CN112365021A - 一种基于混合储能的区域综合能源系统规划优化方法 - Google Patents
一种基于混合储能的区域综合能源系统规划优化方法 Download PDFInfo
- Publication number
- CN112365021A CN112365021A CN202010995434.5A CN202010995434A CN112365021A CN 112365021 A CN112365021 A CN 112365021A CN 202010995434 A CN202010995434 A CN 202010995434A CN 112365021 A CN112365021 A CN 112365021A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- energy
- power
- hybrid
- cost
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 340
- 238000013439 planning Methods 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000005457 optimization Methods 0.000 title claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 28
- 230000006870 function Effects 0.000 claims abstract description 23
- 230000002068 genetic effect Effects 0.000 claims abstract description 20
- 230000005540 biological transmission Effects 0.000 claims abstract description 18
- 238000010276 construction Methods 0.000 claims abstract description 8
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 86
- 230000005611 electricity Effects 0.000 claims description 80
- 239000003345 natural gas Substances 0.000 claims description 43
- 230000004044 response Effects 0.000 claims description 24
- 238000013486 operation strategy Methods 0.000 claims description 22
- 238000001816 cooling Methods 0.000 claims description 18
- 239000007789 gas Substances 0.000 claims description 16
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical compound [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 claims description 16
- 230000000087 stabilizing effect Effects 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 14
- 238000000354 decomposition reaction Methods 0.000 claims description 13
- 230000003993 interaction Effects 0.000 claims description 12
- 238000012423 maintenance Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000010521 absorption reaction Methods 0.000 claims description 10
- 238000005057 refrigeration Methods 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 7
- 210000004027 cell Anatomy 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 5
- 230000035772 mutation Effects 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 3
- 210000000352 storage cell Anatomy 0.000 claims description 3
- 238000012384 transportation and delivery Methods 0.000 claims description 3
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 40
- 229910052744 lithium Inorganic materials 0.000 description 40
- 238000004088 simulation Methods 0.000 description 26
- 239000003990 capacitor Substances 0.000 description 15
- 238000010438 heat treatment Methods 0.000 description 14
- 238000011160 research Methods 0.000 description 12
- 238000007599 discharging Methods 0.000 description 11
- 238000010248 power generation Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 5
- 230000001965 increasing effect Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 238000004513 sizing Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000295 complement effect Effects 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
- 230000018109 developmental process Effects 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000013179 statistical model Methods 0.000 description 3
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 238000007728 cost analysis Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 239000002918 waste heat Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000003891 environmental analysis Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- OFPXSFXSNFPTHF-UHFFFAOYSA-N oxaprozin Chemical compound O1C(CCC(=O)O)=NC(C=2C=CC=CC=2)=C1C1=CC=CC=C1 OFPXSFXSNFPTHF-UHFFFAOYSA-N 0.000 description 1
- 238000007747 plating Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于混合储能的区域综合能源系统规划优化方法，针对典型的综合能源系统，以能量平衡约束、混合储能约束、园区已有的设备运行约束以及能量传输网络约束为扩容规划约束条件，以年度最低总成本为目标函数，建立混合储能系统的扩容规划模型；用量子遗传算法求解混合储能系统的扩容规划模型的最优解，对比目标函数，得到最优的扩容规划方案。该方法可以合理分配区域综合能源系统中的混合储能能力，以达到降低区域综合能源系统规划建设成本的目的。
Description
技术领域
本发明涉及能源综合利用技术领域，特别是一种基于混合储能的区域综合能源系统规划优化方法。
背景技术
随着社会经济与科技的迅速发展，人们环保和节能意识逐渐提高，对能源的有效利用也越来越重视，不断的能源浪费逐渐导致能源危机和严重的环境污染。能源发展也面临能源消费结构不合理、能源供需分布不匹配、各类能源系统不融合、合理投资回报模式缺乏等严峻挑战，传统微电网已不能解决目前的多种问题。由此，如何分配能源并使其被高效率利用就成为了我们需要重视的问题，这使得区域综合能源系统的概念的日渐受到关注。区域综合能源系统是一种能源供应模式，可以将冷热电气等多种形式的能源耦合在一起。实现规划和调度电力(包括各种分布式能源)，天然气等能源的供求关系。可以预见，区域综合能源系统是未来能源供应重要方式。而储能系统是综合能源系统的核心，合理的规划储能系统的容量能够在平抑波动的基础上获取一定的效益。有必要对一些区域综合能源系统园区新增扩建储能设备，然而，综合能源系统的复杂性给规划问题带来了巨大的挑战，需要有丰富的理论框架来解决。
储能系统的容量规划问题通常以成本最低为优化目标，且配置储能的场景大多被用于微电网中。在对储能规划的研究中，如文献《Optimal sizing of battery energystorage for micro-grid operation management using a new improved batalgorithm》提出了一种以成本最低为目标来确定微电网运营管理中BESS的最佳规模，用改进的bat算法对微电网运行管理的电池储能进行优化设计，使储能配置成本最低。文献《Optimal operation of electrical and thermal resources in microgrids withenergy hubs considering uncertainties》提出了一种基于网络约束和不确定性约束的微电网储能容量规划模型，并以运营成本最低为目标函数。文献《多主体联合投资微电网源-储多策略有限理性决策演化博弈容量规划》提出了一种以配电网运营商与微电网运营商联合投资为前提，基于演化博弈的微电网源-储容量规划方法。并通过实际系统算例证明所提出的多策略集演化博弈微电网源-储规划策略的有效性。文献《Capacityoptimization of renewable energy sources and battery storage in an autonomoustelecommunication facility Sustain Energy IEEE Trans》以研究了混合整数线性规划与概率论相结合的基于搜索算法的储能容量规划方法，考虑风机、光伏等可再生能源与需求的不确定性，以投资成本最低为目标对储能容量进行规划。文献《Optimal batterysizing in microgrids using probabilistic unit commitment IEEE Trans IndInform》以微电网运行成本最低为目标优化储能的容量，最大化了并网电力销售与电网购电之间的差额。文献《Electrical energy storage systems:a comparative life cyclecost analysis Renew Sustain Energy Rev》以全寿命周期成本(LCC)最低为目标计算出了最合适的储能规划容量。文献《Capacity allocation of a hybrid energy storagesystem for power system peak shaving at high wind power penetration levelRenew Energy》与文献《Sizing of energy storage for microgrids IEEE Trans SmartGrid》、文献《Optimal battery sizing in microgrids using probabilistic unitcommitment IEEE Trans Ind Inform》以调峰调频作为优化目标，通过平均风能以及日均发电量确定储能系统的容量。以上文献对储能系统进行规划时，配置场景为微电网的场景，没有考虑冷热电气之间协同规划。
在区域综合能源系统中，结合了电、热、冷、气等能源的产生与使用。许多专家学者对综区域合能源系统的规划做了一定研究。文献《A hybrid optimization-basedscheduling strategy for combined cooling,heating,and power system withthermal energy storage》研究了含储能设备的综合能源系统规划方法，在考虑冷热电气协同的基础上提出了一种将遗传算法和动态规划相结合的规划方法，提高了能源利用效率。文献《Planning of solar photovoltaics,battery energy storage system and gasmicro turbine for coupled micro energy grids》研究综合能源系统中的电热耦合关系，考虑储能参与需求响应套利的盈利模式，采用第一阶段最优投资，第二阶段最优运行的双阶段规划模型，利用点估计法求解模型，并在一个电热耦合系统中验证了规划模型的准确性。文献《电-气联合储能的海上微能系统模糊随机规划》研究了电气耦合的海上储能系统规划模型，利用模糊随机-NSGAⅡ算法对模型求解，提高了海上油气工程的环保性与经济性。文献《计及电/热柔性负荷的区域综合能源系统储能优化配置》研究了电热耦合下的综合能源系统储能优化配置方法，考虑了热力网络传输延迟与用户需求响应，使用lingo软件进行仿真模拟，得到储能系统的最佳配置以及运行策略。
混合储能的容量规划问题是近年来的研究重点，混合能够同时发挥出功率型储能与容量型储能的优势。文献《Techno-economic analysis of storage degradationeffect on levelised cost of hybrid energy storage systems》利用混合储能之间的互补特性，考虑储能的成本与性能，分析了Northern Cape Province,South Africa配置不同混合储能系统方式对技术效益的影响，证明了混合储能的优势。文献《Development ofhybrid battery–supercapacitor energy storage for remote area renewable energysystems Appl.Energy》提出用于SAMG的混合储能系统，锂电池用于长期能量管理，超级电容器用于快速调节功率。文献《Multi-objective genetic algorithm based sizingoptimization of a stand-alone wind/PV power supply system with enhancedbattery/supercapacitor hybrid energy storage》基于傅里叶变化分解混合储能的功率，使用多目标优遗传算法确定电池与超级电容器的容量。文献《Strategic integrationof battery energy storage systems with the provision of distributed ancillaryservices in active distribution systems》构建了一个双层优化框架，使超级电容器与风机并联，电池部署在电网变电站中，参与中央辅助服务，利用遗传算法进行求解，得到有多种功能的混合储能容量。文献《Hybrid Energy Storage System(HESS)optimizationenabling very short-term wind power generation scheduling based on outputfeature extraction》利用Wavelet Package Decomposition(WPD)and Hilbert Huang，研究了实时风电功率输出的波动特征，提出了一种HESS规划模型，并对比了单个ESS与HESS的经济成本。
储能寿命是影响规划结论的主要原因之一，这影响了电池的经济性能。文献《Distributed economic and environmental dispatch in two kinds of CCHPmicrogrid clusters,International Journal of Electrical Power&Energy Systems》提出一种改进的锂离子电池寿命退化模型，同时考虑了循环电流的影响，建立锂离子电池/超级电容器混合储能系统以延长电池的循环寿命和提高经济性。文献《Analysis of a newdesign of the hybrid energy storage system used in the residential m-CHPsystems》利用雨流计数法分析了混合储能系统的寿命，制定了混合储能系统的运行策略，达到延长储能寿命的目的。文献《Generation plan optimization considering batteryenergy storage life model》归纳出了基于交换功率和基于放电深度两类电池寿命模型,分析电池储能的寿命对混合储能运行策略的影响，重点研究了电池储能的寿命模型及其在不同运行方式下的损耗与成本。
如上所述，目前的研究大多集中在微电网储能的规划和研究上，区域综合能源系统中的储能研究相对单一。而且大多数研究仅考虑储能平抑波动的功能。在区域综合储能系统储能规划研究中，没有充分提到混合储能的作用和容量规划方法。
发明内容
本发明的目的是要解决现有技术中存在的不足，提供一种基于混合储能的区域综合能源系统规划优化方法，该方法可以合理分配区域综合能源系统中的混合储能能力，以达到降低区域综合能源系统规划建设成本的目的。
为达到上述目的，本发明是按照以下技术方案实施的：
一种基于混合储能的区域综合能源系统规划优化方法，包括以下步骤：
S1、针对典型的综合能源系统，以能量平衡约束、混合储能约束、园区已有的设备运行约束以及能量传输网络约束为扩容规划约束条件，以年度最低总成本为目标函数，建立储能系统HESS的扩容规划模型；
S2、向储能系统HESS的扩容规划模型输入园区已建设完成的设备装机容量、全年风速、光照数据，负荷数据，以及扩容规划的储能类型，利用小波包分解法分解需要消纳的可再生能源的功率波动；
S3、在管网传输约束以及设备出力约束的限制下，模拟HESS在综合能源系统中的运行策略，利用雨流计数法计算电池的寿命，作为计算年度最低总成本的依据；
S4、用量子遗传算法求解储能系统HESS的扩容规划模型的最优解，对比目标函数，得到最优的扩容规划方案。
进一步地，所述步骤S1中的能量平衡约束、混合储能约束、园区已有的设备运行约束以及能量传输网络约束分别为：能量平衡约束包括功率平衡、热功率平衡、冷功率平衡；其中：
(1)功率平衡约束：
Pe-gr(t)+Pe-pv(t)+Pe-wt(t)+SPc(t)+SPp(t)+Pe-gt(t)＝∑(Pe-ld(t)+Pe-ec(t)+Pe-eb(t))，其中，
Pe-gr(t)是电网在t时刻的输出功率，Pe-pv、Pe-wt是在t时刻光伏、风机的输出功率；Pc、Pp表示混合动力电池在时间t功率；S＝1时为放电，S＝-1时为充电，S＝0时混合储能系统不工作，Pe-gt(t)是燃气轮机在t时刻发电功率；Pe-ld,Pe-ec,Pe-eb分别是用户，电制冷和电锅炉当时的用电负荷；
(2)热功率平衡：
Ph-cchp(t)+Ph-eb(t)＝Ph-load(t)+Ph-lb(t)，其中，Ph-load是用户的热负荷功率，kW；Ph-lb是溴化锂吸收式制冷机的热负荷，kW；Ph-cchp是冷热电三联供系统的热输出功率，kW；Ph-eb是电锅炉的输出功率，kW；
(3)冷功率平衡：
Pc-lbac(t)+Pc-er(t)＝Pc-load(t)，其中，Pc-lbac是吸收式制冷机的冷功率，kW；Pc-er是ER的冷功率，kW；Pc-load是用户的冷负荷，kW；
(4)混合储能约束：
混合储能的约束主要包括充放电功率约束、充电状态约束，具体约束如下：
其中，Ebat为能量型储能的容量，kWh；Nc为能量型储能的个数，Cbat为一个能量型储能的容量，Ah；Ubat为一个能量型储能的电压，V；Pbat为能量型储能的充放电功率，kW；ξbat为能量型储能的放电倍率；
其中，ESC_min ESC_max分别是能量型储能的最大最小容量，kWh；Np是能量型储能的个数；Csc是单个能量型储能容量，F；Uscmin与Uscmax分别为单个能量型储能允许的最大电压与最小电压，V；PSC_max为单个能量型储能的最大功率，kW；Iscmax为能量型储能的最大工作电流，A；其中，103与3.6*106为单位换算系数；
Ri-HES,C+Ri-HES,D∈(0,1)、
(5)园区已有设备运行约束：
在综合能源系统园区已有设备的基础上安装混合储能系统。在规划优化混合储能系统容量时，考虑原有设备运行约束，公式如下：
(6)能量传输网络约束：
为了保证能源输送网络的安全性，必须保证网络传输功率在一定约束范围之内：
其中，
分别是综合能源系统园区与电网的最大最小传输功率，kW；
与
为综合能源系统园区与天然气管网之间的最大最小传输功率。
进一步地，所述步骤S1中目标函数的构建过程如下：
1)配置混合储能后的综合能源系统年度运行成本主要包括储能设备的年度投资成本，以及综合能源系统的年度运行成本：F＝minCtotol＝Cinv+Coco，其中Ctotol是年度总成本，Cinv是混合储能系统的年度成本，Coco是系统的年度运行成本；
(1)为了避免混合储能不同寿命期对规划的影响，将混合储能系统的初始投资转化为寿命期内的净年值，混合储能系统的等效年成本的计算公式如下：
(2)综合能源系统配置混合储能后的年度运行成本
综合能源系统配置混合储能后对能源购置成本以及设备维护成本造成影响，每年的运行成本包括与电网之间的电能交互成本，与天然气公司的交互成本以及所有设备的运行维护费用，计算模型如下：
Caoc＝Caoc-E+Caoc-NG+Caic
其中，Caoc-E是电源供应模块的运行成本，$；Coco-NG是天然气供应模块的运行成本，$；Caic是综合能源系统的运营成本，$；Mgrid-b为购电电价，通常为分时电价，$/kWh，Mgrid-s为卖电电价，通常为固定电价，$/kWh；Eb、Es分别为购电电量和售电电量，kWh，PG,i是天然气的输入功率，kWh；ΩN是天然气来源的集合，QNG是天然气的热值，9.97kWh/m3；COPi为各设备的能效比；MNG(t)是t时间的分时天然气价格，$/kWh；βHf,i、βEf,i、βGf,i分别为混合储能设备单位出力维护成本；电设备单位出力维护成本，天然气设备单位出力成本，$/kWh，ΩH是HESS源的集合，ΩE是发电机组的集合；PH是HESS的输出功率，kW；PE是发电机组的输出功率，千瓦；PG是天然气源的输出功率kW。
进一步地，所述步骤S3中模拟HESS在综合能源系统中的运行策略包括混合储能平抑波动运行策略和混合储能需求响应运行策略。
进一步地，所述步骤S3中利用雨流计数法计算电池的寿命的具体步骤为：
S31、假设电池状态的初始状态是：SOC1，然后储能电池放电到：SOC2。一个完整的周期是：SOC1-SOC2-SOC1半个周期为：DoD＝|SOC1-SOC2|；
S32雨水流量计数方法的计数规则如下：
(1)雨流从坐标系中所有点的内侧开始沿着屋面向下流动；
(2)若雨流的起点是峰值点，则雨流一直流到比起点更大的峰值点处为止；若雨流的起点是谷值点，则雨流一直流到比起点更小的谷值点处为止；
(3)若雨流遇到来自上面屋顶流下的雨流，便停止流动，并与上一层屋面的雨流构成一个全周期；
(4)确定各个全周期和半周期，各个周期的幅值即相应雨流的水平长度；
S33、根据储能电池放电深度与循环寿命之间的关系，拟合函数曲线：
其中Nc是储能电池第c次充放电循环的寿命，ai是拟合曲线的常数项，DDoD是第c次放电深度；
进一步地，所述步骤S4中的量子遗传算法的过程：
S41.令l＝1，初始化总体X(l)，随机生成各个参数θl ij、
并设置最大迭代代数Lmax；
S42.在初始化中对每个个体进行归一化，以获得每个变量和个体的值。
S43.找到个体适应性的价值；
S44.记录最佳个体适应度及对应值θl ij、
S45.判断当前这一代的最佳个体是否与前几代获得的最佳个体一致，并记录该最佳个体的出现次数；如果不满足输出条件，则对人口进行灾难性处理以增加其突变率。
与现有技术相比，本发明具有以下有益效果：
(1)本发明提出的区域综合能源系统结构具有负载的组成单元和更多的能源类型，针对风力发电机，光伏发电等间歇供电的区域综合能源系统园区，以年度最低总成本为优化目标，建立了基于混合储能的区域综合能源系统容量规划优化模型；
(2)采用小波包分解法分解风力发电机，光伏发电等间歇性电源的极限波动功率，以分配不同类型的储能，充分发挥不同类型储能的特点，实现混合储能平抑波动的功能，并合理选择储能类型和运行策略；
(3)采用雨流计数法应用于混合储能的功率分配与寿命计算，并利用量子遗传算法进行模型求解，这提升了混合储能容量配置的计算准确性，有助于在投资成本最低的情况下，确定HESS的最佳建设能力。
综述，本发明的方法可以合理分配区域综合能源系统中的混合储能能力，以达到降低区域综合能源系统规划建设成本的目的。
附图说明
图1为典型的综合能源系统结构图。
图2为本发明的储能系统HESS的扩容规划模型求解流程。
图3为小波包分解法。
图4为区域综合能源系统运行策略图。
图5为混合储能平抑波动运行策略图。
图6为混合储能需求响应运行策略图。
图7为雨水流量计数方法的计数规则。
图8为常规的电池放电深度与寿命曲线图。
图9为量子遗传算法bloch球面。
图10为应用实例中的园区全年的冷热电负荷曲线。
图11为应用实例中的园区可再生能源数据。
图12为应用实例中的园区典型日负荷数据。
图13为仿真实例中的利用Matlab2016b软件对园区储能扩容规划配置的仿真模拟寻优迭代图。
图14为仿真实例中的扩容规划方案成本对比图。
图15为仿真实例中的每个系统中不同DOD的电池周期数。
图16为仿真实例中的园区风机光伏输出功率以及完全消纳可再生能源,储能系统的功率。
图17为仿真实例中的方案2中锂电池平抑波动。
图18为仿真实例中的方案3混合储能平抑波动量。
图19为仿真实例中的案1、方案2、方案3三种规划模式下冬季典型日下电力系统的运行状态。
图20为仿真实例中的案1、方案2、方案3三种规划模式下热子系统的运行状态。
图21为仿真实例中的案1、方案2、方案3三种规划模式下冷系统的运行状态。
图22为仿真实例中的案1、方案2、方案3三种模式下每日的能源购买费用与购买量之间的关系.
图23为仿真实例中能源价格变动对方案2模式下与方案3模式下的年化成本对能源价格的敏感性。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步的详细说明。此处所描述的具体实施例仅用于解释本发明，并不用于限定发明。
综合能源系统包括外部能源供应、能源转化、能源消耗、能源存储四个部分，能够同时为园区提供冷、热、电、气及其他能源。典型的综合能源系统结构如图1所示。能源供应部分，主要包括风机光伏等可再生发电设备。风机与光伏设备可以充分利用外部风资源以及光资源等清洁能源。能源转化部分主要包括燃气轮机、溴化锂吸收式制冷机、余热锅炉、电锅炉以及电制冷等。能源消耗部分主要是冷、热、电、天然气等能源的消耗。能源储存部分通常指电能的存储。因为在综合能源系统中，风机光伏的输出功率具有一定的波动性，安装储能系统可以有效的提升可再生能源的利用。
但是，很多综合能源系统园区在规划建设初期并未安装储能系统，导致一些园区可再生能源利用率较低。园区并网功率以及用户消纳功率要求每十分钟可再生能源功率波动不允许超过20％。
对于已经建设完成的综合能源系统园区可以通过增容改造，新增设备来平抑无法消纳的波动，提高可再生能源的利用率。储能系统可以实现能量在空间和时间上的转移，可以利用储能系统优化综合能源系统的用能结构。储能系统分为功率型储能以及容量型储能，常见的储能系统及储能特性如表所示。
表1储能类型
通过表1可知，单一配置能量型储能会造成电池频繁深度充放电，导致寿命缩短，单一配置功率型储能投资成本过大。为了综合能源系统园区配置合理容量的混合储能设备及容量。本实施例针对图一的综合能源系统结构，提出了综合能源系统建设混合储能系统的扩容规划模型。并同时考虑了储能平抑风机与光伏等间歇性电源的波动和参与需求响应的功能。
储能系统的扩容规划模型的求解流程如图2所示。
第一步，输入园区已建设完成的设备装机容量，全年风速、光照数据，负荷数据，以及扩容规划的储能类型。利用小波包分解法分解需要消纳的可再生能源的功率波动。
第二步，在管网传输约束以及设备出力约束的限制下，模拟混合储能系统在综合能源系统中的运行策略，利用雨流计数法计算锂电池的寿命，作为计算成本的依据。
第三步，用量子遗传算法求解模型最优解，对比目标函数，得到最优配置方案。
综合能源系统中，往往配置了一定数量的风机、光伏设备，但是可再生能源的波动性使设备出力不平稳，对电网的冲击较大，如果不能有效的平抑波动，则超过波动约束部分的电能无法利用，导致能源浪费。
需要平抑的可再生能源功率波动计算模型如下：
PDG(t)＝Ppv(t)+Pwt(t)(1)
式中，PDG是分布式能源的输出功率，kW；Ppv是光伏的输出功率，kW；Pwt是风机的输出功率，kW；κ(t)为t时刻的综合能源系统电功率波动率，PDG_IC为风机、光伏等可再生发电装机容量，kW。
为保障用户用电安全，当功率波动超过μ时，电网与用户无法接受该部分电能，需要由储能系统平抑波动，PHESS为储能的平抑波动出力，kW。
为合理配置储能系统，利用小波包分解法对PHESS进行分解，如图3所示。设hk-2i为高通滤波系数，gk-2i为低通滤波系数。小波包分解算法为：
其中，
与
分别为第n层小波包分解的低频系数与高频系数；
为第n-1层小波包分解的重构信号，设h k-2i gk-2i分别为重构过程中的低通滤波系数与高通滤波系数，则n层小波包重构算法为：
式中，Pn,0(t)与Pn,1(t)分别为第n层小波包重构的低频与高频信号；
与
为低频重构系数，
与
是高频重构系数。
利用功率型储能平抑高频功率，利用容量型储能平抑低频功率。两种电池相互配置，在提升可再生能源利用率的同时，实现需求响应的功能。能量型电池与功率型电池的工作模型为：
其中，Pc为能量型储能运行功率，kW；Pp为功率型储能运行功率，kW；Pd为综合能源系统总需求响应量δc与δp分别是能量型电池与功率型电池平抑波动调节系数，δc,δp∈(0,1)；βc为能量型电池参与需求响应分配系数；βp为功率型电池参与需求响应的分配系数。
混合储能系统的SOC是指储能装置中剩余荷电量占总容量的比值：
其中，Ec,0与Ep,0分别的能量型储能与功率型储能的容量，kWh；ρc，ρp分别代表能量型储能与功率型储能的自放电率，％/Δt；Ec与Ep分别为能量型储能与功率型储能的配置容量；α代表HESS的状态，当α＝1时，储能充电，当α＝-1时，储能放电；εc、εp分别代表能量型储能与功率型储能的运行效率。
本实施例在研究混合储能配置方法时，混合储能系统分别执行两种功能：平抑波动和参与需求响应。根据风机光伏等可再生能源出力的波动性、综合能源系统能源供给与用户需求的不平衡量，以及电价和气价等因素共同决定HESS运行策略与配置容量。提出了混合储能在综合能源系统中规划时的运行策略，见图4。
综合能源系统混合储能系统规划运行模型见图4所示。
首先，根据风速光照情况，得到可再生能源输出功率的波动。通过小波包分解法将波动功率分解，并利用混合储能平抑波动的模型进行平抑；其次，热系统中，按照供热成本选择选择供热方式。在冷系统中，由吸收式制冷机优先提供，当吸收式制冷机无法满足冷需求时，利用电制冷满足园区冷需求；最后，得到用电负荷总量，当Pnet>0时，运行混合储能系统充电模型，当Pnet<0时，运行混合储能系统放电模型。
Pnet(t)＝PSupply(t)-PEle-load(t)(7)
式中，Pnet是分布式能源供应侧与需求侧的不平衡功率，kW；PSupply是所有发电设备的出力，kW；PEle-load是园区用电总需求，kW.
HESS平抑波动模型如图5所示。混合储能系统优先平抑园区风机光伏的出力波动，当κ(t)＞μ时，混合储能参与平抑波动与需求响应出力，当κ(t)≤μ时，电网以及用户可以接受风机与光伏的功率波动，混合储能此时只进行需求响应工作。
当Pnet(t)＞0时，按照充电模型进行充电，当Pnet(t)＜0时，按照放电模型进行放电。见图6。
混合储能在参与综合能源系统需求响应时，当Pnet(t)≥0时，混合储能充电；
充电过程如下：
高峰电价时，直接将多余电量出售给电网。
低谷电价时，容量型电池优先充电，当容量型电池无法满足需求时，利用功率型电池进行充电。
平段电价时，只有能量型电池进行充电。
当Pnet(t)＜0时，混合储能放电。放电过程如下：
当处于高峰电价时，能量型电池进行放电，当Ec(t)＜Ec_min时，能量型电池停止放电，由功率型电池进行放电。此时，如果依然无法满足用电需求，则从电网购买缺额电量。
当处于低谷电价时，混合储能系统不进行工作，直接从电网购买缺额电量。
当处于平段电价时，仅利用容量型储能进行放电，当Ec(t)＜Ec_min，则向电网购买缺额电量。
混合储能的优势之一就是能够提升电池的使用寿命，因此，有必要建立一个电池寿命的统计模型。
储能电池的寿命与运行方式密切相关，储能电池的寿命主要与工作环境温度、充放电次数等因素有关。容量衰减机制非常复杂，目前很难创建一个多因素电池老化的非线性模型。然而，循环计数算法能产生相对准确的计算结果雨流计数法能够量化放电深度与电池寿命之间的关系，本实施例利用雨流计数法对储能寿命进行统计。
电池运行时放电深度越小，寿命越长，但是，当电池采用较浅放电深度进行工作时无法最大化发挥储能作用。因此，规划混合储能容量时有必要考虑电池运行策略对电池寿命的影响。利用雨流计数法模拟电池SOC值，构建电池寿命统计模型。
电池中的放电深度是指在一个完整的充放电循环中，电池放电量与其额定容量之比。一个完整的周期包括一个充电半周期和一个放电半周期。假设电池状态的初始状态是：SOC1，然后储能电池放电到：SOC2。一个完整的周期是：SOC1-SOC2-SOC1半个周期为：DoD＝|SOC1-SOC2|。
雨水流量计数方法的计数规则如图7所示：
(1)雨流从坐标系中所有点的内侧开始沿着屋面向下流动；
(2)若雨流的起点是峰值点，则雨流一直流到比起点更大的峰值点处为止；若雨流的起点是谷值点，则雨流一直流到比起点更小的谷值点处为止；
(3)若雨流遇到来自上面屋顶流下的雨流，便停止流动，并与上一层屋面的雨流构成一个全周期；
(4)确定各个全周期和半周期，各个周期的幅值即相应雨流的水平长度。
如图7所示，共有三个全周期：分别为B-C'-B'、J-M-J'I-F-I',四个半周期C-D-C'、G-H-G'、L-M-L'、N-O-N'。
通常，当电池容量衰减至额定容量额定80％时，认为电池寿命到达极限，电池此时应当做报废处理。一般情况下，电池生产厂家对电池不同放电深度下的电池循环寿命进行标定，如图8所示。
根据储能电池放电深度与循环寿命之间的关系，拟合函数曲线。
其中Nc是储能电池第c次充放电循环的寿命，ai是拟合曲线的常数项，DDoD是第c次放电深度。
其中，在储能电池的工作循环中的等效循环寿命是L，当放电深度为100％时为储能电池的寿命是Nc(DDoD,1)，当放电深度为100％时是储能电池的寿命Nc(DDoD,q)。
混合储能容量规划优化目标函数及约束条件
目标函数
根据2.3中提出的基于雨流计数法的混合储能寿命统计模型，可以确定混合储能等效寿命L。在考虑混合储能寿命的基础上构建综合能源系统中新建混合储能的容量规划模型。并以全寿命周期成本最低为目标函数。
配置混合储能后的综合能源系统年度运行成本主要包括储能设备的年度投资成本，以及综合能源系统的年度运行成本。
F＝min Ctotol＝Cinv+Coco (10)
其中Ctotol是年度总成本，Cinv是混合储能的年度成本，Coco是系统的年度运行成本。
(1)为了避免混合储能不同寿命期对规划的影响，将混合储能的初始投资转化为寿命期内的净年值，混合储能的等效年成本的计算公式如下：
其中，Cc是能量型电池初始投资成本，￥，Cp是功率型电池的初始投资成本，Fcr是资本回收率；ηi是资本的年利率；L是混合储能的生命周期，年。
(2)综合能源系统配置混合储能后的年度运行成本
综合能源系统配置混合储能后对能源购置成本以及设备维护成本造成影响，每年的运行成本包括与电网之间的电能交互成本，与天然气公司的交互成本以及所有设备的运行维护费用，计算模型如下：
Caoc＝Caoc-E+Caoc-NG+Caic (13)
其中，Caoc-E是电源供应模块的运行成本，$；Coco-NG是天然气供应模块的运行成本，$；Caic是综合能源系统的运营成本，$；Mgrid-b为购电电价，通常为分时电价，$/kWh，Mgrid-s为卖电电价，通常为固定电价，$/kWh；Eb、Es分别为购电电量和售电电量，kWh。PG,i是天然气的输入功率，kWh；ΩN是天然气来源的集合，QNG是天然气的热值，9.97kWh/m3；COPi为各设备的能效比；MNG(t)是t时间的分时天然气价格，$/kWh；βHf,i、βEf,i、βGf,i分别为混合储能设备单位出力维护成本；电设备单位出力维护成本，天然气设备单位出力成本，$/kWh，ΩH是混合储能源的集合，ΩE是发电机组的集合；PH是混合储能的输出功率，kW；PE是发电机组的输出功率，千瓦；PG是NG源的输出功率kW。
约束条件
综合能源系统中规划优化混合储能容量考虑的约束主要有能量平衡约束，储能特性约束以及园区已有的设备运行约束。
(1)功率平衡约束
Pe-gr(t)+Pe-pv(t)+Pe-wt(t)+SPc(t)+SPp(t)+Pe-gt(t)＝∑(Pe-ld(t)+Pe-ec(t)+Pe-eb(t)) (17)
其中，Pe-gr(t)是电网在t时刻的输出功率，Pe-pv(t)、Pe-wt(t)是在t时刻PV和WT的输出功率；Pc(t)、Pp(t)表示混合动力电池在时间t功率；S＝1时为放电，S＝-1时为充电，S＝0时混合储能不工作。Pe-gt(t)是燃气轮机在t时刻发电功率；Pe-ld(t),Pe-ec(t),Pe-eb(t)分别是用户，电冰箱和电锅炉当时的用电负荷。
(2)热功率平衡
Ph-cchp(t)+Ph-eb(t)＝Ph-load(t)+Ph-lb(t) (18)
其中，Ph-load是用户的热负荷功率，kW；Ph-lb是溴化锂吸收式制冷机的热负荷，kW；Ph-cchp是CCHP的热输出功率，kW；Ph-eb是EB的输出功率，kW。
(3)冷功率平衡
Pc-lbac(t)+Pc-er(t)＝Pc-load(t) (19)
其中，Pc-lbac是LBAC的冷功率，kW；Pc-er是ER的冷功率，kW；Pc-load是用户的冷负荷，kW
(4)混合储能约束
混合储能的约束主要包括充放电功率约束、充电状态约束，具体约束如下：
公式22表示了混合储能的性能约束。Pc和Pp分别为能量型储能与功率型储能的实时功率，kW；Vc,max与Vp,max分别为能量型电池、功率型电池的功率最大变化率；
其中，Ebat为能量型储能的容量，kWh；Nc为能量型储能的个数，Cbat为一个能量型储能的容量，Ah；Ubat为一个能量型储能的电压，V；Pbat为能量型储能的充放电功率，kW；ξbat为能量型储能的放电倍率。
其中，ESC_min ESC_max分别是能量型储能的最大最小容量，kWh；Np是能量型储能的个数；Csc是单个能量型储能容量，F；Uscmin与Uscmax分别为单个能量型储能允许的最大电压与最小电压，V；PSC_max为单个能量型储能的最大功率，kW；
Ri-HES,C+Ri-HES,D∈(0,1) (22)
Iscmax为能量型储能的最大工作电流，A。其中，103与3.6*106为单位换算系数。
公式23，24，25表示了混合储能系统容量约束。ESOC,i是混合储能中的剩余电量值，kWh；αi是混合储能的自放电率；ηi-HES,Candηi-HES,D是混合储能的充电效率和放电效率；Ri-HES,Cand Ri-HES,D是充电或放电状态。
and
是储能容量的上限与下限。
(5)园区已有设备运行约束
本实施例是在综合能源系统园区已有设备的基础上安装混合储能系统。在规划优化混合储能容量时，考虑原有设备运行约束，公式如下：
其中，
分别为第i种已有设备的运行功率最大值与最小值
(6)能量传输网络约束
为综合能源系统规划建设混合储能系统。不考虑重新修建园区能源网络，为了保证能源输送网络的安全性，必须保证网络传输功率在一定约束范围之内。
其中，
分别是综合能源系统园区与电网的最大最小传输功率，kW；
与
为综合能源系统园区与天然气管网之间的最大最小传输功率。
模型求解方法
传统的遗传算法采用二进制或灰色编码，会造成单基因状态的缺陷，使优化结果部分最优。本实施例利用量子遗传算法寻找满足混合储能约束的最小费用配置方案。该算法将每个变量的值映射到bloch球的球面上，并使用极坐标系，增加了单个向量的多样性。
用传统遗传算法求解模型时，首先要建立种群集的可行解。并将种群规模设为M，传统遗传算法的个体是由2个变量组成的向量空间：
其中，Nlb与Nsc分别代表了锂电池的个数与超级电容器的个数。
在本实施例中，使用量子遗传算法将每个变量的值映射到Bloch，并以球坐标表示该变量。如公式27所示，公式26转换为：
在此公式中，每个变量由两个参数和表示，通过更改这两个参数来更改单位球面上的点,每个变量上的两点互不影响，增强了个体多样性,如图9所示。
量子遗传算法通过量子门变换矩阵实现种群更新。量子门变换矩阵是一个可逆的归一化矩阵。本实施例选用的量子旋转门是：
其中[αt,βt,ωt]T是染色体中的第i个量子，
与θt分别是旋转角。
通过引入量子旋转门的概念，完成了种群选择、交叉等遗传操作。对于可能的局部最优情况，引入了灾变思想。灾变思想的概念是指增加突变率或保留最佳解，以重新初始化剩余个体并提高个体间的多样性。
量子遗传算法的过程：
1.令l＝1，初始化总体X(l)，随机生成各个参数θl ij、
并设置最大迭代代数Lmax。
2.在初始化中对每个个体进行归一化，以获得每个变量和个体的值。
3.找到个体适应性的价值。
4.记录最佳个体适应度及对应值θl ij、
5.判断当前这一代的最佳个体是否与前几代获得的最佳个体一致，并记录该最佳个体的出现次数。如果不满足输出条件，则对人口进行灾难性处理以增加其突变率。
应用实例
案例基础数据
本实施例选取中国深圳的某一综合能源系统储能扩容规划项目为案例，在原有设备的基础上规划新建设混合储能(锂电池与超级电容器设备)。
目前园区内已经安装了风机(WT)、光伏(PV)、燃气轮机(GT)为园区提供电能，利用余热锅炉(WHB)、电锅炉(EB)为用户提供热能，利用溴化锂吸收式制冷机(LBS)、电制冷(EC)设备满足园区冷负荷需求，园区电能采用自发自用余量上网的运行模式，当电能不足时，可以从电网购电补充电能。此外，该园区CCHP系统采用“以电定热”的模式运行。该园区风机与光伏设备出力互补，在一定程度上可以提升可再生能源的利用率，但是由于风光资源的不可控性以及波动性，会造成大量的弃风弃光现象，因此对园区进行混合储能的扩容规划，用来平抑风机光伏的出力波动和参与电网需求响应。园区目前已有的设备装机容量见表2。
表2园区已有设备类型及装机容量
已有设备的相关参数见表3。
表3系统内设备的性能参数
为了提升计算结果的准确性，模型分两步分进行，第一步是利用一年数据规划求解，第二步是利用一天数据模拟运行验证。
首先，模拟全年8760个小时的数据进行规划求解。每个小时的负荷数据被假定为固定值。图10分别为全年的冷热电负荷曲线。
园区内部具有可再生能源发电设备(风机与光伏)。根据气象资料模拟全年8760个小时的风速以及光照强度，这将影响了风机与光伏的输出功率。具体的可再生能源数据如图11所示。
其次，在模拟运行阶段利用典型日负荷数据，如图12所示。
园区天然气价格为0.67dollar/m3，售电电价为固定电价，为0.057dollar/kWh，购电电价为分时电价。高峰(6:00-8:00，11:00-16:00，20:00-21:00)电价为0.172dollar/kWh，低谷(0:00-5:00，9:00-12:00，20:00-23:00)电价为0.054dollar/kWh，正常(17:00-19:00)电价为0.13dollar/kWh。
为现有综合能源系统配置混合储能系统，容量型电池选择锂电池，功率型电池选择超级电容器。两种电池参数见表4。
表4锂电池和超级电容器的规格
锂电池的寿命受主要受充放电次数和深度的影响。本实施例利用雨流计数法统计储能的充放电次数，利用模型求解出锂电池的寿命。超级电容器循环寿命较大，因此这个案例中不考虑究超级电容器的寿命对混合储能扩容规划的影响。
仿真实施
本实施例利用Matlab2016b软件对园区储能扩容规划配置进行优化，分别设置以下三种模式进行仿真规划：
方案1：综合能源系统不进行扩建储能装置。
方案2：综合能源系统储能设备规划过程中，只安装能量型储能，将Nsc的上限与下限设置为0。
方案3：综合能源系统储能设备规划过程中，安装能量型储能与功率型储能。算法参数设置见表5。
表5仿真参数设置
仿真模拟寻优迭代图如图13：
方案二中当迭代到45代时得到最优解集，安装锂电池个数为2598个。
当算法迭代到约35代时得到最优解，此时对应的锂电池与超级电容器个数分别为2300与5411。
表6列出了三种规划方案的详细参数。
表6仿真结果
方案2配置单一能量型储能，配置了2598个锂电池。方案3配置了混合储能系统，配置了2300个锂电池和5411个超级电容器。三种方案中，方案1年总费用最高为258万美元，方案2次之，为257.2万美元，方案3年总费用最低为222.5万美元，具体如图14所示。
购买天然气费用的对比
在三种配置方案中，购买天然气的费用由于园区安装有CCHP，电制冷与电制热设备，能源供应侧的电能和天然气是可替代的，可以用较便宜的电来代替天然气进行制冷和供热。理论上说，储能的容量越大，园区电力耦合互补的能力就越大。但是，方案3中购买天然气的成本仅为972万美元，方案2中购买天然气的成本为1066.2万美元。造成这种现象的原因可能方案2中单独配置锂电池，锂电池参与平抑波动降低了需求响应速度与响应容量。方案3中配置混合储能可以由超级电容器平抑频繁波动的功率，提升了锂电池参与响应的能力。
与电网交互成本的对比
在三种配置方案中，与电网的交互成本从大到小依次为方案1，方案2，方案3。一方是因为安装混合储能能够提升可再生能源的利用率，减少从电网的购电费用。另一方面，安装混合储能能够增加储能峰谷套利的能力，加大了向电网的卖电费用。
储能寿命的对比
混合储能扩容规划模型中考虑了充放电次数与充电深度对锂电池寿命的影响，利用雨流计数法对锂电池的寿命进行统计，图15中的柱状图描述了每个系统中不同DOD的电池周期数。从图15可以看出，混合储能中锂电池经历的循环次数大大减少，尤其是DOD>0.75。方案2中，单独配置锂电池，平抑波动时需要锂电池频繁充放电，如图15左侧图所示，锂电池充放电深度在0.9的最多，这也是锂电池寿命仅为4年的主要原因。Mode3中，利用小波包分解法将需要平抑的波动分解，利用锂电池与超级电容器配合平抑风光波动，利用超级电容器响应高频波动，避免锂电池频繁充放电，延长了锂电池的使用寿命，锂电池的寿命为7年，提升程度42.8％。
假设锂电池在报废阶段时残值为0元，方案2中储能系统每年的折旧为$256,410，方案3中储能系统的折旧为$189,520。方案3能够使用更长的时间，减少了每年的折旧成本。
典型日运行仿真分析
在综合能源系统中混合储能扩容规划的过程中，扩容规划模型的准确性主要体现在各子系统的运行状态以及系统的经济性。为了测试本实施例提出的混合储能扩容规划方案对能够提升综合能源系统可再生能源利用率以及参与需求响应赚取利润差值。选取冬季典型日进行模拟运行，以冬季其中一天的辐射强度以及风速为基础数据，负荷数据选取冬季典型日负荷进行模拟。
储能系统平抑波动分析
图16表示了园区风机光伏输出功率以及完全消纳可再生能源,储能系统的功率。本实施例规定10min内风机光伏的波动率应小于10％，超过10％波动的电量用户与电网无法消纳。
方案2中锂电池平抑波动如图17所示。锂电池为了平抑风机光伏的出力波动，频繁的深度充放电。本实施例以年化总成本最低为优化目标，储能为延长寿命或参与需求响应，储能可能不是完全消纳波动量，允许一定量的弃风弃光。
方案2中可再生能源利用率可达78％。
如图18所示，方案3中利用超级电容器与锂电池共同完成风机与光伏功率的平抑工作,利用小波包分解法对储能系统需要平抑的波动进行分解，并得到两种电池工作功率。由图18中圈出部分可知，锂电池只平抑低频功率，超级电容器利用其快速响应以及循环次数高的特点，频繁的进行充放电。经过混合储能平抑波动后，可再生能源利用率可达89％。
在该模拟日中，风机与光伏在方案1、方案2、方案3三种储能配置方案中分别发电：41,084kWh，45,087kWh、50,159kWh。
分别模拟三种储能规划方案下的CCHP运行策略，锂电池运行策略，混合储能运行策略，电锅炉运行策略，电制冷运行策略。分析安装混合储能系统后对电气、热力、冷却子系统的日常运行状况带来的影响。
电力子系统运行分析
图19给出了方案1、方案2、方案3，三种规划模式下冬季典型日下电力系统的运行状态。园区CCHP运行模式为“以热定电”。Mode1中没有储能系统，电能在无法消纳的情况下将多余电能出售给电网。在方案2和方案3中，储能可以在电能无法消纳时或低谷电价时进行充电，在高峰电价时放电。虽然方案2中锂电池配置容量较大，但是由于锂电池更多的需要平抑风机光伏的波动，参与需求响应的量较小，方案2储能共充电2863kWh，放电2919kWh，Mode3中充电3793kWh,放电3933kWh。
由于安装储能系统后提升了风机光伏的出力水平，在减少系统买电量的同时，增加了向电网的卖电量。方案2在7:00,8:00,20:00点时向电网售电，方案3在7-9点与20:00向电网卖电，非常明显的是，方案3向电网的售电量更多，提升了32％。这是由于方案2中锂电池平抑波动的量较大，参与需求响应的速度下降，同时可以参与需求响应的容量下降。此外，方案2中锂电池SOC波动较为频繁，而Mode3中混合储能系统的SOC波动较小。可以得出结论，方案3电力子系统的运行策略在仿真中表现良好。
热力子系统运行分析
园区供热系统主要包括CCHP供热与电锅炉供热。在图20中显示了三个规划方案中热子系统的运行状态。
方案1中，低谷电价阶段完全利用电锅炉制热，其余时间均按照CCHP优先出力，电锅炉补充不足热能的运行方式.在12:00-20:00，CCHP均以最大功率运行，而在方案2与方案3中，12:00-20:00中CCHP没有全部达到满功率运行。安装储能系统后，改变了用电成本。导致热能供给方式发生改变。因为储能系统中存有部分低谷电，在电价高峰期间依然可以享受较为便宜的低谷电。而供热设备的出力策略恰恰取决于能源价格与设备效率之间的关系。此外，园区低谷电价为0.054$/kWh,气价为0.67$/m3,产生相同量的电能，热能，冷能，使用低谷电的成本低于天然气。与mode2相比，在18:00-20:00时，方案3更多的使用电锅炉进行供热，能够降低运行成本。
供冷子系统运行分析
园区供冷系统主要包括GT带动溴化锂制冷机制冷与EC制冷。溴化锂吸收式制冷机为主要供冷设备，当溴化锂制冷机供冷不足时，利用电制冷供能。在图21中，显示了三个规划方案中冷子系统的运行状态。可以看出，安装混合储能对供冷系统的影响较小，这是因为电制冷COP可达3.5左右，同时，冬季供冷量较小，则反应到电能上的量较低。
供能成本分析
安装混合储能与单一储能的最大区别在于每日运行成本结构的不同，根据图22清晰的看到，三种模式下每日的能源购买费用与购买量之间的关系。其中，不同颜色区域代表分时电价下电能购买量。
每日运行费用主要包括与电网的交互成本以及与天然气公司的交互本，方案1、方案2、方案3的每日运行成本分别为：$6554.22、$6123.89、$5769.3，安装混合储能系统可以大幅度的节省综合能源系统园区与外部的交互成本。
通过对比方案1与方案2、方案3，发现安装储能系统后，能够降低一定的天然气购买费用，特别是17:00-21:00.方案2比方案1购买天然气的费用降低了7％，方案3比方案1降低了15％.
由图22中圈出部分可知，在电价高峰期间，减少了购电量。
对比a1，a2，a3发现,安装混合储能或单一锂电池能够减少电价高峰时间的购电量。方案3在低谷电价时购电量上升了16.9％，但总购电成本降低了7.02％，这体现了储能系统实现能量在时间与空间上转移的优势。虽然低谷时间段内购电量上升，但整体成本有所下降。
对比b2，b3，在20:00-21:00时，方案2向电网出售多余电能，供热主要由CCHP供能，电锅炉进行补充。而Mode3则没有与电网的交互，电锅炉为主要供热设备，CCHP为补燃设备，这是设备效率与成本影响造成的现象。方案2场景下20点时储能剩余电能无法最大发挥电锅炉的效率，则此时向电网卖出多余电能。而方案3中，混合储能可用容量更大，电锅炉利用储能剩余电能进行供热能够达到成本最低的目标。
基于能源价格的敏感性分析
为了进一步分析参数变化对本实施例提出的模型的影响，本实施例对能源价格变化率进行了敏感性分析。本节适当调整能源价格(天然气和电力)的变化，研究能源价格变动对方案2模式下与方案3模式下的年化总成本的影响。年化成本对能源价格的敏感性如图23所示，其中电价的变化率是价格变化量与峰时电价的比值，气价变化率是天然气价格的变动量与基准天然气价格的比值。
方案2安装了锂电池，方案3安装了混合储能，都能够实现能源在时间上的转移，因此，两种方案对电价的敏感程度要低于气价。尤其是方案3在电价下降时，成本降低缓慢，因为方案3配置混合储能能够更好的消纳波动功率，减少弃风和弃光量。能够更好的面对电价波动。
如图23中圈出部分，当电价敏感性为-20％时，气价敏感性为-10％-20％时，方案2的年化成本要低于方案3.峰谷价差随着峰时电价的降低而减小，储能的盈利空间更小，在模拟运行后发现，方案2中锂电池的寿命变为6年，每年的折旧额为16.036万美元，降低了系统的年化成本。而方案3中，因初始投资较大，每年的年化投资为22.187万美元，且盈利能力下降，年化总成本要大于方案2。
模拟运行证明了配置混合储能能够更好的平抑园区风机光伏等间歇性电源的波动性，提升的园区可再生能源利用率的同时降低运行成本。当电价与气价变化时，HEESS也能够面对更加复杂的市场环境。
综述，本发明的方法可以合理分配区域综合能源系统中的混合储能能力，以达到降低区域综合能源系统规划建设成本的目的。
本发明的技术方案不限于上述具体实施例的限制，凡是根据本发明的技术方案做出的技术变形，均落入本发明的保护范围之内。
Claims (6)
1.一种基于混合储能的区域综合能源系统规划优化方法，其特征在于，包括以下步骤：
S1、针对典型的综合能源系统，以能量平衡约束、混合储能约束、园区已有的设备运行约束以及能量传输网络约束为扩容规划约束条件，以年度最低总成本为目标函数，建立混合储能系统的扩容规划模型；
S2、向混合储能系统的扩容规划模型输入园区已建设完成的设备装机容量、全年风速、光照数据，负荷数据，以及扩容规划的储能类型，利用小波包分解法分解需要消纳的可再生能源的功率波动；
S3、在管网传输约束以及设备出力约束的限制下，模拟混合储能在综合能源系统中的运行策略，利用雨流计数法计算电池的寿命，作为计算年度最低总成本的依据；
S4、用量子遗传算法求解混合储能系统的扩容规划模型的最优解，对比目标函数，得到最优的扩容规划方案。
2.根据权利要求1所述的基于混合储能的区域综合能源系统规划优化方法，其特征在于：所述步骤S1中的能量平衡约束、混合储能约束、园区已有的设备运行约束以及能量传输网络约束分别为：能量平衡约束包括功率平衡、热功率平衡、冷功率平衡；其中：
(1)功率平衡约束：
Pe-gr(t)+Pe-pv(t)+Pe-wt(t)+SPc(t)+SPp(t)+Pe-gt(t)＝∑(Pe-ld(t)+Pe-ec(t)+Pe-eb(t))，其中，Pe-gr(t)是电网在t时刻的输出功率，Pe-pv(t)、Pe-wt(t)是在t时刻光伏和风机的输出功率；Pc(t)、Pp(t)表示混合动力电池在时间t功率；S＝1时为放电，S＝-1时为充电，S＝0时混合储能不工作，Pe-gt(t)是燃气轮机在t时刻发电功率；Pe-ld(t),Pe-ec(t),Pe-eb(t)分别是用户，电冰箱和电锅炉当时的用电负荷；
(2)热功率平衡：
Ph-cchp(t)+Ph-eb(t)＝Ph-load(t)+Ph-lb(t)，其中，Ph-load是用户的热负荷功率，kW；Ph-lb是溴化锂吸收式制冷机的热负荷，kW；Ph-cchp是冷热电三联供的热输出功率，kW；Ph-eb是电锅炉的输出功率，kW；
(3)冷功率平衡：
Pc-lbac(t)+Pc-er(t)＝Pc-load(t)，其中，Pc-lbac是吸收式制冷机的冷功率，kW；Pc-er是电制冷的冷功率，kW；Pc-load是用户的冷负荷，kW；
(4)混合储能约束：
混合储能的约束主要包括充放电功率约束、充电状态约束，具体约束如下：
其中，Ebat为能量型储能的容量，kWh；Nc为能量型储能的个数，Cbat为一个能量型储能的容量，Ah；Ubat为一个能量型储能的电压，V；Pbat为能量型储能的充放电功率，kW；ξbat为能量型储能的放电倍率；
其中，ESC_min ESC_max分别是能量型储能的最大最小容量，kWh；Np是能量型储能的个数；Csc是单个能量型储能容量，F；Uscmin与Uscmax分别为单个能量型储能允许的最大电压与最小电压，V；PSC_max为单个能量型储能的最大功率，kW；Iscmax为能量型储能的最大工作电流，A；其中，103与3.6*106为单位换算系数；
Ri-HES,C+Ri-HES,D∈(0,1)、
(5)园区已有设备运行约束：
在综合能源系统园区已有设备的基础上安装混合储能系统。在规划优化混合储能系统容量时，考虑原有设备运行约束，公式如下：
(6)能量传输网络约束：
为了保证能源输送网络的安全性，必须保证网络传输功率在一定约束范围之内：
其中，
分别是综合能源系统园区与电网的最大最小传输功率，kW；
与
为综合能源系统园区与天然气管网之间的最大最小传输功率。
3.根据权利要求1所述的基于混合储能的区域综合能源系统规划优化方法其特征在于：所述步骤S1中目标函数的构建过程如下：
1)配置混合储能后的综合能源系统年度运行成本主要包括储能设备的年度投资成本，以及综合能源系统的年度运行成本：F＝min Ctotol＝Cinv+Coco，其中Ctotol是年度总成本，Cinv是混合储能系统的年度成本，Coco是系统的年度运行成本；
(1)为了避免混合储能系统不同寿命期对规划的影响，将混合储能系统的初始投资转化为寿命期内的净年值，混合储能系统的等效年成本的计算公式如下：
(2)综合能源系统配置混合储能系统后的年度运行成本
综合能源系统配置混合储能系统后对能源购置成本以及设备维护成本造成影响，每年的运行成本包括与电网之间的电能交互成本，与天然气公司的交互成本以及所有设备的运行维护费用，计算模型如下：
Caoc＝Caoc-E+Caoc-NG+Caic
其中，Caoc-E是电源供应模块的运行成本，$；Coco-NG是天然气供应模块的运行成本，$；Caic是综合能源系统的运营成本，$；Mgrid-b为购电电价，通常为分时电价，$/kWh，Mgrid-s为卖电电价，通常为固定电价，$/kWh；Eb、Es分别为购电电量和售电电量，kWh，PG,i是天然气的输入功率，kWh；ΩN是天然气来源的集合，QNG是天然气的热值，9.97kWh/m3；COPi为各设备的能效比；MNG(t)是t时间的分时天然气价格，$/kWh；βHf,i、βEf,i、βGf,i分别为混合储能设备单位出力维护成本；电设备单位出力维护成本，天然气设备单位出力成本，$/kWh，ΩH是混合储能的集合，ΩE是发电机组的集合；PH是混合储能系统的输出功率，kW；PE是发电机组的输出功率，千瓦；PG是天然气源的输出功率kW。
4.根据权利要求1所述的基于混合储能的区域综合能源系统规划优化方法其特征在于：所述步骤S3中模拟混合储能在综合能源系统中的运行策略包括混合储能平抑波动运行策略和混合储能需求响应运行策略。
5.根据权利要求1所述的基于混合储能的区域综合能源系统规划优化方法其特征在于：所述步骤S3中利用雨流计数法计算电池的寿命的具体步骤为：
S31、假设电池状态的初始状态是：SOC1，然后储能电池放电到：SOC2。一个完整的周期是：SOC1-SOC2-SOC1半个周期为：DoD＝|SOC1-SOC2|；
S32雨水流量计数方法的计数规则如下：
(1)雨流从坐标系中所有点的内侧开始沿着屋面向下流动；
(2)若雨流的起点是峰值点，则雨流一直流到比起点更大的峰值点处为止；若雨流的起点是谷值点，则雨流一直流到比起点更小的谷值点处为止；
(3)若雨流遇到来自上面屋顶流下的雨流，便停止流动，并与上一层屋面的雨流构成一个全周期；
(4)确定各个全周期和半周期，各个周期的幅值即相应雨流的水平长度；
S33、根据储能电池放电深度与循环寿命之间的关系，拟合函数曲线：
其中Nc是储能电池第c次充放电循环的寿命，ai是拟合曲线的常数项，DDoD是第c次放电深度；
6.根据权利要求1所述的基于混合储能的区域综合能源系统规划优化方法其特征在于：所述步骤S4中的量子遗传算法的过程：
S41.令l＝1，初始化总体X(l)，随机生成各个参数θl ij、
并设置最大迭代代数Lmax；
S42.在初始化中对每个个体进行归一化，以获得每个变量和个体的值。
S43.找到个体适应性的价值；
S44.记录最佳个体适应度及参数对应值θl ij、
S45.判断当前这一代的最佳个体是否与前几代获得的最佳个体一致，并记录该最佳个体的出现次数；如果不满足输出条件，则对人口进行灾难性处理以增加其突变率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010995434.5A CN112365021A (zh) | 2020-09-21 | 2020-09-21 | 一种基于混合储能的区域综合能源系统规划优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010995434.5A CN112365021A (zh) | 2020-09-21 | 2020-09-21 | 一种基于混合储能的区域综合能源系统规划优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112365021A true CN112365021A (zh) | 2021-02-12 |
Family
ID=74516620
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010995434.5A Pending CN112365021A (zh) | 2020-09-21 | 2020-09-21 | 一种基于混合储能的区域综合能源系统规划优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112365021A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112966909A (zh) * | 2021-02-23 | 2021-06-15 | 国网山东省电力公司经济技术研究院 | 计及需求响应的区域综合能源系统的优化调度方法 |
| CN113205273A (zh) * | 2021-05-20 | 2021-08-03 | 国网山西省电力公司经济技术研究院 | 一种计及区外电能交易的低碳化电源规划方法及系统 |
| CN113780781A (zh) * | 2021-08-31 | 2021-12-10 | 国网河北省电力有限公司经济技术研究院 | 综合能源系统的扩容设备选取方法、装置及终端 |
| CN113807563A (zh) * | 2021-07-28 | 2021-12-17 | 国网能源研究院有限公司 | 一种计及不同功能模块运行特性的多站融合优化方法 |
| CN116307304A (zh) * | 2023-05-24 | 2023-06-23 | 电力规划总院有限公司 | 混合储能配置信息生成方法、装置、设备及可读存储介质 |
| CN117436672A (zh) * | 2023-12-20 | 2024-01-23 | 国网湖北省电力有限公司经济技术研究院 | 考虑等效循环寿命和温控负荷的综合能源运行方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109740827A (zh) * | 2019-02-14 | 2019-05-10 | 华北电力大学 | 一种基于双层优化的区域综合能源系统规划优化方法 |
-
2020
- 2020-09-21 CN CN202010995434.5A patent/CN112365021A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109740827A (zh) * | 2019-02-14 | 2019-05-10 | 华北电力大学 | 一种基于双层优化的区域综合能源系统规划优化方法 |
Non-Patent Citations (1)
| Title |
|---|
| YONG-LI WANG ET AL.: "Research on capacity planning and optimization of regional integrated energy system based on hybrid energy storage system", 《APPLIED THERMAL ENGINEERING》, vol. 180, no. 6390, pages 1 - 21 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112966909A (zh) * | 2021-02-23 | 2021-06-15 | 国网山东省电力公司经济技术研究院 | 计及需求响应的区域综合能源系统的优化调度方法 |
| CN113205273A (zh) * | 2021-05-20 | 2021-08-03 | 国网山西省电力公司经济技术研究院 | 一种计及区外电能交易的低碳化电源规划方法及系统 |
| CN113205273B (zh) * | 2021-05-20 | 2024-03-29 | 国网山西省电力公司经济技术研究院 | 一种计及区外电能交易的低碳化电源规划方法及系统 |
| CN113807563A (zh) * | 2021-07-28 | 2021-12-17 | 国网能源研究院有限公司 | 一种计及不同功能模块运行特性的多站融合优化方法 |
| CN113780781A (zh) * | 2021-08-31 | 2021-12-10 | 国网河北省电力有限公司经济技术研究院 | 综合能源系统的扩容设备选取方法、装置及终端 |
| CN116307304A (zh) * | 2023-05-24 | 2023-06-23 | 电力规划总院有限公司 | 混合储能配置信息生成方法、装置、设备及可读存储介质 |
| CN116307304B (zh) * | 2023-05-24 | 2023-09-29 | 电力规划总院有限公司 | 混合储能配置信息生成方法、装置、设备及可读存储介质 |
| CN117436672A (zh) * | 2023-12-20 | 2024-01-23 | 国网湖北省电力有限公司经济技术研究院 | 考虑等效循环寿命和温控负荷的综合能源运行方法及系统 |
| CN117436672B (zh) * | 2023-12-20 | 2024-03-12 | 国网湖北省电力有限公司经济技术研究院 | 考虑等效循环寿命和温控负荷的综合能源运行方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109165788B (zh) | 一种冷热电联供系统的优化方法 | |
| Jalili et al. | Stochastic optimal operation of a microgrid based on energy hub including a solar-powered compressed air energy storage system and an ice storage conditioner | |
| Ju et al. | A two-stage optimal coordinated scheduling strategy for micro energy grid integrating intermittent renewable energy sources considering multi-energy flexible conversion | |
| CN112365021A (zh) | 一种基于混合储能的区域综合能源系统规划优化方法 | |
| CN102184475B (zh) | 基于多时间尺度协调的微网经济运行优化调度方法 | |
| CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
| CN109861302B (zh) | 一种基于主从博弈的能源互联网日前优化控制方法 | |
| 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 | |
| Liu et al. | Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios | |
| CN112270433B (zh) | 考虑可再生能源不确定性和用户满意度的微电网优化方法 | |
| CN112600253B (zh) | 基于用能效率最优的园区综合能源协同优化方法及设备 | |
| Ren et al. | A novel planning method for design and dispatch of hybrid energy systems | |
| CN111668878A (zh) | 一种可再生微能源网的优化配置方法和系统 | |
| CN106529737A (zh) | 一种配电网供给侧调峰电源规划布局方法 | |
| Gao et al. | Optimal configuration for regional integrated energy systems with multi-element hybrid energy storage | |
| Ren et al. | Multitime scale coordinated scheduling for electric vehicles considering photovoltaic/wind/battery generation in microgrid | |
| CN110245810B (zh) | 一种区域能源互联网协调优化运行方法 | |
| Jiang et al. | Optimization of the operation plan taking into account the flexible resource scheduling of the integrated energy system | |
| CN115187018A (zh) | 一种园区综合能源系统双层优化调度方法及装置 | |
| jing Hu et al. | Capacity optimization of wind/PV/storage power system based on simulated annealing-particle swarm optimization | |
| CN115940284B (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
| CN116961008A (zh) | 计及电力弹簧与负荷需求响应的微电网容量双层优化方法 | |
| Yang et al. | Flexibility index for a distributed energy system design optimization | |
| CN115526381A (zh) | 一种面向能源互联网的零碳园区优化规划方法及装置 | |
| Wang et al. | Optimal planning and operation of typical rural integrated energy systems based on five-level energy hub |
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 |