CN111723992A - 一种计及多能源耦合损耗的园区综合能源调度方法 - Google Patents

一种计及多能源耦合损耗的园区综合能源调度方法 Download PDF

Info

Publication number
CN111723992A
CN111723992A CN202010584011.4A CN202010584011A CN111723992A CN 111723992 A CN111723992 A CN 111723992A CN 202010584011 A CN202010584011 A CN 202010584011A CN 111723992 A CN111723992 A CN 111723992A
Authority
CN
China
Prior art keywords
energy
loss
park
flow
gas
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
CN202010584011.4A
Other languages
English (en)
Other versions
CN111723992B (zh
Inventor
唐冬来
张强
欧渊
刘俊
尚忠玉
何亮
吴豪
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 Zhongdian Aostar Information Technologies Co ltd
Original Assignee
Aostar Information Technologies Co ltd
State Grid Information and Telecommunication 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 Aostar Information Technologies Co ltd, State Grid Information and Telecommunication Co Ltd filed Critical Aostar Information Technologies Co ltd
Priority to CN202010584011.4A priority Critical patent/CN111723992B/zh
Publication of CN111723992A publication Critical patent/CN111723992A/zh
Application granted granted Critical
Publication of CN111723992B publication Critical patent/CN111723992B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种计及多能源耦合损耗的园区综合能源调度方法，包括以下步骤：采集园区内多能源设备的量测数据；进行多能源设备的运行状态分析找出最小故障损失对应的联动动作保护方案；判断多能源设备是否故障，若是则进行下一步的多能源耦合损耗分析，若否，则跳到多能源调度博弈分析；多能源耦合损耗分析：采用矩阵计算得到在园区内能源的所有耦合过程中的综合耦合损耗率；多能流综合计算：结合园区内各种能源的能量流的传输和耦合损耗计算得到多能源估计状态；多能源调度风险评估：由园区内的开关数、开关发生故障的概率、故障修复率得到多能源调度风险；多能源调度博弈分析：对多能源调度影响因素做动态博弈分析，确定最优综合能源调度方案。

Description

一种计及多能源耦合损耗的园区综合能源调度方法
技术领域
本发明涉及能源调度领域，特别涉及一种计及多能源耦合损耗的园区综合能源调度方法
背景技术
综合能源系统：综合能源系统是指一定区域内利用先进的物理信息技术和创新管理模式，整合区域内煤炭、石油、天然气、电能、热能等多种能源，实现多种异质能源子系统之间的协调规划、优化运行，协同管理、交互响应和互补互济。在满足系统内多元化用能需求的同时，要有效地提升能源利用效率，促进能源可持续发展的新型一体化的能源系统。
综合能源调度：能源综合调度作为园区综合能源运行中经济和技术优化的重要组成部分，旨在满足水、电、气、热等多种能源单元运行约束的前提下，通过优化分配多种能源的负载需求，并合理安排多能互补供应使得系统运行总成本最小。
能源耦合：能源生产类耦合元件消耗一种类型能源,产生另一种用户需要的能源类型。例如燃气转换为电的过程就叫做能源耦合。
能源耦合损耗：在能源转换过程中产生的损耗，例如燃气转换为电的过程中，冷热电联机组消耗的转换能源，为能源耦合损耗。
随着我国社会经济的快速发展，能源需求总量急剧增加，各能源运营商协同供给能力不足，社会上的能源供需矛盾日益凸显，严重的影响了我国能源综合利用与低碳经济发展。为解决能源综合利用问题，当前，我国启动了以智能电网为核心的“互联网+”智慧能源革命，采用了电力电子、信息、智能管控等新型技术，将水、电、气、热等各类分布式供应装置、储存装置和各种类型负载连接在一起，形成能源互联网，以实现各类能源的多向流动与能量交换。
目前国内外的综合能源调度主要基于供应商市场、园区差异化、网络传输损耗等因数进行综合能源调度，缺少对多类型能源之间耦合转换损耗的分析。若要实现更经济的多时间尺度综合能源调度，则需要考虑多种能源之间耦合转换损耗的问题。
针对当前研究中综合能源调度不能实现最优的问题，目前亟需一种综合考虑多种能源之间耦合转换损耗，从而对各类能源设备进行日前调度与实时响应控制，以达到综合能源利用最佳的方案。
发明内容
本发明的目的在于：提供了一种计及多能源耦合损耗的园区综合能源调度方法，该方法重点考虑了热电联机组、燃气轮机的能源转换损耗影响，并结合了园区内多能源设备的故障分析和风险评估，进行动态博弈分析，最终确定一个总体运行成本最小的最优综合能源调度方案，解决了上述问题。
本发明采用的技术方案如下：
一种计及多能源耦合损耗的园区综合能源调度方法，包括以下步骤：
采集园区内多能源设备的量测数据；
进行多能源设备的运行状态分析，找出在出现故障时的最小故障损失对应的联动动作保护方案；
判断多能源设备是否故障，若不是，则进行下一步的多能源耦合损耗分析，若是，则跳到多能源调度博弈分析；
多能源耦合损耗分析：采用矩阵计算得到在园区内能源的所有耦合过程中的综合耦合损耗率；
多能流综合计算：结合园区内各种能源的能量流的传输和耦合损耗，计算得到所有能源的多能源估计状态；
多能源调度风险评估：由园区内的开关数、开关发生故障的概率、故障修复率得到多能源调度风险；
多能源调度博弈分析：对园区内的多能源调度的影响因素做动态博弈分析，确定出总体运行成本最小的最优综合能源调度方案。
为了更好地实现本方案，进一步地，所述采集园区内多能源设备的量测数据的方法为：采用园区综合能源测控终端进行组网，采用多并发采集的方式实现园区内的关于不同的能源设备的分布式资源特征感知、故障识别、全拓扑连通性分析和多能源设备控制，为后续步骤提供数据支持。
为了更好地实现本方案，进一步地，所述进行多能源设备的运行状态分析的方法为：故障损失Lj最小为：
Figure BDA0002553438450000021
其中m为园区内的能源元件数量，n为耦合元件数量，元件J有正常Ja和异常Jb两种状态，Jk表示元件J的故障概率，Lc表示故障发生带来的经济损失。
为了更好地实现本方案，进一步地，所述多能源耦合损耗分析的方法为：建立总的能源耦合矩阵Res为
Figure BDA0002553438450000022
其中，Ωm为耦合输入能源，Ωn为耦合输出能源，Rea为电能转换为热量损耗的电能，Reb为电能制冷损耗的电能，Rec为燃气转换为电能损耗的气能，Red为燃气转换为热能损耗的气能，Ree为燃气制冷损耗的气能，耦合的次数为n，耦合时间为t；
综合耦合损耗率Des为
Figure BDA0002553438450000031
其中，Ries为园区内电能、热能、制冷能量的输出总量。
为了更好地实现本方案，进一步地，所述多能流综合计算的方法为：多能源估计状态F(x)的最小值为
Figure BDA0002553438450000032
其中
Figure BDA0002553438450000033
为多能源的量测数据，x为状态值，U(x)为量测函数，η为测量误差，t为测量时间。
为了更好地实现本方案，进一步地，所述多能源调度风险评估的方法为：多能源调度风险β为
Figure BDA0002553438450000034
其中，n为园区内的可调控开关数量，γ为可调控开关发生故障的概率，
Figure BDA0002553438450000035
为故障对应的修复概率，σ为故障的概率修正因子，β为多能源调度风险。
为了更好地实现本方案，进一步地，所述多能源调度博弈分析的方法为：
确定园区内部新能源的消纳成本Cnp为
Figure BDA0002553438450000036
Figure BDA0002553438450000037
其中Cnpa为光伏发电消纳成本，Cnpb为可再生能源发电成本，Cnpc为风力发电成本，t1为园区的综合能源使用时间内园区内新能源的消纳时间；
确定园区外部能源消纳成本Cp为
Figure BDA0002553438450000038
Figure BDA0002553438450000039
其中Cpa为向电网公司购电成本，Cpb为向燃气公司购气成本，Cpc为向供热公司购热成本，Cpd为向供冷公司购制制冷成本，Cpe为向水务公司购水成本，t2为园区的综合能源使用时间内外部能源的消纳时间；
确定多能源耦合损耗成本Clc为
Figure BDA00025534384500000310
Figure BDA00025534384500000311
其中Clca为电能转换为热量的损耗成本，Clcb为电能制冷损耗成本，Clcc为燃气转换为电能损耗的成本，Clcd为燃气转换为热能损耗的成本，Clce为燃气制冷损耗的成本，t3为园区的综合能源使用时间内多能源耦合时间；
确定多能源的传输损耗Cle为
Figure BDA0002553438450000041
Figure BDA0002553438450000042
其中Clea为电能传输损耗，Cleb为气能传输损耗，Clec为热能传输损耗，Cled为冷能传输损耗，Clee为水传输损耗，t4为园区的综合能源使用时间内多能源的传输时间；；
确定园区的储能成本Cs为
Figure BDA0002553438450000043
其中Csa为蓄电池运行成本，Csc为储热装置运行成本，Csd为储能装置运行成本，t5为园区的综合能源使用时间内能源的存储时间；
深度学习的全局统计均值E[β]为
Figure BDA0002553438450000044
其中β为历史控制策略，mt为历史控制次数；
全局统计方差Var[β]为
Figure BDA0002553438450000045
深度学习批量标准化修正因子△h为
Figure BDA0002553438450000046
基于深度学习模型结合动态博弈算法得到园区综合能源系统的总体运行成本Ct的最小值min Ct为：
Figure BDA0002553438450000047
其中△f为可调整的能量流，tz为园区的综合能源使用时间。
为了更好地实现本方案，进一步地，所述动态博弈的调度模型满足以下约束：
园区能量消费负载Pm满足：Pm＝Pnp+Pp+Ps-Plc-Ple；
其中Pnp是园区内部新能源单位时间内产生的能量流，Pp是单位时间内向外部能源公司购入的能量流，Ps是单位时间内储存的能量流，Plc是单位时间内多能源耦合损耗的能量流，Ple是单位时间内多能源传输损耗的能量流；
单位时间内园区消费负载电能Pa、气能Pb、热能Pc、冷能Pd和水能Pe分别满足约束条件：
Pa＝Pnpa+Pnpb+Pnpc+Ppa+Psa+(Plcd/m％-Plcd)-Plca/m％-Plcb/m％-Plea；
Pb＝Ppb-Plcc/m％-Plcd/m％-Plce/m％-Pleb；
Pc＝Ppc+(Plca/m-Plca)+(Plcd/m-Plcd)+Psc-Plec；
Pd＝Ppd+(Plcb/m-Plcb)+(Plce/m-Plce)+Pse-Plee；
Pe＝Ppe-Plee；
其中，m％为损耗率，Pnpa、Pnpb、Pnpc分别表示单位时间内光伏发电的能量流、可再生能源发电的能量流和风力发电的能量流，Ppa、Ppb、Ppc、Ppd、Ppe分别表示单位时间内外部的电网公司的能量流、燃气公司的能量流、供热公司的能量流、供冷公司的能量流和水务公司的能量流；Plca、Plcb、Plcc、Plcd、Plce分别表示单位时间内电能转换为热量损耗的能量流、电能制冷损耗的能量流、燃气转换为电能损耗的能量流、燃气转换为热能损耗的能量流和燃气制冷损耗的能量流；Plea、Pleb、Plec、Pled、Plee分别表示单位时间内电能传输损耗的能量流、气能传输损耗的能量流、热能传输损耗的能量流、冷能传输损耗的能量流和水能传输损耗的能量流；Psa、Psc、Psd分别表示单位时间内蓄电池的能量流、储热装置的能量流和储冷装置的能量流；
单位时间内光伏发电的能量流Pnpa满足Pnpa.min≤Pnpa+ΔPn≤Pnpa.max；其中Pnpa.min和Pnpa.max分别表示园区新能源机组发电功率下限和上限，△Pn表示可调整负荷对应的功率；
单位时间内可再生能源发电的能量流Pnpb满足Pnpb.min≤Pnpb+ΔPn≤Pnpb.max；其中Pnpb.min和Pnpb.max分别表示园区可再生能源发电机组发电功率下限和上限；
单位时间内风力发电的能量流Pnpc满足Pnpc.min≤Pnpc+ΔPn≤Pnpc.max；其中Pnpc.min和Pnpc.max分别表示园区风力发电机组发电功率下限和上限；
单位时间内蓄电池的能量流Psa满足Psa.min≤Psa+ΔPs≤Psa.max；其中Psa.min和Psa.max分别表示蓄电池容量的下限和上限，△Ps为可调整存储容量；
单位时间内储热装置的能量流Psc满足Psc.min≤Psc+ΔPs≤Psc.max；
单位时间内储冷装置的能量流Psd满足Psd.min≤Psd+ΔPs≤Psd.max；
单位时间内电能转换为热量损耗的能量流Plca满足Plca.min≤(Plca/m％-Plca)+ΔPlc≤Plca.min，其中Plca.min和Plca.max分别表示电能转换为热量的功率的下限和上限，△Plc是可调整存储容量；
单位时间内电能制冷损耗的能量流Plcb满足Plcb.min≤(Plcb/m％-Plcb)+ΔPlc≤Plcb.min，其中Plcb.min和Plcb.max分别表示电能制冷的功率的下限和上限；
单位时间内燃气转换为电能损耗的能量流Plcc满足Plcc.min≤(Plcc/m％-Plcc)+ΔPlc≤Plcc.min，其中Plcc.min和Plcc.max分别表示燃气转换为电能的功率的下限和上限；
单位时间内燃气转换为热能损耗的能量流Plcd满足Plcd.min≤(Plcd/m％-Plcd)+ΔPlc≤Plcd.min，其中Plcd.min和Plcd.max分别表示燃气转换为热能的功率的下限和上限；
单位时间内燃气制冷损耗的能量流Plce满足Plce.min≤(Plce/m％-Plce)+ΔPlc≤Plce.min，其中Plce.min和Plce.max分别表示燃气制冷的功率的下限和上限；
而单位时间内外部的电网公司的能量流Ppa、燃气公司的能量流Ppb、供热公司的能量流Ppc、供冷公司的能量流Ppd和水务公司的能量流Ppe满足
Figure BDA0002553438450000061
其中Ppa.max、Ppb.max、Ppc.max、Ppd.max、Ppe.max分别表示外部电网公司的输送功率上限、燃气公司的输送功率上限、供热公司的输送功率上限、供冷公司的输送功率上限、水务公司的输送功率上限。
在本方案中，针对园区内多能源的综合调度(即综合能源调度)，首先考虑了多能源设备的故障问题，保障在出现故障时，园区内能源供给系统能够供给能源的前提下，降低故障带来的损失，然后获取园区内最主要的能源损耗，在本方案中，重点关注园区内部新能源的消纳成本Cnp、园区外部能源消纳成本Cp、多能源耦合损耗成本Clc、多能源的传输损耗Cle和园区的储能成本Cs这五个最大的能源消耗，最终确定园区综合能源系统的总体运行成本Ct的最小值min Ct，由于园区内的能源损耗是动态变化的，动态博弈模型中，后参与方可以根据前参与方的选择进行调整，因此本方案采用动态博弈模型，这样在某一类能源损耗产生变化时，动态博弈的调度模型中，后续的成本可以进行调整以满足约束条件，同时在满足约束条件的情况下，找出动态博弈模型中的最小的总体运行成本min Ct，这样不管在动态博弈模型中的某些运行成本(即参与方)如何变化，在本模型中都能得到最小的总体运行成本min Ct，对于园区内没有本模型中的某些能源的，去掉对应能源和公式中对应能源的部分即可，对于这些园区，若使用本发明的方案，也应落入本发明的保护范围。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1.本发明所述的一种计及多能源耦合损耗的园区综合能源调度方法，重点考虑了热电联机组、燃气轮机的能源转换损耗影响，并结合了园区内多能源设备的故障分析和风险评估，进行动态博弈分析，最终确定一个总体运行成本最小的最优综合能源调度方案，降低了园区综合能源的运行成本，提高园区的能效利用水平；
2.本发明所述的一种计及多能源耦合损耗的园区综合能源调度方法，重点考虑了热电联机组、燃气轮机的能源转换损耗影响，并结合了园区内多能源设备的故障分析和风险评估，进行动态博弈分析，最终确定一个总体运行成本最小的最优综合能源调度方案，将园区内各种能源供给、能源损耗、消费负荷作为动态博弈因子，能够在其中某些动态博弈因子发生变化时，依然给出成本最低的综合能源调度方案。
附图说明
为了更清楚地说明本技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，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相关的附图，其中：
图1是本发明的流程框图；
图2是本发明的对应的系统框架图。
具体实施方式
为了更清楚地说明本发明实施例的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，应当理解，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例，因此不应被看作是对保护范围的限定。基于本发明中的实施例，本领域普通技术工作人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“设置”、“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，也可以是电连接；也可以是直接相连，也可以是通过中间媒介间接相连，可以是两个元件内部的连通。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发明中的具体含义。
下面结合图1至图2对本发明作详细说明。
实施例1：
一种计及多能源耦合损耗的园区综合能源调度方法，如图1，包括以下步骤：
采集园区内多能源设备的量测数据；
进行多能源设备的运行状态分析，找出在出现故障时的最小故障损失对应的联动动作保护方案；
判断多能源设备是否故障，若是，则进行下一步的多能源耦合损耗分析，若不是，则跳到多能源调度博弈分析；
多能源耦合损耗分析：采用矩阵计算得到在园区内能源的所有耦合过程中的综合耦合损耗率；
多能流综合计算：结合园区内各种能源的能量流的传输和耦合损耗，计算得到所有能源的多能源估计状态；
多能源调度风险评估：由园区内的开关数、开关发生故障的概率、故障修复率得到多能源调度风险；
多能源调度博弈分析：对园区内的多能源调度的影响因素做动态博弈分析，确定出总体运行成本最小的最优综合能源调度方案。
工作原理：本方案结合园区内的多能源设备的故障问题及各种形式能量的损耗带来的经济损失问题，首先考虑了多能源设备的故障问题，保障在出现故障时，园区内能源供给系统能够供给能源的前提下，降低故障带来的损失，然后获取园区内最主要的能源损耗，采用动态博弈分析算法，结合各种能源损耗成本，使得园区内使用能源时，能在满足要求的基础上，选择最低总体运行成本的最优综合能源调度方案，并且在其中的能源损耗发生改变时，随之变动方案。
实施例2：
本发明在上述实施例1的基础上，所述采集园区内多能源设备的量测数据的方法为：采用园区综合能源测控终端进行组网，采用多并发采集的方式实现园区内的关于不同的能源设备的分布式资源特征感知、故障识别、全拓扑连通性分析和多能源设备控制，为后续步骤提供数据支持。这里由于园区内电、气、热、冷和水等多种能源的监控装置采用的通信方式和通信协议不尽相同，数据集中量测和控制实现困难，所以采用园区综合能源测控终端进行组网，园区综合能源测控终端通过电力载波、微功率无线、LORA、光纤等方式组网，采用多并发采集的方式实现分布式的各种功能。
进行多能源设备的运行状态分析的方法为：故障损失Lj最小为：
Figure BDA0002553438450000081
其中m为园区内的能源元件数量，n为耦合元件数量，元件J有正常Ja和异常Jb两种状态，Jk表示元件J的故障概率，Lc表示故障发生带来的经济损失。由这两个步骤确定了故障发生时多能源故障保护后的最小故障损失min Lj，以此来保证发生故障时园区的综合能源调度方案损失最小。
所述多能源耦合损耗分析的方法为：建立总的能源耦合矩阵Res为
Figure BDA0002553438450000082
其中，Ωm为耦合输入能源，Ωn为耦合输出能源，Rea为电能转换为热量损耗的电能，Reb为电能制冷损耗的电能，Rec为燃气转换为电能损耗的气能，Red为燃气转换为热能损耗的气能，Ree为燃气制冷损耗的气能，耦合的次数为n，耦合时间为t；
综合耦合损耗率Des为
Figure BDA0002553438450000091
其中，Ries为园区内电能、热能、制冷能量的输出总量。
在园区的多能源设备组成的能源系统中，由于电、气、热、冷和水各个系统的时间尺度不同，因此其动态过程不尽相同，所以多能流综合计算需要综合考虑园区内能量流的传输和耦合损耗，提出状态估计情况，为园区综合能源调度提供数据支撑。所述多能流综合计算的方法为：多能源估计状态F(x)的最小值为
Figure BDA0002553438450000092
其中
Figure BDA0002553438450000093
为多能源的量测数据，x为状态值，U(x)为量测函数，η为测量误差，t为测量时间。
在园区综合能源调度中，需要综合考虑多能源调度的全过程的风险，首先需要考虑控制开关正常下，执行调度动作后的负荷损失、能量流越限和设备重过载等；其次，考虑控制开关失效的情况下，各能源设备的关联故障风险；最后，根据结合控制开关失效风险和运行风险得出多能源调度的总体风险。具体地说，所述多能源调度风险评估的方法为：多能源调度风险β为
Figure BDA0002553438450000094
其中，n为园区内的可调控开关数量，γ为可调控开关发生故障的概率，
Figure BDA0002553438450000095
为故障对应的修复概率，σ为故障的概率修正因子，β为多能源调度风险。
在多能源调度的动态博弈中，后参与方可以根据前面参与方的选择进行调整，基于动态博弈的园区综合能源调度模型的目的在于在多能源调度模型中，使用最低的系统运行总体成本，控制目标为最大化实现园区内部新能源消纳成本，最小化实现外部能源供应成本、多能源耦合损耗成本和冷热电联供系统运行成本(包括传输和储能成本)，具体地说，所述多能源调度博弈分析的方法为：
确定园区内部新能源的消纳成本Cnp为
Figure BDA0002553438450000096
Figure BDA0002553438450000097
其中Cnpa为光伏发电消纳成本，Cnpb为可再生能源发电成本，Cnpc为风力发电成本，t1为园区的综合能源使用时间内园区内新能源的消纳时间；
确定园区外部能源消纳成本Cp为
Figure BDA0002553438450000098
Figure BDA0002553438450000101
其中Cpa为向电网公司购电成本，Cpb为向燃气公司购气成本，Cpc为向供热公司购热成本，Cpd为向供冷公司购制制冷成本，Cpe为向水务公司购水成本，t2为园区的综合能源使用时间内外部能源的消纳时间；
确定多能源耦合损耗成本Clc为
Figure BDA0002553438450000102
Figure BDA0002553438450000103
其中Clca为电能转换为热量的损耗成本，Clcb为电能制冷损耗成本，Clcc为燃气转换为电能损耗的成本，Clcd为燃气转换为热能损耗的成本，Clce为燃气制冷损耗的成本，t3为园区的综合能源使用时间内多能源耦合时间；
确定多能源的传输损耗Cle为
Figure BDA0002553438450000104
Figure BDA0002553438450000105
其中Clea为电能传输损耗，Cleb为气能传输损耗，Clec为热能传输损耗，Cled为冷能传输损耗，Clee为水传输损耗，t4为园区的综合能源使用时间内多能源的传输时间；；
确定园区的储能成本Cs为
Figure BDA0002553438450000106
其中Csa为蓄电池运行成本，Csc为储热装置运行成本，Csd为储能装置运行成本，t5为园区的综合能源使用时间内能源的存储时间；
深度学习的全局统计均值E[β]为
Figure BDA0002553438450000107
其中β为历史控制策略，mt为历史控制次数；
全局统计方差Var[β]为
Figure BDA0002553438450000108
深度学习批量标准化修正因子△h为
Figure BDA0002553438450000109
基于深度学习模型结合动态博弈算法得到园区综合能源系统的总体运行成本Ct的最小值min Ct为：
Figure BDA00025534384500001010
其中△f为可调整的能量流，tz为园区的综合能源使用时间。
所述动态博弈的调度模型满足以下约束：
园区能量消费负载Pm满足：Pm＝Pnp+Pp+Ps-Plc-Ple；
其中Pnp是园区内部新能源单位时间内产生的能量流，Pp是单位时间内向外部能源公司购入的能量流，Ps是单位时间内储存的能量流，Plc是单位时间内多能源耦合损耗的能量流，Ple是单位时间内多能源传输损耗的能量流；
单位时间内园区消费负载电能Pa、气能Pb、热能Pc、冷能Pd和水能Pe分别满足约束条件：
Pa＝Pnpa+Pnpb+Pnpc+Ppa+Psa+(Plcd/m％-Plcd)-Plca/m％-Plcb/m％-Plea；
Pb＝Ppb-Plcc/m％-Plcd/m％-Plce/m％-Pleb；
Pc＝Ppc+(Plca/m-Plca)+(Plcd/m-Plcd)+Psc-Plec；
Pd＝Ppd+(Plcb/m-Plcb)+(Plce/m-Plce)+Pse-Plee；
Pe＝Ppe-Plee；
其中，m％为损耗率，Pnpa、Pnpb、Pnpc分别表示单位时间内光伏发电的能量流、可再生能源发电的能量流和风力发电的能量流，Ppa、Ppb、Ppc、Ppd、Ppe分别表示单位时间内外部的电网公司的能量流、燃气公司的能量流、供热公司的能量流、供冷公司的能量流和水务公司的能量流；Plca、Plcb、Plcc、Plcd、Plce分别表示单位时间内电能转换为热量损耗的能量流、电能制冷损耗的能量流、燃气转换为电能损耗的能量流、燃气转换为热能损耗的能量流和燃气制冷损耗的能量流；Plea、Pleb、Plec、Pled、Plee分别表示单位时间内电能传输损耗的能量流、气能传输损耗的能量流、热能传输损耗的能量流、冷能传输损耗的能量流和水能传输损耗的能量流；Psa、Psc、Psd分别表示单位时间内蓄电池的能量流、储热装置的能量流和储冷装置的能量流；
单位时间内光伏发电的能量流Pnpa满足Pnpa.min≤Pnpa+ΔPn≤Pnpa.max；其中Pnpa.min和Pnpa.max分别表示园区新能源机组发电功率下限和上限，△Pn表示可调整负荷对应的功率；
单位时间内可再生能源发电的能量流Pnpb满足Pnpb.min≤Pnpb+ΔPn≤Pnpb.max；其中Pnpb.min和Pnpb.max分别表示园区可再生能源发电机组发电功率下限和上限；
单位时间内风力发电的能量流Pnpc满足Pnpc.min≤Pnpc+ΔPn≤Pnpc.max；其中Pnpc.min和Pnpc.max分别表示园区风力发电机组发电功率下限和上限；
单位时间内蓄电池的能量流Psa满足Psa.min≤Psa+ΔPs≤Psa.max；其中Psa.min和Psa.max分别表示蓄电池容量的下限和上限，△Ps为可调整存储容量；
单位时间内储热装置的能量流Psc满足Psc.min≤Psc+ΔPs≤Psc.max；
单位时间内储冷装置的能量流Psd满足Psd.min≤Psd+ΔPs≤Psd.max；
单位时间内电能转换为热量损耗的能量流Plca满足Plca.min≤(Plca/m％-Plca)+ΔPlc≤Plca.min，其中Plca.min和Plca.max分别表示电能转换为热量的功率的下限和上限，△Plc是可调整存储容量；
单位时间内电能制冷损耗的能量流Plcb满足Plcb.min≤(Plcb/m％-Plcb)+ΔPlc≤Plcb.min，其中Plcb.min和Plcb.max分别表示电能制冷的功率的下限和上限；
单位时间内燃气转换为电能损耗的能量流Plcc满足Plcc.min≤(Plcc/m％-Plcc)+ΔPlc≤Plcc.min，其中Plcc.min和Plcc.max分别表示燃气转换为电能的功率的下限和上限；
单位时间内燃气转换为热能损耗的能量流Plcd满足Plcd.min≤(Plcd/m％-Plcd)+ΔPlc≤Plcd.min，其中Plcd.min和Plcd.max分别表示燃气转换为热能的功率的下限和上限；
单位时间内燃气制冷损耗的能量流Plce满足Plce.min≤(Plce/m％-Plce)+ΔPlc≤Plce.min，其中Plce.min和Plce.max分别表示燃气制冷的功率的下限和上限；
而单位时间内外部的电网公司的能量流Ppa、燃气公司的能量流Ppb、供热公司的能量流Ppc、供冷公司的能量流Ppd和水务公司的能量流Ppe满足
Figure BDA0002553438450000121
其中Ppa.max、Ppb.max、Ppc.max、Ppd.max、Ppe.max分别表示外部电网公司的输送功率上限、燃气公司的输送功率上限、供热公司的输送功率上限、供冷公司的输送功率上限、水务公司的输送功率上限。
工作原理：在本方案中，针对园区内多能源的综合调度(即综合能源调度)，首先考虑了多能源设备的故障问题，保障在出现故障时，园区内能源供给系统能够供给能源的前提下，降低故障带来的损失，然后获取园区内最主要的能源损耗，在本方案中，重点关注园区内部新能源的消纳成本Cnp、园区外部能源消纳成本Cp、多能源耦合损耗成本Clc、多能源的传输损耗Cle和园区的储能成本Cs这五个最大的能源消耗，最终确定园区综合能源系统的总体运行成本Ct的最小值min Ct，由于园区内的能源损耗是动态变化的，动态博弈模型中，后参与方可以根据前参与方的选择进行调整，因此本方案采用动态博弈模型，这样在某一类能源损耗产生变化时，动态博弈的调度模型中，后续的成本可以进行调整以满足约束条件，同时在满足约束条件的情况下，找出动态博弈模型中的最小的总体运行成本min Ct，并且我们还使用了深度学习模型来建立标准化修正因子△h，标准化修正因子△h可以顾及历史的控制策略，使得在调整控制策略时更简单，这样不管在动态博弈模型中的某些运行成本(即参与方)如何变化，在本模型中都能得到最小的总体运行成本min Ct，对于园区内没有本模型中的某些能源的，去掉对应能源和公式中对应能源的部分即可，对于这些园区，若使用本发明的方案，也应落入本发明的保护范围。
由本方案的方法也可以不需创造性的引申出一个园区综合能源调度模型，架构如图2所示，对于该模型的系统使用的本方案的方法，也应纳入本方案的保护范围内。
本实施例的其他部分与上述实施例1相同，故不再赘述。
以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。

Claims (8)

1.一种计及多能源耦合损耗的园区综合能源调度方法，其特征在于：包括以下步骤：
采集园区内多能源设备的量测数据；
进行多能源设备的运行状态分析，找出在出现故障时的最小故障损失对应的联动动作保护方案；
判断多能源设备是否故障，若是，则进行下一步的多能源耦合损耗分析，若不是，则跳到多能源调度博弈分析；
多能源耦合损耗分析：采用矩阵计算得到在园区内能源的所有耦合过程中的综合耦合损耗率；
多能流综合计算：结合园区内各种能源的能量流的传输和耦合损耗，计算得到所有能源的多能源估计状态；
多能源调度风险评估：由园区内的开关数、开关发生故障的概率、故障修复率得到多能源调度风险；
多能源调度博弈分析：对园区内的多能源调度的影响因素做动态博弈分析，确定出总体运行成本最小的最优综合能源调度方案。
2.根据权利要求1所述的一种计及多能源耦合损耗的园区综合能源调度方法，其特征在于：所述采集园区内多能源设备的量测数据的方法为：采用园区综合能源测控终端进行组网，采用多并发采集的方式实现园区内的关于不同的能源设备的分布式资源特征感知、故障识别、全拓扑连通性分析和多能源设备控制，为后续步骤提供数据支持。
3.根据权利要求1所述的一种计及多能源耦合损耗的园区综合能源调度方法，其特征在于：所述进行多能源设备的运行状态分析的方法为：故障损失Lj最小为：
Figure FDA0002553438440000011
其中m为园区内的能源元件数量，n为耦合元件数量，元件J有正常Ja和异常Jb两种状态，Jk表示元件J的故障概率，Lc表示故障发生带来的经济损失。
4.根据权利要求1所述的一种计及多能源耦合损耗的园区综合能源调度方法，其特征在于：所述多能源耦合损耗分析的方法为：建立总的能源耦合矩阵Res为
Figure FDA0002553438440000012
其中，Ωm为耦合输入能源，Ωn为耦合输出能源，Rea为电能转换为热量损耗的电能，Reb为电能制冷损耗的电能，Rec为燃气转换为电能损耗的气能，Red为燃气转换为热能损耗的气能，Ree为燃气制冷损耗的气能，耦合的次数为n，耦合时间为t；
综合耦合损耗率Des为
Figure FDA0002553438440000021
其中，Ries为园区内电能、热能、制冷能量的输出总量。
5.根据权利要求1所述的一种计及多能源耦合损耗的园区综合能源调度方法，其特征在于：所述多能流综合计算的方法为：多能源估计状态F(x)的最小值为
Figure FDA0002553438440000022
其中
Figure FDA00025534384400000210
为多能源的量测数据，x为状态值，U(x)为量测函数，η为测量误差，t为测量时间。
6.根据权利要求1所述的一种计及多能源耦合损耗的园区综合能源调度方法，其特征在于：所述多能源调度风险评估的方法为：多能源调度风险β为
Figure FDA0002553438440000023
其中，n为园区内的可调控开关数量，γ为可调控开关发生故障的概率，l为故障对应的修复概率，σ为故障的概率修正因子，β为多能源调度风险。
7.根据权利要求1所述的一种计及多能源耦合损耗的园区综合能源调度方法，其特征在于：所述多能源调度博弈分析的方法为：
确定园区内部新能源的消纳成本Cnp为
Figure FDA0002553438440000024
Figure FDA0002553438440000025
其中Cnpa为光伏发电消纳成本，Cnpb为可再生能源发电成本，Cnpc为风力发电成本，t1为园区的综合能源使用时间内园区内新能源的消纳时间；
确定园区外部能源消纳成本Cp为
Figure FDA0002553438440000026
Figure FDA0002553438440000027
其中Cpa为向电网公司购电成本，Cpb为向燃气公司购气成本，Cpc为向供热公司购热成本，Cpd为向供冷公司购制制冷成本，Cpe为向水务公司购水成本，t2为园区的综合能源使用时间内外部能源的消纳时间；
确定多能源耦合损耗成本Clc为
Figure FDA0002553438440000028
Figure FDA0002553438440000029
其中Clca为电能转换为热量的损耗成本，Clcb为电能制冷损耗成本，Clcc为燃气转换为电能损耗的成本，Clcd为燃气转换为热能损耗的成本，Clce为燃气制冷损耗的成本，t3为园区的综合能源使用时间内多能源耦合时间；
确定多能源的传输损耗Cle为
Figure FDA0002553438440000031
Figure FDA0002553438440000032
其中Clea为电能传输损耗，Cleb为气能传输损耗，Clec为热能传输损耗，Cled为冷能传输损耗，Clee为水传输损耗，t4为园区的综合能源使用时间内多能源的传输时间；；
确定园区的储能成本Cs为
Figure FDA0002553438440000033
其中Csa为蓄电池运行成本，Csc为储热装置运行成本，Csd为储能装置运行成本，t5为园区的综合能源使用时间内能源的存储时间；
深度学习的全局统计均值E[β]为
Figure FDA0002553438440000034
其中β为历史控制策略，mt为历史控制次数；
全局统计方差Var[β]为
Figure FDA0002553438440000035
深度学习批量标准化修正因子△h为
Figure FDA0002553438440000036
基于深度学习模型结合动态博弈算法得到园区综合能源系统的总体运行成本Ct的最小值min Ct为：
Figure FDA0002553438440000037
其中△f为可调整的能量流，tz为园区的综合能源使用时间。
8.根据权利要求7所述的一种计及多能源耦合损耗的园区综合能源调度方法，其特征在于：所述动态博弈的调度模型满足以下约束：
园区能量消费负载Pm满足：Pm＝Pnp+Pp+Ps-Plc-Ple；
其中Pnp是园区内部新能源单位时间内产生的能量流，Pp是单位时间内向外部能源公司购入的能量流，Ps是单位时间内储存的能量流，Plc是单位时间内多能源耦合损耗的能量流，Ple是单位时间内多能源传输损耗的能量流；
单位时间内园区消费负载电能Pa、气能Pb、热能Pc、冷能Pd和水能Pe分别满足约束条件：
Pa＝Pnpa+Pnpb+Pnpc+Ppa+Psa+(Plcd/m％-Plcd)-Plca/m％-Plcb/m％-Plea；
Pb＝Ppb-Plcc/m％-Plcd/m％-Plce/m％-Pleb；
Pc＝Ppc+(Plca/m-Plca)+(Plcd/m-Plcd)+Psc-Plec；
Pd＝Ppd+(Plcb/m-Plcb)+(Plce/m-Plce)+Pse-Plee；
Pe＝Ppe-Plee；
其中，m％为损耗率，Pnpa、Pnpb、Pnpc分别表示单位时间内光伏发电的能量流、可再生能源发电的能量流和风力发电的能量流，Ppa、Ppb、Ppc、Ppd、Ppe分别表示单位时间内外部的电网公司的能量流、燃气公司的能量流、供热公司的能量流、供冷公司的能量流和水务公司的能量流；Plca、Plcb、Plcc、Plcd、Plce分别表示单位时间内电能转换为热量损耗的能量流、电能制冷损耗的能量流、燃气转换为电能损耗的能量流、燃气转换为热能损耗的能量流和燃气制冷损耗的能量流；Plea、Pleb、Plec、Pled、Plee分别表示单位时间内电能传输损耗的能量流、气能传输损耗的能量流、热能传输损耗的能量流、冷能传输损耗的能量流和水能传输损耗的能量流；Psa、Psc、Psd分别表示单位时间内蓄电池的能量流、储热装置的能量流和储冷装置的能量流；
单位时间内光伏发电的能量流Pnpa满足Pnpa.min≤Pnpa+ΔPn≤Pnpa.max；其中Pnpa.min和Pnpa.max分别表示园区新能源机组发电功率下限和上限，△Pn表示可调整负荷对应的功率；
单位时间内可再生能源发电的能量流Pnpb满足Pnpb.min≤Pnpb+ΔPn≤Pnpb.max；其中Pnpb.min和Pnpb.max分别表示园区可再生能源发电机组发电功率下限和上限；
单位时间内风力发电的能量流Pnpc满足Pnpc.min≤Pnpc+ΔPn≤Pnpc.max；其中Pnpc.min和Pnpc.max分别表示园区风力发电机组发电功率下限和上限；
单位时间内蓄电池的能量流Psa满足Psa.min≤Psa+ΔPs≤Psa.max；其中Psa.min和Psa.max分别表示蓄电池容量的下限和上限，△Ps为可调整存储容量；
单位时间内储热装置的能量流Psc满足Psc.min≤Psc+ΔPs≤Psc.max；
单位时间内储冷装置的能量流Psd满足Psd.min≤Psd+ΔPs≤Psd.max；
单位时间内电能转换为热量损耗的能量流Plca满足Plca.min≤(Plca/m％-Plca)+ΔPlc≤Plca.min，其中Plca.min和Plca.max分别表示电能转换为热量的功率的下限和上限，△Plc是可调整存储容量；
单位时间内电能制冷损耗的能量流Plcb满足Plcb.min≤(Plcb/m％-Plcb)+ΔPlc≤Plcb.min，其中Plcb.min和Plcb.max分别表示电能制冷的功率的下限和上限；
单位时间内燃气转换为电能损耗的能量流Plcc满足Plcc.min≤(Plcc/m％-Plcc)+ΔPlc≤Plcc.min，其中Plcc.min和Plcc.max分别表示燃气转换为电能的功率的下限和上限；
单位时间内燃气转换为热能损耗的能量流Plcd满足Plcd.min≤(Plcd/m％-Plcd)+ΔPlc≤Plcd.min，其中Plcd.min和Plcd.max分别表示燃气转换为热能的功率的下限和上限；
单位时间内燃气制冷损耗的能量流Plce满足Plce.min≤(Plce/m％-Plce)+ΔPlc≤Plce.min，其中Plce.min和Plce.max分别表示燃气制冷的功率的下限和上限；
而单位时间内外部的电网公司的能量流Ppa、燃气公司的能量流Ppb、供热公司的能量流Ppc、供冷公司的能量流Ppd和水务公司的能量流Ppe满足
Figure FDA0002553438440000051
其中Ppa.max、Ppb.max、Ppc.max、Ppd.max、Ppe.max分别表示外部电网公司的输送功率上限、燃气公司的输送功率上限、供热公司的输送功率上限、供冷公司的输送功率上限、水务公司的输送功率上限。
CN202010584011.4A 2020-06-23 2020-06-23 一种计及多能源耦合损耗的园区综合能源调度方法 Active CN111723992B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010584011.4A CN111723992B (zh) 2020-06-23 2020-06-23 一种计及多能源耦合损耗的园区综合能源调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010584011.4A CN111723992B (zh) 2020-06-23 2020-06-23 一种计及多能源耦合损耗的园区综合能源调度方法

Publications (2)

Publication Number Publication Date
CN111723992A true CN111723992A (zh) 2020-09-29
CN111723992B CN111723992B (zh) 2023-07-04

Family

ID=72568569

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010584011.4A Active CN111723992B (zh) 2020-06-23 2020-06-23 一种计及多能源耦合损耗的园区综合能源调度方法

Country Status (1)

Country Link
CN (1) CN111723992B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114565238A (zh) * 2022-02-15 2022-05-31 石河子大学 综合能源低碳调度方法及装置
CN116643526A (zh) * 2023-06-12 2023-08-25 上海启斯云计算有限公司 电源节能控制方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014143908A1 (en) * 2013-03-15 2014-09-18 Robert Bosch Gmbh System and method for energy distribution
CN107368630A (zh) * 2017-06-23 2017-11-21 东南大学 一种获取耦合损耗因子的数值方法
CN109190271A (zh) * 2018-09-13 2019-01-11 东北大学 一种考虑传输损耗的电热综合能源系统经济优化调度方法
CN109510196A (zh) * 2018-11-28 2019-03-22 燕山大学 一种基于电-气耦合系统的故障恢复博弈模型
CN109919450A (zh) * 2019-02-14 2019-06-21 国核电力规划设计研究院有限公司 解决综合智慧能源系统调度的博弈优化方法
CN110363397A (zh) * 2019-06-24 2019-10-22 国电南瑞科技股份有限公司 一种基于可转换自由度的综合能源系统规划方法
CN110866627A (zh) * 2019-08-16 2020-03-06 东南大学 一种考虑阶梯气价的多区域电-气耦合综合能源系统优化调度方法
CN110990785A (zh) * 2019-11-27 2020-04-10 江苏方天电力技术有限公司 一种基于多目标的智慧园区综合能源系统优化调度方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014143908A1 (en) * 2013-03-15 2014-09-18 Robert Bosch Gmbh System and method for energy distribution
CN107368630A (zh) * 2017-06-23 2017-11-21 东南大学 一种获取耦合损耗因子的数值方法
CN109190271A (zh) * 2018-09-13 2019-01-11 东北大学 一种考虑传输损耗的电热综合能源系统经济优化调度方法
CN109510196A (zh) * 2018-11-28 2019-03-22 燕山大学 一种基于电-气耦合系统的故障恢复博弈模型
CN109919450A (zh) * 2019-02-14 2019-06-21 国核电力规划设计研究院有限公司 解决综合智慧能源系统调度的博弈优化方法
CN110363397A (zh) * 2019-06-24 2019-10-22 国电南瑞科技股份有限公司 一种基于可转换自由度的综合能源系统规划方法
CN110866627A (zh) * 2019-08-16 2020-03-06 东南大学 一种考虑阶梯气价的多区域电-气耦合综合能源系统优化调度方法
CN110990785A (zh) * 2019-11-27 2020-04-10 江苏方天电力技术有限公司 一种基于多目标的智慧园区综合能源系统优化调度方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
GANG WANG 等: "《Generalized Inverse Optimal Power Flow Calculation of Electrothermal Coupled Multi-energy Flow System Contained Ground Source Heat Pump》", 《2019 IEEE 3RD CONFERENCE ON ENERGY INTERNET AND ENERGY SYSTEM INTEGRATION (EI2)》, pages 207 - 212 *
SHAO BAOZHU 等: "《Coordinated Optimization Of Electric-Thermal System For Renewable Energy Clean Heating》", 《2018 3RD INTERNATIONAL CONFERENCE ON SMART CITY AND SYSTEMS ENGINEERING (ICSCSE)》, pages 432 - 435 *
施云辉 等: "《考虑运行风险的含储能综合能源系统优化调度》", 《发电技术》, vol. 41, no. 1, pages 56 - 63 *
李鹏 等: "《计及多能源多需求响应手段的园区综合能源系统优化调度模型》", 《电力建设》, vol. 41, no. 5, pages 45 - 57 *
齐世雄 等: "《计及弹性恢复的区域综合能源系统多目标优化调度》", 《中国电力》, vol. 52, no. 6, pages 19 - 26 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114565238A (zh) * 2022-02-15 2022-05-31 石河子大学 综合能源低碳调度方法及装置
CN116643526A (zh) * 2023-06-12 2023-08-25 上海启斯云计算有限公司 电源节能控制方法及系统
CN116643526B (zh) * 2023-06-12 2024-04-23 上海启斯云计算有限公司 电源节能控制方法及系统

Also Published As

Publication number Publication date
CN111723992B (zh) 2023-07-04

Similar Documents

Publication Publication Date Title
Hou et al. Smart home energy management optimization method considering energy storage and electric vehicle
CN102971930B (zh) 电力控制装置和电力控制方法
CN102971929B (zh) 电力控制装置和电力控制方法
CN109740786A (zh) 一种多端柔性互联配电网规划方法及系统
CN107147146B (zh) 一种基于联合多微网的分布式能量管理优化方法及装置
CN111882105A (zh) 含共享储能系统的微电网群及其日前经济优化调度方法
CN109149651A (zh) 一种计及调压辅助服务收益的光储系统优化运行方法
CN106385024A (zh) 一种模块化电能路由器装置及其实现方法
CN109544016B (zh) 一种基于用户需求的智能电网调度系统及调度方法
CN111723992B (zh) 一种计及多能源耦合损耗的园区综合能源调度方法
KR20110127033A (ko) 실시간 전력정보를 이용한 전력계통의 운영방법
CN110533311A (zh) 基于能源路由器的智能社区协调调度系统及方法
CN109888774A (zh) 一种物联网能量路由器的优化调度系统及方法
CN109038539A (zh) 一种基于能量路由器的交直流混合微电网拓扑设计方法
CN109598429B (zh) 一种海岛微电网智能调度系统及调度方法
CN114678891A (zh) 一种综合能源多节点协同控制系统与方法
CN109347150B (zh) 一种分布式发电调度系统及调度方法
JP2022500986A (ja) マイクロインバータ及びコントローラ
CN202885886U (zh) 3g自发电水表
CN112600242B (zh) 一种微电网数据采集与监控平台
CN108520475A (zh) 一种分布式电站系统
CN212114801U (zh) 一种家庭储能系统
CN211403476U (zh) 一种热能和电能集成化微网系统
CN111711214A (zh) 一种微电网调度监测系统
Zhu et al. Optimized capacity configuration of photovoltaic generation and energy storage for residential microgrid

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210723

Address after: No.2688 Xiyuan Avenue, modern industrial port (south area), Pidu District, Chengdu, Sichuan 610000

Applicant after: SICHUAN ZHONGDIAN AOSTAR INFORMATION TECHNOLOGIES Co.,Ltd.

Address before: 610000 No. 2688 Xiyuan Avenue, Pixian Modern Industrial Port, Chengdu City, Sichuan Province

Applicant before: SICHUAN ZHONGDIAN AOSTAR INFORMATION TECHNOLOGIES Co.,Ltd.

Applicant before: STATE GRID INFORMATION & TELECOMMUNICATION GROUP Co.,Ltd.

GR01 Patent grant
GR01 Patent grant