CN111144642A - 一种综合能源系统优化方法及系统 - Google Patents

一种综合能源系统优化方法及系统 Download PDF

Info

Publication number
CN111144642A
CN111144642A CN201911346245.9A CN201911346245A CN111144642A CN 111144642 A CN111144642 A CN 111144642A CN 201911346245 A CN201911346245 A CN 201911346245A CN 111144642 A CN111144642 A CN 111144642A
Authority
CN
China
Prior art keywords
alliance
initial
load
chp
microgrid
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
CN201911346245.9A
Other languages
English (en)
Other versions
CN111144642B (zh
Inventor
刘念
潘明夷
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 Jiangxi Electric Power Co ltd
State Grid Corp of China SGCC
North China Electric Power University
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN201911346245.9A priority Critical patent/CN111144642B/zh
Publication of CN111144642A publication Critical patent/CN111144642A/zh
Application granted granted Critical
Publication of CN111144642B publication Critical patent/CN111144642B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Water Supply & Treatment (AREA)
  • Educational Administration (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提出了一种综合能源系统优化方法及系统。所述优化方法包括，微网联盟划分模块，用于将所述综合能源系统划分为多个微网联盟；优化调度模型建立模块，用于建立每个所述微网联盟的优化调度模型；优化调度模型求解模块，用于求解每个所述微网联盟的优化调度模型，确定每个所述微网联盟的优化调度方案；系统优化模块，用于根据每个所述微网联盟的优化调度方案对所述综合能源系统进行优化。本发明通过将综合能源系统划分为以CHP为联盟中心的电网热网双重联盟，通过对每个微网联盟进行优化调度，实现含大规模分布式能源的综合能源系统的优化。

Description

一种综合能源系统优化方法及系统
技术领域
本发明涉及分布式能源技术领域，特别是涉及一种综合能源系统优化方法及系统。
背景技术
随着经济社会的快速发展，以传统化石能源为核心的能源消费体系给地球环境造成了日益严重且无法逆转的破坏，能源的生产和利用成为当今世界各国共同关注的热点。由于清洁、高效等优点，分布式能源作为新型能源利用方式，在能源紧缺问题日益严峻的环境下具有无可比拟的优势。在此背景下，含分布式能源群的综合能源系统日益增多，其打破了在传统分产系统中仅能依靠单一能源生产的局面，能够完成电、气、热、冷等多种能源的联合供效应，对于推动能源结构转型有着重要意义。因此，综合能源系统将成为未来能源领域研究发展的重要方向之一。
目前对包含可再生能源的系统研究，国内外学者已取得一定成果。现有热电能流优化方法，多采用集中式优化求解，在分布式能源接入点多且分散的综合能源系统中，对所有节点采取集中控制模式操作困难、搜索范围广，对于系统内部通信要求较高，导致在实际优化运行过程中存在困难。随着分布式能源的发展，研究适用于含大规模分布式能源的综合能源系统热电能流优化方法十分必要。
发明内容
本发明的目的是提供一种综合能源系统优化方法及系统，以实现含大规模分布式能源的综合能源系统的优化。
为实现上述目的，本发明提供了如下方案：
一种综合能源系统优化方法，所述优化方法包括如下步骤；
将所述综合能源系统划分为多个微网联盟；
建立每个所述微网联盟的优化调度模型；
求解每个所述微网联盟的优化调度模型，确定每个所述微网联盟的优化调度方案；
根据每个所述微网联盟的优化调度方案对所述综合能源系统进行优化。
可选的，所述将所述综合能源系统划分为多个微网联盟，具体包括：
确定所述综合能源系统的CHP作为联盟中心；
分别计算所述综合能源系统的每个负荷节点与每个所述联盟中心的距离，获得每个所述负荷节点的距离集合：LSi＝{Li1,Li2,...,Lij,...,LiN,j≠i}，其中，LSi表示第i个负荷节点与每个联盟中心的距离集合，Li1、Li2、Lij和LiN分别表示第i个负荷节点与第1个、第2个、第j个和第N个联盟中心的距离；
根据每个所述负荷节点的距离集合，将每个所述负荷节点加入与所述负荷节点距离最短的联盟中心对应的联盟，获得初始联盟集合；
调整所述初始联盟集合中每个所述初始联盟中的负荷节点，使每个所述初始联盟的负荷容量不超过所述初始联盟的CHP发电容量的上限，将调整后的联盟作为微网联盟，得到微网联盟集合。
可选的，所述调整所述初始联盟集合中每个所述初始联盟中的负荷节点，使每个所述初始联盟的负荷容量不超过所述初始联盟的CHP发电容量的上限，将调整后的联盟作为微网联盟，得到微网联盟集合，具体包括：
分别判断每个所述初始联盟的负荷容量是否大于所述初始联盟的CHP发电容量，得到第一判断结果；
若所述第一判断结果表示所述初始联盟的负荷容量大于所述初始联盟的CHP发电容量，则将所述初始联盟中距离所述初始联盟的联盟中心距离较远的负荷节点移出所述初始联盟，并将移出后的初始联盟作为调整后的联盟；将移出的负荷节点加入未加入负荷节点集合；
若所述第一判断结果表示所述初始联盟的负荷容量不大于所述初始联盟的CHP发电容量，则将所述初始联盟作为未饱和联盟，加入未饱和联盟集合；
根据未加入负荷节点集合中每个所述负荷节点的距离集合，将未加入负荷节点集合中每个所述负荷节点加入未饱和联盟集合中距离所述负荷节点的距离最小的联盟中心对应的未饱和联盟，得到更新后的初始联盟；
判断所述未加入负荷节点集合中的负荷节点是否与上一次迭代的未加入负荷节点结合中的负荷节点是否相同，得到第二判断结果；
若所述第二判断结果表示所述未加入负荷节点集合中的负荷节点与上一次迭代的未加入负荷节点集合中的负荷节点不相同，则返回步骤“分别判断每个所述初始联盟的负荷容量是否大于所述初始联盟的CHP发电容量，得到第一判断结果”；
若所述第二判断结果表示所述未加入负荷节点集合中的负荷节点与上一次迭代的未加入负荷节点集合中的负荷节点相同，则将所述未饱和联盟设置为调整后的联盟，输出所有的调整后的联盟。
可选的，所述优化调度模型为
Figure BDA0002333443700000031
其中，Cc表示所述综合能源系统的运行成本函数，Cope为联盟的CHP运营商的成本，Cn为联盟中第n个用户的成本，N表示联盟中用户的数量，Cchp为微燃机的燃料成本；Pchp为联盟内CHP发电量，Hchp为联盟内CHP产热量，C(xgrid,n)表示第n个用户与电网交互的电力费用计算函数，
Figure BDA0002333443700000032
Pb是从电网的购电电价；Ps是向电网的售电电价；xgrid ,n是第n个用户与电网交互的电量，xn是第n个用户的用电量，hn是第n个用户的用热量，kn为用能效用参数，Ln(1+xn+hn)为1+xn+hn的对数函数。
可选的，所述求解每个所述微网联盟的优化调度模型，确定每个所述微网联盟的优化调度方案，具体包括：
采用ADMM算法求解每个所述微网联盟的优化调度模型，确定每个所述微网联盟的优化调度方案。
一种综合能源系统优化系统，所述优化系统包括：
微网联盟划分模块，用于将所述综合能源系统划分为多个微网联盟；
优化调度模型建立模块，用于建立每个所述微网联盟的优化调度模型；
优化调度模型求解模块，用于求解每个所述微网联盟的优化调度模型，确定每个所述微网联盟的优化调度方案；
系统优化模块，用于根据每个所述微网联盟的优化调度方案对所述综合能源系统进行优化。
可选的，所述微网联盟划分模块具体包括：
联盟中心确定模块，用于确定所述综合能源系统的CHP作为联盟中心；
距离计算子模块，用于分别计算所述综合能源系统的每个负荷节点与每个所述联盟中心的距离，获得每个所述负荷节点的距离集合：LSi＝{Li1,Li2,...,Lij,...,LiN,j≠i}，其中，LSi表示第i个负荷节点与每个联盟中心的距离集合，Li1、Li2、Lij和LiN分别表示第i个负荷节点与第1个、第2个、第j个和第N个联盟中心的距离；
初始联盟建立子模块，用于根据每个所述负荷节点的距离集合，将每个所述负荷节点加入与所述负荷节点距离最短的联盟中心对应的联盟，获得初始联盟集合；
联盟调整子模块，用于调整所述初始联盟集合中每个所述初始联盟中的负荷节点，使每个所述初始联盟的负荷容量不超过所述初始联盟的CHP发电容量的上限，将调整后的联盟作为微网联盟，得到微网联盟集合。
可选的，所述联盟调整子模块，具体包括：
第一判断单元，用于分别判断每个所述初始联盟的负荷容量是否大于所述初始联盟的CHP发电容量，得到第一判断结果；
未加入负荷节点集合确定单元，用于若所述第一判断结果表示所述初始联盟的负荷容量大于所述初始联盟的CHP发电容量，则将所述初始联盟中距离所述初始联盟的联盟中心距离较远的负荷节点移出所述初始联盟，并将移出后的初始联盟作为调整后的联盟；将移出的负荷节点加入未加入负荷节点集合；
入未饱和联盟集合确定单元，用于若所述第一判断结果表示所述初始联盟的负荷容量不大于所述初始联盟的CHP发电容量，则将所述初始联盟作为未饱和联盟，加入未饱和联盟集合；
联盟更新单元，用于根据未加入负荷节点集合中每个所述负荷节点的距离集合，将未加入负荷节点集合中每个所述负荷节点加入未饱和联盟集合中距离所述负荷节点的距离最小的联盟中心对应的未饱和联盟，得到更新后的初始联盟；
第二判断单元，用于判断所述未加入负荷节点集合中的负荷节点是否与上一次迭代的未加入负荷节点结合中的负荷节点是否相同，得到第二判断结果；
返回单元，用于若所述第二判断结果表示所述未加入负荷节点集合中的负荷节点与上一次迭代的未加入负荷节点集合中的负荷节点不相同，则返回步骤“分别判断每个所述初始联盟的负荷容量是否大于所述初始联盟的CHP发电容量，得到第一判断结果”；
输出单元，用于若所述第二判断结果表示所述未加入负荷节点集合中的负荷节点与上一次迭代的未加入负荷节点集合中的负荷节点相同，则将所述未饱和联盟设置为调整后的联盟，输出所有的调整后的联盟。
可选的，所述优化调度模型为：
Figure BDA0002333443700000051
其中，Cc表示所述综合能源系统的运行成本函数，Cope为联盟的CHP运营商的成本，Cn为联盟中第n个用户的成本，N表示联盟中用户的数量，Cchp为微燃机的燃料成本；Pchp为联盟内CHP发电量，Hchp为联盟内CHP产热量，C(xgrid,n)表示第n个用户与电网交互的电力费用计算函数，
Figure BDA0002333443700000052
Pb是从电网的购电电价；Ps是向电网的售电电价；xgrid,n是第n个用户与电网交互的电量，xn是第n个用户的用电量，hn是第n个用户的用热量，kn为用能效用参数，Ln(1+xn+hn)为1+xn+hn的对数函数。
可选的，所述优化调度模型求解模块，具体包括：
优化调度模型求解子模块，用于采用ADMM算法求解每个所述微网联盟的优化调度模型，确定每个所述微网联盟的优化调度方案。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提出了一种综合能源系统优化方法及系统，所述优化方法包括，微网联盟划分模块，用于将所述综合能源系统划分为多个微网联盟；优化调度模型建立模块，用于建立每个所述微网联盟的优化调度模型；优化调度模型求解模块，用于求解每个所述微网联盟的优化调度模型，确定每个所述微网联盟的优化调度方案；系统优化模块，用于根据每个所述微网联盟的优化调度方案对所述综合能源系统进行优化。本发明通过将综合能源系统划分为以CHP为联盟中心的电网热网双重联盟，通过对每个微网联盟进行优化调度，实现含大规模分布式能源的综合能源系统的优化。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种综合能源系统优化方法的流程图；
图2为本发明提供的综合能源系统的能量共享框图；
图3为本发明提供的一种综合能源系统优化系统的结构图。
具体实施方式
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，所描述的实施例仅仅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他实施例，都属于本发明保护的范围。
本发明的目的是提供一种综合能源系统优化方法及系统，以实现含大规模分布式能源的综合能源系统的优化。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
为了实现上述目的本发明提供一种综合能源系统优化方法，所述优化方法包括如下步骤；
步骤101，将所述综合能源系统划分为多个微网联盟。
1、确定综合能源系统的框架：
由若干CHP运营商及光伏用户组成的电-热综合能源系统结构，如图2所示。热电联产机组作为电热耦合元件联系起电力系统和热力系统，热储能装置通过对热负荷进行时段性转移来解除热电联产机组部分电热偶合。运营商侧CHP装有CHP能量管理系统(combinedheat and power energy management systems，CHP-EMS)，CHP在其中完成优化调度，决策CHP发电量、产热量及TES储热和放热功率。
各用户均具有一定比例的可控负荷，具备需求响应能力。用户侧分布式可再生能源发电单元多以光伏发电为主，因此各用户均装有光伏发电装置。用户侧通常装有用户能量管理系统(user energy management systems，UEMS)，用于决策用户的用电量、耗热量，与电网交易电量等信息，实现系统的优化调度，并用于与CHP运营商的信息交互。
CHP和用户之间可以形成合作联盟实现能量交互，通过优化调度使总运行成本最低。在系统供电方面，各用户都优先考虑最大化消纳自身光伏发电量。当光伏不足时，可与CHP进行电能共享。若共享的电能不足或者过剩时，则与大电网进行交易。由于从大电网的购电电价一般大于上网电价，因此CHP和用户之间更倾向于形成联盟进行能量共享，以降低系统运行成本。在供热方面，用户的热能需求通过CHP系统协同热储能装置实现。
2、利用网络结构特征划分微网联盟：
综合能源系统作为一个涉及电、热多种能源的复杂系统，电力网络传输电能与热力网络输送热能的时间不同。其中电能传输的动态过程以纳秒到毫秒时间尺度描述，而热能传输动态以秒、分钟甚至小时级的时间尺度描述。此外，与电能易传输、灵活性高等特性不同，供热网络中热源、热能传输方式较为固定。因此，对于电能及热能联盟网络的形成应加以区分。本发明综合考虑电能、热能传输过程、响应时间等方面的差异，利用网络结构特征构成微网联盟，在系统内已形成的热网联盟基础上，对电网联盟重新划分，形成以CHP为中心的电网、热网双重联盟。具体步骤如下：
以系统内各热网的热源CHP作为联盟中心，对于每一个负荷节点i，计算其与所有联盟中心CHP的电气距离，即：
LSi＝{Li1,Li2,...,Lij,...,LiN,j≠i} (1)。
将LSi中元素从小到大升序排列，各节点i选择与其距离最近的联盟中心加入，形成初始电网联盟，以保证初始联盟内部满足就近交易，且传输损耗较小，有更好的经济收益。
调整各联盟内的成员。对初始电网联盟内的节点，将其距离联盟中心的电气距离从小到大升序排列，在考虑联盟内CHP发电容量上限的基础上，距离联盟中心较远且超出CHP发电容量的成员退出，确保CHP发电量能满足联盟内用户的用电需求。
对退出的未加入联盟的负荷节点，依次选择与其距离第二近的联盟中心加入，并将联盟内节点按其距离联盟中心的电气距离从小到大升序排列。若此负荷节点加入该联盟后，未达到联盟内CHP的发电容量上限，则加入该联盟，并将超出容量上限的节点移出联盟；若加入后超过联盟内发电容量上限，则不加入。
直到所有未加入联盟的负荷节点集合不再发生变化，则联盟划分完毕。
步骤101所述将所述综合能源系统划分为多个微网联盟，具体包括：
确定所述综合能源系统的CHP作为联盟中心；分别计算所述综合能源系统的每个负荷节点与每个所述联盟中心的距离，获得每个所述负荷节点的距离集合：LSi＝{Li1,Li2,...,Lij,...,LiN,j≠i}，其中，LSi表示第i个负荷节点与每个联盟中心的距离集合，Li1、Li2、Lij和LiN分别表示第i个负荷节点与第1个、第2个、第j个和第N个联盟中心的距离；根据每个所述负荷节点的距离集合，将每个所述负荷节点加入与所述负荷节点距离最短的联盟中心对应的联盟，获得初始联盟集合；调整所述初始联盟集合中每个所述初始联盟中的负荷节点，使每个所述初始联盟的负荷容量不超过所述初始联盟的CHP发电容量的上限，将调整后的联盟作为微网联盟，得到微网联盟集合。
其中，所述调整所述初始联盟集合中每个所述初始联盟中的负荷节点，使每个所述初始联盟的负荷容量不超过所述初始联盟的CHP发电容量的上限，将调整后的联盟作为微网联盟，得到微网联盟集合，具体包括：分别判断每个所述初始联盟的负荷容量是否大于所述初始联盟的CHP发电容量，得到第一判断结果；若所述第一判断结果表示所述初始联盟的负荷容量大于所述初始联盟的CHP发电容量，则将所述初始联盟中距离所述初始联盟的联盟中心距离较远的负荷节点移出所述初始联盟，并将移出后的初始联盟作为调整后的联盟；将移出的负荷节点加入未加入负荷节点集合；若所述第一判断结果表示所述初始联盟的负荷容量不大于所述初始联盟的CHP发电容量，则将所述初始联盟作为未饱和联盟，加入未饱和联盟集合；根据未加入负荷节点集合中每个所述负荷节点的距离集合，将未加入负荷节点集合中每个所述负荷节点加入未饱和联盟集合中距离所述负荷节点的距离最小的联盟中心对应的未饱和联盟，得到更新后的初始联盟；判断所述未加入负荷节点集合中的负荷节点是否与上一次迭代的未加入负荷节点结合中的负荷节点是否相同，得到第二判断结果；若所述第二判断结果表示所述未加入负荷节点集合中的负荷节点与上一次迭代的未加入负荷节点集合中的负荷节点不相同，则返回步骤“分别判断每个所述初始联盟的负荷容量是否大于所述初始联盟的CHP发电容量，得到第一判断结果”；若所述第二判断结果表示所述未加入负荷节点集合中的负荷节点与上一次迭代的未加入负荷节点集合中的负荷节点相同，则将所述未饱和联盟设置为调整后的联盟，输出所有的调整后的联盟。
步骤102，建立每个所述微网联盟的优化调度模型。
对于综合能源系统中的每个微网联盟而言，在光伏、用户热电负荷预测值已知的前提下，CHP和用户群可通过信息交互制定出每个调度周期内的CHP出力和TES的储热、放热功率等信息，并力求系统运行成本的最小化，以实现经济高效运行。
CHP运营商承担起系统电能和热能的能源供应角色，其成本主要包含四部分：1)CHP的运行成本；2)向大电网售电的收益；3)向用户售热的收益；4)向用户售电的收益。
minCope＝Cchp(Pchp,Hchp)-Ps(Pchp-Hpro) (2)
-γHpro-λPpro
Figure BDA0002333443700000091
式中：Cope为CHP运营商的成本；Ps为售电给大电网的价格；Pchp为CHP发电量；Hchp为CHP产热量；γ为CHP运营商售给用户的热能价格；λ为CHP运营商售给用户的电能价格；Ppro为光伏用户向CHP运营商购买的电能；Hpro为光伏用户向CHP运营商购买的热能；xchp,s为CHP上网的电能；Htes为TES储热、放热功率，TES储热时，Htes＝-Hin，放热时，Htes＝Hdr。其中微燃机机组的运行费用主要为燃气成本，其燃料成本与机组的出力关系为：
Figure BDA0002333443700000092
式中，Cchp为微燃机的燃料成本；pCH4为天然气价格；ηchp为微燃机的发电效率；LHVNG为天然气低热值；Pechp为微燃机发电功率；Δt为调度时间长度。
用户优化运行成本主要包含以下部分：1)与大电网进行交易的成本或收益；2)从CHP购热成本；3)从CHP购电成本；4)用能效用。
minCn＝C(xgrid,n)+γHpro,n+λPpro,n-knLn(1+xn+hn)(5)
式中：Cn为用户n的成本；Ppro,n为用户n从CHP运营商购买的电能；Hpro,n为用户n从CHP运营商购买的热能。与电网交互的电力费用可表示为：
Figure BDA0002333443700000093
式中，xgrid是用户与电网交互的电量，当xgrid≥0，用户向大电网购电，当xgrid＜0，多余电量上网；Pb是从大电网的购电电价；Ps是向大电网的售电电价。
因此，系统的运行成本函数Cc可表示为：
Figure BDA0002333443700000094
其中，Cc表示所述综合能源系统的运行成本函数，Cope为联盟的CHP运营商的成本，Cn为联盟中第n个用户的成本，N表示联盟中用户的数量，Cchp为微燃机的燃料成本；Pchp为联盟内CHP发电量，Hchp为联盟内CHP产热量，C(xgrid,n)表示第n个用户与电网交互的电力费用计算函数，
Figure BDA0002333443700000101
Pb是从电网的购电电价；Ps是向电网的售电电价；xgrid,n是第n个用户与电网交互的电量，xn是第n个用户的用电量，hn是第n个用户的用热量，kn为用能效用参数，Ln(1+xn+hn)为1+xn+hn的对数函数。
上述目标函数包含如下部分：1)CHP的发电成本；2)与大电网交易的成本/收益；3)用能效用。
步骤103，求解每个所述微网联盟的优化调度模型，确定每个所述微网联盟的优化调度方案。
Gabay等人提出了适用于可分离凸函数的ADMM算法，用于解决带有等式约束、含多变量的目标函数最小化问题。该算法因其形式简单、收敛速度较快、精度较高、通信量少，且对问题适应能力强等优点，现已被广泛应用在大规模分布式优化和统计问题之中。其标准形式如下：
Figure BDA0002333443700000102
式中，x∈Rp；z∈Rq；A∈Rm×p；B∈Rm×q；C∈Rm。f和g是原问题分解后得到的目标函数，均为凸函数。
由ADMM算法原理，将目标函数推导为ADMM的标准形式：
minCope+Cpro(9)
Figure BDA0002333443700000103
其中：
Figure BDA0002333443700000104
式中：Pexp和Hexp分别为用户的期望供电量和期望供热量；Ppro和Hpro分别为CHP运营商为用户供应的电能及热能。
考虑到系统电功率及热功率平衡，需满足的系统约束如下：
Figure BDA0002333443700000105
Figure BDA0002333443700000106
由上可知，目标函数被拆分为两部分：1)用户侧成本；2)CHP运营商侧成本。约束(12)和(13)保证了CHP运营商侧实际供电量、实际供热量与用户侧期望供电量、期望供热量相等，以使总运行成本最低。
根据ADMM算法原理，推倒出的迭代形式为：
Figure BDA0002333443700000111
Figure BDA0002333443700000112
Figure BDA0002333443700000113
式中：k为迭代次数；uk为在第k次迭代的拉格朗日乘子向量；w＝[Pchp Hchp PproHpro Htes xchp,s]为运营商侧决策变量；x＝[xn Pexp,n xgrid,n Hexp,n]为用户侧决策变量，n＝1,…,N；ρ是惩罚系数；Pexp,n和Hexp,n分别为用户n的期望供电量及供热量。
在优化过程的每轮迭代中，首先利用公式(14)在用户侧进行优化调度，可得各用户用电量、与电网交易电量、用户期望CHP提供的电能与热能，并将优化得到的期望供电量和供热量通过信息交互传送至CHP运营商。其次，考虑用户侧的期望值，利用公式(15)在CHP侧进行分布式迭代，优化得到CHP提供的电能与热能，并将其广播给用户。拉格朗日乘子则由CHP运营商和光伏用户自主更新。
步骤104，根据每个所述微网联盟的优化调度方案对所述综合能源系统进行优化。
如图3所示，本发明还提供一种综合能源系统优化系统，所述优化系统包括：
微网联盟划分模块301，用于将所述综合能源系统划分为多个微网联盟。
所述微网联盟划分模块301，具体包括：联盟中心确定模块，用于确定所述综合能源系统的CHP作为联盟中心；距离计算子模块，用于分别计算所述综合能源系统的每个负荷节点与每个所述联盟中心的距离，获得每个所述负荷节点的距离集合：LSi＝{Li1,Li2,...,Lij,...,LiN,j≠i}，其中，LSi表示第i个负荷节点与每个联盟中心的距离集合，Li1、Li2、Lij和LiN分别表示第i个负荷节点与第1个、第2个、第j个和第N个联盟中心的距离；初始联盟建立子模块，用于根据每个所述负荷节点的距离集合，将每个所述负荷节点加入与所述负荷节点距离最短的联盟中心对应的联盟，获得初始联盟集合；联盟调整子模块，用于调整所述初始联盟集合中每个所述初始联盟中的负荷节点，使每个所述初始联盟的负荷容量不超过所述初始联盟的CHP发电容量的上限，将调整后的联盟作为微网联盟，得到微网联盟集合。
其中，所述联盟调整子模块，具体包括：第一判断单元，用于分别判断每个所述初始联盟的负荷容量是否大于所述初始联盟的CHP发电容量，得到第一判断结果；未加入负荷节点集合确定单元，用于若所述第一判断结果表示所述初始联盟的负荷容量大于所述初始联盟的CHP发电容量，则将所述初始联盟中距离所述初始联盟的联盟中心距离较远的负荷节点移出所述初始联盟，并将移出后的初始联盟作为调整后的联盟；将移出的负荷节点加入未加入负荷节点集合；入未饱和联盟集合确定单元，用于若所述第一判断结果表示所述初始联盟的负荷容量不大于所述初始联盟的CHP发电容量，则将所述初始联盟作为未饱和联盟，加入未饱和联盟集合；联盟更新单元，用于根据未加入负荷节点集合中每个所述负荷节点的距离集合，将未加入负荷节点集合中每个所述负荷节点加入未饱和联盟集合中距离所述负荷节点的距离最小的联盟中心对应的未饱和联盟，得到更新后的初始联盟；第二判断单元，用于判断所述未加入负荷节点集合中的负荷节点是否与上一次迭代的未加入负荷节点结合中的负荷节点是否相同，得到第二判断结果；返回单元，用于若所述第二判断结果表示所述未加入负荷节点集合中的负荷节点与上一次迭代的未加入负荷节点集合中的负荷节点不相同，则返回步骤“分别判断每个所述初始联盟的负荷容量是否大于所述初始联盟的CHP发电容量，得到第一判断结果”；输出单元，用于若所述第二判断结果表示所述未加入负荷节点集合中的负荷节点与上一次迭代的未加入负荷节点集合中的负荷节点相同，则将所述未饱和联盟设置为调整后的联盟，输出所有的调整后的联盟。
优化调度模型建立模块302，用于建立每个所述微网联盟的优化调度模型。
所述优化调度模型为
Figure BDA0002333443700000121
其中，Cc表示所述综合能源系统的运行成本函数，Cope为联盟的CHP运营商的成本，Cn为联盟中第n个用户的成本，N表示联盟中用户的数量，Cchp为微燃机的燃料成本；Pchp为联盟内CHP发电量，Hchp为联盟内CHP产热量，C(xgrid,n)表示第n个用户与电网交互的电力费用计算函数，
Figure BDA0002333443700000131
Pb是从电网的购电电价；Ps是向电网的售电电价；xgrid,n是第n个用户与电网交互的电量，xn是第n个用户的用电量，hn是第n个用户的用热量，kn为用能效用参数，Ln(1+xn+hn)为1+xn+hn的对数函数。
优化调度模型求解模块303，用于求解每个所述微网联盟的优化调度模型，确定每个所述微网联盟的优化调度方案。
所述优化调度模型求解模块303，具体包括：优化调度模型求解子模块，用于采用ADMM算法求解每个所述微网联盟的优化调度模型，确定每个所述微网联盟的优化调度方案。
系统优化模块304，用于根据每个所述微网联盟的优化调度方案对所述综合能源系统进行优化。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提出了一种综合能源系统优化方法及系统，所述优化方法包括，微网联盟划分模块，用于将所述综合能源系统划分为多个微网联盟；优化调度模型建立模块，用于建立每个所述微网联盟的优化调度模型；优化调度模型求解模块，用于求解每个所述微网联盟的优化调度模型，确定每个所述微网联盟的优化调度方案；系统优化模块，用于根据每个所述微网联盟的优化调度方案对所述综合能源系统进行优化。本发明通过将综合能源系统划分为以CHP为联盟中心的电网热网双重联盟，通过对每个微网联盟进行优化调度，实现含大规模分布式能源的综合能源系统的优化。
本说明书中等效实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，等效实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想，所描述的实施例仅仅是本发明的一部分实施例，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他实施例，都属于本发明保护的范围。

Claims (10)

1.一种综合能源系统优化方法，其特征在于，所述优化方法包括如下步骤；
将所述综合能源系统划分为多个微网联盟；
建立每个所述微网联盟的优化调度模型；
求解每个所述微网联盟的优化调度模型，确定每个所述微网联盟的优化调度方案；
根据每个所述微网联盟的优化调度方案对所述综合能源系统进行优化。
2.根据权利要求1所述的综合能源系统优化方法，其特征在于，所述将所述综合能源系统划分为多个微网联盟，具体包括：
确定所述综合能源系统的CHP作为联盟中心；
分别计算所述综合能源系统的每个负荷节点与每个所述联盟中心的距离，获得每个所述负荷节点的距离集合：LSi＝{Li1,Li2,...,Lij,...,LiN,j≠i}，其中，LSi表示第i个负荷节点与每个联盟中心的距离集合，Li1、Li2、Lij和LiN分别表示第i个负荷节点与第1个、第2个、第j个和第N个联盟中心的距离；
根据每个所述负荷节点的距离集合，将每个所述负荷节点加入与所述负荷节点距离最短的联盟中心对应的联盟，获得初始联盟集合；
调整所述初始联盟集合中每个所述初始联盟中的负荷节点，使每个所述初始联盟的负荷容量不超过所述初始联盟的CHP发电容量的上限，将调整后的联盟作为微网联盟，得到微网联盟集合。
3.根据权利要求2所述的综合能源系统优化方法，其特征在于，所述调整所述初始联盟集合中每个所述初始联盟中的负荷节点，使每个所述初始联盟的负荷容量不超过所述初始联盟的CHP发电容量的上限，将调整后的联盟作为微网联盟，得到微网联盟集合，具体包括：
分别判断每个所述初始联盟的负荷容量是否大于所述初始联盟的CHP发电容量，得到第一判断结果；
若所述第一判断结果表示所述初始联盟的负荷容量大于所述初始联盟的CHP发电容量，则将所述初始联盟中距离所述初始联盟的联盟中心距离较远的负荷节点移出所述初始联盟，并将移出后的初始联盟作为调整后的联盟；将移出的负荷节点加入未加入负荷节点集合；
若所述第一判断结果表示所述初始联盟的负荷容量不大于所述初始联盟的CHP发电容量，则将所述初始联盟作为未饱和联盟，加入未饱和联盟集合；
根据未加入负荷节点集合中每个所述负荷节点的距离集合，将未加入负荷节点集合中每个所述负荷节点加入未饱和联盟集合中距离所述负荷节点的距离最小的联盟中心对应的未饱和联盟，得到更新后的初始联盟；
判断所述未加入负荷节点集合中的负荷节点是否与上一次迭代的未加入负荷节点结合中的负荷节点是否相同，得到第二判断结果；
若所述第二判断结果表示所述未加入负荷节点集合中的负荷节点与上一次迭代的未加入负荷节点集合中的负荷节点不相同，则返回步骤“分别判断每个所述初始联盟的负荷容量是否大于所述初始联盟的CHP发电容量，得到第一判断结果”；
若所述第二判断结果表示所述未加入负荷节点集合中的负荷节点与上一次迭代的未加入负荷节点集合中的负荷节点相同，则将所述未饱和联盟设置为调整后的联盟，输出所有的调整后的联盟。
4.根据权利要求1所述的综合能源系统优化方法，其特征在于，所述优化调度模型为
Figure FDA0002333443690000021
其中，Cc表示所述综合能源系统的运行成本函数，Cope为联盟的CHP运营商的成本，Cn为联盟中第n个用户的成本，N表示联盟中用户的数量，Cchp为微燃机的燃料成本；Pchp为联盟内CHP发电量，Hchp为联盟内CHP产热量，C(xgrid,n)表示第n个用户与电网交互的电力费用计算函数，
Figure FDA0002333443690000022
Pb是从电网的购电电价；Ps是向电网的售电电价；xgrid,n是第n个用户与电网交互的电量，xn是第n个用户的用电量，hn是第n个用户的用热量，kn为用能效用参数，Ln(1+xn+hn)为1+xn+hn的对数函数。
5.根据权利要求1所述的综合能源系统优化方法，其特征在于，所述求解每个所述微网联盟的优化调度模型，确定每个所述微网联盟的优化调度方案，具体包括：
采用ADMM算法求解每个所述微网联盟的优化调度模型，确定每个所述微网联盟的优化调度方案。
6.一种综合能源系统优化系统，其特征在于，所述优化系统包括：
微网联盟划分模块，用于将所述综合能源系统划分为多个微网联盟；
优化调度模型建立模块，用于建立每个所述微网联盟的优化调度模型；
优化调度模型求解模块，用于求解每个所述微网联盟的优化调度模型，确定每个所述微网联盟的优化调度方案；
系统优化模块，用于根据每个所述微网联盟的优化调度方案对所述综合能源系统进行优化。
7.根据权利要求6所述的综合能源系统优化系统，其特征在于，所述微网联盟划分模块具体包括：
联盟中心确定模块，用于确定所述综合能源系统的CHP作为联盟中心；
距离计算子模块，用于分别计算所述综合能源系统的每个负荷节点与每个所述联盟中心的距离，获得每个所述负荷节点的距离集合：LSi＝{Li1,Li2,...,Lij,...,LiN,j≠i}，其中，LSi表示第i个负荷节点与每个联盟中心的距离集合，Li1、Li2、Lij和LiN分别表示第i个负荷节点与第1个、第2个、第j个和第N个联盟中心的距离；
初始联盟建立子模块，用于根据每个所述负荷节点的距离集合，将每个所述负荷节点加入与所述负荷节点距离最短的联盟中心对应的联盟，获得初始联盟集合；
联盟调整子模块，用于调整所述初始联盟集合中每个所述初始联盟中的负荷节点，使每个所述初始联盟的负荷容量不超过所述初始联盟的CHP发电容量的上限，将调整后的联盟作为微网联盟，得到微网联盟集合。
8.根据权利要求7所述的综合能源系统优化系统，其特征在于，所述联盟调整子模块，具体包括：
第一判断单元，用于分别判断每个所述初始联盟的负荷容量是否大于所述初始联盟的CHP发电容量，得到第一判断结果；
未加入负荷节点集合确定单元，用于若所述第一判断结果表示所述初始联盟的负荷容量大于所述初始联盟的CHP发电容量，则将所述初始联盟中距离所述初始联盟的联盟中心距离较远的负荷节点移出所述初始联盟，并将移出后的初始联盟作为调整后的联盟；将移出的负荷节点加入未加入负荷节点集合；
入未饱和联盟集合确定单元，用于若所述第一判断结果表示所述初始联盟的负荷容量不大于所述初始联盟的CHP发电容量，则将所述初始联盟作为未饱和联盟，加入未饱和联盟集合；
联盟更新单元，用于根据未加入负荷节点集合中每个所述负荷节点的距离集合，将未加入负荷节点集合中每个所述负荷节点加入未饱和联盟集合中距离所述负荷节点的距离最小的联盟中心对应的未饱和联盟，得到更新后的初始联盟；
第二判断单元，用于判断所述未加入负荷节点集合中的负荷节点是否与上一次迭代的未加入负荷节点结合中的负荷节点是否相同，得到第二判断结果；
返回单元，用于若所述第二判断结果表示所述未加入负荷节点集合中的负荷节点与上一次迭代的未加入负荷节点集合中的负荷节点不相同，则返回步骤“分别判断每个所述初始联盟的负荷容量是否大于所述初始联盟的CHP发电容量，得到第一判断结果”；
输出单元，用于若所述第二判断结果表示所述未加入负荷节点集合中的负荷节点与上一次迭代的未加入负荷节点集合中的负荷节点相同，则将所述未饱和联盟设置为调整后的联盟，输出所有的调整后的联盟。
9.根据权利要求6所述的综合能源系统优化系统，其特征在于，所述优化调度模型为
Figure FDA0002333443690000041
其中，Cc表示所述综合能源系统的运行成本函数，Cope为联盟的CHP运营商的成本，Cn为联盟中第n个用户的成本，N表示联盟中用户的数量，Cchp为微燃机的燃料成本；Pchp为联盟内CHP发电量，Hchp为联盟内CHP产热量，C(xgrid,n)表示第n个用户与电网交互的电力费用计算函数，
Figure FDA0002333443690000042
Pb是从电网的购电电价；Ps是向电网的售电电价；xgrid,n是第n个用户与电网交互的电量，xn是第n个用户的用电量，hn是第n个用户的用热量，kn为用能效用参数，Ln(1+xn+hn)为1+xn+hn的对数函数。
10.根据权利要求6所述的综合能源系统优化系统，其特征在于，所述优化调度模型求解模块，具体包括：
优化调度模型求解子模块，用于采用ADMM算法求解每个所述微网联盟的优化调度模型，确定每个所述微网联盟的优化调度方案。
CN201911346245.9A 2019-12-24 2019-12-24 一种综合能源系统优化方法及系统 Active CN111144642B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911346245.9A CN111144642B (zh) 2019-12-24 2019-12-24 一种综合能源系统优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911346245.9A CN111144642B (zh) 2019-12-24 2019-12-24 一种综合能源系统优化方法及系统

Publications (2)

Publication Number Publication Date
CN111144642A true CN111144642A (zh) 2020-05-12
CN111144642B CN111144642B (zh) 2023-06-23

Family

ID=70519950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911346245.9A Active CN111144642B (zh) 2019-12-24 2019-12-24 一种综合能源系统优化方法及系统

Country Status (1)

Country Link
CN (1) CN111144642B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111969614A (zh) * 2020-08-26 2020-11-20 华北电力大学（保定） 基于主从博弈的多园区综合能源系统优化调度方法
CN113947253A (zh) * 2021-10-25 2022-01-18 国网天津市电力公司电力科学研究院 一种综合能源系统运行优化调度方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104934970A (zh) * 2015-06-08 2015-09-23 上海交通大学 基于合作博弈动态联盟结构划分的互联微网经济调度方法
CN106548291A (zh) * 2016-11-07 2017-03-29 国网山东省电力公司电力科学研究院 一种基于Shapley值的微电网运行效益分配方法
US20170194814A1 (en) * 2014-04-23 2017-07-06 Nec Corporation Electricity distribution system with dynamic cooperative microgrids for real-time operation
CN107330549A (zh) * 2017-06-22 2017-11-07 华北电力大学 含多主体的多能互补微电网能量管理方法
CN108510404A (zh) * 2018-03-28 2018-09-07 山东大学 一种多微网有序并网优化调度方法、装置及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170194814A1 (en) * 2014-04-23 2017-07-06 Nec Corporation Electricity distribution system with dynamic cooperative microgrids for real-time operation
CN104934970A (zh) * 2015-06-08 2015-09-23 上海交通大学 基于合作博弈动态联盟结构划分的互联微网经济调度方法
CN106548291A (zh) * 2016-11-07 2017-03-29 国网山东省电力公司电力科学研究院 一种基于Shapley值的微电网运行效益分配方法
CN107330549A (zh) * 2017-06-22 2017-11-07 华北电力大学 含多主体的多能互补微电网能量管理方法
CN108510404A (zh) * 2018-03-28 2018-09-07 山东大学 一种多微网有序并网优化调度方法、装置及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
宫建锋;曹雨晨;屈高强;刘洪;靳盘龙;: "基于全局优化和多主体博弈的微网日前电热联合经济调度", 电力建设 *
徐青山;李淋;盛业宏;霍现旭;赵宝国;: "冷热电联供型多微网主动配电系统日前优化经济调度", 电网技术 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111969614A (zh) * 2020-08-26 2020-11-20 华北电力大学（保定） 基于主从博弈的多园区综合能源系统优化调度方法
CN111969614B (zh) * 2020-08-26 2023-08-11 华北电力大学（保定） 基于主从博弈的多园区综合能源系统优化调度方法
CN113947253A (zh) * 2021-10-25 2022-01-18 国网天津市电力公司电力科学研究院 一种综合能源系统运行优化调度方法

Also Published As

Publication number Publication date
CN111144642B (zh) 2023-06-23

Similar Documents

Publication Publication Date Title
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
Xie et al. Autonomous optimized economic dispatch of active distribution system with multi-microgrids
Li et al. A microgrids energy management model based on multi-agent system using adaptive weight and chaotic search particle swarm optimization considering demand response
Liu et al. Coordinated operation of multi-integrated energy system based on linear weighted sum and grasshopper optimization algorithm
CN103151797B (zh) 基于多目标调度模型的并网运行方式下微网能量控制方法
CN109659927B (zh) 一种考虑储能参与度的综合能源微网储能容量配置方法
Zhang et al. Energy management framework for electric vehicles in the smart grid: A three-party game
CN110046750B (zh) 一种能源互联网协同优化运行方法
CN109861302B (zh) 一种基于主从博弈的能源互联网日前优化控制方法
CN111144642A (zh) 一种综合能源系统优化方法及系统
CN111553544B (zh) 基于一致性算法的工业园区分布式综合需求响应方法
CN115204562B (zh) 一种计及多能共享的互联微能源网分布式协同优化调度方法和系统
CN115170343A (zh) 一种区域综合能源系统分布式资源和储能协同规划方法
CN114330909A (zh) 一种共享储能与多微网分布式协调优化运行方法
CN108960564A (zh) 基于集中式建模的冷热电联供型微网配电系统调度方法
Sun et al. Cluster partition for distributed energy resources in Regional Integrated Energy System
Meng et al. Research on internal external collaborative optimization strategy for multi microgrids interconnection system
CN111062598A (zh) 综合能源系统的分布式优化调度方法及系统
CN110992206A (zh) 一种多源电场的优化调度方法及系统
Wu et al. Distributed optimal scheduling of integrated energy system based on ADMM algorithm
CN109345030B (zh) 多微网的综合能源系统热电能流分布式优化方法和装置
CN112713590B (zh) 计及idr的冷热电联供微网与主动配电网联合优化调度方法
Xiong et al. Optimal operation of integrated energy systems considering energy trading and integrated demand response
CN111523792B (zh) 综合能源系统调度参数计算、设备控制方法及相关装置
Cao et al. Research on energy efficiency optimization of energy internet data center based on intelligent energy technology

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
TA01 Transfer of patent application right

Effective date of registration: 20210421

Address after: 102200 No. 2 Nong Road, Changping District, Beijing

Applicant after: NORTH CHINA ELECTRIC POWER University

Applicant after: STATE GRID CORPORATION OF CHINA

Applicant after: STATE GRID JIANGXI ELECTRIC POWER Co.,Ltd.

Address before: 102200 No. 2 Nong Road, Changping District, Beijing

Applicant before: NORTH CHINA ELECTRIC POWER University

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant