CN116720690A - 多虚拟电厂电-碳联合优化运行方法、设备及存储介质 - Google Patents
多虚拟电厂电-碳联合优化运行方法、设备及存储介质 Download PDFInfo
- Publication number
- CN116720690A CN116720690A CN202310614331.3A CN202310614331A CN116720690A CN 116720690 A CN116720690 A CN 116720690A CN 202310614331 A CN202310614331 A CN 202310614331A CN 116720690 A CN116720690 A CN 116720690A
- Authority
- CN
- China
- Prior art keywords
- carbon
- vpp
- vppi
- cost
- transaction
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 172
- 238000000034 method Methods 0.000 title claims abstract description 107
- 238000005457 optimization Methods 0.000 title claims abstract description 24
- 238000003860 storage Methods 0.000 title claims abstract description 8
- 238000012725 vapour phase polymerization Methods 0.000 claims abstract description 152
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 125
- 230000005611 electricity Effects 0.000 claims abstract description 60
- 230000008901 benefit Effects 0.000 claims abstract description 26
- 230000002452 interceptive effect Effects 0.000 claims abstract description 8
- 238000004146 energy storage Methods 0.000 claims description 44
- 230000008569 process Effects 0.000 claims description 31
- 230000006870 function Effects 0.000 claims description 15
- 230000009977 dual effect Effects 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- BHMLFPOTZYRDKA-IRXDYDNUSA-N (2s)-2-[(s)-(2-iodophenoxy)-phenylmethyl]morpholine Chemical compound IC1=CC=CC=C1O[C@@H](C=1C=CC=CC=1)[C@H]1OCCNC1 BHMLFPOTZYRDKA-IRXDYDNUSA-N 0.000 claims description 6
- 241000282994 Cervidae Species 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000009194 climbing Effects 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 6
- 230000006399 behavior Effects 0.000 claims description 4
- 238000005265 energy consumption Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000010355 oscillation Effects 0.000 claims description 3
- 238000011017 operating method Methods 0.000 claims 4
- 101000850434 Homo sapiens V-type proton ATPase subunit B, brain isoform Proteins 0.000 description 6
- 101000670953 Homo sapiens V-type proton ATPase subunit B, kidney isoform Proteins 0.000 description 6
- 102100033476 V-type proton ATPase subunit B, brain isoform Human genes 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 101000805729 Homo sapiens V-type proton ATPase 116 kDa subunit a 1 Proteins 0.000 description 5
- 102100037979 V-type proton ATPase 116 kDa subunit a 1 Human genes 0.000 description 5
- 101000854873 Homo sapiens V-type proton ATPase 116 kDa subunit a 4 Proteins 0.000 description 4
- 101000806601 Homo sapiens V-type proton ATPase catalytic subunit A Proteins 0.000 description 4
- 102100037466 V-type proton ATPase catalytic subunit A Human genes 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect 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
- 238000004064 recycling Methods 0.000 description 1
- 235000013322 soy milk Nutrition 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Finance (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的一种多虚拟电厂电‑碳联合优化运行方法、设备及存储介质，根据碳排放流理论，建立计及效益最优的上级电网经济调度模型，计算各虚拟电厂的电价和动态碳排放因子；考虑各VPP运行约束，建立基于纳什议价的多VPP电‑碳合作博弈模型；采用加速‑自适应交替方向乘子法对合作博弈模型进行求解，确定各VPP初步交易策略，更新电能交易需求并上报上级电网；根据上报的电能交易需求，上级电网更新电价与动态碳排放因子并再次进行发布；各VPP与上级电网之间进行多次迭代求解，确定最终交易策略；考虑各VPP在电‑碳合作运行中的贡献度不同，采用基于交互产品贡献度的综合议价方法，对VPP合作收益进行合理分配，以增强各VPP参与合作的积极性。
Description
技术领域
本发明涉及多虚拟电厂联合优化运行技术领域，具体涉及一种多虚拟电厂电-碳联合优化运行方法。
背景技术
可再生能源由于其在节能减排具有的巨大优势而被大力发展，但可再生能源出力往往随机性大，波动性强，很难独立参与到电力市场运营中去。虚拟电厂(virtual powerplant，VPP)通过先进的信息、通信等技术，将分布式能源、储能、负荷等组合成为新型市场主体，是克服这些影响的有效方式。
VPP作为独立主体参与市场交易，存在调度灵活性不高、可靠性较差等问题，当前已有学者提出多VPP的联合优化运行策略，多主体合作运行能够实现资源的互补，极大提升VPP调度的灵活性和交易的可靠性。但是，当前研究多局限于考虑VPP合作运行的经济性，较少考虑多VPP合作的低碳效益。
值得注意的是，目前研究都假定在调度周期内，不同VPP从上级市场购买电能的碳排放信息均相同，忽略了碳排放因子的时空差异性对多VPP电-碳合作运行的影响。基于碳排放流理论的动态碳排放因子能够准确描述各VPP在不同时段购入电能所产生碳排放的差异，因此，有必要研究计及动态碳排放因子的多虚拟电厂电-碳联合优化运行方法。
发明内容
本发明提出的一种多虚拟电厂电-碳联合优化运行方法，可至少解决上述技术问题之一。
为实现上述目的，本发明采用了以下技术方案：
一种多虚拟电厂电-碳联合优化运行方法，包括以下步骤，
步骤1、根据碳排放流理论，建立计及效益最优的上级电网经济调度模型，计算各虚拟电厂的电价和动态碳排放因子；
步骤2、根据上级电网提供的电价和动态碳排放因子，考虑各VPP运行约束，建立基于纳什议价的多VPP电-碳合作博弈模型；
步骤3、采用加速-自适应交替方向乘子法对合作博弈模型进行求解，确定各VPP初步交易策略，更新电能交易需求并上报上级电网；
步骤4、根据上报的电能交易需求，上级电网更新电价与动态碳排放因子并再次进行发布；
步骤5、各VPP与上级电网之间进行多次迭代求解，确定最终交易策略；
步骤6、考虑各VPP在电-碳合作运行中的贡献度不同，采用基于交互产品贡献度的综合议价方法，对VPP合作收益进行合理分配，以增强各VPP参与合作的积极性。
进一步地，所述步骤1具体包括：
步骤1.1、上级电网在满足电能需求和保证电力系统安全稳定运行的前提下，以效益最优为目标进行市场出清，得到各发电厂的出力计划；
步骤1.2、利用边际定价原理得到上级电网的各节点电价；
电价计算模型以发电成本最小化为目标函数：
式中，Ωge为发电厂的集合，分别为t时段发电厂i的电价和发电量；
电价计算模型约束条件包括系统约束、网络约束和机组约束：
式中，为t时刻支路bj的潮流；/>为节点b的支路集合；/>为t时刻节点b的负荷；/>为式(2)的对偶变量，即节点b的电价；Bbj为节点导纳矩阵的虚部；/>为相角；/>为支路bj的潮流最大值；/> 分别为发电厂i出力的最小值、最大值和爬坡的小值、最大值；/>分别为节点b处可再生能源的集合和t时刻出力预测值；
步骤1.3、利用碳排放流理论，根据发电厂历史发电信息、用户历史用能信息和潮流信息，得到各节点的动态碳排放因子；
动态碳排放因子定义如下：
式中，为t时刻节点b的动态碳排放因子；ρi,ge为发电厂i的碳排放强度；/>为t时刻支路bj的碳流密度；/>为潮流流入节点b的支路集合。
进一步地，所述步骤2具体包括：
步骤2.1、建立各VPP优化运行模型，以总运行成本最小为目标函数，考虑功率平衡约束、电价约束、可中断负荷约束、储能约束和碳排放约束；
步骤2.2、构建多VPP电-碳合作运行联盟，建立基于纳什议价的多VPP电-碳合作博弈模型，各VPP之间存在电、碳和信息交互，且联盟内部电能、碳配额交易价格不高于向上级电网购入价格，不低于向上级电网售出价格。
进一步地，所述步骤2.1建立各VPP优化运行模型，如下：
步骤2.1.1、构建目标函数，即第i个VPP的运行成本最小，包括电能交易成本、碳成本和设备运维成本三部分；
式中，分别为t时刻VPPi电能交易成本、碳成本和设备运维成本；
(1)电能交易成本
电能交易成本包括VPPi与其他VPP交易成本和与上级电网交易成本；
式中，为t时刻VPPi与VPPj之间电能交易成本；/>为t时刻VPPi与上级电网之间电能交易成本；/>为t时刻VPPi与VPPj的交易电价和交互功率；/>为t时刻VPPi与上级电网的交易电价和交互功率；
(2)碳排放成本
碳排放成本由VPP间碳配额交易成本和VPP与上级电网碳配额交易成本两部分组成；
式中，和/>分别为t时刻VPP与上级电网碳配额交易成本和VPP间碳配额交易成本；/>和/>分别为t时刻VPPi和VPPj之间碳配额交易单价和交易量；π0为当日碳交易价格；/>为t时刻VPPi的超额碳排放量；χE为单位供电量的碳配额；/>为t时刻VPPi向VPP内负荷提供的电量；/>为t时刻VPPi向上级电网购电时的动态碳排放因子，/>为t时刻VPPi中燃气轮机输出功率；
(3)设备运维成本
设备运维成本包括可中断负荷、储能和燃气轮机运维成本；
式中，和/>分别为t时刻VPPi调用可中断负荷、储能及燃气轮机的成本；/>为t时刻调用VPPi中可中断负荷m的中断量；θm为该可中断负荷类型参数；Mi为VPPi中可中断负荷总数；/>为t时刻VPPi中储能单元e的充放电功率；/>ηe,i分别为t时刻VPPi中储能单元e的放电功率、充电功率和效率；/>为储能的单位调用成本；Ei为VPPi中储能单元总数；/>为t时刻VPPi中燃气轮机n的调用成本；M1、M2和M3为正值参数；
步骤2.1.2、构建约束条件，包括功率平衡约束、电价约束、可中断负荷约束、燃气轮机约束和储能约束；
(1)功率平衡约束
式中，为t时刻VPPi与其他VPP的电能交易量，/>为t时刻VPPi与主网的电能交易量，/>分别为t时刻VPPi内可中断负荷调用量和DER资源发电出力，为t时刻VPPi内储能资源调用量，/>分别为t时刻VPPi内光伏和风电出力；
(2)交易价格约束
式中，λij,min、λij,max、分别为虚拟电厂i与其他VPP交易电价上下限；λMN,min、λMN,max分别为虚拟电厂i与上级电网交易电价上下限；λij,c,min、λij,c,max分别为虚拟电厂i与其他VPP碳配额交易价格上下限；
(3)可中断负荷约束
式中，为可中断负荷q的最大调用量；
(4)燃气轮机约束
式中，up为判断燃气轮机q的运行状态0/1变量，1表示启动，0表示关闭，为t时段燃气轮机q的出力，ΔMT为燃气轮机的爬坡约束，/> 分别表示燃气轮机的最大、最小出力；
式中，为t时段储能单元e的荷电状态，/>分别为判断储能系单元充、放电的0/1变量，Ee,N为储能单元e的额定容量，/> 分别为储能单元e的充电功率上下限、放电功率上下限、荷电状态上下限。
进一步地，所述步骤2.2中基于纳什谈判的多VPP合作运行模型，如下：
式中，为VPPi独立运行时的最优效益。
进一步地，所述步骤3中的合作博弈模型，转换为多VPP联盟运行成本最小化子问题和交易收益分配子问题，采用加速-自适应交替方向乘子法进行求解；
加速-自适应交替方向乘子法步长更新机制为：
式中，ρk+1为惩罚因子，μ为原始残差和对偶残差的比例系数，τiner、τdeer为步长更新的比例系数，且μ>0,τiner>0,τdeer>0；当原始残差较大时，通过增大步长调整变量x和z的关系，加快原始残差收敛；当对偶残差较大时，通过减小步长促进变量z的收敛，减小目标函数震荡；其他情况时，动态调整惩罚因子提高算法收敛速度。
进一步地，所述步骤5迭代求解步骤为，
(a)基于各VPP的历史数据设定各VPP的电能需求初值，设定k＝1；
(b)基于电能交易需求初值求解上级电网出清模型，对上级电网进行调度，更新节点电价和动态碳排放因子；
(c)基于更新的节点电价和动态碳排放因子求解多VPP电-碳合作博弈模型，更新各VPP的电能需求；
(d)k＝k+1，返回步骤2，重复求解双层模型，直至满足收敛条件或达到最大迭代次数。
进一步地，所述步骤6中基于交互产品贡献度的综合议价方法考虑每个VPP在合作联盟中电-碳交易行为不同，其相应的贡献度也不一样；
对VPP贡献度定义如下：
式中，γe、γc分别为VPP电能交易和碳排放权交易的权重。
另一方面，本发明还公开一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至8中任一项所述方法的步骤。
再一方面，本发明还公开一种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，使得所述处理器执行如上述方法的步骤。
由上述技术方案可知，本发明的多虚拟电厂电-碳联合优化运行方法具有以下有益效果：
1、在多VPP联合优化运行模型中考虑动态碳排放因子，能够有效引导VPP内部各成员调整发用电行为，进一步挖掘多VPP合作运行的碳减排潜力，多VPP联盟能够购入相对低碳的电能从而减少联盟整体的碳排放量；
2、多VPP参与电-碳合作联盟，各VPP可通过在联盟内部交易电能和碳配额降低成本和提高效率，在提升可再生能源消纳水平的同时，兼顾了VPP的经济效益和VPP调度的灵活性，实现多主体经济效益和环境效益的合作共赢；
3、根据各VPP在电-碳合作运行中的贡献度不同，采用基于交互产品贡献度的综合议价方法，对VPP合作收益进行合理分配，可以增强各VPP参与合作的积极性。
附图说明
图1是本发明实施例的流程示意图；
图2是本发明实施例的多VPP电-碳联合优化运行框架图；
图3是本发明实施例的双层模型求解流程图；
图4是本发明实施例的上级电网交易电价图；
图5是本发明实施例中各VPP日前预测出力图；其中，图5a是VPP1日前预测出力；图5b是VPP2日前预测出力；图5c是VPP3日前预测出力；
图6是本发明实施例中上级电网各VPP动态碳排放因子图；
图7是本发明实施例中VPP3合作运行前后碳减排量贡献。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
如图1所示，本实施例所述的多虚拟电厂电-碳联合优化运行方法，包括如下步骤：
步骤1、根据碳排放流理论，建立计及效益最优的上级电网经济调度模型，计算各虚拟电厂的电价和动态碳排放因子；
步骤2、根据上级电网提供的电价和动态碳排放因子，考虑各VPP运行约束，建立基于纳什议价的多VPP电-碳合作博弈模型；
步骤3、采用加速-自适应交替方向乘子法对合作博弈模型进行求解，确定各VPP初步交易策略，更新电能交易需求并上报上级电网；
步骤4、根据上报的电能交易需求，上级电网更新电价与动态碳排放因子并再次进行发布；
步骤5、各VPP与上级电网之间进行多次迭代求解，确定最终交易策略；
步骤6、考虑各VPP在电-碳合作运行中的贡献度不同，采用基于交互产品贡献度的综合议价方法，对VPP合作收益进行合理分配，以增强各VPP参与合作的积极性。
以下分别具体说明：
所述步骤1具体包括：
步骤1.1、上级电网在满足电能需求和保证电力系统安全稳定运行的前提下，以效益最优为目标进行市场出清，得到各发电厂的出力计划；
步骤1.2、利用边际定价原理得到上级电网的各节点电价；
电价计算模型以发电成本最小化为目标函数：
式中，Ωge为发电厂的集合，分别为t时段发电厂i的电价和发电量。
电价计算模型约束条件包括系统约束、网络约束和机组约束：
式中，为t时刻支路bj的潮流；/>为节点b的支路集合；/>为t时刻节点b的负荷；/>为式(2)的对偶变量，即节点b的电价；Bbj为节点导纳矩阵的虚部；/>为相角；/>为支路bj的潮流最大值；/> 分别为发电厂i出力的最小值、最大值和爬坡的小值、最大值；/>分别为节点b处可再生能源的集合和t时刻出力预测值。
步骤1.3、利用碳排放流理论，根据发电厂历史发电信息、用户历史用能信息和潮流信息，得到各节点的动态碳排放因子；
动态碳排放因子定义如下：
式中，ρb t为t时刻节点b的动态碳排放因子；ρi,ge为发电厂i的碳排放强度；为t时刻支路bj的碳流密度；/>为潮流流入节点b的支路集合。
所述步骤2中VPP组成成员具体包括分布式能源(distributed energyresources，DER)、可中断负荷和储能设备，本发明中DER包含风电、光伏和微型燃气轮机。
所述步骤2具体包括：
步骤2.1、建立各VPP优化运行模型，以总运行成本最小为目标函数，考虑功率平衡约束、电价约束、可中断负荷约束、储能约束和碳排放约束。
步骤2.2、构建多VPP电-碳合作运行联盟，建立基于纳什议价的多VPP电-碳合作博弈模型。各VPP之间存在电、碳和信息交互，且联盟内部电能、碳配额交易价格不高于向上级电网购入价格，不低于向上级电网售出价格。
进一步地，所述步骤2.1建立各VPP优化运行模型，如下：
步骤2.1.1、构建目标函数，即第i个VPP的运行成本最小，包括电能交易成本、碳成本和设备运维成本三部分。
式中，分别为t时刻VPPi电能交易成本、碳成本和设备运维成本。
(1)电能交易成本
电能交易成本包括VPPi与其他VPP交易成本和与上级电网交易成本。
式中，为t时刻VPPi与VPPj之间电能交易成本；/>为t时刻VPPi与上级电网之间电能交易成本；/>为t时刻VPPi与VPPj的交易电价和交互功率；/>为t时刻VPPi与上级电网的交易电价和交互功率。
(2)碳排放成本
本发明碳排放成本由VPP间碳配额交易成本和VPP与上级电网碳配额交易成本两部分组成。
式中，和/>分别为t时刻VPP与上级电网碳配额交易成本和VPP间碳配额交易成本；/>和/>分别为t时刻VPPi和VPPj之间碳配额交易单价和交易量；π0为当日碳交易价格；/>为t时刻VPPi的超额碳排放量；χE为单位供电量的碳配额；/>为t时刻VPPi向VPP内负荷提供的电量；ρi t为t时刻VPPi向上级电网购电时的动态碳排放因子，/>为t时刻VPPi中燃气轮机输出功率。
(3)设备运维成本
设备运维成本包括可中断负荷、储能和燃气轮机运维成本。
式中，和/>分别为t时刻VPPi调用可中断负荷、储能及燃气轮机的成本；/>为t时刻调用VPPi中可中断负荷m的中断量；θm为该可中断负荷类型参数；Mi为VPPi中可中断负荷总数；/>为t时刻VPPi中储能单元e的充放电功率；/>ηe,i分别为t时刻VPPi中储能单元e的放电功率、充电功率和效率；/>为储能的单位调用成本；Ei为VPPi中储能单元总数；/>为t时刻VPPi中燃气轮机n的调用成本；M1、M2和M3为正值参数。
步骤2.1.2、构建约束条件，包括功率平衡约束、电价约束、可中断负荷约束、燃气轮机约束和储能约束。
(1)功率平衡约束
式中，为t时刻VPPi与其他VPP的电能交易量，/>为t时刻VPPi与主网的电能交易量，/>分别为t时刻VPPi内可中断负荷调用量和DER资源发电出力，为t时刻VPPi内储能资源调用量，/>分别为t时刻VPPi内光伏和风电出力。
(2)交易价格约束
式中，λij,min、λij,max、分别为虚拟电厂i与其他VPP交易电价上下限；λMN,min、λMN,max分别为虚拟电厂i与上级电网交易电价上下限；λij,c,min、λij,c,max分别为虚拟电厂i与其他VPP碳配额交易价格上下限。
(3)可中断负荷约束
/>
式中，为可中断负荷q的最大调用量。
(4)燃气轮机约束
式中，up为判断燃气轮机q的运行状态0/1变量，1表示启动，0表示关闭，为t时段燃气轮机q的出力，ΔMT为燃气轮机的爬坡约束，/> 分别表示燃气轮机的最大、最小出力。
式中，为t时段储能单元e的荷电状态，/>分别为判断储能系单元充、放电的0/1变量，Ee,N为储能单元e的额定容量，/> 分别为储能单元e的充电功率上下限、放电功率上下限、荷电状态上下限。
所述步骤2.2中基于纳什谈判的多VPP合作运行模型，如下：
式中，为VPPi独立运行时的最优效益。
所述步骤3中的合作博弈模型，可转换为多VPP联盟运行成本最小化子问题和交易收益分配子问题，采用加速-自适应交替方向乘子法进行求解。
加速-自适应交替方向乘子法步长更新机制为：
式中，ρk+1为惩罚因子，μ为原始残差和对偶残差的比例系数，τiner、τdeer为步长更新的比例系数，且μ>0,τiner>0,τdeer>0。当原始残差较大时，通过增大步长调整变量x和z的关系，加快原始残差收敛；当对偶残差较大时，通过减小步长促进变量z的收敛，减小目标函数震荡；其他情况时，动态调整惩罚因子提高算法收敛速度。
所述步骤5迭代求解步骤为：
(a)基于各VPP的历史数据设定各VPP的电能需求初值，设定k＝1；
(b)基于电能交易需求初值求解上级电网出清模型，对上级电网进行调度，更新节点电价和动态碳排放因子；
(c)基于更新的节点电价和动态碳排放因子求解多VPP电-碳合作博弈模型，更新各VPP的电能需求；
(d)k＝k+1，返回步骤2，重复求解双层模型，直至满足收敛条件或达到最大迭代次数。
所述步骤6中基于交互产品贡献度的综合议价方法考虑每个VPP在合作联盟中电-碳交易行为不同，其相应的贡献度也不一样。
对VPP贡献度定义如下：
式中，γe、γc分别为VPP电能交易和碳排放权交易的权重。式(32)具有一下特征：1)任何在合作联盟中交易了电能和碳配额的VPP豆浆获得贡献。2)VPP在合作联盟中电-碳交易的交易量越大，则其贡献越大，所获得的利润就越多。3)VPP在合作联盟中交易相同产品在不同时段贡献不同，合作联盟内外交易产品的价格相差越大，贡献越大，所获得的利润就越多。
以下举例说明
设定VPP联盟中包含3个VPP，其中，VPP1中包含1台微型燃气轮机组、1个光伏发电商、1个风电商、1个储能系统、1个可中断负荷，VPP2中包含1台微型燃气轮机组、1个光伏发电商、1个风电商、1个储能系统、1个可中断负荷，VPP3中包含2个储能系统、2个可中断负荷、1台微型燃气轮机组，优化运行周期为一天24h，调度时间间隔为1h。各VPP接在上级电网不同节点。上级电网电价如图4所示。各VPP风电、光伏、负荷日前预测出力如图5所示。光伏和风电的日前预测出力波动标准差分别为0.015和0.01。收益分配权重为γe＝0.5，γc＝0.5。
设置2个模型对比分析VPP动态碳排放因子的时空差异性对多VPP电-碳合作运行的影响：
模型1：计及动态碳排放因子的多VPP电-碳联合优化，各VPP的碳排放因子具有时空差异性；
模型2：不计及动态碳排放因子的多VPP电-碳联合优化，各VPP的碳排放因子不具有时空差异性。
模型1和模型2中各VPP的动态碳排放因子如图6所示，模型1中VPP1的用电碳排放因子相对较小，VPP2次之，VPP3相对最大。各VPP的动态碳排放因子具有明显的时间差异性，呈现白天高、晚上低的特点。模型2中各VPP的碳排放因子为固定值。
计算并比较各VPP合作博弈前后只考虑参与电能市场以及参与碳电耦合市场后的效益，结果如表1所示。
由上表中可以看出，VPP合作运行时的总成本比单独运行时低，计及动态碳排放因子时，VPP合作运行比单独运行的总成本减少了3918元，其中VPP1、VPP2、VPP3收益分别降低了12.16％、12.31％、17.17％；不计及动态碳排放因子时，VPP合作运行比单独运行的总成本减少了2656元，其中VPP1、VPP2、VPP3成本分别降低了9.76％、3.11％、15.26％。VPP在联盟内电能交易价格和碳积分交易价格均低于市场销售价格，高于市场回收价格，因此VPP更倾向于进行合作联盟，从而提升收益。
图7为碳电耦合市场环境下VPP3合作运行前后碳减排量贡献，由图可知，碳电耦合市场机制下VPP的碳减排量十分可观，并且VPP合作运行时碳减排量能够得到大幅提升，究其原因，合作运行时VPP优先在联盟内直接进行电能交易和碳积分交易，购买联盟中的低碳电能，减少向上级电网购入的高碳电能，从而减少碳排放。
又一方面，本发明还公开一种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，使得所述处理器执行如上述任一方法的步骤。
再一方面，本发明还公开一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述任一方法的步骤。
在本申请提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一方法的步骤。
可理解的是，本发明实施例提供的系统与本发明实施例提供的方法相对应，相关内容的解释、举例和有益效果可以参考上述方法中的相应部分。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例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例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例技术方案的精神和范围。
Claims (10)
1.一种多虚拟电厂电-碳联合优化运行方法，其特征在于，包括以下步骤，
步骤1、根据碳排放流理论，建立计及效益最优的上级电网经济调度模型，计算各虚拟电厂的电价和动态碳排放因子；
步骤2、根据上级电网提供的电价和动态碳排放因子，考虑各VPP运行约束，建立基于纳什议价的多VPP电-碳合作博弈模型；
步骤3、采用加速-自适应交替方向乘子法对合作博弈模型进行求解，确定各VPP初步交易策略，更新电能交易需求并上报上级电网；
步骤4、根据上报的电能交易需求，上级电网更新电价与动态碳排放因子并再次进行发布；
步骤5、各VPP与上级电网之间进行多次迭代求解，确定最终交易策略；
步骤6、考虑各VPP在电-碳合作运行中的贡献度不同，采用基于交互产品贡献度的综合议价方法，对VPP合作收益进行合理分配，以增强各VPP参与合作的积极性。
2.根据权利要求1所述的多虚拟电厂电-碳联合优化运行方法，其特征在于：所述步骤1具体包括：
步骤1.1、上级电网在满足电能需求和保证电力系统安全稳定运行的前提下，以效益最优为目标进行市场出清，得到各发电厂的出力计划；
步骤1.2、利用边际定价原理得到上级电网的各节点电价；
电价计算模型以发电成本最小化为目标函数：
式中，Ωge为发电厂的集合，分别为t时段发电厂i的电价和发电量；
电价计算模型约束条件包括系统约束、网络约束和机组约束：
式中，为t时刻支路bj的潮流；/>为节点b的支路集合；/>为t时刻节点b的负荷；为式(2)的对偶变量，即节点b的电价；Bbj为节点导纳矩阵的虚部；/>为相角；/>为支路bj的潮流最大值；/>分别为发电厂i出力的最小值、最大值和爬坡的小值、最大值；/>分别为节点b处可再生能源的集合和t时刻出力预测值；
步骤1.3、利用碳排放流理论，根据发电厂历史发电信息、用户历史用能信息和潮流信息，得到各节点的动态碳排放因子；
动态碳排放因子定义如下：
式中，为t时刻节点b的动态碳排放因子；ρi,ge为发电厂i的碳排放强度；/>为t时刻支路bj的碳流密度；/>为潮流流入节点b的支路集合。
3.根据权利要求1所述的多虚拟电厂电-碳联合优化运行方法，其特征在于：所述步骤2具体包括：
步骤2.1、建立各VPP优化运行模型，以总运行成本最小为目标函数，考虑功率平衡约束、电价约束、可中断负荷约束、储能约束和碳排放约束；
步骤2.2、构建多VPP电-碳合作运行联盟，建立基于纳什议价的多VPP电-碳合作博弈模型，各VPP之间存在电、碳和信息交互，且联盟内部电能、碳配额交易价格不高于向上级电网购入价格，不低于向上级电网售出价格。
4.根据权利要求3所述的多虚拟电厂电-碳联合优化运行方法，其特征在于：所述步骤2.1建立各VPP优化运行模型，如下：
步骤2.1.1、构建目标函数，即第i个VPP的运行成本最小，包括电能交易成本、碳成本和设备运维成本三部分；
式中，分别为t时刻VPPi电能交易成本、碳成本和设备运维成本；
(1)电能交易成本
电能交易成本包括VPPi与其他VPP交易成本和与上级电网交易成本；
式中，为t时刻VPPi与VPPj之间电能交易成本；/>为t时刻VPPi与上级电网之间电能交易成本；/>为t时刻VPPi与VPPj的交易电价和交互功率；/>为t时刻VPPi与上级电网的交易电价和交互功率；
(2)碳排放成本
碳排放成本由VPP间碳配额交易成本和VPP与上级电网碳配额交易成本两部分组成；
式中，和/>分别为t时刻VPP与上级电网碳配额交易成本和VPP间碳配额交易成本；/>和/>分别为t时刻VPPi和VPPj之间碳配额交易单价和交易量；π0为当日碳交易价格；为t时刻VPPi的超额碳排放量；χE为单位供电量的碳配额；/>为t时刻VPPi向VPP内负荷提供的电量；/>为t时刻VPPi向上级电网购电时的动态碳排放因子，/>为t时刻VPPi中燃气轮机输出功率；
(3)设备运维成本
设备运维成本包括可中断负荷、储能和燃气轮机运维成本；
式中，和/>分别为t时刻VPPi调用可中断负荷、储能及燃气轮机的成本；为t时刻调用VPPi中可中断负荷m的中断量；θm为该可中断负荷类型参数；Mi为VPPi中可中断负荷总数；/>为t时刻VPPi中储能单元e的充放电功率；/>ηe,i分别为t时刻VPPi中储能单元e的放电功率、充电功率和效率；/>为储能的单位调用成本；Ei为VPPi中储能单元总数；/>为t时刻VPPi中燃气轮机n的调用成本；M1、M2和M3为正值参数；
步骤2.1.2、构建约束条件，包括功率平衡约束、电价约束、可中断负荷约束、燃气轮机约束和储能约束；
(1)功率平衡约束
式中，为t时刻VPPi与其他VPP的电能交易量，/>为t时刻VPPi与主网的电能交易量，/>分别为t时刻VPPi内可中断负荷调用量和DER资源发电出力，/>为t时刻VPPi内储能资源调用量，/>分别为t时刻VPPi内光伏和风电出力；
(2)交易价格约束
式中，λij,min、λij,max、分别为虚拟电厂i与其他VPP交易电价上下限；λMN,min、λMN,max分别为虚拟电厂i与上级电网交易电价上下限；λij,c,min、λij,c,max分别为虚拟电厂i与其他VPP碳配额交易价格上下限；
(3)可中断负荷约束
式中，为可中断负荷q的最大调用量；
(4)燃气轮机约束
式中，up为判断燃气轮机q的运行状态0/1变量，1表示启动，0表示关闭，为t时段燃气轮机q的出力，ΔMT为燃气轮机的爬坡约束，/>分别表示燃气轮机的最大、最小出力；
式中，为t时段储能单元e的荷电状态，/>分别为判断储能系单元充、放电的0/1变量，Ee,N为储能单元e的额定容量，/> 分别为储能单元e的充电功率上下限、放电功率上下限、荷电状态上下限。
5.根据权利要求3所述的多虚拟电厂电-碳联合优化运行方法，其特征在于：所述步骤2.2中基于纳什谈判的多VPP合作运行模型，如下：
式中，为VPPi独立运行时的最优效益。
6.根据权利要求3所述的多虚拟电厂电-碳联合优化运行方法，其特征在于：所述步骤3中的合作博弈模型，转换为多VPP联盟运行成本最小化子问题和交易收益分配子问题，采用加速-自适应交替方向乘子法进行求解；
加速-自适应交替方向乘子法步长更新机制为：
式中，ρk+1为惩罚因子，μ为原始残差和对偶残差的比例系数，τiner、τdeer为步长更新的比例系数，且μ>0,τiner>0,τdeer>0；当原始残差较大时，通过增大步长调整变量x和z的关系，加快原始残差收敛；当对偶残差较大时，通过减小步长促进变量z的收敛，减小目标函数震荡；其他情况时，动态调整惩罚因子提高算法收敛速度。
7.根据权利要求1所述的多虚拟电厂电-碳联合优化运行方法，其特征在于：所述步骤5迭代求解步骤为，
(a)基于各VPP的历史数据设定各VPP的电能需求初值，设定k＝1；
(b)基于电能交易需求初值求解上级电网出清模型，对上级电网进行调度，更新节点电价和动态碳排放因子；
(c)基于更新的节点电价和动态碳排放因子求解多VPP电-碳合作博弈模型，更新各VPP的电能需求；
(d)k＝k+1，返回步骤2，重复求解双层模型，直至满足收敛条件或达到最大迭代次数。
8.根据权利要求1所述的多虚拟电厂电-碳联合优化运行方法，其特征在于：所述步骤6中基于交互产品贡献度的综合议价方法考虑每个VPP在合作联盟中电-碳交易行为不同，其相应的贡献度也不一样；
对VPP贡献度定义如下：
式中，γe、γc分别为VPP电能交易和碳排放权交易的权重。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1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，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至8中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310614331.3A CN116720690A (zh) | 2023-05-24 | 2023-05-24 | 多虚拟电厂电-碳联合优化运行方法、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310614331.3A CN116720690A (zh) | 2023-05-24 | 2023-05-24 | 多虚拟电厂电-碳联合优化运行方法、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116720690A true CN116720690A (zh) | 2023-09-08 |
Family
ID=87863993
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310614331.3A Pending CN116720690A (zh) | 2023-05-24 | 2023-05-24 | 多虚拟电厂电-碳联合优化运行方法、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116720690A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117439080A (zh) * | 2023-12-20 | 2024-01-23 | 国网山东省电力公司营销服务中心(计量中心) | 一种虚拟电厂的调度方法、系统、存储介质及设备 |
| CN118017527A (zh) * | 2024-04-10 | 2024-05-10 | 南京师范大学 | 绿证约束下基于改进admm的多源荷系统联合运行方法、系统 |
-
2023
- 2023-05-24 CN CN202310614331.3A patent/CN116720690A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117439080A (zh) * | 2023-12-20 | 2024-01-23 | 国网山东省电力公司营销服务中心(计量中心) | 一种虚拟电厂的调度方法、系统、存储介质及设备 |
| CN117439080B (zh) * | 2023-12-20 | 2024-04-12 | 国网山东省电力公司营销服务中心(计量中心) | 一种虚拟电厂的调度方法、系统、存储介质及设备 |
| CN118017527A (zh) * | 2024-04-10 | 2024-05-10 | 南京师范大学 | 绿证约束下基于改进admm的多源荷系统联合运行方法、系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Shafiekhani et al. | Strategic bidding of virtual power plant in energy markets: A bi-level multi-objective approach | |
| Zheng et al. | Multi-agent optimal allocation of energy storage systems in distribution systems | |
| CN111682526B (zh) | 一种基于合作博弈的虚拟电厂能量管理方法 | |
| CN116720690A (zh) | 多虚拟电厂电-碳联合优化运行方法、设备及存储介质 | |
| Lee et al. | Optimal operation strategy of virtual power plant considering real-time dispatch uncertainty of distributed energy resource aggregation | |
| Turker et al. | Utilizing a vanadium redox flow battery to avoid wind power deviation penalties in an electricity market | |
| Wu et al. | A hierarchical framework for renewable energy sources consumption promotion among microgrids through two-layer electricity prices | |
| Dimitriadis et al. | Optimization-based economic analysis of energy storage technologies in a coupled electricity and natural gas market | |
| Liu et al. | Economic dispatch for electricity merchant with energy storage and wind plant: State of charge based decision making considering market impact and uncertainties | |
| CN115759556A (zh) | 一种碳-电市场中的多虚拟电厂优化运行与分配方法 | |
| CN116011821A (zh) | 一种电力市场环境下虚拟电厂优化风险调度方法 | |
| Yu et al. | Research on energy management of a virtual power plant based on the improved cooperative particle swarm optimization algorithm | |
| Wang et al. | Impacts of joint operation of wind power with electric vehicles and demand response in electricity market | |
| Peng et al. | Review on bidding strategies for renewable energy power producers participating in electricity spot markets | |
| Pan et al. | Multi-level games optimal scheduling strategy of multiple virtual power plants considering carbon emission flow and carbon trade | |
| Yu et al. | A Stackelberg game-based peer-to-peer energy trading market with energy management and pricing mechanism: A case study in Guangzhou | |
| Yan et al. | Optimal scheduling strategy and benefit allocation of multiple virtual power plants based on general nash bargaining theory | |
| Mandić et al. | A general model of optimal energy storage operation in the market conditions | |
| CN116402223A (zh) | 一种配电网协同调度方法、系统及设备 | |
| Kalantari et al. | Strategic decision making of energy storage owned virtual power plant in day-ahead and intra-day markets | |
| Song et al. | Two-stage robust optimal scheduling method for virtual power plants considering the controllability of electric vehicles | |
| Tong et al. | Economical optimization for multi-microgrid based on Stackelberg game | |
| Qiuna et al. | A day-ahead optimal market bidding strategy for risk-averse virtual power plants based on stochastic dominance constraints | |
| Flamm et al. | Price arbitrage using variable-efficiency energy storage | |
| CN111478325A (zh) | 一种氢-电混合储能微电网能量调度方法及系统 |
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 |