CN106372742A - 考虑电转气多源储能型微网日前最优经济调度方法 - Google Patents
考虑电转气多源储能型微网日前最优经济调度方法 Download PDFInfo
- Publication number
- CN106372742A CN106372742A CN201610701219.3A CN201610701219A CN106372742A CN 106372742 A CN106372742 A CN 106372742A CN 201610701219 A CN201610701219 A CN 201610701219A CN 106372742 A CN106372742 A CN 106372742A
- Authority
- CN
- China
- Prior art keywords
- energy
- gas
- represent
- electricity
- power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000011159 matrix material Substances 0.000 claims abstract description 44
- 238000003860 storage Methods 0.000 claims abstract description 38
- 238000006243 chemical reaction Methods 0.000 claims abstract description 18
- 239000007789 gas Substances 0.000 claims description 214
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 171
- 230000005611 electricity Effects 0.000 claims description 161
- 238000009825 accumulation Methods 0.000 claims description 98
- 239000003345 natural gas Substances 0.000 claims description 83
- 230000007704 transition Effects 0.000 claims description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- AYUNIORJHRXIBJ-HTLBVUBBSA-N [(3r,5s,6r,7s,8e,10s,11s,12e,14e)-6-hydroxy-5,11-dimethoxy-3,7,9,15-tetramethyl-16,20,22-trioxo-21-(prop-2-enylamino)-17-azabicyclo[16.3.1]docosa-1(21),8,12,14,18-pentaen-10-yl] carbamate Chemical compound N1C(=O)\C(C)=C\C=C\[C@H](OC)[C@@H](OC(N)=O)\C(C)=C\[C@H](C)[C@@H](O)[C@@H](OC)C[C@H](C)CC2=C(NCC=C)C(=O)C=C1C2=O AYUNIORJHRXIBJ-HTLBVUBBSA-N 0.000 claims description 12
- 230000009194 climbing Effects 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 10
- 230000006835 compression Effects 0.000 claims description 9
- 238000007906 compression Methods 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 6
- 238000010168 coupling process Methods 0.000 claims description 6
- 238000005859 coupling reaction Methods 0.000 claims description 6
- 238000005192 partition Methods 0.000 claims description 6
- 238000004321 preservation Methods 0.000 claims description 5
- 238000004378 air conditioning Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 239000000567 combustion gas Substances 0.000 claims 1
- 238000004134 energy conservation Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 8
- 238000010521 absorption reaction Methods 0.000 abstract 1
- 238000005338 heat storage Methods 0.000 abstract 1
- 229910052739 hydrogen Inorganic materials 0.000 description 23
- 239000001257 hydrogen Substances 0.000 description 23
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 14
- 238000004519 manufacturing process Methods 0.000 description 7
- 238000005868 electrolysis reaction Methods 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 230000029087 digestion Effects 0.000 description 4
- 150000002431 hydrogen Chemical class 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000002485 combustion reaction Methods 0.000 description 3
- 230000001172 regenerating effect Effects 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 239000003546 flue gas Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000005619 thermoelectricity Effects 0.000 description 1
- 230000005612 types of electricity Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Power Engineering (AREA)
- Engine Equipment That Uses Special Cycles (AREA)
Abstract
一种考虑电转气多源储能型微网日前最优经济调度方法:建立电转气多源储能型微网模型,是采用能源集线器方法,对电转气多源储能型微网进行建模,建立:供给侧矩阵表达式、转换组件矩阵表达式和负荷侧矩阵表达式,联立供给侧矩阵、转换组件矩阵和负荷侧矩阵,得到电转气多源储能型微网的能量关系的矩阵表达式;建立日前电转气多源储能型微网经济调度优化模型,包含目标函数、元件模型及约束。本发明在第一种微网的基础上,第二种微网加入储电和储热设备后会使得弃风量稍微减小,***成本也会降低,体现了多源储能的优势。第三种微网加入P2G设备后,会使弃风量大幅减小,很大程度的提高了风机的利用率,证明含P2G多源储能在微网风能消纳方面的独特优势。
Description
技术领域
本发明涉及一种微网日前经济调度方法。特别是涉及一种考虑电转气多源储能型微网日前最优经济调度方法。
背景技术
随着新能源的使用受到人们的广泛重视,光伏、风电等新能源发电***装机容量在不断增加,预计到2020年风机装机容量将达到2亿千瓦。但是由于风电场和电网建设不同步、风电特性和电网调峰能力不匹配等原因,在一些地区出现了弃风、弃光等现象,造成了能源浪费和经济损失。
采用综合能源***架构集成可再生能源是提高可再生能源利用率的重要手段之一。基于天然气、电力和热力供能的微网***是典型用户侧综合能源***形态,通过对微网***中天然气、电力和热力环节进行协调优化,可以提高可再生能源利用率;此外,也可在耦合***中发展储气、储电和储势能等技术,提高可再生能源利用率,最终形成通过多元消纳技术、或多元储能技术减少弃风、弃光等现象。由于电力大量存储存在成本高等问题,而储气成本相对较低,可在微网***中大力发展储气技术,例如,通过电转气技术将多余的风电转化成天然气进行存储,减少弃风、弃光等现象。
电转气(Power to Gas,P2G)技术是在负荷低谷或可再生能源出力高峰期,将富余的电能转化为天然气或氢气,存储在天然气管网或天然气存储设备中;在电力短缺时,将存储的气体转化为电能或热能提供给用户,从而提高了微网***在负荷低谷期消纳可再生能源的能力。P2G技术也增加了***中电-气耦合环节的作用,增强了电力-天然气***之间的耦合性和***的供能稳定性。
根据P2G技术最终产物(氢气、天然气)的不同,可以将电转气技术分为电转天然气和电转氢。
电转天然气技术一般包含两个阶段(1)首先,将多余的电能通过电解水产生氢气,其能量转换效率可达75%-85%。现有的电解制氢方法主要有两种:碱性电解水制氢和聚合物电解质电解水制氢。碱性电解水制氢是一种成熟的技术,已经被大规模应用。相比于碱性电解水制氢,聚合物电解质电解水制氢是一种新技术,这种方法更为灵活,负荷可以在0-100%之间变化,而碱性电解水制氢最小负荷限制在20%-40%之间。(2)然后在催化剂的作用下,将电解水生成的氢气和二氧化碳反应生成甲烷和水,这个过程称为甲烷化过程,这个过程能量转换效率约为75%-80%。甲烷化过程中所需的二氧化碳可以来自环境空气、火电厂烟气和厌氧细菌消化产生的生物气体。通过上述两个阶段化学反应,P2G综合效率约在45%-60%之间。
P2G的另一种方法是电转氢,即在电解水产生氢气后直接将氢气注入天然气管道或者氢气存储设备中进行存储。相比于电转天然气过程,电转氢可以避免甲烷化反应的能量损失,但是这种方法也存在许多弊端,例如:(1)氢气加入到现有天然气管道后,会引起管材方面的风险,如氢脆和渗透。因此一些国家对氢气注入天然管道的比例进行了限制,例如德国规定天然气管道中氢气的含量不能超过5%;(2)氢气的能量密度约为甲烷的1/4倍,具有相同能量的天然气体积要比甲烷大得多,不易于存储和运输。
相比而言,通过P2G技术合成天然气,在增强微网中电力网络和天然气网络的耦合特性,提高综合能源***的供能稳定性方面技术更加成熟完善。因此,电力转化为天然气较之电转氢具有更广阔的应用前景。
发明内容
本发明所要解决的技术问题是,提供一种能够提高了风机的利用率的考虑电转气多源储能型微网日前最优经济调度方法。
本发明所采用的技术方案是:一种考虑电转气多源储能型微网日前最优经济调度方法,包括如下步骤:
1)建立电转气多源储能型微网模型,是采用能源集线器方法,对电转气多源储能型微网进行建模,并用矩阵方式表示电转气多源储能型微网的能源耦合,建立:供给侧矩阵表达式、转换组件矩阵表达式和负荷侧矩阵表达式,联立供给侧矩阵、转换组件矩阵和负荷侧矩阵,得到电转气多源储能型微网的能量关系的矩阵表达式为:
L=Ct(Pin+PP2G)+S (1)
式中,L为电转气多源储能型微网负荷,Pin、Ct、S和PP2G分别表示电转气多源储能型微网中能量的输入、转化、存储和电转气环节;
2)建立日前电转气多源储能型微网经济调度优化模型,包含目标函数、元件模型及约束;其中,
目标函数从经济成本最优角度出发,考虑电转气多源储能型微网从外部能源网络购买能源的成本,同时考虑用户参与需求响应的激励收益;元件模型及约束部分包括功率平衡约束、外部网络约束、储能电池模型及约束、储气/热设备模型及约束、微型燃气轮机模型及约束、气/电热锅炉模型及约束、电转气模型及约束、可平移负荷约束;
步骤1)中所述的建立供给侧矩阵表达式包括:
定义风机调度因数α来表示风机的利用率,风机的输出功率为:
式中,Pwind表示风机的输出功率,表示无弃风时的风机输出功率,风机的弃风量表示为:
Pcur表示弃风功率;
供给侧能量关系为:
P1=Pin+PP2G (5)
式中,P1、Pin、PP2G分别表示供给侧输出、输入以及电转气环节转换的能量,分别为电转气多源储能型微网从电网和天然气网络购买的能源,Pwind表示风机输出的功率,PP2G、ηP2G分别表示电转气设备的输入能量和效率,分别表示从供给侧输出到转换组件的电能和天然气。
步骤1)中所述的建立转换组件矩阵表达式,是建立转换组件能量关系,转换组件能量关系为:
P2=CtP1 (7)
式中,P2、P1、Ct分别表示转换侧能量输出、能量输入和能量转换矩阵,λ表示电能输入分配给电锅炉电能的分配系数,β1、β2、β3分别表示天然气输入分配给微型燃气轮机、燃气锅炉和天然气负荷的分配系数,β1、β2、β3三者关系为β1+β2+β3=1,ηEB、ηGB分别表示电锅炉、燃气锅炉的热效率,分别表示微型燃气轮机的电、热效率,和分别表示从转换组件输出到负荷侧的电能、天然气和热能。
步骤1)中所述的建立负荷侧矩阵表达式,是建立负荷侧能量关系,负荷侧能量关系为:
L=P2+S (9)
式中,L、S分别为负荷功率和储能功率矩阵,Le、Lh、Lg为电负荷、热负荷和气负荷,和分别为电储能、热储能和气储能的释放功率。
步骤2)中所述的目标函数,是目标为所研究电转气多源储能型微网日前24时段成本最低,具体如下:
Ce(t)=πe(t)Pe(t) (11)
Cg(t)=πg(t)Pg(t) (12)
Cload(t)=πcon(t)Pcon(t) (13)
式中,Ce、Cg分别表示电转气多源储能型微网从电网、气网购买能源的成本,Cload表示用户参与需求响应的成本,πe、πg分别表示电力和天然气的价格,πcon表示可控负荷的成本,Pe、Pg和Pcon分别表示购买的电功率、气功率和参与需求响应的负荷功率。
步骤2)中所述的元件模型及约束包括:
(1)功率平衡约束
在如图2所示的电转气多源储能型微网中,存在电能、天然气和热能的能量守恒关系:
L=Ct(Pin+PP2G)+S (14)
对于电能、天然气和热能,能量守恒公式具体为:
式中,分别为电转气多源储能型微网从电网和天然气网络购买的电能和天然气,表示风机的输出功率,分别表示输入到电转气设备和电热锅炉的电能, 分别表示微型燃气轮机和储能电池输出的电功率,分别表示电转气设备和气储能设备输出的天然气功率,分别表示输入到微型燃气轮机和燃气锅炉的天然气, 分别表示电热锅炉、微型燃气轮机、燃气锅炉和储热设备输出的热功率, Lg、Lh分别表示可平移电负荷、不可控电负荷、气负荷和热负荷。
(2)外部网络约束
考虑电网和天然气网络对电转气多源储能型微网的要求,电转气多源储能型微网与电网和天然气网络的交换功率需维持在一定范围内:
式中,分别为电转气多源储能型微网与电网交换功率的上下限,分别为电转气多源储能型微网与天然气网络交换功率的上下限;
(3)储能电池模型
采用KiBaM电池模型,来描述电池运行情况,
充放电前后电池荷电量关系为:
qt=qt-Δt+[Ic,t-Δtu-Idis,t-Δt(1-u)]Δt (20)
式中,qt表示t时刻电池的电荷量,u为0-1变量,0表示放电状态,1表示充电状态,Δt表示充放电步长,Ic,t-Δt、Idis,t-Δt分别表示t-Δt时刻的充电电流和放电电流,通过SOC表示电池的荷电状态:
SOC=q/qmax (21)
式中,q表示电池的荷电量,qmax表示电池的最大荷电量;
在储能电池运行过程中,假设储能电池的端电压恒定,为了延长储能电池的寿命,储能电池荷电状态需在一定范围内,并且充放电电流也受一定的约束,
SOCmin≤SOC≤SOCmax (22)
式中,SOCmin、SOCmax分别为储能电池核电状态的最小值和最大值,分别为储能电池的最大放电电流和最大充电电流,Ic、Idis分别表示储能电池的充电电流和放电电流;
(4)储热或储气设备
假定在Δt时间段内的蓄能和放能功率恒定,则储热或储气设备充放能前后储热或储气设备能量关系为:
式中,W0、W1分别表示储能或放能前后储热或储气设备所存储的能量,Qc、Qd分别表示储能设备存储或释放的能量,ηc、ηd分别表示储能、放能的效率,为保证储能设备的稳定运行,需满足以下约束条件:
Wmin≤W≤Wmax (26)
0≤Qc≤Qc,max (27)
0≤Qd≤Qd,max (28)
式中,Wmax、Wmin分别为存储能量的最大值和最小值,Qc,max、Qd,max分别为储能和放能的最大值;
(5)微型燃气轮机模型
通过微型燃气轮机,将天然气的能量转化为电能和热能,微型燃气轮机在运行时,需满足额定功率约束、爬坡率约束等条件,
式中,分别表示微型燃气轮机的输入功率和额定功率,ΔPMT表示微型燃气轮机输入功率变化量,分别表示微型燃气轮机爬坡率的下限和上限;
(6)气锅炉或电热锅炉
通过气锅炉或电热锅炉,将天然气能量或电能转化为热能,气锅炉或电热锅炉在运行时,需满足额定功率约束、爬坡率约束,
0≤Pin≤Prated (31)
ΔPmin≤ΔP≤ΔPmax (32)
式中,Pin表示气锅炉或电热锅炉的输入功率,Prated表示气锅炉或电热锅炉的额定功率,ΔP表示气锅炉或电热锅炉输入功率变化量,ΔPmax、ΔPmin分别表示气锅炉或电热锅炉爬坡率的上下限;
(7)电转气模型
通过电转气设备,将电能转化为天然气:
式中,PP2G表示电转气设备的输入功率,ηP2G表示电转气设备的效率,表示电转气设备输出的天然气的能量。
电转气设备主要受额定功率的约束:
式中,表示电转气设备的额定功率;
(8)可平移负荷
可平移负荷是根据电价将负荷从电价高峰转移到电价低估时段,或根据风机的波动性或负荷的波动性对可平移负荷进行控制,以空调、热水器民用非生产性负荷为典型代表,约束为:
∑Pin,t=∑Pout,t (35)
式中,Pin,t、Pout,t分别为t时刻转移出和转移入的负荷,分别为t时刻转移出和转移入的负荷的最大值。
本发明的考虑电转气多源储能型微网日前最优经济调度方法,在MGEH1的基础上,MGEH2加入储电和储热设备后会使得弃风量稍微减小,***成本也会降低,体现了多源储能的优势。MGEH3加入P2G设备后,会使弃风量大幅减小,很大程度的提高了风机的利用率,证明含P2G多源储能在微网风能消纳方面的独特优势。
附图说明
图1是电转气(P2G)过程简述;
图2是电转气多源储能型微网能源集线器结构图;
图3是微网***负荷;
图4是电力和天然气的价格;
图5是无弃风情况下风机出力;
图6是不同场景时的风机利用率;
图7是不同场景下风机输出功率;
图8是不同场景下微网***购买电能;
图9是不同场景下微网***购买天然气。
具体实施方式
下面结合实施例和附图对本发明的考虑电转气多源储能型微网日前最优经济调度方法做出详细说明。
本发明的考虑电转气多源储能型微网日前最优经济调度方法,包括如下步骤:
1)建立含电转气(P2G)多源储能型微网模型,是采用能源集线器方法(EnergyHub,EH),对电转气多源储能型微网进行建模,并用矩阵方式表示电转气多源储能型微网能源耦合,建立:供给侧矩阵表达式、转换组件矩阵表达式和负荷侧矩阵表达式。其中,
(1)所述的建立供给侧矩阵表达式包括:
在供给侧,含有来自能源网络的能量输入、可再生能源和P2G设备,通过电转气设备,将电能转化为天然气输送到天然气管道,描述电力和天然气之间的耦合作用。定义风机调度因数α来表示风机的利用率,风机的输出功率为:
式中,Pwind表示风机的输出功率,表示无弃风时的风机输出功率,风机的弃风量表示为:
Pcur表示弃风功率;
供给侧能量关系为:
P1=Pin+PP2G (13)
式中,P1、Pin、PP2G分别表示供给侧输出、输入以及电转气环节转换的能量,分别为电转气多源储能型微网从电网和天然气网络购买的能源,Pwind表示风机输出的功率,PP2G、ηP2G分别表示电转气设备的输入能量和效率,分别表示从供给侧输出到转换组件的电能和天然气。
(2)所述的建立转换组件矩阵表达式,是建立转换组件能量关系,在转换组件中,含有电锅炉、微燃机和燃气锅炉等能量转换设备,起到了连接供需两侧的作用,转换组件能量关系为:
P2=CtP1 (15)
式中,P2、P1、Ct分别表示转换侧能量输出、能量输入和能量转换矩阵,λ表示电能输入分配给电锅炉电能的分配系数,β1、β2、β3分别表示天然气输入分配给微型燃气轮机、燃气锅炉和天然气负荷的分配系数,β1、β2、β3三者关系为β1+β2+β3=1,ηEB、ηGB分别表示电锅炉、燃气锅炉的热效率,分别表示微型燃气轮机的电、热效率,和分别表示从转换组件输出到负荷侧的电能、天然气和热能。
(3)所述的建立负荷侧矩阵表达式,是建立负荷侧能量关系,在负荷侧,除去电、气、热负荷之外,还含有储能电池、储热设备、储气设备。负荷侧能量关系为:
L=P2+S (17)
式中,L、S分别为负荷功率和储能功率矩阵,Le、Lh、Lg为电负荷、热负荷和气负荷,和分别为电储能、热储能和气储能的释放功率。
联立供给侧矩阵、转换组件矩阵和负荷侧矩阵,得到电转气多源储能型微网的能量关系的矩阵表达式为:
L=Ct(Pin+PP2G)+S (18)
式中,Pin、Ct、S和PP2G分别表示电转气多源储能型微网中能量的输入、转化、存储和电转气环节;
对于不同类型的电转气多源储能型微网,其内部含有的设备可能不同,可根据设备的功能差异,在上述公式确定的MGEH模型对应的环节矩阵中进行修改。例如,若电转气多源储能型微网中含有储能但无电转气环节,则其能量关系为描述为:
L=CtPin+S (19)
若电转气多源储能型微网中既无储能无电转气环节,则其能量关系为:
L=CtPin (11)
综上可知,将电转气多源储能型微网模型进行扩展,“串联”模块化建模之后,若需分析不同场景下的综合能源***架构,只需更改元件对应的矩阵元素即可,减少重复建模的时间,提高效率。
2)建立日前电转气多源储能型微网经济调度优化模型,包含目标函数、元件模型及约束;其中,
目标函数本发明从经济成本最优角度出发,考虑含电转气多源储能型微网从外部能源网络购买能源的成本,同时考虑用户参与需求响应的激励收益。具体是考虑含电转气多源储能型微网从外部能源网络购买能源的成本,同时考虑用户参与需求响应的激励收益;元件模型及约束部分包括功率平衡约束、外部网络约束、储能电池模型及约束、储气/热设备模型及约束、微型燃气轮机模型及约束、气/电热锅炉模型及约束、电转气模型及约束、可平移负荷约束;其中,
(1)所述的目标函数,是目标为所研究电转气多源储能型微网日前24时段成本最低,具体如下:
Ce(t)=πe(t)Pe(t) (13)
Cg(t)=πg(t)Pg(t) (14)
Cload(t)=πcon(t)Pcon(t) (15)
式中,Ce、Cg分别表示电转气多源储能型微网从电网、气网购买能源的成本,Cload表示用户参与需求响应的成本,πe、πg分别表示电力和天然气的价格,πcon表示可控负荷的成本,Pe、Pg和Pcon分别表示购买的电功率、气功率和参与需求响应的负荷功率。
(2)所述的元件模型及约束包括:
(2.1)功率平衡约束
在如图2所示的电转气多源储能型微网中,存在电能、天然气和热能的能量守恒关系:
L=Ct(Pin+PP2G)+S (16)
式中,L为电转气多源储能型微网负荷,Pin、Ct、S和PP2G分别表示电转气多源储能型微网中能量的输入、转化、存储和电转气环节。
对于电能、天然气和热能,能量守恒公式具体为:
式中,分别为电转气多源储能型微网从电网和天然气网络购买的电能和天然气,表示风机的输出功率,分别表示输入到电转气设备和电热锅炉的电能, 分别表示微型燃气轮机和储能电池输出的电功率,分别表示电转气设备和气储能设备输出的天然气功率,分别表示输入到微型燃气轮机和燃气锅炉的天然气, 分别表示电热锅炉、微型燃气轮机、燃气锅炉和储热设备输出的热功率, Lg、Lh分别表示可平移电负荷、不可控电负荷、气负荷和热负荷。
(2.2)外部网络约束
考虑电网和天然气网络对电转气多源储能型微网的要求,电转气多源储能型微网与电网和天然气网络的交换功率需维持在一定范围内:
式中,分别为电转气多源储能型微网与电网交换功率的上下限,分别为电转气多源储能型微网与天然气网络交换功率的上下限;
(2.3)储能电池模型
采用KiBaM(Kinetic Battery Model)电池模型,来描述电池运行情况,
充放电前后电池荷电量关系为:
qt=qt-Δt+[Ic,t-Δtu-Idis,t-Δt(1-u)]Δt (22)
式中,qt表示t时刻电池的电荷量,u为0-1变量,0表示放电状态,1表示充电状态,Δt表示充放电步长,Ic,t-Δt、Idis,t-Δt分别表示t-Δt时刻的充电电流和放电电流,通过SOC(State of Charge)表示电池的荷电状态:
SOC=q/qmax (23)
式中,q表示电池的荷电量,qmax表示电池的最大荷电量;
在储能电池运行过程中,假设储能电池的端电压恒定,为了延长储能电池的寿命,储能电池荷电状态需在一定范围内,并且充放电电流也受一定的约束,
SOCmin≤SOC≤SOCmax (24)
式中,SOCmin、SOCmax分别为储能电池核电状态的最小值和最大值,分别为储能电池的最大放电电流和最大充电电流,Ic、Idis分别表示储能电池的充电电流和放电电流;
(2.4)储热或储气设备
假定在Δt时间段内的蓄能和放能功率恒定,则储热或储气设备充放能前后储热或储气设备能量关系为:
式中,W0、W1分别表示储能或放能前后储热或储气设备所存储的能量,Qc、Qd分别表示储能设备存储或释放的能量,ηc、ηd分别表示储能、放能的效率,为保证储能设备的稳定运行,需满足以下约束条件:
Wmin≤W≤Wmax (28)
0≤Qc≤Qc,max (29)
0≤Qd≤Qd,max (30)
式中,Wmax、Wmin分别为存储能量的最大值和最小值,Qc,max、Qd,max分别为储能和放能的最大值;
(2.5)微型燃气轮机模型
通过微型燃气轮机,将天然气的能量转化为电能和热能,微型燃气轮机在运行时,需满足额定功率约束、爬坡率约束等条件,
式中,分别表示微型燃气轮机的输入功率和额定功率,ΔPMT表示微型燃气轮机输入功率变化量,分别表示微型燃气轮机爬坡率的下限和上限;
(2.6)气锅炉或电热锅炉
通过气锅炉或电热锅炉,将天然气能量或电能转化为热能,气锅炉或电热锅炉在运行时,需满足额定功率约束、爬坡率约束,
0≤Pin≤Prated (33)
ΔPmin≤ΔP≤ΔPmax (34)
式中,Prated表示电/气锅炉的额定功率,ΔP表示电/气锅炉输入功率变化量,ΔPmax、ΔPmin分别表示电/气锅炉爬坡率的上下限;
(2.7)电转气(P2G)模型
通过电转气设备,将电能转化为天然气:
式中,PP2G表示P2G设备的输入功率,ηP2G表示P2G设备的效率,表示P2G设备输出的天然气的能量。
电转气设备主要受额定功率的约束:
式中,表示P2G设备的额定功率;
(2.8)可平移负荷
可平移负荷是根据电价将负荷从电价高峰转移到电价低估时段,或根据风机的波动性或负荷的波动性对可平移负荷进行控制,以空调、热水器民用非生产性负荷为典型代表,约束为:
∑Pin,t=∑Pout,t (37)
式中,Pin,t、Pout,t分别为t时刻转移出和转移入的负荷,分别为t时刻转移出和转移入的负荷的最大值。
为了比较不同场景下微网***对风电消纳能力的差异,本发明针对三种不同微网,对日前经济调度结果进行对比分析。
第一种场景下,微网不含储能设备和P2G设备,只含有不同能源间的耦合元件,检验在不含储能设备和P2G设备支持条件下,微网***对风电的消纳能力。
由于电储能、热储能是现有的储能设备,在第一种场景基础上,第二种场景对应微网增加了电储能、热储能设备,检验此场景下,微网***对风电的消纳能力和***经济性。
第三种场景下,电转气多源储能型微网在供应侧增加P2G设备和储气设备,提高电力网络和天然气网络的耦合特性。在此场景下,检验P2G对弃风现象的影响,以及对电转气多源储能型微网经济性影响。三种微网的模型设备种类分布如表1所示。
表1不同场景微网所含元件
以下是三种微网***的功率平衡方程:
第一种功率平衡方程:
第二种功率平衡方程:
第三种功率平衡方程:
图3为一天中的电、气和热负荷分布情况,图4为一天中电力和然气的价格,电价采用的是实时电价(NYISO),图5为风机出力,采用冬季风机特性,具有反调峰特性。
本发明采用内点法对日前经济调度模型进行求解。由图6和图7结果可以看出第一种微网弃风情况最严重,由表2可以看出第一种微网的全天弃风总量达到4800kW·h。第二种微网中增加储电荷储热设备后,风机使用率有所提高,白天的弃风率降低,全天弃风量下降到3429kW·h,但对于夜晚弃风严重的现象并未有较大改观,这是储电成本高、容量小等原因造成的。第三种电转气多源储能型微网中加入P2G设备后,在日前经济调度模型成本最优的引导原则下,P2G夜间会消纳更多风电,使得风机利用率大幅增加,弃风率有较大幅度降低,全天弃风总量仅为354kW·h。
表2不同场景下微网***的全天弃风总量
由图8、9和表3、表4可以看出,不含储能和P2G的第一种微网成本最高,其购买的电能和天然气也是最多,分别为20437kW·h和31636kW·h。当加入储电和储气设备后,微网***的成本会降低,相对第一种微网成本下降1910美分(全文采用美元计价),其购买的电能和天然气相比于第一种微网均有所下降,分别为19762kW·h和31168kW·h。在第二种微网基础上加入P2G和储气设施后,成本降到三种场景的最低,为59468美分。相比于前两种场景,第三种电转气多源储能型微网购买的电能的行为只发生在每天11点到13点的用电高峰期,购买电能下降至19657kW·h。在0点至4点和23点至24点,第三种电转气多源储能型微网购买的天然气相比于前两种场景几乎为零,一天购买的天然气下降至29046kW·h。
表3不同场景下微网***购买能源
表4不同场景下微网***成本
由以上结果可知,在第一种微网的基础上,第二种微网加入储电和储热设备后会使得弃风量稍微减小,***成本也会降低,体现了多源储能的优势。第三种电转气多源储能型微网加入P2G设备后,会使弃风量大幅减小,很大程度的提高了风机的利用率,证明电转气多源储能型微网风能消纳方面的独特优势。
Claims (6)
1.一种考虑电转气多源储能型微网日前最优经济调度方法,其特征在于,包括如下步骤:
1)建立电转气多源储能型微网模型,是采用能源集线器方法,对电转气多源储能型微网进行建模,并用矩阵方式表示电转气多源储能型微网的能源耦合,建立:供给侧矩阵表达式、转换组件矩阵表达式和负荷侧矩阵表达式,联立供给侧矩阵、转换组件矩阵和负荷侧矩阵,得到电转气多源储能型微网的能量关系的矩阵表达式为:
L=Ct(Pin+PP2G)+S (1)
式中,L为电转气多源储能型微网负荷,Pin、Ct、S和PP2G分别表示电转气多源储能型微网中能量的输入、转化、存储和电转气环节;
2)建立日前电转气多源储能型微网经济调度优化模型,包含目标函数、元件模型及约束;其中,
目标函数从经济成本最优角度出发,考虑电转气多源储能型微网从外部能源网络购买能源的成本,同时考虑用户参与需求响应的激励收益;元件模型及约束部分包括功率平衡约束、外部网络约束、储能电池模型及约束、储气/热设备模型及约束、微型燃气轮机模型及约束、气/电热锅炉模型及约束、电转气模型及约束、可平移负荷约束。
2.根据权利要求1所述的考虑电转气多源储能型微网日前最优经济调度方法,其特征在于,步骤1)中所述的建立供给侧矩阵表达式包括:
定义风机调度因数α来表示风机的利用率,风机的输出功率为:
式中,Pwind表示风机的输出功率,表示无弃风时的风机输出功率,风机的弃风量表示为:
Pcur表示弃风功率;
供给侧能量关系为:
P1=Pin+PP2G (5)
式中,P1、Pin、PP2G分别表示供给侧输出、输入以及电转气环节转换的能量,分别为电转气多源储能型微网从电网和天然气网络购买的能源,Pwind表示风机输出的功率,PP2G、ηP2G分别表示电转气设备的输入能量和效率,分别表示从供给侧输出到转换组件的电能和天然气。
3.根据权利要求1所述的考虑电转气多源储能型微网日前最优经济调度方法,其特征在于,步骤1)中所述的建立转换组件矩阵表达式,是建立转换组件能量关系,转换组件能量关系为:
P2=CtP1 (7)
式中,P2、P1、Ct分别表示转换侧能量输出、能量输入和能量转换矩阵,λ表示电能输入分配给电锅炉电能的分配系数,β1、β2、β3分别表示天然气输入分配给微型燃气轮机、燃气锅炉和天然气负荷的分配系数,β1、β2、β3三者关系为β1+β2+β3=1,ηEB、ηGB分别表示电锅炉、燃气锅炉的热效率,分别表示微型燃气轮机的电、热效率, 和分别表示从转换组件输出到负荷侧的电能、天然气和热能。
4.根据权利要求1所述的考虑电转气多源储能型微网日前最优经济调度方法,其特征在于,步骤1)中所述的建立负荷侧矩阵表达式,是建立负荷侧能量关系,负荷侧能量关系为:
L=P2+S (9)
式中,L、S分别为负荷功率和储能功率矩阵,Le、Lh、Lg为电负荷、热负荷和气负荷,和分别为电储能、热储能和气储能的释放功率。
5.根据权利要求1所述的考虑电转气多源储能型微网日前最优经济调度方法,其特征在于,步骤2)中所述的目标函数,是目标为所研究电转气多源储能型微网日前24时段成本最低,具体如下:
Ce(t)=πe(t)Pe(t) (11)
Cg(t)=πg(t)Pg(t) (12)
Cload(t)=πcon(t)Pcon(t) (13)
式中,Ce、Cg分别表示电转气多源储能型微网从电网、气网购买能源的成本,Cload表示用户参与需求响应的成本,πe、πg分别表示电力和天然气的价格,πcon表示可控负荷的成本,Pe、Pg和Pcon分别表示购买的电功率、气功率和参与需求响应的负荷功率。
6.根据权利要求1所述的考虑电转气多源储能型微网日前最优经济调度方法,其特征在于,步骤2)中所述的元件模型及约束包括:
(1)功率平衡约束
在如图2所示的电转气多源储能型微网中,存在电能、天然气和热能的能量守恒关系:
L=Ct(Pin+PP2G)+S (14)
对于电能、天然气和热能,能量守恒公式具体为:
式中,分别为电转气多源储能型微网从电网和天然气网络购买的电能和天然气,表示风机的输出功率,分别表示输入到电转气设备和电热锅炉的电能, 分别表示微型燃气轮机和储能电池输出的电功率,分别表示电转气设备和气储能设备输出的天然气功率,分别表示输入到微型燃气轮机和燃气锅炉的天然气,分别表示电热锅炉、微型燃气轮机、燃气锅炉和储热设备输出的热功率,Lg、Lh分别表示可平移电负荷、不可控电负荷、气负荷和热负荷。
(2)外部网络约束
考虑电网和天然气网络对电转气多源储能型微网的要求,电转气多源储能型微网与电网和天然气网络的交换功率需维持在一定范围内:
式中,分别为电转气多源储能型微网与电网交换功率的上下限,分别为电转气多源储能型微网与天然气网络交换功率的上下限;
(3)储能电池模型
采用KiBaM电池模型,来描述电池运行情况,
充放电前后电池荷电量关系为:
qt=qt-△t+[Ic,t-△tu-Idis,t-△t(1-u)]△t (20)
式中,qt表示t时刻电池的电荷量,u为0-1变量,0表示放电状态,1表示充电状态,△t表示充放电步长,Ic,t-△t、Idis,t-△t分别表示t-△t时刻的充电电流和放电电流,通过SOC表示电池的荷电状态:
SOC=q/qmax (21)
式中,q表示电池的荷电量,qmax表示电池的最大荷电量;
在储能电池运行过程中,假设储能电池的端电压恒定,为了延长储能电池的寿命,储能电池荷电状态需在一定范围内,并且充放电电流也受一定的约束,
SOCmin≤SOC≤SOCmax (22)
式中,SOCmin、SOCmax分别为储能电池核电状态的最小值和最大值,分别为储能电池的最大放电电流和最大充电电流,Ic、Idis分别表示储能电池的充电电流和放电电流;
(4)储热或储气设备
假定在△t时间段内的蓄能和放能功率恒定,则储热或储气设备充放能前后储热或储气设备能量关系为:
式中,W0、W1分别表示储能或放能前后储热或储气设备所存储的能量,Qc、Qd分别表示储能设备存储或释放的能量,ηc、ηd分别表示储能、放能的效率,为保证储能设备的稳定运行,需满足以下约束条件:
Wmin≤W≤Wmax (26)
0≤Qc≤Qc,max (27)
0≤Qd≤Qd,max (28)
式中,Wmax、Wmin分别为存储能量的最大值和最小值,Qc,max、Qd,max分别为储能和放能的最大值;
(5)微型燃气轮机模型
通过微型燃气轮机,将天然气的能量转化为电能和热能,微型燃气轮机在运行时,需满足额定功率约束、爬坡率约束等条件,
式中,分别表示微型燃气轮机的输入功率和额定功率,△PMT表示微型燃气轮机输入功率变化量,分别表示微型燃气轮机爬坡率的下限和上限;
(6)气锅炉或电热锅炉
通过气锅炉或电热锅炉,将天然气能量或电能转化为热能,气锅炉或电热锅炉在运行时,需满足额定功率约束、爬坡率约束,
0≤Pin≤Prated (31)
△Pmin≤△P≤△Pmax (32)
式中,Pin表示气锅炉或电热锅炉的输入功率,Prated表示气锅炉或电热锅炉的额定功率,△P表示气锅炉或电热锅炉输入功率变化量,△Pmax、△Pmin分别表示气锅炉或电热锅炉爬坡率的上下限;
(7)电转气模型
通过电转气设备,将电能转化为天然气:
式中,PP2G表示电转气设备的输入功率,ηP2G表示电转气设备的效率,表示电转气设备输出的天然气的能量。
电转气设备主要受额定功率的约束:
式中,表示电转气设备的额定功率;
(8)可平移负荷
可平移负荷是根据电价将负荷从电价高峰转移到电价低估时段,或根据风机的波动性或负荷的波动性对可平移负荷进行控制,以空调、热水器民用非生产性负荷为典型代表,约束为:
∑Pin,t=∑Pout,t (35)
式中,Pin,t、Pout,t分别为t时刻转移出和转移入的负荷,分别为t时刻转移出和转移入的负荷的最大值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610701219.3A CN106372742A (zh) | 2016-08-19 | 2016-08-19 | 考虑电转气多源储能型微网日前最优经济调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610701219.3A CN106372742A (zh) | 2016-08-19 | 2016-08-19 | 考虑电转气多源储能型微网日前最优经济调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106372742A true CN106372742A (zh) | 2017-02-01 |
Family
ID=57879475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610701219.3A Pending CN106372742A (zh) | 2016-08-19 | 2016-08-19 | 考虑电转气多源储能型微网日前最优经济调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106372742A (zh) |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106786603A (zh) * | 2017-02-22 | 2017-05-31 | 天津大学 | 一种区域综合能源***多目标最优混合潮流算法 |
CN106960254A (zh) * | 2017-03-14 | 2017-07-18 | 华南理工大学 | 一种考虑风电消纳的电转气设备容量优化配置方法 |
CN107769246A (zh) * | 2017-10-20 | 2018-03-06 | 海南电网有限责任公司 | 一种孤立岛屿的微电网控制方法及*** |
CN108173282A (zh) * | 2017-12-29 | 2018-06-15 | 国网山东省电力公司电力科学研究院 | 一种考虑电转气运行成本综合能源***优化调度方法 |
CN109066740A (zh) * | 2018-09-27 | 2018-12-21 | 沈阳工程学院 | 一种可调节电储热锅炉的电网负荷模型 |
CN109412181A (zh) * | 2018-11-06 | 2019-03-01 | 湖南大学 | 基于新能源转氨气的多能源框架、消纳方法、介质及设备 |
CN109450002A (zh) * | 2018-12-21 | 2019-03-08 | 南京工程学院 | 一种基于电转气互联式区域综合能源***协同优化方法 |
CN109461097A (zh) * | 2018-11-15 | 2019-03-12 | 东北大学 | 一种基于附加热源消纳弃风的电热联合***调度方法 |
CN109670730A (zh) * | 2019-01-11 | 2019-04-23 | 国网安徽省电力有限公司合肥供电公司 | 一种综合能源***日前经济调度方法 |
CN109784591A (zh) * | 2019-03-22 | 2019-05-21 | 大唐环境产业集团股份有限公司 | 一种带储能和风电的综合能源***优化调度方法及*** |
CN109919450A (zh) * | 2019-02-14 | 2019-06-21 | 国核电力规划设计研究院有限公司 | 解决综合智慧能源***调度的博弈优化方法 |
CN110007600A (zh) * | 2019-04-24 | 2019-07-12 | 四川大学 | 一种具有约束的多能流协调调度辅助决策*** |
CN110009143A (zh) * | 2019-03-28 | 2019-07-12 | 北京快电科技有限公司 | 一种楼宇内能源调度方法 |
CN110009244A (zh) * | 2019-04-12 | 2019-07-12 | 西安交通大学 | 一种考虑抗灾恢复的区域综合能源***优化调度方法 |
CN110619421A (zh) * | 2019-07-31 | 2019-12-27 | 广东电网有限责任公司 | 一种广义需求响应与储能的联合优化运行方法 |
CN110635514A (zh) * | 2019-11-13 | 2019-12-31 | 燕山大学 | 一种并网型微网优化配置方法 |
CN110752623A (zh) * | 2019-12-13 | 2020-02-04 | 国网陕西省电力公司电力科学研究院 | 基于氢与电池混合储能改善跟踪光伏发电出力特性的方法 |
CN110829504A (zh) * | 2019-11-08 | 2020-02-21 | 山东大学 | 弃风参与电网调频的电转气-储气-燃气轮机容量优化配置方法及*** |
CN110854930A (zh) * | 2019-11-18 | 2020-02-28 | 国网浙江省电力有限公司台州供电公司 | 一种考虑多能协同的园区综合能源***优化调度方法 |
CN110912201A (zh) * | 2019-10-28 | 2020-03-24 | 大唐水电科学技术研究院有限公司 | 一种基于电转气互联式区域综合能源***协同优化方法 |
CN111049184A (zh) * | 2019-12-26 | 2020-04-21 | 国网吉林省电力有限公司 | 一种多能互补园区响应电力***风电消纳需求的计算方法 |
CN111200293A (zh) * | 2018-11-16 | 2020-05-26 | 国网能源研究院有限公司 | 基于电池损耗和分布式电网电池储能日前随机调度的方法 |
CN111259309A (zh) * | 2020-01-14 | 2020-06-09 | 沈阳工业大学 | 一种基于电转气和燃料电池的多能源***稳定性优化方法 |
CN112018756A (zh) * | 2020-08-04 | 2020-12-01 | 四川大学 | 气电联合***日前鲁棒协调优化调度方法 |
CN112072707A (zh) * | 2020-07-24 | 2020-12-11 | 中国电力科学研究院有限公司 | 一种电热混合储能***的协调控制方法及装置 |
CN112152199A (zh) * | 2020-08-14 | 2020-12-29 | 国网山东综合能源服务有限公司 | 一种多能互补综合能源***的能效优化方法及*** |
CN112713590A (zh) * | 2020-12-22 | 2021-04-27 | 南昌大学 | 计及idr的冷热电联供微网与主动配电网联合优化调度方法 |
CN112769156A (zh) * | 2020-12-28 | 2021-05-07 | 南昌大学 | 一种计及大规模海上风电并网的源网荷储协调运行方法 |
CN113178865A (zh) * | 2021-04-23 | 2021-07-27 | 东北电力大学 | 基于碳氧环流的能源集线器及其优化调度方法 |
CN115173444A (zh) * | 2022-08-11 | 2022-10-11 | 内蒙古工业大学 | 一种风光可再生能源耦合氢储综合能源*** |
CN116388280A (zh) * | 2023-06-02 | 2023-07-04 | 电力规划总院有限公司 | 基于深度强化学习算法的综合能源***电压控制方法及*** |
-
2016
- 2016-08-19 CN CN201610701219.3A patent/CN106372742A/zh active Pending
Cited By (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106786603B (zh) * | 2017-02-22 | 2019-07-19 | 天津大学 | 一种区域综合能源***多目标最优混合潮流算法 |
CN106786603A (zh) * | 2017-02-22 | 2017-05-31 | 天津大学 | 一种区域综合能源***多目标最优混合潮流算法 |
CN106960254A (zh) * | 2017-03-14 | 2017-07-18 | 华南理工大学 | 一种考虑风电消纳的电转气设备容量优化配置方法 |
CN106960254B (zh) * | 2017-03-14 | 2020-09-22 | 华南理工大学 | 一种考虑风电消纳的电转气设备容量优化配置方法 |
CN107769246A (zh) * | 2017-10-20 | 2018-03-06 | 海南电网有限责任公司 | 一种孤立岛屿的微电网控制方法及*** |
CN108173282A (zh) * | 2017-12-29 | 2018-06-15 | 国网山东省电力公司电力科学研究院 | 一种考虑电转气运行成本综合能源***优化调度方法 |
CN109066740B (zh) * | 2018-09-27 | 2021-10-22 | 沈阳工程学院 | 一种可调节电储热锅炉的电网负荷模型 |
CN109066740A (zh) * | 2018-09-27 | 2018-12-21 | 沈阳工程学院 | 一种可调节电储热锅炉的电网负荷模型 |
CN109412181A (zh) * | 2018-11-06 | 2019-03-01 | 湖南大学 | 基于新能源转氨气的多能源框架、消纳方法、介质及设备 |
CN109412181B (zh) * | 2018-11-06 | 2020-06-02 | 湖南大学 | 基于新能源转氨气的多能源框架、消纳方法、介质及设备 |
CN109461097A (zh) * | 2018-11-15 | 2019-03-12 | 东北大学 | 一种基于附加热源消纳弃风的电热联合***调度方法 |
CN111200293B (zh) * | 2018-11-16 | 2022-03-01 | 国网能源研究院有限公司 | 基于电池损耗和分布式电网电池储能日前随机调度的方法 |
CN111200293A (zh) * | 2018-11-16 | 2020-05-26 | 国网能源研究院有限公司 | 基于电池损耗和分布式电网电池储能日前随机调度的方法 |
CN109450002A (zh) * | 2018-12-21 | 2019-03-08 | 南京工程学院 | 一种基于电转气互联式区域综合能源***协同优化方法 |
CN109670730B (zh) * | 2019-01-11 | 2021-05-25 | 国网安徽省电力有限公司合肥供电公司 | 一种综合能源***日前经济调度方法 |
CN109670730A (zh) * | 2019-01-11 | 2019-04-23 | 国网安徽省电力有限公司合肥供电公司 | 一种综合能源***日前经济调度方法 |
CN109919450A (zh) * | 2019-02-14 | 2019-06-21 | 国核电力规划设计研究院有限公司 | 解决综合智慧能源***调度的博弈优化方法 |
CN109919450B (zh) * | 2019-02-14 | 2020-11-24 | 国核电力规划设计研究院有限公司 | 解决综合智慧能源***调度的博弈优化方法 |
CN109784591A (zh) * | 2019-03-22 | 2019-05-21 | 大唐环境产业集团股份有限公司 | 一种带储能和风电的综合能源***优化调度方法及*** |
CN110009143A (zh) * | 2019-03-28 | 2019-07-12 | 北京快电科技有限公司 | 一种楼宇内能源调度方法 |
CN110009244A (zh) * | 2019-04-12 | 2019-07-12 | 西安交通大学 | 一种考虑抗灾恢复的区域综合能源***优化调度方法 |
CN110007600A (zh) * | 2019-04-24 | 2019-07-12 | 四川大学 | 一种具有约束的多能流协调调度辅助决策*** |
CN110619421A (zh) * | 2019-07-31 | 2019-12-27 | 广东电网有限责任公司 | 一种广义需求响应与储能的联合优化运行方法 |
CN110912201A (zh) * | 2019-10-28 | 2020-03-24 | 大唐水电科学技术研究院有限公司 | 一种基于电转气互联式区域综合能源***协同优化方法 |
CN110829504B (zh) * | 2019-11-08 | 2021-02-02 | 山东大学 | 弃风参与电网调频的电转气-储气-燃气轮机容量优化配置方法及*** |
CN110829504A (zh) * | 2019-11-08 | 2020-02-21 | 山东大学 | 弃风参与电网调频的电转气-储气-燃气轮机容量优化配置方法及*** |
CN110635514B (zh) * | 2019-11-13 | 2022-08-30 | 燕山大学 | 一种并网型微网优化配置方法 |
CN110635514A (zh) * | 2019-11-13 | 2019-12-31 | 燕山大学 | 一种并网型微网优化配置方法 |
CN110854930A (zh) * | 2019-11-18 | 2020-02-28 | 国网浙江省电力有限公司台州供电公司 | 一种考虑多能协同的园区综合能源***优化调度方法 |
CN110752623A (zh) * | 2019-12-13 | 2020-02-04 | 国网陕西省电力公司电力科学研究院 | 基于氢与电池混合储能改善跟踪光伏发电出力特性的方法 |
CN111049184B (zh) * | 2019-12-26 | 2023-04-18 | 国网吉林省电力有限公司 | 一种多能互补园区响应电力***风电消纳需求的计算方法 |
CN111049184A (zh) * | 2019-12-26 | 2020-04-21 | 国网吉林省电力有限公司 | 一种多能互补园区响应电力***风电消纳需求的计算方法 |
CN111259309A (zh) * | 2020-01-14 | 2020-06-09 | 沈阳工业大学 | 一种基于电转气和燃料电池的多能源***稳定性优化方法 |
CN111259309B (zh) * | 2020-01-14 | 2023-05-26 | 沈阳工业大学 | 一种基于电转气和燃料电池的多能源***稳定性优化方法 |
CN112072707A (zh) * | 2020-07-24 | 2020-12-11 | 中国电力科学研究院有限公司 | 一种电热混合储能***的协调控制方法及装置 |
CN112018756A (zh) * | 2020-08-04 | 2020-12-01 | 四川大学 | 气电联合***日前鲁棒协调优化调度方法 |
CN112152199A (zh) * | 2020-08-14 | 2020-12-29 | 国网山东综合能源服务有限公司 | 一种多能互补综合能源***的能效优化方法及*** |
CN112713590A (zh) * | 2020-12-22 | 2021-04-27 | 南昌大学 | 计及idr的冷热电联供微网与主动配电网联合优化调度方法 |
CN112713590B (zh) * | 2020-12-22 | 2022-11-08 | 南昌大学 | 计及idr的冷热电联供微网与主动配电网联合优化调度方法 |
CN112769156A (zh) * | 2020-12-28 | 2021-05-07 | 南昌大学 | 一种计及大规模海上风电并网的源网荷储协调运行方法 |
CN113178865A (zh) * | 2021-04-23 | 2021-07-27 | 东北电力大学 | 基于碳氧环流的能源集线器及其优化调度方法 |
CN113178865B (zh) * | 2021-04-23 | 2022-05-24 | 东北电力大学 | 基于碳氧环流的能源集线器及其优化调度方法 |
CN115173444A (zh) * | 2022-08-11 | 2022-10-11 | 内蒙古工业大学 | 一种风光可再生能源耦合氢储综合能源*** |
CN116388280A (zh) * | 2023-06-02 | 2023-07-04 | 电力规划总院有限公司 | 基于深度强化学习算法的综合能源***电压控制方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106372742A (zh) | 考虑电转气多源储能型微网日前最优经济调度方法 | |
Ju et al. | A two-stage optimal coordinated scheduling strategy for micro energy grid integrating intermittent renewable energy sources considering multi-energy flexible conversion | |
Al-Khori et al. | Comparative techno-economic assessment of integrated PV-SOFC and PV-Battery hybrid system for natural gas processing plants | |
CN110689189A (zh) | 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法 | |
CN105955931B (zh) | 面向高密度分布式光伏消纳的区域能源网络优化调度方法 | |
CN106058942A (zh) | 考虑风电不确定性的含电转气和cchp的能量枢纽优化模型 | |
Boqtob et al. | Microgrid energy management system: a state-of-the-art review. | |
Li et al. | Capacity design of a distributed energy system based on integrated optimization and operation strategy of exergy loss reduction | |
CN110991000A (zh) | 计及固体氧化物燃料电池和电转气的能量枢纽建模方法 | |
CN110318877B (zh) | 基于双模态解耦的热电联产***的风电消纳方法 | |
CN105958537A (zh) | 面向能源互联网的能源转换***及其优化控制方法 | |
CN114330827B (zh) | 多能流虚拟电厂分布式鲁棒自调度优化方法及其应用 | |
Sun et al. | Multi-objective robust optimization of multi-energy microgrid with waste treatment | |
CN114066204A (zh) | 一种综合能源***的一体化优化规划与运行方法及装置 | |
CN117081143A (zh) | 促进分布式光伏就地消纳的园区综合能源***协调优化运行方法 | |
Li et al. | Role of different energy storage methods in decarbonizing urban distributed energy systems: A case study of thermal and electricity storage | |
Tian et al. | Day-ahead scheduling of SMR integrated energy system considering heat-electric-cold demand coupling response characteristics | |
CN113806952A (zh) | 一种考虑源-荷-储的冷热电综合能源***及其优化运行方法 | |
Li et al. | Planning model of integrated energy system considering P2G and energy storage | |
CN112883630A (zh) | 用于风电消纳的多微网***日前优化经济调度方法 | |
CN115936336A (zh) | 一种虚拟电厂容量配置与调控运行优化方法 | |
CN113393077B (zh) | 考虑用户用能不确定性的电-气多能存储***配置方法 | |
CN115906456A (zh) | 考虑需求侧响应不确定性的含氢储能ies调度优化模型 | |
CN115659585A (zh) | 计及需求响应的微能网低碳协同调度方法、装置、存储器及设备 | |
Zhou et al. | Dynamic pricing of integrated energy service providers based on master-slave game |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170201 |