CN113032940B - 考虑供需互动和风险管理的城镇多能网络规划方法及系统 - Google Patents
考虑供需互动和风险管理的城镇多能网络规划方法及系统 Download PDFInfo
- Publication number
- CN113032940B CN113032940B CN202110436404.5A CN202110436404A CN113032940B CN 113032940 B CN113032940 B CN 113032940B CN 202110436404 A CN202110436404 A CN 202110436404A CN 113032940 B CN113032940 B CN 113032940B
- Authority
- CN
- China
- Prior art keywords
- energy
- model
- town
- network planning
- planning
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000003993 interaction Effects 0.000 title claims abstract description 33
- 238000007726 management method Methods 0.000 title claims abstract description 22
- 239000002245 particle Substances 0.000 claims abstract description 44
- 238000005457 optimization Methods 0.000 claims abstract description 21
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 239000007789 gas Substances 0.000 claims description 46
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 30
- 230000006870 function Effects 0.000 claims description 17
- 239000003345 natural gas Substances 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 230000008878 coupling Effects 0.000 claims description 10
- 238000010168 coupling process Methods 0.000 claims description 10
- 238000005859 coupling reaction Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000010521 absorption reaction Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000004146 energy storage Methods 0.000 claims description 6
- 239000011164 primary particle Substances 0.000 claims description 5
- 238000010438 heat treatment Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000007599 discharging Methods 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000005057 refrigeration Methods 0.000 description 3
- 101100325969 Arabidopsis thaliana BHLH91 gene Proteins 0.000 description 2
- 101100325970 Arabidopsis thaliana BHLH92 gene Proteins 0.000 description 2
- 101100325974 Arabidopsis thaliana BHLH95 gene Proteins 0.000 description 2
- 101100325976 Arabidopsis thaliana BHLH99 gene Proteins 0.000 description 2
- 102100023033 Cyclic AMP-dependent transcription factor ATF-2 Human genes 0.000 description 2
- 101000974934 Homo sapiens Cyclic AMP-dependent transcription factor ATF-2 Proteins 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 101150029683 gB gene Proteins 0.000 description 2
- 238000004519 manufacturing process 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
- 230000005855 radiation Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 101100377300 Arabidopsis thaliana ZHD14 gene Proteins 0.000 description 1
- 101100321447 Arabidopsis thaliana ZHD4 gene Proteins 0.000 description 1
- 206010063659 Aversion Diseases 0.000 description 1
- 101150045567 GP16 gene Proteins 0.000 description 1
- 101001139230 Rattus norvegicus Glycine N-acyltransferase-like protein Keg1 Proteins 0.000 description 1
- 101710157310 Tegument protein UL47 homolog Proteins 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 101150002378 gC gene Proteins 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect 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
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
Abstract
本发明涉及一种考虑供需互动和风险管理的城镇多能网络规划方法及系统，所述方法包括以下步骤：获取待规划的新型城镇能源互联网的网络特征，构建与该新型城镇能源互联网对应的基础模型；基于所述基础模型和条件风险价值理论建立城镇多能网络规划双层模型，对所述城镇多能网络规划双层模型进行求解，得到最佳规划方案；所述城镇多能网络规划双层模型中，外层以包含运行成本条件风险价值的综合成本最小为目标，基于改进二进制粒子群算法对所述外层进行求解，内层以运行成本条件风险价值最小为目标，基于混合整数二阶锥规划对所述内层进行求解，外层与内层间优化结果相互迭代优化。与现有技术相比，本发明能够保证城镇能源系统的安全稳定且经济运行。
Description
技术领域
本发明涉及城镇能源互联网技术领域，尤其是涉及一种考虑供需互动和风险管理的城镇多能网络规划方法及系统。
背景技术
目前，能源领域面临能源资源消耗强度大、清洁能源利用不足等问题，特别是城镇能源系统的发展需要进入提质升级阶段。“互联网+”智慧能源(能源互联网)是一种互联网与能源生产、传输、存储、消费以及能源市场深度融合的能源产业发展新形态，具备多能协同、交易开放等特征，是推动新型城镇化发展和能源结构清洁化转型的重要支撑，能够缓解当前粗放的能源利用模式与环境保护和经济发展间的体制机制性矛盾，促进能源利用提质增效、社会发展绿色集约。
新型城镇能源互联网与用户直接相连，涉及能源站、能源网络、多能负荷、多能存储多个环节，包含电、气、热、冷多种能源，能源转换和耦合关系复杂，源网荷储交互频繁，供需互动潜力巨大。在新型城镇能源互联网中，用户用能需求更为丰富，多能负荷的不确定性对新型城镇能源互联网的安全稳定运行和风险管理带来挑战。鉴于新型城镇能源的特性，如何在保证系统安全稳定运行的前提下进一步提升多能网络规划方案的经济性和可靠性，是本领域亟需解决的技术问题。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种考虑供需互动和风险管理的城镇多能网络规划方法及系统，能够保证城镇能源系统的安全稳定且经济运行。
本发明的目的可以通过以下技术方案来实现：
第一方面，本发明提供一种考虑供需互动和风险管理的城镇多能网络规划方法，包括以下步骤：
获取待规划的新型城镇能源互联网的网络特征，构建与该新型城镇能源互联网对应的基础模型，所述网络特征包括能源站运行特征、异质能源网络运行特征和供需互动特征；
基于所述基础模型和条件风险价值理论建立城镇多能网络规划双层模型，对所述城镇多能网络规划双层模型进行求解，得到最佳规划方案；
所述城镇多能网络规划双层模型中，外层以包含运行成本条件风险价值的综合成本最小为目标，基于改进二进制粒子群算法对所述外层进行求解，内层以运行成本条件风险价值最小为目标，基于混合整数二阶锥规划对所述内层进行求解，外层与内层间优化结果相互迭代优化。
进一步地，所述基础模型包括能源站典型设备输出功率模型、能源站功率平衡模型、能流模型和供需互动模型。
进一步地，所述能源站典型设备包括光伏、风电、燃气轮机、燃气锅炉、电制冷机和吸收式制冷机。
进一步地，所述能流模型包括电力系统能流模型、天然气系统能流模型和热力系统能流模型。
进一步地，所述供需互动模型包括电池储能模型、可削减多能负荷模型和电动汽车模型。
进一步地，所述城镇多能网络规划双层模型采用的约束条件包括异质能源网络连通性约束、能源站设备出力上下限约束、能源站功率平衡约束和异质能源网络能流约束。
进一步地，所述改进二进制粒子群算法中采用内嵌节点短接法的初代粒子生成策略，具体为：
将含有备选线路且包含总支路数最少的闭合环路视作一基础环路，对每个基础环路内的备选线路从1开始按顺时针方向编号；从每个基础环路中随机选择一条不重复的备选线路组成一个初始粒子，断开该初始粒子对应的备选线路即可解开所有环；使用节点短接法检查断开粒子对应的备选线路后网络的连通性；若粒子对应的备选线路断开后网络连通，继续生成下一个粒子直至初代粒子完全生成。
进一步地，所述混合整数二阶锥规划具体为：
采用二阶锥松弛、分段线性化和功率流近似方法，将内层优化问题转化为混合整数二阶锥规划问题，基于分支定界法进行求解。
第二方面，本发明提供一种考虑供需互动和风险管理的城镇多能网络规划系统，包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如上所述的方法步骤。
第三方面，本发明提供一种计算机可读存储介质，包括供电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行如上所述方法的指令。
与现有技术相比，本发明具有以下有益效果：
1、本发明基于新型城镇能源互联网的网络特征构建相应模型，能够挖掘供需互动和风险管理在多能网络规划中的潜力，在保证系统安全稳定运行的前提下进一步提升多能网络规划方案的经济性和可靠性。
2、本发明通过构建的城镇多能网络规划双层模型获得最佳规划方案，外层与内层间优化结果相互迭代优化，有效提高获得的最佳规划方案的可靠性。
3、本发明采用改进二进制粒子群算法进行优化求解，能获得更有效的初始粒子，进而提高算法计算效率。
4、本发明采用二阶锥松弛、分段线性化和功率流近似方法，将内层优化问题转化为混合整数二阶锥规划问题，能够获得内层优化问题的全局最优解，并可提升内层优化问题的求解效率。
附图说明
图1为本发明实施例对应的新型城镇多能网络规划流程示意图；
图2为本发明实施例对应的新型城镇多能网络双层规划求解流程图；
图3为本发明实施例的新型城镇能源互联网算例系统示意图；
图4为本发明实施例的新型城镇能源互联网算例系统1号能源集线器内部结构；
图5为本发明实施例的新型城镇能源互联网算例系统2号能源集线器内部结构；
图6为本发明实施例的场景1对应新型城镇多能网络规划方案；
图7为本发明实施例的场景2对应新型城镇多能网络规划方案；
图8为本发明实施例的场景3对应新型城镇多能网络规划方案；
图9为本发明实施例的场景4对应新型城镇多能网络规划方案；
图10为本发明实施例的场景5对应新型城镇多能网络规划方案。
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。
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申请的示例性实施方式。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。
如图1所示，本发明的一个实施方式中，提供一种考虑供需互动和风险管理的城镇多能网络规划方法，包括：
步骤S1：获取待规划的新型城镇能源互联网的网络特征，构建与该新型城镇能源互联网对应的基础模型，所述网络特征包括能源站运行特征、异质能源网络运行特征和供需互动特征，所述基础模型包括能源站典型设备输出功率模型、能源站功率平衡模型、能流模型和供需互动模型；
步骤S2：基于所述基础模型和条件风险价值理论建立城镇多能网络规划双层模型，对所述城镇多能网络规划双层模型进行求解，得到最佳规划方案，所述城镇多能网络规划双层模型中，外层以包含运行成本条件风险价值的综合成本最小为目标，基于改进二进制粒子群算法对所述外层进行求解，内层以运行成本条件风险价值最小为目标，基于混合整数二阶锥规划对所述内层进行求解，外层与内层间优化结果相互迭代优化。
步骤S1中各基础模型的建立具体为：
1)考虑新型城镇能源互联网中能源站的运行特征，建立能源站典型设备运行特性模型和功率平衡模型。
能源站典型设备包括光伏、风电、燃气轮机、燃气锅炉、电制冷机和吸收式制冷机。
光伏作为新型城镇能源互联网的重要组成部分，其输出功率模型为：
式中，PPV表示光伏电池组件的实际输出功率；r表示实际辐射强度；rSTC表示标准测试条件(STC)下的辐射强度；PSTC表示STC下光伏电池组件的最大输出功率；k表示功率温度系数；Tc表示电池温度；Tτ表示参考温度。
风力发电机的输出功率模型为：
式中，PWT表示风力发电机的输出功率；Pr表示额定功率；vci表示切入风速；vco表示切出风速；vr表示额定风速；v表示实际风速；a、b、c为常数。
燃气轮机具备启停快、效率高的特性，输出功率模型为：
Pgt,gηgt,e＝Pgt,e (3)
Pgt,gηgt,h＝Pgt,h (4)
rhe＝Pgt,h/Pgt,e (5)
式中，gt为燃气轮机下标；Pgt,g为燃气轮机输入天然气功率；ηgt,e、ηgt,h为燃气轮机产电、产热效率；Pgt,e、Pgt,h为燃气轮机输出电功率、热功率；rhe为热电比。
燃气锅炉能够将天然气燃烧产生的化学能转化为热能，输出功率模型为：
Pgb,gηgb＝Pgb,h (6)
式中，gb为燃气锅炉下标；Pgb,g为燃气锅炉输入天然气功率；ηgb为燃气锅炉产热效率；Pgb,h为燃气锅炉输出热功率。
电制冷机通过消耗电能做功以达到制冷目的，输出功率模型为：
Pec,eηec＝Pec,c (7)
式中，ec为电制冷机下标；Pec,e为电制冷机输入电功率；ηec为电制冷机制冷效率；Pec,c为电制冷机输出冷功率。
吸收式制冷机通过热能驱动，能够对低品位热源加以利用，输出功率模型为：
Pac,hηac＝Pac,c (8)
式中，ac为吸收式制冷机下标；Pac,h为吸收式制冷机输入热功率；ηac为吸收式制冷机制冷效率；Pac,c为吸收式制冷机输出冷功率。
基于能源集线器模型，能源站可以被描述为具有多输入-多输出的“黑箱”，其输入输出关系(功率平衡模型)为：
L＝CP (9)
式中，C为耦合矩阵；P为能源站输入功率向量；L为能源站输出功率向量。
2)考虑新型城镇能源互联网中异质能源网络运行特征，建立包含电力系统、天然气系统和热力系统的异质能源网络能流模型。
电力系统模型可通过极坐标下的潮流方程描述：
式中，Pi、Qi分别为节点i的注入有功功率和无功功率；Ui为节点i的电压幅值；δij为节点i、j的相位差；Gij、Bij分别为节点i、j间的电导和电纳；n为系统总节点数。
天然气系统模型可通过管道流量方程描述：
式中，i、j分别为气体流入节点和流出节点；Qij为流过管道ij的体积流；Rair为标准状况下空气密度；Tn、pn分别为标准状况下温度和压强；pi、pj为节点i、j压强；pav为管道平均压强；S为管道气体相对比重；g为重力加速度；h为管道高度差；d为管道直径；f为管道摩擦系数；L为管道长度；T为气体温度；Z为气体压缩系数。
为简化计算，在实际工程应用中，往往引入如下假设：
(1)天然气系统稳态运行，即管道内为层流而非湍流；
(2)忽略管道内气体温度变化，即等温流动；
(3)忽略管道内气体动能变化；
(4)管道内气体压缩率恒定；
(5)管道摩擦系数恒定。
在合理假设的基础上，引入流向标志位，可将管道流量方程转换为气体体积流、管道压降、管道尺寸和气体特性之间的函数关系。
当气压小于750kPa时，管道流量满足Lacey方程，具体如下：
式中，Qij表示管道气流流量(m3/h)；i、j分别为气体流入节点和流出节点；pi、pj分别为节点i、j压强(mbar)；d表示管道直径(mm)；f表示管道摩擦系数；S表示气体比重，即管内气体分子质量数与空气分子质量数之比；L表示管道长度(m)；流向变量αij表征气体流动方向，当气体从节点i流向节点j，αij＝1，否则，αij＝-1，因此，流向变量满足αij+αji＝0。
当气压大于750kPa时，管道流量满足改进的Polyflo方程，具体如下：
式中，Qij表示管道气体流量；TSTP表示标况(STP)温度(K)；pSTP表示标况(STP)气压；αij表示气体流向；pi、pj分别为节点i、j压强(mbar)；d表示管道直径(mm)；f表示管道摩擦系数；S表示气体比重，即管内气体分子质量数与空气分子质量数之比；L表示管道长度(m)；T表示气体实际温度；Re为雷诺数；E为管道效率。
热力系统模型可通过水力-热力耦合方程描述：
φnet＝CAm(T′s-T′o) (17)
BKm|m|＝0 (18)
CsT′s＝0 (19)
CrT′r＝0 (20)
式中，φnet为节点净功率；C为热水比热容；A为节点支路关联矩阵；m为管道质量流；Ts′为节点相对供水温度；To′为节点相对出水温度；B为回路支路关联矩阵；K为阻力系数；Cs、Cr为供水网络和回水网络温度系数矩阵。
3)考虑新型城镇能源互联网中供需互动特征，分别对柔性负荷、储能、电动汽车等典型供需互动手段进行建模。
根据功率与能量关系和充放电互斥特性，将电池储能的运行特性表示为：
EBES(t+Δt)＝EBES(t)+(Pch(t)ηch-Pdis(t)/ηdis)Δt (21)
EBES.min≤EBES≤EBES.max (22)
γBES∈{0,1} (23)
EBES(ts)＝EBES(te) (26)
式中，t为时刻；Δt为相邻时刻的时间间隔；ts和te分别为一个调度周期的起始和末尾时刻；EBES为电池储能所存储的能量；EBES.min和EBES.max分别为能量上下限；Pch和Pdis分别为充放电功率；
和
分别为充放电功率上限；ηch和ηdis分别为充放电效率；γBES为储能充放电标志位，为0-1变量，γBES＝1表示充电，γBES＝0表示放电。
其他典型供需互动手段还包括：可削减多能负荷和电动汽车。可削减多能负荷是指运行时可根据供需情况对各类多能负荷进行部分或全部削减，供需互动时需满足其可削减上下限约束；电动汽车是指运行时可根据供需情况灵活调整电动汽车充放电功率，模型与电池储能类似，但需额外增加对充放电时段的约束。
步骤S2中，基于条件风险价值理论，建立考虑供需互动和风险管理的新型城镇多能网络规划双层模型，外层(上层)为以包含运行成本条件风险价值的综合成本最小为目标，计及异质能源网络连通性约束、能源站设备出力上下限约束、能源站功率平衡约束、异质能源网络能流约束等；内层(下层)以运行成本条件风险价值最小为目标，计及能源站设备出力上下限约束、能源站功率平衡约束、异质能源网络能流约束等。
引入条件风险价值理论，描述新型城镇多能网络规划和运行过程中的风险管理，建立运行成本条件风险价值模型，具体为：
为了进一步考虑系统中的不确定性，引入CVaR理论，一方面可以表征系统中源、荷不确定性给规划和运行带来的尾部风险，另一方面，通过引入风险偏好因子，能够反映决策者对风险的偏好程度，并调节规划和运行方案的保守性。
风险价值(Value at Risk，VaR)和CVaR都是当前金融领域比较常用的风险管理技术，能够有效弥补传统的均值—方差模型在量度风险时的局限性，二者既有区别又有联系。二者具体计算方式如下：
设f(x,y)为损失函数，x为决策变量，y为随机变量，假设ρ(y)为y的概率密度函数，则损失函数f(x,y)不大于边界值α的分布函数为：
对于给定的置信度β，VaR可由下式计算：
VaRβ＝min{α∈R:ψ(x,α)≥β} (28)
作为从VaR基础上发展出来的投资风险计量方法，CVaR能够克服VaR进行风险计量的不足，如VaR不满足一致性公理，无法考察超过分位点的下方风险信息等。CVaR是由一种较VaR更优的风险计量技术，其含义为在投资组合的损失超过某个给定VaR值的条件下，该投资组合的平均损失值。根据定义，其计算方式如下：
在能源网络规划的运行成本中引入CVaR，其本质是利用超分位数来计算运行成本在一定置信水平下，超过某一阈值的期望，能够将系统中的源、荷不确定性纳入模型。在CVaR的基础上，进一步引入风险偏好因子表示决策者对风险的偏好程度，则计及CVaR的运行成本可改写如下：
COPR＝(1-ρ)Copr+ρCVaR(Copr) (30)
式中，COPR为计及CVaR的运行成本；Copr为不考虑CVaR的运行成本；ρ为风险偏好因子，表征决策者对风险的偏好程度，满足ρ∈[0,1]，ρ越大，则对应风险更高。
基于改进二进制粒子群算法的新型城镇多能网络规划外层优化问题求解方法，并将结果传递给内层优化问题。标准PSO算法流程如下：
1)初始化一群粒子(粒子数量为n)，随机取每个粒子的位置和速度；
2)计算每个粒子的适应度，确定其pBest和整个粒子群的gBest；
3)对每个粒子，将它的适应度和它上一个pBest对应的适应度作比较，如果适应度更低，则将其作为新的pBest，否则pBest保持不变；
4)对每个粒子，将它的适应度与上一个gBest对应的适应度作比较，如果适应度更低，则将其作为新的gBest，否则gBest保持不变；
5)根据位置与速度更新公式更新粒子的速度和位置；
6)若迭代次数达到最大迭代次数max_iter或适应度小于给定值ε，则结束优化过程；否则回到步骤2。
在新型城镇多能网络规划外层优化问题中应用PSO算法会出现两个问题：1、标准PSO算法中的粒子每一维的位置和速度均为连续实数，而新型城镇多能网络规划外层优化问题中待优化的粒子每一维的位置为正整数；2、标准PSO算法中的初始粒子是随机生成的，而新型城镇多能网络规划外层优化问题中如果随机生成初始粒子会出现大量不可行解，降低计算效率。因此将PSO算法的迭代策略和初始解生成策略改进后才能用它求解新型城镇多能网络规划外层优化问题。
采用的初始粒子生成步骤如下：
1)将含有备选线路且包含总支路数最少的闭合环路视作一个基础环路，对每个基础环路内的备选线路从1开始按顺时针方向编号。
2)从每个基础环路中随机选择一条不重复的备选线路组成一个初始粒子，断开该初始粒子对应的备选线路即可解开所有环。若有4条基础环路，随机选取的初始粒子为{2,1,4,2}，即断开各基础环路内的2号、1号、4号、2号备选线路。若选取到重复的线路，则还会有环存在，无法满足辐射状约束。
3)使用节点短接法检查断开粒子对应的备选线路后网络的连通性，具体步骤为：a.建立节点关联矩阵，节点i与j直接相连时元素(i，j)为1，否则元素(i，j)为0，对角元均为0；b.从(1,2)开始扫描，若(1，j)为1说明节点1与节点j相连，则将第1行与第j行、第1列与第j列的各元素做“或”运算，结果置于第j行(列)，即将节点1与其所有相连的节点短接；c.删去第一行第一列，将对角元置0；d.重复步骤b、c直至某一行全为0(即该粒子对应的网络不连通)或矩阵仅余一阶(即该粒子对应的网络连通)。
4)若粒子对应的备选线路断开后网络连通，返回步骤2生成下一个粒子直至初代粒子完全生成；若粒子对应的备选线路断开后网络不连通，返回步骤2重新随机生成初始粒子直至该粒子对应的备选线路断开后网络满足辐射状及连通性。
多能网络内层优化问题采用二阶锥松弛、分段线性化、功率流近似方法，将内层优化问题转化为混合整数二阶锥规划问题，基于分支定界法进行求解，具体为：
在内层模型中，针对传统潮流方程非凸造成难以寻优的问题，结合配电网实际运行特征，采用Distflow方程描述：
式中，i、j、k为节点编号，α(j)为以节点j为支路末端的节点集合，β(j)为以节点j为支路始端的节点集合，Pij、Qij为流过支路ij的有功和无功功率；rij、xij为支路ij的电阻与电抗，U为节点电压。
对电力系统的Distflow方程，需要引入中间变量Vi和Ie,ij，定义如下：
则原方程可化为：
进一步对上式进行二阶锥松弛，可得二阶锥标准形式：
针对传统天然气能流方程中存在根号，在内层模型的优化问题中难以求解的问题，通过构造等价函数，对原方程进行简化。分析传统天然气能流方程可知，流向标志位的作用为保证根号内非负，从而定义气体流向。在计算过程中，气体的流向可通过各节点气压判断，从气压高的节点流向气压低的节点，而不必直接求解。因此，可通过构造绝对值函数替代原方程中气体流向标志位的作用，如下所示：
Qg,ij|Qg,ij|＝k′(pi-pj) (40)
式中，Qg,ij为支路ij流过天然气体积流量；k′为常数。
简化后，上述方程仍然具有非凸非线性的特征，需要进一步采用分段线性化方法简化。具体步骤如下：首先，令上述方程的左边为f(x)＝Qg,ij|Qg,ij|；然后，选取该函数的分段线性化区间，确定分段数NPL和对应的离散点；接着，根据所选取的离散点计算对应的函数值；最后，对函数按如下公式离散化，并代回原方程，构造线性化约束。
δk+1≤ηk≤δk,k＝1,2,...,NPL-2 (43)
0≤δk≤1,k＝1,2,...,NPL-1 (44)
式中，NPL为区间内的分段数；x1为离散区间的起始点；δk为系数；ηk为0-1变量，保证分段线性化过程从左到右依次填充。
根据已有研究，在实际运行过程中，各节点供水温度差别较小，热力管网产生的热损耗具有近似线性化的特征，因此，可以用简化的功率流来替代非线性的水力流和热力流方程，具体如下：
Ph,i＝(1-δijlij)Ph,j (46)
式中，i、j、k为节点编号；α(j)为以节点j为管道末端的节点集合；β(j)为以j为管道始端的节点集合；Ph,ij为流过管道ij的热功率；Pj,hnet为节点j注入净功率；δij为单位长度管道热损耗系数；lij为管道ij的长度。
在另一实施方式中，提供了一种考虑供需互动和风险管理的城镇多能网络规划系统，包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如上文所述的方法步骤。
实施例
在本实施例中，以图3所示待规划新型城镇能源互联网作为测试算例进行仿真。在图3所示待规划新型城镇能源互联网算例中，电力系统为修改的IEEE 33节点系统，其中，EN1是电力系统的平衡节点，其余节点均为PQ节点，新增负荷节点包括EN18、EN21、EN22和EN25；在待选支路方面，与节点EN18相连的待选支路包括支路EB17和EB36，与节点EN21相连的待选支路包括支路EB20和EB21，与节点EN22相连的待选支路包括EB21和EB35，与节点EN25相连的待选支路包括支路EB24和EB35。天然气系统为11节点系统，设节点GB1为平衡节点，其余节点均为负荷节点，新增负荷节点为GB8、GB10和GB11；在待选支路方面，与节点GB8相连的待选支路包括支路GP7、GP10、GP11和GP15，与节点GB10相连的待选支路包括支路GP13、GP14和GP16，与节点GB11相连的待选支路包括支路GP14、GP17；热力系统为32节点系统，节点HB1为平衡节点，节点HB31、HB32为热源节点，其他节点为负荷节点，新增负荷节点为HB6、HB16和HB17；与节点HB6相连的待选支路包括支路HP5、HP33，与节点HB16相连的待选支路包括支路HP15、HP34，与节点HB17相连的待选支路包括支路HP16、HP36。电力系统与天然气系统基于能源站1进行耦合，天然气系统与热力系统基于能源站2进行耦合，能源集线器内部结构见图4和图5。综合上述分析，设置多能网络规划待选集如表1所示。
表1多能网络规划待选集
为进一步对比新型城镇多能网络规划过程中，供需互动措施与风险管理对规划结果的影响，分别设置5类规划场景如表2所示。
表2规划场景设置
场景S1为参考场景，不考虑区域内部分布式能源站多能耦合、供需互动和决策者的风险管理；场景S2考虑多能耦合对网络规划的影响；场景S3同时考虑多能耦合与供需互动对网络规划的影响，但未计及风险管理；场景S4同时考虑多能耦合与供需互动，并将风险偏好系数设置为0.5；场景S5同时考虑多能耦合与供需互动，并将风险偏好系数设置为1。
根据上述能源网络规划模型和参数，进行能源网络规划，并对不同场景下能源网络规划的各项成本、管线投建方案等进行了对比。多能网络双层规划模型求解流程图见图2。
表3给出了不同场景下规划方案的投资成本、综合运行成本的对比。各场景中，综合运行成本占比均大于投资成本等年值。
表3不同场景规划方案成本对比(单位：亿元)
进一步分析各场景下所考虑的不同因素对能源网络规划的影响。
对比场景1和2可知，通过分布式能源站耦合多个能源子系统后，系统投资成本减少了0.032亿元，降幅为8.8％，综合运行成本减少了0.254亿元，降幅为3.4％，多能网络规划总成本减少了0.286亿元，降幅为3.7％。上述结果充分说明了多能耦合对提升综合能源系统经济性的重要作用，运行时，可根据电、气等能源价格的差异合理选择能源对比场景2和3可知，考虑供需互补后，综合能源运营商可通过切负荷、调节储能装置充放能状态、调整电动汽车充放电状态等综合需求响应手段调整系统多能负荷大小和不同负荷之间的比例，从而使得热-电负荷比例与热电联产机组的热电比更为贴近，从而促进联产设备运行。由此，系统的综合运行成本降低明显，降幅达46.6％。对比场景3、4、5可知，考虑风险管理后，风险系数ρ越大，则目标函数中对应的综合运行成本越大，风险厌恶程度越高，使得规划决策越保守，导致投资成本与综合运行成本增加。
不同场景下多能网络的具体规划方案如表4和图6-10所示。
表4不同场景管线规划方案
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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作出诸多修改和变化。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 (7)
1.一种考虑供需互动和风险管理的城镇多能网络规划方法，其特征在于，所述多能网络为电、气、热、冷多种能源耦合的能源互联网，包括以下步骤：
获取待规划的新型城镇能源互联网的网络特征，构建与该新型城镇能源互联网对应的基础模型，所述网络特征包括能源站运行特征、异质能源网络运行特征和供需互动特征，所述基础模型包括能源站典型设备输出功率模型、能源站功率平衡模型、能流模型和供需互动模型；
基于所述基础模型和条件风险价值理论建立城镇多能网络规划双层模型，对所述城镇多能网络规划双层模型进行求解，得到最佳规划方案；
所述城镇多能网络规划双层模型中，外层以包含运行成本条件风险价值的综合成本最小为目标，基于改进二进制粒子群算法对所述外层进行求解，内层以运行成本条件风险价值最小为目标，基于混合整数二阶锥规划对所述内层进行求解，外层与内层间优化结果相互迭代优化；
所述改进二进制粒子群算法中采用内嵌节点短接法的初代粒子生成策略，具体为：
将含有备选线路且包含总支路数最少的闭合环路视作一基础环路，对每个基础环路内的备选线路从1开始按顺时针方向编号；从每个基础环路中随机选择一条不重复的备选线路组成一个初始粒子，断开该初始粒子对应的备选线路即可解开所有环；使用节点短接法检查断开粒子对应的备选线路后网络的连通性；若粒子对应的备选线路断开后网络连通，继续生成下一个粒子直至初代粒子完全生成；
所述混合整数二阶锥规划具体为：
采用二阶锥松弛、分段线性化和功率流近似方法，将内层优化问题转化为混合整数二阶锥规划问题，基于分支定界法进行求解，具体地：
在内层模型中，针对传统潮流方程非凸造成难以寻优的问题，结合配电网实际运行特征，采用Distflow方程描述，并进行二阶锥松弛；
针对传统天然气能流方程中存在根号，在内层模型的优化问题中难以求解的问题，通过构造等价函数，对原方程进行简化，并进一步采用分段线性化方法简化；
在实际运行过程中，各节点供水温度差别较小，热力管网产生的热损耗具有近似线性化的特征，用简化的功率流来替代非线性的水力流和热力流方程。
2.根据权利要求1所述的考虑供需互动和风险管理的城镇多能网络规划方法，其特征在于，所述能源站典型设备包括光伏、风电、燃气轮机、燃气锅炉、电制冷机和吸收式制冷机。
3.根据权利要求1所述的考虑供需互动和风险管理的城镇多能网络规划方法，其特征在于，所述能流模型包括电力系统能流模型、天然气系统能流模型和热力系统能流模型。
4.根据权利要求1所述的考虑供需互动和风险管理的城镇多能网络规划方法，其特征在于，所述供需互动模型包括电池储能模型、可削减多能负荷模型和电动汽车模型。
5.根据权利要求1所述的考虑供需互动和风险管理的城镇多能网络规划方法，其特征在于，所述城镇多能网络规划双层模型采用的约束条件包括异质能源网络连通性约束、能源站设备出力上下限约束、能源站功率平衡约束和异质能源网络能流约束。
6.一种考虑供需互动和风险管理的城镇多能网络规划系统，其特征在于，包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如权利要求1-5任一所述的方法步骤。
7.一种计算机可读存储介质，其特征在于，包括供电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行如权利要求1-5任一所述方法的指令。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110436404.5A CN113032940B (zh) | 2021-04-22 | 2021-04-22 | 考虑供需互动和风险管理的城镇多能网络规划方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110436404.5A CN113032940B (zh) | 2021-04-22 | 2021-04-22 | 考虑供需互动和风险管理的城镇多能网络规划方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113032940A CN113032940A (zh) | 2021-06-25 |
| CN113032940B true CN113032940B (zh) | 2023-05-02 |
Family
ID=76457445
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110436404.5A Active CN113032940B (zh) | 2021-04-22 | 2021-04-22 | 考虑供需互动和风险管理的城镇多能网络规划方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113032940B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111626633A (zh) * | 2020-06-04 | 2020-09-04 | 南京工程学院 | 基于综合评价指标的自储能柔性互联配电网扩展规划方法 |
| CN111952958A (zh) * | 2020-07-14 | 2020-11-17 | 清华大学 | 一种考虑控制模式转换的配电网柔性软开关优化配置方法 |
| CN112039069A (zh) * | 2020-09-04 | 2020-12-04 | 国网山东省电力公司济宁供电公司 | 一种配电网储能与柔性开关的双层协同规划方法及系统 |
| CN112491037A (zh) * | 2020-11-09 | 2021-03-12 | 四川大学 | 一种城市配电网多目标多级动态重构方法及系统 |
-
2021
- 2021-04-22 CN CN202110436404.5A patent/CN113032940B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111626633A (zh) * | 2020-06-04 | 2020-09-04 | 南京工程学院 | 基于综合评价指标的自储能柔性互联配电网扩展规划方法 |
| CN111952958A (zh) * | 2020-07-14 | 2020-11-17 | 清华大学 | 一种考虑控制模式转换的配电网柔性软开关优化配置方法 |
| CN112039069A (zh) * | 2020-09-04 | 2020-12-04 | 国网山东省电力公司济宁供电公司 | 一种配电网储能与柔性开关的双层协同规划方法及系统 |
| CN112491037A (zh) * | 2020-11-09 | 2021-03-12 | 四川大学 | 一种城市配电网多目标多级动态重构方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 《Reliability evaluation of integrated energy system considering the dynamic behaviour of loads and operation strategy》;JiaweiLv etal;《Energy Procedia》;20190228;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113032940A (zh) | 2021-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tong et al. | A review on the development of compressed air energy storage in China: Technical and economic challenges to commercialization | |
| Wang et al. | Combined multi-objective optimization and robustness analysis framework for building integrated energy system under uncertainty | |
| Liu et al. | Justification of CO2 as the working fluid for a compressed gas energy storage system: a thermodynamic and economic study | |
| Li et al. | A hybrid optimization-based scheduling strategy for combined cooling, heating, and power system with thermal energy storage | |
| Wu et al. | Multi-objective and multi-algorithm operation optimization of integrated energy system considering ground source energy and solar energy | |
| Henning et al. | A comprehensive model for the German electricity and heat sector in a future energy system with a dominant contribution from renewable energy technologies—Part I: Methodology | |
| CN109659927B (zh) | 一种考虑储能参与度的综合能源微网储能容量配置方法 | |
| CN103762589B (zh) | 一种电网中新能源容量配比分层优化方法 | |
| CN113095791B (zh) | 一种综合能源系统运行方法及系统 | |
| Zhu et al. | A review of distributed energy system optimization for building decarbonization | |
| CN110391655B (zh) | 一种含多能源耦合的微能源网经济优化调度方法及装置 | |
| CN112633575B (zh) | 基于鲁棒优化的多能互补综合能源系统容量配置方法及系统 | |
| CN110443467A (zh) | 一种区域综合能源系统太阳能消纳能力评估方法 | |
| Gao et al. | A multi-criteria decision-making framework for compressed air energy storage power site selection based on the probabilistic language term sets and regret theory | |
| CN114595868A (zh) | 一种综合能源系统源网荷储协同规划方法及系统 | |
| Mu et al. | Optimal operation model of integrated energy system for industrial plants considering cascade utilisation of heat energy | |
| CN105447586A (zh) | 一种基于全能流模型的微电网能量优化方法 | |
| CN110244568B (zh) | 工业企业微网的能源枢纽模型及其多能互补优化控制方法 | |
| CN115859686A (zh) | 考虑扩展碳排放流的综合能源系统低碳调度方法及系统 | |
| Yang et al. | Flexibility index for a distributed energy system design optimization | |
| CN106100002A (zh) | 一种交直流混合微网的优化运行方法 | |
| CN113032940B (zh) | 考虑供需互动和风险管理的城镇多能网络规划方法及系统 | |
| CN115423297A (zh) | 基于拉格朗日乘子的园区综合能源系统可靠性评估方法 | |
| CN115545340A (zh) | 一种考虑双重不确定性的综合能源站-网协同规划方法 | |
| CN114662938A (zh) | 综合能源系统的能效评价方法、装置、终端及存储介质 |
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 |