CN113836720B - 考虑多重不确定性及气候变化的双目标能源系统规划方法 - Google Patents
考虑多重不确定性及气候变化的双目标能源系统规划方法 Download PDFInfo
- Publication number
- CN113836720B CN113836720B CN202111121227.8A CN202111121227A CN113836720B CN 113836720 B CN113836720 B CN 113836720B CN 202111121227 A CN202111121227 A CN 202111121227A CN 113836720 B CN113836720 B CN 113836720B
- Authority
- CN
- China
- Prior art keywords
- planning
- power generation
- model
- power
- generation mode
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000008859 change Effects 0.000 title claims abstract description 23
- 230000008901 benefit Effects 0.000 claims abstract description 9
- 230000008878 coupling Effects 0.000 claims abstract description 3
- 238000010168 coupling process Methods 0.000 claims abstract description 3
- 238000005859 coupling reaction Methods 0.000 claims abstract description 3
- 238000010248 power generation Methods 0.000 claims description 94
- 239000002994 raw material Substances 0.000 claims description 33
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 6
- 230000002860 competitive effect Effects 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06Q10/04—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
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06F2111/04—Constraint-based CAD
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了属于可持续型电力能源系统规划技术领域的考虑多重不确定性及气候变化的双目标能源系统规划方法。包括步骤1：耦合区间规划、分式规划、两阶段规划和机会约束规划方法，构建气候变化条件下考虑多重不确定性的双目标能源系统规划模型；步骤2：将步骤1中构建的双目标能源系统规划模型拆分为不包含区间参数和区间变量的第一子模型和第二子模型；步骤3：将步骤2中的第一子模型和第二子模型转化为传统线性规划模型并求取最优解。本发明客观量化地反映了系统收益与CO2排放量之间的竞争性关系，可以应对不确定性的数据来源，能够用以分析不同的能源经济与环境政策所带来的系统惩罚，可以定量研究系统收益与违约风险之间的关系。
Description
技术领域
本发明涉及可持续型电力能源系统规划技术领域，尤其涉及考虑多重不确定性及气候变 化的双目标能源系统规划方法。
背景技术
随着快速的城市化和工业化发展，能源需求量将在2040年增长近30％。许多国家正面临 着严峻的能源开发所带来的环境问题。此外，能源系统规划常受多重不确定性因素影响。例 如能源需求量就会受到经济发展和人口迁移等因素的影响，在能源规划过程中，其常被表征 为区间。因此，如何构建一种在多重不确定性条件下，能够有效地平衡能源系统的经济效益与环境问题的规划方法对于应对气候变化，实现系统的可持续发展具有重要意义。
目前，国内外学者普遍意识到了能源开发与环境保护之间的竞争性关系。为此，他们开 发了一系列多目标优化模型以同时最大化能源系统收益，最小化环境影响。然而，这些多目 标模型不能通过传统的线性规划方法求解。因此，一系列将多目标问题转化为单目标问题的算法应运而生，主要包括线性加权求和法(sum weighted method)、约束转化法(constraints method)、目标达成法(goal attainment method)和妥协规划法(compromise programming method)。然而，上述方法具有主观性较强等缺点。
线性分式规划模型是一种有效处理双目标优化问题的方法，近年来被广泛应用于优化双 目标的比率(例如产出/投入)。然而，由于能源系统具有多重不确定性的特征(例如能源系 统参数的不确定性、能源系统约束的不确定性、能源环境及社会经济政策的不确定性等)，且 气候变化进一步加剧了能源规划系统的复杂性。因此，现有分式规划方法不能有效的处理气 候变化条件下考虑多重不确定性的能源系统规划问题。
本发明提供一种考虑多重不确定性和气候变化因素的双目标能源系统规划方法，能够在 能源系统规划中平衡经济效益与碳减排要求，以应对全球气候变化。
发明内容
本发明的目的是提出考虑多重不确定性及气候变化的双目标能源系统规划方法，其特征 在于，包括以下步骤：
步骤1：耦合区间规划、分式规划、两阶段规划和机会约束规划方法，构建气候变化条 件下考虑多重不确定性的双目标能源系统规划模型；
步骤2：将步骤1中构建的双目标能源系统规划模型拆分为不包含区间参数和区间变量 的第一子模型和第二子模型；
步骤3：将步骤2中的第一子模型和第二子模型转化为传统线性规划模型并求取最优解。
所述步骤1中的双目标能源系统规划模型如下：
系统中不可再生能源原料的采购费用为：
式中，r为原料产地；j为发电方式；k为规划期；h为电力需求水平；R为模型中考虑的原 料产地的个数；J为模型中考虑的发电方式的个数；K为模型中考虑的规划期的个数；H为模 型中考虑的未来电力需求水平情景的个数；为在产地r，规划期k内，第j种发电方式 的原材料采购单价；/>为在产地r，规划期k内，第j种发电方式的原材料的计划采购量； ph为电力需求水平h的概率；/>为在产地r，规划期k内，第j种发电方式的原材料不足 的情况下，购买单位原材料需要花费的额外资金；/>为在产地r，规划期k内，第j种发电方式在电力需求等级为h时的原材料的额外采购量；
系统中的发电费用：
式中，为规划期k内，第j种发电方式的单位发电费用；/>为规划期k内，第j种发 电方式的发电量未能满足电力需求时，规划外发电的额外费用；/>为规划期k内，第j种发 电方式的计划发电量；/>为规划期k内，第j种发电方式在电力需求等级为h时的额外发 电量；
系统中的扩容费用：
式中，m为电力系统扩容选项；M为电力系统中各发电技术可选扩容方式的个数；为 规划期k内，第j种发电方式的单位扩容费用；Vjmk为规划期k内，第j种发电方式下第m种 扩容选项的扩容量；/>为是否在规划期k内，以第j种发电方式下第m种扩容选项扩容；
系统收益：
式中，d为电力用户种类，D为终端用户种类的个数；PSdk为规划期k内，用户种类d的购 电价格；为规划期k内，用户种类d在电力需求情景h下的用电需求；
系统CO2的排放量：
式中，EMjk为规划期k内，第j种发电方式的CO2排放量；Xjk和Xjkh为模型中的决策变量， 分别代表规划期k内，第j种发电方式的计划内发电量，和电力需求水平h条件下的第二阶 段发电量；
目标函数：
电力需求约束：系统电力产出大于等于系统能源需求，即
电力生产与原料供应约束：系统中非可再生能源的产电量不超过能源原材料供给量，即
式中，CRj为第j种发电方式的原材料发电转化率；j’为模型中考虑的非可再生能源的个数；
资源可用量约束：
式中，为第j种发电方式在r地区的资源可用量；
电厂发电能力约束：
式中，为第j种发电方式现有的发电产能；Ucap为电力生产转化系数；
扩容约束：
式中，为第j种发电方式的扩容限制；
技术约束：产能利用率为实际电力产量与该工厂在现有技术及设备条件下最大产能的比 例，即
式中，RAPj为第j种发电方式的产能利用率；
CO2排放量约束：
式中，ETk为k规划期内CO2排放量限制；Pk为k规划期内CO2排放量约束的违约风险；
非负约束：
为整数,/>
所述第一子模型的计算方法为：
使得：
其中， 和/>分别为第一阶段 非负决策变量和第二阶段非负决策变量，/>和/>为第一阶段决策变量的参数；/>和/>为第二阶段决策变量的参数；/>和/>分别为第一阶段和第二阶段约束 的右手边参数；α±和β±为区间常数；/>和/>分别代表/>的上界和下界；第一子模型的解为/>和/>
所述第二子模型的计算方法为：
使得：
所述步骤3中将第一子模型和第二子模型转化为传统线性规划模型的计算方法如下：
使得：
本发明的有益效果在于：
1、客观量化地反映了系统收益与CO2排放量之间的竞争性关系，为气候变化条件下能源 政策的制定提供了科学支持；
2、考虑到能源规划系统与气候变化中的不确定性，本发明提供了一种区间规划的求解方 法，可以应对不确定性的数据来源；
3、能够用以分析不同的能源经济与环境政策所带来的系统惩罚；
4、可以定量研究系统收益与违约风险之间的关系。
附图说明
图1为本发明考虑多重不确定性及气候变化的双目标能源系统规划方法的流程图；
图2为考虑多重不确定性及气候变化的双目标能源系统规划的具体技术路线图。
具体实施方式
本发明提出考虑多重不确定性及气候变化的双目标能源系统规划方法，下面结合附图和 具体实施例对本发明做进一步说明。
图1为本发明考虑多重不确定性及气候变化的双目标能源系统规划方法的流程图，本发 明耦合了区间规划、分式规划、两阶段规划和机会约束规划等方法，构建了气候变化条件下 考虑多重不确定性的双目标能源系统规划模型。为了使模型的目的、特征和优点通俗易懂，结合图2作进一步详细的说明。能源规划系统通常具有以下特征：(1)多个规划目标之间具 有矛盾性(例如，系统收益与节能减排)；(2)输入数据的不确定性(例如，能源的原材料 价格和发电成本等)；(3)能源需求难以预测；(4)决策者愿意承担一定的风险以换取更 大的系统收益。具体实施步骤如下：
1、针对研究区域进行数据收集。所需数据包括：非可再生能源原材料计划内购买价格以 及计划外购买价格、计划内和计划外发电成本、发电设备扩容选项及相应扩容成本、各用户 端的电力需求(例如农业、商业、居民用电等)、各电厂的现有产能以及扩容上限、各种能 源的可用量等。
2、构建气候变化条件下考虑多重不确定性的双目标能源系统规划模型。该模型具有以下 假设：(a)将整个规划期分为k个阶段，每阶段等长。(b)扩容仅在当前产能不能满足电 力需求时发生，且每阶段只能进行一次扩容。(c)假设扩容产能在当前规划阶段生效，且在接下来的规划阶段一直保持有效。
模型构建具体步骤如下：
(1)定义系统中不可再生能源原料的采购费用：
式中，r为原料产地；j为发电方式；k为规划期；h为电力需求水平；为在产地r， 规划期k内，第j种发电方式的原材料采购单价($106/PJ)；/>为在产地r，规划期k内，第j种发电方式的原材料的计划采购量(PJ)；ph为电力需求水平h的概率；/>为在产 地r，规划期k内，第j种发电方式的原材料不足的情况下，购买单位原材料需要花费的额外 资金；/>为在产地r，规划期k内，第j种发电方式在电力需求等级为h时的原材料的额 外采购量(PJ)。
(2)定义系统中的发电费用：
式中，为规划期k内，第j种发电方式的单位发电费用($106/PJ)；/>为规划期 k内，第j种发电方式的发电量未能满足电力需求时，规划外发电的额外费用($106/PJ)；为规划期k内，第j种发电方式的计划发电量(PJ)；/>为规划期k内，第j种发电方式在电力需求等级为h时的额外发电量(PJ)。(前文已提及的参数及变量不再重复赘述，下同)
(3)定义系统中的扩容费用：
式中，m为电力系统扩容选项；为规划期k内，第j种发电方式的单位扩容费用($106/GW)；Vjmk为规划期k内，第j种发电方式下第m种扩容选项的扩容量(GW)；/>为是否在规划期k内，以第j种发电方式下第m种扩容选项扩容。
(4)定义系统收益：
式中，d为电力用户种类；PSdk为规划期k内，用户种类d的购电价格($106/PJ)；
为规划期k内，用户种类d在电力需求情景h下的用电需求(PJ)。
(5)定义系统CO2的排放量：
式中，EMjk为规划期k内，第j种发电方式的CO2排放量(ton/PJ)。
(6)设定目标函数：
(7)定义电力需求约束：系统电力产出应大于系统能源需求
(8)定义电力生产与原料供应约束：系统中非可再生能源的产电量不应超过能源原材料 供给量
式中，CRj为第j种发电方式的原材料发电转化率(％)。
(9)定义资源可用量约束：
式中，为第j种发电方式在r地区的资源可用量(PJ)。
(10)定义电厂发电能力约束：现有的和扩容的电力产能需要满足电力需求。
式中，为第j种发电方式现有的发电产能(GW)；Upac为电力生产转化系数(PJ/GW)。
(11)定义扩容约束：
式中，为第j种发电方式的扩容限制(GW)。
(12)定义技术约束：产能利用率为实际电力产量与该工厂在现有技术及设备条件下最 大产能的比例
式中，RAPj为第j种发电方式的产能利用率(％)。
(13)定义CO2排放量约束：
式中，ETk为k规划期内CO2排放量限制(ton)；Pk为k规划期内CO2排放量约束的违约风险。
(14)定义非负约束：
(15)基于上述目标函数与相应约束，构建两阶段区间分式优化模型。
3、将未来各规划期的能源需求离散成高、中、低三个水平，并根据研究区域，为每个水 平设定合理的发生概率，各水平发生概率之和为1。
4、运用如下算法将构建的模型拆分成两个子模型
子模型(1)
使得：
其中， 和/>分别为第一 阶段非负决策变量和第二阶段非负决策变量，/>和/>为第一阶段决策变量的参 数；/>和/>为第二阶段决策变量的参数；/>和/>分别为第一阶段和第二阶段约束的右手边参数；α±和β±为区间常数；/>和/>分别代表/>的上界和下界，其它区间参 数及变量的上下界可以同样理解。子模型(1)的解为/> 和/>
在此基础上，子模型(2)定义为：
使得：
5、在上一步的基础上，运用如下算法将分式子模型(1)和(2)转化为传统的线性规划 模型：
使得：
6、运用Lingo软件分别求解上述子模型，得到最优解。
此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟 悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖 在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
Claims (4)
1.考虑多重不确定性及气候变化的双目标能源系统规划方法，其特征在于，包括以下步骤：
步骤1：耦合区间规划、分式规划、两阶段规划和机会约束规划方法，构建气候变化条件下考虑多重不确定性的双目标能源系统规划模型；
所述步骤1中的双目标能源系统规划模型如下：
系统中不可再生能源原料的采购费用为：
式中，r为原料产地；j为发电方式；k为规划期；h为电力需求水平；R为模型中考虑的原料产地的个数；J为模型中考虑的发电方式的个数；K为模型中考虑的规划期的个数；H为模型中考虑的未来电力需求水平情景的个数；为在产地r，规划期k内，第j种发电方式的原材料采购单价；/>为在产地r，规划期k内，第j种发电方式的原材料的计划采购量；ph为电力需求水平h的概率；/>为在产地r，规划期k内，第j种发电方式的原材料不足的情况下，购买单位原材料需要花费的额外资金；/>为在产地r，规划期k内，第j种发电方式在电力需求等级为h时的原材料的额外采购量；
系统中的发电费用：
式中，为规划期k内，第j种发电方式的单位发电费用；/>为规划期k内，第j种发电方式的发电量未能满足电力需求时，规划外发电的额外费用；/>为规划期k内，第j种发电方式的计划发电量；/>为规划期k内，第j种发电方式在电力需求等级为h时的额外发电量；
系统中的扩容费用：
式中，m为电力系统扩容选项；M为电力系统中各发电技术可选扩容方式的个数；为规划期k内，第j种发电方式的单位扩容费用；Vjmk为规划期k内，第j种发电方式下第m种扩容选项的扩容量；/>为是否在规划期k内，以第j种发电方式下第m种扩容选项扩容；
系统收益：
式中，d为电力用户种类，D为终端用户种类的个数；PSdk为规划期k内，用户种类d的购电价格；为规划期k内，用户种类d在电力需求情景h下的用电需求；
系统CO2的排放量：
式中，EMjk为规划期k内，第j种发电方式的CO2排放量；Xjk和Xjkh为模型中的决策变量，分别代表规划期k内，第j种发电方式的计划内发电量，和电力需求水平h条件下的第二阶段发电量；
目标函数：
电力需求约束：系统电力产出大于等于系统能源需求，即
电力生产与原料供应约束：系统中非可再生能源的产电量不超过能源原材料供给量，即
式中，CRj为第j种发电方式的原材料发电转化率；j’为模型中考虑的非可再生能源的个数；
资源可用量约束：
式中，为第j种发电方式在r地区的资源可用量；
电厂发电能力约束：
式中，为第j种发电方式现有的发电产能；Ucap为电力生产转化系数；
扩容约束：
式中，为第j种发电方式的扩容限制；
技术约束：产能利用率为实际电力产量与工厂在现有技术及设备条件下最大产能的比例，即
式中，RAPj为第j种发电方式的产能利用率；
CO2排放量约束：
式中，ETk为k规划期内CO2排放量限制；Pk为k规划期内CO2排放量约束的违约风险；
非负约束：
为整数,/>
步骤2：将步骤1中构建的双目标能源系统规划模型拆分为不包含区间参数和区间变量的第一子模型和第二子模型；
步骤3：将步骤2中的第一子模型和第二子模型转化为传统线性规划模型并求取最优解。
2.根据权利要求1所述考虑多重不确定性及气候变化的双目标能源系统规划方法，其特征在于，所述第一子模型的计算方法为：
使得：
其中， 和/>分别为第一阶段非负决策变量和第二阶段非负决策变量，/>和/>为第一阶段决策变量的参数；/>和/>为第二阶段决策变量的参数；/>和/>分别为第一阶段和第二阶段约束的右手边参数；α±和β±为区间常数；/>和/>分别代表/>的上界和下界；第一子模型的解为/>和/>
3.根据权利要求2所述考虑多重不确定性及气候变化的双目标能源系统规划方法，其特征在于，所述第二子模型的计算方法为：
使得：
4.根据权利要求2所述考虑多重不确定性及气候变化的双目标能源系统规划方法，其特征在于，所述步骤3中将第一子模型和第二子模型转化为传统线性规划模型的计算方法如下：
使得：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111121227.8A CN113836720B (zh) | 2021-09-24 | 2021-09-24 | 考虑多重不确定性及气候变化的双目标能源系统规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111121227.8A CN113836720B (zh) | 2021-09-24 | 2021-09-24 | 考虑多重不确定性及气候变化的双目标能源系统规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113836720A CN113836720A (zh) | 2021-12-24 |
| CN113836720B true CN113836720B (zh) | 2024-04-05 |
Family
ID=78969806
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111121227.8A Active CN113836720B (zh) | 2021-09-24 | 2021-09-24 | 考虑多重不确定性及气候变化的双目标能源系统规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113836720B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102401825A (zh) * | 2011-08-22 | 2012-04-04 | 华北电力大学 | 一种集成式坡面径流模拟与监测装置 |
| CN106156955A (zh) * | 2016-08-24 | 2016-11-23 | 南瑞（武汉）电气设备与工程能效测评中心 | 一种考虑电力需求侧不确定性的电力规划方法 |
| CN111325388A (zh) * | 2020-02-17 | 2020-06-23 | 北京师范大学 | 一种不确定条件下降低能耗的水资源优化配置方法 |
-
2021
- 2021-09-24 CN CN202111121227.8A patent/CN113836720B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102401825A (zh) * | 2011-08-22 | 2012-04-04 | 华北电力大学 | 一种集成式坡面径流模拟与监测装置 |
| CN106156955A (zh) * | 2016-08-24 | 2016-11-23 | 南瑞（武汉）电气设备与工程能效测评中心 | 一种考虑电力需求侧不确定性的电力规划方法 |
| CN111325388A (zh) * | 2020-02-17 | 2020-06-23 | 北京师范大学 | 一种不确定条件下降低能耗的水资源优化配置方法 |
Non-Patent Citations (2)
| Title |
|---|
| A Chance-Constrained Interval-Inexact Energy Systems Planning Model (CCIESM) for City B based on Power Demand Probabilistic Forecasting;Wang, ZW等;《3rd International Conference on Advanced Engineering Materials and Technology (AEMT 2013)》;1891-1902 * |
| 基于不确定性优化方法的能源环境系统规划模型研究;董聪;《中国博士学位论文全文数据库》(第12期);1-203 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113836720A (zh) | 2021-12-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Daneshvar et al. | Chance-constrained models for transactive energy management of interconnected microgrid clusters | |
| Siqin et al. | A two-stage distributionally robust optimization model for P2G-CCHP microgrid considering uncertainty and carbon emission | |
| Ahmadi et al. | Multi-objective economic emission dispatch considering combined heat and power by normal boundary intersection method | |
| Rezvan et al. | Robust optimization of distributed generation investment in buildings | |
| Li et al. | Regional-scale electric power system planning under uncertainty—A multistage interval-stochastic integer linear programming approach | |
| Cheng et al. | Stochastic short-term scheduling of a wind-solar-hydro complementary system considering both the day-ahead market bidding and bilateral contracts decomposition | |
| Guo et al. | Intelligent optimization for project scheduling of the first mining face in coal mining | |
| Pecenak et al. | Robust design of microgrids using a hybrid minimum investment optimization | |
| Prabatha et al. | Community-level decentralized energy system planning under uncertainty: A comparison of mathematical models for strategy development | |
| Wei et al. | Distributed scheduling of smart buildings to smooth power fluctuations considering load rebound | |
| Hasheminasab et al. | A novel energy poverty evaluation: Study of the European Union countries | |
| Ikeda et al. | A new optimization strategy for the operating schedule of energy systems under uncertainty of renewable energy sources and demand changes | |
| Wen et al. | Stochastic optimization for security-constrained day-ahead operational planning under pv production uncertainties: Reduction analysis of operating economic costs and carbon emissions | |
| Song et al. | An inexact two-stage fractional energy systems planning model | |
| Tang et al. | Power generation mix evolution based on rolling horizon optimal approach: A system dynamics analysis | |
| Wan et al. | Internet data centers participating in electricity network transition considering carbon-oriented demand response | |
| Liu et al. | Scenario adjustable scheduling model with robust constraints for energy intensive corporate microgrid with wind power | |
| Jayawardana et al. | Optimisation framework for the operation of battery storage within solar‐rich microgrids | |
| Li et al. | Deep integration planning of sustainable energies in district energy system and distributed energy station | |
| Bødal et al. | Capacity expansion planning with stochastic rolling horizon dispatch | |
| Rawa et al. | Efficient energy management framework for enhancing the techno-economic-environmental performance of grid-connected microgrids under uncertain conditions | |
| Ma et al. | An efficient local multi‐energy systems planning method with long‐term storage | |
| Lu et al. | Two-stage robust scheduling and real-time load control of community microgrid with multiple uncertainties | |
| Nammouchi et al. | Robust opportunistic optimal energy management of a mixed microgrid under asymmetrical uncertainties | |
| Chen et al. | Optimal configuration of integrated energy station using adaptive operation mode of combined heat and power units |
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 |