CN114529070B - 考虑随机停电供能可靠性的综合能源微网优化控制方法 - Google Patents

考虑随机停电供能可靠性的综合能源微网优化控制方法 Download PDF

Info

Publication number
CN114529070B
CN114529070B CN202210118204.XA CN202210118204A CN114529070B CN 114529070 B CN114529070 B CN 114529070B CN 202210118204 A CN202210118204 A CN 202210118204A CN 114529070 B CN114529070 B CN 114529070B
Authority
CN
China
Prior art keywords
iemg
island
energy
optimization control
energy supply
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
Application number
CN202210118204.XA
Other languages
English (en)
Other versions
CN114529070A (zh
Inventor
穆云飞
曹严
贾宏杰
王慧媛
陈盛
王新迎
蒲天骄
武国良
祖光鑫
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 Heilongjiang Electric Power Co Ltd Electric Power Research Institute
Tianjin University
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
State Grid Heilongjiang Electric Power Co Ltd Electric Power Research Institute
Tianjin University
China Electric Power Research Institute Co Ltd CEPRI
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 Heilongjiang Electric Power Co Ltd Electric Power Research Institute, Tianjin University, China Electric Power Research Institute Co Ltd CEPRI filed Critical State Grid Heilongjiang Electric Power Co Ltd Electric Power Research Institute
Priority to CN202210118204.XA priority Critical patent/CN114529070B/zh
Publication of CN114529070A publication Critical patent/CN114529070A/zh
Application granted granted Critical
Publication of CN114529070B publication Critical patent/CN114529070B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/388—Islanding, i.e. disconnection of local power supply from the network
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Power Engineering (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Feedback Control In General (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种考虑随机停电供能可靠性的综合能源微网优化控制方法，所述方法包括：建立EPG随机停电导致的IEMG孤岛模式的概率模型，采用场景树生成若干孤岛场景；建立IEMG多目标优化控制模型，通过对IEMG进行协同优化控制，得到最优的长期优化控制方案和两种运行模式下的短期运行方案，用于提升IEMG并网模式的运行经济性及孤岛模式的供能可靠性。本发明解决了目前研究忽略EPG停电对IEMG运行的影响，导致IEMG控制方案不合理，使IEMG出现能量供给不足，削弱IEMG供能可靠性等问题。

Description

考虑随机停电供能可靠性的综合能源微网优化控制方法
技术领域
本发明涉及综合能源微网技术领域，尤其涉及一种考虑随机停电供能可靠性的综合能源微网优化控制方法。
背景技术
随着多能耦合、集成优化、分布式能源发电等技术的推广应用，综合能源微网(Integrated Energy Micro Grid,IEMG)发展迅速。IEMG可以通过能源生产、转换和储存单元的协调互补，促进能源的高效利用，比独立的能源供应系统具有更好的能源供应经济性和可靠性。
IEMG的优化控制需立足于当地的能源基础设施、自然条件、可获得的能源资源等，通过合理的供能单元选择和设备配置，提高用户供能的经济性和可靠性。IEMG通常以并网模式运行，从外部电网(External Power Grid，EPG)购买电能，并将其转换为其他形式的能源，如热能和冷能，以满足各种类型的负荷。但是，由于故障或检修等原因，EPG可能会发生停电，无法向IEMG输送电力。例如：2019年8月9日英国大停电和2020年美国加利福尼亚州轮流停电事故，严重影响了IEMG的能源供应可靠性，尤其是对重要负荷。由于IEMG的多能耦合特性，EPG停电不仅影响其供电环节，还影响供气、供热环节的运行。
当EPG停电时，IEMG可以切换到孤岛模式运行，利用本地的调控资源(例如：分布式发电、储能设备等)维持能源供应。例如，在2011年日本大地震中，仙台的IEMG被迫进入孤岛模式，采用电池、燃气发动机等装置实现了能源供应的快速恢复[1]。但在目前的优化控制方法中，没用充分挖掘IEMG多能互补、灵活调控等特性对于抵御或减轻EPG停电影响的优势，削弱了IEMG的供能可靠性。
目前，在IEMG优化控制方面已有大量的研究。文献[2]考虑了设备的投资约束，在满足用户能源需求的同时，通过合理的容量配置降低了IEMG的运行成本。为了应对负荷和可再生能源的不确定性，文献[3]采用了一种IEMG鲁棒规划方法，可以减少不确定性带来的成本变化。文献[4]提出了一种融合综合需求响应的IEMG协同优化配置方法，该方法考虑了负荷的不确定性，可以降低能源利用成本。为了减少污染物排放，文献[5]建立了考虑环境外部性的IEMG容量规划和优化模型，以促进可再生能源的使用。文献[6]同时考虑了经济性和环保性，建立了包括容量配置和运行优化的两阶段优化控制模型，可以降低IEMG的用能和环境成本。
上述研究侧重于降低IEMG的优化控制成本，减轻能源价格、负荷、可再生能源等不确定因素对IEMG未来运行的影响。然而，大多数研究忽略了EPG停电，在并网模式下得到优化控制方案，却很少考虑IEMG的孤岛运行模式。由于有EPG的支撑，IEMG发电设备的配置容量较小，当EPG出现故障时，可能会造成能源供应短缺，带来经济损失。此外，由于EPG的故障具有很强的随机性，电网的检修也具有不确定性，EPG停电是一个随机事件，具有相互关联的多个不确定参数，如：持续时长、开始时间、发生日期等。在IEMG的优化控制中，需要刻画这些不确定参数并对EPG随机停电进行建模。
因此，急需一种考虑随机停电供能可靠性的综合能源微网优化控制方法。
发明内容
本发明提供了一种考虑随机停电供能可靠性的综合能源微网优化控制方法，本发明解决了上述研究忽略EPG停电对IEMG运行的影响，导致IEMG控制方案不合理，使IEMG出现能量供给不足，削弱IEMG供能可靠性等问题，详见下文描述：
一种考虑随机停电供能可靠性的综合能源微网优化控制方法，所述方法包括：
建立EPG随机停电导致的IEMG孤岛模式的概率模型，采用场景树生成若干孤岛场景；
建立IEMG多目标优化控制模型，通过对IEMG进行协同优化控制，得到最优的长期优化控制方案和两种运行模式下的短期运行方案，用于提升IEMG并网模式的运行经济性及孤岛模式的供能可靠性。
其中，所述建立EPG随机停电导致的IEMG孤岛模式的概率模型为：
采用随机向量ξ表示孤岛模式，由孤岛类型I、持续时间Tdur、发生日期Docc和开始时间Tstart组成；
其中，随机向量ξ的概率密度函数的联合PDF，定义如下：
式中，f(ξ)表示ξ的PDF；表示I、Tdur、Docc和Tstart的联合PDF；i、tdur、docc和tstart分别表示I、Tdur、Docc和Tstart的取值；fI(i)表示I的PDF；/>表示Tdur的条件PDF；/>表示Docc的条件PDF；/>表示Tstart的条件PDF。
进一步地，所述采用场景树生成若干孤岛场景为：
采用场景树生成孤岛场景，从场景树的L1层的根节点开始，根据3种孤岛模式，在L2层生成3个节点；对于L2的每个节点，根据孤岛类型确定后持续时间的条件概率，生成L3层的节点；确定孤岛类型和持续时间后，根据发生日期的条件概率，生成L4层的节点；同理，考虑开始时间的条件概率，生成L5层的叶节点；从根节点到叶节点的路径被定义为孤岛场景；
最终，生成Stotal个孤岛场景，包括SI个I型孤岛场景，SII个II型孤岛场景和SIII个III型孤岛场景，场景s的发生概率为：
式中，p(s)表示场景s的发生概率；λi表示i型孤岛的发生频率；和/>分别表示/>和/>的条件概率；TDi、DOi和TSi表示持续时间集、发生日期集和开始时间集。
其中，所述多目标优化控制模型的目标函数包括：
第一目标函数表示为最小化IEMG的优化控制总成本，包括投资费用、运行费用、维护费用和碳税费用；
第二目标函数表示为孤岛模式下IEMG的最小经济损失期望，包括能量供给不足惩罚和由于设备出力过多产生的弃能惩罚；
采用线性加权和法将上述两个目标函数转化为加权目标函数，通过调整权重系数，以协调经济性和可靠性的关系。
进一步地，所述多目标优化控制模型的约束条件包括：
优化控制模型中的约束条件包括设备配置容量约束、并网模式下的运行约束及孤岛模式下的“可靠运行策略”及运行约束；
其中，并网模式下的运行约束包括：
与EPG交换电能约束、设备运行约束和功率平衡约束；
其中，所述孤岛模式下的可靠运行策略如下：
步骤1：初始化运行情况；
步骤2：判断是否CHP、PV或CHP、GB和HP满足电或热负荷需求，若是，执行步骤2-1，若否，执行步骤2-2；
步骤2-1：将多余电或热能存储在ES或HS中，并判断ES或HS是否达到能量储存上限，若是，产生弃电或热；若否，结束；
步骤2-2：调用ES或HS放电或热；
步骤3：判断是否满足电或热负荷需求，若是，结束，若否，执行步骤4；
步骤4：优先切除NEL或NHL，再切除PEL或PHL；
步骤5：结束。
本发明提供的技术方案的有益效果是：
1、本发明通过目标函数和约束条件设定，所提的多目标优化控制模型不仅优化了长时间尺度控制方案，还优化了不同模式下的短期运行策略，提高了并网模式下的运行经济性，并提高了孤岛模式的供能可靠性；
2、本发明采用场景树刻画了IEMG未来可能出现的孤岛场景，通过合理的优化控制进一步挖掘了多能互补的优势，以牺牲较低的经济性为代价，大幅降低了EPG停电造成的经济损失期望，大大提高了IEMG的可靠性；
3、本发明相比于独立供能系统的控制方法，优化控制总成本和经济损失期望得到了大幅降低，提高了IEMG的供能经济性和可靠性。
附图说明
图1为一种考虑随机停电供能可靠性的综合能源微网优化控制方法示意图；
图2为基于场景树的孤岛生成方法示意图；
图3为IEMG规划-运行多目标协同优化控制模型示意图；
图4为IEMG孤岛模式“可靠运行策略”流程图；
图5为IEMG结构图；
图6为负荷及光照强度曲线示意图；
图7为分时电价曲线示意图；
图8为各算例费用对比图；
图9为不同类型孤岛的ENS曲线；
图10为Case I在II型孤岛的运行情况曲线；
图11为Case II在II型孤岛的运行情况曲线；
图12为Case III在II型孤岛的运行情况曲线。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。
本发明实施例提供了一种考虑随机停电供能可靠性的综合能源微网优化控制方法，建立EPG随机停电导致的IEMG孤岛模式的概率模型，采用场景树生成若干孤岛场景，进而建立IEMG多目标优化控制模型，得到系统整体的优化控制策略，用于提升IEMG并网模式的运行经济性及孤岛模式的供能可靠性。
首先，根据EPG停电的原因和严重程度将孤岛模式分为3种。考虑孤岛类型、持续时间、发生日期和开始时间4个不确定参数及它们之间的相互限制及约束，建立孤岛模式的概率模型。在此基础上，将概率模型离散化，通过场景树生成孤岛场景。进而，建立IEMG多目标优化控制模型，该模型有2个目标函数：第1个目标函数为最小化优化控制总成本，以优化规划方案及并网模式的运行方案；第2个目标函数是最小化孤岛模式下的经济损失期望，旨在提高能源供应的可靠性。优化控制模型中的约束条件包括设备配置容量约束、并网模式下的运行约束及孤岛模式下的“可靠运行策略”及运行约束。该优化控制模型融合了长期优化控制方案和两种运行模式下的短期运行方案，通过协同优化控制，得到最优的结果。
如图1所示，本发明实施例提供的一种考虑随机停电供能可靠性的综合能源微网优化控制方法，包括如下步骤：
1)对IEMG孤岛模式建模，并采用场景树生成若干孤岛场景。
根据EPG停电的原因及严重程度，将IEMG的孤岛模式分为3类：
I型孤岛：I型孤岛是由EPG易于修复的小规模故障引起，持续时间较短，一般为1～5小时，假设其发生的频率为λI(次/a)。I型孤岛的持续时间、发生日期和开始时间是不确定的。
II型孤岛：II型孤岛是由EPG非常规、规模较大的故障引起的，故障修复时间长，一般为十几个小时甚至几天。其发生频率较低，假设为λII(次/a)，其持续时间、发生日期和开始时间是不确定的。
III型孤岛：III型孤岛是由EPG预安排停电引起，其发生频率假设为λIII(次/a)，持续时间、发生日期和开始时间是随机的，但会提前通知IEMG。
采用随机向量ξ表示孤岛模式，它由4个随机变量组成：孤岛类型I、持续时间Tdur、发生日期Docc和开始时间Tstart。
其中，ξ定义如下：
ξ＝(I,Tdur,Docc,Tstart) (1)
例如，ξ＝(I型,3小时,6月5日,6:00)表示I型孤岛发生在6月5日的6:00，持续3个小时。
ξ的概率密度函数(Probability Density Function,PDF)，即I、Tdur、Docc和Tstart的联合PDF，定义如下：
式中，f(ξ)表示ξ的PDF；表示I、Tdur、Docc和Tstart的联合PDF；i、tdur、docc和tstart分别表示I、Tdur、Docc和Tstart的取值；fI(i)表示I的PDF；/>表示Tdur的条件PDF，已知I＝i；/>表示Docc的条件PDF，已知I＝i且Tdur＝tdur；表示Tstart的条件PDF，已知I＝I,Tdur＝tdur且Docc＝docc。
如式(2)所示，4个随机变量不是独立的，它们是关联的，条件PDF表明后一随机变量受前一随机变量的约束和影响。
采用场景树生成孤岛场景，如图2所示，从场景树的L1层的根节点开始，根据3种孤岛模式，在L2层生成3个节点。对于L2的每个节点，根据孤岛类型确定后持续时间的条件概率，生成L3层的节点。确定孤岛类型和持续时间后，根据发生日期的条件概率，生成L4层的节点。同理，考虑开始时间的条件概率，生成L5层的叶节点。从根节点到叶节点的路径被定义为孤岛场景。
最终，生成Stotal个孤岛场景，包括SI个I型孤岛场景，SII个II型孤岛场景和SIII个III型孤岛场景。以场景s为例，s∈{1,2,…,Stotal}，假设其对应孤岛类型为i，持续时间为发生日期为/>开始时间为/>场景s的发生概率为：
式中，p(s)表示场景s的发生概率；λi表示i型孤岛的发生频率；和/>分别表示/>和/>的条件概率；TDi、DOi和TSi表示持续时间集、发生日期集和开始时间集，包括持续时间、发生日期和开始时间的可能值。事实上，式(3)是式(2)的离散形式。
2)建立IEMG多目标优化控制模型，通过对IEMG进行协同优化控制，得到最优的长期优化控制方案和两种运行模式下的短期运行方案，如图3所示。
(1)IEMG多目标优化控制模型整体框架
首先将设备参数、负荷、光照强度、能源价格、孤岛场景等基础数据输入到优化控制模型中。
规划-运行协同优化控制模型有两个目标函数：目标函数1是最小化IEMG的优化控制总成本，包括投资费用、运行费用、维护费用和碳税费用，其目的是优化规划方案及并网模式下的运行方案。目标函数2的目的是通过优化孤岛模式运行方案，确保IEMG尽可能满足能源需求，为与目标函数1相匹配，目标函数2表示为孤岛模式下IEMG的最小经济损失期望，包括能量供给不足(Energy Not Supplied,ENS)惩罚和由于设备出力过多产生的弃能(Energy Abandoned,EA)惩罚。采用线性加权和法将上述两个目标函数转化为加权目标函数。调整加权目标函数中的权重系数ω，以协调经济性和可靠性的关系。
优化控制模型的变量和约束分为3个模块。在规划模块，变量用向量x表示，包括每个设备的容量，它们应满足设配配置容量的上下限约束。x还为两个运行模块提供设备运行限制。在并网运行模块，变量用向量y表示，包括各设备的出力和从EPG购买的电能，它们应满足设备运行约束和功率平衡约束。孤岛运行模块中的变量由向量u表示，包含每个设备的出力、ENS和EA。为了区分输入的不同孤岛场景，场景s中的变量表示为向量us。为了减少ENS和EA带来的经济损失期望，孤岛模式采用“可靠运行策略”，IEMG应满足相应的设备运行约束、功率平衡约束和运行逻辑约束。
最后，将变量传递到目标函数的计算中，目标函数1采用x和y计算，目标函数2采用各场景的us计算。求解规划-运行协同优化模型，输出优化结果，包括规划方案及并网模式和孤岛模式下的运行方案。
该多目标优化控制模型是一个MILP问题，用矩阵形式表示如下：
式中，f(x,y)表示优化控制总成本；E[g(u,ξ)]表示孤岛模式下的经济损失期望；E[]表示期望计算公式；ω是权重系数，ω∈(0,1]；c、d和q为目标函数的系数列向量；向量us表示孤岛模式在场景s中的运行变量；A、B、C、D、E和F为约束中变量对应的系数矩阵；a、b、m和n为约束的系数列向量；xu表示x的上限。
在优化控制模型的约束条件中，式(a)表示规划中设备的配置容量限制；式(b)表示IEMG并网运行时的不等式约束，包括设备出力的上下限；式(c)表示并网运行时的等式约束，包括各设备的能量转换约束和功率平衡设备；对应地，式(d)式(e)表示IEMG在孤岛运行时的不等式约束和等式约束，也包括“可靠运行策略”需满足的运行逻辑约束。
(2)IEMG多目标优化控制模型目标函数
优化控制模型中目标函数1是最小化IEMG的优化控制总成本，将其表示为等年值：
obj1:min Ctotal＝CInv+COpe+CMai+CCO2 (5)
式中，Ctotal是IEMG的优化控制总成本；CInv是设备投资费用等年值；COpe是并网模式下的年运行费用；CMai是并网模式下的年维护费用；CCO2是并网模式下的年碳税费用。
假设在优化控制中有N种候选设备，CInv计算如下：
式中，cInv,m表示设备m单位容量的投资费用；Wm表示设备m的配置容量；nm表示设备m的寿命；r表示折现率；表示年值系数，它的作用是将设备m的投资费用换算成其寿命内的等年值；m＝1,2…,N。
COpe包括并网模式下的购电费用和天然气消耗费用，计算公式如下：
COpe＝cgridPgrid T+sum(cgasGgas) (8)
式中，cgrid＝[cgrid(t)]1×8760表示电价向量；cgrid(t)为t时刻的电价；Pgrid＝[Pgrid(t)]1×8760表示在并网模式下从EPG购电功率向量，Pgrid(t)为并网模式下t时刻的购电功率；cgas表示天然气价格；Ggas＝[Ggas(t)]1×8760表示并网模式下天然气消耗功率向量，Ggas(t)为并网模式下t时刻的天然气消耗功率；sum()表示求和函数。
CMai的表达式为：
CMai＝sum(cMaiP) (9)
式中，cMai＝[cMai,m]1×M表示设备单位功率可变维护费用向量，cMai,m为设备m单位功率可变维护费用；P＝[Pm(t)]M×8760表示在并网模式下的设备输出功率矩阵，Pm(t)为在并网模式下t时刻设备m的输出功率。
CCO2包括从EPG购电产生的碳税费用和消耗天然气产生的碳税费用：
CCO2＝cCO2(sum(μgridPgrid)+sum(μgasGgas)) (10)
式中，cCO2是每kg CO2排放的碳税费用；μgrid和μgas分别表示从EPG购电以及消耗天然气对应的CO2排放系数。
目标函数2是最小化孤岛模式下IEMG的经济损失期望，尽可能减少ENS和EA，计算公式如下：
式中，Closs表示孤岛模式下的预期经济期望；gs(us)表示场景s中的经济损失，计算公式如下：
式中，表示场景s的经济损失；cENS表示单位功率ENS的惩罚费用向量；/>和/>分别表示PEL、NEL、PHL和NHL的单位功率ENS的惩罚费用；表示t时刻ENS功率向量；/>和/>分别表示t时刻PEL、NEL、PHL和NHL的ENS功率；cEA表示单位功率EA的惩罚费用向量；/>和/>分别表示电和热的单位功率EA惩罚费用；/>表示t时刻EA功率向量；/>和/>分别表示t时刻电和热的EA功率。
通过改写式(11)-(16)，目标函数2也可以表示成下列形式：
obj2:min Closs＝cENSEENS+cEAEEA (17)
EENS＝[EENSe1,EENSe2,EENSh1,EENSh2]T (18)
EEA＝[EEAe,EEAh]T (19)
式中，EENS表示能量供给不足期望(Expected Energy Not Supplied,EENS)向量，EENSe1、EENSe2、EENSh1和EENSh2分别表示PEL、NEL、PHL和NHL的EENS；EEA表示弃能期望(Expected Energy Abandoned,EEA)向量，EEAe和EEAh分别表示电和热的EEA。
以上两个目标函数通过线性加权和法转化为如下加权目标函数：
obj:minωCtotal+(1-ω)Closs (22)
式中，ω的值取决于决策者的偏好。
(3)IEMG多目标优化控制模型约束条件
优化控制模型中并网模式下的运行约束具体为：
在并网模式下，IEMG可以与EPG进行电能交换，由于EPG的支持，IEMG可以为所有负荷供电而不会出现能源短缺。IEMG运行在并网模式应满足与EPG交换电能约束、设备运行约束和功率平衡约束。
a)与EPG交互电能功率约束：
式中，表示EPG可向IEMG传输的最大功率。
b)PV运行约束：
0≤PPV,c(t)≤PPV(t)(24b)
式中，PPV(t)为t时刻PV的最大输出功率；ηPV为PV发电转换效率系数；WPV表示PV的配置容量；HS(t)表示t时刻的光照辐射密度；HSTC表示标准测试条件下的光照辐射密度；PPV,c(t)为t时刻PV的消纳功率。
c)能量生产、转换设备约束(CHP、HP和GB)：
PET,out(t)＝PET,in(t)ηET (25a)
0≤PET,out(t)≤WET ET∈ET＝{CHP,HP,GB} (25b)
式中，PET,out(t)表示t时刻设备ET的输出能量功率；PET,in(t)表示t时刻设备ET消耗的输入能量功率；ηET表示设备ET的能量转换效率；WET表示设备ET的配置容量；ET表示能量生产、转换设备集合。
d)储能设备约束(ES和HS)：
0≤Pc(t)≤Pc,max (26a)
0≤Pd(t)≤Pd,max (26b)
SOCmin≤SOC(t)≤SOCmax (26d)
Pc(t)Pd(t)＝0 (26e)
SOC(0)＝SOC(T) (26f)
式中，Pc(t)和Pd(t)分别表示t时刻ESS(包括ES和HS)充能功率与放能功率；Pc,max和Pd,max为最大充能、放能功率；SOC(t)为ESS在t时刻的荷电状态；SOCmax、SOCmin为ESS的SOC上下限；ηc和ηd分别为充能和放能效率；WESS为ESS的配置容量；SOC(0)、SOC(T)分别为ESS调度期初和期末的SOC；Δt为调度周期，本发明实施例取1小时。
e)电/热功率平衡约束：
式中，PCHP(t)表示t时刻CHP的发电功率；和/>分别表示t时刻ES的充放电功率；PHP(t)表示t时刻HP的耗电功率；PL1(t)和PL2(t)分别表示t时刻重要电负荷和一般电负荷功率；HCHP(t)表示t时刻CHP的供热功率；HHP(t)表示t时刻HP的供热功率；HGB(t)表示t时刻GB的供热功率；/>和/>分别表示HS在t时刻的充放热功率；HL1(t)和HL2(t)分别表示t时刻重要热负荷和一般热负荷功率。
优化控制模型中孤岛模式下的“可靠运行策略”及运行约束具体为：
在孤岛模式下，为降低ENS，IEMG采用“可靠运行策略”，如图4所示，依靠自身的能源供应能力，以尽可能满足电/热负荷需求为目标，通过各环节的协调互补，控制各设备的出力，具体步骤如下：
步骤1：初始化运行情况；
步骤2：判断是否CHP、PV(或CHP、GB和HP)满足电(或热)负荷需求，若是，执行步骤2-1，若否，执行步骤2-2；
步骤2-1：将多余电(或热)能存储在ES(或HS)中，并判断ES(或HS)是否达到能量储存上限，若是，产生弃电(或热)；若否，结束；
步骤2-2：调用ES(或HS)放电(或热)；
步骤3：判断是否满足电(或热)负荷需求，若是，结束，若否，执行步骤4；
步骤4：优先切除NEL(或NHL)，再切除PEL(或PHL)；
步骤5：结束。
以场景s为例，在的区间内，IEMG处于孤岛模式，为实现上述运行策略，除需满足式(5-24)-(5-26)的设备运行约束外，供电环节还需满足的约束为：
a)IEMG与EPG的交换功率为0：
Pgrid(t)＝0 (29)
b)除式(5-26)外，ES的运行约束：
PCHP(t)+PPV(t)-PL1(t)-PL2(t)≥-Mzd,zd∈{0,1} (30a)
PCHP(t)+PPV(t)-PL1(t)-PL2(t)≤M(1-zd) (30b)
式中，M表示一个充分大的正数；zd为0-1变量，用于表示CHP和PV是否不满足电负荷需求，即是否需要调用ES放电。
c)弃电约束：
1-zd≥za,za∈{0,1} (31a)
式中，za为0-1变量，用于表示是否需要产生弃电。
d)切负荷优先级约束：
zd≥zn,zn∈{0,1} (32a)
zn≥zp,zp∈{0,1} (32e)
式中，zn和zp为0-1变量，分别表示是否需要NEL和PEL；式(32e)表示优先切除NEL。
e)功率平衡约束
供热环节的相应约束与供电环节的约束类似，此处不再赘述。
考虑外部电网随机停电供能可靠性的IEMG多目标优化控制方法通过场景树刻画了IEMG未来可能出现的孤岛场景，并在优化控制模型中将控制总成本最低及EPG随机停电导致的经济损失期望最低作为目标函数，设置并网和孤岛模式下的运行策略及约束，通过合理的优化控制进一步挖掘了IEMG多能互补的优势，不仅优化了控制方案，还优化了不同模式下的运行策略，提高了并网模式下的运行经济性，并提高了孤岛模式的供能可靠性。较传统仅考虑经济性的单目标优化控制方法，该方法以牺牲较低的经济性为代价，大幅降低了EPG停电造成的经济损失期望，大大提高了IEMG的可靠性。
下面给出实施例。
(1)实施例及参数
以中国北方的一个IEMG为例，如图5所示。假设IEMG的优化控制周期为15年，候选设备及其参数见表1和表2。考虑IEMG孤岛模式下ENS和EA造成的经济损失，假设为290元/kW、/>为70元/kW、/>为60元/kW、/>为20元/kW。另外，假设为/>为1.35元/kW，则/>为1.2元/kW。为反映负荷和可再生能源的波动性和季节性差异，采用夏季、冬季和过渡季三个典型日和夏季和冬季两个极端典型日的数据来表示全年情况，一年中各典型日的天数为100、109、152、2和2。各典型日负荷曲线和光照强度曲线如图6所示。其中，夏季极端典型日用电负荷比正常高10％，而光伏出力仅为70％；冬季极端典型日热负荷比正常高10％。
表1能量生产和转换设备参数
表2 ESS参数
IEMG采用分时电价，如图7所示。天然气采用固定气价，为2.71元/m3，天然气低热值为9.7kWh/m3，经过折算后的天然气价格为0.28元/kWh。从外部电网购电和消耗天然气对应的CO2排放系数分别为0.137kg/kWh和0.198kg/kWh，单位kg的碳税费用为0.02元。折现率r取8％。
EPG停电数据和孤岛模式参数由当地供电公司提供，采用场景树生成孤岛场景，如表3所示。
表3孤岛模式参数和场景生成
为对比本发明实施例的多目标优化控制方法相较于仅考虑IEMG经济性的单目标优化控制方法的有效性，以及采用多能耦合供能方式相较于传统分供方式在提升系统运行经济性以及供能可靠性方面的有效性，设置3个算例如下：
Case I：采用多目标优化控制，将IEMG优化控制总成本最低和孤岛模式经济损失期望最低作为目标函数，设权重系数ω为0.5；系统采用多能耦合供能方式，候选设备包括CHP、PV、GB、HP、ES和HS。
Case II：采用单目标优化控制，仅将IEMG优化控制总成本最低作为目标函数；系统采用多能耦合供能方式。
Case III：采用多目标优化控制，设权重系数ω为0.5；系统采用传统分供方式，即IEMG并网模式下电能通过外部电网供应，热能通过GB供应；在IEMG孤岛模式下采用备用的柴油发电机(Diesel Generator,DG)供电。
(2)优化控制经济性及可靠性分析
IEMG优化控制总成本Ctotal、孤岛模式的经济损失期望Closs及其构成如图8所示。Case I和Case II相比，Case II的Ctotal比Case I高10600元，仅占0.17％。Case II的Closs大约是Case I的2.6倍，比Case I出33800元。虽然Case I的Ctotal略高，但Closs低很多。因此，Case I采用的多目标优化控制方法考虑了IEMG的孤岛模式，能够有效抵御EPG停电的影响，增强IEMG供能可靠性。
对比Case I和Case III，虽然Case III的投资成本远低于Case I，但Case III并网模式运行时高度依赖EPG，运营成本约为Case I的2.5倍。Case III的总成本比Case I增加约28,357万元，增加了31％。当EPG出现故障时，Case III缺乏EPG的支持，只能通过备用DG供电，造成能源供应严重不足，Closs达到40200元，约为Case I的2倍。因此，采用多能耦合的IEMG，不仅可以降低供能成本，还可以提高EPG停电下IEMG的供能可靠性。
各算例的EENS如表4所示，其显示了孤岛模式下IEMG的供能可靠性。由于Case I和Case II的多能互补效应以及Case III中DG的备用支撑，3个算例都具有一定的可靠性，都可以完全供应PEL和PHL。由于EPG停电对供热影响较小，Case I和Case III也可以完全供应NHL，Case II只有少量的NHL供能不足。对于NEL，三种情况的EENSe2大小不同，其中Case I最低，Case III次之，Case II最高。这说明采用多目标优化控制可以进一步挖掘IEMG多能源耦合及协调互补的潜力，降低EENSe2，提高孤岛模式下的供能可靠性。
表4EENS结果
进一步，比较3个算例NEL的ENS，如图9(a)-(b)所示。图9(a)后半部分显示了IEMG在冬季极端典型日17:00-19:00运行在I型孤岛的ENS，在此期间电负荷较高，3个算例均出现了ENS。Case I和Case II只有18:00和19:00出现ENS，且Case I的ENS小于Case II，说明EPG停电对Case I的影响较小。而Case III在整个时段都有ENS，且ENS值较高，受EPG停电影响较大。
图9(a)的前半部分显示了IEMG运行在III型孤岛的ENS。由于Ⅲ型孤岛发生在负荷较低的过渡季典型日，对IEMG供电的影响较小。Case I和Case II可以确保在孤岛模式下可靠供电，没有ENS。Case III在11:00-14:00出现ENS，但数值较低。
图9(b)显示了IEMG在整个夏季极端典型日运行在II型孤岛时的ENS，此时电负荷较高，但PV的输出较低。Case II和Case III出现了ENS，Case II中ENS出现的时间段为6:00-9:00和22:00-0:00，持续时间为6小时；而Case III中ENS出现的时间相对集中，在9:00-23:00，持续时间为13小时。Case II和Case III的ENS都很高，但Case II的总ENS低于CaseIII。而此时对Case I的影响较小，Case I中没有ENS。
(3)孤岛模式运行情况对比
本小结分析3个算例在孤岛模式下供能情况不同的原因，由于夏季极端典型日电负荷高而光伏出力低，如果发生持续一整天的II型孤岛，将对IEMG的电力供应构成巨大威胁，该场景可以很好地反映不同优化控制方案维持能源供应的能力。因此，以该孤岛场景为例，3个算例的设备出力、ENS、EA、供电和供热情况如图10-图12所示。
通过所提的多目标优化控制方法，多能互补在提高供能可靠性方面的优势得到了进一步挖掘。如图10(a)所示，Case I中CHP的配置容量充足，当IEMG处于孤岛模式时，CHP的发电量较大，以弥补PV的不足出力，并且通过ES的充放电，可以完全满足IEMG的用电需求，实现孤岛模式下的可靠供电。由于CHP工作在“以电定热”模式下，为满足电负荷的供给，CHP的负载率较高，产生多余的热能，由于夏季热负荷较低，IEMG通过弃热来保证热能供需平衡，如图10(b)所示。
Case II的CHP容量低于Case I，削弱了IEMG的电力自给能力。如图11(a)所示，CHP在1:00-6:00满载运行，但其输出功率仍低于电力需求，通过ES放电以满足用电需求。在6:00-9:00，ES达到了储量下限，无法继续放电，此时电能供应不足。随后，随着光照强度的增加，PV的输出功率逐渐增加，可以保证IEMG充足的电能供应，并将多余的电能储存在ES中。在17:00-22:00，随着PV出力的减少，IEMG仍然可以依靠CHP的出力和ES的放电来保证充足的电能供应。但22:00后，随着ES再次达到储量下限，CHP的出力无法满足用电需求，导致ENS，部分NEL被切除。由于CHP全天运行在高负载率状态，IEMG采取弃热措施以保证热能供需平衡，如图11(b)所示。因此，虽然Case II具有一定的可靠性，但由于优化控制中仅考虑经济性，而忽略了EPG停电的影响，所得方案不合理，IEMG的多能互补作用受到了限制。
Case III的能源供应模式较简单，如图12(a)所示。当EPG停电时，系统利用备用的DG供电，可满足大部分用电需求。而当电负荷大于DG出力上限时，如9:00-20:00，出现了供电不足，必须削减高于DG出力的NEL。对于供热环节，如图12(b)所示，根据供热需求调节GB的输出功率，可以保证供热环节实时供需平衡，不需要采取弃热措施。
总之，孤岛模式下，Case II和Case III的设备出力和调控无法支撑IEMG用电需求，导致电能供应不足。而Case I在优化控制阶段考虑了未来可能发生的EPG停电场景，通过优化各设备的容量，进一步挖掘了多能互补在可靠性提升方面的潜力，使IEMG能够有效应对孤岛模式运行的挑战，确保能源的可靠供应。
综上，通过实施例表明，本发明实施例的一种考虑随机停电供能可靠性的综合能源微网优化控制方，对EPG停电及其随机性进行建模，并通过场景树生成多个孤岛场景。考虑优化控制经济性和运行可靠性要求，将IEMG的优化控制总成本和EPG停电造成的经济损失期望作为优化控制模型的目标函数，对IEMG的规划决策及并网模式和孤岛模式的运行方案进行协同优化，所得结论如下：
a)本发明通过目标函数和约束条件设定，不仅优化了控制方案，还优化了不同模式下的运行策略，提高了并网模式下的运行经济性，并提高了孤岛模式的供能可靠性。
b)与只考虑经济性的IEMG单目标优化控制方法不同，本发明通过场景树刻画了IEMG未来可能出现的孤岛场景，通过合理的优化控制进一步挖掘了多能互补的优势。以牺牲较低的经济性为代价，大幅降低了EPG停电造成的经济损失期望，改善了IEMG的可靠性。
c)本发明相比于独立供能系统的控制方法，优化控制总成本和经济损失期望得到了大幅降低，提高了IEMG的供能经济性和可靠性。
参考文献：
[1]Marnay C,Aki H,Hirose K,et al.Japan's pivot to resilience:How twomicrogrids fared After the2011 thquake[J].IEEE Power and Energy Magazine,2015,13(3):44-57.
[2]Wang Y,Li R,Dong H,et al.Capacity planning and optimization ofbusiness park-level integrated energy system based on investment constraints[J].Energy,2019,189:116345.
[3]Yu N,Kang J S,Chang C C,et al.Robust economic optimization andenvironmental policy analysis for microgrid planning:An application toTaichung Industrial Park,Taiwan[J].Energy,2016,113:671-682.
[4]Liu W,Huang Y,Li Z,et al.Optimal allocation for coupling device inan integrated energy system considering complex uncertainties of demandresponse[J].Energy,2020,198:117279.
[5]Sun J,Ruze N,Zhang J,et al.Capacity planning and optimization forintegrated energy system in industrial park considering environmentalexternalities[J].Renewable Energy,2021,167:56-65.
[6]Wang Y,Wang Y,Huang Y,et al.Planning and operation method of theregional integrated energy system considering economy and environment[J].Energy,2019,171:731-750.
本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种考虑随机停电供能可靠性的综合能源微网优化控制方法，其特征在于，所述方法包括：
建立EPG随机停电导致的IEMG孤岛模式的概率模型，采用场景树生成若干孤岛场景；
建立IEMG多目标优化控制模型，通过对IEMG进行协同优化控制，得到最优的长期优化控制方案和两种运行模式下的短期运行方案，用于提升IEMG并网模式的运行经济性及孤岛模式的供能可靠性；
其中，所述建立EPG随机停电导致的IEMG孤岛模式的概率模型为：
采用随机向量ξ表示孤岛模式，由孤岛类型I、持续时间Tdur、发生日期Docc和开始时间Tstart组成；
其中，随机向量ξ的概率密度函数的联合PDF，定义如下：
式中，f(ξ)表示ξ的PDF；表示I、Tdur、Docc和Tstart的联合PDF；i、tdur、docc和tstart分别表示I、Tdur、Docc和Tstart的取值；fI(i)表示I的PDF；/>表示Tdur的条件PDF；/>表示Docc的条件PDF；/>表示Tstart的条件PDF；
其中，所述采用场景树生成若干孤岛场景为：
采用场景树生成孤岛场景，从场景树的L1层的根节点开始，根据3种孤岛模式，在L2层生成3个节点；对于L2的每个节点，根据孤岛类型确定后持续时间的条件概率，生成L3层的节点；确定孤岛类型和持续时间后，根据发生日期的条件概率，生成L4层的节点；同理，考虑开始时间的条件概率，生成L5层的叶节点；从根节点到叶节点的路径被定义为孤岛场景；
最终，生成Stotal个孤岛场景，包括SI个I型孤岛场景，SII个II型孤岛场景和SIII个III型孤岛场景，场景s的发生概率为：
式中，p(s)表示场景s的发生概率；λi表示i型孤岛的发生频率；和/>分别表示/>和/>的条件概率；TDi、DOi和TSi表示持续时间集、发生日期集和开始时间集；
其中，所述多目标优化控制模型的目标函数包括：
第一目标函数表示为最小化IEMG的优化控制总成本，包括投资费用、运行费用、维护费用和碳税费用；
第二目标函数表示为孤岛模式下IEMG的最小经济损失期望，包括能量供给不足惩罚和由于设备出力过多产生的弃能惩罚；
采用线性加权和法将上述两个目标函数转化为加权目标函数，通过调整权重系数，以协调经济性和可靠性的关系；
其中，所述多目标优化控制模型的约束条件包括：
优化控制模型中的约束条件包括设备配置容量约束、并网模式下的运行约束及孤岛模式下的“可靠运行策略”及运行约束；
其中，并网模式下的运行约束包括：
与EPG交换电能约束、设备运行约束和功率平衡约束；
其中，所述孤岛模式下的可靠运行策略如下：
步骤1：初始化运行情况；
步骤2：判断是否CHP、PV或CHP、GB和HP满足电或热负荷需求，若是，执行步骤2-1，若否，执行步骤2-2；
步骤2-1：将多余电或热能存储在ES或HS中，并判断ES或HS是否达到能量储存上限，若是，产生弃电或热；若否，结束；
步骤2-2：调用ES或HS放电或热；
步骤3：判断是否满足电或热负荷需求，若是，结束，若否，执行步骤4；
步骤4：优先切除NEL或NHL，再切除PEL或PHL；
步骤5：结束。
CN202210118204.XA 2022-02-08 2022-02-08 考虑随机停电供能可靠性的综合能源微网优化控制方法 Active CN114529070B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210118204.XA CN114529070B (zh) 2022-02-08 2022-02-08 考虑随机停电供能可靠性的综合能源微网优化控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210118204.XA CN114529070B (zh) 2022-02-08 2022-02-08 考虑随机停电供能可靠性的综合能源微网优化控制方法

Publications (2)

Publication Number Publication Date
CN114529070A CN114529070A (zh) 2022-05-24
CN114529070B true CN114529070B (zh) 2024-04-19

Family

ID=81622671

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210118204.XA Active CN114529070B (zh) 2022-02-08 2022-02-08 考虑随机停电供能可靠性的综合能源微网优化控制方法

Country Status (1)

Country Link
CN (1) CN114529070B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102799952A (zh) * 2012-07-13 2012-11-28 中国电力科学研究院 一种可再生能源分布式发电运营模式的优化方法
CN104376504A (zh) * 2014-11-06 2015-02-25 国家电网公司 一种基于解析法的配电系统概率可靠性评估方法
CN104537443A (zh) * 2015-01-08 2015-04-22 国家电网公司 一种热电联供型微网经济协调优化调度方法
CN104953610A (zh) * 2014-03-26 2015-09-30 常州市科能电器有限公司 用于分布式光伏并网发电的电网侧反孤岛系统及其控制方法
CN105117797A (zh) * 2015-08-13 2015-12-02 浙江工业大学 基于孤岛划分的微网日前经济最优调度方法
CN107248032A (zh) * 2017-05-27 2017-10-13 武汉大学 一种区域综合能源系统的综合评估指标体系构建方法
CN108711868A (zh) * 2018-05-30 2018-10-26 西安理工大学 一种计及孤岛运行电压安全的配电网无功优化规划方法
CN109167399A (zh) * 2018-09-29 2019-01-08 广东电网有限责任公司 一种孤岛微网的储能系统分布式协同优化充电方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102799952A (zh) * 2012-07-13 2012-11-28 中国电力科学研究院 一种可再生能源分布式发电运营模式的优化方法
CN104953610A (zh) * 2014-03-26 2015-09-30 常州市科能电器有限公司 用于分布式光伏并网发电的电网侧反孤岛系统及其控制方法
CN104376504A (zh) * 2014-11-06 2015-02-25 国家电网公司 一种基于解析法的配电系统概率可靠性评估方法
CN104537443A (zh) * 2015-01-08 2015-04-22 国家电网公司 一种热电联供型微网经济协调优化调度方法
CN105117797A (zh) * 2015-08-13 2015-12-02 浙江工业大学 基于孤岛划分的微网日前经济最优调度方法
CN107248032A (zh) * 2017-05-27 2017-10-13 武汉大学 一种区域综合能源系统的综合评估指标体系构建方法
CN108711868A (zh) * 2018-05-30 2018-10-26 西安理工大学 一种计及孤岛运行电压安全的配电网无功优化规划方法
CN109167399A (zh) * 2018-09-29 2019-01-08 广东电网有限责任公司 一种孤岛微网的储能系统分布式协同优化充电方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
A system and game strategy for the isolated island electric-gas deeply coupled energy network;Bo Li等;《ELSEVIER》;20211013;全文 *
Research on Integrated Energy Systems.《IEEE》.2018,全文. *
基于鲁棒规划的综合能源微网孤岛划分方法;陈伯达等;《电力系统自动化》;20200525;摘要 *
面向区域能源互联网的边云协同架构及其优化策略研究;肖迁等;《中国电机工程学报》;20220207;全文 *

Also Published As

Publication number Publication date
CN114529070A (zh) 2022-05-24

Similar Documents

Publication Publication Date Title
Murty et al. Optimal energy management and techno-economic analysis in microgrid with hybrid renewable energy sources
Jirdehi et al. Different aspects of microgrid management: A comprehensive review
Ghenai et al. Modelling and performance analysis of a stand-alone hybrid solar PV/Fuel Cell/Diesel Generator power system for university building
Zhang et al. Capacity configuration optimization of multi-energy system integrating wind turbine/photovoltaic/hydrogen/battery
CN110163450A (zh) 一种基于运行受限的配电网规划双层优化模型构建方法
Wang et al. Synergistic planning of an integrated energy system containing hydrogen storage with the coupled use of electric-thermal energy
Liu et al. Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios
CN104537443A (zh) 一种热电联供型微网经济协调优化调度方法
Wang et al. Energy management strategy of hybrid energy storage based on Pareto optimality
Ding et al. Operation optimization for microgrids under centralized control
Xu et al. Enhanced design of an offgrid PV-battery-methanation hybrid energy system for power/gas supply
Meydani et al. Hybrid Renewable Energy Sources: Their Potential to Meet Electricity Demand
Lim et al. Optimum long-term planning for microgrid
Yazhini et al. Optimal Sizing of Rural Microgrid using HOMER Pro Software
CN114529070B (zh) 考虑随机停电供能可靠性的综合能源微网优化控制方法
Al-Quraan et al. Economic predictive control-based sizing and energy management for grid-connected hybrid renewable energy systems
Hakimi et al. Optimization of a reliable combined cooling, heat and power microgrid system
HassanzadehFard et al. Hybrid Energy Storage Systems for Optimal Planning of the Heat and Electricity Incorporated Networks
Yufeng et al. Intelligent day-ahead optimization scheduling for multi-energy systems
Azaroual et al. Optimal energy management strategy in a grid-tied system with PV, wind, and ESS considering environmental aspect
Sen et al. Adaptive-DMPC based energy management and pre-installation techno-economic analysis of a grid-tied cyber-physical community microgrid
Chenrui et al. Optimal Configuration of Energy Storage for Integrated Energy Stations Considering Multiple Scenarios
Memon et al. Hybrid energy storage system for improved response time and long-term energy storage
CN118137477B (zh) 考虑通信基站和电能传输阻塞的多能系统配置方法及系统
Gupta et al. Design and cost analysis of grid connected hybrid microgrid system

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