CN111274674A - 基于有机朗肯循环系统的分布式多能源调度方法 - Google Patents

基于有机朗肯循环系统的分布式多能源调度方法 Download PDF

Info

Publication number
CN111274674A
CN111274674A CN202010015829.4A CN202010015829A CN111274674A CN 111274674 A CN111274674 A CN 111274674A CN 202010015829 A CN202010015829 A CN 202010015829A CN 111274674 A CN111274674 A CN 111274674A
Authority
CN
China
Prior art keywords
energy
scheduling
optimization
rankine cycle
organic rankine
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.)
Withdrawn
Application number
CN202010015829.4A
Other languages
English (en)
Inventor
张利军
杨文涛
孙轶恺
陈飞
徐晨博
郑朝明
王蕾
张西竹
邹波
王裕翠
林紫菡
袁翔
范明霞
文福拴
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.)
Zhejiang University ZJU
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Zhejiang University ZJU
Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd
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 Zhejiang University ZJU, Economic and Technological Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical Zhejiang University ZJU
Priority to CN202010015829.4A priority Critical patent/CN111274674A/zh
Publication of CN111274674A publication Critical patent/CN111274674A/zh
Withdrawn legal-status Critical Current

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
    • G06Q10/06—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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于有机朗肯循环系统的分布式多能源调度方法。本发明提出产消者通过ORC系统进行分布式多能源调度的方法，首先给出一种包含ORC系统的能源中心架构，建立ORC系统的稳态数学模型。然后，在传统的集中式调度模型基础上，并根据在调度过程中是否包含可信赖的第三方机构，提出两种可行的分布式调度机制；基于所提出的分布式调度机制构建调度优化模型，采用交替方向乘子法进行分布式优化。最后，采用IEEE 123节点配电系统对所提出的分布式调度机制进行说明，分析通过ORC系统进行多能源转换和调度的优化结果，并对两种分布式调度机制进行比较。本发明所提调度方法可充分利用季节性的能源互补特性，并满足迭代次数、运算时间等技术指标的要求。

Description

基于有机朗肯循环系统的分布式多能源调度方法
技术领域
本发明涉及电力系统领域，具体地说是一种基于有机朗肯循环系统的分布式多能源调度方法。
背景技术
随着中小型可再生能源机组和储能系统的发展，传统电力用户也可以作为能源提供方参与调度，成为所谓的电力产消者(Prosumer)。从总体上讲，含有电力产消者的调度可分为集中式和分散式两种。计算负担较小和隐私保护较好的分布式调度近年来受到比较普遍的关注。在分布式电力调度方面已有一些研究报道，例如，以代理商作为中介，提出了一种公平、稳定的能源共享方案；基于双重拍卖过程进行交互式能量控制，以促进不同微电网之间的协调与调度；提出多级能源管理模式平台，有效引导产消者之间进行有差异性的电力调度。但这些研究都未考虑储能系统和需求响应。也有些调度机制考虑了电池储能系统和电动汽车充放电，例如，两阶段聚合控制方案，实现社区微电网间的储能资源共享，整个调度流程通过可信赖的第三方来监管；利用改进的对偶分解算法来解决电动汽车代理商与配电系统运营商之间的拥塞管理问题。但这些调度机制只考虑了电能调度模型，未计及用户侧利用的其它形式的能源，如天然气和热能等。
如何充分利用不同能源形式间的互补特性，以提高终端用能效率在国内外受到了比较广泛的关注。随着能源转换技术的快速发展和商业化，例如有机朗肯循环(organicRankine cycle,ORC)和电转气技术，终端用能模式逐步发生变革，电力产消者就有了更多样化的调度资源和更丰富的能源储备。通过将其它能源形式(如天然气和热能)适时适量地转化为电能进行调度，使不同能源形式间的互补特性得到充分利用，以提高终端用能效率。
发明内容
为解决上述问题，本发明提供一种基于有机朗肯循环系统的分布式多能源调度方法。
本发明采用以下的技术方案：基于有机朗肯循环系统的分布式多能源调度方法，其包括步骤：
1)构建包含有机朗肯循环系统的能源中心架构，建立有机朗肯循环系统的数学模型；
2)采用将多余的能源存量全部转换为电能参与调度的机制转化和调度多类型能源，在传统的集中式调度模型基础上建立两种分布式调度机制和对应的优化模型；
3)采用交替方向乘子法对所建立的优化模型进行分布式优化。
进一步的，步骤1)包括：
1)构建包含有机朗肯循环系统的能源中心架构
所述的能源中心中包含微型CHP机组和有机朗肯循环系统，能源中心的输入为部分储存的能源，即电池中的电能、储气罐中的液态天然气和水箱中的热水；能源中心通过有机朗肯循环系统和微型CHP机组将多种形式的能源转换为电能输出，并通过电力接口接入调度平台，参与分布式调度；
所述的能源中心用如下数学模型描述：
Figure BDA0002357259840000011
式中：α表示储能系统中被转换的能量比例；
Figure BDA0002357259840000012
是能源中心的输出电功率；
Figure BDA0002357259840000013
和
Figure BDA0002357259840000014
分别表示热源为热辐射、废气热和热水的有机朗肯循环系统的转换效率；κ和εP-H分别为微型CHP机组的“电输出-耗气量”比例和“电输出-废气量”比例；τt表示太阳辐射强度；An和
Figure BDA0002357259840000021
分别为光伏板的面积和输出电功率；
Figure BDA0002357259840000022
和
Figure BDA0002357259840000023
分别表示电池、储气罐、热水箱的单位时间输出能量；
Figure BDA0002357259840000024
是有机朗肯循环系统的耗电功率；
2)有机朗肯循环系统建模
有机朗肯循环系统由四个部分组成，即蒸发器、发电机-涡轮机单元、冷凝器和水泵；有机朗肯循环系统用数学方式描述为：
Figure BDA0002357259840000025
Figure BDA0002357259840000026
Figure BDA0002357259840000027
式中：
Figure BDA0002357259840000028
为有机朗肯循环系统的耗热功率；ηHC表示蒸发器内的热传递效率；h1～h4依次为节点1～4处的比熵值，单位：kJ/kg；Dn,t是工质流体的单位流量，kg/h；
Figure BDA0002357259840000029
和
Figure BDA00023572598400000210
分别为涡轮机的输出功率和水泵的消耗功率；ηTb和ηWB分别表示涡轮机和水泵的能量转换效率；
有机朗肯循环的效率定义为涡轮机输出功率
Figure BDA00023572598400000211
与系统注入热功率
Figure BDA00023572598400000212
的比值，将式(3)代入式(2)，导出式(5)所示的不同热源的有机朗肯循环系统的效率计算公式：
Figure BDA00023572598400000213
用
Figure BDA00023572598400000214
和
Figure BDA00023572598400000215
分别表示预热循环和冷凝循环中的水泵耗电功率，则用式(6)计算
Figure BDA00023572598400000216
Figure BDA00023572598400000217
进一步的，步骤2)中，在集中式电力调度机制中，存在一个处于集中控制地位的电力系统独立系统运行员ISO；各产消者经由通讯网络向ISO上传实时状态信息，包括它们的负荷功率、可再能源发电输出功率和储能设备当前的荷电状态SOC；ISO基于这些信息，采用集中优化模型M-1(Pt，
Figure BDA00023572598400000223
)来协调各产消者的电力调度，M-1的数学模型如下所示：
M-1：
Figure BDA00023572598400000218
Figure BDA00023572598400000219
Figure BDA00023572598400000220
Figure BDA00023572598400000221
Figure BDA00023572598400000222
Figure BDA0002357259840000031
s.t. hI(Pt)＝0,gI(Pt)≤0 (13)
Figure BDA0002357259840000032
式中：
Figure BDA0002357259840000033
和
Figure BDA0002357259840000034
分别为有功功率损耗和费用；
Figure BDA0002357259840000035
和
Figure BDA0002357259840000036
表示产消者n的能源购买成本、EH运行成本、过路费和收益；ΩT和ΩEH分别表示运行时间集合和产消者/EH集合；Δt表示调度时隙；
Figure BDA0002357259840000037
和
Figure BDA0002357259840000038
分别为电力和天然气的零售价；
Figure BDA0002357259840000039
和
Figure BDA00023572598400000310
表示产消者n从外部网络购买的电功率和天然气；γ为资本回收率；
Figure BDA00023572598400000311
Nn和
Figure BDA00023572598400000312
分别表示产消者n的EH投资成本、运行和维护成本、使用寿命和全周期内的总期望输出功率；
Figure BDA00023572598400000340
表示电池每kWh放电量的成本；
Figure BDA00023572598400000313
表示电池的单位时间输出能量；
Figure BDA00023572598400000314
是能源中心的输出电功率；α表示储能系统中被转换的能量比例；
Figure BDA00023572598400000315
为输送1kWh时每km的过路费，$/(kWh·km)；dm-w-n表示产消者w内被用于在m和n之间传递电能的传输距离；Ωmn表示产销者mn集合；
Figure BDA00023572598400000316
是产消者n在时刻t的售出电价；hI/gI和
Figure BDA00023572598400000317
分别表示ISO和产消者n需要遵循的等式/不等式约束条件；Pt和
Figure BDA00023572598400000318
则是ISO和产消者n的优化控制变量。
进一步的，在产消者n的约束
Figure BDA00023572598400000319
和
Figure BDA00023572598400000320
中包含储能设备的数学模型，用一个通用的储能模型来简要描述电池、储气罐和热水箱的约束条件，如下所示：
Figure BDA00023572598400000321
Figure BDA00023572598400000322
Figure BDA00023572598400000323
xn,t+yn,t≤1 (18)
Figure BDA00023572598400000324
式中：Sn,t是产消者n的储能系统在时刻t的SOC，在区间
Figure BDA00023572598400000325
内取值，Δt表示单位时间；
Figure BDA00023572598400000326
和
Figure BDA00023572598400000327
分别表示储能设备注入和输出的单位能量/效率；二进制变量xn,t和yn,t用于表示储能系统在时刻t的运行状态，xn,t＝1表示输入状态，yn,t＝1表示输出状态，否则不运行；xn,t与yn,t的和不大于1，表示储能设备在任意时刻t只能处于一种运行状态；
Figure BDA00023572598400000328
和
Figure BDA00023572598400000329
分别为
Figure BDA00023572598400000330
和
Figure BDA00023572598400000331
的上界值。
进一步的，等式约束
Figure BDA00023572598400000332
中还包括电、气、热三种能源的节点平衡方程，依次表示为：
Figure BDA00023572598400000333
Figure BDA00023572598400000334
Figure BDA00023572598400000335
式中：
Figure BDA00023572598400000336
和
Figure BDA00023572598400000337
分别为电、气和热三种能源的负荷量；
Figure BDA00023572598400000338
和
Figure BDA00023572598400000339
则表示电池、储气罐和热水箱的单位时间注入能量；
Figure BDA0002357259840000041
是微型CHP机组单位时间内的耗气量，单位：m3/h；
Figure BDA0002357259840000042
为光伏板的实际输出功率；
Figure BDA0002357259840000043
表示实际上网的光伏功率。
进一步的，不等式约束
Figure BDA0002357259840000044
中还包括：
Figure BDA0002357259840000045
Figure BDA0002357259840000046
Figure BDA0002357259840000047
Figure BDA0002357259840000048
式中：
Figure BDA0002357259840000049
和
Figure BDA00023572598400000410
分别表示优化变量
Figure BDA00023572598400000411
和
Figure BDA00023572598400000412
的上界值；
Figure BDA00023572598400000413
为光伏板的实际输出功率；
Figure BDA00023572598400000414
表示实际上网的光伏功率。
进一步的，hI包含非线性项
Figure BDA00023572598400000415
所构建的集中优化模型M-1是二次约束二次规划问题，为保证M-1模型是凸优化问题，采用松弛方法对
Figure BDA00023572598400000416
做线性化处理：
Figure BDA00023572598400000417
Figure BDA00023572598400000418
式中：UB是电力网络的额定电压；
Figure BDA00023572598400000419
表示松弛后的变量
Figure BDA00023572598400000420
Pn,t和Qn,t为产消者n的注入有功和无功功率；Rn是末端节点为产消者n的线路的电阻；Δt表示调度时隙；
在松弛化后，式(7)和(28)中的成本
Figure BDA00023572598400000421
变成一个独立的线性变量，从而使得M-1模型转换为凸的混合整数二次约束优化MIQCP问题，采用基于MATLAB平台的CPLEX商业求解器求取MIQCP问题全局最优解。
进一步的，步骤2)中，两种分布式调度机制和对应的优化模型分别针对包含和不包含可信赖的第三方机构的情形；
所述的第三方机构仅充当各方之间的数据交互中介，负责调度过程中的监控和管理，不需要进行全局性的调度和控制。
第三方机构负责计算并向所有调度参与方提供中间变量
Figure BDA00023572598400000422
之后，各参与方则基于
Figure BDA00023572598400000423
进行并行优化，得到第k轮迭代的变量Pt (k)和
Figure BDA00023572598400000424
如果没有第三方机构，则ISO根据
Figure BDA00023572598400000425
提前一步进行优化，然后将得到的Pt (k)传递至产消者，产消者根据Pt (k)更新自己的变量
Figure BDA00023572598400000426
完成一次ISO和产消者间的串行优化操作。
进一步的，步骤2)中，为适应分散调度机制，将上述集中优化模型M-1分解为1个ISO优化子模型
Figure BDA00023572598400000427
和NEH个产消者优化子模型
Figure BDA00023572598400000428
尽管两种调度机制的数据交互模式存在差异，但却可用一个共同的模型矩阵来描述，记为
Figure BDA00023572598400000429
如下所示：
M2-I：
Figure BDA0002357259840000051
Figure BDA0002357259840000052
Figure BDA0002357259840000053
Figure BDA0002357259840000054
Figure BDA0002357259840000055
所述的子模型M2-I是一个凸的QCQP问题，采用松弛方法进行处理，以转换为更容易求解的二次约束优化问题；子模型
Figure BDA0002357259840000056
属于凸的混合整数线性优化问题，直接采用CPLEX商业求解器求取全局最优解；各优化子模型间通过新增的约束条件
Figure BDA0002357259840000057
进行关联和协调，计算偏差和迭代，直到获得令各方均满意的最优解；根据分布式优化理论，当且仅当满足约束
Figure BDA0002357259840000058
时，松弛后的分布式优化模型M-2与松弛后的集中优化模型M-1具有相同的最优解；
分布式优化模型采用一个适用于模型M-2的迭代收敛判据，即：
判据：当k→∞时，若存在一个任意非负数ζ，使得
Figure BDA0002357259840000059
成立，那么这种分布式算法是收敛。
具体到分布式算法ADMM，当设定一个较小的收敛阈值(如ζ＝10-6)时，在有限迭代次数k内使得不等式
Figure BDA00023572598400000510
成立。
进一步的，步骤3)中，交替方向乘子法本质是一种改进的增广拉格朗日惩罚函数法，通过拉格朗日乘子将约束条件叠加至目标函数中，构建二次的拉格朗日函数，并迭代更新对偶乘子和变量，直到局部变量与全局变量一致。
本发明提供的技术方案具有的有益效果：
本发明提供一种基于有机朗肯循环系统的分布式多能源调度机制，给出一种包含ORC系统的能源中心架构，建立ORC系统的稳态数学模型；提出两种可行的分布式调度机制，并针对提出的分布式调度机制构建调度优化模型；之后采用交替方向乘子法进行分布式优化。本发明让产消者通过ORC系统进行分布式多能量转换和调度，使季节性的能源互补特性(如夏季电负荷高而冬季热/气负荷高)得到充分利用，并满足技术要求。
附图说明
图1为本发明具体实施方式中含ORC系统的能源中心架构图；
图2为本发明具体实施方式中ORC系统结构示意图及其T-S特性曲线图(图2a是ORC系统结构示意图，图2b是T-S特性曲线图)；
图3为本发明具体实施方式中两种不同分布式调度机制的数据交互模式图(图3a为含第三方机构的数据交互模式图，图3b为不含第三方机构的数据交互模式图)；
图4为本发明具体实施方式中IEEE 123节点配电系统及其内产消者分布图。
具体实施方式
为更好地理解本发明的目的、技术方案以及技术效果，以下结合附图对本发明进行进一步的讲解说明。
本发明提出了一种基于有机朗肯循环系统的分布式多能源调度方法，其实施流程包括如下详细步骤：
步骤1、有机朗肯循环(ORC)系统建模
1)包含ORC系统的能源中心架构
ORC是用于将低品位的热能，如废气热、太阳热辐射和热水，转化为电能的一种能量循环系统。将每个居民小区内的微电网视为一个基本电能调度单元/产消者。每个产消者可以集中控制其内的可再生能源发电(光伏板)和储能系统(电池、储气罐和热水箱)。如图1所示，能源中心中包含微型CHP机组和ORC系统这2种能量转换装置。在图1中，能源中心(energy hub,EH)的输入为部分储存的能源，即电池中的电能，储气罐中的液态天然气和水箱中的热水。EH通过ORC系统和微型CHP机组将多种形式的能源转换为电能输出，并通过电力接口接入调度平台，参与分布式调度。
图1所示的EH可以用如下数学模型描述：
Figure BDA0002357259840000061
式中：α表示储能系统中被转换的能量比例；
Figure BDA0002357259840000062
是能源中心的输出电功率；
Figure BDA0002357259840000063
和
Figure BDA0002357259840000064
分别表示热源为热辐射、废气热和热水的ORC系统的转换效率；κ和εP-H分别为微型CHP机组的“电输出-耗气量”比例和“电输出-废气量”比例；τt表示太阳辐射强度；An和
Figure BDA0002357259840000065
分别为光伏板的面积和输出电功率；
Figure BDA0002357259840000066
和
Figure BDA0002357259840000067
分别表示电池、储气罐、热水箱的单位时间输出能量；
Figure BDA0002357259840000068
是ORC系统的耗电功率。
2)ORC系统建模
ORC系统由四个部分组成，即蒸发器、发电机-涡轮机单元、冷凝器和水泵。ORC系统的结构如图2(a)所示。首先，液态的工质流体在蒸发器中被加热到气态，然后气体进入发电机单元，推动涡轮机旋转发电。发电后的剩余废气被导入冷凝器中进行液化，并通过水泵再次加压，进入下一次工作循环。在此过程中，工质流体的温度(T)和比熵(S)也是循环变化的，如图2(b)所示。
图2所示的ORC系统可用数学方式描述为：
Figure BDA0002357259840000069
Figure BDA00023572598400000610
Figure BDA00023572598400000611
式中：
Figure BDA00023572598400000612
为ORC系统的耗热功率；ηHC表示蒸发器内的热传递效率；h1～h4依此为节点1～4处的比熵值(单位：kJ/kg)；Dn,t是工质流体的单位流量(kg/h)；
Figure BDA00023572598400000613
和
Figure BDA00023572598400000614
分别为涡轮机的输出功率和水泵的消耗功率；ηTb和ηWB分别表示涡轮机和水泵的能量转换效率。
ORC的效率一般定义为涡轮机输出功率
Figure BDA00023572598400000615
与系统注入热功率
Figure BDA00023572598400000616
的比值，因此可将式(3)代入式(2)，导出式(5)所示的不同热源的ORC系统的效率计算公式：
Figure BDA00023572598400000617
由于h1～h4随温度和压力变化，因此可以预见：减少循环中的热量损失或增加工作压力均有助于提高ORC系统的能源转换效率。
用
Figure BDA0002357259840000071
和
Figure BDA0002357259840000072
分别表示预热循环和冷凝循环中的水泵耗电功率，则可用式(6)计算
Figure BDA0002357259840000073
Figure BDA0002357259840000074
步骤2、在传统的集中式调度模型基础上，提出两种分布式调度机制和对应的优化模型。
1)传统集中式调度模型
在集中式电力调度机制中，存在一个处于集中控制地位的电力系统独立系统运行员(independent system operator，ISO)。各产消者经由通讯网络向ISO上传实时状态信息，包括它们的负荷功率、可再能源发电输出功率和储能设备当前的荷电状态(state ofcharge,SOC)。ISO基于这些信息，采用集中优化模型
Figure BDA0002357259840000075
来协调各产消者的电力调度。M-1的数学模型如下所示：
M-1：
Figure BDA0002357259840000076
Figure BDA0002357259840000077
Figure BDA0002357259840000078
Figure BDA0002357259840000079
Figure BDA00023572598400000710
Figure BDA00023572598400000711
s.t. hI(Pt)＝0,gI(Pt)≤0 (13)
Figure BDA00023572598400000712
式中：
Figure BDA00023572598400000713
和
Figure BDA00023572598400000714
分别为有功功率损耗和费用；
Figure BDA00023572598400000715
和
Figure BDA00023572598400000716
表示产消者n的能源购买成本、EH运行成本、过路费和收益；ΩT和ΩEH分别表示运行时间集合和产消者/EH集合；Δt表示调度时隙；πte和πt g分别为电力和天然气的零售价；
Figure BDA00023572598400000717
和
Figure BDA00023572598400000718
表示产消者n从外部网络购买的电功率和天然气；γ为资本回收率；
Figure BDA00023572598400000719
Nn和
Figure BDA00023572598400000720
分别表示产消者n的EH投资成本、运行和维护成本、使用寿命和全周期内的总期望输出功率；
Figure BDA00023572598400000721
是电池每kWh放电量的成本；πt fee为输送1kWh时每km的过路费($/(kWh·km))；dm-w-n表示产消者w内被用于在m和n之间传递电能的传输距离；
Figure BDA00023572598400000722
是产消者n在时刻t的售出电价；hI/gI和
Figure BDA00023572598400000723
分别表示ISO和产消者n需要遵循的等式/不等式约束条件；Pt和
Figure BDA00023572598400000724
则是ISO和产消者n的优化控制变量。
在模型M-1中，目标函数包括3个部分：不可拆分成本
Figure BDA00023572598400000725
可拆分成本
Figure BDA00023572598400000726
和可拆分收益
Figure BDA00023572598400000727
网络约束hI和gI中包括有功/无功功率平衡等式、馈线容量约束、电压幅值约束。此外，gI中还考虑了产消者本地可再生能源发电的输出功率约束。
在产消者n的约束
Figure BDA0002357259840000081
和
Figure BDA0002357259840000082
中包含了储能设备的数学模型，用一个通用的储能模型来简要描述电池、储气罐和热水箱的约束条件，如下所示：
Figure BDA0002357259840000083
Figure BDA0002357259840000084
Figure BDA0002357259840000085
xn,t+yn,t≤I (18)
Figure BDA0002357259840000086
式中：Sn,t是产消者n的储能系统在时刻t的SOC，在区间
Figure BDA0002357259840000087
内取值；
Figure BDA0002357259840000088
和
Figure BDA0002357259840000089
分别表示储能设备注入和输出的单位能量/效率；二进制变量xn,t和yn,t用于表示储能系统在时刻t的运行状态，xn,t＝1表示输入状态，yn,t＝1表示输出状态，否则不运行；xn,t与yn,t的和不大于1，表示储能设备在任意时刻t只能处于一种运行状态；
Figure BDA00023572598400000810
和
Figure BDA00023572598400000811
分别为
Figure BDA00023572598400000812
和
Figure BDA00023572598400000813
的上界值。
等式约束
Figure BDA00023572598400000814
中还包括了电、气、热三种能源的节点平衡方程，依次表示为：
Figure BDA00023572598400000815
Figure BDA00023572598400000816
Figure BDA00023572598400000817
式中：
Figure BDA00023572598400000818
和
Figure BDA00023572598400000819
分别为电、气和热三种能源的负荷量；
Figure BDA00023572598400000820
和
Figure BDA00023572598400000821
则表示电池、储气罐和热水箱的单位时间注入能量；
Figure BDA00023572598400000822
是微型CHP机组单位时间内的耗气量(单位：m3/h)。
不等式约束
Figure BDA00023572598400000823
中还包括：
Figure BDA00023572598400000824
Figure BDA00023572598400000825
Figure BDA00023572598400000826
Figure BDA00023572598400000827
式中：
Figure BDA00023572598400000828
和
Figure BDA00023572598400000829
分别表示优化变量
Figure BDA00023572598400000830
和
Figure BDA00023572598400000831
的上界值；
Figure BDA00023572598400000832
为光伏板的实际输出功率。
hI包含了非线性项
Figure BDA00023572598400000833
所构建的集中优化模型M-1是二次约束二次规划(quadratically con-strained quadratic program,QCQP)问题。为保证M-1模型是凸优化问题，采用中描述的松弛方法对
Figure BDA00023572598400000834
做线性化处理：
Figure BDA00023572598400000835
Figure BDA0002357259840000091
式中：UB是电力网络的额定电压；
Figure BDA0002357259840000092
表示松弛后的变量
Figure BDA0002357259840000093
Pn,t和Qn,t为产消者n的注入有功和无功功率；Rn是末端节点为产消者n的线路的电阻。
在松弛化后，式(7)和(28)中的成本
Figure BDA0002357259840000094
变成一个独立的线性变量，从而使得M-1模型转换为凸的混合整数二次约束优化(mixed integer quadratically constrainedprogram,MIQCP)问题。可采用基于MATLAB平台的CPLEX商业求解器求取MIQCP问题全局最优解。
2)两种分布式调度机制和对应的优化模型
在分布式调度机制中，每个产消者都可独立优化和控制自己的本地运行变量。这意味着产消者往往具有较高的隐私和保密权限，不需要将私人信息(如实时负荷、出力和储能量等)提交给任何其它机构。针对调度过程中是否涉及可信赖的第三方机构，本发明设计了两种分布式调度机制，如图3所示。这里的第三方机构仅充当各方之间的数据交互中介，负责调度过程中的监控和管理，不需要进行全局性的调度和控制。
如图3(a)所示，第三方机构负责计算并向所有调度参与方(ISO和产消者)提供中间变量χt (k)。之后，各参与方则基于χt (k)进行并行优化，得到第k轮迭代的变量Pt (k)和Pt P(k)。如果没有第三方机构，则需要采用如图3(b)所示的数据交互模式，即ISO根据
Figure BDA0002357259840000095
提前一步进行优化，然后将得到的Pt (k)传递至产消者，产消者根据Pt (k)更新自己的变量
Figure BDA0002357259840000096
完成一次ISO和产消者间的串行优化操作。
为适应分散调度机制，本发明将上述集中优化模型M-1分解为1个ISO优化子模型
Figure BDA0002357259840000097
和NEH个产消者优化子模型
Figure BDA0002357259840000098
尽管图3中两种机制的数据交互模式存在差异，但却可用一个共同的模型矩阵来描述，记为
Figure BDA0002357259840000099
如下所示：
M2-I：
Figure BDA00023572598400000910
Figure BDA00023572598400000911
Figure BDA00023572598400000912
Figure BDA00023572598400000913
Figure BDA00023572598400000914
这里，新提出的子模型M2-I是一个凸的QCQP问题，采用松弛方法进行处理，以转换为更容易求解的二次约束优化(quadratically constrained program，QCP)问题。子模型
Figure BDA00023572598400000915
属于凸的混合整数线性优化(mixed integer linearprogramming，MILP)问题，直接采用CPLEX商业求解器求取全局最优解。各优化子模型间通过新增的约束条件
Figure BDA0002357259840000101
进行关联和协调，计算偏差和迭代，直到获得令各方均满意的最优解。根据分布式优化理论，当且仅当满足约束
Figure BDA0002357259840000102
时，松弛后的分布式优化模型M-2与松弛后的集中优化模型M-1具有相同的最优解。
分布式优化模型一般采用迭代计算方法求解。不失一般性，这里给出一个适用于模型M-2的迭代收敛判据，即：
判据：当k→∞时，若存在一个任意非负数ζ，使得
Figure BDA0002357259840000103
成立，那么这种分布式算法是收敛的。
具体到分布式算法ADMM，当设定一个较小的收敛阈值(如ζ＝10-6)时，可以在有限迭代次数k内使得不等式
Figure BDA0002357259840000104
成立。
步骤3、分布式优化模型的变形与求解
本发明着重探究分布式调度机制，重点介绍分布式优化模型M-2的求解过程。采用交替方向乘子法(ADMM)，它适用于大规模分布式计算问题，本质是一种改进的增广拉格朗日惩罚函数法，通过拉格朗日乘子将约束条件叠加至目标函数中，构建二次的拉格朗日函数，并迭代更新对偶乘子和变量，直到局部变量与全局变量一致。ADMM算法在求解模型M-2时是收敛的。下面以M-2为例，根据图3中所示的两种数据交互机制，详细说明ADMM算法的求解步骤。
1)当含有第三方机构时
在第k轮迭代开始时，在只知道上一轮迭代的最优值Pt (k-1)和
Figure BDA0002357259840000105
无法给定第k轮的边界条件的前提下，第三方机构根据Pt (k-1)和
Figure BDA0002357259840000106
计算出一个中间变量χt (k)，以便ISO和产消者并行开展第k轮优化。χt (k)的计算公式如下：
Figure BDA0002357259840000107
基于变量χt (k)，可将模型M-2变形为ADMM拉格朗日二次迭代更新方程，记作
Figure BDA0002357259840000108
Figure BDA0002357259840000109
L2-I：
Figure BDA00023572598400001010
Figure BDA00023572598400001011
Figure BDA00023572598400001012
式中：
Figure BDA00023572598400001013
和
Figure BDA00023572598400001014
分别为第k轮迭代中ISO和产消者n的拉格朗日乘子；函数‖‖2表示取2-范数；ρ是一个正常数，反映迭代更新的学习速率。
在并行计算
Figure BDA0002357259840000111
后，即可获得第k轮迭代的最优控制变量Pt (k)和
Figure BDA0002357259840000112
Figure BDA0002357259840000113
Figure BDA0002357259840000114
之后，判断是否满足判据中的迭代收敛条件
Figure BDA0002357259840000115
若满足则停止迭代，输出结果；否则按式(29)、(32)-(33)更新中间变量(χt (k+1))和对偶乘子
Figure BDA0002357259840000116
继续进行第k+1轮迭代。
Figure BDA0002357259840000117
Figure BDA0002357259840000118
含有第三方机构的分布式调度机制的ADMM求解步骤可采用如下的伪代码形式简要描述：
Figure BDA0002357259840000119
2)当不含第三方机构时
当不存在第三方机构计算并提供中间变量χt (k)时，为保证第k轮迭代的进行，ISO优先根据历史值
Figure BDA00023572598400001110
进行优化，得到第k轮的最优控制变量Pt (k)，如下所示：
L2-I：
Figure BDA00023572598400001111
Figure BDA00023572598400001112
式中
Figure BDA00023572598400001113
为第k轮迭代中ISO和产消者n的共用拉格朗日乘子。
随后，ISO将Pt (k)传递至各产消者，并按如下ADMM拉格朗日方程更新
Figure BDA00023572598400001114
Figure BDA0002357259840000121
Figure BDA0002357259840000122
Figure BDA0002357259840000123
同样，在串行计算
Figure BDA0002357259840000124
后，判断收敛条件
Figure BDA0002357259840000125
是否满足。如不满足，则按式(36)更新对偶乘子
Figure BDA0002357259840000126
进入第k+1轮迭代。
Figure BDA0002357259840000127
不含第三方机构的分布式调度机制的ADMM伪代码如下：
Figure BDA0002357259840000128
为了进一步理解本发明，以下以一个简单系统为例，来解释本发明的实际应用。
参数设置：以IEEE 123节点配电系统来检验所提出的调度机制和模型。所有123个节点被划归为7个产消者，如图4所示。为突出产消者彼此间的联系，图4还展示了一个划归后的简化8节点(1个变压器和7个产消者)网络。节点工作电压为4.16kV，允许波动阈值为±5％。
假设每个产消者内都安装了一个能源中心，且有三种类型的ORC系统可供选择，具体型号参数如表1所示。实时调度过程通过一台装有AMD 1.90GHz处理器和8GB RAM的笔记本电脑进行仿真。设定调度时隙Δt为15分钟，总共持续24小时(即0：00-24：00)。
表1 ORC系统的具体参数
Figure BDA0002357259840000129
仿真中涉及的居民用户数据，如储能系统容量、每日/每月的“电-气-热”负荷水平、能源零售价格等，均取自实际统计数据。此外，居民光伏日发电输出功率选自加拿大的实际测量数据。其它重要仿真参数如表2所示。
表2参数列表
Figure BDA0002357259840000131
1)优化结果
采用前述方法，分别求解集中式优化模型M-1和分布式优化模型M-2，得到了表3所示的单位调度日的优化结果。
如表3所示，虽然这三种模型的各项优化目标存在一定偏差，但最大不超过±2％。这表明所提出的分布式优化模型和调度机制是合理的，能够获得与原集中式优化问题一致的最优解。
表3集中式与分布式优化模型比较
Figure BDA0002357259840000132
P1-P7分别表示图4内编号1-7的产消者。为平衡自身电力需求，产消者不仅从上游配电系统获取电能，还和其它产消者间进行调度。具体日调度数值(单位：MWh)标记在电功率潮流箭头附近。同时，产消者也需要从配气网获取天然气，每日的获取量如表4中所示(单位：×103m3)。
表4产消者每日的净成本和天然气获取量
Figure BDA0002357259840000133
2)两种分布式调度机制的比较
是否含有第三方机构对ADMM算法的收敛速度具有显著影响。两种分布式调度机制在收敛速度和运算时间方面各有优缺点，差异不大。如果进一步考虑第三方机构在监管调度行为、保障信息安全等方面的积极作用，则含有第三方机构的机制一的可操作性更好。表5中列出了两种分布式调度机制的具体收敛参数。
表5两种分布式调度机制的比较
Figure BDA0002357259840000134
综上，本发明提出了产消者通过ORC系统进行分布式多能源调度的方法，首先给出一种包含ORC系统的能源中心架构，建立ORC系统的稳态数学模型。然后，在传统的集中式调度模型基础上，并根据在调度过程中是否包含可信赖的第三方机构，提出两种可行的分布式调度机制；基于所提出的分布式调度机制构建了调度优化模型，采用交替方向乘子法进行分布式优化。最后，采用IEEE 123节点配电系统对所提出的分布式调度机制进行说明，分析通过ORC系统进行多能源转换和调度的优化结果，并对两种分布式调度机制进行比较。

Claims (10)

1.基于有机朗肯循环系统的分布式多能源调度方法，其特征在于，包括步骤：
1)构建包含有机朗肯循环系统的能源中心架构，建立有机朗肯循环系统的数学模型；
2)采用将多余的能源存量全部转换为电能参与调度的机制转化和调度多类型能源，在传统的集中式调度模型基础上建立两种分布式调度机制和对应的优化模型；
3)采用交替方向乘子法对所建立的优化模型进行分布式优化。
2.根据权利要求1所述的基于有机朗肯循环系统的分布式多能源调度方法，其特征在于，步骤1)包括：
1)构建包含有机朗肯循环系统的能源中心架构
所述的能源中心中包含微型CHP机组和有机朗肯循环系统，能源中心的输入为部分储存的能源，即电池中的电能、储气罐中的液态天然气和水箱中的热水；能源中心通过有机朗肯循环系统和微型CHP机组将多种形式的能源转换为电能输出，并通过电力接口接入调度平台，参与分布式调度；
所述的能源中心用如下数学模型描述：
Figure FDA0002357259830000011
式中：α表示储能系统中被转换的能量比例；
Figure FDA0002357259830000012
是能源中心的输出电功率；
Figure FDA0002357259830000013
和
Figure FDA0002357259830000014
分别表示热源为热辐射、废气热和热水的有机朗肯循环系统的转换效率；κ和εP-H分别为微型CHP机组的“电输出-耗气量”比例和“电输出-废气量”比例；τt表示太阳辐射强度；An和
Figure FDA0002357259830000015
分别为光伏板的面积和输出电功率；
Figure FDA0002357259830000016
和
Figure FDA0002357259830000017
分别表示电池、储气罐、热水箱的单位时间输出能量；
Figure FDA0002357259830000018
是有机朗肯循环系统的耗电功率；
2)有机朗肯循环系统建模
有机朗肯循环系统由四个部分组成，即蒸发器、发电机-涡轮机单元、冷凝器和水泵；有机朗肯循环系统用数学方式描述为：
Figure FDA0002357259830000019
Figure FDA00023572598300000110
Figure FDA00023572598300000111
式中：
Figure FDA00023572598300000112
为有机朗肯循环系统的耗热功率；ηHC表示蒸发器内的热传递效率；h1～h4依次为节点1～4处的比熵值，单位：kJ/kg；Dn,t是工质流体的单位流量，kg/h；
Figure FDA00023572598300000113
和
Figure FDA00023572598300000114
分别为涡轮机的输出功率和水泵的消耗功率；ηTb和ηWB分别表示涡轮机和水泵的能量转换效率；
有机朗肯循环的效率定义为涡轮机输出功率
Figure FDA00023572598300000115
与系统注入热功率
Figure FDA00023572598300000116
的比值，将式(3)代入式(2)，导出式(5)所示的不同热源的有机朗肯循环系统的效率计算公式：
Figure FDA0002357259830000021
用
Figure FDA0002357259830000022
和
Figure FDA0002357259830000023
分别表示预热循环和冷凝循环中的水泵耗电功率，则用式(6)计算
Figure FDA0002357259830000024
Figure FDA0002357259830000025
3.根据权利要求2所述的基于有机朗肯循环系统的分布式多能源调度方法，其特征在于，步骤2)中，在集中式电力调度机制中，存在一个处于集中控制地位的电力系统独立系统运行员ISO；各产消者经由通讯网络向ISO上传实时状态信息，包括它们的负荷功率、可再能源发电输出功率和储能设备当前的荷电状态SOC；ISO基于这些信息，采用集中优化模型
Figure FDA0002357259830000026
来协调各产消者的电力调度，M-1的数学模型如下所示：
M-1：
Figure FDA0002357259830000027
Figure FDA0002357259830000028
Figure FDA0002357259830000029
Figure FDA00023572598300000210
Figure FDA00023572598300000211
Figure FDA00023572598300000212
s.t. hI(Pt)＝0,gI(Pt)≤0 (13)
Figure FDA00023572598300000213
式中：
Figure FDA00023572598300000214
和
Figure FDA00023572598300000215
分别为有功功率损耗和费用；
Figure FDA00023572598300000216
和
Figure FDA00023572598300000217
表示产消者n的能源购买成本、EH运行成本、过路费和收益；ΩT和ΩEH分别表示运行时间集合和产消者/EH集合；Δt表示调度时隙；πt e和
Figure FDA00023572598300000218
分别为电力和天然气的零售价；
Figure FDA00023572598300000219
和
Figure FDA00023572598300000220
表示产消者n从外部网络购买的电功率和天然气；γ为资本回收率；
Figure FDA00023572598300000221
Nn和
Figure FDA00023572598300000222
分别表示产消者n的EH投资成本、运行和维护成本、使用寿命和全周期内的总期望输出功率；
Figure FDA00023572598300000223
表示电池每kWh放电量的成本；
Figure FDA00023572598300000224
表示电池的单位时间输出能量；
Figure FDA00023572598300000225
是能源中心的输出电功率；α表示储能系统中被转换的能量比例；πt fee为输送1kWh时每km的过路费，$/(kWh·km)；dm-w-n表示产消者w内被用于在m和n之间传递电能的传输距离；Ωmn表示产销者mn集合；
Figure FDA00023572598300000226
是产消者n在时刻t的售出电价；hI/gI和
Figure FDA00023572598300000227
分别表示ISO和产消者n需要遵循的等式/不等式约束条件；Pt和
Figure FDA00023572598300000228
则是ISO和产消者n的优化控制变量。
4.根据权利要求3所述的基于有机朗肯循环系统的分布式多能源调度方法，其特征在于，在产消者n的约束
Figure FDA00023572598300000229
和
Figure FDA00023572598300000230
中包含储能设备的数学模型，用一个通用的储能模型来简要描述电池、储气罐和热水箱的约束条件，如下所示：
Figure FDA0002357259830000031
Figure FDA0002357259830000032
Figure FDA0002357259830000033
xn,t+yn,t≤1 (18)
Figure FDA0002357259830000034
式中：Sn,t是产消者n的储能系统在时刻t的SOC，在区间[S n，
Figure FDA0002357259830000035
]内取值，Δt表示调度时隙；
Figure FDA0002357259830000036
和
Figure FDA0002357259830000037
分别表示储能设备注入和输出的单位能量/效率；二进制变量xn,t和yn,t用于表示储能系统在时刻t的运行状态，xn,t＝1表示输入状态，yn,t＝1表示输出状态，否则不运行；xn,t与yn,t的和不大于1，表示储能设备在任意时刻t只能处于一种运行状态；
Figure FDA0002357259830000038
和
Figure FDA0002357259830000039
分别为
Figure FDA00023572598300000310
和
Figure FDA00023572598300000311
的上界值。
5.根据权利要求3所述的基于有机朗肯循环系统的分布式多能源调度方法，其特征在于，等式约束
Figure FDA00023572598300000312
中还包括电、气、热三种能源的节点平衡方程，依次表示为：
Figure FDA00023572598300000313
Figure FDA00023572598300000314
Figure FDA00023572598300000315
式中：
Figure FDA00023572598300000316
和
Figure FDA00023572598300000317
分别为电、气和热三种能源的负荷量；
Figure FDA00023572598300000318
和
Figure FDA00023572598300000319
则表示电池、储气罐和热水箱的单位时间注入能量；
Figure FDA00023572598300000320
是微型CHP机组单位时间内的耗气量，单位：m3/h；
Figure FDA00023572598300000321
为光伏板的实际输出功率；
Figure FDA00023572598300000322
表示实际上网的光伏功率。
6.根据权利要求3所述的基于有机朗肯循环系统的分布式多能源调度方法，其特征在于，不等式约束
Figure FDA00023572598300000323
中还包括：
Figure FDA00023572598300000324
Figure FDA00023572598300000325
Figure FDA00023572598300000326
Figure FDA00023572598300000327
式中：
Figure FDA00023572598300000328
和
Figure FDA00023572598300000329
分别表示优化变量
Figure FDA00023572598300000330
和
Figure FDA00023572598300000331
的上界值；
Figure FDA00023572598300000332
为光伏板的实际输出功率；
Figure FDA00023572598300000333
表示实际上网的光伏功率。
7.根据权利要求3所述的基于有机朗肯循环系统的分布式多能源调度方法，其特征在于，hI包含非线性项
Figure FDA00023572598300000334
所构建的集中优化模型M-1是二次约束二次规划问题，为保证M-1模型是凸优化问题，采用松弛方法对
Figure FDA0002357259830000041
做线性化处理：
Figure FDA0002357259830000042
Figure FDA0002357259830000043
式中：UB是电力网络的额定电压；
Figure FDA0002357259830000044
表示松弛后的变量
Figure FDA0002357259830000045
Pn,t和Qn,t为产消者n的注入有功和无功功率；Rn是末端节点为产消者n的线路的电阻；Δt表示调度时隙；
在松弛化后，式(7)和(28)中的成本
Figure FDA0002357259830000046
变成一个独立的线性变量，从而使得M-1模型转换为凸的混合整数二次约束优化MIQCP问题，采用基于MATLAB平台的CPLEX商业求解器求取MIQCP问题全局最优解。
8.根据权利要求3所述的基于有机朗肯循环系统的分布式多能源调度方法，其特征在于，步骤2)中，两种分布式调度机制和对应的优化模型分别针对包含和不包含可信赖的第三方机构的情形；
所述的第三方机构仅充当各方之间的数据交互中介，负责调度过程中的监控和管理，不需要进行全局性的调度和控制；
第三方机构负责计算并向所有调度参与方提供中间变量
Figure FDA00023572598300000417
之后，各参与方则基于
Figure FDA00023572598300000418
进行并行优化，得到第k轮迭代的变量Pt (k)和
Figure FDA0002357259830000047
如果没有第三方机构，则ISO根据
Figure FDA0002357259830000048
提前一步进行优化，然后将得到的Pt (k)传递至产消者，产消者根据Pt (k)更新自己的变量
Figure FDA0002357259830000049
完成一次ISO和产消者间的串行优化操作。
9.根据权利要求3所述的基于有机朗肯循环系统的分布式多能源调度方法，其特征在于，步骤2)中，为适应分散调度机制，将上述集中优化模型M-1分解为1个ISO优化子模型
Figure FDA00023572598300000410
和NEH个产消者优化子模型
Figure FDA00023572598300000411
尽管两种调度机制的数据交互模式存在差异，但却可用一个共同的模型矩阵来描述，记为
Figure FDA00023572598300000412
如下所示：
M2-I：
Figure FDA00023572598300000413
s.t.(13),Pt-Pt P＝0
Figure FDA00023572598300000414
Figure FDA00023572598300000415
Figure FDA00023572598300000416
所述的子模型M2-I是一个凸的QCQP问题，采用松弛方法进行处理，以转换为更容易求解的二次约束优化问题；子模型
Figure FDA0002357259830000051
属于凸的混合整数线性优化问题，直接采用CPLEX商业求解器求取全局最优解；各优化子模型间通过新增的约束条件
Figure FDA0002357259830000052
进行关联和协调，计算偏差和迭代，直到获得令各方均满意的最优解；根据分布式优化理论，当且仅当满足约束
Figure FDA0002357259830000053
时，松弛后的分布式优化模型M-2与松弛后的集中优化模型M-1具有相同的最优解；
分布式优化模型采用一个适用于模型M-2的迭代收敛判据，即：
判据：当k→∞时，若存在一个任意非负数ζ，使得
Figure FDA0002357259830000054
成立，那么这种分布式算法收敛；
具体到分布式算法ADMM，当设定一个较小的收敛阈值时，在有限迭代次数k内使得不等式
Figure FDA0002357259830000055
成立。
10.根据权利要求3所述的基于有机朗肯循环系统的分布式多能源调度方法，其特征在于，步骤3)中，交替方向乘子法本质是一种改进的增广拉格朗日惩罚函数法，通过拉格朗日乘子将约束条件叠加至目标函数中，构建二次的拉格朗日函数，并迭代更新对偶乘子和变量，直到局部变量与全局变量一致。
CN202010015829.4A 2020-01-06 2020-01-06 基于有机朗肯循环系统的分布式多能源调度方法 Withdrawn CN111274674A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010015829.4A CN111274674A (zh) 2020-01-06 2020-01-06 基于有机朗肯循环系统的分布式多能源调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010015829.4A CN111274674A (zh) 2020-01-06 2020-01-06 基于有机朗肯循环系统的分布式多能源调度方法

Publications (1)

Publication Number Publication Date
CN111274674A true CN111274674A (zh) 2020-06-12

Family

ID=71001576

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010015829.4A Withdrawn CN111274674A (zh) 2020-01-06 2020-01-06 基于有机朗肯循环系统的分布式多能源调度方法

Country Status (1)

Country Link
CN (1) CN111274674A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112651846A (zh) * 2020-12-15 2021-04-13 华北电力大学 基于交替方向乘子法的大规模产消者能量管理方法及系统
CN113158429A (zh) * 2021-03-23 2021-07-23 东南大学 一种电池可行域建模方法及其装置
CN113224761A (zh) * 2021-05-20 2021-08-06 东北电力大学 面向能源社区能量管理的配网产消者分布式优化调度方法
CN114357666A (zh) * 2022-03-17 2022-04-15 华电电力科学研究院有限公司 一种在役有机朗肯循环系统运行优化方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015027281A1 (en) * 2013-08-29 2015-03-05 Applied Hybrid Energy Pty Ltd Energy control and generation method and system
CN205843158U (zh) * 2016-07-21 2016-12-28 山西易通环能科技集团有限公司 一种用于orc发电系统循环工质的充注和回收装置
CN107066655A (zh) * 2016-12-21 2017-08-18 浙江大学 一种尾气余热回收有机朗肯循环的优化与控制一体设计方法
CN107679776A (zh) * 2017-11-14 2018-02-09 上海泛智能源装备有限公司 一种能源调度方法及分布式能源系统、分布式能源网络系统
CN109711601A (zh) * 2018-11-28 2019-05-03 国网浙江省电力有限公司电力科学研究院 电-气-热综合能源系统分布式优化调度方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015027281A1 (en) * 2013-08-29 2015-03-05 Applied Hybrid Energy Pty Ltd Energy control and generation method and system
CN205843158U (zh) * 2016-07-21 2016-12-28 山西易通环能科技集团有限公司 一种用于orc发电系统循环工质的充注和回收装置
CN107066655A (zh) * 2016-12-21 2017-08-18 浙江大学 一种尾气余热回收有机朗肯循环的优化与控制一体设计方法
CN107679776A (zh) * 2017-11-14 2018-02-09 上海泛智能源装备有限公司 一种能源调度方法及分布式能源系统、分布式能源网络系统
CN109711601A (zh) * 2018-11-28 2019-05-03 国网浙江省电力有限公司电力科学研究院 电-气-热综合能源系统分布式优化调度方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨文涛，文福拴，张显，陈浩，高博，李雪松: "基于有机朗肯循环系统的分布式多能源交易机制" *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112651846A (zh) * 2020-12-15 2021-04-13 华北电力大学 基于交替方向乘子法的大规模产消者能量管理方法及系统
CN112651846B (zh) * 2020-12-15 2023-11-17 华北电力大学 基于交替方向乘子法的大规模产消者能量管理方法及系统
CN113158429A (zh) * 2021-03-23 2021-07-23 东南大学 一种电池可行域建模方法及其装置
CN113224761A (zh) * 2021-05-20 2021-08-06 东北电力大学 面向能源社区能量管理的配网产消者分布式优化调度方法
CN113224761B (zh) * 2021-05-20 2022-06-28 东北电力大学 面向能源社区能量管理的配网产消者分布式优化调度方法
CN114357666A (zh) * 2022-03-17 2022-04-15 华电电力科学研究院有限公司 一种在役有机朗肯循环系统运行优化方法及系统

Similar Documents

Publication Publication Date Title
Xie et al. Autonomous optimized economic dispatch of active distribution system with multi-microgrids
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
CN111274674A (zh) 基于有机朗肯循环系统的分布式多能源调度方法
CN107392395A (zh) 一种基于价格激励机制的配电网和微电网协调优化方法
CN109636056A (zh) 一种基于多智能体技术的多能源微网去中心化优化调度方法
CN109345012A (zh) 基于综合评价指标的园区能源互联网运行优化方法
CN107492886A (zh) 一种区域电力市场下含风电的电网月度购电方案优化方法
CN109523076A (zh) 一种储能参与下的综合能源系统日前稳态优化分析方法
Yang et al. Bi-level multi-objective optimal design of integrated energy system under low-carbon background
CN115983508B (zh) 一种融合碳排放流的综合能源系统调度方法及终端机
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
CN105654224A (zh) 一种计及风电不确定性的省级电网月度购电风险管理方法
Yin et al. Relaxed deep generative adversarial networks for real-time economic smart generation dispatch and control of integrated energy systems
Huang et al. A neurodynamic-based distributed energy management approach for integrated local energy systems
CN116432824A (zh) 基于多目标粒子群的综合能源系统优化方法及系统
CN105633950B (zh) 一种考虑风电注入不确定性的多目标随机模糊动态最优潮流求解方法
Doosti et al. Robust stochastic optimal operation of an industrial building including plug in electric vehicle, solar‐powered compressed air energy storage and ice storage conditioner: A case study in the city of Kaveh, Iran
Liang et al. Capacity configuration optimization of wind-solar combined power generation system based on improved grasshopper algorithm
An et al. Real-time optimal operation control of micro energy grid coupling with electricity-thermal-gas considering prosumer characteristics
Yu et al. Optimization of urban multi-energy flow systems considering seasonal peak shaving of natural gas
CN115860241B (zh) 基于salr的互联多区域综合能源系统分布式调度方法及装置
Xing et al. Multi-energy simulation and optimal scheduling strategy based on digital twin
Ye et al. Multi-scenario stochastic optimal scheduling for power systems with source-load matching based on pseudo-inverse Laguerre polynomials
Kong et al. ADMM-based distributed optimal dispatch of integrated energy system considering uncertainties of source and load
Bowen et al. A dual-module method for energy-internet-oriented distributed energy system planning

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
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20200612