CN111369064A - 一种基于能源枢纽最优运行缓减配电网阻塞的方法 - Google Patents

一种基于能源枢纽最优运行缓减配电网阻塞的方法 Download PDF

Info

Publication number
CN111369064A
CN111369064A CN202010157153.2A CN202010157153A CN111369064A CN 111369064 A CN111369064 A CN 111369064A CN 202010157153 A CN202010157153 A CN 202010157153A CN 111369064 A CN111369064 A CN 111369064A
Authority
CN
China
Prior art keywords
energy
power
distribution network
hub
energy hub
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
CN202010157153.2A
Other languages
English (en)
Other versions
CN111369064B (zh
Inventor
胡俊杰
刘雪涛
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 CN202010157153.2A priority Critical patent/CN111369064B/zh
Publication of CN111369064A publication Critical patent/CN111369064A/zh
Application granted granted Critical
Publication of CN111369064B publication Critical patent/CN111369064B/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
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure
    • 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)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出一种基于能源枢纽最优运行缓减配电网阻塞的方法，构建包括将冷、热、电联供机组、地源热泵和可再生能源机组整合在一起的能源枢纽，将多个能源枢纽接入配电网配气网节点，以所有能源枢纽运行成本最低为目标建立最优运行模型，求解得到能源枢纽中各机组的最优出力。与直接控制和基于市场的单一能源系统阻塞管理方法不同，本发明利用能源枢纽中多种能量流的互补性缓解配电网阻塞，通过能流关系的设计，保证通过能源枢纽的最优运行，使得在用电高峰期，能源用户的冷热电负荷主要由CCHP机组通过转化天然气能供应，而在用电谷时或者可再生能源出力高峰所带来的反向功率较大的时期，冷热电负荷则主要由地源热泵机组通过转化可再生能源能供应。

Description

一种基于能源枢纽最优运行缓减配电网阻塞的方法
技术领域
本发明属于电力系统优化调度领域，具体涉及一种基于能源枢纽最优运行缓减配电网阻塞的方法。
背景技术
公众对清洁环境的强烈要求以及传统化石燃料短缺的持续挑战，最终促成了加强分布式能源使用的全球共识。分布式能源主要包括可再生能源、电动汽车和燃气机组等灵活性资源。但是，大规模的分布式资源接入配电网对配电网的安全运营也提出了新的挑战。随着可再生能源发电，如光伏、风电，以及电动汽车的普及，配电网可能在某些时段出现线路功率正反向越限，引起配电网阻塞问题。
现有的阻塞管理方法大致可以分为直接控制和基于市场的方法两类。与直接控制方法相比，基于市场的方法可以鼓励能源用户更多地参与能量管理，这在阻塞管理中具有更大的潜力。现有基于市场的方法多采用分布式节点边际价格(Distribution LocationalMarginal Price，DLMP)，或改进的DLMP，或迭代的DLMP方法来解决配电网的拥堵问题。然而，针对大规模分布式能源接入的配电网，上述方法存在一定的局限性：1)可再生能源发电的波动性降低了电价与需求之间的相关性，可能导致在某些实际情况下方法的不可行；2)在大多数现有研究中，配电网的阻塞管理方法并未考虑电能与其他类型的能源系统之间的相互作用，在可转移或可切除的电力负荷微不足道的情况下，这些方法可能达不到预期效果；3)对能源用户的用电行为多有限制。
随着各种能源系统之间相互依赖性的增强，能源枢纽(Energy Hub,EH)的快速发展为电力系统的运营带来了更大的灵活性，也为配电网的阻塞缓解提供了新的角度。能源枢纽被用作不同能源基础设施与能源用户之间的接口，包含多种能流的输入，输出和转换，将多种能流，如天然气、冷、热、电能，耦合在一起。因此，对于含大规模分布式能源的配电网，急需解决的是其可能出现的线路潮流双向阻塞问题。
发明内容
针对上述问题，本发明提出了一种基于能源枢纽最优运行缓减配电网阻塞的方法，包含如下步骤：
步骤1.构建包括将冷、热、电联供机组、地源热泵和可再生能源机组整合在一起的能源枢纽，并为能源枢纽中的各机组建立数学模型；
步骤2.将多个能源枢纽接入配电网配气网节点，以所有能源枢纽运行成本最低为目标建立最优运行模型，求解得到能源枢纽中各机组的最优出力。
冷、热、电联供机组包括微型燃气轮机、余热锅炉和溴化锂吸收式制冷机；可再生能源机组包括光伏和风机。
能源枢纽的输入为电能和天然气，电能由配电网和可再生能源机组提供，天然气从天然气网购气；能源枢纽的输出为综合需求，包括电力、供暖和制冷负荷。能源枢纽中的电力需求还包括大量的EV充电负荷。
最优运行模型为：
目标函数：
Figure BDA0002404478950000021
目标函数考虑NH个能源枢纽在总调度NT个时间段的运行成本总和最低，其中，
Figure BDA0002404478950000022
为交换功率的成本，
Figure BDA0002404478950000023
为燃料成本，
Figure BDA0002404478950000024
能源浪费成本,
Figure BDA0002404478950000025
为运行维护成本，模型约束包括电、热、冷的功率平衡约束，机组设备运行约束和配电网潮流约束。
交换功率成本
Figure BDA0002404478950000026
为：
Figure BDA0002404478950000027
其中，电能买卖的市场出清价格模型为：
Figure BDA0002404478950000028
Figure BDA0002404478950000031
Figure BDA0002404478950000032
为买电功率，
Figure BDA0002404478950000033
为卖电功率；交换的电功率需求
Figure BDA0002404478950000034
与日前出清价格Ch,t通过敏感系数β相关联，上标B,S分别表示买和卖，Δt是调度时间间隔。
燃料成本
Figure BDA0002404478950000035
为：
Figure BDA0002404478950000036
式中：CGas是每立方米天然气的价格，
Figure BDA0002404478950000037
是微型燃气轮机的输出电功率
Figure BDA0002404478950000038
ηMt是发电效率系数，Δt是调度时间间隔，LNG是天然气的低热值，通常取9.7kWh/m3。
能源浪费成本
Figure BDA0002404478950000039
为：
Figure BDA00024044789500000310
式中：CPv和CWt分别是弃光、弃风能的惩罚成本，
Figure BDA00024044789500000311
和
Figure BDA00024044789500000312
分别表示能源枢纽h中的光伏机组的光伏出力削减量和风机的出力削减量，Δt是调度时间间隔。
运行维护成本
Figure BDA00024044789500000313
Figure BDA00024044789500000314
式中：
Figure BDA00024044789500000315
表示可控(可再生能源)机组g(r)的电功率出力；NG(NR)是可控(可再生能源机组)的总数，
Figure BDA00024044789500000316
和
Figure BDA00024044789500000317
分别是可控和可再生能源机组单位功率出力的维护成本。
线路潮流可以表示为灵敏度矩阵PTDF和各节点净注入有功功率的线性函数：
Figure BDA00024044789500000318
式中：D为直流传输转移分布因子，其反映由节点注入功率变化引起支路潮流的变化；
Figure BDA00024044789500000319
为各节点在第t时间段的总有功注入功率矩阵；
Figure BDA00024044789500000320
是由元素
Figure BDA00024044789500000321
组成；
Figure BDA00024044789500000322
分别为线路l允许流过的有功功率的上、下限；
矩阵
Figure BDA00024044789500000323
中的元素
Figure BDA00024044789500000324
的计算公式如下：
Figure BDA0002404478950000041
Figure BDA0002404478950000042
其中，Ej,h是位置矩阵，反映了节点j是否连接了能源枢纽；
Figure BDA0002404478950000043
是一个NH×NT维的能源枢纽交换功率矩阵，由
Figure BDA0002404478950000044
组成；
Figure BDA0002404478950000045
是节点j的电源，
Figure BDA0002404478950000046
是节点j的有功需求；没有能源枢纽连接的节点，其注入功率是该节点的净有功注入功率；对于有能源枢纽连接的节点，其注入功率即为
Figure BDA0002404478950000047
为了确保冷/热负荷需求优先由可再生能源供应，能源枢纽中微燃机和地源热泵的运行还需满足约束：
Figure BDA0002404478950000048
其中，CGas是每立方米天然气的价格，
Figure BDA0002404478950000049
是微型燃气轮机所消耗的天然气量，
Figure BDA00024044789500000410
为卖电价格，
Figure BDA00024044789500000411
为买电价格，
Figure BDA00024044789500000412
为微型燃气轮机的输出电功率
Figure BDA00024044789500000413
为能源枢纽h中的地源热泵在第t时间段的输入电功率，Δt是调度时间间隔。
本发明的有益效果：
在本发明提出的能源枢纽中，与以往直接控制和基于市场的单一能源系统的阻塞管理方法不同，将冷、热、电联供机组与地源热泵和可再生能源机组整合在一起，利用能源枢纽中多种能量流的互补性去缓解配电网阻塞问题。阻塞管理从单一能源系统扩展到了多个能源系统的层面，并且对能源用户的用电行为没有的更多限制。通过能流关系的设计，保证通过能源枢纽的最优运行，使得在用电高峰期，能源用户的冷热电负荷主要由CCHP机组通过转化天然气能供应，而在用电谷时或者可再生能源出力高峰所带来的反向功率较大的时期，冷热电负荷则主要由地源热泵机组通过转化可再生能源能供应。
同时，在本发明中，考虑了可再生能源的消纳情况。多余的可再生能源发电产生的电能(在满足了用户的电力需求后剩余的电能)将被优先使用以满足冷热负荷需求，因此，在模型中提出了一个关键的运行条件——地源热泵的单位产热成本应该比CCHP机组中的微型燃气轮机的单位产热成本低。在这种运行条件下，多余的新能源将会优先通过地源热泵转化成热能和冷能，冷热需求将多余的可再生能源利用掉，达到了消纳可再生能源的目的，有助于减少弃光和弃风。
附图说明
图1是本发明提出的一种基于能源枢纽最优运行缓减配电网阻塞的方法的步骤框图；
图2本发明的能源枢纽组成及结构图；
图3是本发明的多个能源枢纽的整体运行框架；
图4是不含能源枢纽情况下配电网各支路潮流分布；
图5是含能源枢纽情况下配电网各支路潮流分布；
图6(a)是不含能源枢纽情况下可再生能源消纳结果直方图；
图6(b)是含能源枢纽情况下可再生能源消纳结果直方图。
具体实施方式
下面结合附图，对本发明的实施例作详细说明。
本发明利用能源枢纽中多种能量流的互补性去缓解配电网阻塞问题。阻塞管理从单一能源系统扩展到了多个能源系统的层面，并且对能源用户的用电行为没有的更多限制。通过能流关系的设计，保证通过能源枢纽的最优运行，使得在用电高峰期，能源用户的冷热电负荷主要由CCHP机组通过转化天然气能供应，而在用电谷时或者可再生能源出力高峰所带来的反向功率较大的时期，冷热电负荷则主要由地源热泵机组通过转化可再生能源能供应。
图1为本发明提出的一种基于能源枢纽最优运行缓减配电网阻塞的方法的步骤框图，其中：
步骤1.构建包括将冷、热、电联供机组、地源热泵和可再生能源机组整合在一起的能源枢纽，并为所述能源中的各机组建立数学模型；
步骤2.将多个所述能源枢纽接入配电网配气网节点，以所有能源枢纽运行成本最低为目标建立最优运行模型，求解得到能源枢纽中各机组的最优出力。
附图2为本发明中的能源枢纽设备的组成及结构。能源枢纽通过公共耦合点(PCC)连接到配电网。其被用作不同能源基础设施与能源用户之间的接口。本发明考虑了天然气和热/冷能，天然气和电能以及电能和热/冷能之间在能源枢纽中的耦合关系。与经典能源系统的各个能源部分分开处理不同，能源枢纽可以同时供应多种能源以满足各种用能需求。在所提出的能源枢纽结构中，冷、热、电联供机组(Combined Cooling,Heating,andPower，CCHP)与地源热泵和可再生能源机组整合在一起；CCHP机组又包括微型燃气轮机、余热锅炉和溴化锂吸收式制冷机，可再生能源机组又包括光伏和风机；地源热泵、燃气轮机、余热锅炉和溴化锂吸收式制冷机是可控机组，实现了能源枢纽中气、电、冷和热能的耦合；能源枢纽的输入为电能和天然气，电能主要由配电网和可再生能源机组提供，天然气需要从天然气网购气；能源枢纽的输出为综合需求，包括电力，供暖和制冷负荷，其中能源枢纽中的电力需求还包括大量的EV充电负荷。
为本发明的能源枢纽结构中的各个设备建立数学模型。
地源热泵模型。地源热泵利用地热能提供电加热和电冷却。在冬季，地源热泵提取地热，而在夏天，建筑物的热量被储存在地下以实现制冷。地源热泵的数学模型表示如下：
Figure BDA0002404478950000061
Figure BDA0002404478950000062
Figure BDA0002404478950000063
式中：
Figure BDA0002404478950000064
和
Figure BDA0002404478950000065
分别为能源枢纽h中的地源热泵在第t时间段的输入电功率、制热功率和制冷功率；
Figure BDA0002404478950000071
和
Figure BDA0002404478950000072
分别为热泵制热和制冷的性能系数(也称为能效比)；PGshp,min和PGshp,max分别为地源热泵出力上下限。
微型燃气轮机(微燃机)模型。微型燃气轮机模型的建立需要考虑其燃耗、热电和启停特性。微型燃气轮机的数学模型表示如下：
Figure BDA0002404478950000073
Figure BDA0002404478950000074
Figure BDA0002404478950000075
约束(4)和(5)分别表示微型燃气轮机的燃耗和热电特性。
Figure BDA0002404478950000076
和
Figure BDA0002404478950000077
分别是微型燃气轮机所消耗的天然气量和余热回收的热量。ηL是散热损耗系数，ηMt是发电效率系数。约束(6)将微型燃气轮机的输出电功率
Figure BDA0002404478950000078
限制在合理的范围内。PMt,min和PMt,max分别是微型燃气轮机有功出力的上/下限。当微型燃气轮机输出电功率降低到其额定值以下时，排放的污染物气体数量会迅速增加。因此，微型燃气轮机的最小电输出需设置为其额定值的50％。Δt是调度时间间隔，LNG是天然气的低热值，通常取9.7kWh/m3。由于微燃机通常可以快速启停。因此，本发明不考虑微燃机的启停成本。
余热锅炉模型。除电能外，微燃机还产生高温烟气、蒸汽和其他类型的废热，这些废热将由余热锅炉回收再利用。余热锅炉的输出热功率的数学模型如下：
Figure BDA0002404478950000079
Figure BDA00024044789500000710
式中：ηHrb表示热回收效率。
溴化锂吸收式制冷机模型。溴化锂吸收式制冷机依靠热驱动将热能转换为冷能。在电网负荷高峰时期或者可再生能源出力低谷时期，当冷负荷无法由地源热泵通过能量转化完全供应时，为保障冷供应，吸收式制冷机承担冷负荷。制冷机产生的冷功率
Figure BDA00024044789500000711
以及用于制冷输入的热功率
Figure BDA00024044789500000712
的数学模型为：
Figure BDA0002404478950000081
Figure BDA0002404478950000082
式中：QLbac,max和QLbac,min分别是冷功率的上/下限；
Figure BDA0002404478950000083
是溴化锂吸收式制冷机的性能系数。
可再生能源机组模型。各分布式光伏发电单元提供其光伏最大出力预测信息，光伏发电单元的数学模型为
Figure BDA0002404478950000084
Figure BDA0002404478950000085
式中：
Figure BDA0002404478950000086
和
Figure BDA0002404478950000087
分别表示能源枢纽h中的光伏机组的实际有功出力值、预测出力最大值和光伏出力削减量(弃光量)。
类似地，风力发电机组的数学模型为
Figure BDA0002404478950000088
Figure BDA0002404478950000089
式中：
Figure BDA00024044789500000810
和
Figure BDA00024044789500000811
分别表示风机的实际有功出力值、预测出力最大值和出力削减量(弃风量)。
电动汽车和常规负荷模型。本发明考虑了电动汽车在调度周期内连续充电的行为并假设每一辆电动汽车在驾驶结束后都立即充电。电动汽车的日行驶里程S(km)服从对数正态分布，即
Figure BDA00024044789500000815
通常，μs取8.92，σs取3.24。电动汽车的日行驶里程和充电时间使用蒙特卡洛方法模拟生成。电动汽车的充电功率与充电状态(SOC)之间的关系，表示为
Figure BDA00024044789500000812
Figure BDA00024044789500000813
SOCmin≤SOCt≤SOCmax (17)
Figure BDA00024044789500000814
式中：起始充电时间t0满足正态分布，即
Figure BDA00024044789500000910
μt＝17.47，σs＝3.41。EB是电池容量；
Figure BDA0002404478950000091
是一辆电动汽车的平均充电功率；λ是电动汽车行驶每千米所消耗的电能。常规负荷为固定的电、热、冷功率需求，本发明将其设置为常数。
本发明将多个能源枢纽接入配电网配气网节点，以所有能源枢纽运行成本最低建立最优运行模型，求解得到能源枢纽中各机组的最优出力。
如附图3所示，为本发明建立的多个能源枢纽连接到天然气网和配电网节点的运行框架。能源枢纽、小型风电场和常规电力负荷是连接到配电网络节点的主要资源形式。输入的电能和燃气能通过能源枢纽转换为热、冷和电能，提供给如学校，社区和居民区等用能区域。与配电网运营商类似，综合系统运营商(Integrated System Operator，ISO)充当多种能源系统的整体运行管理者。ISO一方面从气电联合市场接收能源价格信息，另一方面整合配电网中每个节点的资源信息，负责求解多个能源枢纽的最优运行问题。能源枢纽中可控和可再生能源机组的输出功率是优化问题的决策变量。枢纽中的能源管理设备响应ISO的运营策略并修正各机组的功率输出。
考虑配电网和能源枢纽之间的双向功率流，以所有能源枢纽运行成本最低建立最优运行模型。各种能源的价格和能源转化效率会影响能源枢纽的运行策略。能源枢纽可以灵活地切换所需能量的来源，以最大程度地降低运行成本。
首先建立目标函数。以NH个能源枢纽在总调度NT个时间段的运行成本总和最小为目标，建立目标函数：
Figure BDA0002404478950000092
目标的成本函数中包括交换功率的成本
Figure BDA0002404478950000093
燃料成本
Figure BDA0002404478950000094
能源浪费成本
Figure BDA0002404478950000095
以及运行维护成本
Figure BDA0002404478950000096
下面给出每个成本的数学模型。
交换功率的成本
Figure BDA0002404478950000097
Figure BDA0002404478950000098
式中：配电网和能源枢纽之间的交换功率为
Figure BDA0002404478950000099
表达式如下
Figure BDA0002404478950000101
然而，式(20)中存在逻辑判断，无法直接作为目标函数的一部分进行求解，因此通过将
Figure BDA0002404478950000102
替换为卖电功率
Figure BDA0002404478950000103
和买电功率
Figure BDA0002404478950000104
来消除逻辑判断：
Figure BDA0002404478950000105
其中，
Figure BDA0002404478950000106
表示电负荷，NE为一个能源枢纽中所含电动汽车的总数。
Figure BDA0002404478950000107
表示能源枢纽h向电网卖出电功率；
Figure BDA0002404478950000108
则表示买入电功率。为确保
Figure BDA0002404478950000109
和
Figure BDA00024044789500001010
是互斥的，需要满足下列使用大M法建立的约束条件：
Figure BDA00024044789500001011
Figure BDA00024044789500001012
Figure BDA00024044789500001013
Figure BDA00024044789500001014
式中，
Figure BDA00024044789500001015
和
Figure BDA00024044789500001016
是互补的0-1二进制变量，用来保证
Figure BDA00024044789500001017
在每个时间段，只有一个是非零的。
由于能源枢纽在参与日前市场出清之前，并不知道下一交易日的价格信息，因此，本文采用式(27)给出的一种依赖于节点总电力需求的线性市场价格模型预测出清价格。
yt＝ct+βpt (27)
式中：yt为市场出清电价；ct和pt分别为预测t时间段的日前初始电价和节点的有功需求；β表示有功需求对节点电价的敏感系数，该值可以通过历史电价数据进行评估和预测得到。故，本文对于电能买卖的市场出清价格模型为
Figure BDA00024044789500001018
Figure BDA00024044789500001019
式中：交换的电功率需求
Figure BDA00024044789500001020
与日前出清价格Ch,t通过敏感系数β相关联，上标B,S分别表示买和卖。
用式(28)和(29)表示的能源价格将此优化问题表示为二次规划问题(QuadraticProgramming，QP)，避免了不切实际的需求高峰。
因此，交换功率的成本
Figure BDA0002404478950000111
最终被表述为式(30)
Figure BDA0002404478950000112
燃料成本
Figure BDA0002404478950000113
Figure BDA0002404478950000114
式中：CGas是每立方米天然气的价格。
能源浪费成本
Figure BDA0002404478950000115
Figure BDA0002404478950000116
式中：CPv和CWt分别是弃光、弃风能的惩罚成本。
运行维护成本
Figure BDA0002404478950000117
Figure BDA0002404478950000118
式中：
Figure BDA0002404478950000119
表示可控(可再生能源)机组g(r)的电功率出力；NG(NR)是可控(可再生能源机组)的总数。
Figure BDA00024044789500001110
和
Figure BDA00024044789500001111
分别是可控和可再生能源机组单位功率出力的维护成本。
其次是约束条件的限定，模型约束包括功率平衡约束、机组设备运行约束和配电网潮流约束。
功率平衡约束。功率平衡约束包括电、热、冷功率平衡约束。电功率平衡约束见公式(21)。能源枢纽h的冷热平衡约束如下：
Figure BDA00024044789500001112
Figure BDA00024044789500001113
地源热泵的运行模式可以由能源枢纽中的能量管理设备根据各季节的负荷特性加以改变。在冬季，热负荷需求很高，地源热泵运行在加热工况下，此时的冷负荷需求则由吸收式制冷机承担。因此，冬季的热、冷功率平衡具有以下形式：
Figure BDA0002404478950000121
Figure BDA0002404478950000122
到了夏季，可以改变地源热泵压缩机的循环模式，使其工作在制冷工况下。夏季的功率平衡约束表示如下：
Figure BDA0002404478950000123
Figure BDA0002404478950000124
设备运行约束。见式(1)-(18)。
此外，微燃机(使用天然气作为燃料)和地源热泵(利用电能)产生热能的成本决定了相应能源枢纽中的能源供应的优先级。为了确保冷/热需求优先可再生能源供应，能源枢纽中微燃机和地源热泵的运行还需满足约束(40)。
Figure BDA0002404478950000125
配电网潮流约束。线路潮流可以表示为灵敏度矩阵PTDF和各节点净注入有功功率的线性函数：
Figure BDA0002404478950000126
式中：D为直流传输转移分布因子，其反映由节点注入功率变化引起支路潮流的变化；
Figure BDA0002404478950000127
为各节点在第t时间段的总有功注入功率矩阵；
Figure BDA0002404478950000128
是由元素
Figure BDA0002404478950000129
组成。
Figure BDA00024044789500001210
分别为线路l允许流过的有功功率的上、下限。矩阵
Figure BDA00024044789500001211
中的元素
Figure BDA00024044789500001212
的计算公式如下：
Figure BDA00024044789500001213
Figure BDA00024044789500001214
根据式(42)，没有能源枢纽连接的节点，其注入功率是该节点的净有功注入功率；
Figure BDA00024044789500001215
是节点j的电源；
Figure BDA00024044789500001216
是节点j的有功需求。对于有能源枢纽连接的节点，其注入功率即为
Figure BDA00024044789500001217
在公式(43)中，Ej,h是位置矩阵，反映了节点j是否连接了能源枢纽。
Figure BDA0002404478950000131
是一个NH×NT维的能源枢纽交换功率矩阵，由
Figure BDA0002404478950000132
组成。
本发明所建立的多个能源枢纽最优运行模型是一个混合整数二次规划(MixedInteger Quadratic Program，MIQP)问题，这类问题通常可以利用基于二次项的分支定界法求解。并且像CPLEX和Gurobi这样的求解器，已经可以直接用来解决这类问题。本发明在MATLAB R2016a的工作环境中使用YALMIP工具箱和CPLEX12.8求解器解决了这个优化问题，通过求解可以得到各机组的最优出力计划。
下面通过算例仿真进行验证本发明方法的优越性。算例仿真采用连接有多个能源枢纽的IEEE 33节点的配电系统，为了更加清楚地说明所提出的最优运行模型对阻塞缓解的效果，算例仿真中还引入了不含能源枢纽的情况作对比分析：Case A:没有能源枢纽的运行情况；Case B:通过能源枢纽的优化调度的情况。配电网各支路潮流分布结果如图4和5所示。
图4为不含能源枢纽情况下，配电网各支路潮流分布。图4中圆圈标注出的部分为功率越限的支路，可见图4中仍存在着功率越限、配电网安全校核不满足的情况，其中，功率数值大于0的部分为配电网正向潮流，即由源流向负荷侧，此时线路功率越限的主要原因是负荷需求高峰以及电动汽车集中充电；功率数值小于0的部分为配电网反向潮流，即由用户侧流向根节点(源侧)，此时线路功率越限的主要原因是可再生能源发电量过大，使得功率倒送。
图5为应用本发明情况下(通过能源枢纽的优化调度)，配电网各支路潮流分布。由图5可以看出通过能源枢纽的最优运行，双向的功率阻塞均得到了预期的缓解。由于充分利用了多种能源耦合的灵活性，可再生能源引起的峰值显著降低。可再生能源机组产生的多余功率首先由地源热泵转换，以满足能源枢纽中的热需求。随后，其余功率通过公共耦合点(the point of common coupling，PCC)与网络交换，从而获得卖电收益。只有仍然超过线路功率上限的部分才会造成能量浪费，但是发生这种情况的可能性很小。对于负荷高峰引起的阻塞，能源枢纽的运行会更改峰谷时间，例如负荷需求在00：00–03：00有所增加。这是因为在用电谷时，热需求优先由电力，其次是由天然气转换供应。这种操作模式既充分利用了配电线路的容量，又可以降低用能成本(夜间电价较低)。
本发明考虑了可再生能源的消纳问题。为了验证所提出的模型能够应对高比例的可再生能源接入，减少可再生能源的浪费，算例采用可再生能源利用比(公式(44))和能源浪费惩罚成本(公式(45))作为衡量指标。
Figure BDA0002404478950000141
Figure BDA0002404478950000142
其中，
Figure BDA0002404478950000143
和
Figure BDA0002404478950000144
分别表示节点j在时间t的弃光弃风功率和可再生能源机组预测出力最大值。
图6(a)和6(b)显示了两种情况下可再生能源浪费量在预测的最大机组出力中所占的份额，黑色部分代表能源浪费量。表1以数值结果给出了可再生能源浪费占比以及惩罚成本。
表1可再生能源浪费量分析
Figure BDA0002404478950000145
从比例上可以得出结论，能源枢纽的最优运行减少了可再生能源的浪费，可再生能源的利用率接近90％。通过计算能源浪费惩罚成本发现，在满足安全运行约束的情况下，Case A的能源浪费总成本高达2.1万元，但是使用所提出的运行模型对能源枢纽进行能源管理后，几乎可以避免能源浪费。
本发明考虑了能源枢纽运行的经济性，表2给出了两种情况下的经济性对比分析。
表2运行成本分析
Figure BDA0002404478950000151
在满足每个节点相同的热和电需求的条件下，两种情况的运行结果列于表2。其中，x是指定的购热价格，由于购热价格仅用于成本分析，且没有确切数据来源，故用x表示。运行成本分析的结果表明，尽管用户需要额外支付能源枢纽的运行和维护费用，但卖电收入和节省的购热成本使得Case B的总成本明显低于Case A的情况。因此，能源枢纽的运行模式更经济。
通过算例仿真可以验证：(1)所提出的最优运行模型可以通过各种能源的战略互补，有效地缓解配电网阻塞；(2)所建立的模型可以有效地提高分布式能源中可再生能源的消纳，在可再生能源出力的高峰时段，冷/热负荷优先由电能转化供应；(3)所建立的模型可以降低区域能源用户的用能成本，并且不会强迫用户转移或切除负荷，从而确保用户用能的满意度。
此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (11)

1.一种基于能源枢纽最优运行缓减配电网阻塞的方法，包含如下步骤：
步骤1.构建包括将冷、热、电联供机组、地源热泵和可再生能源机组整合在一起的能源枢纽，并为所述能源枢纽中的各机组建立数学模型；
步骤2.将多个所述能源枢纽接入配电网配气网节点，以所有能源枢纽运行成本最低为目标建立最优运行模型，求解得到能源枢纽中各机组的最优出力。
2.根据权利要求1所述的一种基于能源枢纽最优运行缓减配电网阻塞的方法，其特征在于：所述冷、热、电联供机组包括微型燃气轮机、余热锅炉和溴化锂吸收式制冷机；可再生能源机组包括光伏和风机。
3.根据权利要求1所述的一种基于能源枢纽最优运行缓减配电网阻塞的方法，其特征在于：所述能源枢纽的输入为电能和天然气，电能由配电网和可再生能源机组提供，天然气从天然气网购气；所述能源枢纽的输出为综合需求，包括电力、供暖和制冷负荷。
4.根据权利要求1所述的一种基于能源枢纽最优运行缓减配电网阻塞的方法，其特征在于：所述能源枢纽中的电力需求还包括大量的EV充电负荷。
5.根据权利要求1所述的一种基于能源枢纽最优运行缓减配电网阻塞的方法，其特征在于：所述最优运行模型为：
目标函数：
Figure FDA0002404478940000011
目标标函数考虑NH个能源枢纽在总调度NT个时间段的运行成本总和最低，其中，
Figure FDA0002404478940000012
为交换功率的成本，
Figure FDA0002404478940000013
为燃料成本，
Figure FDA0002404478940000014
能源浪费成本,
Figure FDA0002404478940000015
为运行维护成本，模型约束包括电、热、冷的功率平衡约束，机组设备运行约束和配电网潮流约束。
6.根据权利要求5所述的一种基于能源枢纽最优运行缓减配电网阻塞的方法，其特征在于：所述交换功率成本
Figure FDA0002404478940000021
为：
Figure FDA0002404478940000022
其中，电能买卖的市场出清价格模型为：
Figure FDA0002404478940000023
Figure FDA0002404478940000024
Figure FDA0002404478940000025
为买电功率，
Figure FDA0002404478940000026
为卖电功率；交换的电功率需求
Figure FDA0002404478940000027
与日前出清价格Ch,t通过敏感系数β相关联，上标B,S分别表示买和卖，Δt是调度时间间隔。
7.根据权利要求5所述的一种基于能源枢纽最优运行缓减配电网阻塞的方法，其特征在于：所述燃料成本
Figure FDA0002404478940000028
为：
Figure FDA0002404478940000029
式中：CGas是每立方米天然气的价格，
Figure FDA00024044789400000210
是微型燃气轮机的输出电功率
Figure FDA00024044789400000211
ηMt是发电效率系数，Δt是调度时间间隔，LNG是天然气的低热值，通常取9.7kWh/m3。
8.根据权利要求5所述的一种基于能源枢纽最优运行缓减配电网阻塞的方法，其特征在于：所述能源浪费成本
Figure FDA00024044789400000212
为：
Figure FDA00024044789400000213
式中：CPv和CWt分别是弃光、弃风能的惩罚成本，
Figure FDA00024044789400000214
和
Figure FDA00024044789400000215
分别表示能源枢纽h中的光伏机组的光伏出力削减量和风机的出力削减量，Δt是调度时间间隔。
9.根据权利要求5所述的一种基于能源枢纽最优运行缓减配电网阻塞的方法，其特征在于：所述运行维护成本
Figure FDA00024044789400000216
Figure FDA00024044789400000217
式中：
Figure FDA00024044789400000218
表示可控(可再生能源)机组g(r)的电功率出力；NG(NR)是可控(可再生能源机组)的总数，
Figure FDA00024044789400000219
和
Figure FDA00024044789400000220
分别是可控和可再生能源机组单位功率出力的维护成本。
10.根据权利要求5所述的一种基于能源枢纽最优运行缓减配电网阻塞的方法，其特征在于：线路潮流可以表示为灵敏度矩阵PTDF和各节点净注入有功功率的线性函数：
Figure FDA0002404478940000031
式中：D为直流传输转移分布因子，其反映由节点注入功率变化引起支路潮流的变化；
Figure FDA0002404478940000032
为各节点在第t时间段的总有功注入功率矩阵；
Figure FDA0002404478940000033
是由元素
Figure FDA0002404478940000034
组成；Fl max、Fl re,max分别为线路l允许流过的有功功率的上、下限；
矩阵
Figure FDA0002404478940000035
中的元素
Figure FDA0002404478940000036
的计算公式如下：
Figure FDA0002404478940000037
Figure FDA0002404478940000038
其中，Ej,h是位置矩阵，反映了节点j是否连接了能源枢纽；
Figure FDA0002404478940000039
是一个NH×NT维的能源枢纽交换功率矩阵，由
Figure FDA00024044789400000310
组成；
Figure FDA00024044789400000311
是节点j的电源，
Figure FDA00024044789400000312
是节点j的有功需求；没有能源枢纽连接的节点，其注入功率是该节点的净有功注入功率；对于有能源枢纽连接的节点，其注入功率即为
Figure FDA00024044789400000313
11.根据权利要求5所述的一种基于能源枢纽最优运行缓减配电网阻塞的方法，其特征在于：为了确保冷/热需求优先可再生能源供应，能源枢纽中微燃机和地源热泵的运行还需满足约束：
Figure FDA00024044789400000314
其中，CGas是每立方米天然气的价格，
Figure FDA00024044789400000315
是微型燃气轮机所消耗的天然气量，
Figure FDA00024044789400000316
为卖电价格，
Figure FDA00024044789400000317
为买电价格，
Figure FDA00024044789400000318
为微型燃气轮机的输出电功率
Figure FDA00024044789400000319
Figure FDA00024044789400000320
为能源枢纽h中的地源热泵在第t时间段的输入电功率，Δt是调度时间间隔。
CN202010157153.2A 2020-03-09 2020-03-09 一种基于能源枢纽最优运行缓减配电网阻塞的方法 Active CN111369064B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010157153.2A CN111369064B (zh) 2020-03-09 2020-03-09 一种基于能源枢纽最优运行缓减配电网阻塞的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010157153.2A CN111369064B (zh) 2020-03-09 2020-03-09 一种基于能源枢纽最优运行缓减配电网阻塞的方法

Publications (2)

Publication Number Publication Date
CN111369064A true CN111369064A (zh) 2020-07-03
CN111369064B CN111369064B (zh) 2023-10-27

Family

ID=71212516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010157153.2A Active CN111369064B (zh) 2020-03-09 2020-03-09 一种基于能源枢纽最优运行缓减配电网阻塞的方法

Country Status (1)

Country Link
CN (1) CN111369064B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112182915A (zh) * 2020-10-30 2021-01-05 东北电力大学 一种协同促进风电消纳的优化调度方法及系统
CN112348276A (zh) * 2020-11-18 2021-02-09 河海大学 基于多要素三层次的综合能源系统规划优化方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160172854A1 (en) * 2013-08-13 2016-06-16 Accenture Global Services Limited System for integrated multi-energy scheduling control in a micro-grid
CN107767074A (zh) * 2017-11-09 2018-03-06 东南大学 一种计及综合需求响应资源的能源枢纽规划方法
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
CN110245810A (zh) * 2019-07-09 2019-09-17 国网山东省电力公司聊城供电公司 一种区域能源互联网协调优化运行方法
CN110783917A (zh) * 2019-11-05 2020-02-11 国网江苏省电力有限公司镇江供电分公司 含有新能源消纳的多能源能量枢纽配置方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160172854A1 (en) * 2013-08-13 2016-06-16 Accenture Global Services Limited System for integrated multi-energy scheduling control in a micro-grid
CN107767074A (zh) * 2017-11-09 2018-03-06 东南大学 一种计及综合需求响应资源的能源枢纽规划方法
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
CN110245810A (zh) * 2019-07-09 2019-09-17 国网山东省电力公司聊城供电公司 一种区域能源互联网协调优化运行方法
CN110783917A (zh) * 2019-11-05 2020-02-11 国网江苏省电力有限公司镇江供电分公司 含有新能源消纳的多能源能量枢纽配置方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨志鹏 等: "含热泵和储能的冷热电联供型微网经济运行", 《电网技术》 *
熊焰: "面向能源枢纽的气-电综合能源微网协同运行优化研究", 《中国博士学位论文全文库》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112182915A (zh) * 2020-10-30 2021-01-05 东北电力大学 一种协同促进风电消纳的优化调度方法及系统
CN112348276A (zh) * 2020-11-18 2021-02-09 河海大学 基于多要素三层次的综合能源系统规划优化方法

Also Published As

Publication number Publication date
CN111369064B (zh) 2023-10-27

Similar Documents

Publication Publication Date Title
Li et al. Optimal scheduling of integrated demand response-enabled integrated energy systems with uncertain renewable generations: A Stackelberg game approach
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
CN111969657B (zh) 一种基于谈判博弈的多能源站系统经济优化运行方法
Zhang et al. Regional integrated energy system dispatch strategy considering advanced adiabatic compressed air energy storage device
CN111668878A (zh) 一种可再生微能源网的优化配置方法和系统
Liu et al. Capacity allocation for regional integrated energy system considering typical day economic operation
Liasi et al. Optimizing microgrid using demand response and electric vehicles connection to microgrid
CN111369064B (zh) 一种基于能源枢纽最优运行缓减配电网阻塞的方法
Jintao et al. Optimized operation of multi-energy system in the industrial park based on integrated demand response strategy
Gao et al. Joint optimization of planning and operation in multi-region integrated energy systems considering flexible demand response
Li et al. Robust bidding strategy for multi-energy virtual power plant in peak-regulation ancillary service market considering uncertainties
CN112862157B (zh) 一种考虑耦合度的综合能源系统优化调度方法及系统
CN112182915A (zh) 一种协同促进风电消纳的优化调度方法及系统
Zhao et al. Source-load Coordination Economic Dispatch of Hybrid Combined Cooling Heating and Power Microgrid Considering Wind Power Accommodation
CN115936336B (zh) 一种虚拟电厂容量配置与调控运行优化方法
CN116957139A (zh) 考虑微网间碳交易的多综合能源微网优化运行方法及系统
CN113128799A (zh) 能源管控方法、装置、电子设备及计算机存储介质
Zhai et al. Low carbon economic dispatch of regional integrated energy system considering load uncertainty
CN115423260A (zh) 一种电力市场及政策服务新能源利用的量化分析方法
Hui Urban multi-regional energy system planning considering integral energy operating optimization
Zhu et al. Optimal configuration of a wind-photovoltaic-hydrogen-gas-electric vehicles integrated energy system considering multiple uncertainties and carbon reduction
Shi et al. Optimal scheduling of integrated energy system combined with demand side flexible loads
CN112270432B (zh) 一种考虑多主体利益均衡的综合能源系统的能量管理方法
Huan et al. Optimization of Integrated Energy Service Provider Considering Carbon Trading
Zhong et al. Two Stage Optimization Model Considering Demand Response Dispatch Value of Thermoelectric Load

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: 20210204

Address after: 102206 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: 102206 No. 2 Nong Road, Zhu Xin Zhuang, Beijing, Changping District

Applicant before: NORTH CHINA ELECTRIC POWER University

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