当前位置:光能信息网 > 国际行情 > 正文

一种电池储能辅助可再生能源系统的能源优化方法及系统与流程,光伏行业

2022-08-06 15:56:31
26.其中,e

(可再生能源段)和电池储能
(3-3)电池放电结束后,更新当前能源运行策略的电池储能容量,即e
优化模块,被配置为预设包括可再生能源接入量和电池储能容量的候选能源运行策略,以最小生命周期成本和电源损失率为可再生能源耦合电池储能系统的混合系统的评估目标,根据评估目标在候选能源运行策略中选择最优能源运行策略;
实施例2
[0050][0051]
电池
是一个光伏模块中标准状态下的饱和电流(a);t
运行
(5)电池组充电或放电结束后,如果此时供能功率小于需求功率,判定当前时间段的运行策略不满足需求功率,则根据不满足需求功率的时间段数占总段数的百分比更新电源损失率,且根据电池组的充放电功率更新了当前能源运行策略的电池储能容量;进入下一个时段,经连续迭代后,直到最后一个时间间隔完成;得到更新后的能源运行策略及其电源损失率。
光电
[0093]
是电池的温度;t
标态
[0071]
为电池充电功率,p
16.根据评估目标对更新的能源运行策略进行排序,以得到最优能源运行策略。
×
(2)根据评估的目标函数对个体进行排名。如“解决方案a”优于“解决方案b”,至少在一个目标上应该更好,而在其他目标函数中不差。直到所有个体(解决方案)都被排序,并且每个等级中的个体都根据拥挤距离(即解决方案多样性的度量)进行排序。在每个等级中,出于多样性的考虑,具有较高拥挤距离的解决方案被认为是首选解决方案。
)
一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成实施例1中所述的方法。
维修
[0053][0054][0055][0056]
29.控制模块,被配置为初始化电源损失率,对每种能源运行策略,获取需求功率和时间段内可再生能源的输出功率,根据可再生能源的输出功率与需求功率的比较结果,确定电池组的最大允许充电功率或最大允许放电功率,以此控制电池组的充放电运行策略及充放电功率;
[0058]
因为遗传算法优化的参数是bp神经网络的初始权值和阈值,只要网络的结构已知,权值和阈值的个数就已知了。种群中的每个个体都包含了一个网络所有权值和阈值,个体通过适应度函数计算个体适应度值,遗传算法通过选择、交叉和变异操作找到最优适应度值对应的个体。bp神经网络预测用遗传算法得到最优个体对网络进行初始权值和阈值的赋值,网络经训练后预测样本输出。
控制模块,被配置为初始化电源损失率,对每种能源运行策略,获取需求功率和时间段内可再生能源的输出功率,根据可再生能源的输出功率与需求功率的比较结果,确定电池组的最大允许充电功率或最大允许放电功率,以此控制电池组的充放电运行策略及充放电功率;
(6)根据评估目标对更新的能源运行策略进行排序,以此得到混合系统的最优能源运行策略。
此处需要说明的是,上述模块对应于实施例1中所述的步骤,上述模块与对应的步骤所实现的示例和应用场景相同,但不限于上述实施例1所公开的内容。需要说明的是,上述模块作为系统的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。
[0100]
(2-3)电池充电结束后,更新当前能源运行策略的电池储能容量,即e
电池
更新模块,被配置为电池组充放电结束后,根据可再生能源的输出功率与电池组的充放电功率得到供能功率,在供能功率小于需求功率时,判定当前时间段的充放电运行策略不满足需求功率,则根据不满足需求功率的时间段数占总段数的百分比更新电源损失率,并根据电池组的充放电功率更新当前能源运行策略的电池储能容量,直至迭代次数达到预设次数,得到更新的能源运行策略的电源损失率;
可再生占比
光伏



2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
、ν
为需求功率,ν

投资
如图1-2所示,可再生能源耦合电池储能系统的能源优化策略具体包括如下步骤:
分析方法使用贴现率。电源损失概率ξ
作为输出。
其中,i
δt;
本实施例提供一种电池储能辅助可再生能源系统的能源优化系统,包括:
43.实施例1
维修
电池
、ν
失电率
、ν
环境-298.15)。
(3-1)如果不足功率低于电池的最大允许放电功率,则电池以与不足功率相等的放电率放电;
、风机数量φ

电池
是一个光伏模块中饱和电流(a);i
[0089]
、v
光伏
资=ν
电池
供需比
残值
接近1时,电力供应和电力需求之间出现最大匹配。
34.与现有技术相比,本发明的有益效果为:
(i+1)=e
30.更新模块,被配置为电池组充放电结束后,根据可再生能源的输出功率与电池组的充放电功率得到供能功率,在供能功率小于需求功率时,判定当前时间段的充放电运行策略不满足需求功率,则根据不满足需求功率的时间段数占总段数的百分比更新电源损失率,并根据电池组的充放电功率更新当前能源运行策略的电池储能容量,直至迭代次数达到预设次数,得到更新的能源运行策略的电源损失率;
电池
一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成实施例1中所述的方法。为了简洁,在此不再赘述。
[0069]
(2)初始化时间段和电源损失率,令时间段i为1,电源损失率为0;对每种能源运行策略,根据输入数据计算时间段内的可再生能源的输出功率,其中,可再生能源的输出功率为光伏功率和风力功率的和;
(3-2)如果不足功率高于电池的最大允许放电功率,则电池以最大允许放电功率放电,允许放电至最低允许水平,以尽可能补偿电量不足。
为电池放电功率,δt为时间间隔。
8.风能和电池是太阳能-风能-电池系统最重要的组成部分,因为这两个组成部分对夜间系统成本和能量平衡的贡献最大。风力光伏电池优化一个典型社区,与现有的基于化石燃料的电力供应相比,混合动力系统是环保的。
…an
背景技术:
μ
[0078]
×
×
),y2(a1,a2,
光伏

=v

39.下面结合附图与实施例对本发明做进一步说明。
(2)如果可再生能源的输出功率高于需求功率,则由此确定超额功率,即可再生能源的输出功率减需求功率得到超额功率;
(i)+p
可再生供电
电池
δt;
应理解,本实施例中,处理器可以是中央处理单元cpu,处理器还可以是其他通用处理器、数字信号处理器dsp、专用集成电路asic,现成可编程门阵列fpga或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
25.e
22.作为可选择的实施方式,根据电池组的充放电功率更新当前能源运行策略的电池储能容量,包括:电池充电结束后,更新当前能源运行策略的电池储能容量,即:
+v
41.需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

28.优化模块,被配置为预设包括可再生能源接入量和电池储能容量的候选能源运行策略,以最小生命周期成本和电源损失率为可再生能源耦合电池储能系统的混合系统的评估目标,根据评估目标在候选能源运行策略中选择最优能源运行策略;
[0103]

36.本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
=30+0.0175(g-300)+1.14(t
40.应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
可再生占比
)
存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如,存储器还可以存储设备类型的信息。
(1)预设包括可再生能源接入量和电池储能容量的候选能源运行策略,以最小生命周期成本和电源损失率为可再生能源耦合电池储能系统的混合系统的评估目标,根据评估目标在候选能源运行策略中选择最优能源运行策略;其中,光伏逆变器,可再生能源接入量包括光伏组件数量和风机数量;
定义了未完全满足需求功率的时间间隔占总时间间隔数的百分比;具体是:
本领域普通技术人员可以意识到,结合本实施例描述的各示例的单元即算法步骤,能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本技术的范围。
[0111]
在本实施例中,以每小时为一个时间段,以一年为总时长,共8760个时间段,输入数据为为光伏组件数量和/或风风机数量、电池容量;还可以输入全球辐照度、风速、气温和需求曲线的小时数据;输出包括系统运行变量的每小时数据,例如光伏发电量、风力涡轮机发电量以及电池荷电状态等。
投资
分析是比较系统的经济性能,并因此确定所提议方案中哪个替代方案在经济上最具吸引力的最佳方式。在μ
[0073]
[0102]
实施例1中的方法可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。为避免重复,这里不再详细描述。
[0096][0097]
[0082]
[0091]
电池
[0060][0061]
运行-v
9.然而,在太阳能-风能-电池系统中,在计及可再生能源发电的实际离网系统中,能
筛选模块,被配置为根据评估目标对更新的能源运行策略进行排序,以得到最优能源运行策略。
在本实施例中,由于调整遗传算法控制参数会影响优化结果的质量,算法被认为在300代后终止。因此,遗传算法的控制参数(交叉、变异、每代个体数)是在检查不同设置后选择的。
35.本发明提出一种电池储能辅助可再生能源系统的能源优化方法及系统,以最小生命周期成本和电源损失率为可再生能源耦合电池储能系统的混合系统的评估目标,实现可再生能源接入量和电池储能容量的最优能源运行策略的选择。在太阳能-风能-电池系统中,在计及可再生能源发电的实际离网系统中,实现能量平衡,考虑多种能源形式之间的时空互补特性,解决不确定的可再生能源发电导致的可靠性问题。
第一个目标函数是:
δt;且根据可再生能源的输出功率与电池组的放电功率得到供能功率,具体为:供能功率为可再生能源的输出功率与电池组的放电功率之和。
[0063]
(i+1)为第i+1个时间段的电池储能容量,为e
为目标函数;生命周期成本μ
(i)-(p
电池
是短路电流相对温度系数(%/k);t
45.可再生能源耦合电池储能系统通过对电池组充电,以电化学方式储存光伏/风能部分的剩余能量,并在夜间或光伏/风能部分不能满足需求时释放能量供电。光伏系统配备双轴太阳跟踪技术,双轴跟踪器在太阳能增益方面比固定面板的优势在17.7%到31.2%之间,双轴跟踪器能够将产量提高25-26%。该技术始终保持对太阳的正常方向,因此与固定位置相比,它由于接收到最高的全球辐照度而产生最大的功率,即倾斜光伏系统;光伏系统的模块化结构具有相当大的优势,可以根据需要添加更多面板。
10.为了解决上述问题,本发明提出了一种电池储能辅助可再生能源系统的能源优化方法及系统,以最小生命周期成本和电源损失率为可再生能源耦合电池储能系统的混合系统的评估目标,以得到混合系统的最优运行策略。
[0088]
标态
[0115]

和电源损失概率ξ
、v
电池
(对于电池蓄能部分);其中,在光伏耦合电池储能系统中,不考虑风机数量φ
[0059]
[0072]
是一种评估机械设备总拥有成本的方法。生命周期成本μ
电池放电
24.电池放电结束后,更新当前能源运行策略的电池储能容量,即:
电池
=ν
6.可充电电池通常用于独立的可再生能源,以克服发电和供电之间的不协调。在不同的电池储能技术中,铅酸和锂离子电池是能源系统中最常用的类型,因为具有响应时间快、自放电率小、资金成本低和循环效率好等优点。
12.第一方面,本发明提供一种电池储能辅助可再生能源系统的能源优化方法,包括:
是供需能量匹配度的指标,表示系统每月或每年供应的能源与需求所需能源的比率,当θ

电池
电池
其中,p
是一个光伏模块中标准状态下的电流(a);α
…an
15.电池组充放电结束后,根据可再生能源的输出功率与电池组的充放电功率得到供能功率,在供能功率小于需求功率时,判定当前时间段的充放电运行策略不满足需求功率,则根据不满足需求功率的时间段数占总段数的百分比更新电源损失率,并根据电池组的充放电功率更新当前能源运行策略的电池储能容量,直至迭代次数达到预设次数,得到更新的能源运行策略的电源损失率;
14.具体包括:初始化电源损失率,对每种能源运行策略,获取需求功率和时间段内可再生能源的输出功率,根据可再生能源的输出功率与需求功率的比较结果,确定电池组的最大允许充电功率或最大允许放电功率,以此控制电池组的充放电运行策略及充放电功率;
在更多实施例中,还提供:
[0081]
计算电池的最大允许充电功率即,
[0075][0076]
环境
[0112]
[0062]
(4)随机生成一个初始种群(代),一个群体由许多个体组成,每个个体代表一个解决方案或设计参数的设定值。
(6)收敛准则和控制参数:重复前面描述的步骤直到收敛。
电池放电
可再生占比
维修
在本实施例中,以最小化生命周期成本μ
其中,ai表示上述某个变量,和表示变量的下限值和上限值。
(1)对生成的种群中每个个体的目标函数进行评估。
[0084]
42.在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
(i+1)=e
电池充电
(2-2)如果超额功率大于电池的最大允许充电功率,则电池以最大允许电量充电,剩余电量将转移到用户侧。
3.由于电力系统缺乏有效地大量储存电能的手段,发电、输电、配电与用电必须同时完成,这就要求系统始终处于动态的平衡状态中,瞬间的不平衡就可能导致安全稳定问题。大功率逆变器的出现为储能电源和各种可再生能源与交流电网之间提供一个理想的接口。由各种类型的电源和逆变器组成的储能系统可以直接连接在配电网中的用户负荷附近,构成分布式电力系统,通过其快速响应特性,迅速吸收用户负荷的变化,从根本上解决电力系统的控制问题。

其中,表示包含在交配池中的来自等级λ的精英个体的数量,κ
[0074]
t
[0064]
5.随着可再生能源越来越多地渗透到能源系统,特别是电力系统中,储能系统在提高电能质量和可靠性、提高系统效率和进一步增加可再生能源的使用方面也发挥着重要作用。可再生能源和储能系统的结合为电力消费提供了新的机会。储能系统在可再生能源系统中的主要功能是在可再生能源无法满足负载需求时完美补偿电力需求与电力供应之间的不匹配。因此,为了提高可再生能源应用中的电力可靠性和稳定性,开发经济可行的储能仍然是一个巨大而重要的挑战,特别是对于那些完全由间歇性太阳能和风能供电的独立可再生能源。
电池
[0110]
电池
电池
[0099]
附图说明
,而在光伏-风能-电池储能系统中,上述变量均考虑。
(5)繁殖(交叉和变异):从交配池中随机选择亲本后,经过交叉程序产生后代。交叉产生从母集继承他们的特性值,突变改变特性值,突变使子集有可能拥有与母集不同的特性值,因此子集可能有一些与母集不同的特性值。
ν
是一个光伏模块中电流(a);i
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
风能
投资
电池
[0109]
的计算中,考虑了与整个生命周期相关的初始投资成本、维护成本、运行成本和残值。为了将系统生命周期内的所有现金流量转换为现值,生命周期成本μ
第二个目标函数是:
18.作为可选择的实施方式,若可再生能源的输出功率大于需求功率,则由此确定超额功率,根据电池组的满容量和可用储能容量得到电池的最大允许充电功率;根据超额功率与电池的最大允许充电功率的比较,控制电池的充电及充电功率。
[0066][0067][0068]
[0107]
7.通过比较小型系统在技术优先级、成本效益、效率和存储时间等方面的存储技术特性,电池蓄能可以被认为是适合部署在可再生能源系统中的中长期存储。另一方面,电池蓄能一体化可再生能源由于维护成本低、寿命长、单位能源成本极低和环境友好而广受欢迎,它还可以用于混合发电系统中的各种规模。当太阳能光伏和风能系统无法满足需求时,可以实施电池蓄能为偏远或小型社区提供持续电力。
21.作为可选择的实施方式,若不足功率低于最大允许放电功率,则电池以与不足功
32.第三方面,本发明提供一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成第一方面所述的方法。
[0085]
×
38.图1-2为本发明实施例1提供的电池储能辅助可再生能源系统的能源优化方法流程图。
μ
λ
[0104]
率相等的放电功率放电;若不足功率高于最大允许放电功率,则电池以最大允许放电功率放电。
[0090]

供需比
[0094]
cap
(i)+p
是环境的温度。
本实施例中的优化程序采用基于bp神经网络模型的遗传算法多参数优化操作策略,简要描述如下:
(i)-(p
[0095]
[0105]
13.预设包括可再生能源接入量和电池储能容量的候选能源运行策略,以最小生命周期成本和电源损失率为可再生能源耦合电池储能系统的混合系统的评估目标,根据评估目标在候选能源运行策略中选择最优能源运行策略;
是标准运行工况下电池的温度;g是辐射量(w/m2);g
19.作为可选择的实施方式,若超额功率小于电池的最大允许充电功率,则电池以超额功率进行充电;若超额功率大于电池的最大允许充电功率,则电池以最大允许充电率充电。
48.决策变量具体为:光伏组件数量φ
[0086]
光伏
可再生能源提供的;具体是:

θ

=v
+v
表示排名λ的个体总数,w表示种群规模(或每一代的个体),δ(0《δ《1)为几何分布因子。
y=min(y1(a1,a2,
是标准运行工况下辐射量(w/m2);i
46.在本实施例中,考虑在可再生电池系统中使用先进的深循环型铅酸电池,考虑了直流耦合电池系统。铅酸电池,特别是具有高循环稳定性和深度放电率的铅酸电池,最常用于独立的可再生系统,也就是,在直接耦合拓扑中,电池直接连接到逆变器直流侧的可再生系统,逆变器将直流电转换为交流电供家庭使用。电池被限制在允许的范围内工作。电池充电的最大可能速率是根据电池组容量计算的,而电池放电的最大可能速率是根据电池组内的可用能量量计算的。
[0070]
风能
[0092]
37.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
44.本实施例提供一种电池储能辅助可再生能源系统的能源优化方法,针对可再生能源系统耦合电池储能系统的混合系统包括:单独的光伏系统耦合电池储能系统和光伏-风能系统耦合电池储能系统。其中,单独的光伏系统耦合电池储能系统是光伏系统和电化学储能的组合,即电池存储(包括电池组、控制器和逆变器);光伏-风能系统耦合电池储能系统是将光伏和风力涡轮机与电化学储能(即电池存储)相结合的系统。
11.为了实现上述目的,本发明采用如下技术方案:

[0108]
技术实现要素:


×
量平衡可能不总是被满足的,因为不确定的可再生能源发电会导致可靠性问题。在不确定太阳能发电、风力发电、电力需求和市场价格的情况下,分析设计太阳能电场、风电场、电力需求响应、储能系统和电力市场的能量枢纽的最优运行策略非常困难,严重制约了可再生能源系统的发展和利用。在实际工程项目,针对太阳能-风能-电池系统的规划问题往往基于人工经验,忽略了多种能源形式之间的时空互补特性,从而导致较高的投资成本、不合理的容量配置以及可再生能源系统设计裕量的浪费等诸多问题。因此,对太阳能-风能-电池系统能源优化方法的研究对于未来可再生能源系统大规模推广和发展具有重要的现实意义。
残值
风能
供需比
[0098]
δt;且根据可再生能源的输出功率与电池组的充电功率得到供能功率,具体为:供能功率为可再生能源的输出功率与电池组的充电功率之差。
[0116]
[0113]
[0077]
每个解决方案的设计变量的设定值作为输入提供给“操作场景”,并且从“操作场景”中接收该解决方案的ξ
[0057]
[0087]
4.可用在电力系统中的储能电源种类繁多,比较常见的有超导储能、电池储能、飞轮储能、超级电容器储能、抽水储能、压缩空气储能等。在各种类型的储能电源当中,电池储能系统是一种比较适合电力系统使用的储能电源,具有技术相对成熟、容量大、安全可靠、无污染、噪声低、环境适应性强、便于安装等优点。
具体实施方式
光电标态
需求
运行-ν
[0114]
短流
残值
电池
[0079][0080]
为可再生能源供电功率,n为总时间间隔数,p
电池
1.本发明涉及供电系统技术领域,特别是涉及一种电池储能辅助可再生能源系统的能源优化方法及系统。
和θ
(2-1)如果超额功率低于电池的最大允许充电功率,则将电池送到电池组以超额功率进行充电;
)和可用储能容量e
(i+1)=e
49.对上述每个变量均设定约束条件,在其各自的搜索空间内定义,即:

风能
[0101]
电池充电
33.第四方面,本发明提供一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成第一方面所述的方法。

电池
;θ
容量φ
(3)如果可再生能源的输出功率低于需求功率,则由此确定不足功率,即需求功率减可再生能源的输出功率得到不足功率;
[0083]
电池
ν
饱和
投资
显示可再生能源(即光伏或光伏-风能)向需求端提供的月度或年度能量与系统提供的总能量之比。换句话说,θ
[0106]

))
、ν
(i+1)=e
31.筛选模块,被配置为根据评估目标对更新的能源运行策略进行排序,以得到最优能源运行策略。
此时,根据电池组的满容量(n

47.在本实施例中,构建可再生能源系统耦合电池储能系统的混合系统的决策变量、目标函数和技术性能指标;
20.作为可选择的实施方式,若可再生能源的输出功率小于需求功率,则由此确定不足功率,根据电池的荷电状态约束得到电池的最大允许放电功率,根据不足功率与电池的最大允许放电功率的比较,控制电池的放电及放电功率。
失电率
在本实施例中,还包括两个性能指标,即θ
饱和标态
[0065]
27.第二方面,本发明提供一种电池储能辅助可再生能源系统的能源优化系统,包括:
[0052]
17.作为可选择的实施方式,所述可再生能源接入量包括光伏组件数量和风机数量。
23.e
是一个指标,显示需求所需的能源中有多少是由
分别为投资成本、维修成本、运行成本、残值、光伏运行、风力发电、电池蓄能的成本。
(3)选择过程和交配池:构建交配池,从中随机选择母集以产生新一代子集。
在本实施例中,改进的基于bp神经网络模型的遗传算法多参数优化操作策略相联系,用于解决当前的多目标优化问题,以同时最小化系统的生命周期成本和电源损失概率。选择合适的优化工具与所研究的问题高度相关。优化bp神经网络分为bp神经网络结构确定、遗传算法优化和bp神经网络预测3个部分。其中,bp神经网络结构确定部分根据拟合函数输入输出参数个数确定bp神经网络结构,这样就可以确定遗传算法的优化参数个数,进而确定遗传算法个体的编码长度。
电池充电
(i)为第i个时间段的电池储能容量,p


失电率
此时,根据电池运行范围设定电池的荷电状态约束,根据约束条件计算电池的最大允许放电功率
电池放电

上一篇:上一篇:今朝阳科技有限公司,光伏国际行情
下一篇:下一篇:中国平安财险温州分公司两宗违法 副总遭警告罚款,太阳能光伏发电