CN113987734A - 机会约束条件的园区综合能源系统多目标优化调度方法 - Google Patents
机会约束条件的园区综合能源系统多目标优化调度方法 Download PDFInfo
- Publication number
- CN113987734A CN113987734A CN202110830458.XA CN202110830458A CN113987734A CN 113987734 A CN113987734 A CN 113987734A CN 202110830458 A CN202110830458 A CN 202110830458A CN 113987734 A CN113987734 A CN 113987734A
- Authority
- CN
- China
- Prior art keywords
- power
- charging
- electric
- value
- park
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005457 optimization Methods 0.000 title claims abstract description 43
- 230000005611 electricity Effects 0.000 claims abstract description 29
- 230000008569 process Effects 0.000 claims abstract description 17
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 15
- 231100000719 pollutant Toxicity 0.000 claims abstract description 15
- 238000001816 cooling Methods 0.000 claims abstract description 7
- 238000010438 heat treatment Methods 0.000 claims abstract description 4
- 239000007789 gas Substances 0.000 claims description 96
- 208000028659 discharge Diseases 0.000 claims description 57
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 36
- 238000013178 mathematical model Methods 0.000 claims description 30
- 239000003345 natural gas Substances 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 25
- 238000009826 distribution Methods 0.000 claims description 24
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical compound [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 15
- 230000006399 behavior Effects 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 12
- 238000007599 discharging Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 238000005057 refrigeration Methods 0.000 claims description 8
- 238000009827 uniform distribution Methods 0.000 claims description 6
- 238000004378 air conditioning Methods 0.000 claims description 5
- 230000002596 correlated effect Effects 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims 1
- 238000010248 power generation Methods 0.000 abstract description 3
- 238000005338 heat storage Methods 0.000 description 19
- 230000007613 environmental effect Effects 0.000 description 5
- 230000009191 jumping Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 239000002918 waste heat Substances 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 2
- 101150067055 minC gene Proteins 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- XZXHXSATPCNXJR-ZIADKAODSA-N nintedanib Chemical compound O=C1NC2=CC(C(=O)OC)=CC=C2\C1=C(C=1C=CC=CC=1)\NC(C=C1)=CC=C1N(C)C(=O)CN1CCN(C)CC1 XZXHXSATPCNXJR-ZIADKAODSA-N 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—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—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Water Supply & Treatment (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提出了一种机会约束条件的园区综合能源系统多目标优化调度方法,通过建立电动汽车和电动公交车换电站等装置的数学模型,根据电动汽车和电动公交车换电站的出勤行为概率分布模型计算初始充电负荷曲线。考虑园区中的不确定性因素构建园区综合能源系统经济‑能效‑环保多目标优化调度模型,将冷热电联产机组备用出力和备用市场购电设置为园区综合能源系统的备用容量,将㶲效率作为能效优化指标,将污染性气体排放治理费用作为环保性指标。根据模糊隶属度函数构建加权满意度指标,并由层次分析法确定权重系数。将典型场景输入优化模型中,并利用matlab调用cplex求解,得到最佳运行方案。
Description
技术领域
本发明涉及能源系统技术领域,尤其涉及一种机会约束条件的园区综合能源系统多目标优化调度方法。
背景技术
园区综合能源系统(Integrated Eenergy System,IES)是“智慧城市”建设中的用能主体,存在着大量的不确定性因素,包含由光照辐射强度变化引起光伏、风速改变引起的风机等可再生能源出力波动,冷、热、电负荷预测偏差,能源转换机组故障停机,外界环境及用户用能规律改变等。
随着“智慧城市”的建设发展,园区内的负荷由传统单一电力负荷逐步扩展为“冷热电气”综合负荷,负荷需求向着多样化方向延伸,促使电力需求响应(Demand Response,DR)逐步拓展为冷热电气综合需求响应(Integrated Demand Response,IDR)。IDR的实施以DR为主,即通过分时电价等激励信息引导用户主动调整用电行为,在电力高峰时段以相对廉价的天然气供能为主,采用“多能互补,梯级利用”的方式减轻电网负担。
园区综合能源系统不仅能提供更经济的运行方案,而且有助于提高能源利用率,减少污染性气体排放量,对于低碳城市建设的战略目标具有重要意义。
发明内容
本发明为了解决上述提到的问题,提供了一种机会约束条件的园区综合能源系统多目标优化调度方法。
本发明解决其技术问题所采用的技术方案是:构造一种机会约束条件的园区综合能源系统多目标优化调度方法,包括以下步骤:
步骤一、构建电动汽车数学模型、电动公交车换电站数学模型和出勤行为概率分布模型;
步骤二、根据电动汽车、电动公交车换电站的出勤行为概率分布模型进行初始充电负荷计算;
步骤四、构建冷热电机会约束条件,构建机会约束经济目标规划模型;
步骤五、采用确定性等价类转换的方法将机会约束条件线性化;
步骤六、确定权重系数,将典型场景输入综合能源系统优化模型中,采用matlab/cplex进行求解,得到最佳运行方案。
其中,(1)电动汽车数学模型及运行约束
电动汽车数学模型公式表示为:
式中:为电动汽车的功率;为电动汽车的充电功率;为电动汽车的放电功率;为电动汽车的额定充电功率;为电动汽车的额定放电功率;为电动汽车充电状态的0-1变量,取1表示充电;为电动汽车放电状态的0-1变量,取1表示放电;为充电效率;为放电效率;St,k为电动汽车的荷电状态;为电动汽车的额定电量值;
运行约束公式表示为:
S1,k=S24,k (4)
Skmin≤St,k≤Skmax (5)
式中:为电动汽车充电状态的0-1变量,取1表示充电;为电动汽车放电状态的0-1变量,取1表示放电;S1,k为始时段荷电状态; S24,k为末时段荷电状态;Skmin为荷电状态的下限;Skmax为荷电状态的上限;为电动汽车的总功率;为车辆到达园区的时间;为车辆离开园区的时间;Sdep,k为电动汽车离开园区时的荷电状态;为车辆出行距离;为最大续航里程;
(2)电动公交车换电站数学模型及运行约束
电动公交车换电站数学模型公式表示为:
式中:Pt BSS为换电站总功率;Pt cBSS表示总充电功率;Pt dBSS表示总放电功率;Et BSS为换电站的站内电量值;Dt为换电站的换电需求数;为换电站的旧电池组剩余电量值;Nc为站内充电桩数量;为充电桩j充电状态的0-1变量,取1表示充电;为充电桩j放电状态的 0-1变量,取1表示放电;为充电桩充电功率;为充电桩放电功率;为充电效率;为放电效率;Ebatt为每台电池组的额定电量;
运行约束公式表示为:
式中:Pt cBSS为换电站在t时段的总充电功率;Pt dBSS为换电站在t 时段的总放电功率;为每个充电位的充电功率;为每个充电位的放电功率;NZ为换电站中总电池数量;tc为一组电池的充电时长;βBSS为换电站中电池组的电量备用系数;为每个充电位的充电工作状态0-1变量,取1表示充电;为每个充电位的放电工作状态0-1 变量,取1表示放电;为站内电量最大值,最小值需满足下一个充电时长间隔的充电需求;为延长电池使用寿命,同一时刻同一充电位只能运行在充电或放电模式;
(3)电动汽车和电动公交车出行行为概率分布模型
电动汽车到达园区时间tari和离开园区时间tdep遵循正态分布,行驶距离ddri遵循Gamma分布,假设电动汽车的常规充电过程为:每辆电动汽车到达园区后即开始充电,充至达到所需荷电状态结束,荷电状态初始值服从均匀分布,由于离开充电桩后量测设施检测不到电池状态,因此离开园区后的荷电状态视为0;换电站一天中的工作时间范围为[tari,tdep],每小时的换电池数Dt服从均匀分布,电动公交车换下的动力电池剩余荷电状态最大值为SOCmax,且服从正态分布。
其中,初始充电负荷计算的步骤包括:
(1)对电动汽车初始充电负荷进行蒙特卡洛计算;
(2)对电动公交车换电站初始充电负荷进行蒙特卡洛计算。
其中,步骤三包括:
(1)根据设备的数学模型构建园区综合能源系多目标优化模型:
目标函数一、调度周期内,系统运行成本最小;
minCcost=CG+CE+Cope+ClIDR (16)
式中:Ccost为总运行成本;CG为购买天然气的费用,CE为购电费用,CIDR为综合需求响应(IDR)成本,Cope为设备运行维护费用;λt E为一般商用分时电价,λt IDR为IDR补偿价格,IDR补偿模式为综合能源系统运营商补偿由于电动汽车(EV)、电动公交车换电站(BSS)放电和中央空调(AC)转变供能方式带来的成本;λt G为天然气价格;为设备单位功率运行维护费用,为第j台设备的输出功率,Nj为设备台数; Pt E为购电功率;Pt GT为燃气轮机(GT)电出力;为燃气锅炉(GB)热出力;为EV放电功率,Pt dBSS分别为BSS放电功率,为第i台 AC响应IDR的用电功率改变量;ηGT为GT电效率;ηGB为GB热效率;β为天然气热值;NEV为EV总数量;NAC为AC总数量;
目标函数三、调度周期内,系统污染性气体(CO2、SO2、NOx)排放治理费用最小;
考虑到外部电网中存在清洁能源电厂,系统从上级配网购买的电能中有一部分来源于清洁能源电厂,而清洁能源电厂中基本不产生污染性气体,因此在污染性气体排放量表达式中引入一个比例系数λe表征外购电能中来自清洁能源电厂的比例;
式中:Cenv为污染气体排放治理费用;mi为第i项污染气体的排放治理费用;为第i项污染气体的排放量;为燃烧天然气产生的第i项污染气体排放量;λe为IES购买的电量中来自绿色清洁能源电厂的比例;为系统购电间接产生的第i项气体排放量;Vt GB为燃气锅炉的耗气量;Vt GT为燃气轮机的耗气量;
(2)常规约束条件:
电动公交车换电站(BSS)运行约束,电动汽车(EV)运行约束,蓄热设备(HS)运行约束,中央空调(AC)运行约束,能源交易约束,光伏 /光热组件(PVT)运行约束,溴化锂制冷机(LBR)运行约束,余热锅炉 (HRB)和燃气锅炉(GT)和燃气轮机(GT)运行约束。
其中,构建冷热电机会约束条件,构建机会约束经济目标规划模型的步骤中,
(1)冷功率约束
(2)热功率约束
(3)电功率约束
ΔPdown,ΔHdown,ΔCdown≥0 (38)
式中:Pt L为园区电负荷、为园区电负荷、为园区冷负荷、Pt PV为园区光伏出力;Pt GT为燃气轮机电出力,为燃气轮机电出力上限;ηGT为燃气轮机的电效率;Pt E为购电功率;为燃气锅炉热出力;为溴化锂制冷机制冷出力;Pt BSS为换电站的总功率,表示充/放电功率的差;为中央空调的制冷功率;为中央空调的耗电功率;为中央空调的工作状态0-1值,工作时段取1,非工作时段取0;置信水平αP为电机会约束条件成立所需要满足的概率值、αH为热机会约束条件成立所需要满足的概率值、αC为冷机会约束条件成立所需要满足的概率值;为冷负荷随机量、为热负荷随机量、为电负荷随机量,为光伏预测出力的随机量;为CCHP系统热备用出力、为CCHP系统电备用出力、为园区给备用市场分配的购电量;ηCCHP为CCHP系统的热效率;为CCHP系统热出力;为 CCHP系统的热出力上限;ΔPdown为电备用约束中引入的松弛变量、ΔHdown为热备用约束中引入的松弛变量、ΔCdown为冷备用约束中引入的松弛变量;
为了尽量降低越限风险,在经济优化目标函数中加入功率越限风险成本,综合运行成本表达式如下所示:
minC=Ccost+Crisk (39)
Crisk=τr(ΔPdown+ΔHdown+ΔCdown) (40)
式中:C为综合运行成本、Ccost为经济运行成本、Crisk为机会约束越限产生的惩罚项,越限量越大,惩罚的数值也越大,τr为越限惩罚因子。
其中,在采用确定性等价类转换的方法将机会约束条件线性化的步骤中,
线性化后的机会约束条件如下:
其中,步骤六中,
将多目标优化模型线性化,构建加权满意度指标,基于层次分析法确定权重系数;将电动汽车、电动公交车换电站和中央空调作为综合需求响应实施主体,将典型场景输入综合能源系统优化模型中,采用matlab/cplex进行求解,得到最佳运行方案。
区别于现有技术,本发明的机会约束条件的园区综合能源系统多目标优化调度方法,建立电动汽车和电动公交车换电站等装置的数学模型,根据电动汽车和电动公交车换电站的出勤行为概率分布模型计算初始充电负荷曲线。本发明将电动汽车、电动公交车换电站和中央空调作为综合需求响应实施主体。考虑园区中的不确定性因素构建园区综合能源系统经济-能效-环保多目标优化调度模型,将冷热电联产机组备用出力和备用市场购电设置为园区综合能源系统的备用容量,将效率作为能效优化指标,将污染性气体排放治理费用作为环保性指标。根据模糊隶属度函数构建加权满意度指标,并由层次分析法确定权重系数。利用matlab调用cplex求解该模型,以兼顾园区综合能源系统运行的经济性、能效性和环保性要求;将效率作为能效优化指标能够评估能量的高品质利用情况,既考虑了能量的数量又兼顾了能量的品质;综合需求响应的实施能够实现削峰填谷,对于缓解高峰负荷时期的电网供电压力,降低运行费用有显著的影响。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明提供的一种机会约束条件的园区综合能源系统多目标优化调度方法的园区综合能源系统能流关系示意图。
图2是本发明提供的一种机会约束条件的园区综合能源系统多目标优化调度方法中电动汽车换电站的充电负荷蒙特卡洛计算流程示意图。
图3是本发明提供的一种基于线路阻抗参数估计的窃电预测方法中电动公交车换电站的充电负荷蒙特卡洛计算流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明做进一步的详细说明。应当理解,此外所描述的具体实施例仅用以解释本发明,但并不用于限定本发明。基于本发明中的实施例,本领域普通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,都将属于本发明保护的范围。
参照附图1,本发明提供的一种机会约束条件的园区综合能源系统多目标优化调度方法,包括以下步骤:
步骤一、构建电动汽车数学模型、电动公交车换电站数学模型和出勤行为概率分布模型;
步骤二、根据电动汽车、电动公交车换电站的出勤行为概率分布模型进行初始充电负荷计算;
步骤四、构建冷热电机会约束条件,构建机会约束经济目标规划模型;
步骤五、采用确定性等价类转换的方法将机会约束条件线性化;
步骤六、确定权重系数,将典型场景输入综合能源系统优化模型中,采用matlab/cplex进行求解,得到最佳运行方案。
其中,(1)电动汽车数学模型及运行约束
电动汽车数学模型公式表示为:
式中:为电动汽车的功率;为电动汽车的充电功率;为电动汽车的放电功率;为电动汽车的额定充电功率;为电动汽车的额定放电功率;为电动汽车充电状态的0-1变量,取1表示充电;为电动汽车放电状态的0-1变量,取1表示放电;为充电效率;为放电效率;St,k为电动汽车的荷电状态;为电动汽车的额定电量值;
运行约束公式表示为:
S1,k=S24,k (4)
Skmin≤St,k≤Skmax (5)
式中:为电动汽车充电状态的0-1变量,取1表示充电;为电动汽车放电状态的0-1变量,取1表示放电;S1,k为始时段荷电状态; S24,k为末时段荷电状态;Skmin为荷电状态的下限;Skmax为荷电状态的上限;为电动汽车的总功率;为车辆到达园区的时间;为车辆离开园区的时间;Sdep,k为电动汽车离开园区时的荷电状态;为车辆出行距离;为最大续航里程;
(2)电动公交车换电站数学模型及运行约束
电动公交车换电站数学模型公式表示为:
式中:Pt BSS为换电站总功率;Pt cBSS表示总充电功率;Pt dBSS表示总放电功率;为换电站的站内电量值;Dt为换电站的换电需求数;为换电站的旧电池组剩余电量值;Nc为站内充电桩数量;为充电桩j充电状态的0-1变量,取1表示充电;为充电桩j放电状态的 0-1变量,取1表示放电;为充电桩充电功率;为充电桩放电功率;为充电效率;为放电效率;Ebatt为每台电池组的额定电量;
运行约束公式表示为:
式中:Pt cBSS为换电站在t时段的总充电功率;Pt dBSS为换电站在t 时段的总放电功率;为每个充电位的充电功率;为每个充电位的放电功率;NZ为换电站中总电池数量;tc为一组电池的充电时长;βBSS为换电站中电池组的电量备用系数;为每个充电位的充电工作状态0-1变量,取1表示充电;为每个充电位的放电工作状态0-1 变量,取1表示放电;为站内电量最大值,最小值需满足下一个充电时长间隔的充电需求;为延长电池使用寿命,同一时刻同一充电位只能运行在充电或放电模式;
(3)电动汽车和电动公交车出行行为概率分布模型
电动汽车到达园区时间tari和离开园区时间tdep遵循正态分布,行驶距离ddri遵循Gamma分布,假设电动汽车的常规充电过程为:每辆电动汽车到达园区后即开始充电,充至达到所需荷电状态结束,荷电状态初始值服从均匀分布,由于离开充电桩后量测设施检测不到电池状态,因此离开园区后的荷电状态视为0;换电站一天中的工作时间范围为[tari,tdep],每小时的换电池数Dt服从均匀分布,电动公交车换下的动力电池剩余荷电状态最大值为SOCmax,且服从正态分布。
其中,初始充电负荷计算的步骤包括:
(1)对电动汽车初始充电负荷进行蒙特卡洛计算;
如图2所示,电动汽车初始充电负荷蒙特卡洛计算流程:
Step1,输入园区内电动汽车集群的基本信息;
Step2,输入车辆编号i=1;
Step3,根据电动汽车通勤时间抽取车辆i的起始充电时间;
Step4,判断车辆i的起始充电时间是否符合逻辑,如满足调度周期要求、抵达园区时间早于离开时间,如果符合继续下一步,否则跳转到Step3;
Step5,根据电动汽车初始荷电状态的概率分布抽取车辆i的动力电池的初始荷电状态值;
Step6,计算车辆i的动力电池充电所需时长;
Step7,判断车辆i的充电行为是否符合逻辑,如车辆抵达园区时间与充电时间的和是否早于车辆离开园区的时间,如果符合继续下一步,否则跳转到Step3;
Step8,累加充电负荷;
Step9,判断是否对所有车辆充电负荷进行计算小于等于车辆总量,若是进行下一步,否则返回Step 3;
Step10,输出园区电动汽车集群在一个调度周期内的充电负荷曲线并停止计算。
(2)对电动公交车换电站初始充电负荷进行蒙特卡洛计算。
如图3所示,电动公交车换电站初始充电负荷蒙特卡洛计算流程:
Step1,输入电动公交车换电站的充电行为概率密度函数、站内动力电池组总数量和动力电池组参数等基本信息。
Step2,输入电动公交车换电站站内电池组编号i=1;
Step3,根据电动公交车换电站的工作时间范围抽取电池组i的起始充电时间;
Step4,判断电池组i的起始充电时间是否符合逻辑,如满足电动公交车换电站工作时间要求,如果符合,则继续进行下一步,否则跳转到Step3;
Step5,根据电动公交车换下电池组荷电状态的概率分布抽取电池组i的荷电状态值;
Step6,判断电池组i的荷电状态值是否符合逻辑,如换下电池组的荷电状态最大值是否满足要求,如果符合,则继续进行下一步,否则跳转到Step5;
Step7,计算电池组i的充电所需时长;
Step8,判断电池组i的充电行为是否符合逻辑,如电池组i的充电时长与起始充电时间的和是否早于电动公交车换电站结束工作的时间,如果符合,则继续进行下一步,否则跳转到Step3;
Step9,累加充电负荷;
Step10,判断是否对换电站内电池组充电负荷进行计算小于等于站内电池组总数,若是进行下一步,否则返回Step 3;
Step11,输出电动公交车换电站在一个调度周期内的初始充电负荷曲线并停止计算。
其中,步骤三包括:
步骤3.1、构建冷热电联供系统数学模型:
Pt GT=Vt GTηGTβ/Δt
式中:P、H、C分别表示电、热、冷功率,Pt GT为GT电出力;Vt GT为GT耗气量;ηGT为GT发电效率;β为天然气热值;为HRB 热出力;ηHRB为余热回收效率;为CCHP系统热出力、为 CCHP系统冷出力;ηLBR为溴化锂制冷机效率;为输入溴化锂制冷机的热功率;为蓄热设备的充热功率;为蓄热设备的放热功率;Δt为时间间隔。
步骤3.2、构建光伏/光热一体化组件(PVT)数学模型:
式中:It为光照辐射强度;Imax为光照辐射强度的上限值;α*、β*为Beta分布函数的参数;Γ为Gamma函数。
由上式可以得到光伏/光热出力的数学模型,如下所示:
步骤3.3、构建燃气锅炉数学模型:
步骤3.4、构建楼宇中央空调系统数学模型:
式中:为t时刻第i台AC的室内温度;为t时刻第i台 AC的室外温度;为室内温度的上限值;为室内温度的下限值;为t时刻第i台AC的工作状态0-1值,工作时刻取1,非工作时刻取0。Pt AC为t时刻AC的总耗电功率;Pi AC为t时刻AC的额定耗电功率;为t时刻AC的总制冷功率;为t时刻AC的额定制冷性能系数;NAC为AC总台数;R、C、Q分别为等值热电阻、等值热电容和等值热比率。
步骤3.5、构建蓄热装置数学模型:
步骤3.6、经济优化,构建目标函数一、调度周期内,系统运行成本最小;
minCcost=CG+CE+Cope+ClIDR (16)
式中:Ccost为总运行成本;CG为购买天然气的费用,CE为购电费用,CIDR为综合需求响应(IDR)成本,Cope为设备运行维护费用;λt E为一般商用分时电价,λt IDR为IDR补偿价格,IDR补偿模式为综合能源系统运营商补偿由于电动汽车(EV)、电动公交车换电站(BSS)放电和中央空调(AC)转变供能方式带来的成本;λt G为天然气价格;为设备单位功率运行维护费用,为第j台设备的输出功率,Nj为设备台数; Pt E为购电功率;Pt GT为燃气轮机(GT)电出力;为燃气锅炉(GB)热出力;为EV放电功率,Pt dBSS分别为BSS放电功率,为第i台 AC响应IDR的用电功率改变量;ηGT为GT电效率;ηGB为GB热效率;β为天然气热值;NEV、NAC为EV总数量;NAC为AC总数量;综合需求响应划分情况如表1所示。
表1综合需求响应划分情况表
步骤3.8、环保性指标,构建目标函数三、调度周期内,系统污染性气体(CO2、SO2、NOx)排放治理费用最小;
考虑到外部电网中存在清洁能源电厂,系统从上级配网购买的电能中有一部分来源于清洁能源电厂,而清洁能源电厂中基本不产生污染性气体,因此在污染性气体排放量表达式中引入一个比例系数λe表征外购电能中来自清洁能源电厂的比例;
式中:Cenv为污染气体排放治理费用;mi为第i项污染气体的排放治理费用;为第i项污染气体的排放量;为燃烧天然气产生的第i项污染气体排放量;λe为IES购买的电量中来自绿色清洁能源电厂的比例;为系统购电间接产生的第i项气体排放量;Vt GB为燃气锅炉的耗气量;Vt GT为燃气轮机的耗气量;
步骤3.9、设备约束条件:
式中:为蓄热设备(HS)的储热量下限;为蓄热设备(HS) 的储热量上限;为蓄热设备(HS)始时刻的储热量;为蓄热设备 (HS)末时刻的储热量;为蓄热设备(HS)的充热功率;为蓄热设备(HS)的放热功率;为蓄热设备(HS)的充热上限;为蓄热设备(HS)的放热上限;为HS运行状态的0-1变量,取1表示充热,为HS运行状态的0-1变量,取1表示放热。蓄热设备(HS)在同一时刻只能运行在蓄热或放热模式。
(2)CCHP系统运行约束
式中:Pt GT为燃气轮机(GT)电出力;为燃气轮机(GT)电出力上限;为燃气轮机(GT)爬坡率上限;Ht GT为燃气轮机(GT)热出力;为燃气轮机(GT)热出力上限、为余热锅炉(HRB)热出力上限、为溴化锂制冷机(LBR)制冷功率上限;Ht HRB为余热锅炉(HRB)热出力;Ct LBR为溴化锂制冷机(LBR)出力。
(3)燃气锅炉运行约束
(4)中央空调运行约束
为了兼顾用户用冷需求与电网“削峰填谷”需求,中央空调(AC) 响应IDR的方式设定为“多能互补”,即在电力高峰期通过CCHP系统中的溴化锂制冷机(LBR)满足园区综合能源系统内部部分用冷需求。
(5)能源交易约束
(2)常规约束条件:
电动公交车换电站(BSS)运行约束,电动汽车(EV)运行约束,蓄热设备(HS)运行约束,中央空调(AC)运行约束,能源交易约束,光伏 /光热组件(PVT)运行约束,溴化锂制冷机(LBR)运行约束,余热锅炉 (HRB)和燃气锅炉(GT)和燃气轮机(GT)运行约束。
其中,构建冷热电机会约束条件,构建机会约束经济目标规划模型的步骤中,
(1)冷功率约束
(2)热功率约束
(3)电功率约束
ΔPdown,ΔHdown,ΔCdown≥0 (38)
式中:Pt L为园区电负荷、为园区电负荷、为园区冷负荷、Pt PV为园区光伏出力;Pt GT为燃气轮机电出力,为燃气轮机电出力上限;ηGT为燃气轮机的电效率;Pt E为购电功率;为燃气锅炉热出力;为溴化锂制冷机制冷出力;Pt BSS为换电站的总功率,表示充/放电功率的差;为中央空调的制冷功率;为中央空调的耗电功率;为中央空调的工作状态0-1值,工作时段取1,非工作时段取0;置信水平αP为电机会约束条件成立所需要满足的概率值、αH为热机会约束条件成立所需要满足的概率值、αC为冷机会约束条件成立所需要满足的概率值;为冷负荷随机量、为热负荷随机量、为电负荷随机量,为光伏预测出力的随机量;为CCHP系统热备用出力、为CCHP系统电备用出力、为园区给备用市场分配的购电量;ηCCHP为CCHP系统的热效率;为CCHP系统热出力;为 CCHP系统的热出力上限;ΔPdown为电备用约束中引入的松弛变量、ΔHdown为热备用约束中引入的松弛变量、ΔCdown为冷备用约束中引入的松弛变量;
为了尽量降低越限风险,在经济优化目标函数中加入功率越限风险成本,综合运行成本表达式如下所示:
minC=Ccost+Crisk (39)
Crisk=τr(ΔPdown+ΔHdown+ΔCdown) (40)
式中:C为综合运行成本、Ccost为经济运行成本、Crisk为机会约束越限产生的惩罚项,越限量越大,惩罚的数值也越大,τr为越限惩罚因子。
其中,在采用确定性等价类转换的方法将机会约束条件线性化的步骤中,
线性化后的机会约束条件如下:
其中,步骤六中,
将多目标优化模型线性化,构建加权满意度指标,基于层次分析法确定权重系数;将电动汽车、电动公交车换电站和中央空调作为综合需求响应实施主体,将典型场景输入综合能源系统优化模型中,采用matlab/cplex进行求解,得到最佳运行方案。包括步骤:
步骤6.1、目标函数模糊化
式中:μi(fi)为第i个目标函数的隶属度函数,fi为第i个目标函数,fi min为第i个目标函数的最小值,fi max为第i个目标函数的最大值。
步骤6.2、线性化处理
步骤6.3、构建加权满意度指标,权重系数依据专家打分由层次分析法计算得到,层次分析法各标度含义如附表2所示。
ρ=λ1μ1(f1)+λ2μ2(f2)+λ3μ3(f3)
式中:ρ表示满意度指标,λ1、λ2、λ3分别为经济、能效、环保的指标权重,f1、f2、f3分别为经济、能效、环保的三个优化目标函数。
表2层次分析法标度含义表
步骤6.4、采用matlab/cplex进行求解,得到最佳运行方案。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (7)
1.一种机会约束条件的园区综合能源系统多目标优化调度方法,其特征在于:包括以下步骤:
步骤一、构建电动汽车数学模型、电动公交车换电站数学模型和出勤行为概率分布模型;
步骤二、根据电动汽车、电动公交车换电站的出勤行为概率分布模型进行初始充电负荷计算;
步骤四、构建冷热电机会约束条件,构建机会约束经济目标规划模型;
步骤五、采用确定性等价类转换的方法将机会约束条件线性化;
步骤六、确定权重系数,将典型场景输入综合能源系统优化模型中,采用matlab/cplex进行求解,得到最佳运行方案。
2.根据权利要求1所述的计及机会约束条件的园区综合能源系统多目标优化调度方法,其特征在于,
(1)电动汽车数学模型及运行约束
电动汽车数学模型公式表示为:
式中:为电动汽车的功率;为电动汽车的充电功率;为电动汽车的放电功率;为电动汽车的额定充电功率;为电动汽车的额定放电功率;为电动汽车充电状态的0-1变量,取1表示充电;为电动汽车放电状态的0-1变量,取1表示放电;为充电效率;为放电效率;St,k为电动汽车的荷电状态;为电动汽车的额定电量值;
运行约束公式表示为:
S1,k=S24,k (4)
Skmin≤St,k≤Skmax (5)
式中:为电动汽车充电状态的0-1变量,取1表示充电;为电动汽车放电状态的0-1变量,取1表示放电;S1,k为始时段荷电状态;S24,k为末时段荷电状态;Skmin为荷电状态的下限;Skmax为荷电状态的上限;为电动汽车的总功率;为车辆到达园区的时间;为车辆离开园区的时间;Sdep,k为电动汽车离开园区时的荷电状态;为车辆出行距离;为最大续航里程;
(2)电动公交车换电站数学模型及运行约束
电动公交车换电站数学模型公式表示为:
式中:Pt BSS为换电站总功率;Pt cBSS表示总充电功率;Pt dBSS表示总放电功率;为换电站的站内电量值;Dt为换电站的换电需求数;为换电站的旧电池组剩余电量值;Nc为站内充电桩数量;为充电桩j充电状态的0-1变量,取1表示充电;为充电桩j放电状态的0-1变量,取1表示放电;为充电桩充电功率;为充电桩放电功率;为充电效率;为放电效率;Ebatt为每台电池组的额定电量;
运行约束公式表示为:
式中:Pt cBSS为换电站在t时段的总充电功率;Pt dBSS为换电站在t时段的总放电功率;为每个充电位的充电功率;为每个充电位的放电功率;NZ为换电站中总电池数量;tc为一组电池的充电时长;βBSS为换电站中电池组的电量备用系数;为每个充电位的充电工作状态0-1变量,取1表示充电;为每个充电位的放电工作状态0-1变量,取1表示放电;为站内电量最大值,最小值需满足下一个充电时长间隔的充电需求;为延长电池使用寿命,同一时刻同一充电位只能运行在充电或放电模式;
(3)电动汽车和电动公交车出行行为概率分布模型
电动汽车到达园区时间:tari和离开园区时间tdep遵循正态分布,行驶距离ddri遵循Gamma分布,假设电动汽车的常规充电过程为:每辆电动汽车到达园区后即开始充电,充至达到所需荷电状态结束,荷电状态初始值服从均匀分布,由于离开充电桩后量测设施检测不到电池状态,因此离开园区后的荷电状态视为0;换电站一天中的工作时间范围为[tari,tdep],每小时的换电池数Dt服从均匀分布,电动公交车换下的动力电池剩余荷电状态最大值为SOCmax,且服从正态分布。
3.根据权利要求1所述的机会约束条件的园区综合能源系统多目标优化调度方法,其特征在于,初始充电负荷计算的步骤包括:
(1)对电动汽车初始充电负荷进行蒙特卡洛计算;
(2)对电动公交车换电站初始充电负荷进行蒙特卡洛计算。
4.根据权利要求1所述的机会约束条件的园区综合能源系统多目标优化调度方法,其特征在于,步骤三包括:
(1)根据设备的数学模型构建园区综合能源系多目标优化模型:
目标函数一、调度周期内,系统运行成本最小;
min Ccost=CG+CE+Cope+ClIDR (16)
式中:Ccost为总运行成本;CG为购买天然气的费用,CE为购电费用,CIDR为综合需求响应(IDR)成本,Cope为设备运行维护费用;λt E为一般商用分时电价,λt IDR为IDR补偿价格,IDR补偿模式为综合能源系统运营商补偿由于电动汽车(EV)、电动公交车换电站(BSS)放电和中央空调(AC)转变供能方式带来的成本;λt G为天然气价格;为设备单位功率运行维护费用,为第j台设备的输出功率,Nj为设备台数;Pt E为购电功率;Pt GT为燃气轮机(GT)电出力;为燃气锅炉(GB)热出力;为EV放电功率,Pt dBSS分别为BSS放电功率,为第i台AC响应IDR的用电功率改变量;ηGT为GT电效率;ηGB为GB热效率;β为天然气热值;NEV为EV总数量;NAC为AC总数量;
目标函数三、调度周期内,系统污染性气体(CO2、SO2、NOx)排放治理费用最小;
考虑到外部电网中存在清洁能源电厂,系统从上级配网购买的电能中有一部分来源于清洁能源电厂,而清洁能源电厂中基本不产生污染性气体,因此在污染性气体排放量表达式中引入一个比例系数λe表征外购电能中来自清洁能源电厂的比例;
式中:Cenv为污染气体排放治理费用;mi为第i项污染气体的排放治理费用;为第i项污染气体的排放量;为燃烧天然气产生的第i项污染气体排放量;λe为IES购买的电量中来自绿色清洁能源电厂的比例;为系统购电间接产生的第i项气体排放量;Vt GB为燃气锅炉的耗气量;Vt GT为燃气轮机的耗气量;
(2)常规约束条件:
电动公交车换电站(BSS)运行约束,电动汽车(EV)运行约束,蓄热设备(HS)运行约束,中央空调(AC)运行约束,能源交易约束,光伏/光热组件(PVT)运行约束,溴化锂制冷机(LBR)运行约束,余热锅炉(HRB)和燃气锅炉(GT)和燃气轮机(GT)运行约束。
5.根据权利要求1所述的机会约束条件的园区综合能源系统多目标优化调度方法,其特征在于,构建冷热电机会约束条件,构建机会约束经济目标规划模型的步骤中,
(1)冷功率约束
(2)热功率约束
(3)电功率约束
ΔPdown,ΔHdown,ΔCdown≥0 (38)
式中:Pt L为园区电负荷、为园区热负荷、为园区冷负荷、Pt PV为园区光伏出力;Pt GT为燃气轮机电出力,为燃气轮机电出力上限;ηGT为燃气轮机的电效率;Pt E为购电功率;为燃气锅炉热出力;为溴化锂制冷机制冷出力;Pt BSS为换电站的总功率,表示充/放电功率的差;为中央空调的制冷功率;为中央空调的耗电功率;为中央空调的工作状态0-1值,工作时段取1,非工作时段取0;置信水平αP为电机会约束条件成立所需要满足的概率值、αH为热机会约束条件成立所需要满足的概率值、αC为冷机会约束条件成立所需要满足的概率值;为冷负荷随机量、为热负荷随机量、为电负荷随机量,为光伏预测出力的随机量;为CCHP系统热备用出力、为CCHP系统电备用出力、为园区给备用市场分配的购电量;ηCCHP为CCHP系统的热效率;为CCHP系统热出力;为CCHP系统的热出力上限;ΔPdown为电备用约束中引入的松弛变量、ΔHdown为热备用约束中引入的松弛变量、ΔCdown为冷备用约束中引入的松弛变量;
为了尽量降低越限风险,在经济优化目标函数中加入功率越限风险成本,综合运行成本表达式如下所示:
min C=Ccost+Crisk (39)
Crisk=τr(ΔPdown+ΔHdown+ΔCdown) (40)
式中:C为综合运行成本、Ccost为经济运行成本、Crisk为机会约束越限产生的惩罚项,越限量越大,惩罚的数值也越大,τr为越限惩罚因子。
7.根据权利要求1所述的机会约束条件的园区综合能源系统多目标优化调度方法,其特征在于:步骤六中,
将多目标优化模型线性化,构建加权满意度指标,基于层次分析法确定权重系数;将电动汽车、电动公交车换电站和中央空调作为综合需求响应实施主体,将典型场景输入综合能源系统优化模型中,采用matlab/cplex进行求解,得到最佳运行方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110830458.XA CN113987734A (zh) | 2021-07-22 | 2021-07-22 | 机会约束条件的园区综合能源系统多目标优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110830458.XA CN113987734A (zh) | 2021-07-22 | 2021-07-22 | 机会约束条件的园区综合能源系统多目标优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113987734A true CN113987734A (zh) | 2022-01-28 |
Family
ID=79735050
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110830458.XA Pending CN113987734A (zh) | 2021-07-22 | 2021-07-22 | 机会约束条件的园区综合能源系统多目标优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113987734A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114545878A (zh) * | 2022-02-22 | 2022-05-27 | 山东大学 | 一种综合能源系统优化调度方法及系统 |
CN115021299A (zh) * | 2022-07-20 | 2022-09-06 | 合肥中南光电有限公司 | 基于光伏发电的电池储能管理系统 |
CN115147014A (zh) * | 2022-08-31 | 2022-10-04 | 国网浙江省电力有限公司宁波供电公司 | 一种综合能源系统的多目标均衡分配方法 |
CN115347572A (zh) * | 2022-10-18 | 2022-11-15 | 武汉再来科技有限公司 | 一种智慧园区能源控制方法 |
CN115619145A (zh) * | 2022-10-14 | 2023-01-17 | 国网江苏省电力有限公司电力科学研究院 | 用于综合能源系统的协同控制方法、装置及计算机设备 |
CN116432818A (zh) * | 2023-03-02 | 2023-07-14 | 广州东方电科自动化有限公司 | 一种含储能园区的电力需求响应优化方法 |
-
2021
- 2021-07-22 CN CN202110830458.XA patent/CN113987734A/zh active Pending
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114545878A (zh) * | 2022-02-22 | 2022-05-27 | 山东大学 | 一种综合能源系统优化调度方法及系统 |
CN114545878B (zh) * | 2022-02-22 | 2023-09-01 | 山东大学 | 一种综合能源系统优化调度方法及系统 |
CN115021299A (zh) * | 2022-07-20 | 2022-09-06 | 合肥中南光电有限公司 | 基于光伏发电的电池储能管理系统 |
CN115021299B (zh) * | 2022-07-20 | 2022-11-01 | 合肥中南光电有限公司 | 基于光伏发电的电池储能管理系统 |
CN115147014A (zh) * | 2022-08-31 | 2022-10-04 | 国网浙江省电力有限公司宁波供电公司 | 一种综合能源系统的多目标均衡分配方法 |
CN115619145A (zh) * | 2022-10-14 | 2023-01-17 | 国网江苏省电力有限公司电力科学研究院 | 用于综合能源系统的协同控制方法、装置及计算机设备 |
CN115619145B (zh) * | 2022-10-14 | 2024-03-19 | 国网江苏省电力有限公司电力科学研究院 | 用于综合能源系统的协同控制方法、装置及计算机设备 |
CN115347572A (zh) * | 2022-10-18 | 2022-11-15 | 武汉再来科技有限公司 | 一种智慧园区能源控制方法 |
CN116432818A (zh) * | 2023-03-02 | 2023-07-14 | 广州东方电科自动化有限公司 | 一种含储能园区的电力需求响应优化方法 |
CN116432818B (zh) * | 2023-03-02 | 2024-02-23 | 广州东方电科自动化有限公司 | 一种含储能园区的电力需求响应优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113987734A (zh) | 机会约束条件的园区综合能源系统多目标优化调度方法 | |
CN109523052B (zh) | 一种考虑需求响应和碳交易的虚拟电厂优化调度方法 | |
CN111463836B (zh) | 一种综合能源系统优化调度方法 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
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 | |
CN111339689B (zh) | 建筑综合能源调度方法、系统、存储介质及计算机设备 | |
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 | |
CN105225022A (zh) | 一种热电联产型微电网的经济性优化运行方法 | |
CN112600253B (zh) | 基于用能效率最优的园区综合能源协同优化方法及设备 | |
CN107546781A (zh) | 基于pso改进算法的微电网多目标运行优化方法 | |
CN110245810B (zh) | 一种区域能源互联网协调优化运行方法 | |
CN109685332A (zh) | 一种综合能源多主体利益均衡优化调度方法及设备 | |
CN113517690A (zh) | 含电动汽车充电站的社区综合能源系统双层调度方法 | |
Li et al. | Optimal design for component capacity of integrated energy system based on the active dispatch mode of multiple energy storages | |
CN111860966B (zh) | 基于模糊相关机会规划的含储能综合能源系统调度方法 | |
CN112465236B (zh) | 一种考虑综合满意度的社区综合能源系统调度方法 | |
CN110594962B (zh) | 一种基于模糊需求响应的分布式能源系统优化配置方法 | |
CN117239771A (zh) | 一种综合能源系统中的负荷柔性调度方法及系统 | |
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 | |
CN113822572B (zh) | 考虑能源共享和多风险的园区综合能源系统优化调度方法 | |
CN113222227B (zh) | 基于建筑特性和虚拟电厂的建筑综合能源系统调度方法 | |
CN116167573A (zh) | 一种高铁站综合能源需求响应优化调度方法及相关装置 | |
CN213783243U (zh) | 一种面向产业园区的综合能源系统运行优化装置 | |
CN111339474B (zh) | 一种基于趋势预测分析法的综合能源系统预测运行方法 | |
Dai et al. | Joint Virtual Energy Storage Modeling with Electric Vehicle Participation in Energy Local Area Smart Grid |
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 |