CN112580938B - 面向多重不确定性的综合能源***优化调度方法及装置 - Google Patents
面向多重不确定性的综合能源***优化调度方法及装置 Download PDFInfo
- Publication number
- CN112580938B CN112580938B CN202011406461.0A CN202011406461A CN112580938B CN 112580938 B CN112580938 B CN 112580938B CN 202011406461 A CN202011406461 A CN 202011406461A CN 112580938 B CN112580938 B CN 112580938B
- Authority
- CN
- China
- Prior art keywords
- energy
- comprehensive
- uncertainty
- comprehensive energy
- energy consumption
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000005265 energy consumption Methods 0.000 claims abstract description 87
- 238000005457 optimization Methods 0.000 claims abstract description 49
- 230000004044 response Effects 0.000 claims description 80
- 238000004146 energy storage Methods 0.000 claims description 50
- 230000005611 electricity Effects 0.000 claims description 43
- 230000008569 process Effects 0.000 claims description 14
- 238000010521 absorption reaction Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 238000007599 discharging Methods 0.000 claims description 8
- 238000005338 heat storage Methods 0.000 claims description 8
- 238000001816 cooling Methods 0.000 claims description 7
- 238000010438 heat treatment Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 4
- 239000000758 substrate Substances 0.000 claims 3
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 239000007789 gas Substances 0.000 description 16
- 230000008859 change Effects 0.000 description 7
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 239000003345 natural gas Substances 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种面向多重不确定性的综合能源***优化调度方法及装置,属于综合能源***优化调度技术领域,该方法先对综合能源***实际运行中存在的风光出力不确定性、综合需求响应不确定性和购能价格不确定性进行特征识别并采用鲁棒优化法和场景规划法进行精细化建模;其次,结合CHP机组启停能耗、综合能源***运行能耗,建立综合能源***鲁棒‑随机***优化调度模型;最后,采用罚函数约束的蝙蝠算法求解得到模型的均衡解作为综合能源***的鲁棒‑随机最优解,根据鲁棒‑随机最优解对综合能源***进行实际调度。如此,本发明能够有助于合理安排综合能源***备用容量,制定购能计划,进一步降低***运行能耗和提高***运行安全性。
Description
技术领域
本发明属于综合能源***优化调度技术领域,更具体地,涉及一种面向多重不确定性的综合能源***优化调度方法及装置。
背景技术
随着化石能源枯竭和环境污染问题的加剧,构建可持续发展能源体系、实现能源高效利用已成为能源领域的研究重点。综合能源***(Integrated Energy System IES)耦合冷、热、电、气四种能源,通过对各能源生产、传输、储存、转换、分配和消费等环节的协调优化,可以实现能源间的梯级利用,提高能源利用效率,降低运行能耗,满足工业生产与居民生活的能源多样化需求。
然而,综合能源***中的可再生能源、需求响应量以及购能价格等调度资源具有显著的不确定性特征,给IES运行灵活性和整体安全性带来严峻挑战。然而现有研究大多仅考虑可再生能源出力不确定性和负荷预测不确定性,较少涉及综合需求响应不确定性和购能价格不确定性,且存在建模方法单一的问题,往往忽略不同不确定性源的特征以及表征形式,降低了***运行的经济性与安全性。
发明内容
针对现有技术的缺陷和改进需求,本发明提供了一种面向多重不确定性的综合能源***优化调度方法及装置,其目的在于通过对多重不确定性源的精确建模,协调优化不同设备出力,从而降低***运行能耗,并提高***运行安全性。
为实现上述目的,本发明提供了一种面向多重不确定性的综合能源***优化调度方法,包括以下步骤:
S1、对综合能源***运行中存在的多重不确定性进行特征识别并建模;所述多重不确定性包括风光出力不确定性、综合需求响应不确定性和购能价格不确定性;
S2、基于步骤S1建立的多重不确定性模型,以及CHP机组启停能耗、综合能源***运行能耗,构建***优化调度模型;
S3、求解所述***优化调度模型,得到综合能源***的日前调度结果,并根据所述日前调度结果对综合能源***进行调度。
进一步地,所述优化调度模型包括三层调度结构,具体为:
S21、控制每个时段的风光出力不确定性、综合需求响应不确定性的波动值,使所述综合能源***运行能耗最大;
S22、针对每个购能价格场景,基于步骤S21反馈的波动值以及给定的日前CHP机组启停计划,协调控制设备出力与购能计划,使所述综合能源***运行能耗最小;
S23、控制CHP机组启停状态,使所述CHP机组启停能耗与所述综合能源***运行能耗之和最小。
进一步地,所述风光出力不确定性表示为:
式中,ΛRE为风光出力取值集合,为风光出力预测值,/>为风光出力波动的上下限值,/>为向上波动和向下波动的指示变量,ΨRE为风光出力不确定性预算集;
所述综合需求响应不确定性表示为:
式中,ΛDR为综合需求响应取值集合,为需求响应预测值,/>为综合需求响应波动的上下限值,/>为向上波动和向下波动的指示变量,/>为综合需求响应不确定性预算集。
进一步地,所述优化调度模型的目标函数为:
式中,C1、C2分别为CHP机组启停能耗、综合能源***运行能耗,ψU、ψM、ψL分别为上、中、下层决策变量;为CHP机组单次启停能耗,/>为对应的启停指示变量,Δt为单位调度时长;Ω为购能价格场景集合,s为场景标志变量,πs为对应场景发生的概率;cCHP、cGB、cHP、cAC、cEC分别代表CHP机组、燃气锅炉、热泵、吸收式制冷机和电制冷机的单位维护费用;代表CHP机组输出的热功率和电功率;/>代表燃气锅炉和热泵输出的热功率;/>代表吸收式制冷机和电制冷机输出的冷功率;ρs,g为场景s下的购气价格,/>为购气量;/>为场景s下的购电价格,/>为购电量;
所述目标函数的约束条件包括:多能流功率平衡约束、综合能源***旋转备用约束、综合储能***运行约束。
进一步地,所述多能流功率平衡约束包括:
电功率平衡约束:
式中,为可再生能源出力功率,/>为CHP机组出力功率,/>为从电力市场购买的电能,ηBD为蓄电池放电效率,/>为蓄电池充、放电功率,/>分别为电负荷值和电负荷需求响应值,/>为热泵和电制冷机消耗功率;
冷热功率平衡约束:
式中,代表CHP机组输出的热功率;/>代表燃气锅炉和热泵输出的热功率;/>为储热器供热、储热功率;/>代表吸收式制冷机和电制冷机输出的冷功率;/>为储冷器供冷、储冷功率;ηHAD、ηCAD对应供热效率和供冷效率;/>为热、冷负荷值,/>为热、冷负荷需求响应值。
进一步地,所述综合能源***旋转备用约束为:
式中,分别代表CHP机组、电力市场和电储能装置提供的正备用容量,/>分别代表CHP机组、电力市场和电储能装置提供的负备用容量,A、B为正、负备用约束系数,/>分别为电负荷值和电负荷需求响应值。
进一步地,所述综合储能***运行约束包括:
综合储能***容量约束:
Smin≤Ss,t≤Smax
式中,Ss,t为储能装置的容量状态,Smin、Smax为分别代表储能装置最大和最小容量状态,Sall为储能装置总容量,μ代表自损耗率;分别为充、放能功率,ηC为充能效率;
综合储能***功率约束:
式中,分别代表储能装置最小、最大充能功率,/>分别代表储能装置最小、最大放能功率,/>分别为充放能标志变量。
进一步地,所述步骤S3中,利用优化蝙蝠算法求解所述***优化调度模型,具体包括:
S31、初始化常规机组特性参数、综合储能***参数、需求侧响应参数、***预测负荷大小、风光出力预测值和波动值、算法收敛的阈值以及最大循环次数;
S32、随机初始化蝙蝠种群位置与速度,每个蝙蝠的位置代表所述风光出力不确定性、综合需求响应不确定性的一种情景;
S33、基于步骤S21反馈的波动值以及给定的日前CHP机组启停计划,协调控制设备出力与购能计划,使所述综合能源***运行能耗最小;
S34、根据步骤S33确定的最小综合能源***运行能耗和罚函数约束值,得到每一只蝙蝠所代表的适应度函数;
S35、基于所述适应度函数,更新每一只蝙蝠的速度和位置;
S36、重复步骤S33至S35,直到满足收敛条件,所述收敛条件为前后两次的全局最优值之差小于给定的阈值或者达到最大循环次数。
本发明另一方面提供了一种面向多重不确定性的综合能源***优化调度装置,包括:
多重不确定性模型建立模块,用于对综合能源***运行中存在的多重不确定性进行特征识别并建模;所述多重不确定性包括风光出力不确定性、综合需求响应不确定性和购能价格不确定性;
***优化调度模型建立模块,用于基于多重不确定性模型,以及CHP机组启停能耗、综合能源***运行能耗,构建***优化调度模型;
调度模块,用于求解所述***优化调度模型,得到综合能源***的日前调度结果,并根据所述日前调度结果对综合能源***进行调度。
进一步地,所述***优化调度模型建立模块包括三个子模块:
下层模块,用于控制每个时段的风光出力不确定性、综合需求响应不确定性的波动值,使所述综合能源***运行能耗最大;
中层模块,用于针对每个购能价格场景,基于所述下层模块反馈的波动值以及给定的日前CHP机组启停计划,协调控制设备出力与购能计划,使所述综合能源***运行能耗最小;
上层模块,控制CHP机组启停状态,使所述CHP机组启停能耗与所述综合能源***运行能耗之和最小。
总体而言,通过本发明所构思的以上技术方案,能够取得以下有益效果:
本发明通过对风光出力不确定性、综合需求响应不确定性和购能价格不确定性进行特征识别与建模;结合工程博弈理论,以综合能源***运行能耗最小化为目标函数建立鲁棒-随机优化模型,采用罚函数约束的蝙蝠算法对模型进行求解得到调度结果;最后,根据所得到的日前调度结果对综合能源***进行优化调度。本发明可以有效识别风光出力、综合需求响应和购能价格不确定性源的特征,并对其进行精细化建模,有助于合理安排综合能源***设备出力及其购能计划,降低综合能源***运行能耗。同时,通过引入风光出力和综合需求响应的不确定性预算集,可以调节综合能源***的运行能耗和平均松弛功率,平衡综合能源***运行能耗和运行安全性。
附图说明
图1为本发明中综合能源***结构拓扑图;
图2为本发明中采用场景规划法对购能价格不确定性建模流程图;
图3为本发明中采用优化蝙蝠算法的模型求解方法流程图;
图4为本发明实施例1中风光和多能流负荷预测出力曲线图;
图5为本发明实施例1中供电调度优化结果出力曲线图;
图6为本发明实施例1中制热调度优化结果出力曲线图;
图7为本发明实施例1中制冷调度优化结果出力曲线图;
图8为本发明实施例1中综合储能装置容量状态变化曲线图;
图9为本发明实施例1四个场景综合能源***运行能耗对比示意图;
图10为本发明实施例1场景2中情景1和情景2的购电价格曲线图;
图11为本发明实施例1中场景2中情景1和情景2的购电量曲线图;
图12为本发明实施例1中场景2中7:00时刻综合能源***报价曲线图;
图13为本发明实施例1中场景4的风光出力、综合需求响应不确定性预算集对综合能源***运行能耗的影响示意图;
图14为本发明实施例1中场景4的风光出力、综合需求响应不确定性预算集对综合能源***平均松弛能耗的影响示意图。
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楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
参阅图1,结合图2和图3,本发明提供了一种面向多重不确定性的综合能源***优化调度方法,包括以下步骤:
S1、对综合能源***运行中存在的多重不确定性进行特征识别并建模;所述多重不确定性包括风光出力不确定性、综合需求响应不确定性和购能价格不确定性;
具体的,风光出力不确定性和综合需求响应不确定性采用鲁棒优化方法进行建模,购能价格不确定性采用场景规划法进行建模。
对于购能价格不确定性,针对其存在大量的***息和历史数据,而且其不确定性主要影响综合能源***的运行能耗,不存在运行越限情况的特点,可利用历史数据生成的有限场景集来描述购能价格的可能实现场景。为每个购能价格场景建立一组约束集,综合考虑所有场景的预期利润,从而获得每个购能价格下的交易电量和天然气量。基于所有场景下的价格和所对应的电量、天然气量,可得到每个调度时段的报价曲线,制定综合能源***在日前提供给购能市场的报价策略。
对于风光出力不确定性,其表征特点为出力预测精度较低,波动性强,且不确定性同时影响综合能源***运行能耗和运行安全性,因此利用所需数据参数较少的鲁棒优化方法来对其进行处理,风光出力不确定性表示为:
式中,ΛRE为风光出力取值集合,为风光出力预测值,/>为风光出力波动的上下限值,/>为向上波动和向下波动的指示变量,ΨRE为风光出力不确定性预算集。利用不确定性度量集对风光出力不确定性进行描述,在调度过程中考虑度量集中任意可能实现的风光出力,从而保证调度结果的鲁棒性。
对于综合需求响应不确定性,其波动区间与用户需求弹性区间、价格变化率、价格激励水平直接相关,概率分布函数地区化差异较大。目前,综合需求响应正处于初步应用阶段,其不确定性缺乏可信的公开历史数据,信息来源不足。同时,综合需求响应量直接影响IES运行功率平衡约束和旋转备用约束,其不确定性直接影响IES运行能耗与运行安全性。因此,本文采用鲁棒优化方法对需求响应量的波动区间进行建模,综合需求响应不确定性表示为:
式中,ΛDR为综合需求响应取值集合,为需求响应预测值,/>为综合需求响应波动的上下限值,/>为向上波动和向下波动的指示变量,/>为综合需求响应不确定性预算集。
S2、基于步骤S1建立的多重不确定性模型,以及CHP机组(热电联产机组)启停能耗、综合能源***运行能耗,构建***优化调度模型;
具体的,根据步骤S1得到的多重不确定性源表征模型,分别针对每个购能价格场景下,采用工程博弈的思想确定鲁棒优化方法中的最恶劣情况,综合考虑所有场景的鲁棒最优利润,线性化处理得到min-min-max模型,从而建立综合能源***鲁棒-随机优化调度模型。
优化调度模型的目标函数为:
式中,C1、C2分别为第一阶段CHP机组启停能耗、第二阶段综合能源***运行能耗,ψU、ψM、ψL分别为上、中、下层决策变量;为CHP机组单次启停能耗,/>为对应的启停指示变量,由于CHP机组启停状态在日前调度计划制定后不可在日内随购能价格波动而更改,因此本发明建立模型时将CHP机组启停变量设定为在所有场景下取同一个值;Δt为单位调度时长;Ω为购能价格场景集合,s为场景标志变量,πs为对应场景发生的概率;cCHP、cGB、cHP、cAC、cEC分别代表CHP机组、燃气锅炉、热泵、吸收式制冷机和电制冷机的单位维护费用;代表CHP机组输出的热功率和电功率;/>代表燃气锅炉和热泵输出的热功率;/>代表吸收式制冷机和电制冷机输出的冷功率;ρs,g为场景s下的购气价格,/>为购气量;/>为场景s下的购电价格,/>为购电量;
整个调度模型分为三层调度结构,下层通过控制每个时段的针对风光出力不确定性和综合需求响应不确定性波动从而最大化综合能源***运行能耗;中层针对每个购能价格场景,为在给定日前CHP机组启停计划以及风光出力不确定性和综合需求响应不确定性实现情况后,综合能源***调度员通过协调调度资源,从而确保***安全运行和最小化运行能耗;上层为综合能源***调度员通过对所有场景的利润和发生概率进行综合考量,通过控制CHP机组启停状态使得综合能源***期望运行能耗最小化。
目标函数的约束条件包括:多能流功率平衡约束、综合能源***旋转备用约束、综合储能***运行约束。其中,
多能流功率平衡约束包括:
电功率平衡约束:
式中,为可再生能源出力功率,/>为CHP机组出力功率,/>为从电力市场购买的电能,ηBD为蓄电池放电效率,/>为蓄电池充、放电功率,/>分别为电负荷值和电负荷需求响应值,/>为热泵和电制冷机消耗功率;
冷热功率平衡约束:
式中,代表CHP机组输出的热功率;/>代表燃气锅炉和热泵输出的热功率;/>为储热器供热、储热功率;/>代表吸收式制冷机和电制冷机输出的冷功率;/>为储冷器供冷、储冷功率;ηHAD、ηCAD对应供热效率和供冷效率;/>为热、冷负荷值,/>为热、冷负荷需求响应值。
综合能源***旋转备用约束为:
式中,分别代表CHP机组、电力市场和电储能装置提供的正备用容量,/>分别代表CHP机组、电力市场和电储能装置提供的负备用容量,A、B为正、负备用约束系数,/>分别为电负荷值和电负荷需求响应值。
综合储能***运行约束包括:
综合储能***容量约束:
Smin≤Ss,t≤Smax
式中,Ss,t为储能装置的容量状态,Smin、Smax为分别代表储能装置最大和最小容量状态,Sall为储能装置总容量,μ代表自损耗率;分别为充、放能功率,ηC为充能效率;
综合储能***功率约束:
式中,分别代表储能装置最小、最大充能功率,/>分别代表储能装置最小、最大放能功率,/>分别为充放能标志变量。
S3、求解所述***优化调度模型,得到综合能源***的日前调度结果,并根据所述日前调度结果对综合能源***进行调度。
具体的,根据模型两阶段三层的结构,本发明提出罚函数约束的蝙蝠算法。蝙蝠算法的评价函数为:
上式中,F、F'为罚函数修正前后的综合能源***优化模型目标函数,λ1、λ2代表惩罚因子。
蝙蝠算法具体实施步骤如下:
S31、初始化常规机组特性参数、综合储能***参数、需求侧响应参数、***预测负荷大小、风光出力预测值和波动值、算法收敛的阈值以及最大循环次数;
S32、随机初始化蝙蝠种群位置与速度,每个蝙蝠的位置代表所述风光出力不确定性、综合需求响应不确定性的一种情景;
S33、基于步骤S21反馈的波动值以及给定的日前CHP机组启停计划,协调控制设备出力与购能计划,使所述综合能源***运行能耗最小;
S34、根据步骤S33确定的最小综合能源***运行能耗和罚函数约束值,得到每一只蝙蝠所代表的适应度函数;
S35、基于所述适应度函数,更新每一只蝙蝠的速度和位置;
S36、重复步骤S33至S35,直到满足收敛条件,所述收敛条件为前后两次的全局最优值之差小于给定的阈值或者达到最大循环次数。
日前调度结果包括各时段内多能流设备的启停状态与出力结果、从购能市场的购电计划与购气计划、综合储能装置的储能状态和充放电功率以及满足综合需求响应量。
本发明的原理说明如下:
本发明提供了一种面向多重不确定性的综合能源***优化调度方法,其针对建立含风光出力、综合需求响应和购电价格预测量等多重不确定性源的综合能源***日前优化调度框架,有效识别风光出力、综合需求响应和购电价格预测量等不确定性源特征,并采用鲁棒优化法和场景规划法对其进行精细化建模,构建面向多重不确定性的综合能源***日前鲁棒-随机优化调度模型。其中,所建立的综合能源***日前调度框架分为三部分,下层为不确定性源通过控制每个时段的风光出力不确定性、综合需求响应不确定性的波动值,最大化综合能源***的运行能耗;中间层为综合能源***调度员通过协调优化日内调度资源,最小化综合能源***运行能耗;上层为综合能源***调度员考虑所有购电价格场景下的预期能耗,通过安排日前设备启停状态,最小化的期望运行能耗。
优化调度模型:调度目标为在满足地区多能流负荷与***安全运行的前提下,尽可能实现综合能源***运行能耗最小。
功率平衡约束:该约束条件用于保证***中电、冷、热子***内部能源供给与消耗之间保持平衡关系,避免负荷缺额或产能浪费,其中,电功率平衡约束保持严格的等式关系,而相比于电力子***,冷热子***允许一定的弃冷量与弃热量,因此,本发明在日前调度时考虑***满足最恶劣情况实现下冷热功率供给充裕性。
综合能源***旋转备用约束:由于用户对冷热负荷变化的感知存在一定延时性与模糊性,因此,本发明主要考虑电负荷旋转备用约束,综合考虑应对负荷预测误差与综合需求响应不确定性,为保证***在功率波动或发生事故时能够安全运行,本发明根据负荷及风电的预测值为***预留一定的旋转备用功率。
综合储能***运行约束:通过建立储能容量和充放能功率关系约束、储能容量状态上下限值约束,充放能功率最大最小约束,储热、储冷***可类比储电***进行建模,从而建立综合储能***的统一模型。
本发明另一方面提供了一种面向多重不确定性的综合能源***优化调度装置,包括:
多重不确定性模型建立模块,用于对综合能源***运行中存在的多重不确定性进行特征识别并建模;所述多重不确定性包括风光出力不确定性、综合需求响应不确定性和购能价格不确定性;
***优化调度模型建立模块,用于基于多重不确定性模型,以及CHP机组启停能耗、综合能源***运行能耗,构建***优化调度模型;
调度模块,用于求解所述***优化调度模型,得到综合能源***的日前调度结果,并根据所述日前调度结果对综合能源***进行调度。
上述面向多重不确定性的综合能源***优化调度装置中各个模块的划分仅用于举例说明,在其他实施例中,可将面向多重不确定性的综合能源***优化调度装置按照需要划分为不同的模块,以完成上述装置的全部或部分功能。
实施例1
下面结合具体的应用场景,对本发明进行详细说明。
以图1所示的综合能源***为对象,综合能源***包含冷、热、电和气四种能源形式。在源侧,***通过集中式母线与燃气管道从能源辅助市场中购买电量与天然气满足用户需求,同时,***配置风光机组以充分利用内部的可再生能源。在荷侧,***通过燃气轮机、风光机组出力和电力市场购买电量来满足居民用电需求;热负荷由燃气轮机、热泵和燃气锅炉共同提供;冷负荷由电制冷机和吸收式制冷机联合供应。综合储能装置由蓄电池、蓄热器和蓄冷器共同组成,有助于***内多种能量在不同时间段内的协调调度和转移,使***运行更加灵活经济。此外,***在用户侧实施综合需求响应(Integrated DemandResponse IDR),通过价格变化信号来引导用户改变用能方式,从而间接控制多种能流的削减、转移和相互转化,提高***运行灵活性。调度过程依次按照以下步骤进行:
步骤1、建立面向多重不确定性环境的综合能源日前调度优化模型,该模型以综合能源日前第一阶段设备启停能耗与日内第二阶段的设备运行期望能耗与能源购能能耗之和最小化作为目标函数:
步骤2、先将获取的风光出力和多能流负荷的短期预测数据(参见图4)输入所述日前调度优化模型中,得到综合能源***的日前调度结果,然后根据日前调度结果对综合能源***进行调度,其中,日前调度每24小时执行一次,单位调度时长为1小时,调度时间窗为24小时,所述日前调度结果包括各时段内多能流设备的启停状态与出力结果、购电计划与购气计划、综合储能装置的储能状态和充放电功率以及综合需求响应量,综合能源***设备运行参数如表1所示。
表1综合能源***设备运行参数
为验证本发明方法的有效性,本实施例设定了如表2所示的4种运行场景。其中,场景1中调度模型为确定性调度模型,不考虑不确定性源的影响;场景2中不包含风光出力不确定性和综合需求响应不确定性;场景3中不包含购电价格不确定性;场景4中同时包含风光出力、综合需求响应不确定性和购电价格不确定性。
表2各运行场景的设置
图5、图6、图7和图8为场景4的综合能源***调度结果,分别为***供电调度优化曲线图、制热调度优化曲线图和制冷调度优化曲线图,从图中可以看出,在1:00-9:00、22:00-24:00时段,***电负荷较小,且购电市场大部分处于谷时价区间,此时,电负荷主要由购电功率和风光出力功率满足,蓄电池处于蓄电状态,综合需求响应通过降低电价从而提高用户用电意愿。而在10:00-21:00,***电负荷功率不断上升,购电市场大部分处于峰时价区间和平时价区间,为了节省***运行能耗,此时电负荷主要由CHP机组出力、蓄电池放电功率和风光出力功率满足,综合需求响应通过提高电价从而缓解用电需求高峰。
由于电制冷机和热泵能源转换效率较高,可消耗少量电能满足用户制热、制冷需求,因此,在调度计划制定时提高二者出力占比,降低***运行能耗。在整个调度周期中,综合储能装置和综合需求响应根据购能市场价格峰谷时段以及负荷波动情况进行能量储存释放以及负荷需求的增减转移,从而缓解可再生能源供给与地区负荷需求之间时间错峰问题,提高可再生能源消纳能力,有效提高综合能源***运行经济效益。图9为四个场景的运行能耗,可直观看出,相较于场景3,场景4考虑购能价格不确定性后,***购买电量可根据实时市场电价进行灵活调整,运行能耗降低。而相较于场景2,场景4考虑风光出力、综合需求响应不确定性后,运行能耗增加,通过牺牲一定的运行能耗从而提高模型的鲁棒性。
为了进一步说明购能价格不确定性对模型调度结果运行能耗的影响,取仅考虑购能价格不确定性的场景2进行分析,其中情景1和情景2的购电价格以及购电量如图10和图11所示。从情景1、2的购电价格以及购电量可以看出:相比于情景1,情景2的购电价格波动更为剧烈,峰谷差值较大。因此,在情景2的购电价格下,综合能源***会选择在电价谷时段购进更多电量用于供给电负荷需求或储存于蓄电池中,而在电价峰时段会适当减少购买电量,利用蓄电池放电功率和CHP机组满足地区电负荷需求,从而降低综合能源***运行能耗。图12为综合能源***日前调度在7:00提交的购电量报价曲线,从7:00时段的报价曲线中可以看出,随着电价预测情景之间价格的升高,IES购入的电量基本呈下降趋势。在考虑购电价格不确定性特征情况下,综合能源***调度员会根据实时情景的购能市场价格,来决定这一时刻的购买电量,从而最小化综合能源***运行能耗。
为了探究风光出力不确定性和综合需求响应不确定性对IES运行能耗与安全性的影响,本节针对风光出力不确定性预算集ΨRE和综合需求响应不确定性预算集的不同取值,分别计算综合能源***的运行能耗和平均松弛功率,运行结果如图13和图14所示。
结合图13和图14可以看出,随着不确定性预算集取值的增加,综合能源***运行能耗呈现出增加的趋势,而平均松弛功率也随之降低,表明通过不确定性预算集的合理取值,可以有效平衡***运行的灵活性和鲁棒性。对比ΨRE和不同取值下的调度结果可知,相较于风光出力不确定性预算集的变化,综合需求响应不确定性预算集的变化对IES的运行能耗和平均松弛功率影响较大。在模型中,综合需求响应量参与电负荷的正负旋转备用约束和热、冷负荷的功率平衡约束的构成,其不确定性直接涉及电、热、冷多个子***的运行经济性与安全性。综上所述,综合需求响应不确定性预算集的变化,对***整体的运行能耗与运行安全性影响更大。
综上所述,本发明所提出的优化调度方法具备有效性及合理性。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例,只是用于帮助理解本发明,并不用以限制本发明,对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种面向多重不确定性的综合能源***优化调度方法,其特征在于,包括以下步骤:
S1、对综合能源***运行中存在的多重不确定性进行特征识别并建模;所述多重不确定性包括风光出力不确定性、综合需求响应不确定性和购能价格不确定性;
所述风光出力不确定性表示为:
式中,ΛRE为风光出力取值集合,为风光出力预测值,/>为风光出力波动的上下限值,/>为向上波动和向下波动的指示变量,ΨRE为风光出力不确定性预算集;
所述综合需求响应不确定性表示为:
式中,ΛDR为综合需求响应取值集合,为需求响应预测值,/>为综合需求响应波动的上下限值,/>为向上波动和向下波动的指示变量,/>为综合需求响应不确定性预算集;
S2、基于步骤S1建立的多重不确定性模型,以及CHP机组启停能耗、综合能源***运行能耗,构建***优化调度模型;所述优化调度模型包括三层调度结构,步骤S2具体为:
S21、控制每个时段的风光出力不确定性、综合需求响应不确定性的波动值,使所述综合能源***运行能耗最大;
S22、针对每个购能价格场景,基于步骤S21反馈的波动值以及给定的日前CHP机组启停计划,协调控制设备出力与购能计划,使所述综合能源***运行能耗最小;
S23、控制CHP机组启停状态,使所述CHP机组启停能耗与所述综合能源***运行能耗之和最小;
所述优化调度模型的目标函数为:
式中,C1、C2分别为CHP机组启停能耗、综合能源***运行能耗,ψU、ψM、ψL分别为上、中、下层决策变量;为CHP机组单次启停能耗,/>为对应的启停指示变量,Δt为单位调度时长;Ω为购能价格场景集合,s为场景标志变量,πs为对应场景发生的概率;cCHP、cGB、cHP、cAC、cEC分别代表CHP机组、燃气锅炉、热泵、吸收式制冷机和电制冷机的单位维护费用;代表CHP机组输出的热功率和电功率;/>代表燃气锅炉和热泵输出的热功率;/>代表吸收式制冷机和电制冷机输出的冷功率;ρs,g为场景s下的购气价格,/>为购气量;/>为场景s下的购电价格,/>为购电量;
所述目标函数的约束条件包括:多能流功率平衡约束、综合能源***旋转备用约束、综合储能***运行约束;
S3、求解所述***优化调度模型,得到综合能源***的日前调度结果,并根据所述日前调度结果对综合能源***进行调度。
2.根据权利要求1所述的方法,其特征在于,
所述多能流功率平衡约束包括:
电功率平衡约束:
式中,为可再生能源出力功率,/>为CHP机组出力功率,/>为从电力市场购买的电能,ηBD为蓄电池放电效率,/>为蓄电池充、放电功率,/>分别为电负荷值和电负荷需求响应值,/>为热泵和电制冷机消耗功率;
冷热功率平衡约束:
式中,代表CHP机组输出的热功率;/>代表燃气锅炉和热泵输出的热功率;为储热器供热、储热功率;/>代表吸收式制冷机和电制冷机输出的冷功率;/>为储冷器供冷、储冷功率;ηHAD、ηCAD对应供热效率和供冷效率;/>为热、冷负荷值,/>为热、冷负荷需求响应值。
3.根据权利要求1所述的方法,其特征在于,
所述综合能源***旋转备用约束为:
式中,分别代表CHP机组、电力市场和电储能装置提供的正备用容量,分别代表CHP机组、电力市场和电储能装置提供的负备用容量,A、B为正、负备用约束系数,/>分别为电负荷值和电负荷需求响应值。
4.根据权利要求1所述的方法,其特征在于,
所述综合储能***运行约束包括:
综合储能***容量约束:
Smin≤Ss,t≤Smax
式中,Ss,t为储能装置的容量状态,Smin、Smax为分别代表储能装置最大和最小容量状态,Sall为储能装置总容量,μ代表自损耗率;分别为充、放能功率,ηC为充能效率;
综合储能***功率约束:
式中,分别代表储能装置最小、最大充能功率,/>分别代表储能装置最小、最大放能功率,/>分别为充放能标志变量。
5.根据权利要求1所述的方法,其特征在于,所述步骤S3中,利用优化蝙蝠算法求解所述***优化调度模型,具体包括:
S31、初始化常规机组特性参数、综合储能***参数、需求侧响应参数、***预测负荷大小、风光出力预测值和波动值、算法收敛的阈值以及最大循环次数;
S32、随机初始化蝙蝠种群位置与速度,每个蝙蝠的位置代表所述风光出力不确定性、综合需求响应不确定性的一种情景;
S33、基于步骤S21反馈的波动值以及给定的日前CHP机组启停计划,协调控制设备出力与购能计划,使所述综合能源***运行能耗最小;
S34、根据步骤S33确定的最小综合能源***运行能耗和罚函数约束值,得到每一只蝙蝠所代表的适应度函数;
S35、基于所述适应度函数,更新每一只蝙蝠的速度和位置;
S36、重复步骤S33至S35,直到满足收敛条件,所述收敛条件为前后两次的全局最优值之差小于给定的阈值或者达到最大循环次数。
6.一种面向多重不确定性的综合能源***优化调度装置,其特征在于,包括:
多重不确定性模型建立模块,用于对综合能源***运行中存在的多重不确定性进行特征识别并建模;所述多重不确定性包括风光出力不确定性、综合需求响应不确定性和购能价格不确定性;
***优化调度模型建立模块,用于基于多重不确定性模型,以及CHP机组启停能耗、综合能源***运行能耗,构建***优化调度模型;
调度模块,用于求解所述***优化调度模型,得到综合能源***的日前调度结果,并根据所述日前调度结果对综合能源***进行调度;
所述风光出力不确定性表示为:
式中,ΛRE为风光出力取值集合,为风光出力预测值,/>为风光出力波动的上下限值,/>为向上波动和向下波动的指示变量,ΨRE为风光出力不确定性预算集;
所述综合需求响应不确定性表示为:
式中,ΛDR为综合需求响应取值集合,为需求响应预测值,/>为综合需求响应波动的上下限值,/>为向上波动和向下波动的指示变量,/>为综合需求响应不确定性预算集;
所述***优化调度模型建立模块包括三个子模块:
下层模块,用于控制每个时段的风光出力不确定性、综合需求响应不确定性的波动值,使所述综合能源***运行能耗最大;
中层模块,用于针对每个购能价格场景,基于所述下层模块反馈的波动值以及给定的日前CHP机组启停计划,协调控制设备出力与购能计划,使所述综合能源***运行能耗最小;
上层模块,控制CHP机组启停状态,使所述CHP机组启停能耗与所述综合能源***运行能耗之和最小;
所述优化调度模型的目标函数为:
式中,C1、C2分别为CHP机组启停能耗、综合能源***运行能耗,ψU、ψM、ψL分别为上、中、下层决策变量;为CHP机组单次启停能耗,/>为对应的启停指示变量,Δt为单位调度时长;Ω为购能价格场景集合,s为场景标志变量,πs为对应场景发生的概率;cCHP、cGB、cHP、cAC、cEC分别代表CHP机组、燃气锅炉、热泵、吸收式制冷机和电制冷机的单位维护费用;代表CHP机组输出的热功率和电功率;/>代表燃气锅炉和热泵输出的热功率;/>代表吸收式制冷机和电制冷机输出的冷功率;ρs,g为场景s下的购气价格,/>为购气量;/>为场景s下的购电价格,/>为购电量;
所述目标函数的约束条件包括:多能流功率平衡约束、综合能源***旋转备用约束、综合储能***运行约束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011406461.0A CN112580938B (zh) | 2020-12-03 | 2020-12-03 | 面向多重不确定性的综合能源***优化调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011406461.0A CN112580938B (zh) | 2020-12-03 | 2020-12-03 | 面向多重不确定性的综合能源***优化调度方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112580938A CN112580938A (zh) | 2021-03-30 |
CN112580938B true CN112580938B (zh) | 2024-05-14 |
Family
ID=75127201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011406461.0A Active CN112580938B (zh) | 2020-12-03 | 2020-12-03 | 面向多重不确定性的综合能源***优化调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112580938B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393077B (zh) * | 2021-04-26 | 2023-03-14 | 广东电网有限责任公司广州供电局 | 考虑用户用能不确定性的电-气多能存储***配置方法 |
CN117422249A (zh) * | 2023-10-20 | 2024-01-19 | 国网甘肃省电力公司超高压公司 | 综合能源***日前优化调度方法 |
CN118052418B (zh) * | 2024-04-16 | 2024-06-28 | 国网江西省电力有限公司供电服务管理中心 | 基于模糊规划的综合能源需求响应调度方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110417006A (zh) * | 2019-07-24 | 2019-11-05 | 三峡大学 | 考虑多能协同优化的综合能源***多时间尺度能量调度方法 |
CN110417062A (zh) * | 2019-07-31 | 2019-11-05 | 广东电网有限责任公司 | 一种电气综合能源***优化调度方法 |
CN110826815A (zh) * | 2019-11-14 | 2020-02-21 | 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 |
CN110941799A (zh) * | 2019-11-29 | 2020-03-31 | 国网辽宁省电力有限公司经济技术研究院 | 一种考虑***综合不确定性因素的能量枢纽随机规划方法 |
CN111950807A (zh) * | 2020-08-26 | 2020-11-17 | 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 |
CN111950808A (zh) * | 2020-08-26 | 2020-11-17 | 华北电力大学(保定) | 基于综合需求响应的综合能源***随机鲁棒优化运行方法 |
-
2020
- 2020-12-03 CN CN202011406461.0A patent/CN112580938B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110417006A (zh) * | 2019-07-24 | 2019-11-05 | 三峡大学 | 考虑多能协同优化的综合能源***多时间尺度能量调度方法 |
CN110417062A (zh) * | 2019-07-31 | 2019-11-05 | 广东电网有限责任公司 | 一种电气综合能源***优化调度方法 |
CN110826815A (zh) * | 2019-11-14 | 2020-02-21 | 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 |
CN110941799A (zh) * | 2019-11-29 | 2020-03-31 | 国网辽宁省电力有限公司经济技术研究院 | 一种考虑***综合不确定性因素的能量枢纽随机规划方法 |
CN111950807A (zh) * | 2020-08-26 | 2020-11-17 | 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 |
CN111950808A (zh) * | 2020-08-26 | 2020-11-17 | 华北电力大学(保定) | 基于综合需求响应的综合能源***随机鲁棒优化运行方法 |
Non-Patent Citations (1)
Title |
---|
Guozhen Ma ; Ning Pang ; Zeya Zhang ; Yongli Wang ; Chen Liu ; Suhang Yao ; Siyi Tao.Power Load Forecasting Model Based on Grey Neural Network Regression Combination.E3S Web of Conferences.2020,第213卷03006 . * |
Also Published As
Publication number | Publication date |
---|---|
CN112580938A (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112580938B (zh) | 面向多重不确定性的综合能源***优化调度方法及装置 | |
CN111463836B (zh) | 一种综合能源***优化调度方法 | |
CN111737884B (zh) | 一种含多种清洁能源微能源网多目标随机规划方法 | |
CN109634119B (zh) | 一种基于日内滚动优化的能源互联网优化控制方法 | |
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 | |
CN111160636B (zh) | 一种cchp型微电网调度优化方法 | |
CN114202176A (zh) | 一种综合能源***优化调度方法、***、设备及存储介质 | |
CN102593855B (zh) | 平抑电力***中可再生能源电源输出功率波动的方法 | |
CN110752629B (zh) | 一种交直流混合家庭微电网能量优化管理方法 | |
CN112165122A (zh) | 一种综合能源***的运行方法及*** | |
CN109685332A (zh) | 一种综合能源多主体利益均衡优化调度方法及设备 | |
CN112600253A (zh) | 基于用能效率最优的园区综合能源协同优化方法及设备 | |
Liu et al. | Optimal planning of internet data centers decarbonized by hydrogen-water-based energy systems | |
CN113592365A (zh) | 一种考虑碳排放与绿电消纳的能源优化调度方法及*** | |
CN116468215A (zh) | 计及源荷不确定性的综合能源***调度方法及装置 | |
CN115187018A (zh) | 一种园区综合能源***双层优化调度方法及装置 | |
CN115081700A (zh) | 基于综合储能技术的数据中心多能协同优化方法及*** | |
Tang et al. | Multi-objective optimal dispatch for integrated energy systems based on a device value tag | |
CN111125611B (zh) | 面向多场景的冷-热-电微能网群两阶段优化调度方法 | |
Mahoor et al. | Smart energy management for a micro-grid with consideration of demand response plans | |
CN113128799A (zh) | 能源管控方法、装置、电子设备及计算机存储介质 | |
CN115600878A (zh) | 一种基于双层能量管理的并网型多站融合综合能源总*** | |
CN109921447B (zh) | 一种基于储能装置soc动态约束的微网经济调度方法 | |
CN113723662B (zh) | 计及设备生命周期价值的综合能源***优化调度方法 | |
Wang et al. | Review on Energy Storage Participation in Capacity Configuration and Scheduling Optimization in Modern Power System |
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 |