CN104794557B - 基于实时电价不确定下的终端用户系统的负载调度方法 - Google Patents
基于实时电价不确定下的终端用户系统的负载调度方法 Download PDFInfo
- Publication number
- CN104794557B CN104794557B CN201510103252.1A CN201510103252A CN104794557B CN 104794557 B CN104794557 B CN 104794557B CN 201510103252 A CN201510103252 A CN 201510103252A CN 104794557 B CN104794557 B CN 104794557B
- Authority
- CN
- China
- Prior art keywords
- user
- simulated annealing
- electricity
- individual
- solution
- 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.)
- Expired - Fee Related
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于实时电价不确定下的终端用户系统的负载调度方法，步骤为：首先智能电网系统中中央处理服务器收集各物理节点的可用资源；其次智能电网系统中中央处理服务器收集用户的任务请求；最后智能电网系统中中央处理服务器采用模拟退火方法对系统中的资源进行分配调度。本发明基于模拟退火方法进行负载调度，满足智能电网系统最优负载调度要求，充分挖掘了智能电网系统中可用的虚拟资源，从多个维度动态调度智能电网系统中的负载，并保障用户终端的服务质量要求。
Description
技术领域
本发明属于智能电网技术领域，特别是一种基于实时电价不确定下的终端用户系统的负载调度方法。
背景技术
近年来，人类社会对电能的需求量逐年增加。传统的电网正在面临各种挑战，比如日益增长的电能需求、日益老化的基础设施、温室气体排放量持续上升等。此外，电动汽车的广泛应用还可能使得电能需求量翻倍。这些日益增长的电能需求目前主要依靠额外建造发电站以保证足够的发电能力。近年来在北美和印度发生的大面积停电事故进一步表明传统电网存在的问题。
国内外研究者提出电网现代化并向智能电网方向迈进。通过在用户端安装智能电表以实现双向通信等智能特征，使得用户每天的负载可以以自动化的方式很方便地进行调度。电价等激励手段被广泛应用作为克服用电需求日益增长的有效手段，而不需要额外建造发电站。通过给予用户相应的经济刺激，可以把高峰负载转移到非峰值时期(削峰填谷)，不仅能够减少用户的电费开销，而且能够缓解电网的压力(推迟对发电站的需求)。
其中终端用户系统的负载调度问题是研究的重点，为了最大化每个个体的经济利益，考虑间接负载控制，负载调度在日前市场和实时市场两个时间尺度上进行。负载调度过程中存在未来电价不确定性。若干随机因素都会导致不可忽略的电价预测误差。因此，构建负载调度为期望的优化问题，并考虑时间耦合的约束条件，是十分必要的。
中国发明专利CN102751724A公开了一种面向需求侧响应基于预测的三相负载调度方法与装置，方法为：首先，定义三相负载不平衡度，根据历史电力负荷数据，分别对三相负载进行细粒度预测；其次，将三相负载预测结果总和与当前限电指标进行对比，建立相应的优化模型；最后，根据所建立的优化模型求解各相综合最优限电及补充数据，从而进行调度调整完成三相负载调度。但是该方法只是面向需求侧响应，而没有考虑实时电价不确定性带来的问题。
中国发明专利CN103377084A公开了一种基于可再生能源的数据中心的优化调度方法及装置，该方法中，服务器集群依其电源驱动特性划分为两部分：可再生能源驱动的集群和公用电网驱动的集群；数据中心负载转移控制器预先对所有服务器的利用率进行实时监测，然后结合可再生能源的供给情况动态决定两个集群间的负载转移数量，在转移过程中，控制器对可再生能源的随机波动采取有选择性的追踪策略，对负载波动加以智能平滑，从而减小数据中心的调度负荷，降低服务器宕机时间，并在不依赖大规模电池组的情况下保持较高的能源利用率；但该方法没有针对终端用户的利益最大化，且没有考虑实施电价不确定性。
发明内容
本发明的目的在于提供一种高效、可靠的基于实时电价不确定下的终端用户系统的负载调度方法，从日前(day-ahead)和实时(real-time)两个方面间接进行负载控制，以最大化每个个体的经济利益为目标调度终端用户的负载。
实现本发明目的的技术解决方案为：
一种基于实时电价不确定下的终端用户系统的负载调度方法，包括以下步骤：
步骤1、智能电网系统中中央处理服务器收集用户的可用资源；
步骤2、智能电网系统中中央处理服务器收集用户的任务请求；
步骤3、智能电网系统中中央处理服务器采用模拟退火方法对系统中的资源进行分配调度。
本发明与现有技术相比，其显著优点在于：(1)本发明基于模拟退火方法进行负载调度，满足智能电网系统最优负载调度要求；(2)本发明充分挖掘了智能电网系统中可用的虚拟资源，从多个维度动态调度智能电网系统中的负载；(3)本发明使用模拟退火算法，避免了传统贪心算法可能导致的陷入局部最优的处境。
附图说明
图1为本发明基于实时电价不确定下的终端用户系统的负载调度方法的流程图。
图2为本发明的智能电网闭环系统示意图。
图3为本发明基于模拟退火算法的负载调度方法流程图。
具体实施方式
下面附图及具体实施例对本发明作进一步详细说明。
结合图1，本发明的一种基于实时电价不确定下的终端用户系统的负载调度方法，步骤如下：
步骤1、智能电网系统中中央处理服务器收集各物理节点的可用资源，具体为：智能电网中，将用户终端申请的资源发送给智能电网系统中中央处理服务器，可用资源包括终端用户的用电设备所需电能及相应电费；
步骤2、智能电网系统中中央处理服务器收集用户的任务请求，所述任务请求具体为：用户希望最高的满意度及最少的用电费用；智能电网闭环系统如图2所示；
步骤3、智能电网系统中中央处理服务器采用模拟退火方法对系统中虚拟资源进行分配，结合图3，具体包括以下步骤：
步骤3.1，初始化模拟退火算法的参数；包括初始化模拟退火算法冷却进度表参数、迭代初始解X0以及其目标函数f(X0)，其中冷却进度表参数包括温度控制参数的初值T0、温度衰减参数α、迭代终止条件以及最大搜索次数L；
步骤3.2，随机产生个体，对每个个体进行评估，评价最优个体；具体为：设第a个个体表示为每个个体的向量表示该优化问题的一个候选解，初始化的个体必须满足下述公式：
其中，表示用电设备a在时隙h的用电量，分别表示a在h允许消耗的最小、最大功率级别，ra表示a完成给定任务总共需要的电能，lh表示用户在时隙h预留的电能，H表示一天的周期被分为的时隙集，取值24；
对个体的评价按公式(4)进行：
其中，Wh(xh,lh；ph)表示用户在h时隙获得的收益，H为一天的周期被分为的时隙集，取值24，A为用电设备的集合，表示用电设备a在时隙h消耗电能时，用户获得的满意度，表示用户在日前预留lh的电能所需的预留费用，表示用电费用，表示若需求过剩，需购买来平衡电能的电量，ph为实时电价。
步骤3.3，根据模拟退火算法进行搜索，直到最大搜索次数；具体为：
第一步，若当前解Xk为连续变量，则产生一随机向量Zk，得到当前解邻域的新的试探点Xk'；若当前解Xk为离散变量，则产生一随机偏移量m，得到当前解邻域的新的试探点Xk'，即：
其中，k为当前解的离散位置，0≤k≤L-1，在实际应用中，变量是连续变量；但在实验仿真过程中，为了模型简单、计算方便，常使用离散变量代替连续变量；
第二步、产生一个在(0，1)区间上均匀分布的随机数θ，计算出在给定当前迭代点Xk和温度控制参数Tk下与Metropolis接受准则相对应的转移概率P：
如果θ<P则接受新解，Xk＝Xk'，则目标函数f(Xk)＝f(Xk')，否则当前解不变；其中目标函数为个体的评价，按式(4)进行；
第三步，返回第一步，重新试探搜索，直到搜索次数达到L次，执行步骤3.4；
步骤3.4，判断是否满足迭代终止条件，若不满足，根据温度衰减函数产生新的温度控制参数，重复步骤3.3～步骤3.4，直至最大搜索次数，输出最优个体解；若满足，则模拟退火算法结束，当前解为全局最优解；其中，迭代终止条件为连续N个新解都没有被接受，N为设定的自然数且1≤N≤L；根据给定的温度衰减函数Tk+1＝αTk产生新的温度控制参数Tk+1，0≤k≤L-1，α为温度衰减系数，0<α<1。
实施例1
结合图1，本实施例采用模拟退火算法进行负载调度，步骤如下：
步骤1、智能电网系统中中央处理服务器收集用户的可用资源；
所述智能配用电网中有16个工作节点，居民用户拥有3个负载可调度的家用电器，这些用电设备是电动汽车(日耗电量16kWh)、洗碗机(日耗电量1.44kWh)和洗衣/烘干机(日耗电量4.44kWh)；一天的周期被分为H＝24个时隙；
步骤2、智能电网系统中中央处理服务器收集用户的任务请求；
智能配用电网中工作节点收集用户的任务请求，所述任务请求包括用户希望最高的满意度及最少的用电费用。例如用户在晚上7点吃完晚饭，想要尽快完成洗碗、洗衣和给电动汽车充满电的任务；于是，用户对于电动汽车、洗碗机和洗衣/烘干机在晚上7-8点的期望用电量分别是3.3kWh、1.44kWh和4.44kWh，该时隙的实时电价是0.02643＄/kWh，平均电价预测误差取13％；该时隙的实时负载调度性能，假设用户在前一天为该时隙预留了6kWh的电能；智能电网闭环系统如图2所示。
步骤3、智能电网系统中中央处理服务器采用模拟退火方法对系统中的资源进行分配调度，结合图3，模拟退火算法具体步骤为：
步骤3.1、初始化参数，迭代初始解X0＝300、目标函数f(X0)＝250，温度控制参数的初值T0＝200，N＝10，温度衰减参数α＝0.8，最大搜索次数L＝50；
步骤3.2、随机产生个体，并对每个个体进行评价；对个体的评估按公式(4)进行；
步骤3.3、根据模拟退火算法进行搜索，直到最大搜索次数；若满足迭代终止条件，则模拟退火算法结束，当前解为全局最优解，否则执行第四步；
步骤3.4、根据温度衰减函数产生新的温度控制参数Tk+1，转至步骤3.3；最终输出的解即为全局最优解。
综上所述，本发明基于实时电价不确定下的终端用户系统的负载调度方法，智能电网系统中基于模拟退火方法进行负载调度，满足智能电网系统最优负载调度要求；充分挖掘了智能电网系统中可用的虚拟资源，从多个维度动态调度智能电网系统中的负载；使用模拟退火算法，避免了传统贪心算法可能导致的陷入局部最优的处境，为基于实时电价不确定下的终端用户系统的负载调度方法提供技术支持。
Claims (6)
1.一种基于实时电价不确定下的终端用户系统的负载调度方法，包括以下步骤：
步骤1、智能电网系统中中央处理服务器收集用户的可用资源；
步骤2、智能电网系统中中央处理服务器收集用户的任务请求；
步骤3、智能电网系统中中央处理服务器采用模拟退火方法对系统中的资源进行分配调度；具体为：
步骤3.1、初始化模拟退火算法的参数，具体包括：
初始化模拟退火算法冷却进度表参数、迭代初始解X0以及其目标函数f(X0)，其中冷却进度表参数包括温度控制参数的初值T0、温度衰减参数α、迭代终止条件以及最大搜索次数L；
步骤3.2、随机产生个体，对每个个体进行评价，评价最优个体，具体为：设第a个个体表示为每个个体的向量表示该优化问题的一个候选解，初始化的个体必须满足下述公式：
<mrow>
<munder>
<msubsup>
<mi>x</mi>
<mi>a</mi>
<mi>h</mi>
</msubsup>
<mo>&OverBar;</mo>
</munder>
<mo>&le;</mo>
<msubsup>
<mi>x</mi>
<mi>a</mi>
<mi>h</mi>
</msubsup>
<mo>&le;</mo>
<mover>
<msubsup>
<mi>x</mi>
<mi>a</mi>
<mi>h</mi>
</msubsup>
<mo>&OverBar;</mo>
</mover>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>h</mi>
<mo>&Element;</mo>
<mi>H</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>h</mi>
<mo>&Element;</mo>
<mi>H</mi>
</mrow>
</munder>
<msubsup>
<mi>x</mi>
<mi>a</mi>
<mi>h</mi>
</msubsup>
<mo>&GreaterEqual;</mo>
<msub>
<mi>r</mi>
<mi>a</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msup>
<mi>l</mi>
<mi>h</mi>
</msup>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
<mo>,</mo>
<mo>&ForAll;</mo>
<mi>h</mi>
<mo>&Element;</mo>
<mi>H</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中表示用电设备a在时隙h的用电量，分别表示a在h允许消耗的最小、最大功率级别，ra表示a完成给定任务总共需要的电能，lh表示用户在时隙h预留的电能，H表示一天的周期被分为的时隙集，取值24；
对个体的评价按公式(4)进行：
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>l</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>h</mi>
<mo>&Element;</mo>
<mi>H</mi>
</mrow>
</munder>
<msup>
<mi>W</mi>
<mi>h</mi>
</msup>
<mrow>
<mo>(</mo>
<msup>
<mi>x</mi>
<mi>h</mi>
</msup>
<mo>,</mo>
<msup>
<mi>l</mi>
<mi>h</mi>
</msup>
<mo>;</mo>
<msup>
<mi>p</mi>
<mi>h</mi>
</msup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>h</mi>
<mo>&Element;</mo>
<mi>H</mi>
</mrow>
</munder>
<mo>&lsqb;</mo>
<mrow>
<mo>(</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>a</mi>
<mo>&Element;</mo>
<mi>A</mi>
</mrow>
</munder>
<msubsup>
<mi>U</mi>
<mi>a</mi>
<mi>h</mi>
</msubsup>
<mo>(</mo>
<msubsup>
<mi>x</mi>
<mi>a</mi>
<mi>h</mi>
</msubsup>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>C</mi>
<mn>1</mn>
<mi>h</mi>
</msubsup>
<mo>(</mo>
<msup>
<mi>l</mi>
<mi>h</mi>
</msup>
<mo>)</mo>
<mo>-</mo>
<msubsup>
<mi>C</mi>
<mn>2</mn>
<mi>h</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msubsup>
<mrow>
<mo>(</mo>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>a</mi>
<mo>&Element;</mo>
<mi>A</mi>
</mrow>
</munder>
<msubsup>
<mi>x</mi>
<mi>a</mi>
<mi>h</mi>
</msubsup>
</mrow>
<mo>)</mo>
</mrow>
<mn>0</mn>
<msup>
<mi>l</mi>
<mi>h</mi>
</msup>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msup>
<mi>p</mi>
<mi>h</mi>
</msup>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>a</mi>
<mo>&Element;</mo>
<mi>A</mi>
</mrow>
</munder>
<msubsup>
<mi>x</mi>
<mi>a</mi>
<mi>h</mi>
</msubsup>
<mo>-</mo>
<msup>
<mi>l</mi>
<mi>h</mi>
</msup>
</mrow>
<mo>)</mo>
</mrow>
<mo>+</mo>
</msup>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，Wh(xh,lh；ph)表示用户在h时隙获得的收益，H为一天的周期被分为的时隙集，取值24，A为用电设备的集合，表示用电设备a在时隙h消耗电能时，用户获得的满意度，表示用户在日前预留lh的电能所需的预留费用，表示用电费用，表示若需求过剩，需购买来平衡电能的电量，ph为实时电价；
步骤3.3、根据模拟退火算法进行搜索，直到最大搜索次数；
步骤3.4、判断是否满足迭代终止条件，若不满足，根据温度衰减函数产生新的温度控制参数，重复步骤3.3～步骤3.4，直至最大搜索次数，输出最优个体解；若满足，则模拟退火算法结束，输出最优个体解。
2.根据权利要求1所述的基于实时电价不确定下的终端用户系统的负载调度方法，其特征在于，步骤1所述的可用资源包括终端用户的用电设备所需电能及相应电费。
3.根据权利要求1所述的基于实时电价不确定下的终端用户系统的负载调度方法，其特征在于，步骤2所述任务请求为用户希望最高的满意度及最少的用电费用。
4.根据权利要求1所述的基于实时电价不确定下的终端用户系统的负载调度方法，其特征在于，步骤3.3所述的根据模拟退火算法进行搜索，具体步骤如下：
第一步、若当前解Xk为连续变量，0≤k≤L-1，则产生一随机向量Zk，得到当前解邻域的新的试探点Xk'；若当前解Xk为离散变量，则产生一随机偏移量m，得到当前解邻域的新的试探点Xk'，即：
第二步、产生一个在(0，1)区间上均匀分布的随机数θ，计算出在给定当前迭代点Xk和温度控制参数Tk下与Metropolis接受准则相对应的转移概率P：
<mrow>
<mi>P</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mi>f</mi>
<mi> </mi>
<mi>f</mi>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>X</mi>
<mi>k</mi>
</msub>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
<mo><</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>k</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<msup>
<msub>
<mi>X</mi>
<mi>k</mi>
</msub>
<mo>&prime;</mo>
</msup>
<mo>)</mo>
</mrow>
</mrow>
<msub>
<mi>T</mi>
<mi>k</mi>
</msub>
</mfrac>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>o</mi>
<mi>t</mi>
<mi>h</mi>
<mi>e</mi>
<mi>r</mi>
<mi>w</mi>
<mi>i</mi>
<mi>s</mi>
<mi>e</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
如果θ<P则接受新解，Xk＝Xk'，则目标函数f(Xk)＝f(Xk')，否则当前解不变；其中目标函数为个体的评价；
第三步、返回第一步，重新试探搜索，直到搜索次数达到L次，执行步骤3.4。
5.根据权利要求4所述的基于实时电价不确定下的终端用户系统的负载调度方法，其特征在于，步骤3.4所述迭代终止条件为连续N个新解都没有被接受，N为设定的自然数且1≤N≤L。
6.根据权利要求5所述的基于实时电价不确定下的终端用户系统的负载调度方法，其特征在于，步骤3.4所述的根据温度衰减函数产生新的温度控制参数Tk+1，具体为：
根据给定的温度衰减函数Tk+1＝αTk产生新的温度控制参数Tk+1，0≤k≤L-1，α为温度衰减系数，0<α<1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510103252.1A CN104794557B (zh) | 2015-03-09 | 2015-03-09 | 基于实时电价不确定下的终端用户系统的负载调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510103252.1A CN104794557B (zh) | 2015-03-09 | 2015-03-09 | 基于实时电价不确定下的终端用户系统的负载调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104794557A CN104794557A (zh) | 2015-07-22 |
| CN104794557B true CN104794557B (zh) | 2018-03-09 |
Family
ID=53559343
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510103252.1A Expired - Fee Related CN104794557B (zh) | 2015-03-09 | 2015-03-09 | 基于实时电价不确定下的终端用户系统的负载调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104794557B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105227674A (zh) * | 2015-10-16 | 2016-01-06 | 广东电网有限责任公司电力调度控制中心 | 互联网数据中心电力成本控制方法及系统 |
| CN105225016B (zh) * | 2015-10-29 | 2019-03-01 | 华东师范大学 | 可再生供能的云计算系统中基于合作博弈的能量分配方法 |
| CN106600080B (zh) * | 2017-01-24 | 2020-07-03 | 东南大学 | 一种数据网络与电力网络耦合模型参与系统经济调度方法 |
| CN109447270A (zh) * | 2018-11-07 | 2019-03-08 | 广东电网有限责任公司 | 一种用电设备智能控制方法及系统、计算机设备及介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100525381B1 (ko) * | 2000-10-14 | 2005-11-02 | 엘지전자 주식회사 | 차세대 이동통신 시스템 기지국에서의 시스템 정보 방송구현 방법 |
| CN103065203B (zh) * | 2012-12-24 | 2015-10-07 | 浙江工业大学 | 一种降低电网系统峰值平均负荷率的控制方法 |
-
2015
- 2015-03-09 CN CN201510103252.1A patent/CN104794557B/zh not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| CN104794557A (zh) | 2015-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | On enabling sustainable edge computing with renewable energy resources | |
| Hu et al. | Application of network-constrained transactive control to electric vehicle charging for secure grid operation | |
| Guo et al. | Optimal power management of residential customers in the smart grid | |
| Purvins et al. | Application of battery-based storage systems in household-demand smoothening in electricity-distribution grids | |
| Wang et al. | Integrated energy exchange scheduling for multimicrogrid system with electric vehicles | |
| Salinas et al. | Dynamic energy management for the smart grid with distributed energy resources | |
| CN109256799B (zh) | 一种基于样本熵的新能源电力系统优化调度方法 | |
| CN108599138B (zh) | 计及微电网分布式能源不确定性的储能系统容量配置方法 | |
| US10078315B2 (en) | Collaborative balancing of renewable energy overproduction with electricity-heat coupling and electric and thermal storage for prosumer communities | |
| CN102055215B (zh) | 一种电动汽车充换电站控制方法和运行监控系统 | |
| CN104794557B (zh) | 基于实时电价不确定下的终端用户系统的负载调度方法 | |
| Malik et al. | A review of demand response techniques in smart grids | |
| EP2991854A2 (en) | Method for allocating electrical power of a shared energy source and resource management system | |
| CN108306288A (zh) | 一种基于需求侧响应的微网社区分布式能量分配方法 | |
| Sherif et al. | An optimization framework for home demand side management incorporating electric vehicles | |
| CN104484757B (zh) | 一种应用于智能微电网的异质载荷调度和能量管理方法 | |
| CN108321916B (zh) | 一种具有能量协作功能的基站及能量协作方法 | |
| Zhou et al. | Demand side energy management with PSO and regulated electric vehicles behaviours | |
| Georgiev et al. | Optimized power flow control of smart grids with electric vehicles and DER | |
| Geng et al. | Electric vehicles as flexible loads: Algorithms to optimize aggregate behavior | |
| Wang et al. | A user cost and convenience oriented EV charging and discharging scheduling algorithm in V2G based microgrid | |
| CN112736950B (zh) | 一种面向微电网群的公共储能电站配置方法及系统 | |
| US11476693B2 (en) | System and method for optimizing storage and consumption of power according to tiered time-based criteria | |
| Alyami et al. | Novel flexibility indices of controllable loads in relation to EV and rooftop PV | |
| CN110535143B (zh) | 面向智能住宅动态需求响应的能源管理方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| EXSB | Decision made by sipo to initiate substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180309 Termination date: 20210309 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |