CN113937760A - 一种多站融合场景下仿射鲁棒模型优化调度方法 - Google Patents

一种多站融合场景下仿射鲁棒模型优化调度方法 Download PDF

Info

Publication number
CN113937760A
CN113937760A CN202111188059.4A CN202111188059A CN113937760A CN 113937760 A CN113937760 A CN 113937760A CN 202111188059 A CN202111188059 A CN 202111188059A CN 113937760 A CN113937760 A CN 113937760A
Authority
CN
China
Prior art keywords
power
formula
station
charging
data center
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
CN202111188059.4A
Other languages
English (en)
Other versions
CN113937760B (zh
Inventor
金国胜
俞辰颖
方瑜
尹康
吴祖咸
童斐斐
周盈
黄昕颖
胡宇鹏
李丽
钟婷婷
张洪捷
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.)
Zhejiang Huayun Electric Power Engineering Design Consulting Co
Original Assignee
Zhejiang Huayun Electric Power Engineering Design Consulting Co
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 Zhejiang Huayun Electric Power Engineering Design Consulting Co filed Critical Zhejiang Huayun Electric Power Engineering Design Consulting Co
Priority to CN202111188059.4A priority Critical patent/CN113937760B/zh
Publication of CN113937760A publication Critical patent/CN113937760A/zh
Application granted granted Critical
Publication of CN113937760B publication Critical patent/CN113937760B/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
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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
    • 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
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • 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
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Feedback Control In General (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种多站融合场景下仿射鲁棒模型优化调度方法。首先，将多站融合场景下对数据中心的供能方式进行分类，将多站融合模式下的主体分为电网公司、设备投资方、数据中心三个主体。然后，对多站融合下涉及到的设备进行建模，其中储能站的建模结合数据中心的可靠性特殊要求，充电站的建模结合实际需求，将电动汽车分为三类充电模式，考虑电动汽车的随机性，其并网时刻和并网SOC均随机生成，并且满足充电桩数量和功率的限制；并在此基础上考虑了风电和光伏出力的不确定性，以设备投资方收益最大为目标函数，采用仿射鲁棒的方式进行优化调度计算；最终，提出了在Matlab中调用CPLEX的求解方法。

Description

一种多站融合场景下仿射鲁棒模型优化调度方法
技术领域
本发明属于多站融合优化调度研究领域，尤其涉及一种多站融合场景下仿射鲁棒模型优化调度方法。
背景技术
随着科技的发展，海量的数据需求和边缘计算技术需求也呈现出高速增长的态势。基于此背景，提出了多站融合的概念，即挖掘利用变电站资源，使之融合光伏、风机等分布式发电站，边缘数据中心站，储能站以及充电站等。
对于数据中心，有相关研究在综合能源系统下的优化运行方法，考虑了不同季节下的用能需求，有研究了交直流供电方式对于数据中心供电可靠性的影响。
对于储能站，有相关研究在在多站融合场景下储能站的优化运行方法，采用储能站年净收益年值为目标函数，对其容量进行优化配置，并以节点收益减去电池损耗为目标函数进行运行策略的优化，但是对于充电站的建模只是采用了电动汽车典型负荷曲线，没有考虑并网时刻的随机性和充电桩的数量对于充电站负荷的约束。
对于多站融合的运营模式，有相关研究分别阐述了数据中心站、充电站和储能站的运营模式，并分为面向电网、面向企业两个方向进行分析，最后结合实际案例对运营模式可行性进行探究，但是只罗列了最后的收益情况，缺乏中间计算过程。有相关研究在针对多站融合业务特点，提出了“电网独资”、“建设-移交”、“建设-经营-移交”和“委托运营”等建设运营模式，但以上对于多站融合的研究中，鲜有涉及到对新能源出力不确定性的考虑。
发明内容
本发明的目的在于针对现有技术的不足，提供一种多站融合场景下仿射鲁棒模型优化调度方法。
本发明的目的是通过以下技术方案实现的：一种多站融合场景下仿射鲁棒模型优化调度方法，包括如下步骤：
(1)将多站融合场景下对数据中心的供能方式进行分类，将多站融合模式下的主体分为电网公司、设备投资方、数据中心三个主体。
(2)对多站融合下涉及到的设备进行建模，其中储能站的建模结合数据中心的可靠性特殊要求，充电站的建模结合实际需求，将电动汽车分为三类充电模式，考虑电动汽车的随机性，其并网时刻和并网SOC均随机生成，并且满足充电桩数量和功率的限制。
(3)考虑风电和光伏出力的不确定性，以设备投资方收益最大为目标函数，采用仿射鲁棒的方式进行优化调度计算。
进一步地，步骤(1)包括：
(1.1)对数据中心的供能方式进行分析，确定能源需求；
(1.2)分析多站融合的主体，一般将多站融合模式下的主体分为电网公司、设备投资方、数据中心三个主体。
进一步地，步骤(2)包括：
(2.1)多站融合拓扑结构建立。风机、光伏和燃气轮机构成了分布式发电站，为了给数据中心提供相应的冷负荷和热负荷，又加入了电制冷机、吸收式制冷机和燃气锅炉。选用数据中心为B级数据中心，为保证数据中心供电可靠性，接了两路电网线路，其中一路在正常运行时不向数据中心供电，只有在发生事故时才会进行供电。
(2.2)储能站建模。储能站的充放电模型如式(1)所示：
Scha+Sdis≤1
-Scha·Pr≤Pcha，t≤0 (1)
0≤Pdis，t≤Sdis·Pr
式中，Scha，Sdis为二进制变量，表征储能站的充放电状态，避免储能站既充电又放电；Pr为储能电站的额定充放电功率，Pcha，t，Pdis，t分别表示t时刻的充电、放电功率。
储能站的SOC模型如式(2)所示：
Figure BDA0003300109320000021
式中，Ees为储能站的额定容量，Δt为调度时间间隔，SOCmin，SOCmax分别为储能站SOC的下限和上限。
(2.3)充电站的建模
对于充电站的建模主要在于对充电汽车的建模。将电动汽车按需求分为三类。第一类电动汽车一直以额定功率充电，对应实际中希望以最快速度充满电的需求情况。第二类电动汽车允许充电功率小于额定功率，但不能放电，并且必须在4个小时内充满电，对应实际中用车不迫切，希望能减少充电费用的需求。第三类电动车允许充电功率低于额定功率，并且允许放电，但必须在6个小时内完成充电，对应实际中有充裕的时间可以进行充电，希望最小化充电成本的需求。
第一类电动汽车的充电模型如式(3)所示，对于
Figure BDA0003300109320000031
Figure BDA0003300109320000032
式中，C1表示第一类电动汽车集合，Pi，t表示电动汽车i在t时刻的充电功率，Pcr表示充电桩额定充电功率，ηc表示电动汽车充放电效率，Ec为电动汽车额定容量。
第二类电动汽车的充电模型如式(4)所示，对于
Figure BDA0003300109320000033
0≤Pi，t≤Pcr
SOCi(t+1)＝SOCi(t)+Pi，t·ηc·Δt/Ec (4)
SOCi(ti，0+4)＝1
式中，C2表示第二类电动汽车的集合，ti，0表示电动汽车i的并网时刻。
第三类电动汽车的充放电模型如式(5)所示，对于
Figure BDA0003300109320000034
-Pcr≤Pi，t≤Pcr
SOCi(t+1)＝SOCi(t)+Pi，t·ηc·Δt/Ec (5)
SOCi(ti，0+6)＝1
进一步地，所述步骤(3)包括：
(3.1)建立仿射鲁棒模型
仿射鲁棒模型为：
Figure BDA0003300109320000035
约束条件为：
x∈X (9)
y∈Y (10)
bT[(r+s)Δξ]≤Q (17)
r-s＝bTW (18)
Ax+B[(u+v)Δξ]≤g (21)
u-v＝BW (22)
T+DW＝0 (23)
Cx-h＝0 (24)
式中，x，y分别为第一阶段和第二阶段决策变量，它们往往是在一定的可行域X和Y中。W为设备的参与因子，y＝Wξ。c和b一般为成本系数矩阵。r，s、u，v均为非负的对偶变量。不确定集D为：
-Δξ≤ξ≤Δξ (14)
ξ表示风电或者光伏出力的不确定量，而Δξ表示与基准预测出力最大偏差量。
(3.2)提出建立的模型的目标函数。
分布式发电站、储能站、吸收式制冷机、电制冷机和燃气锅炉为一个投资主体，即设备投资方。其向电网购电，向天然气网购气，同时通过自身设备产生冷、热、电三种能源形式，满足数据中心站的能源需求。优化的目标函数为设备投资方收益最大，如式(25)所示：
max(Ae+Ah+Ac+Acar-Cgas-Ce-Ca-Cm) (25)
式中，Ae，AhAc分别代表给数据中心站供电、供热、供冷收益，其计算公式为：
Figure BDA0003300109320000041
式中，T为调度时刻数量；Eloadt，Hloadt，Cloadt分别表示数据中心站在t时刻的电需求、热需求和冷需求；ρe，t，ρh，t，ρc，t分别表示给数据中心供电、供热和供冷的单位费用。为了吸引数据中心站建造在多能电站内，可以考虑适当降低给其供电、供热、供冷的单位费用。
Acar表示给电动汽车充电获得的收益，其计算公式为：
Figure BDA0003300109320000051
式中，n1，n2，n3分别表示第一类电动汽车、第二类电动汽车、第三类电动汽车的数量；
ρc，1，ρc，2，ρc，3分别表示第一类电动汽车、第二类电动汽车、第三类电动汽车的单位充电价格，ρc，3＜ρc，2＜ρc，1。
Cgas为购买天然气的费用，其计算公式为：
Figure BDA0003300109320000052
式中，ρgas为天然气的单位热值价格；Pgt，t，ηgt分别为燃气轮机t时刻的发电功率和发电效率；Hgb，t，ηgb分别为燃气锅炉t时刻的发热功率和制热效率。
Ce为向电网购电的费用，其计算公式为：
Figure BDA0003300109320000053
式中，Pnet，t为t时刻向电网购电的功率；ρnet，t为t时刻的购电价格。
Ca为投资年金，其计算公式为：
Figure BDA0003300109320000054
式中，ra为贴现率；n为项目的周期；I为所有设备集合；El、ρl分别为设备l的额定容量和单位容量投资成本。
Cm为设备年维护费用，其计算公式为：
Figure BDA0003300109320000061
式中，Pl，t为设备l在t时刻的出力值；ρl，m为设备l的单位功率维修费用。
在电价和供冷供热价格确定的情况下，收益为一个定值，因此目标函数可以转换为最小化成本值。
(3.3)建立模型的约束条件
优化过程所要满足的约束条件包含式(1)-(5)。此外，还包含：
电能平衡约束：
Figure BDA0003300109320000062
式中，Pv，t，Pw，t分别表示t时刻的光伏出力和风机出力；Pcar，t表示t时刻三类电动汽车的总负荷；Pec，t表示t时刻电制冷机消耗的电功率。
热功率平衡约束：
Hgt，t+Hgb，t＝Hloadt+Hac，t (33)
式中，Hgt，t表示燃气轮机在t时刻的制热功率；Hac，t表示吸收式制冷机在t时刻消耗的热功率。
冷功率平衡约束：
Cec，t+Cac，t＝Cloadt (34)
式中，Cec，t，Cac，t分别表示t时刻电制冷机的制冷功率和吸收式制冷机的制冷功率。
电动汽车数量和功率约束：
Figure BDA0003300109320000063
式中，n1，t，n2，t，n3，t分别表示在t时刻并网的一类、二类、三类电动汽车数量；ncha为充电桩的数量。
燃气轮机约束：
Figure BDA0003300109320000071
式中，Pgas，gt，t为t时刻燃气轮机消耗的天然气功率；ζgt为燃气轮机的热电比。
燃气锅炉约束：
Hgb，t＝Pgas，gb，t·ηgb (37)
式中，Pgas，gb，t表示t时刻燃气锅炉消耗的天然气功率。
吸收式制冷机约束：
Cac，t＝Hac，t·ηac (38)
式中，ηac表示吸收式制冷机的制冷效率。
电制冷机约束：
Cec，t＝Pec，t·ηec (39)
式中，ηec表示电制冷机的制冷效率。
进一步地，在Matlab内调用CPLEX求解器对优化模型进行求解。
本发明的有益效果是：本发明以经济性为目标，建立了含储能站、变电站、数据中心、新能源、充电站的多站融合优化调度模型。利用本发明调度方法使得多站融合模式对于电网、设备投资方以及数据中心都可产生经济收益，并且在新能源消纳方面也具有较好的表现。
具体实施方式
本发明一种多站融合场景下仿射鲁棒模型优化调度方法，包括如下步骤：
(1)将多站融合场景下对数据中心的供能方式进行分析，并对多站融合模式下的主体进行分类。
(1.1)对数据中心的供能方式进行分析，确定能源需求。
(1.2)分析多站融合的主体，一般将多站融合模式下的主体分为电网公司、设备投资方、数据中心三个主体。
(2)对多站融合下涉及到的设备进行建模；其中，储能站的建模结合数据中心的可靠性特殊要求，充电站的建模结合实际需求；将电动汽车分为三类充电模式，考虑电动汽车的随机性，其并网时刻和并网SOC均随机生成，并且满足充电桩数量和功率的限制。
(2.1)多站融合拓扑结构建立。风机、光伏和燃气轮机构成了分布式发电站，为了给数据中心提供相应的冷负荷和热负荷，又加入了电制冷机、吸收式制冷机和燃气锅炉。选用数据中心为B级数据中心，为保证数据中心供电可靠性，接了两路电网线路，其中一路在正常运行时不向数据中心供电，只有在发生事故时才会进行供电。
(2.2)储能站建模。储能站可以平抑光伏和风机出力的波动，提升新能源的消纳水平。此外，储能站还具有削峰填谷的作用，在低谷时进行充电，高峰时进行放电。储能站的充放电模型如式(1)所示：
Scha+Sdis≤1
-Scha·Pr≤Pcha，t≤0 (1)
0≤Pdis，t≤Sdis·Pr
式中，Scha，Sdis为二进制变量，表征储能站的充放电状态，避免储能站既充电又放电；Pr为储能电站的额定充放电功率，Pcha，t，Pdis，t分别表示t时刻的充电、放电功率。
储能站的SOC模型如式(2)所示：
Figure BDA0003300109320000081
式中，Ees为储能站的额定容量，Δt为调度时间间隔，SOCmin，SOCmax分别为储能站SOC的下限和上限。因为储能站要保证数据中心站的供电可靠性，在任何时候都要保证数据中心站最大负荷运行30分钟的备用容量，因此在多站融合场景下考虑调度问题时储能电站允许的SOC下限值会比一般情况下高。
(2.3)充电站的建模
对于充电站的建模主要在于对充电汽车的建模。将电动汽车按需求分为三类。第一类电动汽车一直以额定功率充电，对应实际中希望以最快速度充满电的需求情况，对应的充电费用较高。第二类电动汽车允许充电功率小于额定功率，但不能放电，并且必须在4个小时内充满电，充电费用较低，对应实际中用车不迫切，希望能减少充电费用的需求。第三类电动车允许充电功率低于额定功率，并且允许放电，但必须在6个小时内完成充电，充电费用最低，对应实际中有充裕的时间可以进行充电，希望最小化充电成本的需求。
第一类电动汽车的充电模型如式(3)所示，对于
Figure BDA0003300109320000082
Figure BDA0003300109320000091
式中，C1表示第一类电动汽车集合，Pi，t表示电动汽车i在t时刻的充电功率，Pcr表示充电桩额定充电功率，ηc表示电动汽车充放电效率，Ec为电动汽车额定容量。
第二类电动汽车的充电模型如式(4)所示，对于
Figure BDA0003300109320000092
0≤Pi，t≤Pcr
SOCi(t+1)＝SOCi(t)+Pi，t·ηc·Δt/Ec (4)
SOCi(ti，0+4)＝1
式中，C2表示第二类电动汽车的集合，ti，0表示电动汽车i的并网时刻。
第三类电动汽车的充放电模型如式(5)所示，对于
Figure BDA0003300109320000093
-Pcr≤Pi，t≤Pcr
SOCi(t+1)＝SOCi(t)+Pi，t·ηc·Δt/Ec (5)
SOCi(ti，0+6)＝1
(3)考虑风电和光伏出力的不确定性，以设备投资方收益最大为目标函数，采用仿射鲁棒的方式进行优化调度计算。
(3.1)建立仿射鲁棒模型
常见的二阶段鲁棒优化模型为：
Figure BDA0003300109320000094
约束条件为：
Figure BDA0003300109320000095
式中，x，y分别为第一阶段和第二阶段决策变量，它们往往是在一定的可行域X和Y中。而第二阶段的决策变量y则与不确定量ξ以及第一阶段决策变量x有关。c和b一般为成本系数矩阵。式(6)中的max问题即为鲁棒性的体现，代表的含义是在不确定量ξ在不确定集D中所能取到的最恶劣的情况。A、B、g、TA、C、D、h均为常数。
仿射鲁棒规则假设第二阶段变量y与不确定量ξ成线性关系，即y＝Wξ，其中W即为设备的参与因子。因此可以将上述min-max问题转化为：
Figure BDA0003300109320000101
约束条件为：
x∈X (9)
y∈Y (10)
Figure BDA0003300109320000102
Figure BDA0003300109320000103
TAξ+Cx+DWξ＝h (13)
但是可以发现，上述仿射鲁棒问题中有双线性项Wξ，为解决此问题，可以将双线性项进行一些数学处理，引入松弛变量；或者可以用一种类似于列生成算法的方法，来逐步将不符合约束的解排除，但是该方法需要求解另一个非线性问题。Q为常数矩阵。
采用对偶理论，对约束进行转换。假设不确定集D为：
-Δξ≤ξ≤Δξ (14)
其中，ξ表示风电或者光伏出力的不确定量，而Δξ表示与基准预测出力最大偏差量。
根据对偶理论，式(11)可以转换为：
Figure BDA0003300109320000104
s.t.r-s＝bTW (16)
其中，r，s为非负的对偶变量；而大于等于一个最小值，即等价于存在性问题，即可以把式(11)转化为：
bT[(r+s)Δξ]≤Q (17)
r-s＝bTW (18)
式(12)的转化与上述步骤相同，具体为：
Figure BDA0003300109320000111
S.t.u-v＝BW (20)
其中，u，v也为非负的对偶变量，上式再转化为：
Ax+B[(u+v)Δξ]≤g (21)
u-v＝BW (22)
而对于式(13)的等式约束，可以转化为：
T+DW＝0 (23)
Cx-h＝0 (24)
(3.2)提出建立的模型的目标函数。
分布式发电站、储能站、吸收式制冷机、电制冷机和燃气锅炉为一个投资主体，即设备投资方。其向电网购电，向天然气网购气，同时通过自身设备产生冷、热、电三种能源形式，满足数据中心站的能源需求。优化的目标函数为设备投资方收益最大，如式(25)所示：
maX(Ae+Ah+Ac+Acar-Cgas-Ce-Ca-Cm) (25)
式中，Ae，Ah，Ac分别代表给数据中心站供电、供热、供冷收益，其计算公式为：
Figure BDA0003300109320000112
式中，T为调度时刻数量；Eloadt，Hloadt，Cloadt分别表示数据中心站在t时刻的电需求、热需求和冷需求；ρe，t，ρh，t，ρc，t分别表示给数据中心供电、供热和供冷的单位费用。为了吸引数据中心站建造在多能电站内，可以考虑适当降低给其供电、供热、供冷的单位费用。
Acar表示给电动汽车充电获得的收益，其计算公式为：
Figure BDA0003300109320000121
式中，n1，n2，n3分别表示第一类电动汽车、第二类电动汽车、第三类电动汽车的数量；ρc，1，ρc，2，ρc，3分别表示第一类电动汽车、第二类电动汽车、第三类电动汽车的单位充电价格。设置ρc，3＜ρc，2＜ρc，1以符合实际情况。
Cgas为购买天然气的费用，其计算公式为：
Figure BDA0003300109320000122
式中，ρgas为天然气的单位热值价格；Pgt，t，ηgt分别为燃气轮机t时刻的发电功率和发电效率；Hgb，t，ηgb分别为燃气锅炉t时刻的发热功率和制热效率。
Ce为向电网购电的费用，其计算公式为：
Figure BDA0003300109320000123
式中，Pnet，t为t时刻向电网购电的功率；ρnet，t为t时刻的购电价格。
Ca为投资年金，其计算公式为：
Figure BDA0003300109320000131
式中，ra为贴现率；n为项目的周期；I为所有设备集合；El、ρl分别为设备l的额定容量和单位容量投资成本。
Cm为设备年维护费用，其计算公式为：
Figure BDA0003300109320000132
式中，Pl，t为设备l在t时刻的出力值；ρl，m为设备l的单位功率维修费用。
由上述可知，在电价和供冷供热价格确定的情况下，收益为一个定值，因此目标函数可以转换为最小化成本值。
(3.3)建立模型的约束条件
(3.3.1)优化过程所要满足的约束条件包含上述式(1)-式(5)。此外，还包含电能平衡约束：
Figure BDA0003300109320000133
式中，Pv，t，Pw，t分别表示t时刻的光伏出力和风机出力；Pcar，t表示t时刻三类电动汽车的总负荷；Pec，t表示t时刻电制冷机消耗的电功率。
(3.3.2)热功率平衡约束：
Hgt，t+Hgb，t＝Hloadt+Hac，t (33)
式中，Hgt，t表示燃气轮机在t时刻的制热功率；Hac，t表示吸收式制冷机在t时刻消耗的热功率。
(3.3.3)冷功率平衡约束：
Cec，t+Cac，t＝Cloadt (34)
式中，Cec，t，Cac，t分别表示t时刻电制冷机的制冷功率和吸收式制冷机的制冷功率。
(3.3.4)电动汽车数量和功率约束：
Figure BDA0003300109320000141
式中，n1，t，n2，t，n3，t分别表示在t时刻并网的一类、二类、三类电动汽车数量；ncha为充电桩的数量。
(3.3.5)燃气轮机约束：
Figure BDA0003300109320000142
式中，Pgas，gt，t为t时刻燃气轮机消耗的天然气功率；ζgt为燃气轮机的热电比。
(3.3.6)燃气锅炉约束：
Hgb，t＝Pgas，gb，t·ηgb (37)
式中，Pgas，gb，t表示t时刻燃气锅炉消耗的天然气功率。
(3.3.7)吸收式制冷机约束：
Cac，t＝Hac，t·ηac (38)
式中，ηac表示吸收式制冷机的制冷效率。
(3.3.8)电制冷机约束：
Cec，t＝Pec，t·ηec (39)
式中，ηec表示电制冷机的制冷效率。
(4)在Matlab内调用CPLEX求解器对上述优化模型进行求解。

Claims (5)

1.一种多站融合场景下仿射鲁棒模型优化调度方法，其特征在于，包括如下步骤：
(1)将多站融合场景下对数据中心的供能方式进行分类，将多站融合模式下的主体分为电网公司、设备投资方、数据中心三个主体。
(2)对多站融合下涉及到的设备进行建模，其中储能站的建模结合数据中心的可靠性特殊要求，充电站的建模结合实际需求，将电动汽车分为三类充电模式，考虑电动汽车的随机性，其并网时刻和并网SOC均随机生成，并且满足充电桩数量和功率的限制。
(3)考虑风电和光伏出力的不确定性，以设备投资方收益最大为目标函数，采用仿射鲁棒的方式进行优化调度计算。
2.根据权利要求1所述多站融合场景下仿射鲁棒模型优化调度方法，其特征在于，步骤(1)包括：
(1.1)对数据中心的供能方式进行分析，确定能源需求；
(1.2)分析多站融合的主体，一般将多站融合模式下的主体分为电网公司、设备投资方、数据中心三个主体。
3.根据权利要求1所述多站融合场景下仿射鲁棒模型优化调度方法，其特征在于，步骤(2)包括：
(2.1)多站融合拓扑结构建立。风机、光伏和燃气轮机构成了分布式发电站，为了给数据中心提供相应的冷负荷和热负荷，又加入了电制冷机、吸收式制冷机和燃气锅炉。选用数据中心为B级数据中心，为保证数据中心供电可靠性，接了两路电网线路，其中一路在正常运行时不向数据中心供电，只有在发生事故时才会进行供电。
(2.2)储能站建模。储能站的充放电模型如式(1)所示：
Scha+Sdis≤1
-Scha·Pr≤Pcha，t≤0 (1)
0≤Pdis，t≤Sdis·Pr
式中，Scha，Sdis为二进制变量，表征储能站的充放电状态，避免储能站既充电又放电；Pr为储能电站的额定充放电功率，Pcha，t，Pdis，t分别表示t时刻的充电、放电功率。
储能站的SOC模型如式(2)所示：
Figure FDA0003300109310000021
式中，Ees为储能站的额定容量，Δt为调度时间间隔，SOCmin，SOCmax分别为储能站SOC的下限和上限。
(2.3)充电站的建模
对于充电站的建模主要在于对充电汽车的建模。将电动汽车按需求分为三类。第一类电动汽车一直以额定功率充电，对应实际中希望以最快速度充满电的需求情况。第二类电动汽车允许充电功率小于额定功率，但不能放电，并且必须在4个小时内充满电，对应实际中用车不迫切，希望能减少充电费用的需求。第三类电动车允许充电功率低于额定功率，并且允许放电，但必须在6个小时内完成充电，对应实际中有充裕的时间可以进行充电，希望最小化充电成本的需求。
第一类电动汽车的充电模型如式(3)所示，对于
Figure FDA0003300109310000027
Figure FDA0003300109310000022
式中，C1表示第一类电动汽车集合，Pi，t表示电动汽车i在t时刻的充电功率，Pcr表示充电桩额定充电功率，ηc表示电动汽车充放电效率，Ec为电动汽车额定容量。
第二类电动汽车的充电模型如式(4)所示，对于
Figure FDA0003300109310000023
Figure FDA0003300109310000024
式中，C2表示第二类电动汽车的集合，ti，0表示电动汽车i的并网时刻。
第三类电动汽车的充放电模型如式(5)所示，对于
Figure FDA0003300109310000025
Figure FDA0003300109310000026
Figure FDA0003300109310000032
4.根据权利要求3所述多站融合场景下仿射鲁棒模型优化调度方法，其特征在于，所述步骤(3)包括：
(3.1)建立仿射鲁棒模型
仿射鲁棒模型为：
Figure FDA0003300109310000031
约束条件为：
x∈X (9)
y∈Y (10)
bT[(r+s)Δξ]≤Q (17)
r-s＝bTW (18)
Ax+B[(u+v)Δξ]≤g (21)
u-v＝BW (22)
T+DW＝0 (23)
Cx-h＝0 (24)
式中，x，y分别为第一阶段和第二阶段决策变量，它们往往是在一定的可行域X和Y中。W为设备的参与因子，y＝Wξ。c和b一般为成本系数矩阵。r，s、u，v均为非负的对偶变量。不确定集D为：
-Δξ≤ξ≤Δξ (14)
ξ表示风电或者光伏出力的不确定量，而Δξ表示与基准预测出力最大偏差量。
(3.2)提出建立的模型的目标函数。
分布式发电站、储能站、吸收式制冷机、电制冷机和燃气锅炉为一个投资主体，即设备投资方。其向电网购电，向天然气网购气，同时通过自身设备产生冷、热、电三种能源形式，满足数据中心站的能源需求。优化的目标函数为设备投资方收益最大，如式(25)所示：
max(Ae+Ah+Ac+Acar-Cgas-Ce-Ca-Cm) (25)
式中，Ae，Ah，Ac分别代表给数据中心站供电、供热、供冷收益，其计算公式为：
Figure FDA0003300109310000041
Figure FDA0003300109310000042
Figure FDA0003300109310000043
式中，T为调度时刻数量；Eloadt，Hloadt，Cloadt分别表示数据中心站在t时刻的电需求、热需求和冷需求；ρe，t，ρh，t，ρc，t分别表示给数据中心供电、供热和供冷的单位费用。为了吸引数据中心站建造在多能电站内，可以考虑适当降低给其供电、供热、供冷的单位费用。
Acar表示给电动汽车充电获得的收益，其计算公式为：
Figure FDA0003300109310000044
式中，n1，n2，n3分别表示第一类电动汽车、第二类电动汽车、第三类电动汽车的数量；ρc，1，ρc，2，ρc，3分别表示第一类电动汽车、第二类电动汽车、第三类电动汽车的单位充电价格，ρc，3＜ρc，2＜ρc，1。
Cgas为购买天然气的费用，其计算公式为：
Figure FDA0003300109310000045
式中，ρgas为天然气的单位热值价格；Pgt，t，ηgt分别为燃气轮机t时刻的发电功率和发电效率；Hgb，t，ηgb分别为燃气锅炉t时刻的发热功率和制热效率。
Ce为向电网购电的费用，其计算公式为：
Figure FDA0003300109310000051
式中，Pnet，t为t时刻向电网购电的功率；ρnet，t为t时刻的购电价格。
Ca为投资年金，其计算公式为：
Figure FDA0003300109310000052
式中，ra为贴现率；n为项目的周期；I为所有设备集合；El、ρl分别为设备l的额定容量和单位容量投资成本。
Cm为设备年维护费用，其计算公式为：
Figure FDA0003300109310000053
式中，Pl，t为设备l在t时刻的出力值；ρl，m为设备l的单位功率维修费用。
在电价和供冷供热价格确定的情况下，收益为一个定值，因此目标函数可以转换为最小化成本值。
(3.3)建立模型的约束条件
优化过程所要满足的约束条件包含式(1)-(5)。此外，还包含：
电能平衡约束：
Figure FDA0003300109310000054
式中，Pv，t，Pw，t分别表示t时刻的光伏出力和风机出力；Pcar，t表示t时刻三类电动汽车的总负荷；Pec，t表示t时刻电制冷机消耗的电功率。
热功率平衡约束：
Hgt，t+Hgb，t＝Hloadt+Hac，t (33)
式中，Hgt，t表示燃气轮机在t时刻的制热功率；Hac，t表示吸收式制冷机在t时刻消耗的热功率。
冷功率平衡约束：
Cec，t+Cac，t＝Cloadt (34)
式中，Cec，t，Cac，t分别表示t时刻电制冷机的制冷功率和吸收式制冷机的制冷功率。
电动汽车数量和功率约束：
Figure FDA0003300109310000061
式中，n1，t，n2，t，n3，t分别表示在t时刻并网的一类、二类、三类电动汽车数量；ncha为充电桩的数量。
燃气轮机约束：
Figure FDA0003300109310000062
式中，Pgas，gt，t为t时刻燃气轮机消耗的天然气功率；ζgt为燃气轮机的热电比。
燃气锅炉约束：
Hgb，t＝Pgas，gb，t·ηgb (37)
式中，Pgas，gb，t表示t时刻燃气锅炉消耗的天然气功率。
吸收式制冷机约束：
Cac，t＝Hac，t·ηac (38)
式中，ηac表示吸收式制冷机的制冷效率。
电制冷机约束：
Cec，t＝Pec，t·ηec (39)
式中，ηec表示电制冷机的制冷效率。
5.根据权利要求1所述多站融合场景下仿射鲁棒模型优化调度方法，其特征在于，在Matlab内调用CPLEX求解器对优化模型进行求解。
CN202111188059.4A 2021-10-12 2021-10-12 一种多站融合场景下仿射鲁棒模型优化调度方法 Active CN113937760B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111188059.4A CN113937760B (zh) 2021-10-12 2021-10-12 一种多站融合场景下仿射鲁棒模型优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111188059.4A CN113937760B (zh) 2021-10-12 2021-10-12 一种多站融合场景下仿射鲁棒模型优化调度方法

Publications (2)

Publication Number Publication Date
CN113937760A true CN113937760A (zh) 2022-01-14
CN113937760B CN113937760B (zh) 2024-03-22

Family

ID=79278528

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111188059.4A Active CN113937760B (zh) 2021-10-12 2021-10-12 一种多站融合场景下仿射鲁棒模型优化调度方法

Country Status (1)

Country Link
CN (1) CN113937760B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104242356A (zh) * 2014-09-26 2014-12-24 国家电网公司 考虑风电场集电线故障的鲁棒区间风电调度方法及装置
CN107591844A (zh) * 2017-09-22 2018-01-16 东南大学 考虑节点注入功率不确定性的主动配电网鲁棒重构方法
CN107730048A (zh) * 2017-10-26 2018-02-23 华中科技大学 一种风电‑电动汽车联合系统随机鲁棒优化调度方法
CN109146201A (zh) * 2018-09-13 2019-01-04 三峡大学 基于合作博弈的充换储一体化电站微电网优化调度方法
CN110138004A (zh) * 2019-05-08 2019-08-16 上海电力学院 一种多能互补系统优化运行方法
AU2019101043A4 (en) * 2019-09-11 2019-10-24 Southeast University A two-stage robust scheduling method for a hydrogen conpressed natural gas integrated energy system
CN110739687A (zh) * 2019-10-24 2020-01-31 福州大学 一种考虑风电高阶不确定性的电力系统分布鲁棒调度方法
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法
CN112949898A (zh) * 2021-01-04 2021-06-11 国网上海市电力公司 一种多站融合选址规划的优化方法
CN113036819A (zh) * 2021-03-10 2021-06-25 浙江大学 一种考虑源荷双侧不确定性的电热综合能源系统鲁棒调度方法
CN113313295A (zh) * 2021-05-19 2021-08-27 国网江苏省电力有限公司南京供电分公司 一种多站融合模式下综合站优化运行方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104242356A (zh) * 2014-09-26 2014-12-24 国家电网公司 考虑风电场集电线故障的鲁棒区间风电调度方法及装置
CN107591844A (zh) * 2017-09-22 2018-01-16 东南大学 考虑节点注入功率不确定性的主动配电网鲁棒重构方法
CN107730048A (zh) * 2017-10-26 2018-02-23 华中科技大学 一种风电‑电动汽车联合系统随机鲁棒优化调度方法
CN109146201A (zh) * 2018-09-13 2019-01-04 三峡大学 基于合作博弈的充换储一体化电站微电网优化调度方法
CN110138004A (zh) * 2019-05-08 2019-08-16 上海电力学院 一种多能互补系统优化运行方法
AU2019101043A4 (en) * 2019-09-11 2019-10-24 Southeast University A two-stage robust scheduling method for a hydrogen conpressed natural gas integrated energy system
CN110739687A (zh) * 2019-10-24 2020-01-31 福州大学 一种考虑风电高阶不确定性的电力系统分布鲁棒调度方法
WO2021098352A1 (zh) * 2019-11-22 2021-05-27 国网福建省电力有限公司 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法
CN112949898A (zh) * 2021-01-04 2021-06-11 国网上海市电力公司 一种多站融合选址规划的优化方法
CN113036819A (zh) * 2021-03-10 2021-06-25 浙江大学 一种考虑源荷双侧不确定性的电热综合能源系统鲁棒调度方法
CN113313295A (zh) * 2021-05-19 2021-08-27 国网江苏省电力有限公司南京供电分公司 一种多站融合模式下综合站优化运行方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
卢艺;梁俊文;程韧俐;卢苑;林舜江;刘明波;: "考虑光伏和电动汽车不确定性的配电网鲁棒经济调度", 电工电能新技术, no. 09 *
施云辉;郭创新;丁筱;: "基于仿射可调鲁棒优化的园区综合能源系统经济调度", 发电技术, no. 02 *

Also Published As

Publication number Publication date
CN113937760B (zh) 2024-03-22

Similar Documents

Publication Publication Date Title
Liu et al. Optimal sizing of a wind-energy storage system considering battery life
CN109301852B (zh) 一种微电网分级多目标联合的经济调度方法
CN109325608B (zh) 考虑储能并计及光伏随机性的分布式电源优化配置方法
Etxeberria et al. Hybrid energy storage systems for renewable energy sources integration in microgrids: A review
CN111242806A (zh) 一种考虑不确定性的电-热-氢多能量系统的规划方法
CN103248064A (zh) 一种复合型能源充电储能系统及其方法
CN105811397A (zh) 一种基于多时间尺度的多能互补微网调度方法
CN114243795A (zh) 一种典型充电站综合能源协同交互优化配置方法及系统
CN108596442A (zh) 计及条件风险价值的综合能源系统经济调度方法
CN115378053B (zh) 一种新能源电站储能融合系统
CN113644674A (zh) 基于量子粒子群的氢混合储能容量配置系统、方法及应用
Terkes et al. An evaluation of renewable fraction using energy storage for electric vehicle charging station
CN112260274A (zh) 一种基于全景理论的虚拟电厂组建方法
CN113937760A (zh) 一种多站融合场景下仿射鲁棒模型优化调度方法
CN112736894B (zh) 一种计及风电与电动汽车随机性的两阶段机组组合建模方法
CN116131297A (zh) 一种面向新能源消纳的源网荷储省地协同调控方法及系统
Cambambi et al. Model for Cooperative Operation of Li-ion Batteries and Hydrogen Storage Systems in Microgrids Considering Cycling Costs and Dynamic Prices
Kubicek et al. Distributed method for Economic Dispatch Problem with a battery system and a variable fuel price
Sufen et al. Impact of electric vehicles as interruptible load on economic dispatch incorporating wind power
CN111062532A (zh) 一种考虑v2g的增量配电园区内电网容量配置优化方法
Wang et al. CVaR Quantitative Uncertainty-Based Optimal Dispatch for Flexible Traction Power Supply System
Bian et al. Coordinated Planning of Electricity-Hydrogen Integrated Energy System Considering Lifecycle Carbon Emissions
Gao et al. Research on capacity optimization configuration of hybrid AC/DC microgrid based on wind, solar and storage
Zou et al. Day-ahead capacity management for directly dispatched multiple battery energy storage participating in peak regulation
Xia Microgrid Development Model and Control Strategy for Dual Carbon Target

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