软件X 15（2021）100784原始软件出版物DIETERpy：用于内源可再生能源Carlos Gaete Morales，Martin Kittel，Alexander Roth，Wolf-Peter Schill德国经济研究所（DIW Berlin），Mojerstr。 58，D-10117 Berlin，Germanyar t i cl e i nf o文章历史记录：2020年9月30日收到收到修订版，2021年3月16日接受，2021年保留字：电力部门建模开源建模GAMSPython储能灵活性选项扇形耦合可再生能源一体化a b st ra ctDIETER是一个开源的电力部门模型，旨在分析未来可变可再生能源的比例非常高的情况它最大限度地降低了系统的总成本，包括各种发电、灵活性和部门耦合选项的固定和可变成本。在这里，我们介绍DIETERpy，它建立在现有的模型版本上，用通用代数建模系统（GAMS）编写，并用Python框架来增强它。这结合了Python在预处理方面的灵活性，和后处理的数据与一个简单的代数公式在GAMS和使用高效的求解器。DIETERpy还提供了一个基于浏览器的图形用户界面。新框架的设计易于访问，因为它使用户能够运行模型，更改其配置，并定义许多场景，而无需深入了解GAMS。代码、数据和手册可以在公共存储库中获得，并在许可证下获得透明度和可重复性。版权所有©2021作者。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v0.3.3用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX_2020_75法律代码许可证MIT使用git的代码版本控制系统使用的软件代码语言、工具和服务Python，GAMS编译要求，操作环境依赖性Python 3.6，GAMS +24.8链接到开发人员文档/手册https://diw-evu.gitlab.io/dieter_public/dieterpy问题支持电子邮件Carlos Gaetecgaete@diw.de软件元数据当前软件版本v0.3.3此版本可执行文件的永久链接https://pypi.org/project/dieterpy/0.3.3/法律代码许可证MIT计算平台/操作系统Linux，Microsoft Windows安装要求Python 3.6，GAMS +24.8，conda链接到开发人员文档/手册https://diw-evu.gitlab.io/dieter_public/dieterpy问题支持电子邮件Carlos Gaetecgaete@diw.de1. 动机和意义*通讯作者。电子邮件地址：cgaete@diw.de（Carlos Gaete-Morales），mkittel@diw.de（Martin Kittel），aroth@diw.de（Alexander Roth），wschill@diw.de（Wolf-Peter Schill）.https://doi.org/10.1016/j.softx.2021.100784减缓气候变化要求世界各地的经济实现脱碳。电力部门是二氧化碳最密集的部门之一，可再生能源在脱碳方面发挥着重要作用。风能和太阳能资源丰富，但具有特定的特点，例如高2352-7110/©2021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/softxCarlos Gaete-Morales，Martin Kittel，Alexander Roth等软件X 15（2021）1007842固定和低可变成本，以及时间可变的生产模式。将其大规模纳入能源系统的成本效益要求进行数值分析。至于它们如何能够取代化石燃料并成为未来能源系统的支柱，特别提出了时间灵活性选择和部门耦合作用的问题。DIETER是一个电力部门模型，旨在解决可变可再生能源在未来情景中的时间灵活性选项和部门耦合等问题。虽然该模型最初用于研究储能的作用，但随后扩展到考虑各种行业耦合选项，如电池电动汽车（BEV）、电力加热、绿色氢以及太阳能生产。在这里，我们介绍一个新的主要发展的模型，DIETERpy。它的核心模型代码建立在以前版本的DIETER上，用通用代数建模系统（GAMS）编写，从现在开始我们称之为DIETERgms在分析可变可再生能源的长期电力存储需求的背景下，DIETER首次被引入文献[2，3]。DIETERpy添加和增强的功能为更简单和更全面的场景运行提供了新的工具，促进了模型的更方便配置，并增强了用户的可访问性在DIETERpy 中，原始代数GAMS模型嵌入在Python框架或包装器中，该框架或包装器负责（1）模型的配置，（2）要研究的场景的定义，以及（3）数据的预处理和后处理。Python作为一种解释语言，已经被用作各自领域中许多高效程序的包装器，例如C/C++，Fortran或GAMS。在文献中，有几个应用于能源和气候变化的例子，例如，荷兰大气大涡模拟的Python接口，或系统管理模型SAM的Python包装器[4，5]。在能源建模空间中使用Python包装器的GAMS模型的其他示例包括IIASA 据 我们 所 知 ， DIETERpy 是 第一 个 使 用 GAMS API forPython的容量扩展电力部门模型我们还比以前的Python模型包装器方法更进一步，开发了一种工具，可以通过修改参数值，变量边界和（取消）激活约束来创建场景，而无需更改原始模型代码。DIETERpy还允许通过使用多个处理器内核和GUSS工具的实现来并行运行模型实例，GUSS工具是一种高级GAMS功能，可以通过模型实例减少类似场景的编译时间最重要的是，将我们的遗留模型DIETER嵌入到Python框架中，大大增强了以前纯基于GAMS的版本的功能，这可能对该模型的许多当前和未来用户有用DIETERpy可以通过Python包管理器轻松安装该模型可以通过基于浏览器的图形用户界面或CSV文件进行配置对于标准场景运行，用户不必更改基于GAMS的核心模型代码，而只是更改更基本的模型。DIETERpy有一个数据后处理例程，可收集多个模型运行的结果，并使其可用于进一步分析2. 软件描述DIETER是基于线性方程组的电力部门容量扩展模型。在完全预见下，它在长期均衡环境中使系统总成本最小化。从经济学的角度来看，它需要一个社会规划者的视角。它的目标函数是在给定的时间段内（通常是一整年），各种发电和灵活性技术以及输电的投资成本和相关的可变成本之和。DIETER最大限度地减少这些成本，给定外部技术经济输入参数和时间序列，如需求和可再生能源的可用性，以小时为单位提供。因此，解决方案是发电和灵活性技术（如电力存储）的最佳组合，以及它们在给定时间段内的最佳调度。该模型针对目标年的所有连续小时求解。一系列方程实现了关于发电能力、可再生能源份额、二氧化碳排放量、可再生能源可用性和平衡储备。此外，存在与各种类型的存储和扇区耦合相关的跨时间限制该模型不包括底层输电网基础设施的详细表示。在区域内，例如，在欧洲国家，它是一个铜板的选择;在地区之间，DIETER使用一个简单的运输模型方法与净转移能力（NTCs）。DIETER的不同版本已经被开发并应用于多个研究项目中，这使得相关领域期刊上的出版物数量不断增加，并有几篇正在进行的工作论文（见第4节）。从一开始，DIETER就被设计成一个精简、易处理和灵活的开源工具。目前已发表的模型应用对高性能计算资源要求不高，但基本上可以在标准计算机上解决新的DIETERpy框架旨在进一步提高模型的可访问性和实用性，也适用于临时用户和初学者。DIETERpy在其安装中包括一些基本数据，用户可能必须根据要研究的sce- nario分析类型对其进行调整。我们为现有技术组合提供一系列技术经济投入参数这包括与各种发电和灵活性技术的投资相关的时不变成本参数，以及跨境转移能力、燃料成本、灵活性成本和不同技术的可变成本，以及技术特定效率、技术寿命和上/下容量扩展边界。此外，我们还包括地理特征，以及可再生能源的可用性和电力和热力需求的时间序列。所有数据均可免费获得，来源列于各自的电子表格中。2.1. 软件构架DIETERpy是用Python和GAMS编程语言编写的软件包。它可以通过Python包管理器pip安装。运行模型需要GAMS基本模块和LP求解器的许可证（我们使用CPLEX）。1图1的左侧面板提供了DIETERpy软件架构的概述。数据预处理和后处理以及不同场景运行的操作都是使用Python进行的，只有优化本身是在通过Python启动的GAMS模块中完成用户可以选择不同的数据输出格式，以进一步分析结果。以不同的输出格式，允许用户继续他们的工具的选择。基本模型结果也可以在浏览器界面中可视化。1GAMS Software GmbH告诉我们，想要探索DIETERpy的潜在用户可以要求测试许可证，sales@gams.com。Carlos Gaete-Morales，Martin Kittel，Alexander Roth等软件X 15（2021）1007843Fig. 1. DIETERpy的图形概述来源：自己的插画。图的右侧面板。1总结了使用DIETERpy运行优化之前所需的两个步骤。第一步包括选择模块。基本模块包含默认电力部门调度和投资模型的所有其他模型功能，如需求方管理（DSM），电池电动车辆（特点ev_内源性和ev_exogenous），平衡储备太阳能发电量（太阳能发电量）和电力加热（热量）。在第二步中，可以指定多个场景运行。在场景运行中，可以修改参数、时间序列和变量界限，并选择不同的限制和国家。参数和变量必须用它们的定义域表示，除非它是标量或无量纲变量。域必须包含集合名称或集合元素。支持一维和多维参数和变量对于变量，我们可以建立上限和下限，以及固定值。2.2. 软件功能在DIETERpy中，用户可以使用易于访问的基于浏览器的图形用户界面选择模块和其他设置，或编辑相应的配置CSV文件。为了访问配置文件，必须创建一个项目。这可以通过在命令行中键入dieterpy后调用create_project函数来完成。这将产生一个包含所有配置文件和输入数据的 图 2显示了项目的文件夹和文件树。开箱即用，我们允许用户更改：1. 基本程序设置（project_variables.csv），2. 模块（features_node_selection.csv），以及3. 方案表（iteration_table.csv）。基本的程序设置包括，例如，输入文件的定义和输出文件格式;在这里，用户可以在CSV、Pickle和VAEX之间进行选择。 由于DIETERpy可以并行解决scenar- ios，我们还允许调整有关并行化的特定设置。在“基本程序设置”中跨境电力流动也可以很容易地打开和关闭（见表1）。表1project_variables.csv文件的示例。来源：自己的 插画。变量值scenarios_iteration是skip_input否skip_iteration_data_file否2030年基年end_hour h8760dispatch_only否network_transfer是no_crossover是不可行否GUSS是GUSS_parallel是GUSS_parallel_threads % 0data_input_file static_input.xlsx时间序列文件timeseries_input.xlsxiteration_data_file iteration_data.xlsxgdx_convert_parallel_threads0gdx_convert_to_csv否gdx_convert_to_pickle是gdx_convert_to_vaex否report_data是DIETERpy是一个通用模型，可适用于任何地理环境。在其默认版本中，校准针对德国进行了最精细的调整，但也可以激活其他11个国家（法国、丹麦、比利时、荷兰、波兰、捷克共和国、奥地利、瑞士、西班牙、意大利和葡萄牙）。如果有关于电力需求的相应输入数据以及有意义的发电和输电能力界限，增加更多的国家或将模型应用于不同的地理区域可以相对容易地完成。根据研究问题和模型大小限制，可以为不同的国家打开不同的模块，如表2所示。2DIETERpy还提供了一种简单的方法来更改单个参数值或定义和控制整个场景运行。该计划有一个易于修改的情况表2截至本文发表时，仍缺少几个国家模块组合的输入数据。绿色氢模块最初仅在纯GAMS版本（DIETERgms）中可用[8]，但它将在本文发表后不久在DIETERpyCarlos Gaete-Morales，Martin Kittel，Alexander Roth等软件X 15（2021）1007844表2features_node_selection.csv文件的示例零（0）停用功能，一（1）激活它们。在这里，我们停用了所有可选功能。 dsm指需求侧管理，ev_endogenous和ev_exogenous指纯电动汽车的内生和外生优化。有关更多信息，请参阅在线文档。来源：自己的插画。模块节点DEFRDK被NLPLCZ在CHES它PTDSM000000000000ev_内源性000000000000ev_外源的000000000000储备000000000000普罗苏马吉000000000000热000000000000（iteration_table.csv） ，允许用户编辑（ a）国家集合，（b）特定约束规范，（c）整个时间序列（例如需求或可再生容量因素），（d）单个参数值和（e）变量界限（固定它或提供上限或下限）。场景表为一个易于使用的，透明的工具，用于快速运行模型多次在不同的规格，其中每一行，表中所指的是一种情况（见表3）。参数化是通过向表中添加专用于特殊功能的列标题来建立的。要修改输入参数，我们添加一个列标题，该列标题与model.gms文件中的参数名称相匹配。对于变量，我们可以设置固定值以及上限和下限。一旦配置文件已经编辑并适应了一个理想的案例研究，优化准备开始。加载包含输入数据和配置CSV文件的excel文件，然后Python例程创建优化和与GMS 兼容的GDX文件。通过Python-API，模型（model.gms）和场景表被传递给GAMS。为了解决这个问题，DIETERpy使用GAMS的Python API来构建模型实例。在GAMS中的求解器返回解决方案之前，此模型实例一直存在。我们已经开发了三个选项来使用DIETERpy运行优化问题。一种选择是使用独立的模型实例运行场景，这些模型实例在每次构建时都进行编译。用这种方法，可以连续求解这些问题.当解决多个场景时，由于每个模型实例的编译时间，这可能导致执行时间过长。这个问题可以通过第二个选项GAMS中的Gather-Update-Solve-Scatter（GUSS）工具部分解决。它允许通过从一个场景到另一个场景更新变量、参数和方程值，仅使用一个模型实例运行多个场景。第三个选项利用了Python中的多处理。它可以在多个处理器内核中运行GUSS工具，并行解决多个场景。这个选项是最快的一个;但是对于复杂的问题，它可能会导致内存的高使用率。因此，我们添加了一个选项来选择在优化中应该使用的内核数量为了提供关于DIETERpy的解决时间的指示性想法，我们在两个国家（德国和法国）运行了一个4场景所有额外的模块都被停用，因此只有对发电厂容量，存储和净传输容量的投资在这四种情况下，我们只改变了两国可再生能源的份额（德国为50%-60%-70%-我们使用了一台运行Windows 10的计算机纯求解时间（没有任何数据的预处理和后处理）如下：顺序求解（无GUSS）15.0分钟，GUSS（顺序）9.6分钟，GUSS（并行，4线程）8.4分钟。33 实践者可以按照example2文档中的说明重现此示例。图二、项 目 的 目录和文件树。来源：自己的插画。GAMS提供了在GDX文件中运行的各个场景的解决方案，其中包含所有产生的符号（参数，变量，方程和集合）。当已经解决了许多场景运行时，收集和组合所有符号可能是计算密集型的。因此，我们设计了三种解决方案：i）用户可以通过编辑相应的文件reporting_symbols.csv来选择要从GDX文件中提取的符号; ii）可以选择并行提取符号的核心数量; iii）在需要许多场景和符号的情况下，VAEX库由流算法，内存映射文件和零内存复制策略组成，以探索大于内存的数据集[9]。 在处理结果多维变量时，它是有利的，并且在多个场景中处理这样的变量会增加内存耗尽的风险。因此，VAEX减少了所需的内存量，尽管它增加了物理存储的使用（大约是GDX文件大小的10倍）。提取每个场景运行的选定符号并将其保存为单独的CSV文件，或者在Pickle和VAEX的情况下，保存在每个场景运行的单个文件中。由于DIETERpy使用Pickle文件进行报告和可视化，因此推荐使用此格式。DIETERpy被赋予了Python对象，允许用户在符号之间进行操作，例如加法，Carlos Gaete-Morales，Martin Kittel，Alexander Roth等软件X 15（2021）1007845图3.第三章。 图形用户界面。左侧面板显示可能的项目设置的选择，右侧面板显示模型结果。来源：自己的插画。图四、三个 示 例 性 场 景 的 常规和可再生发电机（左图）和存储（右图）的装机容量和总发电量。来源：自己的插画。减法，乘法和除法，同时照顾符号最后，DIETERpy提供了一个基于浏览器的图形用户界面，以交互方式可视化结果。图3示出了两个示例性屏幕截图。有关如何使用在线模型文档中提供了GUI3. 说明性示例在本节中，我们提供了DI-ETERpy的示例性应用，在中期未来中欧环境中改变固定锂离子电池存储的成本。在此过程中，我们重点介绍了DIETERpy引入的一些新的Python功能，与之前仅限GAMS的DIETERgms版本相比。在安装DIETERpy并创建项目文件夹后，可以通过在终端dieterpy cre-ate_project -n项目名称>-texample 1，其中-t代表模板。我们调整project_variables.csv以更改一些基本选项（参见 表 1 ） 。 例 如 ， 我 们 激 活 场 景 迭 代 特 性（scenario_iteration设置为yes）;我们决定运行一个完整的投资和分派模型（设置dispatch_only4 在撰写本文时，该接口正在进行开发和改进。表3iteration_table.csv文件示例，其中对锂离子电池储能的年化成本来源：自己的插画。运行c_i_sto_e（nc_i_sto_p（nS0002002915021S001100147511S00250073755是否），节点之间有激活的电力交换（network_transfer设置为yes）;我们使用最大数量的处理器内核通过GUSS工具进行优化 ， 并 行 进 程 （ GUSS 是 yes ， GUSS_parallel 是 yes ，GUSS_parallel_threads是0）。要激活（取消激活）某些模型相关模块，我们编辑文件features_node_selection.csv（表2）。在我们的示例中，为了简单起见，我们通过将所有条目设置为0来停用所有附加模块。因此，仅使用基本模块我们分析了低成本锂离子存储的影响，不同的场景运行。模型运行S 000代表基线存储成本假设;情景S001反映了能源和电力相关锂离子投资的成本降低50%;情景S 002假设存储成本进一步降低至S 000值的25%。我们相应地指定表3。DIETERgms 限定 这些 参数 asc_i_sto_e（n，sto）Carlos Gaete-Morales，Martin Kittel，Alexander Roth等软件X 15（2021）1007846图五、 剩余负荷持续时间曲线，可调度技术和存储的生成，以及传输流程。本示例代表德国的情景S002来源：自己的插画。以及c_i_sto_p（n，sto）分别用于能量和功率分量。首先，由于我们没有提供特殊功能country_set作为列标题，因此我们选择了要包含在运行中的n个其次，模型中的sto集合由三个元素组成：“锂离子”（固定电池存储），“PHS”（抽水蓄能，在本示例中是固定的）和“P2G2P”（电力到天然气到电力）。由于我们只想改变锂离子电池的成本，因此我们在列标题中按字面意思提供：c_i_sto_e（n，'Li-ion'）和c_i_sto_p（n在这里，我们只提供了一个快照的结果，前-employ应用程序，使用我们内置的可视化工具生成的数字。便宜的电池通常会增加太阳能光伏的使用，无论是在装机容量还是年发电量方面（图4的左图）。这是因为短期电池存储特别适合平衡每日PV波动。 如果锂离子电池的成本像这里假设的那样下降，它们将以与现有的欧洲抽水蓄能相当的能量和电力容量进行部署（图4的右图）。图5示出了示例性剩余负载持续时间曲线（RLDC），其与以相应小时为单位的各种技术的生成相结合。不同的发电技术的典型作用可以看出，例如，基本负荷使用褐煤，峰值负荷使用开式循环燃气轮机（OCGT）。储能充电主要发生在可再生剩余发电期，但也有部分发生在其他发电期。时期4. 影响结论DIETER旨在调查与当前能源转型研究高度相关例如，这包括探索电力部门可变可再生能源最低成本整合的基础设施要求，以及在其他部门灵活使用风能和太阳能的影响该模型这里介绍的DIETERpy模型版本的新功能将提高应用于相应研究问题的数值模型分析的效率。与以前的模型版本相比，新的Python实现允许更容易地指定，运行和评估众多sce- narios的结果，并利用各种Python库进行数据预处理和后处理以及可视化结果。尽管有新的Python功能，DIETERpy在其核心仍然是一个简约的模型，可以灵活地应用于不同的参数化和研究问题。到目前为止，我们发布的大多数应用程序都可以在标准桌面计算机上解决。只有覆盖许多区域和多个扇区耦合选项的超大规模应用可能需要更大的计算资源。因此，DIETERpy不仅可以被高度专业化的研究小组使用，而且可以被学生和从业者使用。这里介绍的Python框架进一步允许模型用户在没有GAMS或Python编程知识的情况下运行大量模型应用程序。特别是更多的专家用户可以自由地调整和扩展DIETERpy的任何部分，因为他们希望模型的开源性质和宽松的MIT许可证。因此，我们希望这里提供的DIETERpy版本将有助于模型的进一步使用和应用，特别是在当前开发团队的领域之外。在过去，大多数基于DIETER的出版物都是由DIW Berlin的研究人员共同撰写的。两篇文章介绍了基本模型版本，并研究了可再生能源比例较高的sce- narios中的最佳电存储容量[2，3]。减少的模型版本用于更全面地反映电力存储的经济性[10]及其不断变化的作用在可再生能源渗透率不断提高的环境中[11]。三篇关于太阳能生产的论文集中在德国[12]和西澳大利亚[13]的电力部门效应，以及关税设计如何影响光伏电池投资[14]。进一步的模型应用分析了电动汽车[15]、柔性电加热[16]和绿色氢[8]对电力部门的影响。 我们为DIETER开发的需求侧管理功能单独发布[17]。最近我们还注意到，该模型的衍生版本已经开发出来， 最初的迪特尔团队的任何参与。这些包括，例如，为澳大利亚能源市场运营商[18]开发的发电成本预测，以及印度需求侧管理的分析[19]和建模长期存储的方法学方面[20]。我们预计，本文所述的改进将促进更多的此类活动。由于许可证宽松，DIETERpy也可以用于商业环境。然而，我们认为它更有可能用于学术和非营利研究应用。事实上，该模型及其应用一直是我们获得的几项研究资助的支柱，包括德国联邦各部和欧盟委员会的资助Carlos Gaete-Morales，Martin Kittel，Alexander Roth等软件X 15（2021）1007847为了得出更一般的结论，我们使用DIETERpy展示了如何将现有的基于GAMS的模型嵌入到现代Python框架中。现在，该模型结合了两种编程语言中最好的一种。一方面，GAMS是一种成熟的能源模型语言，它被证明是可行的。它提供了一个简单的代数公式和有效的求解器的使用维护GAMS核心还可以更容易地与其他基于GAMS的模型链接。另一方面，Python提供了更大的灵活性，更多的库选择，以及更好的数据预处理和后处理以及结果可视化的机会。使用Python还可以实现一个易于使用和灵活的场景工具，这在GAMS中很难实现。这使用户有机会通过灵活地更改模型参数化或其约束来在许多不同的场景中运行模型。我们相信，DIETERpy也可以作为其他已建立的能源模型的一个例子，使它们面向未来，更容易为更广泛的受众所接受目前正在进行或计划进行几种型号的改进和升级。这既涉及代数GAMS核心，我们的目标是更完整和更一致地覆盖不同的扇区耦合选项，也涉及Python框架的进一步发展。我们特别致力于改进和扩展用户界面以及后处理和数据可视化功能。CRediT作者贡献声明Carlos Gaete Morales：概念化，方法论，软件（Python），可视化，写作-原始草案，审查和编辑。 Martin Kittel：方法论，软件（Python），写作- 审查和编辑。Alexander Roth：方法论，软件（Python），写作-原始草稿，审查和编辑，在线文档。Wolf-Peter Schill：资金获取，方法学，软件（GAMS），写作竞合利益作者声明，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这项工作得到了德国联邦教育和研究部通过项目“温室气体中性化后 化 石 燃 料 的 未 来 ” ， FKZ 01LA 1810 B 和 “Ariadne” ， FKZ03SFK5NO的研究资助引用[1] de Coninck H ， Revi A ， Babiker M ， Bertoldi P ， Buckeridge M ，Cartwright A， et al. Strengthening and implementing the global response.Tech. 代 表 ， 政 府 间 气 候 变 化 专 门 委 员 会 ;2018 年 ，https://www.ipcc.ch/site/assets/uploads/sites/2/2019/02/SR15_Chapter4_Low_Res.pdf。[2] Zerrahn A，Schill W-P.高份额可再生能源的长期电力存储要求：审查和新模型。RenewSustainEnergyRev2017;79：1518-34.http://dx.doi.org/10.1016/j.rser.2016.11.098网站。[3] Schill W-P，Zerrahn A.高比例可再生能源的长期储能需求：结果和敏感性。RenewSustainEnergyRev2018;83：156http://dx.doi.org/10.1016/j.rser.2017.05.205网站。[4]van den Oord G，Jansson F，Pelupessy I，Chertova M，Grönqvist JH，Siebesma P，et al. A Python interface to the Dutch Atmospheric Large- EddySimulation. SoftwareX 2020;12：100608. http://dx.doi.org/10.1016/j的网站。softx.2020.100608。[5]Gilman P，Janzou S，Guittet D，Freeman J，DiOrio N，Blair N，et al.PySAM （ Python Wrapper for System Advisor Model“SAM” ） . 2019 年 ，http://dx.doi。org/10.11578/dc.20190903.1。[6]Huppmann D ，Gidden M，Fricko O，Kolp P，Orthopathic C， PimmerM，et al. MESSAGEix综合评估模型和ix建模平台（ixmp）：能源，气候，环境 和 可 持 续 发 展 综 合 和 交 叉 分 析 的 开 放 框 架 。 Environ Model Softw2019;112：143-56. http://dx.doi.org/10.1016/j.envsoft.2018.11的网站。012.[7]Kavvadias K，Gonzalez IH，Zucker A，Quoilin S.未来欧盟电力和热力系统的集成建模-Dispa-SET v2.2开源模型（EUR 29085 EN）。Tech.代表，卢森堡：欧盟委员会; 2018年，http://dx.doi.org/10.2760/860626。[8]放大图片作者：Stöckl F，Schill W-P，Zerrahn A.绿色氢的最佳供应链和电力部门效益。Sci Rep 2021;11：14191. http://dx.doi.org/10的网站。1038/s41598-021-92511-6。[9] Breddels，Maarten A，Veljanoski，Jovan. Vaex：盖亚时代的大数据探索 。 Astron Astrophys 2018;618 ： A13. http://dx.doi.org/10.1051/0004-6361/201732493.[10] 放大图片作者：J.关于可变可再生能源电力储存的经济性。Eur Econ Rev2018;108 ： 259-79. http://dx.doi.org/10.1016/j.euroecorev.2018.07.004 网站。[11] Schill W-P. 电 力 储 存 和 可 再 生 能 源 转 型 。 Joule 2020;4 ： 2059-64.http://dx.doi.org/10.1016/j.joule.2020.07.022网站。[12]放大图片作者：J.太阳能发电的Prosumage：优点，缺点和系统的角度来看。经济能源环境政策2017;6：7-31。http://dx.doi.org/10.5547/2160-5890.6.1.wsch网站。[13] 放大图片作者：John M.取代度：家用光伏电池生产量对公用事业发电和储能的影响。应用能源2020;276：115466.http://dx.doi.org/10.1016/j.apenergy.2020的网站。115466。[14]放大图片作者：Günther C，Schill W-P，Zerrahn A.太阳能发电的生产量：电价 设 计 ， 容 量 投 资 和 电 力 部 门 的 影 响 。 能 源 政 策 2021;152 ： 112168 。http://dx.doi.org/10.1016/j.enpol.2021.112168网站。[15] Schill W-P ， Niemeyer M ， Zerrahn A ， Diekmann J. BereitstellungvonRegelleistungdurchElektrofahrzeuge：ModellrechnungenfürDeutschlandimJahr2035.ZEnergSchlutsch2016;40 ： 73-87.http://dx.doi.org/10.1007/s12398-016-0174-7.[16] Schill W-P，Zerrahn A.在可再生能源市场中灵活使用电力供暖。应用能源2020;266：114571。http://dx.doi.org/10.1016/j.apenergy.2020.114571的网站上发布的。[17] Zerrahn A，Schill W-P.电力系统模型中需求侧管理的表示能源2015;84：840-5. http://dx.doi.org/10.1016/j.energy.2015.03.037.[18]格雷厄姆PW，海沃德J，福斯特J，故事O，哈瓦斯L。GenCost 2018. Tech. 代表，CSIRO，澳大利亚; 2018，http://dx.doi.org/10.25919/5c587da8cafe7。[19] 杨伟杰，王伟杰，王伟杰.管理空调的电力需求有利于印度2040年的太阳能光伏发电能源2020;13（9）：2223. http://dx.doi.org/10.3390/en13092223网站。[20] de Guibert P，Shirizadeh B，Quirion P.可变时间步长：一种提高长期存储 能 源 系 统 模 型 计 算 易 处 理 性 能 源 2020;213 ： 119024 。http://dx.doi.org/10.1016/j.energy的网站。2020.119024。
我的内容管理
展开
