面向综合能源系统多场景的两阶段随机规划方法和装置

    公开(公告)号:CN111222788B

    公开(公告)日:2022-05-24

    申请号:CN202010010729.2

    申请日:2020-01-06

    IPC分类号: G06Q10/06 G06Q50/06 G06Q30/02

    摘要: 本申请公开了一种面向综合能源系统多场景的两阶段随机规划方法和装置,建立了一种有补偿的两阶段的随机整数规划模型,通过投资建设和经济运行两个层次的决策对整个规划问题进行分析求解,将混合整数线性投资作为第一阶段问题,将综合能源系统的实际运行建模为第二阶段问题,将第一阶段的预期运营成本作为第二阶段的补偿函数,无论第一阶段的投资扩建决策是什么,第二阶段的模型存在一个可行解,在考虑了不同设备投资决策的二元整数变量的同时,又考虑了每个功能单元产出功率水平的连续变量,且在任何规划期内综合能源系统的产能水平能满足日益增长的用户负荷需求。

    一种光伏并网逆变器故障电流的计算方法和装置

    公开(公告)号:CN111525567B

    公开(公告)日:2022-02-15

    申请号:CN202010501371.3

    申请日:2020-06-04

    摘要: 本申请公开了一种光伏并网逆变器故障电流的计算方法和装置,用于解决现有故障分析方法对逆变器进行不同程度简化,很少基于逆变器本身的特性出发来分析电网故障电流,并以理想微源为条件进行分析,使得分析结果与实际情况相差较大的技术问题,方法包括:获取电网发生故障时的光伏并网系统逆变器输出的有功功率,故障包括对称短路故障和不对称短路故障;确定光伏并网系统的功率传输关系式和电压电流环控制策略,基于光伏并网系统逆变器输出的有功功率、光伏并网系统的功率传输关系式和电压电流环控制策略计算逆变器故障电流,逆变器故障电流包括电网发生对称短路故障下的逆变器故障电流和电网发生不对称短路故障下的逆变器故障电流。

    多微网的综合能源系统热电能流分布式优化方法和装置

    公开(公告)号:CN109345030B

    公开(公告)日:2022-02-15

    申请号:CN201811257992.0

    申请日:2018-10-26

    IPC分类号: G06Q10/04 G06Q50/06

    摘要: 本发明公开了一种多微能源网的综合能源系统热电能流分布式优化方法,在确定多微能源网的综合能源系统的组成结构和各微能源网中的热电能流的能量流动规则后,再建立各微能源网的总体运行成本函数,最后再利用ADMM算法对各总运行成本函数进行分布式求解。因此,相比于现有技术中对多微能源网的综合能源系统采用集中式优化而建立统一的优化模型而言,采用本方案,能对多微能源网中的各个微能源网均建立对应的优化模型并对该优化模型进行分布式求解,从而能对各个微能源网的热电能流均进行优化,保证了多微能源网的综合能源系统的安全和稳定运行。此外,本发明还公开了一种多微能源网的综合能源系统热电能流分布式优化装置,效果如上。

    一种考虑氢能的综合能源系统运行优化方法

    公开(公告)号:CN112989594A

    公开(公告)日:2021-06-18

    申请号:CN202110255688.8

    申请日:2021-03-09

    摘要: 本发明提供了一种考虑氢能的综合能源系统运行优化方法,包括:针对考虑氢能的综合能源系统,包括电力系统、天然气系统和氢储能系统,以设备运行约束、电力网络约束、子系统间的耦合约束为运行约束条件,以最小化运行成本为目标函数,建立所述综合能源系统的运行优化模型;向所述运行优化模型输入综合能源系统的运行参数,求解所述运行优化模型得到综合能源系统的优化运行方案;其中,所述综合能源系统的运行参数包括系统结构参数、负荷参数、设备运行参数、能量传输损耗参数、环境成本参数和出售氢气的收益参数。本发明充分考虑了电力系统、天然气系统和氢储能系统间的能量耦合约束,优化模型更加全面合理,得到的优化运行方案更加符合实际。

    基于人工神经网络的电气耦合系统多场景优化调度方法

    公开(公告)号:CN112751368A

    公开(公告)日:2021-05-04

    申请号:CN202011606428.2

    申请日:2020-12-28

    IPC分类号: H02J3/46

    摘要: 本申请公开了一种基于人工神经网络的电气耦合系统多场景优化调度方法,通过以电‑气耦合系统总经济调度成本最小化为目标,建立电‑气耦合系统随机规划的优化调度模型,并基于电‑气耦合系统随机规划的优化调度模型,调整电‑气耦合系统中的负荷条件求解多场景随机规划下的电‑气耦合系统优化调度问题获得电‑气出力及相应的最小化总经济调度成本的优化调度结果,再通过人工神经网络对优化调度结果进行训练,可以高效地完成优化调度过程,避免了求解时间较长、对随机场景集变动的适应性较差以及难以应用于更为复杂的随机规划场景的技术问题,即可独立于商业求解器,这使得使用求解器的时间极大缩短,大大降低了优化所需的经济开支。