2. 云南电网有限责任公司,昆明 650011;
3. 浙江大学常州工业技术研究院,常州 213022
2. Yunnan Power Grid Corporation, Kunming 650011, China;
3. Changzhou Institute of Industrial Technology, Zhejiang University, Changzhou 213022, China
在能源危机和环境污染日益严重、能源革命方兴未艾的背景下,探索更高效、更环保的方式以吸收更多的清洁能源已成为人们关注的焦点。基于新一代信息技术,城市能源互联网(urban energy internet, UEI)将多种能流多种设备综合管理,统一调控,有效实现区域土地资源、能源供应、设备管理、系统运行维护的多重集约化,是未来能源发展的重要方向之一。
综合能源系统(integrated-energy system, IES)作为UEI的建设关键之一,其运行调度优化研究是充分发挥多能互补、清洁高效运行优势的关键。目前,IES的运行优化调度的研究主要围绕热电联产系统展开[1]。付学谦等研究了冷热电联供系统的功率输出优化问题[2]。赵成对基于线性规划的热电联产系统优化运行模式下的运行成本进行了分析[3]。王锐等对含有多种能量转换设备和储能设备的热电联产系统建模,并基于机会约束规划理论,进行了优化调度分析[4]。在分析冷热电联产系统稳定运行条件的基础上,赖秀文等指出了解决负荷不确定性的有效措施[5]。白牧可等考虑分时电价影响,研究了日前经济性运行优化问题[6]。
一般来说,IES调度优化的研究主要集中在电力系统方面。事实上,供热/冷/天然气系统的运行调度优化和供能管网储能能力的利用,也关系到系统的整体运行水平,在IES的控制和优化过程中应重点关注[7]。目前,考虑供能网络延迟特性的调度优化与控制研究也在不断深入。Awad等建立了考虑热网延迟特性的热电联产系统模型,基于“综合潮流优化”方法进行了系统运行优化研究[8]。Chaudry等利用天然气网络的储能特性,建立了多周期的电、气耦合系统的组合优化模型[9]。计及风能、太阳能等新能源联合出力优化的研究也越来越多[10]。
在考虑储能的IES调度优化领域,国内外学者主要关注储电和压缩空气储能[11-13],储能在增加可再生能源消纳领域的应用也越来越普遍[14]。储热技术的应用主要是基于储热罐的方式。白中华等研究了储热罐储热技术在IES中的应用价值[15]。熊文等建立了多种考虑储热的IES储能优化模型,实现了调度计划的双层优化[16]。Jay等综述了区域供热管网中不同的短期储热设备及其对柔性的影响。储热系统作为IES中重要的惯性环节,为IES的综合优化和控制提供了更大的空间[17]。顾伟等结合区域供热管网和建筑的热惯性,建立了综合能源系统的运行优化模型,提高了供热系统的灵活性并增加了风能的吸收[18]。田喆等通过定义供热管网(heating supply pipeline network,HSPN)的动态特性参数, 描述了高温高压的延迟储热和放热特性,从而建立了区域高温高压的动态模型[19]。李志刚等建立了考虑储热和放热能力的热电耦合负荷分配模型[20];Vandermeulen等指出考虑储热单元的热惯性和建筑供暖系统的结构可以提高柔性控制能力[21]。张慧帅将热电厂的流量控制策略分为3个层次,利用热电厂的储热能力来提高热电机组的调峰能力[22]。杨丽君等提出了一种基于HSPN储热特性的热电联产系统协同调度优化的策略[23]。黄锦波结合HSPN储热和储热罐、电锅炉储热,建立了电–热网协同运行优化模型,增加了消纳大规模风电的能力[24]。李丹基于GA-BP神经网络算法负荷预测,提出了计及HSPN储热和蓄热罐储热的综合能源系统日前优化调度方案,同样提高了风电消纳率[25]。
总而言之,考虑到HSPN的储热特性和设备的热惯性,以往的研究主要集中在单一设备上,如风机与热电联产的组合,对涉及多能流、多设备的一体化能源系统的研究较少。对于同时涉及储热罐和HSPN热惯性研究,同样集中于提高风电消纳率,无法有效支撑生产生活负荷统筹和多能流、多设备耦合的工业园区综合能源系统的调度优化。同时,目前的研究侧重于从供能网络延迟性展开研究,未将其结合到系统中衡量其蓄能能力。因此,本文将供能网络和设备的储能特性统称为系统储能特性,针对IES的运行,研究了基于供热系统储能特性的IES日前优化调度问题。
1 综合能源系统建模与优化策略综合能源系统的优化调度过程是发挥综合能源系统多方面优势的重要途径。本文考虑综合能源系统多种能流多种设备耦合互补、系统储能罐储能和供能管网储能,建立了一种日前运行优化调度模型,以提高运行经济性和设备稳定性。
1.1 约束条件 1.1.1 流体网络模型热水、冷水、天然气等工质网络都是流体网络,统一采用1维的均质流体模型进行建模。根据文献[26],分别建立基本方程组、压力和流量方程、焓值和换热方程及固体导热方程。同时建立网络节点约束,如式(1)、(2)。
对于流体网络中的任一节点i,建立流量平衡方程
$ \sum {{m_{{\rm{i}}, i}}} (t) + \sum {{m_{{\rm{o}}, i}}(t) = 0} $ | (1) |
式中:
节点能量平衡方程为
$ \sum {{T_{{\rm{i}}, i}}(t){m_{{\rm{i}}, i}}(t)} + \sum {{T_{{\rm{o}}, i}}(t){m_{{\rm{o}}, i}}(t) = 0} $ | (2) |
式中:
本文忽略电网瞬态特性,建立了经典潮流计算模型[27]。
$ \left\{ {\begin{array}{*{20}{l}} {{P_{{\rm{a, }}i}}(t) = {U_i}(t)\sum\limits_{j = 1}^N {{U_j}} \left( {{G_{ij}}\cos \left( {{\delta _i} - {\delta _j}} \right) + {B_{ij}}\sin \left( {{\delta _i} - {\delta _j}} \right)} \right)}\\ {{P_{{\rm{r, }}i}}(t) = {U_i}(t)\sum\limits_{j = 1}^N {{U_j}} \left( {{G_{ij}}\sin \left( {{\delta _i} - {\delta _j}} \right) - {B_{ij}}\cos \left( {{\delta _i} - {\delta _j}} \right)} \right)} \end{array}} \right. $ | (3) |
式中:
节点注入功率与由节点电压换算得到的注入功率间存在平衡约束
$ \left\{ {\begin{array}{*{20}{l}} {\Delta {P_{{\rm{a, }}i}}(t) = P_{{\rm{a}}, i}^{\rm{G}}(t) - P_{{\rm{a}}, i}^{\rm{L}}(t) - {P_{{\rm{a, }}i}}(t) = 0}\\ {\Delta {P_{{\rm{r, }}i}}(t) = P_{{\rm{r}}, i}^{\rm{G}}(t) - P_{{\rm{r}}, i}^{\rm{L}}(t) - {P_{{\rm{r, }}i}}(t) = 0} \end{array}} \right. $ | (4) |
式中:
热能与冷能涉及的设备单元还包括系统本身的储热/冷设备和管网储热/冷能力,热网储热能力可描述为
$ \begin{array}{l} \left( {\sum\limits_{i = 1}^{{M_{\rm{h}}}} {{Q_{{\rm{hg}}, i}}\left( t \right)} + Q_{{\rm{ho}}}^{\rm{D}}\left( t \right) - Q_{{\rm{hi}}}^{\rm{D}}\left( t \right) - Q_{\rm{h}}^{\rm{C}}\left( t \right)} \right)\Delta t = \\ \quad \quad S_{\rm{h}}^{\rm{D}}\left( t \right) - \eta _{\rm{h}}^{\rm{D}}S_{\rm{h}}^{\rm{D}}\left( {t - 1} \right) \end{array} $ | (5) |
式中:
$ S_{\rm{h}}^{\rm{D}}\left( t \right) = \sum\limits_{j = 1}^{{J_{\rm{h}}}} {\left( {M_{{\rm{h}}, j}^{\rm{D}}C_{{\rm{hp}}}^{\rm{D}}\bar T_{{\rm{h}}, j}^{\rm{D}}(t){\rm{ + }}M_{{\rm{h}}, j}^{{\rm{WD}}}C_{{\rm{hp}}}^{{\rm{WD}}}\bar T_{{\rm{h}}, j}^{{\rm{WD}}}(t)} \right)} $ | (6) |
$ S_{{\rm{h, min}}}^{\rm{D}} \le S_{\rm{h}}^{\rm{D}}\left( t \right) \le S_{{\rm{h, max}}}^{\rm{D}} $ | (7) |
式中:
1)“化学能–热能”转化模型
燃烧是化学能向热能转化的重要途径,其过程是火电机组发电的重要步骤。工质燃烧过程同样遵循能量守恒定律与质量守恒定律,如式(8)、(9)所示:
$ \begin{array}{l} {m_{\rm{k}}}(t){H_{\rm{k}}}(t) + {m_{\rm{q}}}(t)\left( {{H_{\rm{q}}}(t) + {\eta _{{\rm{RE}}}}{H_{{\rm{RE}}}}} \right) = \\ \quad \quad {m_{\rm{f}}}(t){H_{\rm{f}}}(t){\rm{ + }}{q_{{\rm{tr}}}}(t) \end{array} $ | (8) |
$ {m_{\rm{k}}}(t) + {m_{\rm{q}}}(t) = {m_{\rm{f}}}(t) $ | (9) |
式中:
将锅炉燃烧室作为计算过程中的一个特殊节点,其总压力
$ {p_{\rm{f}}}(t) = \varepsilon {p_{\rm{k}}}(t) $ | (10) |
式中,ε一般取0.97[28]。
2)“功–电”转化设备模型
发电机将工质动能转化为电能输出,出力
$ {P_{\rm{q}}}(t) = {\eta _{\rm{g}}}{P_{\rm{t}}}(t) $ | (11) |
式中,
3)“电–功”转化设备模型
循环水泵及压缩机能够为流体网络提供传输动力,需消耗系统电能,设备i的耗电功率
$ {P_{{\rm{p, }}i}}(t) = \frac{{\rho {g_{\rm{x}}}{v_{{\rm{p, }}i}}(t){H_{{\rm{p}}, i}}}}{{{{10}^3}{\eta _{{\rm{p, }}i}}}} $ | (12) |
式中:ρ为工质密度,kg/m3 ;
4)“热–功”转化设备模型
汽机设备将工质热能转化为功
$ {P_{\rm{t}}}(t) = {m_{\rm{t}}}(t){\eta _{\rm{t}}}\left( {{H_{{\rm{ti}}}}(t) - {H_{{\rm{to}}}}(t)} \right) $ | (13) |
式中:
5)设备出力约束
$ \mu _{{\rm{h}}, i}^{\rm{E}}\left( t \right)P_{{\rm{h}}, \min , i}^{\rm{E}} \le P_{{\rm{h}}, i}^{\rm{E}}\left( t \right) \le \mu _{{\rm{h}}, i}^{\rm{E}}\left( t \right)P_{{\rm{h}}, \max , i}^{\rm{E}} $ | (14) |
$ - P_{{\rm{h}}\Delta t, \max , i}^{\rm{E}} \le P_{{\rm{h}}, i}^{\rm{E}}\left( t \right) - P_{{\rm{h}}, i}^{\rm{E}}\left( {t - 1} \right) \le P_{{\rm{h}}\Delta t, \max , i}^{\rm{E}} $ | (15) |
$ \mu _{{\rm{h}}, i}^{\rm{E}}\left( t \right){\rm{ = }}\left\{ {0, 1} \right\} $ | (16) |
式中:
6)储能设备约束
本文将系统储热设备(储热罐)的模型描述为
$ \left\{ {\begin{array}{*{20}{l}} {S_{\rm{h}}^{\rm{F}}(t) = \eta _{\rm{h}}^{\rm{F}}S_{\rm{h}}^{\rm{F}}(t - 1) + \eta _{{\rm{hi}}}^{\rm{F}}Q_{{\rm{hi}}}^{\rm{F}}(t) - Q_{{\rm{ho}}}^{\rm{F}}(t)/\eta _{{\rm{ho}}}^{\rm{F}}}\\ \begin{array}{l} 0 \le Q_{{\rm{hi}}}^{\rm{F}}\left( t \right) \le Q_{{\rm{hi, max}}}^{\rm{F}}\\ 0 \le Q_{{\rm{ho}}}^{\rm{F}}\left( t \right) \le Q_{{\rm{ho, max}}}^{\rm{F}} \end{array}\\ {0 \le \mu _{{\rm{hi}}}^{\rm{F}} + \mu _{{\rm{ho}}}^{\rm{F}} \le 1}\\ {0 \le S_{\rm{h}}^{\rm{F}}\left( t \right) \le S_{{\rm{h, max}}}^{\rm{F}}} \end{array}} \right. $ | (17) |
式中:
运行经济性目标即为系统每日的运行成本最低,具体目标函数描述为
$ \min C = \sum\limits_{t = 1}^{48} {\Delta {t_{\rm{o}}}{C_{\rm{m}}}\left( t \right)} $ | (18) |
式中:C为综合能源系统总运行成本,元;
$ {C_{\rm{m}}}\left( t \right) = {c_{\rm{q}}}{m_{\rm{q}}}\left( t \right) + {c_{\rm{d}}}\left( t \right)\sum\limits_{i = 1}^{{I_{\rm{p}}}} {{P_{{\rm{p}}, i}}(t)} $ | (19) |
式中:
该优化运行问题为混合整数线性规划问题,常见求解算法包括外围逼近法、分支定界法、割平面法等。工业园区综合能源系统优化调度模型求解过程中面临涉及多种能流介质、耦合关系复杂、搜索空间大、优化变量多的问题。因此,本文采用分支定界法进行求解,其优势在于能够将问题分解为众多子问题进行求解,求解速度快,适合应用于工业园区综合能源系统。本文采用笔者在MATLAB中编写的分支定界算法进行求解。
本文建立的工业园区综合能源系统运行优化调度技术方法如图 1所示。实际工业园区综合能源系统将设备参数、用能数据作为输入传输至搭建的数学模型,并以运行经济性为优化目标,在能量平衡约束、能源设备约束和能源网络约束条件下,考虑储能设备储能和供能管网储能,形成优化调度方案,对实际生产生活提供指导。
本文基于西安某工业园区能源系统开展综合能源系统运行优化调度应用研究。所选工业园区综合了园区内可利用的能源资源和工业企业用能特征,统一规划了多种能流供应设备及方式。如图 2,该综合能源系统由多源供热/冷子系统和微电网子系统组成,包括两台分集水器、燃气热水锅炉、地源热泵和储能水罐、释能板换设备等,满足园区内的工业企业多种品位多种能流的需求。园区用能情况及园区供能设备如表 1所示。其中,储能水罐既能储热也能储冷。通过分水器及区域管网,热/冷流分配至不同的用户,再经回水管路回收至集水器,从而形成闭环回路。微电网子系统为园区内水泵、地源热泵等设备供电,消耗外购电能。然而,该园区目前调度计划较为简单,管控模式较为粗放,尚未充分开发综合能源系统多能互补、集成优化潜力。
|
该工业园区设备参数不齐,测点设置过少,缺少部分运行数据,影响了后续的优化调度研究。因此,基于园区的IES模型,根据IES的流程和结构,利用动态仿真平台Apros,搭建对应的仿真模型,包括分集水子系统、燃气锅炉子系统、地源热泵子系统、储能系统、微电网子系统、冷热网子系统。对建立的仿真模型在不同工况下进行稳、动态验证,检验模型的正确性和有效性。在此过程中,结合工业园区综合能源物理系统历史运行测点数据,对管道阻力系数、管道散热系数等参数进行修正,并根据机组设备基本情况和运行状况完善了设备参数。以管道散热系数为例,在供热管道热源侧处和回水管道用户侧处,均设置有温度监测装置,将管网部分截取成单独的系统,以收集到的同等供热管网规模的管道散热系数为初始值,以源侧供热温度为输入变量,将输出的用户侧回水温度和实际采集到的数据进行对比分析,通过调节Apros仿真模型中的管道散热系数值以将动态模拟结果的相对误差控制在合理范围内。
利用冬季/夏季供暖/冷两种工况验证模型。冬季典型工况中,燃气热水锅炉、地源热泵机组及储热水罐协同出力、相互配合以满足工业企业供暖需求。选取某典型供暖日12:30—21:00时段的供暖动态运行工况作为验证区间。夏季典型工况中,地源热泵机组及储冷水罐协同出力、相互配合以满足工业企业制冷需求。选取某典型供冷日15:00—20:30时段的运行数据作为验证区间,针对仿真系统中供冷涉及的设备重要参数进行验证。验证结果显示,不同工况下,总体稳态验证误差在2.5%左右,控制在4%以内;动态验证误差在4%左右,总体控制在10%以内,详见附录A。
仿真模型动态验证的相对误差控制在允许范围之内,从而证明了所搭建的仿真模型正确且有效。产生误差的原因有:
1)仿真模型中的部分设备参数和静态参数基于历史运行数据和单一工况数据修正得到。事实上,不同运行工况会影响静态参数的值,这在仿真模型中未得到体现,进而使计算结果出现偏差。然而,通过所有运行工况下所有设备静态参数值修正得到阻力系数、传热系数等参数,大大增加模型调试时间,可行性较低。
2)供热/冷系统具有较大惯性,而电力系统惯性较小,时间尺度差异较大。实际系统运行数据采样频率过低,使输入输出量、控制量与节点能流参数难以实时对应,造成计算误差。
其中,蒸发器侧水泵功率仿真相对误差较高,但工质关键参数温度、流量、压力的相对误差较小,对于管道阻力系数、管道散热系数的修正并无影响,对除泵以外设备的缺失参数完善无影响。而水泵功率、热泵功率计算过程参数均由工业园区实际设备参数输入设定,这两种设备本身不需要通过Apros进行修正,且对其他参数修正不会造成影响。
2.3 综合能源系统日前运行优化调度本文将建立的综合能源系统日前运行优化调度模型应用于该工业园区,对其日前运行调度进行优化,以提升系统运行经济性和设备出力稳定性。
本文选取该工业园区冬季某日典型供热工况进行优化研究。该种工况下,系统运行设备包括两台燃气热水锅炉机组、一台地源热泵机组及储热水罐系统。该日运行工况如图 3(a)所示,在夜间工况时段00:00—07:00,用户侧热负荷主要由燃气热水锅炉机组承担,地源热泵在夜间电负荷低谷时期出力,生产的热储存在储热水罐中,实现热负荷在时间上的搬移。在日间工况,用户侧负荷仍由燃气热水锅炉机组承担基础负荷,储热水罐在尖峰负荷时开始稳定释放提前储存的热能,直至热能释放完全;地源热泵机组优先级最低,在储热水罐出力不足时供热。该园区采用负荷跟随控制方式,存在的问题有:
1)地源热泵机组运行出力未充分考虑电负荷波动的影响。电负荷波动体现为分时电价。在18:00—23:00时段,为满足高峰热负荷需求,系统运行时开启了地源热泵,消耗了同样处在高峰期的电负荷,使热电负荷未实现解耦。
2)储热水罐设备储放热策略未得到优化。储热水罐运行策略为:日间工况下,保持水罐侧水泵最大功率,即流量不变,持续释放热能直至热能释放完全,该运行方式未充分考虑用户热负荷时间性及其他机组出力情况。
3)供热管网热惯性未充分利用。热网储热能力未能充分利用,降低了供热设备组合的灵活性。
针对该园区,一次能源购入成本为燃气成本,二次能源购入成本为外购电成本。燃气成本
|
|
基于此,对该工业园区的综合能源系统开展优化调度求解。本文选取的优化时间步长为0.5 h。综合能源系统中各个能流网络的延迟性不同,使其运行时间尺度不一。但考虑到案例所在的工业园区的实际情况,热负荷为主要负荷,且测点数据采样频率为0.5 h,本文在对该园区进行案例研究时,以热的时间属性为主,选取0.5 h为时间尺度。
图 3(b)为考虑热网储热的日前运行调度优化方案(方案1)。1号燃气热水锅炉与热泵机组协同出力,利用热网提前储热以应对第1个尖峰热负荷的到来;在热负荷上升的06:00—07:00时段,通过热网放热满足部分热需求,以减小锅炉出力波动性。此后,4种供热设备联合供热,4种供热设备为1号燃气热水锅炉、2号燃气热水锅炉、地源热泵机组及储热水罐。考虑供热管网储热特性,供热总出力尽量满足用户实时需求,围绕用户需求曲线波动。电负荷波动影响通过分时电价反映:电负荷高峰期表现为高电价,使得热泵机组供热经济性低于燃气热水锅炉。储热水罐与燃气热水锅炉协同承担电负荷高峰期的热负荷。该运行调度策略在保证用户需求满足的情况下,利用储热水罐将电负荷高峰期热泵供热耗电转移到了电负荷低谷期,从而降低一天内的总供热成本,实现经济性优化。
图 3(c)为未考虑热网储热的日前运行调度优化方案(方案2)。相比于方案1,方案2中1号锅炉出力波动明显更大,表明考虑热网储热特性后系统设备出力稳定性有所提升,有利于延长设备使用寿命,也降低了机组调峰难度。由运行调度方案经济性对比表(表 4)可以看到,方案1比方案2更经济,相较于现有的运行工况,方案1节省日运行成本达1 445元。
|
1)本文围绕一个存在电、热、冷、天然气等多种能流并服务于生产生活负荷统筹的工业园区综合能源系统开展了建模,结合系统储热特性,提出了日前运行优化调度模型。同时对热网储热能力进行量化,这一量化方法可用于后续对工业园区内其他能流如天然气、压缩空气等,开展类似的储能能力分析。目标函数为运行成本最小,以分时电价考虑电网负荷波动的影响,并基于分支定界法求解模型。
2)对西安某实际工业园区综合能源系统开展了案例研究,利用Apros平台建立的综合能源系统仿真模型和历史运行数据,对管道阻力系数、管道散热系数等进行修正,完善系统设备参数。验证结果表明,模型的关键参数,如温度、压力、流量、耗电量等,动态计算相对误差在4%左右,总体相对误差控制在10%以内,证明了模型和修正参数的正确性和有效性。
3)以该园区冬季某典型供暖工况为例,利用建立的运行优化模型,对该园区用能系统的日前调度方案进行改进。优化结果表明,相比于原运行工况,考虑了系统储热特性后,日前运行优化调度方案可为系统单日运行节省成本达1 445元,表现出更好的经济性和机组出力稳定性。
附录见本刊网络版(http://hve.epri.sgcc.com.cn/CN/volumn/current.shtml)。
附录A[1] |
GEIDL M. Integrated modeling and optimization of multicarrier energy systems[D]. Zurich, Switzerland: ETH Zurich, 2007.
(0) |
[2] |
FU X, HUANG S, LI R, et al. Electric power output optimization for CCHP using PSO theory[J]. Energy Procedia, 2016, 103: 9-14. DOI:10.1016/j.egypro.2016.11.241 (0) |
[3] |
赵成. 三联供系统在不同运行策略下的经济性分析[J]. 建筑热能通风空调, 2018, 37(6): 30-34. ZHAO Cheng. Economic analysis on CCHP under different operation strategies[J]. Building Energy & Environment, 2018, 37(6): 30-34. DOI:10.3969/j.issn.1003-0344.2018.06.007 (0) |
[4] |
王锐, 顾伟, 吴志. 含可再生能源的热电联供型微网经济运行优化[J]. 电力系统自动化, 2011, 35(8): 22-27. WANG Rui, GU Wei, WU Zhi. Economic operation optimization of combined heat and power supply microgrid with renewable energy[J]. Automation of Electric Power Systems, 2011, 35(8): 22-27. (0) |
[5] |
LAI S M, HUI C W. Integration of the trigeneration system and thermal storage under demand uncertainties[J]. Applied Energy, 2010, 87(7): 2868-2880. (0) |
[6] |
白牧可, 王越, 唐巍, 等. 基于区间线性规划的区域综合能源系统日前优化调度[J]. 电网技术, 2017, 41(12): 3963-3970. BAI Muke, WANG Yue, TANG Wei, et al. Day-ahead optimal dispatching regional integrated energy system based on interval linear programming[J]. Power System Technology, 2017, 41(12): 3963-3970. (0) |
[7] |
孙宏斌, 潘昭光, 郭庆来. 多能流能量管理研究:挑战与展望[J]. 电力系统自动化, 2016, 40(15): 1-8, 16. SUN Hongbin, PAN Shaoguang, GUO Qinglai. Research on multienergy flow energy management: challenges and prospects[J]. Automation of Electric Power System, 2016, 40(15): 1-8, 16. DOI:10.7500/AEPS20160522006 (0) |
[8] |
AWAD B, WU J, EKANAYAKE J, et al. Integrated operation of an energy microgrid with islanded electricity network[C]//21th International Conference on Electricity Distribution. Frankfurt, Germany: [s.n.], 2011: 0344.
(0) |
[9] |
CHAUDRY M, JENKINS N, STRBAC G. Multi-time period combined gas and electricity network optimization[J]. Electric Power Systems Research, 2008, 78(2008): 1265-1279. (0) |
[10] |
崔杨, 杨志文, 张节潭, 等. 计及综合成本的风电–光伏–光热联合出力调度策略[J]. 高电压技术, 2019, 45(1): 269-275. CUI Yang, YANG Zhiwen, ZHANG Jietan, et al. Scheduling strategy of wind power-photovoltaic power-concentrating solar power considering comprehensive costs[J]. High Voltage Engineering, 2019, 45(1): 269-275. (0) |
[11] |
艾芊, 郝然. 多能互补、集成优化能源系统关键技术及挑战[J]. 电力系统自动化, 2018, 42(4): 2-10, 46. AI Qian, HAO Ran. Key technologies and challenges for multi-energy complementary, integrated and optimized energy system[J]. Automation of Electric Power Systems, 2018, 42(4): 2-10, 46. (0) |
[12] |
李广阔, 陈来军, 谢毓广, 等. 考虑压缩空气储能变工况特性的风储联合系统运行优化策略[J]. 高电压技术, 2020, 46(2): 511-518. LI Guangkuo, CHEN Laijun, XIE Yuguang, et al. Coordinated optimization strategies of wind-storage hybrid system considering off-design characteristics of compressed air energy storage[J]. High Voltage Engineering, 2020, 46(2): 511-518. (0) |
[13] |
孙玉树, 杨敏, 师长立, 等. 储能的应用现状和发展趋势分析[J]. 高电压技术, 2020, 46(1): 80-89. SUN Yushu, YANG Min, SHI Changli, et al. Analysis of application status and development trend of energy storage[J]. High Voltage Engineering, 2020, 46(1): 80-89. (0) |
[14] |
蔡霁霖, 徐青山, 袁晓冬, 等. 基于风电消纳时序场景的电池储能系统配置策略[J]. 高电压技术, 2019, 45(3): 993-1001. CAI Jilin, XU Qingshan, YUAN Xiaodong, et al. Configuration strategy of large-scale battery storage system orienting wind power consumption based on temporal scenarios[J]. High Voltage Engineering, 2019, 45(3): 993-1001. (0) |
[15] |
白中华, 苗常海, 王雯, 等. 储热技术在综合能源系统中的应用价值[J]. 供用电, 2019, 36(3): 20-26. BAI Zhonghua, MIAO Changhai, WANG Wen, et al. Application value of heat storage technology in integrated energy system[J]. Distribution & Utilizatoin, 2019, 36(3): 20-26. (0) |
[16] |
熊文, 刘育权, 苏万煌, 等. 考虑多能互补的区域综合能源系统多种储能优化配置[J]. 电力自动化设备, 2019, 39(1): 118-126. XIONG Wen, LIU Yuquan, SU Wanhuang, et al. Multiple energy storage configurations are considered for the regional integrated energy system with multi-energy complementarity[J]. Electric Power Automation Equipment, 2019, 39(1): 118-126. (0) |
[17] |
JAY H, LI H, FREDRIK W, et al. Flexibility in thermal grids: a review of short-term storage in district heating distribution networks[J]. Energy Procedia, 2019, 158: 2430-2434. (0) |
[18] |
GU W, WANG J, LU S, et al. Optimal operation for integrated energy system considering thermal inertia of district heating network and buildings[J]. Applied Energy, 2017, 199(2017): 234-246. (0) |
[19] |
JIE P, TIAN Z, YUAN S, et al. Modeling the dynamic characteristics of a district heating network[J]. Energy, 2012, 39(2012): 126-134. (0) |
[20] |
LI Z, WU W, SHAHIDEHPOUR M, et al. Combined heat and power dispatch considering pipeline energy storage of district heating network[J]. IEEE Transactions on Sustainable Energy, 2016, 7(1): 12-22. (0) |
[21] |
VANDERMEULEN A, VAN H B, HELSEN L. Controlling district heating and cooling networks to unlock flexibility: a review[J]. Energy, 2018, 151(2018): 103-115. (0) |
[22] |
张慧帅. 600 MW热电联产机组利用热网蓄能特性的灵活性研究[D].北京: 华北电力大学, 2019. ZHANG Huishuai. Research on flexibility of 600 MW cogeneration units using thermal network energy storage characteristics[D]. Beijing, China: North China Electric Power University, 2019. (0) |
[23] |
杨丽君, 梁景志, 曹玉洁, 等. 基于热网储热特性的电−热系统联合经济调度[J]. 太阳能学报, 2020, 41(5): 1-8. YANG Lijun, LIANG Jingzhi, CAO Yujie, et al. Joint economic dispatch of electric thermal system based on heat storage characteristics of heat supply network[J]. Acta Solar Energy Sinica, 2020, 41(5): 1-8. (0) |
[24] |
黄锦波.多主体能源系统分布式运行优化方法研究[D].广州: 华南理工大学, 2019. HUANG Jinbo. Decentralized dispatch methods of energy systems with multiple agents[D]. Guangzhou, China: South China University of Technology, 2019. (0) |
[25] |
李丹.面向新能源消纳的电−热综合能源系统日前优化调度策略[D].吉林: 东北电力大学, 2020. LI Dan. Day-ahead optimal scheduling strategy of electricity-heat integrated energy system for new energy accommodation[D]. Jilin, China: Northeast Electric Power University, 2020. (0) |
[26] |
晏涛.基于Apros的600 MW汽轮机组仿真[D].南京: 东南大学, 2004. YAN Tao. Simulation of the turbine system of 600 MW power plant based on Apros[D]. Nanjing, China: Southeast University, 2004. (0) |
[27] |
陈珩. 电力系统稳态分析[M]. 北京: 中国电力出版社, 2007. CHEN Heng. Steady state analysis of power system[M]. Beijing, China: China Electric Power Press, 2007. (0) |
[28] |
乔红, 曹越, 戴义平. 300 MW重型燃气轮机数学建模与动态仿真[J].燃气轮机技术, 2016, 29(2): 28-33. QIAO Hong, CAO Yue, DAI Yiping. Mathematical modeling and dynamic simulation of 300 MW heavy duty gas turbine[M]. Gas Turbine Technology, 2016, 29(2): 28-33. (0) |
[29] |
刘晓琳, 王兆杰, 高峰, 等. 分时电价下的高耗能企业发用电响应[J]. 电力系统自动化, 2014, 38(8): 41-49. LIU Xiaolin, WANG Zhaojie, GAO Feng, et al. Response of energy-intensive enterprises to electricity generation under time-of-use electricity price[J]. Automation of Electric Power Systems, 2014, 38(8): 41-49. (0) |
[30] |
粟世玮, 杨玄, 张思洋, 等. 基于分时电价的电动汽车有序充电[J]. 电力科学与工程, 2019, 35(7): 23-28. SU Shiwei, YANG Xuan, ZHANG Siyang, et al. Orderly charging of electric vehicles based on time-of-use electricity price[J]. Electric Power Science and Engineering, 2019, 35(7): 23-28. (0) |