CN113434995A - 考虑电动汽车出行不确定的商业用户智能用电管理方法 - Google Patents
考虑电动汽车出行不确定的商业用户智能用电管理方法 Download PDFInfo
- Publication number
- CN113434995A CN113434995A CN202011089559.8A CN202011089559A CN113434995A CN 113434995 A CN113434995 A CN 113434995A CN 202011089559 A CN202011089559 A CN 202011089559A CN 113434995 A CN113434995 A CN 113434995A
- Authority
- CN
- China
- Prior art keywords
- power
- electric
- commercial
- time
- heat
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 42
- 230000005611 electricity Effects 0.000 title claims description 102
- 238000005457 optimization Methods 0.000 claims abstract description 49
- 238000010248 power generation Methods 0.000 claims abstract description 11
- 238000005516 engineering process Methods 0.000 claims abstract description 7
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical group C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 64
- 239000007789 gas Substances 0.000 claims description 51
- 238000005338 heat storage Methods 0.000 claims description 48
- 238000007599 discharging Methods 0.000 claims description 38
- 239000003345 natural gas Substances 0.000 claims description 32
- 239000002918 waste heat Substances 0.000 claims description 32
- 238000010521 absorption reaction Methods 0.000 claims description 24
- 238000013178 mathematical model Methods 0.000 claims description 24
- 230000000007 visual effect Effects 0.000 claims description 19
- 238000001816 cooling Methods 0.000 claims description 16
- 238000011084 recovery Methods 0.000 claims description 16
- 238000010438 heat treatment Methods 0.000 claims description 14
- 238000000034 method Methods 0.000 claims description 12
- 238000005286 illumination Methods 0.000 claims description 11
- 238000004146 energy storage Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000001795 light effect Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000005057 refrigeration Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 230000001172 regenerating effect Effects 0.000 claims description 2
- 238000009825 accumulation Methods 0.000 claims 2
- 230000002354 daily effect Effects 0.000 abstract 1
- 230000003203 everyday effect Effects 0.000 abstract 1
- 230000004044 response Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 2
- 230000004907 flux Effects 0.000 description 2
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical compound [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 235000019640 taste Nutrition 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
-
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
- H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
-
- 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
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及智能用电技术,为提出考虑电动汽车出行不确定性的商业用户智能用电优化管理系统。并通过CPLEX和YALMIP软件求解商业用户智能用电计划的多目标混合整数线性规划模型,为商业用户提供每日最优用电方案。为此,本发明采取的技术方案是,考虑电动汽车出行不确定的商业用户智能用电管理方法,建立发电、耗电、电能调节模型,基于电动汽车出行不确定的商业用户智能用电优化管理系统模型完全转化为一个多目标混合整数线性规划MILP模型,对其进行求解从而获得每日最优用电方案。本发明主要应用于智能用电场合。
Description
技术领域
本发明涉及智能用电技术,具体涉及考虑电动汽车出行不确定的商业用户智能用电管理 方法。
背景技术
作为智能电网的一个重要环节,智能用电实现了电网和用户的灵活双向互动,给用户的 用电模式带来了巨大变化。随着分布式电源(如光伏、风电)、储能、电动汽车(Electric Vehicle, EV)等新型发用电形式的出现,使得用户由传统的单向消费者转为消费者与供应者的双重身 份成为可能。根据用电性质的不同,电力用户主要可分为居民、商业和工业三种类型,其中 工商业用户用电量大,自动化程度高,具有很好的参与电网需求响应的潜力。目前,在商业 用户侧已有综合能源楼宇投入运行的实践,运行模式与传统商业大楼(可控用电设备主要包 括中央空调系统和照明系统两类)有一定的区别。商业用户智能用电管理系统通过在楼宇内 部引入冷热电联供(Combined Cooling,Heating andPower,CCHP)机组,能够向终端用户灵 活梯级供应冷、热、电等不同品味能源,可以达到减少用户用电支出、能源高效利用等目的。
电动汽车是智能用电环境下非常重要的友好互动资源,因其巨大的环境效益和经济效益 而受到推广和普及。电动汽车并网(Vehicle-to-grid,V2G)技术突破了电动汽车只能作为负 荷充电的模式,实现了电动汽车与电网之间的双向能量流动,使其具有“源-荷”双重特性。 国家发展规划提出,到2020年新能源汽车产销量预计达到200万辆。然而,大量的电动汽车 接入电网将会造成加大电网负荷峰谷差、“峰上加峰”等不利影响,严重威胁电力系统稳定性。 另一方面,电动汽车接入用户侧进行无序充电、不合理放电等行为,将造成电力用户用电支 出大大增加,能源利用率低下。因此,考虑电动汽车的商业用户智能用电优化策略,对指导 用户合理用电、减少用户用电支出、提高能源利用率、维护电力系统安全稳定运行具有重要 意义。
发明内容
为克服现有技术的不足,本发明旨在提出考虑电动汽车出行不确定性的商业用户智能用 电优化管理系统。并通过CPLEX和YALMIP软件求解商业用户智能用电计划的多目标混合整 数线性规划模型,为商业用户提供每日最优用电方案。为此,本发明采取的技术方案是,考 虑电动汽车出行不确定的商业用户智能用电管理方法,步骤如下:
建立发电、耗电、电能调节模型,具体如下:
(1)电源类设备数学模型
a)微型燃气轮机
微型燃气轮机作为冷热电联供系统的设备之一,其输入能量为天然气,t时刻输出电功 率Pmt,t和余热功率Qmt,t的数学描述如式(1)、(2)所示:
b)燃气锅炉
燃气锅炉t时刻其输出热功率Qgb,t的数学描述如式(3)、(4)所示:
Qgb,t=Fgb,tHngηgb (3)
(2)辅助设备数学模型
a)电制冷机
电制冷机是提供商业用户冷负荷需求的主要制冷设备之一,t时刻其输入电功率Pec,t与输 出冷功率Qcec,t的数学关系及约束描述如式(5)、(6)所示:
Qcec,t=Pec,tCOPec (5)
b)吸收式制冷机
吸收式制冷机,其以热驱动制冷的数学模型可用公式(7)、(8)描述:
Qcac,t=Qhac,tCOPac (7)
其中,Qhac,t表示t时刻吸收式制冷机的输入热功率;Qcac,t为t时刻吸收式制冷机的输 出冷功率;COPac是吸收式制冷机的制冷系数,为单位时间的输入热量与制冷量之比,用于 衡量吸收式制冷机的制冷性能。为吸收式制冷机的额定功率;
c)余热回收装置
余热利用运行特性的数学描述如式(9)、(10)所示:
Qcre,t=Qmt,tηre (9)
d)热交换器
热交换器运行特性的数学描述如式(11)、(12)所示:
Qhl,t=Qhx,tηhx (11)
(3)储能类设备数学模型
1)蓄电池
蓄电池数学模型描述如式(13)至(17)所示:
0≤yeesch,t+yeesdis,t≤1 (14)
其中,式(13)为蓄电池的充放电特性描述,Eees,t表示t时刻蓄电池存储的电量,Peesch,t和Peesdis,t分别表示t时刻蓄电池的充、放电功率,ηeesch和ηeesdis分别表示其充、放电效率;式 (14)限制了蓄电池在t时刻只能处于一种工作状态,yeesch,t和yeesdis,t分别是表示蓄电池t时 刻充、放电状态的二进制变量;式(15)和式(16)为蓄电池充、放电功率约束,和分别是蓄电池的充、放电功率上限;式(17)是避免蓄电池t时刻过充、过放的约束,和分别表示其存储电量的上、下限;
2)蓄热槽
蓄热槽数学模型描述如式(18)至(22)所示:
0≤ytesch,t+ytesdis,t≤1 (19)
其中,式(18)为蓄热槽的工作特性描述,Htes,t表示t时刻蓄热槽存储的热量,Qtesch,t和 Qtesdis,t分别表示t时刻蓄热槽的蓄、放热功率,ηtesch和ηtesdis分别表示其蓄、放热效率;式(19) 限制了蓄热槽在t时刻只能处于一种工作状态,ytesch,t和ytesdis,t分别是表示蓄热槽t时刻蓄、 放热状态的二进制变量;式(20)和式(21)为蓄热槽蓄、放热功率约束,和分 别是蓄热槽的蓄、放热功率上限;式(22)是避免蓄热槽t时刻过蓄、过放的约束,和 分别表示其存储热量的上、下限;
(4)负荷类设备数学模型
a)电动汽车
电动汽车达到商业办公大楼的时刻ts服从以下正态分布,其概率密度函数用式(23)描述:
其中,μs=9,σs=0.41,表示电动汽车的到达时间集中在上午9点;
假设电动汽车离开商业办公大楼的时刻te集中在17点和22点,其概率密度函数用式(24) 描述:
其中,μe1=17,μe2=22,σe1=σe2=0.41,表示工作人员集中在17点和22点离开办公大 楼;r=0.7,表示工作人员集中在17点离开办公大楼所占的比重;
其中,μ0=0.25,σ0=0.02;
基于V2G技术的电动汽车充放电模型如式(26)所示:
其中,SOCe,t表示t时刻电动汽车e的荷电状态;ηe,ch和ηe,dis分别表示电动汽车的充放 电效率;Cb表示电动汽车的电池容量;
在每个时刻t,电动汽车具充电、放电、不充不放三种运行状态。分别用二进制变量ye,ch,t和ye,dis,t表示电动汽车的充电和放电状态,式(27)表示电动汽车在每个时刻只能处于一种运 行状态:
0≤ye,ch,t+ye,dis,t≤1 (27)
电动汽车的充放电功率约束如式(28)、(29)所示:
为了保证电动汽车的电池使用寿命,电动汽车必须有充放电次数的限制,其数学描述可 用式(31)至(33)表示:
yt≥ye,dis,t-ye,dis,t+1 (31)
yt≥ye,dis,t+1-ye,dis,t (32)
其中,be和ee分别表示电动汽车充电起始时间和结束时间;yt是电动汽车充放电状态转 换变量,ydis表示设定的充放电转换次数;
b)照明负荷
商业办公大楼t时刻的照明功率Pillm,t计算如式(35)所示:
Pillm,t=Nnpillm,t (35)
其中,N表示商业办公大楼的房间数目;n表示每个房间的照明设备数目;pillm,t为每台 照明设备t时刻的用电功率;
(5)商业用户智能用电优化模型
a)视觉舒适度
引入平均照度Eav,t来衡量t时刻的办公室照明水平,Eav,t的计算通常采用利用系数法, 应用利用系数法计算的平均照度及其可调范围可用公式(36)、(37)描述如下:
t时刻的视觉舒适度指数Cv,t是由室内照明来表示的,它在用户设定的可接受范围内发生 变化,定义如式(38)所示:
b)目标函数
商业用户的能源成本包括与电网交互成本Cgrid和天然气成本Cng,其中与电网交互成本 为电网购电成本减去售电收益,天然气成本为微型燃气轮机和燃气锅炉购买的天然气费用, 数学描述如式(39)、(40)所示:
假设商业用户的所有照明设备功率均由商业智能用电系统同步调节控制,则根据经济性 目标的分析,商业智能用电优化管理的舒适性目标Cvisual可用公式(40)描述如下:
商业用户可以根据实际需要确定经济性和舒适性之间的权重,以提高整体系统经济性, 并确保室内视觉舒适度在可接受的范围内;
采用线性加权组合方法[21]求解所提出的多目标优化问题,引入权重系数α,将所建立的 经济性最优和舒适度最佳的多目标函数转化为公式(41)所示的单目标函数:
minF=α(Cgrid+Cng)-(1-α)Cvisual (41)
其中,α可根据用户的实际需求设定;
c)约束条件
各个时刻商业用户需要满足的功率约束包括电功率平衡、热功率平衡和冷功率,数学描 述依次如公式(42)至(44)所示:
Qcre,t+Qgb,t-Qcac,t=Qhl,t/ηhx (43)
Qcec,t+Qcac,t=Qcl,t (44)
其中,PPV,t和Pl,t分别表示光伏发电功率和商业用户不可控设备的用电功率,Ne表示商业 用户拥有的电动汽车的数量;Qhl,t和Qcl,t分别表示商业用户的热功率和冷功率需求;
除了上述能量平衡约束外,商业用户还需要满足t时刻的购售电状态约束和购售电最大 功率约束,数学描述如式(45)至(47)所示:
基于电动汽车出行不确定的商业用户智能用电优化管理系统模型完全转化为一个多目标 混合整数线性规划MILP模型,对其进行求解从而获得每日最优用电方案。
本发明的特点及有益效果是:
本发明针对商业用户,考虑电动汽车出行不确定,研发了一种考虑电动汽车出行不确定 的商业用户智能用电管理系统。分别建立了微型燃气轮机、燃气锅炉、电制冷机、吸收式制 冷机、余热回收装置、热交换器、蓄电池、蓄热槽、电动汽车、照明等主要商业能源设备的 数学模型。建立了权衡商业用户用电经济性和办公人员视觉舒适度的多目标函数,并通过权 重法将多目标函数转化为单目标混合整数线性规划问题进行求解。算例计算结果表明,本发 明所构建的考虑电动汽车出行不确定的的商业用户智能用电管理系统模型能够适当描述实际 商业用户用电各阶段的负荷需求,在电价信号引导下可以灵活调整各类用电设备的用电功率, 在降低用户的总用电成本的同时优化系统负荷曲线,能够在保证办公人员舒适度的前提下提 高商业用户的用电经济性,在实现了商业用户不同品味能源梯级、高效利用的同时也提高了 电力系统的稳定性。
附图说明:
图1电动汽车到达时间的概率密度。
图2电动汽车离开时间的概率密度。
图3天然气、购售电情况
(a)优化前
(b)优化后
图4电功率优化运行结果。
(a)优化前
(b)优化后。
图5冷功率运行优化结果。
(a)优化前
(b)优化后。
图6热功率运行优化结果。
图7商业用户室内照明指数及视觉舒适度。
图8本发明流程图。
具体实施方式
本发明建立了考虑电动汽车出行不确定性的商业用户智能用电优化管理系统。并通过 CPLEX和YALMIP软件求解商业用户智能用电计划的多目标混合整数线性规划模型,为商业用 户提供每日最优用电方案。
城市化使得商业建筑不断涌现,商业大楼的能耗比例不断上升,尤其在当今能源危机与 环境污染的严峻形势下,在商业用户侧实施智能用电管理至关重要。本发明在综合能源楼宇 中充分考虑了冷热电联供机组、光伏发电系统、蓄电池、蓄热槽等装置的工作特性,建立了 楼宇经济性最优和照明舒适度最佳的多目标函数,可实现基于电动汽车出行不确定性的商业 用户智能优化用电,为商业用户智能用电管理系统提供指导性作用。
本发明采取的技术方案如下,考虑电动汽车出行不确定的商业用户智能用电管理方法:
(1)电源类设备数学模型
a)微型燃气轮机
微型燃气轮机作为冷热电联供系统的核心设备之一,具有结构紧凑、燃料清洁度高、排 放污染小等优势。其输入能量为天然气,t时刻输出电功率Pmt,t和余热功率Qmt,t的数学描述如 式(1)、(2)所示:
b)燃气锅炉
当联供机组和蓄热槽无法满足用户的热负荷需求时,燃气锅炉通过输入天然气补充这部 分热量,来维持系统的热功率平衡。燃气锅炉一般在冬季热负荷需求量大时使用,在夏季使 用较少,t时刻其输出热功率Qgb,t的数学描述如式(3)、(4)所示:
Qgb,t=Fgb,tHngηgb (3)
(2)辅助设备数学模型
a)电制冷机
电制冷机是提供商业用户冷负荷需求的主要制冷设备之一,t时刻其输入电功率Pec,t与输 出冷功率Qcec,t的数学关系及约束描述如式(5)、(6)所示:
Qcec,t=Pec,tCOPec (5)
b)吸收式制冷机
吸收式制冷机是冷热电联供系统中提高能源综合利用效率的重要设备,目前被广泛使用 的是溴化锂制冷机,其以热驱动制冷的数学模型可用公式(7)、(8)描述:
Qcac,t=Qhac,tCOPac (7)
其中,Qhac,t表示t时刻吸收式制冷机的输入热功率;Qcac,t为t时刻吸收式制冷机的输 出冷功率;COPac是吸收式制冷机的制冷系数,为单位时间的输入热量与制冷量之比,用于 衡量吸收式制冷机的制冷性能。为吸收式制冷机的额定功率。
c)余热回收装置
余热利用是冷热电联供系统中的重要环节,用于回收微型燃气轮机发电后的高温余热, 输出可供用户的冷热负荷需求,从而实现能量的梯级利用。其运行特性的数学描述如式(9)、 (10)所示:
Qcre,t=Qmt,tηre (9)
d)热交换器
热交换器主要用于将热量转换为商业用户所需的热能。其运行特性的数学描述如式(11)、 (12)所示:
Qhl,t=Qhx,tηhx (11)
(3)储能类设备数学模型
储能设备是冷热电联供系统的重要组成部分,具有平抑功率波动、满足系统负荷需求、 保证系统高效稳定运行、改善系统电能质量等作用。常用的储能装置有蓄电池、蓄热装置(如 相变蓄热、热化学蓄热等)和蓄冷装置(如水蓄冷、冰蓄冷等)等。本节主要分析蓄电池、 蓄热槽两种储能装置的运行特性。
1)蓄电池
蓄电池在冷热电连供系统中可以起到提高系统稳定性、抑制光伏发电功率波动、参与需 求响应削峰填谷等作用。蓄电池装置一般有充电、放电、休眠三种工作状态,其数学模型描 述如式(13)至(17)所示:
0≤yeesch,t+yeesdis,t≤1 (14)
其中,式(13)为蓄电池的充放电特性描述,Eees,t表示t时刻蓄电池存储的电量,Peesch,t和Peesdis,t分别表示t时刻蓄电池的充、放电功率,ηeesch和ηeesdis分别表示其充、放电效率;式 (14)限制了蓄电池在t时刻只能处于一种工作状态,yeesch,t和yeesdis,t分别是表示蓄电池t时 刻充、放电状态的二进制变量;式(15)和式(16)为蓄电池充、放电功率约束,和分别是蓄电池的充、放电功率上限;式(17)是避免蓄电池t时刻过充、过放的约束和分别表示其存储电量的上、下限。
2)蓄热槽
当冷热电联供系统中的热电负荷比与微型燃气轮机的电热比不匹配时,蓄热槽可以通过 转移部分热负荷起到削峰填谷的作用。类似于蓄电池,蓄热槽也有蓄热、放热、休眠三种工 作状态,其数学模型描述如式(18)至(22)所示:
0≤ytesch,t+ytesdis,t≤1 (19)
其中,式(18)为蓄热槽的工作特性描述,Htes,t表示t时刻蓄热槽存储的热量,Qtesch,t和 Qtesdis,t分别表示t时刻蓄热槽的蓄、放热功率,ηtesch和ηtesdis分别表示其蓄、放热效率;式(19) 限制了蓄热槽在t时刻只能处于一种工作状态,ytesch,t和ytesdis,t分别是表示蓄热槽t时刻蓄、 放热状态的二进制变量;式(20)和式(21)为蓄热槽蓄、放热功率约束,和分 别是蓄热槽的蓄、放热功率上限;式(22)是避免蓄热槽t时刻过蓄、过放的约束,和 分别表示其存储热量的上、下限。
(4)负荷类设备数学模型
考虑到电动汽车的出行不确定性和在商业大楼办公人员的视觉舒适度,本节研究了能够 描述商业用户电动汽车负荷和照明负荷工作特性的数学模型,对其他冷热电负荷运行的数学 模型不做重点研究。
a)电动汽车
随着电动汽车的推广,越来越多的居民用户使用电动汽车作为出行交通工具。根据电动 汽车用户出行特性的不同,可以将居民用户分为以下三种类型:早出晚归型;正常作息型;3) 夜班型。不同的用户类型具有不同的行程开始时间和行程结束时间,即具有不同的可调度时 间区间。
目前,互联网的快速发展促进了商业办公大楼的广泛使用,商业办公人员上下班的时间 逐渐由传统的朝九晚五变成互联网类型的朝九晚十。基于此背景,本节改进了美国交通部对 全美家用车辆的调查结果(National Household Travel Survey,NHTS)描述的电动汽车出 行规律,假设电动汽车达到商业办公大楼的时刻ts服从以下正态分布,其概率密度函数可用式 (23)描述:
其中,μs=9,σs=0.41,表示电动汽车的到达时间集中在上午9点。
假设电动汽车离开商业办公大楼的时刻te集中在17点和22点,其概率密度函数用式(24) 描述:
其中,μe1=17,μe2=22,σe1=σe2=0.41,表示工作人员集中在17点和22点离开办公大 楼;r=0.7,表示工作人员集中在17点离开办公大楼所占的比重。
其中,μ0=0.25,σ0=0.02。
由于电动汽车的V2G技术,使得电动汽车可以反向给家庭用户或者向大电网供电,基于 V2G技术的电动汽车充放电模型如式(26)所示:
其中,SOCe,t表示t时刻电动汽车e的荷电状态;ηe,ch和ηe,dis分别表示电动汽车的充放 电效率;Cb表示电动汽车的电池容量。
在每个时刻t,电动汽车具充电、放电、不充不放三种运行状态。分别用二进制变量ye,ch,t和ye,dis,t表示电动汽车的充电和放电状态,式(27)表示电动汽车在每个时刻只能处于一种运 行状态:
0≤ye,ch,t+ye,dis,t≤1 (27)
电动汽车的充放电功率约束如式(28)、(29)所示:
为了保证电动汽车的电池使用寿命,电动汽车必须有充放电次数的限制,其数学描述可 用式(31)至(33)表示:
yt≥ye,dis,t-ye,dis,t+1 (31)
yt≥ye,dis,t+1-ye,dis,t (32)
其中,be和ee分别表示电动汽车充电起始时间和结束时间;yt是电动汽车充放电状态转 换变量,ydis表示设定的充放电转换次数。
b)照明负荷
不同类型的商业用户用电设备种类和数量有着较大的差异,但它们的可控电负荷却有着 一致性。其中照明设备占据着商业办公大楼接近35%的用电负荷,是商业大楼重要的需求响 应资源。对于功率可以调节的照明设备,其照明功率的变化直接影响着办公室的照明水平, 从而间接影响办公人员的视觉舒适度。整栋商业办公大楼t时刻的照明功率Pillm,t计算如式 (35)所示:
Pillm,t=Nnpillm,t (35)
其中,N表示商业办公大楼的房间数目;n表示每个房间的照明设备数目;pillm,t为每台 照明设备t时刻的用电功率。
(5)商业用户智能用电优化模型
a)视觉舒适度
优良的室内照明质量可由适当的照度水平、舒适的亮度分布等要素组成,其中照度水平 是影响办公人员舒适度的重要因素。根据GB 50034-2004《建筑照明设计标准》,居住、商 业、工业建筑等不同公用场所设置有不同的照明标准值,例如用于居民活动的照度一般在100 lux左右,而用于商业高档办公的照度一般在500lux左右。引入平均照度Eav,t来衡量t时刻 的办公室照明水平,Eav,t的计算通常采用利用系数法。由于考虑了光源直接投射到工作面上 的光通量和经过室内表面相互反射后再投射到工作面上的光通量,利用系数法计算比较准确。 应用利用系数法计算的平均照度及其可调范围可用公式(36)、(37)描述如下:
t时刻的视觉舒适度指数Cv,t是由室内照明来表示的,它在用户设定的可接受范围内发生 变化,定义如式(38)所示:
b)目标函数
商业智能用电管理的经济性目标是在给定的分时电价机制下,将商业用户的能源成本降 到最低。商业用户的能源成本包括与电网交互成本Cgrid和天然气成本Cng,其中与电网交互 成本为电网购电成本减去售电收益,天然气成本为微型燃气轮机和燃气锅炉购买的天然气费 用,数学描述如式(39)、(40)所示:
假设商业用户的所有照明设备功率均由商业智能用电系统同步调节控制,则根据经济性 目标的分析,商业智能用电优化管理的舒适性目标Cvisual可用公式(40)描述如下:
商业用户可以根据实际需要确定经济性和舒适性之间的权重,以提高整体系统经济性, 并确保室内视觉舒适度在可接受的范围内[20]。
采用线性加权组合方法[21]求解所提出的多目标优化问题,引入权重系数α,将所建立的 经济性最优和舒适度最佳的多目标函数转化为公式(41)所示的单目标函数:
minF=α(Cgrid+Cng)-(1-α)Cvisual (41)
其中,α可根据用户的实际需求设定。
c)约束条件
各个时刻商业用户需要满足的功率约束包括电功率平衡、热功率平衡和冷功率,数学描 述依次如公式(42)至(44)所示:
Qcre,t+Qgb,t-Qcac,t=Qhl,t/ηhx (43)
Qcec,t+Qcac,t=Qcl,t (44)
其中,PPV,t和Pl,t分别表示光伏发电功率和商业用户不可控设备的用电功率,Ne表示商业 用户拥有的电动汽车的数量;Qhl,t和Qcl,t分别表示商业用户的热功率和冷功率需求。
除了上述能量平衡约束外,商业用户还需要满足t时刻的购售电状态约束和购售电最大 功率约束,数学描述如式(45)至(47)所示:
到此为止,本发明基于电动汽车出行不确定的商业用户智能用电优化管理系统模型可以 完全转化为一个多目标混合整数线性规划(MILP)模型,采用CPLEX和YALMIP等软件进行求 解。
(1)场景设置
本发明以夏季某商业办公大楼为例来说明所提出的智能用电运行优化策略,将一天分为 48个时段,每个时长30分钟。该办公大楼一共30层,每层楼高3米,占地面积1500m2。电 动汽车到达时间和离开时间的服从正态分布的拟合结果分别如图1、图2所示。天然气单位 价格为3.24元/m3,单位热值为9.78kWh/m3。商业用户通过分时电价信号参与电网需求响应, 余电上网电价统一为0.7元/kWh。
本发明考虑五个场景,所有场景中商业用户均按分时电价从电力公司购电。
(a).场景1:商业用户智能用电优化管理前后的天然气耗量、购售电情况
(b).场景2:商业用户智能用电管理前后的电功率优化
(c).场景3:商业用户进行智能用电优化管理前后的冷功率优化
(d).场景4:商业用户智能用电管理前后的热功率优化
(e).场景5:商业用户智能用电优化之后的室内照明指数及视觉舒适度情况
(2)效果展示
(a).场景1:商业用户智能用电优化管理前后的天然气耗量、购售电情况
商业用户进行商业智能用电优化管理前后的天然气耗量、购售电情况如图3所示。在商 业办公大楼进行智能用电优化之前,天然气只由燃气锅炉消耗并提供热能,电力来源为大电 网。从图3(a)可以看出,在消纳本地光伏的同时,商业办公大楼在电价高峰时段购买了大 量电力,大大增加了用户用电费用,能源利用率低下。
在商业办公大楼进行智能用电优化之后,天然气主要由燃气轮机在电价高峰时段消耗, 代替从电网购电。从图3(b)可以看出,优化后的商业用户购电时段由电价高峰时段转到了 各部分电价谷时段,并在08:00-12:00时段向电网反向出售电力,不仅大大提高了商业用户 的用电经济性和能源利用率,而且优化后的购电曲线更加平缓,也提高了电力系统的稳定性。
商业办公大楼进行智能用电管理前后的各部分成本分析结果,在优化之前,如果商业用 户没有安装本地光伏发电,用电总成本将达到12312元,安装本地光伏之后,用电总成本下 降为9123.4元。
商业用户在进行智能用电管理优化之后,除了固定电负荷用电费用不变以外,各部分设 备用电费用均得到优化,加上电价高峰时段的反向售电使得商业用户的用电总成本大大减少。 其中照明设备的用电关系到商业室内办公的照明指数,为了保证室内人员办公的视觉舒适度, 其用电功率的调节受到限制。
(b).场景2:商业用户智能用电管理前后的电功率优化
商业办公大楼进行智能用电管理前后的电功率优化结果如图4所示。在进行智能用电管 理之前,商业大楼不参与电网需求响应,即冷热电联供机组不工作,用电需求主要由电网满 足,由光伏装置辅助供电。电动汽车到达商业大楼即开始充电,商业用户将会集中在 10:00-12:00高电价时段出现用电高峰,这不仅极大地增加了商业用户的用电费用,更会导 致电网负荷峰上加峰,威胁到电力系统的稳定性。而在商业用户进行智能用电管理之后,电 动汽车充电时段被转移到电价平谷时段(13:00-18:00),并在多个高电价时段有放电行为。
综合图2、图3(b)和图4(b)可以看出,由于电动汽车车主到达时间集中在9:00左右(高电价时段),商业智能用电管理系统会选择有放电能力的电动汽车参与电力系统需求响 应项目,将多余的电力出售给电网来获得收益。
综合图2、图3(b)和图4(b)可以看出,由于电动汽车的离开时间集中在17:00和22:00 两个时刻,部分有放电能力的电动汽车可以在16:00和21:00左右放电来减少商业用户的总 购电费用。另外,在商业办公大楼进行智能用电优化管理之后,微型燃气轮机和蓄电池的配 合使用使得商业用户可以在电价高峰时段(08:00-11:00)向电网公司出售大量电力来获得额 外的收益。
(c).场景3:商业用户进行智能用电优化管理前后的冷功率优化
商业办公大楼进行智能用电优化管理前后的冷功率优化结果如图5所示。从图5(a)可 以看出,在进行智能用电优化之前,商业办公大楼不参与电网需求响应,冷热电联供机组不 工作,冷负荷需求只由电制冷机满足。
从图5(b)可以看出,商业办公大楼进行智能用电优化管理之后,吸收式制冷机在上午 和晚上两个电价高峰时段(图中浅色部分)均有部分制冷。这主要是因为夏季热负荷需求少, 微型燃气轮机产生的余热经过余热回收装置回收利用,在满足了热负荷需求以后,部分转为 供冷,从而实现了不同能源的梯级、经济、高效利用。
(d).场景4:商业用户智能用电管理前后的热功率优化
商业办公大楼进行智能用电管理前后的热功率优化结果如图6所示。在进行智能用电管 理之前,商业办公大楼不参与电网需求响应,冷热电联供机组不工作,热负荷需求仅由锅炉 满足。
从图6可以看出,由于夏季热负荷需求少,进行智能用电优化管理之后,锅炉不再被使 用,微型燃气轮机产生的余热一部分通过热交换器供热,另一部分通过吸收式制冷机供冷。 蓄热槽在晚电价高峰时段有蓄热,在晚低电价时段反而有放热行为,这是因为在高电价时段, 使用微型燃气轮机消耗低价天然气供电比从单一从电网购买高电价电力更加经济,同时夜间 冷热负荷需求较少,导致部分热量被存储在蓄热槽中;在低电价时段,微型燃气轮机不再出 力,电负荷由电网低价电力提供,蓄热槽放热提给热负荷和部分冷负荷,从而实现了不同能 源的梯级、经济、高效利用。
(e).场景5:商业用户智能用电优化之后的室内照明指数及视觉舒适度情况
进行智能用电优化之后的商业用户室内照明指数及视觉舒适度的结果如图7所示。考虑 到商业用户夜间不需要提供照明,本算例认为在00:00到6:00之间室内照明指数为0。
仿真结果表明,优化后的指标均限制在设定的范围内,保证了商业用户办公人员的视觉 适度。在目标函数的指导下,当电价低时,室内照明指数维持在标准照度(500lux)附近, 保持了较好的室内视觉舒适度;当电价高时,室内照明指数有轻微下降,在不影响室内办公 环境的前提下,提高了商业用户电价高峰时段的用电经济性。
Claims (1)
1.一种考虑电动汽车出行不确定的商业用户智能用电管理方法,其特征是,步骤如下:
建立发电、耗电、电能调节模型,具体如下:
(1)电源类设备数学模型
a)微型燃气轮机
微型燃气轮机作为冷热电联供系统的设备之一,其输入能量为天然气,t时刻输出电功率Pmt,t和余热功率Qmt,t的数学描述如式(1)、(2)所示:
b)燃气锅炉
燃气锅炉t时刻其输出热功率Qgb,t的数学描述如式(3)、(4)所示:
Qgb,t=Fgb,tHngηgb (3)
(2)辅助设备数学模型
a)电制冷机
电制冷机是提供商业用户冷负荷需求的主要制冷设备之一,t时刻其输入电功率Pec,t与输出冷功率Qcec,t的数学关系及约束描述如式(5)、(6)所示:
Qcec,t=Pec,tCOPec (5)
b)吸收式制冷机
吸收式制冷机,其以热驱动制冷的数学模型可用公式(7)、(8)描述:
Qcac,t=Qhac,tCOPac (7)
其中,Qhac,t表示t时刻吸收式制冷机的输入热功率;Qcac,t为t时刻吸收式制冷机的输出冷功率;COPac是吸收式制冷机的制冷系数,为单位时间的输入热量与制冷量之比,用于衡量吸收式制冷机的制冷性能。为吸收式制冷机的额定功率;
c)余热回收装置
余热利用运行特性的数学描述如式(9)、(10)所示:
Qcre,t=Qmt,tηre (9)
d)热交换器
热交换器运行特性的数学描述如式(11)、(12)所示:
Qhl,t=Qhx,tηhx (11)
(3)储能类设备数学模型
1)蓄电池
蓄电池数学模型描述如式(13)至(17)所示:
0≤yeesch,t+yeesdis,t≤1 (14)
其中,式(13)为蓄电池的充放电特性描述,Eees,t表示t时刻蓄电池存储的电量,Peesch,t和Peesdis,t分别表示t时刻蓄电池的充、放电功率,ηeesch和ηeesdis分别表示其充、放电效率;式(14)限制了蓄电池在t时刻只能处于一种工作状态,yeesch,t和yeesdis,t分别是表示蓄电池t时刻充、放电状态的二进制变量;式(15)和式(16)为蓄电池充、放电功率约束,和分别是蓄电池的充、放电功率上限;式(17)是避免蓄电池t时刻过充、过放的约束,和分别表示其存储电量的上、下限;
2)蓄热槽
蓄热槽数学模型描述如式(18)至(22)所示:
0≤ytesch,t+ytesdis,t≤1 (19)
其中,式(18)为蓄热槽的工作特性描述,Htes,t表示t时刻蓄热槽存储的热量,Qtesch,t和Qtesdis,t分别表示t时刻蓄热槽的蓄、放热功率,ηtesch和ηtesdis分别表示其蓄、放热效率;式(19)限制了蓄热槽在t时刻只能处于一种工作状态,ytesch,t和ytesdis,t分别是表示蓄热槽t时刻蓄、放热状态的二进制变量;式(20)和式(21)为蓄热槽蓄、放热功率约束,和分别是蓄热槽的蓄、放热功率上限;式(22)是避免蓄热槽t时刻过蓄、过放的约束,和分别表示其存储热量的上、下限;
(4)负荷类设备数学模型
a)电动汽车
电动汽车达到商业办公大楼的时刻ts服从以下正态分布,其概率密度函数用式(23)描述:
其中,μs=9,σs=0.41,表示电动汽车的到达时间集中在上午9点;
假设电动汽车离开商业办公大楼的时刻te集中在17点和22点,其概率密度函数用式(24)描述:
其中,μe1=17,μe2=22,σe1=σe2=0.41,表示工作人员集中在17点和22点离开办公大楼;r=0.7,表示工作人员集中在17点离开办公大楼所占的比重;
其中,μ0=0.25,σ0=0.02;
基于V2G技术的电动汽车充放电模型如式(26)所示:
其中,SOCe,t表示t时刻电动汽车e的荷电状态;ηe,ch和ηe,dis分别表示电动汽车的充放电效率;Cb表示电动汽车的电池容量;
在每个时刻t,电动汽车具充电、放电、不充不放三种运行状态。分别用二进制变量ye,ch,t和ye,dis,t表示电动汽车的充电和放电状态,式(27)表示电动汽车在每个时刻只能处于一种运行状态:
0≤ye,ch,t+ye,dis,t≤1 (27)
电动汽车的充放电功率约束如式(28)、(29)所示:
为了保证电动汽车的电池使用寿命,电动汽车必须有充放电次数的限制,其数学描述可用式(31)至(33)表示:
yt≥ye,dis,t-ye,dis,t+1 (31)
yt≥ye,dis,t+1-ye,dis,t (32)
其中,be和ee分别表示电动汽车充电起始时间和结束时间;yt是电动汽车充放电状态转换变量,ydis表示设定的充放电转换次数;
b)照明负荷
商业办公大楼t时刻的照明功率Pillm,t计算如式(35)所示:
Pillm,t=Nnpillm,t (35)
其中,N表示商业办公大楼的房间数目;n表示每个房间的照明设备数目;pillm,t为每台照明设备t时刻的用电功率;
(5)商业用户智能用电优化模型
a)视觉舒适度
引入平均照度Eav,t来衡量t时刻的办公室照明水平,Eav,t的计算通常采用利用系数法,应用利用系数法计算的平均照度及其可调范围可用公式(36)、(37)描述如下:
t时刻的视觉舒适度指数Cv,t是由室内照明来表示的,它在用户设定的可接受范围内发生变化,定义如式(38)所示:
b)目标函数
商业用户的能源成本包括与电网交互成本Cgrid和天然气成本Cng,其中与电网交互成本为电网购电成本减去售电收益,天然气成本为微型燃气轮机和燃气锅炉购买的天然气费用,数学描述如式(39)、(40)所示:
假设商业用户的所有照明设备功率均由商业智能用电系统同步调节控制,则根据经济性目标的分析,商业智能用电优化管理的舒适性目标Cvisual可用公式(40)描述如下:
商业用户可以根据实际需要确定经济性和舒适性之间的权重,以提高整体系统经济性,并确保室内视觉舒适度在可接受的范围内;
采用线性加权组合方法[21]求解所提出的多目标优化问题,引入权重系数α,将所建立的经济性最优和舒适度最佳的多目标函数转化为公式(41)所示的单目标函数:
minF=α(Cgrid+Cng)-(1-α)Cvisual (41)
其中,α可根据用户的实际需求设定;
c)约束条件
各个时刻商业用户需要满足的功率约束包括电功率平衡、热功率平衡和冷功率,数学描述依次如公式(42)至(44)所示:
Qcre,t+Qgb,t-Qcac,t=Qhl,t/ηhx (43)
Qcec,t+Qcac,t=Qcl,t (44)
其中,PPV,t和Pl,t分别表示光伏发电功率和商业用户不可控设备的用电功率,Ne表示商业用户拥有的电动汽车的数量;Qhl,t和Qcl,t分别表示商业用户的热功率和冷功率需求;
除了上述能量平衡约束外,商业用户还需要满足t时刻的购售电状态约束和购售电最大功率约束,数学描述如式(45)至(47)所示:
基于电动汽车出行不确定的商业用户智能用电优化管理系统模型完全转化为一个多目标混合整数线性规划MILP模型,对其进行求解从而获得每日最优用电方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011089559.8A CN113434995A (zh) | 2020-10-13 | 2020-10-13 | 考虑电动汽车出行不确定的商业用户智能用电管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011089559.8A CN113434995A (zh) | 2020-10-13 | 2020-10-13 | 考虑电动汽车出行不确定的商业用户智能用电管理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113434995A true CN113434995A (zh) | 2021-09-24 |
Family
ID=77752883
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011089559.8A Pending CN113434995A (zh) | 2020-10-13 | 2020-10-13 | 考虑电动汽车出行不确定的商业用户智能用电管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113434995A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116227892A (zh) * | 2023-05-05 | 2023-06-06 | 南方科技大学 | 基于电动汽车充电不确定性的智能楼宇群能量调度方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636988A (zh) * | 2015-02-11 | 2015-05-20 | 国家电网公司 | 一种主动配电网评估方法 |
CN110084394A (zh) * | 2019-06-11 | 2019-08-02 | 天津大学 | 一种考虑温控设备和电动汽车的工业用户智能用电优化方法 |
US20200192350A1 (en) * | 2018-09-30 | 2020-06-18 | Strong Force Intellectual Capital, Llc | Intelligent transportation systems |
CN111340270A (zh) * | 2020-02-10 | 2020-06-26 | 河海大学 | 基于信息交互的家庭能量智能优化方法 |
-
2020
- 2020-10-13 CN CN202011089559.8A patent/CN113434995A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636988A (zh) * | 2015-02-11 | 2015-05-20 | 国家电网公司 | 一种主动配电网评估方法 |
US20200192350A1 (en) * | 2018-09-30 | 2020-06-18 | Strong Force Intellectual Capital, Llc | Intelligent transportation systems |
CN110084394A (zh) * | 2019-06-11 | 2019-08-02 | 天津大学 | 一种考虑温控设备和电动汽车的工业用户智能用电优化方法 |
CN111340270A (zh) * | 2020-02-10 | 2020-06-26 | 河海大学 | 基于信息交互的家庭能量智能优化方法 |
Non-Patent Citations (1)
Title |
---|
施映琛: "考虑电动汽车的用户侧智能用电优化策略研究", 《中国优秀博硕⼠学位论⽂全⽂数据库(硕⼠) ⼯程科技Ⅱ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116227892A (zh) * | 2023-05-05 | 2023-06-06 | 南方科技大学 | 基于电动汽车充电不确定性的智能楼宇群能量调度方法 |
CN116227892B (zh) * | 2023-05-05 | 2023-08-25 | 南方科技大学 | 基于电动汽车充电不确定性的智能楼宇群能量调度方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108537409B (zh) | 一种考虑多能源耦合特性的工业园区配电网协同规划方法 | |
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 | |
CN109885009A (zh) | 计及电转气规划的多能互补园区能源优化配置方法 | |
CN104158289B (zh) | 基于智能有序用电装置的智能有序用电管理系统及方法 | |
CN110889600A (zh) | 一种考虑柔性热负荷的区域综合能源系统优化调度方法 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
CN111400641A (zh) | 一种含蓄热式电采暖的综合能源系统日前优化调度方法 | |
CN112600253B (zh) | 基于用能效率最优的园区综合能源协同优化方法及设备 | |
Guo et al. | Co-optimization method research and comprehensive benefits analysis of regional integrated energy system | |
CN110245810B (zh) | 一种区域能源互联网协调优化运行方法 | |
CN112165122A (zh) | 一种综合能源系统的运行方法及系统 | |
CN109685332A (zh) | 一种综合能源多主体利益均衡优化调度方法及设备 | |
CN113935203B (zh) | 一种负荷侧的柔性负荷建模方法及装置 | |
Robyns et al. | Electrical energy storage for buildings in smart grids | |
CN113434995A (zh) | 考虑电动汽车出行不确定的商业用户智能用电管理方法 | |
CN113128799A (zh) | 能源管控方法、装置、电子设备及计算机存储介质 | |
CN115470564A (zh) | 一种公共建筑能源系统协调控制方法及其控制组件 | |
CN110061499B (zh) | 一种差异化电源电价下并网型微电网的运行方法 | |
Fan et al. | Regional Integrated Energy System Optimization Method Considering Demand-Side Response under Dual-Carbon Goals | |
CN114330835A (zh) | 一种综合能源微网中电/热混合储能系统的优化配置方法 | |
CN113962438A (zh) | 一种冷热电混合能源联合优化系统及方法 | |
Yu et al. | Operation analysis of power distribution system considering demand side response of multiple types of flexible loads | |
Wang et al. | Two-stage cooperative operation strategy for home management systems with smart appliances | |
Huang et al. | Analysis of Commercial Model of Park-level Integrated Energy System Participating in Carbon Trading Considering Electric Vehicles | |
Zhu et al. | Multi-Objective Optimal Configuration of Integrated Energy System Considering the Load Transfer |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210924 |
|
WD01 | Invention patent application deemed withdrawn after publication |