电气工程学报, 2022, 17(3): 170-176 doi: 10.11985/2022.03.020

电力系统

考虑风电消纳的冷热电联供型综合能源系统多目标日前优化调度*

陈克文,1, 王帅2, 韩兴臣2, 张智晟1

1.青岛大学电气工程学院 青岛 266071

2.国网山东省电力公司青岛供电公司 青岛 266002

Multi-objective Day-ahead Optimization Scheduling of Integrated Energy System with CCHP Considering Wind Power Consumption

CHEN Kewen,1, WANG Shuai2, HAN Xingchen2, ZHANG Zhisheng1

1. College of Electrical Engineering, Qingdao University, Qingdao 266071

2. Qingdao Power Supply Company, State Grid Shandong Electric Power Company, Qingdao 266002

收稿日期: 2021-08-30   修回日期: 2022-04-10  

基金资助: *国网山东省电力公司科技资助项目.  2020A-022

Received: 2021-08-30   Revised: 2022-04-10  

作者简介 About authors

陈克文,男,1996年生,硕士研究生。主要研究方向为综合能源系统的优化调度。E-mail: 1573760996@qq.com

摘要

冷热电联供系统因其能源利用率高等特点在综合能源系统中得到广泛应用,但是由于其“以热定电”模式的约束,供热和供电不能解耦,使得大量风电难以消纳。针对我国冬季夜间大量风电未被使用的问题,将热泵及电转气装置纳入综合能源系统,研究二者对于消纳风电的作用。以综合能源系统总经济成本、温室气体排放量及净负荷波动最小为目标函数,计及联络线、储能上下限及功率平衡约束条件,采用帕累托多目标粒子群算法对模型进行求解,并设置四种场景,探究不同场景下热泵及电转气对于系统各个方面的影响。仿真分析了加入热泵及电转气装置前后系统的风电消纳及负荷波动情况,验证了所提方法的有效性。

关键词: 风电消纳 ; 削峰填谷 ; 综合能源系统 ; 帕累托优化 ; 经济调度

Abstract

Combined cooling, heating and power system is widely used in integrated energy system because of its high energy utilization rate. However, due to the constraint of the mode of “power determined by heat”, heating and power supply cannot be decoupled, which makes it difficult to absorb a large number of wind power. In view of the problem that a large number of wind power is not used in winter night in China, especially in the “Three North Area”, the heat pump and power to gas device are incorporated into the integrated energy system to study their role in the absorption of wind power. Taking the minimum fluctuation of the total economic cost, greenhouse gas emissions and net load of the integrated energy system as the objective function, taking into account the tie line, energy storage and power balance constraints, the Pareto multi-objective particle swarm optimization algorithm is used to solve the model, and four scenarios are set to explore the influence of heat pump and electric gas on all aspects of the system in different scenarios. The wind power consumption and load fluctuation of the system before and after adding heat pump and power to gas device are simulated and analyzed, and the effectiveness of the proposed method is verified.

Keywords: Wind power consumption ; peak shaving and valley filling ; integrated energy system ; Pareto optimization ; economic dispatch

PDF (337KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

陈克文, 王帅, 韩兴臣, 张智晟. 考虑风电消纳的冷热电联供型综合能源系统多目标日前优化调度*. 电气工程学报[J], 2022, 17(3): 170-176 doi:10.11985/2022.03.020

CHEN Kewen, WANG Shuai, HAN Xingchen, ZHANG Zhisheng. Multi-objective Day-ahead Optimization Scheduling of Integrated Energy System with CCHP Considering Wind Power Consumption. Chinese Journal of Electrical Engineering[J], 2022, 17(3): 170-176 doi:10.11985/2022.03.020

1 引言

随着传统化石能源的枯竭,可再生能源在人类生活中的比重越来越大,并且可再生能源大多为清洁能源。但新能源出力本身具有不确定性、间歇性及波动性等特点,从调度角度消纳新能源是一个具有挑战性的问题。随着新能源越来越大规模的发展,弃风、弃光现象逐渐突出,引起了广泛关注,如何增加新能源的利用率,成为当下的热点问题。

由于人类社会越来越多元化的需求,未来的电力系统不会再独立运行,必然是结合天然气、光伏、风电等多种能源形式的综合能源系统[1-3]。在以冷热电联供(Combined cooling, heating and power, CCHP)系统为核心的综合能源系统中,“以热定电”或“以电定热”模式均有其劣势,不利于能源系统的灵活调配。而地源热泵技术可以解除热电耦合,不再受到“以热定电”的限制,使CCHP灵活调控。热泵可以消耗少量电能,并输出大量热能,其值为所消耗电能的3~8倍,能源的利用效率极高。由于风电出力的波动性及间歇性,导致风电难以大规模上网接入使用,而电转气(Power to gas, P2G)装置的出现使得风电的大规模利用和存储成为可能。电转气装置可以将多余的风电转换成氢气或天然气,但由于氢气不利于大规模存储及运输,且其安全系数不如天然气,因此一般转换成天然气运输或存储。此类能源转换设备可以提高系统灵活性,也可以将天然气系统、热(冷)系统、电力系统进行耦合,增强系统间的联系。文献[4-5]构造含电转气的热电联产模型,验证了电转气设备能够提高能源多级利用率,增强系统电/热储能配置优化但并未考虑电转气设备对于消纳风电的作用。

在北方冬季夜间风电产出较高,且冬季热负荷需求较大,CCHP系统受到“以热定电”模式的约束,系统可调发电范围太小,导致大量风电未被使用,造成夜间风电大量浪费,弃风现象严重。因此要采取措施,合理消纳风电,减少浪费。文献[6]在考虑需求响应的基础上,将电动汽车模型纳入综合能源系统,验证了电动汽车对于系统削峰填谷及消纳风电的作用,但并未计及储能系统对于风电的影响;文献[7]提出日前日内两阶段调度方法消纳风电,该方法不仅可以减少煤耗,还能够利用更多风电,在经济性及环保性上有更好的效果;文献[8]验证了电转气技术可以增强系统消纳风电的能力,但同样没有计及储能系统的作用。

在此背景下,本文探讨了电转气、储能和热泵等装置在综合能源系统中消纳风电的作用。同时,由于各类能源的接入使传统电力系统的稳定性与经济性得到了极大的挑战,并且使得综合能源系统往往无法同时兼顾经济性和环保性,因此如何平衡系统的运行成本及排出的温室气体成为综合能源系统优化调度的又一大难点。基于此,本文引入了帕累托多目标算法[9]对综合能源系统的运行成本、温室气体排放及系统的削峰填谷指标同时进行优化。

2 日前优化调度模型

本文研究的综合能源系统如图1所示。主要包括储能以及热泵、冷热电联供系统、光伏、风机、电转气等能源转换设备。在此系统中,地源热泵能够利用少量电能输出大量高品质的热能,并且与CCHP系统配合可以解耦热电联产;电转气设备可增强电力系统与天然气系统间的联系。二者接入系统后,相当于增加了部分电负荷,而这部分电能可由可再生能源如风能提供,这有利于消纳风电,提高能源利用率。

图1

图1   综合能源系统结构


2.1 目标函数

构建的目标函数主要包括三个部分,分别是系统的经济成本、气体排放量以及系统削峰填谷指标。目的是使系统运行成本最低、气体排放最少以及系统净负荷曲线最平稳。

2.1.1 系统综合经济成本

系统综合经济成本为

$\min F=\sum\limits_{t=1}^{T}{[{{C}_{FU}}(t)+{{C}_{EX}}(t)+}{{C}_{CH}}(t)+{{C}_{wind}}+{{C}_{OM}}]$

(1) 机组燃料成本为

${{C}_{FU}}(t)={{C}_{CH4}}{{V}_{MT}}\frac{\Delta t}{{{L}_{CH4}}}$

(2) 电能交互成本为

$\begin{matrix} {{C}_{EX}}(t)={{C}_{buy}}(t)\max \left\{ {{P}_{EX}}(t),0 \right\}+ \\ {{C}_{sell}}(t)\max \left\{ -{{P}_{EX}}(t),0 \right\} \\ \end{matrix}$

(3) 制冷制热及售电收益为

${{C}_{CH}}(t)={{C}_{co}}{{Q}_{co}}(t)+{{C}_{he}}{{Q}_{he}}(t)+{{C}_{P}}{{P}_{load}}(t)$

(4) 弃风惩罚费用为

${{C}_{wind}}={{c}_{w}}\Delta {{P}_{w}}$

(5) 能源转换设备的维护成本为

${{C}_{OM}}=\sum\limits_{i=1}^{I}{{{P}_{i}}(t){{K}_{i}}+\sum\limits_{j=1}^{J}{{{P}_{j}}(t){{K}_{j}}+\left| {{P}_{ES}}(t){{K}_{ES}} \right|}}$

式中,$F$为系统综合经济成本;T为调度总时段数;${{C}_{FU}}(t)$${{C}_{EX}}(t)$${{C}_{CH}}(t)$${{C}_{wind}}$${{C}_{OM}}$分别为t时段的所需燃气费用、向电网买(售)电费用、制冷制热售电收益、弃风惩罚费用以及机组运维成本;${{C}_{CH4}}$为购买天然气的单价;${{V}_{MT}}$为系统中燃气轮机实际使用的天然气量;${{L}_{CH4}}$为天然气的低热值;${{P}_{EX}}(t)$t时段电网的交互功率,若为正则表示系统产电不足时需要购买的电功率,反之表示售出的电功率;${{Q}_{co}}(t)$${{Q}_{he}}(t)$${{P}_{load}}(t)$分别为$t$时段用户的冷、热和电负荷;${{C}_{buy}}(t)$${{C}_{sell}}(t)$分别为t时段系统购电、卖电时的单价;${{C}_{co}}$${{C}_{he}}$${{C}_{P}}$分别为向用户单位制冷、制热和售电收益价格;${{c}_{w}}$为弃风惩罚的单位价格;$\Delta {{P}_{w}}$为风电场的弃风功率;${{C}_{OM}}$表示机组的维护成本;$I$$J$分别表示可控机组、可再生能源机组的机组数;${{P}_{i}}(t)$${{P}_{j}}(t)$${{K}_{i}}$${{K}_{j}}$分别表示可控机组、可再生能源机组的有功出力及其单位功率运维成本;${{K}_{ES}}$表示单位功率的储能运维成本;${{P}_{ES}}(t)$$t$时段储能装置的出力。

2.1.2 气体排放量

在提出2030年前达到碳达峰和2060年前实现碳中和目标愿景下,我国综合能源系统面临新形势和新要求,而碳减排是实现碳达峰、碳中和的重要手段[10-12]。因此本文考虑将减少温室气体排放量[13]作为目标函数之一。气体排放量${{V}_{gas}}$可以表示为

${{V}_{gas}}=\sum\limits_{t=1}^{T}{({{\mu }_{e}}{{P}_{EX}}+{{\mu }_{g}}{{V}_{MT}})}$

式中,${{\mu }_{g}}$${{\mu }_{e}}$分别为单位天然气、单位电功率下气体的排放量。

2.1.3 削峰填谷指标

针对目前风电、光伏接入综合能源系统引起系统内负荷波动大的问题,本文对净负荷进行削峰填谷,其中净负荷为电负荷、电转气功率与燃气轮机出力、风电场出力、地源热泵出力的差值[14]。将净负荷方差作为削峰填谷指标,有利于平滑净负荷曲线,实现系统的稳定运行[15-16]。本文削峰填谷指标采用净负荷的方差表示,其方差G可以表示为

$G=\frac{1}{T}\sum\limits_{t=\text{1}}^{T}{{{({{P}_{nt}}-{{P}_{nt,av}})}^{2}}}$

净负荷${{P}_{nt}}$可以表示为

${{P}_{nt}}={{P}_{load}}+{{P}_{HP}}+{{P}_{P2G}}+{{P}_{ES}}-{{P}_{MT}}-{{P}_{PV}}-{{P}_{wind}}$

净负荷的平均值${{P}_{nt,av}}$可以表示为

${{P}_{nt,av}}\text{=}\frac{1}{T}\sum\limits_{t=1}^{T}{{{P}_{nt}}}$

式中,${{P}_{HP}}$${{P}_{P2G}}$分别为热泵及P2G所需的电能;${{P}_{MT}}$${{P}_{PV}}$${{P}_{wind}}$分别为燃气轮机、光伏系统及风电场的有功出力。

2.2 约束条件

(1) 联络线功率约束

${{P}_{line,\min }}\le {{P}_{EX}}\le {{P}_{line,\max }}$

(2) 机组运行约束

$P_{i}^{\min }\le {{P}_{i}}(t)\le P_{i}^{\max }$
$-{{r}_{i,down}}\le {{P}_{i}}(t)-{{P}_{i}}(t-1)\le {{r}_{i,up}}$

(3) 功率平衡约束

$\begin{align} & {{P}_{PV}}(t)+{{P}_{wind}}(t)+{{P}_{MT}}(t)+{{P}_{ES}}(t)= \\ & {{P}_{load}}(t)+{{P}_{HP}}(t)+{{P}_{EX}}(t)+{{P}_{P2G}}(t) \\ \end{align}$
${{Q}_{LB,h}}(t)+{{Q}_{HP,h}}(t)={{Q}_{he}}(t)$
${{Q}_{LB,c}}(t)+{{Q}_{HP,c}}(t)={{Q}_{co}}(t)$

(4) 储能约束

${{\lambda }_{\min }}{{C}_{ES}}\le {{E}_{ES}}(t)\le {{\lambda }_{\max }}{{C}_{ES}}$
$-{{P}_{cha,\max }}\le {{P}_{ES}}(t)\le {{P}_{dis,\max }}$

式中,${{P}_{line,\min }}$为系统向电网传输功率的最大值,此值为负数,表示系统可向电网售电量的最大值;${{P}_{line,\max }}$为电网向系统传输功率的最大值;$P_{i}^{\max }$$P_{i}^{\min }$${{r}_{i,up}}$$-{{r}_{i,down}}$分别为能源转换设备出力、爬坡功率的上下限;${{Q}_{LB,h}}(t)$${{Q}_{HP,h}}(t)$${{Q}_{LB,c}}(t)$${{Q}_{HP,c}}(t)$分别为燃气轮机、热泵所能供给的热、冷功率;${{\lambda }_{\min }}$${{\lambda }_{\max }}$分别为储能设备充放电最小、最大状态值;${{C}_{ES}}$为储能装置的容量;$-{{P}_{cha,\max }}$${{P}_{dis,\max }}$分别为储能装置的最大输入、输出功率。

3 算法介绍

由于本文所研究的为多目标优化问题,使用传统的线性加权法难以得到合适的全局折衷解,因此本文选用帕累托多目标粒子群算法[17]求解。通过判断解向量之间的支配关系,得到非劣解集,再计算非劣解集中的满意度,选取其最大值作为最终解。

各非劣解的满意度计算方法为

${{\varphi }_{i}}=(\sum\limits_{m=1}^{M}{\varphi _{i}^{m}})/(\sum\limits_{i=1}^{I}{\sum\limits_{m=1}^{M}{\varphi _{i}^{m}}})$
$\varphi _{i}^{m}=\left\{ \begin{matrix} 1\ \ \ \ \ \ \ f_{i}^{m}<{{f}^{m,\min }}\ \ \ \ \ \ \ \ \ \ \ \ \\ \frac{{{f}^{m,\max }}-f_{i}^{m}}{{{f}^{m,\max }}-{{f}^{m,\min }}}{{f}^{m,\min }}\le f_{i}^{m}\le {{f}^{m,\max }} \\ 0\ \ \ \ \ \ f_{i}^{m}>{{f}^{m,\max }}\ \ \ \ \ \ \ \ \ \ \ \ \\ \end{matrix} \right.$

式中,$M$$I$分别代表目标函数、非劣解的个数;$\varphi _{i}^{m}$$f_{i}^{m}$代表第$i$个非劣解的第$m$个目标函数对应的满意度及函数值;${{f}^{m,\min }}$${{f}^{m,\max }}$分别表示解集中第$m$个目标函数的最小值、最大值。

求解流程如图2所示。

图2

图2   算法流程


4 算例仿真分析

4.1 算例数据

算例数据参考文献[18],系统内包含储能以及冷热电联供系统、光伏、风机、P2G等能源转换设备。分析该算例时,以热负荷为例进行分析,并选择调度周期为24 h,共包含24个时段,每个时段为1 h。在系统中,电价采取分时电价,峰时段(10:00—15:00、18:00—21:00)、谷时段(23:00—次日6:00)及平时段(其他时间)的购电价分别为1.00元、0.38元、0.70元;售电价分别为0.70元、0.25元、0.40元。为探究热泵及P2G对于系统内消纳风电、减少经济成本等的作用,本文设置四种场景,分别研究各场景下风电消纳、经济成本等情况。各场景分别为:① 无P2G和热泵;② 仅有热泵;③ 仅有P2G设备;④ 含P2G和热泵。

4.2 算例分析

4.2.1 各场景弃风情况对比

表1可以看出,在系统内不含热泵及P2G装置时,系统内的综合成本、气体排放量以及弃风率都是最高,其中弃风率达到了75.94%,大量的风电被浪费;而加入热泵时,其综合成本相较于场景1减少了约17.33%,弃风率减少了12.88%。而由于热泵的加入,使得燃气轮机不用承担全部的热负荷,因此会使燃气轮机需要的天然气的量减少,从而使得气体排放量减少,降低了约12.69%;场景3加入P2G装置时,由于P2G装置可以供给燃气轮机所需的一部分天然气,所以除了减少的一部分弃风惩罚费用外,还会在燃气轮机的燃气费上减少一些,因此在综合成本上比场景2略低,相较于场景1减少了约28.38%,而风电消纳率提高了13.64%。可以看到在系统内单独加入热泵或者P2G时对于系统内消纳风电的情况是有效的,并且由于P2G装置可以消耗多余的风电产生天然气供给燃气轮机使用,能减少一部分的综合费用,在经济成本方面效果更好;当同时加入热泵和P2G装置时,系统的综合成本大大降低,减少了约45.03%,同时弃风率仅有35.62%,极大提升了系统消纳风电的能力。

表1   各场景弃风情况

调度方式综合成本/万元排放气体/m3弃风率(%)
场景119.5034 73275.94
场景216.1230 32563.06
场景314.5532 10962.30
场景410.7229 73735.62

新窗口打开| 下载CSV


各场景风电消纳情况如图3所示。

图3

图3   各场景风电消纳情况


4.2.2 各场景净负荷情况对比

表2图4所示,单独加入P2G装置或热泵时净负荷波动情况相差无几。场景1即不加入热泵和P2G装置时,系统的净负荷方差最大,为63 575;而单独加入P2G时,净负荷方差有所降低,为43 936;当单独加入热泵装置时,净负荷方差为43 132,与单独加入P2G时十分相近;而两者都计入系统内时,净负荷方差为30 571,比系统内仅热泵或P2G时降低了约29.78%,而比系统内无这两种装置时减少了约51.91%。净负荷方差的降低使得系统内的负荷曲线趋于平稳,对于系统稳定性的增强有着极大的意义。

表2   各场景净负荷方差表

调度方式净负荷方差/(kW)2
场景163 575
场景243 132
场景343 936
场景430 571

新窗口打开| 下载CSV


图4

图4   各场景净负荷曲线


图5为各场景下燃气轮机的出力对比情况。由图可见,系统内热泵的存在与否,对燃气轮机电出力的影响十分显著。当加入热泵之后,燃气轮机不再受到“热电耦合”限制,电出力有了很明显的降低,极大地提升了风电的上网空间。

图5

图5   燃气轮机出力对比


5 结论

本文针对我国冬季尤其是“三北地区”夜间弃风严重的问题,将热泵及P2G装置纳入系统内,研究二者对于系统消纳风电的作用。将系统综合成本、气体排放及系统净负荷方差作为目标函数,并设计四种场景,分别探究各场景下系统的综合成本、气体排放、弃风率以及系统的削峰填谷情况,分析并得到以下结论。

(1) 系统内单独加入热泵或者P2G装置时,能够消纳一定的风电,提升风电上网空间,减少浪费。

(2) 当考虑削峰填谷指标时,能够有效改善系统负荷的波动情况,使得负荷曲线更加平稳,波动性更低。

(3) 热泵及P2G装置的“配合”使得系统在综合经济成本、气体排放、风电消纳率、净负荷方差等方面都能达到更好的效果,达到了经济成本和负荷波动的折衷最优解,并且使得系统调度更加灵活、方便,更适合系统调度人员进行决策。

参考文献

黎静华, 朱梦姝, 陆悦江, .

综合能源系统优化调度综述

[J]. 电网技术, 2021, 45(6):2256-2272.

[本文引用: 1]

LI Jinghua, ZHU Mengshu, LU Yuejiang, et al.

A review on the optimal scheduling of integrated energy systems

[J]. Power System Technology, 2021, 45(6):2256-2272.

[本文引用: 1]

吕佳炜, 张沈习, 程浩忠, .

考虑互联互动的区域综合能源系统规划研究综述

[J]. 中国电机工程学报, 2021, 41(12):4001-4021.

[本文引用: 1]

Jiawei, ZHANG Shenxi, CHENG Haozhong, et al.

Review on district-level integrated energy system planning considering interconnection and interaction

[J]. Proceedings of the CSEE, 2021, 41(12):4001-4021.

[本文引用: 1]

钱峰, 皮杰, 刘俊磊, .

微电网建模与控制理论综述

[J]. 武汉大学学报, 2020, 53(12):1044-1054.

[本文引用: 1]

QIAN Feng, PI Jie, LIU Junlei, et al.

Review of microgrid modeling and control theory

[J]. Engineering Journal of Wuhan University, 2020, 53(12):1044-1054.

[本文引用: 1]

崔杨, 闫石, 仲悟之, .

含电转气的区域综合能源系统热电优化调度

[J]. 电网技术, 2020, 44(11):4254-4264.

[本文引用: 1]

CUI Yang, YAN Shi, ZHONG Wuzhi, et al.

Optimal thermoelectric dispatching of regional integrated energy system with power-to-gas

[J]. Power System Technology, 2020, 44(11):4254-4264.

[本文引用: 1]

沈海平, 陈铭, 钱磊, .

计及电转气耦合的电-气互联系统机组组合线性模型研究

[J]. 电力系统保护与控制, 2019, 47(8):34-41.

[本文引用: 1]

SHEN Haiping, CHEN Ming, QIAN Lei, et al.

Linear model research of unit commitment for integrated electricity and natural-gas systems considering power-to-gas coupling

[J]. Power System Protection and Control, 2019, 47(8):34-41.

[本文引用: 1]

崔杨, 姜涛, 仲悟之, .

电动汽车与热泵促进风电消纳的区域综合能源系统经济调度方法

[J]. 电力自动化设备, 2021, 41(2):1-7.

[本文引用: 1]

CUI Yang, JIANG Tao, ZHONG Wuzhi, et al.

Economic dispatch approach of RIES for electric vehicle and heat pump to promote wind power accommodation

[J]. Electric Power Automation Equipment, 2021, 41(2):1-7.

[本文引用: 1]

崔雪, 邹晨露, 王恒, .

考虑风电消纳的电热联合系统源荷协调优化调度

[J]. 电力自动化设备, 2018, 38(7):74-81.

[本文引用: 1]

CUI Xue, ZOU Chenlu, WANG Heng, et al.

Source and load coordinative optimal dispatching of combined heat and power system considering wind power accommodation

[J]. Electric Power Automation Equipment, 2018, 38(7):74-81.

[本文引用: 1]

李杨, 刘伟佳, 赵俊华, .

含电转气的电-气-热系统协同调度与消纳风电效益分析

[J]. 电网技术, 2016, 40(12):3680-3689.

[本文引用: 1]

LI Yang, LIU Weijia, ZHAO Junhua, et al.

Optimal dispatch of combined electricity-gas-heat energy systems with power-to-gas devices and benefit analysis of wind power accommodation

[J]. Power System Technology, 2016, 40(12):3680-3689.

[本文引用: 1]

陶静, 徐武, 李逸琳, .

基于多目标算法的冷热电联供型综合能源系统运行优化

[J]. 科学技术与工程, 2019, 19(33):200-205.

[本文引用: 1]

TAO Jing, XU Wu, LI Yilin, et al.

Optimal operation of integrated energy system combined cooling heating and power based on multi-objective algorithm

[J]. Science Technology and Engineering, 2019, 19(33):200-205.

[本文引用: 1]

张运洲, 代红才, 吴潇雨, .

中国综合能源服务发展趋势与关键问题

[J]. 中国电力, 2021, 54(2):1-10.

[本文引用: 1]

ZHANG Yunzhou, DAI Hongcai, WU Xiaoyu, et al.

Development trends and key issues of China’s integrated energy services

[J]. Electric Power, 2021, 54(2):1-10.

[本文引用: 1]

屈博, 刘畅, 李德智, .

“碳中和”目标下的电能替代发展战略研究

[J]. 电力需求侧管理, 2021, 23(2):1-3,9.

[本文引用: 1]

QU Bo, LIU Chang, LI Dezhi, et al.

Research on the development strategy of electricity substitution under the target of “carbon neutral”

[J]. Power Demand Side Management, 2021, 23(2):1-3,9.

[本文引用: 1]

邹才能, 熊波, 薛华庆, .

新能源在碳中和中的地位与作用

[J]. 石油勘探与开发, 2021(2):1-10.

[本文引用: 1]

ZOU Caineng, XIONG Bo, XUE Huaqing, et al.

The role of new energy in carbon neutral

[J]. Petroleum Exploration and Development, 2021(2):1-10.

[本文引用: 1]

张涛, 郭玥彤, 李逸鸿, .

计及电气热综合需求响应的区域综合能源系统优化调度

[J]. 电力系统保护与控制, 2021, 49(1):52-61.

[本文引用: 1]

ZHANG Tao, GUO Yuetong, LI Yihong, et al.

Optimization scheduling of regional integrated energy systems based on electric-thermal-gas integrated demand response

[J]. Power System Protection and Control, 2021, 49(1):52-61.

[本文引用: 1]

卫志农, 张思德, 孙国强, .

计及电转气的电-气互联综合能源系统削峰填谷研究

[J]. 中国电机工程学报, 2017, 37(16):4601-4609,4885.

[本文引用: 1]

WEI Zhinong, ZHANG Side, SUN Guoqiang, et al.

Power-to-gas considered peak load shifting research for integrated electricity and natural-gas energy systems

[J]. Proceedings of the CSEE, 2017, 37(16):4601-4609,4885.

[本文引用: 1]

杨玉青, 牛利勇, 田立亭, .

考虑负荷优化控制的区域配电网储能配置

[J]. 电网技术, 2015, 39(4):1019-1025.

[本文引用: 1]

YANG Yuqing, NIU Liyong, TIAN Liting, et al.

Configuration of energy storage devices in regional distribution network considering optimal load control

[J]. Power System Technology, 2015, 39(4):1019-1025.

[本文引用: 1]

尚瑨, 邰能灵, 刘琦, .

采用区间控制的蓄电池储能电站调峰运行控制策略

[J]. 电工技术学报, 2015, 30(16):221-229.

[本文引用: 1]

SHANG Jin, TAI Nengling, LIU Qi, et al.

Load shifting scheme of battery energy storage system based on interval controlling

[J]. Transactions of China Electrotechnical Society, 2015, 30(16):221-229.

[本文引用: 1]

COELLO C A C, PULIDO G T, LECHUGA M S.

Handling multiple objectives with particle swarm optimization

[J]. IEEE Transactions on Evolutionary Computation, 2004, 8(3):256-279.

DOI:10.1109/TEVC.2004.826067      URL     [本文引用: 1]

崔杨, 姜涛, 仲悟之, .

考虑风电消纳的区域综合能源系统源荷协调经济调度

[J]. 电网技术, 2020, 44(7):2474-2483.

[本文引用: 1]

CUI Yang, JIANG Tao, ZHONG Wuzhi, et al.

Source-load coordination economic dispatch method for regional integrated energy system considering wind power accommodation

[J]. Power System Technology, 2020, 44(7):2474-2483.

[本文引用: 1]

/