式制冷机组：
EC数学模型为：
Figure BDA00023399901000000311
式中，PEC,t和QEC,t分别表示电制冷机组消耗的电能与制冷量，ηEC表示EC的制冷效率；PEC,max和PEC,min分别为消耗电能的上下限；
AC数学模型为：
Figure BDA00023399901000000312
式中，QWH,t、QAC,t和PAC,t分别表示AC吸收的余热、制冷量和消耗的电能，ηAC和ηACP表示AC的制冷效率和耗电率；QWH,max和QWH,min分别为AC吸收余热的上下限；
步骤2.4：储能装置模型：
ESS的数学模型为：
SESS,t+1＝(1-α)SESS,t+(λchar,tηcharPchar,t+λdis,tηdis -1Pdis,t)Δt
λchar,t+λdis,t＝1
Figure BDA00023399901000000313
式中，Δt表示每个调度时段的时长，取Δt＝1；SESS,t表示ESS在t时段内存储的能量；α表示ESS储能时的自然损耗系数；Pchar,t和Pdis,t分别表示ESS在t时段内蓄能与释能的功率；ηchar和ηdis分别表示ESS蓄能与释能的效率；λchar,t和λdis,t和分别为ESS储能与释能的状态变量。
进一步地，步骤(3)中，建立CCHP微能网群两阶段优化调度模型，包括以下步骤：
步骤3.1：确定模型的目标函数：
模型的目标函数F包括日前能量储备成本F0和实时运行所涉及的调整成本Fs，即：
minF＝F0+Fs
式中，日前能量储备成本由日前能量成本和能量储备成本组成：
Figure BDA0002339990100000041
式中，CG和CLNG为市政电网电能和天然气的单位能量价格；
Figure BDA0002339990100000042
和
Figure BDA0002339990100000043
表示气源点的上、下备用成本；
Figure BDA0002339990100000044
和
Figure BDA0002339990100000045
表示UG的单位上、下备用成本；
Figure BDA0002339990100000046
和
Figure BDA0002339990100000047
表示气源点输出天然气和上、下备用值；
Figure BDA0002339990100000048
和
Figure BDA0002339990100000049
表示UG的日前供电量和上、下备用的值；
实时运行调整成本包括切负荷成本和能量调整成本：
Figure BDA00023399901000000410
式中，π表示实时调整阶段的随机场景序号，pπ表示场景π概率；Ce、Ch和Cc分别为电、热和冷负荷的单位切负荷成本；Pe,n,t、Ph,n,t和Pc,n,t分别表示微能网n在t时段内的电、热和冷负荷；
Figure BDA00023399901000000411
和
Figure BDA00023399901000000412
为在t时段内场景π中的切负荷率；
Figure BDA00023399901000000413
和
Figure BDA00023399901000000414
为气源点在场景π中供应天然气的上、下调整量；
Figure BDA00023399901000000415
和
Figure BDA00023399901000000416
表示在场景π中从UG购买电能的增加或减少量；
步骤3.2：日前能量储备模型：
上角标0表示日前调度中的变量；
在日前能量储备阶段，除了满足步骤2中所示的各类设备等式约束与不等式约束，还满足以下的微能网群平衡约束：
(1)外部供能平衡
外部供能满足电、冷、热、气的平衡约束：
Figure BDA0002339990100000051
Figure BDA0002339990100000052
Figure BDA0002339990100000053
Figure BDA0002339990100000054
Figure BDA0002339990100000055
其中，
Figure BDA0002339990100000056
表示日前阶段CHP机组在t时段内输出的电能，
Figure BDA0002339990100000057
为日前阶段CCHP在t时段内从上级电网购买的电能，
Figure BDA0002339990100000058
和
Figure BDA0002339990100000059
表示日前阶段EC和AC在t时段内消耗的电能；
Figure BDA00023399901000000510
表示日前阶段微能网n在t时段内从UG购买的电量；
Figure BDA00023399901000000511
和
Figure BDA00023399901000000512
表示日前阶段EC和AC在t时段内输出的冷功率；
Figure BDA00023399901000000513
和
Figure BDA00023399901000000514
表示日前阶段HPS在t时段内向AC释放的热能和微能网n剩余热能；
Figure BDA00023399901000000515
表示日前阶段微电网n的LCHP在t时段内消耗的天然气，
Figure BDA00023399901000000516
表示日前阶段CHP在t时段内消耗的天然气；
同时备用容量满足如下不等式约束：
Figure BDA00023399901000000517
Figure BDA00023399901000000518
Figure BDA00023399901000000519
和
Figure BDA00023399901000000520
分别为气源点和UG的最大备用容量；
(2)微能网群内部平衡
外部供能满足电、冷、热、气的平衡约束：
Figure BDA00023399901000000521
Figure BDA00023399901000000522
其中，
Figure BDA00023399901000000523
表示日前阶段LCHP在t时段内消耗的天然气；
Figure BDA00023399901000000524
和
Figure BDA00023399901000000525
表示日前阶段ESS在t时段内蓄能与释能的功率，
Figure BDA0002339990100000061
表示RES在t时段内的输入功率，
Figure BDA0002339990100000062
表示在t时段内电负荷，
Figure BDA0002339990100000063
和
Figure BDA0002339990100000064
为日前阶段与其他CCHP在t时段内的交换功率；
步骤3.3：实时调整模型：
上角标s表示实时调整阶段的变量；
(1)外部供能平衡
Figure BDA0002339990100000065
Figure BDA0002339990100000066
Figure BDA0002339990100000067
Figure BDA0002339990100000068
Figure BDA0002339990100000069
Figure BDA00023399901000000610
Figure BDA00023399901000000611
式中，π表示实时调整阶段的随机场景序号，pπ表示场景π概率；
Figure BDA00023399901000000612
表示实时阶段CHP在t时段内输出的电功率，
Figure BDA00023399901000000613
和
Figure BDA00023399901000000614
为EC和AC实时阶段在t时段内消耗的电功率；
Figure BDA00023399901000000615
表示实时阶段微能网群在t时段内购买的总电能；
Figure BDA00023399901000000616
和
Figure BDA00023399901000000617
表示EC和AC实时阶段在t时段内产生的热功率；
Figure BDA00023399901000000618
表示LCHP在t时段内产生的热；
(2)微能网群内部平衡
Figure BDA00023399901000000619
Figure BDA00023399901000000620
Figure BDA00023399901000000621
表示RES在t时段内的输入功率，
Figure BDA00023399901000000622
和
Figure BDA00023399901000000623
表示实时阶段ESS在t时段内蓄能与释能的功率，
Figure BDA00023399901000000624
和
Figure BDA00023399901000000625
为实时阶段与其他CCHP在t时段内的交换功率；
Figure BDA00023399901000000626
和
Figure BDA00023399901000000627
表示实时阶段微能网群在t时段内短缺的热能和剩余热能。
本发明所达到的有益效果：
本发明考虑了各CCHP微能网之间的能量交互，建立了面向多场景的CCHP微能网群模型，充分利用了能源间相互转化的优势和时空多能互补的潜力，实现了系统的最优经济运行。同时，为了应对RES的不确定性和随机性，建立了CCHP微能网群模型两阶段优化调度模型。该模型包括日前能量储备和日内实时调整两个阶段，通过优化系统内各设备的运行状态，在满足用户多元化用能需求的同时，提高了CCHP微能网群的灵活应对RES随机性的能力。
附图说明
图1：CCHP微能网群框架；
图2：各方案系统运行成本。
具体实施方式
下面结合具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
本发明的面向多场景的冷-热-电微能网群两阶段优化调度方法，包括以下步骤：
(1)建立CCHP微能网群架构；
(2)建立CCHP微能网群关键设备模型；
(3)建立CCHP微能网群两阶段优化调度模型；
(4)使用优化软件GAMS对步骤(1)至步骤(3)建立的模型进行求解；
(5)根据步骤(4)的求解结果对系统进行调度。
进一步地，步骤(1)中，建立CCHP微能网群的架构，具体为：
本发明建立的面向多场景的CCHP微能网群包括多个用户侧微能网和外部供能系统组成。其中，外部供能系统包括市政电网(utility grid，UG)、热电联产机组(combinedheating and power，CHP)、供热管道系统(heat pipe system，HPS)和外部制冷设备等。用户侧微能网包括了工业型、居民型和智能楼宇型3种微能网，共同组成了面向多用能场景的微能源网群，如图1所示。
进一步地，微能网群的电能需求一部分由市政电网供应，另一部分则来源于消纳本地的RES(如用户侧光伏、风电机组等)。外部制冷设备包括电制冷机组(electriccooler，EC)和吸收式制冷机(adsorption chiller，AC)两种，能够满足用户的冷需求。在供热方面，供热管道系统能够将外部大容量CHP机组输出的热能输送到微能网中。此外，用户自备的本地CHP(local CHP，LCHP)可以通过将天然气转换为电和热，实现了能源之间的灵活转化。微能源网中还配置了ESS以实现能源的灵活和高效利用。
进一步地，步骤(2)中，建立CCHP微能网群关键设备模型，包括以下步骤：
步骤2.1：建立CHP机组模型：
Figure BDA0002339990100000081
式中，t表示变量对应的调度时段(下同)。PCHP,t，QCHP,t和QG,t分别表示CHP机组输出的电能、热能和消耗的天然气。ηCHP、ηGE和ηGH分别表示CHP转换效率和电/热转换比例。
步骤2.2：建立供热管道系统模型：
Figure BDA0002339990100000082
Figure BDA0002339990100000083
Figure BDA0002339990100000084
Figure BDA0002339990100000085
Figure BDA0002339990100000086
Figure BDA0002339990100000087
其中，n表示CCHP微能源网序号，N表示微能网的总数目。
Figure BDA0002339990100000088
表示微能网群短缺的热能，
Figure BDA0002339990100000089
为HPS向微能网群释放的热能；
Figure BDA00023399901000000810
和
Figure BDA00023399901000000811
分别表示微能网n剩余热能、向HPS储热和释放到外界的热能。
Figure BDA00023399901000000812
和
Figure BDA00023399901000000813
分别为HPS从大容量CHP获得的热能与向AC释放的热能；
Figure BDA00023399901000000814
表示HPS的总储热能力；
Figure BDA00023399901000000815
和
Figure BDA00023399901000000816
分别为HPS充能与释能过程中的热损耗系数；
Figure BDA00023399901000000817
表示HPS的储热/释热状态，其值为1时表示储热，为0时表示释热。
步骤2.3：电制冷与吸收式制冷机组：
AC与EC都能够为MG提供冷水以满足用户的用冷需求。其中，EC直接与外部配电网相连，通过消耗电能制冷，其数学模型可以表示为：
Figure BDA0002339990100000091
式中，PEC,t和QEC,t分别表示电制冷机组消耗的电能与制冷量，ηEC表示EC的制冷效率。PEC,max和PEC,min分别为消耗电能的上下限。
AC能够回收供热管道系统中换热装置损耗的热量进行制冷以供给微能网群，满足用户的冷负荷需求。其数学模型可以描述为：
Figure BDA0002339990100000092
式中，QWH,t、QAC,t和PAC,t分别表示AC吸收的余热、制冷量和消耗的电能，ηAC和ηACP表示AC的制冷效率和耗电率。QWH,max和QWH,min分别为AC吸收余热的上下限。
在相同的制冷功率下，EC要比AC消耗更多的电能。因此，当AC的制冷功率无法满足负荷需求时，EC才会对系统进行补冷。
步骤2.4：储能装置模型：
本发明中的ESS主要为电储能。ESS可以在本地RES无法消纳或市政电网低谷电价时充电，在电负荷增加或高峰电价时放电。合理使用ESS将有助于实现系统的经济运行。ESS的数学模型为：
SESS,t+1＝(1-α)SESS,t+(λchar,tηcharPchar,t+λdis,tηdis -1Pdis,t)Δt
λchar,t+λdis,t＝1
Figure BDA0002339990100000093
式中，Δt表示每个调度时段的时长，本文中取Δt＝1；SESS,t表示ESS在t时段内存储的能量；α表示ESS储能时的自然损耗系数；Pchar,t和Pdis,t分别表示ESS蓄能与释能的功率；ηchar和ηdis分别表示ESS蓄能与释能的效率；λchar,t和λdis,t和分别为ESS储能与释能的状态变量。
进一步地，步骤(3)中，建立CCHP微能网群两阶段优化调度模型，包括以下步骤：
步骤3.1：确定模型的目标函数：
模型的目标函数F包括日前能量储备成本F0和实时运行所涉及的调整成本Fs，即：
minF＝F0+Fs
式中，日前能量储备成本由日前能量成本和能量储备成本组成：
Figure BDA0002339990100000101
式中，CG和CLNG为市政电网电能和天然气的单位能量价格；
Figure BDA0002339990100000102
和
Figure BDA0002339990100000103
表示气源点的上、下备用成本；
Figure BDA0002339990100000104
和
Figure BDA0002339990100000105
表示UG的单位上、下备用成本。
Figure BDA0002339990100000106
和
Figure BDA0002339990100000107
表示气源点输出天然气和上、下备用值；
Figure BDA0002339990100000108
和
Figure BDA0002339990100000109
表示UG的日前供电量和上、下备用的值。
实时运行调整成本包括切负荷成本和能量调整成本：
Figure BDA00023399901000001010
式中，π表示实时调整阶段的随机场景序号，pπ表示场景π概率。Ce、Ch和Cc分别为电、热和冷负荷的单位切负荷成本；Pe,n,t、Ph,n,t和Pc,n,t分别表示微能网n的电、热和冷负荷；
Figure BDA00023399901000001011
和
Figure BDA00023399901000001012
为场景π中的切负荷率。
Figure BDA00023399901000001013
和
Figure BDA00023399901000001014
为气源点在场景π中供应天然气的上、下调整量；
Figure BDA00023399901000001015
和
Figure BDA00023399901000001016
表示在场景π中系统从UG购买电能的增加或减少量。
步骤3.2：日前能量储备模型：
日前能量储备一般发生在能源交付的前一天。调度人员根据预测的能源需求和各项成本安排次日的生产计划，并提交天然气和市政电网电能的购买数量。同时，调度人员还需要提前安排充足的储备容量以应对实时调节阶段中可能出现的RES的不确定性。基于此，我们提出了一种考虑日前能源规划和备用容量调度的协同优化框架。在本节中，上角标0表示日前调度中的变量。
在日前能量储备阶段，除了需要满足步骤2中所示的各类设备等式约束与不等式约束，还需要满足以下的微能网群平衡约束。
(1)外部供能平衡
外部供能需要满足电、冷、热、气的平衡约束。
Figure BDA0002339990100000111
Figure BDA0002339990100000112
Figure BDA0002339990100000113
Figure BDA0002339990100000114
Figure BDA0002339990100000115
其中，
Figure BDA0002339990100000116
表示日前阶段CHP机组输出的电能，
Figure BDA0002339990100000117
为日前阶段CCHP从上级电网购买的电能，
Figure BDA0002339990100000118
和
Figure BDA0002339990100000119
表示日前阶段EC和AC消耗的电能。
Figure BDA00023399901000001110
表示日前阶段微能网n从UG购买的电量。
Figure BDA00023399901000001111
和
Figure BDA00023399901000001112
表示日前阶段EC和AC输出的冷功率。
Figure BDA00023399901000001113
和
Figure BDA00023399901000001114
表示日前阶段HPS向AC释放的热能和微能网n剩余热能。
Figure BDA00023399901000001115
表示日前阶段微电网n的LCHP消耗的天然气，
Figure BDA00023399901000001116
表示日前阶段CHP消耗的天然气。
同时备用容量还需满足如下不等式约束：
Figure BDA00023399901000001117
Figure BDA00023399901000001118
Figure BDA00023399901000001119
和
Figure BDA00023399901000001120
分别为气源点和UG的最大备用容量。
(2)微能网群内部平衡
外部供能需要满足电、冷、热、气的平衡约束。
Figure BDA00023399901000001121
Figure BDA00023399901000001122
其中，
Figure BDA00023399901000001123
表示日前阶段LCHP消耗的天然气、
Figure BDA00023399901000001124
和
Figure BDA00023399901000001125
表示日前阶段ESS蓄能与释能的功率，
Figure BDA00023399901000001126
表示RES的输入功率，
Figure BDA00023399901000001127
表示电负荷，
Figure BDA00023399901000001128
和
Figure BDA00023399901000001129
为日前阶段与其他CCHP的交换功率。
步骤3.3：实时调整模型：
实时调整发生在能源输送的前一段时间，是一种平衡生产与消费的机制。由于日前能量储备是通过系统内各成员的提交计划来决策的，没有考虑可再生能源出力的随机性，无法在日前阶段准确预测随机生产商的生产水平，因此调度人员需要实时对系统进行调整。本步骤中上角标s表示实时调整阶段的变量。
(1)外部供能平衡
Figure BDA0002339990100000121
Figure BDA0002339990100000122
Figure BDA0002339990100000123
Figure BDA0002339990100000124
Figure BDA0002339990100000125
Figure BDA0002339990100000126
Figure BDA0002339990100000127
式中，π表示实时调整阶段的随机场景序号，pπ表示场景π概率。
Figure BDA0002339990100000128
表示实时阶段CHP输出的电功率，
Figure BDA0002339990100000129
和
Figure BDA00023399901000001210
为EC和AC实时阶段消耗的电功率。
Figure BDA00023399901000001211
表示实时阶段微能网群购买的总电能。
Figure BDA00023399901000001212
和
Figure BDA00023399901000001213
表示EC和AC实时阶段产生的热功率。
Figure BDA00023399901000001214
表示LCHP产生的热。
(2)微能网群内部平衡
Figure BDA00023399901000001215
Figure BDA00023399901000001216
Figure BDA00023399901000001217
表示RES的输入功率，
Figure BDA00023399901000001218
和
Figure BDA00023399901000001219
表示实时阶段ESS蓄能与释能的功率，
Figure BDA00023399901000001220
和
Figure BDA00023399901000001221
为实时阶段与其他CCHP的交换功率。
Figure BDA00023399901000001222
和
Figure BDA00023399901000001223
表示实时阶段微能网群短缺的热能和剩余热能。
进一步，步骤(4)中，使用优化软件GAMS对步骤(1)至步骤(3)建立的模型进行求解。
进一步，步骤(5)中，根据步骤(4)的求解结果对系统进行调度。
下面以一实际的案例介绍本发明：
采用我国某区域综合能源示范基地的含多类型CCHP微能网群系统算例，该算例包括了居民型、工业型和智慧楼宇型3种微能网，共同构成了CCHP微能网群。
CCHP微能网群中的热能来源具有多元化形式，同时CHP机组“以热定电”的运行模式也决定了热能在微能网群中的重要性。因此，研究热负荷的变化对系统的影响是十分有必要的。本小节设计了3种用能情形，以分析负荷的变化对两阶段优化调度结果的影响。
Case 1A：各微能网采用基础负荷。
Case 1B：工业型微能网的热负荷降低20％。
Case 1C：工业型微能网的热负荷提高20％。
图2展示了系统的运行成本，包括能源成本、备用成本和系统平衡成本三个部分。其中，相比于Case 1A，Case 1B的能源成本降低了17.32％，而Case 1C的能源成本提高了21.92％。对于系统总成本而言，Case 1B和Case 1C相比于Case 1A分别降低了16.54％和提高了25.76％。

Claims (7)

1.面向多场景的冷-热-电微能网群两阶段优化调度方法，其特征在于，包括以下步骤：
(1)建立CCHP微能网群架构；
(2)建立CCHP微能网群关键设备模型；
(3)建立CCHP微能网群两阶段优化调度模型；
(4)使用优化软件GAMS对步骤(1)至步骤(3)建立的模型进行求解；
(5)根据步骤(4)的求解结果对系统进行调度。
2.根据权利要求1所述的面向多场景的冷-热-电微能网群两阶段优化调度方法，其特征在于，步骤(1)中，CCHP微能网群包括多个用户侧微能网和外部供能系统。
3.根据权利要求2所述的面向多场景的冷-热-电微能网群两阶段优化调度方法，其特征在于，用户侧微能网包括工业型、居民型和智能楼宇型3种微能网。
4.根据权利要求2所述的面向多场景的冷-热-电微能网群两阶段优化调度方法，其特征在于，外部供能系统包括市政电网UG、热电联产机组CHP、供热管道系统HPS和外部制冷设备。
5.根据权利要求4所述的面向多场景的冷-热-电微能网群两阶段优化调度方法，其特征在于，外部制冷设备包括电制冷机组EC和吸收式制冷机AC。
6.根据权利要求4所述的面向多场景的冷-热-电微能网群两阶段优化调度方法，其特征在于，步骤(2)中，建立CCHP微能网群关键设备模型，包括以下步骤：
步骤2.1：建立CHP机组模型：
Figure FDA0002339990090000011
式中，t表示变量对应的时段；PCHP,t，QCHP,t和QG,t分别表示CHP机组输出的电能、热能和消耗的天然气；ηCHP、ηGE和ηGH分别表示CHP转换效率和电、热转换比例；QG,max、QG,min分别表示CHP机组输出的天然气上、下限；
步骤2.2：建立供热管道系统模型：
Figure FDA0002339990090000012
Figure FDA0002339990090000013
Figure FDA0002339990090000014
Figure FDA0002339990090000021
Figure FDA0002339990090000022
Figure FDA0002339990090000023
其中，n表示CCHP微能源网序号，N表示微能网的总数目；
Figure FDA0002339990090000024
表示在t时段内微能网群短缺的热能，
Figure FDA0002339990090000025
为HPS在t时段内向微能网群释放的热能；
Figure FDA0002339990090000026
和
Figure FDA0002339990090000027
分别表示微能网n在t时段内剩余热能、向供热管道系统HPS储热和释放到外界的热能；
Figure FDA0002339990090000028
和
Figure FDA0002339990090000029
分别为供热管道系统HPS在t时段内从大容量热电联产机组CHP获得的热能与向吸收式制冷机AC释放的热能；
Figure FDA00023399900900000210
表示供热管道系统HPS的总储热能力；
Figure FDA00023399900900000211
和
Figure FDA00023399900900000212
分别为供热管道系统HPS充能与释能过程中的热损耗系数；
Figure FDA00023399900900000216
表示在t时段内供热管道系统HPS的储热/释热状态，
Figure FDA00023399900900000213
表示在t-1时段内供热管道系统HPS的储热/释热状态，其值为1时表示储热，为0时表示释热；
步骤2.3：电制冷与吸收式制冷机组：
电制冷机组EC数学模型为：
Figure FDA00023399900900000214
式中，PEC,t和QEC,t分别表示电制冷机组消耗的电能与制冷量，ηEC表示EC的制冷效率；PEC,max和PEC,min分别为消耗电能的上下限；
吸收式制冷机AC数学模型为：
Figure FDA00023399900900000215
式中，QWH,t、QAC,t和PAC,t分别表示AC吸收的余热、制冷量和消耗的电能，ηAC和ηACP表示AC的制冷效率和耗电率；QWH,max和QWH,min分别为AC吸收余热的上下限；
步骤2.4：储能装置模型：
ESS的数学模型为：
SESS,t+1＝(1-α)SESS,t+(λchar,tηcharPchar,t+λdis,tηdis -1Pdis,t)Δt
λchar,t+λdis,t＝1
Figure FDA0002339990090000031
式中，Δt表示每个调度时段的时长，取Δt＝1；SESS,t表示ESS在t时段内存储的能量；α表示ESS储能时的自然损耗系数；Pchar,t和Pdis,t分别表示ESS在t时段内蓄能与释能的功率；ηchar和ηdis分别表示ESS蓄能与释能的效率；λchar,t和λdis,t和分别为ESS储能与释能的状态变量。
7.根据权利要求4所述的面向多场景的冷-热-电微能网群两阶段优化调度方法，其特征在于，步骤(3)中，建立CCHP微能网群两阶段优化调度模型，包括以下步骤：
步骤3.1：确定模型的目标函数：
模型的目标函数F包括日前能量储备成本F0和实时运行所涉及的调整成本Fs，即：
min F＝F0+Fs
式中，日前能量储备成本由日前能量成本和能量储备成本组成：
Figure FDA0002339990090000032
式中，CG和CLNG为市政电网电能和天然气的单位能量价格；
Figure FDA0002339990090000033
和
Figure FDA0002339990090000034
表示气源点的上、下备用成本；
Figure FDA0002339990090000035
和
Figure FDA0002339990090000036
表示UG的单位上、下备用成本；
Figure FDA0002339990090000037
和
Figure FDA0002339990090000038
表示气源点输出天然气和上、下备用值；
Figure FDA0002339990090000039
和
Figure FDA00023399900900000310
表示UG的日前供电量和上、下备用的值；
实时运行调整成本包括切负荷成本和能量调整成本：
Figure FDA00023399900900000311
式中，π表示实时调整阶段的随机场景序号，pπ表示场景π概率；Ce、Ch和Cc分别为电、热和冷负荷的单位切负荷成本；Pe,n,t、Ph,n,t和Pc,n,t分别表示微能网n在t时段内的电、热和冷负荷；
Figure FDA0002339990090000041
和
Figure FDA0002339990090000042
为在t时段内场景π中的切负荷率；
Figure FDA0002339990090000043
和
Figure FDA0002339990090000044
为气源点在场景π中供应天然气的上、下调整量；
Figure FDA0002339990090000045
和
Figure FDA0002339990090000046
表示在场景π中从UG购买电能的增加或减少量；
步骤3.2：日前能量储备模型：
上角标0表示日前调度中的变量；
在日前能量储备阶段，除了满足步骤2中所示的各类设备等式约束与不等式约束，还满足以下的微能网群平衡约束：
(1)外部供能平衡
外部供能满足电、冷、热、气的平衡约束：
Figure FDA0002339990090000047
Figure FDA0002339990090000048
Figure FDA0002339990090000049
Figure FDA00023399900900000410
Figure FDA00023399900900000411
其中，
Figure FDA00023399900900000412
表示日前阶段CHP机组在t时段内输出的电能，
Figure FDA00023399900900000413
为日前阶段CCHP在t时段内从上级电网购买的电能，
Figure FDA00023399900900000414
和
Figure FDA00023399900900000415
表示日前阶段EC和AC在t时段内消耗的电能；
Figure FDA00023399900900000416
表示日前阶段微能网n在t时段内从UG购买的电量；
Figure FDA00023399900900000417
和
Figure FDA00023399900900000418
表示日前阶段EC和AC在t时段内输出的冷功率；
Figure FDA00023399900900000419
和
Figure FDA00023399900900000420
表示日前阶段HPS在t时段内向AC释放的热能和微能网n剩余热能；
Figure FDA00023399900900000421
表示日前阶段微电网n的LCHP在t时段内消耗的天然气，
Figure FDA00023399900900000422
表示日前阶段CHP在t时段内消耗的天然气；
同时备用容量满足如下不等式约束：
Figure FDA00023399900900000423
Figure FDA0002339990090000051
Figure FDA0002339990090000052
和
Figure FDA0002339990090000053
分别为气源点和UG的最大备用容量；
(2)微能网群内部平衡
外部供能满足电、冷、热、气的平衡约束：
Figure FDA0002339990090000054
Figure FDA0002339990090000055
其中，
Figure FDA0002339990090000056
表示日前阶段LCHP在t时段内消耗的天然气；
Figure FDA0002339990090000057
和
Figure FDA0002339990090000058
表示日前阶段ESS在t时段内蓄能与释能的功率，
Figure FDA0002339990090000059
表示RES在t时段内的输入功率，
Figure FDA00023399900900000510
表示在t时段内电负荷，
Figure FDA00023399900900000511
和
Figure FDA00023399900900000512
为日前阶段与其他CCHP在t时段内的交换功率；
步骤3.3：实时调整模型：
上角标s表示实时调整阶段的变量；
(1)外部供能平衡
Figure FDA00023399900900000513
Figure FDA00023399900900000514
Figure FDA00023399900900000515
Figure FDA00023399900900000516
Figure FDA00023399900900000517
Figure FDA00023399900900000518
Figure FDA00023399900900000519
式中，π表示实时调整阶段的随机场景序号，pπ表示场景π概率；
Figure FDA00023399900900000520
表示实时阶段CHP在t时段内输出的电功率，
Figure FDA00023399900900000521
和
Figure FDA00023399900900000522
为EC和AC实时阶段在t时段内消耗的电功率；
Figure FDA00023399900900000523
表示实时阶段微能网群在t时段内购买的总电能；
Figure FDA00023399900900000524
和
Figure FDA00023399900900000525
表示EC和AC实时阶段在t时段内产生的热功率；
Figure FDA00023399900900000526
表示LCHP在t时段内产生的热；
(2)微能网群内部平衡
Figure FDA0002339990090000061
Figure FDA0002339990090000062
Figure FDA0002339990090000063
表示RES在t时段内的输入功率，
Figure FDA0002339990090000064
和
Figure FDA0002339990090000065
表示实时阶段ESS在t时段内蓄能与释能的功率，
Figure FDA0002339990090000066
和
Figure FDA0002339990090000067
为实时阶段与其他CCHP在t时段内的交换功率；
Figure FDA0002339990090000068
和
Figure FDA0002339990090000069
表示实时阶段微能网群在t时段内短缺的热能和剩余热能。
CN201911372255.XA 2019-12-27 2019-12-27 面向多场景的冷-热-电微能网群两阶段优化调度方法 Active CN111125611B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911372255.XA CN111125611B (zh) 2019-12-27 2019-12-27 面向多场景的冷-热-电微能网群两阶段优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911372255.XA CN111125611B (zh) 2019-12-27 2019-12-27 面向多场景的冷-热-电微能网群两阶段优化调度方法

Publications (2)

Publication Number Publication Date
CN111125611A true CN111125611A (zh) 2020-05-08
CN111125611B CN111125611B (zh) 2023-06-09

Family

ID=70503630

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911372255.XA Active CN111125611B (zh) 2019-12-27 2019-12-27 面向多场景的冷-热-电微能网群两阶段优化调度方法

Country Status (1)

Country Link
CN (1) CN111125611B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114757469A (zh) * 2022-02-22 2022-07-15 国网江苏省电力有限公司南京供电分公司 考虑多能流设备的区域综合能源系统日前优化调度方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105869075A (zh) * 2016-04-19 2016-08-17 东南大学 一种冷热电联供型微型能源网经济优化调度方法
CN108229025A (zh) * 2018-01-04 2018-06-29 东南大学 一种冷热电联供型多微网主动配电系统经济优化调度方法
CN108667012A (zh) * 2018-05-21 2018-10-16 国网山东省电力公司电力科学研究院 基于多场景的区域能源互联网源荷储双阶段协调优化方法
CN108717594A (zh) * 2018-04-16 2018-10-30 东南大学 一种冷热电联供型多微网系统经济优化调度方法
CN108832656A (zh) * 2018-06-20 2018-11-16 天津大学 基于电转气和可再生能源利用微能源网多目标规划方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105869075A (zh) * 2016-04-19 2016-08-17 东南大学 一种冷热电联供型微型能源网经济优化调度方法
CN108229025A (zh) * 2018-01-04 2018-06-29 东南大学 一种冷热电联供型多微网主动配电系统经济优化调度方法
CN108717594A (zh) * 2018-04-16 2018-10-30 东南大学 一种冷热电联供型多微网系统经济优化调度方法
CN108667012A (zh) * 2018-05-21 2018-10-16 国网山东省电力公司电力科学研究院 基于多场景的区域能源互联网源荷储双阶段协调优化方法
CN108832656A (zh) * 2018-06-20 2018-11-16 天津大学 基于电转气和可再生能源利用微能源网多目标规划方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114757469A (zh) * 2022-02-22 2022-07-15 国网江苏省电力有限公司南京供电分公司 考虑多能流设备的区域综合能源系统日前优化调度方法

Also Published As

Publication number Publication date
CN111125611B (zh) 2023-06-09

Similar Documents

Publication Publication Date Title
CN108717594B (zh) 一种冷热电联供型多微网系统经济优化调度方法
CN108229025B (zh) 一种冷热电联供型多微网主动配电系统经济优化调度方法
CN107958300A (zh) 一种考虑互动响应的多微网互联运行协调调度优化方法
CN113344736A (zh) 一种园区级综合能源系统及其控制方法
CN110889600A (zh) 一种考虑柔性热负荷的区域综合能源系统优化调度方法
CN112836882B (zh) 考虑设备负载率变化的区域综合能源系统运行优化方法
Zhang et al. Stochastic optimal dispatch of combined heat and power integrated AA-CAES power station considering thermal inertia of DHN
Kang et al. Feed-forward active operation optimization for CCHP system considering thermal load forecasting
CN117081143A (zh) 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法
CN111125611B (zh) 面向多场景的冷-热-电微能网群两阶段优化调度方法
Meng et al. Economic optimization operation approach of integrated energy system considering wind power consumption and flexible load regulation
Barala et al. Virtual Energy Storage Systems: Challenges and Opportunities
CN113313329B (zh) 一种含综合能源系统的配电网优化调度方法
CN112257951B (zh) 一种基于合作博弈的综合能源系统与配电公司的优化运行方法
Yang et al. Coordinated optimal scheduling of multi-energy microgrid considering uncertainties
Chen et al. Optimally coordinated operation of a multi-energy microgrid with coupled electrical and heat networks
CN111241459B (zh) 一种考虑自趋优的工业园区分布式综合需求响应方法
CN114240010A (zh) 应对需求侧不确定性的热电联产燃气轮机组调度方法
CN114330835A (zh) 一种综合能源微网中电/热混合储能系统的优化配置方法
Dou et al. Optimal configuration of multitype energy storage for integrated energy system considering the system reserve value
CN113239550A (zh) 一种冷热电联供系统储能容量配置方法及冷热电联供系统
Correa et al. Optimal Operation of Microgrids in the Colombian energy market
Wang et al. Joint scheduling method of peak shaving and frequency regulation using hybrid energy storage considering degeneration characteristic
Bayasgalan et al. The Utilization of an Energy Storage Facility in Dispatching Regulation of Power System
Liu et al. Expansion Planning of Community-Scale Regional Integrated Energy System Considering Grid-Source Coordination: A Cooperative Game Approach

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