插电式混合动力汽车燃油特性的区域综合能源系统优化调度方法

计算;推算;计数设备的制造及其应用技术1.本发明涉及能源系统技术领域，尤其涉及一种插电式混合动力汽车燃油特性的区域综合能源系统优化调度方法。背景技术：2.新能源汽车充电行为在时间和空间上都是随机的，一系列安全性和可靠性问题将随着大量新能源汽车的无序接入带到综合能源系统中，充分利用新能源汽车需求响应的潜能成为全球汽车产业和能源领域的新热点。基于传统的新能源汽车需求响应，本领域技术人员对此进行了广泛研究。在当前研究中，一种是提出将规模化电动汽车集中在一起，对其进行集群式调度；另一种是考虑电动汽车负荷的随机性以及风力发电的波动性，创建了考虑电动汽车充放电的随机经济调度模型；还有一种是考虑最小化系统损耗，提出了插电式混合动力汽车在线充电的协调方法。但现有的插电式混合动力汽车在线充电的协调方法仅局限于插电式混合动力汽车电力负荷的响应，而未考虑燃油特性，忽略了燃油响应的可能性，导致响应灵活性损失。迄今未见与本发明有关的插电式混合动力汽车燃油特性的区域综合能源系统优化调度方法的文献报道和实际应用。技术实现要素：3.针对现有技术的不足，本发明提出一种插电式混合动力汽车燃油特性的区域综合能源系统优化调度方法，能够充分考虑插电式混合动力汽车的动力系统特性，有效改善需求响应灵活性较差的问题，提高综合能源的利用率；且能够综合考虑耗电特性和燃油特性，进行燃油响应和充电响应，增强系统供电可靠性，降低负荷波动性，提高可再生能源的消纳率。4.为了实现本发明的目的，采用的技术方案是，一种插电式混合动力汽车燃油特性的区域综合能源系统优化调度方法，它包括：由上级主网、风电机组、光伏机组、天然气源、汽油源、储电设备、储热设备、电锅炉、热电联产机组、电负荷、热负荷、新能源汽车负荷构成的区域综合能源系统，所述上级主网、风电机组、光伏机组、储电设备均与电负荷、新能源汽车负荷连接；所述新能源汽车负荷包括电动汽车负荷和插电式混合动力汽车负荷，汽油源与插电式混合动力汽车负荷连接；所述热电联产机组包括微燃机、溴冷机，微燃机与天然气源、电负荷、新能源汽车负荷连接，微燃机排出的余热烟气送入相连接的溴冷机，溴冷机与热负荷连接；所述电锅炉与电负荷、新能源汽车负荷、热负荷、储热设备连接；插电式混合动力汽车动力系统结构包括从动力系统、离合器、主动力系统、无级变速器、减速器；所述从动力系统中，发动机对油箱中汽油的化学能进行利用；所述离合器与发动机和电动机连接；所述主动力系统中，电池组在充电装置的作用下将电能进行存储，电能传输到电动机进行利用；所述无级变速器与电动机和减速器连接，其特征在于，其优化调度方法的内容有：5.在插电式混合动力汽车燃油特性的区域综合能源系统优化调度中，p、δp表示系统传输和转移的电能，f表示燃油量，g表示插电式混合动力汽车百公里燃油量，r表示插电式混合动力汽车的日行驶里程，n表示插电式混合动力汽车用户的数量，η表示用户响应度，α表示比例系数；在参数下标中phev表示插电式混合动力汽车，s、en、m表示纯电动模式、内燃机模式、混合驱动模式，lim表示补偿限制，gre表示插电式混合动力汽车参与燃油响应；参数上标t为时段；考虑插电式混合动力汽车主动力系统、从动力系统的燃油特性和耗电特性相互协同，建立插电式混合动力汽车燃油响应模型为；6.插电式混合动力汽车的工作模式分为纯电动模式、内燃机模式、混合驱动模式，车辆燃油量与日行驶里程、工作模式比例和各模式能耗值有关，其表达式为：[0007][0008]g100s＝αen·g100en+αm·g100m[0009]其中，fphev为插电式混合动力汽车的燃油量，ri为第i辆插电式混合动力汽车日行驶里程，na为插电式混合动力汽车的汽车数量，g100s、g100en、g100m分别为插电式混合动力汽车综合工况、内燃机模式、混合驱动模式下的百公里燃油量，αen为内燃机模式的比例系数、αm为混合驱动模式的比例系数；[0010]在插电式混合动力汽车车主与负荷聚合商签署的协议中，要设置充电负荷转移信息，也要设置燃油响应限制里程和燃油响应补偿单价信息，当用户行驶里程到达燃油响应限制里程后，选择内燃机驱动行驶，系统将给予用户燃油补偿，燃油响应量和燃油响应里程有关，其表述式为：[0011]fgre＝rgre·g100en[0012][0013][0014]其中，fgre为插电式混合动力汽车的燃油响应量，rgre为燃油响应里程，rgre,h为第h辆插电式混合动力汽车的燃油响应里程，rh为第h辆插电式混合动力汽车的日行驶里程，rlim为补偿限制里程，nb为与负荷聚合商签订协议并参与调度的插电式混合动力汽车数量；[0015]基于bp神经网络预测算法进行燃油响应补偿单价的估算，完成训练后，以六个影响指标作为输入，包括高峰电价、油价、转移电负荷、内燃机模式占比、日行驶里程和补偿限制里程，以燃油响应补偿单价作为输出，通过预测，得到燃油响应补偿单价；[0016]在充电场景中车主对于调度的实际参与度存在差异，故定义用户响应度来揭示实际参与调度的车辆比例，插电式混合动力汽车转移负荷模型的表述式为：[0017][0018]其中，为t时段插电式混合动力汽车的转移负荷功率，为t时段插电式混合动力汽车的充电功率，αphev为插电式混合动力汽车签约用户比例系数，ηphev为插电式混合动力汽车的用户响应度；[0019]在一个调度周期内，区域综合能源系统的运行成本为cries：[0020][0021][0022][0023]其中，t为一个调度周期；分别为t时段系统购能成本、机组维护成本、弃风惩罚成本、需求响应购买成本、负荷波动成本；为t时段系统向主网的购电功率；分别为t时段电锅炉、微燃机、光伏机组、风电机组和储能设备的发电功率；keb、kmt、kpv、kw、kes分别为电锅炉、微燃机、光伏机组、风电机组和储能设备的维护单价；为t时段风电机组的弃风功率；kwd为弃风单位惩罚费用；为t时段需求响应后系统电负荷；分别为t时段新能源汽车和电动汽车转移的充电功率；为t时段需求响应后新能源汽车负荷；分别为t时段系统购电电价、需求响应单位支付费用；为t时段微燃机的耗气量；μf为天然气价格；μgl为92号汽油价格；kgre、αgre分别为燃油补偿单价和弹性系数；为t时段系统电负荷；λ1为经济折算系数；[0024]在一个调度周期内，新能源汽车车主的支付费用为cv0：[0025][0026][0027]其中，cgl、cgre分别为t时段新能源汽车车主的充电费用、充电负荷调度收益、燃油费用、燃油响应补偿收益；kcp为充电桩服务费；αuidr为车主需求响应补偿的弹性系数；nc为未参与响应的插电式混合动力汽车数量；rj、rk分别为第j辆、第k辆插电式混合动力汽车的日行驶里程；ggl,k、rgre,k分别为第k辆插电式混合动力汽车的燃油量、燃油响应行驶里程；[0028]同时考虑区域综合能源系统的运行成本和新能源汽车车主的支付费用，进行多目标函数和单目标函数间的转换，采用加权系数法实现：[0029][0030]其中，c为转化的单目标函数；ω1、ω2分别为两个目标函数的权重；c1、c1max分别为目标函数1的实际值和最大值；c2、c2max分别为目标函数2的实际值和最大值；[0031]区域综合能源系统的约束条件，包括电锅炉出力约束条件、微燃机出力约束条件、风电机组出力约束条件、光伏机组出力约束条件、购电功率约束条件、储能约束条件、电荷平衡约束条件；新能源汽车的约束条件，包括转移功率约束条件、工作模式约束条件、充电负荷平衡约束条件以及用户响应收益约束条件。[0032]本发明在考虑充电负荷需求响应的同时，充分考虑插电式混合动力汽车的燃油特性，通过燃油响应方法，提高了插电式混合动力汽车的燃油里程，降低了耗电行驶里程，与此同时，插电式混合动力汽车的用户响应度提高，需求响应的容量提高，优化效果提升；电价低谷时段负荷量提高，为风电机组的进一步出力创造了条件，配合电锅炉和热电联产机组实现了更好的风电消纳效果。将燃油响应考虑在系统中，充分发挥燃油特性的优势；综合能源系统的运行成本低、负荷波动性小，可再生能源利用率高，同时用户的响应度提高，兼顾综合能源系统与新能源汽车用户双方的利益与需求；因此插电式混合动力汽车燃油特性的区域综合能源系统优化调度具备重要意义。附图说明[0033]图1为一种插电式混合动力汽车燃油特性的区域综合能源系统结构框图；[0034]图2为一种插电式混合动力汽车燃油特性的动力系统结构示意图；[0035]图3为一种基于bp神经网络预测燃油补偿单价架构图；[0036]图4为各时段电负荷、热负荷、风电机组、光伏机组、电动汽车及插电式混合动力汽车预测功率曲线示意图；[0037]图5为四种场景电负荷功率曲线和电负荷转移功率图；[0038]图6为四种场景风电机组出力图；[0039]图7为场景2电负荷机组出力图；[0040]图8为场景2热负荷机组出力图；[0041]图9为场景3电负荷机组出力图；[0042]图10为场景3热负荷机组出力图；[0043]图11为不同燃油补偿单价四种场景电负荷功率曲线和电负荷转移功率图；[0044]图12为场景4电负荷机组出力图；[0045]图13场景4热负荷机组出力图。具体实施方式[0046]下面结合附图与具体实施方式对本发明作进一步的详细说明。[0047]目前新能源汽车的调度主要考虑车辆的耗电特性，随着新能源汽车的多样性和普及化，车辆的动力特性将给其调度的灵活性带来巨大挑战。本发明主要在考虑插电式混合动力汽车的动力特性方面进行提高充电调度灵活性的相关研究。同时考虑动力系统中的主动力系统和从动力系统，如图1所示。在主动力系统中，电池组在充电装置的作用下将电能进行存储，电动机对电能进行利用，在从动力系统中，发动机对油箱中汽油的化学能进行利用，两套动力系统中燃油特性和耗电特性相互协同，更为灵活改变车辆的行驶规律和调度车辆的充电负荷。[0048]参照图2，本发明的一种插电式混合动力汽车的燃油特性，在区域级综合能源系统中，对车辆的充电负荷进行调度优化。区域综合能源系统中的上级主网、风电机组、光伏机组、储电设备均与电负荷、新能源汽车负荷连接；热电联产机组包括微燃机、溴冷机，微燃机与天然气源、电负荷、新能源汽车负荷连接，微燃机排出的余热烟气送入相连接的溴冷机，溴冷机与热负荷连接；电锅炉与电负荷、新能源汽车负荷、热负荷、储热设备连接。当电动汽车和插电式混合动力汽车接入系统后，若不加以调控，作为无序充电负荷将产生一系列负面影响。引入负荷聚合商，通过分时电价和负荷聚合商的协议，新能源汽车用户通过综合需求响应参与到系统的优化调度。为了缓解系统峰荷的供电压力，新能源汽车采取有序充电方式参与负荷转移，将一部分充电负荷在电价高峰和低谷时段进行转移。为了进一步降低新能源汽车行驶途中的耗电量，同时进一步提高插电式混合动力汽车的用户响应度，充分考虑插电式混合动力汽车的燃油特性，根据不同工作模式比例，确定实际行驶燃油量。通过燃油补偿单价和燃油补偿限制里程的确定，插电式混合动力汽车将有序参与燃油响应中，进一步提高需求响应的容量和优化效果。降低峰荷的同时提高了谷荷需求，配合电锅炉、热电联产机组和储能设备，提高了风电的出力空间，提高了可再生能源的消纳率。[0049]在插电式混合动力汽车燃油特性的区域综合能源系统优化调度中，p、δp表示系统传输和转移的电能，f表示燃油量，g表示插电式混合动力汽车百公里燃油量，r表示插电式混合动力汽车的日行驶里程，n表示插电式混合动力汽车用户的数量，η表示用户响应度，α表示比例系数；在参数下标中phev表示插电式混合动力汽车，s、en、m表示纯电动模式、内燃机模式、混合驱动模式，lim表示补偿限制，gre表示插电式混合动力汽车参与燃油响应；参数上标t为时刻。[0050]使用对数正态分布近似表示新能源汽车日行驶里程rd，如式(1)所示：[0051][0052]其中，为日行驶里程的概率密度函数；σm为日行驶里程对数的标准差；μm为日行驶里程对数的期望。[0053]新能源汽车接入充电桩时的起始充电荷电状态与日行驶里程的关系，如式(2)所示：[0054][0055]其中，s0为车辆停驶时的入网荷电量；se为车辆离网时的期望荷电量；p100为新能源汽车行驶的百公里耗电量。wv为电池组的容量。[0056]使用正态分布函数近似表示新能源汽车入网时间tin，如式(3)所示：[0057][0058]其中，为入网时间的概率密度函数；σc为入网时间的标准差；μc为入网时间的期望。[0059]新能源汽车的充电时间为tc，如式(4)所示。[0060][0061]其中，pnvc为新能源汽车的充电功率；ηnc为新能源汽车的充电效率。[0062]根据上述函数进行蒙特卡洛预测得到调度周期内新能源汽车的负荷。[0063]车辆燃油量与日行驶里程、工作模式比例和各模式能耗值有关，如式(6)-(7)所示。[0064][0065]g100s＝αen·g100en+αm·g100mꢀꢀꢀ(7)[0066]其中，fphev为插电式混合动力汽车的燃油量；na为插电式混合动力汽车的数量；ri为第i辆插电式混合动力汽车的日行驶里程；g100s、g100en、g100m分别为插电式混合动力汽车综合工况、内燃机模式、混合驱动模式下的百公里燃油量，αen、αm分别为内燃机模式、混合驱动模式的比例系数；[0067]负荷聚合商与电动汽车用户签订的协议中考虑到了充电负荷的转移时段、被转移时段和转移补偿，与插电式混合动力汽车用户签订的协议中还将燃油响应限制里程和燃油响应补偿单价信息进行设置。当用户行驶里程到达燃油响应限制里程后，可以选择内燃机模式行驶，系统将给予用户一定的燃油补偿，燃油响应量和燃油响应里程有关，如式(8)-(10)所示。[0068]fgre＝rgre·g100enꢀꢀꢀ(8)[0069][0070][0071]其中，fgre为插电式混合动力汽车的燃油响应量；rgre为燃油响应里程；rgre,h为第h辆插电式混合动力汽车的燃油响应里程；rh为第h辆插电式混合动力汽车的日行驶里程；rlim为补偿限制里程；nb为与负荷聚合商签订协议并参与调度的插电式混合动力汽车数量。[0072]基于bp神经网络预测燃油补偿单价的架构图如图3所示。完成训练后，以六个影响指标作为输入，包括高峰电价、油价、转移电负荷、内燃机模式占比、日行驶里程和补偿限制里程，以燃油响应补偿单价作为输出，通过预测，得到燃油响应补偿单价；[0073]新能源汽车用户对于调度的响应程度具有差异性，采用模糊推理系统对用户的响应意愿程度进行估计，由此得到新能源汽车的转移负荷模型，如式(11)-(12)所示：[0074][0075][0076]其中，分别为t时段电动汽车插电式混合动力汽车的转移负荷功率；ηev、ηphev分别为t时段电动汽车插电式混合动力汽车的用户响应度；αev、αphev分别为电动汽车、插电式混合动力汽车签约用户比例系数；分别为t时段电动汽车插电式混合动力汽车的充电功率。[0077]引入经济折算系数λ1将抑制负荷波动目标投影到经济维度，兼顾了系统的经济性和稳定性。在一个调度周期内，区域综合能源系统的运行成本为cries，如式(13)-(15)所示。其中含有t时段系统购能成本机组维护成本弃风惩罚成本需求响应购买成本与负荷波动成本[0078][0079][0080][0081]其中，t为一个调度周期；为t时段系统向主网的购电功率；分别为t时段电锅炉、微燃机、光伏机组、风电机组和储能设备的发电功率；keb、kmt、kpv、kw、kes分别为电锅炉、微燃机、光伏机组、风电机组和储能设备的维护单价；为t时段风电机组的弃风功率；kwd为弃风单位惩罚费用；为t时段需求响应后系统电负荷；为t时段新能源汽车转移的充电功率；为t时段需求响应后新能源汽车负荷；分别为t时段系统购电电价、需求响应单位支付费用；为t时段微燃机的耗气量；μf为天然气价格；μgl为92号汽油价格；kgre、αgre分别为燃油补偿单价和弹性系数；为t时段系统电负荷。[0082]在一个调度周期内，新能源汽车车主的支付费用为cv0，如式(16)-(17)所示。其中含有t时段的新能源汽车车主充电费用充电负荷调度收益新能源汽车车主的燃油费用cgl与燃油响应补偿收益cgre。[0083][0084][0085]其中，kcp为充电桩服务费；αuidr为车主需求响应补偿的弹性系数；nc为未参与响应的插电式混合动力汽车数量；rj、rk分别为第j辆、第k辆插电式混合动力汽车的日行驶里程；ggl,k、rgre,k分别为第k辆插电式混合动力汽车的燃油量、燃油响应行驶里程。[0086]多目标函数和单目标函数间的转换，采用加权系数法实现，如式(18)-(19)所示。[0087][0088]ω1+ω2＝1ꢀꢀꢀ(19)[0089]其中，c为转化的单目标函数；ω1和ω2分别为两个目标函数的权重；c1和c1max分别为目标函数1的实际值和最大值；c2和c2max分别为目标函数2的实际值和最大值。[0090]机组出力的约束条件，其中包括电锅炉出力约束条件、微燃机出力约束条件、风电机组出力约束条件、光伏机组出力约束条件、购电功率约束条件、储能约束条件、电荷平衡约束条件，如式(20)所示：[0091][0092]其中，分别为电锅炉出力上下限值；分别为微燃机出力上下限值；分别为上级主网出力上下限值；分别为t时段光伏机组和风电机组的预测出力；soct为t时段储能设备的荷电量；soc0、soct分别为储能设备调度期初和期末的荷电量；socmin、socmax分别为储能设备荷电量上下限值；分别为t时段储电设备的充、放电功率；分别为储能设备的最大充、放电功率，为t时段溴冷机的制热量；为t时段电锅炉的供热功率；分别为t时段储热设备的充、放电功率；为t时段系统热负荷。[0093]新能源汽车的约束条件，其中包括转移功率约束条件、工作模式约束条件、充电负荷平衡约束条件以及用户响应收益约束条件，如式(21)所示：[0094][0095]其中，ε1、ε2分别为电动汽车、插电式混合动力汽车负荷转移上限比例系数；αb为纯电动模式比例系数；rp为第p辆插电式混合动力汽车的日行驶里程；分别为t时段需求响应后电动汽车、插电式混合动力汽车负荷。[0096]使用gams优化软件，对插电式混合动力汽车燃油特性的区域综合能源系统优化调度方法可行性进行仿真分析，新能源汽车参数如表1所示。[0097]表1新能源汽车参数表[0098] 电动汽车插电式混合动力汽车百公里耗电量/(kwh/100km)12.825.7百公里燃油量/(l/100km)06.1电池容量/kwh5218油箱容量/l048慢充功率/kw3.53.5充电效率/％9090[0099]负荷预测功率曲线如图4所示。为分析插电式混合动力汽车调度的必要性和燃油响应方法的实施对系统和用户收益的影响，设置4种场景进行对比分析：[0100]场景1：电动汽车和插电式混合动力汽车均进行无序充电。[0101]场景2：负荷聚合商与电动汽车用户签订协议，电动汽车进行有序充电，插电式混合动力汽车进行无序充电。[0102]场景3：负荷聚合商与插电式混合动力汽车用户签订协议，插电式混合动力汽车进行有序充电和燃油响应，电动汽车进行无序充电。[0103]场景4：负荷聚合商与电动汽车用户和插电式混合动力汽车用户均签订协议，电动汽车进行有序充电，插电式混合动力汽车进行有序充电和燃油响应[0104]本发明考虑上述四种场景下系统的运行情况，分析燃油响应策略和新能源汽车联合调度的优势，具体优化结果如表2所示。[0105]表2四种场景系统优化结果表[0106] 场景1场景2场景3场景4系统运行成本/元16118.8213324.7713763.0312717.84车主支付费用/元7274.586684.996436.305846.72弃风率/％13.277.665.430负荷方差/kw2h59720.5736175.8626879.7712725.69负荷峰谷差/kwh774.28609.25528.78417.69[0107]图5为四种场景电负荷功率曲线和电负荷转移功率图，图6为四种场景风电机组出力图。由表和图可知，场景1的系统运行成本、新能源汽车车主支付费用、弃风率、负荷方差和负荷峰谷差远高于其他3个场景。可以看出，当新能源汽车进行无序充电，车主充电行为依据车辆充电需求，导致充电负荷累加在区域原本的峰值负荷，影响系统安全稳定运行。[0108]场景2和场景3均为单一类型车辆调度场景。在综合需求响应的作用下，场景2和场景3的系统运行成本、车主支付费用大幅度降低。与此同时，场景2、场景3与场景1相比，弃风率分别降低了42.28％、59.08％，负荷方差分别降低了39.42％、54.99％，负荷峰谷差分别降低了21.31％、31.71％。由此可知，综合需求响应能够引导新能源汽车用户合理进行负荷转移，有效利用电能与热能间峰谷时间差异与耦合关系，改善由于风电反调峰特性、用户无序充电行为带来的影响，促进电力负荷低谷时段的弃风消纳，提高能源利用效率和系统运行稳定性。[0109]场景4为两种类型车辆全调度场景。场景4的系统运行成本、车主支付费用最低，充电负荷转移量最多，实现了系统风电的全额消纳，负荷方差和负荷峰谷差进一步降低。可以得出，随着签订协议的新能源汽车数量提高，实际参与综合需求响应的负荷容量增大，系统优化效果越好。[0110]图7、图8为场景2的电、热负荷机组出力图，图9、图10为场景3的电、热负荷机组出力图。由图可知，场景3相较于场景2新能源汽车负荷减少，在综合需求响应的作用下有更多的充电负荷参与到负荷转移，峰荷进一步削减。同时谷荷进一步增加，风电机组的出力空间得到提升，配合电锅炉和热电联产机组实现了更好的风电消纳效果。场景3的负荷方差和负荷峰谷差相较于场景2均有所降低。这是因为引入燃油响应策略后，插电式混合动力汽车提高了燃油里程，降低了耗电行驶里程，与此同时，插电式混合动力汽车的用户响应度提高，需求响应的容量提高，所以优化效果提升。结果表明，在优化运行时，同时考虑有序充电和燃油响应的插电式混合动力汽车与仅考虑有序充电的电动汽车相比，前者更有益于抑制负荷的波动、提升系统的稳定性和用户的经济性。[0111]表3四种燃油补偿单价系统优化结果表[0112] 0.1/(元/l)0.3/(元/l)0.5/(元/l)0.7/(元/l)系统运行成本/元15995.6813794.5813763.0314008.09车主支付费用/元7117.856485.916436.306287.88弃风率/％12.936.225.432.57负荷方差/kw2h51940.9828517.2326879.7722364.59负荷转移量/kwh137.66701.22755.35941.24[0113]表3为不同燃油补偿单价系统的优化结果，图11为不同燃油补偿单价电负荷功率曲线和电负荷转移功率图。由表3和图11可知，增加燃油补偿单价后，插电式混合动力汽车的用户响应度提高，充电负荷转移量增大，用户燃油补偿收益和充电负荷转移收益均提高，所以车主支付费用、系统弃风率、负荷方差均有所下降。随着插电式混合动力汽车用户响应度的提高，需求响应容量逐渐达到调节上限，负荷响应灵活性下降，而燃油补偿费用持续提高，故系统运行成本先呈下降趋势，后呈上升趋势。可见，在一定调节范围内，适当提高燃油补偿单价，可以兼顾系统和用户的需求与利益，提高系统供电可靠性，降低负荷波动性，提高可再生能源的消纳率。[0114]图12、图13为场景4的电、热负荷机组出力图。由图可知，在电价低谷时段，系统控制热电联产机组和电锅炉的出力进行电能和热能的供应，此时储电设备处于充电状态，储热设备处于灵活充放能状态，大量电动汽车和插电式混合动力汽车负荷参与综合需求响应，进行“填谷”的工作，风电机组在电锅炉和储能设备协同配合下实现了功率满发，提高了可再生能源的利用率。在电价平时段，热负荷降低，系统总供热量降低，同时购电成本提升，电锅炉出力减少，风电出力减少，系统从电网购置的电能增加，同时该时段转移了部分新能源汽车负荷，对电网压力的缓解有一定作用。在电价高峰时段，供热也正处于高峰时刻，在此时，热电联产机组受到以热定电的影响加大出力，该时段为电动汽车和插电式混合动力汽车负荷转移主时段，大量充电负荷参与到“削峰”的任务中，降低了此时段的用电需求，减少了系统的供电压力。[0115]尽管上面结合附图对本发明进行了描述，但是本发明并不局限于上述的具体实施方式，上述具体实施方式是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离发明宗旨的情况下，还能够做出很多形式，这些均属于本发明的保护之内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!