CN112149339B - 风电-光伏-光热-电加热器互补发电系统容量优化模型 - Google Patents

风电-光伏-光热-电加热器互补发电系统容量优化模型 Download PDF

Info

Publication number
CN112149339B
CN112149339B CN202010926345.5A CN202010926345A CN112149339B CN 112149339 B CN112149339 B CN 112149339B CN 202010926345 A CN202010926345 A CN 202010926345A CN 112149339 B CN112149339 B CN 112149339B
Authority
CN
China
Prior art keywords
heat
photovoltaic
heat storage
dni
power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010926345.5A
Other languages
English (en)
Other versions
CN112149339A (zh
Inventor
裴焕金
郭苏
何意
宋国涛
阿依努尔·库尔班
王豪威
刘德有
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN202010926345.5A priority Critical patent/CN112149339B/zh
Publication of CN112149339A publication Critical patent/CN112149339A/zh
Application granted granted Critical
Publication of CN112149339B publication Critical patent/CN112149339B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • 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]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • 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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明的一种风电‑光伏‑光热‑电加热器互补发电系统容量优化模型，采用多目标粒子群优化算法，以平准化度电成本LCOE和负荷缺电率LPSP为目标函数，优化风电场、光伏电站、集热场和汽轮发电机装机容量及储热时长。

Description

风电-光伏-光热-电加热器互补发电系统容量优化模型
技术领域
本发明属于风电和光伏发电领域，尤其涉及风电-光伏-光热-电加热器互补发电系统容量优化模型。
背景技术
随着化石燃料的短缺和环境污染的加剧，可再生能源发电越来越受人们关注。其中以风力和光伏发电技术最为成熟，且风资源和辐照资源较为丰富。因此，近些年风力和光伏发电规模迅速扩大，但是风资源和辐照资源具有波动性和间歇性等特点，导致风力和光伏发电上网受到限制，故提高新能源发电质量对有效利用光资源和风资源及电网安全具有至关重要的作用。
Liu等建立了光伏、光热和储热模块混合发电系统，以平准化度电成本(LCOE) 最低为目标函数，使用遗传算法-粒子群算法优化光伏电站装机容量、系统出力点和储能容量，之后设置更多的出力点用于研究系统的优化调度。
为了提高风力和光伏发电质量，含储能的多能互补发电系统逐渐被应用。蓄电池储能和抽水蓄能电站是常见的两种储能形式，但蓄电池在高频充放电时，使用寿命大大缩减，抽水蓄能电站又受到地理和水资源分布影响，两种储能均有一定的局限性。而储热成本较低，效率较高，故含有光热电站(包括储热模块)的多能互补系统越来越受到关注。目前，在含光热电站(包括储热模块) 且存在电加热器的互补发电系统中，由于系统为储热模块增加了一个热源，改变了原有的集热场、汽轮发电机和储热模块三者之间的关系，因此，探索上述多能互补系统的容量配置问题对提高发电质量和降低发电费用极为重要。
发明内容
本发明所要解决的技术问题是针对背景技术的不足提供了风电-光伏-光热- 电加热器互补发电系统容量优化模型。
本发明为解决上述技术问题采用以下技术方案：
风电-光伏-光热-电加热器互补发电系统容量优化模型，采用多目标粒子群优化算法，以平准化度电成本LCOE和LPSP为目标函数，优化风电场、光伏电站、集热场和汽轮发电机装机容量及储热时长；
构建目标函数：
Figure BDA0002666278890000021
Iw、Ipv、Ico、Ites、Ipb、IEH和Mw、Mpv、Mco、Mtes、Mpb、MEH分别表示风电场、光伏电站、集热场、储热、常规岛和电加热器模块的初始成本和运维成本，m和Te分别表示储热模块每小时额定储放热容量和以额定容量储放热小时数，Cw、Cpv、Cco和Cpb分别表示风电场、光伏电站、集热场和常规岛模块的装机容量；Itotal是风电场、光伏电站、集热场、常规岛、储热和电加热器模块的初始总成本，Mtotal是风电场、光电站伏、集热场、常规岛、储热和电加热器模块的年运维总成本，Qw、Qpv和Qcsp分别为风电、光伏和光热电站的年总发电量，εw、εpv和εcsp分别是风电、光伏、光热电站的年折损因子，i是折现率， N是使用年限；
当Wind-PV-CSP-EH系统出力小于负荷时，系统出力不能满足负荷需求，采用LPSP指标评估；
Figure BDA0002666278890000022
d为系统计算总天数，p为互补发电系统出力，pr为负荷；
年发电量：
Figure BDA0002666278890000023
Figure BDA0002666278890000031
preal为实际逐时发电量，ptotal为年总发电量。
目标函数为：
Figure BDA0002666278890000032
Cw、Cpv、Cco和Cpb分别表示风电场、光伏电站、集热场和常规岛模块的装机容量；Te为储热模块储热时长。
目标函数的约束条件为：
Figure BDA0002666278890000033
SPSP≤δ1 (9)
X，Y，Z，m，Te≥0 (10)
式(9)约束了能源浪费率SPSP，δ1为SPSP的最大约束值；
式(10)约束了个模块装机容量；
集热场约束：
Figure BDA0002666278890000034
Figure BDA0002666278890000035
ΔQdown≤|Qt-Qt-1|≤ΔQup (13)
DNIt≥DNIst (14)
Figure BDA0002666278890000036
式(11)和(12)约束集热场最小运行时长和停机时长，
Figure BDA0002666278890000037
和
Figure BDA0002666278890000038
分别为集热场任意一次运行和停机时长，
Figure BDA0002666278890000039
和
Figure BDA00026662788900000310
分别为最小运行和停机时长。式(13)约束集热场热功率变化，相当于汽轮发电机中的爬坡率，Qt和Qt-1分别为集热场当前时刻和上一时刻吸收热功率，ΔQup和ΔQdown分别为集热场上下爬坡。式(14)和(15)约束集热场启动条件，DNIt表示当前时刻DNI值，DNIst表示开场DNI值，TDNI表示满足未来一段时间内DNI值大于DNIst的时长，
Figure BDA00026662788900000311
表示满足集热场启动的未来一段时间DNI值大于DNIst的最小时长；
储热模块约束：
msl≤ms≤msmax (16)
mdl≤mda(i，j)≤msmax (17)
0≤ma(i，j)＜m (18)
0≤mda(i，j)≤msmax (19)
式(16)和(17)约束储热模块的剩余储热空间和储热量，msl表示冷罐在最低操作液位时相对于热罐所具有存储空间，mdl表示热罐在最低操作液位时相对于冷罐所具有的存储热量，mda为当前时刻储热模块剩余热量；式(18) 限制了储热模块单位时间内放热容量，ma为当前时刻储热模块释放的热量。
式(3)中，
Itotal＝IwCw+IpvCpv+IcCco+ItesTem+IpbCpb+IEHm (1)
Mtotal＝MwCw+MpvCpv+McoCco+MtesTem+MpbCpb+MEHm (2)。
本发明采用以上技术方案与现有技术相比，具有以下技术效果：
本发明以负荷缺电率和平准化度电成本为目标函数，优化了该互补发电系统的风电场、光伏电站、集热场、汽轮发电机装机容量和储热模块储热时长，并以不含电加热器且集热场和储热等容量的风电-光伏-光热(Wind-PV-CSP)互补发电系统作为参照系统，比较了两个系统的性能。最后探讨了Wind-PV-CSP-FH 系统的集热场、汽轮发电机装机容量和储热时长与LCOE之间的关系。
具体实施方式
下面对本发明的技术方案做进一步的详细说明：
本发明提供一种风电-光伏-光热-电加热器互补发电系统容量优化模型，采用多目标粒子群优化算法，以平准化度电成本LCOE和LPSP为目标函数，优化风电场、光伏电站、集热场和汽轮发电机装机容量及储热时长。
构建目标函数：
Itotal＝IwCw+IpvCpv+IcCco+ItesTem+IpbCpb+IEHm (1)
Mtotal＝MwCw+MpvCpv+McoCco+MtesTem+MpbCpb+MEHm (2)
Figure BDA0002666278890000041
Iw、Ipv、Ico、Ites、Ipb、IEH和Mw、Mpv、Mco、Mtes、Mpb、MEH分别表示风电场、光伏电站、集热场、储热、常规岛和电加热器模块的初始成本和运维成本，m和Te分别表示储热模块每小时额定储放热容量和以额定容量储放热小时数，Cw、Cpv、Cco和Cpb分别表示风电场、光伏电站、集热场和常规岛模块的装机容量；Itotal是风电场、光伏电站、集热场、常规岛、储热和电加热器模块的初始总成本，Mtotal是风电场、光电站伏、集热场、常规岛、储热和电加热器模块的年运维总成本，Qw、Qpv和Qcsp分别为风电、光伏和光热电站的年总发电量，εw、εpv和εcsp分别是风电、光伏、光热电站的年折损因子，i是折现率， N是使用年限；
当Wind-PV-CSP-EH系统出力小于负荷时，系统出力不能满足负荷需求，采用LPSP指标评估；
Figure BDA0002666278890000051
d为系统计算总天数，p为互补发电系统出力，pr为负荷；
年发电量：
Figure BDA0002666278890000052
Figure BDA0002666278890000053
preal为实际逐时发电量，ptotal为年总发电量。
目标函数为：
Figure BDA0002666278890000054
Cw、Cpv、Cco和Cpb分别表示风电场、光伏电站、集热场和常规岛模块的装机容量；Te为储热模块储热时长。
目标函数的约束条件为：
Figure BDA0002666278890000055
SPSP≤δ1 (9)
X，Y，Z，m，Te≥0 (10)
式(9)约束了能源浪费率SPSP，δ1为SPSP的最大约束值；
式(10)约束了个模块装机容量；
集热场约束：
Figure BDA0002666278890000061
Figure BDA0002666278890000062
ΔQdown≤|Qt-Qt-1|≤ΔQup (13)
DNIt≥DNIst (14)
Figure BDA0002666278890000063
式(11)和(12)约束集热场最小运行时长和停机时长，
Figure BDA0002666278890000064
和
Figure BDA0002666278890000065
分别为集热场任意一次运行和停机时长，
Figure BDA0002666278890000066
和
Figure BDA0002666278890000067
分别为最小运行和停机时长。式(13)约束集热场热功率变化，相当于汽轮发电机中的爬坡率，Qt和Qt-1分别为集热场当前时刻和上一时刻吸收热功率，ΔQup和ΔQdown分别为集热场上下爬坡。式(14)和(15)约束集热场启动条件，DNIt表示当前时刻DNI值，DNIst表示开场DNI值，TDNI表示满足未来一段时间内DNI值大于DNIst的时长，
Figure BDA0002666278890000068
表示满足集热场启动的未来一段时间DNI值大于DNIst的最小时长；
储热模块约束：
msl≤ms≤msmax (16)
mdl≤mda(i，j)≤msmax (17)
0≤ma(i，j)＜m (18)
0≤mda(i，j)≤msmax (19)
式(16)和(17)约束储热模块的剩余储热空间和储热量，msl表示冷罐在最低操作液位时相对于热罐所具有存储空间，mdl表示热罐在最低操作液位时相对于冷罐所具有的存储热量，mda为当前时刻储热模块剩余热量；式(18) 限制了储热模块单位时间内放热容量，ma为当前时刻储热模块释放的热量。
本文建立了风电-光伏-光热-电加热器系统容量优化模型，以平准化度电成本和负荷缺电率为目标函数，使用多目标粒子群算法优化了风电场、光伏电站、集热场、汽轮发电机装机容量和储热时长，得到以下结论：
(1)当两个系统负荷缺电率取近似值时，风电-光伏-光热-电加热器系统的能源浪费率和平准化度电成本小于风电-光伏-光热系统的能源浪费率和平准化度电成本，前者的年总发电量大于后者，结果表明风电-光伏-光热-电加热器系统具有更好的经济性、可靠性和更高的能源利用率。
(2)风电-光伏-光热-电加热器系统增大了风电场和光伏电站装机容量，减小了风力和光伏发电不能满足负荷的概率，从而减小了热发电填补负荷的费用，故使得整个系统成本下降，因此实际工程中可以适当增大风电和光伏装机容量以减小昂贵的热发电模块装机容量，而不是直接去除光热发电中最昂贵的集热场模块。
(3)风电-光伏-光热-电加热器系统增大了风电场和光伏电站装机容量，减小了热发电供应时长和供应量，且为储热模块增加了一个热源，使得储热模块具有更大的周期末容量，所以风电-光伏-光热-电加热器系统的汽轮发电机超过80％工况的运行时长大于风电-光伏-光热系统的汽轮发电机超过80％工况的运行时长，故而风电-光伏-光热-电加热器系统的汽轮发电机效率较高。
(4)由于集热场、储热模块和常规岛对整个系统的成本有较大影响，故本文给出了有电加热器和光热电站(包括储热模块)互补发电系统的集热场、汽轮发电机装机容量和储热时长与平准化度电成本之间的关系，为今后实际工程应用中装机容量的选取提供依据。
本技术领域技术人员可以理解的是，除非另外定义，这里使用的所有术语 (包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。上面对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以再不脱离本发明宗旨的前提下做出各种变化。

Claims (2)

1.风电-光伏-光热-电加热器互补发电系统容量优化模型，其特征在于：
采用多目标粒子群优化算法，以平准化度电成本LCOE和负荷缺电率LPSP为目标函数，优化风电场、光伏电站、集热场和汽轮发电机装机容量及储热时长；
构建目标函数：
Itotal＝IwCw+IpvCpv+IcCco+ItesTem+IpbCpb+IEHm (1)
Mtotal＝MwCw+MpvCpv+McoCco+MtesTem+MpbCpb+MEHm (2)
Figure FDA0003822344360000011
Iw、Ipv、Ico、Ites、Ipb、IEH和Mw、Mpv、Mco、Mtes、Mpb、MEH分别表示风电场、光伏电站、集热场、储热、常规岛和电加热器模块的初始成本和运维成本，m和Te分别表示储热模块每小时额定储放热容量和以额定容量储放热小时数，Cw、Cpv、Cco和Cpb分别表示风电场、光伏电站、集热场和常规岛模块的装机容量；Itotal是风电场、光伏电站、集热场、常规岛、储热和电加热器模块的初始总成本，Mtotal是风电场、光电站伏、集热场、常规岛、储热和电加热器模块的年运维总成本，Qw、Qpv和Qcsp分别为风电、光伏和光热电站的年总发电量，εw、εpv和εcsp分别是风电、光伏、光热电站的年折损因子，i是折现率，N是使用年限；
当Wind-PV-CSP-EH系统出力小于负荷时，系统出力不能满足负荷需求，采用LPSP指标评估；
Figure FDA0003822344360000012
d为系统计算总天数，p为互补发电系统出力，pr为负荷；
年发电量：
Figure FDA0003822344360000013
Figure FDA0003822344360000021
preal为实际逐时发电量，ptotal为年总发电量；
目标函数为：
Figure FDA0003822344360000022
Cw、Cpv、Cco和Cpb分别表示风电场、光伏电站、集热场和常规岛模块的装机容量；Te为储热模块储热时长。
2.根据权利要求1所述的风电-光伏-光热-电加热器互补发电系统容量优化模型，其特征在于：目标函数的约束条件为：
Figure FDA0003822344360000023
SPSP≤δ1 (9)
X,Y,Z,m,Te≥0 (10)
式(9)约束了能源浪费率SPSP，δ1为SPSP的最大约束值；
式(10)约束了个模块装机容量；
集热场约束：
Figure FDA0003822344360000024
Figure FDA0003822344360000025
ΔQdown≤|Qt-Qt-1|≤ΔQup (13)
DNIt≥DNIst (14)
Figure FDA0003822344360000026
式(11)和(12)约束集热场最小运行时长和停机时长，
Figure FDA0003822344360000027
和
Figure FDA0003822344360000028
分别为集热场任意一次运行和停机时长，
Figure FDA0003822344360000029
和
Figure FDA00038223443600000210
分别为最小运行和停机时长；式(13)约束集热场热功率变化，相当于汽轮发电机中的爬坡率，Qt和Qt-1分别为集热场当前时刻和上一时刻吸收热功率，ΔQup和ΔQdown分别为集热场上下爬坡；式(14)和(15)约束集热场启动条件，DNIt表示当前时刻DNI值，DNIst表示开场DNI值，TDNI表示满足未来一段时间内DNI值大于DNIst的时长，TDNIst表示满足集热场启动的未来一段时间DNI值大于DNIst的最小时长；
储热模块约束：
msl≤ms≤msmax (16)
mdl≤mda(i,j)≤msmax (17)
0≤ma(i,j)<m (18)
0≤mda(i,j)≤msmax (19)
式(16)和(17)约束储热模块的剩余储热空间和储热量，msl表示冷罐在最低操作液位时相对于热罐所具有存储空间，mdl表示热罐在最低操作液位时相对于冷罐所具有的存储热量，mda为当前时刻储热模块剩余热量；式(18)限制了储热模块单位时间内放热容量，ma为当前时刻储热模块释放的热量。
CN202010926345.5A 2020-09-04 2020-09-04 风电-光伏-光热-电加热器互补发电系统容量优化模型 Active CN112149339B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010926345.5A CN112149339B (zh) 2020-09-04 2020-09-04 风电-光伏-光热-电加热器互补发电系统容量优化模型

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010926345.5A CN112149339B (zh) 2020-09-04 2020-09-04 风电-光伏-光热-电加热器互补发电系统容量优化模型

Publications (2)

Publication Number Publication Date
CN112149339A CN112149339A (zh) 2020-12-29
CN112149339B true CN112149339B (zh) 2022-11-04

Family

ID=73890669

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010926345.5A Active CN112149339B (zh) 2020-09-04 2020-09-04 风电-光伏-光热-电加热器互补发电系统容量优化模型

Country Status (1)

Country Link
CN (1) CN112149339B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112821466B (zh) * 2021-01-08 2023-02-28 湖北工业大学 一种含光热发电的独立微电网容量配置方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110365013A (zh) * 2019-07-18 2019-10-22 青海格尔木鲁能新能源有限公司 一种光热-光伏-风电联合发电系统的容量优化方法
CN110474374A (zh) * 2019-07-18 2019-11-19 河海大学 一种风电-光伏-储热联合发电系统及容量优化方法
CN110492506A (zh) * 2019-09-12 2019-11-22 河海大学 一种风电-光伏-储热联合发电系统多目标容量优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110365013A (zh) * 2019-07-18 2019-10-22 青海格尔木鲁能新能源有限公司 一种光热-光伏-风电联合发电系统的容量优化方法
CN110474374A (zh) * 2019-07-18 2019-11-19 河海大学 一种风电-光伏-储热联合发电系统及容量优化方法
CN110492506A (zh) * 2019-09-12 2019-11-22 河海大学 一种风电-光伏-储热联合发电系统多目标容量优化方法

Also Published As

Publication number Publication date
CN112149339A (zh) 2020-12-29

Similar Documents

Publication Publication Date Title
CN110365013B (zh) 一种光热-光伏-风电联合发电系统的容量优化方法
CN105337415A (zh) 一种基于预测控制的地区电网调度系统及其方法
CN113159407B (zh) 基于区域综合能源系统的多能储存模块容量优化配置方法
CN112600209A (zh) 一种含潮流能的海岛独立微电网容量多目标优化配置方法
CN112886645B (zh) 一种基于氢能超高比例的新能源电力系统运行模拟方法
CN112541609A (zh) 风光热和水蓄能联合可再生能源发电系统容量优化模型
CN112953364A (zh) 一种计及光热电站寿命的光热-风电-光伏的联合系统的运行优化模型
CN112488378A (zh) 一种可再生能源驱动反渗透海水淡化技术的成本建模方法
CN115577929A (zh) 基于多场景分析的乡村综合能源系统随机优化调度方法
CN109861292B (zh) 一种基于多能源储能系统提高清洁能源消纳方法
CN115189395A (zh) 一种风光水火储多能互补外送系统的双层优化配置方法
CN116979578A (zh) 一种风光水火储的电气热三联产优化调度方法和系统
CN116436088A (zh) 一种风光电-火电-储能-电解铜一体化系统多目标优化调度方法
CN116599148A (zh) 一种面向新能源消纳的氢电混合储能两阶段协同规划方法
CN112149339B (zh) 风电-光伏-光热-电加热器互补发电系统容量优化模型
CN113078684B (zh) 一种基于双层优化的区域能源社区规划方法
Al-akayshee et al. Application of equilibrium optimization algorithm for optimal design of PV/hydroelectric pumped storage energy system, Case Study–Iraq
CN110571868B (zh) 微电网的优化配置方法
CN110119850B (zh) 基于光热发电调节的储热量双阶段优化调度方法
CN116231694A (zh) 一种风光互补制氢与冷热电多能互补的综合能源系统
Guoqiang et al. A Multi-Source Dispatching Model with Considering the Nuclear Power Plants Dispatching and Wind Power Accommodation
CN113988392A (zh) 一种考虑可靠性需求响应的微网优化规划方法
CN111786419A (zh) 一种区域电网能源配置系统
Kao et al. Renewable and clean energy for data centers
Shi et al. Research on Energy Management Optimization Strategy of Integrated Energy System in Wind Photovoltaic Hydrogen Energy Storage Area

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