CN112600253A - 基于用能效率最优的园区综合能源协同优化方法及设备 - Google Patents

基于用能效率最优的园区综合能源协同优化方法及设备 Download PDF

Info

Publication number
CN112600253A
CN112600253A CN202011293147.6A CN202011293147A CN112600253A CN 112600253 A CN112600253 A CN 112600253A CN 202011293147 A CN202011293147 A CN 202011293147A CN 112600253 A CN112600253 A CN 112600253A
Authority
CN
China
Prior art keywords
energy
power
heat
formula
storage
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011293147.6A
Other languages
English (en)
Other versions
CN112600253B (zh
Inventor
谢宝江
刘强
秦建
陈宏远
郑俊杰
娄伟明
邬玲彬
邹彤
陈鑫
张卫
罗扬帆
应国德
朱逸芝
丁宇海
梅丘梅
王泽荣
胡泊
孙蔚挺
温建阳
高强
冯龙
刘瑞
李鹏鹏
陈李丰
周灵江
林卫敏
谢钟霆
朱超
汪毅隆
曾卫东
葛伟
朱轶伦
杨克明
朱科霖
花卉
孔维怡
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.)
Taizhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Taizhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
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 Taizhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Taizhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202011293147.6A priority Critical patent/CN112600253B/zh
Publication of CN112600253A publication Critical patent/CN112600253A/zh
Application granted granted Critical
Publication of CN112600253B publication Critical patent/CN112600253B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F22—STEAM GENERATION
    • F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
    • F22B1/00—Methods of steam generation characterised by form of heating method
    • F22B1/22—Methods of steam generation characterised by form of heating method using combustion under pressure substantially exceeding atmospheric pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B15/00—Sorption machines, plants or systems, operating continuously, e.g. absorption type
    • F25B15/02—Sorption machines, plants or systems, operating continuously, e.g. absorption type without inert gas
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B21/00—Machines, plants or systems, using electric or magnetic effects
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/62—Absorption based systems
    • Y02B30/625—Absorption based systems combined with heat or power generation [CHP], e.g. trigeneration
    • 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
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Thermal Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Feedback Control In General (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于用能效率最优的园区综合能源协同优化方法，包括如下步骤：步骤S1：构建园区微电网设备单元模型；步骤S2：构建目标函数；该目标函数的约束条件包括供电平衡约束、供热平衡约束、供冷平衡约束、能量转换设备约束、蓄电池约束、储热罐约束、水蓄冷约束、与电网交互功率约束；步骤S3：求解目标函数；步骤S4：根据目标函数求解结果对园区综合能源进行协同优化。本发明还提供了一种电子设备。本发明利用改进粒子群算法对工商业园区综合能效进行分析，改进后的粒子群算法可提高综合能效最大值。

Description

基于用能效率最优的园区综合能源协同优化方法及设备
技术领域
本发明属于电力调度技术领域，尤其涉及工商业园区综合能效管理技术。
背景技术
当今世界，环境污染、能源短缺等问题日益严重，综合能源系统被认为是实现能源的低碳排放和高效运行的有效途径，将成为未来人类社会能源的主要承载形式，受到了广泛的关注。综合能源系统以电力系统为核心，统一规划调度电/气/冷/热等多种能源系统，提高能源利用率，促进可再生资源的开发与利用，对国民经济和社会发展产生极大的促进作用。园区综合能源系统(Integrated Community Energy System,ICES)依托于大型园区，如学校、居民社区、工业园区等，采用燃气轮机、热泵、制冷机等设备实现更加广泛的多能互补，为用户提供绿色、高效、可靠的供能服务，是当前综合能源系统的主要实现形式，具有广阔的应用前景。
我国电力体制正在启动新一轮深化改革工作，目的是实现电力商品属性，构建竞争性的电力市场。电网企业需在新的电力市场环境下提高业务覆盖面，发展能源综合服务，提升企业能效水平。新电改形势下，电网企业发展综合能源服务，是在提供输配售电服务的同时，利用自身资金、资源和技术优势，运用节能改造、用能监测、分布式新能源发电、冷热电三联供、储能等多种科学技术，积极探索改进新兴业务服务方式，来满足终端客户多元化能源生产与消费需求。
发明内容
本发明所要解决的技术问题就是提供一种基于用能效率最优的园区综合能源协同优化方法，提高能源利用效率。
为解决上述技术问题，本发明采用如下技术方案：
一种基于用能效率最优的园区综合能源协同优化方法，包括如下步骤：
步骤S1：构建园区微电网设备单元模型：包括分布式光伏发电模型、分布式风力发电模型、热电联产模型、燃气锅炉模型、电制冷模型、吸收式制冷模型、蓄电池模型、蓄热系统模型；
步骤S2：构建目标函数：
Figure BDA0002784557230000021
式中，Eout,i和Ein,i分别为系统能源形式i输出和输入功率；λi为能源形式i的能质系数；Le(t)、Lh(t)和Lc(t)分别为t时刻输出的电负荷、热负荷和冷负荷；Pe(t)和Pg(t)分别为t时刻输入的电功率和天然气功率；λe、λg、λh和λc分别为电能、气能、热能和冷能的能质系数；
该目标函数的约束条件包括供电平衡约束、供热平衡约束、供冷平衡约束、能量转换设备约束、蓄电池约束、储热罐约束、水蓄冷约束、与电网交互功率约束；
步骤S3：求解目标函数；
步骤S4：根据目标函数求解结果对园区综合能源进行协同优化。
本发明还提供了一种电子设备，包括至少一个处理器以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述的一种基于用能效率最优的园区综合能源协同优化方法。
本发明采用的技术方案，利用改进粒子群算法对工商业园区综合能效进行分析，改进后的粒子群算法可提高综合能效最大值。
本发明的具体技术方案及其有益效果将会在下面的具体实施方式中结合附图进行详细的说明。
附图说明
下面结合附图和具体实施方式对本发明作进一步描述：
图1是园区综合能源系统典型日负荷情况图；
图2是粒子群优化对比图。
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。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作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。
实施例一
本申请实施例提供了一种基于用能效率最优的园区综合能源协同优化方法，包括如下步骤：
步骤S1：构建园区微电网设备单元模型：包括分布式光伏发电模型、分布式风力发电模型、热电联产模型、燃气锅炉模型、电制冷模型、吸收式制冷模型、蓄电池模型、蓄热系统模型；
步骤S2：构建目标函数，该目标函数的约束条件包括供电平衡约束、供热平衡约束、供冷平衡约束、能量转换设备约束、蓄电池约束、储热罐约束、水蓄冷约束、与电网交互功率约束；
步骤S3：求解目标函数；
步骤S4：根据目标函数求解结果对园区综合能源进行协同优化。
目标函数的求解结果包括综合能源系统天然气、电的输入量，蓄电池的充、放电功率，电制冷的输入电功率，燃气锅炉输入气量。
本发明的技术方案具体如下：
1、ICES主要设备单元模型
(1)分布式光伏发电
光伏发电技术的原理是利用半导体材料的光伏效应将太阳能直接转化为电能。光伏发电数学模型如下：
Figure BDA0002784557230000041
式中，PPV为光伏输出功率(kW)；G为光照强度(kW/m2)；Ts为光伏电池表面温度(℃)；Pstc、Gstc、Tstc分别为标准测试条件下的最大输出功率(kW)、光照强度(kW/m2)、光伏电池表面温度(℃)；ε为光伏电池温度系数。
Ts＝Ta+0.0138·(1+0.031Ta)·(1-0.042u)·G (1.2)
式中，Ta为环境温度(℃)，u为风速(m/s)。
(2)分布式风力发电
风力发电相对于其他新能源发电技术已经较为成熟且应用也十分广泛，近几年更是不断取得突破。风力发电具有环境友好、可靠性高、成本低、规模效益显著等特点。风力发电的输出功率与风速相关，其数学模型如下：
Figure BDA0002784557230000042
式中，uci、uco、ur分别为切入风速、切出风速、额定风速(m/s)；Pwt为风机输出功率(kW)；Pr为风机额定输出功率(kW)；f(u)为降额输出功率曲线，通过三阶多项式拟合。
Figure BDA0002784557230000051
(3)热电联产模型
热电联产系统的核心装置为微型燃气轮机和余热锅炉。天然气燃烧时的高品位热能做功驱动微燃机发电，所排出的高温余热烟气经余热回收装置取暖及供应生活热水，提高了能源利用效率。其热电关系数学模型为：
Figure BDA0002784557230000052
Figure BDA0002784557230000053
式中，
Figure BDA0002784557230000054
分别为t时段微燃机的排期余热量、电功率、发电效率；ηL为散热损失率；
Figure BDA0002784557230000055
为时段t溴冷机制热量；Coph、ηh分别为溴冷机的制热系数和烟气回收率。
(4)燃气锅炉
燃气锅炉是常用的热源设备，相比于燃煤锅炉，其在环保性、经济性和制热效率等方面具备优势。当燃气轮机提供的回收热量不能满足用户的热负荷时，就需要燃气锅炉为部分热负荷提供热能。
QGB＝ηGBFGB (1.7)
式中，QGB为燃气锅炉产热量(kW)，ηGB为燃气锅炉的产热效率，FGB为燃气锅炉耗气量(m3)。
(5)电制冷
电制冷机是通过机械加压使制冷剂气体液化，利用液体制冷剂蒸发需要吸热的特性完成热能的转移，实现电能转化为冷能。仅从原理来看，电制冷机比吸收式制冷机的效率要高，因此在电价低谷时使用电制冷机能够提高整体运行经济性，同时能在冷负荷高峰吸收式制冷机无法满足冷负荷时起到辅助制冷作用。电制冷机输入电量与输出冷量的比值称为制冷系数，用COPEC表示，受其负载率的影响较小，工作特性表示为：
Figure BDA0002784557230000061
式中，
Figure BDA0002784557230000062
和
Figure BDA0002784557230000063
分别为时段t电制冷机输出的冷量和消耗的电量。
(6)吸收式制冷
吸收式制冷机是能量枢纽主要的制冷设备，发生器、冷凝器、蒸发器和吸收器等部件共同组成了制冷剂和吸收剂的两个循环回路。吸收式制冷机可以利用余热、废热等低位热能制取冷能，减少余热的热污染，提高热能综合利用效率，同时缓解夏日负荷高峰期电力供应紧张的局面，具有显著节能效应。同时，吸收式制冷机采用氨水溶液或溴化锂等作为工质，较传统氟利昂等制冷剂能大幅减少对大气臭氧层的影响。
定义热力系数COPAR为吸收式制冷机输入热量与输出冷量的比值，得到其工作特性为：
Figure BDA0002784557230000064
式中，
Figure BDA0002784557230000065
和
Figure BDA0002784557230000066
分别为t时段吸收式制冷机输出的冷量和消耗的热量。
(7)蓄电池
目前，电能存储的形式多种多样，为符合EH建模要求，本节考虑用蓄电池进行建模。
假设在Δt时间段内，蓄电池以一固定的功率进行充放电，则蓄电池的能量变化过程可用下式表示：
Figure BDA0002784557230000067
式中，PES,C和PES,D分别为蓄电池的充电功率和放电功率(kW)，
Figure BDA0002784557230000068
表示充放电前蓄电池的初始能量；
Figure BDA0002784557230000069
表示充放电后蓄电池中所存储的能量(kW﹒h)；σES为蓄电池的自放电系数；ηES,C、ηES,D分别表示蓄电池的充放电效率；Δt为时间间隔。
相应的，蓄电池的荷电状态SOC值可用如下表达式进行计算：
Figure BDA00027845572300000610
式中，SES表示蓄电池SOC值，WES,R表示蓄电池的额定容量(kW﹒h)，
Figure BDA0002784557230000071
表示为充放电后蓄电池中所存储的能量(kW﹒h)；其余变量与式(1.10)相同。
对于SOC值初始值的选择可分为两种形式，一是初始值取SOC最小值，二是使其与运行周期结束时SOC相等，表示如下：
Figure BDA0002784557230000072
Figure BDA0002784557230000073
式中，
Figure BDA0002784557230000079
为SOC值初始值，
Figure BDA00027845572300000710
为SOC最小值，
Figure BDA00027845572300000711
为运行周期结束时SOC值。
除此之外，蓄电池的充放电功率也受到电压及电池保护等因素的限制，该条件可用如下不等式方程组描述：
Figure BDA0002784557230000074
式中，
Figure BDA0002784557230000075
分别表示电池允许的储能最小值与电池允许的储存的能量最大值(kW﹒h)，
Figure BDA0002784557230000076
分别表示蓄电池充电和放电功率的最大值(kW)，
Figure BDA0002784557230000077
表示初始时刻的放电功率。
(8)蓄热系统
热能存储系统对于提高园区综合能源系统能量利用率有着重要的作用，这里蓄热系统包括蓄热和蓄冷两种模式，为简便分析，我们通常统一称为蓄热。蓄热系统在一定时间段内能量充放功率恒定，则热能存储系统中的能量变化可用下式表示：
Figure BDA0002784557230000078
式中，
Figure BDA00027845572300000712
分别为蓄热系统中能量存储与能量释放前后的储能量(kW﹒h)，QTS.C、QTS.D分别表示热能系统的冲热和放热功率(kW)，σTSσTS表示热能存储系统自放热系数，ηTS.C、ηTS.D分别表示系统进行能量存储与释放时的效率。蓄热系统放热后系统的储能水平为；
Figure BDA0002784557230000081
式中，STS为热能存储系统的SOC值，
Figure BDA0002784557230000082
表示热能存储系统存储容量的额定值(kW·h)，其余变量与式(1.15)相同。
对于SOC值初始值的选择可分为两种形式，一是使初始值取SOC最小值，二是使其与运行周期结束时SOC值相等，表示如下；
Figure BDA0002784557230000083
Figure BDA0002784557230000084
式中，
Figure BDA0002784557230000089
为SOC值初始值，
Figure BDA00027845572300000810
为SOC最小值，
Figure BDA00027845572300000811
为运行周期结束时SOC值。
为保证系统能够平滑不间断运行，将对热能存储系统设置储能量的上下限约束；
Figure BDA0002784557230000085
式中，
Figure BDA00027845572300000812
分别表示热能存储系统存储热量的上下限值(kW·h)。
其蓄放热功率也需满足如下约束条件：
Figure BDA0002784557230000086
式中，
Figure BDA0002784557230000087
分别表示热能存储系统充放热功率的最大值(kW)，
Figure BDA0002784557230000088
为初始放热功率。
提高能量利用效率是ICES规划的重要任务之一，但目前研究却较少将其作为优化目标加以考虑。传统能量效率的定义仅计及了能量在数量上的变化，而忽视了能量在品质上的差异，无法准确地衡量ICES的能量利用水平。因此，针对区域综合能源系统输入的多种异质能源，引入能源系数将外购电折算到发电侧消耗的一次能源，以充分评估区域综合能源系统对一次能源的利用率；利用“能质系数”将不同能级的能源折算到同一能级水平对终端用户的冷/热需求进行等效电换算；将系统为满足终端用户纯电需求、热量需求和冷量需求的总量与输入区域综合能源系统的非可再生能源总量的比值，定义为本章的区域综合能源系统的能源利用效率。
2、能质系数简介
能源不仅有“数量”的概念，即能量的多少，还有“质量”的概念，即品位(能级)的高低或做功能力的大小。能源的高效利用不仅要从数量上考虑，而且还要从质量上考虑。从合理的能源供应角度出发，将不同能源对外所能够做的功和其总能量的比值定义为不同能源的能质系数λ，其表达式为：
Figure BDA0002784557230000091
式中：We,avi为该能源中可以转化为功的部分；We.total为该种能源的总能量。
电能是最高品位的能源，能够全部转化为功，故其能质系数为1，将各种能源换算为等效电，能够将不同能源的品位联系起来，并由此可以计算出其他形式的能质系数。能源供应环节的能源能质系数仅受能量的种类、形态和温度以及环境温度的影响，能质系数是反映能源做功的能力，在标准外部环境下，能源的做功能力是一个固定值，不随转化设备的不同而发生变化。当设备种类及其所带负荷发生变化时，对应设备的转化效率也会随之发生变化，最终导致在相同能源输入的情况下，能源输出产物不同和系统效率不同现象的发生。所以，系统效率发生变化是由设备的转化效率导致，而不是由于能源的能质系数，由于在标准外部环境下，能源的做功能力(即能质系数)是一个定值，发生变化的是设备的转化效率。因此，需要充分利用综合能源系统互补的优势，在满足用户需求的情况下，选用转化效率高的设备对标准环境下做功能力为固定值的能源进行利用，提高系统的整体效率。
3、ICES用能效率分析与建模
传统的能源系统对冷/热/电各单一能源系统进行独立的规划和运行，无法实现能源的梯级利用和互补耦合，造成了能源极大的浪费和消耗。冷/热/电多种能源系统在能源供应环节、能源转换环节、能源传输环节、能源存储环节和能源需求环节的耦合互补和协同运行是区域综合能源系统的特色。电力、燃气及可再生能源等多种能源通过区域综合能源系统转化为用户需求的电力和冷/热量，使得实现多种能源的综合利用成为可能。
热力学第二定律认为机械能是品质最高的能量形式，将其能质系数值设为1，并作为其他形式能量的标准。然而，由于机械能难以传输和储存，因此在ICES中并不常见，取而代之的是更加常见的电能。可认为电能与机械能具有同等能量品质，即：
λe＝λm＝1 (1.22)
式中：λe为电能的能质系数；λm为机械能的能质系数。
将各种能源换算为等效电，能够将不同能源的品位联系起来，夏季参考温度为302.2K，冬季参考温度为271.9K，由此可以计算出其他形式能源的能质系数，如表1所示：
表1能源能质系数表
Figure BDA0002784557230000101
4、目标函数
该区域综合能源系统的优化运行是在满足ICES的运行约束下，通过对能源的调度调整，使用能效率最优，目标函数为：
Figure BDA0002784557230000102
5、约束条件
(1)供电平衡约束
Figure BDA0002784557230000103
式中，
Figure BDA0002784557230000104
为光伏和风电在第t时刻经变压器的出力值；
Figure BDA0002784557230000105
为第t时刻从电网经变压器输入至ICES的电功率；PCHP(t)为CHP第t时刻所产生的电功率；Ps(t)为第t时刻电储能装置的出力值；PL(t)为第t时刻需求侧负荷总功率；PEC(t)为t时刻输入到电制冷的电功率。
(2)供热平衡约束
HGB(t)+HCHP(t)+Hs(t)＝HL(t)+HAR(t) (1.25)
式中，HGB(t)、HCHP(t)分别为GB、CHP在第t时刻产生的热功率；Hs(t)为第t时刻热储能装置出力大小；HL(t)为第t时刻需求侧热负荷量；HAR(t)为第t时刻分配到AR中的热功率。
(3)供冷平衡约束
CEC(t)+CAR(t)+Cs(t)＝CL(t) (1.26)
式中，CEC(t)和CAR(t)分别表示为第t时刻EC和AR设备的供冷功率；Cs(t)为第t时刻水蓄冷的出力值；CL(t)表示为第t时刻冷负荷需求量。
(4)能量转换设备约束
能量转换元件包括热电联产(CHP)、燃气锅炉(GB)、电制冷(EC)、吸收式制冷(AR)，其运行需满足如下公式：
Figure BDA0002784557230000111
Figure BDA0002784557230000112
QGB＝ηGBFGB
Figure BDA0002784557230000113
所有设备均需要工作在允许的范围内，其出力不可超过其最大功率，
Figure BDA0002784557230000115
Figure BDA0002784557230000116
分别表示为热电联产产电、产热、燃气锅炉产热、电制冷产冷和吸收式制冷产冷的最大功率。则t时刻各设备出力需满足如下约束：
Figure BDA0002784557230000114
(5)蓄电池约束
Figure BDA0002784557230000121
式中，
Figure BDA0002784557230000126
表示蓄电池的充放电功率上下限约束，SOCmin、SOCmax为蓄电池最大最小容量，同时蓄电池的运行还应满足同一时段只能处于充放电一种状态，经过一个调度周期后其蓄电量回到初始状态；Pbat,ch(t)和Pbat,dis(t)分别表示t时刻蓄电池充电功率和放电功率；SOC(0)和SOC(t)表示为0时刻和t时刻蓄电池SOC值。
(6)储热罐约束
Figure BDA0002784557230000122
式中，
Figure BDA0002784557230000123
表示为储热罐充放热功率上下限约束，
Figure BDA0002784557230000127
为储热罐储热最大最小容量，同时还应满足同一时段储热罐只能是充放热一种状态，并且经过一个调度周期后其蓄热量回到初始状态；Hht,ch(t)和Hht,dis(t)分别表示t时刻储热罐储热功率和放热功率；Qh(0)和Qh(t)表示为0时刻和t时刻储热罐容量值。
(7)水蓄冷约束
Figure BDA0002784557230000124
式中，
Figure BDA0002784557230000125
表示为水蓄冷设备蓄冷放冷功率的上下限约束，
Figure BDA0002784557230000128
为水蓄冷最大最小容量，同时还应满足同一时段水蓄冷只能是蓄冷，放冷一种状态，并且经过一个周期后其蓄冷量回到初始状态；Cct,ch(t)和Cct,dis(t)分别表示t时刻水蓄冷储冷功率和放冷功率；Qc(0)和Qc(t)表示为0时刻和t时刻水蓄冷容量值。
(8)与电网交互功率约束
Figure BDA0002784557230000131
式中，
Figure BDA00027845572300001310
和
Figure BDA00027845572300001311
表示为与电网之间售电功率的上下限值。
6、改进粒子群算法
一般粒子群算法粒子位置
Figure BDA0002784557230000132
和速度公式
Figure BDA0002784557230000133
为：
Figure BDA0002784557230000134
Figure BDA0002784557230000135
式中，k为迭代次数；ω为惯性权重系数；c1和c2为学习因子；
Figure BDA0002784557230000136
为粒子个体最优值位置；
Figure BDA0002784557230000137
为全局最优位置；
Figure BDA0002784557230000138
为粒子k此迭代时的位置。
由于所构建的综合能源系统含多个变量及约束条件，容易陷入局部最优，寻优性差。因此对基本粒子群算法进行改进。
在基本粒子群算法中，ω、c1和c2基本保持不变，现将其随着迭代次数变化，如式(1.34)所示：
Figure BDA0002784557230000139
式中，kcur代表当前迭代次数；kmax代表最大迭代次数；c1f和c2f分别代表学习因子的最终取值；c1i和c2i分别代表学习因子的初始值。
粒子群算法具体步骤可以总结如下：
步骤1：输入各设备变量初始数据，风电及光伏功率数据。
步骤2：初始化粒子群(即各变量值)，设群体规模为m，在允许范围内随机设置每个粒子的初始位置xi和速度vi，每个粒子的个体极值pi，取其初始化为xi，全局极值pg初始化为所有粒子中适应值评价最好的。
步骤3：评价每个粒子的适应值，即计算每个粒子的适应函数值。
步骤4：更新个体最优值pi；对每个粒子，将其适应值和个体最优值pi比较，如果优于pi，则替换pi。
步骤4：更新全局极值pg；对每个粒子，将其适应值与全局极值pg比较，如果优于pg，则替换pg。
步骤5：根据公式(1.32)、(1.33)和(1.34)更新粒子的位置和速度。
步骤6：检查终止条件，若满足条件，则终止迭代，输出最优结果，否则返回。其中，粒子的适应值就是该粒子位置变量的适应函数的对应值。粒子根据适应值来更新pi和pg。
算例及结果分析
参数设置
为验证优化模型的合理性，选取图1所示园区的夏季典型日为算例，以次日为一个调度周期，采样时间为1h，分为24个时段进行调度。CHP中燃气轮机跟随电负荷出力，产生的余热用于供给热负荷和溴化锂制冷所需热量，不足的部分有燃气锅炉提供。
蓄电池、储热罐和水蓄冷的额定容量为200kW·h，最低容量为额定容量的40％，最大容量为额定容量的95％。夏季电、热、冷负荷预测数据如图1所示。表2为该地区各时段的购电分时电价。
为满足系统用能需求，选取5类能源转换设备、3类储能设备为待选设备为系统供能，其具体情况及参数如下所示：
表2待选用能源转换设备参数表
Figure BDA0002784557230000141
Figure BDA0002784557230000151
表3待选用储能设备参数表
编号 设备 蓄能效率 释能效率
1 电储能 0.95 0.95
2 储热 0.95 0.95
3 储冷 0.95 0.95
结果分析
由能效进化曲线图可知，随着迭代次数的增加，能源利用效率逐渐趋于稳定，最终当迭代次数达到50次时，能源利用效率不再变化。图2中，线1为粒子群改进后的结果，线2为基本粒子群的结果，由图可知，改进后能源利用效率比改进前有所提高，其中基本粒子群最终得出的最大能效为η＝14.8％，粒子群改进后得出的最大能效为η＝15.3％。因此粒子群算法经改进后可明显提高系统能源效率。
实施例二
本申请实施例提供了一种电子设备，包括至少一个处理器以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行所述的一种基于用能效率最优的园区综合能源协同优化方法。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，熟悉该本领域的技术人员应该明白本发明包括但不限于上面具体实施方式中描述的内容。任何不偏离本发明的功能和结构原理的修改都将包括在权利要求书的范围中。

Claims (5)

1.一种基于用能效率最优的园区综合能源协同优化方法，其特征在于，包括如下步骤：
步骤S1：构建园区微电网设备单元模型：包括分布式光伏发电模型、分布式风力发电模型、热电联产模型、燃气锅炉模型、电制冷模型、吸收式制冷模型、蓄电池模型、蓄热系统模型；
步骤S2：构建目标函数：
Figure FDA0002784557220000011
式中，Eout，i和Ein，i分别为系统能源形式i输出和输入功率；λi为能源形式i的能质系数；Le(t)、Lh(t)和Lc(t)分别为t时刻输出的电负荷、热负荷和冷负荷；Pe(t)和Pg(t)分别为t时刻输入的电功率和天然气功率；λe、λg、λh和λc分别为电能、气能、热能和冷能的能质系数；
该目标函数的约束条件包括供电平衡约束、供热平衡约束、供冷平衡约束、能量转换设备约束、蓄电池约束、储热罐约束、水蓄冷约束、与电网交互功率约束；
步骤S3：求解目标函数；
步骤S4：根据目标函数求解结果对园区综合能源进行协同优化。
2.根据权利要求1所述的一种基于用能效率最优的园区综合能源协同优化方法，其特征在于：所述园区微电网设备单元模型中：
(1)分布式光伏发电数学模型如下：
Figure FDA0002784557220000012
式中，PPV为光伏输出功率(kW)；G为光照强度(kW/m2)；Ts为光伏电池表面温度(℃)；Pstc、Gstc、Tstc分别为标准测试条件下的最大输出功率(kW)、光照强度(kW/m2)、光伏电池表面温度(℃)；ε为光伏电池温度系数；
Ts＝Ta+0.0138·(1+0.031Ta)·(1-0.042u)·G (1.2)
式中，Ta为环境温度(℃)，u为风速(m/s)；
(2)分布式风力发电数学模型如下：
Figure FDA0002784557220000021
式中，uci、uco、ur分别为切入风速、切出风速、额定风速(m/s)；Pwt为风机输出功率(kW)；Pr为风机额定输出功率(kW)；f(u)为降额输出功率曲线，通过三阶多项式拟合，
Figure FDA0002784557220000022
(3)热电联产模型中热电关系数学模型为：
Figure FDA0002784557220000023
Figure FDA0002784557220000024
式中，
Figure FDA0002784557220000025
分别为t时段微燃机的排期余热量、电功率、发电效率；ηL为散热损失率；
Figure FDA0002784557220000026
为时段t溴冷机制热量；Coph、ηh分别为溴冷机的制热系数和烟气回收率；
(4)燃气锅炉数学模型
QGB＝ηGBFGB (1.7)
式中，QGB为燃气锅炉产热量(kW)，ηGB为燃气锅炉的产热效率，FGB为燃气锅炉耗气量(m3)；
(5)电制冷数学模型
电制冷机输入电量与输出冷量的比值称为制冷系数，用COPEC表示，受其负载率的影响较小，工作特性表示为：
Figure FDA0002784557220000027
式中，
Figure FDA0002784557220000031
和
Figure FDA0002784557220000032
分别为时段t电制冷机输出的冷量和消耗的电量；
(6)吸收式制冷数学模型
定义热力系数COPAR为吸收式制冷机输入热量与输出冷量的比值，得到其工作特性为：
Figure FDA0002784557220000033
式中，
Figure FDA0002784557220000034
和
Figure FDA0002784557220000035
分别为t时段吸收式制冷机输出的冷量和消耗的热量；
(7)蓄电池数学模型
用蓄电池进行建模，假设在Δt时间段内，蓄电池以一固定的功率进行充放电，则蓄电池的能量变化过程可用下式表示：
Figure FDA0002784557220000036
式中，PES，C和PES，D分别为蓄电池的充电功率和放电功率(kW)，
Figure FDA0002784557220000037
表示充放电前蓄电池的初始能量；
Figure FDA0002784557220000038
表示充放电后蓄电池中所存储的能量(kW·h)，σES为蓄电池的自放电系数，ηES，C、ηES，D分别表示蓄电池的充放电效率；Δt为时间间隔；
相应的，蓄电池的荷电状态SOC值可用如下表达式进行计算：
Figure FDA0002784557220000039
式中，SES表示蓄电池SOC值，WES，R表示蓄电池的额定容量(kW·h)；
Figure FDA00027845572200000310
表示为充放电后蓄电池中所存储的能量(kW·h)；
对于SOC值初始值的选择可分为两种形式，一是初始值取SOC最小值，二是使其与运行周期结束时SOC相等，表示如下：
Figure FDA00027845572200000311
Figure FDA00027845572200000312
式中，
Figure FDA00027845572200000313
为SOC值初始值，
Figure FDA00027845572200000314
为SOC最小值，
Figure FDA00027845572200000315
为运行周期结束时SOC值；
蓄电池的充放电功率也受到相关因素限制，该条件可用如下不等式方程组描述：
Figure FDA0002784557220000041
式中，
Figure FDA0002784557220000042
分别表示电池允许的储能最小值与电池允许的储存的能量最大值(kW·h)，
Figure FDA0002784557220000043
分别表示蓄电池充电和放电功率的最大值(kW)，
Figure FDA0002784557220000044
表示初始时刻的放电功率；
(8)蓄热系统
蓄热系统在Δt时间段内能量充放功率恒定，能量变化可用下式表示：
Figure FDA0002784557220000045
式中，
Figure FDA0002784557220000046
分别为蓄热系统中能量存储与能量释放前后的储能量(kW·h)，QTS.C、QTS.D分别表示热能系统的冲热和放热功率(kW)，σTS表示热能存储系统自放热系数，ηTS.C、ηTS.D分别表示系统进行能量存储与释放时的效率；
蓄热系统放热后系统的储能水平为；
Figure FDA0002784557220000047
式中，STS为热能存储系统的SOC值，
Figure FDA0002784557220000048
表示热能存储系统存储容量的额定值(kW·h)。
3.根据权利要求2所述的一种基于用能效率最优的园区综合能源协同优化方法，其特征在于：所述目标函数的约束条件中：
(1)供电平衡约束
Figure FDA0002784557220000049
式中，
Figure FDA00027845572200000410
为光伏和风电在第t时刻经变压器的出力值；
Figure FDA00027845572200000411
为第t时刻从电网经变压器输入至ICES的电功率；PCHp(t)为CHP第t时刻所产生的电功率；Ps(t)为第t时刻电储能装置的出力值；PL(t)为第t时刻需求侧负荷总功率；PEC(t)为t时刻输入到电制冷的电功率；
(2)供热平衡约束
HGB(t)+HCHP(t)+Hs(t)＝HL(t)+HAR(t) (1.25)
式中，HGB(t)、HCHP(t)分别为GB、CHP在第t时刻产生的热功率；Hs(t)为第t时刻热储能装置出力大小；HL(t)为第t时刻需求侧热负荷量；HAR(t)为第t时刻分配到AR中的热功率；
(3)供冷平衡约束
CEC(t)+CAR(t)+Cs(t)＝CL(t) (1.26)
式中，CEC(t)和CAR(t)分别表示为第t时刻EC和AR设备的供冷功率；Cs(t)为第t时刻水蓄冷的出力值；CL(t)表示为第t时刻冷负荷需求量；
(4)能量转换设备约束
能量转换设备包括热电联产CHP、燃气锅炉GB、电制冷EC、吸收式制冷AR，其运行需满足如下公式：
Figure FDA0002784557220000051
Figure FDA0002784557220000052
QGB＝ηGBFGB
Figure FDA0002784557220000053
所有设备均需要工作在允许的范围内，其出力不可超过其最大功率，
Figure FDA0002784557220000054
Figure FDA0002784557220000055
分别表示为热电联产产电、产热、燃气锅炉产热、电制冷产冷和吸收式制冷产冷的最大功率，则t时刻各设备出力需满足如下约束：
Figure FDA0002784557220000056
(5)蓄电池约束
Figure FDA0002784557220000061
式中，
Figure FDA0002784557220000062
表示蓄电池的充放电功率上下限约束，SOCmin、SOCmax为蓄电池最大最小容量，同时蓄电池的运行还应满足同一时段只能处于充放电一种状态，经过一个调度周期后其蓄电量回到初始状态；Pbat，ch(t)和Pbat，dis(t)分别表示t时刻蓄电池充电功率和放电功率；SOC(0)和SOC(t)表示为0时刻和t时刻蓄电池SOC值；
(6)储热罐约束
Figure FDA0002784557220000063
式中，
Figure FDA0002784557220000064
表示为储热罐充放热功率上下限约束，
Figure FDA0002784557220000065
为储热罐储热最大最小容量，同时还应满足同一时段储热罐只能是充放热一种状态，并且经过一个调度周期后其蓄热量回到初始状态；Hht，ch(t)和Hht，dis(t)分别表示t时刻储热罐储热功率和放热功率；Qh(0)和Qh(t)表示为0时刻和t时刻储热罐容量值；
(7)水蓄冷约束
Figure FDA0002784557220000066
式中，
Figure FDA0002784557220000067
表示为水蓄冷设备蓄冷放冷功率的上下限约束，
Figure FDA0002784557220000068
为水蓄冷最大最小容量，同时还应满足同一时段水蓄冷只能是蓄冷，放冷一种状态，并且经过一个周期后其蓄冷量回到初始状态；Cct，ch(t)和Cct，dis(t)分别表示t时刻水蓄冷储冷功率和放冷功率；Qc(0)和Qc(t)表示为0时刻和t时刻水蓄冷容量值；
(8)与电网交互功率约束
Figure FDA0002784557220000071
式中，
Figure FDA0002784557220000072
和
Figure FDA0002784557220000073
表示为与电网之间售电功率的上下限值。
4.根据权利要求2所述的一种基于用能效率最优的园区综合能源协同优化方法，其特征在于：采用改进粒子群算法求解目标函数
如式(1.34)所示：
Figure FDA0002784557220000074
式中，kcur代表当前迭代次数；kmax代表最大迭代次数；c1f和c2f分别代表学习因子的最终取值；c1i和c2i分别代表学习因子的初始值。
5.一种电子设备，其特征在于，包括至少一个处理器以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-4中任一所述的一种基于用能效率最优的园区综合能源协同优化方法。
CN202011293147.6A 2020-11-18 2020-11-18 基于用能效率最优的园区综合能源协同优化方法及设备 Active CN112600253B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011293147.6A CN112600253B (zh) 2020-11-18 2020-11-18 基于用能效率最优的园区综合能源协同优化方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011293147.6A CN112600253B (zh) 2020-11-18 2020-11-18 基于用能效率最优的园区综合能源协同优化方法及设备

Publications (2)

Publication Number Publication Date
CN112600253A true CN112600253A (zh) 2021-04-02
CN112600253B CN112600253B (zh) 2022-12-02

Family

ID=75183249

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011293147.6A Active CN112600253B (zh) 2020-11-18 2020-11-18 基于用能效率最优的园区综合能源协同优化方法及设备

Country Status (1)

Country Link
CN (1) CN112600253B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113361123A (zh) * 2021-06-21 2021-09-07 哈尔滨工业大学 一种基于批量自动化热仿真的产品降额设计方法
CN113361779A (zh) * 2021-06-08 2021-09-07 深圳供电局有限公司 一种商业用电优化方法及系统、存储介质
CN114371619A (zh) * 2021-12-17 2022-04-19 上海电力大学 一种mgt-cchp变工况动态能效优化控制方法
CN115619145A (zh) * 2022-10-14 2023-01-17 国网江苏省电力有限公司电力科学研究院 用于综合能源系统的协同控制方法、装置及计算机设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018036926A (ja) * 2016-09-01 2018-03-08 株式会社日立製作所 マイクログリッドの運転計画システムおよび方法
CN109784573A (zh) * 2019-01-24 2019-05-21 南方电网科学研究院有限责任公司 一种能源互联网多目标优化方法及装置
CN109800996A (zh) * 2019-01-30 2019-05-24 南方电网科学研究院有限责任公司 一种综合能源系统能效评价方法及装置
CN110298556A (zh) * 2019-06-06 2019-10-01 天津大学 一种基于能量价值的多能协同园区能源利用效率控制方法
CN110533225A (zh) * 2019-08-07 2019-12-03 华北电力大学 一种基于机会约束规划的商业园区综合能源系统优化调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018036926A (ja) * 2016-09-01 2018-03-08 株式会社日立製作所 マイクログリッドの運転計画システムおよび方法
CN109784573A (zh) * 2019-01-24 2019-05-21 南方电网科学研究院有限责任公司 一种能源互联网多目标优化方法及装置
CN109800996A (zh) * 2019-01-30 2019-05-24 南方电网科学研究院有限责任公司 一种综合能源系统能效评价方法及装置
CN110298556A (zh) * 2019-06-06 2019-10-01 天津大学 一种基于能量价值的多能协同园区能源利用效率控制方法
CN110533225A (zh) * 2019-08-07 2019-12-03 华北电力大学 一种基于机会约束规划的商业园区综合能源系统优化调度方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吴京锴: "多能源协同园区综合能效评价与规划方法", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 *
吴京锴等: "基于能量价值的多能协同园区能源利用效率指标", 《电力系统自动化》 *
胡袅等: "考虑能量品质的区域综合能源系统多目标规划方法", 《电力系统自动化》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113361779A (zh) * 2021-06-08 2021-09-07 深圳供电局有限公司 一种商业用电优化方法及系统、存储介质
CN113361123A (zh) * 2021-06-21 2021-09-07 哈尔滨工业大学 一种基于批量自动化热仿真的产品降额设计方法
CN113361123B (zh) * 2021-06-21 2022-02-08 哈尔滨工业大学 一种基于批量自动化热仿真的产品降额曲线设计方法
CN114371619A (zh) * 2021-12-17 2022-04-19 上海电力大学 一种mgt-cchp变工况动态能效优化控制方法
CN114371619B (zh) * 2021-12-17 2024-04-23 上海电力大学 一种mgt-cchp变工况动态能效优化控制方法
CN115619145A (zh) * 2022-10-14 2023-01-17 国网江苏省电力有限公司电力科学研究院 用于综合能源系统的协同控制方法、装置及计算机设备
CN115619145B (zh) * 2022-10-14 2024-03-19 国网江苏省电力有限公司电力科学研究院 用于综合能源系统的协同控制方法、装置及计算机设备

Also Published As

Publication number Publication date
CN112600253B (zh) 2022-12-02

Similar Documents

Publication Publication Date Title
Liu et al. Two-phase collaborative optimization and operation strategy for a new distributed energy system that combines multi-energy storage for a nearly zero energy community
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
CN104392286B (zh) 考虑冷热电联供和储能运行策略的微电网运行优化方法
CN113344736A (zh) 一种园区级综合能源系统及其控制方法
Guo et al. Multi-objective optimization design and multi-attribute decision-making method of a distributed energy system based on nearly zero-energy community load forecasting
Liu et al. Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios
CN111737884B (zh) 一种含多种清洁能源微能源网多目标随机规划方法
CN111144707A (zh) 基于能源枢纽的多能源系统协同规划建模方法
Yuan et al. Performance analysis of thermal energy storage in distributed energy system under different load profiles
Li et al. Capacity design of a distributed energy system based on integrated optimization and operation strategy of exergy loss reduction
CN110555618A (zh) 基于改进樽海鞘算法的网络化综合能源系统优化调度方法
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
CN112165122A (zh) 一种综合能源系统的运行方法及系统
CN109510241A (zh) 工业园区风光燃储能能源的并网模式优化配置系统及方法
CN105955931A (zh) 面向高密度分布式光伏消纳的区域能源网络优化调度方法
CN109685332A (zh) 一种综合能源多主体利益均衡优化调度方法及设备
Yuan et al. A control strategy for distributed energy system considering the state of thermal energy storage
CN108197412B (zh) 一种多能源耦合能量管理系统及优化方法
Wu et al. Optimal design method and benefits research for a regional integrated energy system
CN114997460A (zh) 考虑可再生能源最大消纳的区域型微能源网运行优化方法
CN114648173A (zh) 一种基于多目标蚁狮算法的建筑综合能源系统的规划方法
Yiru et al. A modified particle swarm optimization based algorithm for the energy management strategy of a regional integrated energy system
Bian et al. Optimal Planning Method of Integrated Energy System Considering Carbon Cost from the Perspective of the Whole Life Cycle
Anatone et al. A comprehensive model for the optimal design and management of Distributed Generation systems
Zhou et al. Research on Modeling Method of Comprehensive Energy User Load in Load-intensive City Smart Park

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