CN114092277A - 柔性区域综合能源系统冷热气电联供调度方法和系统 - Google Patents
柔性区域综合能源系统冷热气电联供调度方法和系统 Download PDFInfo
- Publication number
- CN114092277A CN114092277A CN202111346882.3A CN202111346882A CN114092277A CN 114092277 A CN114092277 A CN 114092277A CN 202111346882 A CN202111346882 A CN 202111346882A CN 114092277 A CN114092277 A CN 114092277A
- Authority
- CN
- China
- Prior art keywords
- power
- gas
- ries
- model
- sop
- 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 43
- 230000005611 electricity Effects 0.000 title claims abstract description 36
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical compound [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 claims abstract description 106
- 238000005457 optimization Methods 0.000 claims abstract description 60
- 238000010521 absorption reaction Methods 0.000 claims abstract description 55
- 238000006243 chemical reaction Methods 0.000 claims abstract description 36
- 238000005516 engineering process Methods 0.000 claims abstract description 30
- 238000005057 refrigeration Methods 0.000 claims abstract description 18
- 230000008901 benefit Effects 0.000 claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 230000031700 light absorption Effects 0.000 claims abstract description 7
- 239000007789 gas Substances 0.000 claims description 191
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 120
- 238000010561 standard procedure Methods 0.000 claims description 39
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 36
- 229910052739 hydrogen Inorganic materials 0.000 claims description 36
- 239000001257 hydrogen Substances 0.000 claims description 36
- 239000003345 natural gas Substances 0.000 claims description 34
- 238000003860 storage Methods 0.000 claims description 31
- 230000005540 biological transmission Effects 0.000 claims description 22
- 230000008878 coupling Effects 0.000 claims description 22
- 238000010168 coupling process Methods 0.000 claims description 22
- 238000005859 coupling reaction Methods 0.000 claims description 22
- 230000009194 climbing Effects 0.000 claims description 18
- 238000013178 mathematical model Methods 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000001816 cooling Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 13
- 239000002918 waste heat Substances 0.000 claims description 13
- 238000010438 heat treatment Methods 0.000 claims description 12
- 238000010248 power generation Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 150000001875 compounds Chemical class 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 9
- 238000004445 quantitative analysis Methods 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 6
- 239000000243 solution Substances 0.000 claims description 6
- 238000005868 electrolysis reaction Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 3
- 239000003990 capacitor Substances 0.000 claims description 3
- 238000004146 energy storage Methods 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims description 3
- 239000003546 flue gas Substances 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 238000002955 isolation Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims 1
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 15
- 238000009826 distribution Methods 0.000 description 13
- 238000010276 construction Methods 0.000 description 6
- 230000001737 promoting effect Effects 0.000 description 5
- 238000009434 installation Methods 0.000 description 3
- 230000035699 permeability Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000003921 oil Substances 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- 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
- 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
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
柔性区域综合能源系统冷热气电联供调度方法,包括:逐步引进电转气两阶段运行以及电制冷机与溴化锂吸收式制冷机联合制冷技术,并分别建模;以RIES中的电力系统网损和从上级网络购能成本之和为目标函数,建立RIES优化调度模型,并给出RIES电、气、热、冷功率平衡约束关系;使用线性化和二阶锥松弛技术,将原始搭建的模型转化为混合整数二阶锥规划模型;根据预测得到的风机、光伏和各类负荷的运行曲线,利用已经搭建的模型在装有Yalmip优化工具箱的Matlab上调用Cplex算法包进行优化求解;分析SOP、P2G技术和溴化锂吸收式制冷机对降低系统网损和成本、提升系统消纳风光能力所产生的经济效益。本发明还包括柔性区域综合能源系统冷热气电联供调度系统。
Description
技术领域
本发明涉及一种含智能软开关的柔性区域综合能源系统冷热气电联供优化调度方法。
背景技术
以传统化石能源为驱动力的能源供给方式正加速被风电、光伏等可再生清洁能源(Renewable Clean Energy, RCE)供给方式所替代。然而,发电比率逐年提高的风、光等RCE,由于其与生俱来的低调峰能力、强不确定性和强波动性,使其难以很好地被完全消纳,弃风、弃光率持续居高不下,逐渐成为制约持续健康推进RCE发电替代的瓶颈问题。与此同时,高比例的RCE渗透率,容易造成能源综合利用率低下、配电网电压越限和功率波动等问题,这也给电能的供求平衡带来了极大挑战,进而显著削弱了电力系统对其经济安全运行的灵活控制能力。
另一方面,尽管近些年来我国的能源体系建设(如煤炭、石油、天然气、电力供应、热力供应等)已经取得了长足的进步,但它们之间的相互耦合利用依然呈现缺乏状态,能源供求局部失衡的状况时有发生。在能源建设投资和能源耦合设备协调利用方面也存在着效率低下等诸多问题。而区域综合能源系统(Regional Integrated Energy System,RIES)经过近几年的发展完善逐步趋于成熟,恰好为改善弃风弃光现象、提高能源综合利用率和促进传统化石能源替代等问题提供了良好途径,用以实现各类异质供能系统之间的协调规划、协同管理、交互响应、互补互济和优化运行。在满足其系统内负荷多样化用能需求的同时,还可有效提高系统内多类异质能源利用质量及效率,推动当地能源和社会的绿色持续发展。
然而,目前RIES在优化调度方面所面临的首要问题是如何促进RIES内部多种异质能源供给的协调优化运行,在尽可能就地消纳RCE的同时,加快推进“两碳”愿景进程,提高RIES内部能源的综合利用率与安全稳定性,并进一步降低RIES的运行成本。但是当前有关RIES方面的研究,主要集中在系统规划、建模与优化调度3方面,并不能很好地解决目前RIES在优化调度方面所面临的首要问题。同时又由于前述所提到的高渗透率风、光等RCE本身的性质,使得 RIES的能量转化、协调和消纳能力大大减弱,还导致了RIES电能的供求失衡。不过近年来兴起并迅速发展的电转气(Power to Gas,P2G)技术和新型电力电子装置智能软开关(Soft Open Point,SOP),对促进RCE消纳、减少RIES从上级网络购能成本、降低电力系统损耗、改善系统电压水平,并将其维持在安全稳定运行状态提供了新的解决思路。
基于此,亟需一种含SOP的柔性RIES冷热气电联供优化调度方法,以进一步研究多种能源供给的RIES协调优化运行,提高RIES的能源利用效率和安全稳定性,促进RCE消纳,减少RIES向上级网络购能的成本。
发明内容
为了克服现有技术的不足,本发明针对含SOP的柔性RIES冷热气电联供优化调度方法,以进一步研究多种能源供给的RIES协调优化运行,提高RIES的能源利用效率和安全稳定性,促进RCE消纳,减少RIES向上级网络购能的成本。
本发明在模型搭建过程中,逐步引进SOP、电转气两阶段运行以及溴化锂吸收式制冷机制冷技术。在求解过程中再使用线性化和二阶锥松弛,将原始模型转化为混合整数二阶锥规划(mixed-integer second-order cone programming,MISOCP) 模型中,以实现电力系统线路潮流的快速、准确计算。并将目标函数设置为RIES 从上级网络购能成本与RIES电力系统网络线路损耗成本之和最小,最后采用修改的IEEE 33节点案例对文中所提模型的有效性进行测试。通过根据量化分析指标进行一系列优化对比分析,验证了文中所提调度方法对提高多能耦合利用效率与改善系统经济运行的有效性。
为了实现上述目的,本发明的技术方案为:
柔性区域综合能源系统冷热气电联供调度方法,包括以下步骤:
S1:构建含智能软开关(Soft Open Point,SOP)的柔性区域综合能源系统(Regional Integrated Energy System,RIES)架构下的数学模型,逐步引进电转气(Power to Gas,P2G)两阶段运行以及电制冷机与溴化锂吸收式制冷机联合制冷技术,并分别对其建模;
S2:以RIES中的电力系统网损和从上级网络购能成本之和为目标函数,建立RIES优化调度模型,并给出RIES电、气、热、冷功率平衡约束关系;
S3:使用线性化和二阶锥松弛技术,将原始搭建的模型转化为混合整数二阶锥规划模型;
S4:以一天内的24小时为调度周期,根据预测得到的风机、光伏和各类负荷的运行曲线,利用已经搭建的模型在装有Yalmip优化工具箱的Matlab上调用 Cplex算法包进行优化求解;
S5:采用修改后的IEEE 33节点算例,分析SOP、P2G技术和溴化锂吸收式制冷机对降低系统网损和成本、提升系统消纳风光能力所产生的经济效益。
进一步,所述步骤S1中,在含SOP的柔性RIES架构的数学模型中引入电转气两阶段运行以及溴化锂吸收式制冷机制冷技术,包括以下构成:
S1-1:构建SOP模型;
引入SOP能够起到控制RIES电力系统潮流和无功补偿的作用,从而降低电力系统损耗,改善电力系统节点电压越限情况。对于SOP,其可控变量主要包含 2个,分别为每个背靠背电压源型变流器(back-to-back voltage source converter, B2B VSC)各自传输的有功功率输出与提供的无功功率补偿。由于B2B VSC属于全控性电力电子器件,尽管其效率足够高,但是当其进行大规模有功功率传输时,一定的损耗仍然会不可避免地产生。而对于无功功率补偿,由于其内部大电容的隔离作用,两个B2B VSC彼此独立,故只需要满足其各自的容量限制即可。因此,SOP的运行控制需满足以下约束:
1)SOP有功功率传输约束:
式中,分别为t时段SOP在节点i与节点j的B2B VS 输出的有功功率和无功功率,这里规定注入节点的方向为SOP有功传输与无功补偿的正方向;分别为t时段SOP在节点i与节点j的B2B VSC 的有功损耗;分别为SOP在节点i与节点j的B2B VSC的损耗系数。
2)SOP有功功率传输约束:
3)SOP容量约束:
S1-2:构建P2G设备模型;
P2G设备可通过电解水反应生成H2和O2,生成的H2根据需要,一部分存储在储氢罐中,并在有需要的时段供给甲烷反应器与CO2通过Sabatier反应制得人工天然气注入RIES天然气管道供RIES用气设备或负荷使用,另一部分则在当前调度时段直接通过储氢罐传输至甲烷反应器合成人工天然气,从而实现多发电能到天然气的转化利用,同时也进一步加深了电-气综合能源系统的耦合。由于P2G包含电制氢和H2甲烷化两个阶段,并且文章采用储氢罐作为储能装置,因此文章近似取电制氢和H2甲烷化的效率为固定值。构建的电解槽、甲烷反应器和储氢罐模型分别如下所示:
1)电解槽模型:
PP2Hout,t=ηP2HPP2Hin,t (8)
ΔPP2Hin,min≤PP2Hin,t+1-PP2Hin,t≤ΔPP2Hin,max (10)
式中,PP2Hin,t、PP2Hout,t分别为t时段电解槽的输入、输出功率;为电解槽输入功率上限;ηP2H为电解槽的转化效率,文中取80%;ΔPP2Hin,max、ΔPP2Hin,min分别为电解槽爬坡上、下限。
2)甲烷反应器模型:
PH2Cout,t=ηH2CPH2Cin,t (11)
ΔPH2Cin,min≤PH2Cin,t+1-PH2Cin,t≤ΔPH2Cin,max (13)
式中,PH2Cin,t、PH2Cout,t分别为t时段甲烷反应器输入、输出功率;为甲烷反应器输入功率上限;ηH2C为甲烷反应器转化效率,文中取80%;ΔPH2Cin,max、ΔPH2Cin,min分别为甲烷反应器的爬坡上、下限。
3)储氢罐模型:
式中,分别为t时段储氢罐H2的输入、输出功率;分别为储氢罐H2在一个时间段内输入、输出功率的上、下限;分别为t时段储氢罐内所含H2功率和储氢罐的H2储量上限;NT为RIES调度周期,文中的 RIES调度周期设为一天内的24h。
S1-3:构建燃气机组模型;
文中的燃气机组包含了燃气轮机和燃气锅炉两部分,它们的能量来源均是 RIES天然气管道中的天然气,并在需要时段向电力(热力)系统中电(热)负荷供电(热),同时兼具了电力系统中的电源之一、天然气系统中气负荷以及热力系统中热源的身份,一定程度上促进了电、气、热综合能源系统的耦合。构建的燃气轮机和燃气锅炉模型分别如下所示:
1)燃气轮机模型:
Pg2Eout,t=ηg2EPgin,t (22)
Qgout,t=ηg2QPgin,t (23)
ΔPgin,min≤Pgin,t+1-Pgin,t≤ΔPgin,max (25)
式中,Pgin,t、Pg2Eout,t、Qgout,t分别为燃气轮机t时段的输入功率以及电、热输出功率;为燃气轮机的上限输入值;ηg2E、ηg2Q分别为燃气轮机电和热转化效率,文中分别取35%和45%;ΔPgin,max、ΔPgin,min分别为燃气轮机的爬坡上、下限。
2)燃气锅炉模型:
QGout,t=ηG2QPGin,t (26)
ΔPGin,min≤PGin,t+1-PGin,t≤ΔPGin,max (28)
式中,PGin,t、QGout,t分别为燃气锅炉t时段气输入和热输出功率值;为燃气锅炉的上限输入值;ηG2Q为燃气轮机热转化效率,文中取85%;ΔPGin,max、ΔPGin,min分别为燃气锅炉的爬坡上、下限。
S1-4:构建联合制冷机组模型;
采用电制冷机和溴化锂吸收式制冷机联合供冷的方式,其中电制冷机直接使用RIES电力系统中的电能作为能量来源以推动压缩机工作制冷。而溴化锂吸收式制冷机组则利用燃气轮机和燃气锅炉产出的高温烟气及余热做功,可实现对余热和废热的再次利用,推进能源高效利用进程,促进RIES经济运行。文中构建的联合制冷机组模型分别如下所示:
1)电制冷机模型:
PP2Cout,t=ηP2CPP2Cin,t (29)
ΔPP2Cin,min≤PP2Cin,t+1-PP2Cin,t≤ΔPP2Cin,max (31)
式中,PP2Cin,t、PP2Cout,t分别为电制冷机t时段电输入、冷输出功率值;为电制冷机上限输入值;ηP2C为电制冷机冷转化效率,文中取90%;ΔPP2Cin,max、ΔPP2Cin,min分别为电制冷机爬坡上、下限。
2)溴化锂吸收式制冷机模型:
QLin,t=ηR(ηglossQgout,t+ηGlossQGout,t) (32)
QLout,t=ηLQLin,t (33)
ΔQLin,min≤QLin,t+1-QLin,t≤ΔQLin,max (35)
式中,QLin,t、QLout,t分别为溴化锂吸收式制冷机t时段热输入和冷输出功率值;为溴化锂吸收式制冷机上限输入值;ηgloss、ηGloss、ηR、ηL分别为燃气轮机可回收热量的热损失系数、燃气锅炉可回收热量的热损失系数、回收装置的回收效率和溴化锂吸收式制冷机的转化效率,文中分别取20%、15%、60%、80%;ΔQLin,max、ΔQLin,min分别为溴化锂吸收式制冷机的爬坡上、下限。
再进一步,在所述步骤S2中,设立目标函数和约束条件如下:
S2-1:设立目标函数;
优化调度模型以RIES从上级网络购能成本与RIES电力系统网络线路损耗成本之和最小为目标,即包括系统从上级网络购能的成本Cbuy和系统电力网络损耗成本Closs两大部分:
minF=(Cbuy+Closs) (36)
式中,系统从上级网络购能的成Cbuy包含从上级电网购电和从上级气网购气成本两部分,系统电力网络损耗成本Closs包含系统电力网络线路损耗成本和SOP 自身运行损耗成本两部分,具体分别表述如下:
1)购能成本:
Pebuy,t=PP2Hin,t+Peload,t-PW,t-PPV,t-Pg2Eout,t (38)
Pgbuy,t=Pgin,t+PGin,t+Pgload,t-PH2Cout,t (39)
式中,Pebuy,t、Pgbuy,t分别为t时段从上级网络所购的电、气功率;fe、fn分别为上级电网单位电价和上级气网单位气价;Peload,t、Pgload,t、PW,t、PPV,t分别为t时段电负荷、气负荷、风机出力功率和光伏出力功率。
2)系统电力网络损耗成本:
式中,rij、It,ij、Δt分别为电力系统支路ij的电阻、t时段电力系统支路ij的电流幅值和每个时间段的持续时间,文中每个时间段的持续时间设为1h;NN为 RIES电力系统总节点数。
S2-2:确定约束条件;
根据系统运行实际情况,综合RIES供给侧、转换侧与负荷侧的相互耦合关系,给出RIES电、气、热、冷功率平衡约束关系,分别包含了电力系统运行约束、电功率平衡约束、气功率平衡约束、热功率平衡约束、冷功率平衡约束和与上级电(气)网络交互约束6部分,具体表述如下:
1)电力系统运行约束:
约束(41)和(42)分别表示t时段节点i的有功和无功平衡;约束(43)和(44)分别表示t时段节点i注入的有功和无功功率之和;约束(45)表示t时段支路ij上的欧姆定律;t时段每条支路的电流大小可以由约束(46)确定;并且式中,Pt,ji、Qt,ji分别表示t时段支路ij上的有功、无功功率;Pt,i、Qt,i分别表示t时段注入节点i的总的有功、无功功率;xij为电力系统支路ij的电抗;分别为t时段注入节点i的风机、光伏、燃气轮机的有功功率;分别为t时段节点i电解槽消耗的有功功率、电制冷机消耗的有功功率、电负荷消耗的有功功率和电负荷消耗的无功功率;Ut,i、Ut,j分别为t时段节点i、j的电压幅值; U、分别为节点电压幅值上、下限以及支路电流上限。
2)电功率平衡约束:
3)气功率平衡约束:
Pgbuy,t+PH2Cout,t-Pgin,t-PGin,t-Pgload,t=0 (50)
4)热功率平衡约束:
Qgout,t+QGout,t-Qhload,t=0 (51)
5)冷功率平衡约束:
PP2Cout,t+QLout,t-Qcload,t=0 (52)
6)与上级电(气)网络交互约束:
在所述步骤S3中,求解原始模型包括原始模型的转化:
由于还有二次项存在,确定电流约束(46)仍然是非线性的,因此可以将其放宽到以下二阶锥约束:
||[2Pt,ij2Qt,ijlt,ij-vt,i]T||2≤vt,i+lt,ij (61)
另外SOP的操作约束都是二次非线性约束,因此可以将其转换为以下旋转二阶锥约束:
在所述步骤S4中,所建模型的求解过程如下:
S4-1:求解工具
在带有YALMIP优化工具箱的MATLAB R2018b软件平台中编程,并通过调用IBMILOG CPLEX 12.6算法包进行优化计算求解。其优化计算是在装有 Intel(R)Core(TM)i7-8700 CPU@3.20GHz处理器和8GB RAM的PC上执行的,软件环境为Windows10操作系统。
S4-2:求解过程
基于标准的IEEE 33节点系统,将与电网耦合的风机、光伏、P2G、电制冷、燃气轮机设备一并接入其中作为测试系统,以此验证文中所提调度模型对提高多能耦合利用效率与改善系统经济运行的有效性。
为了促进P2G设备对风电、光伏等可再生清洁能源产生的电能的就地消纳,将2个风力涡轮发电机和4个光伏场站并网到电力系统中,所有风机、光伏均运行在单位功率因数下,且不考虑风机、光伏的局部无功功率支撑。以一天中的每小时为步进时段,通过预测获得每日风机、光伏和各类负荷的运行曲线。并在两对节点之间安装了两组容量均为500kVA的SOP,其无功功率上限为400kVar,并假设每个SOP变流器的损耗系数为0.02。
在所述步骤S5中,所建模型优化结果的分析过程如下:
S5-1:设置优化调度方案;
为清晰对比文中所搭建的优化调度模型对优化系统多能耦合运行的效用,故设置以下4种优化调度方案:
1)基于电制冷机制冷、燃气锅炉制热、燃气轮机热电联产、风机和光伏发电、上级电(气)网供电(气)的电、气、热、冷联供;
2)基于方案1加入SOP;
3)基于方案2加入P2G设备;
4)基于方案3加入溴化锂吸收式制冷机;
S5-2:确定优化指标;
根据所考虑的量化分析指标,对不同方案下电力网络线路损耗、从上级电网和气网购能的成本以及系统运行总成本进行分析。具体优化指标如下:
1)电力网络线路损耗;
2)节点电压标幺值偏差;
3)从上级电、气网购能成本;
4)系统运行总成本;
5)光伏、风机综合利用率。
实施本发明的的柔性区域综合能源系统冷热气电联供调度方法的系统,包括依次连接的含智能软开关的柔性区域综合能源系统RIES架构下的数学模型构建和建模模块、RIES优化调度模型和RIES电、气、热、冷功率平衡约束关系建立模块、混合整数二阶锥规划模型转化模块、优化求解模块、SOP、P2G技术和溴化锂吸收式制冷机产生的经济效益分析模块,其中,
含智能软开关的柔性区域综合能源系统RIES架构下的数学模型构建和建模模块,构建含智能软开关(Soft Open Point,SOP)的柔性区域综合能源系统 (RegionalIntegrated Energy System,RIES)架构下的数学模型,逐步引进电转气 (Power to Gas,P2G)两阶段运行以及电制冷机与溴化锂吸收式制冷机联合制冷技术,并分别对其建模;
RIES优化调度模型和RIES电、气、热、冷功率平衡约束关系建立模块,以RIES中的电力系统网损和从上级网络购能成本之和为目标函数,建立RIES 优化调度模型,并给出RIES电、气、热、冷功率平衡约束关系;
混合整数二阶锥规划模型转化模块,使用线性化和二阶锥松弛技术,将原始搭建的模型转化为混合整数二阶锥规划模型;
优化求解模块,以一天内的24小时为调度周期,根据预测得到的风机、光伏和各类负荷的运行曲线,利用已经搭建的模型在装有Yalmip优化工具箱的 Matlab上调用Cplex算法包进行优化求解;
SOP、P2G技术和溴化锂吸收式制冷机产生的经济效益分析模块,采用修改后的IEEE 33节点算例,分析SOP、P2G技术和溴化锂吸收式制冷机对降低系统网损和成本、提升系统消纳风光能力所产生的经济效益。
本发明采用SOP接入RIES,可有效降低电力系统线路损耗,均衡系统潮流分布,保证了全局最优性,并且计算量适中。
本发明的有益效果是:
1.采用SOP接入RIES,可有效降低电力系统线路损耗,均衡系统潮流分布。该方法基于MISOCP,保证了全局最优性,并且计算量适中,适用于RCE 高渗透的大型主动配电网高效降低线路损耗。
2.P2G设备中的电解槽、甲烷反应器以及储氢罐构成了电-气之间的相互耦合,通过将风机、光伏高发时段未完全消纳的电能转化为H2存储起来,并在负荷高峰时段通过Sabatier反应转化为天然气注入RIES天然气管道供燃气轮机发电或者用气用户直接使用,有效促进了风电、光伏这两种RCE的就地消纳,降低了系统运行成本,并实现了能量长时间、大范围时空平移。
3.采用电制冷机与溴化锂吸收式制冷机联合供冷,降低了用电需求和系统运行成本,并提升了能源的综合利用率。
附图说明
图1是本发明的区域综合能源系统示意图。
图2是本发明的SOP安装位置示意图。
图3是本发明的修改的IEEE33节点系统结构。
图4是本发明的风机、光伏和各类负荷日运行曲线。
图5(a)~图5(b)是本发明的方案4中SOP的有功传输和无功补偿情况曲线图,其中,图5(a)是方案4中SOP有功传输情况曲线图,图5(b)是方案 4中SOP无功补偿情况曲线图。
图6是本发明的不同方案下电力系统网损的曲线图。
图7(a)~图7(b)是方案4中RIES电功率优化平衡情况的统计示意图,其中图7(a)是优化前RIES电功率平衡情况的统计示意图,图7(b)是优化后RIES 电功率平衡情况的统计示意图。
图8(a)~图8(b)是方案4中RIES气功率优化平衡情况的统计示意图,其中,图8(a)优化前RIES气功率平衡情况的的统计示意图,图8(b)优化后 RIES气功率平衡情况的统计示意图。
图9是不同方案下风电、光伏综合利用率的示意图。
图10(a)~图10(b)是方案2中SOP有功传输和无功补偿情况曲线图,其中,图10(a)是方案2SOP有功传输情况曲线图,图10(b)是方案2SOP无功补偿情况曲线图。
图11(a)~图11(b)是方案3中SOP有功传输和无功补偿情况的曲线图,其中,图11(a)是方案3SOP有功传输情况的曲线图,图11(b)是方案3SOP 无功补偿情况的曲线图。
图12(a)~图12(d)是不同方案下节点电压分布图,其中,图12(a)是方案1节点电压分布图,图12(b)是方案2节点电压分布图,图12(c)是方案3 节点电压分布图,图12(d)是方案4节点电压分布图。
图13是本发明方法的流程图。
具体实施方法
下面结合附图对本发明做进一步说明。
参照图1~图12,一种含智能软开关的柔性区域综合能源系统冷热气电联供优化调度方法,包括以下步骤:
S1:构建含智能软开关(Soft Open Point,SOP)的柔性区域综合能源系统(Regional Integrated Energy System,RIES)架构下的数学模型,逐步引进电转气(Power to Gas,P2G)两阶段运行以及电制冷机与溴化锂吸收式制冷机联合制冷技术,并分别对其建模;
S2:以RIES中的电力系统网损和从上级网络购能成本之和为目标函数,建立RIES优化调度模型,并给出RIES电、气、热、冷功率平衡约束关系;
S3:使用线性化和二阶锥松弛技术,将原始搭建的模型转化为混合整数二阶锥规划模型;
S4:以一天内的24小时为调度周期,根据预测得到的风机、光伏和各类负荷的运行曲线,利用已经搭建的模型在装有Yalmip优化工具箱的Matlab上调用 Cplex算法包进行优化求解;
S5:采用修改后的IEEE 33节点算例,分析SOP、P2G技术和溴化锂吸收式制冷机对降低系统网损和成本、提升系统消纳风光能力所产生的经济效益。
所述步骤S1中,在含SOP的柔性RIES架构的数学模型中引入电转气两阶段运行以及溴化锂吸收式制冷机制冷技术,包括以下构成:
S1-1:SOP模型的构建
引入SOP能够起到控制RIES电力系统潮流和无功补偿的作用,从而降低电力系统损耗,改善电力系统节点电压越限情况。对于SOP,其可控变量主要包含 2个,分别为每个背靠背电压源型变流器(back-to-back voltage source converter, B2B VSC)各自传输的有功功率输出与提供的无功功率补偿。由于B2B VSC属于全控性电力电子器件,尽管其效率足够高,但是当其进行大规模有功功率传输时,一定的损耗仍然会不可避免地产生。而对于无功功率补偿,由于其内部大电容的隔离作用,两个B2B VSC彼此独立,故只需要满足其各自的容量限制即可。因此,SOP的运行控制需满足以下约束:
1)SOP有功功率传输约束:
式中,分别为t时段SOP在节点i与节点j的B2B VS 输出的有功功率和无功功率,这里规定注入节点的方向为SOP有功传输与无功补偿的正方向;分别为t时段SOP在节点i与节点j的B2B VSC 的有功损耗;分别为SOP在节点i与节点j的B2B VSC的损耗系数。
2)SOP有功功率传输约束:
3)SOP容量约束:
S1-2:P2G设备模型构建
P2G设备可通过电解水反应生成H2和O2,生成的H2根据需要,一部分存储在储氢罐中,并在有需要的时段供给甲烷反应器与CO2通过Sabatier反应制得人工天然气注入RIES天然气管道供RIES用气设备或负荷使用,另一部分则在当前调度时段直接通过储氢罐传输至甲烷反应器合成人工天然气,从而实现多发电能到天然气的转化利用,同时也进一步加深了电-气综合能源系统的耦合。由于P2G包含电制氢和H2甲烷化两个阶段,并且文章采用储氢罐作为储能装置,因此文章近似取电制氢和H2甲烷化的效率为固定值。构建的电解槽、甲烷反应器和储氢罐模型分别如下所示:
1)电解槽模型:
PP2Hout,t=ηP2HPP2Hin,t (8)
ΔPP2Hin,min≤PP2Hin,t+1-PP2Hin,t≤ΔPP2Hin,max (10)
式中,PP2Hin,t、PP2Hout,t分别为t时段电解槽的输入、输出功率;为电解槽输入功率上限;ηP2H为电解槽的转化效率,文中取80%;ΔPP2Hin,max、ΔPP2Hin,min分别为电解槽爬坡上、下限。
2)甲烷反应器模型:
PH2Cout,t=ηH2CPH2Cin,t (11)
ΔPH2Cin,min≤PH2Cin,t+1-PH2Cin,t≤ΔPH2Cin,max (13)
式中,PH2Cin,t、PH2Cout,t分别为t时段甲烷反应器输入、输出功率;为甲烷反应器输入功率上限;ηH2C为甲烷反应器转化效率,文中取80%;ΔPH2Cin,max、ΔPH2Cin,min分别为甲烷反应器的爬坡上、下限。
3)储氢罐模型:
式中,分别为t时段储氢罐H2的输入、输出功率;分别为储氢罐H2在一个时间段内输入、输出功率的上、下限;分别为t时段储氢罐内所含H2功率和储氢罐的H2储量上限;NT为RIES调度周期,文中的 RIES调度周期设为一天内的24h。
S1-3:燃气机组模型的构建
文中的燃气机组包含了燃气轮机和燃气锅炉两部分,它们的能量来源均是 RIES天然气管道中的天然气,并在需要时段向电力(热力)系统中电(热)负荷供电(热),同时兼具了电力系统中的电源之一、天然气系统中气负荷以及热力系统中热源的身份,一定程度上促进了电、气、热综合能源系统的耦合。构建的燃气轮机和燃气锅炉模型分别如下所示:
1)燃气轮机模型:
Pg2Eout,t=ηg2EPgin,t (22)
Qgout,t=ηg2QPgin,t (23)
ΔPgin,min≤Pgin,t+1-Pgin,t≤ΔPgin,max (25)
式中,Pgin,t、Pg2Eout,t、Qgout,t分别为燃气轮机t时段的输入功率以及电、热输出功率;为燃气轮机的上限输入值;ηg2E、ηg2Q分别为燃气轮机电和热转化效率,文中分别取35%和45%;ΔPgin,max、ΔPgin,min分别为燃气轮机的爬坡上、下限。
2)燃气锅炉模型:
QGout,t=ηG2QPGin,t (26)
ΔPGin,min≤PGin,t+1-PGin,t≤ΔPGin,max (28)
式中,PGin,t、QGout,t分别为燃气锅炉t时段气输入和热输出功率值;为燃气锅炉的上限输入值;ηG2Q为燃气轮机热转化效率,文中取85%;ΔPGin,max、ΔPGin,min分别为燃气锅炉的爬坡上、下限。
S1-4:联合制冷机组模型的构建
采用电制冷机和溴化锂吸收式制冷机联合供冷的方式,其中电制冷机直接使用RIES电力系统中的电能作为能量来源以推动压缩机工作制冷。而溴化锂吸收式制冷机组则利用燃气轮机和燃气锅炉产出的高温烟气及余热做功,可实现对余热和废热的再次利用,推进能源高效利用进程,促进RIES经济运行。文中构建的联合制冷机组模型分别如下所示:
1)电制冷机模型:
PP2Cout,t=ηP2CPP2Cin,t (29)
ΔPP2Cin,min≤PP2Cin,t+1-PP2Cin,t≤ΔPP2Cin,max (31)
式中,PP2Cin,t、PP2Cout,t分别为电制冷机t时段电输入、冷输出功率值;为电制冷机上限输入值;ηP2C为电制冷机冷转化效率,文中取90%;ΔPP2Cin,max、ΔPP2Cin,min分别为电制冷机爬坡上、下限。
2)溴化锂吸收式制冷机模型:
QLin,t=ηR(ηglossQgout,t+ηGlossQGout,t) (32)
QLout,t=ηLQLin,t (33)
ΔQLin,min≤QLin,t+1-QLin,t≤ΔQLin,max (35)
式中,QLin,t、QLout,t分别为溴化锂吸收式制冷机t时段热输入和冷输出功率值;为溴化锂吸收式制冷机上限输入值;ηgloss、ηGloss、ηR、ηL分别为燃气轮机可回收热量的热损失系数、燃气锅炉可回收热量的热损失系数、回收装置的回收效率和溴化锂吸收式制冷机的转化效率,文中分别取20%、15%、60%、80%;ΔQLin,max、ΔQLin,min分别为溴化锂吸收式制冷机的爬坡上、下限。
在所述步骤S2中,设立目标函数和约束条件如下:
S2-1:设立目标函数
优化调度模型以RIES从上级网络购能成本与RIES电力系统网络线路损耗成本之和最小为目标,即包括系统从上级网络购能的成本Cbuy和系统电力网络损耗成本Closs两大部分:
minF=(Cbuy+Closs) (36)
式中,系统从上级网络购能的成Cbuy包含从上级电网购电和从上级气网购气成本两部分,系统电力网络损耗成本Closs包含系统电力网络线路损耗成本和SOP 自身运行损耗成本两部分,具体分别表述如下:
1)购能成本:
Pebuy,t=PP2Hin,t+Peload,t-PW,t-PPV,t-Pg2Eout,t (38)
Pgbuy,t=Pgin,t+PGin,t+Pgload,t-PH2Cout,t (39)
式中,Pebuy,t、Pgbuy,t分别为t时段从上级网络所购的电、气功率;fe、fn分别为上级电网单位电价和上级气网单位气价;Peload,t、Pgload,t、PW,t、PPV,t分别为t时段电负荷、气负荷、风机出力功率和光伏出力功率。
2)系统电力网络损耗成本:
式中,rij、It,ij、Δt分别为电力系统支路ij的电阻、t时段电力系统支路ij的电流幅值和每个时间段的持续时间,文中每个时间段的持续时间设为1h;NN为 RIES电力系统总节点数。
S2-2:确定约束条件
根据系统运行实际情况,综合RIES供给侧、转换侧与负荷侧的相互耦合关系,给出RIES电、气、热、冷功率平衡约束关系,分别包含了电力系统运行约束、电功率平衡约束、气功率平衡约束、热功率平衡约束、冷功率平衡约束和与上级电(气)网络交互约束6部分,具体表述如下:
1)电力系统运行约束:
约束(41)和(42)分别表示t时段节点i的有功和无功平衡;约束(43)和(44)分别表示t时段节点i注入的有功和无功功率之和;约束(45)表示t时段支路ij上的欧姆定律;t时段每条支路的电流大小可以由约束(46)确定;并且式中,Pt,ji、Qt,ji分别表示t时段支路ij上的有功、无功功率;Pt,i、Qt,i分别表示t时段注入节点i的总的有功、无功功率;xij为电力系统支路ij的电抗;分别为t时段注入节点i的风机、光伏、燃气轮机的有功功率;分别为t时段节点i电解槽消耗的有功功率、电制冷机消耗的有功功率、电负荷消耗的有功功率和电负荷消耗的无功功率;Ut,i、Ut,j分别为t时段节点i、j的电压幅值; U、分别为节点电压幅值上、下限以及支路电流上限。
2)电功率平衡约束:
3)气功率平衡约束:
Pgbuy,t+PH2Cout,t-Pgin,t-PGin,t-Pgload,t=0 (50)
4)热功率平衡约束:
Qgout,t+QGout,t-Qhload,t=0 (51)
5)冷功率平衡约束:
PP2Cout,t+QLout,t-Qcload,t=0 (52)
6)与上级电(气)网络交互约束:
在所述步骤S3中,求解原始模型包括原始模型的转化:
由于还有二次项存在,确定电流约束(46)仍然是非线性的,因此可以将其放宽到以下二阶锥约束:
||[2Pt,ij2Qt,ijlt,ij-vt,i]T||2≤vt,i+lt,ij (61)
另外SOP的操作约束都是二次非线性约束,因此可以将其转换为以下旋转二阶锥约束:
在所述步骤S4中,所建模型的求解过程如下:
S4-1:求解工具
在带有YALMIP优化工具箱的MATLAB R2018b软件平台中编程,并通过调用IBMILOG CPLEX 12.6算法包进行优化计算求解。其优化计算是在装有 Intel(R)Core(TM)i7-8700 CPU@3.20GHz处理器和8GB RAM的PC上执行的,软件环境为Windows10操作系统。
S4-2:求解过程
基于标准的IEEE 33节点系统,将与电网耦合的风机、光伏、P2G、电制冷、燃气轮机设备一并接入其中作为测试系统,以此验证文中所提调度模型对提高多能耦合利用效率与改善系统经济运行的有效性。
为了促进P2G设备对风电、光伏等可再生清洁能源产生的电能的就地消纳,将2个风力涡轮发电机和4个光伏场站并网到电力系统中,所有风机、光伏均运行在单位功率因数下,且不考虑风机、光伏的局部无功功率支撑。以一天中的每小时为步进时段,通过预测获得每日风机、光伏和各类负荷的运行曲线。并在两对节点之间安装了两组容量均为500kVA的SOP,其无功功率上限为400kVar,并假设每个SOP变流器的损耗系数为0.02。
在所述步骤S5中,所建模型优化结果的分析过程如下:
S5-1:优化调度方案设置
为清晰对比文中所搭建的优化调度模型对优化系统多能耦合运行的效用,故设置以下4种优化调度方案:
1)基于电制冷机制冷、燃气锅炉制热、燃气轮机热电联产、风机和光伏发电、上级电(气)网供电(气)的电、气、热、冷联供;
2)基于方案1加入SOP;
3)基于方案2加入P2G设备;
4)基于方案3加入溴化锂吸收式制冷机;
S5-2:确定优化指标
根据所考虑的量化分析指标,对不同方案下电力网络线路损耗、从上级电网和气网购能的成本以及系统运行总成本进行分析。具体优化指标如下:
1)电力网络线路损耗;
2)节点电压标幺值偏差;
3)从上级电、气网购能成本;
4)系统运行总成本;
5)光伏、风机综合利用率。
实施本发明的的柔性区域综合能源系统冷热气电联供调度方法的系统,包括依次连接的含智能软开关的柔性区域综合能源系统RIES架构下的数学模型构建和建模模块、RIES优化调度模型和RIES电、气、热、冷功率平衡约束关系建立模块、混合整数二阶锥规划模型转化模块、优化求解模块、SOP、P2G技术和溴化锂吸收式制冷机产生的经济效益分析模块。其中,各模块依次各自包含本发明步骤S1~S5的技术内容。
为使本领域技术人员更好地理解本发明,算例分析包括以下构成:
一、算例描述及仿真结果分析
在带有YALMIP优化工具箱的MATLAB R2018b软件平台中编程,并通过调用IBMILOG CPLEX 12.6算法包进行优化计算求解。其优化计算是在装有 Intel(R)Core(TM)i7-8700 CPU@3.20GHz处理器和8GB RAM的PC上执行的,软件环境为Windows10操作系统。
基于标准的IEEE 33节点系统,将与电网耦合的风机、光伏、P2G、电制冷、燃气轮机设备一并接入其中作为测试系统,以此验证文中所提调度模型对提高多能耦合利用效率与改善系统经济运行的有效性,搭建的RIES IEEE 33节点电力系统网络如图3所示,其额定电压为12.66kV。为了促进P2G设备对风电、光伏等RCE产生的电能的就地消纳,将2个风力涡轮发电机和4个光伏场站并网到电力系统中,所有风机、光伏均运行在单位功率因数下,且不考虑风机、光伏的局部无功功率支撑,基本安装参数如表1所示。文章以一天中的每小时为步进时段,通过预测获得每日风机、光伏和各类负荷的运行曲线,如图4所示。并在节点12和22以及节点25和29之间安装了两组容量均为500kVA的SOP,其无功功率上限为400kVar,并假设每个SOP变流器的损耗系数为0.02。
为清晰对比文中所搭建的优化调度模型对优化系统多能耦合运行的效用,故设置以下4种优化调度方案:
方案1:基于电制冷机制冷、燃气锅炉制热、燃气轮机热电联产、风机和光伏发电、上级电(气)网供电(气)的电、气、热、冷联供;
方案2:基于方案1加入SOP;
方案3:基于方案2加入P2G设备;
方案4:基于方案3加入溴化锂吸收式制冷机,即文章所提优化调度方法;
文章的量化分析指标为:①电力网络线路损耗;②节点电压标幺值偏差;③从上级电、气网购能成本;④系统运行总成本;⑤光伏、风机综合利用率
表1风机、光伏基本安装容量
根据所考虑的量化分析指标,文中不同方案下电力网络线路损耗、从上级电网和气网购能的成本以及系统运行总成本如表2所示;而一个调度周期内33节点中各节点电压标幺值范围及偏差如表3所示。具体优化结果分析如下:
表2不同方案下网损及各类成本
表3一个调度周期33节点各节点电压标幺值范围及偏差
1)电力网络线路损耗分析:
根据案例分析,文章得到了加入SOP后,方案4在不同时段SOP进行有功功率传输和无功补偿曲线图,如图5(a)、图5(b)所示。至于方案2、方案3中SOP 进行有功功率传输和无功补偿的曲线,由于SOP均有动作,且是对比方案,这里不再赘述,具体曲线可参考图10和图11。除此之外,经过对比四种方案仿真结果,文章还得出了不同方案下电力系统网损曲线图,如图6所示。从图5(a) 可以看出,方案4中SOP的运行策略与RIES的供电和需求相吻合。在7:00- 20:00之间,风机、光伏无法就地满足当前节点高电力需求,两组SOP将有功功率传输到节点12和节点29中,以减轻系统的功率需求。而SOP正是分别通过传输有功功率和提供无功补偿来调节电力系统有功和无功潮流的,并及时响应由DG引起的电压波动,从而降低电力线路网损。
由表2、3以及图6可以看出,在方案2接入SOP之后,电力系统网损大大减少,由755.31kW减少到376.95kW,降低50.09%。而在方案3在接入P2G设备后,由于促进了风机、光伏过发电量的消纳,因此电力线路有功功率传输量增加,网损亦随之增加,但是相较于方案1,方案3和方案4网损仍然分别降低了 25.60%和25.32%,由此验证了加入SOP对于降低电力系统网损的积极作用。
2)节点电压标幺值偏差分析:
由表3可以看出,在方案1没加入SOP时,一个调度周期内33节点各节点电压标幺值最低为0.9425,存在较为严重的电压越限情况,具体的电压越限情况可以参考图12。而在方案2加入SOP之后,一个调度周期内33节点各节点电压标幺值最低为0.9696,直接由方案1的0.9425提升了0.0271,电压越限情况消失。尽管方案3和方案4在接入P2G设备后,使得电力线路有功功率增加而导致了节点电压的降低,但是由于SOP提供无功补偿,仍然将其维持在未越限状态,提高了系统运行的经济性与安全性,验证了SOP可以进行电压无功控制,改善馈线电压水平的优点,其节点电压分布同样可以参考图12。
3)从上级电网和气网购能成本分析:
根据表2显示,在依次加入SOP、P2G和溴化锂吸收式制冷机后,系统从上级电网购电的成本从2060.55元依次降低到2035.22、1805.67和1407.09元,成本依次降低1.23%、12.37%、31.71%;而从上级气网购气的成本从12861.52 元依次降低到12855.91、9184.79和8863.41元,成本依次降低0.04%、28.59%、 31.09%。方案2之所以成本降低百分比较小,是因为方案2仅仅加入了SOP,且SOP自身在运行时存在损耗,从而导致系统总网损降低不明显。但是SOP通过提供无功补偿,将电力系统节点电压由方案1的越限状态优化到非越限状态,在降低电力系统网损、平衡电力系统潮流分布的同时,改善了电力系统馈线电压水平。由此有效验证了SOP、P2G设备和溴化锂吸收式制冷机在促进风光消纳、重新利用燃气轮机和燃气锅炉废热及余热以提高RIES能源综合利用率的同时,对提高RIES运行经济性的重要作用,其优化前后的电、气功率平衡分别如图7(a)、 7(b)、8(a)、8(b)所示。
4)光伏、风机综合利用率分析:
通过对比四种方案的仿真结果数据,画出了如图9所示的不同方案下风电、光伏综合利用率曲线图。由于在文中P2G设备是促进风电、光伏消纳最重要的因素,而加入SOP只会因降低网损而稍稍促进风电、光伏的消纳,因此在方案1 和方案2中,风电、光伏综合利用率近乎相等。但是在加入P2G设备之后,其将夜间高发风电和日间光伏过剩电能转化为易于大规模存储、传输的天然气输入到气网中保存,并在用电、用气高峰时段通过燃气机组热电联产重新利用或直接使用,因此方案3和方案4的风机、光伏综合利用率每个时段均为100%。由图 9可以看出,方案1和方案2除了在用电负荷高峰期中的17:00-23:00的综合利用率为100%,其他时段综合利用率均较低。由此验证了P2G设备可有效消纳大规模风电、光伏,并实现能量的长时间、大范围时空平移的作用,是促进风电消纳、减少弃风弃光和实现“高发低储”套利的一个有效途径。
5)系统运行总成本分析:
由表1可以看出,在依次加入SOP、P2G和溴化锂吸收式制冷机后,系统总运行成本从15345.05元依次降低到15234.15、11509.71和10787.27元,成本依次降低0.72%、24.99%、29.70%。而在加入溴化锂吸收式制冷机后,其通过利用系统废热、余热制冷,再次为系统降低了4.71%的成本,由此验证了电制冷机与溴化锂吸收式制冷机并用,可以有效提高综合能源利用率、降低系统总体运行成本的作用。
二、结论
1)采用SOP接入RIES,可有效降低电力系统线路损耗,均衡系统潮流分布。该方法基于MISOCP,保证了全局最优性,并且计算量适中,适用于RCE高渗透的大型主动配电网高效降低线路损耗。
2)P2G设备中的电解槽、甲烷反应器以及储氢罐构成了电-气之间的相互耦合,通过将风机、光伏高发时段未完全消纳的电能转化为H2存储起来,并在负荷高峰时段通过Sabatier反应转化为天然气注入RIES天然气管道供燃气轮机发电或者用气用户直接使用,有效促进了风电、光伏这两种RCE的就地消纳,降低了系统运行成本,并实现了能量长时间、大范围时空平移。
3)采用电制冷机与溴化锂吸收式制冷机联合供冷,降低了用电需求和系统运行成本,并提升了能源的综合利用率。
在本说明书中,对本发明的示意性表述不是必须针对的是相同的实施例或示例,本领域的技术人员可以将本说明书中描述的不同实施例或示例进行结合和组合。此外,本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举,本发明的保护范围不应当被视为仅限于实施案例所陈述的具体形式,本发明的保护范围也包括本领域技术人员根据本发明构思所能够想到的等同技术手段。
Claims (7)
1.柔性区域综合能源系统冷热气电联供调度方法,其特征在于,包括以下步骤:
S1:构建含智能软开关(Soft Open Point,SOP)的柔性区域综合能源系统(RegionalIntegrated Energy System,RIES)架构下的数学模型,逐步引进电转气(Power to Gas,P2G)两阶段运行以及电制冷机与溴化锂吸收式制冷机联合制冷技术,并分别对其建模;
S2:以RIES中的电力系统网损和从上级网络购能成本之和为目标函数,建立RIES优化调度模型,并给出RIES电、气、热、冷功率平衡约束关系;
S3:使用线性化和二阶锥松弛技术,将原始搭建的模型转化为混合整数二阶锥规划模型;
S4:以一天内的24小时为调度周期,根据预测得到的风机、光伏和各类负荷的运行曲线,利用已经搭建的模型在装有Yalmip优化工具箱的Matlab上调用Cplex算法包进行优化求解;
S5:采用修改后的IEEE 33节点算例,分析SOP、P2G技术和溴化锂吸收式制冷机对降低系统网损和成本、提升系统消纳风光能力所产生的经济效益。
2.如权利要求1所述的柔性区域综合能源系统冷热气电联供调度方法,其特征在于,步骤S1所述的在含SOP的柔性RIES架构的数学模型中引入电转气两阶段运行以及溴化锂吸收式制冷机制冷技术,具体包括:
S1-1:构建SOP模型;
引入SOP能够起到控制RIES电力系统潮流和无功补偿的作用,从而降低电力系统损耗,改善电力系统节点电压越限情况;对于SOP,其可控变量包含2个,分别为每个背靠背电压源型变流器(back-to-back voltage source converter,B2BVSC)各自传输的有功功率输出与提供的无功功率补偿;由于B2B VSC属于全控性电力电子器件,尽管其效率足够高,但是当其进行大规模有功功率传输时,一定的损耗仍然会不可避免地产生;而对于无功功率补偿,由于其内部大电容的隔离作用,两个B2B VSC彼此独立,故只需要满足其各自的容量限制即可;因此,SOP的运行控制需满足以下约束:
T1)SOP有功功率传输约束:
式中,分别为t时段SOP在节点i与节点j的B2B VS输出的有功功率和无功功率,这里规定注入节点的方向为SOP有功传输与无功补偿的正方向;分别为t时段SOP在节点i与节点j的B2B VSC的有功损耗;分别为SOP在节点i与节点j的B2B VSC的损耗系数;
T2)SOP有功功率传输约束:
T3)SOP容量约束:
S1-2:构建P2G设备模型;
P2G设备可通过电解水反应生成H2和O2,生成的H2根据需要,一部分存储在储氢罐中,并在有需要的时段供给甲烷反应器与CO2通过Sabatier反应制得人工天然气注入RIES天然气管道供RIES用气设备或负荷使用,另一部分则在当前调度时段直接通过储氢罐传输至甲烷反应器合成人工天然气,从而实现多发电能到天然气的转化利用,同时也进一步加深了电-气综合能源系统的耦合;由于P2G包含电制氢和H2甲烷化两个阶段,并且文章采用储氢罐作为储能装置,因此文章近似取电制氢和H2甲烷化的效率为固定值;构建的电解槽、甲烷反应器和储氢罐模型分别如下所示:
M1)电解槽模型:
PP2Hout,t=ηP2HPP2Hin,t (8)
ΔPP2Hin,min≤PP2Hin,t+1-PP2Hin,t≤ΔPP2Hin,max (10)
式中,PP2Hin,t、PP2Hout,t分别为t时段电解槽的输入、输出功率;为电解槽输入功率上限;ηP2H为电解槽的转化效率,文中取80%;ΔPP2Hin,max、ΔPP2Hin,min分别为电解槽爬坡上、下限;
M2)甲烷反应器模型:
PH2Cout,t=ηH2CPH2Cin,t (11)
ΔPH2Cin,min≤PH2Cin,t+1-PH2Cin,t≤ΔPH2Cin,max (13)
式中,PH2Cin,t、PH2Cout,t分别为t时段甲烷反应器输入、输出功率;为甲烷反应器输入功率上限;ηH2C为甲烷反应器转化效率,文中取80%;ΔPH2Cin,max、ΔPH2Cin,min分别为甲烷反应器的爬坡上、下限;
M3)储氢罐模型:
式中,分别为t时段储氢罐H2的输入、输出功率;分别为储氢罐H2在一个时间段内输入、输出功率的上、下限;分别为t时段储氢罐内所含H2功率和储氢罐的H2储量上限;NT为RIES调度周期,文中的RIES调度周期设为一天内的24h;
S1-3:构建燃气机组模型;
所述的燃气机组包含了燃气轮机和燃气锅炉两部分,其能量来源均是RIES天然气管道中的天然气,并在需要时段向电力(热力)系统中电(热)负荷供电(热),同时兼具了电力系统中的电源之一、天然气系统中气负荷以及热力系统中热源的身份,促进电、气、热综合能源系统的耦合;构建的燃气轮机和燃气锅炉模型分别如下所示:
N1)燃气轮机模型:
Pg2Eout,t=ηg2EPgin,t (22)
Qgout,t=ηg2QPgin,t (23)
ΔPgin,min≤Pgin,t+1-Pgin,t≤ΔPgin,max (25)
式中,Pgin,t、Pg2Eout,t、Qgout,t分别为燃气轮机t时段的输入功率以及电、热输出功率;为燃气轮机的上限输入值;ηg2E、ηg2Q分别为燃气轮机电和热转化效率,文中分别取35%和45%;ΔPgin,max、ΔPgin,min分别为燃气轮机的爬坡上、下限;
N2)燃气锅炉模型:
QGout,t=ηG2QPGin,t (26)
ΔPGin,min≤PGin,t+1-PGin,t≤ΔPGin,max (28)
式中,PGin,t、QGout,t分别为燃气锅炉t时段气输入和热输出功率值;为燃气锅炉的上限输入值;ηG2Q为燃气轮机热转化效率,文中取85%;ΔPGin,max、ΔPGin,min分别为燃气锅炉的爬坡上、下限;
S1-4:构建联合制冷机组模型;
采用电制冷机和溴化锂吸收式制冷机联合供冷的方式,其中电制冷机直接使用RIES电力系统中的电能作为能量来源以推动压缩机工作制冷;而溴化锂吸收式制冷机组则利用燃气轮机和燃气锅炉产出的高温烟气及余热做功,可实现对余热和废热的再次利用,推进能源高效利用进程,促进RIES经济运行;文中构建的联合制冷机组模型分别如下所示:
P1)电制冷机模型:
PP2Cout,t=ηP2CPP2Cin,t (29)
ΔPP2Cin,min≤PP2Cin,t+1-PP2Cin,t≤ΔPP2Cin,max (31)
式中,PP2Cin,t、PP2Cout,t分别为电制冷机t时段电输入、冷输出功率值;为电制冷机上限输入值;ηP2C为电制冷机冷转化效率,文中取90%;ΔPP2Cin,max、ΔPP2Cin,min分别为电制冷机爬坡上、下限;
P2)溴化锂吸收式制冷机模型:
QLin,t=ηR(ηglossQgout,t+ηGlossQGout,t) (32)
QLout,t=ηLQLin,t (33)
ΔQLin,min≤QLin,t+1-QLin,t≤ΔQLin,max (35)
3.如权利要求2所述的柔性区域综合能源系统冷热气电联供调度方法,其特征在于,步骤S2所述的设立目标函数和约束条件,具体包括:
S2-1:设立目标函数;
优化调度模型以RIES从上级网络购能成本与RIES电力系统网络线路损耗成本之和最小为目标,即包括系统从上级网络购能的成本Cbuy和系统电力网络损耗成本Closs两大部分:
minF=(Cbuy+Closs) (36)
式中,系统从上级网络购能的成Cbuy包含从上级电网购电和从上级气网购气成本两部分,系统电力网络损耗成本Closs包含系统电力网络线路损耗成本和SOP自身运行损耗成本两部分,具体分别表述如下:
Q1)购能成本:
Pebuy,t=PP2Hin,t+Peload,t-PW,t-PPV,t-Pg2Eout,t (38)
Pgbuy,t=Pgin,t+PGin,t+Pgload,t-PH2Cout,t (39)
式中,Pebuy,t、Pgbuy,t分别为t时段从上级网络所购的电、气功率;fe、fn分别为上级电网单位电价和上级气网单位气价;Peload,t、Pgload,t、PW,t、PPV,t分别为t时段电负荷、气负荷、风机出力功率和光伏出力功率;
Q2)系统电力网络损耗成本:
式中,rij、It,ij、Δt分别为电力系统支路ij的电阻、t时段电力系统支路ij的电流幅值和每个时间段的持续时间,文中每个时间段的持续时间设为1h;NN为RIES电力系统总节点数;
S2-2:确定约束条件;
根据系统运行实际情况,综合RIES供给侧、转换侧与负荷侧的相互耦合关系,给出RIES电、气、热、冷功率平衡约束关系,分别包含了电力系统运行约束、电功率平衡约束、气功率平衡约束、热功率平衡约束、冷功率平衡约束和与上级电(气)网络交互约束6部分,具体表述如下:
E1)电力系统运行约束:
约束(41)和(42)分别表示t时段节点i的有功和无功平衡;约束(43)和(44)分别表示t时段节点i注入的有功和无功功率之和;约束(45)表示t时段支路ij上的欧姆定律;t时段每条支路的电流大小可以由约束(46)确定;并且式中,Pt,ji、Qt,ji分别表示t时段支路ij上的有功、无功功率;Pt,i、Qt,i分别表示t时段注入节点i的总的有功、无功功率;xij为电力系统支路ij的电抗;分别为t时段注入节点i的风机、光伏、燃气轮机的有功功率;分别为t时段节点i电解槽消耗的有功功率、电制冷机消耗的有功功率、电负荷消耗的有功功率和电负荷消耗的无功功率;Ut,i、Ut,j分别为t时段节点i、j的电压幅值; U、分别为节点电压幅值上、下限以及支路电流上限;
E2)电功率平衡约束:
E3)气功率平衡约束:
Pgbuy,t+PH2Cout,t-Pgin,t-PGin,t-Pgload,t=0 (50)
E4)热功率平衡约束:
Qgout,t+QGout,t-Qhload,t=0 (51)
E5)冷功率平衡约束:
PP2Cout,t+QLout,t-Qcload,t=0 (52)
E6)与上级电(气)网络交互约束:
5.如权利要求4所述的柔性区域综合能源系统冷热气电联供调度方法,其特征在于,步骤S4所建模型的求解过程如下:
S4-1:求解工具;
在带有YALMIP优化工具箱的MATLAB R2018b软件平台中编程,并通过调用IBM ILOGCPLEX 12.6算法包进行优化计算求解;其优化计算是在装有Intel(R)Core(TM)i7-8700CPU@3.20GHz处理器和8GB RAM的PC上执行的,软件环境为Windows10操作系统;
S4-2:求解过程;
基于标准的IEEE 33节点系统,将与电网耦合的风机、光伏、P2G、电制冷、燃气轮机设备一并接入其中作为测试系统,以此验证文中所提调度模型对提高多能耦合利用效率与改善系统经济运行的有效性;
为了促进P2G设备对风电、光伏等可再生清洁能源产生的电能的就地消纳,将2个风力涡轮发电机和4个光伏场站并网到电力系统中,所有风机、光伏均运行在单位功率因数下,且不考虑风机、光伏的局部无功功率支撑;以一天中的每小时为步进时段,通过预测获得每日风机、光伏和各类负荷的运行曲线;并在两对节点之间安装了两组容量均为500kVA的SOP,其无功功率上限为400kVar,并假设每个SOP变流器的损耗系数为0.02。
6.如权利要求5所述的柔性区域综合能源系统冷热气电联供调度方法,其特征在于,步骤S5中,所建模型优化结果的分析过程如下:
S5-1:设置优化调度方案;
为清晰对比文中所搭建的优化调度模型对优化系统多能耦合运行的效用,故设置以下4种优化调度方案:
F1)基于电制冷机制冷、燃气锅炉制热、燃气轮机热电联产、风机和光伏发电、上级电(气)网供电(气)的电、气、热、冷联供;
F2)基于方案1加入SOP;
F3)基于方案2加入P2G设备;
F4)基于方案3加入溴化锂吸收式制冷机;
S5-2:确定优化指标;
根据所考虑的量化分析指标,对不同方案下电力网络线路损耗、从上级电网和气网购能的成本以及系统运行总成本进行分析;具体优化指标如下:
D1)电力网络线路损耗;
D2)节点电压标幺值偏差;
D3)从上级电、气网购能成本;
D4)系统运行总成本;
D5)光伏、风机综合利用率。
7.实施权利要求1所述的的柔性区域综合能源系统冷热气电联供调度方法的系统,其特征在于,包括依次连接的含智能软开关的柔性区域综合能源系统RIES架构下的数学模型构建和建模模块、RIES优化调度模型和RIES电、气、热、冷功率平衡约束关系建立模块、混合整数二阶锥规划模型转化模块、优化求解模块、SOP、P2G技术和溴化锂吸收式制冷机产生的经济效益分析模块,其中,
含智能软开关的柔性区域综合能源系统RIES架构下的数学模型构建和建模模块,构建含智能软开关(Soft Open Point,SOP)的柔性区域综合能源系统(Regional IntegratedEnergy System,RIES)架构下的数学模型,逐步引进电转气(Power to Gas,P2G)两阶段运行以及电制冷机与溴化锂吸收式制冷机联合制冷技术,并分别对其建模;
RIES优化调度模型和RIES电、气、热、冷功率平衡约束关系建立模块,以RIES中的电力系统网损和从上级网络购能成本之和为目标函数,建立RIES优化调度模型,并给出RIES电、气、热、冷功率平衡约束关系;
混合整数二阶锥规划模型转化模块,使用线性化和二阶锥松弛技术,将原始搭建的模型转化为混合整数二阶锥规划模型;
优化求解模块,以一天内的24小时为调度周期,根据预测得到的风机、光伏和各类负荷的运行曲线,利用已经搭建的模型在装有Yalmip优化工具箱的Matlab上调用Cplex算法包进行优化求解;
SOP、P2G技术和溴化锂吸收式制冷机产生的经济效益分析模块,采用修改后的IEEE 33节点算例,分析SOP、P2G技术和溴化锂吸收式制冷机对降低系统网损和成本、提升系统消纳风光能力所产生的经济效益。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111346882.3A CN114092277A (zh) | 2021-11-15 | 2021-11-15 | 柔性区域综合能源系统冷热气电联供调度方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111346882.3A CN114092277A (zh) | 2021-11-15 | 2021-11-15 | 柔性区域综合能源系统冷热气电联供调度方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114092277A true CN114092277A (zh) | 2022-02-25 |
Family
ID=80300622
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111346882.3A Pending CN114092277A (zh) | 2021-11-15 | 2021-11-15 | 柔性区域综合能源系统冷热气电联供调度方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114092277A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115081902A (zh) * | 2022-06-30 | 2022-09-20 | 国网北京市电力公司 | 基于源网荷储协同的综合规划方法、装置、设备及介质 |
CN115173444A (zh) * | 2022-08-11 | 2022-10-11 | 内蒙古工业大学 | 一种风光可再生能源耦合氢储综合能源系统 |
CN115498664A (zh) * | 2022-09-28 | 2022-12-20 | 国网浙江省电力有限公司杭州供电公司 | 一种结合柔性直流配电网络的氢电耦合综合能源系统 |
CN116384536A (zh) * | 2023-01-06 | 2023-07-04 | 国网江苏省电力有限公司扬州供电分公司 | 一种中大型能源用户综合能源协同规划方法及装置 |
CN118052420A (zh) * | 2024-04-16 | 2024-05-17 | 山东大学 | 计及多供热网络互动策略的电-热系统调度方法及系统 |
-
2021
- 2021-11-15 CN CN202111346882.3A patent/CN114092277A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115081902A (zh) * | 2022-06-30 | 2022-09-20 | 国网北京市电力公司 | 基于源网荷储协同的综合规划方法、装置、设备及介质 |
CN115081902B (zh) * | 2022-06-30 | 2024-04-09 | 国网北京市电力公司 | 基于源网荷储协同的综合规划方法、装置、设备及介质 |
CN115173444A (zh) * | 2022-08-11 | 2022-10-11 | 内蒙古工业大学 | 一种风光可再生能源耦合氢储综合能源系统 |
CN115498664A (zh) * | 2022-09-28 | 2022-12-20 | 国网浙江省电力有限公司杭州供电公司 | 一种结合柔性直流配电网络的氢电耦合综合能源系统 |
CN116384536A (zh) * | 2023-01-06 | 2023-07-04 | 国网江苏省电力有限公司扬州供电分公司 | 一种中大型能源用户综合能源协同规划方法及装置 |
CN116384536B (zh) * | 2023-01-06 | 2024-05-07 | 国网江苏省电力有限公司扬州供电分公司 | 一种中大型能源用户综合能源协同规划方法 |
CN118052420A (zh) * | 2024-04-16 | 2024-05-17 | 山东大学 | 计及多供热网络互动策略的电-热系统调度方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114092277A (zh) | 柔性区域综合能源系统冷热气电联供调度方法和系统 | |
Chen et al. | An optimization on an integrated energy system of combined heat and power, carbon capture system and power to gas by considering flexible load | |
CN108154309B (zh) | 计及冷热电多负荷动态响应的能源互联网经济调度方法 | |
Darras et al. | Sizing of photovoltaic system coupled with hydrogen/oxygen storage based on the ORIENTE model | |
CN113315242B (zh) | 基于氢能经济促进弃风消纳的虚拟弃风-制氢联合体 | |
CN103593711B (zh) | 一种分布式电源优化配置方法 | |
Zhang et al. | Retracted: Optimization scheduling of virtual power plant with carbon capture and waste incineration considering P2G coordination | |
Gholizadeh et al. | An innovative energy management framework for cooperative operation management of electricity and natural gas demands | |
Kumar et al. | IoT based energy management system for smart grid | |
Sun et al. | Multi-objective robust optimization of multi-energy microgrid with waste treatment | |
Yang et al. | Optimal operation of an integrated energy system by considering the multi energy coupling, AC-DC topology and demand responses | |
CN114595619A (zh) | 基于氢储能的综合能源系统优化方法 | |
CN112257294A (zh) | 一种综合能源系统的能源集线器分部建模方法及系统 | |
Wang et al. | Co-optimization of configuration and operation for distributed multi-energy system considering different optimization objectives and operation strategies | |
CN110957722A (zh) | 一种含电转气设备的微型能源网日前优化调度方法 | |
CN114997662A (zh) | 含电动车充电桩的区域分布式多能源系统低碳规划方法 | |
CN115660142A (zh) | 一种园区综合能源系统源荷储协调优化调度方法 | |
Ma et al. | Multi-Point Layout Planning of Multi-Energy Power Supplies Based on Time-series Production Simulation | |
Bai et al. | Hydrogen Production by Renewable Energy and Future Trend in China | |
Xu et al. | Optimal Scheduling for Flexible Regional Integrated Energy System with Soft Open Point. | |
Lv et al. | A Multi-objective Optimal Dispatch Method for Integrated Energy System Considering Multiple Loads Variations | |
Li et al. | Capacity configuration model of biogas-based integrated energy system | |
Zhang et al. | Bi-level Optimal Design of Integrated Energy System with Synergy of Renewables, Conversion, Storage and Demand | |
Zhong et al. | Double-Layer-Optimizing Method of Hybrid Energy Storage Microgrid Based on Improved Grey Wolf Optimization. | |
Yang et al. | Multi-objective Day-ahead Scheduling of Regional Integrated Energy Systems Considering Energy Sharing |
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 |