CN114118590A - 一种基于能源枢纽的综合能源系统可靠调度方法及装置 - Google Patents

一种基于能源枢纽的综合能源系统可靠调度方法及装置 Download PDF

Info

Publication number
CN114118590A
CN114118590A CN202111441325.XA CN202111441325A CN114118590A CN 114118590 A CN114118590 A CN 114118590A CN 202111441325 A CN202111441325 A CN 202111441325A CN 114118590 A CN114118590 A CN 114118590A
Authority
CN
China
Prior art keywords
energy
hub
gas
load area
energy hub
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111441325.XA
Other languages
English (en)
Other versions
CN114118590B (zh
Inventor
黄地
张宸宇
韩华春
李强
孙蓉
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.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
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 State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202111441325.XA priority Critical patent/CN114118590B/zh
Publication of CN114118590A publication Critical patent/CN114118590A/zh
Application granted granted Critical
Publication of CN114118590B publication Critical patent/CN114118590B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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"
    • 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
    • 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

Landscapes

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

Abstract

本发明提供一种基于能源枢纽的综合能源系统可靠调度方法及装置，该方法充分考虑了综合能源系统内部的能流关系、各种能源形式在系统中的耦合关系以及能量在传输过程中的损失，建立了包含多种能源形式的综合能源系统可靠调度模型，实现多系统联合运行问题的求解。本发明实现了各能源子系统的效益最大化和整个能源系统的管理高效化，提高了系统调度决策的可靠性、安全性和经济性。

Description

一种基于能源枢纽的综合能源系统可靠调度方法及装置
技术领域
本发明涉及一种基于能源枢纽的综合能源系统可靠调度方法及装置，属于综合能源调度技术领域。
背景技术
综合能源系统被誉为是未来人类社会能源的主要承载形式，它由社会供能网络和终端综合能源单元系统(也称微网)构成，将电力、燃气、供热/供冷、供氢等能源环节与交通、信息等支撑系统有机融合，希望通过该系统内多种能源(传统能源/可再生能源，冷/热/电/气/氢等)之间的科学调度，实现能源高效利用、满足用户多种能源需求、提高社会供能可靠性和安全性等目的；同时，它通过多种能源系统的有机协调，还有助于消除输配电系统瓶颈、延缓发/输/配电系统建设，提高设备利用效率；当电力或燃气系统因天气或意外灾害(如暴风雪、人为破坏、战争)出现中断时，综合能源系统可利用本地能源实现对重要用户的不间断供能，并为故障后供能系统的快速恢复提供电源支持。
现有对综合能源系统的评估及调度中，通常忽视了综合能源系统内部的能流关系，同时电能作为优质的二次能源，其在长距离传输上的优势也因为折算而无法体现。
发明内容
本发明的目的在于提供一种基于能源枢纽的综合能源系统可靠调度方法及装置，充分考虑了综合能源系统内部的能流关系、各种能源形式在系统中的耦合关系以及能量在传输过程中的损失，实现多系统联合运行问题的求解，使综合能源系统调度兼具可靠性与精度。
为达到上述目的，本发明采用的技术方案如下：
本发明提供一种基于能源枢纽的综合能源系统可靠调度方法，包括：
基于综合能源系统结构建立能源枢纽；
建立所述包含能源枢纽的综合能源系统优化调度的数学模型；
对所构建的综合能源系统优化调度的数学模型进行优化求解，得到各能源枢纽的发电量和耗气量，对各能源枢纽进行调度。
进一步的，所述基于综合能源系统结构建立能源枢纽包括设计四个能源枢纽，
第1个能源枢纽由燃气轮机、热交换装置和储热罐组成，第1个能源枢纽燃烧天然气，使其转变为电能和热能，为工业负荷区的供能需求提供服务；
第2个能源枢纽由内燃机、燃气锅炉和热交换装置组成，第2个能源枢纽将天然气按比例分配至内燃机和燃气锅炉，为商业负荷区的供能需求提供服务；
第3个能源枢纽由燃气轮机、燃气锅炉和热交换装置组成，第3个能源枢纽将天然气按比例分配至燃气轮机和燃气锅炉，为居民负荷区的供能需求提供服务；
第4个能源枢纽为新能源发电系统，用于发电后将电能输送给综合能源系统中的电网。
进一步的，所述建立所述包含能源枢纽的综合能源系统优化调度的数学模型，包括：
以单日综合能源系统运行利润最大化为目标，建立目标函数如下：
Figure BDA0003382931160000021
其中，
Figure BDA0003382931160000022
分别表示第1个、第2个、第3个能源枢纽供电的价格，
Figure BDA0003382931160000023
分别表示工业负荷区、商业负荷区、居民负荷区的需求电量，
Figure BDA0003382931160000024
分别表示第1个、第2个、第3个能源枢纽供热的价格，
Figure BDA0003382931160000025
分别表示工业负荷区、商业负荷区、居民负荷区的需求热量，E1表示综合能源系统从外电网总买电量，CG代表系统买气成本，Gin代表系统总耗气量，CE代表系统买电成本。
进一步的，所述目标函数需满足如下约束条件：
A、
Figure BDA0003382931160000031
其中，
Figure BDA0003382931160000032
表示t时段综合能源系统从外电网总买电量，
Figure BDA0003382931160000033
分别为t时段第1个、第2个、第3个能源枢纽的发电量，上标t表示t时段，t＝1,2,……,24；
B、
Figure BDA0003382931160000034
其中，
Figure BDA0003382931160000035
分别为t时段第1个，第2个和第3个能源枢纽的产热量；
C、
Figure BDA0003382931160000036
其中，
Figure BDA0003382931160000037
为第1个能源枢纽燃气轮机的最大容量，
Figure BDA0003382931160000038
为第2个能源枢纽内燃机的最大容量，
Figure BDA0003382931160000039
为第3个能源枢纽燃气轮机的最大容量；
D、
Figure BDA00033829311600000310
其中，
Figure BDA00033829311600000311
分别为t时段第1个，第2个和第3个能源枢纽的耗气量，Hng是天然气热值，ηE,GT和ηHE,GT分别是燃气轮机的发电效率和产热效率，ηE,ICE和ηHE,ICE分别是内燃机的发电效率和产热效率，ηQH,Bo是锅炉产热效率，
Figure BDA00033829311600000312
是第2个能源枢纽分配给内燃机的天然气比例，
Figure BDA00033829311600000313
是第3个能源枢纽分配给燃气轮机的天然气比例。
进一步的，所述对所构建的综合能源系统优化调度的数学模型进行优化求解，包括：
引入松弛变量，将不等式约束转化为等式约束，采用内点法对所述目标函数进行求解；
对求解结果采用分支定界法进行判定，若满足分支规则，则对松弛后的模型进行进一步分支，再次使用内点法求解分支子问题，一直向下分支形成分支树，直到所有分支子问题都完成求解。
进一步的，在求解分支子问题过程中，采用内点法以邻域点集中的点为初始点进行遍历搜索，得到局部最优点集，然后根据禁忌搜索算法进行当前解的迭代，重复以上步骤直至找到最优解。
本发明还提供一种基于能源枢纽的综合能源系统可靠调度装置，包括：
场景模块，用于基于综合能源系统结构建立能源枢纽；
建模模块，用于建立所述包含能源枢纽的综合能源系统优化调度的数学模型；
以及，
调度模块，用于对所构建的综合能源系统优化调度的数学模型进行优化求解，得到各能源枢纽的发电量和耗气量，对各能源枢纽进行调度。
进一步的，所述场景模块具体包括：
建立第1个能源枢纽由燃气轮机、热交换装置和储热罐组成，第1个能源枢纽用于燃烧天然气，使其转变为电能和热能，为工业负荷区的供能需求提供服务；
建立第2个能源枢纽由内燃机、燃气锅炉和热交换装置组成，第2个能源枢纽用于将天然气按比例分配至内燃机和燃气锅炉，为商业负荷区的供能需求提供服务；
建立第3个能源枢纽由燃气轮机、燃气锅炉和热交换装置组成，第3个能源枢纽用于将天然气按比例分配至燃气轮机和燃气锅炉，为居民负荷区的供能需求提供服务；
建立第4个能源枢纽为新能源发电系统，用于发电后将电能输送给综合能源系统中的电网。
进一步的，所述建模模块具体用于，
以单日综合能源系统运行利润最大化为目标，建立目标函数如下：
Figure BDA0003382931160000051
其中，
Figure BDA0003382931160000052
分别表示第1个、第2个、第3个能源枢纽供电的价格，
Figure BDA0003382931160000053
分别表示工业负荷区、商业负荷区、居民负荷区的需求电量，
Figure BDA0003382931160000054
分别表示第1个、第2个、第3个能源枢纽供热的价格，
Figure BDA0003382931160000055
分别表示工业负荷区、商业负荷区、居民负荷区的需求热量，E1表示综合能源系统从外电网总买电量，CG代表系统买气成本，Gin代表系统总耗气量，CE代表系统买电成本。
进一步的，所述调度模块具体用于，
引入松弛变量，将所述目标函数需满足的约束条件中的不等式约束转化为等式约束，采用内点法对所述目标函数进行求解；
对求解结果采用分支定界法进行判定，若满足分支规则，则对松弛后的模型进行进一步分支，再次使用内点法求解分支子问题，一直向下分支形成分支树，直到所有分支子问题都完成求解；
在求解分支子问题过程中，采用内点法以邻域点集中的点为初始点进行遍历搜索，得到局部最优点集，然后根据禁忌搜索算法进行当前解的迭代，重复以上步骤直至找到最优解。
本发明的有益效果为：
(1)本发明充分考虑了综合能源系统内部的能流关系、各种能源形式在系统中的耦合关系以及能量在传输过程中的损失，建立了包含多种能源形式的综合能源系统可靠调度模型，实现多系统联合运行问题的求解。本发明实现了各能源子系统的效益最大化和整个能源系统的管理高效化，提高了系统调度决策的可靠性、安全性和经济性。
(2)本发明考虑了新能源发电接入功率对综合能源系统性能的影响，接入功率的增加可以显著降低系统和各子系统损耗，风电场在满负荷运行下，能够将系统损耗降低6.3％。
(3)本发明相比传统的综合能源系统调度优化求解方法，能够避免传统方法梯度求解困难的问题，计算稳定性高，且维持较高的计算精度。通过不同控制策略对比分析发现，与当前手动模式相比，综合优化运行模式下，24h运行成本降低了10％，损耗量降低6.5％。
附图说明
图1为本发明实施例提供的综合能源系统架构；
图2为本发明实施例提供的4个能源枢纽设备结构示意图。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明的一个具体实施例提供的一种基于能源枢纽的综合能源系统可靠调度方法，具体实现过程如下：
(1)建立如图1所示的综合能源系统，该系统包括4个能源站，商业负荷区，工业负荷区和居民负荷区，其中，1号能源站主要服务工业负荷区，2号能源站主要服务商业负荷区，3号能源站主要服务居民负荷区。对于该综合能源系统建立包含网络和节点的综合能源系统全工况性能仿真模型，确保系统仿真研究的精度和稳定性，为调度决策提供依据。具体如下：
(11)建立电力网络数学模型，给定若干节点的功率、电压等边界参数，根据各节点电压、电流、有功功率、无功功率等参数之间的关系，求解电力网络中各个节点和线路状态，如下式所示，
Figure BDA0003382931160000071
式中，Pi和Qi分别是注入节点i处的有功功率和无功功率；θi和θj分别是节点i和节点j处的电压相位角；Ui和Uj分别是节点i和节点j处的电压幅值；Gij和Bij分别是节点导纳矩阵第i行、第j列的实部和虚部。
(12)采用线性压力分解的方法线性化处理天然气管道模型，通过管道压降计算公式、流量连续方程和压力环路方程描述天然气管网中各管道和节点的压力和流量关系，进行气网潮流计算。
单根管道的动力学方程如下：
Figure BDA0003382931160000072
式中，c是声音通过管道的速度；S是单根管道的横截面积；Q是天然气的流量；x表示的是距离；p表示压力；g是重力加速度；θ是天然气管道与水平线之间的角度；D是单根管道的直径；f代表了管道的摩擦系数。
将上面的动力学方程进行进一步推导，可得管道中流量与压力这两大参数之间的关系式：
Figure BDA0003382931160000073
式中，Pin为管道入口压力；Pout为管道出口压力；Qin为管道入口流量；Qout为管道出口流量。其他参数，如管道长度、管径、气体流速和摩擦系数，也对计算结果有影响。根据不同的输入和输出变量组合，可以建立两种管道模型。管道模型1的输入为入口压力和出口流量，输出为出口压力和入口流量。管道模型2的输入为进出口压力，输出为进出口流量。利用这两种管道模型，即可在模型中将每根管道相连，形成系统的天然气管道输送网络。
(13)建立综合能源系统中典型设备的数学模型，考虑机组变工况特性，量化设备工作过程中涉及到的能量转换关系，主要包括燃气轮机、内燃机、燃气锅炉。
燃气轮机：
EGT＝Gng·Hng·ηE,GT
QHGT＝Gng·Hng·ηHE,GT
式中，EGT表示燃气轮机的发电量；QHGT表示燃气轮机输出热功率；Gng是天然气消耗量，以小时为单位；Hng是天然气热值，这里取9.78kWh/m3；ηE,GT和ηHE,GT分别代表的是燃气轮机的发电效率和产热效率。
内燃机：
EICE＝Gng·Hng·ηE,ICE
QHICE＝Gng·Hng·ηHE,ICE
式中，EICE表示内燃机的发电量；QHICE表示内燃机的输出热功率；Gng是每小时的天然气消耗量；Hng同样表示天然气热值，这里取9.78kWh/m3；ηE,ICE和ηHE,ICE分别代表的是内燃机的发电效率和产热效率。
燃气锅炉：
QHBo＝Gng·Hng·ηQH,Bo
式中，QHBo表示燃气锅炉的产热功率；Gng表示天然气耗气量；Hng是天然气热值；ηQH,Bo表示的是锅炉产热效率。
(2)为满足不同负荷区域的供能需求，设计了四个能源枢纽，图2是各能源枢纽的设备组成和能量转换关系示意图，每个能源枢纽的详细信息如下：
1号能源枢纽是一个传统的热电联产发电厂，它的产能容量上限较大，必要时可以支援整个系统网络范围内的能量供给。它由燃气轮机、热交换装置和储热罐组成，燃烧天然气，使其转变为电能和热能。
2号能源枢纽主要是用于满足商业负荷区的供能需求，它消耗的同样是天然气。2号能源枢纽中的设备包括内燃机、燃气锅炉、热交换装置。当天然气进入2号能源枢纽时，一部分进入了内燃机，一部分进入了燃气锅炉，图2中的参数n就是用于调节此处燃气的分配比例。
3号能源枢纽是一个和2号能源枢纽结构相似的分布式能源枢纽，不同之处在于它的主要联供设备采用的是燃气轮机而不是内燃机。
4号能源枢纽是一个新能源发电系统，它配置有多个太阳能光伏板和风电机组，发电后将电能输送给区域综合能源系统中的电网。
(3)确定能源枢纽中各设备的参数，包括效率和输出功率上限，如表1所示。
表1能源枢纽中各设备的参数
Figure BDA0003382931160000091
其中，
Figure BDA0003382931160000092
表示的是设备的最大发电容量，这也是优化问题中的约束条件之一。
(4)确定这个系统运行优化问题的决策变量，决策变量为系统从外电网买电量、各能源枢纽的发电量、耗气量和天然气在各能源枢纽中的分配比例，如表2所示。在这些决策变量中，n2和n3的取值范围是离散的，这是由天然气管道的阀门特点决定的；其余决策变量则都为连续变量。
表2决策变量表
Figure BDA0003382931160000101
(5)确定系统运行优化问题的优化目标为单日运行系统利润最大化。将此问题建立数学优化模型，系统的目标函数为：
Figure BDA0003382931160000102
目标函数的函数结构为：发电收入+供热收入-耗气成本-买电成本，表示利润最大化。式中，
Figure BDA0003382931160000103
Figure BDA0003382931160000104
分别表示第1个、第2个、第3个能源枢纽供电的价格，
Figure BDA0003382931160000105
分别表示工业负荷区、商业负荷区、居民负荷区的需求电量，
Figure BDA0003382931160000106
分别表示第1个、第2个、第3个能源枢纽供热的价格，
Figure BDA0003382931160000107
分别表示工业负荷区、商业负荷区、居民负荷区的需求热量，CG代表系统买气成本，Gin代表系统总耗气量Gin＝G1+G2+G3，CE代表系统买电成本。
(6)确定系统运行优化问题中的约束条件，具体如下：
(61)负荷区的用电需求在电网整体平衡后须得到满足。下式左侧为系统买电量与三个能源枢纽发电量的总和，右侧为三个负荷区的电需求总和。此问题设定的时间范围是一天，将其分为24个时间段计算，变量上标处的t表示的就是t时段。
Figure BDA0003382931160000111
(62)各负荷区的用热量应由各对应的能源枢纽供应充足。下式左侧为能源枢纽产热量，右侧负荷区的热需求量。
Figure BDA0003382931160000112
Figure BDA0003382931160000113
Figure BDA0003382931160000114
其中，
Figure BDA0003382931160000115
分别为t时段第1，第2，第3个能源枢纽的产热量。
(63)各能源枢纽的产能量大小受到设备最大容量的约束。
Figure BDA0003382931160000116
Figure BDA0003382931160000117
Figure BDA0003382931160000118
其中，
Figure BDA0003382931160000119
为1号能源枢纽燃气轮机的最大容量，
Figure BDA00033829311600001110
为2号能源枢纽内燃机的最大容量，
Figure BDA00033829311600001111
为3号能源枢纽燃气轮机的最大容量。
(64)系统中的能量转换关系即各能源网络之间的耦合关系，也是此问题的约束条件。
Figure BDA0003382931160000121
Figure BDA0003382931160000122
Figure BDA0003382931160000123
Figure BDA0003382931160000124
Figure BDA0003382931160000125
Figure BDA0003382931160000126
Figure BDA0003382931160000127
其中，
Figure BDA0003382931160000128
分别为t时段三个能源枢纽的耗气量。
(65)将一天中每个时段的变量取值进行汇总，便于目标函数的计算。
Figure BDA0003382931160000129
Figure BDA00033829311600001210
Figure BDA00033829311600001211
Figure BDA00033829311600001212
Figure BDA00033829311600001213
Figure BDA00033829311600001214
Figure BDA00033829311600001215
Figure BDA00033829311600001216
(7)统计三个负荷区内热、电的需求量变化情况，以一小时为间隔取点，能源供应价格参考江苏的相关定价。综合目标函数和约束条件，求解此优化问题，即可得到各决策变量在24小时内的运行计划安排和预期的最大利润，实现系统运行可靠调度的目标。
基于该优化问题，确定优化算法的主要构成包括内点法、分支定界法和禁忌搜索法。其中，内点法和分支定界法的混合算法用于混合整数规划方案，分支定界法处理离散变量，内点法快速求解松弛问题；内点法和禁忌搜索法的混合算法用于跳出局部最优机制，内点法对邻域点集进行局部寻优，禁忌搜索算法对局部最优点集进行全局寻优。
其中，原始对偶内点法求解步骤如表3所示，具体如下：
表3原始对偶内点法算法步骤
Figure BDA0003382931160000131
(71)对于数学规划一般模型，引入松弛变量s，将不等式约束转化为等式约束，得到关于原决策变量和松弛变量的标准模型：
Figure BDA0003382931160000132
subject to cE(x)＝0，
c1(x)-s＝0，
s≥0.
(72)使用拉格朗日乘数法推导出上述标准模型的最优化KKT条件方程组：
Figure BDA0003382931160000133
SZ-μe＝0
cE(x)＝0
c1(x)-s＝0
s≥0,z≥0
其中，AE(x)和A1(x)为cE和c1的雅可比矩阵，y和z是拉格朗日乘数，S和Z是对角元素为向量s和z的对角矩阵，μ为障碍因子，e＝(1,1,…,1)T。当μ趋近于0时，解向量(x,s,y,z)沿着原始对偶中心路径趋近于KKT方程组的解，即得到相应的局部最优解。
(73)应用牛顿法，得到KKT条件方程组的原始对偶模型：
Figure BDA0003382931160000141
其中，I为单位矩阵，
Figure BDA0003382931160000142
表示原模型的拉格朗日算子：
Figure BDA0003382931160000143
(74)求解原始对偶模型可以得到迭代方向p＝(px,ps,py,pz)，迭代步长
Figure BDA0003382931160000144
和
Figure BDA0003382931160000145
可由下式决定：
Figure BDA0003382931160000146
Figure BDA0003382931160000147
其中，τ∈(0,1)，一个常用取值为0.995。从而可以计算下一步迭代变量(x+,s+,y+,z+)：
Figure BDA0003382931160000148
Figure BDA0003382931160000149
Figure BDA00033829311600001410
Figure BDA00033829311600001411
(75)障碍因子μ可以根据补偿间隙进行自适应更新：
Figure BDA0003382931160000151
Figure BDA0003382931160000152
Figure BDA0003382931160000153
Figure BDA0003382931160000154
其中，k表示第k次迭代，m为决策变量维度，[sk]i表示sk向量中的第k个元素，[zk]i同理。补偿间隙Gap为对偶间隙的近似替代。
内点法+禁忌搜索算法求解步骤如表4所示，具体如下：
表4内点法+禁忌搜索法算法步骤
Figure BDA0003382931160000155
Figure BDA0003382931160000161
内点法+禁忌搜索算法的主要思路为：首先在初始点邻域选取邻域点集，然后使用内点法以邻域点集中的点为初始点进行遍历搜索，得到局部最优点集，然后根据禁忌搜索策略进行当前解的迭代，重复以上步骤直至找到最优解。具体包括：
(7a)禁忌搜索算法的邻域规则：
对于多维向量x，使用同心超矩形来对其邻域进行定义：
H0(x,h0)＝{x′||x′j-xj|<h0,lbj<x′j<ubj,j＝1,2,…,n}
Hi(x,hi-1,hi)＝{x′|hi-1≤|x′j-xj|<hi,lbj<x′j<ubj,j＝1,2,…,n}
hi＝hi-1*2,i＝1,2,…,k
其中，xj为x的第j个分量，Hi为点x的第i个邻域，H0为中心邻域，中心邻域的半径h0和邻域个数k为独立变量。邻域点集由每个同心超矩形Hi内随机选择一点构成，共有k个点。同时，由于中心邻域H0很小，在中心邻域取点极易与当前点落入同一个局部最优，影响算法的收敛速度，不利于快速寻优，所以中心邻域中不取点。
(7b)禁忌搜索算法的禁忌规则：
常用的禁忌对象分为三类：简单解、解变化和目标值。本算法中的禁忌对象为点及点周围中心邻域H0，禁忌表中记录该点的决策变量值和目标函数值。若该点与禁忌表中的点重合，则该点被禁忌，不允许选择该点作为下一步迭代点。对于长度为T的禁忌表，每次迭代后发生当前点变更时，将新的当前点作为新的禁忌对象放到表头，将表中原有的元素按顺序后移，若禁忌表已达到最大程度，则排在最后的元素将从禁忌表被移出。
本算法中采用两步判断法来判断某一点与禁忌表中的点重合。第一步判断该点的目标值和禁忌表中任一点的目标值是否接近，若都不接近，则该点未被禁忌，否则判断第二步；第二步判断该点与目标值相近点本身是否接近，若该点中存在某一分量，使得此分量与目标值相近点的同一分量并不接近，则判断该点与目标值相近点并不重合，该点未被禁忌，否则被禁忌。
(7c)禁忌搜索算法的特赦规则：
禁忌搜索中的特赦规则主要是为了避免遗漏更优点，或是当邻域点集中的点全被禁忌时，推动搜索继续进行而设立的。
基于目标函数值确立对更优点的特赦规则，即当该点的目标函数值优于当前记录的已找到最优值时，即使该点被禁忌，也对其进行特赦，并且选择该点作为下一步迭代点，记录该点和其目标函数值作为当前的最优点和最优解。
在邻域点集全部被禁忌的情况下，本算法中采取将禁忌表中所有元素取线性平均作为下一步迭代当前点的方法来保证搜索的稳定进行。
(7d)禁忌搜索算法的终止规则：
禁忌搜索通常采用的终止规则有四种：最大迭代步数终止、某一点出现频率原则、保证目标函数值改善原则和观察目标函数值稳定性。本算法中采用最大迭代步数终止和保证目标函数值改善的双重规则，即当迭代次数到达最大迭代步数，或在一个给定的步数内搜索到的最优点没有发生改善时，终止迭代。
内点法+分支定界算法求解步骤如表5所示，具体如下：
表5内点法+分支定界法算法步骤
Figure BDA0003382931160000181
Figure BDA0003382931160000191
内点法++分支定界算法的主要思路为：首先松弛原问题并用内点法求解，对求解结果进行判定，若满足分支规则，则对松弛问题进行进一步分支，再次使用内点法求解分支子问题，一直向下分支形成分支树，直到所有分支子问题都完成求解为止。分支定界法处理离散变量分为四步：松弛、分支、定界、剪枝。
(7e)分支定界法的松弛方法：
将原问题的离散约束松弛，得到松弛模型。松弛模型LP的最优解与原模型ILP的最优解之间存在着如下三种关系：若LP不可行，则ILP也不可行；若LP有满足离散约束的全局最优解，则该最优解也为ILP的全局最优解；若LP的最优解不满足ILP中的离散约束，则这个解的目标函数值为ILP的下界(对最小化问题而言)。
(7f)分支定界法的分支方法：
对于松弛问题的最优解中不满足原问题的整数约束的变量，通过引入互斥条件完成分支。在当前松弛问题的基础上，分别加入互斥约束将原问题分割为两个或多个松弛子问题，从而使得不满足整数约束的变量进一步逼近整数量，同时进一步缩小求解空间。
本算法所使用的分支策略为深度优先搜索法，即对当前松弛问题进行求解后，若不满足剪枝条件，则继续向下分支，直到满足剪枝条件或到达分支树底部为止，再根据分支树回溯到最近的未求解子问题进行求解，直到所有分支子问题都被求解完毕，该方法可以快速搜索到分支树的底端，找到一个满足整数约束的解，对于中间过程的信息存储空间要求较少。
(7g)分支定界法的定界方法：
对于最小化问题而言，需要确定原问题的上界和松弛子问题的下界。原问题的上界通常由一个已知的整数最优解的目标函数值进行初始化，在分支求解过程中根据子问题的求解情况进行更新，当子问题找到一个整数最优解时，若该解的目标函数值优于当前上界，则将该解作为当前最优点，该解的目标函数值作为新的上界。松弛子问题的下界则由其最优解确定，若最优解不满足整数约束，则该解的目标函数值为当前子问题的一个下界。
(7h)分支定界法的剪枝方法：
剪枝条件由当前子问题的求解情况和原问题的上界确定。在求解一个松弛子问题时，若该子问题不可行，则不需要继续向下分支，该子问题被剪枝；若找到一个整数最优解，则也不需要继续向下分支，该子问题被剪枝；若找到一个不满足整数约束的最优解，则最优解的目标函数值为该子问题的下界，若子问题的下界大于等于原问题的上界，则该子问题被剪枝，否则继续向下分支。
综上，本发明所提的综合能源系统数学模型为混合整数规划模型，存在非线性约束。将模型的目标函数、约束条件代入内点法、分支定界法和禁忌搜索法的求解目标与边界条件。主程序使用分支定界法，在求解松弛子问题时，应用内点法+禁忌搜索算法来增强跳出局部最优的能力，完成对松弛子问题的更加精确的求解。
本发明另一个实施例提供一种基于能源枢纽的综合能源系统可靠调度装置，包括：
场景模块，用于基于综合能源系统结构建立能源枢纽；
建模模块，用于建立所述包含能源枢纽的综合能源系统优化调度的数学模型；
以及，
调度模块，用于对所构建的综合能源系统优化调度的数学模型进行优化求解，得到各能源枢纽的发电量和耗气量，对各能源枢纽进行调度。
本实施例中，场景模块具体包括：
建立第1个能源枢纽由燃气轮机、热交换装置和储热罐组成，第1个能源枢纽用于燃烧天然气，使其转变为电能和热能，为工业负荷区的供能需求提供服务；
建立第2个能源枢纽由内燃机、燃气锅炉和热交换装置组成，第2个能源枢纽用于将天然气按比例分配至内燃机和燃气锅炉，为商业负荷区的供能需求提供服务；
建立第3个能源枢纽由燃气轮机、燃气锅炉和热交换装置组成，第3个能源枢纽用于将天然气按比例分配至燃气轮机和燃气锅炉，为居民负荷区的供能需求提供服务；
建立第4个能源枢纽为新能源发电系统，用于发电后将电能输送给综合能源系统中的电网。
本实施例中，建模模块具体用于，
以单日综合能源系统运行利润最大化为目标，建立目标函数如下：
Figure BDA0003382931160000211
其中，
Figure BDA0003382931160000212
分别表示第1个、第2个、第3个能源枢纽供电的价格，
Figure BDA0003382931160000213
分别表示工业负荷区、商业负荷区、居民负荷区的需求电量，
Figure BDA0003382931160000214
分别表示第1个、第2个、第3个能源枢纽供热的价格，
Figure BDA0003382931160000215
分别表示工业负荷区、商业负荷区、居民负荷区的需求热量，CG代表系统买气成本，Gin代表系统总耗气量，CE代表系统买电成本。
本实施例中，调度模块具体用于，
引入松弛变量，将所述目标函数需满足的约束条件中的不等式约束转化为等式约束，采用内点法对所述目标函数进行求解；
对求解结果采用分支定界法进行判定，若满足分支规则，则对松弛后的模型进行进一步分支，再次使用内点法求解分支子问题，一直向下分支形成分支树，直到所有分支子问题都完成求解；
在求解分支子问题过程中，采用内点法以邻域点集中的点为初始点进行遍历搜索，得到局部最优点集，然后根据禁忌搜索算法进行当前解的迭代，重复以上步骤直至找到最优解。
值得指出的是，该装置实施例是与上述方法实施例对应的，上述方法实施例的实现方式均适用于该装置实施例中，并能达到相同或相似的技术效果，故不在此赘述。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种基于能源枢纽的综合能源系统可靠调度方法，其特征在于，包括：
基于综合能源系统结构建立能源枢纽；
建立所述包含能源枢纽的综合能源系统优化调度的数学模型；
对所构建的综合能源系统优化调度的数学模型进行优化求解，得到各能源枢纽的发电量和耗气量，对各能源枢纽进行调度。
2.根据权利要求1所述的一种基于能源枢纽的综合能源系统可靠调度方法，其特征在于，所述基于综合能源系统结构建立能源枢纽包括设计四个能源枢纽，
第1个能源枢纽由燃气轮机、热交换装置和储热罐组成，第1个能源枢纽燃烧天然气，使其转变为电能和热能，为工业负荷区的供能需求提供服务；
第2个能源枢纽由内燃机、燃气锅炉和热交换装置组成，第2个能源枢纽将天然气按比例分配至内燃机和燃气锅炉，为商业负荷区的供能需求提供服务；
第3个能源枢纽由燃气轮机、燃气锅炉和热交换装置组成，第3个能源枢纽将天然气按比例分配至燃气轮机和燃气锅炉，为居民负荷区的供能需求提供服务；
第4个能源枢纽为新能源发电系统，用于发电后将电能输送给综合能源系统中的电网。
3.根据权利要求2所述的一种基于能源枢纽的综合能源系统可靠调度方法，其特征在于，所述建立所述包含能源枢纽的综合能源系统优化调度的数学模型，包括：
以单日综合能源系统运行利润最大化为目标，建立目标函数如下：
Figure FDA0003382931150000011
其中，
Figure FDA0003382931150000012
分别表示第1个、第2个、第3个能源枢纽供电的价格，
Figure FDA0003382931150000013
分别表示工业负荷区、商业负荷区、居民负荷区的需求电量，
Figure FDA0003382931150000021
分别表示第1个、第2个、第3个能源枢纽供热的价格，
Figure FDA0003382931150000022
分别表示工业负荷区、商业负荷区、居民负荷区的需求热量，E1表示综合能源系统从外电网总买电量，CG代表系统买气成本，Gin代表系统总耗气量，CE代表系统买电成本。
4.根据权利要求3所述的一种基于能源枢纽的综合能源系统可靠调度方法，其特征在于，所述目标函数需满足如下约束条件：
Figure FDA0003382931150000023
其中，
Figure FDA0003382931150000024
表示t时段综合能源系统从外电网总买电量，
Figure FDA0003382931150000025
分别为t时段第1个、第2个、第3个能源枢纽的发电量，上标t表示t时段，t＝1,2,……,24；
Figure FDA0003382931150000026
其中，
Figure FDA0003382931150000027
分别为t时段第1个，第2个和第3个能源枢纽的产热量；
C、
Figure FDA0003382931150000028
其中，
Figure FDA0003382931150000029
为第1个能源枢纽燃气轮机的最大容量，
Figure FDA00033829311500000210
为第2个能源枢纽内燃机的最大容量，
Figure FDA00033829311500000211
为第3个能源枢纽燃气轮机的最大容量；
Figure FDA00033829311500000212
Figure FDA00033829311500000213
Figure FDA00033829311500000214
Figure FDA00033829311500000215
Figure FDA00033829311500000216
Figure FDA00033829311500000217
D、
Figure FDA00033829311500000218
其中，
Figure FDA00033829311500000219
分别为t时段第1个，第2个和第3个能源枢纽的耗气量，Hng是天然气热值，ηE,GT和ηHE,GT分别是燃气轮机的发电效率和产热效率，ηE,ICE和ηHE,ICE分别是内燃机的发电效率和产热效率，ηQH,Bo是锅炉产热效率，
Figure FDA0003382931150000031
是第2个能源枢纽分配给内燃机的天然气比例，
Figure FDA0003382931150000032
是第3个能源枢纽分配给燃气轮机的天然气比例。
5.根据权利要求4所述的一种基于能源枢纽的综合能源系统可靠调度方法，其特征在于，所述对所构建的综合能源系统优化调度的数学模型进行优化求解，包括：
引入松弛变量，将不等式约束转化为等式约束，采用内点法对所述目标函数进行求解；
对求解结果采用分支定界法进行判定，若满足分支规则，则对松弛后的模型进行进一步分支，再次使用内点法求解分支子问题，一直向下分支形成分支树，直到所有分支子问题都完成求解。
6.根据权利要求5所述的一种基于能源枢纽的综合能源系统可靠调度方法，其特征在于，在求解分支子问题过程中，采用内点法以邻域点集中的点为初始点进行遍历搜索，得到局部最优点集，然后根据禁忌搜索算法进行当前解的迭代，重复以上步骤直至找到最优解。
7.一种基于能源枢纽的综合能源系统可靠调度装置，其特征在于，包括：
场景模块，用于基于综合能源系统结构建立能源枢纽；
建模模块，用于建立所述包含能源枢纽的综合能源系统优化调度的数学模型；
以及，
调度模块，用于对所构建的综合能源系统优化调度的数学模型进行优化求解，得到各能源枢纽的发电量和耗气量，对各能源枢纽进行调度。
8.根据权利要求7所述的一种基于能源枢纽的综合能源系统可靠调度装置，其特征在于，所述场景模块具体包括：
建立第1个能源枢纽由燃气轮机、热交换装置和储热罐组成，第1个能源枢纽用于燃烧天然气，使其转变为电能和热能，为工业负荷区的供能需求提供服务；
建立第2个能源枢纽由内燃机、燃气锅炉和热交换装置组成，第2个能源枢纽用于将天然气按比例分配至内燃机和燃气锅炉，为商业负荷区的供能需求提供服务；
建立第3个能源枢纽由燃气轮机、燃气锅炉和热交换装置组成，第3个能源枢纽用于将天然气按比例分配至燃气轮机和燃气锅炉，为居民负荷区的供能需求提供服务；
建立第4个能源枢纽为新能源发电系统，用于发电后将电能输送给综合能源系统中的电网。
9.根据权利要求8所述的一种基于能源枢纽的综合能源系统可靠调度方法，其特征在于，所述建模模块具体用于，
以单日综合能源系统运行利润最大化为目标，建立目标函数如下：
Figure FDA0003382931150000041
其中，
Figure FDA0003382931150000042
分别表示第1个、第2个、第3个能源枢纽供电的价格，
Figure FDA0003382931150000043
分别表示工业负荷区、商业负荷区、居民负荷区的需求电量，
Figure FDA0003382931150000044
分别表示第1个、第2个、第3个能源枢纽供热的价格，
Figure FDA0003382931150000045
分别表示工业负荷区、商业负荷区、居民负荷区的需求热量，E1表示综合能源系统从外电网总买电量，CG代表系统买气成本，Gin代表系统总耗气量，CE代表系统买电成本。
10.根据权利要求9所述的一种基于能源枢纽的综合能源系统可靠调度方法，其特征在于，所述调度模块具体用于，
引入松弛变量，将所述目标函数需满足的约束条件中的不等式约束转化为等式约束，采用内点法对所述目标函数进行求解；
对求解结果采用分支定界法进行判定，若满足分支规则，则对松弛后的模型进行进一步分支，再次使用内点法求解分支子问题，一直向下分支形成分支树，直到所有分支子问题都完成求解；
在求解分支子问题过程中，采用内点法以邻域点集中的点为初始点进行遍历搜索，得到局部最优点集，然后根据禁忌搜索算法进行当前解的迭代，重复以上步骤直至找到最优解。
CN202111441325.XA 2021-11-30 2021-11-30 一种基于能源枢纽的综合能源系统可靠调度方法及装置 Active CN114118590B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111441325.XA CN114118590B (zh) 2021-11-30 2021-11-30 一种基于能源枢纽的综合能源系统可靠调度方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111441325.XA CN114118590B (zh) 2021-11-30 2021-11-30 一种基于能源枢纽的综合能源系统可靠调度方法及装置

Publications (2)

Publication Number Publication Date
CN114118590A true CN114118590A (zh) 2022-03-01
CN114118590B CN114118590B (zh) 2024-01-26

Family

ID=80368333

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111441325.XA Active CN114118590B (zh) 2021-11-30 2021-11-30 一种基于能源枢纽的综合能源系统可靠调度方法及装置

Country Status (1)

Country Link
CN (1) CN114118590B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107767074A (zh) * 2017-11-09 2018-03-06 东南大学 一种计及综合需求响应资源的能源枢纽规划方法
CN109190824A (zh) * 2018-09-04 2019-01-11 东北大学 基于用户侧区域综合能源系统的联盟博弈优化运行方法
CN110046773A (zh) * 2019-05-30 2019-07-23 东北大学 综合能源系统多主体合作优化运行与成本效益分配方法
CN110322051A (zh) * 2019-06-06 2019-10-11 国网浙江省电力有限公司经济技术研究院 考虑n-1安全约束的综合能源系统优化配置方法
CN110428110A (zh) * 2019-08-08 2019-11-08 华翔翔能电气股份有限公司 基于电-光-沼多能源耦合系统的多用户能源共享方法
KR20210026446A (ko) * 2019-08-30 2021-03-10 한국전력공사 최적화된 전력 스케줄링 방법
KR102255155B1 (ko) * 2019-11-29 2021-05-24 한국가스공사 복합에너지 허브 시스템
CN112862157A (zh) * 2021-01-12 2021-05-28 山东大学 一种考虑耦合度的综合能源系统优化调度方法及系统
CN113283051A (zh) * 2021-04-14 2021-08-20 国网江苏省电力有限公司镇江供电分公司 基于先进绝热压缩空气储能的能量枢纽及定价决策方法
CN113592133A (zh) * 2021-05-06 2021-11-02 深圳第三代半导体研究院 一种能量枢纽优化配置方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107767074A (zh) * 2017-11-09 2018-03-06 东南大学 一种计及综合需求响应资源的能源枢纽规划方法
CN109190824A (zh) * 2018-09-04 2019-01-11 东北大学 基于用户侧区域综合能源系统的联盟博弈优化运行方法
CN110046773A (zh) * 2019-05-30 2019-07-23 东北大学 综合能源系统多主体合作优化运行与成本效益分配方法
CN110322051A (zh) * 2019-06-06 2019-10-11 国网浙江省电力有限公司经济技术研究院 考虑n-1安全约束的综合能源系统优化配置方法
CN110428110A (zh) * 2019-08-08 2019-11-08 华翔翔能电气股份有限公司 基于电-光-沼多能源耦合系统的多用户能源共享方法
KR20210026446A (ko) * 2019-08-30 2021-03-10 한국전력공사 최적화된 전력 스케줄링 방법
KR102255155B1 (ko) * 2019-11-29 2021-05-24 한국가스공사 복합에너지 허브 시스템
CN112862157A (zh) * 2021-01-12 2021-05-28 山东大学 一种考虑耦合度的综合能源系统优化调度方法及系统
CN113283051A (zh) * 2021-04-14 2021-08-20 国网江苏省电力有限公司镇江供电分公司 基于先进绝热压缩空气储能的能量枢纽及定价决策方法
CN113592133A (zh) * 2021-05-06 2021-11-02 深圳第三代半导体研究院 一种能量枢纽优化配置方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张军六;樊伟;谭忠富;鞠立伟;德格吉日夫;杨莘博;孙婧霞;: "计及需求响应的气电互联虚拟电厂多目标调度优化模型", 电力建设, no. 02 *
张涛;朱彤;陈上;吴竺;: "多能源耦合系统的运行优化与改进分析", 科学通报, no. 32 *
徐雨田;廖清芬;刘涤尘;田园园;陈懿;陈炜;: "市场环境下考虑主动管理措施的双层综合能源规划方法", 电力系统自动化, no. 18 *

Also Published As

Publication number Publication date
CN114118590B (zh) 2024-01-26

Similar Documents

Publication Publication Date Title
He et al. Application of game theory in integrated energy system systems: a review
Chen et al. Coordinated optimal dispatch and market equilibrium of integrated electric power and natural gas networks with P2G embedded
CN108229025B (zh) 一种冷热电联供型多微网主动配电系统经济优化调度方法
CN108173282B (zh) 一种考虑电转气运行成本综合能源系统优化调度方法
CN111950809B (zh) 基于主从博弈的综合能源系统分层分区优化运行方法
Kok et al. Intelligence in electricity networks for embedding renewables and distributed generation
Naz et al. Multicriteria decision making for resource management in renewable energy assisted microgrids
CN108009693A (zh) 基于两级需求响应的并网微电网双层优化方法
CN104299072B (zh) 一种基于水火协调的安全约束发电计划制定方法
CN109167363A (zh) 能源互联网系统
CN104392394A (zh) 一种微电网储能裕度的检测方法
CN114330827B (zh) 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用
CN106159998A (zh) 可再生能源微电网优化调度系统
CN115204562B (zh) 一种计及多能共享的互联微能源网分布式协同优化调度方法和系统
CN107392791B (zh) 多能互补系统的分布式光伏与气电混合容量规划方法和系统
CN109245158A (zh) 区域能源站及其控制方法
CN113690877A (zh) 一种考虑能源消纳的有源配电网与集中能源站互动方法
Dong et al. Hierarchical multi-objective planning for integrated energy systems in smart parks considering operational characteristics
Gu et al. Bi-level decentralized optimal economic dispatch for urban regional integrated energy system under carbon emission constraints
Yang et al. Integrated energy system scheduling model based on non-complete interval multi-objective fuzzy optimization
CN109268685A (zh) 输配网及其控制方法
Ma et al. The optimal configuration of distributed generators for CCHP micro-grid based on double-layer operation strategy and improved NSGA-III algorithm
CN208919706U (zh) 输配网
CN209344785U (zh) 能源互联网系统
CN115758763A (zh) 一种计及源荷不确定性的多能流系统优化配置方法及系统

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