找到 4 条结果 · Applied Energy
一种基于ADMM的三方分布式综合电-气系统规划方法
An ADMM-based tripartite distributed planning approach in integrated electricity and natural gas system
Ang Xuan · Yingfei Sun · Zhengguang Liu · Peijun Zheng 等5人 · Applied Energy · 2025年1月 · Vol.388
摘要 通过整合多能设备、储能系统和可再生能源技术，区域综合能源系统（RIESs）日益被视为应对未来能源需求的关键策略。该领域面临的主要挑战之一是在现有天然气与电力网络中引入分布式RIESs的扩展规划问题，包括确定RIESs建设的最佳位置以及选择合适的设备类型和容量。传统的联合规划模型通常未能充分考虑投资决策由多个具有不同所有权利益的利益相关方共同作出的实际情况。在本研究中，我们提出了一种新颖的三方分布式规划模型，将联合规划问题分解为三个子问题，以分别反映不同利益相关方的利益诉求。为协同求解这些子...
解读: 该三方分布式规划模型对阳光电源综合能源解决方案具有重要价值。研究中的ADMM算法可优化ST系列储能系统与SG光伏逆变器在区域能源网络中的选址与容量配置,符合多利益主体协同决策场景。其电-气耦合规划思路可指导PowerTitan储能系统与充电站的协同布局,提升iSolarCloud平台在多能源网络中的...
水风光混合系统中现有水电站扩容优化的解析方法：以雅砻江流域为例
Analytical method for optimizing capacity expansion of existing hydropower plants in hydro-wind-photovoltaic hybrid system: A case study in the Yalong River basin
Chen Wu · Pan Liu · Qian Cheng · Zhikai Yang 等11人 · Applied Energy · 2025年1月 · Vol.383
摘要 水电可通过构建水-风-光混合能源系统，有效整合具有间歇性的风电和光伏（PV）发电。随着风电和光伏电站规模的不断扩大，扩大水电装机容量变得尤为关键。然而，传统的扩容数值方法需要高时间分辨率的输入数据以及复杂的模拟计算。为解决这一问题，本文提出一种无需高分辨率输入数据的解析方法，用于推导水电站最优扩容规模，便于实际应用并支持敏感性分析。首先，基于历史运行数据，分别采用多项式函数和线性函数对水电出力及风电-光伏弃电率随水电扩容规模的变化关系进行估计；其次，结合净现值法，建立考虑总发电量（包括水电...
解读: 该水风光混合系统容量优化方法对阳光电源具有重要参考价值。研究揭示的弃电率与容量扩展关系,可指导我们ST系列储能系统在水风光互补场景的容量配置策略。文中敏感性分析方法(电价敏感度为运维成本11倍)可应用于PowerTitan储能电站的经济性评估模型。特别是无需高时间分辨率数据的解析法,可集成到iSol...
基于解聚合策略的虚拟电厂异构柔性资源优化协同调度
A De-aggregation strategy based optimal co-scheduling of heterogeneous flexible resources in virtual power plant
Zixuan Zheng · Jie Li · Xiaoming Liu · Chunjun Huang 等10人 · Applied Energy · 2025年1月 · Vol.383
摘要 虚拟电厂（VPP）作为一种有效解决方案，可在包含多种类型柔性资源（FRs）的并网型微电网中维持内部功率平衡，并参与外部削峰辅助服务。然而，随着不同类型柔性资源在响应行为上的特征异质性日益显著，以及其在削峰过程中的耦合关系，给VPP调度指令的精确分解带来了挑战。本文提出一种基于离散选择模型和特征匹配方法的解聚合策略，以动态排序柔性资源的响应顺序，同时优化VPP的削峰能力。首先，对异构特征进行精细化建模，以刻画多类型柔性资源满足并网微电网调度需求（SDGM）的响应能力。随后，构建特征差异量化模...
解读: 该VPP解聚优化策略对阳光电源ST系列储能变流器和PowerTitan系统具有重要应用价值。通过异构资源特征建模和动态响应排序,可提升储能系统参与电网调峰辅助服务的精准度。结合iSolarCloud平台的预测性维护能力,能够优化多类型柔性资源协同调度,降低70%调峰偏差。该技术可增强阳光电源微网解决...
DEST-GNN：一种用于多站点小时内光伏功率预测的双探索时空图神经网络
DEST-GNN: A double-explored spatio-temporal graph neural network for multi-site intra-hour PV power forecasting
Yanru Yang · Yu Liu · Yihang Zhang · Shaolong Shu 等5人 · Applied Energy · 2025年1月 · Vol.378
准确的光伏发电（PV）功率预测对于电网实时平衡和储能系统优化至关重要。然而，由于光伏发电具有间歇性和波动性，实现高精度的光伏功率预测仍然是一项挑战。本文提出了一种用于多站点小时内光伏功率预测的新方法。与当前独立预测每个光伏电站功率的方法不同，我们通过考虑各光伏电站之间固有的时空相关性，同时预测所有站点的发电功率，并设计了一种新型图神经网络模型——DEST-GNN。在DEST-GNN中，采用无向图来表示这些光伏电站之间的依赖关系：每个光伏电站由一个节点表示，任意两个电站之间的时空相关性则由它们之间...
解读: 该多站点小时内光伏功率预测技术对阳光电源SG系列逆变器和ST储能系统具有重要应用价值。DEST-GNN通过时空图神经网络捕捉多电站关联性,可集成至iSolarCloud平台实现区域级功率预测,优化储能系统PowerTitan的充放电策略。其稀疏注意力机制可提升GFM/GFL控制算法的前瞻性调度能力,...