CN113962828B - 考虑碳消耗的综合能源系统协调调度方法 - Google Patents

考虑碳消耗的综合能源系统协调调度方法 Download PDF

Info

Publication number
CN113962828B
CN113962828B CN202111244985.9A CN202111244985A CN113962828B CN 113962828 B CN113962828 B CN 113962828B CN 202111244985 A CN202111244985 A CN 202111244985A CN 113962828 B CN113962828 B CN 113962828B
Authority
CN
China
Prior art keywords
power
heat storage
cost
grid
heat
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
CN202111244985.9A
Other languages
English (en)
Other versions
CN113962828A (zh
Inventor
王晖
刘健
纪秀
吕帅帅
孟祥萍
和思铭
耿英楠
安喆
廖旭
李子杰
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.)
Changchun Institute of Applied Chemistry of CAS
Original Assignee
Changchun Institute of Applied Chemistry of CAS
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 Changchun Institute of Applied Chemistry of CAS filed Critical Changchun Institute of Applied Chemistry of CAS
Priority to CN202111244985.9A priority Critical patent/CN113962828B/zh
Publication of CN113962828A publication Critical patent/CN113962828A/zh
Application granted granted Critical
Publication of CN113962828B publication Critical patent/CN113962828B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Educational Administration (AREA)
  • Water Supply & Treatment (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Public Health (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了考虑碳消耗的综合能源系统协调调度方法，属于能源规划技术领域，本发明针对风光荷储微网经济性与碳排放存在相矛盾的问题，为了全面展现两目标最优解相互间关系，本发明在给定风光荷储的功率及容量限制等约束条件下，建立了经济和碳排放双目标日优化调度模型。采用改进多周期余弦收敛因子的多目标灰狼优化算法MOGWO求解该帕累托前沿分布，增强了多目标灰狼算法的多目标最优边界的搜索能力。最终，在系统处于无储能储热系统、有储能无储热系统、有储热无储能系统以及有储能有储热系统四种情况下的双目标帕累托前沿中，可根据地方政策需求，按权重选择某一帕累托前沿点所对应的最优解作为各设备日调度计划出力值。

Description

考虑碳消耗的综合能源系统协调调度方法
技术领域
本发明属于能源规划技术领域，更为具体地，涉及一种考虑碳消耗的综合 能源系统协调调度方法。
背景技术
储能和储热技术在一定程度上可以改善可再生能源发电间歇性和波动性， 能够显著提高风、光等可再生能源的消纳水平，降低弃风、弃光率，但在综合 能源系统基础上融合储能和储热系统，增加了系统的复杂性和系统的运行的成 本，因此亟需开发出一种控制方法，能够充分利用可再生能源，降低碳排放的 同时也保证系统运行成本最优，各个系统装置优化配置方法能够提高经济效益 和环境效益水平双目标。
发明内容
为了降低碳排放，提高可再生能源的利用率，同时使得系统运行成本最优， 本发明的目的是提出了一种考虑碳消耗的综合能源系统协调调度方法。
为达到上述目的，本发明采用如下技术方案：本发明研究的综合能源系统 主要包括风机发电机组、光伏发电机组、微燃机组、固态储热装置和电池储能 装置。面对系统中多种设备，如何整体协调控制是保证系统运行成本最优，同 时还能最大程度降低碳排放是关键。降低碳排放主要是在满足负荷的前提下， 充分利用可再生能源，减少煤电消纳，利用储能储热提高风电和光电消纳，通 过配置电池和储热模块容量大小，即固态储热实现利用弃风电量提供清洁供热， 电池储能存储负荷以外的风电和光伏发电量，同时也解决了可再生能源的波动 性和间隙性的问题；将微燃机、风机、光伏和电网统一优化协调，提高能源和资产的利用率，降低整个能源系统运行成本；构建考虑碳消耗的综合能源系统 优化模型，以二氧化碳排放最低和系统运行成本最优为目标函数，引入系统功 率平衡约束、设备性能约束等条件优化协调调度模型，利用灰狼优化算法获得 最优运行策略；并在系统分别处于无储能储热系统、有储能无储热系统、有储 热无储能系统以及有储能有储热系统四种模式下分析对比综合能源系统的碳排 放和系统运行成本情况。算例表明，优化协调调度方法在有储能储热装置的情 况下不仅碳排放量明显降低，系统的运行成本也达到最优，且能提升用能负荷 水平缓解机组调峰压力，最大限度提升系统可再生能源消纳空间，总体环境效益和经济收益最优。
考虑碳消耗的综合能源系统协调调度方法，其特征在于，所述方法包括如 下步骤：
步骤1：获取用于建立考虑碳消耗的综合能源系统优化模型的优化协调系统 参数数据，所述优化协调系统参数数据包括风机发电机组、光伏发电机组、微 燃机、固态储热装置和电池储能装置的系统及设备经济技术参数数据，不同时 段热负荷和电负荷参数数据，不同时段风机风速和功率参数数据，不同时段国 家电网电价参数数据以及二氧化碳排放价格参数数据；
步骤2：以二氧化碳排放最低和综合能源系统运行成本最低为双层目标函 数，根据步骤1中所述的优化协调系统参数数据以及电力平衡、固态储热、电 池储能和热力平衡的约束条件，建立考虑碳消耗的综合能源系统优化模型；
所述综合能源系统运行成本包括电网成本和设备运行成本；所述二氧化碳 排放包括电网发电耗碳排放和微燃机发电耗碳排放；
步骤3：利用多目标灰狼优化算法MOGWO对考虑碳消耗的综合能源系统 优化模型进行求解，并在无储能储热系统、有储能无储热系统、有储热无储能 系统以及有储能有储热系统四种模式下分析对比综合能源系统的碳排放和系统 运行成本情况，在满足步骤2所述的约束条件下获得系统最优协调控制策略， 进而得出微燃机、风机、固态储热装置和储能电池调度计划出力值，从而实现 降低碳排放的同时保证综合能源系统运行成本最低目标。
进一步，步骤1中，所述的系统及设备经济技术参数数据包括风机切入风 速Vci、风机额定风速Vr、风机切出风速Vco、天然气热值、天然气单价、微 燃机发电效率、微燃机发热效率、微燃机启动功率、微燃机最大功率、固态储 热最大放热功率、固态储热最大储热功率、固态储热最小容量、固态储热最大 容量、锂电池储电最大放电功率、锂电池储电最大充电功率、锂电池最小容量、 锂电池最大容量、电网发电耗煤率、微燃机发电耗煤率和电热转化效率。
进一步，步骤2中，以二氧化碳排放最低和综合能源系统运行成本最低为 双层目标函数的建立过程如下：
目标函数1：
min f1＝Cgrid+Csheb (1)
式中，f1是综合能源系统运行成本最低目标函数；Cgrid为电网成本； Csheb为设备运行成本；
目标函数2：
min f2＝Tgrid+Tmt (2)
Tgrid＝Egrid·δgrid (3)
δgrid＝b/(1+a) (4)
Tmt＝Emt·δmt (5)
式中，f2是综合能源系统二氧化碳排放最低目标函数；Tgrid为向电网买的 电所包含的排放的二氧化碳碳；Tmt为微燃机燃烧天然气所释放的二氧化碳； Egrid为向电网买电总量；δgrid为向电网买的电中的电煤转化系数；a为新能源 与火电在电网中的发电量比例值；b为火电发1KWh电量带来的二氧化碳排放； Emt为微燃机发电总量；δmt为微燃机发电与碳排放间的系数比，称为微燃机 的电碳转化系数；
具体的综合能源系统运行成本计算过程如下：
预先设定采集的数据间隔为1小时
(1)电网成本
电网成本由向电网买卖电量与双向分时电价乘积得到，某一时刻风光发电 的电量大于综合能源系统所需电量时，向电网卖电，此时卖电量乘以该时刻卖 电电价得到的成本为电网收益；某一时刻风光发电的电量小于综合能源系统所 需电量时，向电网买电，此时买电量乘以该时刻买电电价得到的成本为电网成 本；将24小时成本或者收益累加后，可得到每天电网买电的成本；
Egrid,i为电量值；
(2)设备运行成本
Csheb＝Cmt+Chs+Ces (7)
式中，Cmt为微燃机耗天然气成本；Chs为固态储热装置运行成本；Ces为 储能设备运行成本；
(3)微燃机耗天然气成本
式中，为微燃机耗天然气体积；/>为天然气单价，取2.9元/m3； 电负荷的供电差额需要微燃机发电补充，根据差额电量可推出需要的天然气体 积，如公式(9)；
式中，为微燃机发电消耗的天然气体积；Emt为微燃机发电总量；/>为天然气单位体积热值，ηh2e为微燃机热电转化效率；
(4)固态储热成本
固态储热装置有两种状态，一种是将电能转换成热能后存储，另一种是固 态储热装置放热供给热负荷；
固态储热成本包含消耗的电费和折旧两个部分，消耗的电费可来源于光伏 风机和电网，电网买电费用于所述的步骤(1)中电网成本中已经求解，这里只 计算折旧费用；
Chs＝Chs,e+Chs,zhejiu (10)
He2h＝Hbui-Hmt-Hhs (12)
式中，Chs为固态储热装置运行成本；Chs,e为固态储热所耗费的电成本； Chs,zhejiu为固态储热装置折旧费用；He2h为热差额，可由电直接转热补充； Ee2hs为固态储热装置储热时耗电功率；Hhs为储热功率；Hhs,t为t时刻储 热功率；Prhs为固态储热装置单位储热折旧费用，这里取0.2元/kWh；Hbui为 楼宇热负荷；Hmt为微燃机发热量；δe2hs为固态储热装置电热转化系数；
(5)储能成本
电池储能装置充放电成本包含电费和设备折旧两部分，电费可来源于光伏 风机和电网，电网买电费用于所述的步骤(1)中电网成本中已经求解，此处只 计算折旧费用；
式中，Ces为电池储能成本；Ees,t是蓄电池t时刻充电功率；Pres是单位 储电容量设备折旧费用，此处取0.3元/kWh。
进一步，步骤2中，所述的约束条件具体为：
(1)热约束
固态储热装置运行功率满足的约束条件如下：
Hhs,min≤Hhs,t≤Hhs,max (15)
式中，Hhs,t为固态储热装置t时刻储热功率；Hhs,max是最大储热功率， Hhs,min是最大放热功率；
固态储热装置初始蓄热量为：
Qhs,t＝c·ρhs·Vhs·n·(Ths,t-Ths,0) (16)
式中，Qhs,t为储热容量；c为储热单元比热容；ρhs为蓄热单元密度； Vhs为蓄热单元体积；n为蓄热单元数量；Ths,t为蓄热体t时刻温度；Ths,0为蓄热体初始时刻温度；
储热容量约束条件为：
Qhs,min≤Qhs,t≤Qhs,max (17)
式中，Qhs,t为固态储热装置t时刻状态热量，Qhs,max和Qhs,min分 别为固态储热装置最大最小热量限值；
(2)电约束
Ees,min≤Ees,t≤Ees,max (18)
Soces,min≤Soces,t≤Soces,max (19)
式中，Ees,t为蓄电池t时刻充电功率；Ees,min为蓄电池最小充电功率； Ees,max为蓄电池最大充电功率；Soces,t为蓄电池电量；Soces,min为蓄电池最小 电容量；Soces,max为蓄电池最大电容量；
(3)电热功率平衡约束
Egrid+Epv+Ewind+Emt＝Ees+Ehs+Ebui+Ee2h+Eloss (20)
式中，Egrid为向电网买电功率，Epv、Ewind和Emt分别为光伏、风机、 微燃机发电功率，Ees是蓄电池充电功率，Ehs是固态储热装置的耗电功率， Eloss是弃风弃光的电功率；
He2h+Hmt-Hhs＝Hbui+Hloss (21)
式中，He2h是电转热直接供给热负荷的发热功率，Hmt是微燃机发电的 同时的附产热的功率，Hhs是固态储热装置放热功率，Hbui是楼宇热负荷功率， Hloss是系统热损耗。
进一步，步骤3，利用多目标灰狼优化算法MOGWO对考虑碳消耗的综合 能源系统优化模型进行求解，并在无储能储热系统、有储能无储热系统、有储 热无储能系统以及有储能有储热系统四种模式下分析对比综合能源系统的碳排 放和系统运行成本情况，在满足步骤2所述的约束条件下获得系统最优协调控 制策略，进而得出微燃机、风机、固态储热装置和储能电池调度计划出力值的 过程如下：
①初始化多目标灰狼优化算法MOGWO中的初始狼群，即初始化光伏、风 机功率，电热负荷、最大迭代次数及未知数维度；未知数维度即系统优化参数 的个数；
②对无储能储热系统、有储能无储热系统、有储热无储能系统以及有储能 有储热系统四种模式下种群位置进行初始化及功率容量约束处理，种群矩阵的 排列方式为：位置、适应值函数值、Pareto等级和拥挤度；
③求解初代碳排放及经济性双目标函数值，通过快速非支配排序找出最优 解集为领头狼；
④求解出来的最优解与存储库中的数据一起再次快速非支配排序，更新最 优解集；
⑤通过精英选择，重新进行拥挤度排序，添加最优解，直到存储库容量上 限；
⑥选取三只头狼即α狼、β狼和γ狼，以及它们当前位置；
⑦更新头狼α狼、β狼和γ狼的位置和功率容量约束条件，在最大迭代次 数范围内，最终求解出满足约束条件的最优双目标函数值。
通过上述设计方案，本发明可以带来如下有益效果：本发明针对风光荷储 微网经济性与碳排放存在相矛盾的问题，为了全面展现两目标最优解相互间关 系，本发明在给定风光荷储的功率及容量限制等约束条件下，建立了经济和碳 排放双目标日优化调度模型。采用改进多周期余弦收敛因子的多目标灰狼优化 算法(MOGWO)求解该帕累托前沿分布，增强了多目标灰狼算法的多目标最 优边界的搜索能力。最终，在系统处于无储能储热系统、有储能无储热系统、 有储热无储能系统以及有储能有储热系统四种情况下的双目标帕累托前沿中， 可根据地方政策需求，按权重选择某一帕累托前沿点所对应的最优解作为各设备日调度计划出力值。
附图说明
此处的附图说明用来提供对本发明的进一步理解，构成本发明申请的一部 分，本发明示意性实施例及其说明用于理解本发明，并不构成本发明的不当限 定，在附图中：
图1为综合能源系统双层目标函数优化方法结构图；
图2为系统总运行时段图；
图3为无微燃机供电系统协调运行图；
图4为风机和光伏发电小于楼宇电负荷需求时系统协调运行图；
图5为灰狼多目标优化算法流程图；
图6为系统处于无储能储热系统、有储能无储热系统、有储热无储能系统 以及有储能有储热系统四种模式下的双目标优化结果图；
图7为无储热无储电模式微燃机出力图；
图8为储电模式下储能电池出力图；
图9为储电模式下微燃机出力图；
图10为储热模式下固态储热装置出力图；
图11为储热模式下微燃机出力图；
图12为储电储热模式下储能电池出力图；
图13为储电储热模式下固态储热装置出力图；
图14为储电储热模式下微燃机出力图。
具体实施方式
下面结合图1、图2、图3、图4、图5、图6、图7、图8、图9、图10、 图11、图12、图13、图14和实施例对本发明的技术方案作进一步的说明，但 并不局限于此，凡是对本发明技术方案进行修正或等同替换，而不脱离本发明 技术方案的精神范围，均应涵盖在本发明的保护范围之中。图6为系统无储能 储热系统、有储能无储热系统、有储热无储能系统以及有储能有储热系统四种 模式下的双目标优化结果图，图中WU代表无储能储热系统模式；E有储能无储热系统模式；H有储热无储能系统模式；EH代表有储能有储热系统模式。
考虑碳消耗的综合能源系统协调调度方法，包括如下步骤：
步骤1：采集考虑碳消耗的综合能源系统优化模型的优化协调系统参数数 据；
步骤2：根据步骤1中所述的优化协调系统参数数据，电力系统和热力系统 的约束条件建立考虑碳消耗的综合能源系统优化模型；
步骤3：建立碳消耗与综合能源系统运行成本双目标函数；
步骤4：根据综合能源系统运行特性建立电力平衡、固态储热、电池储能和 热力平衡约束条件；
步骤5：利用多目标灰狼优化算法MOGWO，求解初代碳排放及经济性双 目标数值，选择最优解集；
步骤6：最后得出模型双目标模型最优解，降低碳排放的同时能够保证综 合能源系统运行成本最优，进而得出微燃机、风机、固态储热装置，储能电池 调度计划出力值。
步骤1中，所述优化协调系统参数数据包括风机发电机组、光伏发电机组、 微燃机、固态储热装置和电池储能装置的系统及设备经济技术参数数据，不同 时段热负荷和电负荷参数数据，不同时段风机风速和功率参数数据，不同时段 国家电网电价参数数据以及二氧化碳排放价格参数数据。
步骤2中，所述考虑碳消耗的综合能源系统优化模型是以二氧化碳排放最 低和系统运行成本最优为双层目标函数，将系统电平衡约束、热平衡约束、二 氧化碳排放价格、电网电价、所有设备参数等作为模型约束条件建立综合能源 系统优化模型。
步骤3中，碳消耗与综合能源系统运行成本双目标函数的建立过程具体如 下：
综合能源系统双目标函数分别为二氧化碳排放最低和系统运行成本最优； 整个系统的运行成本主要是电网成本和设备运行成本；整个系统的二氧化碳排 放主要是电网发电耗碳排放和微燃机发电耗碳排放。
目标函数1：
min f1＝Cgrid+Csheb (1)
式中，f1是综合能源系统运行成本最低目标函数；Cgrid为电网成本； Csheb为设备运行成本；
目标函数2：
min f2＝Tgrid+Tmt (2)
Tgrid＝Egrid·δgrid (3)
δgrid＝b/(1+a) (4)
Tmt＝Emt·δmt (5)
式中，f2是综合能源系统二氧化碳排放最低目标函数；Tgrid为向电网买的 电所包含的排放的二氧化碳；Tmt为微燃机燃烧天然气所释放的二氧化碳；Egrid为向电网买电总量；δgrid为向电网买的电中的电煤转化系数；a为新能源与火 电在电网中的发电量比例值；b为火电发1KWh电量带来的二氧化碳排放；Emt为微燃机发电总量；δmt为微燃机发电与碳排放间的系数比，称为微燃机的电 碳转化系数。
具体的成本公式如下，预先设定采集的数据间隔为1小时；
(1)电网成本
电网成本由向电网买卖电量与双向分时电价乘积得到，某一时刻风光发电 多时，向电网卖电，此时卖电量乘以该时刻卖电电价得到成本为电网收益。某 一时刻风光发电少时，向电网买电，此时买电量乘以该时刻买电电价得到成本 为电网成本。将24小时成本或者收益累加后，可得到每天电网买电的成本。
Egrid,i为电量值；
(2)设备运行成本
Csheb＝Cmt+Chs+Ces (7)
式中，Cmt为微燃机耗天然气成本；Chs为固态储热设备运行成本；Ces为 储能设备运行成本。
(3)微燃机耗天然气成本
式中，为微燃机耗天然气体积；/>为天然气单价，这里取2.9 元/m3；电负荷的供电差额需要微燃机发电补充，根据差额电量可推出需要的天 然气体积。
式中，为微燃机发电消耗的天然气体积；Emt为微燃机发电总量； />为天然气单位体积热值，ηh2e为微燃机热电转化效率；
(4)固态储热成本
固态储热装置有两种状态，一种是将电能转换成热能后存储，另一种是固 态储热装置放热供给热负荷。在同一时刻点，固态储热装置不会同时发生储热 和放热两种状态，至于热负荷欠缺的热，可直接在居民家中，例如热水器等直 接电转供热。
固态储热成本包含消耗的电费和折旧两个部分，消耗的电费可来源于光伏 风机和电网等，电网买电费用在上文所述的步骤(1)中已经求解，为避免重复， 这里只计算折旧费用。
Chs＝Chs,e+Chs,zhejiu (10)
He2h＝Hbui-Hmt-Hhs (12)
式中，Chs为固态储热设备运行成本；Chs,e为固态储热所耗费的电成本； Chs,zhejiu为固态储热装置折旧费用；He2h为热差额，可由电直接转热补充； Ee2hs为固态储热装置储热时耗电功率；Hhs为储热功率；Hhs,t为t时刻储 热功率；Prhs为固态储热装置单位储热折旧费用，这里取0.2元/kWh；Hbui为 楼宇热负荷；Hmt为微燃机发热量；δe2hs为固态储热装置电热转化系数。
(5)储电成本
电池储能装置充放电成本包含电费和设备折旧两部分，电费又可来源于光 伏风机和电网等，但是电网买电费用之前已经求解了，为避免重复，此处只计 算折旧。
式中，Ces为电池储能成本；Ees,t是蓄电池t时刻充电功率；Pres是单位
储电容量设备折旧费用，此处取0.3元/kWh；本模型中电池不可同时进 行充电和放电。
步骤4中，所述的约束条件具体为：
(1)热约束
固态储热装置运行功率满足的约束条件如下：
Hhs,min≤Hhs,t≤Hhs,max (15)
式中，Hhs,t为固态储热装置t时刻储热功率(放热为负数)；Hhs,max是最 大储热功率，Hhs,min是最大放热功率。
固态储热装置初始蓄热量为：
Qhs,t＝c·ρhs·Vhs·n·(Ths,t-Ths,0) (16)
式中，Qhs,t为储热容量；c为储热单元比热容；ρhs为蓄热单元密度；Vhs为蓄热单元体积；n为蓄热单元数量；Ths,t为蓄热体t时刻温度；Ths,0为蓄热 体初始时刻温度。
储热容量约束条件为：
Qhs,min≤Qhs,t≤Qhs,max (17)
式中，Qhs,t为固态储热装置t时刻状态热量，Qhs,max和Qhs,min分别 为固态储热装置最大最小热量限值。
(2)电约束
Ees,min≤Ees,t≤Ees,max (18)
Soces,min≤Soces,t≤Soces,max (19)
式中，Ees,t为蓄电池t时刻充电功率(放电为负数)；Ees,min为蓄电池 最小充电功率(放电为负数)；Ees,max为蓄电池最大充电功率(放电为负数)； Soces,t为蓄电池电量；Soces,min为蓄电池最小电容量；Soces,max为蓄电池最大 电容量。
(3)电热功率平衡约束
风光消纳，当弃风弃光率小时，相对应的所需向大电网买的电就更小，对 应的从大电网过来的碳排放就更小。而风电消纳也是受制约的，当风光电过多， 超过并网变流器额定功率，就会使得多出部分被浪费掉。反之，当风光发电少 时，大电网经变流器进微网的电就会很大，很可能超过并网变流器额定功率， 若也限制此方向的并网变流器额定功率，那么就可能会发生电负荷供电不足， 产生功率缺额。本发明对双向并网变流器功率限额所产生的功率缺额，可由较 大的储电池容量和功率补充，因此本发明所建立的模型不会发生电功率缺额。
Egrid+Epv+Ewind+Emt＝Ees+Ehs+Ebui+Ee2h+Eloss (20)
式中，Egrid为向电网买电功率，Epv、Ewind和Emt分别为光伏、风机、 微燃机发电功率，Ees是蓄电池充电功率(放电为负)，Ehs是固态储热装置 储热功率(放热为负)，Ebui是楼宇电负载功率，Ee2h是电转热直接供给热 负荷的耗电功率，Eloss是弃风弃光的电功率。
He2h+Hmt-Hhs＝Hbui+Hloss (21)
式中，He2h是电转热直接供给热负荷的发热功率，Hmt是微燃机发电的同 时的附产热的功率，Hhs是固态储热装置放热功率，Hbui是楼宇热负荷功率， Hloss是系统热损耗。
步骤5中，所述的利用灰狼优化算法求解初代碳排放及经济性双目标数值， 选择最优解集，具体为：
根据模型参数和约束条件，初始化光伏风机功率、电热负荷，最大迭代次 数及未知数维度等，也就是灰狼算法中的初始狼群；对四种模式下种群位置进 行初始化及功率容量约束处理，种群矩阵的排列方式为：位置、适应值函数值、 Pareto等级和拥挤度；根据电网、风能、光能、微燃机和负荷平衡等数据建立系 统双目标函数，求解初代碳排放及经济性双目标函数值，找出最优解集为领头 狼；根据规则更新头狼α狼、β狼和γ狼的位置，在最大迭代次数范围内，最 终求解出满足约束条件的最优双目标函数值。
帕累托最优解：对于两个目标函数，例如对于最优解A而言，在变量空间 中找不到其他的解能够优于解A，这里的优于一定要两个目标函数值都优于A 对应的函数值，那么解A就是帕累托(Pareto)最优解。
帕累托Pareto前沿：所有的帕累托(Pareto)最优解构成帕累托最优解集， 这些解经目标函数映射构成了该问题的帕累托(Pareto)最优前沿或帕累托Pareto 前沿面，即帕累托最优解对应的目标函数值就是帕累托最优前沿。
本发明建立电网、风力发电、光伏发电、微燃机、储能蓄电池、固态储热 装置等的综合能源系统，以降低碳排放和系统运行成本最优两个目标，风电具 有随机性、波动性和不可准确预测性，而光伏发电受到地理分布、季节变化、 昼夜交替的影响，因此在研究风电和光伏电的特性基础上，根据不同时段清洁 能源发电量的多少，优化系统各个设备协调控制策略，如图3和图4。考虑电力 平衡约束条件、热力平衡约束条件下以一天24小时二氧化碳排放最低和系统运 行成本最优为双层目标函数，采用改进多周期余弦收敛因子的多目标灰狼算法 (MOGWO)对综合能源系统优化模型进行求解。根据地方政策需求，按权重 选择某一帕累托(Pareto)前沿点所对应的最优解作为各设备日调度计划出力值。
本发明确定系统协调调度方法：
未进行优化协调控制时的各设备初始运行状态，在此基础上随机可调矩阵参 数进行优化，随着优化的不断迭代，系统各设备的运行状态随之改变，如图2。
风机和光伏发电量大于电负荷、储能最大充电功率、固态储热最大耗电功率 和并网最大上网功率的总和时，热负荷全部由电能转成热能供给，同时也在用 电转热存储，以及将多的电存进电池，即固态储热装置储热、储能电池储存电 能。若以上这些以最大功率消耗，以及并网功率回馈电网功率达到上限，那么 多余的电就得丢弃，否则会引起电压升高和设备损坏。微燃机此时不发电，如 图3。
风机和光伏发电小于楼宇电负荷需求时，此时风光供电不足，需要微燃机发 电，蓄电池释放电能，固态储热装置放热来补充电缺额。此时，如果并网处需 要功率支撑则蓄电池和微燃机都可以提供部分支撑功率。如果电网不需要功率 支撑，反而是微网电热负荷功率供给不足，那么电网就会向微网供电，如图4。
本发明建立双目标函数优化模型：这里考虑的是四模式双目标，具体表现 为将最优经济目标与最低碳排放目标共同考虑。若单独考虑，结果则为最优经 济一个目标或最小碳排放一个目标。若同时考虑双目标，那么以上两个目标则 是两端点，在以上两点间会有大量离散点存在，将上两点勾连起来。当从这些 点中某一点到另一点时，总会发生碳排放降低(升高)，成本升高(降低)， 这一系列的点共同构成帕累托(Pareto)前沿。这些点各自对应一个双目标的权 重。例如最优经济那个端点处经济最优，目标权重为1，碳排放最低目标权重为 0；在碳排放最低那个端点处，碳排放最低目标权重为1，经济最优目标权重为 0；而中间各点，则是各自0到1之间的权重。
所对应的解由“fitness＝a*经济+(1-a)*碳排放”来表示，当权重a为在(0， 1)之间的数时，就可展现整个帕累托(Pareto)前沿。帕累托(Pareto)前沿的 求取方法是找出帕累托(Pareto)等级0的解，然后用超级立方体选取以实现分 布间隙较为均匀。本发明求取方法与之不同，用“fitness＝a*经济+(1-a)*碳排放” 来将双目标整合为单目标解释，求出的帕累托(Pareto)前沿曲线后，可根据地 方政策偏向于经济还是碳排放的权重程度，去在这曲线上选取一个点，增加了 模型的通用性。
本发明采用改进多周期余弦收敛因子的多目标灰狼算法求解初代碳排放及 经济性双目标数值，选择最优解集，具体为：
帕累托Pareto等级拥挤度的计算方法为：
式中，j属于P且j不等于i；ci为个体i到全局非劣最优解的最小拥挤 距离；P为帕累托(Pareto)前沿解的集合；W为目标函数的个数；fn(i)为 个体i目标函数值；fn(j)为个体j目标函数值；为P中第n个目标 函数的最大值；/>为P中第n个目标函数的最小值。
群体迭代更新原则：新一代最优解集+存储库Archieve后再次快速非支配排 序，起到更新最优解集；再进行拥挤度排序；通过按拥挤度精英选择，累计达 到存储库容量后停止添加。这样可以使得存储库中选取的点更稀疏，更能体现 最优解的全体分布；选取三只头狼，个体当前位置，更新所有个体位置及位置 越限约束，容量越限约束；在最大迭代次数范围内求解新一代个体适应度双目 标函数值，之后进一步循环更替解集。
精英策略：灰狼算法中的精英策略，多是用精英策略对头狼(帕累托最优解 集中一个或三个最优个体)进行选取，而后整个整群都跟着头狼的新位置而进 一步包围猎物。
快速非支配排序模块的作用是为种群个体划分Pareto等级，挑选出更具优 势的帕累托等级为0的最优个体。
实施例1：
表1系统及设备经济技术参数
表2不同时段电价表参数
表3不同时段负荷及风机参数(24小时，间隔1小时)
时间 热负荷kW 电负荷kW 风速m/s 风机功率kW
1:00-2:00 600 40 19 1000
2:00-3:00 600 40 19 1000
3:00-4:00 600 40 19 1000
4:00-5:00 700 40 19 1000
5:00-6:00 700 40 20 1000
6:00-7:00 700 60 18 1000
7:00-8:00 700 100 16 1000
8:00-9:00 450 140 14 1000
9:00-10:00 450 180 12 1000
10:00-11:00 450 210 10 555.25
11:00-12:00 450 250 8 257.121
12:00-13:00 300 260 6 76.2887
13:00-14:00 300 250 4 0
14:00-15:00 300 230 2 0
15:00-16:00 300 200 7 153.876
16:00-17:00 450 170 6 76.2887
17:00-18:00 450 170 8 257.121
18:00-19:00 450 180 10 555.25
19:00-20:00 450 220 12 1000
20:00-21:00 500 260 14 1000
21:00-22:00 500 260 16 1000
22:00-23:00 500 240 18 1000
23:00-24:00 500 110 20 1000
24:00-1:00 600 40 25 0
综合系统经优化控制策略协调控制后结果可看出，如图6，有储能和储热系 统的碳排放量最低，系统运行成本最优。从图中可以看出由于储电的功率及容 量较小，使得从无储能储热模式到有储能无储热模式对成本和碳排放的减小但 是增益较小，曲线略微下移动。而固态储热装置的功率和容量较大，使得从有 储热无储能模式比从无储热有储能模式的最低碳排放和运行成本最优结果更明 显。同时，在优化结果中可发现在配上越来越多的储能容量设备后，可提高风 电消纳，使得碳排放也越来越低。但是这并不说明储能容量越大越好，因为当 代储能设备费用很高，大容量，甚至产生闲置储能容量势必会产生巨额资金浪 费，提升系统运行成本。但相信随着科技进步，当储能成本降低后，储能设备 所带来的减碳效益就会明显发挥出来。
表4系统优化控制结果
综合分析固态储热与风电良好的互补性，电池储能解决风电的波动性，提 出考虑碳排放的综合能源系统协调调度方法，建立了碳排放最低和系统运行成 本最优目标双层优化模型。通过实例分析及结果显示建立的模型和控制方法合 理有效，降低了碳排放和使得系统运行成本最优。同时，提升了清洁能源的利 用率，为三北地区清洁能源充分利用提供可靠方案。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术 人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些 改进和润饰也应视为本发明的保护范围。

Claims (2)

1.考虑碳消耗的综合能源系统协调调度方法，其特征在于，所述方法包括如下步骤：
步骤1：获取用于建立考虑碳消耗的综合能源系统优化模型的优化协调系统参数数据，所述优化协调系统参数数据包括风机发电机组、光伏发电机组、微燃机、固态储热装置和电池储能装置的系统及设备经济技术参数数据，不同时段热负荷和电负荷参数数据，不同时段风机风速和功率参数数据，不同时段国家电网电价参数数据以及二氧化碳排放价格参数数据；
步骤2：以二氧化碳排放最低和综合能源系统运行成本最低为双层目标函数，根据步骤1中所述的优化协调系统参数数据以及电力平衡、固态储热、电池储能和热力平衡的约束条件，建立考虑碳消耗的综合能源系统优化模型；
所述综合能源系统运行成本包括电网成本和设备运行成本；所述二氧化碳排放包括电网发电耗碳排放和微燃机发电耗碳排放；
步骤3：利用多目标灰狼优化算法MOGWO对考虑碳消耗的综合能源系统优化模型进行求解，并在无储能储热系统、有储能无储热系统、有储热无储能系统以及有储能有储热系统四种模式下分析对比综合能源系统的碳排放和系统运行成本情况，在满足步骤2所述的约束条件下获得系统最优协调控制策略，进而得出微燃机、风机、固态储热装置和储能电池调度计划出力值，从而实现降低碳排放的同时保证综合能源系统运行成本最低目标；
步骤2中，以二氧化碳排放最低和综合能源系统运行成本最低为双层目标函数的建立过程如下：
目标函数1：
min f1＝Cgrid+Csheb (1)
式中，f1是综合能源系统运行成本最低目标函数；Cgrid为电网成本；Csheb为设备运行成本；
目标函数2：
min f2＝Tgrid+Tmt (2)
Tgrid＝Egrid·δgrid (3)
δgrid＝b/(1+a) (4)
Tmt＝Emt·δmt (5)
式中，f2是综合能源系统二氧化碳排放最低目标函数；Tgrid为向电网买的电所包含的排放的二氧化碳碳；Tmt为微燃机燃烧天然气所释放的二氧化碳；Egrid为向电网买电总量；δgrid为向电网买的电中的电煤转化系数；a为新能源与火电在电网中的发电量比例值；b为火电发1KWh电量带来的二氧化碳排放；Emt为微燃机发电总量；δmt为微燃机发电与碳排放间的系数比，称为微燃机的电碳转化系数；
具体的综合能源系统运行成本计算过程如下：
预先设定采集的数据间隔为1小时
(1)电网成本
电网成本由向电网买卖电量与双向分时电价乘积得到，某一时刻风光发电的电量大于综合能源系统所需电量时，向电网卖电，此时卖电量乘以该时刻卖电电价得到的成本为电网收益；某一时刻风光发电的电量小于综合能源系统所需电量时，向电网买电，此时买电量乘以该时刻买电电价得到的成本为电网成本；将24小时成本或者收益累加后，可得到每天电网买电的成本；
Egrid,i为电量值；
(2)设备运行成本
Csheb＝Cmt+Chs+Ces (7)
式中，Cmt为微燃机耗天然气成本；Chs为固态储热装置运行成本；Ces为储能设备运行成本；
(3)微燃机耗天然气成本
式中，为微燃机耗天然气体积；/>为天然气单价，取2.9元/m3；电负荷的供电差额需要微燃机发电补充，根据差额电量可推出需要的天然气体积，如公式(9)；
式中，为微燃机发电消耗的天然气体积；Emt为微燃机发电总量；/>为天然气单位体积热值，ηh2e为微燃机热电转化效率；
(4)固态储热成本
固态储热装置有两种状态，一种是将电能转换成热能后存储，另一种是固态储热装置放热供给热负荷；
固态储热成本包含消耗的电费和折旧两个部分，消耗的电费可来源于光伏风机和电网，电网买电费用于所述的步骤(1)中电网成本中已经求解，这里只计算折旧费用；
Chs＝Chs,e+Chs,zhejiu (10)
He2h＝Hbui-Hmt-Hhs (12)
式中，Chs为固态储热装置运行成本；Chs,e为固态储热所耗费的电成本；Chs,zhejiu为固态储热装置折旧费用；He2h为热差额，可由电直接转热补充；Ee2hs为固态储热装置储热时耗电功率；Hhs为储热功率；Hhs,t为t时刻储热功率；Prhs为固态储热装置单位储热折旧费用，这里取0.2元/kWh；Hbui为楼宇热负荷；Hmt为微燃机发热量；δe2hs为固态储热装置电热转化系数；
(5)储能成本
电池储能装置充放电成本包含电费和设备折旧两部分，电费可来源于光伏风机和电网，电网买电费用于所述的步骤(1)中电网成本中已经求解，此处只计算折旧费用；
式中，Ces为电池储能成本；Ees,t是蓄电池t时刻充电功率；Pres是单位储电容量设备折旧费用，此处取0.3元/kWh；
步骤2中，所述的约束条件具体为：
(1)热约束
固态储热装置运行功率满足的约束条件如下：
Hhs,min≤Hhs,t≤Hhs,max (15)
式中，Hhs,t为固态储热装置t时刻储热功率；Hhs,max是最大储热功率，Hhs,min是最大放热功率；
固态储热装置初始蓄热量为：
Qhs,t＝c·ρhs·Vhs·n·(Ths,t-Ths,0) (16)
式中，Qhs,t为储热容量；c为储热单元比热容；ρhs为蓄热单元密度；Vhs为蓄热单元体积；n为蓄热单元数量；Ths,t为蓄热体t时刻温度；Ths,0为蓄热体初始时刻温度；
储热容量约束条件为：
Qhs,min≤Qhs,t≤Qhs,max (17)
式中，Qhs,t为固态储热装置t时刻状态热量，Qhs,max和Qhs,min分别为固态储热装置最大最小热量限值；
(2)电约束
Ees,min≤Ees,t≤Ees,max (18)
Soces,min≤Soces,t≤Soces,max (19)
式中，Ees,t为蓄电池t时刻充电功率；Ees,min为蓄电池最小充电功率；Ees,max为蓄电池最大充电功率；Soces,t为蓄电池电量；Soces,min为蓄电池最小电容量；Soces,max为蓄电池最大电容量；
(3)电热功率平衡约束
Egrid+Epv+Ewind+Emt＝Ees+Ehs+Ebui+Ee2h+Eloss (20)
式中，Egrid为向电网买电功率，Epv、Ewind和Emt分别为光伏、风机、微燃机发电功率，Ees是蓄电池充电功率，Ehs是固态储热装置的耗电功率，Eloss是弃风弃光的电功率；
He2h+Hmt-Hhs＝Hbui+Hloss (21)
式中，He2h是电转热直接供给热负荷的发热功率，Hmt是微燃机发电的同时的附产热的功率，Hhs是固态储热装置放热功率，Hbui是楼宇热负荷功率，Hloss是系统热损耗；
步骤3，利用多目标灰狼优化算法MOGWO对考虑碳消耗的综合能源系统优化模型进行求解，并在无储能储热系统、有储能无储热系统、有储热无储能系统以及有储能有储热系统四种模式下分析对比综合能源系统的碳排放和系统运行成本情况，在满足步骤2所述的约束条件下获得系统最优协调控制策略，进而得出微燃机、风机、固态储热装置和储能电池调度计划出力值的过程如下：
①初始化多目标灰狼优化算法MOGWO中的初始狼群，即初始化光伏、风机功率，电热负荷、最大迭代次数及未知数维度；未知数维度即系统优化参数的个数；
②对无储能储热系统、有储能无储热系统、有储热无储能系统以及有储能有储热系统四种模式下种群位置进行初始化及功率容量约束处理，种群矩阵的排列方式为：位置、适应值函数值、Pareto等级和拥挤度；
③求解初代碳排放及经济性双目标函数值，通过快速非支配排序找出最优解集为领头狼；
④求解出来的最优解与存储库中的数据一起再次快速非支配排序，更新最优解集；
⑤通过精英选择，重新进行拥挤度排序，添加最优解，直到存储库容量上限；
⑥选取三只头狼即α狼、β狼和γ狼，以及它们当前位置；
⑦更新头狼α狼、β狼和γ狼的位置和功率容量约束条件，在最大迭代次数范围内，最终求解出满足约束条件的最优双目标函数值。
2.根据权利要求1所述的考虑碳消耗的综合能源系统协调调度方法，其特征在于：步骤1中，所述的系统及设备经济技术参数数据包括风机切入风速Vci、风机额定风速Vr、风机切出风速Vco、天然气热值、天然气单价、微燃机发电功率、微燃机发热效率、微燃机启动效率、微燃机最大功率、固态储热最大放热功率、固态储热最大储热功率、固态储热最小容量、固态储热最大容量、锂电池储电最大放电功率、锂电池储电最大充电功率、锂电池最小容量、锂电池最大容量、电网发电耗煤率、微燃机发电耗煤率和电热转化效率。
CN202111244985.9A 2021-10-26 2021-10-26 考虑碳消耗的综合能源系统协调调度方法 Active CN113962828B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111244985.9A CN113962828B (zh) 2021-10-26 2021-10-26 考虑碳消耗的综合能源系统协调调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111244985.9A CN113962828B (zh) 2021-10-26 2021-10-26 考虑碳消耗的综合能源系统协调调度方法

Publications (2)

Publication Number Publication Date
CN113962828A CN113962828A (zh) 2022-01-21
CN113962828B true CN113962828B (zh) 2024-05-10

Family

ID=79466924

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111244985.9A Active CN113962828B (zh) 2021-10-26 2021-10-26 考虑碳消耗的综合能源系统协调调度方法

Country Status (1)

Country Link
CN (1) CN113962828B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114707795A (zh) * 2022-02-15 2022-07-05 石河子大学 综合能源优化调度方法和系统、电子设备及存储介质
CN115147016B (zh) * 2022-09-01 2023-01-24 国网浙江省电力有限公司宁波供电公司 考虑低碳效益的分布式电源和需求侧资源联合规划方法
CN115239024B (zh) * 2022-09-21 2023-03-24 国网浙江省电力有限公司宁波供电公司 城市区域多元能源供能规划方法
CN115459349B (zh) * 2022-10-17 2023-11-10 东南大学溧阳研究院 一种风光水火储多源经济-低碳协同调度方法
CN115795881B (zh) * 2022-11-21 2024-03-29 国网江苏省电力有限公司苏州供电分公司 一种综合能源系统储热装置规划方法及系统
CN115859691B (zh) * 2023-02-21 2023-05-05 国网浙江省电力有限公司金华供电公司 一种电热联合需求响应的多目标优化调度方法
CN115860287B (zh) * 2023-03-02 2023-05-12 东方电气集团科学技术研究院有限公司 一种用于储能与发电机组的低碳经济性调度方法
CN117521920B (zh) * 2023-12-29 2024-04-05 湖南工商大学 应用于能源系统的协同优化方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109713728A (zh) * 2019-03-07 2019-05-03 西华大学 微电网控制方法及系统
CN110570007A (zh) * 2019-06-17 2019-12-13 上海交通大学 电动汽车多时间尺度优化调度方法
CN111860937A (zh) * 2020-05-26 2020-10-30 国网天津市电力公司电力科学研究院 基于改进多目标灰狼算法的冷热电联供型微电网优化方法
WO2021098401A1 (zh) * 2019-11-18 2021-05-27 西安热工研究院有限公司 一种基于改进型粒子群算法的混合储能系统容量规划方法
CN112993997A (zh) * 2021-04-02 2021-06-18 长春工程学院 一种提高风电消纳的固态储热与储能协调调度与控制方法
CN113283641A (zh) * 2021-04-29 2021-08-20 东北大学 一种考虑风电预测误差时空相关性复合储能优化配置方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109713728A (zh) * 2019-03-07 2019-05-03 西华大学 微电网控制方法及系统
CN110570007A (zh) * 2019-06-17 2019-12-13 上海交通大学 电动汽车多时间尺度优化调度方法
WO2021098401A1 (zh) * 2019-11-18 2021-05-27 西安热工研究院有限公司 一种基于改进型粒子群算法的混合储能系统容量规划方法
CN111860937A (zh) * 2020-05-26 2020-10-30 国网天津市电力公司电力科学研究院 基于改进多目标灰狼算法的冷热电联供型微电网优化方法
CN112993997A (zh) * 2021-04-02 2021-06-18 长春工程学院 一种提高风电消纳的固态储热与储能协调调度与控制方法
CN113283641A (zh) * 2021-04-29 2021-08-20 东北大学 一种考虑风电预测误差时空相关性复合储能优化配置方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Reseach on the safety assessmet of operation of distribution network based on the timing characteristics;ji xiu等;《2018 Chinese Automation Congress》;20190124;全文 *
基于灰狼多目标算法的电网碳-能复合流优化调度;毛森茂;瞿凯平;陈艺璇;程乐峰;余涛;;新型工业化;20160920(第09期);全文 *
基于灰狼算法的分布式混合能源优化配置方法;杨灿;王勇;;微型电脑应用;20181219(第12期);全文 *
多目标灰狼优化算法的改进策略研究;崔明朗等;《计算机工程与应用》;20181231;第54卷(第5期);156-164 *

Also Published As

Publication number Publication date
CN113962828A (zh) 2022-01-21

Similar Documents

Publication Publication Date Title
CN113962828B (zh) 考虑碳消耗的综合能源系统协调调度方法
CN113112087A (zh) 考虑电热负荷需求响应的综合能源系统运行成本优化方法
CN107958300A (zh) 一种考虑互动响应的多微网互联运行协调调度优化方法
CN108009693A (zh) 基于两级需求响应的并网微电网双层优化方法
CN111339689B (zh) 建筑综合能源调度方法、系统、存储介质及计算机设备
CN103151797A (zh) 基于多目标调度模型的并网运行方式下微网能量控制方法
CN109409595B (zh) 一种园区多能互补系统日前调度方法
CN110807588B (zh) 一种多能源耦合综合能源系统的优化调度方法
Zhou et al. Optimal combined heat and power system scheduling in smart grid
CN113592365A (zh) 一种考虑碳排放与绿电消纳的能源优化调度方法及系统
CN108182487A (zh) 基于粒子群优化和本德尔分解的家庭能量数据优化方法
TWI639962B (zh) 一種應用於智慧電網之粒群最佳化模糊邏輯控制充電法
CN117559526A (zh) 一种基于光储充一体化充电站的拟路由器能量调控方法
CN108494014A (zh) 一种混合能源热电联产经济性优化管理方法
CN115730747A (zh) 一种综合能源系统多主体利益分配方法及其应用
Ren et al. A novel day optimal scheduling strategy for integrated energy system including electric vehicle and multisource energy storage
CN116468215A (zh) 计及源荷不确定性的综合能源系统调度方法及装置
CN115912419A (zh) 一种基于负荷聚合商的储热-储电协同调度方法
CN113627720B (zh) 基于电能替代的综合园区风光储系统配置方法
CN109687518B (zh) 一种家庭微电网系统的优化调度方法
CN111262240B (zh) 一种综合能源系统优化运行方法及系统
CN110061499B (zh) 一种差异化电源电价下并网型微电网的运行方法
Han et al. Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation
Shi et al. Economic operation of industrial microgrids with multiple kinds of flexible loads
JP2015119575A (ja) エネルギー管理システム及びエネルギー管理方法

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