CN113642165A - 考虑需求侧不确定性的电-气耦合配网的分布式优化方法 - Google Patents
考虑需求侧不确定性的电-气耦合配网的分布式优化方法 Download PDFInfo
- Publication number
- CN113642165A CN113642165A CN202110862518.6A CN202110862518A CN113642165A CN 113642165 A CN113642165 A CN 113642165A CN 202110862518 A CN202110862518 A CN 202110862518A CN 113642165 A CN113642165 A CN 113642165A
- Authority
- CN
- China
- Prior art keywords
- load
- gas
- distribution network
- transferable
- uncertainty
- 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
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 66
- 238000005457 optimization Methods 0.000 title claims abstract description 51
- 230000008878 coupling Effects 0.000 title claims abstract description 38
- 238000010168 coupling process Methods 0.000 title claims abstract description 38
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 26
- 230000004044 response Effects 0.000 claims abstract description 58
- 239000007789 gas Substances 0.000 claims description 79
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 10
- 230000014509 gene expression Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000013178 mathematical model Methods 0.000 claims description 6
- 239000003345 natural gas Substances 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 238000005520 cutting process Methods 0.000 abstract description 3
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 238000011160 research Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了考虑需求侧不确定性的电‑气耦合配网的分布式优化方法，本发明针对电‑气综合配网，研究考虑需求侧不确定性的电‑气耦合能源配网分布式优化，分别用某一区间的一个随机数表示可转移负荷、可削减负荷和可转换负荷的不确定性，在此基础之上，利用综合需求响应实现负荷曲线的削锋填谷，并将配电网和配气网作为不同的运行主体，考虑到各主体数据的隐私性，使用分布式的求解方法，在提升系统经济性的同时，平滑了系统的负荷曲线，缓解了用能压力并促进了风电资源的利用。
Description
技术领域
本发明属于大规模分布式风电并网的电-气耦合能源配网的优化运行技术领域，具体涉及考虑需求侧不确定性与需求侧资源的电-气耦合配网的分布式优化方法。
背景技术
随着市场的开放，以及需求响应管理技术的不断发展，其使电/气负荷越来越成为一种可以灵活调控的资源，并广泛参与到综合能源系统的优化运行中。系统不确定性的来源逐渐从原来的源侧逐渐过渡到源荷双侧。传统仅考虑负荷预测本身的不确定性的模型对于负荷的预测一般比较准确，随着需求响应技术的引入，负荷侧的不确定性越来越受到用户心理等行为影响，传统仅靠预测负荷来处理荷侧不确定性的方法已经不再适用于目前用户广泛参与调度的系统，须对用户响应行为的不确定性做深入的分析。同时电、气两网分属不同运营管理部门，需探求考虑数据私密性的分布式优化方法。
针对考虑需求侧资源的系统优化运行，国内外学者陆续展开了一些研究。比如：1)针对含电力需求响应的系统，进行经济调度方法的研究，探究需求响应的内在潜力。2)考虑综合需求响应，探究综合能源系统的确定性优化调度。然而，1)中重点侧重针对电力系统的研究，随着多能系统耦合程度的不断加深，电力需求响应已经逐渐过渡到包含多种能源的综合需求响应；2)中探究了综合需求响应的影响，但并未计及不确定性，实际上，用户心理具有较强的随机变化特性，其不确定性不容忽视。
发明内容
本发明的目的在于提供考虑需求侧不确定性的电-气耦合配网的分布式优化方法，解决了现有技术中存在的不能充分利用需求侧灵活性资源和无法保证数据私密性的问题。
本发明所采用的技术方案是：考虑需求侧不确定性的电-气耦合配网的分布式优化方法，具体操作步骤如下:
步骤1：建立电网可转移负荷、可削减负荷以及可转换负荷的数学模型，进一步地，给出几种灵活性负荷的不确定性表达式；
步骤2：建立电-气耦合能源配网，初始化配电网和配气网的系统参数，设定迭代求解的最大优化迭代次数，最大优化迭代次数一般不超过10次；
步骤3：先利用CPLEX求解器独立求解配电网和配气网的优化模型，得到电气两网的耦合变量，然后使用分布式优化算法，对电气两网优化模型进行迭代求解；
步骤4：根据步骤3中所获得的耦合变量信息判断是否满足收敛条件或达到最大迭代次数；若收敛或达到最大迭代次数，则输出最终结果，否则返回步骤3进行下一次迭代。
本发明的特点还在于：
步骤1中，主要包括电转气、燃气轮机和储气罐数学模型以及于配电网和配气网有关的安全运行约束，其配电网和配气网的优化目标为：
式(1)中，t为调度时间段索引，tl为可转换负荷用户索引，T为总调度时段，NTL为可转换负荷用户总数；F1和F2分别为配电网和配气网的基础运行成本，其中可转移负荷与可削减负荷已经分别转化为电网和气网的运行成本包含在F1和F2中；
为可被替代为气负荷的可转换电负荷量；
为可被替代为电负荷的可转换气负荷量；γtl,t为有关可转换负荷的拉格朗日一次惩罚系数。λtl,t为有关可转换负荷的拉格朗日二次惩罚系数。
可转移负荷、可削减负荷以及可转换负荷受用户心理的影响，呈现一定的不确定性，其表达式如下：
可转移负荷：
kup为线性区波动区间随价格变化的斜率；kdown为饱和区波动区间随价格变化的斜率；
为负荷转移率的最大波动区间；
为可转移需求响应量误差；εSL,t为可转移需求响应量误差最大值；
为可转移负荷最终响应值；PL,t为基础负荷值；Δmt为价格变化量；Δm1为最大波动区间点；
为价格变化最大值。
可削减负荷：
可转换负荷：
电-气耦合的能源系统中，电能和天然气能之间的关系如式(8)和(9)：
其中，
为电负荷需求响应后的负荷；
为参与可转移和可削减需求响应后的电负荷；
为可替代负荷随机变量；
为气负荷需求响应后的负荷；
为参与可转移和可削减需求响应后的气负荷；χeg为电-气能源转换系数。当
为正时表示电负荷由气负荷替代，当
为负时表示气负荷由电负荷替代，其中，
如式(10)，
LTL,t为可替代负荷应该响应量；
为可替代负荷相应误差的模糊量，其模糊表示如下：
其中，kTL为可替代响应系数。
经过三种需求响应后的实际电/气负荷分别如下：
其中，
为电负荷量，
为气负荷量，
为可转移电负荷的最终响应量，
为可转移气负荷的最终响应量，
为用户实际气负荷响应量。
步骤2中，初始化系统参数后，分别求解配电网和配气网的优化模型，得到关于配电网和配气网的耦合变量信息。
步骤2中，电-气耦合能源配网中电网和气网分属不同运营主体，采用分布式优化算法进行两网的分布式协调优化，电网将优化所得的耦合变量信息传递给气网，气网再将优化所得的耦合变量信息反馈给电网。
步骤4中，需要满足耦合变量约束，具体表达式如下：
具体实施时，耦合变量及系统成本需满足最小收敛约束，具体表达式如下：
其中，Fe,t指配电网总体运行成本，Fgas,t指配气网总体运行成本，ε1与ε2为收敛性阈值。
本发明的有益效果是：
本发明考虑需求侧资源不确定性的同时，利用需求响应提高系统应对风电的消纳能力，达到削锋填谷的目的。
本发明考虑到电网和气网分属不同的运营部门，采用分布式优化算法进行优化，可以保证两网的数据私密性。
附图说明
图1是本发明考虑需求侧不确定性的电-气耦合配网的分布式优化方法的流程图。
图2是本发明方法用于实例的配网系统示意图。
图3是本发明方法中波动区间随价格变化示意图。
图4是本发明方法中分布式优化求解后综合需求响应参与的电力负荷曲线。
图5是本发明方法中分布式优化求解后综合需求响应参与的天然气负荷曲线。
图6是本发明方法中分布式优化求解的示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明考虑需求侧不确定性的电-气耦合配网的分布式优化方法的流程如图1所示，具体操作步骤如下：
步骤1：建立可转移负荷、可削减负荷以及可转换负荷的数学模型，进一步地，给出几种灵活性负荷的不确定性表达式。
步骤2：建立电-气耦合能源配网，初始化配电网和配气网的系统参数，设定迭代求解的最大优化迭代次数。
步骤3：先利用CPLEX求解器独立求解配电网和配气网的优化模型，得到电气两网的耦合变量。然后使用分布式优化算法(如图6所示)，对电气两网优化模型进行迭代求解。
步骤4：根据步骤3中所获得的耦合变量信息判断是否满足收敛条件或达到最大迭代次数。若收敛或达到最大迭代次数，则输出最终结果，否则返回步骤3进行下一次迭代。
进一步，在步骤1中主要包括可转移负荷、可削减负荷以及可转换负荷数学模型以及与电网和气网有关的约束，电网和气网的优化目标为：
式(1)中，F1和F2分别为配电网和配气网本身的基础运行成本，其中可转移负荷与可削减负荷已经分别转化为电网和气网的运行成本包含在F1和F2中；
为可被替代为气负荷的可转换电负荷量；
为可被替代为电负荷的可转换气负荷量；γtl,t为有关可转换负荷的拉格朗日一次惩罚系数；λtl,t为有关可转换负荷的拉格朗日二次惩罚系数。
可转移负荷、可削减负荷以及可转换负荷受用户心理的影响，呈现一定的不确定性，其表达式如下：
可转移负荷：
kup为线性区波动区间随价格变化的斜率；kdown为饱和区波动区间随价格变化的斜率；
为负荷转移率的最大波动区间；
为可转移需求响应量误差；εSL,t为可转移需求响应量误差最大值(如图3所示)；
为可转移负荷最终响应值；PL,t为基础负荷值。
可削减负荷：
可转换负荷：
电-气耦合的能源系统中，用户可以根据电价、气价以及用能习惯等自主的调节用能的方式，比如冬季取暖的方式，既可以通过空调耗电供暖，也可以通过燃烧天然气供暖，两种能源之间存在一定的替代关系，电能和天然气能之间的关系如式(8)和(9)：
其中，
为电负荷需求响应后的负荷；
为参与可转移和可削减需求响应后的电负荷；
为可替代负荷随机变量；
为气负荷需求响应后的负荷；
为参与可转移和可削减需求响应后的气负荷；χeg为电-气能源转换系数。当
为正时表示电负荷由气负荷替代，当
为负时表示气负荷由电负荷替代，其中，
如式(10)。
LTL,t为可替代负荷应该响应量；
为可替代负荷相应误差的模糊量，其模糊表示如下。
经过三种需求响应后的实际电/气负荷分别如下：
在步骤3中电网和气网分属独立的不同主体，采用分布式优化算法进行电网和气网的协调优化。
在步骤3中需要满足耦合约束，具体表达式如下：
具体实施时，耦合变量及系统成本需满足最小收敛约束，具体表达式如下：
其中，Fe,t指配电网运行总体成本，Fgas,t指配气网运行总体成本，ε1与ε2为收敛性阈值。
实施例
下面通过具体实施例说明本发明有益效果。
为了例证所提出的模型方法的系统拓扑，以IEEE 33节点配电网和24节点配气网构成的电-气耦合能源系统结构如附图2所示。
通过本发明所提模型，分别对考虑需求侧不确定性和不考虑需求侧不确定性进行对比分析。
具体结果见附图4-5。
其中，图4为电网灵活性负荷响应后的负荷曲线；图5为气网灵活性负荷响应后的负荷；
由图4可以得出当仅考虑需求响应而不考虑其不确定性时，优化后的负荷曲线更加理想，它会在负荷相对较高的所有时段转移、削减或准换负荷，而由图中可以看出，在上午9:00的负荷相对于高峰时期来说相对较少，但仍有可转移负荷参与响应，结果理想化。当考虑到不确定性时的负荷曲线相比于不考虑不确定性时的曲线波动性更强，若不在优化模型中考虑用户响应的不确定性，将在上午9:00和晚上24:00产生较大的调度计划误差。
与电网负荷曲线相似，由图5可以得出，考虑到响应的不确定性后，气负荷曲线相比于不考虑不确定性时在上午9:00和10:00以及下午16:00和18:00呈现出明显的差异，若忽略这些不确定性因素会使得调度计划制定不合理，使得上午9:00和10:00气负荷供应不足，而使得16:00和18:00供气过剩，造成不必要的经济损失，影响用户正常的用气需求。
通过上说案例说明，本发明考虑需求侧灵活性资源并计及其不确定性，可以实现负荷的削锋填谷，有利于平滑系统的负荷曲线，缓解了电网和气网高峰时刻的用能压力，进一步地，将会促进可再生能源的消纳，进一步提高可再生能源的并网容量。
Claims (5)
1.考虑需求侧不确定性的电-气耦合配网的分布式优化方法，其特征在于，具体操作过程包括如下步骤：
步骤1：建立电网可转移负荷、可削减负荷以及可转换负荷的数学模型，进一步地，给出几种灵活性负荷的不确定性表达式；
步骤2：建立电-气耦合能源配网，初始化配电网和配气网的系统参数，设定迭代求解的最大优化迭代次数；
步骤3：先利用CPLEX求解器独立求解配电网和配气网的优化模型，得到电气两网的耦合变量，然后使用分布式优化算法，对电气两网优化模型进行迭代求解；
步骤4：根据步骤3中所获得的耦合变量信息判断是否满足收敛条件或达到最大迭代次数；若收敛或达到最大迭代次数，则输出最终结果，否则返回步骤3进行下一次迭代。
2.根据权利要求1所述的考虑需求侧不确定性的电-气耦合配网的分布式优化方法，其特征在于，步骤1中，主要包括电转气、燃气轮机和储气罐数学模型以及于配电网和配气网有关的安全运行约束，其配电网和配气网的优化目标为：
式(1)中，t为调度时间段索引，tl为可转换负荷用户索引，T为总调度时段，NTL为可转换负荷用户总数；F1和F2分别为配电网和配气网的基础运行成本，其中可转移负荷与可削减负荷已经分别转化为电网和气网的运行成本包含在F1和F2中；
为可被替代为气负荷的可转换电负荷量；
为可被替代为电负荷的可转换气负荷量；γtl,t为有关可转换负荷的拉格朗日一次惩罚系数；λtl,t为有关可转换负荷的拉格朗日二次惩罚系数；
可转移负荷、可削减负荷以及可转换负荷受用户心理的影响，呈现一定的不确定性，其表达式如下：
可转移负荷：
kup为线性区波动区间随价格变化的斜率；kdown为饱和区波动区间随价格变化的斜率；
为负荷转移率的最大波动区间；
为可转移需求响应量误差；εSL,t为可转移需求响应量误差最大值；
为可转移负荷最终响应值；PL,t为基础负荷值；Δmt为价格变化量；Δm1为最大波动区间点；
为价格变化最大值；
可削减负荷：
可转换负荷：
电-气耦合的能源系统中，电能和天然气能之间的关系如式(8)和(9)：
其中，
为电负荷需求响应后的负荷；
为参与可转移和可削减需求响应后的电负荷；
为可替代负荷随机变量；
为气负荷需求响应后的负荷；
为参与可转移和可削减需求响应后的气负荷；χeg为电-气能源转换系数；当
为正时表示电负荷由气负荷替代，当
为负时表示气负荷由电负荷替代，其中，
如式(10)，
LTL,t为可替代负荷应该响应量；
为可替代负荷相应误差的模糊量，其模糊表示如下：
其中，kTL为可替代响应系数；
经过三种需求响应后的实际电/气负荷分别如下：
其中，
为电负荷量，
为气负荷量，
为可转移电负荷的最终响应量，
为可转移气负荷的最终响应量，
为用户实际气负荷响应量。
3.根据权利要求1所述的考虑需求侧不确定性的电-气耦合配网的分布式优化方法，其特征在于，步骤2中，初始化系统参数后，分别求解配电网和配气网的优化模型，得到关于配电网和配气网的耦合变量信息。
4.根据权利要求3所述的考虑需求侧不确定性的电-气耦合配网的分布式优化方法，其特征在于，步骤2中，电-气耦合能源配网中电网和气网分属不同运营主体，采用分布式优化算法进行两网的分布式协调优化，电网将优化所得的耦合变量信息传递给气网，气网再将优化所得的耦合变量信息反馈给电网。
5.根据权利要求1所述的考虑需求侧不确定性的电-气耦合配网的分布式优化方法，其特征在于，步骤4中，需要满足耦合变量约束，具体表达式如下：
具体实施时，耦合变量及系统成本需满足最小收敛约束，具体表达式如下：
其中，Fe,t指配电网总体运行成本，Fgas,t指配气网总体运行成本，ε1与ε2为收敛性阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110862518.6A CN113642165B (zh) | 2021-07-29 | 2021-07-29 | 考虑需求侧不确定性的电-气耦合配网的分布式优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110862518.6A CN113642165B (zh) | 2021-07-29 | 2021-07-29 | 考虑需求侧不确定性的电-气耦合配网的分布式优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113642165A true CN113642165A (zh) | 2021-11-12 |
| CN113642165B CN113642165B (zh) | 2024-04-12 |
Family
ID=78418851
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110862518.6A Active CN113642165B (zh) | 2021-07-29 | 2021-07-29 | 考虑需求侧不确定性的电-气耦合配网的分布式优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113642165B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110245878A (zh) * | 2019-06-27 | 2019-09-17 | 华翔翔能电气股份有限公司 | 智能楼宇群体的分布式综合能源需求响应协同优化方法 |
| CN111049135A (zh) * | 2019-12-30 | 2020-04-21 | 国网吉林省电力有限公司 | 一种多区域电气耦合系统的分布式两阶段合作运行方法 |
| CN111523249A (zh) * | 2020-05-27 | 2020-08-11 | 福州大学 | 一种考虑源荷不确定性的数据驱动鲁棒优化调度方法 |
| CN112016195A (zh) * | 2020-08-10 | 2020-12-01 | 浙江大学 | 一种考虑供能可靠性的电气耦合系统柔性规划方法 |
| CN112464477A (zh) * | 2020-11-27 | 2021-03-09 | 国网山东省电力公司青岛供电公司 | 计及需求响应的多能耦合综合能源运行仿真方法 |
| CN112966855A (zh) * | 2021-02-09 | 2021-06-15 | 西安理工大学 | 考虑风电不确定性的电-气耦合能源配网协调优化方法 |
| CN112989576A (zh) * | 2021-02-19 | 2021-06-18 | 四川大学 | 基于实时需求响应评估能源信息耦合系统可靠性的方法 |
-
2021
- 2021-07-29 CN CN202110862518.6A patent/CN113642165B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110245878A (zh) * | 2019-06-27 | 2019-09-17 | 华翔翔能电气股份有限公司 | 智能楼宇群体的分布式综合能源需求响应协同优化方法 |
| CN111049135A (zh) * | 2019-12-30 | 2020-04-21 | 国网吉林省电力有限公司 | 一种多区域电气耦合系统的分布式两阶段合作运行方法 |
| CN111523249A (zh) * | 2020-05-27 | 2020-08-11 | 福州大学 | 一种考虑源荷不确定性的数据驱动鲁棒优化调度方法 |
| CN112016195A (zh) * | 2020-08-10 | 2020-12-01 | 浙江大学 | 一种考虑供能可靠性的电气耦合系统柔性规划方法 |
| CN112464477A (zh) * | 2020-11-27 | 2021-03-09 | 国网山东省电力公司青岛供电公司 | 计及需求响应的多能耦合综合能源运行仿真方法 |
| CN112966855A (zh) * | 2021-02-09 | 2021-06-15 | 西安理工大学 | 考虑风电不确定性的电-气耦合能源配网协调优化方法 |
| CN112989576A (zh) * | 2021-02-19 | 2021-06-18 | 四川大学 | 基于实时需求响应评估能源信息耦合系统可靠性的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李子林;刘蓉晖;: "考虑需求侧响应的含储能区域综合能源系统运行优化", 现代电力, no. 06, 10 December 2019 (2019-12-10) * |
| 黄伟;柳思岐;叶波;: "考虑源-荷互动的园区综合能源系统站-网协同优化", 电力系统自动化, no. 14, 25 July 2020 (2020-07-25) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113642165B (zh) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111738502B (zh) | 促进富余风电消纳的多能互补系统需求响应运行优化方法 | |
| Li et al. | Sizing of a stand-alone microgrid considering electric power, cooling/heating, hydrogen loads and hydrogen storage degradation | |
| Li et al. | A novel bi-level robust game model to optimize a regionally integrated energy system with large-scale centralized renewable-energy sources in Western China | |
| CN103544372B (zh) | 一种微型燃气轮机热电联供系统的机组选型方法 | |
| CN112465181A (zh) | 一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法 | |
| CN114336702B (zh) | 基于双层随机规划的风光储场站群功率分配协同优化方法 | |
| CN114744687A (zh) | 一种虚拟电厂的能源调控方法及系统 | |
| CN107392366A (zh) | 计及用户行为分析的综合能源系统供需双侧综合优化方法 | |
| CN114865631A (zh) | 源荷协同降碳的综合能源系统最优分布鲁棒经济调度方法 | |
| CN113780663A (zh) | 基于碳交易模型的综合能源系统低碳调度方法和系统 | |
| CN115860413A (zh) | 基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网系统经济调度方法 | |
| CN114998052A (zh) | 考虑需求响应的综合能源系统低碳经济优化运行方法 | |
| CN115170343A (zh) | 一种区域综合能源系统分布式资源和储能协同规划方法 | |
| Azimi et al. | A new approach on quantification of flexibility index in multi-carrier energy systems towards optimally energy hub management | |
| Wu et al. | Dynamic pricing and energy management of hydrogen-based integrated energy service provider considering integrated demand response with a bi-level approach | |
| CN117096864A (zh) | 一种区域综合能源系统-主配电网博弈优化调度方法 | |
| CN114971372A (zh) | 基于需求响应的微能网多时空尺度优化调度方法 | |
| Yang et al. | Optimal dispatch for a combined cooling, heating and power microgrid considering building virtual energy storage | |
| Ji et al. | Optimal schedule of solid electric thermal storage considering consumer behavior characteristics in combined electricity and heat networks | |
| Du et al. | A data-driven home energy scheduling strategy under the uncertainty in photovoltaic generations | |
| CN113642165A (zh) | 考虑需求侧不确定性的电-气耦合配网的分布式优化方法 | |
| CN116244927A (zh) | 一种零碳岛屿能源系统优化方法、装置、设备和存储介质 | |
| CN110867902A (zh) | 基于发电预测的微电网分布式电源去中心优化运行方法 | |
| CN114374232B (zh) | 一种考虑需求响应的综合能源系统两阶段优化调度方法 | |
| He et al. | Worst CVaR based energy management for generalized energy storage enabled building-integrated energy systems |
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 |