CN111509713A - 区域综合能源系统模型优化配置方法及系统 - Google Patents

区域综合能源系统模型优化配置方法及系统 Download PDF

Info

Publication number
CN111509713A
CN111509713A CN202010419512.7A CN202010419512A CN111509713A CN 111509713 A CN111509713 A CN 111509713A CN 202010419512 A CN202010419512 A CN 202010419512A CN 111509713 A CN111509713 A CN 111509713A
Authority
CN
China
Prior art keywords
uncertain
cost
parameter
model
uncertain parameter
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
CN202010419512.7A
Other languages
English (en)
Other versions
CN111509713B (zh
Inventor
杨宇辉
杨朝辉
李宝剑
吴定会
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.)
Wuxi Longmax Technology Co ltd
Original Assignee
Wuxi Longmax Technology 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 Wuxi Longmax Technology Co ltd filed Critical Wuxi Longmax Technology Co ltd
Priority to CN202010419512.7A priority Critical patent/CN111509713B/zh
Publication of CN111509713A publication Critical patent/CN111509713A/zh
Application granted granted Critical
Publication of CN111509713B publication Critical patent/CN111509713B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及能源与电力控制领域，尤其是一种区域综合能源系统模型优化配置方法及系统。其中，该方法包括构建规划运行周期内，最小的系统运行成本目标函数；最小的系统运行成本目标函数为：其中，Cgrid为购电成本，Cgas为购气成本，CES为电储能损耗成本；构建影响目标函数的不确定参数模型，影响目标函数的不确定参数包括：购电价格不确定参数和可再生能源出力不确定参数；确定最大允许成本；在满足目标约束条件下，根据不确定参数模型，使得规划运行周期内的系统运行成本小于等于最大允许成本；建立对应的不确定参数的最大波动幅度和最大预期成本之间的关系。本申请能够避免因现有技术忽略了不确定因素而使得能源系统分配不合理的问题。

Description

区域综合能源系统模型优化配置方法及系统
技术领域
本申请涉及能源与电力控制领域，尤其是一种区域综合能源系统模型优化配置方法及系统。
背景技术
区域综合能源系统模型用于使得原本相互独立的电力系统、热力系统和天然气系统等多种能源系统协调运行，以提高资源利用率的系统模型。
目前，现有的区域综合能源系统模型用于根据成本进行配置能源系统运行时，通常需要依靠大量历史数据，对成本模型进行理想化抽象。然而，一方面获取这些数据并不容易，对有些数据甚至无法获取，同时，在建模时现有技术没有考虑不确定性因素对成本模型的影响，对成本模型过于理想化，实际上理想化的成本模型往往是经过简化的，往往不可避免的忽略了其他未知参数，这样简化后的模型与实际模型存在差距，不利于实际运行。
申请内容
本申请提供一种区域综合能源系统模型优化配置方法及系统，能够避免因现有技术忽略了不确定因素而使得能源系统分配不合理的问题。
第一方面，本申请提供一种区域综合能源系统模型优化配置方法，至少包括以下步骤：
构建规划运行周期内，最小的系统运行成本目标函数；所述最小的系统运行成本目标函数为：
min C ＝Cgas+Cgrid+CES (1)
其中，Cgrid为购电成本，Cgas为购气成本，CES为电储能损耗成本；
构建影响所述目标函数的不确定参数模型，影响所述目标函数的不确定参数包括：购电价格不确定参数和可再生能源出力不确定参数；
确定最大允许成本；
在满足目标约束条件下，根据所述不确定参数模型，使得规划运行周期内的系统运行成本小于等于最大允许成本；
建立对应的不确定参数的最大波动幅度和最大预期成本之间的关系。
可选地，在所述构建规划运行周期内，最小的系统运行成本目标函数的步骤之前还进行：
确定负荷预测数据和可再生能源出力预测数据；所述可再生能源出力预测数据包括风电出力预测数据和光伏出力预测数据。
可选地，所述确定负荷预测数据和可再生能源出力预测数据的步骤，包括：
获取区域内多个能源系统的初始数据；
根据所述多个能源系统的初始数据构建综合能源系统的模型；
获取预测能量需求；
根据所述预测能量需求确定购电价格预测数据和可再生能源出力预测数据。
可选地，
若所述不确定参数为购电价格不确定参数或可再生能源出力不确定参数，所述不确定参数模型为：
Figure BDA0002496400670000021
式(2)中，ε表示对应不确定参数的波动幅度；Uψ表示对应不确定参数的实际值；
Figure BDA0002496400670000022
表示对应不确定参数的预测值，当
Figure BDA0002496400670000023
时，
Figure BDA0002496400670000024
表示分别表示购电价格不确定参数的预测值、风电出力不确定参数的预测值和光伏出力不确定参数的预测值；U(ε)表示所有与
Figure BDA0002496400670000025
相对误差不大于ε的Uψ的集合。
可选地，影响所述目标函数的不确定参数还包括：其他不确定参数和模型特征不确定参数；
若所述不确定参数为未知参数或模型特征参数，所述不确定参数模型为：
Figure BDA0002496400670000026
式(3)中，ε表示对应不确定参数的波动幅度；
Figure BDA0002496400670000027
为考虑了购电价格不确定参数和可再生能源出力不确定参数的预测成本，
Figure BDA0002496400670000028
可以通过式(1)和式(2)计算得到；C为考虑了其他不确定参数和模型特征不确定参数的实际成本。
可选地，所述根据所述不确定参数模型，使得规划运行周期内的系统运行成本小于等于最大允许成本的步骤，包括：
判断对应不确定参数的实际值Uψ与对应不确定参数的预测值
Figure BDA0002496400670000029
不相等时，即鲁棒性不为0；
计算最大波动幅度区间，所述最大波动幅度区间为：
Figure BDA00024964006700000210
其中，C为考虑了其他不确定参数和模型特征不确定参数的实际成本；Cc为最大允许成本。
可选地，所述建立对应的不确定参数的最大波动幅度和最大预期成本之间的关系的步骤包括：
根据式(2)和式(3)确定式(4)的C∈G(ε)时最大的取值maxC∈G(ε)C为：
Figure BDA00024964006700000211
使得maxC∈G(ε)C等于所述最大允许成本Cc，建立对应的不确定参数的最大波动幅度
Figure BDA00024964006700000212
和最大预期成本Cc之间的关系：
Figure BDA00024964006700000213
(6)。
可选地，所述目标约束包括：供需平衡、重要负荷约束、储能设备约束、设备功率约束和燃气轮机爬坡约束中的一个或任意多个的组合。
第二方面，本申请提供一种区域综合能源系统模型优化配置系统，所述区域综合能源系统模型优化配置系统用于执行如本申请第一方面所述的区域综合能源系统模型优化配置方法。
本申请的优点：本申请是实施例，基于信息决策理论建立了两种不确定性基础上的调度模型，模型同时考虑了储能损耗成本，相比确定性模型，可以综合考虑鲁棒性和经济性，相比于传统的不确定性模型，本发明提出的模型无需了解参数或模型的不确定性概率分布，就可以保证在不高于预期成本的前提下获得最大的鲁棒性，经过对比仿真实验，当区域综合能源系统中含有不确定因素时，所提方法获得的运行方案优于确定性方法和蒙特卡洛方法所得方案。。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本申请的一些实施方式，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，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种区域综合能源系统模型。
图2为本申请实施例提供的一种区域综合能源系统模型优化配置方法流程图。
图3为本申请提供的区域综合能源系统模型优化配置系统。
具体实施方式
下面将结合附图，对本申请中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在不做出创造性劳动的前提下所获得的所有其它实施例，都属于本申请保护的范围。
在本申请的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本申请和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本申请的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本申请的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电气连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。
此外，下面所描述的本申请不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
参见图1，其示出了本申请实施例提供的一种区域综合能源系统模型，该区域综合能源系统模型包括电能集线器、冷气集线器和热能集线器，所述电能集线器用于提供电负荷，所述电能集线器用于提供冷负荷，所述热能集线器用于通过换热装置提供热负荷。
其中，燃气轮机、光伏发电、风电及电网供应电能给所述电能集线器，燃气锅炉、余热锅炉和电锅炉根据实际的热能需求进行制热，制冷机产生所有需要的冷气需求，此外，为了提高系统调度性，改区域综合能源系统模型还包括电储能装置和热储能装置，所述电储能装置能够与所述电能集线器进行能量交换，所述热储能装置能够与所述热能集线器进行能量交换。
参见图2，其示出了本申请实施例提供的一种区域综合能源系统模型优化配置方法流程图，该区域综合能源系统模型优化配置方法至少包括：
步骤201，获取区域内多个能源系统的初始数据。
步骤202，根据所述多个能源系统的初始数据构建综合能源系统的模型
其中，该能源系统包括如图1所示的电网系统、可再生能源系统和气网系统，所述可再生能源系统包括风电系统和光伏系统。
步骤203，获取预测能量需求。
示例性地根据历史能耗、气象条件、温度等信息预测能量需求。
步骤204，根据所述预测能量需求确定购电价格预测数据和可再生能源出力预测数据，所述可再生能源出力预测数据包括风电出力预测数据和光伏出力预测数据。
步骤205，构建规划运行周期内，最小的系统运行成本目标函数；所述最小的系统运行成本目标函数为：
min C ＝Cgas+Cgrid+CES (1)
其中，Cgrid为购电成本，Cgas为购气成本，CES为电储能损耗成本。
其中，在构建最小的系统运行成本目标函数之前需确定优化目标，该优化目标包括：购电成本、购气成本、电储能损耗成本为优化目标。
步骤206，通过鲁棒优化目标函数。包括，先结合两种基于信息间隙决策技术(IGDT)，构建影响所述目标函数的不确定参数模型，一种影响所述目标函数的不确定参数包括：购电价格不确定参数和可再生能源出力不确定参数；
另一种影响所述目标函数的不确定参数包括其他不确定参数和模型特征不确定参数。
若所述不确定参数为购电价格不确定参数或可再生能源出力不确定参数，所述不确定参数模型为：
Figure BDA0002496400670000041
式(2)中，ε表示对应不确定参数的波动幅度；Uψ表示对应不确定参数的实际值；
Figure BDA0002496400670000051
表示对应不确定参数的预测值，当
Figure BDA0002496400670000052
时，
Figure BDA0002496400670000053
表示分别表示购电价格不确定参数的预测值、风电出力不确定参数的预测值和光伏出力不确定参数的预测值；U(ε)表示所有与
Figure BDA0002496400670000054
相对误差不大于ε的Uψ的集合。
若所述不确定参数为未知参数或模型特征参数，所述不确定参数模型为：
Figure BDA0002496400670000055
式(3)中，ε表示对应不确定参数的波动幅度；
Figure BDA0002496400670000056
为考虑了购电价格不确定参数和可再生能源出力不确定参数的预测成本，
Figure BDA0002496400670000057
可以通过式(1)和式(2)计算得到；C为考虑了其他不确定参数和模型特征不确定参数的实际成本。C的具体形式未知，在G(ε)中隐含了大量可能的模型形式，显然无法将这些形式全部列举出来。采用IGDT时可以不用考虑具体形式，只需要对每一个最大不确定域ε计算集合G(ε)中所有元素的最大值即可。
步骤207，确定最大允许成本Cc。
步骤208，在满足目标约束条件下，根据所述不确定参数模型，使得规划运行周期内的系统运行成本小于等于最大允许成本，即C≤Cc，若预测值
Figure BDA0002496400670000058
与实际值一致时，C≤Cc不成立，则鲁棒性为0
因此，判断对应不确定参数的实际值Uψ与对应不确定参数的预测值
Figure BDA0002496400670000059
不相等时，即鲁棒性不为0时，计算最大波动幅度区间，所述最大波动幅度区间为：
Figure BDA00024964006700000510
其中，C为考虑了其他不确定参数和模型特征不确定参数的实际成本；Cc为最大允许成本。建立对应的不确定参数的最大波动幅度和最大预期成本之间的关系。
步骤209：建立对应的不确定参数的最大波动幅度和最大预期成本之间的关系，其步骤包括：
根据式(2)和式(3)确定式(4)的C∈G(ε)时最大的取值maxC∈G(ε)C为：
Figure BDA00024964006700000511
使得maxC∈G(ε)C等于所述最大允许成本Cc，建立对应的不确定参数的最大波动幅度
Figure BDA00024964006700000512
和最大预期成本Cc之间的关系：
Figure BDA00024964006700000513
本实施例中所述目标约束包括：供需平衡、重要负荷约束、储能设备约束、设备功率约束和燃气轮机爬坡约束中的一个或任意多个的组合。
考虑目标约束条件包括：
(1)供需平衡
使得系统中存在电负荷、热负荷和冷负荷，任何时刻均须保证所有能量功率平衡。
(2)重要负荷约束
在系统中存在医院等重要负荷，在与电网断开的情况下，也必须保证这些负荷的能够正常运行一段时间，因此在与电网不存在功率交换时，所有设备的最大发电功率之和必须不小于重要负荷的功率，且在规定时间t＝t0…Ts内，所有设备提供的最大电能之和不小于重要负荷所需电能。
(3)储能设备约束
储能需要满足自身的容量和功率限制，且在规划时间末应当恢复到初始状态，以便下次规划调度。
(4)设备功率约束
Figure BDA0002496400670000061
其中
Figure BDA0002496400670000062
为设备i的功率；
Figure BDA0002496400670000063
和
Figure BDA0002496400670000064
分别为设备i的功率下限和上限；ω为e,h,c时分别表示电功率、热功率和冷功率
(5)燃气轮机爬坡约束
燃气轮机除了满足设备功率上下限外，还要考虑爬坡约束，如式所示：
Figure BDA0002496400670000065
其中，
Figure BDA0002496400670000066
代表燃气轮机在时刻t+1的发电功率
Figure BDA0002496400670000067
与时刻t的发电功率
Figure BDA0002496400670000068
的变化量；
Figure BDA0002496400670000069
和
Figure BDA00024964006700000610
代表
Figure BDA00024964006700000611
的最小值和最大值。
步骤210：选取蒙特卡洛和确定性方法进行对比，为了在同一不确定区间内保证系统稳定运行，各类方法均可获得对应的调度方案，为说明所提方法的优越性，比较不同方法所得调度方案在以下2种场景下的实际成本。
场景1：不确定参数实际值均在不确定区间内，且实际值劣于预测值，即购电价格低于预测值，风电和光伏发电高于预测值；
场景2：不确定参数实际值均在不确定区间内，且实际值优于预测值，即购电价格高于预测值，风电和光伏发电低于预测值；
表1不同方法最终成本对比(单位：万元)
Figure BDA00024964006700000612
根据预期成本下发的调度计划可能与实际场景不完全一致，因而需要做出相应出力调整，具体表现为常规机组按计划发电，可再生能源机组实际发电量大于(小于)计划值时可以选择向电网售电(购电)或让储能充电(放电)。表1为不同方法下获得的最终成本，由表可知，对于场景1、2，不确定因素均在波动范围内，因而基于IGDT可以保证最终成本不超过最大允许成本3.9925，综上所述，本发明方法在处理含不确定因素的区域综合能源系统决策问题时，具有一定优势。
步骤211：在实际情况下，为了在同一不确定区间内保证系统稳定运行，将基于不确定模型的区域综合能源系统应用到调度与决策中。
参照图3，其示出了本申请提供的区域综合能源系统模型优化配置系统，该区域综合能源系统模型优化配置系统包括：
仿真初始化模块，所述仿真初始化模块包括参数初始化模块和个能源系统数据录入模块，所述能源系统数据录入模块用于获取区域内多个能源系统的初始数据，所述参数初始化模块用于根据所述多个能源系统的初始数据构建综合能源系统的模型。
仿真优化建模模块，所述仿真优化建模模块用于确定优化目标，构建关于所属优化目标的最小的系统运行成本目标函数，根据鲁棒优化目标函数，得到基于信息间隙决策理论的整体模型，即建立对应的不确定参数的最大波动幅度和最大预期成本之间的关系。信息间隙决策理论不同于传统方法，其侧重于在满足目标约束的前提下，研究不确定参数所造成的可能影响，关键在于求出运行系统运行状态偏离理想状态的最大范围。通过对不同预测值进行信息差距分析，为决策提供参考。
仿真优化配置模块，所述仿真优化配置模块用于根据基于信息间隙决策理论的整体模型得到优化调度方案，根据所述优化调度方案进行系统配置。
综上所述，本申请，基于信息决策理论建立了两种不确定性基础上的调度模型，模型同时考虑了储能损耗成本，相比确定性模型，可以综合考虑鲁棒性和经济性，相比于传统的不确定性模型，本发明提出的模型无需了解参数或模型的不确定性概率分布，就可以保证在不高于预期成本的前提下获得最大的鲁棒性，经过对比仿真实验，当区域综合能源系统中含有不确定因素时，所提方法获得的运行方案优于确定性方法和蒙特卡洛方法所得方案。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本申请创造的保护范围之中。

Claims (9)

1.一种区域综合能源系统模型优化配置方法，其特征在于，至少包括以下步骤：
构建规划运行周期内，最小的系统运行成本目标函数；所述最小的系统运行成本目标函数为：
minC＝Cgas+Cgrid+CES (1)
其中，Cgrid为购电成本，Cgas为购气成本，CES为电储能损耗成本；
构建影响所述目标函数的不确定参数模型，影响所述目标函数的不确定参数包括：购电价格不确定参数和可再生能源出力不确定参数；
确定最大允许成本；
在满足目标约束条件下，根据所述不确定参数模型，使得规划运行周期内的系统运行成本小于等于最大允许成本；
建立对应的不确定参数的最大波动幅度和最大预期成本之间的关系。
2.如权利要求1所述的区域综合能源系统模型优化配置方法，其特征在于，在所述构建规划运行周期内，最小的系统运行成本目标函数的步骤之前还进行：
确定负荷预测数据和可再生能源出力预测数据；所述可再生能源出力预测数据包括风电出力预测数据和光伏出力预测数据。
3.如权利要求2所述的区域综合能源系统模型优化配置方法，其特征在于，所述确定负荷预测数据和可再生能源出力预测数据的步骤，包括：
获取区域内多个能源系统的初始数据；
根据所述多个能源系统的初始数据构建综合能源系统的模型；
获取预测能量需求；
根据所述预测能量需求确定购电价格预测数据和可再生能源出力预测数据。
4.如权利要求2所述的区域综合能源系统模型优化配置方法，其特征在于，
若所述不确定参数为购电价格不确定参数或可再生能源出力不确定参数，所述不确定参数模型为：
Figure FDA0002496400660000011
式(2)中，ε表示对应不确定参数的波动幅度；Uψ表示对应不确定参数的实际值；
Figure FDA0002496400660000012
表示对应不确定参数的预测值，当
Figure FDA0002496400660000013
时，
Figure FDA0002496400660000014
表示分别表示购电价格不确定参数的预测值、风电出力不确定参数的预测值和光伏出力不确定参数的预测值；U(ε)表示所有与
Figure FDA0002496400660000015
相对误差不大于ε的Uψ的集合。
5.如权利要求4所述的区域综合能源系统模型优化配置方法，其特征在于，影响所述目标函数的不确定参数还包括：其他不确定参数和模型特征不确定参数；
若所述不确定参数为未知参数或模型特征参数，所述不确定参数模型为：
Figure FDA0002496400660000021
式(3)中，ε表示对应不确定参数的波动幅度；
Figure FDA0002496400660000022
为考虑了购电价格不确定参数和可再生能源出力不确定参数的预测成本，
Figure FDA0002496400660000023
可以通过式(1)和式(2)计算得到；C为考虑了其他不确定参数和模型特征不确定参数的实际成本。
6.如权利要求4所述的区域综合能源系统模型优化配置方法，其特征在于，所述根据所述不确定参数模型，使得规划运行周期内的系统运行成本小于等于最大允许成本的步骤，包括：
判断对应不确定参数的实际值Uψ与对应不确定参数的预测值
Figure FDA0002496400660000024
不相等时，即鲁棒性不为0；
计算最大波动幅度区间，所述最大波动幅度区间为：
Figure FDA0002496400660000025
其中，C为考虑了其他不确定参数和模型特征不确定参数的实际成本；Cc为最大允许成本。
7.如权利要求6所述的区域综合能源系统模型优化配置方法，其特征在于，
所述建立对应的不确定参数的最大波动幅度和最大预期成本之间的关系的步骤包括：
根据式(2)和式(3)确定式(4)的C∈G(ε)时最大的取值maxC∈G(ε)C为：
Figure FDA0002496400660000026
使得maxC∈G(ε)C等于所述最大允许成本Cc，建立对应的不确定参数的最大波动幅度
Figure FDA0002496400660000027
和最大预期成本Cc之间的关系：
Figure FDA0002496400660000028
8.如权利要求6所述的区域综合能源系统模型优化配置方法，其特征在于，所述目标约束包括：供需平衡、重要负荷约束、储能设备约束、设备功率约束和燃气轮机爬坡约束中的一个或任意多个的组合。
9.一种区域综合能源系统模型优化配置系统，其特征在于，所述区域综合能源系统模型优化配置系统用于执行如权利要求1至8中任一项所述的区域综合能源系统模型优化配置方法。
CN202010419512.7A 2020-05-18 2020-05-18 区域综合能源系统模型优化配置方法及系统 Active CN111509713B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010419512.7A CN111509713B (zh) 2020-05-18 2020-05-18 区域综合能源系统模型优化配置方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010419512.7A CN111509713B (zh) 2020-05-18 2020-05-18 区域综合能源系统模型优化配置方法及系统

Publications (2)

Publication Number Publication Date
CN111509713A true CN111509713A (zh) 2020-08-07
CN111509713B CN111509713B (zh) 2023-05-23

Family

ID=71875615

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010419512.7A Active CN111509713B (zh) 2020-05-18 2020-05-18 区域综合能源系统模型优化配置方法及系统

Country Status (1)

Country Link
CN (1) CN111509713B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116667356A (zh) * 2023-05-29 2023-08-29 南方电网能源发展研究院有限责任公司 发电主体行为控制方法、装置、设备、介质和产品
CN117494909A (zh) * 2023-12-29 2024-02-02 国网浙江省电力有限公司营销服务中心 基于熵权自适应igdt的购电优化方法、装置和介质
CN116667356B (zh) * 2023-05-29 2024-06-04 南方电网能源发展研究院有限责任公司 发电主体行为控制方法、装置、设备、介质和产品

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063925A (zh) * 2018-08-16 2018-12-21 合肥工业大学 一种计及负荷聚合商的区域综合能源系统优化运行方法
CN109713723A (zh) * 2019-02-13 2019-05-03 广东工业大学 一种区域综合能源系统运行优化方法
CN109727158A (zh) * 2019-01-25 2019-05-07 燕山大学 一种基于改进弱鲁棒优化的电热综合能源系统调度方法
CN110009152A (zh) * 2019-04-03 2019-07-12 东南大学 一种考虑电转气和不确定性的区域综合能源系统运行鲁棒优化方法
CN110417006A (zh) * 2019-07-24 2019-11-05 三峡大学 考虑多能协同优化的综合能源系统多时间尺度能量调度方法
CN110807560A (zh) * 2019-11-12 2020-02-18 国网重庆市电力公司电力科学研究院 氢混天然气能源系统调度方法、装置及可读存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063925A (zh) * 2018-08-16 2018-12-21 合肥工业大学 一种计及负荷聚合商的区域综合能源系统优化运行方法
CN109727158A (zh) * 2019-01-25 2019-05-07 燕山大学 一种基于改进弱鲁棒优化的电热综合能源系统调度方法
CN109713723A (zh) * 2019-02-13 2019-05-03 广东工业大学 一种区域综合能源系统运行优化方法
CN110009152A (zh) * 2019-04-03 2019-07-12 东南大学 一种考虑电转气和不确定性的区域综合能源系统运行鲁棒优化方法
CN110417006A (zh) * 2019-07-24 2019-11-05 三峡大学 考虑多能协同优化的综合能源系统多时间尺度能量调度方法
CN110807560A (zh) * 2019-11-12 2020-02-18 国网重庆市电力公司电力科学研究院 氢混天然气能源系统调度方法、装置及可读存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吴定会等: "基于区间预测的风力机桨距执行器LPV 故障诊断" *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116667356A (zh) * 2023-05-29 2023-08-29 南方电网能源发展研究院有限责任公司 发电主体行为控制方法、装置、设备、介质和产品
CN116667356B (zh) * 2023-05-29 2024-06-04 南方电网能源发展研究院有限责任公司 发电主体行为控制方法、装置、设备、介质和产品
CN117494909A (zh) * 2023-12-29 2024-02-02 国网浙江省电力有限公司营销服务中心 基于熵权自适应igdt的购电优化方法、装置和介质
CN117494909B (zh) * 2023-12-29 2024-05-28 国网浙江省电力有限公司营销服务中心 基于熵权自适应igdt的购电优化方法、装置和介质

Also Published As

Publication number Publication date
CN111509713B (zh) 2023-05-23

Similar Documents

Publication Publication Date Title
Gabrielli et al. Robust and optimal design of multi-energy systems with seasonal storage through uncertainty analysis
Huang et al. Optimal configuration planning of multi-energy systems considering distributed renewable energy
Anwar et al. Harnessing the flexibility of demand-side resources
Tu et al. Optimization of a stand-alone photovoltaic–wind–diesel–battery system with multi-layered demand scheduling
Kamalinia et al. Generation expansion planning in wind-thermal power systems
Lauinger et al. A linear programming approach to the optimization of residential energy systems
Lee et al. Joint energy management system of electric supply and demand in houses and buildings
Ouammi Optimal power scheduling for a cooperative network of smart residential buildings
JP5553390B2 (ja) 交流の自律分散型の電力システム
Meng et al. Distributed control of thermostatically controlled loads in distribution network with high penetration of solar PV
US20140257584A1 (en) Energy management system, energy management method, medium, and server
CN110137955A (zh) 一种计及CVaR的鲁棒机组组合调度的决策方法
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
Daly et al. RoCoF-constrained scheduling incorporating non-synchronous residential demand response
Athienitis et al. Development of a dynamic energy flexibility index for buildings and their interaction with smart grids
Sarikprueck et al. Bounds for optimal control of a regional plug-in electric vehicle charging station system
Zhang Optimal design and planning of energy microgrids
Dagdougui et al. Global energy management system for cooperative networked residential green buildings
Van Oevelen et al. Testing and performance evaluation of the STORM controller in two demonstration sites
Le et al. Data-driven stochastic unit commitment considering commercial air conditioning aggregators to provide multi-function demand response
Hayati et al. A Two-Stage Stochastic Optimization Scheduling Approach for Integrating Renewable Energy Sources and Deferrable Demand in the Spinning Reserve Market
Lu et al. Two-stage robust scheduling and real-time load control of community microgrid with multiple uncertainties
CN111509713A (zh) 区域综合能源系统模型优化配置方法及系统
WO2019158575A1 (en) System and method for operating a combination of heterogeneous energy resources for fast grid services
Lee et al. A design methodology for energy infrastructures at the campus scale

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