CN112084463A - 一种碳排放下的电力系统分布式光伏配置方法 - Google Patents

一种碳排放下的电力系统分布式光伏配置方法 Download PDF

Info

Publication number
CN112084463A
CN112084463A CN202010922398.XA CN202010922398A CN112084463A CN 112084463 A CN112084463 A CN 112084463A CN 202010922398 A CN202010922398 A CN 202010922398A CN 112084463 A CN112084463 A CN 112084463A
Authority
CN
China
Prior art keywords
distributed photovoltaic
configuration
carbon emission
optimization
distributed
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
CN202010922398.XA
Other languages
English (en)
Other versions
CN112084463B (zh
Inventor
周晓鸣
丁一
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202010922398.XA priority Critical patent/CN112084463B/zh
Publication of CN112084463A publication Critical patent/CN112084463A/zh
Application granted granted Critical
Publication of CN112084463B publication Critical patent/CN112084463B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • 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
    • 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
    • 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
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Mathematical Analysis (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Computational Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Development Economics (AREA)
  • Mathematical Optimization (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Databases & Information Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种碳排放下的电力系统分布式光伏配置方法。采集获得电网的已知基础网络数据；设定优化初始安装分布式光伏的配置数量，根据配网的用电损耗、微型燃气轮机损耗和碳排放损耗进行第一层优化，根据分布式光伏预设配置量、分布式光伏节能量与供能碳排放损耗建进行第二层优化，重复步骤迭代优化，直至连续两次优化结果的分布式光伏单位数相同，输出最终优化结果的分布式光伏的配置数量并布置。本发明方法考虑多能互补与碳排放，充分利用配网各灵活资源的调控，为电力系统的优化运行提供更加合理的分布式光伏的容量选择配置，降低配置成本，减少全网总碳排放量。

Description

一种碳排放下的电力系统分布式光伏配置方法
技术领域
本发明属于含多种能源形式的电力系统运行和控制技术领域的一种电力系统配置方法，具体是涉及了一种碳排放下的电力系统分布式光伏配置方法。
背景技术
近年来，随着气候的变化和人们环境意识的增强，传统能源系统逐步往低碳系统与可持续能源系统方向过渡。其中，作为一种提高能源效益的有效措施，能源互联网近年来发展迅速。
随着世界对低碳环保观念的增加，需求响应的思想也为电力系统的低碳规划提供了新的思路。
然而存在以下几点不足：随着经济发展、民生改善的影响，在空调等温控负荷增长快速，当前电网面临用电高峰增长迅速但持续时间短的问题，以最大负荷为刚性规划目标势必导致网络利用率不足问题。当前规划方法尚未完全适应此变化，按照规划与运行割裂的方式进行决策，导致规划手段和灵活资源运行控制手段衔接不足，配电网灵活性无法充分释放。
发明内容
针对上述背景技术中的问题，本发明提出了计及碳排放的电力系统分布式光伏配置方法，能适用于电力系统分布式光伏的容量确定，解决了现有技术中分布式光伏配置的高成本、低效益、高碳排放的技术问题。
本发明的技术方案是：
所述的电力系统包括电网、微型燃气轮机和分布式光伏的三个部分；电网中存在负荷节点，各负荷节点之间相连的线路为支路，以上级供电变压器成为源节点，上级供电变压器向电网输送提供电能；分布式光伏和空调设备连接到电网；微型燃气轮机和分布式光伏进行电能供应。
电力系统中的微型燃气轮机在发电时会产生碳排放，分布式光伏发电时不产生碳排放；电力系统中的微型燃气轮机与分布式光伏各自具有碳排放上限，与发电量有关，剩余的碳排放上限或不足的碳排放上限转换为储能。
本发明方法包括以下几个步骤：
1)在计算前通过电网中的传感器或者通过工具采集获得以下电网的已知基础网络数据，包括：
春、夏、冬三种典型日k；典型日k的年总持续时间Tk；
电力系统：总负荷节点数n；燃气价格Cgas；天然气低热值Ln；微型燃气轮机发电效率ηMT；微型燃气轮机产能
Figure BDA0002667178830000021
典型日k的24h除空调外的电力负荷
Figure BDA0002667178830000022
Figure BDA0002667178830000023
分别代表第1,2,…,24小时的典型日k除空调外的电力负荷；用电系数cp；
分布式光伏：分布式光伏单位预设配置损耗CPI；分布式光伏单位运行维护损耗COM；典型日k的24h单位光伏发电量
Figure BDA0002667178830000024
分别代表第 1,2,…,24小时的典型日k的电力负荷；分布式光伏的配置数量x；
空调：空调电负荷PAC；
2)设定优化初始安装分布式光伏的配置数量x为1，即x＝1；
3)进行第一层优化
输入变量为步骤1)所述变量，待求变量为空调电负荷PAC。
根据配网的用电损耗CP、微型燃气轮机损耗CMT和碳排放损耗
Figure BDA0002667178830000025
建立以下全年能源互联网配网的总运行损耗C的优化目标函数：
Figure BDA0002667178830000026
3.A)其中，用电损耗CP由配网所需电量Pp与用电系数cp采用以下公式计算获得：
Figure BDA0002667178830000027
上述配网所需电量
Figure BDA0002667178830000028
由全年三种典型日的24h除空调外的电力负荷
Figure BDA0002667178830000029
空调的电负荷PAC与三种典型日的24h光伏发电量
Figure BDA00026671788300000210
求得：
Figure BDA00026671788300000211
其中，k表示春夏冬典型日，k＝1～3，k＝1代表春，k＝2代表夏，k＝3代表冬；h表示小时参数，h＝1,2,…,24代表第1,2,…,24小时；
3.B)所述的微型燃气轮机损耗CMT根据燃气系数Cgas、天然气低热值Ln、微型燃气轮机发电效率ηMT和微型燃气轮机产能
Figure BDA00026671788300000212
采用以下公式处理获得：
Figure BDA00026671788300000213
3.C)所述的供能碳排放损耗
Figure BDA00026671788300000214
由碳减排单位系数
Figure BDA00026671788300000215
供能碳排放量Ep、碳排放上限Ec求得：
Figure BDA0002667178830000031
其中，
Figure BDA0002667178830000032
为碳减排单位系数，Ep为供能碳排放量，Ec为供能碳排放上限；
并同时建立以下优化约束：
全网电负荷与电出力相同：
Figure BDA0002667178830000033
以上述优化目标函数最小为目标，求解上述优化目标函数得到空调电负荷 PAC，进而采用上述电力系统的供能碳排放损耗
Figure BDA0002667178830000034
4)进行第二层优化
输入变量为第一层优化结果的供能碳排放损耗
Figure BDA0002667178830000035
和步骤1)所述变量，待求变量为分布式光伏的配置数量x。
根据分布式光伏预设配置量Cinv、分布式光伏节能量
Figure BDA0002667178830000036
与供能碳排放损耗
Figure BDA0002667178830000037
建立以下分布式光伏配置量F的优化目标函数：
Figure BDA0002667178830000038
4.A)所述的分布式光伏预设配置量Cinv采用以下公式处理获得：
Cinv＝x×CPI+x×COM
4.B)所述的分布式光伏节能节能量Cp s根据分布式光伏总出力
Figure BDA0002667178830000039
三种典型日的24h光伏发电量
Figure BDA00026671788300000310
与用电系数cp采用以下公式处理获得：
Figure BDA00026671788300000311
Figure BDA00026671788300000312
以上述优化目标函数最小为目标，求解上述优化目标函数得到分布式光伏的配置数量x；
5)将上述步骤求得的分布式光伏的配置数量x带入步骤3)，再进行下一次迭代优化；
6)重复步骤3～步骤5)，直至连续两次优化结果的分布式光伏单位数x相同，则退出迭代循环完成优化，输出最终优化结果的分布式光伏的配置数量x，用分布式光伏的配置数量x安装分布式光伏进行电力系统的布置。
本发明通过多次双层优化的迭代，直至双层优化计算所得分布式光伏的配置数量x不再变化，将其作为分布式光伏的安装单位，完成计及碳排放的电力系统分布式光伏配置。
本发明的有益效果：
本发明方法考虑需求响应与碳排放的配置处理，充分利用配网各灵活资源的调控，为电力系统的优化运行提供更加合理的分布式光伏的容量选择，避免不必要与不合理的分布式光伏配置，减少不必要的冗余配置，降低配置成本，减少全网总碳排放量。
本发明充分利用分布式光伏零碳排放的特点，考虑分布式光伏配置的节能减排的特性，为分布式光伏配置降低了安装容量与成本，优化配置了分布式光伏，提高了电力系统的工作效率，实现了电力系统整体最优。
附图说明
图1为碳排放下的电力系统分布式光伏配置方法流程图。
图2为本发明实施例的能源互联网示例图。
具体实施方式
下面结合附图和具体实施对本发明作进一步说明。
如图1所示，本发明的实施例及其实施过程如下：
1)搭建如图2所示的电力系统，通过步骤1)获取碳排放下的电力系统分布式光伏配置方法所需数据。
2)设定优化初始安装分布式光伏的配置数量为“1”；
3)将分布式光伏的配置数量提供给第一次优化，进行步骤3)，得到优化结果与空调电负荷PAC，进而采用上述电力系统的供能碳排放损耗
Figure BDA0002667178830000041
4)将计算所得电力系统的供能碳排放损耗
Figure BDA0002667178830000042
提供给第二次优化，进行步骤4)，得到优化结果与安装分布式光伏的配置数量，为“15”；
5)将步骤4)所得的安装分布式光伏的配置数量与初始安装分布式光伏的配置数量进行对比，步骤4)所得的安装分布式光伏的配置数量与初始安装分布式光伏的配置数量不相同，记录优化安装分布式光伏的配置数量“14”；
6)将优化安装分布式光伏的配置数量“14”提供给第一次优化，重复进行步骤3)与步骤4)，得到新的优化安装分布式光伏的配置数量“12”；
7)将新的优化安装分布式光伏的配置数量与记录优化安装分布式光伏的配置数量进行对比，直到新的优化安装分布式光伏的配置数量与记录优化安装分布式光伏的配置数量相同，得到最终安装分布式光伏的配置数量；
8)经过10次重复进行步骤3)与步骤4)，得到最终的优化安装分布式光伏的配置数量“7”；
9)同时，依据第11次步骤3)与步骤4)的计算，可以得到分布式光伏预设配置量、分布式光伏节能量与供能碳排放损耗。
表1碳排放下的电力系统分布式光伏配置方法配置结果
Figure BDA0002667178830000051
由上述记载和实施可见，本发明方法能兼容多种发电方式及空调负荷需求响应，同时综合考虑了光伏配置过程中以及使用时的碳排放量，为电力系统的优化运行提供更加合理的光伏配置容量选择，避免不必要与不合理的光伏的资源浪费与碳排放。

Claims (2)

1.一种碳排放下的电力系统分布式光伏配置方法，其特征在于：
方法包括以下几个步骤：
1)在计算前通过电网中的传感器或者通过工具采集获得以下电网的已知基础网络数据，包括：
电力系统：总负荷节点数n；燃气价格Cgas；天然气低热值Ln；微型燃气轮机发电效率ηMT；微型燃气轮机产能
Figure FDA0002667178820000011
典型日k的24h除空调外的电力负荷
Figure FDA0002667178820000012
用电系数cp；
分布式光伏：分布式光伏单位预设配置损耗CPI；分布式光伏单位运行维护损耗COM；典型日k的24h单位光伏发电量
Figure FDA0002667178820000013
分布式光伏的配置数量x；
空调：空调电负荷PAC；
2)设定优化初始安装分布式光伏的配置数量x为1；
3)进行第一层优化
根据配网的用电损耗CP、微型燃气轮机损耗CMT和碳排放损耗
Figure FDA0002667178820000014
建立以下全年能源互联网配网的总运行损耗C的优化目标函数：
Figure FDA0002667178820000015
3.A)其中，用电损耗CP由配网所需电量Pp与用电系数cp采用以下公式计算获得：
Figure FDA0002667178820000016
上述配网所需电量
Figure FDA0002667178820000017
由全年三种典型日的24h除空调外的电力负荷
Figure FDA0002667178820000018
空调的电负荷PAC与三种典型日的24h光伏发电量
Figure FDA0002667178820000019
求得：
Figure FDA00026671788200000110
其中，k表示春夏冬典型日，k＝1～3，k＝1代表春，k＝2代表夏，k＝3代表冬；h表示小时参数，h＝1,2,…,24代表第1,2,…,24小时；
3.B)所述的微型燃气轮机损耗CMT根据燃气系数Cgas、天然气低热值Ln、微型燃气轮机发电效率ηMT和微型燃气轮机产能
Figure FDA00026671788200000111
采用以下公式处理获得：
Figure FDA00026671788200000112
3.C)所述的供能碳排放损耗
Figure FDA00026671788200000113
由碳减排单位系数
Figure FDA00026671788200000114
供能碳排放量Ep、碳排放上限Ec求得：
Figure FDA0002667178820000021
其中，
Figure FDA0002667178820000022
为碳减排单位系数，Ep为供能碳排放量，Ec为供能碳排放上限；
并同时建立以下优化约束：
全网电负荷与电出力相同：
Figure FDA0002667178820000023
以上述优化目标函数最小为目标，求解上述优化目标函数得到空调电负荷PAC，进而采用上述电力系统的供能碳排放损耗
Figure FDA0002667178820000024
4)进行第二层优化
根据分布式光伏预设配置量Cinv、分布式光伏节能量
Figure FDA0002667178820000025
与供能碳排放损耗
Figure FDA0002667178820000026
建立以下分布式光伏配置量F的优化目标函数：
Figure FDA0002667178820000027
4.A)所述的分布式光伏预设配置量Cinv采用以下公式处理获得：
Cinv＝x×CPI+x×COM
4.B)所述的分布式光伏节能节能量
Figure FDA0002667178820000028
根据分布式光伏总出力
Figure FDA0002667178820000029
三种典型日的24h光伏发电量
Figure FDA00026671788200000210
与用电系数cp采用以下公式处理获得：
Figure FDA00026671788200000211
Figure FDA00026671788200000212
以上述优化目标函数最小为目标，求解上述优化目标函数得到分布式光伏的配置数量x；
5)将上述步骤求得的分布式光伏的配置数量x带入步骤3)，再进行下一次迭代优化；
6)重复步骤3～步骤5)，直至连续两次优化结果的分布式光伏单位数x相同，则退出迭代循环完成优化，输出最终优化结果的分布式光伏的配置数量x，用分布式光伏的配置数量x安装分布式光伏进行电力系统的布置。
2.根据权利要求1所述的一种碳排放下的电力系统分布式光伏配置方法，其特征在于：
所述的电力系统包括电网、微型燃气轮机和分布式光伏的三个部分；电网中存在负荷节点，各负荷节点之间相连的线路为支路，以上级供电变压器成为源节点，上级供电变压器向电网输送提供电能；分布式光伏和空调设备连接到电网；微型燃气轮机和分布式光伏进行电能供应。
CN202010922398.XA 2020-09-04 2020-09-04 一种碳排放下的电力系统分布式光伏配置方法 Active CN112084463B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010922398.XA CN112084463B (zh) 2020-09-04 2020-09-04 一种碳排放下的电力系统分布式光伏配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010922398.XA CN112084463B (zh) 2020-09-04 2020-09-04 一种碳排放下的电力系统分布式光伏配置方法

Publications (2)

Publication Number Publication Date
CN112084463A true CN112084463A (zh) 2020-12-15
CN112084463B CN112084463B (zh) 2024-03-15

Family

ID=73732076

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010922398.XA Active CN112084463B (zh) 2020-09-04 2020-09-04 一种碳排放下的电力系统分布式光伏配置方法

Country Status (1)

Country Link
CN (1) CN112084463B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105955931A (zh) * 2016-05-10 2016-09-21 东南大学 面向高密度分布式光伏消纳的区域能源网络优化调度方法
CN109327042A (zh) * 2018-09-27 2019-02-12 南京邮电大学 一种微电网多能源联合优化调度方法
CN109325608A (zh) * 2018-06-01 2019-02-12 国网上海市电力公司 考虑储能并计及光伏随机性的分布式电源优化配置方法
CN109510224A (zh) * 2018-11-16 2019-03-22 上海交通大学 光伏储能与分布式能源联合的容量配置与运行优化方法
CN109687509A (zh) * 2018-12-07 2019-04-26 中国电力科学研究院有限公司 一种配电网分布式电源优化配置方法和系统
CN109980685A (zh) * 2019-04-02 2019-07-05 东南大学 一种考虑不确定性的主动配电网分布式优化运行方法
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
AU2020100983A4 (en) * 2019-11-14 2020-07-16 Shandong University Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105955931A (zh) * 2016-05-10 2016-09-21 东南大学 面向高密度分布式光伏消纳的区域能源网络优化调度方法
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN109325608A (zh) * 2018-06-01 2019-02-12 国网上海市电力公司 考虑储能并计及光伏随机性的分布式电源优化配置方法
CN109327042A (zh) * 2018-09-27 2019-02-12 南京邮电大学 一种微电网多能源联合优化调度方法
CN109510224A (zh) * 2018-11-16 2019-03-22 上海交通大学 光伏储能与分布式能源联合的容量配置与运行优化方法
CN109687509A (zh) * 2018-12-07 2019-04-26 中国电力科学研究院有限公司 一种配电网分布式电源优化配置方法和系统
CN109980685A (zh) * 2019-04-02 2019-07-05 东南大学 一种考虑不确定性的主动配电网分布式优化运行方法
AU2020100983A4 (en) * 2019-11-14 2020-07-16 Shandong University Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王月强;张文博;李卫彬;张佳杰;姚远;张菲菲;: "考虑储能并计及光伏随机性的分布式电源优化配置", 电测与仪表, no. 09 *

Also Published As

Publication number Publication date
CN112084463B (zh) 2024-03-15

Similar Documents

Publication Publication Date Title
CN110163443B (zh) 考虑电-气综合需求响应的天然气调压站微能网优化调度方法
WO2019184344A1 (zh) 一种微能源网多目标运行控制方法
Li et al. Power system planning based on CSP-CHP system to integrate variable renewable energy
WO2014187147A1 (zh) 电力系统中长期优化运行的中长期风电出力模型建模方法
CN112417651B (zh) 一种基于后悔规避的用户级综合能源系统优化方法
CN111639819B (zh) 一种综合能源园区多阶段优化控制方法
CN110994606A (zh) 一种基于复杂适应系统理论的多能源电源容量配置方法
CN115099007B (zh) 基于综合成本-能耗曲线的综合能源系统优化运行方法
CN113642802A (zh) 一种基于碳计量模型的综合能源站能源优化调度方法和系统
CN113592365A (zh) 一种考虑碳排放与绿电消纳的能源优化调度方法及系统
CN109685397B (zh) 一种计及直接负荷控制下电气耦合系统可靠性评估方法
CN115455719A (zh) 一种基于全生命周期碳成本的综合能源系统优化仿真方法
Cui et al. Optimal operation of CCHP microgrids with multiple shiftable loads in different auxiliary heating source systems
CN109376406B (zh) 供能系统超结构模型、建模方法、计算机设备和存储介质
CN110783917A (zh) 含有新能源消纳的多能源能量枢纽配置方法
CN112084463B (zh) 一种碳排放下的电力系统分布式光伏配置方法
Fang et al. Optimal operation strategy considering wind power accommodation in heating district
Kang et al. Performance and benefits of distributed energy systems in cooling dominated regions: a case study
CN113762643A (zh) 区域综合能源系统的储能容量优化配置方法
CN113971510A (zh) 一种基于改进Jaya算法的集成能源系统规划方法
CN112085377A (zh) 一种碳排放下的能源互联网分布式光伏配置方法
CN106373029A (zh) 一种大型集中式综合以电供热系统的优化策略
CN110120684B (zh) 一种计及电-热需求侧响应的热电联产机组配置方法
Hussain Modelica-based simulation for the optimization of a district heating system with variable temperatures
CN107332285A (zh) 一种电源容量配比的优化方法

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