基于双层决策博弈的多VPP共享储能容量优化配置方法

基于双层决策博弈的多vpp共享储能容量优化配置方法
技术领域
1.本发明属于共享储能容量配置技术领域，具体是一种基于双层决策博弈的多vpp共享储能容量优化配置方法。


背景技术：

2.共享储能是一种将传统储能技术与共享经济模式相融合的储能商业应用模式，储能电站由独立共享储能电站服务商投资建设，并以一定价格为各个虚拟电厂(virtual power plant，vpp)提供储能服务，在vpp与共享储能电站的电能交易过程中，当vpp中的分布式能源发电功率大于负荷时，可向共享储能电站售卖剩余的电能，共享储能电站可将电能售卖给需要电能的vpp；当vpp中的分布式能源发电和共享储能电站所提供的最大功率仍不能满足负荷时，vpp可从大电网购买电能；vpp之间的电能交换需要通过共享储能系统，实现共享储能电站与不同vpp之间电能在空间层面上的转移。共享储能可使vpp无需自身建设储能情况下使用储能服务，同时能够借助共享经济的灵活性确保储能系统的高效利用，以达到让共享储能电站快速收益。由于储能设备的投资成本较高，利用率却相对较低，共享储能相较于各个vpp中单独配置储能设备有着无法比拟的优势，能有效减少储能系统的投资和运营成本。如何合理进行容量配置对于有效提高分布式能源的消纳水平，提高储能系统的经济性都有着重要意义。
3.现有的共享储能系统中，多利益主体追求自身利益最大化，各利益主体的容量配置并不能保证共享储能系统整体运行的经济性。为此，本发明提出一种基于双层决策博弈的多vpp共享储能容量优化配置方法。


技术实现要素：

4.针对现有技术的不足，本发明拟解决的技术问题是，提供一种基于双层决策博弈的多vpp共享储能容量优化配置方法。
5.本发明解决所述技术问题采用的技术方案是：
6.一种基于双层决策博弈的多vpp共享储能容量优化配置方法，使用的多vpp共享储能系统包括共享储能电站和多个vpp，每个vpp包括负荷端和由风力发电和光伏发电组成的分布式能源，共享储能电站利用储能电池进行储能；共享储能电站与vpp进行双向电能交换，共享储能电站和vpp同时与大电网进行电能交换；其特征在于，该方法采用的双层决策博弈模型包括上层容量优化配置模型和下层运行优化调度模型，包括以下内容：
7.一、构建上层容量优化配置模型的目标函数，表示式为：
[0008][0009]
式中，为储能电池的总投资成本，为储能电池的总置换成本，为多vpp所有风电机组的总投资成本，为多vpp所有光伏发电机组的总投资成本，β为年利率，ya为多vpp共享储能系统的总设计年限，c
grid
为多vpp从大电网购买电能的成本，c
cut
为多vpp弃风弃光的年惩罚成本，c
fl
为多vpp柔性负荷的调度成本；
[0010]
上层容量优化配置模型目标函数的约束条件包括储能电池能量倍率约束、储能电池的功率和容量约束、vpp中风电机组和光伏发电机组的建设数量约束、以及vpp从大电网购买电能的功率约束；
[0011]
二、构建下层运行优化调度模型的目标函数，表达式为：
[0012][0013]
式中，c
ess.b
为共享储能电站从多个vpp购买电能的成本，c
ess.s
为共享储能电站向各个vpp售卖电能的收益，c
serv
为共享储能电站向各个vpp收缴的租赁服务费用；
[0014]
下层运行优化调度模型目标函数的约束条件包括vpp功率平衡约束、柔性负荷削减和增加量约束、储能电池运行约束、分布式能源爬坡约束以及vpp充放电功率约束；
[0015]
三、上层容量优化配置模型以多vpp和共享储能电站的年综合成本最低为优化目标，下层运行优化调度模型以共享储能电站的年综合成本最低为优化目标，分别对上层容量优化配置模型和下层运行优化调度模型进行交替迭代求解，完成多vpp共享储能容量的优化配置。
[0016]
与现有技术相比，本发明的有益效果是：
[0017]
本发明对多vpp的共享储能系统以及大电网之间的运行和投资进行研究，在规划阶段考虑系统的运行情况将该系统的运行变量和规划变量进行混合，建立一个计及用户需求响应和经济性的目标下的双层优化模型，上层用于目标为该多vpp共享储能系统的规划问题，下层目标为求解共享储能电站以及多vpp的调度优化问题，考虑以多vpp共享储能系统整体的经济效益；其次，提出了一种双层决策博弈模型对多vpp共享储能系统的容量配置以及优化调度的双层优化模型进行求解，该双层决策博弈模型算法的上层和下层的分别使用智能优化算法和二阶锥规划，上下两层交替迭代、分层优化，该算法模型可以较快计算出该系统中众多决策变量，并且计算精度高，在计及柔性负荷以及经济性条件下可以有效给出该系统容量配置方案以及相应优化调度结果。
附图说明
[0018]
图1为多vpp共享储能系统的架构图；
[0019]
图2为双层决策博弈模型的原理图；
[0020]
图3为双层决策博弈模型的优化流程图；
[0021]
图4为典型日各个调度时间段的电价图；
[0022]
图5为共享储能电站充放电功率和荷电状态图；
[0023]
图6为vppa的电功率平衡调度结果图；
[0024]
图7为vppb的电功率平衡调度结果图；
[0025]
图8为vppc的电功率平衡调度结果图；
[0026]
图9为多个vpp在各个调度时间段内的弃风弃光功率图。
具体实施方式
[0027]
下面结合附图给出具体实施例，具体实施例仅用于详细说明本发明的技术方案，并不以此限定本技术的保护范围。
[0028]
参见图1，本发明的多vpp共享储能系统包括共享储能电站和多个虚拟电厂(virtual powerplant，vpp)，虚拟电厂和共享储能电站进行双向电能交换，共享储能电站和虚拟电厂同时与大电网进行电能交换；虚拟电厂包括分布式能源和负荷端，分布式能源包括光伏发电和风力发电，负荷端包括工业用电和居民用电；共享储能电站利用储能电池实现电能的存储；每个虚拟电厂可以向共享储能电站进行购买、售卖电能，当虚拟电厂产生的电能大于负荷时，可向共享储能电站售卖剩余的电能，共享储能电站将储存的电能售卖给需要电能的虚拟电厂，起到促进可再生能源就地消纳的作用；当虚拟电厂产生的电能和共享储能电站提供的电能仍不能满足负荷时，虚拟电厂可向大电网购买电能；虚拟电厂之间的电能交换通过共享储能系统实现，实现虚拟电厂和独立储能之间的电能在空间层面的转移。
[0029]
本发明为一种基于双层决策博弈的多vpp共享储能容量优化配置方法，采用的双层决策博弈模型包括上层容量优化配置模型和下层运行优化调度模型，上层容量优化配置模型用于求解多vpp共享储能系统中分布式能源装机容量及共享储能电站中储能电池的容量以及功率配置问题，以多vpp和共享储能电站的年综合成本最低为优化目标，决策变量包括储能电池的功率和容量配置以及每个vpp中分布式能源的装机容量；下层运行优化调度模型用于求解共享储能电站的经济性调度问题，以共享储能电站的年综合成本最低为优化目标，决策变量包括各个vpp中分布式能源设备的运行情况、vpp从大电网的购电情况以及每个vpp与共享储能电站的购买、售卖电能情况；具体包括以下内容：
[0030]
一、构建上层容量优化配置模型的目标函数；
[0031]
1)储能电池的总投资成本为：
[0032][0033]
式中，和分别为储能电池的额定功率与额定容量，c
p
和ce分别为储能电池的单位功率成本系数与单位容量成本系数；
[0034]
2)储能电池的总置换成本为：
[0035][0036]
式中，y
t
为储能电池的实际使用寿命，ya为多vpp共享储能系统的总设计年限；
[0037]
从式(2)可以看出，储能电池总置换成本与实际使用寿命y
t
有关，基于美国可再生能源实验室实验数据分析可知，储能电池的使用寿命主要与充放电深度、放电速率以及充放电次数等因素有关，每次放电都会对储能电池寿命造成不可逆转的损伤直至寿命终结；基于此，若储能电池在寿命周期t0内包含n次放电事件，那么储能电池的实际使用寿命可表示为：
[0038][0039]
式中，γr表示放电过程中总的有效吞吐量，单位为：安培-小时；lr表示储能电池在额定放电深度以及额定放电电流下的充放电循环次数，dr表示额定放电深度，cr表示额定放电电流下的额定容量；d
eff
(τ)表示第τ次放电事件，放电事件d
eff
表示为：
[0040][0041]
式中，da为实际放电深度，ca为实际放电容量，d
act
为实际放电电流下的安培-小时数，u0和u1均为拟合参数，可通过储能电池的放电深度与失效循环次数的关系曲线拟合得到；
[0042]
3)多vpp所有风电机组的总投资成本为：
[0043][0044]
式中，为第i个vpp中风电机组的总投资成本，i为多vpp共享储能系统中vpp的数量，为第i个vpp建设的风电机组数量，c
wt1
为单台风电机组的投资成本；
[0045]
4)多vpp所有光伏发电机组的总投资成本为：
[0046][0047]
式中，为第i个vpp中光伏发电机组的总投资成本，为第i个vpp建设的光伏发电机组数量，c
pv1
为单台光伏发电机组的投资成本；
[0048]
5)多vpp从大电网购买电能的成本c
grid
为：
[0049][0050]
式中，为第i个vpp在第m个典型日从大电网购买电能费用，m为每年含有的典型日数量，为各个vpp在各个调度时间段从大电网购买单位电能的电价矩阵，为第i个vpp在第m个典型日从大电网购买的电功率；
[0051]
6)多vpp弃风弃光的年惩罚成本c
cut
为：
[0052]
[0053]
式中，表示第i个vpp在第m个典型日的弃风弃光惩罚成本，λ
cut
为弃风弃光惩罚成本系数，为第i个vpp在第m个典型日各调度时间段的弃风弃光功率矩阵，t为矩阵转置，ξ
wp
为风光互补发电上网电价矩阵；
[0054]
7)多vpp柔性负荷的调度成本c
fl
为：
[0055][0056]
式中，为第i个vpp在第m个典型日的柔性负荷调度成本，ν
ele.down
表示柔性负荷削减补偿单价，ν
ele.up
表示柔性负荷增加奖励单价，表示第i个vpp在第m个典型日的柔性负荷削减量，表示第i个vpp在第m个典型日的柔性负荷增加量；
[0057]
综上，上层容量优化配置模型的目标函数为：
[0058][0059]
式中，β为年利率；
[0060]
上层容量优化配置模型的约束条件包括储能电池能量倍率约束、储能电池的功率和容量约束、vpp中风电机组和光伏发电机组的建设数量约束、以及vpp从大电网购买电能的功率约束；
[0061]
1)储能电池能量倍率约束
[0062][0063]
式中，为储能电池的最大投资容量，为储能电池的最大投资功率，δ为储能电池能量倍率；
[0064]
2)储能电池的功率和容量约束
[0065][0066]
式中，为储能电池的最小投资功率，为储能电池的最小投资容量；
[0067]
3)设备数量的配置对于提升系统效率的影响较大，如果数量过多会使项目初期的总投资较高，反之则会导致风光不能充分利用，无法满足系统的基本运行要求；因此，设备的建设数量问题要考虑空间和资源问题，vpp中风电机组和光伏发电机组的建设数量约束为：
[0068][0069]
式中，和分别为vpp中建设风电机组的最少和最多台数，和分别为vpp中建设光伏发电机组的最少和最多台数；
[0070]
4)vpp从大电网购买电能的功率约束：
[0071][0072]
式中，p
grid.min
和p
grid.max
为vpp从大电网购买电能允许传输的最小和最大电功率。
[0073]
二、构建下层运行优化调度模型的目标函数；
[0074]
1)共享储能电站从多个vpp购买电能的成本c
ess.b
为：
[0075][0076]
式中，为共享储能电站在第m个典型日从第i个vpp购买电能的费用，为共享储能电站从各个vpp购买电能的单位电价，为共享储能电站在第m个典型日从第i个vpp购买的电功率；
[0077]
2)共享储能电站向各个vpp售卖电能的收益c
ess.s
为：
[0078][0079]
式中，为共享储能电站在第m个典型日向第i个vpp售卖电能的收益，为共享储能电站向各个vpp售卖电能的单位电价，为共享储能电站在第m个典型日向第i个vpp售卖的电功率；
[0080]
3)共享储能电站向各个vpp收缴的租赁服务费用c
serv
为：
[0081][0082]
式中，为共享储能电站在第m个典型日从第i个vpp中收缴的租赁服务费用，为共享储能电站向各个vpp收缴的单位电能租赁服务费用的系数矩阵；
[0083]
综上，下层运行优化调度模型的目标函数为：
[0084][0085]
下层运行优化调度模型的约束条件包括vpp功率平衡约束、柔性负荷削减和增加量约束、储能电池运行约束、分布式能源爬坡约束和vpp充放电功率约束；
[0086]
1)vpp功率平衡约束为：
[0087][0088]
式中，分别为第i个vpp的风电机组和光伏发电机组在第m个典型日的实际输出功率，为第i个vpp在第m个典型日的负荷需求；
[0089]
风电机组的出力模型为：
[0090][0091]
式中，p
wt
为风电机组的实际功率，pr为风电机组的额定功率，v为实际风速，v
ci
、v
co
和vr分别为风电机组的切入风速、切出风速和额定风速；
[0092]
光伏发电机组的出力模型为：
[0093][0094]
式中，p
pv
为光伏发电机组的实际功率，p
stc
为光伏发电机组在标准测试环境下的额定输出功率；g
ac
为光伏发电机组的实际太阳辐射强度，g
stc
为光伏发电机组在标准测试环境下的太阳辐射强度，单位为kw/m2；k为温度对输出功率的影响因子，表示温度改变对光伏发电机组实际输出功率造成的影响，t
stc
为标准环境下的测试温度(25℃)，tc为光伏发电机组的实际环境温度；
[0095]
2)柔性负荷削减和增加量约束
[0096][0097]
式子，和分别为第i个vpp在第m个典型日柔性负荷削减和增加上限；
[0098]
3)储能电池运行约束
[0099]
充电时，储能电池的荷电状态(soc)表示为：
[0100][0101]
放电时，储能电池的荷电状态表示为：
[0102][0103]
式中，s
oc
(t)、s
oc
(t-1)分别为第t和t-1个调度时间段储能电池的荷电状态，σ为储能电池的自放电率，ηc、ηd分别为储能电池的充、放电效率，δt为两个调度时间段之间的时间间隔；
[0104]
为了避免储能电池的过度充放电对使用寿命造成损伤，应该严格控制荷电状态，则荷电状态满足下式：
[0105][0106]
式中，和分别为储能电池的最小和最大荷电状态；
[0107]
4)分布式能源爬坡约束
[0108][0109]
式中，分别为第t和t-1个调度时间段分布式能源的实际输出功率，n取0代表光伏发电机组，取1代表风电机组；ru为调度时间段内的上爬坡率最大值，rd为调度时间段内的下爬坡率最小值；
[0110]
5)vpp充放电功率约束
[0111]
任何一个vpp在与共享储能电站进行电能交换时，在同一时间段不能同时进行充、放电，故有如下约束：
[0112][0113]
式中，分别第i个vpp在第m个典型日的充、放电标识位，和分别为储能电池的充、放电功率上限。
[0114]
三、对双层决策博弈模型进行求解
[0115]
上层容量优化配置模型的决策变量包括储能电池的额定功率和额定容量以及各个vpp建设的风电机组台数和光伏发电机组台数下层运行优化调度模型的决策变量包括各个vpp的充、放电标识位和共享储能电站从各个vpp购买的电功率和向各个vpp售卖的电功率各个vpp从大电网购买的电功率以及各个vpp柔性负荷的削减量和增加量
[0116]
对上层容量优化配置模型和下层运行优化调度模型的决策变量进行初始化，利用二阶锥优化算法和智能优化算法分别对下层运行优化调度模型和上层容量优化配置模型进行交替迭代求解，完成多vpp共享储能容量的优化配置。智能优化算法可以为鲸鱼算法(woa)、粒子群算法、蚂蚁算法等。
[0117]
实施例1
[0118]
本实施例的多vpp共享储能系统包含3个vpp和一个共享储能电站；根据一年的风光信息按照春、夏、秋、冬4个季节将典型日分为四类，为了方便计算每个典型日取24个调度时间段，每个调度时间段的时长为一小时。储能电池选取技术成熟并且能量密度大的铅蓄电池，相关参数参见表1，储能电池的初始soc设置为0.5，弃风弃光惩罚成本设为0.5倍的电网购电电价。
[0119]
表1铅蓄电池参数
[0120][0121]
风电机组的参数为：额定功率pr＝1500w，切入风速v
ci
＝2.6m/s，额定风速vr＝14m/s，切出风速v
co
＝18.8m/s；风机机组的总投资成本2500元/台，维护系数成本0.0079元/kw
·
h，设计使用寿命年限为30年。
[0122]
光伏发电机组的参数为：额定功率pr＝750w，温度对输出功率的影响因子k＝-0.0047，光伏发电机组的总投资成本为500元/台，维护系数成本0.0187元/kw
·
h，设计使用寿命年限为30年。
[0123]
购电电价采用峰谷电价机制，各个调度时间段的电价参见图4。通过对双层决策博弈模型进行求解，得到各个vpp分布式能源的装机容量配置，如表2所示；共享储能电站的最优容量配置为4065.2kw
·
h，储能电池的充、放电额定功率为372kw。
[0124]
表2各个vpp分布式能源装机容量配置结果
[0125][0126]
从表2可以看出，vppc所在地的风资源最为丰富，风电机组的装机容量达到了285kw；vppb所在地的光资源较为丰富，光伏发电机组的装机容量达到了199.5kw。
[0127]
图5反映了共享储能电站充放电功率和荷电状态，可以得知共享储能电站在全天各个时间段都在参与各个vpp的电能调度。在13时刻达到了最大放电功率285kw，在12时刻达到了最大充电功率371kw，在全天几乎大多数时间段充放电功率都达到了100kw，共享储能电站充分与多个vpp进行了电能交换，并且达到了一次满充和一次满放行为。
[0128]
图6～8分别为多vpp共享储能电站系统中vppa、vppb、vppc的电功率平衡调度结果图，对于每个vpp中各个时间段的调度结果如图所示。
[0129]
由图6可以得知vppa为自给自足型，在该vpp中尽管存在该vpp与共享储能电站传输功率情况，但交换功率较小，自身配置的风电光伏装机容量基本可以满足大多数时间段的负荷情况，除了在8时段负荷很高，但是如果为此配置较高的风电机和光伏组，即使配置较高的储能电站容量配置，也会造成大规模弃风弃光，此时从大电网的购电成本为最低0.37元/kw
·
h，相较于储能放电来进行负荷供给成本更低，为了保证经济性，调度结果显示在此时间段采用了从大电网购买电能方案。
[0130]
图7为vppb功率平衡优化结果，可以得出该vpp为缺电型，该vpp中风电机以及光伏装机容量远远不能满足其负荷，在几乎全部时间段不是从大电网就是从共享储能电站购
电。对该功率平衡图像进行分析：由于在1～8时刻，外界大电网售电电价价格是全天各个时间短的最低0.37元/kw
·
h，从图中可以看出该vpp在风光发电情况无法满足负荷情况时，并不是使用共享储能电站来进行供电，而是采用了从外界大电网进行购买电能；在9～12，18～21电价达到了1.36元/kw
·
h，可以看出该vpp在风光发电情况无法满足负荷情况时，与上面恰好相反，这次采用了使用共享储能电站来进行供电，而是不是从外界大电网进行电能购买，可以看出此调度结果将运行成本降到了最低。
[0131]
图8为vppc功率平衡优化结果，可以得出得出该vpp为多电型，由于该地区风光资源发达，所配置的风电机以及光伏装机容量较大，在满足自身vpp负荷之后向共享储能电站进行电能传输，并且在各个时间段其几乎只向共享储能电站进行电能传输。
[0132]
由图6～8可以得知在各个vpp中的各个时间段均存在柔性负荷参与调度情况。对于负荷高的时间段，为了减轻这些时间段的用电压力，由于柔性负荷参与调度成本相较于储能调度成本更低，优先考虑柔性负荷参与调度，用户侧需求用电在部分时间段进行调整，经过负荷的需求响应行为，削减了部分负荷。其次为了尽可能的减少储能电站投资和运行成本，同样优先考虑柔性负荷参与调度，在负荷比较低的时间段时，柔性负荷参与调度后负荷用电情况进行了加强。
[0133]
图9共享储能电站在各个时间段内的弃风弃光功率，多vpp共享储能系统的风光利用率达到了96.53％，可以得知多微网共享储能系统相对于各个微网各自配置储能电站其风光利用率也是有着进一步的提高。
[0134]
本发明未述及之处适用于现有技术。

技术特征：
1.一种基于双层决策博弈的多vpp共享储能容量优化配置方法，使用的多vpp共享储能系统包括共享储能电站和多个vpp，每个vpp包括负荷端和由风力发电和光伏发电组成的分布式能源，共享储能电站利用储能电池进行储能；共享储能电站与vpp进行双向电能交换，共享储能电站和vpp同时与大电网进行电能交换；其特征在于，该方法采用的双层决策博弈模型包括上层容量优化配置模型和下层运行优化调度模型，包括以下内容：一、构建上层容量优化配置模型的目标函数，表示式为：式中，为储能电池的总投资成本，为储能电池的总置换成本，为多vpp所有风电机组的总投资成本，为多vpp所有光伏发电机组的总投资成本，β为年利率，y
a
为多vpp共享储能系统的总设计年限，c
grid
为多vpp从大电网购买电能的成本，c
cut
为多vpp弃风弃光的年惩罚成本，c
fl
为多vpp柔性负荷的调度成本；上层容量优化配置模型目标函数的约束条件包括储能电池能量倍率约束、储能电池的功率和容量约束、vpp中风电机组和光伏发电机组的建设数量约束、以及vpp从大电网购买电能的功率约束；二、构建下层运行优化调度模型的目标函数，表达式为：式中，c
ess.b
为共享储能电站从多个vpp购买电能的成本，c
ess.s
为共享储能电站向各个vpp售卖电能的收益，c
serv
为共享储能电站向各个vpp收缴的租赁服务费用；下层运行优化调度模型目标函数的约束条件包括vpp功率平衡约束、柔性负荷削减和增加量约束、储能电池运行约束、分布式能源爬坡约束以及vpp充放电功率约束；三、上层容量优化配置模型以多vpp和共享储能电站的年综合成本最低为优化目标，下层运行优化调度模型以共享储能电站的年综合成本最低为优化目标，分别对上层容量优化配置模型和下层运行优化调度模型进行交替迭代求解，完成多vpp共享储能容量的优化配置。2.根据权利要求1所述的基于双层决策博弈的多vpp共享储能容量优化配置方法，其特征在于，所述上层容量优化配置模型的决策变量包括储能电池的额定功率和额定容量以及各个vpp建设的风电机组台数和光伏发电机组台数；下层运行优化调度模型的决策变量包括各个vpp的充放电标识位、共享储能电站从各个vpp购买的电功率和向各个vpp售卖的电功率、各个vpp从大电网购买的电功率以及各个vpp柔性负荷的削减量和增加量。3.根据权利要求1或2所述的基于双层决策博弈的多vpp共享储能容量优化配置方法，其特征在于，上层容量优化配置模型利用智能优化算法进行求解，下层运行优化调度模型利用二阶锥优化算法进行求解。4.根据权利要求1所述的基于双层决策博弈的多vpp共享储能容量优化配置方法，其特征在于，分布式能源爬坡约束为：
式中，分别为第t和t-1个调度时间段分布式能源的实际输出功率，n取0代表光伏发电机组，取1代表风电机组；r
u
为调度时间段内的上爬坡率最大值，r
d
为调度时间段内的下爬坡率最小值，δt为两个调度时间段之间的时间间隔。

技术总结
本发明为一种基于双层决策博弈的多VPP共享储能容量优化配置方法，使用的双层决策博弈模型包括上层容量优化配置模型和下层运行优化调度模型；首先，构建了上层容量优化配置模型和下层运行优化调度模型的目标函数；然后，考虑各个模型的约束条件，上层容量优化配置模型以多VPP和共享储能电站的年综合成本最低为优化目标，下层运行优化调度模型以共享储能电站的年综合成本最低为优化目标，分别对上层容量优化配置模型和下层运行优化调度模型进行交替迭代求解，完成多VPP共享储能容量的优化配置。该方法从各个模型的众多决策变量中综合考虑了多VPP共享储能系统整体的经济效益，完成系统整体的容量配置和优化调度。成系统整体的容量配置和优化调度。成系统整体的容量配置和优化调度。


技术研发人员：赵锦山 林涛 陈美润 赵磊 冯华华
受保护的技术使用者：河北工业大学
技术研发日：2023.06.05
技术公布日：2023/8/21