CN112182915A - 一种协同促进风电消纳的优化调度方法及系统 - Google Patents
一种协同促进风电消纳的优化调度方法及系统 Download PDFInfo
- Publication number
- CN112182915A CN112182915A CN202011199702.9A CN202011199702A CN112182915A CN 112182915 A CN112182915 A CN 112182915A CN 202011199702 A CN202011199702 A CN 202011199702A CN 112182915 A CN112182915 A CN 112182915A
- Authority
- CN
- China
- Prior art keywords
- constructing
- period
- load
- ries
- constraint condition
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000001737 promoting effect Effects 0.000 title claims abstract description 24
- 238000005457 optimization Methods 0.000 claims abstract description 42
- 230000008901 benefit Effects 0.000 claims abstract description 11
- 238000004146 energy storage Methods 0.000 claims description 48
- 238000010276 construction Methods 0.000 claims description 34
- 230000005540 biological transmission Effects 0.000 claims description 19
- 230000003993 interaction Effects 0.000 claims description 15
- 238000010438 heat treatment Methods 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 11
- 238000005338 heat storage Methods 0.000 claims description 10
- WKBOTKDWSSQWDR-UHFFFAOYSA-N Bromine atom Chemical compound [Br] WKBOTKDWSSQWDR-UHFFFAOYSA-N 0.000 claims description 9
- GDTBXPJZTBHREO-UHFFFAOYSA-N bromine Substances BrBr GDTBXPJZTBHREO-UHFFFAOYSA-N 0.000 claims description 9
- 229910052794 bromium Inorganic materials 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 9
- 239000000446 fuel Substances 0.000 claims description 7
- 238000010977 unit operation Methods 0.000 claims description 7
- 230000009286 beneficial effect Effects 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 13
- 230000004044 response Effects 0.000 abstract description 9
- 230000002195 synergetic effect Effects 0.000 abstract description 7
- 238000010521 absorption reaction Methods 0.000 abstract description 4
- 230000005284 excitation Effects 0.000 abstract description 2
- 230000005611 electricity Effects 0.000 description 51
- 238000002485 combustion reaction Methods 0.000 description 14
- 230000033228 biological regulation Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 239000007789 gas Substances 0.000 description 5
- 238000010248 power generation Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000001816 cooling Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002079 cooperative effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000007474 system interaction Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002918 waste heat Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
-
- 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
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
- G06F2119/06—Power analysis or power optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (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)
Abstract
本发明提供了一种协同促进风电消纳的优化调度方法及系统，方法包括：基于电动汽车与地源热泵构建源‑荷协同RIES架构；基于架构构建协同RIES优化模型的目标函数和约束条件；对协同RIES优化模型进行求解，获得优化调度参数；本发明在源侧引入地源热泵，通过协调电、热源出力实现联供机组热电解耦，提高风电上网空间；其次，在荷侧考虑电动汽车可调度价值，采用激励型需求响应引导充电负荷有序转移，协助风电并网消纳；最后，以调度周期内运行成本最小为目标建立源荷协同区域综合能源系统优化调度模型并进行求解。结果表明：地源热泵能够有效减少弃风，需求响应削峰填谷效果显著，源荷协同作用下系统风电消纳能力与运行效益更具优势、供电可靠性更高。
Description
技术领域
本发明涉及风电消纳优化调度技术领域，特别是涉及一种协同促进风电消纳的优化调度方法及系统。
背景技术
区域综合能源系统(regional integrated energy system，RIES)是位于用户端的综合能源系统，通过对电、气、热、冷等异质能源子系统进行统筹规划、协同调度，满足用户多元化用能需求的同时就地消纳接入可再生能源。在以冷热电联供(combinedcoolingheating andpower，CCHP)为核心的RIES中，由于微燃机发电容量占比较大，其“以热定电”运行模式导致供暖季系统弃风严重。电动汽车(electric vehicle，EV)作为一种新型储能装置，通过充放电设施与可再生能源相集成，能够促进风电并网消纳并改善系统运行经济性。
目前针对含电动汽车参与的风电消纳调度已有相关研究。文献《通过电动汽车与电网互动减少弃风的商业模式与日前优化调度策略》和《考虑电动汽车集群储能能力和风电接入的平抑控制策略》利用电动汽车具备储能功能来平抑微电网中可再生能源波动，通过与微网双向互动提高系统风电消纳能力与运行经济性。以上文献均考虑了在荷侧利用电动汽车消纳弃风，但大量电动汽车无序接入不仅增加了系统调度难度，同时受用户充电行为影响，风电往往不能得到理想消纳。
地源热泵(ground source heatpump，GSHP)技术是利用地下浅层地热资源进行供热/制冷的新能源技术。文献《计及群控电热泵的微网联络线功率平滑策略》和《Reductionof heat pump induced peak electricity use and required generation capacitythroughthermal energy storage and demand response》利用热泵群的功率调节能力来减少蓄电池充放电次数以降低微网运行成本。文献《热泵储电技术研究进展》针对热泵储电系统具有能效高、低成本等优势，对其未来在微网中的发展趋势进行了分析。上述文献对热泵参与的微网电热协同调度进行了研究，但并未考虑电动汽车普及带来的影响，对需求与供应侧协同作用下系统可再生能源消纳情况有待进一步研究。
针对以上问题，本领域亟需提出电动汽车与地源热泵协同作用促进风电消纳的优化调度方法。
发明内容
基于此，本发明的目的是提供一种协同促进风电消纳的优化调度方法及系统，将电动汽车与地源热泵协同作用，以降低运行成本，使削峰填谷达到最优。
为实现上述目的，本发明提供了一种协同促进风电消纳的优化调度方法，所述方法包括：
步骤S1：基于电动汽车与地源热泵构建源-荷协同RIES架构；
步骤S2：以调度周期内所述RIES运行成本最小为目标，基于所述源-荷协同RIES架构构建协同RIES优化模型的目标函数；
步骤S3：构建所述协同RIES优化模型的约束条件；
步骤S4：对所述协同RIES优化模型进行求解，获得优化调度参数，所述优化调度参数包括：各可控机组及储能装置的出力、联络线传输功率和电动汽车转移充电负荷。
可选地，所述以调度周期内所述RIES运行成本最小为目标，基于所述源-荷协同RIES架构构建协同RIES优化模型的目标函数，具体公式为：
其中，FG为调度周期内系统运行成本，WFC(t)、WMC(t)、WWC(t)、WIDR(t)分别为t时段系统燃料成本、机组运行维护成本、弃风惩罚成本以及IDR购买成本，WEX(t)为t时段系统与主网电能交互成本，WHP为地源热泵折算至每日的投资成本，T为调度周期。
可选地，所述构建所述协同RIES优化模型的约束条件，具体包括：
步骤S31：构建能量平衡约束条件；
步骤S32：构建联络线传输功率约束条件；
步骤S33：构建可控机组运行约束条件；
步骤S34：构建储能约束条件；
步骤S35：构建IDR实施后电动汽车充电负荷总量不变约束条件；
步骤S36：构建电动汽车荷电状态应满足用户设置的离网要求荷电状态约束条件；
步骤S37：构建任一时段负荷聚合商LA调节需求资源容量应存在上限约束条件；
步骤S38：构建IDR实施后负荷聚合商LA与电动汽车用户应有所获益约束条件。
可选地，所述构建能量平衡约束条件，具体公式为：
其中，Pe(t)、Qh(t)分别为t时段系统电负荷、热负荷，Prev(t)为考虑IDR后t时段EV充电负荷，
分别为t时段蓄电池电功率、蓄热槽热功率，Pi(t)、Pj(t)分别为t时段可控机组i、可再生能源发电机组j电功率，N、L分别为可控机组、可再生能源发电机组种类，Pex(t)为t时段系统与主网交互功率，QHP(t)为t时段地源热泵输出热功率，QLB,h(t)为t时段溴冷机制热功率。
可选地，所述构建可控机组运行约束条件，具体公式为：
其中，Pi max、Pi min分别为第i个可控机组的出力上下限，
分别为第i个可控机组的爬坡功率上下限，Δt为时间差，Pi(t)为t时段第i个可控机组的出力。
可选地，所述构建储能约束条件，具体公式为：
其中，CES为储能装置容量，EES(t)为t时段储能装置剩余容量，λmax、λmin分别为储能装置最大、最小储能状态，
分别为储能装置最大输入、输出功率，T为调度周期。
本发明还提供一种协同促进风电消纳的优化调度系统，所述系统包括：
源-荷协同RIES架构构建模块，用于基于电动汽车与地源热泵构建源-荷协同RIES架构；
目标函数构建模块，用于以调度周期内所述RIES运行成本最小为目标，基于所述源-荷协同RIES架构构建协同RIES优化模型的目标函数；
约束条件构建模块，用于构建所述协同RIES优化模型的约束条件；
求解模块，用于对所述协同RIES优化模型进行求解，获得优化调度参数，所述优化调度参数包括：各可控机组及储能装置的出力、联络线传输功率和电动汽车转移充电负荷。
可选地，所述以调度周期内所述RIES运行成本最小为目标，基于所述源-荷协同RIES架构构建协同RIES优化模型的目标函数，具体公式为：
其中，FG为调度周期内系统运行成本，WFC(t)、WMC(t)、WWC(t)、WIDR(t)分别为t时段系统燃料成本、机组运行维护成本、弃风惩罚成本以及IDR购买成本，WEX(t)为t时段系统与主网电能交互成本，WHP为地源热泵折算至每日的投资成本，T为调度周期。
可选地，所述约束条件构建模块，具体包括：
第一约束条件构建单元，用于构建能量平衡约束条件；
第二约束条件构建单元，用于构建联络线传输功率约束条件；
第三约束条件构建单元，用于构建可控机组运行约束条件；
第四约束条件构建单元，用于构建储能约束条件；
第五约束条件构建单元，用于构建IDR实施后电动汽车充电负荷总量不变约束条件；
第六约束条件构建单元，用于构建电动汽车荷电状态应满足用户设置的离网要求荷电状态约束条件；
第七约束条件构建单元，用于构建任一时段负荷聚合商LA调节需求资源容量应存在上限约束条件；
第八约束条件构建单元，用于构建IDR实施后负荷聚合商LA与电动汽车用户应有所获益约束条件。
可选地，所述构建能量平衡约束条件，具体公式为：
其中，Pe(t)、Qh(t)分别为t时段系统电负荷、热负荷，Prev(t)为考虑IDR后t时段EV充电负荷，
分别为t时段蓄电池电功率、蓄热槽热功率，Pi(t)、Pj(t)分别为t时段可控机组i、可再生能源发电机组j电功率，N、L分别为可控机组、可再生能源发电机组种类，Pex(t)为t时段系统与主网交互功率，QHP(t)为t时段地源热泵输出热功率，QLB,h(t)为t时段溴冷机制热功率。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种协同促进风电消纳的优化调度方法及系统，方法包括：基于电动汽车与地源热泵构建源-荷协同RIES架构；基于架构构建协同RIES优化模型的目标函数和约束条件；对协同RIES优化模型进行求解，获得优化调度参数；本发明在源侧引入地源热泵，通过协调电、热源出力实现联供机组热电解耦，提高风电上网空间；其次，在荷侧考虑电动汽车可调度价值，采用激励型需求响应引导充电负荷有序转移，协助风电并网消纳；最后，以调度周期内运行成本最小为目标建立源荷协同区域综合能源系统优化调度模型并进行求解。结果表明：地源热泵能够有效减少弃风，需求响应削峰填谷效果显著，源荷协同作用下系统风电消纳能力与运行效益更具优势、供电可靠性更高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1为本发明实施例协同促进风电消纳的优化调度方法流程图；
图2为本发明实施例源-荷协同RIES架构示意图；
图3为本发明实施例地源热泵提高风电消纳原理图；
图4为本发明实施例不同规模电动汽车充电负荷输出功率示意图；
图5为本发明实施例基于聚合商的分层调控原理；
图6为本发明实施例RIES风、光、负荷预测出力曲线图；
图7为本发明实施例地源热泵容量对微燃机出力影响示意图；
图8为本发明实施例地源热泵容量对系统运行成本影响示意图；
图9为本发明实施例源荷协同调度结果。
具体实施方式
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，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术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。
本发明的目的是提供一种协同促进风电消纳的优化调度方法及系统，将电动汽车与地源热泵协同作用，以降低运行成本，使削峰填谷达到最优。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示，本发明提供了一种协同促进风电消纳的优化调度方法，所述方法包括：
步骤S1：基于电动汽车与地源热泵构建源-荷协同RIES架构；
步骤S2：以调度周期内所述RIES运行成本最小为目标，基于所述源-荷协同RIES架构构建协同RIES优化模型的目标函数；
步骤S3：构建所述协同RIES优化模型的约束条件；
步骤S4：对所述协同RIES优化模型进行求解，获得优化调度参数，所述优化调度参数包括：各可控机组及储能装置的出力、联络线传输功率和电动汽车转移充电负荷。
下面对各个步骤进行详细论述：
步骤S1：基于电动汽车与地源热泵构建源-荷协同RIES架构。
我国华北地区可再生资源丰富，风能、地热资源开发潜力巨大，但由于冬季风电存在夜晚低谷高发的反调峰特性，与CCHP“以热定电”运行模式叠加，导致系统弃风现象严重。为此，本发明建立源-荷协同RIES架构以提升系统风电消纳能力，其结构和能量传递过程如图2所示。系统内风机和光伏分别利用风能和太阳能进行发电，仅考虑运行维护成本；地源热泵在电能驱动下利用陆地浅层地热资源进行供热；CCHP采用“并网不上网”的并网方式，微型燃气轮机以天然气为燃料发电，溴冷机对其余热进行回收供热；储能装置包括电储能(蓄电池)与热储能(蓄热槽)；用电负荷分为居民电负荷与电动汽车充电负荷两部分，其中电动汽车作为柔性负荷参与激励型需求响应(incentive demand response，IDR)，暂不考虑车辆到电网(Vehicle-to-grid，简称V2G)作用。
1、地源热泵提高风电消纳原理：
本发明中地源热泵采用弃风启停控制策略，其原理为：在夜间用热高峰且系统存在弃风时，通过地源热泵将风电转化为调峰热源，以提高系统风电消纳能力与运行经济性。调度之前，系统可根据源荷预测数据以及机组信息对各调度时段是否出现弃风进行大致判断，弃风状态表达式为：
其中，fwd(t)为t时段系统弃风状态，1为发生弃风，0为无弃风，PWF(t)、Pe,al(t)分别为t时段系统风电预测出力及总用电负荷，
为联络线传输功率上限。
由于供热季CCHP以热电耦合模式运行，微燃机出力需要时刻跟随热负荷变化，不能自主参与供电调节，导致在夜间风电大发时段为满足居民较高用热需求，微燃机需维持一定出力，从而限制了风电上网空间，导致系统弃风现象严重、调度成本较高。
在浅层地热能丰富且因CCHP“以热定电”而导致弃风频发的地区，通过在热源侧配置地源热泵，降低夜间CCHP承担的供热负荷，减少微燃机热电耦合发电功率以提高风电上网空间。地源热泵提升系统风电消纳原理如图3所示，在夜间电负荷低谷时段，地源热泵作为用电负荷提高了系统用电量，增加了系统风电消纳能力，即图3中P1部分，同时，地源热泵作为新的热源参与供热使CCHP承担的供热负荷有所减少，P2为微燃机“以热定电”发电功率减少量，P1+P2共同构成地源热泵提升风电消纳空间。
2、IDR引导电动汽车消纳风电原理：
电动汽车是近年来兴起的新型科技产业，国内关于其充电的负荷数据很少，并且其充电过程在时间和空间上具有很强的随机性，传统的负荷预测方法对其并不适用，因此可以从统计学的角度对这些不确定因素进行挖掘分析以探索总结其规律。
2.1、电动汽车无序充电负荷建模：
本发明采用蒙特卡洛方法对电动汽车充电负荷进行建模。其中，电动汽车电池容量、日行驶里程、充电方式、充电时间以及充电功率等是影响负荷建模的主要因素。根据美国交通部公布的全美家用车辆调查结果，电动汽车日行驶里程s近似满足对数正态分布，其概率密度函数为：
用户最后返程时刻t也近似满足正态分布，其概率密度函数为：
其中，σs、σt分别为3.24、3.41；μs、μt分别为8.92、17.47。
电动汽车充电时间可由日行驶里程s、充电效率ηc、充电功率Pc以及百公里耗电量P100获得，其表达式如下：
本发明设定每辆电动汽车最后返程时刻即为开始充电时段，通过入网充电时刻与持续充电时长即可得到充电结束时刻。将电动汽车各个时段充电功率累加即可得到统计时间内电动汽车充电负荷曲线。各时段电动汽车充电功率表达式为：
其中，Pev(t)、Pm(t)分别为t时段所有电动汽车总的充电功率及第m台电动汽车充电功率；M为电动汽车数量。
对不同规模数量的电动汽车进行蒙特卡洛模拟，得到的EV充电负荷数据如图4所示。由图4可知，电动汽车充电负荷主要从18点开始，此时段也为下班高峰，用户在回家后开始为电动汽车充电，仿真结果与用户行为相符合。
2.2、基于负荷聚合商的电动汽车IDR响应策略：
由电动汽车无序充电负荷建模可知，一方面电动汽车充电高峰通常也为居民用电高峰，二者叠加拉大了电力负荷峰谷差，导致电价高峰时段系统对外购电需求增加，加剧主网调峰压力的同时也增加了系统购电成本；另一方面，受用户充电行为影响，在弃风较为集中的夜间电价低谷时段，电动汽车充电负荷较小，导致电动汽车对促进风电消纳的作用不能得到充分发挥。
对于用户而言，电动汽车仅需满足第二日出行需求即可，因此，可将其作为一种柔性电力负荷参与供电调节。本发明将负荷聚合商(Load aggregator，LA)作为协调电动汽车与系统调度中心的中间机构，实现区域内需求资源的分散自治，减少与调度中心大量通信交互，增强系统运行可靠性。基于聚合商的分层调控原理如图5所示。
用户根据LA提供的补偿电价ΔDp(t)将自身可调度信息进行上报，LA将其进行整合，汇同报价信息上报至调度中心，调度中心根据自身需求向LA购买需求资源并下发调度指令，LA将调度指令分解为个体控制命令下发至各个电动汽车用户并给予其一定经济补偿。其中，LA与电动汽车用户通过签订负荷转移(Load Shifting,LS)合同以实现有序调控，合同参数包括负荷转移量、转移时段、被转移时段以及补偿电价，其中补偿电价ΔDp(t)与充电负荷转移量ΔPev(t)关系表达式为：
其中，ε为补偿电价弹性系数，Dsell(t)为t时段系统售电电价，Pev(t)为t时段所有电动汽车总的充电功率。
IDR引导电动汽车消纳风电原理为：电动汽车用户根据LA提供的补偿电价ΔDp(t)，将用电高峰部分充电负荷转移至用电低谷时段，消纳夜间富余风电的同时减少电价高峰系统购电需求，缓解主网调峰压力，实现RIES与用户双方共赢。
步骤S2：以调度周期内所述RIES运行成本最小为目标，基于所述源-荷协同RIES架构构建协同RIES优化模型的目标函数，具体公式为：
其中，FG为调度周期内系统运行成本，WFC(t)、WMC(t)、WWC(t)、WIDR(t)分别为t时段系统燃料成本、机组运行维护成本、弃风惩罚成本以及IDR购买成本，WEX(t)为t时段系统与主网电能交互成本，WHP为地源热泵折算至每日的投资成本，T为调度周期。
其中，WFC(t)为t时段系统燃料成本，PMT(t)为t时段微燃机发电功率，ηMT为微燃机发电效率，DCH4为天然气价格，LCH4为天然气低热值。
其中，WMC(t)为t时段机组运行维护成本，Pi(t)、Pj(t)分别为t时段可控机组i、可再生能源发电机组j电功率，PES(t)为t时段储能装置出力，N、L、Ki、Kj分别为可控机组、可再生能源发电机组种类，Ki、Kj分别为可控机组、可再生能源发电机组的运维单价，KES为储能装置运维单价。
其中，WEX(t)为t时段系统与主网电能交互成本，Pbuy(t)为购电功率，Dbuy(t)为t时段系统购电电价，PEX(t)为t时段系统与主网交互功率，Psell(t)为售电功率，Dsell(t)为t时段系统购电电价。
WWC(t)＝Pwd(t)Dw；
其中，WWC(t)为t时段弃风惩罚成本，Pwd(t)为t时段系统弃风功率，Dw为t时段系统弃风功率对应的单位惩罚费用。
WIDR(t)＝ΔPev(t)DIDR；
其中，WIDR(t)为t时段IDR购买成本，ΔPev(t)为充电负荷转移量，DIDR为需求资源单位购买费用。
其中，WHP为地源热泵折算至每日的投资成本，Chp、βhp分别为地源热泵容量及其单位投资成本，r为折现率，γ为地源热泵使用寿命。
步骤S3：构建协同RIES优化模型的约束条件，具体包括：
步骤S31：构建能量平衡约束条件，具体公式为：
其中，Pe(t)、Qh(t)分别为t时段系统电负荷、热负荷，Prev(t)为考虑IDR后t时段EV充电负荷，
分别为t时段蓄电池电功率、蓄热槽热功率，Pi(t)、Pj(t)分别为t时段可控机组i、可再生能源发电机组j电功率，N、L分别为可控机组、可再生能源发电机组种类，Pex(t)为t时段系统与主网交互功率，QHP(t)为t时段地源热泵输出热功率，QLB,h(t)为t时段溴冷机制热功率。
具体的，计算t时段地源热泵输出热功率具体公式为：
其中，QHP(t)、PHP(t)分别为t时段地源热泵输出热功率、输入电功率；Pcomp(t)、Ppump(t)、Pfc(t)分别为t时段热泵压缩机、水泵、风机盘管耗电量；Cop,h为地源热泵制热系数。
基于CCHP构建数学模型具体公式为：
其中，PMT(t)为t时段微燃机发电功率，QMT(t)、QLB,h(t)分别为t时段微燃机发电余热排出量、溴冷机制热功率，ηMT、ηloss、ηrec分别为微燃机发电效率、散热损失系数以及溴冷机余热回收率，CLB,h为溴冷机制热效率。
步骤S32：构建联络线传输功率约束条件，具体公式为：
其中，Pex(t)为t时段系统与主网交互功率，
为联络线传输功率上限。
步骤S33：构建可控机组运行约束条件，具体公式为：
其中，其中，
分别为第i个可控机组的出力上下限，
分别为第i个可控机组的爬坡功率上下限，Δt为时间差，Pi(t)为t时段第i个可控机组的出力。
步骤S34：构建储能约束条件，具体公式为：
其中，CES为储能装置容量，EES(t)为t时段储能装置剩余容量，λmax、λmin分别为储能装置最大、最小储能状态，
分别为储能装置最大输入、输出功率，T为调度周期。
步骤S35：构建IDR实施后电动汽车充电负荷总量不变约束条件，具体公式为：
其中，Pev(t)为t时段所有电动汽车总的充电功率，Prev(t)为考虑IDR后t时段EV充电负荷。
步骤S36：构建电动汽车荷电状态应满足用户设置的离网要求荷电状态约束条件，具体公式为：
其中，SOCm(tend)、
为第m辆电动汽车参与IDR后在tend离网时刻EV荷电状态及其设置出行要求荷电状态。
步骤S37：构建任一时段负荷聚合商LA调节需求资源容量应存在上限约束条件，具体公式为：
0≤ΔPev(t)≤αmaxPev(t)；
其中，ΔPev(t)为充电负荷转移量，αmax为LA可调节充电负荷容量上限，Pev(t)为t时段所有电动汽车总的充电功率。
步骤S38：构建IDR实施后负荷聚合商LA与电动汽车用户应有所获益约束条件，具体公式为：
其中，ΔPev(t)为充电负荷转移量，T为调度周期，Pev(t)为t时段所有电动汽车总的充电功率，Dsell(t)为t时段系统购电电价，Prev(t)为考虑IDR后t时段EV充电负荷，ΔDp(t)为t时段的补偿电价，WIDR(t)为t时段IDR购买成本。
步骤S4：对所述协同RIES优化模型进行求解，获得优化调度参数，以使后续根据所述优化调度参数对各时段地源热泵、微型燃气轮机、蓄电池与蓄热槽的出力、联络线传输功率、电动汽车充电负荷进行调控。所述优化调度参数包括：各可控机组及储能装置的出力、联络线传输功率、电动汽车转移充电负荷。所述可控机组包括微型燃气轮机和地源热泵；所述储能装置包括：蓄电池和蓄热槽；所述联络线传输功率为主网与电力母线之间传输的功率。
本发明建立的优化调度模型为混合整数线性规划(Mixed Integer LinearProgramming，MILP)问题，采用CPLEX12.6版本进行求解。待优化变量包括各可控机组及储能装置出力、联络线传输功率、电动汽车转移充电负荷；等式约束条件包括储能装置充放状态；等式约束为能量平衡约束、储能装置始末状态约束；不等式约束包括各机组及储能运行约束、联络线传输功率约束、IDR约束。
步骤S5：采用削峰填谷指标公式
进行验证；其中，T为调度周期，Pe,al(t)为t时段系统风电预测总用电负荷，Fc为削峰填谷指标，即将相邻时间段内电负荷变化率的平方和作为峰填谷指标。
本发明还提供一种协同促进风电消纳的优化调度系统，所述系统包括：
源-荷协同RIES架构构建模块，用于基于电动汽车与地源热泵构建源-荷协同RIES架构。
目标函数构建模块，用于以调度周期内所述RIES运行成本最小为目标，基于所述源-荷协同RIES架构构建协同RIES优化模型的目标函数。
约束条件构建模块，用于构建所述协同RIES优化模型的约束条件。
求解模块，用于对所述协同RIES优化模型进行求解，获得优化调度参数，所述优化调度参数包括：各可控机组及储能装置的出力、联络线传输功率和电动汽车转移充电负荷。
作为一种实施方式，本发明所述约束条件构建模块，具体包括：
第一约束条件构建单元，用于构建能量平衡约束条件。
第二约束条件构建单元，用于构建联络线传输功率约束条件。
第三约束条件构建单元，用于构建可控机组运行约束条件。
第四约束条件构建单元，用于构建储能约束条件。
第五约束条件构建单元，用于构建IDR实施后电动汽车充电负荷总量不变约束条件。
第六约束条件构建单元，用于构建电动汽车荷电状态应满足用户设置的离网要求荷电状态约束条件。
第七约束条件构建单元，用于构建任一时段负荷聚合商LA调节需求资源容量应存在上限约束条件。
第八约束条件构建单元，用于构建IDR实施后负荷聚合商LA与电动汽车用户应有所获益约束条件。
仿真实验分析：
如图2所示，设定300辆电动汽车参与调度，RIES风、光、负荷预测出力曲线图如图6所示，可控机组及储能装置以及电动汽车参数分别如表1-3所示，电价信息见表4。其他参数如下：ηloss＝0.15，ηrec＝0.85，CLB,h＝1.2，DIDR＝0.7元/kW，
αmax＝0.4，ε＝1.1；DCH4＝2.54元/m3，LCH4＝9.7(kW·h)/m3；r＝5％，βhp＝7000元/kW，γ＝10；Cop,h＝4；LS合同规定充电负荷转移时段为电价高峰时段17-22，被转移时段为电价低谷时段1-8；调度周期T＝24，单位调度时间Δt＝1h。
表1 RIES机组参数
表2储能参数
表3电动汽车参数
表4 RIES电价信息
(1)地源热泵配置容量对优化结果分析
在优化过程中，由于系统引入了新的热源地源热泵，此时需要对其容量配置进行定量分析。地源热泵不同容量配置对RIES运行结果及微燃机出力影响分别如表5和图7所示。
表5地源热泵配置容量对系统运行影响
由图7可知，在1-8电价低谷时段，微燃机出力随着地源热泵配置容量的增加下降明显。其原因为此时段内系统存在弃风，调度中心依照地源热泵弃风启停策略，调用其优先供热，降低了CCHP承担的供热负荷，提高了风电上网空间。由表1可知，系统运行成本与弃风率随着地源热泵配置容量的增加均呈下降趋势，验证了地源热泵对促进风电并网消纳、降低系统运行成本的可行性。
图8为系统运行成本与地源热泵配置容量的关系。在0-50kW区间内，系统成本下降趋势明显，表明较小容量的地源热泵即可有效改善系统弃风与调度经济性；随着配置容量的增加，系统运行成本逐渐趋于平缓并会达到拐点，此时电价低谷时段热负荷主要由地源热泵提供，系统应根据自身负荷需求合理的选择相应容量的地源热泵以使运行效益最大化。
(2)IDR补偿价格对优化结果分析
在LS合同中，核心参数为补偿电价ΔDp(t)，其值越大则EV用户响应程度越高，系统弃风改善效果越好。然而，在实际运行过程中，ΔDp(t)须在LA可调容量范围内进行制定，其值过大会导致用户过度响应而超出LA可调节能力。不同补偿电价取值下RIES优化结果如表6所示。
表6补偿电价对系统运行影响
由表6可知，增大电价高峰LA提供的补偿电价ΔDp后，充电负荷响应量越多，系统运行成本、弃风率均有所下降。当ΔDp＝0.4时，此时LA能够提供的需求资源调节容量已趋于上限，若进一步提高ΔDp，IDR将无法得到有效实施。
对地源热泵与IDR各自优化结果分析可知，地源热泵制热效率远高于传统供热机组，采用较小的容量配置即可有效减少弃风、降低系统运行成本；IDR的实施需要兼顾LA与用户双方，提高补偿电价ΔDp系统弃风率、运行成本改善越明显，但受LA调节容量限制，其效果弱于增设地源热泵机组，但需指出，IDR削峰填谷效果更为显著，调度周期内系统供电可靠性更高。
(3)源荷协同对优化结果分析
为了分析源荷协同作用对系统调度结果影响，设置地源热泵配置容量为30kW，LS合同中ΔDp＝0.4元/kW，对此运行场景进行仿真分析，各机组调度出力见图9，其中，(a)为供电调度结果示意图，(b)为供热调度结果；成本及各指标如表7所示。
在1—8电价低谷时段，系统内存在弃风，优先调用地源热泵进行供热，剩余热负荷由CCHP、蓄热槽提供；电动汽车充电负荷在IDR作用下部分由用电高峰转移至此时段，配合地源热泵使风电得到了全额消纳。
在9—16、23—24电价平时段，系统购电/售电电价均高于微燃机单位发电成本，此时微燃机尽量满发以在电负荷较小时段进行售电，电负荷较大时段减少系统外购电能；热负荷由CCHP及蓄热槽提供，地源热泵停机。
在17—22电价高峰时段，系统购/售电电价均较高，在IDR作用下部分电动汽车充电负荷转移至电价低谷时段，降低了此时段用电需求，当各发电机组供电不足时电负荷缺额由系统向主网购电补足；地源热泵停机。
表7源荷协同对系统运行影响
由表7可知，与仅从单一优化层面相比，源荷协同作用下系统各指标均为最优。调度周期内系统风电得到了全额消纳，运行成本较仅配置地源热泵降低了4.99％，削峰填谷效果较仅考虑IDR提升了5.79％，从而验证了本发明所提调度方法的优势。
当进一步增大地源热泵配置容量后，系统运行成本与削峰填谷指标进一步得到改善。综合考虑二者优势，系统运行状态能够达到最优。
为改善RIES中CCHP“以热定电”造成的弃风问题，本发明提出地源热泵与电动汽车协同作用促进风电消纳的优化调度方法，仿真算例表明：1)、地源热泵具有高效的电热转换能力，较小的容量配置即可有效改善由CCHP热电耦合导致的弃风及运行成本较高问题。2)、受LA可调容量限制，IDR优化效果弱于仅配置地源热泵机组，但其削峰填谷效果更具优势。3)、地源热泵与IDR协同作用，在减少弃风的同时系统运行成本及削峰填谷效果能够达到最优。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本发明中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种协同促进风电消纳的优化调度方法，其特征在于，所述方法包括：
步骤S1：基于电动汽车与地源热泵构建源-荷协同RIES架构；
步骤S2：以调度周期内所述RIES运行成本最小为目标，基于所述源-荷协同RIES架构构建协同RIES优化模型的目标函数；
步骤S3：构建所述协同RIES优化模型的约束条件；
步骤S4：对所述协同RIES优化模型进行求解，获得优化调度参数，所述优化调度参数包括：各可控机组及储能装置的出力、联络线传输功率和电动汽车转移充电负荷。
2.根据权利要求1所述的协同促进风电消纳的优化调度方法，其特征在于，所述以调度周期内所述RIES运行成本最小为目标，基于所述源-荷协同RIES架构构建协同RIES优化模型的目标函数，具体公式为：
其中，FG为调度周期内系统运行成本，WFC(t)、WMC(t)、WWC(t)、WIDR(t)分别为t时段系统燃料成本、机组运行维护成本、弃风惩罚成本以及IDR购买成本，WEX(t)为t时段系统与主网电能交互成本，WHP为地源热泵折算至每日的投资成本，T为调度周期。
3.根据权利要求1所述的协同促进风电消纳的优化调度方法，其特征在于，所述构建所述协同RIES优化模型的约束条件，具体包括：
步骤S31：构建能量平衡约束条件；
步骤S32：构建联络线传输功率约束条件；
步骤S33：构建可控机组运行约束条件；
步骤S34：构建储能约束条件；
步骤S35：构建IDR实施后电动汽车充电负荷总量不变约束条件；
步骤S36：构建电动汽车荷电状态应满足用户设置的离网要求荷电状态约束条件；
步骤S37：构建任一时段负荷聚合商LA调节需求资源容量应存在上限约束条件；
步骤S38：构建IDR实施后负荷聚合商LA与电动汽车用户应有所获益约束条件。
4.根据权利要求3所述的协同促进风电消纳的优化调度方法，其特征在于，所述构建能量平衡约束条件，具体公式为：
其中，Pe(t)、Qh(t)分别为t时段系统电负荷、热负荷，Prev(t)为考虑IDR后t时段EV充电负荷，
分别为t时段蓄电池电功率、蓄热槽热功率，Pi(t)、Pj(t)分别为t时段可控机组i、可再生能源发电机组j电功率，N、L分别为可控机组、可再生能源发电机组种类，Pex(t)为t时段系统与主网交互功率，QHP(t)为t时段地源热泵输出热功率，QLB,h(t)为t时段溴冷机制热功率。
5.根据权利要求3所述的协同促进风电消纳的优化调度方法，其特征在于，所述构建可控机组运行约束条件，具体公式为：
其中，Pi max、Pi min分别为第i个可控机组的出力上下限，
分别为第i个可控机组的爬坡功率上下限，Δt为时间差，Pi(t)为t时段第i个可控机组的出力。
6.根据权利要求3所述的协同促进风电消纳的优化调度方法，其特征在于，所述构建储能约束条件，具体公式为：
其中，CES为储能装置容量，EES(t)为t时段储能装置剩余容量，λmax、λmin分别为储能装置最大、最小储能状态，
分别为储能装置最大输入、输出功率，T为调度周期。
7.一种协同促进风电消纳的优化调度系统，其特征在于，所述系统包括：
源-荷协同RIES架构构建模块，用于基于电动汽车与地源热泵构建源-荷协同RIES架构；
目标函数构建模块，用于以调度周期内所述RIES运行成本最小为目标，基于所述源-荷协同RIES架构构建协同RIES优化模型的目标函数；
约束条件构建模块，用于构建所述协同RIES优化模型的约束条件；
求解模块，用于对所述协同RIES优化模型进行求解，获得优化调度参数，所述优化调度参数包括：各可控机组及储能装置的出力、联络线传输功率和电动汽车转移充电负荷。
8.根据权利要求7所述的协同促进风电消纳的优化调度系统，其特征在于，所述以调度周期内所述RIES运行成本最小为目标，基于所述源-荷协同RIES架构构建协同RIES优化模型的目标函数，具体公式为：
其中，FG为调度周期内系统运行成本，WFC(t)、WMC(t)、WWC(t)、WIDR(t)分别为t时段系统燃料成本、机组运行维护成本、弃风惩罚成本以及IDR购买成本，WEX(t)为t时段系统与主网电能交互成本，WHP为地源热泵折算至每日的投资成本，T为调度周期。
9.根据权利要求7所述的协同促进风电消纳的优化调度系统，其特征在于，所述约束条件构建模块，具体包括：
第一约束条件构建单元，用于构建能量平衡约束条件；
第二约束条件构建单元，用于构建联络线传输功率约束条件；
第三约束条件构建单元，用于构建可控机组运行约束条件；
第四约束条件构建单元，用于构建储能约束条件；
第五约束条件构建单元，用于构建IDR实施后电动汽车充电负荷总量不变约束条件；
第六约束条件构建单元，用于构建电动汽车荷电状态应满足用户设置的离网要求荷电状态约束条件；
第七约束条件构建单元，用于构建任一时段负荷聚合商LA调节需求资源容量应存在上限约束条件；
第八约束条件构建单元，用于构建IDR实施后负荷聚合商LA与电动汽车用户应有所获益约束条件。
10.根据权利要求9所述的协同促进风电消纳的优化调度系统，其特征在于，所述构建能量平衡约束条件，具体公式为：
其中，Pe(t)、Qh(t)分别为t时段系统电负荷、热负荷，Prev(t)为考虑IDR后t时段EV充电负荷，
分别为t时段蓄电池电功率、蓄热槽热功率，Pi(t)、Pj(t)分别为t时段可控机组i、可再生能源发电机组j电功率，N、L分别为可控机组、可再生能源发电机组种类，Pex(t)为t时段系统与主网交互功率，QHP(t)为t时段地源热泵输出热功率，QLB,h(t)为t时段溴冷机制热功率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011199702.9A CN112182915A (zh) | 2020-10-30 | 2020-10-30 | 一种协同促进风电消纳的优化调度方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011199702.9A CN112182915A (zh) | 2020-10-30 | 2020-10-30 | 一种协同促进风电消纳的优化调度方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112182915A true CN112182915A (zh) | 2021-01-05 |
Family
ID=73917486
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011199702.9A Pending CN112182915A (zh) | 2020-10-30 | 2020-10-30 | 一种协同促进风电消纳的优化调度方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112182915A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113159983A (zh) * | 2021-03-15 | 2021-07-23 | 东南大学 | 离网型光气热电联产综合能源系统协调控制方法 |
| CN117293801A (zh) * | 2023-09-22 | 2023-12-26 | 东北电力大学 | 一种考虑电弧炉负荷精细化建模的源荷协调调度方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107508328A (zh) * | 2017-04-08 | 2017-12-22 | 东北电力大学 | 考虑风电消纳的联合系统能量优化方法 |
| AU2019101104A4 (en) * | 2019-09-25 | 2019-10-31 | Southeast University | An optimal dispatching method of multi-region power and gas coupled integrated energy system using tiered gas tariff |
| CN111369064A (zh) * | 2020-03-09 | 2020-07-03 | 华北电力大学 | 一种基于能源枢纽最优运行缓减配电网阻塞的方法 |
-
2020
- 2020-10-30 CN CN202011199702.9A patent/CN112182915A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107508328A (zh) * | 2017-04-08 | 2017-12-22 | 东北电力大学 | 考虑风电消纳的联合系统能量优化方法 |
| AU2019101104A4 (en) * | 2019-09-25 | 2019-10-31 | Southeast University | An optimal dispatching method of multi-region power and gas coupled integrated energy system using tiered gas tariff |
| CN111369064A (zh) * | 2020-03-09 | 2020-07-03 | 华北电力大学 | 一种基于能源枢纽最优运行缓减配电网阻塞的方法 |
Non-Patent Citations (5)
| Title |
|---|
| YUNHAI ZHOU, PINCHAO ZHAO, FEI XU , DAI CUI, WEICHUN GE, XIAODONG CHEN, BO GU: "Optimal Dispatch Strategy for a Flexible Integrated Energy Storage System for Wind Power Accommodation", ENERGIES, vol. 13, no. 5, 1 March 2020 (2020-03-01), pages 1 - 18 * |
| 刘文霞，李征洲，杨粤，伊放，王尧: "计及需求响应不确定性的综合能源系统协同优化配置", 电力系统自动化, vol. 44, no. 10, 25 May 2020 (2020-05-25), pages 3 * |
| 崔杨，姜涛，仲悟之，崔成伟，赵钰婷: "考虑风电消纳的区域综合能源系统源荷协调经济调度", 电网技术, vol. 44, no. 7, 31 July 2020 (2020-07-31), pages 1 - 3 * |
| 潘樟惠 ，高赐威 ，刘顺桂: "基于需求侧放电竞价的电动汽车充放电调度研究", 电网技术, vol. 40, no. 4, 30 April 2016 (2016-04-30), pages 1 - 2 * |
| 程林，张靖，黄仁乐，王存平，田浩: "基于多能互补的综合能源系统多场景规划案例分析", 电力自动化设备, vol. 37, no. 6, 30 June 2017 (2017-06-30), pages 4 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113159983A (zh) * | 2021-03-15 | 2021-07-23 | 东南大学 | 离网型光气热电联产综合能源系统协调控制方法 |
| CN113159983B (zh) * | 2021-03-15 | 2024-05-14 | 东南大学 | 离网型光气热电联产综合能源系统协调控制方法 |
| CN117293801A (zh) * | 2023-09-22 | 2023-12-26 | 东北电力大学 | 一种考虑电弧炉负荷精细化建模的源荷协调调度方法 |
| CN117293801B (zh) * | 2023-09-22 | 2024-04-05 | 东北电力大学 | 一种考虑电弧炉负荷精细化建模的源荷协调调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hou et al. | Multi-objective economic dispatch of a microgrid considering electric vehicle and transferable load | |
| CN110188950B (zh) | 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法 | |
| Guo et al. | Optimal dispatching of electric-thermal interconnected virtual power plant considering market trading mechanism | |
| Zhu et al. | Energy trading in microgrids for synergies among electricity, hydrogen and heat networks | |
| CN109659927B (zh) | 一种考虑储能参与度的综合能源微网储能容量配置方法 | |
| Alabi et al. | Improved hybrid inexact optimal scheduling of virtual powerplant (VPP) for zero-carbon multi-energy system (ZCMES) incorporating Electric Vehicle (EV) multi-flexible approach | |
| CN107508284B (zh) | 计及电气互联的微电网分布式优化调度方法 | |
| Ju et al. | A Tri-dimensional Equilibrium-based stochastic optimal dispatching model for a novel virtual power plant incorporating carbon Capture, Power-to-Gas and electric vehicle aggregator | |
| CN112068436B (zh) | 工业园区的综合能源系统分层分布式控制方法及系统 | |
| Ren et al. | A novel planning method for design and dispatch of hybrid energy systems | |
| CN116911533B (zh) | 区域综合能源系统多微网能量共济方法 | |
| CN115689035A (zh) | 一种基于共享储能的园区级综合能源系统协同优化方法 | |
| CN115879651A (zh) | 考虑电动汽车参与的综合能源系统低碳优化方法及装置 | |
| CN112182915A (zh) | 一种协同促进风电消纳的优化调度方法及系统 | |
| Ren et al. | Multitime scale coordinated scheduling for electric vehicles considering photovoltaic/wind/battery generation in microgrid | |
| Tian et al. | Day-ahead scheduling of SMR integrated energy system considering heat-electric-cold demand coupling response characteristics | |
| Wang et al. | Low carbon optimal operation of integrated energy system based on concentrating solar power plant and power to hydrogen | |
| Wang et al. | Research on collaborative operation optimization of multi-energy stations in regional integrated energy system considering joint demand response | |
| Feng et al. | Review of operations for multi-energy coupled virtual power plants participating in electricity market | |
| CN116187648A (zh) | 基于热电解耦的虚拟电厂热电联合优化调度方法 | |
| Weishang et al. | Study on optimal model of micro-energy network operation configuration considering flexible load characteristics | |
| Xiaoxin et al. | Optimal scheduling of integrated energy systems including hydrogen electrolyzers, HFCVs, and electric vehicles | |
| Guo et al. | Study on Optimal Model of Micro-Energy Network Operation Configuration Considering Flexible Load Characteristics | |
| Hui et al. | LOW CARBON DISPATCH OF THE PARK INTEGRATED ENERGY SYSTEM BASED ON THE ELECTRIC VEHICLES FLEXIBLE LOAD STORAGE CHARACTERISTICS. | |
| Zhang et al. | Distributed Bargaining Method of a Multi-integrated Energy System Based on Nash Theory |
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 |