CN113962438A - 一种冷热电混合能源联合优化系统及方法 - Google Patents

一种冷热电混合能源联合优化系统及方法 Download PDF

Info

Publication number
CN113962438A
CN113962438A CN202111112956.7A CN202111112956A CN113962438A CN 113962438 A CN113962438 A CN 113962438A CN 202111112956 A CN202111112956 A CN 202111112956A CN 113962438 A CN113962438 A CN 113962438A
Authority
CN
China
Prior art keywords
power
optimization
heating
energy
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111112956.7A
Other languages
English (en)
Inventor
高辉
刘芯汝
陈璐
魏翔
包向宇
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202111112956.7A priority Critical patent/CN113962438A/zh
Publication of CN113962438A publication Critical patent/CN113962438A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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"
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B30/00—Heat pumps
    • F25B30/06—Heat pumps characterised by the source of low potential heat
    • 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
    • H02J3/28—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
    • H02J3/46—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]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Power Engineering (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Water Supply & Treatment (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Thermal Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明属于综合能源技术领域，公开了本发明提出了一种冷热电混合能源联合优化系统及方法，包括调峰调蓄优化模块和环境调度优化模块，所述调峰调蓄优化模块用于实现分布式冷热电多类型源荷储的多目标联合优化调节；所述环境调度优化模块用于针对冷热电混合能源的微网系统的环境调度优化问题，提出以冷热电混合能源联合系统运行费用最小且二氧化碳量排放最少为目标的调度优化模型。本发明的有益效果为通过建立多目标调度优化模型，求解得到满足用户混合能源需求下的能源全局优化调度策略，对提高能源利用效率、减少环境污染、发展智能电网、加强能源安全、优化能源结构起到积极作用。

Description

一种冷热电混合能源联合优化系统及方法
技术领域
本发明属于综合能源技术领域，涉及一种冷热电混合能源联合优化系统及方法。
背景技术
能源是经济社会发展进步的支柱，更是国家安全的重要保证。随着人们对能源需求的不断增加，能源问题成为了我国政府关注的热点。长期以来，我国的电力能源供应主要依赖燃煤机组发电和高压输电为基础的集中供配电网络。然而，随着国民经济发展和人民生活水平提高，传统供配电网络难以为继的局面逐渐显现出来。提高能源利用率是我国节能减排的一项重要内容，进行大力提倡和推广是十分必要的，通过发展“冷热电”三联供及水蓄冷、冰蓄冷、储热锅炉等多种能源存储转换及优化调度技术，既可以发挥多元化电源的互补协调优势，有效利用电能生产的余热，实现区域能源利用率的提升。针对冷热电混合能源利用的发展，需要在充分挖掘混合能源供能潜力的基础上，根据能源预测提供的用能需求，为终端用户用能系统的能源优化利用提供基础支撑。
研究并开发冷热电混合能源联合优化系统及方法是大力发展分布式能源系统高效利用的必备条件，也是开展以电力为核心，冷热电多种能源优化配置运行的多能源系统示范工程的技术基础，为实现能源配置方式变革提供了支撑，为促进生产生活方式改变提供了前提，成为智能电网承载并推动能源变革和第三次工业革命的重要组成部分。
发明内容
为了解决现有技术中的对冷热电混合能源的利用发展的需求问题，本发明提供了一种冷热电混合能源联合优化系统及方法，通过建立多目标调度优化模型，求解得到满足用户混合能源需求下的能源全局优化调度策略，对提高能源利用效率、减少环境污染、发展智能电网、加强能源安全、优化能源结构起到积极作用。
为实现上述目的，本发明提供如下技术方案：
第一方面，本发明提出了一种冷热电混合能源联合优化系统，包括调峰调蓄优化模块和环境调度优化模块，所述调峰调蓄优化模块用于根据能源预测提供的用能需求以及混合能源的用储特性与电网峰谷差特性之间的匹配关系，实现分布式冷热电多类型源荷储的多目标联合优化调节，为终端用户用能系统的能源优化利用提供基础支撑；所述环境调度优化模块用于针对冷热电混合能源的微网系统的环境调度优化问题，提出以冷热电混合能源联合系统运行费用最小且二氧化碳量排放最少为目标的调度优化模型，求解得到满足用户混合能源需求下的能源全局优化调度的最优解集。
多类型源荷储指多种类型的灵活性资源(包括风电、光伏、火电、水电等类型)接入电力系统，并能达到灵活性供需平衡。
多目标指以运行成本最小、削峰填谷、CO2排量最小为目标。
结合第一方面，进一步的，所述调峰调蓄优化模块包括第一输入模块、第一优化模块以及第一输出模块；所述环境调度优化模块包括第二输入模块、第二优化模块以及第二输出模块；所述第一输入模块和第二输入模块都用于输入数据的输入；所述第一优化模块和第二优化模块分别根据第一输入模块和第二输入模块的输入数据对地源热泵、辅助供冷供热设备、蓄电池以及光伏组件(具体为光伏组件的发电部分)进行分布式单元建立数学模型、建立目标函数以及约束条件；所述第一输出模块和第二输出模块都用于输出数据的输出。
结合第一方面，进一步的，所述输入数据包括设备物理参数和能源需求数据，所述设备物理参数包括地源热泵机组的额定功率、辅助供冷供热设备的额定功率、蓄电池组的额定功率以及光伏机组的额定功率，所述能源需求数据包括日前预测得到的24h各时段冷负荷需求、24h各时段热负荷需求以及24h各时段电负荷需求量。
结合第一方面，进一步的，所述第一输出模块的输出数据包括供冷和供热情况下辅助供冷供热设备秏电量、制冷量和制热量，地源热泵机组的耗电量和制热量，蓄电池组的充放电量以及光伏发电机组的发电量；所述第二输出模块的输出数据包括供冷和供热情况下辅助供冷供热设备秏电量、制冷量和制热量，地源热泵机组的耗电量和制热量，蓄电池组的充放电量、光伏发电机组的发电量、CO2的排放量以及运行费用。
结合第一方面，进一步的，所述约束条件包括功率平衡约束，启停约束以及功率上下限约束。
第二方面，本发明提出了一种冷热电混合能源联合优化方法，基于上述的联合优化系统，结合启发式调度规则，采用改进多目标交叉熵算法对第一优化模块和第二优化模块中建立的目标函数求解获取Pareto最优(Pareto Optimality，帕累托最优)解集。在求解过程中，依据重要抽样理论将多目标优化定义为小概率事件，并引入样本分段生成策略和参数更新机制。
结合第二方面，进一步的，当所述调峰调蓄优化模块以冷热电混合能源运行成本最小，即最小的运行费为目标函数，则所述第一优化模块中建立的目标函数为：
Figure BDA0003274385930000031
Figure BDA0003274385930000032
其中：决策变量v为所述联合优化系统中可调度分布式单元出力；Bf为燃料成本；Bm为维护成本；Bg为系统与主电网能量交互成本；Bsu为启停成本；Bb为蓄电池折旧成本；Sf为天燃气价格；Ki为各分布式单元单位输出功率的维护成本；Pi(t)为各个分布式单元的输出功率；Bbuy和Bsell分别为购电电价与卖电电价；Pgrid(t)为所述联合优化系统与大电网交互功率；Shp和Sau为地源热泵和辅助供能设备的启停惩罚费用；u(t)为设备在t时刻的启停状态，取1时为设备开启，取0时为设备关闭；Sb为蓄电池折旧成本；tc为一个调度周期；Fb(t)为天然气消耗量；uhp(t)为地源热泵在t时刻的启停状态；uau(t)为辅助供热制冷设备在t时刻的启停状态；Pbat(t)为电池充放电功率；
需要说明的是：本发明中大电网指现在的国家电力网，包含有发电厂、变电站、输电线路网、配电变压器和低压线路网。
当所述调峰调蓄优化模块以电力系统中削峰填谷为目标，则所述第一优化模块中建立的目标函数为：
Figure BDA0003274385930000041
其中，L为调度总周期数；Pload(t)为t时刻负荷的数值；Ps,c(t)为蓄电池组t时刻的充电功率；Ps,d(t)为蓄电池组t时刻的放电功率，PPV(t)为光伏发电系统功率输出；
由于G1(x)和G2(x)量纲不一致，故引入经济折算系数ω，将多目标转化为单目标，具体为：
G(x)＝G1(x)+ωG2(x)
冷热电混合能源联合系统中二氧化碳排放主要由电力燃煤排放和天然气燃烧排放构成，当所述环境调度优化模块以二氧化碳排放量最小为目标，则所述第二优化模块中建立的目标函数为：
Figure BDA0003274385930000051
其中：μe为单位电功率下二氧化碳的排放系数，取值872×10-3kg/(kW·h)；μf为单位体积天然气的二氧化碳排放系数，取值1.96kg/m3；Pgrid(t)为所述联合优化系统与大电网交互功率；Fb(t)为天然气消耗量。
结合第二方面，进一步的，本发明提出的联合优化方法具体包括如下步骤：
依据重要抽样理论将多目标优化定义为小概率事件，并引入样本分段生成策略和参数更新机制，加入分位点和平滑参数更新机制；
采用精英解集分段生成样本方式，并加入精英解集保留策略；
在优化过程中加入启发式调度规则；
对所述目标函数进行求解。
需要说明的是：精英个体是样本中搜索到的适应度值最高的个体，其组成的解集为精英解集。精英解集保留策略是把好的保留下来进行下一步迭代，说法起源于遗传算法。
结合第二方面，进一步的，原始交叉熵算法中，样本分位参数□和平滑参数□被选为定值，从而造成样本信息量单一和算法收敛性较差的问题，因此加入分位点和平滑参数更新机制如下所示，使得参数能随算法迭代而平滑改变，所述加入分位点和平滑参数更新机制为：
Figure BDA0003274385930000052
Figure BDA0003274385930000061
其中：k1和k1'分别为设定的ρ和α更新迭代时间点，kc为经过10次(这里优选10次，也可以是其他次数。)算法运行后的平均迭代次数，ρ为分位参数，α为平滑参数，k、k'分别表示分位点和平滑参数中实际的更新迭代时间点，ρ1、ρ2、ρ3、α1、α2、α3表示上一次下一次的关系。
进一步地，针对由精英解集生成概率分布过程中出现的样本信息缺失问题，采用精英解集分段生成样本方式，以保证样本信息的多样性和完整性，并加入精英解集保留策略，提高精英解集的生成质量。所述精英分解分段生成样本方式和精英保留策略为：xe(t)和xe(t-1)分别为当前时刻与上一时刻的精英解集；f(xe)为精英解集的概率分布；X为服从概率分布的随机变量；xe,k为t-1时刻保留至t时刻的精英解集；xe(t)被依次划分为n段，k＝1,2,…,n，由精英解集的各段[xe,1,xe,2,…xe,n]生成各自的概率分布[f1,f2,…fn]，并依据每段精英解集在样本中所占比例，逐一生成服从概率分布的随机变量[X1,X2,…Xn]。
结合第二方面，进一步的，在优化过程中加入启发式调度规则可大幅度缩减可行域，提高算法的求解速度，所述启发式调度规则具体为：采用蓄电池在谷期电价充电和尖峰期电价放电的调度策略，实现所述联合优化系统对大电网的削峰填谷，即当t在谷期时，Pbat＞0；当t在尖峰期时，Pbat＜0；其中，Pbat为电池充放电功率；为提高地源热泵经济效益和地热循环的换热效率，依据冷热负荷值设定地源热泵最小功率限额，即当Qload,h＜0.1Qr时，Qhp,min＝0.05Qr；当Qload,h≥0.1Qr时，
Figure BDA0003274385930000071
其中，Qload,h为热负荷功率消耗、Qr为地源热泵额定功率输出、Qhp,min为地源热泵的最小输出功率、Qin,min为地热换热器换热功率最小值、
Figure BDA0003274385930000072
为电热转换率。
结合第二方面，进一步的，所述求解过程为：
S1：依据分布式单元功率输出约束，结合启发式调度规则缩减可行域Ω→Ω0；初始化决策变量的概率分布参数μ0和
Figure BDA0003274385930000073
生成N个调度计划(x1,x2,…xN)；
S2：计算系统多个目标的函数值，定义多目标优化为小概率事件；依据目标值对N个调度计划进行非支配排序，确定非支配和支配解的层次排序F＝(F1,F2,…)；
S3：引入分位参数ρ，设定xρ·N为空集，执行xρ·N＝xρ·N∪Fi直到|xρ·N|≤ρ·N&|xρ·N|+|Fi|≥ρ·N；
S4：对Fi进行拥挤距离排序，依次选择其中(ρ·N-|xρ·N|)个解，即xρ·N∪Fi(1:(ρ·N-|xρ·N|))，由xρ·N构成精英解集xe；
S5：依据样本数量，将精英解集xe均匀划分为n段，运用样本分段生成和精英保留策略生成概率分布参数μt和
Figure BDA0003274385930000074
由于经过多次迭代后概率密度函数的方差逐渐减小，为防止优化陷入局部最优，引入平滑参数α，其更新公式如下：
Figure BDA0003274385930000081
S6：由μt和
Figure BDA0003274385930000082
构建截尾正态分布概率密度函数ht(x)更新调度计划，x∈[l,u]；Ht(x)为x∈(-∞,∞)的正态分布概率密度函数；
Figure BDA0003274385930000083
S7：设定标准差最小额度σe，如果对于任意t≥1、k≥5，存在σt≤σe和σt+k≤σe，或迭代次数等于最大迭代次数，则停止，否则重复S2～S6；
其中，l、u代表任取的数字，l表示解集的上限，u表示解集的下限，t为调度周期里的时刻。
与现有技术相比，本发明提供了一种冷热电混合能源联合优化系统及方法，具备以下有益效果：
(1)本发明实现分布式冷热电多类型源储荷的多时间尺度多目标联合优化调节，为终端用户用能系统的能源优化利用提供基础支撑，同时针对冷热电混合能源的微网系统环境调度优化问题，提出冷热电混合能源联合系统运行费用最小且二氧化碳量排放最少的多目标调度优化模型，求解得到满足用户混合能源需求下的能源全局优化调度策略，对提高能源利用效率、减少环境污染、发展智能电网、加强能源安全、优化能源结构起到积极作用，为短期大幅减少能源的消耗提供有效的技术手段。
(2)本发明在面临能源短缺困难及节能减排的压力下，建设清洁、可靠、互动、高效的冷热电混合能源联合优化系统成为推动能源高效利用模式创新、发展低碳经济的重要手段。
(3)本发明的联合优化系统及方法，在理论分析的基础上结合实际情况，进行多种能源间的优化分配，为综合能源的高效利用提供理论支撑。
附图说明
图1为本发明冷热电混合能源联合优化系统总体功能图；
图2为本发明冷热电联供微网示意图；
图3为本发明样本分段生成和精英保留策略示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图2所示，冷热电联供微网包括光伏组件、蓄电池、地源热泵、天然气辅助供热制冷设备和负荷，本发明中的联合优化系统即处于这样一个冷热电联供微网环境下。地源热泵作为主力供热供冷设备，满足用户冷热负荷需求，当冷热需求出现剧烈波动和负荷峰值时，辅助供热制冷设备实施补给和调峰出力。作为系统的主力供电单元，光伏发电运行于最大功率输出工况下，向地源热泵和电负荷供电；依据光伏出力状况和昼夜更替，蓄电池通过充放电实现功率供求平衡；考虑到光伏发电的间歇性和蓄电池容量限度，系统与城市电网相连以增加运行可靠性，并可在分时电价下实现对大电网削峰填谷。
如图1所示，本发明提出的一种冷热电混合能源联合优化系统，包括调峰调蓄优化模块和环境调度优化模块，调峰调蓄优化模块用于根据能源预测提供的用能需求以及混合能源的用储特性与电网峰谷差特性之间的匹配关系，实现分布式冷热电多类型源荷储的多目标联合优化调节，为终端用户用能系统的能源优化利用提供基础支撑；环境调度优化模块用于针对冷热电混合能源的微网系统的环境调度优化问题，提出以冷热电混合能源联合系统运行费用最小且二氧化碳量排放最少为目标的调度优化模型，求解得到满足用户混合能源需求下的能源全局优化调度的最优解集。
在本实施例的一种具体实施方式中，调峰调蓄优化模块包括第一输入模块、第一优化模块以及第一输出模块；环境调度优化模块包括第二输入模块、第二优化模块以及第二输出模块；第一输入模块和第二输入模块都用于输入数据的输入；第一优化模块和第二优化模块分别根据第一输入模块和第二输入模块的输入数据对地源热泵、辅助供冷供热设备、蓄电池以及光伏组件(具体为光伏组件的发电部分)进行分布式单元建立数学模型、建立目标函数以及约束条件；第一输出模块和第二输出模块都用于输出数据的输出。
在本实施例的一种具体实施方式中，输入数据包括设备物理参数和能源需求数据，设备物理参数包括地源热泵机组的额定功率、辅助供冷供热设备的额定功率、蓄电池组的额定功率以及光伏机组的额定功率，能源需求数据包括日前预测得到的24h各时段冷负荷需求、24h各时段热负荷需求以及24h各时段电负荷需求量。
在本实施例的一种具体实施方式中，第一输出模块的输出数据包括供冷和供热情况下辅助供冷供热设备秏电量、制冷量和制热量，地源热泵机组的耗电量和制热量，蓄电池组的充放电量以及光伏发电机组的发电量；第二输出模块的输出数据包括供冷和供热情况下辅助供冷供热设备秏电量、制冷量和制热量，地源热泵机组的耗电量和制热量，蓄电池组的充放电量、光伏发电机组的发电量、CO2的排放量以及运行费用。
(一)、数学模型为包括地源热泵模型、辅助供冷供热设备模型、蓄电池模型、光伏组件发电模型。
1)地源热泵模型：
Figure BDA0003274385930000111
式中：t为调度周期里的时刻，其间隔取为2小时；Php(t)为地源热泵的电能消耗；Qhp(t)为地源热泵的输出功率；Qin(t)为地热换热器的交换功率；
Figure BDA0003274385930000112
为电热转换率；通常情况下，地源热泵冬季平均能效比COPhp约为4.2；plr(t)为地源热泵负荷率；Qr为地源热泵额定功率输出；载荷系数a0、a1、a2分别取0.4、0.3、0.2。
2)辅助供冷供热设备模型
天然气供冷供热辅助设备主要由燃气锅炉和吸收式制冷机组成，其天然气消耗量为：
Figure BDA0003274385930000113
其中:Qab(t)是吸收式制冷机的冷量输出；COPab是制冷机的能效比；Qb(t)是燃气锅炉的热功率输出，其包含制冷机功率消耗Qboiler,ab(t)和部分热负荷功率消耗Qboiler,h(t)；Fboiler(t)是天然气消耗量；
Figure BDA0003274385930000114
是锅炉制热效率；Hf是单位体积天然气的热值。
3)蓄电池模型
考虑到蓄电池容量在时段间的关联性，充放电功率和荷电状态关系如下：
充电时，Pbattery(t)≥0,Pbattery(t)＝Pch(t)，t时刻的荷电状态为：
Figure BDA0003274385930000121
放电时，Pbattery(t)＜0,Pbattery(t)＝Pdis(t)，t时刻的荷电状态为：
Figure BDA0003274385930000122
式中：SOC(t)和SOC(t-1)分别为蓄电池t时刻和t-1时刻的荷电状态；δ为蓄电池自放电率；E为蓄电池总容量；Pbat(t)为电池充放电功率；Pch(t)为蓄电池充电功率；Pdis(t)为蓄电池放大功率；ΔT为时间间隔；
Figure BDA0003274385930000123
为蓄电池充电效率；
Figure BDA0003274385930000124
为蓄电池放电效率。
4)光伏组件发电模型
光伏组件发电作为不可调度单元，运行在最大功率输出状态下，其功率输出为：
Figure BDA0003274385930000125
其中：IPV(t)是光伏电池的工作电流，UPV(t)是光伏电池的工作电压，PPV(t)是光伏发电系统功率输出，Ie(t)是光生电流，Ih是二极管反向饱和电流，q是电子电荷，A是二极管品质因子，K是玻尔兹曼常数，T是绝对温度。
(二)、目标函数为：
冷热电混合能源优化运行的基本目标是合理使用电能和天然气资源，以实现能源站经济运行。如果单纯以峰谷差最小为目标函数，易造成解的不合理性。以冷热电混合能源运行成本最小为目标函数，最小运行费用如下式所示，主要由燃料成本Bf、维护成本Bm、系统与主电网能量交互成本Bg、启停成本Bsu和蓄电池折旧成本Bb组成。
当调峰调蓄优化模块以冷热电混合能源运行成本最小，即最小的运行费为目标函数，则第一优化模块中建立的目标函数为：
Figure BDA0003274385930000131
Figure BDA0003274385930000132
其中：决策变量v为所述联合优化系统中可调度分布式单元出力；Bf为燃料成本；Bm为维护成本；Bg为系统与主电网能量交互成本；Bsu为启停成本；Bb为蓄电池折旧成本；Sf为天燃气价格；Ki为各分布式单元单位输出功率的维护成本；Pi(t)为各个分布式单元的输出功率；Bbuy和Bsell分别为购电电价与卖电电价；Pgrid(t)为所述联合优化系统与大电网交互功率；Shp和Sau为地源热泵和辅助供能设备的启停惩罚费用；u(t)为设备在t时刻的启停状态，取1时为设备开启，取0时为设备关闭；Sb为蓄电池折旧成本；tc为一个调度周期；Fb(t)为天然气消耗量；uhp(t)为地源热泵在t时刻的启停状态；uau(t)为辅助供热制冷设备在t时刻的启停状态；Pbat(t)为电池充放电功率；
当调峰调蓄优化模块以电力系统中削峰填谷为目标，则第一优化模块中建立的目标函数为：
Figure BDA0003274385930000141
其中，L为调度总周期数；Pload(t)为t时刻负荷的数值；Ps,c(t)为蓄电池组t时刻的充电功率；Ps,d(t)为蓄电池组t时刻的放电功率，PPV(t)为光伏发电系统功率输出。
由于G1(x)和G2(x)量纲不一致，故引入经济折算系数ω，将多目标转化为单目标，具体为：
G(x)＝G1(x)+ωG2(x)
冷热电混合能源联合系统中二氧化碳排放主要由电力燃煤排放和天然气燃烧排放构成，当环境调度优化模块以二氧化碳排放量最小为目标，则第二优化模块中建立的目标函数为：
Figure BDA0003274385930000142
其中：μe为单位电功率下二氧化碳的排放系数，取值872×10-3kg/(kW·h)；μf为单位体积天然气的二氧化碳排放系数，取值1.96kg/m3；Pgrid(t)为联合优化系统与大电网交互功率；Fb(t)为天然气消耗量。
(三)、约束条件为：
目标函数中除系统相关的功率限制外，一些硬性启停限制也被考虑，功率限制又包括功率平衡约束以及功率上下限约束。
1)功率平衡约束
Figure BDA0003274385930000143
其中Qload,1(t)和Qload,h(t)分别为系统的冷负荷和热负荷需求；Pgrid(t)为系统与大电网交互功率；Pload(t)为负荷消耗功率；Pbat(t)是电池充放电功率。
2)启停约束
Figure BDA0003274385930000151
Figure BDA0003274385930000152
其中：nhp为地源热泵的启停次数，nhp,max地源热泵的最大启停次数；nau为天然气辅助供热制冷设备的启停次数，nau,max为天然气辅助供热制冷设备的最大启停次数；thp,min为地源热泵启停的最小时间间隔，Δthp,ss为地源热泵启停的时间间隔；tau,min为天然气辅助供热制冷设备启停的最小时间间隔，Δtau,ss为天然气辅助供热制冷设备启停的时间间隔。
3)功率上下限约束
Figure BDA0003274385930000153
其中:Qin,min和Qin,max为地热换热器换热功率最小和最大值，Php,min和Php,max为地源热泵消耗功率最小和最大值，Qb,min和Qb,max为燃气锅炉热工率输出最小和最大值，Qa,min和Qa,max为制冷机功率输出最小和最大值，SOCmin和SOCmax为蓄电池荷电状态最小和最大值，Pch,min和Pch,max为蓄电池充电功率最小和最大值，Pdis,max为蓄电池最大放电功率，SOC(0)和SOC(tc)为蓄电池始末荷电状态，Pgrid,min和Pgrid,max为系统与电网交互的最小和最大功率。
本发明还提出了一种冷热电混合能源联合优化方法，基于上述的联合优化系统，结合启发式调度规则，采用改进多目标交叉熵算法对第一优化模块和第二优化模块中建立的目标函数求解获取Pareto最优解集。在求解过程中，依据重要抽样理论将多目标优化定义为小概率事件，并引入样本分段生成策略和参数更新机制，具体包括如下步骤：
步骤一：依据重要抽样理论将多目标优化定义为小概率事件，并引入样本分段生成策略和参数更新机制，加入分位点和平滑参数更新机制；
步骤二：采用精英解集分段生成样本方式，并加入精英解集保留策略；
步骤三：在优化过程中加入启发式调度规则；
步骤四：对目标函数进行求解。
在步骤一中，原始交叉熵算法中，样本分位参数ρ和平滑参数α被选为定值，从而造成样本信息量单一和算法收敛性较差的问题，因此加入分位点和平滑参数更新机制如下所示，使得参数能随算法迭代而平滑改变，加入分位点和平滑参数更新机制为：
Figure BDA0003274385930000161
Figure BDA0003274385930000162
其中：k1和k1'分别为设定的ρ和α更新迭代时间点，kc为经过10次算法运行后的平均迭代次数，ρ为分位参数，α为平滑参数，k、k'分别表示分位点和平滑参数中实际的更新迭代时间点。
在步骤二中，针对由精英解集生成概率分布过程中出现的样本信息缺失问题，采用精英解集分段生成样本方式，以保证样本信息的多样性和完整性，并加入精英解集保留策略，提高精英解集的生成质量。
如图3所示，精英分解分段生成样本方式和精英保留策略为：xe(t)和xe(t-1)分别为当前时刻与上一时刻的精英解集；f(xe)为精英解集的概率分布；X为服从概率分布的随机变量；xe,k为t-1时刻保留至t时刻的精英解集；xe(t)被依次划分为n段，k＝1,2,…,n，由精英解集的各段[xe,1,xe,2,…xe,n]生成各自的概率分布[f1,f2,…fn]，并依据每段精英解集在样本中所占比例，逐一生成服从概率分布的随机变量[X1,X2,…Xn]。
在步骤三中，在优化过程中加入启发式调度规则可大幅度缩减可行域，提高算法的求解速度，启发式调度规则具体为：采用蓄电池在谷期电价充电和尖峰期电价放电的调度策略，实现联合优化系统对大电网的削峰填谷，即当t在谷期时，Pbat＞0；当t在尖峰期时，Pbat＜0；其中，Pbat为电池充放电功率；为提高地源热泵经济效益和地热循环的换热效率，依据冷热负荷值设定地源热泵最小功率限额，即当Qload,h＜0.1Qr时，Qhp,min＝0.05Qr；当Qload,h≥0.1Qr时，
Figure BDA0003274385930000171
其中，Qload,h为热负荷功率消耗、Qr为地源热泵额定功率输出、Qhp,min为地源热泵的最小输出功率、Qin,min为地热换热器换热功率最小值、
Figure BDA0003274385930000181
为电热转换率。
在步骤四中，基于改进多目标交叉熵算法思想，并结合启发式调度规则，对目标函数的求解具体过程为：
S1：依据分布式单元功率输出约束，结合启发式调度规则缩减可行域Ω→Ω0；初始化决策变量的概率分布参数μ0和
Figure BDA0003274385930000182
生成N个调度计划(x1,x2,…xN)；
S2：计算系统多个目标的函数值，定义多目标优化为小概率事件；依据目标值对N个调度计划进行非支配排序，确定非支配和支配解的层次排序F＝(F1,F2,…)；
S3：引入分位参数ρ，设定xρ·N为空集，执行xρ·N＝xρ·N∪Fi直到|xρ·N|≤ρ·N&|xρ·N|+|Fi|≥ρ·N；
S4：对Fi进行拥挤距离排序，依次选择其中(ρ·N-|xρ·N|)个解，即xρ·N∪Fi(1:(ρ·N-|xρ·N|))，由xρ·N构成精英解集xe；
S5：依据样本数量，将精英解集xe均匀划分为n段，运用样本分段生成和精英保留策略生成概率分布参数μt和
Figure BDA0003274385930000183
由于经过多次迭代后概率密度函数的方差逐渐减小，为防止优化陷入局部最优，引入平滑参数α，其更新公式如下：
Figure BDA0003274385930000184
S6：由μt和
Figure BDA0003274385930000191
构建截尾正态分布概率密度函数ht(x)更新调度计划，x∈[l,u]；Ht(x)为x∈(-∞,∞)的正态分布概率密度函数；
Figure BDA0003274385930000192
S7：设定标准差最小额度σe，如果对于任意t≥1、k≥5，存在σt≤σe和σt+k≤σe，或迭代次数等于最大迭代次数，则停止，否则重复S2～S6；
其中，l、u代表任取的数字，l表示解集的上限，u表示解集的下限，t为调度周期里的时刻。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种冷热电混合能源联合优化系统，其特征在于：包括调峰调蓄优化模块和环境调度优化模块，所述调峰调蓄优化模块用于实现分布式冷热电多类型源荷储的多目标联合优化调节，为终端用户用能系统的能源优化利用提供基础支撑；所述环境调度优化模块用于提出以冷热电混合能源联合系统运行费用最小且二氧化碳量排放最少为目标的调度优化模型，求解得到满足用户混合能源需求下的能源全局优化调度的最优解集。
2.根据权利要求1所述的一种冷热电混合能源联合优化系统，其特征在于：所述调峰调蓄优化模块包括第一输入模块、第一优化模块以及第一输出模块；所述环境调度优化模块包括第二输入模块、第二优化模块以及第二输出模块；所述第一输入模块和第二输入模块都用于输入数据的输入；所述第一优化模块和第二优化模块分别根据第一输入模块和第二输入模块的输入数据对地源热泵、辅助供冷供热设备、蓄电池以及光伏组件进行分布式单元建立数学模型、建立目标函数以及约束条件；所述第一输出模块和第二输出模块都用于输出数据的输出。
3.根据权利要求2所述的一种冷热电混合能源联合优化系统，其特征在于：所述输入数据包括设备物理参数和能源需求数据，所述设备物理参数包括地源热泵机组的额定功率、辅助供冷供热设备的额定功率、蓄电池组的额定功率以及光伏机组的额定功率，所述能源需求数据包括日前预测得到的24h各时段冷负荷需求、24h各时段热负荷需求以及24h各时段电负荷需求量。
4.根据权利要求2所述的一种冷热电混合能源联合优化系统，其特征在于：所述第一输出模块的输出数据包括供冷和供热情况下辅助供冷供热设备秏电量、制冷量和制热量，地源热泵机组的耗电量和制热量，蓄电池组的充放电量以及光伏发电机组的发电量；所述第二输出模块的输出数据包括供冷和供热情况下辅助供冷供热设备秏电量、制冷量和制热量，地源热泵机组的耗电量和制热量，蓄电池组的充放电量、光伏发电机组的发电量、CO2的排放量以及运行费用。
5.一种冷热电混合能源联合优化方法，其特征在于：基于权利要求2至4任意一所述的联合优化系统，结合启发式调度规则，采用改进多目标交叉熵算法对第一优化模块和第二优化模块中建立的目标函数求解获取Pareto最优解集。
6.根据权利要求5所述的一种冷热电混合能源联合优化方法，其特征在于：当所述调峰调蓄优化模块以冷热电混合能源运行成本最小为目标函数，则所述第一优化模块中建立的目标函数为：
Figure FDA0003274385920000021
Figure FDA0003274385920000022
其中：决策变量v为所述联合优化系统中可调度分布式单元出力；Bf为燃料成本；Bm为维护成本；Bg为系统与主电网能量交互成本；Bsu为启停成本；Bb为蓄电池折旧成本；Sf为天燃气价格；Ki为各分布式单元单位输出功率的维护成本；Pi(t)为各个分布式单元的输出功率；Bbuy和Bsell分别为购电电价与卖电电价；Pgrid(t)为所述联合优化系统与大电网交互功率；Shp和Sau为地源热泵和辅助供能设备的启停惩罚费用；u(t)为设备在t时刻的启停状态，取1时为设备开启，取0时为设备关闭；Sb为蓄电池折旧成本；tc为一个调度周期；Fb(t)为天然气消耗量；uhp(t)为地源热泵在t时刻的启停状态；uau(t)为辅助供热制冷设备在t时刻的启停状态；Pbat(t)为电池充放电功率；
当所述调峰调蓄优化模块以电力系统中削峰填谷为目标，则所述第一优化模块中建立的目标函数为：
Figure FDA0003274385920000031
其中，L为调度总周期数；Pload(t)为t时刻负荷的数值；Ps,c(t)为蓄电池组t时刻的充电功率；Ps,d(t)为蓄电池组t时刻的放电功率，PPV(t)为光伏发电系统功率输出；
由于G1(x)和G2(x)量纲不一致，故引入经济折算系数ω，将多目标转化为单目标，具体为：
G(x)＝G1(x)+ωG2(x)
当所述环境调度优化模块以二氧化碳排放量最小为目标，则所述第二优化模块中建立的目标函数为：
Figure FDA0003274385920000032
其中：μe为单位电功率下二氧化碳的排放系数，取值872×10-3kg/(kW·h)；μf为单位体积天然气的二氧化碳排放系数，取值1.96kg/m3；Pgrid(t)为所述联合优化系统与大电网交互功率；Fb(t)为天然气消耗量。
7.根据权利要求5所述的一种冷热电混合能源联合优化方法，其特征在于，包括如下步骤：
加入分位点和平滑参数更新机制；
采用精英解集分段生成样本方式，并加入精英解集保留策略；
在优化过程中加入启发式调度规则；
对所述目标函数进行求解。
8.根据权利要求7所述的一种冷热电混合能源联合优化方法，其特征在于，所述加入分位点和平滑参数更新机制为：
Figure FDA0003274385920000041
Figure FDA0003274385920000042
其中：k1和k1'分别为设定的ρ和α更新迭代时间点，kc为经过10次算法运行后的平均迭代次数，ρ为分位参数，α为平滑参数，k、k'分别表示分位点和平滑参数中实际的更新迭代时间点。
9.根据权利要求7所述的一种冷热电混合能源联合优化方法，其特征在于，所述启发式调度规则具体为：采用蓄电池在谷期电价充电和尖峰期电价放电的调度策略，实现所述联合优化系统对大电网的削峰填谷，即当t在谷期时，Pbat＞0；当t在尖峰期时，Pbat＜0；其中，Pbat为电池充放电功率；依据冷热负荷值设定地源热泵最小功率限额，即当Qload,h＜0.1Qr时，Qhp,min＝0.05Qr；当Qload,h≥0.1Qr时，
Figure FDA0003274385920000044
其中，Qload,h为热负荷功率消耗、Qr为地源热泵额定功率输出、Qhp,min为地源热泵的最小输出功率、Qin,min为地热换热器换热功率最小值、
Figure FDA0003274385920000043
为电热转换率。
10.根据权利要求7所述的一种冷热电混合能源联合优化方法，其特征在于，所述求解过程为：
S1：依据分布式单元功率输出约束，结合启发式调度规则缩减可行域Ω→Ω0；初始化决策变量的概率分布参数μ0和
Figure FDA0003274385920000051
生成N个调度计划(x1,x2,…xN)；
S2：计算系统多个目标的函数值，定义多目标优化为小概率事件；依据目标值对N个调度计划进行非支配排序，确定非支配和支配解的层次排序F＝(F1,F2,…)；
S3：引入分位参数ρ，设定xρ·N为空集，执行xρ·N＝xρ·N∪Fi直到|xρ·N|≤ρ·N&|xρ·N|+|Fi|≥ρ·N；
S4：对Fi进行拥挤距离排序，依次选择其中(ρ·N-|xρ·N|)个解，即xρ·N∪Fi(1:(ρ·N-|xρ·N|))，由xρ·N构成精英解集xe；
S5：依据样本数量，将精英解集xe均匀划分为n段，运用样本分段生成和精英保留策略生成概率分布参数μt和
Figure FDA0003274385920000052
引入平滑参数α，其更新公式如下：
Figure FDA0003274385920000053
S6：由μt和
Figure FDA0003274385920000054
构建截尾正态分布概率密度函数ht(x)更新调度计划，x∈[l,u]；Ht(x)为x∈(-∞,∞)的正态分布概率密度函数；
Figure FDA0003274385920000055
S7：设定标准差最小额度σe，如果对于任意t≥1、k≥5，存在σt≤σe和σt+k≤σe，或迭代次数等于最大迭代次数，则停止，否则重复S2～S6；
其中，l为解集的上限，u为解集的下限，t为调度周期里的时刻。
CN202111112956.7A 2021-09-23 2021-09-23 一种冷热电混合能源联合优化系统及方法 Pending CN113962438A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111112956.7A CN113962438A (zh) 2021-09-23 2021-09-23 一种冷热电混合能源联合优化系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111112956.7A CN113962438A (zh) 2021-09-23 2021-09-23 一种冷热电混合能源联合优化系统及方法

Publications (1)

Publication Number Publication Date
CN113962438A true CN113962438A (zh) 2022-01-21

Family

ID=79462270

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111112956.7A Pending CN113962438A (zh) 2021-09-23 2021-09-23 一种冷热电混合能源联合优化系统及方法

Country Status (1)

Country Link
CN (1) CN113962438A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114759615A (zh) * 2022-06-10 2022-07-15 南京邮电大学 基于混合仿真的配网分布式光伏承载力分析及削减方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114759615A (zh) * 2022-06-10 2022-07-15 南京邮电大学 基于混合仿真的配网分布式光伏承载力分析及削减方法
CN114759615B (zh) * 2022-06-10 2022-09-02 南京邮电大学 基于混合仿真的配网分布式光伏承载力分析及削减方法

Similar Documents

Publication Publication Date Title
Liu et al. Two-phase collaborative optimization and operation strategy for a new distributed energy system that combines multi-energy storage for a nearly zero energy community
CN108537409B (zh) 一种考虑多能源耦合特性的工业园区配电网协同规划方法
CN109919478B (zh) 一种考虑综合供能可靠性的综合能源微网规划方法
CN113344736B (zh) 一种园区级综合能源系统及其控制方法
Shen et al. Multi-objective capacity configuration optimization of an integrated energy system considering economy and environment with harvest heat
Guo et al. Multi-objective optimization design and multi-attribute decision-making method of a distributed energy system based on nearly zero-energy community load forecasting
CN102509175B (zh) 分布式供电系统可靠性优化方法
CN109523065A (zh) 一种基于改进量子粒子群算法的微能源网优化调度方法
CN111737884B (zh) 一种含多种清洁能源微能源网多目标随机规划方法
Zhu et al. Optimization scheduling of a wind–photovoltaic–gas–electric vehicles Community-Integrated Energy System considering uncertainty and carbon emissions reduction
Ren et al. A novel planning method for design and dispatch of hybrid energy systems
CN111640044A (zh) 一种考虑虚拟储能的综合能源系统dg消纳策略研究方法
CN115170343A (zh) 一种区域综合能源系统分布式资源和储能协同规划方法
CN113592200A (zh) 一种含水源热泵的区域综合能源系统低碳优化运行方法
CN112446552B (zh) 一种生物质气化冷热电联供系统的多目标优化方法
CN113822480A (zh) 一种农村综合能源系统多层协同优化方法及系统
CN113962438A (zh) 一种冷热电混合能源联合优化系统及方法
CN112883630A (zh) 用于风电消纳的多微网系统日前优化经济调度方法
Mahoor et al. Smart energy management for a micro-grid with consideration of demand response plans
CN112085263A (zh) 一种用户侧分布式能源系统混合储能优化配置方法和系统
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
CN114172148B (zh) 一种基于合作博弈的黑启动容量配置方法
CN115526381A (zh) 一种面向能源互联网的零碳园区优化规划方法及装置
CN114565480A (zh) 考虑碳排放量的区域分布式多能源系统多目标规划方法
Zhang et al. Low-Carbon Economy Optimization of Integrated Energy System Considering Electric Vehicles Charging Mode and Multi-Energy Coupling

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