CN111460361A - 用于多能互补综合能源系统的优化方法、系统及设备 - Google Patents

用于多能互补综合能源系统的优化方法、系统及设备 Download PDF

Info

Publication number
CN111460361A
CN111460361A CN202010170068.XA CN202010170068A CN111460361A CN 111460361 A CN111460361 A CN 111460361A CN 202010170068 A CN202010170068 A CN 202010170068A CN 111460361 A CN111460361 A CN 111460361A
Authority
CN
China
Prior art keywords
energy
equipment
point
optimization
generator set
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
CN202010170068.XA
Other languages
English (en)
Other versions
CN111460361B (zh
Inventor
孙波
杨君如
张立志
张承慧
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.)
Shandong University
Original Assignee
Shandong 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 Shandong University filed Critical Shandong University
Priority to CN202010170068.XA priority Critical patent/CN111460361B/zh
Publication of CN111460361A publication Critical patent/CN111460361A/zh
Application granted granted Critical
Publication of CN111460361B publication Critical patent/CN111460361B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • 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
    • 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

本公开提供了一种用于多能互补综合能源系统的优化方法、系统及设备，涉及能源利用技术领域，解决的是现有的综合能源系统的建设缺乏系统性设计指导的问题，具体方案为采用最大矩形法对新能源发电设备、P2G设备和发电机组的容量进行配置；采用两级优化模型对锅炉和热泵的容量进行配置，对发电机组、锅炉和热泵设备的出力进行优化；利用本公开所述的方法进行综合能源系统的优化涉及，各用能点间联系密切，结构灵活，便于后期扩大综合系统区域，也对线路损坏有较强的适应能力，可以较好保证各用能点的能量供应。

Description

用于多能互补综合能源系统的优化方法、系统及设备
技术领域
本公开涉及能源利用技术领域，特别涉及一种用于多能互补综合能源系统的优化方法、系统及设备。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术，并不必然构成现有技术。
在能源短缺和环境恶化的背景下，如何实现可持续发展是当今时代的热点问题。综合能源系统集成能量生产、转换、存储技术，包括新能源发电、冷热电联供系统、电制冷系统、储能系统，是解决能源和环境危机的有效途径，其中，冷热电联供系统利用发电机组余热，基于能量梯级利用原理，同时满足用户电、冷、热多元需求，是科学用能的典范。另一方面，电制气(Power To Gas，简称P2G)技术的产生推动了冷热电气四联供技术的发展，而综合能源系统是包含冷热电气四联供系统的复杂度更高，成本也提高的庞大系统，其往往覆盖区域大且各区域间联系密切。综合能源系统的优化即旨在合理利用资源，实现多能互补，降低成本，力求节能减排。
本公开发明人发现，在实际的应用中，综合能源系统的建设缺乏系统性设计指导，建成的工程多是凭经验建设，缺乏科学性，这主要是因为目前尚无集综合能源系统拓扑结构设计、系统设备容量配置和运行优化的系统优化方法，也缺少基于系统优化方法构建的系统优化设计平台。
发明内容
为了解决现有技术的不足，本公开提供了一种用于多能互补综合能源系统的优化方法、系统及设备，实现了能源的区域平衡，能量的交互与P2G气网结合风电和光电配合运作，有效解决了弃风弃光问题。
为了实现上述目的，本公开采用如下技术方案：
本公开第一方面提供了一种多能互补综合能源系统优化方法。
一种用于多能互补综合能源系统的优化方法，包括以下步骤：
采用最大矩形法对新能源发电设备、P2G设备和发电机组的容量进行配置；
实时采集能源系统中各个设备的运行数据和配置信息；
以总成本最低、碳排放处理成本最低和投资回收期最低为目标，采用两级优化模型对锅炉和热泵的容量进行配置，对发电机组、锅炉和热泵设备的出力进行优化。
作为可能的一些实现方式，所述两级优化模型具体为：一级优化使用二级优化的设备t时刻出力结果，采用遗传算法，得到设备容量配置结果；二级优化采用一级优化的设备容量配置结果，采用非线性规划方法，得到设备t时刻的出力结果。
本公开第二方面提供了一种用于多能互补综合能源系统的优化设计系统，包括：
数据采集模块，被配置为：采集系统设计所需的各建设区域点用能信息和位置信息、系统建设区域地域信息、系统设计所需设备经济成本信息、系统设计需满足的特殊设计要求和设计标准信息；
图形计算处理模块，被配置为：根据采集到的数据进行系统拓扑结构设计；
基础设备选择模块，被配置为：进行发电机组、供暖制冷机组和P2G设备的选择；
新能源发电设备选择模块，被配置为：进行新能源发电设备的选址和定容；
设备配置及运行优化模块，被配置为：采用最大矩形法对新能源发电设备、P2G设备和发电机组的容量进行配置；采用两级优化模型对锅炉和热泵的容量进行配置，对发电机组、锅炉和热泵设备的出力进行优化。
本公开第三方面提供了一种电子设备，包括本公开第二方面所述的用于多能互补综合能源系统的优化设计系统。
与现有技术相比，本公开的有益效果是：
1、本公开所述的设计方法、系统及电子设备，提出了对实际综合能源系统建设有指导意义的科学方法，设计了包含热(冷)、电、气网络的完备系统，达到了节能环保的目的；能量网络的建立实现了区域平衡的效果，可以把甲地多余的能量转移到乙地使用，能量的交互与P2G气网结合风、光电使用，有效解决了弃风弃光问题。
2、本公开所述的设计方法、系统及电子设备，各用能点间联系密切，结构灵活，便于后期扩大综合系统区域，也对线路损坏有较强的适应能力，可以较好保证各用能点的能量供应。
附图说明
图1为本公开实施例1提供的用于多能互补综合能源系统的优化方法的流程示意图。
图2为本公开实施例2提供的用于多能互补综合能源系统的优化设计系统的结构示意图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
实施例1：
如图1所示，本公开实施例1提供了一种用于多能互补综合能源系统的优化方法，是针对多点用能结构做出的系统设计方法，具体如下：
(1)系统拓扑结构设计。
为保证系统内各用能点相互联系且具备线路损坏情况下持续供能能力，应使每个用能点均至少有两条供能路径即两条连线；为尽可能发挥对发电机组能量的梯级利用优势，应保证核心发电机组供能辐射范围尽可能大，故应使核心发电机组位于连线较多的用能点处，且尽量处于系统内部，故须使系统拓扑轮廓为环状或多环状，环中点仍应保证至少有两条连线；
为保证系统内能量输送损耗尽可能降低，应使总连线长度尽可能小，由于核心发电机组可能不能完全覆盖整个系统区域，故应添加辅助发电机组满足全区域稳定供能需求，采用聚类分析方式对用能点进行分类，得到多个中心点，选择不同于核心发电机组位置的中心点，添加辅助发电机组，最终得到系统的拓扑结构。
其中一条路径可以表示为下式的形式：
Figure BDA0002408873070000051
其中，ci表示顶点，ei表示与该顶点相连的一条连线，f表示顶点或连线的标号。
拓扑结构优化模型：
优化目标：系统能源输送总损耗最低。
优化算法：弗洛伊德矩阵算法。
(2)系统设备容量配置和运行优化方法。
(2-1)系统容量配置分为两部分，一部分包括：新能源发电设备、P2G设备的容量配置，采用最大矩形法确定；另一部分包括：发电机组、锅炉、热泵、余热回收设备的容量配置，采用两级优化模型确定。
(2-2)两级优化模型中：
优化目标：系统同时满足总成本最低、碳排放处理成本最低和投资回收期最低。
优化变量：各中心点处锅炉、热泵设备的容量；发电机组、锅炉、热泵设备的t时刻出力。
求解方法选为，遗传算法和非线性规划方法。
(2-3)优化模型具体表现为：
一级优化使用二级优化的设备t时刻出力结果，采用遗传算法，得到设备容量配置结果；二级优化使用一级优化的设备容量配置结果，采用非线性规划方法，得到设备t时刻出力结果。
余热设备的容量配置使用两级优化得到，在两级优化中，一旦发电机组容量及出力确定，就可以得到余热量，从而得到余热设备容量。
(2-4)系统能量流动平衡方程。
其中用能关系满足：
Ei,cn,in(t)ηij,cn(t)＝Ej,cn,out(t) (2)
其中Ei,cn,in(t)表示t时刻属于点c的n设备的输入能量形式i的功率，Ej,cn,out(t)表示t时刻属于点c的n设备的输出能量形式j的功率。ηij,cn(t)表示t时刻属于点c的n设备对能量i到能量形式j的转化效率。
Figure BDA0002408873070000061
其中Ej,np(t)表示系统中供能设备n产生的j种能量形式的终端供能功率，Ej,l(t)表示系统中对于能量形式j的负荷需求。M表示系统中设备总数。
系统能量关系模型简化为点节点模型：
Figure BDA0002408873070000062
其中Ecr,j(t)表示点c连线r中能量形式j的传输功率，Ecn,j(t)表示点c中设备n产生的j能量形式功率，Ec,jl(t)表示点c对能量形式j的负荷需求；σ(t)表示连线r能量流动方向，当σ(t)＝1时，能量流入点c；当σ(t)＝-1时，能量流出点c。θj表示能量形式j在传输连线上的损耗率，Lr表示点c连线r的长度。s表示点c处的连线总数目。
实施例2：
如图2所示，本公开实施例2提供的用于多能互补综合能源系统的优化设计系统，是针对多点用能结构做出的系统设计平台，包括：
(1)信息采集收集模块：负责系统设计所需新的收集整理。
(1-1)采集系统设计所需的各建设区域点用能信息和位置信息。
(1-2)采集系统建设区域地域信息，包括其地理经纬度信息、地理地形信息、天气信息、区域资源分布信息，建筑高层屋顶条件信息等。
(1-3)采集系统设计所需设备经济成本信息，碳排放处理成本信息，各转化效率信息等。
(1-4)采集系统设计需满足的特殊设计要求，设计标准信息。
(2)图形计算处理模块：负责系统拓扑结构设计。
(2-1)利用采集的各点用能信息和位置信息，按一定比例绘制用能点分布图。
(2-2)根据用能点分布图，连接部分点构成包络区域，使全部的点都在区域内部或连线上。
(2-3)分别选择区域内部且不在连线上的孤立点，使孤立点相互连接并与包络区域线上至少两点相连。若区域内部无孤立点，则使区域内部至少有一条连线沟通区域内部。
(2-4)使总连线长度最短。得到精确用能点模型(用于确定系统的拓扑结构)。
(2-5)选择一个与其他点连线数最大的点作为核心中心点A。
(2-6)计算各点与其他点连线长度，使用聚类算法得到与点A不同的多个中心点B，C…
(2-7)用最短线连接中心点A，B，C…得到中心点模型(用于构建能量平衡方程)，用于对设备容量和运行实现两级优化时，减少计算量，简化计算(构建能量平衡方程不使用复杂的精确用能点模型网络，而使用简化的中心点模型网络可以达此目的)。
(3)基础设备一次选择模块：负责系统基础设备的一次选择。
(3-1)发电机组设备选择：
(3-1-1)核心中心点A作为核心发电机组的选址，可以在减少损耗的前提下尽可能满足更多地区的能量供应。
(3-1-2)在聚类分析得到的中心点B，C…处，均设置辅助发电机组。
(3-1-3)各发电机组容量分别由各对应中心点辐射范围内用能点总负荷决定，采用最大矩形法确定。
(3-2)供暖制冷相关机组选择：
(3-2-1)根据数据收集部信息，选择设备。根据当地气候条件，资源分布状况等，确定水源热泵，地源热泵，空气源热泵的使用情况。
(3-2-2)选择电锅炉和燃气锅炉作为辅助供暖设备，余热回收制冷设备、电空调和燃气直燃机作为辅助制冷供暖设备。
(3-3)P2G及相关设备选择：
(3-3-1)电解水设备及相关机组，其产生氢气制为甲烷，并混入燃气管道中供给系统燃气。
(3-3-2)P2G设备选址于设有风电机组或太阳能发电集中地区。优先选址于风电机组附近。
(3-3-3)P2G设备容量由风电或太阳能发电机组发电冗余量决定，采用最大矩形法确定。
(4)新能源发电设备选择模块：负责新能源发电设备的选址定容。
(4-1)风电机组选择：风电机组选址于有风场条件地区；风电机组容量由风场条件决定。
(4-2)光伏机组选择：光伏机组选址于条件适宜的屋顶；光伏机组容量由可利用面积决定。
(4-3)生物质发电机组选择：生物质发电机组选址于远离各中心点且生物质资源条件良好地区；生物质发电机组容量由生物质资源条件决定。
(5)设备配置及运行优化模块：负责系统优化的核心计算。
(5-1)新能源各发电机组在所需条件满足情况下，取最大容量。
(5-2)P2G机组及相关设备容量由风电机组或光伏发电机组冗余发电量决定。
(5-3)核心发电机组和辅助发电机组容量分别由各中心点辐射范围内用能点总负荷决定。
(5-4)其他设备容量及全部设备运行情况，采用遗传算法和非线性规划方法计算得出。
系统容量配置和优化采用两级循环优化方式，第一级优化容量，第二级优化运行，采用遗传算法和非线性规划方法，两级结果交互传递，多次迭代，得到最终容量配置和运行优化的结果。
优化的目标为：系统同时满足总成本最低、碳排放处理成本最低和投资回收期最低及系统设计特殊需求。
优化变量为：各中心点处锅炉、热泵设备的容量；发电机组、锅炉、热泵设备的t时刻出力。
求解方法为：遗传算法和非线性规划。
能量平衡方程根据中心点模型构建。
得到优化结果后，删除容量配置结果为零的设备。
综上所述，可以得到最终各设备最优配置和运行优化结果。
(6)结果显示界面模块：负责显示出系统优化设计结果。
(6-1)显示精确用能点模型图，表现系统拓扑结构。
(6-2)显示各发电机组容量和选址信息。
(6-3)显示其他设备容量配置和运行优化结果。
实施例3：
本公开实施例3提供了一种电子设备，包括本公开实施例2所述的用于多能互补综合能源系统的优化设计系统。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种用于多能互补综合能源系统的优化方法，其特征在于，包括以下步骤：
采用最大矩形法对新能源发电设备、P2G设备和发电机组的容量进行配置；
实时采集能源系统中各个设备的运行数据和配置信息；
以总成本最低、碳排放处理成本最低和投资回收期最低为目标，采用两级优化模型对锅炉和热泵的容量进行配置，对发电机组、锅炉和热泵设备的出力进行优化。
2.如权利要求1所述的用于多能互补综合能源系统的优化方法，其特征在于，实时采集能源系统中各中心点处的设备的运行数据，所述中心点采用聚类分析方式对用能点进行分类得到；
每个用能点均至少有两条供能路径，核心发电机组位于连线最多的用能点处，在不同于核心发电机组位置的中心点处添加辅助发电机组；
或者，
采用两级优化模型进行优化，具体为：一级优化使用二级优化的设备t时刻出力结果，采用遗传算法，得到设备容量配置结果；二级优化采用一级优化的设备容量配置结果，采用非线性规划方法，得到设备t时刻的出力结果。
3.一种用于多能互补综合能源系统的优化设计系统，其特征在于，包括：
数据采集模块，被配置为：采集系统设计所需的各建设区域点用能信息和位置信息、系统建设区域地域信息、系统设计所需设备经济成本信息、系统设计需满足的特殊设计要求和设计标准信息；
图形计算处理模块，被配置为：根据采集到的数据进行系统拓扑结构设计；
基础设备选择模块，被配置为：进行发电机组、供暖制冷机组和P2G设备的选择；
新能源发电设备选择模块，被配置为：进行新能源发电设备的选址和定容；
设备配置及运行优化模块，被配置为：采用最大矩形法对新能源发电设备、P2G设备和发电机组的容量进行配置；采用两级优化模型对锅炉和热泵的容量进行配置，对发电机组、锅炉和热泵设备的出力进行优化。
4.如权利要求3所述的用于多能互补综合能源系统的优化设计系统，其特征在于，所述图形计算处理模块根据采集到的数据进行系统拓扑结构设计，具体为：
利用采集的各点用能信息和位置信息，按预设比例绘制用能点分布图；
根据用能点分布图，连接部分点构成包络区域，使全部的点都在区域内部或连线上；
分别选择区域内部且不在连线上的孤立点，使孤立点相互连接并与包络区域线上至少两点相连，若区域内部无孤立点，则使区域内部至少有一条连线沟通区域内部；
使总连线长度最短，得到用能点模型；
选择一个与其他点连线数最大的点作为核心中心点；
计算各点与其他点连线长度，使用聚类算法得到与核心中心点不同的多个中心点
用最短线连接各个中心点得到中心点模型，采用中心点模型构建能量平衡方程。
5.如权利要求4所述的用于多能互补综合能源系统的优化设计系统，其特征在于，能量平衡方程，具体为：
Figure FDA0002408873060000031
其中，Ecr，j(t)表示点c连线r中能量形式j的传输功率，Ecn，j(t)表示点c中设备n产生的j能量形式功率，Ec，jl(t)表示点c对能量形式j的负荷需求；σ(t)表示连线r能量流动方向，θj表示能量形式j在传输连线上的损耗率，Lr表示点c连线r的长度，s表示点c处的连线总数目。
6.如权利要求4所述的用于多能互补综合能源系统的优化设计系统，其特征在于，发电机组设备的选择，具体为：
核心中心点作为核心发电机组的选址；
在聚类分析得到的中心点处均设置辅助发电机组；
各发电机组容量分别由各对应中心点辐射范围内用能点总负荷决定，采用最大矩形法确定；
或者，
P2G设备的选择，具体为：P2G设备选址于设有风电机组或太阳能发电集中地区，容量根据风电或太阳能发电机组发电冗余量，采用最大矩形法确定。
7.如权利要求3所述的用于多能互补综合能源系统的优化设计系统，其特征在于，所述设备配置及运行优化模块中，新能源各发电机组在所需条件满足情况下取最大容量。
8.如权利要求7所述的用于多能互补综合能源系统的优化设计系统，其特征在于，所述设备配置及运行优化模块中，以总成本最低、碳排放处理成本最低和投资回收期最低为目标，采用两级优化模型对锅炉和热泵的容量进行配置，对发电机组、锅炉和热泵设备的出力进行优化，具体为：
一级优化使用二级优化的设备t时刻出力结果，采用遗传算法，得到设备容量配置结果；二级优化采用一级优化的设备容量配置结果，采用非线性规划方法，得到设备t时刻的出力结果。
9.如权利要求3所述的用于多能互补综合能源系统的优化设计系统，其特征在于，所述设计系统还包括显示模块，被配置为：实时显示用能点模型图、系统拓扑结构、各发电机组容量和选址信息、设备容量配置和运行优化结果。
10.一种电子设备，其特征在于，包括权利要求3-9任一项所述的用于多能互补综合能源系统的优化设计系统。
CN202010170068.XA 2020-03-12 2020-03-12 用于多能互补综合能源系统的优化方法、系统及设备 Active CN111460361B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010170068.XA CN111460361B (zh) 2020-03-12 2020-03-12 用于多能互补综合能源系统的优化方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010170068.XA CN111460361B (zh) 2020-03-12 2020-03-12 用于多能互补综合能源系统的优化方法、系统及设备

Publications (2)

Publication Number Publication Date
CN111460361A true CN111460361A (zh) 2020-07-28
CN111460361B CN111460361B (zh) 2022-04-12

Family

ID=71684267

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010170068.XA Active CN111460361B (zh) 2020-03-12 2020-03-12 用于多能互补综合能源系统的优化方法、系统及设备

Country Status (1)

Country Link
CN (1) CN111460361B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113051752A (zh) * 2021-03-22 2021-06-29 西安热工研究院有限公司 一种与煤电耦合的高压空气储能系统最优热源的确定方法
CN114595584A (zh) * 2022-03-14 2022-06-07 南方电网数字电网研究院有限公司 多能源互补的区域终端用能配置方法及装置

Citations (3)

* 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
CN109523092A (zh) * 2018-12-13 2019-03-26 山东大学 多能互补冷热电联供系统及其协同调度方法
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

Patent Citations (3)

* 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
CN109523092A (zh) * 2018-12-13 2019-03-26 山东大学 多能互补冷热电联供系统及其协同调度方法
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张立志 等: "可再生能源冷热电联供系统两级优化设计研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑(月刊)》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113051752A (zh) * 2021-03-22 2021-06-29 西安热工研究院有限公司 一种与煤电耦合的高压空气储能系统最优热源的确定方法
CN114595584A (zh) * 2022-03-14 2022-06-07 南方电网数字电网研究院有限公司 多能源互补的区域终端用能配置方法及装置
CN114595584B (zh) * 2022-03-14 2023-06-30 南方电网数字电网研究院有限公司 多能源互补的区域终端用能配置方法及装置

Also Published As

Publication number Publication date
CN111460361B (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
Pahlavan et al. Feasibility study of solar water heaters in Algeria, a review
CN103257619B (zh) 一种智能建筑能源物联网及其集成方法
CN110348709A (zh) 基于氢能与储能设备的多能源系统的运行优化方法和装置
CN109103926A (zh) 基于多辐照特性年气象场景的光伏发电接纳能力计算方法
Ebrahimi et al. Optimal planning of on-grid hybrid microgrid for remote island using HOMER software, Kish in Iran
CN106447152A (zh) 基于能源中心的电‑气‑热系统协同调度方法和系统
CN111460361B (zh) 用于多能互补综合能源系统的优化方法、系统及设备
CN103187784B (zh) 一种优化光伏充电站集成系统的方法及装置
CN115859686B (zh) 考虑扩展碳排放流的综合能源系统低碳调度方法及系统
CN116151565A (zh) 一种基于多能流多层级的城市智慧能源系统构建方法和协同规划方法
CN112332450A (zh) 一种基于光伏储能和路灯照明的微电网控制装置
CN111090241A (zh) 一种能源系统可视化方法
Eltamaly Pairing between sites and wind turbines for Saudi Arabia Sites
König et al. Spatially-resolved analysis of the challenges and opportunities of Power-to-Gas (PtG) in Baden-Württemberg until 2040
CN114548956B (zh) 一种基于蜂窝拓扑的综合能源配电系统及其运行方法
CN113824213A (zh) 一种电力信息监控系统及其组网方法
Hu et al. Review on Modeling and Optimal Scheduling in Integrated Energy Systems
CN112926201A (zh) 综合能源系统供热规划方法、系统及装置
CN112381267A (zh) 一种面向工业园区的供水-供能耦合规划方法
CN113298164A (zh) 一种基于光伏出力不确定性的楼宇用能优化方法
Qais et al. Optimal sizing and operational strategy of PV and micro-hydro
Liu et al. Operation strategy for community integrated energy systems considering wind and solar power consumption
Goel et al. Solar energy in cities
Li et al. Optimization of continental power exchange under the framework of global energy interconnection
Ye et al. Research on optimal design and control method of integrated energy system based on improved cloud adaptive particle swarm

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