CN105356521A - 一种基于时域滚动控制的交直流混合微电网运行优化方法 - Google Patents
一种基于时域滚动控制的交直流混合微电网运行优化方法 Download PDFInfo
- Publication number
- CN105356521A CN105356521A CN201510925833.3A CN201510925833A CN105356521A CN 105356521 A CN105356521 A CN 105356521A CN 201510925833 A CN201510925833 A CN 201510925833A CN 105356521 A CN105356521 A CN 105356521A
- Authority
- CN
- China
- Prior art keywords
- power
- load
- formula
- maximum
- energy
- 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
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J4/00—Circuit arrangements for mains or distribution networks not specified as ac or dc
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种基于时域滚动控制的交直流混合微电网运行优化方法,包括:(1)建立交直流混合微电网线性模型;(2)建立分布式电源出力预测与交直流负荷预测模型;(3)建立包括鲁棒性与经济性的优化目标函数,根据交直流混合微电网并网运行与离网运行不同的运行状态,选择合适的优化目标;(4)采用时域滚动控制方法,对目标配电网进行优化控制;(5)滚动时域控制,在t+1时刻重复步骤(2)~(4),直到控制结束。本发明通过反馈校正消除由于可再生能源输出功率、能源价格波动和负荷预测误差带来的影响,针对交直流混合微电网不同的运行状态采用不同的优化目标提高离网运行状态下的鲁棒性和并网运行状态下的经济性。
Description
技术领域
本发明涉及一种有源配电网能源优化管理方法,特别是涉及一种基于时域滚动控制的交直流混合微电网运行优化方法。
背景技术
目前,国内外电动汽车产业正在飞速发展,电动汽车大规模化为解决分布式电源出力波动大的问题提供了契机。然而,大量的电动汽车充放电也给现在以交流结构为主的配电网带来许多问题。目前电动汽车能量单元使用的主要是直流蓄电池,直流蓄电池并网充电必然会经过逆变器,而大量的逆变器并网必然会对电网产生大量的谐波污染,同时由于电动汽车蓄电池的充电负荷较大,且具有较强的随机性,不利于电网的安全调度运行。将电动汽车等其他直流负荷与分布式电源通过直流配电网相连是一种可行的解决方案,分布式电源特别是光伏发电系统发出的直流电能不直接并网,而是通过直流母线优先给电动汽车或者其他直流负荷供电,再将多余的电能并网供电。这样既大量降低了逆变器的使用,节约投资成本,也减少了中间能量转化的环节,提高能源利用效率。
发明内容
本发明的目的是提供为实现上述目的,本发明采用以下技术方案:
一种基于时域滚动控制的交直流混合微电网运行优化方法,包括如下步骤:
(1)建立目标配电网能量约束条件;
(2)建立基于历史数据与反馈校正的光伏发电系统出力预测模型,负荷预测模型,电动汽车负荷预测模型;
(3)建立针对交直流混合微电网不同运行状态的优化目标函数,优化目标包括系统离网运行状态下的鲁棒性与并网运行状态下的经济性;
(4)采用线性规划算法求解从t时刻起的时域p内满足约束条件的最优控制策略,输出首个控制策略对系统进行优化控制;同时监测t时刻预测值与实际值的误差,将误差反馈给下一时刻的步骤2,校正预测精度;
(5)滚动时域控制,在t+1时刻重复步骤(2)~(4),直到控制结束。
步骤(1)中,所述目标配电网包括:光伏发电系统,交流负荷,交流可调负荷,直流负荷,直流可调负荷,电动汽车,储能单元,逆变器。
步骤(1)中,所述的目标配电网能量约束条件包括电能平衡约束与容量限制约束,其中直流侧功率平衡表示为:
式中,为直流母线侧的光伏发电系统t时刻的功率;为直流母线侧的储能单元t时刻的功率,正值代表放电,负值代表充电;为逆变器t时刻的功率,正值代表功率从交流侧流向直流侧,负值代表功率从直流侧流向交流侧;为直流负荷t时刻的功率;为直流可控负荷t时刻的功率;为直流母线侧的电动汽车t时刻的功率;
交流侧功率平衡表示为:
式中,为交流母线侧的光伏发电系统t时刻的功率;为交流母线侧的储能单元t时刻的功率,正值代表放电,负值代表充电;Pgrid(t)为电网t时刻的功率,正值代表功率从电网流向交流母线,负值代表功率从交流母线流向电网;为交流负荷t时刻的功率;为交流可控负荷t时刻的功率;为交流母线侧的电动汽车t时刻的功率,为逆变器t时刻的功率,正值代表功率从交流侧流向直流侧,负值代表功率从直流侧流向交流侧;
容量约束表示为:
式中,分别为直流侧光伏发电系统t时刻预测功率最小值与最大值;分别为交流侧光伏发电系统t时刻预测功率最小值与最大值;
式中,分别为直流负荷t时刻预测功率最小值与最大值;分别为交流负荷t时刻预测功率最小值与最大值;
式中,分别为直流侧电动汽车t时刻预测功率最小值与最大值;分别为交流侧电动汽车t时刻预测功率最小值与最大值;
式中,分别为直流侧储能单元最大充电功率与最大放电功率;分别为交流侧储能单元最大充电功率与最大放电功率;
式中,分别为逆变器工作最大逆变功率与最大整流功率;
式中,分别为直流侧和交流侧在t时刻最大可控功率;
式中,分别为直流侧和交流侧储能单元剩余电量;
式中,分别为直流侧储能单元最小、最大荷电状态;分别为交流侧储能单元最小、最大荷电状态。
步骤(2)中,所述的光伏发电系统出力预测模型,采用改进的半正弦模型,其中太阳辐射量预测值表示为:
式中,QT(t)为t时刻太阳辐射量预测值;Q为日太阳总辐射量,由历史统计数据得到;a、b分别为日出、日落时刻;ΔQm(t-1)为反馈误差;Qm(t-1)为t-1时刻太阳辐射量实际测量值;ηPV为光伏系统误差控制系数;
光伏发电系统输出功率预测值表示为:
PPV(t)=ηPVηSystemQT(t)S[1-0.005(t0+25)]
式中,ηPV为光电转换效率;ηSystem为光伏发电系统综合效率;S为光伏阵列面积;t0为太阳能电池工作温度。
步骤(2)中,所述的负荷预测模型,采用改进的负荷求导法表示:
式中,为t时刻负荷预测值;为t-1时刻负荷实际测量值;为反馈误差;D为选用历史数据天数;Ki为第i天的合适因子,为第i天t时刻的反馈误差。
步骤(2)中,所述的电动汽车负荷预测模型,采用基于历史数据和反馈误差的拟合方法预测:
式中,D为选用历史数据天数;δi为第i天的合适因子,为历史数据中第i天t时刻的电动汽车负荷;PEV(t)为电动汽车负荷预测值。
步骤(3)中,所述的交直流混合微电网不同运行状态的优化目标函数,表示为:
式中,σ1、σ2表示目标交直流配电网运行状态,离网运行时σ1=1、σ2=0,并网运行时σ1=0、σ2=1;α1、α2、α3、α4、α5为罚系数。
本发明的有益效果是:本发明的一种基于时域滚动控制的交直流混合微电网运行优化方法,预测分布式电源出力,采集负荷需求、储能系统容量与能源市场价格,在给定周期内综合权衡分布式电源出力、储能系统剩余容量等预测与约束,针对不同的电网运行状态合理安排源、网、储、荷的运行,以实现系统整体鲁棒性与经济性的最优。本发明通过反馈校正消除由于可再生能源输出功率、能源价格波动和负荷预测误差带来的影响,针对交直流混合微电网不同的运行状态采用不同的优化目标提高离网运行状态下的鲁棒性和并网运行状态下的经济性。
附图说明
图1为交直流混合微电网示意图;
图2为时域滚动控制流程图;
图3为滚动时域优化原理图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
下面结合实例和附图对本发明的一种基于时域滚动控制的交直流混合微电网运行优化方法做出详细说明。
本发明的一种基于时域滚动控制的交直流混合微电网运行优化方法用于有源交直流混合配电网能量优化管理,配电网中包括光伏发电系统,交流负荷,交流可调负荷,直流负荷,直流可调负荷,电动汽车,储能单元,逆变器,如图1所示。
本发明的一种基于时域滚动控制的交直流混合微电网运行优化方法,如图2所示,包括如下步骤:
1)建立目标配电网能量约束条件。该配电网中包括:光伏发电系统,交流负荷,交流可调负荷,直流负荷,直流可调负荷,电动汽车,储能单元,逆变器。
目标配电网能量约束条件包括电能平衡约束与容量限制约束,其中直流侧功率平衡可表示为:
式中,为直流母线侧的光伏发电系统t时刻的功率;为直流母线侧的储能单元t时刻的功率,正值代表放电,负值代表充电;为逆变器t时刻的功率,正值代表功率从交流侧流向直流侧,负值代表功率从直流侧流向交流侧;为直流负荷t时刻的功率;为直流可控负荷t时刻的功率;为直流母线侧的电动汽车t时刻的功率。
交流侧功率平衡表示为:
式中,为交流母线侧的光伏发电系统t时刻的功率;为交流母线侧的储能单元t时刻的功率,正值代表放电,负值代表充电;Pgrid(t)为电网t时刻的功率,正值代表功率从电网流向交流母线,负值代表功率从交流母线流向电网;为交流负荷t时刻的功率;为交流可控负荷t时刻的功率;为交流母线侧的电动汽车t时刻的功率。
容量约束表示为:
式中,分别为直流侧光伏发电系统t时刻预测功率最小值与最大值;分别为交流侧光伏发电系统t时刻预测功率最小值与最大值。
式中,分别为直流负荷t时刻预测功率最小值与最大值;分别为交流负荷t时刻预测功率最小值与最大值。
式中,分别为直流侧电动汽车t时刻预测功率最小值与最大值;分别为交流侧电动汽车t时刻预测功率最小值与最大值。
式中,分别为直流侧储能单元最大充电功率与最大放电功率;分别为交流侧储能单元最大充电功率与最大放电功率。
式中,分别为逆变器工作最大逆变功率与最大整流功率。
式中,分别为直流侧和交流侧在t时刻最大可控功率。
式中,分别为直流侧和交流侧储能单元荷电状态。
式中,分别为直流侧储能单元最小、最大荷电状态;分别为交流侧储能单元最小、最大荷电状态。
2)建立基于历史数据与反馈校正的光伏发电系统出力预测模型,负荷预测模型,电动汽车负荷预测模型。
其中,光伏发电系统出力预测模型采用改进的半正弦模型,其中太阳辐射量预测值表示为:
式中,QT(t)为t时刻太阳辐射量预测值;Q为日太阳总辐射量,由历史统计数据得到;a、b分别为日出、日落时刻;ΔQm(t-1)为反馈误差;Qm(t-1)为t-1时刻太阳辐射量实际测量值;ηPV为光伏系统误差控制系数。
光伏发电系统输出功率预测值表示为:
PPV(t)=ηPVηSystemQT(t)S[1-0.005(t0+25)](20)
式中,ηPV为光电转换效率;ηSystem为光伏发电系统综合效率;S为光伏阵列面积;t0为太阳能电池工作温度。
负荷预测模型采用改进的负荷求导法表示:
式中,为t时刻负荷预测值;为t-1时刻负荷实际测量值;为反馈误差;D为选用历史数据天数;Ki为第i天的合适因子,为第i天t时刻的反馈误差。
电动汽车负荷预测模型采用基于历史数据和反馈误差的拟合方法预测:
式中,D为选用历史数据天数;δi为第i天的合适因子,为历史数据中第i天t时刻的电动汽车负荷;PEV(t)为电动汽车负荷预测值。假设用户电动汽车出行需求变化不大,该拟合曲线可以快速预测出电动汽车充电负荷,相比其他学习式预测算法,降低计算要求。
3)建立针对交直流混合微电网不同运行状态的优化目标函数,优化目标包括系统离网运行状态下的鲁棒性与并网运行状态下的经济性。
交直流混合微电网不同运行状态的优化目标函数表示为:
式中,σ1、σ2表示目标交直流配电网运行状态,离网运行时σ1=1、σ2=0,并网运行时σ1=0、σ2=1;α1、α2、α3、α4、α5为罚系数,时域滚动模型如图3所示。
4)采用线性规划算法求解从t时刻起的时域p内满足约束条件的最优控制策略,输出首个控制策略对系统进行优化控制。同时监测t时刻预测值与实际值的误差,将误差反馈给下一时刻的步骤2),校正预测精度。
5)滚动时域控制,在t+1时刻重复步骤2)~4),直到控制结束。
对于本例,时间间隔Δt=Tt-Tt-1,其中Δt取0.25h,时间间隔越短,可以不考虑功率在Δt时间段内的波动,即可取t时刻的瞬时功率即为Δt时间段内的恒定功率,防止储能单元出力不固定,导致寿命降低。
本发明的一种基于时域滚动控制的交直流混合微电网运行优化方法,预测分布式电源出力,采集负荷需求、储能系统容量与能源市场价格,在给定周期内综合权衡分布式电源出力、储能系统剩余容量等预测与约束,针对不同的电网运行状态合理安排源、网、储、荷的运行,以实现系统整体鲁棒性与经济性的最优。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种基于时域滚动控制的交直流混合微电网运行优化方法,其特征在于:包括如下步骤:
(1)建立目标配电网能量约束条件;
(2)建立基于历史数据与反馈校正的光伏发电系统出力预测模型,负荷预测模型,电动汽车负荷预测模型;
(3)建立针对交直流混合微电网不同运行状态的优化目标函数,优化目标包括系统离网运行状态下的鲁棒性与并网运行状态下的经济性;
(4)采用线性规划算法求解从t时刻起的时域p内满足约束条件的最优控制策略,输出首个控制策略对系统进行优化控制;同时监测t时刻预测值与实际值的误差,将误差反馈给下一时刻的步骤(2),校正预测精度;
(5)滚动时域控制,在t+1时刻重复步骤(2)~(4),直到控制结束。
2.根据权利要求1所述的基于时域滚动控制的交直流混合微电网运行优化方法,其特征在于:步骤(1)中,所述目标配电网包括:光伏发电系统,交流负荷,交流可调负荷,直流负荷,直流可调负荷,电动汽车,储能单元,逆变器。
3.根据权利要求1所述的基于时域滚动控制的交直流混合微电网运行优化方法,其特征在于:步骤(1)中,所述的目标配电网能量约束条件包括电能平衡约束与容量限制约束,其中直流侧功率平衡表示为:
式中,为直流母线侧的光伏发电系统t时刻的功率;为直流母线侧的储能单元t时刻的功率,正值代表放电,负值代表充电;为逆变器t时刻的功率,正值代表功率从交流侧流向直流侧,负值代表功率从直流侧流向交流侧;为直流负荷t时刻的功率;为直流可控负荷t时刻的功率;为直流母线侧的电动汽车t时刻的功率;
交流侧功率平衡表示为:
式中,为交流母线侧的光伏发电系统t时刻的功率;为交流母线侧的储能单元t时刻的功率,正值代表放电,负值代表充电;为电网t时刻的功率,正值代表功率从电网流向交流母线,负值代表功率从交流母线流向电网;为交流负荷t时刻的功率;为交流可控负荷t时刻的功率;为交流母线侧的电动汽车t时刻的功率,为逆变器t时刻的功率,正值代表功率从交流侧流向直流侧,负值代表功率从直流侧流向交流侧;
容量约束表示为:
式中,分别为直流侧光伏发电系统t时刻预测功率最小值与最大值;分别为交流侧光伏发电系统t时刻预测功率最小值与最大值;
式中,分别为直流负荷t时刻预测功率最小值与最大值;分别为交流负荷t时刻预测功率最小值与最大值;
式中,分别为直流侧电动汽车t时刻预测功率最小值与最大值;分别为交流侧电动汽车t时刻预测功率最小值与最大值;
式中,分别为直流侧储能单元最大充电功率与最大放电功率;分别为交流侧储能单元最大充电功率与最大放电功率;
式中,分别为逆变器工作最大逆变功率与最大整流功率;
式中,分别为直流侧和交流侧在t时刻最大可控功率;
式中,分别为直流侧和交流侧储能单元剩余电量;
式中,分别为直流侧储能单元最小、最大荷电状态;分别为交流侧储能单元最小、最大荷电状态。
4.根据权利要求1所述的基于时域滚动控制的交直流混合微电网运行优化方法,其特征在于:步骤(2)中,所述的光伏发电系统出力预测模型,采用改进的半正弦模型,其中太阳辐射量预测值表示为:
式中,QT(t)为t时刻太阳辐射量预测值;Q为日太阳总辐射量,由历史统计数据得到;a、b分别为日出、日落时刻;△Qm(t-1)为反馈误差;Qm(t-1)为t-1时刻太阳辐射量实际测量值;ηPV为光伏系统误差控制系数;
光伏发电系统输出功率预测值表示为:
PPV(t)=ηPVηSystemQT(t)S[1-0.005(t0+25)]
式中,ηPV为光电转换效率;ηSystem为光伏发电系统综合效率;S为光伏阵列面积;t0为太阳能电池工作温度。
5.根据权利要求1所述的基于时域滚动控制的交直流混合微电网运行优化方法,其特征在于:步骤(2)中,所述的负荷预测模型,采用改进的负荷求导法表示:
式中,为t时刻负荷预测值;为t-1时刻负荷实际测量值;为反馈误差;D为选用历史数据天数;Ki为第i天的合适因子, 为第i天t时刻的反馈误差。
6.根据权利要求1所述的基于时域滚动控制的交直流混合微电网运行优化方法,其特征在于:步骤(2)中,所述的电动汽车负荷预测模型,采用基于历史数据和反馈误差的拟合方法预测:
式中,D为选用历史数据天数;δi为第i天的合适因子, 为历史数据中第i天t时刻的电动汽车负荷;PEV(t)为电动汽车负荷预测值。
7.根据权利要求1所述的基于时域滚动控制的交直流混合微电网运行优化方法,其特征在于:步骤(3)中,所述的交直流混合微电网不同运行状态的优化目标函数,表示为:
式中,σ1、σ2表示目标交直流配电网运行状态,离网运行时σ1=1、σ2=0,并网运行时σ1=0、σ2=1;a1、a2、a3、a4、a5为罚系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510925833.3A CN105356521B (zh) | 2015-12-14 | 2015-12-14 | 一种基于时域滚动控制的交直流混合微电网运行优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510925833.3A CN105356521B (zh) | 2015-12-14 | 2015-12-14 | 一种基于时域滚动控制的交直流混合微电网运行优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105356521A true CN105356521A (zh) | 2016-02-24 |
CN105356521B CN105356521B (zh) | 2018-02-23 |
Family
ID=55332429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510925833.3A Active CN105356521B (zh) | 2015-12-14 | 2015-12-14 | 一种基于时域滚动控制的交直流混合微电网运行优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105356521B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106356902A (zh) * | 2016-11-01 | 2017-01-25 | 东南大学 | 一种适用于能量互联网中多能协同综合能源网络的能量管理方法 |
CN107134773A (zh) * | 2017-05-04 | 2017-09-05 | 山东大学 | 一种基于事件的智能微电网运行优化方法 |
CN108009745A (zh) * | 2017-12-19 | 2018-05-08 | 国网江苏省电力有限公司淮安供电分公司 | 工业园区内多元用户协同能量管理方法 |
CN110190615A (zh) * | 2019-05-22 | 2019-08-30 | 国网浙江省电力有限公司经济技术研究院 | 一种微网储能系统控制策略优化方法 |
CN113794246A (zh) * | 2021-09-06 | 2021-12-14 | 国网山东省电力公司枣庄供电公司 | 分布式能源系统的储能控制系统 |
CN113937765A (zh) * | 2021-10-20 | 2022-01-14 | 国网安徽省电力有限公司电力科学研究院 | 交直流混合微网调度方法、装置及微网控制设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104218599A (zh) * | 2014-09-19 | 2014-12-17 | 国家电网公司 | 一种基于混合储能的负荷优化控制方法 |
US20140375125A1 (en) * | 2013-06-19 | 2014-12-25 | Nec Laboratories America, Inc. | Multi-layer control framework for an energy storage system |
CN104616208A (zh) * | 2015-02-04 | 2015-05-13 | 东南大学 | 一种基于模型预测控制的冷热电联供型微电网运行方法 |
CN105071389A (zh) * | 2015-08-19 | 2015-11-18 | 华北电力大学(保定) | 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 |
-
2015
- 2015-12-14 CN CN201510925833.3A patent/CN105356521B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140375125A1 (en) * | 2013-06-19 | 2014-12-25 | Nec Laboratories America, Inc. | Multi-layer control framework for an energy storage system |
CN104218599A (zh) * | 2014-09-19 | 2014-12-17 | 国家电网公司 | 一种基于混合储能的负荷优化控制方法 |
CN104616208A (zh) * | 2015-02-04 | 2015-05-13 | 东南大学 | 一种基于模型预测控制的冷热电联供型微电网运行方法 |
CN105071389A (zh) * | 2015-08-19 | 2015-11-18 | 华北电力大学(保定) | 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 |
Non-Patent Citations (2)
Title |
---|
丁明,田龙刚,潘浩等: "交直流混合微电网运行控制策略研究", 《电力系统保护与控制》 * |
郭思琪,袁越,张新松等: "多时间尺度协调控制的独立微网能量管理策略", 《电工技术学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106356902A (zh) * | 2016-11-01 | 2017-01-25 | 东南大学 | 一种适用于能量互联网中多能协同综合能源网络的能量管理方法 |
CN107134773A (zh) * | 2017-05-04 | 2017-09-05 | 山东大学 | 一种基于事件的智能微电网运行优化方法 |
CN107134773B (zh) * | 2017-05-04 | 2019-08-20 | 山东大学 | 一种基于事件的智能微电网运行优化方法 |
CN108009745A (zh) * | 2017-12-19 | 2018-05-08 | 国网江苏省电力有限公司淮安供电分公司 | 工业园区内多元用户协同能量管理方法 |
CN110190615A (zh) * | 2019-05-22 | 2019-08-30 | 国网浙江省电力有限公司经济技术研究院 | 一种微网储能系统控制策略优化方法 |
CN113794246A (zh) * | 2021-09-06 | 2021-12-14 | 国网山东省电力公司枣庄供电公司 | 分布式能源系统的储能控制系统 |
CN113937765A (zh) * | 2021-10-20 | 2022-01-14 | 国网安徽省电力有限公司电力科学研究院 | 交直流混合微网调度方法、装置及微网控制设备 |
Also Published As
Publication number | Publication date |
---|---|
CN105356521B (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Badwawi et al. | A review of hybrid solar PV and wind energy system | |
CN103236718B (zh) | 一种智能微网的源-网-荷自动控制系统及控制方法 | |
CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
CN105356521A (zh) | 一种基于时域滚动控制的交直流混合微电网运行优化方法 | |
CN110365013B (zh) | 一种光热-光伏-风电联合发电系统的容量优化方法 | |
CN112734098B (zh) | 一种基于源-荷-网平衡的配电网电力调度方法及系统 | |
CN106408131A (zh) | 一种基于需求侧管理的光伏微网多目标调度方法 | |
Jabalameli et al. | Impact of battery rating on performance of rooftop PV supporting household loads, regulating PCC voltage and providing constant output power to grid | |
CN111293718B (zh) | 基于场景分析的交直流混合微网分区二层优化运行方法 | |
CN103577891A (zh) | 一种含分布式电源的多孤岛微网优化合作运行方法 | |
Feng et al. | Performance analysis of hybrid energy storage integrated with distributed renewable energy | |
Thirugnanam et al. | Battery integrated solar photovoltaic energy management system for micro-grid | |
Huangfu et al. | An optimal energy management strategy with subsection bi-objective optimization dynamic programming for photovoltaic/battery/hydrogen hybrid energy system | |
Saber et al. | Smart micro-grid optimization with controllable loads using particle swarm optimization | |
Shavolkin et al. | Variant of Implementation of a Grid-Tied Solar-Wind System with a Storage Battery for Self-Consumption of Local Object | |
Ran et al. | Economic dispatch of off-grid photovoltaic generation system with hybrid energy storage | |
CN114336703B (zh) | 一种大规模风光储电站自动协同控制方法 | |
Tripathy et al. | Voltage profile enhancement of a 33 bus system integrated with renewable energy sources and electric vehicle | |
Skander-Mustapha et al. | Energy Management of Rooftop PV System including Battery Storage: Case Study of ENIT building | |
Alnejaili et al. | An advanced energy management system with an economical optimization for a multi-sources stand-alone Home | |
CN211183436U (zh) | 一种基于能量预测的光储微电网系统 | |
CN108171384A (zh) | 一种基于复合粒子群算法微网能量管理方法 | |
CN113078689A (zh) | 一种综合能源优化配置的负荷跟踪管理运行策略 | |
Kang et al. | Day-ahead microgrid energy management optimization scheduling scheme | |
Kasturi et al. | Analysis of photovoltaic & battery energy storage system impacts on electric distribution system efficacy |
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 | ||
CP02 | Change in the address of a patent holder |
Address after: 210093 Nanjing University Science Park, 22 Hankou Road, Gulou District, Nanjing City, Jiangsu Province Patentee after: Southeast University Address before: 211189 No. 2 Southeast University Road, Jiangning District, Nanjing, Jiangsu Patentee before: Southeast University |
|
CP02 | Change in the address of a patent holder |