CN115271220A - 综合能源系统电热储能容量配置方法及终端 - Google Patents
综合能源系统电热储能容量配置方法及终端 Download PDFInfo
- Publication number
- CN115271220A CN115271220A CN202210928173.4A CN202210928173A CN115271220A CN 115271220 A CN115271220 A CN 115271220A CN 202210928173 A CN202210928173 A CN 202210928173A CN 115271220 A CN115271220 A CN 115271220A
- Authority
- CN
- China
- Prior art keywords
- power
- heat
- energy storage
- energy
- electric
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 166
- 238000005485 electric heating Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000005338 heat storage Methods 0.000 claims abstract description 73
- 230000005611 electricity Effects 0.000 claims abstract description 53
- 239000002245 particle Substances 0.000 claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000010248 power generation Methods 0.000 claims abstract description 12
- 238000012423 maintenance Methods 0.000 claims description 28
- 238000005457 optimization Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 16
- 239000003245 coal Substances 0.000 claims description 12
- 239000000446 fuel Substances 0.000 claims description 9
- 238000009434 installation Methods 0.000 claims description 8
- 238000011084 recovery Methods 0.000 claims description 8
- 238000010438 heat treatment Methods 0.000 claims description 6
- 150000001875 compounds Chemical class 0.000 claims description 4
- 230000017525 heat dissipation Effects 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 4
- 238000010977 unit operation Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 3
- 238000009825 accumulation Methods 0.000 claims description 2
- 238000007599 discharging Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
- H02J15/00—Systems for storing electric 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Computational Mathematics (AREA)
- Molecular Biology (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Primary Health Care (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
Abstract
本发明涉及新能源技术领域,尤其涉及一种综合能源系统电热储能容量配置方法及终端,本发明方法首先获取多个目标模型;然后,基于所述综合能源系统的架构,建立以最小消耗为目标的目标函数;接着,根据所述多个目标模型,建立表征所述综合能源系统功率平衡运行状态的约束;最后,根据改进粒子群算法对所述约束进行求解,确定与所述电源集线器、热源集线器连接的设备的容量。本发明方法可以提升系统整体的运行稳定性与经济性,在风电出力高峰期且电负荷需求较小时,能够减少弃风现象的发生,此时通过热电联产机组降低发电功率,同时电锅炉增大用电量,蓄热罐将电锅炉多产生的热量存储起来,共同促进风电消纳。电储能方面,在用电负荷较少的时段,电储能可以通过充电存储冗余风电,在用电高峰期释放电能,缓解供电压力。
Description
技术领域
本发明涉及新能源技术领域,尤其涉及一种综合能源系统电热储能容量配置方法及终端。
背景技术
中高纬度地区冬季供暖期,热电联产机组通过以热定电的运行模式来满足供热需求,而在夜间负荷低谷期时风电的出力很难与需求侧相匹配,导致弃风现象严重。
为了尽可能消纳弃风功率,储热常常使用跟踪弃风运行方式。加入储能的系统,有望减小系统的燃料消耗量,但储能自身的建设会导致系统整体建设工程量大增。随着储能设备容量的增大,储能调节系统供能的能力更强,但与此同时储能带来的后期维护、建设更大。因此,合适的储能容量选择对于系统的规划至关重要。
基于此,需要开发设计出一种综合能源系统电热储能容量配置方法。
发明内容
本发明实施方式提供了一种综合能源系统电热储能容量配置方法及终端,用于缓解现有技术中建设工程量与消纳弃风之间矛盾的问题。
第一方面,本发明实施方式提供了一种综合能源系统,包括:
电源集线器、产热装置、热源集线器、储电装置以及蓄热装置;
所述产热装置的第一端以及所述储电装置与所述电源集线器连接,所述产热装置的第二端以及所述蓄热装置与热源集线器连接;
所述产热装置通过所述电源集线器获取电能,并将产生的热能传送到热源集线器;所述蓄热装置储存来自所述热源集线器的热能或向所述热源集线器释放热能;
所述储电装置储存所述电源集线器的电能或向所述电源集线器释放电能;
所述电源集线器在接入电网和/或分布式电源时,接受电网和/或分布式电源的输入。
在一种可能实现的方式中,所述的综合能源系统还包括:风机以及控制装置,所述电源集线器与所述风机电连接;
所述控制装置根据所述风机发电功率以及所述热电联产设备的运行状态,输出指示所述产热装置产生的热能的信号。
第二方面,本发明实施方式提供了一种综合能源系统电热储能容量配置方法,应用于如第一方面所述的综合能源系统,包括:
获取多个目标模型,其中,目标模型表征与所述热源集线器连接的设备的物理模型以及与所述电源集线器连接的设备的物理模型;
基于所述综合能源系统的架构,建立以最小消耗为目标的目标函数;
根据所述多个目标模型,建立表征所述综合能源系统平衡运行状态的约束;
根据粒子群算法对所述约束进行求解,确定与所述热源集线器连接的设备的容量以及与所述电源集线器连接的设备的容量。
在一种可能实现的方式中,所述与所述热源集线器连接的设备以及与所述电源集线器连接的设备包括:蓄热罐以及储能电池;
所述蓄热罐的物理模型为:
式中,QHS(t)表示t时刻蓄热罐的蓄热量;μloss表示蓄热罐散热损失率;QHS(t0)表示初始t0时刻蓄热罐的蓄热量;表示t0至t时刻之间蓄热罐的蓄热量;表示蓄热罐的充热效率;表示t0至t时刻之间蓄热罐的放热量;表示蓄热罐的放热效率;
当所述储能电池的充电功率由所述风机的输出功率和负荷值的差值决定时,所述储能电池的物理模型为:
Eb(t+1)=Eb(t)+Pb(t)
式中,Pb(t)为第t时段储能设备的充电功率;Pg(t)为第t时段微电源的输出功率;Pl(t)为第t时段的负荷;Pdch-max为储能设备的最大放电功率;Pch-max为储能设备的最大充电功率;Eb(t)为第t时段储能设备储存能量;Emin为储能设备的最小容量;Emax为储能设备的最大容量。
在一种可能实现的方式中,所述目标函数为:
Cmin=(CCHP+CES+CHS+Cwind+CPN)min
式中,Cmin为综合能源系统年消耗,CCHP为热电联产机组成本,CES为电储能年费用,CHS为热储能年费用,Cwind为弃风惩罚成本,CPN为电网购电成本。
在一种可能实现的方式中,所述热电联产机组成本包括热电联产机组燃料成本及运维成本,所述燃料成本为:
运维成本为:
式中,CCHP,i表示CHP机组单位运维成本,PCHP,i,t为CHP机组出力功率;
弃风惩罚成本为:
式中,cwind为单位弃风惩罚成本,Pwind,t为t时刻风电机组的弃风量,等于风电预测出力减去风电实际出力;
电网购电成本为:
式中,Cbuy与Csell分别表示购电电价与售电电价,PPN,t表示t时刻系统与大电网的交互功率;
电储能年费用为:
式中,为电热储能设备的单位电容量安装成本,EES为电热储能设备的电容量,RES为电热储能设备的电投资回收系数,rES为电热储能设备的电贴现率,NES为电热储能设备的电使用寿命,COM为电储能的年运维费用;
热储能年费用为:
为热储能设备投资等年值,为电热储能设备的单位热容量安装成本,EHS为电热储能设备的热容量,RHS为电热储能设备的热投资回收系数,rHS为电热储能设备的热贴现率;NHS为设备的热使用寿命;Com分别为热储能的年运维费用,λ和γ分别为电热储能运维费用比例系数。
在一种可能实现的方式中,所述约束包括:功率平衡约束以及设备约束;
所述功率平衡约束为:
式中,PCHP,t、Pwind,t、PES,t、PPN,t、Pload、PEB,t依次为t时刻下的热电联产电出力功率、风机出力、储能充放电功率、外部网络交换功率、电负荷功率以及电锅炉耗电功率;
所述设备约束包括风电机组出力约束、CHP机组出力约束、电锅炉出力约束以及电热储能约束。
在一种可能实现的方式中,所述根据粒子群算法对所述约束进行求解,确定与所述热源集线器连接的设备的容量以及与所述电源集线器连接的设备的容量,包括:
计算发电/热功率以及电热负荷;
检验电热功率平衡是否成立;
若所述电热功率平衡成立,则构建优化模型目标函数和约束条件;
基于所述优化模型目标函数和约束条件,使用粒子群算法求解容量配置。
第三方面,本发明实施方式提供了一种终端,包括存储器以及处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上第二方面或第二方面的任一种可能的实现方式所述方法的步骤。
第四方面,本发明实施方式提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上第二方面或第二方面的任一种可能的实现方式所述方法的步骤。
本发明实施方式与现有技术相比存在的有益效果是:
本发明实施方式公开了的一种综合能源系统电热储能容量配置方法,其首先获取多个目标模型,其中,目标模型表征与所述热源集线器连接的设备以及与所述电源集线器连接的设备的物理模型;然后,基于所述综合能源系统的架构,建立以最小消耗为目标的目标函数;接着,根据所述多个目标模型,建立表征所述综合能源系统平衡运行状态的约束;最后,根据粒子群算法对所述约束进行求解,确定与所述热源集线器连接的设备以及与所述电源集线器连接的设备的容量。本发明方法在电负荷需求较小时,为了尽可能消纳风电出力,减少弃风现象的发生,此时通过热电联产机组降低发电功率,同时电锅炉增大用电量,蓄热罐将电锅炉多产生的热量存储起来,共同促进风电消纳。与之相反,当没有弃风现象时,此时热电联产机组正常供电,蓄热罐释放热能给热负荷使用,电锅炉减少用电;电储能方面,在用电负荷较少的时段,电储能可以通过充电存储冗余风电,在用电高峰期释放电能,缓解供电压力。由此可以看出,电热储能设备可以有效地对设备出力及电热负荷曲线进行削峰填谷,使设备运行和电热负荷更加稳定,提高了系统的运行稳定性和经济性。
附图说明
为了更清楚地说明本发明实施方式中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施方式提供的综合能源系统功能框图;
图2是本发明实施方式提供的综合能源系统电热储能容量配置方法流程图;
图3是本发明实施方式提供的抽气式机组电热特性曲线图;
图4是本发明实施方式提供的基于改进粒子群优化算法的容量优化流程图;
图5是本发明实施方式提供的夏季典型日的电热负荷曲线以及风电出力预测曲线图;
图6是本发明实施方式提供的冬季典型日的电热负荷曲线以及风电出力预测曲线图。
图7是本发明实施方式提供的不同场景下CHP出力曲线图;
图8是本发明实施方式提供的终端功能框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施方式。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施方式中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图通过具体实施方式来进行说明。
下面对本发明的实施例作详细说明,本实例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
图1为本发明实施方式提供的综合能源系统的功能框图。
如图1所示,其示出了本发明实施方式提供的综合能源系统功能框图,详述如下:
一种综合能源系统,包括:
电源集线器、产热装置、热源集线器、储电装置以及蓄热装置;
所述产热装置的第一端以及所述储电装置与所述电源集线器连接,所述产热装置的第二端以及所述蓄热装置与热源集线器连接;
所述产热装置通过所述电源集线器获取电能,并将产生的热能传送到热源集线器;所述蓄热装置储存来自所述热源集线器的热能或向所述热源集线器释放热能;
所述储电装置储存所述电源集线器的电能或向所述电源集线器释放电能;
所述电源集线器在接入电网和/或分布式电源时,接受电网和/或分布式电源的输入。
在一些实施方式中,所述的综合能源系统还包括:风机以及控制装置,所述电源集线器与所述风机电连接;
所述控制装置根据所述风机发电功率以及所述热电联产设备的运行状态,输出指示所述产热装置产生的热能的信号。
示例性地,如图1所示,一种综合能源系统,包括有电源集线器其接受来自风机输入的电能(以下无特殊说明之处,风机指风力发电机),电网输入的电能和CHP(热电联产,combined heat and power)输入的电能。
CHP还输出热能到热源集线器,由于CHP的特性,当用热较多时,会带动发电量增多,与此同时,风机发电的电量如果较多时,可能会存在弃风的情况。
因此在电源集线器上还连接有电产热装置,如热泵、电锅炉,还连接有用于储存电能的装置,储能电池,在产热装置的输出端,其输出的热量输入到热源集线器,最终被蓄热罐储存或被用户消耗。
为了给储能系统在电网中能够合理配置容量提供理论分析与实践指导,本发明以存在新能源消纳问题的某地区某电热综合能源系统为例进行仿真计算,以总成本最低为即投资成本、弃风惩罚成本、运维成本等最低为目标,建立考虑功率平衡和设备出力等约束条件的综合能源系统容量配置优化模型,采用改进粒子群优化算法对模型进行求解,得到最优容量配置,并通过实例对本发明提供方法进行验证。
在电热综合能源系统建模中引入风电机组,通过各能源的紧密耦合,实现多种能源的综合管理和互补,满足用户对电、热等能源的需求。
如图2所示,第二方面,本发明实施方式提供了一种综合能源系统电热储能容量配置方法,应用于如第一方面所述的综合能源系统,包括:
步骤201,获取多个目标模型,其中,目标模型表征与所述热源集线器连接的设备以及与所述电源集线器连接的设备的物理模型。
在一种可能实现的方式中,所述与所述热源集线器连接的设备以及与所述电源集线器连接的设备包括:蓄热罐以及储能电池;
所述蓄热罐的物理模型为:
式中,QHS(t)表示t时刻蓄热罐的蓄热量;μloss表示蓄热罐散热损失率;QHS(t0)表示初始t0时刻蓄热罐的蓄热量;表示t0至t时刻之间蓄热罐的蓄热量;表示蓄热罐的充热效率;表示t0至t时刻之间蓄热罐的放热量;表示蓄热罐的放热效率;
当所述储能电池的充电功率由所述风机的输出功率和负荷值的差值决定时,所述储能电池的物理模型为:
Eb(t+1)=Eb(t)+Pb(t)
式中,Pb(t)为第t时段储能设备的充电功率;Pg(t)为第t时段微电源的输出功率;Pl(t)为第t时段的负荷;Pdch-max为储能设备的最大放电功率;Pch-max为储能设备的最大充电功率;Eb(t)为第t时段储能设备储存能量;Emin为储能设备的最小容量;Emax为储能设备的最大容量。
示例性地,储能设备可以将能量转移至其他时段释放,短时间尺度上平抑可再生能源波动,长时间尺度上实现削峰填谷。下面对关键设备进行建模分析:
(1)蓄热罐
在实际的终端能源供应系统中,热能总存在供需不平衡的情况。此时可釆用蓄热罐来对多余的热能进行存储,并在适当时候进行释放。蓄热罐的使用有利于平抑新能源出力波动,在热电协同中具有不可替代的位置。蓄热罐的典型物理模型可以表示为:
所述蓄热罐的物理模型为:
式中,QHS(t)表示t时刻蓄热罐的蓄热量;μloss表示蓄热罐散热损失率;QHS(t0)表示初始t0时刻蓄热罐的蓄热量;表示t0至t时刻之间蓄热罐的蓄热量;表示蓄热罐的充热效率;表示t0至t时刻之间蓄热罐的放热量;表示蓄热罐的放热效率。
(2)热电联产机组模型
抽汽式机组的电热特性曲线如图3所示。区域ABDC构成CHP的运行区间,AB为纯凝工况时,CHP机组的发电出力区间,cv为在进汽量不变时,每输出单位热出力所减少的发电出力量;CD为机组工作在背压状态时的运行特性,其斜率为cm,是在进汽量一定的情况下,此时的热出力最大,电出力最小;分别为纯凝工况时机组的最大、最小电出力,Hi,max对应机组最大热出力值,Pc,j为常数。
0≤Hi,t≤Hi,max
当供热功率一定时,CHP机组的电出力在一定范围的是可调节的,其运行范围见上式;当存在弃风现象时,为了最大程度地消纳风电,CHP机组的电出力应为最小,此时运行在BD、DC段。
(3)储能电池
储能充放电状态受其充放电功率和其储能容量限制,假设当储能设备的充电功率由微电源的输出功率和负荷值的差值决定:
Pb(t)=Pg(t)-Pl(t)
当计及储能设备运行特性的限制,储能电池的物理模型为:
Eb(t+1)=Eb(t)+Pb(t)
式中,Pb(t)为第t时段储能设备的充电功率;Pg(t)为第t时段微电源的输出功率;Pl(t)为第t时段的负荷;Pdc-max为储能设备的最大放电功率;Pc-max为储能设备的最大充电功率;Eb(t)为第t时段储能设备储存能量;Emin为储能设备的最小容量;Emax为储能设备的最大容量。
步骤202,基于所述综合能源系统的架构,建立以最小消耗为目标的目标函数。
在一些实施方式中,所述目标函数为:
Cmin=(CCHP+CES+CHS+Cwind+CpN)min
式中,Cmin为综合能源系统年消耗,CCHP为热电联产机组成本,CES为电储能年费用,CHS为热储能年费用,Cwind为弃风惩罚成本,CPN为电网购电成本。
在一些实施方式中,所述热电联产机组成本包括热电联产机组燃料成本及运维成本,所述燃料成本为:
运维成本为:
式中,CCHP,i表示CHP机组单位运维成本,PCHP,i,t为CHP机组出力功率;
弃风惩罚成本为:
式中,cwind为单位弃风惩罚成本,Pwind,t为t时刻风电机组的弃风量,等于风电预测出力减去风电实际出力;
电网购电成本为:
式中,Cbuy与Csell分别表示购电电价与售电电价,PPN,t表示t时刻系统与大电网的交互功率;
电储能年费用为:
式中,为电热储能设备的单位电容量安装成本,EES为电热储能设备的电容量,RES为电热储能设备的电投资回收系数,rES为电热储能设备的电贴现率,NES为电热储能设备的电使用寿命,COM为电储能的年运维费用;
热储能年费用为:
为热储能设备投资等年值,为电热储能设备的单位热容量安装成本,EHS为电热储能设备的热容量,RHS为电热储能设备的热投资回收系数,rHS为电热储能设备的热贴现率;NHS为设备的热使用寿命;Com分别为热储能的年运维费用,λ和γ分别为电热储能运维费用比例系数。
示例性地,对综合能源系统储能容量进行优化配置,以综合能源系统年总费用最小为目标函数。优化目标函数包含热电联产机组燃料成本和运维成本,电热储能投资费用和运维成本,弃风惩罚成本以及电网购电成本。
Cmin=(CCHP+CES+CHS+Cwind+CpN)min
式中,Cmin为综合能源系统年消耗,CCHP为热电联产机组成本,CES为电储能年费用,CHS为热储能年费用,Cwind为弃风惩罚成本,CPN为电网购电成本。
1)燃料成本为:
2)运维成本为:
式中,CCHP,i表示CHP机组单位运维成本,PCHP,i,t为CHP机组出力功率;
3)弃风惩罚成本为:
式中,cwind为单位弃风惩罚成本,Pwind,t为t时刻风电机组的弃风量,等于风电预测出力减去风电实际出力;
电网购电成本为:
式中,Cbuy与Csell分别表示购电电价与售电电价,PPN,t表示t时刻系统与大电网的交互功率;
4)电储能年费用为:
式中,为电热储能设备的单位电容量安装成本,EES为电热储能设备的电容量,RES为电热储能设备的电投资回收系数,rES为电热储能设备的电贴现率,NES为电热储能设备的电使用寿命,COM为电储能的年运维费用;
5)热储能年费用为:
为热储能设备投资等年值,为电热储能设备的单位热容量安装成本,EHS为电热储能设备的热容量,RHS为电热储能设备的热投资回收系数,rHS为电热储能设备的热贴现率;NHS为设备的热使用寿命;Com分别为热储能的年运维费用,λ和γ分别为电热储能运维费用比例系数。
步骤203,根据所述多个目标模型,建立表征所述综合能源系统平衡运行状态的约束。
在一些实施方式中,所述约束包括:功率平衡约束以及设备约束;
所述功率平衡约束为:
式中,PCHP,t、Pwind,t、PES,t、PPN,t、Plosd、PEB,t依次为t时刻下的热电联产电出力功率、风机出力、储能充放电功率、外部网络交换功率、电负荷功率以及电锅炉耗电功率;
所述设备约束包括风电机组出力约束、CHP机组出力约束、电锅炉出力约束以及电热储能约束。
示例性地,1)功率平衡约束
在任意时刻,各类电源设备的出力总和应与电负荷需求相等,即
述功率平衡约束为:
式中,PCHP,t、Pwind,t、PES,t、PPN,t、Pload、PEB,t依次为t时刻下的热电联产电出力功率、风机出力、储能充放电功率、外部网络交换功率、电负荷功率以及电锅炉耗电功率;
所述设备约束包括风电机组出力约束、CHP机组出力约束、电锅炉出力约束以及电热储能约束。
2)设备约束
设备约束包括风电机组出力约束,CHP机组出力约束,电锅炉、热泵出力约束以及电热储能约束。
Emaxmin
-HHS,N≤HHS,t≤HHS,N
-QHS,N≤QHS,t≤QHS,N
式中,Pwt,t为t时刻风电机组实际出力,为t时刻风电预测出力;CHP机组的电出力Pi,t约束、热出力Hi,t约束见见式前述曲线图;PEB,min、PEB,max分别为电锅炉最小、最大出力;QHP,t为t时刻热泵出力,QHP,min、QHP,max为热泵最小、最大出力;Emin和Emax为储能设备最小、最大安装容量,电储能充放电约束见储能电池的物理模型;QHS,T和QHS,0分别为储热装置运行状态前后值,SHS,t为t时段的蓄热状态,QHS-in,t、QHS-out,t为时段t内的吸放热功率,和为t时段的吸放热效率,SHS,nom为储热装置最大储热状态。PPN,min、PPN,max分别代表该系统与外界电网交换功率的下限和上限。
步骤104,根据粒子群算法对所述约束进行求解,确定与所述热源集线器连接的设备以及与所述电源集线器连接的设备的容量。
在一些实施方式中,步骤104包括:
计算发电/热功率以及电热负荷;
检验电热功率平衡是否成立;
若所述电热功率平衡成立,则构建优化模型目标函数和约束条件;
基于所述优化模型目标函数和约束条件,使用粒子群算法求解容量配置。
示例性地,
(1)粒子群优化算法(Particle Swarm Optimization,PSO))原理
N为粒子群规模,Xi=[xi1,,xi2,…xir]是粒子位置向量在R维度空间的表示,Vi=[vi1,vi2,…vir]为粒子i的速度。Pi是粒子i的个体极值,Pg是粒子群的全局极值,每个粒子更新的速度和位置见下式。
vt+1=ωvt+c1r1(Pt-xt)+c2r2(Gt-xt)
xi,t+1=xi,t+vi,t+1
其中:t为当前迭代代数,ω为惯性权重,c1、c2为加速因子;r1、r2为0~1之间的随机数。
粒子群优化算法流程:
①对算法进行初始化。设置对应参数。
②选择适应度函数。初始化pbset和gbset。
③更新Vi和Xi,对各个粒子进行公式处理。
④更新Pi,比较前后粒子的pbset和Pi,选择其中的更优值,pbset为之前记录的该粒子最优解。
⑤更新Pg,比较前后粒子的gbset和Pg,选择其中的更优值,gbset为之前记录的全局最优解。
⑥停止准则。若达到最大迭代次数或满足精度要求则终止计算,否则返回第3步继续进行计算。
⑦输出最优结果。
(2)改进粒子群优化算法
传统的粒子群优化算法容易陷入局部最优解,有时难以得到精确的最优解,存在搜索精度差,搜索效率不高的缺点。
在PSO中,ω为惯性权重系数,其取值对粒子群算法的寻优能力有着较大影响。
ω可以改变粒子群的速度,取值较大时对全局搜索有帮助,取值较小时对局部搜索有帮助。
为了平衡算法的寻优搜索能力,可以根据迭代次数改变ω的取值,以提高优化效果。
通过研究,利用变惯性权重算法更新粒子速度可以改善以上不足。通过下式表示:
vt+1=ωtvt+c1r1(Pt-xt)+c2r2(Gt-xt)
其中,ωt表示粒子速度袭承量。通过下式来平衡寻优搜索能力,随着迭代的推移,ωt的值由大变小,粒子群优化算法也由全局收敛能力强逐渐转变为局部收敛能力强。
式中,ωmax和ωmin表示惯性权重的最大值和最小值,tmax是最大迭代次数,t是当前迭代次数。
图4为基于改进的粒子群优化算法容量配置优化流程图。
表1综合能源系统各类相关设备参数
风电装机容量 | 350kW |
CHP装机容量 | 1.1MW |
CHP运维成本 | 0.03元/kW |
弃风惩罚成本 | 0.55元/kW |
购电成本 | 0.6元/kWh |
售电成本 | 0.25元/kWh |
电储能单位容量成本 | 1200元/kWh |
热储能单位容量成本 | 300元/kWh |
电锅炉最大出力 | 210kW |
电储能充放电效率 | 0.9 |
热储能充放电效率 | 0.85 |
电、热储能设备寿命 | 10年 |
为了验证本发明方法的有效性,选取某地区某综合能源系统作为研究对象来进行算例分析。通过前期收集数据得到该综合能源系统各类设备数据参数如表1所示,同时得到如图5所示的夏季典型日的电热负荷曲线以及风电出力预测曲线,如图6所示的冬季典型日的电热负荷曲线以及风电出力预测曲线。
在夏季和冬季典型日负荷数据的基础上,考虑年总费用最小为目标函数,考虑功率平衡及设备约束进行储能容量优化配置,通过改进粒子群优化算法进行求解,选取冬季典型日为研究对象,通过四种不同场景进行对比分析,验证电热储能规划配置的经济性与合理性。
场景一:该综合能源系统规划场景不含电、热储能设备。
场景二:有电储能设备,无热储能设备;
场景三:有热储能设备,无电储能设备;
场景四:同时配备电、热储能设备。
表2不同场景下储能最优容量配置结果
表2为4种不同场景下计算出来的储能的最优容量配置结果。从表中可以看出,相较于单一储能方式的场景2和场景3,同时考虑电、热储能设备的场景4,年总费用比场景2降低19.95万元,比场景3降低了6.03万元,同时风电消纳比例也是四种场景下最高的。场景2的年总费用比场景3低,但场景3的风电消纳比例更高。通过配置结果可以看出,电热储能联合运行相比于单一储能可在提高风电消纳比例的同时,年总成本最低,经济性最优。
图7示出了不同场景下CHP出力曲线图,由图7可以看出,在四种不同场景下,考虑配置电热储能的场景4相较于其他场景,CHP出力更加稳定。在热储能方面,在风电出力高峰期,电负荷需求较小时,为了尽可能消纳风电出力,减少弃风现象的发生,此时通过热电联产机组降低发电功率,同时电锅炉增大用电量,蓄热罐将电锅炉多产生的热量存储起来,共同促进风电消纳。与之相反,当没有弃风现象时,此时热电联产机组正常供电,蓄热罐释放热能给热负荷使用,电锅炉减少用电;电储能方面,在用电负荷较少的时段,电储能可以通过充电存储冗余风电,在用电高峰期释放电能,缓解供电压力。由此可以看出,电热储能设备可以有效地对设备出力及电热负荷曲线进行削峰填谷,使设备运行和电热负荷更加稳定,提高了系统的运行稳定性和经济性。
本发明综合能源系统电热储能容量配置方法实施方式,其首先获取多个目标模型,其中,目标模型表征与所述热源集线器连接的设备以及与所述电源集线器连接的设备的物理模型;然后,基于所述综合能源系统的架构,建立以最小消耗为目标的目标函数;接着,根据所述多个目标模型,建立表征所述综合能源系统平衡运行状态的约束;最后,根据粒子群算法对所述约束进行求解,确定与所述热源集线器连接的设备的容量。本发明方法在电负荷需求较小时,为了尽可能消纳风电出力,减少弃风现象的发生,此时通过热电联产机组降低发电功率,同时电锅炉增大用电量,蓄热罐将电锅炉多产生的热量存储起来,共同促进风电消纳。与之相反,当没有弃风现象时,此时热电联产机组正常供电,蓄热罐释放热能给热负荷使用,电锅炉减少用电;电储能方面,在用电负荷较少的时段,电储能可以通过充电存储冗余风电,在用电高峰期释放电能,缓解供电压力。由此可以看出,电热储能设备可以有效地对设备出力及电热负荷曲线进行削峰填谷,使设备运行和电热负荷更加稳定,提高了系统的运行稳定性和经济性。
应理解,上述实施方式中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施方式的实施过程构成任何限定。
以下为本发明的装置实施方式,对于其中未详尽描述的细节,可以参考上述对应的方法实施方式。
图8是本发明实施方式提供的终端的功能框图。如图8所示,该实施方式的终端8包括:处理器800和存储器801,所述存储器801中存储有可在所述处理器800上运行的计算机程序802。所述处理器800执行所述计算机程序802时实现上述各个综合能源系统电热储能容量配置方法及实施方式中的步骤,例如图2所示的步骤201至步骤204。
示例性的,所述计算机程序802可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器801中,并由所述处理器800执行,以完成本发明。
所述终端8可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端8可包括,但不仅限于,处理器800、存储器801。本领域技术人员可以理解,图8仅仅是终端8的示例,并不构成对终端8的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器800可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器801可以是所述终端8的内部存储单元,例如终端8的硬盘或内存。所述存储器801也可以是所述终端8的外部存储设备,例如所述终端8上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器801还可以既包括所述终端8的内部存储单元也包括外部存储设备。所述存储器801用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器801还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施方式中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施方式中的对应过程,在此不再赘述。
在上述实施方式中,对各个实施方式的描述都各有侧重,某个实施方式中没有详述或记载的部分,可以参见其它实施方式的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施方式描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施方式中,应该理解到,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端实施方式仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本发明各个实施方式中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施方式方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施方式的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。
以上所述实施方式仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施方式对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施方式技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种综合能源系统,其特征在于,包括:
电源集线器、产热装置、热源集线器、储电装置以及蓄热装置;
所述产热装置的第一端以及所述储电装置与所述电源集线器连接,所述产热装置的第二端以及所述蓄热装置与热源集线器连接;
所述产热装置通过所述电源集线器获取电能,并将产生的热能传送到热源集线器;所述蓄热装置储存来自所述热源集线器的热能或向所述热源集线器释放热能;所述储电装置储存所述电源集线器的电能或向所述电源集线器释放电能;
所述电源集线器在接入电网和/或分布式电源时,接受电网和/或分布式电源的输入。
2.根据权利要求1所述的综合能源系统,其特征在于,所述的综合能源系统还包括:风机以及控制装置,所述电源集线器与所述风机电连接;
所述控制装置根据所述风机发电功率以及所述热电联产设备的运行状态,输出指示所述产热装置产生的热能的信号。
3.一种综合能源系统电热储能容量配置方法,其特征在于,应用于如权利要求1-2任一项所述的综合能源系统,所述综合能源系统电热储能容量配置方法包括:
获取多个目标模型,其中,目标模型表征与所述电源集线器连接的设备的物理模型以及与所述热源集线器连接的设备的物理模型;
基于所述综合能源系统的架构,建立以最小消耗为目标的目标函数;
根据所述多个目标模型,建立表征所述综合能源系统平衡运行状态的约束;
根据粒子群算法对所述约束进行求解,确定与所述热源集线器连接的设备的容量以及与所述电源集线器连接的设备的容量。
4.根据权利要求3所述的综合能源系统电热储能容量配置方法,其特征在于,所述与所述热源集线器连接的设备以及与所述电源集线器连接的设备包括:蓄热罐以及储能电池;
所述蓄热罐的物理模型为:
式中,QHS(t)表示t时刻蓄热罐的蓄热量;μloss表示蓄热罐散热损失率;QHS(t0)表示初始t0时刻蓄热罐的蓄热量;表示t0至t时刻之间蓄热罐的蓄热量;表示蓄热罐的充热效率;表示t0至t时刻之间蓄热罐的放热量;表示蓄热罐的放热效率;
当所述储能电池的充电功率由所述风机的输出功率和负荷值的差值决定时,所述储能电池的物理模型为:
Eb(t+1)=Eb(t)+Pb(t)
式中,Pb(t)为第t时段储能设备的充电功率;Pg(t)为第t时段微电源的输出功率;Pl(t)为第t时段的负荷;Pdch-max为储能设备的最大放电功率;Pch-max为储能设备的最大充电功率;Eb(t)为第t时段储能设备储存能量;Emin为储能设备的最小容量;Emax为储能设备的最大容量。
5.根据权利要求3所述的综合能源系统电热储能容量配置方法,其特征在于,所述目标函数为:
Cmin=(CCHP+CES+CHS+Cwind+CPN)min
式中,Cmin为综合能源系统年消耗,CCHP为热电联产机组成本,CES为电储能年费用,CHS为热储能年费用,Cwind为弃风惩罚成本,CPN为电网购电成本。
6.根据权利要求5所述的综合能源系统电热储能容量配置方法,其特征在于,所述热电联产机组成本包括热电联产机组燃料成本及运维成本,所述燃料成本为:
运维成本为:
式中,CCHP,i表示CHP机组单位运维成本,PCHP,i,t为CHP机组出力功率;
弃风惩罚成本为:
式中,cwind为单位弃风惩罚成本,Pwind,t为t时刻风电机组的弃风量,等于风电预测出力减去风电实际出力;
电网购电成本为:
式中,Cbuy与Csell分别表示购电电价与售电电价,PPN,t表示t时刻系统与大电网的交互功率;
电储能年费用为:
式中,为电热储能设备的单位电容量安装成本,EES为电热储能设备的电容量,RES为电热储能设备的电投资回收系数,rES为电热储能设备的电贴现率,NES为电热储能设备的电使用寿命,COM为电储能的年运维费用;
热储能年费用为:
8.根据权利要求3-7任一项所述的综合能源系统电热储能容量配置方法,其特征在于,所述根据粒子群算法对所述约束进行求解,确定与所述热源集线器连接的设备的容量以及与所述电源集线器连接的设备的容量,包括:
计算发电/热功率以及电热负荷;
检验电热功率平衡是否成立;
若所述电热功率平衡成立,则构建优化模型目标函数和约束条件;
基于所述优化模型目标函数和约束条件,使用粒子群算法求解容量配置。
9.一种终端,包括存储器和处理器,所述存储器中存储有可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上的权利要求3至8中任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上的权利要求3至8中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210928173.4A CN115271220A (zh) | 2022-08-03 | 2022-08-03 | 综合能源系统电热储能容量配置方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210928173.4A CN115271220A (zh) | 2022-08-03 | 2022-08-03 | 综合能源系统电热储能容量配置方法及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115271220A true CN115271220A (zh) | 2022-11-01 |
Family
ID=83748632
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210928173.4A Pending CN115271220A (zh) | 2022-08-03 | 2022-08-03 | 综合能源系统电热储能容量配置方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115271220A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116599090A (zh) * | 2023-07-18 | 2023-08-15 | 北京中电普华信息技术有限公司 | 基于储能资源的功率调节方法、装置和计算机可读介质 |
-
2022
- 2022-08-03 CN CN202210928173.4A patent/CN115271220A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116599090A (zh) * | 2023-07-18 | 2023-08-15 | 北京中电普华信息技术有限公司 | 基于储能资源的功率调节方法、装置和计算机可读介质 |
CN116599090B (zh) * | 2023-07-18 | 2023-09-19 | 北京中电普华信息技术有限公司 | 基于储能资源的功率调节方法、装置和计算机可读介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109165788B (zh) | 一种冷热电联供系统的优化方法 | |
Zhou et al. | Integrated power and heat dispatch considering available reserve of combined heat and power units | |
CN110620402B (zh) | 电-气混联系统分布式规划运行联合优化方法及系统 | |
CN103217900B (zh) | 基于实时电价的中压微网混沌pso最优潮流实现方法 | |
CN109615141B (zh) | 一种多能源系统并网优化调度方法及装置 | |
CN110429653B (zh) | 考虑储能和dr的农网分布式光伏消纳方法及终端设备 | |
CN105305419A (zh) | 一种含有压缩空气储能的独立微网容量优化配置方法 | |
CN109861302B (zh) | 一种基于主从博弈的能源互联网日前优化控制方法 | |
CN112966883B (zh) | 综合能源系统运行优化方法及终端设备 | |
CN113592133A (zh) | 一种能量枢纽优化配置方法及系统 | |
CN112966869A (zh) | 一种园区综合能源系统优化调度方法和系统 | |
CN115271220A (zh) | 综合能源系统电热储能容量配置方法及终端 | |
CN111523204A (zh) | 一种并网型综合能源网电-气储能系统优化配置求解方法 | |
Thang | Optimal sizing of distributed energy resources and battery energy storage system in planning of islanded micro-grids based on life cycle cost | |
CN113011655B (zh) | 一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法 | |
CN116957362A (zh) | 一种区域综合能源系统的多目标规划方法及系统 | |
CN113268698A (zh) | 综合能源系统新能源消纳能力优化方法、装置及终端设备 | |
CN112260274A (zh) | 一种基于全景理论的虚拟电厂组建方法 | |
CN117391718A (zh) | 一种基于动态减排因子的绿电-ccer互认交易系统 | |
CN114912546A (zh) | 一种能源数据的聚合方法及装置 | |
CN115764936A (zh) | 电网储能配置的优化方法、装置、设备及存储介质 | |
CN115049250A (zh) | 面向供需不确定性综合能源系统多目标规划方法及系统 | |
CN114662938A (zh) | 综合能源系统的能效评价方法、装置、终端及存储介质 | |
CN109799708B (zh) | 一种基于最大内嵌正方体的虚拟电厂灵活性聚合方法 | |
CN113239606A (zh) | 综合能源系统优化调度方法、装置及终端设备 |
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 |