CN108629462A - 含储能的综合能源微网优化规划方法及综合能源微网*** - Google Patents
含储能的综合能源微网优化规划方法及综合能源微网*** Download PDFInfo
- Publication number
- CN108629462A CN108629462A CN201810472180.1A CN201810472180A CN108629462A CN 108629462 A CN108629462 A CN 108629462A CN 201810472180 A CN201810472180 A CN 201810472180A CN 108629462 A CN108629462 A CN 108629462A
- Authority
- CN
- China
- Prior art keywords
- moment
- heat
- model
- formula
- load
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000005611 electricity Effects 0.000 claims abstract description 37
- 238000009825 accumulation Methods 0.000 claims abstract description 32
- 230000001172 regenerating effect Effects 0.000 claims abstract description 31
- 238000009826 distribution Methods 0.000 claims abstract description 4
- 239000007789 gas Substances 0.000 claims description 74
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical compound [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 claims description 56
- 239000002918 waste heat Substances 0.000 claims description 33
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 29
- 238000000605 extraction Methods 0.000 claims description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 25
- 238000005057 refrigeration Methods 0.000 claims description 21
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 19
- 239000003546 flue gas Substances 0.000 claims description 19
- 238000003860 storage Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 16
- 238000005338 heat storage Methods 0.000 claims description 15
- 239000003345 natural gas Substances 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 11
- 238000010438 heat treatment Methods 0.000 claims description 9
- 239000000567 combustion gas Substances 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 240000002853 Nelumbo nucifera Species 0.000 claims description 6
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 6
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 6
- 230000029087 digestion Effects 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 claims description 3
- 239000003517 fume Substances 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000009472 formulation Methods 0.000 claims description 2
- 238000010025 steaming Methods 0.000 claims description 2
- 230000009194 climbing Effects 0.000 abstract description 2
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000001816 cooling Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 239000006227 byproduct Substances 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 208000033999 Device damage Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Engine Equipment That Uses Special Cycles (AREA)
Abstract
本发明公开了一种含储能的综合能源微网优化规划方法,首先对微网内的各个设备进行详细的独立建模,然后以***运行成本最小为目标函数,并综合考虑机组的出力特性、爬坡特性等机组特性约束以及储能装置的容量约束、充放速率约束,形成了整个含有CCHP***、电制冷机组、储能(储电、储热)设备以及风、光两种可再生能源的综合能源微网最优经济运行模型,并采用非线性规划方法对其进行求解,得到***内部各单元的最佳出力分配以及总的***运行成本,为综合能源微网的实际运行提供参考与决策支持。
Description
技术领域
本发明属于电力***规划领域,尤其涉及一种含储能的综合能源微网优化规划方法及含储能的综合能源微网***。
背景技术
伴随着全球能源结构革命的进行,能源消费主体渐渐从不可再生能源向可再生能源迁移。在这个能源结构过渡时期,集成利用不可再生能源与可再生能源进行供能的综合能源微网在岛屿供能、独立园区供能等方面得到了初步应用,也受到了大量研究者的关注。但以风电、光伏为代表的可再生能源出力具有极为显著的间歇性与随机性,在实际的风电场与光伏站并网运行中常有弃风、弃光的现象发生。相比大电网,微网的调峰能力更加薄弱,所以弃风弃光现象直接制约了可再生能源渗透率较高的综合能源微网能源利用率的提高。
目前提高可再生能源消纳率的研究热点大体有多能联供、装设储能设备、需求侧响应几种。其中多能联供技术主要是通过以CCHP***(即Combined Cooling Heating andPower***,冷热电联产***)作为微网的能源中枢,建立起冷、热、电三种能源形式之间的耦合关系,使得***在源侧具有更好的调节空间;而储能则是通过储能与放能实现负荷或是可再生能源出力在时间上的再分配,达到削峰填谷的效果,进一步增强***的调节能力。
目前CCHP***已经在不少综合能源微网得到应用,但是在实际运行过程中,往往存在CCHP***冷、热、电出力按经验分配的现象,比如传统的热电联产机组(CHP,即combined heat and power)通常按照“以热定电”方式运行,缺少一个优化规划的方法,无法实现最佳的综合能效与经济效益。
尽管针对综合能源微网的优化规划方法在实际中应用还不多,但是这方面的研究已经在国内外广泛开展,也提出了相当多的技术与方法。虽然这些方法与技术具有一定的应用成效,但是在某些方面仍具有一定的局限性:目前大多数文献、专利提供的优化规划方法在提出的热电联产模型中对CCHP***的建模较为笼统,大多直接按照线性关系给定机组供电、供热、供冷之间的关系,忽略了CCHP***中燃气轮机、余热锅炉、抽凝式(或背压式)汽轮机、溴化锂机组之间的耦合关系,随之也就无法明确CCHP***电热之间的比例是否可调、若可调又需满足什么样的约束,得到的规划结果也无法直接指导生产实际,而且简化后的线性关系也与实际机组特性出入较大。
发明内容
针对上述问题,本发明基于一种含储能的CCHP综合能源微网模型,提供一种含储能的综合能源微网优化规划方法,其采用以下技术方案:
一种含储能的综合能源微网优化规划方法,包括:
步骤1、建立含储能的CCHP微网结构,其包括CCHP***、可再生能源装置、储能装置和用能负荷;
步骤2、建立含储能的CCHP微网设备模型与负荷模型;
步骤3、建立含储能的CCHP微网最优经济运行模型;
步骤4、应用非线性规划方法求解含储能的CCHP微网最优经济运行模型,得到***内各单元的优化出力分配并应用于实际。
步骤1所述的含储能的CCHP微网结构包括CCHP***、电制冷机组、可再生能源装置、储能装置和用能负荷。
优选地,所述的含储能的CCHP微网结构还包括电制冷机组。
优选地,所述的CCHP***包括燃气轮机、余热锅炉、抽凝式汽轮机和溴化锂机组;
所述的可再生能源装置包括风机和光伏装置;
所述的储能装置包括储电装置和储热装置;
所述的用能负荷包括电负荷、热负荷和冷负荷。
优选地,步骤2所述的含储能的CCHP微网设备模型与负荷模型包括:燃气轮机模型、余热锅炉模型、抽凝式汽轮机模型、溴化锂机组模型、储能设备模型、电制冷机组模型和负荷模型与可再生能源出力模型。
优选地,燃气轮机模型,其包括燃气轮机的发电出力表达式和排出的烟气质量流量表达式,为
Pgt,t,n=Vgas,t,n·LHV·ηgt,t,n (1)
式中:Pgt,t,n是第n台燃气轮机在t时刻的输出电功率(n=1、2、3……);Vgas,t,n和LHV是第n台燃气轮机在t时刻的进气体积流量与天然气低位热值;meh,t,n和ΔHeh,1是第n台燃气轮机在t时刻排出的烟气质量与烟气增加的焓值;α是天然气燃烧产热转移到烟气余热中的比例(该比例由燃气轮机说明书给定);ηgt,t,n是第n台燃气轮机在t时刻的发电效率,是关于负荷率ldgt,t,n和燃气轮机额定发电效率ηgt,e的一个非线性函数,记为
(p1、p2和p3是经验公式系数,根据产品说明书给出的试验曲线拟合得到)
余热锅炉模型,其包括输出的水蒸汽质量流量表达式,为
式中:mst,t和∑nmeh,t,n是t时刻进出余热锅炉的水蒸汽和烟气质量流量;ΔHeh,2是余热烟气进出余热锅炉前后减少的焓值;ΔHst是水蒸汽进出余热锅炉前后增加的焓值;ηb,t是t时刻余热锅炉的效率,是关于负荷率ldb,t与额定效率ηb,e的一个非线性函数,记为
(q1、q2和q3是经验公式系数,根据产品说明书给出的试验曲线拟合得到)
抽凝式汽轮机模型,其包括发电出力表达式与抽汽供热表达式,为
Pst,t=(k1-k2·γ)·mst,t (6)
式中:Pst,t是t时刻抽凝式汽轮机输出的电功率;k1和k2是由汽轮机出力曲线得到的系数(该系数是经验公式系数,根据产品说明书给出的试验曲线拟合得到);mst,t是t时刻通入抽凝式汽轮机的水蒸汽质量流量;γ是抽汽比例(该比例由产品说明书给定)。
从抽凝式汽轮机中压级抽取的水蒸汽温度、压强均符合供热标准,可直接用于供热,供热量可写为:
Qst,t=mex,1,t·ΔHst,1 (7)
式中:Qst,t是t时刻通过抽汽实现的供热量;mex,1,t是t时刻抽取的蒸汽中用于供热部分的质量流量;ΔHst,1是供热前后水蒸汽的焓值差。
溴化锂机组模型,其包括制冷量表达式,为
Clb,t=mex,2,t·ΔHst,2·COPlb (8)
式中:Clb,t是t时刻溴化锂机组的制冷量;mex,2,t是t时刻抽取的蒸汽中用于制冷部分的质量流量;ΔHst,2是进出溴化锂机组前后水蒸汽的焓值差;COPlb是溴化锂机组的制冷系数。
储能设备模型,其包括储电设备的充电过程、放电过程与储热设备的储热过程、放热过程。
储电设备的充电过程可表示为:
储电设备的放电过程可表示为:
式中:SOCt是t时刻蓄电池的荷电状态,即剩余储电量与最大储电量之比;SOCt-1是t-1时刻蓄电池的荷电状态,即剩余储电量与最大储电量之比;Pe,t是t时刻蓄电池的充放电功率,正为充电,负为放电;ηcg,in和ηcg,out是蓄电池充放电效率;Δt是一个计数周期的时长;Em是蓄电池最大容量。
储热设备的储热过程可表示为
储热设备的放热过程可表示为
式中:Ht是t时刻储热装置的储热状态,即剩余储热量与最大储热量之比;Ht-1是t-1时刻储热装置的储热状态,即剩余储热量与最大储热量之比;Ph,t是t时刻储热装置的储放热功率,正为储热,负为放热;ηh,in和ηh,out是储热装置的储放热效率;Qm是储热装置的最大容量;μ是每单位时间储热装置储热量的散失率(该散失率是经验值,比如可取2%/15min);Δt是一个计数周期的时长。
电制冷机组模型,其包括电制冷机组的制冷量表达式,为
Cac,t=Pac,t·COPac (13)
式中,Cac,t是t时刻电制冷机组的制冷量;Pac,t是t时刻电制冷机组消耗的电功率;COPac是电制冷机组的制冷系数。
负荷模型与可再生能源出力模型,其可由历史数据结合蒙特卡洛方法进行生成,得到典型日的负荷曲线和可再生能源出力曲线。
优选地,所述步骤3建立含储能的CCHP微网最优经济运行模型包括:步骤3.1建立目标函数;步骤3.2建立约束条件。
所述的目标函数,其表达式为
W=min(Wgas) (14)
式中:Wgas是每日燃气的成本;W是每日燃气的成本的最小值;Vgas,t,n是第n台燃气轮机在t时刻的天然气进气体积流量;pgas是天然气单价;Δt是一个计数周期的时长;NT表示计时周期的数目,如Δt取15min,则NT是24小时除以15分钟,即96;Ngt是燃气轮机台数;t表示变量,如取Δt为15分钟,则t取1~96;
优选地,所述的约束条件,包括:电负荷平衡约束、热负荷平衡约束、冷负荷平衡约束、机组出力约束、机组爬坡速率约束、抽凝式汽轮机抽汽量约束、储能容量约束、储能充放速率约束、储能始末状态平衡约束和可再生能源消纳量约束中的至少一种。
优选地,所述负荷的平衡约束包括电负荷平衡约束、热负荷平衡约束和冷负荷平衡约束中的至少一种。
优选地,电负荷平衡约束,为
式中:Pload,t、Pwp,con,t、Ppv,con,t分别是t时刻电负荷大小、风电消纳量和光伏消纳量;Pst,t是t时刻抽凝式汽轮机输出的电功率。Ngt是是燃气轮机台数;Pwp,con,t、Ppv,con,t依次为燃气轮机总出力、风电消纳功率、光伏消纳功率;
热负荷平衡约束,为
Qst,t=Qload,t+Ph,t (17)
式中:Qload,t是t时刻热负荷大小。Ph,t是t时刻储热装置的储放热功率,正为储热,负为放热;Qst,t是t时刻通过抽汽实现的供热量。
冷负荷平衡约束,为
Clb,t+Cac,t=Cload,t (18)
式中:Cload,t是t时刻冷负荷大小;Clb,t是t时刻溴化锂机组的制冷量;Cac,t是t时刻电制冷机组的制冷量。
机组出力约束,为
Pgt,min≤Pgt,t,n≤Pgt,max (19)
Pst,min≤Pst,t≤Pst,max (20)
式中:Pgt,min和Pgt,max是燃气轮机的出力上下限;Pst,min和Pst,max是抽凝式汽轮机的出力上下限;Pgt,t,n是第n台燃气轮机在t时刻的输出电功率;Pst,t是t时刻抽凝式汽轮机输出的电功率。
机组爬坡速率约束,为
Pgt,dn,min≤Pgt,t,n-Pgt,t-1,n≤Pgt,up,max (21)
Pst,dn,min≤Pst,t-Pst,t-1≤Pst,up,max (22)
式中:Pgt,up,max和Pgt,dn,min是燃气轮机的爬坡速率上下限;Pst,up,max和Pst,dn,min是抽凝式汽轮机的爬坡速率上下限;Pgt,t,n是第n台燃气轮机在t时刻的输出电功率;Pst,t是t时刻抽凝式汽轮机输出的电功率;Pgt,t-1,n是第n台燃气轮机在t-1时刻的输出电功率;Pst,t-1是t-1时刻抽凝式汽轮机输出的电功率。
抽凝式汽轮机抽汽量约束,为
mex,1,t+mex,2,t≤mst,t·γmax (23)
式中:γmax是最大抽汽比例(该比例由产品说明书给定);mex,1,t是t时刻抽取的蒸汽中用于供热部分的质量流量;mex,2,t是t时刻抽取的蒸汽中用于供热部分的质量流量;mst,t是t时刻进出余热锅炉的水蒸汽。
储能容量约束,为
SOCt≤1 (24)
Ht≤1 (25)
Ht是t时刻储热装置的储热状态,即剩余储热量与最大储热量之比;
SOCt是t时刻蓄电池的荷电状态,即剩余储电量与最大储电量之比;
储能充放速率约束,为
|Pe|<Pem (26)
|Ph|<Phm (27)
式中:Pem是储电装置的最大充放能速率;Phm是储热装置的最大充放能速率;Pe、Ph分别是储电设备充放电功率、储热装置充放热功率;
储能始末状态平衡约束,为
式中:SOC1和是蓄电池始末时刻的荷电状态;H1和是储热装置始末时刻的荷热状态。
可再生能源消纳量约束,为
Ppv,con,t≤Ppv,t (30)
Pwp,con,t≤Pwp,t (31)
式中:Ppv,t和Pwp,t是t时刻光伏和风电的最大出力;Pwp,con,t、Ppv,con,t分别是t时刻风电消纳量和光伏消纳量。
步骤4所述的应用非线性规划方法求解含储能的CCHP微网最优经济运行模型,可以通过成熟的商业软件如LINGO(Linear Interactive and General Optimizer的缩写,即交互式的线性和通用优化求解器)、Cplex(WebSphere ILOG CPLEX)等进行非线性规划求解。规划结果中的天然气进气量、抽汽量等决策变量可作为***实际运行的参考值。
本发明的还提供一种含储能的综合能源微网***,采用以下技术方案:
一种含储能的综合能源微网***,包括含储能的CCHP微网结构、含储能的CCHP微网设备模型与负荷模型,以及含储能的CCHP微网最优经济运行模型,其中,所述含储能的CCHP微网结构包括CCHP***、可再生能源装置、储能装置和用能负荷、电制冷机组;所述含储能的CCHP微网设备模型与负荷模型包括燃气轮机模型、余热锅炉模型、抽凝式汽轮机模型、溴化锂机组模型、储能设备模型、电制冷机组模型和负荷模型与可再生能源出力模型。
本发明的有益效果:本发明在荷侧引入储能装置来提高***的调节能力,在源侧通过引入多能联产实现多能耦合互补来进一步提高源侧***调节能力,并且通过所建立的最优经济运行模型实现对冷、热、电出力在CCHP***内部的合理优化调度,这种“柔性耦合”带来的可再生能源消纳空间是要远远大于传统“以热定电”运行模式这种“刚性耦合”所能提升的可再生能源消纳空间。通过求解所建立的综合能源微网最优经济运行模型得到相关决策变量可为实际微网***的优化运行提供参考与决策支持。
附图说明
图1为含储能的CCHP微网结构示意图。
具体实施方式
为了更为具体地描述本发明,下面结合附图及具体实施方式对本发明的技术方案进行详细说明。
图1为含储能的CCHP微网结构示意图,从中可以看到微网的主要供能设备是CCHP***,具体组成包括燃气轮机、余热锅炉、抽凝式汽轮机和溴化锂机组。
CCHP***的工作流程是天然气先通入到燃气轮机中发电,从燃气轮机排出来的高温高压烟气再经过余热锅炉进行回收利用从而得到高温高压的水蒸汽,该水蒸汽再推动抽凝式汽轮机做功发电。其中抽凝式汽轮机是分级的,高温高压的水蒸汽在高压级做完功之后进入中压级,此处有部分水蒸汽被抽取用于供热与通到溴化锂机组制冷。与背压式汽轮机固定的抽汽比例不同,抽凝式汽轮机的抽汽比例是可以自由调节的,但存在一个上限(该上限由产品说明书给定)。为了避免供热、供冷所需的抽汽量超过上限,并强化多能耦合,提高***调节的灵活性,微网中还加入电制冷机组来补偿冷负荷需求。除此之外,微网中还有高渗透率的光伏与风机进行可再生能源发电。为了进一步提高可再生能源消纳率,微网中还加入了储电设备与储热设备。
然后再建立含储能的CCHP微网的设备模型以及负荷模型、可再生能源出力模型。
1、CCHP***模型
CCHP***的具体组成包括燃气轮机、余热锅炉、抽凝式汽轮机和溴化锂机组,现分别对各设备建模。
1)燃气轮机
燃气轮机通过燃烧天然气进行发电,并排出做功后的高温高压烟气。燃气轮机发电出力与烟气质量流量可用下式表示:
Pgt,t,n=Vgas,t,n·LHV·ηgt,t,n
式中:Pgt,t,n是第n台燃气轮机在t时刻的输出电功率;Vgas,t,n和LHV是第n台燃气轮机在t时刻的进气体积流量与天然气低位热值;meh,t,n和ΔHeh,1是第n台燃气轮机在t时刻排出的烟气质量与烟气增加的焓值(在实际运行中烟气余温、压强随负荷率变化小,故可近似为一个定值,下同);α是天然气燃烧产热转移到烟气余热中的比例;ηgt,t,n是第n台燃气轮机在t时刻的发电效率,是关于负荷率ldgt,t,n和燃气轮机额定发电效率ηgt,e的一个非线性函数,记为
2)余热锅炉
燃气轮机可以视为一个将烟气的热量传递到水蒸汽中的换热器,那么水蒸汽的质量流量就可以表示为
式中:mst,t和∑nmeh,t,n是t时刻进出余热锅炉的水蒸汽和烟气质量流量;ΔHeh,2是余热烟气进出余热锅炉前后减少的焓值;ΔHst是水蒸汽进出余热锅炉前后增加的焓值;ηb,t是t时刻余热锅炉的效率,是关于负荷率ldb,t与额定效率ηb,e的一个非线性函数,记为
3)抽凝式汽轮机
余热锅炉产生的高温高压水蒸汽通入抽凝式汽轮机做功发电,其中在汽轮机中压级会抽取一部分蒸汽用于供热和制冷。抽凝式汽轮机的发电出力可以近似为关于进汽与抽汽的线性关系,用下式表示:
Pst,t=(k1-k2·γ)·mst,t
式中:Pst,t是t时刻抽凝式汽轮机输出的电功率;k1和k2是由汽轮机出力曲线得到的系数;mst,t是t时刻通入抽凝式汽轮机的水蒸汽质量流量;γ是抽汽比例。
从抽凝式汽轮机中压级抽取的水蒸汽温度、压强均符合供热标准,可直接用于供热,供热量可写为:
Qst,t=mex,1,t·ΔHst,1
式中:Qst,t是t时刻通过抽汽实现的供热量;mex,1,t是t时刻抽取的蒸汽中用于供热部分的质量流量;ΔHst,1是供热前后水蒸汽的焓值差。
4)溴化锂机组
溴化锂机组是利用抽取出来的高温高压水蒸汽做功推动制冷机工作,将水蒸汽所含的热量转换为制冷量。制冷量大小可表示为
Clb,t=mex,2,t·ΔHst,2·COPlb
式中:Clb,t是t时刻溴化锂机组的制冷量;mex,2,t是t时刻抽取的蒸汽中用于制冷部分的质量流量;ΔHst,2是进出溴化锂机组前后水蒸汽的焓值差;COPlb是溴化锂机组的制冷系数。
2、储能设备模型
CCHP微网中因为电能与热能之间可以通过CCHP***实现耦合,所以储热、储电均可实现储能调节的效果,其中储电的调节作用更为直接但成本高昂,储热成本低廉但是调节不如储电直接且存在较大的散热损失。
储电技术根据载体的不同有蓄电池储电、压缩空气储能、超级电容储电等,本文采取目前应用最为广泛的蓄电池储电进行建模。
蓄电池荷电状态(SOC)是反映蓄电池剩余电量占其总容量比例的参数,一般用其与蓄电池充放电功率和容量的关系构建蓄电池模型。
储电设备的充电过程可表示为:
储电设备的放电过程可表示为:
式中:SOCt是t时刻蓄电池的荷电状态;Pe,t是t时刻蓄电池的充电功率,正为充电,负为放电;ηcg,in和ηcg,out是蓄电池充放电效率;Δt是一个计数周期的时长;Em是蓄电池最大容量。
储热模型与储电模型基本一致,将SOC的概念类比到储热模型上并记为荷热状态H(即当前储热量与最大储热量之比),两者最大的不同在于需要去考虑储热装置的散热损失。
储热设备的储热过程可表示为
储热设备的放热过程可表示为
式中:Ht是t时刻储热装置的荷热状态;Ph,t是t时刻储热装置的储热功率,正为储热,负为放热;ηh,in和ηh,out是储热装置储放热效率;Qm是储热装置的最大容量;μ是每单位时间储热装置储热量的散失率。
3、电制冷机组模型
电制冷机组的制冷量可以表示为
Cac,t=Pac,t·COPac
式中,Cac,t是t时刻电制冷机组的制冷量;Pac,t是t时刻电制冷机组消耗的电功率;COPac是电制冷机组的制冷系数。
4、负荷模型与可再生能源出力模型
负荷模型和可再生能源出力模型均可用预测曲线来表示,而该预测曲线的获得可以通过在历史数据的基础上采用蒙特卡洛方法生成。
在获得设备、负荷等模型之后就可以建立以经济性为目标的优化规划模型,首先建立该规划问题的目标函数,为
W=min(Wgas)
式中:Wgas是每日燃气的成本;Vgas,t,n是第n台燃气轮机在t时刻的天然气进气体积流量;pgas是天然气单价。
然后再建立该规划问题的约束条件,包括负荷的平衡约束、机组的运行特性约束、储能***的特性约束以及可再生能源的最大出力约束。
1、负荷的平衡约束,具体包括电负荷、热负荷、冷负荷的平衡约束
1)电负荷平衡约束
式中:Pload,t、Pwp,con,t、Ppv,con,t分别是t时刻电负荷大小、风电消纳量和光伏消纳量。
2)热负荷平衡约束
Qst,t=Qload,t+Ph,t
式中:Qload,t是t时刻热负荷大小。
3)冷负荷平衡约束
Clb,t+Cac,t=Cload,t
式中:Cload,t是t时刻冷负荷大小。
2、机组的运行特性约束
1)机组出力约束
Pgt,min≤Pgt,t,n≤Pgt,max
Pst,min≤Pst,t≤Pst,max
式中:Pgt,min和Pgt,max是燃气轮机的出力上下限;Pst,min和Pst,max是抽凝式汽轮机的出力上下限。
2)机组爬坡约束
Pgt,dn,min≤Pgt,t,n-Pgt,t-1,n≤Pgt,up,max
Pst,dn,min≤Pst,t-Pst,t-1≤Pst,up,max
式中:Pgt,up,max和Pgt,dn,min是燃气轮机的爬坡速率上下限;Pst,up,max和Pst,dn,min是抽凝式汽轮机的爬坡速率上下限。
3)抽汽量约束
mex,1,t+mex,2,t≤mst,t·γmax
式中:γmax是最大抽汽比例。
3、储能***约束
1)储能容量约束
SOCt≤1
Ht≤1
2)储能充放速率约束
|Pe|<Pem
|Ph|<Phm
式中:Pem、Phm是储能装置的最大充放能速率。
3)储能始末状态平衡
式中:SOC1和是蓄电池始末时刻的荷电状态;H1和是储热装置始末时刻的荷热状态。
4、可再生能源最大出力约束
可再生能源的消纳量必须小于可再生能源的最大出力,即
Ppv,con,t≤Ppv,t
Pwp,con,t≤Pwp,t
式中:Ppv,t和Pwp,t是t时刻光伏和风电的最大出力。
最后的步骤就是求解上述的优化规划问题,这一工作可由成熟的商业软件如LINGO、Cplex完成,求解得到的天然气进气量、用于供热的抽汽量、通入溴化锂机组的抽汽量、电制冷机组的输入电功率等决策变量即可作为实际微网运行的参考值,从而实现CCHP微网的运行优化。
本发明的还提供一种含储能的综合能源微网***,包括含储能的CCHP微网结构、含储能的CCHP微网设备模型与负荷模型,以及含储能的CCHP微网最优经济运行模型,其中,所述含储能的CCHP微网结构包括CCHP***、可再生能源装置、储能装置和用能负荷、电制冷机组;所述含储能的CCHP微网设备模型与负荷模型包括燃气轮机模型、余热锅炉模型、抽凝式汽轮机模型、溴化锂机组模型、储能设备模型、电制冷机组模型和负荷模型与可再生能源出力模型。
本发明对CCHP***内部的各种设备,包括燃气轮机、余热锅炉、汽轮机与溴化锂机组等进行详细的独立建模,明确各设备之间的耦合与约束关系,并综合考虑机组的出力特性、爬坡特性等约束以及储能装置的容量约束、充放速率约束,形成了整个含有CCHP***、电制冷机组、储能(储电、储热)设备以及风、光两种可再生能源的综合能源微网最优经济运行模型,并采用非线性规划方法对其进行求解,得到***内部各单元的最佳出力分配以及总的***运行成本。
Claims (10)
1.一种含储能的综合能源微网优化规划方法,包括:
S100建立含储能的CCHP微网结构,其包括CCHP***、可再生能源装置、储能装置、电制冷机组和用能负荷;
S200建立含储能的CCHP微网设备模型与负荷模型;
S300建立含储能的CCHP微网最优经济运行模型;
S400应用非线性规划方法求解含储能的CCHP微网最优经济运行模型,得到***内各单元的优化出力分配并应用于实际。
2.根据权利要求1所述的方法,其特征在于:所述的CCHP***包括燃气轮机、余热锅炉、抽凝式汽轮机和溴化锂机组;所述的可再生能源装置包括风机和光伏装置;所述的储能装置包括储电装置和储热装置;所述的用能负荷包括电负荷、热负荷和冷负荷。
3.根据权利要求2所述的方法,其特征在于:所述的含储能的CCHP微网设备模型与负荷模型包括燃气轮机模型、余热锅炉模型、抽凝式汽轮机模型、溴化锂机组模型、储能设备模型、电制冷机组模型、负荷模型与可再生能源出力模型。
4.根据权利要求3所述的方法,其特征在于:
所述燃气轮机模型,其包括燃气轮机的发电出力表达式和排出的烟气质量流量表达式,为
Pgt,t,n=Vgas,t,n·LHV·ηgt,t,n
式中:Pgt,t,n是第n台燃气轮机在t时刻的输出电功率;Vgas,t,n和LHV是第n台燃气轮机在t时刻的进气体积流量与天然气低位热值;meh,t,n和ΔHeh,1是第n台燃气轮机在t时刻排出的烟气质量与烟气增加的焓值;α是天然气燃烧产热转移到烟气余热中的比例;ηgt,t,n是第n台燃气轮机在t时刻的发电效率,是关于负荷率ldgt,t,n和燃气轮机额定发电效率ηgt,e的一个非线性函数,记为
式中:p1、p2和p3是系数;
所述余热锅炉模型,其包括输出的水蒸汽质量流量表达式,为
式中:mst,t和∑nmeh,t,n是t时刻进出余热锅炉的水蒸汽和烟气质量流量;ΔHeh,2是余热烟气进出余热锅炉前后减少的焓值;ΔHst是水蒸汽进出余热锅炉前后增加的焓值;ηb,t是t时刻余热锅炉的效率,是关于负荷率ldb,t与额定效率ηb,e的一个非线性函数,记为
式中:q1、q2和q3是系数;
所述抽凝式汽轮机模型,其包括发电出力表达式与抽汽供热表达式,为
Pst,t=(k1-k2·γ)·mst,t
式中:Pst,t是t时刻抽凝式汽轮机输出的电功率;k1和k2是由汽轮机出力曲线得到的系数;mst,t是t时刻通入抽凝式汽轮机的水蒸汽质量流量;γ是抽汽比例;
从抽凝式汽轮机中压级抽取的水蒸汽温度、压强均符合供热标准,可直接用于供热,供热量可写为:
Qst,t=mex,1,t·ΔHst,1
式中:Qst,t是t时刻通过抽汽实现的供热量;mex,1,t是t时刻抽取的蒸汽中用于供热部分的质量流量;ΔHst,1是供热前后水蒸汽的焓值差;
所述溴化锂机组模型,其包括制冷量表达式,为
Clb,t=mex,2,t·ΔHst,2·COPlb
式中:Clb,t是t时刻溴化锂机组的制冷量;mex,2,t是t时刻抽取的蒸汽中用于制冷部分的质量流量;ΔHst,2是进出溴化锂机组前后水蒸汽的焓值差;COPlb是溴化锂机组的制冷系数;
所述储能设备模型,其包括储电设备的充电过程、放电过程与储热设备的储热过程、放热过程:
储电设备的充电过程可表示为:
储电设备的放电过程可表示为:
式中:SOCt是t时刻蓄电池的荷电状态,即剩余储电量与最大储电量之比;Pe,t是t时刻蓄电池的充电功率,正为充电,负为放电;ηcg,in和ηcg,out是蓄电池充放电效率;Δt是一个计数周期的时长;Em是蓄电池最大容量;
储热设备的储热过程可表示为
储热设备的放热过程可表示为
式中:Ht是t时刻储热装置的储热状态,即剩余储热量与最大储热量之比;Ph,t是t时刻储热装置的储热功率,正为储热,负为放热;ηh,in和ηh,out是储热装置储放热效率;Qm是储热装置的最大容量;μ是每单位时间储热装置储热量的散失率;
所述电制冷机组模型,其包括电制冷机组的制冷量表达式,为
Cac,t=Pac,t·COPac
式中,Cac,t是t时刻电制冷机组的制冷量;Pac,t是t时刻电制冷机组消耗的电功率;COPac是电制冷机组的制冷系数;
所述负荷模型与可再生能源出力模型,其可由历史数据结合蒙特卡洛方法进行生成,得到典型日的负荷曲线和可再生能源出力曲线。
5.根据权利要求1所述的方法,其特征在于:所述S300建立含储能的CCHP微网最优经济运行模型包括:
S310建立目标函数。
6.根据权利要求5所述的方法,其特征在于:所述S300建立含储能的CCHP微网最优经济运行模型还包括:S320建立约束条件。
7.根据权利要求6所述的方法,其特征在于:
所述的目标函数,其表达式为
W=min(Wgas)
式中:Wgas是每日燃气的成本;W是每日燃气的成本的最小值;Vgas,t,n是第n台燃气轮机在t时刻的天然气进气体积流量;pgas是天然气单价;NT表示计时周期的数目;Ngt是燃气轮机台数;
所述的约束条件,包括电负荷平衡约束、热负荷平衡约束、冷负荷平衡约束、机组出力约束、机组爬坡速率约束、抽凝式汽轮机抽汽量约束、储能容量约束、储能充放速率约束、储能始末状态平衡约束和可再生能源消纳量约束中的至少一种。
8.根据权利要求6所述的方法,其特征在于:所述负荷的平衡约束包括电负荷平衡约束、热负荷平衡约束和冷负荷平衡约束中的至少一种。
9.根据权利要求8所述的方法,其特征在于:
所述电负荷平衡约束的表达式为
式中:Pload,t、Pwp,con,t、Ppv,con,t分别是t时刻电负荷大小、风电消纳量和光伏消纳量;Pst,t是t时刻抽凝式汽轮机输出的电功率。Ngt是是燃气轮机台数;Pwp,con,t、Ppv,con,t依次为燃气轮机总出力、风电消纳功率、光伏消纳功率;
所述热负荷平衡约束的表达式为
Qst,t=Qload,t+Ph,t
式中:Qload,t是t时刻热负荷大小;Ph,t是t时刻储热装置的储放热功率,正为储热,负为放热;Qst,t是t时刻通过抽汽实现的供热量;
冷负荷平衡约束,为
Clb,t+Cac,t=Cload,t
式中:Cload,t是t时刻冷负荷大小;Clb,t是t时刻溴化锂机组的制冷量;Cac,t是t时刻电制冷机组的制冷量;
所述机组出力约束的表达式为
Pgt,min≤Pgt,t,n≤Pgt,max
Pst,min≤Pst,t≤Pst,max
式中:Pgt,min和Pgt,max是燃气轮机的出力上下限;Pst,min和Pst,max是抽凝式汽轮机的出力上下限;Pgt,t,n是第n台燃气轮机在t时刻的输出电功率;Pst,t是t时刻抽凝式汽轮机输出的电功率;
所述机组爬坡速率约束的表达式为
Pgt,dn,min≤Pgt,t,n-Pgt,t-1,n≤Pgt,up,max
Pst,dn,min≤Pst,t-Pst,t-1≤Pst,up,max
式中:Pgt,up,max和Pgt,dn,min是燃气轮机的爬坡速率上下限;Pst,up,max和Pst,dn,min是抽凝式汽轮机的爬坡速率上下限;Pgt,t,n是第n台燃气轮机在t时刻的输出电功率;Pst,t是t时刻抽凝式汽轮机输出的电功率;Pgt,t-1,n是第n台燃气轮机在t-1时刻的输出电功率;Pst,t-1是t-1时刻抽凝式汽轮机输出的电功率;
所述抽凝式汽轮机抽汽量约束的表达式为
mex,1,t+mex,2,t≤mst,t·γmax
式中:γmax是最大抽汽比例;mex,1,t是t时刻抽取的蒸汽中用于供热部分的质量流量;mex,2,t是t时刻抽取的蒸汽中用于供热部分的质量流量;mst,t是t时刻进出余热锅炉的水蒸汽;
所述储能容量约束的表达式为
SOCt≤1
Ht≤1
式中:Ht是t时刻储热装置的储热状态,即剩余储热量与最大储热量之比;SOCt是t时刻蓄电池的荷电状态,即剩余储电量与最大储电量之比;
所述储能充放速率约束的表达式为
|Pe|<Pem
|Ph|<Phm
式中:Pem是储电装置的最大充放能速率;Phm是储热装置的最大充放能速率;Pe、Ph分别是储电设备充放电功率、储热装置充放热功率;
所述储能始末状态平衡约束的表达式为
式中:SOC1和是蓄电池始末时刻的荷电状态;H1和是储热装置始末时刻的荷热状态;
所述可再生能源消纳量约束的表达式为
Ppv,con,t≤Ppv,t
Pwp,com,t≤Pwp,t
式中:Ppv,t和Pwp,t是t时刻光伏和风电的最大出力;Pwp,con,t、Ppv,con,t分别是t时刻风电消纳量和光伏消纳量。
10.一种含储能的综合能源微网***,其特征在于:包括含储能的CCHP微网结构、含储能的CCHP微网设备模型与负荷模型,以及含储能的CCHP微网最优经济运行模型;
其中,所述含储能的CCHP微网结构包括CCHP***、可再生能源装置、储能装置、用能负荷和电制冷机组;
所述含储能的CCHP微网设备模型与负荷模型包括燃气轮机模型、余热锅炉模型、抽凝式汽轮机模型、溴化锂机组模型、储能设备模型、电制冷机组模型、负荷模型与可再生能源出力模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810472180.1A CN108629462B (zh) | 2018-05-17 | 2018-05-17 | 含储能的综合能源微网优化规划方法及综合能源微网*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810472180.1A CN108629462B (zh) | 2018-05-17 | 2018-05-17 | 含储能的综合能源微网优化规划方法及综合能源微网*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108629462A true CN108629462A (zh) | 2018-10-09 |
CN108629462B CN108629462B (zh) | 2021-02-19 |
Family
ID=63693656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810472180.1A Active CN108629462B (zh) | 2018-05-17 | 2018-05-17 | 含储能的综合能源微网优化规划方法及综合能源微网*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108629462B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108510131A (zh) * | 2018-05-22 | 2018-09-07 | 清华大学 | 一种综合能源微网优化规划方法、微网结构及控制方法 |
CN109611320A (zh) * | 2018-10-17 | 2019-04-12 | 国网安徽省电力有限公司 | 先进绝热压缩空气储能***的风储协调控制方法及装置 |
CN109687486A (zh) * | 2018-12-25 | 2019-04-26 | 华中科技大学 | 在需求侧响应下含电动汽车换电站的微网运行方法及*** |
CN109711601A (zh) * | 2018-11-28 | 2019-05-03 | 国网浙江省电力有限公司电力科学研究院 | 电-气-热综合能源***分布式优化调度方法和装置 |
CN109815530A (zh) * | 2018-12-13 | 2019-05-28 | 中电智慧综合能源有限公司 | 一种考虑余热锅炉换热饱和的热电联产***的调度方法 |
CN109919506A (zh) * | 2019-03-15 | 2019-06-21 | 南方电网科学研究院有限责任公司 | 用户级综合能源***及其关键设备稳态建模方法及装置 |
CN110086208A (zh) * | 2019-04-18 | 2019-08-02 | 新奥数能科技有限公司 | 综合能源***的设备调控方法及装置 |
CN110119850A (zh) * | 2019-05-22 | 2019-08-13 | 长沙理工大学 | 基于光热发电调节的储热量双阶段优化调度方法 |
CN110137954A (zh) * | 2019-05-17 | 2019-08-16 | 长沙理工大学 | 一种含光热电站的虚拟电厂优化调度方法 |
CN110361969A (zh) * | 2019-06-17 | 2019-10-22 | 清华大学 | 一种冷热电综合能源***优化运行方法 |
CN110412956A (zh) * | 2019-07-30 | 2019-11-05 | 中国科学院广州能源研究所 | 一种含电热复合储能装置的冷热电联供***的控制方法 |
WO2021164454A1 (zh) * | 2020-02-22 | 2021-08-26 | 清华大学 | 一种用于综合能源***调度的供热网络水路建模方法 |
CN113507124A (zh) * | 2021-06-09 | 2021-10-15 | 重庆锦禹云能源科技有限公司 | 一种基于序列凸优化的能源互联网快速调度方法及装置 |
CN113669157A (zh) * | 2021-06-30 | 2021-11-19 | 华电国际电力股份有限公司深圳公司 | 一种结合风电的燃气蒸汽发电***及其发电方法 |
CN114565244A (zh) * | 2022-02-16 | 2022-05-31 | 石河子大学 | 综合能源***的优化调度方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130166043A1 (en) * | 2011-07-20 | 2013-06-27 | Nec Laboratories America, Inc. | Optimal energy management of a microgrid system using multi-objective optimization |
CN107204632A (zh) * | 2017-07-15 | 2017-09-26 | 东北电力大学 | 一种提升风电消纳的柔性负荷优化调度方法 |
-
2018
- 2018-05-17 CN CN201810472180.1A patent/CN108629462B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130166043A1 (en) * | 2011-07-20 | 2013-06-27 | Nec Laboratories America, Inc. | Optimal energy management of a microgrid system using multi-objective optimization |
CN107204632A (zh) * | 2017-07-15 | 2017-09-26 | 东北电力大学 | 一种提升风电消纳的柔性负荷优化调度方法 |
Non-Patent Citations (1)
Title |
---|
袁灼新: "CCHP型微网建模及经济运行优化研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108510131B (zh) * | 2018-05-22 | 2022-04-26 | 清华大学 | 一种综合能源微网优化规划方法、微网结构及控制方法 |
CN108510131A (zh) * | 2018-05-22 | 2018-09-07 | 清华大学 | 一种综合能源微网优化规划方法、微网结构及控制方法 |
CN109611320A (zh) * | 2018-10-17 | 2019-04-12 | 国网安徽省电力有限公司 | 先进绝热压缩空气储能***的风储协调控制方法及装置 |
CN109611320B (zh) * | 2018-10-17 | 2020-04-14 | 国网安徽省电力有限公司 | 绝热压缩空气储能***的风储协调控制方法及装置 |
CN109711601A (zh) * | 2018-11-28 | 2019-05-03 | 国网浙江省电力有限公司电力科学研究院 | 电-气-热综合能源***分布式优化调度方法和装置 |
CN109815530A (zh) * | 2018-12-13 | 2019-05-28 | 中电智慧综合能源有限公司 | 一种考虑余热锅炉换热饱和的热电联产***的调度方法 |
CN109815530B (zh) * | 2018-12-13 | 2023-11-10 | 中电智慧综合能源有限公司 | 一种考虑余热锅炉换热饱和的热电联产***的调度方法 |
CN109687486A (zh) * | 2018-12-25 | 2019-04-26 | 华中科技大学 | 在需求侧响应下含电动汽车换电站的微网运行方法及*** |
CN109919506B (zh) * | 2019-03-15 | 2023-11-14 | 南方电网科学研究院有限责任公司 | 用户级综合能源***及其关键设备稳态建模方法及装置 |
CN109919506A (zh) * | 2019-03-15 | 2019-06-21 | 南方电网科学研究院有限责任公司 | 用户级综合能源***及其关键设备稳态建模方法及装置 |
CN110086208A (zh) * | 2019-04-18 | 2019-08-02 | 新奥数能科技有限公司 | 综合能源***的设备调控方法及装置 |
CN110086208B (zh) * | 2019-04-18 | 2023-05-12 | 新奥数能科技有限公司 | 综合能源***的设备调控方法及装置 |
CN110137954A (zh) * | 2019-05-17 | 2019-08-16 | 长沙理工大学 | 一种含光热电站的虚拟电厂优化调度方法 |
CN110119850A (zh) * | 2019-05-22 | 2019-08-13 | 长沙理工大学 | 基于光热发电调节的储热量双阶段优化调度方法 |
CN110361969B (zh) * | 2019-06-17 | 2021-01-05 | 清华大学 | 一种冷热电综合能源***优化运行方法 |
CN110361969A (zh) * | 2019-06-17 | 2019-10-22 | 清华大学 | 一种冷热电综合能源***优化运行方法 |
CN110412956A (zh) * | 2019-07-30 | 2019-11-05 | 中国科学院广州能源研究所 | 一种含电热复合储能装置的冷热电联供***的控制方法 |
CN110412956B (zh) * | 2019-07-30 | 2021-09-14 | 中国科学院广州能源研究所 | 一种含电热复合储能装置的冷热电联供***的控制方法 |
WO2021164454A1 (zh) * | 2020-02-22 | 2021-08-26 | 清华大学 | 一种用于综合能源***调度的供热网络水路建模方法 |
CN113507124A (zh) * | 2021-06-09 | 2021-10-15 | 重庆锦禹云能源科技有限公司 | 一种基于序列凸优化的能源互联网快速调度方法及装置 |
CN113669157A (zh) * | 2021-06-30 | 2021-11-19 | 华电国际电力股份有限公司深圳公司 | 一种结合风电的燃气蒸汽发电***及其发电方法 |
CN114565244A (zh) * | 2022-02-16 | 2022-05-31 | 石河子大学 | 综合能源***的优化调度方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108629462B (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108629462A (zh) | 含储能的综合能源微网优化规划方法及综合能源微网*** | |
CN108510131B (zh) | 一种综合能源微网优化规划方法、微网结构及控制方法 | |
Chen et al. | An optimization on an integrated energy system of combined heat and power, carbon capture system and power to gas by considering flexible load | |
Lv et al. | Model predictive control based robust scheduling of community integrated energy system with operational flexibility | |
CN108154309B (zh) | 计及冷热电多负荷动态响应的能源互联网经济调度方法 | |
CN104734168B (zh) | 一种基于电热联合调度的微电网运行优化***及方法 | |
CN109146182A (zh) | 计及多种储能的分布式冷热电联供***的经济调度方法 | |
CN113095791B (zh) | 一种综合能源***运行方法及*** | |
CN112464477A (zh) | 计及需求响应的多能耦合综合能源运行仿真方法 | |
CN106372742A (zh) | 考虑电转气多源储能型微网日前最优经济调度方法 | |
CN109242350A (zh) | 计及可平移负荷的冷热电联供***容量优化配置方法 | |
CN108808663B (zh) | 一种基于多能互补的工业用户热需求响应方法 | |
CN109543889A (zh) | 一种区域综合能源***日前协同优化运行方法 | |
CN110188492A (zh) | 一种考虑热网特性的冷热电联供微网优化调度方法 | |
CN113256045A (zh) | 考虑风光不确定性的园区综合能源***日前经济调度方法 | |
CN108596442A (zh) | 计及条件风险价值的综合能源***经济调度方法 | |
CN110620403A (zh) | 计及可再生能源的能源***协同运行日前调度方法及*** | |
CN113435095A (zh) | 一种用于综合能源***的优化调度的方法及*** | |
Zhang et al. | Low-carbon economic dispatch of integrated energy system based on liquid carbon dioxide energy storage | |
CN113806952B (zh) | 一种考虑源-荷-储的冷热电综合能源***及其优化运行方法 | |
Zhao et al. | Multi-objective bi-level planning of the integrated energy system considering uncertain user loads and carbon emission during the equipment manufacturing process | |
CN108197412B (zh) | 一种多能源耦合能量管理***及优化方法 | |
Meng et al. | Economic optimization operation approach of integrated energy system considering wind power consumption and flexible load regulation | |
CN113822480A (zh) | 一种农村综合能源***多层协同优化方法及*** | |
Ma et al. | Performance optimization of phase change energy storage combined cooling, heating and power system based on GA+ BP neural network algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |