CN112821466B - 一种含光热发电的独立微电网容量配置方法 - Google Patents
一种含光热发电的独立微电网容量配置方法 Download PDFInfo
- Publication number
- CN112821466B CN112821466B CN202110028313.8A CN202110028313A CN112821466B CN 112821466 B CN112821466 B CN 112821466B CN 202110028313 A CN202110028313 A CN 202110028313A CN 112821466 B CN112821466 B CN 112821466B
- Authority
- CN
- China
- Prior art keywords
- power
- diesel
- photo
- max
- formula
- 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.)
- Active
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000005457 optimization Methods 0.000 claims abstract description 49
- 238000003860 storage Methods 0.000 claims description 43
- 238000004146 energy storage Methods 0.000 claims description 39
- 239000006096 absorbing agent Substances 0.000 claims description 17
- 239000000446 fuel Substances 0.000 claims description 16
- 230000005611 electricity Effects 0.000 claims description 15
- 238000005286 illumination Methods 0.000 claims description 10
- 230000005855 radiation Effects 0.000 claims description 10
- 238000007599 discharging Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 8
- 238000010521 absorption reaction Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- 230000007812 deficiency Effects 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 5
- 238000005338 heat storage Methods 0.000 claims description 5
- 238000002310 reflectometry Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 2
- 230000000452 restraining effect Effects 0.000 claims description 2
- 238000004422 calculation algorithm Methods 0.000 abstract description 15
- 241000282461 Canis lupus Species 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000002028 premature Effects 0.000 description 2
- 102000010029 Homer Scaffolding Proteins Human genes 0.000 description 1
- 108010077223 Homer Scaffolding Proteins Proteins 0.000 description 1
- 241000276450 Hucho Species 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 241000218978 Populus deltoides Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
-
- 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
-
- 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
- H02J2300/26—The renewable source being solar energy of photovoltaic origin involving maximum power point tracking control for photovoltaic sources
-
- 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
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种含光热发电的独立微电网容量配置方法,具体包括以下步骤:步骤1、建立独立混合能源微电网模型;步骤2、设定优化目标及约束;步骤3、确定各优化目标优先顺序下的协调方案。本发明的含光热发电的独立微电网容量配置方法以综合经济成本、供电可靠性和可再生能源利用率为优化目标,建立含光伏‑光热‑风机‑储能‑柴油发电机的独立混合能源微电网容量配置三目标优化模型,使用改进的多目标灰狼优化算法对模型进行求解,得到的配置方案具有较高的可行性和有效性。
Description
技术领域
本发明属于电力系统优化技术领域,尤其涉及一种含光热发电的独立微电网容量配置方法。
背景技术
由于在偏远山区或者独立海岛等供电不便的地区扩建电网对地理环境要求较高,并且经济性成本也比较高,而随着可再生能源发电技术的不断成熟,有效利用山区和海岛丰富的风光资源构建多种能源互补的独立微电网,对解决供电不便地区的供电问题上具有十分重要的意义。构建独立微电网的重要工作之一是对微电网中各种可再生能源进行容量优化,容量配置合理的独立微电网可为偏远山区或者独立海岛提供长期稳定的电能供给,同时也有利于生态环境保护和可持续发展。可再生能源的容量优化配置和能量管理问题是多目标、非线性和复杂的问题,由于可再生能源和负荷的不确定性,需要有效的优化技术和优化方法来解决此问题。符杨等人建立一种风光储微电网,以系统经济成本为优化目标,使用混合量子遗传算法求解所提模型。李彦哲等人建立一种风光储微电网,综合考虑微电网系统运行的经济性和环境效益,基于HOMER Pro软件设计算例,对优化问题进行求解。ZhaoBo等人建立一种风光储柴微电网,通过线性加权法将综合经济成本、可再生能源发电率和污染物排放量转化成单优化目标,使用遗传算法对模型进行求解。此外,很多其他智能算法也被用来解决复杂的微电网容量优化问题。
上述针对微电网可再生能源发电系统容量优化及求解方法的研究都取得了一定的成果,但仍存在一定的局限性。在分布式电源方面,集中于风光储柴的研究,而通过相关研究可以知道,太阳能热发电的发电成本比光伏发电更低,并且其配备有储热模块,可以有效避免能量过多丢弃,将储存的热量用于发电量少的时间,以此也可以提高供电可靠性,因此太阳能热发电是一个很好的分布式电源。在优化目标方面,单目标和双目标函数的研究众多,虽然也能够获得较为合理的容量配置方案,但是随着国家和企业对于环境方面和供电可靠性方面的要求逐渐变高,显然需要考虑更多的优化目标。在优化算法方面,大部分都是使用遗传算法及其改进算法或者粒子群算法及其改进算法,大部分存在编码复杂、过早收敛或陷入局部最优的问题。
发明内容
基于以上现有技术的不足,本发明所解决的技术问题在于提供一种含光热发电的独立微电网容量配置方法,以综合经济成本、供电可靠性和可再生能源利用率为优化目标,建立含光伏-光热-风机-储能-柴油发电机的独立混合能源微电网容量配置三目标优化模型,使用改进的多目标灰狼优化算法对模型进行求解,得到的配置方案具有较高的可行性和有效性。
为了解决上述技术问题,本发明通过以下技术方案来实现:
本发明的含光热发电的独立微电网容量配置方法,具体包括以下步骤:
步骤1、建立独立混合能源微电网模型;
步骤2、设定优化目标及约束,包括:
S21、确定功率分配策略;
S22、确定优化目标;
S23、确定约束条件;
步骤3、确定各优化目标优先顺序下的协调方案。
进一步的,所述步骤1中,包括建立以下模型:
S11、建立光伏发电阵列模型
光伏电池的实际输出功率与实际的光照强度和环境温度有关,故其实际输出功率为:
PPV=ηVPT[1+ρV(Tr+30ηV-TT)]
式中:PT为标准测试条件下的额定输出功率;ηV为实时光照强度与标准条件下光照强度的比值;ρV为功率温度系数;TT为参考环境温度;Tr为实时环境温度;
S12、建立风力发电模型
风力发电机的输出功率可近似用如下分段函数表示:
S13、建立光热发电模型
光热系统吸热器输出的有效功率与定日镜的面积、太阳光的实时辐射强度成正相关,则光热系统实际输出功率为:
PPT=PAP-ΔPX
其中:
PAP=DNISρfρc(1-ξ)
式中:S为定日镜的面积;DNI为太阳光的实时辐射强度;ρf、ρc分别为定日镜的厂效率和折算效率;ξ为吸热器表面的反射率;PAP为经定日镜反射到吸热器表面的太阳辐射能;ΔPX为吸热器的功率损耗;
吸热器的功率损耗主要为反射热损耗Pref,具体为:
ΔPX=Pref=(1-a)PAP
式中:α为吸热器中吸热管表面的吸收率;
1.4、建立电池储能系统模型
其数学模型为:
充电过程:
C(t+1)=C(t)+PELξEL
放电过程:
式中:C(t)为时间t时电池中储存的电量;PEL与PRE分别为单个蓄电池的充电与放电功率;ξEL为充电效率;ξRE为放电效率;
1.5、建立柴油发电机模型
柴油发电机组的实际输出功率与单个柴油发电机的输出功率有关,可表示为:
PDG-total(t)=NDGPDG
柴油机的实时油耗量为:
Vf(t)=ηPDG-total(t)
式中:PDG-total为柴油发电机组的实时总输出功率;PDG为单个柴油发电机的额定功率;NDG为柴油发电机的数量;Vf为柴油发电机组实时油耗量;η为柴油发电机的燃油消耗率。
进一步的,所述步骤S21包括以下步骤:
计算出t时刻风力和光伏的总发电功率与居民用电负荷之间的差值功率,即为:
PD(t)=NPVPPV+NWIPWI-PIN-total
式中:PIN-total表示居民用电总负荷;
差值功率通常会出现以下两种情况:
(1)PD(t)>0,即光伏与风机所发功率满足负荷需求,此时不需要光热发电系统提供功率,故光热发电系统将热量通过蓄热系统储存起来,储存的能量为:
PTH(t)=NPTPPT(t)
多余的差值功率通过蓄电池充电消耗,此时蓄电池储存的功率为:
PEL=PD(t)
若蓄电池不满足充电条件时,剩余电量将放弃;柴油发电机此时无需启动运行;
(2)PD(t)<0,即光伏与风机所发功率不满足负荷需求,此时需要光热发电系统提供额外功率;
1)若光热系统发电功率大于差值功率的绝对值,即:
NPTPPT(t)>|PD(t)|
此时已满足负荷需求,则剩余光热发电系统的热量通过蓄热系统储存起来,储存的能量为:
PTH(t)=NPTPPT(t)-|PD(t)|
此时蓄电池和柴油发电机均不工作;
2)若光热系统发电功率小于差值功率的绝对值,即:
NPTPPT(t)<|PD(t)|
此时仍不满足负荷需求,则需要储能系统放电或者柴油发电机发电从而满足负荷需求,即:
PD(t)|-NPTPPT(t)=NSEPRE+NDGPDG
具体到储能系统和柴油发电机的功率分配上,根据蓄电池的变流器额定容量、SOC状态及放电深度,先确定可放电的最大功率,不足部分由柴油发电机补充。
进一步的,所述步骤S22包括以下步骤:
S221、计算综合经济成本
微电网的综合经济成本数学模型可以表示为:
式中:η为折旧率,本发明取5%;y为分布式电源规划使用年限;Cp、Cr、Cm、Cf分别为微电网内设备的总初始购置成本、置换成本、运行维护成本和燃料成本;
各项成本具体如下式所示:
Cp=NPVCp-PV+NWICp-WI+NPTCp-PT+NDGCp-DG+NSECp-SE
Cr=NDGCr-DG+NSECr-SE
Cm=NPVCm-PV+NWICm-WI+NPTCm-PT+NDGCm-DG+NSECm-SE
Cf=NSEQSECf-fuel
式中:Cp-PV、Cp-WI、Cp-PT、Cp-DG与Cp-SE分别为光伏、风力、光热、柴油发电机以及储能电池的初始购置成本;NPV、NWI、NPT、NDG与NSE分别表示光伏、风力、光热、柴油发电机与蓄电池的数量;Cr-DG与Cr-SE分别为柴油发电机与储能电池的置换成本;Cm-PV、Cm-WI、Cm-PT、Cm-DG与Cm-SE分别为光伏、风力、光热、柴油发电机和储能电池的运行维护成本;Cf-fuel为柴油发电机发出单位电量所消耗的燃料成本;QSE为单台柴油发电机所发出的电量;
S222、计算功率供应缺失率
功率供应缺失率使用以下表达式计算:
式中:Pdef(t)为时刻t系统的缺电功率;Pload为系统的总负荷功率;
S223、计算可再生能源丢弃率
可再生能源丢弃率使用以下表达式计算:
式中:Pdisc(t)表示t时刻弃掉的可再生能源功率;Pre为可再生能源总发电功率。
进一步的,所述步骤S23包括以下步骤:
S231、功率平衡约束
维持微电网输入输出功率的平衡,则需满足:
NPVPPV+NWIPWI+NPTPPT+NDGPDG+NSEPRE=PIN-total+NSEPEL
S232、蓄电池充放电约束
为了提高蓄电池组的利用率,延长其使用年限,则其需要满足:
Cmin(t+1)≤C(t+1)≤Cmax(t+1)
式中:Cmin(t+1)、Cmax(t+1)分别表示理想状态下蓄电池组电量的下限值与上限值;
S233、分布式电源数量约束
根据实际工程情况,对各电源数量进行约束,需满足:
0≤NPV≤NPV-max
0≤NWI≤NWI-max
0≤NPT≤NPT-max
0≤NDG≤NDG-max
0≤NSE≤NSE-max
式中:NPV-max,NWI-max,NPT-max,NDG-max和NSE-max分别为光伏、风力、光热、柴油发电机和储能电池所允许的最大数量;
S234、柴油发电机运行约束
柴油发电机运行时需满足:
PDG-min≤PDG(t)<PDG-max
式中:PDG-max和PDG-min分别为单台柴油发电机输出功率的上限值和下限值。
进一步的,所述步骤3中,包括以下子步骤:
S31、算例概况;
S32、算例分析;
S33、多目标优化结果分析。
由上,本发明提供的含光热发电的独立微电网容量配置方法至少具有如下有益效果:
1、本发明的含光热发电的独立微电网容量配置方案,随着太阳能热发电技术的不断成熟,其安装建设成本会降低,并且其发电成本比光伏发电更低。根据海岛风光资源情况,对太阳热能的有效利用可以提高供电稳定性、节约系统发电成本,并且光热发电会配备储热系统,能够减少储能电池的使用。因此选择太阳热能作为分布式电源之一,配合光伏发电和风力发电,建立光伏-光热-风机-储能-柴油发电机的海岛混合能源微电网。
2、本发明的含光热发电的独立微电网容量配置方案,考虑综合经济成本、供电可靠性和可再生能源利用率,将优化目标设定为综合经济成本最低、功率缺失率最小和可再生能源丢弃率最小,可以很好地解决微电网中分布式电源的容量优化问题,且该三目标能量管理策略满足系统运行要求,避免了单目标和双目标容量配置方案求解过程中存在编码复杂、过早收敛或陷入局部最优的问题。
3、本发明的含光热发电的独立微电网容量配置方案,使用一种改进的多目标灰狼优化算法来求解所述的三目标优化问题,采用MATLAB软件进行了建模和计算。在这种含多目标容量优化配置的独立微电网中,虽然光伏、光热和风机提供的电力输出较为随机,但是通过电池储能和柴油发电机的加持,与可再生电源之间可以形成很好的互补性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下结合优选实施例,并配合附图,详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例的附图作简单地介绍。
图1为本发明的独立微电网拓扑结构图;
图2为本发明实施例的全年负荷曲线图;
图3为本发明实施例的全年日照强度曲线图;
图4为本发明实施例的全年风速曲线图;
图5为本发明的微电网容量优化配置帕累托前沿曲线图;
图6为本发明的微电网全年负荷与发电设备出力情况图;
图7为本发明的微电网典型日负荷与发电设备出力情况图。
具体实施方式
下面结合附图详细说明本发明的具体实施方式,其作为本说明书的一部分,通过实施例来说明本发明的原理,本发明的其他方面、特征及其优点通过该详细说明将会变得一目了然。在所参照的附图中,不同的图中相同或相似的部件使用相同的附图标号来表示。
参照图1-图7,本发明的含光热发电的独立微电网容量配置方法,具体包括以下步骤:
步骤1、建立独立混合能源微电网模型
本发明的总体设计方案考虑能极大地降低发电成本,同时提高对太阳能的利用率,因此选用光伏、光热、风电作为分布式可再生能源,同时加入电池储能系统和柴油发电机,用来平抑可再生能源波动性,同时保证系统的高可靠性。图1展示了拟研究的独立微电网拓扑结构,光伏、储能系统通过相应的电力变换器与风机、太阳热能发电机和柴油发电机组共同连接到交流母线上,向负荷供电。下面,针对各电源进行详细建模。
1、建立光伏发电阵列模型
光伏电池的实际输出功率与实际的光照强度和环境温度有关,故其实际输出功率为:
PPV=ηVPT[1+ρV(Tr+30ηV-TT)] (1)
式中:PT为标准测试条件下的额定输出功率,本发明取100W;ηV为实时光照强度与标准条件下光照强度的比值,标准条件下的光照强度一般取1kW/m2;ρV为功率温度系数,本发明取值为-0.0047/℃;TT为参考环境温度,一般取25℃;Tr为实时环境温度。
2、建立风力发电模型
风力发电机输出功率模型是一个分段函数,不同风速区间的输出功率不同。当风速v达到切入风速时,风力涡轮机开始旋转和发电,输出功率是风力密度、叶片扫掠面积和效率系数的乘积。当风速达到额定功率风速或处于额定功率风速与切出风速之间时,风力涡轮机输出额定功率。当风速达到切出风速时,为防止设备损坏,涡轮机将停止发电。风力发电机的输出功率可近似用如下分段函数表示:
3、建立光热发电模型
光热系统吸热器输出的有效功率与定日镜的面积、太阳光的实时辐射强度成正相关,则光热系统实际输出功率为:
PPT=PAP-ΔPX (3)
其中:
PAP=DNISρfρc(1-ξ) (4)
式中:S为定日镜的面积,本发明取20m2;DNI为太阳光的实时辐射强度;ρf、ρc分别为定日镜的厂效率和折算效率,本发明ρf取0.66,ρc取0.89;ξ为吸热器表面的反射率,本发明取0.12;PAP为经定日镜反射到吸热器表面的太阳辐射能,kW;ΔPX为吸热器的功率损耗。
吸热器的功率损耗主要为反射热损耗Pref,具体为:
ΔPX=Pref=(1-a)PAP (5)
式中:a为吸热器中吸热管表面的吸收率,本发明取0.88。
4、建立电池储能系统模型
储能在混合能源系统中是非常重要的组成部分,可平滑分布式电源波动、增强系统可调度性、提高系统运行可靠性。在各种存储技术中,电池存储系统是独立发电系统中最灵活,最可靠和响应最快的系统。当实际功率与目标功率相等时,储能系统不工作;当实际功率比目标功率大时,储能系统进行充电;当实际功率比目标功率小时,储能系统进行放电。数学模型为:
充电过程:
C(t+1)=C(t)+PELξEL (6)
放电过程:
式中:C(t)为时间t时电池中储存的电量;PEL与PRE分别为单个蓄电池的充电与放电功率;ξEL为充电效率,本发明取70%;ξRE为放电效率,本发明取90%。
5、建立柴油发电机模型
当可再生能源和储能发电量不足时,柴油发电机组作为系统备用电源,弥补系统功率缺额,增强系统可靠性。柴油发电机需运行在较高功率水平,功率水平过低会影响其经济性和使用寿命。柴油发电机组的实际输出功率与单个柴油发电机的输出功率有关,可表示为:
PDG-total(t)=NDGPDG (8)
柴油机的实时油耗量为:
Vf(t)=ηPDG-total(t) (9)
式中:PDG-total为柴油发电机组的实时总输出功率;PDG为单个柴油发电机的额定功率;NDG为柴油发电机的数量;Vf为柴油发电机组实时油耗量;η为柴油发电机的燃油消耗率,本发明取210g/(kW·h)。
步骤2、设定优化目标及约束
1、确定功率分配策略
太阳能热发电系统通常会配置蓄热系统,它能够将多余的能量通过热能的形式储存起来,以此减少储能系统的使用。通过实际调研可以得到岛上居民历史负荷曲线,综合考虑经济性、供电可靠性和可再生能源利用率,在实际运行过程中,拟首先调节各可再生能源以满足用户的用电需求,其次调节储能系统,最后调节柴油发电机。
计算出t时刻风力和光伏的总发电功率与居民用电负荷之间的差值功率,即为:
PD(t)=NPVPPV+NWIPWI-PIN-total (10)
式中:PIN-total表示居民用电总负荷;
差值功率通常会出现以下两种情况:
(1)PD(t)>0,即光伏与风机所发功率满足负荷需求,此时不需要光热发电系统提供功率,故光热发电系统将热量通过蓄热系统储存起来,储存的能量为:
PTH(t)=NPTPPT(t) (11)
多余的差值功率通过蓄电池充电消耗,此时蓄电池储存的功率为:
PEL=PD(t) (12)
若蓄电池不满足充电条件时,剩余电量将放弃。柴油发电机此时无需启动运行。
(2)PD(t)<0,即光伏与风机所发功率不满足负荷需求,此时需要光热发电系统提供额外功率。
1)若光热系统发电功率大于差值功率的绝对值,即:
NPTPPT(t)>|PD(t)| (13)
此时已满足负荷需求,则剩余光热发电系统的热量通过蓄热系统储存起来,储存的能量为:
PTH(t)=NPTPPT(t)-|PD(t)| (14)
此时蓄电池和柴油发电机均不工作。
2)若光热系统发电功率小于差值功率的绝对值,即:
NPTPPT(t)<|PD(t)| (15)
此时仍不满足负荷需求,则需要储能系统放电或者柴油发电机发电从而满足负荷需求,即:
PD(t)|-NPTPPT(t)=NSEPRE+NDGPDG (16)
具体到储能系统和柴油发电机的功率分配上,根据蓄电池的变流器额定容量、SOC状态及放电深度,先确定可放电的最大功率,不足部分由柴油发电机补充。
2、确定优化目标
本发明建立的含有光伏、光热、风机、电池储能和柴油机的混合能源微电网,其目的是提高孤岛模式下微电网的经济性、供电可靠性以及可再生能源利用率。为此,本发明方案选择综合经济成本最低、功率供应缺失率最低和可再生能源丢弃率最低作为优化目标,来解决微电网容量优化问题。
(1)计算综合经济成本
综合经济成本由各种分布式电源的购置成本、置换成本、运行维护成本以及燃料成本构成,风机、光伏光热的正常使用寿命可达20年,故本发明不计其置换成本。微电网的综合经济成本数学模型可以表示为:
式中:η为折旧率,本发明取5%;y为分布式电源规划使用年限,本发明取20年;Cp、Cr、Cm、Cf分别为微电网内设备的总初始购置成本、置换成本、运行维护成本和燃料成本。
各项成本具体如式(18)所示:
Cp=NPVCp-PV+NWICp-WI+NPTCp-PT+NDGCp-DG+NSECp-SE
Cr=NDGCr-DG+NSECr-SE
Cm=NPVCm-PV+NWICm-WI+NPTCm-PT+NDGCm-DG+NSECm-SE
Cf=NSEQSECf-fuel (18)
式中:Cp-PV、Cp-WI、Cp-PT、Cp-DG与Cp-SE分别为光伏、风力、光热、柴油发电机以及储能电池的初始购置成本;NPV、NWI、NPT、NDG与NSE分别表示光伏、风力、光热、柴油发电机与蓄电池的数量;Cr-DG与Cr-SE分别为柴油发电机与储能电池的置换成本;Cm-PV、Cm-WI、Cm-PT、Cm-DG与Cm-SE分别为光伏、风力、光热、柴油发电机和储能电池的运行维护成本;Cf-fuel为柴油发电机发出单位电量所消耗的燃料成本;QSE为单台柴油发电机所发出的电量。
(2)计算功率供应缺失率
功率供应缺失率(DPSP)是衡量系统供电可靠性的一个指标,即DPSP越小表示系统供电可靠性越高,DPSP在0%到100%之间变化。DPSP使用以下表达式计算:
式中:Pdef(t)为时刻t系统的缺电功率;Pload为系统的总负荷功率。
(3)计算可再生能源丢弃率
本发明用可再生能源丢弃率(REDR)衡量可再生能源利用率,当可再生能源的发电量超过负荷需求,且储能电池达到充电上限时,多余能量会被浪费掉,即可再生能源丢弃率越小表示可再生能源利用率越高。REDR使用以下表达式计算:
式中:Pdisc(t)表示t时刻弃掉的可再生能源功率;Pre为可再生能源总发电功率。
3、确定约束条件
混合能源独立微电网的规模优化受到许多实际条件约束,包括功率平衡、电池充放电、分布式电源数量限制、柴油发电机运行限制等约束。
(1)功率平衡约束
为了满足负荷需求,保证系统稳定运行,维持微电网输入输出功率的平衡,则需满足:
NPVPPV+NWIPWI+NPTPPT+NDGPDG+NSEPRE=PIN-total+NSEPEL (21)
(2)蓄电池充放电约束
为了提高蓄电池组的利用率,延长其使用年限,则其需要满足:
Cmin(t+1)≤C(t+1)≤Cmax(t+1) (22)
式中:Cmin(t+1)、Cmax(t+1)分别表示理想状态下蓄电池组电量的下限值与上限值。通常情况下Cmin(t+1)取20%,Cmax(t+1)可取100%。
(3)分布式电源数量约束
根据实际工程情况,对各电源数量进行约束,需满足:
0≤NPV≤NPV-max
0≤NWI≤NWI-max
0≤NPT≤NPT-max (23)
0≤NDG≤NDG-max
0≤NSE≤NSE-max
式中:NPV-max,NWI-max,NPT-max,NDG-max和NSE-max分别为光伏、风力、光热、柴油发电机和储能电池所允许的最大数量。
(4)建立柴油发电机运行约束
由于柴油发电机在低载运行时发电效率相对比较低同时油耗量较大,因此为了使经济性最佳,则需满足:
PDG-min≤PDG(t)<PDG-max (24)
式中:PDG-max和PDG-min分别为单台柴油发电机输出功率的上限值和下限值。
步骤3、确定各优化目标优先顺序下的协调方案
确定各优化目标优先顺序下的协调方案,并根据实际运行情况(或仿真结果)选择最终配置方案,以实施算例进行海岛独立微电网容量多目标优化配置算例分析,包括以下步骤:
1、算例概况
算例分析对象为中国境内某太平洋海域的海岛,该海岛微电网单日负荷在约300~1300kW范围内波动,年负荷曲线如图2所示。该海岛的全年光照强度曲线和风速曲线如图3和图4所示。
海岛作为特殊的研究对象,处于较恶劣的气象环境中,微电网设备易受到台风等自然灾害破坏,维护和检修工作较为困难,为保障机组可靠性,组件选型策略上应考虑较小额定容量的组件,以避免大容量设备突然故障导致系统大面积停电,甚至微电网瘫痪。本算例微电网主要组件的经济和技术参数如表1所示。
表1分布式电源相关参数
2、算例分析
本发明中海岛独立微电网容量多目标优化配置是基于改进灰狼优化算法(IMOGWO)在Matlab2.18b版本的环境下实现的。IMOGWO的参数配置表2所示,优化结果帕累托前沿如图5所示。
表2IMOGWO参数
(1)多目标优化结果分析
在满足各目标的非支配解中选出综合经济成本最低、DPSP最小、REDR最小以及三个目标折中的四个有代表性的解,对应的优化配置方案如表3所示:
表3分布式电源配置结果
由表3可知:系统最小综合经济成本为578.5106万元,所对应功率缺额率为0.255%,可再生能源丢弃率为0.185;系统最大综合经济成本为723.2455万元,所对应的功率缺额率为0.135%,可再生能源丢弃率为0.184;系统综合经济成本为638.4003万元,所对应的功率缺额率为0.423%,可再生能源丢弃率为0.133。当可再生能源丢弃率相近时,系统综合经济成本越高,其功率缺额率越低,即供电可靠性越高,说明一般情况下,高供电可靠性会以高经济性为代价;而在综合经济成本相近的时候,功率缺额率越低,所对应的可再生能源丢弃率就越高。所以在微电网整体规划时,需要根据规划对象实际要求,恰当地评估和平衡综合经济成本、可靠性以及可再生能源利用率三者之间的关系,确定三者的合适数值,从而避免成本过高。
本发明取方案4中的一组解集作进一步分析,此解中构成混合能源微电网的组件包括光伏16063块、风力发电机16台、光热发电机8台、储能47台和柴油发电机10台。
图6所示为微电网中各个分布式电源、储能电池和负荷的全年运行情况,图7为典型日微电网电源出力和负荷运行情况。光伏、光热与风机三者的电力输出比较随机,但是其三者之间也能够形成较好的互补性,通过储能电池和柴油发电机的加持,在可再生能源发电量不足的时候提供能源,有效地提高了微电网系统的稳定性。通过运行情况分析,证实了IMOGWO算法求解微电网容量优化问题的可行性。
以上所述是本发明的优选实施方式而已,当然不能以此来限定本发明之权利范围,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和变动,这些改进和变动也视为本发明的保护范围。
Claims (2)
1.一种含光热发电的独立微电网容量配置方法,其特征在于,具体包括以下步骤:
步骤1、建立独立混合能源微电网模型,包括:
S11、建立光伏发电阵列模型
光伏电池的实际输出功率与实际的光照强度和环境温度有关,故其实际输出功率为:
PPV=ηVPT[1+ρV(Tr+30ηV-TT)]
式中:PT为标准测试条件下的额定输出功率;ηV为实时光照强度与标准条件下光照强度的比值;ρV为功率温度系数;TT为参考环境温度;Tr为实时环境温度;
S12、建立风力发电模型
风力发电机的输出功率可近似用如下分段函数表示:
S13、建立光热发电模型
光热系统吸热器输出的有效功率与定日镜的面积、太阳光的实时辐射强度成正相关,则光热系统实际输出功率为:
PPT=PAP-ΔPX
其中:
PAP=DNISρfρc(1-ξ)
式中:S为定日镜的面积;DNI为太阳光的实时辐射强度;ρf、ρc分别为定日镜的厂效率和折算效率;ξ为吸热器表面的反射率;PAP为经定日镜反射到吸热器表面的太阳辐射能;ΔPX为吸热器的功率损耗;
吸热器的功率损耗主要为反射热损耗Pref,具体为:
ΔPX=Pref=(1-a)PAP
式中:α为吸热器中吸热管表面的吸收率;
S14、建立电池储能系统模型
其数学模型为:
充电过程:
C(t+1)=C(t)+PELξEL
放电过程:
式中:C(t)为时间t时电池中储存的电量;PEL与PRE分别为单个蓄电池的充电与放电功率;ξEL为充电效率;ξRE为放电效率;
S15、建立柴油发电机模型
柴油发电机组的实际输出功率与单个柴油发电机的输出功率有关,可表示为:
PDG-total(t)=NDGPDG
柴油机的实时油耗量为:
Vf(t)=ηPDG-total(t)
式中:PDG-total为柴油发电机组的实时总输出功率;PDG为单个柴油发电机的额定功率;NDG为柴油发电机的数量;Vf为柴油发电机组实时油耗量;η为柴油发电机的燃油消耗率;
步骤2、设定优化目标及约束,包括:
S21、确定功率分配策略,包括以下步骤:
计算出t时刻风力和光伏的总发电功率与居民用电负荷之间的差值功率,即为:
PD(t)=NPVPPV+NWIPWI-PIN-total
式中:PIN-total表示居民用电总负荷;
差值功率通常会出现以下两种情况:
(1)PD(t)>0,即光伏与风机所发功率满足负荷需求,此时不需要光热发电系统提供功率,故光热发电系统将热量通过蓄热系统储存起来,储存的能量为:
PTH(t)=NPTPPT(t)
多余的差值功率通过蓄电池充电消耗,此时蓄电池储存的功率为:
PEL=PD(t)
若蓄电池不满足充电条件时,剩余电量将放弃;柴油发电机此时无需启动运行;
(2)PD(t)<0,即光伏与风机所发功率不满足负荷需求,此时需要光热发电系统提供额外功率;
1)若光热系统发电功率大于差值功率的绝对值,即:
NPTPPT(t)>|PD(t)|
此时已满足负荷需求,则剩余光热发电系统的热量通过蓄热系统储存起来,储存的能量为:
PTH(t)=NPTPPT(t)-|PD(t)|
此时蓄电池和柴油发电机均不工作;
2)若光热系统发电功率小于差值功率的绝对值,即:
NPTPPT(t)<|PD(t)|
此时仍不满足负荷需求,则需要储能系统放电或者柴油发电机发电从而满足负荷需求,即:
PD(t)|-NPTPPT(t)=NSEPRE+NDGPDG
具体到储能系统和柴油发电机的功率分配上,根据蓄电池的变流器额定容量、SOC状态及放电深度,先确定可放电的最大功率,不足部分由柴油发电机补充;
S22、确定优化目标,包括以下步骤:
S221、计算综合经济成本
微电网的综合经济成本数学模型可以表示为:
式中:η为折旧率,本发明取5%;y为分布式电源规划使用年限;Cp、Cr、Cm、Cf分别为微电网内设备的总初始购置成本、置换成本、运行维护成本和燃料成本;
各项成本具体如下式所示:
Cp=NPVCp-PV+NWICp-WI+NPTCp-PT+NDGCp-DG+NSECp-SE
Cr=NDGCr-DG+NSECr-SE
Cm=NPVCm-PV+NWICm-WI+NPTCm-PT+NDGCm-DG+NSECm-SE
Cf=NSEQSECf-fuel
式中:Cp-PV、Cp-WI、Cp-PT、Cp-DG与Cp-SE分别为光伏、风力、光热、柴油发电机以及储能电池的初始购置成本;NPV、NWI、NPT、NDG与NSE分别表示光伏、风力、光热、柴油发电机与蓄电池的数量;Cr-DG与Cr-SE分别为柴油发电机与储能电池的置换成本;Cm-PV、Cm-WI、Cm-PT、Cm-DG与Cm-SE分别为光伏、风力、光热、柴油发电机和储能电池的运行维护成本;Cf-fuel为柴油发电机发出单位电量所消耗的燃料成本;QSE为单台柴油发电机所发出的电量;
S222、计算功率供应缺失率
功率供应缺失率使用以下表达式计算:
式中:Pdef(t)为时刻t系统的缺电功率;Pload为系统的总负荷功率;
S223、计算可再生能源丢弃率
可再生能源丢弃率使用以下表达式计算:
式中:Pdisc(t)表示t时刻弃掉的可再生能源功率;Pre为可再生能源总发电功率;
S23、确定约束条件,包括以下步骤:
S231、功率平衡约束
维持微电网输入输出功率的平衡,则需满足:
NPVPPV+NWIPWI+NPTPPT+NDGPDG+NSEPRE=PIN-total+NSEPEL
S232、蓄电池充放电约束
为了提高蓄电池组的利用率,延长其使用年限,则其需要满足:
Cmin(t+1)≤C(t+1)≤Cmax(t+1)
式中:Cmin(t+1)、Cmax(t+1)分别表示理想状态下蓄电池组电量的下限值与上限值;
S233、分布式电源数量约束
根据实际工程情况,对各电源数量进行约束,需满足:
0≤NPV≤NPV-max
0≤NWI≤NWI-max
0≤NPT≤NPT-max
0≤NDG≤NDG-max
0≤NSE≤NSE-max
式中:NPV-max,NWI-max,NPT-max,NDG-max和NSE-max分别为光伏、风力、光热、柴油发电机和储能电池所允许的最大数量;
S234、柴油发电机运行约束
柴油发电机运行时需满足:
PDG-min≤PDG(t)<PDG-max
式中:PDG-max和PDG-min分别为单台柴油发电机输出功率的上限值和下限值;
步骤3、确定各优化目标优先顺序下的协调方案。
2.如权利要求1所述的一种含光热发电的独立微电网容量配置方法,其特征在于,所述步骤3中,包括以下子步骤:
S31、算例概况;
S32、算例分析;
S33、多目标优化结果分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110028313.8A CN112821466B (zh) | 2021-01-08 | 2021-01-08 | 一种含光热发电的独立微电网容量配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110028313.8A CN112821466B (zh) | 2021-01-08 | 2021-01-08 | 一种含光热发电的独立微电网容量配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112821466A CN112821466A (zh) | 2021-05-18 |
CN112821466B true CN112821466B (zh) | 2023-02-28 |
Family
ID=75868656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110028313.8A Active CN112821466B (zh) | 2021-01-08 | 2021-01-08 | 一种含光热发电的独立微电网容量配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112821466B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113659613A (zh) * | 2021-07-07 | 2021-11-16 | 杭州中恒电气股份有限公司 | 独立微电网优化的方法 |
CN113541133B (zh) * | 2021-07-21 | 2022-11-01 | 国网重庆市电力公司电力科学研究院 | 一种混合微电网精细化调度方法 |
CN115360739B (zh) * | 2022-10-19 | 2023-01-24 | 广东电网有限责任公司佛山供电局 | 一种考虑储能充放电模式的风光储优化运行方法及系统 |
CN115940292B (zh) * | 2023-01-10 | 2023-06-02 | 湖北工业大学 | 基于圆圈搜索算法的含风储电力系统优化调度方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107846007A (zh) * | 2017-07-03 | 2018-03-27 | 东南大学 | 基于混沌局部搜索的直流配网电源储能双层规划方法 |
CN108039722A (zh) * | 2017-11-21 | 2018-05-15 | 中国科学院广州能源研究所 | 一种适用于交直流混合的分布式可再生能源系统优化配置方法 |
CN109167381A (zh) * | 2018-08-01 | 2019-01-08 | 中国电力科学研究院有限公司 | 一种微网控制方法及拓扑结构 |
CN110365013A (zh) * | 2019-07-18 | 2019-10-22 | 青海格尔木鲁能新能源有限公司 | 一种光热-光伏-风电联合发电系统的容量优化方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2019101104A4 (en) * | 2019-09-25 | 2019-10-31 | Southeast University | An optimal dispatching method of multi-region power and gas coupled integrated energy system using tiered gas tariff |
CN112149339B (zh) * | 2020-09-04 | 2022-11-04 | 河海大学 | 风电-光伏-光热-电加热器互补发电系统容量优化模型 |
-
2021
- 2021-01-08 CN CN202110028313.8A patent/CN112821466B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107846007A (zh) * | 2017-07-03 | 2018-03-27 | 东南大学 | 基于混沌局部搜索的直流配网电源储能双层规划方法 |
CN108039722A (zh) * | 2017-11-21 | 2018-05-15 | 中国科学院广州能源研究所 | 一种适用于交直流混合的分布式可再生能源系统优化配置方法 |
CN109167381A (zh) * | 2018-08-01 | 2019-01-08 | 中国电力科学研究院有限公司 | 一种微网控制方法及拓扑结构 |
CN110365013A (zh) * | 2019-07-18 | 2019-10-22 | 青海格尔木鲁能新能源有限公司 | 一种光热-光伏-风电联合发电系统的容量优化方法 |
Non-Patent Citations (1)
Title |
---|
基于光热电站水电联产的独立海岛综合供给系统容量优化配置;汪致洵等;《中国电机工程学报》;20200820;第40卷(第16期);第5192-5203页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112821466A (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112821466B (zh) | 一种含光热发电的独立微电网容量配置方法 | |
CN106451566B (zh) | 一种海岛智能微电网多源协调控制方法 | |
CN113850474B (zh) | 一种热电氢多能流综合能源系统及其优化调度方法 | |
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 | |
CN111313480B (zh) | 一种基于多目标寻优的多能互补系统的设计方法 | |
CN115307054B (zh) | 一种基于微网余电制氢的加氢站设备容量优化配置方法 | |
CN115186791A (zh) | 一种计及氢气交易的电氢热耦合多能互补微电网优化配置方法 | |
Arévalo-Cordero et al. | Optimal energy management strategies to reduce diesel consumption for a hybrid off-grid system | |
Chi et al. | Optimization of configuration for home micro-grid cogeneration system based on Wind-PV/T-PEMFC | |
Gbadega et al. | JAYA algorithm-based energy management for a grid-connected micro-grid with PV-wind-microturbine-storage energy system | |
Alnejaili et al. | An advanced energy management system with an economical optimization for a multi-sources stand-alone Home | |
Ran et al. | Economic dispatch of off-grid photovoltaic generation system with hybrid energy storage | |
CN111064188B (zh) | 一种基于净现值计算的光储系统容量配置方法 | |
CN113078689A (zh) | 一种综合能源优化配置的负荷跟踪管理运行策略 | |
Ashari | Emission abatement cost analysis of hybrid marine current/photovoltaic/diesel system operation | |
CN112884191A (zh) | 一种基于网源协调的热电日前调度模型及计算方法 | |
Effiom et al. | Technical and economic appraisal for harnessing a proposed hybrid energy system nexus for power generation and CO2 mitigation in Cross River State, Nigeria | |
Wang et al. | Research on microgrid emission reduction mechanism and emission reduction calculation method | |
CN114336764B (zh) | 一种基于sofc与电转气技术的微电网系统及其容量配置方法 | |
Shi et al. | Research on Energy Management Optimization Strategy of Integrated Energy System in Wind Photovoltaic Hydrogen Energy Storage Area | |
Yingying et al. | Research and Application on Renewable Energy Assessment Method of Absorptive Capacity Considering Adaptability of Power Grid | |
Li et al. | Multi-timescale Scheduling of Integrated Energy Systems Containing P2G Devices | |
Zhang et al. | Simulation Evaluation Method of Power Grid Operation Considering High Proportion New Energy Grid Connection | |
Jadallah | Multi-object model for the hybrid wind-solar power generation with energy storage and inverter access capacity configuration | |
Liu | Cogeneration and heat exchanger control system based on clean energy |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20210518 Assignee: Wuhan Mingluan Technology Co.,Ltd. Assignor: HUBEI University OF TECHNOLOGY Contract record no.: X2023980053018 Denomination of invention: A Capacity Allocation Method for Independent Microgrid with Photothermal Power Generation Granted publication date: 20230228 License type: Exclusive License Record date: 20231220 |