该文针对可再生能源消纳和虚拟电厂碳减排的问题,提出了一种基于碳捕集系统(carbon capture and storage,CCS)、电转气(power to gas,P2G)和压缩液态CO_(2)储能(liquid carbon dioxide energy storage,LCES)的虚拟电厂(virtual power pl...该文针对可再生能源消纳和虚拟电厂碳减排的问题,提出了一种基于碳捕集系统(carbon capture and storage,CCS)、电转气(power to gas,P2G)和压缩液态CO_(2)储能(liquid carbon dioxide energy storage,LCES)的虚拟电厂(virtual power plant,VPP)优化调度模型。该模型综合考虑了CCS、P2G和LCES的运行特性,以最大化VPP的碳减排效益和经济效益为目标,通过优化调度VPP内部的可再生能源、储能设备和碳捕集装置,实现了可再生能源的高效利用。提出了一种改进的霜冰优化算法(particle swarm optimizationrime optimization algorithm,PSO-RIME)用以求解VPP调度模型,并通过算例分析去验证所提模型和算法的有效性。结果表明,该模型和算法可以显著提高可再生能源的消纳能力和净收益,降低VPP的碳排放.展开更多
削弱源荷不确定性,兼顾经济性与低碳性成为园区综合能源系统(park-level integrated energy system,PIES)优化调度的重点,为此提出了预测-调节-决策一体化框架。首先,构建了配置热电联产机组、电转气与碳捕集的园区综合能源系统。其次,...削弱源荷不确定性,兼顾经济性与低碳性成为园区综合能源系统(park-level integrated energy system,PIES)优化调度的重点,为此提出了预测-调节-决策一体化框架。首先,构建了配置热电联产机组、电转气与碳捕集的园区综合能源系统。其次,提出霜冰算法优化卷积-支持向量机(rime-convolutional neural network-support vector machine,RIME-CNN-SVM)的数据预测方法,并利用信息间隙决策理论(information gap decision theory,IGDT)描述概率分布未知的源荷严重不确定性。最后,建立了考虑源荷不确定性、阶梯式碳交易机制和弃风弃光惩罚的PIES低碳优化调度策略。通过算例仿真验证了模型和方法的合理性和有效性,并表明所提方法在提高PIES调度准确性的同时兼顾了运行的经济性与低碳性。展开更多
文摘该文针对可再生能源消纳和虚拟电厂碳减排的问题,提出了一种基于碳捕集系统(carbon capture and storage,CCS)、电转气(power to gas,P2G)和压缩液态CO_(2)储能(liquid carbon dioxide energy storage,LCES)的虚拟电厂(virtual power plant,VPP)优化调度模型。该模型综合考虑了CCS、P2G和LCES的运行特性,以最大化VPP的碳减排效益和经济效益为目标,通过优化调度VPP内部的可再生能源、储能设备和碳捕集装置,实现了可再生能源的高效利用。提出了一种改进的霜冰优化算法(particle swarm optimizationrime optimization algorithm,PSO-RIME)用以求解VPP调度模型,并通过算例分析去验证所提模型和算法的有效性。结果表明,该模型和算法可以显著提高可再生能源的消纳能力和净收益,降低VPP的碳排放.
