CN115238503A - 一种电-热-气-氢综合能源系统优化调度方法 - Google Patents

一种电-热-气-氢综合能源系统优化调度方法 Download PDF

Info

Publication number
CN115238503A
CN115238503A CN202210886934.4A CN202210886934A CN115238503A CN 115238503 A CN115238503 A CN 115238503A CN 202210886934 A CN202210886934 A CN 202210886934A CN 115238503 A CN115238503 A CN 115238503A
Authority
CN
China
Prior art keywords
power
scene
gas
hydrogen
energy
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
CN202210886934.4A
Other languages
English (en)
Inventor
王均
白俊杰
许潇
吴兰
汪显博
张孝远
李斌全
姜伟
黄明山
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.)
Henan University of Technology
Original Assignee
Henan University of Technology
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 Henan University of Technology filed Critical Henan University of Technology
Priority to CN202210886934.4A priority Critical patent/CN115238503A/zh
Publication of CN115238503A publication Critical patent/CN115238503A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/38—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
    • H02J2300/28—The renewable source being wind 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Fuel Cell (AREA)

Abstract

一种电‑热‑气‑氢综合能源系统优化调度方法，包含以下步骤：A1、构建风电出力不确定性模型；A2、构建电‑热‑气‑氢综合能源系统设备模型；A3、构建电‑热‑气‑氢多能流功率平衡约束模型；A4、构建综合能源系统调度优化模型；本发明与现有公开研究成果相比，本发明的电‑热‑气‑氢综合能源调度方法引入拉丁超立方抽样和场景削减法生成风电出力预测模型，更好地考虑了风电出力的不确定性，将风电功率的随机性、波动性纳入到综合能源优化调度统筹中，通过风电出力的多场景生成及缩减算法快速求解综合能源随机规划模型，可有效提升系统在不同情景风电出力的应变和快速反应能力并提升系统规划结果的经济性和合理性。

Description

一种电-热-气-氢综合能源系统优化调度方法
技术领域
本发明涉及新能源技术领域，尤其是涉及一种电-热-气-氢综合能源系统优化调度方法。
背景技术
目前在我国众多的工业园区中，综合能源系统调度所面临重要问题是如何协调系统内各类机组出力，在最大化消纳可再生能源的前提下，提高综合能源利用效率，降低系统运行成本；其中，电转气技术是一种对于消纳风电和提升新型电力系统储能的比较成熟的技术；电转气可将夜间富裕过剩风电或低谷电价电能转化为氢气或天然气储存，在需要时供应峰价时段负荷，有效促进风电消纳和实现“高发低储”；引入氢能与可再生能源、储能系统进行深度耦合，能够减小制氢成本，同时实现电-氢储能优势互补，增强系统的灵活调控力；但目前缺少考虑风电出力不确定性的电-热-气-氢多能源互补耦合的综合能源调度方法；
中国专利(公开号：CN114676897A)公开了一种含CHP-P2G-氢能的园区综合能源系统优化调度方法；该专利提出了一种多层级多能耦合的综合能源热电优化方法，通过P2G电转气设备、HFC氢燃料电池和有机朗肯循环ORC余热发电技术降低系统成本；
中国专利(公开号：CN111639824A)公开了一种含电转气的区域综合能源系统热电优化调度方法；该专利提出了一种将电转气过程细化为电制氢气和氢气甲烷化两阶段的综合能源经济优化调度运行方案；
然而，上述公开专利都未考虑到风电出力受环境因素影响的时变性和多样性，导致所提方案难以用于工业园区综合能源真实调度运行中。
发明内容
为了克服背景技术中的不足，本发明公开了一种电-热-气-氢综合能源系统优化调度方法。
为实现上述发明目的，本发明采用如下技术方案：
一种电-热-气-氢综合能源系统优化调度方法，包含以下步骤：
A1、构建风电出力不确定性模型
风电功率服从正态分布N(μ,δ2)，μ为风电功率不同时刻的期望值，δ为其波动的百分比例；通过拉丁超立方抽样方法，生成R个服从概率分布约束的风电1-24小时全天候出力场景；
设有N个随机变量，其中的累积概率分布函数可以描述为：
FN＝FN(KN)
设采样规模为R：
①将FN的分布曲线分成每个区间范围均为1/R的若干个概率区间；
②在各概率区内随机抽取任意一个数；
则第x个区间的采样点KNx的累积概率PNx为：
PNx＝(1/R)rx+(x-1)/R
式中：rx为区间[0，1]的一个随机数；
③将带入FN -1函数，得到对应区间内的采样值KNx：
Figure BDA0003766171430000021
④采样规模为R，通过上述方法重复采样R次，即会产生R个关于KN的采样结果；
⑤生成N×R维的矩阵，随机排序各行后生成R个场景；
利用Kantorovich距离场景削减技术对生成的R个场景进行削减：
记场景数为N，经过场景削减后的场景数为S：
①初始化，每个风电功率预测值场景的概率值为Pi＝1/N，初始缩减场景数为S*＝N；
②计算每个场景(si,sj)的Kantorovich距离Dk(si,sj)
Kantorovich距离为：
Figure BDA0003766171430000031
③选择与场景sk的距离最小的场景sr，并计算Kantorovich距离与场景概率的乘积，可记为：PDk(si,sj)＝Dk(si,sj)·ρr；
④对于每个场景重复步骤③，然后选择PDk(si,sj)最小的场景记为场景d并删除该场景，同时更新减少的场景数S*＝S*-1，则场景r的概率值可以更新为ρr＝ρr+ρd；
⑤重复步骤②-④，直到最终场景数S*＝S；
A2、构建电-热-气-氢综合能源系统设备模型
A2.1构建综合能源系统多能流出力约束
电解槽电解生成氢能功率转换约束：
Figure BDA0003766171430000032
其中，Pe,EL(s,t)为第s种场景下t时段输入电解槽的电能；PH2,EL(s,t)为第s种场景下t时段电解槽输出的氢能；ηEL为电解槽的能量转换效率；
Figure BDA0003766171430000033
分别为输入电解槽的电能功率上、下限；
Figure BDA0003766171430000034
分别为电解槽功率的爬坡上、下限；
甲烷反应器将氢能转为天然气能功率约束：
Figure BDA0003766171430000035
其中，Pg,MR(s,t)为第s种场景下t时段甲烷反应器输出的天然气功率；
Figure BDA0003766171430000041
为第s种场景下t时段输入甲烷反应器的氢能功率；ηMR为甲烷反应器的能量转换效率；
Figure BDA0003766171430000042
分别为输入甲烷反应器的氢能功率上、下限；
Figure BDA0003766171430000043
分别为甲烷反应器功率爬坡上、下限；
氢燃料电池氢能转化热能电能功率约束：
Figure BDA0003766171430000044
其中，
Figure BDA0003766171430000045
为第s种场景下t时段经由电解槽向燃料电池输入的氢能功率；Pe,HFC(s,t)、Ph,HFC(s,t)分别为第s种场景下t时段氢燃料电池输出的电、热能功率；
Figure BDA0003766171430000046
分别为燃料电池转换为电、热能的效率；
Figure BDA0003766171430000047
Figure BDA0003766171430000048
分别为输入氢燃料电池的氢能功率上、下限；
Figure BDA0003766171430000049
分别为氢燃料电池的氢能功率爬坡上、下限；
Figure BDA00037661714300000410
分别为氢燃料电池的热电比上、下限；
燃气锅炉功率约束：
Figure BDA00037661714300000411
其中，ηGB为燃气锅炉的能量转换效率；Pg,GB(s,t)为第s种场景下t时段输入燃气锅炉的气功率；Ph,GB(s,t)为第s种场景下t时段燃气锅炉输出的热功率；
Figure BDA00037661714300000412
分别为燃气锅炉的输入气功率上、下限；
Figure BDA00037661714300000413
分别为燃气锅炉的气功率爬坡上、下限；
热电联产约束条件：
Figure BDA0003766171430000051
其中，Pg,CHP(s,t)为第s种场景下t时段输入热电联产机组的天然气功率；Pe,CHP(s,t)、Ph,CHP(s,t)分别为第s种场景下t时段热电联产机组输出的电、热能；
Figure BDA0003766171430000052
分别为热电联产机组转换电、热能的效率；
Figure BDA0003766171430000053
分别为输入天然气功率上、下限；
Figure BDA0003766171430000054
分别爬坡上、下限；
Figure BDA0003766171430000055
Figure BDA0003766171430000056
分别为热电联产机组的热电比上、下限；
储能约束条件：
Figure BDA0003766171430000057
其中，SoCn,ES(s,t)为第n种储能装置第s种场景下t时段的容量；
Figure BDA0003766171430000058
为第n种储能装置第s种场景下t时段的充电功率；
Figure BDA0003766171430000059
为第n种储能装置第s种场景下t时段放电功率；
Figure BDA00037661714300000510
分别为第n种储能装置的充、放电效率；
Figure BDA00037661714300000511
为第n种储能装置的单次充、放电最大功率；
Figure BDA00037661714300000512
均为二进制变量，分别为第n种储能装置第s种场景下t时段充、放电状态参数；
Figure BDA00037661714300000513
或
Figure BDA00037661714300000514
均可以表示储能装置正在充电；
Figure BDA00037661714300000515
都可以表示储能装置正在放电；
Figure BDA00037661714300000516
Figure BDA00037661714300000517
分别为第n种储能装置容量的上、下限；SoCn,ES(s,1)、SoCn,ES(s,T)分别为第n种储能装置第s种场景下起始和终止时刻的电池容量；
A2.2导入常数参数
包括电、热、气负荷24小时功率常数值；风电24小时预测出力功率；购电分时价格参数和购气价格参数；
A2.3导入出力平衡约束条件
包括热电联产机组的电-气能量转换约束，电-热能量转换约束，消耗的气功率上下限约束，热电比上下限，爬坡约束；电解槽的氢-电能量转换约束，消耗电功率的上下限约束，爬坡约束；甲烷反应器的气-氢能量转换约束，消耗的氢功率的上下限约束，爬坡约束；氢燃料电池的电-氢能量转换约束，热-氢能量转换约束，消耗的氢功率上下限约束，热电比上下限，爬坡约束；燃气锅炉热-气能量转换约束，出力上下限约束，燃气锅炉的爬坡约束；风电出力约束；储电设备的最大充放电功率，储热设备的最大充放热功率，储氢设备的最大充放氢功率，储气设备的最大充放气功率；购能功率约束；
A3、构建电-热-气-氢多能流功率平衡约束模型
电功率平衡约束条件：
Figure BDA0003766171430000061
其中，Pe,buy(s,t)为第s种场景下t时段向上级电网购电功率；Pe,Load(s,t)为第s种场景下t时段电负荷；Pe,EL(s,t)为第s种场景下t时段电解槽消耗的电功率；
Figure BDA0003766171430000062
分别为第s种场景下t时段储电设备充、放电功率；PWT(s,t)为第s种场景下t时段风电出力功率；
Figure BDA0003766171430000063
为t时段风电出力预测功率；PWT,cur(s,t)为第s种场景下t时段弃风功率；Pe,CHP(s,t)为第s种场景下t时段热电联产产生的电能功率；Pe,HFC(s,t)为第s种场景下t时段氢燃料电池产生的电能功率；
Figure BDA0003766171430000071
为各时段购电功率上限；
热平衡约束条件：
Figure BDA0003766171430000072
其中，Ph,HFC(s,t)为第s种场景下t时段氢燃料电池产生的热能功率；Ph,CHP(s,t)和Ph,GB(s,t)分别为第s种场景下t时段热电联产机组产生的热功率和燃气锅炉产生的热能功率；Ph,Load(s,t)为第s种场景下t时段热负荷；
Figure BDA0003766171430000073
分别为第s种场景下t时段储热设备充、放热功率；
天然气平衡约束条件：
Figure BDA0003766171430000074
其中，Pg,buy(s,t)为第s种场景下t时段天然气负荷功率；Pg,Load(s,t)第s种场景下t时段气负荷；
Figure BDA0003766171430000075
分别为第s种场景下t时段储气设备充、放气功率；Pg,CHP(s,t)与Pg,GB(s,t)分别为第s种场景下t时段热电联产机组和燃气锅炉消耗的天然气功率；Pg,MR(s,t)为第s种场景下t时段甲烷反应器产生天然气功率；
Figure BDA0003766171430000076
为各时段购气功率上限；
氢平衡约束条件：
Figure BDA0003766171430000077
其中，
Figure BDA0003766171430000078
为第s种场景下t时段电解槽产生的氢气功率；
Figure BDA0003766171430000079
与
Figure BDA00037661714300000710
分别为第s种场景下t时段甲烷反应器和燃料电池消耗的氢气功率；
Figure BDA00037661714300000711
分别为第s种场景下t时段储氢设备充、放氢功率；
A4、构建综合能源系统调度优化模型
考虑综合能源系统的购电成本Ce,buy，购气成本Cg,buy，弃风成本CWT,cur，构建系统运行总成本CTot最小的优化目标函数：
CTot＝min(Ce,buy+Cg,buy+CWT,cur)
购电成本：
Figure BDA0003766171430000081
购气成本：
Figure BDA0003766171430000082
其中，场景s属于场景集合S，t属于场景集合T；ρs表示场景s的概率；Pe,buy(s,t)和Pg,buy(s,t)分别表示在第s种场景下t时段购电量和购气量，第t时段时段的电价和气价用αt,βt表示；
弃风成本：
Figure BDA0003766171430000083
其中，弃风惩罚成本用δcur表示；PWT,cur(s,t)表示第s种场景下t时段弃风功率。
优选的，步骤A1通过拉丁超立方抽样方法，生成1000个服从概率分布约束的风电1-24小时全天候出力场景，利用Kantorovich距离场景削减技术将生成的1000个场景削减为10个。
由于采用如上所述的技术方案，本发明具有如下有益效果：
本发明公开的一种电-热-气-氢综合能源系统优化调度方法，与现有公开研究成果相比，本发明的电-热-气-氢综合能源调度方法引入拉丁超立方抽样和场景削减法生成风电出力预测模型，更好地考虑了风电出力的不确定性，将风电功率的随机性、波动性纳入到综合能源优化调度统筹中，通过风电出力的多场景生成及缩减算法快速求解综合能源随机规划模型，可有效提升系统在不同情景风电出力的应变和快速反应能力并提升系统规划结果的经济性和合理性。
附图说明
图1为利用拉丁超立方抽样和场景削减生成风电出力模型流程示意图；
图2为综合能源系统单元框架图；
图3为电转气环节流程示意图；
图4为电-热-气-氢综合能源系统运行建模流程图；
图5为采用拉丁超立方抽样方法生成1000簇风电功率场景示意图；
图6为利用Kantorovich距离场景削减法将1000簇风电功率场景缩减为10簇风电功率场景示意图；
图7为场景缩减后10种场景对应的概率图；
图8为某工业园区24小时电负荷、气负荷和热负荷功率曲线图；
图9为工况2运行策略下工业园区电功率供需平衡图；
图10为工况2运行策略下工业园区热功率供需平衡图；
图11为工况2运行策略下工业园区气功率供需平衡图；
图12为工况2运行策略下工业园区氢功率供需平衡图。
具体实施方式
通过下面的实施例可以详细的解释本发明，公开本发明的目的旨在保护本发明范围内的一切技术改进，在本发明的描述中，需要理解的是，若有术语“上”、“下”、“前”、“后”、“左”、“右”等指示的方位或位置关系，仅是与本申请的附图对应，为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位。
结合附图1～8，一种电-热-气-氢综合能源系统优化调度方法，包含以下步骤；
A1、构建风电出力不确定性模型
风电功率服从正态分布N(μ,δ2)，μ为风电功率不同时刻的期望值，δ为其波动的百分比例；引入拉丁超立方抽样方法，生成R个服从概率分布约束的风电1-24小时全天候出力场景，为了剔除高比例相似场景或者极低概率场景，利用Kantorovich距离场景削减技术对生成的R个场景进行削减，从而减少了不必要的繁琐复杂计算，较好地保留多个典型代表风电出力情况复原实际风电出力情况；之后，导出具有代表性、典型性的S组场景数据；
具体步骤参照附图1说明如下：
设有N个随机变量，其中的累积概率分布函数可以描述为：
FN＝FN(KN)
设采样规模为R：
①将FN的分布曲线分成每个区间范围均为1/R的若干个概率区间；
②在各概率区内随机抽取任意一个数；
则第x个区间的采样点KNx的累积概率PNx为：
PNx＝(1/R)rx+(x-1)/R
式中：rx为区间[0，1]的一个随机数；
③将带入
Figure BDA0003766171430000102
函数，得到对应区间内的采样值KNx：
Figure BDA0003766171430000101
④采样规模为R，通过上述方法重复采样R次，即会产生R个关于KN的采样结果；
⑤生成N×R维的矩阵，随机排序各行后生成R个场景；
利用Kantorovich距离场景削减技术对生成的R个场景进行削减：
记场景数为N，经过场景削减后的场景数为S：
①初始化，每个风电功率预测值场景的概率值为Pi＝1/N，初始缩减场景数为S*＝N；
②计算每个场景(si,sj)的Kantorovich距离Dk(si,sj)
Kantorovich距离为：
Figure BDA0003766171430000111
③选择与场景sk的距离最小的场景sr，并计算Kantorovich距离与场景概率的乘积，可记为：PDk(si,sj)＝Dk(si,sj)·ρr
④对于每个场景重复步骤③，然后选择PDk(si,sj)最小的场景记为场景d并删除该场景，同时更新减少的场景数S*＝S*-1，则场景r的概率值可以更新为ρr＝ρr+ρd；
⑤重复步骤②-④，直到最终场景数S*＝S；
A2、构建电-热-气-氢综合能源系统设备模型
A2.1构建综合能源系统多能流出力约束
电热气氢综合能源系统的核心为电转气原理：首先电解槽把电能转换为氢能，氢能去向分为三部分：其中一部分输入到甲烷发生器中与CO2气体合成天然气，供应给气负荷、燃气锅炉、热电联产机组；另外一部分输送到氢燃料电池HFC转换为电、热能；此外，剩余氢能可以存储在储氢罐中；
对当前时刻电-热-气-氢的综合能源系统决策变量进行初始化，所述信息为由系统上层控制系统获取的功率信息，包括热电联产机组的输出电功率，输出热功率，消耗天然气功率；电解槽设备的耗电量，产氢功率，输入氢能功率，输出天然气功率；输入氢燃料电池的氢能功率，输出的电功率，输出的热功率；风电消纳功率；输入燃气锅炉设备的天然气功率，输出的热功率；储能部分的充放功率和实时容量状态；购能功率；
具体地，电解槽电解生成氢能功率转换约束：
Figure BDA0003766171430000121
其中，Pe,EL(s,t)为第s种场景下t时段输入电解槽的电能；
Figure BDA0003766171430000122
为第s种场景下t时段电解槽输出的氢能；ηEL为电解槽的能量转换效率；
Figure BDA0003766171430000123
分别为输入电解槽的电能功率上、下限；
Figure BDA0003766171430000124
分别为电解槽功率的爬坡上、下限。
甲烷反应器将氢能转为天然气能功率约束：
Figure BDA0003766171430000125
其中，Pg,MR(s,t)为第s种场景下t时段甲烷反应器输出的天然气功率；
Figure BDA0003766171430000126
为第s种场景下t时段输入甲烷反应器的氢能功率；ηMR为甲烷反应器的能量转换效率；
Figure BDA0003766171430000127
分别为输入甲烷反应器的氢能功率上、下限；
Figure BDA0003766171430000128
分别为甲烷反应器功率爬坡上、下限。
氢燃料电池氢能转化热能电能功率约束：
Figure BDA0003766171430000129
其中，
Figure BDA00037661714300001210
为第s种场景下t时段经由电解槽向燃料电池输入的氢能功率；Pe,HFC(s,t)、Ph,HFC(s,t)分别为第s种场景下t时段氢燃料电池输出的电、热能功率；
Figure BDA00037661714300001211
分别为燃料电池转换为电、热能的效率；
Figure BDA00037661714300001212
Figure BDA00037661714300001213
分别为输入氢燃料电池的氢能功率上、下限；
Figure BDA00037661714300001214
分别为氢燃料电池的氢能功率爬坡上、下限；
Figure BDA0003766171430000131
分别为氢燃料电池的热电比上、下限。
燃气锅炉功率约束：
Figure BDA0003766171430000132
其中，ηGB为燃气锅炉的能量转换效率；Pg,GB(s,t)为第s种场景下t时段输入燃气锅炉的气功率；Ph,GB(s,t)为第s种场景下t时段燃气锅炉输出的热功率；
Figure BDA0003766171430000133
分别为燃气锅炉的输入气功率上、下限；
Figure BDA0003766171430000134
分别为燃气锅炉的气功率爬坡上、下限。
热电联产约束条件：
Figure BDA0003766171430000135
其中，Pg,CHP(s,t)为第s种场景下t时段输入热电联产机组的天然气功率；Pe,CHP(s,t)、Ph,CHP(s,t)分别为第s种场景下t时段热电联产机组输出的电、热能；
Figure BDA0003766171430000136
分别为热电联产机组转换电、热能的效率；
Figure BDA0003766171430000137
分别为输入天然气功率上、下限；
Figure BDA0003766171430000138
分别爬坡上、下限；
Figure BDA0003766171430000139
Figure BDA00037661714300001310
分别为热电联产机组的热电比上、下限。
储能约束条件：
Figure BDA00037661714300001311
其中，SoCn,ES(s,t)为第n种储能装置第s种场景下t时段的容量；
Figure BDA0003766171430000141
为第n种储能装置第s种场景下t时段的充电功率；
Figure BDA0003766171430000142
为第n种储能装置第s种场景下t时段放电功率；
Figure BDA0003766171430000143
分别为第n种储能装置的充、放电效率；
Figure BDA0003766171430000144
为第n种储能装置的单次充、放电最大功率；
Figure BDA0003766171430000145
均为二进制变量，分别为第n种储能装置第s种场景下t时段充、放电状态参数；
Figure BDA0003766171430000146
或
Figure BDA0003766171430000147
均可以表示储能装置正在充电；
Figure BDA0003766171430000148
或
Figure BDA0003766171430000149
都可以表示储能装置正在放电；
Figure BDA00037661714300001410
Figure BDA00037661714300001411
分别为第n种储能装置容量的上、下限；SoCn,ES(s,1)、SoCn,ES(s,T)分别为第n种储能装置第s种场景下起始和终止时刻的电池容量。
A2.2导入系统常数参数：
包括电、热、气负荷24小时功率常数值；风电24小时预测出力功率；购电分时价格参数和购气价格参数；
A2.3导入出力平衡约束条件：
包括热电联产机组的电-气能量转换约束，电-热能量转换约束，消耗的气功率上下限约束，热电比上下限，爬坡约束；电解槽的氢-电能量转换约束，消耗电功率的上下限约束，爬坡约束；甲烷反应器的气-氢能量转换约束，消耗的氢功率的上下限约束，爬坡约束；氢燃料电池的电-氢能量转换约束，热-氢能量转换约束，消耗的氢功率上下限约束，热电比上下限，爬坡约束；燃气锅炉热-气能量转换约束，出力上下限约束，燃气锅炉的爬坡约束；风电出力约束；储电设备的最大充放电功率，储热设备的最大充放热功率，储氢设备的最大充放氢功率，储气设备的最大充放气功率；购能功率约束。
A3、构建电-热-气-氢多能流功率平衡约束模型
电功率平衡约束条件：
Figure BDA0003766171430000151
其中，Pe,buy(s,t)为第s种场景下t时段向上级电网购电功率；Pe,Load(s,t)为第s种场景下t时段电负荷；Pe,EL(s,t)为第s种场景下t时段电解槽消耗的电功率；
Figure BDA0003766171430000152
分别为第s种场景下t时段储电设备充、放电功率；PWT(s,t)为第s种场景下t时段风电出力功率；
Figure BDA0003766171430000153
为t时段风电出力预测功率；PWT,cur(s,t)为第s种场景下t时段弃风功率；Pe,CHP(s,t)为第s种场景下t时段热电联产产生的电能功率；Pe,HFC(s,t)为第s种场景下t时段氢燃料电池产生的电能功率；
Figure BDA0003766171430000154
为各时段购电功率上限。
热平衡约束条件：
Figure BDA0003766171430000155
其中，Ph,HFC(s,t)为第s种场景下t时段氢燃料电池产生的热能功率；Ph,CHP(s,t)和Ph,GB(s,t)分别为第s种场景下t时段热电联产机组产生的热功率和燃气锅炉产生的热能功率；Ph,Load(s,t)为第s种场景下t时段热负荷；
Figure BDA0003766171430000156
分别为第s种场景下t时段储热设备充、放热功率。
天然气平衡约束条件：
Figure BDA0003766171430000157
其中，Pg,buy(s,t)为第s种场景下t时段天然气负荷功率；Pg,Load(s,t)第s种场景下t时段气负荷；
Figure BDA0003766171430000158
分别为第s种场景下t时段储气设备充、放气功率；Pg,CHP(s,t)与Pg,GB(s,t)分别为第s种场景下t时段热电联产机组和燃气锅炉消耗的天然气功率；Pg,MR(s,t)为第s种场景下t时段甲烷反应器产生天然气功率；
Figure BDA0003766171430000159
为各时段购气功率上限。
氢平衡约束条件：
Figure BDA0003766171430000161
其中，
Figure BDA0003766171430000162
为第s种场景下t时段电解槽产生的氢气功率；
Figure BDA0003766171430000163
与
Figure BDA0003766171430000164
分别为第s种场景下t时段甲烷反应器和燃料电池消耗的氢气功率；
Figure BDA0003766171430000165
分别为第s种场景下t时段储氢设备充、放氢功率。
A4、构建综合能源系统调度优化模型
考虑综合能源系统的购电成本Ce,buy，购气成本Cg,buy，弃风成本CWT,cur，构建系统运行总成本CTot最小的优化目标函数：
CTot＝min(Ce,buy+Cg,buy+CWT,cur)
购电成本：
Figure BDA0003766171430000166
购气成本：
Figure BDA0003766171430000167
其中，场景s属于场景集合S，t属于场景集合T；ρs表示场景s的概率；Pe,buy(s,t)和Pg,buy(s,t)分别表示在第s种场景下t时段购电量和购气量，第t时段时段的电价和气价用αt,βt表示。
弃风成本：
Figure BDA0003766171430000168
其中，弃风惩罚成本用δcur表示；PWT,cur(s,t)表示第s种场景下t时段弃风功率。
实施例一：
结合附图9～12，以某工业园区电-热-气-氢综合能源系统进行案例分析，工业园区向上级电力市场购电分为谷时电价区间：01:00—07:00和23:00—24:00两个时段，谷时电价为0.456元/千瓦时；
平时电价区间：08:00—11:00和15:00—18:00两个时段，平时电价为0.816元/千瓦时；
峰时电价区间：12:00—14:00和19:00—22:00两个时段，峰时电价为1.440元/千瓦时；向上级天然气市场购气价格采用计量热价统一折算为0.45元/千瓦时，弃风成本为0.13元/千瓦时；
采用4种不同情形的进行验证：
工况1：综合能源系统中含传统的P2G设备，即电能经过电解槽EL生成氢能，然后通过甲烷反应器MR进一步生成天然气；
工况2：将P2G替换为电解槽EL、甲烷反应器MR、氢燃料电池HFC组合的两阶段运行设备，即部分由电解槽EL生成的氢气直接由氢燃料电池HFC转化为电能和热能，或者进行氢能存储；
工况3：工况1设置算例下，不考虑风电出力；
工况4：工况2设置算例下，不考虑风电出力；
表1四种工况的结果对比
Figure BDA0003766171430000171
四种不同工况下工业园区综合能源系统运行结果分析：
(1)工况1增加了传统P2G设备，即通过电解槽EL设备和甲烷反应器将电能转化为天然气加以储存，减少弃风；可以在风电出力富余时段，将多余的电能转化为天然气，输入储气设备进行储存或直接提供气负荷需求；通过消纳多余电能，降低了向上级购能的成本，系统运行成本减少；
(2)工况2中综合能源系统首先将富余的风电输入电解槽EL设备中产生氢能，其中一部分氢能进行存储；大部分氢能输送到热电联产设备HFC中产生电能和热能，且系统优先将生成氢能供给HFC，减少能源多环节转换带来的损耗；剩余部分氢能输送到甲烷反应器MR生成天然气；由于工况2中氢能大部分经由热电联产直接产生电能和热能不会产生CO2，进一步降低了碳排放；而工况1中虽然甲烷反应器MR会消耗部分CO2，但是气负荷在消耗天然气时会又一次产生大量CO2排放；
(3)工况3和工况4未考虑风电渗透，是对将风电引入综合能源系统经济性分析的对比实验组；工况3为综合能源系统中含传统的P2G设备，工况4为引入氢储和氢燃料电池的P2G设备；
由表1可知，工况4的运行总成本相比工况3降低了1436.63元；相比于工况1和工况2，不考虑风电渗透的综合能源系统由于系统未引入风电出力，不存在弃风成本；为了弥补电能和气能缺口及满足负荷需求，因此购电成本和购气成本大幅上升；
工况2的运行总成本最低，相比工况1降低了1859.5元；风电渗透对于含电-热-气-氢多能流耦合的工业园区综合能源系统可以有效降低运行及购能成本；工况2中考虑细化P2G两阶段过程降低碳排放量，同时大大降低系统运行的经济成本。
本发明未详述部分为现有技术，对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明；因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，旨在将落在等同要件的含义和范围内的所有变化囊括在本发明内。

Claims (2)

1.一种电-热-气-氢综合能源系统优化调度方法，其特征是：包含以下步骤：
A1、构建风电出力不确定性模型
风电功率服从正态分布N(μ,δ2)，μ为风电功率不同时刻的期望值，δ为其波动的百分比例；通过拉丁超立方抽样方法，生成R个服从概率分布约束的风电1-24小时全天候出力场景；
设有N个随机变量，其中的累积概率分布函数可以描述为：
FN＝FN(KN)
设采样规模为R：
①将FN的分布曲线分成每个区间范围均为1/R的若干个概率区间；
②在各概率区内随机抽取任意一个数；
则第x个区间的采样点KNx的累积概率PNx为：
PNx＝(1/R)rx+(x-1)/R
式中：rx为区间[0，1]的一个随机数；
③将带入
Figure FDA0003766171420000011
函数，得到对应区间内的采样值KNx：
Figure FDA0003766171420000012
④采样规模为R，通过上述方法重复采样R次，即会产生R个关于KN的采样结果；
⑤生成N×R维的矩阵，随机排序各行后生成R个场景；
利用Kantorovich距离场景削减技术对生成的R个场景进行削减：
记场景数为N，经过场景削减后的场景数为S：
①初始化，每个风电功率预测值场景的概率值为Pi＝1/N，初始缩减场景数为S*＝N；
②计算每个场景(si,sj)的Kantorovich距离Dk(si,sj)
Kantorovich距离为：
Figure FDA0003766171420000021
③选择与场景sk的距离最小的场景sr，并计算Kantorovich距离与场景概率的乘积，可记为：PDk(si,sj)＝Dk(si,sj)·ρr；
④对于每个场景重复步骤③，然后选择PDk(si,sj)最小的场景记为场景d并删除该场景，同时更新减少的场景数S*＝S*-1，则场景r的概率值可以更新为ρr＝ρr+ρd；
⑤重复步骤②-④，直到最终场景数S*＝S；
A2、构建电-热-气-氢综合能源系统设备模型
A2.1构建综合能源系统多能流出力约束
电解槽电解生成氢能功率转换约束：
Figure FDA0003766171420000022
其中，Pe,EL(s,t)为第s种场景下t时段输入电解槽的电能；
Figure FDA0003766171420000023
为第s种场景下t时段电解槽输出的氢能；ηEL为电解槽的能量转换效率；
Figure FDA0003766171420000024
分别为输入电解槽的电能功率上、下限；
Figure FDA0003766171420000025
分别为电解槽功率的爬坡上、下限；
甲烷反应器将氢能转为天然气能功率约束：
Figure FDA0003766171420000026
其中，Pg,MR(s,t)为第s种场景下t时段甲烷反应器输出的天然气功率；
Figure FDA0003766171420000027
为第s种场景下t时段输入甲烷反应器的氢能功率；ηMR为甲烷反应器的能量转换效率；
Figure FDA0003766171420000028
分别为输入甲烷反应器的氢能功率上、下限；
Figure FDA0003766171420000031
分别为甲烷反应器功率爬坡上、下限；
氢燃料电池氢能转化热能电能功率约束：
Figure FDA0003766171420000032
其中，
Figure FDA0003766171420000033
为第s种场景下t时段经由电解槽向燃料电池输入的氢能功率；Pe,HFC(s,t)、Ph,HFC(s,t)分别为第s种场景下t时段氢燃料电池输出的电、热能功率；
Figure FDA0003766171420000034
分别为燃料电池转换为电、热能的效率；
Figure FDA0003766171420000035
Figure FDA0003766171420000036
分别为输入氢燃料电池的氢能功率上、下限；
Figure FDA0003766171420000037
分别为氢燃料电池的氢能功率爬坡上、下限；
Figure FDA0003766171420000038
分别为氢燃料电池的热电比上、下限；
燃气锅炉功率约束：
Figure FDA0003766171420000039
其中，ηGB为燃气锅炉的能量转换效率；Pg,GB(s,t)为第s种场景下t时段输入燃气锅炉的气功率；Ph,GB(s,t)为第s种场景下t时段燃气锅炉输出的热功率；
Figure FDA00037661714200000310
分别为燃气锅炉的输入气功率上、下限；
Figure FDA00037661714200000311
分别为燃气锅炉的气功率爬坡上、下限；
热电联产约束条件：
Figure FDA00037661714200000312
其中，Pg,CHP(s,t)为第s种场景下t时段输入热电联产机组的天然气功率；Pe,CHP(s,t)、Ph,CHP(s,t)分别为第s种场景下t时段热电联产机组输出的电、热能；
Figure FDA0003766171420000041
分别为热电联产机组转换电、热能的效率；
Figure FDA0003766171420000042
分别为输入天然气功率上、下限；
Figure FDA0003766171420000043
分别爬坡上、下限；
Figure FDA0003766171420000044
Figure FDA0003766171420000045
分别为热电联产机组的热电比上、下限；
储能约束条件：
Figure FDA0003766171420000046
其中，SoCn,ES(s,t)为第n种储能装置第s种场景下t时段的容量；
Figure FDA0003766171420000047
为第n种储能装置第s种场景下t时段的充电功率；
Figure FDA0003766171420000048
为第n种储能装置第s种场景下t时段放电功率；
Figure FDA0003766171420000049
分别为第n种储能装置的充、放电效率；
Figure FDA00037661714200000410
为第n种储能装置的单次充、放电最大功率；
Figure FDA00037661714200000411
均为二进制变量，分别为第n种储能装置第s种场景下t时段充、放电状态参数；
Figure FDA00037661714200000412
或
Figure FDA00037661714200000413
均可以表示储能装置正在充电；
Figure FDA00037661714200000414
或
Figure FDA00037661714200000415
都可以表示储能装置正在放电；
Figure FDA00037661714200000416
Figure FDA00037661714200000417
分别为第n种储能装置容量的上、下限；SoCn,ES(s,1)、SoCn,ES(s,T)分别为第n种储能装置第s种场景下起始和终止时刻的电池容量；
A2.2导入常数参数
包括电、热、气负荷24小时功率常数值；风电24小时预测出力功率；购电分时价格参数和购气价格参数；
A2.3导入出力平衡约束条件
包括热电联产机组的电-气能量转换约束，电-热能量转换约束，消耗的气功率上下限约束，热电比上下限，爬坡约束；电解槽的氢-电能量转换约束，消耗电功率的上下限约束，爬坡约束；甲烷反应器的气-氢能量转换约束，消耗的氢功率的上下限约束，爬坡约束；氢燃料电池的电-氢能量转换约束，热-氢能量转换约束，消耗的氢功率上下限约束，热电比上下限，爬坡约束；燃气锅炉热-气能量转换约束，出力上下限约束，燃气锅炉的爬坡约束；风电出力约束；储电设备的最大充放电功率，储热设备的最大充放热功率，储氢设备的最大充放氢功率，储气设备的最大充放气功率；购能功率约束；
A3、构建电-热-气-氢多能流功率平衡约束模型
电功率平衡约束条件：
Figure FDA0003766171420000051
其中，Pe,buy(s,t)为第s种场景下t时段向上级电网购电功率；Pe,Load(s,t)为第s种场景下t时段电负荷；Pe,EL(s,t)为第s种场景下t时段电解槽消耗的电功率；
Figure FDA0003766171420000052
分别为第s种场景下t时段储电设备充、放电功率；PWT(s,t)为第s种场景下t时段风电出力功率；
Figure FDA0003766171420000053
为t时段风电出力预测功率；PWT,cur(s,t)为第s种场景下t时段弃风功率；Pe,CHP(s,t)为第s种场景下t时段热电联产产生的电能功率；Pe,HFC(s,t)为第s种场景下t时段氢燃料电池产生的电能功率；
Figure FDA0003766171420000054
为各时段购电功率上限；
热平衡约束条件：
Figure FDA0003766171420000055
其中，Ph,HFC(s,t)为第s种场景下t时段氢燃料电池产生的热能功率；Ph,CHP(s,t)和Ph,GB(s,t)分别为第s种场景下t时段热电联产机组产生的热功率和燃气锅炉产生的热能功率；Ph,Load(s,t)为第s种场景下t时段热负荷；
Figure FDA0003766171420000061
分别为第s种场景下t时段储热设备充、放热功率；
天然气平衡约束条件：
Figure FDA0003766171420000062
其中，Pg,buy(s,t)为第s种场景下t时段天然气负荷功率；Pg,Load(s,t)第s种场景下t时段气负荷；
Figure FDA0003766171420000063
分别为第s种场景下t时段储气设备充、放气功率；Pg,CHP(s,t)与Pg,GB(s,t)分别为第s种场景下t时段热电联产机组和燃气锅炉消耗的天然气功率；Pg,MR(s,t)为第s种场景下t时段甲烷反应器产生天然气功率；
Figure FDA0003766171420000064
为各时段购气功率上限；
氢平衡约束条件：
Figure FDA0003766171420000065
其中，
Figure FDA0003766171420000066
为第s种场景下t时段电解槽产生的氢气功率；
Figure FDA0003766171420000067
与
Figure FDA0003766171420000068
分别为第s种场景下t时段甲烷反应器和燃料电池消耗的氢气功率；
Figure FDA0003766171420000069
分别为第s种场景下t时段储氢设备充、放氢功率；
A4、构建综合能源系统调度优化模型
考虑综合能源系统的购电成本Ce,buy，购气成本Cg,buy，弃风成本CWT,cur，构建系统运行总成本CTot最小的优化目标函数：
CTot＝min(Ce,buy+Cg,buy+CWT,cur)
购电成本：
Figure FDA00037661714200000610
购气成本：
Figure FDA0003766171420000071
其中，场景s属于场景集合S，t属于场景集合T；ρs表示场景s的概率；Pe,buy(s,t)和Pg,buy(s,t)分别表示在第s种场景下t时段购电量和购气量，第t时段时段的电价和气价用αt,βt表示；
弃风成本：
Figure FDA0003766171420000072
其中，弃风惩罚成本用δcur表示；PWT,cur(s,t)表示第s种场景下t时段弃风功率。
2.如权利要求1所述的电-热-气-氢综合能源系统优化调度方法，其特征是：步骤A1通过拉丁超立方抽样方法，生成1000个服从概率分布约束的风电1-24小时全天候出力场景，利用Kantorovich距离场景削减技术将生成的1000个场景削减为10个。
CN202210886934.4A 2022-07-26 2022-07-26 一种电-热-气-氢综合能源系统优化调度方法 Pending CN115238503A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210886934.4A CN115238503A (zh) 2022-07-26 2022-07-26 一种电-热-气-氢综合能源系统优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210886934.4A CN115238503A (zh) 2022-07-26 2022-07-26 一种电-热-气-氢综合能源系统优化调度方法

Publications (1)

Publication Number Publication Date
CN115238503A true CN115238503A (zh) 2022-10-25

Family

ID=83675843

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210886934.4A Pending CN115238503A (zh) 2022-07-26 2022-07-26 一种电-热-气-氢综合能源系统优化调度方法

Country Status (1)

Country Link
CN (1) CN115238503A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116169682A (zh) * 2023-03-15 2023-05-26 国网湖北省电力有限公司十堰供电公司 一种考虑碳排放流及风光消纳的综合能源系统优化调度策略
CN116247725A (zh) * 2023-02-14 2023-06-09 国网宁夏电力有限公司中卫供电公司 计及分类负荷需求响应的含电转气综合能源系统调度方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116247725A (zh) * 2023-02-14 2023-06-09 国网宁夏电力有限公司中卫供电公司 计及分类负荷需求响应的含电转气综合能源系统调度方法
CN116169682A (zh) * 2023-03-15 2023-05-26 国网湖北省电力有限公司十堰供电公司 一种考虑碳排放流及风光消纳的综合能源系统优化调度策略
CN116169682B (zh) * 2023-03-15 2023-10-24 国网湖北省电力有限公司十堰供电公司 一种考虑碳排放流及风光消纳的综合能源系统优化调度策略

Similar Documents

Publication Publication Date Title
CN110009152B (zh) 一种考虑电转气和不确定性的区域综合能源系统运行鲁棒优化方法
Li et al. Optimal dispatch of low-carbon integrated energy system considering nuclear heating and carbon trading
CN113095791B (zh) 一种综合能源系统运行方法及系统
CN113315242B (zh) 基于氢能经济促进弃风消纳的虚拟弃风-制氢联合体
CN115238503A (zh) 一种电-热-气-氢综合能源系统优化调度方法
CN112701687B (zh) 考虑价格型联合需求响应的气电配网系统鲁棒优化运行方法
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
CN111668878A (zh) 一种可再生微能源网的优化配置方法和系统
CN113378409A (zh) 综合能源系统多能互补优化调度方法及系统
CN114936720A (zh) 一种源-荷-储协调的综合能源系统低碳经济调度方法
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
CN117040000A (zh) 一种耦合碳捕集和电制氢的综合能源系统热电优化方法
CN114836776A (zh) 新能源耦合煤化工多能系统、评估方法及计算机可读存储介质
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
CN116128163B (zh) 考虑绿氢制储及用户满意度的综合能源优化方法及装置
CN116596123A (zh) 一种园区综合能源系统低碳优化调度方法
CN115660142A (zh) 一种园区综合能源系统源荷储协调优化调度方法
CN114676897A (zh) 一种含chp-p2g-氢能的园区综合能源系统优化调度方法
CN114971071A (zh) 计及风光接入和电热混合储能的园区综合能源系统时序规划方法
CN114091917A (zh) 冷热电联供型微电网动态环保经济调度方法及系统
CN114530882A (zh) 一种多分布式能源的供用能协同自治方法及系统
CN114386256A (zh) 一种考虑电热设备灵活性约束及热网特性的区域电热系统优化调度方法
CN112116122A (zh) 一种提升电网灵活性的楼宇热电联产系统运行优化方法
Chen et al. Low-carbon environment-friendly economic optimal scheduling of multi-energy microgrid with integrated demand response considering waste heat utilization

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