CN113659627A - 一种含光伏发电和液态空气储能的微电网优化调度方法 - Google Patents

一种含光伏发电和液态空气储能的微电网优化调度方法 Download PDF

Info

Publication number
CN113659627A
CN113659627A CN202110979278.8A CN202110979278A CN113659627A CN 113659627 A CN113659627 A CN 113659627A CN 202110979278 A CN202110979278 A CN 202110979278A CN 113659627 A CN113659627 A CN 113659627A
Authority
CN
China
Prior art keywords
energy storage
day
liquid air
air energy
microgrid
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
CN202110979278.8A
Other languages
English (en)
Inventor
王春生
谢浩
曹原
胡玉坤
王珠峰
何书航
卢天浩
曾瑞芳
雷鸣
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.)
Central South University
Original Assignee
Central South 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 Central South University filed Critical Central South University
Priority to CN202110979278.8A priority Critical patent/CN113659627A/zh
Publication of CN113659627A publication Critical patent/CN113659627A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • H02J15/006—Systems for storing electric energy in the form of pneumatic energy, e.g. compressed air energy storage [CAES]
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
    • 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
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种含光伏发电和液态空气储能的微电网优化调度方法，包括：获取微电网的网络拓扑结构及调度数据；以最小化微电网的运行成本为目标，建立日前优化调度模型；使用GAMS软件优化求解日前优化调度模型；以最小化微电网中联络线交换功率及储能状态的日前计划值与日内实际值偏差为目标，建立日内滚动优化调度模型；使用MATLAB软件中的quadprog函数优化求解日内滚动优化调度模型。本发明通过多时间尺度优化运行方法来进行日前、日内能量管理，具有控制效果好、鲁棒性强的优点，非常适合应用于本文含多种不确定性因素的微电网优化调度问题，有效保证了系统的安全稳定经济运行。

Description

一种含光伏发电和液态空气储能的微电网优化调度方法
技术领域：
本发明属于微电网调度控制技术领域，具体涉及一种含光伏发电和液态空气储能的微电网优化调度方法。
背景技术：
世界经济的不断发展壮大是基于大量能源消耗的背景之下的，怎样合理高效的利用能源成为世界性的一个问题。《中华人民共和国2019年国民经济和社会发展统计公报》显示，我国目前的能源消费中煤炭消费量占能源消费总量的57.7％，2019年能源消费总量48.6亿吨标准煤，比上年增长3.3％。而煤炭能源的消耗主要应用于火力发电，火电在电力生产中占有绝对的主导地位，由此带来了一系列环境问题。光伏发电作为一种解决环境污染的有效手段，越来越受到政府和社会的重视。2019年中国可再生能源继续快速发展，光伏发电首次突破2亿千瓦。
光伏发电接入管理的主要趋势是微电网技术，微电网包括分布式电源、负荷、储能装置及保护装置等组成部分，既可以独立运行也能并网运行。由于光伏出力是间歇性的，将对微电网产生冲击，从而影响电能质量，而储能装置是平衡其波动的解决方案，因此电能储存技术作为微电网中关键一环在过去十年中得到广泛关注。液态空气储能技术是一种新型大规模储能技术，其储能密度大、易于存储，同时受地理条件的限制较小，在未来电网上有巨大的应用潜力。
微电网优化调度方法又称为微电网控制方法，该微电网优化调度方法主要是控制微电网中液态空气储能、微型燃气轮机的出力来消纳光伏发电，达到维持系统稳定的目的。由于日前短期光伏预测以及微电网内部负荷功率预测都存在较大误差，光靠日前预测进行优化调度，其误差较大而不足以满足精度的要求，由此考虑分为日前和日内两个阶段来进行调度。日内调度阶段考虑使用模型预测控制方法，该方法基于滚动优化和反馈校正的思想，具有控制效果好、鲁棒性强的优点，非常适合应用于含多种不确定性因素的微电网优化调度问题。
综上所述，在微电网的控制中，迫切需要对内部调度资源进行整合，实现系统的安全稳定经济运行。
发明内容：
针对现有存在的技术问题，本发明提供一种含光伏发电和液态空气储能的微电网优化调度方法。该方法以光伏发电、液态空气储能、微型燃气轮机以及微电网内部负荷为调度资源通过日前-日内协调优化调度的思想来优化运行成本，主要分为日前优化调度和日内滚动优化调度，在日前优化调度阶段，在光伏发电、微电网内部负荷的日前预测功率基础上综合考虑市场电价和各项约束，从而制定下一日的基本发电计划；由于日前预测误差较大，在日内滚动优化调度阶段，基于模型预测控制的思想进行滚动修正，从而对各分布式电源和液态空气储能的出力计划优化调整。该方法能够有效减少微电网运行成本，是一种有效的调度方案。
本发明提供一种含光伏发电和液态空气储能的微电网优化调度方法，包括：
第一方面，建立日前优化调度模型，该优化调度模型是一个混合整数非线性规划问题，以每小时为一周期对微型燃气轮机和液态空气储能进行优化调度。日前调度过程如下：
步骤1、目标函数以最小化微电网的运行成本为目标，运行成本分为微型燃气轮机运行成本、光伏发电运行成本、液态空气储能运行成本、购电成本和售电收益五个部分；
步骤2、在光伏发电、微电网内部负荷的日前预测功率基础上，综合考虑各项条件，从而建立日前尺度下的运行约束，包括功率平衡约束、联络线功率约束、备用容量约束、微型燃气轮机出力约束、光伏出力约束和液态空气储能约束；
步骤3、利用GAMS软件来进行优化求解工作，从而得到下一日每小时的基本发电计划。
第二方面，建立日内滚动优化调度模型，该优化调度模型是基于日前优化调度所得出的基本发电计划基础之上，调度周期为五分钟。在日内调度阶段借鉴模型预测控制的思想，过程如下：
步骤1、建立预测模型，基于光伏发电以及微电网内部负荷的超短期功率预测数据来对系统未来的状态进行预测，该模型的建立方式如下：
以微型燃气轮机发电功率、液态空气储能充放电功率、联络线交换功率以及储能状态作为状态变量，构成状态向量x(k)；
以微型燃气轮机和液态空气储能增量作为控制变量，构成控制向量u(k)；
以微电网内部负荷及光伏的超短期预测功率增量作为扰动输入变量，构成扰动输入向量r(k)；
以联络线交换功率及储能状态作为输出变量，构成输出向量y(k)。
步骤2、通过控制日前计划值与日内预测值之间的误差来确保联络线功率及储能状态的准确跟踪，从而将日内滚动优化调度问题转化为一个二次规划问题，具体步骤如下：
通过预测模型在预测时长内得出联络线交换功率及储能状态的预估输出值，其组合在一起可以构成向量Yk；
选取联络线交换功率及储能状态在预测时长内的日前计划值构成向量Rk；
将日前计划值和日内预测值二者间的误差最小值作为目标函数，同时考虑日内尺度下的运行约束，分为可调度机出力及爬坡约束、液态空气储能出力及爬坡约束和储能状态约束。
步骤3、对二次规划模型进行求解，将求解后得到在控制时域内的机组出力调整量优化控制序列，并仅将其作用在之后的第一个调度周期。在下一个调度周期，重复进行以上步骤即可。
本发明的有益效果为：
(1)考虑将液态空气储能作为储能装置，其具有储能密度高、容量大、发电时间长、储能成本较低以及无地理条件限制等优势；
(2)借鉴模型预测控制的思想，本发明提供了一种针对含光伏发电、微型燃气轮机组及液态空气储能的微电网多时间尺度优化调度方法；
(3)将模型预测控制方法应用于日内滚动优化调度，可通过滚动修正来尽量消除光伏发电、微电网内部负荷的日前预测误差所造成的日内实际计划的偏离；
(4)与传统的微电网优化调度方法相比，该方法可以尽可能消除该微电网中光伏发电、微电网内部负荷以及市场电价等多方面不确定性因素的影响。
附图说明：
图1是本发明实施例提供的一种含光伏发电和液态空气储能的微电网优化调度方法流程示意图；
图2是本发明实施提供的日前-日内优化调度结构图；
图3是本发明实例提供的微电网的拓扑结构图。
具体实施方式：
为了使本发明得到更好的解释，下面结合附图对本发明的原理和特征进行描述，所举实例只是本发明一部分实例，并非用于限定本发明的范围。
图1为本发明实施例提供的一种含光伏发电和液态空气储能的微电网优化调度方法流程示意图，在执行该流程时，考虑调度资源在日前尺度下的运行约束，基于光伏发电、微电网内部负荷的日前预测功率来进行日前优化调度，日前优化调度的预测时长为24h，单位调度时长为1h；考虑调度资源在日内尺度下的运行约束，基于日前优化调度所得出的基本发电计划基础来进行日内滚动优化调度，日内滚动优化调度预测时长为1h，单位调度时长为5min，图2即是描述该流程的日前-日内优化调度结构图。本发明实例的执行主体可为计算机等设备，优化调度方法的具体步骤如下：
S1、获取微电网的网络拓扑结构及调度数据；
微电网的网络拓扑结构可从微电网电力系统调度中心获取，图3为简化后的网络拓扑结构图，此外，微电网的调度数据可在该中心的服务器中获取。
S2、以最小化微电网的运行成本为目标，建立日前优化调度模型；
日前优化调度模型的目标函数如下：
Figure BDA0003228505420000031
式中：C表示日前总运行成本；t为日前优化调度的时段；CFCC、CMC、CPEC分别表示燃料耗量成本、维护成本、污染排放成本；CLAES表示液态空气储能发电成本；CEPC、CESI分别表示微电网从大电网购电费用、微电网向大电网售电收益；
Figure BDA0003228505420000032
分别表示微型燃气轮机在t时段的出力、光伏发电在t时段的出力、液态空气储能在t时段的充放电功率、微电网与大电网之间的联络线功率，其中，
Figure BDA0003228505420000033
为正值时表示放电，
Figure BDA0003228505420000034
为负值时表示充电，
Figure BDA0003228505420000035
为正值时表示微电网从大电网购电，
Figure BDA0003228505420000036
为负值时表示微电网向大电网售电。
该模型的约束条件包括：
功率平衡约束：
Figure BDA0003228505420000037
式中：
Figure BDA0003228505420000038
表示t时段的微电网内部负荷功率。
联络线功率约束：
Figure BDA0003228505420000041
式中：
Figure BDA0003228505420000042
和
Figure BDA0003228505420000043
分别为联络线交换功率的最小值和最大值。
备用容量约束：
Figure BDA0003228505420000044
式中：Rt表示备用率。
微型燃气轮机出力约束：
Figure BDA0003228505420000045
Figure BDA0003228505420000046
式中：
Figure BDA0003228505420000047
和
Figure BDA0003228505420000048
分别为微型燃气轮机出力的最小值和最大值；
Figure BDA0003228505420000049
和
Figure BDA00032285054200000410
分别为微型燃气轮机爬坡功率的最小值和最大值。
光伏出力约束：
Figure BDA00032285054200000411
式中：
Figure BDA00032285054200000412
和
Figure BDA00032285054200000413
分别为光伏出力的最小值和最大值。
液态空气储能约束：
当液态空气储能处于充电状态时，即
Figure BDA00032285054200000414
时，压缩功率和平均空气质量流率间的关系约束如下：
Figure BDA00032285054200000415
式中：
Figure BDA00032285054200000416
表示t时段流入的平均空气质量流率；cP,air表示空气比热容；TCin表示压缩机进气温度；nC为压缩机级数；πC,s表示第s级压缩机的压缩比；k为空气的比热比；ηC,pol表示压缩过程效率。
当液态空气储能处于放电状态时，即
Figure BDA00032285054200000417
时，发电功率和平均空气质量流率间的关系约束如下：
Figure BDA00032285054200000418
式中：
Figure BDA00032285054200000419
表示t时段流出的平均空气质量流率；TGin表示膨胀机进气温度；nG为膨胀机级数；πG,s表示第s级膨胀机的膨胀比；ηG,pol表示膨胀过程效率。
假定储液室不存在同时进出的情况，储液室液体质量的变化与进/出平均空气质量流率间的关系约束如下：
Figure BDA00032285054200000420
式中：L表示液化率。
储能状态约束如下：
Figure BDA0003228505420000051
式中：
Figure BDA0003228505420000052
为t时段液态空气储能的储能状态。
储能剩余容量约束如下：
Figure BDA0003228505420000053
式中：
Figure BDA0003228505420000054
和
Figure BDA0003228505420000055
分别为液态空气储能的储能状态最小值和最大值。
储能充放电功率约束：
当液态空气储能处于充电状态时，即
Figure BDA0003228505420000056
时，储能充电功率约束如下：
Figure BDA0003228505420000057
式中：
Figure BDA0003228505420000058
为液态空气储能充电功率最大值。
当液态空气储能处于放电状态时，即
Figure BDA0003228505420000059
时，储能放电功率约束如下：
Figure BDA00032285054200000510
式中：
Figure BDA00032285054200000511
为液态空气储能放电功率最大值。
储能状态周期性约束如下：
Figure BDA00032285054200000512
S3、使用GAMS软件优化求解日前优化调度模型；
该优化调度模型是一种混合整数非线性规划模型，商业软件GAMS是一种数学编程和优化的高级建模系统，通过该软件调用内部的CPLEX求解器来进行求解工作。
S4、以最小化微电网中联络线交换功率及储能状态的日前计划值与日内预测值偏差为目标，建立日内滚动优化调度模型；
日内滚动优化调度模型中的预测模型如下：
当液态空气储能处于充电状态时，即
Figure BDA00032285054200000513
时，状态空间预测模型如下：
Figure BDA00032285054200000514
Figure BDA0003228505420000061
当液态空气储能处于放电状态时，即
Figure BDA0003228505420000062
时，状态空间预测模型如下：
Figure BDA0003228505420000063
Figure BDA0003228505420000064
由状态空间预测模型所得出的联络线交换功率及储能状态的预测值，这些预测值构成向量Yk，其形式如下：
Yk＝[Pgrid(k+1),SLAES(k+1),…,Pgrid(k+p),SLAES(k+p)]T
由日前优化调度模型所得出的联络线交换功率及储能状态的日前计划值，这些计划值又可称为参考值，构成向量Rk，其形式如下：
Figure BDA0003228505420000065
通过控制日前计划值与日内预测值之间的误差来确保联络线功率及储能状态的准确跟踪，从而将日内滚动优化调度问题转化为一个二次规划问题，其表达形式如下：
minJ(Uk)＝(Rk-Yk)TQ(Rk-Yk)+Uk TWUk
式中：
Figure BDA0003228505420000066
为联络线功率跟踪误差和储能状态跟踪误差的权重系数矩阵，W为控制量的权重系数矩阵。
该模型的约束条件包括：
微型燃气轮机出力约束：
Figure BDA0003228505420000067
Figure BDA0003228505420000068
液态空气储能约束：
Figure BDA0003228505420000071
Figure BDA0003228505420000072
S5、使用MATLAB软件中的quadprog函数优化求解日内滚动优化调度模型。
quadprog函数为MATLAB软件中二次规划问题的求解函数，通过该函数进行求解从而得出Uk，将Uk的第一个和第二个元素提取出来，作为该时刻之后第一个调度周期的控制量。在下一个调度周期，重复进行以上步骤即可。
本发明提供了一种含光伏发电和液态空气储能的微电网优化调度方法，包括：获取微电网的网络拓扑结构及历史数据；以最小化微电网的运行成本为目标，建立日前优化调度模型；使用GAMS软件优化求解日前优化调度模型；以最小化微电网中联络线交换功率及储能状态的日前计划值与日内预测值偏差为目标，建立日内滚动优化调度模型；使用MATLAB软件中的quadprog函数优化求解日内滚动优化调度模型。本发明通过多时间尺度优化运行方法来进行日前、日内能量管理，具有控制效果好、鲁棒性强的优点，非常适合应用于本文含多种不确定性因素的微电网优化调度问题，有效保证了系统的安全稳定经济运行。
本文中应用具体实例对本发明的原理及实施方式进行了相应阐述，以上所述实施例，用于对本发明进行说明，并非是对本发明的限制。相关领域技术人员应该明白，在不脱离本发明的精神和范围的情况下做出各种变换或变型也应该属于本发明的范畴，应由权利要求所限定。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种含光伏发电和液态空气储能的微电网优化调度方法，其特征在于，包括如下步骤：
S1、获取微电网的网络拓扑结构及调度数据；
S2、以最小化微电网的运行成本为目标，建立日前优化调度模型；
S3、使用GAMS软件优化求解日前优化调度模型；
S4、以最小化微电网中联络线交换功率及储能状态的日前计划值与日内实际值偏差为目标，建立日内滚动优化调度模型；
S5、使用MATLAB软件中的quadprog函数优化求解日内滚动优化调度模型。
2.根据权利要求1所述的含光伏发电和液态空气储能的微电网优化调度方法，其特征是：
所述步骤S1中，调度数据包括装机容量、污染排放系数、运行维护成本系数、污染排放系数、液态空气储能发电成本系数、联络线交换功率限值、光伏出力限值、光伏出力功率爬坡限值、微型燃气轮机出力限值、微型燃气轮机出力功率爬坡、液态空气储能充放电功率限值、液态空气储能剩余容量限值、压缩机效率、膨胀机效率、空气比热容、液化率和市场电价。
3.根据权利要求1所述的含光伏发电和液态空气储能的微电网优化调度方法，其特征是：
所述步骤S2中，日前优化调度模型的函数C为以最小化微电网的运行成本为目标，该运行成本包括微型燃气轮机燃料成本、微型燃气轮机和光伏维护成本、微型燃气轮机污染排放成本、液态空气储能发电成本、购电费用和售电收益，此外该目标函数受日前尺度下的运行约束。
4.根据权利要求3所述的含光伏发电和液态空气储能的微电网优化调度方法，其特征是：
所述日前尺度下的运行约束包括功率平衡约束、联络线功率约束、备用容量约束、微型燃气轮机出力约束、光伏出力约束及液态空气储能约束。
5.根据权利要求1所述的含光伏发电和液态空气储能的微电网优化调度方法，其特征是：
所述步骤S3中，在光伏发电、微电网内部负荷日前预测功率的基础上求解日前优化调度模型，所得结果包括微型燃气轮机出力、液态空气储能充放电功率以及联络线交换功率。
6.根据权利要求1所述的含光伏发电和液态空气储能的微电网优化调度方法，其特征是：
所述步骤S4中，建立日内滚动优化调度模型包括以下步骤：
建立状态空间预测模型，选取微型燃气轮机发电功率、液态空气储能充放电功率、联络线交换功率以及储能状态作为状态变量为状态变量，选取微型燃气轮机和液态空气储能增量为控制变量，选取微电网内部负荷及光伏的超短期预测功率增量为扰动输入，选取联络线交换功率和储能状态为输出变量。选取联络线交换功率和储能状态预测值构成预测向量，选取联络线交换功率和储能状态计划值为参考向量，将二者进行比较，以最小化微电网中联络线交换功率及储能状态的日前计划值与日内预测值偏差为目标，从而构建一个二次规划问题，同时受日内尺度下的运行约束。
7.根据权利要求6所述的含光伏发电和液态空气储能的微电网优化调度方法，其特征是：
所述日内尺度下的运行约束包括微型燃气轮机出力约束和液态空气储能的约束。
8.根据权利要求1所述的含光伏发电和液态空气储能的微电网优化调度方法，其特征是：
所述步骤S5中，求解日内滚动优化调度模型转化出的二次规划问题所得出的控制量，将控制量中第一个和第二个元素提取出来，作用在该时刻之后第一个调度周期。
CN202110979278.8A 2021-08-25 2021-08-25 一种含光伏发电和液态空气储能的微电网优化调度方法 Pending CN113659627A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110979278.8A CN113659627A (zh) 2021-08-25 2021-08-25 一种含光伏发电和液态空气储能的微电网优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110979278.8A CN113659627A (zh) 2021-08-25 2021-08-25 一种含光伏发电和液态空气储能的微电网优化调度方法

Publications (1)

Publication Number Publication Date
CN113659627A true CN113659627A (zh) 2021-11-16

Family

ID=78481885

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110979278.8A Pending CN113659627A (zh) 2021-08-25 2021-08-25 一种含光伏发电和液态空气储能的微电网优化调度方法

Country Status (1)

Country Link
CN (1) CN113659627A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114336762A (zh) * 2022-01-10 2022-04-12 南通大学 风光发电及电网负荷波动日前调度储能配置优化方法
CN115001037A (zh) * 2022-06-06 2022-09-02 国网山东省电力公司潍坊供电公司 一种多目标多时间尺度协同的储能系统调度运行方法
CN115189377A (zh) * 2022-08-01 2022-10-14 四川大学 基于光伏发电量预测的微网优化调度方法、装置和设备

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114336762A (zh) * 2022-01-10 2022-04-12 南通大学 风光发电及电网负荷波动日前调度储能配置优化方法
CN114336762B (zh) * 2022-01-10 2023-08-25 南通大学 风光发电及电网负荷波动日前调度储能配置优化方法
CN115001037A (zh) * 2022-06-06 2022-09-02 国网山东省电力公司潍坊供电公司 一种多目标多时间尺度协同的储能系统调度运行方法
CN115001037B (zh) * 2022-06-06 2024-03-29 国网山东省电力公司潍坊供电公司 一种多目标多时间尺度协同的储能系统调度运行方法
CN115189377A (zh) * 2022-08-01 2022-10-14 四川大学 基于光伏发电量预测的微网优化调度方法、装置和设备
CN115189377B (zh) * 2022-08-01 2023-04-18 四川大学 基于光伏发电量预测的微网优化调度方法、装置和设备

Similar Documents

Publication Publication Date Title
CN109325608B (zh) 考虑储能并计及光伏随机性的分布式电源优化配置方法
CN110544935B (zh) 一种电-氢多能互补直流微电网协调调度方法
CN113659627A (zh) 一种含光伏发电和液态空气储能的微电网优化调度方法
CN110581571A (zh) 一种主动配电网动态优化调度方法
CN112383086B (zh) 一种孤岛微电网日前能量-备用联合优化调度方法
Zhu et al. Energy storage in high variable renewable energy penetration power systems: technologies and applications
CN112736952A (zh) 考虑日历寿命的海上风电配置储能系统容量优化方法
CN112215433A (zh) 基于市场出清电价不确定性的虚拟电厂日前优化调度方法
CN114897346A (zh) 计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法
CN114884136A (zh) 一种计及风电相关性的主动配电网鲁棒优化调度方法
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
Chang et al. Model predictive control based energy collaborative optimization management for energy storage system of virtual power plant
CN113742944A (zh) 一种考虑电制氢系统的虚拟电厂建模方法
CN112288130A (zh) 一种基于两阶段多目标优化的新能源消纳计算方法
CN117114281A (zh) 一种灵活资源多阶段规划方案的确定方法
Tian et al. Coordinated RES and ESS Planning Framework Considering Financial Incentives Within Centralized Electricity Market
CN111126675A (zh) 多能互补微网系统优化方法
CN116742812A (zh) 一种多能互补发电系统储能容量协调优化配置方法和系统
CN111985844A (zh) 一种风力及光能综合能源系统日前经济调度方法
Sheng et al. Probabilistic Production Simulation for Industrial Integrated Energy System with Power and Steam Loads
Pu et al. Optimal Planning of Energy Storage for Wind Farm GENCO in Power Spot Market
Liu et al. Economic scheduling of the wind-photovoltaic-thermal-load-storage integrated system considering carbon emission trading
Zhang et al. The Optimal Dispatching of Micro Grid Based on Improved Limit Learning Machine under Source-load Interactive Electric Market
Xingyou et al. The Utility Analysis of LHSS Combined SMES System Considering Capacity Configuration
CN116247743A (zh) 一种基于鲁棒模型预测控制的微电网实时调度方法

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