利用综合能源系统的多元消纳技术和多元存储技术辅助解决可再生能源就地消纳问题,将电转气(power to gas,P2G)细分为电转氢气和电转天然气,考虑电解槽、甲烷反应器的实际运行特性,以及氢储能的充放过程,建立P2G精细化模型。在含P2G的综...利用综合能源系统的多元消纳技术和多元存储技术辅助解决可再生能源就地消纳问题,将电转气(power to gas,P2G)细分为电转氢气和电转天然气,考虑电解槽、甲烷反应器的实际运行特性,以及氢储能的充放过程,建立P2G精细化模型。在含P2G的综合能源系统中,针对可再生能源预测误差相对较大、负荷预测精度相对较高的特点,在源侧采用鲁棒优化的工程博弈模型处理风电不确定性,在荷侧利用随机优化方法处理负荷不确定性,构建计及电转气精细化模型的综合能源系统鲁棒随机优化调度模型。算例结果验证了所提模型的有效性和可行性,相较于一般的P2G模型,所提精细化P2G模型细致表现了P2G技术的能源耦合方式,同时,综合能源系统鲁棒随机优化调度模型有利于兼顾系统调度成本和可靠性。展开更多
为了减少复杂环境因素对电力负荷超短期预测效果的影响,提高算法的预测精度和运算效率,该文提出一种基于聚类经验模态分解(clusterempiricalmodedecomposition,CEMD)的卷积神经网络和长短期记忆网络(convolutional neural network and l...为了减少复杂环境因素对电力负荷超短期预测效果的影响,提高算法的预测精度和运算效率,该文提出一种基于聚类经验模态分解(clusterempiricalmodedecomposition,CEMD)的卷积神经网络和长短期记忆网络(convolutional neural network and long short term memory network,CNNLSTM)混合预测算法。该算法首先通过经验模态分解法将负荷数据分解为平稳性好、规律性强的若干本征模态函数(intrinsic mode functions,IMF)和残差(residual,Res)。其次为了简化后续模型的计算体量,运用k均值聚类方法对分解所得的各分量进行分组集成,同时分析不同聚类数对应的预测效果,选取最优聚类标签构造神经网络输入数据。之后将各组数据分别输入到CNN-LSTM混合神经网络中,利用CNN挖掘数据间的特征形成特征向量,并将其输入到LSTM中进行预测。最后将所有预测结果进行线性相加得到完整预测负荷。通过在真实负荷上进行验证并与现有模型进行比较,所提方法具有更高的预测精度。展开更多
“30*60”双碳背景下,为实现低碳排放,需从低碳政策和低碳技术两个路径进行协调。为此建立了含P2G-CCS(power to gas and carbon capture system,P2G-CCS)耦合和燃气掺氢的虚拟电厂(virtualpowerplant,VPP),并提出了基于阶梯碳交易机制...“30*60”双碳背景下,为实现低碳排放,需从低碳政策和低碳技术两个路径进行协调。为此建立了含P2G-CCS(power to gas and carbon capture system,P2G-CCS)耦合和燃气掺氢的虚拟电厂(virtualpowerplant,VPP),并提出了基于阶梯碳交易机制的VPP优化调度策略。首先,在低碳技术层面,针对P2G-CCS耦合和燃气掺氢子系统,建立了掺氢燃气轮机、掺氢燃气锅炉、两段式电转气(power to gas,P2G)和碳捕集系统(carboncapturesystem,CCS)的数学模型;其次,在低碳政策层面,建立了阶梯碳交易模型对系统碳排放进行约束;最后,在建模基础上,提出了以碳交易成本、购气和煤耗成本、碳封存成本、机组启停成本和弃风成本之和最低为目标函数的优化调度策略。对建立的模型线性化处理后,采用MATLAB调用CPLEX和粒子群算法进行求解,通过设置不同的情景进行对比,验证了所提模型的有效性,并分析了不同固定掺氢比、变掺氢比、不同的阶梯碳交易参数对VPP低碳性和经济性的影响。展开更多
文摘利用综合能源系统的多元消纳技术和多元存储技术辅助解决可再生能源就地消纳问题,将电转气(power to gas,P2G)细分为电转氢气和电转天然气,考虑电解槽、甲烷反应器的实际运行特性,以及氢储能的充放过程,建立P2G精细化模型。在含P2G的综合能源系统中,针对可再生能源预测误差相对较大、负荷预测精度相对较高的特点,在源侧采用鲁棒优化的工程博弈模型处理风电不确定性,在荷侧利用随机优化方法处理负荷不确定性,构建计及电转气精细化模型的综合能源系统鲁棒随机优化调度模型。算例结果验证了所提模型的有效性和可行性,相较于一般的P2G模型,所提精细化P2G模型细致表现了P2G技术的能源耦合方式,同时,综合能源系统鲁棒随机优化调度模型有利于兼顾系统调度成本和可靠性。
文摘为了减少复杂环境因素对电力负荷超短期预测效果的影响,提高算法的预测精度和运算效率,该文提出一种基于聚类经验模态分解(clusterempiricalmodedecomposition,CEMD)的卷积神经网络和长短期记忆网络(convolutional neural network and long short term memory network,CNNLSTM)混合预测算法。该算法首先通过经验模态分解法将负荷数据分解为平稳性好、规律性强的若干本征模态函数(intrinsic mode functions,IMF)和残差(residual,Res)。其次为了简化后续模型的计算体量,运用k均值聚类方法对分解所得的各分量进行分组集成,同时分析不同聚类数对应的预测效果,选取最优聚类标签构造神经网络输入数据。之后将各组数据分别输入到CNN-LSTM混合神经网络中,利用CNN挖掘数据间的特征形成特征向量,并将其输入到LSTM中进行预测。最后将所有预测结果进行线性相加得到完整预测负荷。通过在真实负荷上进行验证并与现有模型进行比较,所提方法具有更高的预测精度。
文摘“30*60”双碳背景下,为实现低碳排放,需从低碳政策和低碳技术两个路径进行协调。为此建立了含P2G-CCS(power to gas and carbon capture system,P2G-CCS)耦合和燃气掺氢的虚拟电厂(virtualpowerplant,VPP),并提出了基于阶梯碳交易机制的VPP优化调度策略。首先,在低碳技术层面,针对P2G-CCS耦合和燃气掺氢子系统,建立了掺氢燃气轮机、掺氢燃气锅炉、两段式电转气(power to gas,P2G)和碳捕集系统(carboncapturesystem,CCS)的数学模型;其次,在低碳政策层面,建立了阶梯碳交易模型对系统碳排放进行约束;最后,在建模基础上,提出了以碳交易成本、购气和煤耗成本、碳封存成本、机组启停成本和弃风成本之和最低为目标函数的优化调度策略。对建立的模型线性化处理后,采用MATLAB调用CPLEX和粒子群算法进行求解,通过设置不同的情景进行对比,验证了所提模型的有效性,并分析了不同固定掺氢比、变掺氢比、不同的阶梯碳交易参数对VPP低碳性和经济性的影响。
