CN117252377A - 一种多区域互联电热综合能源系统可信分布调度方法及系统 - Google Patents
一种多区域互联电热综合能源系统可信分布调度方法及系统 Download PDFInfo
- Publication number
- CN117252377A CN117252377A CN202311251782.1A CN202311251782A CN117252377A CN 117252377 A CN117252377 A CN 117252377A CN 202311251782 A CN202311251782 A CN 202311251782A CN 117252377 A CN117252377 A CN 117252377A
- Authority
- CN
- China
- Prior art keywords
- constraint
- scheduling
- region
- comprehensive energy
- scheduling model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 131
- 238000009826 distribution Methods 0.000 title claims abstract description 55
- 238000005485 electric heating Methods 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 41
- 238000010438 heat treatment Methods 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 15
- 230000009977 dual effect Effects 0.000 claims description 11
- 230000009194 climbing Effects 0.000 claims description 8
- 238000003379 elimination reaction Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000008030 elimination Effects 0.000 claims description 7
- 230000007246 mechanism Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 7
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 230000001131 transforming effect Effects 0.000 claims 1
- 239000002699 waste material Substances 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 239000000243 solution Substances 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 8
- 238000005520 cutting process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010248 power generation 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
Abstract
本公开提供了一种多区域互联电热综合能源系统可信分布调度方法及系统,涉及电网运行及控制技术领域,本公开充分考虑各个IEHS中可再生能源的出力不确定性和时空关联性,提出针对多区域互联IEHS的三层分布式可信分布鲁棒优化调度模型;同时,基于双步投影算法,提出针对多区域互联IEHS的快速分布式协同算法,以实现多区域IEHS调度问题的快速分布式求解;本公开能够在保护各IEHS之间及各EPS与DHS之间隐私的同时,大大提升分布式调度的求解效率与灵活性,可以被实际应用。
Description
技术领域
本公开涉及电网运行及控制技术领域,具体涉及一种多区域互联电热综合能源系统可信分布调度方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
随着能源危机与环境问题日益突出,大力发展可再生资源已成为各国共同关注的焦点。然而,可再生能源固有的波动性与不确定性可能危机电力系统(Electric PowerSystem,EPS)的安全运行。电-热综合能源系统(Integrated Electricity and HeatSystem,IEHS)能够充分利用区域供热系统(District Heating System,DHS)的灵活性,是促进可再生能源消纳的有效途径之一,目前已成为未来能源互联网发展的重要方向。
由于在电-热综合能源系统中,需要通过多种能源设备协同运行以实现燃料能源及可再生能源的充分利用,目前许多学者已对其分布式协同调度问题开展了广泛研究,但大多数研究往往仅针对单区域IEHS的分布式调度问题,即同一区域内一个EPS与多个DHS的分布式协同优化调度。而在实际应用中,电力系统互联趋势逐渐增强,不同区域的IEHS联系日益紧密,各个区域IEHS之间的协同运行需求日益增加,仅考虑单一IEHS的研究无法完全满足现实需求,亟需研究多区域IEHS分布式协同调度算法。考虑到各区域内的EPS与DHS的隐私性,同单区域IEHS分布式协同调度相比,多区域互联IEHS分布式协同调度需要收敛性更强、信息交互次数更少的分布式协同算法。此外,由于在实际多区域互联IEHS协同调度中,各EPS中含不确定性的可再生能源之间存在时间、空间关联特性,进一步加剧了分布式求解难度。
发明内容
本公开为了解决上述问题,提出了一种多区域互联电热综合能源系统可信分布调度方法及系统,充分考虑各个IEHS中可再生能源的出力不确定性和时空关联性,提出针对多区域互联IEHS的三层分布式可信分布鲁棒优化调度模型。同时,基于双步投影算法,提出针对多区域互联IEHS的快速分布式协同算法,以实现多区域IEHS调度问题的快速分布式求解。
根据一些实施例,本公开采用如下技术方案:
一种多区域互联电热综合能源系统可信分布调度方法,包括:
获取多区域互联电-热综合能源系统,基于解耦思想对所述多区域互联电-热综合能源系统可再生能源不确定性进行分解,并构建基于Wasserstein距离与一阶矩信息的混合模糊集;
基于上述混合模糊集建立基于混合模糊集的多区域互联电-热综合能源系统分布鲁棒优化多时段调度模型;
基于对偶理论、Bonferroni不等式与CVaR近似方法,将多区域互联电-热综合能源系统分布鲁棒优化多时段调度模型中含随机变量的目标函数、联合机会约束与鲁棒约束转化为确定性线性模型;
基于高斯消元算法及FME算法对电力系统调度模型和区域供热系统调度模型进行预投影,然后基于改进的局部投影方法实现电力系统和区域供热系统调度模型子问题的分布式求解以及各多区域互联电-热综合能源系统之间的分布式协同,并基于区域供热系统调度模型在协同过程中模型的不变性,利用临界域的存储与快速搜索机制进行分布式协同优化。
根据一些实施例,本公开采用如下技术方案:
一种多区域互联电热综合能源系统可信分布调度系统,包括:
模型构建模块,用于获取多区域互联电-热综合能源系统,基于解耦思想对所述多区域互联电-热综合能源系统可再生能源不确定性进行分解,并构建基于Wasserstein距离与一阶矩信息的混合模糊集;基于混合模糊集建立基于混合模糊集的多区域互联电-热综合能源系统分布鲁棒优化多时段调度模型;
模型转化模块,用于基于对偶理论、Bonferroni不等式与CVaR近似方法,将多区域互联电-热综合能源系统分布鲁棒优化多时段调度模型中含随机变量的目标函数、联合机会约束与鲁棒约束转化为确定性线性模型;
协同调度优化模块,用于基于高斯消元算法及FME算法对电力系统调度模型和区域供热系统调度模型进行预投影,然后基于改进的局部投影方法实现电力系统和区域供热系统调度模型子问题的分布式求解以及各多区域互联电-热综合能源系统之间的分布式协同,并基于区域供热系统调度模型在协同过程中模型的不变性,利用临界域的存储与快速搜索机制进行分布式协同优化。
与现有技术相比,本公开的有益效果为:
本公开提出的一种多区域互联电热综合能源系统可信分布调度方法,针对多区域IEHS分布式协同调度中存在的问题,本发明充分考虑了各个IEHS中可再生能源的出力不确定性和时空关联性,提出了针对多区域互联IEHS的三层分布式可信分布鲁棒优化调度模型。同时,本公开基于双步投影算法,提出了针对多区域互联IEHS三层分布式可信分布鲁棒优化调度协同方法,能够在保证各区域IEHS之间及各EPS与DHS之间隐私性的同时,准确且高效的实现多区域IEHS调度问题的快速分布式求解,具有很好地实际应用,以实现多区域IEHS调度问题的快速分布式求解,大大提升分布式调度的求解效率与灵活性。
本公开填补了多区域互联IEHS分布式协同调度的空白之处,可实现各IEHS之间及各DHC和EPS的快速分布式协同,保证电-热综合能源系统的高效运行。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本公开实施例的方法流程图;
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例1
本公开的一种实施例中提供了一种多区域互联电热综合能源系统可信分布调度方法,包括:
步骤一:获取多区域互联电-热综合能源系统,基于解耦思想对所述多区域互联电-热综合能源系统可再生能源不确定性进行分解,并构建基于Wasserstein距离与一阶矩信息的混合模糊集;
步骤二:基于混合模糊集建立基于混合模糊集的多区域互联电-热综合能源系统分布鲁棒优化多时段调度模型;
步骤三:基于对偶理论、Bonferroni不等式与CVaR近似方法,将多区域互联电-热综合能源系统分布鲁棒优化多时段调度模型中含随机变量的目标函数、联合机会约束与鲁棒约束转化为确定性线性模型;
步骤四:基于高斯消元算法及FME算法对电力系统调度模型和区域供热系统调度模型进行预投影,然后基于改进的局部投影方法实现电力系统和区域供热系统调度模型子问题的分布式求解以及各多区域互联电-热综合能源系统之间的分布式协同。
步骤五:基于区域供热系统调度模型在协同过程中模型的不变性,利用临界域的存储与快速搜索机制进行分布式协同优化。
作为一种实施例,本公开的一种多区域互联电热综合能源系统可信分布调度方法的具体实施过程包括:
步骤1:获取多区域互联电-热综合能源系统,基于解耦思想对所述多区域互联电-热综合能源系统可再生能源不确定性进行分解,并构建基于Wasserstein距离与一阶矩信息的混合模糊集,以处理可再生能源的不确定性和时空关联性,为后续构建分布鲁棒优化调度模型奠定基础;具体如下:
(1-1) 可再生能源不确定性的分解。具体如下:
(1-1-1) 基于解耦的思想,将可再生能源出力分解为预测出力与含不确定性的预测误差,此时可再生能源的不确定性仅存在于预测误差中,而预测误差可认为不存在时空关联特性,便于进一步处理。其分解过程可表述如下:
(1)
上式中,为t时刻风电机组的预测出力;/>为t时刻风电机组的预测误差,为一个随机变量;/>为可再生能 源出力分解。
(1-2) 构建基于Wasserstein距离与一阶矩信息的混合模糊集。具体如下:
(1-2-1) 为构建基于Wasserstein距离的模糊集,首先基于历史数据建立风电出力的经验分布:
( 2 )
上式中,为t时刻的经验分布;/>为狄拉克测度。
(1-2-2) 采用1-Wasserstein距离度量真实分布与修正经验分布间的距离,以便于转化为线性模型,其定义为:
(3)
上式中,为两个分布间的1-Wasserstein距离。
(1-2-3) 基于Wasserstein距离的模糊集可定义为以经验分布为中心的Wasserstein球,其表述如下:
(4)
上式中,为t时刻基于Wasserstein距离的模糊集;/>为Wasserstein球的半径;/>为t时刻在支撑集/>上的所有分布集合;本公开中将支撑集/>建模为盒式支撑集:
(5)
式中,、/>分别为t时刻风电出力预测误差的上限与下限;/>为适当维度的单位矩阵。
(1-3) 构建基于一阶矩信息的模糊集。具体如下:
(1-3-1) 为反映真实分布与经验分布间矩信息的相关性,接下来构建基于一阶矩信息的模糊集,可表述如下:
(6)
上式中,为t时刻基于一阶矩信息的模糊集;/>为期望算子;/>为历史数据的均值;/>、/>分别为设定的期望偏差。
(1-4) 基于上述两种模糊集,构建混合模糊集。具体如下:
(1-4-1)混合模糊集定义为同时满足基于Wasserstein距离与一阶矩信息模糊集的概率分布,即与/>的交集:
(7)
上式中,为t时刻结合Wasserstein距离与一阶矩信息的混合模糊集。
步骤二:建立基于混合模糊集的多区域互联电热综合能源系统分布鲁棒优化多时段调度模型,该模型包括电力系统分布鲁棒优化调度模型及区域供热系统优化调度模型两部分;具体如下:
(2-1)建立电力系统调度模型,该模型包含目标函数和约束条件;具体如下:
(2-1-1) 计及可变流量调节模式的IEHS条件分布鲁棒模型的优化目标为最小化IEHS的运行成本,单个IEHS的目标函数可表述如下:
(8)
(9)
(10)
(11)
上式中,为t时刻火电机组成本,由于本公开中采用火电机组的旋转备用容量平衡风电不确定性,故火电机组成本中含有调整电功率/>的成本,因此火电机组成本中含不确定性变量;/>、/>分别为t时刻火电机组旋转备用成本、弃风惩罚成本。
(2-1-2)功率平衡约束:
(12)
上式中,为t时刻风电机组j的预测出力;/>为在风电预测出力下t时刻火电机组i的预测电功率;/>为t时刻风电机组j的弃风量;/>为t时刻电负荷k的电需求;为t时刻CHP机组g的电功率;/>为t时刻联络线路b的交换功率;/>、/>、/>、、/>分别为火电机组、风电机组、CHP机组、交换线路、电负荷集合。
(2-1-3) 火电机组出力约束:
(13)
(14)
上式中,、/>分别为t时刻火电机组i的上调、下调旋转备用容量;/>为火电机组i上调旋转备用容量上限;/>为火电机组i机组向下旋转备用容量上限。/>、..分别为火电机组i发电量的上限与下限。
(2-1-3) 风电机组弃风量约束:
(15)
(2-1-3) 风电的预测误差可能会破坏电力系统的功率平衡。为平衡风电出力的不确定性,本发明通过常规热电机组的旋转备用容量以平衡风电的预测误差,假设火电机组根据线性决策规则调整自身出力。基于线性决策规则的预测误差平衡约束:
(16)
(17)
(18)
上式中,为t时刻火电机组i的实际电功率;/>为t时刻由于风电不确定性导致的火电机组i的调整电功率,其中含有不确定性变量;/>为优化变量,表示t时刻火电机组i的调整系数,通过优化/>选取火电机组调整的最佳方案;/>为t时刻风电机组j的预测误差,为不确定性变量。
(2-1-4) 交换功率约束:
(19)
上式中,、/>分别为交换功率上下界。
(2-1-5) 火电机组旋转备用容量约束(联合机会约束):
(20)
上式中,为旋转备用容量约束的风险系数。
(2-1-6) 线路潮流约束(联合机会约束):
(21)
上式中,为线路l的最大潮流;/>为线路潮流约束的风险系数;/>、/>、、/>分别为风电机组j、火电机组i、CHP机组g、负荷l的转移分布因子;/>为电力系统线路集合。
(2-1-7) 爬坡约束作为机组的物理约束,机组爬坡能力不足会严重影响系统的安全运行。因此,本发明中对机组的爬坡约束采用鲁棒约束,保证在随机变量的条件支撑集上火电机组爬坡约束始终能够得到满足。火电机组爬坡约束(鲁棒约束):
(22)
上式中,与/>分别为火电机组i爬坡能力的上限与下限。
(2-2)建立区域供热系统优化调度模型,该模型包含目标函数和约束条件;具体如下:
(2-2-1)区域供热系统目标函数由CHP机组成本、燃气锅炉成本共同组成,可表述如下:
(23)
(24)
(25)
上式中,、/>分别为t时刻CHP机组成本、燃气锅炉成本;/>、分别为CHP机组、锅炉机组的集合。
(2-2-2) CHP机组出力约束:
(26)
(27)
(28)
(29)
(30)
上式中,、/>为CHP机组g的电功率与热功率的第m个极值点;/>为t时刻CHP机组的g热功率;/>为t时刻CHP机组g第m个极值点的系数;/>为CHP机组g的极值点个数;、/>分别为CHP机组g电功率的下限与上限。/>、/>分别为CHP机组g爬坡的上限与下限。
(2-2-3) 燃气锅炉约束:
(31)
(32)
上式中,、/>为燃气锅炉h的热功率、燃料转换系数;/>为燃气锅炉h的热功率上限。
(2-2-3) 热源节点约束:
(33)
(34)
上式中,为t时刻热源节点p的燃气锅炉热功率,/>为t时刻热源站p的CHP机组热功率,/>为t时刻热源节点p的节点质量流量,/>、/>分别为t时刻热源节点p的供、回水温度。
(2-2-4) 热负荷节点约束:
(35)
(36)
上式中,为t时刻热交换站节点q的热负荷,/>为t时刻热交换站节点q的节点质量流量,/>、/>分别为t时刻热交换站节点q的供、回水温度。
(2-2-5) 本公开中采用节点法描述管道的动态特性约束,其已在区域供热系统中得到广泛应用。在节点法中,以供水管道出口温度为例,分以下两步计算时间延迟与热损耗。管道动态特性约束可具体表述为:
(2-2-5-1) 不考虑管道热损耗时,计算由入口历史温度的线性加权构成的管道出口虚拟温度:
(37)
上式中,为t时刻管道b入口温度;/>为t时刻未考虑热损耗时管道b的出口温度;/>为各个历史时间段入口温度的权重,整数变量/>、/>分别为时刻t、t-1结束前历史水流流出管道b的时间间隔,其由如下公式定义:
(38)
(39)
(40)
(41)
(42)
上式中,为从时刻/>到t时刻注入管道的热水质量,/>为从时刻到时刻t注入管道b的热水质量;/>为管道b的长度。
(2-2-5-2) 计及热水在传输过程中由于与管壁进行热交换而发生的温度损失,修正管道出口温度:
(43)
上式中,为考虑热损耗时时刻t管道b的出口温度。
(2-2-6) 构建供热管网模型,供热管网模型由管道末端温度混合方程、管道首端温度方程描述:
(44)
(45)
(46)
上式中,为t时刻供、回水节点n的质量流量;/>、/>分别为t时刻供、回水管道b出口处温度,/>、/>分别为t时刻从节点n流出的供、回水管道b入口处温度;、/>分别为在供水管道中从节点n流入、流出的管道集合。
步骤三:基于混合模糊集的可信分布鲁棒优化模型转化,利用对偶理论、Bonferroni不等式与CVaR近似方法,将含有随机变量的目标函数、联合机会约束与鲁棒约束转化为确定性模型,便于后续分布式求解。具体如下:
(3-1) 目标函数转化;具体如下:
(3-1-1) 为处理目标函数中的二次项,本发明采用线性近似方法,目标函数可以转化为:
(47)
上式中、/>、/>火电机组i的煤耗系数;/>为在风电预测出力下t时刻火电机组i的预测电功率;/>,其中/>为当风电为预测误差为零时火电机组的最优电功率;/>为优化变量,表示t时刻火电机组i的调整系数,通过优化/>选取火电机组调整的最佳方案;/>为火电机组集合。其中,式(47)中的期望项能够进一步转化为如下的线性目标函数与线性约束:
(48)
(49)
(50)/>
(51)
(52)
上式中,、/>、/>、/>为t时刻目标函数中的辅助变量;/>、/>、/>分别为、/>、/>。
(3-2) 联合机会约束转化;具体如下:
(3-2-1)由于联合机会约束不存在不同时间段的耦合,故可引入如下联合机会约束的一般形式:
(53)
上式中,为由EPS中变量组成的向量;/>、/>均为/>的线性函数;R为联合机会约束中个体机会约束的数量;/>为设定的风险系数。
(3-2-2) 基于Bonferroni不等式,将联合机会约束转化为个体机会约束:
(54)
上式中,为个体机会约束的风险系数,满足/>与/>。本发明中将个体机会约束的风险系数设定为/>。
(3-2-3) 由于个体机会约束仍然难以计算,故通过CvaR将个体机会约束近似为如下形式:
(2)
(3-2-4)进一步将个体机会约束近似形式线性化,可得如下线性约束:
(56)
(57)
(58)
(59)
(60)
(61)
上式中,、/>、/>、/>、/>、/>、/>为t时刻联合机会约束中的辅助变量。/>
(3-3) 鲁棒约束转化;具体如下:
(3-3-1)将式(22)中的鲁棒约束进行分解,可得如下两个约束:
(62)
(63)
(3-3-2)以式(62)为例,由于与/>间不存在耦合,因此其左侧最大值可以转化为:
(64)
同理可得,式(63)中左侧的最小值同样能够转化。
(3-3-3)综上所述,鲁棒约束可最终被转化为如下形式:
(65)
(66)
(3-4) 构建紧凑模型;具体如下:
(3-4-1) 经分布鲁棒转化后的多区域互联IEHS协同调度问题的向量形式确定性调度模型可表述为:
(67)
(68)
(69)
(70)
(71)
(72)
上式中,(67)为多区域互联IEHS调度的目标函数;(68)为PDC中约束;(69)-(70)为区域e中EPS约束;(71)-(72)为区域e中第h个DHS约束;、/>分别为区域e中EPS内部变量、区域e中第h个DHS内部变量;/>为区域e中EPS的互联系统边界变量;/>为区域e中第h个DHS的边界变量;/>为PDC中的系数矩阵;/>为/>构成的向量,即;/>、/>、/>、/>、/>、/>、/>、/>均为区域e中EPS的系数矩阵;/>、/>、/>、/>、/>、/>均为区域e中第h个DHS的系数矩阵。
步骤四:基于双步投影算法的三层分布式协同优化方法。具体如下:
(4-1) 基于并行FME算法对EPS进行预投影;具体如下:
(4-1-1) 通过高斯消元法,将等式约束(68)消除。为在保留目标函数的前提下消除辅助变量、/>、/>,引入变量/>,将线性目标函数(48)转化为:
(73)
(4-1-2) 经上述转化后,EPS的可行域为一个多面体,可以表示为:
(74)
上式中,为EPS中辅助变量/>、/>、/>、/>、/>、/>、/>、/>、/>、/>、构成的向量;/>为EPS中除上述辅助变量外的决策变量;/>、/>、/>为系数矩阵;为表述简洁,省略上标e。
(4-1-3)应用FME算法对EPS模型进行变量消去,FME算法的基本原理为一次从约束集合中消除一个决策变量。为不失一般性,本发明以约束为例(式中/>、/>均为系数矩阵,/>为决策变量),通过FME算法消除/>中的变量/>,具体如下:
(4-1-3-1)重新排列原始约束,表述如下:
(75)
(76)
(77)
上式中,为不含/>的决策变量向量;/>为/>删除/>对应的列的子矩阵;/>是/>删除/>对应的行的子向量;集合/>、/>、/>分别为原不等式组中/>前系数为零、负数、正数的变量集合。
(4-1-3-2)通过重新排列组合约束(76)和约束(77),可得如下简化线性不等式约束:
(78)
(79)/>
(4-1-3-3)消除约束(79)中的变量,则约束可表述为:
(80)
(4-1-3-4) 重复上述消除步骤,直至式(74)中所有与分布鲁棒相关的辅助变量均被删除。最终,EPS的约束可以表示为:
(81)
上式中,、/>、/>、/>为简化后的系数矩阵。
(4-2) 基于高斯消元算法对DHS进行预投影;具体如下:
(4-2-1)确定DHC子问题表述形式如下:
(82)
(83)
上式中,为DHS中需保留的决策变量,本发明中选取/>为DHS中除/>外的决策变量;/>、/>、/>、/>均为系数矩阵。为表述简洁,省略上标e、h。
(4-2-2) 通过高斯消元法,式(82)中可以求解为:
(84)
(4-2-3) 将(84)带入(83)中,可将DHS的模型简化为:
(85)
(4-3) 基于多参数规划理论的改进局部投影方法;具体如下:
基于多参数规划理论的局部投影的基本思想为对于某一给定的边界变量,将其视为参数,并基于多参数规划理论生成参数所在的临界域与目标函数的局部表达式,并发送至上级系统。
由于各区域IEHS间协同与单区域EPS与DHS的协同算法具有一定的相似性,在该步骤中首先以单区域内EPS与DHS分布式协同为例详细介绍局部投影方法的迭代过程,然后简要介绍各区域间局部投影的迭代过程。
(4-3-1) 单区域IEHS协同调度中,局部投影算法的基本步骤为:EPS首先将边界变量的值传递给相连的DHS,随后,每个DHS将边界变量作为参数,求解其在给定边界变量值下的多参数优化问题,并将局部目标函数与可行域(即多参数规划中的临界域)返回给传递至EPS。其具体分为以下步骤:
(4-3-1-1) 初始化迭代次数k=1。
(4-3-1-2) EPS运营商将边界变量的初始值发送给各个DHS运营商。
(4-3-1-3) 每个DHS将从EPS处接收的边界变量作为参数,并优化子问题(86):/>
(86)
上式中,中的上标表示其作为一个参数而并非为优化变量。
(4-3-1-4) 若子问题(86)可行,则DHS生成第k次迭代的临界域与局部目标函数投影/>,并发送至EPS运营商。若子问题(86)不可行,则DHS更新可行割平面,并发送至EPS运营商。其中,临界域及可行割平面的生成方式将在步骤(4-4)中具体介绍。
(4-3-1-5) EPS运营商根据从各个DHS处接收的信息,优化子问题(87),生成:
(87)
(4-3-1-6) 收敛性判断。若,其中/>为收敛判据,为一个很小的正常数,则单区域内算法收敛,单区域内EPS与DHS的协同结束,进行EPS将与PDC的协同步骤;否则,更新/>,将/>发送至各DHS运营商,返回步骤(4-3-1-3)继续迭代。
(4-4) 临界域计算及可行割平面生成方法;具体如下:
(4-4-1) 临界域计算,即对于从EPS处接收的,生成/>所在的临界域与目标函数投影的显式表达式;其详细步骤可表示如下:
(4-4-1-1)定义DHS子问题(86)的拉格朗日函数如下:
(88)
上式中,为不等式约束的对偶乘子。
(4-4-1-2)求解DHS子问题(86),若可行,则根据最优解处活跃约束与非活跃约束,可将问题(87)的KKT条件表示为:
(89)
(90)/>
(91)
上式中,为不等式约束中的活跃约束,/>为不等式中的非活跃约束。
(4-4-1-3) 经预投影方法后,系数矩阵的维度得到显著降低,可以通过对系数矩阵求逆求解与/>,可表述如下:
(92)
由上式可知,最优解可以表示为关于边界参数/>的函数,即:
(93)
当发生改变时,只要保证式(89)中活跃约束与非活跃约束的组合不发生改变,则式(93)仍然成立。因此,临界域/>即为保证对偶乘子/>大于0与非活跃约束小于0,即:
(94)
(95)
(4-4-1-4)综上,临界域的定义为:
(96)/>
(4-4-1-5) 在当前临界域中,将式(93)带入目标函数中即可得出最优值函数的局部投影表达式:
(97)
上式中,、/>、/>分别为第k次迭代中目标函数中的系数,其具体定义为:
(98)
(99)
(100)
(4-4-2)当DHS子问题(86)不可行时,计算可行割平面;具体如下:
(4-4-2-1)构造子问题的松弛问题:
(101)
上式中,为松弛变量;/>为对偶变量。
(4-4-2-2)计算子问题可行割平面如下:
(102)
上式中,为优化问题(101)中对偶变量的最优值。
(4-5) 各区域IEHS间协同算法;各区域IEHS间的协同算法与EPS和DHS的协同算法基本相同,下面简要给出各区域IEHS的协同步骤:
(4-5-1) 初始化迭代次数j=1。
(4-5-2) JDC将边界变量的初始值发送给各个区域内的EPS运营商。
(4-5-3) 每个区域中EPS运营商将从JDC处接收的边界变量作为参数,并通过与本区域内的DHS运营商分布式协同,求解子问题。
(4-5-4) 若子问题(86)可行,则DHS生成第k次迭代的临界域与局部目标函数投影/>,并发送至EPS运营商。若子问题(86)不可行,则DHS更新可行割平面/>,并发送至EPS运营商。其中,临界域及可行割平面的生成方式见步骤(4-4)。
步骤五:在三层分布式算法中,EPS与DHS间需要嵌套迭代,这极大地增加了通信成本。在本步骤中,基于DHS在协同过程中模型的不变性,提出一种临界域的存储与快速搜索机制,以降低EPS与DHS间的通信次数。具体如下:
(5-1) 针对DHS中的临界域,构造凸优化问题求解临界域每个维度的最大值与最小值。以第i维的最大优化问题为例,优化问题为:
(103)
上式中,为临界域中第i维变量的最大值。
(5-2) 通过优化问题(103)分别求解出第k个临界域的第i维的最大值与最小值/>,同时将/>与/>同/>、/>共同存储于EPS中。
(5-3) 在搜索临界域时,逐一检查各个维度是否满足,当不满足条件时,立即排除该临界域,不再出现在后续维度搜索中。在下一维度的搜索中,只搜索之前维度符合条件的临界域,直至所有维度搜索完成或只剩余少量临界域。当只剩少数临界域时,则检查/>是否满足/>以判断是否需要发送至DHS运营商。
实施例2
本公开的一种实施例中提供了一种多区域互联电热综合能源系统可信分布调度系统,包括:
模型构建模块,用于获取多区域互联电-热综合能源系统,基于解耦思想对所述多区域互联电-热综合能源系统可再生能源不确定性进行分解,并构建基于Wasserstein距离与一阶矩信息的混合模糊集;基于混合模糊集建立基于混合模糊集的多区域互联电-热综合能源系统分布鲁棒优化多时段调度模型;
模型转化模块,用于基于对偶理论、Bonferroni不等式与CVaR近似方法,将多区域互联电-热综合能源系统分布鲁棒优化多时段调度模型中含随机变量的目标函数、联合机会约束与鲁棒约束转化为确定性线性模型;
协同调度优化模块,用于基于高斯消元算法及FME算法对电力系统调度模型和区域供热系统调度模型进行预投影,然后基于改进的局部投影方法实现电力系统和区域供热系统调度模型子问题的分布式求解以及各多区域互联电-热综合能源系统之间的分布式协同,并基于区域供热系统调度模型在协同过程中模型的不变性,利用临界域的存储与快速搜索机制进行分布式协同优化。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种多区域互联电热综合能源系统可信分布调度方法,其特征在于,包括:
获取多区域互联电-热综合能源系统,基于解耦思想对所述多区域互联电-热综合能源系统可再生能源不确定性进行分解,并构建基于Wasserstein距离与一阶矩信息的混合模糊集;
基于混合模糊集建立基于混合模糊集的多区域互联电-热综合能源系统分布鲁棒优化多时段调度模型;
基于对偶理论、Bonferroni不等式与CVaR近似方法,将多区域互联电-热综合能源系统分布鲁棒优化多时段调度模型中含随机变量的目标函数、联合机会约束与鲁棒约束转化为确定性线性模型;
基于高斯消元算法及FME算法对电力系统调度模型和区域供热系统调度模型进行预投影,然后基于改进的局部投影方法实现电力系统和区域供热系统调度模型子问题的分布式求解以及各多区域互联电-热综合能源系统之间的分布式协同,并基于区域供热系统调度模型在协同过程中模型的不变性,利用临界域的存储与快速搜索机制进行分布式协同优化。
2.如权利要求1所述的一种多区域互联电热综合能源系统可信分布调度方法,其特征在于,基于解耦思想对所述多区域互联电-热综合能源系统可再生能源不确定性进行分解,包括:
基于解耦的思想,将可再生能源出力分解为预测出力与含不确定性的预测误差,此时可再生能源的不确定性仅存在于预测误差中,而预测误差认为不存在时空关联特性,其分解过程可表述如下:
其中,为t时刻风电机组的预测出力;/>为t时刻风电机组的预测误差,为一个随机变量;/>为可再生能源出力分解。
3.如权利要求1所述的一种多区域互联电热综合能源系统可信分布调度方法,其特征在于,构建基于Wasserstein距离与一阶矩信息的混合模糊集,包括:
首先获取历史数据,基于历史数据建立风电出力的经验分布,采用1-Wasserstein距离度量真实分布与修正经验分布间的距离,以便于转化为线性模型,并构建基于Wasserstein距离的模糊集,其定义为经验分布为中心的Wasserstein球;构建基于一阶矩信息的模糊集,然后基于Wasserstein距离的模糊集和一阶矩信息的模糊集共同构成混合模糊集,混合模糊集定义为同时满足基于Wasserstein距离与一阶矩信息模糊集的概率分布。
4.如权利要求1所述的一种多区域互联电热综合能源系统可信分布调度方法,其特征在于,基于混合模糊集建立基于混合模糊集的多区域互联电-热综合能源系统分布鲁棒优化多时段调度模型,调度模型包括电力系调度模型及区域供热系统调度模型两部分,所述电力系调度模型和区域供热系统调度模型都分别包括目标函数和约束条件。
5.如权利要求4所述的一种多区域互联电热综合能源系统可信分布调度方法,其特征在于,电力系统调度模型的约束条件包括:功率平衡约束、火电机组出力约束、风电机组弃风量约束、交换功率约束、火电机组旋转备用容量约束、线路潮流约束以及爬坡约束;区域供热系统调度模型的约束条件包括:CHP机组出力约束、燃气锅炉约束、热源节点约束、热负荷节点约束以及管道的动态特性约束。
6.如权利要求1所述的一种多区域互联电热综合能源系统可信分布调度方法,其特征在于,将多区域互联电-热综合能源系统分布鲁棒优化多时段调度模型中含随机变量的目标函数、联合机会约束与鲁棒约束转化为确定性线性模型,包括:
基于混合模糊集的模型转化,利用对偶理论、Bonferroni不等式与CVaR近似方法,将含有随机变量的目标函数、联合机会约束与鲁棒约束转化为确定性模型,然后构建紧凑模型,得到经分布鲁棒转化后的多区域互联IEHS协同调度问题的向量形式确定性调度模型的表述形式。
7.如权利要求1所述的一种多区域互联电热综合能源系统可信分布调度方法,其特征在于,基于高斯消元算法及FME算法对电力系统调度模型进行预投影,包括:通过高斯消元法,对等式约束进行消除,为在保留目标函数的前提下消除辅助变量,引入变量,将线性目标函数进行转化;应用FME算法对电力系统调度模型进行变量消去。
8.如权利要求1所述的一种多区域互联电热综合能源系统可信分布调度方法,其特征在于,基于高斯消元算法及FME算法对区域供热系统调度模型进行预投影,包括:确定区域供热系统调度模型子问题表现形式,通过高斯消元法进行变量消除以简化区域供热系统调度模型。
9.如权利要求1所述的一种多区域互联电热综合能源系统可信分布调度方法,其特征在于,基于改进的局部投影方法实现电力系统和区域供热系统调度模型子问题的分布式求解以及各多区域互联电-热综合能源系统之间的分布式协同,包括:电力系统首先将边界变量的值传递给相连的区域供热系统,随后,每个区域供热系统将边界变量作为参数,求解其在给定边界变量值下的多参数优化问题,并将局部目标函数与可行域返回给传递至电力系统。
10.一种多区域互联电热综合能源系统可信分布调度系统,其特征在于,包括:
模型构建模块,用于获取多区域互联电-热综合能源系统,基于解耦思想对所述多区域互联电-热综合能源系统可再生能源不确定性进行分解,并构建基于Wasserstein距离与一阶矩信息的混合模糊集;基于混合模糊集建立基于混合模糊集的多区域互联电-热综合能源系统分布鲁棒优化多时段调度模型;
模型转化模块,用于基于对偶理论、Bonferroni不等式与CVaR近似方法,将多区域互联电-热综合能源系统分布鲁棒优化多时段调度模型中含随机变量的目标函数、联合机会约束与鲁棒约束转化为确定性线性模型;
协同调度优化模块,用于基于高斯消元算法及FME算法对电力系统调度模型和区域供热系统调度模型进行预投影,然后基于改进的局部投影方法实现电力系统和区域供热系统调度模型子问题的分布式求解以及各多区域互联电-热综合能源系统之间的分布式协同,并基于区域供热系统调度模型在协同过程中模型的不变性,利用临界域的存储与快速搜索机制进行分布式协同优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311251782.1A CN117252377A (zh) | 2023-09-26 | 2023-09-26 | 一种多区域互联电热综合能源系统可信分布调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311251782.1A CN117252377A (zh) | 2023-09-26 | 2023-09-26 | 一种多区域互联电热综合能源系统可信分布调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117252377A true CN117252377A (zh) | 2023-12-19 |
Family
ID=89129003
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311251782.1A Pending CN117252377A (zh) | 2023-09-26 | 2023-09-26 | 一种多区域互联电热综合能源系统可信分布调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117252377A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117688793A (zh) * | 2024-02-04 | 2024-03-12 | 中国地质大学(武汉) | 一种分布鲁棒机组组合建模与求解方法、设备及存储设备 |
CN117688793B (zh) * | 2024-02-04 | 2024-05-10 | 中国地质大学(武汉) | 一种分布鲁棒机组组合建模与求解方法、设备及存储设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113297737A (zh) * | 2021-05-25 | 2021-08-24 | 华南理工大学 | 一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法 |
US20210311162A1 (en) * | 2015-07-17 | 2021-10-07 | Chao-Lun Mai | Method, apparatus, and system for wireless monitoring to ensure security |
CN114580123A (zh) * | 2022-02-21 | 2022-06-03 | 武汉大学 | 一种电力天然气互联系统分布式协同校正控制方法 |
CN115587668A (zh) * | 2022-11-08 | 2023-01-10 | 山东大学 | 多园区综合能源系统分布式协同优化调度方法 |
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 |
CN116207796A (zh) * | 2023-03-27 | 2023-06-02 | 山东大学 | 计及可变流量调节的电-热综合能源系统调度方法及系统 |
CN116805181A (zh) * | 2023-06-30 | 2023-09-26 | 上海电力设计院有限公司 | 一种电-热-气网络分布式协同调度策略确定方法及装置 |
-
2023
- 2023-09-26 CN CN202311251782.1A patent/CN117252377A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210311162A1 (en) * | 2015-07-17 | 2021-10-07 | Chao-Lun Mai | Method, apparatus, and system for wireless monitoring to ensure security |
CN113297737A (zh) * | 2021-05-25 | 2021-08-24 | 华南理工大学 | 一种基于网络简化的分布式鲁棒电热调度非迭代解耦方法 |
CN114580123A (zh) * | 2022-02-21 | 2022-06-03 | 武汉大学 | 一种电力天然气互联系统分布式协同校正控制方法 |
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 |
CN115587668A (zh) * | 2022-11-08 | 2023-01-10 | 山东大学 | 多园区综合能源系统分布式协同优化调度方法 |
CN116207796A (zh) * | 2023-03-27 | 2023-06-02 | 山东大学 | 计及可变流量调节的电-热综合能源系统调度方法及系统 |
CN116805181A (zh) * | 2023-06-30 | 2023-09-26 | 上海电力设计院有限公司 | 一种电-热-气网络分布式协同调度策略确定方法及装置 |
Non-Patent Citations (2)
Title |
---|
张浩禹;邱晓燕;周晟锐;赵有林;李凌昊;张楷;: "基于机会约束目标规划的多电-气互联综合能源系统分布式优化模型", 电力建设, no. 07, 30 June 2020 (2020-06-30), pages 240 - 252 * |
黄开艺;艾芊;张宇帆;周嘉侃;: "基于多智能体系统的多区域互联分布式潮流算法", 电力自动化设备, no. 07, 31 December 2020 (2020-12-31), pages 86 - 95 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117688793A (zh) * | 2024-02-04 | 2024-03-12 | 中国地质大学(武汉) | 一种分布鲁棒机组组合建模与求解方法、设备及存储设备 |
CN117688793B (zh) * | 2024-02-04 | 2024-05-10 | 中国地质大学(武汉) | 一种分布鲁棒机组组合建模与求解方法、设备及存储设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Energy efficiency modeling of integrated energy system in coastal areas | |
Zhang et al. | Optimal operation of integrated electricity and heat system: A review of modeling and solution methods | |
Yang et al. | Coordinated planning strategy for integrated energy systems in a district energy sector | |
CN106339772B (zh) | 基于供热管网储热效益的热-电联合优化调度方法 | |
CN110797919B (zh) | 基于Wasserstein距离和分布鲁棒优化的清洁能源电源规划方法 | |
CN106786753B (zh) | 多用户的区域能源互联网的系统及其调节方法 | |
CN111428351B (zh) | 基于前推回代法的电-热综合能源系统潮流计算方法 | |
CN110544017A (zh) | 考虑热惯性和能源网络约束的能源系统可靠性评估方法 | |
CN110955954A (zh) | 一种分层解耦的电气热综合能源系统最优负荷削减量方法 | |
CN114330827B (zh) | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 | |
CN114595868A (zh) | 一种综合能源系统源网荷储协同规划方法及系统 | |
Liu et al. | Two-stage optimal economic scheduling for commercial building multi-energy system through internet of things | |
CN112396238A (zh) | 一种热电联合系统实时优化调度方法 | |
CN108594658A (zh) | 一种电-气耦合系统概率最大负荷裕度多目标优化模型及其求解方法 | |
CN116345564A (zh) | 综合能源系统多时间尺度分布式协同优化调度方法及系统 | |
CN113324283B (zh) | 一种计及温度半动态特性的集中供热网络等值方法 | |
CN116207796B (zh) | 计及可变流量调节的电-热综合能源系统调度方法及系统 | |
Song et al. | Dynamic economic dispatch with CHP and wind power considering different time scales | |
CN114444850A (zh) | 基于数字孪生的园区储能规划方法、装置、设备和介质 | |
CN116341881B (zh) | 计及热网灵活性的电-热系统鲁棒超前调度方法及系统 | |
CN111310310B (zh) | 一种用于量调节的热力系统静态潮流快速解耦计算方法 | |
CN112001639A (zh) | 综合能源系统能源需求的可调能力评估方法及存储介质 | |
Zhu et al. | Distributed optimal dispatching of interconnected electricity-gas-heating system | |
CN117252377A (zh) | 一种多区域互联电热综合能源系统可信分布调度方法及系统 | |
Wang et al. | Analysis of Coordinated Operation of the Clean Energy System Based on the Multiobjective Optimization Model |
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 |