CN112966883A - 综合能源系统运行优化方法及终端设备 - Google Patents

综合能源系统运行优化方法及终端设备 Download PDF

Info

Publication number
CN112966883A
CN112966883A CN202110414205.4A CN202110414205A CN112966883A CN 112966883 A CN112966883 A CN 112966883A CN 202110414205 A CN202110414205 A CN 202110414205A CN 112966883 A CN112966883 A CN 112966883A
Authority
CN
China
Prior art keywords
load
power
time
daily
data
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
CN202110414205.4A
Other languages
English (en)
Other versions
CN112966883B (zh
Inventor
孙可
张帆
毛毳
徐汶
陈玉萍
周珊
陈思奇
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.)
North China Electric Power University
Zhejiang Huayun Electric Power Engineering Design Consulting Co
Original Assignee
North China Electric Power University
Zhejiang Huayun Electric Power Engineering Design Consulting Co
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 North China Electric Power University, Zhejiang Huayun Electric Power Engineering Design Consulting Co filed Critical North China Electric Power University
Priority to CN202110414205.4A priority Critical patent/CN112966883B/zh
Publication of CN112966883A publication Critical patent/CN112966883A/zh
Application granted granted Critical
Publication of CN112966883B publication Critical patent/CN112966883B/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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Water Supply & Treatment (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明适用于综合能源系统管理技术领域，提供了一种综合能源系统运行优化方法及终端设备，上述方法包括：获取历史负荷数据，根据历史负荷数据对系统的日负荷进行预测，得到日负荷预测数据；以系统总成本最低为目标函数，以电平衡约束和热平衡约束为约束条件，建立综合能源系统运行优化模型；根据日负荷预测数据对综合能源系统运行优化模型求解，得到日设备出力数据；获取实际负荷值，并根据实际负荷值对日设备出力数据进行修正，得到修正后的设备出力数据。本发明综合考虑多方面因素，建立综合能源系统运行优化模型确定设备运行策略，同时根据实际负荷值对运行策略进行修正，准确度更高，设备运行策略更贴近实际，可满足精准供能的需求。

Description

综合能源系统运行优化方法及终端设备
技术领域
本发明属于综合能源系统管理技术领域，尤其涉及一种综合能源系统运行优化方法及终端设备。
背景技术
综合能源系统是一种综合利用科学发布方法将区域内多种能源整合的能源综合网络，是目前能源领域发展的重要形态。综合能源系统可通过冷、热、电、气等多种能量流的综合规划、协调控制，智能编程以及耦合作用，大幅度提高能源使用效率和可再生能源的就地吸收能力。
现有技术中，对于综合能源系统多根据历史数据进行预测，存在预测偏差，准确度不够高。
发明内容
有鉴于此，本发明实施例提供了综合能源系统运行优化方法及终端设备，以解决现有技术中对于综合能源系统的优化多针对单一侧进行，不能满足精准供能需求的问题。
本发明实施例的第一方面提供了一种综合能源系统运行优化方法，包括：
获取历史负荷数据，根据历史负荷数据对系统的日负荷进行预测，得到日负荷预测数据；
以系统总成本最低为目标函数，以电平衡约束和热平衡约束为约束条件，建立综合能源系统运行优化模型；
根据日负荷预测数据对综合能源系统运行优化模型求解，得到日设备出力数据；
获取实际负荷值，并根据实际负荷值对日设备出力数据进行修正，得到修正后的设备出力数据。
本发明实施例的第二方面提供了一种综合能源系统运行优化装置，包括：
负荷预测模块，用于获取历史负荷数据，根据历史负荷数据对系统的日负荷进行预测，得到日负荷预测数据；
模型建立模块，用于以系统总成本最低为目标函数，以电平衡约束和热平衡约束为约束条件，建立综合能源系统运行优化模型；
出力数据确定模块，用于根据日负荷预测数据对综合能源系统运行优化模型求解，得到日设备出力数据；
出力修正模块，用于获取实际负荷值，并根据实际负荷值对日设备出力数据进行修正，得到修正后的设备出力数据。
本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如本发明实施例第一方面提供的综合能源系统运行优化方法的步骤。
本发明实施例的第四方面提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如本发明实施例第一方面提供的综合能源系统运行优化方法的步骤。
本发明实施例提供了一种综合能源系统运行优化方法，包括：获取历史负荷数据，根据历史负荷数据对系统的日负荷进行预测，得到日负荷预测数据；以系统总成本最低为目标函数，以电平衡约束和热平衡约束为约束条件，建立综合能源系统运行优化模型；根据日负荷预测数据对综合能源系统运行优化模型求解，得到日设备出力数据；获取实际负荷值，并根据实际负荷值对日设备出力数据进行修正，得到修正后的设备出力数据。本发明实施例综合考虑多方面因素，建立综合能源系统运行优化模型确定设备运行策略，同时根据实际负荷值对运行策略进行修正，设备运行策略更贴近实际，可满足精准供能的需求。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是综合能源系统的结构示意图；
图2是本发明实施例提供的一种综合能源系统运行优化方法的实现流程示意图；
图3是本发明实施例提供的对日设备出力数据进行修正的示意图；
图4是本发明实施例提供的历史电负荷数据与日电负荷预测数据图；
图5是本发明实施例提供的历史热负荷数据与日热负荷预测数据图；
图6是本发明实施例提供的历史充电桩出力数据与日充电桩出力预测数据图；
图7是系统采用本发明实施例提供的日设备出力数据运行对应的电供需平衡图；
图8是系统采用本发明实施例提供的日设备出力数据运行对应的热供需平衡图；
图9是系统采用本发明实施例提供的修正后的日设备出力数据运行对应的电供需平衡图；
图10是本发明实施例提供的系统采用修正后的日设备出力数据运行对应的热供需平衡图；
图11是本发明实施例提供的系统采用日设备出力数据运行对应的系统总成本与系统采用修正后的日设备出力数据运行对应的系统总成本对比图；
图12是本发明实施例提供的综合能源系统运行优化装置的示意图；
图13是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
为了说明本发明的技术方案，下面通过具体实施例来进行说明。
参考图1，综合能源系统典型结构主要由光储充一体化系统、光储微电网系统、储能-供热联合系统、用能单元、配电网组成，其中，光储充一体化系统主要包括充电桩与光储微电网系统；光储微电网系统包括光伏、电池储能；储能-供热联合系统包括电池储能、蓄热式电锅炉；用能单元包括：用户、智慧路灯等用能设备。
参考图2，本发明实施例提供了一种综合能源系统运行优化方法，包括：
S101：获取历史负荷数据，根据历史负荷数据对系统的日负荷进行预测，得到日负荷预测数据；
S102：以系统总成本最低为目标函数，以电平衡约束和热平衡约束为约束条件，建立综合能源系统运行优化模型；
S103：根据日负荷预测数据对综合能源系统运行优化模型求解，得到日设备出力数据；
S104：获取实际负荷值，并根据实际负荷值对日设备出力数据进行修正，得到修正后的设备出力数据。
本发明实施例根据日负荷预测数据，采用综合能源系统运行优化模型进行日前优化预测，制定包含一天二十四个时段的设备出力时序策略方案；同时根据实际负荷值对设备处理数据进行反馈修正，以满足供需平衡，保证系统平稳可靠的运行。本发明实施例搭建日前优化-监测优化双阶段运行优化模式，从全局优化再到实时调整，提高了调度精度，更贴近实际。同时以系统经济成本最低为目标函数，实现了全局经济性的最优，设备运行策略更合理，可满足精准供能的需求。
一些实施例中，S104可以包括：
S1041：获取当前时刻的实际负荷值，若当前时刻的实际负荷值与日负荷预数据中当前时刻对应的负荷预测值的差值的绝对值大于预设阈值，则根据当前时刻的实际负荷值对日设备出力数据进行修正，得到修正后的设备出力数据；
S1042：在当前时刻的下一时刻时，跳转至获取当前时刻的实际负荷值，若当前时刻的实际负荷值与日负荷预数据中当前时刻对应的负荷预测值的差值的绝对值大于预设阈值，则根据当前时刻的实际负荷值对日设备出力数据进行修正，得到修正后的设备出力数据的步骤继续执行，直至达到日总时长。
一些实施例中，S1041可以包括：
S10411：根据当前时刻的实际负荷值对日负荷预测数据进行修正，得到修正后的日负荷预测数据；
S10412：根据修正后的日负荷预测数据对综合能源系统运行优化模型求解，得到修正后的设备出力数据。
一些实施例中，修正后的日负荷预测数据的计算公式为：
Figure BDA0003025114040000051
其中，t为当前时刻，
Figure BDA0003025114040000052
为k时刻的负荷预测值，
Figure BDA0003025114040000053
为k时刻的实际负荷值，
Figure BDA0003025114040000054
为t+1时刻的负荷预测值，ft+1为修正后的t+1时刻的负荷预测值。
例如，当前时刻为3点，需要修正4点的负荷预测值，1点到3点的实际负荷值已知，
Figure BDA0003025114040000055
得到修正后的4点的负荷预测值，进而根据修正后的4-24点的负荷预测数据对设备出力数据进行修正，得到4-24点的设备出力数据，参考图3。当前时刻为4点时，若负荷波动超过预设阈值，则采用1-4点的实际负荷数据对5-24点的设备出力数据进行修正，持续滚动修正，直至24点。
本发明实施例采用实际负荷数据对日前优化策略进行修正，设备出力策略更加合理，提高了调度精度。
一些实施例中，目标函数可以为：
Figure BDA0003025114040000061
Figure BDA0003025114040000062
其中，F为系统总成本，t＝1,2…,T，T＝24；Fgrid(t)为t时刻电网的购电费用，Fgas(t)为t时刻购买天然气费用，Fmain(t)为t时刻的设备维护费用，Fpoll(t)为t时刻污染气体排放治理费用；Pgrid(t)为t时刻电网的购电功率，fgrid(t)为t时刻电网的实时电价；Vgas(t)为t时刻消耗天然气体积，fgas(t)为t时刻天然气价格；kGB[PGB(t)]为燃气锅炉输出功率为PGB(t)对应的维护系数，PGB(t)为t时刻燃气锅炉的输出电功率；kEB[PEB(t)]为电锅炉输出功率为PEB(t)对应的维护系数，PEB(t)为t时刻电锅炉的输出电功率；kCP[PCP(t)]为充电桩输出功率为PCP(t)对应的维护系数，PCP(t)为t时刻充电桩输出电功率；
Figure BDA0003025114040000063
为储电设备的交互功率为
Figure BDA0003025114040000064
对应的储电设备维护系数，
Figure BDA0003025114040000065
为t时刻储电设备的交互功率；
Figure BDA0003025114040000066
为储热设备的交互功率为
Figure BDA0003025114040000067
对应的储热设备维护系数，
Figure BDA0003025114040000068
为t时刻储热设备的交互功率；λi为第i种排放物的治理费用；αgrid.i为电网功率对第i种排放物的排放系数；αGB.i为燃气内燃机电功率对第i种排放物的排放系数，i为排放物的种类，i＝1,2,3。
一些实施例中，电平衡约束可以为：
Figure BDA0003025114040000071
其中，Le(t)为t时刻的总电负荷，Lbase(t)为t时刻的基础负荷，Lshift(t)为t时刻的可平移电负荷，Ltran(t)为t时刻的可转移电负荷，Lcut(t)为t时刻的可削减电负荷；
Figure BDA0003025114040000072
其中，Ppv(t)为t时刻的光伏出力，Ppv,max为预测的t时刻的光伏出力；Pnet(t)为t时刻的电网交换功率，Pnet,min为电网交换功率的最小值，Pnet,max为电网交换功率的最大值；PBAT(t)为t时刻的蓄电池充放电功率，PBAT,min为蓄电池充放电最小功率，PBAT,min为蓄电池充放电最大功率；PCP(t)为t时刻充电桩充放电功率，PCP,min为充电桩充放电最小功率，PCP,max为充电桩充放电最大功率；PEB(t)为t时刻电锅炉的输出电功率，PEB,min为电锅炉最小功率，PEB,max电锅炉最大功率；
热平衡约束可以为：
Figure BDA0003025114040000073
其中，QL(t)为t时刻的总热负荷，QEB(t)为t时刻电锅炉的输出热功率，QGB(t)为t时刻燃气锅炉的输出热功率，QHST(t)为t时刻蓄热槽的热功率，Qbase(t)为t时刻热负荷中的基础负荷，Qshift(t)为t时刻热负荷中的可平移负荷，Qcut(t)为t时刻热负荷中的可削减负荷；
0≤QEB(t)≤QEB,max
0≤QGB(t)≤QGB,max
QHST,min≤QHST(t)≤QHST,max
其中，QEB，max为电锅炉的额定输出热功率，QGB，max为燃气锅炉的额定输出热功率，QHST,max为蓄热槽吸热最大功率，QHST,min为蓄热槽放热最大功率。
一些实施例中，S103可以包括：
S1031：根据日负荷预测数据，采用混沌粒子群算法对综合能源系统运行优化模型求解，得到日设备出力数据。
由于综合能源系统优化模型是一个非线性的数学模型，利用混沌粒子群算法对模型进行求解。
混沌是由确定性和随机性两种元素所形成的拓扑变化状态，是客观存在的相对普遍的现象。混沌现象不是混乱的，而是在其复杂且随机行为的背景下的一种特有的运动，有着具体详细的内在规律。混沌优化是一个相对较新的优化方法，由混沌运动特点产生，它利用自身的优势使群体脱离局部最优解，同时融合了粒子群算法，解决了粒子群算法的局部最优解。混沌粒子群算法的原理是利用载波通过映射将与原始优化变量相同数量的混沌状态量放大到优化变量的值范围内，然后使用混沌变量在邻域中进行搜索，在适时阶段给其一个混沌扰动使混沌粒子不断地更新速度和位置，最终寻求到全局最优解。
在空间D维中有m个粒子，其中粒子i的位置可以表示为Xi＝(xi1,xi2,…,xiD)，它在空间D维里所记录的最佳路径为：Pi＝(pi1,pi2,…,piD)，每个粒子在空间范围内的飞行速度为：Vi＝(vi1,vi2,…,viD)，i＝1,2,…,m。在m个粒子中，每个粒子所记录的最佳路径为：Pg＝(pg1,pg2,…,pgD)，每个粒子都需要根据下述公式更新自己的速度和位置。
vid＝wvid+c1r1(bid-xid)+c2r2(bgd-xid)
xid＝xid+vid
其中，w为惯性权重；c1,c2为学习因子；r1,r2为0,1之间的随机数。
本发明实施例以Logistic方程为例，将其作为典型的混沌搜索系统：
zn+1＝μzn(1-zn)
n＝0,1,2,…
其中，μ为控制参量，取为4，当0≤z0≤1时为混沌系统。当z0∈[0,1]，可以迭代出N个向量z1,z2,z3,…。
混沌粒子群算法流程。
设寻优目标函数为：
minf(x),X＝[x1,x2,…,xD]
s.t.xi∈[ai,bi],(i＝1,2,…,D)
其中，[ai,bi]为xi的变化区间，D为变量的个数。
混沌粒子群算法的具体流程如下：
步骤1：初始化并设置算法中的参数和最大迭代次数；
1)随机产生n维向量的z1＝(z11,z12,…,z1n)，每个向量的数值在[0,1]之间。由zn+1＝μzn(1-zn)n＝0,1,2,…可以得到N个向量z1,z2,…,zn；
2)将这N个分量载波到对应变量的区间内；
3)计算得出适应度值，从中挑选出K个最佳解，并得出M个初始速度；
步骤2：运用混沌序列对其位置、速度进行初始化；
步骤3：若粒子的适应度值优于pbest，则最新位置记为pbest；
步骤4：若粒子的适应度值优于gbest，则最新位置记为gbest；
步骤5：根据公式vid＝wvid+c1r1(bid-xid)+c2r2(bgd-xid)、xid＝xid+vid更新粒子的位置和速度；
步骤6：对Pg＝(pg1,pg2,…,pgD)采用混沌式优化。将Pgi(i＝1,2,…,D)，映射到公式zn+1＝μzn(1-zn)中的定义域[0,1]上，得到zi＝(pgi-ai)/(bi-ai)，然后，再运用公式zn+1＝μzn(1-zn)进行迭代产生混沌变量
Figure BDA0003025114040000091
再将该混沌变量逆映射
Figure BDA0003025114040000101
到原始解空间中，为：
Figure BDA0003025114040000102
计算混沌优化得到的每一个可行解的适应度值，在所有可行解中找到最好的可行解p*；
步骤7：用p*代替空间中所有粒子的位置；
步骤8：若达到最大循环次数，停止搜索，得出全局最优解，否则跳转至步骤3继续执行。
一些实施例中，S101可以包括：
根据历史负荷数据，采用灰色模型对系统的日负荷进行预测。
下面结合具体实施例对上述方法进行详细说明。
综合能源系统内的设备相关数据参考表1。
表1设备数据表
设备 光伏 储能 电锅炉 蓄热罐
装机容量/kW 150 300 240 650
根据系统的历史七天的负荷数据(电负荷、热负荷以及充电桩)对系统的日负荷进行预测，参考图4、图5及图6可知，不同的负荷随着一天的时间有所波动，运用灰色预测方法根据前七天的数据得到第八天的数据，根据日负荷预测数据进行系统的设备出力规划。
根据上述预测得到的日负荷数据根据综合能源系统运行优化模型进行日前优化，优化后的电供需平衡图和热供需平衡图参考图7和图8。由图7可知，电负荷的需求主要由买电供给，其次是光伏发电，储能电池前期充电，中间时段进行放电；由图8可知，热负荷主要由电锅炉提供，蓄热罐在前期进行储热，中间时间段进行放热。
对于负荷波动较大的时段进行优化，根据实际负荷数据对模型输出的日设备出力数据进行修正，修正后的电供需平衡图和热供需平衡图参考图9和图10。根据修正前和修正后的设备出力和负荷需求情况进行成本的计算，蓄热式电锅炉采用双蓄电价，分时电价表如表2所示。
表2分时电价表
Figure BDA0003025114040000111
图11示出了系统采用日设备出力数据运行对应的系统总成本与系统采用修正后的日设备出力数据运行对应的系统总成本的对比图，具体数据对比参考表3。
表3修正前和修正后的成本对比
时段 修正前 修正后
热系统 3475.35 3328.55
电系统 7052.68 6667.58
总成本/元 10528.03 9996.13
由以上可知，出从十点开始，修正后的成本比修正前有适当的减少，修正前的日运行成本为10528.03元，修正后的日运行成本为9996.13元，对比修正前减少531.9元，其中热系统成本减少146.8元，电系统成本减少385.1元。说明经过双阶段优化后，该园区目前的综合能源系统的总运行成本有所减少，提提高了系统的经济性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
参考图12，本发明实施例还提供了一种综合能源系统运行优化装置，包括：
负荷预测模块21，用于获取历史负荷数据，根据历史负荷数据对系统的日负荷进行预测，得到日负荷预测数据；
模型建立模块22，用于以系统总成本最低为目标函数，以电平衡约束和热平衡约束为约束条件，建立综合能源系统运行优化模型；
出力数据确定模块23，用于根据日负荷预测数据对综合能源系统运行优化模型求解，得到日设备出力数据；
出力修正模块24，用于获取实际负荷值，并根据实际负荷值对日设备出力数据进行修正，得到修正后的设备出力数据。
一些实施例中，出力修正模块24可以包括：
初始修正单元241，用于获取当前时刻的实际负荷值，若当前时刻的实际负荷值与日负荷预数据中当前时刻对应的负荷预测值的差值的绝对值大于预设阈值，则根据当前时刻的实际负荷值对日设备出力数据进行修正，得到修正后的设备出力数据；
滚动修正单元242，用于在当前时刻的下一时刻时，跳转至获取当前时刻的实际负荷值，若当前时刻的实际负荷值与日负荷预数据中当前时刻对应的负荷预测值的差值的绝对值大于预设阈值，则根据当前时刻的实际负荷值对日设备出力数据进行修正，得到修正后的设备出力数据的步骤继续执行，直至达到日总时长。
一些实施例中，初始修正单元241可以包括：
预测数据修正子单元2411，用于根据当前时刻的实际负荷值对日负荷预测数据进行修正，得到修正后的日负荷预测数据；
出力修正子单元2412，用于根据修正后的日负荷预测数据对综合能源系统运行优化模型求解，得到修正后的设备出力数据。
一些实施例中，目标函数可以为：
Figure BDA0003025114040000121
Figure BDA0003025114040000131
其中，F为系统总成本，t＝1,2…,T，T＝24；Fgrid(t)为t时刻电网的购电费用，Fgas(t)为t时刻购买天然气费用，Fmain(t)为t时刻的设备维护费用，Fpoll(t)为t时刻污染气体排放治理费用；Pgrid(t)为t时刻电网的购电功率，fgrid(t)为t时刻电网的实时电价；Vgas(t)为t时刻消耗天然气体积，fgas(t)为t时刻天然气价格；kGB[PGB(t)]为燃气锅炉输出功率为PGB(t)对应的维护系数，PGB(t)为t时刻燃气锅炉的输出电功率；kEB[PEB(t)]为电锅炉输出功率为PEB(t)对应的维护系数，PEB(t)为t时刻电锅炉的输出电功率；kCP[PCP(t)]为充电桩输出功率为PCP(t)对应的维护系数，PCP(t)为t时刻充电桩输出电功率；
Figure BDA0003025114040000132
为储电设备的交互功率为
Figure BDA0003025114040000133
对应的储电设备维护系数，
Figure BDA0003025114040000134
为t时刻储电设备的交互功率；
Figure BDA0003025114040000135
为储热设备的交互功率为
Figure BDA0003025114040000136
对应的储热设备维护系数，
Figure BDA0003025114040000137
为t时刻储热设备的交互功率；λi为第i种排放物的治理费用；αgrid.i为电网功率对第i种排放物的排放系数；αGB.i为燃气内燃机电功率对第i种排放物的排放系数，i为排放物的种类，i＝1,2,3。
一些实施例中，电平衡约束可以为：
Figure BDA0003025114040000138
其中，Le(t)为t时刻的总电负荷，Lbase(t)为t时刻的基础负荷，Lshift(t)为t时刻的可平移电负荷，Ltran(t)为t时刻的可转移电负荷，Lcut(t)为t时刻的可削减电负荷；
Figure BDA0003025114040000141
其中，Ppv(t)为t时刻的光伏出力，Ppv,max为预测的t时刻的光伏出力；Pnet(t)为t时刻的电网交换功率，Pnet,min为电网交换功率的最小值，Pnet,max为电网交换功率的最大值；PBAT(t)为t时刻的蓄电池充放电功率，PBAT,min为蓄电池充放电最小功率，PBAT,min为蓄电池充放电最大功率；PCP(t)为t时刻充电桩充放电功率，PCP,min为充电桩充放电最小功率，PCP,max为充电桩充放电最大功率；PEB(t)为t时刻电锅炉的输出电功率，PEB,min为电锅炉最小功率，PEB,max电锅炉最大功率；
热平衡约束可以为：
Figure BDA0003025114040000142
其中，QL(t)为t时刻的总热负荷，QEB(t)为t时刻电锅炉的输出热功率，QGB(t)为t时刻燃气锅炉的输出热功率，QHST(t)为t时刻蓄热槽的热功率，Qbase(t)为t时刻热负荷中的基础负荷，Qshift(t)为t时刻热负荷中的可平移负荷，Qcut(t)为t时刻热负荷中的可削减负荷；
0≤QEB(t)≤QEB,max
0≤QGB(t)≤QGB,max
QHST,min≤QHST(t)≤QHST,max
其中，QEB，max为电锅炉的额定输出热功率，QGB，max为燃气锅炉的额定输出热功率，QHST,max为蓄热槽吸热最大功率，QHST,min为蓄热槽放热最大功率。
一些实施例中，出力数据确定模块23可以包括：
粒子群求解单元231，用于根据日负荷预测数据，采用混沌粒子群算法对综合能源系统运行优化模型求解，得到日设备出力数据。
一些实施例中，负荷预测模块21可以包括：
灰色预测单元211，用于根据历史负荷数据，采用灰色模型对系统的日负荷进行预测。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将终端设备的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述装置中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图13是本发明一实施例提供的终端设备的示意框图。如图13所示，该实施例的终端设备4包括：一个或多个处理器40、存储器41以及存储在存储器41中并可在处理器40上运行的计算机程序42。处理器40执行计算机程序42时实现上述各个综合能源系统运行优化方法实施例中的步骤，例如图2所示的步骤S101至S104。或者，处理器40执行计算机程序42时实现上述综合能源系统运行优化装置实施例中各模块/单元的功能，例如图12所示模块21至24的功能。
示例性地，计算机程序42可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器41中，并由处理器40执行，以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序42在终端设备4中的执行过程。例如，计算机程序42可以被分割成负荷预测模块21、模型建立模块22、出力数据确定模块23及出力修正模块24。
负荷预测模块21，用于获取历史负荷数据，根据历史负荷数据对系统的日负荷进行预测，得到日负荷预测数据；
模型建立模块22，用于以系统总成本最低为目标函数，以电平衡约束和热平衡约束为约束条件，建立综合能源系统运行优化模型；
出力数据确定模块23，用于根据日负荷预测数据对综合能源系统运行优化模型求解，得到日设备出力数据；
出力修正模块24，用于获取实际负荷值，并根据实际负荷值对日设备出力数据进行修正，得到修正后的设备出力数据。
其它模块或者单元在此不再赘述。
终端设备4包括但不仅限于处理器40、存储器41。本领域技术人员可以理解，图13仅仅是终端设备的一个示例，并不构成对终端设备4的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如终端设备4还可以包括输入设备、输出设备、网络接入设备、总线等。
处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器41可以是终端设备的内部存储单元，例如终端设备的硬盘或内存。存储器41也可以是终端设备的外部存储设备，例如终端设备上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器41还可以既包括终端设备的内部存储单元也包括外部存储设备。存储器41用于存储计算机程序42以及终端设备所需的其他程序和数据。存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的终端设备和方法，可以通过其它的方式实现。例如，以上所描述的终端设备实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种综合能源系统运行优化方法，其特征在于，包括：
获取历史负荷数据，根据所述历史负荷数据对系统的日负荷进行预测，得到日负荷预测数据；
以系统总成本最低为目标函数，以电平衡约束和热平衡约束为约束条件，建立综合能源系统运行优化模型；
根据所述日负荷预测数据对所述综合能源系统运行优化模型求解，得到日设备出力数据；
获取实际负荷值，并根据所述实际负荷值对所述日设备出力数据进行修正，得到修正后的设备出力数据。
2.如权利要求1所述的综合能源系统运行优化方法，其特征在于，所述获取实际负荷值，并根据所述实际负荷值对所述日设备出力数据进行修正，得到修正后的设备出力数据，包括：
获取当前时刻的实际负荷值，若所述当前时刻的实际负荷值与所述日负荷预数据中当前时刻对应的负荷预测值的差值的绝对值大于预设阈值，则根据所述当前时刻的实际负荷值对所述日设备出力数据进行修正，得到所述修正后的设备出力数据；
在当前时刻的下一时刻时，跳转至所述获取当前时刻的实际负荷值，若所述当前时刻的实际负荷值与所述日负荷预数据中当前时刻对应的负荷预测值的差值的绝对值大于预设阈值，则根据所述当前时刻的实际负荷值对所述日设备出力数据进行修正，得到所述修正后的设备出力数据的步骤继续执行，直至达到日总时长。
3.如权利要求2所述的综合能源系统运行优化方法，其特征在于，所述根据所述当前时刻的实际负荷值对所述日设备出力数据进行修正，得到所述修正后的设备出力数据，包括：
根据所述当前时刻的实际负荷值对所述日负荷预测数据进行修正，得到修正后的日负荷预测数据；
根据所述修正后的日负荷预测数据对所述综合能源系统运行优化模型求解，得到所述修正后的设备出力数据。
4.如权利要求1至3任一项所述的综合能源系统运行优化方法，其特征在于，所述目标函数为：
Figure FDA0003025114030000021
Figure FDA0003025114030000022
其中，F为系统总成本，t＝1,2…,T，T＝24；Fgrid(t)为t时刻电网的购电费用，Fgas(t)为t时刻购买天然气费用，Fmain(t)为t时刻的设备维护费用，Fpoll(t)为t时刻污染气体排放治理费用；Pgrid(t)为t时刻电网的购电功率，fgrid(t)为t时刻电网的实时电价；Vgas(t)为t时刻消耗天然气体积，fgas(t)为t时刻天然气价格；kGB[PGB(t)]为燃气锅炉输出功率为PGB(t)对应的维护系数，PGB(t)为t时刻燃气锅炉的输出电功率；kEB[PEB(t)]为电锅炉输出功率为PEB(t)对应的维护系数，PEB(t)为t时刻电锅炉的输出电功率；kCP[PCP(t)]为充电桩输出功率为PCP(t)对应的维护系数，PCP(t)为t时刻充电桩输出电功率；
Figure FDA0003025114030000023
为储电设备的交互功率为
Figure FDA0003025114030000024
对应的储电设备维护系数，
Figure FDA0003025114030000025
为t时刻储电设备的交互功率；
Figure FDA0003025114030000026
为储热设备的交互功率为
Figure FDA0003025114030000027
对应的储热设备维护系数，
Figure FDA0003025114030000028
为t时刻储热设备的交互功率；λi为第i种排放物的治理费用；αgrid.i为电网功率对第i种排放物的排放系数；αGB.i为燃气内燃机电功率对第i种排放物的排放系数，i为排放物的种类，i＝1,2,3。
5.如权利要求1至3任一项所述的综合能源系统运行优化方法，其特征在于，所述电平衡约束为：
Figure FDA0003025114030000031
其中，Le(t)为t时刻的总电负荷，Lbase(t)为t时刻的基础负荷，Lshift(t)为t时刻的可平移电负荷，Ltran(t)为t时刻的可转移电负荷，Lcut(t)为t时刻的可削减电负荷；
Figure FDA0003025114030000032
其中，Ppv(t)为t时刻的光伏出力，Ppv,max为预测的t时刻的光伏出力；Pnet(t)为t时刻的电网交换功率，Pnet,min为电网交换功率的最小值，Pnet,max为电网交换功率的最大值；PBAT(t)为t时刻的蓄电池充放电功率，PBAT,min为蓄电池充放电最小功率，PBAT,min为蓄电池充放电最大功率；PCP(t)为t时刻充电桩充放电功率，PCP,min为充电桩充放电最小功率，PCP,max为充电桩充放电最大功率；PEB(t)为t时刻电锅炉的输出电功率，PEB,min为电锅炉最小功率，PEB,max电锅炉最大功率；
所述热平衡约束为：
Figure FDA0003025114030000033
其中，QL(t)为t时刻的总热负荷，QEB(t)为t时刻电锅炉的输出热功率，QGB(t)为t时刻燃气锅炉的输出热功率，QHST(t)为t时刻蓄热槽的热功率，Qbase(t)为t时刻热负荷中的基础负荷，Qshift(t)为t时刻热负荷中的可平移负荷，Qcut(t)为t时刻热负荷中的可削减负荷；
0≤QEB(t)≤QEB,max
0≤QGB(t)≤QGB,max
QHST,min≤QHST(t)≤QHST,max
其中，QEB，max为电锅炉的额定输出热功率，QGB，max为燃气锅炉的额定输出热功率，QHST,max为蓄热槽吸热最大功率，QHST,min为蓄热槽放热最大功率。
6.如权利要求1至3任一项所述的综合能源系统运行优化方法，其特征在于，所述根据所述日负荷预测数据对所述综合能源系统运行优化模型求解，得到日设备出力数据，包括：
根据所述日负荷预测数据，采用混沌粒子群算法对所述综合能源系统运行优化模型求解，得到所述日设备出力数据。
7.如权利要求1至3任一项所述的综合能源系统运行优化方法，其特征在于，所述根据所述历史负荷数据对系统的日负荷进行预测，包括：
根据所述历史负荷数据，采用灰色模型对系统的日负荷进行预测。
8.一种综合能源系统运行优化装置，其特征在于，包括：
负荷预测模块，用于获取历史负荷数据，根据所述历史负荷数据对系统的日负荷进行预测，得到日负荷预测数据；
模型建立模块，用于以系统总成本最低为目标函数，以电平衡约束和热平衡约束为约束条件，建立综合能源系统运行优化模型；
出力数据确定模块，用于根据所述日负荷预测数据对所述综合能源系统运行优化模型求解，得到日设备出力数据；
出力修正模块，用于获取实际负荷值，并根据所述实际负荷值对所述日设备出力数据进行修正，得到修正后的设备出力数据。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述综合能源系统运行优化方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述综合能源系统运行优化方法的步骤。
CN202110414205.4A 2021-04-16 2021-04-16 综合能源系统运行优化方法及终端设备 Active CN112966883B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110414205.4A CN112966883B (zh) 2021-04-16 2021-04-16 综合能源系统运行优化方法及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110414205.4A CN112966883B (zh) 2021-04-16 2021-04-16 综合能源系统运行优化方法及终端设备

Publications (2)

Publication Number Publication Date
CN112966883A true CN112966883A (zh) 2021-06-15
CN112966883B CN112966883B (zh) 2024-03-19

Family

ID=76280744

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110414205.4A Active CN112966883B (zh) 2021-04-16 2021-04-16 综合能源系统运行优化方法及终端设备

Country Status (1)

Country Link
CN (1) CN112966883B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113688570A (zh) * 2021-08-25 2021-11-23 国网江苏省电力有限公司 园区综合能源系统自动运行的实现方法、装置及设备
CN113887809A (zh) * 2021-10-11 2022-01-04 国网新疆电力有限公司巴州供电公司 双碳目标下配电网供需平衡方法、系统、介质及计算设备
CN113935198A (zh) * 2021-11-16 2022-01-14 清鸾科技(成都)有限公司 多能系统运行优化方法、装置、电子设备及可读存储介质
CN114142527A (zh) * 2021-12-17 2022-03-04 宁波市电力设计院有限公司 一种多微网协同运行的经济调度优化方法
CN116542421A (zh) * 2023-04-18 2023-08-04 国网河北省电力有限公司营销服务中心 园区综合能源系统低碳调度方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018059096A1 (zh) * 2016-09-30 2018-04-05 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法及存储介质
CN107918919A (zh) * 2017-11-08 2018-04-17 华北电力大学 一种含控制策略的工业园区综合能源系统优化调度与评价系统和方法
CN108736509A (zh) * 2017-04-25 2018-11-02 全球能源互联网研究院 一种主动配电网多源协调优化控制方法及系统
CN111969655A (zh) * 2020-08-17 2020-11-20 东北大学 考虑负荷响应不确定性的多源多荷协调调度方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018059096A1 (zh) * 2016-09-30 2018-04-05 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法及存储介质
CN108736509A (zh) * 2017-04-25 2018-11-02 全球能源互联网研究院 一种主动配电网多源协调优化控制方法及系统
CN107918919A (zh) * 2017-11-08 2018-04-17 华北电力大学 一种含控制策略的工业园区综合能源系统优化调度与评价系统和方法
CN111969655A (zh) * 2020-08-17 2020-11-20 东北大学 考虑负荷响应不确定性的多源多荷协调调度方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
高雄伟;: "基于低负荷状况区域能源站的运行优化研究", 上海节能, no. 06 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113688570A (zh) * 2021-08-25 2021-11-23 国网江苏省电力有限公司 园区综合能源系统自动运行的实现方法、装置及设备
CN113688570B (zh) * 2021-08-25 2023-11-10 国网江苏省电力有限公司 园区综合能源系统自动运行的实现方法、装置及设备
CN113887809A (zh) * 2021-10-11 2022-01-04 国网新疆电力有限公司巴州供电公司 双碳目标下配电网供需平衡方法、系统、介质及计算设备
CN113935198A (zh) * 2021-11-16 2022-01-14 清鸾科技(成都)有限公司 多能系统运行优化方法、装置、电子设备及可读存储介质
CN113935198B (zh) * 2021-11-16 2024-03-22 清鸾科技(成都)有限公司 多能系统运行优化方法、装置、电子设备及可读存储介质
CN114142527A (zh) * 2021-12-17 2022-03-04 宁波市电力设计院有限公司 一种多微网协同运行的经济调度优化方法
CN116542421A (zh) * 2023-04-18 2023-08-04 国网河北省电力有限公司营销服务中心 园区综合能源系统低碳调度方法及系统

Also Published As

Publication number Publication date
CN112966883B (zh) 2024-03-19

Similar Documents

Publication Publication Date Title
CN112966883B (zh) 综合能源系统运行优化方法及终端设备
Wang et al. Demand side management of plug-in electric vehicles and coordinated unit commitment: A novel parallel competitive swarm optimization method
CN109615141B (zh) 一种多能源系统并网优化调度方法及装置
Wang et al. Forecasting the seasonal natural gas consumption in the US using a gray model with dummy variables
CN111144641B (zh) 一种基于改进粒子群算法的微电网优化调度方法
CN108133285B (zh) 一种接入大规模可再生能源的混合能源系统实时调度方法
Chen et al. A battery management strategy in microgrid for personalized customer requirements
Squartini et al. Optimization algorithms for home energy resource scheduling in presence of data uncertainty
CN110705863A (zh) 能源优化调度装置、设备及介质
CN113435625B (zh) 电力系统动态经济调度优化方法及设备
CN107453408B (zh) 一种考虑不确定性的微电网能量优化调度方法
CN103986194A (zh) 一种独立型微网优化配置方法和装置
CN110264012A (zh) 基于经验模态分解的可再生能源功率组合预测方法及系统
CN111126675A (zh) 多能互补微网系统优化方法
CN112966869A (zh) 一种园区综合能源系统优化调度方法和系统
CN114154744A (zh) 综合能源系统的扩容规划方法、装置及电子设备
CN114971048A (zh) 一种零碳园区综合能源规划仿真方法、系统和计算机设备
CN113673739B (zh) 分布式综合能源系统的多时空尺度协同优化运行方法
CN112052987B (zh) 一种计及风电的综合能源系统优化规划方法及系统
Ali et al. A reinforcement learning approach to dairy farm battery management using Q learning
WO2024043881A1 (en) Large-scale battery energy storage system siting and sizing for participation in wholesale energy market using hyperparameter optimization
CN115049250A (zh) 面向供需不确定性综合能源系统多目标规划方法及系统
CN115758763A (zh) 一种计及源荷不确定性的多能流系统优化配置方法及系统
CN112907030B (zh) 一种考虑需求侧响应的能源中心配置方法及系统
Palacios-Garcia et al. Smart community load matching using stochastic demand modeling and historical production data

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