CN115936390A - 基于动态碳排放因子的综合能源系统低碳需求响应方法 - Google Patents
基于动态碳排放因子的综合能源系统低碳需求响应方法 Download PDFInfo
- Publication number
- CN115936390A CN115936390A CN202211675771.1A CN202211675771A CN115936390A CN 115936390 A CN115936390 A CN 115936390A CN 202211675771 A CN202211675771 A CN 202211675771A CN 115936390 A CN115936390 A CN 115936390A
- Authority
- CN
- China
- Prior art keywords
- carbon
- power
- load
- formula
- carbon emission
- 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
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了基于动态碳排放因子的综合能源系统低碳需求响应方法,首先构建综合能源系统发电机组模型,再根据构建的综合能源系统发电机组模型建立以发电成本最小为目标的机组出力,并获得发电机组最优出力;本发明通过构建电‑热耦合的动态碳排放因子,并将电力系统碳排放量从源侧传递到荷侧,再同时实时更新,使得用户能对自身用电行为产生的碳排放量有清晰的认知,从而极大程度的减少了高碳排放行为,接着建立满足可感知、公平性、激励性和可激励性原则的低碳需求响应机制,使得用户能进一步的调整用电时间,并最大程度的减少可转移负荷和可削减负荷,进而达到节能减排的效果,适合被广泛推广和使用。
Description
技术领域
本发明涉及综合能源系统低碳经济运行技术领域,具体涉及基于动态碳排放因子的综合能源系统低碳需求响应方法。
背景技术
目前,用户主要通过用电碳排放因子来获知自身用电行为产生的碳排放量,但现有普遍采用的平均用电碳排放因子无法让用户感知到不同时段下其用电行为所产生的碳排放差异,导致用户没有动力通过调整自身用电行为实现减碳;因此,需要设计基于动态碳排放因子的综合能源系统低碳需求响应方法。
发明内容
本发明的目的是克服现有技术的不足,为更好的有效解决现有普遍采用的平均用电碳排放因子无法让用户感知到不同时段下其用电行为所产生的碳排放差异,导致用户没有动力通过调整自身用电行为实现减碳问题,提供了基于动态碳排放因子的综合能源系统低碳需求响应方法,其实现了通过构建电-热耦合的动态碳排放因子,并将电力系统碳排放量从源侧传递到荷侧,再同时实时更新,使得用户能对自身用电行为产生的碳排放量有清晰的认知,从而极大程度的减少了高碳排放行为,接着建立满足可感知、公平性、激励性和可激励性原则的低碳需求响应机制,使得用户能进一步的调整用电时间,并最大程度的减少可转移负荷和可削减负荷,进而达到节能减排的优点。
为了达到上述目的,本发明所采用的技术方案是:
基于动态碳排放因子的综合能源系统低碳需求响应方法,包括以下步骤,
步骤(A),构建综合能源系统发电机组模型;
步骤(B),根据构建的综合能源系统发电机组模型建立以发电成本最小为目标的机组出力,获得发电机组最优出力;
步骤(C),构建电网络和热网络的碳排放流追踪模型,得出节点碳势和碳排放流量;
步骤(D),对得出的电力网络节点碳势和热力网络节点碳势进行空间上的平均化处理,得到电-热耦合动态碳排放因子;
步骤(E),基于得到的电-热耦合动态碳排放因子,建立低碳需求响应机制;
步骤(F),基于构建的低碳需求响应机制,建立可转移负荷模型和可削减负荷模型;
步骤(G),根据建立的可转移负荷模型和可削减负荷模型进行减碳效益评估,完成综合能源系统的低碳需求响应作业。
优选的,步骤(A),构建综合能源系统发电机组模型,其中发电机组模型包括风电机组出力模型、光伏机组出力模型、生物质能机组出力模型、火电机组出力模型和CHP机组出力模型,具体步骤如下,
步骤(A1),构建风电机组出力模型,其中风电机组出力模型与场地条件有着密切相关,且轮毂处实际风速与监测点髙度的风速也有差别,具体步骤如下,
步骤(A11),对实测风速进行转换,如公式(1)所示,
其中,vref和v(k)分别为第k时刻监测点的实测风速和轮毂处风速,H和Href分别为轮毂高度和实测点高度,α为地表粗糙程度描述因子;
步骤(A12),采用分段函数对风电机组功率输出与风速之间的关系进行建模,如公式(2)所示,
其中,Prated为风电机组的额定输出功率,vmin为风电机组的最小启动风速,vmax为切除风速,vrated为风电机组额定功率输出所需的最小风速;
步骤(A13),计算风电机组的发电成本CWT,如公式(3)所示,CWT=awt×PWT(3)
其中,awt为风电机组的发电成本系数;
步骤(A2),构建光伏机组出力模型,其中光伏机组出力模型是将光伏电池转换成等效电路模型,再研究其UI特性,具体步骤如下,
步骤(A21),构建串并联电阻的精确仿真模型,且光伏阵列输出功率与光照强度、温度和标准测试条件有关,其中光伏电池的输出功率如公式(4)所示,
其中,PPV为光伏电池在光照强度为G时的输出功率,Gstc为STC工况下的光照强度,TSTC为STC工况下的光伏电池表面温度,Pstc为STC工况下的最大输出功率,G为光照强度,k为功率温度系数,T为光伏电池的表面温度;
步骤(A22),计算光伏机组的发电成本CPV,如公式(5)所示,
CPV=apv×PPV(5)
其中,apv为风电机组的发电成本系数;
步骤(A3),构建火电机组出力模型,其中火电机组是以煤炭、油类和可燃气体为燃料加热锅炉内的水,并使之增温,再用蒸气推动气轮的方式发电,具体步骤如下,
步骤(A31),计算火电发电机的供电量EHOT(t),如公式(6)所示,
EHOT(t)=PHOT(t)△t(6)
其中,PHOT为火电机组的发电功率;
步骤(A32),计算火电机组的发电成本CHOT,如公式(7)所示,
其中,ai、bi和ci为火电机组的发电成本系数;
步骤(A4),构建生物质能机组出力模型,其中生物质能机组转化为电能要通过气化和存储以及在燃气发电机中燃烧,具体步骤如下,
步骤(A41),计算燃气发电机供电量EBIO(t),如公式(8)所示,
EBIO(t)=PBIO(t)△t(8)
其中,PBIO为生物质能机组的发电功率;
步骤(A42),计算生物质能机组的发电成本CBIO,如公式(9)所示,
其中,abg、bbg和cbg为生物质能机组的发电成本系数;
步骤(A5),构建CHP机组出力模型,其中CHP机组是电热网路中的耦合设备,并能同时产生电能及热量;CHP机组消耗天然气,且发电通过燃气发电机直接产生电能,而发热则通过吸收式热泵和制冷技术将余热利用,具体步骤如下,
步骤(A51),计算CHP机组的供电量和供热量,且供电量和供热量分别如公式(10)和公式(11)所示,
PE=Qηe(10)
φH=Qηhλa(11)
其中,Q为CHP机组一次天然气能源的消费量,PE和φH分别为CHP机组的供电量和供热量,ηe为原动机的发电效率,ηh为余热回收装置的效率,λa为吸收式热泵性能系数;
步骤(A51),计算CHP机组的发电成本,如公式(12)所示,
其中,g为热电联产机组的编号,PE为热电联产的供电功率,φE为热电联产供热功率,ag、bg和cg为热电联产供电成本系数,σCHP为固定进汽量下抽取单位蒸汽量时电功率的减少值,CCHP为热电联产机组的供能成本。
优选的,步骤(B),根据构建的综合能源系统发电机组模型建立以发电成本最小为目标的机组出力,获得发电机组最优出力,具体步骤如下,
步骤(B1),构建综合能源系统发电机组最优出力的目标函数minF1,如公式(13)所示,
其中,F1为系统的发电成本,n1、n2、n3、n4和n5分别为风电机组、光伏机组、火电机组、生物质能机组和CHP机组总数,CWT,i、CPV,i、CHOT,i、CBIO,i和CCHP,i分别为风电机组、光伏机组、火电机组、生物质能机组和CHP机组在t时段的发电成本;
步骤(B2),构建综合能源系统发电机组最优出力的目标函数的约束条件,其中约束条件包括负荷平衡约束、风电机组出力约束、光伏机组出力约束、火电机组出力约束、生物质能机组出力约束、CHP电机出力约束和直流潮流约束,具体步骤如下,
步骤(B21),构建负荷平衡约束,如公式(14)所示,
其中,Plt为时段t的电负荷需求量,PWT,it、PPV,it、PHOT,it、PBIO,it和PCHP,it分别为风电机组、光伏机组、火电机组、生物质能机组和CHP机组的发电功率;
步骤(B22),构建风电机组出力约束,如公式(15)所示,
其中,为风电机组在时段t的预测值;
步骤(B23),构建光伏机组出力约束,如公式(16)所示,
其中,为光伏机组在时段t的预测值;
步骤(B24),构建火电机组出力约束,如公式(17)所示,;
其中,和分别为火电机组i的最大出力和最小出力限值,和分别为火电机组i最大向下爬坡率和最大向上爬坡率;
步骤(B25),构建生物质能机组出力约束,如公式(18)所示,
其中,和分别为生物质能机组i的最大出力和最小出力限值;
步骤(B26),构建CHP电机出力约束,如公式(19)所示,
其中,为CHP机组在时段t的出力上限;
步骤(B27),构建直流潮流约束,具体步骤如下,
其中,Pij,t为节点i和节点j之间的有功潮流,θi,t和θj,t分别为节点i和节点j的节点电压相角,xij为线路i-j的电抗,为线路i-j的容量上限,为节点i的电压相角最大值,θref为平衡节点相角。
优选的,步骤(C),构建电网络和热网络的碳排放流追踪模型,得出节点碳势和碳排放流量,其中碳排放流是电热耦合网络中碳排放流指标与能量流之间的关系,碳排放流指标包括支路碳排放流量F、支路碳排放流率R、支路碳排放流密度ρ和节点碳势E,且设下角标e和下角标h分别为电力网络和热力网络,则电热耦合网络中的碳排放流指标分别为为:Fe、Re、ρe、Ee;Fh、Rh、ρh和Eh,具体步骤如下,
步骤(C1),构建电网络碳排放流模型,具体步骤如下,
步骤(C11),计算电力系统的有功功率Pi,如公式(21)所示,
Pi=Vi∑Vj(Gijcosθij+Bijsinθij)(21)
其中,ij为节点的序号,V为节点电压,Gij为节点导纳矩阵的实部,Bij为节点导纳矩阵的虚部;
步骤(C12),计算电力网络节点i的电力碳排放流Fei,如公式(22)所示,
其中,λgik为节点i接入的第k台发电机的碳排放因子,Pgik为节点i接入的第k台发电机的有功输出;
步骤(C13),计算电力网络的支路碳排放流率Reij,如公式(23)所示,
步骤(C14),计算电力网络的支路碳流密度ρeij,如公式(24)所示,
步骤(C15),计算电力网络节点i的碳势Eei,如公式(25)所示,
其中,j为与节点i连接的支路号;
步骤(C2),构建热网络碳排放流模型,其中热网是通过管道中的热水传递热量,且热网的结构由供水管道及回水管道组成,具体步骤如下,
步骤(C21),管道内液体的流动要遵守基尔霍夫定律,则热力网络节点的液压平衡如公式(26)所示,
其中,in为流入节点,out为流出节点,q为消耗的质量流,m为水的质量流;
步骤(C22),热网络碳排放流模型用于确定每个节点的温度,且每个节点分别有供热温度Ts、出口温度To和回水温度Tr,而热网络中的热功率如公式(27)所示,
其中,φ为节点的热功率,Cp为水的比热容;
步骤(C23),管道中的热量损耗受管道长度和环境温度影响,如公式(28)所示,
其中,Tend为管道的末端温度,Tstart为管道的起始温度,Ta为环境温度,λ为单位管道的热传导系数,L为管道长度;
步骤(C24),计算热力网络节点i的热力碳排放流Fhi,如公式(29)所示,
其中,λhik为节点i接入的第k台产热设备的碳排放因子,φgik为节点i接入的第k台产热设备有功输出;
步骤(C25),计算热力网络支路碳流率Rhij,如公式(30)所示,
步骤(C26),计算热力网络的支路碳流密度ρhij,如公式(31)所示,
步骤(C27),计算热力网络节点i的碳势Ehi,如公式(32)所示,
其中,j为与节点i连接的支路号。
优选的,步骤(D),对得出的电力网络节点碳势和热力网络节点碳势进行空间上的平均化处理,得到电-热耦合动态碳排放因子,具体步骤如下,
步骤(D1),对得出的电力网络节点碳势和热力网络节点碳势进行空间上的平均化处理,得到电-热耦合的动态碳排放因子如公式(33)所示,
其中,eC,i,t为区域电网i在时段t的碳排放因子,Z为区域电网i所覆盖范围内的节点集合,为节点j在时段t的负荷量,为节点j的碳势大小;
步骤(D2),基于得到的电-热耦合动态碳排放因子,用户单日用电碳排放量Ek如公式(34)所示,
优选的,步骤(E),基于得到的电-热耦合动态碳排放因子,建立低碳需求响应机制,其中低碳需求响应机制要满足可感知原则、公平性原则、激励性原则和可计量原则,所述可感知原则为用户能感知未来态、实时态和过去态的动态碳排放因子,所述公平性原则为区域范围内的不同用户在各时段下的用电碳排放因子要保持一致,所述激励性原则为用户在低碳需求响应机制下参与动力与调节潜力受到用户自发减排意愿和碳市场下价格信息的激励,所述可计量原则为用户用电的间接碳排放量和在低碳需求响应机制下产生的碳减排量信息能被测量、记录和认证。
优选的,步骤(F),基于构建的低碳需求响应机制,建立可转移负荷模型和可削减负荷模型,具体步骤如下,
步骤(F1),建立可转移负荷模型,其中可转移负荷为在供电方式上具有一定灵活性的负荷,且可转移负荷能通过峰谷电价和电网补贴调整用电方式实现电网系统的削峰填谷和经济运行,可转移负荷模型如公式(35)所示,
其中,为第f种可转移负荷的调度总费用,为第f种可转移负荷参与调度的补偿价格,为转移前参与电网调控的负荷功率,为转移后参与电网调控的负荷功率,为转移前自主参与响应的负荷功率,为转移后自主参与响应的负荷功率;
步骤(F2),建立可削减负荷模型,其中可削减负荷为能实现需求增减的柔性负荷,且可削减负荷是由电网直接或用户协助控制负荷的工作状态,并对削减负荷的用户能给予一定的经济补偿,具体步骤如下,
步骤(F21),构建补偿成本模型,如公式(36)所示,
步骤(F22),可削减负荷要能满足削减时段约束和削减容量约束,分别如公式(37)和(38),
其中,ck,r为第k类可削减负荷的单位补偿成本,为第k类可削减负荷在第t时段的负荷削减量,T3为不可进行负荷削减的时段,为第k类可削减负荷第t时段的最大可变化量。
优选的,步骤(G),根据建立的可转移负荷模型和可削减负荷模型进行减碳效益评估,完成综合能源系统的低碳需求响应作业,具体步骤如下,
步骤(G1),构建低碳需求响应模型的目标函数,如公式(39)所示,
其中,和分别为电负荷和热负荷的可转移负荷增加量,和分别为电负荷可转移负荷减少量和电负荷可削减负荷削减量,和分别为热负荷可转移负荷减少量和可削减负荷削减量,TD为单日总时段数,△t为单位时长,为电力用户的单日碳排放量,和为电力用户在低碳响应中时段t的电负荷总增加量和电负荷总减少量,和为电力用户在低碳响应中时段t的热负荷总增加量和热负荷总减少量;
步骤(G2),建立用户参与低碳需求响应调节能力的约束,具体步骤如下,
步骤(G21),构建最大和最小调节量约束,如公式(40)所示,
其中,和△H为电力用户各时段能够调节的电负荷上限和热负荷上限,和与和分别为指示用户是否处于增负荷状态和减负荷状态的变量;
步骤(G22),构建用户在基线负荷基础上的负荷增加量不超过其最大额定负荷约束,如公式(41)所示,
其中,PL,t为t时段的电网基线负荷,HL,t为t时段的热网基线负荷;
步骤(G23),构建用户负荷削减量不低于当前时段的基线负荷量约束,如公式(42)所示,
步骤(G24),构建用户在用电行为调节前后的单日总负荷量保持不变约束,如公式(43)所示,
步骤(G25),构建用户在任意时段都不能同时处于增负荷和减负荷状态的约束,如公式(44)所示,
步骤(G26),构建用户用电和用热综合满意度约束,如公式(45)所示,
步骤(G3),将用户单日用电行为改变量,计算用户在低碳需求响应下的单日碳排量和减碳量如公式(46)所示,再计算用户单日碳排量和减碳量在碳市场中的减碳收益如公式(47)所示,
其中,和分别为用户的单日碳排放量和单日减碳收益,为碳价,TD为单日总时段数。
本发明的有益效果是:本发明的基于动态碳排放因子的综合能源系统低碳需求响应方法,通过构建电-热耦合的动态碳排放因子,并将电力系统碳排放量从源侧传递到荷侧,再同时实时更新,使得用户能对自身用电行为产生的碳排放量有清晰的认知,从而极大程度的减少了高碳排放行为,接着建立满足可感知、公平性、激励性和可激励性原则的低碳需求响应机制,使得用户能进一步的调整用电时间,并最大程度的减少可转移负荷和可削减负荷,进而达到节能减排的效果,这对减少负荷侧用户的碳排放量具有极大的促进意义。
附图说明
图1是本发明的整体流程图;
图2是本发明的光伏机组电路示意图;
图3是本发明的CHP机组供能关系示意图;
图4是本发明的电网动态碳排放因子示意图;
图5是本发明的热网动态碳排放因子示意图;
图6是本发明的低碳需求响应机制减碳示意图;
图7是本发明的电负荷需求响应结果示意图;
图8是本发明的热负荷需求响应结果示意图。
具体实施方式
下面将结合说明书附图,对本发明作进一步的说明。
如图1所示,本发明的基于动态碳排放因子的综合能源系统低碳需求响应方法,包括以下步骤,
步骤(A),构建综合能源系统发电机组模型,其中发电机组模型包括风电机组出力模型、光伏机组出力模型、生物质能机组出力模型、火电机组出力模型和CHP机组出力模型,具体步骤如下,
步骤(A1),构建风电机组出力模型,其中风电机组出力模型与场地条件有着密切相关,且轮毂处实际风速与监测点髙度的风速也有差别,具体步骤如下,
步骤(A11),对实测风速进行转换,如公式(1)所示,
其中,vref和v(k)分别为第k时刻监测点的实测风速和轮毂处风速,H和Href分别为轮毂高度和实测点高度,α为地表粗糙程度描述因子,α的取值与风电机组架设场地地表环境有关;
步骤(A12),采用分段函数对风电机组功率输出与风速之间的关系进行建模,如公式(2)所示,
其中,Prated为风电机组的额定输出功率,vmin为风电机组的最小启动风速,vmax为切除风速,vrated为风电机组额定功率输出所需的最小风速;当切入风速小于最小启动风速或大于切除风速时,风电机组工作需要切机;当切入风速在[vrated,vmax]之间时,风电机组保持额定功率输出状态,而当切入风速在[vmin,vrated)之间时,风电机组输出功率与切入风速的立方大小有关;
步骤(A13),计算风电机组的发电成本CWT,如公式(3)所示,CWT=awt×PWT(3)
其中,awt为风电机组的发电成本系数;
如图2所示,步骤(A2),构建光伏机组出力模型,其中光伏机组出力模型是将光伏电池转换成等效电路模型,再研究其UI特性,具体步骤如下,
步骤(A21),构建串并联电阻的精确仿真模型,且光伏阵列输出功率与光照强度、温度和标准测试条件有关,其中光伏电池的输出功率如公式(4)所示,
其中,PPV为光伏电池在光照强度为G时的输出功率,Gstc为STC工况下的光照强度,TSTC为STC工况下的光伏电池表面温度,Pstc为STC工况下的最大输出功率,G为光照强度,k为功率温度系数,T为光伏电池的表面温度;
步骤(A22),计算光伏机组的发电成本CPV,如公式(5)所示,
CPV=apv×PPV(5)
其中,apv为风电机组的发电成本系数;
步骤(A3),构建火电机组出力模型,其中火电机组是以煤炭、油类和可燃气体为燃料加热锅炉内的水,并使之增温,再用蒸气推动气轮的方式发电,具体步骤如下,
步骤(A31),计算火电发电机的供电量EHOT(t),如公式(6)所示,
EHOT(t)=PHOT(t)△t(6)
其中,PHOT为火电机组的发电功率;
步骤(A32),计算火电机组的发电成本CHOT,如公式(7)所示,
其中,ai、bi和ci为火电机组的发电成本系数;
步骤(A4),构建生物质能机组出力模型,其中生物质能机组转化为电能要通过气化和存储以及在燃气发电机中燃烧,具体步骤如下,
步骤(A41),计算燃气发电机供电量EBIO(t),如公式(8)所示,
EBIO(t)=PBIO(t)△t(8)
其中,PBIO为生物质能机组的发电功率;
步骤(A42),计算生物质能机组的发电成本CBIO,如公式(9)所示,
其中,abg、bbg和cbg为生物质能机组的发电成本系数;
如图3所示,步骤(A5),构建CHP机组出力模型,其中CHP机组是电热网路中的耦合设备,并能同时产生电能及热量;CHP机组消耗天然气,且发电通过燃气发电机直接产生电能,而发热则通过吸收式热泵和制冷技术将余热利用,具体步骤如下,
步骤(A51),计算CHP机组的供电量和供热量,且供电量和供热量分别如公式(10)和公式(11)所示,
PE=Qηe(10)
φH=Qηhλa(11)
其中,Q为CHP机组一次天然气能源的消费量,PE和φH分别为CHP机组的供电量和供热量,ηe为原动机的发电效率,ηh为余热回收装置的效率,λa为吸收式热泵性能系数;
步骤(A51),计算CHP机组的发电成本,如公式(12)所示,
其中,g为热电联产机组的编号,PE为热电联产的供电功率,φE为热电联产供热功率,ag、bg和cg为热电联产供电成本系数,σCHP为固定进汽量下抽取单位蒸汽量时电功率的减少值,CCHP为热电联产机组的供能成本。
步骤(B),根据构建的综合能源系统发电机组模型建立以发电成本最小为目标的机组出力,获得发电机组最优出力,具体步骤如下,
步骤(B1),构建综合能源系统发电机组最优出力的目标函数minF1,如公式(13)所示,
其中,F1为系统的发电成本,n1、n2、n3、n4和n5分别为风电机组、光伏机组、火电机组、生物质能机组和CHP机组总数,CWT,i、CPV,i、CHOT,i、CBIO,i和CCHP,i分别为风电机组、光伏机组、火电机组、生物质能机组和CHP机组在t时段的发电成本;
步骤(B2),构建综合能源系统发电机组最优出力的目标函数的约束条件,其中约束条件包括负荷平衡约束、风电机组出力约束、光伏机组出力约束、火电机组出力约束、生物质能机组出力约束、CHP电机出力约束和直流潮流约束,具体步骤如下,
步骤(B21),构建负荷平衡约束,如公式(14)所示,
其中,Plt为时段t的电负荷需求量,PWT,it、PPV,it、PHOT,it、PBIO,it和PCHP,it分别为风电机组、光伏机组、火电机组、生物质能机组和CHP机组的发电功率;
步骤(B22),构建风电机组出力约束,如公式(15)所示,
其中,为风电机组在时段t的预测值;
步骤(B23),构建光伏机组出力约束,如公式(16)所示,
其中,为光伏机组在时段t的预测值;
步骤(B24),构建火电机组出力约束,如公式(17)所示,;
其中,和分别为火电机组i的最大出力和最小出力限值,和分别为火电机组i最大向下爬坡率和最大向上爬坡率;
步骤(B25),构建生物质能机组出力约束,如公式(18)所示,
其中,和分别为生物质能机组i的最大出力和最小出力限值;
步骤(B26),构建CHP电机出力约束,如公式(19)所示,
其中,为CHP机组在时段t的出力上限;
步骤(B27),构建直流潮流约束,具体步骤如下,
其中,Pij,t为节点i和节点j之间的有功潮流,θi,t和θj,t分别为节点i和节点j的节点电压相角,xij为线路i-j的电抗,为线路i-j的容量上限,为节点i的电压相角最大值,θref为平衡节点相角。
步骤(C),构建电网络和热网络的碳排放流追踪模型,得出节点碳势和碳排放流量,其中碳排放流是电热耦合网络中碳排放流指标与能量流之间的关系,碳排放流指标包括支路碳排放流量F、支路碳排放流率R、支路碳排放流密度ρ和节点碳势E,且设下角标e和下角标h分别为电力网络和热力网络,则电热耦合网络中的碳排放流指标分别为为:Fe、Re、ρe、Ee;Fh、Rh、ρh和Eh,具体步骤如下,
其中,支路碳排放流量F为在某一时间内随能量流而通过某条支路的碳排放流所对应的碳排放累积量,支路碳排放流率R为支路在单位时间内随能量流通过的碳流量;支路碳排放流密度ρ为电力系统任一支路碳排放流率与有功潮流的比值为该支路碳流密度,而热力系统中支路碳流率与支路热功率的比值为该支路碳排放流密度;节点碳势E为在某节点消耗单位能量所产生的等同于产能侧的碳排放量,而对于产能节点,其碳势就等同于该节点产能设备的碳排放强度;
步骤(C1),构建电网络碳排放流模型,具体步骤如下,
步骤(C11),计算电力系统的有功功率Pi,如公式(21)所示,
Pi=Vi∑Vj(Gijcosθij+Bijsinθij)(21)
其中,ij为节点的序号,V为节点电压,Gij为节点导纳矩阵的实部,Bij为节点导纳矩阵的虚部;
步骤(C12),计算电力网络节点i的电力碳排放流Fei,如公式(22)所示,
其中,λgik为节点i接入的第k台发电机的碳排放因子,Pgik为节点i接入的第k台发电机的有功输出;
步骤(C13),计算电力网络的支路碳排放流率Reij,如公式(23)所示,
步骤(C14),计算电力网络的支路碳流密度ρeij,如公式(24)所示,
步骤(C15),计算电力网络节点i的碳势Eei,如公式(25)所示,
其中,j为与节点i连接的支路号;
步骤(C2),构建热网络碳排放流模型,其中热网是通过管道中的热水传递热量,且热网的结构由供水管道及回水管道组成,具体步骤如下,
步骤(C21),管道内液体的流动要遵守基尔霍夫定律,则热力网络节点的液压平衡如公式(26)所示,
其中,in为流入节点,out为流出节点,q为消耗的质量流,m为水的质量流;
步骤(C22),热网络碳排放流模型用于确定每个节点的温度,且每个节点分别有供热温度Ts、出口温度To和回水温度Tr,而热网络中的热功率如公式(27)所示,
其中,φ为节点的热功率,Cp为水的比热容;出口温度为在回水网络中混合之前每个节点出口处的水流温度,且在热力模型中热源的出口温度和负载的入口温度均是已知的,而回水温度取决于供热温度、室温和热负载;
步骤(C23),管道中的热量损耗受管道长度和环境温度影响,如公式(28)所示,
其中,Tend为管道的末端温度,Tstart为管道的起始温度,Ta为环境温度,λ为单位管道的热传导系数,L为管道长度;
步骤(C24),计算热力网络节点i的热力碳排放流Fhi,如公式(29)所示,
Fhi=∑λhikφgik(29)
i∈i
其中,λhik为节点i接入的第k台产热设备的碳排放因子,φgik为节点i接入的第k台产热设备有功输出;
步骤(C25),计算热力网络支路碳流率Rhij,如公式(30)所示,
步骤(C26),计算热力网络的支路碳流密度ρhij,如公式(31)所示,
步骤(C27),计算热力网络节点i的碳势Ehi,如公式(32)所示,
其中,j为与节点i连接的支路号。
如图4和图5所示,步骤(D),对得出的电力网络节点碳势和热力网络节点碳势进行空间上的平均化处理,得到电-热耦合动态碳排放因子,具体步骤如下,
其中,电力系统源随荷动的特性导致电力系统碳排放“权责分离”,且尽管源侧是碳排放的主力,但荷侧才是电力系统碳排放的主要责任人;用电碳排放因子是将电力系统碳排放责任从源侧传递到荷侧的关键信号,且用户要通过用电碳排放因子来获知自身用电行为产生的碳排放量;
步骤(D1),对得出的电力网络节点碳势和热力网络节点碳势进行空间上的平均化处理,得到电-热耦合的动态碳排放因子如公式(33)所示,
其中,eC,i,t为区域电网i在时段t的碳排放因子,Z为区域电网i所覆盖范围内的节点集合,为节点j在时段t的负荷量,为节点j的碳势大小;
步骤(D2),基于得到的电-热耦合动态碳排放因子,用户单日用电碳排放量Ek如公式(34)所示,
如图6所示,步骤(E),基于得到的电-热耦合动态碳排放因子,建立低碳需求响应机制,其中低碳需求响应机制要满足可感知原则、公平性原则、激励性原则和可计量原则,所述可感知原则为用户能感知未来态、实时态和过去态的动态碳排放因子,所述公平性原则为区域范围内的不同用户在各时段下的用电碳排放因子要保持一致,所述激励性原则为用户在低碳需求响应机制下参与动力与调节潜力受到用户自发减排意愿和碳市场下价格信息的激励,所述可计量原则为用户用电的间接碳排放量和在低碳需求响应机制下产生的碳减排量信息能被测量、记录和认证。
其中,可感知原则要让用户感知到未来一段时间内,不同时段下的动态碳排放因子预测值,用户能根据该预测值调节自身用电行为,接着要让用户感知到过去一段时间及当前实时变化的实际动态碳排放因子信息,以供用户掌握自身过去及当前用电行为带来的用电碳排放量,并方便其有针对性的在日内对自身用电行为进行进一步的调整;
公平性原则为了便于管理与政策执行,区域范围可根据行政区块划分,例如可以将省级或地市作为单位空间尺度,且单位空间尺度下使用相同的动态碳排放因子进行计量;
激励性原则一方面对于有碳减排或低碳商品制造需求的企业,其将自发的在低碳需求响应机制下进行用电行为的调整,降低自身用电碳排放,另一方面,碳配额市场和国家认证自愿减排量交易将为低碳需求响应带来价格激励作用,用户能够通过碳减排获得实在的经济效益,从而促进更多的用户在更大程度上参与低碳需求响应机制;
可计量原则为用户通过自身用电行为调整所产生的碳减排量是检验低碳需求响应机制执行效果的关键;用户用电间接碳排放量和碳减排量指标是影响用户自身碳减排目标,以及用户在碳配额市场和CCER交易市场环境下营收效益的关键;因此要具有满足联合国政府间气候变化委员会可测量、可报告和可核实要求的碳表装置对低碳需求响应下的用电碳信息进行测量、记录与认证;
如图7和图8所示,步骤(F),基于构建的低碳需求响应机制,建立可转移负荷模型和可削减负荷模型,具体步骤如下,
步骤(F1),建立可转移负荷模型,其中可转移负荷为在供电方式上具有一定灵活性的负荷,且可转移负荷能通过峰谷电价和电网补贴调整用电方式实现电网系统的削峰填谷和经济运行,可转移负荷模型如公式(35)所示,
其中,为第f种可转移负荷的调度总费用,为第f种可转移负荷参与调度的补偿价格,为转移前参与电网调控的负荷功率,为转移后参与电网调控的负荷功率,为转移前自主参与响应的负荷功率,为转移后自主参与响应的负荷功率;
步骤(F2),建立可削减负荷模型,其中可削减负荷为能实现需求增减的柔性负荷,且可削减负荷是由电网直接或用户协助控制负荷的工作状态,并对削减负荷的用户能给予一定的经济补偿,具体步骤如下,
其中,电网公司通过与用户签订合同,并根据系统调控需要,能直接控制负荷工作状态,与此同时对切除负荷的终端用户给予一定的经济补偿,该类负荷大多选取高能耗大工业负荷用户;
步骤(F21),构建补偿成本模型,如公式(36)所示,
步骤(F22),可削减负荷要能满足削减时段约束和削减容量约束,分别如公式(37)和(38),
其中,ck,r为第k类可削减负荷的单位补偿成本,为第k类可削减负荷在第t时段的负荷削减量,T3为不可进行负荷削减的时段,为第k类可削减负荷第t时段的最大可变化量。
步骤(G),根据建立的可转移负荷模型和可削减负荷模型进行减碳效益评估,完成综合能源系统的低碳需求响应作业,具体步骤如下,
步骤(G1),构建低碳需求响应模型的目标函数,如公式(39)所示,
其中,和分别为电负荷和热负荷的可转移负荷增加量,和分别为电负荷可转移负荷减少量和电负荷可削减负荷削减量,和分别为热负荷可转移负荷减少量和可削减负荷削减量,TD为单日总时段数,△t为单位时长,△ECO2,d为电力用户的单日碳排放量,和为电力用户在低碳响应中时段t的电负荷总增加量和电负荷总减少量,和为电力用户在低碳响应中时段t的热负荷总增加量和热负荷总减少量;
步骤(G2),建立用户参与低碳需求响应调节能力的约束,具体步骤如下,
步骤(G21),构建最大和最小调节量约束,如公式(40)所示,
其中,和为电力用户各时段能够调节的电负荷上限和热负荷上限,和与和分别为指示用户是否处于增负荷状态和减负荷状态的变量;
步骤(G22),构建用户在基线负荷基础上的负荷增加量不超过其最大额定负荷约束,如公式(41)所示,
其中,PL,t为t时段的电网基线负荷,HL,t为t时段的热网基线负荷;
步骤(G23),构建用户负荷削减量不低于当前时段的基线负荷量约束,如公式(42)所示,
步骤(G24),构建用户在用电行为调节前后的单日总负荷量保持不变约束,如公式(43)所示,
步骤(G25),构建用户在任意时段都不能同时处于增负荷和减负荷状态的约束,如公式(44)所示,
步骤(G26),构建用户用电和用热综合满意度约束,如公式(45)所示,
步骤(G3),将用户单日用电行为改变量,计算用户在低碳需求响应下的单日碳排量和减碳量如公式(46)所示,再计算用户单日碳排量和减碳量在碳市场中的减碳收益如公式(47)所示,
其中,和分别为用户的单日碳排放量和单日减碳收益,为碳价,TD为单日总时段数。
综上所述,本发明的基于动态碳排放因子的综合能源系统低碳需求响应方法,通过构建电-热耦合的动态碳排放因子,并将电力系统碳排放量从源侧传递到荷侧,再同时实时更新,使得用户能对自身用电行为产生的碳排放量有清晰的认知,从而极大程度的减少了高碳排放行为,接着建立满足可感知、公平性、激励性和可激励性原则的低碳需求响应机制,使得用户能进一步的调整用电时间,并最大程度的减少可转移负荷和可削减负荷,进而达到节能减排的效果。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.基于动态碳排放因子的综合能源系统低碳需求响应方法,其特征在于:包括以下步骤,
步骤(A),构建综合能源系统发电机组模型;
步骤(B),根据构建的综合能源系统发电机组模型建立以发电成本最小为目标的机组出力,获得发电机组最优出力;
步骤(C),构建电网络和热网络的碳排放流追踪模型,得出节点碳势和碳排放流量;
步骤(D),对得出的电力网络节点碳势和热力网络节点碳势进行空间上的平均化处理,得到电-热耦合动态碳排放因子;
步骤(E),基于得到的电-热耦合动态碳排放因子,建立低碳需求响应机制;
步骤(F),基于构建的低碳需求响应机制,建立可转移负荷模型和可削减负荷模型;
步骤(G),根据建立的可转移负荷模型和可削减负荷模型进行减碳效益评估,完成综合能源系统的低碳需求响应作业。
2.根据权利要求1所述的基于动态碳排放因子的综合能源系统低碳需求响应方法,其特征在于:步骤(A),构建综合能源系统发电机组模型,其中发电机组模型包括风电机组出力模型、光伏机组出力模型、生物质能机组出力模型、火电机组出力模型和CHP机组出力模型,具体步骤如下,
步骤(A1),构建风电机组出力模型,其中风电机组出力模型与场地条件有着密切相关,且轮毂处实际风速与监测点髙度的风速也有差别,具体步骤如下,
步骤(A11),对实测风速进行转换,如公式(1)所示,
其中,vref和v(k)分别为第k时刻监测点的实测风速和轮毂处风速,H和Href分别为轮毂高度和实测点高度,α为地表粗糙程度描述因子;
步骤(A12),采用分段函数对风电机组功率输出与风速之间的关系进行建模,如公式(2)所示,
其中,Prated为风电机组的额定输出功率,vmin为风电机组的最小启动风速,vmax为切除风速,vrated为风电机组额定功率输出所需的最小风速;
步骤(A13),计算风电机组的发电成本CWT,如公式(3)所示,
CWT=awt×PWT (3)
其中,awt为风电机组的发电成本系数;
步骤(A2),构建光伏机组出力模型,其中光伏机组出力模型是将光伏电池转换成等效电路模型,再研究其UI特性,具体步骤如下,
步骤(A21),构建串并联电阻的精确仿真模型,且光伏阵列输出功率与光照强度、温度和标准测试条件有关,其中光伏电池的输出功率如公式(4)所示,
其中,PPV为光伏电池在光照强度为G时的输出功率,Gstc为STC工况下的光照强度,TSTC为STC工况下的光伏电池表面温度,Pstc为STC工况下的最大输出功率,G为光照强度,k为功率温度系数,T为光伏电池的表面温度;
步骤(A22),计算光伏机组的发电成本CPV,如公式(5)所示,
CPV=apv×PPV (5)
其中,apv为风电机组的发电成本系数;
步骤(A3),构建火电机组出力模型,其中火电机组是以煤炭、油类和可燃气体为燃料加热锅炉内的水,并使之增温,再用蒸气推动气轮的方式发电,具体步骤如下,
步骤(A31),计算火电发电机的供电量EHOT(t),如公式(6)所示,
EHOT(t)=PHOT(t)△t(6)
其中,PHOT为火电机组的发电功率;
步骤(A32),计算火电机组的发电成本CHOT,如公式(7)所示,
其中,ai、bi和ci为火电机组的发电成本系数;
步骤(A4),构建生物质能机组出力模型,其中生物质能机组转化为电能要通过气化和存储以及在燃气发电机中燃烧,具体步骤如下,
步骤(A41),计算燃气发电机供电量EBIO(t),如公式(8)所示,
EBIO(t)=PBIO(t)△t(8)
其中,PBIO为生物质能机组的发电功率;
步骤(A42),计算生物质能机组的发电成本CBIO,如公式(9)所示,
其中,abg、bbg和cbg为生物质能机组的发电成本系数;
步骤(A5),构建CHP机组出力模型,其中CHP机组是电热网路中的耦合设备,并能同时产生电能及热量;CHP机组消耗天然气,且发电通过燃气发电机直接产生电能,而发热则通过吸收式热泵和制冷技术将余热利用,具体步骤如下,
步骤(A51),计算CHP机组的供电量和供热量,且供电量和供热量分别如公式(10)和公式(11)所示,
PE=Qηe (10)
φH=Qηhλa (11)
其中,Q为CHP机组一次天然气能源的消费量,PE和φH分别为CHP机组的供电量和供热量,ηe为原动机的发电效率,ηh为余热回收装置的效率,λa为吸收式热泵性能系数;
步骤(A51),计算CHP机组的发电成本,如公式(12)所示,
其中,g为热电联产机组的编号,PE为热电联产的供电功率,φE为热电联产供热功率,ag、bg和cg为热电联产供电成本系数,σCHP为固定进汽量下抽取单位蒸汽量时电功率的减少值,CCHP为热电联产机组的供能成本。
3.根据权利要求2所述的基于动态碳排放因子的综合能源系统低碳需求响应方法,其特征在于:步骤(B),根据构建的综合能源系统发电机组模型建立以发电成本最小为目标的机组出力,获得发电机组最优出力,具体步骤如下,
步骤(B1),构建综合能源系统发电机组最优出力的目标函数minF1,如公式(13)所示,
其中,F1为系统的发电成本,n1、n2、n3、n4和n5分别为风电机组、光伏机组、火电机组、生物质能机组和CHP机组总数,CWT,i、CPV,i、CHOT,i、CBIO,i和CCHP,i分别为风电机组、光伏机组、火电机组、生物质能机组和CHP机组在t时段的发电成本;
步骤(B2),构建综合能源系统发电机组最优出力的目标函数的约束条件,其中约束条件包括负荷平衡约束、风电机组出力约束、光伏机组出力约束、火电机组出力约束、生物质能机组出力约束、CHP电机出力约束和直流潮流约束,具体步骤如下,
步骤(B21),构建负荷平衡约束,如公式(14)所示,
其中,Plt为时段t的电负荷需求量,PWT,it、PPV,it、PHOT,it、PBIO,it和PCHP,it分别为风电机组、光伏机组、火电机组、生物质能机组和CHP机组的发电功率;
步骤(B22),构建风电机组出力约束,如公式(15)所示,
步骤(B23),构建光伏机组出力约束,如公式(16)所示,
步骤(B24),构建火电机组出力约束,如公式(17)所示,;
步骤(B25),构建生物质能机组出力约束,如公式(18)所示,
步骤(B26),构建CHP电机出力约束,如公式(19)所示,
步骤(B27),构建直流潮流约束,具体步骤如下,
4.根据权利要求3所述的基于动态碳排放因子的综合能源系统低碳需求响应方法,其特征在于:步骤(C),构建电网络和热网络的碳排放流追踪模型,得出节点碳势和碳排放流量,其中碳排放流是电热耦合网络中碳排放流指标与能量流之间的关系,碳排放流指标包括支路碳排放流量F、支路碳排放流率R、支路碳排放流密度ρ和节点碳势E,且设下角标e和下角标h分别为电力网络和热力网络,则电热耦合网络中的碳排放流指标分别为为:Fe、Re、ρe、Ee;Fh、Rh、ρh和Eh,具体步骤如下,
步骤(C1),构建电网络碳排放流模型,具体步骤如下,
步骤(C11),计算电力系统的有功功率Pi,如公式(21)所示,
Pi=Vi∑Vj(Gij cosθij+Bij sinθij)(21)
其中,ij为节点的序号,V为节点电压,Gij为节点导纳矩阵的实部,Bij为节点导纳矩阵的虚部;
步骤(C12),计算电力网络节点i的电力碳排放流Fei,如公式(22)所示,
其中,λgik为节点i接入的第k台发电机的碳排放因子,Pgik为节点i接入的第k台发电机的有功输出;
步骤(C13),计算电力网络的支路碳排放流率Reij,如公式(23)所示,
步骤(C14),计算电力网络的支路碳流密度ρeij,如公式(24)所示,
步骤(C15),计算电力网络节点i的碳势Eei,如公式(25)所示,
其中,j为与节点i连接的支路号;
步骤(C2),构建热网络碳排放流模型,其中热网是通过管道中的热水传递热量,且热网的结构由供水管道及回水管道组成,具体步骤如下,
步骤(C21),管道内液体的流动要遵守基尔霍夫定律,则热力网络节点的液压平衡如公式(26)所示,
其中,in为流入节点,out为流出节点,q为消耗的质量流,m为水的质量流;
步骤(C22),热网络碳排放流模型用于确定每个节点的温度,且每个节点分别有供热温度Ts、出口温度To和回水温度Tr,而热网络中的热功率如公式(27)所示,
其中,φ为节点的热功率,Cp为水的比热容;
步骤(C23),管道中的热量损耗受管道长度和环境温度影响,如公式(28)所示,
其中,Tend为管道的末端温度,Tstart为管道的起始温度,Ta为环境温度,λ为单位管道的热传导系数,L为管道长度;
步骤(C24),计算热力网络节点i的热力碳排放流Fhi,如公式(29)所示,
其中,λhik为节点i接入的第k台产热设备的碳排放因子,φgik为节点i接入的第k台产热设备有功输出;
步骤(C25),计算热力网络支路碳流率Rhij,如公式(30)所示,
步骤(C26),计算热力网络的支路碳流密度ρhij,如公式(31)所示,
步骤(C27),计算热力网络节点i的碳势Ehi,如公式(32)所示,
其中,j为与节点i连接的支路号。
6.根据权利要求5所述的基于动态碳排放因子的综合能源系统低碳需求响应方法,其特征在于:步骤(E),基于得到的电-热耦合动态碳排放因子,建立低碳需求响应机制,其中低碳需求响应机制要满足可感知原则、公平性原则、激励性原则和可计量原则,所述可感知原则为用户能感知未来态、实时态和过去态的动态碳排放因子,所述公平性原则为区域范围内的不同用户在各时段下的用电碳排放因子要保持一致,所述激励性原则为用户在低碳需求响应机制下参与动力与调节潜力受到用户自发减排意愿和碳市场下价格信息的激励,所述可计量原则为用户用电的间接碳排放量和在低碳需求响应机制下产生的碳减排量信息能被测量、记录和认证。
7.根据权利要求1所述的基于动态碳排放因子的综合能源系统低碳需求响应方法,其特征在于:步骤(F),基于构建的低碳需求响应机制,建立可转移负荷模型和可削减负荷模型,具体步骤如下,
步骤(F1),建立可转移负荷模型,其中可转移负荷为在供电方式上具有一定灵活性的负荷,且可转移负荷能通过峰谷电价和电网补贴调整用电方式实现电网系统的削峰填谷和经济运行,可转移负荷模型如公式(35)所示,
其中,为第f种可转移负荷的调度总费用,为第f种可转移负荷参与调度的补偿价格,为转移前参与电网调控的负荷功率,为转移后参与电网调控的负荷功率,为转移前自主参与响应的负荷功率,为转移后自主参与响应的负荷功率;
步骤(F2),建立可削减负荷模型,其中可削减负荷为能实现需求增减的柔性负荷,且可削减负荷是由电网直接或用户协助控制负荷的工作状态,并对削减负荷的用户能给予一定的经济补偿,具体步骤如下,
步骤(F21),构建补偿成本模型,如公式(36)所示,
步骤(F22),可削减负荷要能满足削减时段约束和削减容量约束,分别如公式(37)和(38),
8.根据权利要求7所述的基于动态碳排放因子的综合能源系统低碳需求响应方法,其特征在于:步骤(G),根据建立的可转移负荷模型和可削减负荷模型进行减碳效益评估,完成综合能源系统的低碳需求响应作业,具体步骤如下,
步骤(G1),构建低碳需求响应模型的目标函数,如公式(39)所示,
其中,和分别为电负荷和热负荷的可转移负荷增加量,和分别为电负荷可转移负荷减少量和电负荷可削减负荷削减量,和分别为热负荷可转移负荷减少量和可削减负荷削减量,TD为单日总时段数,△t为单位时长,为电力用户的单日碳排放量,和为电力用户在低碳响应中时段t的电负荷总增加量和电负荷总减少量,和为电力用户在低碳响应中时段t的热负荷总增加量和热负荷总减少量;
步骤(G2),建立用户参与低碳需求响应调节能力的约束,具体步骤如下,
步骤(G21),构建最大和最小调节量约束,如公式(40)所示,
步骤(G22),构建用户在基线负荷基础上的负荷增加量不超过其最大额定负荷约束,如公式(41)所示,
其中,PL,t为t时段的电网基线负荷,HL,t为t时段的热网基线负荷;
步骤(G23),构建用户负荷削减量不低于当前时段的基线负荷量约束,如公式(42)所示,
步骤(G24),构建用户在用电行为调节前后的单日总负荷量保持不变约束,如公式(43)所示,
步骤(G25),构建用户在任意时段都不能同时处于增负荷和减负荷状态的约束,如公式(44)所示,
步骤(G26),构建用户用电和用热综合满意度约束,如公式(45)所示,
步骤(G3),将用户单日用电行为改变量,计算用户在低碳需求响应下的单日碳排量和减碳量如公式(46)所示,再计算用户单日碳排量和减碳量在碳市场中的减碳收益如公式(47)所示,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211675771.1A CN115936390A (zh) | 2022-12-26 | 2022-12-26 | 基于动态碳排放因子的综合能源系统低碳需求响应方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211675771.1A CN115936390A (zh) | 2022-12-26 | 2022-12-26 | 基于动态碳排放因子的综合能源系统低碳需求响应方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115936390A true CN115936390A (zh) | 2023-04-07 |
Family
ID=86655925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211675771.1A Pending CN115936390A (zh) | 2022-12-26 | 2022-12-26 | 基于动态碳排放因子的综合能源系统低碳需求响应方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115936390A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117217418A (zh) * | 2023-11-07 | 2023-12-12 | 中电山河数字科技(南通)有限公司 | 一种碳排放监测的移动边缘计算系统及方法 |
CN117371667A (zh) * | 2023-12-04 | 2024-01-09 | 中国长江电力股份有限公司 | 碳排放量影响因数的分析方法及相关设备 |
CN117411089A (zh) * | 2023-12-15 | 2024-01-16 | 西华大学 | 一种基于动态碳排放责任因子的微网低碳运行方法及系统 |
-
2022
- 2022-12-26 CN CN202211675771.1A patent/CN115936390A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117217418A (zh) * | 2023-11-07 | 2023-12-12 | 中电山河数字科技(南通)有限公司 | 一种碳排放监测的移动边缘计算系统及方法 |
CN117217418B (zh) * | 2023-11-07 | 2024-02-09 | 中电山河数字科技(南通)有限公司 | 一种碳排放监测的移动边缘计算系统及方法 |
CN117371667A (zh) * | 2023-12-04 | 2024-01-09 | 中国长江电力股份有限公司 | 碳排放量影响因数的分析方法及相关设备 |
CN117371667B (zh) * | 2023-12-04 | 2024-03-12 | 中国长江电力股份有限公司 | 碳排放量影响因数的分析方法及相关设备 |
CN117411089A (zh) * | 2023-12-15 | 2024-01-16 | 西华大学 | 一种基于动态碳排放责任因子的微网低碳运行方法及系统 |
CN117411089B (zh) * | 2023-12-15 | 2024-03-08 | 西华大学 | 一种基于动态碳排放责任因子的微网低碳运行方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109858759B (zh) | 一种工业园区综合能源平衡调度方法 | |
CN115936390A (zh) | 基于动态碳排放因子的综合能源系统低碳需求响应方法 | |
Lambert et al. | Micropower system modeling with HOMER | |
De Rosa et al. | Flexibility assessment of a combined heat-power system (CHP) with energy storage under real-time energy price market framework | |
CN111404153B (zh) | 计及可再生能源与需求响应的能量枢纽规划模型构建方法 | |
CN113112087A (zh) | 考虑电热负荷需求响应的综合能源系统运行成本优化方法 | |
CN111969655B (zh) | 考虑负荷响应不确定性的多源多荷协调调度方法及系统 | |
CN111738502A (zh) | 促进富余风电消纳的多能互补系统需求响应运行优化方法 | |
TWI401611B (zh) | 混合能源發電系統的裝置容量配置方法 | |
CN112950098B (zh) | 基于综合能源系统的能源规划方法、装置及终端设备 | |
CN105205552A (zh) | 一种独立新能源混合发电系统优化规划方法 | |
CN110276489B (zh) | 基于㶲损最低的多能量枢纽分布式优化调度方法及系统 | |
CN112364556A (zh) | 基于多能互补的智慧能源优化配置方法及终端设备 | |
CN108460525A (zh) | 一种多能互补配用电系统的综合能源利用效率评估方法 | |
CN111539584A (zh) | 一种用户级综合能源系统规划方法、系统以及设备 | |
Faisal et al. | Development of smart energy meter for energy cost analysis of conventional grid and solar energy | |
CN115330021A (zh) | 一种考虑沼气电热利用比的综合能源运行优化系统及方法 | |
Li et al. | Modeling and management performances of distributed energy resource for demand flexibility in Japanese zero energy house | |
CN112615367A (zh) | 一种电力物联网环境下的综合能源系统优化调度方法 | |
CN114169800B (zh) | 综合能源系统的能量调度方法 | |
Coma et al. | ‘Buildings as Power Stations’: an energy simulation tool for housing | |
CN115099473A (zh) | 近零碳区域综合能源系统多目标优化方法 | |
CN114399162A (zh) | 一种基于能源调度时间自适应变化的滚动优化调度方法 | |
CN105913193A (zh) | 一种分布式能源规划系统及方法 | |
Kiviluoma et al. | Economic comparison of technical options to increase power system flexibility |
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 |