CN111445090A - 一种离网型综合能源系统双层规划方法 - Google Patents

一种离网型综合能源系统双层规划方法 Download PDF

Info

Publication number
CN111445090A
CN111445090A CN202010315969.3A CN202010315969A CN111445090A CN 111445090 A CN111445090 A CN 111445090A CN 202010315969 A CN202010315969 A CN 202010315969A CN 111445090 A CN111445090 A CN 111445090A
Authority
CN
China
Prior art keywords
energy
power
equipment
model
gas
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
CN202010315969.3A
Other languages
English (en)
Other versions
CN111445090B (zh
Inventor
肖曦
杨博文
田培根
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.)
Tsinghua University
Original Assignee
Tsinghua 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 Tsinghua University filed Critical Tsinghua University
Priority to CN202010315969.3A priority Critical patent/CN111445090B/zh
Publication of CN111445090A publication Critical patent/CN111445090A/zh
Application granted granted Critical
Publication of CN111445090B publication Critical patent/CN111445090B/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
    • G06Q10/067—Enterprise or organisation modelling
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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

Abstract

本发明涉及一种离网型综合能源系统双层规划方法，获取综合能源系统可再生能源典型日数据，冷、热、电负荷历史数据、综合能源系统内设备参数、运行参数和运行条件；构建综合能源系统内部各供能设备的数学模型；根据综合能源系统结构，构建综合能源系统双层优化模型，上层优化模型以离网型综合能源系统总成本最低为目标对系统设备容量进行规划，下层优化模型以系统缺负荷最低为目标对系统运行状态进行优化；对双层优化模型求解，得到综合能源系统最优容量配置结果。本发明将电转气装置应用于离网型综合能源系统规划中，提升电‑气耦合性，降低系统成本，提升系统的经济性。

Description

一种离网型综合能源系统双层规划方法
技术领域
本发明涉及综合能源技术领域，尤其涉及一种离网型综合能源系统双层规划方法。
背景技术
由分布式电源、储能装置、能量转换装置与负荷等部分组成微电网因其分布式电源的灵活性以及较高的能量利用率而得到了广泛的应用。但是随着能源的日益枯竭与人们对能源质量的要求逐步提高，传统的微电网将不在适用。包含了冷热电联供的综合能源系统能有效的解决上述问题。与传统微电网相比，综合能源系统集成了冷热联供系统，能同时满足用户对冷能、热能与电能的需求，且不同形式能量之间可以相互转换，可以有效的提升能源利用效率，降低系统运行成本。综合能源系统的规划需对经济、环境与现有技术条件等多方面因素进行考量，才能得到最优的设备容量，从而取得最大的经济效益。
现有综合能源系统规划首先确定系统的结构，之后选取系统中所需的设备类型与单体容量。根据可再生能源的历史典型数据与负荷的历史典型数据，以系统收益最大或成本最低等作为优化目标构建优化模型，采用数学规划方法或智能算法对模型进行求解，得出最优综合能源系统设备容量。
现有的规划方法往往只考虑了并网运行的综合能源系统设备容量规划，并未考虑离网型综合能源系统设备容量规划。离网型综合能源系统无大电网支撑，多余的电能只能靠储能电池进行存储，储能成本高。电-气之间耦合性较差，运行成本较高。
发明内容
为了解决离网型综合能源系统的设备容量规划问题，本发明提供一种离网型综合能源系统双层规划方法，在规划时加入电转气设备以提高离网型综合能源系统电-气耦合性，降低系统运行成本。
为达到上述目的，本发明提供了一种离网型综合能源系统双层规划方法，包括：
获取综合能源系统可再生能源典型日数据，冷、热、电负荷历史数据、综合能源系统内设备参数和运行参数；
构建综合能源系统内部各供能设备的数学模型；
根据综合能源系统结构，构建综合能源系统双层优化模型，上层优化模型以离网型综合能源系统总成本最低为目标对系统设备容量进行规划，下层优化模型以系统缺负荷最低为目标对系统运行状态进行优化；
基于已获取的可再生能源典型日数据、负荷历史数据、设备参数与运行参数对双层优化模型求解，得到综合能源系统最优容量配置结果。
进一步的，构建综合能源系统内部各供能设备的数学模型包括构建风力发电机、光伏发电机组、微型燃气轮机、燃气锅炉、余热锅炉、电制冷机、溴化锂吸收式制冷机、电转气装置以及储能设备的数学模型。
进一步的，风力发电机数学模型如下：
Figure BDA0002459465520000021
PWT是风力发电机输出功率，Pwtr是风力发电机额定输出功率，vci是风力发电机切入风速，vco是风力发电机切出风速，vr是风力发电机额定风速；
光伏发电机组数学模型如下：
PPV＝ηPVPstcG/Gstc(1+ηT(T-Tstc))
PPV是光伏发电机组输出功率，ηPV是光伏发电机组发电效率，Pstc是额定条件下光伏发电机组输出功率，G是光伏面板上实际光照辐射强度，Gstc是额定光照强度，T是光伏发电机组实际所处温度，Tstc是光伏发电机组额定温度，ηT是光伏发电机组的温度变化系数；
微型燃气轮机数学模型如下：
Figure BDA0002459465520000031
Figure BDA0002459465520000032
Figure BDA0002459465520000033
Figure BDA0002459465520000034
是t时刻微型燃气轮机发电功率，
Figure BDA0002459465520000035
是t时刻微型燃气轮机输入天然气等效功率，
Figure BDA0002459465520000036
是微型燃气轮机发电效率，kgas是天然气热值，一般取值为9.8kWh/m3，
Figure BDA0002459465520000037
是微型燃气轮机天然气消耗量，
Figure BDA0002459465520000038
是t时刻微型燃气轮机产生的高温余热功率，
Figure BDA0002459465520000039
是微型燃气轮机热损失效率；
燃气锅炉数学模型如下：
Figure BDA00024594655200000310
Figure BDA00024594655200000311
PGB是燃气锅炉输出功率，ηGB是燃气锅炉的转换效率，
Figure BDA00024594655200000312
是燃气锅炉天然气输入功率，kgas是天然气等效热值，Qgas是天然气消耗量；
余热锅炉数学模型如下：
Figure BDA00024594655200000313
PRB是余热锅炉输出功率，ηRB是余热转化效率；
电制冷机数学模型如下：
Figure BDA00024594655200000314
PEC是溴化锂吸收式制冷机输出冷量，KEC是能效比，
Figure BDA00024594655200000315
是消耗的电能。
Figure BDA00024594655200000316
溴化锂吸收式制冷机数学模型如下：
PAC是溴化锂吸收式制冷机输出冷量，KAC是能效比，
Figure BDA00024594655200000317
是吸收的热量；
电转气装置数学模型如下：
Figure BDA0002459465520000041
Figure BDA0002459465520000042
Figure BDA0002459465520000043
是P2G在t时间段装置输出功率；
Figure BDA0002459465520000044
是P2G装置在t时间段消耗电能；ηP2G是P2G装置转换效率；QP2G(t)是t时间段输出天然气流量；HG是天然气热值，取9.8kWh/m3；
储能设备数学模型如下：
Figure BDA0002459465520000045
i表示第i种储能设备，共有四种储能设备：储电设备、储热设备、储冷设备和储气设备；Si(t)是第i种储能装置t时刻储能状态；Ki,c和Ki,d分别是一组互斥的0-1状态变量，分别代表储能装置的充能与放能状态；ηi,c表示充能效率，ηi,d表示放能效率，PS,i,c(t)表示充能功率，PS,i,d(t)表示放能功率，Cbat是储能电池总容量。
进一步的，上层优化模型的优化目标为：minF1＝Cga+Csa+Copt；
Figure BDA0002459465520000046
Figure BDA0002459465520000047
Copt＝Cop+Cgas+Cwg
Figure BDA0002459465520000048
Figure BDA0002459465520000049
Figure BDA00024594655200000410
Cga是综合能源系统产能设备的日等效成本；Csa是储能设备日等效成本；Copt为综合能源系统日运行成本；n1是供能设备种类；mg,i是第i种供能设备的单位购置成本，Pg,i表示第i种供能设备配置容量，Yg,i为第i种供能设备使用寿命；n2是储能设备种类；r0是贴现率；mps,j与mes,i是表示第j种储能设备的单位功率成本和单位容量成本，Ps,j与Es,j表示第j种储能设备配置的功率与容量，Ys,j表示第j种储能设备的使用寿命，储能设备包括储冷、储热、储电与储气设备，Cop是综合能源系统设备日运行成本，Cgas综合能源系统天然气购买成本，Cwg是综合能源系统环境污染成本；pk是第k种供能季所占全年比例，mopg,i是第i种供能设备单位运行维护成本，Pg,i(t)是第i种供能设备在t时间段所传输的能量，mng是购入天然气的单位成本；Png(t)是t时间段内综合能源系统购入的天然气量；
Figure BDA0002459465520000051
与
Figure BDA0002459465520000052
分别是微型燃气轮机单位碳排放量与燃气锅炉单位碳排放量；PGT(t)是微型燃气轮机输出功率，PGB(t)是燃气锅炉输出功率。
进一步的，上层模型约束条件包括：
供能设备功率配置约束：
Figure BDA0002459465520000053
Figure BDA0002459465520000054
表示第i种供能设备的配置容量，
Figure BDA0002459465520000055
表示第i种供能设备允许配置的最大容量；
储能设备安装功率约束：
Figure BDA0002459465520000056
Ps j表示第j种储能设备配置功率，
Figure BDA0002459465520000057
表示第j种储能设备最大允许配置功率；
储能设备安装容量约束：
Figure BDA0002459465520000061
Figure BDA0002459465520000062
表示第j种储能设备配置容量，
Figure BDA0002459465520000063
表示第j种储能设备最大允许配置容量。
进一步的，下层优化模型优化目标为：minF2＝Clm
Figure BDA0002459465520000064
Clm是系统缺负荷；Plmh(t)是第t时间段内热负荷的缺负荷值；Plmc(t)是t时间段内冷负荷的缺负荷值；Plme(t)是t时间段内电负荷的缺负荷值。
进一步的，下层优化模型约束条件包括：
电功率平衡约束：
Figure BDA0002459465520000065
式中，Le为综合能源系统电负荷；PWT，PPV，PGT为风机、光伏与微型燃气轮机出力；PEC为电制冷机；PBS为储电装置出力；KEC为电制冷机的能效比；
Figure BDA0002459465520000066
是电转气装置消耗电能；
冷功率平衡约束：
Lc＝PEC+PAC-PCS
式中，Lc为综合能源系统冷负荷；PEC为电制冷机出力；PAC为溴化锂吸收式制冷机出力；PCS储冷装置出力；
热功率平衡约束：
Figure BDA0002459465520000067
式中，Lh分别为系统热负荷；PAC，PGB，PRB为溴化锂吸收式制冷机、燃气锅炉与余热锅炉出力；PHS储热装置出力；KAC为溴化锂吸收式制冷机的能效比；
气功率平衡：
Figure BDA0002459465520000068
Figure BDA0002459465520000071
ηGB为微型燃气轮机效率与燃气锅炉效率；PGAS是综合能源系统天然气输入等效功率，
Figure BDA0002459465520000072
为电转气装置输出天然气等效功率，PGS是储气设备出力；
供能设备出力约束：
Pg,i,min≤Pg,i(t)≤Pg,i,max
在所有冷、热、电、气储能设备运行过程中，充能和放能都应该满足其设备本身的上下限条件。式中，Pg,i(t)表示第i中供能设备在t时刻的出力，Pg,i,min表示出力的下限，Pg,i,max表示出力的上限；
储能设备充放能功率约束：
Figure BDA0002459465520000073
Figure BDA0002459465520000074
PS,j,c(t)，PS,j,d(t)分别是第j种储能设备在t时段的充放能功率；
Figure BDA0002459465520000075
Figure BDA0002459465520000076
分别是储能设备充能最大、最小值与放能最大最小值；ηj,c，ηj,d是储能设备的充能、放能效率；
储能状态约束：
Figure BDA0002459465520000077
Wj,min≤Wj(t)≤Wj,max
Wj(0)＝Wj(T)
Wj(t)与Wj(t+1)是第j种储能设备t时刻与t+1时刻结束时的剩余能量；Qj,c(t)，Qj,d(t)是储能设备t时段的充能与放能；dj,c(t)与dj,d(t)是0-1变量，表示储能设备t时刻的充放电状态，满足dj,c(t)+dj,d(t)＝1；Wj,max，Wj,min表示储能容量的上限与下限。
进一步的，上层优化模型将生成的设备容量输入到下层优化模型，作为下层模型的约束条件；下层优化模型以系统缺负荷最小为目标对设备运行状态进行优化，求解获得综合能源系统的运行状态与缺负荷值输入到上层优化模型。
进一步的，上、下层优化模型均采用自适应惯性权重粒子群算法进行求解，包括：
(1)输入设备参数、风光典型日数据，确定种群数量NUP，确定上层最大迭代数MUP，以设备容量为各粒子，初始化各粒子，初始化上层模型各粒子最优值和全局最优值；
(2)计算上层模型惯性权重；
(3)更新上层粒子速度与位置；
(4)将上层各粒子作为约束条件带入到下层模型中，生成系统初始运行状态，确定种群数量NDOWN，确定下层模型最大迭代数MDOWM，初始化下层模型中各粒子最优值和全局最优值；
(5)计算下层模型惯性权重；
(6)更新下层粒子速度与位置；
(7)计算下层模型中各粒子适应值即缺负荷值；
(8)更新下层模型中各粒子最优值与全局最优值；
(9)判断是否达到下层模型最大迭代数MDOWM；若未达到，返回(5)；若达到，进入(10)；
(10)将下层模型全局最优值所对应的适应值即缺负荷值返回上层模型；
(11)利用下层模型传递上来的缺负荷值，计算上层模型各粒子适应值即总成本；
(12)更新上层模型中各粒子最优值与全局最优值；
(13)判断是否达到上层模型最大迭代数MUP，若未达到，返回(2)；若达到，进入(14)；
(14)输出最优容量配置结果。
本发明的上述技术方案具有如下有益的技术效果：
(1)本发明构建离网型综合能源系统双层规划模型，上层模型以日等效成本最低对综合能源系统设备容量进行规划，下等模型以系统缺负荷最小对系统的运行状态进行优化，将系统运行状态优化纳入到设备容量规划中，有效降低系统成本。
(2)本发明将电转气装置应用于离网型综合能源系统规划中，提升电-气耦合性，降低系统成本，提升系统的经济性。
附图说明
图1为离网型综合能源系统规划流程图；
图2为离网型综合能源系统结构示意图；
图3为双层优化结构示意图；
图4为基于自适应权重粒子群算法模型求解流程示意图；
图5为典型日光照辐射强度曲线；
图6为典型日风速曲线；
图7为供冷季负荷曲线；
图8为供热季负荷曲线；
图9为过渡季负荷曲线；
图10为过度季场景2中电功率平衡示意图；
图11为过度季场景2中热功率平衡示意图；
图12为过度季场景2中冷功率平衡示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
本发明提供一种离网型综合能源系统规划方法，流程如图1所示，包括：
步骤1、获取综合能源系统可再生能源典型日数据，冷、热、电负荷历史数据、系统内设备基本参数与系统运行参数和运行条件。
步骤2、基于步骤1获得的数据、参数和运行条件构建离网型综合能源系统内部设备模型：按照离网型综合能源系统结构，建立系统内部所有设备的数学模型，离网型综合能源系统结构如图2所示：系统包含的设备有：光伏发电设备、风力发电机、微型燃气轮机、燃气锅炉、余热锅炉、电制冷机、溴化锂吸收式制冷机、电转气装置、储能设备。
(1)风力发电机数学模型如下：
Figure BDA0002459465520000101
PWT是风力发电机输出功率，Pwtr是风力发电机额定输出功率，vci是风力发电机切入风速，vco是切出风速，vr是额定风速。
(2)光伏发电机组数学模型：
PPV＝ηPVPstcG/Gstc(1+ηT(T-Tstc))
PPV是光伏发电系统输出功率，ηPV是光伏发电系统发电效率，Pstc是额定条件下光伏发电系统输出功率，G是光伏面板上实际光照辐射强度，Gstc是额定光照强度一般取值为1kW/m2，T是光伏系统实际所处温度，Tstc是额定温度，ηT是光伏发电的温度变化系数。
(3)微型燃气轮机数学模型如下：
Figure BDA0002459465520000102
Figure BDA0002459465520000103
Figure BDA0002459465520000104
Figure BDA0002459465520000105
是t时刻微型燃气轮机发电功率，
Figure BDA0002459465520000106
是t时刻微型燃气轮机输入天然气等效功率，
Figure BDA0002459465520000107
是微型燃气轮机发电效率，kgas是天然气热值，一般取值为9.8kWh/m3，
Figure BDA0002459465520000108
是微型燃气轮机天然气消耗量，
Figure BDA0002459465520000109
是t时刻微型燃气轮机产生的高温余热功率，
Figure BDA0002459465520000111
是微型燃气轮机热损失效率。
(4)燃气锅炉数学模型如下：
Figure BDA0002459465520000112
Figure BDA0002459465520000113
PGB是燃气锅炉输出功率，ηGB是燃气锅炉转换效率，
Figure BDA0002459465520000114
是燃气锅炉天然气输入功率，kgas是天然气等效热值，Qgas是天然气消耗量。
(5)余热锅炉数学模型如下：
Figure BDA0002459465520000115
PRB是余热锅炉输出功率，ηRB是余热转化效率。
(6)电制冷机数学模型如下：
Figure BDA0002459465520000116
PEC是溴化锂吸收式制冷机输出冷量，KEC是能效比，
Figure BDA0002459465520000117
是消耗的电能。
(7)溴化锂吸收式制冷机数学模型如下：
Figure BDA0002459465520000118
PAC是溴化锂吸收式制冷机输出冷量，KAC是能效比，
Figure BDA0002459465520000119
是吸收的热量。
(8)电转气装置数学模型如下：
Figure BDA00024594655200001110
Figure BDA00024594655200001111
Figure BDA00024594655200001112
是P2G在t时间段装置输出功率；
Figure BDA00024594655200001113
是P2G装置在t时间段消耗电能；ηP2G是P2G装置转换效率；QP2G(t)是t时间段输出天然气流量；HG是天然气热值，取9.8kWh/m3。
(9)储能设备数学模型如下：
Figure BDA00024594655200001114
i表示第i种储能设备，总共有四种储能设备：储电设备、储热设备、储冷设备和储气设备。Si(t)是储能装置第t时刻储能状态。Ki,c和Ki,d分别是一组互斥的0-1状态变量，分别代表储能装置的充能与放能状态，互斥表示储能装置在某一时刻只进行充能或放能一种动作。ηi,c表示充能效率，ηi,d表示放能效率，PS,i,c(t)表示充能功率，PS,i,d(t)表示放能功率。Cbat是储能电池总容量
步骤3、建立离网型综合能源系统双层优化模型：根据综合能源系统结构，构建综合能源系统双层优化模型。上层以系统以离网型综合能源系统总成本最低为目标对系统设备容量进行规划；上层设备容量规划结果传递到下层，作为下层模型约束条件，下层模型以系统缺负荷最小为目标对系统运行状态进行优化。下层模型将运行优化后的运行状态与系统缺负荷值返回上层，以便对规划结果的优劣进行判定。经过上下层之间多次迭代，得出最优的系统设备容量组合。
双层优化结构图如图3所示：
1、上层优化模型
上层优化模型以日等效成本最小为目标对系统设备容量进行规划，优化目标如下：
minF1＝Cga+Csa+Copt
Cga是系统产能设备的日等效成本，它与每个设备的功率与使用年限有关；Csa是储能设备日等效成本，它与储能设备的功率、容量和使用寿命有关。在本文中计及全寿命周期成本采用等年值的形式，初始投资成本包含安装成本与购买成本等一次性投资项目，通过利用等年值计算公式计算出投资成本等年值。将等年值处以一年的总天数得到日等效成本。具体公式如下：
Figure BDA0002459465520000121
Figure BDA0002459465520000122
n1是供能设备种类；mg,i是第i种供能设备的单位购置成本，Pg,i表示第i种供能设备配置容量，Yg,i为第i种供能设备使用寿命，供能设备包括光伏、风机、微型燃气轮机、电制冷机、溴化锂吸收式制冷机、燃气锅炉、余热锅炉等；n2是储能设备种类。r0是贴现率；mps,j与mes,i是表示第j种储能设备的单位功率成本和单位容量成本，Ps,j与Es,j表示第j种储能设备配置的功率与容量，Ys,j表示第j种储能设备的使用寿命，储能设备包括储冷、储热、储电与储气等设备。
Copt＝Cop+Cgas+Cwg
Figure BDA0002459465520000131
Figure BDA0002459465520000132
Figure BDA0002459465520000133
Copt为综合能源系统日运行成本；Cop是综合能源系统设备日运行成本，Cgas综合能源系统天然气购买成本，Cwg是综合能源系统环境污染成本；pk是第k种供能季所占全年比例，mopg,i是第i种供能设备单位运行维护成本，Pg,i(t)是第i种供能设备在t时间段所传输的能量，mng是购入天然气的单位成本；Png(t)是t时间段内综合能源系统购入的天然气量；
Figure BDA0002459465520000134
与
Figure BDA0002459465520000135
分别是微型燃气轮机单位碳排放量与燃气锅炉单位碳排放量。PGT(t)是微型燃气轮机输出功率，PGB(t)是燃气锅炉输出功率。
2、上层模型约束条件
上层模型是对综合能源系统的设备容量进行配置，因此约束条件主要是对设备容量允许的上下限进行约束。
(1)供能设备功率配置约束：
Figure BDA0002459465520000141
Figure BDA0002459465520000142
表示第i种供能设备的配置容量，
Figure BDA0002459465520000143
表示第i种供能设备允许配置的最大容量。
(2)储能设备安装功率约束
Figure BDA0002459465520000144
Ps j表示第j种储能设备配置功率，
Figure BDA0002459465520000145
表示第j种储能设备最大允许配置功率。
(3)储能设备安装容量约束
Figure BDA0002459465520000146
Figure BDA0002459465520000147
表示第j种储能设备配置容量，
Figure BDA0002459465520000148
表示第j种储能设备最大允许配置容量。
3、下层优化模型
下层优化模型以综合能源系统缺负荷最小为目标对综合能源系统的运行状态进行优化，具体目标如下：
minF2＝Clm
Figure BDA0002459465520000149
Plmh(t)是第t时间段内热负荷的缺负荷值；Plmc(t)是t时间段内冷负荷的缺负荷值；Plme(t)是t时间段内电负荷的缺负荷值。
5、下层模型约束条件
下层模型约束条件主要是对综合能源系统的运行状态进行约束，具体如下：
(1)电功率平衡约束
Figure BDA0002459465520000151
式中，Le为系统电负荷；PWT，PPV，PGT为风机、光伏与微型燃气轮机出力；PEC为电制冷机；PBS为储电装置出力；KEC为电制冷机的能效比；
Figure BDA0002459465520000152
是电转气装置消耗电能。
(2)冷功率平衡约束
Lc＝PEC+PAC-PCS
式中，Lc为系统冷负荷；PEC，PAC为电制冷机、溴化锂吸收式制冷机；PCS储冷装置出力；
(3)热功率平衡约束
Figure BDA0002459465520000153
式中，Lh分别为系统热负荷；PAC，PGB，PRB为溴化锂吸收式制冷机、燃气锅炉与余热锅炉出力；PHS储热装置出力；KAC为溴化锂吸收式制冷机的能效比；
(4)气功率平衡
Figure BDA0002459465520000154
Figure BDA0002459465520000155
ηGB为微型燃气轮机效率与燃气锅炉效率；PGAS是系统天然气输入等效功率，
Figure BDA0002459465520000156
为电转气装置输出天然气等效功率。PGS是储气设备出力。
(5)供能设备出力约束：
Pg,i,min≤Pg,i(t)≤Pg,i,max
在所有冷、热、电、气储能设备运行过程中，充能和放能都应该满足其设备本身的上下限条件。式中，Pg,i(t)表示第i中供能设备在t时刻的出力，Pg,i,min表示出力的下限，Pg,i,max表示出力的上限
(6)储能设备充放能功率约束：
Figure BDA0002459465520000157
Figure BDA0002459465520000161
在所有冷、热、电、气储能设备运行过程中，充能和放能功率都应该满足其设备本身的上下限条件。总共有储电、储热、储冷、储气四种储能装置。PS,j,c(t)，PS,j,d(t)分别是第j种储能设备在t时段的充放能功率；
Figure BDA0002459465520000162
Figure BDA0002459465520000163
分别是储能设备充能最大、最小值与放能最大最小值；ηj,c，ηj,d是储能设备的充能、放能效率；
(7)储能状态约束
Figure BDA0002459465520000164
Wj,min≤Wj(t)≤Wj,max
Wj(0)＝Wj(T)
Wj(t)与Wj(t+1)是第j种储能设备第t时刻与第t+1时刻结束时的剩余能量；Qj,c(t)，Qj,d(t)是储能设备第t时段的充能与放能；dj,c(t)与dj,d(t)是0-1变量，表示储能设备t时刻的充放能状态，满足dj,c(t)+dj,d(t)＝1。表示储能设备同一时刻充能与放能不能同时进行；Wj,max，Wj,min表示储能容量的上限与下限。
步骤4、模型求解：上下两层模型均采用自适应惯性权重粒子群算法进行求解，得到综合能源系统最优容量配置结果。基于自适应惯性权重粒子群算法的模型求解流程如图4所示，包括：
(1)输入设备参数、风光典型日数据，确定种群数量NUP，确定上层最大迭代数MUP，初始化各粒子(设备容量)，初始化上层模型各粒子最优值和全局最优值；
(2)计算上层模型惯性权重；
(3)更新上层粒子速度与位置；
(4)将上层各粒子(设备容量组合)作为约束条件带入到下层模型中，生成系统初始运行状态，确定种群数量NDOWN，确定下层模型最大迭代数MDOWM，初始化下层模型中各粒子最优值和全局最优值；
(5)计算下层模型惯性权重；
(6)更新下层粒子速度与位置；
(7)计算下层模型中各粒子适应值(缺负荷值)；
(8)更新下层模型中各粒子最优值与全局最优值；
(9)判断是否达到下层模型最大迭代数MDOWM。若未达到，返回(5)。若未达到，进入(10)；
(10)将下层模型全局最优值所对应的适应值(缺负荷值)返回上层模型；
(11)利用下层模型传递上来的运行成本，计算上层模型各粒子(设备容量组合)适应值(总成本)；
(12)更新上层模型中各粒子最优值与全局最优值；
(13)判断是否达到上层模型最大迭代数MUP。若未达到，返回(2)。若未达到，进入(14)；
(14)输出最优容量配置结果。
为了验证所提出规划方案的有效性，选取某离网型综合能源系统为例进行仿真。整个系统按设备类型分为源、储、荷三部分。其中源部分包含，微型燃气轮机，燃气锅炉，余热锅炉，溴冷机，电制冷机，光伏发电装置，风力发现装置，电转气装置等。储能部分包括，储能电池，储气装置，储能装置与储热装置。负荷分为电负荷、热负荷与冷负荷。根据具体负荷数据，将全年划分成三个时间段，分别为供热季、供冷季和过渡季，其中供冷季90天，供热季90天，过渡季185天，各季所对应的占比为0.247，0.247，0.506。由于系统提供冷源和热源，所以电负荷在三个供能季中并没有太大差别。在供冷季，冷负荷需求较大，热负荷需求很小。而在供热季，热负荷需求大，冷负荷需求为0。在过度季三种负荷需求较为平均。光照辐射强度典型日数据如图5所示，风速典型日数据如图6所示。
供冷季负荷如图7所示，供热季负荷如图8所示，过渡季负荷如图9所示。
系统设备参数如表1所示。
表1系统设备参数
Figure BDA0002459465520000181
调度时长为1h，调度周期为24h。系统设备具体参数表1所示。为了研究P2G设备与储电设备对系统规划造成的影响，设置了2种场景进行对比分析，具体场景如下：
场景1：储能设备包括储能电池与储热、储冷装置。
场景2：储能设备包括储能电池与储热、储冷装置，并加入电转气装置和储气装置。
按照上述典型日数据和规划场景，具体优化配置结果如表2所示。各场景下系统各项成如表3所示。
表2设备容量配置结果
Figure BDA0002459465520000182
Figure BDA0002459465520000191
表3综合能源系统各项成本
成本类型 场景1 场景2
产能设备(元) 7559 13945
运行成本(元) 16211 11964
电储能(元) 17976 7631
其他储能(元) 375 471
碳排放(元) 997 1278
总成本(元) 43119 35292
由表2的设备容量配置结果可知，加入电转气装置之后，综合能源系统的光伏与风机的容量明显提升，可再生能源比例提升。由于电转气装置能将多余的电能转化为天然气，因此储能电池的容量与储能变换器的容量明显降低。供电设备容量的提升使得系统电能供应充足，电制冷机容量增加，从而降低了吸收式制冷机与燃气锅炉的需求。
由表3的经济成本结果可知，加入电转气装置后，系统的运行成本大幅下降，由16211元降低到11964元，降幅为26.19％。电储能日等效成本由17976元降低到7631元，降幅为57.54％。虽然在产能设备的日等效成本与其他储能成本上有所增加，由原来的7559元和997元，分别增加到13945元和1278元，但总成本由43119元降低为35292元，降幅为18.15％。
场景2在过渡季的各设备电、热、冷功率平衡分别如图10、11、12所示。由图10可知，由于系统配置了较高容量的风力发电机与光伏设备，从而使得综合能源系统的电能供应大于电负荷需求，多余的电能经过电转气装置转化为天然气利用储气装置储存起来，供应给燃气轮机和燃气锅炉使用。由图11可知，由于电转气装置将多余的电能转化为天然气，从而使得燃气锅炉的使用率提高，整个系统的热能主要是由燃气锅炉提供。多余的热能也主要是经由溴化锂吸收式制冷机吸收后转化为冷能，供应给冷负荷。储热设备则起到削峰填谷，平稳热能输出的作用。由图12可知，由于过渡季系统的冷负荷较低，由溴化锂吸收式制冷机所提供的冷能与储冷设备相互配置基本上能满足供冷的需求，不足的部分由电制冷机提供。
综合上述分析可以得出，在离网型综合能源系统中，配置一定量的电转气装置可以提升电-气耦合程度，有效的降低系统运行成本，降低系统总成本。
为解决离网型综合能源系统容量规划问题，本发明提出了一种离网型综合能源系统双层规划方法，获取综合能源系统可再生能源典型日数据，冷、热、电负荷历史数据、综合能源系统内设备参数、运行参数和运行条件；构建综合能源系统内部各供能设备的数学模型；根据综合能源系统结构，构建综合能源系统双层优化模型，上层优化模型以离网型综合能源系统总成本最低为目标对系统设备容量进行规划，下层优化模型以系统缺负荷最低为目标对系统运行状态进行优化；对双层优化模型求解，得到综合能源系统最优容量配置结果。将电转气装置考虑到规划中，提高系统电气耦合性。为验证所提出规划方法的有效性，选取具体案例进行仿真分析。结果表明，在离网型综合能源系统中，在电/热/冷储的基础上配置一定量的电转气装置能有效的降低系统运行成本，降低系统总成本。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (9)

1.一种离网型综合能源系统双层规划方法，其特征在于，包括：
获取综合能源系统可再生能源典型日数据，冷、热、电负荷历史数据、综合能源系统内设备参数和运行参数；
构建综合能源系统内部各供能设备的数学模型；
根据综合能源系统结构，构建综合能源系统双层优化模型，上层优化模型以离网型综合能源系统总成本最低为目标对系统设备容量进行规划，下层优化模型以系统缺负荷最低为目标对系统运行状态进行优化；
基于已获取的可再生能源典型日数据、负荷历史数据、设备参数与运行参数对双层优化模型求解，得到综合能源系统最优容量配置结果。
2.根据权利要求1所述的离网型综合能源系统双层规划方法，其特征在于，构建综合能源系统内部各供能设备的数学模型包括构建风力发电机、光伏发电机组、微型燃气轮机、燃气锅炉、余热锅炉、电制冷机、溴化锂吸收式制冷机、电转气装置以及储能设备的数学模型。
3.根据权利要求2所述的离网型综合能源系统双层规划方法，其特征在于，风力发电机数学模型如下：
Figure FDA0002459465510000011
PWT是风力发电机输出功率，Pwtr是风力发电机额定输出功率，vci是风力发电机切入风速，vco是风力发电机切出风速，vr是风力发电机额定风速；
光伏发电机组数学模型如下：
PPV＝ηPVPstcG/Gstc(1+ηT(T-Tstc))
PPV是光伏发电机组输出功率，ηPV是光伏发电机组发电效率，Pstc是额定条件下光伏发电机组输出功率，G是光伏面板上实际光照辐射强度，Gstc是额定光照强度，T是光伏发电机组实际所处温度，Tstc是光伏发电机组额定温度，ηT是光伏发电机组的温度变化系数；
微型燃气轮机数学模型如下：
Figure FDA0002459465510000021
Figure FDA0002459465510000022
Figure FDA0002459465510000023
Figure FDA0002459465510000024
是t时刻微型燃气轮机发电功率，
Figure FDA0002459465510000025
是t时刻微型燃气轮机输入天然气等效功率，
Figure FDA0002459465510000026
是微型燃气轮机发电效率，kgas是天然气热值，一般取值为9.8kWh/m3，
Figure FDA0002459465510000027
是微型燃气轮机天然气消耗量，
Figure FDA0002459465510000028
是t时刻微型燃气轮机产生的高温余热功率，
Figure FDA0002459465510000029
是微型燃气轮机热损失效率；
燃气锅炉数学模型如下：
Figure FDA00024594655100000210
Figure FDA00024594655100000211
PGB是燃气锅炉输出功率，ηGB是燃气锅炉的转换效率，
Figure FDA00024594655100000212
是燃气锅炉天然气输入功率，kgas是天然气等效热值，Qgas是天然气消耗量；
余热锅炉数学模型如下：
Figure FDA00024594655100000213
PRB是余热锅炉输出功率，ηRB是余热转化效率；
电制冷机数学模型如下：
Figure FDA00024594655100000214
PEC是溴化锂吸收式制冷机输出冷量，KEC是能效比，
Figure FDA00024594655100000215
是消耗的电能。
Figure FDA00024594655100000216
溴化锂吸收式制冷机数学模型如下：
PAC是溴化锂吸收式制冷机输出冷量，KAC是能效比，
Figure FDA00024594655100000217
是吸收的热量；
电转气装置数学模型如下：
Figure FDA00024594655100000218
Figure FDA0002459465510000031
Figure FDA0002459465510000032
是P2G在t时间段装置输出功率；
Figure FDA0002459465510000033
是P2G装置在t时间段消耗电能；ηP2G是P2G装置转换效率；QP2G(t)是t时间段输出天然气流量；HG是天然气热值，取9.8kWh/m3；
储能设备数学模型如下：
Figure FDA0002459465510000034
i表示第i种储能设备，共有四种储能设备：储电设备、储热设备、储冷设备和储气设备；Si(t)是第i种储能装置t时刻储能状态；Ki,c和Ki,d分别是一组互斥的0-1状态变量，分别代表储能装置的充能与放能状态；ηi,c表示充能效率，ηi,d表示放能效率，PS,i,c(t)表示充能功率，PS,i,d(t)表示放能功率，Cbat是储能电池总容量。
4.根据权利要求1或2所述的离网型综合能源系统双层规划方法，其特征在于，上层优化模型的优化目标为：minF1＝Cga+Csa+Copt；
Figure FDA0002459465510000035
Figure FDA0002459465510000036
Copt＝Cop+Cgas+Cwg
Figure FDA0002459465510000037
Figure FDA0002459465510000038
Figure FDA0002459465510000039
Cga是综合能源系统产能设备的日等效成本；Csa是储能设备日等效成本；Copt为综合能源系统日运行成本；n1是供能设备种类；mg,i是第i种供能设备的单位购置成本，Pg,i表示第i种供能设备配置容量，Yg,i为第i种供能设备使用寿命；n2是储能设备种类；r0是贴现率；mps,j与mes,i是表示第j种储能设备的单位功率成本和单位容量成本，Ps,j与Es,j表示第j种储能设备配置的功率与容量，Ys,j表示第j种储能设备的使用寿命，储能设备包括储冷、储热、储电与储气设备，Cop是综合能源系统设备日运行成本，Cgas综合能源系统天然气购买成本，Cwg是综合能源系统环境污染成本；pk是第k种供能季所占全年比例，mopg,i是第i种供能设备单位运行维护成本，Pg,i(t)是第i种供能设备在t时间段所传输的能量，mng是购入天然气的单位成本；Png(t)是t时间段内综合能源系统购入的天然气量；
Figure FDA0002459465510000041
与
Figure FDA0002459465510000042
分别是微型燃气轮机单位碳排放量与燃气锅炉单位碳排放量；PGT(t)是微型燃气轮机输出功率，PGB(t)是燃气锅炉输出功率。
5.根据权利要求4所述的离网型综合能源系统双层规划方法，其特征在于，上层模型约束条件包括：
供能设备功率配置约束：
Figure FDA0002459465510000043
Figure FDA0002459465510000044
表示第i种供能设备的配置容量，
Figure FDA0002459465510000045
表示第i种供能设备允许配置的最大容量；
储能设备安装功率约束：
Figure FDA0002459465510000046
Figure FDA0002459465510000047
表示第j种储能设备配置功率，
Figure FDA0002459465510000048
表示第j种储能设备最大允许配置功率；
储能设备安装容量约束：
Figure FDA0002459465510000051
Figure FDA0002459465510000052
表示第j种储能设备配置容量，
Figure FDA0002459465510000053
表示第j种储能设备最大允许配置容量。
6.根据权利要求5所述的离网型综合能源系统双层规划方法，其特征在于，下层优化模型优化目标为：minF2＝Clm
Figure FDA0002459465510000054
Clm是系统缺负荷；Plmh(t)是第t时间段内热负荷的缺负荷值；Plmc(t)是t时间段内冷负荷的缺负荷值；Plme(t)是t时间段内电负荷的缺负荷值。
7.根据权利要求6所述的离网型综合能源系统双层规划方法，其特征在于，下层优化模型约束条件包括：
电功率平衡约束：
Figure FDA0002459465510000055
式中，Le为综合能源系统电负荷；PWT，PPV，PGT为风机、光伏与微型燃气轮机出力；PEC为电制冷机；PBS为储电装置出力；KEC为电制冷机的能效比；
Figure FDA0002459465510000056
是电转气装置消耗电能；
冷功率平衡约束：
Lc＝PEC+PAC-PCS
式中，Lc为综合能源系统冷负荷；PEC为电制冷机出力；PAC为溴化锂吸收式制冷机出力；PCS储冷装置出力；
热功率平衡约束：
Figure FDA0002459465510000057
式中，Lh分别为系统热负荷；PAC，PGB，PRB为溴化锂吸收式制冷机、燃气锅炉与余热锅炉出力；PHS储热装置出力；KAC为溴化锂吸收式制冷机的能效比；
气功率平衡：
Figure FDA0002459465510000061
Figure FDA0002459465510000062
ηGB为微型燃气轮机效率与燃气锅炉效率；PGAS是综合能源系统天然气输入等效功率，
Figure FDA0002459465510000063
为电转气装置输出天然气等效功率，PGS是储气设备出力；
供能设备出力约束：
Pg,i,min≤Pg,i(t)≤Pg,i,max
在所有冷、热、电、气储能设备运行过程中，充能和放能都应该满足其设备本身的上下限条件。式中，Pg,i(t)表示第i中供能设备在t时刻的出力，Pg,i,min表示出力的下限，Pg,i,max表示出力的上限；
储能设备充放能功率约束：
Figure FDA0002459465510000064
Figure FDA0002459465510000065
PS,j,c(t)，PS,j,d(t)分别是第j种储能设备在t时段的充放能功率；
Figure FDA0002459465510000066
Figure FDA0002459465510000067
分别是储能设备充能最大、最小值与放能最大最小值；ηj,c，ηj,d是储能设备的充能、放能效率；
储能状态约束：
Figure FDA0002459465510000068
Wj,min≤Wj(t)≤Wj,max
Wj(0)＝Wj(T)
Wj(t)与Wj(t+1)是第j种储能设备t时刻与t+1时刻结束时的剩余能量；Qj,c(t)，Qj,d(t)是储能设备t时段的充能与放能；dj,c(t)与dj,d(t)是0-1变量，表示储能设备t时刻的充放电状态，满足dj,c(t)+dj,d(t)＝1；Wj,max，Wj,min表示储能容量的上限与下限。
8.根据权利要求7所述的离网型综合能源系统双层规划方法，其特征在于，上层优化模型将生成的设备容量输入到下层优化模型，作为下层模型的约束条件；下层优化模型以系统缺负荷最小为目标对设备运行状态进行优化，求解获得综合能源系统的运行状态与缺负荷值输入到上层优化模型。
9.根据权利要求7所述的离网型综合能源系统双层规划方法，其特征在于，上、下层优化模型均采用自适应惯性权重粒子群算法进行求解，包括：
(1)输入设备参数、风光典型日数据，确定种群数量NUP，确定上层最大迭代数MUP，以设备容量为各粒子，初始化各粒子，初始化上层模型各粒子最优值和全局最优值；
(2)计算上层模型惯性权重；
(3)更新上层粒子速度与位置；
(4)将上层各粒子作为约束条件带入到下层模型中，生成系统初始运行状态，确定种群数量NDOWN，确定下层模型最大迭代数MDOWM，初始化下层模型中各粒子最优值和全局最优值；
(5)计算下层模型惯性权重；
(6)更新下层粒子速度与位置；
(7)计算下层模型中各粒子适应值即缺负荷值；
(8)更新下层模型中各粒子最优值与全局最优值；
(9)判断是否达到下层模型最大迭代数MDOWM；若未达到，返回(5)；若达到，进入(10)；
(10)将下层模型全局最优值所对应的适应值即缺负荷值返回上层模型；
(11)利用下层模型传递上来的缺负荷值，计算上层模型各粒子适应值即总成本；
(12)更新上层模型中各粒子最优值与全局最优值；
(13)判断是否达到上层模型最大迭代数MUP，若未达到，返回(2)；若达到，进入(14)；
(14)输出最优容量配置结果。
CN202010315969.3A 2020-04-21 2020-04-21 一种离网型综合能源系统双层规划方法 Active CN111445090B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010315969.3A CN111445090B (zh) 2020-04-21 2020-04-21 一种离网型综合能源系统双层规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010315969.3A CN111445090B (zh) 2020-04-21 2020-04-21 一种离网型综合能源系统双层规划方法

Publications (2)

Publication Number Publication Date
CN111445090A true CN111445090A (zh) 2020-07-24
CN111445090B CN111445090B (zh) 2021-07-30

Family

ID=71652099

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010315969.3A Active CN111445090B (zh) 2020-04-21 2020-04-21 一种离网型综合能源系统双层规划方法

Country Status (1)

Country Link
CN (1) CN111445090B (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111985105A (zh) * 2020-08-20 2020-11-24 重庆大学 一种计及热动态特性的多微能源网系统可靠性评估方法
CN112001648A (zh) * 2020-08-27 2020-11-27 广东电网有限责任公司广州供电局 区域供能系统机组配置方法、装置、终端及存储介质
CN112085263A (zh) * 2020-08-28 2020-12-15 国网山东省电力公司临沂供电公司 一种用户侧分布式能源系统混合储能优化配置方法和系统
CN112365299A (zh) * 2020-12-03 2021-02-12 天津大学 考虑电池寿命损耗的综合能源电/热混合储能配置方法
CN112383053A (zh) * 2020-11-19 2021-02-19 东北大学 一种基于改进粒子群算法的综合能源系统优化调度方法
CN112784484A (zh) * 2021-01-19 2021-05-11 国网江苏省电力有限公司经济技术研究院 一种区域综合能源系统多目标优化方法及优化系统
CN113159407A (zh) * 2021-04-14 2021-07-23 北京交通大学 基于区域综合能源系统的多能储存模块容量优化配置方法
CN113158547A (zh) * 2021-03-11 2021-07-23 上海电力大学 计及经济性和可靠性的区域综合能源系统优化配置方法
CN113344357A (zh) * 2021-05-31 2021-09-03 东南大学 基于频域动态指标的综合能源系统的设计方法
CN113364051A (zh) * 2021-06-22 2021-09-07 国网山东省电力公司经济技术研究院 考虑海上风电接入的多电源系统容量配置调度方法及装置
CN113393077A (zh) * 2021-04-26 2021-09-14 广东电网有限责任公司广州供电局 考虑用户用能不确定性的电-气多能存储系统配置方法
CN113469430A (zh) * 2021-06-29 2021-10-01 华电电力科学研究院有限公司 综合用能园区的多能互补容量配置方法
CN113642802A (zh) * 2021-08-24 2021-11-12 国网江苏省电力有限公司营销服务中心 一种基于碳计量模型的综合能源站能源优化调度方法和系统
CN113779783A (zh) * 2021-08-30 2021-12-10 国网上海市电力公司 计及多重不确定性的区域综合能源系统规划与运行联合优化方法
CN113988473A (zh) * 2021-11-23 2022-01-28 国网北京市电力公司 一种区域内能源的配置方法、系统、装置及存储介质
CN114142460A (zh) * 2021-11-17 2022-03-04 浙江华云电力工程设计咨询有限公司 综合能源系统中储能双层目标优化配置方法及终端

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106022503A (zh) * 2016-03-17 2016-10-12 北京睿新科技有限公司 面向具有耦合型电冷热需求的微电网容量规划方法
CN108446809A (zh) * 2018-04-09 2018-08-24 国网河南省电力公司经济技术研究院 一种区域综合能源设备及网络双层优化配置方法
CN109885009A (zh) * 2019-03-19 2019-06-14 广东电网有限责任公司电网规划研究中心 计及电转气规划的多能互补园区能源优化配置方法
CN110428103A (zh) * 2019-07-31 2019-11-08 广东电网有限责任公司 一种综合能源系统中可再生能源储能系统协同规划方法
CN111008760A (zh) * 2019-11-12 2020-04-14 东南大学 一种冷热电联供微电网系统的双层优化方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106022503A (zh) * 2016-03-17 2016-10-12 北京睿新科技有限公司 面向具有耦合型电冷热需求的微电网容量规划方法
CN108446809A (zh) * 2018-04-09 2018-08-24 国网河南省电力公司经济技术研究院 一种区域综合能源设备及网络双层优化配置方法
CN109885009A (zh) * 2019-03-19 2019-06-14 广东电网有限责任公司电网规划研究中心 计及电转气规划的多能互补园区能源优化配置方法
CN110428103A (zh) * 2019-07-31 2019-11-08 广东电网有限责任公司 一种综合能源系统中可再生能源储能系统协同规划方法
CN111008760A (zh) * 2019-11-12 2020-04-14 东南大学 一种冷热电联供微电网系统的双层优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HAO XIAO 等: "Bi-level Planning for Integrated Energy Systems Incorporating Demand Response and Energy Storage Under Uncertain Environments Using Novel Metamodel", 《CSEE JOURNAL OF POWER AND ENERGY SYSTEMS》 *

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111985105A (zh) * 2020-08-20 2020-11-24 重庆大学 一种计及热动态特性的多微能源网系统可靠性评估方法
CN112001648A (zh) * 2020-08-27 2020-11-27 广东电网有限责任公司广州供电局 区域供能系统机组配置方法、装置、终端及存储介质
CN112085263A (zh) * 2020-08-28 2020-12-15 国网山东省电力公司临沂供电公司 一种用户侧分布式能源系统混合储能优化配置方法和系统
CN112383053A (zh) * 2020-11-19 2021-02-19 东北大学 一种基于改进粒子群算法的综合能源系统优化调度方法
CN112365299A (zh) * 2020-12-03 2021-02-12 天津大学 考虑电池寿命损耗的综合能源电/热混合储能配置方法
CN112784484B (zh) * 2021-01-19 2022-08-02 国网江苏省电力有限公司经济技术研究院 一种区域综合能源系统多目标优化方法及优化系统
CN112784484A (zh) * 2021-01-19 2021-05-11 国网江苏省电力有限公司经济技术研究院 一种区域综合能源系统多目标优化方法及优化系统
CN113158547A (zh) * 2021-03-11 2021-07-23 上海电力大学 计及经济性和可靠性的区域综合能源系统优化配置方法
CN113158547B (zh) * 2021-03-11 2022-10-18 上海电力大学 计及经济性和可靠性的区域综合能源系统优化配置方法
CN113159407A (zh) * 2021-04-14 2021-07-23 北京交通大学 基于区域综合能源系统的多能储存模块容量优化配置方法
CN113159407B (zh) * 2021-04-14 2023-12-19 北京交通大学 基于区域综合能源系统的多能储存模块容量优化配置方法
CN113393077B (zh) * 2021-04-26 2023-03-14 广东电网有限责任公司广州供电局 考虑用户用能不确定性的电-气多能存储系统配置方法
CN113393077A (zh) * 2021-04-26 2021-09-14 广东电网有限责任公司广州供电局 考虑用户用能不确定性的电-气多能存储系统配置方法
CN113344357B (zh) * 2021-05-31 2023-10-03 东南大学 基于频域动态指标的综合能源系统的设计方法
CN113344357A (zh) * 2021-05-31 2021-09-03 东南大学 基于频域动态指标的综合能源系统的设计方法
CN113364051A (zh) * 2021-06-22 2021-09-07 国网山东省电力公司经济技术研究院 考虑海上风电接入的多电源系统容量配置调度方法及装置
CN113469430A (zh) * 2021-06-29 2021-10-01 华电电力科学研究院有限公司 综合用能园区的多能互补容量配置方法
CN113469430B (zh) * 2021-06-29 2024-02-09 华电电力科学研究院有限公司 综合用能园区的多能互补容量配置方法
CN113642802A (zh) * 2021-08-24 2021-11-12 国网江苏省电力有限公司营销服务中心 一种基于碳计量模型的综合能源站能源优化调度方法和系统
CN113642802B (zh) * 2021-08-24 2024-02-02 国网江苏省电力有限公司营销服务中心 一种基于碳计量模型的综合能源站能源优化调度方法和系统
CN113779783A (zh) * 2021-08-30 2021-12-10 国网上海市电力公司 计及多重不确定性的区域综合能源系统规划与运行联合优化方法
CN114142460A (zh) * 2021-11-17 2022-03-04 浙江华云电力工程设计咨询有限公司 综合能源系统中储能双层目标优化配置方法及终端
CN114142460B (zh) * 2021-11-17 2024-03-15 浙江华云电力工程设计咨询有限公司 综合能源系统中储能双层目标优化配置方法及终端
CN113988473A (zh) * 2021-11-23 2022-01-28 国网北京市电力公司 一种区域内能源的配置方法、系统、装置及存储介质

Also Published As

Publication number Publication date
CN111445090B (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
CN111445090B (zh) 一种离网型综合能源系统双层规划方法
CN109327042B (zh) 一种微电网多能源联合优化调度方法
CN109193626B (zh) 一种分布式能源站选型与定容优化规划统一求解方法
CN108154309B (zh) 计及冷热电多负荷动态响应的能源互联网经济调度方法
CN110826815B (zh) 一种考虑综合需求响应的区域综合能源系统运行优化方法
CN107807523A (zh) 考虑分时电价的区域能源互联网多源协调优化运行策略
CN106779471B (zh) 一种多能互联交直流混合微电网系统及优化配置方法
CN103745268A (zh) 含分布式电源的微电网多目标优化调度方法
CN111737884B (zh) 一种含多种清洁能源微能源网多目标随机规划方法
CN109523065A (zh) 一种基于改进量子粒子群算法的微能源网优化调度方法
CN108521132B (zh) 多能互补支撑电网频率调节的多时间尺度优化控制方法
CN111144620A (zh) 一种考虑季节储氢的电氢综合能源系统及其鲁棒规划方法
CN110391655B (zh) 一种含多能源耦合的微能源网经济优化调度方法及装置
CN111860937A (zh) 基于改进多目标灰狼算法的冷热电联供型微电网优化方法
CN113159407B (zh) 基于区域综合能源系统的多能储存模块容量优化配置方法
CN113255198B (zh) 一种含虚拟储能的冷热电联供微电网多目标优化方法
CN112883630B (zh) 用于风电消纳的多微网系统日前优化经济调度方法
CN108197412B (zh) 一种多能源耦合能量管理系统及优化方法
CN114066204A (zh) 一种综合能源系统的一体化优化规划与运行方法及装置
CN109768567A (zh) 一种耦合多能源互补系统的优化调度方法
CN113255224A (zh) 一种基于发光萤火虫算法的能源系统配置优化方法
CN113033900A (zh) 一种园区级综合能源系统容量优化配置方法和系统
CN114386256A (zh) 一种考虑电热设备灵活性约束及热网特性的区域电热系统优化调度方法
CN114421536A (zh) 一种基于储能的多能源互动调控方法
Wang et al. Research on multi-objective planning and optimization of integrated energy system based on economy and environmental protection

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