LEGO：开源低碳扩张发电优化模型

软件X 19（2022）101141原始软件出版物LEGO：开源低碳扩张发电优化模型Sonja Wogrina，b，P.，Diego Alejandro Tejada-Arangoc，d，Robert Gaugla，Thomas Klatzera，Udo Bachhieslaa奥地利格拉茨格拉茨科技大学电力经济和能源创新研究所b西班牙马德里Comillas宗座大学工程学院技术研究所c西班牙马德里AFRY能源管理咨询公司dFacultad de Ciencias Económicas y Empresariales（ICADE），Universidad Pontificia Comillas，Madrid，Spainar t i cl e i nf o文章历史记录：接收日期：2022年收到修订版，2022年5月4日接受，2022年保留字：能源系统规划软件开源电力系统优化GitHuba b st ra ct本文介绍了开源的低碳扩容发电优化（LEGO）模型。它是一个多用途工具，可对能源部门进行大量技术经济分析，从短期机组承诺到长期发电和输电扩展规划。其高度灵活的时间结构允许按时间顺序和代表性的时期。乐高由可通过数据选项自由组合的主题模块组成：机组承诺约束; DC或AC-OPF公式;电池退化;频率惯性约束的变化率;需求侧管理;或以氢气部门形式的Power-to-X。这种独特的功能允许将高度技术性的方面纳入长期投资分析。据我们所知，没有开源模型提供这种灵活性，我们在此向科学界免费提供。©2022作者（S）。由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）中找到。代码元数据当前代码版本2021.12.03用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX-D-22-00021Reproducible Capsule的永久链接不适用法律代码许可证MIT许可证（MIT）使用git的代码版本控制系统使用GAMS、Microsoft Excel的软件代码语言、工具和服务编译要求、操作环境依赖性GAMS、Microsoft Excel、MIQCP求解器（CPLEX或Guideline）（如果可用）开发人员文档/手册https://www.tugraz.at/institute/iee/lego/Sonja Wogrinwogrin@tugraz.at1. 动机和意义为了减缓气候变化，我们作为一个社会已经开始迈向净零能源系统[1，2]。在我们面前，存在着巨大的监管、社会、经济和技术挑战，例如电力和能源的有效耦合。通讯作者：电力经济和能源创新研究所（IEE），格拉茨科 技 大学，格拉茨，奥地利。电子邮件地址：wogrin@tugraz.at（Sonja Wogrin）.https://doi.org/10.1016/j.softx.2022.101141其他行业（Power-to-X），以及运输电气化，短期和长期存储技术的大规模集成，主动需求侧管理（DSM）等等。透明、现实、开源的能源系统模型（ESM）是通过更明智和更好的决策来支持能源转型的必要条件。有关非开源ESM的概述，请参阅[3]。有许多开源的ESM可用，如：GenX [4，5]，EMMA [6]，ANTARES[7]，NEMO [8]，EMPIRE [9]，openTEPES [10]，PyPSA [11]，[12][13][14][15][16][17][18][19][2352-7110/©2022作者。 由Elsevier B.V.出版。这是一篇开放获取的文章，使用CC BY许可证（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softxSonja Wogrin，Diego Alejandro Tejada-Arango，Robert Gaugl etal.软件X 19（2022）1011412这些模型中的大多数都非常复杂，但在设计时考虑到了一个特定的目的，例如评估短期运行（如机组投入（UC）问题）或执行长期扩展规划。这使得他们不灵活，以适应未来能源系统的潜在结构变化和研究的时间范围我们确定了两个主要原因，这种兼容性。首先，模型本身的时间结构。根据范围的不同，大多数现有的紧急状态措施要么具有按时间顺序排列的时间段（例如小时）结构，要么使用某种时间片/块，要么具有代表性的时间段（通常是天或周）1。时序周期允许对技术约束进行精确建模时间片允许时间聚合并提高易处理性，但难以结合需要时序的技术约束存储充电状态或UC启动决定）。代表性周期结合了这两个优点，但大多数情况下未能捕捉到超过代表性周期的时间动态。在提到的其他ESM中，SpineOpt [12]具有最灵活的时间结构，甚至允许多个投资期。但是，它目前不支持AC-OPF框架。第二，我们讨论了与主题块的兼容性。一些ESM考虑（或不考虑）UC约束、单节点或网络问题（传输问题/DC或AC最佳功率流（OPF））、DSM、频率变化率（Ro-CoF）要求、存储降级、诸如气体/氢气的其它扇区、策略约束等。然而，软件用户通常没有简单的方法来随意组合这些主题由于这两个主要原因，大多数ESM对于用一个单一模型分析电力系统的不同方面是不灵活的。开源的LEGO（低碳扩张发电优化）模型克服了现有ESM的这些缺点。它被设计成一个用户友好的多用途工具，就像一把瑞士军刀，可以用来研究能源部门的许多不同方面。基本的建模哲学是：模块化和灵活性。乐高是模块化的，因为当前模块包括：UC决策或通过将模型作为放松的混合模型RMIP程序（rMIP）2;考虑单节点问题3或电网（通过DC4或完全AC-OPF5的二阶锥规划（SOCP）近似）;通过循环老化成本降低电池储能系统（BESS）的性能6; RoCoF系统惯性约束7;通过负荷转移和负荷削减的DSM8;考虑氢部门9;纳入政策约束（如固定容量要求10 [15]和最低可再生能源渗透率11）和投资决策，这是一个重要的建模，因为-设置在过渡到气候中立。让我们简要讨论一下每个区块的数学公式类型：UC（MIP）; DC-OPF（LP）; AC-OPF（QCP）;降级（LP）; RoCoF(MIP)需求侧管理;氢气;政策约束。通常，LP是最有效的模型类型，然后是QCP，MIP，最后是MIQCP。一般来说，很难先验地准确预测哪个块将对CPU时间产生最大影响，因为这取决于情况，但根据我们的经验，RoCoF是计算成本最高的，然后是UC，然后是AC-OPF与MIP约束的组合。乐高按时间顺序的时间步长、时间片/块和代表性时段-仅通过调整输入12; LEGO可用作仅操作模型或投资（GEP、TEP或GEPTEP）模型13;LEGO作为MIP或混合整数二次运行14约束问题（MIQCP），并考虑离散决策（如亮度投资和UC）或作为rMIP/rMIQCP15，其中离散变量是放松的。LEGO基于以前的工作[16，17]，现在可以在GitHub上免费获得：https://github.com/IEE-TUGRAZ/LEGO。据我们所知，没有一个开源的ESM可以结合乐高的通用时间结构和主题块的模块化。LEGO特别突出，因为它的RoCoF和AC-OPF块，以及它在非时间代表性时期之间建立跨时间约束的能力[18]。 后者允许合并短期和长期存储在时间聚合的16个opti，混合模型如[19]中所指出的，没有多少聚合模型包含长期存储。作为总结，乐高GitHub存储库中的LEGO用户手册包含有关模型灵活性和模块化的更多细节，以及底层数学公式，输入和输出。本文的其余部分组织如下。第2节包含软件描述，随后是第3节中的说明性示例。第4节讨论了乐高最后，第五部分对本文进行了总结。2. LEGO软件说明2.1. LEGO软件方法LEGO模型是一个用GAMS编码的MIQCP [20]。在GAMS中，LEGO需要能够处理MIP/MIQCP的求解器。目前，我们使用CPLEX[21]，但也可以使用其他求解器，如Guidelines [22]。有了免费的学术许可证小问题的情况下，即，1个代表性的日常案例，可以解决和分析。对于解决大型实例，需要专业的GAMS和求解器许可证。MIP容差设置为展示监管政策如何改变成本最优运营12 特别地，通过设置索引p、rp、k和相应的参数，在1 有关这些方法的比较，请参见[14]。2 在参数表中设置选项pRMIP（是/否）3 在参数表中将选项pTransNet设置为否4 在参数表中将pTransNet选项设置为Yes，将pEnableSOCP设置为No5 在参数表中将pTransNet选项设置为Yes，将pEnableSOCP设置为Yes6 在参数表中将选项pEnableCDSF设置为是7 在参数表中将pEnableRoCoF选项设置为Yes8 在参数表中将选项pDSM设置为是9 在参数表中将选项pEnableH2设置为是10 在参数表中设置pMinFirmCap的值11 在参数表中设置pMinGreenProd的值工作表Hindex，其指定实际小时p如何与代表性时段rp和k相关，以及工作表Weights，其中设置rp和k的持续时间（以小时计）13 设置 参数 EnableInvest[0，1] 到 0 渲染 发电机作为非候选人的投资，这意味着一个操作只有模式。将它们设置为1允许每个生成器作为投资的候选。该参数适用于热力、可再生能源、储能和FACTS装置。我们考虑候选投资在发电扩展规划（GEP）和输电扩展规划（TEP）。14 如果求解AC-OPF的SOCP公式，则它仅是二次的否则模型是混合整数线性规划（MIP）。15 完整性通过参数表中的选项pRMIP放宽16 例如代表性周期或时间片或块。Sonja Wogrin，Diego Alejandro Tejada-Arango，Robert Gaugl etal.软件X 19（2022）1011413Fig. 1. LEGO图二、LEGO的优点和局限性。1 e-3，并且弛豫引起的邻域搜索频率被设置为1000。否则，我们使用求解器默认设置。输入数据包含在Excel文件17中。数据表随根据它们是来自电力部门（绿色）还是氢气部门（蓝色）进行颜色编码模型选项和专题模块通过数据激活，无需更改GAMS模型代码。模型结果（原始和双重）和其他输出直接写入Excel文件，可以（如果需要）通过菜单表加载到数据Excel文件的（鲑鱼色）结果表中GAMS通过GDX（GAMS数据交换）文件直接与Excel进行输入和输出。LEGO包括电力系统的详细表示，该电力系统由公共汽车和电力线组成的电网以及发电机（无论是热能，可再生能源还是存储技术）组成。乐高的目标函数是总系统成本最小化，受选定的技术和政策约束。也可以通过电解器将电力部门连接到氢气部门如果候选生成17 我们选择Excel来存储模型数据，而不是专业的数据库，因为它易于使用，并且不需要用户进一步了解如何处理数据库。和/或传输投资，这使得LEGO成为一种投资模式。如果候选投资未指定（在发电机和网络数据表中），则LEGO将使用现有发电机和线路数据运行仅操作问题。有关每个模型参数的详细描述，请参阅GitHub存储库中的LEGO用户手册。2.2. LEGO软件架构图3包含乐高软件架构的概述。输入数据包含在Excel文件的彩色编码表中，我们在这里将其称为“LEGO-Case.xlsm”。代码的主体包含在GAMS模型'LEGO.gms'中。要运行模型，用户只需在GAMS命令 行 中 键 入 “user 1 =LEGO-Case” 。 通 过 GDX ， 数 据 自 动 并 入GAMS ， 模 型 被 求 解 ， 输 出 被 写 入 自 动 生 成 的 单 独 Excel 文 件“tmp_LEGO-Case. xlsm”。如果用户希望将输入和输出保存在一起，则可以通过菜单表中的“加载”按钮将临时Excel文件的输出合并到“LEGO-Case.xlsm”中。此外，GAMS代码本身包括Sonja Wogrin，Diego Alejandro Tejada-Arango，Robert Gaugl etal.软件X 19（2022）1011414===图三. LEGO软件架构概述。两个部分：优化模型（读取输入，模型公式化，求解模型）;以及后处理，包括经济结果。乐高模型有过多的技术和经济性质的输入数据开源数据集基于StarNet Lite 演 示 版 本 ， 用 于 长 期 规 划 。 IIT-Comillas的AndresRamos（https://pascua.iit.comillas）。edu/aramos/starnet.htm），但是该数据可以根据用户系统数据而改变。输入数据的更详细的描述可以在图中找到。 4以及LEGO用户手册。模型结果不仅包括由原始变量获得的技术信息，例如：每个发电机的（有功/无功）功率生产、（有功/无功）功率流和电压、发电和输电投资、电池退化、蓄电池充电状态等，还包括通过拉格朗日乘数获得的信息，如现货/储备价格（通过边际成本（MC））、公司容量/可再生配额支付以及发电商的子公司收入、成本和利润该信息提供了整个电力系统的详细技术经济分析。特别地，LEGO 和权重 提出 工作表权重和hIndex。由于一些输入数据，在图中标记为""。 3、时间--由于这些数据表的结构取决于不同的需求（如需求、可再生能源概况、水电流入、需求侧管理概况），因此必须相应地调整这些数据表的结构。我们用一个具体的例子来说明这种结构。 让我们假设我们有原始的时间序列，代表一年的数据，对应于每小时的时间段p1，. . .，8760。现在让我们用指数rp和k来说明两种不同的选择，在乐高中表示这一年：（a）作为按时间顺序的小时数据，（b）使用代表性的日子。在情况（a）中，代表性周期是年本身，因此rp的基数是1，并且代表性周期内的按时间顺序排列的时间周期k是单独的小时本身，即，k1，. . .，8760。因此，每个k的权重为1，代表周期的权重也是1。集合hIndex将原始时段p与rp内的按时间顺序的时段k相关联。在这种情况下，由于p和k都表示相同的时间顺序，因此它们是相同的。使用索引rp和k的时间相关数据对应于精确的每小时时间序列，并且在情况（a）中由8760 x1矩阵/向量表示在情况（b）中，假设我们用7个代表性的日子来近似一年，在这种情况下，rp = 1，. . . 、7. 这将是对原始时间序列进行聚类程序的结果，该结果还将产生一年中每个代表性日期的权重以及原始期间p和它的代表（rp， k）。因为我们有聚集的日子，索引k 1，. . . 24表示代表日内的按时间顺序排列的小时。时间相关数据是源自聚类过程的质心，并表示为24× 7（k， rp）矩阵。3. 说明性实例在第3.1节中，我们提出了一个说明性的例子，说明了在电力系统规划中考虑技术特性的重要性，在第3.2节中，我们给出了奥地利电力系统的实际结果。所有案例研究都是在标准PC（IntelCore i7 11th Gen，2.80 GHz和32 GB RAM）上使用GAMS 37.1.0版和CPLEX求解器进行的3.1. 直流与交流输电扩展规划本节显示了MIP版本的LEGO的结果，用于9总线测试系统和GitHub上的7个代表日，强制执行100%可再生渗透并在两种范式下启用GEPTEP：DC和AC-OPF设置。虽然候选线路4-5是在两种设置下建造的，但发电投资、生产决策和潮流结果显著不同，如图所示。五、在直流设置中，通过线路4-5的功率流在在7个有代表性的日子中，有3天，该生产线在一天的所有24小时内都处于流向主要是从风资源所在的总线5经由总线4到系统的其余部分。然而，DC模型不考虑电压限制和无功功率。为了在所建立的电压极限内（在0.9和1.1 p.u.之间），线路4-这会导致电力流和最佳投资结果的显著此外，在100%可再生能源渗透率下的DC设置中，先验地，没有发电机提供无功功率，从而呈现AC不可行的电力系统。当允许额外FACTS设备的事后投资时，直流系统可以以85 Me的额外系统成本进行交流可行性。然而，在这方面，Sonja Wogrin，Diego Alejandro Tejada-Arango，Robert Gaugl etal.软件X 19（2022）1011415图四、 LEGO输入文件表和包含的 数据。图五. 直流（左）和交流（右）潮流设置下的乐高结果比较：GEP投资（以GW表示），节点需求（%）和线路使用（以颜色范围表示）。这种方法导致次优的发电混合。使用RoCoF功能，可以对系统惯性要求进行类似的分析[16]。在文献中，很少有作品分析占交流潮流的GEPTEP。然而，一些具有类似发现的例子[233.2. 奥地利电力系统奥地利最近启动了到2030年向100%可再生能源系统过渡的法律框架（可更新扩展法案为了达到预期的Sonja Wogrin，Diego Alejandro Tejada-Arango，Robert Gaugl etal.软件X 19（2022）1011416图六、乐高使 用 的奥地利电力系统的 当 前 基 础 设 施 。年电力需求为82 TWh，EAG规定了每种技术每年额外发电的以下目标：11 TWh的太阳能光伏; 10 TWh的风能; 5 TWh的水电;以及，1TWh的生物质。鉴于这些自上而下的目标，我们利用乐高为奥地利的电力基础设施制定了成本最优的扩建计划，关于奥地利电力和能源系统去碳化的其他研究[28，29]报告了类似的图图6描绘了乐高使用的奥地利电力系统的当前基础设施（1，304台发电机; 468个节点;和1，097条电力线，110，220和380kV）。在这项研究中，时间分辨率为7天，乐高产生了大约90万个变量，并解决了80万个方程。解决方案的时间取决于建模选项和专题块，范围从20分钟到5小时。初步结果[30]表明，在2030年EAG目标下，电力进口/出口以及抽水蓄能（PHS）的电力消耗比2020年高出150%。在不允许进出口的情况下，全国小灵通的耗电量增加到180%。该研究是START2030研究项目的一部分，旨在全面分析奥地利到2030年过渡到100%可再生能源发电系统所产生的经济影响和社会影响4. 影响到目前为止，乐高模型已经导致了以下科学出版物[16，17，32]和国际会议上的几个贡献[30，33-它被积极用于两个公共资助的 研 究 项 目 ： 上 述 项 目 START2030 [31] 和 STARTTrans2040[37]，其中包括对能源载体电力，天然气和热力的能源基础设施的三种扩展方案的全面阐述和评估，以实现到2040年奥地利可持续，气候中立的经济和能源系统5. 结论和扩展LEGO包括一个开源的用户友好的多用途工具，用于过渡能源系统的技术经济分析。其独特的灵活的时间结构和模块化允许用户进行广泛的研究-使其成为整个能源转型的理想伴侣。在正在进行的/未来的工作中，我们计划将氢气部门扩展到包括完整的天然气基础设施包括供暖部门，以便进行全面的部门耦合分析。此外，我们希望在输入数据和模型之间开发一个额外的软件模块，该模块仅使用原始输入数据（如每小时的时间序列）并对其进行转换，例如通过聚类过程，转换成用户所需的时间格式，从而便于数据准备和相应的输入表。在未来，我们计划扩大乐高是一个随机模型18，并支持多个投资-此外，还增加了新的部门19，如天然气和热力。竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作致谢作者感谢START2030项目。索尼娅·沃格林感谢伊丽莎白·科夫勒。引用[1]拜登计划建立一个现代化的，可持续的基础设施和一个公平的清洁能源的未来，https://joebiden.com/clean-energy/。[2]欧盟委员会。委员会的沟通。为所有人创造一个清洁的星球。欧盟委员会;2018年。[3]Bhattacharyya SC，Timilsina GR.能源系统模型综述。2010年国际能源部门管理杂志。[4]Jenkins JD，Sepulveda NA.为不断变化的电力格局提供增强的决策支持：GenX可配置电力资源容量扩展模型。麻省理工学院能源倡议; 2017年。18 这个扩展在代码方面是直接的，但是，它需要仔细收集额外的依赖于Excel的数据，并确保Excel和GAMS之间的通信仍然有效。此外，委员会认为，它很可能需要使用分解技术来求解乐高19 软件结构是专门为此设计的，如何-然而，要做到这一点，用户需要进一步了解GAMS，并且在制定扇区之间的交叉点时必须Sonja Wogrin，Diego Alejandro Tejada-Arango，Robert Gaugl etal.软件X 19（2022）1011417[5] Jenkins JD，Sepulveda NA，Mallapragada D.GenX文档，https：//genxproject.github.io/GenX/dev/GitHub：https://github.com/GenXProject/GenX.[6] 赫思湖欧洲电力市场模型EMMA。在：Neon neue energieÖKonomikGmbH.Tech. 众议员2017年版，p.07//neon.energy/en/emma/网站。[7] Doquet M，Gonzalez R，Lampers S，Momot E，Verrier F.电力系统充分性报告的新工具：ANTARES。在：CIGRE 2008届会上。2008，Paper C1-305，Paris URLhttps://github.com/AntaresSimulatorTeam/Anarchy_Simulator.[8] [10] 杨 文 ， 李 文 ， 李 文 .NEMO 文 档 。 2021 年 ， https://Sei-International.Github.Io/NemoMod.Jl/Stable/。[9] [10]杨文，李文.EMPIRE：一个基于多水平规划的能源转型分析开源模型。SoftwareX2022;17：100877.[10]Ramos A，Quispe E，Lamburras S. openTEPES：开源输电和发电扩展规划。SoftwareX2022;18：101070.[11]放大图片作者：John T，Schlachtberger D. PyPSA：用于电力系统分析的Python。2017年，arXiv预印本arXiv：1707.09913。[12]SpineOpt. 2021，URLhttps://spine-project.github.io/SpineOpt.jl/latest/。[13]放大图片作者：John J，Henriquez-Auba R，Maluenda B，Fripp M. Switch2.0：规划高度可再生能源电力系统的现代化平台。SoftwareX2019;10：100251.[14]赖兴伯格L，西迪基AS，Wogrin S.在电力系统规划模型中缩小时间尺度以代表可再生能源输出变化的政策含义。能源2018;159：870-7.[15]Gerres T，Ávila JPC，Martínez FM，Abbad MR，Arín RC，Miralles AS. 重新思考电力市场设计：达到高RES份额的薪酬机制。一个西班牙案例研究的结果。能源政策2019;129：1320-30。[16]吴伟杰，王晓刚，王晓刚.评估惯性和无功功率约束在发电扩展规划中的影响。应用能源2020;280：115925。[17]Wogrin S，Tejada-Arango DA，Delikaraoglou S，Botterud A.把钱拿出来！低碳电力系统中储能系统的盈利能力。在：2021 IEEE马德里电力技术。IEEE;2021，p.1比6[18][10]张文辉，张文辉，张文辉.增强代表日和系统状态建模，用于储能投资分析。IEEE Trans Power Syst2018;33（6）：6534-44.[19]放大图片作者：J.发电扩展规划模型中的长期存储，时间范围减小。应用能源2021;298：117168.[20]通用代数建模系统（GAMS），https://Www.Gams.Com/。[21]CPLEX用户手册。Ibm ilog cplex optimization studio。在：版本，卷。12个。1987年，第1987-2018页。[22]Guesthouse Optimization. 公 司 ， “Guidance Optimizer Reference Manual ，“2015. 2014年。[23]Heide O，Šepetanc K，Pandžić H.采用高精度交流最优潮流近似的输电扩展规划。2021年国际智能能源系统和技术会议。IEEE; 2021，p. 1比6[24]张晓，陈晓，孙勇.用于LMP计算的AC和DC潮流模型的比较。参加：第37届哈茨国际系统科学年会。IEEE; 2004，p.9.第九条。[25]Akbari T，Bina MT. AC多年输电扩展规划的线性化公式：混合整数线性规划方法。电力系统研究2014;114：93-100。[26]Moradi M，Abdi H，Leburras S，Ramos A，Karimi S.采用帝国主义竞争算法的交直流混合潮流模型，在风电场存在的情况下进行输电扩展规划。ElectrPowerSyst Res2016;140：493-506.[27]Bundesgesetz über den Ausbau von Energie aus ernuerbaren Quellen（Erneuerbaren-Ausbau-GesetzI编号150/2021.[28]Resch G，Burgholzer B，Totschnig G，Lettner G，Auer H，Geipel J，et al.StromzukunftÖsterreich 2030. 维也纳：维也纳工业大学; 2017.[29] one 100奥地利的可持续能源系统- 100%脱碳。AGGM;2021年。[30]Lennhardt L，Gaugl R，Wogrin S.在奥地利实现100%的可再生电力-分析EAG目标。在：17。2022年能源创新研讨会IEE-TU Graz; 2022，p.1比2。[31]Kettner-Marx C ， Boheim M ， Sommer M ， Feichtinger G ， Koberl K ，Wrets- chitsch E，et al. A social，technological and economic evaluation ofAustria's renewable electricity transformation 2030（START2030）. 2021，URLhttps：//start2030.wifo.ac.at/index.htm网站。[32]高格尔R，沃格林S，巴赫希斯U. A的前景整体模-非洲电力系统的elling方法。在：CIGRE 2022京都研讨会-电力系统改造，包括主动配电。2022年。[33] 沃格林湾储能系统在低惯性电网扩展规划中的作用。在：2020年信息年会。2020年。[34]Gaugl R ， Bachhiesl U ， Wogrin S. 非 洲 大 陆 的 电 力 经 济 模 式。 在 ： 12 。internationale energiewirtschaftstagung. 2021年[35]放大图片Kratzer T，Bachhiesl U，Wogrin S.电力系统分析与低碳扩展发电优化（LEGO）模型。在：第一次国际研讨会上“能源系统的开源建模和模拟”。RWTH Aachen; 2021，p.1比6[36]吴伟杰，王晓刚，王晓刚.碳中和电力系统的资源充足性。在：17。2022年能源创新研讨会IEE-TU Graz; 2022，p. 1比2。[37]Bachhiesl U，Gaugl R，Gruber L，Kettner-Marx C，Kienberger T，KlatzerT ， et al. Energieinfrastruktur 2040 - szenarien und ausbaupläne für einnach- haltiges Schaftssystem in österreich（1999）.2021，URLhttps：//www.tugraz.at/institute/iee/forschung/aktuelle-projekte/infratrans2040/网站。