CN116780649B - 一种多能互补利用的分布式鲁棒优化运行方法 - Google Patents
一种多能互补利用的分布式鲁棒优化运行方法 Download PDFInfo
- Publication number
- CN116780649B CN116780649B CN202310718059.3A CN202310718059A CN116780649B CN 116780649 B CN116780649 B CN 116780649B CN 202310718059 A CN202310718059 A CN 202310718059A CN 116780649 B CN116780649 B CN 116780649B
- Authority
- CN
- China
- Prior art keywords
- energy
- time
- wind power
- uncertainty
- constraints
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000005457 optimization Methods 0.000 title claims abstract description 72
- 230000000295 complement effect Effects 0.000 title claims abstract description 19
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 161
- 229910052739 hydrogen Inorganic materials 0.000 claims abstract description 119
- 239000001257 hydrogen Substances 0.000 claims abstract description 119
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims abstract description 115
- 239000007789 gas Substances 0.000 claims abstract description 75
- 230000005611 electricity Effects 0.000 claims abstract description 57
- 239000003345 natural gas Substances 0.000 claims abstract description 47
- 238000004519 manufacturing process Methods 0.000 claims abstract description 41
- 238000009826 distribution Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000004044 response Effects 0.000 claims description 46
- 239000000446 fuel Substances 0.000 claims description 37
- 238000004146 energy storage Methods 0.000 claims description 36
- 238000010248 power generation Methods 0.000 claims description 26
- 238000012544 monitoring process Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 4
- 230000008878 coupling Effects 0.000 abstract description 23
- 238000010168 coupling process Methods 0.000 abstract description 23
- 238000005859 coupling reaction Methods 0.000 abstract description 23
- 238000003860 storage Methods 0.000 description 13
- 238000006243 chemical reaction Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 230000008901 benefit Effects 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 230000002354 daily effect Effects 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 4
- 150000002431 hydrogen Chemical class 0.000 description 4
- 230000036962 time dependent Effects 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 230000009194 climbing Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000029087 digestion Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000005868 electrolysis reaction Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 238000013486 operation strategy Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 239000003502 gasoline Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
Abstract
本发明公开了一种多能互补利用的分布式鲁棒优化运行方法。为了克服含有分布式资源的电‑气耦合配网系统的联合优化调度困难，常用优化方法求解效率低下，优化结果过于保守的问题；本发明采用将含电制氢装置融入电力、天然气能源系统中，形成一种含电制氢的综合能源系统模型；针对综合能源系统模型的不确定性处理采用历史驱动的分布式鲁棒处理，考虑风电历史相关性驱动的不确定性集；对综合能源系统设定目标函数，引入约束条件，对两阶段分布鲁棒优化调度模型进行求解。联合调度方法能够有效计及综合能源系统的多维不确定耦合特性，能快速得到优化经济调度方案，实现了调度不确定及经济性的良好平衡，以及较高计算效率。
Description
技术领域
本发明涉及一种多能互补联合调度领域，尤其涉及一种多能互补利用的分布式鲁棒优化运行方法。
背景技术
分布式风、光出力，电、热、冷、气负荷等不确定性以及多能流之间相互耦合的特点均为其运行优化带来了极大的挑战。含电制氢装置的配网系统运行存在各干扰因素主要是由于影响其变化的环境因素众多，且无法进行全面量化与准确估计，从而导致预测误差难以避免。事实上，干扰因素的不确定性不仅体现在对其取值难以准确预测(值预测不确定性)，还体现在对其所服从的概率分布规律难以精准把握(分布预测不确定性)。无论是值预测还是分布预测的不确定性，都可能对系统的实际运行结果产生不利影响。
氢能是新型的可以替代汽油和柴油的二次能源，不会产生温室气体排放导致环境污染。电制氢可以作为一种富裕电能的能源储备形式，将弃置的清洁电力就地转化为氢气并储存，有效解决弃电带来的装置效率浪费及三弃问题，提高社会总体的能源利用。Xiaoal.(2020)提出了一种参与电氢市场销售电氢的风电电解储氢系统，提出了以利润最大化为目标的最优运行策略。A.Kafetzis et al.(2020)提出了考虑不同的可再生能源与电池和氢气的组合的模式的能量管理策略。基于可再生能源制氢站参与需求响应和辅助服务，分别构建私人储氢站优化调度模型和基于监督的分布式储氢站优化调度模型(TaweelNAal，2018；Khani H al，2019)。Xu et al.(2020)提出建立一个仅由太阳能光伏供电的氢能/电力混合加油站(HERS)，并提出最佳的运营策略。现有方法的重点主要集中在氢能对风电资源的消纳问题，对风光出力不确定性的刻画研究较少。
数据驱动的分布鲁棒优化(distributionally robust optimization，DRO)为解决随机优化(SO)的模型精确度低及RO的模型保守性提供了新的思路。当前，DRO技术在电力系统机组组合、多能互补等方面已有初步应用，亦有简化DRO复杂计算过程的相关研究。与SO和鲁棒优化(RO)等方法相比，DRO方法具有以下优点：一是，无需获取随机变量精确概率分布信息，只需构建涵盖真实分布的不确定集合，并在最恶劣分布下进行决策，从而规避了应用中复杂随机变量概率分布难以获取的难题；二是，DRO模型求解可采取线性决策规则、拉格朗日对偶处理等技术转化为确定性优化问题求解，避免了SO及机会约束等采样规模大、计算效率低等问题；三是，DRO方法涵盖了不确定参数的概率统计信息，能够改善其决策保守性，四是，DRO方法既融入了SO方法的概率统计特征，又借鉴了RO方法的思想，决策结果具有抗风险性能，在处理电力系统不确定特性方面具有独特显著优势。
但与此同时，在综合能源系统的源端侧，现有的大量风电场存在十分严重的弃风情况，由于风电场大多分布于风力较大的位置，所以风电场的选址和建设就具有明显的地理相关性，进而会对风电制氢的运行情况产生规律性的影响。实际上，风电场的场景监测已经能为风电制氢当中的风电不确定性的分析与建模提供数据支撑。
发明内容
本发明主要解决含有分布式资源的电-气耦合配网系统的多维不确定特性及复杂耦合特性给其联合优化调度带来了极大困难，常用优化方法如随机优化、鲁棒优化等求解效率低下，优化结果过于保守的问题；提供一种多能互补利用的分布式鲁棒优化运行方法，基于相似日数据点构造历史相关性驱动的不确定性集，提取真实的可再生能源发电时空相关性，并融入多面体不确定性集，最大程度地排除发生概率很低的极端不确定性场景。
本发明的上述技术问题主要是通过下述技术方案得以解决的：
一种多能互补利用的分布式鲁棒优化运行方法，包括以下步骤：
将含电制氢装置融入电力、天然气能源系统中，形成一种含电制氢的综合能源系统模型；针对综合能源系统模型的不确定性处理采用历史驱动的分布式鲁棒处理，考虑风电历史相关性驱动的不确定性集；
对综合能源系统设定目标函数，目标函数包括日前阶段目标函数和实时阶段调度；
引入约束条件，对两阶段分布鲁棒优化调度模型进行求解。
根据氢能和可再生能源系统的不同特点，构建了含电制氢装置的综合能源联合系统，以降低氢能提取成本，提高可再生能源利用率并实现能源的清洁供给。以分布式鲁棒优化理论为基础，以联合收益最大化为目标，鉴于数据驱动DRO技术在风电不确定性的电力经济调度领域的独特优势，同时，也为使得分布式鲁棒优化结果充分贴合实际运行场景，本发难考虑提取历史监测场景中不确定性的相关性来构造不确定性集，提出了针对风电历史相关性驱动的风电制氢分布式鲁棒优化运行方法。该模型中：第1阶段，主要考虑系统日前联合经济调度成本，制定系统日前调度计划；第2阶段，提取历史监测场景中不确定性的相关性来构造不确定性集以限定风、光等不确定性出力概率分布置信集合，并寻找最恶劣分布下的最优解，考虑系统实时运行时发生的出力调整成本，制定日前调度计划调整方案，最终形成水含电制氢装置的综合能源系统优化调度方案。在此基础上，引入列与约束生成算法对两阶段分布鲁棒优化调度模型进行求解。联合调度方法能够有效计及综合能源系统的多维不确定耦合特性，并能快速得到优化经济调度方案，实现了调度不确定及经济性的良好平衡，以及较高计算效率，为多种可再生能源不确定性互补联合调度提供了一种高效的实用化方法。
作为优选，对于含电制氢的综合能源系统建立计算模型；包括综合需求响应模型、电解槽模型、氢气压缩机模型、甲烷反应器模型、氢燃料电池模型、微型燃气轮机模型和储能设备模型。
采用电解槽、甲烷反应器、氢燃料电池、微型燃汽轮机等综合能源系统的能量转换装置，用来完成电力系统、氢气系统、天然气系统之间的能量闭环流动，实现了氢能与电、热、气不同能源形式的耦合转换。
作为优选，综合需求响应模型包括电力负荷需求响应建模、燃气负荷需求响应建模和热负荷需求响应建模。
传统的需求响应只调整电力负荷曲线。在综合能源系统中，负荷以电、气、热等形式存在。天然气和电能具有相同的市场属性。热量具有加热系统的惯性和温度变化的时滞，并且是可调节的。同时，在综合能源系统中，有多种能源耦合装置来实现能源的自由转换。因此，这三个负载可以相互替换和耦合。
作为优选，考虑风电历史相关性驱动的不确定性集包括以下过程：
对实际工程中风电历史监测数据序列进行分析，验证风电的时空相关特性；
利用直线拟合构造包络相关性数据点的新区间以剔除不合理场景，建立考虑风电历史相关性驱动的两阶段分布鲁棒优化调度模型。
采用区间拟合方法提取出时空相关性信息，并构造风电历史相关性驱动的不确定性集。以更准确地描述风电的不确定性，从而有利于改善综合能源系统分布式鲁棒优化调度的效果。
作为优选，不确定性时间相关性的建模方法包括：
筛选出历史发电功率位于预测偏差区间的相似日时间相关性数据点；
两个相邻时段的出力预测偏差区间为理论区间；
对历史数据点进行最小二乘拟合获得直线方程，将直线方程上下平移获得正好覆盖所有历史数据点的上下边界直线为新区间边界；
新区间边界与理论区间联合构成了该相邻时段风电出力的不确定性集；
将所有拟合出的新区间边界作为约束加入到多面体不确定性集，从而建立了计及时间相关性的不确定性集。
作为优选，筛选出历史发电功率位于预测偏差区间的相似日空间相关性数据点；
对于任意时间t，两个风电电站的出力预测区间形成理论区间；
理论区间和空间相关性数据点拟合获得的新区间联合即可表征不确定性的空间相关性；
加入时间及空间相关性数据点拟合出的新区间边界约束后，风电历史相关性驱动的不确定性集ΩI为：
式中，pn，t，分别表示t时段单元n的运行功率实际值、预测标称值、预测上偏差值和预测下偏差值；
PW1和PW2为两风电电站；
和/>表示单元n在t时段的上、下偏差决策变量；
为单元n不确定性的时段预算参数。
式中，a、b、c和d均为拟合出的边界直线参数，+和-分别表示上、下边界直线参数。
基于相似日数据点构造历史相关性驱动的不确定性集，提取真实的可再生能源发电时空相关性，并融入多面体不确定性集，最大程度地排除发生概率很低的极端不确定性场景。
作为优选，以综合能源系统日前阶段目标函数和实时阶段调度之和最小化作为分布鲁棒优化联合调度模型目标函数，具体可表示为：
式中，Pk为第k个离散场景的概率，{Pk}为决策变量的集合；
FC为日前阶段目标函数表示的日前发电经济调度成本；
Cre为实时阶段调度表示的实时运行时的出力调整成本。
该式是一个min-max-min的3层两阶段鲁棒优化问题。相较于传统两阶段仅对最恶劣场景展开优化，该分布鲁棒优化模型内层的max-min函数通过寻优决策变量{Pk}，求解K个离散场景最恶劣概率分布，从而获取其期望成本最大值，并以此作为含电制氢的综合能源系统实时运行综合调整成本计入优化目标函数。
作为优选，所述的日前阶段目标函数主要包括系统的外部购电成本、购气成本、燃料成本、电制氢成本。
作为优选，所述的实时阶段调度表示为：
其中，为外部购电成本；/>为购气成本；/>和/>为单位时间微燃气轮机、氢燃料电池和电解槽的调整成本；/>为储能的调整成本。
作为优选，第一阶段约束包括电解槽与甲烷反应器运行约束、氢气压缩机/燃料电池约束、能量平衡约束、外部电网交换功率约束、微型燃气轮机约束、风电出力约束和储能装置的约束；
第二阶段约束包括电解槽与甲烷反应器运行约束、燃料电池约束、能量平衡约束、微型燃气轮机约束和储能装置的约束。
本发明的有益效果是：
1.基于相似日数据点构造历史相关性驱动的不确定性集，提取真实的可再生能源发电时空相关性，并融入多面体不确定性集，最大程度地排除发生概率很低的极端不确定性场景。
2.根据氢能和可再生能源系统的不同特点，构建了含电制氢装置的综合能源联合系统，以降低氢能提取成本，提高可再生能源利用率并实现能源的清洁供给。
3.联合调度方法能够有效计及综合能源系统的多维不确定耦合特性，能快速得到优化经济调度方案，实现了调度不确定及经济性的良好平衡，以及较高计算效率。
附图说明
图1是本发明综合需求响应下含氢能源的综合能源系统模型系统结构图。
图2是本发明PW1风电电站在不同时间段的出力形成的数据点。
图3是本发明PW2风电电站在不同时间段的出力形成的数据点。
图4是本发明两个风电电站的相同时段出力所形成的数据点。
图5是本发明电站出力预测及相似日筛选图。
图6是本发明相似日风电出力的时间相关性数据点。
图7是本发明时间相关性的区间拟合图。
图8是本发明空间相关性的区间拟合图。
图9是本发明实施例的小时级电价数据。
图10是本发明风光发电日前预测输出图。
图11是本发明最优电力经济运行结果。
图12是本发明最优天然气经济运行结果。
图13是本发明需求响应前后的电力负荷比较图。
图14是本发明需求响应前后的燃气负荷比较图。
图15是本发明需求响应前后热负荷比较图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：
本实施例的一种多能互补利用的分布式鲁棒优化运行方法，包括以下过程：
考虑风电出力特性的约束及节能减排的现实需要，将含电制氢装置融入电力、天然气能源系统中，形成一种含电制氢的综合能源系统模型，充分考虑电、气柔性负荷的用能特征的前提下，建立电-气柔性负荷模型。
如图1所示，该集成模型利用氢能及相关能源设施，将废弃的风电接入综合能源系统，以电解水制备氢气，然后将氢气与常规发电废气中的二氧化碳转化为人造天然气，实现氢能与电、气等不同能源形式的耦合，在清洁生产的同时大幅提升能源利用效率，减少能源浪费。
系统包含三个主要组件，即能量转换装置、储能装置和各种能量负荷。
电解槽、甲烷反应器、氢燃料电池、微型燃汽轮机等均为综合能源系统的能量转换装置，用来完成电力系统、氢气系统、天然气系统之间的能量闭环流动。
各种能量负载包括电、气负载，有效抑制电网的负载波动，保障电力系统的稳定运行。配网系统末端与需求侧相连，通过调整电价等手段引导用户回应，从而达到源-荷交互作用。
对于含电制氢的综合能源系统建立计算模型。包括综合需求响应模型、电解槽模型、氢气压缩机模型、甲烷反应器模型、氢燃料电池模型、微型燃气轮机模型和储能设备模型。
1.对于综合需求响应模型
传统的需求响应只调整电力负荷曲线。在综合能源系统中，负荷以电、气、热等形式存在。天然气和电能具有相同的市场属性。热量具有加热系统的惯性和温度变化的时滞，并且是可调节的。同时，在综合能源系统中，有多种能源耦合装置来实现能源的自由转换。因此，这三个负载可以相互替换和耦合。
综合需求响应模型包括电力负荷需求响应建模、燃气负荷需求响应建模和热负荷需求响应建模。
(1)电力负荷需求响应建模
根据用电设备的能耗特点，将用电负荷分为不可控负荷可转移负荷/>和可削减负荷/>
因此，总负荷为不可控负荷/>可转移负荷/>可削减负荷/>之和：
在本实施例中，不可控负荷是指基线负荷，包括电视、计算机和电灯。由于大多数不可控负载对电器的舒适性非常敏感，因此此类负载不参与需求响应。
可转移负荷是指用户由于分时价格的影响而从价格高峰转移到价格低谷的负荷，包括洗衣机、洗碗机和电动汽车。
式中，Pr，e指可转移设备的额定功率；
Se表示二进制变量，表示可转移设备的工作状态(1表示工作状态，0表示空闲状态)。
可削减负载的灵活调节程度更高。如果考虑热惯性，智能供暖设备可以降低其工作功率或延迟负载，并且仍然提供可接受的舒适度。热负荷对住宅用户来说非常重要，因为它与室内舒适度和需求响应的成功与否有很大关系。
(2)燃气负荷需求响应建模
天然气和电能具有相同的市场属性，因此负荷通常可分为不可控负荷、可转移负荷和可减少负荷。具体计算方法与用电负荷计算方法类似，在此不再赘述。
(3)热负荷需求响应建模
柔性热负荷主要考虑热水负荷。热水负荷是弹性的，用户具有可接受的水温范围，可以表示为[Thw，min，Thw，max].因此，保持水温的热负荷功率应表示为一个间隔：
Lhw，min(t)≤Lhw(t)≤Lhw，max(t)
式中，Cw指水的比热容；ρw表示水的密度，并且两个参数都设置为常数值；
Vcold(t)是时间t时新添加的冷水的体积；
Thw，ini是初始水温，在本实施例中设置为15℃。
Δt是时间间隔，Lhw，min(t)为在时间t处的最小热负载功率；Lhw，max(t)为在时间t处的最大热负载功率；Lhw(t)表示时间t的热负荷功率。
2.对于电解槽模型
质子交换膜电解槽效率高，且电解过程无污染，其运行效率随输入电功率呈现非线性变化，质子交换膜电解槽的产氢效率及输出氢能可表示为：
LDJCh，t＝ηDJCh，t·PDJC，t
式中，LDJCh，t表示单位时间电解槽产氢功率；
ηDJCh，t表示单位时间电解槽产氢效率；
σDJC，a表示产氢效率函数的多项式系数；
PDJC，t为单位时间电解槽的用电功率，PDJC，N为电解槽额定功率。
3.对于氢气压缩机模型(YSJ)
压缩机消耗的电功率PYSI，t需满足：
式中，Rh为氢气比热容常数；LDJC，t为单位时间压缩机压缩氢气流量；Tin为压缩机输入氢气的温度；ηYSJ为压缩机工作效率；为氢气等熵指数；/>为压缩比。
4.对于甲烷反应器模型(JW)
甲烷反应器是氢制甲烷的主要设备，其可利用电解槽产出的氢气实现氢气甲烷化，并注入综合能源系统中的天然气管网满足用户气负荷需求。甲烷反应器的输入输出能效模型如下：
式中，FJw，t为单位时间甲烷反应器输出的天然气功率；LJwh，t为单位时间甲烷反应器的耗氢功率；ηJw为甲烷反应器的甲烷转化效率；χCH4为天然气的低位热值；表示氢气转甲烷的摩尔折算系数；mCH4表示单位体积的甲烷质量。
5.对于氢燃料电池模型(QD)
氢燃料电池作为综合能源系统中的重要氢电联产设备，可实现氢能与电能的耦合。氢燃料电池的发电效率与负载率之间呈现非线性的关系，计算模型如下：
PQDe，t＝ηQDe，tLQDin，t
式中，ηQDe，t表示单位时间氢燃料电池发电效率；σQDe，a表示发电效率函数的多项式系数；PQDe，t为单位时间氢燃料电池的发电功率；LQDin，t为单位时间氢燃料电池的耗氢功率；PQD，N为氢燃料电池额定功率。
6.对于微型燃气轮机模型(QLJ)
以天然气为主要能源的微型燃气轮机在t时段需要的燃料消耗量如下：
微型燃气轮机在t时段产生的电量如下：
式中，表示微型燃气轮机单位时间的天然气消耗量；/>表示微型燃气轮机单位时间的标准产电量；/>表示微型燃气轮机在单位时间回收的热功率；ηQLJ代表微型燃气轮机热能生成效率；xCH4为天然气的低位热值。
7.对于储能设备模型(CN)
电储能设备是本发明专利系统中重要供能调节设备，设备模型为：
式中，κ表示系统中储能设备类型，即电储能设备ES、气储能设备GS和氢储能设备H2S；表示电储能设备ES的初始剩余能量。
指t时段电储能设备ES充能量值。
指t时段电储能设备ES放能量值。
ηK，cd指电储能设备ES充能量效率。
ηκ，fd指电储能设备ES放能量效率。
本实施例的方案采用电解槽、甲烷反应器、氢燃料电池、微型燃汽轮机等综合能源系统的能量转换装置，用来完成电力系统、氢气系统、天然气系统之间的能量闭环流动，实现了氢能与电、热、气不同能源形式的耦合转换。
风电场的场景监测已经能为风电制氢当中的风电不确定性的分析与建模提供数据支撑。鉴于数据驱动的分布鲁棒优化(DRO)技术在风电不确定性的电力经济调度领域的独特优势，同时，也为使得分布式鲁棒优化结果充分贴合实际运行场景，本实施例的方案考虑提取历史监测场景中不确定性的相关性来构造不确定性集，提出了针对风电历史相关性驱动的风电制氢分布式鲁棒优化运行方法：
首先，考虑风电历史相关性驱动的不确定性集。
在本实施例中，考虑了两个相近的风电场PW1和PW2，分析风电历史监测数据序列证实了风电发电存在显著的时空相关特性。
利用直线拟合构造包络相关性数据点的新区间以剔除不合理场景，建立考虑风电历史相关性驱动的两阶段分布鲁棒优化调度模型。
在理论上，风力发电存在相关性。在时间上，相邻时段的风力发电机组之间具有出力相关性；在空间上，同类型风力发电机组因地理位置接近和自然条件相似，因此它们的出力呈现相似性。
本实施例的方案在本节首先对实际工程中历史记录数据进行分析，验证风电存在时空相关性这一理论，然后采用区间拟合方法提取出时空相关性信息，并构造风电历史相关性驱动的不确定性集以更准确地描述风电的不确定性，从而有利于改善综合能源系统分布式鲁棒优化调度的效果。
采用区间拟合方法提取出时空相关性信息的方法步骤如下：
以风电出力为例，图2-图4进一步给出了所有历史出力数据形成的相关性数据点。其中图2和图3分别表示PW1风电电站和PW2风电电站在t时段和t+1时段出力形成的数据点，表征了每个光伏电站出力在相邻时段的时间相关性；图4为两个风电电站的相同时段出力所形成的数据点，表征了两个风电电站出力在同一时段的空间相关性。
分析图2和图3可知，每个风电电站的时间相关性数据点大致以直线特性集聚分布，表明风电电站在t+1时段的出力与t时段的出力密切相关；此外图形的中间部分数据点出现分叉，其原因为风电出力在上午和下午分别呈现上升和下降趋势，因此上午时段的时间相关性数据点集聚形成了上分叉直线，而下午时段的数据点形成下分叉直线。
由图4可以看出，两个风电电站在同一时段的出力数据点同样以直线形式分布，即正常运行状态下两个风电电站的出力呈现相对固定的比例，而图中出现的(x，0)或(0，y)数据点表示某一风电电站正常发电，而另一风电电站因设备检修等原因而切除运行的特殊场景。上述分析从工程实际的角度直接验证了可再生能源发电存在显著的时间及空间相关性，因此在系统鲁棒优化运行中需考虑其时空相关特性，以避免实际中不可能发生的极端场景，获得更具实用性的鲁棒调度计划。
本实施例利用PW1和PW2风电电站历史数据详细说明历史相关性驱动的不确定性集构造方法。
以PW1风电电站为例说明不确定性时间相关性的建模方法。
在日前调度时，电站可预测获得下一日出力的标称值和偏差区间，由于日内实际出力将落入预测偏差区间内，因此先筛选出历史发电功率位于预测偏差区间的相似日，如图5所示。相似日风电出力的时间相关性数据点如图6所示。
图6中相似日的风电出力具有明显的时间相关性。为了避免上、下午时段数据点相互影响，将一天的数据点分成上午时段(0：00～12：00)和下午时段(12：00～24：00)分别处理。以上午的两个相邻时段t＝37(9：00～9：15)和t+1＝38(9：15～9：30)为例说明时间相关性建模方法，其余时段的处理方式与之类似。
如图7所示，两个相邻时段的出力预测偏差区间分别[53.118，68.992]MW和[56.559，73.482]MW。若不考虑时间相关性，两个时段的出力可为理论区间(框选范围)内的任意点，但历史相似日数据表明实际的出力仅可能出现在历史数据点附近，可以看出计及时间相关性规避了大量不可能发生场景。
为了有效剔除理论区间与历史数据点之间的空白区域(即不可能发生场景)，需对历史数据点进行拟合，构造出包络所有历史数据点的新区间。事实上，实际可能发生的不确定性场景仅可能出现在范围更小的新区间内，计及时间相关性本质上是对理论区间的缩放。新区间形式有多种选择，如凸包、椭球体等，本实施例选用简单有效的矩形区间表述新区间，即对历史数据点进行最小二乘拟合获得直线方程(虚线)，而后将直线方程上下平移获得正好覆盖所有历史数据点的上下边界直线，新区间边界与理论区间联合构成了该相邻时段风电出力的不确定性集。对所有相邻时段进行上述处理，将所有拟合出的新区间边界作为约束加入到多面体不确定性集，从而建立了计及时间相关性的不确定性集。
两个电站出力的空间相关性同样可采用上述思想描述。筛选出的相似日空间相关性数据点如图6-8所示，对于任意时段t(图8以t＝37为例，两个风电电站的该时段出力预测区间分别[53.118，68.992]MW和[50.779，65.954]MW)，两个风电电站的出力预测区间所形成的理论区间(矩形框范围)和空间相关性数据点拟合获得的新区间联合即可表征不确定性的空间相关性。
加入时间及空间相关性数据点拟合出的新区间边界约束后，风电历史相关性驱动的不确定性集ΩI为：
式中，pn，t，分别表示t时段单元n的运行功率实际值、预测标称值、预测上偏差值和预测下偏差值；
和/>表示单元n在t时段的上、下偏差决策变量；
为单元n不确定性的时段预算参数。
式中，a、b、c和d均为拟合出的边界直线参数，+和-分别表示上、下边界直线参数。
可以看出新增的边界直线方程均为线性约束，不改变鲁棒优化模型的形式，便于鲁棒优化问题的求解。
其次，对综合能源系统设定目标函数。目标函数包括日前阶段目标函数和实时阶段调度。
为实现综合能源系统的经济运行，主要考虑系统运行成本最小。
对于日前阶段目标函数主要包括系统的外部购电成本、购气成本、燃料成本、电制氢成本等。
FA＝FQLJ+FSC+FTRQ+Fpena+FLOSS
式中，FA为电制氢成本；FQLJ为燃料成本；FSC为外部购电成本；FTRQ为购气成本。
FQLJ为燃料成本；FSC为外部购电成本；FTRQ为购气成本；Fpena为天然气、电力和风能损失的惩罚成本；FLOSS为电制氢装置的能量损失成本。
openQLJ为开启汽轮机的成本；downQLJ为关闭汽轮机的成本；与为二进制变量，若汽轮机在t时段中开机，则/>为1，否则为0。若汽轮机在t时段中关机，则/>为1，否则为0。
指在单位时间电力市场的电力交换价格；/>为买入价，/>为卖出价。
为单位时间燃气锅炉热功率；ηMQ为燃气锅炉热效率；LNG为天然气热效率；为单位时间燃气轮机的标准输出功率；ηQLJ为燃气轮机热效率；/>为单位时间甲烷反应器的天然气消耗量；CTRQ为天然气价格。
联合调度实时调整成本为：
其中，和/>为单位时间微燃气轮机、氢燃料电池和电解槽的调整成本；/>为储能的调整成本。
各设备的调整成本如下：
/>
CQL，J、CJw、CQDe、CES，fd、CES，cd、CGS，cd、CGS，fd、CH2S，cd分别为微燃气轮机调整成本因子、甲烷反应器调整成本因子、氢燃料电池调整成本因子、电解槽调整成本因子、电力储存的放电调整成本因子、电力储存的充电调整成本因子、电力储存的放电调整成本因子，k表示场景。
和/>为单位时间微燃气轮机、氢燃料电池和电解槽的输出功率，为单位时间甲烷反应器的天然气输出功率。
和/>为单位时间微燃气轮机、氢燃料电池和电解槽的输出功率的调整量。/>指单位时间甲烷反应器天然气输出功率的调整量。
表示单位时间电力储存的充、放功率。
根据上述综合能源系统日前发电经济调度成本和实时运行时的出力调整成本表达式，以两者之和最小化作为分布鲁棒优化联合调度模型目标函数，具体可表示为：
式中，Pk为第k个离散场景的概率，{Pk}为决策变量的集合。
该式是一个min-max-min的3层两阶段鲁棒优化问题。相较于传统两阶段仅对最恶劣场景展开优化，该分布鲁棒优化模型内层的max-min函数通过寻优决策变量{Pk}，求解K个离散场景最恶劣概率分布，从而获取其期望成本最大值，并以此作为含电制氢的综合能源系统实时运行综合调整成本计入优化目标函数。
再者，引入约束条件。约束条件包括第一阶段约束和第二阶段约束。
1.第一阶段约束。
(1)电解槽与甲烷反应器运行约束
电解槽运行时需分别满足最大功率约束和功率爬坡约束：
式中，为电解槽最大输入电功率，/>为电解槽最大爬坡/下坡功率。/>为甲烷反应器最大爬坡/下坡功率，/>和/>为甲烷反应器输出的天然气最大/最小功率。
(2)氢气压缩机、燃料电池约束
式中，为氢气压缩机功率最大值，/>和/>分别表示燃料电池输出功率的最小值和最大值。
uQDe，t为燃料电池运行状态的0-1变量，表示燃料电池是否开机的二进制变量，/>表示燃料电池是否关机的二进制变量。
(3)能量平衡约束
为了保证含电制氢装置的综合能源系统供电与用户需求之间的平衡，系统运行应满足能量平衡约束。
电力平衡约束可表示为：
燃气功率平衡约束：
氢功率平衡约束：
式中，指单位时间与电网进行电能交换的值，/>为单位时间与天然气管网进行天然气交换的值，/>为单位时间电力储存的充、放电量，/>指单位时间电力负荷、天然气负荷功率。
(4)外部电网交换功率约束
式中，和/>为二进制变量，/>的值为0或1时，分别表示系统与外部电网开启或关闭电能交换，/>的值为0或1时，分别表示系统与外部天然气管网开启或关闭天然气交换。
Pgrid，max为与电网的最大交换电量；Fgrid，max为与天然气网的最大交换天然气量。
(5)微型燃气轮机约束
上式表示起停时间限制的最小值。
上式定义了容量和爬坡率限制。
式中，为表示单位时间中微燃气轮机是否正在运行的二进制变量，和/>为表示单位时间微燃气轮机启停状态的二进制变量，Topen，QLJ和Tdown，QLL表示微燃气轮机的开启和关闭时长，rQLJ为微燃气轮机爬坡率。
(7)风电出力约束
(8)储能装置的约束
式中，为单位时间储能装置流入能量值，/>为单位时间储能装置能量流出功率。
和/>为表示储能装置充放状态的二进制变量。/>为储能装置充放功率最大值。
为单位时间中储能装置的能量值，/>为储能装置初始能量，/>为储能装置的剩余能量。/>
2.第二阶段约束
(1)电解槽与甲烷反应器运行约束
(2)燃料电池约束
(3)能量平衡约束
电力平衡约束可表示为：
燃气功率平衡约束：
氢功率平衡约束可表示为：
(4)微型燃气轮机约束
(5)储能装置的约束
针对综合能源系统模型的不确定性处理采用历史驱动的分布式鲁棒处理包括：
第1阶段，主要考虑系统日前联合经济调度成本，制定系统日前调度计划；
第2阶段，引入1-范数和∞-范数约束条件以限定风、光等不确定性出力概率分布置信集合，并寻找最恶劣分布下的最优解，考虑系统实时运行时发生的出力调整成本，制定日前调度计划调整方案，最终形成水含电制氢装置的综合能源系统优化调度方案。
在此基础上，引入列与约束生成(column and constraint generation，CCG)算法对两阶段分布鲁棒优化调度模型进行求解。采用示范区实际运行数据开展算例验证，结果表明，所提联合调度方法能够有效计及综合能源系统的多维不确定耦合特性，并能快速得到优化经济调度方案，实现了调度不确定及经济性的良好平衡，以及较高计算效率，为多种可再生能源不确定性互补联合调度提供了一种高效的实用化方法。
同时，在综合能源系统的负荷侧，为了充分利用氢能的优势，本实施例的方案在充分消纳风电的基础上，提出了含风电制氢及氢-热-电多储能装置相互配合的综合能源系统调度的应用研究。
为了验证所提及模型的有效性并根据模型运行结果对电-气耦合系统的相关运行情况进行分析，本实施例的方案将分布式鲁棒模型应用于一个典型的含电制氢装置的电-气耦合配网系统中。从电力市场购买的小时级电力价格变化及趋势如图9所示。风力发电日前预测输出见图10。运行日的时间范围为24小时，时间步长为1，进行仿真，采用CPLEX结合YALMIP进行求解。
图11-图12显示了使用分布式鲁棒优化模型对含电制氢装置的电-气耦合配网系统的优化经济运行结果，其中，图11为最优电力经济运行结果，图12为最优天然气经济运行结果。含电制氢装置的电-气耦合配网系统的运行策略如下：
系统中的电能优先使用风电及光伏机组产生的电能，例如夜间风电出力较多但用电负荷较少时刻，电解槽(PDJC)将电能转化成氢气进行储存，当风电和光伏系统无法满足电力需求，再从电力市场(Pgrid)购买，氢燃料电池(PQD)、电储能和燃气轮机(PGLJ)也起到了一定的作用。在谷时用电时段，风电无法全部消纳，产生弃风惩罚成本，为保证这部分成本的不发生，调度系统将会供电给储能储存起来，或者通过甲烷反应器转化为天然气储存或者消耗，或者通过转化为氢能储存保证消纳。当进入用电峰时，单纯通过风电无法满足用电需求，因此系统优先选择从购电成本较低的电网购电，同时配合储能、氢燃料电池放电，燃气轮机发电等途径满足用电需求。
在本实施例中，本系统消耗的天然气主要从天然气市场(Fgrid)购买，当电能用能低谷时电价较低时段(3点-6点)，电制氢装置将电能转换为氢能用于储存及消耗，必要的时候甲烷反应器将氢能转换为天然气进行消纳(1点-12点)。甲烷反应器在风电及光伏出力高峰期间(1点-15点)将部分电力转换为天然气用于消耗和气储能(FGS，ch)存储。此外，在系统用气需求增加期间(如12点和18点)，气储能(FGS，dis)将选择释放天然气，以满足系统需求。
为了证明当前工作中提出的IDR方法的有效性，对案例1和案例2进行了比较。经过优化计算，求解了两种情况下的优化结果，并比较了两种情形下的运营成本，如表1所示。
表1 IDR分类案例研究的优化运行结果
如表1所示，考虑风氢联合热电联产系统的综合需求响应后，热电联产主体的运营成本下降了492.46DKK，可再生能源主体的运营费用变化较小。然而，电力制氢主体的运营成本略有上升。原因可能是，当引入综合需求响应时，热电联产主体内部的负荷在高价格时期减少，并转移到低价格时期。
结果，CHP的输出值在峰值负载时降低，并且需求响应成本小于发电成本，从而降低了CHP的运行成本。对于可再生能源，由于其价格低廉，将被优先消费。当其输出峰值和负荷较低时，可以储存在储能设备中，也可以由电力制氢主体购买。因此，需求响应对可再生能源主体的影响很小。然而，从最后一列来看，在引入全面的需求响应后，总成本大幅下降，下降了9.1％。
在实施综合需求响应后，热电联产主体的各种负荷都受到了影响。图13-15显示了实施综合需求响应前后热电联产内部电力负荷、燃气负荷和热负荷的结果。
由图13可知，采用本研究所述的需求响应策略后，电力负荷的波动明显减缓，调峰填谷的影响更加明显，可以为热电联产主体和电力市场带来可观的无形收益。
根据图14，采用本研究中描述的需求响应策略后，天然气负荷波动也得到了缓解。但与电力负荷相比，缓解措施较小。主要原因可能是燃气负荷的可调节潜力较差。天然气负荷主要用于热电联产主服务区的生产和生活用气，但这些负荷大多不受监管。
图15中的虚线区域表示需求响应的负载舒适性调整范围。显然，在需求响应之后，在舒适的范围内完成了负载降低，并且降低了用户的能耗成本。同时，也在一定程度上缓解了热电联产主体的能源压力，有利于实现双赢。
从以上分析可以看出，在系统中引入全面的需求响应后，每个主体的经济性都可以得到有效提高。本节将主要分析引入需求响应后各主体运营成本变化的原因。
与单一主体的独立运营相比，多主体合作运营的优势在于，每个主体可以通过多主体之间的电能互动实现优势互补，并吸收更多的内部能量，这不仅可以大大提高每个主体的运营经济性，而且还减少了弃风弃光的发生。因此，本节进一步分析了综合需求响应对能源互动的影响，以探讨综合需求响应对于系统经济的影响。
从电力市场购电和购气变化的角度比较了需求响应的效果。也就是说，在需求响应之前和之后，热电联产每天从电力市场购买电力，并向天然气网络购买天然气。在引入需求响应后，热电联产主体从天然气管网的购气量略有增加，这可能是由于单位天然气价格远低于单位电价。热电联产每天向电力市场购买的电力已大幅减少。因此，在购买天然气的范围内，并确保MT机组的高效运行不会造成能源浪费，因此增加了更多的天然气，以取代从电力市场购买的部分电力。
本实施例的方案提出一种历史相关性驱动的鲁棒调度方法解决不确定性时空相关特性下微网的优化运行问题。基于相似日数据点构造历史相关性驱动的不确定性集，提取真实的可再生能源发电时空相关性，并融入多面体不确定性集，最大程度地排除发生概率很低的极端不确定性场景。算例分析验证了所提鲁棒调度方法的有效性，相较于已有方法获得更优质的鲁棒优化结果。
含有分布式资源的电-气耦合配网系统的多维不确定特性及复杂耦合特性给其联合优化调度带来了极大困难，常用优化方法如随机优化、鲁棒优化等求解效率低下，优化结果过于保守，往往难以获得适应含有分布式资源的电-气耦合配网系统联合优化调度需求的实用化调度策略。为此，本实施例的方案引入含有历史相关性驱动的不确定性集的数据驱动的分布鲁棒优化技术，提出一种适应含电制氢装置的电-气耦合配网系统两阶段联合优化调度方法。
从分布式鲁棒优化经济运行模型的综合经济运行结果可以看出，该策略能够保证系统的经济、低碳运行。该系统的主要性能是在经济运行系统时优先考虑运行成本较低的机组或电源。例如，随着电力市场价格的变化，配网和电力市场的能源交易量也在变化。当价格较低时，将从EM处购买，当价格较高时，将使用系统的内部电源单元发电或将剩余电力出售给电网。
应理解，实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (9)
1.一种多能互补利用的分布式鲁棒优化运行方法，其特征在于，包括以下步骤：
将含电制氢装置融入电力、天然气能源系统中，形成一种含电制氢的综合能源系统模型；
针对综合能源系统模型的不确定性处理采用历史驱动的分布式鲁棒处理，考虑风电历史相关性驱动的不确定性集；
对综合能源系统设定目标函数，目标函数包括日前阶段目标函数和实时阶段调度；
引入约束条件，对两阶段分布鲁棒优化调度模型进行求解；
筛选出历史发电功率位于预测偏差区间的相似日空间相关性数据点；
对于任意时间t，两个风电电站的出力预测区间形成理论区间；
理论区间和空间相关性数据点拟合获得的新区间联合即可表征不确定性的空间相关性；
加入时间及空间相关性数据点拟合出的新区间边界约束后，风电历史相关性驱动的不确定性集ΩI为：
式中，pn，t，分别表示t时段单元n的运行功率实际值，预测标称值，预测上偏差值和预测下偏差值；
PW1和PW2为两风电电站；
和/>表示单元n在t时段的上/下偏差决策变量；
为单元n不确定性的时段预算参数；
式中，a、b、c和d均为拟合出的边界直线参数，+和-分别表示上/下边界直线参数。
2.根据权利要求1所述的一种多能互补利用的分布式鲁棒优化运行方法，其特征在于，对于含电制氢的综合能源系统建立计算模型；包括综合需求响应模型，电解槽模型，氢气压缩机模型，甲烷反应器模型，氢燃料电池模型，微型燃气轮机模型和储能设备模型。
3.根据权利要求2所述的一种多能互补利用的分布式鲁棒优化运行方法，其特征在于，综合需求响应模型包括电力负荷需求响应建模、燃气负荷需求响应建模和热负荷需求响应建模。
4.根据权利要求1所述的一种多能互补利用的分布式鲁棒优化运行方法，其特征在于，考虑风电历史相关性驱动的不确定性集包括以下过程：
对实际工程中风电历史监测数据序列进行分析，验证风电的时空相关特性；
利用直线拟合构造包络相关性数据点的新区间以剔除不合理场景，建立考虑风电历史相关性驱动的两阶段分布鲁棒优化调度模型。
5.根据权利要求1或4所述的一种多能互补利用的分布式鲁棒优化运行方法，其特征在于，不确定性时间相关性的建模方法包括：
筛选出历史发电功率位于预测偏差区间的相似日时间相关性数据点；
两个相邻时段的出力预测偏差区间为理论区间；
对历史数据点进行最小二乘拟合获得直线方程，将直线方程上下平移获得正好覆盖所有历史数据点的上下边界直线为新区间边界；
新区间边界与理论区间联合构成了该相邻时段风电出力的不确定性集；
将所有拟合出的新区间边界作为约束加入到多面体不确定性集，从而建立了计及时间相关性的不确定性集。
6.根据权利要求1或4所述的一种多能互补利用的分布式鲁棒优化运行方法，其特征在于，以综合能源系统日前阶段目标函数和实时阶段调度之和最小化作为分布鲁棒优化联合调度模型目标函数，具体可表示为：
式中，Pk为第k个离散场景的概率，{Pk}为决策变量的集合；
FC为日前阶段目标函数表示的日前发电经济调度成本；
Cre为实时阶段调度表示的实时运行时的出力调整成本。
7.根据权利要求6所述的一种多能互补利用的分布式鲁棒优化运行方法，其特征在于，所述的日前阶段目标函数主要包括系统的外部购电成本，购气成本，燃料成本和电制氢成本。
8.根据权利要求6所述的一种多能互补利用的分布式鲁棒优化运行方法，其特征在于，所述的实时阶段调度表示为：
其中，和/>为单位时间微燃气轮机、甲烷反应器、氢燃料电池和电解槽的调整成本；/>为储能的调整成本。
9.根据权利要求1或7或8所述的一种多能互补利用的分布式鲁棒优化运行方法，其特征在于，第一阶段约束包括电解槽与甲烷反应器运行约束，氢气压缩机/燃料电池约束，能量平衡约束，外部电网交换功率约束，微型燃气轮机约束，风电出力约束和储能装置的约束；
第二阶段约束包括电解槽与甲烷反应器运行约束，燃料电池约束，能量平衡约束，微型燃气轮机约束和储能装置的约束。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310718059.3A CN116780649B (zh) | 2023-06-16 | 2023-06-16 | 一种多能互补利用的分布式鲁棒优化运行方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310718059.3A CN116780649B (zh) | 2023-06-16 | 2023-06-16 | 一种多能互补利用的分布式鲁棒优化运行方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116780649A CN116780649A (zh) | 2023-09-19 |
| CN116780649B true CN116780649B (zh) | 2024-03-01 |
Family
ID=87990745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310718059.3A Active CN116780649B (zh) | 2023-06-16 | 2023-06-16 | 一种多能互补利用的分布式鲁棒优化运行方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116780649B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117252043B (zh) * | 2023-11-17 | 2024-04-09 | 山东大学 | 针对区域多能互补能源系统的多目标优化调度方法及装置 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110032828A (zh) * | 2019-05-10 | 2019-07-19 | 四川大学 | 一种计及需求响应柔性调节的配电网两阶段分布鲁棒dg优化配置线性方法 |
| WO2019165701A1 (zh) * | 2018-02-28 | 2019-09-06 | 东南大学 | 一种交直流混联微网的随机鲁棒耦合型优化调度方法 |
| CN110247426A (zh) * | 2019-06-12 | 2019-09-17 | 国网山西省电力公司电力科学研究院 | 一种基于多频段不确定集合的鲁棒机组组合方法 |
| CN111523249A (zh) * | 2020-05-27 | 2020-08-11 | 福州大学 | 一种考虑源荷不确定性的数据驱动鲁棒优化调度方法 |
| CN111950807A (zh) * | 2020-08-26 | 2020-11-17 | 华北电力大学（保定） | 计及不确定性与需求响应的综合能源系统优化运行方法 |
| CN113177323A (zh) * | 2021-05-14 | 2021-07-27 | 华北电力大学 | 基于矩不确定分布式鲁棒的电热综合系统优化调度方法 |
| CN113379565A (zh) * | 2021-06-08 | 2021-09-10 | 国网江苏省电力有限公司经济技术研究院 | 一种基于分布鲁棒优化方法的综合能源系统优化调度方法 |
| CN114066257A (zh) * | 2021-11-18 | 2022-02-18 | 广东电网有限责任公司广州供电局 | 一种电-气综合能源分布鲁棒优化调度方法、装置 |
| CN115051388A (zh) * | 2022-07-05 | 2022-09-13 | 南昌大学 | 一种基于分布鲁棒的“源-网-荷-储”两阶段调度优化方法 |
| CN115619143A (zh) * | 2022-10-13 | 2023-01-17 | 广西大学 | 一种两阶段区域综合能源系统分布鲁棒经济调度方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110571789B (zh) * | 2018-06-06 | 2020-10-20 | 南京工程学院 | 数据驱动下基于风电不确定性的电热气网三阶段调度方法 |
-
2023
- 2023-06-16 CN CN202310718059.3A patent/CN116780649B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019165701A1 (zh) * | 2018-02-28 | 2019-09-06 | 东南大学 | 一种交直流混联微网的随机鲁棒耦合型优化调度方法 |
| CN110032828A (zh) * | 2019-05-10 | 2019-07-19 | 四川大学 | 一种计及需求响应柔性调节的配电网两阶段分布鲁棒dg优化配置线性方法 |
| CN110247426A (zh) * | 2019-06-12 | 2019-09-17 | 国网山西省电力公司电力科学研究院 | 一种基于多频段不确定集合的鲁棒机组组合方法 |
| CN111523249A (zh) * | 2020-05-27 | 2020-08-11 | 福州大学 | 一种考虑源荷不确定性的数据驱动鲁棒优化调度方法 |
| CN111950807A (zh) * | 2020-08-26 | 2020-11-17 | 华北电力大学（保定） | 计及不确定性与需求响应的综合能源系统优化运行方法 |
| CN113177323A (zh) * | 2021-05-14 | 2021-07-27 | 华北电力大学 | 基于矩不确定分布式鲁棒的电热综合系统优化调度方法 |
| CN113379565A (zh) * | 2021-06-08 | 2021-09-10 | 国网江苏省电力有限公司经济技术研究院 | 一种基于分布鲁棒优化方法的综合能源系统优化调度方法 |
| CN114066257A (zh) * | 2021-11-18 | 2022-02-18 | 广东电网有限责任公司广州供电局 | 一种电-气综合能源分布鲁棒优化调度方法、装置 |
| CN115051388A (zh) * | 2022-07-05 | 2022-09-13 | 南昌大学 | 一种基于分布鲁棒的“源-网-荷-储”两阶段调度优化方法 |
| CN115619143A (zh) * | 2022-10-13 | 2023-01-17 | 广西大学 | 一种两阶段区域综合能源系统分布鲁棒经济调度方法 |
Non-Patent Citations (1)
| Title |
|---|
| 考虑风光出力不确定性的含电制氢装置的电-气耦合配网系统经济运行分析;斯琴卓娅;《技术经济》;第41卷(第11期);第24-39段 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116780649A (zh) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | Optimal dispatching of an energy system with integrated compressed air energy storage and demand response | |
| CN108009693B (zh) | 基于两级需求响应的并网微电网双层优化方法 | |
| CN109523092B (zh) | 多能互补冷热电联供系统及其协同调度方法 | |
| 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 | |
| CN113541205B (zh) | 基于集群学习的低碳csp系统协同优化方法及装置 | |
| Mladenov et al. | Characterisation and evaluation of flexibility of electrical power system | |
| CN116780649B (zh) | 一种多能互补利用的分布式鲁棒优化运行方法 | |
| CN112990523A (zh) | 基于多目标模型预测控制的区域综合能源系统分层优化运行方法 | |
| Xu et al. | Enhanced design of an offgrid PV-battery-methanation hybrid energy system for power/gas supply | |
| Zhu et al. | Design optimization and two-stage control strategy on combined cooling, heating and power system | |
| CN116780646A (zh) | 一种计及灵活性的电力系统资源优化调度方法及终端 | |
| CN113098036A (zh) | 基于氢燃料电池的综合能源系统运行方法 | |
| CN116599148A (zh) | 一种面向新能源消纳的氢电混合储能两阶段协同规划方法 | |
| Ju et al. | A risk aversion optimal model for microenergy grid low carbon‐oriented operation considering power‐to‐gas and gas storage tank | |
| CN115360706A (zh) | 考虑dr和灵活性供需平衡的源荷储联合调度方法及系统 | |
| Tang et al. | Multi-objective optimal dispatch for integrated energy systems based on a device value tag | |
| CN113158547A (zh) | 计及经济性和可靠性的区域综合能源系统优化配置方法 | |
| 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 | |
| CN114188942A (zh) | 一种包含大规模新能源基地的电网调度方法 | |
| CN114444955A (zh) | 综合能源用关键参数数据挖掘及长期配置预测方法及系统 | |
| Si et al. | Modeling the Heat-Hydrogen Balance Characteristic of Hydrogen Energy Storage and Cooperative Dispatch of Wind-Hydrogen Hybrid System | |
| Zhong et al. | Two Stage Optimization Model Considering Demand Response Dispatch Value of Thermoelectric Load | |
| CN117332997B (zh) | 一种综合能源系统低碳优化调度方法、装置及设备 | |
| CN112767189B (zh) | 一种计及风电并网下电网灵活性评估方法 | |
| Chen et al. | A Generation Expansion Planning Method for Power Systems With Large-scale New Energy |
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 |