CN103383718B - 含分布式电源的智能配电网碳排放计量方法 - Google Patents
含分布式电源的智能配电网碳排放计量方法 Download PDFInfo
- Publication number
- CN103383718B CN103383718B CN201310269776.9A CN201310269776A CN103383718B CN 103383718 B CN103383718 B CN 103383718B CN 201310269776 A CN201310269776 A CN 201310269776A CN 103383718 B CN103383718 B CN 103383718B
- Authority
- CN
- China
- Prior art keywords
- carbon
- power source
- distributed
- distribution network
- benefit
- 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.)
- Active
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 183
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 125
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000008901 benefit Effects 0.000 claims abstract description 58
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 5
- 239000003921 oil Substances 0.000 claims description 19
- 238000002485 combustion reaction Methods 0.000 claims description 16
- 239000000446 fuel Substances 0.000 claims description 16
- 230000005611 electricity Effects 0.000 claims description 14
- 239000000295 fuel oil Substances 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 5
- 239000004744 fabric Substances 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 11
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010205 computational analysis Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种含分布式电源的智能配电网碳排放计量方法,属于低碳电力领域。该方法包括:从电网数据库录入主动配电网的拓扑结构、系统参数、运行状态数据,形成基础数据库;根据分布式电源的碳排放特性,建立分布式电源碳排放计量方法;以分布式电源碳排放计量方法为基础,借助电力系统碳排放流理论,建立智能配电网分布式电源低碳效益和电动汽车低碳效益的计量方法。本方法可实现对含分布式电源的智能配电网的碳排放和低碳效益的准确计量,从而对智能配电网的碳排放和低碳效益实现可观和可测。
Description
技术领域
本发明涉及一种含分布式电源的智能配电网碳排放计量方法,属低碳电力及电力系统运行测量技术领域。
背景技术
智能配电网:在配电网引入先进的传感、通讯与控制技术、并入各类新型的分布式电源、电动汽车,以灵活、智能的互动运行方式使各类技术相协调运行,即为智能配电网的含义。智能配电网的主要目标是实现电力用户与配电网间的协调运作,引导电力用户更加高效地利用电能与低碳资源,减少碳排放,从而推动形成整体的低碳电力系统。
分布式电源:是一种建在用户端的电能供应方式,可独立运行,也可并网运行,是以资源、环境效益最大化确定方式和容量的系统,是相对于集中供电的分散式供电方式。分布式电源的主要类型包括分布式风电、分布式光伏、分布式燃机等。其中,分布式风电、分布式光伏在发电过程中不产生碳排放,故无需考虑其碳排放特性;分布式燃机的碳排放特性由两方面决定,一方面是机组的转化效率,即从化学能经热能和机械能转化为电能的效率;另一方面则是燃料本身的碳排放特性,与燃料的化学性质有关。此即为公式(1)的含义。
在低碳电力领域中,电力系统碳排放量的测量与计算分析是基础性工作。建立一个科学的碳排放以及低碳效益的计算与分析的方法是实现碳减排的重要基础。然而现在主要的低碳电力技术,如可再生能源技术、碳捕集技术等主要围绕发电环节展开。智能配电网中的低碳技术,如分布式电源、电动汽车、需求侧管理等智能配用电技术因用电碳排放量不易界定而无法准确评价其低碳效益与技术价值,不利于低碳智能配电网技术的合理规划与发展。
本发明在建立智能配电网分布式电源低碳效益和电动汽车低碳效益的计量方法时,借助了电力系统碳排放流理论。
电力系统中电源节点的碳势等于电源的发电碳排放强度(生产1kWh电量所需产生的碳排放量),根据电源类型和发电状态可直接计算得到,在碳排放流计算中视为已知条件。电力系统中非电源节点(用户节点、变压器节点)的碳势不可直接计算,需通过碳排放流计算方法求取,在碳排放流计算中视为待求量。
低碳效益:在智能配电网中,分布式电源产生的电能替代了一部分主网输送过来的电能,由于分布式电源普遍是零碳排放或低碳排放机组,因此分布式电源的使用会使得配电网用电碳排放量相比于直接由主网供电有所减少,将此减少的碳排放量称为分布式电源的低碳效益。同样,由于电能的利用效率比汽油等燃料的利用效率高,相比传统的燃油汽车,电动汽车行驶相同距离的碳排放量通常比燃油汽车要少,将这部分减少的碳排放量称为电动汽车的低碳效益。综上所述,低碳效益可以定义为因某一项技术的使用而相比于不使用该技术所造成的碳减排量。
发明内容
本发明的目的是,面向智能配电网提出一种碳排放计量方法以及低碳效益计量方法。本方法可实现对含分布式电源的智能配电网的碳排放和低碳效益的准确计量,从而对智能配电网的碳排放和低碳效益实现可观和可测。
本发明的技术方案是,本发明的一种含分布式电源的智能配电网碳排放计量方法,其特征在于,主要包括以下步骤:
1)从电网数据库录入电力系统运行数据,形成基础数据库;该运行数据包括智能配电网的拓扑结构数据、系统参数数据、每个分布式电源在各个时段的输出功率数据、由智能配电网自动化系统测量得到的潮流分布的运行状态数据;
2)建立分布式电源的碳排放强度模型;考虑的智能配电网分布式电源类型有分布式风电、分布式光伏、分布式燃机;其中分布式风电、分布式光伏的碳排放强度为零;分布式燃机的碳排放模型由公式(1)决定:
式(1)中,EFE为燃料的碳排放系数,物理意义为燃料释放单位能量时的碳排放量,单位为(kgCO2/TJ);η为分布式燃机的转化效率,即输出的电功率与消耗的热功率之比;e为分布式燃机的碳排放强度,单位为(kgCO2/kWh);EFE、η均由步骤1)进行录入;
3)基于分布式电源的碳排放计量模型,计算智能配电网在给定时段范围内分布式电源的碳排放;分布式电源的碳排放由公式(2)决定:
式(2)中,Fi t为第i个分布式电源在第t时段的碳排放;为第i个分布式电源在第t时段的碳排放强度;为第i个分布式电源在第t时段的有功输出功率;
4)以分布式电源碳排放模型基础,依靠电力系统碳排放流理论,建立智能配电网分布式电源低碳效益和电动汽车低碳效益的计量方法,包括以下步骤:
4-1)建立分布式电源低碳效益计量方法:
智能配电网总的分布式电源低碳效益可以通过计算每一个分布式电源的低碳效益而后求和得到,按公式(3)进行计算:
式(3)中,ΔFDG-D(T)为智能配电网在T个时段的NDG个分布式电源的总低碳效益;为第i个分布式电源在第t个时段的有功输出功率;为第i个分布式电源所在母线的根节点在第t个时段的碳势;为第i个分布式电源在第t时段的碳排放强度;
4-2)建立电动汽车低碳效益计量方法:
智能配电网总的电动汽车低碳效益可以通过计算每一个节点的电动汽车低碳效益而后求和得到,按公式(4)进行计算:
式(4)中ΔFVe-D(T)为智能配电网在T个时段的N个节点的电动汽车的总低碳效益;为第i个节点在第t个时段的电动汽车充电负荷;为第i个节点在第t个时段的节点碳势;ηoil为参考的传统燃油车辆平均每百公里的燃料油耗,ηele为配用电园区内充电的电动汽车每百公里的电耗,qoil为传统车用燃料油的碳排放系数;ηoil、ηele、qoil均由步骤1)进行录入。
本发明的有益效果是,本发明建立了面向智能配电网提出一种碳排放计量方法以及低碳效益计量方法,从而可实现对含分布式电源的智能配电网的碳排放和低碳效益的准确计量,有利于低碳智能配电网技术的合理规划与发展;引导电力用户更加高效地利用电能与低碳资源,减少碳排放,从而推动形成整体的低碳电力系统。
附图说明
图1是本发明实施一种含分布式电源的智能配电网碳排放计量方法的流程图;
图2是实施例中配电网的拓扑图;
图3是实施例中位于节点6的分布式光伏的输出功率曲线;
图4是实施例中根节点在一天内各个时段的碳势曲线;
图5是实施例中节点6的电动汽车充电负荷曲线;
图6是实施例中节点6的碳势曲线;
图7是实施例中分布式电源低碳效益曲线;
图8是实施例中电动汽车低碳效益曲线。
具体实施方式
下面结合附图及实施方式对本发明作进一步详细的说明。应当理解,此处所描述的具体实施方式可用以解释本发明,但并不限定本发明。
本发明的一种含分布式电源的智能配电网碳排放计量方法,该方法的流程如图1所示,包括以下步骤:
1)从电网数据库录入电力系统实时的运行数据,形成基础数据库;该运行数据包括主动配电网的拓扑结构数据、系统参数数据,以及由智能配电网自动化系统测量得到的潮流分布的运行状态数据;
上述网络拓朴结构数据包括系统中的节点数量,分布式电源的数量,向智能配电网供电的配电变压器的数量,电动汽车充电设施的数量,电力系统拓扑结构(智能配电网中支路与节点的连接关系,分布式电源、配电变压器、电动汽车充电桩接入智能配电网的位置)数据;系统参数数据包括智能配电网中的根节点碳势(具体为从主网向配电网供电的配电变压器的节点碳势),分布式电源的参数(具体为分布式电源所用燃料的类型,对分布式燃机,还包含机组的转化效率和所用燃料的碳排放系数);运行状态数据包括智能配电网中每个分布式电源的实时输出功率,每台从主网向配电网供电的配电变压器的供电负荷(即根节点的实时输出功率),智能配电网中每个节点的电动汽车充电负荷,每条支路上流过的有功潮流和有功损耗。各类实时的运行数据均可从智能配电网的能量管理系统中获取、管理和储存,作为基础数据库。
2)建立分布式电源的碳排放强度模型;考虑的智能配电网分布式电源类型有分布式风电、分布式光伏、分布式燃机;其中分布式风电、分布式光伏的碳排放强度为零;分布式燃机的碳排放模型由公式(1)决定:
式(1)中,EFE为燃料的碳排放系数,物理意义为燃料释放单位能量时的碳排放量,单位为(kgCO2/TJ);η为分布式燃机的转化效率,即输出的电功率与消耗的热功率之比;e为分布式燃机的碳排放强度,单位为(kgCO2/kWh);EFE、η均由步骤1)进行录入;
3)基于分布式电源的碳排放计量模型,计算智能配电网在给定时段范围内分布式电源的碳排放;分布式电源的碳排放由公式(2)决定:
式(2)中,Fi t为第i个分布式电源在第t时段的碳排放;为第i个分布式电源在第t时段的碳排放强度;为第i个分布式电源在第t时段的有功输出功率;
4)以分布式电源碳排放模型基础,依靠电力系统碳排放流理论,建立智能配电网分布式电源低碳效益和电动汽车低碳效益的计量方法,包括以下步骤:
4-1)建立分布式电源低碳效益计量方法:
分布式电源低碳效益是由于分布式电源的投入使用而导致的二氧化碳减排量;智能配电网总的分布式电源低碳效益可以通过计算每一个分布式电源的低碳效益而后求和得到,按公式(3)进行计算:
式(3)中,ΔFDG-D(T)为智能配电网在T个时段的NDG个分布式电源的总低碳效益;为第i个分布式电源在第t个时段的有功输出功率;为第i个分布式电源所在母线的根节点在第t个时段的碳势;为第i个分布式电源在第t时段的碳排放强度;
4-2)建立电动汽车低碳效益计量方法:
电动汽车的低碳效益是由于电动汽车替代传统燃油汽车而产生的二氧化碳减排量;智能配电网总的电动汽车低碳效益可以通过计算每一个节点的电动汽车低碳效益而后求和得到,按公式(4)进行计算:
式(4)中ΔFVe-D(T)为智能配电网在T个时段的N个节点的电动汽车的总低碳效益;为第i个节点在第t个时段的电动汽车充电负荷;为第i个节点在第t个时段的节点碳势;ηoil为参考的传统燃油车辆平均每百公里的燃料油耗,ηele为配用电园区内充电的电动汽车每百公里的电耗,qoil为传统车用燃料油的碳排放系数;ηoil、ηele、qoil均由步骤1)进行录入。
本实施例采用配电网标准分析库REDS(Repository of Distribution Systems)中的33节点配电网标准系统为例阐述本发明所提出的一种含分布式电源的智能配电网碳排放计量方法所实现的效果:
采用本方法的系统共有33个节点,具有典型的配电网辐射状结构,其中节点6有一个1.5MW的分布式光伏,并且节点6有电动汽车充电桩,电动汽车负荷曲线如图5所示。该配电网含有一个从主网向该配电网供电的电变压器(配电网根节点),位于节点1。给定此智能配电网中各节点在各个时段(以1小时为时间间隔)的负荷后,根据电力系统配电网潮流计算方法,可得到配电网在一天中各个时段的潮流分布。
应用本发明提出的方法,可得到智能配电网各个分布式电源的碳排放。进一步,借助电力系统碳排放流理论,可以得到智能配电网分布式电源低碳效益和电动汽车低碳效益。
以该智能配电网中的节点6的分布式光伏为例,图3为该分布式光伏某天的输出功率曲线。由于分布式光伏的碳排放强度为零,故其在一天的总碳排放也为零。
图4为根节点在一天内各个时段的碳势,且已知节点6的光伏输出功率和碳排放强度,于是可以根据公式(3)计算出该分布式光伏在这一天各个时段的低碳效益,如图7所示。该分布式光伏在这一天的低碳效益总量为3.04tCO2。
图5为节点6的电动汽车充电负荷曲线。在本实施例中,取传统车用燃料油的碳排放系数ηoil为2.26kgCO2/L,电动汽车每百公里的电耗ηele为13kWh,传统燃油车辆平均每百公里的燃料油耗qoil为9L。借助碳排放流理论中计算碳势的方法,可得到节点6的碳势曲线,如图6所示。至此,便可根据公式(4)得出该智能配电网在这一天各个时段的电动汽车低碳效益,如图8所示。该智能配电网在这一天的电动汽车低碳效益总量为0.55tCO2。
如果不采用本发明所给出的基于碳排放流的低碳效益计算方法,则难以对智能配电网中分布式电源以及电动汽车的低碳效益进行准确的描述和计量。
Claims (1)
1.一种含分布式电源的智能配电网碳排放计量方法,其特征在于,所述方法包括以下步骤:
1)从电网数据库录入电力系统运行数据,形成基础数据库;该运行数据包括智能配电网的拓扑结构数据、系统参数数据、每个分布式电源在各个时段的输出功率数据、由智能配电网自动化系统测量得到的潮流分布的运行状态数据;
2)建立分布式电源的碳排放强度模型;考虑的智能配电网分布式电源类型有分布式风电、分布式光伏、分布式燃机;其中分布式风电、分布式光伏的碳排放强度为零;分布式燃机的碳排放模型由公式(1)决定:
式(1)中,EFE为燃料的碳排放系数,物理意义为燃料释放单位能量时的碳排放量,单位为(kgCO2/TJ);η为分布式燃机的转化效率,即输出的电功率与消耗的热功率之比;e为分布式燃机的碳排放强度,单位为(kgCO2/kWh);EFE、η均由步骤1)进行录入;
3)基于分布式电源的碳排放计量模型,计算智能配电网在给定时段范围内分布式电源的碳排放;分布式电源的碳排放由公式(2)决定:
式(2)中,为第i个分布式电源在第t时段的碳排放;为第i个分布式电源在第t时段的碳排放强度;为第i个分布式电源在第t时段的有功输出功率;
4)以分布式电源碳排放模型基础,依靠电力系统碳排放流理论,建立智能配电网分布式电源低碳效益和电动汽车低碳效益的计量方法,包括以下步骤:
4-1)建立分布式电源低碳效益计量方法:
智能配电网总的分布式电源低碳效益可以通过计算每一个分布式电源的低碳效益而后求和得到,按公式(3)进行计算:
式(3)中,ΔFDG-D(T)为智能配电网在T个时段的NDG个分布式电源的总低碳效益;为第i个分布式电源在第t个时段的有功输出功率;为第i个分布式电源所在母线的根节点在第t个时段的碳势;为第i个分布式电源在第t时段的碳排放强度;
4-2)建立电动汽车低碳效益计量方法:
智能配电网总的电动汽车低碳效益可以通过计算每一个节点的电动汽车低碳效益而后求和得到,按公式(4)进行计算:
式(4)中ΔFVe-D(T)为智能配电网在T个时段的N个节点的电动汽车的总低碳效益;为第i个节点在第t个时段的电动汽车充电负荷;为第i个节点在第t个时段的节点碳势;ηoil为参考的传统燃油车辆平均每百公里的燃料油耗,ηele为配用电园区内充电的电动汽车每百公里的电耗,qoil为传统车用燃料油的碳排放系数;ηoil、ηele、qoil均由步骤1)进行录入。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310269776.9A CN103383718B (zh) | 2013-06-28 | 2013-06-28 | 含分布式电源的智能配电网碳排放计量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310269776.9A CN103383718B (zh) | 2013-06-28 | 2013-06-28 | 含分布式电源的智能配电网碳排放计量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103383718A CN103383718A (zh) | 2013-11-06 |
CN103383718B true CN103383718B (zh) | 2016-08-10 |
Family
ID=49491506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310269776.9A Active CN103383718B (zh) | 2013-06-28 | 2013-06-28 | 含分布式电源的智能配电网碳排放计量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103383718B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103955761B (zh) * | 2014-04-25 | 2016-12-07 | 国家电网公司 | 一种低碳调度信息平台 |
CN104268668A (zh) * | 2014-09-09 | 2015-01-07 | 国家电网公司 | 一种闭环低碳优化调度方法 |
CN104217302B (zh) * | 2014-09-15 | 2017-03-15 | 华北电力大学 | 面向碳足迹最小化的有源配电网二阶段规划方法及装置 |
CN105404762A (zh) * | 2015-10-19 | 2016-03-16 | 电力规划设计总院 | 一种基于消费角度的省级电力碳排放评估方法 |
CN105375472B (zh) * | 2015-11-23 | 2019-04-05 | 国家电网公司 | 一种智能配电网低碳效益评估方法 |
CN105913338B (zh) * | 2016-04-26 | 2022-01-28 | 中国电力科学研究院 | 一种电力系统碳排放流分布指标的计算单元及确定方法 |
CN113886752A (zh) * | 2021-09-10 | 2022-01-04 | 远景智能国际私人投资有限公司 | 计算碳排放强度的方法、装置、终端及存储介质 |
CN114444952B (zh) * | 2022-01-29 | 2022-10-11 | 周锡忠 | 基于数字支付钱包和区块链的电能和碳排放统计结算方法 |
CN115015474B (zh) * | 2022-04-15 | 2023-06-23 | 广东电网有限责任公司 | 一种电力用户的碳排放量检测方法及设备 |
CN114722329B (zh) * | 2022-06-10 | 2022-08-26 | 国网智能电网研究院有限公司 | 电动汽车碳减排量核算方法、装置及电子设备 |
CN115587218B (zh) * | 2022-12-12 | 2023-03-31 | 南方电网数字电网研究院有限公司 | 适用于海量电力碳排放大数据分析的数据库构建方法 |
CN115983508B (zh) * | 2023-03-21 | 2023-11-03 | 国网信息通信产业集团有限公司 | 一种融合碳排放流的综合能源系统调度方法及终端机 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103177395B (zh) * | 2012-12-28 | 2016-12-28 | 中国电力科学研究院 | 一种基于社会期望的智能配电网节能减排综合评价方法 |
-
2013
- 2013-06-28 CN CN201310269776.9A patent/CN103383718B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN103383718A (zh) | 2013-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103383718B (zh) | 含分布式电源的智能配电网碳排放计量方法 | |
Xie et al. | Autonomous optimized economic dispatch of active distribution system with multi-microgrids | |
Wang et al. | Energy management and optimization of vehicle-to-grid systems for wind power integration | |
Geng et al. | Energy management control of microturbine-powered plug-in hybrid electric vehicles using the telemetry equivalent consumption minimization strategy | |
CN109193815A (zh) | 一种提高风电消纳的热电联合调度方法 | |
Capizzi et al. | Recurrent neural network-based control strategy for battery energy storage in generation systems with intermittent renewable energy sources | |
CN111144728B (zh) | 基于深度强化学习的热电联产系统经济调度方法 | |
CN107704947A (zh) | 一种考虑电动汽车随机接入的微电网多目标优化调度方法 | |
CN106026152A (zh) | 一种电动汽车接入微电网的充放电调度方法 | |
WO2014153946A1 (zh) | 独立微网系统的优化方法 | |
CN105356492A (zh) | 一种适用于微电网的能量管理仿真系统及方法 | |
He et al. | Global Optimal Energy Management Strategy Research for a Plug‐In Series‐Parallel Hybrid Electric Bus by Using Dynamic Programming | |
CN110061524B (zh) | 一种基于深度神经网络的分布式电源虚拟电厂有功调度等值聚合方法及系统 | |
Li et al. | Coordinated scheduling of a gas/electricity/heat supply network considering temporal-spatial electric vehicle demands | |
CN106786977B (zh) | 一种电动汽车充电站的充电调度方法 | |
CN105790266A (zh) | 一种微电网并行多目标鲁棒优化调度集成控制方法 | |
Unger et al. | Green building-modeling renewable building energy systems with emobility using modelica | |
CN104899691A (zh) | 一种确定规模化电动汽车可调度容量的方法 | |
Qi et al. | The development and numerical verification of a compromised real time optimal control algorithm for hybrid electric vehicle | |
CN103544373A (zh) | 一种智能配电网清洁性评估方法 | |
CN106100002B (zh) | 一种交直流混合微网的优化运行方法 | |
CN113610316B (zh) | 不确定环境下考虑综合需求响应的园区综合能源系统优化调度方法 | |
CN115330021A (zh) | 一种考虑沼气电热利用比的综合能源运行优化系统及方法 | |
Wang et al. | Stochastic dynamic programming based optimal energy scheduling for a hybrid fuel cell/PV/battery system under uncertainty | |
Mao et al. | Microgrid group control method based on deep learning under cloud edge collaboration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |