CN114154328A - 提升灵活性的电热综合能源系统两阶段随机优化调度方法 - Google Patents
提升灵活性的电热综合能源系统两阶段随机优化调度方法 Download PDFInfo
- Publication number
- CN114154328A CN114154328A CN202111470302.1A CN202111470302A CN114154328A CN 114154328 A CN114154328 A CN 114154328A CN 202111470302 A CN202111470302 A CN 202111470302A CN 114154328 A CN114154328 A CN 114154328A
- Authority
- CN
- China
- Prior art keywords
- heat
- power
- constraint
- formula
- constraints
- 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.)
- Withdrawn
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 49
- 238000005485 electric heating Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005338 heat storage Methods 0.000 claims abstract description 78
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 108
- 230000009194 climbing Effects 0.000 claims description 39
- 150000001875 compounds Chemical class 0.000 claims description 27
- 238000010248 power generation Methods 0.000 claims description 26
- 230000008878 coupling Effects 0.000 claims description 14
- 238000010168 coupling process Methods 0.000 claims description 14
- 238000005859 coupling reaction Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000005315 distribution function Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 9
- 238000010438 heat treatment Methods 0.000 claims description 7
- 238000012546 transfer Methods 0.000 claims description 6
- 238000010977 unit operation Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000009833 condensation Methods 0.000 claims description 3
- 230000005494 condensation Effects 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 239000002689 soil Substances 0.000 claims description 3
- 238000011160 research Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 108010074506 Transfer Factor Proteins 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001105 regulatory effect Effects 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
-
- 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
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/14—Pipes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及电热综合能源系统优化运行调度方法技术领域,是一种提升灵活性的电热综合能源系统两阶段随机优化调度方法,其包括构建计及储热能力的热网动态特性模型和提升灵活性的电热综合能源系统两阶段随机优化调度模型,求解所述模型,得到电热综合能源系统调度计划。本发明考虑热力系统中的综合储热特性和灵活运行特性,进而实现电‑热供应解耦,同时考虑电力系统中常规火电机组和热电联产机组的运行灵活性和提供备用的能力,挖掘热、电系统的潜在灵活性,能够从整个综合能源系统范围内实现灵活性资源的协调优化,提升整体运行的灵活性,为调度运行人员提供更合理的供热和供电调度计划。
Description
技术领域
本发明涉及电热综合能源系统优化运行调度方法技术领域,是一种提升灵活性的电热综合能源系统两阶段随机优化调度方法。
背景技术
风电作为清洁和可再生能源对于缓解全球能源短缺和环境污染问题具有重要的作用,发展前景广阔。近年来我国风电产业发展迅速,装机容量位居世界第一,但弃风问题突出。在“三北”地区供热季,热电联产机组工作在“以热定电”运行模式,且具有较强的“热电耦合”特性,灵活调节能力受限,并且风电出力具有明显的随机性和波动性,使得电力系统面临严峻的调峰和风电消纳问题。传统的能源系统仅考虑电、热等独立单一的能源形式,割裂了不同能源系统的联系,难以发挥互补优势。因此,考虑风电的不确定性,构建电热综合能源系统协调优化调度模型对提升系统风电消纳能力具有重要意义。
一方面,当前关于电热综合能源系统协调优化的研究多侧重于储热、电锅炉、热泵等供给侧,或热网、需求侧的热动态特性,但计及风电不确定性,综合考虑供给侧、网侧和需求侧的协调优化的研究尚不多见。
另一方面,为将风电强随机性和波动性等特性融入调度决策中,现有研究多采用随机优化和鲁棒优化理论构建优化调度模型。两阶段随机优化在决策过程中充分考虑了风电不确定性,但鲜少应用于电热综合能源系统优化调度中,并且如何综合考虑热电联产机组的热-电解耦运行特性和提供备用的潜力也有待深入研究。
发明内容
本发明提供了一种提升灵活性的电热综合能源系统两阶段随机优化调度方法,克服了上述现有技术之不足,其综合考虑了电力系统和供热系统的灵活性,利用热力系统的动态运行特性和用能灵活特性,实现热电解耦,在保证供热质量的前提下提升电力系统的运行灵活性,拓宽风电的消纳区间,实现大规模风电并网消纳。
本发明的技术方案是通过以下措施来实现的:一种提升灵活性的电热综合能源系统两阶段随机优化调度方法,包括以下步骤:
步骤1,电力系统和热力系统的运行参数和历史运行数据的收集梳理;
步骤2,构建计及储热能力的热网动态特性模型;
步骤3,生成风电动态随机场景表征风电出力的随机特性;
步骤4,构建提升灵活性的电热综合能源系统两阶段随机优化调度模型;
步骤5,求解所述电热综合能源系统两阶段随机优化调度模型,得到电热综合能源系统调度计划。
下面是对上述发明技术方案的进一步优化或/和改进:
上述步骤2中,供热系统(热网)由热电联产机组、储热装置等热源、供热管网、热交换站和热负荷等组成。热源产生的热量通过循环热水供应给用户,以维持室内温度,其中一次管网和二次管网通过热交换站进行热量传递。一方面,热力系统传输较慢,具有较大的惯性,其延时效应可等效为系统储热能力,而供热区域具有一定的热惯性,也能提供一定的储热能力,两者结合可在不增加额外投资的情况下提升系统运行灵活性。由于二次管网相对较短、储能容量较小,因此针对一次管网进行建模分析。另一方面,在热电联产机组配置储热罐可在电负荷高峰期间储热,在电负荷低谷期间放热,同时建筑物对温度要求具有一定的弹性,具有一定的储热能力,综合作用下能够实现热电联产机组发电功率的灵活调节,拓宽风电的出力空间。热网采用广泛应用和研究的质调节运行方式,即保持热网中的热水质流速率恒定,仅通过调节热源处的供水温度实现供热功率的调整。
所述热网动态特性模型包括热源供热功率约束、热网动态运行约束和热负荷交换站运行约束;
步骤2.1,配置储热罐的热电联产机组作为热源共同向热网供热,热源供热功率约束(总供热功率约束)如式(1)所示,
式中,Hchp,h,t、Hhs,s,t分别为热电机组h及其配置的储热罐s在时段t的热功率;为热源与热网进行热量交换的热源换热站j在时段t的热水质流速率;和分别为热源交换站所在的管道节点n的供水管道入口和回水管道出口在时段t的热水温度;cwater为水的比热容;ICHP、IHS、T分别为热电联产机组、热源交换站、运行时段的集合;为与热源交换站相连的管道节点集合;
步骤2.2,热网动态运行约束包括节点质流速率连续性约束、节点温度混合约束、管道供水及回水温度约束和管道温度动态及热损耗特性;
步骤2.2.1,每个节点热水流入质流速率等于流出质流速率,供水和回水网络的节点质流速率连续约束如式(2)和式(3)所示,
步骤2.2.2,不同温度的热水从不同管道流经同一节点进行混合,混合后从该节点流入不同管道的热水温度保持相同,则节点温度混合约束(混合媒介的温度约束)如式(4)至式(7)所示,
步骤2.2.3,管道供水及回水温度约束如式(8)至式(11)所示,
步骤2.2.4,管道温度动态及热损耗特性为单个管道的热动态特性体现在管道供热媒介的温度传输时延和热损耗,其出口和入口热水温度的动态关系如(12)至式(14)所示,
式中,为管道周围的土壤温度;tphr,b为管道的热储备系数;Δt为调度时间间隔;γb为管道的供热延迟时间,tb是处理后的供热延迟时间,等于γb按照Δt离散化之后最近的整数,便于进行计算;ρwater为水的密度;Lb、Rb、μb、分别为管道长度、半径、热损失系数、热水的质流速率;
步骤2.3,热负荷交换站从热网获得热量用于满足用户的热负荷需求,则热负荷交换站运行约束如式(15)所示,
上述步骤3中,为了准确刻画风电的随机性和波动性,采用计及随机变量相关性的动态场景法生成风电出力场景集,风电动态随机场景生成的步骤如下:
步骤3.1,对风电功率预测值、实测值、预测误差组成的历史数据进行标幺化处理,将历史数据按照风电预测值划分为N个预测箱,每个预测箱含有NL个数据组,各预测箱误差样本从到大排序为,拟合得到预测误差e的累计经验分布函数,如式(16)所示,进而基于日前各时段的风电预测值确定各时段所在的预测箱的累积概率分布函数;
步骤3.2,生成Ns个服从多元联合标准正态分布的随机向量Z=(Z1,Z2...ZT)′,Z~N(μ0,Σ),μ0为T维零向量,协方差矩阵Σ如式(17)所示,
步骤3.3,通过等概率逆变换,将Ns个服从多元标准正态分布的随机向量转化为具有相关性的风电功率误差场景值e,进而将不同时段的误差场景值和预测值相加后并将其转换为有名值,得到Ns个风电动态随机场景,
式中:Φ为标准正态分布的累积概率分布函数。
上述步骤4中,所述电热综合能源系统两阶段随机优化调度模型以第一阶段的日前调度成本FDA和第二阶段的随机场景下的实时调整成本期望FRT之和F最小为目标函数,如式(20)所示;第一部分为日前阶段的调度成本FDA,包括常规火电机组运行成本(开停机成本、发电成本、备用容量成本),热电联产机组运行成本(发电成本、备用容量成本),弃风惩罚成本,如式(21)所示;第二部分为实时阶段的调度成本FRT,包括常规火电机组备用调用成本期望值、热电联产机组备用调用成本期望值、非自愿切负荷和弃风成本期望值,如式(22)所示;
minF=min(FDA+FRT) (20)
式中,ui,t、yi,t、zi,t分别为常规火电机组i的运行状态变量、启动变量、停机变量;SU,i和SD,i分别为常规火电机组i单次启动成本和停机成本;a1,i、a2,i、a3,i为常规火电机组i的发电成本系数;Pg,i,t为常规火电机组i的发电功率;和分别为常规火电机组i提供的向上备用和价格系数;和分别为常规火电机组i提供的向下备用和价格系数;Pchp,h,t和Hchp,h,t分别为热电联产机组h的发电功率和热功率;b1,h、b2,h、b3,h、b4,h、b5,h、b6,h为热电联产机组的运行成本系数;和分别为热电联产机组h提供的向上备用和价格系数;和分别为热电联产机组h提供的向下备用和价格系数;和Pw,t为风电场w的预测功率和调度功率;Cwind为弃风惩罚成本系数;和分别为常规火电机组i在场景s中调用的向上备用和调用能量价格系数;和分别为常规火电机组i在场景s中调用的向下备用和调用能量价格系数;和分别为热电联产机组h在场景s中调用的向上备用和调用能量价格系数;和分别为热电联产机组h在场景s中调用的向下备用和调用价格系数;和Cload为场景s下的切负荷功率和切负荷惩罚成本系数;和Pw,t,s为风电场w在场景s的实际功率和调度功率;Nchp、Ng、Nw、Nload、Ns分别为热电联产机组、常规火电机组、风电场、用电负荷、随机场景的数量;ps为场景s的概率。
上述电热综合能源系统两阶段随机优化调度模型第一阶段日前调度约束条件是指预测场景下的日前调度约束条件,包括耦合元件运行约束、电网运行约束和热网运行约束,
(1)耦合元件运行约束即热电联产机组运行约束,热电联产机组运行约束包括电出力和热出力运行约束、热电联产机组爬坡约束以及热电机组调节灵活性备用约束;
抽气式热电联产机组的运行域是一个多面体,其电出力和热出力运行约束如式(23)所示,
式中:分别为热电联产机组h纯凝工况下的最大、最小的发电功率;Cv,h为热电联产机组h总进气量恒定时抽取单位供热量下发电功率的减小量;Cm,h为热电联产机组h背压状态运行下的电功率和热功率的弹性系数;为热电联产机组最大热出力;Ck,h为常数项;
热电联产机组爬坡约束如式(24)所示,
热电机组调节灵活性备用约束如式(25)至(26)所示,
(2)电网运行约束包括电功率平衡约束、线路潮流约束和常规火电机组运行约束、常规火电机组爬坡约束、常规火电机组备用容量约束、常规火电机组最小运行时间约束、常规火电机组最小停机时间约束、常规火电机组开停机状态约束、风电场出力约束;
1)电功率平衡约束如式(27)所示,
式中,Pd,t为负荷d的用电功率;
2)线路潮流约束如式(28)所示,
式中,λh,l、λi,l、λw,l、λd,l分别为热电联产机组h、常规火电机组i、风电场w、负荷d对网架输电线路l的潮流分布转移因子;Fl,max为输电线路l的功率输送限值;
3)常规火电机组运行约束如式(29)所示,
Pg,i,min≤Pg,i,t≤Pg,i,max (29)
式中,Pi,min和Pi,max分别为常规火电机组i的最小有功出力和最大有功出力;
4)常规火电机组爬坡约束如式(30)所示,
5)常规火电机组备用容量约束如式(31)所示,
6)常规火电机组最小运行时间约束如式(32)所示,
式中,Tu,i和Ui,0分别为常规机组i的最小启动运行时间和初始运行时间;
7)常规火电机组最小停机时间约束如式(33)所示,
8)常规火电机组开停机状态约束如式(34)所示,
yi,t-zi,t=ui,t-ui,t-1,yi,t+zi,t≤1 (34)
9)风电场出力约束如式(35)所示,
(3)热网运行约束包括热源供热功率约束、热网动态运行约束、储热罐的热功率约束和建筑物热动态约束,热源供热功率约束如式(1)所示,热网动态运行约束如式(2)至(14)所示,
在热电联产机组处配置储热罐提升其运行灵活性,储热罐的热功率约束如式(36)所示,
式中:和为分别为第s个储热罐在t时段的储热状态和放热状态;Hhs,s,t、分别为第s个储热罐在t时段的热功率、储热功率和放热功率; 分别为第s个储热罐的最小储热功率、最大储热功率、最小放热功率、最大放热功率;Ehs,s,t为第s个储热罐在t时段的储热量;Ehs,s,min、Ehs,s,max、Ehs,s,0为第s个储热罐的最小储热量、最大储热量、初始储热量;
考虑到建筑物对室内温度要求具有一定的弹性,通过优化调节可以提供一定的储热能力,建筑物热动态约束包括室内温度-建筑物的热量-调度时段耦合关系约束和室内温度范围约束;
室内温度-建筑物的热量-调度时段耦合关系约束如式(37)所示,
式中,τod,k,t、τid,k,t分别为建筑物k的室外温度、室内温度;χbt,k、tbhr,k分别为建筑物k的单位温差传热系数、热储备系数;
室内温度范围约束如式(38)所示,为了保证热负荷用户的用热舒适度,建筑物的室内温度要保持在合理的范围内。
上述电热综合能源系统两阶段随机优化调度模型第二阶段约束条件基于第一阶段确定的日前调度计划,第二阶段为应对实时风电随机场景的不确定性,对日前调度计划进行优化调整,最小化实时调整的期望成本,并且在日内实时调度阶段时,不再调整热网中热源的供热计划,仅对供电计划进行优化调整,优化调整调整过程中,场景s下的电功率平衡约束、常规火电机组爬坡约束、热电联产机组爬坡约束、风电功率、切负荷约束、备用容量约束、线路潮流约束如下:
1)场景s下的电功率平衡约束如式(39)所示,
2)场景s下的常规火电机组爬坡约束如式(40)至(41)所示,
3)场景s下的热电联产机组爬坡约束如式(42)至(43)所示,
4)场景s下的风电功率、切负荷约束如式(44)所示,
5)备用容量约束如式(45)至(46)所示,
线路潮流约束如式(47)所示,
上述步骤5中,基于所述电热综合能源系统两阶段随机优化调度模型,采用Yalmip工具箱结合商业化优化软件CPLEX进行求解,得到日前调度计划中电-热综合能源系统中常规火电机组的运行状态ui,t、发电功率Pg,i,t、提供的向上备用容量、向下备用容量热电联产机组的发电功率Pchp,h,t、供热功率Hchp,h,t、提供的向上备用容量、向下备用容量,储热罐的储热功率、放热功率,风电场的出力计划P w,t,用户建筑物内的温度τid,k,t,实现电-热综合能源系统的协调优化,提升系统运行的灵活性。
本发明综合考虑了电力系统和供热系统的灵活性,利用热力系统的动态运行特性和用能灵活特性,实现热电解耦,在保证供热质量的前提下提升电力系统的运行灵活性,拓宽风电的消纳区间,实现大规模风电并网消纳。
在电力系统方面,所构建的调度模型能够发挥常规火电机组的运行灵活性和提供备用的能力,热电联产机组通过与热力系统协调实现热电解耦,能够拓宽出力区间并发挥提供备用的能力。
在热力系统方面,综合考虑储热罐运行约束、热网的动态运行特性、建筑物热动态特性,挖掘供给侧,热网侧、热需求侧的综合储热特性和灵活运行特性,实现供电和供热的有效解耦,进而提升电力系统运行灵活性。基于风电动态随机场景,通过构建两阶段随机优化模型,最优化预测场景运行成本和随机场景的期望调节成本,能够兼顾电热综合能源系统的运行灵活性和调节灵活性。
本发明方法的优点在于考虑热力系统中储热罐运行模型、热网的动态运行特性、建筑物热动态特性,挖掘供给侧、热网侧、热需求侧的综合储热特性和灵活运行特性进而实现电-热供应解耦,同时考虑电力系统中常规火电机组和热电联产机组的运行灵活性和提供备用的能力,挖掘热、电系统的潜在灵活性,能够从整个综合能源系统范围内实现灵活性资源的协调优化,提升整体运行的灵活性,为调度运行人员提供更合理的供热和供电调度计划。
附图说明
附图1为本发明的流程图。
具体实施方式
本发明不受下述实施例的限制,可根据本发明的技术方案与实际情况来确定具体的实施方式。
本发明中,如无特别说明,使用的工具、软件均为现有公知公用的工具、软件。
下面结合实施例对本发明作进一步描述:
实施例:如附图1所示,该提升灵活性的电热综合能源系统两阶段随机优化调度方法,包括以下步骤:
步骤1,电力系统和热力系统的运行参数和历史运行数据的收集梳理;
步骤2,构建计及储热能力的热网动态特性模型;
步骤3,生成风电动态随机场景表征风电出力的随机特性;
步骤4,构建提升灵活性的电热综合能源系统两阶段随机优化调度模型;
步骤5,求解所述电热综合能源系统两阶段随机优化调度模型,得到电热综合能源系统调度计划。提升灵活性的电热综合能源系统两阶段随机优化调度模型中,第一阶段基于预测信息,满足电-热系统的运行约束,以系统运行成本最小为目标优化得到日前调度计划,第二阶段在第一阶段结果的基础上进行实时不确定场景下的再优化,即以风电随机场景下的备用调用成本、弃风成本和切负荷成本最小为目标进行调整优化,保证优化结果能够满足实时运行要求。
步骤2中,所述热网动态特性模型包括热源供热功率约束、热网动态运行约束和热负荷交换站运行约束;
步骤2.1,配置储热罐的热电联产机组作为热源共同向热网供热,热源供热功率约束(总供热功率约束)如式(1)所示,
式中,Hchp,h,t、Hhs,s,t分别为热电机组h及其配置的储热罐s在时段t的热功率;为热源与热网进行热量交换的热源换热站j在时段t的热水质流速率;和分别为热源交换站所在的管道节点n的供水管道入口和回水管道出口在时段t的热水温度;cwater为水的比热容;ICHP、IHS、T分别为热电联产机组、热源交换站、运行时段的集合;为与热源交换站相连的管道节点集合;
步骤2.2,热网动态运行约束包括节点质流速率连续性约束、节点温度混合约束、管道供水及回水温度约束和管道温度动态及热损耗特性;
步骤2.2.1,每个节点热水流入质流速率等于流出质流速率,供水和回水网络的节点质流速率连续约束如式(2)和式(3)所示,
步骤2.2.2,不同温度的热水从不同管道流经同一节点进行混合,混合后从该节点流入不同管道的热水温度保持相同,则节点温度混合约束(混合媒介的温度约束)如式(4)至式(7)所示,
步骤2.2.3,管道供水及回水温度约束如式(8)至式(11)所示,
步骤2.2.4,管道温度动态及热损耗特性为单个管道的热动态特性体现在管道供热媒介的温度传输时延和热损耗,其出口和入口热水温度的动态关系如(12)至式(14)所示,
式中,为管道周围的土壤温度;tphr,b为管道的热储备系数;Δt为调度时间间隔;γb为管道的供热延迟时间,tb是处理后的供热延迟时间,等于γb按照Δt离散化之后最近的整数,便于进行计算;ρwater为水的密度;Lb、Rb、μb、分别为管道长度、半径、热损失系数、热水的质流速率;
步骤2.3,热负荷交换站从热网获得热量用于满足用户的热负荷需求,则热负荷交换站运行约束如式(15)所示,
上述步骤3中,为了准确刻画风电的随机性和波动性,采用计及随机变量相关性的动态场景法生成风电出力场景集,风电动态随机场景生成的步骤如下:
步骤3.1,对风电功率预测值、实测值、预测误差组成的历史数据进行标幺化处理,将历史数据按照风电预测值划分为N个预测箱,每个预测箱含有NL个数据组,各预测箱误差样本从到大排序为拟合得到预测误差e的累计经验分布函数,如式(16)所示,进而基于日前各时段的风电预测值确定各时段所在的预测箱的累积概率分布函数;
步骤3.2,生成Ns个服从多元联合标准正态分布的随机向量Z=(Z1,Z2...ZT)′,Z~N(μ0,Σ),μ0为T维零向量,协方差矩阵Σ如式(17)所示,
步骤3.3,通过等概率逆变换,将Ns个服从多元标准正态分布的随机向量转化为具有相关性的风电功率误差场景值e,进而将不同时段的误差场景值和预测值相加后并将其转换为有名值,得到Ns个风电动态随机场景,
式中:Φ为标准正态分布的累积概率分布函数。
上述步骤4中,所述电热综合能源系统两阶段随机优化调度模型以第一阶段的日前调度成本FDA和第二阶段的随机场景下的实时调整成本期望FRT之和F最小为目标函数,如式(20)所示;第一部分为日前阶段的调度成本FDA,包括常规火电机组运行成本(开停机成本、发电成本、备用容量成本),热电联产机组运行成本(发电成本、备用容量成本),弃风惩罚成本,如式(21)所示;第二部分为实时阶段的调度成本FRT,包括常规火电机组备用调用成本期望值、热电联产机组备用调用成本期望值、非自愿切负荷和弃风成本期望值,如式(22)所示;
minF=min(FDA+FRT) (20)
式中,ui,t、yi,t、zi,t分别为常规火电机组i的运行状态变量、启动变量、停机变量;SU,i和SD,i分别为常规火电机组i单次启动成本和停机成本;a1,i、a2,i、a3,i为常规火电机组i的发电成本系数;Pg,i,t为常规火电机组i的发电功率;和分别为常规火电机组i提供的向上备用和价格系数;和分别为常规火电机组i提供的向下备用和价格系数;Pchp,h,t和Hchp,h,t分别为热电联产机组h的发电功率和热功率;b1,h、b2,h、b3,h、b4,h、b5,h、b6,h为热电联产机组的运行成本系数;和分别为热电联产机组h提供的向上备用和价格系数;和分别为热电联产机组h提供的向下备用和价格系数;和Pw,t为风电场w的预测功率和调度功率;Cwind为弃风惩罚成本系数;和分别为常规火电机组i在场景s中调用的向上备用和调用能量价格系数;和分别为常规火电机组i在场景s中调用的向下备用和调用能量价格系数;和分别为热电联产机组h在场景s中调用的向上备用和调用能量价格系数;和分别为热电联产机组h在场景s中调用的向下备用和调用价格系数;和为场景s下的切负荷功率和切负荷惩罚成本系数;和Pw,t,s为风电场w在场景s的实际功率和调度功率;Nchp、Ng、Nw、Nload、Ns分别为热电联产机组、常规火电机组、风电场、用电负荷、随机场景的数量;ps为场景s的概率;
所述电热综合能源系统两阶段随机优化调度模型第一阶段日前调度约束条件是指预测场景下的日前调度约束条件,包括耦合元件运行约束、电网运行约束和热网运行约束,
(1)耦合元件运行约束即热电联产机组运行约束,热电联产机组运行约束包括电出力和热出力运行约束、热电联产机组爬坡约束以及热电机组调节灵活性备用约束;
抽气式热电联产机组的运行域是一个多面体,其电出力和热出力运行约束如式(23)所示,
式中:分别为热电联产机组h纯凝工况下的最大、最小的发电功率;Cv,h为热电联产机组h总进气量恒定时抽取单位供热量下发电功率的减小量;Cm,h为热电联产机组h背压状态运行下的电功率和热功率的弹性系数;为热电联产机组最大热出力;Ck,h为常数项;
热电联产机组爬坡约束如式(24)所示,
热电机组调节灵活性备用约束如式(25)至(26)所示,
(2)电网运行约束包括电功率平衡约束、线路潮流约束和常规火电机组运行约束、常规火电机组爬坡约束、常规火电机组备用容量约束、常规火电机组最小运行时间约束、常规火电机组最小停机时间约束、常规火电机组开停机状态约束、风电场出力约束;
1)电功率平衡约束如式(27)所示,
式中,Pd,t为负荷d的用电功率;
2)线路潮流约束如式(28)所示,
式中,λh,l、λi,l、λw,l、λd,l分别为热电联产机组h、常规火电机组i、风电场w、负荷d对网架输电线路l的潮流分布转移因子;Fl,max为输电线路l的功率输送限值;
3)常规火电机组运行约束如式(29)所示,
Pg,i,min≤Pg,i,t≤Pg,i,max (29)
式中,Pi,min和Pi,max分别为常规火电机组i的最小有功出力和最大有功出力;
4)常规火电机组爬坡约束如式(30)所示,
5)常规火电机组备用容量约束如式(31)所示,
6)常规火电机组最小运行时间约束如式(32)所示,
式中,Tu,i和Ui,0分别为常规机组i的最小启动运行时间和初始运行时间;
7)常规火电机组最小停机时间约束如式(33)所示,
8)常规火电机组开停机状态约束如式(34)所示,
yi,t-zi,t=ui,t-ui,t-1,yi,t+zi,t≤1 (34)
9)风电场出力约束如式(35)所示,
(3)热网运行约束包括热源供热功率约束、热网动态运行约束、储热罐的热功率约束和建筑物热动态约束,热源供热功率约束如式(1)所示,热网动态运行约束如式(2)至(14)所示,
在热电联产机组处配置储热罐提升其运行灵活性,储热罐的热功率约束如式(36)所示,
式中:和为分别为第s个储热罐在t时段的储热状态和放热状态;Hhs,s,t、分别为第s个储热罐在t时段的热功率、储热功率和放热功率; 分别为第s个储热罐的最小储热功率、最大储热功率、最小放热功率、最大放热功率;Ehs,s,t为第s个储热罐在t时段的储热量;Ehs,s,min、Ehs,s,max、Ehs,s,0为第s个储热罐的最小储热量、最大储热量、初始储热量;
考虑到建筑物对室内温度要求具有一定的弹性,通过优化调节可以提供一定的储热能力,建筑物热动态约束包括室内温度-建筑物的热量-调度时段耦合关系约束和室内温度范围约束;
室内温度-建筑物的热量-调度时段耦合关系约束如式(37)所示,
式中,τod,k,t、τid,k,t分别为建筑物k的室外温度、室内温度;χbt,k、tbhr,k分别为建筑物k的单位温差传热系数、热储备系数;
室内温度范围约束如式(38)所示,
所述电热综合能源系统两阶段随机优化调度模型第二阶段约束条件基于第一阶段确定的日前调度计划,第二阶段为应对实时风电随机场景的不确定性,对日前调度计划进行优化调整,最小化实时调整的期望成本,并且在日内实时调度阶段时,不再调整热网中热源的供热计划,仅对供电计划进行优化调整,优化调整调整过程中,场景s下的电功率平衡约束、常规火电机组爬坡约束、热电联产机组爬坡约束、风电功率、切负荷约束、备用容量约束、线路潮流约束如下:
1)场景s下的电功率平衡约束如式(39)所示,
2)场景s下的常规火电机组爬坡约束如式(40)至(41)所示,
3)场景s下的热电联产机组爬坡约束如式(42)至(43)所示,
4)场景s下的风电功率、切负荷约束如式(44)所示,
5)备用容量约束如式(45)至(46)所示,
线路潮流约束如式(47)所示,
所述步骤5中,基于所述电热综合能源系统两阶段随机优化调度模型,采用Yalmip工具箱结合商业化优化软件CPLEX进行求解,得到日前调度计划中电-热综合能源系统中常规火电机组的运行状态ui,t、发电功率Pg,i,t、提供的向上备用容量、向下备用容量热电联产机组的发电功率Pchp,h,t、供热功率Hchp,h,t、提供的向上备用容量向下备用容量,储热罐的储热功率、放热功率,风电场的出力计划Pw,t,用户建筑物内的温度τid,k,t,实现电-热综合能源系统的协调优化,提升系统运行的灵活性。
以上技术特征构成了本发明的实施例,其具有较强的适应性和实施效果,可根据实际需要增减非必要的技术特征,来满足不同情况的需求。
Claims (7)
1.一种提升灵活性的电热综合能源系统两阶段随机优化调度方法,其特征在于包括以下步骤:
步骤1,电力系统和热力系统的运行参数和历史运行数据的收集梳理;
步骤2,构建计及储热能力的热网动态特性模型;
步骤3,生成风电动态随机场景表征风电出力的随机特性;
步骤4,构建提升灵活性的电热综合能源系统两阶段随机优化调度模型;
步骤5,求解所述电热综合能源系统两阶段随机优化调度模型,得到电热综合能源系统调度计划。
2.根据权利要求1所述的提升灵活性的电热综合能源系统两阶段随机优化调度方法,其特征在于步骤2中,所述热网动态特性模型包括热源供热功率约束、热网动态运行约束和热负荷交换站运行约束;
步骤2.1,配置储热罐的热电联产机组作为热源共同向热网供热,热源供热功率约束如式(1)所示,
式中,Hchp,h,t、Hhs,s,t分别为热电机组h及其配置的储热罐s在时段t的热功率;为热源与热网进行热量交换的热源换热站j在时段t的热水质流速率;和分别为热源交换站所在的管道节点n的供水管道入口和回水管道出口在时段t的热水温度;cwater为水的比热容;ICHP、IHS、T分别为热电联产机组、热源交换站、运行时段的集合;为与热源交换站相连的管道节点集合;
步骤2.2,热网动态运行约束包括节点质流速率连续性约束、节点温度混合约束、管道供水及回水温度约束和管道温度动态及热损耗特性;
步骤2.2.1,每个节点热水流入质流速率等于流出质流速率,供水和回水网络的节点质流速率连续约束如式(2)和式(3)所示,
步骤2.2.2,不同温度的热水从不同管道流经同一节点进行混合,混合后从该节点流入不同管道的热水温度保持相同,则节点温度混合约束如式(4)至式(7)所示,
步骤2.2.3,管道供水及回水温度约束如式(8)至式(11)所示,
步骤2.2.4,管道温度动态及热损耗特性为单个管道的热动态特性体现在管道供热媒介的温度传输时延和热损耗,其出口和入口热水温度的动态关系如(12)至式(14)所示,
式中,为管道周围的土壤温度;tphr,b为管道的热储备系数;Δt为调度时间间隔;γb为管道的供热延迟时间,tb是处理后的供热延迟时间,等于γb按照Δt离散化之后最近的整数,便于进行计算;ρwater为水的密度;Lb、Rb、μb、分别为管道长度、半径、热损失系数、热水的质流速率;
步骤2.3,热负荷交换站从热网获得热量用于满足用户的热负荷需求,则热负荷交换站运行约束如式(15)所示,
3.根据权利要求1或2所述的提升灵活性的电热综合能源系统两阶段随机优化调度方法,其特征在于步骤3中,风电动态随机场景生成的步骤如下:
步骤3.1,对风电功率预测值、实测值、预测误差组成的历史数据进行标幺化处理,将历史数据按照风电预测值划分为N个预测箱,每个预测箱含有NL个数据组,各预测箱误差样本从到大排序为拟合得到预测误差e的累计经验分布函数如式(16)所示,进而基于日前各时段的风电预测值确定各时段所在的预测箱的累积概率分布函数;
步骤3.2,生成Ns个服从多元联合标准正态分布的随机向量Z=(Z1,Z2...ZT)′,Z~N(μ0,Σ),μ0为T维零向量,协方差矩阵Σ如式(17)所示,
步骤3.3,通过等概率逆变换,将Ns个服从多元标准正态分布的随机向量转化为具有相关性的风电功率误差场景值e,进而将不同时段的误差场景值和预测值相加后并将其转换为有名值,得到Ns个风电动态随机场景,
式中:Φ为标准正态分布的累积概率分布函数。
4.根据权利要求3所述的提升灵活性的电热综合能源系统两阶段随机优化调度方法,其特征在于步骤4中,所述电热综合能源系统两阶段随机优化调度模型以第一阶段的日前调度成本FDA和第二阶段的随机场景下的实时调整成本期望FRT之和F最小为目标函数,如式(20)所示;第一部分为日前阶段的调度成本FDA,包括常规火电机组运行成本热电联产机组运行成本弃风惩罚成本如式(21)所示;第二部分为实时阶段的调度成本FRT,包括常规火电机组备用调用成本期望值热电联产机组备用调用成本期望值非自愿切负荷和弃风成本期望值如式(22)所示;
min F=min(FDA+FRT) (20)
式中,ui,t、yi,t、zi,t分别为常规火电机组i的运行状态变量、启动变量、停机变量;SU,i和SD,i分别为常规火电机组i单次启动成本和停机成本;a1,i、a2,i、a3,i为常规火电机组i的发电成本系数;Pg,i,t为常规火电机组i的发电功率;和分别为常规火电机组i提供的向上备用和价格系数;和分别为常规火电机组i提供的向下备用和价格系数;Pchp,h,t和Hchp,h,t分别为热电联产机组h的发电功率和热功率;b1,h、b2,h、b3,h、b4,h、b5,h、b6,h为热电联产机组的运行成本系数;和分别为热电联产机组h提供的向上备用和价格系数;和分别为热电联产机组h提供的向下备用和价格系数;和Pw,t为风电场w的预测功率和调度功率;Cwind为弃风惩罚成本系数;和分别为常规火电机组i在场景s中调用的向上备用和调用能量价格系数;和分别为常规火电机组i在场景s中调用的向下备用和调用能量价格系数;和分别为热电联产机组h在场景s中调用的向上备用和调用能量价格系数;和分别为热电联产机组h在场景s中调用的向下备用和调用价格系数;和Cload为场景s下的切负荷功率和切负荷惩罚成本系数;和Pw,t,s为风电场w在场景s的实际功率和调度功率;Nchp、Ng、Nw、Nload、Ns分别为热电联产机组、常规火电机组、风电场、用电负荷、随机场景的数量;ps为场景s的概率。
5.根据权利要求4所述的提升灵活性的电热综合能源系统两阶段随机优化调度方法,其特征在于电热综合能源系统两阶段随机优化调度模型第一阶段日前调度约束条件是指预测场景下的日前调度约束条件,包括耦合元件运行约束、电网运行约束和热网运行约束,
(1)耦合元件运行约束即热电联产机组运行约束,热电联产机组运行约束包括电出力和热出力运行约束、热电联产机组爬坡约束以及热电机组调节灵活性备用约束;
抽气式热电联产机组的运行域是一个多面体,其电出力和热出力运行约束如式(23)所示,
式中:分别为热电联产机组h纯凝工况下的最大、最小的发电功率;Cv,h为热电联产机组h总进气量恒定时抽取单位供热量下发电功率的减小量;Cm,h为热电联产机组h背压状态运行下的电功率和热功率的弹性系数;为热电联产机组最大热出力;Ck,h为常数项;
热电联产机组爬坡约束如式(24)所示,
热电机组调节灵活性备用约束如式(25)至(26)所示,
(2)电网运行约束包括电功率平衡约束、线路潮流约束和常规火电机组运行约束、常规火电机组爬坡约束、常规火电机组备用容量约束、常规火电机组最小运行时间约束、常规火电机组最小停机时间约束、常规火电机组开停机状态约束、风电场出力约束;
1)电功率平衡约束如式(27)所示,
式中,Pd,t为负荷d的用电功率;
2)线路潮流约束如式(28)所示,
式中,λh,l、λi,l、λw,l、λd,l分别为热电联产机组h、常规火电机组i、风电场w、负荷d对网架输电线路l的潮流分布转移因子;Fl,max为输电线路l的功率输送限值;
3)常规火电机组运行约束如式(29)所示,
Pg,i,min≤Pg,i,t≤Pg,i,max (29)
式中,Pi,min和Pi,max分别为常规火电机组i的最小有功出力和最大有功出力;
4)常规火电机组爬坡约束如式(30)所示,
5)常规火电机组备用容量约束如式(31)所示,
6)常规火电机组最小运行时间约束如式(32)所示,
式中,Tu,i和Ui,0分别为常规机组i的最小启动运行时间和初始运行时间;
7)常规火电机组最小停机时间约束如式(33)所示,
8)常规火电机组开停机状态约束如式(34)所示,
yi,t-zi,t=ui,t-ui,t-1,yi,t+zi,t≤1 (34)
9)风电场出力约束如式(35)所示,
(3)热网运行约束包括热源供热功率约束、热网动态运行约束、储热罐的热功率约束和建筑物热动态约束,热源供热功率约束如式(1)所示,热网动态运行约束如式(2)至(14)所示,储热罐的热功率约束如式(36)所示,
式中:和为分别为第s个储热罐在t时段的储热状态和放热状态;Hhs,s,t、分别为第s个储热罐在t时段的热功率、储热功率和放热功率; 分别为第s个储热罐的最小储热功率、最大储热功率、最小放热功率、最大放热功率;Ehs,s,t为第s个储热罐在t时段的储热量;Ehs,s,min、Ehs,s,max、Ehs,s,0为第s个储热罐的最小储热量、最大储热量、初始储热量;
建筑物热动态约束包括室内温度-建筑物的热量-调度时段耦合关系约束和室内温度范围约束;
室内温度-建筑物的热量-调度时段耦合关系约束如式(37)所示,
式中,τod,k,t、τid,k,t分别为建筑物k的室外温度、室内温度;χbt,k、tbhr,k分别为建筑物k的单位温差传热系数、热储备系数;
室内温度范围约束如式(38)所示,
6.根据权利要求5所述的提升灵活性的电热综合能源系统两阶段随机优化调度方法,其特征在于所述电热综合能源系统两阶段随机优化调度模型第二阶段约束条件基于第一阶段确定的日前调度计划,第二阶段为应对实时风电随机场景的不确定性,对日前调度计划进行优化调整,最小化实时调整的期望成本,并且在日内实时调度阶段时,不再调整热网中热源的供热计划,仅对供电计划进行优化调整,优化调整调整过程中,场景s下的电功率平衡约束、常规火电机组爬坡约束、热电联产机组爬坡约束、风电功率、切负荷约束、备用容量约束、线路潮流约束如下:
1)场景s下的电功率平衡约束如式(39)所示,
2)场景s下的常规火电机组爬坡约束如式(40)至(41)所示,
3)场景s下的热电联产机组爬坡约束如式(42)至(43)所示,
4)场景s下的风电功率、切负荷约束如式(44)所示,
5)备用容量约束如式(45)至(46)所示,
线路潮流约束如式(47)所示,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111470302.1A CN114154328A (zh) | 2021-12-03 | 2021-12-03 | 提升灵活性的电热综合能源系统两阶段随机优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111470302.1A CN114154328A (zh) | 2021-12-03 | 2021-12-03 | 提升灵活性的电热综合能源系统两阶段随机优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114154328A true CN114154328A (zh) | 2022-03-08 |
Family
ID=80452579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111470302.1A Withdrawn CN114154328A (zh) | 2021-12-03 | 2021-12-03 | 提升灵活性的电热综合能源系统两阶段随机优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114154328A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114997457A (zh) * | 2022-03-22 | 2022-09-02 | 武汉大学 | 基于集中供热系统储热特性的热电联产机组灵活性优化调度方法 |
CN116306030A (zh) * | 2023-05-16 | 2023-06-23 | 南方电网数字电网研究院有限公司 | 考虑预测误差和波动分布的新能源预测动态场景生成方法 |
CN116341881A (zh) * | 2023-05-29 | 2023-06-27 | 山东大学 | 计及热网灵活性的电-热系统鲁棒超前调度方法及系统 |
CN116523279A (zh) * | 2023-07-05 | 2023-08-01 | 国网湖北省电力有限公司经济技术研究院 | 一种计及调频需求的灵活性资源配置方案的确定方法 |
-
2021
- 2021-12-03 CN CN202111470302.1A patent/CN114154328A/zh not_active Withdrawn
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114997457A (zh) * | 2022-03-22 | 2022-09-02 | 武汉大学 | 基于集中供热系统储热特性的热电联产机组灵活性优化调度方法 |
CN116306030A (zh) * | 2023-05-16 | 2023-06-23 | 南方电网数字电网研究院有限公司 | 考虑预测误差和波动分布的新能源预测动态场景生成方法 |
CN116341881A (zh) * | 2023-05-29 | 2023-06-27 | 山东大学 | 计及热网灵活性的电-热系统鲁棒超前调度方法及系统 |
CN116341881B (zh) * | 2023-05-29 | 2023-08-18 | 山东大学 | 计及热网灵活性的电-热系统鲁棒超前调度方法及系统 |
CN116523279A (zh) * | 2023-07-05 | 2023-08-01 | 国网湖北省电力有限公司经济技术研究院 | 一种计及调频需求的灵活性资源配置方案的确定方法 |
CN116523279B (zh) * | 2023-07-05 | 2023-09-22 | 国网湖北省电力有限公司经济技术研究院 | 一种计及调频需求的灵活性资源配置方案的确定方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109063925B (zh) | 一种计及负荷聚合商的区域综合能源系统优化运行方法 | |
CN114154328A (zh) | 提升灵活性的电热综合能源系统两阶段随机优化调度方法 | |
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 | |
CN108596453A (zh) | 考虑网络动态特性的综合能源系统日前优化调度方法及系统 | |
Moazeni et al. | Step towards energy-water smart microgrids; buildings thermal energy and water demand management embedded in economic dispatch | |
Gao et al. | Technologies in smart district heating system | |
CN116341881B (zh) | 计及热网灵活性的电-热系统鲁棒超前调度方法及系统 | |
CN113725915A (zh) | 一种考虑可再生能源不确定性和热惰性的乡村电热综合能源系统运行优化方法 | |
CN113792969A (zh) | 考虑气网动态特性和电转气综合能源系统优化调度方法 | |
CN113708363A (zh) | 一种电热联合系统的调度灵活性评估方法及系统 | |
Xu et al. | Optimal multi-energy portfolio towards zero carbon data center buildings in the presence of proactive demand response programs | |
CN111146819B (zh) | 一种考虑热网特性的电热联合系统辅助服务调度方法 | |
CN109167396A (zh) | 一种基于建筑热惯性的抽汽式热电联产机组调频能力挖掘方法 | |
Wu et al. | Day-ahead optimal dispatch with CHP and wind turbines based on room temperature control | |
Cen et al. | Research on optimal operation of regional integrated energy system considering virtual energy storage characteristics of buildings | |
CN116451945A (zh) | 考虑管道水力动态的电热综合能源虚拟电厂优化调度方法 | |
CN114188942A (zh) | 一种包含大规模新能源基地的电网调度方法 | |
CN113065759A (zh) | 一种考虑能源品质的综合能源系统优化调度方法和系统 | |
Yang et al. | Dual-layer flexibility dispatching of distributed integrated energy systems incorporating resilient heating schemes based on the standardized thermal resistance method | |
Chaudhry et al. | Enhancing operational optimization of district heating substations through refined estimations of network campus buildings heat demands to achieve a low return from the network | |
Cao et al. | Online optimization of heat pump systems for building heating based on Lyapunov method | |
Wang et al. | Strategies for Hybrid Time-Scale Energy Management of Integrated Energy Systems | |
CN111025912B (zh) | 面向调峰的微电网差异化调度控制系统及其方法 | |
Wenfei et al. | Optimal Operation Strategy of Virtual Power Plant with Building Inverter Air Conditioner | |
Tomin et al. | Distributed Multienergy System Flexibility Management using Advanced Optimization Techniques |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20220308 |