CN112636391A - 一种风光储分布式能源系统容量配置方法 - Google Patents
一种风光储分布式能源系统容量配置方法 Download PDFInfo
- Publication number
- CN112636391A CN112636391A CN202011449037.4A CN202011449037A CN112636391A CN 112636391 A CN112636391 A CN 112636391A CN 202011449037 A CN202011449037 A CN 202011449037A CN 112636391 A CN112636391 A CN 112636391A
- Authority
- CN
- China
- Prior art keywords
- value
- wind
- load
- annual
- power generation
- 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
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
- H02J3/381—Dispersed generators
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- 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
- 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Power Engineering (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及分布式发电系统容量配置优化研究,特别涉及一种风光储分布式能源系统容量配置方法。本发明建立了风光储分布式发电系统数学模型,以费用年值为优化目标函数,建立了系统电负荷平衡约束,建立了一个完整的容量配置优化模型,采用最小最大后悔值优化来增强负荷条件变动情况下系统经济效益的鲁棒性,该方法对于系统经济运行具有重要意义。
Description
技术领域
本发明涉及分布式发电系统容量配置优化研究,特别涉及一种风光储分布式能源系统容量配置方法。
背景技术
由于可再生能源环保性能优良、资源分布广泛、适宜就地开发利用,近年来,含储能装置的风光互补分布式发电系统得到了越来越广泛的应用。分布式发电系统的容量配置对于系统经济效益具有重要影响,同时该类系统的容量配置具体由用户电负荷决定,因此,电负荷的不确定性对于风光储分布式能源系统的经济效益会产生重要影响,采用考虑负荷不确定性的容量配置优化方法对于风光储分布式发电系统的设计具有重要意义。
在目前的分布式发电系统容量配置研究中,大多数研究者采用用户的负荷预测值作为分布式发电系统容量配置优化的负荷依据,以此设计出来的分布式发电系统在实际运行过程,往往会因为预测负荷值与实际负荷值的偏差,导致系统设备投资浪费或者不足,经济效益无法得到充分发挥,在极端情况下可能会陷入弃风、弃光甚至停机的尴尬境地,为了充分发挥风光储分布式发电系统的经济效益,有必要研究考虑负荷不确定因素的系统容量配置优化方法,从而为该类系统的优化设计提供科学指导。
发明内容
本发明的目的在于提供一种风光储分布式能源系统容量配置方法,充分发挥该类系统的经济效益,为该类系统的设计优化提供指导。包括以下步骤:
(一)建立风光储分布式发电系统数学模型;
(二)确定优化过程中的目标函数、决策变量、约束条件以及各设备配置方案;
(三)基于负荷不确定性,采用最小最大后悔值法进行鲁棒优化配置,获取最优方案。
所述步骤(一)中,分别建立光伏发电系统、风力发电系统和蓄电池数学模型,通过电量平衡构成风光储分布式发电系统;
(1)太阳能光伏组件数学模型
Ppv,i=Spv·Ipv,i·ηpv,i
Epv=Ppv,i·Δt
式中:Epv表示Δt时间段内光伏发电系统的累积发电量/kWh;Ppv,i表示太阳能光伏i时刻发电功率/kW;Spv表示太阳能光伏板面积/m2;Ipv,i表示单位面积光伏板i时刻接收太阳辐射量/kW·h·m-2;ηpv,i表示太阳能光伏i时刻发电效率;
(2)风力发电数学模型
Ewt=Pwt,i·Δt
式中,Pwt为风机输出功率;v为风机轮毂高度处的风速;vci、vr、vco分别为风机切入风速、额定风速、切出风速;Pwt-rate为风机的额定功率;A、B、C为风机风速功率特性曲线参数,对于不同风机会有所不同,可根据风机厂家提供的风速功率曲线经过多项式拟合获得。Ewt表示Δt时间段内风力发电系统的累积发电量/kWh;
(3)蓄电池数学模型
当电力供应大于电负荷需求时,蓄电池对电能进行存储:
EES(i)=(1-σES)·EES(i-1)+PES,c(i)·ηES,c·Δt
0<ηES,c<1
当电力供应小于电负荷需求时,蓄电池对电能进行释放:
EES(i)=(1-σES)·EES(i-1)-PES,d(i)/ηES,d·Δt
0<ηES,d<1
式中:EES(i)为蓄电池i时刻蓄电池剩余电能/kW·h;σES为蓄电池自身能量损耗率;PES,c(i)为蓄电池i时刻储电功率/kW;ηES,c为蓄电池充电效率;PES,d(i)为蓄电池i时刻放电功率/kW;ηES,d为蓄电池放电效率。
所述步骤(二)中,确定优化过程中的目标函数、约束条件以及各设备配置方案;
为了体现风光储系统的经济性,采用费用年值作为优化配置的目标函数:
AC=ACC+AOC+Cm
ACC=R·ICC
Cm=ε×ACC
式中:AC表示系统费用年值/yuan;ACC表示系统年初投资费用/yuan;AOC表示系统年运行费用/yuan;Cm表示系统年维修费用/yuan;R表示投资回收系数;ICC表示系统总初投资;i0表示年利率;j表示系统设备寿命年限,假设所有设备寿命年限相同;Nn表示第n个设备的安装容量/kW;Pn表示第n个设备的单位容量投资成本/元/kW;m表示供能系统设备总数。Eit,grid表示第i天第k小时的购电/kW·h;μit,grid表示第i天第k小时的购电价/yuan/(kW·h);ε为比例系数。
设置电负荷平衡约束:
Edmn≤EPV+EWT+EES+Egrid
式中:Edmn表示用户电负荷需求/kW·h;EPV表示太阳能光伏发电量/kW·h;EWT表示风电机组发电量/kW·h;EES表示蓄电池释电量/kW·h;Egrid表示电网购电量/kW·h。
根据不同型号的光伏电池板、风机以及蓄电池进行设备型号组合,形成N个系统设备配置方案。
所述步骤(三)中,基于负荷不确定性,采用最小最大后悔值法进行鲁棒优化配置,获取最优方案。
采用负荷不确定度表征负荷不确定性:
(1-α)y≤y≤(1+α)y
式中:α表示负荷不确定度,y表示负荷的实际值/kW。
采用最小最大后悔值法进行鲁棒优化配置分为2步:
(1)采用优化算法求解获得各系统设备配置方案在不同的负荷条件下的费用年值,确定在各种负荷条件中费用年值最小的方案,如表1所示;
表1各配置方案下费用年值表
表中AC(N,1)表示第N种配置方法在第1种负荷条件下优化所得的费用年值,“*”表示在该种负荷条件下,该方案的费用年值最小。
(2)把各种情况下的费用年值减去相应负荷条件下的最小费用年值,求得后悔值;找出各种方案在不同负荷条件下的最大后悔值;在已确定的各个最大后悔值种找出最小的最大后悔值,对应方案既为最优方案,如表2所示。
表2最小最大后悔值求解过程表
表中RN,1代表第N种配置方案在第1种负荷条件下的后悔值,max(RN,k)代表第N种方案在三种负荷条件下的最大后悔值,min[max(Rl,k)]表示在共l个最大后悔值中最小的后悔值,该最小最大后悔值所对应的方案即为考虑负荷不确定性后经济效益鲁棒性最优的风光储分布式发电系统容量配置方案。
附图说明
图1是风光储分布式能源系统示意图
图2是考虑负荷不确定性的风光储分布式能源系统容量配置方法流程图
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细说明:
第一步:分别建立光伏发电系统、风力发电系统和蓄电池数学模型,通过电量平衡构成风光储分布式发电系统,如图1所示;
(1)太阳能光伏组件数学模型
Ppv,i=Spv·Ipv,i·ηpv,i
Epv=Ppv,i·Δt
式中:Epv表示Δt时间段内光伏发电系统的累积发电量/kWh;Ppv,i表示太阳能光伏i时刻发电功率/kW;Spv表示太阳能光伏板面积/m2;Ipv,i表示单位面积光伏板i时刻接收太阳辐射量/kW·h·m-2;ηpv,i表示太阳能光伏i时刻发电效率;
(2)风力发电数学模型
Ewt=Pwt,i·Δt
式中,Pwt为风机输出功率;v为风机轮毂高度处的风速;vci、vr、vco分别为风机切入风速、额定风速、切出风速;Pwt-rate为风机的额定功率;A、B、C为风机风速功率特性曲线参数,对于不同风机会有所不同,可根据风机厂家提供的风速功率曲线经过多项式拟合获得。Ewt表示Δt时间段内风力发电系统的累积发电量/kWh;
(3)蓄电池数学模型
当电力供应大于电负荷需求时,蓄电池对电能进行存储:
EES(i)=(1-σES)·EES(i-1)+PES,c(i)·ηES,c·Δt
0<ηES,c<1
当电力供应小于电负荷需求时,蓄电池对电能进行释放:
EES(i)=(1-σES)·EES(i-1)-PES,d(i)/ηES,d·Δt
0<ηES,d<1
式中:EES(i)为蓄电池i时刻蓄电池剩余电能/kW·h;σES为蓄电池自身能量损耗率;PES,c(i)为蓄电池i时刻储电功率/kW;ηES,c为蓄电池充电效率;PES,d(i)为蓄电池i时刻放电功率/kW;ηES,d为蓄电池放电效率。
第二步:确定优化过程中的目标函数、约束条件以及各设备配置方案;
为了体现风光储系统的经济性,采用费用年值作为优化配置的目标函数:
AC=ACC+AOC+Cm
ACC=R·ICC
Cm=ε×ACC
式中:AC表示系统费用年值/yuan;ACC表示系统年初投资费用/yuan;AOC表示系统年运行费用/yuan;Cm表示系统年维修费用/yuan;R表示投资回收系数;ICC表示系统总初投资;i0表示年利率;j表示系统设备寿命年限,假设所有设备寿命年限相同;Nn表示第n个设备的安装容量/kW;Pn表示第n个设备的单位容量投资成本/元/kW;m表示供能系统设备总数。Eit,grid表示第i天第k小时的购电/kW·h;μit,grid表示第i天第k小时的购电价/yuan/(kW·h);ε为比例系数。
设置电负荷平衡约束:
Edmn≤EPV+EWT+EES+Egrid
式中:Edmn表示用户电负荷需求/kW·h;EPV表示太阳能光伏发电量/kW·h;EWT表示风电机组发电量/kW·h;EES表示蓄电池释电量/kW·h;Egrid表示电网购电量/kW·h。
根据不同型号的光伏电池板、风机以及蓄电池进行设备型号组合,形成N个系统设备配置方案。
第三步:基于负荷不确定性,采用最小最大后悔值法进行鲁棒优化配置,获取最优方案,方法流程图如图2所示。
采用负荷不确定度表征负荷不确定性:
(1-α)y≤y≤(1+α)y
式中:α表示负荷不确定度,y表示负荷的实际值/kW。
采用最小最大后悔值法进行鲁棒优化配置分为2步:
(1)采用优化算法求解获得各系统设备配置方案在不同的负荷条件下的费用年值,确定在各种负荷条件中费用年值最小的方案,如表1所示;
表1各配置方案下费用年值表
表中AC(N,1)表示第N种配置方法在第1种负荷条件下优化所得的费用年值,“*”表示在该种负荷条件下,该方案的费用年值最小。
(2)把各种情况下的费用年值减去相应负荷条件下的最小费用年值,求得后悔值;找出各种方案在不同负荷条件下的最大后悔值;在已确定的各个最大后悔值中找出最小的最大后悔值,对应方案既为最优方案,如表2所示。
表2最小最大后悔值求解过程表
表中RN,1代表第N种配置方案在第1种负荷条件下的后悔值,max(RN,k)代表第N种方案在三种负荷条件下的最大后悔值,min[max(Rl,k)]表示在共l个最大后悔值中最小的后悔值,该最小最大后悔值所对应的方案即为考虑负荷不确定性后经济效益鲁棒性最优的风光储分布式发电系统容量配置方案。
需要说明的是:本发明用于风光储分布式发电系统容量配置方面,本发明建立了风光储分布式发电系统数学模型,以费用年值为优化目标函数,建立了系统电负荷平衡约束,建立了一个完整的容量配置优化模型,采用最小最大后悔值优化来增强负荷条件变动情况下系统经济效益的鲁棒性,该方法对于系统经济运行具有重要意义。
凡在本发明原则内所作的修改、等同替换等,均应在本发明的保护范围之内。
Claims (1)
1.一种风光储分布式能源系统容量配置方法,其特征在于,包括以下步骤:
第一步:分别建立光伏发电系统、风力发电系统和蓄电池数学模型,通过电量平衡构成风光储分布式发电系统;
(1)太阳能光伏组件数学模型
Ppv,i=Spv·Ipv,i·ηpv,i
Epv=Ppv,i·Δt
式中:Epv表示Δt时间段内光伏发电系统的累积发电量/kWh;Ppv,i表示太阳能光伏i时刻发电功率/kW;Spv表示太阳能光伏板面积/m2;Ipv,i表示单位面积光伏板i时刻接收太阳辐射量/kW·h·m-2;ηpv,i表示太阳能光伏i时刻发电效率;
(2)风力发电数学模型
Ewt=Pwt,i·Δt
式中,Pwt为风机输出功率;v为风机轮毂高度处的风速;vci、vr、vco分别为风机切入风速、额定风速、切出风速;Pwt-rate为风机的额定功率;A、B、C为风机风速功率特性曲线参数,对于不同风机会有所不同,可根据风机厂家提供的风速功率曲线经过多项式拟合获得。Ewt表示Δt时间段内风力发电系统的累积发电量/kWh;
(3)蓄电池数学模型
当电力供应大于电负荷需求时,蓄电池对电能进行存储:
EES(i)=(1-σES)·EES(i-1)+PES,c(i)·ηES,c·Δt
0<ηES,c<1
当电力供应小于电负荷需求时,蓄电池对电能进行释放:
EES(i)=(1-σES)·EES(i-1)-PES,d(i)/ηES,d·Δt
0<ηES,d<1
式中:EES(i)为蓄电池i时刻蓄电池剩余电能/kW·h;σES为蓄电池自身能量损耗率;PES,c(i)为蓄电池i时刻储电功率/kW;ηES,c为蓄电池充电效率;PES,d(i)为蓄电池i时刻放电功率/kW;ηES,d为蓄电池放电效率。
第二步:确定优化过程中的目标函数、约束条件以及各设备配置方案;
为了体现风光储系统的经济性,采用费用年值作为优化配置的目标函数:
AC=ACC+AOC+Cm
ACC=R·ICC
Cm=ε×ACC
式中:AC表示系统费用年值/yuan;ACC表示系统年初投资费用/yuan;AOC表示系统年运行费用/yuan;Cm表示系统年维修费用/yuan;R表示投资回收系数;ICC表示系统总初投资;i0表示年利率;j表示系统设备寿命年限,假设所有设备寿命年限相同;Nn表示第n个设备的安装容量/kW;Pn表示第n个设备的单位容量投资成本/元/kW;m表示供能系统设备总数。Eit,grid表示第i天第k小时的购电/kW·h;μit,grid表示第i天第k小时的购电价/yuan/(kW·h);ε为比例系数。
设置电负荷平衡约束:
Edmn≤EPV+EWT+EES+Egrid
式中:Edmn表示用户电负荷需求/kW·h;EPV表示太阳能光伏发电量/kW·h;EWT表示风电机组发电量/kW·h;EES表示蓄电池释电量/kW·h;Egrid表示电网购电量/kW·h。
根据不同型号的光伏电池板、风机以及蓄电池进行设备型号组合,形成N个系统设备配置方案。
第三步:基于负荷不确定性,采用最小最大后悔值法进行鲁棒优化配置,获取最优方案。
采用负荷不确定度表征负荷不确定性:
(1-α)y≤y≤(1+α)y
式中:α表示负荷不确定度,y表示负荷的实际值/kW。
采用最小最大后悔值法进行鲁棒优化配置分为2步:
(1)采用优化算法求解获得各系统设备配置方案在不同的负荷条件下的费用年值,确定在各种负荷条件中费用年值最小的方案,如表1所示;
表1各配置方案下费用年值表
表中AC(N,1)表示第N种配置方法在第1种负荷条件下优化所得的费用年值,“*”表示在该种负荷条件下,该方案的费用年值最小。
(2)把各种情况下的费用年值减去相应负荷条件下的最小费用年值,求得后悔值;找出各种方案在不同负荷条件下的最大后悔值;在已确定的各个最大后悔值种找出最小的最大后悔值,对应方案既为最优方案,如表2所示。
表2最小最大后悔值求解过程表
表中RN,1代表第N种配置方案在第1种负荷条件下的后悔值,max(RN,k)代表第N种方案在三种负荷条件下的最大后悔值,min[max(Rl,k)]表示在共l个最大后悔值中最小的后悔值,该最小最大后悔值所对应的方案即为考虑负荷不确定性后经济效益鲁棒性最优的风光储分布式发电系统容量配置方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011449037.4A CN112636391B (zh) | 2020-12-09 | 2020-12-09 | 一种风光储分布式能源系统容量配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011449037.4A CN112636391B (zh) | 2020-12-09 | 2020-12-09 | 一种风光储分布式能源系统容量配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112636391A true CN112636391A (zh) | 2021-04-09 |
CN112636391B CN112636391B (zh) | 2023-04-07 |
Family
ID=75309695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011449037.4A Active CN112636391B (zh) | 2020-12-09 | 2020-12-09 | 一种风光储分布式能源系统容量配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112636391B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1322020A1 (en) * | 2001-12-20 | 2003-06-25 | Abb Research Ltd. | Power system expansion planning |
US20120323682A1 (en) * | 2011-06-15 | 2012-12-20 | Ebay Inc. | Systems and methods for behavioral modeling to optimize shopping cart conversion |
CN105337303A (zh) * | 2015-09-22 | 2016-02-17 | 贵州电网有限责任公司电网规划研究中心 | 一种含热泵的热电联产型微电网容量优化配置方法 |
CN109546678A (zh) * | 2018-11-13 | 2019-03-29 | 福州大学 | 基于鲁棒后悔度的风电日内市场和模拟实时市场优化方法 |
CN110110965A (zh) * | 2019-04-04 | 2019-08-09 | 浙江大学宁波理工学院 | 基于合格值自适应后悔理论的方案选择决策方法及装置 |
CN110110897A (zh) * | 2019-04-11 | 2019-08-09 | 华北电力大学 | 一种考虑不同储能运行策略的综合能源系统优化方法 |
CN111445067A (zh) * | 2020-03-09 | 2020-07-24 | 北京交通大学 | 一种适用于高铁站综合能源系统的多目标规划方法 |
-
2020
- 2020-12-09 CN CN202011449037.4A patent/CN112636391B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1322020A1 (en) * | 2001-12-20 | 2003-06-25 | Abb Research Ltd. | Power system expansion planning |
US20120323682A1 (en) * | 2011-06-15 | 2012-12-20 | Ebay Inc. | Systems and methods for behavioral modeling to optimize shopping cart conversion |
CN105337303A (zh) * | 2015-09-22 | 2016-02-17 | 贵州电网有限责任公司电网规划研究中心 | 一种含热泵的热电联产型微电网容量优化配置方法 |
CN109546678A (zh) * | 2018-11-13 | 2019-03-29 | 福州大学 | 基于鲁棒后悔度的风电日内市场和模拟实时市场优化方法 |
CN110110965A (zh) * | 2019-04-04 | 2019-08-09 | 浙江大学宁波理工学院 | 基于合格值自适应后悔理论的方案选择决策方法及装置 |
CN110110897A (zh) * | 2019-04-11 | 2019-08-09 | 华北电力大学 | 一种考虑不同储能运行策略的综合能源系统优化方法 |
CN111445067A (zh) * | 2020-03-09 | 2020-07-24 | 北京交通大学 | 一种适用于高铁站综合能源系统的多目标规划方法 |
Non-Patent Citations (1)
Title |
---|
周王斌: "多能协同冷热电三联供系统优化配置及不确定性运行研究", 《中国博士学位论文全文数据库 工程科技II辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112636391B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108599206B (zh) | 高比例不确定电源场景下的配电网混合储能配置方法 | |
CN109767105B (zh) | 一种基于风光水火储联合系统的多能互补协调发电调度方法 | |
CN103986190B (zh) | 基于发电功率曲线的风光储联合发电系统平滑控制方法 | |
CN111144620B (zh) | 一种考虑季节储氢的电氢综合能源系统及其鲁棒规划方法 | |
CN109103929B (zh) | 基于改进动态克里丝金模型的配电网经济优化调度方法 | |
CN105071444A (zh) | 一种用于并网型风光储系统的容量配置方法 | |
CN112600209A (zh) | 一种含潮流能的海岛独立微电网容量多目标优化配置方法 | |
CN115333161A (zh) | 一种绿色水厂供电系统的容量优化配置方法 | |
CN106600022B (zh) | 基于多目标优化的风-光-燃气-海水抽水蓄能孤立电力系统容量优化配置方法 | |
CN115036918A (zh) | 一种光储充电站经济运行费用和负荷方差优化的方法 | |
CN109861292B (zh) | 一种基于多能源储能系统提高清洁能源消纳方法 | |
CN114725930A (zh) | 一种自适应电力系统调度方法及装置 | |
CN110768303A (zh) | 一种海岛型能源系统设备容量的优化配置方法 | |
CN110571868B (zh) | 微电网的优化配置方法 | |
CN108494014A (zh) | 一种混合能源热电联产经济性优化管理方法 | |
JP7180993B2 (ja) | 発電システム | |
CN112636391B (zh) | 一种风光储分布式能源系统容量配置方法 | |
CN116979578A (zh) | 一种风光水火储的电气热三联产优化调度方法和系统 | |
CN114938040B (zh) | 源-网-荷-储交直流系统综合优化调控方法和装置 | |
CN115882486A (zh) | 一种基于双层模型的配电网综合效益最优储能配置方法 | |
CN116029114A (zh) | 一种基于年度时序生产模拟的综合能源基地优化配置方法 | |
Bendib et al. | Wind-solar power system associated with flywheel and pumped-hydro energy storage | |
CN112491086B (zh) | 一种风光储独立微电网优化配置方法 | |
CN112994056B (zh) | 离网型发电系统及其控制方法和应用系统 | |
CN114725964A (zh) | 一种家用微电网调度方法、管理系统和家用微电网 |
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 |