CN109002947A - 一种区域多能源系统热电负荷分配优化方法 - Google Patents
一种区域多能源系统热电负荷分配优化方法 Download PDFInfo
- Publication number
- CN109002947A CN109002947A CN201811268142.0A CN201811268142A CN109002947A CN 109002947 A CN109002947 A CN 109002947A CN 201811268142 A CN201811268142 A CN 201811268142A CN 109002947 A CN109002947 A CN 109002947A
- Authority
- CN
- China
- Prior art keywords
- thermoelectricity
- value
- load
- indicate
- units
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Feedback Control In General (AREA)
Abstract
一种区域多能源系统热电负荷分配优化方法，属于节能技术领域。解决了现有热电负荷分配方法，对于非确定的热电负荷实时需求无法做出及时响应，另一方面所有机组在满足发电总需求的同时，无法保证通过机组间的热电分配使得各个机组的工作效率最高，从而导致能源浪费的问题。根据新能源最大消纳原则，获得历史数据集合Pz′和Qz′；建立热电负荷预测模型，对Pz′和Qz′进行数据训练，计算Pz和Qz的预测数值；根据所有供热抽汽机组与所有背压机组的数量与热、电负荷耦合关系对Pz和Qz的预测值进行修正，将Pz和Qz的修正值均利用优化算法进行分配，解算出每台供热抽汽机组的热电负荷分配结果，从而完成了热电负荷分配的优化。主要用于对区域多能源系统热电负荷进行联合预测及优化分配。
Description
技术领域
本发明属于节能技术领域。
背景技术
随着可再生能源的发展，化石燃料成本的提高，电力工业越来越注重混合发电的策略问题；尤其是最大化利用风、光等可再生能源发电，从根本上减少化石燃料消耗。然而，风力、光伏发电形式的不确定性，给区域能源互补系统的稳定性带来了挑战；同时，电厂如何根据机组的类型以及机组类型的差异，在各机组间进行热电负荷的分配，使整个电厂的能耗最低、经济效益最好，是电厂生产运行中面临的实际问题。
为了解决可再生能源发电的不确定性带来的影响，许多专家学者在可再生能源发电功率预测、区域电/热负荷单独预测等方面做了大量的探究工作。比如采用神经网络、支持向量机等算法进行区域电/热负荷单独预测，从而确定未来的热电负荷需求。但是，实际中的电负荷与热负荷存在耦合特性，极少有人对热、电负荷进行联合预测研究，并根据其耦合特性对联合预测结果进行修正。为了对全厂抽汽机组进行热电负荷分配优化，诸多专家学者采用智能寻优算法进行解算，如利用遗传算法、粒子群优化算法等确定每台机组的电负荷和热负荷。然而对于实际区域热电负荷需求经常发生较大变化的问题，上述热电负荷分配优化方法无法实时做出跟踪响应，另一方面所有机组在满足发电总需求的同时，无法保证通过机组间的热电分配使得各个机组的工作效率最高，从而导致的能源浪费的问题。此外，目前权威公开文献缺乏将热电负荷联合预测与分配优化相结合的详细研究阐述。因此，以上问题亟需解决。
发明内容
本发明是为了解决现有热电负荷分配方法，对于非确定的热电负荷实时需求无法做出及时响应，另一方面所有机组在满足发电总需求的同时，无法保证通过机组间的热电分配使得各个机组的工作效率最高，从而导致的能源浪费的问题，本发明提供了一种热电联产机组的热电负荷分配优化方法。其中，非确定的热电负荷可具体理解为对于未来24内的热电负荷。
一种区域多能源系统热电负荷分配优化方法，该方法包括如下步骤：
步骤一、根据新能源最大消纳的原则，获得历史数据集合Pz′和Qz′；
Pz′表示所有供热抽汽机组应达到电量总和；
Qz′表示所有供热抽汽机组应达到热量总和；
步骤二、建立热电负荷预测模型，对历史数据集合Pz′和Qz′进行数据训练，计算Pz和Qz的预测数值；
Pz表示未来0至24小时之内的所有供热抽汽机组应达到电量总和；
Qz表示未来0至24小时之内的所有供热抽汽机组应达到热量总和；
步骤三、根据所有供热抽汽机组与所有背压机组的数量与热、电负荷的耦合关系对Pz和Qz的预测值进行修正，获得Pz和Qz的修正值；
步骤四、将Pz和Qz的修正值均利用优化算法进行分配，解算出每台供热抽汽机组的热电负荷分配结果，从而完成了热电负荷分配的优化。
优选的是，步骤一中，历史数据集合Pz′和Qz′具体为：
其中，Pall表示总需求电量，Pwind表示风力实时最大发电量，Psun1表示光伏发电实时最大电量，Psun2表示太阳能热发电实时最大电量，Qall表示总需求热量，Qsun表示太阳能储热的，Qd表示由电锅炉产生的电热量。
优选的是，步骤二中，热电负荷预测模型采用BP神经网络模型实现。
优选的是，步骤三中，根据所有供热抽汽机组与所有背压机组的数量与热、电负荷的耦合关系对Pz和Qz的预测值进行修正，获得Pz和Qz的修正值的具体过程为：
判断Pz和Qz的预测值是否满足如下边界关系：
若Pz的预测值未超出上述边界，则Pz的预测值作为Pz的修正值；
若Pz的预测值超出上述边界，则定义Pz的预测值等于所超出边界的边界值，该边界值作为Pz的修正值；
若Qz的预测值未超出上述边界，则Qz的预测值作为Qz的修正值；
若Qz的预测值超出上述边界，则定义Qz的预测值等于所超出边界的边界值，该边界值作为Qz的修正值；
其中，U表示供热抽汽机组与背压机组的台数总和；
M表示背压机组的台数；
pmax表示电负荷最大值；
pmin表示电负荷最小值；
qmax表示热负荷最大值。
优选的是，所述的步骤四中的优化算法为遗传算法。
本发明考虑新能源的最大化消纳问题，在基于预测模型给出负荷预测值的同时，采用遗传算法进行寻优解算，输出每台机组最优的电负荷和热负荷设定值。本方法考虑供热抽汽机组间电负荷及热负荷的分配优化问题的同时，通过集成负荷预测方法与寻优算法，在此基础上对预测结果加以修正。以实现热电负荷的高精度最优运行分配策略。
本发明带来的有益效果是，本发明提出的一种区域多能源系统热电负荷分配优化方法能够“实时地”对全厂的热电负荷进行精细化分配，使总机组在满足总发电总和的同时，
通过机组间热电量的分配优化保证各个机组工作效率最高，从而避免能源浪费、节约发电成本，由此提高发电企业的经济效益，具有很好的市场应用前景。其具体效果如下：
(1)提出考虑最大化消纳新能源的区域能源互补模型，即以新能源最大化消纳为原则，通过调节火电机组的负荷以达到总负荷需求，从根本上节省煤耗；
(2)提出了基于联合预测技术的热电负荷预测模型，可进行热电负荷提前预测，大大提高了负荷分配的时效性；
(3)针对于预测结果，提出了基于“以热定电”原理的修正方法，提高了预测精度；
(4)提出基于寻优算法的精细化分配求解，通过与预测模型的组合，最大程度上挖掘机组的节能能力。
具体实施方式
具体实施方式一：本实施方式所述的一种区域多能源系统热电负荷分配优化方法，该方法包括如下步骤：
步骤一、根据新能源最大消纳的原则，获得历史数据集合Pz′和Qz′；
Pz′表示所有供热抽汽机组应达到电量总和；
Qz′表示所有供热抽汽机组应达到热量总和；
步骤二、建立热电负荷预测模型，对历史数据集合Pz′和Qz′进行数据训练，计算Pz和Qz的预测数值；
Pz表示未来0至24小时之内的所有供热抽汽机组应达到电量总和；
Qz表示未来0至24小时之内的所有供热抽汽机组应达到热量总和；
步骤三、根据所有供热抽汽机组与所有背压机组的数量与热、电负荷的耦合关系对Pz和Qz的预测值进行修正，获得Pz和Qz的修正值；
步骤四、将Pz和Qz的修正值均利用优化算法进行分配，解算出每台供热抽汽机组的热电负荷分配结果，从而完成了热电负荷分配的优化。
本实施方式中，本发明提出的一种区域多能源系统热电负荷分配优化方法能够“实时地”对全厂的热电负荷进行精细化分配，使总机组在满足总发电总和的同时，通过机组间热电量的分配优化保证各个机组工作效率最高，从而避免能源浪费、节约发电成本。
原理分析，本发明提出了基于联合预测技术的热电负荷预测模型，可进行热电负荷提前预测，大大提高了负荷分配的时效性；针对于预测结果，提出了基于“以热定电”原理的修正方法，提高了预测精度；提出利用优化算法分配求解，通过与预测模型的组合，最大程度上挖掘机组的节能能力。
具体实施方式二：本实施方式与具体实施方式一所述的一种区域多能源系统热电负荷分配优化方法的区别在于，步骤一中，历史数据集合Pz′和Qz′具体为：
其中，Pall表示总需求电量，Pwind表示风力实时最大发电量，Psun1表示光伏发电实时最大电量，Psun2表示太阳能热发电实时最大电量，Qall表示总需求热量，Qsun表示太阳能储热的，Qd表示由电锅炉产生的电热量。
本实施方式中，提出考虑最大化消纳新能源的区域能源互补模型，具体见公式(1)，从根本上节省煤耗。
具体实施方式三：本实施方式与具体实施方式一所述的一种区域多能源系统热电负荷分配优化方法的区别在于，步骤二中，热电负荷预测模型采用BP神经网络模型实现。
具体实施方式四：本实施方式与具体实施方式一所述的一种区域多能源系统热电负荷分配优化方法的区别在于，步骤三中，根据所有供热抽汽机组与所有背压机组的数量与热、电负荷的耦合关系对Pz和Qz的预测值进行修正，获得Pz和Qz的修正值的具体过程为：
判断Pz和Qz的预测值是否满足如下边界关系：
若Pz的预测值未超出上述边界，则Pz的预测值作为Pz的修正值；
若Pz的预测值超出上述边界，则定义Pz的预测值等于所超出边界的边界值，该边界值作为Pz的修正值；
若Qz的预测值未超出上述边界，则Qz的预测值作为Qz的修正值；
若Qz的预测值超出上述边界，则定义Qz的预测值等于所超出边界的边界值，该边界值作为Qz的修正值；
其中，U表示供热抽汽机组与背压机组的台数总和；
M表示背压机组的台数；
pmax表示电负荷最大值；
pmin表示电负荷最小值；
qmax表示热负荷最大值。
具体实施方式五：本实施方式与具体实施方式四所述的一种区域多能源系统热电负荷分配优化方法的区别在于，所述的步骤四中的优化算法为遗传算法。
本实施方式中，考虑遗传算法的解算特点，结合本发明研究的问题，采用如下的限制条件：1)保证热耗率最低；
2)单个机组最大、最小的热、电负荷不得超过预设的参数的最大、最小值，具体参见公式2；
3)所有机组的热负荷之和应等于Qz、电负荷应等于Pz；
虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其它的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其它所述实施例。
Claims (5)
1.一种区域多能源系统热电负荷分配优化方法，其特征在于，该方法包括如下步骤：
步骤一、根据新能源最大消纳的原则，获得历史数据集合Pz′和Qz′；
Pz′表示所有供热抽汽机组应达到电量总和；
Qz′表示所有供热抽汽机组应达到热量总和；
步骤二、建立热电负荷预测模型，对历史数据集合Pz′和Qz′进行数据训练，计算Pz和Qz的预测数值；
Pz表示未来0至24小时之内的所有供热抽汽机组应达到电量总和；
Qz表示未来0至24小时之内的所有供热抽汽机组应达到热量总和；
步骤三、根据所有供热抽汽机组与所有背压机组的数量与热、电负荷的耦合关系对Pz和Qz的预测值进行修正，获得Pz和Qz的修正值；
步骤四、将Pz和Qz的修正值均利用优化算法进行分配，解算出每台供热抽汽机组的热电负荷分配结果，从而完成了热电负荷分配的优化。
2.根据权利要求1所述的一种区域多能源系统热电负荷分配优化方法，其特征在于，步骤一中，历史数据集合Pz′和Qz′具体为：
其中，Pall表示总需求电量，Pwind表示风力实时最大发电量，Psun1表示光伏发电实时最大电量，Psun2表示太阳能热发电实时最大电量，Qall表示总需求热量，Qsun表示太阳能储热的，Qd表示由电锅炉产生的电热量。
3.根据权利要求1所述的一种区域多能源系统热电负荷分配优化方法，其特征在于，步骤二中，热电负荷预测模型采用BP神经网络模型实现。
4.根据权利要求1所述的一种区域多能源系统热电负荷分配优化方法，其特征在于，步骤三中，根据所有供热抽汽机组与所有背压机组的数量与热、电负荷的耦合关系对Pz和Qz的预测值进行修正，获得Pz和Qz的修正值的具体过程为：
判断Pz和Qz的预测值是否满足如下边界关系：
若Pz的预测值未超出上述边界，则Pz的预测值作为Pz的修正值；
若Pz的预测值超出上述边界，则定义Pz的预测值等于所超出边界的边界值，该边界值作为Pz的修正值；
若Qz的预测值未超出上述边界，则Qz的预测值作为Qz的修正值；
若Qz的预测值超出上述边界，则定义Qz的预测值等于所超出边界的边界值，该边界值作为Qz的修正值；
其中，U表示供热抽汽机组与背压机组的台数总和；
M表示背压机组的台数；
pmax表示电负荷最大值；
pmin表示电负荷最小值；
qmax表示热负荷最大值。
5.根据权利要求4所述的一种区域多能源系统热电负荷分配优化方法，其特征在于，所述的步骤四中的优化算法为遗传算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811268142.0A CN109002947A (zh) | 2018-10-29 | 2018-10-29 | 一种区域多能源系统热电负荷分配优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811268142.0A CN109002947A (zh) | 2018-10-29 | 2018-10-29 | 一种区域多能源系统热电负荷分配优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109002947A true CN109002947A (zh) | 2018-12-14 |
Family
ID=64590082
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811268142.0A Pending CN109002947A (zh) | 2018-10-29 | 2018-10-29 | 一种区域多能源系统热电负荷分配优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109002947A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109800918A (zh) * | 2019-01-28 | 2019-05-24 | 广东电网有限责任公司 | 一种局域多能源互补运行综合优化配置方法和设备 |
| CN110429662A (zh) * | 2019-07-01 | 2019-11-08 | 中国电力科学研究院有限公司 | 一种热电联产机组启停机计划制定方法及系统 |
| CN111090946A (zh) * | 2019-12-24 | 2020-05-01 | 青海民族大学 | 一种复合太阳能集热系统集热面积的优化方法 |
| CN112712204A (zh) * | 2020-12-29 | 2021-04-27 | 华润电力技术研究院有限公司 | 火电企业电热负荷优化分配方法、装置、设备及存储介质 |
| CN113139675A (zh) * | 2021-03-08 | 2021-07-20 | 深圳职业技术学院 | 一种园区综合能源系统综合电负荷区间预测方法 |
| CN114418358A (zh) * | 2021-12-31 | 2022-04-29 | 新奥数能科技有限公司 | 锅炉调度方法及装置 |
| CN114841542A (zh) * | 2022-04-25 | 2022-08-02 | 河北华电石家庄热电有限公司 | 燃气-蒸汽联合循环热电机组的调度计划生成方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101619850A (zh) * | 2009-08-06 | 2010-01-06 | 杭州盘古自动化系统有限公司 | 基于热电系统负荷在线预测的调度方法与系统 |
| US20110213508A1 (en) * | 2010-02-26 | 2011-09-01 | International Business Machines Corporation | Optimizing power consumption by dynamic workload adjustment |
| CN102510059A (zh) * | 2011-11-28 | 2012-06-20 | 山东电力集团公司潍坊供电公司 | 基于bp神经网络的超短期风电功率预测方法 |
| CN102622530A (zh) * | 2012-04-24 | 2012-08-01 | 华电能源股份有限公司哈尔滨第三发电厂 | 基于改进遗传算法的抽汽供热机组热电负荷分配优化方法 |
| CN103412526A (zh) * | 2013-07-12 | 2013-11-27 | 国家电网公司 | 一种供热机组在线负荷的调度方法与系统 |
-
2018
- 2018-10-29 CN CN201811268142.0A patent/CN109002947A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101619850A (zh) * | 2009-08-06 | 2010-01-06 | 杭州盘古自动化系统有限公司 | 基于热电系统负荷在线预测的调度方法与系统 |
| US20110213508A1 (en) * | 2010-02-26 | 2011-09-01 | International Business Machines Corporation | Optimizing power consumption by dynamic workload adjustment |
| CN102510059A (zh) * | 2011-11-28 | 2012-06-20 | 山东电力集团公司潍坊供电公司 | 基于bp神经网络的超短期风电功率预测方法 |
| CN102622530A (zh) * | 2012-04-24 | 2012-08-01 | 华电能源股份有限公司哈尔滨第三发电厂 | 基于改进遗传算法的抽汽供热机组热电负荷分配优化方法 |
| CN103412526A (zh) * | 2013-07-12 | 2013-11-27 | 国家电网公司 | 一种供热机组在线负荷的调度方法与系统 |
Non-Patent Citations (1)
| Title |
|---|
| 陈金相: "集中供热系统运行调节优化及热负荷预测方法研究", 《民营科技》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109800918A (zh) * | 2019-01-28 | 2019-05-24 | 广东电网有限责任公司 | 一种局域多能源互补运行综合优化配置方法和设备 |
| CN110429662A (zh) * | 2019-07-01 | 2019-11-08 | 中国电力科学研究院有限公司 | 一种热电联产机组启停机计划制定方法及系统 |
| CN111090946A (zh) * | 2019-12-24 | 2020-05-01 | 青海民族大学 | 一种复合太阳能集热系统集热面积的优化方法 |
| CN112712204A (zh) * | 2020-12-29 | 2021-04-27 | 华润电力技术研究院有限公司 | 火电企业电热负荷优化分配方法、装置、设备及存储介质 |
| CN113139675A (zh) * | 2021-03-08 | 2021-07-20 | 深圳职业技术学院 | 一种园区综合能源系统综合电负荷区间预测方法 |
| CN113139675B (zh) * | 2021-03-08 | 2023-02-28 | 深圳职业技术学院 | 一种园区综合能源系统综合电负荷区间预测方法 |
| CN114418358A (zh) * | 2021-12-31 | 2022-04-29 | 新奥数能科技有限公司 | 锅炉调度方法及装置 |
| CN114841542A (zh) * | 2022-04-25 | 2022-08-02 | 河北华电石家庄热电有限公司 | 燃气-蒸汽联合循环热电机组的调度计划生成方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109002947A (zh) | 一种区域多能源系统热电负荷分配优化方法 | |
| Nema et al. | A current and future state of art development of hybrid energy system using wind and PV-solar: A review | |
| CN106451566B (zh) | 一种海岛智能微电网多源协调控制方法 | |
| CN104779611B (zh) | 基于集中式和分布式双层优化策略的微电网经济调度方法 | |
| CN110826815B (zh) | 一种考虑综合需求响应的区域综合能源系统运行优化方法 | |
| CN111340274A (zh) | 一种基于虚拟电厂参与的综合能源系统优化方法和系统 | |
| CN115566703A (zh) | 面向多能互补的分布式光伏与电氢混合储能规划方法 | |
| CN109858759A (zh) | 一种工业园区综合能源平衡调度方法 | |
| CN104135025A (zh) | 基于模糊粒子群算法和储能系统的微网经济运行优化方法 | |
| CN106786509A (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 | |
| CN112541609A (zh) | 风光热和水蓄能联合可再生能源发电系统容量优化模型 | |
| CN115940284A (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
| CN110543966A (zh) | 一种电热气联供的微能源网的日前调度优化方法 | |
| CN105159093A (zh) | 基于模型自适应的微电网能量优化控制系统及其设计方法 | |
| CN115688448A (zh) | 一种考虑共享储能的多区域综合能源系统优化调度方法 | |
| Cui et al. | Improved normal-boundary intersection algorithm: A method for energy optimization strategy in smart buildings | |
| CN114386256A (zh) | 一种考虑电热设备灵活性约束及热网特性的区域电热系统优化调度方法 | |
| CN114462902B (zh) | 考虑光热和水势综合储能出力的分布式发电调度方法 | |
| CN106920177A (zh) | 一种多能互补微能源的经济运行策略 | |
| CN111934365B (zh) | 一种能源基地储能系统及其工作方法 | |
| CN110098623B (zh) | 一种基于智能负载的Prosumer单元控制方法 | |
| CN108171384A (zh) | 一种基于复合粒子群算法微网能量管理方法 | |
| Zheng et al. | Day-ahead intra-day economic dispatch methodology accounting for the participation of electrolytic aluminum loads and energy storage in power system peaking | |
| CN110266059A (zh) | 一种基于三角综合评估的新型能源供给系统优化配置方法 | |
| CN114330983A (zh) | 区域电网供电缺失环境下多电力用户供电能源调度方法 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Fu Junfeng Inventor after: Chen Huan Inventor after: Chen Xiaoqiang Inventor after: Gu Difeng Inventor after: Zhao Jiajun Inventor after: Jin Kanghua Inventor after: Shen Weijun Inventor after: E Peng Inventor after: Wan Jie Inventor after: Ye Qing Inventor after: Yu Weixing Inventor after: Yao Kun Inventor after: Li Yifei Inventor after: Xu Xinguo Inventor after: Zheng Mincong Inventor after: Ju Guoteng Inventor before: Fu Junfeng Inventor before: Chen Huan Inventor before: Chen Xiaoqiang Inventor before: Gu Difeng Inventor before: Zhao Jiajun Inventor before: Jin Kanghua Inventor before: Shen Weijun Inventor before: E Peng Inventor before: Wan Jie Inventor before: Ye Qing Inventor before: Yu Weixing Inventor before: Yao Kun Inventor before: Li Yifei Inventor before: Xu Xinguo Inventor before: Zheng Mincong Inventor before: Ju Guoteng |