CN105391060B - 含微电网的配电网优化调度方法 - Google Patents
含微电网的配电网优化调度方法 Download PDFInfo
- Publication number
- CN105391060B CN105391060B CN201510845661.9A CN201510845661A CN105391060B CN 105391060 B CN105391060 B CN 105391060B CN 201510845661 A CN201510845661 A CN 201510845661A CN 105391060 B CN105391060 B CN 105391060B
- Authority
- CN
- China
- Prior art keywords
- power
- mrow
- msub
- micro
- capacitance sensor
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 24
- 230000005611 electricity Effects 0.000 claims abstract description 66
- 230000003993 interaction Effects 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000004146 energy storage Methods 0.000 claims description 36
- 230000004941 influx Effects 0.000 claims description 6
- 230000010354 integration Effects 0.000 claims description 5
- 230000002349 favourable effect Effects 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001172 regenerating effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H02J3/382—
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/388—Islanding, i.e. disconnection of local power supply from the network
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种含微电网的配电网优化调度方法,该方法包括计算每一所述微电网的不平衡电量;计算相应微电网的最大输出功率和相应微电网的最大输入功率;建立以每一配网可控型分布式电源的输出功率、每一微电网入口的交互功率和配电网从上级电网购电功率为控制变量,以所述配电网供电成本最小为优化目标的优化模型;计算所述控制变量的最优解,并根据所述最优解对所述配电网进行调度。本发明提供的含微电网的配电网优化调度方法中,将微电网的最大输出功率和微电网的最大输入功率的负值作为微电网入口的交互功率的上下限,可见本发明充分考虑了微电网的可调节裕度,对微电网、微电网拥有商和用户负荷都是有利的。
Description
技术领域
本发明涉及电网技术领域,尤其是涉及一种含微电网的配电网优化调度方法。
背景技术
在实际应用中,微电网(microgrid,MG)作为充分发挥分布式电源能效的有效手段,将分布式电源(distributed generation,DG)、负荷、储能及控制装置等结合,形成一个独立可控的单元,很好的解决了分布式电源并网带来的一系列问题。随着微电网技术的发展,配电网中出现越来越多的微电网,如何调度含微电网的配电网中的功率流/能量流,实现配电网运行效益的最大化,成为亟待解决的问题。
目前的针对含微电网的配电网的优化调度方法严格限制了配电网与微电网的交互功率值,没有考虑到微电网的可调节裕度,使得配电网的优化调度非常受限。
发明内容
本发明所要解决的技术问题是现有配电网的优化调度方法没有考虑到微电网的可调节裕度。
为解决上述技术问题,本发明提出了一种含微电网的配电网优化调度方法。该方法包括:
S1、计算每一所述微电网的不平衡电量,其中:
所述不平衡电量为调度周期内不平衡功率与时间的积分,所述不平衡功率为相应微电网总可再生能源电源的发电功率与总负荷功率之间的差值;
S2、根据每一所述不平衡电量计算相应微电网的最大输出功率和相应微电网的最大输入功率;
S3、建立一优化模型,该优化模型的控制变量为每一配网可控型分布式电源的输出功率、每一微电网入口的交互功率和配电网从上级电网购电功率,该优化模型的优化目标为所述配电网供电成本最小,该优化模型的约束条件包括:每一微电网入口的交互功率的上限值为相应微电网的最大输出功率,且微电网入口的交互功率的下限值为相应微电网的最大输入功率的负值;
S4、根据所述优化模型计算所述控制变量的最优解,并根据所述最优解对所述配电网进行调度。
可选的,当步骤S1中计算得到的所述不平衡电量大于0时,根据以下公式确定每一微电网的最大输出功率:
其中,Pout为所述的微电网的最大输出功率,EBs为所述微电网的储能单元中已储存空间电量,ΔE为所述不平衡电量,T为调度周期,为所述微电网中第j台可控微电源的额定容量。
可选的,当步骤S1中计算得到的所述不平衡电量大于0时,根据以下公式确定每一微电网的最大输入功率:
其中,Pin为所述的微电网的最大输入功率,EBe为所述微电网的储能单元中未储存空间电量。
可选的,当步骤S1中计算得到的所述不平衡电量小于0时,根据以下公式确定每一微电网的最大输出功率:
其中,Pout为所述的微电网的最大输出功率,EBs为所述微电网的储能单元中已储存空间电量,ΔE为所述不平衡电量,T为调度周期,为所述微电网中第j台可控微电源的额定容量。
可选的,当步骤S1中计算得到的所述不平衡电量小于0时,根据以下公式确定每一微电网的最大输入功率:中
其中,Pin为所述的微电网的最大输入功率,EBe为所述微电网的储能单元中未储存空间电量。
可选的,采用下式计算所述已储存空间电量EBs和所述未储存空间电量EBe:
其中,EBmin为所述储能单元中允许储能电量的下限值,EBmax为所述储能单元中允许储能电量的上限值,EBr为所述储能单元的额定容量,Soct为当前时刻所述储能单元的储能荷电状态,即储能单元剩余电量与容量之比。
可选的,所述优化模型为:
其中,J1为配电网的最小供应成本,PMGi为配电网与配电网中第i个微电网之间的交互功率,PDGi为第i个配网可控型分布式电源的输出功率,Pgrd为配电网从上级电网购电功率,Cdgi为第i个配网可控型分布式电源的发电成本,CB为配电网从上级电网购电的电价;当PMGi≥0时,Cmgi为配电网从第i个微电网购电的电价,PMGi≤0时,Cmgi为配电网向第i个微电网的馈电的电价,;
优化模型的约束条件为:
-Pin-i<PMGi<Pout-i
0≤Pgrd≤Pgrd_max
PDGi_min≤PDGi≤PDGi_max
其中,PLoad为负荷功率,Ploss为网损,PUCi为第i个配网可再生能源电源的预测发电功率,Pout为第i个微电网的最大输出功率,Pin为第i个微电网的最大输入功率,Pgrd_max为配电网从上级电网购电功率的上限,PDGi_max为第i个配网可控型分布式电源发电功率的上限,PDGi_min为第i个配网可控型分布式电源发电功率的下限。
可选的,所述步骤S4中采用以下方法计算所述控制变量的最优解,包括:
S41、建立表征所述配电网中功率流向的有向拓扑网络,该有向拓扑网络中包括沿功率流向设置的1个第一虚拟节点、n+m+2个功率输出节点、n+1个功率输入节点和1个第二虚拟节点,其中:
n为所述配电网中微电网的数量,m为所述配网可控型分布式电源的数量;
n+m+2个功率输出节点包括1个配网可再生能源电源的功率输出和节点、n个微电网的功率输出节点、m个配网可控型分布式电源的功率输出节点和1个配电网从上级电网购电功率输出节点,n+m+2个所述功率输出节点分别与所述第一虚拟节点连接;
n+1个所述功率输入节点包括n个微电网的功率输入节点、1个负荷和网损的功率输入节点,n+1个所述功率输入节点分别与所述第二虚拟节点连接;
所述的配网可再生能源电源的功率输出和节点、所述的配网可控型分布式电源的功率输出节点和所述的配电网从上级电网购电功率输出节点中的每一功率输出节点分别与n+1个所述功率输入节点中的每一功率输入节点连接,每一微电网的功率输出节点与除了相应微电网的功率输入节点之外的其他n个功率输入节点中的每一功率输入节点连接;
每两相连节点之间的有向线段为一连接弧;
S42、以每一连接弧的功率流量为优化变量,以所有连接弧上的功率流量之和最大且所有连接弧上的功率流量所产生的费用之和最小为优化目标,建立目标函数;
所述目标函数的约束条件是每一连接弧的功率流量大于0且小于相应连接弧的功率容量、每一功率输出节点或功率输入节点的功率流入量和功率流出量之差为0、及第一虚拟节点的功率流出量和第二虚拟节点的功率流入量均为所有连接弧上的功率流量之和;
每一微电网的功率输出节点与所述的负荷和网损的功率输入节点之间的连接弧的功率容量为相应微电网的最大输出功率;每一微电网的功率输入节点与所述第二虚拟节点之间的连接弧的功率容量为相应微电网的最大输入功率;
S43、根据所述目标函数和所述约束条件,计算每一所述连接弧的功率流量的最优解;
S44、根据所述连接弧的功率流量的最优解,计算配网可控型分布式电源的输出功率的最优值、微电网入口的交互功率的最优值和配电网从上级电网购电功率的最优值;
可选的,n+m+2个所述功率输出节点中任一功率输出节点与所述第一虚拟节点之间的连接弧的功率容量为无穷大;和/或
所述的负荷和网损的功率输入节点和n个微电网的功率输入节点中任一功率输入节点与所述的配网可再生能源电源的功率输出和节点之间的连接弧的功率容量为所述所有配网可再生能源电源的预测输出功率的和;和/或
所述的负荷和网损的功率输入节点和n个微电网的功率输入节点中任一功率输入节点与所述的配网可控型分布式电源的功率输出节点之间的连接弧的功率容量为所述配网可控型分布式电源的最大输出功率;和/或
所述的负荷和网损的功率输入节点和n个微电网的功率输入节点中任一功率输入节点与所述的配电网从上级电网购电功率输出节点之间的连接弧的功率容量为配电网从上级电网购电功率的最大值;和/或
所述的负荷和网损的功率输入节点与所述第二虚拟节点之间的连接弧的功率容量为负荷和网损的最大输入功率。
本发明提供的含微电网的配电网优化调度方法中,将微电网的最大输出功率和微电网的最大输入功率的负值作为微电网入口的交互功率的上下限,可见本发明充分考虑了微电网的可调节裕度,对微电网、微电网拥有商和用户负荷都是有利的。而且,优化模型的优化目标为配电网的供电成本最小,这使得配电网的运行效益大大增加。另外,优化模型的控制变量为配网可控型分布式电源的输出功率、微电网入口的交互功率和配电网从上级电网购电功率,没有涉及到微电网内部为数众多的分布式电源,减小了计算的复杂度。
附图说明
通过参考附图会更加清楚的理解本发明的特征信息和优点,附图是示意性的而不应理解为对本发明进行任何限制,在附图中:
图1示出了根据本发明含微电网的配电网优化调度方法一实施例的流程示意图;
图2示出了本发明建立的一种有向拓扑网络;
图3示出了本发明中不平衡功率持续时间的变化曲线图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
本发明提供一种含微电网的配电网优化调度方法,如图1所示,该方法包括:
S1、计算每一所述微电网的不平衡电量,其中:
所述不平衡电量为调度周期内不平衡功率与时间的积分,所述不平衡功率为相应微电网总可再生能源电源的发电功率与总负荷功率之间的差值;
S2、根据每一所述不平衡电量计算相应微电网的最大输出功率和相应微电网的最大输入功率;
S3、建立一优化模型,该优化模型的控制变量为每一配网可控型分布式电源的输出功率、每一微电网入口的交互功率和配电网从上级电网购电功率,该优化模型的优化目标为所述配电网供电成本最小,该优化模型的约束条件包括:每一微电网入口的交互功率的上限值为相应微电网的最大输出功率,且微电网入口的交互功率的下限值为相应微电网的最大输入功率的负值;
S4、计算所述控制变量的最优解,并根据所述最优解对所述配电网进行调度。
本发明提供的含微电网的配电网优化调度方法中,将微电网的最大输出功率和微电网的最大输入功率的负值作为微电网入口的交互功率的上下限,可见本发明充分考虑了微电网的可调节裕度,对微电网、微电网拥有商和用户负荷都是有利的。而且,优化模型的优化目标为配电网的供电成本最小,这使得配电网的运行效益大大增加。另外,优化模型的控制变量为配网可控型分布式电源的输出功率、微电网入口的交互功率和配电网从上级电网购电功率,没有涉及到微电网内部为数众多的分布式电源,减小了计算的复杂度。
不难理解的是,微电网通过微电网PCC(Point of Common Coupling,公共耦合点)开关与配电网连接,这里的微电网入口交互功率是指微电网PCC开关入口的交换功率
下面具体实例说明不平衡电量的计算过程:
采用多时间尺度的微网可再生能源电源发电功率和负荷滑窗预测机制,根据当前调度周期预测下一调度周期内多个时刻处的微网总可再生能源电源发电功率和总负荷功率。例如下一调度周期内的1分钟、4分钟、7分钟、13分钟、20分钟处的总微网总可再生能源电源发电功率和总负荷功率。
对于其中每一时刻处的不平衡功率:
ΔP=PΣgt-PΣld
其中,ΔP为对应时刻处的不平衡功率,PΣgt为对应时刻处微网总可再生能源电源发电功率,PΣld为对应时刻处的总负荷功率。
对于下一调度周期内多个时刻处的不平衡功率形成的集合为:
Gt={ΔP1 ΔP2 …ΔPt … ΔPM}
M表示将调度周期T时段划分的间隔数,调度周期内不平衡功率持续时间的变化曲线如图3所示。
当不平衡功率大于0的部分与横轴时间的积分即x轴上方的阴影面积为A1,A1代表微电网总可再生能源电源发电相对负荷过剩量。当不平衡功率小于0的部分与横轴部分的积分即x轴下方的阴影面积的负值A2,A2代表微电网总可再生能源电源发电相对负荷不足量。A1和A2计算公式如下。
则不平衡电量为:ΔE=A1+A2。
在具体实施中,当步骤S1中计算得到的所述不平衡电量大于0时,可以根据以下公式确定所述的微电网的最大输出功率:
其中,Pout为所述的微电网的最大输出功率,EBs为所述微电网的储能单元中已储存空间电量,ΔE为所述不平衡电量,T为调度周期,为所述微电网中第j台可控微电源的额定容量。
在具体实施时,当步骤S1中计算得到的所述不平衡电量大于0时,可以根据以下公式确定所述的微电网的最大输入功率:
其中,Pin为所述的微电网的最大输入功率,EBe为所述微电网的储能单元中未储存空间电量。
在具体实施时,当步骤S1中计算得到的所述不平衡电量小于0时,可以根据以下公式确定所述的微电网的最大输出功率:
其中,Pout为所述的微电网的最大输出功率,EBs为所述微电网的储能单元中已储存空间电量,ΔE为所述不平衡电量,T为调度周期,为所述微电网中第j台可控微电源的额定容量。
在具体实施时,当步骤S1中计算得到的所述不平衡电量小于0时,可以根据以下公式确定所述的微电网的最大输入功率:中
其中,Pin为所述的微电网的最大输入功率,EBe为所述微电网的储能单元中未储存空间电量。
在具体实施时,可以采用下式计算所述已储存空间电量EBs和所述未储存空间电量EBe:
其中,EBmin为所述储能单元中允许储能电量的下限值,EBmax为所述储能单元中允许储能电量的上限值,EBr为所述储能单元的额定容量,Soct为当前时刻所述储能单元的储能荷电状态,即储能单元的剩余电量与容量之比。
在具体实施时,步骤S3建立的优化模型为:
其中,J1为配电网的最小供应成本,PMGi为配电网与配电网中第i个微电网之间的交互功率,PDGi为第i个配网可控型分布式电源的输出功率,Pgrd为配电网从上级电网购电功率,Cdgi为第i个配网可控型分布式电源的发电成本,CB为配电网从上级电网购电的电价;当PMGi≥0时,Cmgi为配电网从第i个微电网购电的电价,PMGi≤0时,Cmgi为配电网向第i个微电网的馈电的电价,;
优化模型的约束条件为:
①配电网内的功率平衡约束条件
该约束条件中的PLoad为负荷功率;Ploss为网损,PUCi为第i个配网可再生能源电源的发电功率。
②配电网内各微电网的交互功率约束条件
-Pin-i<PMGi<Pout-i
该条件中,Pout为微电网的最大输出功率,Pin为微电网的最大输入功率,以此两个指标作为各微电网的交互功率的上下限值。
③配电网从上级电网购电功率约束
0≤Pgrd≤Pgrd_max
该条件中,Pgrd_max为配电网从上级电网购电功率的上限。
④配电网可控型分布式电源的输出功率约束
PDGi_min≤PDGi≤PDGi_max
该条件中,PDGi_max和PDGi_min分别为配网可控型分布式电源发电功率上、下限。
尽管优化模型的复杂度减小,但仍然有一定的难度,因此可以采用最小费用最大流网流模型求解方法进行计算,其具体过程为:
S41、建立表征所述配电网中功率流向的有向拓扑网络,该有向拓扑网络中包括沿功率流向设置的1个第一虚拟节点、n+m+2个功率输出节点、n+1个功率输入节点和1个第二虚拟节点,其中:
n为所述配电网中微电网的数量,m为所述配网可控型分布式电源的数量;
n+m+2个功率输出节点包括1个配网可再生能源的功率输出和节点、n个微电网的功率输出节点、m个配网可控型分布式电源的功率输出节点和1个配电网从上级电网购电功率输出节点,n+m+2个所述功率输出节点分别与所述第一虚拟节点连接;
n+1个所述功率输入节点包括n个微电网的功率输入节点、1个负荷和网损的功率输入节点,n+1个所述功率输入节点分别与所述第二虚拟节点连接;
所述的配网可再生能源电源的功率输出和节点、所述的配网可控型分布式电源的功率输出节点和所述的配电网从上级电网购电功率输出节点中的每一功率输出节点分别与n+1个所述功率输入节点中的每一功率输入节点连接,每一微电网的功率输出节点与除了相应微电网的功率输入节点之外的其他n个功率输入节点中的每一功率输入节点连接;
每两相连节点之间的有向线段为一连接弧;
S42、以每一连接弧的功率流量为优化变量,以所有连接弧上的功率流量之和最大且所有连接弧上的功率流量所产生的费用之和最小为优化目标,建立目标函数;
所述目标函数的约束条件是每一连接弧的功率流量大于0且小于相应连接弧的功率容量、每一功率输出节点或功率输入节点的功率流入量和功率流出量之差为0、及第一虚拟节点的功率流出量和第二虚拟节点的功率流入量均为所有连接弧上的功率流量之和;
每一微电网的功率输出节点与所述的负荷和网损的功率输入节点之间的连接弧的功率容量为相应微电网的最大输出功率;每一微电网的功率输入节点与所述第二虚拟节点之间的连接弧的功率容量为相应微电网的最大输入功率;
S43、根据所述目标函数和所述约束条件,计算每一所述连接弧的功率流量的最优解;
S44、根据所述连接弧的功率流量的最优解,计算配网可控型分布式电源的输出功率的最优值、微电网入口的交互功率的最优值和配电网从上级电网购电功率的最优值;
下面以一具体实例对本发明建立的有向拓扑网络进行说明:
首先对涉及到的一些集合进行定义:b为有向拓扑网络中的各节点组成的节点集合,a为该有向拓扑网络中各连接弧形成的连接弧集合,C为有向拓扑网络中每一连接弧上的功率容量组成的集合,K为有向拓扑网络中每一连接弧上的单位功率流量费用组成的集合,F为有向拓扑网络中每一连接弧上的功率流量组成的集合。节点i、j∈b,连接弧aij∈a,fij为连接弧aij上的功率流量,cij为连接弧aij的功率容量,kij为连接弧aij上单位功率流量的费用。
图2为建立的有向拓扑网络,根据网络图理论,将发电设为网流始发点,用电为网流收点,所以配网可再生能源电源和配网可控型分布式电源以及配电网从上级电网购电功率单元仅作为能量发点,而负荷和网损仅作为能量收点。
图2中,每条连接弧上的括号内的第一个值为该连接弧上单位功率流量的费用,第二个值为该连接弧的功率容量。每一微电网的最大输出功率为Pout-i,微电网的最大输入功率为Pin-i,在图2中第i个微电网的最大输出是用表示的,第i个微电网的最大输入功率是用表示的。
从图2中,可以看出,节点分为三类,第一类是虚拟节点(s、t),第二类是功率输出节点(1个配网可再生能源电源的功率输出和节点vsource、n个微电网的功率输出节点vPCCi+、m个配网可控型分布式电源的功率输出节点vkki和1个配电网从上级电网购电功率输出节点vgrd),第三类是功率输入节点(n个微电网的功率输入节点vPCCi-、1个负荷和网损的功率输入节点vload+loss)。各连接弧上单位流量费用系数需要最大限度的满足负荷需求,所以与vsource、vload+loss节点相关的弧的费用Ksource、Kload+loss设为0;vPCCi+、vPCCi-节点相关的弧的费用KPCCi+、KPCCi-跟据各微电网的协议购售电价格而定;与vkki节点相关的弧的费用Kkki设为各配网可控型分布式电源发电成本价格;与vgrd节点相关的弧的费用Kgrd设为配电网从上级电网购电的电价。
具体实施时,各个连接弧的功率容量可以为:
n+m+2个所述功率输出节点中任一功率输出节点与所述第一虚拟节点之间的连接弧的功率容量为无穷大;和/或
所述的负荷和网损的功率输入节点和n个微电网的功率输入节点中任一功率输入节点与所述的配网可再生能源电源的功率输出和节点之间的连接弧的功率容量为所述所有配网可再生能源电源的预测输出功率的和Psource;和/或
所述的负荷和网损的功率输入节点和n个微电网的功率输入节点中任一功率输入节点与所述的配网可控型分布式电源的功率输出节点之间的连接弧的功率容量为所述配网可控型分布式电源的最大输出功率Pkki;和/或
所述的负荷和网损的功率输入节点和n个微电网的功率输入节点中任一功率输入节点与所述的配电网从上级电网购电功率输出节点之间的连接弧的功率容量为配电网从上级电网购电功率的最大值Pgrd;和/或
所述的负荷和网损的功率输入节点与所述第二虚拟节点之间的连接弧的功率容量为负荷和网损的最大输入功率Pload+loss。
根据有向拓扑图所建立的目标函数可为:
v(f)为所有连接弧上的功率流量之和,f*为所有连接弧上的功率流量之和的最大值,fij为第i个节点和第j个节点之间的连接弧上的功率流量,kij为第i个节点和第j个节点之间的连接弧的单位功率流量的费用,z为所有连接弧上的功率流量所产生的费用之和的最小值,a为有向拓扑网络所有连接弧形成的集合,aij为该集合中第i个节点和第j个节点之间的连接弧;
所述目标函数的约束条件为:
0≤fij≤cij
cij为第i个节点和第j个节点之间的连接弧上的功率容量,s为第一虚拟节点,t为第二虚拟节点,为第k个节点与第i个节点之间连接弧的功率流量之和,k小于i,为第i个节点与第j个节点之间连接弧的功率流量之和,i小于j。
采用有向拓扑网络的方式展现配电网中功率的流向。功率的流向涉及到功率输出节点、功率输入节点,另外考虑到拓扑图的完整等因素,还设置了两个虚拟节点。根据功率流向可知,第一虚拟节点为一个虚拟的发射节点,第二虚拟节点为一个虚拟的收集节点。从拓扑图中可以直观的看出功率的流向,便于后续的分析计算工作。
而且,以所有连接弧上的功率流量之和最大且所有连接弧上的功率流量所产生的费用之和最小为优化目标建立目标函数,求解每一连接弧的功率流量的最优解。根据优化目标可知得到的最优解满足配电网的供电成本最低、供电流量最大,使得配电网的运行效益最大化。
在本发明中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。术语“多个”指两个或两个以上,除非另有明确的限定。
虽然结合附图描述了本发明的实施方式,但是本领域技术人员可以在不脱离本发明的精神和范围的情况下做出各种修改和变型,这样的修改和变型均落入由所附权利要求所限定的范围之内。
Claims (8)
1.一种含微电网的配电网优化调度方法,其特征在于,包括:
S1、计算每一所述微电网的不平衡电量,其中:
所述不平衡电量为调度周期内不平衡功率与时间的积分,所述不平衡功率为相应微电网中总可再生能源电源的发电功率与总负荷功率之间的差值;
S2、根据每一所述不平衡电量计算相应微电网的最大输出功率和相应微电网的最大输入功率;
S3、建立一优化模型,该优化模型的控制变量为每一配网可控型分布式电源的输出功率、每一微电网入口的交互功率和配电网从上级电网购电功率,该优化模型的优化目标为所述配电网供电成本最小,该优化模型的约束条件包括:每一微电网入口的交互功率的上限值为相应微电网的最大输出功率,且微电网入口的交互功率的下限值为相应微电网的最大输入功率的负值;
S4、根据所述优化模型计算所述控制变量的最优解,并根据所述最优解对所述配电网进行调度;
其中,所述步骤S4中采用以下方法计算所述控制变量的最优解:
S41、建立表征配电网中功率流向的有向拓扑网络,该有向拓扑网络中包括沿功率流向设置的1个第一虚拟节点、n+m+2个功率输出节点、n+1个功率输入节点和1个第二虚拟节点,其中:
n为所述配电网中微电网的数量,m为所述配网可控型分布式电源的数量;
n+m+2个所述功率输出节点包括1个配网可再生能源电源的功率输出和节点、n个微电网的功率输出节点、m个配网可控型分布式电源的功率输出节点和1个配电网从上级电网购电功率输出节点,n+m+2个所述功率输出节点分别与所述第一虚拟节点连接;
n+1个所述功率输入节点包括n个微电网的功率输入节点和1个负荷和网损的功率输入节点,n+1个所述功率输入节点分别与所述第二虚拟节点连接;
所述的配网可再生能源电源的功率输出和节点、所述的配网可控型分布式电源的功率输出节点和所述的配电网从上级电网购电功率输出节点中的每一功率输出节点分别与n+1个所述功率输入节点中的每一功率输入节点连接,每一微电网的功率输出节点与除了相应微电网的功率输入节点之外的其他n个功率输入节点中的每一功率输入节点连接;
每两相连节点之间的有向线段为一连接弧;
S42、以每一连接弧的功率流量为优化变量,以所有连接弧上的功率流量之和最大且所有连接弧上的功率流量所产生的费用之和最小为优化目标,建立目标函数;
所述目标函数的约束条件是每一连接弧的功率流量大于0且小于相应连接弧的功率容量、每一功率输出节点或功率输入节点的功率流入量和功率流出量之差为0、及第一虚拟节点的功率流出量和第二虚拟节点的功率流入量均为所有连接弧上的功率流量之和;
每一微电网的功率输出节点与所述的负荷和网损的功率输入节点之间的连接弧的功率容量为相应微电网的最大输出功率;每一微电网的功率输入节点与所述第二虚拟节点之间的连接弧的功率容量为相应微电网的最大输入功率;
S43、根据所述目标函数和所述约束条件,计算每一所述连接弧的功率流量的最优解;
S44、根据所述连接弧的功率流量的最优解,计算配网可控型分布式电源的输出功率的最优值、微电网入口的交互功率的最优值和配电网从上级电网购电功率的最优值。
2.根据权利要求1所述的方法,其特征在于,当步骤S1中计算得到的所述不平衡电量大于0时,根据以下公式确定每一微电网的最大输出功率:
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>o</mi>
<mi>u</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>E</mi>
<mrow>
<mi>B</mi>
<mi>s</mi>
</mrow>
</msub>
<mi>T</mi>
</mfrac>
<mo>+</mo>
<mfrac>
<mrow>
<mi>&Delta;</mi>
<mi>E</mi>
</mrow>
<mi>T</mi>
</mfrac>
<mo>+</mo>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<msub>
<mi>P</mi>
<mrow>
<msub>
<mi>Sn</mi>
<mi>j</mi>
</msub>
</mrow>
</msub>
</mrow>
其中,Pout为所述的微电网的最大输出功率,EBs为所述微电网的储能单元中已储存空间电量,ΔE为所述不平衡电量,T为调度周期,为所述微电网中第j台可控微电源的额定容量。
3.根据权利要求2所述的方法,其特征在于,当步骤S1中计算得到的所述不平衡电量大于0时,根据以下公式确定每一微电网的最大输入功率:
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mfrac>
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>B</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>-</mo>
<mi>&Delta;</mi>
<mi>E</mi>
</mrow>
<mi>T</mi>
</mfrac>
</mtd>
<mtd>
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>B</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<mi>&Delta;</mi>
<mi>E</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>B</mi>
<mi>s</mi>
</mrow>
</msub>
<mo><</mo>
<mi>&Delta;</mi>
<mi>E</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,Pin为所述的微电网的最大输入功率,EBe为所述微电网的储能单元中未储存空间电量。
4.根据权利要求1所述的方法,其特征在于,当步骤S1中计算得到的所述不平衡电量小于0时,根据以下公式确定每一微电网的最大输出功率:
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>o</mi>
<mi>u</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mfrac>
<msub>
<mi>E</mi>
<mrow>
<mi>B</mi>
<mi>s</mi>
</mrow>
</msub>
<mi>T</mi>
</mfrac>
<mo>-</mo>
<mfrac>
<mrow>
<mo>|</mo>
<mi>&Delta;</mi>
<mi>E</mi>
<mo>|</mo>
</mrow>
<mi>T</mi>
</mfrac>
<mo>+</mo>
<munder>
<mo>&Sigma;</mo>
<mi>j</mi>
</munder>
<msub>
<mi>P</mi>
<mrow>
<msub>
<mi>Sn</mi>
<mi>j</mi>
</msub>
</mrow>
</msub>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>B</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<mo>|</mo>
<mi>&Delta;</mi>
<mi>E</mi>
<mo>|</mo>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>B</mi>
<mi>s</mi>
</mrow>
</msub>
<mo><</mo>
<mo>|</mo>
<mi>&Delta;</mi>
<mi>E</mi>
<mo>|</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中,Pout为所述的微电网的最大输出功率,EBs为所述微电网的储能单元中已储存空间电量,ΔE为所述不平衡电量,T为调度周期,为所述微电网中第j台可控微电源的额定容量。
5.根据权利要求4所述的方法,其特征在于,当步骤S1中计算得到的所述不平衡电量小于0时,根据以下公式确定每一微电网的最大输入功率:
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>B</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>+</mo>
<mo>|</mo>
<mi>&Delta;</mi>
<mi>E</mi>
<mo>|</mo>
</mrow>
<mi>T</mi>
</mfrac>
</mrow>
其中,Pin为所述的微电网的最大输入功率,EBe为所述微电网的储能单元中未储存空间电量。
6.根据权利要求3或5所述的方法,其特征在于,采用下式计算所述已储存空间电量EBs和所述未储存空间电量EBe:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>B</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>Soc</mi>
<mi>t</mi>
</msub>
<msub>
<mi>E</mi>
<mrow>
<mi>B</mi>
<mi>r</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>E</mi>
<mrow>
<mi>B</mi>
<mi>min</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>B</mi>
<mi>e</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>E</mi>
<mrow>
<mi>B</mi>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>Soc</mi>
<mi>t</mi>
</msub>
<msub>
<mi>E</mi>
<mrow>
<mi>B</mi>
<mi>r</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,EBmin为所述储能单元中允许储能电量的下限值,EBmax为所述储能单元中允许储能电量的上限值,EBr为所述储能单元的额定容量,Soct为当前时刻所述储能单元的荷电状态,即储能单元剩余电量与容量之比。
7.根据权利要求1所述的方法,其特征在于,所述优化模型为:
<mrow>
<msub>
<mi>J</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mi>min</mi>
<mrow>
<mo>(</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>D</mi>
<mi>G</mi>
</mrow>
</munder>
<msub>
<mi>C</mi>
<mrow>
<mi>d</mi>
<mi>g</mi>
<mi>i</mi>
</mrow>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>D</mi>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>M</mi>
<mi>G</mi>
</mrow>
</munder>
<msub>
<mi>C</mi>
<mrow>
<mi>m</mi>
<mi>g</mi>
<mi>i</mi>
</mrow>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>M</mi>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>C</mi>
<mi>B</mi>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>g</mi>
<mi>r</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中,J1为配电网的最小供应成本,PMGi为配电网与配电网中第i个微电网之间的交互功率,PDGi为第i个配网可控型分布式电源的输出功率,Pgrd为配电网从上级电网购电功率,Cdgi为第i个配网可控型分布式电源的发电成本,CB为配电网从上级电网购电的电价;当PMGi≥0时,Cmgi为配电网从第i个微电网购电的电价,PMGi≤0时,Cmgi为配电网向第i个微电网的馈电的电价;
所述优化模型的约束条件为:
<mrow>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>D</mi>
<mi>G</mi>
</mrow>
</munder>
<msub>
<mi>P</mi>
<mrow>
<mi>D</mi>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>M</mi>
<mi>G</mi>
</mrow>
</munder>
<msub>
<mi>P</mi>
<mrow>
<mi>M</mi>
<mi>G</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>g</mi>
<mi>r</mi>
<mi>d</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>L</mi>
<mi>O</mi>
<mi>A</mi>
<mi>D</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>l</mi>
<mi>o</mi>
<mi>s</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>-</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>U</mi>
<mi>C</mi>
</mrow>
</munder>
<msub>
<mi>P</mi>
<mrow>
<mi>U</mi>
<mi>C</mi>
<mi>i</mi>
</mrow>
</msub>
</mrow>
-Pin-i<PMGi<Pout-i
0≤Pgrd≤Pgrd_max
PDGi_min≤PDGi≤PDGi_max
其中,PLoad为负荷功率,Ploss为网损,PUCi为第i个配网可再生能源电源的预测发电功率,Pout为第i个微电网的最大输出功率,Pin为第i个微电网的最大输入功率,Pgrd_max为配电网从上级电网购电功率的上限,PDGi_max为第i个配网可控型分布式电源发电功率的上限,PDGi_min为第i个配网可控型分布式电源发电功率的下限。
8.根据权利要求1所述的方法,其特征在于,
n+m+2个所述功率输出节点中任一功率输出节点与所述第一虚拟节点之间的连接弧的功率容量为无穷大;和/或
所述的负荷和网损的功率输入节点和n个微电网的功率输入节点中任一功率输入节点与配网可再生能源电源的功率输出和节点之间的连接弧的功率容量为所有配网可再生能源电源的预测输出功率的和;和/或
所述的负荷和网损的功率输入节点和n个微电网的功率输入节点中任一功率输入节点与所述的配网可控型分布式电源的功率输出节点之间的连接弧的功率容量为所述配网可控型分布式电源的最大输出功率;和/或
所述的负荷和网损的功率输入节点和n个微电网的功率输入节点中任一功率输入节点与所述的配电网从上级电网购电功率输出节点之间的连接弧的功率容量为配电网从上级电网购电功率的最大值;和/或
所述的负荷和网损的功率输入节点与所述第二虚拟节点之间的连接弧的功率容量为负荷和网损的最大输入功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510845661.9A CN105391060B (zh) | 2015-11-26 | 2015-11-26 | 含微电网的配电网优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510845661.9A CN105391060B (zh) | 2015-11-26 | 2015-11-26 | 含微电网的配电网优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105391060A CN105391060A (zh) | 2016-03-09 |
CN105391060B true CN105391060B (zh) | 2017-11-17 |
Family
ID=55423025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510845661.9A Active CN105391060B (zh) | 2015-11-26 | 2015-11-26 | 含微电网的配电网优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105391060B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106026169B (zh) * | 2016-06-28 | 2018-06-12 | 南京邮电大学 | 一种基于多微电网并入配电网的分解协调优化方法 |
CN109687441A (zh) * | 2018-12-27 | 2019-04-26 | 广州穗华能源科技有限公司 | 一种基于场景分解-协调的独立微电网灵活性资源容量配置方法 |
CN112290601B (zh) * | 2020-10-27 | 2022-06-07 | 国网山东省电力公司电力科学研究院 | 一种柔性互联交直流配电系统优化调度方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102510080A (zh) * | 2011-11-09 | 2012-06-20 | 南方电网科学研究院有限责任公司 | 一种微电网中储能系统的调度方法 |
CN103997062A (zh) * | 2014-05-28 | 2014-08-20 | 天津大学 | 一种微网能量管理控制方法 |
CN104124681A (zh) * | 2014-07-01 | 2014-10-29 | 杨明皓 | 一种微电网供电潜在调节能力参数的计算方法 |
CN104578160A (zh) * | 2015-01-14 | 2015-04-29 | 天津大学 | 一种微网能量控制方法 |
-
2015
- 2015-11-26 CN CN201510845661.9A patent/CN105391060B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102510080A (zh) * | 2011-11-09 | 2012-06-20 | 南方电网科学研究院有限责任公司 | 一种微电网中储能系统的调度方法 |
CN103997062A (zh) * | 2014-05-28 | 2014-08-20 | 天津大学 | 一种微网能量管理控制方法 |
CN104124681A (zh) * | 2014-07-01 | 2014-10-29 | 杨明皓 | 一种微电网供电潜在调节能力参数的计算方法 |
CN104578160A (zh) * | 2015-01-14 | 2015-04-29 | 天津大学 | 一种微网能量控制方法 |
Non-Patent Citations (1)
Title |
---|
基于储能水平控制的微电网能量优化调度;牛焕娜 等;《农业工程学报》;20140531;第30卷(第10期);第1-3节 * |
Also Published As
Publication number | Publication date |
---|---|
CN105391060A (zh) | 2016-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Correa-Florez et al. | Optimal participation of residential aggregators in energy and local flexibility markets | |
Hoarau et al. | Interactions between electric mobility and photovoltaic generation: A review | |
Wei et al. | Robust operation of distribution networks coupled with urban transportation infrastructures | |
Yang et al. | Computational scheduling methods for integrating plug-in electric vehicles with power systems: A review | |
Hajforoosh et al. | Real-time charging coordination of plug-in electric vehicles based on hybrid fuzzy discrete particle swarm optimization | |
Ou et al. | Investigating wireless charging and mobility of electric vehicles on electricity market | |
Jindal et al. | Internet of energy-based demand response management scheme for smart homes and PHEVs using SVM | |
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 | |
US20190199129A1 (en) | Aggregation system, control method thereof, and control apparatus | |
Shafie-Khah et al. | Economic and technical aspects of plug-in electric vehicles in electricity markets | |
CN107392395A (zh) | 一种基于价格激励机制的配电网和微电网协调优化方法 | |
WO2014119153A1 (ja) | エネルギー管理システム、エネルギー管理方法、プログラムおよびサーバ | |
CN109740786A (zh) | 一种多端柔性互联配电网规划方法及系统 | |
CN111079971A (zh) | 一种考虑车、站、网三方的充电站定价方法 | |
CN108494034A (zh) | 一种配电网电动汽车充电负荷分配计算方法 | |
CN112183882B (zh) | 一种基于电动汽车快充需求的智慧充电站充电优化方法 | |
CN105391060B (zh) | 含微电网的配电网优化调度方法 | |
Appino et al. | Reliable dispatch of renewable generation via charging of time-varying PEV populations | |
CN110065410A (zh) | 一种基于模糊控制的电动汽车充放电率控制方法 | |
CN110503309A (zh) | 基于主动需求响应的电动汽车充电调度方法 | |
CN113904380A (zh) | 一种考虑需求响应的虚拟电厂可调节资源精准控制方法 | |
Arab et al. | Suitable various-goal energy management system for smart home based on photovoltaic generator and electric vehicles | |
Yang et al. | Enhancing utilization of PV energy in building microgrids via autonomous demand response | |
Park et al. | Prosumer energy management considering contract with consumers under progressive pricing policy | |
CN104484757A (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 |
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 |