CN115018123A - 基于最优风险区间的多能耦合微能源网鲁棒优化调度方法 - Google Patents

基于最优风险区间的多能耦合微能源网鲁棒优化调度方法 Download PDF

Info

Publication number
CN115018123A
CN115018123A CN202210481495.9A CN202210481495A CN115018123A CN 115018123 A CN115018123 A CN 115018123A CN 202210481495 A CN202210481495 A CN 202210481495A CN 115018123 A CN115018123 A CN 115018123A
Authority
CN
China
Prior art keywords
representing
energy
unit
wind
objective function
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
CN202210481495.9A
Other languages
English (en)
Inventor
潘军
杨波
徐钦
欧绍辉
郑海光
杨怡萍
何彬彬
黄旭锐
于丰源
张行
卢彦杉
江军
詹之林
陈蔼峻
钟美玲
郭创新
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.)
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
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 Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202210481495.9A priority Critical patent/CN115018123A/zh
Publication of CN115018123A publication Critical patent/CN115018123A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
    • H02J3/38—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
    • 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

Landscapes

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

Abstract

本发明公开了一种基于最优风险区间的多能耦合微能源网鲁棒优化调度方法，该方法首先对多能耦合网络能流关系、设备特性进行建模，包括电转气设备(P2G)、电制冷机、燃油与燃气机组、风力发电设备等；其次提出了价值风险评估策略，可以通过与调度策略联合优化获得最优弃风与切负荷置信区间，解决了现有鲁棒优化问题中无法进行精确参数估计不确定集边界的问题。最后以弃风、切负荷风险区间与经济三者最优为目标函数，建立两阶段鲁棒优化调度模型。通过CPLEX求解器求解该模型能获得系统中多能设备的最优能流关系、最优设备出力与最优风险区间，能在不确定新能源广泛渗透的电力系统中进行良好应用。

Description

基于最优风险区间的多能耦合微能源网鲁棒优化调度方法
技术领域
本发明属于电力系统优化运行领域，尤其涉及一种基于最优风险区间的多能耦合微能源网鲁棒优化调度方法。
背景技术
综合能效的提升在能源、电力行业的建设中为首要关注点。脱碳需要对能源系统进行重大改造，包括能源效率措施、在最终消费点(即电力、氢气或生物能源)转向低碳或零碳能源载体，以及清洁能源供应。这就为电力供应提供了多种选择，包括核能、碳捕获和储存(CCS)以及可再生能源(或以上两者的组合)。风能和太阳能是全球丰富的可变可再生能源(VRE)，近年来其成本大幅下降，以至于在许多地区，它们是最便宜的发电选择。VRE的广泛使用和大部分经济(如运输和供热)的电气化被认为是技术和经济上可行的脱碳途径。随着VRE资源的不断渗透和广泛的电气化，未来能源系统的规划和运营需要更多的集成/混合/耦合能源系统，其特点是多能流系统。多能流系统被定义为在多个能源载体和/或部门的运营和规划中具有强大协调的能源系统，以提供可靠、经济高效的能源服务，同时对环境的影响最小。
多能流系统在设计上非常灵活，可以提高系统性能和效率。这通常是通过实施能源枢纽实现的，在能源枢纽中，输入端口的多个能源载体(如电力和天然气)可以转换、调节和转换，以在输出端口提供某些所需的能源服务，如电力、加热、冷却和/或其他形式的能源，如压缩空气、氢气和燃料。例如，供暖服务可以由可再生电力提供，或者，如果可再生电力短缺，以前储存的热量可以提供供暖服务。此外，MCESs还可以有效储存能量。例如，如果电网中存在多余的VRE，MCESs可以通过将电力转换为另一种形式的能源，例如电转化为燃料，提供储存这些能源供以后使用的机会。MCESs也可以克服能源网络的限制。例如，如果电网受到限制，可以使用燃气管网。MCES的这种灵活性是其潜在社会效益的核心，即对环境影响最小的经济高效的能源服务。
目前，对于多能流系统优化调度领域，大多关注经济性，也即将弃风和切负荷作为优化目标直接嵌入优化模型中。这种简单的处理能够实现系统能效利用的提升，同时提高系统的经济性。然而，实际的电力系统三要素中更为关注的是安全性，也即弃风与切负荷某种程度上对风力发电机与网络韧性都会带来巨大的安全性挑战。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于最优风险区间的多能耦合微能源网鲁棒优化调度方法。
本发明的目的是通过以下技术方案来实现：一种基于最优风险区间的多能耦合微能源网鲁棒优化调度方法，包括以下步骤：
1)对多能耦合网络能流关系、设备特性进行建模，包括P2G设备、电制冷机、燃油与燃气机组、风力发电设备等。考虑电-气-冷三网之间的多能流耦合关系，充分利用电制冷、电转气设备进行三网交互，以结合应对风力发电机组的不确定供电特性，从而建立能反映多能协同的数学模型。
2)本发明提出了一种价值风险评估策略，该策略通过与调度策略联合优化获得最优弃风与切负荷置信区间，解决了现有鲁棒优化问题中无法进行精确参数估计不确定集边界的问题，及实现能自适应求取运行风险处在最优置信区间的调度计划。
3)以弃风、切负荷风险区间与经济三者最优为目标函数，建立两阶段鲁棒优化调度模型，其中各项运行成本构成第一阶段目标函数，弃风、切负荷风险区间最小为第二阶段目标函数。通过CPLEX求解器求解该模型能获得系统中多能设备的最优能流关系、最优设备出力与最优风险区间，在不确定新能源广泛渗透的电力系统中进行良好应用。
进一步地，所述步骤1)中的具体内容为：
1.1)燃油与燃气机组发电
式(1)对机组燃油与燃气机组的发电上下界进行表征，(2)-(3)使刻画了动态爬坡约束下发电机组的调整范围，(4)-(6)是机组开启与停止以及运行的标志及约束，即机组不能在极短时间内进行开机与关机操作。式(7)评估了机组的爬坡容量是否在优化获得的备用区间之内。
Figure BDA0003627660180000021
Figure BDA0003627660180000022
Figure BDA0003627660180000023
Figure BDA0003627660180000024
Figure BDA0003627660180000025
Figure BDA0003627660180000026
Figure BDA0003627660180000027
式中：γ为燃油和燃气机组的集合，Ton,i、Toff,i是机组开机与关机相关的出厂关键参数，Hon,i、Hoff,i为机组调整状态的最大容错率设置。
1.2)多能网络电力能流平衡
式(8)-(11)描述了直流潮流关系，即节点电压、相角与联络线功率之间的关系，式(12)保证风力发电机的发电限额不超过当前时刻的可用风电容量，其中Awq为不确定参数，式(13)描述了全网的动态电能平衡，式(14)-(16)为极端情况下电能能流出现一定程度的越限，但与之同时将会对运行成本造成一个很大的惩罚。
Figure BDA0003627660180000031
pfhk,t＝(θh,t-θk,t)/xhk (9)
Figure BDA0003627660180000032
θj,t＝0,j∈REF (11)
Figure BDA0003627660180000033
Figure BDA0003627660180000034
Figure BDA0003627660180000035
Figure BDA0003627660180000036
Figure BDA0003627660180000037
式中：Wh为全部风力发电机的关联索引，
Figure BDA0003627660180000038
表达风力发电机q在t时刻能够消纳的清洁风能的功率，
Figure BDA0003627660180000039
是多能流网络中各个节点楼宇中用户实时需求的供电量，PLEh、PLFh是直流潮流中每个功率联络线之间交互的方向标识，pfhk,t为联络线上的功率承载，并为一个双向变量，当为正的时候表达从节点流出，当表达负的时候表达从节点流入。θh,t、θk,t是相关网架中关键联络点h、k的相角状态，REF标识了多能流网络中电能平衡点的状态与轮廓，
Figure BDA00036276601800000310
是全网络中对电能具有实时需求的负荷池。
1.3)多能流网络中气网与冷网的特性建模
式(17)是燃气机组的四段式耗气方程，即用四个不同的参数表达燃气机组的开启关停以及发电对天然气的需求，式(18)-(21)以与多能流网络中电能流全网特性类似的方式描述了天然气网络的动态平衡，本发明中设计sgn(·)函数以进一步表达天然气的二进制流动方向，进一步地，通过式(22)判断全网天然气关键节点的压强状况，与电能流类似，由于后续的优化目标分为两阶段，第二阶段的求解结果将会对第一阶段的调度计划造成影响，当第二阶段筛选出的场景为极端场景时，第一阶段原有的功率平衡约束可能会越限，因而本发明将天然气网越限工况设计为(23)-(25)约束。
Figure BDA0003627660180000041
Figure BDA0003627660180000042
Figure BDA0003627660180000043
Figure BDA0003627660180000044
Figure BDA0003627660180000045
Figure BDA0003627660180000046
Figure BDA0003627660180000047
Figure BDA0003627660180000048
Figure BDA0003627660180000049
式中：α1,i、α2,i、α3,i、α4,i对应前述提及的四段式燃气发电机工况关键计算参数，GPEm、GPFm与电能网络中的联络线方向类似，可以精确表达天然气网络中的管道分布，gf与pf表达的含义类似，
Figure BDA00036276601800000410
与
Figure BDA00036276601800000411
表达的含义类似，κ诠释了冷管道中两端气压与管道冷气容量的关系，prm,t、prn,t为制冷网络中的关键节点中气压分布状态。
进一步地，所述步骤2)中的具体内容为：
在电力系统优化运行领域中，为反映不确定因素对系统运行造成的可能影响，例如弃风和切负荷——两者均会对电力系统造成极为恶劣的安全问题，条件风险价值(conditional value-at-risk，CVAR)的概念被提出。本发明中，为尽可能地保证所提出地多能流耦合系统的安全、经济运行，CVAR的概念被引入到多能流耦合网络中。其表达式为：
Figure BDA00036276601800000412
Figure BDA00036276601800000413
其中，
Figure BDA00036276601800000414
分别表达的是全多能流网络的弃风风险与全多能流耦合系统中的失负荷风险。
为高效求解该最优风险指标CVAR，积分线性化的思想被应用在本发明中，其具体流程包括式(28)-(33)：
Figure BDA0003627660180000051
Figure BDA0003627660180000052
Figure BDA0003627660180000053
Figure BDA0003627660180000054
Figure BDA0003627660180000055
Figure BDA0003627660180000056
其中，Δs为最优运行风险区间分段线性化的最优分段数，而
Figure BDA0003627660180000057
为分段线性过程中的连续辅助变量。
进一步地，所述步骤3)中的具体内容为：
第一阶段目标函数中，考虑运行成本经济最低，其中包括燃油、燃气、制冷机组的运行能耗与耗费的资源最低，天然气产量最低等。第二阶段目标函数寻找最恶劣风电与负荷需求场景下的最优运行风险区间，整个目标函数结构如(34)：
min PC+GC+IL max min CVAR (34)
Figure BDA0003627660180000058
式中：PC,GC,IL构成了第一阶段成本包含的内容，其中包括燃油、燃气、制冷机组的运行能耗与耗费的资源，而CVAR提供了相应的运行最优风险区间。通过求解该min-max-min三层规划问题可以在获得系统中多能设备的最优能流关系的同时提供最优设备出力与最优风险区间。
本发明的有益效果是：本发明量化了弃风与切负荷对电网的影响，提出了运行风险的概念；本发明能获得系统中多能设备的最优能流关系、最优设备出力与最优风险区间，在确保低维的弃风与切负荷的同时给予了电网一种安全的运行状态指标，能在不确定新能源广泛渗透的电力系统中进行良好应用，对现实的电力系统有很大的应用潜力。
附图说明
图1为基于最优风险区间的多能耦合微能源网鲁棒优化调度方法总体结构图；
图2为最优运行风险区间的模拟状态示意图。
具体实施方式
下面结合附图，对本发明的具体实施方式作进一步具体说明。
如图1所示，本发明一种基于最优风险区间的多能耦合微能源网鲁棒优化调度方法，包括以下步骤：
1)对多能耦合网络能流关系、设备特性进行建模，包括电转气P2G设备、电制冷机、燃油与燃气机组、风力发电设备等。考虑电-气-冷三网之间的多能流耦合关系，充分利用电制冷、电转气设备进行三网交互，以结合应对风力发电机组的不确定供电特性，从而建立能反映多能协同的数学模型。具体包括：
1.1)燃油与燃气机组发电
对机组燃油与燃气机组的发电上下界进行表征：
Figure BDA0003627660180000061
其中，γ为燃油和燃气机组的集合，t表示时刻；Ii,t表示t时刻机组i的开机运行状态，
Figure BDA0003627660180000062
表示t时刻机组i的预调度出力；Pi min表示机组i的调度处理下限，Pi max表示机组i的调度出力上限。
动态爬坡约束下，发电机组的调整范围：
Figure BDA0003627660180000063
Figure BDA0003627660180000064
其中，
Figure BDA0003627660180000065
表示t时刻机组i的向上发爬坡速率，
Figure BDA0003627660180000066
表示t时刻机组i的向下爬坡速率；ui,t表示t时刻机组i处于开机指令中，vi,t表示t时刻机组i处于关机指令中。
机组不能在极短时间内进行开机与关机操作，机组开启与停止以及运行的标志及约束如下：
Figure BDA0003627660180000071
Figure BDA0003627660180000072
Figure BDA0003627660180000073
其中，Hon,i表示机组i调整状态的开机最大容错率设置，Hoff,i表示机组i调整状态的关机最大容错率设置；NT表示机组最快调整时间参数；Ton,i表示机组i开机相关的出厂关键参数，Toff,i表示机组i关机相关的出厂关键参数。
评估机组的爬坡容量是否在优化获得的备用区间之内：
Figure BDA0003627660180000074
式中，Pi,t表示t时刻机组i的实际调度出力。
1.2)多能网络电力能流平衡
直流潮流关系，即节点电压、相角与联络线功率之间的关系：
Figure BDA0003627660180000075
pfhk,t＝(θh,t-θk,t)/xhk (9)
Figure BDA0003627660180000076
θj,t＝0,j∈REF (11)
其中，h表示系统网络中的节点，γh表示与h节点连接的机组集合，Wh表示与h节点连接的风电场集合，
Figure BDA0003627660180000081
表示风力发电机q在t时刻能够消纳的清洁风能的功率，PLEh表示直流潮流中每个功率联络点h之间交互的向外流出标识，PLFh表示直流潮流中每个功率联络点h之间交互的向内流入标识；hk表示联络点h与另一联络点k的连接联络线；t时刻联络线hk上的功率承载pfhk,t为一个双向变量，当为正的时候表达从节点流出，当为负的时候表达从节点流入；
Figure BDA0003627660180000082
表示t时刻多能流网络中h节点楼宇中用户实时需求的供电量；xhk表示hk的阻抗参数，θh,t表示t时刻相关网架中关键联络点h的相角状态，θk,t表示t时刻相关网架中关键联络点k的相角状态；
Figure BDA0003627660180000083
表示联络线hk的最大潮流限制；REF标识了多能流网络中电能平衡点的状态与轮廓。
保证风力发电机的发电限额不超过当前时刻的可用风电容量，
Figure BDA0003627660180000084
其中，Awq为风力发电机q的不确定参数，ζq,t表示t时刻风力发电机q的风电消纳参数。
全网的动态电能平衡：
Figure BDA0003627660180000085
其中，Wh为全部风力发电机的集合，
Figure BDA0003627660180000086
表示全网络中对电能具有实时需求的负荷池。
极端情况下，电能能流出现一定程度的越限，但与之同时将会对运行成本造成一个很大的惩罚：
Figure BDA0003627660180000087
Figure BDA0003627660180000088
Figure BDA0003627660180000089
式中，
Figure BDA00036276601800000810
表示t时刻节点h能量流实际越限；ΔFLe,max表示t时刻能量流越限的最大限制。
1.3)多能流网络中气网与冷网的特性建模
用四个不同的参数，表达燃气机组的开启关停以及发电对天然气的需求，燃气机组的四段式耗气方程如下：
Figure BDA0003627660180000091
其中，VGi,t表示t时刻燃气机组i的产气量，α1,i、α2,i、α3,i、α4,i对应四段式燃气发电机工况关键计算参数，
Figure BDA0003627660180000092
表示t时刻燃气机组i发电功率，NGU表示燃气机组的集合。
本发明中，设计sgn(·)阶跃函数，以进一步表达天然气的二进制流动方向，与多能流网络中电能流全网特性类似，天然气网络的动态平衡如下：
Figure BDA0003627660180000093
Figure BDA0003627660180000094
Figure BDA0003627660180000095
Figure BDA0003627660180000096
其中，m表示天然气管道节点，mn表示节点m和另一节点n相连的天然气管道，IP表示能够连接的天然气管道的集合；sp表示天然气井，GSm表示与m节点相连接的天然气井的集合，SWsp,t表示t时刻天然气井sp的产气量；与电能网络中的联络线方向类似，GPEm表示天然气网络中向节点m流入的管道，GPFm表示天然气网络中从节点m流出的管道；gfmn,t表示t时刻天然气管道mn的燃气流量，NGUm表示与m节点连接的燃气机组的集合；
Figure BDA0003627660180000097
表示t时刻与m节点相连的天然气用户需求；κ诠释了冷管道中两端气压与管道冷气容量的关系，prm,t为t时刻制冷网络中的关键节点m中气压分布状态，prn,t为t时刻制冷网络中的关键节点n中气压分布状态；
Figure BDA0003627660180000098
表示m节点处的最小冷气值，
Figure BDA0003627660180000099
表示m节点处的最大冷气值；
Figure BDA00036276601800000910
表示冷凝管道mn的最小流量限制，
Figure BDA00036276601800000911
表示冷凝管道mn的最大流量限制。
进一步地，与电能流类似，判断全网天然气关键节点的压强状况：
Figure BDA0003627660180000101
其中，
Figure BDA0003627660180000102
表示天然气井sp天然气压强的最小值，
Figure BDA0003627660180000103
表示天然气井sp天然气压强的最大值。
由于后续的优化目标分为两阶段，第二阶段的求解结果将会对第一阶段的调度计划造成影响，当第二阶段筛选出的场景为极端场景时，第一阶段原有的功率平衡约束可能会越限，因而本发明将天然气网越限工况设计为如下约束：
Figure BDA0003627660180000104
Figure BDA0003627660180000105
Figure BDA0003627660180000106
式中，
Figure BDA0003627660180000107
表示t时刻天然气管道节点m的天然气潮流的实际越限量，
Figure BDA0003627660180000108
表示t时刻燃气机组i的实际供电量，ΔFLg,max表示天然气潮流越限量的最大限制。
2)本发明提出了一种价值风险评估策略，该策略通过与调度策略联合优化，获得最优弃风与切负荷置信区间，解决了现有鲁棒优化问题中，无法进行精确参数估计不确定集边界的问题，及实现能自适应求取运行风险处在最优置信区间的调度计划。具体包括：
在电力系统优化运行领域中，为反映不确定因素对系统运行造成的可能影响，例如弃风和切负荷——两者均会对电力系统造成极为恶劣的安全问题，条件风险价值(conditional value-at-risk，CVAR)的概念被提出。本发明中，为尽可能地保证所提出地多能流耦合系统的安全、经济运行，CVAR的概念被引入到多能流耦合网络中。如图2所示，最优风险区间分为两个阴影区域，左端阴影区域为切负风险，右端阴影区域为弃风风险；其表达式为：
Figure BDA0003627660180000109
Figure BDA00036276601800001010
其中，w表示需要考虑风险价值的风电场或用户楼宇；
Figure BDA0003627660180000111
是t时刻全多能流网络的风电场或用户楼宇w的弃风风险，
Figure BDA0003627660180000112
是t时刻全多能流耦合系统中风电场或用户楼宇w的失负荷风险；
Figure BDA0003627660180000113
表示t时刻需要考虑风险价值的风电场w弃风值，
Figure BDA0003627660180000114
表示t时刻需要考虑风险价值的负荷楼宇w切负荷；ζ表示日前风电预测值，
Figure BDA0003627660180000115
表示风电场或用户楼宇w日前可用风电预测最大值，Awq,t表示t时刻风力发电机q实际调度中的可消纳风电，Pr(·)表示风电预测获得的概率密度函数。
为高效求解该最优风险指标CVAR，本发明应用积分线性化的思想，具体流程如下：
Figure BDA0003627660180000116
Figure BDA0003627660180000117
Figure BDA0003627660180000118
Figure BDA0003627660180000119
Figure BDA00036276601800001110
Figure BDA00036276601800001111
其中，s表示分段线性法中的分段线性段；
Figure BDA00036276601800001112
表示t时刻分段线性过程s中需要考虑风险价值的风电场w的弃风中间变量，算法所用，无实际物理意义；
Figure BDA00036276601800001113
表示t时刻分段线性过程s中需要考虑风险价值的用户楼宇w的切负荷中间变量，算法所用，无实际物理意义；Δs为最优运行风险区间分段线性化的最优分段数，而
Figure BDA00036276601800001114
表示t时刻分段线性过程s中风电场或用户楼宇w内向切割的连续辅助变量，
Figure BDA00036276601800001115
表示t时刻分段线性过程s中风电场或用户楼宇w外向切割的连续辅助变量。
3)以弃风、切负荷风险区间与经济三者最优为目标函数，建立两阶段鲁棒优化调度模型，其中各项运行成本构成第一阶段目标函数，弃风、切负荷风险区间最小为第二阶段目标函数。通过CPLEX求解器求解该模型，能获得系统中多能设备的最优能流关系、最优设备出力与最优风险区间，在不确定新能源广泛渗透的电力系统中进行良好应用。具体包括：
第一阶段目标函数中，考虑运行成本经济最低，其中包括燃油、燃气、制冷机组的运行能耗与耗费的资源最低，天然气产量最低等。第二阶段目标函数寻找最恶劣风电与负荷需求场景下的最优运行风险区间，整个目标函数结构如下：
min PC+GC+IL max min CVAR (34)
Figure BDA0003627660180000121
Figure BDA0003627660180000122
Figure BDA0003627660180000123
Figure BDA0003627660180000124
式中，PC,GC,IL构成了第一阶段成本包含的内容，而CVAR提供了相应的运行最优风险区间；其中，PC为燃油机组的运行能耗与耗费的资源，GC为燃气机组的运行能耗与耗费的资源，IL为制冷机组的运行能耗与耗费的资源。T表示整个调度周期的时间，NCU表示计入目标函数中的燃煤机组集合；
Figure BDA0003627660180000125
表示计入目标函数中的燃煤机组i开机费用，
Figure BDA0003627660180000126
表示计入目标函数中的燃煤机组i关机费用，
Figure BDA0003627660180000127
表示计入目标函数中的燃煤机组i持续运行费用，
Figure BDA0003627660180000128
表示计入目标函数中的燃煤机组i发电消耗的成本，
Figure BDA0003627660180000129
表示计入目标函数中的燃煤机组i爬坡成本；
Figure BDA00036276601800001210
表示t时刻计入目标函数中的燃煤机组i预调度发电成本；
Figure BDA00036276601800001211
表示t时刻计入目标函数中的燃煤机组i向上旋转备用参数，
Figure BDA00036276601800001212
表示t时刻计入目标函数中的燃煤机组i向下旋转备用参数。ρg表示计入目标函数中的天然气井g产气成本，
Figure BDA0003627660180000131
表示计入目标函数中的燃气机组i开机成本，
Figure BDA0003627660180000132
表示计入目标函数中的燃气机组i关机成本，
Figure BDA0003627660180000133
表示计入目标函数中的燃气机组i运行成本，
Figure BDA0003627660180000134
表示计入目标函数中的燃气机组i发电消耗的成本，
Figure BDA0003627660180000135
表示计入目标函数中的燃气机组i爬坡成本，
Figure BDA0003627660180000136
表示t时刻计入目标函数中的燃气机组i向上旋转备用参数，
Figure BDA0003627660180000137
表示t时刻计入目标函数中的燃气机组i向下旋转备用参数。ρa表示计入目标函数中的潮流越限惩罚，
Figure BDA0003627660180000138
表示t时刻计入目标函数中实际电网i潮流越限数值，H表示计入目标函数中的电网中的越限联络线集合，M表示计入目标函数中的气网中的越限联络线集合。Wse表示计入目标函数中的弃风风电场的集合，Wre表示计入目标函数中的切负荷用户楼宇的集合，
Figure BDA0003627660180000139
表示计入目标函数中风电场或用户楼宇w的弃风惩罚成本。
通过求解式(34)的min-max-min三层规划问题，可以在获得系统中多能设备的最优能流关系的同时，提供最优设备出力与最优风险区间。

Claims (4)

1.一种基于最优风险区间的多能耦合微能源网鲁棒优化调度方法，其特征在于，包括以下步骤：
步骤1：对多能耦合网络能流关系、设备特性进行建模，包括电转气设备、电制冷机、燃油与燃气机组、风力发电设备；考虑电-气-冷三网之间的多能流耦合关系，充分利用电制冷、电转气设备进行三网交互，以结合应对风力发电机组的不确定供电特性，从而建立能反映多能协同的数学模型；
步骤2：设计价值风险评估策略，该策略通过与调度策略联合优化获得最优弃风与切负荷置信区间，实现能自适应求取运行风险处在最优置信区间的调度计划；
步骤3：以弃风、切负荷风险区间与经济三者最优为目标函数，建立两阶段鲁棒优化调度模型，其中各项运行成本构成第一阶段目标函数，弃风、切负荷风险区间最小为第二阶段目标函数；通过求解两阶段鲁棒优化调度模型，能获得系统中多能设备的最优能流关系、最优设备出力与最优风险区间。
2.如权利要求1所述基于最优风险区间的多能耦合微能源网鲁棒优化调度方法，其特征在于，步骤1中，多能耦合网络能流关系、设备特性进行建模，包括：
2.1)燃油与燃气机组发电
式(1)对机组燃油与燃气机组的发电上下界进行表征，式(2)～(3)刻画了动态爬坡约束下发电机组的调整范围，式(4)～(6)是机组开启与停止以及运行的标志及约束，即机组不能在极短时间内进行开机与关机操作；式(7)评估了机组的爬坡容量是否在优化获得的备用区间之内；
Figure FDA0003627660170000011
Figure FDA0003627660170000012
Figure FDA0003627660170000013
Figure FDA0003627660170000014
Figure FDA0003627660170000015
Figure FDA0003627660170000016
Figure FDA0003627660170000017
式中：γ为燃油和燃气机组的集合，t表示时刻；Ii,t表示t时刻机组i的开机运行状态，
Figure FDA0003627660170000021
表示t时刻机组i的预调度出力；Pi min表示机组i的调度处理下限，Pi max表示机组i的调度出力上限；
Figure FDA0003627660170000022
表示t时刻机组i的向上发爬坡速率，
Figure FDA0003627660170000023
表示t时刻机组i的向下爬坡速率；ui,t表示t时刻机组i处于开机指令中，vi,t表示t时刻机组i处于关机指令中；Hon,i表示机组i调整状态的开机最大容错率设置，Hoff,i表示机组i调整状态的关机最大容错率设置；NT表示机组最快调整时间参数；Ton,i表示机组i开机相关的出厂关键参数，Toff,i表示机组i关机相关的出厂关键参数；Pi,t表示t时刻机组i的实际调度出力；
2.2)多能网络电力能流平衡
式(8)～(11)描述了直流潮流关系，即节点电压、相角与联络线功率之间的关系，式(12)保证风力发电机的发电限额不超过当前时刻的可用风电容量，其中Awq为不确定参数，式(13)描述了全网的动态电能平衡，式(14)-(16)为极端情况下电能能流出现一定程度的越限，但与之同时将会对运行成本造成惩罚；
Figure FDA0003627660170000024
pfhk,t＝(θh,t-θk,t)/xhk (9)
Figure FDA0003627660170000025
θj,t＝0,j∈REF (11)
Figure FDA0003627660170000026
Figure FDA0003627660170000027
Figure FDA0003627660170000028
Figure FDA0003627660170000029
Figure FDA00036276601700000210
式中：h表示系统网络中的节点，γh表示与h节点连接的机组集合，Wh表示与h节点连接的风电场集合，
Figure FDA00036276601700000211
表示风力发电机q在t时刻能够消纳的清洁风能的功率，PLEh表示直流潮流中每个功率联络点h之间交互的向外流出标识，PLFh表示直流潮流中每个功率联络点h之间交互的向内流入标识；hk表示联络点h与另一联络点k的连接联络线；t时刻联络线hk上的功率承载pfhk,t为一个双向变量，当为正的时候表达从节点流出，当为负的时候表达从节点流入；
Figure FDA0003627660170000031
表示t时刻多能流网络中h节点楼宇中用户实时需求的供电量；xhk表示hk的阻抗参数，θh,t表示t时刻相关网架中关键联络点h的相角状态，θk,t表示t时刻相关网架中关键联络点k的相角状态；
Figure FDA0003627660170000032
表示联络线hk的最大潮流限制；REF标识了多能流网络中电能平衡点的状态与轮廓；Awq为风力发电机q的不确定参数，ζq,t表示t时刻风力发电机q的风电消纳参数；
Figure FDA0003627660170000033
表示全网络中对电能具有实时需求的负荷池；
Figure FDA0003627660170000034
表示t时刻节点h能量流实际越限；ΔFLe,max表示t时刻能量流越限的最大限制；
2.3)多能流网络中气网与冷网的特性建模
式(17)是燃气机组的四段式耗气方程，即用四个不同的参数表达燃气机组的开启关停以及发电对天然气的需求，式(18)-(21)以与多能流网络中电能流全网特性类似的方式描述了天然气网络的动态平衡，设计sgn(·)函数以进一步表达天然气的二进制流动方向，通过式(22)判断全网天然气关键节点的压强状况，由于后续的优化目标分为两阶段，第二阶段的求解结果将会对第一阶段的调度计划造成影响，当第二阶段筛选出的场景为极端场景时，第一阶段原有的功率平衡约束可能会越限，因而将天然气网越限工况设计为式(23)-(25)的约束；
Figure FDA0003627660170000035
Figure FDA0003627660170000036
Figure FDA0003627660170000037
Figure FDA0003627660170000038
Figure FDA0003627660170000039
Figure FDA00036276601700000310
Figure FDA00036276601700000311
Figure FDA00036276601700000312
Figure FDA00036276601700000313
式中：VGi,t表示t时刻燃气机组i的产气量，α1,i、α2,i、α3,i、α4,i对应四段式燃气发电机工况关键计算参数，
Figure FDA0003627660170000041
表示t时刻燃气机组i发电功率，NGU表示燃气机组的集合；m表示天然气管道节点，mn表示节点m和另一节点n相连的天然气管道，IP表示能够连接的天然气管道的集合；sp表示天然气井，GSm表示与m节点相连接的天然气井的集合，SWsp,t表示t时刻天然气井sp的产气量；与电能网络中的联络线方向类似，GPEm表示天然气网络中向节点m流入的管道，GPFm表示天然气网络中从节点m流出的管道；gfmn,t表示t时刻天然气管道mn的燃气流量，NGUm表示与m节点连接的燃气机组的集合；
Figure FDA0003627660170000042
表示t时刻与m节点相连的天然气用户需求；κ诠释了冷管道中两端气压与管道冷气容量的关系，prm,t为t时刻制冷网络中的关键节点m中气压分布状态，prn,t为t时刻制冷网络中的关键节点n中气压分布状态；
Figure FDA0003627660170000043
表示m节点处的最小冷气值，
Figure FDA0003627660170000044
表示m节点处的最大冷气值；
Figure FDA0003627660170000045
表示冷凝管道mn的最小流量限制，
Figure FDA0003627660170000046
表示冷凝管道mn的最大流量限制；
Figure FDA0003627660170000047
表示天然气井sp天然气压强的最小值，
Figure FDA0003627660170000048
表示天然气井sp天然气压强的最大值；
Figure FDA0003627660170000049
表示t时刻天然气管道节点m的天然气潮流的实际越限量，
Figure FDA00036276601700000410
表示t时刻燃气机组i的实际供电量，ΔFLg,max表示天然气潮流越限量的最大限制。
3.如权利要求1所述基于最优风险区间的多能耦合微能源网鲁棒优化调度方法，其特征在于，步骤2中，最优价值风险区间的提出，包括：
多能流耦合网络中，条件风险价值CVAR的表达式为：
Figure FDA00036276601700000411
Figure FDA00036276601700000412
其中，w表示需要考虑风险价值的风电场或用户楼宇；
Figure FDA00036276601700000413
是t时刻全多能流网络的风电场或用户楼宇w的弃风风险，
Figure FDA00036276601700000414
是t时刻全多能流耦合系统中风电场或用户楼宇w的失负荷风险；
Figure FDA00036276601700000415
表示t时刻需要考虑风险价值的风电场w弃风值，
Figure FDA00036276601700000416
表示t时刻需要考虑风险价值的负荷楼宇w切负荷；ζ表示日前风电预测值，
Figure FDA00036276601700000417
表示风电场或用户楼宇w日前可用风电预测最大值，Awq,t表示t时刻风力发电机q实际调度中的可消纳风电，Pr(·)表示风电预测获得的概率密度函数；
为求解最优风险指标CVAR，应用积分线性化的思想，其具体流程包括式(28)-(33)：
Figure FDA0003627660170000051
Figure FDA0003627660170000052
Figure FDA0003627660170000053
Figure FDA0003627660170000054
Figure FDA0003627660170000055
Figure FDA0003627660170000056
其中，s表示分段线性法中的分段线性段；
Figure FDA0003627660170000057
表示t时刻分段线性过程s中需要考虑风险价值的风电场w的弃风中间变量；
Figure FDA0003627660170000058
表示t时刻分段线性过程s中需要考虑风险价值的用户楼宇w的切负荷中间变量；Δs为最优运行风险区间分段线性化的最优分段数，而
Figure FDA0003627660170000059
表示t时刻分段线性过程s中风电场或用户楼宇w内向切割的连续辅助变量，
Figure FDA00036276601700000510
表示t时刻分段线性过程s中风电场或用户楼宇w外向切割的连续辅助变量。
4.如权利要求1所述基于最优风险区间的多能耦合微能源网鲁棒优化调度方法，其特征在于，步骤3中，整个弃风、切负荷风险区间与经济三者最优为目标函数，两阶段鲁棒优化调度模型的建立与求解，包括：
第一阶段目标函数中，考虑运行成本经济最低，其中包括燃油、燃气、制冷机组的运行能耗与耗费的资源最低，天然气产量最低；第二阶段目标函数寻找最恶劣风电与负荷需求场景下的最优运行风险区间，整个目标函数结构如(34)：
min PC+GC+IL max min CVAR (34)
Figure FDA0003627660170000061
式中：PC,GC,IL构成了第一阶段成本包含的内容，而CVAR提供了相应的运行最优风险区间；其中，PC为燃油机组的运行能耗与耗费的资源，GC为燃气机组的运行能耗与耗费的资源，IL为制冷机组的运行能耗与耗费的资源；T表示整个调度周期的时间，NCU表示计入目标函数中的燃煤机组集合；
Figure FDA0003627660170000062
表示计入目标函数中的燃煤机组i开机费用，
Figure FDA0003627660170000063
表示计入目标函数中的燃煤机组i关机费用，
Figure FDA0003627660170000064
表示计入目标函数中的燃煤机组i持续运行费用，
Figure FDA0003627660170000065
表示计入目标函数中的燃煤机组i发电消耗的成本，
Figure FDA0003627660170000066
表示计入目标函数中的燃煤机组i爬坡成本；
Figure FDA0003627660170000067
表示t时刻计入目标函数中的燃煤机组i预调度发电成本；
Figure FDA0003627660170000068
表示t时刻计入目标函数中的燃煤机组i向上旋转备用参数，
Figure FDA0003627660170000069
表示t时刻计入目标函数中的燃煤机组i向下旋转备用参数；ρg表示计入目标函数中的天然气井g产气成本，
Figure FDA00036276601700000610
表示计入目标函数中的燃气机组i开机成本，
Figure FDA00036276601700000611
表示计入目标函数中的燃气机组i关机成本，
Figure FDA00036276601700000612
表示计入目标函数中的燃气机组i运行成本，
Figure FDA00036276601700000613
表示计入目标函数中的燃气机组i发电消耗的成本，
Figure FDA00036276601700000614
表示计入目标函数中的燃气机组i爬坡成本，
Figure FDA00036276601700000615
表示t时刻计入目标函数中的燃气机组i向上旋转备用参数，
Figure FDA00036276601700000616
表示t时刻计入目标函数中的燃气机组i向下旋转备用参数；ρa表示计入目标函数中的潮流越限惩罚，
Figure FDA00036276601700000617
表示t时刻计入目标函数中实际电网i潮流越限数值，H表示计入目标函数中的电网中的越限联络线集合，M表示计入目标函数中的气网中的越限联络线集合；Wse表示计入目标函数中的弃风风电场的集合，Wre表示计入目标函数中的切负荷用户楼宇的集合，
Figure FDA0003627660170000071
表示计入目标函数中风电场或用户楼宇w的弃风惩罚成本；
通过求解式(34)的min-max-min三层规划问题，在获得系统中多能设备的最优能流关系的同时提供最优设备出力与最优风险区间。
CN202210481495.9A 2022-05-05 2022-05-05 基于最优风险区间的多能耦合微能源网鲁棒优化调度方法 Pending CN115018123A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210481495.9A CN115018123A (zh) 2022-05-05 2022-05-05 基于最优风险区间的多能耦合微能源网鲁棒优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210481495.9A CN115018123A (zh) 2022-05-05 2022-05-05 基于最优风险区间的多能耦合微能源网鲁棒优化调度方法

Publications (1)

Publication Number Publication Date
CN115018123A true CN115018123A (zh) 2022-09-06

Family

ID=83070082

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210481495.9A Pending CN115018123A (zh) 2022-05-05 2022-05-05 基于最优风险区间的多能耦合微能源网鲁棒优化调度方法

Country Status (1)

Country Link
CN (1) CN115018123A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116341762A (zh) * 2023-05-23 2023-06-27 武汉中元华电科技股份有限公司 高海拔风电供电系统最优能流求解方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116341762A (zh) * 2023-05-23 2023-06-27 武汉中元华电科技股份有限公司 高海拔风电供电系统最优能流求解方法及系统
CN116341762B (zh) * 2023-05-23 2023-07-25 武汉中元华电科技股份有限公司 高海拔风电供电系统最优能流求解方法及系统

Similar Documents

Publication Publication Date Title
Arnold et al. Model predictive control of energy storage including uncertain forecasts
CN106099960B (zh) 一种小水电机群组成分布式储能系统的方法
CN109919399B (zh) 一种综合能源系统日前经济调度方法及系统
CN113541205B (zh) 基于集群学习的低碳csp系统协同优化方法及装置
CN106026184A (zh) 一种面向电网调峰的抽水蓄能电站与风电联合系统及其优化调度方法
CN109325621A (zh) 一种园区能源互联网两阶段优化调度控制方法
Saad et al. Hydro-pneumatic storage for wind-diesel electricity generation in remote sites
CN108594658A (zh) 一种电-气耦合系统概率最大负荷裕度多目标优化模型及其求解方法
CN115018123A (zh) 基于最优风险区间的多能耦合微能源网鲁棒优化调度方法
Liao et al. Model predictive control based coordinated voltage control for offshore radial DC-connected wind farms
CN111564873B (zh) 一种计及机组启停的集成气-电能源系统优化方法
CN109449988A (zh) 大规模新能源发电并网的电力系统逐日仿真模拟方法
CN113837589A (zh) 一种综合能源系统n-1调度方法及装置
Ali Energy capacity and economic viability assessment of the renewable hydrogen energy storage as a balancing mechanism in addressing the electric system integration issues inherent with variable renewable energy resources
CN111125611B (zh) 面向多场景的冷-热-电微能网群两阶段优化调度方法
CN114400716B (zh) 一种水电站机组扩机的容量选取方法
CN110380447A (zh) 一种风机失效下的电-气互联能源系统降风险调度方法
CN114971042A (zh) 一种基于多阶段随机优化的电-气综合能源系统运行方法
CN112332460B (zh) 一种考虑能流特性差异的电-气互联系统异步调度方法
CN107196348A (zh) 一种考虑多端柔直的日前发电计划编制方法
CN112270481A (zh) 一种电力天然气耦合系统的多目标规划方法、系统及存储介质
Li et al. Study on integrated scheduling model of CHP including wind power, electric boiler and phase change thermal storage station
Zhou et al. A study on source-network-demand coordinated expansion planning of the sending power system considering DC transmission and hydro-solar complementary
Li et al. Two-level Capacity Optimization Strategy for Generations in Multi-energy Gathering Center Considering the Flexibility
CN113255141B (zh) 储能电站投资容量和安装位置计算方法

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