CN110417006B - 一种综合能源***多时间尺度能量调度方法 - Google Patents

一种综合能源***多时间尺度能量调度方法 Download PDF

Info

Publication number
CN110417006B
CN110417006B CN201910673308.5A CN201910673308A CN110417006B CN 110417006 B CN110417006 B CN 110417006B CN 201910673308 A CN201910673308 A CN 201910673308A CN 110417006 B CN110417006 B CN 110417006B
Authority
CN
China
Prior art keywords
power
energy
gas
electric
day
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.)
Active
Application number
CN201910673308.5A
Other languages
English (en)
Other versions
CN110417006A (zh
Inventor
程杉
何畅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Three Gorges University CTGU
Original Assignee
China Three Gorges University CTGU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Three Gorges University CTGU filed Critical China Three Gorges University CTGU
Priority to CN201910673308.5A priority Critical patent/CN110417006B/zh
Publication of CN110417006A publication Critical patent/CN110417006A/zh
Application granted granted Critical
Publication of CN110417006B publication Critical patent/CN110417006B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种综合能源***多时间尺度能量调度方法，包括构建综合能源***并对综合能源***内的能源输入、转换、储存设备进行建模；建立日前优化模型，基于在日前角度预测的可再生能源和负荷信息，以综合能源***日运行成本最低为目标，在考虑综合能源***设备运行约束下，确定设备的日运行状态；建立日内滚动优化模型，基于日内可再生能源出力的预测信息，运用场景分析法，得到多个光伏和风电的出力场景；然后以考虑储能变化惩罚项的综合能源***滚动成本最低为目标，确定各场景设备滚动出力；建立实时调整反馈模型，对日内滚动结果进行修正，确定设备的实时出力值。本发明在确保***经济运行的前提下，平抑可再生能源和负荷功率波动，提高***运行稳定性。

Description

一种综合能源***多时间尺度能量调度方法
技术领域
本发明属于综合能源***能量调度领域，特别涉及一种考虑多能协同优化的综合能源***多时间尺度能量调度方法。
背景技术
随着人类能源需求增长与传统化石能源紧缺之间的矛盾日益凸显，环境的逐渐恶化，如何高效利用可再生能源，减少化石能源使用的问题受到了越来越多重视。综合能源***通过对不同类型能源的产生、传输与分配(能源供应网络)、转换、存储、消费等环节进行统一的有机协调与优化，形成的能源产供销一体化***在增强可再生能源消纳、提高***供能灵活性等方面具有巨大潜力。
综合能源***是一个复杂的***，具有多种运行条件，各种结构，以及不同能源设备之间的耦合关系。在综合能源***能量调度研究中，如何降低可再生能源的预测的误差对综合能源***实际有效运行的影响是需要被考虑的首要问题。充分挖掘多能协同优化在可再生能源消纳方面的潜力，利用预测误差随时间尺度减小逐渐降低的特点，寻找一种合适的多时间尺度能量调度方法是综合能源***调度研究的突出问题。
发明内容
为解决上述现有技术中存在的难题与不足，本发明提供一种考虑多能协同优化的综合能源***多时间尺度能量调度方法，在确保***经济运行的前提下，平抑可再生能源和负荷功率波动，提高***运行稳定性。
本发明采取的技术方案为：
考虑多能协同优化的综合能源***多时间尺度能量调度方法，包括以下步骤：
步骤1：构建综合能源***并对综合能源***内的能源输入、转换、储存设备进行建模；
步骤2：建立日前优化模型，基于在日前角度预测的可再生能源和负荷信息，以综合能源***日运行成本最低为目标，在考虑综合能源***设备运行约束下，确定设备的日运行状态；
步骤3：建立日内滚动优化模型，基于日内可再生能源出力的预测信息，考虑预测误差不确定性，运用场景分析法，得到多个光伏和风电的出力场景；然后以考虑储能变化惩罚项的综合能源***滚动成本最低为目标，确定各场景设备滚动出力；
步骤4：建立实时调整反馈模型，对日内滚动结果进行修正，确定设备的实时出力值。
本发明一种考虑多能协同优化的综合能源***多时间尺度能量调度方法，技术效果如下：
(1)：搭建三阶段优化方案，从全局离线优化到局部滚动动态优化再到实时调整反馈，既完成了对***功率波动的有效平抑，也兼顾了全局经济性的最优。
(2)：基于模型预测控制方法将日内调度分为滚动经济优化和实时调整两个阶段构成闭环优化，来解决由于预测误差导致的IES调度模型与实际运行结果偏差较大的问题。
(3)：利用滚动优化在降低预测误差方面的优势的同时，使用场景分析法描述误差的不确定性，降低了不确定性对IES经济运行的影响。
(4)：该方法能够实现综合能源***的经济运行，降低预测误测对***实际运行的影响。
附图说明
图1是本发明的调度方法总流程图。
图2是本发明考虑的综合能源***结构示意图。
图3(1)是日前调度时间示意图。
图3(2)是日内滚动调度时间示意图。
图3(3)是实时调整调度时间示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清晰明白，下面结合实施例及附图，对本发明做进一步地详细说明，但本发明的实施方式不限于此。
如图2所示，本发明实施里所研究的综合能源***由各类能源输入、转换以及储存设备组成，能源输入设备包括外部大电网、天然气网和利用可再生能源发电的光伏电池、风电机组；能源转换设备包括P2G设备、电制冷机、微型燃气轮机、余热回收装置、燃气锅炉、吸收式制冷机；储存设备包括蓄电池、蓄热槽和储气罐。***同时向负荷提供电、热、冷、气四种能量需求。
图3(1)、图3(2)、图3(3)为不同时间尺度的调度时间关系示意图，从时间的角度为本发明的过程做出了直观的描述。图3(1)中的H1表示日前调度24小时执行一次，通过日前优化模型一次性求解得出24个时段的控制序列；图3(2)中H2表示在日内滚动调度每15min执行一次，在k时段开始时，根据当前的预测数据，通过日内滚动优化模型求解得到控制时域M(4小时)内16个时段的控制序列，但只只执行第一个时段的控制量，到下一时段后重复以上操作；图3(3)中H3表示实时调度每5min执行一次，每次滚动调度完，需进行三次独立的实时调度，通过实时调整反馈模型求解得到单个时段的调整量。
如图1所示，考虑多能协同优化的综合能源***多时间尺度能量调度方法，包括以下步骤：
步骤1：构建综合能源***并对综合能源***内的能源输入、转换、储存设备进行建模。
所述步骤1包括分别建立如下模型和约束条件方程：
(1)、建立微型燃气轮机的成本、电热能量出力模型和约束条件方程：
①、微型燃气轮机消耗的天然气功率
Figure GDA0003928078990000031
和发电功率
Figure GDA0003928078990000032
之间的关系可以用二次函数来表示：
Figure GDA0003928078990000033
式中：t表示时段；
Figure GDA0003928078990000034
为0-1变量，表示微型燃气轮机的开停机状态；a、b、c为燃耗系数。
为在能精确反映微型燃气轮机实际运行工况的同时，节约计算资源，方便求解和在线调度，上式进行三分段线性化处理，得到微型燃气轮机消耗的天然气功率
Figure GDA0003928078990000035
和发电功率
Figure GDA0003928078990000036
之间的关系为：
Figure GDA0003928078990000037
式中：
Figure GDA0003928078990000038
为微型燃气轮机发电功率最小时对应的天然气消耗功率；i为分段编号，为1、2、3；fi、为分段曲线第i段的斜率；ei为分段曲线第i段微型燃气轮机发电功率的左端点值，e1和e4为微型燃气轮机的发电功率上下限。
②、微型燃气轮机在发电的同时，产生的高温余热烟气可以被余热回收装置回收进入热力***满足热负荷需求，其产热的数学模型可以表示为：
Figure GDA0003928078990000039
式中：
Figure GDA00039280789900000310
为微型燃气轮机输出的热功率；λmt为微型燃气轮机的输出电热比；
Figure GDA00039280789900000311
为余热回收装置回收到的热功率；ηre为热回收效率，
Figure GDA00039280789900000312
为微型燃机轮机在t时段输出的电功率。
③、微型燃气轮机在运行时还需要考虑运行功率约束和爬坡约束：
Figure GDA0003928078990000041
式中：
Figure GDA0003928078990000042
为微型燃气轮机输出电功率上下限值；
Figure GDA0003928078990000043
为微型燃气轮机的电出力爬坡率上下限值。
(2)、建立电转气装置、燃气锅炉、电制冷机以及吸收式制冷机的出力模型和约束条件方程：
①、电转气装置通过电解水将富余的电能转换为天然气，其能量转换模型和运行约束为：
Figure GDA0003928078990000044
式中：
Figure GDA0003928078990000045
为电转气设备输出的天然气能量；
Figure GDA0003928078990000046
为电转气设备输入的电功率；ηp2g为电转气设备的能量转换效率；
Figure GDA0003928078990000047
为电转气设备的最大功率。
②、通过燃气锅炉，可以将天然气能量转化为热能，在微型燃气轮机供热不足时作为补充：
Figure GDA0003928078990000048
式中：
Figure GDA0003928078990000049
为燃气锅炉输出的热功率；
Figure GDA00039280789900000410
为燃气锅炉输入的天然气功率；ηb为燃气锅炉产热效率；
Figure GDA00039280789900000411
为燃气锅炉热出力最大值。
③、吸收式制冷机的数学模型和运行约束为：
Figure GDA00039280789900000412
式中：
Figure GDA00039280789900000413
为吸收式制冷机输出的冷功率；
Figure GDA00039280789900000414
为吸收式制冷机输入的热功率；COPac是吸收式制冷机的制冷系数；
Figure GDA00039280789900000415
为吸收式制冷机输入的热功率上限。
④、电制冷机电制冷机通过消耗电能来制冷，其运行需要满足的约束为：
Figure GDA00039280789900000416
式中：
Figure GDA00039280789900000417
为电制冷机输出的冷功率；
Figure GDA00039280789900000418
为电制冷机输入的电功率；COPec是电制冷机的制冷系数；
Figure GDA00039280789900000419
为电制冷机输入的电功率上限。
(3)、储能设备可以实现能量在时间维度上的转移。某时刻过剩的能量或者廉价的能量可以通过储能设备储存，在其他能量需求时刻或能量价格较高的时刻释放，能够提高能源的利用率，降低能源成本。IES中的储能设备包括储电、储热和储气设备。它们的能量充放过程类似，均要考虑充放功率和储存容量的限制。建立储能设备的出力和容量约束条件方程：
Figure GDA0003928078990000051
式中：t表示时段；x表示能量类别，分别用e、h、g表示电、热、气能；
Figure GDA0003928078990000052
和
Figure GDA0003928078990000053
是0-1变量，表示x类储能设备在t时段的充能状态和放能状态，“1”表示工作状态，“0”表示非工作状态；
Figure GDA0003928078990000054
和
Figure GDA0003928078990000055
为x类储能设备的充放能功率；
Figure GDA0003928078990000056
分别为x类储能设备的充放能功率上下限值；
Figure GDA0003928078990000057
为x类储能设备的储能量；δx为x类储能设备的能量自损系数；ηx,chr和ηx,dis为x类储能设备的充放能效率；
Figure GDA0003928078990000058
和
Figure GDA0003928078990000059
为x类储能设备的储能量上下限。
(4)、建立大电网交互联络线约束条件方程；
Figure GDA00039280789900000510
式中：
Figure GDA00039280789900000511
和
Figure GDA00039280789900000512
为0-1变量，表示IES向大电网购售电情况，
Figure GDA00039280789900000513
为1时售电，
Figure GDA00039280789900000514
为1时购电；
Figure GDA00039280789900000515
和
Figure GDA00039280789900000516
为售电和购电功率；
Figure GDA00039280789900000517
和
Figure GDA00039280789900000518
为售电和购电功率上限。
步骤2：建立日前优化模型，基于在日前角度预测的可再生能源和负荷信息，以综合能源***日运行成本最低为目标，在考虑综合能源***设备运行约束下，确定设备的日运行状态。
步骤2中，如图3(1)所示，以1h为时间尺度，基于日前预测的可再生能源和负荷信息以及电价信息，以IES日运行成本最低为目标，考虑设备运行约束，优化得出一天24个时段的机组启停状态、储能设备的运行状态；
(1)、在日前阶段***的考虑的运行成本，包括大电网交互成本、购气成本以及电池充放电老化成本，则日前优化目标函数为：
Figure GDA00039280789900000519
式中：T为调度周期长度，等于24；
Figure GDA0003928078990000061
和
Figure GDA0003928078990000062
为***向大电网售电和购电的功率；
Figure GDA0003928078990000063
为***向气网购气的功率；Δt为时段间隔；
Figure GDA0003928078990000064
和
Figure GDA0003928078990000065
为***向大电网购售电价格；πg为天然气价格；Hng为天然气低热值，取9.78kWh/m3；Ki为设备i的单位运行维护费用；Pi为设备i的运行功率；目标函数最后一项通过充放电次数来计电池老化成本，πbt为电池单位时间老化成本，
Figure GDA0003928078990000066
和
Figure GDA0003928078990000067
为0-1变量，表示电池充放电标记位。
(2)、***约束除了需要满足上述设备约束外，还需要满足功率平衡约束和电池充放电转换约束：
①、功率平衡约束：
Figure GDA0003928078990000068
式中：
Figure GDA0003928078990000069
和
Figure GDA00039280789900000610
为光伏和风机出力；
Figure GDA00039280789900000611
为微型燃气轮机发电功率；
Figure GDA00039280789900000612
和
Figure GDA00039280789900000613
为***向大电网售电和购电的功率；
Figure GDA00039280789900000614
为电制冷机输入的电功率；
Figure GDA00039280789900000615
为余热回收装置回收到的热功率；
Figure GDA00039280789900000616
为燃气锅炉输出的热功率；
Figure GDA00039280789900000617
为吸收式制冷机输入的热功率；
Figure GDA00039280789900000618
为输出的冷功率；
Figure GDA00039280789900000619
为电制冷机输出的冷功率；
Figure GDA00039280789900000620
为电转气设备输出的天然气功率；
Figure GDA00039280789900000621
为***向气网购气的功率；
Figure GDA00039280789900000622
微型燃气轮机消耗的天然气功率；
Figure GDA00039280789900000623
为燃气锅炉输入的天然气功率；
Figure GDA00039280789900000624
和
Figure GDA00039280789900000625
为电池的充放电功率；
Figure GDA00039280789900000626
和
Figure GDA00039280789900000627
为储热设备的充放热功率；
Figure GDA00039280789900000628
和
Figure GDA00039280789900000629
为储气设备的充放气功率；
Figure GDA00039280789900000630
和
Figure GDA00039280789900000631
分别为电、热、冷、气负荷大小。
②、电池充放电转换标记约束：
Figure GDA00039280789900000632
式中：
Figure GDA00039280789900000633
和
Figure GDA00039280789900000634
是0-1变量，为电池在t时段的充放电状态标记位；
Figure GDA00039280789900000635
和
Figure GDA00039280789900000636
为0-1变量，表示电池充放电标记位。
通过对日前优化模型进行求解，得到各元件运行状态和蓄电池充放电计划值，并将计划信息传递到日内优化阶段。
步骤3：建立日内滚动优化模型，基于日内可再生能源出力的预测信息，考虑预测误差不确定性，运用场景分析法，得到多个光伏和风电的出力场景；然后以考虑储能变化惩罚项的综合能源***滚动成本最低为目标，确定各场景设备滚动出力。
所述步骤3中，如图3(2)所示，依据日前计划，基于模型预测控制方法，以15min为时间尺度，在日内k时段开始时，对接下来控制时域M内的信息进行更新预测，并考虑日内预测误差，运用场景分析法，以***在控制时域内运行成本最低为目标，优化得出所有设备的出力计划，但只执行M内第一个时段的计划。在k+1时段开始时，获取当前实际***状态量重复以上步骤，滚动更新。
(1)、基于日内滚动预测数据，假定***的可再生能源出力与负荷预测误差均服从正态分布ξ～N(0,σ2)。σ表示不确定量的不确定度，以日内滚动预测误差波动量来取值。采用拉丁超立方抽样生成多个场景，然后以初始场景和削减后场景的Kantorovich距离最小为目标进行场景削减，得到削减后的n个场景，作为输入信息传递给日内滚动阶段将不确定性模型转化为n个场景的确定性模型进行求解。
(2)、滚动优化目标函数不仅考虑大电网交互成本和购气成本，由于该阶段优化结果只注重了在控制时域内的局部经济性，无法计及储能在全局中的充放电带来的收益，为了使优化结果遵循日前全局计划，故在目标函数中增加能反映长期特征的储能量惩罚项。考虑到储能运行状态严格执行日前计划，此阶段不考虑电池老化成本。即目标函数为：
Figure GDA0003928078990000071
式中：s为削减得到的场景编号；t为时段；M为控制时域的长度；Ps为场景s发生的概率；
Figure GDA0003928078990000072
和
Figure GDA0003928078990000073
为***向大电网售电和购电的功率；
Figure GDA0003928078990000074
为***向气网购气的功率；Δt为时段间隔；
Figure GDA0003928078990000075
和
Figure GDA0003928078990000076
为***向大电网购售电价格；πg为天然气价格；Hng为天然气低热值，取9.78kWh/m3；μe、μh、μg分别为相应储能设备的惩罚系数；
Figure GDA0003928078990000077
分别为电、热、气储能设备在t时段的储能量；
Figure GDA0003928078990000078
分别为电、热、气储能设备在日前计划中t时段的储能量。
(3)、滚动优化需要满足的约束除了包括日前阶段中的功率平衡约束、元件运行特性约束、储能约束，还有遵循日前计划的设备运行状态约束。
Figure GDA0003928078990000079
式中：
Figure GDA00039280789900000710
和
Figure GDA00039280789900000711
为通过日前优化模型得到的微型燃气轮机运行状态、储能设备充放能状态标记位。
步骤4：建立实时调整反馈模型，对日内滚动结果进行修正，确定设备的实时出力值。
所述步骤4中，如图3(3)所示，以5min为时间尺度，以接下来一个时段内的可控设备总调整量最小为目标，优化得到调整后的最终多时间尺度调度计划值。
(1)、实时调整反馈模型是一个静态优化模型，只调整下一个时间间隔的设备输出。目标为使***元件相对调整量最小：
Figure GDA0003928078990000081
式中：
Figure GDA0003928078990000082
为***与大电网交互功率的调整量，以购电增加为正；
Figure GDA0003928078990000083
为***向气网购气功率的调整量；
Figure GDA0003928078990000084
为微型燃气轮机发电功率的调整量；
Figure GDA0003928078990000085
为电制冷机输入电功率的调整量；
Figure GDA0003928078990000086
为吸收式制冷机输入热功率的调整量；
Figure GDA0003928078990000087
为燃气锅炉输出热功率的调整量；
Figure GDA0003928078990000088
为电转气设备输入电功率的调整量。
(2)、调整后的计划值在满足上述功率平衡约束、设备运行特性约束和储能约束下，求解得到最优调整控制量。
(3)、综合能源***各类能源设备的调整反馈状态方程：
Figure GDA0003928078990000089
式中：
Figure GDA00039280789900000810
为微型燃气轮机输出电功率、电制冷机输入电功率、电转气设备输入电功率、与大电网交互功率、吸收式制冷机输入热功率、燃气锅炉输出热功率、向气网购气功率的最终调度计划值；
Figure GDA00039280789900000811
为微型燃气轮机输出电功率、电制冷机输入电功率、电转气设备输入电功率、与大电网交互功率、吸收式制冷机输入热功率、燃气锅炉输出热功率、向气网购气功率的滚动优化调度计划值；
Figure GDA00039280789900000812
为微型燃气轮机输出电功率、电制冷机输入电功率、电转气设备输入电功率、微型燃气轮机消耗气功率的实时调整量；
Figure GDA0003928078990000091
为光伏、风机出力及电、热、冷、气负荷波动值。
如此，通过上述日前优化、日内滚动优化、实时调整反馈完成本发明所提出的考虑多能协同优化的综合能源***多时间尺度能量调度方法，以上优化模型的求解均采用yalmip+gurobi优化工具完成。

Claims (3)

1.一种综合能源***多时间尺度能量调度方法，其特征在于包括以下步骤：
步骤1：构建综合能源***并对综合能源***内的能源输入、转换、储存设备进行建模；
步骤2：建立日前优化模型，基于在日前角度预测的可再生能源和负荷信息，以综合能源***日运行成本最低为目标，在考虑综合能源***设备运行约束下，确定设备的日运行状态；
步骤3：建立日内滚动优化模型，基于日内可再生能源出力的预测信息，考虑预测误差不确定性，运用场景分析法，得到多个光伏和风电的出力场景；然后以考虑储能变化惩罚项的综合能源***滚动成本最低为目标，确定各场景设备滚动出力；具体如下：
依据日前计划，基于模型预测控制方法，以15min为时间尺度，在日内k时段开始时，对接下来控制时域M内的信息进行更新预测，并考虑日内预测误差，运用场景分析法，以***在控制时域内运行成本最低为目标，优化得出所有设备的出力计划，但只执行M内第一个时段的计划；在k+1时段开始时，获取当前实际***状态量重复以上步骤，滚动更新；
(1)、基于日内滚动预测数据，设***的可再生能源出力与负荷预测误差均服从正态分布ξ～N(0,σ2)；σ表示不确定量的不确定度，以日内滚动预测误差波动量来取值；采用拉丁超立方抽样生成多个场景，然后以初始场景和削减后场景的Kantorovich距离最小为目标进行场景削减，得到削减后的n个场景，作为输入信息传递给日内滚动阶段将不确定性模型转化为n个场景的确定性模型进行求解；
(2)、滚动优化目标函数不仅考虑大电网交互成本和购气成本，由于该阶段优化结果只注重了在控制时域内的局部经济性，无法计及储能在全局中的充放电带来的收益，为了使优化结果遵循日前全局计划，故在目标函数中增加能反映长期特征的储能量惩罚项；考虑到储能运行状态严格执行日前计划，此阶段不考虑电池老化成本；即目标函数为：
Figure FDA0003928078980000011
式中：s为削减得到的场景编号；t为时段；M为控制时域的长度；Ps为场景s发生的概率；
Figure FDA0003928078980000012
和
Figure FDA0003928078980000013
为***向大电网售电和购电的功率；
Figure FDA0003928078980000014
为***向气网购气的功率；Δt为时段间隔；
Figure FDA0003928078980000015
和
Figure FDA0003928078980000016
为***向大电网购售电价格；πg为天然气价格；Hng为天然气低热值，取9.78kWh/m3；μe、μh、μg分别为相应储能设备的惩罚系数；
Figure FDA0003928078980000017
分别为电、热、气储能设备在t时段的储能量；
Figure FDA0003928078980000018
分别为电、热、气储能设备在日前计划中t时段的储能量；
(3)、滚动优化需要满足的约束除了包括日前阶段中的功率平衡约束、元件运行特性约束、储能约束，还有遵循日前计划的设备运行状态约束；
Figure FDA0003928078980000021
式中：
Figure FDA0003928078980000022
和
Figure FDA0003928078980000023
为通过日前优化模型得到的微型燃气轮机运行状态、储能设备充放能状态标记位；
(4)、实时调整反馈模型是一个静态优化模型，只调整下一个时间间隔的设备输出；目标为使***元件相对调整量最小：
Figure FDA0003928078980000024
式中：
Figure FDA0003928078980000025
为***与大电网交互功率的调整量，以购电增加为正；
Figure FDA0003928078980000026
为***向气网购气功率的调整量；
Figure FDA0003928078980000027
为微型燃气轮机发电功率的调整量；
Figure FDA0003928078980000028
为电制冷机输入电功率的调整量；
Figure FDA0003928078980000029
为吸收式制冷机输入热功率的调整量；
Figure FDA00039280789800000210
为燃气锅炉输出热功率的调整量；
Figure FDA00039280789800000211
为电转气设备输入电功率的调整量；
(5)、调整后的计划值在满足上述功率平衡约束、设备运行特性约束和储能约束下，求解得到最优调整控制量；
(6)、综合能源***各能源设备的调整反馈状态方程：
Figure FDA0003928078980000031
式中：
Figure FDA0003928078980000032
为微型燃气轮机输出电功率、电制冷机输入电功率、电转气设备输入电功率、与大电网交互功率、吸收式制冷机输入热功率、燃气锅炉输出热功率、向气网购气功率的最终调度计划值；
Figure FDA0003928078980000033
为微型燃气轮机输出电功率、电制冷机输入电功率、电转气设备输入电功率、与大电网交互功率、吸收式制冷机输入热功率、燃气锅炉输出热功率、向气网购气功率的滚动优化调度计划值；
Figure FDA0003928078980000034
为微型燃气轮机输出电功率、电制冷机输入电功率、电转气设备输入电功率、微型燃气轮机消耗气功率的实时调整量；
Figure FDA0003928078980000035
为光伏、风机出力及电、热、冷、气负荷波动值；
步骤4：建立实时调整反馈模型，对日内滚动结果进行修正，确定设备的实时出力值。
2.根据权利要求1所述一种综合能源***多时间尺度能量调度方法，其特征在于：步骤1包括分别建立如下模型和约束条件方程：
(1)、建立微型燃气轮机的成本、电热能量出力模型和约束条件方程：
①、微型燃气轮机消耗的天然气功率
Figure FDA0003928078980000036
和发电功率
Figure FDA0003928078980000037
之间的关系可以用二次函数来表示：
Figure FDA0003928078980000038
式中：t表示时段；
Figure FDA0003928078980000039
为0-1变量，表示微型燃气轮机的开停机状态；a、b、c为燃耗系数；
上式进行三分段线性化处理，得到微型燃气轮机消耗的天然气功率
Figure FDA0003928078980000041
和发电功率
Figure FDA0003928078980000042
之间的关系为：
Figure FDA0003928078980000043
式中：
Figure FDA0003928078980000044
为微型燃气轮机发电功率最小时对应的天然气消耗功率；i为分段编号，为1、2、3；fi、为分段曲线第i段的斜率；ei为分段曲线第i段微型燃气轮机发电功率的左端点值，e1和e4为微型燃气轮机的发电功率上下限；
②、微型燃气轮机在发电的同时，产生的高温余热烟气被余热回收装置回收进入热力***满足热负荷需求，其产热的数学模型表示为：
Figure FDA0003928078980000045
式中：
Figure FDA0003928078980000046
为微型燃气轮机的产热量；λmt为微型燃气轮机的输出电热比；
Figure FDA0003928078980000047
为余热回收装置回收到的热量；ηre为热回收效率；
③、微型燃气轮机在运行时，考虑运行功率约束和爬坡约束：
Figure FDA0003928078980000048
式中：
Figure FDA0003928078980000049
为微型燃气轮机输出电功率上下限值；
Figure FDA00039280789800000410
为微型燃气轮机的电出力爬坡率上下限值；
(2)、建立电转气装置、燃气锅炉、电制冷机以及吸收式制冷机的出力模型和约束条件方程：
①、电转气装置通过电解水将富余的电能转换为天然气，其能量转换模型和运行约束为：
Figure FDA00039280789800000411
式中：
Figure FDA00039280789800000412
为电转气设备输出的天然气能量；
Figure FDA00039280789800000413
为电转气设备输入的电功率；ηp2g为电转气设备的能量转换效率；
Figure FDA00039280789800000414
为电转气设备的最大功率；
②、通过燃气锅炉，可以将天然气能量转化为热能，在微型燃气轮机供热不足时作为补充：
Figure FDA0003928078980000051
式中：
Figure FDA0003928078980000052
为燃气锅炉输出的热功率；
Figure FDA0003928078980000053
为燃气锅炉输入的天然气功率；ηb为燃气锅炉产热效率；
Figure FDA0003928078980000054
为燃气锅炉热出力最大值；
③、吸收式制冷机的数学模型和运行约束为：
Figure FDA0003928078980000055
式中：
Figure FDA0003928078980000056
为吸收式制冷机输出的冷功率；
Figure FDA0003928078980000057
为吸收式制冷机输入的热功率；COPac是吸收式制冷机的制冷系数；
Figure FDA0003928078980000058
为吸收式制冷机输入的热功率上限；
④、电制冷机电制冷机通过消耗电能来制冷，其运行需要满足的约束为：
Figure FDA0003928078980000059
式中：
Figure FDA00039280789800000510
为电制冷机输出的冷功率；
Figure FDA00039280789800000511
为电制冷机输入的电功率；COPec是电制冷机的制冷系数；
Figure FDA00039280789800000512
为电制冷机输入的电功率上限；
(3)、建立储能设备的出力和容量约束条件方程：
Figure FDA00039280789800000513
式中：x表示能量类别，分别用e、h、g表示电、热、气能；
Figure FDA00039280789800000514
和
Figure FDA00039280789800000515
是0-1变量，表示x类储能设备在t时段的充能状态和放能状态，“1”表示工作状态，“0”表示非工作状态；
Figure FDA00039280789800000516
和
Figure FDA00039280789800000517
为x类储能设备的充放能功率；
Figure FDA00039280789800000518
分别为x类储能设备的充放能功率上下限值；
Figure FDA00039280789800000519
为x类储能设备的储能量；δx为x类储能设备的能量自损系数；ηx,chr和ηx,dis为x类储能设备的充放能效率；
Figure FDA00039280789800000520
和
Figure FDA00039280789800000521
为x类储能设备的储能量上下限；
(4)、建立大电网交互联络线约束条件方程；
Figure FDA0003928078980000061
式中：
Figure FDA0003928078980000062
和
Figure FDA0003928078980000063
为0-1变量，表示IES向大电网购售电情况，
Figure FDA0003928078980000064
为1时售电，
Figure FDA0003928078980000065
为1时购电；
Figure FDA0003928078980000066
和
Figure FDA0003928078980000067
为售电和购电功率；
Figure FDA0003928078980000068
和
Figure FDA0003928078980000069
为售电和购电功率上限。
3.根据权利要求1所述一种综合能源***多时间尺度能量调度方法，其特征在于，步骤2中，设定1h的时间尺度，基于日前预测的可再生能源和负荷信息以及电价信息，以IES日运行成本最低为目标，考虑设备运行约束，优化得出一天24个时段的机组启停状态、储能设备的运行状态；
(1)、在日前阶段***的考虑的运行成本，包括大电网交互成本、购气成本以及电池充放电老化成本，则日前优化目标函数为：
Figure FDA00039280789800000610
式中：T为调度周期长度，等于24；
Figure FDA00039280789800000611
和
Figure FDA00039280789800000612
为***向大电网售电和购电的功率；
Figure FDA00039280789800000613
为***向气网购气的功率；Δt为时段间隔；
Figure FDA00039280789800000614
和
Figure FDA00039280789800000615
为***向大电网购售电价格；πg为天然气价格；Hng为天然气低热值，取9.78kWh/m3；Ki为设备i的单位运行维护费用；Pi为设备i的运行功率；目标函数最后一项通过充放电次数来计电池老化成本，πbt为电池单位时间老化成本，
Figure FDA00039280789800000616
和
Figure FDA00039280789800000617
为0-1变量，表示电池充放电标记位；
(2)、***约束除了需要满足设备约束外，还需要满足功率平衡约束和电池充放电转换约束：
①、功率平衡约束：
Figure FDA00039280789800000618
式中：
Figure FDA00039280789800000619
和
Figure FDA00039280789800000620
为光伏和风机出力；
Figure FDA00039280789800000621
为微型燃气轮机发电功率；
Figure FDA00039280789800000622
和
Figure FDA00039280789800000623
为***向大电网售电和购电的功率；
Figure FDA00039280789800000624
为电制冷机输入的电功率；
Figure FDA00039280789800000625
为余热回收装置回收到的热功率；
Figure FDA00039280789800000626
为燃气锅炉输出的热功率；
Figure FDA00039280789800000627
为吸收式制冷机输入的热功率；
Figure FDA00039280789800000628
为输出的冷功率；
Figure FDA00039280789800000629
为电制冷机输出的冷功率；
Figure FDA00039280789800000630
为电转气设备输出的天然气功率；
Figure FDA00039280789800000631
为***向气网购气的功率；
Figure FDA00039280789800000632
微型燃气轮机消耗的天然气功率；
Figure FDA00039280789800000633
为燃气锅炉输入的天然气功率；
Figure FDA00039280789800000634
和
Figure FDA00039280789800000635
为电池的充放电功率；
Figure FDA00039280789800000636
和
Figure FDA00039280789800000637
为储热设备的充放热功率；
Figure FDA00039280789800000638
和
Figure FDA00039280789800000639
为储气设备的充放气功率；
Figure FDA0003928078980000071
和
Figure FDA0003928078980000072
分别为电、热、冷、气负荷大小；
②、电池充放电转换标记约束：
Figure FDA0003928078980000073
式中：
Figure FDA0003928078980000074
和
Figure FDA0003928078980000075
是0-1变量，为电池在t时段的充放电状态标记位；
Figure FDA0003928078980000076
和
Figure FDA0003928078980000077
为0-1变量，表示电池充放电标记位；
通过对日前优化模型进行求解，得到各元件运行状态和蓄电池充放电计划值，并将计划信息传递到日内优化阶段。
CN201910673308.5A 2019-07-24 2019-07-24 一种综合能源***多时间尺度能量调度方法 Active CN110417006B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910673308.5A CN110417006B (zh) 2019-07-24 2019-07-24 一种综合能源***多时间尺度能量调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910673308.5A CN110417006B (zh) 2019-07-24 2019-07-24 一种综合能源***多时间尺度能量调度方法

Publications (2)

Publication Number Publication Date
CN110417006A CN110417006A (zh) 2019-11-05
CN110417006B true CN110417006B (zh) 2023-01-06

Family

ID=68362958

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910673308.5A Active CN110417006B (zh) 2019-07-24 2019-07-24 一种综合能源***多时间尺度能量调度方法

Country Status (1)

Country Link
CN (1) CN110417006B (zh)

Families Citing this family (82)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110807560B (zh) * 2019-11-12 2022-10-04 国网重庆市电力公司电力科学研究院 氢混天然气能源***调度方法、装置及可读存储介质
CN110889600A (zh) * 2019-11-13 2020-03-17 国家电网有限公司 一种考虑柔性热负荷的区域综合能源***优化调度方法
CN110826815B (zh) * 2019-11-14 2021-01-22 国网河南省电力公司经济技术研究院 一种考虑综合需求响应的区域综合能源***运行优化方法
CN110837938B (zh) * 2019-11-14 2023-03-10 山东大学 基于模型预测控制架构的综合能源***优化运行方法及***
CN110990785A (zh) * 2019-11-27 2020-04-10 江苏方天电力技术有限公司 一种基于多目标的智慧园区综合能源***优化调度方法
CN112990523B (zh) * 2019-12-16 2022-09-23 国网江苏省电力有限公司电力科学研究院 区域综合能源***分层优化运行方法
CN113128799A (zh) * 2019-12-30 2021-07-16 中移(上海)信息通信科技有限公司 能源管控方法、装置、电子设备及计算机存储介质
CN113065682B (zh) * 2020-01-02 2024-06-07 中国电力科学研究院有限公司 一种气电综合能源***调度方法及装置
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
CN111339474B (zh) * 2020-02-17 2022-02-08 山东大学 一种基于趋势预测分析法的综合能源***预测运行方法
CN111382905A (zh) * 2020-03-04 2020-07-07 湖南城市学院 一种综合利用自然能源的能源利用***及方法
CN111311436A (zh) * 2020-03-17 2020-06-19 上海积成能源科技有限公司 一种基于多变量控制的复杂可再生能源综合用能分析管理的***和方法
CN111404192B (zh) * 2020-04-23 2023-11-28 华北电力大学 一种交直流互联电网两阶段随机优化调度方法
CN111509713B (zh) * 2020-05-18 2023-05-23 无锡隆玛科技股份有限公司 区域综合能源***模型优化配置方法及***
CN111640044A (zh) * 2020-06-03 2020-09-08 国网浙江省电力有限公司湖州供电公司 一种考虑虚拟储能的综合能源***dg消纳策略研究方法
CN111738503B (zh) * 2020-06-15 2023-07-25 国网安徽省电力有限公司经济技术研究院 以氢能为核心的综合能源微网日前运行调度方法及***
CN111860965B (zh) * 2020-06-24 2023-11-14 东南大学 考虑储能多类型服务的用户综合能源***优化调度方法
CN111860966B (zh) * 2020-06-24 2024-05-10 东南大学 基于模糊相关机会规划的含储能综合能源***调度方法
CN111884266A (zh) * 2020-07-02 2020-11-03 河海大学 一种燃气轮机日内滚动机组组合优化方法
CN113919612A (zh) * 2020-07-09 2022-01-11 电力规划总院有限公司 一种能源***的功率确定方法和电子设备
CN112001523A (zh) * 2020-07-09 2020-11-27 山东电力工程咨询院有限公司 考虑多种储能的综合能源多尺度优化调度控制方法及***
CN111967651B (zh) * 2020-07-21 2023-09-26 浙江中新电力工程建设有限公司 一种复杂场景下基于区块链的能源***优化方法
CN111969593B (zh) * 2020-07-24 2022-05-20 南昌大学 基于混合储能的热电联供微网模型预测控制优化调度方法
CN111899125B (zh) * 2020-07-31 2024-02-27 华中科技大学 一种综合能源***的优化建模运行方法、装置和介质
CN111967786B (zh) * 2020-08-26 2022-08-05 华北电力大学（保定） 一种多能互补微网的分层协同调控方法
CN111950807B (zh) * 2020-08-26 2022-03-25 华北电力大学（保定） 计及不确定性与需求响应的综合能源***优化运行方法
CN112072712B (zh) * 2020-08-31 2022-07-12 合肥工业大学 综合能源***多时间尺度优化调度方法、***及存储介质
CN112036646B (zh) * 2020-09-02 2023-08-08 南方电网科学研究院有限责任公司 考虑多类型储能配置的综合能源***规划方法及装置
CN112232624B (zh) * 2020-09-04 2022-06-24 广西电网有限责任公司电力科学研究院 一种天然气与电力网络联合运行模型的求解方法及***
CN112529244B (zh) * 2020-10-23 2022-08-23 河海大学 一种考虑电负荷需求响应的综合能源***协同优化运行法
CN112491093B (zh) * 2020-11-16 2022-05-03 国网山东省电力公司电力科学研究院 一种量化广域可控资源日内灵活安全裕度的方法
CN112446546B (zh) * 2020-12-02 2023-10-10 国网辽宁省电力有限公司技能培训中心 一种考虑能源可靠性的综合能源***两阶段优化配置方法
CN112465236B (zh) * 2020-12-03 2022-07-26 上海电力大学 一种考虑综合满意度的社区综合能源***调度方法
CN112580938B (zh) * 2020-12-03 2024-05-14 国家电网有限公司 面向多重不确定性的综合能源***优化调度方法及装置
CN112561154B (zh) * 2020-12-11 2024-02-02 中国电力科学研究院有限公司 一种电热综合能源***能量优化调度控制方法及装置
CN112700094B (zh) * 2020-12-22 2022-06-17 上海电力大学 一种基于mpc及loddlc的综合能源***多时间尺度优化调度方法
CN112699564A (zh) * 2021-01-05 2021-04-23 中国海洋石油集团有限公司 海上微能***多目标优化调度方法、装置及计算机存储介质
CN112865174B (zh) * 2021-01-07 2022-06-07 福州大学 基于双层模型预测控制的微能网多时间尺度优化控制方法
CN112700066B (zh) * 2021-01-14 2022-09-02 国网山东省电力公司青岛供电公司 一种电-热综合能源***调度最佳时间尺度配合方法
CN112784484B (zh) * 2021-01-19 2022-08-02 国网江苏省电力有限公司经济技术研究院 一种区域综合能源***多目标优化方法及优化***
CN112928750B (zh) * 2021-01-25 2022-09-13 河海大学 一种计及大型储气库的电-热-气多能流***中长期能量优化方法
CN112949903A (zh) * 2021-01-26 2021-06-11 华北水利水电大学 一种含电转气和储能的区域综合能源***日前优化调度方法
CN112861335B (zh) * 2021-02-01 2022-11-15 昆明理工大学 一种含p2g及储能的综合能源***低碳经济调度方法
CN113036801B (zh) * 2021-02-25 2022-11-29 东北大学 一种考虑时间特性的分布式多能***及其控制方法
CN113158547B (zh) * 2021-03-11 2022-10-18 上海电力大学 计及经济性和可靠性的区域综合能源***优化配置方法
CN115080907A (zh) * 2021-03-15 2022-09-20 国家电投集团科学技术研究院有限公司 综合能源***的控制方法、装置及设备
CN113112141A (zh) * 2021-04-07 2021-07-13 国网新疆电力有限公司经济技术研究院 一种综合能源***能量优化调度方法和装置
CN113141005B (zh) * 2021-04-14 2022-11-11 国电南瑞科技股份有限公司 一种面向新能源消纳的综合能源***多时间尺度调度方法
CN113240154A (zh) * 2021-04-14 2021-08-10 国网江苏省电力有限公司营销服务中心 考虑弹性能量云模型的多能源***不确定性优化调度方法、装置及***
CN113131472A (zh) * 2021-04-16 2021-07-16 东北大学 考虑风电不确定性的含储能电-热互联***协调调度方法
CN113723662A (zh) * 2021-07-06 2021-11-30 国网浙江省电力有限公司宁波供电公司 计及设备生命周期价值的综合能源***优化调度方法
CN113435659B (zh) * 2021-07-09 2023-01-24 中国电力工程顾问集团中南电力设计院有限公司 基于场景分析的综合能源***两阶段优化运行方法及***
CN113644684B (zh) * 2021-07-23 2024-03-19 山东大学 一种综合能源***多环控制***与方法
CN113609778B (zh) * 2021-08-11 2023-08-22 山东大学 一种综合能源***多目标优化方法及***
CN113690882B (zh) * 2021-08-16 2023-07-11 三峡大学 基于***热备用的主动配电网优化调度方法
CN113410854B (zh) * 2021-08-19 2021-11-02 国网浙江省电力有限公司平阳县供电公司 一种多类型储能***优化运行方法
CN113780638B (zh) * 2021-08-27 2024-02-27 国网甘肃省电力公司电力科学研究院 计及储能寿命衰减的综合能源***优化调度方法
CN113746089B (zh) * 2021-08-31 2024-07-23 河海大学 面向多用户的多时间尺度电力套餐与家庭能量优化方法
CN113629781A (zh) * 2021-09-16 2021-11-09 广西电网有限责任公司电力科学研究院 一种基于empc的多vpp日前日内协调优化方法及装置
CN114004393A (zh) * 2021-10-19 2022-02-01 国网湖南省电力有限公司 配电网-天然气联合***双层多时间尺度运行优化方法
CN114004476B (zh) * 2021-10-26 2024-04-19 华北电力大学 一种综合能源***多时间尺度优化调度方法
CN114118532A (zh) * 2021-11-06 2022-03-01 深圳供电局有限公司 孤岛微网的调度方法、装置、计算机设备、存储介质
CN114362152B (zh) * 2021-12-24 2024-03-26 江苏科能电力工程咨询有限公司 综合能源***多时间尺度调度方法
CN114386274B (zh) * 2022-01-12 2023-05-02 国网北京市电力公司 一种综合能源集群多时间尺度优化调控方法
CN114529056A (zh) * 2022-01-21 2022-05-24 武汉大学 综合能源***运行优化方法、设备及可读存储介质
CN114757469B (zh) * 2022-02-22 2024-06-14 国网江苏省电力有限公司南京供电分公司 考虑多能流设备的区域综合能源***日前优化调度方法
CN114676979B (zh) * 2022-03-04 2022-11-25 南方科技大学 一种能量调度方法及其装置、计算机设备、存储介质
CN114943376A (zh) * 2022-05-24 2022-08-26 山东大学 用户侧综合能源优化利用区间规划方法及***
CN115001037B (zh) * 2022-06-06 2024-03-29 国网山东省电力公司潍坊供电公司 一种多目标多时间尺度协同的储能***调度运行方法
CN115374692B (zh) * 2022-07-12 2023-04-14 贵州大学 一种用于区域综合能源***的双层优化调度决策方法
CN114944661B (zh) * 2022-07-13 2023-06-20 西南交通大学 一种基于储能***滚动优化的微电网三阶段优化控制方法
CN115271264A (zh) * 2022-09-27 2022-11-01 国网浙江省电力有限公司宁波供电公司 一种工业园区能源***调配方法及计算设备
CN115640894B (zh) * 2022-10-21 2024-03-26 山东大学 一种基于双时间尺度的综合能源***优化调度方法
CN116151486B (zh) * 2023-04-19 2023-07-07 国网天津市电力公司城西供电分公司 含储能***的光伏充电站多时间尺度随机优化方法及装置
CN116187601B (zh) * 2023-05-04 2023-06-23 华北理工大学 一种基于负荷预测的综合能源***运行优化方法
CN116451883A (zh) * 2023-06-19 2023-07-18 国网上海能源互联网研究院有限公司 一种园区多能协同优化方法、装置、设备及介质
CN117455134A (zh) * 2023-08-03 2024-01-26 三峡大学 含水产养殖温室的乡村综合能源***分布鲁棒日前调度方法
CN117040027B (zh) * 2023-09-28 2024-01-16 华北电力大学 一种农村虚拟电厂的协调优化方法和装置
CN117556549B (zh) * 2024-01-08 2024-04-19 山东大学 一种面向风光氢储充综合能源的时空联合运行优化方法
CN117853273B (zh) * 2024-03-06 2024-06-07 国网北京市电力公司 一种园区级分布式能源***优化方法、装置、设备及介质
CN117892884A (zh) * 2024-03-08 2024-04-16 国网北京市电力公司 一种综合能源***优化设计方法、装置、设备及介质
CN118034066A (zh) * 2024-04-11 2024-05-14 国网江苏省电力有限公司常州供电分公司 多能耦合舱能源***协调运行控制方法、设备和存储介质

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9568901B2 (en) * 2012-08-27 2017-02-14 Nec Corporation Multi-objective energy management methods for micro-grids
CN109004686B (zh) * 2018-08-29 2021-04-30 三峡大学 一种考虑冰蓄冷空调多模式的冷热电联供型微网***
CN109787227B (zh) * 2019-02-02 2022-10-04 国网江苏省电力有限公司南京供电分公司 一种多能互补***多时间尺度优化调度方法

Also Published As

Publication number Publication date
CN110417006A (zh) 2019-11-05

Similar Documents

Publication Publication Date Title
CN110417006B (zh) 一种综合能源***多时间尺度能量调度方法
CN106849190B (zh) 一种基于Rollout算法的多能互补微网实时调度方法
CN111738497B (zh) 计及需求侧响应的虚拟电厂双层优化调度方法
CN113779783B (zh) 计及多重不确定性的区域综合能源***规划与运行联合优化方法
CN111934360B (zh) 基于模型预测控制的虚拟电厂-储能***能量协同优化调控方法
Hug-Glanzmann Coordination of intermittent generation with storage, demand control and conventional energy sources
CN104377693A (zh) 一种发电生产模拟模型
CN113988714B (zh) 计及多重不确定性的园区综合能源***动态规划方法、设备及介质
Li et al. Optimal design for component capacity of integrated energy system based on the active dispatch mode of multiple energy storages
Zhu et al. Design optimization and two-stage control strategy on combined cooling, heating and power system
CN116050637A (zh) 基于分时电价的综合能源虚拟电厂优化调度方法及***
CN114266382A (zh) 一种考虑热惯性的热电联产***两阶段优化调度方法
CN115640902A (zh) 计及碳价不确定性的园区综合能源***低碳优化调度方法
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
Saha Adaptive model-based receding horizon control of interconnected renewable-based power micro-grids for effective control and optimal power exchanges
CN116468215A (zh) 计及源荷不确定性的综合能源***调度方法及装置
CN111126675A (zh) 多能互补微网***优化方法
CN114037337A (zh) 一种基于模型预测控制的微能源网优化调度方法及***
CN117973886A (zh) 含氢能全链路的综合能源***协同规划运行方法及***
CN116739636A (zh) 一种基于igdt的含碳交易机制的综合能源站优化运行方法
CN117013522A (zh) 考虑分布式电源和气电协同的综合能源***调度优化方法
CN115758763A (zh) 一种计及源荷不确定性的多能流***优化配置方法及***
CN113394820B (zh) 一种新能源并网电力***的优化调度方法
Wang et al. Multi-time scale optimization study of integrated energy system considering dynamic energy hub and dual demand response
CN114548536A (zh) 一种电力市场环境下考虑储能影响的可再生能源规划方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant