CN113570117A - 一种基于二阶锥松弛转化方法的电-气综合能源微网优化调度方法 - Google Patents

一种基于二阶锥松弛转化方法的电-气综合能源微网优化调度方法 Download PDF

Info

Publication number
CN113570117A
CN113570117A CN202110752294.3A CN202110752294A CN113570117A CN 113570117 A CN113570117 A CN 113570117A CN 202110752294 A CN202110752294 A CN 202110752294A CN 113570117 A CN113570117 A CN 113570117A
Authority
CN
China
Prior art keywords
microgrid
cost
power
order cone
branch
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110752294.3A
Other languages
English (en)
Other versions
CN113570117B (zh
Inventor
李志强
张帆
徐汶
伊比益
毛毳
陈玉萍
张有兵
冯文波
甄浩庆
蔡浩元
叶丁宏
魏春
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.)
Zhejiang University of Technology ZJUT
Zhejiang Huayun Electric Power Engineering Design Consulting Co
Original Assignee
Zhejiang University of Technology ZJUT
Zhejiang Huayun Electric Power Engineering Design Consulting Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT, Zhejiang Huayun Electric Power Engineering Design Consulting Co filed Critical Zhejiang University of Technology ZJUT
Priority to CN202110752294.3A priority Critical patent/CN113570117B/zh
Publication of CN113570117A publication Critical patent/CN113570117A/zh
Application granted granted Critical
Publication of CN113570117B publication Critical patent/CN113570117B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • 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
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J15/00—Systems for storing electric energy
    • H02J15/008—Systems for storing electric energy using hydrogen as energy vector
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (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

一种基于二阶锥松弛转化方法的电‑气综合能源微网优化调度策略，对系统中各能源生产、转换及储能设备建模，建立电‑气综合能源微网系统模型；运用二阶锥松弛方法对支路潮流非线性约束进行转化；在此基础上，基于所建立的微网模型，研究二阶锥松弛转化方法的应用条件，提出以微网总运行成本为目标函数的优化调度策略。此外在没有满足二阶锥规划应用条件的情况下，提出在目标函数中增加线路损耗以使微网系统正常优化运行，使总成本最优的同时，提高系统的适应性和灵活性。

Description

一种基于二阶锥松弛转化方法的电-气综合能源微网优化调 度方法
技术领域
本发明属于微网优化调度策略领域，具体涉及一种基于二阶锥松弛转化方法的电-气综合能源微网优化调度方法。
背景技术
近些年，随着全球经济的迅速发展，对于能源的需求变得越来越大，这导致化石燃料迅速枯竭，全球环境污染日益加剧。微网作为一个包含分布式能源、储能系统、热电气负荷、保护与监控装置的小型系统，在未来的能源网络和结构中，将起到重要作用，它能充分发挥分布式电源的经济效益和环保效益，具有巨大的社会与经济意义，同时它对于维护系统稳定、保障某些重要负荷安全有着很大的优势，因而对于微网系统的研究日益重要。
目前对于微网的研究多为结构和算法方面。在微网结构方面，主要涉及微网中各个能源的类型、耦合关系等，相关的研究有基于电-冷-热结构，建立冷热电联供的系统模型；考虑沼-风-光之间的耦合关系，建立综合能源微网优化模型等等。此外储能系统因其能灵活调节的优势，在储能优化中起着重要的作用，所以包含储能系统的微网研究也很广泛，此外氢能作为一种清洁能源在微网系统中的应用正越来越广泛，考虑以氢能为主导的综合能源系统为未来综合能源系统的发展提供了方向。关于微网优化算法，已有一定的研究，常见的有以系统总成本最小为目标,采用混合整数规划方法求解的方法；为应对新能源的需要，自适应加权和算法相结合的近似动态规划算法被提出以较好地满足以新能源发电为主电源的独立微网日前调度需求；针对具体微网，粒子群算法和人工蜂群算法被引入以解决微网优化调度问题。此外，针对传统集中式优化调度方法难以全面反映综合能源微网内不同智能体的利益诉求,以及人工智能技术在综合能源调度方面的应用亟待进一步挖掘等问题，人工智能算法正成为一个新的研究方向。
微网系统进行建模时，由于微网潮流约束存在非线性约束边界条件，需进行线性转化。以往基于人工智能的启发式算法因其简单、较容易模拟复杂约束等优势，在求解非线性优化调度问题时得到了普遍应用。但智能算法在求解非线性模型时仍有明显不足，比如求解速度慢、容易陷入局部最优而无法保证全局最优，这些问题都促使研究人员探索研究更有效的求解算法，以满足全局最优、求解速度快等要求。
发明内容
为了克服现有技术的不足，本发明提出一种基于二阶锥松弛转化方法的电-气综合能源微网优化调度方法，对系统中各能源生产、转换及储能设备建模，建立电-气综合能源微网系统模型；运用二阶锥松弛方法对支路潮流非线性约束进行转化；在此基础上，基于所建立的微网模型，研究二阶锥松弛转化方法的应用条件，提出以微网总成本为目标函数的优化调度策略。本发明的优化调度策略可使微网总成本达到最优值，此外提出在目标函数中增加线路损耗的方法可以使微网系统在没有满足二阶锥规划应用条件的情况下正常运行，使总成本最优的同时，提高系统的适应性和灵活性。
为了实现上述目的，本发明的技术方案为：
一种基于二阶锥松弛转化方法的电-气综合能源微网优化调度方法，所述方法包括以下步骤：
S1：建立电-气综合能源微网系统及内部设备模型，设定设备运行相关参数，将包含运行成本和环境成本的综合运行成本设定为目标函数；
电-气综合能源微网系统涉及电力网络、氢储能系统、天然气网络三部分，微网系统运行的优化目标为综合运行成本最低，综合运行成本包括系统运行成本以及环境成本；
系统运行成本表示为：
f1＝f11+f12+f13 (1)
式(1)中f11为微网系统与主网能量交换的成本与收益，表示为：
Figure BDA0003145167520000021
其中Ce1为微网通过主网购电分时电价，而Ce2为微网向主网售电分时电价；
Figure BDA0003145167520000022
表示t时段微网通过主网购电的有功功率，
Figure BDA0003145167520000023
表示t时段微网向主网售电的有功功率；
式(1)中f12为微网向天然气网络购售天然气的成本与收益，表示为：
Figure BDA0003145167520000031
其中Cg1表示天然气购买的价格，Cg2表示天然气出售价格；
Figure BDA0003145167520000032
表示t时段微网从气网购买的CH4功率，
Figure BDA0003145167520000033
表示t时段微网出售的CH4功率；H表示天然气高热值；
式(1)中f13为微网系统运行能量损失惩罚成本，表示为：
Figure BDA0003145167520000034
其中KLoss为权重系数，表示系统对于能量损失的重视程度，0≤KLoss≤1；
Figure BDA0003145167520000035
和
Figure BDA0003145167520000036
分别表示微网系统中电解槽、燃料电池、氢转气装置和微型燃气轮机MT在能量转化时的能量损失；
为简化处理，在此微网系统中各种能量形式的转化均认为不会产生有害气体，因此环境成本由CO2排放量构成，环境成本表达式为：
Figure BDA0003145167520000037
其中
Figure BDA0003145167520000038
是该区域电网单位供电平均CO2排放系数，
Figure BDA0003145167520000039
是MT发电二氧化碳排放系数，
Figure BDA00031451675200000310
是CH4的二氧化碳捕捉系数；
结合以上数学表达式，考虑经济性与环保性的综合运行成本目标函数为：
Figure BDA00031451675200000311
Figure BDA00031451675200000312
式中f1 max与
Figure BDA00031451675200000313
分别为微网系统最大运行成本和最大环境成本，ω1与ω2为系统运行成本和环境成本各自的权重系数；通过标幺值方法，根据重视程度对系统运行成本和环境成本赋予不同的权重系数，将多目标优化问题转化为单目标问题；
S2：通过二阶锥松弛方法将非线性的潮流约束线性化，从而将非线性规划问题转化为SOCP规划问题进行求解，微电网潮流基本模型表示如下：
Figure BDA0003145167520000041
Figure BDA0003145167520000042
Figure BDA0003145167520000043
Figure BDA0003145167520000044
Figure BDA0003145167520000045
Figure BDA0003145167520000046
式中：p、q为节点注入有功和无功功率，P、Q为支路潮流有功和无功功率，V为节点电压，
Figure BDA0003145167520000047
I为支路电流；
在式(8)-(13)中，支路阻抗rij、xij，节点对地导纳gj、bj均为常数，由于微网系统内部电压等级为400V，因此对地导纳gj、bj对微电网潮流的影响很小，为简便运算，将式(8)中的
Figure BDA0003145167520000048
与
Figure BDA0003145167520000049
进行忽略，节点电压V、支路电流I、支路潮流P、Q以及节点注入功率p、q为优化变量，显然它们之间为非线性关系，式(8)-(12)为一般电网潮流所共有的约束方程，式(13)为每个微电网系统所特有的约束条件，由微网自身的电力负荷、微源及其它微网内部结构决定；
通过二阶锥松弛方法将模型中的非线性约束线性化，从而将系统的非线性规划问题转化为二阶锥规划(second-order cone program,SOCP)，对式(10)进行转化处理，首先定义
Figure BDA00031451675200000410
并进行二阶锥松弛转化，得到：
Figure BDA00031451675200000411
式(14)可以等价转化为2型范数表达的二阶锥松弛的标准形式，再将
Figure BDA00031451675200000412
代入式(8)-(9)，即得到通过二阶锥松弛转化后的最优潮流约束方程：
Figure BDA0003145167520000051
Figure BDA0003145167520000052
Figure BDA0003145167520000053
Figure BDA0003145167520000054
Figure BDA0003145167520000055
Figure BDA0003145167520000056
S3：在微网系统没有满足二阶锥规划应用条件的情况下，提出通过增加线路损耗以解决问题的方法；
原问题的非凸可行域Coriginal经SOC松弛转化为凸可行域CSOC，如果由二阶锥松弛转化模型求解得到的最优解S还是Coriginal中的点，则二阶锥松弛转化是严格有效的，即最优解S也是原问题的最优解，其中所涉及的二阶锥实际上为旋转二阶锥，其标准形式为：
Figure BDA0003145167520000057
因为
Figure BDA0003145167520000058
显然式(14)满足式(21)中x1,x2≥0的条件，且形式完全一致，微网系统结构为辐射状电力网络，对于辐射状电力网络，根据其建立的二阶锥松弛模型是严格准确的，即由二阶锥松弛模型计算得出的最优解也是原问题的最优解，同时，若微网运行的优化调度目标函数是凸函数，并且是支路电流的严格递增函数，则二阶锥松弛转化后的模型是准确收敛的；
对于微网系统，其系统优化成本目标是电网支路电流的严格递增函数，分析如下：
在满足式(14)的情况下，微电网中节点电压
Figure BDA0003145167520000059
由于电压上下限的约束而基本不变(电压损耗为±5％)，而支路电流
Figure BDA00031451675200000510
(实际为支路电流的平方)在满足电流上下限的约束下可以有大范围的取值，但当
Figure BDA00031451675200000511
与支路电流实际值的差值越大，则微电网支路上的损耗
Figure BDA0003145167520000061
增加也越大，从而使得电源需要提供更多的有功功率来满足式(16)中的有功功率平衡约束，导致系统成本目标增加；
此时微网系统成本目标是支路电流的严格递增函数，在追求系统成本目标最低的求解过程中，使得
Figure BDA0003145167520000062
不断向式(14)的等号处进行收敛趋近，最终使得
Figure BDA0003145167520000063
等于支路电流实际值，因而对电网潮流约束进行二阶锥松弛转化得到的系统模型是有效和准确的；
当微网中的风力发电机出现弃风时，由转化模型求解得出的微电网各支路电流经过验算与实际值有差异，并且弃风量也与实际值有差异，而在微网无弃风时，与实际值无差异，此时具有准确性；
在微网无弃风的情况下，上面关于目标函数是支路电流
Figure BDA0003145167520000064
的严格递增函数的结论是正确的，然而在微网系统存在弃风的情况下，当
Figure BDA0003145167520000065
大于实际值时，微电网支路上的损耗
Figure BDA0003145167520000066
增加，进一步电源出力增加，但是此时风机作为电源，增加的支路损耗功率是用弃风功率来补偿的，因而这部分增加的损耗功率在求解成本目标函数最优的过程中不仅不会增加系统成本，反而还造成了一种微网系统弃风量减少的错误假象，从而使得求解二阶锥松弛转化模型得出的微网系统弃风功率减小，支路电流增大；
所以当微网系统出现弃风时，式(14)和式(16)的约束不足让支路电流
Figure BDA0003145167520000067
收敛至实际值，因为在此时目标成本函数不再是
Figure BDA0003145167520000068
的严格递增函数，为解决上述问题，需要在目标成本函数中另外增加关于
Figure BDA0003145167520000069
的严格递增函数，而显然微电网支路有功损耗即为
Figure BDA00031451675200000610
的严格递增函数，并且将支路损耗成本加入到目标函数也是有实际意义的。式(22)为增加的微电网支路有功损耗成本函数：
Figure BDA00031451675200000611
式中KLine表示支路损耗成本系数，该系数值很小，其作用是保证在任何时候目标成本函数都是微电网支路电流
Figure BDA00031451675200000612
的严格递增函数，同时又几乎不会影响微网系统的优化调度；
在加入微电网支路损耗成本函数到目标成本函数中后，对微网系统的优化调度问题再次进行了求解计算，可以验证提出的在目标函数中增加线路损耗的方法可以使微网系统在没有满足二阶锥规划应用条件的情况下正常求解，使总成本最优的同时，提高系统的适应性和灵活性。
本发明的有益效果是：
1、本发明技术方案中，基于二阶锥松弛转化方法，建立电-气综合能源微网系统，提出电-气综合能源微网优化调度策略，在满足运行约束的情况下最优化微网系统的经济性。
2、引入氢储能系统，氢能作为一种清洁能源在微网系统中的应用正越来越广泛，考虑以氢能为主导的综合能源系统具有环保性和经济性。
3、提出使用二阶锥松弛转化方法对电网潮流中的非线性约束进行线性化，将非线性规划问题转化为SOCP规划问题进行求解，在微网系统没有满足二阶锥规划应用条件的情况下，提出通过增加线路损耗以解决问题的方法，使总成本最优的同时，提高系统的适应性和灵活性。
附图说明
图1是电-气综合能源微网结构图；
图2是微网系统结构图；
图3是微网负荷柱状图；
图4是风电预测出力曲线图；
图5是电力价格梯形图；
图6是无弃风时线路总损耗及弃风量曲线图；
图7是无弃风时支路L12和L36电流曲线图；
图8是有弃风时线路总损耗及弃风量曲线图；
图9是有弃风时支路L12和L36电流曲线图；
图10是改进后有弃风时线路总损耗及弃风量曲线图；
图11是改进后有弃风时支路L12和L36电流曲线图。
具体实施方式
下面结合附图对本发明作进一步说明。
参照图1～图11，一种基于二阶锥松弛转化方法的电-气综合能源微网优化调度方法，包括以下步骤：
S1：建立电-气综合能源微网系统及内部设备模型，设定设备运行相关参数，将包含运行成本和环境成本的综合运行成本设定为目标函数；
电-气综合能源微网系统涉及电力网络、氢储能系统、天然气网络三部分，微网系统运行的优化目标为综合运行成本最低，综合运行成本包括系统运行成本以及环境成本；
系统运行成本表示为：
f1＝f11+f12+f13 (1)
式(1)中f11为微网系统与主网能量交换的成本与收益，表示为：
Figure BDA0003145167520000081
其中Ce1为微网通过主网购电分时电价，而Ce2为微网向主网售电分时电价；
Figure BDA0003145167520000082
表示t时段微网通过主网购电的有功功率，
Figure BDA0003145167520000083
表示t时段微网向主网售电的有功功率；
式(1)中f12为微网向天然气网络购售天然气的成本与收益，表示为：
Figure BDA0003145167520000084
其中Cg1表示天然气购买的价格，Cg2表示天然气出售价格；
Figure BDA0003145167520000085
表示t时段微网从气网购买的CH4功率，
Figure BDA0003145167520000086
表示t时段微网出售的CH4功率；H表示天然气高热值；
式(1)中f13为微网系统运行能量损失惩罚成本，表示为：
Figure BDA0003145167520000087
其中KLoss为权重系数，表示系统对于能量损失的重视程度，0≤KLoss≤1；
Figure BDA0003145167520000088
和
Figure BDA0003145167520000089
分别表示微网系统中电解槽、燃料电池、氢转气装置和微型燃气轮机MT在能量转化时的能量损失；
为简化处理，在此微网系统中各种能量形式的转化均认为不会产生有害气体，因此环境成本由CO2排放量构成，环境成本表达式为：
Figure BDA0003145167520000091
其中
Figure BDA0003145167520000092
是该区域电网单位供电平均CO2排放系数，
Figure BDA0003145167520000093
是MT发电二氧化碳排放系数，
Figure BDA0003145167520000094
是CH4的二氧化碳捕捉系数；
结合以上数学表达式，考虑经济性与环保性的综合运行成本目标函数为：
Figure BDA0003145167520000095
Figure BDA0003145167520000096
式中f1 max与
Figure BDA0003145167520000097
分别为微网系统最大运行成本和最大环境成本，ω1与ω2为系统运行成本和环境成本各自的权重系数；通过标幺值方法，根据重视程度对系统运行成本和环境成本赋予不同的权重系数，将多目标优化问题转化为单目标问题；
S2：通过二阶锥松弛方法将非线性的潮流约束线性化，从而将非线性规划问题转化为SOCP规划问题进行求解，微电网潮流基本模型表示如下：
Figure BDA0003145167520000098
Figure BDA0003145167520000099
Figure BDA00031451675200000910
Figure BDA00031451675200000911
Figure BDA00031451675200000912
Figure BDA00031451675200000913
式中：p、q为节点注入有功和无功功率，P、Q为支路潮流有功和无功功率，V为节点电压，
Figure BDA00031451675200000914
I为支路电流；
在式(8)-(13)中，支路阻抗rij、xij，节点对地导纳gj、bj均为常数，由于微网系统内部电压等级为400V，因此对地导纳gj、bj对微电网潮流的影响很小，为简便运算，可将式(8)中的
Figure BDA0003145167520000101
与
Figure BDA0003145167520000102
进行忽略。节点电压V、支路电流I、支路潮流P、Q以及节点注入功率p、q为优化变量，显然它们之间为非线性关系，式(8)-(12)为一般电网潮流所共有的约束方程，式(13)为每个微电网系统所特有的约束条件，由微网自身的电力负荷、微源及其它微网内部结构决定；
通过二阶锥松弛方法将模型中的非线性约束线性化，从而将系统的非线性规划问题转化为二阶锥规划(second-order cone program,SOCP)，对式(10)进行转化处理，首先定义
Figure BDA0003145167520000103
并进行二阶锥松弛转化，得到：
Figure BDA0003145167520000104
式(14)可以等价转化为2型范数表达的二阶锥松弛的标准形式，再将
Figure BDA0003145167520000105
代入式(8)-(9)，即可得到通过二阶锥松弛转化后的最优潮流约束方程：
Figure BDA0003145167520000106
Figure BDA0003145167520000107
Figure BDA0003145167520000108
Figure BDA0003145167520000109
Figure BDA00031451675200001010
Figure BDA00031451675200001011
S3：在微网系统没有满足二阶锥规划应用条件的情况下，提出通过增加线路损耗以解决问题的方法；
原问题的非凸可行域Coriginal经SOC松弛转化为凸可行域CSOC，如果由二阶锥松弛转化模型求解得到的最优解S还是Coriginal中的点，则二阶锥松弛转化是严格有效的，即最优解S也是原问题的最优解，其中所涉及的二阶锥实际上为旋转二阶锥，其标准形式为：
Figure BDA0003145167520000111
因为
Figure BDA0003145167520000112
显然式(14)满足式(21)中x1,x2≥0的条件，且形式完全一致，微网系统结构为辐射状电力网络，对于辐射状电力网络，根据其建立的二阶锥松弛模型是严格准确的，即由二阶锥松弛模型计算得出的最优解也是原问题的最优解，同时，若微网运行的优化调度目标函数是凸函数，并且是支路电流的严格递增函数，则二阶锥松弛转化后的模型是准确收敛的；
对于微网系统，其系统优化成本目标是电网支路电流的严格递增函数，分析如下：
在满足式(14)的情况下，微电网中节点电压
Figure BDA0003145167520000113
由于电压上下限的约束而基本不变(电压损耗为±5％)，而支路电流
Figure BDA0003145167520000114
(实际为支路电流的平方)在满足电流上下限的约束下可以有大范围的取值，但当
Figure BDA0003145167520000115
与支路电流实际值的差值越大，则微电网支路上的损耗
Figure BDA0003145167520000116
增加也越大，从而使得电源需要提供更多的有功功率来满足式(16)中的有功功率平衡约束，导致系统成本目标增加；
此时微网系统成本目标是支路电流的严格递增函数，在追求系统成本目标最低的求解过程中，使得
Figure BDA0003145167520000117
不断向式(14)的等号处进行收敛趋近，最终使得
Figure BDA0003145167520000118
等于支路电流实际值，因而对电网潮流约束进行二阶锥松弛转化得到的系统模型是有效和准确的；
当微网中的风力发电机出现弃风时，由转化模型求解得出的微电网各支路电流经过验算与实际值有差异，并且弃风量也与实际值有差异，而在微网无弃风时，与实际值无差异，此时具有准确性；
在微网无弃风的情况下，上面关于目标函数是支路电流
Figure BDA0003145167520000119
的严格递增函数的结论是正确的，然而在微网系统存在弃风的情况下，当
Figure BDA00031451675200001110
大于实际值时，微电网支路上的损耗
Figure BDA00031451675200001111
增加，进一步电源出力增加，但是此时风机作为电源，增加的支路损耗功率是用弃风功率来补偿的，因而这部分增加的损耗功率在求解成本目标函数最优的过程中不仅不会增加系统成本，反而还造成了一种微网系统弃风量减少的错误假象，从而使得求解二阶锥松弛转化模型得出的微网系统弃风功率减小，支路电流增大；
所以当微网系统出现弃风时，式(14)和式(16)的约束不足让支路电流
Figure BDA0003145167520000121
收敛至实际值，因为在此时目标成本函数不再是
Figure BDA0003145167520000122
的严格递增函数，为解决上述问题，需要在目标成本函数中另外增加关于
Figure BDA0003145167520000123
的严格递增函数，而显然微电网支路有功损耗即为
Figure BDA0003145167520000124
的严格递增函数，并且将支路损耗成本加入到目标函数也是有实际意义的。式(22)为增加的微电网支路有功损耗成本函数：
Figure BDA0003145167520000125
式中KLine表示支路损耗成本系数，该系数值很小，其作用是保证在任何时候目标成本函数都是微电网支路电流
Figure BDA0003145167520000126
的严格递增函数，同时又几乎不会影响微网系统的优化调度；
在加入微电网支路损耗成本函数到目标成本函数中后，对微网系统的优化调度问题再次进行了求解计算，可以验证提出的在目标函数中增加线路损耗的方法可以使微网系统在没有满足二阶锥规划应用条件的情况下正常求解，使总成本最优的同时，提高系统的适应性和灵活性。
优化结果对比分析：
为了验证上述二阶锥松弛转化后的模型是有效性和准确性，本文对所建立的微网系统进行了仿真算例分析，时间步长Δt取为1h，调度时间T为24h。
图3为微网负荷柱状图，图4为风电预测出力曲线图，图5为电力价格梯形图。
图3中包含调度时间T内电负荷、气负荷和氢负荷的数值。风机在一天中的预测出力如图4所示，可以看到在白天风机出力较低，在夜晚风机出力较高。图5为调度时间T内的分时电价，包括微网通过主网的购电电价和微网向主网的售电电价，此外天然气价格给定为2.5/m3。
图6为无弃风时线路总损耗及弃风量曲线图，图7为无弃风时支路L12和L36电流曲线图。
由图6和图7可知，在微网无弃风的情况下，由二阶锥转化后的模型求解所得到的微电网线路总损耗、支路电流与实际值完全一致，此时二阶锥转化方法具有有效性和准确性，所以关于目标函数是支路电流
Figure BDA0003145167520000131
的严格递增函数的结论也是完全正确的。
图8为有弃风时线路总损耗及弃风量曲线图，图9为有弃风时支路L12和L36电流曲线图。
当风机出力为正常情况下的1.5倍时，微网系统出现弃风。由图8和图9可知，在0:00-7:00和23:00-24:00时，微网出现弃风，由转化模型求解得出的微电网各支路电流经过验算与实际值有差异，并且弃风量也与实际值有差异。从图8可以看到由二阶锥松弛转化模型求得微网的弃风量小于实际弃风量，并且差值较大，而从图9看到由二阶锥松弛转化模型求得微网支路电流大于实际支路电流，并且差值也较大。分析可以得到的结果，在夜间时段，风机出力增大，微网出现弃风的时段线路总损耗、支路电流值与实际值有很大差异，而在白天时段，微网无弃风时，与实际值无差异，此时具有准确性。
图10为改进后有弃风时线路总损耗及弃风量曲线图，图11为改进后有弃风时支路L12和L36电流曲线图；
从图10和图11中可以看出在使用改进二阶锥松弛转化方法，在目标函数中加入线路损耗成本后，微网系统在0:00-7:00和23:00-24:00存在弃风时，二阶锥松弛转化模型的求解结果仍为实际有效值，验证了该方法的有效性。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，本领域的技术人员可以将本说明书中描述的不同实施例或示例进行结合和组合。
尽管上面已经展示出和描述了本发明的实施例，可以理解的是，本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也包括本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (4)

1.一种基于二阶锥松弛转化方法的电-气综合能源微网优化调度方法，其特征在于，所述方法包括以下步骤：
S1：建立电-气综合能源微网系统及内部设备模型，设定设备运行相关参数，将包含运行成本和环境成本的综合运行成本设定为目标函数；
S2：通过二阶锥松弛方法将非线性的潮流约束线性化，从而将非线性规划问题转化为二阶锥规划问题进行求解；
S3：在微网系统没有满足二阶锥规划应用条件的情况下，提出通过增加线路损耗以解决问题的方法。
2.如权利要求1所述的一种基于二阶锥松弛转化方法的电-气综合能源微网优化调度方法，其特征在于，所述步骤S1中，建立电-气综合能源微网系统及内部设备模型，该系统涉及电力网络、氢储能系统、天然气网络三部分，微网系统运行的优化目标为综合运行成本最低，综合运行成本包括系统运行成本以及环境成本；
系统运行成本表示为：
f1＝f11+f12+f13 (1)
式(1)中f11为微网系统与主网能量交换的成本与收益，表示为：
Figure FDA0003145167510000011
其中Ce1为微网通过主网购电分时电价，而Ce2为微网向主网售电分时电价；
Figure FDA0003145167510000012
表示t时段微网通过主网购电的有功功率，
Figure FDA0003145167510000013
表示t时段微网向主网售电的有功功率；
式(1)中f12为微网向天然气网络购售天然气的成本与收益，表示为：
Figure FDA0003145167510000014
其中Cg1表示天然气购买的价格，Cg2表示天然气出售的价格；
Figure FDA0003145167510000015
表示t时段微网从气网购买的CH4功率，
Figure FDA0003145167510000016
表示t时段微网出售的CH4功率；H表示天然气高热值；
式(1)中f13为微网系统运行能量损失惩罚成本，表示为：
Figure FDA0003145167510000021
其中KLoss为权重系数，表示系统对于能量损失的重视程度，0≤KLoss≤1；
Figure FDA0003145167510000022
和
Figure FDA0003145167510000023
分别表示微网系统中电解槽、燃料电池、氢转气装置和微型燃气轮机MT在能量转化时的能量损失；
为简化处理，在此微网系统中各种能量形式的转化均认为不会产生有害气体，因此环境成本由CO2排放量构成，环境成本表达式为：
Figure FDA0003145167510000024
其中
Figure FDA0003145167510000025
是该区域电网单位供电平均CO2排放系数，
Figure FDA0003145167510000026
是MT发电二氧化碳排放系数，
Figure FDA0003145167510000027
是CH4的二氧化碳捕捉系数；
结合以上数学表达式，考虑经济性与环保性的综合运行成本目标函数为：
Figure FDA0003145167510000028
Figure FDA0003145167510000029
式中
Figure FDA00031451675100000210
与
Figure FDA00031451675100000211
分别为微网系统最大运行成本和最大环境成本，ω1与ω2为系统运行成本和环境成本各自的权重系数；通过标幺值方法，根据重视程度对系统运行成本和环境成本赋予不同的权重系数，将多目标优化问题转化为单目标问题。
3.如权利要求1或2所述的一种基于二阶锥松弛转化方法的电-气综合能源微网优化调度方法，其特征在于，所述步骤S2中，微电网潮流基本模型表示如下：
Figure FDA00031451675100000212
Figure FDA00031451675100000213
Figure FDA00031451675100000214
Figure FDA00031451675100000215
Figure FDA0003145167510000031
Figure FDA0003145167510000032
式中：p、q为节点注入有功和无功功率，P、Q为支路潮流有功和无功功率，V为节点电压，
Figure FDA0003145167510000033
I为支路电流；
在式(8)-(13)中，支路阻抗rij、xij，节点对地导纳gj、bj均为常数，由于微网系统内部电压等级为400V，因此对地导纳gj、bj对微电网潮流的影响很小，为简便运算，将式(8)中的
Figure FDA0003145167510000034
与
Figure FDA0003145167510000035
进行忽略，节点电压V、支路电流I、支路潮流P、Q以及节点注入功率p、q为优化变量，显然它们之间为非线性关系，式(8)-(12)为一般电网潮流所共有的约束方程，式(13)为每个微电网系统所特有的约束条件，由微网自身的电力负荷、微源及其它微网内部结构决定；
通过二阶锥松弛方法将模型中的非线性约束线性化，从而将系统的非线性规划问题转化为二阶锥规划，对式(10)进行转化处理，首先定义
Figure FDA0003145167510000036
并进行二阶锥松弛转化，得到：
Figure FDA0003145167510000037
式(14)可以等价转化为2型范数表达的二阶锥松弛的标准形式，再将
Figure FDA0003145167510000038
代入式(8)-(9)，即得到通过二阶锥松弛转化后的最优潮流约束方程：
Figure FDA0003145167510000039
Figure FDA00031451675100000310
Figure FDA00031451675100000311
Figure FDA00031451675100000312
Figure FDA0003145167510000041
Figure FDA0003145167510000042
4.如权利要求1或2所述的一种基于二阶锥松弛转化方法的电-气综合能源微网优化调度方法，其特征在于，所述步骤S3中，原问题的非凸可行域Coriginal经二阶锥松弛转化为凸可行域CSOC，如果由二阶锥松弛转化模型求解得到的最优解S还是Coriginal中的点，则二阶锥松弛转化是严格有效的，即最优解S也是原问题的最优解，其中所涉及的二阶锥实际上为旋转二阶锥，其标准形式为：
Figure FDA0003145167510000043
因为
Figure FDA0003145167510000044
显然式(14)满足式(21)中x1,x2≥0的条件，且形式完全一致，微网系统结构为辐射状电力网络，对于辐射状电力网络，根据其建立的二阶锥松弛模型是严格准确的，即由二阶锥松弛模型计算得出的最优解也是原问题的最优解，同时，若微网运行的优化调度目标函数是凸函数，并且是支路电流的严格递增函数，则二阶锥松弛转化后的模型是准确收敛的；
对于微网系统，其系统优化成本目标是电网支路电流的严格递增函数，分析如下：
在满足式(14)的情况下，微电网中节点电压
Figure FDA0003145167510000045
由于电压上下限的约束而基本不变(电压损耗为±5％)，而支路电流
Figure FDA0003145167510000046
(实际为支路电流的平方)在满足电流上下限的约束下可以有大范围的取值，但当
Figure FDA0003145167510000047
与支路电流实际值的差值越大，则微电网支路上的损耗
Figure FDA0003145167510000048
增加也越大，从而使得电源需要提供更多的有功功率来满足式(16)中的有功功率平衡约束，导致系统成本目标增加；
此时微网系统成本目标是支路电流的严格递增函数，在追求系统成本目标最低的求解过程中，使得
Figure FDA0003145167510000049
不断向式(14)的等号处进行收敛趋近，最终使得
Figure FDA00031451675100000410
等于支路电流实际值，因而对电网潮流约束进行二阶锥松弛转化得到的系统模型是有效和准确的；
当微网中的风力发电机出现弃风时，由转化模型求解得出的微电网各支路电流经过验算与实际值有差异，并且弃风量也与实际值有差异，而在微网无弃风时，与实际值无差异，此时具有准确性；
在微网无弃风的情况下，上面关于目标函数是支路电流
Figure FDA0003145167510000051
的严格递增函数的结论是正确的，然而在微网系统存在弃风的情况下，当
Figure FDA0003145167510000052
大于实际值时，微电网支路上的损耗
Figure FDA0003145167510000053
增加，进一步电源出力增加，但是此时风机作为电源，增加的支路损耗功率是用弃风功率来补偿的，因而这部分增加的损耗功率在求解成本目标函数最优的过程中不仅不会增加系统成本，反而还造成了一种微网系统弃风量减少的错误假象，从而使得求解二阶锥松弛转化模型得出的微网系统弃风功率减小，支路电流增大；
所以当微网系统出现弃风时，式(14)和式(16)的约束不足让支路电流
Figure FDA0003145167510000054
收敛至实际值，因为在此时目标成本函数不再是
Figure FDA0003145167510000055
的严格递增函数，为解决上述问题，需要在目标成本函数中另外增加关于
Figure FDA0003145167510000056
的严格递增函数，而显然微电网支路有功损耗即为
Figure FDA0003145167510000057
的严格递增函数，并且将支路损耗成本加入到目标函数也是有实际意义的，式(22)为增加的微电网支路有功损耗成本函数：
Figure FDA0003145167510000058
式中KLine表示支路损耗成本系数，该系数值很小，其作用是保证在任何时候目标成本函数都是微电网支路电流
Figure FDA0003145167510000059
的严格递增函数，同时又几乎不会影响微网系统的优化调度；
在加入微电网支路损耗成本函数到目标成本函数中后，对微网系统的优化调度问题再次进行了求解计算，可以验证提出的在目标函数中增加线路损耗的方法可以使微网系统在没有满足二阶锥规划应用条件的情况下正常求解，使总成本最优的同时，提高系统的适应性和灵活性。
CN202110752294.3A 2021-07-02 2021-07-02 一种基于二阶锥松弛转化方法的电-气综合能源微网优化调度方法 Active CN113570117B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110752294.3A CN113570117B (zh) 2021-07-02 2021-07-02 一种基于二阶锥松弛转化方法的电-气综合能源微网优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110752294.3A CN113570117B (zh) 2021-07-02 2021-07-02 一种基于二阶锥松弛转化方法的电-气综合能源微网优化调度方法

Publications (2)

Publication Number Publication Date
CN113570117A true CN113570117A (zh) 2021-10-29
CN113570117B CN113570117B (zh) 2024-02-09

Family

ID=78163652

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110752294.3A Active CN113570117B (zh) 2021-07-02 2021-07-02 一种基于二阶锥松弛转化方法的电-气综合能源微网优化调度方法

Country Status (1)

Country Link
CN (1) CN113570117B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115015474A (zh) * 2022-04-15 2022-09-06 广东电网有限责任公司 一种电力用户的碳排放量检测方法及设备
CN115713438A (zh) * 2022-11-25 2023-02-24 国网江苏省电力有限公司常州供电分公司 综合能源系统的优化调度方法
CN115859686A (zh) * 2023-02-07 2023-03-28 山东科技大学 考虑扩展碳排放流的综合能源系统低碳调度方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109242366A (zh) * 2018-11-06 2019-01-18 国电南瑞科技股份有限公司 一种电-气互联综合能源系统的多时段潮流优化方法
CN109861232A (zh) * 2019-02-22 2019-06-07 国家电网有限公司 一种基于二阶锥松弛方法的配电网动态重构降损方法
CN110263387A (zh) * 2019-05-29 2019-09-20 国网福建省电力有限公司 基于能源集线器的配电网、天然气网建立的综合能源系统优化运行模型及其线性处理方法
CN110322051A (zh) * 2019-06-06 2019-10-11 国网浙江省电力有限公司经济技术研究院 考虑n-1安全约束的综合能源系统优化配置方法
CN111652441A (zh) * 2020-06-04 2020-09-11 四川大学 考虑气电联合需求响应的气电综合能源系统配网优化方法
WO2020237700A1 (zh) * 2019-05-28 2020-12-03 国电南瑞科技股份有限公司 一种多能源系统运行调度方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109242366A (zh) * 2018-11-06 2019-01-18 国电南瑞科技股份有限公司 一种电-气互联综合能源系统的多时段潮流优化方法
CN109861232A (zh) * 2019-02-22 2019-06-07 国家电网有限公司 一种基于二阶锥松弛方法的配电网动态重构降损方法
WO2020237700A1 (zh) * 2019-05-28 2020-12-03 国电南瑞科技股份有限公司 一种多能源系统运行调度方法
CN110263387A (zh) * 2019-05-29 2019-09-20 国网福建省电力有限公司 基于能源集线器的配电网、天然气网建立的综合能源系统优化运行模型及其线性处理方法
CN110322051A (zh) * 2019-06-06 2019-10-11 国网浙江省电力有限公司经济技术研究院 考虑n-1安全约束的综合能源系统优化配置方法
CN111652441A (zh) * 2020-06-04 2020-09-11 四川大学 考虑气电联合需求响应的气电综合能源系统配网优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘继春;周春燕;高红均;郭焱林;朱雨薇;: "考虑氢能-天然气混合储能的电-气综合能源微网日前经济调度优化", 电网技术, no. 01 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115015474A (zh) * 2022-04-15 2022-09-06 广东电网有限责任公司 一种电力用户的碳排放量检测方法及设备
CN115713438A (zh) * 2022-11-25 2023-02-24 国网江苏省电力有限公司常州供电分公司 综合能源系统的优化调度方法
CN115859686A (zh) * 2023-02-07 2023-03-28 山东科技大学 考虑扩展碳排放流的综合能源系统低碳调度方法及系统

Also Published As

Publication number Publication date
CN113570117B (zh) 2024-02-09

Similar Documents

Publication Publication Date Title
Aghdam et al. A stochastic optimal scheduling of multi-microgrid systems considering emissions: A chance constrained model
Chen et al. Coordinated optimal dispatch and market equilibrium of integrated electric power and natural gas networks with P2G embedded
CN113570117A (zh) 一种基于二阶锥松弛转化方法的电-气综合能源微网优化调度方法
Suo et al. New energy wide area complementary planning method for multi-energy power system
Luo et al. Optimal scheduling of micro-energy grid based on pareto frontier under uncertainty and pollutant emissions
Zhang et al. Research on two-level energy optimized dispatching strategy of microgrid cluster based on IPSO algorithm
Li et al. A novel framework for integrating solar renewable source into smart cities through digital twin simulations
Wen et al. ELCC-based capacity value estimation of combined wind-storage system using IPSO algorithm
Qu et al. Synergetic power-gas flow with space-time diffusion control of air pollutants using a convex multi-objective optimization
Shaterabadi et al. How INVELOX can affect the perspective of renewable energy exploitation: Demand response and multilateral structure planning outlook
Gbadega et al. JAYA algorithm-based energy management for a grid-connected micro-grid with PV-wind-microturbine-storage energy system
Wang et al. Flexible resource dynamic aggregation regulation method of virtual power plant to ensure more renewable energy generation
Tong et al. An intelligent scheduling control method for smart grid based on deep learning
CN112531788B (zh) 考虑多重不确定性和自趋优运行的透明微网群规划方法
Wu et al. Effects of Distributed Generation on Carbon Emission Reduction of Distribution Network
Cai et al. Day-ahead forecast of carbon emission factor based on long and short-term memory networks
Xiong et al. A method for low-carbon dispatch of PEDF (photovoltaic, energy storage, direct current and flexibility) microgrid considering indirect carbon emissions
CN105139085A (zh) 基于孤岛划分的微网微源容量优化布址方法
Zhang et al. Real-time active power dispatch for virtual power plant via a multi-agent leader-follower game approach
Wang et al. Low-carbon Operation Optimization of Regional Energy Internet Considering Carbon Capturer
Zheng et al. A modelling and optimization toolkit for integrated urban energy system
Chen et al. Research on real-time carbon emission factor prediction method for load nodes of power system based on gated recurrent cell network
Ye et al. Low carbon economic operation optimization method of micro electric network based on adaptive artificial bee colony algorithm
Hu et al. Optimal allocation of distributed generations considering demand response and multi-agent benefits
CN118095729A (zh) 考虑碳排放流和光伏不确定性的配电网低碳联合规划方法

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