CN114202176A - 一种综合能源系统优化调度方法、系统、设备及存储介质 - Google Patents

一种综合能源系统优化调度方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN114202176A
CN114202176A CN202111428206.0A CN202111428206A CN114202176A CN 114202176 A CN114202176 A CN 114202176A CN 202111428206 A CN202111428206 A CN 202111428206A CN 114202176 A CN114202176 A CN 114202176A
Authority
CN
China
Prior art keywords
power
load
scheduling
demand response
energy
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
Application number
CN202111428206.0A
Other languages
English (en)
Inventor
盛万兴
惠慧
李蕊
李鹏丽
闫涛
马宁
刘伟
陈海
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
China Electric Power Research Institute Co Ltd CEPRI
State Grid Shanghai Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Shanghai 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, China Electric Power Research Institute Co Ltd CEPRI, State Grid Shanghai Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202111428206.0A priority Critical patent/CN114202176A/zh
Publication of CN114202176A publication Critical patent/CN114202176A/zh
Pending legal-status Critical Current

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
    • G06Q10/06—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
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种综合能源系统优化调度方法、系统、设备及存储介质，包括：获取调度范围内各调度区域中各负荷的预测需求、需求响应参数、综合能源系统中各设备参数和各设备的输出功率；利用负荷需求响应弹性模型对各负荷的预测需求进行调节；将调节后的预测需求、需求响应参数、综合能源系统各设备参数和输出功率代入以日运行成本最小为目标的调度模型，进行求解，得到各设备出力方案，经过结果分析发现需求响应可以通过电价改变用户用能习惯，使电负荷曲线明显趋于平缓，起到了削峰填谷的作用；其次本发明以日运行成本最小为目标实现了多区域的优化，使综合能源系统的经济性得到有效地提高；另外本发明通过GUI可以将程序可视化，更好的为用户使用。

Description

一种综合能源系统优化调度方法、系统、设备及存储介质
技术领域
本发明涉及能源互联网规划技术领域，具体涉及一种综合能源系统优化调度方法、系统、设备及存储介质。
背景技术
能源是保障人类社会生存和发展的基础，以煤炭为主的化石能源在过去较长的一段时间维持了经济社会的发展，为第二次工业革命提供了基础和动力，但其同时也给环境保护带来严峻挑战。快速的经济发展和物质需求导致煤炭资源趋于紧张，过去粗放的能源消费和污染排放也将导致环境恶化和气候变化。所以，如何合理开发自然资源、开拓可再生能源利用方式、可持续发展现代社会是全球着重关注的问题。
在这种背景下，综合能源系统(Integrated energy system,IES)的概念应运而生，这个概念破除了以往传统能源系统的包含技术、市场和管理等重重阻碍与区分，并且能够将冷、热、电、气等多种形式的能源融合在一个系统里，完成高度协调高效的调度运行。综合能源系统可以实现横向多源互补，纵向“源—网—荷—储”协调，能源与信息高度融合的新型能源体系，其对能源高效利用有着重要的意义，被美国经济学家杰里米·里夫金称为“第三次工业革命”，因此综合能源系统也势必将成为未来能源系统的主要形态。综合能源系统指由能源生产交换设备(联供系统、发电机、锅炉等设备)、储能系统(蓄电、蓄热、蓄冷等)、供能网络(如电网、热网、天然气网等)以及大量终端用户构成的并且在对于系统初步规划、结构建设和协同运行等过程中，对能源的生产、传输、调度、存储、消费等环节进行优化协调与规划后，形成的能源生产消费同一体的系统。综合能源系统涉及电、冷、热、电等多元化领域，将不同的能源形式通过有效规划，实现能源梯级利用，提高能源利用，并能加强对新能源的消纳能力，实现多能互补，满足用户多能需求，增强能源网络的可靠性与合理性。综上所述，综合能源系统既能增强能源的利用效率，又可以提高可再生能源的使用，不仅如此，其对能源供用系统安全性、经济性等方面都具有提升效果。因此，具有能源利用率高、排放污染小、系统运行调节方便灵活等诸多优点的综合能源系统也正被全世界的研究机构与政府提高关注。
目前针对综合能源系统优化调度有很多方法，有些是考虑综合能源系统中所有能源的配合情况，降低输出波动性的，有的是考虑能源品质精确反映综合能源系统运行状态的，由此可见现有技术仅通过能源的供给对能源系统提供优化调度，但是并没有对能源的有效利用给出优化方法，同时也没有给出平衡负荷的办法，使能源调度与能源利用脱节，没有实现对能源最大程度的利用。
发明内容
为了解决现有技术中所存在的问题，本发明提供一种综合能源系统优化调度方法，包括：
基于调度时段，获取调度范围内各调度区域中各负荷的预测需求、需求响应参数、综合能源系统中各设备参数和各设备的输出功率；
利用预先确定的负荷需求响应弹性模型对各负荷的预测需求进行调节；
将调节后的各区域中的各负荷的预测需求、需求响应参数、综合能源系统各设备参数和输出功率代入预先构建的调度模型，进行求解，得到各设备出力方案；
其中，所述调度模型在满足各区域中各负荷的需求的基础上以日运行成本最小为目标结合多调度区域间功率交换而确定；所述负荷需求响应弹性模型基于历史负荷需求响应电价数据结合价格弹性模型而确定。
优选的，所述各设备输出功率的获取包括：
获取天气数据，并将所述天气数据代入预先构建的设备模型进行计算得到各设备输出功率；
其中所述设备模型包括：风机发电设备模型、光伏发电设备模型、能量转换设备模型和储能装置模型。
优选的，所述负荷需求响应弹性模型的构建包括：
基于历史调度周期内各时段参与需求响应前的负荷、需求响应前的电价、参与需求响应前后负荷变化量和需求响应前后电价变化量结合价格弹性模型确定各时段弹性系数；
基于调度周期内所有时段的弹性系数构建价格弹性矩阵；
基于调度周期内各时段各负荷的预测需求、价格弹性矩阵、需求响应前后电价变化量和需求响应前的电价构建负荷需求响应弹性模型；
所述弹性系数包括自弹性系数和互弹性系数。
优选的，所述负荷需求响应弹性模型的计算式如下：
Figure BDA0003378409950000031
式中，Pload为需求响应后的电负荷需求预测；P1、P2、...、Pt为历史调度周期中各时段需求响应前的电负荷需求预测，E为电力价格弹性矩阵，ΔC1、ΔC2、...ΔCt为需求响应前后的电价变化量；C1、C2、...Ct为需求响应前的电价。
优选的，所述调度模型的构建包括：
以一个调度周期为时间间隔，为满足调度范围内多个调度区域中各负荷需求的基础上以综合能源系统日运行成本最小为目标构建目标函数；
为所述目标函数设定约束条件；
所述约束条件包括：负荷与出力功率平衡约束、区域间能量交换约束、设备出力约束、购电量约束、储能约束；
所述设备包括：新能源发电设备、燃气锅炉、燃气轮机、制冷机、热电联产设备；所述新能源发电设备包括：光伏发电设备和风力发电设备；
所述目标函数中各负荷的单位为统一的能量单位。
优选的，所述负荷类型包括：冷、热、电。
优选的，所述目标函数如下式：
Figure BDA0003378409950000032
式中，n为区域编号；t为调度周期内的时段编号；Cpower为电能销售价格；Pgrid,t为t时段向电网购电功率；Fyw为设备运维成本；PGT,t为燃气轮机发电功率；PGB,t为燃气锅炉热功率；PCHP,t为chp机组发电功率；ηGT为燃气轮机发电效率；ηGB为燃气锅炉发电效率；ηCHP为chp机组发电效率；CGB为天然气的价格；qGB为天然气热值。
优选的，所述负荷与出力功率平衡约束如下式：
Figure BDA0003378409950000041
Figure BDA0003378409950000042
Figure BDA0003378409950000043
式中，n为区域编号；t为调度周期内的时段编号；
Figure BDA0003378409950000044
分别为系统电负荷，热负荷，冷负荷；
Figure BDA0003378409950000045
为电制冷机消耗的电功率；
Figure BDA0003378409950000046
为电储能充电功率；
Figure BDA0003378409950000047
为电储能放电功率；
Figure BDA0003378409950000048
为光伏发电功率；
Figure BDA0003378409950000049
为风力发电电功率；
Figure BDA00033784099500000410
为热储能充热功率；
Figure BDA00033784099500000411
为热储能放热功率；
Figure BDA00033784099500000412
为吸收式制冷机消耗的热功率；
Figure BDA00033784099500000413
为冷储能充冷功率；
Figure BDA00033784099500000414
为n区域接受c 区域提供电能功率；
Figure BDA00033784099500000415
为n区域向f区域提供电能功率；
Figure BDA00033784099500000416
为n区域接受c区域提供热能功率；
Figure BDA00033784099500000417
为n区域向f区域提供热能功率；
Figure BDA00033784099500000418
为冷储能放冷功率；
Figure BDA00033784099500000419
为电制冷机制冷效率；
Figure BDA00033784099500000420
为吸收式制冷机效率；
Figure BDA00033784099500000421
为chp机组热电生产比。
优选的，所述将调节后的各区域中的各负荷的预测需求、需求响应参数、综合能源系统各设备参数和输出功率代入预先构建的调度模型进行求解，得到各设备出力方案，包括：
以时段作为分段对所述调度模型进行分段线性化求解，得到各设备出力方案。
基于同一种发明构思本发明还提供一种综合能源系统优化调度系统，包括：
获取模块，基于调度时段，获取调度范围内各调度区域中各负荷的预测需求、需求响应参数、综合能源系统中各设备参数和各设备的输出功率；
调节模块，利用预先确定的负荷需求响应弹性模型对各负荷的预测需求进行调节；
方案确定模块：将调节后的各区域中的各负荷的预测需求、需求响应参数、综合能源系统各设备参数和输出功率代入预先构建的调度模型，进行求解，得到各设备出力方案；
其中，所述调度模型在满足各区域中各负荷的需求的基础上以日运行成本最小为目标结合多调度区域间功率交换而确定；所述负荷需求响应弹性模型基于历史负荷需求响应电价数据结合价格弹性模型而确定。
基于同一种发明构思，本发明还提供一种计算机设备，其特征在于，包括：一个或多个处理器，
所述处理器，用于执行一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时实现本发明提供的一种综合能源系统优化调度方法。
基于同一种发明构思，本发明还提供一种计算机可读存储介质，其特征在于，其上存有计算机程序，当所述程序被执行时，实现本发明提供的一种综合能源系统优化调度方法。
与现有技术相比，本发明的有益效果为：
本发明提供的一种综合能源系统优化调度方法及系统包括：基于调度时段，获取调度范围内各调度区域中各负荷的预测需求、需求响应参数、综合能源系统中各设备参数和各设备的输出功率；利用预先确定的负荷需求响应弹性模型对各负荷的预测需求进行调节；将调节后的各区域中的各负荷的预测需求、需求响应参数、综合能源系统各设备参数和输出功率代入预先构建的调度模型，进行求解，得到各设备出力方案；其中，所述调度模型在满足各区域中各负荷的需求的基础上以日运行成本最小为目标结合多调度区域间功率交换而确定；所述负荷需求响应弹性模型基于历史负荷需求响应电价数据结合价格弹性模型而确定；本发明考虑区域间功率交换的多个综合能源系统的构成，并建立了价格型需求响应的调度模型，经过结果分析发现在需求响应可以通过电价改变用户用能习惯，电负荷曲线明显趋于平缓，其负荷曲线的最大、最小值之差小于需求响应前曲线的最大、最小值之差，起到了削峰填谷的作用，使各种能源得到了最大程度的利用；
本发明提供的一种综合能源系统优化调度方法及系统在考虑多个区域的需求响应及功率交换的基础上，以日运行成本最小为目标实现了多个区域的优化，结果表明在考虑了需求响应后，综合能源系统的经济性得到有效地提高；
本发明提供的一种综合能源系统优化调度方法及系统构建了计及需求响应及区域间功率交换的综合能源优化调度系统的多区域间的综合能源系统的MATLAB GUI，通过GUI可以将程序可视化，更好的为用户使用。
附图说明
图1为本发明的综合能源系统优化调度方法流程图；
图2为本发明的流程求解图；
图3为本发明的典型综合能源系统结构图；
图4为本发明的多区域综合能源系统结构图；
图5为实施例2的区域1的电、热、冷负荷及需求响应后的电负荷；
图6为实施例2的区域2的电、热、冷负荷及需求响应后的电负荷；
图7为实施例2的区域3的电、热、冷负荷及需求响应后的电负荷；
图8为实施例2的考虑需求响应后负荷变化情况；
图9为实施例2的考虑需求响应后负荷变化的数值；
图10为实施例2的区域1电负荷优化结果；
图11为实施例2的区域2电负荷优化结果；
图12为实施例2的区域3电负荷优化结果；
图13为实施例2的区域1热负荷优化结果；
图14为实施例2的区域2热负荷优化结果；
图15为实施例2的区域3热负荷优化结果；
图16为实施例2的区域1冷负荷优化结果；
图17为实施例2的区域2冷负荷优化结果；
图18为实施例2的区域3冷负荷优化结果；
图19为本发明的综合能源系统优化调度系统结构图。
具体实施方式
本世纪初期的加州电力危机以及中国南方电力短缺事件，都使人们意识到灵活的需求侧调整能力对电力系统经济、安全、可靠运行的重要作用，需求侧管理 (Demand SideManagement，DSM)技术越来越引起人们的重视。需求侧管理是指通过政策引导用户优化用电方式，强调信息和能量在供、用主体间的双向互动，是智能电网的一个重要特征。需求响应(Demand Response，DR)是DSM的短期负荷响应行为和市场机制，旨在利用价格信号和激励机制引导用户在峰荷期间削减或转移负荷，缓解电力供应资源紧张的局势，促进能源系统的稳定运行。通过实施需求响应措施来科学配置电能资源，调度需方资源解决电力供应和需求之间的矛盾，可以有效缓解电力短缺的情况，削峰填谷，降低供电成本，提高电力负荷率，达到节约资源、促进发展和保护环境的目的。通过调整用户的用电需求和用电时间的选择权，使其间接参与电力系统的操作和管理，也是现代电网的智能性、互动性提高的重要体现。
综合能源系统是以电网为核心，统筹规划各种能源供给与转化，实现多种能源系统配合的一种多能源联合运行的复杂耦合系统。IES可以打破传统能源之间的壁垒，实现各种能源之间相互协调配合，形成多能源开放互联的局面，存进新能源消纳利用，进而达到降低碳排放量，提高能源利用效率，促进能源变革，推动城市能源消费绿色转型的目的。
综合能源系统由于其可以降低化石能源的损耗，提高能源效率，目前在世界各地取得广泛的应用，如何将多个区域的智慧能源系统联合起来形成整体进行统一的优化调度是一个值得关注的课题。同时，随着电力市场的建设和通信技术以及智能电网的快速发展，需求侧也逐渐成为一种可调控的资源并参与系统的优化调度中，因此需求侧响应正是顺应能源系统发展的产物。需求侧响应是综合能源系统中实现用户深度参与系统调控，传递能源市场价格信号，参与能源市场的重要切入点。需求侧参与的综合能源系统在提高系统运行安全性、经济性、可靠性以及节能减排等方面有着重要的作用及意义。通时MATLAB GUI作为一种程序可视化的方法可以较好的将程序内容转换为可视化界面，用户只需要在不需要了解程序具体内容的情况下，在界面中输入相关参数，就可以实现相关操作，可以使程序得到较好的应用。
为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。
实施例1：
综合能源系统可以大致分为外部能源供应系统，能源转换系统，能源输送网络以及能量存储系统四个子系统及用户侧负荷。外部能源供应系统主要包括电网，光伏(Photovoltaic，PV)，风电(Wind Power，WP)，天然气气源等能源提供设备；能源转换系统主要包括燃气轮机(Gas Turbine，GT)，燃气锅炉(Gas Boiler， GB)，热电联共(CombinedHeat and Power，CHP)机组，电制冷机(Air Conditioning， AC)，吸收式制冷机(Absorption Refrigerator，AG)等能源转换设备；能源输送网络主要包括IES内部的电网，热网，冷网以及气网等能源输送设备；能量存储系统主要包括蓄电池(Energy Storage，ES)，储冷装置(Cold Energy Storage， CS)以及储热装置(Heat Storage，HS)等能量存储装置；用户侧负荷主要包括用户的冷负荷，热负荷及电负荷。
综合能源系统内部包含各种供应能源的机械设备：在供应电能方面，有风机、光伏、汽轮机、储能电池等设备；在供应冷能方面，有电制冷机、吸收式制冷机等设备；在供应热能方面，有燃汽轮机、锅炉、chp机组等设备。除此之外，内部还有多种能量耦合设备以满足用户高峰期的用能需求：电制冷机与吸收式制冷机可以将电能与气能转化为冷能，确保高峰期冷负荷需求；chp机组是一种热电联产机组，可以同时供给电能与热能满足用于应能负荷；汽轮机和锅炉可以用来供热，可使最高热功率输出大于最高热负荷；汽轮机可在高电负荷段使用，从而为系统提供更多的电能。上述设备极大提升了综合能源系统供能灵活性，使其可以满足一个调度周期内各种复杂的负荷需求，并且各种能源耦合设备的存在，使得系统可以选择将低成本能源进行转化，满足其他能源需求，从而提高能源的利用效率，降低运行成本。
根据综合能源系统单区域典型结构的特征，构建如图所示的多区域综合能源系统。各区域之间通过电网与热力管网相连，使多个综合能源系统形成统一的整体进行优化调度，当某个区域的电能或者热能出现短缺或者其他区域出现产能过剩时，其他区域可以将多余的能量供给此区域使其满足符合需求，从而降低整体的运行成本，提高各区域能源利用效率及经济性。
本发明提供一种综合能源系统优化调度方法，如图1所示，包括：
S1、基于调度时段，获取调度范围内各调度区域中各负荷的预测需求、需求响应参数、综合能源系统中各设备参数和各设备的输出功率；
S2、利用预先确定的负荷需求响应弹性模型对各负荷的预测需求进行调节；
S3、将调节后的各区域中的各负荷的预测需求、需求响应参数、综合能源系统各设备参数和输出功率代入预先构建的调度模型，进行求解，得到各设备出力方案；
其中，所述调度模型在满足各区域中各负荷的需求的基础上以日运行成本最小为目标结合多调度区域间功率交换而确定；所述负荷需求响应弹性模型基于历史负荷需求响应电价数据结合价格弹性模型而确定。
步骤S1中输出功率的获取包括：利用预先构建的综合能源系统设备模型结合天气数据确定。
本发明中，综合能源系统设备模型的包括：新能源发电设备模型、能量转换设备模型和储能装置模型。
1)新能源发电设备模型
风速具有随机变化的特性，且预测精度较低，风机的发电量与风速存在有关，因此风机的输出功率常用分段函数表示。
Figure BDA0003378409950000091
式中，Pwt(v)为风机的输出功率；v,vin,vsp,vout分别表示风机当前风速，切入风速，额定风速，切出风速；Pwt,sp为风机额定功率。
光伏发电输出功率与光照强度与温度有关，其拟合输出功率函数为
Figure BDA0003378409950000101
式中，Ppv,Pmax分别为光伏板的实际发电输出功率，与标准最大功率；ZT,ZS分别为光伏板的实际光照强度与标准光照强度；Tt,Ts分别为实际温度与标准温度；l为温度系数。
2)能量转换设备模型
通常能量转换设备的数学模型是非线性的，利用分段线性化将非线性方程转换成混合整数规划问题，转换设备模型统一表示为:
Xi＝ηk·Xj
式中，Xi,Xj分别表示输出能源量与输入能源量；ηk为设备k的转换系数。
3)储能装置模型
智慧能源系统中能够包含冷，热，电三种能量存储设备，三种储能设备原理与模型类似，以电储能为例，储能设备的数学模型可以表示为
Figure BDA0003378409950000102
式中，Es,t为t时刻储能装置容量；εs为储能设备的自损耗系数；ηin,ηout为储能装置充放电转换效率；Pin,t,Pout,t分别为储能电池充放电功率。
步骤S2具体包括如下内容：
1)需求响应的概念
需求响应是指电力用户受不同时期的电力价格和激励措施的影响，主动改变其日常用电模式，以期在电力市场的电力价格高涨或者在电力系统的可靠性受到威胁时通过及时响应电网指令、降低用电需求或转移用电时间来获益，是将需求侧或者终端电能消费者参与引入到竞争电力市场的电力价格设定和市场出清过程中的一种机制。
从以上不同的角度和我国的实际情况出发，总的来说，需求响应是指通过经济手段、技术手段、行政手段、法律手段等方式来鼓励和引导用户主动改变其传统的用电方式、进行科学合理用电，以实现电力资源的优化配置，保证电力系统在安全、可靠、经济环境下实现有序运行的管理工作。需求响应有助于促进促进经济、社会、环境间协调和可持续发展目标的实现。
2)价格型需求响应模型
基于价格的需求响应是指用户对零售电价的变化做出响应并对其自身的用电需求进行调整。由于电能作为一种商品，其使用情况遵循市场经济规律，既电能的使用量随着价格的增长而降低，通过改变用电负荷高峰与低谷的电价，设置合适的阶梯电价鼓励用户改变原有用电习惯，用户将部分用电时间转移到低电价时段，相应地减少在高电价时段的用电量，以减少其电力消费。适时用电，改善用能紧张状况。
在经济学中，常用需求的价格弹性来反映商品需求量对价格变动的敏感程度，用数学表示为需求量变化率除以价格变化率，用下式表示：
Figure BDA0003378409950000111
式中，ε为某商品的需求价格弹性系数；P为商品需求量；C为商品价格。ε越大表示该商品的需求对价格的灵敏度越高；ε＝0表示价格完全不能影响需求。弹性系数分为自弹性和交叉弹性。自弹性系数表示商品i的需求量对本商品价格变化的反应程度。交叉弹性系数表示商品j的需求量对其他商品价格变化的反应程度。
其中，自弹性系数如下：
Figure BDA0003378409950000112
交叉弹性系数如下：
Figure BDA0003378409950000113
式中，ΔP为需求响应前后的负荷变化量；P为需求响应前的负荷；ΔC为需求响应前后的电价变化量；C为需求响应前的电价。
根据经济学原理，将调度室段划分成t各时段，则电力价格弹性矩阵E可以表示为：
Figure BDA0003378409950000121
基于以上变量及参数定义，可得实行分时电价后的用电负荷求得需求响应后的电负荷Pload为：
Figure BDA0003378409950000122
步骤S3中，将调节后的各区域各负荷的预测需求、需求响应参数、综合能源系统各设备参数和输出功率代入预先构建的调度模型，采用分段线性化技术对所述调度模型求解，得到各设备出力方案，其中调度模型具体包括如下内容：
1)目标函数
多区域综合能源系统优化以一个调度周期(24h)为时间间隔，通过对各区域各设备的调度使其满足各区域冷、热、电负荷的需求，并且使日运行成本最小，多区域综合能源系统优化目标函数为：
Figure BDA0003378409950000123
式中，n为区域编号；t为调度周期内的时段编号；Cpower为电能销售价格；Pgrid,t为t时段向电网购电功率；Fyw为设备运维成本；PGT,t为燃气轮机发电功率；PGB,t为燃气锅炉热功率；PCHP,t为chp机组发电功率；ηGT为燃气轮机发电效率；ηGB为燃气锅炉发电效率；ηCHP为chp机组发电效率；CGB为天然气的价格，本实施例可以取2.5；qGB为天然气热值(单位：kW˙h/m3)，根据现有知识本实施例可以取9.7。
2)约束条件
冷、热、电功率平衡约束
Figure BDA0003378409950000131
Figure BDA0003378409950000132
Figure BDA0003378409950000133
式中，n为区域编号，t为调度周期内的时段编号，
Figure BDA0003378409950000134
分别为系统电负荷，热负荷，冷负荷；
Figure BDA0003378409950000135
为电制冷机消耗的电功率；
Figure BDA0003378409950000136
为电储能充电功率；
Figure BDA0003378409950000137
为电储能放电功率；
Figure BDA0003378409950000138
为光伏发电功率；
Figure BDA0003378409950000139
为风力发电电功率；
Figure BDA00033784099500001310
为热储能充热功率；
Figure BDA00033784099500001311
为热储能放热功率；
Figure BDA00033784099500001312
为吸收式制冷机消耗的热功率；
Figure BDA00033784099500001313
为冷储能充冷功率；
Figure BDA00033784099500001314
为n区域接受c 区域提供电能功率；
Figure BDA00033784099500001315
为n区域向f区域提供电能功率；
Figure BDA00033784099500001316
为n区域接受c区域提供热能功率；
Figure BDA00033784099500001317
为n区域向f区域提供热能功率；
Figure BDA00033784099500001318
为冷储能放冷功率；
Figure BDA00033784099500001319
为电制冷机制冷效率；
Figure BDA00033784099500001320
为吸收式制冷机效率；
Figure BDA00033784099500001321
为chp机组热电生产比。
其中，电负荷，热负荷，冷负荷的单位为kW；各种功率及发电功率的单位均为kW。
区域间能量交换约束
Figure BDA00033784099500001322
Figure BDA00033784099500001323
式中，ηD为电损失率；ηR为热损失率。
设备出力约束
Figure BDA0003378409950000141
Figure BDA0003378409950000142
Figure BDA0003378409950000143
Figure BDA0003378409950000144
Figure BDA0003378409950000145
式中，
Figure BDA0003378409950000146
分别为电制冷设备，燃气锅炉，燃气轮机，chp机组，吸收式制冷机的出力上限(单位：kW)。
购电约束
Figure BDA0003378409950000147
式中，
Figure BDA0003378409950000148
为向电网购电的最大值(单位：kW)。
储能约束
Figure BDA0003378409950000149
Figure BDA00033784099500001410
Figure 1
Figure BDA00033784099500001412
Figure BDA00033784099500001413
式中，
Figure BDA00033784099500001414
为电储能充电速率最大值(单位：kW)；
Figure BDA0003378409950000047
为电储能放电的速率值(单位：kW/h)；
Figure DEST_PATH_IMAGE002
Figure 3
为储能设备充放能状态变量，
Figure BDA00033784099500001417
取值为1时表示充电，
Figure BDA00033784099500001418
取值为1时表示放电；
Figure BDA00033784099500001419
与
Figure BDA00033784099500001420
分别为t时刻与时刻电储能的储电量；
Figure BDA00033784099500001421
与
Figure BDA00033784099500001422
分别为电储能电量的上下限值；
Figure BDA00033784099500001423
为电储能的自放电率；
Figure BDA00033784099500001424
与
Figure BDA00033784099500001425
分别为电储能的充放电效率。同理可以定义热储能及冷储能充放能约束，由于篇幅有限，在此不再叙述。
实际电力系统经济调度问题大多数都是非凸优化问题，通常采用分段线性化技术把设备运行工况线性化处理，把非凸优化调度模型转变成混合整数线性规划 (mixedinteger linear programming，MILP)模型进行求解。本文统一能量刻度，将冷热能功率均转化为kW来计量，对网内各个设备线性化建模，把多区域综合能源系统优化调度问题转换成混合整数线性规划问题，通过YALMIP建模工具，调用CPLEX求解器，在MATLAB平台上完成全局最优解求解，具体求解流程如图2所示。
实施例2：
本实施以典型综合能源系统(如图3)为例对本发明提供的一种综合能源系统优化调度方法进行具体介绍。本实施例选取某地综合能源系统为研究对象，选取三个区域构成一个多区域综合能源系统，如图4所示，各设备主要参数如表1 所示，三个区域日负荷情况如图5～7所示(其中图5和图6的图例见图7)。chp机组热电生产比为1.5，区域间电损失率取0.05，热损失率取0.1。区域1自弹性系数取-0.2，互弹性系数取0.03；区域2自弹性系数取-0.18，互弹性系数取 0.012；区域3自弹性系数取-0.1，互弹性系数取0.008。
表1综合能源系统内部各设备的运行参数
Figure BDA0003378409950000151
Figure BDA0003378409950000161
算例分析
1)价格型需求响应对电负荷的影响
根据实施例1的价格型需求响应的模型，以区域1为例对综合能源需求响应结果进行分析，优化前后的电负荷变化如图8～9所示，图8为需求响应前后负荷变化情况，图9为变化的数值，优化结果如表2所示。
表2考虑需求响应前后负荷峰谷值变化情况
Figure BDA0003378409950000162
结合表2与图8、9的分析可知，实施需求响应后，负荷在峰值电价时降低幅度较大，在谷时电价时负荷将进行提升。在需求响应前后，最大负荷由 3429.30kW降低到3203.96kW，降低了225.34kW；最小负荷由2317.35kW提高到 2636.84kW，提高了319.25kW；峰谷差由1111.95kW降低到567.09kW，降低了 544.86kW。因此，需求响应可以通过电价改变用户用能习惯，电负荷曲线明显趋于平缓，其曲线的最大、最小值之差小于需求响应前曲线的最大、最小值之差，起到了削峰填谷的作用。
2)计及电负荷需求响应及区域间能量交换的综合能源系统优化调度
本实施例对3个区域的负荷场景进行仿真分析，图10～12、图13～15、图16～18 分别为3个场景下电、热、冷能的能量流动及优化调度情况，坐标轴上半部分为流入各综合能源系统的能量，下半部分为流出各综合能源系统的能量。由于每一时刻能量流入与流出相等，因此能量流优化结果关于横坐标轴对称。
图10～12为考虑需求响应后的各区域电负荷优化调度结果。在电负荷优化调度方面，在电价低谷时期，电负荷需求主要由电网购电所得，剩余部分由燃气轮机供应。在电价较高时段，此时新能源发电被消纳，同时其他区域对其进行供电，最后不足电力从电网购买。此外，储电装置在电价高峰时段放电来降低运行成本，供电压力得以缓解。在满足了电负荷的需求后，系统将富余的电能用来供应储电装置充电，电制冷机制冷以及其他区域供电。
图13～15为考虑需求响应后的各区域热负荷优化调度结果。在热负荷优化调度方面，低谷电价时期，燃气锅炉为热负荷提供大部分热量。高峰电价时段，燃气轮机出力较大，能供应的热量较多，此时的热负荷主要由CHP机组及燃气轮机供应，同时系统将在此时产生的多余电能向其他区域供应，从而达到降低运行成本的目的。在热量充足时段，储热装置蓄热；如若热量不足，储热装置提供热量来满足一部分热负荷需求。
图16～18为考虑需求响应后的各区域冷负荷优化调度结果。在冷负荷优化调度方面，主要由电制冷机与吸收式制冷机为冷负荷提供大部分冷能。在电价较高时，由于吸收式制冷机存在使用上的限制，电制冷机承担了大部分的冷能供应。在冷量充足时段，储冷装置进行蓄冷；如若冷量不足时，储冷装置释放一些冷能来满足一部分冷负荷的需求。综合能源需求响应有良好的削峰填谷作用，可缓解供电压力，降低系统运行成本，如表3所示。
表3考虑需求响应前后负荷峰谷值变化情况
Figure BDA0003378409950000171
由表3的对比可以发现，在实施需求响应后，电力用户在谷时电价是提高负荷，在峰值电价时降低负荷，从而使用户向电网购电总成本由不考虑需求响应的 88084.39元降低到86685.93元，降低了1398.46元。在考虑了需求响应后，综合能源系统的经济性得到有效地提高，这主要是由于增加电负荷需求响应后，相当于提高负荷自动根据电价调整用能需求的能力。
实施例3
为了实现一种综合能源系统优化调度方法，本发明还提供了一种综合能源系统优化调度系统，如图19所示，包括：
获取模块，基于调度时段，获取调度范围内各调度区域中各负荷的预测需求、需求响应参数、综合能源系统中各设备参数和各设备的输出功率；
调节模块，利用预先确定的负荷需求响应弹性模型对各负荷的预测需求进行调节；
方案确定模块：将调节后的各区域中的各负荷的预测需求、需求响应参数、综合能源系统各设备参数和输出功率代入预先构建的调度模型，进行求解，得到各设备出力方案；
其中，所述调度模型在满足各区域中各负荷的需求的基础上以日运行成本最小为目标结合多调度区域间功率交换而确定；所述负荷需求响应弹性模型基于历史负荷需求响应电价数据结合价格弹性模型而确定。
本实施例中的综合能源系统优化调度系统中各模块的设计是为了实现本发明的一种综合能源系统优化调度方法，其具体功能可以参考实施例1和2，这里不再赘述。
实施例4
基于同一种发明构思，本发明还提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray， FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能；本发明实施例所述的处理器可以用于一种综合能源系统优化调度方法的步骤，这里综合能源系统优化调度方法的步骤具体可以参照实施例1和实施例2。
实施例5
基于同一种发明构思，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器 (non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中一种综合能源系统优化调度方法的相应步骤，这里综合能源系统优化调度方法的步骤具体可以参照实施例1和实施例2。
显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、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。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (12)

1.一种综合能源系统优化调度方法，其特征在于，包括：
基于调度时段，获取调度范围内各调度区域中各负荷的预测需求、需求响应参数、综合能源系统中各设备参数和各设备的输出功率；
利用预先确定的负荷需求响应弹性模型对各负荷的预测需求进行调节；
将调节后的各区域中的各负荷的预测需求、需求响应参数、综合能源系统各设备参数和输出功率代入预先构建的调度模型，进行求解，得到各设备出力方案；
其中，所述调度模型在满足各区域中各负荷的需求的基础上以日运行成本最小为目标结合多调度区域间功率交换而确定；所述负荷需求响应弹性模型基于历史负荷需求响应电价数据结合价格弹性模型而确定。
2.如权利要求1所述的优化调度方法，其特征在于，所述各设备输出功率的获取包括：
获取天气数据，并将所述天气数据代入预先构建的设备模型进行计算得到各设备输出功率；
其中所述设备模型包括：风机发电设备模型、光伏发电设备模型、能量转换设备模型和储能装置模型。
3.如权利要求1所述的优化调度方法，其特征在于，所述负荷需求响应弹性模型的构建包括：
基于历史调度周期内各时段参与需求响应前的负荷、需求响应前的电价、参与需求响应前后负荷变化量和需求响应前后电价变化量结合价格弹性模型确定各时段弹性系数；
基于调度周期内所有时段的弹性系数构建价格弹性矩阵；
基于调度周期内各时段各负荷的预测需求、价格弹性矩阵、需求响应前后电价变化量和需求响应前的电价构建负荷需求响应弹性模型；
所述弹性系数包括自弹性系数和互弹性系数。
4.如权利要求3所述的优化调度方法，其特征在于，所述负荷需求响应弹性模型的计算式如下：
Figure FDA0003378409940000021
式中，Pload为需求响应后的电负荷需求预测；P1、P2、...、Pt为历史调度周期中各时段需求响应前的电负荷需求预测，E为电力价格弹性矩阵，ΔC1、ΔC2、...ΔCt为需求响应前后的电价变化量；C1、C2、...Ct为需求响应前的电价。
5.如权利要求1所述的优化调度方法，其特征在于，所述调度模型的构建包括：
以一个调度周期为时间间隔，为满足调度范围内多个调度区域中各负荷需求的基础上以综合能源系统日运行成本最小为目标构建目标函数；
为所述目标函数设定约束条件；
所述约束条件包括：负荷与出力功率平衡约束、区域间能量交换约束、设备出力约束、购电量约束、储能约束；
所述设备包括：新能源发电设备、燃气锅炉、燃气轮机、制冷机、热电联产设备；所述新能源发电设备包括：光伏发电设备和风力发电设备；
所述目标函数中各负荷的单位为统一的能量单位。
6.如权利要求5所述的优化调度方法，其特征在于，所述负荷类型包括：冷、热、电。
7.如权利要求6所述的优化调度方法，其特征在于，所述目标函数如下式：
Figure FDA0003378409940000022
式中，n为区域编号；t为调度周期内的时段编号；Cpower为电能销售价格；Pgrid,t为t时段向电网购电功率；Fyw为设备运维成本；PGT,t为燃气轮机发电功率；PGB,t为燃气锅炉热功率；PCHP,t为chp机组发电功率；ηGT为燃气轮机发电效率；ηGB为燃气锅炉发电效率；ηCHP为chp机组发电效率；CGB为天然气的价格；qGB为天然气热值。
8.如权利要求6所述的优化调度方法，其特征在于，所述负荷与出力功率平衡约束如下式：
Figure FDA0003378409940000031
Figure FDA0003378409940000032
Figure FDA0003378409940000033
式中，n为区域编号；t为调度周期内的时段编号；
Figure FDA0003378409940000034
Figure FDA0003378409940000035
分别为系统电负荷，热负荷，冷负荷；
Figure FDA0003378409940000036
为电制冷机消耗的电功率；
Figure FDA0003378409940000037
为电储能充电功率；
Figure FDA0003378409940000038
为电储能放电功率；
Figure FDA0003378409940000039
为光伏发电功率；
Figure FDA00033784099400000310
为风力发电电功率；
Figure FDA00033784099400000311
为热储能充热功率；
Figure FDA00033784099400000312
为热储能放热功率；
Figure FDA00033784099400000313
为吸收式制冷机消耗的热功率；
Figure FDA00033784099400000314
为冷储能充冷功率；
Figure FDA00033784099400000315
为n区域接受c区域提供电能功率；
Figure FDA00033784099400000316
为n区域向f区域提供电能功率；
Figure FDA00033784099400000317
为n区域接受c区域提供热能功率；
Figure FDA00033784099400000318
为n区域向f区域提供热能功率；
Figure FDA00033784099400000319
为冷储能放冷功率；
Figure FDA00033784099400000320
为电制冷机制冷效率；
Figure FDA00033784099400000321
为吸收式制冷机效率；
Figure FDA00033784099400000322
为chp机组热电生产比。
9.如权利要求1所述的优化调度方法，其特征在于，所述将调节后的各区域中的各负荷的预测需求、需求响应参数、综合能源系统各设备参数和输出功率代入预先构建的调度模型进行求解，得到各设备出力方案，包括：
以时段作为分段对所述调度模型进行分段线性化求解，得到各设备出力方案。
10.一种综合能源系统优化调度系统，其特征在于，包括：
获取模块，基于调度时段，获取调度范围内各调度区域中各负荷的预测需求、需求响应参数、综合能源系统中各设备参数和各设备的输出功率；
调节模块，利用预先确定的负荷需求响应弹性模型对各负荷的预测需求进行调节；
方案确定模块：将调节后的各区域中的各负荷的预测需求、需求响应参数、综合能源系统各设备参数和输出功率代入预先构建的调度模型，进行求解，得到各设备出力方案；
其中，所述调度模型在满足各区域中各负荷的需求的基础上以日运行成本最小为目标结合多调度区域间功率交换而确定；所述负荷需求响应弹性模型基于历史负荷需求响应电价数据结合价格弹性模型而确定。
11.一种计算机设备，其特征在于，包括：一个或多个处理器，
所述处理器，用于执行一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时实现权利要求1至9任一项所述的优化调度方法。
12.一种计算机可读存储介质，其特征在于，其上存有计算机程序，当所述程序被执行时，实现如权利要求1至9任一项所述的优化调度方法。
CN202111428206.0A 2021-11-26 2021-11-26 一种综合能源系统优化调度方法、系统、设备及存储介质 Pending CN114202176A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111428206.0A CN114202176A (zh) 2021-11-26 2021-11-26 一种综合能源系统优化调度方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111428206.0A CN114202176A (zh) 2021-11-26 2021-11-26 一种综合能源系统优化调度方法、系统、设备及存储介质

Publications (1)

Publication Number Publication Date
CN114202176A true CN114202176A (zh) 2022-03-18

Family

ID=80649295

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111428206.0A Pending CN114202176A (zh) 2021-11-26 2021-11-26 一种综合能源系统优化调度方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN114202176A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114462727A (zh) * 2022-04-14 2022-05-10 山东大学 基于多主体联合的新能源系统能源优化调度方法及系统
CN114723495A (zh) * 2022-04-21 2022-07-08 国家电网有限公司西北分部 考虑发用资源备用能力的区域互联电网主辅联合出清方法
CN114723174A (zh) * 2022-05-06 2022-07-08 国网江苏省电力有限公司南通供电分公司 一种基于状态评估的能源输送参数调整方法及系统
CN115173415A (zh) * 2022-09-07 2022-10-11 华电电力科学研究院有限公司 一种综合能源系统及优化调控方法
CN115186940A (zh) * 2022-09-13 2022-10-14 北京邮电大学 综合能源调度方法、装置及设备
CN116388205A (zh) * 2023-06-06 2023-07-04 中国电力科学研究院有限公司 一种适用于智慧能源单元的负荷设备功率调控方法及装置
CN116613821A (zh) * 2023-07-13 2023-08-18 国网浙江省电力有限公司宁波供电公司 一种多能协同运行方法、运行平台、设备及存储介质
CN116700126A (zh) * 2023-08-09 2023-09-05 中关村科学城城市大脑股份有限公司 能源设备控制方法、装置、电子设备和计算机可读介质
TWI830384B (zh) * 2022-09-16 2024-01-21 國立成功大學 綠色智慧製造的碳排管理與能源管理的混合系統及其方法
CN117669839A (zh) * 2024-02-01 2024-03-08 山东赛马力发电设备有限公司 一种综合能源系统分布式负荷预测方法及系统

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114462727A (zh) * 2022-04-14 2022-05-10 山东大学 基于多主体联合的新能源系统能源优化调度方法及系统
CN114723495A (zh) * 2022-04-21 2022-07-08 国家电网有限公司西北分部 考虑发用资源备用能力的区域互联电网主辅联合出清方法
CN114723174A (zh) * 2022-05-06 2022-07-08 国网江苏省电力有限公司南通供电分公司 一种基于状态评估的能源输送参数调整方法及系统
CN115173415A (zh) * 2022-09-07 2022-10-11 华电电力科学研究院有限公司 一种综合能源系统及优化调控方法
CN115186940A (zh) * 2022-09-13 2022-10-14 北京邮电大学 综合能源调度方法、装置及设备
TWI830384B (zh) * 2022-09-16 2024-01-21 國立成功大學 綠色智慧製造的碳排管理與能源管理的混合系統及其方法
CN116388205B (zh) * 2023-06-06 2023-08-11 中国电力科学研究院有限公司 一种适用于智慧能源单元的负荷设备功率调控方法及装置
CN116388205A (zh) * 2023-06-06 2023-07-04 中国电力科学研究院有限公司 一种适用于智慧能源单元的负荷设备功率调控方法及装置
CN116613821A (zh) * 2023-07-13 2023-08-18 国网浙江省电力有限公司宁波供电公司 一种多能协同运行方法、运行平台、设备及存储介质
CN116613821B (zh) * 2023-07-13 2023-10-24 国网浙江省电力有限公司宁波供电公司 一种多能协同运行方法、运行平台、设备及存储介质
CN116700126A (zh) * 2023-08-09 2023-09-05 中关村科学城城市大脑股份有限公司 能源设备控制方法、装置、电子设备和计算机可读介质
CN116700126B (zh) * 2023-08-09 2024-02-02 中关村科学城城市大脑股份有限公司 能源设备控制方法、装置、电子设备和计算机可读介质
CN117669839A (zh) * 2024-02-01 2024-03-08 山东赛马力发电设备有限公司 一种综合能源系统分布式负荷预测方法及系统
CN117669839B (zh) * 2024-02-01 2024-04-30 山东赛马力发电设备有限公司 一种综合能源系统分布式负荷预测方法及系统

Similar Documents

Publication Publication Date Title
CN114202176A (zh) 一种综合能源系统优化调度方法、系统、设备及存储介质
Wang et al. Optimal scheduling of the regional integrated energy system considering economy and environment
Bao et al. A multi time-scale and multi energy-type coordinated microgrid scheduling solution—Part I: Model and methodology
CN108154309A (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
Zhu et al. Optimization scheduling of a wind–photovoltaic–gas–electric vehicles Community-Integrated Energy System considering uncertainty and carbon emissions reduction
Mohammadi et al. Impacts of energy storage technologies and renewable energy sources on energy hub systems
Cao et al. Optimal operation of cold–heat–electricity multi-energy collaborative system based on price demand response
Tang et al. Multi-objective optimal dispatch for integrated energy systems based on a device value tag
Li et al. Multi-time scale scheduling for virtual power plants: Integrating the flexibility of power generation and multi-user loads while considering the capacity degradation of energy storage systems
Ding et al. Bi-level optimal scheduling of virtual energy station based on equal exergy replacement mechanism
Li et al. Integrated energy system for low-carbon economic operation optimization: Pareto compromise programming and master-slave game
Wang et al. Multi-time scale optimization study of integrated energy system considering dynamic energy hub and dual demand response
Mahoor et al. Smart energy management for a micro-grid with consideration of demand response plans
Wang et al. Capacity and operation joint optimization for integrated energy system based on Nash bargaining game
CN112001613A (zh) 基于多微能源网系统合作博弈决策机制的利益分配策略
Moradi et al. Optimal energy management of a smart residential combined heat, cooling and power
Zhang et al. A comprehensive energy solution for households employing a micro combined cooling, heating and power generation system
Zhou et al. Optimal modeling of integrated energy demand response under time-shared electricity price
Chakraborty et al. Multi-party energy management of microgrid with heat and electricity coupled demand response
Wang et al. Study on the economic dispatch of regional integrated energy system based on master-slave game
Wang et al. Distributed optimal scheduling for multi-prosumers with CHP and heat storage based on ADMM
Guo et al. Study on Optimal Model of Micro-Energy Network Operation Configuration Considering Flexible Load Characteristics
Qamar et al. Energy hub: modeling, control, and optimization
Tang et al. Framework design of load aggregators participating in electricity market
Wei et al. Double-loop Optimization Dispatch Strategy Considering Dynamic and Static Characteristics

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