CN114580863A - 一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法 - Google Patents

一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法 Download PDF

Info

Publication number
CN114580863A
CN114580863A CN202210158076.1A CN202210158076A CN114580863A CN 114580863 A CN114580863 A CN 114580863A CN 202210158076 A CN202210158076 A CN 202210158076A CN 114580863 A CN114580863 A CN 114580863A
Authority
CN
China
Prior art keywords
period
heat
power
load
thermal
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
CN202210158076.1A
Other languages
English (en)
Inventor
张涛
刘景�
霍然
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.)
China Three Gorges University CTGU
Original Assignee
China Three Gorges University CTGU
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 China Three Gorges University CTGU filed Critical China Three Gorges University CTGU
Priority to CN202210158076.1A priority Critical patent/CN114580863A/zh
Publication of CN114580863A publication Critical patent/CN114580863A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315Needs-based resource requirements planning or analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/007Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S10/00Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

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

Abstract

一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法,建立电热综合需求响应模型,求解响应后的电、热负荷数据;建立热电联供型光热电站设备运行模型,分析该模型光‑电‑热多能转换特性;建立电转气‑碳捕集燃气电厂协调运行模型,分析该模型弃风消纳、碳循环利用和原料互补利用过程;建立风光不确定性的模糊隶属度模型,分析模糊机会约束的确定性转换过程;以考虑弃风成本和碳效益的总运行成本最低为目标,建立含模糊机会约束的区域综合能源系统经济调度模型,优化求解得到经济性最优的调度方法。本发明方法实现P2G‑CCGPP与CHPCSP的协调运行,能够在有效提升RIES的运行经济性的同时,实现了风电的高水平消纳和系统的节能减排。

Description

一种考虑综合需求响应的含碳捕集设备与光热电站的区域综 合能源系统经济调度方法
技术领域
本发明涉及区域综合能源优化调度领域,特别是一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法。
背景技术
能源系统低碳转型与大力推广新能源的发展是碳中和行动的关键技术手段。区域综合能源系统(regional integrated energy system,RIES)作为多能互济、能源梯级利用的综合能源系统在地理分布与功能状态上的具体体现,为实现新能源消纳与节能减排提供了新思路。
RIES中的核心能量供应设备通常为“气-电-热”或“气-电-冷”多能耦合装置,其制能产物均含有较高浓度的CO2。碳捕集与封存技术作为具有大规模减排潜力的技术,可实现快速、高效地降低机组的碳排放水平,能够较好地服务于“碳中和”发展目标。现有研究大多只针对碳捕集的调度特性进行分析,而未考虑捕集得到的CO2的后续利用途径。目前国内首套碳捕集燃气电厂(carbon capture gas power plant,CCGPP)工业级示范装置已在大唐国际北京高井热电厂成功投产,为CO2清洁化捕集提供了新途径,同时也能为P2G设备经济的产气原料;另一方面,P2G能为CCGPP输送清洁的燃气原料。P2G与CCGPP的协调运行能有效挖掘两者之间的燃料互补潜力,较好地提高系统的运行经济性,然而国内外对于该方面的深入研究仍较为欠缺。
光热电站(concentrating solar power,CSP)作为实现“光-热-电”多能转换的新型发电载体,与燃气机组协调运行能有效缓解多能源耦合系统“以热定电”模式的运行限制,同时也能通过控制储热系统的热能流速率,提升新能源发电的消纳空间。然而,光热电站在光热转换和蒸汽发电过程的能量耗散,使得光热电站的产能效率仍有待提高,极大的影响了光热电站的发电成本。考虑CSP 的发电特性,可以将热电联产模型引入到其制能过程中,在传统CSP中将热电联供机组代替传统汽轮机,构建热电联供型光热电站(combinedheating and power concentrating solar power,CHPCSP)运行模型,能显著提升CSP电站能量产出,并且可以有效缩短电站的投资回收周期。
此外,综合需求响应(integrated demand response,IDR)作为传统需求响应在RIES中的衍生,不仅能通过引导用户用电行为配合源侧出力,缓解系统供需失衡的现状,也为应对风电的反调峰特性带来的弃风问题提供了新的解决思路。
现有文献大多只针对分时电价的优化和负荷波动性的平抑进行研究,而相关研究指出负荷侧的热电比对基于热电机组运行效率具有一定影响,供需侧的热电匹配度的提高将能提升系统的运行经济性。因此可考虑在传统需求响应平抑电负荷波动性的基础上,利用综合需求响应来加强供需侧热电匹配度,提升系统的节能减排效果。
发明内容
针对新能源弃风消纳与节能减排问题,本发明提供一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法,首先在能源侧分析了 P2G-CCGPP耦合运行模型与CHPCSP的热电联合运行原理;在负荷侧引入考虑波动性和热电匹配度的电热综合需求响应,以提升系统经济调度的节能率;在此基础上,建立了区域综合能源系统两阶段优化调度模型:在第一阶段建立电热综合需求响应模型,在平抑了负荷波动性的同时,提升了供需侧热电匹配度,为实现系统节能减排提供负荷侧基础,有助于降低下一阶段中的总运行调度成本。第二阶段以考虑弃风成本和碳效益的总运行成本最低为目标,建立含模糊机会约束的区域综合能源系统经济调度模型,求解得到系统机组在各时段的最优出力和综合运行成本。
本发明采取的技术方案为:
一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法,包括以下步骤:
步骤一、第一阶段建立电热综合需求响应模型,求解响应后的电、热负荷数据;
步骤二、建立热电联供型光热电站设备运行模型,分析该模型光-电-热多能转换特性;
步骤三、建立电转气-碳捕集燃气电厂协调运行模型,分析该模型弃风消纳、碳循环利用和原料互补利用过程;
步骤四、建立风光不确定性的模糊隶属度模型,分析模糊机会约束的确定性转换过程;
步骤五、第二阶段以考虑弃风成本和碳效益的总运行成本最低为目标,建立含模糊机会约束的区域综合能源系统经济调度模型,优化求解得到经济性最优的调度方法。
所述步骤一中,电热综合需求响应模型,具体如下:
在负荷侧引入电负荷需求响应,通过优化时间尺度为h级的电价,一定程度上改变用户用电行为,对负荷波动性进行平抑,从而缓解风电反调峰特性带来的弃风现象。与此同时,热负荷需求响应针对供需侧热电比对能源利用效率的影响,引导热负荷接近于最优热电比下的负荷曲线,从而使热电机组接近于最优运行效率,实现节能减排的目的。电负荷需求响应优化目标为负荷波动性最小,热负荷需求响应的优化目标为响应后的热负荷与最优热电比下的目标热负荷偏差度最小,具体可表示为:
Figure BDA0003513051590000031
式中:PDR,t为t时段需求响应后的电负荷;PE,t为t时段需求响应前的电负荷; Pavg为电负荷的期望值;QDR,t为t时段需求响应后的热负荷;Qbest,t为t时段最优热电比下的热负荷;T为全调度周期内的总时段数;μ为最优热电比,本发明取 1.29。F1、F2分别表示电负荷需求响应的优化目标和热负荷需求响应的优化目标。
所述步骤一中,建立电热综合需求响应模型的约束条件,包括:电负荷需求响应弹性系数等式约束,热负荷供热量关系约束,用户温度感知约束,电价变化约束,负荷转移约束,用户支出约束,具体为:
1)电负荷需求响应弹性系数等式约束:
价格型需求响应可根据消费者心理学,制定合适的分时电价来改变用户的用电行为。通过电价弹性系数矩阵,可建立电价变化率与负荷变化率之间的关系,电价弹性系数及需求响应前后负荷变化关系具体表示为:
Figure BDA0003513051590000041
Figure BDA0003513051590000042
式中:ΔPDR,i为i时段电负荷的需求响应变化量;μE为弹性电负荷的比例;τE,ij为电负荷需求响应的弹性系数,当i与j相等时,τE,ij为自弹性系数,当i与j 不等时,τE,ij为互弹性系数;ΔCDR,i为i时段需求响应后的电价变化量。CE,j表示j时段响应前的电价、PDR,i表示i时段响应后的电负荷量、PE,i表示i时段响应前的电负荷量、T表示调度周期,为24h。
2)热负荷供热量关系约束:
在对居民用户供暖时,为保证室内温度处于合适的范围,制热设备需持续为室内空气提供热量,负荷侧供热量与居民用户的室内温度之间的关系具体表示为:
Figure BDA0003513051590000043
式中:Tout,t和Tin,t分别为t时段的用户室外温度和室内温度;ξH为供暖用户的比例;ΔQDR,t为t时段的热负荷的需求响应变化量;Cair为空气的比热容;N为该地区的供暖用户数量;qt为t时段考虑建筑热阻的室内温度散热量;R为建筑材料的热阻;Δt表示单位调度时段,为1h。
3)用户温度感知约束:
用户对供热感知具有一定模糊性,需保证建筑室内温度在用户不敏感范围内变化,具体表示为:
Tin,down≤Tin,t≤Tin,up (5);
式中:Tin,up和Tin,down分别为用户不敏感区域上限、下限。
4)电价变化约束:
电价的优化在原则上要求峰时电价大于固定电价,谷时电价小于固定电价;峰时电价大于平时电价,谷时电价小于平时电价;峰谷电价比大于一定的倍数限值,具体表示为:
Figure BDA0003513051590000051
式中:Cg,t为谷时段的电价;Cp,t为平时段的电价;Cf,t为峰时段的电价;λ为峰时段电价与谷时段之间的倍数限值。CE,t表示t时段响应前的电价。
5)负荷转移约束:
在整个调度周期内需求响应前后电负荷及热负荷总量不能改变,即转移量之和为0;为保证负荷供应的稳定性,在单个时段内,负荷的转移量不能超过限值。具体表示为:
Figure BDA0003513051590000052
式中:χ1为单个时段的电负荷转移限值;χ2为单个时段的热负荷转移限值;ΔPDR,t、ΔQDR,t分别表示t时段参与需求响应的电负荷量和热负荷量。
6)用户支出约束:
用户参与需求响应的基本前提是能从中获益,因此电负荷响应后用户费用支出应低于响应前费用支出。具体表示为:
Figure BDA0003513051590000061
所述步骤一中,以电负荷需求响应优化目标为负荷波动性最小,迭代求解得到与电负荷均值偏差度最小负荷数据,作为响应后的电负荷数据,将响应后的电负荷数据传递至热负荷需求响应模型,热负荷需求响应的优化目标为负荷热电匹配度最高,求解得到与最优热电比下的热负荷偏差度最小的负荷数据,作为响应后的热负荷数据。
所述步骤二中,热电联供型光热电站设备运行模型,具体如下:
聚光集热系统光—热功率转换关系如下:
Psolar,t=ηS-HSSFDt (9);
式中:Psolar,t为t时段聚光集热系统收集的热能;ηS-H为光热转换效率;SSF为太阳能镜场面积;Dt为t时段太阳能辐射指数(solar radiation index,DNI)。
集热系统收集的热能,主要用于供给发电系统,另一部分则通过高温熔盐储存至储热系统,为保证CHPCSP的稳定运行,需要舍弃部分热能:
Figure BDA0003513051590000062
式中:Pge-h,t为t时段供给发电系统的热能;QHS,ch,t和QHS,dis,t分别为t时段储热系统的储热量和放热量;ηHS,ch和ηHS,dis分别为储热系统的储热效率和放热效率; Psolar,t表示t时段的输入光热电站的光热能量。
供给发电系统的热能用于BT的发电制热,其中,BT的制热量来源于汽轮机发电后的蒸汽余热。
Figure BDA0003513051590000063
式中:ηBT为BT的发电效率;PCHPCSP,t和QCHPCSP,t分别为t时段CHPCSP中BT 的电出力和热出力;K2为BT的热电比。
所述步骤三中,电转气-碳捕集燃气电厂协调运行模型,具体如下:
碳捕集燃气电厂(carbon capture gas power plant,CCGPP)的能耗主要由固定能耗和碳捕集运行能耗组成,碳捕集运行能耗主要来源于燃气机组的产能过程,其燃烧天然气的排放产物中含有一定浓度的CO2。燃气机组与余热回收装置共同组成热电联产机组,为简化模型分析,本发明将热电机组的热电比视为定值。
Figure BDA0003513051590000071
式中:PCCGPP,t为t时段CCGPP系统的总能耗;PA,t为t时段CCGPP系统的固定能耗;PCC,t为t时段的碳捕集能耗;λCC为单位质量CO2的捕集能耗;
Figure BDA0003513051590000072
为t 时段系统的碳捕集量;ηCC,t为t时段系统的碳捕集率;eGT为燃气机组的单位碳排放强度;EGT,t为t时段燃气机组总出力;PGT,t和QGT,t分别为t时段燃气机组的电出力与热出力;K1为燃气机组的热电比。
电转气(power to gas,P2G)技术能够利用弃风功率为系统提供部分天然气燃料来源,同时也能实现系统捕集得到CO2的再利用。P2G设备的产气过程主要由电解水和甲烷化两个步骤组成,在甲烷化过程中,CO2的消耗量和CH4的产生量相等,因此P2G设备的碳-气转化关系可表示为:
Figure BDA0003513051590000073
式中:
Figure BDA0003513051590000074
为t时段P2G的碳利用量;
Figure BDA0003513051590000075
为一个标准大气压下CO2的密度;
Figure BDA0003513051590000076
为t时段P2G设备的产气量;PP2G,t为t时段P2G设备的能耗;HL为天然气低热值。
此外,P2G-CCGPP系统中的碳捕集能耗和P2G能耗共同用于弃风消纳,当碳捕集能耗和P2G能耗之和大于弃风量时,可实现系统对弃风的全额消纳,弃风量具体可表示为:
ΔPWT,curt,t=max{PWT,pre,t-PWT,t-PCC,t-PP2G,t,0} (14);
式中:ΔPWT,curt,t为t时段的弃风量;PWT,pre,t为t时段风机的预测功率;PWT,t为t 时段风机的实际出力。
P2G产气过程会放出大量的反应热,回收的热能可供给热负荷。因此,对P2G 供热潜力的挖掘,将能提升设备的能源利用效率,根据文献(李东森,高赐威, 赵明.计及电转气热回收的综合能源系统蓄热罐容量规划与运行策略[J].电力自动化设备,2019,39(08):161-168.)的计算,P2G设备每消耗1kW·h的电能,可注入热网的反应热功率为0.1188kW·h。
所述步骤四中,风光不确定性的模糊隶属度模型及其确定性转化方法为:
含模糊机会约束的最优化问题可描述为:
Figure BDA0003513051590000081
式中:f(x)为目标函数;g(x,ξ)为含模糊参数的约束函数;x为决策变量;ξ为模糊参数;β为置信水平;Pr{}为事件可行性。
风电及光热的模糊参数可通过梯形隶属度函数表示:
Figure BDA0003513051590000082
式中:μ(PF)为隶属度函数;
Figure BDA0003513051590000083
为决定隶属度函数形状的参数,其与预测值Ppre存在以下关系:
Figure BDA0003513051590000084
式中:vk为比例系数,一般依据风机及负荷的历史数据得到。
当约束函数具有以下形式:
g(x,ξ)=h1(x)ξ1+h2(x)ξ2+…+hn(x)ξn+h0(x) (18);
式中:ξk为梯形模糊参数
Figure BDA0003513051590000085
h1(x)、h2(x)、…hn(x)分别表示含决策变量x的第一个函数、第二个函数,…,第n个函数。ξ1、ξ2…ξn分别表示第一个模糊参数、第二个模糊参数,…,第n个模糊参数。
可定义以下函数:
Figure BDA0003513051590000091
Figure BDA0003513051590000092
特殊的,若h(x)=1,则h+(x)=1,h-(x)=0;若h(x)=-1,则h+(x)=0,h-(x)=1。
当置信度β大于0.5时,模糊机会约束可转化为清晰等价形式:
Figure BDA0003513051590000093
Figure BDA0003513051590000094
分别表示四个梯形模糊参数;
Figure BDA0003513051590000095
分别表示式(19)、式(20)定义的两个特殊函数;h0(x)、t、k分别表示带决策变量x的函数、总调度时间周期、第k个调度时间段。
所述步骤五中,以系统总运行成本最小为优化目标,综合考虑运行维护成本、燃料成本、弃风成本、碳成本、电能交互成本与热能交互成本,计及设备运行约束、功率交互约束、考虑风光不确定性的模糊机会约束等约束条件,建立含模糊机会约束的区域综合能源系统经济调度模型;对模糊机会约束进行确定性转化,运用CPLEX求解器对模型进行优化求解得到经济性最优的调度方案。
所述步骤五中,区域综合能源系统经济调度模型的目标函数和相关约束为:
a.目标函数:
RIES低碳经济调度模型以总运行成本最低为优化目标,综合考虑运行维护成本、燃料成本、弃风成本、碳成本、电能交互成本与热能交互成本。
min F=FO+FF+FWT,curt+FC+FE+FH (22);
式中:F为RIES内部各设备参与经济调度的综合成本;FO为运行维护成本;FF为燃料成本;FWT,curt为弃风惩罚成本;FC为碳成本;FE为电交互成本;FH为热交互成本。
①、运维成本:
RIES内部各设备在调度周期的运行过程中会产生一定的运行维护成本。
Figure BDA0003513051590000101
式中:kO,WT为风机运维成本系数;kO,CHPCSP热电联供型光热电站运维成本系数;kO,GT为燃气轮机运维成本系数;kO,ES为储电装置运维成本系数;kO,P2G为P2G的运维成本系数;kO,CC为碳捕集装置的运维成本系数;kO,HS为储热装置的运维成本系数;PES,ch,t与PES,dis,t分别为t时段ES的充、放电功率。FO表示总运维成本、 T表示总调度周期。
②、燃料成本:
系统燃料成本主要来源于CCGPP系统的燃气机组,燃气机组优先使用P2G 产生的天然气,因此能降低部分燃料成本。
Figure BDA0003513051590000102
式中:
Figure BDA0003513051590000103
为天然气的单价;ηGT为燃气机组的发电效率。PGT,t表示t时段燃气轮机的电出力、HL表示天然气低热值、
Figure BDA0003513051590000104
表示t时段P2G的产气体积。
③、弃风惩罚成本:
为保证系统的稳定运行,需要根据供需关系在适当时段弃风,由于碳捕集设备和P2G设备的运行能耗消纳了部分弃风功率,因此弃风惩罚成本可表示为:
Figure BDA0003513051590000105
式中:kcurt为单位弃风功率的惩罚成本。ΔPWT,curt,t表示t时段的弃风功率。
④、碳成本:
碳成本主要包括碳封存成本与碳交易成本,对于碳捕集系统捕获的CO2,未被P2G设备利用部分需要进行封存处理,从而产生碳封存成本。此外,当燃气机组的碳排放量低于其碳排放基准配额时,可将剩余碳排放配额出售从而盈利。
Figure BDA0003513051590000111
式中:
Figure BDA0003513051590000112
为碳封存成本;
Figure BDA0003513051590000113
为碳交易成本;
Figure BDA0003513051590000114
为单位质量CO2的封存价格;
Figure BDA0003513051590000115
为单位质量CO2的交易价格;
Figure BDA0003513051590000116
为t时段燃气机组排放至大气的CO2质量;
Figure BDA0003513051590000117
为t时段燃气机组的碳排放配额;
Figure BDA0003513051590000118
为单位功率的碳排放基准额度。EGT,t表示t时段燃气轮机的总出力。
⑤、电、热交互成本:
RIES在与主电网与主热网的功率交互中会产生电、热交互成本。
Figure BDA0003513051590000119
式中:kE,t及kH,t分别为t时段电、热交互单价;Pex,t及Qex,t分别为t时段RIES 与主电网和主热网的电、热交互功率。
b.约束条件:
(1)、P2G-CCGPP系统运行约束:
Figure BDA00035130515900001110
式中:PGT,max和PGT,min分别为燃气机组电出力上下限;RGT,up和RGT,down分别为燃气机组的上爬坡速率和下爬坡速率;PP2G,max和PP2G,min分别为P2G的能耗上下限; PCC,max和PCC,min分别为碳捕集系统的能耗上下限;ηCC,max和ηCC,min分别为碳捕集系统的碳捕集率上下限。
(2)、CHPCSP运行约束:
Figure BDA0003513051590000121
式中:PCHPCSP,max和PCHPCSP,min分别为CHPCSP系统的电出力上下限;RCHPCSP,up和RCHPCSP,down为CHPCSP系统的上爬坡速率和下爬坡速率;EHS,max和EHS,min分别为 HS容量的上下限;uHS,ch,t和uHS,dis,t为0-1变量,表示t时段HS的储、放热状态,考虑到同一调度时段HS不能同时储放热,因此,uHS,ch,t与uHS,dis,t之和不能大于1。 PCHPCSP,t表示t时段的热电联供型光热电站的电出力、PCHPCSP,t-1表示t-1时段的热电联供型光热电站的热出力、QHS,ch,t表示t时段的储热设备的充热量、QHS,dis,t表示t时段的储热设备的放热量、QHS,ch,max表示储热设备的最大充热量、QHS,dis,max表示储热设备的最大放热量、EHS,t表示储热设备的容量。
(3)、考虑风光不确定性的功率平衡模糊机会约束:
考虑到风光不确定性会影响系统的电功率平衡和光热电站的热功率传递平衡,可基于模糊数学理论得到两者的模糊机会约束表示形式:
Figure BDA0003513051590000122
式中:Pr{}为事件的可信性;β为置信度,取0.95;PDR,t表示t时段响应后的电负荷量;Pwt,t表示t时段的风机出力;PCHPCSP,t表示t时段热电联供型光热电站的电出力;PGT,t表示t时段燃气轮机的电出力;Pex,t表示t时段与主电网的电交互功率;PES,dis,t表示t时段储电装置的放电功率;ηES,dis表示储电装置的放电效率;PES,ch,t表示t时段储电装置的充电功率;ηES,ch表示储电装置的充电效率;PP2G,t表示t时段P2G的耗电量;PCC,t表示t时段碳捕集装置的耗电量。
Figure BDA0003513051590000131
式中:Pr{}为事件的可信性;β为置信度,取0.95;Pge-h,t为t时段供给发电系统的热能;QHS,ch,t和QHS,dis,t分别为t时段储热系统的储热量和放热量;ηHS,ch和ηHS,dis分别为储热系统的储热效率和放热效率;Psolar,t表示t时段的输入光热电站的光热能量。
4)热功率平衡约束
Figure BDA0003513051590000132
式中:QDR,t表示t时段响应后的热负荷量;QCHPCSP,t表示t时段热电联供型光热电站的供热量;QGT,t表示t时段燃气轮机的供热量;QHS,dis,t表示t时段储热设备的放热量;ηHS,dis表示储热设备的放热效率;QHS,ch,t表示t时段储热设备的充热量;ηHS,ch表示储热设备的充热效率;Qex,t表示t时段与主热网的热交互功率; QP2G,t为t时段P2G的产热功率。
5)其他约束
风机运行约束、蓄电池运行约束及功率交互约束可表示为:
Pwt,min≤Pwt,t≤Pwt,max (33);
式中:Pwt,min和Pwt,max分别表示风机出力的最小值和最大值;Pwt,t表示t时段的风机出力。
Figure BDA0003513051590000133
式中:PES,min和PES,max分别表示储电设备的最小充放电量和最大充放电量; EES,min和EES,max分别表示储电设备的容量状态地下限和上限;PES,t和EES,t分别表示储电设备t时段的充放电量和容量状态。
Figure BDA0003513051590000134
式中:Pex,min和Pex,max分别表示与主电网电交互功率的最小值和最大值;Qex,min、Qex,max分别表示与主热网热交互功率的最小值和最大值,Pex,t和Qex,t分别表示与主电网电交互功率和与主热网热交互功率。
本发明一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法,技术效果如下:
1)电热综合需求响应能通过平抑负荷侧的波动性和提高系统的热电匹配度,提高系统的运行经济性和弃风消纳水平。
2)P2G-CCGPP的协调运行降低了系统的燃料成本和碳排放水平,此外,P2G 和碳捕集设备对弃风消纳具有显著作用。
3)CHPCSP能有效实现系统的热电解耦,在光照充足时,承担了系统主要的供电需求和供热需求。相较常规CSP电站和光伏电站,CHPCSP显著地提升了系统的节能率,促进了系统对新能源的消纳。
4)P2G-CCGPP与CHPCSP的协调运行,能够在有效提升RIES的运行经济性的同时,实现了风电的高水平消纳和系统的节能减排。
附图说明
图1为本发明的热电联供型光热电站的结构图。
图2为本发明的P2G-CCGPP系统的结构图。
图3为本发明的两阶段优化模型的求解流程图。
图4为本发明的区域综合能源系统整体结构图。
图5为本发明的综合需求响应的求解结果对比图。
图6为本发明的区域综合能源电调度结果图。
图7为本发明的区域综合能源热调度结果图。
图8为本发明所述的各对比情景的弃风消纳情况对比图。
图9为本发明所述的热电联供光热电站与传统电站的调度对比图。
具体实施方式
一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法,包括以下步骤:
步骤1:输入电热负荷与其他综合需求响应模型参数;
电热负荷为24h的电热负荷数据。其他综合需求响应模型参数为最优热电比、电负荷弹性系数、供暖用户的比例、建筑材料的热阻、该地区的供暖用户数量、空气的比热容。
步骤2:电负荷需求响应优化目标为负荷波动性最小,迭代求解得到与电负荷均值偏差度最小负荷数据,作为响应后的电负荷值;将响应后电负荷数据传递至热负荷需求响应模型,热负荷需求响应的优化目标为负荷热电匹配度最高,求解得到与最优热电比下的热负荷偏差度最小的负荷数据,作为响应后的热负荷数据。电负荷需求响应优化目标为负荷波动性最小,热负荷需求响应的优化目标为响应后的热负荷与最优热电比下的目标热负荷偏差度最小,具体可表示为:
Figure BDA0003513051590000151
式中:PDR,t为t时段需求响应后的电负荷;PE,t为t时段需求响应前的电负荷; Pavg为电负荷的期望值;QDR,t为t时段需求响应后的热负荷;Qbest,t为t时段最优热电比下的热负荷;T为全调度周期内的总时段数;μ为最优热电比,本发明取 1.29。
建立电热综合需求响应模型的约束条件,包括电负荷需求响应弹性系数等式约束,,热负荷供热量关系约束,用户温度感知约束,电价变化约束,负荷转移约束,用户支出约束,具体为:
1)电负荷需求响应弹性系数等式约束:
价格型需求响应可根据消费者心理学,制定合适的分时电价来改变用户的用电行为。通过电价弹性系数矩阵,可建立电价变化率与负荷变化率之间的关系,电价弹性系数及需求响应前后负荷变化关系具体表示为:
Figure BDA0003513051590000152
Figure BDA0003513051590000161
式中:ΔPDR,i为i时段电负荷的需求响应变化量;μE为弹性电负荷的比例;τE,ij为电负荷需求响应的弹性系数,当i与j相等时,τE,ij为自弹性系数,当i与j不等时,τE,ij为互弹性系数;ΔCDR,i为i时段需求响应后的电价变化量。
2)热负荷供热量关系约束:
在对居民用户供暖时,为保证室内温度处于合适的范围,制热设备需持续为室内空气提供热量,负荷侧供热量与居民用户的室内温度之间的关系具体表示为:
Figure BDA0003513051590000162
式中:Tout,t和Tin,t分别为t时段的用户室外温度和室内温度;ξH为供暖用户的比例;ΔQDR,t为t时段的热负荷的需求响应变化量;Cair为空气的比热容;N为该地区的供暖用户数量;qt为t时段考虑建筑热阻的室内温度散热量;R为建筑材料的热阻;
3)用户温度感知约束:
用户对供热感知具有一定模糊性,需保证建筑室内温度在用户不敏感范围内变化,具体表示为:
Tin,down≤Tin,t≤Tin,up (5)
式中:Tin,up和Tin,down分别为用户不敏感区域上限及下限。
4)电价变化约束:
电价的优化在原则上要求峰时电价大于固定电价,谷时电价小于固定电价;峰时电价大于平时电价,谷时电价小于平时电价;峰谷电价比大于一定的倍数限值,具体表示为:
Figure BDA0003513051590000171
式中:Cg,t为谷时段的电价;Cp,t为平时段的电价;Cf,t为峰时段的电价;λ为峰时段电价与谷时段之间的倍数限值。
5)负荷转移约束:
在整个调度周期内需求响应前后电负荷及热负荷总量不能改变,即转移量之和为0;为保证负荷供应的稳定性,在单个时段内,负荷的转移量不能超过限值。具体表示为:
Figure BDA0003513051590000172
式中:χ1为单个时段的电负荷转移限值;χ2为单个时段的热负荷转移限值。
6)用户支出约束:
用户参与需求响应的基本前提是能从中获益,因此电负荷响应后用户费用支出应低于响应前费用支出。具体表示为:
Figure BDA0003513051590000173
步骤3:将原始负荷数据和响应后的电、热负荷数据传递至第二阶段区域综合能源系统经济调度模型;
步骤4:读取第一阶段响应后的电热负荷数据,读取预测风电与光热数据以及其他模型参数;
步骤5:建立热电联供型光热电站设备运行模型,分析其光-电-热多能转换特性。热电联供型光热电站的结构图可见图1。热电联供型光热电站的设备运行模型在于:
聚光集热系统光—热功率转换关系如下:
Psolar,t=ηS-HSSFDt (9)
式中:Psolar,t为t时段聚光集热系统收集的热能;ηS-H为光热转换效率;SSF为太阳能镜场面积;Dt为t时段太阳能辐射指数(solar radiation index,DNI)。
集热系统收集的热能,主要用于供给发电系统,另一部分则通过高温熔盐储存至储热系统,为保证CHPCSP的稳定运行,需要舍弃部分热能。
Figure BDA0003513051590000181
式中:Pge-h,t为t时段供给发电系统的热能;QHS,ch,t和QHS,dis,t分别为t时段储热系统的储热量和放热量;ηHS,ch和ηHS,dis分别为储热系统的储热效率和放热效率; QCSP,curt,t为t时段CSP系统的弃热量。
供给发电系统的热能用于BT的发电制热,其中,BT的制热量来源于汽轮机发电后的蒸汽余热。
Figure BDA0003513051590000182
式中:ηBT为BT的发电效率;PCHPCSP,t和QCHPCSP,t分别为t时段CHPCSP中BT的电出力和热出力;K2为BT的热电比。
步骤6:建立P2G-碳捕集燃气电厂协调运行模型,并分析其弃风消纳、碳循环利用和原料互补利用原理。P2G-碳捕集燃气电厂的系统结构如图2所示。P2G- 碳捕集燃气电厂协调运行模型在于:
CCGPP的能耗主要由固定能耗和碳捕集运行能耗组成,碳捕集运行能耗主要来源于燃气机组的产能过程,其燃烧天然气的排放产物中含有一定浓度的CO2。燃气机组与余热回收装置共同组成热电联产机组,为简化模型分析,本发明将热电机组的热电比视为定值。
Figure BDA0003513051590000191
式中:PCCGPP,t为t时段CCGPP系统的总能耗;PA,t为t时段CCGPP系统的固定能耗;PCC,t为t时段的碳捕集能耗;λCC为单位质量CO2的捕集能耗;MCC,CO2,t为t 时段系统的碳捕集量;ηCC,t为t时段系统的碳捕集率;eGT为燃气机组的单位碳排放强度;EGT,t为t时段燃气机组总出力;PGT,t和QGT,t分别为t时段燃气机组的电出力与热出力;K1为燃气机组的热电比。
P2G技术能够利用弃风功率为系统提供部分天然气燃料来源,同时也能实现系统捕集得到CO2的再利用。P2G设备的产气过程主要由电解水和甲烷化两个步骤组成[29],在甲烷化过程中,CO2的消耗量和CH4的产生量相等,因此P2G设备的碳-气转化关系可表示为:
Figure BDA0003513051590000192
式中:
Figure BDA0003513051590000193
为t时段P2G的碳利用量;
Figure BDA0003513051590000194
为一个标准大气压下CO2的密度;
Figure BDA0003513051590000195
为t时段P2G设备的产气量;PP2G,t为t时段P2G设备的能耗;HL为天然气低热值。
此外,P2G-CCGPP系统中的碳捕集能耗和P2G能耗共同用于弃风消纳,当碳捕集能耗和P2G能耗之和大于弃风量时,可实现系统对弃风的全额消纳,弃风量具体可表示为:
ΔPWT,curt,t=max{PWT,pre,t-PWT,t-PCC,t-PP2G,t,0} (14)
式中:ΔPWT,curt,t为t时段的弃风量;PWT,pre,t为t时段风机的预测功率;PWT,t为t 时段风机的实际出力。
P2G产气过程会放出大量的反应热,回收的热能可供给热负荷。因此,对P2G 供热潜力的挖掘,将能提升设备的能源利用效率,根据相关文献的计算,P2G设备每消耗1kW·h的电能,可注入热网的反应热功率为0.1188kW·h。
步骤7:建立风光不确定性的模糊隶属度模型,分析模糊机会约束的确定性转换原理。具体方法如下:
含模糊机会约束的最优化问题可描述为:
Figure BDA0003513051590000201
式中:f(x)为目标函数;g(x,ξ)为含模糊参数的约束函数;x为决策变量;ξ为模糊参数;β为置信水平;Pr{}为事件可行性。
风电及光热的模糊参数可通过梯形隶属度函数表示:
Figure BDA0003513051590000202
式中:μ(PF)为隶属度函数;
Figure BDA0003513051590000203
为决定隶属度函数形状的参数,其与预测值Ppre存在以下关系:
Figure BDA0003513051590000204
式中:vk为比例系数,一般依据风机及负荷的历史数据得到。
当约束函数具有以下形式:
g(x,ξ)=h1(x)ξ1+h2(x)ξ2+…+hn(x)ξn+h0(x) (18)
式中:ξk为梯形模糊参数
Figure BDA0003513051590000205
可定义以下函数:
Figure BDA0003513051590000206
Figure BDA0003513051590000207
特殊的,若h(x)=1,则h+(x)=1,h-(x)=0;若h(x)=-1,则h+(x)=0,h-(x)=1。
当置信度β大于0.5时,模糊机会约束可转化为清晰等价形式:
Figure BDA0003513051590000211
步骤8:以系统总运行成本最小为优化目标,综合考虑运行维护成本、燃料成本、弃风成本、碳成本、电能交互成本与热能交互成本,计及设备运行约束、功率交互约束、考虑风光不确定性的模糊机会约束等约束条件建立区域综合能源系统低碳经济调度模型;对模糊机会约束进行确定性转化,运用CPLEX求解器对模型进行优化求解得到经济性最优的调度方案。
区域综合能源系统经济调度模型如下:
a.目标函数
RIES低碳经济调度模型以总运行成本最低为优化目标,综合考虑运行维护成本、燃料成本、弃风成本、碳成本、电能交互成本与热能交互成本。
min F=FO+FF+FWT,curt+FC+FE+FH (22)
式中:F为RIES内部各设备参与经济调度的综合成本;FO为运行维护成本;FF为燃料成本;FWT,curt为弃风惩罚成本;FC为碳成本;FE为电交互成本;FH为热交互成本。
1)运维成本:
RIES内部各设备在调度周期的运行过程中会产生一定的运行维护成本。
Figure BDA0003513051590000212
式中:kO,WT为风机运维成本系数;;kO,CHPCSP热电联供型光热电站运维成本系数;kO,GT为燃气轮机运维成本系数;kO,ES为储电装置运维成本系数;kO,P2G为P2G的运维成本系数;kO,CC为碳捕集装置的运维成本系数;kO,HS为储热装置的运维成本系数;PES,ch,t与PES,dis,t分别为t时段ES的充、放电功率。
2)燃料成本:
系统燃料成本主要来源于CCGPP系统的燃气机组,燃气机组优先使用P2G产生的天然气,因此能降低部分燃料成本。
Figure BDA0003513051590000221
式中:
Figure BDA0003513051590000222
为天然气的单价;ηGT为燃气机组的发电效率。
3)弃风惩罚成本:
为保证系统的稳定运行,需要根据供需关系在适当时段弃风,由于碳捕集设备和P2G设备的运行能耗消纳了部分弃风功率,因此弃风惩罚成本可表示为:
Figure BDA0003513051590000223
式中:kcurt为单位弃风功率的惩罚成本。
4)碳成本:
碳成本主要包括碳封存成本与碳交易成本,对于碳捕集系统捕获的CO2,未被P2G设备利用部分需要进行封存处理,从而产生碳封存成本。此外,当燃气机组的碳排放量低于其碳排放基准配额时,可将剩余碳排放配额出售从而盈利。
Figure BDA0003513051590000224
式中:
Figure BDA0003513051590000225
为碳封存成本;
Figure BDA0003513051590000226
为碳交易成本;
Figure BDA0003513051590000227
为单位质量CO2的封存价格;
Figure BDA0003513051590000228
为单位质量CO2的交易价格;
Figure BDA0003513051590000229
为t时段燃气机组排放至大气的CO2质量;
Figure BDA00035130515900002210
为t时段燃气机组的碳排放配额;
Figure BDA00035130515900002211
为单位功率的碳排放基准额度。
5)电、热交互成本:
RIES在与主电网与主热网的功率交互中会产生电、热交互成本。
Figure BDA00035130515900002212
式中:kE,t及kH,t分别为t时段电、热交互单价;Pex,t及Qex,t分别为t时段RIES 与主电网和主热网的电、热交互功率。
b.约束条件:
1)P2G-CCGPP系统运行约束:
Figure BDA0003513051590000231
式中:PGT,max和PGT,min分别为燃气机组电出力上下限;RGT,up和RGT,down分别为燃气机组的上爬坡速率和下爬坡速率;PP2G,max和PP2G,min分别为P2G的能耗上下限; PCC,max和PCC,min分别为碳捕集系统的能耗上下限;ηCC,max和ηCC,min分别为碳捕集系统的碳捕集率上下限。
2)CHPCSP运行约束:
Figure BDA0003513051590000232
式中:PCHPCSP,max和PCHPCSP,min分别为CHPCSP系统的电出力上下限;RCHPCSP,up和RCHPCSP,down为CHPCSP系统的上爬坡速率和下爬坡速率;EHS,max和EHS,min分别为HS 容量的上下限;uHS,ch,t和uHS,dis,t为0-1变量,表示t时段HS的储、放热状态,考虑到同一调度时段HS不能同时储放热,因此,uHS,ch,t与uHS,dis,t之和不能大于1。
3)考虑风光不确定性的功率平衡模糊机会约束:
考虑到风光不确定性会影响系统的电功率平衡和光热电站的热功率传递平衡,可基于模糊数学理论得到两者的模糊机会约束表示形式:
Figure BDA0003513051590000233
Figure BDA0003513051590000241
式中:Pr{}为事件的可信性;β为置信度,取0.95。
4)热功率平衡约束:
Figure BDA0003513051590000242
式中:QP2G,t为t时段P2G的产热功率。
5)其他约束:
风机运行约束、蓄电池运行约束及功率交互约束可表示为:
Pwt,min≤Pwt,t≤Pwt,max (33)
Figure BDA0003513051590000243
Figure BDA0003513051590000244
模型的具体求解流程图可见图3,区域综合能源系统的整体结构如图4所示。
为验证所提电热综合需求响应模型、P2G-CCGPP系统以及CHPCSP对提升系统风电消纳能力、降低系统碳排放水平与系统运行成本的有效性,本发明构建了如下6种运行场景进行对比分析:
场景1:不考虑电热需求响应,RIES不包括P2G、碳捕集装置,光热电站仅供电;
场景2:在场景1基础上,将光热电站改造为热电联供型光热电站;
场景3:在场景2基础上,加装碳捕集设备;
场景4:在场景3基础上,加装P2G设备;
场景5:在场景4基础上,增加仅考虑负荷波动性的需求响应;
场景6:在场景4基础上,增加考虑负荷波动性和热电匹配度的电热综合需求响应,即本发明所提模型。
本发明从综合运行成本出发,对六个算例场景进行优化求解,具体结果如表1 所示
表1各场景的综合成本对比
Figure BDA0003513051590000251
从场景1到场景6,系统的总运行成本逐渐降低,说明在加入电热需求响应和多种设备后,系统的综合运行经济性在不断提升。
对于系统的燃料成本,其主要来源于燃气电厂在产能过程所消耗的天然气。对于场景1,由于燃气电厂为系统内部唯一的产热设备,受“热电耦合”影响严重,因此其必须接近满载情况产能,热负荷供应不足的部分则需向热网进行购热,从而产生大量购热成本。对于场景2—场景6,热电联供型光热电站的引入,使得系统热负荷供给不足的情况大为改观,从而降低了燃料成本。P2G设备与 CCGPP的协调运行有效降低了系统的外购天然气燃料需求。需求响应的引入则降低了燃气机组的出力比例,降低了燃料成本。
从场景1到场景6,碳成本和弃风成本发生大幅度降低,其原因在于P2G与碳捕集设备的协调运行,实现了碳的循环利用,使得系统的碳排放水平低于系统碳排放限额,从而将碳排放惩罚转化为碳排放收益;P2G与碳捕集的运行能耗实现了对弃风功率的消纳,从而大幅度降低弃风成本。需求响应则使得负荷波动性降低,缓解了风电的反调峰特性带来的弃风现象。
对比场景5-6,可以看出常规需求响应虽通过平抑负荷波动性在一定程度上降低了系统运行成本,但需求响应对系统节能减排的提升效果仍有待加强。场景 6中电热需求响应能较好地平抑了负荷的波动性的同时,提升了负荷侧的热电匹配度,从而使得电热耦合机组出力更加均匀合理,这使得场景6的弃风成本、碳成本和燃料成本具较场景5得到了降低,提升了系统节能减排的效果。
图5为本发明所述的综合需求响应在运用前后的负荷曲线对比图,从图4 可知,经过综合需求响应,电热负荷的峰谷差和波动性明显降低。根据计算,电负荷峰谷差较优化前降低了50.19%,热负荷峰谷差较优化前降低了14.9%;电负荷标准差较优化前降低52.49%,热负荷标准差较优化前降低17.74%。在热电匹配度方面,需求响应后热负荷与最优热电比下的目标热负荷之间的欧氏距离较响应前下降了5.82%。
图6、图7为本发明所述的区域综合能源系统的电、热调度结果图,从图6 可知,在白天光热能充足时,燃气电厂降低其出力,由CHPCSP承担主要电负荷供给,因此P2G与碳捕集能耗也相应地降低。在电价较低时,系统从主电网购电,储电装置则将部分电能储存;在电价较高的时段,储电装置放电,系统则将盈余电能售给主电网,从而实现电交互收益。从图7可知,在光热能充足时, CHPCSP为主要供热源。储热系统在无光时放出热能,供给热负荷;在白天光能充足时,储存热能。由于白天光热能盈余,系统在满足热负荷的基础上售热至热网,获取热交互收益。
图8为本发明所述的各对比情景的弃风消纳情况。图8为各场景的弃风消纳情况,其中同心圆表示弃风消纳率参考线,依次为20%、40%、60%、80%和100%,圆内部的曲线上的点代表各时刻的实际弃风消纳率。经计算,场景1-6的弃风消纳率分别为80.93%、86.67%、95.80%、98.90%、99.18%和99.95%。受风电反调峰特性与光热出力的影响,场景1在19点-8点时段区间内弃风严重。场景2在引入CHPCSP后,系统实现了“热电解耦”,较好地避免了“以热定电”,机组出力更加灵活,促进了弃风消纳。场景3-6的风电消纳率均有明显提升,验证了 P2G、碳捕集和综合需求响应对弃风消纳的积极作用。其中场景6电热综合需求响应对弃风消纳率的提升能力明显高于场景5仅考虑平抑性的需求响应。通过对比可知,本发明所提模型能够有效提高区域综合能源系统风电消纳能力。
图9为本发明所述的热电联供光热电站与传统电站的调度对比图。从图9 可知,CHPCSP相较于其他两种电站,在新能源消纳率上具有突出优势,其原因在于,CHCSP具有独特的热电联供模式,能够在光照充足的时段优先满足系统的热负荷与电负荷,降低了运行于“以热定电”模型的燃气机组的功率输出量,提升了光伏的消纳空间。由于CSP与CHPCSP都配置了储热系统,因此在无光照时段,可将白天所存储的热能放出以满足热负荷,同理亦可降低燃气机组的出力,从而为风电创造了消纳空间。此外,CHPCSP电站的能量综合利用效率较高,系统在光照充足时段,优先利用CHPCSP机组满足热电负荷,降低了系统的外购气量,在一定程度上提升了系统的经济性和降低了系统的碳排放量。
综合上述实例结果分析,可说明本发明所提电热综合需求响应能通过平抑负荷侧的波动性和提高系统的热电匹配度,提高系统的运行经济性和弃风消纳水平;本发明所提P2G-CCGPP运行模型降低了系统的燃料成本和碳排放水平,此外,P2G 和碳捕集设备对弃风消纳具有显著作用;本发明所提CHPCSP能有效实现系统的热电解耦,在光照充足时,承担了系统主要的供电需求和供热需求。相较常规 CSP电站和光伏电站,CHPCSP显著地提升了系统的节能率,促进了系统对新能源的消纳;本发明所提P2G-CCGPP与CHPCSP的协调运行模型,能够在有效提升RIES 的运行经济性的同时,实现了风电的高水平消纳和系统的节能减排。

Claims (9)

1.一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法,其特征在于包括以下步骤:
步骤一、第一阶段建立电热综合需求响应模型,求解响应后的电、热负荷数据;
步骤二、建立热电联供型光热电站设备运行模型,分析该模型光-电-热多能转换特性;
步骤三、建立电转气-碳捕集燃气电厂协调运行模型,分析该模型弃风消纳、碳循环利用和原料互补利用过程;
步骤四、建立风光不确定性的模糊隶属度模型,分析模糊机会约束的确定性转换过程;
步骤五、第二阶段以考虑弃风成本和碳效益的总运行成本最低为目标,建立含模糊机会约束的区域综合能源系统经济调度模型,优化求解得到经济性最优的调度方法。
2.根据权利要求1所述一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法,其特征在于:所述步骤一中,电热综合需求响应模型,具体如下:
电负荷需求响应优化目标为负荷波动性最小,热负荷需求响应的优化目标为响应后的热负荷与最优热电比下的目标热负荷偏差度最小,具体可表示为:
Figure FDA0003513051580000011
式中:PDR,t为t时段需求响应后的电负荷;PE,t为t时段需求响应前的电负荷;Pavg为电负荷的期望值;QDR,t为t时段需求响应后的热负荷;Qbest,t为t时段最优热电比下的热负荷;T为全调度周期内的总时段数;μ为最优热电比,F1、F2分别表示电负荷需求响应的优化目标和热负荷需求响应的优化目标。
3.根据权利要求2所述一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法,其特征在于:所述步骤一中,建立电热综合需求响应模型的约束条件,包括:电负荷需求响应弹性系数等式约束,热负荷供热量关系约束,用户温度感知约束,电价变化约束,负荷转移约束,用户支出约束,具体为:
1)电负荷需求响应弹性系数等式约束:
价格型需求响应可根据消费者心理学,制定合适的分时电价来改变用户的用电行为;通过电价弹性系数矩阵,可建立电价变化率与负荷变化率之间的关系,电价弹性系数及需求响应前后负荷变化关系具体表示为:
Figure FDA0003513051580000021
Figure FDA0003513051580000022
式中:ΔPDR,i为i时段电负荷的需求响应变化量;μE为弹性电负荷的比例;τE,ij为电负荷需求响应的弹性系数,当i与j相等时,τE,ij为自弹性系数,当i与j不等时,τE,ij为互弹性系数;ΔCDR,i为i时段需求响应后的电价变化量;CE,j表示j时段响应前的电价、PDR,i表示i时段响应后的电负荷量、PE,i表示i时段响应前的电负荷量、T表示调度周期,为24h;
2)热负荷供热量关系约束:
在对居民用户供暖时,为保证室内温度处于合适的范围,制热设备需持续为室内空气提供热量,负荷侧供热量与居民用户的室内温度之间的关系具体表示为:
Figure FDA0003513051580000023
式中:Tout,t和Tin,t分别为t时段的用户室外温度和室内温度;ξH为供暖用户的比例;ΔQDR,t为t时段的热负荷的需求响应变化量;Cair为空气的比热容;N为该地区的供暖用户数量;qt为t时段考虑建筑热阻的室内温度散热量;R为建筑材料的热阻;Δt表示单位调度时段;
3)用户温度感知约束:
用户对供热感知具有一定模糊性,需保证建筑室内温度在用户不敏感范围内变化,具体表示为:
Tin,down≤Tin,t≤Tin,up (5);
式中:Tin,up和Tin,down分别为用户不敏感区域上限、下限;
4)电价变化约束:
电价的优化在原则上要求峰时电价大于固定电价,谷时电价小于固定电价;峰时电价大于平时电价,谷时电价小于平时电价;峰谷电价比大于一定的倍数限值,具体表示为:
Figure FDA0003513051580000031
式中:Cg,t为谷时段的电价;Cp,t为平时段的电价;Cf,t为峰时段的电价;λ为峰时段电价与谷时段之间的倍数限值;CE,t表示t时段响应前的电价;
5)负荷转移约束:
在整个调度周期内需求响应前后电负荷及热负荷总量不能改变,即转移量之和为0;为保证负荷供应的稳定性,在单个时段内,负荷的转移量不能超过限值;具体表示为:
Figure FDA0003513051580000032
式中:χ1为单个时段的电负荷转移限值;χ2为单个时段的热负荷转移限值;ΔPDR,t、ΔQDR,t分别表示t时段参与需求响应的电负荷量和热负荷量;
6)用户支出约束:
用户参与需求响应的基本前提是能从中获益,因此电负荷响应后用户费用支出应低于响应前费用支出;具体表示为:
Figure FDA0003513051580000033
4.根据权利要求2所述一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法,其特征在于:所述步骤一中,以电负荷需求响应优化目标为负荷波动性最小,迭代求解得到与电负荷均值偏差度最小负荷数据,作为响应后的电负荷数据,将响应后的电负荷数据传递至热负荷需求响应模型,热负荷需求响应的优化目标为负荷热电匹配度最高,求解得到与最优热电比下的热负荷偏差度最小的负荷数据,作为响应后的热负荷数据。
5.根据权利要求1所述一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法,其特征在于:所述步骤二中,热电联供型光热电站设备运行模型,具体如下:
聚光集热系统光—热功率转换关系如下:
Psolar,t=ηS-HSSFDt (9);
式中:Psolar,t为t时段聚光集热系统收集的热能;ηS-H为光热转换效率;SSF为太阳能镜场面积;Dt为t时段太阳能辐射指数;
集热系统收集的热能,一部分用于供给发电系统,另一部分则通过高温熔盐储存至储热系统,为保证CHPCSP的稳定运行,需要舍弃部分热能:
Figure FDA0003513051580000041
式中:Pge-h,t为t时段供给发电系统的热能;QHS,ch,t和QHS,dis,t分别为t时段储热系统的储热量和放热量;ηHS,ch和ηHS,dis分别为储热系统的储热效率和放热效率;Psolar,t表示t时段的输入光热电站的光热能量;
供给发电系统的热能用于BT的发电制热,其中,BT的制热量来源于汽轮机发电后的蒸汽余热;
Figure FDA0003513051580000042
式中:ηBT为BT的发电效率;PCHPCSP,t和QCHPCSP,t分别为t时段CHPCSP中BT的电出力和热出力;K2为BT的热电比。
6.根据权利要求1所述一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法,其特征在于:所述步骤三中,电转气-碳捕集燃气电厂协调运行模型,具体如下:
碳捕集燃气电厂的能耗包括固定能耗和碳捕集运行能耗,碳捕集运行能耗来源于燃气机组的产能过程,其燃烧天然气的排放产物中含有一定浓度的CO2;燃气机组与余热回收装置共同组成热电联产机组,为简化模型分析,将热电机组的热电比视为定值;
Figure FDA0003513051580000051
式中:PCCGPP,t为t时段CCGPP系统的总能耗;PA,t为t时段CCGPP系统的固定能耗;PCC,t为t时段的碳捕集能耗;λCC为单位质量CO2的捕集能耗;
Figure FDA0003513051580000052
为t时段系统的碳捕集量;ηCC,t为t时段系统的碳捕集率;eGT为燃气机组的单位碳排放强度;EGT,t为t时段燃气机组总出力;PGT,t和QGT,t分别为t时段燃气机组的电出力与热出力;K1为燃气机组的热电比;
P2G设备的产气过程主要由电解水和甲烷化两个步骤组成,在甲烷化过程中,CO2的消耗量和CH4的产生量相等,因此P2G设备的碳-气转化关系表示为:
Figure FDA0003513051580000053
式中:
Figure FDA0003513051580000054
为t时段P2G的碳利用量;
Figure FDA0003513051580000055
为一个标准大气压下CO2的密度;
Figure FDA0003513051580000056
为t时段P2G设备的产气量;PP2G,t为t时段P2G设备的能耗;HL为天然气低热值;
此外,P2G-CCGPP系统中的碳捕集能耗和P2G能耗共同用于弃风消纳,当碳捕集能耗和P2G能耗之和大于弃风量时,实现系统对弃风的全额消纳,弃风量具体可表示为:
ΔPWT,curt,t=max{PWT,pre,t-PWT,t-PCC,t-PP2G,t,0} (14);
式中:ΔPWT,curt,t为t时段的弃风量;PWT,pre,t为t时段风机的预测功率;PWT,t为t时段风机的实际出力。
7.根据权利要求1所述一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法,其特征在于:所述步骤四中,风光不确定性的模糊隶属度模型及其确定性转化方法为:
含模糊机会约束的最优化问题描述为:
Figure FDA0003513051580000057
式中:f(x)为目标函数;g(x,ξ)为含模糊参数的约束函数;x为决策变量;ξ为模糊参数;β为置信水平;Pr{}为事件可行性;
风电及光热的模糊参数可通过梯形隶属度函数表示:
Figure FDA0003513051580000061
式中:μ(PF)为隶属度函数;
Figure FDA0003513051580000062
为决定隶属度函数形状的参数,其与预测值Ppre存在以下关系:
Figure FDA0003513051580000063
式中:vk为比例系数,一般依据风机及负荷的历史数据得到;
当约束函数具有以下形式:
g(x,ξ)=h1(x)ξ1+h2(x)ξ2+…+hn(x)ξn+h0(x) (18);
式中:ξk为梯形模糊参数
Figure FDA0003513051580000064
h1(x)、h2(x)、…hn(x)分别表示含决策变量x的第一个函数、第二个函数,…,第n个函数;ξ1、ξ2…ξn分别表示第一个模糊参数、第二个模糊参数,…,第n个模糊参数;
定义以下函数:
Figure FDA0003513051580000065
Figure FDA0003513051580000066
特殊的,若h(x)=1,则h+(x)=1,h-(x)=0;若h(x)=-1,则h+(x)=0,h-(x)=1;
当置信度β大于0.5时,模糊机会约束可转化为清晰等价形式:
Figure FDA0003513051580000067
Figure FDA0003513051580000068
分别表示四个梯形模糊参数;
Figure FDA0003513051580000069
分别表示式(19)、式(20)定义的两个特殊函数;h0(x)、t、k分别表示带决策变量x的函数、总调度时间周期、第k个调度时间段。
8.根据权利要求1所述一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法,其特征在于:所述步骤五中,以系统总运行成本最小为优化目标,综合考虑运行维护成本、燃料成本、弃风成本、碳成本、电能交互成本与热能交互成本,计及设备运行约束、功率交互约束、考虑风光不确定性的模糊机会约束等约束条件,建立含模糊机会约束的区域综合能源系统经济调度模型;对模糊机会约束进行确定性转化,运用CPLEX求解器对模型进行优化求解得到经济性最优的调度方案。
9.根据权利要求1所述一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法,其特征在于:所述步骤五中,区域综合能源系统经济调度模型的目标函数和相关约束为:
a.目标函数:
RIES低碳经济调度模型以总运行成本最低为优化目标,综合考虑运行维护成本、燃料成本、弃风成本、碳成本、电能交互成本与热能交互成本;
min F=FO+FF+FWT,curt+FC+FE+FH (22);
式中:F为RIES内部各设备参与经济调度的综合成本;FO为运行维护成本;FF为燃料成本;FWT,curt为弃风惩罚成本;FC为碳成本;FE为电交互成本;FH为热交互成本;
①、运维成本:
RIES内部各设备在调度周期的运行过程中会产生一定的运行维护成本;
Figure FDA0003513051580000071
式中:kO,WT为风机运维成本系数;kO,CHPCSP热电联供型光热电站运维成本系数;kO,GT为燃气轮机运维成本系数;kO,ES为储电装置运维成本系数;kO,P2G为P2G的运维成本系数;kO,CC为碳捕集装置的运维成本系数;kO,HS为储热装置的运维成本系数;PES,ch,t与PES,dis,t分别为t时段ES的充、放电功率;FO表示总运维成本、T表示总调度周期;
②、燃料成本:
系统燃料成本主要来源于CCGPP系统的燃气机组,燃气机组优先使用P2G产生的天然气,因此能降低部分燃料成本;
Figure FDA0003513051580000072
式中:
Figure FDA0003513051580000081
为天然气的单价;ηGT为燃气机组的发电效率;PGT,t表示t时段燃气轮机的电出力、HL表示天然气低热值、
Figure FDA0003513051580000082
表示t时段P2G的产气体积;
③、弃风惩罚成本:
为保证系统的稳定运行,需要根据供需关系在适当时段弃风,由于碳捕集设备和P2G设备的运行能耗消纳了部分弃风功率,因此弃风惩罚成本可表示为:
Figure FDA0003513051580000083
式中:kcurt为单位弃风功率的惩罚成本;ΔPWT,curt,t表示t时段的弃风功率;
④、碳成本:
碳成本主要包括碳封存成本与碳交易成本,对于碳捕集系统捕获的CO2,未被P2G设备利用部分需要进行封存处理,从而产生碳封存成本;此外,当燃气机组的碳排放量低于其碳排放基准配额时,将剩余碳排放配额出售从而盈利;
Figure FDA0003513051580000084
式中:
Figure FDA0003513051580000085
为碳封存成本;
Figure FDA0003513051580000086
为碳交易成本;
Figure FDA0003513051580000087
为单位质量CO2的封存价格;
Figure FDA0003513051580000088
为单位质量CO2的交易价格;
Figure FDA0003513051580000089
为t时段燃气机组排放至大气的CO2质量;
Figure FDA00035130515800000810
为t时段燃气机组的碳排放配额;
Figure FDA00035130515800000811
为单位功率的碳排放基准额度;EGT,t表示t时段燃气轮机的总出力;
⑤、电、热交互成本:
RIES在与主电网与主热网的功率交互中会产生电、热交互成本;
Figure FDA00035130515800000812
式中:kE,t及kH,t分别为t时段电、热交互单价;Pex,t及Qex,t分别为t时段RIES与主电网和主热网的电、热交互功率;
b.约束条件:
(1)、P2G-CCGPP系统运行约束:
Figure FDA0003513051580000091
式中:PGT,max和PGT,min分别为燃气机组电出力上下限;RGT,up和RGT,down分别为燃气机组的上爬坡速率和下爬坡速率;PP2G,max和PP2G,min分别为P2G的能耗上下限;PCC,max和PCC,min分别为碳捕集系统的能耗上下限;ηCC,max和ηCC,min分别为碳捕集系统的碳捕集率上下限;
(2)、CHPCSP运行约束:
Figure FDA0003513051580000092
式中:PCHPCSP,max和PCHPCSP,min分别为CHPCSP系统的电出力上下限;RCHPCSP,up和RCHPCSP,down为CHPCSP系统的上爬坡速率和下爬坡速率;EHS,max和EHS,min分别为HS容量的上下限;uHS,ch,t和uHS,dis,t为0-1变量,表示t时段HS的储、放热状态,考虑到同一调度时段HS不能同时储放热,因此,uHS,ch,t与uHS,dis,t之和不能大于1;PCHPCSP,t表示t时段的热电联供型光热电站的电出力、PCHPCSP,t-1表示t-1时段的热电联供型光热电站的热出力、QHS,ch,t表示t时段的储热设备的充热量、QHS,dis,t表示t时段的储热设备的放热量、QHS,ch,max表示储热设备的最大充热量、QHS,dis,max表示储热设备的最大放热量、EHS,t表示储热设备的容量;
(3)、考虑风光不确定性的功率平衡模糊机会约束:
考虑到风光不确定性会影响系统的电功率平衡和光热电站的热功率传递平衡,可基于模糊数学理论得到两者的模糊机会约束表示形式:
Figure FDA0003513051580000093
式中:Pr{}为事件的可信性;β为置信度;PDR,t表示t时段响应后的电负荷量;Pwt,t表示t时段的风机出力;PCHPCSP,t表示t时段热电联供型光热电站的电出力;PGT,t表示t时段燃气轮机的电出力;Pex,t表示t时段与主电网的电交互功率;PES,dis,t表示t时段储电装置的放电功率;ηES,dis表示储电装置的放电效率;PES,ch,t表示t时段储电装置的充电功率;ηES,ch表示储电装置的充电效率;PP2G,t表示t时段P2G的耗电量;PCC,t表示t时段碳捕集装置的耗电量;
Figure FDA0003513051580000101
式中:Pr{}为事件的可信性;β为置信度;Pge-h,t为t时段供给发电系统的热能;QHS,ch,t和QHS,dis,t分别为t时段储热系统的储热量和放热量;ηHS,ch和ηHS,dis分别为储热系统的储热效率和放热效率;Psolar,t表示t时段的输入光热电站的光热能量;
4)热功率平衡约束:
Figure FDA0003513051580000102
式中:QDR,t表示t时段响应后的热负荷量;QCHPCSP,t表示t时段热电联供型光热电站的供热量;QGT,t表示t时段燃气轮机的供热量;QHS,dis,t表示t时段储热设备的放热量;ηHS,dis表示储热设备的放热效率;QHS,ch,t表示t时段储热设备的充热量;ηHS,ch表示储热设备的充热效率;Qex,t表示t时段与主热网的热交互功率;QP2G,t为t时段P2G的产热功率;
5)其他约束:
风机运行约束、蓄电池运行约束及功率交互约束可表示为:
Pwt,min≤Pwt,t≤Pwt,max (33);
式中:Pwt,min和Pwt,max分别表示风机出力的最小值和最大值;Pwt,t表示t时段的风机出力;
Figure FDA0003513051580000103
式中:PES,min和PES,max分别表示储电设备的最小充放电量和最大充放电量;EES,min和EES,max分别表示储电设备的容量状态地下限和上限;PES,t和EES,t分别表示储电设备t时段的充放电量和容量状态;
Figure FDA0003513051580000111
式中:Pex,min和Pex,max分别表示与主电网电交互功率的最小值和最大值;Qex,min、Qex,max分别表示与主热网热交互功率的最小值和最大值,Pex,t和Qex,t分别表示与主电网电交互功率和与主热网热交互功率。
CN202210158076.1A 2022-02-21 2022-02-21 一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法 Pending CN114580863A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210158076.1A CN114580863A (zh) 2022-02-21 2022-02-21 一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210158076.1A CN114580863A (zh) 2022-02-21 2022-02-21 一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法

Publications (1)

Publication Number Publication Date
CN114580863A true CN114580863A (zh) 2022-06-03

Family

ID=81770434

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210158076.1A Pending CN114580863A (zh) 2022-02-21 2022-02-21 一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法

Country Status (1)

Country Link
CN (1) CN114580863A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115062869A (zh) * 2022-08-04 2022-09-16 国网山东省电力公司东营供电公司 一种考虑碳排放量的综合能源调度方法和系统
CN115081708A (zh) * 2022-06-20 2022-09-20 国网福建省电力有限公司 考虑需求响应的含p2g综合能源系统两阶段优化调度策略
CN115241931A (zh) * 2022-09-23 2022-10-25 国网浙江省电力有限公司宁波供电公司 基于时变电碳因子曲线的园区综合能源系统调度方法
CN115293518A (zh) * 2022-07-13 2022-11-04 河海大学 一种计及灵活爬坡的气-电耦合综合能源系统低碳经济调度方法
CN116245338A (zh) * 2023-03-22 2023-06-09 中国矿业大学 一种矿山综合能源系统低碳经济运行优化方法
CN116995747A (zh) * 2023-09-28 2023-11-03 国网江苏省电力有限公司苏州供电分公司 基于鲁棒碳交易的园区级综合能源系统运行方法及系统
CN117634682A (zh) * 2023-11-28 2024-03-01 国网吉林省电力有限公司经济技术研究院 一种寒冷地区电-热联供型虚拟电厂优化调控方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115081708A (zh) * 2022-06-20 2022-09-20 国网福建省电力有限公司 考虑需求响应的含p2g综合能源系统两阶段优化调度策略
CN115293518A (zh) * 2022-07-13 2022-11-04 河海大学 一种计及灵活爬坡的气-电耦合综合能源系统低碳经济调度方法
CN115293518B (zh) * 2022-07-13 2023-05-16 河海大学 一种计及灵活爬坡的气-电耦合综合能源系统低碳经济调度方法
CN115062869A (zh) * 2022-08-04 2022-09-16 国网山东省电力公司东营供电公司 一种考虑碳排放量的综合能源调度方法和系统
CN115062869B (zh) * 2022-08-04 2022-12-09 国网山东省电力公司东营供电公司 一种考虑碳排放量的综合能源调度方法和系统
CN115241931A (zh) * 2022-09-23 2022-10-25 国网浙江省电力有限公司宁波供电公司 基于时变电碳因子曲线的园区综合能源系统调度方法
CN116245338A (zh) * 2023-03-22 2023-06-09 中国矿业大学 一种矿山综合能源系统低碳经济运行优化方法
CN116995747A (zh) * 2023-09-28 2023-11-03 国网江苏省电力有限公司苏州供电分公司 基于鲁棒碳交易的园区级综合能源系统运行方法及系统
CN116995747B (zh) * 2023-09-28 2024-01-30 国网江苏省电力有限公司苏州供电分公司 基于鲁棒碳交易的园区级综合能源系统运行方法及系统
CN117634682A (zh) * 2023-11-28 2024-03-01 国网吉林省电力有限公司经济技术研究院 一种寒冷地区电-热联供型虚拟电厂优化调控方法

Similar Documents

Publication Publication Date Title
CN114580863A (zh) 一种考虑综合需求响应的含碳捕集设备与光热电站的区域综合能源系统经济调度方法
CN114091913B (zh) 考虑热网及p2g多园区综合能源系统低碳经济调度方法
CN112464477A (zh) 计及需求响应的多能耦合综合能源运行仿真方法
CN111738503B (zh) 以氢能为核心的综合能源微网日前运行调度方法及系统
CN113315242B (zh) 基于氢能经济促进弃风消纳的虚拟弃风-制氢联合体
CN108832656A (zh) 基于电转气和可再生能源利用微能源网多目标规划方法
CN110661254A (zh) 一种区域综合能源系统冷热电互补效益量化方法
CN111030104B (zh) 一种含储氢装置的多能源系统提升能源利用率的方法
CN111668878A (zh) 一种可再生微能源网的优化配置方法和系统
CN113078687B (zh) 孤岛多能互补电-气耦合系统能量优化调度方法
Liu et al. Multi-scenario analysis and collaborative optimization of a novel distributed energy system coupled with hybrid energy storage for a nearly zero-energy community
CN114936720A (zh) 一种源-荷-储协调的综合能源系统低碳经济调度方法
CN115170343A (zh) 一种区域综合能源系统分布式资源和储能协同规划方法
CN117081143A (zh) 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法
CN115860413A (zh) 基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网系统经济调度方法
CN115117940A (zh) 考虑风电、光伏及负荷不确定的风光水火储系统低碳调度模型建模方法
CN112529405A (zh) 计及动态价格奖惩因子的电热气综合能源调度方法和系统
CN115238503A (zh) 一种电-热-气-氢综合能源系统优化调度方法
CN116681545A (zh) 一种计及生物质-p2g耦合的设施农业园区近零碳实现方法
CN112085263A (zh) 一种用户侧分布式能源系统混合储能优化配置方法和系统
CN116468215A (zh) 计及源荷不确定性的综合能源系统调度方法及装置
CN115796323A (zh) 含ccus-p2g-chp的综合能源系统低碳经济调度方法
CN114580746A (zh) 一种基于低碳经济效益量化的综合能源站复合储能配置优化方法
CN117649089A (zh) 一种集成氢能的综合能源系统鲁棒低碳优化调度方法
CN108491977A (zh) 一种微能源网的弱鲁棒优化调度方法

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