CN105356518A - 一种混合新能源电力系统机组组合优化方法 - Google Patents
一种混合新能源电力系统机组组合优化方法 Download PDFInfo
- Publication number
- CN105356518A CN105356518A CN201510885235.8A CN201510885235A CN105356518A CN 105356518 A CN105356518 A CN 105356518A CN 201510885235 A CN201510885235 A CN 201510885235A CN 105356518 A CN105356518 A CN 105356518A
- Authority
- CN
- China
- Prior art keywords
- centerdot
- unit
- generating unit
- scheduling scheme
- power generating
- 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.)
- Granted
Links
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种混合新能源电力系统机组组合优化调度方法,包括:步骤(1):建立新能源电力系统机组组合调度数学模型,包括:建立新能源机组优化调度目标函数:以机组开关状态和各机组功率为输入量,机组运行费用为输出量,目标函数为:<maths num="0001"></maths>其中:minF为系统运行费用最小的目标函数,T为调度时期的时段数,N为机组台数,Ii,t为t时刻机组i的运行状态,开机时Ii,t=1,关机时Ii,t=0,Pi,t为t时刻火电机组i的发电功率,f(Pi,t)为t时刻火电机组i的发电成本,Si为火电机组i的启动成本;并设置约束条件;步骤(2):用启发式优化算法对步骤(1)中的数学模型进行寻优计算。本发明方法有如下特点:算法具有简单的结构,目标函数寻优能力强,迭代收敛速度快,算法具有较好稳定性。
Description
技术领域
本发明属于混合新能源电力系统调度技术领域,更具体地,涉及一种混合新能源电力系统机组组合优化方法。
背景技术
传统电力系统在国民生产生活中扮演着重要的角色,但随着人们对环境要求的提高和国家可持续发展战略的提出,节能减排将会成为中国能源战略的风向标,因此新能源电力系统逐渐的步入我们的视野。
风能和光伏发电在新能源电力系统中占有很大的比重,由于风能和光伏发电具有显著的随机性,这类电源接入电力系统后必定对传统电力系统的稳定性产生影响。将抽水蓄能电站引入新能源电力系统,利用抽水蓄能机组的“削峰填谷”和快速响应能力,可有效平抑新能源和负荷的随机性,从而提高系统稳定性。抽水蓄能电站可以在特定时段利用电网中多余的电量储能,并在用电高峰期将其释放,这样可以大大降低了风电和光伏发电并入电网后所造成的波动,保证了电网的安全稳定运行。
机组组合问题是一个高维、非凸、离散的混合整数非线性数学优化问题,是一个典型的NP难问题。由于增加了新能源与抽水蓄能,新能源电力系统中的机组组合问题较传统电力调度中的机组组合问题更为复杂,需要寻找更加优秀的方法来求解。在理论研究方面,有研究通过优化技术来求解机组组合问题,常用的优化算法大多数为启发式优化算法。
启发式优化算法是现代优化方法的重要分支,其思想大多来源于自然规律,包括生物现象以及物理定律。例如遗传算法(GeneticAlgorithm,GA)模拟生物基因的进化过程;粒子群优化算法(ParticleSwarmOptimization,PSO)模拟鸟类飞行的活动。算法的模式都需要以相当多数目的智能体(agent)来实现对某类问题的求解功能。此外还有机组组合优选方法包括动态规划法、优先顺序法等。它们各有优点,但也存在明显缺陷。动态规划法容易出现“维数灾”;优先顺序法的求解精度差;遗传算法需要进行复制、交叉与变异操作,进化速度慢,易产生早熟收敛,并且其性能对参数有较大的依赖性;PSO算法在复杂优化问题求解中存在早熟、陷入局部极小等不足。这些缺陷均可能导致算法无法获得最优的混合新能源电力系统的发电耗量。
发明内容
针对当前方法的不足,本发明提供了一种基于新型启发式优化算法的混合新能源电力系统机组组合优化调度方法,该方法首先建立混合新能源电力系统机组组合调度的数学模型,模型为具有多个约束条件的目标函数,然后采用新型启发式优化算法求解模型,从而获得新能源系统的机组调度方案。
为了达到上述目的,本发明采用如下技术方案:
步骤(1):新能源电力系统机组组合调度数学模型的建立
1.1、目标函数
其中:minF为系统运行费用最小的目标函数,T为调度时期的时段数,N为机组台数,Ii,t为t时刻机组i的运行状态(开机时Ii,t=1,关机时Ii,t=0),Pi,t为t时刻火电机组i的发电功率,f(Pi,t)为t时刻火电机组i的发电成本,Si为机组i的启动成本。
1.2、约束条件
1.2.1、负荷平衡约束
其中:Pw,t为t时刻的风电发电功率,Pv,t为t时刻的光伏发电功率,Pc,t为t时刻的抽水蓄能机组发电功率,Pd,t为t时刻的抽水蓄能机组抽水功率,Lt为t时刻负荷。
1.2.2、系统旋转备用约束
其中:为火电机组i的功率上限,Rt通常为0.1倍的Lt。
1.2.3、最小启停时间约束
(rri,t-1-Ti,on)(Ii,t-1-Ii,t)≥0
(zzi,t-1-Ti,down)(Ii,t-Ii,t-1)≥0
其中:rri,t-1为t-1时刻火电机组i持续开机时间;zzi,t-1为t-1时刻火电机组i持续关机时间,Ti,on为火电机组i最小持续开机时间;Ti,down为火电机组i最小持续关机时间。
1.2.4、火电机组输出功率限制约束
其中:P i为火电机组i的功率下限。
1.2.5、火电机组的爬坡速率约束
-Pi,ramp≤Pi,t-Pi,t-1≤Pi,ramp
其中:Pi,ramp为火电机组i的爬坡速率。
1.2.6、抽水蓄能的出力上下限约束
其中:P d为抽水蓄能机组抽水功率下限;为抽水蓄能机组抽水功率上限。P c为抽水蓄能机组发电功率下限;为抽水蓄能机组发电功率上限。
步骤(2):用新型启发式优化算法对步骤(1)中的数学模型进行寻优计算,具体步骤如下:
2.1、算法初始化:设置算法参数,最大迭代次数MI,初始Np组调度方案i=1,…,Np,K=N·T,并且m≤K,Xi用来表示N机组T小时内的机组开关状况。令初始迭代次数L=1,进入迭代选优。
2.2、通过步骤(1)中所设置的约束条件对调度方案Xi,i=1,…,Np,进行约束处理,令Xi变为可行解。
2.3、将Np组调度方案代入步骤(1)中的目标函数并求得目标函数值Fi L,i=1,…,Np,将全局最优调度方案记为Xα,将全局排名第二及第三的调度方案记为Xβ和Xδ,对应的调度方案目标函数值为Fα、Fβ、Fδ。
2.4、根据Xα、Xβ、Xδ与Xi之间的相对差距Dα、Dβ、Dδ,综合判断Xi向目标移动的方向,更新当前调度方案Xi。具体步骤如下:
2.4.1、计算参数a,a随着迭代次数增加从2线性递减到0。
2.4.2、计算Xα的更新收敛因子A1和摆动因子C1。
其中:r1、r2为[0,1]之间的随机数。
2.4.3、计算Xα与Xi之间的相对差距Dα
Dα=|C1·Xα-Xi|
2.4.4、Xi以Xα为依据进行更新,并得到临时调度方案Xa:
Xa=Xα-A1·Dα
2.4.5、Xi分别以Xβ、Xδ为依据进行2.4.2到2.4.4同样的更新过程得到临时调度方案Xb,Xc。
2.4.6、对调度方案进行更新,形成下一代Xi,i=1,…,Np。具体步骤如下:
2.4.6.1、令m=1
2.4.6.2、通过转换函数对Xi进行二进制转换:
其中:rand为[0,1]之间的随机数。
2.4.6.3、m=m+1,如果m≤K,则转到步骤2.4.6.2,否则转到步骤2.5
2.5、L=L+1;如果L<MI,则转到2.2。否则结束算法,输出最优调度方案目标函数值Fα和对应的调度方案Xα。
发明的效果
与现有技术相比,本发明具有以下优点和效果:
1、没有局限于单纯的火电机组调度,而是结合当今实际,将风电、抽水蓄能和光伏发电同时加入到电力系统当中,通过机组调度解决了新能源并网时对电力系统产生的波动,并且大大削减了发电的耗量,提升了发电效益。
2、采用新型启发式优化算法对实际问题进行优化。本发明方法有如下特点:算法具有简单的结构,目标函数寻优能力强,迭代收敛速度快,算法具有较好稳定性。
附图说明
图1混合新能源电力系统机组组合优化调度流程框图;
图2混合新能源电力系统出力情况;
图3本发明方法与BPSO优化算法目标函数搜索过程对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明采用如下技术方案实现:
具体数据准备:
调度范围时段T=24,各个时段的预测负荷Lt、风力发电预测Pw,t、光伏发电预测Pv,t、抽水蓄能电站预测抽水功率Pd,t、抽水蓄能电站预测发电功率Pc,t如图2中所示。火电机组个数N=10,火电机组最大功率最小功率P i,爬坡速率限制Pi,ramp,最小开机时间Ti,on、最小关机时间Ti,down等数据如表1所示。
表1火电机组参数
如图1所示,本发明混合新能源电力系统机组组合优化调度方法,包括如下步骤:
步骤1:建立模型
1.1、建立新能源机组优化调度目标函数:以机组开关状态和各机组功率为输入量,机组运行费用为输出量,目标函数为:
其中:minF为系统运行费用最小的目标函数,T为调度时期的时段数,N为机组台数,Ii,t为t时刻机组i的运行状态(开机时Ii,t=1,关机时Ii,t=0),Pi,t为t时刻火电机组i的发电功率,f(Pi,t)为t时刻火电机组i的发电成本,Si为火电机组i的启动成本。
1.2、约束条件
1.2.1、负荷平衡约束
其中:Pw,t为t时刻的风电发电功率,Pv,t为t时刻的光伏发电功率,Pc,t为t时刻的抽水蓄能机组发电功率,Pd,t为t时刻的抽水蓄能机组抽水功率,Lt为t时刻负荷。
1.2.2、系统旋转备用约束
其中:为火电机组i的功率上限,Rt通常为0.1倍的Lt。
1.2.3、最小启停时间约束
(rri,t-1-Ti,on)(Ii,t-1-Ii,t)≥0
(zzi,t-1-Ti,down)(Ii,t-Ii,t-1)≥0
其中:rri,t-1为t-1时刻火电机组i持续开机时间;zzi,t-1为t-1时刻火电机组i持续关机时间,Ti,on为火电机组i最小持续开机时间;Ti,down为火电机组i最小持续关机时间。
1.2.4、火电机组输出功率限制约束
其中:P i为火电机组i的功率下限。
1.2.5、火电机组的爬坡速率约束
-Pi,ramp≤Pi,t-Pi,t-1≤Pi,ramp
其中:Pi,ramp为火电机组i的爬坡速率。
1.2.6、抽水蓄能的出力上下限约束
其中:P d为抽水蓄能机组抽水功率下限;为抽水蓄能机组抽水功率上限。P c为抽水蓄能机组发电功率下限;为抽水蓄能机组发电功率上限。
步骤2:用新型启发式优化算法对步骤1中的数学模型进行寻优计算,具体步骤如下:
2.1、算法初始化:设置算法参数,最大迭代次数MI=200,初始Np=30组调度方案i=1,…,Np,K=10×24,并且m≤K,Xi用来表示10机组24小时内的机组开关状况。令初始迭代次数L=1,进入迭代选优。
2.2、通过步骤1中所设置的约束条件对调度方案Xi,i=1,…,Np,进行约束处理,令Xi变为可行解。
2.3、将Np组调度方案代入步骤1中的目标函数并求得目标函数值Fi L,i=1,…,Np,将全局最优调度方案记为Xα,将全局排名第二及第三的调度方案记为Xβ和Xδ,对应的调度方案目标函数值为Fα、Fβ、Fδ。
2.4、根据Xα、Xβ、Xδ与Xi之间的相对差距Dα、Dβ、Dδ,综合判断Xi向目标移动的方向,更新当前调度方案Xi。具体步骤如下:
2.4.1、计算参数a,a随着迭代次数增加从2线性递减到0。
2.4.2、计算Xα的更新收敛因子A1和摆动因子C1。
其中:r1、r2为[0,1]之间的随机数。
2.4.3、计算Xα与Xi之间的相对差距Dα
Dα=|C1·Xα-Xi|
2.4.4、Xi以Xα为依据进行更新,并得到临时调度方案Xa:
Xa=Xα-A1·Dα
2.4.5、Xi分别以Xβ、Xδ为依据进行2.4.2到2.4.4同样的更新过程得到临时调度方案Xb,Xc。
2.4.6、对调度方案进行更新,形成下一代Xi,i=1,…,Np。具体步骤如下:
2.4.6.1、令m=1
2.4.6.2、通过转换函数对Xi进行二进制更新:
其中:rand为[0,1]之间的随机数。
2.4.6.3、m=m+1,如果m≤K,则转到步骤2.4.6.2,否则转到步骤2.5
2.5、L=L+1;如果L<MI,则转到2.2。否则结束算法,输出最优调度方案目标函数值Fα和对应的调度方案Xα。
结果表明,最优调度方案目标函数值Fα=399957元,最优调度方案如表2所示,该调度方案满足全部约束条件。
表2新能源电力系统调度结果
为比较本发明所述方法的性能,与传统基于BPSO算法的混合新能源电力系统机组优化调度结果进行对比。BPSO算法的参数设定为:种群大小P=30,迭代次数n=200,最大惯性因子ωmax=0.9,最小惯性因子ωmin=0.4,惯性权重ω=0.5,自身学习率C1=2,社会学习率C2=2。
基于BPSO算法的传统方法获得的最优目标函数值为4004561元。采用本发明所述方法获得的最优目标函数值要小于采用传统BPSO方法所得到的最优目标函数值,说明本发明方法的目标函数优化效果更好。本发明方法与基于BPSO的传统方法的目标函数搜索过程对比如图3所示,结果表明本发明方法具有更快速的迭代收敛过程。
综上所述,与基于BPSO算法的传统方法相比,本发明方法有如下特点:算法具有简单的结构,目标函数寻优能力强,迭代收敛速度快,算法具有较好稳定性。本方法获得的调度方案满足所有约束条件,同时可以让经济性能好的机组优先获得承担负荷的机会,尽量使得性能差的机组处于关闭状态,从而得到更加经济有效的调度方案,降低混合新能源电力系统的运行费用。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种混合新能源电力系统机组组合优化调度方法,其特征在于,所述方法包括如下步骤:
步骤(1):建立新能源电力系统机组组合调度数学模型,包括:
建立新能源机组优化调度目标函数:以机组开关状态和各机组功率为输入量,机组运行费用为输出量,目标函数为:
其中:minF为系统运行费用最小的目标函数,T为调度时期的时段数,N为机组台数,Ii,t为t时刻机组i的运行状态,开机时Ii,t=1,关机时Ii,t=0,Pi,t为t时刻火电机组i的发电功率,f(Pi,t)为t时刻火电机组i的发电成本,Si为火电机组i的启动成本;并设置约束条件;
步骤(2):用启发式优化算法对步骤(1)中的数学模型进行寻优计算。
2.如权利要求1所述的方法,其特征在于,所述步骤(2)具体包括如下子步骤:
2.1、算法初始化:设置算法参数,包括最大迭代次数MI,初始Np组调度方案 i=1,…,Np,K=N·T,并且m≤K,Xi用来表示N机组T小时内的机组开关状况;令初始迭代次数L=1,进入迭代选优;
2.2、通过步骤(1)中所设置的约束条件对调度方案Xi,i=1,…,Np,进行约束处理,令Xi变为可行解;
2.3、将每组调度方案代入步骤(1)中的目标函数并求得目标函数值Fi L,i=1,…,Np,将全局最优调度方案记为Xα,将全局排名第二及第三的调度方案记为Xβ和Xδ,对应调度方案的目标函数值为Fα、Fβ、Fδ;
2.4、根据Xα、Xβ、Xδ与Xi之间的相对差距Dα、Dβ、Dδ,综合判断Xi向目标移动的方向,更新当前调度方案Xi;
2.5、L=L+1;如果L<MI,则转到步骤(2.2);否则结束算法,输出最优调度方案目标函数值Fα和对应的最优调度方案Xα。
3.如权利要求2所述的方法,其特征在于,所述步骤(2.4)具体包括如下子步骤:
2.4.1、计算参数a,a随着迭代次数增加从2线性递减到0;
2.4.2、计算Xα的更新收敛因子A1和摆动因子C1;
其中:r1、r2为[0,1]之间的随机数;
2.4.3、计算Xα与Xi之间的相对差距Dα
Dα=|C1·Xα-Xi|
2.4.4、Xi以Xα为依据进行更新,并得到临时调度方案Xa:
Xa=Xα-A1·Dα
2.4.5、Xi分别以Xβ、Xδ为依据进行2.4.2到2.4.4同样的更新过程得到临时调度方案Xb,Xc;
2.4.6、对调度方案进行更新,形成下一代Xi,i=1,…,Np。
4.如权利要求3所述的方法,其特征在于,所述步骤(2.4.6)具体包括如下子步骤:
2.4.6.1、令m=1;
2.4.6.2、通过转换函数对Xi进行二进制转换:
其中:rand为[0,1]之间的随机数;
2.4.6.3、m=m+1,如果m≤K,则转到步骤2.4.6.2,否则转到步骤2.5。
5.如权利要求1至4任一项所述的方法,其特征在于,所述步骤(1)中的约束条件包括:
1.2.1、负荷平衡约束
其中:Pw,t为t时刻的风电发电功率,Pv,t为t时刻的光伏发电功率,Pc,t为t时刻的抽水蓄能机组发电功率,Pd,t为t时刻的抽水蓄能机组抽水功率,Lt为t时刻负荷;
1.2.2、系统旋转备用约束
其中:为火电机组i的功率上限,Rt通常为0.1倍的Lt;
1.2.3、最小启停时间约束
(rri,t-1-Ti,on)(Ii,t-1-Ii,t)≥0
(zzi,t-1-Ti,down)(Ii,t-Ii,t-1)≥0
其中:rri,t-1为t-1时刻火电机组i持续开机时间;zzi,t-1为t-1时刻火电机组i持续关机时间,Ti,on为火电机组i最小持续开机时间;Ti,down为火电机组i最小持续关机时间。
1.2.4、火电机组输出功率限制约束
其中:P i为火电机组i的功率下限;
1.2.5、火电机组的爬坡速率约束
-Pi,ramp≤Pi,t-Pi,t-1≤Pi,ramp
其中:Pi,ramp为火电机组i的爬坡速率;
1.2.6、抽水蓄能的出力上下限约束
其中:P d为抽水蓄能机组抽水功率下限;为抽水蓄能机组抽水功率上限;P c为抽水蓄能机组发电功率下限;为抽水蓄能机组发电功率上限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510885235.8A CN105356518B (zh) | 2015-12-04 | 2015-12-04 | 一种混合新能源电力系统机组组合优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510885235.8A CN105356518B (zh) | 2015-12-04 | 2015-12-04 | 一种混合新能源电力系统机组组合优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105356518A true CN105356518A (zh) | 2016-02-24 |
CN105356518B CN105356518B (zh) | 2016-06-29 |
Family
ID=55332426
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510885235.8A Active CN105356518B (zh) | 2015-12-04 | 2015-12-04 | 一种混合新能源电力系统机组组合优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105356518B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106257502A (zh) * | 2016-07-20 | 2016-12-28 | 广东工业大学 | 一种用于含风电场的经济调度的数据处理方法及装置 |
CN107844652A (zh) * | 2017-11-09 | 2018-03-27 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种含电量调节层的电力系统生产模拟方法 |
CN108038581A (zh) * | 2018-01-10 | 2018-05-15 | 广东电网有限责任公司电力科学研究院 | 一种基于狼群算法的智能经济调度方法及装置 |
CN109617131A (zh) * | 2018-12-07 | 2019-04-12 | 国网经济技术研究院有限公司 | 一种电力系统生产成本测算方法及系统 |
CN109740723A (zh) * | 2018-12-28 | 2019-05-10 | 中国人民解放军陆军工程大学 | 一种电子装备抗干扰性能的优化方法及系统 |
CN110138019A (zh) * | 2019-06-04 | 2019-08-16 | 国网山东省电力公司电力科学研究院 | 一种机组优化启停方法 |
CN110391677A (zh) * | 2019-08-26 | 2019-10-29 | 电子科技大学 | 一种基于电力市场环境的水光蓄混合系统运行优化方法 |
CN110554280A (zh) * | 2019-08-09 | 2019-12-10 | 上海电力大学 | 基于层级模型和改进灰狼优化算法的配电网故障定位方法 |
CN111740451A (zh) * | 2020-06-11 | 2020-10-02 | 国网河南省电力公司电力科学研究院 | 多源随机扰动下的分布式储能系统优化调度方法及装置 |
CN113283300A (zh) * | 2021-04-27 | 2021-08-20 | 华中科技大学 | 一种抽水蓄能机组轴系劣化评估方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104795846A (zh) * | 2015-04-24 | 2015-07-22 | 清华大学 | 一种抽水蓄能电站与风电的联合系统的优化运行方法 |
-
2015
- 2015-12-04 CN CN201510885235.8A patent/CN105356518B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104795846A (zh) * | 2015-04-24 | 2015-07-22 | 清华大学 | 一种抽水蓄能电站与风电的联合系统的优化运行方法 |
Non-Patent Citations (1)
Title |
---|
王喆等: "社会演化算法在机组组合中的应用", 《中国电机工程学报》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106257502A (zh) * | 2016-07-20 | 2016-12-28 | 广东工业大学 | 一种用于含风电场的经济调度的数据处理方法及装置 |
CN107844652A (zh) * | 2017-11-09 | 2018-03-27 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种含电量调节层的电力系统生产模拟方法 |
CN107844652B (zh) * | 2017-11-09 | 2021-06-08 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种含电量调节层的电力系统生产模拟方法 |
CN108038581A (zh) * | 2018-01-10 | 2018-05-15 | 广东电网有限责任公司电力科学研究院 | 一种基于狼群算法的智能经济调度方法及装置 |
CN109617131A (zh) * | 2018-12-07 | 2019-04-12 | 国网经济技术研究院有限公司 | 一种电力系统生产成本测算方法及系统 |
CN109617131B (zh) * | 2018-12-07 | 2022-03-04 | 国网经济技术研究院有限公司 | 一种电力系统生产成本测算方法及系统 |
CN109740723A (zh) * | 2018-12-28 | 2019-05-10 | 中国人民解放军陆军工程大学 | 一种电子装备抗干扰性能的优化方法及系统 |
CN110138019B (zh) * | 2019-06-04 | 2021-06-08 | 国网山东省电力公司电力科学研究院 | 一种机组优化启停方法 |
CN110138019A (zh) * | 2019-06-04 | 2019-08-16 | 国网山东省电力公司电力科学研究院 | 一种机组优化启停方法 |
CN110554280A (zh) * | 2019-08-09 | 2019-12-10 | 上海电力大学 | 基于层级模型和改进灰狼优化算法的配电网故障定位方法 |
CN110554280B (zh) * | 2019-08-09 | 2022-02-15 | 上海电力大学 | 基于层级模型和改进灰狼优化算法的配电网故障定位方法 |
CN110391677A (zh) * | 2019-08-26 | 2019-10-29 | 电子科技大学 | 一种基于电力市场环境的水光蓄混合系统运行优化方法 |
CN111740451A (zh) * | 2020-06-11 | 2020-10-02 | 国网河南省电力公司电力科学研究院 | 多源随机扰动下的分布式储能系统优化调度方法及装置 |
CN113283300A (zh) * | 2021-04-27 | 2021-08-20 | 华中科技大学 | 一种抽水蓄能机组轴系劣化评估方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105356518B (zh) | 2016-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105356518B (zh) | 一种混合新能源电力系统机组组合优化方法 | |
CN108258695A (zh) | 一种交直流混联微网的随机鲁棒耦合型优化调度方法 | |
CN103632205B (zh) | 一种考虑风电和负荷不确定性的含电动汽车优化调度方法 | |
CN105576709B (zh) | 一种基于混合算法的风蓄火联合运行的优化方法 | |
CN106451550A (zh) | 一种基于改进次梯度粒子群的微电网并网优化调度方法 | |
CN104135025A (zh) | 基于模糊粒子群算法和储能系统的微网经济运行优化方法 | |
CN103593717A (zh) | 一种微电网能源实时优化控制方法 | |
CN104779611A (zh) | 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 | |
CN107404129B (zh) | 风-储混合电站运行策略及短期计划出力优化方法 | |
CN107276122A (zh) | 适应大规模可再生能源并网的调峰资源调用决策方法 | |
CN104376364B (zh) | 基于遗传算法的智能家居负荷管理优化方法 | |
CN103904749B (zh) | 一种考虑风电出力波动性的电动汽车有序充电控制方法 | |
CN107482618A (zh) | 具有风‑火发电并含多类型柔性负荷电网的电价制定方法 | |
CN104993524A (zh) | 一种基于改进离散粒子群算法的含风电电力系统动态调度方法 | |
CN106786610A (zh) | 一种基于储能电池的光伏高渗透率电网电压优化方法 | |
CN109325621A (zh) | 一种园区能源互联网两阶段优化调度控制方法 | |
CN112070628B (zh) | 一种计及环境因素的智能电网多目标经济调度方法 | |
CN109494730A (zh) | 新能源并网下电力系统逐日运行模拟仿真方法 | |
CN118074107A (zh) | 一种考虑需求响应贡献度与电网安全的光伏消纳方法及装置 | |
Bruno et al. | Managing networked hybrid-energy systems: A predictive dispatch approach | |
CN104092209A (zh) | 基于实时反馈的互动型微电网能量控制处理方法 | |
Deng et al. | Research on economic operation of grid-connected DC microgrid | |
CN105225070A (zh) | 节能发电调度计划方法及系统 | |
CN105514985B (zh) | 一种电网聚合模型的构建方法 | |
CN114357725A (zh) | 考虑碳捕集排放的源荷双端不确定性建模方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |