CN113705991B - 一种多能源园区的建立及低碳调度方法 - Google Patents

一种多能源园区的建立及低碳调度方法 Download PDF

Info

Publication number
CN113705991B
CN113705991B CN202110943729.2A CN202110943729A CN113705991B CN 113705991 B CN113705991 B CN 113705991B CN 202110943729 A CN202110943729 A CN 202110943729A CN 113705991 B CN113705991 B CN 113705991B
Authority
CN
China
Prior art keywords
carbon
time period
energy
load
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.)
Active
Application number
CN202110943729.2A
Other languages
English (en)
Other versions
CN113705991A (zh
Inventor
刘文章
殷彪
赵斌
高阳
刘彬
何锦宇
赵胜霞
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.)
Technology & Skill Training Center Of Sichuan Electric Power Corp
Original Assignee
Technology & Skill Training Center Of Sichuan Electric Power Corp
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 Technology & Skill Training Center Of Sichuan Electric Power Corp filed Critical Technology & Skill Training Center Of Sichuan Electric Power Corp
Priority to CN202110943729.2A priority Critical patent/CN113705991B/zh
Publication of CN113705991A publication Critical patent/CN113705991A/zh
Application granted granted Critical
Publication of CN113705991B publication Critical patent/CN113705991B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/84—Greenhouse gas [GHG] management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种多能源园区的建立及低碳调度方法，包括：建立多能源园区；引入储热设备、储气设备、碳捕集设备和储碳设备至多能源园区，并建立储热设备模型、储气设备模型和碳交换模型；建立电动汽车有序充电模型；建立热电响应模型；建立多能源园区目标函数；求解得到多能源园区低碳调度结果。本发明建立了电气热能全面的多能源园区，并引入储热设备和储气设备使多能源园区能源转换效率进一步提升，多能互补能力增强，促进了高比例新能源的消纳，并基于各能源及其设备特性建立约束条件，在考虑碳交换的情况下以满足多能源园区能耗需求建立多能源目标函数，最终使多能源园区实现低碳调度。

Description

一种多能源园区的建立及低碳调度方法
技术领域
本发明涉及能源技术领域，具体涉及一种多能源园区的建立及低碳调度方法。
背景技术
在传统的由电力***、热力***和天然气***组成的供能***中，各子***的单独设计与运行导致了相互能源利用率低下。为改善该现象，能源技术领域提出了“能源互联网”这一概念。多能源园区是能源互联网最末端的直观表现形式，其耦合多种能源，协调调度多样供能***，提升能源利用率和降低能源***的经济成本。
随着全球能源危机和温室效应的加重，多能源园区的碳排放逐渐成为研究热点。此外随着多能源园区的逐渐发展，风能、光能等可再生能源接入比例不断增加，多能源园区的能源调度技术出现新的挑战。
多能源园区存在的碳排放，需要引入碳捕集设备进行捕集。而目前有关碳捕集电厂的研究主要集中在传统单一能源***的低碳调度领域，若简单移植现有算法，则一方面忽视了电热气设备不同的硬件特性，另一方面也忽视了不同能源具有不同属性的自然规律。因此如何可靠地实现多能源园区的能源低碳调度，依然是亟待解决的问题。
发明内容
针对现有技术中的上述不足，本发明提供的一种多能源园区的建立及低碳调度方法解决了多能源园区如何进行能源的低碳调度的问题。
为了达到上述发明目的，本发明采用的技术方案为：一种多能源园区的建立及低碳调度方法，其特征在于，包括以下步骤：
S1、建立带有电热气互转设备、风力发电设备、光伏发电设备和电动汽车的多能源园区；
S2、引入储热设备、储气设备、碳捕集设备和储碳设备至多能源园区，并建立储热设备模型、储气设备模型和碳交换模型；
S3、根据电动汽车充电特性，建立电动汽车有序充电模型；
S4、根据阶梯型电热能代价建立热电响应模型，所述电热能代价为上级电能和热能供应方为提供电能和热能而产生的自然资源消耗和设备损耗；
S5、根据多能源园区能耗需求，建立多能源园区目标函数；
S6、根据多能源园区目标函数，以储热设备模型、储气设备模型、碳交换模型、电动汽车有序充电模型、热电响应模型作为规划约束，并基于能量平衡约束、设备约束、上下级电热网功率约束、弃风弃光约束和失负荷约束，求解得到多能源园区低碳调度结果。
本发明的有益效果为：建立了电气热能全面的多能源园区，并引入储热设备和储气设备使多能源园区能源转换效率进一步提升，多能互补能力增强，促进了高比例新能源的消纳，并基于各能源及其设备特性建立约束条件，在考虑碳交换的情况下以满足多能源园区能耗需求建立多能源目标函数，最终使多能源园区实现低碳调度。
进一步地，所述电热气互转设备包括：电转气设备P2G(powertogas)、电锅炉、燃气轮机、和热电联产设备CHP(combinedheatandpower)。
上述进一步方案的有益效果为：通过电转气设备P2G实现电能向燃气的转换，通过电锅炉实现电能向热能的转换，通过燃气轮机实现燃气向电能的转换，通过热电联产设备CHP实现燃气向电能和热能的转换，构建了全方位电热气互转的设备网络，实现多能源园区的能源互转。
进一步地，所述储热设备模型的表达式为：
其中，HS为储热设备代号，为储热设备在调度时间段t内储存的热功率，为储热设备在调度时间段t释放的热功率，HHS,in,max为储热设备最大储存的热功率，HHS,out,max为储热设备最大释放的热功率，/>为储热设备在调度时间段t的存储容量，/>为储热设备在调度时间段t-1的存储容量，ηCHS为储热设备的自消耗率，ηHS,out为储热设备的储能效率，ηHS,in为储热设备的放能效率，CHS,min为储热设备的最小存储容量，CHS,max为储热设备的最大存储容量。
上述进一步方案的有益效果为：根据储热设备的实际特性建立储热设备模型，为多能源园区的低碳调度提供了切实的约束条件。
进一步地，所述储气设备模型的表达式为：
其中，GS为储气设备代号，为储气设备在调度时间段t内储存的气功率，为储气设备在调度时间段t释放的气功率，GGS,in,max为储气设备最大储存的气功率，GGS,out,max为储气设备最大释放的气功率，/>为储气设备在调度时间段t的存储容量，/>为储气设备在调度时间段t-1的存储容量，ηCGS为储气设备的自消耗率，ηGS,out为储气设备的储热效率，ηGs,in为储气设备的放能效率，CGS,min为储气设备的最小存储容量，CGS,max为储气设备的最大存储容量。
上述进一步方案的有益效果为：根据储气设备的实际特性建立储气设备模型，为多能源园区的低碳调度提供了切实的约束条件。
进一步地，所述碳交换模型的表达式为：
其中，GT为燃气轮机代号，为多能源园区在调度时间段t内碳的净排放量，/>为第p台热电联产设备CHP在调度时间段t内碳的排放量，/>为第q台燃气轮机在调度时间段t内碳的排放量，/>为调度时间段t内上级电能供应方为提供电能而产生的碳排放量，/>为多能源园区在调度时间段t内碳的捕集量，/>为储碳设备调度时间段t内的碳输出量，/>为储碳设备调度时间段t内的碳存入量，/>为多能源园区在调度时间段t内碳输入量，/>为第m台电转气设备P2G在调度时间段t内碳消耗量，/>为多能源园区在调度时间段t内碳移出量，ηc为碳捕集率，/>为第p台热电联产设备CHP的碳排放强度，/>为第p台热电联产设备CHP在调度时间段t内的出力，/>为第q台燃气轮机的碳排放强度，/>为第q台燃气轮机在调度时间段t内的出力，μcoal为上级电能供应方碳排放强度，/>为上级电能供应方在调度时间段t内向多能源园区输送电能的功率，/>为第m台电转气设备P2G生成单位功率天然气需要的二氧化碳量，/>为第m台电转气设备P2G的电转气效率，/>为第m台电转气设备P2G调度时间段t内的耗电量，LHANG为天然气热值，/>为储碳设备在调度时间段t内储碳量，/>为储碳设备在调度时间段t-1内的储碳量，λs储碳设备的储碳损耗系数，Cs,min为储碳设备最小储碳量，CS,max为储碳设备最大储碳量，Min,min为储碳设备最小碳存入量，Min,max为储碳设备最大碳存入量，Mout,min为储碳设备最小碳输出量，Mout,max为储碳设备最大碳输出量，Mb,max为多能源园区最大碳输入量，Ms,max为多能源园区最大碳移出量，/>为碳捕集设备在调度时间段t内的能耗，θ为碳捕集设备处理单位二氧化碳的能耗，/>为碳捕集设备启停状态，碳捕集设备开机时/>值为1，碳捕集设备关机时/>值为0，/>为碳捕集设备的固定能耗。
上述进一步方案的有益效果为：在引入碳捕集设备和储碳设备之后，多能源园区具有了集碳和储碳的硬件能力，基于多能源园区的电热气各方面设备的工作情况，对各设备的碳交换进行建模，可较为精确地分析和量化排碳、耗碳、碳回收量，为多能源园区的低碳调度提供数理基础。
进一步地，所述电动汽车有序充电模型的表达式为：
其中，为第l台电动汽车在调度时间段t内的充电状态，第l台电动汽车在调度时间段t内充电则/>值为1，第l台电动汽车在调度时间段t内没有充电则/>值为0，Ilt为第l台电动汽车在调度时间段t内接入多能源园区电网充放电状态值之和，/>为第l台电动汽车在调度时间段t内的放电状态，第l台电动汽车在调度时间段t内放电则/>值为1，第l台电动汽车在调度时间段t内没有放电则/>值为0，/>为第l台电动汽车在调度时间段t内接入多能源园区电网的状态，第l台电动汽车在调度时间段t内接入多能源园区电网则/>值为1，第l台电动汽车在调度时间段t内没有接入多能源园区电网则/>值为0，/>为第l台电动汽车在调度时间段t内充放电的状态，第l台电动汽车在调度时间段t内充放电则值为1，第l台电动汽车在调度时间段t内没有充放电则/>值为0，/>为第l台电动汽车在调度时间段t内的充电功率，/>为第l台电动汽车在调度时间段t内的额定单位充电功率，/>为第l台电动汽车在调度时间段t内的放电功率，/>为第l台电动汽车在调度时间段t内的额定单位放电功率，参数M为大于1的正整数，/>为第l台电动汽车在调度时间段t内的电池荷电状态，/>为第l台电动汽车初始荷电状态，/>为第l台电动汽车在调度时间段t-1内的电池荷电状态，/>为第l台电动汽车的充电效率，/>为第l台电动汽车的放电效率，/>为第l台电动汽车的电池容量，/>为第l台电动汽车的在调度时间段t内的离开状态，第l台电动汽车的在调度时间段t内离开多能源园区则/>值为1，第l台电动汽车的在调度时间段t内没有离开多能源园区则/>值为0，/>为第l台电动汽车离开多能源园区时的电池荷电状态，/>为第l台电动汽车电池荷电状态下限，/>为第l台电动汽车电池荷电状态上限。
上述进一步方案的有益效果为：电动汽车在多能源园区内具有特殊的地位，其既为用电设备，又为储电设备，既消纳电负荷，有可在电负荷高峰放电，维持电能的正常调度，基于此本发明建立了电动汽车有序充电模型，协调多能源园区的低碳调度。
进一步地，所述热电响应模型的表达式为：
其中，为调度时间段t-1内的电负荷转入时间，/>为电负荷最小转入时间，Ye(t-1)为调度时间段t-1内的电负荷转移状态，调度时间段t-1内发生电负荷转移则Ye(t-1)为1，调度时间段t-1内没有发生电负荷转移则Ye(t-1)为0，Yet为调度时间段t内的电负荷转移状态，调度时间段t内发生电负荷转移则Yet为1，调度时间段t内没有发生电负荷转移则Yet为0，/>为调度时间段t-1内的电负荷转出时间，/>为电负荷最小转出时间，Pet为多能源园区在调度时间段t内的实际电负荷功率，αet为调度时间段t内可响应电负荷比例，/>为多能源园区在调度时间段t内的预测电负荷功率，Pekt为电负荷第k负荷阶段在调度时间段t内的电功率，/>为调度时间段t内的可响应电负荷，/>为电负荷第k负荷阶段最大电功率，/>为多能源园区在调度时间段t内最大电负荷功率，/>为多能源园区电负荷整体消减量；
为调度时间段t-1内的热负荷转入时间，/>为热负荷最小转入时间，Yh(t-1)为调度时间段t-1内的热负荷转移状态，调度时间段t-1内发生热负荷转移则Yh(t-1)为1，调度时间段t-1内没有发生热负荷转移则Yh(t-1)为0，Yht为调度时间段t内的热负荷转移状态，调度时间段t内发生热负荷转移则Yht为1，调度时间段t内没有发生热负荷转移则Yht为0，为调度时间段t-1内的热负荷转出时间，/>为热负荷最小转出时间，Hht为多能源园区在调度时间段t内的实际热负荷功率，αht为调度时间段t内可响应热负荷比例，/>为多能源园区在调度时间段t内的预测热负荷功率，Hhkt为热负荷第k负荷阶段在调度时间段t内的热功率，/>为调度时间段t内的可响应热负荷，/>为热负荷第k负荷阶段最大热功率，为多能源园区在调度时间段t内最大热负荷功率，/>为多能源园区热负荷整体消减量。
上述进一步方案的有益效果为：在真实应用环境中，电负荷和热负荷存在高峰和低谷之别，在负荷高峰期，供电和供热所消耗的自然资源以及所产生的设备损耗也远远大于低谷期，因此热电相应的建模不能统统而论，而需要划分不同的负荷阶段，本发明通过负荷阶段的划分，建立阶梯式的响应基础，在模型的运用上更具有灵活性，基于模型的能源调度也更有效和可靠。
进一步地，所述多能源园区目标函数为：
其中，max()函数为求取最大值的函数，Cdr为热电响应效益量，为二氧化碳代价量，CO为多能源园区运行代价量，Ccur为风力发电设备和光伏发电设备的弃风弃光惩罚量，Closs为失负荷惩罚量，/>为电负荷第k负荷阶段在调度时间段t内的代价量，/>为调度时间段t内的可响应第k负荷阶段电负荷功率，/>为热负荷第k负荷阶段在调度时间段t内的代价量，/>为调度时间段t内的可响应第k负荷阶段热负荷功率，Ctran为碳交换代价量，Dt为多能源园区在调度时间段t内的碳排放配额，Cbuy为碳输入代价量，Csell为碳移出效益量，/>为调度时间段t内的失电负荷惩罚量，vet为调度时间段t内的失电负荷变量，为调度时间段t内的失热负荷惩罚量，vht为调度时间段t内的失热负荷变量，e为电负荷，h为热负荷，rc为单位电量的碳排放基准额度。
上述进一步方案的有益效果为：以代价量和惩罚量表征对自然资源的消耗以及对设备的损耗，以效益量表征能源调度对耗能需求的契合程度，建立了多能源园区目标函数，为多能源园区的低碳调度建立了量化的目标。
进一步地，所述能量平衡约束包括：电量平衡约束、天然气平衡约束和热量平衡约束。
上述进一步方案的有益效果为：低碳调度需基于客观的自然规律，需满足自然界能量守恒定律，能量平衡约束将低碳调度限定在能量守恒框架之类，提高了调度方法的可靠性。
进一步地，所述设备约束包括：电转气设备P2G约束、电锅炉约束、燃气轮机约束、和热电联产设备CHP约束。
上述进一步方案的有益效果为：多能源园区的各硬件设备具有自身的设备限制，多能源园区低碳调度需考虑设备能力方能真实可靠。
附图说明
图1为一种多能源园区的建立及低碳调度方法流程示意图；
图2为实施例建立的多能源园区示意图；
图3为实施例的阶梯式负荷响应曲线。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
如图1所示，在本发明的一个实施例中，一种多能源园区的建立及低碳调度方法，其特征在于，包括以下步骤：
S1、建立带有电热气互转设备、风力发电设备、光伏发电设备和电动汽车的多能源园区。电热气互转设备包括：电转气设备P2G(powertogas)、电锅炉、燃气轮机、和热电联产设备CHP(combinedheatandpower)。
通过电转气设备P2G实现电能向燃气的转换，通过电锅炉实现电能向热能的转换，通过燃气轮机实现燃气向电能的转换，通过热电联产设备CHP实现燃气向电能和热能的转换，构建了全方位电热气互转的设备网络，实现多能源园区的能源互转。
S2、引入储热设备、储气设备、碳捕集设备和储碳设备至多能源园区，并建立储热设备模型、储气设备模型和碳交换模型。
建立的多能源园区如图2所示。
储热设备模型的表达式为：
其中，HS为储热设备代号，为储热设备在调度时间段t内储存的热功率，为储热设备在调度时间段t释放的热功率，HHS,in,max为储热设备最大储存的热功率，HHS,out,max为储热设备最大释放的热功率，/>为储热设备在调度时间段t的存储容量，/>为储热设备在调度时间段t-1的存储容量，ηCHS为储热设备的自消耗率，ηHS,out为储热设备的储能效率，ηHS,in为储热设备的放能效率，CHS,min为储热设备的最小存储容量，CHS,max为储热设备的最大存储容量。
根据储热设备的实际特性建立储热设备模型，为多能源园区的低碳调度提供了切实的约束条件。
储气设备模型的表达式为：
其中，GS为储气设备代号，为储气设备在调度时间段t内储存的气功率，为储气设备在调度时间段t释放的气功率，GGS,in,max为储气设备最大储存的气功率，GGS,out,max为储气设备最大释放的气功率，/>为储气设备在调度时间段t的存储容量，/>为储气设备在调度时间段t-1的存储容量，ηCGS为储气设备的自消耗率，ηGS,out为储气设备的储热效率，ηGS,in为储气设备的放能效率，CGS,min为储气设备的最小存储容量，CGS,max为储气设备的最大存储容量。
根据储气设备的实际特性建立储气设备模型，为多能源园区的低碳调度提供了切实的约束条件。
碳交换模型的表达式为：
其中，GT为燃气轮机代号，为多能源园区在调度时间段t内碳的净排放量，/>为第p台热电联产设备CHP在调度时间段t内碳的排放量，/>为第q台燃气轮机在调度时间段t内碳的排放量，/>为调度时间段t内上级电能供应方为提供电能而产生的碳排放量，/>为多能源园区在调度时间段t内碳的捕集量，/>为储碳设备调度时间段t内的碳输出量，/>为储碳设备调度时间段t内的碳存入量，/>为多能源园区在调度时间段t内碳输入量，/>为第m台电转气设备P2G在调度时间段t内碳消耗量，/>为多能源园区在调度时间段t内碳移出量，ηc为碳捕集率，/>为第p台热电联产设备CHP的碳排放强度，/>为第p台热电联产设备CHP在调度时间段t内的出力，/>为第q台燃气轮机的碳排放强度，/>为第q台燃气轮机在调度时间段t内的出力，μcoal为上级电能供应方碳排放强度，/>为上级电能供应方在调度时间段t内向多能源园区输送电能的功率，/>为第m台电转气设备P2G生成单位功率天然气需要的二氧化碳量，/>为第m台电转气设备P2G的电转气效率，/>为第m台电转气设备P2G调度时间段t内的耗电量，LHANG为天然气热值，/>为储碳设备在调度时间段t内储碳量，/>为储碳设备在调度时间段t-1内的储碳量，λs储碳设备的储碳损耗系数，Cs,min为储碳设备最小储碳量，CS,max为储碳设备最大储碳量，Min,min为储碳设备最小碳存入量，Min,max为储碳设备最大碳存入量，Mout,min为储碳设备最小碳输出量，Mout,max为储碳设备最大碳输出量，Mb,max为多能源园区最大碳输入量，Ms,max为多能源园区最大碳移出量，/>为碳捕集设备在调度时间段t内的能耗，θ为碳捕集设备处理单位二氧化碳的能耗，/>为碳捕集设备启停状态，碳捕集设备开机时/>值为1，碳捕集设备关机时/>值为0，/>为碳捕集设备的固定能耗。
在本实施例中，多能源园区所使用的天然气，其热值LHANG为9.7kW·h/m3。
在引入碳捕集设备和储碳设备之后，多能源园区具有了集碳和储碳的硬件能力，基于多能源园区的电热气各方面设备的工作情况，对各设备的碳交换进行建模，可较为精确地分析和量化排碳、耗碳、碳回收量，为多能源园区的低碳调度提供数理基础。
电动汽车在多能源园区内具有特殊的地位，其既为用电设备，又为储电设备，既消纳电负荷，有可在电负荷高峰放电，维持电能的正常调度，基于此本发明实施例建立了电动汽车有序充电模型，协调多能源园区的低碳调度。
S3、根据电动汽车充电特性，建立电动汽车有序充电模型，其的表达式为：
其中，为第l台电动汽车在调度时间段t内的充电状态，第l台电动汽车在调度时间段t内充电则/>值为1，第l台电动汽车在调度时间段t内没有充电则/>值为0，Ilt为第l台电动汽车在调度时间段t内接入多能源园区电网充放电状态值之和，/>为第l台电动汽车在调度时间段t内的放电状态，第l台电动汽车在调度时间段t内放电则/>值为1，第l台电动汽车在调度时间段t内没有放电则/>值为0，/>为第l台电动汽车在调度时间段t内接入多能源园区电网的状态，第l台电动汽车在调度时间段t内接入多能源园区电网则/>值为1，第l台电动汽车在调度时间段t内没有接入多能源园区电网则/>值为0，/>为第l台电动汽车在调度时间段t内充放电的状态，第l台电动汽车在调度时间段t内充放电则值为1，第l台电动汽车在调度时间段t内没有充放电则/>值为0，/>为第l台电动汽车在调度时间段t内的充电功率，/>为第l台电动汽车在调度时间段t内的额定单位充电功率，/>为第l台电动汽车在调度时间段t内的放电功率，/>为第l台电动汽车在调度时间段t内的额定单位放电功率，参数M为大于1的正整数，/>为第l台电动汽车在调度时间段t内的电池荷电状态，/>为第l台电动汽车初始荷电状态，/>为第l台电动汽车在调度时间段t-1内的电池荷电状态，/>为第l台电动汽车的充电效率，/>为第l台电动汽车的放电效率，/>为第l台电动汽车的电池容量，/>为第l台电动汽车的在调度时间段t内的离开状态，第l台电动汽车的在调度时间段t内离开多能源园区则/>值为1，第l台电动汽车的在调度时间段t内没有离开多能源园区则/>值为0，/>为第l台电动汽车离开多能源园区时的电池荷电状态，/>为第l台电动汽车电池荷电状态下限，/>为第l台电动汽车电池荷电状态上限。
S4、根据阶梯型电热能代价建立热电响应模型，所述电热能代价为上级电能和热能供应方为提供电能和热能而产生的自然资源消耗和设备损耗。热电响应模型的表达式为：
其中，为调度时间段t-1内的电负荷转入时间，/>为电负荷最小转入时间，Ye(t-1)为调度时间段t-1内的电负荷转移状态，调度时间段t-1内发生电负荷转移则Ye(t-1)为1，调度时间段t-1内没有发生电负荷转移则Ye(t-1)为0，Yet为调度时间段t内的电负荷转移状态，调度时间段t内发生电负荷转移则Yet为1，调度时间段t内没有发生电负荷转移则Yet为0，/>为调度时间段t-1内的电负荷转出时间，/>为电负荷最小转出时间，Pet为多能源园区在调度时间段t内的实际电负荷功率，αet为调度时间段t内可响应电负荷比例，/>为多能源园区在调度时间段t内的预测电负荷功率，Pekt为电负荷第k负荷阶段在调度时间段t内的电功率，/>为调度时间段t内的可响应电负荷，/>为电负荷第k负荷阶段最大电功率，/>为多能源园区在调度时间段t内最大电负荷功率，/>为多能源园区电负荷整体消减量；
为调度时间段t-1内的热负荷转入时间，/>为热负荷最小转入时间，Yh(t-1)为调度时间段t-1内的热负荷转移状态，调度时间段t-1内发生热负荷转移则Yh(t-1)为1，调度时间段t-1内没有发生热负荷转移则Yh(t-1)为0，Yht为调度时间段t内的热负荷转移状态，调度时间段t内发生热负荷转移则Yht为1，调度时间段t内没有发生热负荷转移则Yht为0，为调度时间段t-1内的热负荷转出时间，/>为热负荷最小转出时间，Hht为多能源园区在调度时间段t内的实际热负荷功率，αht为调度时间段t内可响应热负荷比例，/>为多能源园区在调度时间段t内的预测热负荷功率，Hhkt为热负荷第k负荷阶段在调度时间段t内的热功率，/>为调度时间段t内的可响应热负荷，/>为热负荷第k负荷阶段最大热功率，为多能源园区在调度时间段t内最大热负荷功率，/>为多能源园区热负荷整体消减量。
在真实应用环境中，电负荷和热负荷存在高峰和低谷之别，在负荷高峰期，供电和供热所消耗的自然资源以及所产生的设备损耗也远远大于低谷期，因此热电相应的建模不能统统而论，而需要划分不同的负荷阶段，本发明通过负荷阶段的划分，建立阶梯式的响应基础，在模型的运用上更具有灵活性，基于模型的能源调度也更有效和可靠。而本实施例的阶梯式负荷响应曲线如图3所示，具有三层“阶梯”，即具有三个负荷阶段，显然不对每个阶段设置不同的变量进行建模，无法满足实施例的多能源园区实际情况。
S5、根据多能源园区能耗需求，建立多能源园区目标函数，该目标函数为：
其中，max()函数为求取最大值的函数，Cdr为热电响应效益量，为二氧化碳代价量，CO为多能源园区运行代价量，Ccur为风力发电设备和光伏发电设备的弃风弃光惩罚量，Closs为失负荷惩罚量，/>为电负荷第k负荷阶段在调度时间段t内的代价量，/>为调度时间段t内的可响应第k负荷阶段电负荷功率，/>为热负荷第k负荷阶段在调度时间段t内的代价量，/>为调度时间段t内的可响应第k负荷阶段热负荷功率，Ctran为碳交换代价量，Dt为多能源园区在调度时间段t内的碳排放配额，Cbuy为碳输入代价量，Csell为碳移出效益量，/>为调度时间段t内的失电负荷惩罚量，vet为调度时间段t内的失电负荷变量，/>为调度时间段t内的失热负荷惩罚量，vht为调度时间段t内的失热负荷变量，e为电负荷，h为热负荷，rc为单位电量的碳排放基准额度。
以代价量和惩罚量表征对自然资源的消耗以及对设备的损耗，以效益量表征能源调度对耗能需求的契合程度，建立了多能源园区目标函数，为多能源园区的低碳调度建立了量化的目标。
S6、通过Gurobi求解器，根据多能源园区目标函数，以储热设备模型、储气设备模型、碳交换模型、电动汽车有序充电模型、热电响应模型作为规划约束，并基于能量平衡约束、设备约束、上下级电热网功率约束、弃风弃光约束和失负荷约束，求解得到多能源园区低碳调度结果。
其中，能量平衡约束包括：电量平衡约束、天然气平衡约束和热量平衡约束。设备约束包括：电转气设备P2G约束、电锅炉约束、燃气轮机约束、和热电联产设备CHP约束。低碳调度需基于客观的自然规律，需满足自然界能量守恒定律，能量平衡约束将低碳调度限定在能量守恒框架之类，提高了调度方法的可靠性。多能源园区的各硬件设备具有自身的设备限制，多能源园区低碳调度也需考虑设备能力方能真实可靠。
在本实施例中，电量平衡约束的表达式为：
其中,和/>分别表示第r台风机和第w台光伏在调度时间段t内的出力；分别表示多能源园区调度时间段t内的弃风功率和弃光功率；Pit为非燃气机组i在调度时间段t内的出力；/>和/>分别为多能源园区在调度时间段t内上级电网输入、输出功率；/>为第n台电锅炉在调度时间段t内耗电功率。
天然气平衡约束表达式为：
其中，和/>分别为多能源园区在调度时间段t内上级气网输入、输出功率。
热平衡约束为：
其中，ηheat为多能源园区热能利用率。
本实施例的设备约束均由各设备自身的最大输出输入功率和最小输出输入功率作为限制约束条件。上下级电热网功率约束同理，分别由上级电网、下级电网、上级热网和下级热网各自的最大和最小功率作为约束条件。
本实施例的弃风弃光约束的表达式为：
其中，为第r台风机在调度时间段t内的最大可弃风比例，/>为第w台光伏在调度时间段t内的最大可弃光比例。
本实施例的失负荷约束的表达式为：
/>
其中，为多能源园区在调度时间段t内的失电负荷功率，/>为多能源园区在调度时间段t内的失热负荷功率，αp为最大允许失电负荷比重，αh为最大允许失热负荷比重。
综上，本发明建立了电气热能全面的多能源园区，并引入储热设备和储气设备使多能源园区能源转换效率进一步提升，多能互补能力增强，促进了高比例新能源的消纳，并基于各能源及其设备特性建立约束条件，在考虑碳交换的情况下以满足多能源园区能耗需求建立多能源目标函数，最终使多能源园区实现低碳调度。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (9)

1.一种多能源园区的建立及低碳调度方法，其特征在于，包括以下步骤：
S1、建立带有电热气互转设备、风力发电设备、光伏发电设备和电动汽车的多能源园区；
S2、引入储热设备、储气设备、碳捕集设备和储碳设备至多能源园区，并建立储热设备模型、储气设备模型和碳交换模型；
所述碳交换模型的表达式为：
其中，为多能源园区在调度时间段t内碳的净排放量，/>为第p台热电联产设备CHP在调度时间段t内碳的排放量，/>为第q台燃气轮机在调度时间段t内碳的排放量，为调度时间段t内上级电能供应方为提供电能而产生的碳排放量，/>为多能源园区在调度时间段t内碳的捕集量，/>为储碳设备调度时间段t内的碳输出量，/>为储碳设备调度时间段t内的碳存入量，/>为多能源园区在调度时间段t内碳输入量，/>为第m台电转气设备P2G在调度时间段t内碳消耗量，/>为多能源园区在调度时间段t内碳移出量，ηc为碳捕集率，/>为第p台热电联产设备CHP的碳排放强度，/>为第p台热电联产设备CHP在调度时间段t内的出力，/>为第q台燃气轮机的碳排放强度，/>为第q台燃气轮机在调度时间段t内的出力，μcoal为上级电能供应方碳排放强度，/>为上级电能供应方在调度时间段t内向多能源园区输送电能的功率，/>为第m台电转气设备P2G生成单位功率天然气需要的二氧化碳量，/>为第m台电转气设备P2G的电转气效率，/>为第m台电转气设备P2G调度时间段t内的耗电量，LHANG为天然气热值，/>为储碳设备在调度时间段t内储碳量，/>为储碳设备在调度时间段t-1内的储碳量，λs储碳设备的储碳损耗系数，Cs,min为储碳设备最小储碳量，CS,max为储碳设备最大储碳量，Min,min为储碳设备最小碳存入量，Min,max为储碳设备最大碳存入量，Mout,min为储碳设备最小碳输出量，Mout,max为储碳设备最大碳输出量，Mb,max为多能源园区最大碳输入量，Ms,max为多能源园区最大碳移出量，/>为碳捕集设备在调度时间段t内的能耗，θ为碳捕集设备处理单位二氧化碳的能耗，/>为碳捕集设备启停状态，碳捕集设备开机时/>值为1，碳捕集设备关机时/>值为0，/>为碳捕集设备的固定能耗；
S3、根据电动汽车充电特性，建立电动汽车有序充电模型；
S4、根据阶梯型电热能代价建立热电响应模型；
S5、根据多能源园区能耗需求，建立多能源园区目标函数；
S6、根据多能源园区目标函数，以储热设备模型、储气设备模型、碳交换模型、电动汽车有序充电模型、热电响应模型作为规划约束，并基于能量平衡约束、设备约束、上下级电热网功率约束、弃风弃光约束和失负荷约束，求解得到多能源园区低碳调度结果。
2.根据权利要求1所述的多能源园区的建立及低碳调度方法，其特征在于，所述电热气互转设备包括：电转气设备P2G、电锅炉、燃气轮机、和热电联产设备CHP。
3.根据权利要求2所述的多能源园区的建立及低碳调度方法，其特征在于，所述储热设备模型的表达式为：
其中，为储热设备在调度时间段t内储存的热功率，/>为储热设备在调度时间段t释放的热功率，HHS,in,max为储热设备最大储存的热功率，HHS,out,max为储热设备最大释放的热功率，/>为储热设备在调度时间段t的存储容量，/>为储热设备在调度时间段t-1的存储容量，ηCHS为储热设备的自消耗率，ηHS,out为储热设备的储能效率，ηHS,in为储热设备的放能效率，CHS,min为储热设备的最小存储容量，CHS,max为储热设备的最大存储容量。
4.根据权利要求3所述的多能源园区的建立及低碳调度方法，其特征在于，所述储气设备模型的表达式为：
其中，为储气设备在调度时间段t内储存的气功率，/>为储气设备在调度时间段t释放的气功率，GGS,in,max为储气设备最大储存的气功率，GGS,out,max为储气设备最大释放的气功率，/>为储气设备在调度时间段t的存储容量，/>为储气设备在调度时间段t-1的存储容量，ηCGS为储气设备的自消耗率，ηGS,out为储气设备的储能效率，ηGS,in为储气设备的放能效率，CGS,min为储气设备的最小存储容量，CGS,max为储气设备的最大存储容量。
5.根据权利要求1所述的多能源园区的建立及低碳调度方法，其特征在于，所述电动汽车有序充电模型的表达式为：
其中，为第l台电动汽车在调度时间段t内的充电状态，第l台电动汽车在调度时间段t内充电则/>值为1，第l台电动汽车在调度时间段t内没有充电则/>值为0，Ilt为第l台电动汽车在调度时间段t内接入多能源园区电网充放电状态值之和，/>为第l台电动汽车在调度时间段t内的放电状态，第l台电动汽车在调度时间段t内放电则/>值为1，第l台电动汽车在调度时间段t内没有放电则/>值为0，/>为第l台电动汽车在调度时间段t内接入多能源园区电网的状态，第l台电动汽车在调度时间段t内接入多能源园区电网则/>值为1，第l台电动汽车在调度时间段t内没有接入多能源园区电网则/>值为0，/>为第l台电动汽车在调度时间段t内充放电的状态，第l台电动汽车在调度时间段t内充放电则/>值为1，第l台电动汽车在调度时间段t内没有充放电则/>值为0，/>为第l台电动汽车在调度时间段t内的充电功率，/>为第l台电动汽车在调度时间段t内的额定单位充电功率，为第l台电动汽车在调度时间段t内的放电功率，/>为第l台电动汽车在调度时间段t内的额定单位放电功率，参数M为大于1的正整数，/>为第l台电动汽车在调度时间段t内的电池荷电状态，/>为第l台电动汽车初始荷电状态，/>为第l台电动汽车在调度时间段t-1内的电池荷电状态，/>为第l台电动汽车的充电效率，/>为第l台电动汽车的放电效率，/>为第l台电动汽车的电池容量，/>为第l台电动汽车的在调度时间段t内的离开状态，第l台电动汽车的在调度时间段t内离开多能源园区则/>值为1，第l台电动汽车的在调度时间段t内没有离开多能源园区则/>值为0，/>为第l台电动汽车离开多能源园区时的电池荷电状态，/>为第l台电动汽车电池荷电状态下限，/>为第l台电动汽车电池荷电状态上限。
6.根据权利要求5所述的多能源园区的建立及低碳调度方法，其特征在于，所述热电响应模型的表达式为：
其中，为调度时间段t-1内的电负荷转入时间，/>为电负荷最小转入时间，Ye(t-1)为调度时间段t-1内的电负荷转移状态，调度时间段t-1内发生电负荷转移则Ye(t-1)为1，调度时间段t-1内没有发生电负荷转移则Ye(t-1)为0，Yet为调度时间段t内的电负荷转移状态，调度时间段t内发生电负荷转移则Yet为1，调度时间段t内没有发生电负荷转移则Yet为0，为调度时间段t-1内的电负荷转出时间，/>为电负荷最小转出时间，Pet为多能源园区在调度时间段t内的实际电负荷功率，αet为调度时间段t内可响应电负荷比例，/>为多能源园区在调度时间段t内的预测电负荷功率，Pekt为电负荷第k负荷阶段在调度时间段t内的电功率，/>为调度时间段t内的可响应电负荷，/>为电负荷第k负荷阶段最大电功率，为多能源园区在调度时间段t内最大电负荷功率，/>为多能源园区电负荷整体消减量；
为调度时间段t-1内的热负荷转入时间，/>为热负荷最小转入时间，Yh(t-1)为调度时间段t-1内的热负荷转移状态，调度时间段t-1内发生热负荷转移则Yh(t-1)为1，调度时间段t-1内没有发生热负荷转移则Yh(t-1)为0，Yht为调度时间段t内的热负荷转移状态，调度时间段t内发生热负荷转移则Yht为1，调度时间段t内没有发生热负荷转移则Yht为0，/>为调度时间段t-1内的热负荷转出时间，/>为热负荷最小转出时间，Hht为多能源园区在调度时间段t内的实际热负荷功率，αht为调度时间段t内可响应热负荷比例，/>为多能源园区在调度时间段t内的预测热负荷功率，Hhkt为热负荷第k负荷阶段在调度时间段t内的热功率，/>为调度时间段t内的可响应热负荷，/>为热负荷第k负荷阶段最大热功率，为多能源园区在调度时间段t内最大热负荷功率，/>为多能源园区热负荷整体消减量。
7.根据权利要求6所述的多能源园区的建立及低碳调度方法，其特征在于，所述多能源园区目标函数为：
其中，max()函数为求取最大值的函数，Cdr为热电响应效益量，为二氧化碳代价量，CO为多能源园区运行代价量，Ccur为风力发电设备和光伏发电设备的弃风弃光惩罚量，Closs为失负荷惩罚量，/>为电负荷第k负荷阶段在调度时间段t内的代价量，/>为调度时间段t内的可响应第k负荷阶段电负荷功率，/>为热负荷第k负荷阶段在调度时间段t内的代价量，/>为调度时间段t内的可响应第k负荷阶段热负荷功率，Ctran为碳交换代价量，Dt为多能源园区在调度时间段t内的碳排放配额，Cbuy为碳输入代价量，Csell为碳移出效益量，/>为调度时间段t内的失电负荷惩罚量，vet为调度时间段t内的失电负荷变量，/>为调度时间段t内的失热负荷惩罚量，vht为调度时间段t内的失热负荷变量，e为电负荷，h为热负荷，rc为单位电量的碳排放基准额度。
8.根据权利要求1所述的多能源园区的建立及低碳调度方法，其特征在于，所述能量平衡约束包括：电量平衡约束、天然气平衡约束和热量平衡约束。
9.根据权利要求2所述的多能源园区的建立及低碳调度方法，其特征在于，所述设备约束包括：电转气设备P2G约束、电锅炉约束、燃气轮机约束、和热电联产设备CHP约束。
CN202110943729.2A 2021-08-17 2021-08-17 一种多能源园区的建立及低碳调度方法 Active CN113705991B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110943729.2A CN113705991B (zh) 2021-08-17 2021-08-17 一种多能源园区的建立及低碳调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110943729.2A CN113705991B (zh) 2021-08-17 2021-08-17 一种多能源园区的建立及低碳调度方法

Publications (2)

Publication Number Publication Date
CN113705991A CN113705991A (zh) 2021-11-26
CN113705991B true CN113705991B (zh) 2023-08-29

Family

ID=78653036

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110943729.2A Active CN113705991B (zh) 2021-08-17 2021-08-17 一种多能源园区的建立及低碳调度方法

Country Status (1)

Country Link
CN (1) CN113705991B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114814350B (zh) * 2022-06-24 2022-10-14 国网山东省电力公司兰陵县供电公司 基于园区电数据预测的能源监测方法及***、装置、介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109993345A (zh) * 2019-01-29 2019-07-09 国网江苏省电力有限公司经济技术研究院 一种面向园区的孤岛运行多能互补***动态经济调度方法
CN110212587A (zh) * 2019-07-05 2019-09-06 国网四川省电力公司技能培训中心 一种基于多能互补的光伏消纳利用方法
CN111489083A (zh) * 2020-04-11 2020-08-04 东北电力大学 考虑富氧燃烧技术的电-气-热综合能源***低碳经济调度方法
CN111614121A (zh) * 2020-06-04 2020-09-01 四川大学 考虑需求响应的含电动汽车的多能源园区日前经济调度方法
CN111754133A (zh) * 2020-06-30 2020-10-09 太原理工大学 一种考虑碳捕集***的综合能源***“源-荷”低碳经济调度方法
CN112232603A (zh) * 2020-12-08 2021-01-15 华东交通大学 一种计及电转气协同的虚拟电厂优化调度方法
WO2021143075A1 (zh) * 2020-01-17 2021-07-22 南京东博智慧能源研究院有限公司 一种考虑电动汽车充电负荷时空分布的需求响应方法
CN113240166A (zh) * 2021-04-29 2021-08-10 四川大学 考虑高比例新能源消纳的微能源网日前经济调度方法
CN113256045A (zh) * 2020-08-04 2021-08-13 四川大学 考虑风光不确定性的园区综合能源***日前经济调度方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5587344B2 (ja) * 2009-02-02 2014-09-10 プラネタリー・エミッションズ・マネージメント 温室ガスフラックスを監視するためのシステム
US20100257124A1 (en) * 2009-04-07 2010-10-07 Ramesh Srinivasan Method for industrial energy and emissions investment optimization
CN106849190B (zh) * 2017-03-21 2019-05-17 国网天津市电力公司 一种基于Rollout算法的多能互补微网实时调度方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109993345A (zh) * 2019-01-29 2019-07-09 国网江苏省电力有限公司经济技术研究院 一种面向园区的孤岛运行多能互补***动态经济调度方法
CN110212587A (zh) * 2019-07-05 2019-09-06 国网四川省电力公司技能培训中心 一种基于多能互补的光伏消纳利用方法
WO2021143075A1 (zh) * 2020-01-17 2021-07-22 南京东博智慧能源研究院有限公司 一种考虑电动汽车充电负荷时空分布的需求响应方法
CN111489083A (zh) * 2020-04-11 2020-08-04 东北电力大学 考虑富氧燃烧技术的电-气-热综合能源***低碳经济调度方法
CN111614121A (zh) * 2020-06-04 2020-09-01 四川大学 考虑需求响应的含电动汽车的多能源园区日前经济调度方法
CN111754133A (zh) * 2020-06-30 2020-10-09 太原理工大学 一种考虑碳捕集***的综合能源***“源-荷”低碳经济调度方法
CN113256045A (zh) * 2020-08-04 2021-08-13 四川大学 考虑风光不确定性的园区综合能源***日前经济调度方法
CN112232603A (zh) * 2020-12-08 2021-01-15 华东交通大学 一种计及电转气协同的虚拟电厂优化调度方法
CN113240166A (zh) * 2021-04-29 2021-08-10 四川大学 考虑高比例新能源消纳的微能源网日前经济调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
孙景钌等.基于综合需求响应的海岛式多能微网优化调度.《电工技术》.2021,全文. *

Also Published As

Publication number Publication date
CN113705991A (zh) 2021-11-26

Similar Documents

Publication Publication Date Title
CN109327042B (zh) 一种微电网多能源联合优化调度方法
CN111445090B (zh) 一种离网型综合能源***双层规划方法
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
CN109659927B (zh) 一种考虑储能参与度的综合能源微网储能容量配置方法
CN103762589B (zh) 一种电网中新能源容量配比分层优化方法
CN109523065B (zh) 一种基于改进量子粒子群算法的微能源网优化调度方法
CN111340274A (zh) 一种基于虚拟电厂参与的综合能源***优化方法和***
CN109242350A (zh) 计及可平移负荷的冷热电联供***容量优化配置方法
CN106786509B (zh) 大规模风电并网下基于多场景模拟的热-电联合调度方法
CN110391655B (zh) 一种含多能源耦合的微能源网经济优化调度方法及装置
CN111626527A (zh) 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法
CN112862253B (zh) 考虑风电不确定性的电-气-热储能协同规划方法及***
CN112070628B (zh) 一种计及环境因素的智能电网多目标经济调度方法
CN111428850A (zh) 基于改进粒子群算法的综合能源***运行优化方法及装置
CN114519543A (zh) 一种乡村多能源***边缘自治运行方法及***
CN113378409A (zh) 综合能源***多能互补优化调度方法及***
CN114844124B (zh) 一种基于目标优化的综合能源***的运行控制方法
CN111382902A (zh) 基于运行效益增量的区域综合能源***储能优化配置方法
CN114462889A (zh) 一种氢-电耦合多能源跨区域优化配置方法及***
CN113705991B (zh) 一种多能源园区的建立及低碳调度方法
CN112131712A (zh) 客户侧多能源***多目标优化方法和***
CN211606121U (zh) 矿热炉煤气参与可再生能源微电网的调峰调频***
Jadhav et al. Economic load dispatch including wind power using plant growth simulation algorithm
CN116231767B (zh) 一种梯级水电站的多能互补调度方法和***
CN107591794A (zh) 基于负荷分类的主动配电网源‑储容量优化配置方法

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