CN116542475A - 一种计及光热电站集热器工作模式的两阶段优化调度方法 - Google Patents
一种计及光热电站集热器工作模式的两阶段优化调度方法 Download PDFInfo
- Publication number
- CN116542475A CN116542475A CN202310517386.2A CN202310517386A CN116542475A CN 116542475 A CN116542475 A CN 116542475A CN 202310517386 A CN202310517386 A CN 202310517386A CN 116542475 A CN116542475 A CN 116542475A
- Authority
- CN
- China
- Prior art keywords
- photo
- thermal power
- power station
- heat
- collector
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005096 rolling process Methods 0.000 claims abstract description 36
- 238000006243 chemical reaction Methods 0.000 claims abstract description 15
- 238000009826 distribution Methods 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims abstract description 7
- 238000010248 power generation Methods 0.000 claims description 102
- 238000005338 heat storage Methods 0.000 claims description 78
- 230000009471 action Effects 0.000 claims description 39
- 230000008859 change Effects 0.000 claims description 18
- 230000005855 radiation Effects 0.000 claims description 17
- 238000004146 energy storage Methods 0.000 claims description 15
- 230000008901 benefit Effects 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 13
- 239000000446 fuel Substances 0.000 claims description 12
- 150000003839 salts Chemical class 0.000 claims description 11
- 238000007599 discharging Methods 0.000 claims description 9
- 238000010521 absorption reaction Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 6
- 239000002699 waste material Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000005494 condensation Effects 0.000 claims description 4
- 238000009833 condensation Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 230000017525 heat dissipation Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000004458 analytical method Methods 0.000 abstract description 3
- 230000001105 regulatory effect Effects 0.000 abstract 2
- 230000005457 Black-body radiation Effects 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (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
本发明涉及光热能量转换技术领域，尤其涉及一种计及光热电站集热器工作模式的两阶段优化调度方法，包括以下步骤：建立描述光热电站内部多流量转换过程的光热电站能量流模型；在计及典型场景及其概率分布的基础上，建立日前随机优化调度模型；建立考虑集热器工作模式的光热电站精细化模型；根据日前随机优化调度模型的调度结果与日内超短期预测信息判断t+ Δt时刻光热电站运行状态及其集热器工作模式，进而实时调整系统调度计划，建立日内滚动优化调度模型。本发明提出的日内调度依托日前调度方案进行滚动优化，在遵循场景分析结果的基础上，通过超短期预测技术细化时间尺度，提高了含光伏光热电力系统调度运行的经济性与鲁棒性。
Description
技术领域
本发明涉及光热能量转换技术领域，尤其涉及一种计及光热电站集热器工作模式的两阶段优化调度方法。
背景技术
目前，以光伏和光热发电为代表的太阳能发电装机容量不断增大，已呈现规模化并网态；然而由于光伏出力具有随机性和波动性，其大规模并网对电力系统优化运行提出了更高的要求；而光热发电作为集发电与储能为一体的新型太阳能发电形式，采用了高能效、大容量、低成本的储热技术来实现能量大规模存储和低损耗时移，是应对“弃光限电”的有效技术手段；
相关技术中，国内外学者根据新能源功率预测精度通常具有“预测时间尺度越小，距离当前时间越近，预测误差越小”的特点，建立多时间尺度调度模型，如申请公布号为CN112531785A的中国发明专利申请与2021年3月19日公开了一种多时间尺度下光热-储能的主动配电网主辅联合调度方法，通过日前多时间尺度协调调度储热能量时序平移，日内滑动优化点下IDR负荷时序响应，降低了不平衡功率的产生；
然而发明人在实施上述实施例时发现，上述方案未考虑日内调度阶段太阳辐射强度短时波动变化引起的光热电站集热器工作模式转换，造成模型与实际工况的光热电站储热状态存在较大误差，降低了光热电站的调节能力。
发明内容
鉴于以上技术问题中的至少一项，本发明提供了一种计及光热电站集热器工作模式的两阶段优化调度方法，采用超短期预测方式细化时间尺度，来提高光伏光热电力系统调度运行的经济性和鲁棒性。
根据本发明的第一方面，提供一种计及光热电站集热器工作模式的两阶段优化调度方法，包括以下步骤：
建立描述光热电站内部多流量转换过程的光热电站能量流模型；
在计及典型场景及其概率分布的基础上，建立日前随机优化调度模型；
建立考虑集热器工作模式的光热电站精细化模型；
根据日前随机优化调度模型的调度结果与日内超短期预测信息判断t+Δt时刻光热电站运行状态及其集热器工作模式，进而实时调整系统调度计划，建立日内滚动优化调度模型。
在本发明的一些实施例中，所述光热电站能量流模型根据其内部的介质流动关系建立，包括聚光集热环节、储热环节和发电环节。
在本发明的一些实施例中，所述聚光集热环节中，集热器吸热功率表示为：
式中：ηSF为镜场反射效率；ASF为境场中的定日镜总面积；Ibn,t为t时刻的平均太阳辐射强度；为集热器功率损失，具体表示为：
式中：ε为辐射率；σ为黑体辐射常数；A为集热器换热面积；Tr,t为t时刻集热器表面温度；Tamb,t为环境温度；hair为混合换热系数。
在本发明的一些实施例中，所述储热环节中，储热容量表示为：
式中：和/>分别为t时刻和t-1时刻的储热容量，γ为储热环节散热系数；
储热环节中充放热约束公式为：
在公式(4)、(5)、(6)中，和/>分别为储热环节t时刻的充、放热量；/>为储热环节最大充放热功率；/>和/>分别为表征储热系统充放、热状态的二元变量，其中1为动作，0为不动作；
储热容量上下限约束为：
式中和/>分别为储热环节容量上限和下限。
在本发明的一些实施例中，所述发电环节中，t时刻发电环节的输入功率为：
式中，为光热发电系统输出功率，EPC,SU为光热发电系统气动消耗的能量，ηPC为发电环节能量转换效率；/>为表征发电环节启动动作的二元变量，其中1为动作，0为不动作；
光热发电系统机组的最小开关时间约束为：
式中：和/>分别为光热发电系统机组开关机最短时间；/>为表征发电环节启停状态的二元变量，其中1为开机，0为关机；
光热发电系统机组出力的上下限约束为：
式中：和/>分别为发电环节的最小、最大输出功率；
光热发电系统机组爬坡约束为：
式中：ΔPRu,PC和ΔPRd,PC分别为发电环节最大向上、向下爬坡率。
在本发明的一些实施例中，在建立日前随机优化调度模型时，首先基于自组织映射网络的人工智能学习方法进行多场景生成，其次采用后向缩减算法进行场景缩减，最后结合光热电站的能量流模型，在计及各种典型场景及其初始概率分布的基础上，以日前期望运行成本最低为目标确定次日每一时段三类机组的发电功率和光热储能系统的初始储热量。
在本发明的一些实施例中，运行成本最低的目标函数为：
式中：λw为场景w的权重值；f w为场景w下的日运行成本；N，T分别为火电机组、和调度时段的集合；目标函数包含火电机组启动成本、关停成本和燃料成本，光热发电系统启动和关停成本，光伏和光热发电系统环境效益以及弃光成本；Pi,t为火电机组i在t时段的输出功率；和/>分别为火电机组单位时段的燃料成本、启动成本和关停成本；kS和kG分别为运维成本系数与环境效益系数；SCSP为光热发电系统启动成本；/>为表征光热发电系统t时段的启停状态的二元变量，其中1为开机，0为关机；/>和/>分别为光热和光伏电站t时段的出力；/>为表征光热发电系统t时段启停动作的二元变量，其中1为有开机动作，0为无开机动作；/>为弃光惩罚系数；/>和/>分别为光热和光伏电站的弃光功率。
在本发明的一些实施例中，在建立光热电站精细化模型时，集热器工作模式包括恒温度模式与恒流量模式，其中：
所述恒温度模式适用于太阳辐射强度波动较小时段，在该模式中，t时刻集热器出口介质流量为：
式中：为集热器吸热功率，Cs为熔融盐的比热容；Ts-in和Ts-out分别为集热器入口和出口介质温度；
所述恒流量模式适用于太阳辐射强度波动较大时段，在该模式中，t时刻集热器出口介质温度为：
式中：为集热器吸热功率，Cs为熔融盐的比热容，ms为集热器出口介质流量，Ts-in为集热器入口的介质温度；
为保持储热环节热罐中的介质温度恒定，集热器出口介质温度低于460℃时，介质流入储热环节冷罐；介质温度高于460℃时，介质流入储热环节热罐，t时刻储热环节充热功率为：
式中：为储热环节t时刻的充热功率，Cs为熔融盐的比热容，ms为集热器出口介质流量，Ts-out,t为t时刻集热器出口介质温度，Ts-in为集热器入口的介质温度，ηTES,cha为储热系统储热效率；
在进行日内滚动优化时采用光热电站精细化模型，启动所需的最低能量水平设置为接收器在设计点产生的能量的25％，两种运行模式之间转换的判定条件为：DNI变化率大于工作模式转换值fDNI＝10W/m2/min，DNI变化率为：
综合以上光热发电系统各环节的能量平衡方程，得到计及集热器工作模式的光热发电系统功率平衡方程为：
在本发明的一些实施例中，在建立日内滚动优化调度模型时，日内阶段结合日前调度结果与日内超期预测信息，并根据精细化模型判断t+Δt时刻光热电站运行状态及其集热器工作模式，进而滚动调整该时段储能系统充放电功率与火电机组发电功率，以实现系统运行成本的最小化。
在本发明的一些实施例中，日内滚动优化调度包括以下步骤：
在滚动起始时段，根据日前优化的结果初始化系统内各机组开停的二进制变量和储能系统储热量；
判断是否达到控制时间点，若达到新的控制时间点，则执行该时段充电策略，否则利用日内超短期预测对电网调度计划进行滚动优化，每15min更新一次未来的光伏电站发电功率与DNI预测信息；
读取t+Δt时刻所处的日前调度时段，判断该时刻光热电站是否处于运行状态，若电站关停，则t+Δt时刻光热电站发电功率为0；若电站处于运行状态，则判断该时刻DNI预测值是否超过集热器启动所需的最低能量水平，即集热器在设计点发出能量的25％；若不足25％，集热器不启动，t+Δt时刻光热电站消耗储能进行发电；
若DNI预测值超过集热器启动所需的最低能量水平，光热电站精细化模型读取DNI预测信息并计算DNI变化率fDNI,t，当其小于10W/m2/min，集热器以恒温度模式运行，在此控制模式下，计算集热器中的HTF流量，以保持集热器出口HTF温度恒定；该模式通常在晴朗天气或DNI稳定时期激活，该时段多为光照变化率较低的晴朗天气；当fDNI,t大于10W/m2/min，集热器以恒流量模式运行，在该控制模式下，计算HTF出口温度，以保持集热器中的HTF流量恒定，允许在DNI的可变条件下HTF出口温度在安全限值内变化；该模式在间歇性阴天或DNI变化率高的时段激活；在这种情况下，如果集热器出口HTF温度降至470℃以下，为避免其流入热罐导致热罐过度冷却，HTF将被分流至冷罐，该情况下t+Δt时刻光热电站消耗储能进行发电；
经过上述步骤判定集热器工作模式后，依托光热电站建模和常规机组建模，并结合光伏电站发电功率预测值，调用Gurobi优化工具箱进行系统优化计算，更新并储存t+Δt时刻各机组的发电功率和电站储热量；
日内滚动优化的目标函数为：
式中：f为日内运行成本；N，T分别为火电机组、和调度时段的集合；目标函数包含火电机组启动成本、关停成本和燃料成本，光热发电系统启动和关停成本，光伏和光热发电系统环境效益以及弃光成本；Pi,t为火电机组i在t时段的输出功率；和/>分别为火电机组单位时段的燃料成本、启动成本和关停成本；kS和kG分别为运维成本系数与环境效益系数；SCSP为光热发电系统启动成本；/>为表征光热发电系统t时段的启停状态的二元变量，其中1为开机，0为关机；/>和/>分别为光热和光伏电站t时段的出力；/>为表征光热发电系统t时段启停动作的二元变量，其中1为有开机动作，0为无开机动作；/>为弃光惩罚系数；/>和/>分别为光热和光伏电站的弃光功率；
日内滚动优化的调整量约束公式为：
ΔPi，min≤ΔPi(t+kΔt|t)≤ΔPi，max (24)
式中：ΔPPV(t+kΔt|t)、ΔPCSP(t+kΔt|t)和ΔPi(t+kΔt|t)分别为t+kΔt时刻光伏电站、光热电站及火电机组日内出力调整量，ΔETES(t+kΔt|t)为t+kΔt时刻光热电站储热系统储热调整量；
完成一轮优化后，采样t+Δt时刻机组功率和电站储热量，将其作为下一轮滚动优化的初始值，并进行新一轮的滚动优化，重复上述步骤直至调度周期结束。
本发明的有益效果为：
(1)本发明提出的日内调度依托日前调度方案进行滚动优化，在遵循场景分析结果的基础上，通过超短期预测技术细化时间尺度，有效降低了日前分析误差引发的运行成本上升，同时提升了对环境DNI与功率变化的跟踪效果，提高了含光伏光热电力系统调度运行的经济性与鲁棒性。
(2)本发明提出的电站模型与传统能量流模型相比，能够更加精细地还原光热电站集热器的模式切换情况，更加准确地描述系统吸热功率和储热容量，证明了模型在应对多重不确定性方面的有效性。
(3)在还原光热电站运行工况的同时，精细化模型能够有效促进太阳辐射强度波动场景下的可再生能源消纳，保证即使在DNI骤降的外部环境下集热器依然高效运行，保持CSP机组发电功率的相对稳定，提升了光热电站在系统运行中的可靠性和灵活性，进而降低火电机组发电功率，提高系统总体经济和环境效益。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例中计及光热电站集热器工作模式的两阶段优化调度方法的步骤流程图；
图2为本发明实施例中计及光热电站集热器工作模式的两阶段优化调度框架示意图；
图3为本发明实施例中日内滚动优化调度流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示的计及光热电站集热器工作模式的两阶段优化调度方法，包括以下步骤：
S10：建立描述光热电站内部多流量转换过程的光热电站能量流模型；在本发明实施例中，在具体光热电站能量流模型的建立时，根据其内部的介质流动关系建立，包括聚光集热环节、储热环节和发电环节；
具体的，在聚光集热环节中，集热器吸热功率表示为：
式中：ηSF为镜场反射效率；ASF为境场中的定日镜总面积；Ibn,t为t时刻的平均太阳辐射强度；为集热器功率损失，集热器的功率损失主要包括辐射损失和对流热损失，具体表示为：
式中：ε为辐射率；σ为黑体辐射常数；A为集热器换热面积；Tr,t为t时刻集热器表面温度；Tamb,t为环境温度；hair为混合换热系数。
在储热环节中，储热容量由流入和流出热罐的介质流量计算得到，在本发明实施例中储热容量表示为：
式中：和/>分别为t时刻和t-1时刻的储热容量，γ为储热环节散热系数；
储热环节中充放热约束公式为：
在公式(3)、(4)、(5)、(6)中，和/>分别为储热环节t时刻的充、放热量；为储热环节最大充放热功率；/>和/>分别为表征储热系统充放、热状态的二元变量，其中1为动作，0为不动作；在公式(6)中，表示确保储热系统充放热不同时进行。
储热容量上下限约束为：
式中和/>分别为储热环节容量上限和下限。
在发电环节中，光热发电系统输出功率和光热发电系统启动消耗的能量EPC,SU由发电环节输入功率提供，光热发电系统输出功率t时刻发电环节的输入功率为：
式中，为光热发电系统输出功率，EPC,SU为光热发电系统气动消耗的能量，ηPC为发电环节能量转换效率；/>为表征发电环节启动动作的二元变量，其中1为动作，0为不动作；
光热发电系统机组的最小开关时间约束为：
式中：和/>分别为光热发电系统机组开关机最短时间；/>为表征发电环节启停状态的二元变量，其中1为开机，0为关机；
光热发电系统机组出力的上下限约束为：
式中：和/>分别为发电环节的最小、最大输出功率；
光热发电系统机组爬坡约束为：
式中：ΔPRu,PC和ΔPRd,PC分别为发电环节最大向上、向下爬坡率。
通过上述能量流模型的建立，为后续的日前随机优化调度模型建立的计算基础。
S20：在计及典型场景及其概率分布的基础上，建立日前随机优化调度模型；在本发明实施例中，在建立日前随机优化调度模型时，首先基于自组织映射网络(Self-Organization Mapping Net，SOM)的人工智能学习方法进行多场景生成，其次采用后向缩减(Backward Reduction，BR)算法进行场景缩减，得到典型场景及其初始概率分布，最后结合光热电站的能量流模型，以日前期望运行成本最低为目标确定次日每一时段火电、光伏与光热机组的发电功率和光热储能系统的初始储热量。
在本发明实施例中，日前期望运行成本最低的目标函数为：
式中：λw为场景w的权重值；fw为场景w下的日运行成本；N，T分别为火电机组、和调度时段的集合；目标函数包含火电机组启动成本、关停成本和燃料成本，光热发电系统启动和关停成本，光伏和光热发电系统环境效益以及弃光成本；Pi,t为火电机组i在t时段的输出功率；和/>分别为火电机组单位时段的燃料成本、启动成本和关停成本；kS和kG分别为运维成本系数与环境效益系数；SCSP为光热发电系统启动成本；/>为表征光热发电系统t时段的启停状态的二元变量，其中1为开机，0为关机；/>和/>分别为光热和光伏电站t时段的出力；/>为表征光热发电系统t时段启停动作的二元变量，其中1为有开机动作，0为无开机动作；/>为弃光惩罚系数；/>和/>分别为光热和光伏电站的弃光功率。
S30：建立考虑集热器工作模式的光热电站精细化模型；在本发明实施例中，根据光热电站实际运行与控制策略，集热器工作模式包括恒温度模式(fixed temperaturemode，FTC)与恒流量模式(fixed flow rate mode，FFC)，其中：
恒温度模式适用于太阳辐射强度波动较小时段，即晴朗的时段，在此模式中通过控制集热器出口介质流量，保持介质温度恒定于565℃，在该模式中，t时刻集热器出口介质流量ms,t为：
式中：为集热器吸热功率，Cs为熔融盐的比热容；Ts-in和Ts-out分别为集热器入口和出口介质温度。
恒流量模式适用于太阳辐射强度波动较大时段，及多云时间段，在此模式下集热器出口介质流量增大为恒温度模式前一小时最大介质流量的105％，太阳辐射强度变化量大于10W/m2/min时集热器工作模式由恒温度模式切换为恒流量模式，此时太阳辐射强度Ibn,t须大于集热器允许工作的太阳辐照强度下限Ihf,min，否则集热器退出运行。
在该模式中，t时刻集热器出口介质温度Ts-out,t为：
式中：为集热器吸热功率，Cs为熔融盐的比热容，ms为集热器出口介质流量，Ts-in为集热器入口的介质温度。
为保持储热环节热罐中的介质温度恒定，集热器出口介质温度低于460℃时，介质流入储热环节冷罐；介质温度高于460℃时，介质流入储热环节热罐，t时刻储热环节充热功率为：
式中：为储热环节t时刻的充热功率，Cs为熔融盐的比热容，ms为集热器出口介质流量，Ts-out,t为t时刻集热器出口介质温度，Ts-in为集热器入口的介质温度，ηTES,cha为储热系统储热效率；在进行日内滚动优化时采用光热电站精细化模型，启动所需的最低能量水平设置为接收器在设计点产生的能量的25％，两种运行模式之间转换的判定条件为：DNI变化率大于工作模式转换值fDNI＝10W/m2/min，DNI变化率为：
综合以上光热发电系统各环节的能量平衡方程，得到计及集热器工作模式的光热发电系统功率平衡方程为：
式中：ηSF为镜场反射效率，ASF为境场中的定日镜总面积，Ibn,t为t时刻的平均太阳辐射强度，为集热器功率损失，/>为t时刻储热环节的放热量，Cs为熔融盐的比热容，ms,t为t时刻集热器出口介质流量，Ts-out,t为t时刻集热器出口介质温度，Ts-in为集热器入口的介质温度，/>为光热发电系统输出功率，ηPC为发电环节能量转换效率，/>为光热发电系统气动消耗的能量，/>为表征发电环节启动动作的二元变量，其中1为动作，0为不动作。
S40：根据日前随机优化调度模型的调度结果与日内超短期预测信息判断t+Δt时刻光热电站运行状态及其集热器工作模式，进而实时调整系统调度计划，建立日内滚动优化调度模型。在本发明实施例中，如图3中所示，在建立日内滚动优化调度模型时，日内阶段结合日前调度结果与日内超期预测信息，并根据精细化模型判断t+Δt时刻光热电站运行状态及其集热器工作模式，进而滚动调整该时段储能系统充放电功率与火电机组发电功率，以实现系统运行成本的最小化。
请继续参照如3，在本发明实施例中，日内滚动优化调度包括以下步骤：
在滚动起始时段，根据日前优化的结果初始化系统内各机组开停的二进制变量和储能系统储热量；
判断是否达到控制时间点，若达到新的控制时间点，则执行该时段充电策略，否则利用日内超短期预测对电网调度计划进行滚动优化，每15min更新一次未来的光伏电站发电功率与DNI预测信息；这里需要指出的是，在本步骤中预测数据由长短记忆神经网络预测模型给出，由于其不是本发明的重点内容，本文中不再进行赘述，只使用预测结果数据；
读取t+Δt时刻所处的日前调度时段，判断该时刻光热电站是否处于运行状态，若电站关停，则t+Δt时刻光热电站发电功率为0；若电站处于运行状态，则判断该时刻DNI预测值是否超过集热器启动所需的最低能量水平，即集热器在设计点发出能量的25％；若不足25％，集热器不启动，t+Δt时刻光热电站消耗储能进行发电；
若DNI预测值超过集热器启动所需的最低能量水平，光热电站精细化模型读取DNI预测信息并计算DNI变化率fDNI,t，当其小于10W/m2/min，集热器以恒温度模式运行，在此控制模式下，计算集热器中的HTF流量，以保持集热器出口HTF温度恒定；该模式通常在晴朗天气或DNI稳定时期激活，该时段多为光照变化率较低的晴朗天气；当fDNI,t大于10W/m2/min，集热器以恒流量模式运行，在该控制模式下，计算HTF出口温度，以保持集热器中的HTF流量恒定，允许在DNI的可变条件下HTF出口温度在安全限值内变化；该模式在间歇性阴天或DNI变化率高的时段激活；在这种情况下，如果集热器出口HTF温度降至470℃以下，为避免其流入热罐导致热罐过度冷却，HTF将被分流至冷罐，该情况下t+Δt时刻光热电站消耗储能进行发电；
经过上述步骤判定集热器工作模式后，依托光热电站建模和常规机组建模，并结合光伏电站发电功率预测值，调用Gurobi优化工具箱进行系统优化计算，更新并储存t+Δt时刻各机组的发电功率和电站储热量；
在本发明实施例中，日内滚动优化的目标函数同样为系统运行成本最小，日内滚动优化的目标函数为：
式中：f为日内运行成本；N，T分别为火电机组、和调度时段的集合；目标函数包含火电机组启动成本、关停成本和燃料成本，光热发电系统启动和关停成本，光伏和光热发电系统环境效益以及弃光成本；Pi,t为火电机组i在t时段的输出功率；和/>分别为火电机组单位时段的燃料成本、启动成本和关停成本；kS和kG分别为运维成本系数与环境效益系数；SCSP为光热发电系统启动成本；/>为表征光热发电系统t时段的启停状态的二元变量，其中1为开机，0为关机；/>和/>分别为光热和光伏电站t时段的出力；/>为表征光热发电系统t时段启停动作的二元变量，其中1为有开机动作，0为无开机动作；/>为弃光惩罚系数；/>和/>分别为光热和光伏电站的弃光功率。
日内滚动优化的调整量约束公式为：
ΔPi，min≤ΔPi(t+kΔt|t)≤ΔPi，max (24)
式中：ΔPPV(t+kΔt|t)、ΔPCSP(t+kΔt|t)和ΔPi(t+kΔt|t)分别为t+kΔt时刻光伏电站、光热电站及火电机组日内出力调整量，ΔETES(t+kΔt|t)为t+kΔt时刻光热电站储热系统储热调整量；
完成一轮优化后，采样t+Δt时刻机组功率和电站储热量，将其作为下一轮滚动优化的初始值，并进行新一轮的滚动优化，重复上述步骤直至调度周期结束。
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 (10)
1.一种计及光热电站集热器工作模式的两阶段优化调度方法，其特征在于，包括以下步骤：
建立描述光热电站内部多流量转换过程的光热电站能量流模型；
在计及典型场景及其概率分布的基础上，建立日前随机优化调度模型；
建立考虑集热器工作模式的光热电站精细化模型；
根据日前随机优化调度模型的调度结果与日内超短期预测信息判断t+Δt时刻光热电站运行状态及其集热器工作模式，进而实时调整系统调度计划，建立日内滚动优化调度模型。
2.根据权利要求1所述的计及光热电站集热器工作模式的两阶段优化调度方法，其特征在于，所述光热电站能量流模型根据其内部的介质流动关系建立，包括聚光集热环节、储热环节和发电环节。
3.根据权利要求2所述的计及光热电站集热器工作模式的两阶段优化调度方法，其特征在于，所述聚光集热环节中，集热器吸热功率表示为：
式中：ηSF为镜场反射效率；ASF为境场中的定日镜总面积；Ibn,t为t时刻的平均太阳辐射强度；为集热器功率损失，具体表示为：
式中：ε为辐射率；σ为黑体辐射常数；A为集热器换热面积；Tr,t为t时刻集热器表面温度；Tamb,t为环境温度；hair为混合换热系数。
4.根据权利要求2所述的计及光热电站集热器工作模式的两阶段优化调度方法，其特征在于，所述储热环节中，储热容量表示为：
式中：和/>分别为t时刻和t-1时刻的储热容量，γ为储热环节散热系数；
储热环节中充放热约束公式为：
在公式(4)、(5)、(6)中，和/>分别为储热环节t时刻的充、放热量；/>为储热环节最大充放热功率；/>和/>分别为表征储热系统充放、热状态的二元变量，其中1为动作，0为不动作；
储热容量上下限约束为：
式中和/>分别为储热环节容量上限和下限。
5.根据权利要求2所述的计及光热电站集热器工作模式的两阶段优化调度方法，其特征在于，所述发电环节中，t时刻发电环节的输入功率为：
式中，为光热发电系统输出功率，EPC,SU为光热发电系统气动消耗的能量，ηPC为发电环节能量转换效率；/>为表征发电环节启动动作的二元变量，其中1为动作，0为不动作；
光热发电系统机组的最小开关时间约束为：
式中：和/>分别为光热发电系统机组开关机最短时间；/>为表征发电环节启停状态的二元变量，其中1为开机，0为关机；
光热发电系统机组出力的上下限约束为：
式中：和/>分别为发电环节的最小、最大输出功率；
光热发电系统机组爬坡约束为：
式中：ΔPRu,PC和ΔPRd,PC分别为发电环节最大向上、向下爬坡率。
6.根据权利要求1所述的计及光热电站集热器工作模式的两阶段优化调度方法，其特征在于，在建立日前随机优化调度模型时，首先基于自组织映射网络(Self-OrganizationMapping Net，SOM)的人工智能学习方法进行多场景生成，其次采用后向缩减(BackwardReduction，BR)算法进行场景缩减，最后结合光热电站的能量流模型，在计及各种典型场景及其初始概率分布的基础上，以日前期望运行成本最低为目标确定次日每一时段三类机组的发电功率和光热储能系统的初始储热量。
7.根据权利要求6所述的计及光热电站集热器工作模式的两阶段优化调度方法，其特征在于，运行成本最低的目标函数为：
式中：λw为场景w的权重值；fw为场景w下的日运行成本；N，T分别为火电机组、和调度时段的集合；目标函数包含火电机组启动成本、关停成本和燃料成本，光热发电系统启动和关停成本，光伏和光热发电系统环境效益以及弃光成本；Pi,t为火电机组i在t时段的输出功率；和/>分别为火电机组单位时段的燃料成本、启动成本和关停成本；kS和kG分别为运维成本系数与环境效益系数；SCSP为光热发电系统启动成本；/>为表征光热发电系统t时段的启停状态的二元变量，其中1为开机，0为关机；/>和/>分别为光热和光伏电站t时段的出力；/>为表征光热发电系统t时段启停动作的二元变量，其中1为有开机动作，0为无开机动作；/>为弃光惩罚系数；/>和/>分别为光热和光伏电站的弃光功率。
8.根据权利要求1所述的计及光热电站集热器工作模式的两阶段优化调度方法，其特征在于，在建立光热电站精细化模型时，集热器工作模式包括恒温度模式与恒流量模式，其中：
所述恒温度模式适用于太阳辐射强度波动较小时段，在该模式中，t时刻集热器出口介质流量为：
式中：为集热器吸热功率，Cs为熔融盐的比热容；Ts-in和Ts-out分别为集热器入口和出口介质温度；
所述恒流量模式适用于太阳辐射强度波动较大时段，在该模式中，t时刻集热器出口介质温度为：
式中：为集热器吸热功率，Cs为熔融盐的比热容，ms为集热器出口介质流量，Ts-in为集热器入口的介质温度；
为保持储热环节热罐中的介质温度恒定，集热器出口介质温度低于460℃时，介质流入储热环节冷罐；介质温度高于460℃时，介质流入储热环节热罐，t时刻储热环节充热功率为：
Pt TES，cha＝Csms，t(Ts-out，t-Ts-in)ηTES，cha (18)
式中：为储热环节t时刻的充热功率，Cs为熔融盐的比热容，ms为集热器出口介质流量，Ts-out,t为t时刻集热器出口介质温度，Ts-in为集热器入口的介质温度，ηTES,cha为储热系统储热效率；
在进行日内滚动优化时采用光热电站精细化模型，启动所需的最低能量水平设置为接收器在设计点产生的能量的25％，两种运行模式之间转换的判定条件为：DNI变化率大于工作模式转换值fDNI＝10W/m2/min，DNI变化率为：
综合以上光热发电系统各环节的能量平衡方程，得到计及集热器工作模式的光热发电系统功率平衡方程为：
式中：ηSF为镜场反射效率，ASF为境场中的定日镜总面积，Ibn,t为t时刻的平均太阳辐射强度，为集热器功率损失，/>为t时刻储热环节的放热量，Cs为熔融盐的比热容，ms,t为t时刻集热器出口介质流量，Ts-out,t为t时刻集热器出口介质温度，Ts-in为集热器入口的介质温度，/>为光热发电系统输出功率，ηPC为发电环节能量转换效率，EPC,SU为光热发电系统气动消耗的能量，/>为表征发电环节启动动作的二元变量，其中1为动作，0为不动作。
9.根据权利要求1所述的计及光热电站集热器工作模式的两阶段优化调度方法，其特征在于，在建立日内滚动优化调度模型时，日内阶段结合日前调度结果与日内超期预测信息，并根据精细化模型判断t+Δt时刻光热电站运行状态及其集热器工作模式，进而滚动调整该时段储能系统充放电功率与火电机组发电功率，以实现系统运行成本的最小化。
10.根据权利要求9所述的计及光热电站集热器工作模式的两阶段优化调度方法，其特征在于，日内滚动优化调度包括以下步骤：
在滚动起始时段，根据日前优化的结果初始化系统内各机组开停的二进制变量和储能系统储热量；
判断是否达到控制时间点，若达到新的控制时间点，则执行该时段充电策略，否则利用日内超短期预测对电网调度计划进行滚动优化，每15min更新一次未来的光伏电站发电功率与DNI预测信息；
读取t+Δt时刻所处的日前调度时段，判断该时刻光热电站是否处于运行状态，若电站关停，则t+Δt时刻光热电站发电功率为0；若电站处于运行状态，则判断该时刻DNI预测值是否超过集热器启动所需的最低能量水平，即集热器在设计点发出能量的25％；若不足25％，集热器不启动，t+Δt时刻光热电站消耗储能进行发电；
若DNI预测值超过集热器启动所需的最低能量水平，光热电站精细化模型读取DNI预测信息并计算DNI变化率fDNI,t，当其小于10W/m2/min，集热器以恒温度模式运行，在此控制模式下，计算集热器中的HTF流量，以保持集热器出口HTF温度恒定；该模式通常在晴朗天气或DNI稳定时期激活，该时段多为光照变化率较低的晴朗天气；当fDNI,t大于10W/m2/min，集热器以恒流量模式运行，在该控制模式下，计算HTF出口温度，以保持集热器中的HTF流量恒定，允许在DNI的可变条件下HTF出口温度在安全限值内变化；该模式在间歇性阴天或DNI变化率高的时段激活；在这种情况下，如果集热器出口HTF温度降至470℃以下，为避免其流入热罐导致热罐过度冷却，HTF将被分流至冷罐，该情况下t+Δt时刻光热电站消耗储能进行发电；
经过上述步骤判定集热器工作模式后，依托光热电站建模和常规机组建模，并结合光伏电站发电功率预测值，调用Gurobi优化工具箱进行系统优化计算，更新并储存t+Δt时刻各机组的发电功率和电站储热量；
日内滚动优化的目标函数为：
式中：f为日内运行成本；N，T分别为火电机组、和调度时段的集合；目标函数包含火电机组启动成本、关停成本和燃料成本，光热发电系统启动和关停成本，光伏和光热发电系统环境效益以及弃光成本；Pi,t为火电机组i在t时段的输出功率；和/>分别为火电机组单位时段的燃料成本、启动成本和关停成本；kS和kG分别为运维成本系数与环境效益系数；SCSP为光热发电系统启动成本；/>为表征光热发电系统t时段的启停状态的二元变量，其中1为开机，0为关机；/>和/>分别为光热和光伏电站t时段的出力；/>为表征光热发电系统t时段启停动作的二元变量，其中1为有开机动作，0为无开机动作；/>为弃光惩罚系数；/>和/>分别为光热和光伏电站的弃光功率；
日内滚动优化的调整量约束公式为：
ΔPi，min≤ΔPi(t+kΔt|t)≤Pi，max (24)
式中：ΔPPV(t+kΔt|t)、ΔPCSP(t+kΔt|t)和ΔPi(t+kΔt|t)分别为t+kΔt时刻光伏电站、光热电站及火电机组日内出力调整量，ΔETES(t+kΔt|t)为t+kΔt时刻光热电站储热系统储热调整量；完成一轮优化后，采样t+Δt时刻机组功率和电站储热量，将其作为下一轮滚动优化的初始值，并进行新一轮的滚动优化，重复上述步骤直至调度周期结束。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310517386.2A CN116542475B (zh) | 2023-05-09 | 2023-05-09 | 一种计及光热电站集热器工作模式的两阶段优化调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310517386.2A CN116542475B (zh) | 2023-05-09 | 2023-05-09 | 一种计及光热电站集热器工作模式的两阶段优化调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116542475A true CN116542475A (zh) | 2023-08-04 |
| CN116542475B CN116542475B (zh) | 2023-11-07 |
Family
ID=87455593
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310517386.2A Active CN116542475B (zh) | 2023-05-09 | 2023-05-09 | 一种计及光热电站集热器工作模式的两阶段优化调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116542475B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109088442A (zh) * | 2018-10-29 | 2018-12-25 | 国网山东省电力公司日照供电公司 | 多时间尺度下考虑多种储能的微能源网优化调度模型 |
| CN110707755A (zh) * | 2019-10-11 | 2020-01-17 | 南京师范大学 | 一种考虑非理想通信条件下基于能量枢纽的综合能源系统超短期调度方法 |
| CN111325395A (zh) * | 2020-02-18 | 2020-06-23 | 华北电力大学 | 一种光热电站参与调节的多时间尺度源源优化调度方法 |
| CN111667319A (zh) * | 2020-06-19 | 2020-09-15 | 中国电建集团青海省电力设计院有限公司 | 一种促进新能源消纳的光热电站日前发电权转让交易方法 |
| CN111797487A (zh) * | 2019-03-20 | 2020-10-20 | 华北电力大学（保定） | 一种基于云层分类的塔式太阳能热发电集热器效率计算方法 |
| CN112398115A (zh) * | 2019-08-14 | 2021-02-23 | 海南电网有限责任公司 | 一种基于改进模型预测控制的多时间尺度火电-光伏-抽水蓄能联合优化调度方案 |
| CN112531785A (zh) * | 2020-12-02 | 2021-03-19 | 四川大学 | 多时间尺度下光热-储热的主动配电网主辅联合调度方法 |
| CN112528542A (zh) * | 2020-12-15 | 2021-03-19 | 河海大学 | 一种考虑集热器工作模式的光热发电系统动态建模方法及控制方法 |
| CN113381403A (zh) * | 2021-06-09 | 2021-09-10 | 河海大学 | 基于运行可靠性的光热-生物质混合电站容量配置方法 |
| CN113378447A (zh) * | 2021-07-07 | 2021-09-10 | 华北电力大学（保定） | 一种太阳能光热电站参与的黑启动服务定价方法 |
| CN113722903A (zh) * | 2021-08-24 | 2021-11-30 | 华北电力大学 | 一种全可再生能源送端系统光热发电容量配置方法 |
| CN113919131A (zh) * | 2021-09-06 | 2022-01-11 | 国网江西省电力有限公司萍乡供电分公司 | 一种基于模型预测控制的含光热电站系统优化调度框架 |
| CN115189401A (zh) * | 2022-07-27 | 2022-10-14 | 国网甘肃省电力公司经济技术研究院 | 一种计及源荷不确定性的日前-日内协调优化调度方法 |
| CN115860788A (zh) * | 2023-01-09 | 2023-03-28 | 国网湖南省电力有限公司 | 含柔性电热负荷综合能源系统日前随机优化方法及系统 |
-
2023
- 2023-05-09 CN CN202310517386.2A patent/CN116542475B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109088442A (zh) * | 2018-10-29 | 2018-12-25 | 国网山东省电力公司日照供电公司 | 多时间尺度下考虑多种储能的微能源网优化调度模型 |
| CN111797487A (zh) * | 2019-03-20 | 2020-10-20 | 华北电力大学（保定） | 一种基于云层分类的塔式太阳能热发电集热器效率计算方法 |
| CN112398115A (zh) * | 2019-08-14 | 2021-02-23 | 海南电网有限责任公司 | 一种基于改进模型预测控制的多时间尺度火电-光伏-抽水蓄能联合优化调度方案 |
| CN110707755A (zh) * | 2019-10-11 | 2020-01-17 | 南京师范大学 | 一种考虑非理想通信条件下基于能量枢纽的综合能源系统超短期调度方法 |
| CN111325395A (zh) * | 2020-02-18 | 2020-06-23 | 华北电力大学 | 一种光热电站参与调节的多时间尺度源源优化调度方法 |
| CN111667319A (zh) * | 2020-06-19 | 2020-09-15 | 中国电建集团青海省电力设计院有限公司 | 一种促进新能源消纳的光热电站日前发电权转让交易方法 |
| CN112531785A (zh) * | 2020-12-02 | 2021-03-19 | 四川大学 | 多时间尺度下光热-储热的主动配电网主辅联合调度方法 |
| CN112528542A (zh) * | 2020-12-15 | 2021-03-19 | 河海大学 | 一种考虑集热器工作模式的光热发电系统动态建模方法及控制方法 |
| CN113381403A (zh) * | 2021-06-09 | 2021-09-10 | 河海大学 | 基于运行可靠性的光热-生物质混合电站容量配置方法 |
| CN113378447A (zh) * | 2021-07-07 | 2021-09-10 | 华北电力大学（保定） | 一种太阳能光热电站参与的黑启动服务定价方法 |
| CN113722903A (zh) * | 2021-08-24 | 2021-11-30 | 华北电力大学 | 一种全可再生能源送端系统光热发电容量配置方法 |
| CN113919131A (zh) * | 2021-09-06 | 2022-01-11 | 国网江西省电力有限公司萍乡供电分公司 | 一种基于模型预测控制的含光热电站系统优化调度框架 |
| CN115189401A (zh) * | 2022-07-27 | 2022-10-14 | 国网甘肃省电力公司经济技术研究院 | 一种计及源荷不确定性的日前-日内协调优化调度方法 |
| CN115860788A (zh) * | 2023-01-09 | 2023-03-28 | 国网湖南省电力有限公司 | 含柔性电热负荷综合能源系统日前随机优化方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 胡叶广 等: "太阳能光热发电的集热技术现状及前景分析", 《科学技术与工程》, pages 1 - 3 * |
| 谌牧晨: "考虑光热电站接入的发输电优化规划方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, pages 1 - 5 * |
| 郑然: "基于ORC的太阳能光热发电机组设计及其综合利用实验研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, pages 1 - 4 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116542475B (zh) | 2023-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109742813B (zh) | 基于mpc的风电-光伏-光热-火电联合发电优化调度方法 | |
| CN111445090B (zh) | 一种离网型综合能源系统双层规划方法 | |
| CN108321837B (zh) | 一种风电-光热联合发电系统及其运行方法 | |
| CN107134810B (zh) | 一种独立型微能源网储能系统优化配置求解方法 | |
| CN110365013B (zh) | 一种光热-光伏-风电联合发电系统的容量优化方法 | |
| CN111860937B (zh) | 基于改进多目标灰狼算法的冷热电联供型微电网优化方法 | |
| CN108521132B (zh) | 多能互补支撑电网频率调节的多时间尺度优化控制方法 | |
| Kong et al. | Optimization of the hybrid solar power plants comprising photovoltaic and concentrating solar power using the butterfly algorithm | |
| CN114330827B (zh) | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 | |
| CN112953364A (zh) | 一种计及光热电站寿命的光热-风电-光伏的联合系统的运行优化模型 | |
| CN111682531B (zh) | 基于pl-imocs的风光水火一次能源互补短期优化调度方法和装置 | |
| CN114069688A (zh) | 一种基于时序生产模拟的多电源容量布局规划方法 | |
| CN117350419A (zh) | 计及柔性负荷和碳流的园区综合能源系统优化运行方法 | |
| CN117081143A (zh) | 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法 | |
| CN115994615A (zh) | 一种基于多能互补的综合能源运行控制方法及系统 | |
| CN109687520A (zh) | 一种用于电力孤网的太阳能光伏与光热互补发电系统 | |
| CN115276088B (zh) | 一种联合发电系统中光热电站储热容量优化配置方法 | |
| CN112883630A (zh) | 用于风电消纳的多微网系统日前优化经济调度方法 | |
| Bousselamti et al. | Study of hybrid PV_CSP plants considering two dispatching strategies in Ouarzazate | |
| CN116542475B (zh) | 一种计及光热电站集热器工作模式的两阶段优化调度方法 | |
| CN116972521A (zh) | 基于商业楼宇太阳能光伏中央空调系统控制方法 | |
| CN117013522A (zh) | 考虑分布式电源和气电协同的综合能源系统调度优化方法 | |
| CN115693793B (zh) | 一种区域微电网能源优化控制方法 | |
| CN112149339B (zh) | 风电-光伏-光热-电加热器互补发电系统容量优化模型 | |
| CN114421536A (zh) | 一种基于储能的多能源互动调控方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |