CN113742944A - 一种考虑电制氢***的虚拟电厂建模方法 - Google Patents
一种考虑电制氢***的虚拟电厂建模方法 Download PDFInfo
- Publication number
- CN113742944A CN113742944A CN202111149932.9A CN202111149932A CN113742944A CN 113742944 A CN113742944 A CN 113742944A CN 202111149932 A CN202111149932 A CN 202111149932A CN 113742944 A CN113742944 A CN 113742944A
- Authority
- CN
- China
- Prior art keywords
- ith
- cost
- power
- period
- virtual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000001257 hydrogen Substances 0.000 title claims abstract description 116
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 113
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 110
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 26
- 239000007789 gas Substances 0.000 claims abstract description 52
- 238000004146 energy storage Methods 0.000 claims abstract description 39
- 230000004044 response Effects 0.000 claims abstract description 32
- 230000004931 aggregating effect Effects 0.000 claims abstract description 4
- 238000003860 storage Methods 0.000 claims description 26
- 230000009194 climbing Effects 0.000 claims description 19
- 238000012423 maintenance Methods 0.000 claims description 12
- 239000003245 coal Substances 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 10
- 150000001875 compounds Chemical class 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 239000000446 fuel Substances 0.000 claims description 6
- 150000002431 hydrogen Chemical class 0.000 claims description 6
- 238000005868 electrolysis reaction Methods 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- -1 hydrogen Chemical class 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 abstract description 6
- 230000007547 defect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000010248 power generation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012887 quadratic function Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind 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
- 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)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Water Supply & Treatment (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种考虑电制氢***的虚拟电厂建模方法，包括下列步骤：构建电制氢***、新能源、需求响应、燃气轮机以及储能虚拟模型；将上述虚拟模型聚合后生成以***调度总成本最小化为总目标函数的虚拟电厂模型，并构建所述虚拟电厂模型的约束条件。本发明能够弥补现有VPP建模方法在考虑分布式资源种类和相关成本方面的不足，为电制氢***在VPP中的应用，VPP聚合多种分布式资源参与电力***经济调度的研究提供参考。
Description
技术领域
本发明涉及虚拟电厂技术领域，尤其涉及一种考虑电制氢***的虚拟电厂建模方法。
背景技术
近年来，随着新能源在电力***中的占比越来越高，其出力不确定性使得***的可调节资源日益匮乏。与此同时，随着大规模可调负荷、分布式电源、储能等灵活性资源在配用电侧兴起，通过虚拟电厂(virtual power plant，VPP)对其实现聚合管理，使他们具备参与电网调控的能力，可从根本上解决电网调控资源不足问题。电制氢作为一种可控负荷，不仅可以加大新能源的消纳，还能参与电能存储和电力辅助调节，此外，其产物氢气作为非常理想的清洁能源，热值高，燃烧无污染，在工业生产、氢能汽车中有着大量的需求和广泛的应用，以可再生能源制氢为特征的能源***将是今后能源互联网建设的重要方向之一。现有的VPP研究中，有将需求侧响应、风电和光伏聚合，建立VPP模型研究收益最大化方案等。但是，所建立的模型少有考虑到电制氢***，并且尚未综合考虑弃能(弃风、弃光)成本、环境污染成本以及VPP外部常规火电机组成本等。
发明内容
本发明的目的在于提供一种考虑电制氢***的虚拟电厂建模方法，以解决上述背景技术中提出的问题。
本发明是通过以下技术方案实现的：一种考虑电制氢***的虚拟电厂建模方法，包括下列步骤：
构建电制氢***、新能源、需求响应、燃气轮机以及储能虚拟模型；
将上述虚拟模型聚合后生成以***调度总成本最小化为总目标函数的虚拟电厂模型，并构建所述虚拟电厂模型的约束条件。
可选的，所述电制氢***虚拟模型由第一目标函数以及第一约束条件组构成；
所述第一目标函数包括电解槽在单位时间的产氢量函数：
式中，
为第i个电制氢***的电解槽在第t时段的产氢量，
为电解槽的产氢率，Pel,it为第i个电制氢***的电解槽在第t时段所消耗的电功率；
压缩机的耗电功率与输入的氢气量以及气压压缩比的计算函数：
式中，Pcom,it为第i个电制氢***的压缩机在第t时段所消耗的电功率，
为氢气的比热容常数，Tin为u输入压缩机的氢气温度，κ为氢气的等熵指数，ηcom为压缩机的工作效率，Pout为输出压缩机的氢气压强，Pin为输入压缩机的氢气压强；
储氢罐的内部气压函数：
式中，Prsit为第i个电制氢***的储氢罐在第t时段的内部气压，
为储氢罐氢气容量基准值，
为储氢罐的内部温度，
为氢气摩尔质量，
为第i个电制氢***的在第t时段的氢气负荷量；
运维成本函数：
式中：
为电制氢***的运维成本，
为电制氢***的运维成本系数，
为电制氢***的数目，PP2H,it为第i个电制氢***的在第t时段的耗电总功率；
第一约束条件组包括电解槽的约束函数：
0≤Pel,it≤Pel,max
|Pel,i(t+1)-Pel,it|≤Pel,ramp
式中：Pel,max为电解槽所能消耗的最大电功率，Pel,ramp为电解槽的最大向上、向下爬坡电功率；
压缩机的约束函数：
0≤Pcom,it≤Pcom,max
式中：Pcom,max为压缩机所能消耗的最大电功率；
储氢罐的约束函数：
式中：Prsmin为储氢罐允许的最小内部气压，Prsmax为储氢罐允许的最大内部气压。
可选的，所述新能源虚拟模型由第二目标函数以及第二约束条件组构成；
所述第二目标函数包括新能源的成本函数：
所述第二约束条件组包括风电出力约束：
(i＝1,2,...NW)
光伏出力约束：
(i＝1,2,...NPV)
式中，
为第i台风电机组在第t时段的实际出力，
为第i台风电机组在第t时段的预测最大出力，NW为参与调度的风电机组数目，
为第i台光伏机组在第t时段的实际出力，
为第i台光伏机组在第t时段的预测最大出力，NPV为参与调度的光伏机组数目，CW,PV为弃风、弃光成本，γW为弃风惩罚因子，γPV为弃光惩罚因子。
可选的，所述需求响应虚拟模型由第三目标函数以及第三约束条件组构成；所述第三目标函数包括需求响应成本函数：
第三约束条件组包括：
式中，CDR为需求响应成本，NDR为需求响应负荷数目，Dit为第i个需求响应负荷在第t时段的负荷变化量，ri2为第i个需求响应成本的二次项系数，ri1为第i个需求响应成本的一次项系数，Dit,max为第i个需求响应负荷在第t时段所允许的最大变化量。
可选的，所述燃气轮机虚拟模型由第四目标函数以及第四约束条件组构成；
所述第四目标函数包括燃气轮机组成本函数：
所述第四约束条件组包括燃气轮机组出力约束：
PGT,min≤PGT,it≤PGT,max
式中，CGT为燃气轮机组的煤耗成本，NGT为燃气轮机组的数目，bi0、bi1、bi2为第i台燃气轮机的煤耗成本系数，PGT,it为第i台燃气轮机在第t时段的有功出力大小，
为第i台燃气轮机组的最大向上爬坡功率，
为第i台燃气轮机组的最大向下爬坡功率。
可选的，所述储能虚拟模型由第五目标函数以及第五约束条件组构成；
所述第五目标函数包括储能装置出力函数：
储能装置充放电函数：
第五约束条件组包括储能电量、充放电功率约束：
SOCi,min≤SOCit≤SOCi,max
PSE,i,min≤PSE,it≤PSE,i,max
式中，CSE为储能装置的出力成本，NSE为储能装置的数目，λSE为储能装置的成本系数，PSE,it为第i个储能装置在第t时段的充放电功率，SOCit为第i个储能装置在第t时段的电量，ηc为储能装置的充电效率，ηd为储能装置的放电效率，SOCi,min为第i个储能装置的最小容许电量，SOCi,max为第i个储能装置的最大容许电量，PSE,i,min为第i个储能装置的最大充电功率，PSE,i,max为第i个储能装置的最大放电功率。
可选的，所生成的虚拟电厂总目标函数为：
式中，Ns为新能源典型场景的数目，ps为第s个新能源典型场景出现的概率，CG为火电机组调度总成本，表示为：
CG为火电机组调度总成本，NG为火电机组数目，T为调度周期内的时段数目，Iit为第i台机组在第t时段的在线状态，SUit为第i台机组在第t时段的启动成本，SDit为第i台机组在第t时段的关停成本，FGi(Pit)为第i台机组的燃料成本；
式中，
为电制氢***的运维成本，CW,PV为弃风、弃光成本，CDR为需求响应成本，CGT为燃气轮机组的煤耗成本，
为燃气轮机组的CO2排放成本，CSE为储能装置的出力成本，EVPP为虚拟电厂调度的总收益，其表示为：
其中λt为第t时段的日前电价。
可选的，所构建的所述虚拟电厂模型的约束条件包括：所述第一约束条件组、所述第二约束条件组、所述第三约束条件组、所述第四约束条件组、所述第五约束条件组以及其他约束条件组。
可选的，所述其他约束条件组包括火电机组有功出力约束：
Pi,min·Iit≤Pit≤Pi,max·Iit
式中：Pi,min为第i台机组的有功出力下限，Pi,max为第i台机组的有功出力上限；
火电机组出力爬坡约束：
式中：
为第i台机组出力的最大向上爬坡功率，
为第i台机组出力的最大向下爬坡功率；
火电机组启停时间约束：
式中：
为第i台机组在第t时段前保持开机状态持续的时间，Ti on为第i台机组的最小连续开机时间，
为第i台机组在第t时段前保持停机状态持续的时间，Ti off为第i台机组的最小连续停机时间；
火电机组启停状态约束：
Iit-Ii(t-1)＝Yit-Zit
(t＝1,2,...T)
式中：Ii0为第i台机组在调度初始时刻的在线状态；
线路的最大输电功率约束：
-PLi,max≤PL,it≤PLi,max
式中：PLi,max为第i条线路允许的最大输电功率，PL,it为第i条线路在第t时段的输电功率；
功率平衡约束：
式中：PVPP,t为虚拟电厂在第t时段的总出力；
备用容量约束：
式中：PVPP,t,max为虚拟电厂在第t时段的最大出力，Rt为***第t时段的备用容量。
与现有技术相比，本发明达到的有益效果如下：
本发明提供的种考虑电制氢***的虚拟电厂建模方法，将电制氢***、新能源(风电和光伏)、需求响应、燃气轮机以及储能聚合形成VPP，建立以***调度总成本最小化为目标的VPP模型。该方法创新性地将具有广阔发展前景的电制氢***考虑进VPP中，并研究了氢气负荷需求曲线对VPP收益、成本以及新能源消纳的影响。此外，模型兼顾VPP收益和常规火电机组成本，同时计及CO2排放对环境方面的影响。该模型容易求解，能够弥补现有VPP建模方法在考虑分布式资源种类和相关成本方面的不足，为电制氢***在VPP中的应用，VPP聚合多种分布式资源参与电力***经济调度的研究提供参考。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的优选实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种考虑电制氢***的虚拟电厂建模方法的流程图
图2为本发明提供的电制氢***示意图；
图3为本发明提供的风电、光伏预测出力示意图；
图4为本发明提供的缩减前的风电出力场景示意图；
图5为本发明提供的缩减前的光伏出力场景示意图；
图6为本发明提供的风电典型出力场景示意图；
图7为本发明提供的光伏典型出力场景示意图；
图8为本发明提供的负荷曲线示意图；
图9为本发明提供的氢气负荷需求曲线示意图；
图10为本发明提供的***出力曲线示意图；
图11为本发明提供的虚拟电厂内部各单元出力曲线示意图；
图12为本发明提供的考虑电制氢前后的负荷曲线示意图；
图13为本发明提供的需求响应前后的负荷曲线示意图；
图14为本发明提供的储能充放电功率及剩余容量示意图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
应当理解的是，本发明能够以不同形式实施，而不应当解释为局限于这里提出的实施例。相反地，提供这些实施例将使公开彻底和完全，并且将本发明的范围完全地传递给本领域技术人员。
在此使用的术语的目的仅在于描述具体实施例并且不作为本发明的限制。在此使用时，单数形式的“一”、“一个”和“所述/该”也意图包括复数形式，除非上下文清楚指出另外的方式。还应明白术语“组成”和/或“包括”，当在该说明书中使用时，确定所述特征、整数、步骤、操作、元件和/或部件的存在，但不排除一个或更多其它的特征、整数、步骤、操作、元件、部件和/或组的存在或添加。在此使用时，术语“和/或”包括相关所列项目的任何及所有组合。
为了彻底理解本发明，将在下列的描述中提出详细的结构，以便阐释本发明提出的技术方案。本发明的可选实施例详细描述如下，然而除了这些详细描述外，本发明还可以具有其他实施方式。
参见图1，一种考虑电制氢***的虚拟电厂建模方法，包括下列步骤：
S1、构建电制氢***、新能源、需求响应、燃气轮机以及储能虚拟模型；
对于电制氢***虚拟模型，由电解槽、压缩机和储氢罐三部分子虚拟模型构成，每个子虚拟模型都有由对应的第一目标函数以及第一约束条件组构成
对于电解槽虚拟模型，在本实施例中，电解槽模型选择碱式电解技术，稳态下，电解槽单位时间的产氢量是电解槽电功率的正比例函数，具体函数关系表示如下：
式中，
为第i个电制氢***的电解槽在第t时段的产氢量，
为电解槽的产氢率，Pel,it为第i个电制氢***的电解槽在第t时段所消耗的电功率；
对于压缩机虚拟模型，压缩机将电解槽产生的氢气压缩，其耗电功率与输入的氢气量以及气压压缩比有关：
式中，Pcom,it为第i个电制氢***的压缩机在第t时段所消耗的电功率，
为氢气的比热容常数，Tin为u输入压缩机的氢气温度，κ为氢气的等熵指数，ηcom为压缩机的工作效率，Pout为输出压缩机的氢气压强，Pin为输入压缩机的氢气压强；
对于储氢罐虚拟模型，储氢罐存储经压缩机压缩后的高压氢气，储氢量的多少可由其内部气压反映。储氢罐的内部气压表示为：
式中，Prsit为第i个电制氢***的储氢罐在第t时段的内部气压，
为储氢罐氢气容量基准值，
为储氢罐的内部温度，
为氢气摩尔质量，
为第i个电制氢***的在第t时段的氢气负荷量；
运维成本函数：
式中：
为电制氢***的运维成本，
为电制氢***的运维成本系数，
为电制氢***的数目，PP2Hit为第i个电制氢***的在第t时段的耗电总功率，表示为：
PP2H,it＝Pel,it+Pcom,it
对于电解槽的约束函数，电解槽所消耗的电功率应当满足功率上下限约束、爬坡约束：
0≤Pel,it≤Pel,max
|Pel,i(t+1)-Pel,it|≤Pel,ramp
式中：Pel,max为电解槽所能消耗的最大电功率，Pel,ramp为电解槽的最大向上、向下爬坡电功率；
压缩机所消耗的电功率应当满足功率上下限约束：
0≤Pcom,it≤Pcom,max
式中：Pcom,max为压缩机所能消耗的最大电功率；
储氢罐的约束函数，储氢罐的内部气压应当满足气压上下限约束以及气压初、末时段相等：
式中：Prsmin为储氢罐允许的最小内部气压，Prsmax为储氢罐允许的最大内部气压。
进一步的，对于所述新能源虚拟模型，由第二目标函数以及第二约束条件组构成，在具体实施中，采用随机规划方法模拟风电、光伏出力的不确定性。首先采用蒙特卡洛随机抽样法模拟出大量的新能源出力场景，然后基于后向场景缩减技术将其缩减为5个典型场景，并得到对应的概率。所得到的新能源典型出力即作为组成虚拟电厂的新能源的预测出力，新能源电站的成本主要集中在建设投资当中，一旦建成，发电的成本代价较低，相较火电机组可忽略不计。随着分布式风电、光伏的大量并网，弃风、弃光现象越来越严重，考虑风电、光伏的弃风、弃光代价，以期尽可能多地消纳新能源，减少弃风、弃光量。因此所述第二目标函数包括新能源的成本函数：
所述第二约束条件组包括风电出力约束：
(i＝1,2,...NW)
光伏出力约束：
(i＝1,2,...NPV)
式中，
为第i台风电机组在第t时段的实际出力，
为第i台风电机组在第t时段的预测最大出力，NW为参与调度的风电机组数目，
为第i台光伏机组在第t时段的实际出力，
为第i台光伏机组在第t时段的预测最大出力，NPV为参与调度的光伏机组数目，CW,PV为弃风、弃光成本，γW为弃风惩罚因子，γPV为弃光惩罚因子。
进一步的，对于需求响应虚拟模型，主要考虑用户针对相关激励政策作出响应，即基于激励的需求响应，以此作为虚拟电厂的组成成分。用户积极响应激励政策，适时地削减用电负荷并得到一定的经济补偿，所述需求响应虚拟模型由第三目标函数以及第三约束条件组构成；
所述第三目标函数包括需求响应成本函数：
第三约束条件组包括：
式中，CDR为需求响应成本，NDR为需求响应负荷数目，Dit为第i个需求响应负荷在第t时段的负荷变化量，ri2为第i个需求响应成本的二次项系数，ri1为第i个需求响应成本的一次项系数，Dit,max为第i个需求响应负荷在第t时段所允许的最大变化量。
进一步的，对于所述燃气轮机虚拟模型由第四目标函数以及第四约束条件组构成；
燃气轮机组在参与调度过程中会产生煤耗成本和CO2排放成本，因此所述第四目标函数包括燃气轮机组成本函数：
所述第四约束条件组包括燃气轮机组出力约束：
PGT,min≤PGT,it≤PGT,max
式中，CGT为燃气轮机组的煤耗成本，NGT为燃气轮机组的数目，bi0、bi1、bi2为第i台燃气轮机的煤耗成本系数，PGT,it为第i台燃气轮机在第t时段的有功出力大小，
为第i台燃气轮机组的最大向上爬坡功率，
为第i台燃气轮机组的最大向下爬坡功率。
对于储能模型，所述储能虚拟模型由第五目标函数以及第五约束条件组构成；由于风电、光伏的不确定性和间歇性，其出力的实际值可能与相应的预测值不同。因此，需要在虚拟电厂中拥有一定的储能配置，来补偿新能源输出功率的波动，使得虚拟电厂出力稳定，为电力***提供灵活性，保障电力***的安全性。储能装置在充放电过程中会对装置造成一定的损坏、老化，考虑储能装置的出力成本，因此所述第五目标函数包括储能装置出力函数：
储能装置充放电函数：
第五约束条件组包括储能电量、充放电功率约束：
SOCi,min≤SOCit≤SOCi,max
PSE,i,min≤PSE,it≤PSE,i,max
式中，CSE为储能装置的出力成本，NSE为储能装置的数目，λSE为储能装置的成本系数，PSE,it为第i个储能装置在第t时段的充放电功率，SOCit为第i个储能装置在第t时段的电量，ηc为储能装置的充电效率，ηd为储能装置的放电效率，SOCi,min为第i个储能装置的最小容许电量，SOCi,max为第i个储能装置的最大容许电量，PSE,i,min为第i个储能装置的最大充电功率，PSE,i,max为第i个储能装置的最大放电功率。
S2、将上述虚拟模型聚合后生成以***调度总成本最小化为总目标函数的虚拟电厂模型，并构建所述虚拟电厂模型的约束条件。
本发明所建立的虚拟电厂模型，期望虚拟电厂净收益尽可能大的同时，期望常规火电机组调度成本尽可能小。虚拟电厂的净收益由其内部各分布式能源的发电上网收益减去发电运行成本得到。因此综合考虑火电机组调度成本、虚拟电厂净收益下的目标函数为
式中，Ns为新能源典型场景的数目，ps为第s个新能源典型场景出现的概率。
火电机组的发电运行成本由两部分组成，分别是燃料成本和机组启停成本。燃料成本可以看作是发电功率的二次函数，其中的煤耗成本系数由机组自身的特性决定。机组启停成本由启停状态和成本系数决定。此外，随着我国对“碳达峰”和“碳中和”的提出与重视，本发明对CO2的排放量进行考虑，将CO2排放量转化为CO2排放成本作为火电机组总成本的一部分。引入0-1变量表示机组的在线状态，以及启动、关停状态，因此火电机组调度总成本CG，表示为：
CG为火电机组调度总成本，NG为火电机组数目，T为调度周期内的时段数目，Iit为第i台机组在第t时段的在线状态，SUit为第i台机组在第t时段的启动成本，SDit为第i台机组在第t时段的关停成本，FGi(Pit)为第i台机组的燃料成本；
燃料成本为发电功率的二次函数，表示为：
FGi(Pit)＝ai2·(Pit)2+ai1·Pit+ai0
式中，Pit为第i台机组在第t时段的有功出力大小，ai2、ai1、ai0为第i台机组的煤耗成本系数，eGi为第i台机组的CO2排放系数，cG为火电机组的CO2排放成本系数。
启动成本SUit表达式为：
SUit＝cSUi·Yit
式中：cSUi为第i台机组的启动成本系数，Yit为第i台机组在第t时段的启动状态。
停机成本SDit表达式为：
SDit＝cSDi·Zit
式中：cSDi为第i台机组的关停成本系数，Zit为第i台机组在第t时段的关停状态(1表示停机，0表示未停机)。
式中，
为电制氢***的运维成本，CW,PV为弃风、弃光成本，CDR为需求响应成本，CGT为燃气轮机组的煤耗成本，
为燃气轮机组的CO2排放成本，CSE为储能装置的出力成本，EVPP为虚拟电厂调度的总收益，其表示为：
其中λt为第t时段的日前电价。
可选的，所构建的所述虚拟电厂模型的约束条件包括：所述第一约束条件组、所述第二约束条件组、所述第三约束条件组、所述第四约束条件组、所述第五约束条件组以及其他约束条件组。
可选的，所述其他约束条件组还应当满足火电机组相关约束、安全约束和***方面的功率平衡约束、备用约束；
因此其他约束条件组还包括火电机组有功出力约束：
Pi,min·Iit≤Pit≤Pi,max·Iit
式中：Pi,min为第i台机组的有功出力下限，Pi,max为第i台机组的有功出力上限；
火电机组出力爬坡约束：
式中：
为第i台机组出力的最大向上爬坡功率，
为第i台机组出力的最大向下爬坡功率；
火电机组启停时间约束：
式中：
为第i台机组在第t时段前保持开机状态持续的时间，Ti on为第i台机组的最小连续开机时间，
为第i台机组在第t时段前保持停机状态持续的时间，Ti off为第i台机组的最小连续停机时间；
火电机组启停状态约束：
Iit-Ii(t-1)＝Yit-Zit
(t＝1,2,...T)
式中：Ii0为第i台机组在调度初始时刻的在线状态；
线路的最大输电功率约束：
-PLi,max≤PL,it≤PLi,max
式中：PLi,max为第i条线路允许的最大输电功率，PL,it为第i条线路在第t时段的输电功率；
功率平衡约束：
式中：PVPP,t为虚拟电厂在第t时段的总出力；
备用容量约束：
式中：PVPP,t,max为虚拟电厂在第t时段的最大出力，Rt为***第t时段的备用容量。
对所建立的含电制氢***的虚拟电厂模型，以6节点***为例进行验证。
6节点***中含3个常规火电机组，分别位于节点1，2，6；2个负荷，分别位于节点3，4；11条输电线路。虚拟电厂含2个风电机组、1个光伏机组，2个电制氢***，1个需求响应负荷，4个燃气轮机组和3个储能电站。其中风电机组装机容量为50MW、10MW，分别位于节点3、5，光伏机组装机容量为50MW，位于节点4；电制氢***分别位于节点2、4，氢气负荷需求量基准值为3kg、5kg；需求响应负荷位于节点5，成本的二次项系数、一次项系数分别为0.1$/MW、20$/MW；储能电站的成本系数为1.29$/MW。弃风、弃光惩罚因子取100$/MW，日前电价设置为53.8$/MW。
在MATLAB R2016中编程建模，通过CPLEX求解器进行求解。求解结果如图2-图14所示，由结果可知所建立的模型是有效且合理的，所提出的含电制氢***的虚拟电厂建模方法可弥补虚拟电厂建模在考虑分布式资源种类和相关成本方面的不足，为虚拟电厂聚合多种分布式资源参与电力***经济调度的研究提供参考。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (9)
1.一种考虑电制氢***的虚拟电厂建模方法，其特征在于，包括下列步骤：
构建电制氢***、新能源、需求响应、燃气轮机以及储能虚拟模型；
将上述虚拟模型聚合后生成以***调度总成本最小化为总目标函数的虚拟电厂模型，并构建所述虚拟电厂模型的约束条件。
2.根据权利要求1所述的一种考虑电制氢***的虚拟电厂建模方法，其特征在于，所述电制氢***虚拟模型由第一目标函数以及第一约束条件组构成；
所述第一目标函数包括电解槽在单位时间的产氢量函数：
式中，
为第i个电制氢***的电解槽在第t时段的产氢量，
为电解槽的产氢率，Pel,it为第i个电制氢***的电解槽在第t时段所消耗的电功率；
压缩机的耗电功率与输入的氢气量以及气压压缩比的计算函数：
式中，Pcom,it为第i个电制氢***的压缩机在第t时段所消耗的电功率，
为氢气的比热容常数，Tin为u输入压缩机的氢气温度，κ为氢气的等熵指数，ηcom为压缩机的工作效率，Pout为输出压缩机的氢气压强，Pin为输入压缩机的氢气压强；
储氢罐的内部气压函数：
式中，Prsit为第i个电制氢***的储氢罐在第t时段的内部气压，
为储氢罐氢气容量基准值，
为储氢罐的内部温度，
为氢气摩尔质量，
为第i个电制氢***的在第t时段的氢气负荷量；
运维成本函数：
式中：
为电制氢***的运维成本，
为电制氢***的运维成本系数，
为电制氢***的数目，PP2H,it为第i个电制氢***的在第t时段的耗电总功率；
第一约束条件组包括电解槽的约束函数：
0≤Pel,it≤Pel,max
|Pel,i(t+1)-Pel,it|≤Pel,ramp
式中：Pel,max为电解槽所能消耗的最大电功率，Pel,ramp为电解槽的最大向上、向下爬坡电功率；
压缩机的约束函数：
0≤Pcom,it≤Pcom,max
式中：Pcom,max为压缩机所能消耗的最大电功率；
储氢罐的约束函数：
式中：Prsmin为储氢罐允许的最小内部气压，Prsmax为储氢罐允许的最大内部气压。
3.根据权利要求1所述的一种考虑电制氢***的虚拟电厂建模方法，其特征在于，所述新能源虚拟模型由第二目标函数以及第二约束条件组构成；
所述第二目标函数包括新能源的成本函数：
所述第二约束条件组包括风电出力约束：
光伏出力约束：
式中，
为第i台风电机组在第t时段的实际出力，
为第i台风电机组在第t时段的预测最大出力，NW为参与调度的风电机组数目，
为第i台光伏机组在第t时段的实际出力，
为第i台光伏机组在第t时段的预测最大出力，NPV为参与调度的光伏机组数目，CW,PV为弃风、弃光成本，γW为弃风惩罚因子，γPV为弃光惩罚因子。
4.根据权利要求1所述的一种考虑电制氢***的虚拟电厂建模方法，其特征在于，所述需求响应虚拟模型由第三目标函数以及第三约束条件组构成；
所述第三目标函数包括需求响应成本函数：
第三约束条件组包括：
式中，CDR为需求响应成本，NDR为需求响应负荷数目，Dit为第i个需求响应负荷在第t时段的负荷变化量，ri2为第i个需求响应成本的二次项系数，ri1为第i个需求响应成本的一次项系数，Dit,max为第i个需求响应负荷在第t时段所允许的最大变化量。
5.根据权利要求1所述的一种考虑电制氢***的虚拟电厂建模方法，其特征在于，所述燃气轮机虚拟模型由第四目标函数以及第四约束条件组构成；
所述第四目标函数包括燃气轮机组成本函数：
所述第四约束条件组包括燃气轮机组出力约束：
PGT,min≤PGT,it≤PGT,max
式中，CGT为燃气轮机组的煤耗成本，NGT为燃气轮机组的数目，bi0、bi1、bi2为第i台燃气轮机的煤耗成本系数，PGT,it为第i台燃气轮机在第t时段的有功出力大小，
为第i台燃气轮机组的最大向上爬坡功率，
为第i台燃气轮机组的最大向下爬坡功率。
6.根据权利要求1所述的一种考虑电制氢***的虚拟电厂建模方法，其特征在于，所述储能虚拟模型由第五目标函数以及第五约束条件组构成；
所述第五目标函数包括储能装置出力函数：
储能装置充放电函数：
第五约束条件组包括储能电量、充放电功率约束：
SOCi,min≤SOCit≤SOCi,max
PSE,i,min≤PSE,it≤PSE,i,max
式中，CSE为储能装置的出力成本，NSE为储能装置的数目，λSE为储能装置的成本系数，PSE,it为第i个储能装置在第t时段的充放电功率，SOCit为第i个储能装置在第t时段的电量，ηc为储能装置的充电效率，ηd为储能装置的放电效率，SOCi,min为第i个储能装置的最小容许电量，SOCi,max为第i个储能装置的最大容许电量，PSE,i,min为第i个储能装置的最大充电功率，PSE,i,max为第i个储能装置的最大放电功率。
7.根据权利要求1-6任一项所述的一种考虑电制氢***的虚拟电厂建模方法，其特征在于，所生成的虚拟电厂总目标函数为：
式中，Ns为新能源典型场景的数目，ps为第s个新能源典型场景出现的概率，CG为火电机组调度总成本，表示为：
CG为火电机组调度总成本，NG为火电机组数目，T为调度周期内的时段数目，Iit为第i台机组在第t时段的在线状态，SUit为第i台机组在第t时段的启动成本，SDit为第i台机组在第t时段的关停成本，FGi(Pit)为第i台机组的燃料成本；
式中，CH2为电制氢***的运维成本，CW,PV为弃风、弃光成本，CDR为需求响应成本，CGT为燃气轮机组的煤耗成本，CGT,CO2为燃气轮机组的CO2排放成本，CSE为储能装置的出力成本，EVPP为虚拟电厂调度的总收益，其表示为：
其中λt为第t时段的日前电价。
8.根据权利要求7所述的一种考虑电制氢***的虚拟电厂建模方法，其特征在于，所构建的所述虚拟电厂模型的约束条件包括：所述第一约束条件组、所述第二约束条件组、所述第三约束条件组、所述第四约束条件组、所述第五约束条件组以及其他约束条件组。
9.根据权利要求8所述的一种考虑电制氢***的虚拟电厂建模方法，其特征在于，所述其他约束条件组包括火电机组有功出力约束：
Pi,min·Iit≤Pit≤Pi,max·Iit
式中：Pi,min为第i台机组的有功出力下限，Pi,max为第i台机组的有功出力上限；
火电机组出力爬坡约束：
式中：
为第i台机组出力的最大向上爬坡功率，
为第i台机组出力的最大向下爬坡功率；
火电机组启停时间约束：
式中：
为第i台机组在第t时段前保持开机状态持续的时间，Ti on为第i台机组的最小连续开机时间，
为第i台机组在第t时段前保持停机状态持续的时间，Ti off为第i台机组的最小连续停机时间；
火电机组启停状态约束：
Iit-Ii(t-1)＝Yit-Zit
(t＝1,2,...T)
式中：Ii0为第i台机组在调度初始时刻的在线状态；
线路的最大输电功率约束：
-PLi,max≤PL,it≤PLi,max
式中：PLi,max为第i条线路允许的最大输电功率，PL,it为第i条线路在第t时段的输电功率；
功率平衡约束：
式中：PVPP,t为虚拟电厂在第t时段的总出力；
备用容量约束：
式中：PVPP,t,max为虚拟电厂在第t时段的最大出力，Rt为***第t时段的备用容量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111149932.9A CN113742944A (zh) | 2021-09-29 | 2021-09-29 | 一种考虑电制氢***的虚拟电厂建模方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111149932.9A CN113742944A (zh) | 2021-09-29 | 2021-09-29 | 一种考虑电制氢***的虚拟电厂建模方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113742944A true CN113742944A (zh) | 2021-12-03 |
Family
ID=78741712
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111149932.9A Pending CN113742944A (zh) | 2021-09-29 | 2021-09-29 | 一种考虑电制氢***的虚拟电厂建模方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113742944A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115115087A (zh) * | 2022-05-17 | 2022-09-27 | 华北电力大学 | 一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法 |
| CN116562062A (zh) * | 2023-07-11 | 2023-08-08 | 国网能源研究院有限公司 | 考虑电、氢耦合的生产模拟方法、***、装置及存储介质 |
| WO2024091604A1 (en) * | 2022-10-28 | 2024-05-02 | Air Products And Chemicals, Inc. | A method and system for configuring an industrial gas plant complex powered by renewable power sources |
| CN118249422A (zh) * | 2024-05-27 | 2024-06-25 | 国网吉林省电力有限公司经济技术研究院 | 一种考虑制氢储能的工业虚拟电厂优化调度方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109146320A (zh) * | 2018-09-12 | 2019-01-04 | 河海大学 | 一种考虑配电网安全性的虚拟电厂优化调度方法 |
| CN110188950A (zh) * | 2019-05-30 | 2019-08-30 | 三峡大学 | 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法 |
| CN111738497A (zh) * | 2020-06-03 | 2020-10-02 | 杭州电子科技大学 | 计及需求侧响应的虚拟电厂双层优化调度方法 |
| CN113315242A (zh) * | 2021-05-31 | 2021-08-27 | 天津大学 | 基于氢能经济促进弃风消纳的虚拟弃风-制氢联合体 |
-
2021
- 2021-09-29 CN CN202111149932.9A patent/CN113742944A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109146320A (zh) * | 2018-09-12 | 2019-01-04 | 河海大学 | 一种考虑配电网安全性的虚拟电厂优化调度方法 |
| CN110188950A (zh) * | 2019-05-30 | 2019-08-30 | 三峡大学 | 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法 |
| CN111738497A (zh) * | 2020-06-03 | 2020-10-02 | 杭州电子科技大学 | 计及需求侧响应的虚拟电厂双层优化调度方法 |
| CN113315242A (zh) * | 2021-05-31 | 2021-08-27 | 天津大学 | 基于氢能经济促进弃风消纳的虚拟弃风-制氢联合体 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115115087A (zh) * | 2022-05-17 | 2022-09-27 | 华北电力大学 | 一种考虑氢燃料汽车与氢储能的虚拟电厂协调调度方法 |
| WO2024091604A1 (en) * | 2022-10-28 | 2024-05-02 | Air Products And Chemicals, Inc. | A method and system for configuring an industrial gas plant complex powered by renewable power sources |
| CN116562062A (zh) * | 2023-07-11 | 2023-08-08 | 国网能源研究院有限公司 | 考虑电、氢耦合的生产模拟方法、***、装置及存储介质 |
| CN116562062B (zh) * | 2023-07-11 | 2023-09-22 | 国网能源研究院有限公司 | 考虑电、氢耦合的生产模拟方法、***、装置及存储介质 |
| CN118249422A (zh) * | 2024-05-27 | 2024-06-25 | 国网吉林省电力有限公司经济技术研究院 | 一种考虑制氢储能的工业虚拟电厂优化调度方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113742944A (zh) | 一种考虑电制氢***的虚拟电厂建模方法 | |
| CN108206547B (zh) | 风氢耦合发电***各单元容量优化的方法 | |
| CN103326388B (zh) | 基于功率预测的微电网储能***及容量配置方法 | |
| CN111160636B (zh) | 一种cchp型微电网调度优化方法 | |
| CN111555366B (zh) | 一种基于多时间尺度的微网三层能量优化管理方法 | |
| CN103326389A (zh) | 基于功率预测的微电网储能***及容量配置方法 | |
| CN113659627A (zh) | 一种含光伏发电和液态空气储能的微电网优化调度方法 | |
| CN110957722B (zh) | 一种含电转气设备的微型能源网日前优化调度方法 | |
| CN110661301A (zh) | 一种水光蓄多能互补发电***的容量配置优化方法 | |
| CN116979578A (zh) | 一种风光水火储的电气热三联产优化调度方法和*** | |
| CN113919676A (zh) | 计及需求响应与电制氢***的虚拟电厂运行效果评估方法 | |
| CN117649089A (zh) | 一种集成氢能的综合能源***鲁棒低碳优化调度方法 | |
| Sun et al. | An investigation of battery energy storage aided wind-coal integrated energy system | |
| CN111210119A (zh) | 多种市场下vpp电、热、气优化调度模型的建立方法 | |
| Han et al. | Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation | |
| Chen et al. | Economic dispatch of hydro-thermal power system with large-scale wind power penetration | |
| Lu et al. | Unit commitment of power system with wind power and photovoltaic considering frequency safety constraint | |
| Lu et al. | Research on the Day-Ahead Dispatch Strategy for Multi-Energy Power Systems Considering Wind and PV Uncertainty | |
| Su et al. | Quantification and Evaluation of Power System Flexibility under Different Time Scales | |
| Ma et al. | Short-term Operation Optimization Considering Demand Response and Energy Storage Flexibility | |
| CN118214091B (zh) | 一种基于电-氢混合储能的海岛微电网分层协调方法 | |
| Bachri et al. | Multi Objective Dynamic DC Optimal Power Flow Considering Batteries Output on Microgrid | |
| Liu et al. | Hierarchy Optimization Method for Day-ahead Coordinated Power Dispatch with Priority Given to Clean Energy | |
| Liu et al. | Economic scheduling of the wind-photovoltaic-thermal-load-storage integrated system considering carbon emission trading | |
| Yang et al. | Optimal Scheduling of Thermoelectricity in Integrated Energy System Based on Waste Heat Recovery from Power to Gas and Flexible Thermoelectricity Ratio |
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 |