CN117236587A - 一种园区综合能源系统电氢碳协同调度优化方法 - Google Patents
一种园区综合能源系统电氢碳协同调度优化方法 Download PDFInfo
- Publication number
- CN117236587A CN117236587A CN202311017253.5A CN202311017253A CN117236587A CN 117236587 A CN117236587 A CN 117236587A CN 202311017253 A CN202311017253 A CN 202311017253A CN 117236587 A CN117236587 A CN 117236587A
- Authority
- CN
- China
- Prior art keywords
- energy
- hydrogen
- power
- carbon
- heat
- 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 82
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000005457 optimization Methods 0.000 title claims abstract description 31
- 229910052739 hydrogen Inorganic materials 0.000 claims abstract description 129
- 239000001257 hydrogen Substances 0.000 claims abstract description 129
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims abstract description 119
- 238000004146 energy storage Methods 0.000 claims abstract description 95
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 55
- 230000008901 benefit Effects 0.000 claims abstract description 53
- 239000007789 gas Substances 0.000 claims description 65
- 238000003860 storage Methods 0.000 claims description 65
- 230000005611 electricity Effects 0.000 claims description 62
- 239000000446 fuel Substances 0.000 claims description 48
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 40
- 230000006870 function Effects 0.000 claims description 21
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 20
- 239000002699 waste material Substances 0.000 claims description 18
- 239000001569 carbon dioxide Substances 0.000 claims description 17
- 238000010438 heat treatment Methods 0.000 claims description 17
- 238000010248 power generation Methods 0.000 claims description 16
- 238000007599 discharging Methods 0.000 claims description 14
- 238000005265 energy consumption Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 10
- 150000002431 hydrogen Chemical class 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 239000002918 waste heat Substances 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 239000004215 Carbon black (E152) Substances 0.000 claims description 6
- 238000005868 electrolysis reaction Methods 0.000 claims description 6
- 238000002485 combustion reaction Methods 0.000 claims description 3
- 238000012887 quadratic function Methods 0.000 claims description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 239000003345 natural gas Substances 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013486 operation strategy Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003763 carbonization Methods 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 230000002079 cooperative effect Effects 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
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种园区综合能源系统电氢碳协同调度优化方法。本发明采用的技术方案为：构建以电‑氢‑碳协同调度、含氢储能的储能运营商和多利益主体为特征的园区综合能源系统模型；将园区运营商作为领导者，能源供应商、储能运营商和负荷聚合商分别作为不同利益主体的跟随者，构建主从博弈框架；将所述的园区综合能源系统模型嵌入主从博弈框架中，形成一主多从的Stackelberg博弈模型和博弈均衡；通过自适应差分进化算法结合二次规划算法的分布式均衡求解方法进行博弈模型求解。本发明可以降低碳排放，提高储能投资收益的有效性，充分消纳风光可再生能源，合理分配综合能源系统中各主体之间的利益。
Description
技术领域
本发明涉及园区综合能源系统电氢碳协同调度优化领域，尤其是一种考虑主从博弈的包含氢储能和碳捕集的园区综合能源系统电氢碳协同调度优化方法。
背景技术
近年来，传统化石能源短缺、能源安全、环境保护等问题备受关注。未来能源将会朝着清洁化、智慧化、综合化方向发展。以“源、网、荷、储”一体化和多能互补协同为主要特征的综合能源系统(integrated energy system，IES)备受关注，它可以耦合各种能源网络，灵活地转换电能、热能、冷能等，以有效地供应能源，并吸收分布式可再生能源，提升能源利用效率、促进能源可持续发展，具有重要的研究价值。
园区综合能源系统(Campus integrated energy system，CIES)以冷、热、电联供(Combined cooling heating and power，CCHP)系统为核心，综合优化冷、热、电、气等能源在供应、传输、消费和转换的过程。参考文献[Zheng L,Wang X,Jiang B.Multi-objectiveoptimal configuration of the CCHP system[J].Processes,2020,8(3):351]提出了CCHP系统的多目标优化配置来降低累计投资成本。参考文献[Dong X,Quan C,JiangT.Optimal planning of integrated energy systems based on coupled CCHP[J].Energies,2018,11(10):2621]提出了一种基于CCHP系统的电-气IES优化规划模型。为进一步提高可再生能源利用率，减少对传统发电机组的使用，降低碳排放，电转气装置(Power-to-gas，P2G)作为电与气之间的连接枢纽，可以将过剩的电能转化为氢气和天然气，提高各发电机组的灵活性，促进系统经济化和低碳化发展。参考文献[Chen J J,Qi BX,Rong Z K,et al.Multi-energy coordinated microgrid scheduling withintegrated demand response for flexibility improvement[J].Energy,2021,217:119387.]研究了燃气轮机和P2G机组联合运行的最优策略，利用购买二氧化碳与P2G机组生产的氢气制甲烷。参考文献[李欣,刘立,黄婧琪等.含耦合P2G和CCS的园区级综合能源系统优化调度[J].电力系统及其自动化学报,2023,35(04):18-25]研究了碳捕集系统(Carboncapture system，CCS)、电转气与热电联产机组联合运行的最优策略，P2G设备制氢气需要热电联产机组提供电能，增加了用电成本。
在综合能源系统中，销售商根据负荷需求优先制定价格策略，用户再根据价格信息做出需求响应，博弈过程存在先后顺序，符合主从递阶结构的动态博弈情况。参考文献[Shakrina Youssef；MargossianHarag.A Stackelberg game-inspired model of real-time economic dispatch with demand response[J].International Transactions onElectrical Energy Systems,2021,31(11):e13076]提出了一种考虑负荷需求响应并以最优综合利润为目标的区域综合能源博弈优化策略。参考文献[Wu,H.；Liu,Y.；Yang,Q.；Xu,L.；Zhong,L.Optimal RIES operation strategy based on sistributionally robustgame considering demand response.Electric Power Constr.2022,43,108-118]提出了一种基于多智能体深度强化学习的“电-热-气”综合能源系统的两级协同控制策略模型，以提高综合能源系统能效并降低成本。参考文献[Yan,J.；Duan,Z.；Gao,J.；Chen,S.；Zhou,B.；Wang,Y.Coordinated Control Strategy of Electricity-Heat-Gas IntegratedEnergy Sys-tem Considering Renewable Energy Uncertainty and Multi-Agent MixedGame.Front.Energy Res.2022,10,943213:1-943213:11]以能源效率和成本为优化目标，提出了一种考虑Stackelberg博弈动态定价和运营策略优化的热电一体化能源系统的两阶段能源管理方法。然而，上述参考文献都只考虑经济最大化，而忽略了环境问题。
虽然电储能可以缓解风光发电带来的不确定性问题，但是电储能只能进行短周期内的电能供需平衡调节，若需要进行大规模新能源跨季节、长周期的储能，电储能的容量限制会相对明显。相比之下，氢储能的最大优势在于续航时间更长，系统容量更大，单位容量的投资成本更低。配合其自衰减率低、能量密度高等特点，氢储能在多日连续调峰、季度调峰上具备明显的比较优势。
发明内容
本发明的目的是提供一种园区综合能源系统电氢碳协同调度优化方法，以降低碳排放，提高储能投资收益的有效性，充分消纳风光可再生能源，合理分配综合能源系统中各主体之间的利益。
为此，本发明采用如下的技术方案：一种园区综合能源系统电氢碳协同调度优化方法，其包括：
构建以电-氢-碳协同调度、含氢储能的储能运营商和多利益主体为特征的园区综合能源系统模型；
将园区运营商(Energy Service Provider，ESP)作为领导者，能源供应商(EnergySupplier，ES)、储能运营商(Energy Storage Operator，ESO)和负荷聚合商(Loadaggregator，LA)分别作为不同利益主体的跟随者，构建主从博弈框架；
将所述的园区综合能源系统模型嵌入主从博弈框架中，形成一主多从的Stackelberg博弈模型和博弈均衡；
通过自适应差分进化算法结合二次规划算法的分布式均衡求解方法进行博弈模型求解。领导者园区运营商的目标函数的求解是大规模非线性规划问题，采用自适应差分进化算法进行求解，将求解完成得到园区运营商的电价和热价传送给跟随者；跟随者目标函数中含有二次项，利用Yalmip工具与CPLEX求解器求解计算自身利益，并将优化策略反馈给领导者。
本发明提出了主从博弈框架下多个利益主体的运行优化策略：构建P2G(电转气装置)-HESS(氢储能)-CCS(碳捕集系统)和CCHP联合调度模型和CIES各个主体的收益模型，提出保护各主体隐私的分布式均衡求解方法，采用自适应差分进化算法结合Yalmip工具与CPLEX求解器对博弈模型进行求解。
进一步地，所述构建园区综合能源系统模型，具体为：
分别构建电-氢-碳协同调度系统模型、含氢储能的储能运营商收益模型和多利益主体收益模型。
更进一步地，所述构建电-氢-碳协同调度系统模型，具体为：
氢储能中，在电解槽通过电解水产氢的同时，以水为工质将产生的热能参与到系统热循环中，实现氢、热联产；燃料电池在燃氢发电为系统提供电能时，也可通过水将产生的热能输送给热负荷；储氢罐则将氢气压缩存储，除配合电解槽和燃料电池工作外，也可出售一定量的高纯度氢气为ESO提供新的盈利模式；
式中：为电解槽在t时段产生的氢气；/>为t时段制氢气消耗的电功率；αP2G为电制氢效率；/>分别为燃料电池的发电功率和制热功率；αFC.E、αFC.H分别为燃料电池的发电效率和制热效率；/>为输入到燃料电池的氢功率；δHST、αHST.in、αHST.to分别为氢储能的自耗损率、氢储罐的充氢效率和放氢效率；/>分别为t时段和t-1时段的氢储罐的储氢量；/>分别为氢储能在t时段充氢和放氢功率；Δt表示时间间隔；
碳捕集设备(Carbon Capture System,CCS)将系统内燃气轮机和燃气锅炉燃烧产生的CO2捕获，从而降低碳排放；
式中：为碳捕集在t时段捕获的二氧化碳；αGT、βGB为燃气轮机和燃气锅炉单位输出功率的碳排放量；αCO2为CCS捕获效率；/>为t时段未被CCS捕获的CO2，即排放到大气的二氧化碳；/>分别为CCS运行能耗和固定能耗；αCC为碳捕集能耗系数；Pt GT、Pt GB分别表示燃气轮机和燃气锅炉的t时刻输出功率。
更进一步地，所述构建含氢储能的储能运营商收益模型，具体为：
在园区运营商给出购电和售电价格后，储能运营商通过调节蓄电池充放功率来获得收益，并达到“削峰填谷”的作用；不考虑热储能和冷储能，弃风弃光被储能运营商以弃风弃光成本价收购，然后通过电解槽电解水制成氢气，制成的氢气直接出售或进一步制成燃料电池发电和供热；
式中：T指一天中的24小时，t指一天24小时中的某一小时；Ieso指ESO的目标收益；和/>分别为电储能净收入、氢储能净收入和氢储能运行成本；/>为蓄电池出售的电功率；/>为蓄电池购买的电功率；/>和/>分别为园区运营商购电价、售电价和售热价；/>为氢储能售氢量；cH2为氢价；储电池和氢储罐设备要保持日周期内始末储量相等；/>分别为燃料电池的发电功率和制热功率；r表示利率；m表示氢储能设备使用寿命；Qht、Qel、Qfc分别为电解槽、氢储罐和燃料电池的配置容量；λht、λel、λfc为电解槽、氢储罐和燃料电池的单位配置容量价格；
以蓄电池为例，其约束条件表示为：
式中，分别为t时段和t-1时段蓄电池的蓄电量；/> 分别为蓄电池的最小蓄电功率、最大蓄电功率、蓄电池日周期内始、末蓄电功率；δe、ηe.in、ηe.to分别为蓄电池的自耗能率和的充放电效率；/>分别为蓄电池在t时段充电和放电功率。
更进一步地，所述构建多利益主体收益模型，具体为：分别构建园区运营商模型、能源供应商模型和负荷聚合商模型。
再进一步，所述构建园区运营商模型，具体为：
ESP根据日常供需关系和市场行情制定购买和售出的能源价格，当无法满足热负荷需求时，ESP需要给予一定的赔偿，最大目标收益表示为：
式中：T指一天中的24小时，t指一天24小时中的某一小时，Iesp指ESP的目标收益，分别表示电能交易净收入、热能交易净收入和供热中断惩罚成本；/> 分别为出售电能、热能的价格；/>分别为出售的电能、热能功率；/>分别为购买电能、热能的价格；/>分别为购买的电能、热能功率；λh为热能的供能中断惩罚系数；/>为供热中断量；
为避免LA和ESO直接与电网进行交易，购电价格要大于上网电价，售电价格要小于电网分时电价；为了满足自身的利益需求，购电价格要小于电网的分时电价，售电价格要大于上网电价，同时也要保证购买和出售热能的价格分别在合理的市场价格区间内，相关约束条件表示为：
式中：分别为上网电价和分时电价；/>分别为热价的下限和上限。
再进一步地，所述构建能源供应商模型，具体为：
能源供应商在ESP给出购能价格的基础上，调整内部设备出力，最大目标收益表示为：
式中：Ies表示能源供应商的目标收益；为售能收入，/>为碳交易收入，/>为燃料成本；/>为出售给园区运营商的电功率和热功率；/>分别为购买电能、热能的价格；/>为燃气轮机t时刻的电功率；/>为燃气锅炉t时刻的热功率；ae、be、ce为燃气轮机的燃料成本系数；ah、bh、ch为燃气锅炉的燃料成本系数；ces为碳交易价格；μGT、μGB分别为燃气轮机和燃气锅炉单位碳排放配额；
式中：分别为出售给园区运营商的电功率和热功率；/>分别为光伏、风电、燃气轮机、燃料电池输出的电功率；/>分别为燃气锅炉、余热锅炉和燃料电池输出的热功率；ηh为热交换器的工作效率；
余热锅炉输出的热功率与燃气轮机输出的电功率关系表示为：
式中，ηgt.e、ηwh.h分别为燃气轮机的发电效率和余热锅炉的制热效率。
再进一步地，所述构建负荷聚合商模型，具体为：
用户根据园区运营商给出的售能价格做出需求响应，目标函数为用户满意度与购能成本之差，表示为：
式中：Ila表示LA的目标收益；用户满意度函数和购能成本/>又可表示为：
式中：用户满意度函数用用户用能功率的二次函数来表示，i∈{e,h}；we、ve分别为用户消费电能的一次项和二次项系数；wh、vh分别为用户消费热能的一次项和二次项系数；分别为出售电能、热能的价格；/>分别为负荷聚合商购买的电能、热能功率；其中电负荷包括固定电负荷和可调节电负荷；热负荷包括初始热负荷和可削减热负荷，即：
式中：分别为t时刻的固定电负荷和初始热负荷；/>分别为可调节电负荷和可削减热负荷；各负荷需要满足如下约束条件：
式中：为t时刻可调节电负荷或可削减热负荷的上限；Wfl.e/h为T各时间段可调节电负荷或可削减热负荷的总量。
进一步地，所述构建主从博弈框架，具体为：
将园区运营商作为领导者，能源供应商、储能运营商和负荷聚合商分别作为不同利益主体的跟随者，建立一主多从的Stackelberg博弈模型，即：
Φ＝{P；S；I} (37)
P＝{Pesp；Pes；Peso；Pla} (38)
S＝{Sesp；Ses；Seso；Sla} (39)
I＝{Iesp；Ies；Ieso；Ila} (40)
式中，P、S、I为博弈模型三要素：参与者、策略和收益，博弈三要素如下所述：
1)参与者包括园区运营商Pesp、能源供应商Pes、储能运营商Peso和负荷聚合商Pla；
2)策略包括：园区运营商的策略为购售价格，能源供应商的策略为机组出力，储能运营商的策略为充放功率，负荷聚合商的策略为负荷需求响应，各参与者的策略集表示为：
3)收益为各参与者的目标收益，包括Iesp、Ieso、Ies和Ila。
更进一步地，所述Stackelberg博弈模型采用的博弈均衡为：
当领导者制定策略后，跟随者根据策略做出最优响应，并且领导者也接受这个响应时，博弈达到均衡状态，设为Stackelberg均衡解，需要满足如下条件：
在Stackelberg均衡解中，任何一方参与者都无法通过单方面改变策略来获得更大的利益。
将上述所述的园区综合能源系统各主体优化模型嵌入主从博弈框架中，形成一主多从的Stackelberg博弈模型和博弈均衡。通过自适应差分进化算法结合二次规划算法的分布式均衡求解方法进行博弈模型求解。领导者园区运营商的目标函数的求解是大规模非线性规划问题，采用自适应差分进化算法进行求解，将求解完成得到园区运营商的电价和热价传送给跟随者；跟随者目标函数中含有二次项，利用Yalmip工具与CPLEX求解器求解计算自身利益，并将优化策略反馈给领导者。
本发明具有的有益效果如下：
(1)本发明通过将电储能和氢储能相结合形成电-氢混合储能系统。相较于电储能系统，这种混合储能系统具有续航时间更长、系统容量更大、单位容量投资成本更低的特点，能够充分发挥两种储能技术的优势，提供持续且大容量的能量供应，为长周期的电能供需平衡调节提供解决方案。
(2)本发明提出的电氢碳协同调度方法可充分利用电氢碳协同作用，提高园区综合能源系统的风光等可再生能源消纳率，降低园区综合能源系统碳排放。
(3)针对本发明建立的考虑多主体利益的一主多从Stackelberg博弈模型，提出了一种分布式均衡求解方法，可在电力市场的激烈竞争中保护各利益主体的信息隐私。该算法通过上层ESP制定价格策略，下层跟随者根据提供的价格信息做出响应，从而实现了信息隐私和市场竞争的平衡。
附图说明
图1为本发明园区综合能源系统电氢碳协同调度优化方法的流程图；
图2为本发明应用例中冬季典型日的风电、光伏以及电、热负荷功率预测曲线功率预测曲线图；
图3为本发明应用例中各主体收益曲线图；
图4为本发明应用例中一天中利用弃风弃光制取氢气的情况图；
图5为本发明应用例中系统产生的二氧化碳与实际排放的二氧化碳之间的关系图；
图6为本发明应用例中博弈达到均衡后的电能调度优化结果图。
具体实施方式
以下通过特定的具体实施例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
实施例
本实施例提供一种基于主从博弈的园区综合能源系统电氢碳协同调度优化方法。本实施例还提出了碳捕集和氢储能系统协同运行优化框架。首先，在用电低谷时期，利用电解槽将过剩电能转化为氢能，存储于储氢罐中；在用电高峰时期以氢气为燃料，利用氢燃料电池发电和制热满足用户需求，从而促进了可再生能源的消纳，其功能作用与蓄电池相似。与此同时，碳捕集设备将燃气轮机和燃气锅炉等设备燃烧产生的二氧化碳捕获，从而减少二氧化碳排放。本发明在系统中同时引入碳捕集设备和氢储能(hydrogen energy storagesystem，HESS)，利用P2G技术将电力系统中的弃风弃光转化成氢气进一步制成氢燃料电池来供电和热。
一种园区综合能源系统电氢碳协同调度优化方法，如图1所示，其包括以下步骤：
首先，构建以电-氢-碳协同调度、含氢储能的储能运营商和多利益主体为特征的园区综合能源系统模型；
然后，将园区运营商作为领导者，能源供应商、储能运营商和负荷聚合商分别作为不同利益主体的跟随者，构建主从博弈框架；
接着，将所述的园区综合能源系统模型嵌入主从博弈框架中，形成一主多从的Stackelberg博弈模型和博弈均衡；
最后，通过自适应差分进化算法结合二次规划算法的分布式均衡求解方法进行模型求解。领导者园区运营商的目标函数的求解是大规模非线性规划问题，采用自适应差分进化算法进行求解，将求解完成得到园区运营商的电价和热价传送给跟随者；跟随者目标函数中含有二次项，利用Yalmip工具与CPLEX求解器求解计算自身利益，并将优化策略反馈给领导者。
所述构建园区综合能源系统模型具体为：分别构建电-氢-碳协同调度系统模型、含氢储能的储能运营商收益模型和多利益主体收益模型。
具体地，所述构建电-氢-碳协同调度系统模型，具体为：
氢储能中，在电解槽通过电解水产氢的同时，以水为工质将产生的热能参与到系统热循环中，实现氢、热联产。燃料电池在燃氢发电为系统提供电能时，也可以通过水将产生的热能输送给热负荷。储氢罐则将氢气压缩存储，除配合电解槽、燃料电池工作外，也可出售一定量的高纯度氢气为ESO提供新的盈利模式。
式中：为电解槽在t时段产生的氢气；/>为t时段制氢气消耗的电功率；αP2G为电制氢效率；/>分别为燃料电池的发电功率和制热功率；αFC.E、αFC.H分别为燃料电池的发电效率和制热效率；/>为输入到燃料电池的氢功率；δHST、αHST.in、αHST.to分别为氢储能的自耗损率、氢储罐的充氢效率和放氢效率；/>分别为t时段和t-1时段的氢储罐的储氢量；/>分别为氢储能在t时段充氢和放氢功率。
碳捕集设备将系统内燃气轮机和燃气锅炉等设备燃烧产生的CO2捕获，从而降低碳排放。
式中：为碳捕集在t时段捕获的二氧化碳；αGT、βGB为燃气轮机和燃气锅炉单位输出功率的碳排放量；αCO2为碳捕集设备捕获效率；/>为t时段未被碳捕集设备捕获的CO2，即排放到大气的二氧化碳；/>分别为碳捕集设备运行能耗和固定能耗；αCC为碳捕集能耗系数；Pt GT、Pt GB分别表示燃气轮机和燃气锅炉的t时刻输出功率。
具体地，所述构建含氢储能的储能运营商收益模型，具体为：
在园区运营商给出购电和售电价格后，储能运营商通过调节蓄电池充放功率来获得收益，并达到“削峰填谷”的作用。由于热储能和冷储能技术还不成熟，在本发明中没有考虑。除此之外，弃风弃光被储能运营商以弃风弃光成本价收购，然后通过电解槽电解水制成氢气，制成的氢气直接出售或进一步制成燃料电池发电和供热。
式中：Ieso指ESO的收益；和/>分别为电储能净收入、氢储能净收入和氢储能运行成本；/>为蓄电池出售的电功率；/>为蓄电池购买的电功率；/>和分别为园区运营商购电价、售电价和售热价；/>为氢储能售氢量；cH2为氢价；储电池和氢储罐设备要保持日周期内始末储量相等；/>分别为燃料电池的发电功率和制热功率；r表示利率；m表示氢储能设备使用寿命；Qht、Qel、Qfc分别为电解槽、氢储罐和燃料电池的配置容量；λht、λel、λfc为电解槽、氢储罐和燃料电池的单位配置容量价格。
以蓄电池为例，其约束条件可以表示为：
式中，分别为t时段和t-1时段蓄电池的蓄电量；/> 分别为蓄电池的最小蓄电功率、最大蓄电功率、蓄电池日周期内始、末蓄电功率；δe、ηe.in、ηe.to分别为蓄电池的自耗能率和的充放电效率；/>分别为蓄电池在t时段充电和放电功率。
具体地，所述构建多利益主体收益模型，具体为：分别构建园区运营商模型、能源供应商模型和负荷聚合商模型。
更具体地，所述构建园区运营商模型具体为：
ESP根据日常供需关系和市场行情制定购买和售出的能源价格，当无法满足热负荷需求时，ESP需要给予一定的赔偿。最大目标收益可表示为：
式中：T指一天中的24小时，t指一天24小时中的某一小时，Iesp指ESP的收益， 分别表示电能交易净收入、热能交易净收入和供热中断惩罚成本；/>分别为出售电能、热能的价格；/>分别为出售的电能、热能功率；/>分别为购买电能、热能的价格；/>分别为购买的电能、热能功率。λh为热能的供能中断惩罚系数；/>为供热中断量。
为避免LA和ESO直接与电网进行交易，购电价格要大于上网电价，售电价格要小于电网分时电价。为了满足自身的利益需求，购电价格要小于电网的分时电价，售电价格要大于上网电价。同时也要保证购买和出售热能的价格分别在合理的市场价格区间内，相关约束条件可以表示为：
式中：分别为上网电价和分时电价；/>分别为热价的下限和上限。
更具体地，所述构建能源供应商模型，具体为：
能源供应商在ESP给出购能价格的基础上，调整内部设备出力。最大目标收益可表示为：
/>
式中：Ies表示能源供应商的目标收益；为售能收入，/>为碳交易收入，/>为燃料成本；/>为出售给园区运营商的电功率和热功率；/>分别为购买电能、热能的价格；/>为燃气轮机t时刻的电功率；/>为燃气锅炉t时刻的热功率；ae、be、ce为燃气轮机的燃料成本系数；ah、bh、ch为燃气锅炉的燃料成本系数；ces为碳交易价格；μGT、μGB分别为燃气轮机和燃气锅炉单位碳排放配额；
式中：分别为出售给园区运营商的电功率和热功率；/>分别为光伏、风电、燃气轮机、燃料电池输出的电功率；/>分别为燃气锅炉、余热锅炉和燃料电池输出的热功率；ηh为热交换器的工作效率。
余热锅炉输出的热功率与燃气轮机输出的电功率关系表示为：
式中，ηgt.e、ηwh.h分别为燃气轮机的发电效率和余热锅炉的制热效率。
更具体地，所述构建负荷聚合商模型，具体为：
用户根据园区运营商给出的售能价格来做出需求响应。目标函数为用户满意度与购能成本之差，可表示为：
式中：用户满意度函数和购能成本/>又可以表示为：
式中：i∈{e,h}；we、ve分别为用户消费电能的一次项和二次项系数；wh、vh分别为用户消费热能的一次项和二次项系数；分别为负荷聚合商购买的电能、热能功率。其中电负荷包括固定电负荷和可调节电负荷；热负荷包括初始热负荷和可削减热负荷。即：
/>
式中：分别为t时刻的固定电负荷和初始热负荷；/>分别为可调节电负荷和可削减热负荷。各负荷需要满足如下约束条件：
式中：为t时刻可调节电负荷或可削减热负荷的上限；Wfl.e/h为T各时间段可调节电负荷或可削减热负荷的总量。
所述构建主从博弈框架，具体为：分别形成Stackelberg博弈模型和Stackelberg博弈均衡。
所述Stackelberg博弈模型的形成过程如下：
园区运营商根据供应关系和市场信息制定购售价格，能源供应商、储能运营商和负荷聚合商根据园区运营商给出的报价进行优化调整，而他们的优化结果又会影响园区运营商的定价，这四个利益主体之间的决策存在先后顺序，并且相互影响。这种能源交易过程符合主从递阶结构的动态博弈情况，因此本发明将园区运营商作为领导者，能源供应商、储能运营商和负荷聚合商分别作为不同利益主体的跟随者，建立了一主多从的Stackelberg博弈模型，即：
Φ＝{P；S；I} (37)
P＝{Pesp；Pes；Peso；Pla} (38)
S＝{Sesp；Ses；Seso；Sla} (39)
I＝{Iesp；Ies；Ieso；Ila} (40)式中，P、S、I为博弈模型三要素：参与者、策略和收益。博弈三要素如下所述：
(1)参与者包括园区运营商Pesp、能源供应商Pes、储能运营商Peso、负荷聚合商Pla。
(2)策略包括园区运营商的策略为购售价格，能源供应商的策略为机组出力，储能运营商的策略为充放功率，负荷聚合商的策略为负荷需求响应。各参与者的策略集可以表示为：
(3)收益为所述的各参与者的目标函数。
所述Stackelberg博弈均衡的具体内容为：
当领导者制定策略后，跟随者根据该策略做出最优响应，并且领导者也接受了这个响应时，博弈达到均衡状态，设为本实施例中Stackelberg均衡解，需要满足如下条件：
/>
在Stackelberg均衡解中，任何一方参与者都无法通过单方面改变策略来获得更大的利益。
本发明通过自适应差分进化算法结合Yalmip工具与CPLEX求解器进行博弈模型求解，所述模型求解方法具体为：
在电力市场的激烈竞争中，各利益主体的信息是商业机密，是要严格保密的，然而传统的集中式求解方法需要提供各参与者的目标函数、各设备参数、用能偏好等详细信息，因此，本发明提出了一种自适应差分进化算法结合二次规划算法的分布式均衡求解方法。上层ESP的目标函数的求解是一个大规模非线性规划问题，采用自适应差分进化算法进行求解，可以有效降低求解难度。而对于下层跟随者模型，因为目标函数中含有二次项，结合Yalmip工具与CPLEX求解器求解，可以提高求解速度和精度。将二次规划嵌入到自适应差分进化算法的迭代过程中，下层只需要接收上层的价格信号，并将各自的功率信号反馈给上层，既可以避免商业信息的泄露，又可以保护利益主体的信息安全。
应用例
本应用例以中国北方某地区的CIES为例，分析供热阶段的某一典型日。设用户可调节电负荷占需求电负荷总量的20％，可削减热负荷占需求热负荷总量的20％。用户对电、热能偏好常系数we、ve、wh、vh分别为1.6、0.0022、1.4、0.011。
冬季典型日的风电、光伏以及电、热负荷功率预测曲线如图2所示。
此外，为了验证本发明所提方法的优越性，将本发明的方法与传统的自适应差分进化算法(DE)和遗传算法(GA)进行对比分析，对比结果如表1所示。由表1可知，本发明方法在迭代次数和收敛时间上都有较大的缩短，验证了本发明方法的优势。
表1三种求解算法比较
| 算法 | 迭代次数 | 收敛时间/s |
| GA | 218 | 401 |
| DE | 205 | 368 |
| 本发明方法 | 120 | 153 |
为了验证本发明所提出的电氢碳协同调度系统协同运行优化方法的有效性和经济性，下面分析了3种不同的CIES运行情景。
算例1：不考虑氢储能和碳捕集的CIES。
算例2：仅考虑氢储能的CIES。
算例3：同时考虑碳捕集和氢储能的CIES。
以上3种情景的对比结果如表2所示。
表2三种运行方式比较
| 参数 | Case1 | Case2 | Case3 |
| 总成本/万元 | 359.24 | 268.36 | 240.88 |
| 风光利用率/％ | 76.43％ | 95.28％ | 99.43％ |
| 碳排放量/t | 21.46 | 15.76 | 13.73 |
| ESP收益/元 | 4633 | 5092 | 5278 |
| ES收益/元 | 4876 | 5678 | 5885 |
| ESO收益/元 | 457 | 669 | 688 |
| LA收益/元 | 5458 | 6293 | 6407 |
各主体收益迭代曲线如图3所示。从风光利用情况分析，在算例2和算例3中，由于增加了氢储能，电转气技术使得风光利率有了极大的提升，光伏风电设备出力几乎被完全消纳，极大提高了能源利用效率。图4为一天的弃风弃光情况以及利用弃风弃光制取氢气的情况。
从环保和经济的角度分析，算例2引入了氢储能，氢燃料电池的加入，减少了燃气轮机和燃气锅炉的设备出力，降低了弃风弃光成本和碳排放量。算例3中不仅加入了氢储能还加入了碳捕集，可以捕获系统排放的二氧化碳，同时将二氧化碳转化为天然气，减少了购买天然气的成本，具有明显的环境效益。碳捕集和氢储能的双重作用下进一步降低了整个系统的运行成本。随着碳交易市场的不断发展和完善，算例3所带来经济和环保效益将会进一步增加。图5为系统产生的二氧化碳与实际排放的二氧化碳之间的关系图。
图6为博弈达到均衡后的电能调度优化结果，ES供电由燃气轮机、光伏风电机组提供。在24:00至次日6:00的电负荷需求小，电价相对较低，在该时间段，ESO以低价购入电能存储于蓄电池中，用户通过调整部分负荷用电时间来减少用电支出。如，利用夜间对电车等设备进行充电。11:00至14:00和18:00至22:00两个时间段内电负荷需求大，电价相对较高，除燃气轮机、燃料电池和光伏风电机组提供电能之外，不足的部分由ESO来提供，ESO在用电高峰期将蓄电池储存的电能卖出，通过“低充高放”实现套利，此外，燃料电池利用氢气供电。
本发明提出了一种考虑碳交易机制市场下的冷热电联供系统、碳捕集和氢储能联合运行的园区综合能源系统主从博弈模型。将ESP作为上层领导者，能源供应商、储能运营商和用户为下层跟随者，综合考虑了各主体的隐私性、经济性和稳定性，基于主从博弈制定了优化调度方法。最后，通过实际算例计算验证模型的有效性。得到以下结论：
1)各主体在稳定运行的前提下追求最高收益，分别制定各自的交易策略，考虑源－荷－储三方主动性，ESP通过合理的价格信息引导ES的可控设备出力、ESO的充放能功率以及用户的用能策略，实现了多主体多能源协同优化调度。在经过若干次博弈后达到Stackelberg均衡。
2)算例分析表明本发明中提出的电氢碳协同调度系统提升了可再生能源的消纳能力，降低了二氧化碳的排放量和系统的运行成本，氢储能和碳捕集装置对于提高系统综合收益和降低能源供需失衡风险方面有重要作用。本发明提出的优化运行方法使得各主体在博弈的过程中都得到了最优的均衡策略，提高了各主体的综合效益，提升了可再生能源的消纳能力的同时，兼顾了系统的经济和环境效益，对市场决策也有一定的参考价值，也为碳捕集和氢储能系统在综合能源系统优化中的规模化应用提供了重要参考。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种园区综合能源系统电氢碳协同调度优化方法，其特征在于，包括：
构建以电-氢-碳协同调度、含氢储能的储能运营商和多利益主体为特征的园区综合能源系统模型；
将园区运营商作为领导者，能源供应商、储能运营商和负荷聚合商分别作为不同利益主体的跟随者，构建主从博弈框架；
将所述的园区综合能源系统模型嵌入主从博弈框架中，形成一主多从的Stackelberg博弈模型和博弈均衡；
通过自适应差分进化算法结合二次规划算法的分布式均衡求解方法进行博弈模型求解，领导者园区运营商的目标函数的求解是大规模非线性规划问题，采用自适应差分进化算法进行求解，将求解完成得到园区运营商的电价和热价传送给跟随者；跟随者目标函数中含有二次项，利用Yalmip工具与CPLEX求解器求解计算自身利益，并将优化策略反馈给领导者。
2.根据权利要求1所述的园区综合能源系统电氢碳协同调度优化方法，其特征在于，所述构建园区综合能源系统模型，具体为：
分别构建电-氢-碳协同调度系统模型、含氢储能的储能运营商收益模型和多利益主体收益模型。
3.根据权利要求2所述的园区综合能源系统电氢碳协同调度优化方法，其特征在于，所述构建电-氢-碳协同调度系统模型，具体为：
氢储能中，在电解槽通过电解水产氢的同时，以水为工质将产生的热能参与到系统热循环中，实现氢、热联产；燃料电池在燃氢发电为系统提供电能时，也可通过水将产生的热能输送给热负荷；储氢罐则将氢气压缩存储，除配合电解槽和燃料电池工作外，也可出售一定量的高纯度氢气为储能运营商提供新的盈利模式；
式中：为电解槽在t时段产生的氢气；/>为t时段制氢气消耗的电功率；αP2G为电制氢效率；/>分别为燃料电池的发电功率和制热功率；αFC.E、αFC.H分别为燃料电池的发电效率和制热效率；/>为输入到燃料电池的氢功率；δHST、αHST.in、αHST.to分别为氢储能的自耗损率、氢储罐的充氢效率和放氢效率；/>分别为t时段和t-1时段的氢储罐的储氢量；/>分别为氢储能在t时段充氢和放氢功率；Δt表示时间间隔；
碳捕集设备将系统内燃气轮机和燃气锅炉燃烧产生的CO2捕获，从而降低碳排放；
式中：为碳捕集在t时段捕获的二氧化碳；αGT、βGB为燃气轮机和燃气锅炉单位输出功率的碳排放量；αCO2为碳捕集设备捕获效率；/>为t时段未被碳捕集设备捕获的CO2，即排放到大气的二氧化碳；/>分别为碳捕集设备运行能耗和固定能耗；αCC为碳捕集能耗系数；Pt GT、Pt GB分别表示燃气轮机和燃气锅炉的t时刻输出功率。
4.根据权利要求2所述的园区综合能源系统电氢碳协同调度优化方法，其特征在于，所述构建含氢储能的储能运营商收益模型，具体为：
在园区运营商给出购电和售电价格后，储能运营商通过调节蓄电池充放功率来获得收益，并达到“削峰填谷”的作用；不考虑热储能和冷储能，弃风弃光被储能运营商以弃风弃光成本价收购，然后通过电解槽电解水制成氢气，制成的氢气直接出售或进一步制成燃料电池发电和供热；
式中：T指一天中的24小时，t指一天24小时中的某一小时；Ieso指储能运营商的目标收益；和/>分别为电储能净收入、氢储能净收入和氢储能运行成本；/>为蓄电池出售的电功率；/>为蓄电池购买的电功率；/>和/>分别为园区运营商购电价、售电价和售热价；/>为氢储能售氢量；cH2为氢价；储电池和氢储罐设备要保持日周期内始末储量相等；/>分别为燃料电池的发电功率和制热功率；r表示利率；m表示氢储能设备使用寿命；Qht、Qel、Qfc分别为电解槽、氢储罐和燃料电池的配置容量；λht、λel、λfc为电解槽、氢储罐和燃料电池的单位配置容量价格；
以蓄电池为例，其约束条件表示为：
式中，分别为t时段和t-1时段蓄电池的蓄电量；/> 分别为蓄电池的最小蓄电功率、最大蓄电功率、蓄电池日周期内始、末蓄电功率；δe、ηe.in、ηe.to分别为蓄电池的自耗能率和的充放电效率；/>分别为蓄电池在t时段充电和放电功率。
5.根据权利要求2所述的园区综合能源系统电氢碳协同调度优化方法，其特征在于，所述构建多利益主体收益模型，具体为：分别构建园区运营商模型、能源供应商模型和负荷聚合商模型。
6.根据权利要求5所述的园区综合能源系统电氢碳协同调度优化方法，其特征在于，所述构建园区运营商模型，具体为：
园区运营商根据日常供需关系和市场行情制定购买和售出的能源价格，当无法满足热负荷需求时，园区运营商需要给予一定的赔偿，最大目标收益表示为：
式中：T指一天中的24小时，t指一天24小时中的某一小时，Iesp指园区运营商的目标收益，分别表示电能交易净收入、热能交易净收入和供热中断惩罚成本；分别为出售电能、热能的价格；/>分别为出售的电能、热能功率；/>分别为购买电能、热能的价格；/>分别为购买的电能、热能功率；λh为热能的供能中断惩罚系数；/>为供热中断量；
为避免负荷聚合商和储能运营商直接与电网进行交易，购电价格要大于上网电价，售电价格要小于电网分时电价；为了满足自身的利益需求，购电价格要小于电网的分时电价，售电价格要大于上网电价，同时也要保证购买和出售热能的价格分别在合理的市场价格区间内，相关约束条件表示为：
式中：分别为上网电价和分时电价；/>分别为热价的下限和上限。
7.根据权利要求5所述的园区综合能源系统电氢碳协同调度优化方法，其特征在于，所述构建能源供应商模型，具体为：
能源供应商在园区运营商给出购能价格的基础上，调整内部设备出力，最大目标收益表示为：
式中：Ies表示能源供应商的目标收益；为售能收入，/>为碳交易收入，/>为燃料成本；/>为出售给园区运营商的电功率和热功率；/>分别为购买电能、热能的价格；/>为燃气轮机t时刻的电功率；/>为燃气锅炉t时刻的热功率；/>为t时段未被碳捕集设备捕获的CO2，即排放到大气的二氧化碳；ae、be、ce为燃气轮机的燃料成本系数；ah、bh、ch为燃气锅炉的燃料成本系数；ces为碳交易价格；μGT、μGB分别为燃气轮机和燃气锅炉单位碳排放配额；
式中：分别为出售给园区运营商的电功率和热功率；/>分别为光伏、风电、燃气轮机、燃料电池输出的电功率；/>分别为燃气锅炉、余热锅炉和燃料电池输出的热功率；ηh为热交换器的工作效率；
余热锅炉输出的热功率与燃气轮机输出的电功率关系表示为：
式中，ηgt.e、ηwh.h分别为燃气轮机的发电效率和余热锅炉的制热效率。
8.根据权利要求5所述的园区综合能源系统电氢碳协同调度优化方法，其特征在于，所述构建负荷聚合商模型，具体为：
用户根据园区运营商给出的售能价格做出需求响应，目标函数为用户满意度与购能成本之差，表示为：
式中：Ila表示负荷聚合商的目标收益；用户满意度函数和购能成本/>又可表示为：
式中：用户满意度函数用用户用能功率的二次函数表示，i∈{e,h}；we、ve分别为用户消费电能的一次项和二次项系数；wh、vh分别为用户消费热能的一次项和二次项系数；分别为出售电能、热能的价格；/>分别为负荷聚合商购买的电能、热能功率；其中电负荷包括固定电负荷和可调节电负荷；热负荷包括初始热负荷和可削减热负荷，即：
式中：分别为t时刻的固定电负荷和初始热负荷；/>分别为可调节电负荷和可削减热负荷；各负荷需要满足如下约束条件：
式中：为t时刻可调节电负荷或可削减热负荷的上限；Wfl.e/h为T各时间段可调节电负荷或可削减热负荷的总量。
9.根据权利要求1所述的园区综合能源系统电氢碳协同调度优化方法，其特征在于，所述构建主从博弈框架，具体为：
将园区运营商作为领导者，能源供应商、储能运营商和负荷聚合商分别作为不同利益主体的跟随者，建立一主多从的Stackelberg博弈模型，即：
Φ＝{P；S；I} (37)
P＝{Pesp；Pes；Peso；Pla} (38)
式中，P、S、I为博弈模型三要素：参与者、策略和收益，博弈三要素如下所述：
1)参与者包括园区运营商Pesp、能源供应商Pes、储能运营商Peso和负荷聚合商Pla；
2)策略包括：园区运营商的策略为购售价格，能源供应商的策略为机组出力，储能运营商的策略为充放功率，负荷聚合商的策略为负荷需求响应，各参与者的策略集表示为：
3)收益为各参与者的目标收益，包括Iesp、Ieso、Ies和Ila。
10.根据权利要求9所述的园区综合能源系统电氢碳协同调度优化方法，其特征在于，所述Stackelberg博弈模型采用的博弈均衡为：
当领导者制定策略后，跟随者根据策略做出最优响应，并且领导者也接受这个响应时，博弈达到均衡状态，设为Stackelberg均衡解，需要满足如下条件：
在Stackelberg均衡解中，任何一方参与者都无法通过单方面改变策略来获得更大的利益。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311017253.5A CN117236587A (zh) | 2023-08-14 | 2023-08-14 | 一种园区综合能源系统电氢碳协同调度优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311017253.5A CN117236587A (zh) | 2023-08-14 | 2023-08-14 | 一种园区综合能源系统电氢碳协同调度优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117236587A true CN117236587A (zh) | 2023-12-15 |
Family
ID=89095656
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311017253.5A Pending CN117236587A (zh) | 2023-08-14 | 2023-08-14 | 一种园区综合能源系统电氢碳协同调度优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117236587A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN118014330A (zh) * | 2024-04-10 | 2024-05-10 | 太原理工大学 | 一种城市级三层综合能源系统能量管理方法 |
-
2023
- 2023-08-14 CN CN202311017253.5A patent/CN117236587A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN118014330A (zh) * | 2024-04-10 | 2024-05-10 | 太原理工大学 | 一种城市级三层综合能源系统能量管理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107482688B (zh) | 一种碳捕集虚拟电厂调度优化方法 | |
| CN111881616A (zh) | 一种基于多主体博弈的综合能源系统的运行优化方法 | |
| CN108229025A (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 | |
| CN108009693A (zh) | 基于两级需求响应的并网微电网双层优化方法 | |
| CN112381335B (zh) | 区域综合能源系统运行优化方法及装置 | |
| CN117236587A (zh) | 一种园区综合能源系统电氢碳协同调度优化方法 | |
| CN114050571B (zh) | 一种考虑碳流的综合能源系统能量枢纽管控方法 | |
| Li et al. | Hierarchical optimal scheduling method for regional integrated energy systems considering electricity-hydrogen shared energy | |
| CN113393126A (zh) | 高耗能园区与电网交替并行协同优化调度方法 | |
| CN116911533B (zh) | 区域综合能源系统多微网能量共济方法 | |
| CN116109076A (zh) | 能量和调峰市场下考虑需求响应的虚拟电厂优化调度方法 | |
| CN112883584A (zh) | 一种考虑利益交互的多能微网群冷热电多能耦合优化方法 | |
| CN110991881B (zh) | 一种电动汽车换电站与电力公司协同调度方法及系统 | |
| CN112016825A (zh) | 一种区域综合能源系统的集中式交易优化决策方法 | |
| Wu et al. | Dynamic pricing and energy management of hydrogen-based integrated energy service provider considering integrated demand response with a bi-level approach | |
| CN114240256A (zh) | 电热气综合能源系统及协同优化运行控制的方法 | |
| CN112182915A (zh) | 一种协同促进风电消纳的优化调度方法及系统 | |
| CN116862144A (zh) | 一种基于双重博弈的多园区低碳调度方法及系统 | |
| CN116957139A (zh) | 考虑微网间碳交易的多综合能源微网优化运行方法及系统 | |
| CN116843359A (zh) | 一种考虑碳排放分摊的综合能源服务商交易方法 | |
| CN116070754A (zh) | 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 | |
| CN112713590B (zh) | 计及idr的冷热电联供微网与主动配电网联合优化调度方法 | |
| Liu et al. | Electricity‐Carbon Joint Trading of Virtual Power Plant with Carbon Capture System | |
| Sun et al. | A Distributed Optimization Strategy for Multienergy Microgrids Considering Nash Bargaining | |
| CN107766970A (zh) | 一种基于企业效益与用户体验的微电网规划方法 |
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 |