WO2019200662A1 - 电-热-气综合能源系统的稳定评估与静态控制方法 - Google Patents
电-热-气综合能源系统的稳定评估与静态控制方法 Download PDFInfo
- Publication number
- WO2019200662A1 WO2019200662A1 PCT/CN2018/088349 CN2018088349W WO2019200662A1 WO 2019200662 A1 WO2019200662 A1 WO 2019200662A1 CN 2018088349 W CN2018088349 W CN 2018088349W WO 2019200662 A1 WO2019200662 A1 WO 2019200662A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- data
- gas
- thermal
- load
- flow
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000011156 evaluation Methods 0.000 title claims abstract description 43
- 230000003068 static effect Effects 0.000 title claims abstract description 32
- 230000002159 abnormal effect Effects 0.000 claims abstract description 92
- 230000007246 mechanism Effects 0.000 claims abstract description 35
- 230000008859 change Effects 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 239000007789 gas Substances 0.000 claims description 165
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 164
- 239000003345 natural gas Substances 0.000 claims description 91
- 230000008878 coupling Effects 0.000 claims description 46
- 238000010168 coupling process Methods 0.000 claims description 46
- 238000005859 coupling reaction Methods 0.000 claims description 46
- 239000013598 vector Substances 0.000 claims description 45
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 40
- 239000011159 matrix material Substances 0.000 claims description 33
- 230000009467 reduction Effects 0.000 claims description 24
- 239000000243 solution Substances 0.000 claims description 19
- 238000002347 injection Methods 0.000 claims description 18
- 239000007924 injection Substances 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 14
- 238000002940 Newton-Raphson method Methods 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 230000027311 M phase Effects 0.000 claims description 9
- 238000011217 control strategy Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 9
- 230000009897 systematic effect Effects 0.000 claims description 9
- 230000006835 compression Effects 0.000 claims description 8
- 238000007906 compression Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000001419 dependent effect Effects 0.000 claims description 6
- 239000012530 fluid Substances 0.000 claims description 6
- 238000000638 solvent extraction Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 239000013256 coordination polymer Substances 0.000 claims description 3
- 239000006185 dispersion Substances 0.000 claims description 3
- 230000002496 gastric effect Effects 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000010937 topological data analysis Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 239000002699 waste material Substances 0.000 claims description 3
- 238000005094 computer simulation Methods 0.000 claims description 2
- 238000012216 screening Methods 0.000 abstract description 2
- 230000005856 abnormality Effects 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 7
- 230000005611 electricity Effects 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013097 stability assessment Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
- Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security
Definitions
- the invention relates to the technical field of integrated energy systems, in particular to a method for stability evaluation and static control of an electro-thermal-gas integrated energy system.
- the integrated energy system is a system that realizes the full utilization of renewable energy by organically coordinating and optimizing the distribution, transformation, storage, and consumption of various energy sources such as electricity, gas, and heat with the power system as the core.
- the assessment method of the stability of the integrated energy system at this stage has hardly given specific evaluation indicators and a set of concrete and feasible evaluation methods.
- the technical problem to be solved by the present invention is to provide a stable evaluation and static control method for an electro-thermal-gas integrated energy system in view of the above-mentioned deficiencies of the prior art, and a set of concrete and feasible stability evaluation methods is given.
- two static control strategies can effectively and reasonably control the system with abnormalities.
- the technical solution adopted by the present invention is: a stable evaluation and static control method for an electro-thermal-gas integrated energy system, comprising the following steps:
- S2 Identify abnormal data, use the improved GSA algorithm to screen abnormal data, and correlate abnormal data according to the coupling characteristics of the electric-thermal-gas integrated energy system;
- the power-heat-natural gas system energy flow model is as follows:
- f EPS , f NGS , f DHS , and f HES represent the energy flow equations of the regional power system, the regional natural gas system, the regional thermal system, and the energy coupling, respectively;
- x e represents the energy flow related variable of the regional power system, and
- x g represents The energy flow related variable of the regional natural gas system,
- x h represents the energy flow related variable of the regional thermal system, and
- x HES represents the energy flow related variable of the energy coupling link;
- the energy flow is comprehensively solved by the decoupling solution method.
- the power system uses the pre-push back method to solve the power flow, and the natural gas system uses the Newton-Raphson method to solve the power flow.
- the thermal system uses the energy flow solving method to solve the power flow;
- step S3.6 According to the calculation result of the energy flow model, it is judged whether the energy flow exceeds the limit. If the energy flow exceeds the limit, the limit number m' is increased by 1, and the over-limit size A m ' and the over-limit time t m ' are recorded. Step S3.7 is performed, if the power flow violation limit does not occur, step S3.8 is directly performed;
- the static control strategy is divided into two types, one of which is that the subsystem solves the problem independently, and the other is the multi-system coordination solution.
- Problem multi-system coordination solves the problem by adopting the idea of multi-smart and collaborative work, and coordinated control of the electric-thermal-gas integrated energy system according to specific conditions.
- the control is more The system returns to the normal running state through the tight coupling relationship between the subsystems; the two strategies ultimately have two kinds of output results, which are the standards for executing the solution and recording reports and alarms to determine which results are output. To solve the problem at a limited cost.
- the step of using the data driving to predict the change of the load in the step S1 further includes the following steps;
- R M ' x d ' denotes the original historical data space
- X denotes a historical data vector
- M qj denotes the q quantile of the jth variable in X
- d' denotes the dimension of the data vector
- M' denotes the original
- ⁇ represents the historical data space after processing
- d represents the dimension of the data space ⁇
- M represents the number of data vectors of the data space ⁇
- i represents the sequence number of the data vector
- j represents the data
- x ij represents the value of the jth variable in the first i data record
- Q represents the number of subspaces
- each dimension is assumed to follow q j ⁇ is divided into subsets, each dimension X i are the maximum and minimum with then Thus determining the number of subspaces q 1 , q 2 , . . . , q j ;
- the regression modeling in step S1.7 further includes the following steps:
- the step of using the combination of data driving and mechanism driving in the step S1 to model the integrated energy system further includes:
- the power system mechanism model is as follows:
- N is the total number of nodes
- V i p is the voltage of the p-phase of the i-node
- V k m is the k-node m-phase
- the voltage, cos ⁇ ik pm is the phase difference between the p-phase and the m-phase of the i-k node
- G ik pm and B ik pm are the conductance and susceptance between the p-phase and the m-phase of the i-k node, respectively;
- the data driven model of load change Y t F t (X t ) is related to the power system mechanism model, which should be satisfied
- the natural gas system mechanism model is as follows:
- a NGS is the correlation matrix of nodes and pipelines in the regional natural gas system
- f is the natural gas pipeline flow vector in the regional natural gas system
- ⁇ is the node payload vector in the regional natural gas system
- Q pipe is the pipeline volume flow
- ⁇ p is Gas pressure drop
- D is the diameter of the pipe
- f r is the coefficient of friction of the pipe wall
- L is the length of the pipe
- S is the specific gravity of the gas
- the thermal system mechanism model is as follows:
- a DHS is the correlation matrix of nodes and pipes in the regional thermal system. Is the flow rate of water flow in the pipeline, Is the mass flow rate of the injected water flow of the node, i 1 is the loop label, j 1 is the pipeline label, B DHS is the loop correlation matrix, which characterizes the relationship between the network loop and the pipeline, K is the impedance coefficient in the pipeline; ⁇ is the heat load The heat power consumed, C p is the specific heat capacity of water, T s is the water supply temperature when entering the heat load nodes from the heat network, T o is the water temperature of each heat load node, T o is the known amount, and T start is the water flow.
- T end refers to the temperature at which it flows out of the pipe
- T a refers to the ambient temperature
- ⁇ is the heat transfer coefficient of the pipe
- L is the length of the pipe. Is the quality flow rate of the outlet pipe, Is the mass flow rate of the inlet pipe, T out is the temperature of the outlet pipe, and T in is the temperature of the inlet pipe;
- the mechanism model of energy coupling is as follows:
- step S2 The step of identifying the abnormal data by using the improved GSA algorithm in step S2 and associating the abnormal data according to the coupling characteristics of the electro-thermal-gas system further includes the following steps:
- F is the number of groups in which the reference data set is generated by uniform distribution using the normal range of data
- S2.1.6 determining whether there is abnormal data in the input data according to whether k 1 is equal to 1. If k 1 is equal to 1, no abnormal data exists in the input data; otherwise, abnormal data exists in the input data;
- step S2.2 inputting the abnormal data selected in step S2.1, and correlating the abnormal data according to the coupling characteristics of the electric-thermal-gas integrated energy system;
- the abnormal data belongs to the power system, it is first judged whether
- the abnormal data belongs to the thermal system, first judge whether
- the preliminary determination of the abnormal data belongs to the natural gas system, first judge whether
- the first equation is the electric-thermal-natural gas system fluid partial equation, including the natural gas system energy flow equation and the thermal system hydraulic equation
- the fluid is partially required to be varied, including the gas flow model of the natural gas system and the relevant variables in the hydraulic model of the thermal system.
- the method for solving the thermal system energy flow in the step S3.5 specifically includes:
- the Newton's Lawson method is used to solve the hydraulic model. According to the obtained water flow mass flow rate of each pipeline, the thermal model is solved, and the return water temperature is obtained to determine whether the thermal system energy flow calculation result satisfies the operational constraints and accuracy requirements. If it is satisfied, the calculation result is output, and if it is not satisfied, the above process is repeated;
- the operational constraints include equality constraints and inequality constraints, with the power system active balance equation and the reactive power balance equation, the natural gas system flow balance equation, and the thermal system flow balance equation as the equality constraints, as shown in the following five equations:
- P G,e , P GAS,e ,P CHP,e and Q G,e , Q GAS,e ,Q CHP,e are non-gas conventional units, gas generator sets, gas thermoelectrics of the power system node e , respectively
- the active output and reactive power of the cogeneration unit P D,e , Q D,e and P e , Q e are the active and reactive loads of the power system node e and the injected active and reactive power respectively; P W,e , Q W, e and ⁇ P W, e are the wind farm active, reactive power and abandoned wind power of the power system node e respectively;
- Q C, e , P DEV, e are the reactive power compensation power of the power system node e respectively
- C e,x is the load reduction variable of the electric load node x;
- F GAS,g , F CHP,g ,F DEV,g are the gas generator set of the natural gas system node g
- N e, N g and N h are the total number of power system nodes, natural gas systems and thermal system nodes respectively;
- P CHP, z , H CHP, z , ⁇ CHP, z are the active output, heat load and thermoelectric ratio of the gas-fired cogeneration unit z , respectively ;
- N b is the total number of gas-fired cogeneration units;
- Inequality constraints include: electrical load, air load, thermal load reduction variable and upper and lower limit of abandonment wind variable; gas unit operating constraints; gas system node pressure constraint, gas source gas injection constraint, compressor compression ratio constraint; power system node Voltage-constrained, non-gastric conventional unit output constraints, line power constraints, inequality constraints are as follows:
- ⁇ g is the gas pressure of the natural gas system node g
- R r is the compression ratio of the compressor branch r
- T l is the power flowing through the transmission line 1
- N t is the total number of hot water pipes
- N s , N u , N r are the total number of natural gas sources, non-gas conventional units and transmission lines respectively
- N d , N g and N b are respectively electric loads total number of nodes, the node loads the gas, a gas cogeneration unit
- N a is the total number of gas generators
- N p is the total number of branches of the compressor
- e V e is a voltage of the power system nodes
- N w of total windfarm .
- the optimization model in the step S3.7 is specifically as follows:
- the optimized model is optimized with the minimum sum of electric load, gas load, heat load reduction and abandoned air volume.
- the objective function is as follows:
- C e,x , C g,y ,C h,z are the load reduction variables of the electrical load node x, the gas load node y, and the gas-fired cogeneration unit z;
- ⁇ P w,v is the wind farm v Abandoned wind variable;
- N d , N g are the total number of electrical load nodes and gas load nodes respectively;
- ⁇ e, x , ⁇ g, y , ⁇ h, z , ⁇ w, v are respectively characterized by electrical load, gas load, heat The importance of the load and the weighting factor of the severity of the abandonment of each wind farm;
- the operation constraint in step S3.5 is used as the constraint condition of the optimization model, that is, the equation constraint consisting of the power system active balance equation, the reactive balance equation, the natural gas system flow balance equation, the thermal system flow balance equation, and the electricity Upper and lower limits of load, gas load, heat load reduction variable and abandonment wind variable, operation constraints of gas unit, gas pressure constraint of natural gas system, gas source gas injection constraint, compressor compression ratio constraint, power system node voltage constraint, non-gas Inequality constraints consisting of conventional unit output constraints and line power constraints.
- the calculation stability indicator in the step S3.8 includes:
- a m ' represents the size of the m′th energy flow outage limit
- t m′ represents the time of the m′th energy flow out of limits
- E represents the total energy of the electro-thermal-gas system
- m′ max represents the energy The total number of times the flow exceeds the limit
- N the number of samples
- the stability evaluation standard comparison table is shown in Table 1, with a perfect score of 10 points;
- the calculation of the stability index should take into account the difference in time scale, which is embodied in the correction of the index for the thermal load.
- the correction of the thermal load stability index means that the temperature is constant when there is no disturbance. If the heat load temperature is lower than the lower temperature limit or higher than the upper temperature limit for a certain period of time, the energy flow exceeds the limit, which is a part of the total duration of the energy flow overrun or non-convergence after the disturbance.
- the limited cost in the step 4 includes: a time cost, a labor cost, and a capital cost, respectively, as shown in the following three formulas;
- C t′′ denotes the time cost
- t′ ′ denotes the time from when the problem occurs to solve the problem and returns to normal
- T′′ denotes the time when the system has a problem from the last system problem
- C h denotes the labor cost
- h" indicates the number of people needed to solve the problem
- H indicates the number of staff required for the system to work normally
- Cp indicates the cost of funds
- p indicates the amount of funds needed to solve the problem
- P indicates the annual average of the system. Maintain the amount of funds
- the stability evaluation and static control method of an electro-thermal-gas integrated energy system provided by the present invention, starting from the concept and main features of the integrated energy system, using mechanism driven and data driven
- the combined method establishes a model that can predict the load change, and identifies the anomaly data based on the model. It includes the use of the improved GSA algorithm to screen the anomaly data and the coupling characteristics according to the electro-thermal-gas system.
- the anomaly data is associated with two major steps.
- a stable and feasible evaluation method for the integrated energy system based on the tidal current solution of energy flow and the calculation of load reduction and abandonment is given.
- the static control strategy adopts the idea of multi-system coordination solution when the subsystem cannot solve the problem separately, and considers the actual situation that the low price of the problem is limited, and effectively and reasonably controls the abnormal system.
- the stability index calculation formula and the stability evaluation comparison table proposed by the invention comprehensively consider the two aspects of the energy flow over-limit and the over-limit ratio, and achieve the balance between the two.
- FIG. 1 is a general flowchart of a method for stability evaluation and static control of an electro-thermal-gas integrated energy system according to an embodiment of the present invention
- FIG. 2 is a flowchart of predicting a change in load by using data driving according to an embodiment of the present invention
- FIG. 3 is a flowchart of performing regression modeling according to an embodiment of the present invention.
- FIG. 4 is a schematic diagram of a model of an integrated energy system combining data driving and mechanism driving according to an embodiment of the present invention
- FIG. 5 is a flowchart of filtering abnormal data by using an improved GSA algorithm according to an embodiment of the present invention
- FIG. 6 is a flowchart of determining a situation in which anomaly data is correlated and identified according to an electro-thermal-gas system coupling characteristic according to an embodiment of the present invention
- FIG. 7 is a flow chart showing the correlation identification of the abnormal data according to the coupling characteristics of the electric-thermal-gas system in the state 1 of FIG. 6;
- FIG. 8 is a flow chart showing the correlation identification of abnormal data according to the coupling characteristics of the electro-thermal-gas system in the condition 2 of FIG. 6;
- FIG. 9 is a flow chart showing the correlation identification of abnormal data according to the coupling characteristics of the electro-thermal-gas system in the state 3 of FIG. 6;
- FIG. 10 is a flowchart of a stability evaluation method according to an embodiment of the present invention.
- FIG. 11 is a schematic diagram of comprehensively solving an energy flow according to an embodiment of the present invention.
- FIG. 12 is a flowchart of a method for solving energy flow of a thermal system according to an embodiment of the present invention
- FIG. 13 is a flowchart of a static control policy according to an embodiment of the present invention.
- FIG. 14 is a flowchart of determining an excess cost according to an embodiment of the present invention.
- the embodiment provides a stable evaluation and static control method of the electro-thermal-gas integrated energy system, as shown in FIG. 1 , and the specific method is as follows.
- the load of the integrated energy system includes electrical load, heat load and gas load.
- the common loads of these three types of load include industrial load, agricultural load, transportation load and people's living load. These three loads will change as the user's needs change, and this change will have an impact on the modeling of the integrated energy system.
- S1.1 Collect field data to build a database, and use historical data to build a database when the field data is not satisfactory.
- R M ' x d ' denotes the original historical data space
- X denotes a historical data vector
- M qj denotes the q quantile of the jth variable in X
- d' denotes the dimension of the data vector
- M' denotes the original
- ⁇ represents the historical data space after processing
- d represents the dimension of the data space ⁇
- M represents the number of data vectors of the data space ⁇
- i represents the sequence number of the data vector
- j represents the data
- x ij represents the value of the jth variable in the first i data record
- Q represents the number of subspaces.
- each dimension is assumed to follow q j ⁇ is divided into subsets, each dimension X i are the maximum and minimum with then The number of subspaces q 1 , q 2 , ..., q j is thus determined.
- the integrated energy system includes three types of loads: electrical load, thermal load, and air load. It can be seen from Figure 2 that the data subspace-based modeling method is the same regardless of the load. Finally, the regression models of all subspaces are obtained, which realizes the use of data driving to predict the change of load.
- the method of combining the data driving and the mechanism driving in the step S1 to model the integrated energy system further includes the following contents:
- the power system mechanism model is as follows:
- N is the total number of nodes
- V i p is the voltage of the p-phase of the i-node
- V k m is the k-node m-phase
- the voltage, cos ⁇ ik pm is the phase difference between the p-phase and the m-phase of the i-k node
- G ik pm and B ik pm are the conductance and susceptance between the p-phase and the m-phase of the i-k node, respectively;
- the data driven model of load change Y t F t (X t ) is related to the power system mechanism model, which should be satisfied
- the natural gas system mechanism model is as follows:
- a NGS is the correlation matrix of nodes and pipelines in the regional natural gas system
- f is the natural gas pipeline flow vector in the regional natural gas system
- ⁇ is the node payload vector in the regional natural gas system
- Q pipe is the pipeline volume flow
- ⁇ p is Gas pressure drop
- D is the diameter of the pipe
- f r is the coefficient of friction of the pipe wall
- L is the length of the pipe
- S is the specific gravity of the gas
- the thermal system mechanism model is as follows:
- a DHS is the correlation matrix of nodes and pipes in the regional thermal system. Is the flow rate of water flow in the pipeline, Is the mass flow rate of the injected water flow of the node, i 1 is the loop label, j 1 is the pipeline label, B DHS is the loop correlation matrix, which characterizes the relationship between the network loop and the pipeline, K is the impedance coefficient in the pipeline; ⁇ is the heat load The heat power consumed, C p is the specific heat capacity of water, T s is the water supply temperature when entering the heat load nodes from the heat network, T o is the water temperature of each heat load node, T o is the known amount, and T start is the water flow.
- T end refers to the temperature at which it flows out of the pipe
- T a refers to the ambient temperature
- ⁇ is the heat transfer coefficient of the pipe
- L is the length of the pipe. Is the quality flow rate of the outlet pipe, Is the mass flow rate of the inlet pipe, T out is the temperature of the outlet pipe, and T in is the temperature of the inlet pipe;
- the mechanism model of energy coupling is as follows:
- FIG. 1 a model of an integrated energy system combining data driving and mechanism driving is shown in FIG.
- F is the number of groups in which the reference data set is generated by uniform distribution using the normal range of data
- S2.1.6 determining whether there is abnormal data in the input data according to whether k 1 is equal to 1. If k 1 is equal to 1, no abnormal data exists in the input data; otherwise, abnormal data exists in the input data;
- step S2.2 inputting the abnormal data selected in step S2.1, and correlating the abnormal data according to the coupling characteristics of the electric-thermal-gas integrated energy system;
- the abnormal data belongs to the thermal system, that is, it is initially determined to be the condition 2, as shown in Fig. 8, it is first judged whether
- the abnormality data belonging to the preliminary determination gas system i.e., the initial condition is determined as 3, 9, it is first determined
- the power-heat-natural gas system energy flow model is as follows:
- f EPS , f NGS , f DHS , and f HES represent the energy flow equations of the regional power system, the regional natural gas system, the regional thermal system, and the energy coupling, respectively;
- x e represents the energy flow related variables of the regional power system, such as voltage, Current, phase angle, etc.;
- x g represents the energy flow related variables of the regional natural gas system, such as natural gas node pressure, pipeline flow, etc.;
- x h represents the energy flow related variables of the regional thermal system, such as pipeline mass flow rate, water supply temperature, return water temperature, etc. ;
- x HES denotes the energy flow related variables of the energy coupling link, such as the distribution coefficient;
- the energy flow is comprehensively solved by the decoupling solution method.
- the power system uses the pre-push back method to solve the power flow, and the natural gas system uses the Newton-Raphson method to solve the power flow.
- the thermal system uses the energy flow solving method to solve the power flow;
- the first equation is the electric-thermal-natural gas system fluid partial equation, including the natural gas system energy flow equation and the thermal system hydraulic equation
- the fluid is partially required to be varied, including the gas flow model of the natural gas system and the relevant variables in the hydraulic model of the thermal system.
- the method for solving the energy flow of the thermal system specifically includes:
- the hydraulic model is solved by Newton's Lawson method.
- the hydraulic model is as follows:
- the thermal model is as follows:
- the operational constraints include equality constraints and inequality constraints, with the power system active balance equation and the reactive equilibrium equation, the natural gas system flow balance equation, and the thermal system flow balance equation as the equality constraints, as shown in the following five equations:
- P G,e , P GAS,e ,P CHP,e and Q G,e , Q GAS,e ,Q CHP,e are non-gas conventional units, gas generator sets, gas thermoelectrics of the power system node e , respectively
- the active output and reactive power of the cogeneration unit P D,e , Q D,e and P e , Q e are the active and reactive loads of the power system node e and the injected active and reactive power respectively; P W,e , Q W, e and ⁇ P W, e are the wind farm active, reactive power and abandoned wind power of the power system node e respectively;
- Q C, e , P DEV, e are the reactive power compensation power of the power system node e respectively
- C e,x is the load reduction variable of the electric load node x;
- F GAS,g , F CHP,g ,F DEV,g are the gas generator set of the natural gas system node g
- N e, N g and N h are the total number of power system nodes, natural gas systems and thermal system nodes respectively;
- P CHP, z , H CHP, z , ⁇ CHP, z are the active output, heat load and thermoelectric ratio of the gas-fired cogeneration unit z , respectively ;
- N b is the total number of gas-fired cogeneration units;
- Inequality constraints include: electrical load, air load, thermal load reduction variable and upper and lower limit of abandonment wind variable; gas unit operating constraints; gas system node pressure constraint, gas source gas injection constraint, compressor compression ratio constraint; power system node Voltage-constrained, non-gastric conventional unit output constraints, line power constraints, inequality constraints are as follows:
- ⁇ g is the gas pressure of the natural gas system node g
- R r is the compression ratio of the compressor branch r
- T l is the power flowing through the transmission line 1
- N t is the total number of hot water pipes
- N s , N u , N r are the total number of natural gas sources, non-gas conventional units and transmission lines respectively
- N d , N g and N b are respectively electric loads total number of nodes, the node loads the gas, a gas cogeneration unit
- N a is the total number of gas generators
- N p is the total number of branches of the compressor
- e V e is a voltage of the power system nodes
- N w of total windfarm .
- step S3.6 According to the calculation result of the energy flow model, it is judged whether the energy flow exceeds the limit. If the energy flow exceeds the limit, the limit number m' is increased by 1, and the over-limit size A m ' and the over-limit time t m ' are recorded. Step S3.7 is executed. If the power flow violation limit does not occur, step S3.8 is directly executed.
- the optimization model is as follows:
- the optimized model is optimized with the minimum sum of electric load, gas load, heat load reduction and abandoned air volume.
- the objective function is as follows:
- C e,x , C g,y ,C h,z are the load reduction variables of the electrical load node x, the gas load node y, and the gas-fired cogeneration unit z;
- ⁇ P w,v is the wind farm v Abandoned wind variable;
- N d , N g are the total number of electrical load nodes and gas load nodes respectively;
- ⁇ e, x , ⁇ g, y , ⁇ h, z , ⁇ w, v are respectively characterized by electrical load, gas load, heat The importance of the load and the weighting factor of the severity of the abandonment of each wind farm;
- the operation constraint in step S3.5 is used as the constraint condition of the optimization model, that is, the equation constraint consisting of the power system active balance equation, the reactive balance equation, the natural gas system flow balance equation, the thermal system flow balance equation, and the electricity Upper and lower limits of load, gas load, heat load reduction variable and abandonment wind variable, operation constraints of gas unit, gas pressure constraint of natural gas system, gas source gas injection constraint, compressor compression ratio constraint, power system node voltage constraint, non-gas Inequality constraints consisting of conventional unit output constraints and line power constraints.
- the calculation stability indicator includes:
- a m ' represents the size of the m′th energy flow outage limit
- t m′ represents the time of the m′th energy flow out of limits
- E represents the total energy of the electro-thermal-gas system
- m′ max represents the energy The total number of times the flow exceeds the limit
- N the number of samples
- the stability evaluation standard comparison table is shown in Table 1, with a perfect score of 10 points;
- the number of sampling depends on the specific circumstances, but not too small, to ensure that the sampling has a certain representativeness
- the calculation of the stability index should take into account the difference in time scale, which is embodied in the correction of the index for the thermal load.
- the correction of the thermal load stability index means that the temperature is constant when there is no disturbance. If the heat load temperature is lower than the lower temperature limit or higher than the upper temperature limit for a certain period of time, the energy flow exceeds the limit, which is a part of the total duration of the energy flow overrun or non-convergence after the disturbance.
- the stability of the system must consider the degree of over-limit, and also consider the number of violations in a certain number of sampling times.
- the specific process of the system stability assessment is shown in Figure 10.
- the flow chart involves the use of different subsystems.
- the process of comprehensively solving the energy flow by different methods is shown in Fig. 11.
- the flow of the energy flow solution method of the thermal system is shown in Fig. 12.
- the stability evaluation standard takes into account the two stability indicators of the degree of over-limit and the ratio of over-limit. As long as one of the indicators is relatively large, the stability evaluation score of the system will be reduced. Only when these two indicators are small at the same time, the system is relatively stable. These two indicators should be minimized in the application as much as possible.
- the static control strategy is divided into two types, one of which is that the subsystem solves the problem independently, and the other is the multi-system coordination solution.
- Problem multi-system coordination solves the problem by adopting the idea of multi-smart and collaborative work, and coordinated control of the electric-thermal-gas integrated energy system according to specific conditions.
- the control is more The system returns to the normal running state through the tight coupling relationship between the subsystems; the two strategies ultimately have two kinds of output results, which are the standards for executing the solution and recording reports and alarms to determine which results are output. Is it possible to solve the problem at a limited cost; the flow of the static control strategy is shown in Figure 13.
- the limited costs include: time cost, labor cost and capital cost, as shown in the following three formulas;
- C t′′ denotes the time cost
- t′ ′ denotes the time from when the problem occurs to solve the problem and returns to normal
- T′′ denotes the time when the system has a problem from the last system problem
- C h denotes the labor cost
- h" indicates the number of people needed to solve the problem
- H indicates the number of staff required for the system to work normally
- Cp indicates the cost of funds
- p indicates the amount of funds needed to solve the problem
- P indicates the annual average of the system. Maintain the amount of funds
- the subsystem independently solves the problem that the key parts of the valve, node, and the like of the individual control subsystem can return the system to the normal running state.
- the multi-system coordination problem solving refers to when the control system cannot return the system to normal operation. In the state of the state, multiple systems are controlled to return to a normal state of operation through a tight coupling relationship between the subsystems.
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Power Engineering (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种电-热-气综合能源系统的稳定评估与静态控制方法，涉及综合能源系统技术领域。该方法包括：S1、采用数据驱动和机理驱动相结合的方法对电-热-气综合能源系统进行建模；S2、异常数据的筛选和关联辨识；S3、稳定评估方法，以能量流的潮流求解和负荷削减量、弃风量计算为重点，以能流是否越限为评判标准，定义稳定性指标的计算公式，并据此给出系统稳定评估标准对照表；S4、静态控制，一种是子系统独立解决问题，另一种是多系统协调解决问题。本发明基于数据驱动和机理驱动相结合所建立的综合能源系统模型，实现对负荷变化情况的预测及对系统异常数据的双重辨识，能更准确合理地对系统进行稳定评估和静态控制。
Description
本发明涉及综合能源系统技术领域，尤其涉及一种电-热-气综合能源系统的稳定评估与静态控制方法。
目前人类正面临着多项全球性挑战，如环境污染，全球变暖，石油危机等，传统电网已经无法满足现代的能源需求，因此，能源互联网的概念被提出，并由此衍生出综合能源系统的概念。综合能源系统就是以电力系统为核心，通过对电、气、热等各类能源的分配、转化、存储、消费等环节进行有机协调和优化，实现对可再生能源的充分利用的系统。
现阶段关于综合能源系统的建模大多集中于独立的能源系统，忽略了能源系统之间的耦合关系，没有考虑负荷的不确定性，不能够全面地描述不同系统、环节之间能量流通的情况，以及负荷变化给系统带来的影响，因此构建的模型具有一定的局限性。
而且，现阶段的综合能源系统稳定性的评估方法大部分是用聚类算法来判别异常数据，有时候单凭聚类算法是不能够准确判别异常数据，这时应充分利用不同能源系统之间的耦合关系加以判别。
同时，现阶段的综合能源系统稳定性的评估方法几乎没有给出具体的评估指标和一套具体可行的评估方法。
此外，现阶段综合能源系统的静态控制策略大多集中于独立的能源系统，没有采用在子系统不能单独解决问题的时候多系统协调解决的思想，也没有考虑解决问题的代价是否有限的这一实际情况，可行性和综合性存在一定的问题。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足，提供一种电-热-气综合能源系统的稳定评估与静态控制方法，给出了一套具体可行的稳定评估方法，在此基础上，两种静态控制策略能对出现异常的系统进行有效合理地控制。
为解决上述技术问题，本发明所采取的技术方案是：一种电-热-气综合能源系统的稳定评估与静态控制方法，包括以下步骤：
S1、根据现场数据或历史数据构建数据库，利用数据驱动来预测负荷的变化，进而对电-热-气综合能源系统进行建模，即采用数据驱动和机理驱动相结合的方法对电-热-气综合能源系统进行建模；
S2、进行异常数据的辨识，利用改进的GSA算法对异常数据进行筛选，并根据电-热-气 综合能源系统耦合特性对异常数据进行关联辨识；
S3、进行稳定评估，包括以下步骤：
S3.1读取综合能源系统的初始状态参数，抽样次数k'＝1，能流越限次数m'＝0，第m'次能流越限的大小A
m'＝0；
S3.2、从预想事故集中随机选择一个扰动，引入扰动；
S3.3、利用非时序蒙特卡洛模拟法对系统元件状态、电/热/气负荷、风速对应的随机变量进行抽样，获取系统状态；
S3.4、对电-热-气互联系统进行拓扑分析，分析系统的节点由支路和耦合元件连接成多少子系统；
S3.5、对拓扑分析后得到的系统根据所建能流模型进行计算；
电力-热力-天然气系统能流模型如下：
式中，f
EPS、f
NGS、f
DHS、f
HES分别表示区域电力系统、区域天然气系统、区域热力系统、能源耦合环节的能量流方程；x
e表示区域电力系统能量流相关变量，x
g表示区域天然气系统能量流相关变量，x
h表示区域热力系统能量流相关变量，x
HES表示能源耦合环节能量流相关变量；
在步骤S1所建立的综合能源系统模型的基础上，采用解耦求解方法对能量流进行综合求解，其中，电力系统采用前推回代法进行潮流求解，天然气系统采用牛顿拉夫逊法进行潮流求解，热力系统采用能量流求解方法进行潮流求解；
S3.6、根据能流模型计算结果判断是否出现能流越限，如果出现能流越限，则越限次数m'加1，记录此次越限大小A
m'和越限时间t
m'，执行步骤S3.7，如果未出现能流越限，则直接执行步骤S3.8；
S3.7、对存在问题的系统状态，建立由非线性优化问题构成的优化模型，利用该优化模型进行电负荷、气负荷、热负荷削减量和弃风量计算，采用内点法对该优化模型进行有效求解；
S3.8、判断抽样次数k'是否等于最大抽样次数，如果等于，则计算稳定性指标，输出稳定性评估结果，如果不等于，则重复步骤S3.2-S3.6；
S4、根据稳态评估结果，对电-热-气综合能源系统进行静态控制，所述静态控制的策略分为两种，其中一种是子系统独立解决问题，另外一种是多系统协调解决问题；多系统协调解决问题采用多智体协同工作的思想，根据具体情况对电-热-气综合能源系统加以协调控制，当控制一个子系统不能使系统回到正常运行的状态时，控制多个系统通过子系统之间的紧密耦合关系使回到正常运行的状态；所述两种策略最终都有两种输出结果，分别为执行解决方案并记录报告和报警，判断输出哪种结果的标准为能否以有限代价解决问题。
所述步骤S1中利用数据驱动来预测负荷的变化进一步包括以下步骤；
S1.1、采集现场数据构建数据库，当现场数据不合要求时利用历史数据构建数据库；
S1.2、令X∈R
M'×d'，利用上下截断点，根据式(1)来剔除野点得到有效数据集合X∈Ω；
式中，R
M'×d'表示原始的历史数据空间，X表示历史数据向量，M
qj表示X中第j个变量的q分位数，d'表示数据向量的维数，M'表示原始的数据向量个数，Ω表示处理之后的历史数据空间，d表示数据空间Ω的维度，M表示数据空间Ω的数据向量个数，i表示数据向量的序号，1≤i≤M，j表示数据向量的维度序号，1≤j≤d，x
ij表示第个i数据记录中第j个变量的数值，Q表示子空间的数量；
S1.3、假设按照每一维度将Ω划分成q
j个子集，X
i每一维度的最大值和最小值分别为
和
则
由此确定子空间个数q
1、q
2、…、q
j；
S1.4、确定超立方体边界：用LU
jt和LD
jt分别表示第j维度上的第t(2≤t≤q
j)个子空间的上边界和下边界，则
S1.5、自适应改变空间深度：子空间划分时，由最少的空间个数开始划分，并计算划分后每个子空间中数据点的数量P
i，i＝1,2,…,q
1或q
2或…或q
j，即第q
1个子空间中数据点的数量为P
i，其中i＝1,2,…,q
1，第q
j个子空间中数据点的数量P
i，其中i＝1,2,…,q
j；统计P
i＝0的数量，当其小于给定值ε时，说明子空间划分的不够细致，应增加空间划分的深度，因此增加q
j的数值继续深入划分空间，直到空间的数量达到ε时停止；
S1.6、合并子空间：划分空间后，如果部分空间中只有一个数据，则计算该数据与其相邻空间内数据的欧式距离的均值，并将该数据空间与均值最小的数据空间合并，最终确定q
1个子空间；
S1.7、在q
1个子空间中，依次使用非线性迭代偏最小二乘方法进行回归建模，得到所有子空间的回归模型；
S1.8、输出结果，更新数据库。
所述步骤S1.7中的回归建模进一步包括以下步骤：
S1.7.1、定义数据的边界s，当j≤s时，x
ij为输入数据，即自变量，令自变量矩阵为X
t；当j>s时，x
ij为输出数据，即因变量，令因变量矩阵为Y
t；计算X
t的得分向量t
1及载荷向量p'，计算Y
t的得分向量u及载荷向量q'；
S1.7.2、计算X
t和Y
t矩阵的残差，X
t矩阵的残差为E＝X
t-t
1p'，Y
t矩阵的残差为F＝Y
t-uq'；
S1.7.3、计算预测误差平方和S
PRESS，当其小于预期精度时，继续选择矩阵的主元进行迭代计算；当其大于预期精度时，则表明已经得到了最佳的主元数目，可得到X
t与Y
t矩阵的关系表达式，从而得到该子空间上的回归模型Y
t＝F
t(X
t)；
S1.7.4、继续计算下一子空间的回归模型，依次得到所有子空间的回归模型。
所述步骤S1中采用数据驱动和机理驱动相结合的方法对综合能源系统进行建模进一步包括：
利用数据驱动预测电力系统负荷的变化：
电力系统机理模型如下：
式中，P
i
p和Q
i
p分别为i节点p相的有功净负荷、无功净负荷，N为节点总数，V
i
p为i节点p相的电压，V
k
m为k节点m相的电压，cosθ
ik
pm为i与k节点的p相与m相相角差，G
ik
pm和B
ik
pm分别为i与k节点的p相与m相之间的电导和电纳；
将数据驱动对负荷变化的建模Y
t＝F
t(X
t)与电力系统机理模型联系起来，则应满足
利用数据驱动预测天然气系统负荷的变化：
天然气系统机理模型如下：
A
NGSf+ω＝0
式中，A
NGS是区域天然气系统中节点和管道的关联矩阵，f是是区域天然气系统中天然气管道流量向量，ω为区域天然气系统中节点净负荷向量，Q
pipe是管道体积流量，△p是气体压力降，D是管道的直径，f
r是管道壁的摩擦系数，L是管道的长度，S是气体的比重；
将数据驱动对负荷变化的建模Y
t＝F
t(X
t)与天然气系统机理模型联系起来，则应满足Y
t＝F
t(X
t)＝ω；
利用数据驱动预测热力系统负荷的变化：
热力系统机理模型如下：
水力模型：
热力模型：
式中，A
DHS是区域热力系统中节点和管道的关联矩阵，
是管道的水流质量流率，
是节点的注入水流质量流率，i
1为回路标号，j
1为管道标号，B
DHS是回路关联矩阵，表征网络回路与管道间之间关系，K是管道中的阻抗系数；φ为热负荷所消耗的热功率，C
p为水的比热容，T
s为从热网进入各热负荷节点时的供水温度，T
o为各热负荷节点出水温度，T
o为已知量，T
start指水流进入管道时的温度，T
end指其从管道流出时的温度，T
a指外界环境温度，λ是 管道的热传导系数，L是管道的长度，
是出水管道质量流率，
是进水管道质量流率，T
out是出水管道温度，T
in是进水管道温度；
将数据驱动对负荷变化的建模Y
t＝F
t(X
t)与热力系统机理模型联系起来，则应满足Y
t＝F
t(X
t)＝φ；
利用数据驱动预测能源耦合环节负荷的变化：
能源耦合环节机理模型如下：
L
1＝CP
式中，P和L
1分别是能源耦合环节的输入和输出向量，C为耦合矩阵；
将数据驱动对负荷变化的建模Y
t＝F
t(X
t)与能源耦合环节机理模型联系起来，则应满足Y
t＝F
t(X
t)＝|L
1|。
所述步骤S2中利用改进的GSA算法对异常数据进行筛选和根据电-热-气系统耦合特性对异常数据进行关联辨识进一步包括以下步骤：
S2.1、利用改进的GSA算法对异常数据进行筛选，具体包括以下步骤：
S2.1.1、利用神经网络对综合能源系统的量测数据进行数值归一化预处理，得到误差的平方；
S2.1.2、对输入数据进行聚类，计算聚类离散度
式中，|Ca|表示聚类Ca所包含的数据点的个数，D
a表示聚类Ca内所有数据点两两之间的距离的平方和；
S2.1.3、计算k
1个聚类个数下，与量测数据相应的参考数据的
的期望
式中，F为利用数据的正常范围按均匀分布生成参考数据集的组数；
S2.1.4、计算聚类个数k
1对应的间隙统计量值Gap(k
1)，具体计算公式为
S2.1.5、满足不等式
的最小的k
1值，即为最佳聚类个数；
S2.1.6、根据k
1是否等于1判断输入数据中是否存在异常数据，如果k
1等于1，则输入数据中不存在异常数据；否则，输入数据中存在异常数据；
S2.2、输入步骤S2.1中筛选的异常数据，根据电-热-气综合能源系统耦合特性对异常数据进行关联辨识；
S2.2.1、分别获取电力系统、热力系统和天然气系统的实时量测数据；
S2.2.2、按式(2)分别计算电力系统、热力系统和天然气系统的实时量测数据的变化率△
e、△
h、△
g：
S2.2.3、根据获取的电力系统、热力系统和天然气系统的数据来初步判断异常数据属于电力系统、热力系统还是天然气系统；
S2.2.4、针对初步判定为各系统的异常数据，根据式(3)、式(4)和式(5)所示的三个不等式来最终判断是哪个系统存在异常数据：
|△
e-△
h|≤2％ (3)
|△
h-△
g|≤2％ (4)
|△
e-△
g|≤2％ (5)
如果初步判定异常数据属于电力系统，则首先判断|△
e-△
h|≤2％是否成立，如果|△
e-△
h|≤2％成立，再判断|△
h-△
g|≤2％是否成立，如果|△
h-△
g|≤2％也成立，则没有系统数据异常，如果|△
h-△
g|≤2％不成立，则天然气系统数据异常；如果|△
e-△
h|≤2％不成立，再判断|△
h-△
g|≤2％是否成立，如果|△
h-△
g|≤2％成立，则热力系统数据异常，如果|△
h-△
g|≤2％也不成立，则电力系统数据异常；
如果初步判定异常数据属于热力系统，则首先判断|△
e-△
h|≤2％是否成立，如果 |△
e-△
h|≤2％成立，再判断|△
e-△
g|≤2％是否成立，如果|△
e-△
g|≤2％也成立，则没有系统数据异常，如果|△
e-△
g|≤2％不成立，则天然气系统数据异常；如果|△
e-△
h|≤2％不成立，再判断|△
e-△
g|≤2％是否成立，如果|△
e-△
g|≤2％成立，则电力系统数据异常，如果|△
e-△
g|≤2％也不成立，则热力系统数据异常；
如果初步判定异常数据属于天然气系统，则首先判断|△
e-△
g|≤2％是否成立，如果|△
e-△
g|≤2％成立，再判断|△
h-△
g|≤2％是否成立，如果|△
h-△
g|≤2％也成立，则没有系统数据异常，如果|△
h-△
g|≤2％不成立，则热力系统数据异常；如果|△
e-△
g|≤2％不成立，再判断|△
h-△
g|≤2％是否成立，如果|△
h-△
g|≤2％成立，则电力系统数据异常，如果|△
h-△
g|≤2％也不成立，则天然气系统数据异常。
所述步骤S3.5中的牛顿拉夫逊法的迭代过程为：
式中，第一个等式为电力-热力-天然气系统流体部分方程，包括天然气系统能量流方程和热力系统水力方程，
为电力-热力-天然气系统流体部分待求变量，包括天然气系统能量流模型和热力系统水力模型中相关变量，
为牛顿拉夫逊法第k
n次迭代时的雅可比矩阵，
为此时的修正向量；
所述步骤S3.5中的热力系统能量流求解方法具体包括：
采用牛顿拉夫逊法对水力模型进行求解，根据求得的各管道的水流质量流率，求解热力模型，求得供回水温度，判断热力系统能流计算结果是否满足运行约束与精度要求，如果满足，则输出计算结果，如果不满足，则重复上述过程；
所述运行约束包括等式约束和不等式约束，以电力系统有功平衡方程和无功平衡方程、 天然气系统流量平衡方程、热力系统流量平衡方程作为等式约束，如下五式所示：
P
G,e+P
GAS,e+P
CHP,e+P
W,e+C
e,x-P
DEV,e-△P
W,e-P
D,e-P
e＝0,e＝1,2,…,N
e
F
G,g+F
DEV,g+C
g,y-F
GAS,g-F
CHP,g-F
D,g-F
g＝0,g＝1,2,…,N
g
式中，P
G,e、P
GAS,e、P
CHP,e和Q
G,e、Q
GAS,e、Q
CHP,e分别为电力系统节点e的非燃气常规机组、燃气发电机组、燃气热电联产机组的有功出力和无功出力；P
D,e、Q
D,e和P
e、Q
e分别为电力系统节点e的有功、无功负荷和注入有功、无功功率；P
W,e、Q
W,e和△P
W,e分别为电力系统节点e的风电场有功、无功功率和弃风功率；Q
C,e、P
DEV,e分别为电力系统节点e的无功补偿功率和装置消耗电功率；C
e,x为电负荷节点x的负荷削减变量；F
GAS,g、F
CHP,g、F
DEV,g分别为天然气系统节点g的燃气发电机组、燃气热电联产机组的消耗气流和装置的注入气流；F
G,g、F
D,g、F
g分别为天然气系统节点g的气源注入气流、气负荷和节点注入气流；C
g,y为气负荷节点g的负荷削减变量；GHV为天然气高热值；f
CHP,h、f
DEV,h分别为热力系统节点h的燃气热电联产机组的产生的水流和装置的注入的水流；f
G,h、f
D,h、f
h分别为热力系统节点h的热源注入水流、热负荷和节点注入水流；C
h,z为热负荷节点z的负荷削减变量；N
e、N
g、N
h分别为电力系统节点、天然气系统和热力系统节点的总数；P
CHP,z、H
CHP,z、ν
CHP,z分别为燃气热电联产机组z的有功出力、热负荷和热电比；N
b为燃气热电联产机组的总数；
不等式约束包括：电负荷、气负荷、热负荷削减变量和弃风变量的上下限约束；燃气机组的运行约束；天然气系统节点气压约束、气源注气量约束、压缩机压缩比约束；电力系统节点电压约束、非燃气常规机组出力约束、线路功率约束，不等式约束具体如下：
0≤C
e,x≤P
D,e,x＝1,2,…,N
d
0≤C
h,z≤H
CHP,z,z＝1,2,…,N
b
0≤△P
W,v≤P
W,v,v＝1,2,…,N
w
式中：π
g是天然气系统节点g的气压；R
r是压缩机支路r的压缩比；T
l是输电线路l流过的功率；
表示热力系统中的管道质量流率，
与
为其上、下限；N
t为热水管道总数；N
s、N
u、N
r分别为天然气气源、非燃气常规机组和输电线路的总数；N
d、N
g、N
b分别为电负荷节点、气负荷节点、燃气热电联产机组的总数；N
a为燃气发电机组的总数；N
p为压缩机支路的总数；V
e为电力系统节点e的电压；N
w为风电场的总数。
所述步骤S3.7中的优化模型具体如下：
所建优化模型以电负荷、气负荷、热负荷削减量和弃风量之和最小为优化目标，目标函数如下：
式中，C
e,x、C
g,y、C
h,z分别为电负荷节点x、气负荷节点y、燃气热电联产机组z的负荷削减变量；△P
w,v为风电场v的弃风变量；N
d、N
g分别为电负荷节点和气负荷节点的总数；λ
e,x、λ
g,y、λ
h,z、λ
w,v分别为表征各电负荷、气负荷、热负荷重要性和各风电场弃风严重性的权重因子；
以步骤S3.5中的运行约束作为优化模型的约束条件，即包括由电力系统有功平衡方程、无功平衡方程、天然气系统流量平衡方程、热力系统流量平衡方程组成的等式约束，和由电负荷、气负荷、热负荷削减变量和弃风变量的上下限约束、燃气机组的运行约束、天然气系统节点气压约束、气源注气量约束、压缩机压缩比约束、电力系统节点电压约束、非燃气常规机组出力约束、线路功率约束组成的不等式约束。
所述步骤S3.8中的计算稳定性指标包含：
越限程度：
式中，A
m'表示第m'次能流越限的大小，t
m'表示第m'次能流越限的时间，E表示电-热-气系统的总能量，m'
max表示能流越限总次数；
越限比率：
式中，N表示抽样次数；
根据(p
y',q
y')的值对系统的稳定性进行评估，依据稳定性评估标准对照表给出评估标准分数，稳定性评估标准对照表如表1所示，满分为10分；
表1
| 条件 | 评估分数 |
| pq≤0.04％ | 10 |
| 0.04％<pq≤0.25％ | 9 |
| 0.25％<pq≤1％ | 8 |
| 1％<pq≤2.25％ | 7 |
| 2.25％<pq≤4％ | 6 |
| 4％<pq≤6.25％ | 5 |
| 6.25％<pq≤9％ | 4 |
| 9％<pq≤12.25％ | 3 |
| 12.25％<pq≤16％ | 2 |
| 16％<pq≤25％ | 1 |
| pq>25％ | 0 |
所述稳定性指标的计算，要考虑时间尺度的不同，具体体现在对于热负荷，其指标计算要进行修正，所述热负荷稳定性指标的修正是指当没有扰动的时候，认为温度恒定，如果某时段热负荷温度低于温度下限或者高于温度上限则认为能流越限，该时段作为扰动后出现能流越限或不收敛的总持续时间的一部分。
所述步骤4中的有限代价包括：时间代价、人力代价和资金代价，分别如下三式所示；
式中，C
t”表示时间代价，t”表示系统从出现问题到解决问题并恢复正常的时间，T”表示这次系统出现问题距离上次系统出现问题的时间；C
h”表示人力代价，h”表示解决问题所需要的人数，H”表示系统正常工作时所需要工作人员的人数；C
p”表示资金代价，p”表示解决问题所需要的资金数目，P”表示该系统的年平均维护资金数目；
只有全部满足如下式所示的不等式约束时，才是有限代价，否则是超额代价；
采用上述技术方案所产生的有益效果在于：本发明提供的一种电-热-气综合能源系统的稳定评估与静态控制方法，从综合能源系统的概念和主要特征出发，采用机理驱动和数据驱动相结合的方法建立了能预测负荷变化的模型，并在所建模型的基础上，对异常数据进行辨识，包含利用改进的GSA算法对异常数据进行筛选和根据电-热-气系统耦合特性对异常数据进行关联辨识两大步骤，同时，以能量流的潮流求解和负荷削减量、弃风量计算为基础的综 合能源系统的稳定评估方法给出了一套具体可行的稳定评估方法，在此基础上，静态控制策略采用在子系统不能单独解决问题的时候多系统协调解决的思想，并考虑解决问题的低价是否有限的这一实际情况，对出现异常的系统进行有效合理的控制。本发明提出的稳定性指标计算公式和稳定性评估对照表综合考虑了能流越限程度和越限比率两个方面，实现了二者的平衡。
图1为本发明实施例提供的电-热-气综合能源系统的稳定评估与静态控制方法总流程图；
图2为本发明实施例提供的利用数据驱动来预测负荷的变化的流程图；
图3为本发明实施例提供的进行回归建模的流程图；
图4为本发明实施例提供的数据驱动和机理驱动相结合的综合能源系统的模型示意图；
图5为本发明实施例提供的利用改进的GSA算法对异常数据进行筛选的流程图；
图6为本发明实施例提供的根据电-热-气系统耦合特性对异常数据进行关联辨识的状况判别流程图；
图7为图6中状况1根据电-热-气系统耦合特性对异常数据进行关联辨识的流程图；
图8为图6中状况2根据电-热-气系统耦合特性对异常数据进行关联辨识的流程图；
图9为图6中状况3根据电-热-气系统耦合特性对异常数据进行关联辨识的流程图；
图10为本发明实施例提供的稳定评估方法的流程图；
图11为本发明实施例提供的对能量流进行综合求解的示意图；
图12为本发明实施例提供的热力系统能量流求解方法的流程图；
图13为本发明实施例提供的静态控制策略的流程图；
图14为本发明实施例提供的判断超额代价的流程图。
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
为了弥补现有技术中对综合能源系统的建模、异常数据的辨识、稳定评估方法和静态控制策略中忽略不同能源子系统之间的耦合关系及负荷的不确定性时，不全面协调考虑多系统协调控制的缺陷，本实施例提供一种电-热-气综合能源系统的稳定评估与静态控制方法，如图1所示，具体方法如下。
S1、根据现场数据或历史数据构建数据库，利用数据驱动来预测负荷的变化，进而对电-热-气综合能源系统进行建模，即采用数据驱动和机理驱动相结合的方法对电-热-气综合能源系统进行建模。
综合能源系统的负荷包括电负荷、热负荷和气负荷，这三种负荷的常见负荷包括工业负荷、农业负荷、交通运输业负荷和人民生活用电负荷等。这三种负荷都会随着用户需求的变化而发生变化，这种变化会对综合能源系统的建模产生影响。
利用数据驱动来预测负荷的变化的流程如图2所示，具体包括以下步骤：
S1.1、采集现场数据构建数据库，当现场数据不合要求时利用历史数据构建数据库。
S1.2、令X∈R
M'×d'，利用上下截断点，根据式(1)来剔除野点得到有效数据集合X∈Ω；
式中，R
M'×d'表示原始的历史数据空间，X表示历史数据向量，M
qj表示X中第j个变量的q分位数，d'表示数据向量的维数，M'表示原始的数据向量个数，Ω表示处理之后的历史数据空间，d表示数据空间Ω的维度，M表示数据空间Ω的数据向量个数，i表示数据向量的序号，1≤i≤M，j表示数据向量的维度序号，1≤j≤d，x
ij表示第个i数据记录中第j个变量的数值，Q表示子空间的数量。
S1.3、假设按照每一维度将Ω划分成q
j个子集，X
i每一维度的最大值和最小值分别为
和
则
由此确定子空间个数q
1、q
2、…、q
j。
S1.4、确定超立方体边界：用LU
jt和LD
jt分别表示第j维度上的第t(2≤t≤q
j)个子空间的上边界和下边界，则
S1.5、自适应改变空间深度：子空间划分时，由最少的空间个数开始划分，并计算划分后每个子空间中数据点的数量P
i，i＝1,2,…,q
1或q
2或…或q
j，即第q
1个子空间中数据点的数量为P
i，其中i＝1,2,…,q
1，……，第q
j个子空间中数据点的数量P
i，其中i＝1,2,…,q
j；统计P
i＝0的数量，当其小于给定值ε时，说明子空间划分的不够细致，应增加空间划分的深度，因此增加q
j的数值继续深入划分空间，直到空间的数量达到ε时停止。
S1.6、合并子空间：划分空间后，如果部分空间中只有一个数据，则计算该数据与其相邻空间内数据的欧式距离的均值，并将该数据空间与均值最小的数据空间合并，最终确定q
1个子空间。
S1.7、在q
1个子空间中，依次使用非线性迭代偏最小二乘方法进行回归建模，得到所有 子空间的回归模型；回归建模的流程如图3所示，具体过程如下：
S1.7.1、定义数据的边界s，当j≤s时，x
ij为输入数据，即自变量，令自变量矩阵为X
t；当j>s时，x
ij为输出数据，即因变量，令因变量矩阵为Y
t；计算X
t的得分向量t
1及载荷向量p'，计算Y
t的得分向量u及载荷向量q'；
S1.7.2、计算X
t和Y
t矩阵的残差，X
t矩阵的残差为E＝X
t-t
1p'，Y
t矩阵的残差为F＝Y
t-uq'；
S1.7.3、计算预测误差平方和S
PRESS，当其小于预期精度时，继续选择矩阵的主元进行迭代计算；当其大于预期精度时，则表明已经得到了最佳的主元数目，可得到X
t与Y
t矩阵的关系表达式，从而得到该子空间上的回归模型Y
t＝F
t(X
t)；
S1.7.4、继续计算下一子空间的回归模型，依次得到所有子空间的回归模型。
S1.8、输出结果，更新数据库。
综合能源系统包括三种负荷：电负荷、热负荷和气负荷。从图2可以看出，不论是哪种负荷，基于数据子空间的建模方法都是一样的，最后都得到所有子空间的回归模型，这就实现了利用数据驱动来预测负荷的变化。
步骤S1中采用数据驱动和机理驱动相结合的方法对综合能源系统进行建模进一步包括以下内容：
利用数据驱动预测电力系统负荷的变化：
电力系统机理模型如下：
式中，P
i
p和Q
i
p分别为i节点p相的有功净负荷、无功净负荷，N为节点总数，V
i
p为i节点p相的电压，V
k
m为k节点m相的电压，cosθ
ik
pm为i与k节点的p相与m相相角差，G
ik
pm和B
ik
pm分别为i与k节点的p相与m相之间的电导和电纳；
将数据驱动对负荷变化的建模Y
t＝F
t(X
t)与电力系统机理模型联系起来，则应满足
利用数据驱动预测天然气系统负荷的变化：
天然气系统机理模型如下：
A
NGSf+ω＝0
式中，A
NGS是区域天然气系统中节点和管道的关联矩阵，f是是区域天然气系统中天然气管道流量向量，ω为区域天然气系统中节点净负荷向量，Q
pipe是管道体积流量，△p是气体压力降，D是管道的直径，f
r是管道壁的摩擦系数，L是管道的长度，S是气体的比重；
将数据驱动对负荷变化的建模Y
t＝F
t(X
t)与天然气系统机理模型联系起来，则应满足Y
t＝F
t(X
t)＝ω：
利用数据驱动预测热力系统负荷的变化：
热力系统机理模型如下：
水力模型：
热力模型：
式中，A
DHS是区域热力系统中节点和管道的关联矩阵，
是管道的水流质量流率，
是节点的注入水流质量流率，i
1为回路标号，j
1为管道标号，B
DHS是回路关联矩阵，表征网络回路与管道间之间关系，K是管道中的阻抗系数；φ为热负荷所消耗的热功率，C
p为水的比热容，T
s为从热网进入各热负荷节点时的供水温度，T
o为各热负荷节点出水温度，T
o为已知量，T
start指水流进入管道时的温度，T
end指其从管道流出时的温度，T
a指外界环境温度，λ是管道的热传导系数，L是管道的长度，
是出水管道质量流率，
是进水管道质量流率， T
out是出水管道温度，T
in是进水管道温度；
将数据驱动对负荷变化的建模Y
t＝F
t(X
t)与热力系统机理模型联系起来，则应满足Y
t＝F
t(X
t)＝φ；
利用数据驱动预测能源耦合环节负荷的变化：
能源耦合环节机理模型如下：
L
1＝CP
式中，P和L
1分别是能源耦合环节的输入和输出向量，C为耦合矩阵；
将数据驱动对负荷变化的建模Y
t＝F
t(X
t)与能源耦合环节机理模型联系起来，则应满足Y
t＝F
t(X
t)＝|L
1|。
本实施例中，数据驱动和机理驱动相结合的综合能源系统的模型如图4所示。
在实际运行过程中，在数据的采集、传输过程中的误差导致系统总会出现一些异常数据，如果不能及时辨识出这些异常数据，就会对人们的生产生活选成很大影响。
S2、进行异常数据的辨识，利用改进的GSA算法对异常数据进行筛选，并根据电-热-气综合能源系统耦合特性对异常数据进行关联辨识。
利用改进的GSA算法对异常数据进行筛选实际上是利用聚类算法来将异常数据找出来，其流程如图5所示。但有时候单凭此不足以判定异常数据，还需要结合电-热-气系统耦合特性对异常数据进行关联辨识，根据存疑数据属于哪个系统分为三种不同情况，每种情况再根据三个系统数据变化率之差的绝对值大小依照系统之间的耦合关系来进一步判断哪个系统存在异常数据，其流程如图6所示。对异常数据进行筛选和关联辨识的过程具体如下。
S2.1、利用改进的GSA算法对异常数据进行筛选，具体包括以下步骤：
S2.1.1、利用神经网络对综合能源系统的量测数据进行数值归一化预处理，得到误差的平方；
S2.1.2、对输入数据进行聚类，计算聚类离散度
式中，|Ca|表示聚类Ca所包含的数据点的个数，D
a表示聚类Ca内所有数据点两两之间的距离的平方和；
S2.1.3、计算k
1个聚类个数下，与量测数据相应的参考数据的
的期望
式中，F为利用数据的正常范围按均匀分布生成参考数据集的组数；
S2.1.4、计算聚类个数k
1对应的间隙统计量值Gap(k
1)，具体计算公式为
S2.1.5、满足不等式
的最小的k
1值，即为最佳聚类个数；
S2.1.6、根据k
1是否等于1判断输入数据中是否存在异常数据，如果k
1等于1，则输入数据中不存在异常数据；否则，输入数据中存在异常数据；
S2.2、输入步骤S2.1中筛选的异常数据，根据电-热-气综合能源系统耦合特性对异常数据进行关联辨识；
S2.2.1、分别获取电力系统、热力系统和天然气系统的实时量测数据；
S2.2.2、按式(2)分别计算电力系统、热力系统和天然气系统的实时量测数据的变化率△
e、△
h、△
g：
S2.2.3、根据获取的电力系统、热力系统和天然气系统的数据来初步判断异常数据属于电力系统、热力系统还是天然气系统；
S2.2.4、针对初步判定为各系统的异常数据，根据式(3)、式(4)和式(5)所示的三个不等式来最终判断是哪个系统存在异常数据：
|△
e-△
h|≤2％ (3)
|△
h-△
g|≤2％ (4)
|△
e-△
g|≤2％ (5)
如果初步判定异常数据属于电力系统，即初步判断为状况1，如图7所示，则首先判断|△
e-△
h|≤2％是否成立，如果|△
e-△
h|≤2％成立，再判断|△
h-△
g|≤2％是否成立，如果|△
h-△
g|≤2％也成立，则没有系统数据异常，如果|△
h-△
g|≤2％不成立，则天然气系统数据异常；如果|△
e-△
h|≤2％不成立，再判断|△
h-△
g|≤2％是否成立，如果|△
h-△
g|≤2％成立，则热力系统数据异常，如果|△
h-△
g|≤2％也不成立，则电力系统数据异常；
如果初步判定异常数据属于热力系统，即初步判断为状况2，如图8所示，则首先判断|△
e-△
h|≤2％是否成立，如果|△
e-△
h|≤2％成立，再判断|△
e-△
g|≤2％是否成立，如果|△
e-△
g|≤2％也成立，则没有系统数据异常，如果|△
e-△
g|≤2％不成立，则天然气系统数据异常；如果|△
e-△
h|≤2％不成立，再判断|△
e-△
g|≤2％是否成立，如果|△
e-△
g|≤2％成立，则电力系统数据异常，如果|△
e-△
g|≤2％也不成立，则热力系统数据异常；
如果初步判定异常数据属于天然气系统，即初步判断为状况3，如图9所示，则首先判断|△
e-△
g|≤2％是否成立，如果|△
e-△
g|≤2％成立，再判断|△
h-△
g|≤2％是否成立，如果|△
h-△
g|≤2％也成立，则没有系统数据异常，如果|△
h-△
g|≤2％不成立，则热力系统数据异常；如果|△
e-△
g|≤2％不成立，再判断|△
h-△
g|≤2％是否成立，如果|△
h-△
g|≤2％成立，则电力系统数据异常，如果|△
h-△
g|≤2％也不成立，则天然气系统数据异常。
S3、进行稳定评估，包括以下步骤。
S3.1读取综合能源系统的初始状态参数，抽样次数k'＝1，能流越限次数m'＝0，第m'次能流越限的大小A
m'＝0。
S3.2、从预想事故集中随机选择一个扰动，引入扰动。
S3.3、利用非时序蒙特卡洛模拟法对系统元件状态、电/热/气负荷、风速对应的随机变量进行抽样，获取系统状态。
S3.4、对电-热-气互联系统进行拓扑分析，分析系统的节点由支路和耦合元件连接成多少子系统。
S3.5、对拓扑分析后得到的系统根据所建能流模型进行计算；
电力-热力-天然气系统能流模型如下：
式中，f
EPS、f
NGS、f
DHS、f
HES分别表示区域电力系统、区域天然气系统、区域热力系统、能源耦合环节的能量流方程；x
e表示区域电力系统能量流相关变量，例如电压、电流、相角等；x
g表示区域天然气系统能量流相关变量，例如天然气节点压力、管道流量等；x
h表示区域热力系统能量流相关变量，例如管道质量流率、供水温度、回水温度等；x
HES表示能源耦合环节能量流相关变量，例如分配系数等；
在步骤S1所建立的综合能源系统模型的基础上，采用解耦求解方法对能量流进行综合求解，其中，电力系统采用前推回代法进行潮流求解，天然气系统采用牛顿拉夫逊法进行潮流求解，热力系统采用能量流求解方法进行潮流求解；
其中，牛顿拉夫逊法的迭代过程为：
式中，第一个等式为电力-热力-天然气系统流体部分方程，包括天然气系统能量流方程和热力系统水力方程，
为电力-热力-天然气系统流体部分待求变量，包括天然气系统能量流模型和热力系统水力模型中相关变量，
为牛顿拉夫逊法第k
n次迭代时的雅可比矩阵，
为此时的修正向量；
热力系统能量流求解方法具体包括：
采用牛顿拉夫逊法对水力模型进行求解，水力模型具体见下式：
根据求得的各管道的水流质量流率，求解热力模型，热力模型具体见下式：
求得供回水温度，判断热力系统能流计算结果是否满足运行约束与精度要求，如果满足，则输出计算结果，如果不满足，则重复上述过程；
所述运行约束包括等式约束和不等式约束，以电力系统有功平衡方程和无功平衡方程、天然气系统流量平衡方程、热力系统流量平衡方程作为等式约束，如下五式所示：
P
G,e+P
GAS,e+P
CHP,e+P
W,e+C
e,x-P
DEV,e-△P
W,e-P
D,e-P
e＝0,e＝1,2,…,N
e
F
G,g+F
DEV,g+C
g,y-F
GAS,g-F
CHP,g-F
D,g-F
g＝0,g＝1,2,…,N
g
式中，P
G,e、P
GAS,e、P
CHP,e和Q
G,e、Q
GAS,e、Q
CHP,e分别为电力系统节点e的非燃气常规机组、燃气发电机组、燃气热电联产机组的有功出力和无功出力；P
D,e、Q
D,e和P
e、Q
e分别为电力系统节点e的有功、无功负荷和注入有功、无功功率；P
W,e、Q
W,e和△P
W,e分别为电力系统节点e的风电场有功、无功功率和弃风功率；Q
C,e、P
DEV,e分别为电力系统节点e的无功补偿功率和装置消耗电功率；C
e,x为电负荷节点x的负荷削减变量；F
GAS,g、F
CHP,g、F
DEV,g分别为天然气系统节点g的燃气发电机组、燃气热电联产机组的消耗气流和装置的注入气流；F
G,g、F
D,g、F
g分别为天然气系统节点g的气源注入气流、气负荷和节点注入气流；C
g,y为 气负荷节点g的负荷削减变量；GHV为天然气高热值；f
CHP,h、f
DEV,h分别为热力系统节点h的燃气热电联产机组的产生的水流和装置的注入的水流；f
G,h、f
D,h、f
h分别为热力系统节点h的热源注入水流、热负荷和节点注入水流；C
h,z为热负荷节点z的负荷削减变量；N
e、N
g、N
h分别为电力系统节点、天然气系统和热力系统节点的总数；P
CHP,z、H
CHP,z、ν
CHP,z分别为燃气热电联产机组z的有功出力、热负荷和热电比；N
b为燃气热电联产机组的总数；
不等式约束包括：电负荷、气负荷、热负荷削减变量和弃风变量的上下限约束；燃气机组的运行约束；天然气系统节点气压约束、气源注气量约束、压缩机压缩比约束；电力系统节点电压约束、非燃气常规机组出力约束、线路功率约束，不等式约束具体如下：
0≤C
e,x≤P
D,e,x＝1,2,…,N
d
0≤C
h,z≤H
CHP,z,z＝1,2,…,N
b
0≤△P
W,v≤P
W,v,v＝1,2,…,N
w
式中：π
g是天然气系统节点g的气压；R
r是压缩机支路r的压缩比；T
l是输电线路l流过的功率；
表示热力系统中的管道质量流率，
与
为其上、下限；N
t为热水管道总数；N
s、N
u、N
r分别为天然气气源、非燃气常规机组和输电线路的总数；N
d、N
g、N
b分别为电负荷节点、气负荷节点、燃气热电联产机组的总数；N
a为燃气发电机组的总数；N
p为压缩机支路的总数；V
e为电力系统节点e的电压；N
w为风电场的总数。
S3.6、根据能流模型计算结果判断是否出现能流越限，如果出现能流越限，则越限次数m'加1，记录此次越限大小A
m'和越限时间t
m'，执行步骤S3.7，如果未出现能流越限，则直接执行步骤S3.8。
S3.7、对存在问题的系统状态，建立优化模型，利用该优化模型进行电负荷、气负荷、热负荷削减量和弃风量计算，该优化模型是一个非线性优化问题，采用内点法对该优化模型进行有效求解；
优化模型具体如下：
所建优化模型以电负荷、气负荷、热负荷削减量和弃风量之和最小为优化目标，目标函数如下：
式中，C
e,x、C
g,y、C
h,z分别为电负荷节点x、气负荷节点y、燃气热电联产机组z的负荷削减变量；△P
w,v为风电场v的弃风变量；N
d、N
g分别为电负荷节点和气负荷节点的总数；λ
e,x、λ
g,y、λ
h,z、λ
w,v分别为表征各电负荷、气负荷、热负荷重要性和各风电场弃风严重性的权重因子；
以步骤S3.5中的运行约束作为优化模型的约束条件，即包括由电力系统有功平衡方程、无功平衡方程、天然气系统流量平衡方程、热力系统流量平衡方程组成的等式约束，和由电负荷、气负荷、热负荷削减变量和弃风变量的上下限约束、燃气机组的运行约束、天然气系统节点气压约束、气源注气量约束、压缩机压缩比约束、电力系统节点电压约束、非燃气常规机组出力约束、线路功率约束组成的不等式约束。
具体实施中，针对具体地区和设备可能会在此基础上增加一些其他约束，要根据具体情 况具体确定。
S3.8、判断抽样次数k'是否等于最大抽样次数，如果等于，则计算稳定性指标，输出稳定性评估结果，如果不等于，则重复步骤S3.2-S3.6；
计算稳定性指标包含：
越限程度：
式中，A
m'表示第m'次能流越限的大小，t
m'表示第m'次能流越限的时间，E表示电-热-气系统的总能量，m'
max表示能流越限总次数；
越限比率：
式中，N表示抽样次数；
根据(p
y',q
y')的值对系统的稳定性进行评估，依据稳定性评估标准对照表给出评估标准分数，稳定性评估标准对照表如表1所示，满分为10分；
表1
| 条件 | 评估分数 |
| pq≤0.04％ | 10 |
| 0.04％<pq≤0.25％ | 9 |
| 0.25％<pq≤1％ | 8 |
| 1％<pq≤2.25％ | 7 |
| 2.25％<pq≤4％ | 6 |
| 4％<pq≤6.25％ | 5 |
| 6.25％<pq≤9％ | 4 |
| 9％<pq≤12.25％ | 3 |
| 12.25％<pq≤16％ | 2 |
| 16％<pq≤25％ | 1 |
| pq>25％ | 0 |
其中，抽样次数依具体情况而定，但不能太小，要确保抽样具有一定的代表性；
所述稳定性指标的计算，要考虑时间尺度的不同，具体体现在对于热负荷，其指标计算 要进行修正，所述热负荷稳定性指标的修正是指当没有扰动的时候，认为温度恒定，如果某时段热负荷温度低于温度下限或者高于温度上限则认为能流越限，该时段作为扰动后出现能流越限或不收敛的总持续时间的一部分。
具体实施中，系统的稳定性既要考虑越限程度，也要考虑在一定抽样次数中的越限次数，系统的稳定评估具体流程如图10所示，流程图中涉及到对不同子系统采用不同的方法对能量流进行综合求解的过程如图11所示，热力系统能量流求解方法的流程如图12所示。
其中，稳定评估标准兼顾越限程度和越限比率两个稳定性指标，只要其中一个指标比较大就会使得系统的稳定性评估分数降低，只有这两个指标同时很小时系统才比较稳定，实际应用中应尽可能的把这两个指标降到最低。
S4、根据稳态评估结果，对电-热-气综合能源系统进行静态控制，所述静态控制的策略分为两种，其中一种是子系统独立解决问题，另外一种是多系统协调解决问题；多系统协调解决问题采用多智体协同工作的思想，根据具体情况对电-热-气综合能源系统加以协调控制，当控制一个子系统不能使系统回到正常运行的状态时，控制多个系统通过子系统之间的紧密耦合关系使回到正常运行的状态；所述两种策略最终都有两种输出结果，分别为执行解决方案并记录报告和报警，判断输出哪种结果的标准是能否以有限代价解决问题；静态控制策略的流程如图13所示。
其中的有限代价包括：时间代价、人力代价和资金代价，分别如下三式所示；
时间代价：
人力代价：
资金代价：
式中，C
t”表示时间代价，t”表示系统从出现问题到解决问题并恢复正常的时间，T”表示这次系统出现问题距离上次系统出现问题的时间；C
h”表示人力代价，h”表示解决问题所需要的人数，H”表示系统正常工作时所需要工作人员的人数；C
p”表示资金代价，p”表示解决问题所需要的资金数目，P”表示该系统的年平均维护资金数目；
只有全部满足如下式所示的不等式约束时，才是有限代价，否则是超额代价；
判断超额代价的流程如图14所示。对于综合能源系统的静态控制策略，一方面，优先考虑子系统独立解决问题，如果子系统无法独立解决，再考虑多系统协调解决问题，另一方面，如果用有限代价可以解决问题，则执行方案并记录报告，如果只能用超额代价解决问题，则需要报警。
具体地，子系统独立解决问题是指单独控制子系统的阀门、节点等关键部分可以使系统回到正常运行的状态，多系统协调解决问题是指当控制一个子系统不能使系统回到正常运行的状态时，控制多个系统通过子系统之间的紧密耦合关系使回到正常运行的状态。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (10)
- 一种电-热-气综合能源系统的稳定评估与静态控制方法，其特征在于：该方法包括以下步骤：S1、根据现场数据或历史数据构建数据库，利用数据驱动来预测负荷的变化，进而对电-热-气综合能源系统进行建模，即采用数据驱动和机理驱动相结合的方法对电-热-气综合能源系统进行建模；S2、进行异常数据的辨识，利用改进的GSA算法对异常数据进行筛选，并根据电-热-气综合能源系统耦合特性对异常数据进行关联辨识；S3、进行稳定评估，包括以下步骤：S3.1读取综合能源系统的初始状态参数，抽样次数k′＝1，能流越限次数m′＝0，第m′次能流越限的大小A m′＝0；S3.2、从预想事故集中随机选择一个扰动，引入扰动；S3.3、利用非时序蒙特卡洛模拟法对系统元件状态、电/热/气负荷、风速对应的随机变量进行抽样，获取系统状态；S3.4、对电-热-气互联系统进行拓扑分析，分析系统的节点由支路和耦合元件连接成多少子系统；S3.5、对拓扑分析后得到的系统根据所建能流模型进行计算；电力-热力-天然气系统能流模型如下：
式中，f EPS、f NGS、f DHS、f HES分别表示区域电力系统、区域天然气系统、区域热力系统、能源耦合环节的能量流方程；x e表示区域电力系统能量流相关变量，x g表示区域天然气系统能量流相关变量，x h表示区域热力系统能量流相关变量，x HES表示能源耦合环节能量流相关变量；在步骤S1所建立的综合能源系统模型的基础上，采用解耦求解方法对能量流进行综合求解，其中，电力系统采用前推回代法进行潮流求解，天然气系统采用牛顿拉夫逊法进行潮流求解，热力系统采用能量流求解方法进行潮流求解；S3.6、根据能流模型计算结果判断是否出现能流越限，如果出现能流越限，则越限次数m′ 加1，记录此次越限大小A m′和越限时间t m′，执行步骤S3.7，如果未出现能流越限，则直接执行步骤S3.8；S3.7、对存在问题的系统状态，建立由非线性优化问题构成的优化模型，利用该优化模型进行电负荷、气负荷、热负荷削减量和弃风量计算，采用内点法对该优化模型进行有效求解；S3.8、判断抽样次数k′是否等于最大抽样次数，如果等于，则计算稳定性指标，输出稳定性评估结果，如果不等于，则重复步骤S3.2-S3.6；S4、根据稳态评估结果，对电-热-气综合能源系统进行静态控制，所述静态控制的策略分为两种，其中一种是子系统独立解决问题，另外一种是多系统协调解决问题；多系统协调解决问题采用多智体协同工作的思想，根据具体情况对电-热-气综合能源系统加以协调控制，当控制一个子系统不能使系统回到正常运行的状态时，控制多个系统通过子系统之间的紧密耦合关系使回到正常运行的状态；所述两种策略最终都有两种输出结果，分别为执行解决方案并记录报告和报警，判断输出哪种结果的标准为能否以有限代价解决问题。 - 根据权利要求1所述的电-热-气综合能源系统的稳定评估与静态控制方法，其特征在于：所述步骤S1中利用数据驱动来预测负荷的变化进一步包括以下步骤：S1.1、采集现场数据构建数据库，当现场数据不合要求时利用历史数据构建数据库；S1.2、令X∈R M′×d′，利用上下截断点，根据式(1)来剔除野点得到有效数据集合X∈Ω；
式中，R M′×d′表示原始的历史数据空间，X表示历史数据向量，M qj表示X中第j个变量的q分位数，d′表示数据向量的维数，M′表示原始的数据向量个数，Ω表示处理之后的历史数据空间，d表示数据空间Ω的维度，M表示数据空间Ω的数据向量个数，i表示数据向量的序号，1≤i≤M，j表示数据向量的维度序号，1≤j≤d，x ij表示第个i数据记录中第j个变量的数值，Q表示子空间的数量；S1.3、假设按照每一维度将Ω划分成q j个子集，X i每一维度的最大值和最小值分别为和
则
由此确定子空间个数q 1、q 2、…、q j；
S1.4、确定超立方体边界：用LU jt和LD jt分别表示第j维度上的第t(2≤t≤q j)个子空间的上边界和下边界，则
S1.5、自适应改变空间深度：子空间划分时，由最少的空间个数开始划分，并计算划分后每个子空间中数据点的数量P i，i＝1，2，...，q 1或q 2或…或q j，即第q 1个子空间中数据点的数量为P i，其中i＝1，2，...，q 1，第q j个子空间中数据点的数量P i，其中i＝1，2，...，q j；统计P i＝0的数量，当其小于给定值ε时，说明子空间划分的不够细致，应增加空间划分的深度，因此增加q j的数值继续深入划分空间，直到空间的数量达到ε时停止；S1.6、合并子空间：划分空间后，如果部分空间中只有一个数据，则计算该数据与其相邻空间内数据的欧式距离的均值，并将该数据空间与均值最小的数据空间合并，最终确定q 1个子空间；S1.7、在q 1个子空间中，依次使用非线性迭代偏最小二乘方法进行回归建模，得到所有子空间的回归模型；S1.8、输出结果，更新数据库。 - 根据权利要求2所述的电-热-气综合能源系统的稳定评估与静态控制方法，其特征在于：所述步骤S1.7中的回归建模进一步包括以下步骤：S1.7.1、定义数据的边界s，当j≤s时，x ij为输入数据，即自变量，令自变量矩阵为X t；当j＞s时，x ij为输出数据，即因变量，令因变量矩阵为Y t；计算X t的得分向量t 1及载荷向量p′，计算Y t的得分向量u及载荷向量q′；S1.7.2、计算X t和Y t矩阵的残差，X t矩阵的残差为E＝X t-t 1p′，Y t矩阵的残差为F＝Y t-uq′；S1.7.3、计算预测误差平方和S PRESS，当其小于预期精度时，继续选择矩阵的主元进行迭代计算；当其大于预期精度时，则表明已经得到了最佳的主元数目，可得到X t与Y t矩阵的关系表达式，从而得到该子空间上的回归模型Y t＝F t(X t)；S1.7.4、继续计算下一子空间的回归模型，依次得到所有子空间的回归模型。
- 根据权利要求3所述的电-热-气综合能源系统的稳定评估与静态控制方法，其特征在于：所述步骤S1中采用数据驱动和机理驱动相结合的方法对综合能源系统进行建模进一步包括：利用数据驱动预测电力系统负荷的变化：电力系统机理模型如下：
式中，P i p和Q i p分别为i节点p相的有功净负荷、无功净负荷，N为节点总数，V i p为i节点p相的电压，V k m为k节点m相的电压，cosθ ik pm为i与k节点的p相与m相相角差，G ik pm和B ik pm分别为i与k节点的p相与m相之间的电导和电纳；将数据驱动对负荷变化的建模Y t＝F t(X t)与电力系统机理模型联系起来，则应满足
利用数据驱动预测天然气系统负荷的变化：天然气系统机理模型如下：A NGSf+ω＝0
式中，A NGS是区域天然气系统中节点和管道的关联矩阵，f是是区域天然气系统中天然气管道流量向量，ω为区域天然气系统中节点净负荷向量，Q pipe是管道体积流量，Δp是气体压力降，D是管道的直径，f r是管道壁的摩擦系数，L是管道的长度，S是气体的比重；将数据驱动对负荷变化的建模Y t＝F t(X t)与天然气系统机理模型联系起来，则应满足Y t＝F t(X t)＝ω；利用数据驱动预测热力系统负荷的变化：热力系统机理模型如下：水力模型：
热力模型：
式中，A DHS是区域热力系统中节点和管道的关联矩阵，是管道的水流质量流率，
是节点的注入水流质量流率，i 1为回路标号，j 1为管道标号，B DHS是回路关联矩阵，表征网络回路与管道间之间关系，K是管道中的阻抗系数；φ为热负荷所消耗的热功率，C p为水的比热容，T s为从热网进入各热负荷节点时的供水温度，T o为各热负荷节点出水温度，T o为已知量，T start指水流进入管道时的温度，T end指其从管道流出时的温度，T a指外界环境温度，λ是管道的热传导系数，L是管道的长度，
是出水管道质量流率，
是进水管道质量流率，T out是出水管道温度，T in是进水管道温度；
将数据驱动对负荷变化的建模Y t＝F t(X t)与热力系统机理模型联系起来，则应满足Y t＝F t(X t)＝φ；利用数据驱动预测能源耦合环节负荷的变化：能源耦合环节机理模型如下：L 1＝CP式中，P和L 1分别是能源耦合环节的输入和输出向量，C为耦合矩阵；将数据驱动对负荷变化的建模Y t＝F t(X t)与能源耦合环节机理模型联系起来，则应满足Y t＝F t(X t)＝|L 1|。 - 根据权利要求1所述的电-热-气综合能源系统的稳定评估与静态控制方法，其特征在于：所述步骤S2中利用改进的GSA算法对异常数据进行筛选和根据电-热-气系统耦合特性对异常数据进行关联辨识进一步包括以下步骤：S2.1、利用改进的GSA算法对异常数据进行筛选，具体包括以下步骤：S2.1.1、利用神经网络对综合能源系统的量测数据进行数值归一化预处理，得到误差的平方；S2.1.2、对输入数据进行聚类，计算聚类离散度
式中，|Ca|表示聚类Ca所包含的数据点的个数，D a表示聚类Ca内所有数据点两两之间的距离的平方和；S2.1.3、计算k 1个聚类个数下，与量测数据相应的参考数据的的期望
式中，F为利用数据的正常范围按均匀分布生成参考数据集的组数；S2.1.4、计算聚类个数k 1对应的间隙统计量值Gap(k 1)，具体计算公式为
的标准差
和
的标准差
计算为：
S2.1.5、满足不等式的最小的k 1值，即为最佳聚类个数；
S2.1.6、根据k 1是否等于1判断输入数据中是否存在异常数据，如果k 1等于1，则输入数据中不存在异常数据；否则，输入数据中存在异常数据；S2.2、输入步骤S2.1中筛选的异常数据，根据电-热-气综合能源系统耦合特性对异常数据进行关联辨识；S2.2.1、分别获取电力系统、热力系统和天然气系统的实时量测数据；S2.2.2、按式(2)分别计算电力系统、热力系统和天然气系统的实时量测数据的变化率Δ e、Δ h、Δ g：
S2.2.3、根据获取的电力系统、热力系统和天然气系统的数据来初步判断异常数据属于电力系统、热力系统还是天然气系统；S2.2.4、针对初步判定为各系统的异常数据，根据式(3)、式(4)和式(5)所示的三个 不等式来最终判断是哪个系统存在异常数据：|Δ e-Δ h|≤2％ (3)|Δ h-Δ g|≤2％ (4)|Δ e-Δ g|≤2％ (5)如果初步判定异常数据属于电力系统，则首先判断|Δ e-Δ h|≤2％是否成立，如果|Δ e-Δ h|≤2％成立，再判断|Δ h-Δ g|≤2％是否成立，如果|Δ h-Δ g|≤2％也成立，则没有系统数据异常，如果|Δ h-Δ g|≤2％不成立，则天然气系统数据异常；如果|Δ e-Δ h|≤2％不成立，再判断|Δ h-Δ g|≤2％是否成立，如果|Δ h-Δ g|≤2％成立，则热力系统数据异常，如果|Δ h-Δ g|≤2％也不成立，则电力系统数据异常；如果初步判定异常数据属于热力系统，则首先判断|Δ e-Δ h|≤2％是否成立，如果|Δ e-Δ h|≤2％成立，再判断|Δ e-Δ g|≤2％是否成立，如果|Δ e-Δ g|≤2％也成立，则没有系统数据异常，如果|Δ e-Δ g|≤2％不成立，则天然气系统数据异常；如果|Δ e-Δ h|≤2％不成立，再判断|Δ e-Δ g|≤2％是否成立，如果|Δ e-Δ g|≤2％成立，则电力系统数据异常，如果|Δ e-Δ g|≤2％也不成立，则热力系统数据异常；如果初步判定异常数据属于天然气系统，则首先判断|Δ e-Δ g|≤2％是否成立，如果|Δ e-Δ g|≤2％成立，再判断|Δ h-Δ g|≤2％是否成立，如果|Δ h-Δ g|≤2％也成立，则没有系统数据异常，如果|Δ h-Δ g|≤2％不成立，则热力系统数据异常；如果|Δ e-Δ g|≤2％不成立，再判断|Δ h-Δ g|≤2％是否成立，如果|Δ h-Δ g|≤2％成立，则电力系统数据异常，如果|Δ h-Δ g|≤2％也不成立，则天然气系统数据异常。 - 根据权利要求1所述的电-热-气综合能源系统的稳定评估与静态控制方法，其特征在于：所述步骤S3.5中的牛顿拉夫逊法的迭代过程为：
式中，第一个等式为电力-热力-天然气系统流体部分方程，包括天然气系统能量流方程 和热力系统水力方程，为电力-热力-天然气系统流体部分待求变量，包括天然气系统能量流模型和热力系统水力模型中相关变量，
为牛顿拉夫逊法第k n次迭代时的雅可比矩阵，
为此时的修正向量；
为牛顿拉夫逊法迭代的误差向量。
- 根据权利要求6所述的电-热-气综合能源系统的稳定评估与静态控制方法，其特征在于：所述步骤S3.5中的热力系统能量流求解方法具体包括：采用牛顿拉夫逊法对水力模型进行求解，根据求得的各管道的水流质量流率，求解热力模型，求得供回水温度，判断热力系统能流计算结果是否满足运行约束与精度要求，如果满足，则输出计算结果，如果不满足，则重复上述过程；所述运行约束包括等式约束和不等式约束，以电力系统有功平衡方程和无功平衡方程、天然气系统流量平衡方程、热力系统流量平衡方程作为等式约束，如下五式所示：P G，e+P GAS，e+P CHP，e+P W，e+C e，x-P DEV，e-ΔP W，e-P D，e-P e＝0，e＝1，2，...，N e
F G，g+F DEV，g+C g，y-F GAS，g-F CHP，g-F D，g-F g＝0，g＝1，2，...，N g
式中，P G，e、P GAS，e、P CHP，e和Q G，e、Q GAS，e、Q CHP，e分别为电力系统节点e的非燃气常规机组、燃气发电机组、燃气热电联产机组的有功出力和无功出力；P D，e、Q D，e和P e、Q e分别为电力系统节点e的有功、无功负荷和注入有功、无功功率；P W，e、Q W，e和ΔP W，e分别为电力系统节点e的风电场有功、无功功率和弃风功率；Q C，e、P DEV，e分别为电力系统节点e的无功补偿功率和装置消耗电功率；C e，x为电负荷节点x的负荷削减变量；F GAS，g、F CHP，g、F DEV，g分别 为天然气系统节点g的燃气发电机组、燃气热电联产机组的消耗气流和装置的注入气流；F G，g、F D，g、F g分别为天然气系统节点g的气源注入气流、气负荷和节点注入气流；C g，y为气负荷节点g的负荷削减变量；GHV为天然气高热值；f CHP，h、f DEV，h分别为热力系统节点h的燃气热电联产机组的产生的水流和装置的注入的水流；f G，h、f D，h、f h分别为热力系统节点h的热源注入水流、热负荷和节点注入水流；C h，z为热负荷节点z的负荷削减变量；N e、N g、N h分别为电力系统节点、天然气系统和热力系统节点的总数；P CHP，z、H CHP，z、v CHP，z分别为燃气热电联产机组z的有功出力、热负荷和热电比；N b为燃气热电联产机组的总数；不等式约束包括：电负荷、气负荷、热负荷削减变量和弃风变量的上下限约束；燃气机组的运行约束；天然气系统节点气压约束、气源注气量约束、压缩机压缩比约束；电力系统节点电压约束、非燃气常规机组出力约束、线路功率约束，不等式约束具体如下：0≤C e，x≤P D，e，x＝1，2，...，N d
0≤C h，z≤H CHP，z，z＝1，2，...，N b0≤ΔP W，v≤P W，v，v＝1，2，...，N w
-T l min≤T l≤T l max，l＝1，2，...，N r
式中：π g是天然气系统节点g的气压；R r是压缩机支路r的压缩比；T l是输电线路l流过的功率；表示热力系统中的管道质量流率，
与
为其上、下限；N t为热水管道总数；N s、N u、N r分别为天然气气源、非燃气常规机组和输电线路的总数；N d、N g、N b分别为电负荷节点、气负荷节点、燃气热电联产机组的总数；N a为燃气发电机组的总数；N p为压缩机支路的总数；V e为电力系统节点e的电压；N w为风电场的总数。
- 根据权利要求7所述的电-热-气综合能源系统的稳定评估与静态控制方法，其特征在于：所述步骤S3.7中的优化模型具体如下：所建优化模型以电负荷、气负荷、热负荷削减量和弃风量之和最小为优化目标，目标函数如下：
式中，C e，x、C g，y、C h，z分别为电负荷节点x、气负荷节点y、燃气热电联产机组z的负荷削减变量；ΔP w，v为风电场v的弃风变量；N d、N g分别为电负荷节点和气负荷节点的总数；λ e，x、λ g，y、λ h，z、λ w，v分别为表征各电负荷、气负荷、热负荷重要性和各风电场弃风严重性的权重因子；以步骤S3.5中的运行约束作为优化模型的约束条件。 - 根据权利要求1所述的电-热-气综合能源系统的稳定评估与静态控制方法，其特征在于：所述步骤S3.8中的计算稳定性指标包含：越限程度：
式中，A m′表示第m′次能流越限的大小，t m′表示第m′次能流越限的时间，E表示电-热-气系统的总能量，m′ max表示能流越限总次数；越限比率：
式中，N表示抽样次数；根据(p y′，q y′)的值对系统的稳定性进行评估，依据稳定性评估标准对照表给出评估标准分数，稳定性评估标准对照表如表1所示，满分为10分；表1条件 评估分数 pq≤0.04％ 10 0.04％＜pq≤0.25％ 9 0.25％＜pq≤1％ 8 1％＜pq≤2.25％ 7 2.25％＜pq≤4％ 6 4％＜pq≤6.25％ 5 6.25％＜pq≤9％ 4 9％＜pq≤12.25％ 3 12.25％＜pq≤16％ 2 16％＜pq≤25％ 1 pq＞25％ 0 所述稳定性指标的计算，要考虑时间尺度的不同，具体体现在对于热负荷，其指标计算要进行修正，所述热负荷稳定性指标的修正是指当没有扰动的时候，认为温度恒定，如果某时段热负荷温度低于温度下限或者高于温度上限则认为能流越限，该时段作为扰动后出现能流越限或不收敛的总持续时间的一部分。 - 根据权利要求1所述的电-热-气综合能源系统的稳定评估与静态控制方法，其特征在于：所述步骤4中的有限代价包括：时间代价、人力代价和资金代价，分别如下三式所示；
式中，C t″表示时间代价，t″表示系统从出现问题到解决问题并恢复正常的时间，T″表示这次系统出现问题距离上次系统出现问题的时间；C h″表示人力代价，h″表示解决问题所 需要的人数，H″表示系统正常工作时所需要工作人员的人数；C p″表示资金代价，p″表示解决问题所需要的资金数目，P″表示该系统的年平均维护资金数目；只有全部满足如下式所示的不等式约束时，才是有限代价，否则是超额代价；
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP18893334.5A EP3582359A4 (en) | 2018-04-20 | 2018-05-25 | STABILITY EVALUATION AND STATIC CONTROL METHOD FOR AN INTEGRATED ELECTRICITY-HEAT-GAS-ENERGY SYSTEM |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810357954.6A CN108494021B (zh) | 2018-04-20 | 2018-04-20 | 电-热-气综合能源系统的稳定评估与静态控制方法 |
| CN201810357954.6 | 2018-04-20 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2019200662A1 true WO2019200662A1 (zh) | 2019-10-24 |
Family
ID=63312806
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2018/088349 WO2019200662A1 (zh) | 2018-04-20 | 2018-05-25 | 电-热-气综合能源系统的稳定评估与静态控制方法 |
Country Status (3)
| Country | Link |
|---|---|
| EP (1) | EP3582359A4 (zh) |
| CN (1) | CN108494021B (zh) |
| WO (1) | WO2019200662A1 (zh) |
Cited By (72)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111142486A (zh) * | 2019-12-26 | 2020-05-12 | 国电南瑞科技股份有限公司 | 一种综合能源监控与服务系统及其工作方法 |
| CN111160653A (zh) * | 2019-12-31 | 2020-05-15 | 国网内蒙古东部电力有限公司经济技术研究院 | 基于云计算的分布式储能系统风电消纳能力监测方法 |
| CN111291968A (zh) * | 2020-01-14 | 2020-06-16 | 沈阳工业大学 | 一种基于大数据的多能源系统运行稳定性计算方法 |
| CN111368393A (zh) * | 2020-01-03 | 2020-07-03 | 国网江苏省电力有限公司连云港供电分公司 | 一种ies背景下含需求响应资源的电力系统稳定性评估方法 |
| CN111400937A (zh) * | 2020-04-29 | 2020-07-10 | 上海电力大学 | 一种综合能源系统潮流计算方法 |
| CN111415042A (zh) * | 2020-03-20 | 2020-07-14 | 上海燃气工程设计研究有限公司 | 一种基于气电耦合的区域分布式能源系统及优化方法 |
| CN111563315A (zh) * | 2020-04-08 | 2020-08-21 | 重庆大学 | 一种基于拓扑分析的电-气综合能源系统稳态能量流计算方法 |
| CN111598289A (zh) * | 2020-03-30 | 2020-08-28 | 国网河北省电力有限公司 | 计及lstm光伏出力预测的综合能源系统分散式优化方法 |
| CN111738560A (zh) * | 2020-05-28 | 2020-10-02 | 西安华光信息技术有限责任公司 | 一种智能开采综采工作面效能评价系统及方法 |
| CN111898224A (zh) * | 2020-06-19 | 2020-11-06 | 上海大学 | 基于分布式能源系统管网能量损失模型的优化控制装置 |
| CN112258077A (zh) * | 2020-09-28 | 2021-01-22 | 国网浙江省电力有限公司经济技术研究院 | 一种多区互联综合能源系统的参数确定方法及相关装置 |
| CN112260305A (zh) * | 2020-10-30 | 2021-01-22 | 国网湖南省电力有限公司 | 适用于跨区直流输电线路的中长期送电功率确定方法 |
| CN112288590A (zh) * | 2020-09-23 | 2021-01-29 | 国网(苏州)城市能源研究院有限责任公司 | 一种富余电网资源支持气网调度的决策支持系统及方法 |
| CN112330493A (zh) * | 2020-11-24 | 2021-02-05 | 南方电网科学研究院有限责任公司 | 一种能源系统的建模及综合分析的方法、装置及存储介质 |
| CN112398122A (zh) * | 2020-11-02 | 2021-02-23 | 清华大学 | 一种极寒灾害下热电耦合系统应急恢复方法 |
| CN112434442A (zh) * | 2020-12-08 | 2021-03-02 | 湘潭大学 | 基于异质依存网络的电-气区域综合能源系统弹性评估方法 |
| CN112528214A (zh) * | 2020-12-01 | 2021-03-19 | 国网江苏省电力有限公司营销服务中心 | 基于客户侧用能控制系统的多能互补协调优化方法 |
| CN112600191A (zh) * | 2020-10-29 | 2021-04-02 | 河北工业大学 | 基于非线性回归的低压配电网参数和拓扑联合辨识方法 |
| CN112688317A (zh) * | 2020-12-18 | 2021-04-20 | 南京师范大学 | 一种双层协同架构下的县域级电-气互联系统优化调度方法 |
| CN112884608A (zh) * | 2021-03-11 | 2021-06-01 | 国网陕西省电力公司电力科学研究院 | 一种供电网黑启动分区方案计算方法及计算系统 |
| CN112906196A (zh) * | 2021-01-21 | 2021-06-04 | 山西太钢不锈钢股份有限公司 | 一种确定高炉燃料比合理范围的方法 |
| CN112928753A (zh) * | 2021-02-03 | 2021-06-08 | 东北电力大学 | 一种多能协同的配电网主动解列控制方法 |
| CN112950031A (zh) * | 2021-03-03 | 2021-06-11 | 重庆大学 | 一种天然气管网稳态能流计算的改进迭代法 |
| CN112994020A (zh) * | 2021-03-31 | 2021-06-18 | 南京信息工程大学 | 一种多能源系统潮流分解计算方法 |
| CN113037837A (zh) * | 2021-03-05 | 2021-06-25 | 东北大学 | 一种面向综合能源系统基于边缘计算的智能终端及其控制方法 |
| CN113159983A (zh) * | 2021-03-15 | 2021-07-23 | 东南大学 | 离网型光气热电联产综合能源系统协调控制方法 |
| CN113221358A (zh) * | 2021-05-13 | 2021-08-06 | 浙江大学 | 基于可靠性参数的电-气耦合系统的备用出力优化方法 |
| CN113255105A (zh) * | 2021-04-26 | 2021-08-13 | 上海电力大学 | 双向耦合网络结构的电气热综合能源系统潮流计算方法 |
| CN113256152A (zh) * | 2021-06-15 | 2021-08-13 | 河北农业大学 | 基于贝叶斯网络的气电耦合系统可靠性评估方法及系统 |
| CN113469487A (zh) * | 2021-05-08 | 2021-10-01 | 浙江大学 | 一种基于通用生成函数法的综合能源系统节点可靠性量化方法及系统 |
| CN113572843A (zh) * | 2021-07-26 | 2021-10-29 | 成都秦川物联网科技股份有限公司 | 基于能量计量的燃气数据网外运算方法及系统 |
| CN113591259A (zh) * | 2021-08-11 | 2021-11-02 | 华北电力大学 | 一种供热管道动态等值建模方法 |
| CN113627021A (zh) * | 2021-08-11 | 2021-11-09 | 东南大学 | 一种基于序列凸规划的电气互联系统最优能流计算方法 |
| CN113644650A (zh) * | 2021-07-28 | 2021-11-12 | 国网天津市电力公司电力科学研究院 | 一种城市配电网静态评估、校正与图形展示方法 |
| CN113688570A (zh) * | 2021-08-25 | 2021-11-23 | 国网江苏省电力有限公司 | 园区综合能源系统自动运行的实现方法、装置及设备 |
| CN113807884A (zh) * | 2021-08-20 | 2021-12-17 | 国网浙江省电力有限公司经济技术研究院 | 一种园区综合能源系统电网接入容量确定方法及装置 |
| CN113806972A (zh) * | 2021-08-04 | 2021-12-17 | 浙江大学 | 一种考虑供需双侧灵活性的综合能源系统可靠性分析方法 |
| CN113886761A (zh) * | 2021-09-29 | 2022-01-04 | 国网江苏省电力有限公司营销服务中心 | 一种综合能源系统能效分析评估方法 |
| CN114004047A (zh) * | 2021-09-29 | 2022-02-01 | 南京国电南自电网自动化有限公司 | 一种电热气互联多能源系统矩阵化运算模型建模方法 |
| CN114139349A (zh) * | 2021-10-29 | 2022-03-04 | 国网湖北省电力有限公司经济技术研究院 | 计及管道爬坡的气电联合系统日前机组组合优化方法 |
| CN114398987A (zh) * | 2022-01-14 | 2022-04-26 | 成都秦川物联网科技股份有限公司 | 一种天然气能量计量的异常监测方法和系统 |
| CN114548659A (zh) * | 2022-01-07 | 2022-05-27 | 华能国际电力股份有限公司大连电厂 | 一种厂级多类型供热机组电、热负荷分配方法和设备 |
| CN114611255A (zh) * | 2022-02-28 | 2022-06-10 | 武汉大学 | 明满流水力系统稳定性分析方法 |
| CN114692433A (zh) * | 2022-04-28 | 2022-07-01 | 中原环保股份有限公司 | 一种配电柜表面温度巡检的故障分析方法 |
| CN114693069A (zh) * | 2022-03-02 | 2022-07-01 | 浙江英集动力科技有限公司 | 一种自主优化运行集中供热运行稳定性评估方法及系统 |
| CN114740727A (zh) * | 2022-04-25 | 2022-07-12 | 东南大学溧阳研究院 | 室外温度扰动条件下的空气源热泵动态能效优化控制方法 |
| CN114780622A (zh) * | 2022-06-27 | 2022-07-22 | 天津能源物联网科技股份有限公司 | 一种基于大数据平台的供热数据的智能分析方法及系统 |
| CN114781102A (zh) * | 2022-03-14 | 2022-07-22 | 国网江苏省电力有限公司南京供电分公司 | 一种城市综合能源系统的能量流建模方法及应用 |
| CN114911180A (zh) * | 2022-04-29 | 2022-08-16 | 东北大学 | 基于事件触发牛顿拉夫森的网内网间能量控制装置及方法 |
| CN115049098A (zh) * | 2022-04-13 | 2022-09-13 | 重庆大学 | 基于数据驱动的电-水联合系统最优能流随机优化方法 |
| CN115081902A (zh) * | 2022-06-30 | 2022-09-20 | 国网北京市电力公司 | 基于源网荷储协同的综合规划方法、装置、设备及介质 |
| CN115127138A (zh) * | 2022-06-29 | 2022-09-30 | 山东澳信供热有限公司 | 一种空气源和燃气源结合的供热系统的供热方法 |
| CN115787160A (zh) * | 2023-01-29 | 2023-03-14 | 江苏卓鹏智能机电有限公司 | 一种用于纺纱机群的除静电控制方法及系统 |
| CN116308965A (zh) * | 2023-05-24 | 2023-06-23 | 成都秦川物联网科技股份有限公司 | 智慧燃气地下燃气管网安全管理方法、物联网系统及装置 |
| CN116384142A (zh) * | 2023-04-14 | 2023-07-04 | 广西大学 | 多能协同恢复的电-气-热耦合系统抗震韧性规划方法 |
| CN116452009A (zh) * | 2023-02-15 | 2023-07-18 | 浙江大学 | 一种考虑时间关联特性的综合能源枢纽灵活域评估方法 |
| CN116930595A (zh) * | 2023-09-18 | 2023-10-24 | 法拉迪电气有限公司 | 一种用于新能源并网调压的精准数据计量方法 |
| CN117060492A (zh) * | 2023-10-12 | 2023-11-14 | 武汉大学 | 考虑管道气压波动特性的气电耦合系统优化方法及设备 |
| CN112465214B (zh) * | 2020-11-24 | 2023-12-01 | 浙江大学 | 一种综合能源系统全生命周期的耦合度计算方法 |
| CN117150976A (zh) * | 2023-10-31 | 2023-12-01 | 长江三峡集团实业发展(北京)有限公司 | 一种水温变化系数的确定方法、装置、设备及存储介质 |
| CN117371219A (zh) * | 2023-10-20 | 2024-01-09 | 华北电力大学 | 一种应用于综合能源系统的拓展能源枢纽建模方法 |
| US11875371B1 (en) | 2017-04-24 | 2024-01-16 | Skyline Products, Inc. | Price optimization system |
| CN117494910A (zh) * | 2024-01-02 | 2024-02-02 | 国网山东省电力公司电力科学研究院 | 一种基于碳减排的多能源协调优化控制系统及方法 |
| US11898895B2 (en) | 2021-07-26 | 2024-02-13 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and systems for natural gas data computation outside gas internet of things based on energy measuring |
| CN117635080A (zh) * | 2024-01-25 | 2024-03-01 | 苏州苏高新数字科技有限公司 | 一种基于物联网的大型建筑可视化运管系统 |
| CN111597683B (zh) * | 2020-04-14 | 2024-03-22 | 浙江大学 | 考虑天然气传输动态的电力天然气联合系统运行优化方法 |
| CN117910885A (zh) * | 2024-03-18 | 2024-04-19 | 国网安徽省电力有限公司经济技术研究院 | 一种综合能源服务的综合评价方法及系统 |
| CN117959902A (zh) * | 2024-04-01 | 2024-05-03 | 大连华邦化学有限公司 | 一种基于数据反馈的气体纯化功能预警系统及方法 |
| CN118153826A (zh) * | 2024-05-13 | 2024-06-07 | 天津市津安热电有限公司 | 一种多热源环状供热管网水力工况优化调度方法 |
| CN118245710A (zh) * | 2024-05-20 | 2024-06-25 | 天津华凯电气有限公司 | 一种能源管理和控制系统状态估计的优化方法 |
| CN118336784A (zh) * | 2024-06-14 | 2024-07-12 | 西安热工研究院有限公司 | 一种多维负载适应的超容储能智能调控方法及系统 |
| US12117328B2 (en) | 2021-02-04 | 2024-10-15 | Chengdu Qinchuan Iot Technology Co., Ltd. | Method and system of risk prevention based on energy of natural gas in a full cycle |
Families Citing this family (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109344480A (zh) * | 2018-09-20 | 2019-02-15 | 国网四川省电力公司经济技术研究院 | 考虑蒸汽网络的电热联合系统潮流计算方法 |
| CN109255550B (zh) * | 2018-09-30 | 2022-03-29 | 东北电力大学 | 一种综合能源系统的n-1静态安全分析方法 |
| CN109993445B (zh) * | 2019-04-04 | 2021-07-30 | 国家电网有限公司 | 一种考虑光伏预测误差的综合能源系统脆弱性评估方法 |
| CN110163490A (zh) * | 2019-04-28 | 2019-08-23 | 长沙理工大学 | 一种综合能源系统故障耦合传播能量量化分析及抑制方法 |
| CN110189166B (zh) * | 2019-05-14 | 2022-02-08 | 新奥数能科技有限公司 | 确定能源传输转换网络中的重点维护设备的方法及装置 |
| CN110492533B (zh) * | 2019-08-13 | 2021-10-08 | 广东电网有限责任公司广州供电局 | 冷热电联供系统的控制方法、装置、计算机及存储介质 |
| CN110750575B (zh) * | 2019-09-24 | 2020-09-18 | 河海大学 | 基于拉格朗日状态估计的电热互联系统坏数据辨识方法 |
| CN112580903A (zh) * | 2019-09-27 | 2021-03-30 | 华晨宝马汽车有限公司 | 用于评估发动机质量稳定性的方法和装置及存储介质 |
| CN113065680B (zh) * | 2020-01-02 | 2024-09-24 | 中国电力科学研究院有限公司 | 一种能源互联网的能量需求预测方法及系统 |
| CN111682520B (zh) * | 2020-03-11 | 2023-08-22 | 国网辽宁省电力有限公司大连供电公司 | 用网络流对电-气互联系统优化分析的方法 |
| CN111401647B (zh) * | 2020-03-23 | 2022-04-08 | 清华大学 | 考虑不确定性传递的电气耦合系统分布式优化调度方法 |
| CN111401665B (zh) * | 2020-04-22 | 2022-04-15 | 山东大学 | 协同优化的综合能源系统设计方案的获取方法和系统 |
| CN111509704B (zh) * | 2020-04-23 | 2022-07-19 | 郑州轻工业大学 | 基于sssc的含dfig-sofc多能源系统动态交互分析方法 |
| CN111626487B (zh) * | 2020-05-15 | 2023-05-26 | 浙江大学 | 一种综合能源系统多评价指标优化规划技术方法和系统 |
| CN111897203A (zh) * | 2020-06-17 | 2020-11-06 | 东南大学 | 基于数据驱动和机理建模状态监测的加热器经济调节方法 |
| CN112036003B (zh) * | 2020-07-06 | 2024-01-12 | 东南大学 | 一种考虑不完全量测的质调节热力系统静态状态估计方法 |
| CN111769603B (zh) * | 2020-07-13 | 2022-04-08 | 国网天津市电力公司 | 一种基于电-气耦合系统安全裕度的机组优化调度方法 |
| CN112016033B (zh) * | 2020-08-07 | 2024-02-13 | 大连理工大学 | 一种基于前推回代法的电-热-气综合能源系统潮流计算方法 |
| CN112134289A (zh) * | 2020-09-02 | 2020-12-25 | 国网江苏省电力有限公司无锡供电分公司 | 一种基于数据驱动的电-热联合系统潮流计算方法 |
| CN112381137B (zh) * | 2020-11-10 | 2024-06-07 | 重庆大学 | 新能源电力系统可靠性评估方法、装置、设备及存储介质 |
| CN112417743B (zh) * | 2021-01-25 | 2021-04-02 | 中国空气动力研究与发展中心计算空气动力研究所 | 一种气体能量反演热力学温度的混合迭代方法 |
| CN113032935B (zh) * | 2021-03-12 | 2022-04-05 | 西南石油大学 | 一种大型并联天然气管网优化运行模型及求解方法 |
| CN113094909B (zh) * | 2021-04-16 | 2022-04-19 | 浙江大学 | 一种综合能源系统设备运行监控优先级评估方法及系统 |
| CN113297742B (zh) * | 2021-05-27 | 2023-10-31 | 东北大学 | 基于独立成分分析的自能源非侵入式系统及其建模方法 |
| WO2023004809A1 (zh) * | 2021-07-30 | 2023-02-02 | 西门子（中国）有限公司 | 一种智慧能源管理系统的建模方法、装置和存储介质 |
| CN114036709B (zh) * | 2021-09-17 | 2024-07-09 | 中铁第一勘察设计院集团有限公司 | 基于雨水管网拓扑结构优化改善节点积水状况的方法 |
| CN115358493B (zh) * | 2022-10-20 | 2023-02-10 | 广东电网有限责任公司 | 一种综合能源系统的风险评估方法及装置 |
| CN115800296B (zh) * | 2022-11-18 | 2023-09-22 | 中南大学 | 远海风电经vsc-mtdc并网系统的电压频率协同支撑方法 |
| CN115982916B (zh) * | 2023-03-20 | 2023-07-18 | 山东理工大学 | 基于综合能源系统静态安全评估的燃气轮机接入方法 |
| CN117739285B (zh) * | 2024-02-18 | 2024-05-03 | 苏芯物联技术(南京)有限公司 | 一种基于焊接历史数据的漏气异常快速标记方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105447586A (zh) * | 2014-08-29 | 2016-03-30 | 国家电网公司 | 一种基于全能流模型的微电网能量优化方法 |
| EP3039771A1 (en) * | 2013-08-28 | 2016-07-06 | Robert Bosch GmbH | System and method for energy asset sizing and optimal dispatch |
| US20160258361A1 (en) * | 2015-03-03 | 2016-09-08 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
| CN107730129A (zh) * | 2017-10-24 | 2018-02-23 | 重庆大学 | 考虑光热热电联产与电锅炉的电‑气‑热互联系统风险评估方法 |
| CN107808216A (zh) * | 2017-10-24 | 2018-03-16 | 重庆大学 | 电‑气‑热互联系统弃风弃光和电气热负荷削减综合最小优化模型构建方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2528192B1 (de) * | 2011-05-25 | 2016-06-22 | Erdgas Südwest GmbH | Energiespeicher, Verbundsystem mit Energiespeichern und Verfahren zum Betreiben eines Energiespeichers |
| US9058443B2 (en) * | 2012-07-17 | 2015-06-16 | International Business Machines Corporation | Planning economic energy dispatch in electrical grid under uncertainty |
| CN103985058B (zh) * | 2014-04-04 | 2017-05-03 | 河海大学 | 一种基于改进多中心校正内点法的可用输电能力计算方法 |
| CN104734147B (zh) * | 2015-03-16 | 2017-11-24 | 河海大学 | 一种综合能源系统概率能量流分析方法 |
| DE102016207454A1 (de) * | 2016-04-29 | 2017-11-02 | Siemens Aktiengesellschaft | Einrichtung für Wahrscheinlichkeitsvorhersagen, mit einer solchen Einrichtung ausgestattetes Energieübertragungs- und/oder Energieverteilnetz und Verfahren für dessen Betrieb |
| CN105958480B (zh) * | 2016-05-27 | 2018-07-06 | 清华大学 | 一种电-气耦合多能流系统联合静态安全分析方法 |
| CN107194055B (zh) * | 2017-05-17 | 2020-04-21 | 重庆大学 | 考虑电转气装置的电-气互联系统可靠性建模及其评估方法 |
| CN107257132B (zh) * | 2017-05-17 | 2020-04-21 | 重庆大学 | 一种考虑风电弃用的电-气互联系统综合负荷削减模型构建方法 |
-
2018
- 2018-04-20 CN CN201810357954.6A patent/CN108494021B/zh active Active
- 2018-05-25 WO PCT/CN2018/088349 patent/WO2019200662A1/zh unknown
- 2018-05-25 EP EP18893334.5A patent/EP3582359A4/en active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3039771A1 (en) * | 2013-08-28 | 2016-07-06 | Robert Bosch GmbH | System and method for energy asset sizing and optimal dispatch |
| CN105447586A (zh) * | 2014-08-29 | 2016-03-30 | 国家电网公司 | 一种基于全能流模型的微电网能量优化方法 |
| US20160258361A1 (en) * | 2015-03-03 | 2016-09-08 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
| CN107730129A (zh) * | 2017-10-24 | 2018-02-23 | 重庆大学 | 考虑光热热电联产与电锅炉的电‑气‑热互联系统风险评估方法 |
| CN107808216A (zh) * | 2017-10-24 | 2018-03-16 | 重庆大学 | 电‑气‑热互联系统弃风弃光和电气热负荷削减综合最小优化模型构建方法 |
Non-Patent Citations (1)
| Title |
|---|
| See also references of EP3582359A4 * |
Cited By (111)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11875371B1 (en) | 2017-04-24 | 2024-01-16 | Skyline Products, Inc. | Price optimization system |
| CN111142486A (zh) * | 2019-12-26 | 2020-05-12 | 国电南瑞科技股份有限公司 | 一种综合能源监控与服务系统及其工作方法 |
| CN111160653A (zh) * | 2019-12-31 | 2020-05-15 | 国网内蒙古东部电力有限公司经济技术研究院 | 基于云计算的分布式储能系统风电消纳能力监测方法 |
| CN111160653B (zh) * | 2019-12-31 | 2023-06-27 | 国网内蒙古东部电力有限公司经济技术研究院 | 基于云计算的分布式储能系统风电消纳能力监测方法 |
| CN111368393A (zh) * | 2020-01-03 | 2020-07-03 | 国网江苏省电力有限公司连云港供电分公司 | 一种ies背景下含需求响应资源的电力系统稳定性评估方法 |
| CN111291968B (zh) * | 2020-01-14 | 2023-05-05 | 沈阳工业大学 | 一种基于大数据的多能源系统运行稳定性计算方法 |
| CN111291968A (zh) * | 2020-01-14 | 2020-06-16 | 沈阳工业大学 | 一种基于大数据的多能源系统运行稳定性计算方法 |
| CN111415042A (zh) * | 2020-03-20 | 2020-07-14 | 上海燃气工程设计研究有限公司 | 一种基于气电耦合的区域分布式能源系统及优化方法 |
| CN111415042B (zh) * | 2020-03-20 | 2024-03-08 | 上海能源建设工程设计研究有限公司 | 一种基于气电耦合的区域分布式能源系统及优化方法 |
| CN111598289A (zh) * | 2020-03-30 | 2020-08-28 | 国网河北省电力有限公司 | 计及lstm光伏出力预测的综合能源系统分散式优化方法 |
| CN111563315A (zh) * | 2020-04-08 | 2020-08-21 | 重庆大学 | 一种基于拓扑分析的电-气综合能源系统稳态能量流计算方法 |
| CN111563315B (zh) * | 2020-04-08 | 2024-01-26 | 重庆大学 | 一种基于拓扑分析的电-气综合能源系统稳态能量流计算方法 |
| CN111597683B (zh) * | 2020-04-14 | 2024-03-22 | 浙江大学 | 考虑天然气传输动态的电力天然气联合系统运行优化方法 |
| CN111400937A (zh) * | 2020-04-29 | 2020-07-10 | 上海电力大学 | 一种综合能源系统潮流计算方法 |
| CN111400937B (zh) * | 2020-04-29 | 2023-12-01 | 上海电力大学 | 一种综合能源系统潮流计算方法 |
| CN111738560A (zh) * | 2020-05-28 | 2020-10-02 | 西安华光信息技术有限责任公司 | 一种智能开采综采工作面效能评价系统及方法 |
| CN111898224A (zh) * | 2020-06-19 | 2020-11-06 | 上海大学 | 基于分布式能源系统管网能量损失模型的优化控制装置 |
| CN112288590B (zh) * | 2020-09-23 | 2024-05-14 | 国网(苏州)城市能源研究院有限责任公司 | 一种富余电网资源支持气网调度的决策支持系统及方法 |
| CN112288590A (zh) * | 2020-09-23 | 2021-01-29 | 国网(苏州)城市能源研究院有限责任公司 | 一种富余电网资源支持气网调度的决策支持系统及方法 |
| CN112258077A (zh) * | 2020-09-28 | 2021-01-22 | 国网浙江省电力有限公司经济技术研究院 | 一种多区互联综合能源系统的参数确定方法及相关装置 |
| CN112600191B (zh) * | 2020-10-29 | 2023-08-04 | 河北工业大学 | 基于非线性回归的低压配电网参数和拓扑联合辨识方法 |
| CN112600191A (zh) * | 2020-10-29 | 2021-04-02 | 河北工业大学 | 基于非线性回归的低压配电网参数和拓扑联合辨识方法 |
| CN112260305B (zh) * | 2020-10-30 | 2022-06-10 | 国网湖南省电力有限公司 | 适用于跨区直流输电线路的中长期送电功率确定方法 |
| CN112260305A (zh) * | 2020-10-30 | 2021-01-22 | 国网湖南省电力有限公司 | 适用于跨区直流输电线路的中长期送电功率确定方法 |
| CN112398122B (zh) * | 2020-11-02 | 2022-05-31 | 清华大学 | 一种极寒灾害下热电耦合系统应急恢复方法 |
| CN112398122A (zh) * | 2020-11-02 | 2021-02-23 | 清华大学 | 一种极寒灾害下热电耦合系统应急恢复方法 |
| CN112330493A (zh) * | 2020-11-24 | 2021-02-05 | 南方电网科学研究院有限责任公司 | 一种能源系统的建模及综合分析的方法、装置及存储介质 |
| CN112465214B (zh) * | 2020-11-24 | 2023-12-01 | 浙江大学 | 一种综合能源系统全生命周期的耦合度计算方法 |
| CN112528214A (zh) * | 2020-12-01 | 2021-03-19 | 国网江苏省电力有限公司营销服务中心 | 基于客户侧用能控制系统的多能互补协调优化方法 |
| CN112528214B (zh) * | 2020-12-01 | 2024-05-28 | 国网江苏省电力有限公司营销服务中心 | 基于客户侧用能控制系统的多能互补协调优化方法 |
| CN112434442A (zh) * | 2020-12-08 | 2021-03-02 | 湘潭大学 | 基于异质依存网络的电-气区域综合能源系统弹性评估方法 |
| CN112434442B (zh) * | 2020-12-08 | 2022-06-03 | 湘潭大学 | 一种电-气区域综合能源系统弹性评估方法 |
| CN112688317B (zh) * | 2020-12-18 | 2023-04-07 | 南京师范大学 | 一种双层协同架构下的县域级电-气互联系统优化调度方法 |
| CN112688317A (zh) * | 2020-12-18 | 2021-04-20 | 南京师范大学 | 一种双层协同架构下的县域级电-气互联系统优化调度方法 |
| CN112906196A (zh) * | 2021-01-21 | 2021-06-04 | 山西太钢不锈钢股份有限公司 | 一种确定高炉燃料比合理范围的方法 |
| CN112906196B (zh) * | 2021-01-21 | 2023-03-14 | 山西太钢不锈钢股份有限公司 | 一种确定高炉燃料比合理范围的方法 |
| CN112928753A (zh) * | 2021-02-03 | 2021-06-08 | 东北电力大学 | 一种多能协同的配电网主动解列控制方法 |
| CN112928753B (zh) * | 2021-02-03 | 2023-01-06 | 东北电力大学 | 一种多能协同的配电网主动解列控制方法 |
| US12117328B2 (en) | 2021-02-04 | 2024-10-15 | Chengdu Qinchuan Iot Technology Co., Ltd. | Method and system of risk prevention based on energy of natural gas in a full cycle |
| CN112950031A (zh) * | 2021-03-03 | 2021-06-11 | 重庆大学 | 一种天然气管网稳态能流计算的改进迭代法 |
| CN113037837A (zh) * | 2021-03-05 | 2021-06-25 | 东北大学 | 一种面向综合能源系统基于边缘计算的智能终端及其控制方法 |
| CN112884608A (zh) * | 2021-03-11 | 2021-06-01 | 国网陕西省电力公司电力科学研究院 | 一种供电网黑启动分区方案计算方法及计算系统 |
| CN112884608B (zh) * | 2021-03-11 | 2023-07-25 | 国网陕西省电力公司电力科学研究院 | 一种供电网黑启动分区方案计算方法及计算系统 |
| CN113159983B (zh) * | 2021-03-15 | 2024-05-14 | 东南大学 | 离网型光气热电联产综合能源系统协调控制方法 |
| CN113159983A (zh) * | 2021-03-15 | 2021-07-23 | 东南大学 | 离网型光气热电联产综合能源系统协调控制方法 |
| CN112994020A (zh) * | 2021-03-31 | 2021-06-18 | 南京信息工程大学 | 一种多能源系统潮流分解计算方法 |
| CN113255105A (zh) * | 2021-04-26 | 2021-08-13 | 上海电力大学 | 双向耦合网络结构的电气热综合能源系统潮流计算方法 |
| CN113469487A (zh) * | 2021-05-08 | 2021-10-01 | 浙江大学 | 一种基于通用生成函数法的综合能源系统节点可靠性量化方法及系统 |
| CN113469487B (zh) * | 2021-05-08 | 2024-01-05 | 浙江大学 | 一种基于通用生成函数法的综合能源系统节点可靠性量化方法及系统 |
| CN113221358A (zh) * | 2021-05-13 | 2021-08-06 | 浙江大学 | 基于可靠性参数的电-气耦合系统的备用出力优化方法 |
| CN113221358B (zh) * | 2021-05-13 | 2022-09-27 | 浙江大学 | 基于可靠性参数的电-气耦合系统的备用出力优化方法 |
| CN113256152A (zh) * | 2021-06-15 | 2021-08-13 | 河北农业大学 | 基于贝叶斯网络的气电耦合系统可靠性评估方法及系统 |
| US12117331B2 (en) | 2021-07-26 | 2024-10-15 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and systems for energy measuring based on natural gas data of smart gas meter |
| CN113572843A (zh) * | 2021-07-26 | 2021-10-29 | 成都秦川物联网科技股份有限公司 | 基于能量计量的燃气数据网外运算方法及系统 |
| US11898895B2 (en) | 2021-07-26 | 2024-02-13 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and systems for natural gas data computation outside gas internet of things based on energy measuring |
| CN113644650A (zh) * | 2021-07-28 | 2021-11-12 | 国网天津市电力公司电力科学研究院 | 一种城市配电网静态评估、校正与图形展示方法 |
| CN113644650B (zh) * | 2021-07-28 | 2024-03-19 | 国网天津市电力公司电力科学研究院 | 一种城市配电网静态评估、校正与图形展示方法 |
| CN113806972B (zh) * | 2021-08-04 | 2022-11-22 | 浙江大学 | 一种考虑供需双侧灵活性的综合能源系统可靠性分析方法 |
| CN113806972A (zh) * | 2021-08-04 | 2021-12-17 | 浙江大学 | 一种考虑供需双侧灵活性的综合能源系统可靠性分析方法 |
| CN113627021A (zh) * | 2021-08-11 | 2021-11-09 | 东南大学 | 一种基于序列凸规划的电气互联系统最优能流计算方法 |
| CN113591259A (zh) * | 2021-08-11 | 2021-11-02 | 华北电力大学 | 一种供热管道动态等值建模方法 |
| CN113807884B (zh) * | 2021-08-20 | 2024-05-14 | 国网浙江省电力有限公司经济技术研究院 | 一种园区综合能源系统电网接入容量确定方法及装置 |
| CN113807884A (zh) * | 2021-08-20 | 2021-12-17 | 国网浙江省电力有限公司经济技术研究院 | 一种园区综合能源系统电网接入容量确定方法及装置 |
| CN113688570B (zh) * | 2021-08-25 | 2023-11-10 | 国网江苏省电力有限公司 | 园区综合能源系统自动运行的实现方法、装置及设备 |
| CN113688570A (zh) * | 2021-08-25 | 2021-11-23 | 国网江苏省电力有限公司 | 园区综合能源系统自动运行的实现方法、装置及设备 |
| CN114004047B (zh) * | 2021-09-29 | 2024-05-28 | 南京国电南自电网自动化有限公司 | 一种电热气互联多能源系统矩阵化运算模型建模方法 |
| CN114004047A (zh) * | 2021-09-29 | 2022-02-01 | 南京国电南自电网自动化有限公司 | 一种电热气互联多能源系统矩阵化运算模型建模方法 |
| CN113886761A (zh) * | 2021-09-29 | 2022-01-04 | 国网江苏省电力有限公司营销服务中心 | 一种综合能源系统能效分析评估方法 |
| CN114139349A (zh) * | 2021-10-29 | 2022-03-04 | 国网湖北省电力有限公司经济技术研究院 | 计及管道爬坡的气电联合系统日前机组组合优化方法 |
| CN114548659A (zh) * | 2022-01-07 | 2022-05-27 | 华能国际电力股份有限公司大连电厂 | 一种厂级多类型供热机组电、热负荷分配方法和设备 |
| CN114398987A (zh) * | 2022-01-14 | 2022-04-26 | 成都秦川物联网科技股份有限公司 | 一种天然气能量计量的异常监测方法和系统 |
| CN114611255A (zh) * | 2022-02-28 | 2022-06-10 | 武汉大学 | 明满流水力系统稳定性分析方法 |
| CN114693069A (zh) * | 2022-03-02 | 2022-07-01 | 浙江英集动力科技有限公司 | 一种自主优化运行集中供热运行稳定性评估方法及系统 |
| CN114781102A (zh) * | 2022-03-14 | 2022-07-22 | 国网江苏省电力有限公司南京供电分公司 | 一种城市综合能源系统的能量流建模方法及应用 |
| CN115049098A (zh) * | 2022-04-13 | 2022-09-13 | 重庆大学 | 基于数据驱动的电-水联合系统最优能流随机优化方法 |
| CN115049098B (zh) * | 2022-04-13 | 2024-06-07 | 重庆大学 | 基于数据驱动的电-水联合系统最优能流随机优化方法 |
| CN114740727B (zh) * | 2022-04-25 | 2024-05-17 | 东南大学溧阳研究院 | 室外温度扰动条件下的空气源热泵动态能效优化控制方法 |
| CN114740727A (zh) * | 2022-04-25 | 2022-07-12 | 东南大学溧阳研究院 | 室外温度扰动条件下的空气源热泵动态能效优化控制方法 |
| CN114692433A (zh) * | 2022-04-28 | 2022-07-01 | 中原环保股份有限公司 | 一种配电柜表面温度巡检的故障分析方法 |
| CN114911180A (zh) * | 2022-04-29 | 2022-08-16 | 东北大学 | 基于事件触发牛顿拉夫森的网内网间能量控制装置及方法 |
| CN114780622A (zh) * | 2022-06-27 | 2022-07-22 | 天津能源物联网科技股份有限公司 | 一种基于大数据平台的供热数据的智能分析方法及系统 |
| CN115127138A (zh) * | 2022-06-29 | 2022-09-30 | 山东澳信供热有限公司 | 一种空气源和燃气源结合的供热系统的供热方法 |
| CN115127138B (zh) * | 2022-06-29 | 2023-12-26 | 山东澳信供热有限公司 | 一种空气源和燃气源结合的供热系统的供热方法 |
| CN115081902B (zh) * | 2022-06-30 | 2024-04-09 | 国网北京市电力公司 | 基于源网荷储协同的综合规划方法、装置、设备及介质 |
| CN115081902A (zh) * | 2022-06-30 | 2022-09-20 | 国网北京市电力公司 | 基于源网荷储协同的综合规划方法、装置、设备及介质 |
| CN115787160A (zh) * | 2023-01-29 | 2023-03-14 | 江苏卓鹏智能机电有限公司 | 一种用于纺纱机群的除静电控制方法及系统 |
| CN116452009B (zh) * | 2023-02-15 | 2024-03-12 | 浙江大学 | 一种考虑时间关联特性的综合能源枢纽灵活域评估方法 |
| CN116452009A (zh) * | 2023-02-15 | 2023-07-18 | 浙江大学 | 一种考虑时间关联特性的综合能源枢纽灵活域评估方法 |
| CN116384142B (zh) * | 2023-04-14 | 2023-11-17 | 广西大学 | 多能协同恢复的电-气-热耦合系统抗震韧性规划方法 |
| CN116384142A (zh) * | 2023-04-14 | 2023-07-04 | 广西大学 | 多能协同恢复的电-气-热耦合系统抗震韧性规划方法 |
| CN116308965B (zh) * | 2023-05-24 | 2023-08-04 | 成都秦川物联网科技股份有限公司 | 智慧燃气地下燃气管网安全管理方法、物联网系统及装置 |
| CN116308965A (zh) * | 2023-05-24 | 2023-06-23 | 成都秦川物联网科技股份有限公司 | 智慧燃气地下燃气管网安全管理方法、物联网系统及装置 |
| US11959777B2 (en) | 2023-05-24 | 2024-04-16 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and Internet of Things (IoT) systems for safety management of smart gas underground gas pipeline networks |
| CN116930595B (zh) * | 2023-09-18 | 2023-11-24 | 法拉迪电气有限公司 | 一种用于新能源并网调压的精准数据计量方法 |
| CN116930595A (zh) * | 2023-09-18 | 2023-10-24 | 法拉迪电气有限公司 | 一种用于新能源并网调压的精准数据计量方法 |
| CN117060492B (zh) * | 2023-10-12 | 2023-12-22 | 武汉大学 | 考虑管道气压波动特性的气电耦合系统优化方法及设备 |
| CN117060492A (zh) * | 2023-10-12 | 2023-11-14 | 武汉大学 | 考虑管道气压波动特性的气电耦合系统优化方法及设备 |
| CN117371219B (zh) * | 2023-10-20 | 2024-03-12 | 华北电力大学 | 一种应用于综合能源系统的拓展能源枢纽建模方法 |
| CN117371219A (zh) * | 2023-10-20 | 2024-01-09 | 华北电力大学 | 一种应用于综合能源系统的拓展能源枢纽建模方法 |
| CN117150976A (zh) * | 2023-10-31 | 2023-12-01 | 长江三峡集团实业发展(北京)有限公司 | 一种水温变化系数的确定方法、装置、设备及存储介质 |
| CN117150976B (zh) * | 2023-10-31 | 2024-01-26 | 长江三峡集团实业发展(北京)有限公司 | 一种水温变化系数的确定方法、装置、设备及存储介质 |
| CN117494910B (zh) * | 2024-01-02 | 2024-03-22 | 国网山东省电力公司电力科学研究院 | 一种基于碳减排的多能源协调优化控制系统及方法 |
| CN117494910A (zh) * | 2024-01-02 | 2024-02-02 | 国网山东省电力公司电力科学研究院 | 一种基于碳减排的多能源协调优化控制系统及方法 |
| CN117635080A (zh) * | 2024-01-25 | 2024-03-01 | 苏州苏高新数字科技有限公司 | 一种基于物联网的大型建筑可视化运管系统 |
| CN117635080B (zh) * | 2024-01-25 | 2024-03-29 | 苏州苏高新数字科技有限公司 | 一种基于物联网的大型建筑可视化运管系统 |
| CN117910885A (zh) * | 2024-03-18 | 2024-04-19 | 国网安徽省电力有限公司经济技术研究院 | 一种综合能源服务的综合评价方法及系统 |
| CN117959902B (zh) * | 2024-04-01 | 2024-06-04 | 大连华邦化学有限公司 | 一种基于数据反馈的气体纯化功能预警系统及方法 |
| CN117959902A (zh) * | 2024-04-01 | 2024-05-03 | 大连华邦化学有限公司 | 一种基于数据反馈的气体纯化功能预警系统及方法 |
| CN118153826A (zh) * | 2024-05-13 | 2024-06-07 | 天津市津安热电有限公司 | 一种多热源环状供热管网水力工况优化调度方法 |
| CN118245710A (zh) * | 2024-05-20 | 2024-06-25 | 天津华凯电气有限公司 | 一种能源管理和控制系统状态估计的优化方法 |
| CN118336784A (zh) * | 2024-06-14 | 2024-07-12 | 西安热工研究院有限公司 | 一种多维负载适应的超容储能智能调控方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108494021A (zh) | 2018-09-04 |
| EP3582359A1 (en) | 2019-12-18 |
| CN108494021B (zh) | 2021-06-01 |
| EP3582359A4 (en) | 2020-02-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019200662A1 (zh) | 电-热-气综合能源系统的稳定评估与静态控制方法 | |
| CN111313429B (zh) | 一种用于综合能源系统的可靠性评估方法及系统 | |
| CN107730129B (zh) | 考虑光热热电联产与电锅炉的电-气-热互联系统风险评估方法 | |
| CN113139353A (zh) | 蒸汽管网动态计算及在线监测预警分析方法 | |
| CN103742901B (zh) | 一种循环流化床机组耗差分析优化目标值体系的确定方法 | |
| Zhang et al. | Development and evaluation of cooling load prediction models for a factory workshop | |
| CN109447236A (zh) | 一种混合动力汽车热管理系统的故障诊断方法 | |
| WO2024040608A1 (zh) | 能源管理系统的模型训练方法、装置及存储介质 | |
| Cai et al. | Hybrid model-driven and data-driven control method based on machine learning algorithm in energy hub and application | |
| CN110795845A (zh) | 一种供热系统裕度量化计算方法和系统 | |
| CN112949181A (zh) | 一种多源关联数据的预警预测方法、存储介质及电子设备 | |
| CN110880055A (zh) | 楼宇智能电表系统 | |
| Zhao et al. | A model predictive control regulation model for radiant air conditioning system based on delay time | |
| CN111898856A (zh) | 基于极限学习机的物理-数据融合楼宇的分析方法 | |
| Chen et al. | Application of deep learning modelling of the optimal operation conditions of auxiliary equipment of combined cycle gas turbine power station | |
| Zheng et al. | Digital twin modeling for district heating network based on hydraulic resistance identification and heat load prediction | |
| Buonomano et al. | Optimising Low-Temperature District Heating Networks: A Simulation-Based Approach with Experimental Verification | |
| CN112734158A (zh) | 发电机组的热电负荷分配方法、装置及电子设备 | |
| CN116611706A (zh) | 基于多能源主体的动态碳排放因子测算方法 | |
| Liu et al. | An adaptive double-Newton-iteration hydraulic calculation method for optimal operation of the meshed district heating network | |
| Malinowski et al. | Neural model for forecasting temperature in a distribution network of cooling water supplied to systems producing petroleum products | |
| Afram et al. | Data-driven modeling of thermal energy storage tank | |
| CN113868836A (zh) | 基于大数据的智慧热力系统在线专家分析平台 | |
| Lin et al. | Balanced operation strategies of district heating systems based on dynamic hydraulic-thermal modeling | |
| Wang et al. | Development and application of energy saving evaluation system based on energy consumption management platform |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| ENP | Entry into the national phase |
Ref document number: 2018893334 Country of ref document: EP Effective date: 20190703 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |