CN114977299A - 一种风光水火储多能互补发电系统选址定容的优化方法 - Google Patents

一种风光水火储多能互补发电系统选址定容的优化方法 Download PDF

Info

Publication number
CN114977299A
CN114977299A CN202210687445.6A CN202210687445A CN114977299A CN 114977299 A CN114977299 A CN 114977299A CN 202210687445 A CN202210687445 A CN 202210687445A CN 114977299 A CN114977299 A CN 114977299A
Authority
CN
China
Prior art keywords
power
wind
energy
generation system
power generation
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
CN202210687445.6A
Other languages
English (en)
Inventor
周泓
魏明奎
路亮
蔡绍荣
陶宇轩
沈力
文一宇
张鹏
江栗
王庆
杨宇霄
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.)
Southwest Branch of State Grid Corp
Original Assignee
Southwest Branch of State Grid Corp
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 Southwest Branch of State Grid Corp filed Critical Southwest Branch of State Grid Corp
Priority to CN202210687445.6A priority Critical patent/CN114977299A/zh
Publication of CN114977299A publication Critical patent/CN114977299A/zh
Pending legal-status Critical Current

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Abstract

本发明属于新能源发电技术领域，尤其涉及一种风光水火储多能互补发电系统选址定容的优化方法；构建多能互补发电系统，建立多能互补发电系统出力模型；以多能互补发电系统的收益率为优化目标，建立容量优化配置模型；获取多能互补发电系统的约束条件；以多能互补发电系统并网后电网中的网络损耗以及节点电压偏差和为优化目标，建立并网位置优化模型；建立双层优化模型，外层是容量优化配置模型，内层为并网位置优化模型；本发明的多能互补系统包含了风电、光伏、水电、火电以及储能五种能源形式，充分考虑风光水资源的天然互补特性和火电、储能的调峰能力，通过构建双层优化模型，对多能互补发电系统进行选址定容，实现并网点最佳位置的选取。

Description

一种风光水火储多能互补发电系统选址定容的优化方法
技术领域
本发明属于新能源发电技术领域，尤其涉及一种风光水火储多能互补发电系统选址定容的优化方法。
背景技术
风、光、水等可再生能源的大规模开发利用是实现我国能源战略转型的重大举措。我国当前推行的节能减排能源发展战略指出，亟需继续大规模开发可再生能源，以达到2020年非化石能源占一次能源消费总量15％的既定目标。但是风、光可再生能源具有随机性、波动性等固有特性，随着接入规模的逐渐扩大，消纳不充分的问题也愈发显著。2016年我国弃风、弃光、弃水电量分别高达497、69、186亿千瓦时，部分省市的弃风、弃光率甚至超过30％。因此，国家对于可再生能源的消纳问题予以高度关注，鼓励多能互补集成优化工程，以多能互补为基础，实现多能源协同供应，提高可再生能源的消纳能力。此外，多能互补是提高可再生能源消纳能力的重要手段，要“推动多能互补、协同优化的新能源电力综合开发”。《国家发展改革委、国家能源局关于推进多能互补集成优化示范工程建设的实施意见》中提到，“利用大型综合能源基地风能、太阳能、水能、煤炭、天然气等资源组合优势，推进风光水火储多能系统建设运行”。综上，在国家发展需求的驱动下，研究清洁能源多能互补优化规划基础理论和关键技术，构建地区多能系统，以实现风、光、水等能源的充分消纳，对我国能源转型及促进能源结构调整具有重大战略意义。
目前，对多能互补发电系统容量优化配置的研究主要存在以下不足：(1)多能互补发电系统中的能源类型比较少，大多局限于风光、风光储以及风光水等两种或三种能源类型，对于更多种类能源质检的互补性欠缺深入研究，且绝大多数的现有技术只能对多能互补发电系统的容量优化配置进行相关研究，对多能互补发电系统选址问题，即最优并网点的选取还缺乏相应的研究；(2)对目标函数的设置，绝大多数研究对经济型的考虑都以系统成本最小为目标，市场环境下，中长期电量和现货电量对经济性影响的分析还有待提升；(3)对多目标容量优化配置模型的求解，现有研究通常对各子目标进行归一化处理，然后利用线性加权法将多目标优化转化为单目标优化，而大多研究的归一化处理过程各不相同，且权重的确定无法避免人为的主观性，各目标函数的权重最佳值难以确定，将影响优化结果的准确性。
发明内容
本发明公开了一种风光水火储多能互补发电系统选址定容的优化方法，拟解决背景技术中提到的目前对多能互补发电系统的选址问题，即最优并网点的选取问题还缺少相应的技术，导致目前并网点的选取存在不合理的技术问题。
为解决上述技术问题，本发明采用的技术方案如下：
一种风光水火储多能互补发电系统选址定容的优化方法，包括以下步骤：
步骤1：构建采用功率平衡工作模式的风光水火储多能互补发电系统，建立多能互补发电系统出力模型；所述多能互补发电系统出力模型包括：风电出力模型、光伏出力模型、水电出力模型、火电出力模型和储能充放电模型；
步骤2：以风光水火储多能互补发电系统的收益率为优化目标，建立风光水火储多能互补发电系统的容量优化配置模型；
步骤3：获取风光水火储多能互补发电系统的约束条件；所述约束条件包括：水电机组出力约束、火电机组出力约束、火电机组爬坡约束、储能系统SOC约束、储能系统充放电功率约束、风光水火储多能互补发电系统与电网的功率交换约束、系统能量缺失约束以及系统溢电率约束；
步骤4：以多能互补发电系统并网后电网中的网络损耗以及节点电压偏差和为优化目标，建立并网位置优化模型；
步骤5：建立双层优化模型，外层是风光水火储多能互补发电系统的容量优化配置模型，内层是所述并网位置优化模型，通过双层优化循环迭代，获取所述双层优化模型的解，即得到多能互补发电系统选址定容的规划方案。
本发明的多能互补系统包含了风电、光伏、水电、火电以及储能五种能源形式，充分考虑风光水资源的天然互补特性和火电、储能的调峰能力，通过构建双层优化模型，对多能互补发电系统进行选址定容，实现并网点最佳位置的选取。
优选的，所述风电出力模型为：
Figure BDA0003698518260000021
Figure BDA0003698518260000022
式中：v(t)表示t时刻风机轮毂的风速；vwind(t)表示t时刻测风点的风速；h表示轮毂高度； hw表示测风点高度；Pwind(t)表示t时刻风电机组输出功率；Pwn表示风电机组额度功率；Vin表示切入风速；Vr表示额定风速；Vout表示切出风速；
所述光伏出力模型为：
Figure BDA0003698518260000031
Figure BDA0003698518260000032
式中：Ppv(t)为t时刻光伏电池组的出力功率；Lsolar(t)为t时刻光伏电池所处区域的太阳辐射强度，单位为kW/m2；m为光伏电池的降容系数；Ppvn为光伏电池处于标准测试条件下的标称功率；α为功率温度系数，取值-0.0045/℃；TC(t)为t时刻光伏电池组工作的实际温度； Tstc为光伏电池组工作标准温度：25℃；Ttemp(t)为t时刻光伏电池所处环境温度；Noct为光伏电池组标称温度：46.5℃；
所述水电出力模型为：
PH(t)＝aH×q(t)2+bH×q(t)+cH；
式中：PH(t)为t时刻水电机组输出功率；aH、bH、cH分别为水电机组的水能-电能转换系数；q(t)为t时刻水电站的发电流量；
所述火电出力模型为：
PT(t)∈[0,PTn]；
式中：PT(t)表示t时刻火电机组输出功率；PTn表示火电机组额定功率；
所述储能充放电模型为：
充电：
Figure BDA0003698518260000033
放电：
Figure BDA0003698518260000034
式中：SOC(t+1)、SOC(t)分别表示t+1和t时刻的荷电状态；PES(t)表示t时刻充放电功率；ηc、ηdisc分别表示充、放电效率；Sn表示储能的额定容量。
优选的，步骤1中所述功率平衡工作模式为：风光水火储多能互补发电系统的可再生能源风电、光伏以及水电分别根据自然条件进行发电，当可再生能源发电功率大于或等于负荷需求时，多余功率首先由储能系统充电进行消纳，其次再出售给电网，最后若还存在多余电量的，则进行弃电操作；当可再生能源发电功率小于负荷需求时，首先由储能系统放电进行补充，然后再由火电补充，若还有电量缺额，则进行减载操作。
优选的，步骤2中所述的风光水火储多能互补发电系统的收益率的目标函数为：
Figure BDA0003698518260000041
Figure BDA0003698518260000042
Figure BDA0003698518260000043
式中：rate表示多能互补发电系统收益率；R表示系统收益；C表示系统成本；Cw、Cpv、 CH、CT、CB分别表示风电、光伏、水电、火电、储能系统的单位容量成本；Pwn、Ppvn、PHn、 PTn、Sn分别表示风电、光伏、水电、火电、储能系统的额定容量；PL(t)表示t时刻的负荷功率；ω表示中长期电量比例；πM表示中长期电量价格；πt表示现货电量价格；PGrid_sell(t)表示 t时刻的售电量；PGrid_buy(t)表示t时刻的购电量；F(t)表示t时刻系统运行成本；D(t)表示t时刻系统减载负荷量；AB(t)表示t时刻系统弃电量；ccomp表示补偿费用单价；cab表示弃电费用单价；Ploss表示网络损耗；closs表示网络损耗成本。
优选的，步骤3中所述的水电机组出力约束为：
0≤PHi(t)≤PHin；
式中：PHi(t)表示t时刻水电机组i的输出功率；PHin表示水电机组i的额定功率；
所述火电机组出力约束为：
0≤PTi(t)≤PTin；
式中：PTi(t)表示t时刻火电机组i的输出功率；PTin表示火电机组i的额定功率；
所述火电机组爬坡约束为：
Figure BDA0003698518260000044
式中：PTi(t)、PTi(t-1)分别表示火电机组i在t时刻和t-1时刻的输出功率；UTi和DTi分别表示火电机组i的爬坡速率和降坡速率；
所述储能系统SOC约束为：
SOCmin≤SOC(t)≤SOCmax；
式中：SOCmin、SOCmax分别表示储能系统荷电状态的最小值和最大值；
所述储能充放电功率约束为：
充电：
Figure BDA0003698518260000045
放电：
Figure BDA0003698518260000051
式中：PES_max表示最大充放电功率；SOC(t)表示t时刻的荷电状态；Sn表示储能系统的额定容量；PES(t)表示t时刻的充放电功率；ηdisc表示放电效率；SOCmin和SOCmax分别表示储能系统荷电状态的最小值和最大值；ηc表示充电效率；
所述风光水火储多能互补发电系统与电网的功率交换约束为：
0≤PGrid(t)≤PGrid_max；
式中：PGrid_max表示风光水火储多能互补发电系统与电网之间功率交换的最大值；PGrid(t)表示t时刻风光水火储多能互补发电系统与电网之间功率交换；
所述系统能量缺失率约束为：
Figure BDA0003698518260000052
式中：PL(t)表示t时刻的负荷功率；Pwind(t)表示t时刻风电机组输出功率；Ppv(t)表示t 时刻光伏电池组的出力功率；PH(t)表示t时刻水电机组输出功率；PES(t)表示t时刻的充放电功率；PT(t)表示t时刻火电机组输出功率；LPSP表示系统能量缺失率；LPSPmax表示系统能量最大缺失率；
所述系统溢电率约束为：
Figure BDA0003698518260000053
式中：Pwind(t)表示t时刻风电机组输出功率；Ppv(t)表示t时刻光伏电池组的出力功率； PH(t)表示t时刻水电机组输出功率；PL(t)表示t时刻的负荷功率；PES(t)表示t时刻的充放电功率；PH(t)表示t时刻水电机组输出功率；AR表示系统溢电率；AR_max表示系统最大溢电率。
优选的，步骤4中所述的网络损耗的目标函数为：
Figure BDA0003698518260000054
Figure BDA0003698518260000055
式中：Ploss(x)表示风光水火储多能互补发电系统在电网的节点x处并网后的网络损耗；Pij(t)表示风光水火储多能互补发电系统在电网的节点x处并网后t时刻支路ij的损耗；Pj(t)表示风光水火储多能互补发电系统在电网的节点x处并网后t时刻流入节点j的有功功率； Qj(t)表示风光水火储多能互补发电系统在电网的节点x处并网后t时刻流入节点j的无功功率； uj(t)表示风光水火储多能互补发电系统在电网的节点x处并网后t时刻节点j的电压；Rij表示支路ij的电阻；
所述节点电压偏差和的目标函数为：
Figure BDA0003698518260000061
式中：ΔU表示风光水火储多能互补发电系统在电网的节点x处并网后的系统节点电压偏差和；ui(t,x)表示风光水火储多能互补发电系统在电网的节点x处并网后t时刻节点i的实际电压；uN表示标称电压。
优选的，步骤5中所述的风光水火储多能互补发电系统的容量优化配置模型，以风光水火储多能互补发电系统的收益率最大为目标，进行单目标粒子群优化，优化变量为风电系统装机容量、光伏系统装机容量、水电机组数量、火电机组数量、储能系统额定容量以及储能系统最大充放电功率；所述并网位置优化模型以网络损耗、节点电压偏差最小为目标，进行多目标粒子群优化，优化变量为并网位置。
优选的，所述多目标粒子群优化问题，求解得到Pareto解集，基于模糊数学的理论，对各自目标通过模糊隶属度函数构建综合满意度评价模型，基于Pareto解集中选出符合预定条件的方案。
优选的，所述Pareto解集中的每个Pareto最优解对应的目标函数值模糊关系为：
Figure BDA0003698518260000062
式中：：fi max和fi min分别对应目标函数的上、下限；fi k为第k个Pareto最优解的第i个目标函数值；μi k为第k个Pareto最优解的第i个目标的隶属度，代表了目标函数值与期望值之间的接近程度，μi k的值越大表示满意度越高；
标准化的综合目标满意度为：
Figure BDA0003698518260000063
式中：m为目标函数的个数；N为Pareto最优解的个数；μk是第k个Pareto最优解的标准化综合满意度，其值最大的作为最优折中解。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1.本发明的多能互补系统包含了风电、光伏、水电、火电以及储能五种能源形式，充分考虑风光水资源的天然互补特性和火电、储能的调峰能力，通过构建双层优化模型，对多能互补发电系统进行选址定容，实现并网点最佳位置的选取。
2.本发明在经济方面，考虑了中长期电量和现货电量对系统收益的影响，以实现市场环境下多能互补发电系统规划模型最大化收益的目标，并且考虑了由于多能互补发电系统与电网功率交换限制而引起的弃电操作和减载操作，同时将其产生的成本纳入经济性的考虑范围，使多能互补发电系统的容量配置方案在满足负荷需求的条件下，减少电量盈余和缺额产生的成本，实现经济性的最大化。
3.对双层优化模型的内层多目标优化问题，采用基于支配的粒子群算法进行求解，获取模型的Pareto最优集，并建立模糊函数满意度评价机制，对Pareto最优结果进行评价，从中选取最优折中方案。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1为本发明的流程示意图。
图2为本发明的发电系统、本地负荷、电网之间的关系。
图3为本发明的多能互补发电系统工作模式。
图4为本发明的多能互补发电系统双层优化模型。
图5为本发明的双层优化模型求解流程图。
图6为本发明的IEEE39节点系统模型。
图7为本发明的双层优化模型求解迭代过程图。
图8为本发明的风光水出力曲线图。
图9为本发明的系统消纳功率曲线和负荷功率曲线。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
下面结合附图对本发明的实施例作详细描述；
参见图1，一种风光水火储多能互补发电系统选址定容的优化方法，包括以下步骤：
步骤1：构建采用功率平衡工作模式的风光水火储多能互补发电系统，建立多能互补发电系统出力模型；所述多能互补发电系统出力模型包括：风电出力模型、光伏出力模型、水电出力模型、火电出力模型和储能充放电模型；
所述风电出力模型为：
Figure BDA0003698518260000081
Figure BDA0003698518260000082
式中：v(t)表示t时刻风机轮毂的风速；vwind(t)表示t时刻测风点的风速；h表示轮毂高度； hw表示测风点高度；Pwind(t)表示t时刻风电机组输出功率；Pwn表示风电机组额度功率；Vin表示切入风速；Vr表示额定风速；Vout表示切出风速；
所述光伏出力模型为：
Figure BDA0003698518260000083
Figure BDA0003698518260000084
式中：Ppv(t)为t时刻光伏电池组的出力功率；Lsolar(t)为t时刻光伏电池所处区域的太阳辐射强度，单位为kW/m2；m为光伏电池的降容系数；Ppvn为光伏电池处于标准测试条件下的标称功率；α为功率温度系数，取值-0.0045/℃；TC(t)为t时刻光伏电池组工作的实际温度； Tstc为光伏电池组工作标准温度：25℃；Ttemp(t)为t时刻光伏电池所处环境温度；Noct为光伏电池组标称温度：46.5℃；
所述水电出力模型为：
PH(t)＝aH×q(t)2+bH×q(t)+cH；
式中：PH(t)为t时刻水电机组输出功率；aH、bH、cH分别为水电机组的水能-电能转换系数；q(t)为t时刻水电站的发电流量；
所述火电出力模型为：
PT(t)∈[0,PTn]；
式中：PT(t)表示t时刻火电机组输出功率；PTn表示火电机组额定功率；
所述储能充放电模型为：
充电：
Figure BDA0003698518260000091
放电：
Figure BDA0003698518260000092
式中：SOC(t+1)、SOC(t)分别表示t+1和t时刻的荷电状态；PES(t)表示t时刻充放电功率；ηc、ηdisc分别表示充、放电效率；Sn表示储能的额定容量。
发电系统、本地负荷以及外部电网三者之间的关系如图2所示，其中，发电系统通过中长期交易与本地负荷签订一定比例用电需求，该部分电量通过中长期价格结算，剩余用电需求由现货市场交易满足，按现货价格结算。在满足本地负荷用电需求的前提下，发电系统可在日前现货市场中售电，提高利润；若系统发电量不能满足本地负荷用电需求，由发电系统从日前现货市场中购电供给。
参见图3所示，所述功率平衡工作模式为：风光水火储多能互补发电系统的可再生能源风电、光伏以及水电分别根据自然条件进行发电，当可再生能源发电功率大于或等于负荷需求时，多余功率首先由储能系统充电进行消纳，其次再出售给电网，最后若还存在多余电量的，则进行弃电操作；当可再生能源发电功率小于负荷需求时，首先由储能系统放电进行补充，然后再由火电补充，若还有电量缺额，则进行减载操作，具体如下所述：
风电、光伏、水电根据自然条件数据计算输出功率，可再生能源总出力Pr计为风电、光伏、水电出力之和，表示如下：
Pr(t)＝Pwind(t)+Ppv(t)+PH(t)；
(1)Pr(t)≥PL(t)，ΔP1(t)＝Pr(t)-PL(t)
①储能系统充电，以消纳多余功率，充电功率PES(t)＝ΔP1(t)；
②储能系统在SOC和充电功率的约束下，不能全部消纳ΔP1(t)，则再向电网进行售电，售电量PGrid_sell(t)＝ΔP2(t)＝Pr(t)-PL(t)-PES(t)；
③在系统与电网之间功率交换的约束下，电网不能全部消纳ΔP2(t)，则进行弃电操作，弃电量AB(t)＝ΔP3(t)×Δt＝(Pr(t)-PL(t)-PES(t)-PGrid_max(t))×Δt；
(2)Pr(t)＜PL(t)，ΔP1(t)＝PL(t)-Pr(t)
①储能系统放电，以补充功率缺额，放电功率PES(t)＝ΔP1(t)；
②储能系统在SOC和充电功率的约束下，不能补充全部功率缺额ΔP1(t)，则再由火力系统发电补充，火电补充功率PT(t)＝ΔP2(t)＝PL(t)-Pr(t)-PES(t)；
③火电系统在出力和爬坡的约束下，不能补充全部功率缺额ΔP2(t)，然后再向电网进行购电，购电量PGrid_buy(t)＝ΔP3(t)＝PL(t)-Pr(t)-PES(t)-PT(t)；
④在系统与电网之间功率交换的约束下，购电量不能全部满足功率缺额ΔP3(t)，则进行减载，减载量D(t)＝(PL(t)-Pr(t)-PES(t)-PT(t)-PGrid_buy(t))×Δt；
式中：PL(t)表示t时刻负荷功率，Pwind(t)、Ppv(t)、PH(t)分别为t时刻风光水输出功率。
步骤2：以风光水火储多能互补发电系统的收益率为优化目标，建立风光水火储多能互补发电系统的容量优化配置模型：
Figure BDA0003698518260000101
Figure BDA0003698518260000102
Figure BDA0003698518260000103
式中：rate表示多能互补发电系统收益率；R表示系统收益；C表示系统成本；Cw、Cpv、 CH、CT、CB分别表示风电、光伏、水电、火电、储能系统的单位容量成本；Pwn、Ppvn、PHn、 PTn、Sn分别表示风电、光伏、水电、火电、储能系统的额定容量；PL(t)表示t时刻的负荷功率；ω表示中长期电量比例；πM表示中长期电量价格；πt表示现货电量价格；PGrid_sell(t)表示 t时刻的售电量；PGrid_buy(t)表示t时刻的购电量；F(t)表示t时刻系统运行成本；D(t)表示t时刻系统减载负荷量；AB(t)表示t时刻系统弃电量；ccomp表示补偿费用单价；cab表示弃电费用单价；Ploss表示网络损耗；closs表示网络损耗成本。
步骤3：获取风光水火储多能互补发电系统的约束条件；所述约束条件包括：水电机组出力约束、火电机组出力约束、火电机组爬坡约束、储能系统SOC约束、储能系统充放电功率约束、风光水火储多能互补发电系统与电网的功率交换约束、多能互补发电系统能量缺失约束以及溢电率约束；
水电机组出力约束为：
0≤PHi(t)≤PHin；
式中：PHi(t)表示t时刻水电机组i的输出功率；PHin表示水电机组i的额定功率；
所述火电机组出力约束为：
0≤PTi(t)≤PTin；
式中：PTi(t)表示t时刻火电机组i的输出功率；PTin表示火电机组i的额定功率；
所述火电机组爬坡约束为：
Figure BDA0003698518260000111
式中：PTi(t)、PTi(t-1)分别表示火电机组i在t时刻和t-1时刻的输出功率；UTi和DTi分别表示火电机组i的爬坡速率和降坡速率；
所述储能系统SOC约束为：
SOCmin≤SOC(t)≤SOCmax；
式中：SOCmin、SOCmax分别表示储能系统荷电状态的最小值和最大值；
所述储能充放电功率约束为：
充电：
Figure BDA0003698518260000112
放电：
Figure BDA0003698518260000113
式中：PES_max表示最大充放电功率；SOC(t)表示t时刻的荷电状态；Sn表示储能系统的额定容量；PES(t)表示t时刻的充放电功率；ηdisc表示放电效率；SOCmin和SOCmax分别表示储能系统荷电状态的最小值和最大值；ηc表示充电效率；
所述风光水火储多能互补发电系统与电网的功率交换约束为：
0≤PGrid(t)≤PGrid_max；
式中：PGrid_max表示风光水火储多能互补发电系统与电网之间功率交换的最大值；PGrid(t)表示t时刻风光水火储多能互补发电系统与电网之间功率交换；
所述系统能量缺失率约束为：
Figure BDA0003698518260000114
式中：PL(t)表示t时刻的负荷功率；Pwind(t)表示t时刻风电机组输出功率；Ppv(t)表示t 时刻光伏电池组的出力功率；PH(t)表示t时刻水电机组输出功率；PES(t)表示t时刻的充放电功率；PT(t)表示t时刻火电机组输出功率；LPSP表示系统能量缺失率；LPSPmax表示系统能量最大缺失率；
所述系统溢电率约束为：
Figure BDA0003698518260000121
式中：Pwind(t)表示t时刻风电机组输出功率；Ppv(t)表示t时刻光伏电池组的出力功率； PH(t)表示t时刻水电机组输出功率；PL(t)表示t时刻的负荷功率；PES(t)表示t时刻的充放电功率；PH(t)表示t时刻水电机组输出功率；AR表示系统溢电率；AR_max表示系统最大溢电率。
步骤4：以多能互补发电系统并网后电网中的网络损耗以及节点电压偏差和为优化目标，建立并网位置优化模型；
所述的网络损耗的目标函数为：
Figure BDA0003698518260000122
Figure BDA0003698518260000123
式中：Ploss(x)表示风光水火储多能互补发电系统在电网的节点x处并网后的网络损耗； Pij(t)表示风光水火储多能互补发电系统在电网的节点x处并网后t时刻支路ij的损耗；Pj(t)表示风光水火储多能互补发电系统在电网的节点x处并网后t时刻流入节点j的有功功率； Qj(t)表示风光水火储多能互补发电系统在电网的节点x处并网后t时刻流入节点j的无功功率； uj(t)表示风光水火储多能互补发电系统在电网的节点x处并网后t时刻节点j的电压；Rij表示支路ij的电阻；
所述节点电压偏差和的目标函数为：
Figure BDA0003698518260000124
式中：ΔU表示风光水火储多能互补发电系统在电网的节点x处并网后的系统节点电压偏差和；ui(t,x)表示风光水火储多能互补发电系统在电网的节点x处并网后t时刻节点i的实际电压；uN表示标称电压。
步骤5：参见图4所示，建立双层优化模型，外层是所述的风光水火储多能互补发电系统的容量优化配置模型，以多能互补发电系统收益率最大为目标，进行粒子群单目标优化，优化变量为风电系统装机容量、光伏系统装机容量、水电机组数量、火电机组数量、储能系统额定容量、储能系统最大充放电功率。内层是所述的并网位置优化模型，以网络损耗、节点电压偏差最小为目标，进行粒子群多目标优化，优化变量为并网位置。外层优化模型的多能互补发电系统容量配置方案将直接对内层模型的最优目标值产生影响，而内层优化后的网络损耗成本反馈到外层，辅助外层优化，以此实现内外层信息传递来对多能互补发电系统进行合理规划。
粒子群算法对内层多目标优化问题进行求解后，得到了Pareto最优解集，如何对解集进行评价，并从中选择最优折中方案，是必须要考虑的问题。基于模糊数学的理论，对各自目标通过模糊隶属度函数构建综合满意度评价模型，在Pareto解集中选出最佳方案。对于多目标优化问题，每一个Pareto最优解对应的目标函数值模糊关系可量化为：
Figure BDA0003698518260000131
式中：fi max和fi min分别对应目标函数的上、下限；fi k为第k个Pareto最优解的第i个目标函数值；μi k为第k个Pareto最优解第i个目标的隶属度，代表了目标函数值与期望值之间的接近程度，其值越大满意度越高。
标准化的综合目标满意度为：
Figure BDA0003698518260000132
式中：m为目标函数的个数；N为Pareto最优解个数；μk是第k个Pareto最优解的标准化综合满意度，其值最大的作为最优折中解。
外层以多能互补发电系统收益率最大为目标，以风电系统装机容量、光伏系统装机容量、水电机组数量、火电机组数量、储能系统额定容量、储能系统最大充放电功率为优化变量，并将容量配置方案输入给下层，外层为单目标优化问题，采用粒子群算法对外层进行容量优化配置。内层模型以电网的网络损耗最小、节点电压偏差最小为目标，采用多目标粒子群算法，对多能互补发电系统的并网位置进行寻优，并将内层的最小网损成本，并将其返回给外层，计算外层适应度值，最终得到多能互补发电系统的最优选址定容方案，求解流程如图5所示。
基于上述考虑风光水火储多能互补的选址定容双层优化规划方法，以西南某地区全年4 个典型场景的自然条件数据为例，并基于IEEE39节点系统仿真模型，做详细说明。以下实例仅用于更加清楚地说明本发明的技术方案，而非限制本发明的范围。
由于实际地理环境及自然条件约束、政策法律限制，多能互补发电系统不可能接入至配电网任意位置，本次实例仿真考虑在节点1-30之中优化多能互补发电系统并网位置，如图6所示。
按照上述介绍的双层优化模型对风光水火储多能互补发电系统进行优化规划，模型求解迭代过程如图7所示，得到最优规划结果及各项目标值如表1和表2所示。
表1风光火储装机容量
类型 装机容量
风电 492MW
光伏 595MW
水电 1100MW
火电 200MW
储能 219MWh/65MW
表2各项目标值
目标 数值
收益率 7.6741％
最优并网点 节点22
总网络损耗 3.8416×10<sup>5</sup>MWh
节点电压偏差和 9667.62
弃电量 1866MWh(占总发电量比例2.15％)
减载量 3407MWh(占总负荷比例3.21％)
基于此规划方案，得到典型场景下多能互补发电系统可再生能源出力情况如图8所示，可知，光伏系统由于受光照强度的影响，只在每日的白天时间段才有出力，在夜晚的输出功率为0；风电在夜晚时段出力较大，白天出力较小，与光伏系统形成互补；水电输出功率的峰值段在风电出力曲线的谷值段。由此可知，风光水三种可再生能源在时间上具有天然的互补特性。
得到系统消纳的功率曲线和负荷功率曲线如图9所示，可知，在典型场景下，系统所消纳的功率曲线与负荷功率曲线具有较好的一致性，且由表2可知，弃电量仅占总发电量的2.15％，减载量占总发电量的3.21％，即在该容量配置方案，风光水火储多能互补发电系统对负荷功率的消纳能力较好。
以上所述实施例仅表达了本申请的具体实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请保护范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请技术方案构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。

Claims (9)

1.一种风光水火储多能互补发电系统选址定容的优化方法，其特征在于，包括以下步骤：
步骤1：构建采用功率平衡工作模式的风光水火储多能互补发电系统，建立多能互补发电系统出力模型；所述多能互补发电系统出力模型包括：风电出力模型、光伏出力模型、水电出力模型、火电出力模型和储能充放电模型；
步骤2：以风光水火储多能互补发电系统的收益率为优化目标，建立风光水火储多能互补发电系统的容量优化配置模型；
步骤3：获取风光水火储多能互补发电系统的约束条件；所述约束条件包括：水电机组出力约束、火电机组出力约束、火电机组爬坡约束、储能系统SOC约束、储能系统充放电功率约束、风光水火储多能互补发电系统与电网的功率交换约束、风光水火储多能互补发电系统能量缺失约束以及溢电率约束；
步骤4：以多能互补发电系统并网后电网中的网络损耗以及节点电压偏差和为优化目标，建立并网位置优化模型；
步骤5：建立双层优化模型，外层是风光水火储多能互补发电系统的容量优化配置模型，内层是所述并网位置优化模型，通过双层优化循环迭代，获取所述双层优化模型的解，即得到多能互补发电系统选址定容的规划方案。
2.根据权利要求1所述的一种风光水火储多能互补发电系统选址定容的优化方法，其特征在于，所述风电出力模型为：
Figure FDA0003698518250000011
Figure FDA0003698518250000012
式中：v(t)表示t时刻风机轮毂的风速；vwind(t)表示t时刻测风点的风速；h表示轮毂高度；hw表示测风点高度；Pwind(t)表示t时刻风电机组输出功率；Pwn表示风电机组额度功率；Vin表示切入风速；Vr表示额定风速；Vout表示切出风速；
所述光伏出力模型为：
Figure FDA0003698518250000013
Figure FDA0003698518250000014
式中：Ppv(t)为t时刻光伏电池组的出力功率；Lsolar(t)为t时刻光伏电池所处区域的太阳辐射强度，单位为kW/m2；m为光伏电池的降容系数；Ppvn为光伏电池处于标准测试条件下的标称功率；α为功率温度系数，取值-0.0045/℃；TC(t)为t时刻光伏电池组工作的实际温度；Tstc为光伏电池组工作标准温度：25℃；Ttemp(t)为t时刻光伏电池所处环境温度；Noct为光伏电池组标称温度：46.5℃；
所述水电出力模型为：
PH(t)＝aH×q(t)2+bH×q(t)+cH；
式中：PH(t)为t时刻水电机组输出功率；aH、bH、cH分别为水电机组的水能-电能转换系数；q(t)为t时刻水电站的发电流量；
所述火电出力模型为：
PT(t)∈[0,PTn]；
式中：PT(t)表示t时刻火电机组输出功率；PTn表示火电机组额定功率；
所述储能充放电模型为：
充电：
Figure FDA0003698518250000021
放电：
Figure FDA0003698518250000022
式中：SOC(t+1)、SOC(t)分别表示t+1和t时刻的荷电状态；PES(t)表示t时刻充放电功率；ηc、ηdisc分别表示充、放电效率；Sn表示储能的额定容量。
3.根据权利要求1所述的一种风光水火储多能互补发电系统选址定容的优化方法，其特征在于，步骤1中所述功率平衡工作模式为：风光水火储多能互补发电系统的可再生能源风电、光伏以及水电分别根据自然条件进行发电，当可再生能源发电功率大于或等于负荷需求时，多余功率首先由储能系统充电进行消纳，其次再出售给电网，最后若还存在多余电量的，则进行弃电操作；当可再生能源发电功率小于负荷需求时，首先由储能系统放电进行补充，然后再由火电补充，若还有电量缺额，则进行减载操作。
4.根据权利要求1所述的一种风光水火储多能互补发电系统选址定容的优化方法，其特征在于，步骤2中所述的风光水火储多能互补发电系统的收益率的目标函数为：
Figure FDA0003698518250000023
Figure FDA0003698518250000031
Figure FDA0003698518250000032
式中：rate表示多能互补发电系统收益率；R表示系统收益；C表示系统成本；Cw、Cpv、CH、CT、CB分别表示风电、光伏、水电、火电、储能系统的单位容量成本；Pwn、Ppvn、PHn、PTn、Sn分别表示风电、光伏、水电、火电、储能系统的额定容量；PL(t)表示t时刻的负荷功率；ω表示中长期电量比例；πM表示中长期电量价格；πt表示现货电量价格；PGrid_sell(t)表示t时刻的售电量；PGrid_buy(t)表示t时刻的购电量；F(t)表示t时刻系统运行成本；D(t)表示t时刻系统减载负荷量；AB(t)表示t时刻系统弃电量；ccomp表示补偿费用单价；cab表示弃电费用单价；Ploss表示网络损耗；closs表示网络损耗成本。
5.根据权利要求1所述的一种风光水火储多能互补发电系统选址定容的优化方法，其特征在于，步骤3中所述的水电机组出力约束为：
0≤PHi(t)≤PHin；
式中：PHi(t)表示t时刻水电机组i的输出功率；PHin表示水电机组i的额定功率；
所述火电机组出力约束为：
0≤PTi(t)≤PTin；
式中：PTi(t)表示t时刻火电机组i的输出功率；PTin表示火电机组i的额定功率；
所述火电机组爬坡约束为：
Figure FDA0003698518250000033
式中：PTi(t)、PTi(t-1)分别表示火电机组i在t时刻和t-1时刻的输出功率；UTi和DTi分别表示火电机组i的爬坡速率和降坡速率；
所述储能系统SOC约束为：
SOCmin≤SOC(t)≤SOCmax；
式中：SOCmin、SOCmax分别表示储能系统荷电状态的最小值和最大值；
所述储能充放电功率约束为：
充电：
Figure FDA0003698518250000034
放电：
Figure FDA0003698518250000041
式中：PES_max表示最大充放电功率；SOC(t)表示t时刻的荷电状态；Sn表示储能系统的额定容量；PES(t)表示t时刻的充放电功率；ηdisc表示放电效率；SOCmin和SOCmax分别表示储能系统荷电状态的最小值和最大值；ηc表示充电效率；
所述风光水火储多能互补发电系统与电网的功率交换约束为：
0≤PGrid(t)≤PGrid_max；
式中：PGrid_max表示风光水火储多能互补发电系统与电网之间功率交换的最大值；PGrid(t)表示t时刻风光水火储多能互补发电系统与电网之间功率交换；
所述风光水火储多能互补发电系统能量缺失约束为：
Figure FDA0003698518250000042
式中：PL(t)表示t时刻的负荷功率；Pwind(t)表示t时刻风电机组输出功率；Ppv(t)表示t时刻光伏电池组的出力功率；PH(t)表示t时刻水电机组输出功率；PES(t)表示t时刻的充放电功率；PT(t)表示t时刻火电机组输出功率；LPSP表示风光水火储多能互补发电系统能量缺失率；LPSPmax表示风光水火储多能互补发电系统能量最大缺失率；
所述风光水火储多能互补发电系统溢电率约束为：
Figure FDA0003698518250000043
式中：Pwind(t)表示t时刻风电机组输出功率；Ppv(t)表示t时刻光伏电池组的出力功率；PH(t)表示t时刻水电机组输出功率；PL(t)表示t时刻的负荷功率；PES(t)表示t时刻的充放电功率；PH(t)表示t时刻水电机组输出功率；AR表示风光水火储多能互补发电系统溢电率；AR_max表示风光水火储多能互补发电系统最大溢电率。
6.根据权利要求1所述的一种风光水火储多能互补发电系统选址定容的优化方法，其特征在于，步骤4中所述网络损耗的目标函数为：
Figure FDA0003698518250000044
Figure FDA0003698518250000045
式中：Ploss(x)表示风光水火储多能互补发电系统在电网的节点x处并网后的网络损耗；Pij(t)表示风光水火储多能互补发电系统在电网的节点x处并网后t时刻支路ij的损耗；Pj(t)表示风光水火储多能互补发电系统在电网的节点x处并网后t时刻流入节点j的有功功率；Qj(t)表示风光水火储多能互补发电系统在电网的节点x处并网后t时刻流入节点j的无功功率；uj(t)表示风光水火储多能互补发电系统在电网的节点x处并网后t时刻节点j的电压；Rij表示支路ij的电阻；
所述节点电压偏差和的目标函数为：
Figure FDA0003698518250000051
式中：ΔU表示风光水火储多能互补发电系统在电网的节点x处并网后的系统节点电压偏差和；ui(t,x)表示风光水火储多能互补发电系统在电网的节点x处并网后t时刻节点i的实际电压；uN表示标称电压。
7.根据权利要求1所述的一种风光水火储多能互补发电系统选址定容的优化方法，其特征在于，步骤5中所述的风光水火储多能互补发电系统的容量优化配置模型，以风光水火储多能互补发电系统的收益率最大为目标，进行单目标粒子群优化，优化变量为风电系统装机容量、光伏系统装机容量、水电机组数量、火电机组数量、储能系统额定容量以及储能系统最大充放电功率；所述并网位置优化模型以网络损耗、节点电压偏差最小为目标，进行多目标粒子群优化，优化变量为并网位置。
8.根据权利要求7所述的一种风光水火储多能互补发电系统选址定容的优化方法，其特征在于，所述多目标粒子群优化问题，求解得到Pareto解集，基于模糊数学的理论，对各自目标通过模糊隶属度函数构建综合满意度评价模型，基于Pareto解集中选出符合预定条件的方案。
9.根据权利要求8所述的一种风光水火储多能互补发电系统选址定容的优化方法，其特征在于，所述Pareto解集中的每个Pareto最优解对应的目标函数值模糊关系为：
Figure FDA0003698518250000052
式中：fi max和fi min分别对应目标函数的上、下限；fi k为第k个Pareto最优解的第i个目标函数值；μi k为第k个Pareto最优解的第i个目标的隶属度，代表了目标函数值与期望值之间的接近程度，μi k的值越大表示满意度越高；
标准化的综合目标满意度为：
Figure FDA0003698518250000061
式中：m为目标函数的个数；N为Pareto最优解的个数；μk是第k个Pareto最优解的标准化综合满意度，其值最大的作为最优折中解。
CN202210687445.6A 2022-06-16 2022-06-16 一种风光水火储多能互补发电系统选址定容的优化方法 Pending CN114977299A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210687445.6A CN114977299A (zh) 2022-06-16 2022-06-16 一种风光水火储多能互补发电系统选址定容的优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210687445.6A CN114977299A (zh) 2022-06-16 2022-06-16 一种风光水火储多能互补发电系统选址定容的优化方法

Publications (1)

Publication Number Publication Date
CN114977299A true CN114977299A (zh) 2022-08-30

Family

ID=82962825

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210687445.6A Pending CN114977299A (zh) 2022-06-16 2022-06-16 一种风光水火储多能互补发电系统选址定容的优化方法

Country Status (1)

Country Link
CN (1) CN114977299A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116667395A (zh) * 2023-05-31 2023-08-29 河海大学 基于梯级水电改造的水风光蓄互补泵站容量配置方法
CN116914860A (zh) * 2023-09-12 2023-10-20 中国电建集团西北勘测设计研究院有限公司 多能互补发电系统电源容量配置优化方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116667395A (zh) * 2023-05-31 2023-08-29 河海大学 基于梯级水电改造的水风光蓄互补泵站容量配置方法
CN116667395B (zh) * 2023-05-31 2023-11-21 河海大学 基于梯级水电改造的水风光蓄互补泵站容量配置方法
CN116914860A (zh) * 2023-09-12 2023-10-20 中国电建集团西北勘测设计研究院有限公司 多能互补发电系统电源容量配置优化方法及系统
CN116914860B (zh) * 2023-09-12 2024-01-05 中国电建集团西北勘测设计研究院有限公司 多能互补发电系统电源容量配置优化方法及系统

Similar Documents

Publication Publication Date Title
Xu et al. Data-driven configuration optimization of an off-grid wind/PV/hydrogen system based on modified NSGA-II and CRITIC-TOPSIS
CN110866627B (zh) 一种考虑阶梯气价的多区域电-气耦合综合能源系统优化调度方法
Jalili et al. Stochastic optimal operation of a microgrid based on energy hub including a solar-powered compressed air energy storage system and an ice storage conditioner
CN111445067B (zh) 一种适用于高铁站综合能源系统的多目标规划方法
CN114977299A (zh) 一种风光水火储多能互补发电系统选址定容的优化方法
CN106779471B (zh) 一种多能互联交直流混合微电网系统及优化配置方法
Liu et al. Co-optimization of a novel distributed energy system integrated with hybrid energy storage in different nearly zero energy community scenarios
CN114243694B (zh) 考虑阶梯碳交易和需求响应的并网型微电网优化配置方法
CN111737884B (zh) 一种含多种清洁能源微能源网多目标随机规划方法
CN110365013A (zh) 一种光热-光伏-风电联合发电系统的容量优化方法
CN112270433B (zh) 考虑可再生能源不确定性和用户满意度的微电网优化方法
Fan et al. Two-layer collaborative optimization for a renewable energy system combining electricity storage, hydrogen storage, and heat storage
CN114243795A (zh) 一种典型充电站综合能源协同交互优化配置方法及系统
Song et al. A fuzzy‐based multi‐objective robust optimization model for a regional hybrid energy system considering uncertainty
CN115936244A (zh) 考虑可再生能源发电不确定性的虚拟电厂优化调度方法
Gao et al. Optimization of combined cooling, heating, and power systems for rural scenario based on a two-layer optimization model
Wang et al. Optimal modeling and analysis of microgrid lithium iron phosphate battery energy storage system under different power supply states
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
CN113822480A (zh) 一种农村综合能源系统多层协同优化方法及系统
CN111882452A (zh) 综合能源系统参与需求侧响应的边际成本计算方法
Zhou et al. Integrated location and capacity coordination planning scheme for multi-power complementary generation system
Hossain et al. Optimizing PV and Battery Energy Storage Systems for Peak Demand Reduction and Cost Savings in Malaysian Commercial Buildings
Han et al. Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation
CN112952914A (zh) 一种多能互补电力系统多目标运行优化方法
Wu et al. Study on optimal dispatching strategy of regional energy microgrid

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