CN113239606A - 综合能源系统优化调度方法、装置及终端设备 - Google Patents
综合能源系统优化调度方法、装置及终端设备 Download PDFInfo
- Publication number
- CN113239606A CN113239606A CN202110571139.1A CN202110571139A CN113239606A CN 113239606 A CN113239606 A CN 113239606A CN 202110571139 A CN202110571139 A CN 202110571139A CN 113239606 A CN113239606 A CN 113239606A
- Authority
- CN
- China
- Prior art keywords
- time interval
- granulation
- optimized scheduling
- period
- energy system
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000005469 granulation Methods 0.000 claims abstract description 117
- 230000003179 granulation Effects 0.000 claims abstract description 116
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 58
- 239000007789 gas Substances 0.000 claims description 55
- 230000006870 function Effects 0.000 claims description 45
- 239000003345 natural gas Substances 0.000 claims description 29
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 26
- 229910052799 carbon Inorganic materials 0.000 claims description 26
- 238000005457 optimization Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 23
- 238000003860 storage Methods 0.000 claims description 22
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 239000002803 fossil fuel Substances 0.000 claims description 4
- 239000000446 fuel Substances 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 239000002245 particle Substances 0.000 description 25
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 12
- 229910002092 carbon dioxide Inorganic materials 0.000 description 6
- 239000001569 carbon dioxide Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- 238000005453 pelletization Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009194 climbing Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002343 natural gas well Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/25—Design optimisation, verification or simulation using particle-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
-
- 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
- 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
- G06F2119/12—Timing analysis or timing optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明适用于综合能源系统技术领域，提供了一种综合能源系统优化调度方法、装置及终端设备，所述方法包括：以综合能源系统的最小运行总成本为目标，以各个优化调度时段系统中设备的出力为决策变量，建立目标函数，并建立目标函数的约束条件；获取优化调度时段序列以及各个优化调度时段对应的负荷数据；根据各个优化调度时段对应的负荷数据，对优化调度时段序列进行聚类，得到多个粒化时段，并确定各个粒化时段对应的负荷数据；基于各个粒化时段对应的负荷数据，求解目标函数，得到各个粒化时段对应的决策变量值；以及根据决策变量值，对综合能源系统进行优化调度。本发明能够提高综合能源系统的优化调度效率。
Description
技术领域
本发明属于综合能源系统技术领域，尤其涉及一种综合能源系统优化调度方法、装置及终端设备。
背景技术
随着生产力的发展和能源消费的增长，当前能源发展主要面临两方面的挑战，一方面是由于消耗化石燃料排放出大量二氧化碳，引起全球气候持续变暖；另一方面，由于对自然资源的过渡开采利用，造成能源资源进一步枯竭。
对此，发展可再生能源，构建多能互补、能量梯级利用的综合能源系统，是一种有效的解决办法。然而，由于可再生能源具备较为明显的波综合能源系统优化调度对综合能源系统进行优化调度。而综合能源系统优化是一个多维、多时段的问题，尤其是对综合能源系统进行多个时间段的协同优化阻碍了模型的收敛速度，导致模型求解速度慢，综合能源系统的优化调度效率低。
发明内容
有鉴于此，本发明实施例提供了一种综合能源系统优化调度方法、装置及终端设备，以提高综合能源系统的优化调度效率。
本发明实施例的第一方面提供了一种综合能源系统优化调度方法，包括：
以综合能源系统在优化调度总时段内的最小运行总成本为目标，以优化调度总时段内各个优化调度时段综合能源系统中各个设备的出力为决策变量，建立目标函数，并建立目标函数的约束条件；
获取优化调度时段序列以及各个优化调度时段对应的负荷数据；
根据各个优化调度时段对应的负荷数据，对优化调度时段序列进行聚类，得到多个粒化时段，并确定各个粒化时段对应的负荷数据；其中，每个粒化时段均由至少一个优化调度时段组成；
基于各个粒化时段对应的负荷数据，求解目标函数，得到各个粒化时段对应的决策变量值；以及根据决策变量值，对综合能源系统进行优化调度。
本发明实施例的第二方面提供了一种综合能源系统优化调度装置，包括：
构建模块，用于以综合能源系统在优化总调度时段内的最小运行总成本为目标，以优化调度总时段内各个优化调度时段综合能源系统中各个设备的出力为决策变量，建立目标函数，并建立目标函数的约束条件；
获取模块，用于获取优化调度时段序列以及各个优化调度时段对应的负荷数据；
聚类模块，用于根据各个优化调度时段对应负荷数据，对优化调度时段序列进行聚类，得到多个粒化时段，并确定各个粒化时段对应的负荷数据；其中，每个粒化时段均由至少一个优化调度时段组成；
优化调度模块，用于基于各个粒化时段对应的负荷数据，求解目标函数，得到各个粒化时段对应的决策变量值，并根据决策变量值，对综合能源系统进行优化调度。
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上述综合能源系统优化调度方法的步骤。
本发明实施例的第四方面提供了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上述综合能源系统优化调度方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：
本发明实施例首先以综合能源系统在优化调度总时段内的最小运行总成本为目标，以优化调度总时段内各个优化调度时段综合能源系统中各个设备的出力为决策变量，建立目标函数，并建立目标函数的约束条件，得到了综合能源系统的优化调度模型。进一步，在求解模型中的目标函数时，基于粒计算的思想，对各个优化调度时段进行时段粒化，即根据各个优化调度时段对应的负荷数据对优化调度时段序列进行聚类，降低了求解时段的数量，进而提高模型的收敛速度。本发明实施例能够提高综合能源系统的优化调度效率。
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是本发明实施例提供的综合能源系统优化调度方法的流程示意图；
图2是本发明实施例提供的一种综合能源系统结构示意图；
图3是本发明实施例提供的粒化前后发电机全天的发电量示意图；
图4是本发明实施例提供的粒化前后气井全天的供气量示意图；
图5是本发明实施例提供的求解时间与粒子数目的关系图；
图6是本发明实施例提供的粒化前后误差与粒子数目的关系；
图7是本发明实施例提供的综合能源系统优化调度装置的结构示意图；
图8是本发明实施例提供的终端设备的结构示意图。
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。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
本发明实施例提供了一种综合能源系统优化调度方法，参照图1所示，该方法包括以下步骤：
步骤S101、以综合能源系统在优化调度总时段内的最小运行总成本为目标，以优化调度总时段内各个优化调度时段综合能源系统中各个设备的出力为决策变量，建立目标函数，并建立目标函数的约束条件。
在本发明实施例中，目标函数为综合能源系统在优化调度总时段内的最小运行总成本，其中，优化调度总时段包含按时间排列的多个优化调度时段，每个优化调度时段的设备出力情况是模型需要计算的决策变量，即综合能源系统的优化问题是一个多维、多时段优化问题。
步骤S102、获取优化调度时段序列以及各个优化调度时段对应的负荷数据。
在本发明实施例中，各个优化调度时段对应的负荷数据包括各个优化调度时段对应的电负荷数据、天然气负荷数据以及风电出力预测值。
步骤S103、根据各个优化调度时段对应的负荷数据，对优化调度时段序列进行聚类，得到多个粒化时段，并确定各个粒化时段对应的负荷数据；其中，每个粒化时段均由至少一个优化调度时段组成。
在本发明实施例中，根据各个优化调度时段对应的负荷数据，对优化调度时段序列进行聚类，能够将相似的优化调度时段粒化为一个粒化时段，降低了求解时段的数量，进而提高模型的收敛速度。
步骤S104、基于各个粒化时段对应的负荷数据，求解目标函数，得到各个粒化时段对应的决策变量值；以及根据决策变量值，对综合能源系统进行优化调度。
本发明实施例首先以综合能源系统在优化调度总时段内的最小运行总成本为目标，以优化调度总时段内各个优化调度时段综合能源系统中各个设备的出力为决策变量，建立目标函数，并建立目标函数的约束条件，得到了综合能源系统的优化调度模型。进一步，在求解模型中的目标函数时，基于粒计算的思想，对各个优化调度时段进行时段粒化，即根据各个优化调度时段对应的负荷数据对优化调度时段序列进行聚类，降低了求解时段的数量，进而提高模型的收敛速度。本发明实施例能够提高综合能源系统的优化调度效率。
可选的，作为一种可能的实施方式，综合能源系统包括电力子系统和天然气子系统；目标函数包括：
minF＝F1+F2+F3+F4
式中，F为综合能源系统的运行总成本，F1为电力子系统运行成本，F2为天然气子系统运行成本，F3为综合能源系统的弃风成本，F4为综合能源系统的碳交易成本；T为优化调度时段数量，Nf为非燃气火电机组数量，Nw为气井数量，Ns为储气设备数量，Nω为风机数量，Qwt为t时段气井w的供气量，Qst为t时段储气设备s的供气量，Pit为t时段发电机i的输出功率，Pycωt为t时段风机的预测出力，Pωt为t时段风机的实际出力，ai、bi、ci为发电机i的燃料成本系数，ρw、ρs、ρω分别为气井的生产成本系数、储气设备的运行成本系数和弃风成本系数，Re为单位碳排放的交易价格，Ni为化石燃料发电机的数量，μi为发电机i出力时的碳排放强度，ηi为发电机i的有功出力碳排放额。
在本发明实施例中，优化调度模型考虑了综合能源系统的电力子系统运行成本、天然气子系统运行成本、弃风成本和碳交易成本。其中，碳交易成本的含义为综合能源系统在生产运行的过程中会产生二氧化碳气体，而我国对企业或者项目的二氧化碳排放量有一定的限制，碳交易是在一定范围内允许碳排放量灵活变动的一个机制。碳交易，即企业或者单位可以通过购买或者出售碳排放权利来应对生产计划的模式，当项目实际排放的二氧化碳量大于规定的阈值时，需要对外购买碳排放额度，当项目实际排放的二氧化碳量小于阈值时，可以出售多余的碳排放额度来获得额外资金。本发明实施例不考虑在生产、运输等过程中产生的二氧化碳量，仅统计燃料机组中能源消耗所产生的碳排放的碳交易成本。
可选的，作为一种可能的实施方式，在本发明实施例中，模型的约束条件主要包括电力子系统约束、天然气子系统约束、以及电力子系统与天然气子系统之间的耦合约束。
进一步的，电力子系统约束包括：
(1)功率供需平衡约束
式中，Nd为电力子系统的负荷数量，Pdt为t时刻负荷d的大小。
(2)机组功率输出约束
Pimin≤Pit≤Pimax
式中，Pimin为发电机i的最小输出功率，Pimax为发电机i的最大输出功率。
(3)机组爬坡约束
Pit-Pi,t-1≤RUi,Pi,t-1-Pit≤RDi
式中，RUi为发电机i的上爬坡率，RDi为发电机i的下爬坡率。
(4)旋转备用约束
式中，SRt为t时刻发电机i的旋转备用容量。
(5)线路传输功率约束
PLi,min≤PLit≤PLi,max
式中，PLit为t时段线路i的传输功率，PLi,max、PLi,min分别为t时段线路i传输功率的上下限。
(6)直流潮流约束
式中，xpq为线路i的阻抗，θpt、
分别为节点p和节点
的电压相角，θpmax、θpmin分别为线路i中p节点的电压相角上、下限。
天然气子系统约束包括：
(1)节点功率平衡约束
式中，Qlt为t时刻天然气负荷l的负荷量，S(m)为连接到天然气节点m的所有元件集合，Qjt为t时段燃气轮机j所消耗的天然气量，Qmn,t为t时段天然气节点m到n的流经管道的天然气流量。
(2)天然气流量约束
式中，pmt为t时段天然气节点m的气压，Cmn为天然气管道特征常数。
(3)节点压力约束
pn,min≤pnt≤pn,max
式中，pnt为t时段天然气节点n的气压，pn,min为天然气节点n的气压下限，pn,max为天然气节点n的气压上限。
(4)气井供气量约束
Qw,min≤Qwt≤Qw,max
式中，Qwt为t时段天然气气井w的出气量，Qw,min为气井w的供气量下限，Qw,max为气井w的供气量上限。
(5)储气设备约束
Es,min≤Est≤Es,max
Es,0＝Es,T
式中，Est为t时段储气设备s的容量，
分别为t时段设备的进、出气体量，Es,max、Es,min为设备的最大、最小容量，
为设备的进气量的最大、最小值，Es,0、Es,T分别为设备在运行初始和结束时的储气量。
电力子系统与天然气子系统之间的耦合约束包括：
式中，Qjt为t时段燃气轮机j的燃烧热量，Kj为燃气轮机j的热量系数。
可选的，作为一种可能的实施方式，步骤S103中，根据各个优化调度时段对应的负荷数据，对优化调度时段序列进行聚类，得到多个粒化时段，可以详述为：
步骤S1031、根据优化调度时段序列中各个优化调度时段对应的负荷数据以及最短距离算法，对优化调度时段序列进行粗聚类，得到多个聚类结果，并计算各个聚类结果的聚类中心；
步骤S1032、根据各个优化调度时段对应的负荷数据、各个聚类中心对应的负荷数据，计算各个优化调度时段与各个聚类中心的距离，并将各个优化调度时段分配至对应距离最小的聚类中心所在的聚类结果中，得到新的聚类结果；
步骤S1033、计算新的聚类结果的聚类中心；
步骤S1034、重复步骤S1032-S1033，直至各个聚类结果的聚类中心不再变化，每个聚类结果中的优化调度时段组合为一个粒化时段。
在本发明实施例中，对优化调度时段序列进行聚类，可以通过改进的k-means聚类算法来实现。首先通过最短距离算法对优化调度时段序列进行粗聚类，能够在尽量保证时间连续性的情况下，将负荷数据相近的优化调度时段划分到同一聚类结果中。进一步，计算每簇聚类结果的聚类中心，作为k-means聚类算法的初始聚类中心，进行k-means聚类操作。
可选的，作为一种可能的实施方式，确定各个粒化时段对应的负荷数据，可以详述为：
计算每个粒化时段中各个优化调度时段对应的负荷数据的平均值(可以包括电负荷平均值、天然气负荷平均值和风电出力预测平均值)，得到各个粒化时段对应的负荷数据。
可选的，作为一种可能的实施方式，在基于各个粒化时段对应的负荷数据，求解目标函数之前，还包括：建立粒化时段约束，并将粒化时段约束添加到目标函数的约束条件中。
在本发明实施例中，为了在进行粒度划分时，进一步保证粒化时段的连续性，可以对相邻粒化时段的爬坡力进行约束：
当负荷的波动性较强时，有个别优化调度时段在进行粒化时段划分以后，不能保持粒化时段的连续性，此时可以对特殊粒化时段进行约束：
以上公式中，
为粒化时段tG发电机i的输出功率，
为粒化时段tG的前一粒化时段发电机i的输出功率，k为特殊粒化时段与粒化时段tGj之间的时间间隔，RUi发电机i的上爬坡率，RDi为发电机i的下爬坡率。
可选的，作为一种可能的实施方式，根据决策变量值，对综合能源系统进行优化调度，可以详述为：
根据各个粒化时段对应的决策变量值，确定各个粒化时段中各个优化调度时段对应的决策变量值；
在各个优化调度时段，基于各个优化调度时段对应的决策变量值，对综合能源系统进行优化调度。
可选的，作为一种可能的实施方式，根据各个粒化时段对应的决策变量值，确定各个粒化时段中各个优化调度时段对应的决策变量值，可以详述为：
将各个粒化时段对应的决策变量值，分别作为各个粒化时段内的各个优化调度时段对应的决策变量值。
在本发明实施例中，当某一个优化调度时段单独粒化成为一个粒化时段时，此粒化时段对应的决策变量值即为优化调度时段对应的决策变量值；当多个优化调度时段粒化成为一个粒化时段时，此粒化时段对应的决策变量值作为粒化时段内的各个优化调度时段对应的决策变量值。
在本发明实施例中，还可以通过评价指标对粒化前后效果进行评价，即计算粒化前后各发电机、气井出力之间的误差值。误差值计算方法可以为以下的任意一种或多种：
(1)归一化误差
Ei(l)＝PN(l)-TN(l)
(2)归一化平均偏置误差
(3)归一化绝对平均误差
(4)归一化均方根误差
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。
以下，通过示例进行仿真分析，对全天96个时段进行优化调度，验证本发明实施例提供的综合能源系统优化调度方法的可行性。
示例
参照图2所示，综合能源系统为包括6节点电力子系统和7节点天然气子系统的综合能源系统。G1和G2为燃气轮机，分别连接到天然气3和5号节点上，W为风电机组，连接在4号节点上，G3、G4、G5均为燃煤机组。在天然气子系统中，GW1和GW2为两个气源点，S1为储气装置，连接在1号节点上。L1～L3为天然气负荷，L4～L6为电力负荷。发电机单位有功出力的碳排放分配额为300m3/MW，碳交易的价格为42$/t。为了验证提出的求解策略的有效性，分别选取时间粒子数量(即粒化时段数量)为48和72，与未粒化前的优化调度结果进行对比，对比结果如表1所示。
表1时段粒化前后调度结果对比表
通过分析表1可以发现：当粒子数为48时，求解时间由原来的62s降低到32s，在求解时间缩短近一半的同时，求解速度相较原来提高了47.69％，两方案的碳排放量相对误差为-0.035％，总成本相对误差为0.024％；当粒子数为72时，求解时间由原来的62s降低到48s，求解速度提高了21.54％，碳排放量的相对误差为-0.0017％，发电总成本的相对误差仅为-0.00075％。因此，本发明实施例提出的综合能源系统优化调度方法在牺牲可忽略的精度情况下，可以大幅度提高模型求解速度。并且，时间粒子的设置数量对最后的优化调度结果有一定影响，时间粒子数量越多，精度越高，但是求解的时间会相应增加。
粒化前后发电机全天的发电量和气井的供气量如图3和图4所示。分析图3和图4可以发现，考虑时段粒化求解策略后，发电机全天出力情况和气井的全天气流量变化幅度不大。电力子系统以G1发电机为例，未粒化前G1发电机全天发电量为1343.12MWh，48个时间粒子时全天输出功率为1353.03MWh，72个时间粒子时全天的输出功率为1343.53MWh；天然气系统以气井1为例，未粒化前全天供气量为29221.74kcf，48个时间粒子时全天供气量为29344.76kcf，72个时间粒子时全天供气量为29226.81kcf。通过分析结果可得，时段粒化求解策略对发电机全天出力和气井的全天气流量影响不大，并且时间粒子数越多变化的幅度越小。
粒化前后各发电机出力的误差和气井的出气量的误差如表2所示。
表2粒化前后误差分析
通过分析表2可以看出当时间粒子数为72时误差的波动性更小，效果更好。与时间粒子数为48时相比较，发电机出力的归一化绝对平均误差、归一化均方根误差分别降低了82.23％和71.20％；气井出力的归一化平均偏置误差、归一化绝对平均误差、归一化均方根误差分别降低了95.65％、58.01％和54.04％。
为了进一步探究粒子数目对调度结果的影响，对粒子数目从48个到80个进行仿真分析。其中，求解时间与粒子个数的关系如图5所示，调度结果相对误差的绝对值与粒子数目的关系如图6所示。
由图5可知，随着粒子数目的增加，求解的时间会有增加的趋势，但是相应的最后调度结果的求解精度会提高。由图6可知，粒子数目较少时，由于不能准确反映实际情况，导致时段粒化前后调度结果相对误差的绝对值波动性较大。当粒子数达到61时，随着粒子数的增加，相对误差的波动性较小，且小于0.01％，已经达到相当准确的水平。因此调度人员可以根据对精度的要求恰当地选取粒子数，最后达到求解时间与求解精度的双赢。
本发明实施例还提供了一种综合能源系统优化调度装置，参照图7所示，该装置70包括：
构建模块71，用于以综合能源系统在优化总调度时段内的最小运行总成本为目标，以优化调度总时段内各个优化调度时段综合能源系统中各个设备的出力为决策变量，建立目标函数，并建立目标函数的约束条件。
获取模块72，用于获取优化调度时段序列以及各个优化调度时段对应的负荷数据。
聚类模块73，用于根据各个优化调度时段对应负荷数据，对优化调度时段序列进行聚类，得到多个粒化时段，并确定各个粒化时段对应的负荷数据；其中，每个粒化时段均由至少一个优化调度时段组成。
优化调度模块74，用于基于各个粒化时段对应的负荷数据，求解目标函数，得到各个粒化时段对应的决策变量值，并根据决策变量值，对综合能源系统进行优化调度。
可选的，作为一种可能的实施方式，综合能源系统包括电力子系统和天然气子系统；构建模块71用于建立以下目标函数：
minF＝F1+F2+F3+F4
式中，F为综合能源系统的运行总成本，F1为电力子系统运行成本，F2为天然气子系统运行成本，F3为综合能源系统的弃风成本，F4为综合能源系统的碳交易成本；T为优化调度时段数量，Nf为非燃气火电机组数量，Nw为气井数量，Ns为储气设备数量，Nω为风机数量，Qwt为t时段气井w的供气量，Qst为t时段储气设备s的供气量，Pit为t时段发电机i的输出功率，Pycωt为t时段风机的预测出力，Pωt为t时段风机的实际出力，ai、bi、ci为发电机i的燃料成本系数，ρw、ρs、ρω分别为气井的生产成本系数、储气设备的运行成本系数和弃风成本系数，Re为单位碳排放的交易价格，Ni为化石燃料发电机的数量，μi为发电机i出力时的碳排放强度，ηi为发电机i的有功出力碳排放额。
可选的，作为一种可能的实施方式，聚类模块73用于执行上述综合能源系统优化调度方法中S1031-S1034的步骤。
可选的，作为一种可能的实施方式，聚类模块73用于：
计算每个粒化时段中各个优化调度时段对应的负荷数据的平均值，得到各个粒化时段对应的负荷数据。
可选的，作为一种可能的实施方式，在基于各个粒化时段对应的负荷数据，求解目标函数之前，优化调度模块74还用于：
建立粒化时段约束，并将粒化时段约束添加到目标函数的约束条件中；其中，粒化时段约束包括：
式中，
为粒化时段tG发电机i的输出功率，
为粒化时段tG的前一粒化时段发电机i的输出功率，k为特殊粒化时段与粒化时段tGj之间的时间间隔，RUi发电机i的上爬坡率，RDi为发电机i的下爬坡率。
可选的，作为一种可能的实施方式，优化调度模块74用于：
根据各个粒化时段对应的决策变量值，确定各个粒化时段中各个优化调度时段对应的决策变量值；
在各个优化调度时段，基于各个优化调度时段对应的决策变量值，对综合能源系统进行优化调度。
可选的，作为一种可能的实施方式，优化调度模块74用于：
将各个粒化时段对应的决策变量值，分别作为各个粒化时段内的各个优化调度时段对应的决策变量值。
图8是本发明一实施例提供的终端设备80的示意图。如图8所示，该实施例的终端设备80包括：处理器81、存储器82以及存储在存储器82中并可在处理器81上运行的计算机程序83。处理器81执行计算机程序83时实现上述各个综合能源系统优化调度方法实施例中的步骤，例如图1所示的步骤S101至S104。或者，处理器81执行计算机程序83时实现上述各装置实施例中各模块/单元的功能，例如图7所示模块71至74的功能。
示例性的，计算机程序83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82中，并由处理器81执行，以完成本发明。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83在终端设备80中的执行过程。例如，计算机程序83可以被分割成构建模块71、获取模块72、聚类模块73、优化调度模块74(虚拟装置中的模块)，各模块具体功能如下：
构建模块71，用于以综合能源系统在优化总调度时段内的最小运行总成本为目标，以优化调度总时段内各个优化调度时段综合能源系统中各个设备的出力为决策变量，建立目标函数，并建立目标函数的约束条件。
获取模块72，用于获取优化调度时段序列以及各个优化调度时段对应的负荷数据。
聚类模块73，用于根据各个优化调度时段对应负荷数据，对优化调度时段序列进行聚类，得到多个粒化时段，并确定各个粒化时段对应的负荷数据；其中，每个粒化时段均由至少一个优化调度时段组成。
优化调度模块74，用于基于各个粒化时段对应的负荷数据，求解目标函数，得到各个粒化时段对应的决策变量值，并根据决策变量值，对综合能源系统进行优化调度。
终端设备80可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备80可包括，但不仅限于，处理器81、存储器82。本领域技术人员可以理解，图8仅仅是终端设备80的示例，并不构成对终端设备80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80还可以包括输入输出设备、网络接入设备、总线等。
所称处理器81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)、现成可编程门阵列(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82可以是终端设备80的内部存储单元，例如终端设备80的硬盘或内存。存储器82也可以是终端设备80的外部存储设备，例如终端设备80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82还可以既包括终端设备80的内部存储单元也包括外部存储设备。存储器82用于存储计算机程序以及终端设备80所需的其他程序和数据。存储器82还可以用于暂时地存储已经输出或者将要输出的数据。
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，即将装置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。上述系统中单元、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。
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发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/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，在本发明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，本发明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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、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电载波信号和电信信号。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种综合能源系统优化调度方法，其特征在于，包括：
以综合能源系统在优化调度总时段内的最小运行总成本为目标，以优化调度总时段内各个优化调度时段综合能源系统中各个设备的出力为决策变量，建立目标函数，并建立所述目标函数的约束条件；
获取优化调度时段序列以及各个优化调度时段对应的负荷数据；
根据各个优化调度时段对应的负荷数据，对所述优化调度时段序列进行聚类，得到多个粒化时段，并确定各个粒化时段对应的负荷数据；其中，每个粒化时段均由至少一个优化调度时段组成；
基于各个粒化时段对应的负荷数据，求解所述目标函数，得到各个粒化时段对应的决策变量值；以及根据决策变量值，对综合能源系统进行优化调度。
2.如权利要求1所述的综合能源系统优化调度方法，其特征在于，所述综合能源系统包括电力子系统和天然气子系统；所述目标函数包括：
min F＝F1+F2+F3+F4
式中，F为综合能源系统的运行总成本，F1为电力子系统运行成本，F2为天然气子系统运行成本，F3为综合能源系统的弃风成本，F4为综合能源系统的碳交易成本；T为优化调度时段数量，Nf为非燃气火电机组数量，Nw为气井数量，Ns为储气设备数量，Nω为风机数量，Qwt为t时段气井w的供气量，Qst为t时段储气设备s的供气量，Pit为t时段发电机i的输出功率，Pycωt为t时段风机的预测出力，Pωt为t时段风机的实际出力，ai、bi、ci为发电机i的燃料成本系数，ρw、ρs、ρω分别为气井的生产成本系数、储气设备的运行成本系数和弃风成本系数，Re为单位碳排放的交易价格，Ni为化石燃料发电机的数量，μi为发电机i出力时的碳排放强度，ηi为发电机i的有功出力碳排放额。
3.如权利要求1所述的综合能源系统优化调度方法，其特征在于，根据各个优化调度时段对应的负荷数据，对所述优化调度时段序列进行聚类，得到多个粒化时段，包括：
步骤S1031、根据所述优化调度时段序列中各个优化调度时段对应的负荷数据以及最短距离算法，对所述优化调度时段序列进行粗聚类，得到多个聚类结果，并计算各个聚类结果的聚类中心；
步骤S1032、根据各个优化调度时段对应的负荷数据、各个聚类中心对应的负荷数据，计算各个优化调度时段与各个聚类中心的距离，并将各个优化调度时段分配至对应距离最小的聚类中心所在的聚类结果中，得到新的聚类结果；
步骤S1033、计算新的聚类结果的聚类中心；
步骤S1034、重复步骤S1032-S1033，直至各个聚类结果的聚类中心不再变化，每个聚类结果中的优化调度时段组合为一个粒化时段。
4.如权利要求1所述的综合能源系统优化调度方法，其特征在于，确定各个粒化时段对应的负荷数据，包括：
计算每个粒化时段中各个优化调度时段对应的负荷数据的平均值，得到各个粒化时段对应的负荷数据。
5.如权利要求1所述的综合能源系统优化调度方法，其特征在于，在基于各个粒化时段对应的负荷数据，求解所述目标函数之前，还包括：
建立粒化时段约束，并将所述粒化时段约束添加到所述目标函数的约束条件中；其中，所述粒化时段约束包括：
式中，
为粒化时段tG发电机i的输出功率，
为粒化时段tG的前一粒化时段发电机i的输出功率，k为特殊粒化时段与粒化时段tGj之间的时间间隔，RUi发电机i的上爬坡率，RDi为发电机i的下爬坡率。
6.如权利要求1-5任一项所述的综合能源系统优化调度方法，其特征在于，根据决策变量值，对综合能源系统进行优化调度，包括：
根据各个粒化时段对应的决策变量值，确定各个粒化时段中各个优化调度时段对应的决策变量值；
在各个优化调度时段，基于各个优化调度时段对应的决策变量值，对综合能源系统进行优化调度。
7.如权利要求6所述的综合能源系统优化调度方法，其特征在于，根据各个粒化时段对应的决策变量值，确定各个粒化时段中各个优化调度时段对应的决策变量值，包括：
将各个粒化时段对应的决策变量值，分别作为各个粒化时段内的各个优化调度时段对应的决策变量值。
8.一种综合能源系统优化调度装置，其特征在于，包括：
构建模块，用于以综合能源系统在优化总调度时段内的最小运行总成本为目标，以优化调度总时段内各个优化调度时段综合能源系统中各个设备的出力为决策变量，建立目标函数，并建立所述目标函数的约束条件；
获取模块，用于获取优化调度时段序列以及各个优化调度时段对应的负荷数据；
聚类模块，用于根据各个优化调度时段对应负荷数据，对所述优化调度时段序列进行聚类，得到多个粒化时段，并确定各个粒化时段对应的负荷数据；其中，每个粒化时段均由至少一个优化调度时段组成；
优化调度模块，用于基于各个粒化时段对应的负荷数据，求解所述目标函数，得到各个粒化时段对应的决策变量值，并根据决策变量值，对综合能源系统进行优化调度。
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任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110571139.1A CN113239606A (zh) | 2021-05-25 | 2021-05-25 | 综合能源系统优化调度方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110571139.1A CN113239606A (zh) | 2021-05-25 | 2021-05-25 | 综合能源系统优化调度方法、装置及终端设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113239606A true CN113239606A (zh) | 2021-08-10 |
Family
ID=77138726
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110571139.1A Pending CN113239606A (zh) | 2021-05-25 | 2021-05-25 | 综合能源系统优化调度方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113239606A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115660383A (zh) * | 2022-12-12 | 2023-01-31 | 成都工业职业技术学院 | 农产品产销资源均衡分配分析方法、系统、终端及介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109802447A (zh) * | 2019-01-30 | 2019-05-24 | 广东工业大学 | 一种cchp系统调度评价方法 |
| US20200301384A1 (en) * | 2019-03-18 | 2020-09-24 | Bigwood Technology, Inc. | Online multi-period power dispatch with renewable uncertainty and storage |
-
2021
- 2021-05-25 CN CN202110571139.1A patent/CN113239606A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109802447A (zh) * | 2019-01-30 | 2019-05-24 | 广东工业大学 | 一种cchp系统调度评价方法 |
| US20200301384A1 (en) * | 2019-03-18 | 2020-09-24 | Bigwood Technology, Inc. | Online multi-period power dispatch with renewable uncertainty and storage |
Non-Patent Citations (1)
| Title |
|---|
| 刘浩然: "计及时段粒化的电-气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》, no. 1, 15 January 2021 (2021-01-15), pages 039 - 76 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115660383A (zh) * | 2022-12-12 | 2023-01-31 | 成都工业职业技术学院 | 农产品产销资源均衡分配分析方法、系统、终端及介质 |
| CN115660383B (zh) * | 2022-12-12 | 2023-03-10 | 成都工业职业技术学院 | 农产品产销资源均衡分配分析方法、系统、终端及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hu et al. | A new clustering approach for scenario reduction in multi-stochastic variable programming | |
| CN108683192A (zh) | 一种电力现货市场的出清方法、系统、设备及存储介质 | |
| CN107316113B (zh) | 一种输电网规划方法及系统 | |
| CN107370157B (zh) | 一种基于潮流熵的电网可用输电能力风险效益决策方法 | |
| CN106972483B (zh) | 一种考虑需求侧响应的电力系统可用输电能力计算方法 | |
| CN112465208A (zh) | 计及区块链技术的虚拟电厂随机自适应鲁棒优化调度方法 | |
| Li et al. | Two-stage community energy trading under end-edge-cloud orchestration | |
| CN111091239A (zh) | 基于差分进化算法的能源服务商电价策略制定方法及装置 | |
| CN115907218A (zh) | 一种考虑碳减排情况的电力系统生产分配方法及系统 | |
| CN115187018A (zh) | 一种园区综合能源系统双层优化调度方法及装置 | |
| CN114757699A (zh) | 电力调峰辅助服务市场分级出清方法、装置、设备及介质 | |
| CN113239606A (zh) | 综合能源系统优化调度方法、装置及终端设备 | |
| Cui et al. | Optimal electricity allocation model under China's planning-market double-track mechanism considering bidding game of generation companies | |
| Li et al. | Online data-stream-driven distributionally robust optimal energy management for hydrogen-based multimicrogrids | |
| CN114358378A (zh) | 一种用于考虑需量管理的用户侧储能优化配置系统及方法 | |
| CN117477552A (zh) | 一种配电侧含分布式储能的微电网层级协同优化调控方法及系统 | |
| CN115776138A (zh) | 一种考虑多维不确定性和能量管理策略的微电网容量规划方法及装置 | |
| Yang et al. | Risk-averse two-stage distributionally robust economic dispatch model under uncertain renewable energy | |
| CN115549137A (zh) | 分布式电网调控系统及调控方法 | |
| CN115907106A (zh) | 基于边缘计算的微电网调度方法、装置、设备及存储介质 | |
| CN115271220A (zh) | 综合能源系统电热储能容量配置方法及终端 | |
| CN111276965B (zh) | 一种基于松弛罚因子的电能量市场优化方法、系统及设备 | |
| CN111127082B (zh) | 用于供能系统的数据处理系统、方法及装置 | |
| Matcha et al. | Regular paper LMP Calculation with Distributed Loss using GA based DCOPF | |
| CN111404154A (zh) | 一种配电网供电能力优化方法、设备及存储介质 |
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 |