设备变工况特性给综合能源系统(integrated energy system,IES)经济调度的准确性带来了严峻挑战。为此,提出了一种基于深度神经网络(deep neural network,DNN)的变工况下IES低碳经济调度方法。首先,基于能量枢纽模型(energy hub,EH)和...设备变工况特性给综合能源系统(integrated energy system,IES)经济调度的准确性带来了严峻挑战。为此,提出了一种基于深度神经网络(deep neural network,DNN)的变工况下IES低碳经济调度方法。首先,基于能量枢纽模型(energy hub,EH)和效率修正模型,建立具有可变效率的动态能量枢纽模型(dynamic energy hub,DEH)。其中,EH模型刻画多能源之间的耦合关系,基于DNN的效率修正模型提取设备效率的非线性特征。在此基础上,提出了以总运行成本最小为目标函数的IES低碳经济调度模型。算例分析表明,所提方法能实现IES低碳经济运行,有效提高调度模型的求解速度和精度。展开更多
园区综合能源系统(park-level integrated energy system,PIES)的工程建设往往分为多期,但目前PIES的规划未考虑系统建设时序,并假设在整个规划周期内负荷水平保持不变,造成了规划前期冗余配置、超前投资,后期设备容量短缺、供能质量下...园区综合能源系统(park-level integrated energy system,PIES)的工程建设往往分为多期,但目前PIES的规划未考虑系统建设时序,并假设在整个规划周期内负荷水平保持不变,造成了规划前期冗余配置、超前投资,后期设备容量短缺、供能质量下降等诸多问题,严重影响了PIES的经济效益。因此,提出一种考虑建设时序的PIES多阶段规划方法。将规划周期分成若干个阶段,随着园区负荷水平的不断提升,在每个规划阶段期初增加设备投入,以满足长时间尺度下负荷增长的需求。首先,建立各能量生产、转换、储存单元数学模型;在此基础上,以计及投资、运行和维护费用的全寿命周期成本最低为目标,以每个规划阶段的设备运行和功率平衡为约束,建立PIES的多阶段规划模型,并采用混合整数线性规划算法进行求解,得到各规划阶段的最优配置方案。最后,通过算例验证了多阶段规划方法在提升园区供能经济性、促进光伏消纳等方面的有效性。展开更多
文摘设备变工况特性给综合能源系统(integrated energy system,IES)经济调度的准确性带来了严峻挑战。为此,提出了一种基于深度神经网络(deep neural network,DNN)的变工况下IES低碳经济调度方法。首先,基于能量枢纽模型(energy hub,EH)和效率修正模型,建立具有可变效率的动态能量枢纽模型(dynamic energy hub,DEH)。其中,EH模型刻画多能源之间的耦合关系,基于DNN的效率修正模型提取设备效率的非线性特征。在此基础上,提出了以总运行成本最小为目标函数的IES低碳经济调度模型。算例分析表明,所提方法能实现IES低碳经济运行,有效提高调度模型的求解速度和精度。
文摘园区综合能源系统(park-level integrated energy system,PIES)的工程建设往往分为多期,但目前PIES的规划未考虑系统建设时序,并假设在整个规划周期内负荷水平保持不变,造成了规划前期冗余配置、超前投资,后期设备容量短缺、供能质量下降等诸多问题,严重影响了PIES的经济效益。因此,提出一种考虑建设时序的PIES多阶段规划方法。将规划周期分成若干个阶段,随着园区负荷水平的不断提升,在每个规划阶段期初增加设备投入,以满足长时间尺度下负荷增长的需求。首先,建立各能量生产、转换、储存单元数学模型;在此基础上,以计及投资、运行和维护费用的全寿命周期成本最低为目标,以每个规划阶段的设备运行和功率平衡为约束,建立PIES的多阶段规划模型,并采用混合整数线性规划算法进行求解,得到各规划阶段的最优配置方案。最后,通过算例验证了多阶段规划方法在提升园区供能经济性、促进光伏消纳等方面的有效性。
