CN106058855A - 协调储能与柔性负荷的主动配电网多目标优化调度方法 - Google Patents
协调储能与柔性负荷的主动配电网多目标优化调度方法 Download PDFInfo
- Publication number
- CN106058855A CN106058855A CN201610430802.5A CN201610430802A CN106058855A CN 106058855 A CN106058855 A CN 106058855A CN 201610430802 A CN201610430802 A CN 201610430802A CN 106058855 A CN106058855 A CN 106058855A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- formula
- energy
- load
- flexible load
- 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.)
- Pending
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005457 optimization Methods 0.000 title claims abstract description 30
- 238000004146 energy storage Methods 0.000 claims abstract description 97
- 239000002245 particle Substances 0.000 claims abstract description 32
- 238000010248 power generation Methods 0.000 claims abstract description 18
- 230000009467 reduction Effects 0.000 claims description 30
- 230000005611 electricity Effects 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 25
- 230000001172 regenerating effect Effects 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 208000011597 CGF1 Diseases 0.000 claims description 3
- 230000019771 cognition Effects 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000004321 preservation Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000004039 social cognition Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims 1
- 238000005303 weighing Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000003247 decreasing effect Effects 0.000 abstract 1
- 238000004088 simulation Methods 0.000 abstract 1
- 240000002853 Nelumbo nucifera Species 0.000 description 5
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 5
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 5
- 230000006872 improvement Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000010271 massa medicata fermentata Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000010845 search algorithm Methods 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
-
- H02J3/005—
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- H02J3/383—
-
- H02J3/386—
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种协调储能与柔性负荷的主动配电网多目标优化调度方法,在主动配电网的优化调度中,考虑储能和柔性负荷的时空联系与网络潮流的影响,构建了以可再生能源利用率最大、网络损耗最小和用户满意度最高为目标的主动配电网优化调度模型。提出层次分析法‑熵权法计算各子目标权重系数,并采用含非线性递减惯性权重的粒子群优化算法求解所建模型,同时通过设定可控分布式发电单元、储能系统及柔性负荷的调度优先级量化主动配电网各单元问的协调作用,最后进行了算例分析,仿真结果表明储能和柔性负荷的协调优化会增加可再生分布式发电的利用率,所提的调度优先级有效减小了网络有功损耗,提高了用户满意度,从而验证了这种优化方案的合理性。
Description
技术领域
本发明涉及一种储能参与主动配电网运行的调节方法,具体涉及一种协调储能与柔性负荷的主动配电网多目标优化调度方法。
背景技术
伴随着能源危机和环境污染的双重挑战,可再生分布式发电技术日益成熟,其接入电网的容量逐渐增大,传统电网面临功率倒送的危险,为了更好的就地消纳可再生能源,主动配电网技术应运而生。主动配电网的运行调度是对分布式电源、储能及柔性负荷等进行主动控制,实现能量的最优管理。因此,研究主动配电网的调度优化问题有利于提高可再生能源的利用率,减小电能损耗,达到节能降耗的目标。
主动配电网的运行调度与传统电网不同,不仅要在空间维度上,通过调整联络线开关,改变网络的空间拓扑,对能量进行优化调度,同时也要在时间维度上,利用储能系统、柔性负荷的时间转移特性,对能量进行跨时调度。对于目标函数,主动配电网侧重于整个调度周期的优化,在约束条件方面,主动配电网还需要考虑储能的荷电状态及柔性负荷额定容量和最小传输功率的限制。传统的主动配电网优化调度模型,未考虑储能装置的运行损耗及储能装置状态切换的折损费用、负荷端对于能量调度的作用以及储能装置和柔性负荷的协调作用。
发明内容
本发明的发明目的是解决上述问题,提供一种协调储能与柔性负荷的主动配电网多目标优化调度方法,有助于建立环境、用户友好型电网。
为解决上述技术问题,本发明的实施例提供一种协调储能与柔性负荷的主动配电网多目标优化调度方法,包括如下步骤:
(1)设定储能系统和柔性负荷的调度优先级准则,目标包括提高可再生能源利用率、减小网络损耗和提高用户满意度;
(2)综合考虑可再生能源利用率、网络损耗及用户满意度,构造协调调度的目标函数;
(3)优化调度过程中综合考虑整个调度周期内的约束条件,包括潮流方程约束、节点电压约束、储能装置的荷电状态限制、以及柔性负荷的功率限制;
(4)利用粒子群优化算法求解方程。
其中,步骤(1)中,设定储能系统和柔性负荷的调度优先级的准则,达到下述3方面的目标:
(1-1)提高可再生能源利用率:风力发电与光伏发电是根据最大功率原则设定,某一时间段的出力取决于这一时间段的风能和太阳能大小,根据这一特性,合理调度储能与柔性负荷来平移负荷曲线,提高负荷曲线与可再生发电单元出力的紧密度,实现可再生能源的最大消纳;
(1-2)减小网络损耗:储能系统与柔性负荷主动参与需求与电价的实时响应,考虑储能装置状态转换时存在能量损耗及其充放电效率,为减小电能损耗,设定对于整个调度周期,柔性负荷调度优先级高于储能系统;
(1-3)提高用户满意度:用户满意度定义为用电设备达到正常工况的时间与其总用电时间的百分比。
进一步,提高可再生能源利用率时,将风电出力与光伏出力作为离散控制变量,规定一天作为一个完整的调度周期,分为96个时间段,用一个调度周期内可再生能源的发电比例衡量可再生能源的利用率,二者之间呈正相关,可再生能源的发电比例如下:
式中:分别为风力发电、光伏发电、可控分布式发电在第k个时间段的出力;
可再生能源的发电比例AR越高,可再生能源利用率越高。
进一步,减小网络损耗时,,在网络运行过程中,总损耗的表达式如下:
式中:PL·Lo表示输电线路损耗;EN为配电网中储能装置个数;SEs表示储能某一时间段与上一时间段相比的状态变化量纲,为0或者1;ΔPE·Lo·i表示第i个储能装置在状态切换时产生的损耗,一般为额定容量的0.5%;ξin·i、ξout·i表示第i个储能装置的充放电效率;表示第i个储能在第k个时间段的充、放电功率,对于每一个时间段来说,二者至少有一个是0。
进一步,提高客户满意度时,将参与调度的柔性负荷分为可平移负荷和可削减负荷,仅考虑这2种负荷对用户满意度的影响,将用户满意度表示如下:
式中:μ1、μ2分别代表可平移负荷与可削减负荷的影响因子,μ1<μ2;N、M表示可平移、可削减负荷种类数;Tdn表示第n种可平移负荷的平移时间;T1an表示第n种可平移负荷总的用电时间;Tcm表示第m种可削减负荷的削减时间;T2am表示第m种可削减负荷总的用电时间;
S越大,用户满意度越高,可削减负荷削减时间过长及可转移负荷转移时间跨度过大会降低用户满意度,考虑这2种情况对用户满意度影响程度的不同,设定在用电低谷期,可转移负荷调度优先级高于可削减优先级。
其中,步骤(2)中,所述目标函数如下:
F=min[f1(AR),f2(PLoss),f3(S)] 式(4),
式中:AR是可再生能源的发电比例;PLoss是网络运行过程中的总损耗;S是用户满意度。
其中,步骤(2)中,利用层次分析法并结合熵权法确定各子目标所占目标函数的综合权重为:
式中:λSy-i、λAHP-i、λEM-i分别为第i个子目标所占目标函数的综合权重、层次分析法权重、熵权法权重;
确定各子目标所占目标函数的综合权重,同时对各子目标函数的量纲进行统一,可将目标函数表达式归纳成:
式中:λSy-i、λAHP-i、λEM-i是各子目标函数的权重系数,且满足λSy-1+λSy-2+λSy-3=1;AR是可再生能源的发电比例;PLoss是网络运行过程中的总损耗;Pg是一个完整调度周期中发电单元的总发电量;S是用户满意度。
其中,步骤(3)中,整个调度周期内需要考虑的约束条件包括潮流方程约束、节点电压约束、柔性负荷的功率限制、以及储能装置的荷电状态限制,具体如下:
(3-1)潮流方程及发电机出力约束:
∑PG(t)=∑[Pl(t)-Plx(t)+Pd(t)+PESS(t)] 式(7),
式中:PG(t)是发电单元的有功出力;Pl(t)为网络的有功损耗;Plx(t)是可削减负荷的削减功率;Pd(t)为负荷用电功率;PESS(t)为储能的充放电功率,充电为正,放电为负;
式中:PKF-k是第k个可控分布式发电单元的有功出力,需满足其上下限约束;
(3-2)节点电压约束:
Uimin≤Ui≤Uimax 式(9),
式中:Uimin和Uimax分别为节点i电压幅值的上下限;
(3-3)柔性负荷的功率限制:
Pcjmin≤Pcj 式(10),
式中:Pcj为第j个可削减负荷的有功出力;
(3-4)储能装置的荷电状态限制:
式中:PESS-n为第n个储能装置的充放电功率;
SOCnmin≤SOCn≤SOCnmax 式(12),
式中:SOCn为第n个储能装置的荷电状态,一般设定其荷电范围为5%~95%;
EESS-n(0)=EESS-n(96) 式(13),
式中:EESS-n(0)为储能装置储备的初始能量;EESS-n(96)为调度周期结束时储能的剩余能量,在整个调度周期中,要保证储能装置的能量守恒。
其中,步骤(4)中,所述粒子群优化算法在迭代过程中引入二次非线性递减惯性权重,其更新方程为:
式中:Vid为粒子的速度;k为当前迭代数;ω为惯性权重系数,表示粒子保持原来速度的系数;c1、c2为粒子的学习因子,分别为自我认知及社会认知,Pid为第i个粒子自身搜索到的历史最优值;Xid为粒子的当前位置;r1、r2均为[0,1]区间内的随机数;Pgd为所有粒子当前搜索到的最优解;ωstart为初始惯性权重;ωend为迭代至最大次数时的惯性权重;Tmax为最大迭代次数。
其中,步骤(4)中,借助matlab或其他计算软件求解方程。
本发明的上述技术方案的有益效果如下:本发明提供的协调储能与柔性负荷的主动配电网多目标优化调度方法,相较于传统方法,这种综合优化模型更具有现实意义,有助于建立环境、用户友好型电网。
附图说明
图1为本发明实施例中优化调度流程图;
图2为本发明实施例中11节点算力系统图;
图3为本发明实施例中改进的粒子群优化算法流程图;
图4为风电、光伏日处理目标曲线;
图5优化后配电网各发电单元出力与日负荷曲线。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
本发明提供一种协调储能与柔性负荷的主动配电网多目标优化调度方法,如图1所示,包括如下步骤:
(1)设定储能系统和柔性负荷的调度优先级准则,目标是提高可再生能源利用率、减小网络损耗和提高用户满意度;
(2)综合考虑可再生能源利用率、网络损耗及用户满意度,构造协调调度的目标函数;
(3)优化调度过程中综合考虑整个调度周期内的约束条件,包括潮流方程约束、节点电压约束、储能装置的荷电状态限制、以及柔性负荷的功率限制;
(4)利用粒子群优化算法求解方程。
具体实施过程如下:
为了更多的消纳可再生分布式能源,在主动配电网的优化调度中,考虑储能和柔性负荷的时空联系与网络潮流的影响,构建了以可再生能源利用率最大、网络损耗最小和用户满意度最高为目标的主动配电网优化调度模型。本实施例以11节点配电网络作为研究主动配电网优化调度策略的算例,利用粒子群优化算法进行求解,从而验证本发明调度策略的有效性。11节点配电网络为10kV电压等级配电网,包含2组蓄电池储能,最大功率均为0.4MW,容量为800kW·h初始荷电状态为50%;一个风力发电场,出力极限为1MW;一个光伏电站,最大出力为0.5MW。网络中阻抗参数及负荷位置如图2所示,L1-L5为负荷所在位置,每个负荷均包含固定负荷、可平移负荷及可削减负荷。
(1)设定储能系统和柔性负荷的调度优先级
通过协调可控分布式发电单元、储能系统及柔性负荷,能够提高网络对间歇性能源的消纳能力,同时,也会对网络损耗及用户用电习惯产生一定的影响。因此,本发明对储能系统及柔性负荷设定了一种调度优先级准则,达到以下3方面的目标。
(1-1)提高可再生能源利用率:风力发电与光伏发电是根据最大功率原则设定,某一时间段的出力取决于这一时间段的风能和太阳能大小,根据这一特性,合理调度储能与柔性负荷来平移负荷曲线,提高负荷曲线与可再生发电单元出力的紧密度,实现可再生能源的最大消纳。本发明将风电出力与光伏出力作为离散控制变量,规定一天作为一个完整的调度周期,分为96个时间段,用一个调度周期内可再生能源的发电比例衡量可再生能源的利用率,二者之间呈正相关。可再生能源的发电比例如下:
式中:分别为风力发电、光伏发电、可控分布式发电在第k个时间段的出力。从环境与能源方面考虑,可再生分布式能源发电经济性优于可控分布式发电(如燃料电池),负荷高峰期,设定可控分布式发电优先级最低。对于负荷一定的情况,可再生能源发电比例越高,其发电成本越低。
(1-2)减小网络损耗:储能系统与柔性负荷主动参与需求与电价的实时响应,考虑储能装置状态转换时存在能量损耗及其充放电效率,为减小电能损耗,设定对于整个调度周期,柔性负荷调度优先级高于储能系统。在网络运行过程中,总损耗的表达式如下:
式中:PL·Lo表示输电线路损耗;EN为配电网中储能装置个数;SEs表示储能某一时间段与上一时间段相比的状态变化量纲,为0或者1;ΔPE·Lo·i表示第i个储能装置在状态切换时产生的损耗,一般为额定容量的0.5%;ξin·i、ξout·i表示第i个储能装置的充放电效率;表示第i个储能在第k个时间段的充、放电功率,对于每一个时间段来说,二者至少有一个是0。
(1-3)提高用户满意度:随着越来越多的负荷主动参与网络优化,用户的用电习惯要随着电网运行状态的改变而改变。从用户角度考虑,用户满意度可以定义为用电设备达到正常工况的时间与其总用电时间的百分比。本发明将参与调度的柔性负荷分为可平移负荷和可削减负荷,仅考虑这2种负荷对用户满意度的影响,可以将用户满意度表示如下:
式中:μ1、μ2分别代表可平移负荷与可削减负荷的影响因子,μ1<μ2;N、M表示可平移、可削减负荷种类数;Tdn表示第n种可平移负荷的平移时间;T1an表示第n种可平移负荷总的用电时间;Tcm表示第m种可削减负荷的削减时间;T2am表示第m种可削减负荷总的用电时间。
由上式可以看出,S越大,用户满意度越高。可削减负荷削减时间过长及可转移负荷转移时间跨度过大会降低用户满意度,考虑这2种情况对用户满意度影响程度的不同,设定在用电低谷期,可转移负荷调度优先级高于可削减优先级。
(2)综合考虑可再生能源利用率、网络损耗及用户满意度,构造协调调度的目标函数如下:
F=min[f1(AR),f2(PLoss),f3(S)] 式(4),
式中:AR是可再生能源的发电比例;PLoss是网络运行过程中的总损耗;S是用户满意度。
层次分析法是一种根据经验的主观定权方法,熵权法常用以确定指标的客观权重,本发明利用层次分析法并结合熵权法,综合主观性与客观性,提出了一种综合指标确定方法:
式中:λSy-i、λAHP-i、λEM-i分别为第i个子目标所占综合目标函数的综合权重、层次分析法权重、熵权法权重。
根据上述方法可确定各子目标所占权重,同时对各子目标函数的量纲进行统一,可将目标函数表达式归纳成:
式中:λSy-1、λSy-2、λSy-3是各子目标函数的权重系数,且满足λSy-1+λSy-2+λSy-3=1;AR是可再生能源的发电比例;PLoss是网络运行过程中的总损耗;Pg是一个完整调度周期中发电单元的总发电量;S是用户满意度。通过构造上式的综合目标函数,可以避免求解大量Pareto非劣解集的问题,并保证了量纲的一致性。
(3)优化调度过程中综合考虑整个调度周期内的约束条件
一般最优潮流与时间无关,而主动配电网的优化调度要考虑整个调度周期内每一时间段的约束条件。本发明研究的是储能及柔性负荷对网络的协调优化,所以除了传统的节点电压约束、潮流方程约束外,还需要考虑储能装置的荷电状态限制及柔性负荷的功率限制,具体如下。
(3-1)潮流方程及发电机出力约束:
∑PG(t)=∑[Pl(t)-Plx(t)+Pd(t)+PESS(t)] 式(7),
式中:PG(t)是发电单元的有功出力;Pl(t)为网络的有功损耗;Plx(t)是可削减负荷的削减功率;Pd(t)为负荷用电功率;PESS(t)为储能的充放电功率,充电为正,放电为负。
式中:PKF-k是第k个可控分布式发电单元的有功出力,需满足其上下限约束。
(3-2)节点电压约束:
Uimin≤Ui≤Uimax 式(9),
式中:Uimin和Uimax分别为节点i电压幅值的上下限。
(3-3)柔性负荷的功率限制:
Pcjmin≤Pcj 式(10),
式中:Pcj为第j个可削减负荷的有功出力。
(3-4)储能装置的荷电状态限制:
式中:PESS-n为第n个储能装置的充放电功率。
SOCnmin≤SOCn≤SOCnmax 式(12),
式中:SOCn为第n个储能装置的荷电状态,一般设定其荷电范围为5%~95%。
EESS-n(0)=EESS-n(96) 式(13),
式中:EESS-n(0)为储能装置储备的初始能量;EESS-n(96)为调度周期结束时储能的剩余能量,在整个调度周期中,要保证储能装置的能量守恒。
在本发明所研究的模型中,决策变量既包含可控分布式发电单元出力PKF、储能装置充放电功率PESS及可削减负荷的削减功率Plx等连续变量,又包含可平移负荷用电时间段Tl、可再生分布式发电PWG、PPV等离散控制变量,其数学模型本质上为一个混合整数非线性约束规划问题。为了处理离散变量计算问题,在构造决策变量时引入系数矩阵,等效离散变量模型,即将优化调度的决策向量表示为[PKF,PESS,Plx,λ[Tl,PWG,PPV]],λ为系数矩阵,并构造罚函数求解约束问题。
(4)借助matlab计算软件,利用粒子群优化算法求解方程
粒子群优化算法是智能计算领域的一种群体智能优化算法,具有易实现、收敛速度快的优点,在电力系统中储能系统优化配置、分布式电源定容与选址、配电网重构、微网经济运行等领域应用广泛,但粒子群优化算法对于离散的优化问题处理不佳,容易陷入局部最优。针对这一问题,本发明在算法中引入非线性惯性递减权重,平衡寻优前后期的搜寻范围。
为保证算法在寻优初期有较好的全局搜索能力,后期有较好的局部搜索能力,本发明在迭代过程中引入二次非线性递减惯性权重,以此更好地平衡算法的全局搜索与局部搜索能力,该方法较线性递减惯性权重具有更好的跳出次优解的能力。改进后的粒子群优化更新方程如下:
式中:Vid为粒子的速度;k为当前迭代数;ω为惯性权重系数,表示粒子保持原来速度的系数;c1、c2为粒子的学习因子,分别为自我认知及社会认知,Pid为第i个粒子自身搜索到的历史最优值;Xid为粒子的当前位置;r1、r2均为[0,1]区间内的随机数;Pgd为所有粒子当前搜索到的最优解;ωstart为初始惯性权重;ωend为迭代至最大次数时的惯性权重;Tmax为最大迭代次数。经过改进后,算法在前期具有较大的寻优步长,粒子趋向于大范围搜寻最优解,迭代后期,粒子在当前最优解的附近进行深度挖掘。改进后算法的流程如图3所示。
利用本发明提出的层次分析法-熵权法综合求解权重的方法,确定了一组以电网利益为主导的权重组合:λSy-1=0.43,λSy-2=0.38,λSy-3=0.19。
根据本发明所提优化模型,设定储能与柔性负荷不参与电网调度时,可削减负荷占总负荷的20%,可转移负荷占总负荷的10%。根据一天的实测风速、光照强度数据拟合出如图4所示的风电、光伏日出力目标曲线,通过比较优化前后风电、光伏有效出力与日出力目标曲线的匹配度即可体现优化前后可再生能源的利用率的变化。
设置ξin-i、ξout-i为0.95,影响因子μ1、μ2分别为0.2、0.8,学习因子c1、c2均为0.2,初始惯性权重ωstart为0.9,迭代至最大次数时惯性权重ωend为0.4,最大迭代次数为500,以代入式(1)-式(3)的式(6)为目标函数,式(7)-式(13)为约束条件,利用按式(14)改进的粒子群优化算法,借助matlab计算软件,对构建的以可再生能源利用率最大、网络损耗最小和用户满意度最高为目标的主动配电网优化调度模型进行求解。储能功率为正时充电,反之为放电状态。
优化后整个调度周期中各发电单元发电曲线、储能单元功率及优化后日负荷曲线如图5所示,可以看出,在储能与柔性负荷的协调作用下,可再生能源的出力与目标出力曲线契合度明显提高,改善后的日负荷曲线陡度降低,与可再生发电单元的发电曲线紧密程度更高。
计算出优化前后可再生能源发电比例及目标函数相关指标值,结果如表1所示,可以得出,优化后可再生发电比例增加了39.86%,利用率提高了38.67%,间接提高了经济效益。在该算例模型中,储能系统容量与日负荷量及可再生能源发电量之比分别为1:14.2和1:13,若双储能同时运行,在0~20h期间,可控分布式发电单元的出力均为0,当只有一个储能系统参与调度时,风电可消纳时间段数减少9个,光伏可消纳时间段数减少4个,可控分布式发电单元发电时间段增加10个,显然储能系统的容量与消纳间歇性能源的能力呈正相关。
表1优化前后目标函数相关指标大小
根据上述公式分别计算采用调度优先级优化前后网络损耗与用户满意度结果。表1定量地表现出了设置调度优先级的优越性,可以看出,设置调度优先级较未设置优先级其网络损耗减小278.6kW,可平移负荷的调度活跃性明显增强,用户满意度提高33.34%。
以上所述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,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.一种协调储能与柔性负荷的主动配电网多目标优化调度方法,其特征在于,包括如下步骤:
(1)设定储能系统和柔性负荷的调度优先级准则,目标包括提高可再生能源利用率、减小网络损耗和提高用户满意度;
(2)综合考虑可再生能源利用率、网络损耗及用户满意度,构造协调调度的目标函数;
(3)优化调度过程中综合考虑整个调度周期内的约束条件,包括潮流方程约束、节点电压约束、储能装置的荷电状态限制、以及柔性负荷的功率限制;
(4)利用粒子群优化算法求解方程。
2.根据权利要求1所述的协调储能与柔性负荷的主动配电网多目标优化调度方法,其特征在于,步骤(1)中,设定储能系统和柔性负荷的调度优先级的准则,为达到下述3方面的目标:
(1-1)提高可再生能源利用率:风力发电与光伏发电是根据最大功率原则设定,某一时间段的出力取决于这一时间段的风能和太阳能大小,根据这一特性,合理调度储能与柔性负荷来平移负荷曲线,提高负荷曲线与可再生发电单元出力的紧密度,实现可再生能源的最大消纳;
(1-2)减小网络损耗:储能系统与柔性负荷主动参与需求与电价的实时响应,考虑储能装置状态转换时存在能量损耗及其充放电效率,为减小电能损耗,设定对于整个调度周期,柔性负荷调度优先级高于储能系统;
(1-3)提高用户满意度:用户满意度定义为用电设备达到正常工况的时间与其总用电时间的百分比。
3.根据权利要求2所述的协调储能与柔性负荷的主动配电网多目标优化调度方法,其特征在于,提高可再生能源利用率时,将风电出力与光伏出力作为离散控制变量,规定一天作为一个完整的调度周期,分为96个时间段,用一个调度周期内可再生能源的发电比例衡量可再生能源的利用率,二者之间呈正相关,可再生能源的发电比例如下:
式中:分别为风力发电、光伏发电、可控分布式发电在第k个时间段的出力;
可再生能源的发电比例AR越高,可再生能源利用率越高。
4.根据权利要求2所述的协调储能与柔性负荷的主动配电网多目标优化调度方法,其特征在于,减小网络损耗时,,在网络运行过程中,总损耗的表达式如下:
式中:PL·Lo表示输电线路损耗;EN为配电网中储能装置个数;SEs表示储能某一时间段与上一时间段相比的状态变化量纲,为0或者1;ΔPE·Lo·i表示第i个储能装置在状态切换时产生的损耗,一般为额定容量的0.5%;ξin·i、ξout·i表示第i个储能装置的充放电效率;表示第i个储能在第k个时间段的充、放电功率,对于每一个时间段来说,二者至少有一个是0。
5.根据权利要求2所述的协调储能与柔性负荷的主动配电网多目标优化调度方法,其特征在于,提高客户满意度时,将参与调度的柔性负荷分为可平移负荷和可削减负荷,仅考虑这2种负荷对用户满意度的影响,将用户满意度表示如下:
式中:μ1、μ2分别代表可平移负荷与可削减负荷的影响因子,μ1<μ2;N、M表示可平移、可削减负荷种类数;Tdn表示第n种可平移负荷的平移时间;T1an表示第n种可平移负荷总的用电时间;Tcm表示第m种可削减负荷的削减时间;T2am表示第m种可削减负荷总的用电时间;
S越大,用户满意度越高,可削减负荷削减时间过长及可转移负荷转移时间跨度过大会降低用户满意度,考虑这2种情况对用户满意度影响程度的不同,设定在用电低谷期,可转移负荷调度优先级高于可削减优先级。
6.根据权利要求1所述的协调储能与柔性负荷的主动配电网多目标优化调度方法,其特征在于,步骤(2)中,所述目标函数如下:
F=min[f1(AR),f2(PLoss),f3(S)] 式(4),
式中:AR是可再生能源的发电比例;PLoss是网络运行过程中的总损耗;S是用户满意度。
7.根据权利要求1或6所述的协调储能与柔性负荷的主动配电网多目标优化调度方法,其特征在于,步骤(2)中,利用层次分析法并结合熵权法确定各子目标所占目标函数的综合权重为:
式中:λSy-i、λAHP-i、λEM-i分别为第i个子目标所占目标函数的综合权重、层次分析法权重、熵权法权重;
确定各子目标所占目标函数的综合权重,同时对各子目标函数的量纲进行统一,可将目标函数表达式归纳成:
式中:λSy-i、λAHP-i、λEM-i是各子目标函数的权重系数,且满足λSy-1+λSy-2+λSy-3=1;AR是可再生能源的发电比例;PLoss是网络运行过程中的总损耗;Pg是一个完整调度周期中发电单元的总发电量;S是用户满意度。
8.根据权利要求1所述的协调储能与柔性负荷的主动配电网多目标优化调度方法,其特征在于,步骤(3)中,整个调度周期内需要考虑的约束条件包括潮流方程约束、节点电压约束、柔性负荷的功率限制、以及储能装置的荷电状态限制,具体如下:
(3-1)潮流方程及发电机出力约束:
∑PG(t)=∑[Pl(t)-Plx(t)+Pd(t)+PESS(t)] 式(7),
式中:PG(t)是发电单元的有功出力;Pl(t)为网络的有功损耗;Plx(t)是可削减负荷的削减功率;Pd(t)为负荷用电功率;PESS(t)为储能的充放电功率,充电为正,放电为负;
式中:PKF-k是第k个可控分布式发电单元的有功出力,需满足其上下限约束;
(3-2)节点电压约束:
Uimin≤Ui≤Uimax 式(9),
式中:Uimin和Uimax分别为节点i电压幅值的上下限;
(3-3)柔性负荷的功率限制:
Pcjmin≤Pcj 式(10),
式中:Pcj为第j个可削减负荷的有功出力;
(3-4)储能装置的荷电状态限制:
式中:PESS-n为第n个储能装置的充放电功率;
SOCnmin≤SOCn≤SOCnmax 式(12),
式中:SOCn为第n个储能装置的荷电状态,一般设定其荷电范围为5%~95%;
EESS-n(0)=EESS-n(96) 式(13),
式中:EESS-n(0)为储能装置储备的初始能量;EESS-n(96)为调度周期结束时储能的剩余能量,在整个调度周期中,要保证储能装置的能量守恒。
9.根据权利要求1所述的协调储能与柔性负荷的主动配电网多目标优化调度方法,其特征在于,步骤(4)中,所述粒子群优化算法在迭代过程中引入二次非线性递减惯性权重,其更新方程为:
式中:Vid为粒子的速度;k为当前迭代数;ω为惯性权重系数,表示粒子保持原来速度的系数;c1、c2为粒子的学习因子,分别为自我认知及社会认知,Pid为第i个粒子自身搜索到的历史最优值;Xid为粒子的当前位置;r1、r2均为[0,1]区间内的随机数;Pgd为所有粒子当前搜索到的最优解;ωstart为初始惯性权重;ωend为迭代至最大次数时的惯性权重;Tmax为最大迭代次数。
10.根据权利要求1所述的协调储能与柔性负荷的主动配电网多目标优化调度方法,其特征在于,步骤(4)中,借助matlab计算软件求解方程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610430802.5A CN106058855A (zh) | 2016-06-16 | 2016-06-16 | 协调储能与柔性负荷的主动配电网多目标优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610430802.5A CN106058855A (zh) | 2016-06-16 | 2016-06-16 | 协调储能与柔性负荷的主动配电网多目标优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106058855A true CN106058855A (zh) | 2016-10-26 |
Family
ID=57167559
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610430802.5A Pending CN106058855A (zh) | 2016-06-16 | 2016-06-16 | 协调储能与柔性负荷的主动配电网多目标优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106058855A (zh) |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106779365A (zh) * | 2016-12-02 | 2017-05-31 | 合肥工业大学 | 一种基于需求响应的家庭负荷优化调度方法 |
CN106959618A (zh) * | 2017-05-05 | 2017-07-18 | 国网山东省电力公司电力科学研究院 | 一种基于阶梯优化权重的电压协调控制方法 |
CN107104429A (zh) * | 2017-03-31 | 2017-08-29 | 河海大学 | 一种计及分布式储能系统的电力系统负荷调度方法 |
CN107332236A (zh) * | 2017-07-13 | 2017-11-07 | 国网浙江省电力公司 | 一种基于全局搜索的电网负荷转供方法 |
CN107392418A (zh) * | 2017-06-08 | 2017-11-24 | 国网宁夏电力公司电力科学研究院 | 一种城市配电网网络重构方法及系统 |
CN107634518A (zh) * | 2017-09-21 | 2018-01-26 | 国网福建省电力有限公司 | 一种“源‑网‑荷”相协调的主动配电网经济调度方法 |
CN108964103A (zh) * | 2018-07-27 | 2018-12-07 | 广州穗华能源科技有限公司 | 一种考虑微网系统可调度性的微网储能配置方法 |
CN109066800A (zh) * | 2018-09-27 | 2018-12-21 | 沈阳工程学院 | 一种基于粒子群算法的配电网柔性负荷协同调度方法 |
CN109687518A (zh) * | 2018-12-29 | 2019-04-26 | 南京工程学院 | 一种家庭微电网系统的优化调度方法 |
CN110210647A (zh) * | 2019-04-29 | 2019-09-06 | 国网江苏省电力有限公司电力科学研究院 | 一种分布式电源、储能与柔性负荷联合调度方法及装置 |
CN110707712A (zh) * | 2019-10-15 | 2020-01-17 | 东北大学 | 一种考虑需求响应的微电网供电可靠性分析方法 |
CN110808579A (zh) * | 2018-08-06 | 2020-02-18 | 南京理工大学 | 主动配电网源网荷协调运行方法 |
CN111082451A (zh) * | 2019-09-18 | 2020-04-28 | 中国电建集团青海省电力设计院有限公司 | 基于场景法的增量配电网多目标优化调度模型 |
CN111626512A (zh) * | 2020-05-28 | 2020-09-04 | 国家电网公司西南分部 | 一种考虑电网断面约束的梯级水电日前调度方法 |
CN112072672A (zh) * | 2020-08-11 | 2020-12-11 | 华北电力大学(保定) | 含智能负荷的主动配电网优化调度方法 |
CN112734116A (zh) * | 2021-01-14 | 2021-04-30 | 华北电力大学 | 一种含分布式储能的主动配电网优化调度方法 |
CN113363972A (zh) * | 2021-06-11 | 2021-09-07 | Weri有限公司 | 电力系统负载侧联动响应等效电池装置及调节系统 |
CN113394768A (zh) * | 2020-03-13 | 2021-09-14 | 北京科东电力控制系统有限责任公司 | 一种客户侧柔性负荷综合响应控制方法和装置 |
CN113487151A (zh) * | 2021-06-23 | 2021-10-08 | 广东润建电力科技有限公司 | 基于5g消息的智能用电与需求侧响应方法、系统及装置 |
CN113794215A (zh) * | 2021-08-20 | 2021-12-14 | 国网电力科学研究院有限公司 | 电动汽车与可再生能源协调优化方法和系统 |
CN113872242A (zh) * | 2021-10-26 | 2021-12-31 | 华北电力科学研究院有限责任公司 | 采用电力弹簧的主动配电网能量优化方法及装置 |
CN114785736A (zh) * | 2022-06-21 | 2022-07-22 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 动车分布式大数据传输优化方法、系统、设备及介质 |
CN115102170A (zh) * | 2022-08-25 | 2022-09-23 | 华能山西综合能源有限责任公司 | 一种风电光伏储能配比的协调优化方法 |
CN115375032A (zh) * | 2022-09-01 | 2022-11-22 | 东南大学溧阳研究院 | 一种含分布式储能的区域电网多时间尺度优化调度方法 |
CN116720782A (zh) * | 2023-06-14 | 2023-09-08 | 国家电网有限公司华东分部 | 柔性负荷响应公信度评估方法及装置、存储介质 |
CN117458544A (zh) * | 2023-10-31 | 2024-01-26 | 国网青海省电力公司清洁能源发展研究院 | 一种基于多类型储能资源动态聚合的优化协同调控方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140350743A1 (en) * | 2012-08-27 | 2014-11-27 | Nec Laboratories America, Inc. | Tiered power management system for microgrids |
CN104715293A (zh) * | 2015-04-01 | 2015-06-17 | 国家电网公司 | 一种价格型柔性负荷的双层优化调度方法 |
CN105140939A (zh) * | 2015-08-10 | 2015-12-09 | 江苏方天电力技术有限公司 | 基于储能系统的主动负荷多目标协调控制方法 |
CN105470998A (zh) * | 2016-01-11 | 2016-04-06 | 华北电力大学 | 基于主动配电网的分布式电源与调压一体化控制方法 |
CN105528668A (zh) * | 2015-08-04 | 2016-04-27 | 南通大学 | 一种风电并网电力系统动态环境经济调度方法 |
-
2016
- 2016-06-16 CN CN201610430802.5A patent/CN106058855A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140350743A1 (en) * | 2012-08-27 | 2014-11-27 | Nec Laboratories America, Inc. | Tiered power management system for microgrids |
CN104715293A (zh) * | 2015-04-01 | 2015-06-17 | 国家电网公司 | 一种价格型柔性负荷的双层优化调度方法 |
CN105528668A (zh) * | 2015-08-04 | 2016-04-27 | 南通大学 | 一种风电并网电力系统动态环境经济调度方法 |
CN105140939A (zh) * | 2015-08-10 | 2015-12-09 | 江苏方天电力技术有限公司 | 基于储能系统的主动负荷多目标协调控制方法 |
CN105470998A (zh) * | 2016-01-11 | 2016-04-06 | 华北电力大学 | 基于主动配电网的分布式电源与调压一体化控制方法 |
Non-Patent Citations (2)
Title |
---|
JAGANATHAN S,PALANISWAMI S: "Application of refined bacterial foraging algorithm technique to control of optimal power dispatch with interline power flow controller", 《JOURNAL OF VIBRATION AND CONTROL》 * |
沙熠等: "协调储能与柔性负荷的主动配电网多目标优化调度", 《电网技术》 * |
Cited By (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106779365A (zh) * | 2016-12-02 | 2017-05-31 | 合肥工业大学 | 一种基于需求响应的家庭负荷优化调度方法 |
CN107104429A (zh) * | 2017-03-31 | 2017-08-29 | 河海大学 | 一种计及分布式储能系统的电力系统负荷调度方法 |
CN106959618A (zh) * | 2017-05-05 | 2017-07-18 | 国网山东省电力公司电力科学研究院 | 一种基于阶梯优化权重的电压协调控制方法 |
CN107392418A (zh) * | 2017-06-08 | 2017-11-24 | 国网宁夏电力公司电力科学研究院 | 一种城市配电网网络重构方法及系统 |
CN107392418B (zh) * | 2017-06-08 | 2021-08-13 | 国网宁夏电力公司电力科学研究院 | 一种城市配电网网络重构方法及系统 |
CN107332236A (zh) * | 2017-07-13 | 2017-11-07 | 国网浙江省电力公司 | 一种基于全局搜索的电网负荷转供方法 |
CN107634518A (zh) * | 2017-09-21 | 2018-01-26 | 国网福建省电力有限公司 | 一种“源‑网‑荷”相协调的主动配电网经济调度方法 |
CN107634518B (zh) * | 2017-09-21 | 2023-10-27 | 国网福建省电力有限公司 | 一种“源-网-荷”相协调的主动配电网经济调度方法 |
CN108964103A (zh) * | 2018-07-27 | 2018-12-07 | 广州穗华能源科技有限公司 | 一种考虑微网系统可调度性的微网储能配置方法 |
CN108964103B (zh) * | 2018-07-27 | 2021-11-05 | 广州穗华能源科技有限公司 | 一种考虑微网系统可调度性的微网储能配置方法 |
CN110808579A (zh) * | 2018-08-06 | 2020-02-18 | 南京理工大学 | 主动配电网源网荷协调运行方法 |
CN109066800A (zh) * | 2018-09-27 | 2018-12-21 | 沈阳工程学院 | 一种基于粒子群算法的配电网柔性负荷协同调度方法 |
CN109066800B (zh) * | 2018-09-27 | 2021-08-03 | 沈阳工程学院 | 一种基于粒子群算法的配电网柔性负荷协同调度方法 |
CN109687518B (zh) * | 2018-12-29 | 2022-06-17 | 南京工程学院 | 一种家庭微电网系统的优化调度方法 |
CN109687518A (zh) * | 2018-12-29 | 2019-04-26 | 南京工程学院 | 一种家庭微电网系统的优化调度方法 |
CN110210647B (zh) * | 2019-04-29 | 2022-09-09 | 国网江苏省电力有限公司电力科学研究院 | 一种分布式电源、储能与柔性负荷联合调度方法及装置 |
CN110210647A (zh) * | 2019-04-29 | 2019-09-06 | 国网江苏省电力有限公司电力科学研究院 | 一种分布式电源、储能与柔性负荷联合调度方法及装置 |
CN111082451B (zh) * | 2019-09-18 | 2023-04-18 | 中国电建集团青海省电力设计院有限公司 | 基于场景法的增量配电网多目标优化调度模型 |
CN111082451A (zh) * | 2019-09-18 | 2020-04-28 | 中国电建集团青海省电力设计院有限公司 | 基于场景法的增量配电网多目标优化调度模型 |
CN110707712A (zh) * | 2019-10-15 | 2020-01-17 | 东北大学 | 一种考虑需求响应的微电网供电可靠性分析方法 |
CN110707712B (zh) * | 2019-10-15 | 2022-10-28 | 东北大学 | 一种考虑需求响应的微电网供电可靠性分析方法 |
CN113394768A (zh) * | 2020-03-13 | 2021-09-14 | 北京科东电力控制系统有限责任公司 | 一种客户侧柔性负荷综合响应控制方法和装置 |
CN113394768B (zh) * | 2020-03-13 | 2022-10-04 | 北京科东电力控制系统有限责任公司 | 一种客户侧柔性负荷综合响应控制方法和装置 |
CN111626512B (zh) * | 2020-05-28 | 2023-11-14 | 国家电网公司西南分部 | 一种考虑电网断面约束的梯级水电日前调度方法 |
CN111626512A (zh) * | 2020-05-28 | 2020-09-04 | 国家电网公司西南分部 | 一种考虑电网断面约束的梯级水电日前调度方法 |
CN112072672A (zh) * | 2020-08-11 | 2020-12-11 | 华北电力大学(保定) | 含智能负荷的主动配电网优化调度方法 |
CN112734116A (zh) * | 2021-01-14 | 2021-04-30 | 华北电力大学 | 一种含分布式储能的主动配电网优化调度方法 |
CN113363972A (zh) * | 2021-06-11 | 2021-09-07 | Weri有限公司 | 电力系统负载侧联动响应等效电池装置及调节系统 |
CN113487151A (zh) * | 2021-06-23 | 2021-10-08 | 广东润建电力科技有限公司 | 基于5g消息的智能用电与需求侧响应方法、系统及装置 |
CN113794215A (zh) * | 2021-08-20 | 2021-12-14 | 国网电力科学研究院有限公司 | 电动汽车与可再生能源协调优化方法和系统 |
CN113872242A (zh) * | 2021-10-26 | 2021-12-31 | 华北电力科学研究院有限责任公司 | 采用电力弹簧的主动配电网能量优化方法及装置 |
CN114785736A (zh) * | 2022-06-21 | 2022-07-22 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 动车分布式大数据传输优化方法、系统、设备及介质 |
CN115102170A (zh) * | 2022-08-25 | 2022-09-23 | 华能山西综合能源有限责任公司 | 一种风电光伏储能配比的协调优化方法 |
CN115102170B (zh) * | 2022-08-25 | 2022-11-11 | 华能山西综合能源有限责任公司 | 一种风电光伏储能配比的协调优化方法 |
WO2024041591A1 (zh) * | 2022-08-25 | 2024-02-29 | 华能山西综合能源有限责任公司 | 一种风电光伏储能配比的协调优化方法 |
CN115375032A (zh) * | 2022-09-01 | 2022-11-22 | 东南大学溧阳研究院 | 一种含分布式储能的区域电网多时间尺度优化调度方法 |
CN116720782A (zh) * | 2023-06-14 | 2023-09-08 | 国家电网有限公司华东分部 | 柔性负荷响应公信度评估方法及装置、存储介质 |
CN116720782B (zh) * | 2023-06-14 | 2024-02-13 | 国家电网有限公司华东分部 | 柔性负荷响应公信度评估方法及装置、存储介质 |
CN117458544A (zh) * | 2023-10-31 | 2024-01-26 | 国网青海省电力公司清洁能源发展研究院 | 一种基于多类型储能资源动态聚合的优化协同调控方法 |
CN117458544B (zh) * | 2023-10-31 | 2024-03-26 | 国网青海省电力公司清洁能源发展研究院 | 一种基于多类型储能资源动态聚合的优化协同调控方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106058855A (zh) | 协调储能与柔性负荷的主动配电网多目标优化调度方法 | |
CN105160451B (zh) | 一种含电动汽车的微电网多目标优化调度方法 | |
CN104362677B (zh) | 一种主动配电网优化配置结构及其配置方法 | |
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 | |
CN109063992A (zh) | 考虑区域综合能源系统优化运行的配电网扩展规划方法 | |
CN109103912A (zh) | 考虑电网调峰需求的工业园区主动配电系统调度优化方法 | |
CN105337310B (zh) | 一种串联结构光储型多微网经济运行系统及方法 | |
CN106532751B (zh) | 一种分布式电源能效优化方法及系统 | |
CN105262129A (zh) | 一种含复合储能微电网的多目标优化系统及方法 | |
CN112800658A (zh) | 一种考虑源储荷互动的主动配电网调度方法 | |
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 | |
CN111786422B (zh) | 基于bp神经网络的微电网参与上层电网实时优化调度方法 | |
CN105680474A (zh) | 一种储能抑制光伏电站快速功率变化的控制方法 | |
CN105896596B (zh) | 一种考虑需求侧响应的风电功率分层平滑系统及其方法 | |
CN205212447U (zh) | 一种含复合储能微电网的多目标优化系统 | |
CN110350512A (zh) | 一种智能园区新能源发电站调度优化方法及系统 | |
CN109034587A (zh) | 一种协调多种可控单元的主动配电系统优化调度方法 | |
CN107273968A (zh) | 一种基于动态模糊混沌粒子群的多目标调度方法及装置 | |
CN111884263A (zh) | 多目标配电网优化方法 | |
CN116667325B (zh) | 一种基于改进布谷鸟算法的微电网并网运行优化调度方法 | |
CN104253439B (zh) | 电池储能电站无功功率分配与控制方法 | |
CN109494813A (zh) | 一种电力调度方法、电子设备及存储介质 | |
CN115170343A (zh) | 一种区域综合能源系统分布式资源和储能协同规划方法 | |
CN110323779B (zh) | 一种分布式发电与储能装置的功率动态聚合的方法和系统 | |
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 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20161026 |
|
WD01 | Invention patent application deemed withdrawn after publication |