电力论文哪里有？本文所提出的计及储能系统的混合可再生能源系统的规划与运行优化模型和方法，经过 Matlab 和 Python 等软件仿真验证了其可行性与合理性。
第一章 绪论
1.2.1 风光蓄混合可再生能源系统多目标规划研究现状
RES 在一些较为偏远地区相对丰富，但这些地区电网尚未延伸到或与电网形成弱连接。建立离网式 HRES 是满足当地负荷需求和提高 RES 利用率的重要举措。近年来，研究人员对计及抽蓄电站的离网式 HRES 的规划和运行开展了深入研究[18-20]。文献[21]从投资者和系统两个角度对爱琴海 Lesbos 岛的风电-抽水蓄能 HRES的最优规划进行了研究，结果表明，在发电成本较高的海岛系统中，HRES 可以提高 RES 的消纳水平和降低能源平准化成本。巴西[22]和肯尼亚[23]也对风电-抽水蓄能HRES 开展了相似的研究。文献[24, 25]研究了将光伏电站与抽水蓄能电站结合。在文献[26]中，以最小化成本为优化目标通过粒子群算法（Particle Swarm Optimization, PSO）来优化光伏-抽水蓄能 HRES 的容量配置，结果表明，低成本的柴油导致大量使用内燃机而不是光伏发电。文献[27]对目前世界上最大的水电-光伏 HRES（龙羊峡水光互补电站）开展了规划方面的研究，结果表明水光互补运行对龙羊峡水库水资源配置具有较小的不利影响，且这种互补运行模式可以有效提高光伏渗透率。文献[28]从系统规划、仿真和优化对光伏-风电-抽水蓄能 HRES开展了研究，并指出光伏-风电-抽水蓄能 HRES 比风电-抽水蓄能 HRES 更具成本效益，因为光伏发电和风力发电在时间尺度上形成互补。通过广泛的文献回顾，大部分文献忽略了上水库每小时的水位动态变化[29]，以及在不同运行工况下变速抽水泵和水轮机的效率变化[30]，这可能会导致 HRES 的规划结果不合理，造成较高的投资成本。
技术经济准则广泛应用于 HRES 的规划设计[31-33]。根据离网运行的要求，文献[31]对爱琴海的光伏-风电-抽水蓄能 HRES 进行了研究，系统多余的能量用于产生额外的氢气。在风电渗透率较高的风电-抽水蓄能 HRES 中，文献[32]研究了抽水蓄能水电站对降低调度成本的贡献，结果表明抽水蓄能水电站有助于降低系统运行成本的 2.5~11%。文献[33]采用两点估计法对农业微电网中的风电-灌溉-抽水蓄能 HRES 联合运行进行了优化，抽水蓄能水电站通过在电价较低的时间段抽水蓄电和电价较高的时间段放水发电来降低系统花费。
第三章 计及多重不确定性的供氢/电混合可再生能源系统运行
3.1 引言
随着世界经济和人口的快速发展，21 世纪化石燃料消耗的需求率急剧上升，增加了全球能源危机的风险。根据相关的数据显示，全球石油消费量约三分之二是由运输部门造成的。在第二章中，在规划阶段通过考虑弃风弃光率来提高可再生能源消纳水平，同时也验证了 ESS 能够有效缓解弃风弃光现象。除此之外，实际上可以通过将多余的可再生能源转化为其他能源形式，如氢能，以应用于其他方面。这种方式可以进一步提高可再生能源消纳水平。基于此，本章提出了一个基于光伏发电的离网式加氢/充电的 HRES，该系统将可将可再生能源转为为氢能以供未来 HFCV 需求。所提出的离网式加氢/充电的 HRES 由光伏电站、电解装机、储氢罐和氢燃料电池组成，可同时向 HFCV 提供氢气和向 EV 提供电力。HFCV 的氢气需求由储氢罐中储存的氢气来提供。EV 所需的电力可直接来自光伏板或氢燃料电池。值得注意的是，系统的所有电能都来自光伏发电。本章计及光伏发电量、EV 的电力需求和 HFCV 的氢气需求存在随机性和不确定性提出了系统的最优运行策略。为了解决的这些不确定性因素，本章采用了一种基于情景的随机优化方法来优化离网式加氢/充电的 HRES 的运行。这种方法已广泛应用于运行问题[85, 148]。此外，CVaR 作为一种风险度量，用于控制这些不确定性的风险[149]。有关 CVaR的更详细描述，请参见文献[150]。
第五章 多能源耦合的能量枢纽运行
5.1 引言
能源需求、气候变化和环境污染加剧已成为世界范围内的重大问题。这些问题导致了一个关于如何有效地设计和运行能源系统的普遍研究问题。能量枢纽可以被视为多个能源负荷（如电力、天然气和热负荷）和多个一次能源（如天然气、风能和太阳能）之间的接口。能量枢纽可以实现多种能源的储存和转换。本章提出一个针对能量枢纽运行问题的 LARC 框架，以降低系统运行成本，并得到连续两天的系统最优运行策略。本章将第一天运行和第二天运行分别称为日前运行和前瞻运行。由于 RES 在现代电力系统中所占的比例越来越大，在实时和近实时运行中需计及 RES 出力的不确定性因素。因此，本章考虑了连续两天的光伏发电、电价以及电力、热量和天然气需求的不确性影响，这与其它 LARC 框架不同，LARC框架通常在确定性环境中优化日前运行问题。两天之间的连接是第一天结束时电储能系统的荷电状态（State of Charge, SoC）。本章将其作为一个变量考虑到能量枢纽的运行问题中进行优化，以降低系统的总运行成本。CVaR 模型可以评估与不确定性相关的风险[43]。由于前瞻预测精度低于日前预测精度，引入该模型是为了管理由于可再生能源的不确定性造成的第二天运行成本变动的潜在风险。此外，热和电需求响应单位也被认为可以降低能量枢纽的总运行成本。最后，将所研究的能量枢纽的运行问题转化为 MILP 模型。本章的仿真分析是基于现有的预测数据。研究人员已经提出了很多方法来预测负荷需求、可再生能源产量[44]等。例如，文献[45]提出了一种新的滑动窗口经验模式分解算法来预测短期负荷需求。文献[46]提出了一种新型的混合闭环预测引擎来预测风电输出。
5.2 系统描述及优化问题建模
5.2.1 系统描述
以往文献已经提出并研究了由不同组件和技术组成的各种类型的能量枢纽。本章所研究的能量枢纽如图 1 所示。输入侧包括：光伏电站、电力和天然气电网，输出侧包括：电力、天然气和热需求。内部组件包括：变压器、逆变器、热电联产、锅炉、电储能系统、电热泵以及电和热需求响应单元。能量枢纽的运行优化主要取决于输入数据（如光伏发电量、电价和天然气价格）和输出侧（电力、天然气和热需求）。具有高能量密度的电储能系统（如压缩空气储能和抽水蓄能水电站）可用于支持系统中的电力和热量需求。在电力市场中，电力作为一种商品，可以买卖来赚取利润[47]。在本章中，电力市场以丹麦现货市场为基础，电价随时间而变化。当光伏出力充足且电价相对较低时，多余电能可储存在电储能系统中。此后，这些储存的能量被用来支持电力和热量需求。但是，本章不考虑从能量枢纽向电力市场出售电力。热电联产单元是一种能同时发电和供热的新技术。三种类型的设施可以提供电力以满足电力需求，包括电网、光伏发电和热电联产。天然气需求只能由天然气网满足。通过利用热电联产和锅炉消耗天然气，以及电热泵消耗电力，从而产生热能以满足热需求。需求响应单元可以实现负荷转移，降低能量枢纽的运行成本。
第六章 全文总结与展望
6.1 全文总结
可持续能源生产和环境保护急切需要得到关注，以确保全人类的生存与发展。由于加快的消费速度，传统的不可再生化石能源正在迅速枯竭；同时，导致了严重的环境污染问题。因此，发展清洁的可再生能源技术和多能源互补系统已变得越来越迫切。近年来，世界上很多国家和地区的可再生能源（如光伏和风力发电）的装机容量迅速增加，特别是在我国，以保障电力供应和减少化石燃料消耗。风能、太阳能、水能和储能技术等的协调开发利用可以缓解风电和光伏发电的随机性和不确定性输出并确保电网需求得到满足。同时，可以充分利用不同种资源的自然时空互补性、水电和储能系统调节能力，以确保混合可再生能源系统的供电可靠性和解决可再生能源消纳问题。本章以促进可再生能源消纳为主线，以计及储能系统的混合可再生能源系统为研究背景，从系统规划和运行优化两方面开展了研究，主要研究成果包括一下四个方面：
（1）在技术经济指标的基础上，引入弃风弃光率，规划设计了光伏-风电-蓄能型水电站的 HRES。通过对光伏-蓄能型水电站的 HRES 和风电-蓄能型水电站的HRES 比较，结果表明离网式光伏-风电-蓄能型水电站的 HRES 是最具成本效益的组合。当如果较小的 LPSP 可以接受，那么光伏-风电-蓄能型水电站的 HRES 初始投资成本将显著降低。在考虑弃风弃光率的双目标优化中，发现较低的弃风弃光率将导致较高的 LCOE。另外，比较分析 PSO、GA 和 SA 三种算法的性能。结果表明，相比于其它两种算法，PSO 算法优化得到 LCOE 最小。
（2）提出了一种新的离网式供氢/充电的 HRES 的概念。该系统可同时向 EV和 HFCV 分别提供电力和氢气。过多个具有代表性的随机场景，讨论了与光伏发电输出以及 EV 和 HFCV 需求相关的不确定性和风险。在此基础上，建立了离网式供氢/充电的 HRES 运行问题的数学模型。
参考文献（略）
