CN112819327A - 故障期间互补优化运行的综合能源系统可靠性评估方法 - Google Patents
故障期间互补优化运行的综合能源系统可靠性评估方法 Download PDFInfo
- Publication number
- CN112819327A CN112819327A CN202110131781.8A CN202110131781A CN112819327A CN 112819327 A CN112819327 A CN 112819327A CN 202110131781 A CN202110131781 A CN 202110131781A CN 112819327 A CN112819327 A CN 112819327A
- Authority
- CN
- China
- Prior art keywords
- energy
- electric
- load
- power
- cold
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 37
- 230000000295 complement effect Effects 0.000 title claims abstract description 24
- 238000011156 evaluation Methods 0.000 title abstract description 22
- 238000010438 heat treatment Methods 0.000 claims abstract description 20
- 238000001816 cooling Methods 0.000 claims abstract description 16
- 239000007789 gas Substances 0.000 claims description 91
- 238000010521 absorption reaction Methods 0.000 claims description 29
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 28
- 238000006243 chemical reaction Methods 0.000 claims description 26
- 230000005611 electricity Effects 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 19
- 238000004088 simulation Methods 0.000 claims description 19
- 238000009826 distribution Methods 0.000 claims description 16
- 238000012546 transfer Methods 0.000 claims description 15
- 239000003345 natural gas Substances 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 11
- 150000001875 compounds Chemical class 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 238000005485 electric heating Methods 0.000 claims description 6
- 238000005057 refrigeration Methods 0.000 claims description 6
- 230000006855 networking Effects 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 10
- 230000008878 coupling Effects 0.000 description 7
- 238000010168 coupling process Methods 0.000 description 7
- 238000005859 coupling reaction Methods 0.000 description 7
- 230000007812 deficiency Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 238000000342 Monte Carlo simulation Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013486 operation strategy Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000013209 evaluation strategy Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 239000002918 waste heat 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
- G06Q10/06—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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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—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
-
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- General Health & Medical Sciences (AREA)
- Algebra (AREA)
- Water Supply & Treatment (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种故障期间互补优化运行的综合能源系统可靠性评估方法，建立了综合能源系统故障期间冷热电互补运行的数学模型，并基于不同的角度提出了三种不同的运行目标，分别为使用户的能量损失最小，使供能站的经济损失最小，使系统获得供能可靠性指标最佳，因此，基于本发明所建立的模型，可以在系统某一设备发生故障后对运行状态进行优化，并且本发明提出了3种新的综合能源系统可靠性评价指标，该指标体系同时考虑了冷热电三类能源的供应，并考虑了3类能源之间的能量值差异。因此，与现有技术相比，本发明的指标体系更适合于耦合了多类能源的综合能源系统的供能可靠性评估。
Description
技术领域
本发明涉及综合能源系统的供能可靠性评估领域，尤其是涉及一种故障期间互补优化运行的综合能源系统可靠性评估方法。
背景技术
随着化石能源的枯竭和环境污染的加剧，传统分产分供的能源系统因其对一次能源的利用效率过低，难以满足人们对各类型负荷需求的持续增长。在此背景下，拥有更高供能效率的综合能源系统(Integrated Energy System，IES)应运而生。综合能源系统打破各供能系统独立规划运行的模式，实现对多种能源的生产、传输、分配、转换、存储、消费、交易等环节的有机协调与优化，进而满足负荷侧多样化需求,是能源互联网的物理载体。然而，综合能源系统内部能源耦合复杂，能量特性各异，使得其可靠性评估相较于单一能源系统，复杂度大幅提高。因此，亟需开展面向多种能量耦合的综合能源系统的可靠性评估方法研究，为系统的规划建设、安全运行提供更加科学、合理的决策依据。
作为运行及规划过程中的关键技术，可靠性评估方法的研究一直广受关注。系统的可靠性评估可总结为以下三个基本步骤：系统随机状态获取、随机状态分析评估、系统可靠性指标计算。在系统随机状态获取环节，主要有解析法和蒙特卡洛模拟法两种方法，解析法通过故障枚举来获取系统随机状态,并且当系统规模较大时，效率较低，而蒙特卡洛方法不仅不受系统规模的限制，并且可同时获得频率、持续时间等指标相比之下更加适用于综合能源系统的可靠性评估；在随机状态分析评估环节，故障后果影响分析通过遍历系统内的元件故障对系统负荷产生的影响，而被广泛运用。文献“Gas supply reliabilityassessment of natural gas transmission pipeline systems”(Yu,W.,Song,S.,Li,Y.,et al.Energy,2018,162,pp.853–870.)使用该方法对配电网的供电可靠性进行了评估，文献“Generalized Analytical Approach to Assess Reliability of Renewable-BasedEnergy Hubs”(Moeiniaghtaie M,Farzin H,Fotuhifiruzabad M,et al.IEEETransactions on Power Systems,2017,32,(1),pp.368-377)和文献“OptimalInterconnection Planning of Community Microgrids With Renewable EnergySources”(Che L,Zhang X,Shahidehpour M,et al.IEEE Transactions on Smart Grid,2017,8,(3),pp.1054-1063)将该方法应用于含分布式能源的微电网可靠性评估中。然而，目前针对综合能源系统内部元件故障对系统供能产生的影响的研究还较少。在系统内元件发生故障后，文献“An Evaluation Strategy for Microgrid Reliability Consideringthe Effects of Protection System”(Xu X,Mitra J,Wang T,et al.IEEE Transactionson Power Delivery,2016,31,(5),pp.1989-1997.)和文献“A sequential Monte Carlomodel of the combined GB gas and electricity network”(Chaudry M,Wu J,JenkinsN,et al.Energy Policy,2013,pp.473-483.)提出以运行费用最小为目标的系统运行策略，实现了电负荷缺失量和气负荷缺失量的计算，但未考虑冷热负荷的缺失情况，忽略了用户侧负荷的多样性；在系统可靠性指标计算环节，现有可靠性指标多停留在单一能源网络,且尚未提出具有综合意义的指标。其中，电网络的可靠性评估发展较早，可靠性指标体系相对完善，典型的电力系统可靠性指标有电量供应不足概率LOLP、电量不足期望LOEE、电量不足持续时间LOLD等，而冷热网络的可靠性指标体系尚不完善，因此目前耦合了冷热电等多种能源的综合能源系统的可靠性指标多以电力系统为参照。
发明内容
本发明的目的就是为了克服上述现有技术存在传统可靠性评估方法难以合理有效地评估多能互补的综合能源系统的可靠性问题的缺陷而提供一种故障期间互补优化运行的综合能源系统可靠性评估方法。
本发明的目的可以通过以下技术方案来实现：
一种故障期间互补优化运行的综合能源系统可靠性评估方法，具体为：获取综合能源系统的原始数据，建立综合能源系统的冷热电互补优化运行模型，根据冷热电互补优化运行模型的目标函数，优化故障期间综合能源系统各设备的出力，求取冷热电三类负荷的缺失量，根据预设的可靠性指标集合，评估综合能源系统的可靠性；
所述可靠性指标集合包括年平均能量损失指标，该年平均能量损失指标包括电能能量损失、热能能量损失和冷能能量损失分别与其对应能量价值系数的乘积的加和，所述年平均能量损失指标越小，综合能源系统的可靠性越高。
所述评估综合能源系统的可靠性具体为，通过比较综合能源系统不同的优化方案的年平均能量损失指标，选取年平均能量损失指标最低的优化方案作为该综合能源系统的最优方案。
进一步地，所述年平均能量损失指标AAEL的计算表达式为：
AAEL＝γeAAELe+γhAAELh+γcAAELc
式中，AAELe为电能的能量损失，AAELh为热能的能量损失，AAELc为冷能的能量损失，γe为电能的能量价值系数，γh为热能的能量价值系数，γc为冷能的能量价值系数，N为仿真的年限，T为仿真的总时间，
为t时刻的随机状态，
为t时刻的电负荷需求，
为电热锅炉在时段t消耗的电功率，
为电制冷机在时段t的输入电功率，
为配电网在时段t的功率输入，
为燃气轮机在时段t的输出电功率，
为站间电力联络网在时段t的电能传输，PPV,t为光伏在时段t的出力，PWT,t为分布式风机在时段t的出力，
为t时刻的热负荷需求，
为吸收式制冷机在时段t的输入热功率，
为电热锅炉在时段t的输出热功率，
为燃气轮机在时段t输出的热功率，
为热力联络网在时段t的热能传输量，
为燃气锅炉在时段t的输出热功率，
为t时刻的冷负荷需求，
为电制冷机在时段t的输出冷功率，
为吸收式制冷机在时段t输出的冷功率，
为热力联络网在时段t的冷能传输量。
进一步地，所述可靠性指标集合还包括能量供给不足概率指标，该能量供给不足概率指标IESP的计算表达式为：
式中，IESPe为电能供给概率，IESPh为热能供给概率，IESPc为冷能供给概率，
为t时刻的随机状态，T为仿真的总时间，其中FIESP的计算表达式为：
所述能量供给不足概率指标越小，综合能源系统的可靠性越高。
所述评估综合能源系统的可靠性还包括，通过比较综合能源系统不同的优化方案的能量供给不足概率指标，选取年平均能量损失指标和能量供给不足概率指标综合结果最低的优化方案作为该综合能源系统的最优方案。
进一步地，所述可靠性指标集合还包括能量供给不足时间指标，该能量供给不足时间指标IEST的计算表达式为：
式中，N为仿真的年限；
所述能量供给不足时间指标越小，综合能源系统的可靠性越高。
所述评估综合能源系统的可靠性还包括，通过比较综合能源系统不同的优化方案的能量供给不足时间指标，选取能量供给不足时间指标、年平均能量损失指标和能量供给不足概率指标综合结果最低的优化方案作为该综合能源系统的最优方案。
进一步地，所述综合能源系统包括多个相互能源交互连接的供能站，每个所述供能站均连接外部电网和外部气网，每个所述供能站包括电热锅炉、电制冷机、吸收式制冷机、燃气轮机和燃气锅炉，所述供能站的上级供能网络包括配电网和供气网，所述供能站的用户端包括电负荷、冷负荷和热负荷，
所述配电网连接所述电负荷，所述电热锅炉的输入端连接电负荷、输出端连接所述热负荷，所述电制冷机的输入端连接所述电负荷、输出端连接所述冷负荷，所述燃气轮机的输入端连接供气网、输出端连接所述电负荷和所述热负荷，所述燃气锅炉的输入端连接所述供气网、输出端连接所述热负荷，所述吸收式制冷机的输入端连接所述热负荷、输出端连接所述冷负荷。
进一步地，所述冷热电互补优化运行模型中，所述燃气轮机的元件模型为：
式中，
为燃气轮机在时段t输出的电功率，
为燃气轮机在时段t输出的热功率，VGT,t为燃气轮机在时段t输入的天然气量，LNG为天然气的热值，ηEGT为燃气轮机的气电转换效率，ηHGT为燃气轮机的气热转化效率，Δt为时间步长；
所述电热锅炉的元件模型为：
式中，
表示电热锅炉在时段t的输出热功率；
表示电热锅炉在时段t消耗的电功率；ηEB表示电热转换效率；μLOSS表示时段t的热损失；
所述燃气锅炉的元件模型为：
式中，
表示燃气锅炉在时段t的输出热功率；VGB,t表示燃气锅炉在时段t的天然气耗量；ηGB表示燃气锅炉的制热效率；
所述电制冷机的物理模型为：
式中，
表示电制冷机在时段t的输出冷功率；ηER表示电制冷机的制冷系数；
表示电制冷机的输入电功率；
所述吸收式制冷机的物理模型为：
式中，
表示吸收式制冷机在时段t输出的冷功率；CAC表示吸收式制冷机的制冷系数；
表示吸收式制冷机在时段t的输入热功率。
进一步地，所述冷热电互补优化运行模型的目标函数为：
式中，f1表示基于用户角度，使得用户用能损失最小的目标函数，αe,t、αc,t、αh,t分别表示电负荷、冷负荷、热负荷的重要度因子，T为仿真的总时间，
分别表示t时刻电负荷、冷负荷、热负荷的能量缺失。
进一步地，所述冷热电互补优化运行模型的目标函数为：
式中，f2是基于供能站的角度，βe,t，βc,t，βh,t分别为电、冷、热三类能源的价格，T为仿真的总时间，
分别表示t时刻电负荷、冷负荷、热负荷的能量缺失。
进一步地，所述冷热电互补优化运行模型的目标函数为：
式中，f3表示系统能够获得最佳的供能可靠性指标，γe为电能的能量价值系数，γh为热能的能量价值系数，γc为冷能的能量价值系数，T表示仿真的总时间，
分别表示t时刻电负荷、冷负荷、热负荷的能量缺失。
进一步地，所述冷热电互补优化运行模型的约束条件包括
电功率平衡约束：
热功率平衡约束：
冷功率平衡约束：
气平衡约束：
能源输入约束：
能源转化设备出力约束：
DG出力约束：
联络线功率传输限制：
式中，i代表负荷类型，为电负荷、冷负荷、热负荷的一种，
和
分别表示配电网和燃气网的最大功率输入，
表示设备j的输出功率，
是它的最大值，由设备的建设容量以及相应的转化效率决定。
代表分布式风机出力的上限，是依据风机建设容量和实时风速计算得到的，
是光伏的出力上限，
表示电力联络网和热力联络网的传输能量限制，当该值为正时，表示能量流入供能站，当该值为负时，表示能量流出供能站。
与现有技术相比，本发明具有以下优点：
针对传统可靠性评估方法难以合理有效地评估多能互补的综合能源系统的可靠性问题，本实施例提出了一种故障期间互补优化运行的综合能源系统可靠性评估方法。在设备故障期间，充分调动系统的多能互补特性，基于不同的角度提出了三种运行目标，并在三种目标下，改变能源缺失的形式实现了系统的冷热电优化运行。本实施例提出了三种新的综合能源系统可靠性评估指标，该指标同时考虑了冷热电三类能源的供应，并且考虑了三类能源的能量价值差异。最后，通过算例分析，验证了综合能源系统在不同目标下对能流的灵活调度，以及本实施例所提指标的合理性，并对不同设备故障对系统供能可靠性影响的大小进行了排序，为系统确定薄弱环节以及制定强化措施提供了一定的依据。
附图说明
图1为本发明实施例中综合能源系统站间结构图；
图2为本发明实施例中综合能源系统站内结构图；
图3为本发明实施例中综合能源系统可靠性评估流程图；
图4为本发明实施例中供能站的风光出力曲线图；
图5为本发明实施例中不同设备故障时的AAELe/h/c柱状图；
图6为本发明实施例中不同设备故障时的AAEL折线图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例1
本发明为充分利用各种能源间的互补特性，建立了综合能源系统故障期间冷热电互补运行的数学模型，并基于不同的角度提出了三种不同的运行目标，分别为使用户的能量损失最小，使供能站的经济损失最小，使系统获得供能可靠性指标最佳。因此，基于本实施例所建立的模型，可以在系统某一设备发生故障后对运行状态进行优化。并且本发明提出了3种新的综合能源系统可靠性评价指标，该指标体系同时考虑了冷热电三类能源的供应，并考虑了3类能源之间的能量值差异。因此，本实施例所建立的指标体系更适合于耦合了多类能源的综合能源系统的供能可靠性评估。
下面进行具体描述。
一、综合能源系统基本结构
多个供能站互联组成的综合能源系统打破了传统能源系统分产分供、相对独立的既有模式，实现了能量的集中统筹协调，充分发挥了供能区域内部的资源优势，受到能源行业的广泛关注。本实施例所构建的综合能源系统结构如图1所示，具体来讲，该系统实现了冷、热、电、气等多种类能源的交流互通，系统正常运行时可同时满足冷、热、电三类负荷的需求，供能站间可自行建设能源联络网实现站间能源的交互。图中，供能站外部接入上级电网和上级气网，站间联络网包括电力联络网以及冷热联络网(Electrical connectionnetwork，ECN；Thermal connection network，TCN),冷热能源共用同一网络，供能站所需的燃气仅能通过上级气网供应，因此站间未设置燃气联络网，各供能站负责为各自相应区域的冷热电负荷供能。
每个供能站内部的结构如图2所示，该系统包含了能源输入、转换、输出等环节，能量的耦合转化通过系统内部的燃气轮机(Gas Turbine,GT)、电热锅炉(Electric Boiler,EB)、电制冷机(Electric Refrigerator,ER)、吸收式制冷机(Absorption Refrigerator,AR)、燃气锅炉(Gas Boiler,GB)等设备实现。其中，电负荷由上级配电网、分布式电源(DG)以及燃气轮机供应，热负荷由燃气轮机、燃气锅炉以及电热锅炉供应，冷负荷由电制冷机以及吸收式制冷机供应。由该图可直观的展现出系统内部的能量流动转化情况以及各设备的组成连接情况。为简化分析，本实施例将供能站下游网络中的各类负荷节点集中等效为冷热电三个负荷节点，如图2所示。
综合能源系统的具体结构如下：
综合能源系统包括三个相互能源交互连接的供能站，每个供能站均连接外部电网和外部气网，每个供能站包括电热锅炉、电制冷机、吸收式制冷机、燃气轮机和燃气锅炉，供能站的上级供能网络包括配电网和供气网，供能站的用户端包括电负荷、冷负荷和热负荷，
配电网连接电负荷，电热锅炉的输入端连接电负荷、输出端连接热负荷，电制冷机的输入端连接电负荷、输出端连接冷负荷，燃气轮机的输入端连接供气网、输出端连接电负荷和热负荷，燃气锅炉的输入端连接供气网、输出端连接热负荷，吸收式制冷机的输入端连接热负荷、输出端连接冷负荷。
二、设备数学模型
1)燃气轮机
燃气轮机消耗天然气，将能量转化为电能，同时余热供热，是实现气电耦合和气热耦合的关键元件，其元件模型为
式中：
分别表示燃气轮机在时段t输出的电功率、热功率；VGT,t表示燃气轮机在时段t输入的天然气量；LNG为天然气的热值，本实施例取为9.78J/kg；ηEGT、ηHGT分别表示燃气轮机的气电转换效率和气热转化效率，Δt表示时间步长。
2)电热锅炉
电热锅炉是典型的电热耦合设备，其元件模型为：
式中：
表示电热锅炉在时段t的输出热功率；
表示电热锅炉在时段t消耗的电功率；ηEB表示电热转换效率；μLOSS表示时段t的热损失。
3)燃气锅炉
燃气锅炉是气热耦合单元的关键设备，其元件模型为：
式中：
表示燃气锅炉在时段t的输出热功率；VGB,t表示燃气锅炉在时段t的天然气耗量；ηGB表示燃气锅炉的制热效率。
4)电制冷机
电制冷机将电能转化为冷能，其典型物理模型为：
式中：
表示电制冷机在时段t的输出冷功率；ηER表示电制冷机的制冷系数；
表示电制冷机的输入电功率。
5)吸收式制冷机
吸收式制冷机将热能转化为冷能。其典型物理模型为：
式中：
表示吸收式制冷机在时段t输出的冷功率；CAC表示吸收式制冷机的制冷系数；
表示吸收式制冷机在时段t的输入热功率。
三、故障后的冷热电互补优化运行
传统孤立的能源系统当发生故障时，若其同类能源供给备用较少，由于能量供给方式与供能路径单一，系统将被迫产生负荷缺失，可靠性较低。而IES将多种能量进行耦合，对于给定的用户需求，能源供给方式和供能路径并不唯一，具有能量互补的显著优势。例如对于热需求，不仅可以通过燃气轮机及燃气锅炉供应，还可以通过电转热即电热锅炉供应，其能源供给方式和供能路径存在多样性。综合能源系统能量互补的本质在于充分利用不同形式能源之间的互补能力，对系统的各环节进行协同优化，对每一个能源子系统来讲，当能源供应不足时，可通过能源转化装置接受其它能源系统的转化支援，相当于增大了系统备用，可在一定程度上提高系统的供能可靠性。当供能站某一设备发生故障时，该设备的出力降为0，若此时供能设备负载率处在较低水平，且供给同种能量的其他设备仍有较大备用容量时，则用户负荷可通过其他设备满足，若此时其他供能设备不足以支撑备用，则将产生负荷损失。而当负荷缺失不可避免时，综合能源系统因其本身具有能量转化能力，使得其可以根据不同的可靠性目标改变能源缺失的形式，例如当热负荷较重要且产生热能供给缺失时，可以将电锅炉满负荷投入运行，即使这样做将导致供电紧张而不得不切除部分电负荷。如此从而使“改变能源缺失形式”得以实现。因此，在系统内部元件发生故障后，可充分调动IES的多能互补优势，并根据期望达到的可靠性目标，优化调整各机组设备的出力，提高故障后系统的供能可靠性。
下面介绍在故障期间提出的冷热电互补优化运行模型，其中包含三种可靠性目标以及该模型下的各类约束条件：
目标函数：
其中，f1表示基于用户角度，使得用户用能损失最小的目标函数，αe,t，αc,t，αh,t分别表示电负荷、冷负荷、热负荷的重要度因子，他们随着用户需求的变化而动态变化。例如，当处于供热季时，αh,t数值较大，而αe,t和αc,t数值较小。f2是基于供能站的角度，使得供能站因负荷缺失而产生的经济损失最小，βe,t，βc,t，βh,t分别为电、冷、热三类能源的价格。f3表示系统能够获得最佳的供能可靠性指标，其中γe，γc，γh表示各类能源的“能量价值系数”。由于冷热电三类能源的能量差异性，每种能源可以有效转化和利用的能量多少存在很大差异，能量价值系数表示该类能源的有效价值，因此，利用能量价值系数可以将冷热电三类能源的能量价值统一起来。T表示仿真的总时间，
分别表示t时刻电负荷、冷负荷、热负荷的能量缺失。
约束条件：
1)等式约束：
电功率平衡：
热功率平衡：
冷功率平衡：
气平衡：
其中，
分别为时刻t外部电网和外部气网输入的功率，
和
分别表示站间电力联络网的电能传输和分布式能源的出力，
和
表示热力联络网的热能传输和冷能传输量，
分别表示t时刻的电负荷、热负荷和冷负荷需求。PGT,t和PGB,t分别表示燃气轮机和燃气锅炉消耗的天然气量。
2)不等式约束：
能源输入约束：
能源转化设备出力约束：
DG出力约束：
联络线功率传输限制：
其中i代表负荷类型，为电负荷、冷负荷、热负荷的一种，
和
分别表示配电网和燃气网的最大功率输入，
表示设备j的输出功率，
是它的最大值，由设备的建设容量以及相应的转化效率决定。
代表分布式风机出力的上限，是依据风机建设容量和实时风速计算得到的，
是光伏的出力上限，计算方法同风机类似。
表示电力联络网和热力联络网的传输能量限制，当该值为正时，表示能量流入供能站，当该值为负时，表示能量流出供能站。
四、可靠性指标体系与评估流程
可靠性评估的最终目的是获得系统量化的可靠性指标，为系统的规划运行提供数据支持。传统的可靠性评估给出的是单一能源系统的可靠性指标，只能较为片面的衡量冷热电各自的供应能力，但是并不能综合的评价综合能源系统整体的供能可靠性，本发明提出了以下三个新型可靠性指标来弥补传统指标的不足：
指标1：年平均能量损失Average Annual Energy Loss(AAEL)
该指标表示由于设备故障而产生的年平均能量损失，定义式如下：
AAEL＝γeAAELe+γhAAELh+γcAAELc (20)
其中，AAELe、AAELh、AAELc分别表示电能热能和冷能的能量损失，N表示仿真的年限，
表示t时刻的随机状态，
的定义如下：
年平均能量损失指标越小，综合能源系统的可靠性越高。评估综合能源系统的可靠性后可以为，通过比较综合能源系统不同的优化方案的年平均能量损失指标，选取年平均能量损失指标最低的优化方案作为该综合能源系统的最优方案。
指标2：能量供给不足概率:Insufficient Energy Supply Probability(IESP)
它表示能量供给不足的发生概率，定义如下：
其中，IESPe，IESPh，IESPc分别表示电能、热能、冷能供给概率，FIESP由下面的定义式获得：
能量供给不足概率指标越小，综合能源系统的可靠性越高。
评估综合能源系统的可靠性还可以为，通过比较综合能源系统不同的优化方案的能量供给不足概率指标，选取年平均能量损失指标和能量供给不足概率指标综合结果最低的优化方案作为该综合能源系统的最优方案。
指标3：能量供给不足时间：Insufficient Energy Supply Time(IEST)
它表示一年中由于设备故障而导致的能量缺供时间，其计算式如下：
能量供给不足时间指标越小，综合能源系统的可靠性越高。
评估综合能源系统的可靠性还可以为：通过比较综合能源系统不同的优化方案的能量供给不足时间指标，选取能量供给不足时间指标、年平均能量损失指标和能量供给不足概率指标综合结果最低的优化方案作为该综合能源系统的最优方案。
评估综合能源系统的可靠性在具体应用时可以为：通过比较综合能源系统不同的优化方案的能量供给不足时间指标，选取能量供给不足时间指标、年平均能量损失指标和能量供给不足概率指标综合结果最低的优化方案作为该综合能源系统的最优方案。综合结果的计算可以通过将各个指标结果进行归一化后加权平均的方式，获取该综合结果进行比较。
综合能源系统的可靠性评估流程如下：
步骤1：输入原始数据，主要包括系统内各设备以及外部电网、外部气网、供能站间联络线的故障率和修复率，一年的负荷值以及风光出力值等。
步骤2：在三个优化运行目标函数中选择一个，进行序贯蒙特卡洛仿真，用以优化故障期间的各设备出力。
步骤3：计算每个设备的失效前运行时间TTF，选取TTF最小的设备作为故障设备，并选取此最小时间作为系统的正常运行时间，然后计算该故障设备的故障持续时间TTR。
步骤4：在故障期间，充分调动多能互补特性，根据运行目标优化各设备输出，然后使用Grobi求解器求取冷热电三类负荷的缺失量。
步骤5：累积仿真时间，若仿真时间小于8760h(一年)，返回步骤3，否则转到步骤6。
步骤6：进行N次仿真，取N个样本年平均值，得到系统的年平均可靠性指标。
五、应用实例
本实施例的应用实例选用上文构建的综合能源系统进行仿真分析，该系统共包含3个供能站，其中，在供能站1和2；供能站2和3之间分别建设了电力联络网，而热力联络网仅仅建设在供能站1和2之间。电力联络网的最大功率传输限制为2000kw，热力联络网的最大功率传输限制为1000kw。序贯蒙特卡洛的仿真年限为100年，并且将一年分为三个供能季，供能季涉及三类典型日，分别为供冷季(5月16日至9月15日)、供热季(11月16日至次年3月15日)和过渡季(3月16日至5月15日及9月16日至11月15日)。现做出如下假设：供冷季系统仅有电、冷两类负荷，供热季系统仅有电、热两类负荷，过渡季系统仅有电负荷。本实施例对供能站下游负荷作集中等效处理，即将每个供能站下游网络所有的负荷节点，全部按照负荷类型累加等效成冷热电三个负荷节点。光伏发电装设在供能站1和供能站3，其装机容量分别为3000kw和5000kw,风力发电机装设在供能站2，其装机容量为4000kw。风机和光伏的出力曲线如图4所示。
依据本实施例建立的故障后的互补优化运行模型，并结合提出的可靠性评估方法，给出实例仿真结果如表1所示。
表1运行目标f1下的系统可靠性指标
上述结果验证了综合能源系统对于不同重要度的负荷能够实现不同的优化运行策略。表1中，热负荷缺失和冷负荷缺失比电负荷缺失更多，因为目标一是基于用户的角度使得用户的用能损失最小，从用能的角度来看，这是由于能量转化的不可逆性，即电能能够转化为冷和热，而冷和热无法再次转化为电，即使在冷热负荷供应不足的时候，电能仍能根据需要通过转化继续供应一部分的冷热负荷，因此与冷热相比较，电负荷的缺失量较小，这也体现了故障后优化运行的合理性，能够使得故障后安排的机组设备出力和负荷缺失更加有利于系统的供能可靠性。同时，上述结果展现了单一能源系统以及综合能源系统的可靠性指标，可以看出，冷热能源供应的可靠性指标差异较小，这是由于以年为单位计的情况下，用户对于冷热的需求特征相似。同时，综合能源系统的供能可靠性不能仅仅依靠冷热电各自能源的供能可靠性来评估，本实施例提出的指标AELL考虑了不同能源的能量差异，它的取值不是冷热电可靠性指标的简单加和，可以看出，综合性指标结果较简单加和更加的乐观，这是因为当低质量的能量占比较大时，系统能够通过“能量价值系数”修正不同能源的可用价值，这使得本实施例提出的综合性指标能够更加灵敏和合理的评估系统的可靠性。而IESP和IEST两个指标也不再仅仅简单的考虑单一能源的供应，任何一类能源负荷产生缺失，都将计为综合能源系统的一次能量缺失。这样，本实施例所提出的综合性指标就更能合理的评估这样一个耦合了多类能源的综合能源系统的供能可靠性。
表2运行目标f2下的系统可靠性指标
表3运行目标f3下的系统可靠性指标
从表2和表3我们可以看出，随着运行目标函数的改变，指标AELL的变化更加明显，而指标IESP和IEST的变化较小。这是因为，指标AELL与负荷缺失量密切相关，而负荷缺失量正是在故障期间各运行目标函数优化的量。因此，不同的运行目标函数将会对AELL的数值大小产生较大影响。通过其他两项指标的定义可以看出，他们更加依赖于设备固有的故障率和修复时间，因此，一定程度上，这两项指标更注重于从设备本身来反应对负荷供应的可靠性。同时，我们可以发现，在不同的优化运行目标下，系统的供能可靠性指标也不同，因此，通过在设备故障期间调动多能互补的特性，IES能够实现对其他设备出力的调整优化，并且主动选择和改变能量缺失的形式，使得整个系统的运行更加适合于不同运行目标下的可靠性，这充分反应了综合能源系统多能互补的优势以及对能流的灵活调度。
为探究系统内不同元件故障对系统供能可靠性产生的影响差异，本实施例假设了以下六种典型的故障场景，每种故障场景仅有以下一个设备发生故障。这些设备分别为：燃气轮机(GT)、燃气锅炉(GB)、电热锅炉(EB)、电制冷机(ER)、吸收式制冷机(AR)、站间能源联络线(ECN/TCN)。本节分析使用指标AELL为例，对比分析不同设备故障对系统可靠性产生的影响。
从图5和图6可以看出，不同元件的故障对系统产生的影响并不相同。由综合性指标可判断，供能站内部所有的设备中，燃气轮机对系统的供能可靠性产生的影响最大，吸收式制冷机对系统的供能可靠性产生的影响最小，而站间连接线发生故障对系统的可靠性产生的影响甚微，各元件对系统供能可靠性的影响按照由大到小的顺序可排列为燃气轮机>燃气锅炉>电热锅炉>电制冷机>吸收式制冷机>站间连接线。上述结果表明，多个供能站互联的综合能源系统对能源的供给主要依赖于供能站内的各类供能及能源转化设备，站间连接线虽然在一定程度上可以优化调度资源，提高系统的整体供能可靠性，但考虑到其有限的传输能力，并不能承担起能源供应的主要职责，因此仅发生站间连接线的故障时，不足以引起系统很大的可靠性波动。限于篇幅限制，下文将重点对燃气轮机故障后对系统供能可靠性产生的影响做出分析。当燃气轮机发生故障后，会同时影响冷热电三种能源的供应，其中，电负荷主要由上级电网以及分布式电源供给；热负荷主要由燃气锅炉和电热锅炉供给；冷负荷由电制冷机以及吸收式制冷机供给，各机组具体的运行方式和出力大小以及各类能源的负荷缺失量由前文所述的冷热电互补优化运行模型来确定。进一步分析，燃气轮机直接供应电能和热能，而对冷能的供应需经过吸收式制冷机的转化，因此在其发生故障后，对冷热电三种能源的供应都会产生影响，但对电能和热能的供给产生的影响为直接影响，对冷能源的供给产生的影响为间接影响，表现在量化的层面上使得靠性指标AAELe、AAELh数值较大，AAELc数值较小。以上结果与分析可作为系统识别薄弱环节的重要参考。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种故障期间互补优化运行的综合能源系统可靠性评估方法，其特征在于，具体为：获取综合能源系统的原始数据，建立综合能源系统的冷热电互补优化运行模型，根据冷热电互补优化运行模型的目标函数，优化故障期间综合能源系统各设备的出力，求取冷热电三类负荷的缺失量，根据预设的可靠性指标集合，评估综合能源系统的可靠性；
所述可靠性指标集合包括年平均能量损失指标，该年平均能量损失指标包括电能能量损失、热能能量损失和冷能能量损失分别与其对应能量价值系数的乘积的加和，所述年平均能量损失指标越小，综合能源系统的可靠性越高。
2.根据权利要求1所述的一种故障期间互补优化运行的综合能源系统可靠性评估方法，其特征在于，所述年平均能量损失指标AAEL的计算表达式为：
AAEL＝γeAAELe+γhAAELh+γcAAELc
式中，AAELe为电能的能量损失，AAELh为热能的能量损失，AAELc为冷能的能量损失，γe为电能的能量价值系数，γh为热能的能量价值系数，γc为冷能的能量价值系数，N为仿真的年限，T为仿真的总时间，
为t时刻的随机状态，
为t时刻的电负荷需求，
为电热锅炉在时段t消耗的电功率，
为电制冷机在时段t的输入电功率，
为配电网在时段t的功率输入，
为燃气轮机在时段t的输出电功率，
为站间电力联络网在时段t的电能传输，PPV,t为光伏在时段t的出力，PWT,t为分布式风机在时段t的出力，
为t时刻的热负荷需求，
为吸收式制冷机在时段t的输入热功率，
为电热锅炉在时段t的输出热功率，
为燃气轮机在时段t输出的热功率，
为热力联络网在时段t的热能传输量，
为燃气锅炉在时段t的输出热功率，
为t时刻的冷负荷需求，
为电制冷机在时段t的输出冷功率，
为吸收式制冷机在时段t输出的冷功率，
为热力联络网在时段t的冷能传输量。
3.根据权利要求1所述的一种故障期间互补优化运行的综合能源系统可靠性评估方法，其特征在于，所述可靠性指标集合还包括能量供给不足概率指标，该能量供给不足概率指标IESP的计算表达式为：
式中，IESPe为电能供给概率，IESPh为热能供给概率，IESPc为冷能供给概率，
为t时刻的随机状态，T为仿真的总时间，其中FIESP的计算表达式为：
所述能量供给不足概率指标越小，综合能源系统的可靠性越高。
4.根据权利要求3所述的一种故障期间互补优化运行的综合能源系统可靠性评估方法，其特征在于，所述可靠性指标集合还包括能量供给不足时间指标，该能量供给不足时间指标IEST的计算表达式为：
式中，N为仿真的年限；
所述能量供给不足时间指标越小，综合能源系统的可靠性越高。
5.根据权利要求1所述的一种故障期间互补优化运行的综合能源系统可靠性评估方法，其特征在于，所述综合能源系统包括多个相互能源交互连接的供能站，每个所述供能站均连接外部电网和外部气网，每个所述供能站包括电热锅炉、电制冷机、吸收式制冷机、燃气轮机和燃气锅炉，所述供能站的上级供能网络包括配电网和供气网，所述供能站的用户端包括电负荷、冷负荷和热负荷，
所述配电网连接所述电负荷，所述电热锅炉的输入端连接电负荷、输出端连接所述热负荷，所述电制冷机的输入端连接所述电负荷、输出端连接所述冷负荷，所述燃气轮机的输入端连接供气网、输出端连接所述电负荷和所述热负荷，所述燃气锅炉的输入端连接所述供气网、输出端连接所述热负荷，所述吸收式制冷机的输入端连接所述热负荷、输出端连接所述冷负荷。
6.根据权利要求5所述的一种故障期间互补优化运行的综合能源系统可靠性评估方法，其特征在于，所述冷热电互补优化运行模型中，所述燃气轮机的元件模型为：
式中，
为燃气轮机在时段t输出的电功率，
为燃气轮机在时段t输出的热功率，VGT,t为燃气轮机在时段t输入的天然气量，LNG为天然气的热值，ηEGT为燃气轮机的气电转换效率，ηHGT为燃气轮机的气热转化效率，Δt为时间步长；
所述电热锅炉的元件模型为：
式中，
表示电热锅炉在时段t的输出热功率；
表示电热锅炉在时段t消耗的电功率；ηEB表示电热转换效率；μLOSS表示时段t的热损失；
所述燃气锅炉的元件模型为：
式中，
表示燃气锅炉在时段t的输出热功率；VGB,t表示燃气锅炉在时段t的天然气耗量；ηGB表示燃气锅炉的制热效率；
所述电制冷机的物理模型为：
式中，
表示电制冷机在时段t的输出冷功率；ηER表示电制冷机的制冷系数；
表示电制冷机的输入电功率；
所述吸收式制冷机的物理模型为：
式中，
表示吸收式制冷机在时段t输出的冷功率；CAC表示吸收式制冷机的制冷系数；
表示吸收式制冷机在时段t的输入热功率。
7.根据权利要求5所述的一种故障期间互补优化运行的综合能源系统可靠性评估方法，其特征在于，所述冷热电互补优化运行模型的目标函数为：
式中，f1表示基于用户角度，使得用户用能损失最小的目标函数，αe,t、αc,t、αh,t分别表示电负荷、冷负荷、热负荷的重要度因子，T为仿真的总时间，
分别表示t时刻电负荷、冷负荷、热负荷的能量缺失。
8.根据权利要求5所述的一种故障期间互补优化运行的综合能源系统可靠性评估方法，其特征在于，所述冷热电互补优化运行模型的目标函数为：
式中，f2是基于供能站的角度，βe,t，βc,t，βh,t分别为电、冷、热三类能源的价格，T为仿真的总时间，
分别表示t时刻电负荷、冷负荷、热负荷的能量缺失。
9.根据权利要求5所述的一种故障期间互补优化运行的综合能源系统可靠性评估方法，其特征在于，所述冷热电互补优化运行模型的目标函数为：
式中，f3表示系统能够获得最佳的供能可靠性指标，γe为电能的能量价值系数，γh为热能的能量价值系数，γc为冷能的能量价值系数，T表示仿真的总时间，
分别表示t时刻电负荷、冷负荷、热负荷的能量缺失。
10.根据权利要求6所述的一种故障期间互补优化运行的综合能源系统可靠性评估方法，其特征在于，所述冷热电互补优化运行模型的约束条件包括
电功率平衡约束：
热功率平衡约束：
冷功率平衡约束：
气平衡约束：
能源输入约束：
能源转化设备出力约束：
DG出力约束：
联络线功率传输限制：
式中，i代表负荷类型，为电负荷、冷负荷、热负荷的一种，
和
分别表示配电网和燃气网的最大功率输入，
表示设备j的输出功率，
是它的最大值，由设备的建设容量以及相应的转化效率决定，
代表分布式风机出力的上限，是依据风机建设容量和实时风速计算得到的，
是光伏的出力上限，
表示电力联络网和热力联络网的传输能量限制，当值为正时，表示能量流入供能站，当值为负时，表示能量流出供能站。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110131781.8A CN112819327B (zh) | 2021-01-30 | 2021-01-30 | 故障期间互补优化运行的综合能源系统可靠性评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110131781.8A CN112819327B (zh) | 2021-01-30 | 2021-01-30 | 故障期间互补优化运行的综合能源系统可靠性评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112819327A true CN112819327A (zh) | 2021-05-18 |
| CN112819327B CN112819327B (zh) | 2022-08-23 |
Family
ID=75860535
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110131781.8A Active CN112819327B (zh) | 2021-01-30 | 2021-01-30 | 故障期间互补优化运行的综合能源系统可靠性评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112819327B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107730129A (zh) * | 2017-10-24 | 2018-02-23 | 重庆大学 | 考虑光热热电联产与电锅炉的电‑气‑热互联系统风险评估方法 |
| CN110544017A (zh) * | 2019-08-12 | 2019-12-06 | 上海交通大学 | 考虑热惯性和能源网络约束的能源系统可靠性评估方法 |
| CN111313429A (zh) * | 2020-02-25 | 2020-06-19 | 国网山西省电力公司经济技术研究院 | 一种用于综合能源系统的可靠性评估方法及系统 |
| CN112070374A (zh) * | 2020-08-25 | 2020-12-11 | 天津大学 | 一种区域能源互联网供能可靠性评估方法 |
-
2021
- 2021-01-30 CN CN202110131781.8A patent/CN112819327B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107730129A (zh) * | 2017-10-24 | 2018-02-23 | 重庆大学 | 考虑光热热电联产与电锅炉的电‑气‑热互联系统风险评估方法 |
| CN110544017A (zh) * | 2019-08-12 | 2019-12-06 | 上海交通大学 | 考虑热惯性和能源网络约束的能源系统可靠性评估方法 |
| CN111313429A (zh) * | 2020-02-25 | 2020-06-19 | 国网山西省电力公司经济技术研究院 | 一种用于综合能源系统的可靠性评估方法及系统 |
| CN112070374A (zh) * | 2020-08-25 | 2020-12-11 | 天津大学 | 一种区域能源互联网供能可靠性评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李振坤等: "区域互联能源联供系统的优化规划", 《电力系统自动化》 * |
| 符杨等: "计及可平移负荷的微网经济优化调度", 《中国电机工程学报》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112819327B (zh) | 2022-08-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Chen et al. | Distributionally robust day-ahead scheduling of park-level integrated energy system considering generalized energy storages | |
| CN109919478B (zh) | 一种考虑综合供能可靠性的综合能源微网规划方法 | |
| CN111738502B (zh) | 促进富余风电消纳的多能互补系统需求响应运行优化方法 | |
| CN111445067B (zh) | 一种适用于高铁站综合能源系统的多目标规划方法 | |
| CN111985702B (zh) | 一种计及电能替代效果的园区级综合能源系统优化方法 | |
| CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
| CN111030094B (zh) | 一种多能互补园区供能可靠性评估方法 | |
| 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 | |
| CN115099007B (zh) | 基于综合成本-能耗曲线的综合能源系统优化运行方法 | |
| CN114142461B (zh) | 考虑电网形态演变和结构发展的新能源差异化配置方法 | |
| CN112862253A (zh) | 考虑风电不确定性的电-气-热储能协同规划方法及系统 | |
| CN112150024A (zh) | 一种综合能源系统多场景能效评估方法 | |
| CN113158547B (zh) | 计及经济性和可靠性的区域综合能源系统优化配置方法 | |
| CN113886761A (zh) | 一种综合能源系统能效分析评估方法 | |
| CN111967659A (zh) | 一种基于光伏消纳的区域综合能源系统配置优化方法 | |
| CN112819327B (zh) | 故障期间互补优化运行的综合能源系统可靠性评估方法 | |
| CN114139837B (zh) | 一种考虑双层碳排放优化分配模型的区域多系统双层分散优化调度方法 | |
| CN112950410B (zh) | 计及风光相关性与预防维护的能量枢纽系统规划方法 | |
| 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 | |
| CN114358601A (zh) | 多元能量系统多维评价指标体系构建的方法及装置 | |
| CN114372609A (zh) | 计及新能源消纳成本最优的多源荷互补规划方法 | |
| Dou et al. | Optimal configuration of multitype energy storage for integrated energy system considering the system reserve value | |
| CN111815111A (zh) | 一种考虑管线风险水平的区域综合能源扩展规划方法 | |
| CN111210107A (zh) | 一种综合能源调度系统和综合能源调度方法 | |
| Jinglin et al. | Multi-objective Collaborative Planning Method for Micro-energy Systems Considering Thermoelectric Coupling Clusters |
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 |