CN111476509A - 基于igdt模型的用户侧综合能源系统规划方法及装置 - Google Patents

基于igdt模型的用户侧综合能源系统规划方法及装置 Download PDF

Info

Publication number
CN111476509A
CN111476509A CN202010467091.5A CN202010467091A CN111476509A CN 111476509 A CN111476509 A CN 111476509A CN 202010467091 A CN202010467091 A CN 202010467091A CN 111476509 A CN111476509 A CN 111476509A
Authority
CN
China
Prior art keywords
energy system
igdt
model
user
power
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
CN202010467091.5A
Other languages
English (en)
Other versions
CN111476509B (zh
Inventor
雷金勇
郭祚刚
袁智勇
徐敏
黎小林
王�琦
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.)
China South Power Grid International Co ltd
China Southern Power Grid Co Ltd
Original Assignee
China South Power Grid International Co ltd
China Southern Power Grid 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 China South Power Grid International Co ltd, China Southern Power Grid Co Ltd filed Critical China South Power Grid International Co ltd
Priority to CN202010467091.5A priority Critical patent/CN111476509B/zh
Publication of CN111476509A publication Critical patent/CN111476509A/zh
Application granted granted Critical
Publication of CN111476509B publication Critical patent/CN111476509B/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
    • G06Q10/06—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
    • 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
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/16—Energy services, e.g. dispersed generation or demand or load or energy savings aggregation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Mathematical Physics (AREA)
  • Operations Research (AREA)
  • Mathematical Optimization (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Educational Administration (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (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

本申请提供了基于IGDT模型的用户侧综合能源系统规划方法及装置，通过输入基础数据；考虑用户侧综合能源系统中的经济成本、环境成本以及可靠性成本，构建用户侧综合能源系统规划模型；构建IGDT优化模型，考虑用户侧综合能源系统中可再生能源出力和冷热电负荷增长的不确定性，构建基于IGDT的用户侧综合能源系统规划模型；根据所述基础数据与所述基于IGDT的用户侧综合能源系统规划模型，求解并输出所述基于IGDT的用户侧综合能源系统规划结果。本申请的技术方案更贴合于实际问题，具有较好的理论研究价值和实际应用价值，有效提高用户侧综合能源系统规划的经济性、可靠性、稳定性，提高方案的可行性。

Description

基于IGDT模型的用户侧综合能源系统规划方法及装置
技术领域
本发明涉及电网技术领域，具体涉及基于IGDT模型的用户侧综合能源系统规划方法及装置。
背景技术
为积极推动能源结构调整，妥善应对石化能源短缺和扎实推进环保工作，近年来我国开始实施以电代煤、以气代煤的能源发展战略，使得能源间的联系日趋紧密，打破了各能源分开规划、独立运行的既有模式，逐步形成了配电和配气等多系统协调运行、多元能源互补互济的园区综合能源系统。
用户侧综合能源系统的经济稳定运行是提高供能可靠性的重要保证。由于系统中负荷终端能源消费形式多样，冷热电负荷需求特性各异、变化频繁、峰谷差大，导致系统电压与气压在长时间尺度下存在较大波动且分布极不平衡，干扰设备正常运行，降低了供能质量和稳定性，同时由于综合能源系统中大量采用新能源电力，风电、光伏的出力不确定性也为综合能源系统的规划和运行提出了挑战。
有关综合能源系统扩展规划问题，近年来许多学者都进行了相关的研究，现有技术主要有：在给定地区能源供给需求的情况下，确定综合能源系统各组件设备的选址容量问题，以及结合经济性、可靠性、稳定性综合目标的综合能源系统规划模型等。然而现有的研究模型都是基于确定性的综合能源系统规划模型。而综合能源系统规划是多元素、多维度、多目标、多层次、非线性的复杂规划问题，因此在建模与求解时需考虑连续、非连续、时变等特性，以及广泛存在于能源生产、传输、转换、消费等环节的各种不确定性。在不确定性方面，由于综合能源系统全面涵盖电、热、气、冷等能源形式，并具有种类众多的能源生产设备、能源转换设备以及能源存储设备，会受到诸多不确定因素的影响，其不确定性分析比电力系统更为复杂。现有技术只是将电力系统的不确定性理论应用于综合能源系统规划中，单方面考虑电源出力不确定性或者负荷不确定性问题，忽略了综合不确定因素导致的综合能源系统规划中经济性、可靠性、稳定性等问题。
信息间隙决策理论(information gap decision theory，IGDT)是由Ben-Haim于2001年首次提出，它是用于处理不确定信息的优化理论。它的优点在于在未知不确定因素概率分布的情况下，通过不确定因素的预测值与实际值之间的差值，来量化参数的不确定性，在决策变量可接受的范围内通过最大化不确定量的变化范围来获得一组鲁棒优化解。由于IGDT能够很好的处理不确定因素的问题，被大量应用于电力系统问题中，目前IGDT在电力系统中的主要应用为利用IGDT理论来建模分析处理如：电力市场价格的不确定性问题，配电网络中分布式电源的不确定性问题，同时考虑电力市场价格波动以及风电不确定性问题，以及电力系统机组组合和经济调度问题等。就目前而言，有关综合能源系统扩展规划中对于不确定性规划的研究较少，目前用户侧综合能源系统的规划模型着重研究能量生产、转化设备的类型选择和容量配置的问题，未见将IGDT理论应用于用户侧能源系统规划问题中，未见对综合能源系统中的可在生能源出力的不稳定及冷热电不同类型负荷增长的不确定性研究。
发明内容
本发明旨在提供基于IGDT模型的用户侧综合能源系统规划方法及装置，综合考虑用户侧综合能源系统中的经济成本、环境成本以及可靠性成本，解决综合能源系统中涉及的多重不确定性问题，贴合实际问题，具有较好的理论研究价值和实际应用价值。
基于此，本发明第一方面提供了基于IGDT模型的用户侧综合能源系统规划方法，包括：
输入基础数据；
考虑用户侧综合能源系统中的经济成本、环境成本以及可靠性成本，构建用户侧综合能源系统规划模型；
构建IGDT优化模型，考虑用户侧综合能源系统中可再生能源出力和冷热电负荷增长的不确定性，构建基于IGDT的用户侧综合能源系统规划模型；
根据所述基础数据与所述基于IGDT的用户侧综合能源系统规划模型，求解并输出所述基于IGDT的用户侧综合能源系统规划结果。
优选地，所述构建用户侧综合能源系统规划模型，包括：
以年总成本最小化为目标，建立用户侧综合能源系统规划模型的目标函数；
建立所述目标函数的约束条件。
优选地，所述目标函数为：
minC＝Cinv+Cop+Cenv+Cens (1)
Figure BDA0002513028690000031
Figure BDA0002513028690000032
Figure BDA0002513028690000033
Figure BDA0002513028690000034
式中，C表示年总成本；Cinv为投资成本，Cop为运行成本，Cenv为环境成本，Cens为负荷未供电损失成本；i表示设备类型，
Figure BDA0002513028690000035
为类型为i的设备投资成本，
Figure BDA0002513028690000036
为第i种设备的安装容量，
Figure BDA0002513028690000037
为第i种设备的单位容量投资成本，
Figure BDA0002513028690000038
是类型为i的某种设备的等年值因子，
Figure BDA0002513028690000039
为0/1规划变量，k为用能类型，包括电、热及冷；
Figure BDA00025130286900000310
为用能类型为k的线路/管道投资成本，
Figure BDA00025130286900000311
为用能类型为k的线路/管道投资长度，
Figure BDA00025130286900000312
为用能类型为k的线路/管道的单位投资成本；
Figure BDA00025130286900000313
为用能类型为k的某种管道的等年值因子；
Figure BDA00025130286900000314
表示类型为i的设备年运行成本，
Figure BDA00025130286900000315
为用能类型为k的线路/管道年运维成本，Cbuy为综合能源系统外购能成本，包括从外购电成本和购气成本；d为第d个典型日，θd为一年中典型日的累积天数，D表示每年的典型日总数；
Figure BDA00025130286900000316
分别表示设备和管道的单位运维成本，元/(kW·h)；
Figure BDA00025130286900000317
为在典型日d的时段t设备i的输出功率；
Figure BDA00025130286900000318
为在典型日d的时段t通过线路/管道的用能类型为u的功率；
Figure BDA00025130286900000319
和
Figure BDA00025130286900000320
分别表示向大电网购买电能的价格和电量；
Figure BDA00025130286900000321
为综合能源系统买气的价格，
Figure BDA00025130286900000322
为在典型日d时段t消耗的燃料量；η为碳排放税，元/吨；cgrd为外购电的碳排放强度，吨/(kW·h)；
Figure BDA00025130286900000323
为综合能源系统设备i发电的碳排放强度，
Figure BDA00025130286900000324
为综合能源系统设备i在典型日d的时段t的总发电量；ku为用能形式为u的单位未供负荷的惩罚因子，eu,d,t为在典型日d时段t时，用能形式为u的负荷削减功率。
优选地，所述目标函数的约束条件包括：
规划约束：
Figure BDA0002513028690000041
式中xi为0/1变量，表示是否安装类型为i的设备，
Figure BDA0002513028690000042
表示安装类型为i的设备的容量上限；
电母线平衡约束：
Figure BDA0002513028690000043
式中
Figure BDA0002513028690000044
表示GT在时段t发出的电功率，
Figure BDA0002513028690000045
表示PV在时段t发出的电功率，
Figure BDA0002513028690000046
表示储能的充放电功率，
Figure BDA0002513028690000047
分别表示从外网获得的功率和送出对外网的功率，
Figure BDA0002513028690000048
表示电负荷和电负荷削减功率；
热母线平衡约束：
Figure BDA0002513028690000049
式中
Figure BDA00025130286900000410
表示i类型的GT的热回收功率，
Figure BDA00025130286900000411
表示GB在t时刻产生的热功率，
Figure BDA00025130286900000412
分别表示管道入口和管道出口的热功率，
Figure BDA00025130286900000413
分别热负荷、热水负荷和热负荷削减功率，
Figure BDA00025130286900000414
为AC制冷消耗的热功率；
冷热母线平衡约束：
Figure BDA00025130286900000415
式中
Figure BDA00025130286900000416
表示AC发出的冷功率，
Figure BDA00025130286900000417
分别表示冷负荷和冷负荷削减功率，
Figure BDA00025130286900000418
分别表示冷能量管道入口和出口的功率；
GT热电耦合约束：
Figure BDA00025130286900000419
式中
Figure BDA00025130286900000420
为热功率值，
Figure BDA00025130286900000421
为热电比；
热回收约束：
Figure BDA00025130286900000422
式中
Figure BDA00025130286900000423
表示热回收量，
Figure BDA00025130286900000424
表示热损失；
GB的出力上下限约束：
Figure BDA00025130286900000425
式中，
Figure BDA0002513028690000051
为类型为i的GB的最小出力百分数，
Figure BDA0002513028690000052
表示类型为i的GB的额定热容量，
Figure BDA0002513028690000053
为0/1变量，表示i种类型的GB在典型类型日为d的时段t是否运行；
AC制冷约束：
Figure BDA0002513028690000054
式中
Figure BDA0002513028690000055
为AC的吸收制冷系数；
其中，GT表示产能设备燃气轮机、PV表示光伏发电、GB表示燃气锅炉、AC表示吸收式制冷机、ES表示电储能设备。
优选地，所述构建IGDT优化模型，包括：
构建IGDT优化模型的目标函数：
Figure BDA0002513028690000056
式中F为目标函数，x为决策变量，ζ为不确定参数，H(x,ζ)为不等式约束集合，G(x,ζ)为等式约束集合，Γ为不确定量的集合；
构建信息间隙建模函数：
Figure BDA0002513028690000057
式中，
Figure BDA0002513028690000058
为不确定参数ζ的预测值，α为不确定参数ζ的不确定度，将不确定参数的预测值
Figure BDA0002513028690000059
代入到上述模型中，得到目标函数的最优值为F(α*,ζ)；
构建IGDT优化模型：
Figure BDA00025130286900000510
式中Fb为目标函数的基准值，其值为当不确定参数的值取预测值时的目标函数值；α*为将不确定参数的预测值带入IGDT优化模型时得到的最优解所对应的不确定度；κ为偏差因子，即投资者可接受的预期目标值高于基准值的偏差程度。
优选地，所述构建基于IGDT的用户侧综合能源系统规划模型，包括：
光伏出力的不确定性建模：
Figure BDA0002513028690000061
式中
Figure BDA0002513028690000062
为t时刻光伏功率的预测值，
Figure BDA0002513028690000063
为t时刻风电功率的实际值，αPV为风电功率预测的不确定度；
负荷增加的不确定性建模：
Figure BDA0002513028690000064
式中
Figure BDA0002513028690000065
为t时刻负荷的预测值，
Figure BDA0002513028690000066
为t时刻负荷的实际值，αL为负荷预测的不确定度。
负荷的不确定性包括电负荷、热负荷、冷负荷，采用赋予电负荷、热负荷、冷负荷增长不确定度权重的方法来解决多能源种类的负荷预测问题，令：
Figure BDA0002513028690000067
Figure BDA0002513028690000068
式中αn为负荷预测的不确定度，
Figure BDA0002513028690000069
为各类负荷的权重系数，
Figure BDA00025130286900000610
分别为电负荷、热负荷、冷负荷的权重系数，考虑到冷热电各能源均衡发展的原则，取权重系数值为1:1:1。
优选地，所述构建基于IGDT的用户侧综合能源系统规划模型为：
Figure BDA00025130286900000611
该模型中的决策变量有：
Figure BDA00025130286900000612
该模型为多目标混合整数线性规划模型，可以选取任一多目标整数规划方法进行求解。
优选地，所述输入基础数据中的基础数据包括：典型日类型及累计天数，在不同类型典型日的区域电负荷、热负荷、冷负荷数据，燃气轮机、光伏发电、燃气锅炉吸收式制冷机及电储能设备的各项参数，配电线路参数及冷热传输管道参数，各类型设备及传输网络运行参数，能源市场价格及碳排放税率，不同类型设备的碳排放强度。
优选地，用户侧综合能源系统包括产能设备燃气轮机(gas turbine,GT)、光伏发电(photovoltaic，PV)、燃气锅炉(gas boiler，GB)；能量转换设备有吸收式制冷机(absorption chiller,AC)；能量存储设备有电储能设备(electrical storage，ES)。
本申请第二方面提供了基于IGDT模型的用户侧综合能源系统规划装置，包括：
输入模块，用于将所述基础数据输入所述基于IGDT模型的用户侧综合能源系统规划装置；
模型构建模块，用于构建所述用户侧综合能源系统规划模型，构建所述IGDT优化模型，构建所述基于IGDT的用户侧综合能源系统规划模型；
规划模块，用于求解所述基于IGDT的用户侧综合能源系统规划模型；
输出模块，用于输出所述基于IGDT的用户侧综合能源系统规划结果。
从以上技术方案可以看出，本申请具有以下优点：
本发明提供了基于IGDT模型的用户侧综合能源系统规划方法，综合考虑用户侧综合能源系统中的经济成本、环境成本以及可靠性成本，构建用户侧综合能源系统规划模型；构建IGDT优化模型，考虑用户侧综合能源系统中可再生能源出力和冷热电负荷增长的不确定性，构建基于IGDT的用户侧综合能源系统规划模型；根据所述输入的基础数据与所述基于IGDT的用户侧综合能源系统规划模型求解并输出用户侧综合能源系统规划结果。
由此可见，本发明在构建用户侧综合能源系统规划模型中综合考虑用户侧综合能源系统中的经济成本、环境成本以及可靠性成本，这样有利于提高用户侧综合能源系统的经济性、可靠性、稳定性。在构建基于IGDT的用户侧综合能源系统规划模型中考虑用户侧综合能源系统中可再生能源出力和冷热电负荷增长的不确定性，以IGDT来处理不确定问题，因此在规划过程中对不确定参数的需求量较低，对不确定参数的概率分布、模糊隶属函数和不确定区间等均没有严格的要求，并且优化决策方案对参数扰动的敏感性较低，当不确定参数在给定的范围内发生变化时，仍然能够保证优化决策方案的可行性；实现了在无需知道不确定参数概率分布等信息的情况下，通过最大化不确定参数的波动范围，保证决策目标处于可接受的范围内，提出满足要求的具有鲁棒性的规划方案，有效避免了因光伏出力、冷热电负荷增长等信息缺失所带来的问题，解决了用户侧综合能源系统中涉及的新能源发电和用户用能负荷不确定性等多重不确定性问题。综上，本发明所提出的用户侧综合能源系统规划方法综合考虑用户侧综合能源系统中的经济成本、环境成本以及可靠性成本，考虑用户侧综合能源系统中可再生能源及负荷的综合不确定性，更贴合于实际问题，具有较好的理论研究价值和实际应用价值，能够有效地提高用户侧综合能源系统规划的经济性、可靠性、稳定性，并提高方案的可行性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请提供的基于IGDT模型的用户侧综合能源系统规划方法流程图；
图2为本申请提供的基于IGDT模型的用户侧综合能源系统规划方法子流程图；
图3为本申请提供的基于IGDT模型的用户侧综合能源系统规划装置结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
具体的，本申请实施例提供了基于IGDT模型的用户侧综合能源系统规划方法，请参考图1所示，该方法包括：
步骤S11：输入基础数据。
步骤S12：考虑用户侧综合能源系统中的经济成本、环境成本以及可靠性成本，构建用户侧综合能源系统规划模型。
本实施例中，针对用户侧综合能源系统的规划过程，构建了用户侧综合能源系统规划模型。上述构建的用户侧综合能源系统规划模型包括目标函数和相应的约束条件。可见，本申请实施例在构建用户侧综合能源系统规划模型时综合考虑用户侧综合能源系统的经济性、环保性和以及供能可靠性因素。这样有利于提高用户侧综合能源系统的经济性、可靠性、稳定性。
步骤S13：构建IGDT优化模型，考虑用户侧综合能源系统中可再生能源出力和冷热电负荷增长的不确定性，构建基于IGDT的用户侧综合能源系统规划模型。
本实施例中，针对综合能源系统中的多重不确定性因素，将IGDT理论应用于用户侧综合能源系统规划问题中，构建IGDT优化模型，并考虑用户侧综合能源系统中可再生能源出力和冷、热、电负荷增长的不确定性，构建基于IGDT的用户侧综合能源系统规划模型。可见，本申请实施例在构建基于IGDT的用户侧综合能源系统规划模型中综合考虑涵盖电、热、气、冷等能源形式、种类众多的能源生产设备、能源转换设备以及能源存储设备所涉及的多重不确定性问题。采用IGDT理论建模分析处理用户侧综合能源系统规划问题，构建基于IGDT的用户侧综合能源系统规划模型，这样做一方面有利于降低用户侧综合能源系统规划过程中对不确定参数的需求量，降低对不确定参数的概率分布、模糊隶属函数和不确定区间等的要求，在用户侧综合能源系统规划的过程中无需获得不确定参数的概率分布等信息，有效避免了光伏出力、冷热电负荷增长等信息缺失所带来的问题，提出满足要求的规划方案；另一方面有利于降低优化决策方案对参数扰动的敏感性，保证优化决策方案在不确定参数于给定的范围内发生变化时方案的可行性。所建立的基于IGDT的用户侧综合能源系统规划模型将更贴合于实际问题，有效解决了不确定因素导致的综合能源系统规划中经济性、可靠性、稳定性等问题，具有较好的理论研究价值和实际应用价值。
步骤S14：根据所述基础数据与所述基于IGDT的用户侧综合能源系统规划模型，求解并输出所述基于IGDT的用户侧综合能源系统规划结果。
在前述实施例的基础上，本申请实施例对技术方案进行了进一步的说明和优化，具体如下：
本实施例中用户侧综合能源系统主要包括产能设备燃气轮机(gas turbine,GT)、光伏发电(photovoltaic，PV)、燃气锅炉(gas boiler，GB)；能量转换设备有吸收式制冷机(absorption chiller,AC)；能量存储设备有电储能设备(electrical storage，ES)。请参考图2所示，本实施例中，所述构建用户侧综合能源系统规划模型，具体可以包括：
S21：以年总成本最小化为目标，建立用户侧综合能源系统规划模型的目标函数。
S22：建立所述目标函数相应的约束条件。
前述实施例中所述的输入基础数据，具体包括：包括典型日类型及累计天数，在不同类型典型日的区域冷、热、电负荷数据，燃气轮机、光伏发电、燃气锅炉吸收式制冷机及电储能设备的各项参数，配电线路参数及冷热传输管道参数，各类型设备及传输网络运行参数，能源市场价格及碳排放税率，不同类型设备的碳排放强度。
本实施例中所述的用户侧综合能源系统规划模型的目标函数包含投资成本、运行成本、环境成本、负荷未供电损失成本，具体包括：
minC＝Cinv+Cop+Cenv+Cens (1)
Figure BDA0002513028690000101
Figure BDA0002513028690000102
Figure BDA0002513028690000103
Figure BDA0002513028690000104
式中，C表示年总成本；Cinv为投资成本，Cop为运行成本，Cenv为环境成本，Cens为负荷未供电损失成本；i表示设备类型，
Figure BDA0002513028690000105
为类型为i的设备投资成本，
Figure BDA0002513028690000106
为第i种设备的安装容量，
Figure BDA0002513028690000107
为第i种设备的单位容量投资成本，
Figure BDA0002513028690000108
是类型为i的某种设备的等年值因子，
Figure BDA0002513028690000109
为0/1规划变量，k为用能类型，包括电、热及冷；
Figure BDA0002513028690000111
为用能类型为k的线路/管道投资成本，
Figure BDA0002513028690000112
为用能类型为k的线路/管道投资长度，
Figure BDA0002513028690000113
为用能类型为k的线路/管道的单位投资成本；
Figure BDA0002513028690000114
为用能类型为k的某种管道的等年值因子；
Figure BDA0002513028690000115
表示类型为i的设备年运行成本，
Figure BDA0002513028690000116
为用能类型为k的线路/管道年运维成本，Cbuy为综合能源系统外购能成本，包括从外购电成本和购气成本；d为第d个典型日，θd为一年中典型日的累积天数，D表示每年的典型日总数；
Figure BDA0002513028690000117
分别表示设备和管道的单位运维成本，元/(kW·h)；
Figure BDA0002513028690000118
为在典型日d的时段t设备i的输出功率；
Figure BDA0002513028690000119
为在典型日d的时段t通过线路/管道的用能类型为u的功率；
Figure BDA00025130286900001110
和
Figure BDA00025130286900001111
分别表示向大电网购买电能的价格和电量；
Figure BDA00025130286900001112
为综合能源系统买气的价格，
Figure BDA00025130286900001113
为在典型日d时段t消耗的燃料量；η为碳排放税，元/吨；cgrd为外购电的碳排放强度，吨/(kW·h)；
Figure BDA00025130286900001114
为综合能源系统设备i发电的碳排放强度，
Figure BDA00025130286900001115
为综合能源系统设备i在典型日d的时段t的总发电量；ku为用能形式为u的单位未供负荷的惩罚因子，eu,d,t为在典型日d时段t时，用能形式为u的负荷削减功率。
本实施例中所述目标函数的约束条件包含规划约束、电母线平衡约束、热母线平衡约束、冷热母线平衡约束、GT热电耦合约束、热回收约束、GB的出力上下限约束、AC制冷约束，具体包括：
规划约束：
Figure BDA00025130286900001116
式中xi为0/1变量，表示是否安装类型为i的设备，
Figure BDA00025130286900001117
表示安装类型为i的设备的容量上限；
电母线平衡约束：
Figure BDA00025130286900001118
式中
Figure BDA00025130286900001119
表示GT在时段t发出的电功率，
Figure BDA00025130286900001120
表示PV在时段t发出的电功率，
Figure BDA00025130286900001121
表示储能的充放电功率，
Figure BDA00025130286900001122
分别表示从外网获得的功率和送出对外网的功率，
Figure BDA00025130286900001123
表示电负荷和电负荷削减功率；
热母线平衡约束：
Figure BDA00025130286900001124
式中
Figure BDA00025130286900001125
表示i类型的GT的热回收功率，
Figure BDA00025130286900001126
表示GB在t时刻产生的热功率，
Figure BDA00025130286900001127
分别表示管道入口和管道出口的热功率，
Figure BDA00025130286900001128
分别热负荷、热水负荷和热负荷削减功率，
Figure BDA0002513028690000121
为AC制冷消耗的热功率；
冷热母线平衡约束：
Figure BDA0002513028690000122
式中
Figure BDA0002513028690000123
表示AC发出的冷功率，
Figure BDA0002513028690000124
分别表示冷负荷和冷负荷削减功率，
Figure BDA0002513028690000125
分别表示冷能量管道入口和出口的功率；
GT热电耦合约束：
Figure BDA0002513028690000126
式中
Figure BDA0002513028690000127
为热功率值，
Figure BDA0002513028690000128
为热电比；
热回收约束
Figure BDA0002513028690000129
式中
Figure BDA00025130286900001210
表示热回收量，
Figure BDA00025130286900001211
表示热损失；
GB的出力上下限约束：
Figure BDA00025130286900001212
式中，
Figure BDA00025130286900001213
为类型为i的GB的最小出力百分数，
Figure BDA00025130286900001214
表示类型为i的GB的额定热容量，
Figure BDA00025130286900001215
为0/1变量，表示i种类型的GB在典型类型日为d的时段t是否运行；
AC制冷约束：
Figure BDA00025130286900001216
式中
Figure BDA00025130286900001217
为AC的吸收制冷系数；
其中，GT表示产能设备燃气轮机、PV表示光伏发电、GB表示燃气锅炉、AC表示吸收式制冷机、ES表示电储能设备。
本实施例中所述的构建IGDT优化模型，具体包括：
构建IGDT优化模型的目标函数：
Figure BDA00025130286900001218
式中F为目标函数，x为决策变量，ζ为不确定参数，H(x,ζ)为不等式约束集合，G(x,ζ)为等式约束集合，Γ为不确定量的集合；
构建信息间隙建模函数：
Figure BDA0002513028690000131
式中，
Figure BDA0002513028690000132
为不确定参数ζ的预测值，α为不确定参数ζ的不确定度；将不确定参数的预测值
Figure BDA0002513028690000133
代入到上述模型中，得到目标函数的最优值为F(α*,ζ)；
构建IGDT优化模型：
Figure BDA0002513028690000134
式中Fb为目标函数的基准值，其值为当不确定参数的值取预测值时的目标函数值；α*为将不确定参数的预测值带入IGDT优化模型时得到的最优解所对应的不确定度；κ为偏差因子，即投资者可接受的预期目标值高于基准值的偏差程度。
本实施例中所述构建基于IGDT的用户侧综合能源系统规划模型，具体包括：
光伏出力的不确定性建模：
Figure BDA0002513028690000135
式中
Figure BDA0002513028690000136
为t时刻光伏功率的预测值，
Figure BDA0002513028690000137
为t时刻风电功率的实际值，αPV为风电功率预测的不确定度；
负荷增加的不确定性建模：
Figure BDA0002513028690000138
式中
Figure BDA0002513028690000139
为t时刻负荷的预测值，
Figure BDA00025130286900001310
为t时刻负荷的实际值，αL为负荷预测的不确定度。
负荷的不确定性包括电负荷、热负荷、冷负荷，对于不同类能源的负荷预测，采用赋予电负荷、热负荷、冷负荷增长不确定度权重的方法来解决多能源种类的问题，令：
Figure BDA00025130286900001311
Figure BDA00025130286900001312
式中αn为负荷预测的不确定度，
Figure BDA00025130286900001313
为各类负荷的权重系数，
Figure BDA00025130286900001314
分别为电负荷、热负荷、冷负荷的权重系数，考虑到冷热电各能源均衡发展的原则，取权重系数值为1:1:1。
本实施例中所述构建基于IGDT的用户侧综合能源系统规划模型，具体包括：
Figure BDA0002513028690000141
该模型中的决策变量有：
Figure BDA0002513028690000142
该模型为多目标混合整数线性规划模型，可以选取任一多目标整数规划方法进行求解。
本申请实施例还提供了基于IGDT模型的用户侧综合能源系统规划装置，请参考图3所示，具体包括：
输入模块11，用于将所述基础数据输入基于IGDT模型的用户侧综合能源系统规划装置；
模型构建模块12，用于构建所述用户侧综合能源系统规划模型，构建所述IGDT优化模型，构建所述基于IGDT的用户侧综合能源系统规划模型；
规划模块13，用于求解所述基于IGDT的用户侧综合能源系统规划模型；
输出模块14，用于输出所述基于IGDT模型的用户侧综合能源系统规划结果。
进一步的，本申请还提供了基于IGDT模型的用户侧综合能源系统规划设备，具体包括：
存储器，用于存储与本发明前述实施例所述的基于IGDT模型的用户侧综合能源系统规划方法相对应的计算机程序代码；
控制器，用于执行所述计算机程序代码，以实现本发明前述实施例所述的基于IGDT模型的用户侧综合能源系统规划方法。
进一步的，本申请还提供了一种计算机可读存储介质，用于保存计算机程序；所述存储介质中存储有前述实施例所述的基于IGDT模型的用户侧综合能源系统规划方法相对应的程序代码；所述计算机程序被控制器执行时实现如前述实施例所述的基于IGDT模型的用户侧综合能源系统规划方法。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

Claims (8)

1.基于IGDT模型的用户侧综合能源系统规划方法，其特征在于，包括：
输入基础数据；
考虑用户侧综合能源系统中的经济成本、环境成本以及可靠性成本，构建用户侧综合能源系统规划模型；
构建IGDT优化模型，考虑用户侧综合能源系统中可再生能源出力和冷热电负荷增长的不确定性，构建基于IGDT的用户侧综合能源系统规划模型；
根据所述基础数据与所述基于IGDT的用户侧综合能源系统规划模型，求解并输出所述基于IGDT的用户侧综合能源系统规划结果。
2.根据权利要求1所述的基于IGDT模型的用户侧综合能源系统规划方法，其特征在于，所述构建用户侧综合能源系统规划模型，包括：
以年总成本最小化为目标，建立用户侧综合能源系统规划模型的目标函数；
建立所述目标函数的约束条件。
3.根据权利要求2所述的基于IGDT模型的用户侧综合能源系统规划方法，其特征在于，所述建立用户侧综合能源系统规划模型的目标函数，包括：
min C＝Cinv+Cop+Cenv+Cens；
Figure FDA0002513028680000011
Figure FDA0002513028680000012
Figure FDA0002513028680000013
Figure FDA0002513028680000014
式中，C表示年总成本；Cinv为投资成本，Cop为运行成本，Cenv为环境成本，Cens为负荷未供电损失成本；i表示设备类型，
Figure FDA0002513028680000015
为类型为i的设备投资成本，
Figure FDA0002513028680000016
为第i种设备的安装容量，
Figure FDA0002513028680000017
为第i种设备的单位容量投资成本，
Figure FDA0002513028680000018
是类型为i的某种设备的等年值因子，
Figure FDA0002513028680000019
为0/1规划变量，k为用能类型，包括电、热及冷；
Figure FDA00025130286800000110
为用能类型为k的线路/管道投资成本，
Figure FDA00025130286800000111
为用能类型为k的线路/管道投资长度，
Figure FDA00025130286800000112
为用能类型为k的线路/管道的单位投资成本；
Figure FDA0002513028680000021
为用能类型为k的某种管道的等年值因子；
Figure FDA0002513028680000022
表示类型为i的设备年运行成本，
Figure FDA0002513028680000023
为用能类型为k的线路/管道年运维成本，Cbuy为综合能源系统外购能成本，包括从外购电成本和购气成本；d为第d个典型日，θd为一年中典型日的累积天数，D表示每年的典型日总数；
Figure FDA0002513028680000024
分别表示设备和管道的单位运维成本，元/(kW·h)；
Figure FDA0002513028680000025
为在典型日d的时段t设备i的输出功率；
Figure FDA0002513028680000026
为在典型日d的时段t通过线路/管道的用能类型为u的功率；
Figure FDA0002513028680000027
和
Figure FDA0002513028680000028
分别表示向大电网购买电能的价格和电量；
Figure FDA0002513028680000029
为综合能源系统买气的价格，
Figure FDA00025130286800000210
为在典型日d时段t消耗的燃料量；η为碳排放税，元/吨；cgrd为外购电的碳排放强度，吨/(kW·h)；
Figure FDA00025130286800000211
为综合能源系统设备i发电的碳排放强度，
Figure FDA00025130286800000212
为综合能源系统设备i在典型日d的时段t的总发电量；ku为用能形式为u的单位未供负荷的惩罚因子，eu,d,t为在典型日d时段t时，用能形式为u的负荷削减功率。
4.根据权利要求2所述的基于IGDT模型的用户侧综合能源系统规划方法，其特征在于，所述目标函数的约束条件，包括：
规划约束：
Figure FDA00025130286800000213
式中xi为0/1变量，表示是否安装类型为i的设备，
Figure FDA00025130286800000214
表示安装类型为i的设备的容量上限；
电母线平衡约束：
Figure FDA00025130286800000215
式中
Figure FDA00025130286800000216
表示GT在时段t发出的电功率，
Figure FDA00025130286800000217
表示PV在时段t发出的电功率，
Figure FDA00025130286800000218
表示储能的充放电功率，
Figure FDA00025130286800000219
分别表示从外网获得的功率和送出对外网的功率，
Figure FDA00025130286800000220
表示电负荷和电负荷削减功率；
热母线平衡约束：
Figure FDA00025130286800000221
式中
Figure FDA00025130286800000222
表示i类型的GT的热回收功率，
Figure FDA00025130286800000223
表示GB在t时刻产生的热功率，
Figure FDA00025130286800000224
分别表示管道入口和管道出口的热功率，
Figure FDA00025130286800000225
分别表示热负荷、热水负荷和热负荷削减功率，
Figure FDA00025130286800000226
为AC制冷消耗的热功率；
冷热母线平衡约束：
Figure FDA00025130286800000227
式中
Figure FDA00025130286800000228
表示AC发出的冷功率，
Figure FDA00025130286800000229
分别表示冷负荷和冷负荷削减功率，
Figure FDA00025130286800000230
分别表示冷能量管道入口和出口的功率；
GT热电耦合约束：
Figure FDA0002513028680000031
式中
Figure FDA0002513028680000032
为热功率值，
Figure FDA0002513028680000033
为热电比；
热回收约束
Figure FDA0002513028680000034
式中
Figure FDA0002513028680000035
表示热回收量，
Figure FDA0002513028680000036
表示热损失；
GB的出力上下限约束：
Figure FDA0002513028680000037
式中，
Figure FDA0002513028680000038
为类型为i的GB的最小出力百分数，
Figure FDA0002513028680000039
表示类型为i的GB的额定热容量，
Figure FDA00025130286800000310
为0/1变量，表示i种类型的GB在典型类型日为d的时段t是否运行；
AC制冷约束：
Figure FDA00025130286800000311
式中
Figure FDA00025130286800000312
为AC的吸收制冷系数；
其中，GT表示产能设备燃气轮机、PV表示光伏发电、GB表示燃气锅炉、AC表示吸收式制冷机、ES表示电储能设备。
5.根据权利要求1所述的基于IGDT模型的用户侧综合能源系统规划方法，其特征在于，所述构建IGDT优化模型，包括：
构建IGDT优化模型的目标函数：
Figure FDA00025130286800000313
式中F为目标函数，x为决策变量，ζ为不确定参数，H(x,ζ)为不等式约束集合，G(x,ζ)为等式约束集合，Γ为不确定量的集合；
构建信息间隙建模函数：
Figure FDA00025130286800000314
式中，
Figure FDA00025130286800000315
为不确定参数ζ的预测值，α为不确定参数ζ的不确定度，将不确定参数的预测值
Figure FDA00025130286800000316
代入到上述模型中，得到目标函数的最优值为F(α*,ζ)；
构建IGDT优化模型：
Figure FDA0002513028680000041
式中Fb为目标函数的基准值，其值为当不确定参数的值取预测值时的目标函数值；α*为将不确定参数的预测值带入IGDT优化模型时得到的最优解所对应的不确定度，κ为偏差因子，即投资者可接受的预期目标值高于基准值的偏差程度。
6.根据权利要求1所述的基于IGDT模型的用户侧综合能源系统规划方法，其特征在于，所述构建基于IGDT的用户侧综合能源系统规划模型，包括：
基于光伏出力的不确定性建模：
Figure FDA0002513028680000042
式中
Figure FDA0002513028680000043
为t时刻光伏功率的预测值，
Figure FDA0002513028680000044
为t时刻风电功率的实际值，αPV为风电功率预测的不确定度；
基于负荷增加的不确定性建模：
Figure FDA0002513028680000045
式中
Figure FDA0002513028680000046
为t时刻负荷的预测值，
Figure FDA0002513028680000047
为t时刻负荷的实际值，αL为负荷预测的不确定度。
赋予电负荷、热负荷、冷负荷增长不确定度权重，令
Figure FDA0002513028680000048
Figure FDA0002513028680000049
式中αn为负荷预测的不确定度，
Figure FDA00025130286800000410
为各类负荷的权重系数，
Figure FDA00025130286800000411
分别为电负荷、热负荷、冷负荷的权重系数。
7.根据权利要求1所述的基于IGDT模型的用户侧综合能源系统规划方法，其特征在于，所述基于IGDT的用户侧综合能源系统规划模型，还包括：
基于IGDT的用户侧综合能源系统规划模型为：
Figure FDA0002513028680000051
8.基于IGDT模型的用户侧综合能源系统规划装置，其特征在于，包括：
输入模块，用于将所述基础数据输入所述基于IGDT模型的用户侧综合能源系统规划装置；
模型构建模块，用于构建所述用户侧综合能源系统规划模型，构建所述IGDT优化模型，构建所述基于IGDT的用户侧综合能源系统规划模型；
规划模块，用于求解所述基于IGDT的用户侧综合能源系统规划模型；
输出模块，用于输出所述基于IGDT的用户侧综合能源系统规划结果。
CN202010467091.5A 2020-05-28 2020-05-28 基于igdt模型的用户侧综合能源系统规划方法及装置 Active CN111476509B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010467091.5A CN111476509B (zh) 2020-05-28 2020-05-28 基于igdt模型的用户侧综合能源系统规划方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010467091.5A CN111476509B (zh) 2020-05-28 2020-05-28 基于igdt模型的用户侧综合能源系统规划方法及装置

Publications (2)

Publication Number Publication Date
CN111476509A true CN111476509A (zh) 2020-07-31
CN111476509B CN111476509B (zh) 2022-08-26

Family

ID=71764966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010467091.5A Active CN111476509B (zh) 2020-05-28 2020-05-28 基于igdt模型的用户侧综合能源系统规划方法及装置

Country Status (1)

Country Link
CN (1) CN111476509B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112310959A (zh) * 2020-10-13 2021-02-02 国网湖北省电力有限公司宜昌供电公司 考虑不确定性因素及其相关性的配电网低电压综合治理方法
CN112862154A (zh) * 2021-01-04 2021-05-28 天津大学 一种考虑需求响应的区域能源系统双层规划优化方法
CN112993985A (zh) * 2021-03-01 2021-06-18 西安交通大学 一种考虑不确定性的微电网多目标规划方法
CN113239529A (zh) * 2021-04-29 2021-08-10 国网江苏省电力有限公司苏州供电分公司 一种综合能源系统的多目标优化方法
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
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
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
CN115392052A (zh) * 2022-09-22 2022-11-25 华北电力大学（保定） 考虑设备变工况运行特性的综合能源系统区间优化方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109728605A (zh) * 2019-03-01 2019-05-07 西安交通大学 基于机会约束igdt的风电场-输电网-储能联合规划方法
CN110135631A (zh) * 2019-04-26 2019-08-16 燕山大学 基于信息间隙决策理论的电气综合能源系统调度方法
CN110165666A (zh) * 2019-05-29 2019-08-23 四川大学 一种基于igdt的主动配电网调度方法
AU2019101104A4 (en) * 2019-09-25 2019-10-31 Southeast University An optimal dispatching method of multi-region power and gas coupled integrated energy system using tiered gas tariff

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109728605A (zh) * 2019-03-01 2019-05-07 西安交通大学 基于机会约束igdt的风电场-输电网-储能联合规划方法
CN110135631A (zh) * 2019-04-26 2019-08-16 燕山大学 基于信息间隙决策理论的电气综合能源系统调度方法
CN110165666A (zh) * 2019-05-29 2019-08-23 四川大学 一种基于igdt的主动配电网调度方法
AU2019101104A4 (en) * 2019-09-25 2019-10-31 Southeast University An optimal dispatching method of multi-region power and gas coupled integrated energy system using tiered gas tariff

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王祺 等: "混合CVaR-IGDT的区域综合能源系统扩展规划模型", 《电网技术》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112310959A (zh) * 2020-10-13 2021-02-02 国网湖北省电力有限公司宜昌供电公司 考虑不确定性因素及其相关性的配电网低电压综合治理方法
CN112862154A (zh) * 2021-01-04 2021-05-28 天津大学 一种考虑需求响应的区域能源系统双层规划优化方法
CN112993985A (zh) * 2021-03-01 2021-06-18 西安交通大学 一种考虑不确定性的微电网多目标规划方法
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
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
CN113239529A (zh) * 2021-04-29 2021-08-10 国网江苏省电力有限公司苏州供电分公司 一种综合能源系统的多目标优化方法
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
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
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
CN115392052A (zh) * 2022-09-22 2022-11-25 华北电力大学（保定） 考虑设备变工况运行特性的综合能源系统区间优化方法

Also Published As

Publication number Publication date
CN111476509B (zh) 2022-08-26

Similar Documents

Publication Publication Date Title
CN111476509B (zh) 基于igdt模型的用户侧综合能源系统规划方法及装置
CN107895971B (zh) 基于随机规划和模型预测控制的区域能源互联网调度方法
CN110474367B (zh) 一种考虑风险损失的微电网容量配置优化方法
Testi et al. Stochastic optimal integration of decentralized heat pumps in a smart thermal and electric micro-grid
CN113779783B (zh) 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
Tang et al. Operational flexibility constrained intraday rolling dispatch strategy for CHP microgrid
CN112417652A (zh) 一种电-气-热综合能源系统优化调度方法及系统
Yi et al. The spatial deployment of renewable energy based on China’s coal-heavy generation mix and inter-regional transmission grid
CN110400090A (zh) 一种基于多目标随机优化的智能园区多能源微网配置方法
Carli et al. A robust MPC energy scheduling strategy for multi-carrier microgrids
CN113850409A (zh) 一种考虑可再生能源接入的综合能源系统优化运行方法
CN117081143A (zh) 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法
Guo et al. Flexible operation of integrated energy system with HVDC infeed considering multi-retrofitted combined heat and power units
CN114396822B (zh) 一种能源综合利用配置与运行方法
He et al. Operational optimization of combined cooling, heat and power system based on information gap decision theory method considering probability distribution
Wu et al. Multi-stage planning of integrated electricity-gas-heating system in the context of carbon emission reduction
CN112116122A (zh) 一种提升电网灵活性的楼宇热电联产系统运行优化方法
Mahmoudian et al. Sensitivity analysis in a multi-carrier energy hub system through electrical and thermal profile procurement
CN111555270A (zh) 一种综合能源优化与动态分析的方法及系统
CN111985844A (zh) 一种风力及光能综合能源系统日前经济调度方法
Zhu et al. Optimized operation of integrated energy system with carbon trading mechanism based on IGDT
An et al. A multi-energy microgrid configuration method in remote rural areas considering the condition value at risk
Zhao et al. Optimal Capacity Allocation of Integrated Energy System Considering Multiple Uncertainties
Wang et al. Three-stage optimization method for distributed energy system design under uncertainty
Howlader et al. Comparison Approach for Reducing “Demand Response of Consumers” and “Cost of Utility Companies”

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