CN113852121A - 一种电氢多能互补型综合能源系统的实时能量管理方法 - Google Patents

一种电氢多能互补型综合能源系统的实时能量管理方法 Download PDF

Info

Publication number
CN113852121A
CN113852121A CN202110986474.8A CN202110986474A CN113852121A CN 113852121 A CN113852121 A CN 113852121A CN 202110986474 A CN202110986474 A CN 202110986474A CN 113852121 A CN113852121 A CN 113852121A
Authority
CN
China
Prior art keywords
energy
hydrogen
time
cost
electric
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
CN202110986474.8A
Other languages
English (en)
Other versions
CN113852121B (zh
Inventor
李奇
邹雪俐
蒲雨辰
陈维荣
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.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong 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 Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN202110986474.8A priority Critical patent/CN113852121B/zh
Publication of CN113852121A publication Critical patent/CN113852121A/zh
Application granted granted Critical
Publication of CN113852121B publication Critical patent/CN113852121B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G06F17/13—Differential equations
    • 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
    • G06Q10/06315—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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based 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
    • 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
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/30—Hydrogen technology
    • Y02E60/36—Hydrogen production from non-carbon containing sources, e.g. by water electrolysis
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/40—Fuel cell technologies in production processes
    • 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
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Abstract

本发明公开一种电氢多能互补型综合能源系统的实时能量管理方法，本发明采用闭环最优预测控制内嵌多阶段空间最优决策算法，以分阶段动态过程的反复滚动优化代替传统的一次离线全局优化，引入反馈矫正形成闭环控制，对蓄电池、燃料电池、电解槽及外部电网进行未来响应优化，使能量合理分配，系统在每个阶段做出决策，从而使整个过程达到最好的优化效果，能够保证综合能源系统调度的实时性，在保证系统的功率平衡和成本最优的前提下，最大化消纳分布式电源的输出。

Description

一种电氢多能互补型综合能源系统的实时能量管理方法
技术领域
本发明属于综合能源系统技术领域，特别是涉及一种电氢多能互补型综合能源系统的实时能量管理方法。
背景技术
可再生能源因其清洁环保的优势得到了大量推广应用，因此，以分布式发电形式作为可再生能源的利用方式逐渐兴起。分布式发电技术能够促进节能，提高能源利用率，同时能根据用户需求实现多样化服务。然而大量容量及电压等级各异的分布式发电系统接入电网，给电力系统带来了许多挑战。可再生能源的间歇性会引起系统出力大范围波动，对电网稳定性造成影响。分布式发电出力不具备接受电网调度的能力，给电网的运行控制带来了一定的挑战。而综合能源系统的发展和扩展可以充分推进分布式电源和可再生能源的大量接入电网，使多种能源供应的可靠性提高，在满足系统内多元化用能需求的同时，有效的提高了能源利用率。目前，综合能源系统因其能够实现多种异质能源子系统之间的协调规划、优化运行，协同管理、交互响应和互补互济等特点受到了日益广泛的关注。同时，单一能源的储能系统已经无法满足综合能源系统日益复杂的需求，含多种能源的储能系统得到了广泛的研究。氢能是吸收可再生能源的有效途径之一，也是实现低碳转型的重要途径之一。随着可再生能源发电技术的逐步成熟，蓄氢在电力系统中的重要性越来越明显。如何合理安排利用多种储能系统及外部电网的功率交互实现综合能源系统电能供需平衡且获得最优效益是其集成控制与能量管理的重要内容。
随着分布式发电系统的大规模接入，其对综合能源系统的不利影响也逐渐明显。分布式能源的间歇性、随机性、不确定性等弊端使其难以连续稳定的进行电能输出。因此，需要对综合能源系统内的各电源、储能单元及外部电网间的功率交互进行优化调控，实现综合能源系统各单元间的优势互补，提高能源利用率和系统的经济性。其中，多阶段空间最优决策算法作为一种求解决策过程最优化的数学方法，广泛应用于工业生产、资源分配、最短路线及最优控制等方面。然而多阶段空间最优决策算法作为一种全局优化方法，用于综合能源系统的优化调控时通常存在以下不足：针对综合能源系统的日前调度，传统的多阶段空间最优决策算法不具备实时性，且计算复杂度高，计算速度慢。
发明内容
为了解决上述问题，本发明提出了一种电氢多能互补型综合能源系统的实时能量管理方法，基于多阶段空间最优决策算法，结合闭环最优预测控制，对控制变量和状态变量进行离散并设置约束，以成本最小为目标对综合能源系统进行能量管理，在保证系统功率平衡和维持储能系统的正常储能水平的前提下，实现分布式电源的最大化消纳，有效实现综合能源系统的实时调度，降低了运算复杂度，提升了运算速度。
为达到上述目的，本发明采用的技术方案是：一种电氢多能互补型综合能源系统的实时能量管理方法，包括步骤：
S100，初始化系统，设置蓄电池储量SOC和储氢罐储量SOHC的初始值；
S200，通过建立预测多元时间序列微分方程模型对光伏发电及负荷需求功率进行超短期预测；
S300，在系统约束下以最优成本为目标，基于闭环最优预测控制内嵌多阶段空间最优决策算法，引入前馈控制补偿干扰，构建电氢多能互补型综合能源系统调度模型；通过电氢多能互补型综合能源系统调度模型，对电氢多能互补综合能源系统进行滚动优化，计算当前时刻各微源的最优出力；
S400，将当前时刻蓄电池的SOC及储氢罐的SOHC作为反馈实现闭环控制，实现电氢多能互补型综合能源系统的实时能量管理。
进一步的是，所述电氢多能互补型综合能源系统调度模型包括多元微分时间预测、多阶段空间调控和反馈矫正三部分组成；在多阶段空间调控中，当前的控制行为取决于每一个采样瞬间通过求解一个有限时域开环最优控制而获得。
进一步的是，在多元微分时间预测中，根据历史数据，通过预测多元时间序列微分方程模型求解时间响应函数对光伏发电功率及负荷需求功率进行超短期预测。
进一步的是，所述预测多元时间序列微分方程模型的建立，包括步骤：输入原始数据；判断原始数据是否满足光滑条件，若否，对原始数据进行预处理后返回该步骤，若是，则进行下一步；基于满足光滑条件的数据建立微分方程模型；构造预测公式；判断预测精度检验是否合格，若否，对所得数据进行残差修正并调整模型，若是，输出超短期预测数据。
进一步的是，基于超短期预测结果，采用多阶段空间最优决策算法对所述电氢多能互补型综合能源系统进行分阶段动态过程的反复滚动优化，多阶段空间最优决策算法只在有限时域内进行，超短期预测步长是每一次多阶段空间最优决策算法优化的时间阶段数，将多阶段空间调控中当前时刻的系统状态作为下一时刻的多阶段空间最优决策算法的初始输入。
进一步的是，所述多阶段空间最优决策算法，以蓄电池储量SOC和储氢罐储量SOHC作为状态变量x(k)和y(k)，以蓄电池的输出功率Pbat和氢能系统的输出功率Phy作为决策变量u(k)和v(k)，将状态变量和决策变量离散化，根据决策变量的约束范围分别把计算过程中的控制变量和状态变量可达集合减小，以减小运算量并避免过程中的无效运算，从而提高求解速度。
进一步的是，所述多阶段空间最优决策算法，包括步骤：
S301，接收光伏发电及负荷需求功率的超短期预测结果；
S302，接收上一时刻蓄电池SOC及储氢罐SOHC的反馈结果；
S303，设定[t,t+n]时段状态变量SOC、SOHC的可达集合，每一次预测步长为n，每一次多阶段空间调控中多阶段空间最优决策算法的工况时间就被离散成n个等距阶段，设定多阶段空间最优决策算法的时间阶段数k＝n；
S304，在多阶段空间调控过程中，以控制时域内储能系统在电储量正常情况下电氢多能互补型综合能源系统运行成本最优为目标，其中，光伏发电系统运行成本恒定，根据光伏发电和负荷需求的预测功率，考虑电价、储能系统的使用成本和维护成本，能量管理系统应考虑为各单元分配功率，并且选择使用成本最低的工作方式，目标函数为：
Figure BDA0003230850190000031
式中：t为当前时刻，T为系统多阶段空间最优决策算法运算周期，Cbat,dis,t和Cbat,char,t分别为t时刻蓄电池的放电成本和充电成本；Cfc,t为t时刻燃料电池的放电成本；Cel为t时刻电解槽的运行成本；Cnet为t时刻系统与外部电网功率交互的成本，购电时为正，售电时为负；
电氢多能互补型综合能源系统的电网购电成本为：
Figure BDA0003230850190000041
式中：Cph为购电单位成本；Cse为售电单位收益；Pnet为综合能源系统与外部电网的功率交互；
蓄电池系统使用成本为：
Figure BDA0003230850190000042
式中：Cbat为蓄电池的使用成本；Cbat,dis为蓄电池放电成本；Cbat,char为蓄电池充电成本；Cbat,in表示蓄电池的购置成本；Cbat,O&M表示其运行维护成本；ηbat,char和ηbat,dis分别表示蓄电池的充电效率和放电效率；Lbat为其使用寿命(h)；
氢能系统使用成本为：
Figure BDA0003230850190000043
式中：Chy为氢能系统使用成本；Cfc为燃料电池使用成本；Cel为电解槽使用成本；Cel,in和Cfc,in分别为电解槽和燃料电池购入成本；Lel和Lfc为电解槽使用寿命；Cel,O&M和Cfc,O&M为电解槽和燃料电池运行维护费用；ηel和ηfc分别是电解槽和燃料电池的工作效率；
S305，考虑状态变量x(k)、y(k)和决策变量Pbat、Phy的约束来定义状态变量的可行域M(k)，所述多阶段空间最优决策算法的状态转移方程为：
Figure BDA0003230850190000044
其中：
Figure BDA0003230850190000045
k为当前多阶段空间调控的阶段，n为预测步长，X(k)、Y(k)为分别状态变量SOC、SOHC的可达集合，U(k)、V(k)分别为决策变量Pbat、Phy的可达集合；
S306，k+n时刻的每个可行状态到k+1时刻的成本可由成本函数算出，逆向寻优，根据多阶段空间调控的目标函数得到状态变量可行域M(k)下的最优决策序列，正向生成k时刻到k+n时刻的最佳决策；
S307，输出当前时刻的最优决策变量及状态变量，只执行当前时刻下各电源与储能系统的最优出力，并存储当前时刻系统的储能状态；
S308，将该阶段决策执行后的储能状态送至到下一采样时刻的输入端，以上一采样时刻时系统的实际输出结果进入滚动优化的下一阶段，并为下一次的多阶段空间调控做准备；
S309，判断调控周期是否结束，若否，返回步骤S301，若是，结束计算。
进一步的是，由于未考虑实际应用中的干扰因素，超短期预测控制的结果往往会偏离实际输出，因此，为了使系统的优化效果更好，在每一个采样时刻，将上一时刻优化后系统储能系统的实际储量作为反馈，实现闭环最优预测控制，多阶段空间调控中状态变量始终为实际值，使得误差实时校正；
为了使储能系统在工作时始终处于最佳工作状态，将蓄电池的荷电状态SOC和氢能系统的等效荷电状态SOHC限制在30％～70％，以保证两储能系统的工作性能与使用寿命，实现蓄电池和氢能系统对整个系统的需求功率削峰填谷的作用。
进一步的是，所述系统约束包括：电氢多能互补型综合能源系统内功率平衡约束，蓄电池最大充放电功率，燃料电池最大输出功率，电解槽最大输出功率，电网购售电功率上下限，蓄电池SOC上下限，储氢罐SOHC上下限。
进一步的是，所述电氢多能互补型综合能源系统包括光伏发电系统、氢能系统、蓄电池系统、能量转换设备以及直流负荷；所述光伏发电系统为电氢多能互补型综合能源系统的主要能源；所述氢能系统包括电解槽系统、储氢罐系统以及燃料电池系统；所述蓄电池系统为综合能源系统的电储能系统；所述光伏发电系统、蓄电池系统、电解槽系统、燃料电池系统均通过DC/DC直流变换器连接至直流母线。
采用本技术方案的有益效果：
本发明采用闭环最优预测控制内嵌多阶段空间最优决策算法，以分阶段动态过程的反复滚动优化代替传统的一次离线全局优化，引入反馈矫正形成闭环控制，对蓄电池、燃料电池、电解槽及外部电网进行未来响应优化，使能量合理分配，系统在每个阶段做出决策，从而使整个过程达到最好的优化效果，能够保证综合能源系统调度的实时性，在保证系统的功率平衡和成本最优的前提下，最大化消纳分布式电源的输出。
本发明针对综合能源系统中的间歇性分布式电源及负荷出力的不确定性，为实现系统的经济运行，提出以一种基于多阶段空间决策闭环控制的电-氢多能互补型综合能源系统实时能量管理方法，对蓄电池、燃料电池、电解槽及外部电网进行合理能量分配，在保证系统的功率平衡和成本最优的前提下，能够最大化消纳分布式电源的输出。
本发明能够解决分布式电源和负荷的预测精度随时间尺度增长而降低的问题，以及预测时域较长时多阶段空间最优决策算法运算速度较慢无法满足电氢综合能源系统实时控制的矛盾。基于超短期预测算法，对光伏阵列输出功率和系统负载需求功率的进行预测，以有限时段的反复滚动优化代替传统最优决策的一次离线全局优化，在优化过程中，各电源平稳出力，日内储能系统的电储量始终维持正常储能水平，蓄电池和燃料电池均能在正常功率范围内使系统达到功率平衡。闭环最优预测控制与多阶段二维空间最优决策算法的结合使系统决策有较强的实时性，超短期预测避免了日前预测值和实际值的偏差对系统经济运行的不良影响。
面对电氢多能互补型综合能源系统在进行能量管理时的下方两个问题：其一，在使用多阶段空间最优决策算法对系统进行优化时，当状态量、决策量和时段长度增加时，虽然最优决策仍然唯一，但可行决策序列的数量呈指数型上升，运算复杂度变高；其二，所述电-氢多能互补型综合能源系统中有蓄电池和氢能系统两种储能方式，状态变量和决策变量的数量为二，形成多阶段二维空间最优决策算法，也增加了运算复杂度与运算量大。本发明提出基于闭环最优预测控制内嵌多阶段空间最优决策算法，当电-氢多能互补型综合能源系统运行在第k时刻时，由第k时刻的状态变量及状态转移方程计算得到k+1时刻的状态变量最大、最小值，以此类推可以得到k+n时域状态变量的可达区域。在进行多阶段空间调控时，根据状态变量的可达区域，调控过程在一个采样时刻确定的时域内在线进行。可达集合的存在能够避免大量无效运算，有效降低运算复杂度，提升运算速度。
附图说明
图1为本发明的一种电氢多能互补型综合能源系统的实时能量管理方法流程示意图；
图2为本发明实施例中电-氢综合能源系统能量管理框图；
图3为本发明实施例中日内超短期预测所采用的预测多元时间序列微分方程模型建立的流程图；
图4为本发明实施例中多阶段空间决策闭环控制方法的计算流程图；
图5为本发明实施例中电-氢综合能源系统的拓扑结构。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。
在本实施例中，如图5所示，所述电氢多能互补型综合能源系统包括光伏发电系统、氢能系统、蓄电池系统、能量转换设备以及直流负荷；所述光伏发电系统为电氢多能互补型综合能源系统的主要能源；所述氢能系统包括电解槽系统、储氢罐系统以及燃料电池系统；所述蓄电池系统为综合能源系统的电储能系统；所述光伏发电系统、蓄电池系统、电解槽系统、燃料电池系统均通过DC/DC直流变换器连接至直流母线。
参见图1所示，本发明提出了一种电氢多能互补型综合能源系统的实时能量管理方法，包括步骤：
S100，初始化系统，设置蓄电池储量SOC和储氢罐储量SOHC的初始值；
S200，通过建立预测多元时间序列微分方程模型对光伏发电及负荷需求功率进行超短期预测；
S300，在系统约束下以最优成本为目标，基于闭环最优预测控制内嵌多阶段空间最优决策算法，引入前馈控制补偿干扰，构建电氢多能互补型综合能源系统调度模型；通过电氢多能互补型综合能源系统调度模型，对电氢多能互补综合能源系统进行滚动优化，计算当前时刻各微源的最优出力；
S400，将当前时刻蓄电池的SOC及储氢罐的SOHC作为反馈实现闭环控制，实现电氢多能互补型综合能源系统的实时能量管理。
作为上述实施例的优化方案，如图2所示，所述电氢多能互补型综合能源系统调度模型包括多元微分时间预测、多阶段空间调控和反馈矫正三部分组成；在多阶段空间调控中，当前的控制行为取决于每一个采样瞬间通过求解一个有限时域开环最优控制而获得。
在多元微分时间预测中，根据历史数据，通过预测多元时间序列微分方程模型求解时间响应函数对光伏发电功率及负荷需求功率进行超短期预测，时间尺度设置为15min，获取未来15min×5的预测数据。
其中，如图3所示，所述预测多元时间序列微分方程模型的建立，包括步骤：输入原始数据；判断原始数据是否满足光滑条件，若否，对原始数据进行预处理后返回该步骤，若是，则进行下一步；基于满足光滑条件的数据建立微分方程模型；构造预测公式；判断预测精度检验是否合格，若否，对所得数据进行残差修正并调整模型，若是，输出超短期预测数据。
基于超短期预测结果，采用多阶段空间最优决策算法对所述电氢多能互补型综合能源系统进行分阶段动态过程的反复滚动优化，多阶段空间最优决策算法只在有限时域内进行，超短期预测步长是每一次多阶段空间最优决策算法优化的时间阶段数，将多阶段空间调控中当前时刻的系统状态作为下一时刻的多阶段空间最优决策算法的初始输入。
作为上述实施例电路优化方案，如图5所示，所述多阶段空间最优决策算法，以蓄电池储量SOC和储氢罐储量SOHC作为状态变量x(k)和y(k)，以蓄电池的输出功率Pbat和氢能系统的输出功率Phy作为决策变量u(k)和v(k)，将状态变量和决策变量离散化，根据决策变量的约束范围分别把计算过程中的控制变量和状态变量可达集合减小，以减小运算量并避免过程中的无效运算，从而提高求解速度。
所述多阶段空间最优决策算法，包括步骤：
S301，接收光伏发电及负荷需求功率的超短期预测结果；
S302，接收上一时刻蓄电池SOC及储氢罐SOHC的反馈结果；
S303，设定[t,t+n]时段状态变量SOC、SOHC的可达集合，每一次预测步长为n，每一次多阶段空间调控中多阶段空间最优决策算法的工况时间就被离散成n个等距阶段，设定多阶段空间最优决策算法的时间阶段数k＝n；
S304，在多阶段空间调控过程中，以控制时域内储能系统在电储量正常情况下电氢多能互补型综合能源系统运行成本最优为目标，其中，光伏发电系统运行成本恒定，根据光伏发电和负荷需求的预测功率，考虑电价、储能系统的使用成本和维护成本，能量管理系统应考虑为各单元分配功率，并且选择使用成本最低的工作方式，目标函数为：
Figure BDA0003230850190000091
式中：t为当前时刻，T为系统多阶段空间最优决策算法运算周期，Cbat,dis,t和Cbat,char,t分别为t时刻蓄电池的放电成本和充电成本；Cfc,t为t时刻燃料电池的放电成本；Cel为t时刻电解槽的运行成本；Cnet为t时刻系统与外部电网功率交互的成本，购电时为正，售电时为负；
电氢多能互补型综合能源系统的电网购电成本为：
Figure BDA0003230850190000092
式中：Cph为购电单位成本；Cse为售电单位收益；Pnet为综合能源系统与外部电网的功率交互；
蓄电池系统使用成本为：
Figure BDA0003230850190000093
式中：Cbat为蓄电池的使用成本；Cbat,dis为蓄电池放电成本；Cbat,char为蓄电池充电成本；Cbat,in表示蓄电池的购置成本；Cbat,O&M表示其运行维护成本；ηbat,char和ηbat,dis分别表示蓄电池的充电效率和放电效率；Lbat为其使用寿命(h)；
氢能系统使用成本为：
Figure BDA0003230850190000094
式中：Chy为氢能系统使用成本；Cfc为燃料电池使用成本；Cel为电解槽使用成本；Cel,in和Cfc,in分别为电解槽和燃料电池购入成本；Lel和Lfc为电解槽使用寿命；Cel,O&M和Cfc,O&M为电解槽和燃料电池运行维护费用；ηel和ηfc分别是电解槽和燃料电池的工作效率；
S305，考虑状态变量x(k)、y(k)和决策变量Pbat、Phy的约束来定义状态变量的可行域M(k)，所述多阶段空间最优决策算法的状态转移方程为：
Figure BDA0003230850190000101
其中：
Figure BDA0003230850190000102
k为当前多阶段空间调控的阶段，n为预测步长，X(k)、Y(k)为分别状态变量SOC、SOHC的可达集合，U(k)、V(k)分别为决策变量Pbat、Phy的可达集合；
S306，k+n时刻的每个可行状态到k+1时刻的成本可由成本函数算出，逆向寻优，根据多阶段空间调控的目标函数得到状态变量可行域M(k)下的最优决策序列，正向生成k时刻到k+n时刻的最佳决策；
S307，输出当前时刻的最优决策变量及状态变量，只执行当前时刻下各电源与储能系统的最优出力，并存储当前时刻系统的储能状态；
S308，将该阶段决策执行后的储能状态送至到下一采样时刻的输入端，以上一采样时刻时系统的实际输出结果进入滚动优化的下一阶段，并为下一次的多阶段空间调控做准备；
S309，判断调控周期是否结束，若否，返回步骤S301，若是，结束计算。
由于未考虑实际应用中的干扰因素，超短期预测控制的结果往往会偏离实际输出，因此，为了使系统的优化效果更好，在每一个采样时刻，将上一时刻优化后系统储能系统的实际储量作为反馈，实现闭环最优预测控制，多阶段空间调控中状态变量始终为实际值，使得误差实时校正；
为了使储能系统在工作时始终处于最佳工作状态，将蓄电池的荷电状态SOC和氢能系统的等效荷电状态SOHC限制在30％～70％，以保证两储能系统的工作性能与使用寿命，实现蓄电池和氢能系统对整个系统的需求功率削峰填谷的作用。
其中，所述系统约束包括：电氢多能互补型综合能源系统内功率平衡约束，蓄电池最大充放电功率，燃料电池最大输出功率，电解槽最大输出功率，电网购售电功率上下限，蓄电池SOC上下限，储氢罐SOHC上下限。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (10)

1.一种电氢多能互补型综合能源系统的实时能量管理方法，其特征在于，包括步骤：
S100，初始化系统，设置蓄电池储量SOC和储氢罐储量SOHC的初始值；
S200，通过建立预测多元时间序列微分方程模型对光伏发电及负荷需求功率进行超短期预测；
S300，在系统约束下以最优成本为目标，基于闭环最优预测控制内嵌多阶段空间最优决策算法，引入前馈控制补偿干扰，构建电氢多能互补型综合能源系统调度模型；通过电氢多能互补型综合能源系统调度模型，对电氢多能互补综合能源系统进行滚动优化，计算当前时刻各微源的最优出力；
S400，将当前时刻蓄电池的SOC及储氢罐的SOHC作为反馈实现闭环控制，实现电氢多能互补型综合能源系统的实时能量管理。
2.根据权利要求1所述的一种电氢多能互补型综合能源系统的实时能量管理方法，其特征在于，所述电氢多能互补型综合能源系统调度模型包括多元微分时间预测、多阶段空间调控和反馈矫正三部分组成；在多阶段空间调控中，当前的控制行为取决于每一个采样瞬间通过求解一个有限时域开环最优控制而获得。
3.根据权利要求2所述的一种电氢多能互补型综合能源系统的实时能量管理方法，其特征在于，在多元微分时间预测中，根据历史数据，通过预测多元时间序列微分方程模型求解时间响应函数对光伏发电功率及负荷需求功率进行超短期预测。
4.根据权利要求3所述的一种电氢多能互补型综合能源系统的实时能量管理方法，其特征在于，所述预测多元时间序列微分方程模型的建立，包括步骤：输入原始数据；判断原始数据是否满足光滑条件，若否，对原始数据进行预处理后返回该步骤，若是，则进行下一步；基于满足光滑条件的数据建立微分方程模型；构造预测公式；判断预测精度检验是否合格，若否，对所得数据进行残差修正并调整模型，若是，输出超短期预测数据。
5.根据权利要求4所述的一种电氢多能互补型综合能源系统的实时能量管理方法，其特征在于，基于超短期预测结果，采用多阶段空间最优决策算法对所述电氢多能互补型综合能源系统进行分阶段动态过程的反复滚动优化，多阶段空间最优决策算法只在有限时域内进行，超短期预测步长是每一次多阶段空间最优决策算法优化的时间阶段数，将多阶段空间调控中当前时刻的系统状态作为下一时刻的多阶段空间最优决策算法的初始输入。
6.根据权利要求5所述的一种电氢多能互补型综合能源系统的实时能量管理方法，其特征在于，所述多阶段空间最优决策算法，以蓄电池储量SOC和储氢罐储量SOHC作为状态变量x(k)和y(k)，以蓄电池的输出功率Pbat和氢能系统的输出功率Phy作为决策变量u(k)和v(k)，将状态变量和决策变量离散化，根据决策变量的约束范围分别把计算过程中的控制变量和状态变量可达集合减小。
7.根据权利要求6所述的一种电氢多能互补型综合能源系统的实时能量管理方法，其特征在于，所述多阶段空间最优决策算法，包括步骤：
S301，接收光伏发电及负荷需求功率的超短期预测结果；
S302，接收上一时刻蓄电池SOC及储氢罐SOHC的反馈结果；
S303，设定[t,t+n]时段状态变量SOC、SOHC的可达集合，每一次预测步长为n，每一次多阶段空间调控中多阶段空间最优决策算法的工况时间就被离散成n个等距阶段，设定多阶段空间最优决策算法的时间阶段数k＝n；
S304，在多阶段空间调控过程中，以控制时域内储能系统在电储量正常情况下电氢多能互补型综合能源系统运行成本最优为目标，其中，光伏发电系统运行成本恒定，根据光伏发电和负荷需求的预测功率，考虑电价、储能系统的使用成本和维护成本，能量管理系统应考虑为各单元分配功率，并且选择使用成本最低的工作方式，目标函数为：
Figure FDA0003230850180000021
式中：t为当前时刻，T为系统多阶段空间最优决策算法运算周期，Cbat,dis,t和Cbat,char,t分别为t时刻蓄电池的放电成本和充电成本；Cfc,t为t时刻燃料电池的放电成本；Cel为t时刻电解槽的运行成本；Cnet为t时刻系统与外部电网功率交互的成本，购电时为正，售电时为负；
电氢多能互补型综合能源系统的电网购电成本为：
Figure FDA0003230850180000022
式中：Cph为购电单位成本；Cse为售电单位收益；Pnet为综合能源系统与外部电网的功率交互；
蓄电池系统使用成本为：
Figure FDA0003230850180000031
式中：Cbat为蓄电池的使用成本；Cbat,dis为蓄电池放电成本；Cbat,char为蓄电池充电成本；Cbat,in表示蓄电池的购置成本；Cbat,O&M表示其运行维护成本；ηbat,char和ηbat,dis分别表示蓄电池的充电效率和放电效率；Lbat为其使用寿命(h)；
氢能系统使用成本为：
Figure FDA0003230850180000032
式中：Chy为氢能系统使用成本；Cfc为燃料电池使用成本；Cel为电解槽使用成本；Cel,in和Cfc,in分别为电解槽和燃料电池购入成本；Lel和Lfc为电解槽使用寿命；Cel,O&M和Cfc,O&M为电解槽和燃料电池运行维护费用；ηel和ηfc分别是电解槽和燃料电池的工作效率；
S305，考虑状态变量x(k)、y(k)和决策变量Pbat、Phy的约束来定义状态变量的可行域M(k)，所述多阶段空间最优决策算法的状态转移方程为：
Figure FDA0003230850180000033
其中：
Figure FDA0003230850180000034
k为当前多阶段空间调控的阶段，n为预测步长，X(k)、Y(k)为分别状态变量SOC、SOHC的可达集合，U(k)、V(k)分别为决策变量Pbat、Phy的可达集合；
S306，k+n时刻的每个可行状态到k+1时刻的成本可由成本函数算出，逆向寻优，根据多阶段空间调控的目标函数得到状态变量可行域M(k)下的最优决策序列，正向生成k时刻到k+n时刻的最佳决策；
S307，输出当前时刻的最优决策变量及状态变量，只执行当前时刻下各电源与储能系统的最优出力，并存储当前时刻系统的储能状态；
S308，将该阶段决策执行后的储能状态送至到下一采样时刻的输入端，以上一采样时刻时系统的实际输出结果进入滚动优化的下一阶段，并为下一次的多阶段空间调控做准备；
S309，判断调控周期是否结束，若否，返回步骤S301，若是，结束计算。
8.根据权利要求7所述的一种电氢多能互补型综合能源系统的实时能量管理方法，其特征在于，在每一个采样时刻，将上一时刻优化后系统储能系统的实际储量作为反馈，实现闭环最优预测控制，多阶段空间调控中状态变量始终为实际值，使得误差实时校正；
将蓄电池的荷电状态SOC和氢能系统的等效荷电状态SOHC限制在30％～70％。
9.根据权利要求1所述的一种电氢多能互补型综合能源系统的实时能量管理方法，其特征在于，所述系统约束包括：电氢多能互补型综合能源系统内功率平衡约束，蓄电池最大充放电功率，燃料电池最大输出功率，电解槽最大输出功率，电网购售电功率上下限，蓄电池SOC上下限，储氢罐SOHC上下限。
10.根据权利要求1所述的一种电氢多能互补型综合能源系统的实时能量管理方法，其特征在于，所述电氢多能互补型综合能源系统包括光伏发电系统、氢能系统、蓄电池系统、能量转换设备以及直流负荷；所述光伏发电系统为电氢多能互补型综合能源系统的主要能源；所述氢能系统包括电解槽系统、储氢罐系统以及燃料电池系统；所述蓄电池系统为综合能源系统的电储能系统；所述光伏发电系统、蓄电池系统、电解槽系统、燃料电池系统均通过DC/DC直流变换器连接至直流母线。
CN202110986474.8A 2021-08-26 2021-08-26 一种电氢多能互补型综合能源系统的实时能量管理方法 Active CN113852121B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110986474.8A CN113852121B (zh) 2021-08-26 2021-08-26 一种电氢多能互补型综合能源系统的实时能量管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110986474.8A CN113852121B (zh) 2021-08-26 2021-08-26 一种电氢多能互补型综合能源系统的实时能量管理方法

Publications (2)

Publication Number Publication Date
CN113852121A true CN113852121A (zh) 2021-12-28
CN113852121B CN113852121B (zh) 2023-05-12

Family

ID=78976441

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110986474.8A Active CN113852121B (zh) 2021-08-26 2021-08-26 一种电氢多能互补型综合能源系统的实时能量管理方法

Country Status (1)

Country Link
CN (1) CN113852121B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110190628A (zh) * 2019-06-12 2019-08-30 西南交通大学 一种基于综合能源的复线全并联at牵引供电系统及方法
CN110311421A (zh) * 2019-07-12 2019-10-08 燕山大学 基于需求侧响应的微电网多时间尺度能量管理方法
CN110659830A (zh) * 2019-09-25 2020-01-07 国网天津市电力公司 面向综合能源系统的多能源微网规划方法
CN110705070A (zh) * 2019-09-24 2020-01-17 国网天津市电力公司 一种分布式能源系统多阶段滚动优化规划方法
AU2020100429A4 (en) * 2020-03-20 2020-09-10 Southeast University A dynamic optimal energy flow computing method for the combined heat and power system
CN112217202A (zh) * 2020-09-29 2021-01-12 东南大学 考虑灵活性投资的分布式新能源、储能与配电网规划方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110190628A (zh) * 2019-06-12 2019-08-30 西南交通大学 一种基于综合能源的复线全并联at牵引供电系统及方法
CN110311421A (zh) * 2019-07-12 2019-10-08 燕山大学 基于需求侧响应的微电网多时间尺度能量管理方法
CN110705070A (zh) * 2019-09-24 2020-01-17 国网天津市电力公司 一种分布式能源系统多阶段滚动优化规划方法
CN110659830A (zh) * 2019-09-25 2020-01-07 国网天津市电力公司 面向综合能源系统的多能源微网规划方法
AU2020100429A4 (en) * 2020-03-20 2020-09-10 Southeast University A dynamic optimal energy flow computing method for the combined heat and power system
CN112217202A (zh) * 2020-09-29 2021-01-12 东南大学 考虑灵活性投资的分布式新能源、储能与配电网规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YUNCHEN PU等: "Hierarchical energy management control for islanding DC microgrid with electric-hydrogen hybrid storage system", 《INTERNATIONAL JOURNA L O F HYDROGEN ENERGY》 *
蒲雨辰 等: "计及最小使用成本及储能状态平衡的 电氢混合储能孤岛直流微电网能量管理", 《电网技术》 *

Also Published As

Publication number Publication date
CN113852121B (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
CN110544935B (zh) 一种电-氢多能互补直流微电网协调调度方法
CN107104433B (zh) 一种光储系统参与配电网优化运行策略的获取方法
CN111293682B (zh) 一种基于协同模型预测控制的多微网能量管理方法
Chen et al. Multi-time scale coordinated optimal dispatch of microgrid cluster based on MAS
CN113850474B (zh) 一种热电氢多能流综合能源系统及其优化调度方法
CN111404183A (zh) 区域综合能源系统多元储能协同配置方法、程序、系统与应用
Wang et al. Energy management strategy of hybrid energy storage based on Pareto optimality
Shahzad et al. Model predictive control strategies in microgrids: A concise revisit
Saha Adaptive model-based receding horizon control of interconnected renewable-based power micro-grids for effective control and optimal power exchanges
CN115115130A (zh) 一种基于模拟退火算法的风光储制氢系统日前调度方法
Mao et al. Microgrid group control method based on deep learning under cloud edge collaboration
Pan et al. Dual-layer optimal dispatching strategy for microgrid energy management systems considering demand response
CN116979611A (zh) 一种源网荷储分层优化调度方法
CN115940284A (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN113852121B (zh) 一种电氢多能互补型综合能源系统的实时能量管理方法
CN115411776A (zh) 住宅综合能源系统的热电协同调度方法及装置
KR102562761B1 (ko) 스마트 그리드에서 p2p 프로슈머 커뮤니티의 지능형 사전 에너지 공유 스케줄링 방법
Zhang et al. Consensus network based distributed energy management for pv-based charging station
CN106410867B (zh) 一种电能路由器功率流优化分析方法
CN113794244B (zh) 含多微网主动配电系统的定价与最优能量调度方法和系统
Feng et al. Flexible Coordinated Optimal Operation Model of" source-grid-load-storage" in Smart Distribution Network
CN114039369A (zh) 用于提升新能源消纳的储能多点定容与运行方法及系统
Chen et al. Energy Optimal Scheduling Strategy for Receiving End Grid Based on Improved Multi-objective Particle Swarm Optimization Algorithm
Ma et al. Hierarchical optimization of pumped hydro storage and electrochemical energy storage for new energy accommodation
Gao et al. Economic Evaluation of Build-in ESS Technology for PV Plant in Spot Market

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