CN105244869B - 一种含微网的配电网动态随机调度控制方法 - Google Patents
一种含微网的配电网动态随机调度控制方法 Download PDFInfo
- Publication number
- CN105244869B CN105244869B CN201510672264.6A CN201510672264A CN105244869B CN 105244869 B CN105244869 B CN 105244869B CN 201510672264 A CN201510672264 A CN 201510672264A CN 105244869 B CN105244869 B CN 105244869B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- msubsup
- power
- microgrid
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000002245 particle Substances 0.000 claims abstract description 34
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 238000004146 energy storage Methods 0.000 claims description 31
- 230000005611 electricity Effects 0.000 claims description 14
- 239000003990 capacitor Substances 0.000 claims description 11
- 239000000243 solution Substances 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 239000000446 fuel Substances 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 2
- 238000010521 absorption reaction Methods 0.000 claims 1
- 230000001186 cumulative effect Effects 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 16
- 230000006870 function Effects 0.000 description 8
- 230000008901 benefit Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 238000000342 Monte Carlo simulation Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000001172 regenerating effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000000567 combustion gas Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
- Y02P80/14—District level solutions, i.e. local energy networks
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种含微网的配电网动态随机调度控制方法,本方法综合考虑微网与配网计划运行成本最小的动态随机调度控制方法。首先分别建立微网和配网期望计划运行成本最小的机会约束规划模型,采用粒子群优化算法和两点估计法求解;再根据微网和配网分别优化结果得到的二者之间功率交换控制区间,利用粒子群优化算法寻找二者综合期望计划运行成本最小的功率交换值,从而确定微网和配电网的最优动态随机调度控制方案;最后改进的IEEE 33节点标准系统算法验证的实用性。
Description
技术领域
本发明涉及一种含微网的配电网动态随机调度控制方法。
背景技术
微网(Micro-Grid)是集发电、输电、配电为一体的小型电力系统,是解决分布式电源和负荷同时运行,大幅度消纳可再生能源出力,实现局部功率平衡的重要手段,已经成为智能电网的一个重要组成部分。伴随着越来越多的微网接入配电网,研究含微网的配电网动态调度具有重要的理论和实际意义。
目前,国内外对于微网接入配电网的研究多是独立的,或单独研究微网的优化调度,或单独研究配电网的优化调度。现有技术研究微网调度控制的同时,没有考虑配电网的安全性与经济性,片面追求微网最大化经济效益,可能会影响配电网运行的安全性。另一方面,多微网与配电网联合调度模式研究,考虑系统网损、负荷波动和微网运行经济性,建立联合运行的双层优化模型,部分实现了微网和配电网的联合优化,但该方法先优化配电网,再以配电网与微网的功率交换值为定值优化微网,虽然能够实现配电网经济效益的最大化,但是没有考虑微网运行的安全性和经济效益,不能实现微网和配电网整体效益的最大化。
发明内容
本发明为了解决上述问题,提出了一种含微网的配电网动态随机调度控制方法,该方法在满足安全性约束的条件下,实现配电网和微网总体经济效益的最大化。
为了实现上述目的,本发明采用如下技术方案:
一种含微网的配电网动态随机调度控制方法,包括以下步骤:
(1)以微网的运行成本期望值最小化为动态调度目标,建立目标函数;
(2)以不计网损条件下的功率平衡、可控机组出力、可控机组爬坡、联络线交换功率的机会和储能电池为约束条件,得到每个时间段的微网从配网输入的功率;
(3)计及运行成本最小的机会约束规划优化调度目标函数,以潮流方程约束、节点电压约束和支路潮流的约束为条件,计算每个时间段的配网给微网的输出功率;
(4)计算微网从配网输入的功率和配网给微网的输出功率之和,构建功率目标函数,构建功率交换区间,增加至约束条件,以粒子群算法和两点估计方法计算功率目标函数的最优值;
(5)判断该时刻的迭代次数是否满足迭代次数目标值,如果没有,使迭代次数累加1,重复步骤(1)-(5),直到达到迭代次数目标值;
(6)输出最优微网和配网的最优运行成本及交换功率值。
所述步骤(1)中,随机变量引起的功率调整费用,以微网的运行成本期望值最小化为动态调度目标,目标函数如下:
式中m是一个调度周期内的时段数;n是微网中可控机组数量;Pt,i是可控机组i在时间段t计划输出有功功率;Kt是时间段t的符号系数,从配网输入功率为1,向配网输出功率为-1;λt是时间段t的电价;Pt L计划在时段t与配网的功率交换的期望值;f(Pt,i)为发电成本,表达式如下:
式中ai、bi、ci是可控机组i的燃料费用系数。
所述步骤(2)中,不计网损条件下的功率平衡约束为:
式中,w是风机数量;Pt,j是时间段t第j个风机出力预测值;s是光伏电池数量;Pt,k是时间段t第k个光伏电池出力预测值;m是电池储能系统数量;Pt,m是时间段t第m个电池储能系统出力,当发出功率时为正值,吸收功率为负值;Pt L为时间段t联络线交换功率;Pt D为时间段t负荷功率。
所述步骤(2)中,可控机组的出力约束为:
式中分别是是第i个可控机组出力的最小值和最大值。
所述步骤(2)中,可控机组爬坡约束为:
式中分别为机组i的向上和向下爬坡速率;Δt为时段长度。
所述步骤(2)中,联络线交换功率的机会约束条件为:
P{Pt L≤PL,max}≥α (6)
式中PL,max是联络线交换功率最大值;α为给定的置信度。
所述步骤(2)中,储能电池的约束条件
每个时间段储能电池的电量与输出功率之间的关系如下:
式中Et+1,m,Et,m分别是在时间段t+1,t末的电池储能系统的能量;ηc,ηd分别是电池储能系统的充放电效率;
电池容量约束,各个时间段电池电量不超过电池容量的上下限:
式中分别是电池储能系统充放电过程中容量的下限和上限;
功率约束,各个时间段的输出功率不能超过功率的上限和下限:
式中是电池储能系统的最大充放电功率。
所述步骤(3)中,忽略负荷的波动,计及运行成本最小的机会约束规划优化调度目标函数如下:
式中L为支路数;rl是支路l的电阻;Pt,l,Qt,l,Vt,l分别是第t时间段支路l的始端有功功率、无功功率和节点电压幅值。
所述步骤(3)中,潮流方程约束,对于节点i,i=1,2,...n,n为节点个数,约束条件是:
式中Bij是支路i-j的电纳;PGi,QGi分别是节点i的分布式电源注入有功、无功功率;PLi,QLi分别是节点i的负荷有功、无功功率;ω是角频率;Ki是节点i上并联电容器投入组数;Ci是节点i上并联电容器单组电纳。
所述步骤(3)中,节点电压约束,配网中也含有风机或光伏等分布式电源,因此给出电压在约束范围内的置信度表达式
P{Vmin≤Vi≤Vmax}≥β (12)
式中Vmin,Vmax是节点电压下限和上限;β是给定的置信度。
所述步骤(3)中,支路潮流的约束为:
式中:Smin,Smax分别是支路潮流的下限和上限。
所述步骤(4)中,对于微网的优化模型,粒子群求解优化问题时,问题的解,即各个一个时间段可控机组的出力Pt,i和可控电池的出力Pt,m共同组成粒子,对于配网的优化模型,粒子内的控制变量相对于微网增加了电容器投入组数Ki,粒子i的信息用D维向量表示,位置表示为xi=(Pt,i,Pt,m,Ki,Pt L)Τ,速度为vi=(vPt,i,vPt,m,vki,vptL)Τ,速度和位置的更新方程为:
式中是粒子i在第k次迭代中第d维的速度;c1,c2是加速系数,令c1=c2=2.0;rand1,rand2是[0,1]之间的随机数;是第k次迭代中粒子i在第d维的坐标;是第k次迭代中粒子i在第d维的个体极值点的坐标;gbestd是第d维的全局极值点的坐标。
所述步骤(4)中,初始粒子的获取方法为:对随机变量模拟产生的一组随机数,将计算微网从配网输入的功率和配网给微网的输出功率和约束条件转化为确定性规划问题,采用求解非线性规划的内点法高效求解,获得一个粒子,重复该过程,获得满足要求个数的粒子。
所述步骤(4)中,两点估计法的具体方法为:
假定向量X=[x1...xj...xn],表示风机和光伏出力的随机变量,δxj,Lj分别代表均值、方差和协方差,令Y=f(X)代表潮流方程,则两点估计法如下:
首先在均值附件的两个点的计算公式如下:
这样有:
式中
方差为:
两点估计法相对于蒙特卡洛模拟方法,对每个随机量只需对其均值附件的两个点构成的方程进行计算,而不是多次模拟,提高了计算效率,有助于在线调度应用。
本发明的有益效果为:
(1)提出的含微网的配网动态随机调度控制方法,综合考虑了二者之间的最优交换功率,提高了系统运行的稳定性,显著的提高了经济交易;
(2)在微网和配网的优化机会约束规划模型中,充分考虑了风机和光伏出力的随机性,建立的模型具有普通的适用性,利用电池储能系统有效解决了可再生能源间歇式处理问题;
(3)利用粒子群算法结合两点估计法求解,有效避免了多次蒙特卡洛模拟计算,提高了计算效率,提高了配网运行稳定性,降低了运行成本。
附图说明
图1是本发明微网简化系统结构图;
图2是本发明算法流程图;
图3是本发明改进的IEEE33节点系统示意图;
图4是本发明的微网和配网分别优化后24小时的交换功率值。
具体实施方式:
下面结合附图与实施例对本发明作进一步说明。
1含微网的配网运行模式
微网和配网的调度通常有如下两种运行模式:
1)如图1所示的简化的微网系统,微网中心控制器(microgrid system centralcontroller,MGCC)采集日照辐射强度、温度、风速等运行的环境条件数据计算光伏或风机等间歇式能源的出力,再根据预测的负荷情况,实时优化计算微网内各可控分布式电源的最优出力,从而确定与配网交换的功率,将该值通过通信信道上传给配网管理系统。配网管理系统根据交换的功率,依据预测的负荷和间歇式分布式电源的出力,调度中压母线上直接相连的可控分布式电源、并联电容器组和可控开关,实现配网的优化运行;
2)若配网管理系统可以管控与微网的交换功率,即微网需依据配网管理系统确定的它们之间的交换功率优化其内部的可控电源的条件下,应先进行配网的优化计算,再计算微网的优化计算。
不论是先微网后配网优化,还是先配网后微网优化,都没有有效协调二者之间交换的功率值,只能使微网或配网中的一个达到优化目标,不能获得总体的优化效果,在极端的情况下,另外一个甚至不满足电压或电流的安全性约束条件,影响配网或微网的安全运行。因此,必须计算出二者之间最优的交换功率,实现微网和配网综合动态调度。
2微网的优化调度模型
由图1可知,相对于微网中的间歇式分布式电源,负荷的波动较小,因此假定在每个时间段内不计负荷的波动,但间歇式能源,例如风机或光伏出力为随机变量,机会约束规划是处理该问题的直接数学方法,为此本发明建立微网的机会约束规划模型。
先不考虑随机变量引起的功率调整费用,以微网的运行成本期望值最小化为动态调度目标,目标函数如下:
式中m是一个调度周期内的时段数;n是微网中可控机组数量;Pt,i是可控机组i在时间段t计划输出有功功率;Kt是时间段t的符号系数,从配网输入功率为1,向配网输出功率为-1;λt是时间段t的电价;Pt L计划在时段t与配网的功率交换的期望值;f(Pt,i)为发电成本,表达式如下:
式中ai、bi、ci是可控机组i的燃料费用系数。
约束条件如下:
不计网损条件下的功率平衡约束
式中w是风机数量;Pt,j是时间段t第j个风机出力预测值;s是光伏电池数量;Pt,k是时间段t第k个光伏电池出力预测值;m是电池储能系统数量;Pt,m是时间段t第m个电池储能系统出力,当发出功率时为正值,吸收功率为负值;Pt L为时间段t联络线交换功率;Pt D为时间段t负荷功率。
可控机组的出力约束
式中分别是是第i个可控机组出力的最小值和最大值。
可控机组爬坡约束
式中分别为机组i的向上和向下爬坡速率;Δt为时段长度。
联络线交换功率的机会约束条件为
式中PL,max是联络线交换功率最大值;α为给定的置信度。
储能电池的约束条件
每个时间段储能电池的电量与输出功率之间的关系如下:
式中Et+1,m,Et,m分别是在时间段t+1,t末的电池储能系统的能量;ηc,ηd分别是电池储能系统的充放电效率。
电池容量约束,各个时间段电池电量不超过电池容量的上下限:
式中分别是电池储能系统充放电过程中容量的下限和上限。
功率约束,各个时间段的输出功率不能超过功率的上限和下限:
式中是电池储能系统的最大充放电功率。
3含微网的配网优化调度模型
同微网的分析相似,相对于分布式电源,负荷的波动较小,这里同样不计负荷的波动,计及运行成本最小的机会约束规划优化调度目标函数如下:
式中L为支路数;rl是支路l的电阻;Pt,l,Qt,l,Vt,l分别是第t时间段支路l的始端有功功率、无功功率和节点电压幅值。
约束条件如下:
1)潮流方程约束,对于节点i,i=1,2,...n,n为节点个数,约束条件是:
式中Bij是支路i-j的电纳;PGi,QGi分别是节点i的分布式电源注入有功、无功功率;PLi,QLi分别是节点i的负荷有功、无功功率;ω是角频率;Ki是节点i上并联电容器投入组数;Ci是节点i上并联电容器单组电纳。
2)节点电压约束,配网中也含有风机或光伏等分布式电源,因此给出电压在约束范围内的置信度表达式
P{Vmin≤Vi≤Vmax}≥β (12)
式中Vmin,Vmax是节点电压下限和上限;β是给定的置信度。
3)支路潮流的约束为:
式中:Smin,Smax分别是支路潮流的下限和上限。
可控机组的出力,爬坡约束和联络线的功率交换约束见式(3)、(4)和(5)。
4基于粒子群算法和两点估计法的求解算法
4.1粒子群算法
对于微网的优化模型,粒子群求解优化问题时,问题的解,即各个一个时间段可控机组的出力Pt,i和可控电池的出力Pt,m共同组成粒子,对于配网的优化模型,粒子内的控制变量相对于微网增加了电容器投入组数Ki。粒子i的信息可以用D维向量表示,位置表示为xi=(Pt,i,Pt,m,Ki,Pt L)Τ,速度为vi=(vPt,i,vPt,m,vki,vptL)Τ,下面给出速度和位置的更新方程:
式中是粒子i在第k次迭代中第d维的速度;c1,c2是加速系数,令c1=c2=2.0;rand1,rand2是[0,1]之间的随机数;是第k次迭代中粒子i在第d维的坐标;是第k次迭代中粒子i在第d维的个体极值点的坐标;gbestd是第d维的全局极值点的坐标。为了保证粒子在搜索空间内搜索,粒子的第d维速度vd都会限制在[-vdmax,+vdmax]之间,vdmax太大,粒子可能飞离最优解,太小粒子可能陷入局部最优解。若搜索空间的第d维的大小范围为区间[-vdmax,+vdmax],则通常vdmax=kxdmax,0.1≤k≤1.0,每一维都用相同的设置方法。
下面给出获得初始粒子的方法,对随机变量模拟产生的一组随机数,这样式(1)到式(9),式(10)到式(13)就转化为确定性规划问题,可以采用求解非线性规划的内点法高效求解,就获得一个粒子,重复该过程,可获得满足要求个数的粒子。
4.2两点估计法
假定向量X=[x1...xj...xn],表示风机和光伏出力的随机变量,δxj,Lj分别代表均值、方差和协方差。令Y=f(X)代表潮流方程,则两点估计法如下:
首先在均值附件的两个点的计算公式如下:
这样有:
式中
方差为:
两点估计法相对于蒙特卡洛模拟方法,对每个随机量只需对其均值附件的两个点构成的方程进行计算,而不是多次模拟,提高了计算效率,有助于在线调度应用。
4.3算法总体流程
首先对微网进行优化调度计算,再对含微网的配网进行优化调度计算,分别计算出各个时间段的各自最优交换功率,构成每个时间段的功率交换区间;再以每个时间段的功率交换作为控制变量,以功率交换区间为约束条件,以微网和配网总运行成本最小为目标函数,采用粒子群算法结合点估计法确定各控制变量在各个时间段的优化值,具体的算法流程图如如图2所示。
以上算法相对于已有的文献,充分考虑了配网和微网的最优功率交换,且考虑了储能设备的控制策略,提高了配电网运行的稳定性和经济性。
4算例及分析
本发明的动态调度控制方法在Microsoft Visual Stdio2010软件上利用c++语言编程仿真,算例采用如图3所示的改进的IEEE33节点网络,该网络包含两个可控汽轮机和一个微网,微网接在节点8,微网的模型如图1所示,微网的电池储能系统最大电量是1.1MW·h,微网的燃气汽轮机的额定容量1.5MW,微网的电池储能系统的起始电量SOC(t)=0.5,剩余电量的变化范围是[0.1,0.9],在配网的21和24两个节点上有两个微型燃气汽轮机,其额定容量分别是是1.4和1.2MW,电价采用分时电价,在7时到21时为0.62度/元,在21时到次日7时为0.47度/元。
若以一天为一个研究周期,每小时作为一个时间段,则有24个时间段,根据风机、光伏24个时间段预测出力区间和负荷值,利用上一小节的算法,根据式(1)到(8),可计算出两个微网与配网24小时每个时间段的交换功率(从配网流入微网为正,反之为负)、其内部微型燃气汽轮机的出力和储能电池的重放电功率,进而计算出微网24小时内每个时间段的运行成本,图4给出了微网和配网分别优化后24小时的交换功率值。
由图4可知,在白天负荷高峰期微网从配网获取功率,在夜晚负荷低谷期,微网向配网供应功率,而且单独微网和配网分别优化调度,二者在每一个时间段的最优交换功率都不一样,很难达到微网和配网综合优化运行调度成本最优,为此本发明根据图4的数值得到每个时间段交换功率区间,作为交换功率的约束条件,进行微网和配网的综合优化,表1给出了综合优化后的总体调度成本,以微网优化后交换功率作为配网的交换功率后的优化调度成本,以配网优化后交换功率作为微网的交换功率的优化调度成本。
表1 24小时调度成本对比表
由表1可知,提出的优化微网和配网交换功率的综合调度方法,相对于单独微网优化调度或配网优化调度确定交换功率,明显降低了运行调度成本,提高了经济效益。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (8)
1.一种含微网的配电网动态随机调度控制方法,其特征是:包括以下步骤:
(1)以微网的运行成本期望值最小化为动态调度目标,建立目标函数;
(2)以不计网损条件下的功率平衡、可控机组出力、可控机组爬坡、联络线交换功率的机会和储能电池为约束条件,得到每个时间段的微网从配网输入的功率;
(3)计及运行成本最小的机会约束规划优化调度目标函数,以潮流方程约束、节点电压约束和支路潮流的约束为条件,计算每个时间段的配网给微网的输出功率;
(4)计算微网从配网输入的功率和配网给微网的输出功率之和,构建功率目标函数,构建功率交换区间,增加至约束条件,以粒子群算法和两点估计方法计算功率目标函数的最优值;
(5)判断此时的迭代次数是否满足迭代次数目标值,如果没有,使迭代次数累加1,重复步骤(1)-(5),直到达到迭代次数目标值;
(6)输出最优微网和配网的最优运行成本及交换功率值;
所述步骤(4)中,初始粒子的获取方法为:对随机变量模拟产生的一组随机数,将计算微网从配网输入的功率和配网给微网的输出功率和约束条件转化为确定性规划问题,采用求解非线性规划的内点法高效求解,获得一个粒子,重复该过程,获得满足要求个数的粒子。
2.如权利要求1所述的一种含微网的配电网动态随机调度控制方法,其特征是:所述步骤(1)中,随机变量引起的功率调整费用,以微网的运行成本期望值最小化为动态调度目标,目标函数如下:
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<mover>
<mi>F</mi>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mo>&lsqb;</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mi>f</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>K</mi>
<mi>t</mi>
</msub>
<msub>
<mi>&lambda;</mi>
<mi>t</mi>
</msub>
<msubsup>
<mi>P</mi>
<mi>t</mi>
<mi>L</mi>
</msubsup>
<mo>&rsqb;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式中m是一个调度周期内的时段数;n是微网中可控机组数量;Pt,i是可控机组i在时间段t计划输出有功功率;Kt是时间段t的符号系数,从配网输入功率为1,向配网输出功率为-1;λt是时间段t的电价;Pt L计划在时段t与配网的功率交换的期望值;f(Pt,i)为发电成本,表达式如下:
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<msubsup>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msub>
<mi>b</mi>
<mi>i</mi>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>c</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
式中ai、bi、ci是可控机组i的燃料费用系数。
3.如权利要求1所述的一种含微网的配电网动态随机调度控制方法,其特征是:所述步骤(2)中,不计网损条件下的功率平衡约束为:
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>K</mi>
<mi>t</mi>
</msub>
<msubsup>
<mi>P</mi>
<mi>t</mi>
<mi>L</mi>
</msubsup>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>w</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>s</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>k</mi>
</mrow>
</msub>
<mo>+</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>m</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>c</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>+</mo>
<msubsup>
<mi>P</mi>
<mi>t</mi>
<mi>L</mi>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>P</mi>
<mi>t</mi>
<mi>D</mi>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,w是风机数量;Pt,j是时间段t第j个风机出力预测值;s是光伏电池数量;Pt,k是时间段t第k个光伏电池出力预测值;C是电池储能系统数量;Pt,m是时间段t第m个电池储能系统出力,当发出功率时为正值,吸收功率为负值;Pt L为时间段t联络线交换功率;Pt D为时间段t负荷功率,Kt是时间段t的符号系数,从配网输入功率为1,向配网输出功率为-1。
4.如权利要求1所述的一种含微网的配电网动态随机调度控制方法,其特征是:所述步骤(2)中,可控机组的出力约束为:
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mi>min</mi>
</msubsup>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mi>max</mi>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
式中分别是是第i个可控机组出力的最小值和最大值,Pt,i是可控机组i在时间段t计划输出有功功率;
所述步骤(2)中,可控机组爬坡约束为:
<mrow>
<msubsup>
<mi>R</mi>
<mi>i</mi>
<mi>d</mi>
</msubsup>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>i</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>&le;</mo>
<msubsup>
<mi>R</mi>
<mi>i</mi>
<mi>u</mi>
</msubsup>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
式中分别为机组i的向上和向下爬坡速率;Δt为时段长度,Pt,i是可控机组i在时间段t计划输出有功功率;
所述步骤(2)中,联络线交换功率的机会约束条件为:
P{Pt L≤PL,max}≥α (6)
式中PL,max是联络线交换功率最大值;α为给定的置信度,Pt L为时间段t联络线交换功率。
5.如权利要求1所述的一种含微网的配电网动态随机调度控制方法,其特征是:所述步骤(2)中,储能电池的约束条件
每个时间段储能电池的电量与输出功率之间的关系如下:
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>t</mi>
<mo>+</mo>
<mn>1</mn>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>E</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<msub>
<mi>&Delta;t&eta;</mi>
<mi>c</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<msub>
<mi>&Delta;t&eta;</mi>
<mi>d</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
式中Et+1,m,Et,m分别是在时间段t+1,t末的电池储能系统的能量;ηc,ηd分别是电池储能系统的充放电效率,Pt,m是时间段t第m个电池储能系统出力,当发出功率时为正值,吸收功率为负值;
电池容量约束,各个时间段电池电量不超过电池容量的上下限:
<mrow>
<msubsup>
<mi>E</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
<mi>min</mi>
</msubsup>
<mo>&le;</mo>
<msub>
<mi>E</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msubsup>
<mi>E</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
<mi>max</mi>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
式中分别是电池储能系统充放电过程中容量的下限和上限;
功率约束,各个时间段的输出功率不能超过功率的上限和下限:
<mrow>
<mo>-</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
<mi>max</mi>
</msubsup>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>m</mi>
</mrow>
<mi>max</mi>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
</mrow>
式中是电池储能系统的最大充放电功率。
6.如权利要求1所述的一种含微网的配电网动态随机调度控制方法,其特征是:所述步骤(3)中,忽略负荷的波动,计及运行成本最小的机会约束规划优化调度目标函数如下:
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
<msub>
<mover>
<mi>P</mi>
<mo>&OverBar;</mo>
</mover>
<mi>L</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mo>&lsqb;</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>L</mi>
</munderover>
<msub>
<mi>&lambda;</mi>
<mi>t</mi>
</msub>
<msub>
<mi>r</mi>
<mi>i</mi>
</msub>
<mfrac>
<mrow>
<msubsup>
<mi>P</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>Q</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mrow>
<msubsup>
<mi>V</mi>
<mrow>
<mi>t</mi>
<mo>,</mo>
<mi>l</mi>
</mrow>
<mn>2</mn>
</msubsup>
</mfrac>
<mo>&rsqb;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
</mrow>
式中L为支路数;ri是支路l的电阻;Pt,l,Qt,l,Vt,l分别是第t时间段支路l的始端有功功率、无功功率和节点电压幅值,m是一个调度周期内的时段数,λt是时间段t的电价;
所述步骤(3)中,潮流方程约束,对于节点i,i=1,2,...n,n为节点个数,约束条件是:
<mrow>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>U</mi>
<mi>j</mi>
</msub>
<msub>
<mi>S</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>cos&delta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>sin&delta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msubsup>
<mi>P</mi>
<mi>i</mi>
<mi>L</mi>
</msubsup>
<mo>-</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>L</mi>
<mi>i</mi>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>U</mi>
<mi>j</mi>
</msub>
<msub>
<mi>S</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>sin&delta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>cos&delta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>Q</mi>
<mrow>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>Q</mi>
<mrow>
<mi>L</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<msubsup>
<mi>U</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<msub>
<mi>&omega;K</mi>
<mi>i</mi>
</msub>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>11</mn>
<mo>)</mo>
</mrow>
</mrow>
式中Bij是支路i-j的电纳,Gij是支路i-j的电导;Ui为节点i的电压,Uj为节点j的电压,PGi,QGi分别是节点i的分布式电源注入有功、无功功率;PLi,QLi分别是节点i的负荷有功、无功功率;ω是角频率;Ki是节点i上并联电容器投入组数;Ci是节点i上并联电容器单组电纳,Pt L为时间段t联络线交换功率,δij为支路i-j的相角,Sij为支路i-j的潮流。
7.如权利要求1所述的一种含微网的配电网动态随机调度控制方法,其特征是:所述步骤(3)中,节点电压约束,配网中也含有风机或光伏等分布式电源,因此给出电压在约束范围内的置信度表达式
P{Vmin≤Vi≤Vmax}≥β (12)
式中Vmin,Vmax是节点电压下限和上限;β是给定的置信度,Vi为节点电压;
所述步骤(3)中,支路潮流的约束为:
<mrow>
<mi>Pr</mi>
<mo>{</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msqrt>
<mrow>
<msubsup>
<mi>P</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>Q</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
</mrow>
</msqrt>
<mo>&le;</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>}</mo>
<mo>&GreaterEqual;</mo>
<mi>&beta;</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>13</mn>
<mo>)</mo>
</mrow>
</mrow>
式中:Smin,Smax分别是支路潮流的下限和上限,Pi为支路有功功率,Qi为支路无功功率。
8.如权利要求1所述的一种含微网的配电网动态随机调度控制方法,其特征是:所述步骤(4)中,对于微网的优化模型,粒子群求解优化问题时,问题的解,即各个一个时间段可控机组的出力Pt,i和可控电池的出力Pt,m共同组成粒子,对于配网的优化模型,粒子内的控制变量相对于微网增加了电容器投入组数Ki,粒子i的信息用D维向量表示,位置表示为xi=(Pt,i,Pt,m,Ki,Pt L)Τ,速度为vi=(vPt,i,vPt,m,vki,vptL)Τ,速度和位置的更新方程为:
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
<mi>k</mi>
</msubsup>
<mo>+</mo>
<msub>
<mi>c</mi>
<mn>1</mn>
</msub>
<msubsup>
<mi>rand</mi>
<mn>1</mn>
<mi>k</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>pbest</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
<mi>k</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
<mi>k</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>+</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>c</mi>
<mn>2</mn>
</msub>
<msubsup>
<mi>rand</mi>
<mn>2</mn>
<mi>k</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>pbest</mi>
<mi>d</mi>
<mi>k</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
<mi>k</mi>
</msubsup>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>14</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>=</mo>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
<mi>k</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
</mrow>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msubsup>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>15</mn>
<mo>)</mo>
</mrow>
</mrow>
式中是粒子i在第k次迭代中第d维的速度;c1,c2是加速系数,令c1=c2=2.0;rand1,rand2是[0,1]之间的随机数;是第k次迭代中粒子i在第d维的坐标;是第k次迭代中粒子i在第d维的个体极值点的坐标;gbestd是第d维的全局极值点的坐标,Ki是节点i上并联电容器投入组数;Pt L为时间段t联络线交换功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510672264.6A CN105244869B (zh) | 2015-10-13 | 2015-10-13 | 一种含微网的配电网动态随机调度控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510672264.6A CN105244869B (zh) | 2015-10-13 | 2015-10-13 | 一种含微网的配电网动态随机调度控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105244869A CN105244869A (zh) | 2016-01-13 |
CN105244869B true CN105244869B (zh) | 2017-12-12 |
Family
ID=55042403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510672264.6A Active CN105244869B (zh) | 2015-10-13 | 2015-10-13 | 一种含微网的配电网动态随机调度控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105244869B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022515A (zh) * | 2016-05-15 | 2016-10-12 | 华南理工大学 | 考虑不平衡度约束的单三相混联多微网日前经济优化方法 |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105552965B (zh) * | 2016-02-18 | 2020-07-24 | 中国电力科学研究院 | 一种基于机会约束规划的分布式能源优化配置方法 |
CN106228462B (zh) * | 2016-07-11 | 2020-08-14 | 浙江大学 | 一种基于遗传算法的多储能系统优化调度方法 |
CN106169108B (zh) * | 2016-07-14 | 2020-04-03 | 河海大学 | 含电池储能系统的主动配电网短期有功优化方法 |
CN106786610B (zh) * | 2016-11-27 | 2019-04-05 | 东北电力大学 | 一种基于储能电池的分布式光伏高渗透率电网电压优化方法 |
CN106643765B (zh) * | 2016-12-08 | 2020-04-10 | 国网浙江省电力公司 | 一种采集异常维修时长计算方法 |
CN107565610B (zh) * | 2017-08-17 | 2020-05-26 | 国网山东省电力公司电力科学研究院 | 一种含风、光电源的电力系统结构调度方法 |
CN107633333B (zh) * | 2017-10-16 | 2021-04-06 | 国家电网公司 | 柔性变电站区域电网的源-荷-储调度优化方法及系统 |
CN107862405B (zh) * | 2017-10-27 | 2021-03-02 | 广东电网有限责任公司电力调度控制中心 | 计及微网作为黑启动电源的电力系统网架重构优化方法 |
CN108039720B (zh) * | 2017-11-10 | 2021-09-03 | 中国电力科学研究院有限公司 | 一种交直流混联系统最大输电能力的确定方法和装置 |
CN108039739B (zh) * | 2017-11-27 | 2020-09-25 | 国网江西省电力有限公司经济技术研究院 | 一种主动配电网动态随机经济调度方法 |
CN108631317B (zh) * | 2018-05-29 | 2021-11-09 | 深圳供电局有限公司 | 一种含多源主体的主动配电网分布式动态最优潮流方法 |
CN108964048B (zh) * | 2018-08-15 | 2020-07-28 | 国家电网有限公司 | 微电网容量配置与运行调度方法及装置 |
CN109472422A (zh) * | 2018-11-28 | 2019-03-15 | 中国电力科学研究院有限公司 | 一种综合能源网络成本优化方法及装置 |
CN110518580B (zh) * | 2019-08-15 | 2023-04-28 | 上海电力大学 | 一种考虑微网主动优化的主动配电网运行优化方法 |
CN111262262B (zh) * | 2020-03-09 | 2022-11-29 | 华北电力大学 | 基于机器学习的储能类设备功率优化管理系统的过滤器 |
CN112365134B (zh) * | 2020-10-27 | 2023-08-29 | 上海交通大学 | 一种基于点估计法概率多能流的能源网络随机规划方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104065072A (zh) * | 2014-06-16 | 2014-09-24 | 四川大学 | 一种基于动态电价的微电网运行优化方法 |
CN104156884A (zh) * | 2014-08-01 | 2014-11-19 | 国网上海市电力公司 | 考虑经济性的含微网配电网接线模式规划及评估信息系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4189930B2 (ja) * | 2006-06-06 | 2008-12-03 | 株式会社Nttファシリティーズ | マイクログリッドの電力監視計測制御システム、その電力監視計測制御方法及びその電力監視計測制御プログラム |
-
2015
- 2015-10-13 CN CN201510672264.6A patent/CN105244869B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104065072A (zh) * | 2014-06-16 | 2014-09-24 | 四川大学 | 一种基于动态电价的微电网运行优化方法 |
CN104156884A (zh) * | 2014-08-01 | 2014-11-19 | 国网上海市电力公司 | 考虑经济性的含微网配电网接线模式规划及评估信息系统 |
Non-Patent Citations (1)
Title |
---|
含风光储的多微网接入配网的联合调度策略;龚正宇等;《可再生能源》;20141130;第32卷(第11期);第1665-1670页 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022515A (zh) * | 2016-05-15 | 2016-10-12 | 华南理工大学 | 考虑不平衡度约束的单三相混联多微网日前经济优化方法 |
CN106022515B (zh) * | 2016-05-15 | 2020-04-28 | 华南理工大学 | 考虑不平衡度约束的单三相混联多微网日前优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105244869A (zh) | 2016-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105244869B (zh) | 一种含微网的配电网动态随机调度控制方法 | |
CN103490410B (zh) | 一种基于多目标优化的微电网规划和容量配置方法 | |
CN105160451B (zh) | 一种含电动汽车的微电网多目标优化调度方法 | |
CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
CN108470239A (zh) | 计及需求侧管理和储能的主动配电网多目标分层规划方法 | |
CN105071389B (zh) | 计及源网荷互动的交直流混合微电网优化运行方法及装置 | |
CN106877338A (zh) | 含高密度间歇性能源的交直流微电网不确定优化运行方法 | |
CN107239847A (zh) | 一种主动配电网储能系统动态规划方法 | |
CN112734098B (zh) | 一种基于源-荷-网平衡的配电网电力调度方法及系统 | |
CN107092985A (zh) | 一种面向电动汽车群柔性充放电响应的主动配电网阻塞调度方法 | |
CN105870950A (zh) | 一种智能楼宇可调资源多目标协调系统及优化控制方法 | |
Wang et al. | Load curve smoothing strategy based on unified state model of different demand side resources | |
CN109636056A (zh) | 一种基于多智能体技术的多能源微网去中心化优化调度方法 | |
CN107134789A (zh) | 基于拓展qv节点的光储最优潮流控制方法 | |
CN107453381A (zh) | 基于两阶段交叉控制的电动汽车集群功率调节方法及系统 | |
Guoping et al. | An overview of microgrid planning and design method | |
CN108596442A (zh) | 计及条件风险价值的综合能源系统经济调度方法 | |
CN113285479A (zh) | 一种超大容量的区域微电网系统及运行方法 | |
Chen et al. | Real-time optimal scheduling of large-scale electric vehicles: A dynamic non-cooperative game approach | |
Aiswariya et al. | Optimal microgrid battery scheduling using simulated annealing | |
CN106100002A (zh) | 一种交直流混合微网的优化运行方法 | |
Zhang et al. | Research on two-level energy optimized dispatching strategy of microgrid cluster based on IPSO algorithm | |
CN106227986A (zh) | 一种分布式电源与智能停车场的联合部署方法及装置 | |
CN108171384A (zh) | 一种基于复合粒子群算法微网能量管理方法 | |
CN107069703A (zh) | 一种计及新能源接入的交直流配网规划方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |