基于碳捕集与封存-电转气-电解熔融盐协同的虚拟电厂优化调度

为了应对气候变化,推动能源电力碳达峰、碳中和进程,提出一种以电解熔融盐(electrolyticmoltencarbonate,EMC)技术为基础的EMC碳捕集电厂,并且考虑了碳捕集与封存(carbon capture and storage,CCS)技术以及两段式电转气(power to gas,P2G),建立了基于CCS-P2G-EMC协同的虚拟电厂(virtual power plant,VPP)优化调度模型。首先,根据EMC技术的原理,考虑与燃气轮机热电联产(combined heatandpower,CHP)机组耦合,建立了EMC碳捕集电厂数学模型,并分析了EMC碳捕集电厂热电出力的灵活性。其次,构建了CCS-P2G-EMC协同框架,并对其低碳特性机理进行分析,并在此基础上建立低碳经济调度模型,实现了VPP的低碳经济运行。最后,通过设置不同场景进行对比,验证了所提调度模型的有效性,可在保证VPP经济效益的同时降低系统碳排放。

基于天气信息修正的短期冷热电负荷联合预测方法

针对冷热电负荷波动与天气信息关系密切的现状,提出一种基于天气信息修正的短期冷热电负荷联合预测方法。首先,使用基于增量学习的宽度学习预测模型对待预测日天气信息进行修正;同时,使用季节分解方法对冷热电负荷进行分解,将三种负荷分解成为长期趋势及循环分量、季节分量以及不规则分量。其次,对分解不同负荷得到的相同分量使用同一个预测模型进行预测,并将各分量预测结果综合得到冷热电负荷预测结果。最后,利用某地区的真实天气数据及负荷数据进行分析,对所提天气修正方法和模型框架在冷热电负荷预测中的优越性进行了验证。结果表明,与常见的预测模型以及一般的预测框架对比,所提方法能够有效提高冷热电负荷预测精度。