CN113872192B - 医院电网负荷优化控制系统及控制方法 - Google Patents

医院电网负荷优化控制系统及控制方法 Download PDF

Info

Publication number
CN113872192B
CN113872192B CN202111129837.2A CN202111129837A CN113872192B CN 113872192 B CN113872192 B CN 113872192B CN 202111129837 A CN202111129837 A CN 202111129837A CN 113872192 B CN113872192 B CN 113872192B
Authority
CN
China
Prior art keywords
power
cost
output power
equipment
control period
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
Application number
CN202111129837.2A
Other languages
English (en)
Other versions
CN113872192A (zh
Inventor
吴凯槟
戴安
郑鑫
胡俊羽
邱泽晶
张良华
岳萌萌
李俊
王曦
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.)
Wuhan Energy Efficiency Evaluation Co Ltd Of State Grid Electric Power Research Institute
State Grid Corp of China SGCC
State Grid Electric Power Research Institute
Original Assignee
Wuhan Energy Efficiency Evaluation Co Ltd Of State Grid Electric Power Research Institute
State Grid Corp of China SGCC
State Grid Electric Power Research Institute
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 Wuhan Energy Efficiency Evaluation Co Ltd Of State Grid Electric Power Research Institute, State Grid Corp of China SGCC, State Grid Electric Power Research Institute filed Critical Wuhan Energy Efficiency Evaluation Co Ltd Of State Grid Electric Power Research Institute
Priority to CN202111129837.2A priority Critical patent/CN113872192B/zh
Publication of CN113872192A publication Critical patent/CN113872192A/zh
Application granted granted Critical
Publication of CN113872192B publication Critical patent/CN113872192B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/004—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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • 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
    • 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
    • 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
    • H02J2300/28—The renewable source being wind 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/10—The network having a local or delimited stationary reach
    • H02J2310/20—The network being internal to a load
    • H02J2310/23—The load being a medical device, a medical implant, or a life supporting device
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • 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
    • 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
    • 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

Landscapes

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

Abstract

本发明公开了一种医院电网负荷优化控制系统，包括参数获取模块、总成本计算模块、约束条件计算模块、粒子群算法模块、优化控制模块。本发明还公开了一种医院电网负荷优化控制系统的控制方法，包括将供电设备的输出功率和用电设备的输入功率作为粒子，根据约束条件确定粒子的初始速度和位置，将医院电网总成本作为粒子的目标函数，利用粒子群算法进行迭代计算直到收敛，得到下个第一优化控制周期内供电设备的目标输出功率和用电设备的目标输入功率。本发明精确预测电网目标功率，减小电网负荷的波动性；兼顾电网负荷的稳定性和环保性。

Description

医院电网负荷优化控制系统及控制方法
技术领域
本发明涉及电网负荷控制技术领域，具体地指一种医院电网负荷优化控制系统及控制方法。
背景技术
近些年来随着能源和环境问题日益突出，在电力行业发展的过程中，可再生能源所占比重逐步提升。由于可再生能源如太阳能、风能等具有随机性和波动性等特点，在其接入电网后，给电力系统的优化调度也带来了很大的影响。微网的出现为可再生能源的综合利用提供了有效的手段和途径，是解决分布式可再生能源集中并网进行供电的一种有效方式。但是分布式可再生能源的随机性和波动性会给电网的安全稳定运行带来很大的影响。
微网将分布式电源、储能装置、能量转换装置、负荷、监控和保护装置等集合起来组成的单一可控的单元。在微网中各分布式电源均为可控设备，如微型燃气轮机、风机机组、光伏机组和蓄电池等设备，通过控制各电源设备的出力大小进而能够消纳更多的可再生能源的出力，达到维持系统安全稳定的目的。
目前多数对于微网优化控制的方法主要为日前优化与日内实时控制相结合，所建立的模型相对来说比较复杂，在实际应用中难度较大。传统的微网优化控制方法在电负荷或者可再生能源发生波动时，很容易出现可调容量不足的情况甚至会出现与电网交互功率过大引起波动比较大的情况，进而会影响电网的安全稳定运行。
发明内容
本发明的目的就是要克服上述现有技术存在的不足，提供一种医院电网负荷优化控制系统及控制方法，该系统及方法可以实时精确的预测医院电网的目标功率，并减小电网负荷的波动性。
为实现上述目的，本发明提供一种医院电网负荷优化控制系统，包括参数获取模块、总成本计算模块、约束条件计算模块、粒子群算法模块、优化控制模块；
所述参数获取模块用于获取供电设备的输出功率和用电设备的输入功率；
所述总成本计算模块用于根据燃气设备的输出功率得到燃料成本，根据电网购电功率得到购电成本，根据风光发电设备的实际输出功率和目标输出功率得到弃风弃光惩罚成本，根据供电设备的输出功率和用电设备的输入功率得到设备维护成本，根据燃料成本、购电成本、弃风弃光惩罚成本和设备维护成本求和后取最小值得到优化控制周期内医院电网总成本；
所述约束条件计算模块用于根据医院电网的能量平衡关系得到约束条件；
所述粒子群算法模块用于将供电设备的输出功率和用电设备的输入功率作为粒子，根据供电设备和用电设备输出功率的约束条件确定粒子的初始速度和位置，将医院电网总成本作为粒子的目标函数，利用粒子群算法进行迭代计算直到收敛，得到下个优化控制周期内供电设备的目标输出功率和用电设备的目标输入功率；
所述优化控制模块用于根据供电设备的目标输出功率和用电设备的目标输入功率控制供电设备的实际输出功率和用电设备的实际输入功率。
进一步地，所述医院电网包括与医院电网输入端分别连接的风机、配电网、光伏和燃气轮机，所述医院电网输出端分别连接有储能装置、电负荷、电制冷机、电转热装置。
进一步地，所述总成本计算模块包括弃风弃光惩罚成本模块，所述弃风弃光惩罚成本模块用于根据弃光惩罚系数、优化控制周期、光伏的目标输出功率与实际输出功率之差得到弃光惩罚成本，以及用于根据弃风惩罚系数、优化控制周期、风机的目标输出功率与实际输出功率之差得到弃风惩罚成本，并对弃光惩罚成本和弃风惩罚成本求和得到弃风弃光惩罚成本。
进一步地，所述总成本计算模块包括设备维护成本模块，所述设备维护成本模块用于获取每个供电设备的输出功率和用电设备的输入功率和维护成本系数、优化控制周期的乘积，对每个乘积进行求和得到设备维护成本。
进一步地，所述约束条件计算模块用于根据医院电网的电能量平衡关系得到电平衡约束条件，所述电平衡约束条件为电网购电功率、燃气轮机输出功率、风机输出功率、光伏输出功率、储能装置输出功率之和等于电负荷输入功率、电制冷机输入功率、电制热装置输入功率之和。
进一步地，所述粒子群算法模块还用于随机生成一组粒子进行迭代计算，每次迭代计算均得到供电设备的目标输出功率和用电设备的目标输入功率以及医院电网总成本，确定该组粒子中个体最优值Pd和个体极值Pbest，并确定全局最优值g和全局极值gbest，对粒子的速度和位置进行更新后重复迭代计算，直到目标函数收敛。
进一步地，所述粒子群算法模块还用于在每次迭代计算时，判断个体极值Pbest与全局极值gbest的大小，如果Pbest<gbest，则将个体最优值Pd赋给全局最优值g，将个体极值Pbest赋给全局极值gbest，反之全局最优值g和全局极值gbest保持不变。
本发明还提供一种利用上述所述的医院电网负荷优化控制系统的控制方法，包括：
(1)采集第一优化控制周期内供电设备的输出功率和用电设备的输入功率，根据燃气设备的输出功率得到燃料成本，根据电网购电功率得到购电成本，根据风光发电设备的实际输出功率和目标输出功率得到弃风弃光惩罚成本，根据供电设备的输出功率和用电设备的输入功率得到设备维护成本，根据燃料成本、购电成本、弃风弃光惩罚成本和设备维护成本求和后取最小值得到第一优化控制周期内医院电网总成本，根据医院电网的能量平衡关系得到供电设备和用电设备输出功率的约束条件；
(2)将供电设备的输出功率和用电设备的输入功率作为粒子，根据供电设备和用电设备输出功率的约束条件确定粒子的初始速度和位置，将医院电网总成本作为粒子的目标函数，利用粒子群算法进行迭代计算直到收敛，得到下个第一优化控制周期内供电设备的目标输出功率和用电设备的目标输入功率，并根据供电设备的目标输出功率和用电设备的目标输入功率控制供电设备的实际输出功率和用电设备的实际输入功率；
(3)将第一优化控制周期等分为多个第二优化控制周期，在进入下个第一优化控制周期后，将第一优化控制周期换成第二优化控制周期并重复步骤(1)～(2)，得到下个第二优化控制周期内供电设备的目标输出功率和用电设备的目标输入功率，并根据供电设备的目标输出功率和用电设备的目标输入功率控制供电设备的实际输出功率和用电设备的实际输入功率。
进一步地，在步骤(3)中，将第二优化控制周期等分为多个第三优化控制周期，在进入下个第二优化控制周期后，将第二优化控制周期换成第三优化控制周期并重复步骤(1)～(2)，得到下个第三优化控制周期内供电设备的目标输出功率和用电设备的目标输入功率，并根据供电设备的目标输出功率和用电设备的目标输入功率控制供电设备的实际输出功率和用电设备的实际输入功率。
进一步地，所述弃风弃光惩罚成本的确定方法包括，根据弃光惩罚系数、优化控制周期、光伏的目标输出功率与实际输出功率之差得到弃光惩罚成本，以及根据弃风惩罚系数、优化控制周期、风机的目标输出功率与实际输出功率之差得到弃风惩罚成本，对弃光惩罚成本和弃风惩罚成本求和。
进一步地，所述步骤(2)中，利用粒子群算法进行迭代计算的方法还包括，随机生成一组粒子进行迭代计算，每次迭代计算均得到供电设备的目标输出功率和用电设备的目标输入功率以及医院电网总成本，确定该组粒子中个体最优值Pd和个体极值Pbest，并确定全局最优值g和全局极值gbest，判断个体极值Pbest与全局极值gbest的大小并更新全局最优值g和全局极值gbest，对粒子的速度和位置进行更新后重复迭代计算，直到目标函数收敛。
进一步地，更新后粒子的速度vt+1和位置xt+1分别为：
其中，w为惯性权重，取0.6，vt为更新前粒子的速度，xt为更新前粒子的位置，c1、c2为非负的常数，r1、r2取[0,1]区间的随机数。
本发明的有益效果：
1、精确预测电网目标功率，减小电网负荷的波动性。本发明将供电设备的输出功率和用电设备的输入功率作为粒子，根据供电设备和用电设备输出功率的约束条件确定粒子的初始速度和位置，将医院电网总成本作为粒子的目标函数利用粒子群算法进行迭代计算得到下个第一优化控制周期内供电设备的目标输出功率和用电设备的目标输入功率，然后将第一优化控制周期等分为多个第二优化控制周期，在进入下个第一优化控制周期后以第二优化控制周期为计算周期利用粒子群算法重新计算，得到下个第二优化控制周期内供电设备的目标输出功率和用电设备的目标输入功率。这样逐步缩短优化控制周期的长度，可以精确预测医院电网供电设备和用电设备的目标功率，减小电网负荷的波动性。
2、兼顾电网负荷的稳定性和环保性。本发明的医院电网总成本包括了燃料成本、购电成本、弃风弃光惩罚成本和设备维护成本，为了减小医院电网总成本，无法通过单纯地降低购电功率并增大风机、光伏、燃气轮机的输出功率来降低总成本，由于风机、光伏、燃气轮机的输出功率不稳定，因此引入弃风弃光惩罚成本和设备维护成本来综合考虑，在保证整个医院电网需求的前提下优先加大风机、光伏、燃气轮机的输出功率，兼顾电网负荷的稳定性和环保性。
附图说明
图1为本发明控制系统的结构示意图。
图2为本发明的医院电网结构示意图。
图3为本发明控制方法的流程图。
图中各部件标号如下：参数获取模块100、总成本计算模块200、燃料成本模块210、购电成本模块220、弃风弃光惩罚成本模块230、设备维护成本模块240、约束条件计算模块300、粒子群算法模块400、优化控制模块500。
具体实施方式
下面具体实施方式用于对本发明的权利要求技术方案作进一步的详细说明，便于本领域的技术人员更清楚地了解本权利要求书。本发明的保护范围不限于下面具体的实施例。本领域的技术人员做出的包含有本发明权利要求书技术方案而不同于下列具体实施方式的也是本发明的保护范围。
如图1所示，一种医院电网负荷优化控制系统，包括参数获取模块100、总成本计算模块200、约束条件计算模块300、粒子群算法模块400、优化控制模块500。
如图2所示，医院电网包括与医院电网输入端分别连接的风机、配电网、光伏和燃气轮机，医院电网输出端分别连接有储能装置、电负荷、电制冷机、电转热装置，其中燃气轮机和燃气锅炉的输入端还与天然气管网连接，燃气轮机的热能输出端通过余热回收装置连接到医院热能管路，热能管路还连接有燃气锅炉、电制热装置和储热装置的输出端，以及热负荷和吸收式制冷剂的输入端，电制冷机和吸收式制冷剂的冷能输出端还连接有冷负荷。其中，配电网时通过PCC与医院电网输入端连接，储能装置是通过PCS与医院电网输入端连接。
参数获取模块100用于获取供电设备的输出功率和用电设备的输入功率，其中输出功率表示给医院电网供电，输出功率表示从医院电网消耗电能。
总成本计算模块200用于根据燃气设备的输出功率得到燃料成本，根据电网购电功率得到购电成本，根据风光发电设备的实际输出功率和目标输出功率得到弃风弃光惩罚成本，根据供电设备的输出功率和用电设备的输入功率得到设备维护成本，根据燃料成本、购电成本、弃风弃光惩罚成本和设备维护成本求和后取最小值得到优化控制周期内医院电网总成本。这样为了减小医院电网总成本，无法通过单纯地降低购电功率并增大风机、光伏、燃气轮机的输出功率来降低总成本，由于风机、光伏、燃气轮机的输出功率不稳定，因此引入弃风弃光惩罚成本和设备维护成本来综合考虑，在保证整个医院电网需求的前提下优先加大风机、光伏、燃气轮机的输出功率，兼顾电网负荷的稳定性和环保性。
医院电网总成本C计算公式为
式中，表示微网在第t个优化控制周期的燃料成本；/>表示微网在第t个优化控制周期的购电成本；/>表示微网在第t个优化控制周期的运行维护成本；/>表示微网的弃风弃光惩罚成本，t表示第t个个优化控制周期，T为个优化控制周期个数。
总成本计算模块200包括燃料成本模块210，燃料成本模块210用于通过如下公式得到燃料成本
其中，表示燃气轮机在第t个优化控制周期的输出电功率，单位：kW；ηMT为燃气轮机的效率，/>为燃气锅炉在第t个优化控制周期的输出功率，单位：kW；ηg为燃气锅炉的效率；Cgas为天然气的价格，单位：￥/m3；QLHV表示天然气的热值，Δt为优化控制周期。
总成本计算模块200包括购电成本模块220，购电成本模块220用于通过如下公式得到购电成本
其中，Cbuy表示分时电价，单位：￥/kWh；表示微网在t个优化控制周期从电网购电功率，单位：kW。
总成本计算模块200包括弃风弃光惩罚成本模块230，弃风弃光惩罚成本模块230用于根据弃光惩罚系数、优化控制周期、光伏的目标输出功率与实际输出功率之差得到弃光惩罚成本，以及用于根据弃风惩罚系数、优化控制周期、风机的目标输出功率与实际输出功率之差得到弃风惩罚成本，并对弃光惩罚成本和弃风惩罚成本求和得到弃风弃光惩罚成本。
其中，kcpv表示弃光惩罚系数，单位：￥/kWh，表示光伏机组在第t个优化控制周期的预测功率大小，单位：kW；kcw表示弃风惩罚系数，单位：￥/kWh；/>表示风机机组在第t个优化控制周期的预测功率大小，单位：kW。
总成本计算模块200包括设备维护成本模块240，设备维护成本模块240用于获取每个供电设备的输出功率和用电设备的输入功率和维护成本系数、优化控制周期的乘积，对每个乘积进行求和得到设备维护成本。
其中，表示燃气轮机在第t个优化控制周期的输出电功率，单位：kW；kMT表示燃气轮机的运行维护费用，单位：￥/kWh；/>表示燃气锅炉在第t个优化控制周期的输出功率，单位：kW；kg表示燃气锅炉的运行维护费用，单位：￥/kWh；/>表示吸收式制冷机在第t个优化控制周期的输入功率，单位：kW；kac表示吸收式制冷机的运行维护费用，单位：￥/kWh；/>表示电制冷机在第t个优化控制周期的输入功率，单位：kW；kec表示电制冷机的运行维护费用，单位：￥/kWh；/>表示电制热装置在第t个优化控制周期的输入功率，单位：kW；keh表示电制热装置的运行维护费用，单位：￥/kWh；/>表示光伏机组在第t个优化控制周期的实际运行功率大小，单位：kW；kpv表示光伏机组的运行维护费用，单位：￥/kWh；/>表示风机机组在第t个优化控制周期的实际运行功率大小，单位：kW；kw表示风机机组的运行维护费用，单位：￥/kWh；/>表示储能装置在第t个优化控制周期的总充电或者放电功率大小，/>代表放电，/>代表充电，单位：kW；kba表示储能装置的运行维护费用，单位：￥/kWh；/>表示蓄热装置在第t个优化控制周期的总蓄热或者放热功率大小，/>代表放热，/>代表蓄热，单位：kW；khs表示蓄热装置的运行维护费用，单位：￥/kWh。
约束条件计算模块300用于根据医院电网的电能量平衡关系得到电平衡约束条件。
式中，表示燃气轮机在第t个优化控制周期的输出电功率，单位：kW；/>表示微网在t个优化控制周期从电网购电功率，单位：kW；/>表示风机机组在第t个优化控制周期的预测功率大小，单位：kW；/>表示光伏机组在第t个优化控制周期的预测功率大小，单位：kW；/>表示储能装置在第t个优化控制周期的总充电或者放电功率大小，单位：kW；/>表示电制冷机在第t个优化控制周期的输入功率，单位：kW；/>表示电制热装置在第t个优化控制周期的输入功率，单位：kW；/>表示第t个优化控制周期医院微网的电负荷功率大小，单位：kW。
约束条件计算模块300用于得到医院电网的热平衡关系式
式中，表示燃气轮机在第t个优化控制周期的输出电功率，单位：kW；ηMT为燃气轮机的效率，ηloss为燃气轮机热损耗率，ηyr为预热装置效率；/>为燃气锅炉在第t个优化控制周期的输出功率，单位：kW；/>为电制热装置在第t个优化控制周期的输入功率，单位：kW，ηeh为电制热装置效率；/>表示蓄热装置在第t个优化控制周期的总蓄热或者放热功率大小，单位：kW；/>表示吸收式制冷机在第t个优化控制周期的输入功率，单位：kW；/>医院微网系统在第t个优化控制周期的热负荷功率，单位：kW，ηreloss为热传递过程中的损耗率。
约束条件计算模块300用于得到医院电网的冷平衡关系式
式中：表示吸收式制冷机在第t个优化控制周期的输入功率，单位：kW，COPac为吸收式制冷机的制冷系数；/>表示电制冷机在第t个优化控制周期的输入功率，单位：kW；COPec为电制冷机的制冷系数，/>为医院微网系统在第t个优化控制周期的冷负荷功率大小，单位：kW。
约束条件计算模块300用于得到燃气轮机输出功率约束条件
式中：为燃气轮机运行出力的下限，单位：kW；/>为燃气轮机运行出力的上限，单位：kW；/>为燃气轮机在第t个优化控制周期的输出电功率，单位：kW；/>为燃气轮机爬坡速率最大功率下降率，/>为燃气轮机爬坡速率最大功率上升率，单位：kW。
约束条件计算模块300用于得到燃气锅炉输入功率约束条件
式中：为燃气锅炉在第t个优化控制周期的输出功率，单位：kW；/>为燃气锅炉出力下限，单位：kW；/>为燃气锅炉出力上限，单位：kW。
约束条件计算模块300用于得到电网输出功率约束条件
式中：表示微网在t个优化控制周期从电网购电功率，单位：kW；/>为医院微网与电网交互功率的下限，单位：kW；/>为医院微网与电网交互功率的上限，单位：kW。
约束条件计算模块300用于得到储能装置输出功率约束条件
Ssocmin≤Ssoc(t)≤Ssocmax
ΔSsoc(t+1)＝Ssoc(t+1)-Ssoc(t)
ΔSsocmin(t)≤ΔSsoc(t)≤ΔSsocmax(t)
式中：和/>分别为最大充电和最大放电功率的大小，单位：kW；ηd和ηc分别为电池的充电效率和放电效率；Q为电池的总容量，Ssocmin和Ssocmax分别为储能SOC的上下限。
约束条件计算模块300用于得到蓄热装置输入功率约束条件
式中：表示蓄热装置在第t个优化控制周期的总蓄热或放热功率大小，/>代表放热，/>代表蓄热，单位：kW；σhs表示蓄热装置自身能量损耗率；ηc.hs和ηdis.hs分别为蓄热装置储存热量效率和释放热量效率；/>为蓄热装置在t时间段储存能量，单位：kW；和/>分别为蓄热装置储存能量的下限和上限数值，单位：kWh。
约束条件计算模块300用于得到光伏输出功率约束条件
式中：表示光伏机组在第t个优化控制周期的预测功率大小，单位：kW；/>表示光伏机组在第t个优化控制周期的实际运行功率大小，单位：kW。
约束条件计算模块300用于得到风机输出功率约束条件
式中：表示风机机组在第t个优化控制周期的预测功率大小，单位：kW；/>表示风机机组在第t个优化控制周期的实际运行功率大小，单位：kW。
约束条件计算模块300用于得到吸收式制冷机输入功率约束条件
式中：为吸收式制冷机在第t个优化控制周期的输入功率，单位：kW；/>为吸收式制冷机的额定功率，单位：kW。
约束条件计算模块300用于得到电制冷机输入功率约束条件
式中：为电制冷机在第t个优化控制周期的输入功率，单位：kW；/>为电制冷机的额定功率，单位：kW。
约束条件计算模块300用于得到电制热装置输入功率约束条件
式中：为电制热装置在第t个优化控制周期的输入功率，单位：kW；/>为电制热装置的额定功率，单位：kW。
粒子群算法模块400用于将供电设备的输出功率和用电设备的输入功率作为粒子，根据供电设备和用电设备输出功率的约束条件确定粒子的初始速度和位置，将医院电网总成本作为粒子的目标函数，随机生成一组粒子进行迭代计算，每次迭代计算均得到供电设备的目标输出功率和用电设备的目标输入功率以及医院电网总成本，确定该组粒子中个体最优值Pd和个体极值Pbest，并确定全局最优值g和全局极值gbest，粒子群算法模块400还用于在每次迭代计算时，判断个体极值Pbest与全局极值gbest的大小，如果Pbest<gbest，则将个体最优值Pd赋给全局最优值g，将个体极值Pbest赋给全局极值gbest，反之全局最优值g和全局极值gbest保持不变。对粒子的速度和位置进行更新，更新后粒子的速度vt+1和位置xt+1分别为：
其中，w为惯性权重，取0.6，vt+1为更新前粒子的速度，xt+1为更新前粒子的位置，c1、c2均取1.7，r1、r2取[0,1]区间的随机数。
更新后重复迭代计算，直到目标函数收敛，得到下个优化控制周期内供电设备的目标输出功率和用电设备的目标输入功率。
优化控制模块500用于根据供电设备的目标输出功率和用电设备的目标输入功率控制供电设备的实际输出功率和用电设备的实际输入功率。
如图3所示，上述医院电网负荷优化控制系统的控制过程如下：
(1)获取1h内供电设备的输出功率和用电设备的输入功率，根据燃气设备的输出功率得到燃料成本，根据电网购电功率得到购电成本，根据风光发电设备的实际输出功率和目标输出功率得到弃风弃光惩罚成本，根据供电设备的输出功率和用电设备的输入功率得到设备维护成本，根据燃料成本、购电成本、弃风弃光惩罚成本和设备维护成本求和后取最小值得到1h内医院电网总成本，根据医院电网的能量平衡关系得到供电设备和用电设备输出功率的约束条件。
(2)将1h内供电设备的输出功率和用电设备的输入功率作为粒子，根据供电设备和用电设备输出功率的约束条件确定粒子的初始速度和位置，将1h内医院电网总成本作为粒子的目标函数，利用粒子群算法进行迭代计算直到收敛，得到下个1h内供电设备的目标输出功率和用电设备的目标输入功率，并根据供电设备的目标输出功率和用电设备的目标输入功率控制供电设备的实际输出功率和用电设备的实际输入功率。
(3)在进入下个1h后，将优化控制周期换成30min并重复步骤(1)～(2)，得到下个30min内供电设备的目标输出功率和用电设备的目标输入功率，并根据供电设备的目标输出功率和用电设备的目标输入功率控制供电设备的实际输出功率和用电设备的实际输入功率。
(4)在进入下个30min后，将优化控制周期换成5min并重复步骤(1)～(2)，得到下个5min内供电设备的目标输出功率和用电设备的目标输入功率，并根据供电设备的目标输出功率和用电设备的目标输入功率控制供电设备的实际输出功率和用电设备的实际输入功率。
(5)在进入下个5min后，将优化控制周期换成1min并重复步骤(1)～(2)，得到下个1min内供电设备的目标输出功率和用电设备的目标输入功率，并根据供电设备的目标输出功率和用电设备的目标输入功率控制供电设备的实际输出功率和用电设备的实际输入功率。
这样逐步缩短优化控制周期的长度，可以精确预测医院电网供电设备和用电设备的目标功率，减小电网负荷的波动性。

Claims (5)

1.一种医院电网负荷优化控制系统，其特征在于：包括参数获取模块(100)、总成本计算模块(200)、约束条件计算模块(300)、粒子群算法模块(400)、优化控制模块(500)；
所述参数获取模块(100)用于获取供电设备的输出功率和用电设备的输入功率；所述总成本计算模块(200)用于根据燃气设备的输出功率得到燃料成本，根据电网购电功率得到购电成本，根据风光发电设备的实际输出功率和目标输出功率得到弃风弃光惩罚成本，根据供电设备的输出功率和用电设备的输入功率得到设备维护成本，根据燃料成本、购电成本、弃风弃光惩罚成本和设备维护成本求和后取最小值得到优化控制周期内医院电网总成本；
所述约束条件计算模块(300)用于根据医院电网的能量平衡关系得到约束条件；所述粒子群算法模块(400)用于将供电设备的输出功率和用电设备的输入功率作为粒子，根据供电设备和用电设备输出功率的约束条件确定粒子的初始速度和位置，将医院电网总成本作为粒子的目标函数，利用粒子群算法进行迭代计算直到收敛，得到下个优化控制周期内供电设备的目标输出功率和用电设备的目标输入功率；
所述优化控制模块(500)用于根据供电设备的目标输出功率和用电设备的目标输入功率控制供电设备的实际输出功率和用电设备的实际输入功率；所述医院电网包括与医院电网输入端分别连接的风机、配电网、光伏和燃气轮机，所述医院电网输出端分别连接有储能装置、电负荷、电制冷机、电转热装置；
医院电网总成本C计算公式为：其中，/>表示微网在第t个优化控制周期的燃料成本；/>表示微网在第t个优化控制周期的购电成本；/>表示微网在第t个优化控制周期的运行维护成本；/>表示微网的弃风弃光惩罚成本，t表示第t个优化控制周期，T为优化控制周期个数；
所述总成本计算模块(200)包括弃风弃光惩罚成本模块(230)和购电成本模块(220)，所述弃风弃光惩罚成本模块(230)用于根据弃光惩罚系数、优化控制周期、光伏的目标输出功率与实际输出功率之差得到弃光惩罚成本，以及用于根据弃风惩罚系数、优化控制周期、风机的目标输出功率与实际输出功率之差得到弃风惩罚成本，并对弃光惩罚成本和弃风惩罚成本求和得到弃风弃光惩罚成本；
所述购电成本模块(220)用于通过如下公式得到购电成本
其中，Cbuy表示分时电价；/>表示微网在t个优化控制周期从电网购电功率；
其中，kcpv表示弃光惩罚系数，表示光伏机组在第t个优化控制周期的预测功率大小；kcw表示弃风惩罚系数；/>表示风机机组在第t个优化控制周期的预测功率大小；
所述总成本计算模块(200)还包括设备维护成本模块(240)，所述设备维护成本模块(240)用于获取每个供电设备的输出功率和用电设备的输入功率和维护成本系数，以及优化控制周期的乘积，对每个乘积进行求和得到设备维护成本：
其中，表示燃气轮机在第t个优化控制周期的输出电功率；kMT表示燃气轮机的运行维护费用；/>表示燃气锅炉在第t个优化控制周期的输出功率；kg表示燃气锅炉的运行维护费用；/>表示吸收式制冷机在第t个优化控制周期的输入功率；kac表示吸收式制冷机的运行维护费用；/>表示电制冷机在第t个优化控制周期的输入功率；kec表示电制冷机的运行维护费用；/>表示电制热装置在第t个优化控制周期的输入功率；keh表示电制热装置的运行维护费用；/>表示光伏机组在第t个优化控制周期的实际运行功率大小；kpv表示光伏机组的运行维护费用；/>表示风机机组在第t个优化控制周期的实际运行功率大小；kw表示风机机组的运行维护费用；/>表示储能装置在第t个优化控制周期的总充电或者放电功率大小，/>代表放电，/>代表充电；kba表示储能装置的运行维护费用；/>表示蓄热装置在第t个优化控制周期的总蓄热或者放热功率大小，/>代表放热，/>代表蓄热；khs表示蓄热装置的运行维护费用；
粒子群算法模块(400)用于将供电设备的输出功率和用电设备的输入功率作为粒子，根据供电设备和用电设备输出功率的约束条件确定粒子的初始速度和位置，将医院电网总成本作为粒子的目标函数，随机生成一组粒子进行迭代计算，每次迭代计算均得到供电设备的目标输出功率和用电设备的目标输入功率以及医院电网总成本，确定该组粒子中个体最优值Pd和个体极值Pbest，并确定全局最优值g和全局极值gbest；粒子群算法模块(400)还用于在每次迭代计算时，判断个体极值Pbest与全局极值gbest的大小，如果Pbest<gbest，则将个体最优值Pd赋给全局最优值g，将个体极值Pbest赋给全局极值gbest，反之全局最优值g和全局极值gbest保持不变；对粒子的速度和位置进行更新，更新后粒子的速度vt+1和位置xt+1分别为：其中，w为惯性权重，取0.6，vt+1为更新前粒子的速度，xt+1为更新前粒子的位置，c1、c2均取1.7，r1、r2取[0,1]区间的随机数；更新后重复迭代计算，直到目标函数收敛，得到下个优化控制周期内供电设备的目标输出功率和用电设备的目标输入功率。
2.根据权利要求1所述的医院电网负荷优化控制系统，其特征在于：所述约束条件计算模块(300)用于根据医院电网的电能量平衡关系得到电平衡约束条件，所述电平衡约束条件为电网购电功率、燃气轮机输出功率、风机输出功率、光伏输出功率、储能装置输出功率之和等于电负荷输入功率、电制冷机输入功率、电制热装置输入功率之和。
3.一种基于利用权利要求1～2所述的医院电网负荷优化控制系统的控制方法，其特征在于，包括：
(1)采集第一优化控制周期内供电设备的输出功率和用电设备的输入功率，根据燃气设备的输出功率得到燃料成本，根据电网购电功率得到购电成本，根据风光发电设备的实际输出功率和目标输出功率得到弃风弃光惩罚成本，根据供电设备的输出功率和用电设备的输入功率得到设备维护成本，根据燃料成本、购电成本、弃风弃光惩罚成本和设备维护成本求和后取最小值得到第一优化控制周期内医院电网总成本，根据医院电网的能量平衡关系得到供电设备和用电设备输出功率的约束条件；
(2)将供电设备的输出功率和用电设备的输入功率作为粒子，根据供电设备和用电设备输出功率的约束条件确定粒子的初始速度和位置，将医院电网总成本作为粒子的目标函数，利用粒子群算法进行迭代计算直到收敛，得到下个第一优化控制周期内供电设备的目标输出功率和用电设备的目标输入功率，并根据供电设备的目标输出功率和用电设备的目标输入功率控制供电设备的实际输出功率和用电设备的实际输入功率；
(3)将第一优化控制周期等分为多个第二优化控制周期，在进入下个第一优化控制周期后，将第一优化控制周期换成第二优化控制周期并重复步骤(1)～(2)，得到下个第二优化控制周期内供电设备的目标输出功率和用电设备的目标输入功率，并根据供电设备的目标输出功率和用电设备的目标输入功率控制供电设备的实际输出功率和用电设备的实际输入功率。
4.根据权利要求3所述的医院电网负荷优化控制系统的控制方法，其特征在于：所述弃风弃光惩罚成本的确定方法包括，根据弃光惩罚系数、优化控制周期、光伏的目标输出功率与实际输出功率之差得到弃光惩罚成本，以及根据弃风惩罚系数、优化控制周期、风机的目标输出功率与实际输出功率之差得到弃风惩罚成本，对弃光惩罚成本和弃风惩罚成本求和。
5.根据权利要求3所述的医院电网负荷优化控制系统的控制方法，其特征在于：所述步骤(2)中，利用粒子群算法进行迭代计算的方法还包括，随机生成一组粒子进行迭代计算，每次迭代计算均得到供电设备的目标输出功率和用电设备的目标输入功率以及医院电网总成本，确定该组粒子中个体最优值Pd和个体极值Pbest，并确定全局最优值g和全局极值gbest，判断个体极值Pbest与全局极值gbest的大小并更新全局最优值g和全局极值gbest，对粒子的速度和位置进行更新后重复迭代计算，直到目标函数收敛。
CN202111129837.2A 2021-09-26 2021-09-26 医院电网负荷优化控制系统及控制方法 Active CN113872192B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111129837.2A CN113872192B (zh) 2021-09-26 2021-09-26 医院电网负荷优化控制系统及控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111129837.2A CN113872192B (zh) 2021-09-26 2021-09-26 医院电网负荷优化控制系统及控制方法

Publications (2)

Publication Number Publication Date
CN113872192A CN113872192A (zh) 2021-12-31
CN113872192B true CN113872192B (zh) 2024-03-12

Family

ID=78994557

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111129837.2A Active CN113872192B (zh) 2021-09-26 2021-09-26 医院电网负荷优化控制系统及控制方法

Country Status (1)

Country Link
CN (1) CN113872192B (zh)

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103699946A (zh) * 2014-01-13 2014-04-02 国家电网公司 利用储能系统平抑充换电站负荷和保证用电经济性的方法
CN103872678A (zh) * 2014-03-06 2014-06-18 国家电网公司 一种基于变电站量测的负荷模型辨识方法
CN106327011A (zh) * 2016-08-23 2017-01-11 三峡大学 一种基于动态自适应粒子群算法的微电网规划设计方法
WO2018059096A1 (zh) * 2016-09-30 2018-04-05 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法及存储介质
CN109462231A (zh) * 2018-11-15 2019-03-12 合肥工业大学 居民微电网的负荷优化调度方法、系统和存储介质
CN109474017A (zh) * 2018-12-24 2019-03-15 武汉大学 一种配电网实时分布式经济调度方法
CN111709850A (zh) * 2020-06-15 2020-09-25 江苏科技大学 一种考虑船舶横摇的新能源船舶电力系统容量优化方法
CN112069720A (zh) * 2020-09-18 2020-12-11 西安交通大学 一种综合能源系统及其运行优化方法
CN112131733A (zh) * 2020-09-15 2020-12-25 燕山大学 计及电动汽车充电负荷影响的分布式电源规划方法
AU2020103709A4 (en) * 2020-11-26 2021-02-11 Daqing Oilfield Design Institute Co., Ltd A modified particle swarm intelligent optimization method for solving high-dimensional optimization problems of large oil and gas production systems
CN112711895A (zh) * 2020-12-30 2021-04-27 上海电机学院 一种基于时段划分及改进粒子群算法的配电网重构方法
CN112749462A (zh) * 2020-12-31 2021-05-04 西安交通大学 一种综合能源系统当前运行参数的优化方法、系统及设备
WO2021087154A1 (en) * 2019-10-29 2021-05-06 University Of Florida Research Foundation Cement kiln modeling for improved operation
CN113191063A (zh) * 2021-04-25 2021-07-30 华北电力大学（保定） 一种考虑风光预测误差的场景生成方法
CN113255198A (zh) * 2021-03-25 2021-08-13 上海电机学院 一种含虚拟储能的冷热电联供微电网多目标优化方法
CN113435095A (zh) * 2021-06-11 2021-09-24 中国电力科学研究院有限公司 一种用于综合能源系统的优化调度的方法及系统

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103699946A (zh) * 2014-01-13 2014-04-02 国家电网公司 利用储能系统平抑充换电站负荷和保证用电经济性的方法
CN103872678A (zh) * 2014-03-06 2014-06-18 国家电网公司 一种基于变电站量测的负荷模型辨识方法
CN106327011A (zh) * 2016-08-23 2017-01-11 三峡大学 一种基于动态自适应粒子群算法的微电网规划设计方法
WO2018059096A1 (zh) * 2016-09-30 2018-04-05 国电南瑞科技股份有限公司 一种多类电源发电计划组合决策方法及存储介质
CN109462231A (zh) * 2018-11-15 2019-03-12 合肥工业大学 居民微电网的负荷优化调度方法、系统和存储介质
CN109474017A (zh) * 2018-12-24 2019-03-15 武汉大学 一种配电网实时分布式经济调度方法
WO2021087154A1 (en) * 2019-10-29 2021-05-06 University Of Florida Research Foundation Cement kiln modeling for improved operation
CN111709850A (zh) * 2020-06-15 2020-09-25 江苏科技大学 一种考虑船舶横摇的新能源船舶电力系统容量优化方法
CN112131733A (zh) * 2020-09-15 2020-12-25 燕山大学 计及电动汽车充电负荷影响的分布式电源规划方法
CN112069720A (zh) * 2020-09-18 2020-12-11 西安交通大学 一种综合能源系统及其运行优化方法
AU2020103709A4 (en) * 2020-11-26 2021-02-11 Daqing Oilfield Design Institute Co., Ltd A modified particle swarm intelligent optimization method for solving high-dimensional optimization problems of large oil and gas production systems
CN112711895A (zh) * 2020-12-30 2021-04-27 上海电机学院 一种基于时段划分及改进粒子群算法的配电网重构方法
CN112749462A (zh) * 2020-12-31 2021-05-04 西安交通大学 一种综合能源系统当前运行参数的优化方法、系统及设备
CN113255198A (zh) * 2021-03-25 2021-08-13 上海电机学院 一种含虚拟储能的冷热电联供微电网多目标优化方法
CN113191063A (zh) * 2021-04-25 2021-07-30 华北电力大学（保定） 一种考虑风光预测误差的场景生成方法
CN113435095A (zh) * 2021-06-11 2021-09-24 中国电力科学研究院有限公司 一种用于综合能源系统的优化调度的方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Optimal Scenario-based Operation and Scheduling of Residential Energy Hubs Including Plug-in Hybrid Electric Vehicle and Heat Storage System Considering the Uncertainties of Electricity Price and Renewable Distributed Generations;Pouria Emrani-Rahaghi , Hamed Hashemi-Dezaki *;Journal of Energy Storage;1-8 *
发电机励磁控制中负荷补偿系数的优化方法;孙元章；贾宇；程林；管秀鹏；张剑云；;中国电机工程学报;-(23);22-26 *
基于混沌粒子群算法的火电厂厂级负荷在线优化分配;司风琪;顾慧;叶亚兰;汪军;徐治皋;中国电机工程学报;31(26);1-4 *
考虑运行风险的含储能综合能源系统优化调度;施云辉;郭创新;;发电技术(01);60-67 *

Also Published As

Publication number Publication date
CN113872192A (zh) 2021-12-31

Similar Documents

Publication Publication Date Title
CN111445090B (zh) 一种离网型综合能源系统双层规划方法
CN108717594B (zh) 一种冷热电联供型多微网系统经济优化调度方法
CN112583017B (zh) 考虑储能运行约束的混合微电网能量分配方法及系统
CN111614121A (zh) 考虑需求响应的含电动汽车的多能源园区日前经济调度方法
CN111445107B (zh) 冷热电联供型微电网多目标优化配置方法
CN110807588B (zh) 一种多能源耦合综合能源系统的优化调度方法
CN112464477A (zh) 计及需求响应的多能耦合综合能源运行仿真方法
WO2023240864A1 (zh) 基于改进粒子群算法的阶梯型碳交易机制参数优化方法
CN113255198B (zh) 一种含虚拟储能的冷热电联供微电网多目标优化方法
Zhang et al. Multi-objective day-ahead optimal scheduling of isolated microgrid considering flexibility
CN112383053A (zh) 一种基于改进粒子群算法的综合能源系统优化调度方法
CN115173453A (zh) 一种储能辅助电网调峰的优化配置方法
CN114362241A (zh) 一种基于新能源最大消纳及发电成本最优的混合调度方法
CN110620403A (zh) 计及可再生能源的能源系统协同运行日前调度方法及系统
CN107834574B (zh) 一种分布式能源系统与电网交换功率的控制方法
CN112036652A (zh) 基于机会约束规划的光伏-储能综合能源系统规划方法
CN114037337A (zh) 一种基于模型预测控制的微能源网优化调度方法及系统
CN110504684B (zh) 一种区域多微网系统日前优化调度方法
CN117081143A (zh) 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法
CN116979578A (zh) 一种风光水火储的电气热三联产优化调度方法和系统
CN113872192B (zh) 医院电网负荷优化控制系统及控制方法
CN117013522A (zh) 考虑分布式电源和气电协同的综合能源系统调度优化方法
CN115099007B (zh) 基于综合成本-能耗曲线的综合能源系统优化运行方法
CN115187018A (zh) 一种园区综合能源系统双层优化调度方法及装置
CN114421536A (zh) 一种基于储能的多能源互动调控方法

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
GR01 Patent grant
GR01 Patent grant