CN116911533A - 区域综合能源系统多微网能量共济方法 - Google Patents
区域综合能源系统多微网能量共济方法 Download PDFInfo
- Publication number
- CN116911533A CN116911533A CN202310768778.6A CN202310768778A CN116911533A CN 116911533 A CN116911533 A CN 116911533A CN 202310768778 A CN202310768778 A CN 202310768778A CN 116911533 A CN116911533 A CN 116911533A
- Authority
- CN
- China
- Prior art keywords
- energy
- power
- model
- price
- electricity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 140
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 80
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 77
- 238000004146 energy storage Methods 0.000 claims abstract description 47
- 238000010248 power generation Methods 0.000 claims abstract description 24
- 230000008878 coupling Effects 0.000 claims abstract description 16
- 238000010168 coupling process Methods 0.000 claims abstract description 16
- 238000005859 coupling reaction Methods 0.000 claims abstract description 16
- 230000007246 mechanism Effects 0.000 claims abstract description 8
- 230000005611 electricity Effects 0.000 claims description 84
- 230000008569 process Effects 0.000 claims description 56
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 49
- 230000008901 benefit Effects 0.000 claims description 45
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 28
- 238000009826 distribution Methods 0.000 claims description 23
- 239000003345 natural gas Substances 0.000 claims description 23
- 239000007789 gas Substances 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 17
- 230000005540 biological transmission Effects 0.000 claims description 15
- 230000003993 interaction Effects 0.000 claims description 15
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000002452 interceptive effect Effects 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000001569 carbon dioxide Substances 0.000 claims description 8
- 238000005485 electric heating Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 7
- 230000009194 climbing Effects 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000003190 augmentative effect Effects 0.000 claims description 4
- 238000002485 combustion reaction Methods 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 239000000446 fuel Substances 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000003416 augmentation Effects 0.000 claims description 2
- 238000004134 energy conservation Methods 0.000 claims 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000001257 hydrogen Substances 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000009133 cooperative interaction Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005868 electrolysis reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000001338 self-assembly Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
- G06Q30/0283—Price estimation or determination
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了区域综合能源系统多微网能量共济方法,包括:构建综合能源系统模型,综合能源系统模型包括CHP‑P2G‑CCS耦合运行模型、储能设备模型、电热柔性负荷模型、风光发电不确定性模型、阶梯式碳交易机制模型;建立包括外层模型和内层模型的双层博弈模型;构建IEM集群纳什谈判模型,结合综合能源系统模型对双层博弈模型进行求解,得到IEM间电能热能交易价格。提高能源利用率,实现了区域多综合能源型微网低碳经济运行。
Description
技术领域
本发明属于调度方法技术领域,涉及区域综合能源系统多微网能量共济方法。
背景技术
近年来化石能源消费逐年递增,全球能源问题的日益突出,碳排量放常年处于较高水平,所以广泛应用可再生能源以及合理高效利用分布式资源具有重要的研究价值和现实意义。建设区域多综合能源型微网已成为提高能源利用效率和推进能源转型的有效途径。随着微网的增多,相邻微网互联形成微网集群,微网之间通过能源共享实现多种能源的协同互补和互联互济消纳。然而现有的多微网间能量共享策略,多采用单一的博弈方法不能同时兼顾个体与整体的效益,同时只考虑区域之间的电能交换,没有体现其他能源之间的博弈交易过程,无法整体体现综合能源系统的优势和存在意义。
发明内容
本发明的目的是提供一种区域综合能源系统多微网能量共济方法,解决了现有技术中存在的不能同时兼顾个体与整体的效益问题。
本发明所采用的技术方案是,区域综合能源系统多微网能量共济方法,包括以下步骤:
步骤1、构建综合能源系统模型,综合能源系统模型包括CHP-P2G-CCS耦合运行模型、储能设备模型、电热柔性负荷模型、风光发电不确定性模型、阶梯式碳交易机制模型;
步骤2、建立包括外层模型和内层模型的双层博弈模型;
步骤3、构建IEM集群纳什谈判模型,结合综合能源系统模型对双层博弈模型进行求解,得到IEM间电能热能交易价格。
本发明的特点还在于:
CHP-P2G-CCS耦合运行模型的电热耦合特性为:
式中,h1和h2分别为最小和最大输出功率对应的CHP机组电热转换系数,hm是热电联产热电功率的线性供给斜率,Hi,0为CHP机组发电功率最小时对应的热电功率;为CHP机组供给电力需求的电力,/>为CHP机组供给P2G消耗的电力;/>为CHP机组供给CCS的电力;
其中,通过下式计算:
上式中,为CHP机组中第i个微网的发电量:
式中,ηCHP为燃气机组的发电效率,为天然气的燃烧热值,/>为天然气消耗量;
上式中,γ是捕获CO2所消耗电能的转换系数,为P2G所需的CO2量:
式中,β是计算CO2量的系数;
式中,和/>分别为CCS消耗电功率的下限和上限;/>和/>分别为P2G消耗电功率的上下限;/>和/>分别为CHP发电功率的上下限。
储能设备为蓄电池其充放电模型:
Qmin≤Qi,t≤Qmax (11);
式中,Qi,t为t时刻储能容量,νloss为能量自损系数,和/>分别为储能设备在t时刻的储、放能功率,ηchar和ηdis分别为储能设备储、放能效率,/>和/>分别为储能设备储、放能状态变量,/>分别为储能设备储能状态下爬坡速率上、下限,/>分别为储能设备放能状态下爬坡速率上、下限。
电热柔性负荷模型包括可削减负荷和可转移负荷,约束条件如下:
式中,分别为微网内时段t内的电负荷、热负荷;/>分别为固定电负荷、固定热负荷;/>分别为电负荷可削减功率、热负荷可消减功率;/>为电负荷可转移功率;a、c分别为电热负荷可削减功率比例;b为电负荷可转移功率比例。
风光发电不确定性模型为:
式中,分别为风力、光伏的发电功率;/>分别为弃风、弃光功率;/>分别为风力、光伏的预测发电功率。
将风力发电功率光伏发电功率/>的实际值看成预测值与随机误差之和:
式中,为风光出力的短期预测误差,/>为光伏出力的短期预测误差,通常遵循正态分布,方差为/>
则风光不确定性下电功率平衡约束为:
式中,为标准正态分布的反函数,η为置信概率水平,/>为微网i与微网j之间交互的电功率,/>为微网i向微网j售电,/>为微网i向微网j购电。
阶梯式碳交易排放交易模型为:
式中,为微电网的碳排放权交易额,/>为微电网的实际碳排放量,/>为IEM的碳排放权配额;
则阶梯式碳交易成本为:
式中,为阶梯式碳交易成本;α为碳交易基价;r为碳排放量区间长度;β为价格增长率。
碳排放权配额模型如下:
式中,分别为IEM、上级购电、CHP、GB的碳排放权配额;ψe、ψg分别为燃煤机组单位电力消耗、燃天然气机组单位天然气消耗的碳排放权配额;/>为t时段上级购电量;
实际碳排放模型:
式中,分别为微电网、上级购电的实际碳排放量;/>为CHP、GB总的实际碳排放量;/>为实际吸收的二氧化碳量;/>为t时段CHP、GB等效输出功率;A1、B1、C1和A2、B2、C2分别为燃煤机组和耗天然气型供能设备的碳排放计算参数;/>为碳捕集设备捕集二氧化碳的参数。
步骤2具体包括以下步骤:
步骤2.1、外层模型如下:
目标函数为:
式中,MDNO为DNO的综合效益,分别为t时刻的电网电价和上网电价,/>分别为IEMC在t时刻从DNO购电和向DNO售电的价格,/>分别为IEMC在t时刻从DNO的购电量和向DNO的售电量;
约束条件为:
DNO制定的购售电价格约束:
式中,分别为IEMC的购电价格上下限,/>分别为IEMC的售电价格上下限;
IEMC的购售电价格平均值约束:
式中,分别为IEM购电与售电价格的平均值;
步骤2.2、内层模型如下:
目标函数为:
式中,Ci是参与能量共享的第i个IEM的综合成本,为IEMi与DNO之间的交互成本,/>为IEMi中所消耗的燃料成本,/>为IEMi中CHP机组的运行成本,/>为IEMi中的需求响应成本,/>为IEMi中的储能设备运行维护成本,/>为IEMi中的碳交易成本,/>为IEMi的能量共享成本。其中,
式中,分别为天然气购买价格、IEMi在t时段内的天然气总需求量;
式中,ν1-ν4分别为设备的运行成本系数,ν5为运行成本常数;
式中,分别电负荷消减和转移的补偿单价;/>为热负荷消减的补偿单价;
式中,θ为充放单位电能储能设备的运行维护成本;
式中,为IEMi与IEMj交互单位电能时的支付价格,/>为IEMi与IEMj交互单位热能时的支付价格,/>为IEMi与IEMj在时段t内的电能交易量,/>为IEMi与IEMj在时段t内的热能交易量,/>为IEMi从IEMj处购买电能,/>为IEMi向IEMj处售卖电能,/>为微IEMi从IEMj处购买热能,/>为IEMi向IEMj处售卖热能;
电功率平衡约束
考虑风光出力不确定性后,将公式(55)替换为式(29);
热功率平衡约束
式中,燃气锅炉的产热功率,/>为燃气锅炉的天然气消耗量,ηGB是燃气锅炉的产热效率;
气平衡约束
式中,α是P2G产气功率的电转换效率;
电能交易约束
微网之间在每个时段t输出或接收的电能传输功率在联络线传输功率极限的范围内:
则微网i在时段t参与电能共享所交易的总电量满足以下约束:
热能交易约束
微网之间在每个时段t输出或接收的热能传输功率均应在联络线传输功率极限的范围内:
则微网i在时段t参与热能共享所交易的总热量满足以下约束:
步骤3具体包括以下步骤:
步骤3.1、构建IEM集群纳什谈判模型,如下式所示:
式中,Ui为IEMi参与谈判获得的效益,为IEMi未参与谈判获得的效益;
步骤3.2、将IEM集群纳什谈判模型转换为联盟效益最大化和合作收益分配两个子问题P1、P2,子问题P1联盟效益最大化的表达式为:
子问题P2合作收益分配的表达式为:
步骤3.2、采用二分法分布式算法来求解子问题P1,即求解外层模型,得到IEMC在t时刻从DNO购电和向DNO售电的价格和/>IEM间电能交易电量/>热能交易热量
计算过程中,设为第n次迭代中t时刻的能源价格,假设此时/>为上界,当时,添加约束:
当时,添加约束:
迭代过程的收敛条件如下:
式中,分别为在第n次迭代中IEMC在t时刻从DNO的购售电价格;
步骤3.3、引入下述辅助变量、拉格朗日乘数以及惩罚因子,将子问题P2通过增广拉格朗日函数为;对增广拉格朗日函数进行解耦得到每个微电网的电热交易分布式优化模型,将子问题P1得到的IEMC在t时刻从DNO购电和向DNO售电的价格和/>IEM间电能交易电量/>热能交易热量/>输入到每个微电网的电热交易分布式优化模型,得到IEM间电能热能交易价格。
步骤3.3中,辅助变量为:
式中,表示IEMi与IEMj之间的交互电价,/>表示IEMj与IEMi之间的交互电价,/>表示IEMi与IEMj之间的交互热价,/>表示IEMj与IEMi之间的交互热价;
拉格朗日乘数为:
惩罚因子为:ρe、ρh;
则子问题P2增广拉格朗日函数为:
根据ADMM的算法原理,对公式(69)进行解耦得到每个微电网的电热交易分布式优化模型,将子问题P1得到的IEMC在t时刻从DNO购电和向DNO售电的价格和/>IEM间电能交易电量/>热能交易热量/>输入到子问题P2,得到IEM间电能热能交易价格。
本发明的有益效果是:本发明区域综合能源系统多微网能量共济方法,以配电网运营商与微电网集群的经济效益最大为目标,进行最优调度,保护了各参与主体的隐私,实现了配电网运营商与微电网集群之间的协调运行及微电网集群内部公平的能量交易和利益分配,提高能源利用率,实现了区域多综合能源型微网低碳经济运行;对配电网运营商与微电网集群之间纵向的一主多从的主从博弈中嵌套了微电网集群之间横向的多主体合作博弈,在保证DNO与IEMC利益的同时提高了IEMC之间合作的积极性,实现了集群成员之间的能量互济,并减少了IEMC对主电网的依赖;采用二分法优化算法求解主从博弈,提高了模型求解效率,使用纳什谈判理论分配微网集群合作收益,将其等效成集群效益最大化和合作收益分配两个子问题,并采用分布式算法ADMM求解所构建模型,保护了各主体的隐私与利益。
附图说明
图1是本发明区域综合能源系统多微网能量共济方法中CHP-P2G-CCS耦合运行框架图;
图2是本发明区域综合能源系统多微网能量共济方法中配电网运营商与微电网集群的双层博弈框架图;
图3是本发明区域综合能源系统多微网能量共济方法中求解流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
实施例1
区域综合能源系统多微网能量共济方法,包括以下步骤:
步骤1、构建综合能源系统模型,综合能源系统模型包括CHP-P2G-CCS耦合运行模型、储能设备模型、电热柔性负荷模型、风光发电不确定性模型、阶梯式碳交易机制模型;
步骤2、建立包括外层模型和内层模型的双层博弈模型;
步骤3、构建IEM集群纳什谈判模型,结合综合能源系统模型对双层博弈模型进行求解,得到IEM间电能热能交易价格。
实施例2
区域综合能源系统多微网能量共济方法,包括以下步骤:
步骤1、构建综合能源系统模型,综合能源系统模型包括CHP-P2G-CCS耦合运行模型、储能设备模型、电热柔性负荷模型、风光发电不确定性模型、阶梯式碳交易机制模型;
本发明将电转气系统及碳捕集系统与传统热电联产机组相耦合得到CHP-P2G-CCS耦合运行框架,如图1所示,CHP-P2G-CCS耦合运行模型的运行流程为:CHP机组供给电能给P2G,P2G通过电解水产生氢气与氧气,CCS系统捕捉二氧化碳与P2G所产生的氢气合成CH4;该运行模式提高了CHP机组的功率调节能力,降低了CHP机组的强电热耦合特性,且有效降低了系统的碳排放量。
CHP-P2G-CCS耦合运行模型的电热耦合特性为:
式中,h1和h2分别为最小和最大输出功率对应的CHP机组电热转换系数,hm是热电联产热电功率的线性供给斜率,Hi,0为CHP机组发电功率最小时对应的热电功率;为CHP机组供给电力需求的电力,/>为CHP机组供给P2G消耗的电力;/>为CHP机组供给CCS的电力;
其中,通过下式计算:
上式中,为CHP机组中第i个微网的发电量:
式中,ηCHP为燃气机组的发电效率,为天然气的燃烧热值,/>为天然气消耗量;
上式中,γ是捕获CO2所消耗电能的转换系数,为P2G所需的CO2量:
式中,β是计算CO2量的系数;
CCS、P2G和CHP的电功率均应分别在其对应功率上下限范围内:
式中,和/>分别为CCS消耗电功率的下限和上限;/>和/>分别为P2G消耗电功率的上下限;/>和/>分别为CHP发电功率的上下限。
公式(11)的推导过程如下:
考率燃气机组的热电联具有电热耦合特性,则在时段t燃气机组的热功率可描述为:
式中,是CHP机组的在t时段的制热功率,h1和h2分别为最小和最大输出功率对应的CHP机组电热转换系数,hm是热电联产热电功率的线性供给斜率,Hi,0为CHP机组发电功率最小时对应的热电功率;
将公式(2)、(6)、(7)代入(9)即可得到公式(1)。
储能设备为蓄电池其充放电模型:
Qmin≤Qi,t≤Qmax (11);
式中,Qi,t为t时刻储能容量,νloss为能量自损系数,和/>分别为储能设备在t时刻的储、放能功率,ηchar和ηdis分别为储能设备储、放能效率,/>和/>分别为储能设备储、放能状态变量,其值为1为启动,其值为0为停止,用来限制设备充放能不发生在同一时刻,/>分别为储能设备储能状态下爬坡速率上、下限,/>分别为储能设备放能状态下爬坡速率上、下限。
电热柔性负荷模型
微网内电热柔性负荷包括可削减负荷和可转移负荷,约束条件如下:
/>
式中,分别为微网内时段t内的电负荷、热负荷;/>分别为固定电负荷、固定热负荷;/>分别为电负荷可削减功率、热负荷可消减功率;/>为电负荷可转移功率;a、c分别为电热负荷可削减功率比例;b为电负荷可转移功率比例。
风光发电不确定性模型为:
式中,分别为风力、光伏的发电功率;/>分别为弃风、弃光功率;/>分别为风力、光伏的预测发电功率。
将风力发电功率光伏发电功率/>的实际值看成预测值与随机误差之和:
上式中,为风光出力的短期预测误差,/>为光伏出力的短期预测误差,通常遵循正态分布,方差为/>
用机会约束形式描述风光不确定性下电功率平衡约束:
式中:η为置信概率水平;为微网i与微网j之间交互的电功率;/>为微网i向微网j售电;/>为微网i向微网j购电。
记随机变量的概率累积分布函数为F,则上式可转换成下式:
按照F的计算方法,则风光不确定性下电功率平衡约束为:
/>
式中,为标准正态分布的反函数,η为置信概率水平,/>为微网i与微网j之间交互的电功率,/>为微网i向微网j售电,/>为微网i向微网j购电。
阶梯碳交易机制是指在碳排放交易中,根据不同阶梯水平的碳排放限额划分,促进碳排放源采取更加积极的减排行动和实现更加公平的碳排放分配的一种机制。在阶梯碳交易机制中,监管部门将碳排放限额分配给不同产消者,若产消者的碳排放量在限额内则不需要支付碳排放费用,且可以将多余的碳配额出售给碳排放量超出配额的产消者,碳排放量超出配额部分将其划分为不同阶梯水平,每个阶梯水平对应不同的碳排放价格。产消者需要购买相应的碳排放配额以满足其排放需求。
阶梯式碳交易排放交易模型为:
式中,为微电网的碳排放权交易额,/>为微电网的实际碳排放量,/>为IEM的碳排放权配额;
则阶梯式碳交易成本为:
式中,为阶梯式碳交易成本;α为碳交易基价;r为碳排放量区间长度;β为价格增长率。
本发明IEM系统的碳排放主要来自两方面:一方面是CHP、GB机组燃烧天然气所产生的碳排放,另一方面是IEM从DNO购电所产生的碳排放。
碳排放权配额模型
式中,分别为IEM、上级购电、CHP、GB的碳排放权配额;ψe、ψg分别为燃煤机组单位电力消耗、燃天然气机组单位天然气消耗的碳排放权配额;/>为t时段上级购电量;
碳捕集设备可以捕集一部分二氧化碳并在P2G设备中生成甲烷,则实际碳排放模型为:
式中,分别为微电网、上级购电的实际碳排放量;/>为CHP、GB总的实际碳排放量;/>为实际吸收的二氧化碳量;/>为t时段CHP、GB等效输出功率;A1、B1、C1和A2、B2、C2分别为燃煤机组和耗天然气型供能设备的碳排放计算参数;/>为碳捕集设备捕集二氧化碳的参数。
步骤2、建立包括外层模型和内层模型的双层博弈模型,如图2所示;
外层模型为DNO与IEMC的主从博弈,以DNO为领导者IEMC为跟随者,DNO根据IEMC所上报的购能策略向IEMC制定能源价格,并以自身收益最大来优化所制定能源价格;内层模型为IEMC内部成员之间的合作博弈,IEMC在收到外层模型所制定的能源价格,根据成本最小的优化目标合理制定自身内部设备运行计划同时计算出IEM间交易电量、热量及电价、热价,以确保集群成员可以通过能量共享行为获得利益,并将购能策略发送回外层模型。
步骤2.1、DNO作为博弈领导者,根据IEMC回应的购售电量,制定IEMC的购电价格与售电价格。外层模型以DNO的综合效益最大化为目标函数,以DNO制定的购售电价格、IEMC的购售电价格平均值作为约束条件:
目标函数为:
式中,MDNO为DNO的综合效益,分别为t时刻的电网电价和上网电价,/>分别为IEMC在t时刻从DNO购电和向DNO售电的价格,/>分别为IEMC在t时刻从DNO的购电量和向DNO的售电量。
约束条件
DNO制定的购售电价格约束:
式中,分别为IEMC的购电价格上下限,/>分别为IEMC的售电价格上下限。
为避免身为领导者的DNO为了最大化自身效益,总是将IEMC购电价格制定最高,将IEMC售电价格/>制定最低,需要给予IEMC的购售电价格平均值约束:/>
式中,分别为IEM购电与售电价格的平均值。
步骤2.2、IEMC作为博弈的跟随者,根据DNO制定的购售电价格,优化IEMC的购售电量、自身机组出力和IEM间电能交易电量,并将购售电量回应给DNO。内层模型以IEMC成员以自身成本最小为目标函数,将电功率平衡、热功率平衡、气平衡、电能交易、热能交易作为约束条件;
目标函数为:
式中,Ci是参与能量共享的第i个IEM的综合成本,为IEMi与DNO之间的交互成本,/>为IEMi中所消耗的燃料成本,/>为IEMi中CHP机组的运行成本,/>为IEMi中的需求响应成本,/>为IEMi中的储能设备运行维护成本,/>为IEMi中的碳交易成本,/>为IEMi的能量共享成本。其中,
式中,分别为天然气购买价格、IEMi在t时段内的天然气总需求量;
式中,ν1-ν4分别为设备的运行成本系数,ν5为运行成本常数;
式中,分别电负荷消减和转移的补偿单价;/>为热负荷消减的补偿单价;
式中,θ为充放单位电能储能设备的运行维护成本;
式中,为IEMi与IEMj交互单位电能时的支付价格,/>为IEMi与IEMj交互单位热能时的支付价格,/>为IEMi与IEMj在时段t内的电能交易量,/>为IEMi与IEMj在时段t内的热能交易量,/>为IEMi从IEMj处购买电能,/>为IEMi向IEMj处售卖电能,/>为微IEMi从IEMj处购买热能,/>为IEMi向IEMj处售卖热能。
电功率平衡约束
考虑风光出力不确定性后将其替换为式(29);
热功率平衡约束
燃气锅炉的产热功率为:
式中,为燃气锅炉的天然气消耗量;ηGB是燃气锅炉的产热效率;
气平衡约束
式中,为P2G消耗电力生产天然气的功率,α为P2G产气功率的电转换效率;
电能交易约束
微网之间在每个时段t输出或接收的电能传输功率在联络线传输功率极限的范围内:
则微网i在时段t参与电能共享所交易的总电量满足以下约束:
热能交易约束
微网之间在每个时段t输出或接收的热能传输功率均应在联络线传输功率极限的范围内:
则微网i在时段t参与热能共享所交易的总热量满足以下约束:
步骤3、IEM集群通过合作对DNO的决策进行响应,在合作中以IEM集群效益最大为目标,但是IEM集群成员又属于不同的主体,需保证合作后自身的效益不会受损。纳什谈判作为合作博弈的一个分支,可以有效地刻画集群成员间合作互动。构建IEM集群纳什谈判模型,结合综合能源系统模型对双层博弈模型进行求解,得到IEM间电能热能交易价格,如图3所示。
步骤3.1、构建IEM集群纳什谈判模型,如下式所示:
式中,Ui为IEMi参与谈判获得的效益,为IEMi未参与谈判获得的效益;
步骤3.2、该模型是一个非凸非线性优化问题,很难对其直接进行求解,因此将IEM集群纳什谈判模型转换为联盟效益最大化和合作收益分配两个子问题,
子问题P1联盟效益最大化的表达式为:
子问题P2合作收益分配的表达式为:
步骤3.2、采用二分法分布式算法来求解子问题P1,即求解外层模型,得到IEMC在t时刻从DNO购电和向DNO售电的价格和/>IEM间电能交易电量/>热能交易热量
计算过程中,设为第n次迭代中t时刻的能源价格,假设此时/>为上界。
当时,添加约束:
当时,添加约束:
由于上两式的存在,每次迭代都可以保证计算的边界快速缩小,以提高算法的计算效率;
迭代过程的收敛条件如下:
式中,分别为在第n次迭代中IEMC在t时刻从DNO的购售电价格。
步骤3.3、引入下述辅助变量、拉格朗日乘数以及惩罚因子,将子问题P2通过增广拉格朗日函数为;对增广拉格朗日函数进行解耦得到每个微电网的电热交易分布式优化模型,将子问题P1得到的IEMC在t时刻从DNO购电和向DNO售电的价格和/>IEM间电能交易电量/>热能交易热量/>输入到每个微电网的电热交易分布式优化模型,得到IEM间电能热能交易价格。
对于IEMi和IEMj,其模型中的P2P电能、热能交易价格相互耦合,需要对其进行解耦以保证各IEM间的交互价格相等,辅助变量为:
式中,表示IEMi与IEMj之间的交互电价,/>表示IEMj与IEMi之间的交互电价,/>表示IEMi与IEMj之间的交互热价,/>表示IEMj与IEMi之间的交互热价;
拉格朗日乘数为:
惩罚因子为:ρe、ρh;
则子问题P2增广拉格朗日函数为:
式中:为参与电热能源合作共享前IEMi的成本;
根据ADMM的算法原理,对公式(69)进行解耦得到每个微电网的电热交易分布式优化模型,将子问题P1得到的IEMC在t时刻从DNO购电和向DNO售电的价格和/>IEM间电能交易电量/>交易热量/>输入到子问题P2,得到IEM间电能热能交易价格。
实施例3
本实施例中,包括三个IEM系统,对于IEMi和IEMj,其模型中的P2P电能、热能交易价格相互耦合,需要对其进行解耦以保证各IEM间的交互价格相等,辅助变量为:
拉格朗日乘数为:
惩罚因子为:ρe、ρh;
则子问题P2增广拉格朗日函数为为:
根据ADMM的算法原理,对公式(70)进行解耦得到每个微电网的电热交易分布式优化模型,将子问题P1得到的IEMC在t时刻从DNO购电和向DNO售电的价格和/>IEM间电能交易电量/>热能交易热量/>输入到子问题P2,得到IEM间电能热能交易价格。
IEM1电热交易分布式优化模型为:
IEM2电热交易分布式优化模型为:
IEM3电热交易分布式优化模型为:
通过以上方式,本发明区域综合能源系统多微网能量共济方法,以配电网运营商与微电网集群的经济效益最大为目标,进行最优调度,保护了各参与主体的隐私,实现了配电网运营商与微电网集群之间的协调运行及微电网集群内部公平的能量交易和利益分配,提高能源利用率,实现了区域多综合能源型微网低碳经济运行;对配电网运营商与微电网集群之间纵向的一主多从的主从博弈中嵌套了微电网集群之间横向的多主体合作博弈,在保证DNO与IEMC利益的同时提高了IEMC之间合作的积极性,实现了集群成员之间的能量互济,并减少了IEMC对主电网的依赖;采用二分法优化算法求解主从博弈,提高了模型求解效率,使用纳什谈判理论分配微网集群合作收益,将其等效成集群效益最大化和合作收益分配两个子问题,并采用分布式算法ADMM求解所构建模型,保护了各主体的隐私与利益。
Claims (10)
1.区域综合能源系统多微网能量共济方法,其特征在于,包括以下步骤:
步骤1、构建综合能源系统模型,所述综合能源系统模型包括CHP-P2G-CCS耦合运行模型、储能设备模型、电热柔性负荷模型、风光发电不确定性模型、阶梯式碳交易机制模型;
步骤2、建立包括外层模型和内层模型的双层博弈模型;
步骤3、构建IEM集群纳什谈判模型,结合综合能源系统模型对所述双层博弈模型进行求解,得到IEM间电能热能交易价格。
2.根据权利要求1所述的区域综合能源系统多微网能量共济方法,其特征在于,所述CHP-P2G-CCS耦合运行模型的电热耦合特性为:
式中,h1和h2分别为最小和最大输出功率对应的CHP机组电热转换系数,hm是热电联产热电功率的线性供给斜率,Hi,0为CHP机组发电功率最小时对应的热电功率;为CHP机组供给电力需求的电力,/>为CHP机组供给P2G消耗的电力;/>为CHP机组供给CCS的电力;
其中,通过下式计算:
上式中,为CHP机组中第i个微网的发电量:
式中,ηCHP为燃气机组的发电效率,为天然气的燃烧热值,/>为天然气消耗量;
上式中,γ是捕获CO2所消耗电能的转换系数,为P2G所需的CO2量:
式中,β是计算CO2量的系数;
式中,和/>分别为CCS消耗电功率的下限和上限;/>和/>分别为P2G消耗电功率的上下限;/>和/>分别为CHP发电功率的上下限。
3.根据权利要求1所述的区域综合能源系统多微网能量共济方法,其特征在于,所述储能设备为蓄电池其充放电模型:
Qmin≤Qi,t≤Qmax (11);
式中,Qi,t为t时刻储能容量,νloss为能量自损系数,和/>分别为储能设备在t时刻的储、放能功率,ηchar和ηdis分别为储能设备储、放能效率,/>和/>分别为储能设备储、放能状态变量,/>分别为储能设备储能状态下爬坡速率上、下限,/>分别为储能设备放能状态下爬坡速率上、下限。
4.根据权利要求1所述的区域综合能源系统多微网能量共济方法,其特征在于,所述电热柔性负荷模型包括可削减负荷和可转移负荷,约束条件如下:
式中,分别为微网内时段t内的电负荷、热负荷;/>分别为固定电负荷、固定热负荷;/>分别为电负荷可削减功率、热负荷可消减功率;/>为电负荷可转移功率;a、c分别为电热负荷可削减功率比例;b为电负荷可转移功率比例。
5.根据权利要求1所述的区域综合能源系统多微网能量共济方法,其特征在于,所述风光发电不确定性模型为:
式中,分别为风力、光伏的发电功率;/>分别为弃风、弃光功率;分别为风力、光伏的预测发电功率;
将风力发电功率光伏发电功率/>的实际值看成预测值与随机误差之和:
式中,为风光出力的短期预测误差,/>为光伏出力的短期预测误差,通常遵循正态分布,方差为/>
则风光不确定性下电功率平衡约束为:
式中,为标准正态分布的反函数,η为置信概率水平,/>为微网i与微网j之间交互的电功率,/>为微网i向微网j售电,/>为微网i向微网j购电。
6.根据权利要求1所述的区域综合能源系统多微网能量共济方法,其特征在于,所述阶梯式碳交易排放交易模型为:
式中,为微电网的碳排放权交易额,/>为微电网的实际碳排放量,/>为IEM的碳排放权配额;
则阶梯式碳交易成本为:
式中,为阶梯式碳交易成本;α为碳交易基价;r为碳排放量区间长度;β为价格增长率。
7.根据权利要求1所述的区域综合能源系统多微网能量共济方法,其特征在于,所述碳排放权配额模型如下:
式中,分别为IEM、上级购电、CHP、GB的碳排放权配额;ψe、ψg分别为燃煤机组单位电力消耗、燃天然气机组单位天然气消耗的碳排放权配额;/>为t时段上级购电量;
实际碳排放模型:
Pi total=Pi CHP+Hi GB (39);
式中,分别为微电网、上级购电的实际碳排放量;/>为CHP、GB总的实际碳排放量;Ei CCS,r为实际吸收的二氧化碳量;Pi total为t时段CHP、GB等效输出功率;A1、B1、C1和A2、B2、C2分别为燃煤机组和耗天然气型供能设备的碳排放计算参数;/>为碳捕集设备捕集二氧化碳的参数。
8.根据权利要求1所述的区域综合能源系统多微网能量共济方法,其特征在于,步骤2具体包括以下步骤:
步骤2.1、所述外层模型如下:
目标函数为:
式中,MDNO为DNO的综合效益,分别为t时刻的电网电价和上网电价,/>分别为IEMC在t时刻从DNO购电和向DNO售电的价格,/>分别为IEMC在t时刻从DNO的购电量和向DNO的售电量;
约束条件为:
DNO制定的购售电价格约束:
式中,分别为IEMC的购电价格上下限,/>分别为IEMC的售电价格上下限;
IEMC的购售电价格平均值约束:
式中,分别为IEM购电与售电价格的平均值;
步骤2.2、所述内层模型如下:
目标函数为:
式中,Ci是参与能量共享的第i个IEM的综合成本,为IEMi与DNO之间的交互成本,为IEMi中所消耗的燃料成本,/>为IEMi中CHP机组的运行成本,/>为IEMi中的需求响应成本,/>为IEMi中的储能设备运行维护成本,/>为IEMi中的碳交易成本,/>为IEMi的能量共享成本;其中,
式中,分别为天然气购买价格、IEMi在t时段内的天然气总需求量;
式中,ν1-ν4分别为设备的运行成本系数,ν5为运行成本常数;
式中,分别电负荷消减和转移的补偿单价;/>为热负荷消减的补偿单价;
式中,θ为充放单位电能储能设备的运行维护成本;
式中,为IEMi与IEMj交互单位电能时的支付价格,/>为IEMi与IEMj交互单位热能时的支付价格,/>为IEMi与IEMj在时段t内的电能交易量,/>为IEMi与IEMj在时段t内的热能交易量,/>为IEMi从IEMj处购买电能,/>为IEMi向IEMj处售卖电能,为微IEMi从IEMj处购买热能,/>为IEMi向IEMj处售卖热能;
电功率平衡约束
考虑风光出力不确定性后,将公式(55)替换为式(29);
热功率平衡约束
式中,燃气锅炉的产热功率,/>为燃气锅炉的天然气消耗量,ηGB是燃气锅炉的产热效率;
气平衡约束
式中,α是P2G产气功率的电转换效率;
电能交易约束
微网之间在每个时段t输出或接收的电能传输功率在联络线传输功率极限的范围内:
则微网i在时段t参与电能共享所交易的总电量满足以下约束:
热能交易约束
微网之间在每个时段t输出或接收的热能传输功率均应在联络线传输功率极限的范围内:
则微网i在时段t参与热能共享所交易的总热量满足以下约束:
9.根据权利要求1所述的区域综合能源系统多微网能量共济方法,其特征在于,步骤3具体包括以下步骤:
步骤3.1、构建IEM集群纳什谈判模型,如下式所示:
式中,Ui为IEMi参与谈判获得的效益,Ui 0为IEMi未参与谈判获得的效益;
步骤3.2、将所述IEM集群纳什谈判模型转换为联盟效益最大化和合作收益分配两个子问题P1、P2,所述子问题P1联盟效益最大化的表达式为:
所述子问题P2合作收益分配的表达式为:
步骤3.2、采用二分法分布式算法来求解子问题P1,即求解外层模型,得到IEMC在t时刻从DNO购电和向DNO售电的价格和/>IEM间电能交易电量/>热能交易热量/>
计算过程中,设为第n次迭代中t时刻的能源价格,假设此时/>为上界,当/>时,添加约束:
当时,添加约束:
迭代过程的收敛条件如下:
式中,分别为在第n次迭代中IEMC在t时刻从DNO的购售电价格;
步骤3.3、引入下述辅助变量、拉格朗日乘数以及惩罚因子,将子问题P2通过增广拉格朗日函数为;对所述增广拉格朗日函数进行解耦得到每个微电网的电热交易分布式优化模型,将所述子问题P1得到的IEMC在t时刻从DNO购电和向DNO售电的价格和/>IEM间电能交易电量/>热能交易热量/>输入到每个微电网的电热交易分布式优化模型,得到IEM间电能热能交易价格。
10.根据权利要求9所述的区域综合能源系统多微网能量共济方法,其特征在于,步骤3.3中,辅助变量为:
式中,表示IEMi与IEMj之间的交互电价,/>表示IEMj与IEMi之间的交互电价,表示IEMi与IEMj之间的交互热价,/>表示IEMj与IEMi之间的交互热价;
拉格朗日乘数为:
惩罚因子为:ρe、ρh;
则子问题P2增广拉格朗日函数为:
根据ADMM的算法原理,对公式(69)进行解耦得到每个微电网的电热交易分布式优化模型,将所述子问题P1得到的IEMC在t时刻从DNO购电和向DNO售电的价格和/>IEM间电能交易电量/>热能交易热量/>输入到子问题P2,得到IEM间电能热能交易价格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310768778.6A CN116911533B (zh) | 2023-06-27 | 2023-06-27 | 区域综合能源系统多微网能量共济方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310768778.6A CN116911533B (zh) | 2023-06-27 | 2023-06-27 | 区域综合能源系统多微网能量共济方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116911533A true CN116911533A (zh) | 2023-10-20 |
CN116911533B CN116911533B (zh) | 2024-05-14 |
Family
ID=88361921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310768778.6A Active CN116911533B (zh) | 2023-06-27 | 2023-06-27 | 区域综合能源系统多微网能量共济方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116911533B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117436647A (zh) * | 2023-10-25 | 2024-01-23 | 华中科技大学 | 一种互联微电网系统的能源调度和交易方法 |
CN117689234A (zh) * | 2024-02-04 | 2024-03-12 | 山东科技大学 | 基于多主体双层博弈的园区综合能源系统调度方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190036159A (ko) * | 2017-09-27 | 2019-04-04 | 한국전력공사 | 열 전기 복합 그리드 시스템 및 그 운영 방법 |
CN113344651A (zh) * | 2021-08-09 | 2021-09-03 | 国网江西省电力有限公司电力科学研究院 | 一种碳交易机制下综合能源市场多供能主体规划方法 |
CN113610311A (zh) * | 2021-08-16 | 2021-11-05 | 南京师范大学 | 双层协同架构下考虑碳减排的综合能源服务商合作运行优化方法 |
WO2022048127A1 (zh) * | 2020-09-04 | 2022-03-10 | 华北电力大学 | 一种电热泵-热电联合系统的优化调控方法及系统 |
CN115099725A (zh) * | 2022-08-24 | 2022-09-23 | 国网浙江省电力有限公司宁波供电公司 | 一种综合能源系统能量管理分配方法及系统 |
CN115511168A (zh) * | 2022-09-20 | 2022-12-23 | 三峡大学 | 一种适用于热电联供型微网的多能互补三层优化运行方法 |
CN115659651A (zh) * | 2022-10-28 | 2023-01-31 | 上海电力大学 | 一种考虑多种灵活性资源的综合能源协同优化调度方法 |
US20230049147A1 (en) * | 2021-08-13 | 2023-02-16 | Boehringer Ingelheim International Gmbh | Anti-il-36r antibodies for the treatment of a fibrotic condition |
CN116070754A (zh) * | 2023-01-16 | 2023-05-05 | 山东大学 | 考虑能量共享的多主体综合能源系统优化运行方法及系统 |
WO2023103385A1 (zh) * | 2021-12-09 | 2023-06-15 | 国网上海市电力公司 | 一种多能微网群自身及市场决策协同优化方法 |
-
2023
- 2023-06-27 CN CN202310768778.6A patent/CN116911533B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20190036159A (ko) * | 2017-09-27 | 2019-04-04 | 한국전력공사 | 열 전기 복합 그리드 시스템 및 그 운영 방법 |
WO2022048127A1 (zh) * | 2020-09-04 | 2022-03-10 | 华北电力大学 | 一种电热泵-热电联合系统的优化调控方法及系统 |
CN113344651A (zh) * | 2021-08-09 | 2021-09-03 | 国网江西省电力有限公司电力科学研究院 | 一种碳交易机制下综合能源市场多供能主体规划方法 |
US20230049147A1 (en) * | 2021-08-13 | 2023-02-16 | Boehringer Ingelheim International Gmbh | Anti-il-36r antibodies for the treatment of a fibrotic condition |
CN113610311A (zh) * | 2021-08-16 | 2021-11-05 | 南京师范大学 | 双层协同架构下考虑碳减排的综合能源服务商合作运行优化方法 |
WO2023103385A1 (zh) * | 2021-12-09 | 2023-06-15 | 国网上海市电力公司 | 一种多能微网群自身及市场决策协同优化方法 |
CN115099725A (zh) * | 2022-08-24 | 2022-09-23 | 国网浙江省电力有限公司宁波供电公司 | 一种综合能源系统能量管理分配方法及系统 |
CN115511168A (zh) * | 2022-09-20 | 2022-12-23 | 三峡大学 | 一种适用于热电联供型微网的多能互补三层优化运行方法 |
CN115659651A (zh) * | 2022-10-28 | 2023-01-31 | 上海电力大学 | 一种考虑多种灵活性资源的综合能源协同优化调度方法 |
CN116070754A (zh) * | 2023-01-16 | 2023-05-05 | 山东大学 | 考虑能量共享的多主体综合能源系统优化运行方法及系统 |
Non-Patent Citations (5)
Title |
---|
YIMING MA等: "Modeling and optimization of combined heat and power with power-to-gas and carbon capture system in integrated energy system", ENERGY, vol. 236, 1 December 2021 (2021-12-01) * |
ZHIHONG XU等: "Research on Stackelberg Game Optimization Dispatch of Metamodel of Integrated Energy System Considering Carbon Capture and P2G", 2022 7TH ASIA CONFERENCE ON POWER AND ELECTRICAL ENGINEERING (ACPEE), 1 June 2022 (2022-06-01) * |
ZONGNAN ZHANG等: "Optimization strategy for power sharing and low-carbon operation of multi-microgrid IES based on asymmetric nash bargaining", ENERGY STRATEGY REVIEWS, vol. 44, 30 November 2022 (2022-11-30) * |
曾红;刘天琪;何川;胡晓通;苏学能;: "含电转气设备的气电互联综合能源系统多目标优化", 电测与仪表, no. 08, 7 March 2019 (2019-03-07) * |
耿琪;胡炎;何建宗;周永言;赵伟;: "基于纳什谈判的区域综合能源系统运行优化", 电力建设, no. 01, 1 January 2020 (2020-01-01) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117436647A (zh) * | 2023-10-25 | 2024-01-23 | 华中科技大学 | 一种互联微电网系统的能源调度和交易方法 |
CN117689234A (zh) * | 2024-02-04 | 2024-03-12 | 山东科技大学 | 基于多主体双层博弈的园区综合能源系统调度方法及系统 |
CN117689234B (zh) * | 2024-02-04 | 2024-05-03 | 山东科技大学 | 基于多主体双层博弈的园区综合能源系统调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116911533B (zh) | 2024-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108229025B (zh) | 一种冷热电联供型多微网主动配电系统经济优化调度方法 | |
CN111738502B (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 | |
Tan et al. | Integrated energy system–Hydrogen natural gas hybrid energy storage system optimization model based on cooperative game under carbon neutrality | |
CN104734168B (zh) | 一种基于电热联合调度的微电网运行优化系统及方法 | |
CN116911533B (zh) | 区域综合能源系统多微网能量共济方法 | |
CN112381335B (zh) | 区域综合能源系统运行优化方法及装置 | |
Li et al. | Hierarchical optimal scheduling method for regional integrated energy systems considering electricity-hydrogen shared energy | |
Zhang et al. | Optimization strategy for power sharing and low-carbon operation of multi-microgrid IES based on asymmetric nash bargaining | |
CN115689035A (zh) | 一种基于共享储能的园区级综合能源系统协同优化方法 | |
CN115170343A (zh) | 一种区域综合能源系统分布式资源和储能协同规划方法 | |
Li et al. | A system and game strategy for the isolated island electric-gas deeply coupled energy network | |
Wu et al. | Dynamic pricing and energy management of hydrogen-based integrated energy service provider considering integrated demand response with a bi-level approach | |
Wang et al. | Low carbon optimal operation of integrated energy system based on concentrating solar power plant and power to hydrogen | |
CN117236587A (zh) | 一种园区综合能源系统电氢碳协同调度优化方法 | |
CN112182915A (zh) | 一种协同促进风电消纳的优化调度方法及系统 | |
CN112001613A (zh) | 基于多微能源网系统合作博弈决策机制的利益分配策略 | |
CN116862144A (zh) | 一种基于双重博弈的多园区低碳调度方法及系统 | |
CN116613741A (zh) | 一种计及阶梯式碳交易的综合能源系统优化调度方法 | |
CN115860406A (zh) | 基于内部电价激励的园区综合能源系统能量调度方法 | |
Ebrahimi et al. | Electrical and thermal power management in an energy hub system considering hybrid renewables | |
Du et al. | Optimal Scheduling Model of Community Integrated Energy System Based on Cooperative Game Theory | |
Huan et al. | Optimization of Integrated Energy Service Provider Considering Carbon Trading | |
Cao et al. | Bi-Level Energy Management Model of Grid-Connected Microgrid Community | |
Zhang et al. | Distributed Bargaining Method of a Multi-integrated Energy System Based on Nash Theory | |
Peng et al. | Economic Optimization Scheduling of Distribution Networks-Microgrids Considering Power Interaction between Microgrids |
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 |