CN112085377A - 一种碳排放下的能源互联网分布式光伏配置方法 - Google Patents

一种碳排放下的能源互联网分布式光伏配置方法 Download PDF

Info

Publication number
CN112085377A
CN112085377A CN202010922393.7A CN202010922393A CN112085377A CN 112085377 A CN112085377 A CN 112085377A CN 202010922393 A CN202010922393 A CN 202010922393A CN 112085377 A CN112085377 A CN 112085377A
Authority
CN
China
Prior art keywords
energy
distributed photovoltaic
carbon emission
power
configuration
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
CN202010922393.7A
Other languages
English (en)
Inventor
丁一
周晓鸣
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 CN202010922393.7A priority Critical patent/CN112085377A/zh
Publication of CN112085377A publication Critical patent/CN112085377A/zh
Pending legal-status Critical Current

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Power Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种碳排放下的能源互联网分布式光伏配置方法。采集获得电网与热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、热电联产机组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，为能源互联网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

一种碳排放下的能源互联网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能源互联网配置方法，具体是涉及了一种碳排放下的能源互联网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。
在能源互联网环境下，新技术与新能源的引入给传统电网的规划与优化带来了新的方式。同时，随着世界对低碳环保观念的增加，多能互补的思想也为能源互联网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。能源互联网环境下，配网兼容多种发电方式及综合能源的协调互补。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能源互联网分布式光伏配置方法，能适用于能源互联网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：
所述的能源互联网包括电网、热网、热电联产机组和分布式光伏的四个部分，热电联产机组分别连接热网和电网，热电联产机组向热网和电网分别同时提供热能与电能，依据热电联产机组的功率参数和出力方式按照比例进行电能与热能的出力分配；电网和热网中存在负荷节点，各负荷节点之间相连的线路或管道为支路，电网中的负荷节点为电力负荷节点，热网中的负荷节点为热力负荷节点，以上级供电变压器成为源节点，上级供电变压器与热电联产机组均向电网输送提供电能；分布式光伏和空调设备连接到电网；分布式光伏与热电联产机组进行供能，分别供应电能和热能。
所述的分布式光伏产生电能输送输入到电网，经电网传导到空调设备，空调设备工作将电能转换为热能，进而产生热量提高室内温度；热电联产机组产生电能输送输入到热网，经热网传导到暖气设备，暖气设备自然加热空气提高室内温度。
能源互联网中的热电联产机组在发电时会产生碳排放，分布式光伏发电时不产生碳排放；能源互联网中的热电联产机组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。
例如冬季，利用空调设备消耗电能产生热能，产生热能则降低了热电联产机组所需供应的热量，消耗电能则增加分布式光伏所需供应的电量，从而增加电力负荷并降低热力负荷。
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与热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-热联合系统：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；
电网：典型日k的24h除空调外的电力负荷
Figure BDA0002667179490000021
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；
热网：典型日k的24h热力负荷
Figure BDA0002667179490000022
分别代表第1,2,…,24小时的典型日k的电力负荷；
热电联产机组：电能与热能的出力功率比例ηCHP；
电能与热能的出力功率比例ηCHP采用以下公式处理获得：
ηCHP＝PCHP/φCHP
其中PCHP为热电联产机组的电能出力功率，φCHP为热电联产机组的热能出力功率。
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 BDA0002667179490000023
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：制热量φAC，制热能效比ηAC，空调电负荷PAC，且有φAC＝PAC×ηAC；
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、热电联产机组损耗CCHP和碳排放损耗
Figure BDA0002667179490000031
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 BDA0002667179490000032
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 BDA0002667179490000033
上述配网所需电量
Figure BDA0002667179490000034
由全年三种典型日的24h除空调外的电力负荷
Figure BDA0002667179490000035
空调的电负荷PAC与三种典型日的24h光伏发电量
Figure BDA0002667179490000036
求得：
Figure BDA0002667179490000037
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)所述的热电联产机组损耗CCHP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和全网热电联产机组机组总产能
Figure BDA0002667179490000038
采用以下公式处理获得：
Figure BDA0002667179490000039
上述全网热电联产机组机组总产能
Figure BDA00026671794900000310
由全年三种典型日的24h热力负荷
Figure BDA00026671794900000311
与热电联产机组机组电能与热能的出力功率比例ηCHP处理获得：
Figure BDA00026671794900000312
3.C)所述的供能碳排放损耗
Figure BDA00026671794900000313
由碳减排单位系数
Figure BDA00026671794900000314
供能碳排放量Ep、碳排放上限Ec求得：
Figure BDA00026671794900000315
其中，
Figure BDA00026671794900000316
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 BDA00026671794900000317
全网热负荷与热出力相同：
Figure BDA00026671794900000318
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，进而采用上述能源互联网的供能碳排放损耗
Figure BDA0002667179490000041
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 BDA0002667179490000042
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 BDA0002667179490000043
与供能碳排放损耗
Figure BDA0002667179490000044
建立以下分布式光伏配置量F的优化目标函数：
Figure BDA0002667179490000045
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 BDA0002667179490000046
根据分布式光伏总出力
Figure BDA0002667179490000047
三种典型日的24h光伏发电量
Figure BDA0002667179490000048
与用电系数cp采用以下公式处理获得：
Figure BDA0002667179490000049
Figure BDA00026671794900000410
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能源互联网的布置。
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，完成计及碳排放的能源互联网分布式光伏配置。
本发明的有益效果：
本发明方法考虑多能互补与碳排放的配置处理，充分利用配网各灵活资源的调控，为能源互联网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。
本发明充分利用热网与电网的耦合性(热力节点与电力节点具有相同关联性)，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，提高了能源互联网的工作效率，实现了能源互联网整体最优。
附图说明
图1为碳排放下的能源互联网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，按照本发明发明内容完整方法实施的实施例及其实施过程如下：
1)搭建如图2所示的能源互联网，通过步骤1)获取碳排放下的能源互联网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，进而采用上述能源互联网的供能碳排放损耗
Figure BDA0002667179490000051
4)将计算所得能源互联网的供能碳排放损耗
Figure BDA0002667179490000052
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“17”；
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“15”；
6)将优化安装分布式光伏的配置数量“15”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“15”；
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11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“9”；
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碳排放下的能源互联网分布式光伏配置方法配置结果
Figure BDA0002667179490000061
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综合能源的协调互补，同时综合考虑了光伏配置过程中以及使用时的碳排放量，为能源互联网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 (5)

1.一种碳排放下的能源互联网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与热网的已知基础网络数据，包括：
电-热联合系统：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；
电网：典型日k的24h除空调外的电力负荷
Figure FDA0002667179480000011
用电系数cp；
热网：典型日k的24h热力负荷
Figure FDA0002667179480000012
热电联产机组：电能与热能的出力功率比例ηCHP；
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 FDA0002667179480000013
分布式光伏的配置数量x；
空调：制热量φAC，制热能效比ηAC，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、热电联产机组损耗CCHP和碳排放损耗
Figure FDA0002667179480000014
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 FDA0002667179480000015
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 FDA0002667179480000016
上述配网所需电量
Figure FDA0002667179480000017
由全年三种典型日的24h除空调外的电力负荷
Figure FDA0002667179480000018
空调的电负荷PAC与三种典型日的24h光伏发电量
Figure FDA0002667179480000019
求得：
Figure FDA00026671794800000110
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)所述的热电联产机组损耗CCHP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和全网热电联产机组机组总产能
Figure FDA00026671794800000111
采用以下公式处理获得：
Figure FDA0002667179480000021
上述全网热电联产机组机组总产能
Figure FDA0002667179480000022
由全年三种典型日的24h热力负荷
Figure FDA0002667179480000023
与热电联产机组机组电能与热能的出力功率比例ηCHP处理获得：
Figure FDA0002667179480000024
3.C)所述的供能碳排放损耗
Figure FDA0002667179480000025
由碳减排单位系数
Figure FDA0002667179480000026
供能碳排放量Ep、碳排放上限Ec求得：
Figure FDA0002667179480000027
其中，
Figure FDA0002667179480000028
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 FDA0002667179480000029
全网热负荷与热出力相同：
Figure FDA00026671794800000210
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，进而采用上述能源互联网的供能碳排放损耗
Figure FDA00026671794800000211
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 FDA00026671794800000212
与供能碳排放损耗
Figure FDA00026671794800000213
建立以下分布式光伏配置量F的优化目标函数：
Figure FDA00026671794800000214
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 FDA00026671794800000215
根据分布式光伏总出力
Figure FDA00026671794800000216
三种典型日的24h光伏发电量
Figure FDA00026671794800000217
与用电系数cp采用以下公式处理获得：
Figure FDA00026671794800000218
Figure FDA00026671794800000219
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能源互联网的布置。
2.根据权利要求1所述的一种碳排放下的能源互联网分布式光伏配置方法，其特征在于：
所述的能源互联网包括电网、热网、热电联产机组和分布式光伏的四个部分，热电联产机组分别连接热网和电网，热电联产机组向热网和电网分别同时提供热能与电能，依据热电联产机组的功率参数和出力方式按照比例进行电能与热能的出力分配；电网和热网中存在负荷节点，各负荷节点之间相连的线路或管道为支路，电网中的负荷节点为电力负荷节点，热网中的负荷节点为热力负荷节点，以上级供电变压器成为源节点，上级供电变压器与热电联产机组均向电网输送提供电能；分布式光伏和空调设备连接到电网；分布式光伏与热电联产机组进行供能，分别供应电能和热能。
3.根据权利要求2所述的一种碳排放下的能源互联网分布式光伏配置方法，其特征在于：
所述的分布式光伏产生电能输送输入到电网，经电网传导到空调设备，空调设备工作将电能转换为热能，进而产生热量提高室内温度；热电联产机组产生电能输送输入到热网，经热网传导到暖气设备，暖气设备自然加热空气提高室内温度。
4.根据权利要求1所述的一种碳排放下的能源互联网分布式光伏配置方法，其特征在于：
所述的电能与热能的出力功率比例ηCHP采用以下公式处理获得：
ηCHP＝PCHP/φCHP
其中PCHP为热电联产机组的电能出力功率，φCHP为热电联产机组的热能出力功率。
5.根据权利要求1所述的一种碳排放下的能源互联网分布式光伏配置方法，其特征在于：
所述的制热能效比ηAC和空调电负荷PAC之间存在以下关系：φAC＝PAC×ηAC。
CN202010922393.7A 2020-09-04 2020-09-04 一种碳排放下的能源互联网分布式光伏配置方法 Pending CN112085377A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010922393.7A CN112085377A (zh) 2020-09-04 2020-09-04 一种碳排放下的能源互联网分布式光伏配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010922393.7A CN112085377A (zh) 2020-09-04 2020-09-04 一种碳排放下的能源互联网分布式光伏配置方法

Publications (1)

Publication Number Publication Date
CN112085377A true CN112085377A (zh) 2020-12-15

Family

ID=73732853

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010922393.7A Pending CN112085377A (zh) 2020-09-04 2020-09-04 一种碳排放下的能源互联网分布式光伏配置方法

Country Status (1)

Country Link
CN (1) CN112085377A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104636824A (zh) * 2015-01-26 2015-05-20 国家电网公司 一种确定最小渗透率的分布式光伏选址定容方法
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
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104636824A (zh) * 2015-01-26 2015-05-20 国家电网公司 一种确定最小渗透率的分布式光伏选址定容方法
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
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
漆淘懿;惠红勋;徐立中;马翔;丁一;: "基于GridLAB-D的微电网广义需求响应建模与控制", 供用电, no. 07, 5 July 2020 (2020-07-05) *

Similar Documents

Publication Publication Date Title
CN108154309B (zh) 计及冷热电多负荷动态响应的能源互联网经济调度方法
Jiang et al. Modelling and operation optimization of an integrated energy based direct district water-heating system
CN110826815B (zh) 一种考虑综合需求响应的区域综合能源系统运行优化方法
CN106786509B (zh) 大规模风电并网下基于多场景模拟的热-电联合调度方法
Zhong et al. Hierarchical collaborative optimal scheduling of economy energy efficiency in energy internet based on cooperative game
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
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
Kang et al. Feed-forward active operation optimization for CCHP system considering thermal load forecasting
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
Yang et al. Optimal dispatch for a combined cooling, heating and power microgrid considering building virtual energy storage
Yang et al. Multi-criteria optimization of multi-energy complementary systems considering reliability, economic and environmental effects
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
CN115954903A (zh) 一种控制分布式储能设备充放电的方法及系统
Fang et al. Optimal operation strategy considering wind power accommodation in heating district
CN112085377A (zh) 一种碳排放下的能源互联网分布式光伏配置方法
CN213783243U (zh) 一种面向产业园区的综合能源系统运行优化装置
Kang et al. Performance and benefits of distributed energy systems in cooling dominated regions: a case study
CN112084463B (zh) 一种碳排放下的电力系统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
Qiao et al. Energy hub‐based configuration optimization method of integrated energy system
CN110120684B (zh) 一种计及电-热需求侧响应的热电联产机组配置方法
CN204494904U (zh) 基于生物质气的冷热电联供系统
Wang et al. Research on multi-objective optimization design technology of regional integrated energy system
Zhao et al. CCHP Capacity Optimization with User Demand Characteristics

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