CN104065060A - 独立微电网系统双层经济调度优化方法 - Google Patents
独立微电网系统双层经济调度优化方法 Download PDFInfo
- Publication number
- CN104065060A CN104065060A CN201410250953.3A CN201410250953A CN104065060A CN 104065060 A CN104065060 A CN 104065060A CN 201410250953 A CN201410250953 A CN 201410250953A CN 104065060 A CN104065060 A CN 104065060A
- Authority
- CN
- China
- Prior art keywords
- micro
- power supply
- particle
- optimization
- double
- 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
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
- 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
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种独立微电网系统双层经济调度优化方法,分为可控型微电源启停计划制定和微电网实时优化调度两层。本发明以发电成本最小和环境成本最小为优化目标,引入模糊隶属度变量,根据最大隶属度原则,将模糊的多目标优化问题转化为非线性的单目标优化问题。采用双层位置编码的粒子群优化算法求取独立微电网系统经济运行双层优化调度结果。本发明适用于独立微电网系统经济运行的优化调度,充分发挥微电网的经济效益和环境效益。
Description
技术领域
本发明涉及微电网优化运行,尤其涉及一种独立微电网系统双层经济调度优化方法。
背景技术
分布式电源(尤其是可再生能源)的规模化接入与应用是未来智能主网的重要组成部分。由分布式电源、负荷、储能装置和控制装置组成的微电网对外表现为单一受控的独立电力系统,是分布式电源的集成和接入的有效方式。通常情况下,微电网以联网模式运行,以增强微电网运行的灵活性和可靠性,然而在以偏远地区、海岛、大电网故障微电网与大电网断开等情况下,微电网将运行在孤岛运行模式,成为独立微电网系统。
为实现独立微电网系统的经济运行与优化调度,国内外学者从不同角度对该问题进行了研究,提出了各种不同目标的优化模型。从投资成本角度,以微电网运行成本最小为优化目标;从可靠性分析角度,以失负荷最小为优化目标;从环保角度,以污染物排放最小为优化目标;以及综合考虑多个优化目标。在求解算法上,由于优化问题是非线性、多约束、甚至多目标的,一般采用人工智能算法。
发明内容
本发明采用模糊数学,将多目标优化问题转化为非线性的单目标优化问题。利用双层编码的粒子群优化算法,将微电网的经济运行分为可控型微电源启停计划制定和微电网实时优化调度两层。本发明的技术方案为:
(1)粒子位置采用双层编码,第一层记录微电网中可控型微电源的启停状态(不可控型微电源所在维度值恒为0),第二层记录微电网含有的各种类型微电源出力;初始化粒子群,包括设定各粒子位置范围(即各微电源出力上下限),设置种群大小、粒子群的优化参数、最大迭代次数、飞行速度上下限等,并设置迭代次数iter=1。
(2)针对不同微电网微电源特性,根据微电源的出力数学模型,计算优化调度时段内,各粒子子目标函数1——发电成本(包括启停成本、发电成本和运行维护成本)和子目标函数2——环境成本下的适应度函数值。
(3)根据步骤(2)得到两个子目标函数下的适应度函数值,计算这两个适应度函数值的模糊化满意度,根据最大隶属度原则,将模糊的多目标优化问题转化为非线性的单目标优化问题,得到各粒子的适应度函数值。
(4)判断是否满足设定的等约束条件,若不满足则采用罚函数来调整适应度函数值,记录最小适应度值为全局最优解fbest,记粒子位置全局极值点gbest和个体极值点pbest。
(5)更新种群粒子速度和位置,判断是否满足设定的不等约束条件,越限则取极值,并迭代次数加1。
(6)判断迭代次数达到最大迭代次数,若达到则输出最优解,否则返回执行步骤(2)。
附图说明
图1为独立微电网系统经济运行双层优化调度方法流程图;
图2为本发明实施例微电网结构图;
图3为本发明实施例地区典型日各时刻温度;
图4为本发明实施例地区典型日各时刻温度光照强度;
图5为本发明实施例地区典型日各时刻风速;
图6为本发明实施例地区负荷功率曲线图;
图7为本发明可控型微电源发电费用-输出功率函数曲线图;
图8为本发明优化后微电网在目标函数1下的优化结果图;
图9为本发明优化后微电网在目标函数2下的优化结果图;
图10为本发明优化后微电网在综合目标下的优化结果图。
具体实施方案
本发明独立微电网系统经济运行双层优化调度方法流程图如图1所示,包括如下步骤:
(1)粒子位置采用双层编码,第一层记录微电网中可控型微电源的启停状态(不可控型微电源所在维度值恒为0),第二层记录微电网含有的各种类型微电源出力;初始化粒子群,包括设定各粒子位置范围(即各微电源出力上下限),设置种群大小、粒子群的优化参数、最大迭代次数、飞行速度上下限等,并设置迭代次数iter=1。
进一步地,上述粒子位置双层编码方案如下:
1、基本粒子群优化算法描述
粒子群优化算法中种群粒子速度和位置的更新公式如下:
(1)
(2)
其中,上标k表示第k次迭代时;vij、xij表示在d维的解空间Y中,第i个粒子在的速度和位置;pij表示第i个粒子自身搜索到的最优位置;pgj表示整个种群搜索到的全局最优位置;c1、c2是学习因子,为两个正常数;r1、r2是[0,1]之间的随机数。
在二进制粒子群优化算法中,在二进制粒子群中,粒子的速度向量不再是粒子位置的变化率,而是粒子位置改变的概率。速度向量表示粒子以某一概率确定是1状态还是0状态,粒子位置更新公式如下:
(3)
(4)
其中,r3是[0,1]之间的随机数。
2、双层编码粒子群算法
为了提高粒子的搜索性能,考虑既保留了在连续空间搜索中实数编码的粒子群优化算法所具有的明显优势,又适用于离散空间优化问题,构造一个与解空间Y同维的第二层搜索空间Y’(Y’包括于Rn),则粒子的位置由解空间Y中的n维向量Xi和第二层搜索空间Y’的中的n维向量Xi’共同表示。基于双层编码方案和独立微电网系统双层经济调度,种群第i个粒子可由(Xi,Xi’,Pi,Pi’,Vi)表示,Xi表示微电网中可控型微电源的启停状态(不可控型微电源所在维度值恒为0)Xi’表示所有微电源的出力。其中:
(5)
双层编码的粒子群优化算法速度和位置更新公式分别为:
(6)
(7)
(8)
并且,粒子个体双层最优位置(最优可控型微电源启停方案和最优微电源出力):
(9)
(10)
其中,f(·)为适应度函数。
(2)针对不同微电网微电源特性,根据微电源的出力数学模型,计算优化调度时段内,各粒子子目标函数1——发电成本(包括启停成本、发电成本和运行维护成本)和子目标函数2——环境成本下的适应度函数值;
1、进一步地,上述的子目标函数1——发电成本最小为
(11)
其中,T为微电网优化周期总时段数;上标t表示在t时刻;N为微电源的数目;Ii分别表示第i个微电源开停机标记,1表示开机状态,0表示停机状态;Pi表示第i个微电源的输出功率;f(Pi)为微电源燃料成本;komi表示第i个微电源的运行维护成本系数;comi表示第i个微电源的开停机成本。
进一步地,上述的子目标函数2——环境成本最小为
(12)
其中,M为污染物的种类数目;λij为第i个微电源排放第j种污染物的系数;cj为第j种污染物的环境折算成本。
(3)根据步骤(2)得到两个子目标函数下的适应度函数值,计算这两个适应度函数值的模糊化满意度,根据最大隶属度原则,将模糊的多目标优化问题转化为非线性的单目标优化问题,得到各粒子的适应度函数值。
进一步地,上述多目标模糊化过程为:
(13)
(14)
其中,At、A1t、A2t分别为模糊优化的满意度、发电成本的满意度和环境成本的满意度。
(4)判断是否满足设定的等约束条件,若不满足则采用罚函数来调整适应度函数值,记录最小适应度值为全局最优解fbest,记粒子位置全局极值点gbest和个体极值点pbest。
进一步地,上述等约束条件为:
(15)
(16)
其中,Ploss为微电网网损;Pk、Qk分别为第k条支路传输的有功、无功功率;L为支路总数;Rk为第k条支路的电阻;Vk为第k条支路的电压。
(5)更新种群粒子速度和位置,判断是否满足设定的不等约束条件,越限则取极值,并迭代次数加1。
进一步地,上述的不等约束条件为:
1、微电源输出功率约束
(17)
其中,Pmax和Pmin分别为微电源输出功率的上、下限。
2、微电源爬坡率约束
(18)
其中,rup和rdown分别为微电源输出有功功率的允许最大上爬坡和下爬坡速率。
3、微电源启停机次数和启停时间约束
(19)
其中,M为优化周期T内允许最大启停次数ton和toff分别为最短开、停机时间。
(6)判断是否达到最大迭代次数,若达到则输出最优解,否则返回执行步骤(2)。
实施例:
考虑如图2所示的独立微电网系统,微电网与配网的公共耦合点保持断开,工作在独立运行模式下。系统中不可控型微电源包括光伏(额定功率10kW)和风机(额定功率20kW),可控型微电源有柴油发电机、微型燃气轮机和燃料电池。各种微电源不同污染物排放系数、环境折算成本如表1所示。该实施例微电网系统某日24h内,风速、光照、温度数据以及日负荷数据曲线如图3-6所示。
表1 污染物排放系数和折算成本
1、发电成本最小优化结果
只考虑发电成本最小,优化结果如图8所示。由图7各微电源发电费用与输出功率关系知,在输出功率小于50kW的范围内,燃料电池的发电费用总是比柴油发电机和微型燃气轮机的发电费用要少;当输出功率大于4kW时,柴油发电机的发电费用小于微型燃气轮机的费用。
图8中柴油发电机一直处于满发状态;在10时、16时和23时负荷水平有所下降,燃料电池在这些时刻发电功率也随之下降外,其余时刻几乎达到满发状态;在负荷水平较低的0-6时,微型燃气轮机出力很少。因为在发电成本最小目标下,发电费用较少的柴油发电机和燃料电池比微型燃气轮机优先发电。
2、环境成本最小优化结果
只考虑发电成本最小,优化结果如图9所示。由表1知,柴油发电机对环境影响最大,微型燃气轮机次之,燃料电池最小。从图9可以看出,在发电成本最小目标下,对环境影响最大的柴油发电机在负荷水平较低的1-12时、14-16时以及23-24时,一直处于停机状态;对环境影响最小的燃料电池输出功率在满发状态附近波动;而因为柴油发电机的停机,为满足负荷供电,对环境影响较小的微型燃气轮机在负荷水平较高的时候也达到满发。
3、多目标模糊化优化结果
综合考虑发电成本和环境成本最小,模糊化处理后,各微电源输出功率如图10所示。从图8、图9、图10中可以看出,清洁且发电成本低的光伏电池和风机一直工作在最大功率跟踪模式。从图10可知,燃料电池一直处于满发状态,因为要综合考虑发电成本和环境成本,故发电费用少、对环境影响小的燃料电池几乎一直处于满发状态;在负荷水平较低的6-12时,柴油发电机停机;微型燃气轮机出力与负荷变化趋势相同;在负荷水平较高的16-23时,柴油发电机和微型燃气轮机都几乎满发,且出力上限较大的微型燃气轮机出力变化趋势与负荷变化趋势相同。
综上所述,通过本实施例的测试结果,说明本发明提出的一种独立微电网系统双层经济调度优化方法可以有效地实现独立微电网系统的优化运行。采用双层位置编码的粒子群优化算法具有收敛速度快、全局寻优能力强,为微电网系统的优化运行问题的求解提供了新的思路。
Claims (4)
1.一种基于改进二进制粒子群优化算法的微电网优化运行方法,其特征在于,包括如下步骤:
(1)粒子位置采用双层编码,第一层记录微电网中可控型微电源的启停状态(不可控型微电源所在维度值恒为0),第二层记录微电网含有的各种类型微电源出力;初始化粒子群,包括设定各粒子位置范围(即各微电源出力上下限),设置种群大小、粒子群的优化参数、最大迭代次数、飞行速度上下限等,并设置迭代次数iter=1;
(2)针对不同微电网微电源特性,根据微电源的出力数学模型,计算优化调度时段内,各粒子子目标函数1——发电成本(包括启停成本、发电成本和运行维护成本)和子目标函数2——环境成本下的适应度函数值;
(3)根据步骤(2)得到两个子目标函数下的适应度函数值,计算这两个适应度函数值的模糊化满意度,根据最大隶属度原则,将模糊的多目标优化问题转化为非线性的单目标优化问题,得到各粒子的适应度函数值;
(4)判断是否满足设定的等约束条件,若不满足则采用罚函数来调整适应度函数值,记录最小适应度值为全局最优解fbest,记粒子位置全局极值点gbest和个体极值点pbest;
(5)更新种群粒子速度和位置,判断是否满足设定的不等约束条件,越限则取极值,并迭代次数加1;
(6)判断迭代次数达到最大迭代次数,若达到则输出最优解,否则返回执行步骤(2)。
2.根据权利要求1所述的方法,其特征在于,步骤(2)中的微电网优化运行子目标函数为:
为了提高粒子的搜索性能,考虑既保留了在连续空间搜索中实数编码的粒子群优化算法所具有的明显优势,又适用于离散空间优化问题,构造一个与解空间Y同维的第二层搜索空间Y’(Y’包括于Rn),则粒子的位置由解空间Y中的n维向量Xi和第二层搜索空间Y’的中的n维向量Xi’共同表示,基于双层编码方案和独立微电网系统双层经济调度,种群第i个粒子可由(Xi,Xi’,Pi,Pi’,Vi)表示,Xi表示微电网中可控型微电源的启停状态(不可控型微电源所在维度值恒为0)Xi’表示所有微电源的出力,其中:
双层编码的粒子群优化算法速度和位置更新公式分别为:
并且,粒子个体双层最优位置为(最优可控型微电源启停方案和最优微电源出力):
其中,f(·)为适应度函数值。
3.根据权利要求1所述的方法,其特征在于,步骤(2)中的微电网优化运行子目标函数为:
子目标函数1——发电成本最小为
其中,T为微电网优化周期总时段数;上标t表示在t时刻;N为微电源的数目;Ii分别表示第i个微电源开停机标记,1表示开机状态,0表示停机状态;Pi表示第i个微电源的输出功率;f(Pi)为微电源燃料成本;komi表示第i个微电源的运行维护成本系数;comi表示第i个微电源的开停机成本;
子目标函数2——环境成本最小为
其中,M为污染物的种类数目;λij为第i个微电源排放第j种污染物的系数;cj为第j种污染物的环境折算成本。
4.根据权利要求1所述的方法,其特征在于,步骤(3)中提到的多目标模糊化方法为:
其中,At、A1t、A2t分别为模糊优化的满意度、发电成本的满意度和环境成本的满意度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410250953.3A CN104065060A (zh) | 2014-06-09 | 2014-06-09 | 独立微电网系统双层经济调度优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410250953.3A CN104065060A (zh) | 2014-06-09 | 2014-06-09 | 独立微电网系统双层经济调度优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104065060A true CN104065060A (zh) | 2014-09-24 |
Family
ID=51552648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410250953.3A Pending CN104065060A (zh) | 2014-06-09 | 2014-06-09 | 独立微电网系统双层经济调度优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104065060A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104779611A (zh) * | 2015-03-23 | 2015-07-15 | 南京邮电大学 | 基于集中式和分布式双层优化策略的微电网经济调度方法 |
CN105281372A (zh) * | 2015-10-09 | 2016-01-27 | 南京邮电大学 | 面向分布式能源的多目标多主体分布式博弈优化方法 |
CN106300424A (zh) * | 2016-09-07 | 2017-01-04 | 广东工业大学 | 一种确定新能源用户光伏发电系统日发电量的方法及装置 |
CN106602584A (zh) * | 2017-02-06 | 2017-04-26 | 上海电力设计院有限公司 | 一种基于双层优化模型的多能互补微网储能优化配置方法 |
CN106936147A (zh) * | 2017-04-14 | 2017-07-07 | 南瑞(武汉)电气设备与工程能效测评中心 | 一种基于双层优化的微电网面向电蓄热锅炉的优化运行管理方法 |
CN107609693A (zh) * | 2017-08-31 | 2018-01-19 | 安徽大学 | 基于Pareto档案粒子群算法的微电网多目标优化方法 |
CN107749638A (zh) * | 2017-10-19 | 2018-03-02 | 东南大学 | 多微电网组合的虚拟发电厂分布式随机非重叠抽样的无中心优化方法 |
CN108009693A (zh) * | 2018-01-03 | 2018-05-08 | 上海电力学院 | 基于两级需求响应的并网微电网双层优化方法 |
CN108429256A (zh) * | 2018-03-22 | 2018-08-21 | 国网河北省电力有限公司经济技术研究院 | 电力系统运行优化方法及终端设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002233058A (ja) * | 2001-02-01 | 2002-08-16 | Hitachi Ltd | 発電機運転制御方法およびシステム |
CN103326353A (zh) * | 2013-05-21 | 2013-09-25 | 武汉大学 | 基于改进多目标粒子群算法的环境经济发电调度求解方法 |
-
2014
- 2014-06-09 CN CN201410250953.3A patent/CN104065060A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002233058A (ja) * | 2001-02-01 | 2002-08-16 | Hitachi Ltd | 発電機運転制御方法およびシステム |
CN103326353A (zh) * | 2013-05-21 | 2013-09-25 | 武汉大学 | 基于改进多目标粒子群算法的环境经济发电调度求解方法 |
Non-Patent Citations (1)
Title |
---|
季美红: "基于粒子群算法的微电网多目标经济调度模型研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104779611A (zh) * | 2015-03-23 | 2015-07-15 | 南京邮电大学 | 基于集中式和分布式双层优化策略的微电网经济调度方法 |
CN105281372A (zh) * | 2015-10-09 | 2016-01-27 | 南京邮电大学 | 面向分布式能源的多目标多主体分布式博弈优化方法 |
CN105281372B (zh) * | 2015-10-09 | 2016-08-24 | 南京邮电大学 | 面向分布式能源的多目标多主体分布式博弈优化方法 |
CN106300424B (zh) * | 2016-09-07 | 2018-10-09 | 广东工业大学 | 一种确定新能源用户光伏发电系统日发电量的方法及装置 |
CN106300424A (zh) * | 2016-09-07 | 2017-01-04 | 广东工业大学 | 一种确定新能源用户光伏发电系统日发电量的方法及装置 |
CN106602584A (zh) * | 2017-02-06 | 2017-04-26 | 上海电力设计院有限公司 | 一种基于双层优化模型的多能互补微网储能优化配置方法 |
CN106936147A (zh) * | 2017-04-14 | 2017-07-07 | 南瑞(武汉)电气设备与工程能效测评中心 | 一种基于双层优化的微电网面向电蓄热锅炉的优化运行管理方法 |
CN106936147B (zh) * | 2017-04-14 | 2019-10-18 | 南瑞(武汉)电气设备与工程能效测评中心 | 一种基于双层优化的微电网面向电蓄热锅炉的优化运行管理方法 |
CN107609693A (zh) * | 2017-08-31 | 2018-01-19 | 安徽大学 | 基于Pareto档案粒子群算法的微电网多目标优化方法 |
CN107749638A (zh) * | 2017-10-19 | 2018-03-02 | 东南大学 | 多微电网组合的虚拟发电厂分布式随机非重叠抽样的无中心优化方法 |
CN107749638B (zh) * | 2017-10-19 | 2021-02-02 | 东南大学 | 多微电网组合的虚拟发电厂分布式随机非重叠抽样的无中心优化方法 |
CN108009693A (zh) * | 2018-01-03 | 2018-05-08 | 上海电力学院 | 基于两级需求响应的并网微电网双层优化方法 |
CN108429256A (zh) * | 2018-03-22 | 2018-08-21 | 国网河北省电力有限公司经济技术研究院 | 电力系统运行优化方法及终端设备 |
CN108429256B (zh) * | 2018-03-22 | 2020-03-10 | 国网河北省电力有限公司经济技术研究院 | 电力系统运行优化方法及终端设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104065060A (zh) | 独立微电网系统双层经济调度优化方法 | |
CN109919478B (zh) | 一种考虑综合供能可靠性的综合能源微网规划方法 | |
CN106026152B (zh) | 一种电动汽车接入微电网的充放电调度方法 | |
Hannan et al. | Binary particle swarm optimization for scheduling MG integrated virtual power plant toward energy saving | |
Wang et al. | PSO-based multi-criteria optimum design of a grid-connected hybrid power system with multiple renewable sources of energy | |
CN102945296B (zh) | 一种需求响应视角下的配电网不确定性重构建模方法 | |
CN104166877A (zh) | 基于改进二进制粒子群优化算法的微网优化运行方法 | |
CN111144728B (zh) | 基于深度强化学习的热电联产系统经济调度方法 | |
CN103762589A (zh) | 一种电网中新能源容量配比分层优化方法 | |
CN104734168A (zh) | 一种基于电热联合调度的微电网运行优化系统及方法 | |
CN110601260B (zh) | 一种限定联络线上功率波动的光-蓄系统容量优化方法 | |
CN114021390A (zh) | 城市综合能源系统随机鲁棒优化方法及其应用 | |
CN111950807A (zh) | 计及不确定性与需求响应的综合能源系统优化运行方法 | |
CN105159093A (zh) | 基于模型自适应的微电网能量优化控制系统及其设计方法 | |
CN106684913B (zh) | 一种基于多代理的储能电站跟踪发电计划控制系统和方法 | |
CN107732945A (zh) | 一种基于模拟退火粒子群算法的储能单元优化方法 | |
CN115102159A (zh) | 计及碳排放流的共享储能优化运行方法 | |
CN110994606A (zh) | 一种基于复杂适应系统理论的多能源电源容量配置方法 | |
CN115241923A (zh) | 一种基于蛇优化算法的微电网多目标优化配置方法 | |
CN108075471A (zh) | 基于随机性电源出力预测的多目标约束优化电网调度策略 | |
Azar et al. | Energy hub: Modeling and technology-A review | |
CN113078684A (zh) | 一种基于双层优化的区域能源社区规划方法 | |
CN108110800A (zh) | 风、光、储、热多能柔性互补的有源配电负荷重构方法 | |
CN116865271A (zh) | 一种基于数字孪生驱动的微电网多智能体协调优化控制策略 | |
CN117134409A (zh) | 考虑电-氢-热互补的微网系统及其多目标优化配置方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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: 20140924 |