CN113722895A - 一种基于多站融合的综合能源系统优化配置方法 - Google Patents
一种基于多站融合的综合能源系统优化配置方法 Download PDFInfo
- Publication number
- CN113722895A CN113722895A CN202110946369.1A CN202110946369A CN113722895A CN 113722895 A CN113722895 A CN 113722895A CN 202110946369 A CN202110946369 A CN 202110946369A CN 113722895 A CN113722895 A CN 113722895A
- Authority
- CN
- China
- Prior art keywords
- energy
- power
- representing
- storage device
- energy system
- 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
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000004927 fusion Effects 0.000 title claims abstract description 19
- 238000006243 chemical reaction Methods 0.000 claims abstract description 140
- 238000004146 energy storage Methods 0.000 claims abstract description 79
- 230000000295 complement effect Effects 0.000 claims abstract description 46
- 238000013486 operation strategy Methods 0.000 claims abstract description 24
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 238000005338 heat storage Methods 0.000 claims description 79
- 238000010521 absorption reaction Methods 0.000 claims description 39
- 230000005611 electricity Effects 0.000 claims description 36
- 239000000126 substance Substances 0.000 claims description 26
- 238000010248 power generation Methods 0.000 claims description 21
- 238000012423 maintenance Methods 0.000 claims description 15
- 229910052799 carbon Inorganic materials 0.000 claims description 11
- 230000002354 daily effect Effects 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 11
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000005057 refrigeration Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 7
- 239000000843 powder Substances 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 238000010438 heat treatment Methods 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 4
- 230000003203 everyday effect Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 230000002269 spontaneous effect 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
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
- G06F2111/04—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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种基于多站融合的综合能源系统优化配置方法,包括以下步骤:构建融合变电站、数据中心站、储能站和新能源站的综合能源系统,建立各个能源转换设备的能源互补转换模型;建立双层协同规划模型;确定能源转换设备容量配置的约束条件和能源转换设备运行策略的约束条件;制定综合能源系统架构的评价指标;求解双层协同规划模型,得到最终的综合能源系统的配置和运行策略。与现有技术相比,本发明建立双层协同规划模型,上层模型以年规划总成本最小为目标,下层模型以日运行成本最小为目标,协同求解综合能源系统中能源转换设备的容量配置和运行策略,能够克服能源转换设备配置不合理而导致的成本增加和资源浪费。
Description
技术领域
本发明涉及综合能源系统优化配置技术领域,尤其是涉及一种基于多站融合的综合能源系统优化配置方法。
背景技术
随着通信、计算、传感等3C技术的快速发展以及智能化、节能化的能源产业升级需求,建设以电网为骨干网架、信息能源高度融合的能源互联网成为了我国能源领域的重要建设方向。2019年年初,国家电网有限公司提出多站融合业务作为泛在电力物联网建设专项试点任务之一,多站融合是泛在电力物联网建设的基础保障,也是打造新兴业务市场,实现绿色低碳发展的重要支撑。
“多站融合”作为电力物联网实施落地的重要应用之一,将变电站、边缘数据中心站、充电站、储能站等资源进行汇聚,优化城市资源配置,提升数据感知、分析运算效率,进行负荷就地消纳,减小对电网波动,提高系统的安全稳定运行。多站融合的核心思想是基于变电站在能源汇集传输和转换利用中的枢纽作用,通过对变电站、储能站、数据中心等关键设施资源的合理整合,实现能量流、数据流、业务流的“三流合一”。
目前对于“多站融合”的研究多集中于储能电站的充放电策略以及数据中心站的运营,而对于多站融合的综合能源系统优化配置研究相对缺少,在以往的综合能源系统的优化配置的研究中也缺少对负荷供电可靠性和可再生能源消纳的考虑,在实际应用中设备的不合理配置会导致资源的浪费和运行成本的增加。
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基于多站融合的综合能源系统优化配置方法,主要是针对变电站、数据中心站、储能站以及新能源站等构成的多站融合的综合能源系统中相关能源转换设备的选型和容量进行合理配置,保证综合能源系统在经济性运行的同时,提升综合能源系统的供电可靠性,充分利用负荷消纳可再生能源,降低系统弃风弃光量,进而兼顾环境效益,降低系统碳排放量。
本发明的目的可以通过以下技术方案来实现:
一种基于多站融合的综合能源系统优化配置方法,包括以下步骤:
构建综合能源系统,所述综合能源系统融合变电站、数据中心站、储能站和新能源站,获取综合能源系统中待配置的能源转换设备,建立各个能源转换设备的能源互补转换模型;
建立双层协同规划模型,所述双层协同规划模型用于求解能源转换设备的容量配置及运行策略;
确定能源转换设备容量配置的约束条件和能源转换设备运行策略的约束条件;
制定综合能源系统架构的评价指标;
基于能源互补转换模型、约束条件和评价指标求解双层协同规划模型,得到各个能源转换设备的容量配置和运行策略,得到最终的综合能源系统的配置和运行策略。
进一步的,所述能源转换设备包括热泵、电制冷机、吸收式制冷机、蓄热装置、储能装置和新能源站发电设备,所述新能源站发电设备包括光伏以及风力发电机,其能源互补转化模型分别为:
热泵的能源互补转化模型为:
电制冷机的能源互补转化模型为:
吸收式制冷机的能源互补转化模型为:
蓄热装置的能源互补转化模型为:
其中,分别表示t时刻蓄热装置的储热功率和放热功率,分别表示蓄热装置的储热效率和放热效率,是固定参数,Qh,t+1、Qh,t分别表示t+1时刻蓄热装置的储备热能和t时刻蓄热装置的储备热能,ε表示蓄热装置的自损耗系数,是固定参数,Δt表示调度时间段间隔;输入和通过该能源互补转化模型得到蓄热装置的储备热能Qh,t+1和Qh,t;
储能装置的能源互补转化模型为:
其中,SOC(t)表示t时刻储能装置的荷电状态,δ表示储能装置的自放电系数,是固定参数;PCES、PDES分别表示储能装置的充电功率和放电功率,ηCES、ηDES分别表示储能装置的充电效率和放电效率,是固定参数,Esoc.st表示储能装置的额定容量,是固定参数,Δt表示调度时间段间隔;输入PCES和PDES,通过该能源互补转化模型得到储能装置的荷电状态SOC(t);
光伏的能源互补转化模型为:
其中,Ppv表示光伏发电功率大小,Pst.max表示光伏在标准实验条件下的最大测试功率,是固定参数,Es表示光照强度,Es.st表示标准实验条件下的光照强度,是固定参数,k表示功率温度系数,是固定参数,To表示电池板的实际温度,Tst表示电池板在标准实验条件下的温度,是固定参数;输入Es和To,通过该能源互补转化模型得到光伏的发电功率Ppv;
风力发电机的能源互补转化模型为:
其中,Pwt表示风力发电机的输出功率,Pr表示风力发电机的额定功率,是固定参数,v表示风力发电机组的实际风速,vci、vco、vr分别表示风力发电机的切入风速、切出风速和额定风速,是固定参数;输入v,通过该能源互补转化模型得到风力发电机的输出功率Pwt。
更进一步的,所述双层协同规划模型的上层模型以综合能源系统年规划总成本f最小为目标,上层模型的目标函数为:
min(f)=min(f1+f2)
其中,f表示综合能源系统的年规划总成本,f1和f2分别表示投资成本和运维成本。
更进一步的,使用i=1、2、3、4、5、6、7分别表示能源转换设备为风力发电机、光伏、热泵、电制冷机、吸收式制冷机、储能装置、蓄热装置,则投资成本f1为:
其中,i表示所有的类型为i的能源转换设备集合,Cfij表示类型为i的能源转换设备j的初始投资成本,是固定量,Crij表示类型为i的能源转换设备j的折旧成本,是固定量,Rij表示类型为i的能源转换设备j的资本回收系数,aij表示类型为i的能源转换设备j的数量,σij表示类型为i的能源转换设备j的运行状态,为0-1变量,取值为0或1;
资本回收系数Rij的表达式为:
其中,r表示贴现率,nij表示类型为i的能源转换设备j的使用寿命;
输入i、wi、aij、σij、r、nij,即可得到投资成本f1;
使用k=1、2、3、4分别表示一年的四个季节,则运维成本f2为:
其中,Ckij表示类型为i的能源转换设备j在季节k的运行维护成本,Numkij表示类型为i的能源转换设备j在季节k的运行维护天数;输入Ckij和Numkij即可得到运维成本f2。
更进一步的,所述双层协同规划模型的下层模型以综合能源系统日运行成本fday最小为目标,综合能源系统中新能源站遵循自发自用、多余电量上网的原则,下层模型的目标函数为:
min(fday)=min(f3+f4+f5)
其中,fday表示综合能源系统的日运行成本,f3、f4、f5分别表示购电成本、弃风弃光惩罚成本和负荷中断成本。
更进一步的,购电成本f3为:
f3=Cbuy.tPbuy.t-Csell.tPsell.t
其中,Cbuy.t表示综合能源系统的购电电价,是固定参数,Pbuy.t表示综合能源系统的购电电量,Csell.t表示综合能源系统的上网电价,是固定参数,Psell.t表示综合能源系统的上网电量;输入Pbuy.t和Psell.t即可得到购电成本f3;
弃风弃光惩罚成本f4为:
f4=CpvPdes1+CwPdes2
其中,Cpv和Cw分别表示弃光惩罚成本和弃风惩罚成本,是固定参数,Pdes1和Pdes2分别表示弃光量和弃风量;输入Pdes1和Pdes2即可得到弃风弃光惩罚成本f4;
负荷中断成本f5为:
f5=ClossPloss
其中,Closs表示综合能源系统中断负荷时受到的单位惩罚价格,是固定参数,Ploss表示综合能源系统中断负荷损失的负荷量的大小;输入Ploss即可得到负荷中断成本f5。
更进一步的,使用i=1、2、3、4分别表示能源转换设备为热泵、蓄热装置、电制冷机、吸收式制冷机,则能源转换设备容量配置的约束条件为:
其中,Xij表示类型为i的能源转换设备j的容量,是固定量,ηij表示类型为i的能源转换设备j的储热效率或放热效率,aij表示类型为i的能源转换设备j的数量,σij表示类型为i的能源转换设备j的运行状态,为0-1变量,取值为0或1,和分别表示综合能源系统的热负荷最大值和冷负荷最大值,均为固定量。
更进一步的,能源转换设备运行策略的约束条件包括电能平衡约束条件、热平衡约束条件、冷平衡约束条件、传输线功率约束条件、新能源站运行约束条件、储能装置运行约束条件、热泵运行约束条件、电制冷机运行约束条件、吸收式制冷机约束条件、蓄热装置运行约束条件;
电能平衡约束条件为:
Pnet.t=Pbuy.t-Psell.t
其中,Pnet.t表示t时刻综合能源系统与上级电网的交互功率,与综合能源系统的购电电量Pbuy.t和上网电量Psell.t相关,Pnet.t数值大于零,表示综合能源系统需要购电,Pnet.t数值小于零,表示综合能源系统的多余电量上网,PDES.t表示t时刻储能装置的放电功率,Ppv.t表示t时刻光伏的发电功率,Pwt.t表示t时刻风力发电机的发电功率,PCES.t表示t时刻储能装置的充电功率,PSL.t是约束条件中的一个可调节变量,表示t时刻综合能源系统消耗的电功率,表示除可控能源转换设备外整个综合能源系统的用电量,表示t时刻电制冷机消耗的电功率,表示t时刻热泵消耗的电功率;
热平衡约束条件为:
冷平衡约束条件为:
传输线功率约束条件为:
Pnet.t<Pmax
其中,Pnet.t表示t时刻综合能源系统与上级电网的交互功率,Pmax表示t时刻综合能源系统允许从电网购电的最大功率大小,是固定值;
新能源站运行约束条件为:
其中,Ppvmax和Pwmax分别表示光伏和风机发电机的最大发电功率,是固定值,Ppv.t表示t时刻光伏的发电功率,Pwt.t表示t时刻风力发电机的发电功率;
储能装置运行约束条件为:
其中,xDES表示储能装置的放电状态,取值为0或1,xCES表示储能装置的充电状态,是0-1变量,取值为0或1,PDEs.t表示t时刻储能装置的放电功率,PCES.t表示t时刻储能装置的充电功率,Esoc.t表示t时刻储能装置的储存电量, 分别表示储能装置的最小放电功率、最大放电功率、最小充电功率和最大充电功率,和分别储能装置的最大储存电量和最小储存电量,Esoc.末和Esoc.初分别表示储能装置每日初始时刻的储存电量和结束时刻的储存电量;约束条件Esoc.末=Esoc.初表示储能装置在结束时刻和初始时刻储存电量值要保持相等。
热泵运行约束条件为:
电制冷机运行约束条件为:
吸收式制冷机约束条件为:
蓄热装置运行约束条件为:
ydis表示蓄热装置的放热状态,为0-1变量,取值为0或1,ych表示蓄热装置的蓄热状态,为0-1变量,取值为0或1,分别表示t时刻蓄热装置的储热功率和放热功率,Qh,t表示t时刻蓄热装置的储备热能,表示蓄热装置的最小放热功率、最大放热功率、最小储热功率和最大储热功率,和表示蓄热装置的最小储备热能和最大储备热能,Qh.末和Qh.初分别表示蓄热装置每日初始时刻的储存热能和结束时刻的储存热能;约束条件Qh.末=Qh.初表示蓄热装置在结束时刻和初始时刻储备热能值要保持相等。
进一步的,所述评价指标包括可再生能源利用率、负荷消纳率、系统切负荷率和碳排放量;
所述可再生能源利用率的计算公式为:
可再生能源利用率=(新能源站总发电量-弃光量-弃风量)/新能源站总发电量;
所述负荷消纳率的计算公式为:
负荷消纳率=综合能源系统消纳新能源站发电量/新能源站总发电量;
所述系统切负荷率的计算公式为:
系统切负荷率=综合能源系统切负荷总量/综合能源系统全站负荷总量;
所述碳排放量的计算公式为:
碳排放量=碳排放系数*(综合能源系统的购电总量-新能源站的售电总量)。
进一步的,上层模型的决策变量是能源转换设备的数量以及容量大小,含有0-1变量,属于混合整数非线性规划模型,采用差分进化算法求解上层模型,得到能源转换设备的数量和容量;下层模型优化的是综合能源系统的运行策略,即各个能源转换设备的运行出力方案,属于线性规划,采用CPLEX线性求解器求解下层模型,得到各个能源转换设备的运行出力方案。
与现有技术相比,本发明具有以下有益效果:
(1)建立双层协同规划模型,上层模型以年规划总成本最小为目标,下层模型以日运行成本最小为目标,协同求解综合能源系统中能源转换设备的容量配置和运行策略,能够克服能源转换设备配置不合理而导致的成本增加和资源浪费。
(2)充分考虑了新能源站中可再生能源发电的随机性和波动性,在建立综合能源系统时,将新能源站产生的电能就地消纳,从而降低了新能源站对综合能源系统安全稳定运行造成的影响。
(3)建立多站融合的综合能源系统时,由于综合能源系统的结构更加复杂,因此充分考虑了综合能源系统的用电安全性,有利于综合能源系统的供能的安全可靠,本申请所提出的优化配置方法具有很高的实际应用价值,为综合能源系统的优化配置提供了新的思路。
附图说明
图1为本发明的流程图;
图2为综合能源系统的结构示意图;
图3为双层协同规划模型变量之间的变量关系;
图4为双层协同规划模型的求解示意图。
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。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例1:
一种基于多站融合的综合能源系统优化配置方法,如图1所示,包括以下步骤:
S1、构建综合能源系统,如图2所示,综合能源系统融合变电站、数据中心站、储能站和新能源站,为了满足综合能源系统中电、热、冷负荷需求,需要配置一定数量的能源转化设备,如热泵、制冷机等,本步骤中获取综合能源系统中待配置的能源转换设备,建立各个能源转换设备的能源互补转换模型;
S2、建立双层协同规划模型,双层协同规划模型用于求解能源转换设备的容量配置及运行策略,上层模型以综合能源系统年规划总成本最小为目标,下层模型以综合能源系统日运行成本最小为目标;
S3、确定能源转换设备容量配置的约束条件和能源转换设备运行策略的约束条件;
S4、制定综合能源系统架构的评价指标;
S5、基于能源互补转换模型、约束条件和评价指标求解双层协同规划模型,得到各个能源转换设备的容量配置和运行策略,得到最终的综合能源系统的配置和运行策略。
本申请将多站融合的综合能源系统中能源转换设备的容量配置和运行策略统一起来,进行联合优化,从而得到合理的设备配置方案和运行策略,同时设置的约束条件也保证了综合能源系统中个设备经济、安全、可靠的运行。
参见图2,能源转换设备包括热泵、电制冷机、吸收式制冷机、蓄热装置、储能装置和新能源站发电设备,新能源站发电设备包括光伏以及风力发电机。储能站的储能装置和新能源站中的风力发电机、光伏为综合能源系统中能源转化设备提供一部分电能需求,热泵和蓄热装置来满足热负荷需求,电制冷机和吸收式制冷机满足冷负荷需求。各类型的能源转换设备的能源互补转化模型分别为:
(1)热泵的本质是以能源的驱动的逆卡诺循环方式,使低温的物体通过压缩等方式向更高的温度趋近的一种机械装置,根据其热力学输入输出特性,热泵的能源互补转化模型为:
(2)电制冷机也可称为压缩式制冷机,是由电力驱动压缩机实现制冷效果,电制冷机的能源互补转化模型为:
其中,表示t时刻电制冷机的输出冷功率,表示t时刻电制冷机消耗的电功率,ψec表示电制冷机的制冷系数,是固定参数;因此获取或设定电制冷机消耗的电功率后,输入通过该能源互补转化模型即可得到电制冷机的输出冷功率
(3)吸收式制冷机的工作原理是通过吸收热电联供机组和燃气锅炉的热能,将高压、高温环境下的液体制冷剂经一定的节流降压后汽化吸收环境中的大量热量,使得温度急剧下降以达到制冷机的制冷目的,吸收式制冷机的能源互补转化模型为:
其中,表示t时刻吸收式制冷机的输出冷功率,表示t时刻吸收式制冷机消耗的热功率,ψac表示吸收式制冷机的制冷系数,是固定参数;因此获取或设定吸收式制冷机消耗的热功率后,输入通过该能源互补转化模型即可得到吸收式制冷机的输出冷功率
(4)蓄热装置即热储能设备,在能量枢纽中的作用与电储能设备的作用相似,对日热负荷进行削峰填谷,跨时段对热负荷转移,根据热储能设备的输出特性,蓄热装置的能源互补转化模型为:
其中,分别表示t时刻蓄热装置的储热功率和放热功率,分别表示蓄热装置的储热效率和放热效率,是固定参数,Qh,t+1、Qh,t分别表示t+1时刻蓄热装置的储备热能和t时刻蓄热装置的储备热能,ε表示蓄热装置的自损耗系数,是固定参数,Δt表示调度时间段间隔;因此获取或设定蓄热装置的储热功率和放热功率后,输入和通过该能源互补转化模型即可得到蓄热装置的储备热能Qh,t+1和Qh,t;
(5)储能装置如蓄电池等,其能源互补转化模型为:
其中,SOC(t)表示t时刻储能装置的荷电状态,δ表示储能装置的自放电系数,是固定参数;PCES、PDES分别表示储能装置的充电功率和放电功率,单位:kW,ηCES、ηDES分别表示储能装置的充电效率和放电效率,是固定参数,Esoc.st表示储能装置的额定容量,是固定参数,单位:kWh,Δt表示调度时间段间隔;因此获取或设定储能装置的充电功率和放电功率后,输入PCES和PDES,通过该能源互补转化模型即可得到储能装置的荷电状态SOC(t);
(6)光伏的能源互补转化模型为:
其中,Ppv表示光伏发电功率大小,单位:kW,Pst.max表示光伏在标准实验条件下的最大测试功率,是固定参数,Es表示光照强度,Es.st表示标准实验条件下的光照强度,是固定参数,k表示功率温度系数,是固定参数,To表示电池板的实际温度,Tst表示电池板在标准实验条件下的温度,是固定参数;因此获取或设定光照强度和电池板的实际温度后,输入Es和To,通过该能源互补转化模型即可得到光伏的发电功率Ppv;
(7)风力发电机的能源互补转化模型为:
其中,Pwt表示风力发电机的输出功率,单位:kW,Pr表示风力发电机的额定功率,是固定参数,单位:kW,v表示风力发电机组的实际风速,单位:m/s,vci、vco、vr分别表示风力发电机的切入风速、切出风速和额定风速,是固定参数;因此获取或设定风速后,输入v,通过该能源互补转化模型即可得到风力发电机的输出功率Pwt。
(一)上层模型
双层协同规划模型的上层模型以综合能源系统年规划总成本f最小为目标,上层模型的目标函数为:
min(f)=min(f1+f2)
其中,f表示综合能源系统的年规划总成本,f1和f2分别表示投资成本和运维成本。
使用i=1、2、3、4、5、6、7分别表示能源转换设备为风力发电机、光伏、热泵、电制冷机、吸收式制冷机、储能装置、蓄热装置,则投资成本f1为:
其中,wi表示所有的类型为i的能源转换设备集合,Cfij表示类型为i的能源转换设备j的初始投资成本,是固定量,Crij表示类型为i的能源转换设备j的折旧成本,是固定量,这里按投资的5%来算,Rij表示类型为i的能源转换设备j的资本回收系数,aij表示类型为i的能源转换设备j的数量,σij表示类型为i的能源转换设备j的运行状态,为0-1变量,取值为0或1,1为运行,0为暂停;
资本回收系数Rij的表达式为:
其中,r表示贴现率,nij表示类型为i的能源转换设备j的使用寿命;
输入i、wi、aij、σij、r、nij,即可得到投资成本f1;
综合能源系统中设备的运行季节性特征较为明显,夏季热负荷低冷负荷高,冬季冷负荷相对较低,热负荷高,因此设备的运维也具有明显的季节特征,使用k=1、2、3、4分别表示一年的四个季节,则运维成本f2为:
其中,Ckij表示类型为i的能源转换设备j在季节k的运行维护成本,Numkij表示类型为i的能源转换设备j在季节k的运行维护天数;输入Ckij和Numkij即可得到运维成本f2。
(二)下层模型
双层协同规划模型的下层模型以综合能源系统日运行成本fday最小为目标,主要考虑购电成本、弃风弃光惩罚成本和负荷中断成本,下层模型的目标函数为:
min(fday)=min(f3+f4+f5)
其中,fday表示综合能源系统的日运行成本,f3、f4、f5分别表示购电成本、弃风弃光惩罚成本和负荷中断成本。
综合能源系统中新能源站遵循自发自用、多余电量上网的原则,购电成本f3为:
f3=Cbuy.tPbuy.t-Csell.tPsell.t
其中,Cbuy.t表示综合能源系统的购电电价,是固定参数,Pbuy.t表示综合能源系统的购电电量,Csell.t表示综合能源系统的上网电价,是固定参数,Psell.t表示综合能源系统的上网电量;输入Pbuy.t和Psell.t即可得到购电成本f3;
弃风弃光惩罚成本f4为:
f4=CpvPdes1+CwPdes2
其中,Cpv和Cw分别表示弃光惩罚成本和弃风惩罚成本,是固定参数,Pdes1和Pdes2分别表示弃光量和弃风量;输入Pdes1和Pdes2即可得到弃风弃光惩罚成本f4;
负荷中断成本f5为:
f5=ClossPloss
其中,Closs表示综合能源系统中断负荷时受到的单位惩罚价格,是固定参数,Ploss表示综合能源系统中断负荷损失的负荷量的大小;输入Ploss即可得到负荷中断成本f5。
下层模型以综合能源系统日运行成本fday最小为目标,在下层模型中重点考虑了新能源站的可再生能源消纳和提高系统的供电可靠性,引入弃风弃光惩罚成本和削负荷惩罚成本,提高经济性的同时,保证系统的稳定运行。
双层协同规划模型变量之间的变量关系如图3所示。上层模型以年规划总成本最小为目标,研究综合能源系统中能源转换设备的型号、数量、容量等问题,下层模型以综合能源系统日运行成本最小为目标,制定各能源转换设备的出力方案。
(A)容量配置的约束条件
使用i=1、2、3、4分别表示能源转换设备为热泵、蓄热装置、电制冷机、吸收式制冷机,则能源转换设备容量配置的约束条件为:
其中,Xij表示类型为i的能源转换设备j的容量,是固定量,ηij表示类型为i的能源转换设备j的储热效率或放热效率,aij表示类型为i的能源转换设备j的数量,σij表示类型为i的能源转换设备j的运行状态,为0-1变量,取值为0或1,和分别表示综合能源系统的热负荷最大值和冷负荷最大值,均为固定量。
(B)运行策略的约束条件
能源转换设备运行策略的约束条件包括电能平衡约束条件、热平衡约束条件、冷平衡约束条件、传输线功率约束条件、新能源站运行约束条件、储能装置运行约束条件、热泵运行约束条件、电制冷机运行约束条件、吸收式制冷机约束条件、蓄热装置运行约束条件;
(1)电能平衡约束条件为:
Pnet.t=Pbuy.t-Psell.t
其中,Pnet.t表示t时刻综合能源系统与上级电网的交互功率,单位kW,与综合能源系统的购电电量Pbuy.t和上网电量Psell.t相关,Pnet.t数值大于零,表示综合能源系统需要购电,Pnet.t数值小于零,表示综合能源系统的多余电量上网,PDEs.t表示t时刻储能装置的放电功率,单位kW,Ppv.t表示t时刻光伏的发电功率,单位kW,Pwt.t表示t时刻风力发电机的发电功率,单位kW,PCES.t表示t时刻储能装置的充电功率,单位kW,PSL.t是约束条件中的一个可调节变量,,单位kW表示t时刻综合能源系统消耗的电功率,表示除可控能源转换设备外整个综合能源系统的用电量,表示t时刻电制冷机消耗的电功率,单位kW,表示t时刻热泵消耗的电功率,单位kW;
(2)热平衡约束条件为:
(3)冷平衡约束条件为:
(4)传输线功率约束条件为:
Pnet.t<Pmax
其中,Pnet.t表示t时刻综合能源系统与上级电网的交互功率,单位kW,Pmax表示t时刻综合能源系统允许从电网购电的最大功率大小,单位kW,是固定值;
(5)新能源站运行约束条件为:
其中,Ppvmax和Pwmax分别表示光伏和风机发电机的最大发电功率,单位kW,是固定值,Ppv.表示t时刻光伏的发电功率,单位kW,Pwt.t表示t时刻风力发电机的发电功率,单位kW;
(6)储能站的运行约束需要考虑多个时间段的运行约束,主要包括:充放电状态、充放电量大小等方面的约束,
充放状态约束:
xDES+xCES≤1
充放电功率约束:
容量约束:
Esoc.末=Esoc.初
其中,xDES表示储能装置的放电状态,xCES表示储能装置的充电状态,二者是0-1变量,取值为0或1(其中1代表工作状态,0代表非工作状态),PDES.t表示t时刻储能装置的放电功率,PCES.t表示t时刻储能装置的充电功率,Esoc.t表示t时刻储能装置的储存电量,分别表示储能装置的最小放电功率、最大放电功率、最小充电功率和最大充电功率,和分别储能装置的最大储存电量和最小储存电量,Esoc.末和Esoc.初分别表示储能装置每日初始时刻的储存电量和结束时刻的储存电量;约束条件Esoc.末=Esoc.初表示储能装置在结束时刻和初始时刻储存电量值要保持相等,储能装置如蓄电池里的电量是变化的,以一天为调度周期,调度开始时间00:00是初始电池电量,到夜里00:00是一天中末时刻电量,这两值需要保持一致。
(7)热泵运行约束条件为:
(8)电制冷机运行约束条件为:
(9)吸收式制冷机约束条件为:
(10)蓄热装置运行约束条件包括充放热状态约束、充放热功率大小约束、容量约束,其中,充放热状态约束:
ydis+ych≤1
充放热功率大小约束:
容量约束:
Qh.末=Qh.初
ydis表示蓄热装置的放热状态,ych表示蓄热装置的蓄热状态,二者为0-1变量,取值为0或1(其中1代表工作状态,0代表非工作状态),分别表示t时刻蓄热装置的储热功率和放热功率,Qh,t表示t时刻蓄热装置的储备热能, 表示蓄热装置的最小放热功率、最大放热功率、最小储热功率和最大储热功率,和表示蓄热装置的最小储备热能和最大储备热能,Qh.末和Qh.初分别表示蓄热装置每日初始时刻的储存热能和结束时刻的储存热能;约束条件Qh.末=Qh.初表示蓄热装置在结束时刻和初始时刻储备热能值要保持相等。
评价指标包括可再生能源利用率、负荷消纳率、系统切负荷率和碳排放量;
Score1、可再生能源利用率
可再生能源利用率=(新能源站总发电量-弃光量-弃风量)/新能源站总发电量;
Score2、负荷消纳率
负荷消纳率=综合能源系统消纳新能源站发电量/新能源站总发电量;
Score3、系统切负荷率
系统切负荷率=综合能源系统切负荷总量/综合能源系统全站负荷总量;
Score4、碳排放量
碳排放量=碳排放系数*(综合能源系统的购电总量-新能源站的售电总量),本实施例中碳排放系数取0.889。
如图4所示,上层模型的决策变量是能源转换设备的数量以及容量大小,含有0-1变量,属于混合整数非线性规划模型,采用差分进化算法求解上层模型,得到能源转换设备的数量和容量;下层模型优化的是综合能源系统的运行策略,即各个能源转换设备的运行出力方案,属于线性规划,采用CPLEX线性求解器求解下层模型,得到各个能源转换设备的运行出力方案。
具体的,首先设定变量,包括设备型号容量、系统负荷、价格参数等,确定分时电价,初始化生成多个满足约束条件的解作为初始种群,基于生成的初始解,代入各个能源转换设备的能源互补转换模型,对双层协同规划模型进行求解得到方案,计算方案的评价指标,如果不满足要求对种群进行变异、交叉和贪婪选择操作,得到下一代种群,如果方案满足要求,则输出,得到最终的综合能源系统的配置方案和运行策略。
本申请提供了一种基于多站融合的综合能源系统的优化配置方法,该方法建立了一种新的双层优化配置模型,使综合能源系统能够在最优配置下具有最佳的运行方式,保证综合能源系统的经济性的条件下,最大限度消纳新能源站发电,提高供电可靠性,保证综合能源系统尤其是数据中心站的电能质量和供电能力。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种基于多站融合的综合能源系统优化配置方法,其特征在于,包括以下步骤:
构建综合能源系统,所述综合能源系统融合变电站、数据中心站、储能站和新能源站,获取综合能源系统中待配置的能源转换设备,建立各个能源转换设备的能源互补转换模型;
建立双层协同规划模型,所述双层协同规划模型用于求解能源转换设备的容量配置及运行策略;
确定能源转换设备容量配置的约束条件和能源转换设备运行策略的约束条件;
制定综合能源系统架构的评价指标;
基于能源互补转换模型、约束条件和评价指标求解双层协同规划模型,得到各个能源转换设备的容量配置和运行策略,得到最终的综合能源系统的配置和运行策略。
2.根据权利要求1所述的一种基于多站融合的综合能源系统优化配置方法,其特征在于,所述能源转换设备包括热泵、电制冷机、吸收式制冷机、蓄热装置、储能装置和新能源站发电设备,所述新能源站发电设备包括光伏以及风力发电机,其能源互补转化模型分别为:
热泵的能源互补转化模型为:
电制冷机的能源互补转化模型为:
吸收式制冷机的能源互补转化模型为:
蓄热装置的能源互补转化模型为:
其中,分别表示t时刻蓄热装置的储热功率和放热功率,分别表示蓄热装置的储热效率和放热效率,Qh,t+1、Qh,t分别表示t+1时刻蓄热装置的储备热能和t时刻蓄热装置的储备热能,ε表示蓄热装置的自损耗系数,Δt表示调度时间段间隔;
储能装置的能源互补转化模型为:
其中,SOC(t)表示t时刻储能装置的荷电状态,δ表示储能装置的自放电系数;PCES、PDES分别表示储能装置的充电功率和放电功率,ηCES、ηDES分别表示储能装置的充电效率和放电效率,Esoc.st表示储能装置的额定容量,Δt表示调度时间段间隔;
光伏的能源互补转化模型为:
其中,Ppv表示光伏发电功率大小,Pst.max表示光伏在标准实验条件下的最大测试功率,Es表示光照强度,Es.st表示标准实验条件下的光照强度,k表示功率温度系数,To表示电池板的实际温度,Tst表示电池板在标准实验条件下的温度;
风力发电机的能源互补转化模型为:
其中,Pwt表示风力发电机的输出功率,Pr表示风力发电机的额定功率,v表示风力发电机组的实际风速,vci、vco、vr分别表示风力发电机的切入风速、切出风速和额定风速。
3.根据权利要求2所述的一种基于多站融合的综合能源系统优化配置方法,其特征在于,所述双层协同规划模型的上层模型以综合能源系统年规划总成本f最小为目标,上层模型的目标函数为:
min(f)=min(f1+f2)
其中,f表示综合能源系统的年规划总成本,f1和f2分别表示投资成本和运维成本。
4.根据权利要求3所述的一种基于多站融合的综合能源系统优化配置方法,其特征在于,使用i=1、2、3、4、5、6、7分别表示能源转换设备为风力发电机、光伏、热泵、电制冷机、吸收式制冷机、储能装置、蓄热装置,则投资成本f1为:
其中,wi表示所有的类型为i的能源转换设备集合,Cfij表示类型为i的能源转换设备j的初始投资成本,Crij表示类型为i的能源转换设备j的折旧成本,Rij表示类型为i的能源转换设备j的资本回收系数,aij表示类型为i的能源转换设备j的数量,σij表示类型为i的能源转换设备j的运行状态,取值为0或1;
资本回收系数Rij的表达式为:
其中,r表示贴现率,nij表示类型为i的能源转换设备j的使用寿命;
使用k=1、2、3、4分别表示一年的四个季节,则运维成本f2为:
其中,Ckij表示类型为i的能源转换设备j在季节k的运行维护成本,Numkij表示类型为i的能源转换设备j在季节k的运行维护天数。
5.根据权利要求2所述的一种基于多站融合的综合能源系统优化配置方法,其特征在于,所述双层协同规划模型的下层模型以综合能源系统日运行成本fday最小为目标,下层模型的目标函数为:
min(fday)=min(f3+f4+f5)
其中,fday表示综合能源系统的日运行成本,f3、f4、f5分别表示购电成本、弃风弃光惩罚成本和负荷中断成本。
6.根据权利要求5所述的一种基于多站融合的综合能源系统优化配置方法,其特征在于,购电成本f3为:
f3=Cbuy.tPbuy.t-Csell.tPsell.t
其中,Cbuy.t表示综合能源系统的购电电价,Pbuy.t表示综合能源系统的购电电量,Csell.t表示综合能源系统的上网电价,Psell.t表示综合能源系统的上网电量;
弃风弃光惩罚成本f4为:
f4=CpvPdes1+CwPdes2
其中,Cpv和Cw分别表示弃光惩罚成本和弃风惩罚成本,Pdes1和Pdes2分别表示弃光量和弃风量;
负荷中断成本f5为:
f5=ClossPloss
其中,Closs表示综合能源系统中断负荷时受到的单位惩罚价格,Ploss表示综合能源系统中断负荷损失的负荷量的大小。
8.根据权利要求2所述的一种基于多站融合的综合能源系统优化配置方法,其特征在于,能源转换设备运行策略的约束条件包括电能平衡约束条件、热平衡约束条件、冷平衡约束条件、传输线功率约束条件、新能源站运行约束条件、储能装置运行约束条件、热泵运行约束条件、电制冷机运行约束条件、吸收式制冷机约束条件、蓄热装置运行约束条件;
电能平衡约束条件为:
Pnet.t=Pbuy.t-Psell.t
其中,Pnet.t表示t时刻综合能源系统与上级电网的交互功率,Pbuy.t表示综合能源系统的购电电量,Psell.t综合能源系统的上网电量,PDES.t表示t时刻储能装置的放电功率,Ppv.t表示t时刻光伏的发电功率,Pwt.t表示t时刻风力发电机的发电功率,PCES.t表示t时刻储能装置的充电功率,PSL.t表示t时刻综合能源系统消耗的电功率,表示t时刻电制冷机消耗的电功率,表示t时刻热泵消耗的电功率;
热平衡约束条件为:
其中,Ht表示综合能源系统的热负荷功率大小;
冷平衡约束条件为:
其中,CL,t表示t时刻综合能源系统的冷负荷功率大小;
传输线功率约束条件为:
Pnet.t<Pmax
其中,Pmax表示t时刻综合能源系统允许从电网购电的最大功率大小;
新能源站运行约束条件为:
其中,Ppvmax和Pwmax分别表示光伏和风机发电机的最大发电功率;
储能装置运行约束条件为:
其中,xDEs表示储能装置的放电状态,取值为0或1,xCES表示储能装置的充电状态,取值为0或1,Esoc.t表示t时刻储能装置的储存电量, 分别表示储能装置的最小放电功率、最大放电功率、最小充电功率和最大充电功率,和分别储能装置的最大储存电量和最小储存电量,Esoc.末和Esoc.初分别表示储能装置每日初始时刻的储存电量和结束时刻的储存电量;
热泵运行约束条件为:
电制冷机运行约束条件为:
吸收式制冷机约束条件为:
蓄热装置运行约束条件为:
9.根据权利要求1所述的一种基于多站融合的综合能源系统优化配置方法,其特征在于,所述评价指标包括可再生能源利用率、负荷消纳率、系统切负荷率和碳排放量;
所述可再生能源利用率的计算公式为:
可再生能源利用率=(新能源站总发电量-弃光量-弃风量)/新能源站总发电量;
所述负荷消纳率的计算公式为:
负荷消纳率=综合能源系统消纳新能源站发电量/新能源站总发电量;
所述系统切负荷率的计算公式为:
系统切负荷率=综合能源系统切负荷总量/综合能源系统全站负荷总量;
所述碳排放量的计算公式为:
碳排放量=碳排放系数*(综合能源系统的购电总量-新能源站的售电总量)。
10.根据权利要求1所述的一种基于多站融合的综合能源系统优化配置方法,其特征在于,采用差分进化算法求解上层模型,得到能源转换设备的数量和容量,采用CPLEX线性求解器求解下层模型,得到各个能源转换设备的运行出力方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110946369.1A CN113722895A (zh) | 2021-08-18 | 2021-08-18 | 一种基于多站融合的综合能源系统优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110946369.1A CN113722895A (zh) | 2021-08-18 | 2021-08-18 | 一种基于多站融合的综合能源系统优化配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113722895A true CN113722895A (zh) | 2021-11-30 |
Family
ID=78676160
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110946369.1A Pending CN113722895A (zh) | 2021-08-18 | 2021-08-18 | 一种基于多站融合的综合能源系统优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113722895A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117477627A (zh) * | 2023-12-25 | 2024-01-30 | 宁波亮控信息科技有限公司 | 基于混合储能的数据中心能源系统节能智控方法 |
-
2021
- 2021-08-18 CN CN202110946369.1A patent/CN113722895A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117477627A (zh) * | 2023-12-25 | 2024-01-30 | 宁波亮控信息科技有限公司 | 基于混合储能的数据中心能源系统节能智控方法 |
CN117477627B (zh) * | 2023-12-25 | 2024-04-12 | 宁波亮控信息科技有限公司 | 基于混合储能的数据中心能源系统节能智控方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Study on the configuration and operation optimization of CCHP coupling multiple energy system | |
CN113344736B (zh) | 一种园区级综合能源系统及其控制方法 | |
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 | |
CN107807523A (zh) | 考虑分时电价的区域能源互联网多源协调优化运行策略 | |
CN106022503A (zh) | 面向具有耦合型电冷热需求的微电网容量规划方法 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
CN108491992A (zh) | 一种含光伏和蓄能的冷热电联供系统调峰调蓄优化调度模型 | |
CN103256754A (zh) | 天然气基分布式能源系统与地源热泵耦合的复合供能系统 | |
CN109523065A (zh) | 一种基于改进量子粒子群算法的微能源网优化调度方法 | |
CN108625988A (zh) | 一种含压缩空气储能的cchp微网结构及其运行方法 | |
CN105955931B (zh) | 面向高密度分布式光伏消纳的区域能源网络优化调度方法 | |
CN105305472B (zh) | 一种基于多能源协同供能的变电站容量优化方法 | |
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 | |
CN113159407B (zh) | 基于区域综合能源系统的多能储存模块容量优化配置方法 | |
CN107358345A (zh) | 计及需求侧管理的分布式冷热电联供系统优化运行方法 | |
CN110361969A (zh) | 一种冷热电综合能源系统优化运行方法 | |
CN110553308A (zh) | 一种能源协同运行控制系统 | |
CN108736518B (zh) | 一种城市综合体及大型公共建筑群的综合供能系统及方法 | |
CN113722895A (zh) | 一种基于多站融合的综合能源系统优化配置方法 | |
CN109255487A (zh) | 一种基于标准化矩阵模型的综合能源系统优化方法 | |
CN112686425B (zh) | 一种基于合作博弈的能源互联网优化调度方法及系统 | |
CN114825459A (zh) | 负荷密集型智慧园区用户参与碳排放控制的能源调度方法 | |
Bian et al. | Optimal Planning Method of Integrated Energy System Considering Carbon Cost from the Perspective of the Whole Life Cycle | |
Cao et al. | Planning and design case analysis of integrated energy station for urban internet of energy | |
Li et al. | Optimal scheduling model for integrated energy systems in parks considering multi-energy |
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 |