CN111614121A - 考虑需求响应的含电动汽车的多能源园区日前经济调度方法 - Google Patents

考虑需求响应的含电动汽车的多能源园区日前经济调度方法 Download PDF

Info

Publication number
CN111614121A
CN111614121A CN202010498048.5A CN202010498048A CN111614121A CN 111614121 A CN111614121 A CN 111614121A CN 202010498048 A CN202010498048 A CN 202010498048A CN 111614121 A CN111614121 A CN 111614121A
Authority
CN
China
Prior art keywords
power
representing
time period
gas
energy
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.)
Pending
Application number
CN202010498048.5A
Other languages
English (en)
Inventor
刘天琪
吕祥梅
何川
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.)
Sichuan University
Original Assignee
Sichuan 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 Sichuan University filed Critical Sichuan University
Priority to CN202010498048.5A priority Critical patent/CN111614121A/zh
Publication of CN111614121A publication Critical patent/CN111614121A/zh
Pending legal-status Critical Current

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/14—Details associated with the interoperability, e.g. vehicle recognition, authentication, identification or billing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种考虑需求响应的含电动汽车的多能源园区日前经济调度方法，首先根据确定的多能源园区具体组成对园区内各设备进行建模，然后再考虑需求响应的同时引入电动汽车，以园区运行总成本最小为目标函数，并考虑相关所以约束条件，结合蒙特卡洛场景理论，构建了一种考虑风电出力和光伏出力的不确定性的多能源园区日前经济调度随机模型，验证了需求响应和电动汽车对多能源园区经济运行与新能源消纳的贡献优势，得到了考虑需求响应的含电动汽车的多能源园区日前经济调度策略。引入需求响应机制和电动汽车进一步提升园区对新能源消纳的能力和增强多能源园区的运行经济性。

Description

考虑需求响应的含电动汽车的多能源园区日前经济调度方法
技术领域
本发明属于多能源系统经济调度技术领域，特别涉及一种考虑需求响应的含电动汽车的多能源园区日前经济调度方法。
背景技术
风能作为开发技术成熟、干净便宜的新能源之一，太阳能作为环保清洁、开发潜能大的新能源之一，两者越来越受到研究们的重视，是目前发展远景最好的新能源，研究与实践证明两者能较好的解决能源与环境问题。但是，风力发电和光伏出力由于受自然条件的干扰很大，所以存在很明显的不确定性，这种不确定性不仅使得新能源并网后给电网带来了一系类的安全与稳定问题，还使得风电和光电的消纳问题日渐突出，导致严重的“弃风”与“弃光”现象。为了有效的解决新能源消纳的问题，加上全球互联网的发展，万物互联的智能化是未来的趋势，多能源系统(综合能源系统)开始出现，较大的推进了能源的可持续发展。
但是由于我国现行的能源体制，各能源的规划与运行都是独立进行的，分立调度严重制约了园区内可接入的新能源容量和限制了新能源渗透率的提高。为此，不少专家学者进行了园区多能协调互补的研究，一般都是通过在园区内引入热电联产，促进电热转换，但是热电联产“以热定电”的工作模式仍然制约着新能源的消纳。此外，由于对新能源出力的不确定性考虑不全面，所建立的模型与现实有较大的差距。加之园区内电力和天然气的某些物理特性，所建立的多能源园区日前经济调度模型大部分是非线性的。再加之在促进新能源消纳方面目前还没有较为成熟的极为有效的方法以及向园区引入电动汽车作为特殊需求响应的研究较少，虽然研究者们对不同能源负荷的需求响应的应用逐渐增加，但是新能源消纳的难题仍然没有得到解决。因此，有必要针对高比例新能源消纳在考虑需求响应的含电动汽车的多能源园区的日前经济调度方案里做进一步研究。
热电联产实现了能源的分级利用，能有效的统筹两种能源的互补运行，提高系统对电与热的利用率；电转气设备可以把网络中过剩的新能源出力转换为天然气并将其在天然气网络和储气设备中进行储存，从而有效地降低弃风量；储能设备在一定程度上打破了电热耦合制约，增加了各能源之间的调度灵活性，在增加新能源的消纳的同时降低园区运行费用。所以，在引入热电联产、电转气设备和储能设备的基础上引入电动汽车，并且考虑需求响应，建立考虑高比例新能源消纳的多能源园区日前经济调度混合整数线性规划模型以及方法对多能源园区的经济调度与优化运行都具有重要意义。
发明内容
本发明所要解决的技术问题是提供一种考虑需求响应的含电动汽车的多能源园区日前经济调度方法，利用混合整数线性规划理论建立了多能源园区日前经济调度线性模型，避免了处理系统运行约束中的非线性约束。并在前述基础上引入需求响应机制和电动汽车进一步提升园区对新能源消纳的能力和增强多能源园区的运行经济性。
为解决上述技术问题，本发明采用的技术方案是：
一种考虑需求响应的含电动汽车的多能源园区日前经济调度方法，包括以下步骤：
步骤1：确定多能源园区的具体组成，包含引入的新能源形式和具体的设备组成；
步骤2：分别建立多能源园区内部设备的模型，包括新能源出力模型和各种能源转换设备模型；
步骤3：建立需求响应模型；
步骤4：建立电动汽车模型；
步骤5：以多能源园区运行总成本最小同时考虑“弃风”与“弃光”惩罚和失负荷补偿为目标函数，考虑多能源园区约束条件，建立考虑需求响应的含电动汽车的多能源园区日前经济调度混合整数线性规划模型；
步骤6：运用蒙特卡罗场景理论对风电出力和光伏出力的不确定性进行处理，经过场景生成和削减后得到符合多能源园区新能源出力特征的风电出力场景和光伏出力场景；
步骤7：输入多能源园区能源接入、新能源出力数据、各设备参数、运行参数，采用商业求解器Gurobi对考虑需求响应的含电动汽车的多能源园区日前经济调度模型进行求解，得到多能源园区经济调度结果。
进一步地，步骤1所述多能源园区的具体组成如下：
(1)接入多能源园区的新能源形式为：风电和光伏发电；
(2)引入多能源园区的能源转换设备有：燃气轮机、热电联产机组、电转气设备、电锅炉、储气/储热设备和蓄电池。
进一步地，步骤2所述新能源出力模型与各能源转换设备模型如下；
(1)风电出力模型
Figure BDA0002523687220000031
式中，F(·)表示风电出力概率分布函数；pwf表示风电出力；P(·)表示概率分布函数；k表示形状系数；c表示威布尔分布的尺度参数；PWF和wr分别为风电出力的大小和风电场的额定容量，单位为MW；vin、vr、vout依次表示风电机组投入、额定、退出风速；p表示概率。
(2)光伏出力模型
PM＝rAα
Figure BDA0002523687220000032
式中，PM为光伏出力输出功率；r为时段t内实际光照；A为电池组件面积；α为光电转换效率；f(·)表示光伏出力分布函数；τ(·)表示Beta分布函数；p、q为Beta分布的形状参数；RM为光伏出力的最大输出功率。
(3)电锅炉模型
Figure BDA0002523687220000033
Figure BDA0002523687220000034
Figure BDA0002523687220000035
Figure BDA0002523687220000036
Figure BDA0002523687220000037
Figure BDA0002523687220000038
Figure BDA0002523687220000039
Figure BDA00025236872200000310
Figure BDA0002523687220000041
式中，t表示调度时间段；t-1表示调度时间段；
Figure BDA0002523687220000042
分别代表电锅炉在t时段产生的热功率和消耗的电功率；αEB表示电热转换效率；
Figure BDA0002523687220000043
分别表示第k台电锅炉在t时段开机、关机的费用；
Figure BDA0002523687220000044
表示第k台电锅炉在t时间段的开关机情况，
Figure BDA0002523687220000045
表示第k台电锅炉在t-1时段的开关机状态；
Figure BDA0002523687220000046
分别表示电锅炉一次启、停的费用；
Figure BDA0002523687220000047
表示第k台电锅炉的热电转换率；
Figure BDA0002523687220000048
表示第k台电锅炉在时刻t的耗电功率；
Figure BDA0002523687220000049
表示第k台电锅炉在时刻t的产热功率；
Figure BDA00025236872200000410
分别表示第k台电锅炉的最大产热功率和最小产热功率；
Figure BDA00025236872200000411
表示第k台电锅炉在时刻t-1的产热功率；
Figure BDA00025236872200000412
分别表示第k台电锅炉的上、下爬坡率；
Figure BDA00025236872200000413
分别表示第k台电锅炉在时间段t-1内接连开、关机时间；
Figure BDA00025236872200000414
分别表示第k台电锅炉在时间段t内的最短开机、关机时间。
(4)燃气轮机模型
Figure BDA00025236872200000415
Figure BDA00025236872200000416
式中，n表示第n台燃气轮机，pn表示燃气轮机的有功功率，Gn表示燃气轮机消耗的天然气量；F(·)为天然气热耗率曲线；SUn表示一台燃气轮机开机所需热量；SDn表示一台燃气轮机关机所需的热量；HHV表示高发热值，值为1.026MBtu/Kcf；an、bn和cn为燃气轮机的费用函数拟合参数。
(5)热电联产机组模型
热电联系数学表达式为：
Figure BDA00025236872200000417
式中,t表示调度时间段；
Figure BDA00025236872200000418
表示CHP机组产热量；
Figure BDA00025236872200000419
分别表示第p台溴冷机的烟气回收率、第p台微燃机在时段t的发电效率和散热损失率；
Figure BDA00025236872200000420
为第p台溴冷机的产热参数；
Figure BDA00025236872200000421
表示第p台微燃机在时段t的耗电功率。
CHP机组用气功率：
Figure BDA0002523687220000051
式中，
Figure BDA0002523687220000052
表示第p台CHP机组在时间段t的用气功率；
Figure BDA0002523687220000053
表示第p台微燃机在时段t的耗电功率；
Figure BDA0002523687220000054
表示第p台微燃机在时段t的发电效率；LHANG为天然气低热值，取为9.7kW·h/m3
Figure BDA0002523687220000055
Figure BDA0002523687220000056
式中，t表示调度时间段；t-1代表调度时间段；
Figure BDA0002523687220000057
分别表示第p台CHP机组在t时间段开机、关机的费用；
Figure BDA0002523687220000058
表示第p台CHP机组在t时间段的开关机情况，
Figure BDA0002523687220000059
表示第p台CHP机组在t-1时段的开关机状态，
Figure BDA00025236872200000510
表示第p台CHP机组在t时段的开关机状态，
Figure BDA00025236872200000511
表示第m台机组在t时间段的开关机状态；
Figure BDA00025236872200000512
分别表示CHP机组一次启、停的费用。
(6)电转气设备
Gm＝φmPmαm/HHV
Figure BDA00025236872200000513
Figure BDA00025236872200000514
式中，t表示调度时间段；m为电转气设备的索引；Pm表示电转气设备工作所需电能；Gm表示电转气设备产生的天然气量；φm表示能量转换系数，通常取φm＝3.4MBtu/MWh；αm表示设备的工作效率；HHV表示高发热值，值为1.026MBtu/Kcf；
Figure BDA00025236872200000515
表示第m台P2G装置在时间段t的天然气消耗功率；
Figure BDA00025236872200000516
表示第m台P2G装置在时间段t的耗电功率；
Figure BDA00025236872200000517
分别表示第m台P2G装置的最小储存天然气的功率和最大储存天然气的功率；
Figure BDA00025236872200000518
表示第m台P2G设备的转换效率；LHANG为天然气低热值，取为9.7kW·h/m3。
(7)储气/热设备模型
Figure BDA00025236872200000519
式中，t表示调度时间段；t-1代表调度时间段；St、St-1分别表示储热/气设备在t时段、t-1时段的容量；Wc、Wd分别表示储热/气设备储存、释放的能量；αc、αd分别表示储热/气设备储能、放能的效率；Δt表示调度时间间隔。
(8)蓄电池模型
Figure BDA0002523687220000061
式中，t表示调度时间段；t-1代表调度时间段；SBat,t、SBat,t-1分别表示蓄电池在t时间段、t-1时间段的剩余容量；σBat表示蓄电池的自放电率；
Figure BDA0002523687220000062
分别表示蓄电池在t时段的充电功率和放电功率；
Figure BDA0002523687220000063
分别表示在t时段的充电效率和放电效率；Δt表示调度时间间隔。
进一步地，步骤3所述需求响应模型如下：
Figure BDA0002523687220000064
Figure BDA0002523687220000065
Figure BDA0002523687220000066
Figure BDA0002523687220000067
Figure BDA0002523687220000068
Figure BDA0002523687220000069
Figure BDA00025236872200000610
式中，t表示调度时间段；Nt代表整个调度时间；
Figure BDA00025236872200000611
表示时段t的需求侧响应负荷；
Figure BDA00025236872200000612
表示时段t的可转移负荷，正值表示转出可转移负荷，负值表示转入可转移负荷；
Figure BDA00025236872200000613
表示时段t的可中断电负荷；
Figure BDA00025236872200000614
表示时段t的电负荷；
Figure BDA00025236872200000615
表示时段t的考虑需求响应后的电负荷；
Figure BDA00025236872200000616
表示时段t的电负荷预测值；
Figure BDA00025236872200000617
表示系统允许的最大电负荷；Pinter,max表示系统调度时间段内允许的最大中断负荷功率；
Figure BDA00025236872200000618
表示时段t内允许的最大可中断电负荷比例；
Figure BDA00025236872200000619
表示时段t内允许的最大可转移电负荷比例。
Figure BDA00025236872200000620
Figure BDA0002523687220000071
式中，t表示调度时间段；Nt代表整个调度时间；
Figure BDA0002523687220000072
表示时间段t的热负荷预测值；
Figure BDA0002523687220000073
表示系统所允许的最大热负荷；
Figure BDA0002523687220000074
表示可响应热负荷值；
Figure BDA0002523687220000075
表示可响应热负荷比重；HDR,max表示园区调度时段内允许的最大可中断热负荷。
进一步地，步骤4所述电动汽车模型如下：
Figure BDA0002523687220000076
Figure BDA0002523687220000077
Figure BDA0002523687220000078
Figure BDA0002523687220000079
Figure BDA00025236872200000710
Figure BDA00025236872200000711
式中，t表示调度时间段；t-1代表调度时间段；SBat,t、SBat,t-1分别表示蓄电池在t时间段、t-1时间段的剩余容量；σBat表示蓄电池的自放电率；
Figure BDA00025236872200000712
分别表示蓄电池在t时段的充电功率和放电功率；
Figure BDA00025236872200000713
分别表示在t时段的充电效率和放电效率；Δt表示调度时间间隔；
Figure BDA00025236872200000714
分别代表第l台电动汽车在时间段t的充、放电功率；
Figure BDA00025236872200000715
分别表示第l个充电桩所连的电动汽车在时段t的充放电状态；
Figure BDA00025236872200000716
分别代表电动汽车的额定充电和放电功率；
Figure BDA00025236872200000717
表示第l个充电桩所连的电动汽车在时段t的电池荷电状态；
Figure BDA00025236872200000718
表示第l个充电桩所连的电动汽车在时段t+1的电池荷电状态；αev,c、αev,d分别表示电动汽车的充、放电效率；
Figure BDA00025236872200000719
表示电动汽车的电池容量；
Figure BDA00025236872200000720
分别表示电动汽车电池荷电状态的下界和上界；
Figure BDA00025236872200000721
表示第l个充电桩所连的电动汽车离开时的期望电池荷电状态，
Figure BDA00025236872200000722
表示第l个充电桩所连的电动汽车离开时的电池荷电状态。
进一步地，步骤5所述多能源园区目标函数及相关约束条件如下：
(1)多能源园区日前经济调度模型以园区整体运行总费用最少为目标函数，其中，园区运行总成本包含购电费、购气费和机组启停成本，考虑风光消纳与电、热负荷平衡约束，所以把“弃风”和“弃光”所支付的惩罚费用以及失负荷量所支付的补偿费用加入目标函数中，同时把向电网售电、气网售气的收益加入目标函数中，即：
Figure BDA0002523687220000081
其中，
Figure BDA0002523687220000082
Figure BDA0002523687220000083
CT＝ut(1-ut)St
Figure BDA0002523687220000084
Figure BDA0002523687220000085
Figure BDA0002523687220000086
Figure BDA0002523687220000087
Figure BDA0002523687220000088
Figure BDA0002523687220000089
Figure BDA00025236872200000810
Figure BDA00025236872200000811
式中，t表示调度时间段；Nt代表整个调度时间；t-1表示调度时间段；
Figure BDA00025236872200000812
表示时段t的购电费用，
Figure BDA00025236872200000813
表示时段t的购气费用；
Figure BDA00025236872200000814
表示时段t的售电收益，
Figure BDA00025236872200000815
表示时段t的售气收益；
Figure BDA00025236872200000816
分别表示时段t的单位买电、买气、卖电、卖气价格；
Figure BDA00025236872200000817
分别表示时段t的买电、买气、卖电、卖气功率；
Figure BDA0002523687220000091
分别表示弃风、光惩罚费用；
Figure BDA0002523687220000092
分别表示CHP机组的启、停费用，
Figure BDA0002523687220000093
分别表示电锅炉启、停费用；
Figure BDA0002523687220000094
分别表示失电、热负荷惩罚费用；CT表示机组启停费用；ut表示机组启停状态；st表示机组开关机一次所需费用；
Figure BDA0002523687220000095
为时段t的单位弃风惩罚价格，NWT为园区内风机的数量，
Figure BDA0002523687220000096
为第i台风机在t时间段的“弃风”功率，Δt为调度时间间隔；
Figure BDA0002523687220000097
为时段t的单位弃光惩罚价格，NPV为园区内光伏电池的数量，
Figure BDA0002523687220000098
为第j台风机在t时间段的“弃光功率”；
Figure BDA0002523687220000099
为时段t的单位失电负荷惩罚价格，
Figure BDA00025236872200000910
为时段t的失电负荷功率；
Figure BDA00025236872200000911
为时段t的单位失热负荷惩罚价格，
Figure BDA00025236872200000912
为时段t的失热负荷功率；
Figure BDA00025236872200000913
表示支付给需求响应中断电负荷的补偿成本；
Figure BDA00025236872200000914
为时间段t的单位可中断电负荷的补偿价格；
Figure BDA00025236872200000915
为t时段的可中断电负荷功率；Cev为电动汽车调度费用；
Figure BDA00025236872200000916
为电动汽车充电需要向电网支付的单位价格，
Figure BDA00025236872200000917
为电动汽车放电能够向电网售电获得的单位价钱；
Figure BDA00025236872200000918
为电动汽车充电从电网购买的电功率，
Figure BDA00025236872200000919
为电动汽车放电向电网卖出的电功率；；NWT、NPV、NCHP、NGT、NP2G、NEB分别表示风机、光伏电池组、热电联产机组、燃气轮机、P2G设备和电锅炉的数量。
(2)电力平衡约束
Figure BDA00025236872200000920
Figure BDA00025236872200000921
式中，t表示调度时间段；
Figure BDA00025236872200000922
分别为第i台风机、第j组光伏电池的输出功率，第p台CHP机组、第n台燃气轮机在时段t的出力功率；
Figure BDA00025236872200000923
分别表示第i台风机、第j组光伏电池在时段t的弃风、光电功率；
Figure BDA00025236872200000924
分别表示第t台P2G装置的耗电功率、第t台电锅炉在时段t的耗电功率；
Figure BDA00025236872200000925
表示园区电负荷；
Figure BDA00025236872200000926
表示考虑需求响应后的园区电负荷；
Figure BDA00025236872200000927
表示园区损失电负荷；
Figure BDA00025236872200000928
分别表示园区向外部上级电网购入、售出的电功率；
Figure BDA00025236872200000929
分别表示第l台电动汽车在时间段t的充电功率和放电功率；NWT、NPV、NCHP、NGT、NP2G、NEB分别表示风机、光伏电池组、热电联产机组、燃气轮机、P2G设备和电锅炉的数量。
(3)热量平衡约束
Figure BDA0002523687220000101
Figure BDA0002523687220000102
式中，t表示调度时间段；
Figure BDA0002523687220000103
表示考虑需求响应后的园区热负荷；
Figure BDA0002523687220000104
表示园区需求响应热负荷；
Figure BDA0002523687220000105
表示园区损失热负荷；αheat为供热网络的热能利用比例；
Figure BDA0002523687220000106
分别表示第p台CHP机组的产热功率和第k台电锅炉在时段t的产热功率；
Figure BDA0002523687220000107
表示储热设备在时段t的储/放热功率，大于0表示储存热量，小于0表示释放热量；αHS表示储热装置的储/放热效率；
Figure BDA0002523687220000108
表示储热装置的储/放热功率；NCHP、NEB分别表示热电联产机组和电锅炉的数量。
(4)天然气平衡
Figure BDA0002523687220000109
式中，
Figure BDA00025236872200001010
为第m台P2G装置在时间段t的制气功率；
Figure BDA00025236872200001011
表示第t台CHP机组消耗天然气的功率和第t台燃气轮机在时段t的消耗天然气功率；
Figure BDA00025236872200001012
为储气设备在时段t的储/放气功率，大于0为储存天然气，小于0为释放天然气气；αGS表示储气装置的储/放气效率；
Figure BDA00025236872200001013
分别表示购进、卖出的天然气量；NWT、NPV、NCHP、NGT、NP2G、NEB分别表示风机、光伏电池组、热电联产机组、燃气轮机、P2G设备和电锅炉的数量。
(5)园区与外部上级网络功率交换约束
Figure BDA00025236872200001014
Figure BDA00025236872200001015
Figure BDA00025236872200001016
Figure BDA00025236872200001017
式中，
Figure BDA00025236872200001018
分别表示时段t的买电、买气、卖电、卖气功率；Pin,min、Pin ,max分别表示最小、最大购电功率；Pout,min、Pout,max分别为最小、最大售电功率；Gin,min、Gin,max分别表示最下、最大购气功率；Gout,min、Gout,max分别表示最小、最大售气功率。
(6)气、热储能约束
Figure BDA0002523687220000111
Figure BDA0002523687220000112
Figure BDA0002523687220000113
Figure BDA0002523687220000114
Figure BDA0002523687220000115
Figure BDA0002523687220000116
式中，t表示调度时间段；t-1表示调度时间段；
Figure BDA0002523687220000117
表示时段t的储/放气功率，数值大于0表示储存天然气，数值小于0表示释放天然气；GGS,min、GGS,max分别表示储气装置在时段t的最小储存/释放天然气功率、最大储存/释放天然气气功率；
Figure BDA0002523687220000118
为储气设备在时段t内的出气量；SGS,min、SGS,max分别表示储气装置的最小和最大出气量；
Figure BDA0002523687220000119
为储气设备在时段t-1内的出气量；αSGS表示储气设备自耗率；
Figure BDA00025236872200001110
为时段t内的储热量；
Figure BDA00025236872200001111
为时段t-1内的储热量；SHS,min、SHS,max分别表示储热装置的最小、最大储气量；αSHS为储热设备自耗率；
Figure BDA00025236872200001112
表示储热设备在时段t的储/放热功率；HHS,min、HHS,max分别表示储热设备最小、最大储/放热功率；Δt表示调度时间间隔。
进一步地，步骤6所述蒙特卡罗场景法处理风电出力和光伏出力的不确定性如下：
(1)场景生成
具体步骤如下：
①根据已有的新能源出力数据，假设未来的新能源出力符合正态分布，进一步假设实际出力的均值作为预测出力，将该预测出力的20％作为正态分布的标准差；
②在Matlab中使用Normrnd函数产生符合新能源出力的正态分布随机数，这些随机数代表新能源出力概率分布的场景并且保证每个场景的产生几率为0.1％；
(2)场景削减
运用向后回代消除法将生成的1000个场景削减到4个；步骤如下：
①确定最开始的场景，设为s，然后计算s到剩余每一个场景的距离，找出和s距离最小的场景s1，并把s1删除；
②在未删除的场景集合中找出与场景s1距离最近的场景，记为s2，再将s1场景产生的概率赋值给s2；
③重复以上步骤，每次删除一个场景，直到最后的场景数符合要求为止。
与现有技术相比，本发明的有益效果是：
1)采用混合整数线性规划方法建立多能源园区日前经济调度模型，避免模型中出现非线性部分，为后续模型求解减少了计算量，加快了求解速度，提高了模型的求解效率，在获得高质量解的同时使结果更加符合实际。
2)考虑了风电出力和光伏出力的不确定性，着重减弱甚至消除新能源出力伴随着的不确定性对整个多能源园区系统的影响。蒙特卡洛场景法是目前较为成熟的处理方法，它可以确保每个场景的生成概率基本相同，最后得到比较符合原始预测出力的场景。基于此，本发明建立了考虑风/光不确定性的多能源园区日前经济调度随机模型，较为全面的考虑了多能源园区系统因素，建立的模型和得到的结果更加符合实际运行情况，对实际生产生活的参考价值比较大。
3)电动汽车作为一种特殊的需求响应资源，可控性和储能性更具优势，能使园区负荷特性更加符合新能源出力曲线，进而增加了新能源并网，提高了新能源的消纳能力，增加储能灵活性，促进各能源协调配合，负荷峰谷差减小，最终使得园区调度灵活性增强，园区经济运行更优。
4)考虑需求响应的含电动汽车的多能源园区日前经济调度，有利于提高多能源园区系统运行的灵活性和可控性、系统运行经济性、能源利用效率；结合各种能源间的协调互补关系，在分时电价的引导下通过需求响应机制在不同时段对电、气、热三种类型的负荷进行转入、转出或中断，灵活安排设备的运行，有效降低系统的失负荷量，提高新能源的消纳能力，达到多能源园区的日前经济调度。
附图说明
图1是本发明成立的多能源园区具体组成。
图2是本发明所述方法的步骤流程图。
图3是引入电动汽车的多能源园区运行方式与未引入电动汽车的运行方式的风电出力比较图。
图4是引入电动汽车的多能源园区运行方式与未引入电动汽车的运行方式的光伏出力比较图。
图5是考虑需求响应的含电动汽车的多能源园区的“电锅炉产热”、“CHP产热”和“热负荷”曲线。
具体实施方式
为了详尽说明本发明所公开的技术方案，下面结合附图和具体实施例对本发明作进一步说明。
本发明公开的是一种考虑需求响应的含电动汽车的多能源园区日前经济调度方法。具体的多能源园区具体组成如图1所示。具体实施步骤流程如图2所示，本发明技术方案包括以下步骤：
步骤1：确定多能源园区的具体组成，包含引入的新能源形式和具体的设备组成；
多能源园区包含电、气、热三种能源类型，因此有：
(1.1)接入多能源园区的新能源形式为：风电和光伏发电；
(1.2)引入多能源园区的能源转换设备有：燃气轮机、热电联产机组、电转气设备、电锅炉、储气/储热设备和蓄电池。
步骤2：分别建立多能源园区内部设备的模型，包括新能源出力模型和各种能源转换设备模型。多能源园区内各设备是能源协调转换与园区运行的重要节点，也是各种能源间建立耦合关系的物理联系，研究各设备的模型是进行多能源园区日前经济调度的基础。
(2.1)风电出力模型
由于风电出力与风速的三次方具有近似正比的关系，因此可以由风速模型进一步得到风电出力模型。本发明采用组合风速模型，利用风速分布服从威布尔分布得到风电出力的概率分布模型：
Figure BDA0002523687220000131
式中，F(·)表示风电出力概率分布函数；pwf表示风电出力；P(·)表示概率分布函数；k表示形状系数；c表示威布尔分布的尺度参数；PWF和wr分别为风电出力的大小和风电场的额定容量，单位为MW；vin、vr、vout依次表示风电机组投入、额定、退出风速；p表示概率。
(2.2)光伏出力模型
由于光伏出力受到光照强度r的制约，还受到电池组件面积A和光电转换效率α的限制,结合光照强度服从Beta分布可以进一步获得太阳能发电出力的概率密度函数:
PM＝rAα
Figure BDA0002523687220000132
式中，PM为光伏出力输出功率；r为时段t内实际光照；A为电池组件面积；α为光电转换效率；f(·)表示光伏出力分布函数；τ(·)表示Beta分布函数；p、q为Beta分布的形状参数；RM为光伏出力的最大输出功率。
(2.3)电锅炉模型
电锅炉是通过锅炉把电能转换为热能的装置。由于其控制灵活、容易维修与更换且能高效储藏热能，因此在园区型综合能源系统中应用越来越广泛。常用的电锅炉采用电阻式电热锅炉。本发明利用电热转换效率αEB来得到电锅炉的简单线性模型，此外，电锅炉出力受到最大最小容量的限制，且应该满足最小机组启停时间、机组开停机的费用约束和上、下爬坡率约束。
Figure BDA0002523687220000141
Figure BDA0002523687220000142
Figure BDA0002523687220000143
Figure BDA0002523687220000144
Figure BDA0002523687220000145
Figure BDA0002523687220000146
Figure BDA0002523687220000147
Figure BDA0002523687220000148
Figure BDA0002523687220000149
式中，t表示调度时间段；t-1表示调度时间段；
Figure BDA00025236872200001410
分别代表电锅炉在t时段产生的热功率和消耗的电功率；αEB表示电热转换效率；
Figure BDA00025236872200001411
分别表示第k台电锅炉在t时段开机、关机的费用；
Figure BDA00025236872200001412
表示第k台电锅炉在t时间段的开关机情况，
Figure BDA00025236872200001413
表示第k台电锅炉在t-1时段的开关机状态；
Figure BDA00025236872200001414
分别表示电锅炉一次启、停的费用；
Figure BDA00025236872200001415
表示第k台电锅炉的热电转换率；
Figure BDA00025236872200001416
表示第k台电锅炉在时刻t的耗电功率；
Figure BDA00025236872200001417
表示第k台电锅炉在时刻t的产热功率；
Figure BDA00025236872200001418
分别表示第k台电锅炉的最大产热功率和最小产热功率；
Figure BDA00025236872200001419
表示第k台电锅炉在时刻t-1的产热功率；
Figure BDA00025236872200001420
分别表示第k台电锅炉的上、下爬坡率；
Figure BDA00025236872200001421
分别表示第k台电锅炉在时间段t-1内接连开、关机时间；
Figure BDA00025236872200001422
分别表示第k台电锅炉在时间段t内的最短开机、关机时间。
(2.4)燃气轮机模型
本发明涉及的燃气轮机主要是热电联产装置的重要组成部分—微型燃气轮机。微型燃气轮机是近几年新发展的热机，工作技术采用的是径流式叶轮机械和回热循环，工作效率比一般的燃气轮机高，利用天然气发电产生电能的同时产生热能。微型燃气轮机的建模与普通燃气轮机相似，均可以用一下模型描述。此外，燃气机组的出力受到最大最小容量的限制，且应该满足最小机组启停时间、机组开停机的费用约束和上、下爬坡率约束(和电锅炉类似)。
Figure BDA0002523687220000151
Figure BDA0002523687220000152
式中，n表示第n台燃气轮机，pn表示燃气轮机的有功功率，Gn表示燃气轮机消耗的天然气量；F(·)为天然气热耗率曲线；SUn表示一台燃气轮机开机所需热量；SDn表示一台燃气轮机关机所需的热量；HHV表示高发热值，值为1.026MBtu/Kcf；an、bn和cn为燃气轮机的费用函数拟合参数。
(2.5)热电联产机组模型
微型燃气轮机和溴冷机是CHP机组最关键的两个部件。本发明采取Capstone公司的C65型微型燃气轮机，不计外界环境变化对机组的干扰。
热电联系数学表达式为：
Figure BDA0002523687220000153
式中,t表示调度时间段；
Figure BDA0002523687220000154
表示CHP机组产热量；
Figure BDA0002523687220000155
分别表示第p台溴冷机的烟气回收率、第p台微燃机在时段t的发电效率和散热损失率；
Figure BDA0002523687220000156
为第p台溴冷机的产热参数；
Figure BDA0002523687220000157
表示第p台微燃机在时段t的耗电功率。
CHP机组用气功率：
Figure BDA0002523687220000158
式中，
Figure BDA0002523687220000159
表示第p台CHP机组在时间段t的用气功率；
Figure BDA00025236872200001510
表示第p台微燃机在时段t的耗电功率；
Figure BDA00025236872200001511
Figure BDA00025236872200001512
Figure BDA0002523687220000161
式中，t表示调度时间段；t-1代表调度时间段；
Figure BDA0002523687220000162
分别表示第p台CHP机组在t时间段开机、关机的费用；
Figure BDA0002523687220000163
表示第p台CHP机组在t时间段的开关机情况，
Figure BDA00025236872200001613
表示第p台CHP机组在t-1时段的开关机状态，
Figure BDA0002523687220000164
表示第p台CHP机组在t时段的开关机状态，
Figure BDA00025236872200001614
表示第m台机组在t时间段的开关机状态；
Figure BDA0002523687220000165
分别表示CHP机组一次启、停的费用。
(2.6)电转气设备
电转气设备通过电转气技术将剩余的电能转换为天然气注入气网中或者储存在储气设备中，在电价或者气价较高时消耗储存的天然气。在新能源并网比例逐年增加的环境下，电转气设备很大程度上满足了电网的储能需求，使得系统内的能源可以大规模的长时间储存。电转气设备的产气量和所消耗的电能之间的关系如下所示。
Gm＝φmPmαm/HH V
Figure BDA0002523687220000166
Figure BDA0002523687220000167
式中，t表示调度时间段；m为电转气设备的索引；Pm表示电转气设备工作所需电能；Gm表示电转气设备产生的天然气量；φm表示能量转换系数，通常取φm＝3.4MBtu/MWh；αm表示设备的工作效率；HHV表示高发热值，值为1.026MBtu/Kcf；
Figure BDA0002523687220000168
表示第m台P2G装置在时间段t的天然气消耗功率；
Figure BDA0002523687220000169
表示第m台P2G装置在时间段t的耗电功率；
Figure BDA00025236872200001610
分别表示第m台P2G装置的最小储存天然气的功率和最大储存天然气的功率；
Figure BDA00025236872200001611
表示第m台P2G设备的转换效率；LHANG为天然气低热值，取为9.7kW·h/m3。
(2.7)储气/热设备模型
Figure BDA00025236872200001612
式中，t表示调度时间段；t-1代表调度时间段；St、St-1分别表示储热/气设备在t时段、t-1时段的容量；Wc、Wd分别表示储热/气设备储存、释放的能量；αc、αd分别表示储热/气设备储能、放能的效率；Δt表示调度时间间隔。
(2.8)蓄电池模型
蓄电池的储能量与自放电率、充放电容量都有关，蓄电池剩余容量计算如下：
Figure BDA0002523687220000171
式中，t表示调度时间段；t-1代表调度时间段；SBat,t、SBat,t-1分别表示蓄电池在t时间段、t-1时间段的剩余容量；σBat表示蓄电池的自放电率；
Figure BDA0002523687220000172
分别表示蓄电池在t时段的充电功率和放电功率；
Figure BDA0002523687220000173
分别表示在t时段的充电效率和放电效率；Δt表示调度时间间隔。
步骤3：建立需求响应模型。传统需求响应只考虑电负荷需求响应，这明显已经不能适应多能源园区的需求响应机制，有必要重新考虑需求响应模型，为促进多能源园区新能源消纳能力奠定基础。
Figure BDA0002523687220000174
Figure BDA0002523687220000175
Figure BDA0002523687220000176
Figure BDA0002523687220000177
Figure BDA0002523687220000178
Figure BDA0002523687220000179
Figure BDA00025236872200001710
式中，t表示调度时间段；Nt代表整个调度时间；
Figure BDA00025236872200001711
表示时段t的需求侧响应负荷；
Figure BDA00025236872200001712
表示时段t的可转移负荷，正值表示转出可转移负荷，负值表示转入可转移负荷；
Figure BDA00025236872200001713
表示时段t的可中断电负荷；
Figure BDA00025236872200001714
表示时段t的电负荷；
Figure BDA00025236872200001715
表示时段t的考虑需求响应后的电负荷；
Figure BDA00025236872200001716
表示时段t的电负荷预测值；
Figure BDA00025236872200001717
表示系统允许的最大电负荷；Pinter,max表示系统调度时间段内允许的最大中断负荷功率；
Figure BDA00025236872200001718
表示时段t内允许的最大可中断电负荷比例；
Figure BDA00025236872200001719
表示时段t内允许的最大可转移电负荷比例。
Figure BDA0002523687220000181
Figure BDA0002523687220000182
式中，t表示调度时间段；Nt代表整个调度时间；
Figure BDA0002523687220000183
表示时间段t的热负荷预测值；
Figure BDA0002523687220000184
表示系统所允许的最大热负荷；
Figure BDA0002523687220000185
表示可响应热负荷值；
Figure BDA0002523687220000186
表示可响应热负荷比重；HDR,max表示园区调度时段内允许的最大可中断热负荷。
步骤4：建立电动汽车模型。电动汽车作为新兴技术，在可控性和储能性方面极具优势，但是把电动汽车引入多能源园区内的研究还不多，因此，本发明从电动汽车出发进一步探究其对新能源消纳和园区经济运行的贡献。
把电动汽车当做一种特殊的蓄电池模型：
Figure BDA0002523687220000187
Figure BDA0002523687220000188
Figure BDA0002523687220000189
Figure BDA00025236872200001810
Figure BDA00025236872200001811
Figure BDA00025236872200001812
式中，t表示调度时间段；t-1代表调度时间段；SBat,t、SBat,t-1分别表示蓄电池在t时间段、t-1时间段的剩余容量；σBat表示蓄电池的自放电率；
Figure BDA00025236872200001813
分别表示蓄电池在t时段的充电功率和放电功率；
Figure BDA00025236872200001814
分别表示在t时段的充电效率和放电效率；Δt表示调度时间间隔；
Figure BDA00025236872200001815
分别代表第l台电动汽车在时间段t的充、放电功率；
Figure BDA00025236872200001816
分别表示第l个充电桩所连的电动汽车在时段t的充放电状态；
Figure BDA00025236872200001817
分别代表电动汽车的额定充电和放电功率；
Figure BDA00025236872200001818
表示第l个充电桩所连的电动汽车在时段t的电池荷电状态；
Figure BDA00025236872200001819
表示第l个充电桩所连的电动汽车在时段t+1的电池荷电状态；αev,c、αev,d分别表示电动汽车的充、放电效率；
Figure BDA00025236872200001820
表示电动汽车的电池容量；
Figure BDA0002523687220000191
分别表示电动汽车电池荷电状态的下界和上界；
Figure BDA0002523687220000192
表示第l个充电桩所连的电动汽车离开时的期望电池荷电状态，
Figure BDA0002523687220000193
表示第l个充电桩所连的电动汽车离开时的电池荷电状态。
步骤5：以多能源园区运行总成本最小同时考虑“弃风”与“弃光”惩罚和失负荷补偿为目标函数，考虑多能源园区约束条件，建立一种考虑需求响应的含电动汽车的多能源园区日前经济调度混合整数线性规划模型；
(5.1)多能源园区日前经济调度模型以园区整体运行总费用最少为目标函数，其中，园区运行总成本包含购电费、购气费和机组启停成本，考虑风光消纳与电、热负荷平衡约束，所以把“弃风”和“弃光”所支付的惩罚费用以及失负荷量所支付的补偿费用加入目标函数中，同时把向电网售电、气网售气的收益加入目标函数中，即：
Figure BDA0002523687220000194
其中，
Figure BDA0002523687220000195
Figure BDA0002523687220000196
CT＝ut(1-ut)St
Figure BDA0002523687220000197
Figure BDA0002523687220000198
Figure BDA0002523687220000199
Figure BDA00025236872200001910
Figure BDA00025236872200001911
Figure BDA00025236872200001912
Figure BDA00025236872200001913
Figure BDA0002523687220000201
式中，t表示调度时间段；Nt代表整个调度时间；t-1表示调度时间段；
Figure BDA0002523687220000202
表示时段t的购电费用，
Figure BDA0002523687220000203
表示时段t的购气费用；
Figure BDA0002523687220000204
表示时段t的售电收益，
Figure BDA0002523687220000205
表示时段t的售气收益；
Figure BDA0002523687220000206
分别表示时段t的单位买电、买气、卖电、卖气价格；
Figure BDA0002523687220000207
分别表示时段t的买电、买气、卖电、卖气功率；
Figure BDA0002523687220000208
分别表示弃风、光惩罚费用；
Figure BDA0002523687220000209
分别表示CHP机组的启、停费用，
Figure BDA00025236872200002010
分别表示电锅炉启、停费用；
Figure BDA00025236872200002011
分别表示失电、热负荷惩罚费用；CT表示机组启停费用；ut表示机组启停状态；st表示机组开关机一次所需费用；
Figure BDA00025236872200002012
为时段t的单位弃风惩罚价格，NWT为园区内风机的数量，
Figure BDA00025236872200002013
为第i台风机在t时间段的“弃风”功率，Δt为调度时间间隔；
Figure BDA00025236872200002014
为时段t的单位弃光惩罚价格，NPV为园区内光伏电池的数量，
Figure BDA00025236872200002015
为第j台风机在t时间段的“弃光功率”；
Figure BDA00025236872200002016
为时段t的单位失电负荷惩罚价格，
Figure BDA00025236872200002017
为时段t的失电负荷功率；
Figure BDA00025236872200002018
为时段t的单位失热负荷惩罚价格，
Figure BDA00025236872200002019
为时段t的失热负荷功率；
Figure BDA00025236872200002020
表示支付给需求响应中断电负荷的补偿成本；
Figure BDA00025236872200002021
为时间段t的单位可中断电负荷的补偿价格；
Figure BDA00025236872200002022
为t时段的可中断电负荷功率；Cev为电动汽车调度费用；
Figure BDA00025236872200002023
为电动汽车充电需要向电网支付的单位价格，
Figure BDA00025236872200002024
为电动汽车放电能够向电网售电获得的单位价钱；
Figure BDA00025236872200002025
为电动汽车充电从电网购买的电功率，
Figure BDA00025236872200002026
为电动汽车放电向电网卖出的电功率；；NWT、NPV、NCHP、NGT、NP2G、NEB分别表示风机、光伏电池组、热电联产机组、燃气轮机、P2G设备和电锅炉的数量。
多能源园区的运行必须满足能量的平衡守恒规律，主要包含电力平衡约束、热量平衡约束和天然气平衡，主要考虑园区能源输入、输出和设备产生能量与消耗能量的平衡。加之园区系统与上下级能源网络相互联系，存在上下级功率交换约束。此外，由于园区内的储能设备存在容量限制，还需要考虑气、热储能约束。
(5.2)电力平衡约束
Figure BDA0002523687220000211
Figure BDA0002523687220000212
式中，t表示调度时间段；
Figure BDA0002523687220000213
分别为第i台风机、第j组光伏电池的输出功率，第p台CHP机组、第n台燃气轮机在时段t的出力功率；
Figure BDA0002523687220000214
分别表示第i台风机、第j组光伏电池在时段t的弃风、光电功率；
Figure BDA0002523687220000215
分别表示第t台P2G装置的耗电功率、第t台电锅炉在时段t的耗电功率；
Figure BDA0002523687220000216
表示园区电负荷；
Figure BDA0002523687220000217
表示考虑需求响应后的园区电负荷；
Figure BDA0002523687220000218
表示园区损失电负荷；
Figure BDA0002523687220000219
分别表示园区向外部上级电网购入、售出的电功率；
Figure BDA00025236872200002110
分别表示第l台电动汽车在时间段t的充电功率和放电功率；NWT、NPV、NCHP、NGT、NP2G、NEB分别表示风机、光伏电池组、热电联产机组、燃气轮机、P2G设备和电锅炉的数量。
(5.3)热量平衡约束
Figure BDA00025236872200002111
Figure BDA00025236872200002112
式中，t表示调度时间段；
Figure BDA00025236872200002113
表示考虑需求响应后的园区热负荷；
Figure BDA00025236872200002114
表示园区需求响应热负荷；
Figure BDA00025236872200002115
表示园区损失热负荷；αheat为供热网络的热能利用比例；
Figure BDA00025236872200002116
分别表示第p台CHP机组的产热功率和第k台电锅炉在时段t的产热功率；
Figure BDA00025236872200002117
表示储热设备在时段t的储/放热功率，大于0表示储存热量，小于0表示释放热量；αHS表示储热装置的储/放热效率；
Figure BDA00025236872200002118
表示储热装置的储/放热功率；NCHP、NEB分别表示热电联产机组和电锅炉的数量。
(5.4)天然气平衡
Figure BDA00025236872200002119
式中，
Figure BDA00025236872200002120
为第m台P2G装置在时间段t的制气功率；
Figure BDA00025236872200002121
表示第t台CHP机组消耗天然气的功率和第t台燃气轮机在时段t的消耗天然气功率；
Figure BDA00025236872200002122
为储气设备在时段t的储/放气功率，大于0为储存天然气，小于0为释放天然气气；αGS表示储气装置的储/放气效率；
Figure BDA0002523687220000221
分别表示购进、卖出的天然气量；NWT、NPV、NCHP、NGT、NP2G、NEB分别表示风机、光伏电池组、热电联产机组、燃气轮机、P2G设备和电锅炉的数量。
(5.5)园区与外部上级网络功率交换约束
Figure BDA0002523687220000222
Figure BDA0002523687220000223
Figure BDA0002523687220000224
Figure BDA0002523687220000225
式中，
Figure BDA0002523687220000226
分别表示时段t的买电、买气、卖电、卖气功率；Pin,min、Pin ,max分别表示最小、最大购电功率；Pout,min、Pout,max分别为最小、最大售电功率；Gin,min、Gin,max分别表示最下、最大购气功率；Gout,min、Gout,max分别表示最小、最大售气功率。
(5.6)气、热储能约束
Figure BDA0002523687220000227
Figure BDA0002523687220000228
Figure BDA0002523687220000229
Figure BDA00025236872200002210
Figure BDA00025236872200002211
Figure BDA00025236872200002212
式中，t表示调度时间段；t-1表示调度时间段；
Figure BDA00025236872200002213
表示时段t的储/放气功率，数值大于0表示储存天然气，数值小于0表示释放天然气；GGS,min、GGS,max分别表示储气装置在时段t的最小储存/释放天然气功率、最大储存/释放天然气气功率；
Figure BDA00025236872200002214
为储气设备在时段t内的出气量；SGS,min、SGS,max分别表示储气装置的最小和最大出气量；
Figure BDA00025236872200002215
为储气设备在时段t-1内的出气量；αSGS表示储气设备自耗率；
Figure BDA00025236872200002216
为时段t内的储热量；
Figure BDA00025236872200002217
为时段t-1内的储热量；SHS,min、SHS,max分别表示储热装置的最小、最大储气量；αSHS为储热设备自耗率；
Figure BDA00025236872200002218
表示储热设备在时段t的储/放热功率；HHS,min、HHS,max分别表示储热设备最小、最大储/放热功率；Δt表示调度时间间隔。
步骤6：运用蒙特卡罗场景理论对风电出力和光伏出力的不确定性进行处理，经过场景生成和削减后得到符合多能源园区新能源出力特征的风电出力场景和光伏出力场景。新能源园区内的新能源出力具有强烈的不确定性，忽略这一不确定性进行建模将会使得最终结果与实际情况严重不符，不利于多能源园区的运行与发展。
(6.1)场景生成
基本思路是将原始风电出力和光伏出力数据进行蒙特卡洛抽样(蒙特卡洛抽样可以生成概率均匀的随机序列来抽样出贴近原始数据的概率分布)得到出力场景，出力场景用s表示，并将每一个场景会发生的概率赋予该场景作为权值。场景生成可以通过出力概率分布函数、出力预测误差分布函数和马尔可夫链等逆变换抽样得到。不考虑风电出力和光伏出力误差，采用基于风电/光伏出力概率分布的场景生成方法，具体步骤如下：
(6.1.1)根据已有的新能源出力数据，假设未来的新能源出力符合正态分布，进一步假设实际出力的均值作为预测出力，将该预测出力的20％作为正态分布的标准差；
(6.1.2)在Matlab中使用Normrnd函数产生符合新能源出力的正态分布随机数，这些随机数就可以代表新能源出力概率分布的场景并且保证每个场景的产生几率为0.1％。
(6.2)场景削减
生成的场景数过多就会造成两个比较影响研究进度的问题：一是生成的场景数量很多，使得后续的计算成本较大；二是在所有的场景中，不能确保生成的每一个场景的概率特征都符合初始所给的新能源出力概率特征。因此，有必要对生成的大量场景进行削减。场景削减的实质就是通过某种削减算法将大量的场景削减到最大程度符合初始概率分布的少数场景，具体最终场景个数则根据实际算例综合考虑计算量和所得结果精度两个因素决定。
目前场景削减最常用的方法是后向回代消除和快速前代消除。本发明运用向后回代消除法将生成的1000个场景削减到4个。主要步骤如下介绍：
(6.2.1)确定最开始的场景，设为s，然后计算s到剩余每一个场景的距离，找出和s距离最小的场景s1，并把s1删除；
(6.2.2)在未删除的场景集合中找出与场景s1距离最近的场景，记为s2，再将s1场景产生的概率赋值给s2；
(6.2.3)重复以上步骤，每次删除一个场景，直到最后的场景数符合要求为止。
步骤7：输入多能源园区能源接入、新能源出力数据、各设备参数、运行参数等，采用商业求解器Gurobi对考虑需求响应的含电动汽车的多能源园区日前经济调度模型进行求解，得到多能源园区经济调度结果。
下面通过具体实施例详细说明本发明效果。
(1)算例介绍
考虑新能源消纳的多能源园区系统由燃气轮机、风机、CHP机组、电锅炉、P2G装置、1台储热装置、1台储气装置和1组光伏电池组成。燃气轮机、电锅炉、CHP机组一次启停成本分别为3.5、2.74、1.94元；溴冷机的产热参数和烟气回收率分别为0.9、1.2。
假设CHP机组、燃气轮机初始状态均为关机状态，储气/热设备自耗率均为0.01；电锅炉的状态设置为半满发状态；储气装置初始储存天然气容量为10m3,储热装置初始储存热量为100kW·h。
本算例采用的调度时间段数为Nt＝24，单位调度时间为Δt＝1h，单位调度时间段内各设备的功率保持恒定。此外，算例采用分时电价，失负荷惩罚价格为电价的100倍，弃风、弃光的惩罚费用为0.1元/(kW·h)。电动汽车的相关数据如下：
表1电动汽车相关参数
Figure BDA0002523687220000241
(2)实施例场景描述
(2.1)为验证需求响应对园区新能源消纳与调度方面的优势，设置不考虑需求响应、分别仅考虑电负荷需求响应、考虑电/热负荷需求响应、考虑需求响应加倍四种运行方式，设置算例1-4如下表1所示：
表2算例1-4需求响应比例
Figure BDA0002523687220000251
(2.2)在算例3的运行基础上引入电动汽车设置为算例5。
(3)实施例结果分析
(3.1)算例1-4结果分析
表3算例1-4园区运行总成本(单位：元)
Figure BDA0002523687220000252
从表3可以看出，考虑需求响应之后，园区内出现了中断电负荷补偿费用，但并没有因为出现中断电负荷补偿费用而使园区运行总成本增加。算例2仅考虑电负荷需求响应，在电价高峰和平时时段根据园区系统整体运行情况，转出可响应电负荷，以减少高峰时段供电费用。算例3在算例2的基础上考虑了可响应热负荷，在电价较高时降低热负荷的连接，可以适当降低园区供电费用，同时在电价低谷时间段内，考虑向园区增加热负荷的转入，这可以从整体上减小供热成本。算例4由于需求响应加倍，系统可响应负荷相应增多，园区系统调度灵活性提高，对园区内各种能源的利用更加互补协调从而进一步降低了园区运行总成本。因此，当多能源园区的日前经济调度运行考虑需求响应时，园区系统的调度灵活性提高，需求响应越多，系统灵活性越高，新能源间的转换加快，促进新能源消纳的同时降低园区运行总成本。
(3.2)算例5结果分析
表4算例5园区运行总成本(单位：元)
Figure BDA0002523687220000253
Figure BDA0002523687220000261
算例3园区运行总成本为205.98元，算例5的总成本为115.83，因此，向园区引入电动汽车后可以进一步的降低园区运行总成本。
图3和图4分别给出了算例3和算例5运行方式下的多能源园区出力，明显看出：引入电动汽车后，风电出力和光伏出力有所增加。图5给出了算例5运行情况下“电锅炉产热”、“CHP产热”和“热负荷”曲线，可以看出：电动汽车的可控性和储能性性能优越，能使园区负荷特性更加符合新能源出力曲线，进而增加了新能源并网，提高了新能源的利用效率，减少了园区内购电费用，增加储能灵活性，促进各能源协调配合，负荷峰谷差减小，最终使得园区调度灵活性增强，新能源消纳能力更高，园区经济运行更优。
以上所述，仅为本发明的具体实施例，但并不因此限值本发明的专利保护范围，凡是利用本发明说明书以及附图内容进行等效变化或替换，直接或间接运用到其他相关技术领域，都应包括在本发明的保护范围之内。

Claims (7)

1.一种考虑需求响应的含电动汽车的多能源园区日前经济调度方法，其特征在于，包括以下步骤：
步骤1：确定多能源园区的具体组成，包含引入的新能源形式和具体的设备组成；
步骤2：分别建立多能源园区内部设备的模型，包括新能源出力模型和各种能源转换设备模型；
步骤3：建立需求响应模型；
步骤4：建立电动汽车模型；
步骤5：以多能源园区运行总成本最小同时考虑“弃风”与“弃光”惩罚和失负荷补偿为目标函数，考虑多能源园区约束条件，建立考虑需求响应的含电动汽车的多能源园区日前经济调度混合整数线性规划模型；
步骤6：运用蒙特卡罗场景理论对风电出力和光伏出力的不确定性进行处理，经过场景生成和削减后得到符合多能源园区新能源出力特征的风电出力场景和光伏出力场景；
步骤7：输入多能源园区能源接入、新能源出力数据、各设备参数、运行参数，采用商业求解器Gurobi对考虑需求响应的含电动汽车的多能源园区日前经济调度模型进行求解，得到多能源园区经济调度结果。
2.根据权利要求1所述的考虑需求响应的含电动汽车的多能源园区日前经济调度方法，其特征在于，步骤1所述多能源园区的具体组成如下：
(1)接入多能源园区的新能源形式为：风电和光伏发电；
(2)引入多能源园区的能源转换设备有：燃气轮机、热电联产机组、电转气设备、电锅炉、储气/储热设备和蓄电池。
3.根据权利要求2所述的考虑需求响应的含电动汽车的多能源园区日前经济调度方法，其特征在于，步骤2所述新能源出力模型与各能源转换设备模型如下；
(1)风电出力模型
Figure FDA0002523687210000021
式中，F(·)表示风电出力概率分布函数；pwf表示风电出力；P(·)表示概率分布函数；k表示形状系数；c表示威布尔分布的尺度参数；PWF和wr分别为风电出力的大小和风电场的额定容量，单位为MW；vin、vr、vout依次表示风电机组投入、额定、退出风速；p表示概率。
(2)光伏出力模型
PM＝rAα
Figure FDA0002523687210000022
式中，PM为光伏出力输出功率；r为时段t内实际光照；A为电池组件面积；α为光电转换效率；f(·)表示光伏出力分布函数；τ(·)表示Beta分布函数；p、q为Beta分布的形状参数；RM为光伏出力的最大输出功率。
(3)电锅炉模型
Figure FDA0002523687210000023
Figure FDA0002523687210000024
Figure FDA0002523687210000025
Figure FDA0002523687210000026
Figure FDA0002523687210000031
Figure FDA0002523687210000032
Figure FDA0002523687210000033
Figure FDA0002523687210000034
Figure FDA0002523687210000035
式中，t表示调度时间段；t-1表示调度时间段；
Figure FDA0002523687210000036
分别代表电锅炉在t时段产生的热功率和消耗的电功率；αEB表示电热转换效率；
Figure FDA0002523687210000037
分别表示第k台电锅炉在t时段开机、关机的费用；
Figure FDA0002523687210000038
表示第k台电锅炉在t时间段的开关机情况，
Figure FDA0002523687210000039
表示第k台电锅炉在t-1时段的开关机状态；
Figure FDA00025236872100000310
分别表示电锅炉一次启、停的费用；
Figure FDA00025236872100000311
表示第k台电锅炉的热电转换率；
Figure FDA00025236872100000312
表示第k台电锅炉在时刻t的耗电功率；
Figure FDA00025236872100000313
表示第k台电锅炉在时刻t的产热功率；
Figure FDA00025236872100000314
分别表示第k台电锅炉的最大产热功率和最小产热功率；
Figure FDA00025236872100000315
表示第k台电锅炉在时刻t-1的产热功率；
Figure FDA00025236872100000316
分别表示第k台电锅炉的上、下爬坡率；
Figure FDA00025236872100000317
分别表示第k台电锅炉在时间段t-1内接连开、关机时间；
Figure FDA00025236872100000318
分别表示第k台电锅炉在时间段t内的最短开机、关机时间。
(4)燃气轮机模型
Figure FDA00025236872100000319
Figure FDA00025236872100000320
式中，n表示第n台燃气轮机，pn表示燃气轮机的有功功率，Gn表示燃气轮机消耗的天然气量；F(·)为天然气热耗率曲线；SUn表示一台燃气轮机开机所需热量；SDn表示一台燃气轮机关机所需的热量；HHV表示高发热值，值为1.026MBtu/Kcf；an、bn和cn为燃气轮机的费用函数拟合参数。
(5)热电联产机组模型
热电联系数学表达式为：
Figure FDA0002523687210000041
式中,t表示调度时间段；
Figure FDA0002523687210000042
表示CHP机组产热量；
Figure FDA0002523687210000043
分别表示第p台溴冷机的烟气回收率、第p台微燃机在时段t的发电效率和散热损失率；
Figure FDA0002523687210000044
为第p台溴冷机的产热参数；
Figure FDA0002523687210000045
表示第p台微燃机在时段t的耗电功率。
CHP机组用气功率：
Figure FDA0002523687210000046
式中，
Figure FDA0002523687210000047
表示第p台CHP机组在时间段t的用气功率；
Figure FDA0002523687210000048
表示第p台微燃机在时段t的耗电功率；
Figure FDA0002523687210000049
表示第p台微燃机在时段t的发电效率；LHANG为天然气低热值，取为9.7kW·h/m3。
Figure FDA00025236872100000410
Figure FDA00025236872100000411
式中，t表示调度时间段；t-1代表调度时间段；
Figure FDA00025236872100000412
分别表示第p台CHP机组在t时间段开机、关机的费用；
Figure FDA00025236872100000413
表示第p台CHP机组在t时间段的开关机情况，
Figure FDA00025236872100000414
表示第p台CHP机组在t-1时段的开关机状态，
Figure FDA00025236872100000415
表示第p台CHP机组在t时段的开关机状态，
Figure FDA00025236872100000416
表示第m台机组在t时间段的开关机状态；
Figure FDA00025236872100000417
分别表示CHP机组一次启、停的费用。
(6)电转气设备
Gm＝φmPmαm/HHV
Figure FDA0002523687210000051
Figure FDA0002523687210000052
式中，t表示调度时间段；m为电转气设备的索引；Pm表示电转气设备工作所需电能；Gm表示电转气设备产生的天然气量；φm表示能量转换系数，通常取φm＝3.4MBtu/MWh；αm表示设备的工作效率；HHV表示高发热值，值为1.026MBtu/Kcf；
Figure FDA0002523687210000053
表示第m台P2G装置在时间段t的天然气消耗功率；
Figure FDA0002523687210000054
表示第m台P2G装置在时间段t的耗电功率；
Figure FDA0002523687210000055
分别表示第m台P2G装置的最小储存天然气的功率和最大储存天然气的功率；
Figure FDA0002523687210000056
表示第m台P2G设备的转换效率；LHANG为天然气低热值，取为9.7kW·h/m3。
(7)储气/热设备模型
Figure FDA0002523687210000057
式中，t表示调度时间段；t-1代表调度时间段；St、St-1分别表示储热/气设备在t时段、t-1时段的容量；Wc、Wd分别表示储热/气设备储存、释放的能量；αc、αd分别表示储热/气设备储能、放能的效率；Δt表示调度时间间隔。
(8)蓄电池模型
Figure FDA0002523687210000058
式中，t表示调度时间段；t-1代表调度时间段；SBat,t、SBat,t-1分别表示蓄电池在t时间段、t-1时间段的剩余容量；σBat表示蓄电池的自放电率；
Figure FDA0002523687210000059
分别表示蓄电池在t时段的充电功率和放电功率；
Figure FDA00025236872100000510
分别表示在t时段的充电效率和放电效率；Δt表示调度时间间隔。
4.根据权利要求3所述的考虑需求响应的含电动汽车的多能源园区日前经济调度方法，其特征在于，步骤3所述需求响应模型如下：
Pt DR＝Pt DR,inter+Pt DR,shift
Pt LD＝Pt LDR+Pt DR
Figure FDA0002523687210000061
Figure FDA0002523687210000062
Figure FDA0002523687210000063
Figure FDA0002523687210000064
Pt DR≥Pt LD,fore-Pt LD,max
式中，t表示调度时间段；Nt代表整个调度时间；Pt DR表示时段t的需求侧响应负荷；Pt DR ,shift表示时段t的可转移负荷，正值表示转出可转移负荷，负值表示转入可转移负荷；Pt DR ,inter表示时段t的可中断电负荷；Pt LD表示时段t的电负荷；Pt LDR表示时段t的考虑需求响应后的电负荷；Pt LD,fore表示时段t的电负荷预测值；Pt LD,max表示系统允许的最大电负荷；Pinter ,max表示系统调度时间段内允许的最大中断负荷功率；
Figure FDA0002523687210000065
表示时段t内允许的最大可中断电负荷比例；
Figure FDA0002523687210000066
表示时段t内允许的最大可转移电负荷比例。
Figure FDA0002523687210000067
Figure FDA0002523687210000068
式中，t表示调度时间段；Nt代表整个调度时间；
Figure FDA0002523687210000069
表示时间段t的热负荷预测值；
Figure FDA00025236872100000610
表示系统所允许的最大热负荷；
Figure FDA00025236872100000611
表示可响应热负荷值；
Figure FDA00025236872100000612
表示可响应热负荷比重；HDR,max表示园区调度时段内允许的最大可中断热负荷。
5.根据权利要求4所述的考虑需求响应的含电动汽车的多能源园区日前经济调度方法，其特征在于，步骤4所述电动汽车模型如下：
Figure FDA0002523687210000071
Figure FDA0002523687210000072
Figure FDA0002523687210000073
Figure FDA0002523687210000074
Figure FDA0002523687210000075
Figure FDA0002523687210000076
式中，t表示调度时间段；t-1代表调度时间段；SBat,t、SBat,t-1分别表示蓄电池在t时间段、t-1时间段的剩余容量；σBat表示蓄电池的自放电率；
Figure FDA0002523687210000077
分别表示蓄电池在t时段的充电功率和放电功率；
Figure FDA0002523687210000078
分别表示在t时段的充电效率和放电效率；Δt表示调度时间间隔；
Figure FDA0002523687210000079
分别代表第l台电动汽车在时间段t的充、放电功率；
Figure FDA00025236872100000710
分别表示第l个充电桩所连的电动汽车在时段t的充放电状态；
Figure FDA00025236872100000711
分别代表电动汽车的额定充电和放电功率；
Figure FDA00025236872100000712
表示第l个充电桩所连的电动汽车在时段t的电池荷电状态；
Figure FDA00025236872100000713
表示第l个充电桩所连的电动汽车在时段t+1的电池荷电状态；αev,c、αev,d分别表示电动汽车的充、放电效率；
Figure FDA00025236872100000714
表示电动汽车的电池容量；
Figure FDA00025236872100000715
分别表示电动汽车电池荷电状态的下界和上界；
Figure FDA00025236872100000716
表示第l个充电桩所连的电动汽车离开时的期望电池荷电状态，
Figure FDA00025236872100000717
表示第l个充电桩所连的电动汽车离开时的电池荷电状态。
6.根据权利要求5所述的考虑需求响应的含电动汽车的多能源园区日前经济调度方法，其特征在于，步骤5所述多能源园区目标函数及相关约束条件如下：
(1)多能源园区日前经济调度模型以园区整体运行总费用最少为目标函数，其中，园区运行总成本包含购电费、购气费和机组启停成本，考虑风光消纳与电、热负荷平衡约束，所以把“弃风”和“弃光”所支付的惩罚费用以及失负荷量所支付的补偿费用加入目标函数中，同时把向电网售电、气网售气的收益加入目标函数中，即：
Figure FDA0002523687210000081
其中，
Figure FDA0002523687210000082
Figure FDA0002523687210000083
CT＝ut(1-ut)St
Figure FDA0002523687210000084
Figure FDA0002523687210000085
Figure FDA0002523687210000086
Figure FDA0002523687210000087
Figure FDA0002523687210000088
Figure FDA0002523687210000089
Figure FDA00025236872100000810
Figure FDA0002523687210000091
式中，t表示调度时间段；Nt代表整个调度时间；t-1表示调度时间段；
Figure FDA0002523687210000092
表示时段t的购电费用，
Figure FDA0002523687210000093
表示时段t的购气费用；
Figure FDA0002523687210000094
表示时段t的售电收益，
Figure FDA0002523687210000095
表示时段t的售气收益；
Figure FDA0002523687210000096
分别表示时段t的单位买电、买气、卖电、卖气价格；Pt in、
Figure FDA0002523687210000097
Pt out、
Figure FDA0002523687210000098
分别表示时段t的买电、买气、卖电、卖气功率；
Figure FDA0002523687210000099
分别表示弃风、光惩罚费用；
Figure FDA00025236872100000910
分别表示CHP机组的启、停费用，
Figure FDA00025236872100000911
分别表示电锅炉启、停费用；
Figure FDA00025236872100000912
分别表示失电、热负荷惩罚费用；CT表示机组启停费用；ut表示机组启停状态；st表示机组开关机一次所需费用；
Figure FDA00025236872100000913
为时段t的单位弃风惩罚价格，NWT为园区内风机的数量，
Figure FDA00025236872100000914
为第i台风机在t时间段的“弃风”功率，Δt为调度时间间隔；
Figure FDA00025236872100000915
为时段t的单位弃光惩罚价格，NPV为园区内光伏电池的数量，
Figure FDA00025236872100000916
为第j台风机在t时间段的“弃光功率”；
Figure FDA00025236872100000917
为时段t的单位失电负荷惩罚价格，Pt loss为时段t的失电负荷功率；
Figure FDA00025236872100000918
为时段t的单位失热负荷惩罚价格，
Figure FDA00025236872100000919
为时段t的失热负荷功率；
Figure FDA00025236872100000920
表示支付给需求响应中断电负荷的补偿成本；
Figure FDA00025236872100000921
为时间段t的单位可中断电负荷的补偿价格；Pt DR,inter为t时段的可中断电负荷功率；Cev为电动汽车调度费用；
Figure FDA00025236872100000922
为电动汽车充电需要向电网支付的单位价格，
Figure FDA00025236872100000923
为电动汽车放电能够向电网售电获得的单位价钱；Pt ev,buy为电动汽车充电从电网购买的电功率，Pt ev,sell为电动汽车放电向电网卖出的电功率；；NWT、NPV、NCHP、NGT、NP2G、NEB分别表示风机、光伏电池组、热电联产机组、燃气轮机、P2G设备和电锅炉的数量。
(2)电力平衡约束
Figure FDA0002523687210000101
Pt LDR＝Pt LD+Pt loss
式中，t表示调度时间段；
Figure FDA0002523687210000102
分别为第i台风机、第j组光伏电池的输出功率，第p台CHP机组、第n台燃气轮机在时段t的出力功率；
Figure FDA0002523687210000103
分别表示第i台风机、第j组光伏电池在时段t的弃风、光电功率；
Figure FDA0002523687210000104
分别表示第t台P2G装置的耗电功率、第t台电锅炉在时段t的耗电功率；Pt LD表示园区电负荷；Pt LDR表示考虑需求响应后的园区电负荷；Pt loss表示园区损失电负荷；Pt in、Pt out分别表示园区向外部上级电网购入、售出的电功率；
Figure FDA0002523687210000105
分别表示第l台电动汽车在时间段t的充电功率和放电功率；NWT、NPV、NCHP、NGT、NP2G、NEB分别表示风机、光伏电池组、热电联产机组、燃气轮机、P2G设备和电锅炉的数量。
(3)热量平衡约束
Figure FDA0002523687210000106
Figure FDA0002523687210000107
式中，t表示调度时间段；
Figure FDA0002523687210000108
表示考虑需求响应后的园区热负荷；
Figure FDA0002523687210000109
表示园区需求响应热负荷；
Figure FDA00025236872100001010
表示园区损失热负荷；αheat为供热网络的热能利用比例；
Figure FDA00025236872100001011
分别表示第p台CHP机组的产热功率和第k台电锅炉在时段t的产热功率；
Figure FDA00025236872100001012
表示储热设备在时段t的储/放热功率，大于0表示储存热量，小于0表示释放热量；αHS表示储热装置的储/放热效率；
Figure FDA00025236872100001013
表示储热装置的储/放热功率；NCHP、NEB分别表示热电联产机组和电锅炉的数量。
(4)天然气平衡
Figure FDA0002523687210000111
式中，
Figure FDA0002523687210000112
为第m台P2G装置在时间段t的制气功率；
Figure FDA0002523687210000113
表示第t台CHP机组消耗天然气的功率和第t台燃气轮机在时段t的消耗天然气功率；
Figure FDA0002523687210000114
为储气设备在时段t的储/放气功率，大于0为储存天然气，小于0为释放天然气气；αGS表示储气装置的储/放气效率；
Figure FDA0002523687210000115
分别表示购进、卖出的天然气量；NWT、NPV、NCHP、NGT、NP2G、NEB分别表示风机、光伏电池组、热电联产机组、燃气轮机、P2G设备和电锅炉的数量。
(5)园区与外部上级网络功率交换约束
Pin,min≤Pt in≤Pin,max
Pout,min≤Pt out≤Pout,max
Figure FDA0002523687210000116
Figure FDA0002523687210000117
式中，Pt in、
Figure FDA0002523687210000118
Pt out、
Figure FDA0002523687210000119
分别表示时段t的买电、买气、卖电、卖气功率；Pin,min、Pin,max分别表示最小、最大购电功率；Pout,min、Pout,max分别为最小、最大售电功率；Gin,min、Gin,max分别表示最下、最大购气功率；Gout,min、Gout,max分别表示最小、最大售气功率。
(6)气、热储能约束
Figure FDA00025236872100001110
Figure FDA00025236872100001111
Figure FDA00025236872100001112
Figure FDA00025236872100001113
Figure FDA0002523687210000121
Figure FDA0002523687210000122
式中，t表示调度时间段；t-1表示调度时间段；
Figure FDA0002523687210000123
表示时段t的储/放气功率，数值大于0表示储存天然气，数值小于0表示释放天然气；GGS,min、GGS,max分别表示储气装置在时段t的最小储存/释放天然气功率、最大储存/释放天然气气功率；
Figure FDA0002523687210000124
为储气设备在时段t内的出气量；SGS,min、SGS,max分别表示储气装置的最小和最大出气量；
Figure FDA0002523687210000125
为储气设备在时段t-1内的出气量；αSGS表示储气设备自耗率；
Figure FDA0002523687210000126
为时段t内的储热量；
Figure FDA0002523687210000127
为时段t-1内的储热量；SHS ,min、SHS,max分别表示储热装置的最小、最大储气量；αSHS为储热设备自耗率；
Figure FDA0002523687210000128
表示储热设备在时段t的储/放热功率；HHS,min、HHS,max分别表示储热设备最小、最大储/放热功率；Δt表示调度时间间隔。
7.根据权利要求6所述的考虑需求响应的含电动汽车的多能源园区日前经济调度方法，其特征在于，步骤6所述蒙特卡罗场景法处理风电出力和光伏出力的不确定性如下：
(1)场景生成
具体步骤如下：
①根据已有的新能源出力数据，假设未来的新能源出力符合正态分布，进一步假设实际出力的均值作为预测出力，将该预测出力的20％作为正态分布的标准差；
②在Matlab中使用Normrnd函数产生符合新能源出力的正态分布随机数，这些随机数代表新能源出力概率分布的场景并且保证每个场景的产生几率为0.1％；
(2)场景削减
运用向后回代消除法将生成的1000个场景削减到4个；步骤如下：
①确定最开始的场景，设为s，然后计算s到剩余每一个场景的距离，找出和s距离最小的场景s1，并把s1删除；
②在未删除的场景集合中找出与场景s1距离最近的场景，记为s2，再将s1场景产生的概率赋值给s2；
③重复以上步骤，每次删除一个场景，直到最后的场景数符合要求为止。
CN202010498048.5A 2020-06-04 2020-06-04 考虑需求响应的含电动汽车的多能源园区日前经济调度方法 Pending CN111614121A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010498048.5A CN111614121A (zh) 2020-06-04 2020-06-04 考虑需求响应的含电动汽车的多能源园区日前经济调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010498048.5A CN111614121A (zh) 2020-06-04 2020-06-04 考虑需求响应的含电动汽车的多能源园区日前经济调度方法

Publications (1)

Publication Number Publication Date
CN111614121A true CN111614121A (zh) 2020-09-01

Family

ID=72205370

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010498048.5A Pending CN111614121A (zh) 2020-06-04 2020-06-04 考虑需求响应的含电动汽车的多能源园区日前经济调度方法

Country Status (1)

Country Link
CN (1) CN111614121A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112668791A (zh) * 2020-12-30 2021-04-16 华北电力大学（保定） 热电联供系统的优化方法
CN113054687A (zh) * 2021-03-19 2021-06-29 华北电力大学 一种考虑电、热负荷综合需求响应的虚拟电厂风电消纳方法
CN113139675A (zh) * 2021-03-08 2021-07-20 深圳职业技术学院 一种园区综合能源系统综合电负荷区间预测方法
CN113240166A (zh) * 2021-04-29 2021-08-10 四川大学 考虑高比例新能源消纳的微能源网日前经济调度方法
CN113517690A (zh) * 2021-07-02 2021-10-19 东北电力大学 含电动汽车充电站的社区综合能源系统双层调度方法
CN113610316A (zh) * 2021-08-19 2021-11-05 东北电力大学 不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法
CN113673810A (zh) * 2021-06-30 2021-11-19 国网山东省电力公司经济技术研究院 一种促进新能源消纳的电力经济调度方法及系统
CN113705991A (zh) * 2021-08-17 2021-11-26 国网四川省电力公司技能培训中心 一种多能源园区的建立及低碳调度方法
CN113822468A (zh) * 2021-08-27 2021-12-21 广西电网有限责任公司电力科学研究院 电力市场环境下工业园区电能用能策略的优化方法
CN114662387A (zh) * 2022-03-19 2022-06-24 特斯联科技集团有限公司 基于gan的低碳经济园区的风光储能优化方法及系统
CN117674168A (zh) * 2024-01-31 2024-03-08 国网湖北省电力有限公司经济技术研究院 一种计及电力需求响应的区域电力低碳调节方法及系统
CN117811051A (zh) * 2024-02-27 2024-04-02 华东交通大学 一种基于需求侧响应的微电网弹性控制方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107521365A (zh) * 2017-08-22 2017-12-29 国网能源研究院 一种基于用户经济收益最优化的电动汽车充放电调度方法
CN109217290A (zh) * 2018-08-28 2019-01-15 南京理工大学 计及电动汽车充放电的微网能量优化管理方法
CN111082466A (zh) * 2019-12-27 2020-04-28 国网宁夏电力有限公司经济技术研究院 考虑风电不确定性的新能源接入与网架扩建优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107521365A (zh) * 2017-08-22 2017-12-29 国网能源研究院 一种基于用户经济收益最优化的电动汽车充放电调度方法
CN109217290A (zh) * 2018-08-28 2019-01-15 南京理工大学 计及电动汽车充放电的微网能量优化管理方法
CN111082466A (zh) * 2019-12-27 2020-04-28 国网宁夏电力有限公司经济技术研究院 考虑风电不确定性的新能源接入与网架扩建优化方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
CHUAN HE: "Robust coordination of interdependent electricity and natural gas systems in day-ahead scheduling for facilitating volatile renewable generations via power-to-gas technology", 《JOURNAL OF MODERN POWER SYSTEMS AND CLEAN ENERGY》 *
XIAN LIU: "Economic Load Dispatch Constrained by Wind Power Availability: A Here-and-Now Approach", 《IEEE TRANSACTIONS ON SUSTAINABLE ENERGY》 *
刘天琪: "考虑联合热电需求响应与高比例新能源消纳的多能源园区日前经济调度", 《电力自动化设备》 *
刘磊: "基于随机潮流的配电网最大光伏接入能力与影响分析", 《电气技术》 *
梁子鹏: "含电动汽车的微网鲁棒经济调度", 《电网技术》 *

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112668791A (zh) * 2020-12-30 2021-04-16 华北电力大学（保定） 热电联供系统的优化方法
CN113139675B (zh) * 2021-03-08 2023-02-28 深圳职业技术学院 一种园区综合能源系统综合电负荷区间预测方法
CN113139675A (zh) * 2021-03-08 2021-07-20 深圳职业技术学院 一种园区综合能源系统综合电负荷区间预测方法
CN113054687A (zh) * 2021-03-19 2021-06-29 华北电力大学 一种考虑电、热负荷综合需求响应的虚拟电厂风电消纳方法
CN113054687B (zh) * 2021-03-19 2023-11-03 华北电力大学 一种考虑电、热负荷综合需求响应的虚拟电厂风电消纳方法
CN113240166A (zh) * 2021-04-29 2021-08-10 四川大学 考虑高比例新能源消纳的微能源网日前经济调度方法
CN113673810A (zh) * 2021-06-30 2021-11-19 国网山东省电力公司经济技术研究院 一种促进新能源消纳的电力经济调度方法及系统
CN113517690A (zh) * 2021-07-02 2021-10-19 东北电力大学 含电动汽车充电站的社区综合能源系统双层调度方法
CN113705991A (zh) * 2021-08-17 2021-11-26 国网四川省电力公司技能培训中心 一种多能源园区的建立及低碳调度方法
CN113705991B (zh) * 2021-08-17 2023-08-29 国网四川省电力公司技能培训中心 一种多能源园区的建立及低碳调度方法
CN113610316B (zh) * 2021-08-19 2023-10-03 东北电力大学 不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法
CN113610316A (zh) * 2021-08-19 2021-11-05 东北电力大学 不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法
CN113822468A (zh) * 2021-08-27 2021-12-21 广西电网有限责任公司电力科学研究院 电力市场环境下工业园区电能用能策略的优化方法
CN114662387A (zh) * 2022-03-19 2022-06-24 特斯联科技集团有限公司 基于gan的低碳经济园区的风光储能优化方法及系统
CN117674168A (zh) * 2024-01-31 2024-03-08 国网湖北省电力有限公司经济技术研究院 一种计及电力需求响应的区域电力低碳调节方法及系统
CN117674168B (zh) * 2024-01-31 2024-04-16 国网湖北省电力有限公司经济技术研究院 一种计及电力需求响应的区域电力低碳调节方法及系统
CN117811051A (zh) * 2024-02-27 2024-04-02 华东交通大学 一种基于需求侧响应的微电网弹性控制方法
CN117811051B (zh) * 2024-02-27 2024-05-07 华东交通大学 一种基于需求侧响应的微电网弹性控制方法

Similar Documents

Publication Publication Date Title
CN111614121A (zh) 考虑需求响应的含电动汽车的多能源园区日前经济调度方法
CN111738497B (zh) 计及需求侧响应的虚拟电厂双层优化调度方法
CN109523052B (zh) 一种考虑需求响应和碳交易的虚拟电厂优化调度方法
CN112464477A (zh) 计及需求响应的多能耦合综合能源运行仿真方法
CN109993345B (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
CN111640044A (zh) 一种考虑虚拟储能的综合能源系统dg消纳策略研究方法
CN110163415B (zh) 一种变工况特性下的多能流系统多目标模糊协同优化方法
CN111445107A (zh) 冷热电联供型微电网多目标优化配置方法
CN113256045A (zh) 考虑风光不确定性的园区综合能源系统日前经济调度方法
CN110941799A (zh) 一种考虑系统综合不确定性因素的能量枢纽随机规划方法
CN113240166A (zh) 考虑高比例新能源消纳的微能源网日前经济调度方法
CN110620403A (zh) 计及可再生能源的能源系统协同运行日前调度方法及系统
CN111382902A (zh) 基于运行效益增量的区域综合能源系统储能优化配置方法
CN111293718A (zh) 基于场景分析的交直流混合微网分区二层优化运行方法
CN110165715B (zh) 一种将电动汽车储能式充电站接入虚拟电厂的方法
CN112036652A (zh) 基于机会约束规划的光伏-储能综合能源系统规划方法
CN113610316B (zh) 不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法
CN115936336B (zh) 一种虚拟电厂容量配置与调控运行优化方法
Zhao et al. Source-load Coordination Economic Dispatch of Hybrid Combined Cooling Heating and Power Microgrid Considering Wind Power Accommodation
CN113128799A (zh) 能源管控方法、装置、电子设备及计算机存储介质
CN112561120B (zh) 一种基于微电网参考日前市场出清系统优化运行方法
Wang et al. Optimal dispatch of an island MG including a multiple energy storage system
Ge et al. Low-carbon economic dispatch of distribution network with carbon capture power plant considering carbon trading
Sun et al. Optimization model of Multi-energy system based on multi-source energy storage
CN111555270A (zh) 一种综合能源优化与动态分析的方法及系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200901

RJ01 Rejection of invention patent application after publication