CN103617455A - 基于虚拟机组子群的网厂两级负荷优化调度方法 - Google Patents
基于虚拟机组子群的网厂两级负荷优化调度方法 Download PDFInfo
- Publication number
- CN103617455A CN103617455A CN201310627245.2A CN201310627245A CN103617455A CN 103617455 A CN103617455 A CN 103617455A CN 201310627245 A CN201310627245 A CN 201310627245A CN 103617455 A CN103617455 A CN 103617455A
- Authority
- CN
- China
- Prior art keywords
- load
- virtual plant
- factory
- virtual
- plant
- 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.)
- Pending
Links
Images
Abstract
本发明公开了一种基于虚拟机组子群的网厂两级负荷优化调度方法,通过将受调度区域电网内的全部机组划分为若干个虚拟电厂,并通过虚拟电厂厂级的负荷分配优化计算预先获取虚拟电厂中各台机组在各个工况点下的最优负荷,再通过受调度区域电网网级的负荷分配优化计算实时的计算出各个虚拟电厂的最优全厂总负荷,最后通过在数据库中查询工况点的方式实时获得整个受调度区域电网内全部机组的最优负荷,以此实现整个受调度区域电网的负荷优化分配。本发明能够缩短负荷调度时间、具有较好的实时性,使机组能满足电网“两个细则”等规则中对快速平峰等相关指标的规定,并且,本发明相较于现有的AGC调度方式能够实现更低的电网总供电煤耗。
Description
技术领域
本发明涉及一种电力调度方法,具体地说一种基于虚拟机组子群的网厂两级负荷优化调度方法。
背景技术
几十年来,电力系统的经济负荷分配问题一直是电力工作者研究的热点和重点。不同的负荷分配方式将直接影响整个行业的能耗水平。多年来,研究者们针对负荷优化分配模型和算法开展了大量研究工作,除了等微增率法、动态规划法、拉格朗日松弛法等常规方法外,还将遗传算法、混沌算法、粒子群算法等人工智能方法应用于负荷优化分配问题中。
随着我国电力需求的快速增长,电网容量和运行机组数量也迅速增加,电厂、电力调度等部门的高度重视也促进了节能调度相关理论与技术的深入研究。当前电网调度采用的自动发电量控制(AGC)方式直接将负荷指令发送到每一台机组,由机组控制系统自动控制负荷变化,通过采用优化分配方式,根据机组能耗特性进行优化分配,则可很好的实现节能降耗。但是由于上网机组数量过多,现有的优化算法,如遗传算法、粒子群算法等在求解时极易出现因组合膨胀而引起“维数灾”现象,使优化计算难度大幅增加,具体表现在计算耗时过长,同时实时性变差,满足不了电网“两个细则”等规则中对相关指标的规定。由此可见,常规负荷优化分配方式不能直接应用于大规模电力系统的负荷优化分配,除了需要精度高、收敛快的优化算法,还需对分配方式及相关模型进行深入的研究。
发明内容
本发明所要解决的技术问题是:提供一种基于虚拟机组子群的网厂两级负荷优化调度方法,以克服现有技术中AGC电网调度方式对大规模电力系统进行负荷优化分配时存在优化计算难度大、计算耗时过长、实时性差、不能满足电网“两个细则”等规则中对相关指标的规定的问题。
解决上述技术问题,本发明所采用的技术方案如下:
一种基于虚拟机组子群的网厂两级负荷优化调度方法,包括:
(S1)划分虚拟电厂步骤
将受调度区域电网内的全部机组划分为至少两个虚拟电厂,将这些虚拟电厂中的任意一个虚拟电厂表示为Wi,该虚拟电厂Wi包含有ni台机组,其任意一台机组表示为Wij,其中,i表示虚拟电厂号,j表示机组号;
(S2)获取虚拟电厂的厂级煤耗特性步骤:
建立虚拟电厂Wi中机组Wij在负荷Pij下的煤耗方程:
其中,Fij为机组Wij的供电标准煤耗量;fij(Pij)表示机组Wij的煤耗方程;aij,bij,cij为机组Wij的煤耗特性参数,它们均为由机组Wij本身决定的常数;Pij为机组Wij的负荷;
从而,建立虚拟电厂Wi的经济负荷优化分配目标函数:
其中,Fi为虚拟电厂Wi的全厂总供电标准煤耗量;Pi为虚拟电厂Wi的全厂总负荷,其变化范围为:
由此建立数据库:对每一个虚拟电厂Wi,在其全厂总负荷Pi的变化范围内每隔1MW选取一个全厂总负荷值作为工况点Pi;依据上述方程(2),对各个虚拟电厂Wi分别在其每一个工况点Pi下进行负荷优化分配计算,记录下各个虚拟电厂Wi分别在其每一个工况点Pi下其各台机组Wij的最优负荷Pij以及其全厂总供电标准煤耗量Fi,并存入数据库中;
建立虚拟电厂Wi在全厂总负荷Pi下的煤耗方程:
其中,ai,bi和ci为虚拟电厂Wi的厂级煤耗特性参数;
将数据库中每一个虚拟电厂Wi的所有工况点Pi与对应的全厂总供电标准煤耗量Fi分别代入上述方程(4)中,进行函数拟合数据处理,从而分别解算出每一个虚拟电厂Wi的厂级煤耗特性参数ai,bi和ci,获得每一个虚拟电厂Wi在全厂总负荷Pi下的煤耗方程;
(S3)受调度区域电网的网级负荷分配步骤:
将整个受调度区域电网视作一个电厂,将每一个虚拟电厂视作一台机组,建立受调度区域电网的经济负荷优化分配目标函数:
其中,F(P)为受调度区域电网的电网总供电标准煤耗量;P为受调度区域电网的电网总负荷;
在受调度区域电网的工作过程中,按照方程(5)对其在实时的电网总负荷P下进行负荷优化分配计算,计算出每一个虚拟电厂在该电网总负荷P下的全厂总负荷Pi并取整为MW级的整数,该MW级的整数即为虚拟电厂在电网总负荷P下的最优全厂总负荷;
(S4)虚拟电厂的厂级负荷分配步骤:
依据步骤(S3)获得的各个虚拟电厂在电网总负荷P下的最优全厂总负荷,通过查询上述数据库即可得到在实时的电网总负荷P下,任意一个虚拟电厂Wi中任意一台机组Wij的最优负荷Pij,从而实现整个受调度区域电网的负荷优化分配。
作为本发明的一种实施方式,所述受调度区域电网内的全部机组按照地域分布或者机组类型进行虚拟电厂划分。
与现有技术相比,本发明具有以下有益效果:
本发明通过将受调度区域电网内的全部机组划分为若干个虚拟电厂,并通过虚拟电厂厂级的负荷分配优化计算预先获取虚拟电厂中各台机组在各个工况点下的最优负荷,再通过受调度区域电网网级的负荷分配优化计算实时的计算出各个虚拟电厂的最优全厂总负荷,最后通过在数据库中查询工况点的方式实时获得整个受调度区域电网内全部机组的最优负荷,以此实现整个受调度区域电网的负荷优化分配;也即本发明降低了经济负荷优化分配问题维度,使问题求解更简单,从而克服了现有的AGC直接调度模式对大规模电力系统进行负荷优化分配时存在的问题,不再受因组合膨胀而引起的“维数灾”现象所困扰;因此,本发明能够缩短负荷调度时间、具有较好的实时性,使机组能满足电网“两个细则”等规则中对快速平峰等相关指标的规定,并且,本发明相较于现有的AGC调度方式能够实现更低的电网总供电煤耗。
附图说明
下面结合附图和具体实施例对本发明作进一步的详细说明:
图1为本发明的区域电网划分成虚拟电厂后的系统框图。
具体实施方式
如图1所示,本发明基于虚拟机组子群的网厂两级负荷优化调度方法,包括:
(S1)划分虚拟电厂步骤:
对受调度区域电网H内的全部N台机组进行统计分类,按照地域分布、机组类型、或其他原则,将受调度区域电网H内的全部N台机组划分为m个虚拟电厂,其中,m为大于或者等于2的正整数,各个虚拟电厂包含的机组数量分别为n1,n2,…,nm,则有N=n1+n2+,…,+nm,该m个虚拟电厂中的任意一个虚拟电厂可以表示为Wi,其包含有ni台机组,该虚拟电厂Wi的任意一台机组可以表示为Wij(i表示虚拟电厂号,i=1,2,...,m,j表示机组号,j=1,2,...,ni,下文下标i,j意义一样,不再赘述);
(S2)获取虚拟电厂的厂级煤耗特性步骤:
由于任意一台机组的煤耗曲线(或燃料成本曲线)可表达为一元二次方程,则可以建立虚拟电厂Wi中机组Wij在负荷Pij下的煤耗方程:
其中,Fij为机组Wij的供电标准煤耗量(t/h);fij(Pij)表示机组Wij的煤耗方程;aij,bij,cij为机组Wij的煤耗特性参数,它们均为由机组Wij本身决定的常数;Pij为机组Wij的负荷(MW);
从而,建立虚拟电厂Wi的经济负荷优化分配目标函数:
其中,Fi为虚拟电厂Wi的全厂总供电标准煤耗量(t/h);Pi为虚拟电厂Wi的全厂总负荷(MW);虚拟电厂Wi的经济负荷优化分配目标即为在确定的全厂总负荷Pi下,其全厂总供电标准煤耗量Fi通过负荷分配优化达到最优值minFi(Pi);由于机组Wij具有固定的负荷上下限,即因此,对于虚拟电厂Wi的全厂总负荷来说,其变化范围为:
由此建立数据库:对每一个虚拟电厂Wi,在其全厂总负荷Pi的变化范围内每隔1MW选取一个全厂总负荷值作为工况点Pi;由于每一个全厂总负荷都有最优的全厂总供电标准煤耗量及对应的各机组负荷,因此可以依据上述方程(2),对各个虚拟电厂Wi分别在其每一个工况点Pi下进行负荷优化分配计算(该计算的算法可根据实际需要选用遗传算法、混沌算法、粒子群算法等),记录下各个虚拟电厂Wi分别在其每一个工况点Pi下其各台机组Wij的最优负荷Pij以及其全厂总供电标准煤耗量Fi(即最优值minFi(Pi)),并存入数据库中;
建立虚拟电厂Wi在全厂总负荷Pi下的煤耗方程:
其中,ai,bi和ci为虚拟电厂Wi的厂级煤耗特性参数;
将数据库中每一个虚拟电厂Wi的所有工况点Pi与对应的全厂总供电标准煤耗量Fi分别代入上述方程(4)中,进行函数拟合数据处理(支持向量机),从而分别解算出每一个虚拟电厂Wi的厂级煤耗特性参数ai,bi和ci,获得每一个虚拟电厂Wi在全厂总负荷Pi下的煤耗方程;
理论上,求解ai,bi和ci只需要三个工况点Pi即可,但事实上在求解每一个工况点Pi时都不能保证完全准确,为了获得完整而精确的厂级煤耗特性曲线,应选取尽量多的工况点。
(S3)受调度区域电网的网级负荷分配步骤:
将整个受调度区域电网视作一个电厂,将每一个虚拟电厂视作一台机组,则可以建立受调度区域电网H的经济负荷优化分配目标函数:
其中,F(P)为受调度区域电网H的电网总供电标准煤耗量(t/h);P为受调度区域电网H的电网总负荷(MW);
在受调度区域电网H的工作过程中,按照方程(5)对其在实时的电网总负荷P下进行负荷优化分配计算(该计算的算法可根据实际需要选用遗传算法、混沌算法、粒子群算法等),计算出每一个虚拟电厂在该电网总负荷P下的全厂总负荷Pi并取整为MW级的整数,该MW级的整数即为虚拟电厂在电网总负荷P下的最优全厂总负荷;
(S4)虚拟电厂的厂级负荷分配步骤:
依据步骤(S3)获得的各个虚拟电厂在电网总负荷P下的最优全厂总负荷,通过查询上述数据库即可得到在实时的电网总负荷P下,任意一个虚拟电厂Wi中任意一台机组Wij的最优负荷Pij,从而实现整个受调度区域电网H的负荷优化分配。
下面以40台机组为试验,比较直接AGC调度方式下电网总供电煤耗和本发明网厂两级负荷优化调度模式下的总供电煤耗。将所有机组分为5个虚拟电网,具体参数如表1所示。以MATLAB软件为平台进行负荷优化分配,采用混沌粒子群优化算法(CPSO)。得到的厂级煤耗特性如表2所示,最终的电网总供电煤耗及算法耗时如表3所示。
表1机组负荷特性参数表
续表1机组负荷特性参数表
#4-9 | 0.52124 | 3.33 | 1055.1 | 10 | 150 |
#4-10 | 0.52124 | 3.33 | 1055.1 | 10 | 150 |
#4-11 | 0.0114 | 5.35 | 148.89 | 47 | 97 |
#5-1 | 0.0016 | 6.43 | 222.92 | 60 | 190 |
#5-2 | 0.0016 | 6.43 | 222.92 | 60 | 190 |
#5-3 | 0.0016 | 6.43 | 222.92 | 60 | 190 |
#5-4 | 0.0001 | 8.95 | 107.87 | 90 | 200 |
#5-5 | 0.0001 | 8.62 | 116.58 | 90 | 200 |
#5-6 | 0.0001 | 8.62 | 116.58 | 90 | 200 |
#5-7 | 0.0161 | 5.88 | 307.45 | 25 | 110 |
#5-8 | 0.0161 | 5.88 | 307.45 | 25 | 110 |
#5-9 | 0.0161 | 5.88 | 307.45 | 25 | 110 |
#5-10 | 0.00313 | 7.97 | 647.83 | 242 | 550 |
表2虚拟电厂的厂级煤耗特性参数
表3AGC下CPSO与本发明网厂两级下CPSO算法结果
由上述表3的结果可知,本发明的网厂两级负荷优化调度方法相对于现有的直接AGC调度方式,其平均煤耗减少7.3%,平均耗时减少53.8%,而基于本发明的实现方式,随着电力系统规模的增大,本发明的效果还会进一步增强,这表明了本发明是切实有效的。
本发明不局限与上述具体实施方式,根据上述内容,按照本领域的普通技术知识和惯用手段,在不脱离本发明上述基本技术思想前提下,本发明还可以做出其它多种形式的等效修改、替换或变更,均落在本发明的保护范围之中。
Claims (2)
1.一种基于虚拟机组子群的网厂两级负荷优化调度方法,包括:
(S1)划分虚拟电厂步骤:
将受调度区域电网内的全部机组划分为至少两个虚拟电厂,将这些虚拟电厂中的任意一个虚拟电厂表示为Wi,该虚拟电厂Wi包含有ni台机组,其任意一台机组表示为Wij,其中,i表示虚拟电厂号,j表示机组号;
(S2)获取虚拟电厂的厂级煤耗特性步骤:
建立虚拟电厂Wi中机组Wij在负荷Pij下的煤耗方程:
其中,Fij为机组Wij的供电标准煤耗量;fij(Pij)表示机组Wij的煤耗方程;aij,bij,cij为机组Wij的煤耗特性参数,它们均为由机组Wij本身决定的常数;Pij为机组Wij的负荷;
从而,建立虚拟电厂Wi的经济负荷优化分配目标函数:
其中,Fi为虚拟电厂Wi的全厂总供电标准煤耗量;Pi为虚拟电厂Wi的全厂总负荷,其变化范围为:
由此建立数据库:对每一个虚拟电厂Wi,在其全厂总负荷Pi的变化范围内每隔1MW选取一个全厂总负荷值作为工况点Pi;依据上述方程(2),对各个虚拟电厂Wi分别在其每一个工况点Pi下进行负荷优化分配计算,记录下各个虚拟电厂Wi分别在其每一个工况点Pi下其各台机组Wij的最优负荷Pij以及其全厂总供电标准煤耗量Fi,并存入数据库中;
建立虚拟电厂Wi在全厂总负荷Pi下的煤耗方程:
其中,ai,bi和ci为虚拟电厂Wi的厂级煤耗特性参数;
将数据库中每一个虚拟电厂Wi的所有工况点Pi与对应的全厂总供电标准煤耗量Fi分别代入上述方程(4)中,进行函数拟合数据处理,从而分别解算出每一个虚拟电厂Wi的厂级煤耗特性参数ai,bi和ci,获得每一个虚拟电厂Wi在全厂总负荷Pi下的煤耗方程;
(S3)受调度区域电网的网级负荷分配步骤:
将整个受调度区域电网视作一个电厂,将每一个虚拟电厂视作一台机组,建立受调度区域电网的经济负荷优化分配目标函数:
其中,F(P)为受调度区域电网的电网总供电标准煤耗量;P为受调度区域电网的电网总负荷;
在受调度区域电网的工作过程中,按照方程(5)对其在实时的电网总负荷P下进行负荷优化分配计算,计算出每一个虚拟电厂在该电网总负荷P下的全厂总负荷Pi并取整为MW级的整数,该MW级的整数即为虚拟电厂在电网总负荷P下的最优全厂总负荷;
(S4)虚拟电厂的厂级负荷分配步骤:
依据步骤(S3)获得的各个虚拟电厂在电网总负荷P下的最优全厂总负荷,通过查询上述数据库即可得到在实时的电网总负荷P下,任意一个虚拟电厂Wi中任意一台机组Wij的最优负荷Pij,从而实现整个受调度区域电网的负荷优化分配。
2.根据权利要求1所述的基于虚拟机组子群的网厂两级负荷优化调度方法,其特征在于:所述受调度区域电网内的全部机组按照地域分布或者机组类型进行虚拟电厂划分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310627245.2A CN103617455A (zh) | 2013-11-29 | 2013-11-29 | 基于虚拟机组子群的网厂两级负荷优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310627245.2A CN103617455A (zh) | 2013-11-29 | 2013-11-29 | 基于虚拟机组子群的网厂两级负荷优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103617455A true CN103617455A (zh) | 2014-03-05 |
Family
ID=50168159
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310627245.2A Pending CN103617455A (zh) | 2013-11-29 | 2013-11-29 | 基于虚拟机组子群的网厂两级负荷优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103617455A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824134A (zh) * | 2014-03-06 | 2014-05-28 | 河海大学 | 一种用于虚拟电厂的两阶段优化调度方法 |
WO2015188504A1 (zh) * | 2014-06-12 | 2015-12-17 | 天津大学 | 对角加边模型分解协调计算的数据中心求解方法 |
CN110766283A (zh) * | 2019-09-23 | 2020-02-07 | 清华大学 | 电网调度系统以及电网调度方法 |
CN110932339A (zh) * | 2019-11-11 | 2020-03-27 | 广州供电局有限公司 | 一种基于等微增率准则的多能虚拟电厂运行参数聚合方法 |
CN108683211B (zh) * | 2018-04-19 | 2021-04-20 | 东南大学 | 一种考虑分布式电源波动性的虚拟发电厂组合优化方法及模型 |
CN113410844A (zh) * | 2021-05-21 | 2021-09-17 | 国网辽宁省电力有限公司鞍山供电公司 | 虚拟电厂聚合菱镁矿炉负荷参与电网调峰的负荷分配方法 |
CN113688567A (zh) * | 2021-08-10 | 2021-11-23 | 华北电力大学(保定) | 一种考虑冲击负荷的虚拟电厂两阶段优化调度方法 |
CN114531265A (zh) * | 2021-11-26 | 2022-05-24 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于虚拟电厂的终端安全接入和数据保护方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520856B (zh) * | 2009-04-10 | 2011-09-07 | 东南大学 | 基于kkt条件和最近邻法的支持向量回归机自适应建模方法 |
-
2013
- 2013-11-29 CN CN201310627245.2A patent/CN103617455A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101520856B (zh) * | 2009-04-10 | 2011-09-07 | 东南大学 | 基于kkt条件和最近邻法的支持向量回归机自适应建模方法 |
Non-Patent Citations (4)
Title |
---|
仇晓智: "基于改进粒子群算法的机组负荷优化分配", 《汽轮机技术》 * |
刘飞龙,司风琪,韩朝兵: "基于混沌粒子群算法的分级负荷优化分配", 《智能化电站技术发展研讨暨电站自动化2013年会》 * |
司风琪: "基于混沌粒子群算法的火电厂厂级负荷在线优化分配", 《中国电机工程学报》 * |
李勇: "基于繁殖粒子群算法的火电厂负荷优化分配", 《电力自动化设备》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103824134A (zh) * | 2014-03-06 | 2014-05-28 | 河海大学 | 一种用于虚拟电厂的两阶段优化调度方法 |
WO2015188504A1 (zh) * | 2014-06-12 | 2015-12-17 | 天津大学 | 对角加边模型分解协调计算的数据中心求解方法 |
US10235341B2 (en) | 2014-06-12 | 2019-03-19 | Tianjin University | Method for solving the decomposition-coordination calculation based on block bordered diagonal form (BBDF) model using data center |
CN108683211B (zh) * | 2018-04-19 | 2021-04-20 | 东南大学 | 一种考虑分布式电源波动性的虚拟发电厂组合优化方法及模型 |
CN110766283A (zh) * | 2019-09-23 | 2020-02-07 | 清华大学 | 电网调度系统以及电网调度方法 |
CN110766283B (zh) * | 2019-09-23 | 2022-05-03 | 清华大学 | 电网调度系统以及电网调度方法 |
CN110932339A (zh) * | 2019-11-11 | 2020-03-27 | 广州供电局有限公司 | 一种基于等微增率准则的多能虚拟电厂运行参数聚合方法 |
CN113410844A (zh) * | 2021-05-21 | 2021-09-17 | 国网辽宁省电力有限公司鞍山供电公司 | 虚拟电厂聚合菱镁矿炉负荷参与电网调峰的负荷分配方法 |
CN113688567A (zh) * | 2021-08-10 | 2021-11-23 | 华北电力大学(保定) | 一种考虑冲击负荷的虚拟电厂两阶段优化调度方法 |
CN113688567B (zh) * | 2021-08-10 | 2023-08-11 | 华北电力大学(保定) | 一种考虑冲击负荷的虚拟电厂两阶段优化调度方法 |
CN114531265A (zh) * | 2021-11-26 | 2022-05-24 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于虚拟电厂的终端安全接入和数据保护方法 |
CN114531265B (zh) * | 2021-11-26 | 2023-09-26 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于虚拟电厂的终端安全接入和数据保护方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103617455A (zh) | 基于虚拟机组子群的网厂两级负荷优化调度方法 | |
CN107528345B (zh) | 一种多时间尺度的网源荷储协调控制方法 | |
CN107301472B (zh) | 基于场景分析法和电压调节策略的分布式光伏规划方法 | |
CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
CN102737351B (zh) | 燃气-蒸汽联合循环发电机组多目标多约束优化调度方法 | |
CN102280878B (zh) | 基于sced的风电接纳能力优化评估方法 | |
CN103426032A (zh) | 一种热电联产机组的经济优化调度方法 | |
CN109063901B (zh) | 一种省级电网水电系统中长期发电能力分析方法 | |
CN103259285A (zh) | 含大规模风电电力系统的短期运行优化方法 | |
CN104915725B (zh) | 计及实时电价的微网用户群电能优化互济交易方法 | |
CN106570579B (zh) | 一种基于改进量子粒子群算法的水火电经济调度方法 | |
CN110011358B (zh) | 一种配电网负荷状态调节控制器 | |
CN103986194A (zh) | 一种独立型微网优化配置方法和装置 | |
CN105826946B (zh) | 大规模光伏接入的配电网动态无功优化方法 | |
Gao et al. | Optimal model for complementary operation of a photovoltaic-wind-pumped storage system | |
CN113379566A (zh) | 虚拟电厂支撑系统 | |
CN101989743B (zh) | 基于直流潮流的节能发电调度优化方法 | |
CN110766210B (zh) | 一种梯级水库群短期优化调度方法与系统 | |
CN104537445A (zh) | 一种网省两级多电源短期协调调峰方法 | |
CN111146796A (zh) | 一种基于多变量控制的光伏发电综合用能分析管理的系统和方法 | |
CN114243760A (zh) | 适用于配电网的光伏储能协调配置方法 | |
CN114154790A (zh) | 基于需量管理和柔性负荷的工业园区光储容量配置方法 | |
CN111598348A (zh) | 一种输电网均匀性规划优化方法、系统、介质及电子设备 | |
CN112257897A (zh) | 基于改进多目标粒子群的电动汽车充电优化方法和系统 | |
CN103854131A (zh) | 一种基于asu策略的多目标粒子群优化算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140305 |