CN114417625B - 一种考虑风气互补特性的季节储能解决方法 - Google Patents
一种考虑风气互补特性的季节储能解决方法 Download PDFInfo
- Publication number
- CN114417625B CN114417625B CN202210080309.0A CN202210080309A CN114417625B CN 114417625 B CN114417625 B CN 114417625B CN 202210080309 A CN202210080309 A CN 202210080309A CN 114417625 B CN114417625 B CN 114417625B
- Authority
- CN
- China
- Prior art keywords
- gas
- power
- wind
- natural gas
- constraint
- 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.)
- Active
Links
- 230000001932 seasonal effect Effects 0.000 title claims abstract description 37
- 238000004146 energy storage Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000000295 complement effect Effects 0.000 title claims abstract description 14
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 118
- 239000007789 gas Substances 0.000 claims abstract description 66
- 239000003345 natural gas Substances 0.000 claims abstract description 58
- 238000010248 power generation Methods 0.000 claims abstract description 15
- 238000004088 simulation Methods 0.000 claims abstract description 13
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 230000009194 climbing Effects 0.000 claims abstract description 4
- 238000003860 storage Methods 0.000 claims description 6
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 229910052799 carbon Inorganic materials 0.000 claims description 3
- 238000005094 computer simulation Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 2
- 230000007812 deficiency Effects 0.000 claims description 2
- 238000013486 operation strategy Methods 0.000 claims description 2
- 230000008878 coupling Effects 0.000 abstract description 9
- 238000010168 coupling process Methods 0.000 abstract description 9
- 238000005859 coupling reaction Methods 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000002950 deficient Effects 0.000 abstract 1
- 230000008901 benefit Effects 0.000 description 5
- 230000007774 longterm Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000002737 fuel gas Substances 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Geometry (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Hardware Design (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明一种考虑风气互补特性的季节储能解决方法,具体体现在夏季时风电出力匮乏、燃气负荷较低,通过天然气机组发电提升电网发电能力和天然气使用效率;冬季时燃气负荷增加,但存在大量弃风,此时通过“电转气”技术将弃置的风电转化为燃气。通过合理规划电气互联系统的容量,充分利用风电和天然气之间季节互补特性,达到“季节性储能”的效果。本发明提出了一种考虑风气互补特性的季节储能解决方法,使用内嵌模拟运行的方式综合考虑了电力系统和天然气系统互联后在季节和日内两个尺度上出力和负荷特征的耦合,引入系统的爬坡和调峰能力约束,以及风电接入后的风险约束,细化了天然气结算方式进行规划,以满足系统经济性和可靠性的要求。
Description
技术领域
本发明涉及电力系统与天然气系统规划领域,尤其涉及电气互联系统中基于规划实现季节储能,具体为一种考虑风气互补特性的季节储能解决方法。
背景技术
我国近些年来加大新能源发展力度,并通过“煤改电”、“煤改气”等加大终端能源清洁化。在能源行业清洁化发展同时,一些问题也逐渐显现,一方面,新能源具有明显的季节性分布特点,随着新能源发电比例提高,仅依靠大规模储能将需要巨大的成本投入,且难以平抑新能源波动性对电网的冲击;另一方面,冬季供暖天然气用气需求激增,天然气负荷夏冬季节性差异愈发明显,冬季气荒导致的价格暴涨现象频发。伴随着电转气技术发展和燃气发电比例提升,电力系统和天然气系统的耦合越发紧密,充分利用电-气综合能源系统中不同能源需求特征和能源禀赋的季节互补效益,实现季节性“储能”的效果,对于服务双碳目标,构建以新能源为主体的新型电力系统具有非常重要的意义。
目前,国内外对电气互联系统和季节性储能均有研究,但在电气互联系统的规划中往往忽略系统对于季节性储能的需求,在季节性储能研究中又往往忽略电力系统和天然气系统互联带来的能源互济优势。包铭磊,丁一,桑茂盛,梁梓杨,惠恒宇,唐学用,邵常政等在《中国电机工程学报》2021年第22期上发表的“计及经济性与可靠性协调的电-气耦合系统源端容量规划研究”考虑了经济性和可靠性的协调后对电-气耦合系统的源端容量进行了规划,但未考虑新能源电力系统季节储能需求;姜海洋,杜尔顺,金晨,肖晋宇,侯金鸣,张宁等在《中国电机工程学报》2021年第6期上发表的“高比例清洁能源并网的跨国互联电力系统多时间尺度储能容量优化规划”考虑了大电网互联对于电力系统中储能的替代效果,但研究仅针对电力系统和储电设备开展。
经验表明,风电和天然气源荷之间存在明显的季节相关性,以我国常见的温带季风气候为例,夏季风电较少、燃气负荷较低,燃气充足,同时按照当前天然气供应的国际惯例和规则,采购业务中仍以长期合同为基础,以自由市场的现货交易作为补充,根据长期合同最低购气量“照付不议”,即若实际购买天然气小于最低购气量时,仍需按照最低购气量付款,而超出最高上限的部分则从现货市场采购进行补充,夏季天然气系统负荷较低,当其与储气装置容量之和仍低于最低购气量时,从经济角度考虑,此时增大燃气轮机出力,并不会增大发电成本;冬季燃气负荷增加,但存在大量弃风;若合理规划风电和天然气机组的容量,夏季通过天然气机组发电提升电网发电能力和天然气管网使用效率,冬季通过“电转气”技术将弃置的风电转化为燃气,充分利用风电和天然气之间季节互补特性,将可以达到“季节性储能”的效果,使得电-气综合能源系统的规划更加合理,系统运行更加高效,节省不必要的投资和浪费。
发明内容
本发明为解决上述问题,提出一种考虑风气互补特性的季节储能解决方法。根据风电出力和天然气系统负荷之间在季节上的耦合特性,在不同的季节特征下适用不同的方式实现能源的互补互济。使用内嵌模拟运行的方式综合考虑了电力系统和天然气系统互联后在季节和日内两个尺度上出力和负荷特征的耦合,引入风电接入后的风险约束,细化了天然气结算方式,以满足系统经济性和可靠性的要求。
本发明是采用如下技术方案实现的:一种考虑风气互补特性的季节储能解决方法,具体包括以下步骤:
步骤1:根据历史数据,以我国温带季风区域季节特点为例,依据电力系统和天然气系统的季节性特征将目标区域的全年分为N个典型场景。
步骤2:获取目标区域的年度时间序列:其中年度负荷序列采用负荷预测结果,而风电的中长期出力序列采用了基于马尔科夫链-蒙特卡洛仿真法的风电时间序列建模方法来生成出力时间序列。
步骤3:获得年度时间序列后,在时间尺度上以日为单位作为聚类基本单元,每个单元包括一组对应的风出力和电力及燃气负荷时间序列,通过聚类方法进行聚类,从而获得不同典型场景对应的典型日时间序列及典型场景出现天数。
步骤4:建立内嵌模拟运行的容量规划模型,综合考虑电力系统和天然气系统互联后在季节和日内两个尺度上出力和负荷特征的耦合。规划模型以年化投资成本、年运行成本和弃风成本之和最小为目标,目标函数表示如下:
min C=Cinv/nl+Csys+Cw
式中:Csys为运行成本,式中Cinv为建设投资成本,Cw为弃风成本,nl为规划使用年限。
其中运行成本Csys如下式所示:
式中:ΩG为火电机组集合,N为典型场景类型数,nm为第m种典型场景出现天数,T为典型日内时间断面数,ai、bi、ci为火电机组耗量特性曲线参数,PG,i,t为t时刻i节点发电机组出力,Cg为天然气成本。
为了考虑充分考虑经济效益,细化天然气结算方式。假定天然气长期合同“照付不议”结算方式,虽然天然气发电运行成本通常高于火电机组,但考虑到天然气“照付”合同的影响,夏天当天然气负荷与储气之和小于下限气量时,可以认为燃气发电边际成本为0,系统天然气成本Cg如下式所示:
式中:ΩS为气源点集合,Sj,t为t时刻j处的气源供气流量,Sj,T为日总用气量,为j处日指定最低气量,/>为j点日指定最高气量,Cgs,j,m为j处典型场景m的合同购气价格,/>为j处典型场景m的自由市场购气价格。
容量规划模型内嵌运行模拟,电网模型采用直流潮流模型,约束采用稳态电力系统约束,包括功率平衡约束、机组出力约束、电压相角约束、传输功率约束、爬坡约束。天然气网络模型采用稳态模型,约束包括流量平衡约束、管道方程约束、节点供气约束、节点压力约束。电转气模型采用稳态模型,约束包括功率转换约束、工作功率约束。
在上述模型约束基础上考虑风电大规模接入后,其对系统灵活性的影响较大。故采用动态仿真评价法,考虑风电接入后的运行风险,引入风电风险函数及其约束如下:
0≤R≤Rmax
式中:αt、βt分别为弃风惩罚系数和切负荷惩罚系数,Wcut,i,t、Wd,i,t分别为节点i处t时的弃风量和切负荷量,Capw,i为i处风电装机容量,ΩW为风电发电机集合,ΩL为电力系统负荷集合。Rmax为运行风险上限,当没有弃风和切负荷时运行风险为0。
步骤5:基于步骤4搭建的内嵌运行模拟的模型,采用步骤3生成的典型日时间序列场景进行运行模拟,求解出系统中相关设备的规划容量情况。
综上所述,本发明综合考虑了电力系统和天然气系统互联后在季节和日内两个尺度上出力和负荷特征的耦合,引入风电接入后的风险约束,细化了天然气结算方式,以满足系统经济性和可靠性的要求。相较于传统的单独规划电力系统和天然气系统,通过考虑两系统之间的季节互补特征来合理规划,减少两个能源系统对于季节储能的需求,有助于发挥能源互补的潜力,使得能源系统规划运行更加合理高效。
附图说明
图1为季节互补特性原理示意图。
图2为内嵌运行模拟的规划模型示意图。
具体实施方式
一种考虑风气互补特性的季节储能解决方法,具体包括以下步骤:
步骤1:根据历史数据,以我国温带季风区域季节特点为例,依据电力系统和天然气系统的季节性特征将目标区域的全年分为春秋、夏、冬三个典型场景,其季节互补特性示意如图1。
根据三种典型场景特点,不同典型场景采用不同的运行策略:
夏季天然气系统负荷较低,当其与储气装置容量之和仍低于最低购气量时,从经济角度考虑,增大燃气轮机出力,使用原照付不议部分燃气发电,可用其来弥补夏季少风无风造成的发电缺额;
冬季风电高发,消纳困难,而燃气锅炉供暖负荷消耗天然气较多,通过P2G装置将电能转化为燃气,并充分调动天然气系统进行配置,提升风电消纳能力和缓解天然气不足;
春秋季处于夏冬季之间,燃气发电成本和碳排放均高于风电,此时在满足电网调峰和安全约束的前提下,实现风电和天燃气机组出力优化。
步骤2:获取目标区域的年度时间序列:其中年度负荷序列采用负荷预测结果,而风电的中长期出力序列采用了基于马尔科夫链-蒙特卡洛仿真法的风电时间序列建模方法来生成出力时间序列。
步骤3:获得年度时间序列后,在时间尺度上以日为单位并作为聚类基本单元,每个单元包括一组对应的风出力和电力及燃气负荷时间序列,通过k-means聚类方法进行聚类,从而获得不同典型场景对应的典型日时间序列及典型场景出现天数。
步骤4:建立内嵌模拟运行的容量规划模型,综合考虑电力系统和天然气系统互联后在季节和日内两个尺度上出力和负荷特征的耦合。规划模型以年化投资成本、年运行成本和弃风成本之和最小为目标,目标函数表示如下:
min C=Cinv/nl+Csys+Cw
式中:Csys为年运行成本,式中Cinv为建设投资成本,Cw为弃风成本,nl为规划使用年限。
其中运行成本Csys如下式所示:
式中:ΩG为火电机组集合,N为典型场景类型数,本实施例N为3,nm为第m种典型场景出现天数,T为典型日内时间断面数,按小时断面取为24,ai、bi、ci为火电机组耗量特性曲线参数,PG,i,t为t时刻i节点发电机组出力,Cg为天然气成本。
为了考虑充分考虑经济效益,细化天然气结算方式。假定天然气长期合同“照付不议”结算方式,虽然天然气发电运行成本通常高于火电机组,但考虑到天然气“照付不议”合同的影响,夏天当天然气负荷与储气之和小于下限气量时,可以认为燃气发电边际成本为0,系统天然气成本Cg如下式所示:
式中:ΩS为气源点集合,Sj,t为t时刻j处的气源供气流量,Sj,T为日总用气量,为j处日指定最低气量,/>为j处日指定最高气量,Cgs,j,m为j处典型日m的合同购气价格,为j处典型日m的自由市场购气价格。
容量规划模型内嵌运行模拟,其中电网模型采用直流潮流模型,约束采用稳态电力系统约束,包括功率平衡约束、机组出力约束、电压相角约束、爬坡约束。天然气网络模型采用稳态模型,约束包括流量平衡约束、节点供气约束、节点压力约束。电转气模型采用稳态模型,约束包括功率转换约束、工作功率约束。
在上述模型约束基础上考虑风电大规模接入后,其对系统灵活性的影响较大。故采用动态仿真评价法,考虑风电接入后的运行风险,引入风电风险函数及其约束如下:
0≤R≤Rmax
式中:αt、βt分别为弃风惩罚系数和切负荷惩罚系数,Wcut,i,t、Wd,i,t分别为节点i处t时的弃风量和切负荷量,Capw,i为i处风电装机容量,ΩW为风电发电机集合,ΩL为电力系统负荷集合。Rmax为运行风险上限,当没有弃风和切负荷时运行风险为0。
步骤5:基于步骤4搭建的内嵌运行模拟的模型,采用步骤3生成的典型日时间序列进行运行模拟,求解出系统中相关设备的规划容量情况。
Claims (4)
1.一种考虑风气互补特性的季节储能解决方法,其特征在于包括以下步骤:
步骤1:根据历史数据,依据电力系统和天然气系统的季节性特征将目标区域的全年分为N个典型场景;
步骤2:获取目标区域的年度时间序列;
步骤3:获得目标区域的年度时间序列后,在时间尺度上以日为单位,该单位作为聚类基本单元,通过聚类方法进行聚类,从而获得不同典型场景对应的典型日时间序列及典型场景出现天数;
步骤4:建立内嵌模拟运行的容量规划模型,容量规划模型以年化投资成本、年运行成本和弃风成本之和最小为目标,目标函数表示如下:min C=Cinv/nl+Csys+Cw,式中:Csys为年运行成本,Cinv为建设投资成本,Cw为弃风成本,nl为规划使用年限;其中年运行成本式中:ΩG为火电机组集合,N为典型场景类型数,nm为第m种典型场景出现天数,T为典型日内时间断面数,ai、bi、ci为火电机组耗量特性曲线参数,PG,i,t为t时刻i节点发电机组出力,Cg为天然气成本;
容量规划模型内嵌运行模拟模型,其中电网模型采用直流潮流模型,约束采用稳态电力系统约束,包括功率平衡约束、机组出力约束、电压相角约束、爬坡约束;天然气网络模型采用稳态模型,约束包括流量平衡约束、节点供气约束、压力流量方程和节点压力约束;电转气模型采用稳态模型,约束包括功率转换约束、工作功率约束;
在上述模型约束基础上采用动态仿真评价法,考虑风电接入后的运行风险,引入风电风险函数及其约束如下:式中:αt、βt分别为弃风惩罚系数和切负荷惩罚系数,Wcut,i,t、Wd,i,t分别为节点i处t时的弃风量和切负荷量,Capw,i为i处风电装机容量,ΩW为风电发电机集合,ΩL为电力系统负荷集合,Rmax为运行风险上限,当没有弃风和切负荷时运行风险为0;
步骤5:基于步骤4搭建的内嵌运行模拟的模型,采用步骤3生成的典型日时间序列进行运行模拟,求解出系统中相关设备的规划容量情况。
2.根据权利要求1所述的一种考虑风气互补特性的季节储能解决方法,其特征在于:将目标区域的全年分为春秋、夏、冬三个典型场景,根据三种典型场景特点,不同典型场景采用不同的运行策略:
夏季天然气系统负荷较低,当其与储气装置容量之和仍低于最低购气量时,从经济角度考虑,增大燃气轮机出力,使用原照付不议部分燃气发电,可用其来弥补夏季少风火无风造成的发电缺额;
冬季典型日风电高发,消纳困难,而燃气锅炉供暖负荷消耗天然气较多,通过P2G装置将电能转化为燃气,并充分调动天然气系统进行配置,提升风电消纳能力和缓解天然气不足;
春秋季典型日处于夏冬季之间,燃气发电成本和碳排放均高于风电,此时在满足电网调峰和安全约束的前提下,实现风电和天然气机组出力优化。
3.根据权利要求1或2所述的一种考虑风气互补特性的季节储能解决方法,其特征在于:年度时间序列中年度负荷序列采用负荷预测结果,而风电的中长期出力序列采用了基于马尔科夫链-蒙特卡洛仿真法的风电时间序列建模方法来生成出力时间序列。
4.根据权利要求1或2所述的一种考虑风气互补特性的季节储能解决方法,其特征在于:天然气成本Cg如下式所示:
式中:ΩS为气源点集合,Sj,t为t时刻j处的气源供气流量,Sj,T为日总用气量,/>为j处日指定最低气量,/>为j处日指定最高气量,Cgs,j,m为j处典型场景m的合同购气价格,/>为j处典型场景m的自由市场购气价格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210080309.0A CN114417625B (zh) | 2022-01-24 | 2022-01-24 | 一种考虑风气互补特性的季节储能解决方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210080309.0A CN114417625B (zh) | 2022-01-24 | 2022-01-24 | 一种考虑风气互补特性的季节储能解决方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114417625A CN114417625A (zh) | 2022-04-29 |
CN114417625B true CN114417625B (zh) | 2024-03-26 |
Family
ID=81278217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210080309.0A Active CN114417625B (zh) | 2022-01-24 | 2022-01-24 | 一种考虑风气互补特性的季节储能解决方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114417625B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116822908B (zh) * | 2023-08-24 | 2023-11-17 | 福州凌渡科技有限公司 | 一种可快速求解的多时间尺度储能规划方法及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255471A (zh) * | 2018-08-17 | 2019-01-22 | 国网山东省电力公司电力科学研究院 | 一种含风电的电-气-热综合能源系统扩展规划优化方法 |
CN109787259A (zh) * | 2019-01-23 | 2019-05-21 | 西安交通大学 | 一种基于新能源随机波动的多类型储能联合规划方法 |
CN110729720A (zh) * | 2019-10-18 | 2020-01-24 | 云南电网有限责任公司电力科学研究院 | 一种蓄热罐容量规划方法和电转气参数敏感性分析方法 |
CN112862253A (zh) * | 2021-01-12 | 2021-05-28 | 山东大学 | 考虑风电不确定性的电-气-热储能协同规划方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6646182B2 (ja) * | 2017-07-06 | 2020-02-14 | 大連理工大学 | 省跨ぎ連通水力発電所群の長期間連合ピーキングスケジューリング方法 |
-
2022
- 2022-01-24 CN CN202210080309.0A patent/CN114417625B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109255471A (zh) * | 2018-08-17 | 2019-01-22 | 国网山东省电力公司电力科学研究院 | 一种含风电的电-气-热综合能源系统扩展规划优化方法 |
CN109787259A (zh) * | 2019-01-23 | 2019-05-21 | 西安交通大学 | 一种基于新能源随机波动的多类型储能联合规划方法 |
CN110729720A (zh) * | 2019-10-18 | 2020-01-24 | 云南电网有限责任公司电力科学研究院 | 一种蓄热罐容量规划方法和电转气参数敏感性分析方法 |
CN112862253A (zh) * | 2021-01-12 | 2021-05-28 | 山东大学 | 考虑风电不确定性的电-气-热储能协同规划方法及系统 |
Non-Patent Citations (2)
Title |
---|
结合随机规划和序贯蒙特卡洛模拟的风电场储能优化配置方法;吴玮坪;胡泽春;宋永华;;电网技术;20171123(第04期);全文 * |
面向多能互补的分布式光伏与气电混合容量规划方法;马溪原;郭晓斌;雷金勇;;电力系统自动化;20171123(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114417625A (zh) | 2022-04-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163443B (zh) | 考虑电-气综合需求响应的天然气调压站微能网优化调度方法 | |
CN110288152B (zh) | 考虑电/热柔性负荷的区域综合能源系统储能配置方法 | |
CN111738502A (zh) | 促进富余风电消纳的多能互补系统需求响应运行优化方法 | |
CN112418479B (zh) | 一种园区综合能源系统优化配置方法 | |
CN108648096B (zh) | 一种基于全寿命周期成本理论的抽水蓄能电站容量规划方法 | |
CN106529737A (zh) | 一种配电网供给侧调峰电源规划布局方法 | |
CN112446546B (zh) | 一种考虑能源可靠性的综合能源系统两阶段优化配置方法 | |
CN112417651A (zh) | 一种基于后悔规避的用户级综合能源系统优化方法 | |
CN114417625B (zh) | 一种考虑风气互补特性的季节储能解决方法 | |
Jintao et al. | Optimized operation of multi-energy system in the industrial park based on integrated demand response strategy | |
Wei et al. | Energy-efficient distribution in smart grid | |
CN112836957B (zh) | 一种考虑供电可靠性的区域综合能源系统规划方法 | |
CN114255137A (zh) | 考虑清洁能源的低碳综合能源系统优化规划方法及系统 | |
CN113078684B (zh) | 一种基于双层优化的区域能源社区规划方法 | |
CN113746105A (zh) | 电力需求响应的优化控制方法、装置、设备和存储介质 | |
Zhang et al. | Economic and Optimal Dispatch Model of Electricity, Heat and Gas for Virtual Power Plants in Parks Considering Low Carbon Targets. | |
Schill et al. | Decentralized solar prosumage with battery storage: System orientation required | |
Meng et al. | Economic optimization operation approach of integrated energy system considering wind power consumption and flexible load regulation | |
CN113131513B (zh) | 考虑碳排放的电、热、气转换优化运行配置方法和存储介质 | |
Li et al. | Low-carbon economic dispatch of integrated energy system considering p2g and carbon trading mechanism | |
Wolisz | Competitiveness and economic efficiency of thermal energy storage for balancing renewable electricity generation | |
Cui et al. | ADN multi-objective planning considering collaborative optimization of rdg and GAEP | |
CN112949903A (zh) | 一种含电转气和储能的区域综合能源系统日前优化调度方法 | |
Hou et al. | Optimization method of wind power consumption based on thermal storage tanks against the background of stepped carbon trading | |
CN110705804A (zh) | 一种考虑多类型热泵的多能微网效率效益评估方法 |
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 |