CN112712199A - 基于激励的需求响应下综合能源系统元件选址定容方法 - Google Patents

基于激励的需求响应下综合能源系统元件选址定容方法 Download PDF

Info

Publication number
CN112712199A
CN112712199A CN202011563529.6A CN202011563529A CN112712199A CN 112712199 A CN112712199 A CN 112712199A CN 202011563529 A CN202011563529 A CN 202011563529A CN 112712199 A CN112712199 A CN 112712199A
Authority
CN
China
Prior art keywords
load
cost
demand response
diesel generator
power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011563529.6A
Other languages
English (en)
Other versions
CN112712199B (zh
Inventor
洪博
余健优
洪建�
刘洋
徐涵靖
孙德挺
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.)
Hangzhou Hongsheng Electric Power Design Consulting Co ltd
Original Assignee
Hangzhou Hongsheng Electric Power Design Consulting 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 Hangzhou Hongsheng Electric Power Design Consulting Co ltd filed Critical Hangzhou Hongsheng Electric Power Design Consulting Co ltd
Priority to CN202011563529.6A priority Critical patent/CN112712199B/zh
Publication of CN112712199A publication Critical patent/CN112712199A/zh
Application granted granted Critical
Publication of CN112712199B publication Critical patent/CN112712199B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • 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
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J2300/10—The dispersed energy generation being of fossil origin, e.g. diesel 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
    • 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
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请涉及基于激励的需求响应下综合能源系统元件选址定容方法，属于综合能源需求侧响应研究领域，该方法包括：针对综合能源系统中元件的类型和数量，构建基于激励的需求响应下的系统模型；确定选址定容的目标函数；基于系统模型，对目标函数进行求解，算出系统的最低净成本以及系统在净成本最低的情况下各个元件的容量；将系统的最低净成本与未考虑需求响应的系统净成本进行比对，并计算下降的成本百分比；根据成本百分比和各个元件的容量进行选址定容。本申请实施例在容量优化过程中考虑了用户经济利益和系统电力储备，即，有效的将需求响应应用于综合能源系统的容量优化中，从而达到降低综合能源系统的净成本的有益效果。

Description

基于激励的需求响应下综合能源系统元件选址定容方法
技术领域
本申请涉及综合能源需求侧响应研究领域，特别是涉及基于激励的需求响应下综合能源系统元件选址定容方法。
背景技术
2006年美国能源部首次提出需求响应的概念，是指电网与用户双向互动，引导用户在峰荷时段降低电力需求或在低谷时段增加电力需求，以达到新增较少的装机容量达到系统的电力供需平衡目的，实现社会效益最好、各方收益、最低成本能源服务。
在能源互联网背景下，分散化的能源市场和能源网络结构使得传统的电力需求侧响应逐步向综合需求侧响应的方向发展。针对于此，2015年国外学者Aras Sheikhi和Shahab Bahrami首次提出了综合需求响应(IDR)的概念。相较于传统需求响应将负荷进行时间平移的技术手段，综合需求响应将能源替代和转换作为技术手段引入到了需求响应中。综合需求侧响应依托于用户侧的多能源智能管理系统，其通过电力市场、天然气市场、碳交易市场等多个能源市场的价格或激励信号引导改变用户的综合用能行为。综合需求侧响应的实施目标是实现能源互联网中供需双侧资源协调优化，提高用户用能的可替代性，提高能源互联网中多能源系统以及多能源市场的运行稳定性和运行效率。
随着电力市场的逐步改革和综合能源市场的不断发展，系统运营者可充分利用价格信号以及激励响应等因素，充分利用需求侧资源，终端能源用户可作为需求响应的直接参与者参与调度运行，为提高综合能源系统运行的经济性和可靠性提供重要保障。
目前现有的一些文献引入了一个舒适指标，通过用户主动参与需求侧响应计划来实施奖励。需求侧响应是为了应对电力市场的间歇性风电而实施的。在另外一些文献中，需求侧响应计划被重新制定，以减少智能电网结构下的电费。还有一部分文献，针对具有可再生能源和能量存储的负载中心的不可延迟负载，提出了一种需求响应策略，以优化可再生能源的功耗。
目前针对相关技术中如何将需求响应应用于综合能源系统的容量优化中以降低综合能源系统的净成本，尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种基于激励的需求响应下综合能源系统元件选址定容方法和系统，以至少解决相关技术中如何将需求响应应用于综合能源系统的容量优化中以降低综合能源系统的净成本的问题。
第一方面，本申请实施例提供了一种基于激励的需求响应下综合能源系统元件选址定容方法，包括：针对综合能源系统中元件的类型和数量，构建基于激励的需求响应下的系统模型；确定选址定容的目标函数；基于所述系统模型，对所述目标函数进行求解，算出所述系统的最低净成本以及所述系统在净成本最低的情况下各个所述元件的容量；将所述系统的最低净成本与未考虑需求响应的系统净成本进行比对，并计算下降的成本百分比；根据所述成本百分比和各个所述元件的容量进行选址定容。
在其中一些实施例中，在所述元件包括柴油发电机的情况下，所述构建基于激励的需求响应下的系统模型包括：
用于供应负载和备用的在线柴油发电机的最小数量MinDGon为：
MinDGon(t)＝ceil((Pload(t)+Rs)/Pr(dg))
其中，ceil是向上取整函数，Pload是负载有功功率，Rs是静态旋转备用，Pr(dg)是柴油发电机的发电功率有铭值，t是时间；
柴油发电机的实际输出功率Pdg(t)满足以下约束：
MinDGon(t)·DGmin·Pr(dg)≤Pdg(t)≤Ndg·DGmax·Pr(dg)
Pdg(t)≥Pload(t)
其中，DGmin是柴油发电机的负载下限标幺值，DGmax是柴油发电机的负载上限标幺值，Ndg是柴油发电机的数量；
实际的投入使用的柴油发电机数量DGon为：
DGon(t)＝ceil(Pdg(t)/(DGmax·Pr(dg)))。
在其中一些实施例中，在所述元件包括柴油发电机、太阳能光伏和风力发电机的情况下，所述构建基于激励的需求响应下的系统模型包括：
所述太阳能光伏和所述风力发电机的总发电量Pre为：
Pre(t)＝NwtPwt(t)+NpvPpv(t)
其中，Nwt为风力发电机的数量，Npv为太阳能光伏的数量，Pwt为风力发电机输出功率，Ppv为太阳能光伏输出功率，t为时间；
用于供应负载和备用的在线柴油发电机的最小数量MinDGon为：
MinDGon(t)＝ceil((Pload(t)+Rs)/Pr(dg))
其中，ceil是向上取整函数，Pload是负载有功功率，Rs是静态旋转备用，Pr(dg)是柴油发电机的发电功率有铭值；
柴油发电机的实际输出功率Pdg(t)满足以下约束：
MinDGon(t)·DGmin·Pr(dg)≤Pdg(t)≤Ndg·DGmax·Pr(dg)
Pdg(t)≥Pload(t)-Pre(t)
其中，DGmin是柴油发电机的负载下限标幺值，DGmax是柴油发电机的负载上限标幺值，Ndg是柴油发电机的数量。
在其中一些实施例中，在所述元件包括柴油发电机、太阳能光伏、风力发电机和电池的情况下，所述构建基于激励的需求响应下的系统模型包括：
用于供应负载和备用的在线柴油发电机的最小数量MinDGon为：
MinDGon(t)＝ceil((Pload(t)+Rs-BBout(t))/Pr(dg))
其中，ceil是向上取整函数，Pload是负载有功功率，Rs是静态旋转备用，BBout是可获取的电池输出功率，Pr(dg)是柴油发电机的发电功率有铭值，t是时间；
所述太阳能光伏和所述风力发电机的总发电量Pre为：
Pre(t)＝NwtPwt(t)+NpvPpv(t)
其中，Nwt为风力发电机的数量，Npv为太阳能光伏的数量，Pwt为风力发电机输出功率，Ppv为太阳能光伏输出功率；
柴油发电机的实际输出功率Pdg(t)满足以下约束：
MinDGon(t)·DGmin·Pr(dg)≤Pdg(t)≤Ndg·DGmax·Pr(dg)
Pdg(t)≥Pload(t)-Pre(t)-BBout(t)
其中，DGmin是柴油发电机的负载下限标幺值，DGmax是柴油发电机的负载上限标幺值，Ndg是柴油发电机的数量。
在其中一些实施例中，在所述系统的总发电量超出负载需求的情况下，对所述电池进行充电，且所述电池的输入功率Pbb.in为：
Pbb.in(t)＝min(BBbb.in(t),Pre(t)+MinPdg(t)-Pload(t))
Pbb.out(t)＝0
其中，min表示取最小值，BBbb.in为电池充电功率，Pbb.out为电池的输出功率。
在其中一些实施例中，在所述系统的总发电量不满足负载需求的情况下，所述电池进行放电，且所述电池的输出功率Pbb.out为：
Pbb.out(t)＝min(BBbb.out(t),Pload(t)-MinPdg(t)-Pre(t))
Pbb.in(t)＝0
其中，min表示取最小值，BBbb.out为电池放电功率，Pbb.in为电池的输入功率。
在其中一些实施例中，在所述元件包括柴油发电机、太阳能光伏、风力发电机、电池和飞轮的情况下，所述构建基于激励的需求响应下的系统模型包括：
用于供应负载和备用的在线柴油发电机的最小数量MinDGon为：
MinDGon(t)＝ceil((Pload(t)+Rs-BBout(t)-FWout(t))/Pr(dg))
其中，ceil是向上取整函数，Pload是负载有功功率，Rs是静态旋转备用，BBout是可获取的电池输出功率，FWout是飞轮的输出功率，Pr(dg)是柴油发电机的发电功率有铭值，t是时间；
所述太阳能光伏和所述风力发电机的总发电量Pre为：
Pre(t)＝NwtPwt(t)+NpvPpv(t)
其中，Nwt为风力发电机的数量，Npv为太阳能光伏的数量，Pwt为风力发电机输出功率，Ppv为太阳能光伏输出功率；
柴油发电机的实际输出功率Pdg(t)满足以下约束：
MinDGon(t)·DGmin·Pr(dg)≤Pdg(t)≤Ndg·DGmax·Pr(dg)
Pdg(t)≥Pload(t)-Pre(t)-BBout(t)
其中，DGmin是柴油发电机的负载下限标幺值，DGmax是柴油发电机的负载上限标幺值，Ndg是柴油发电机的数量。
在其中一些实施例中，所述的确定选址定容的目标函数包括：
针对所述系统的净成本NPC，确定所述目标函数为：
Figure BDA0002861024050000041
其中，Ni表示第i个元件，PCcap是资本成本、PCminor是年度维护成本、PCmajor是元件的替换成本、PCfuel是柴油发电机的燃料成本、PCLGC是政府对可再生能源发电的补贴、PCDR是激励需求响应成本。
在其中一些实施例中，所述的基于所述系统模型，对所述目标函数进行求解包括：
保留满足以下约束条件的所述目标函数的解，丢弃不满足以下约束条件的所述目标函数的解：
发电机组功率的约束：Pi(min)(t)≤Pi(t)≤Pi(max)(t)；
储能机组能量的约束：Ei(min)(t)≤Ei(t)≤Ei(max)(t)；
系统运行备用约束：
Figure BDA0002861024050000051
负载均衡约束：
Figure BDA0002861024050000052
其中，Pi为元件有功功率，Ei为装置容量，Rs为静态旋转备用，Rd为动态备用，Pload为负载有功功率，t为时间。
第二方面，本申请实施例提供了一种基于激励的需求响应下综合能源系统元件选址定容装置，包括：模型构建模块、函数确定模块、最低净成本计算模块、净成本比对模块和选址定容模块，其中，模型构建模块用于针对综合能源系统中元件的类型和数量，构建基于激励的需求响应下的系统模型；函数确定模块用于确定选址定容的目标函数；最低净成本计算模块用于基于所述系统模型，对所述目标函数进行求解，算出所述系统的最低净成本以及所述系统在净成本最低的情况下各个所述元件的容量；净成本比对模块用于将所述系统的最低净成本与未考虑需求响应的系统净成本进行比对，并计算下降的成本百分比；选址定容模块用于根据所述成本百分比和各个所述元件的容量进行选址定容。
根据以上内容，本申请实施例的基于激励的需求响应下综合能源系统元件选址定容方法包括：针对综合能源系统中元件的类型和数量，构建基于激励的需求响应下的系统模型；确定选址定容的目标函数；基于系统模型，对目标函数进行求解，算出系统的最低净成本以及系统在净成本最低的情况下各个元件的容量；将系统的最低净成本与未考虑需求响应的系统净成本进行比对，并计算下降的成本百分比；根据成本百分比和各个元件的容量进行选址定容。本申请实施例在容量优化过程中考虑了用户经济利益和系统电力储备，即，有效的将需求响应应用于综合能源系统的容量优化中，从而达到降低综合能源系统的净成本的有益效果。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的基于激励的需求响应下综合能源系统元件选址定容方法的流程图；
图2是根据本申请实施例的四种类型的综合能源系统中元件示意图；
图3是根据本申请实施例的旋转备用与可用的各元件备用的分类明细示意图；
图4是根据本申请实施例的基于激励的需求响应下综合能源系统元件选址定容装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行描述和说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。基于本申请提供的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
显而易见地，下面描述中的附图仅仅是本申请的一些示例或实施例，对于本领域的普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其他类似情景。此外，还可以理解的是，虽然这种开发过程中所作出的努力可能是复杂并且冗长的，然而对于与本申请公开的内容相关的本领域的普通技术人员而言，在本申请揭露的技术内容的基础上进行的一些设计，制造或者生产等变更只是常规的技术手段，不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是，本申请所描述的实施例在不冲突的情况下，可以与其它实施例相结合。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块(单元)的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
本申请实施例提供的一种计及基于激励的需求响应下综合能源系统元件选址定容方法中，可以通过用户主动参与需求侧响应计划来实施奖励，发挥激励需求侧响应的作用。图1是根据本申请实施例的基于激励的需求响应下综合能源系统元件选址定容方法的流程图，如图1所示，该方法包括：
S100：针对综合能源系统中元件的类型和数量，构建基于激励的需求响应下的系统模型；
S200：确定选址定容的目标函数；
S300：基于系统模型，对目标函数进行求解，算出系统的最低净成本以及系统在净成本最低的情况下各个元件的容量；
S400：将系统的最低净成本与未考虑需求响应的系统净成本进行比对，并计算下降的成本百分比；
S500：根据成本百分比和各个元件的容量进行选址定容。
基于以上内容，能够有效的将需求响应应用于综合能源系统的容量优化中，达到了降低综合能源系统的净成本的目的。
考虑到一个完全可再生的独立电力系统，当需求侧响应规划在最佳规模下实施时，与其他组件(光伏电池板和风力涡轮机)相比，电池的存储容量被有效地降低了。然而，因为电池储能成本极高，以一个完整的可再生能源为基础的电力系统仍然是负担不起的。
因此，本申请实施例中，将不同的元件设备投入使用，以构成四种类型的综合能源系统，图2是根据本申请实施例的四种类型的综合能源系统中元件示意图，如图2所示：
类型一：柴油发电机为主的基本构型(基本只考虑柴油发电机)；
类型二：在类型一的基础上添加了太阳能光伏和风力发电机这两种可再生能源，即包括柴油发电机、太阳能光伏和风力发电机；
类型三：在类型二的基础上添加了电池储能，即包括柴油发电机、太阳能光伏、风力发电机和电池；
类型四：在类型三的基础上增加飞轮，即包括柴油发电机、太阳能光伏、风力发电机、电池和飞轮。
可见，以上四种类型的综合能源系统中分别包含不同类型和数量的元件，对此，分别构建基于激励的需求响应下的系统模型，并对选址定容的目标函数进行求解，使各综合能源系统的净成本达到最低，得出各类型系统的最低净成本以及在系统净成本最低的情况下各个元件的容量，并且，将考虑了激励需求响应的系统净成本(即上述最低净成本)与未考虑需求响应的系统净成本进行逐一比对，计算下降的成本百分比，从而根据上述各个元件的容量和上述成本百分比来选址定容。进一步的提出了虚拟同步发电机控制原理。因此，本申请实施例在容量优化过程中考虑了用户经济利益和系统电力储备，以此来优化模型，能够极大的降低系统净成本。
为了更清楚的对本申请进行说明，以下对每个步骤进行详细阐述。
步骤S100：针对综合能源系统中元件的类型和数量，构建基于激励的需求响应下的系统模型。作为本申请实施例的关键之一，分别针对四种类型的综合能源系统，构建基于激励的需求响应下的系统模型，具体如下：
类型一：是只考虑柴油发电机的基本系统，用于供应负载和备用的在线柴油发电机的最小数量MinDGon为：
MinDGon(t)＝ceil((Pload(t)+Rs)/Pr(dg))
其中，ceil是向上取整函数，Pload是负载有功功率，Rs是静态旋转备用，Pr(dg)是柴油发电机的发电功率有铭值，t是时间。
柴油发电机的实际输出功率Pdg(t)应该满足以下两个约束：
MinDGon(t)·DGmin·Pr(dg)≤Pdg(t)≤Ndg·DGmax·Pr(dg)
Pdg(t)≥Pload(t)
其中，DGmin是柴油发电机的负载下限标幺值，DGmax是柴油发电机的负载上限标幺值，Ndg是柴油发电机的数量。
实际的投入使用的柴油发电机数量DGon为：
DGon(t)＝ceil(Pdg(t)/(DGmax·Pr(dg)))。
类型二：在上述类型一的系统中，加入了可再生能源，包括太阳能光伏和风力发电机，那么可再生能源的总发电量Pre可以表示为：
Pre(t)＝NwtPwt(t)+NpvPpv(t)
其中，Nwt为风力发电机的数量，Npv为太阳能光伏的数量，Pwt为风力发电机输出功率，Ppv为太阳能光伏输出功率。
该类型二的系统中，备用电力仍由柴油发电机提供，用于供应负载和备用的在线柴油发电机的最小数量MinDGon为：
MinDGon(t)＝ceil((Pload(t)+Rs)/Pr(dg))
柴油发电机的实际输出功率Pdg(t)满足以下约束：
MinDGon(t)·DGmin·Pr(dg)≤Pdg(t)≤Ndg·DGmax·Pr(dg)
Pdg(t)≥Pload(t)-Pre(t)。
类型三：在上述类型二的基础上增加电池储能。因为电池储能可以提供动态旋转备用，所以在该场景下的在线柴油发电机的最小数量MinDGon为：
MinDGon(t)＝ceil((Pload(t)+Rs-BBout(t))/Pr(dg))
其中，BBout是可获取的电池输出功率，可再生能源的总发电量Pre为：
Pre(t)＝NwtPwt(t)+NpvPpv(t)
柴油发电机的实际输出功率Pdg(t)则满足以下两个约束：
MinDGon(t)·DGmin·Pr(dg)≤Pdg(t)≤Ndg·DGmax·Pr(dg)
Pdg(t)≥Pload(t)-Pre(t)-BBout(t)。
可选的，当系统中的总发电量超出了负载需求时，可以对电池进行充电，那么电池的输入功率Pbb.in表示为：
Pbb.in(t)＝min(BBbb.in(t),Pre(t)+MinPdg(t)-Pload(t))
Pbb.out(t)＝0
其中，min表示取最小值，BBbb.in为电池充电功率，Pbb.out为电池的输出功率。
可选的，当系统中的总发电量不满足负荷需求时，电池也可以放电，那么电池的输出功率Pbb.out表示为：
Pbb.out(t)＝min(BBbb.out(t),Pload(t)-MinPdg(t)-Pre(t))
Pbb.in(t)＝0
其中，BBbb.out为电池放电功率，Pbb.in为电池的输入功率。
可选的，当负荷需求和系统总发电量相等时，电池既不充电也不放电。
类型四：在上述类型三的基础上增加飞轮。飞轮也可以提供旋转备用，故该场景下的在线柴油发电机的最小数量MinDGon为：
MinDGon(t)＝ceil((Pload(t)+Rs-BBout(t)-FWout(t))/Pr(dg))
其中，FWout是飞轮的输出功率。
可再生能源的总发电量Pre为：
Pre(t)＝NwtPwt(t)+NpvPpv(t)
又因为飞轮不直接供给负载，故柴油发电机的实际输出功率Pdg(t)满足以下约束：
MinDGon(t)·DGmin·Pr(dg)≤Pdg(t)≤Ndg·DGmax·Pr(dg)
Pdg(t)≥Pload(t)-Pre(t)-BBout(t)。
可选的，当系统中的总发电量超出了负载需求时，可以对电池进行充电，那么电池的输入功率Pbb.in表示为：
Pbb.in(t)＝min(BBbb.in(t),Pre(t)+MinPdg(t)-Pload(t))
Pbb.out(t)＝0。
可选的，当系统中的总发电量不满足负荷需求时，电池也可以进行放电，那么电池的输出功率Pbb.out表示为：
Pbb.out(t)＝min(BBbb.out(t),Pload(t)-MinPdg(t)-Pre(t))
Pbb.in(t)＝0。
可选的，当负荷需求和系统总发电量相等时，电池既不充电也不放电。
步骤S200：确定选址定容的目标函数。
确定选址定容的目标函数，使得当前综合能源系统的总成本NPC达到最低；
Figure BDA0002861024050000101
其中，Ni表示第i个部件，PCcap是资本成本、PCminor是年度维护成本、PCmajor是部件的替换成本、PCfuel是柴油发电机的燃料成本、PCLGC是政府对可再生能源发电的补贴、PCDR是激励需求响应成本。
步骤S300：基于系统模型，对目标函数进行求解，算出系统的最低净成本以及系统在净成本最低的情况下各个元件的容量。因此，对以上四种类型的系统分别求解，算出各类型的最低系统净成本，以及各系统在净成本最低的情况下各个元件的容量。进一步的，目标函数的解需要满足以下优化约束条件：
发电机组功率约束：Pi(min)(t)≤Pi(t)≤Pi(max)(t)
储能机组能量约束：Ei(min)(t)≤Ei(t)≤Ei(max)(t)
系统运行备用约束：
Figure BDA0002861024050000111
负载均衡约束：
Figure BDA0002861024050000112
其中，Pi为元件有功功率，Ei为装置容量，Rd为动态备用。基于上述内容，保留满足约束条件的解，任何不符合约束条件的解都会被丢弃。
步骤S400：将系统的最低净成本与未考虑需求响应的系统净成本进行比对，并计算下降的成本百分比。即，本申请实施例将考虑了激励需求响应的系统净成本与未考虑需求响应的系统净成本进行逐一比对，以此计算下降的成本百分比。
基于以上步骤，然后执行步骤S500：根据成本百分比和各个元件的容量进行选址定容。
图3是根据本申请实施例的旋转备用与可用的各元件备用的分类明细示意图，如图3所示，通过现有备用和旋转备用的关系，本申请实施例可实现计及激励需求侧响应的综合能源优化调度，考虑了基于激励的需求响应作用，从而进行布点规划，合理配置可再生能源发电装机容量与储能比例，实现元件设备的选址。
综上，本申请实施例一方面考虑到了激励型需求侧响应，又将此运用到综合能源系统上，另一方面又考虑到了电力储能设备，同时将三者结合，综合全面考虑整体系统的最低承办，从而得出各元件的容量。对比同时期其他研究，更为客观与周密。
需要说明的是，在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例还提供了一种基于激励的需求响应下综合能源系统元件选址定容装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。
图4是根据本申请实施例的基于激励的需求响应下综合能源系统元件选址定容装置的结构框图，如图4所示，该装置包括：模型构建模块1、函数确定模块2、最低净成本计算模块3、净成本比对模块4和选址定容模块5，其中，模型构建模块1用于针对综合能源系统中元件的类型和数量，构建基于激励的需求响应下的系统模型；函数确定模块2用于确定选址定容的目标函数；最低净成本计算模块3用于基于系统模型，对目标函数进行求解，算出系统的最低净成本以及系统在净成本最低的情况下各个元件的容量；净成本比对模块4用于将系统的最低净成本与未考虑需求响应的系统净成本进行比对，并计算下降的成本百分比；选址定容模块5用于根据成本百分比和各个元件的容量进行选址定容。
需要说明的是，上述各个模块可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块而言，上述各个模块可以位于同一处理器中；或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于激励的需求响应下综合能源系统元件选址定容方法，其特征在于，包括：
针对综合能源系统中元件的类型和数量，构建基于激励的需求响应下的系统模型；
确定选址定容的目标函数；
基于所述系统模型，对所述目标函数进行求解，算出所述系统的最低净成本以及所述系统在净成本最低的情况下各个所述元件的容量；
将所述系统的最低净成本与未考虑需求响应的系统净成本进行比对，并计算下降的成本百分比；
根据所述成本百分比和各个所述元件的容量进行选址定容。
2.根据权利要求1所述的方法，其特征在于，在所述元件包括柴油发电机的情况下，所述构建基于激励的需求响应下的系统模型包括：
用于供应负载和备用的在线柴油发电机的最小数量MinDGon为：
MinDGon(t)＝ceil((Pload(t)+Rs)/Pr(dg))
其中，ceil是向上取整函数，Pload是负载有功功率，Rs是静态旋转备用，Pr(dg)是柴油发电机的发电功率有铭值，t是时间；
柴油发电机的实际输出功率Pdg(t)满足以下约束：
MinDGon(t)·DGmin·Pr(dg)≤Pdg(t)≤Ndg·DGmax·Pr(dg)
Pdg(t)≥Pload(t)
其中，DGmin是柴油发电机的负载下限标幺值，DGmax是柴油发电机的负载上限标幺值，Ndg是柴油发电机的数量；
实际的投入使用的柴油发电机数量DGon为：
DGon(t)＝ceil(Pdg(t)/(DGmax·Pr(dg)))。
3.根据权利要求1所述的方法，其特征在于，在所述元件包括柴油发电机、太阳能光伏和风力发电机的情况下，所述构建基于激励的需求响应下的系统模型包括：
所述太阳能光伏和所述风力发电机的总发电量Pre为：
Pre(t)＝NwtPwt(t)+NpvPpv(t)
其中，Nwt为风力发电机的数量，Npv为太阳能光伏的数量，Pwt为风力发电机输出功率，Ppv为太阳能光伏输出功率，t为时间；
用于供应负载和备用的在线柴油发电机的最小数量MinDGon为：
MinDGon(t)＝ceil((Pload(t)+Rs)/Pr(dg))
其中，ceil是向上取整函数，Pload是负载有功功率，Rs是静态旋转备用，Pr(dg)是柴油发电机的发电功率有铭值；
柴油发电机的实际输出功率Pdg(t)满足以下约束：
MinDGon(t)·DGmin·Pr(dg)≤Pdg(t)≤Ndg·DGmax·Pr(dg)
Pdg(t)≥Pload(t)-Pre(t)
其中，DGmin是柴油发电机的负载下限标幺值，DGmax是柴油发电机的负载上限标幺值，Ndg是柴油发电机的数量。
4.根据权利要求1所述的方法，其特征在于，在所述元件包括柴油发电机、太阳能光伏、风力发电机和电池的情况下，所述构建基于激励的需求响应下的系统模型包括：
用于供应负载和备用的在线柴油发电机的最小数量MinDGon为：
MinDGon(t)＝ceil((Pload(t)+Rs-BBout(t))/Pr(dg))
其中，ceil是向上取整函数，Pload是负载有功功率，Rs是静态旋转备用，BBout是可获取的电池输出功率，Pr(dg)是柴油发电机的发电功率有铭值，t是时间；
所述太阳能光伏和所述风力发电机的总发电量Pre为：
Pre(t)＝NwtPwt(t)+NpvPpv(t)
其中，Nwt为风力发电机的数量，Npv为太阳能光伏的数量，Pwt为风力发电机输出功率，Ppv为太阳能光伏输出功率；
柴油发电机的实际输出功率Pdg(t)满足以下约束：
MinDGon(t)·DGmin·Pr(dg)≤Pdg(t)≤Ndg·DGmax·Pr(dg)
Pdg(t)≥Pload(t)-Pre(t)-BBout(t)
其中，DGmin是柴油发电机的负载下限标幺值，DGmax是柴油发电机的负载上限标幺值，Ndg是柴油发电机的数量。
5.根据权利要求4所述的方法，其特征在于，在所述系统的总发电量超出负载需求的情况下，对所述电池进行充电，且所述电池的输入功率Pbb.in为：
Pbb.in(t)＝min(BBbb.in(t),Pre(t)+MinPdg(t)-Pload(t))
Pbb.out(t)＝0
其中，min表示取最小值，BBbb.in为电池充电功率，Pbb.out为电池的输出功率。
6.根据权利要求4所述的方法，其特征在于，在所述系统的总发电量不满足负载需求的情况下，所述电池进行放电，且所述电池的输出功率Pbb.out为：
Pbb.out(t)＝min(BBbb.out(t),Pload(t)-MinPdg(t)-Pre(t))
Pbb.in(t)＝0
其中，min表示取最小值，BBbb.out为电池放电功率，Pbb.in为电池的输入功率。
7.根据权利要求1所述的方法，其特征在于，在所述元件包括柴油发电机、太阳能光伏、风力发电机、电池和飞轮的情况下，所述构建基于激励的需求响应下的系统模型包括：
用于供应负载和备用的在线柴油发电机的最小数量MinDGon为：
MinDGon(t)＝ceil((Pload(t)+Rs-BBout(t)-FWout(t))/Pr(dg))
其中，ceil是向上取整函数，Pload是负载有功功率，Rs是静态旋转备用，BBout是可获取的电池输出功率，FWout是飞轮的输出功率，Pr(dg)是柴油发电机的发电功率有铭值，t是时间；
所述太阳能光伏和所述风力发电机的总发电量Pre为：
Pre(t)＝NwtPwt(t)+NpvPpv(t)
其中，Nwt为风力发电机的数量，Npv为太阳能光伏的数量，Pwt为风力发电机输出功率，Ppv为太阳能光伏输出功率；
柴油发电机的实际输出功率Pdg(t)满足以下约束：
MinDGon(t)·DGmin·Pr(dg)≤Pdg(t)≤Ndg·DGmax·Pr(dg)
Pdg(t)≥Pload(t)-Pre(t)-BBout(t)
其中，DGmin是柴油发电机的负载下限标幺值，DGmax是柴油发电机的负载上限标幺值，Ndg是柴油发电机的数量。
8.根据权利要求1所述的方法，其特征在于，所述的确定选址定容的目标函数包括：
针对所述系统的净成本NPC，确定所述目标函数为：
Figure FDA0002861024040000031
其中，Ni表示第i个元件，PCcap是资本成本、PCminor是年度维护成本、PCmajor是元件的替换成本、PCfuel是柴油发电机的燃料成本、PCLGC是政府对可再生能源发电的补贴、PCDR是激励需求响应成本。
9.根据权利要求8所述的方法，其特征在于，所述的基于所述系统模型，对所述目标函数进行求解包括：
保留满足以下约束条件的所述目标函数的解，丢弃不满足以下约束条件的所述目标函数的解：
发电机组功率的约束：Pi(min)(t)≤Pi(t)≤Pi(max)(t)；
储能机组能量的约束：Ei(min)(t)≤Ei(t)≤Ei(max)(t)；
系统运行备用约束：
Figure FDA0002861024040000041
负载均衡约束：
Figure FDA0002861024040000042
其中，Pi为元件有功功率，Ei为装置容量，Rs为静态旋转备用，Rd为动态备用，Pload为负载有功功率，t为时间。
10.一种基于激励的需求响应下综合能源系统元件选址定容装置，其特征在于，包括：
模型构建模块，用于针对综合能源系统中元件的类型和数量，构建基于激励的需求响应下的系统模型；
函数确定模块，用于确定选址定容的目标函数；
最低净成本计算模块，用于基于所述系统模型，对所述目标函数进行求解，算出所述系统的最低净成本以及所述系统在净成本最低的情况下各个所述元件的容量；
净成本比对模块，用于将所述系统的最低净成本与未考虑需求响应的系统净成本进行比对，并计算下降的成本百分比；
选址定容模块，用于根据所述成本百分比和各个所述元件的容量进行选址定容。
CN202011563529.6A 2020-12-25 2020-12-25 基于激励的需求响应下综合能源系统元件选址定容方法 Active CN112712199B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011563529.6A CN112712199B (zh) 2020-12-25 2020-12-25 基于激励的需求响应下综合能源系统元件选址定容方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011563529.6A CN112712199B (zh) 2020-12-25 2020-12-25 基于激励的需求响应下综合能源系统元件选址定容方法

Publications (2)

Publication Number Publication Date
CN112712199A true CN112712199A (zh) 2021-04-27
CN112712199B CN112712199B (zh) 2023-01-10

Family

ID=75546483

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011563529.6A Active CN112712199B (zh) 2020-12-25 2020-12-25 基于激励的需求响应下综合能源系统元件选址定容方法

Country Status (1)

Country Link
CN (1) CN112712199B (zh)

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120130556A1 (en) * 2010-11-18 2012-05-24 Marhoefer John J Virtual power plant system and method incorporating renewal energy, storage and scalable value-based optimization
US20140039710A1 (en) * 2012-04-04 2014-02-06 24M Technologies, Inc. Energy storage modeling and control
CN104680254A (zh) * 2015-02-14 2015-06-03 浙江大学 一种基于综合成本模型的电网规划方案优选方法
CN104810861A (zh) * 2015-04-23 2015-07-29 广西电网有限责任公司电力科学研究院 一种低压配电网中分布式电源的优化选址与定容方法
JP2016104984A (ja) * 2014-11-26 2016-06-09 ゼネラル・エレクトリック・カンパニイ 発電プラント発電ユニットの制御を強化するための方法およびシステム
US20160258361A1 (en) * 2015-03-03 2016-09-08 General Electric Company Methods and systems for enhancing control of power plant generating units
CN107301470A (zh) * 2017-05-24 2017-10-27 天津大学 一种配电网扩展规划与光储选址定容的双层优化方法
CN107665377A (zh) * 2017-09-20 2018-02-06 国网天津市电力公司 一种多源耦合的综合能源系统规划方法
CN109146117A (zh) * 2018-06-15 2019-01-04 中国电建集团福建省电力勘测设计院有限公司 一种考虑需求侧资源的区域多能源系统运行优化方法
US20190036340A1 (en) * 2017-07-28 2019-01-31 Florida State University Research Foundation Optimal control technology for distributed energy resources
CN109492815A (zh) * 2018-11-15 2019-03-19 郑州大学 一种市场机制下面向电网的储能电站选址定容优化方法
CN110135662A (zh) * 2019-06-06 2019-08-16 杭州电子科技大学 一种考虑减小峰谷差的储能选址定容多目标优化方法
CN110163450A (zh) * 2019-05-31 2019-08-23 国网山东省电力公司经济技术研究院 一种基于运行受限的配电网规划双层优化模型构建方法
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN111191820A (zh) * 2019-12-17 2020-05-22 国网浙江省电力有限公司 一种综合能源系统中储能装置的选址定容优化规划方法
CN111523204A (zh) * 2020-03-31 2020-08-11 杭州鸿晟电力设计咨询有限公司 一种并网型综合能源网电-气储能系统优化配置求解方法
CN111738498A (zh) * 2020-06-08 2020-10-02 国网安徽省电力有限公司经济技术研究院 一种综合能源系统鲁棒规划方法及系统
CN111952980A (zh) * 2020-08-11 2020-11-17 合肥工业大学 考虑需求侧响应不确定性的综合能源系统优化方法及系统

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120130556A1 (en) * 2010-11-18 2012-05-24 Marhoefer John J Virtual power plant system and method incorporating renewal energy, storage and scalable value-based optimization
US20140039710A1 (en) * 2012-04-04 2014-02-06 24M Technologies, Inc. Energy storage modeling and control
JP2016104984A (ja) * 2014-11-26 2016-06-09 ゼネラル・エレクトリック・カンパニイ 発電プラント発電ユニットの制御を強化するための方法およびシステム
CN104680254A (zh) * 2015-02-14 2015-06-03 浙江大学 一种基于综合成本模型的电网规划方案优选方法
US20160258361A1 (en) * 2015-03-03 2016-09-08 General Electric Company Methods and systems for enhancing control of power plant generating units
CN104810861A (zh) * 2015-04-23 2015-07-29 广西电网有限责任公司电力科学研究院 一种低压配电网中分布式电源的优化选址与定容方法
CN107301470A (zh) * 2017-05-24 2017-10-27 天津大学 一种配电网扩展规划与光储选址定容的双层优化方法
US20190036340A1 (en) * 2017-07-28 2019-01-31 Florida State University Research Foundation Optimal control technology for distributed energy resources
CN107665377A (zh) * 2017-09-20 2018-02-06 国网天津市电力公司 一种多源耦合的综合能源系统规划方法
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN109146117A (zh) * 2018-06-15 2019-01-04 中国电建集团福建省电力勘测设计院有限公司 一种考虑需求侧资源的区域多能源系统运行优化方法
CN109492815A (zh) * 2018-11-15 2019-03-19 郑州大学 一种市场机制下面向电网的储能电站选址定容优化方法
CN110163450A (zh) * 2019-05-31 2019-08-23 国网山东省电力公司经济技术研究院 一种基于运行受限的配电网规划双层优化模型构建方法
CN110135662A (zh) * 2019-06-06 2019-08-16 杭州电子科技大学 一种考虑减小峰谷差的储能选址定容多目标优化方法
CN111191820A (zh) * 2019-12-17 2020-05-22 国网浙江省电力有限公司 一种综合能源系统中储能装置的选址定容优化规划方法
CN111523204A (zh) * 2020-03-31 2020-08-11 杭州鸿晟电力设计咨询有限公司 一种并网型综合能源网电-气储能系统优化配置求解方法
CN111738498A (zh) * 2020-06-08 2020-10-02 国网安徽省电力有限公司经济技术研究院 一种综合能源系统鲁棒规划方法及系统
CN111952980A (zh) * 2020-08-11 2020-11-17 合肥工业大学 考虑需求侧响应不确定性的综合能源系统优化方法及系统

Also Published As

Publication number Publication date
CN112712199B (zh) 2023-01-10

Similar Documents

Publication Publication Date Title
Li et al. Optimal operation of multimicrogrids via cooperative energy and reserve scheduling
Gildenhuys et al. Optimization of the operational cost and environmental impact of a multi-microgrid system
Hu et al. Minimizing energy cost for green data center by exploring heterogeneous energy resource
CN109146320A (zh) 一种考虑配电网安全性的虚拟电厂优化调度方法
Santos et al. Influence of battery energy storage systems on transmission grid operation with a significant share of variable renewable energy sources
CN115713197A (zh) 计及风电不确定性的电力系统荷储联合优化调度方法
CN113888204A (zh) 多主体博弈的虚拟电厂容量优化配置法
CN107622331B (zh) 一种发电机组与电力用户直接交易方式的优化方法和装置
CN111563831B (zh) 一种面向泛在电力物联网的源网荷储协同调度方法
CN112712199B (zh) 基于激励的需求响应下综合能源系统元件选址定容方法
Nayak et al. Constrained-based power management algorithm for green cloud computing
Oleksiak et al. Reducing energy costs in data centres using renewable energy sources and energy storage
CN116914732A (zh) 基于深度强化学习的热电联产系统低碳调度方法及系统
Xu et al. Towards improving renewable resource utilization with plug-in electric vehicles
Chen et al. Economic dispatch of hydro-thermal power system with large-scale wind power penetration
Ye et al. Coordinated optimization scheduling of data center and electricity retailer based on cooperative game theory
CN115912436A (zh) 一种计及电力需求响应的电网调度运行优化计算方法
Yang et al. Operation scheduling strategy of battery energy storage system with the integration of differenced power constraint factor
Zhou et al. Dynamic pricing of integrated energy service providers based on master-slave game
CN109447456B (zh) 计及短期需求响应的风电并网电力系统规划方法
Vagropoulos et al. Assessment of the impact of a battery energy storage system on the scheduling and operation of the insular power system of Crete
Zhang et al. Day-ahead dispatch with carbon trading for multi-regulation participation and emission reduction considering multi-type energy storage
Ma et al. Control strategy of UPS for Data Center Based on Economic Dispatch
Yun et al. Optimization of Operation Strategy of Virtual Power Plants Involved in Peak Shaving
You et al. Analysis on Participation Strategy of Independent Energy Storage Station in Electricity Spot Market

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