CN114784797A - 一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法 - Google Patents

一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法 Download PDF

Info

Publication number
CN114784797A
CN114784797A CN202210439732.5A CN202210439732A CN114784797A CN 114784797 A CN114784797 A CN 114784797A CN 202210439732 A CN202210439732 A CN 202210439732A CN 114784797 A CN114784797 A CN 114784797A
Authority
CN
China
Prior art keywords
heat
power
state
heat storage
model
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.)
Granted
Application number
CN202210439732.5A
Other languages
English (en)
Other versions
CN114784797B (zh
Inventor
孙立
王显连
苏志刚
郝勇生
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.)
Southeast University
Liyang Research Institute of Southeast University
Original Assignee
Southeast University
Liyang Research Institute of Southeast University
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 Southeast University, Liyang Research Institute of Southeast University filed Critical Southeast University
Priority to CN202210439732.5A priority Critical patent/CN114784797B/zh
Publication of CN114784797A publication Critical patent/CN114784797A/zh
Application granted granted Critical
Publication of CN114784797B publication Critical patent/CN114784797B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements 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
    • 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
    • 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
    • G06Q10/06315—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
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/30—The power source being a fuel cell
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving

Landscapes

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

Abstract

本发明涉及一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法，该方案包括燃料电池、蓄电池、光伏发电、储热单元及热泵等设备。首先，本发明基于时变马尔可夫模型对各不确定性变量进行随机特性建模；然后，本发明建立了住宅综合能源系统的运行模型，并基于该模型设计了以总燃料成本为目标、各类运行及安全条件为约束的最优经济日前调度问题；最后，本发明采用随机动态规划算法对该日前调度问题进行求解，实现多重不确定性下能量管理的优化调度。本发明可实现住宅综合能源系统的热电协同，有效应对多重不确定性，实现热电供需平衡，提高系统能量利用效率，降低燃料成本，促进住宅能源系统运行的可持续性。

Description

一种计及多重不确定性的住宅综合能源系统的热电优化日前 调度方法
技术领域
本发明涉及一种调度方法，具体涉及含有燃料电池的可持续热电联产住宅系统优化调度技术领域，特别是一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法。
背景技术
近年来，燃料电池以其高效、灵活、污染小等优点越来越受到学术界和工业界的关注，逐渐成为实现碳中和目标的有效解决方案之一。然而，目前关于燃料电池的主要研究和应用集中在混合动力汽车中，而将其用于住宅系统热电优化的潜力仍有待进一步挖掘。目前，住宅供暖通常采用供暖锅炉，这种供暖方式效率低、碳排量大，无论是经济性还是环保性均不理想。相较于传统锅炉，氢能燃料电池在家居供暖方面有以下三大优势：首先，氢气可通过天然气催化重整制得，而天然气管道已广泛铺设在千家万户，因此无需额外铺设氢气管路；其次，低温燃料电池的余热温度与家居供暖所需的温度(55℃)匹配，从而可省去供暖管网的铺设并最大程度地降低热能损耗；最后，相较于传统热电联产系统如柴油机、内燃机等，氢能燃料电池运行噪声低、单体容量小，更适宜用于家用供暖。
尽管燃料电池在系统设计和基础设施方面都具有很好的兼容性，但热电联产和消耗之间的动态负荷不匹配已成为燃料电池在住宅系统中广泛应用的主要障碍。具体来说，燃料电池的自身特性决定了其供电与供热满足一定的热电比，但用户的热电需求则随时间、人员活动、天气情况等呈现不规律的状态。因此，为了保障热电供需的平衡与用户舒适度，具有储能作用的锂电池和储热单元对住宅系统热负荷和电负荷解耦是十分必要的。虽然许多以燃料电池/电池混合动力车辆为中心的研究模型和方法非常有效，通常以优化控制策略来提高燃料电池效率，但由于不同的运行要求和荷载形式，它们不能被直接应用于住宅系统。另一方面，传统的确定性算法，例如动态规划，只能对特定工况下的系统进行能量管理与效率优化，无法处理系统运行中的不确定性因素，如与用户活动相关的电热需求。因此，针对具有不确定性的热电联产应用场景的住宅系统模型及效率优化问题有待研究。
发明内容
本发明正是针对现有技术中存在的问题，提供一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法，该方案基于跟调度有关的质子交换膜氢能燃料电池、光伏模块、空气源热泵、锂电池和具相变储能功能的储热单元设备建立能量调度模型，基于不确定性变量的随即特性模型，在优化模型描述后利用随机动态规划算法求解，在满足离网系统热电供需平衡的基础上，提高能量利用效率。
为了实现上述目的，本发明的技术方案如下，一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法，所述方法如下：
步骤1：对住宅综合能源系统中与调度相关的各设备，建立基于设备特性的调度模型，并优化调度模型描述，建立基于马尔可夫链的不确定性变量随机特性模型，
步骤2：基于所述调度模型及各设备出力约束特性，在考虑多重不确定性的情况下使用随机动态规划算法进行求解.。
热电联产住宅综合能源系统的主要设备包括质子交换膜氢能燃料电池、光伏模块、空气源热泵、锂电池和具有相变储能功能的储热单元，其他辅助设备包括能量控制器、管路、阀门、循环水泵以及电气设备。燃料电池与热泵所制热水均先存储在相变储能储热单元中，再从储热单元中取热量供给居住房屋的供暖与热水。采用母线制供电结构，燃料电池和光伏模块所发电、锂电池的充放电与热泵与用户的用电均连接至母线。
所述热电联产住宅综合能源系统中与调度相关的各设备包括：质子交换膜氢能燃料电池、热泵、锂电池和基于相变储能的储热单元；所述调度模型，包括与调度相关的主要设备模型，即质子交换膜氢能燃料电池、空气源热泵、锂电池和含相变储能的储热单元模型，具体包括：质子交换膜氢能燃料电池的供热量模型、锂电池的电量动态特性模型、储热单元储热程度模型以及热泵的耗功量模型；
所述优化调度模型描述包括以最小化运行燃料消耗量为目标的目标函数、安全约束以及初始条件，所述随机特性模型描述包括光伏发电出力、电负荷和热负荷的转移概率和概率分布，针对锂电池、储热单元工作在充、放或不工作三种状态，以及热泵工作在启、停两种状态，共18种状态下的情况进行设备的优化调度。
进一步地，步骤2中,所述不确定性变量随机性建模方法如下：
系统中的状态变量和随机变量可以分别表示为：
Figure BDA0003614613860000021
Figure BDA0003614613860000022
其中，状态变量
Figure BDA0003614613860000023
和
Figure BDA0003614613860000024
分别表示离散化的电池的荷电状态SOC、蓄热管储热状态HSD、电负荷功率、热负荷功率和光伏发电功率,由于随机变量的下一时刻状态仅与当前时刻状态有关，具有马尔可夫性，故以光伏模块为例，建立基于马尔可夫链的光伏发电出力随即特性模型,
离散的np个光伏发电功率状态可以表示为：
Figure BDA0003614613860000031
其中，
Figure BDA0003614613860000032
为k时刻光伏发电的电功率，
Figure BDA0003614613860000033
为峰值功率，
Figure BDA0003614613860000034
为离散的功率状态。
时变的概率转移矩阵Mk的定义为：
Figure BDA0003614613860000035
其中，转移概率定义为
Figure BDA0003614613860000036
表示在k时刻的状态为
Figure BDA0003614613860000037
而k+1时刻为
Figure BDA0003614613860000038
的概率，且Mk满足：
Figure BDA0003614613860000039
根据
Figure BDA00036146138600000310
在k时刻的转移矩阵和概率分布pk，其在k+1时刻的概率分布可以表示为：
pk+1＝pkMk. (6)。
进一步地，所述调度模型建立方法如下：
质子交换膜氢能燃料电池模型由经验数据拟合所得，如式(7)所示：
Figure BDA00036146138600000311
其中ηE和ηT分别为燃料电池的电效率和热效率，
Figure BDA00036146138600000312
是燃料电池的发电量，下标“r”特指额定工况，则k时刻的燃料电池供热量由式(2)可得：
Figure BDA00036146138600000313
燃料电池的氢耗可以表示为：
Figure BDA0003614613860000041
其中
Figure BDA0003614613860000042
是氢气的低位热值(LHV)；
光伏发电模块的输出功率可以表示为：
Figure BDA0003614613860000043
其中ηPV和ηinv分别为光伏模块中光伏效率和转换器效率，I0为太阳辐照度，单位为瓦特每平方米(W/m2)，APV表示有效光照面积。
进一步，锂电池的模型包括其输出功率
Figure BDA0003614613860000044
其表达式为：
Figure BDA0003614613860000045
其中n1和n2分别为电池阵列的行列数，则每个电池单元的电流可由式(12)可得：
Figure BDA0003614613860000046
其中开环电压VOC和电池内阻Rb可视为定值，则锂电池SOC的动态特性可表述为：
Figure BDA0003614613860000047
其中QB是锂电池容量，ΔT是步长；
含相变储能的储热单元模型模仿锂电池的SOC模型，定义储热单元储热程度HSD，其表达式为：
Figure BDA0003614613860000048
其中Hs,k是充热(正)或放热(负)功率，
Figure BDA0003614613860000049
是总储热量，0≤HSD≤1，当其取值为0或1时，分别代表了储热单元无热量和满热量的状态；
热泵的能效比(COP)由经验拟合所得，其表达式为：
Figure BDA00036146138600000410
其中ΔTHP是热泵生产热水温度TDHW与k时刻环境温度
Figure BDA00036146138600000411
的差值，则k时刻热泵的供热量为：
Figure BDA00036146138600000412
其中
Figure BDA00036146138600000413
是热泵耗电功率。
进一步地，所述目标函数和约束的优化模型如下：
以最小化运行燃料消耗量为目标，折合为氢消耗量，即：
Figure BDA0003614613860000051
其中，CN为终端成本，γ是权重系数。
锂电池、储热单元可工作在充、放或不工作状态，热泵可工作在启、停两种状态，则设备启停状态有3×3×2＝18种情况，得目标函数与约束如下：
Figure BDA0003614613860000052
Figure BDA0003614613860000053
Figure BDA0003614613860000054
Figure BDA0003614613860000055
Figure BDA0003614613860000056
SOCmin≤SOCk≤SOCmax (23)
HSDmin≤HSDk≤HSDmax (24)
Figure BDA0003614613860000057
Figure BDA0003614613860000058
SOC0＝SOCmax (27)
HSD0＝HSDmax (28)
式(18)为目标函数，N是优化时域即调度周期，
Figure BDA0003614613860000059
为k时刻燃料电池供电功率对应的氢气消耗量。终端成本γCN使得在终点时刻，锂电池和储热单元的状态可以尽可能地回到初始状态，从而保证在下一个调度周期开始时具备充足地电能与热能消耗能力；
式(19)-(20)是状态变量xk＝[SOCk HSDk]的状态转移方程，由电平衡式(21)和热平衡式(22)以及设备特性模型式(7)-(16)决定；
式(23)、(24)分别约束了电池储能状态SOC和储热单元储热状态HSD的上下限；
式(25)、(26)分别约束了燃料电池的发电功率的上下限和热泵耗电功率的上下限，其中上限即为该设备的额定功率；
式(27)、(28)分别为锂电池的初始状态与储热单元的初始状态。
进一步地，使用随机动态规划算法对该日前调度问题进行求解并实现多重不确定性下能量管理的优化调度，算法的构造如下：
状态变量：
Figure BDA0003614613860000061
随机变量：
Figure BDA0003614613860000062
决策变量：
Figure BDA0003614613860000063
优化函数：
Figure BDA0003614613860000064
其中，Sk中的元素分别表示电池储电状态、储热单元的储热状态、电负载、热负载和光伏发电功率，决策变量Uk分别为燃料电池电功率和热泵电功率，
Figure BDA0003614613860000065
表示从终端时刻到k时刻的期望最小总成本。
根据当前系统状态和功率平衡，计算各设备在不同可行工作状态下的阶段成本，通过随机变量的转移矩阵得到总阶段成本的最小值期望，并更新下一时刻电池状态和储热单元状态。
相对于现有技术，本发明具有如下优点，1)该技术方案采用随机动态规划法对该多重不确定性条件下的住宅综合能源系统的热电优化日前调度进行求解。具体地，一方面，由于系统中光伏出力、电负载和热负载具有不确定性，无法使用确定性算法求解；另一方面，本发明所设计的调度优化模型具有多变量、强耦合、累加型目标函数的特征，求解困难。综上，可采用随机动态规划算法进行求解；2)本发明构建以燃料电池和光伏发电为原动机的离网型家用热电联产系统结构，包括燃料电池、光伏模块、空气源热泵、锂电池与相变储热罐等设备。基于该系统结构，建立系统主要设备的调度模型、安全范围及终端约束，采用以最小化燃料成本为目标的能量管理优化调度，优化调度模型描述，建立系统中具有不确定性的变量的随机特性模型，并结合调度模型和随机特性模型采用带终端约束的随机动态规划算法对该经济性模型进行求解，可实现离网型燃料电池热电联产系统的热电解耦，确保热电供需平衡。3)本发明优化调度模型中优化目标对锂电池与储热单元能量状态增加终端约束，保证了设备运行时具有足够的充放能空间以及系统的可持续运行能力；4)本发明系统中相变储能储热单元的应用可提高系统能量利用效率和锂电池的运行可靠性；5)本发明中使用的随机动态规划算法对系统状态的描述进行优化，建立了时间-指标-随机变量的三层结构。
附图说明
图1为本发明具体实施方式中系统的结构示意图。
图2为本发明具体实施方式中时间-指标-随机变量的三层结构示意图。
图3为本发明具体实施方式中电负荷的预测结果。
图4为本发明具体实施方式中热负荷的预测结果。
图5为本发明具体实施方式中光伏出力的预测结果。
图6为本发明具体实施方式中住房环境温度曲线。
图7为本发明具体实施方式中可调度设备的调度结果。
图8为本发明具体实施方式中电池和储热单元的容量动态。
图9为本发明具体实施方式中阶段成本动态。
图10为本发明具体实施方式中DP与SDP的结果对比(10％不确定性)。
图11为本发明具体实施方式中DP与SDP的结果对比(40％不确定性)。
具体实施方式
为了加深对本发明的理解，下面结合附图对本实施例做详细的说明。
实施例1：参见图1，一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法，混合燃料电池热电联产系统示意图如图1所示，其主要设备包括质子交换膜氢能燃料电池、空气源热泵、锂电池和含相变储能的储热单元，其他辅助设备包括能量控制器、管路、阀门、循环水泵以及电气设备未在图1中表出。
系统的燃料电池与热泵所制热水均先存储在相变储能储热单元中，再从储热单元中取热量供给居住房屋的供暖与热水。采用母线制供电结构，燃料电池所发电、锂电池的充放电与热泵与用户的用电均连接至母线。
所述混合燃料电池热电联产系统中与调度相关的各设备包括：质子交换膜氢能燃料电池、热泵、锂电池和基于相变储能的储热单元；所述调度模型，包括与调度相关的主要设备模型，即质子交换膜氢能燃料电池、空气源热泵、锂电池和含相变储能的储热单元模型，具体包括：质子交换膜氢能燃料电池的供热量模型、锂电池的电量动态特性模型、储热单元储热程度模型以及热泵的耗功量模型；
所述优化调度模型描述包括以最小化运行燃料消耗量为目标的目标函数和约束的确定，针对锂电池、储热单元工作在充、放或不工作三种状态，以及热泵工作在启停两种状态，即设备启停共3×3×2＝18种状态下的情况进行约束。
所述不确定性变量随机性建模方法如下：
系统中的状态变量和随机变量可以分别表示为：
Figure BDA0003614613860000071
Figure BDA0003614613860000072
其中，状态变量
Figure BDA0003614613860000081
和
Figure BDA0003614613860000082
分别表示离散化的电池的荷电状态SOC、蓄热管储热状态HSD、电负荷功率、热负荷功率和光伏发电功率。由于随机变量的下一时刻状态仅与当前时刻状态有关，具有马尔可夫性，故以光伏模块为例，建立基于马尔可夫链的光伏发电出力随即特性模型。
离散的np个光伏发电功率状态可以表示为：
Figure BDA0003614613860000083
时变的概率转移矩阵的定义为：
Figure BDA0003614613860000084
其中，转移概率定义为
Figure BDA0003614613860000085
且Mk满足：
Figure BDA0003614613860000086
根据
Figure BDA0003614613860000087
在k时刻的转移矩阵和概率分布pk，其在k+1时刻的概率分布可以表示为：
pk+1＝pkMk. (6)
其中，所述调度模型建立方法如下：
质子交换膜氢能燃料电池模型由经验数据拟合所得，如式(3)所示：
Figure BDA0003614613860000088
其中ηE和ηT分别为燃料电池的电效率和热效率，
Figure BDA0003614613860000089
是燃料电池的发电量，下标“r”特指额定工况，则k时刻的燃料电池供热量由式(4)可得：
Figure BDA00036146138600000810
燃料电池的氢耗可以表示为：
Figure BDA0003614613860000091
其中
Figure BDA0003614613860000092
是氢气的低位热值(LHV)；
光伏发电模块的输出功率可以表示为：
Figure BDA0003614613860000093
其中ηPV和ηinv分别为光伏模块中光伏效率和转换器效率，I0为太阳辐照度，单位为瓦特每平方米(W/m2)，APV表示有效光照面积。
进一步，锂电池的模型包括其输出功率
Figure BDA0003614613860000094
其表达式为：
Figure BDA0003614613860000095
其中n1和n2分别为电池阵列的行列数，则每个电池单元的电流可由式(5)可得：
Figure BDA0003614613860000096
其中开环电压VOC和电池内阻Rb可视为定值，则锂电池SOC的动态特性可表述为：
Figure BDA0003614613860000097
其中QB是锂电池容量，ΔT是步长；
含相变储能的储热单元模型模仿锂电池的SOC模型，定义储热单元储热程度HSD，其表达式为：
Figure BDA0003614613860000098
其中Hs,k是充热(正)或放热(负)功率，
Figure BDA0003614613860000099
是总储热量，0≤HSD≤1，当其取值为0或1时，分别代表了储热单元无热量和满热量的状态；
热泵的能效比(COP)由经验拟合所得，其表达式为：
Figure BDA00036146138600000910
其中ΔTHP是热泵生产热水温度TDHW与k时刻环境温度
Figure BDA00036146138600000911
的差值，则k时刻热泵的供热量为：
Figure BDA00036146138600000912
其中
Figure BDA00036146138600000913
是热泵耗电功率。
4、根据权利要求1所述的计及多重不确定性的住宅综合能源系统的热电优化日前调度方法，其特征在于：所述目标函数和约束的优化模型如下：
以最小化运行燃料消耗量为目标，折合为氢消耗量，即：
Figure BDA0003614613860000101
其中，CN为终端成本，γ是权重系数。
锂电池、储热单元可工作在充、放或不工作状态，热泵可工作在启、停两种状态，则设备启停状态有3×3×2＝18种情况，得目标函数与约束如下：
Figure BDA0003614613860000102
Figure BDA0003614613860000103
Figure BDA0003614613860000104
Figure BDA0003614613860000105
Figure BDA0003614613860000106
SOCmin≤SOCk≤SOCmax (23)
HSDmin≤HSDk≤HSDmax (24)
Figure BDA0003614613860000107
Figure BDA0003614613860000108
SOC0＝SOCmax (27)
HSD0＝HSDmax (28)
式(18)为目标函数，N是优化时域即调度周期，
Figure BDA0003614613860000109
为k时刻燃料电池供电功率对应的氢气消耗量。终端成本γCN使得在终点时刻，锂电池和储热单元的状态可以尽可能地回到初始状态，从而保证在下一个调度周期开始时具备充足地电能与热能消耗能力；
式(19)-(20)是状态变量xk＝[SOCk HSDk]的状态转移方程，由电平衡式(21)和热平衡式(22)以及设备特性模型式(7)-(16)决定；
式(23)、(24)分别约束了电池储能状态SOC和储热单元储热状态HSD的上下限；
式(25)、(26)分别约束了燃料电池的发电功率的上下限和热泵耗电功率的上下限，其中上限即为该设备的额定功率；
式(27)、(28)分别为锂电池的初始状态与储热单元的初始状态。
主要设备规划配置方案如表1所示。
表1主要设备规划配置方案
Figure BDA0003614613860000111
表1中：燃料电池容量为2.5kW，最大最小出力分别为2.5kW和0.3kW，氢的低位热值为119.96kJ/g，燃料电池电效率为37％、热效率为53％；锂电池单电池容量为3.5Ah，电池阵列行数与列数均为6，SOC上下限分别为0.9和0.3，锂电池单电池内阻为20mΩ，开路电压为4.8V；储热单元容量为6kWh，HSD的上下限分别为0和1，储热单元出水温度为55℃；热泵额定功率为5kW，最大制热功率为5kW，最小制热功率为0kW；光伏模块的有效面积为16㎡，光伏效率为0.19，转换器效率为0.95。
基于2021年某地2月份某住户24小时电负载和热负载数据、太阳辐照度数据，所建立的基于马尔可夫链的随机特性模型功率预测结果分别如图3，图4和图5所示。冬季典型日24小时的气温变化如图6所示。
基于表1及建立的优化模型和马尔可夫模型，采用随机动态规划算法对该不确定性条件下的住宅综合能源系统的热电优化日前调度问题进行求解，调度结果如图7所示，电池的储电状态SOC和储热单元的储热状态HSD的变化动态如图8所示，每个时间段的氢气消耗量如图9所示。
图7和图8的结果显示，在典型日开始的前几个小时，由于电负荷相对较低，燃料电池产生的电与热都相对较少，此时热泵的热功率和电功率也相对较小，因此储热单元处于放热状态。之后，随着电负荷开始增加，燃料电池发电产生的余热可以用于给储热单元充热。在中午时段，尽管热负荷较小，但由于午间环境温度高，热泵的能效比较高，因此热泵的电功率相对较高，在同等功耗下能产生更多的热量储存于储热单元中。当晚间环境温度降低、热泵COP较低时，储热单元能用于供应一部分热量，减轻热泵的负荷。当一天运行结束，锂电池的能量状态回到初始时刻的65％，储热单元的能量状态回到89％，二者均具有充分的充放能空间，保证了下一天系统的能量供需平衡与热电解耦需求。
在50种不同的工况下，对比了随机动态规划(SDP)算法和动态规划(DP)算法的经济性，即在不同的电负载、热负载以及光伏发电出力下的24小时系统运行成本，结果如图10所示。之后，考虑随机性更强的情况，即在每个时刻热电负载和光伏发电出力与平均值的偏差更大，两种算法的对比结果如图11所示。结果表明，使用SDP和DP算法都能实现该住宅综合能源系统的热电优化日前调度问题，且他们的结果趋势基本一致，这可以说明本发明中所设计的SDP算法的有效性。此外，使用随机动态规划算法进行优化调度的系统运行总成本(总氢耗)往往更低，这是因为考虑了系统中具有不确定性的随机变量，其在求解时并不是作为预先设定的值(如动态规划)，而是通过时变的概率转移矩阵决定下一时刻的状态并影响期望阶段总成本。图10的结果表明，在随机性更强的工况下，例如用户突发的高热电需求，以及快速变化的天气情况而影响光伏发电出力，SDP相对DP算法依然能够保持更低的系统总运行氢耗。长远来看，本发明所设计的随机动态规划算法可以大大节省因提前设定工况但用户行为或天气发生大幅变化，而导致设定与实际情况不匹配带来的经济损失。
需要说明的是上述实施例，并非用来限定本发明的保护范围，在上述技术方案的基础上所作出的等同变换或替代均落入本发明权利要求所保护的范围。

Claims (6)

1.一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法，其特征在于，所述方法如下：
步骤1：对住宅综合能源系统中与调度相关的各设备，建立基于设备特性的调度模型，并优化调度模型描述，建立基于马尔可夫链的不确定性变量随机特性模型，
步骤2：基于所述调度模型及各设备出力约束特性，在考虑多重不确定性的情况下使用随机动态规划算法进行求解。
2.根据权利要求1所述的计及多重不确定性的住宅综合能源系统的热电优化日前调度方法，其特征在于，
其中住宅综合能源系统中与调度相关的各设备包括：质子交换膜氢能燃料电池、热泵、光伏模块、锂电池以及基于相变储能的储热单元，其中燃料电池与热泵所制热水均先存储在所述储热单元中，再从所述储热单元中取热量供给居住房屋的供暖与热水；
所述调度模型包括：质子交换膜氢能燃料电池的供热量模型、锂电池的电量动态特性模型、储热单元储热程度模型以及热泵的耗功量模型；
其中，不确定性负荷包括：光伏发电出力、电负荷、热负荷；
优化调度模型描述包括以最小化运行燃料消耗量为目标的目标函数、安全约束以及初始条件，所述随机特性模型包括光伏发电出力、电负荷和热负荷的转移概率和概率分布，针对锂电池、储热单元工作在充、放或不工作三种状态，以及热泵工作在启、停两种状态，共18种状态下的情况进行设备的优化调度；
其中住宅综合能源系统采用母线制供电结构，燃料电池发电、光伏发电、锂电池的充放电、热泵与用户的用电均连接至母线；
所述热泵采用空气源热泵，系统中热量来源为热泵供热、燃料电池余热及储热罐的蓄热。
3.根据权利要求1所述的计及多重不确定性的住宅综合能源系统的热电优化日前调度方法，其特征在于，步骤2中,所述不确定性变量随机性建模方法如下：
系统中的状态变量和随机变量可以分别表示为：
Figure FDA0003614613850000011
Figure FDA0003614613850000012
其中，状态变量
Figure FDA0003614613850000013
和
Figure FDA0003614613850000014
分别表示离散化的电池的荷电状态SOC、蓄热管储热状态HSD、电负荷功率、热负荷功率和光伏发电功率,由于随机变量的下一时刻状态仅与当前时刻状态有关，具有马尔可夫性，故以光伏模块为例，建立基于马尔可夫链的光伏发电出力随即特性模型,
离散的np个光伏发电功率状态表示为：
Figure FDA0003614613850000021
其中，
Figure FDA0003614613850000022
为k时刻光伏发电的电功率，
Figure FDA0003614613850000023
为峰值功率，
Figure FDA0003614613850000024
为离散的功率状态；
时变的概率转移矩阵Mk的定义为：
Figure FDA0003614613850000025
其中，转移概率定义为
Figure FDA0003614613850000026
表示在k时刻的状态为
Figure FDA0003614613850000027
而k+1时刻为
Figure FDA0003614613850000028
的概率，且Mk满足：
Figure FDA0003614613850000029
根据
Figure FDA00036146138500000210
在k时刻的转移矩阵和概率分布pk，其在k+1时刻的概率分布可以表示为：
pk+1＝pkMk. (6)。
4.根据权利要求2所述的计及多重不确定性的住宅综合能源系统的热电优化日前调度方法，其特征在于，所述调度模型建立方法如下：
质子交换膜氢能燃料电池模型由经验数据拟合所得，如式(7)所示：
Figure FDA00036146138500000211
其中ηE和ηT分别为燃料电池的电效率和热效率，
Figure FDA00036146138500000212
是燃料电池的发电量，下标“r”特指额定工况，则k时刻的燃料电池供热量由式(1)可得：
Figure FDA0003614613850000031
燃料电池的氢耗可以表示为：
Figure FDA0003614613850000032
其中
Figure FDA0003614613850000033
是氢气的低位热值(LHV)；
光伏发电模块的输出功率可以表示为：
Figure FDA0003614613850000034
其中ηPV和ηinv分别为光伏模块中光伏效率和转换器效率，I0为太阳辐照度，单位为瓦特每平方米(W/m2)，APV表示有效光照面积；
锂电池的模型包括其输出功率
Figure FDA0003614613850000035
其表达式为：
Figure FDA0003614613850000036
其中n1和n2分别为电池阵列的行列数，则每个电池单元的电流可由式(12)可得：
Figure FDA0003614613850000037
其中开环电压VOC和电池内阻Rb可视为定值，则锂电池SOC的动态特性可表述为：
Figure FDA0003614613850000038
其中QB是锂电池容量，ΔT是步长；
含相变储能的储热单元模型模仿锂电池的SOC模型，定义储热单元储热程度HSD，其表达式为：
Figure FDA0003614613850000039
其中Hs,k是充热(正)或放热(负)功率，
Figure FDA00036146138500000310
是总储热量，0≤HSD≤1，当其取值为0或1时，分别代表了储热单元无热量和满热量的状态；
热泵的能效比(COP)由经验拟合所得，其表达式为：
Figure FDA00036146138500000311
其中ΔTHP是热泵生产热水温度TDHW与k时刻环境温度
Figure FDA0003614613850000041
的差值，则k时刻热泵的供热量为：
Figure FDA0003614613850000042
其中
Figure FDA0003614613850000043
是热泵耗电功率。
5.根据权利要求3所述的计及多重不确定性的住宅综合能源系统的热电优化日前调度方法，其特征在于，所述目标函数和约束的优化模型如下：
以最小化运行燃料消耗量为目标，折合为氢消耗量，即：
Figure FDA0003614613850000044
其中，CN为终端成本，γ是权重系数；
锂电池、储热单元可工作在充、放或不工作状态，热泵可工作在启、停两种状态，则设备启停状态有3×3×2＝18种情况，得目标函数与约束如下：
Figure FDA0003614613850000045
Figure FDA0003614613850000046
Figure FDA0003614613850000047
Figure FDA0003614613850000048
Figure FDA0003614613850000049
SOCmin≤SOCk≤SOCmax (23)
HSDmin≤HSDk≤HSDmax (24)
Figure FDA00036146138500000410
Figure FDA00036146138500000411
SOC0＝SOCmax (27)
HSD0＝HSDmax (28)
式(18)为目标函数，N是优化时域即调度周期，
Figure FDA00036146138500000412
为k时刻燃料电池供电功率对应的氢气消耗量,终端成本γCN使得在终点时刻，锂电池和储热单元的状态可以尽可能地回到初始状态，从而保证在下一个调度周期开始时具备充足地电能与热能消耗能力；
式(19)-(20)是状态变量xk＝[SOCk HSDk]的状态转移方程，由电平衡式(21)和热平衡式(22)以及设备特性模型式(7)-(16)决定；
式(23)、(24)分别约束了电池储能状态SOC和储热单元储热状态HSD的上下限；
式(25)、(26)分别约束了燃料电池的发电功率的上下限和热泵耗电功率的上下限，其中上限即为该设备的额定功率；
式(27)、(28)分别为锂电池的初始状态与储热单元的初始状态。
6.根据权利要求3或4所述的计及多重不确定性的住宅综合能源系统的热电优化日前调度方法，其特征在于，使用随机动态规划算法对该日前调度问题进行求解并实现多重不确定性下能量管理的优化调度，算法的构造如下：
状态变量：
Figure FDA0003614613850000051
随机变量：
Figure FDA0003614613850000052
决策变量：
Figure FDA0003614613850000053
优化函数：
Figure FDA0003614613850000054
其中，Sk中的元素分别表示电池储电状态、储热单元的储热状态、电负载、热负载和光伏发电功率，决策变量Uk分别为燃料电池电功率和热泵电功率，
Figure FDA0003614613850000055
表示从终端时刻到k时刻的期望最小总成本。
CN202210439732.5A 2022-04-25 2022-04-25 一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法 Active CN114784797B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210439732.5A CN114784797B (zh) 2022-04-25 2022-04-25 一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210439732.5A CN114784797B (zh) 2022-04-25 2022-04-25 一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法

Publications (2)

Publication Number Publication Date
CN114784797A true CN114784797A (zh) 2022-07-22
CN114784797B CN114784797B (zh) 2024-01-19

Family

ID=82433517

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210439732.5A Active CN114784797B (zh) 2022-04-25 2022-04-25 一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法

Country Status (1)

Country Link
CN (1) CN114784797B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115411776A (zh) * 2022-09-27 2022-11-29 国网江苏省电力有限公司常州供电分公司 住宅综合能源系统的热电协同调度方法及装置
CN115899804A (zh) * 2023-03-01 2023-04-04 四川蜀旺新能源股份有限公司 一种基于热电联供的综合供电供热设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107681691A (zh) * 2017-09-30 2018-02-09 太原理工大学 计及不确定性因素的风电并网系统运行可靠性评估方法
CN109767105A (zh) * 2018-12-29 2019-05-17 东北电力大学 一种基于风光水火储联合系统的多能互补协调发电调度方法
CN111428946A (zh) * 2020-04-28 2020-07-17 三峡大学 一种充储电站供给侧分散式优化调度方法
CN111555356A (zh) * 2020-06-01 2020-08-18 江苏方天电力技术有限公司 基于耦合Markov模型的区域综合能源系统随机变量分析方法
CN112036633A (zh) * 2020-08-26 2020-12-04 三峡大学 一种水库生态发电多目标中长期随机调度模型的构建方法以及优化调度方法
CN112396238A (zh) * 2020-11-24 2021-02-23 华中科技大学 一种热电联合系统实时优化调度方法
CN112510682A (zh) * 2020-11-09 2021-03-16 东南大学 一种基于动态规划的燃料电池热电联产微网日前调度方法
CN113256045A (zh) * 2020-08-04 2021-08-13 四川大学 考虑风光不确定性的园区综合能源系统日前经济调度方法
CN113850474A (zh) * 2021-08-26 2021-12-28 西南交通大学 一种热电氢多能流综合能源系统及其优化调度方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107681691A (zh) * 2017-09-30 2018-02-09 太原理工大学 计及不确定性因素的风电并网系统运行可靠性评估方法
CN109767105A (zh) * 2018-12-29 2019-05-17 东北电力大学 一种基于风光水火储联合系统的多能互补协调发电调度方法
CN111428946A (zh) * 2020-04-28 2020-07-17 三峡大学 一种充储电站供给侧分散式优化调度方法
CN111555356A (zh) * 2020-06-01 2020-08-18 江苏方天电力技术有限公司 基于耦合Markov模型的区域综合能源系统随机变量分析方法
CN113256045A (zh) * 2020-08-04 2021-08-13 四川大学 考虑风光不确定性的园区综合能源系统日前经济调度方法
CN112036633A (zh) * 2020-08-26 2020-12-04 三峡大学 一种水库生态发电多目标中长期随机调度模型的构建方法以及优化调度方法
CN112510682A (zh) * 2020-11-09 2021-03-16 东南大学 一种基于动态规划的燃料电池热电联产微网日前调度方法
CN112396238A (zh) * 2020-11-24 2021-02-23 华中科技大学 一种热电联合系统实时优化调度方法
CN113850474A (zh) * 2021-08-26 2021-12-28 西南交通大学 一种热电氢多能流综合能源系统及其优化调度方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115411776A (zh) * 2022-09-27 2022-11-29 国网江苏省电力有限公司常州供电分公司 住宅综合能源系统的热电协同调度方法及装置
CN115411776B (zh) * 2022-09-27 2023-11-14 国网江苏省电力有限公司常州供电分公司 住宅综合能源系统的热电协同调度方法及装置
CN115899804A (zh) * 2023-03-01 2023-04-04 四川蜀旺新能源股份有限公司 一种基于热电联供的综合供电供热设备

Also Published As

Publication number Publication date
CN114784797B (zh) 2024-01-19

Similar Documents

Publication Publication Date Title
CN109327042B (zh) 一种微电网多能源联合优化调度方法
CN109510224B (zh) 光伏储能与分布式能源联合的容量配置与运行优化方法
CN104716644B (zh) 一种可再生能源冷热电微网系统及控制方法
CN111242806A (zh) 一种考虑不确定性的电-热-氢多能量系统的规划方法
CN113344736A (zh) 一种园区级综合能源系统及其控制方法
CN111400641A (zh) 一种含蓄热式电采暖的综合能源系统日前优化调度方法
CN114784797B (zh) 一种计及多重不确定性的住宅综合能源系统的热电优化日前调度方法
CN107358345B (zh) 计及需求侧管理的分布式冷热电联供系统优化运行方法
CN112446141B (zh) 一种电热综合能源系统双层规划方法
CN103745268A (zh) 含分布式电源的微电网多目标优化调度方法
CN113850474B (zh) 一种热电氢多能流综合能源系统及其优化调度方法
CN107784382A (zh) 基于能源路由器的用户侧能源互联网规划方法
CN110163415B (zh) 一种变工况特性下的多能流系统多目标模糊协同优化方法
CN112380730A (zh) 一种考虑多能耦合交互的综合能源微网优化运行方法
CN110941799A (zh) 一种考虑系统综合不确定性因素的能量枢纽随机规划方法
Bernoosi et al. Optimal sizing of hybrid PV/T-fuel cell CHP system using a heuristic optimization algorithm
Gherairi Design and implementation of an intelligent energy management system for smart home utilizing a multi-agent system
Liu et al. Short-and long-duration cooperative energy storage system: Optimizing sizing and comparing rule-based strategies
CN114742276A (zh) 一种考虑㶲效率的含orc的园区综合能源系统多目标优化调度方法
CN111008760A (zh) 一种冷热电联供微电网系统的双层优化方法
CN113078684B (zh) 一种基于双层优化的区域能源社区规划方法
CN204407890U (zh) 一种可再生能源冷热电微网系统
CN113131513A (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
CN108494014A (zh) 一种混合能源热电联产经济性优化管理方法
CN112510682B (zh) 一种基于动态规划的燃料电池热电联产微网日前调度方法

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
GR01 Patent grant
GR01 Patent grant