CN111539572B - 光沼微能源网的优化规划方法 - Google Patents
光沼微能源网的优化规划方法 Download PDFInfo
- Publication number
- CN111539572B CN111539572B CN202010339427.XA CN202010339427A CN111539572B CN 111539572 B CN111539572 B CN 111539572B CN 202010339427 A CN202010339427 A CN 202010339427A CN 111539572 B CN111539572 B CN 111539572B
- Authority
- CN
- China
- Prior art keywords
- representing
- heat
- biogas
- energy
- storage device
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000003287 optical effect Effects 0.000 title claims abstract description 50
- 238000003860 storage Methods 0.000 claims abstract description 94
- 238000000855 fermentation Methods 0.000 claims abstract description 86
- 238000005338 heat storage Methods 0.000 claims abstract description 59
- 238000005457 optimization Methods 0.000 claims abstract description 43
- 238000006243 chemical reaction Methods 0.000 claims abstract description 21
- 238000004146 energy storage Methods 0.000 claims abstract description 18
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 15
- 230000005611 electricity Effects 0.000 claims description 35
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 27
- 239000013598 vector Substances 0.000 claims description 23
- 230000004151 fermentation Effects 0.000 claims description 16
- 238000004519 manufacturing process Methods 0.000 claims description 13
- 239000002994 raw material Substances 0.000 claims description 13
- 230000005855 radiation Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000010248 power generation Methods 0.000 claims description 7
- 239000002689 soil Substances 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012546 transfer Methods 0.000 claims description 6
- 239000002028 Biomass Substances 0.000 claims description 5
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 244000005700 microbiome Species 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 2
- 230000001568 sexual effect Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000002354 daily effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000010815 organic waste Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种光沼微能源网的优化规划方法,光沼微能源网包括多个能量转换设备和多个储能设备,多个能量转换设备包括厌氧发酵池、热电联产机组、太阳能光伏板、太阳能集热器,多个储能设备包括储气设备、储电设备和储热设备,方法包括:对光沼微能源网中的各设备和各不确定性变量分别建模,得到各设备的模型和各不确定性变量的模型;基于各设备的模型和各不确定性变量的模型,建立光沼微能源网系统优化规划模型;对光沼微能源网系统优化规划模型进行线性化处理,得到混合线性整数规划模型;利用奔德斯分解方法对混合线性整数规划模型进行求解,得到优化规划结果。该方法能够对光沼微能源网中各组成部分进行最优配置,有利于提高经济效益。
Description
技术领域
本发明涉及新能源技术领域,尤其涉及一种光沼微能源网的优化规划方法。
背景技术
微能源网是通过冷、电、热、气、储能等不同形式能源在生产、传输、消费等多个环节进行协同优化以实现优势互补的微型多能源互联系统,其能够降低能源供应成本,提高综合能源利用率,广泛适用于缺乏常规电源和供能基础设施建设落后的山区、丘陵、海岛等地区。考虑多种能源互补协调的能源优化规划是提高微能源网综合能源利用率的基础,综合考虑经济、环保、节能,构建微能源网优化配置模型,从而求解确定系统中主要设备的最佳容量以及总的系统运行成本,为微能源网的实际运行提供参考与决策支持。
为此,相关技术中提出了一种光伏温室微能网系统多形态储能配置方法及系统,该技术虽然能实现全年各类气象场景与温室作业场景下光伏发电的高比例就地消纳,但其仅把沼气池作为平抑光伏波动性的储能设备之一,并没有利用热电联产机组将气、电、热耦合,不适用于光沼微能源网的优化规划。相关技术中还提出了一种含风电的电-气-热综合能源系统扩展规划优化方法,该技术虽然对电、气、热三种能源进行耦合规划,在规划时也结合了当地的风电接入容量、负荷水平,但其并没有考虑到沼气发酵环节的精确建模以及太阳能对沼气发酵环节的作用。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此,本发明的一个目的在于提出一种光沼微能源网的优化规划方法,与对光沼微能源网中各组成部分进行最优配置,合理选用设备容量。
为实现上述目的,本发明实施例提出了一种光沼微能源网的优化规划方法,所述光沼微能源网包括多个能量转换设备和多个储能设备,所述多个能量转换设备包括厌氧发酵池、热电联产机组、太阳能光伏板、太阳能集热器,所述多个储能设备包括储气设备、储电设备和储热设备,所述方法包括以下步骤:对所述光沼微能源网中的各设备和各不确定性变量分别建模,得到各设备的模型和各不确定性变量的模型;基于所述各设备的模型和所述各不确定性变量的模型,建立光沼微能源网系统优化规划模型;对所述光沼微能源网系统优化规划模型进行线性化处理,得到混合线性整数规划模型;利用奔德斯分解方法对所述混合线性整数规划模型进行求解,得到所述光沼微能源网的优化规划结果。
根据本发明实施例的光沼微能源网的优化规划方法,在光沼微能源网优化规划模型中引入沼气发酵池的热力学模型,并将混合整数非线性规划问题转换为了混合整数线性规划问题,并采用奔德斯分解方法进行求解,由此,能够对光沼微能源网中各组成部分进行最优配置,合理选用设备容量,且可以客观地为实际生产过程中做出指导,提高经济效益。
另外,本发明实施例的光沼微能源网的优化规划方法还可以具有如下附加的技术特征:
具体地,所述厌氧发酵池的模型通过下式表示:
其中,Td表示所述厌氧发酵池内的温度,Hheat表示输送到所述厌氧发酵池的总热量,Hsur表示所述厌氧发酵池表面的热损失量,cm表示发酵原料的热容量,ρm表示发酵原料的密度,VAD表示所述厌氧发酵池的容积,X(τ,s)表示变量X在τ时刻在第s个场景下的值。
其中,所述输送到所述厌氧发酵池的总热量通过下式表示:
其中,表示所述热电联产机组输送至所述厌氧发酵池的热量,/>表示所述太阳能集热器输送至所述厌氧发酵池的热量,ηloss表示平均传热效率;
所述厌氧发酵池表面的热损失量通过下式表示:
其中,ni表示第i个表面的导热系数,Ai表示第i个的厌氧发酵池表面面积,Td表示所述厌氧发酵池内的温度,Tsoil表示所述厌氧发酵池接触介质的温度;
在所述厌氧发酵池的模型中,投入原料的质量对沼气产量的约束条件为:
ηbiombio(τ,s)≥Gbio(τ,s),
其中,mbio表示每小时投料的质量,ηbio表示从生物质到沼气的最大转化效率,Gbio表示每小时沼气的生产率。
可选地,在20℃至60℃的温度范围内,所述厌氧发酵池的沼气产量预测模型通过下式表示:
其中,参数α11,α12,α21,α22,β11,β12,β13均为常数,K表示与厌氧发酵过程速率和稳定性有关的参数,μd表示微生物的最大日生长速率,S0表示进水的挥发性固体浓度,B0表示生物化学甲烷势,HRT表示水力停留时间常数。
具体地,采用随机场景生成方法基于历史数据对所述各不确定性变量进行概率建模,得到所述各不确定性变量的模型,其中,所述不确定性变量包括负荷需求、太阳能辐射值和土壤温度,所述负荷需求包括电需求、热需求和燃气需求,每个不确定性变量由三个离散状态表示。
具体地,所述光沼微能源网系统优化规划模型的目标函数通过下式表示:
min(TIC+TOC),
其中,TIC=fN*IC,表示投资成本,表示运营和维护成本,fN=(NSWH,NPV,NCHP,NBSS,NBES,NTES)T表示决策向量,所述决策向量中的NSWH表示所述太阳能集热器的容量、NPV表示所述太阳能光伏板的容量,NCHP表示所述热电联产机组的容量,NBSS表示所述储电设备的容量,NBES表示所述储气设备的容量,NTES表示所述储热设备的容量,投资成本向量IC中的各个元素分别对应每个设备的投资成本,维护成本向量MC中的各个元素分别对应每个设备的维护成本,p(s)表示场景概率,Cbio表示制沼原料的单位质量成本,/>向量/>中的各元素分别表示各个设备的容量上限,Dt为运行周期即优化的总时长,mbio为单位时间间隔内加入厌氧发酵池内的制沼原料的质量。
具体地,所述光沼微能源网系统优化规划模型的约束条件包括:
供能可靠性约束:
其中,j∈{e,th,g}表示能源形式,e表示电能,th表示热能,g表示沼气能,Lj′表示不同形式的负荷需求预测值,Lj表示不同形式的负荷需求可提供值,λj表示最大能源断供可能性,zj为逻辑变量,zj(L′j-Lj)为非线性项,Relj为能源j对应的供能可靠性;
能量供需平衡约束:
其中,Le表示电负荷、Lth表示热负荷、Lg表示气负荷,ECHP表示所述热电联产机组的发电量,EPV表示所述太阳能光伏板的发电量,表示所述储电设备的充电量,/>表示所述储电设备的放电量,/>表示由所述太阳能集热器向所述储热设备传输的热量,/>表示由所述热电联产机组向所述储热设备传输的热量,/>表示所述储热设备释放的热量,/>表示所述储热设备吸收的热量,/>表示沼气的热值,/>表示由所述储气设备输送出的沼气量,GCHP表示所述热电联产机组发电消耗的沼气量;
所述太阳能光伏板的发电量约束:
其中,fPV表示损耗系数,P0表示每平方所述太阳能光伏板的额定输出功率,JSTC表示标准测试条件下所述太阳能光伏板的太阳辐射,Tair表示所述太阳能光伏板表面的空气温度,TSTC表示标准测试条件下所述太阳能光伏板的温度,NPV表示所述太阳能光伏板的容量,J为太阳辐射;
所述太阳能集热器的热量约束:
其中,ηSWH表示所述太阳能集热器的能量转换效率,ηloss表示传热管路平均热耗率,表示由所述太阳能集热器向所述厌氧发酵池传输的热量,NSWH表示所述太阳能集热器的容量,HSWH为太阳能集热器转化的热量,fSWH为太阳能集热器的太阳能保证率;
所述热电联产机组的电能和热量约束:
ECHP(τ,s)+HCHP(τ,s)≤NCHP,
其中,表示由所述热电联产机组向所述厌氧发酵池传输的热量,/>表示所述热电联产机组最小能量转换效率、/>表示所述热电联产机组最大能量转换效率,NCHP表示所述热电联产机组的容量;HCHP为热电联产机组CHP产生的热量,该热量流向厌氧发酵池AD和储热装置TES;
所述储电设备的约束:
其中,表示所述储电设备的充电效率,/>表示所述储电设备的放电效率,0≤EBSS(t,s)≤NBSS,/>NBSS表示所述储电设备的容量,/>表示所述储电设备的最大充放电量系数,EBSS(τ=1,s)≤EBSS(τ=24,s),表示一天结束时的储电量不小于初始储电量,EBSS为电池储能在某一时刻的储电量;
所述储气设备的约束:
和/>
其中,表示所述储气设备存储沼气的效率,/>表示所述储气设备释放沼气的效率, NBES表示所述储气设备的容量,/>表示所述储气设备的最小储气系数,/>表示所述储气设备的最大储气系数,/>表示所述储气设备的最大存放沼气量系数,GBES(τ=1,s)≤GBES(τ=24,s)表示一天结束时的储气量不小于初始储气量,GBES为储气设备在某一时刻的储气量,Gbio为厌氧发酵池的沼气产率;
所述储热设备的约束:
其中,表示所述储热设备存储热量的效率,/>表示所述储热设备释放热量的效率,/>NTES表示所述储热设备的容量,/>表示所述储热设备的最大存放热量系数,HTES为储热设备在某一时刻的储热量,/>为储热设备的最小储热系数,/>为储热设备的最大储热系数。
具体地,所述对所述光沼微能源网系统优化规划模型进行线性化处理,包括:通过添加m个断点b1,b2,…,bm对所述沼气产量预测模型进行分段线性处理,以及引入因子辅助连续变量rj=zj*Lj,并采用大M法对所述供能可靠性约束进行线性处理,M为根据变量范围人为设定的任意大的正常数。
其中,所述沼气产量预测模型经分段线性处理后得到:
其中,Gbio(b1),Gbio(b2),…,Gbio(bm)分别表示各断点的线性关系,k1,k2,…,km表示m个非负决策变量和q1,q2,…,qm-1表示m-1个二元整数决策变量;
所述供能可靠性约束经线性处理后得到:
其中,
具体地,所述利用奔德斯分解方法对所述混合线性整数规划模型进行求解,包括:利用奔德斯分解方法将所述混合线性整数规划模型分解为投资决策主问题和两组运行子问题,并经奔德斯割交替迭代求解,直至满足收敛条件,其中,所述两组运行子问题包括可行子问题和优化子问题。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1是本发明实施例的光沼微能源网的优化规划方法的流程图;
图2是本发明实施例的光沼微能源网的结构示意图;
图3是本发明一个示例的利用奔德斯分解方法的流程图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图描述本发明实施例的光沼微能源网的优化规划方法。
实施例1
图1是本发明实施例的光沼微能源网的优化规划方法的流程图。
在该实施例中,光沼微能源网包括多个能量转换设备和多个储能设备,多个能量转换设备包括厌氧发酵池(Anaerobic Digesters,AD)、热电联产机组(Combined HeatandPower,CHP)、太阳能光伏板(Solar PhotoVoltaic,PV)、太阳能集热器(SolarWaterHeater,SWH),多个储能设备包括储气设备(Biogas Energy Storage,BES)、储电设备(Battery Storage System,BSS)和储热设备(Thermal Energy Storage,TES),光沼微能源网的结构如图2所示。
其中,光沼微能源网充分利用偏远地区生物质能丰富的特点,将生产生活过程中的有机废料通过在厌氧发酵池内发酵,产生的沼气在保障用户日常用气需求的同时,还可利用热电联产机组为用户供热、供电。白天光照充足,主要利用太阳能电池板与太阳能集热器分别将太阳能转化为电能和热能,对于多余的电能、热能和沼气可以分别利用对应的储能设备暂时储存起来。考虑到太阳辐射强度的日随机特性和厌氧发酵过程对温度的敏感特性,如图2所示,构建的光沼微能源网结构中设置有热反馈回路,用于将太阳能集热器和热电联产机组产生的多余热量送入厌氧发酵池以提高发酵温度,从而获得更多沼气。夜间所需的电能和热能将由热电联产机组利用储气设备中存储的沼气发电提供。
上述光沼微能源网的能量流矩阵方程如式(1)所示:
其中,Esolar表示整个光沼微能源网输入的太阳能,Ebio表示整个光沼微能源网输入的生物质能Ebio,Le、Lth、Lg分别表示输出的电能、热能、沼气能,向量L、E分别表示输出和输入的能量向量,向量C表示输入与输出能量流之间的转换耦合矩阵,向量C中的各元素cij表示耦合矩阵系数,向量S中的各元素表示各储能设备的存储与释放能量之差,E+表示储存的能量,E-表示释放的能量。式(1)中抽象的能量转换矩阵,结合步骤S1建立的模型作为后述优化规划模型中的约束条件。
如图1所示,光沼微能源网的优化规划方法包括以下步骤:
S1,对光沼微能源网中的各设备和各不确定性变量分别建模,得到各设备的模型和各不确定性变量的模型。
具体地,对于太阳能电池板、太阳能集热器、热电联产机组的模型建立,已在相关技术中公开,在此不再赘述。本发明对于沼气厌氧发酵池的建模进行详细阐述,建立的沼气厌氧发酵的热力学模型,以模拟累积的热效应对沼气产量的影响。
具体而言,沼气厌氧发酵的热力学模型如式(2)-(8)所示:
其中,式(2)表示一种场景下随沼气厌氧发酵池内温度变化的热平衡方程,Td表示厌氧发酵池内的温度,Hheat表示输送到厌氧发酵池的总热量,Hsur表示厌氧发酵池表面的热损失量,cm表示发酵原料的热容量,ρm表示发酵原料的密度,VAD表示厌氧发酵池的容积,X(τ,s)表示变量X在τ时刻在第s个场景下的值。
其中,式(3)表示输送到厌氧发酵池的总热量,表示热电联产机组输送至厌氧发酵池的热量,/>表示太阳能集热器输送至厌氧发酵池的热量,ηloss表示平均传热效率。
其中,式(4)表示厌氧发酵池表面的热损失量,ni表示第i个表面的导热系数,Ai表示第i个的厌氧发酵池表面面积,Td表示厌氧发酵池内的温度,Tsoil表示厌氧发酵池接触介质的温度。
在厌氧发酵池的模型中,投入原料的质量对沼气产量的约束条件为式(5):
ηbiombio(τ,s)≥Gbio(τ,s) (5)
其中,mbio表示每小时投料的质量,ηbio表示从生物质到沼气的最大转化效率,Gbio表示每小时沼气的生产率。需要说明的是,为了维持系统每天的不间断运行,需要每小时向厌氧发酵池内投入制沼原料。
作为一个示例,在20℃至60℃的温度范围内,厌氧发酵池的沼气产量预测模型通过下式(6)-(8)表示:
其中,参数α11,α12,α21,α22,β11,β12,β13均为常数,K表示与厌氧发酵过程速率和稳定性有关的参数,μd表示微生物的最大日生长速率,S0表示进水的挥发性固体浓度,B0表示生物化学甲烷势,HRT表示水力停留时间常数。
作为一个示例,可采用随机场景生成方法基于历史数据对各不确定性变量进行概率建模,得到各不确定性变量的模型,其中,不确定性变量包括负荷需求、太阳能辐射值和土壤温度,负荷需求包括电需求、热需求和燃气需求,每个不确定性变量由三个离散状态表示,根据历史数据获得每小时的平均值。通过将历史数据分为四个季节来考虑季节性的影响,通过排列组合可得到35=243种季节性场景,进而可利用GAMS软件中SCENRED程序的正演/反推算法进行场景筛选,得到获得最终需要的场景。
S2,基于各设备的模型和各不确定性变量的模型,建立光沼微能源网系统优化规划模型。
具体地,光沼微能源网系统优化规划模型的目标函数通过下式(9)表示,包括投资成本TIC以及运营和维护成本TOC:
min(TIC+TOC) (9)
其中,
TIC=fN*IC (10)
上式(9)-(11)中,fN=(NSWH,NPV,NCHP,NBSS,NBES,NTES)T表示决策向量,决策向量中的NSWH表示太阳能集热器的容量、NPV表示太阳能光伏板的容量,NCHP表示热电联产机组的容量,NBSS表示储电设备的容量,NBES表示储气设备的容量,NTES表示储热设备的容量,投资成本向量IC中的各个元素分别对应每个设备的投资成本,p(s)表示场景概率,Cbio表示制沼原料的单位质量成本,Dt为运行周期即优化的总时长,mbio为单位时间间隔内加入厌氧发酵池内的制沼原料的质量。
决策变量的可行域如式(12)所示:
其中,向量中的各元素分别表示各个设备的容量上限。
然后,建立光沼微能源网系统优化规划模型的约束条件,系统运行约束如式(13)-(38)所示:
式(13)-(14)表示供能可靠性约束。其中,j∈{e,th,g}表示能源形式,e表示电能,th表示热能,g表示沼气能,L′j表示不同形式的负荷需求预测值,Lj表示不同形式的负荷需求可提供值,λj表示最大能源断供可能性,zj为逻辑变量,zj(L′j-Lj)为非线性项,Relj为能源j对应的供能可靠性。
能量供需平衡约束:
式(15)-(17)表示能量供需平衡约束。其中,Le表示电负荷、Lth表示热负荷、Lg表示气负荷,ECHP表示热电联产机组的发电量,EPV表示太阳能光伏板的发电量,表示储电设备的充电量,/>表示储电设备的放电量,/>表示由太阳能集热器向储热设备传输的热量,/>表示由热电联产机组向储热设备传输的热量,/>表示储热设备释放的热量,表示储热设备吸收的热量,/>表示沼气的热值,/>表示由储气设备输送出的沼气量,GCHP表示热电联产机组发电消耗的沼气量。
式(18)表示太阳能光伏板的发电量约束,即太阳能光伏板的发电量EPV由其容量NPV和太阳辐射J决定。其中,fPV表示损耗系数,P0表示每平方太阳能光伏板的额定输出功率,JSTC表示标准测试条件下太阳能光伏板的太阳辐射,Tair表示太阳能光伏板表面的空气温度,TSTC表示标准测试条件下太阳能光伏板的温度,J为太阳辐射。
式(19)-(20)表示太阳能集热器的热量约束,具体为式(19)表示太阳能集热器转化的热量HSWH由其容量NSWH和太阳辐射J决定,式(20)表示太阳能集热器产生的热量HSWH流向厌氧发酵池和储热设备。其中,ηSWH表示太阳能集热器的能量转换效率,ηloss表示传热管路平均热耗率,表示由太阳能集热器向厌氧发酵池传输的热量,HSWH为太阳能集热器转化的热量,fSWH为太阳能集热器的太阳能保证率。
ECHP(τ,s)+HCHP(τ,s)≤NCHP (23)
式(21)-(23)表示热电联产机组的电能和热量约束,具体为式(21)表示热电联产机组产生的热量HCHP流向厌氧发酵池和储热设备,式(22)、(23)表示热电联产机组输出的电能ECHP和热量HCHP约束,其产生取决于输入的沼气量GCHP。其中,表示由热电联产机组向厌氧发酵池传输的热量,/>表示所述热电联产机组最小能量转换效率、/>表示所述热电联产机组最大能量转换效率,NCHP表示热电联产机组的容量;HCHP为热电联产机组CHP产生的热量,该热量流向厌氧发酵池AD和储热装置TES。
0≤EBSS(t,s)≤NBSS (25)
EBSS(τ=1,s)≤EBSS(τ=24,s) (28)
式(24)-(28)表示储电设备的约束,具体为式(24)表示储电设备每小时的电量变化,式(25)-(27)分别表示对于储电设备的电能存储极限和充放电量的约束,式(28)表示一天结束时的储电量不小于初始储电量,以确保系统可以连续运行。其中表示所述储电设备的充电效率,/>表示所述储电设备的放电效率,NBSS表示储电设备的容量,/>表示储电设备的最大充放电量系数,EBSS为电池储能在某一时刻的储电量。
GBES(τ=1,s)≤GBES(τ=24,s) (34)
式(29)-(34)为储气设备的约束,具体为式(29)表示存入储气设备的沼气量等于厌氧发酵池产生的沼气量Gbio,式(30)表示储气设备每小时的沼气量变化,式(31)-(33)分别表示对于储气设备的沼气存储极限和充放沼气量的约束,式(34)表示一天结束时的储气量不小于初始储气量,以确保系统可以连续运行。其中,/>表示所述储气设备存储沼气的效率,/>表示所述储气设备释放沼气的效率,NBES表示BES的容量,/>表示所述储气设备的最小储气系数,/>表示所述储气设备的最大储气系数,/>表示储气设备的最大存放沼气量系数,GBES为储气设备在某一时刻的储气量,Gbio为厌氧发酵池的沼气产率。
式(35)-(38)表示储热设备的约束,具体为式(35)表示储热设备每小时的热量变化,式(36)-(38)分别表示对于储热设备的热能存储极限和充放热量的约束。其中,表示所述储热设备存储热量的效率,/>表示所述储热设备释放热量的效率,NTES表示储热设备的容量,/>表示储热设备的最大存放热量系数,HTES为储热设备在某一时刻的储热量,为储热设备的最小储热系数,/>为储热设备的最大储热系数。
从而建立得到的光沼微能源网系统优化规划模型可表述如下:
min(TIC+TOC)
s.t.(2)-(8),(12)-(38)
由于式(6)-(8)描述的厌氧发酵温度Td与沼气产率Gbio(Td)的非线性关系,以及式(13)-(14)描述的供能可靠性约束中含有离散变量和非线性项,建立的优化规划模型是混合整数非线性规划模型,可以直接利用成熟的商业软件进行非线性规划求解,得到最经济的规划结果。考虑到求解效率,以及兼顾精确性,本发明将模型进一步进行线性化。
S3,对光沼微能源网系统优化规划模型进行线性化处理,得到混合线性整数规划模型。
具体地,对光沼微能源网系统优化规划模型进行线性化处理,包括:通过添加m个断点b1,b2,…,bm对沼气产量预测模型进行分段线性处理,以及引入因子辅助连续变量rj=zj*Lj,并采用大M法对供能可靠性约束进行线性处理,M为根据变量范围人为设定的任意大的正常数。
具体而言,对于非线性约束(6)-(8),通过添加m个断点b1,b2,…,bm,利用分段线性曲线来代替,分段越多模型越精确,每段线性关系分别表示为Gbio(b1),Gbio(b2),…,Gbio(bm)。定义m个非负决策变量k1,k2,…,km和m-1个二元整数决策变量q1,q2,…,qm-1。将约束(6)-(8)在区间[b0,bm]中近似线性化重新形成约束,简化得到式(39)-(43)。
km≤qm-1+qm(m=1,2...m-1),km≤qm-1 (41)
对于约束(13)-(14),引入因子辅助连续变量rj=zj*Lj,利用大M法将原约束放宽为(44)-(48),其中M是足够大的正数。
最终得到光沼微能源网系统的规划问题最终形式,即混合线性整数规划模型,该混合线性整数规划模型可表述如下:
min(TIC+TOC)
s.t.(2)-(5),(15)-(48)
S4,利用奔德斯分解方法对混合线性整数规划模型进行求解,得到光沼微能源网的优化规划结果。
具体地,利用奔德斯分解方法对混合线性整数规划模型进行求解,包括:利用奔德斯分解方法将混合线性整数规划模型分解为投资决策主问题和两组运行子问题,并经奔德斯割交替迭代求解,直至满足收敛条件,其中,两组运行子问题包括可行子问题和优化子问题。
需要说明的是,若直接利用成熟的商业软件直接求解,则求解代价大。为了简化计算量,本发明利用奔德斯分解方法将含有大规模场境的规划问题分解为投资决策主问题和两组子问题,以提高计算效率。为了方便说明将步骤S3最终得到的混合线性整数规划模型重新表述如下:
其中,向量x表示投资阶段的决策向量fN,向量ys由运行阶段内的连续变量组成,向量zs由操作阶段内的离散变量组成,s表示场景,P(s)是场景期望值,Ax≥b表示投资约束(12),Ex+Fys+Gzs≥h表示所有运行约束(2)-(5)和(15)-(48)。
利用奔德斯分解方法将优化规划模型(49)分解为投资决策主问题和两组运行子问题;两组运行子问题分别为可行子问题和优化子问题,主问题和子问题间经奔德斯割交替迭代求解,通过反复迭代过程,修改系统的上、下限,当二者之差满足收敛条件时停止迭代得到最优解。
投资决策主问题为:
其中,其中θ是运行阶段追索成本的近似值。在每次迭代过程中,将求解主问题(50)得到的最优解x*作为下界LB。
可行子问题用于检验从主问题中获得的投资决策在运行阶段时是否可行,利用求得的主问题最优解x*,放宽每种场景下可行子问题。由于原始的可行子问题是非凸的,不能直接来为主问题提供奔德斯割集。故而先利用问题(51)求得离散变量zs*,并将其值固定后,重新构造后的可行子问题如(52)所示,其中向量w是非负松弛变量向量。
如果在y=ys*处可行子问题的最优值不等于零,则生成可行割(53)并将其添加到主问题中,其中υs*是可行子问题(52)的最优对偶解。
如果(52)的最优值等于零,则优化子问题表示为(54)。
由于(54)是非凸的,因此采用与解决可行子问题相同的方法来求解并获得的最优原始解和最优对偶解/>从而更新上限UB如式(55)所示。
如果第n次迭代完成时,收敛条件|UBn-LBn|<ε无法满足,将在下一次迭代中生成如式(56)所示的最优割并将其添加到主问题(50)内;若满足收敛条件则迭代终止,获得规划问题(49)的最优解。
上述利用奔德斯分解方法求解优化规划问题(49)过程对应的流程图如图3所示。
根据最终得到的优化结果,可确定光沼微能源网内各个设备的最佳容量。
本发明实施例的光沼微能源网的优化规划方法,能够对光沼微能源网中各组成部分进行最优配置,合理选用设备容量,且考虑到沼气发酵过程中的热力学模型和多能流的耦合特性,可以客观地为实际生产过程中做出指导,提高经济效益。
实施例2
进一步地,本发明还提出了一种计算机可读存储介质。
在本发明的实施例中,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述的光沼微能源网的优化规划方法。
本发明实施例的计算机可读存储介质,在其上存储的与上述光沼微能源网的优化规划方法对应的计算机程序被处理器执行时,能够对光沼微能源网中各组成部分进行最优配置,合理选用设备容量,且考虑到沼气发酵过程中的热力学模型和多能流的耦合特性,可以客观地为实际生产过程中做出指导,提高经济效益。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (6)
1.一种光沼微能源网的优化规划方法,其特征在于,所述光沼微能源网包括多个能量转换设备和多个储能设备,所述多个能量转换设备包括厌氧发酵池、热电联产机组、太阳能光伏板、太阳能集热器,所述多个储能设备包括储气设备、储电设备和储热设备,所述方法包括以下步骤:
对所述光沼微能源网中的各设备和各不确定性变量分别建模,得到各设备的模型和各不确定性变量的模型;
基于所述各设备的模型和所述各不确定性变量的模型,建立光沼微能源网系统优化规划模型;
对所述光沼微能源网系统优化规划模型进行线性化处理,得到混合线性整数规划模型;
利用奔德斯分解方法对所述混合线性整数规划模型进行求解,得到所述光沼微能源网的优化规划结果;
所述厌氧发酵池的模型通过下式表示:
其中,Td表示所述厌氧发酵池内的温度,Hheat表示输送到所述厌氧发酵池的总热量,Hsur表示所述厌氧发酵池表面的热损失量,cm表示发酵原料的热容量,ρm表示发酵原料的密度,VAD表示所述厌氧发酵池的容积,X(τ,s)表示变量X在τ时刻在第s个场景下的值;
所述输送到所述厌氧发酵池的总热量通过下式表示:
其中,表示所述热电联产机组输送至所述厌氧发酵池的热量,/>表示所述太阳能集热器输送至所述厌氧发酵池的热量,ηloss表示平均传热效率;
所述厌氧发酵池表面的热损失量通过下式表示:
其中,ni表示第i个表面的导热系数,Ai表示第i个的厌氧发酵池表面面积,Td表示所述厌氧发酵池内的温度,Tsoil表示所述厌氧发酵池接触介质的温度;
在所述厌氧发酵池的模型中,投入原料的质量对沼气产量的约束条件为:
ηbiombio(τ,s)≥Gbio(τ,s),
其中,mbio表示每小时投料的质量,ηbio表示从生物质到沼气的最大转化效率,Gbio表示每小时沼气的生产率;
在20℃至60℃的温度范围内,所述厌氧发酵池的沼气产量预测模型通过下式表示:
其中, 参数α11,α12,α21,α22,β11,β12,β13均为常数,K表示与厌氧发酵过程速率和稳定性有关的参数,μd表示微生物的最大日生长速率,S0表示进水的挥发性固体浓度,B0表示生物化学甲烷势,HRT表示水力停留时间常数;
所述光沼微能源网系统优化规划模型的约束条件包括:
供能可靠性约束:
其中,j∈{e,th,g}表示能源形式,e表示电能,th表示热能,g表示沼气能,L′j表示不同形式的负荷需求预测值,Lj表示不同形式的负荷需求可提供值,λj表示最大能源断供可能性,zj为逻辑变量,zj(L′j-Lj)为非线性项,Relj为能源j对应的供能可靠性;
能量供需平衡约束:
其中,Le表示电负荷、Lth表示热负荷、Lg表示气负荷,ECHP表示所述热电联产机组的发电量,EPV表示所述太阳能光伏板的发电量,表示所述储电设备的充电量,/>表示所述储电设备的放电量,/>表示由所述太阳能集热器向所述储热设备传输的热量,/>表示由所述热电联产机组向所述储热设备传输的热量,/>表示所述储热设备释放的热量,/>表示所述储热设备吸收的热量,/>表示沼气的热值,/>表示由所述储气设备输送出的沼气量,GCHP表示所述热电联产机组发电消耗的沼气量;
所述太阳能光伏板的发电量约束:
其中,fPV表示损耗系数,P0表示每平方所述太阳能光伏板的额定输出功率,JSTC表示标准测试条件下所述太阳能光伏板的太阳辐射,Tair表示所述太阳能光伏板表面的空气温度,TSTC表示标准测试条件下所述太阳能光伏板的温度,NPV表示所述太阳能光伏板的容量,J为太阳辐射;
所述太阳能集热器的热量约束:
其中,ηSWH表示所述太阳能集热器的能量转换效率,ηloss表示传热管路平均热耗率,表示由所述太阳能集热器向所述厌氧发酵池传输的热量,NSWH表示所述太阳能集热器的容量,HSWH为太阳能集热器转化的热量,fSWH为太阳能集热器的太阳能保证率;
所述热电联产机组的电能和热量约束:
ECHP(τ,s)+HCHP(τ,s)≤NCHP,
其中,表示由所述热电联产机组向所述厌氧发酵池传输的热量,/>表示所述热电联产机组最小能量转换效率、/>表示所述热电联产机组最大能量转换效率,NCHP表示所述热电联产机组的容量;HCHP为热电联产机组CHP产生的热量,该热量流向厌氧发酵池AD和储热装置TES;
所述储电设备的约束:
其中,表示所述储电设备的充电效率,/>表示所述储电设备的放电效率,0≤EBSS(t,s)≤NBSS,/>NBSS表示所述储电设备的容量,表示所述储电设备的最大充放电量系数,EBSS(τ=1,s)≤EBSS(τ=24,s),表示一天结束时的储电量不小于初始储电量,EBSS为电池储能在某一时刻的储电量;
所述储气设备的约束:
其中,表示所述储气设备存储沼气的效率,/>表示所述储气设备释放沼气的效率, NBES表示所述储气设备的容量,/>表示所述储气设备的最小储气系数,/>表示所述储气设备的最大储气系数,/>表示所述储气设备的最大存放沼气量系数,GBES(τ=1,s)≤GBES(τ=24,s)表示一天结束时的储气量不小于初始储气量,GBES为储气设备在某一时刻的储气量,Gbio为厌氧发酵池的沼气产率;
所述储热设备的约束:
其中,表示所述储热设备存储热量的效率,/>表示所述储热设备释放热量的效率,NTES表示所述储热设备的容量,/>表示所述储热设备的最大存放热量系数,HTES为储热设备在某一时刻的储热量,/>为储热设备的最小储热系数,/>为储热设备的最大储热系数。
2.如权利要求1所述的光沼微能源网的优化规划方法,其特征在于,采用随机场景生成方法基于历史数据对所述各不确定性变量进行概率建模,得到所述各不确定性变量的模型,其中,所述不确定性变量包括负荷需求、太阳能辐射值和土壤温度,所述负荷需求包括电需求、热需求和燃气需求,每个不确定性变量由三个离散状态表示。
3.如权利要求1所述的光沼微能源网的优化规划方法,其特征在于,所述光沼微能源网系统优化规划模型的目标函数通过下式表示:
min(TIC+TOC),
其中,TIC=fN*IC,表示投资成本,TOC=MC*fN+∑Dtp(s)∑Cbiombio(τ,s),表示运营和维护成本,fN=(NSWH,NPV,NCHP,NBSS,NBES,NTES)T表示决策向量,所述决策向量中的NSWH表示所述太阳能集热器的容量、NPV表示所述太阳能光伏板的容量,NCHP表示所述热电联产机组的容量,NBSS表示所述储电设备的容量,NBES表示所述储气设备的容量,NTES表示所述储热设备的容量,投资成本向量IC中的各个元素分别对应每个设备的投资成本,维护成本向量MC中的各个元素分别对应每个设备的维护成本,p(s)表示场景概率,Cbio表示制沼原料的单位质量成本,向量/>中的各元素分别表示各个设备的容量上限,Dt为运行周期即优化的总时长,mbio为单位时间间隔内加入厌氧发酵池内的制沼原料的质量。
4.如权利要求1所述的光沼微能源网的优化规划方法,其特征在于,所述对所述光沼微能源网系统优化规划模型进行线性化处理,包括:
通过添加m个断点b1,b2,…,bm对所述沼气产量预测模型进行分段线性处理,以及引入因子辅助连续变量rj=zj*Lj,并采用大M法对所述供能可靠性约束进行线性处理,M为根据变量范围人为设定的任意大的正常数。
5.如权利要求4所述的光沼微能源网的优化规划方法,其特征在于,其中,
所述沼气产量预测模型经分段线性处理后得到:
其中,km≤qm-1+qm(m=1,2...m-1),km≤qm-1,/>Gbio(b1),Gbio(b2),…,Gbio(bm)分别表示各断点的线性关系,k1,k2,…,km表示m个非负决策变量和q1,q2,…,qm-1表示m-1个二元整数决策变量;
所述供能可靠性约束经线性处理后得到:
其中,
6.如权利要求1所述的光沼微能源网的优化规划方法,其特征在于,所述利用奔德斯分解方法对所述混合线性整数规划模型进行求解,包括:
利用奔德斯分解方法将所述混合线性整数规划模型分解为投资决策主问题和两组运行子问题,并经奔德斯割交替迭代求解,直至满足收敛条件,其中,所述两组运行子问题包括可行子问题和优化子问题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010339427.XA CN111539572B (zh) | 2020-04-26 | 2020-04-26 | 光沼微能源网的优化规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010339427.XA CN111539572B (zh) | 2020-04-26 | 2020-04-26 | 光沼微能源网的优化规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111539572A CN111539572A (zh) | 2020-08-14 |
CN111539572B true CN111539572B (zh) | 2023-07-18 |
Family
ID=71978951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010339427.XA Active CN111539572B (zh) | 2020-04-26 | 2020-04-26 | 光沼微能源网的优化规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111539572B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113313416B (zh) * | 2021-06-22 | 2023-01-20 | 上海交通大学 | 计及沼气发电与新能源消纳机制的配网电力资源优化分配方法 |
CN113570203B (zh) * | 2021-07-05 | 2023-11-14 | 西安交通大学 | 光伏发电储能储热一体化系统及其规划方法 |
CN113807884B (zh) * | 2021-08-20 | 2024-05-14 | 国网浙江省电力有限公司经济技术研究院 | 一种园区综合能源系统电网接入容量确定方法及装置 |
CN114744624A (zh) * | 2022-06-10 | 2022-07-12 | 国网湖北省电力有限公司经济技术研究院 | 一种生物质-太阳能分布式电源规划优化方法 |
CN116260166B (zh) * | 2023-03-15 | 2024-02-09 | 中国矿业大学 | 电-气耦合的乡村光沼弹性综合能源系统及其运行模型 |
CN116664087B (zh) * | 2023-08-02 | 2023-10-10 | 山东赛马力发电设备有限公司 | 一种能源综合管理系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107967537A (zh) * | 2017-11-27 | 2018-04-27 | 湖南大学 | 一种风光沼微能源网的能量管理方法及装置 |
CN108564242A (zh) * | 2018-01-09 | 2018-09-21 | 湖南大学 | 微能源网系统、微能源网配置方法及装置 |
CN109919478A (zh) * | 2019-02-28 | 2019-06-21 | 天津大学 | 一种考虑综合供能可靠性的综合能源微网规划方法 |
CN110555595A (zh) * | 2019-08-09 | 2019-12-10 | 四川大学 | 一种基于能量枢纽的沼-风-光全可再生能源系统及其方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9146547B2 (en) * | 2011-07-20 | 2015-09-29 | Nec Laboratories America, Inc. | Optimal energy management of a rural microgrid system using multi-objective optimization |
-
2020
- 2020-04-26 CN CN202010339427.XA patent/CN111539572B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107967537A (zh) * | 2017-11-27 | 2018-04-27 | 湖南大学 | 一种风光沼微能源网的能量管理方法及装置 |
CN108564242A (zh) * | 2018-01-09 | 2018-09-21 | 湖南大学 | 微能源网系统、微能源网配置方法及装置 |
CN109919478A (zh) * | 2019-02-28 | 2019-06-21 | 天津大学 | 一种考虑综合供能可靠性的综合能源微网规划方法 |
CN110555595A (zh) * | 2019-08-09 | 2019-12-10 | 四川大学 | 一种基于能量枢纽的沼-风-光全可再生能源系统及其方法 |
Non-Patent Citations (2)
Title |
---|
刘维康 ; 王丹 ; 余晓丹 ; 马莉 ; 薛松 ; 武泽辰 ; .考虑电气转换储能和可再生能源集成的微能源网多目标规划.电力系统自动化.2018,(16),全文. * |
马艺玮 ; 杨苹 ; 郭红霞 ; 吴捷 ; .风-光-沼可再生能源分布式发电系统电源规划.电网技术.2012,(09),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111539572A (zh) | 2020-08-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111539572B (zh) | 光沼微能源网的优化规划方法 | |
CN109993345A (zh) | 一种面向园区的孤岛运行多能互补系统动态经济调度方法 | |
CN114204573B (zh) | 一种自洽能源系统控制装置及方法 | |
Ju et al. | Robust Multi-objective optimal dispatching model for a novel island micro energy grid incorporating biomass waste energy conversion system, desalination and power-to-hydrogen devices | |
CN114462889A (zh) | 一种氢-电耦合多能源跨区域优化配置方法及系统 | |
CN114400685A (zh) | 一种电源多能互补及其源荷储互动的方法 | |
CN110222867A (zh) | 一种热电联供型微网经济运行优化方法 | |
CN116260166B (zh) | 电-气耦合的乡村光沼弹性综合能源系统及其运行模型 | |
CN117254502A (zh) | 基于电-氢混合储能综合能源系统多目标优化调度方法 | |
CN114519456B (zh) | 一种绿色农业零碳供能系统及其智能配置分层优化算法 | |
CN116540545A (zh) | 一种基于伊藤过程的光伏发电制氢集群随机优化调度方法 | |
Mehrjerdi | Optimal cooperation of a hydrogen storage system and fuel cell to supply electrical and thermal loads | |
CN116742812A (zh) | 一种多能互补发电系统储能容量协调优化配置方法和系统 | |
CN112803413B (zh) | 综合能源系统的三级分区自治与互补协同控制方法及装置 | |
CN105990856A (zh) | 导入暗发酵生物质能电力于再生能源电网的供电系统 | |
CN114914943A (zh) | 面向绿色港口岸电系统的氢储能优化配置方法 | |
Udousoro et al. | Cost Analysis of Hydrogen Production for Transport Application | |
Chen et al. | Optimal control for a wind-hydrogen-fuel cell multi-vector energy system | |
Shi et al. | Research on Energy Management Optimization Strategy of Integrated Energy System in Wind Photovoltaic Hydrogen Energy Storage Area | |
CN116415740B (zh) | 一种基于鞍论不确定性的虚拟电厂两阶段鲁棒优化方法 | |
Hakimi et al. | Optimization of a reliable combined heat and power microgrid considered uncertainty | |
CN115775054B (zh) | 考虑需求响应的海洋牧场综合能源系统的规划方法及系统 | |
CN111222699B (zh) | 一种基于氢热混合储能装置的多能源系统容量优化方法 | |
Wang et al. | Capacity Optimization of Island Integrated Energy System Considering Hydrogen Energy Access | |
Blevins et al. | Integrated Renewable Energy Systems for EV Charging Stations: Optimization of PV Generated Electricity Integrated with Green Hydrogen Energy in Kentucky |
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 |