CN106684898A - 一种基于价值网络的储能系统调度优化方法 - Google Patents
一种基于价值网络的储能系统调度优化方法 Download PDFInfo
- Publication number
- CN106684898A CN106684898A CN201610933267.5A CN201610933267A CN106684898A CN 106684898 A CN106684898 A CN 106684898A CN 201610933267 A CN201610933267 A CN 201610933267A CN 106684898 A CN106684898 A CN 106684898A
- Authority
- CN
- China
- Prior art keywords
- value
- state
- state point
- point
- energy storage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005457 optimization Methods 0.000 title claims abstract description 54
- 230000007704 transition Effects 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 12
- 238000007689 inspection Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 125000004122 cyclic group Chemical group 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000005611 electricity Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003472 neutralizing effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于电力系统调度技术领域,公开了一种基于价值网络的储能系统调度优化方法。该方法以能量价值时变背景下储能系统自动调节其出力计划以达到最大能量价值为策略,首先对时间及储能状态围成的2维有界状态空间进行栅格化处理,依时间逆序构造价值网络,网络中每个单元对应于状态空间的一点,其值计算从该状态点到达调度周期终结状态点的最大价值,则调度周期起始状态点记录的最大价值链对应的出力计划即为该栅格化精度下的优化解,在前一步出力计划低精度解附近生成粒度更细的状态空间,重复上述过程,通过反复迭代促使解收敛至精度满足要求。本发明不仅求解精度高,收敛快,鲁棒性好,能够更好的保证储能系统调控的经济性及可靠性。
Description
技术领域
本发明属于电力系统调度技术领域,具体涉及一种电力系统能量调度管理优化方法。
背景技术
电力调度要求发电与用电在全系统范围内实时平衡,对调度水平要求较高。随着发电侧风、光等间歇性可再生能源并网规模不断扩大,波动性电源引起的调度问题越来越突出。近年来,为了缓解突出的调度问题及提高对间歇性可再生能源发电容量的消纳能力,建设了抽水蓄能电站,需求侧也出现以电动汽车为代表的储能容量。
建成电力市场机制的国家或地区,电力供需变化会通过电价实时反映。即使未建立市场机制,由于间歇性可再生能源发电能力的波动性,不同时间的能量价值也各不相同。储能的价值正是通过在能量价值较低或者弃能时段充能、在能量价值较高或者用能时段释放而得以体现。
然而现有储能调度要么分时段固化调度策略,要么借助简单的线性优化策略。当仅考虑在现货或短期合约市场中的投标策略时,储能调度一般可转化为线性优化问题,以成熟的混整线性规划方法求解。当考虑更多关联决策问题时,如在现货及备用市场的关联性投标,就可能超出线性优化问题的范畴。除参与集中投标获益的方式外,储能与另一发电或负荷实体,如风电、光伏发电、主动型微网、制氢负荷等,以双/多方合约及虚拟发电厂(Virtual Power Plant,VPP)形式结成联合体,也被证明为行之有效的运营模式,并适用于管制下的电力系统。但其优化也比线性优化复杂。在针对储能个体效益的研究中,目前多将储能视作价格接受者,很少考虑储能决策与电价间的互动。在含储系统的研究中,较少考虑令储能及其它联合方、第三方多方受益的市场机制设计。而这些讨论无一不依赖于能反映储能关键特性、鲁棒性好、适应场景多样的优化方法。
发明内容
本发明旨在提供一种基于价值网络的储能系统调度优化方法。该方法针对储能调度特点,运用价值网络逐步搜索到高精度的储能调度优化解,提高求解效率及针对储能调度优化问题的鲁棒性,为广泛的储能系统调度提供高效率、高精度的通用方法支持。
为实现上述技术目的,达到上述技术效果,本发明采用的技术方案,包括以下步骤:
S1确定优化空间的步骤:设立以时间-储能状态围成的2维状态的优化空间,按照待优化时段的起止时间及最大至最小储能容量确定优化空间的初始边界使得优化空间构成有界空间;
S2栅格化优化空间的步骤:对优化空间进行栅格化,形成多个状态点;
S3构建价值网络的步骤:按时间从后往前的顺序,以栅格化后的优化空间为基础构建价值网络,所述价值网络以价值网络矩阵π的形式表示,π中各元素对应各状态点的节点价值;
S4从所有状态点中发现最大价值链;
S5在最大价值链上每个状态点附近设置系统下一次迭代时优化空间的新边界,返回S2迭代计算,直至满足要求的解。
上述技术方案的进一步特征在于,所述S1中,设置优化空间在储能状态维度的上边界BU=EMAX,储能状态维度的下边界BL=EMIN,其中EMAX、EMIN分别表示最大及最小储能容量,并令系统当前迭代的次数m的初值为1。
上述技术方案的进一步特征在于,所述S2具体包括以下步骤:
S2-1)记时间栅格化数量为TN、储能状态栅格化数量为EN,以时间轴为横轴,确定栅格在时间轴的交点位置依次为TS+(TE-TS)/TN*j,其中TS、TE分别为所述待优化时段的起始、结束时间,j为1到TN-1的整数;
设BUm(j)表示系统当前迭代时TS+(TE-TS)/TN*j时间的储能状态搜索上边界,BLm(j)表示系统当前迭代时TS+(TE-TS)/TN*j时间的储能状态搜索下边界,j为1到TN-1的整数;其中,当m为1,将BUm(j)设为BU,将BLm(j)设为BL;
S2-2)对位于TS+(TE-TS)/TN*j的时间轴交点,其中1≤j≤TN-1,以储能状态为纵轴,确定时间轴交点TS+(TE-TS)/TN*j处栅格在纵轴的交点位置依次为BLm(j)+[BUm(j)-BLm(j)]/EN*i,其中0≤i≤EN,1≤j≤TN-1;
S2-3)将上述栅格化后所有的栅格交点以及位于时间TE处的优化终结点和位于时间TS处的优化起始点统称为状态点,将位于时间TE处的优化终结点称为终结状态点、位于时间TS处的优化起始点称为起始状态点,将除起始状态点和终结状态点之外的各状态点用{TS+(TE-TS)/TN*j,BLm(j)+[BUm(j)-BLm(j)]/EN*i}标识,用ETN表示终结状态点的储能状态值,用E0表示起始状态点的储能状态值,用E(i,j)表示状态点{TS+(TE-TS)/TN*j,BLm(j)+[BUm(j)-BLm(j)]/EN*i}的储能状态值,其中0≤i≤EN,1≤j≤TN-1。
上述技术方案的进一步特征在于,所述S3具体为:按时间从后往前的顺序,以栅格化后的优化空间为基础构建价值网络,所述价值网络以(EN+1)×(TN-1)维的价值网络矩阵π的形式表示,π中各元素π(i+1,j)对应各状态点{TS+(TE-TS)/TN*j,BLm(j)+[BUm(j)-BLm(j)]/EN*i}的节点价值,其中0≤i≤EN,1≤j≤TN-1,包括以下步骤:
S3-1)首先,对位于时间TS+(TE-TS)/TN*(TN-1)处的各状态点{TS+(TE-TS)/TN*(TN-1),BLm(TN-1)+[BUm(TN-1)-BLm(TN-1)]/EN*i},其中0≤i≤EN,按以下方式计算各状态点分别到达终结状态点的状态转移路径运行所需功率,记为PTN-1(i):
如果终结状态点的储能状态值ETN大于位于时间TS+(TE-TS)/TN*(TN-1)处的状态点{TS+(TE-TS)/TN*(TN-1),BLm(TN-1)+[BUm(TN-1)-BLm(TN-1)]/EN*i}的储能状态值E(i,TN-1),则PTN-1(i)为{[ETN-E(i,TN-1)]/ηL}/Δt,否则PTN-1(i)为{[ETN-E(i,TN-1)]*ηG}/Δt,其中ηL为充能时的转换效率,Δt等于(TE-TS)/TN,ηG为用能时的转换效率;
所述状态转移路径为从栅格化后优化空间的状态点到其后续时刻状态点的过程;
然后,进行状态可行性检查:如果上述计算得到的状态点的PTN-1(i)满足-PGMAX≤PTN-1(i)≤PLMAX,则该状态点为可行状态点,并按以下方法计算该状态点的节点价值,否则为不可行状态点,不可行状态点将排除在本方法后续步骤之外,不再考虑,其中PGMAX、PLMAX分别为最大用能功率及最大充能功率,0≤i≤EN:
可行状态点的节点价值等于-PTN-1(i)*V(TN)*Δt,其中V为长度为TN的记录各时段能量价值的数组,V(TN)表示V中索引为TN的元素、对应时段TN的能量价值;
S3-2)按从后往前的顺序计算其它时刻的状态点的节点价值,包括以下步骤:
S3-2-1)设定循环变量k的初值为TN-2,进入步骤S3-2-2);
S3-2-2)记位于时间TS+(TE-TS)/TN*k处的各状态点{TS+(TE-TS)/TN*k,BLm(k)+[BUm(k)-BLm(k)]/EN*i}为p(i,k),记位于时间TS+(TE-TS)/TN*(k+1)处的各状态点{TS+(TE-TS)/TN*(k+1),BLm(k+1)+[BUm(k+1)-BLm(k+1)]/EN*i'}中的可行状态点为p(i',k+1),其中0≤i≤EN,0≤i'≤EN,按以下方式计算计算各状态点p(i,k)分别到达各个可行状态点p(i',k+1)的状态转移路径运行所需功率,记为P(i,i′,k):
如果可行状态点p(i',k+1)的储能状态值E(i',k+1)大于状态点p(i,k)的储能状态值E(i,k),则P(i,i′,k)为{[E(i',k+1)-E(i,k)]/ηL}/Δt,否则状态转换所需平均功率P(i,i′,k)为{[E(i',k+1)-E(i,k)]*ηG}/Δt;
然后,进行状态可行性检查:如果上述计算得到的状态点p(i,k)到达可行状态点p(i',k+1)的P(i,i′,k)满足-PGMAX≤P(i,i′,k)≤PLMAX,并且|P(i,i′,k)-P′(i′,k+1)|≤min(σG·PGMAX,σL·PLMAX),则该状态点p(i,k)为可行状态点,并按以下方法计算该状态点的节点价值,否则为不可行状态点,不可行状态点将排除在本方 法后续步骤之外,不再考虑,其中σG、σL分别为用能功率最大爬坡速率及充能功率最大爬坡速率,P′(i′,k+1)为可行状态点p(i',k+1)在最优状态转移路径下的功率值,当k=TN-2时P′(i′,k+1)等于该可行状态点p(i',k+1)到达终结状态点的状态转移路径运行所需功率PTN-1(i'):
可行状态点p(i,k)的节点价值等于max(-P(i,i′,k)*V(k+1)*Δt+π(i'+1,k+1)),其中0≤i≤EN,0≤i'≤EN,V(k+1)表示V中索引为k+1的元素,并记录该可行状态点p(i,k)在-P(i,i′,k)*V(k+1)*Δt+π(i'+1,k+1))取最大值时的i'及P(i,i′,k)的值,且将记录的P(i,i′,k)的值作为该可行状态点p(i,k)在最优状态转移路径下的功率值,将记录的i'的值作为该可行状态点p(i,k)的下一相连状态点编号;
S3-2-3)令k自减1,如果k小于1,则进入步骤S3-2-4),否则返回步骤S3-2-2);
S3-2-4)首先,记位于时间TS+(TE-TS)/TN处的各状态点{TS+(TE-TS)/TN,BLm(1)+[BUm(1)-BLm(1)]/EN*i}中的可行状态点为p(i,1),其中0≤i≤EN,按以下方法计算起始状态点到达各个可行状态点p(i,1)的状态转移路径运行所需功率,记为P′(i,0):
如果状态点p(i,1)的储能状态值E(i,1)大于起始状态点的储能状态值E0,则P′(i,0)为{[E(i,1)-E0]/ηL}/Δt,否则P′(i,0)为{[E(i,1)-E0]*ηG}/Δt;
然后,进行状态可行性检查:如果上述计算得到的起始状态点到达状态点p(i,1)的P′(i,0)满足-PGMAX≤P′(i,0)≤PLMAX,并且|P′(i,0)-P′(i,1)|≤min(σG·PGMAX,σL·PLMAX),则状态点p(i,1)仍为可行状态点,否则将状态点p(i,1)改为不可行状态点,不可行状态点将排除在本方法后续步骤之外,不再考虑。
上述技术方案的进一步特征在于,所述S4具体包括以下步骤:
S4-1)计算起始状态点的节点价值:起始状态点的节点价值等于max(-P′(i,0)*V(1)*Δt+π(i+1,1)),其中0≤i≤EN,V(1)表示V中索引为1的元 素;
将起始状态点的节点价值作为系统当前迭代时的最大价值πm,获取当-P′(i,0)*V(1)*Δt+π(i+1,1)取最大值时的i的值,将i的值作为起始状态点的下一相连状态点编号;
S4-2)设Lm代表系统当前迭代时的最大价值链,该最大价值链由TN-1个数值点组成,令Lm(j)为Lm中第j个数值点,按以下方式获取Lm(j)的值:
Lm(1)等于起始状态点的下一相连状态点编号,Lm(2)等于状态点{TS+(TE-TS)/TN*1,BLm(1)+[BUm(1)-BLm(1)]/EN*Lm(1)}的下一相连状态点编号,……,Lm(j)等于状态点{TS+(TE-TS)/TN*(j-1),BLm(j-1)+[BUm(j-1)-BLm(j-1)]/EN*Lm(j-1)}的下一相连状态点编号,Lm(j+1)等于状态点{TS+(TE-TS)/TN*j,BLm(j)+[BUm(j)-BLm(j)]/EN*Lm(j)}的下一相连状态点编号,……,Lm(TN-1)等于状态点{TS+(TE-TS)/TN*(TN-2),BLm(TN-2)+[BUm(TN-2)-BLm(TN-2)]/EN*Lm(TN-2)}的下一相连状态点编号。
上述技术方案的进一步特征在于,所述S5具体包括以下步骤:
当m大于1时,如果系统当前迭代时的最大价值πm不大于系统上一次迭代时的最大价值πm-1,则采纳系统上一次迭代时的最大价值πm-1及最大价值链Lm-1作为优化解输出,并结束本方法;如果系统当前迭代时的最大价值πm大于系统上一次迭代时的最大价值πm-1,并且两者的差绝对值|πm-πm-1|≤ε,则采纳系统当前迭代时的最大价值πm及最大价值链Lm作为优化解输出,并结束本方法,其中ε为设定的计算精度要求;
当m=1时,或者当m大于1且系统当前迭代时的最大价值πm大于系统上一次迭代时的最大价值πm-1并且两者的差绝对值|πm-πm-1|>ε时,则令系统下一次迭代时的TS+(TE-TS)/TN*j时间的储能状态搜索上边界BU,m+1(j)=Em,j+α*[BU,m(j)-BL,m(j)]/EN,系统下一次迭代时的TS+(TE-TS)/TN*j时间的储能状态搜索下边界BL,m+1(j)=Em,j-α*[BU,m(j)-BL,m(j)]/EN,然后令m加1并返回步骤S2进行 迭代,其中Em,j=BL,m(j)+[BU,m(j)-BL,m(j)]/EN*Lm(j),1≤j≤TN-1,α为指定的扩大倍数,为不小于1的实数。
与现有技术相比,本发明的有益效果是:
1、本发明提供的方法的求解效率在储能调度优化问题可转化为线性优化问题时,与现有主流线性优化求解器相当;在储能调度优化问题不能转化为线性优化问题时,求解效率明显高于现有主流非线性优化求解器;
2、本发明提供的方法的求解精度与现有主流优化求解器相当,在非线性因素影响较强的情况下可能具有更高的精度,求解质量更稳定;
3、本发明提供的方法针对储能调度优化的特点设计,能适应常见储能类型的不同特点,具有较好的鲁棒性,同时方法还具有可扩展性。
附图说明
图1为本发明的原理图。
图中标号说明:1、能量价值;2、节点价值;3、价值网络;4、最大价值链;5、状态转移路径;6、起始状态点;7、终结状态点;8、状态点;9、可行状态点;10、价值函数;11、状态可行性检查。
具体实施方式
下面将参考附图并结合实施例,来详细说明本发明专利。
参见图1所示,一种基于价值网络的储能系统调度优化方法,针对时变的能量价值曲线,将储能功率调度优化问题转化为储能状态空间上最佳状态转移路径的搜索问题,即在确定储能能量的起始状态点和终结状态点前提下,在栅格化的(时间、储能状态)空间内寻找通过充能、用能调度使全过程中储能系统运营商获取的能量价值达到最大化时的全过程状态转移路径,即最大价值链,并基于最大价值链推算出储能功率的优化调度策略。
优化过程与价值网络的构建过程同步完成,价值网络中每个节点对应栅格化中的1个状态点,节点价值等于其后所有可能的路径的价值函数之和的最大值,价值函数是指沿给定路径进行状态转移所获的能量价值。状态点分为可行 状态点和不可行状态点;通过状态可行性检查过程,可以筛除突破状态转移速率及其它限制的状态点,并将其归入不可行状态点。最大价值链一定是可行状态点的集合。
具体而言,本方法包括如下步骤:
S1确定优化空间的步骤:设立以时间-储能状态围成的2维状态的优化空间,按照待优化时段的起止时间及最大至最小储能容量确定优化空间的初始边界使得优化空间构成有界空间,优化空间在储能状态维度的上边界BU=EMAX,储能状态维度的下边界BL=EMIN,其中EMAX、EMIN分别表示最大及最小储能容量,并令系统当前迭代的次数m的初值为1;
S2栅格化优化空间的步骤:对优化空间进行栅格化。具体包括以下步骤:
S2-1)记时间栅格化数量为TN、储能状态栅格化数量为EN,以时间轴为横轴,确定栅格在时间轴的交点位置依次为TS+(TE-TS)/TN*j,其中TS、TE分别为所述待优化时段的起始、结束时间,j为1到TN-1的整数;
设BUm(j)表示系统当前迭代时TS+(TE-TS)/TN*j时间的储能状态搜索上边界,BLm(j)表示系统当前迭代时TS+(TE-TS)/TN*j时间的储能状态搜索下边界,j为1到TN-1的整数;其中,当m为1,将BUm(j)设为BU,将BLm(j)设为BL;
S2-2)对时间轴除首尾交点以外的每一点(即位于TS+(TE-TS)/TN*j的时间轴交点,其中1≤j≤TN-1),以储能状态为纵轴,确定时间轴交点TS+(TE-TS)/TN*j处栅格在纵轴的交点位置依次为BLm(j)+[BUm(j)-BLm(j)]/EN*i,其中0≤i≤EN,1≤j≤TN-1;
S2-3)将上述栅格化后所有的栅格交点以及位于时间TE处的优化终结点和位于时间TS处的优化起始点统称为状态点,将位于时间TE处的优化终结点称为终结状态点、位于时间TS处的优化起始点称为起始状态点,将除起始状态点和终结状态点之外的各状态点用{TS+(TE-TS)/TN*j,BLm(j)+[BUm(j)-BLm(j)]/EN*i}标识,用ETN表示终结状态点的储能状态值,用E0表示起始状态点的储能状态值,用E(i,j)表示状态点{TS+(TE-TS)/TN*j,BLm(j)+[BUm(j)-BLm(j)]/EN*i}的储能状态 值,其中0≤i≤EN,1≤j≤TN-1;
S3构建价值网络的步骤:按时间从后往前的顺序,以栅格化后的优化空间为基础构建价值网络,所述价值网络以(EN+1)×(TN-1)维的价值网络矩阵π的形式表示,π中各元素π(i+1,j)对应各状态点{TS+(TE-TS)/TN*j,BLm(j)+[BUm(j)-BLm(j)]/EN*i}的节点价值,其中0≤i≤EN,1≤j≤TN-1,具体包括以下步骤:
S3-1)首先,对位于时间TS+(TE-TS)/TN*(TN-1)处的各状态点{TS+(TE-TS)/TN*(TN-1),BLm(TN-1)+[BUm(TN-1)-BLm(TN-1)]/EN*i},其中0≤i≤EN,按以下方式计算各状态点分别到达终结状态点的状态转移路径运行所需功率,记为PTN-1(i):
如果终结状态点的储能状态值ETN大于位于时间TS+(TE-TS)/TN*(TN-1)处的状态点{TS+(TE-TS)/TN*(TN-1),BLm(TN-1)+[BUm(TN-1)-BLm(TN-1)]/EN*i}的储能状态值E(i,TN-1),则PTN-1(i)为{[ETN-E(i,TN-1)]/ηL}/Δt,否则PTN-1(i)为{[ETN-E(i,TN-1)]*ηG}/Δt,其中ηL为充能时的转换效率,Δt等于(TE-TS)/TN,ηG为用能时的转换效率;
所述状态转移路径为从栅格化后优化空间的状态点到其后续时刻状态点的过程;
然后,进行状态可行性检查:如果上述计算得到的状态点的PTN-1(i)满足-PGMAX≤PTN-1(i)≤PLMAX,则该状态点为可行状态点,并按以下方法计算该状态点的节点价值,否则为不可行状态点,不可行状态点将排除在本方法后续步骤之外,不再考虑,其中PGMAX、PLMAX分别为最大用能功率及最大充能功率,0≤i≤EN:
可行状态点的节点价值(即该可行状态点在价值网络矩阵中对应的元素π(i+1,TN-1)的值)等于-PTN-1(i)*V(TN)*Δt,其中V为长度为TN的记录各时段能量价值的数组,V(TN)表示V中索引为TN的元素、对应时段TN的能量价值;
S3-2)按从后往前的顺序计算其它时刻的状态点的节点价值,包括以下步骤:
S3-2-1)设定循环变量k的初值为TN-2,进入步骤B-2-2);
S3-2-2)记位于时间TS+(TE-TS)/TN*k处的各状态点{TS+(TE-TS)/TN*k,BLm(k)+[BUm(k)-BLm(k)]/EN*i}为p(i,k),记位于时间TS+(TE-TS)/TN*(k+1)处的各状态点{TS+(TE-TS)/TN*(k+1),BLm(k+1)+[BUm(k+1)-BLm(k+1)]/EN*i'}中的可行状态点为p(i',k+1),其中0≤i≤EN,0≤i'≤EN,按以下方式计算计算各状态点p(i,k)分别到达各个可行状态点p(i',k+1)的状态转移路径运行所需功率,记为P(i,i′,k):
如果可行状态点p(i',k+1)的储能状态值E(i',k+1)大于状态点p(i,k)的储能状态值E(i,k),则P(i,i′,k)为{[E(i',k+1)-E(i,k)]/ηL}/Δt,否则状态转换所需平均功率P(i,i′,k)为{[E(i',k+1)-E(i,k)]*ηG}/Δt;
然后,进行状态可行性检查:如果上述计算得到的状态点p(i,k)到达可行状态点p(i',k+1)的P(i,i′,k)满足-PGMAX≤P(i,i′,k)≤PLMAX,并且|P(i,i′,k)-P′(i′,k+1)|≤min(σG·PGMAX,σL·PLMAX),则该状态点p(i,k)为可行状态点,并按以下方法计算该状态点的节点价值,否则为不可行状态点,不可行状态点将排除在本方法后续步骤之外,不再考虑,其中σG、σL分别为用能功率最大爬坡速率及充能功率最大爬坡速率,P′(i′,k+1)为可行状态点p(i',k+1)在最优状态转移路径下的功率值,当k=TN-2时P′(i′,k+1)等于该可行状态点p(i',k+1)到达终结状态点的状态转移路径运行所需功率PTN-1(i'):
可行状态点p(i,k)的节点价值(即该可行状态点p(i,k)在价值网络矩阵中对应的元素π(i+1,k)的值)等于max(-P(i,i′,k)*V(k+1)*Δt+π(i'+1,k+1)),其中0≤i≤EN,0≤i'≤EN,V(k+1)表示V中索引为k+1的元素,并记录该可行状态点p(i,k)在-P(i,i′,k)*V(k+1)*Δt+π(i'+1,k+1))取最大值时的i'及P(i,i′,k)的值,且将记录的P(i,i′,k)的值作为该可行状态点p(i,k)在最优状态转移路径下的功率值,将记录的i'的值作为该可行状态点p(i,k)的下一相连状态点编号;
S3-2-3)令k自减1,如果k小于1,则进入步骤S3-2-4),否则返回步骤S3-2-2);
S3-2-4)首先,记位于时间TS+(TE-TS)/TN处的各状态点{TS+(TE-TS)/TN,BLm(1)+[BUm(1)-BLm(1)]/EN*i}中的可行状态点为p(i,1),其中0≤i≤EN,按以下方法计算起始状态点到达各个可行状态点p(i,1)的状态转移路径运行所需功率,记为P′(i,0):
如果状态点p(i,1)的储能状态值E(i,1)大于起始状态点的储能状态值E0,则P′(i,0)为{[E(i,1)-E0]/ηL}/Δt,否则P′(i,0)为{[E(i,1)-E0]*ηG}/Δt;
然后,进行状态可行性检查:如果上述计算得到的起始状态点到达状态点p(i,1)的P′(i,0)满足-PGMAX≤P′(i,0)≤PLMAX,并且|P′(i,0)-P′(i,1)|≤min(σG·PGMAX,σL·PLMAX),则状态点p(i,1)仍为可行状态点,否则将状态点p(i,1)改为不可行状态点,不可行状态点将排除在本方法后续步骤之外,不再考虑;
S4从所有可行状态点中发现最大价值链的步骤,具体如下:
S4-1)计算起始状态点的节点价值:起始状态点的节点价值等于max(-P′(i,0)*V(1)*Δt+π(i+1,1)),其中0≤i≤EN,V(1)表示V中索引为1的元素;
将起始状态点的节点价值作为系统当前迭代时的最大价值πm,获取当-P′(i,0)*V(1)*Δt+π(i+1,1)取最大值时的i的值,将i的值作为起始状态点的下一相连状态点编号;
S4-2)设Lm代表系统当前迭代时的最大价值链,该最大价值链由TN-1个数值点组成,令Lm(j)为Lm中第j个数值点,按以下方式获取Lm(j)的值:
Lm(1)等于起始状态点的下一相连状态点编号,Lm(2)等于状态点{TS+(TE-TS)/TN*1,BLm(1)+[BUm(1)-BLm(1)]/EN*Lm(1)}的下一相连状态点编号,……,Lm(j)等于状态点{TS+(TE-TS)/TN*(j-1),BLm(j-1)+[BUm(j-1)-BLm(j-1)]/EN*Lm(j-1)}的下一相连状态点编号,Lm(j+1)等于状态点{TS+(TE-TS)/TN*j,BLm(j)+[BUm(j)-BLm(j)]/EN*Lm(j)}的下一相连状态点编 号,……,Lm(TN-1)等于状态点{TS+(TE-TS)/TN*(TN-2),BLm(TN-2)+[BUm(TN-2)-BLm(TN-2)]/EN*Lm(TN-2)}的下一相连状态点编号;
S5迭代计算步骤:
当m大于1时,如果系统当前迭代时的最大价值πm不大于系统上一次迭代时的最大价值πm-1,则采纳系统上一次迭代时的最大价值πm-1及最大价值链Lm-1作为优化解输出,并结束本方法;如果系统当前迭代时的最大价值πm大于系统上一次迭代时的最大价值πm-1,并且两者的差绝对值|πm-πm-1|≤ε,则采纳系统当前迭代时的最大价值πm及最大价值链Lm作为优化解输出,并结束本方法,其中ε为设定的计算精度要求;
当m=1时,或者当m大于1且系统当前迭代时的最大价值πm大于系统上一次迭代时的最大价值πm-1并且两者的差绝对值|πm-πm-1|>ε时,则令系统下一次迭代时的TS+(TE-TS)/TN*j时间的储能状态搜索上边界BU,m+1(j)=Em,j+α*[BU,m(j)-BL,m(j)]/EN,系统下一次迭代时的TS+(TE-TS)/TN*j时间的储能状态搜索下边界BL,m+1(j)=Em,j-α*[BU,m(j)-BL,m(j)]/EN。新边界设置后,令m加1并返回步骤S2进行迭代。
其中Em,j=BL,m(j)+[BU,m(j)-BL,m(j)]/EN*Lm(j),1≤j≤TN-1,α为指定的扩大倍数,为不小于1的实数;这样做的目的是在最大价值链Lm上每个状态点附近设置系统下一次迭代时优化空间的新边界以提高解的精度。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明专利,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明专利的保护范围之内。
Claims (6)
1.一种基于价值网络的储能系统调度优化方法,其特征在于,包括以下步骤:
S1确定优化空间的步骤:设立以时间-储能状态围成的2维状态的优化空间,按照待优化时段的起止时间及最大至最小储能容量确定优化空间的初始边界使得优化空间构成有界空间;
S2栅格化优化空间的步骤:对优化空间进行栅格化,形成多个状态点;
S3构建价值网络的步骤:按时间从后往前的顺序,以栅格化后的优化空间为基础构建价值网络,所述价值网络以价值网络矩阵π的形式表示,π中各元素对应各状态点的节点价值;
S4从所有状态点中发现最大价值链;
S5在最大价值链上每个状态点附近设置系统下一次迭代时优化空间的新边界,返回S2迭代计算,直至满足要求的解。
2.根据权利要求1所述的基于价值网络的储能系统调度优化方法,其特征在于,所述S1中,设置优化空间在储能状态维度的上边界BU=EMAX,储能状态维度的下边界BL=EMIN,其中EMAX、EMIN分别表示最大及最小储能容量,并令系统当前迭代的次数m的初值为1。
3.根据权利要求2所述的基于价值网络的储能系统调度优化方法,其特征在于,所述S2具体包括以下步骤:
S2-1)记时间栅格化数量为TN、储能状态栅格化数量为EN,以时间轴为横轴,确定栅格在时间轴的交点位置依次为TS+(TE-TS)/TN*j,其中TS、TE分别为所述待优化时段的起始、结束时间,j为1到TN-1的整数;
设BUm(j)表示系统当前迭代时TS+(TE-TS)/TN*j时间的储能状态搜索上边界,BLm(j)表示系统当前迭代时TS+(TE-TS)/TN*j时间的储能状态搜索下边界,j为1到TN-1的整数;其中,当m为1,将BUm(j)设为BU,将BLm(j)设为BL;
S2-2)对位于TS+(TE-TS)/TN*j的时间轴交点,其中1≤j≤TN-1,以储能状态为纵轴,确定时间轴交点TS+(TE-TS)/TN*j处栅格在纵轴的交点位置依次为BLm(j)+[BUm(j)-BLm(j)]/EN*i,其中0≤i≤EN,1≤j≤TN-1;
S2-3)将上述栅格化后所有的栅格交点以及位于时间TE处的优化终结点和位于时间TS处的优化起始点统称为状态点,将位于时间TE处的优化终结点称为终结状态点、位于时间TS处的优化起始点称为起始状态点,将除起始状态点和终结状态点之外的各状态点用{TS+(TE-TS)/TN*j,BLm(j)+[BUm(j)-BLm(j)]/EN*i}标识,用ETN表示终结状态点的储能状态值,用E0表示起始状态点的储能状态值,用E(i,j)表示状态点{TS+(TE-TS)/TN*j,BLm(j)+[BUm(j)-BLm(j)]/EN*i}的储能状态值,其中0≤i≤EN,1≤j≤TN-1。
4.根据权利要求3所述的基于价值网络的储能系统调度优化方法,其特征在于,所述S3具体为:按时间从后往前的顺序,以栅格化后的优化空间为基础构建价值网络,所述价值网络以(EN+1)×(TN-1)维的价值网络矩阵π的形式表示,π中各元素π(i+1,j)对应各状态点{TS+(TE-TS)/TN*j,BLm(j)+[BUm(j)-BLm(j)]/EN*i}的节点价值,其中0≤i≤EN,1≤j≤TN-1,包括以下步骤:
S3-1)首先,对位于时间TS+(TE-TS)/TN*(TN-1)处的各状态点{TS+(TE-TS)/TN*(TN-1),BLm(TN-1)+[BUm(TN-1)-BLm(TN-1)]/EN*i},其中0≤i≤EN,按以下方式计算各状态点分别到达终结状态点的状态转移路径运行所需功率,记为PTN-1(i):
如果终结状态点的储能状态值ETN大于位于时间TS+(TE-TS)/TN*(TN-1)处的状态点{TS+(TE-TS)/TN*(TN-1),BLm(TN-1)+[BUm(TN-1)-BLm(TN-1)]/EN*i}的储能状态值E(i,TN-1),则PTN-1(i)为{[ETN-E(i,TN-1)]/ηL}/Δt,否则PTN-1(i)为{[ETN-E(i,TN-1)]*ηG}/Δt,其中ηL为充能时的转换效率,Δt等于(TE-TS)/TN,ηG为用能时的转换效率;
所述状态转移路径为从栅格化后优化空间的状态点到其后续时刻状态点的过程;
然后,进行状态可行性检查:如果上述计算得到的状态点的PTN-1(i)满足-PGMAX≤PTN-1(i)≤PLMAX,则该状态点为可行状态点,并按以下方法计算该状态点的节点价值,否则为不可行状态点,不可行状态点将排除在本方法后续步骤之外,不再考虑,其中PGMAX、PLMAX分别为最大用能功率及最大充能功率,0≤i≤EN:
可行状态点的节点价值等于-PTN-1(i)*V(TN)*Δt,其中V为长度为TN的记录各时段能量价值的数组,V(TN)表示V中索引为TN的元素、对应时段TN的能量价值;
S3-2)按从后往前的顺序计算其它时刻的状态点的节点价值,包括以下步骤:
S3-2-1)设定循环变量k的初值为TN-2,进入步骤S3-2-2);
S3-2-2)记位于时间TS+(TE-TS)/TN*k处的各状态点{TS+(TE-TS)/TN*k,BLm(k)+[BUm(k)-BLm(k)]/EN*i}为p(i,k),记位于时间TS+(TE-TS)/TN*(k+1)处的各状态点{TS+(TE-TS)/TN*(k+1),BLm(k+1)+[BUm(k+1)-BLm(k+1)]/EN*i'}中的可行状态点为p(i',k+1),其中0≤i≤EN,0≤i'≤EN,按以下方式计算计算各状态点p(i,k)分别到达各个可行状态点p(i',k+1)的状态转移路径运行所需功率,记为P(i,i′,k):
如果可行状态点p(i',k+1)的储能状态值E(i',k+1)大于状态点p(i,k)的储能状态值E(i,k),则P(i,i′,k)为{[E(i',k+1)-E(i,k)]/ηL}/Δt,否则状态转换所需平均功率P(i,i′,k)为{[E(i',k+1)-E(i,k)]*ηG}/Δt;
然后,进行状态可行性检查:如果上述计算得到的状态点p(i,k)到达可行状态点p(i',k+1)的P(i,i′,k)满足-PGMAX≤P(i,i′,k)≤PLMAX,并且|P(i,i′,k)-P′(i′,k+1)|≤min(σG·PGMAX,σL·PLMAX),则该状态点p(i,k)为可行状态点,并按以下方法计算该状态点的节点价值,否则为不可行状态点,不可行状态点将排除在本方法后续步骤之外,不再考虑,其中σG、σL分别为用能功率最大爬坡速率及充能功率最大爬坡速率,P′(i′,k+1)为可行状态点p(i',k+1)在最优状态转移路径下的功率值,当k=TN-2时P′(i′,k+1)等于该可行状态点p(i',k+1)到达终结状态点的状态转移路径运行所需功率PTN-1(i'):
可行状态点p(i,k)的节点价值等于max(-P(i,i′,k)*V(k+1)*Δt+π(i'+1,k+1)),其中0≤i≤EN,0≤i'≤EN,V(k+1)表示V中索引为k+1的元素,并记录该可行状态点p(i,k)在-P(i,i′,k)*V(k+1)*Δt+π(i'+1,k+1))取最大值时的i'及P(i,i′,k)的值,且将记录的P(i,i′,k)的值作为该可行状态点p(i,k)在最优状态转移路径下的功率值,将记录的i'的值作为该可行状态点p(i,k)的下一相连状态点编号;
S3-2-3)令k自减1,如果k小于1,则进入步骤S3-2-4),否则返回步骤S3-2-2);
S3-2-4)首先,记位于时间TS+(TE-TS)/TN处的各状态点{TS+(TE-TS)/TN,BLm(1)+[BUm(1)-BLm(1)]/EN*i}中的可行状态点为p(i,1),其中0≤i≤EN,按以下方法计算起始状态点到达各个可行状态点p(i,1)的状态转移路径运行所需功率,记为P′(i,0):
如果状态点p(i,1)的储能状态值E(i,1)大于起始状态点的储能状态值E0,则P′(i,0)为{[E(i,1)-E0]/ηL}/Δt,否则P′(i,0)为{[E(i,1)-E0]*ηG}/Δt;
然后,进行状态可行性检查:如果上述计算得到的起始状态点到达状态点p(i,1)的P′(i,0)满足-PGMAX≤P′(i,0)≤PLMAX,并且|P′(i,0)-P′(i,1)|≤min(σG·PGMAX,σL·PLMAX),则状态点p(i,1)仍为可行状态点,否则将状态点p(i,1)改为不可行状态点,不可行状态点将排除在本方法后续步骤之外,不再考虑。
5.根据权利要求4所述的基于价值网络的储能系统调度优化方法,其特征在于,所述S4具体包括以下步骤:
S4-1)计算起始状态点的节点价值:起始状态点的节点价值等于max(-P′(i,0)*V(1)*Δt+π(i+1,1)),其中0≤i≤EN,V(1)表示V中索引为1的元素;
将起始状态点的节点价值作为系统当前迭代时的最大价值πm,获取当-P′(i,0)*V(1)*Δt+π(i+1,1)取最大值时的i的值,将i的值作为起始状态点的下一相连状态点编号;
S4-2)设Lm代表系统当前迭代时的最大价值链,该最大价值链由TN-1个数值点组成,令Lm(j)为Lm中第j个数值点,按以下方式获取Lm(j)的值:
Lm(1)等于起始状态点的下一相连状态点编号,Lm(2)等于状态点{TS+(TE-TS)/TN*1,BLm(1)+[BUm(1)-BLm(1)]/EN*Lm(1)}的下一相连状态点编号,……,Lm(j)等于状态点{TS+(TE-TS)/TN*(j-1),BLm(j-1)+[BUm(j-1)-BLm(j-1)]/EN*Lm(j-1)}的下一相连状态点编号,Lm(j+1)等于状态点{TS+(TE-TS)/TN*j,BLm(j)+[BUm(j)-BLm(j)]/EN*Lm(j)}的下一相连状态点编号,……,Lm(TN-1)等于状态点{TS+(TE-TS)/TN*(TN-2),BLm(TN-2)+[BUm(TN-2)-BLm(TN-2)]/EN*Lm(TN-2)}的下一相连状态点编号。
6.根据权利要求5所述的基于价值网络的储能系统调度优化方法,其特征在于,所述S5具体包括以下步骤:
当m大于1时,如果系统当前迭代时的最大价值πm不大于系统上一次迭代时的最大价值πm-1,则采纳系统上一次迭代时的最大价值πm-1及最大价值链Lm-1作为优化解输出,并结束本方法;如果系统当前迭代时的最大价值πm大于系统上一次迭代时的最大价值πm-1,并且两者的差绝对值|πm-πm-1|≤ε,则采纳系统当前迭代时的最大价值πm及最大价值链Lm作为优化解输出,并结束本方法,其中ε为设定的计算精度要求;
当m=1时,或者当m大于1且系统当前迭代时的最大价值πm大于系统上一次迭代时的最大价值πm-1并且两者的差绝对值|πm-πm-1|>ε时,则令系统下一次迭代时的TS+(TE-TS)/TN*j时间的储能状态搜索上边界BU,m+1(j)=Em,j+α*[BU,m(j)-BL,m(j)]/EN,系统下一次迭代时的TS+(TE-TS)/TN*j时间的储能状态搜索下边界BL,m+1(j)=Em,j-α*[BU,m(j)-BL,m(j)]/EN,然后令m加1并返回步骤S2进行迭代,其中Em,j=BL,m(j)+[BU,m(j)-BL,m(j)]/EN*Lm(j),1≤j≤TN-1,α为指定的扩大倍数,为不小于1的实数。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610933267.5A CN106684898B (zh) | 2016-10-31 | 2016-10-31 | 一种基于价值网络的储能系统调度优化方法 |
PCT/CN2017/104925 WO2018077016A1 (zh) | 2016-10-31 | 2017-09-30 | 一种基于价值网络的储能系统调度优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610933267.5A CN106684898B (zh) | 2016-10-31 | 2016-10-31 | 一种基于价值网络的储能系统调度优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106684898A true CN106684898A (zh) | 2017-05-17 |
CN106684898B CN106684898B (zh) | 2019-07-05 |
Family
ID=58839422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610933267.5A Active CN106684898B (zh) | 2016-10-31 | 2016-10-31 | 一种基于价值网络的储能系统调度优化方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN106684898B (zh) |
WO (1) | WO2018077016A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107272785A (zh) * | 2017-07-19 | 2017-10-20 | 北京上格云技术有限公司 | 一种机电设备及其控制方法、计算机可读介质 |
WO2018077016A1 (zh) * | 2016-10-31 | 2018-05-03 | 国电南瑞科技股份有限公司 | 一种基于价值网络的储能系统调度优化方法 |
CN109149571A (zh) * | 2018-09-21 | 2019-01-04 | 国网福建省电力有限公司 | 一种考虑系统燃气和火电机组特性的储能优化配置方法 |
CN109214117A (zh) * | 2018-10-15 | 2019-01-15 | 南京天洑软件有限公司 | 一种基于价值网络的智能工业设计算法 |
CN110504701A (zh) * | 2019-08-22 | 2019-11-26 | 西安热工研究院有限公司 | 一种考虑动态充放电效率的电池储能系统调度方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11545240B2 (en) | 2018-07-12 | 2023-01-03 | Signalpath, Llc | Computer implemented process control using a computer instantiated mathematical model defining sequenced-based anchoring and time- based anchoring between nodes |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050021527A1 (en) * | 2003-07-10 | 2005-01-27 | Jian Zhang | System for resource accounting for multiple entities in an arbitrary value chain |
CN101982917A (zh) * | 2010-10-17 | 2011-03-02 | 华中电网有限公司 | 用于电网调度的可用输电能力的计算方法 |
CN102182634A (zh) * | 2011-04-15 | 2011-09-14 | 河海大学 | 基于改进粒子群的海岛风柴蓄发电功率优化设计方法 |
US20110276347A1 (en) * | 2004-05-14 | 2011-11-10 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | Value network |
CN105048491A (zh) * | 2015-06-29 | 2015-11-11 | 国电南瑞科技股份有限公司 | 基于机组组合和经济调度的多阶段风电接纳范围计算方法 |
CN105071395A (zh) * | 2015-07-29 | 2015-11-18 | 四川大学 | 基于供电路径逻辑搜索的高压配电网负荷转供方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9373960B2 (en) * | 2013-03-13 | 2016-06-21 | Oracle International Corporation | Computerized system and method for distributed energy resource scheduling |
CN106684898B (zh) * | 2016-10-31 | 2019-07-05 | 国电南瑞科技股份有限公司 | 一种基于价值网络的储能系统调度优化方法 |
-
2016
- 2016-10-31 CN CN201610933267.5A patent/CN106684898B/zh active Active
-
2017
- 2017-09-30 WO PCT/CN2017/104925 patent/WO2018077016A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050021527A1 (en) * | 2003-07-10 | 2005-01-27 | Jian Zhang | System for resource accounting for multiple entities in an arbitrary value chain |
US20110276347A1 (en) * | 2004-05-14 | 2011-11-10 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | Value network |
CN101982917A (zh) * | 2010-10-17 | 2011-03-02 | 华中电网有限公司 | 用于电网调度的可用输电能力的计算方法 |
CN102182634A (zh) * | 2011-04-15 | 2011-09-14 | 河海大学 | 基于改进粒子群的海岛风柴蓄发电功率优化设计方法 |
CN105048491A (zh) * | 2015-06-29 | 2015-11-11 | 国电南瑞科技股份有限公司 | 基于机组组合和经济调度的多阶段风电接纳范围计算方法 |
CN105071395A (zh) * | 2015-07-29 | 2015-11-18 | 四川大学 | 基于供电路径逻辑搜索的高压配电网负荷转供方法 |
Non-Patent Citations (2)
Title |
---|
刘方等: "不同时间尺度下基于混合储能调度的微网能量优化", 《电网技术》 * |
唐勇俊等: "计及节能调度的分布式电源优化配置及其并行计算", 《电力系统自动化》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018077016A1 (zh) * | 2016-10-31 | 2018-05-03 | 国电南瑞科技股份有限公司 | 一种基于价值网络的储能系统调度优化方法 |
CN107272785A (zh) * | 2017-07-19 | 2017-10-20 | 北京上格云技术有限公司 | 一种机电设备及其控制方法、计算机可读介质 |
CN107272785B (zh) * | 2017-07-19 | 2019-07-30 | 北京上格云技术有限公司 | 一种机电设备及其控制方法、计算机可读介质 |
CN109149571A (zh) * | 2018-09-21 | 2019-01-04 | 国网福建省电力有限公司 | 一种考虑系统燃气和火电机组特性的储能优化配置方法 |
CN109149571B (zh) * | 2018-09-21 | 2022-04-01 | 国网福建省电力有限公司 | 一种考虑系统燃气和火电机组特性的储能优化配置方法 |
CN109214117A (zh) * | 2018-10-15 | 2019-01-15 | 南京天洑软件有限公司 | 一种基于价值网络的智能工业设计算法 |
CN110504701A (zh) * | 2019-08-22 | 2019-11-26 | 西安热工研究院有限公司 | 一种考虑动态充放电效率的电池储能系统调度方法 |
CN110504701B (zh) * | 2019-08-22 | 2023-01-20 | 西安热工研究院有限公司 | 一种考虑动态充放电效率的电池储能系统调度方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2018077016A1 (zh) | 2018-05-03 |
CN106684898B (zh) | 2019-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106684898A (zh) | 一种基于价值网络的储能系统调度优化方法 | |
CN107832905B (zh) | 一种适应分布式发电和储能站发展的配电网规划方法 | |
Schaber et al. | Transmission grid extensions for the integration of variable renewable energies in Europe: Who benefits where? | |
CN103683326B (zh) | 一种区域电网风电多点接入最佳接纳能力的计算方法 | |
CN109508499A (zh) | 多时段多场景分布式电源最优接入位置与容量研究方法 | |
Chen et al. | A battery management strategy in microgrid for personalized customer requirements | |
Wang et al. | Two-stage full-data processing for microgrid planning with high penetrations of renewable energy sources | |
CN107767086A (zh) | 基于发电功率预测的新能源场站出力下限滚动修正方法 | |
CN104734175A (zh) | 一种实现风电机组风速功率曲线的智能修正方法 | |
Suo et al. | New energy wide area complementary planning method for multi-energy power system | |
CN111079972A (zh) | 一种主动配电网可靠性规划方法、设备及介质 | |
Helseth et al. | A hydrothermal market model for simulation of area prices including detailed network analyses | |
Kang et al. | A model predictive scheduling algorithm in real-time control systems | |
CN109213104B (zh) | 基于启发式动态规划的储能系统的调度方法及调度系统 | |
Sun et al. | Interval mixed-integer programming for daily unit commitment and dispatch incorporating wind power | |
CN111799793A (zh) | 一种源网荷协同的输电网规划方法与系统 | |
Hjelmeland et al. | Combined SDDP and simulator model for hydropower scheduling with sales of capacity | |
CN110489856A (zh) | 一种基于cps的微电网可靠建模方法和系统 | |
CN107465195B (zh) | 一种基于微电网结合潮流计算的最优潮流双层迭代方法 | |
Farahmand et al. | Impact of system power losses on the value of an offshore grid for North Sea offshore wind | |
CN109980695A (zh) | 一种配用电系统的分布式能源和用户行为预测方法 | |
CN105608501A (zh) | 一种优化新能源建设与并网时序的中长期电网规划方法 | |
CN113421004B (zh) | 输配协同的主动配电网分布式鲁棒扩展规划系统及方法 | |
CN113065981B (zh) | 一种考虑储能综合收益的源-储-网协调规划方法 | |
Cai et al. | Day-Ahead Forecast of Carbon Emission Factor Based on Long and Short-Term Memory Networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |