CN113449987A - 可再生能源配额制下的园区能源系统优化调度方法 - Google Patents

可再生能源配额制下的园区能源系统优化调度方法 Download PDF

Info

Publication number
CN113449987A
CN113449987A CN202110717902.7A CN202110717902A CN113449987A CN 113449987 A CN113449987 A CN 113449987A CN 202110717902 A CN202110717902 A CN 202110717902A CN 113449987 A CN113449987 A CN 113449987A
Authority
CN
China
Prior art keywords
energy
park
ies
renewable energy
quota
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
Application number
CN202110717902.7A
Other languages
English (en)
Inventor
王万龙
刘天羽
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.)
Shanghai Dianji University
Original Assignee
Shanghai Dianji University
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 Shanghai Dianji University filed Critical Shanghai Dianji University
Priority to CN202110717902.7A priority Critical patent/CN113449987A/zh
Publication of CN113449987A publication Critical patent/CN113449987A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q40/00Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/04Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Educational Administration (AREA)
  • Technology Law (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种可再生能源配额制下的园区能源系统优化调度方法,包括以下步骤:S1:构建园区能源系统的系统模型;S2:基于系统模型建立可再生能源配额制下的系统模型优化运行的目标函数;S3:获取系统模型的优化约束条件;S4:基于约束条件对目标函数进行优化求解,获取园区能源系统的优化调度结果。与现有技术相比,本发明合理的促进可再生能源的消纳利用,平衡可再生资源在空间和时间上的分布上的不均匀。

Description

可再生能源配额制下的园区能源系统优化调度方法
技术领域
本发明涉及能源优化领域,尤其是涉及一种可再生能源配额制下的园区能源系统优化调度方法。
背景技术
综合能源系统(integrated energy systems,IES)由电气热冷等多种能源耦合而成的,其能源供应主要有电力、天然气,能源需求主要有电力、热能、冷能等形式。区域综合能源系统的覆盖范围通常为城市或城镇,可以有多个园区级别的综合能源系统组成。IES根据电、热、气等多种能源类型的互补特性以及能量梯级利用原则,对多能系统进行统一规划和协调优化运行,是提高能源利用率的重要途径。IES优化调度是IES能量产生、利用并实现供需平衡的前提。目前,IES建模难以精细化、模型求解难度大,目前的研究中多是以单一指标作为区域综合能源系统的调度目标,忽略了可再生能源配额制下RPS及绿色证书交易机制对综合能源系统的影响。
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可再生能源配额制下的园区能源系统优化调度方法。
本发明的目的可以通过以下技术方案来实现:
一种可再生能源配额制下的园区能源系统优化调度方法,包括以下步骤:
S1:构建园区能源系统的系统模型;
S2:基于系统模型建立可再生能源配额制下的系统模型优化运行的目标函数;
S3:获取系统模型的优化约束条件;
S4:基于约束条件对目标函数进行优化求解,获取园区能源系统的优化调度结果。
优选地,所述的目标函数为:
C=Ce+Cgas+Cdr-Cgre
式中:Ce表示园区的购电费用、Cgas为园区的购气费用、Cdr为园区削减负荷所产生的成本、Cgre为绿证交易收益。
优选地,所述的园区的购电费用的计算公式为:
Figure BDA0003135676540000021
其中,m为一个调度周期内总时刻数,n为设备类型的数量,Prie,i为实时电价,Pgrid,i为交易的电量,
所述的园区的购气费用的计算公式为:
Figure BDA0003135676540000022
其中,Prig为购买天然气的单位热值的价格,PMT,i、QGB,i分别为第i个IES在t时刻MT的发电功率和GB的产热功率,rMT、ηGB分别对应设备的工作效率。
优选地,所述的园区削减负荷所产生的成本的计算公式为:
Figure BDA0003135676540000023
其中,a为电负荷削减成本系数,Pe,i-DR为为削减掉的电负荷,b为热负荷削减成本系数,Ph,i-DR为为削减掉的热负荷。
优选地,所述的绿证交易收益的计算公式为:
Figure BDA0003135676540000024
其中,Cgre-sell为售出绿证利润,Cgre-buy为买进绿证成本,Prigre单本为绿证交易价格,Gi,t-sell、Gi,t-buy分别表示第i个1ES系统在t时刻出售和买入的绿证数量。
优选地,所述的优化约束条件包括绿色证书配额约束、电功率平衡约束、热功率平衡约束、换热器热平衡约束、设备出力约束、电储能约束和电热负荷需求响应约束。
优选地,所述的绿色证书配额约束为:
G(i,t)Ren+G(i,t)buy-G(i,t)sell=λi*P(i,t)/1000
G(i,t)Ren=(PWP(i,t)+PPV(i,t))/1000
其中,G(i,t)Ren表示第i个1ES内部由可再生资源风和光产生的发电量可以兑换的绿证数量,λi为第i个IES的可再生能源配额,G(i,t)buy为买入绿证的数量(本),G(i,t)sell为售出绿证的数量(本),P(i,t)为可再生能源发电量,PWP(i,t)为第i个IES在t时刻的风电出力的放电功率,PPV(i,t)为第i个1ES在t时刻的光伏出力的放电功率。
优选地,所述的电功率平衡约束为:
PGT(i,t)+PWP(i,t)+PPV(i,t)+PGrid(i,t)+PES-dis(i,t)-PES-ch(i,t)=Le(i,t)
其中,PGT(i,t)、PWP(i,t)、PPV(i,t)、PES-dis(i,t)、PES-ch(i,t)、Le(i,t)分别是第i个IES在t时刻的燃气轮机出力、风电出力、光伏出力、储能设备的放电功率、储能设备的充电功率和IES内部电负荷,PGrid(i,t)是第i个1ES在t时刻与外界电网交换的能量。
优选地,所述的热功率平衡约束为:
QGB(i,t)+QHX(i,t)=Lh(i,t)
其中,QGB(i,t)、QHX(i,t)分别是第i个1ES在t时刻余热锅炉、换热器产生的热量,Lh(i,t)是第i个IES在t时刻的热需求。
优选地,所述的换热器热平衡约束为:
QHX/0.9=PGT*1.47*0.8
其中,QHX为换热器的热量,PGT为燃气轮机发电量。
与现有技术相比,本发明具有以下优点:
(1)基于可再生能源配额制,充分考虑考虑负荷的需求响应和可再生能源配额以及绿证交易,利用绿证交易体系,通过该调度手段对综合能源系统内部的可再生能源发电进行调度,合理的促进可再生能源的消纳利用,平衡可再生资源在空间和时间上的分布上的不均匀,在环保方面可以提高可再生能源的消纳、促进清洁电能的发展,在经济方面可为发电企业增加创收;
(2)本发明的优化调度方法既可以促进单个系统之内的可再生能源消纳,又可以通过大电网将将多个综合能源系统连在一起,促进多个综合能源系统之间的可再生资源发电消纳,改善由于地理位置和自然条件的不同,不同综合能源系统内部的可再生资源发电在时间和空间上对大电网带来的扰动。
附图说明
图1为本发明的流程图;
图2为本发明实施例中园区的系统模型结构示意图。
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。注意,以下的实施方式的说明只是实质上的例示,本发明并不意在对其适用物或其用途进行限定,且本发明并不限定于以下的实施方式。
实施例
一种可再生能源配额制下的园区能源系统优化调度方法,如图1所示,包括以下步骤:
S1:构建园区能源系统的系统模型。
综合能源系统在园区级或是区域级多考虑冷热电联供系统,其构成包括市电网、市气网、风机、光伏、燃气轮机、蓄电池、电制冷机、电锅炉、燃气锅炉、换热装置、余热回收装置、电转气装置、储气罐、电冷热负荷、冷负荷、热负荷。由于冷负荷所需的冷能可以通过热能获得,本实施例中所考虑的多园区综合能源系统将冷负荷考虑为热负荷的一部分。具体的,如图2所示,包括余热锅炉出力、GT出力(燃气轮机出力)、热负荷、可再生能源出力、综合能源系统发电模块、蓄电池模块、需求响应后的园区符合需求、园区负荷需求模块,其中,通过外部天然气网为余热锅炉出力、GT出力供气,通过外界电网为综合能源系统发电模块供电,余热锅炉出力、GT出力模块为热负荷供热,综合能源系统发电模块为蓄电池冲电并利用蓄电池的储电,综合能源系统发电模块为需求响应后的园区负荷需求供电。
本实施例中,园区的需求响应为:
电力需求响应
激励用户参与需求响应用户的经济补偿成本模型为二次函数,如下式所示:
Figure BDA0003135676540000041
Pdr,i,min(t)≤Pdr,i(t)≤Pdr,i,max(t)
式中:Cdr,i(t)表示第i个激励型需求响应集群用户在第t时段的需求响应成本;Pdr,i(t)表示第i个激励型需求响应集群用户在第t时段的需求响应削减功率;adr,i表示第i个激励型需求响应用户补偿金额的二次项系数;bdr,i表示第i个激励型需求响应用户补偿金额的一次项系数。其中:Pdr,i,max(t)、Pdr,i,min(t)分别表示第i个集群用户在第t时段需求响应能力上下限。
本发明中涉及的RPS及绿色证书交易机制为:RPS指一个国家或地区通过采取法律等强制性手段规定可再生能源发电市场的市场份额。
绿色证书(green certificates)是指对发电商颁发的一种凭证,以证明发电商所发电能来自于可再生能源,并代表一定数量的绿色电量,可用于市场交易。绿色证书具有很强的时效性,其价格受到短期的供求关系制约。绿色证书数量的计算公式为:
G=PsΔt/1000
其中,G为参与交易的绿色证书的数量(单位为本/(MW·h));Ps为第s个可再生能源发电设备的实际出力(单位为kW);Δt为调度时段时长(单位为h)。
绿色证书交易制度是一种基于RPS的政策工具,是对非水可再生能源电量生产和消费的有效凭证。发电企业每生产一定数量的可再生电能,就可以获得相应数量的绿色证书,可再生能源同时参与绿色证书市场和电力批发市场。当电力生产商生产或用户消纳的可再生能源超过分配指标时,可将剩余的绿色证书在市场上出售而获利;若电力生产商或用户未完成配额指标,可在市场中购买相应数量的绿色证书,从而达到配额指标。
S2:基于系统模型建立可再生能源配额制下的系统模型优化运行的目标函数。
所述的目标函数为:
C=Ce+Cgas+Cdr-Cgre
式中:Ce表示园区的购电费用、Cgas为园区的购气费用、Cdr为园区削减负荷所产生的成本、Cgre为绿证交易收益。
园区的购电费用的计算公式为:
Figure BDA0003135676540000051
其中,m为一个调度周期内总时刻数,n为设备类型的数量,Prie,i为实时电价,Pgrid,i为交易的电量,
园区的购气费用的计算公式为:
Figure BDA0003135676540000052
其中,Prig为购买天然气的单位热值的价格,PMT,i、QGB,i分别为第i个IES在t时刻MT的发电功率和GB的产热功率,ηMT、ηGB分别对应设备的工作效率。
所述的园区削减负荷所产生的成本的计算公式为:
Figure BDA0003135676540000053
其中,a为,Pe,i-DR为为削减掉的电负荷,b为热负荷削减成本系数,Ph,i-DR为为削减掉的热负荷。
绿证交易收益的计算公式为:
Figure BDA0003135676540000061
其中,Cgre-sell为售出绿证利润,Cgre-buy为买进绿证成本,Prigre单本为绿证交易价格,Gi,t-sell、Gi,t-buy分别表示第i个IES系统在t时刻出售和买入的绿证数量。
S3:获取系统模型的优化约束条件。
本实施例中,优化约束条件包括绿色证书配额约束、电功率平衡约束、热功率平衡约束、换热器热平衡约束、设备出力约束、电储能约束和电热负荷需求响应约束。
绿色证书配额约束为:
G(i,t)Ren+G(i,t)buy-G(i,t)sell=λi*P(i,t)/1000
G(i,t)Ren=(PWP(i,t)+PPV(i,t))/1000
其中,G(i,t)Ren表示第i个IES内部由可再生资源风和光产生的发电量可以兑换的绿证数量,λi为第i个IES的可再生能源配额,G(i,t)buy为买入绿证的数量(本),G(i,t)sell为售出绿证的数量(本),P(i,t)为可再生能源发电量,PWP(i,t)为第i个IES在t时刻的风电出力的放电功率,PPV(i,t)为第i个IES在t时刻的光伏出力的放电功率。
电功率平衡约束为:
PGT(i,t)+PWP(i,t)+PPV(i,t)+PGrid(i,t)+PES-dis(i,t)-PES-ch(i,t)=Le(i,t)
其中,PGT(i,t)、PWP(i,t)、PPV(i,t)、PES-dis(i,t)、PES-ch(i,t)、Le(i,t)分别是第i个IES在t时刻的燃气轮机出力、风电出力、光伏出力、储能设备的放电功率、储能设备的充电功率和IES内部电负荷,PGrid(i,t)是第i个IES在t时刻与外界电网交换的能量。
热功率平衡约束为:
QGB(i,t)+QHX(i,t)=Lh(i,t)
其中,QGB(i,t)、QHX(i,t)分别是第i个IES在t时刻余热锅炉、换热器产生的热量,Lh(i,t)是第i个IES在t时刻的热需求。
换热器热平衡约束为:
QHX/0.9=PGT*1.47*0.8
其中,QHX为换热器的热量,PGT为燃气轮机发电量。
设备出力约束:
风电出力上下限约束:
0≤PWP,i≤PWP,i-max
光伏出力上下限约束:
0≤PPV,i≤PWP,i-max
燃气轮机出力上下限约束:
0≤PGT,i≤PGT,i-max
换热器出力上下限约束:
0≤QHX,i≤QHX,i-max
燃气锅炉出力上下限:
0≤QGB,i≤QGB,i-max
向外电网购电量上下限约束:
0≤PGrid,i≤PGrid,i-max
其中,PWP,i-max、PPV,i-max、PGT,i-max、QHX,i-max、QGB,i-max、PGrid,i-max分别为风力发电机最大出力、光伏发电最大出力、燃气轮机最大热功率、换热器最大热功率、燃气锅炉最大出力、最大购入电量。
电储能约束:
在综合能源系统中,由于风力发电和光伏发电的出力受自然因素影响很大,自身存在先天的不足,输出功率的不稳定性和间歇性,配置一定的电储能可以提高供电的可靠性,减少大量的弃风和弃光现象,充分发挥利用可再生能源进行发电的优势。目前运用较为广泛的电储能设备是蓄电池,其化学过程是可逆的,充电时将电能转化成化学能,放电时将化学能转化为电能。依据运行状态的不同可对蓄电池的整个工作过程进行划分:充电过程、放电过程以及仅存储电能的过程。通常用储能蓄电池的状态(State ofCharge,SOC)来表示上述的三种过程。
充电过程:
Figure BDA0003135676540000071
放电过程:
Figure BDA0003135676540000072
式中:S(i,t)为储能i电池在t时刻的储能状态,δe为蓄电池自身电能消耗率;P in为蓄电池的电能存入功率;Pout为蓄电池的电能释放功率;S(t)为第t个时间段后蓄电池的容量;S(t-1)为第t-1个时间段后蓄电池的剩余电量;
Figure BDA0003135676540000081
为蓄电池的电能额定存入效率;
Figure BDA0003135676540000082
为蓄电池的电能额定释放效率;
Figure BDA0003135676540000083
为蓄电池的额定容量。
IES电热负荷需求响应约束:
电功率平衡约束:
Le,i=Le0,i+Pe,i-DR
Le,i为需求响应后的电功率,Le0为负荷需求响应前的电负荷、Pe,i-DR为第i个IES的可平移电功率,其上下限约束条件为:
0≤Pe,i-DR≤0.2*Le0,i
热功率平衡约束:
Lh,i=Lh0,i+Ph,i-DR
Lh,i为需求响应后的热功率,Lh0,i为负荷需求响应前的热负荷、Ph-DR为第i个1ES的可平移热功率,其上下限约束条件为:
0≤Ph,i-DR≤0.2*Lh0,i
S4:基于约束条件对目标函数进行优化求解,获取园区能源系统的优化调度结果。
上述实施方式仅为例举,不表示对本发明范围的限定。这些实施方式还能以其它各种方式来实施,且能在不脱离本发明技术思想的范围内作各种省略、置换、变更。

Claims (10)

1.一种可再生能源配额制下的园区能源系统优化调度方法,其特征在于,包括以下步骤:
S1:构建园区能源系统的系统模型;
S2:基于系统模型建立可再生能源配额制下的系统模型优化运行的目标函数;
S3:获取系统模型的优化约束条件;
S4:基于约束条件对目标函数进行优化求解,获取园区能源系统的优化调度结果。
2.根据权利要求1所述的一种可再生能源配额制下的园区能源系统优化调度方法,其特征在于,所述的目标函数为:
C=Ce+Cgas+Cdr-Cgre
式中:Ce表示园区的购电费用、Cgas为园区的购气费用、Cdr为园区削减负荷所产生的成本、Cgre为绿证交易收益。
3.根据权利要求2所述的一种可再生能源配额制下的园区能源系统优化调度方法,其特征在于,所述的园区的购电费用的计算公式为:
Figure FDA0003135676530000011
其中,m为一个调度周期内总时刻数,n为设备类型的数量,Prie,i为实时电价,Pgrid,i为交易的电量,
所述的园区的购气费用的计算公式为:
Figure FDA0003135676530000012
其中,Prig为购买天然气的单位热值的价格,PMT,i、QGB,i分别为第i个IES在t时刻MT的发电功率和GB的产热功率,ηMT、ηGB分别对应设备的工作效率。
4.根据权利要求2所述的一种可再生能源配额制下的园区能源系统优化调度方法,其特征在于,所述的园区削减负荷所产生的成本的计算公式为:
Figure FDA0003135676530000013
其中,a为电负荷削减成本系数,Pe,i-DR为为削减掉的电负荷,b为热负荷削减成本系数,Ph,i-DR为为削减掉的热负荷。
5.根据权利要求2所述的一种可再生能源配额制下的园区能源系统优化调度方法,其特征在于,所述的绿证交易收益的计算公式为:
Figure FDA0003135676530000021
其中,Cgre-sell为售出绿证利润,Cgre-buy为买进绿证成本,Prigre单本为绿证交易价格,Gi,t-sell、Gi,t-buy分别表示第i个IES系统在t时刻出售和买入的绿证数量。
6.根据权利要求1所述的一种可再生能源配额制下的园区能源系统优化调度方法,其特征在于,所述的优化约束条件包括绿色证书配额约束、电功率平衡约束、热功率平衡约束、换热器热平衡约束、设备出力约束、电储能约束和电热负荷需求响应约束。
7.根据权利要求6所述的一种可再生能源配额制下的园区能源系统优化调度方法,其特征在于,所述的绿色证书配额约束为:
G(i,t)Ren+G(i,t)buy-G(i,t)sell=λi*P(i,t)/1000
G(i,t)Ren=(PWP(i,t)+PPV(i,t))/1000
其中,G(i,t)Ren表示第i个IES内部由可再生资源风和光产生的发电量可以兑换的绿证数量,λi为第i个IES的可再生能源配额,G(i,t)buy为买入绿证的数量(本),G(i,t)sell为售出绿证的数量(本),P(i,t)为可再生能源发电量,PWP(i,t)为第i个IES在t时刻的风电出力的放电功率,PPV(i,t)为第i个IES在t时刻的光伏出力的放电功率。
8.根据权利要求6所述的一种可再生能源配额制下的园区能源系统优化调度方法,其特征在于,所述的电功率平衡约束为:
PGT(i,t)+PWP(i,t)+PPV(i,t)+PGrid(i,t)+PES-dis(i,t)-PES-ch(i,t)=Le(i,t)
其中,PGT(i,t)、PWP(i,t)、PPV(i,t)、PES-dis(i,t)、PES-ch(i,t)、Le(i,t)分别是第i个IES在t时刻的燃气轮机出力、风电出力、光伏出力、储能设备的放电功率、储能设备的充电功率和IES内部电负荷,PGrid(i,t)是第i个IES在t时刻与外界电网交换的能量。
9.根据权利要求6所述的一种可再生能源配额制下的园区能源系统优化调度方法,其特征在于,所述的热功率平衡约束为:
QGB(i,t)+QHX(i,t)=Lh(i,t)
其中,QGB(i,t)、QHX(i,t)分别是第i个IES在t时刻余热锅炉、换热器产生的热量,Lh(i,t)是第i个IES在t时刻的热需求。
10.根据权利要求6所述的一种可再生能源配额制下的园区能源系统优化调度方法,其特征在于,所述的换热器热平衡约束为:
QHX/0.9=PGT*1.47*0.8
其中,QHX为换热器的热量,PGT为燃气轮机发电量。
CN202110717902.7A 2021-06-28 2021-06-28 可再生能源配额制下的园区能源系统优化调度方法 Pending CN113449987A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110717902.7A CN113449987A (zh) 2021-06-28 2021-06-28 可再生能源配额制下的园区能源系统优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110717902.7A CN113449987A (zh) 2021-06-28 2021-06-28 可再生能源配额制下的园区能源系统优化调度方法

Publications (1)

Publication Number Publication Date
CN113449987A true CN113449987A (zh) 2021-09-28

Family

ID=77813169

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110717902.7A Pending CN113449987A (zh) 2021-06-28 2021-06-28 可再生能源配额制下的园区能源系统优化调度方法

Country Status (1)

Country Link
CN (1) CN113449987A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114925912A (zh) * 2022-05-20 2022-08-19 四川大学 一种供电系统的优化方法、电子设备及可读存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108717594A (zh) * 2018-04-16 2018-10-30 东南大学 一种冷热电联供型多微网系统经济优化调度方法
CN109861290A (zh) * 2019-03-14 2019-06-07 国网上海市电力公司 一种考虑多种柔性负荷的综合能源系统优化调度方法
CN110956344A (zh) * 2020-02-24 2020-04-03 华北电力大学 一种计及绿证与碳交易制度的“源-荷”协调优化调度方法
CN111342451A (zh) * 2020-03-12 2020-06-26 四川大学 促进可再生能源消纳的园区综合能源系统经济配置方法
CN111860965A (zh) * 2020-06-24 2020-10-30 东南大学 考虑储能多类型服务的用户综合能源系统优化调度方法
CN112149914A (zh) * 2020-09-30 2020-12-29 四川大学 一种多约束条件下电力市场资源优化配置的方法
CN112363395A (zh) * 2020-11-23 2021-02-12 国网上海市电力公司 一种负荷密集型城市智慧园区工业用户负荷建模方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108717594A (zh) * 2018-04-16 2018-10-30 东南大学 一种冷热电联供型多微网系统经济优化调度方法
CN109861290A (zh) * 2019-03-14 2019-06-07 国网上海市电力公司 一种考虑多种柔性负荷的综合能源系统优化调度方法
CN110956344A (zh) * 2020-02-24 2020-04-03 华北电力大学 一种计及绿证与碳交易制度的“源-荷”协调优化调度方法
CN111342451A (zh) * 2020-03-12 2020-06-26 四川大学 促进可再生能源消纳的园区综合能源系统经济配置方法
CN111860965A (zh) * 2020-06-24 2020-10-30 东南大学 考虑储能多类型服务的用户综合能源系统优化调度方法
CN112149914A (zh) * 2020-09-30 2020-12-29 四川大学 一种多约束条件下电力市场资源优化配置的方法
CN112363395A (zh) * 2020-11-23 2021-02-12 国网上海市电力公司 一种负荷密集型城市智慧园区工业用户负荷建模方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114925912A (zh) * 2022-05-20 2022-08-19 四川大学 一种供电系统的优化方法、电子设备及可读存储介质
CN114925912B (zh) * 2022-05-20 2023-08-18 四川大学 一种供电系统的优化方法、电子设备及可读存储介质

Similar Documents

Publication Publication Date Title
Ju et al. A Tri-dimensional Equilibrium-based stochastic optimal dispatching model for a novel virtual power plant incorporating carbon Capture, Power-to-Gas and electric vehicle aggregator
CN116231655A (zh) 一种计及源-荷多类型备用的虚拟电厂双层优化调度方法
CN112883630A (zh) 用于风电消纳的多微网系统日前优化经济调度方法
CN115689166A (zh) 一种区域分布式能源资源聚合利用方法及系统
CN114123260B (zh) 面向可再生能源的多能源微电网共享储能控制方法及系统
CN116599148A (zh) 一种面向新能源消纳的氢电混合储能两阶段协同规划方法
Wang et al. Optimal modeling and analysis of microgrid lithium iron phosphate battery energy storage system under different power supply states
Li et al. Role of different energy storage methods in decarbonizing urban distributed energy systems: A case study of thermal and electricity storage
CN115293485A (zh) 考虑电动汽车和需求响应的综合能源系统低碳调度方法
CN114498769A (zh) 一种高比例风光孤岛微电网群能量调度方法及系统
CN113449987A (zh) 可再生能源配额制下的园区能源系统优化调度方法
CN113095580A (zh) 一种园区综合能源系统的运行优化方法
Chen et al. Robust optimization based multi-level coordinated scheduling strategy for energy hub in spot market
Shuai-shuai et al. Multi-objective day-ahead optimal scheduling of wind-solar microgrid considering V2G technology
Chen et al. Two-stage stochastic programming method for multi-energy microgrid system
Zhu et al. Optimal configuration of a wind-photovoltaic-hydrogen-gas-electric vehicles integrated energy system considering multiple uncertainties and carbon reduction
Gong et al. Optimal bidding strategy of gencos with volatile wind power and battery swapping station
Zhang et al. Economic analysis based on virtual power plant's optimal bidding strategy
CN108063439A (zh) 一种考虑碳排放权交易的微电网优化方法
Cao et al. Bi-Level Energy Management Model of Grid-Connected Microgrid Community
Miah et al. Solar Battery Charging Station for Electric Vehicles: Part I-Screening, Modeling, and Feasibility Analysis
Yan Research on the regional integrated energy optimization operation of CCS and hydrogen energy utilization system under stepped carbon trading
Kang et al. Optimal Capacity Allocation Method of Grid-Connected Wind and Solar Hydrogen Storage System Considering Stepped Carbon Emissions and Time-of-Use Electricity Price
Liu et al. Research on The Optimal Operation Method of Integrated Energy Systems in Large-Scale Dairy Farms
Chen et al. Day-ahead optimization strategy considering demand response in power-based virtual power plant

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20210928