CN112862158A - 一种综合能源系统日前优化调度方法及系统 - Google Patents
一种综合能源系统日前优化调度方法及系统 Download PDFInfo
- Publication number
- CN112862158A CN112862158A CN202110038683.XA CN202110038683A CN112862158A CN 112862158 A CN112862158 A CN 112862158A CN 202110038683 A CN202110038683 A CN 202110038683A CN 112862158 A CN112862158 A CN 112862158A
- Authority
- CN
- China
- Prior art keywords
- natural gas
- energy
- day
- pipeline
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005457 optimization Methods 0.000 title claims description 58
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 204
- 239000003345 natural gas Substances 0.000 claims abstract description 103
- 239000007789 gas Substances 0.000 claims abstract description 63
- 238000006243 chemical reaction Methods 0.000 claims abstract description 23
- 230000005540 biological transmission Effects 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 238000004146 energy storage Methods 0.000 claims description 28
- 239000000243 solution Substances 0.000 claims description 12
- 238000010248 power generation Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000009194 climbing Effects 0.000 claims description 4
- 239000003245 coal Substances 0.000 claims description 4
- 238000002347 injection Methods 0.000 claims description 4
- 239000007924 injection Substances 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 12
- 230000005611 electricity Effects 0.000 description 8
- 238000010438 heat treatment Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000005265 energy consumption Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000005338 heat storage Methods 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012946 outsourcing Methods 0.000 description 2
- NRNCYVBFPDDJNE-UHFFFAOYSA-N pemoline Chemical compound O1C(N)=NC(=O)C1C1=CC=CC=C1 NRNCYVBFPDDJNE-UHFFFAOYSA-N 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 102100037047 Fucose-1-phosphate guanylyltransferase Human genes 0.000 description 1
- 101001029296 Homo sapiens Fucose-1-phosphate guanylyltransferase Proteins 0.000 description 1
- JMVSBFJBMXQNJW-GIXZANJISA-N all-trans-pentaprenyl diphosphate Chemical compound CC(C)=CCC\C(C)=C\CC\C(C)=C\CC\C(C)=C\CC\C(C)=C\COP(O)(=O)OP(O)(O)=O JMVSBFJBMXQNJW-GIXZANJISA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004138 cluster model Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012482 interaction analysis Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 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
- G06Q10/04—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
-
- 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
-
- 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
-
- 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
- H02J2300/28—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
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Power Engineering (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种综合能源系统日前优化调度方法及系统,所述方案通过挖掘天然气管道自身由于传输惯性所具有的存储能力,利用电转气设备将难以消纳的风电转为天然气并存储到管道中,所述调度方法能够以更低的成本释放系统的灵活性来消纳风电;同时,为了验证方法的有效性,本公开建立了由IEEE39节点电网‑比利时20节点天然气网‑20节点供热网组成的仿真系统,通过场景法生成不同的典型风电场景输入到仿真系统中进行分析,结果验证了本方法的经济性和有效性。
Description
技术领域
本公开属于电-热-气综合能源系统互联技术领域,尤其涉及一种综合能源系统日前优化调度方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
随着具有强波动性和随机性的可再生能源的快速发展,迫切需要提高能源系统的灵活性和运行效率来消纳大量的可再生能源。同时,随着各种能源转换设备的出现,不同能源网络间的耦合加强,不同类型的能源集中调度为系统的运行增加了困难。为了满足电力、供热和天然气等多能源的需求,通过整合多个能源网络建立了综合能源系统(IES)。与典型的独立能源供应系统相比,IES具有显著的经济性和灵活性。
在电力耦合热力的系统中,为提高能源效率,近年来,热电联产(CHP)得到了快速应用。然而,由于热电比的限制,热电联产和高渗透风能之间的运行冲突已经成为能源系统运行的挑战。当热电联产满足热量需求时,相应的发电量可满足非高峰时段的大部分用电需求,此时没有多余的电负荷来消耗大量的风电。发明人发现,为了能够有效的平衡电和热的负荷需求,现有技术中通过在IES系统中加入储电和储热机组实现将风能和热负荷的跨时段转移,来提高IES的灵活性;此外,增加其他热源并考虑需求响应也是减轻热电比约束的方法;当前,更多的研究集中在热网的动态特性上,通过挖掘供热系统的动态传输延迟来构建灵活性运行模型。供热网络中管道的热能存储能力可以为CHP提供额外的灵活性。同时,部分学者研究了建筑物的热能存储能力,利用供暖系统作为管理风能分配的一种方式。
在电力耦合天然气系统中,燃气轮机(GT)的建立是为了通过消耗天然气来满足高峰时段的电力需求。同时,燃气轮机通过补充风电输出低谷的时段来减少风电曲线的波动。随着技术的发展,电转气装置被提出用来将电转换为天然气,同时与IES中的燃气轮机配合实现了电网与天然气网能源的双向传输。P2G通过将风能转化为天然气并直接注入天然气管道来提高IES的灵活性。在经济,能源和环境的方面上评估P2G的潜力,并提出将P2G与燃气发电厂(GFPP)结合使用作为减少CO2排放的潜在解决方案。但是,P2G的运行受到天然气管网调度能力的限制。为了解决这个问题,考虑到天然气网络的传输延迟,使用大规模天然气管道存储是一种经济有效的方法。部分研究人员提出了一种采用P2G技术的电力—天然气综合输电网络模型,用于天然气网络中的长期季节性存储应用;但是,由于天然气网络中流量与压力的非线性特征,增加了解决方案的难度
发明人发现,现有方法中,管道的动态特性尚未被考虑入优化决策中,也并未有效利用管道网络本身的灵活性;同时,多能源网络之间的能量转换单元的输出受到所连接的传输管道的调度能力的限制;因此,如何利用管道的动态特性来减少风电波动,是当今急需解决的技术问题。
发明内容
本公开为了解决上述问题,提供了一种综合能源系统日前优化调度方法及系统,所述方案通过挖掘天然气管道自身由于传输惯性所具有的存储能力,利用电转气设备将难以消纳的风电转为天然气并存储到管道中,所述调度方法能够以更低的成本释放系统的灵活性来消纳风电。
根据本公开实施例的第一个方面,提供了一种综合能源系统日前优化调度方法,包括:
针对气网与热网的动态特性分别进行建模分析,探究天然气管道与热网管道的储能能力;
以总运行成本最小为优化目标,建立综合能源系统日前优化调度模型;其中,所述日前优化调度模型中利用电转气装置和天然气管存的合作调度将无法消纳的风电转化为天然气并存储与天然气管道中;
对上述日前优化调度模型进行优化求解。
进一步的,所述天然气管存的调度是通过调节天然气管道入口和出口处的管道压力,使注入流速和抽取流速不同来实现对天然气管道中的存储进行调度。
进一步的,以总运行成本最小为优化目标,建立兼顾气、热网络动态特性的综合能源系统日前优化调度模型,所述综合能源系统总运行成本包括火电机组和热电机组的煤耗、外购天然气的成本和由于弃风带来的惩罚成本。
进一步的,所述综合能源系统日前优化调度模型的约束条件包括:电力系统约束、能源集站约束、储能约束以及传输约束。
进一步的,所述电力系统约束包括:
功率平衡约束:对于电网中的任意节点满足流入该节点总的有功功率等于流出该节点总的有功功率;
发电容量限制:各发电机组需要满足自身出力的限制和运行过程中的爬坡能力的限制;
同时,相对于火电机组,热电机组在满足上述约束的同时,还必须满足热电比约束。
进一步的,所述能源集站约束包括:能量转换单元的输出需符合各耦合机组的工作特性,包括燃气轮机、燃气锅炉和电转气机组的最大最小出力限制。
进一步的,所述储能约束包括:储能机组的运行限制条件包括容量和运行状态限制;同时,为了不影响下一个调度周期,储能机组需要在一个运营期结束时恢复初始容量;此外,储能机组只能在一种状态下运行,即充电或放电。
进一步的,所述传输约束包括:在天然气系统中,管道入口和出口的压力需要满足节点压力限制。
根据本公开实施例的第二个方面,提供了一种综合能源系统日前优化调度系统,包括:服务器,所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
针对气网与热网的动态特性分别进行建模分析,探究天然气管道与热网管道的储能能力;
以总运行成本最小为优化目标,建立综合能源系统日前优化调度模型;其中,所述日前优化调度模型中利用电转气装置和天然气管存的合作调度将无法消纳的风电化为天然气并存储与天然气管道中;
对上述日前优化调度模型进行优化求解。
提供了根据本公开实施例的第三个方面,提供了一种非暂态计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述的一种综合能源系统日前优化调度方法。
与现有技术相比,本公开的有益效果是:
(1)本公开所述方案通过将无法消纳的风能转换为天然气并将天然气存储在管道网络中,可以使用P2G和动态管道特性的协同调度来减少风能波动。因此,提出了一种考虑管道动态特性的IES最优运行模型。本实施例的主要贡献如下:
(2)本公开所述方案建立了考虑传输延迟的动态管道网络模型,来利用管道的能量存储能力。通过在管道中存储/释放能量来增强系统操作的灵活性。
(3)本公开所述方案提出了一种结合P2G和管道能量存储的新型调度策略,以减少风电波动。同时,由于可以在IES中吸收更多的风能,因此可以提高运营经济性。
(4)本公开所述方案通过场景法来描述风力发电的不确定性并以概率生成典型的风力发电场景;通过将其应用于不同的风力发电场景,对提出的模型进行了验证。此外,通过采用增量线性化方法将模型中的非线性方程式线性化,将整个优化问题转换为混合整数规划问题(MILP),可以直接使用线性求解器进行优化求解。
本公开附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本公开实施例一中所述的典型能源基站模型示意图;
图2为本公开实施例一中所述的综合能源系统结构示意图;
图3为本公开实施例一中所述的天然气管道模型示意图;
图4为本公开实施例一中所述的典型场景及其风电出力示意图;
图5为本公开实施例一中所述的综合能源系统测试算例示意图;
图6为本公开实施例一中所述的系统的输入负荷示意图;
图7为本公开实施例一中所述的气源和电转气的输出结果示意图;
图8为本公开实施例一中所述的风电的输出和四种算例风电的消纳量示意图;
图9为本公开实施例一中所述的热电机组输出的电和热功率示意图;
图10为本公开实施例一中所述的总的运行成本示意图;
图11为本公开实施例一中所述的气源出力和管存变化示意图;
图12为本公开实施例一中所述的燃气锅炉输出的热功率示意图;
图13为本公开实施例一中所述的电转气机组消耗电功率示意图;
图14为本公开实施例一中所述的十个典型场景下的运行成本示意图;
图15为本公开实施例一中所述的十个典型场景下其风量示意图。
具体实施方式
下面结合附图与实施例对本公开做进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本实施例使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
参数解释:
表1.
实施例一:
本实施例的目的是提供一种综合能源系统日前优化调度方法。
一种综合能源系统日前优化调度方法,包括:
针对气网与热网的动态特性分别进行建模分析,探究天然气管道与热网管道的储能能力;
以总运行成本最小为优化目标,建立综合能源系统日前优化调度模型;其中,所述日前优化调度模型中利用电转气装置和天然气管存的合作调度将无法消纳的风电转化为天然气并存储与天然气管道中;
对上述日前优化调度模型进行优化求解。
具体的,结合附图对本实施例中所述的综合能源系统日前优化调度方法进行详细说明:
1、基于能源集站的综合能源系统建模
1.1典型能源集站模型
能源集站将综合能源系统中的能量转换和存储单元抽象为具有多个输入和输出端口的能源单元。如图1所示,能源集站的输入包括电能、热能和天然气,通过燃气轮机、电转气机组和燃气锅炉等能源转换设备实现三种能源的相互转换,通过储电和储热等储能装置实现能源的跨时段转移。最后,能源集站输出三种能源满足负荷的需求。
将耦合与储能环节抽象为能源集站模型后,能量供求之间的关系可以由能量转换矩阵描述,如公式(1)所示。转换矩阵描述了通过能源集站连接的系统之间的能量流。综合能源系统最佳运行的关键问题之一是找到最佳的能量转换矩阵。
1.2综合能源系统结构
基于能源集站的综合能源系统结构如图2所示。能源集站作为耦合单元连接电力网、热力网和天然气网。在综合能源系统中,能源的输入机组包括火电机组、热电机组、风电机组和天然气气源。能源可通过传输网络直接供给负荷中心,或通过能源集站进行转换和存储之后输出给负荷。
2、动态管道模型
2.1天然气网络
在天然气传输系统中,天然气由气源或者电转气装置产生,并由压缩机加压,然后通过传输网络从气源传输到负载。典型天然气管道网络模型如图3所示。
天然气由于其可压缩性,在天然气管道的入口和出口具有不同的压力。另外,天然气传输具有较大的惯性时间常数,导致一部分天然气被存储在管道网络中,称为“管存”。如公式(10)-(12)所示,管存由气压,管道容量和气体流量确定。因此,调节入口和出口处的管道压力使得有可能以一种速率获得注入流量而以另一种速率获得抽取流量。因此,可以实现对管道中的存储的有效调度控制。
在综合能源系统中,电转气装置和管存的合作调度将风能转化为天然气并将其存储在输气管道中,为风能消耗提供了一种更经济有效的方法。在本节中,对主要元件进行建模,包括压缩机,管网和管线组容量。
1)压缩机
压缩机燃烧天然气将化学能转化为动能并实现对天然气的加压。在标况下,压缩机消耗的天然气流量的计算公式为式(2)-(3)。同时,压缩机的出口压力与入口压力之比需要满足压力比的上限,如(4)所示。
2)天然气管道网络
稳态下的天然气流量可以通过Weymouth方程进行建模,如公式(5)所示。根据Weymouth方程,天然气的流量不仅与管道的压力有关,而且与管道自身的特性有关。此外,天然气在管道中的流动方向由入口和出口压力确定,如公式(6)所示。
在综合能源系统中,能源集站描述了管道传输网络与耦合元件之间的相互作用。因此,基于能源集站的节点气体流量平衡方程可以描述为公式(9):
公式(9)描述了对于任何天然气管道节点,输入等于输出。其中,输入包括气源,能源集站输出
和上游管道的注入。输出包括下游管道的输出,节点连接的天然气负荷,压缩机和能源集站的输入。
3)管存
管存与管道中的平均压力成正比,如公式(10)所示。同时,在动态情况下,管存还随着管道中传输的流量而变化,如公式(12)所示。
Ml,t=Ml,t-1+fsl,t-fel,t (12)
Ml,0=Ml,T (13)
根据以上分析,可以通过调节管道入口和出口的压力来控制入口和出口的气流。因此,压缩机是调度管存的关键设备。公式(14)-(19)中给出了考虑压缩机和管道约束的管存容量模型。
调节压力是控制传输管道中管存的一种方法。但是,管存的最佳调度应满足管道网络的安全约束。当系统以公式(14)所示的最低管存压力运行时,管道的出口压力应大于节点的最小压力极限。当系统以公式(16)所示的最高管存等级运行时,管道的入口压力不仅应小于压缩机的最大出口压力,而且还应小于节点的最大压力极限。因此,可以在公式(19)中计算出特定管道的管存调度能力。
2.2供热网络
在供热网络中,热能得传输有很大的时间延迟。同时,由于温度差异,管道与外部环境之间将发生热交换。因此,热网的动态特性主要体现在传输损耗上。
1)关键元件建模
供水管和回水管在热源和热交换站汇合。水被热源加热并通过供水管道传输到热交换站。换热站与用户进行热交换以满足负荷需求。然后,水再次通过回水管道输送到热源。在基于能源集站的综合能源系统中,将提供热能的单元封装在能源集站中。因此,热源模型可以描述为公式(20)。并且,换热站模型可以描述为公式(22)。
2)传输损耗
考虑到温度下降的管道出口和入口之间的温度关系如公式(24)-(26)所示:
在管道的交界处,注入该节点的管道的出口热水温度在该节点处混合,并且所有流出节点的管道的入口温度都等于该混合温度,其混合温度平衡模型如公式(27)-(30)所示:
3、日前优化调度模型
在本实施例中,制定了考虑电转气设备和动态管道网络的综合能源系统优化调度模型来支持风能的消纳。模型在满足系统供能平衡和安全约束的同时,寻找成本最低的控制序列。此外,提出了一种场景法来提供多种类型的风能场景,验证调度方法在不同场景下的有效性。然后,引入增量线性化方法求解非线性方程,将优化调度模型转换为混合整数线性规划问题(MILP)。最终,可以通过CPLEX求解器快速求解得到模型的最优解。
3.1目标函数
系统的运行成本包括火电机组和热电机组的煤耗、外购天然气的成本和由于弃风带来的惩罚成本,如公式(31):
其中,火电机组与热电机组的煤耗成本与输出的电功率为二次关系,如公式(32)-(33):
3.2约束
1)功率平衡约束:对于电网中的任意节点满足流入该节点总的有功功率等于流出该节点总的有功功率:
2)发电容量限制:各发电机组需要满足自身出力的限制和运行过程中的爬坡能力的限制:
与火电机组相比,热电机组在输出电能的同时,还通过余热回收装置输出热能。因此,为了满足实际运行中的经济效率,热电机组不仅需要满足出力和爬升能力的约束,还必须满足热电比的约束。
3)能源集站约束:
能量转换单元的输出符合各耦合机组的工作特性,包括公式(40)-(42)中所示的燃气轮机、燃气锅炉和电转气机组的最大最小出力限制。
4)储能约束:
对于任意时刻,存储在储电和储热机组中的能源可以通过公式(43)和(44)来计算:
储电和储热机组的运行约束包括公式(45)-(54):
储能机组的运行限制条件包括容量和运行状态限制。同时,为了不影响下一个调度周期,储能机组需要在一个运营期结束时恢复初始容量。此外,储能机组只能在一种状态下运行,即充电或放电。因此,本实施例使用状态函数来约束储能机组的操作状态,如公式(49)-(54)所示。
5)传输限制:
在电力系统中,公式(55)中描述了直流潮流模型的约束。在天然气系统中,管道入口和出口的压力需要满足节点压力限制。此外,在公式(58)中描述了气源的输出约束。
3.3场景法
在综合能源系统的最优调度模型中,风电的随机波动和不确定性将直接影响机组的最优运行点。因此,合理考虑风电的不确定性是确保优化结果有效性的重要问题。本实施例提出了情景方法来获取典型情景和相应的风电情景概率。原理描述如下:
1)初始场景生成
a.对历史数据进行分类和计算,获得四个季节中不同典型天数的每小时风能分布
b.使用非参数拟合法获得风电概率密度曲线。然后,基于蒙特卡洛随机模拟方法,对每小时风能概率密度曲线生成随机采样阵列。另外,可以获得与每个季节相对应的随机采样阵列。
c.每种情况下各个时段的风能都可以由随机序列表示,例如:
风电场景的输出序列可以表示为:
风电输出序列是随机风能输出值,反映了随机因素的不确定性。
2)场景削减
在初始场景生成中获得风能的随机等概率初始场景。然而,对每个场景都执行计算是不合理的并且难以实现的。因此,有必要削减和合并一些场景来获得具有一定概率值的有限数量的典型场景集。
3)结果
选择中国北方某地区的一年历史风电数据来生成典型情景。表1显示了典型情景的概率,图4中展示了每种情景的风能输出。
表1十个典型场景及其概率
S | P | S | P |
S1 | 0.082 | S6 | 0.078 |
S2 | 0.065 | S7 | 0.046 |
S3 | 0.018 | S8 | 0.073 |
S4 | 0.056 | S9 | 0.137 |
S5 | 0.121 | S10 | 0.234 |
3.4增量线性化
提出的模型中的非线性约束在公式(5)、公式(32)、公式(33)中包含一些二次变量。因此,线性化主要是解决这些二次变量。本实施例采用增量线性化方法,线性化过程如下:
a.根据提出的模型所需的精度和计算量,确定适当的分段数;
b.计算变量值范围内的分段线性化所需的离散点;
c.计算每个离散点的函数值;
d.根据公式(59)-(62)线性化每个函数值。
δn+1≤ηn,ηn≤δn,n=1,2,...,NPL-2 (61)
0≤δn≤1,n=1,2,...,NPL-1 (62)
4、算例分析
4.1算例说明
为了验证所提出模型的有效性,本节建立了综合能源系统的测试算例,如图5所示。该系统包括IEEE 39节点电网、比利时20节点天然气网络和20节点供热网络。在本实施例提出的方法中,能量转换和存储单元被抽象为能源集站。以1h为时间步长,每小时负荷如图6所示。
为了分析P2G和动态管道网络对综合能源系统最佳运行的影响,考虑了以下四种对比算例:
算例1:对综合能源系统的优化不考虑P2G和管道网络的动态特性。
算例2:对综合能源系统的优化仅考虑P2G
算例3:对综合能源系统的优化仅考虑管网的动态特性。
算例4:对综合能源系统的优化考虑P2G和管道网络的动态特性的配合。
4.2 P2G的作用分析
如图7所示,展示了算例1和算例2在系统中安装P2G时的气源输出差异。与算例1相比,P2G将电力系统的电力转换为天然气,并将天然气直接注入天然气管道。此时,P2G是电力系统的负载,也是天然气系统的附加气源。因此,随着P2G的输出增加,气源的输出将相应地减少。但是,由于经济成本和转换效率的限制,P2G只能消耗低成本的电力。这部分将在图8-9中详细讨论。
如图8所示,展示了算例1-4中风能消耗的差异。可以看出,在时段3、6-9、11、12、23、24中,算例1中系统的消风能力明显不足。同时,算例2的风电容纳能力明显高于算例1。这一因为加入的P2G消耗了额外的风能。
比较图7和图8中P2G的输出和风能消耗,可以看出在P2G高输出期间仍出现弃风情况。此结果有两个重要原因。一方面,在图5中,连接到电力系统35节点上的P2G直接连接到同一总线上的风机,并且所消耗的风力仅受P2G容量的限制。相反,远离风机的其它P2G消耗的风力还会受到电力线容量的限制。另一方面,在图9中,与算例1相比,在算例2中CHP的输出显着增加。在算例1中,由于热电比,由CHP产生的热量不能满足热负荷的所有约束。因此,如图12所示,要求燃气锅炉消耗更昂贵的天然气来补充输出功率。在算例2中,连接到电力系统节点30,36和37的P2G将CHP的电力输出转换为天然气,因此通过释放CHP的热电比约束提高了系统的灵活性。同时,低成本的热电联产满足了热负荷,提高了系统运行的经济性。
如图10所示,展示了算例1-4中的总运营成本。通过在系统中安装P2G,可以大大降低系统的运营成本。最重要的是,P2G的好处不仅在于增加风能的消耗,而且还消除了热电比的限制。因此,增加了系统的经济性和灵活性。
4.3动态管道网络分析
在算例3中,在IES的优化操作中考虑了管道的动态特性。图11显示了算例1和算例3的结果。在算例1中,气源的输出和气体负荷的需求基本相同。这有两个主要原因。一方面,如果不考虑管道的动态特性,天然气系统就没有能量存储能力。因此,气源的输出需要准确跟踪天然气的总需求。另外,GB仅占天然气总需求的一小部分。此外,GB的运行还受到连接管道的调度能力的限制。如图11所示,管存的变化趋势与气体负荷相反。与算例1相比,在时段8-11期间,算例3的气源输出增长更为缓慢。此时,将释放管线组以适应不断上升的气体负荷。在时段13-15期间,对燃气负荷的需求迅速下降。同时,气源输出过量的气体以补充管存。因此,管道的储气量可以减轻气体负荷的较大波动。
另外,基于负荷需求和管理的协同操作可以提高供气的可靠性。如图12所示,在算例1中,GB的操作受到管线网络的调度能力的限制。在算例3中,动态管道的存储容量允许额外的输出来支持GB输出的增加。特别是在严重限制风力的时段6-8时期,增加GB的热量输出会降低CHP的输出,从而增加了吸收风能的空间。总而言之,考虑动态管道特性会增加天然气系统的灵活性。在负荷下降期间,无法消纳的气体可以作为备用气体存储在管道中。在高峰时段,通过调度管道释放储存的天然气并满足近期的天然气需求,从而有效避免了天然气短缺。
4.4 P2G与动态管道网络之间的交互分析
根据P2G的作用分析,P2G的运行不仅受到单元容量的限制,而且还受到连接到电力系统和天然气系统的管道的传输能力的限制。在天然气系统中,P2G与气源的输出相匹配,以维持整个系统的供气平衡。但是,在燃气负荷较低的时期,P2G输出的天然气不能被天然气系统完全吸收。因此,P2G的操作受到限制。根据上文中对动态管道网络的分析,管道的动态特性通过使用管道存储和释放天然气来增加天然气系统的灵活性。因此,在算例4中,IES的优化操作考虑了P2G和管道存储容量的协调。图13显示了算例2和算例4之间的电能输出功率差异。与算例2相比,算例4中的时段6-8和时段11-13周期中P2G的输出更多,算例4比算例2能吸收更多的风能。同时,算例10中计算得出的算例4的最低总运行成本如图10所示。因此,管道存储容量的扩展为P2G的运营提供了调度空间。此外,P2G的协调和管道的动态特性提高了系统吸收风能的能力,并降低了系统的运营成本。
4.5采用不同风电场景验证调度方法的有效性
为了验证面对风电不确定性时所提模型的有效性,我们提出了一种场景法来处理中国北方某地一年的风电历史输出数据并生成十种典型情景,如图4所示。然后,在这些算例下执行算例分析。算例1-4的总运营成本如图14所示,算例1和算例4的弃风如图15所示。
如图14所示,在不同的典型风电场景下考虑P2G和动态管道网络的协同运行可以使得IES的运行更为经济。同时,如图15所示,本实施例提出的调度策略可以有效减少风电的减少。
5、总结
在本实施例中,所述优化调度方法建立了考虑P2G和管道动态特性的IES最优运行模型来提高系统的灵活性和对风电的消纳能力。主要结论概括如下:
(1)使用P2G将电能转换为天然气并将天然气直接注入管道的调度方法具有较大的经济优势。一方面,在IES的优化运行中,P2G消耗了电力系统难以消纳的风力,从而提高了整个系统的经济性。另一方面,在热电比的限制下,P2G消耗了CHP产生的多余电量,释放了系统的灵活性。
(2)对动态特性进行建模来利用管道的能量存储能力。通过存储/释放管道中的天然气,提高了天然气系统的操作灵活性。在IES中,P2G和管存将风能转化为天然气并将其存储在输气管道中,为风能消耗提供了一种更经济有效的方法。
(3)引入增量线性化方法将整个操作问题转换为MILP。然后,在不同的典型风况下对提出的IES运行模型进行测试,验证了优化结果的有效性。
实施例二:
本实施例的目的是提供一种综合能源系统日前优化调度系统。
一种综合能源系统日前优化调度系统,包括服务器,所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
针对气网与热网的动态特性分别进行建模分析,探究天然气管道与热网管道的储能能力;
以总运行成本最小为优化目标,建立综合能源系统日前优化调度模型;其中,所述日前优化调度模型中利用电转气装置和天然气管存的合作调度将无法消纳的风电化为天然气并存储与天然气管道中;
对上述日前优化调度模型进行优化求解。
实施例三:
本实施例的目的是提供一种非暂态计算机可读存储介质。
一种非暂态计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现所述的一种综合能源系统日前优化调度方法。
上述实施例提供的一种综合能源系统日前优化调度方法及系统可以实现,具有广阔的应用前景。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种综合能源系统日前优化调度方法,其特征在于,包括:
针对气网与热网的动态特性分别进行建模分析,探究天然气管道与热网管道的储能能力;
以总运行成本最小为优化目标,建立综合能源系统日前优化调度模型;其中,所述日前优化调度模型中利用电转气装置和天然气管存的合作调度将无法消纳的风电转化为天然气并存储与天然气管道中;
对上述日前优化调度模型进行优化求解。
2.如权利要求1所述的一种综合能源系统日前优化调度方法,其特征在于,所述天然气管存的调度是通过调节天然气管道入口和出口处的管道压力,使注入流速和抽取流速不同来实现对天然气管道中的存储进行调度。
3.如权利要求1所述的一种综合能源系统日前优化调度方法,其特征在于,以总运行成本最小为优化目标,建立兼顾气、热网络动态特性的综合能源系统日前优化调度模型,所述综合能源系统总运行成本包括火电机组和热电机组的煤耗、外购天然气的成本和由于弃风带来的惩罚成本。
4.如权利要求1所述的一种综合能源系统日前优化调度方法,其特征在于,所述综合能源系统日前优化调度模型的约束条件包括:电力系统约束、能源集站约束、储能约束以及传输约束。
5.如权利要求1所述的一种综合能源系统日前优化调度方法,其特征在于,所述电力系统约束包括:
功率平衡约束:对于电网中的任意节点满足流入该节点总的有功功率等于流出该节点总的有功功率;
发电容量限制:各发电机组需要满足自身出力的限制和运行过程中的爬坡能力的限制;
同时,相对于火电机组,热电机组在满足上述约束的同时,还必须满足热电比约束。
6.如权利要求1所述的一种综合能源系统日前优化调度方法,其特征在于,所述能源集站约束包括:能量转换单元的输出需符合各耦合机组的工作特性,包括燃气轮机、燃气锅炉和电转气机组的最大最小出力限制。
7.如权利要求1所述的一种综合能源系统日前优化调度方法,其特征在于,所述储能约束包括:储能机组的运行限制条件包括容量和运行状态限制;同时,为了不影响下一个调度周期,储能机组需要在一个运营期结束时恢复初始容量;此外,储能机组只能在一种状态下运行,即充电或放电。
8.如权利要求1所述的一种综合能源系统日前优化调度方法,其特征在于,所述传输约束包括:在天然气系统中,管道入口和出口的压力需要满足节点压力限制。
9.一种综合能源系统日前优化调度系统,其特征在于,包括:服务器,所述服务器包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
针对气网与热网的动态特性分别进行建模分析,探究天然气管道与热网管道的储能能力;
以总运行成本最小为优化目标,建立综合能源系统日前优化调度模型;其中,所述日前优化调度模型中利用电转气装置和天然气管存的合作调度将无法消纳的风电转化为天然气并存储与天然气管道中;
对上述日前优化调度模型进行优化求解。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-8任一项所述的一种综合能源系统日前优化调度方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110038683.XA CN112862158B (zh) | 2021-01-12 | 2021-01-12 | 一种综合能源系统日前优化调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110038683.XA CN112862158B (zh) | 2021-01-12 | 2021-01-12 | 一种综合能源系统日前优化调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112862158A true CN112862158A (zh) | 2021-05-28 |
CN112862158B CN112862158B (zh) | 2023-11-07 |
Family
ID=76003019
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110038683.XA Active CN112862158B (zh) | 2021-01-12 | 2021-01-12 | 一种综合能源系统日前优化调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112862158B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115169950A (zh) * | 2022-07-26 | 2022-10-11 | 山东大学 | 一种基于多参数规划的电-气系统分布式协同方法及系统 |
CN115659680A (zh) * | 2022-11-03 | 2023-01-31 | 国网江苏省电力有限公司电力科学研究院 | 一种大型热电耦合系统分解、变步长动态仿真的方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108173282A (zh) * | 2017-12-29 | 2018-06-15 | 国网山东省电力公司电力科学研究院 | 一种考虑电转气运行成本综合能源系统优化调度方法 |
CN108596453A (zh) * | 2018-04-10 | 2018-09-28 | 山东大学 | 考虑网络动态特性的综合能源系统日前优化调度方法及系统 |
CN110544025A (zh) * | 2019-08-21 | 2019-12-06 | 河海大学 | 电转气-储气罐组合的气电综合能源系统优化调度方法 |
-
2021
- 2021-01-12 CN CN202110038683.XA patent/CN112862158B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108173282A (zh) * | 2017-12-29 | 2018-06-15 | 国网山东省电力公司电力科学研究院 | 一种考虑电转气运行成本综合能源系统优化调度方法 |
CN108596453A (zh) * | 2018-04-10 | 2018-09-28 | 山东大学 | 考虑网络动态特性的综合能源系统日前优化调度方法及系统 |
CN110544025A (zh) * | 2019-08-21 | 2019-12-06 | 河海大学 | 电转气-储气罐组合的气电综合能源系统优化调度方法 |
Non-Patent Citations (3)
Title |
---|
李哲等: ""计及风电不确定性的电-气-热综合能源系统扩展规划方法"", 《电网技术》 * |
董帅: ""考虑风电消纳的综合能源系统优化运行研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
龚晓琴: ""含电转气的综合能源系统低碳经济调度"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115169950A (zh) * | 2022-07-26 | 2022-10-11 | 山东大学 | 一种基于多参数规划的电-气系统分布式协同方法及系统 |
CN115659680A (zh) * | 2022-11-03 | 2023-01-31 | 国网江苏省电力有限公司电力科学研究院 | 一种大型热电耦合系统分解、变步长动态仿真的方法 |
CN115659680B (zh) * | 2022-11-03 | 2023-11-17 | 国网江苏省电力有限公司电力科学研究院 | 一种大型热电耦合系统分解、变步长动态仿真的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112862158B (zh) | 2023-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Day-ahead optimal dispatch for integrated energy system considering power-to-gas and dynamic pipeline networks | |
Huang et al. | Optimal configuration planning of multi-energy systems considering distributed renewable energy | |
Zhang et al. | Day-ahead scheduling of multi-carrier energy systems with multi-type energy storages and wind power | |
Turk et al. | Day-ahead stochastic scheduling of integrated multi-energy system for flexibility synergy and uncertainty balancing | |
CN108596453B (zh) | 考虑网络动态特性的综合能源系统日前优化调度方法及系统 | |
Li et al. | Combined heat and power dispatch considering advanced adiabatic compressed air energy storage for wind power accommodation | |
Tang et al. | Operational flexibility constrained intraday rolling dispatch strategy for CHP microgrid | |
CN112862158B (zh) | 一种综合能源系统日前优化调度方法及系统 | |
CN113792969A (zh) | 考虑气网动态特性和电转气综合能源系统优化调度方法 | |
Zhao et al. | Multi-objective optimization of a hybrid system based on combined heat and compressed air energy storage and electrical boiler for wind power penetration and heat-power decoupling purposes | |
Kang et al. | Feed-forward active operation optimization for CCHP system considering thermal load forecasting | |
Azimi et al. | A new approach on quantification of flexibility index in multi-carrier energy systems towards optimally energy hub management | |
CN113806972B (zh) | 一种考虑供需双侧灵活性的综合能源系统可靠性分析方法 | |
Zhang et al. | Bi-level optimization dispatch of integrated-energy systems with P2G and carbon capture | |
CN114294708B (zh) | 一种长距离供热管网运行蓄热调节方法 | |
Lu et al. | ‘Station-and-network–coordinated planning of integrated energy system considering integrated demand response | |
CN114266382A (zh) | 一种考虑热惯性的热电联产系统两阶段优化调度方法 | |
CN111415045A (zh) | 一种乡村生物质综合能源系统两阶段运行优化方法 | |
Hongxia et al. | Micro-grid scheduling of electric boiler and CHP with thermal energy storage based on wind power accommodating | |
CN116341881B (zh) | 计及热网灵活性的电-热系统鲁棒超前调度方法及系统 | |
CN114387129B (zh) | 考虑天然气管网的综合能源调度方法、装置、设备及介质 | |
Fang et al. | Optimal operation strategy considering wind power accommodation in heating district | |
Pasban-Gajan et al. | Optimal scheduling of renewable-based energy hubs considering time-of-use pricing scheme | |
Nazari-Heris et al. | Robust energy management of integrated power infrastructure and gas networks with high penetration of renewable energy sources | |
Song et al. | Optimal operation and location of heat pumps in the integrated energy systems |
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 |