CN106374513B - 一种基于主从博弈的多微网联络线功率优化方法 - Google Patents

一种基于主从博弈的多微网联络线功率优化方法 Download PDF

Info

Publication number
CN106374513B
CN106374513B CN201610949838.4A CN201610949838A CN106374513B CN 106374513 B CN106374513 B CN 106374513B CN 201610949838 A CN201610949838 A CN 201610949838A CN 106374513 B CN106374513 B CN 106374513B
Authority
CN
China
Prior art keywords
micro
particle
microgrid
capacitance sensor
dominant eigenvalues
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
Application number
CN201610949838.4A
Other languages
English (en)
Other versions
CN106374513A (zh
Inventor
许志荣
杨苹
张育嘉
何婷
梁颖琪
刘泽健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN201610949838.4A priority Critical patent/CN106374513B/zh
Publication of CN106374513A publication Critical patent/CN106374513A/zh
Application granted granted Critical
Publication of CN106374513B publication Critical patent/CN106374513B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/26—Arrangements for eliminating or reducing asymmetry in polyphase networks
    • 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
    • H02J3/381—Dispersed generators
    • 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]
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/50—Arrangements for eliminating or reducing asymmetry in polyphase networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Measurement Of Resistance Or Impedance (AREA)

Abstract

本发明公开了一种基于主从博弈的多微网联络线功率优化方法。该方法考虑系统三相不平衡约束，运用博弈论理论，采用Stackelberg主从动态博弈方法，建立多微网中各个主体的优化数学模型，并基于粒子群算法联合求解优化多微网上层联络线功率，保证多微网上层联络线功率的不平衡度小于15%。经仿真实例验证，所提方法能够满足系统三相不平衡度要求情况下，使各子微网损失最小。由于各单相子微网用户用电习惯不一致等问题将导致多微网顶层联络线功率三相功率不平衡，当系统三相不平衡状态严重时，会使配变线路的损耗增加甚至无法正常运行。一种基于主从博弈的多微网联络线功率优化方法可在保证系统内三相不平衡度满足一定条件的基础上，提高系统运行的经济性。

Description

一种基于主从博弈的多微网联络线功率优化方法
技术领域
本发明涉及多微网经济优化技术领域，特别涉及一种基于主从博弈的多微网联络线功率优化方法。
背景技术
随着可再生能源产业的高速发展，大量可再生能源接入大电网，其中以分布式接入方式较为广泛。将分布式电源通过微电网接入配电网普遍被认为是利用分布式电源有效的方式之一，可有效降低分布式电源的间接性和波动性对大电网的影响。微电网是一种将分布式发电装置、变流器、负荷、储能装置以及监控保护控制装置有机整合在一起的发配电系统，具有自治运行、多能互补、优化管理和协调控制等优势，是能源互联网发展过程中不可或缺的重要部分。
现有关于多微网经济优化的研究多针对多微网系统内部优化，未考虑联络线上三相不平衡度对多微网运行稳定的影响。在多微网系统中，各单相子微网光伏阵列容量不同，搭建位置以及受到的光照程度不同，单相子微网的光伏出力不均衡，而且各单相子微网的用户用电习惯不一致也会导致系统联络线功率三相不平衡。当三相不平衡状态严重时，它不仅会大大增加低压线路的电能损耗，还会使配变的低压绕组、高压绕组、甚至高压线路的损耗增加。为减少三相不平衡现象对配电网造成的不利影响，规定三相电流不平衡度不应超过15％。
经对现有技术文献的检索发现，基于全景理论的多微网聚合协调优化运行方法(发明专利：CN201510311962.3)分析微电网结构，采集各个微电网中分布式电源的电源参数、发电信息和负荷用电信息，并通过不同分布式电源互补特性，定义全景理论规模和匹配度参数，构造全景理论规模和匹配度参数，构造全景能量函数。而后通过全景能量计算确定多微网聚合模式，构造多微网协调运行调度模型，最后采用优化算法进行求解，各微网根据所得调度计划进行安全性校验和协调运行。该发明有效优化和管理多微网运行，但在建立模型和求解过程中并未考虑联络线三相不平衡度对多微网稳定性的影响。
针对以上不足，本发明提出了一种基于主从博弈的多微网联络线功率优化方法。该方法考虑系统三相不平衡约束，基于粒子群算法优化各子微网网际联络线功率值，同时基于各储能系统相关状态决策出各储能出力。经实例验证，所提方法可满足各层级微电网联络线功率要求，并有效减少该系统三相不平衡度，降低配电网变压器设备损耗及电网电能损耗。
发明内容
本发明提出了一种基于主从博弈的多微网联络线功率优化方法，所提方法可满足各层级微电网联络线功率要求，并有效减少联络线中的三相不平衡度，降低多微网中变压器设备损耗及电网电能损耗，同时提升微电网在修正三相不平衡过程中的经济效益。
一种基于主从博弈的多微网联络线功率优化方法，运用博弈论理论，采用Stackelberg(斯塔克伯格)动态博弈方法，将多微网系统分为上层微电网和下层微电网。建立各个多微网主体的数学模型，并基于粒子群算法联合求解多微网联络线功率，保证多微网上层联络线功率的不平衡度小于15％，同时提升微电网在修正三相不平衡过程中的经济效益。
进一步地，其具体步骤如下：
步骤1：通过日前经济优化(对次日运行方式进行经济优化)，得到联络线功率原始功率Pa、Pb、Pc；
步骤2：根据多微网拓扑结构，运用博弈论理论，采用Stackelberg动态博弈方法建立上层微电网收益模型，上层微电网的收益为K0代表上层微电网的收益系数，K0＝100～200；ε代表多微网联络线功率的三相不平衡度；λi和分别表示用户满意因子和用户所设定的不平衡度满意度，λi＝1.3～1.5，收益模型的收益曲线如图3所示，当不平衡度小于15％时，上层微电网的收益趋于平缓，当不平衡度大于15％以后，上层微电网的收益极速下降；下层微电网收益模型
UA i＝αi(a*ΔPa 2+b*ΔPa+c)
UB i＝βi(a*ΔPb 2+b*ΔPb+c)
UC i＝γi(a*ΔPc 2+b*ΔPc+c)
分别代表A、B、C三个单相子微网的收益模型，i代表第i个子微网；ΔPa、ΔPb、ΔPc为在上层微电网中联三相联络线功率的优化前和优化后的差值，ΔPa＝|Pa-Pa*|、ΔPb＝|Pb-Pb*|ΔPc＝|Pc-Pc*|，Pa*、Pb*、Pc*分别代表粒子群算法中的粒子求解的A、B、C三相的联络线功率值。αi、βi、γi分别代表A、B、C三相子微网对储能电池的偏好，即用户所想要维护的储能偏好；a、b分别为模型参数，a＝0.05～0.1，b＝-1；c为联络线功率的上限。设定c＝5，下层微电网模型的收益模型曲线如图4所示，A、B、C三个单相子微网的收益分别随着ΔPa、ΔPb、ΔPc的增加而减小。
步骤3：根据上层微电网和下层微电网收益模型，建立多微网系统总收益模型U*＝Utri+UA i+UB i+UC i；
步骤4：将A、B、C三个单相子微网的联络线功率Pa*、Pb*、Pc*作为粒子群算法中变量粒子，并初始化粒子的位置和速度；
步骤5：粒子的适应度值计算，适应度函数为多微网系统的总收益模型U*；
步骤6：根据各个粒子的适应度值寻找粒子个体的极值和群体极值；
步骤7：按照其中ω为惯性权重；d代表粒子中的某个变量，i代表第i个粒子，k为当前迭代次数，Vid k为粒子的速度，Xid k代表第i个粒子在第k代第d个变量上搜索得到的粒子值，Pid k为到第k代为止第i个粒子在第d个变量上搜索得到的粒子个体最优值，Pgd k为到第k代为止所有粒子在第d个变量上搜索得到的粒子群最优值；c1和c2是非负常数，称为加速因子；r1和r2是分布于[0,1]区间的随机数。
步骤8：粒子的适应度值计算，适应度函数为多微网系统的总收益模型U*
步骤9：根据个体的适应度值，更新个体极值和群体极值。
步骤10：若达到所设定的迭代次数后输出最优解否则回到步骤5。
与现有技术相比，本发明具有如下优点和技术效果：针对多微网系统，考虑系统三相不平衡约束，采用Stackelberg主从动态博弈方法，建立多微网中各个主体的优化数学模型，并基于粒子群算法联合求解优化多微网上层联络线功率，保证多微网上层联络线功率的不平衡度小于15％。经仿真实例验证，所提方法能够满足系统三相不平衡度要求情况下，使各子微网损失最小。
附图说明
图1是单三相混联多微网图。
图2是一种基于主从博弈的多微网联络线功率优化方法流程图。
图3是上层微电网收益模型的收益曲线。
图4是下层微电网收益模型的收益曲线。
图5是传统PSO(Particle Swarm Optimization,粒子群优化算法)与基于Stackelberg模型算法的修正前后差值比较。
图6是传统PSO算法与基于Stackelberg模型算法的不平衡度比较。
具体实施方式
下面结合附图，对本发明做进一步地详细说明，但本发明的实施方式不限于此。
图1是单三相多微网拓扑结构图，本发明基于该拓扑设计基于主从博弈的多微网联络线功率优化方法。
图2是一种基于主从博弈的多微网联络线功率优化方法流程图，其具体步骤如下：
步骤1：通过日前经济优化即对次日运行方式进行经济优化，得到联络线功率原始功率Pa、Pb、Pc；
步骤2：根据多微网拓扑结构，运用博弈论理论，采用Stackelberg动态博弈方法建立上层微电网收益模型，上层微电网的收益为K0代表上层微电网的收益系数，K0＝100～200；ε代表多微网联络线功率的三相不平衡度；λi和分别表示用户满意因子和用户所设定的不平衡度满意度，λi＝1.3～1.5，收益模型的收益曲线如图3所示，当不平衡度小于15％时，上层微电网的收益趋于平缓，当不平衡度大于15％以后，上层微电网的收益极速下降；下层微电网收益模型
UA i＝αi(a*ΔPa 2+b*ΔPa+c)
UB i＝βi(a*ΔPb 2+b*ΔPb+c)
UC i＝γi(a*ΔPc 2+b*ΔPc+c)
分别代表A、B、C三个单相子微网的收益模型，i代表第i个子微网；ΔPa、ΔPb、ΔPc为在上层微电网中联三相联络线功率的优化前和优化后的差值，ΔPa＝|Pa-Pa*|、ΔPb＝|Pb-Pb*|ΔPc＝|Pc-Pc*|，Pa*、Pb*、Pc*分别代表粒子群算法中的粒子求解的A、B、C三相的联络线功率值。αi、βi、γi分别代表A、B、C三个单相子微网对储能电池的偏好，即用户所想要维护的储能偏好；a、b分别为模型参数，a＝0.05～0.1，b＝-1；c为联络线功率的上限。设定c＝5，下层微电网模型的收益模型曲线如图4所示，子微网的收益随着ΔPa、ΔPb、ΔPc的增加而减小。
步骤3：根据上层微电网和下层微电网收益模型，建立多微网系统总收益模型U*＝Utri+UA i+UB i+UC i；
步骤4：将各个单相子微网联络线功率Pa*、Pb*、Pc*作为粒子群算法中变量粒子，并初始化粒子的位置和速度；
步骤5：粒子的适应度值计算，适应度函数为多微网系统的总收益模型U*；
步骤6：根据各个粒子的适应度值寻找粒子个体的极值和群体极值；
步骤7：按照其中ω为惯性权重；d代表粒子中的某个变量，i代表第i个粒子，k为当前迭代次数，Vid k为粒子的速度，Xid k代表第i个粒子在第k代第d个变量上搜索得到的粒子值，Pid k为到第k代为止第i个粒子在第d个变量上搜索得到的粒子个体最优值，Pgd k为到第k代为止所有粒子在第d个变量上搜索得到的粒子群最优值；c1和c2是非负常数，称为加速因子；r1和r2是分布于[0,1]区间的随机数。
步骤8：粒子的适应度值计算，适应度函数为多微网系统的总收益模型U*
步骤9：根据个体的适应度值，更新个体极值和群体极值。
步骤10：若达到所设定的迭代次数后输出最优解否则回到步骤5。
本方法设计如下算例进行方法验证。
拓扑结构图如图1所示。设定上层微电网和下层A、B、C三个单相子微网分别如图所示。设定日前经济优化算法中每个时间点之间的间隔为15min，则日前经济优化的时间点有96个。设计对比粒子群算法PSO1，该粒子群算法以三个单相微电网联络线功率总差值最小为适应度函数
ΔDimin＝|Pa-Pa*|+|Pb-Pb*|+|Pc-Pc*|
ΔDimin为适应度函数值。
将对比算法PSO和一种基于主从博弈的多微网联络线功率优化方法进行仿真验证，限于篇幅原因，展示1～16个时间点的优化对比结果。图5为两个算法的每个时间点上的联络线功率前后的总差值对比；图6为每个时间点上联络线功率的不平衡度对比。由图中可以看出，在多数时间点上，联络巷功率前后总差值和联络线不平衡度是Stackelberg模型下的算法结果更优。

Claims (1)

1.一种基于主从博弈的多微网联络线功率优化方法，其特征在于：运用博弈论理论，采用Stackelberg动态博弈方法，将多微网系统分为上层微电网和下层微电网；建立各个多微网主体的数学模型，并基于粒子群算法联合求解多微网联络线功率，保证多微网上层联络线功率的不平衡度小于15％，同时提升微电网在修正三相不平衡过程中的经济效益；具体包括如下步骤：
步骤1：通过日前经济优化即对次日运行方式进行经济优化，得到联络线功率原始功率Pa、Pb、Pc；Pa、Pb、Pc分别代表下层微电网的互相之间以并联形式相联的A、B、C三个单相子微网的联络线功率；
步骤2：根据多微网拓扑结构，运用博弈论理论，采用Stackelberg动态博弈方法建立上层微电网收益模型，上层微电网的收益为K0代表上层微电网的收益系数，K0＝100～200；ε代表多微网联络线功率的三相不平衡度；λi和分别表示用户满意因子和用户所设定的不平衡度满意度，λi＝1.3～1.5，当不平衡度小于15％时，上层微电网的收益趋于平缓，当不平衡度大于15％以后，上层微电网的收益极速下降；下层微电网收益模型：
UA i＝αi(a*ΔPa 2+b*ΔPa+c)
UB i＝βi(a*ΔPb 2+b*ΔPb+c)
UC i＝γi(a*ΔPc 2+b*ΔPc+c)，
分别代表A、B、C三个单相子微网的收益模型，i代表第i个子微网；ΔPa、ΔPb、ΔPc为在上层微电网中联三相联络线功率的优化前和优化后的差值，ΔPa＝|Pa-Pa*|、ΔPb＝|Pb-Pb*|ΔPc＝|Pc-Pc*|，Pa*、Pb*、Pc*分别代表粒子群算法中的粒子求解的A、B、C三相的联络线功率值；αi、βi、γi分别代表A、B、C三个单相子微网对储能电池的偏好，即用户所想要维护的储能偏好；a、b分别为模型参数，a＝0.05～0.1，b＝-1；c为联络线功率的上限；设定c＝5，子微网的收益随着ΔPa、ΔPb、ΔPc的增加而减小；
步骤3：根据上层微电网和下层微电网收益模型，建立多微网系统总收益模型，多微网系统总收益为U*＝Utri+UA i+UB i+UC i；
步骤4：将A、B、C三个单相子微网的联络线功率Pa*、Pb*、Pc*作为粒子群算法中的粒子，并初始化粒子的位置和速度；
步骤5：粒子的适应度值计算，适应度函数为多微网系统的总收益模型U*；
步骤6：根据各个粒子的适应度值寻找粒子个体的极值和群体极值；
步骤7：按照其中ω为惯性权重；d代表粒子中的某个变量，i代表第i个粒子，k为当前迭代次数，Vid k为粒子的速度，代表第i个粒子在第k代第d个变量上搜索得到的粒子值，为到第k代为止第i个粒子在第d个变量上搜索得到的粒子个体最优值，为到第k代为止所有粒子在第d个变量上搜索得到的粒子群最优值；c1和c2是加速因子，为非负常数；r1和r2是分布于[0,1]区间的随机数；
步骤8：粒子的适应度值计算，适应度函数为多微网系统的总收益模型U*；
步骤9：根据个体的适应度值，更新个体的极值和群体极值；
步骤10：若达到所设定的迭代次数后输出最优解，否则回到步骤5。
CN201610949838.4A 2016-10-26 2016-10-26 一种基于主从博弈的多微网联络线功率优化方法 Active CN106374513B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610949838.4A CN106374513B (zh) 2016-10-26 2016-10-26 一种基于主从博弈的多微网联络线功率优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610949838.4A CN106374513B (zh) 2016-10-26 2016-10-26 一种基于主从博弈的多微网联络线功率优化方法

Publications (2)

Publication Number Publication Date
CN106374513A CN106374513A (zh) 2017-02-01
CN106374513B true CN106374513B (zh) 2019-06-18

Family

ID=57893800

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610949838.4A Active CN106374513B (zh) 2016-10-26 2016-10-26 一种基于主从博弈的多微网联络线功率优化方法

Country Status (1)

Country Link
CN (1) CN106374513B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106712120B (zh) * 2017-03-29 2019-04-05 华北电力大学（保定） 基于主从博弈模型的交直流混合微电网优化运行方法
CN109066690B (zh) * 2018-09-13 2020-10-09 福建省农村信用社联合社 一种区域性产用电的电源调度方法
CN109066670B (zh) * 2018-09-13 2020-09-01 福建省农村信用社联合社 一种基于物联网区块链的分布式电源管理方法
CN109286187B (zh) * 2018-10-19 2022-01-04 国网宁夏电力有限公司经济技术研究院 一种面向多主体利益均衡的微网日前经济调度方法
CN109494750B (zh) * 2018-12-21 2023-06-23 云南电网有限责任公司电力科学研究院 一种高中压配电网的分层分布式电压优化控制方法
CN109842137B (zh) * 2019-03-15 2022-05-06 三峡大学 一种单三相混联微网群的协调控制方法
CN111522311B (zh) * 2020-04-21 2022-02-18 国网浙江省电力有限公司经济技术研究院 一种多主体能源系统参数计算、设备控制方法及相关装置
CN113824142B (zh) * 2021-09-09 2023-12-15 上海电力大学 一种多主体投资多微网系统的最优配置方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
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

Patent Citations (1)

* Cited by examiner, † Cited by third party
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
中国多微网系统发展分析;许志荣等;《电力系统自动化》;20160910;第40卷(第17期);224-229

Also Published As

Publication number Publication date
CN106374513A (zh) 2017-02-01

Similar Documents

Publication Publication Date Title
CN106374513B (zh) 一种基于主从博弈的多微网联络线功率优化方法
CN106329523B (zh) 考虑不确定性的有源配电网智能软开关鲁棒优化建模方法
CN103746374B (zh) 含多微网配电网的合环控制方法
CN106451556A (zh) 一种确定配电网馈线接纳分布式电源能力的方法和装置
CN105449675B (zh) 优化分布式能源接入点和接入比例的电力网络重构方法
CN106208102B (zh) 一种基于辅助问题原理的主动配电网分布式无功优化方法
CN110429649B (zh) 考虑灵活性的高渗透率可再生能源集群划分方法
CN110070292B (zh) 基于交叉变异鲸鱼优化算法的微网经济调度方法
CN108462210B (zh) 基于数据挖掘的光伏可开放容量计算方法
CN112531790A (zh) 一种虚拟电厂动态灵活性评估方法
CN106099914B (zh) 一种基于供电能力的主动配电网安全等级划分方法
CN114362267B (zh) 考虑多目标优化的交直流混合配电网分散式协调优化方法
CN111490542B (zh) 一种多端柔性多状态开关的选址定容方法
CN112994097A (zh) 一种基于智能配变终端系统的高比例分布式光伏协同控制方法
CN109193732A (zh) 计及多馈入直流参与的机组恢复顺序优化方法及系统
Zhang et al. SVC damping controller design based on novel modified fruit fly optimisation algorithm
CN114123213A (zh) 一种电网的时空功率均衡方法及系统
CN103730900A (zh) 电力系统多时间尺度的省地县一体化无功优化方法
CN108599974B (zh) 一种基于图论连通性的微电网分布式通讯拓扑设计方法
CN104484832B (zh) 评估220kv拉手网最大供电能力的方法
CN107196313A (zh) 一种特高压交流电网高压电抗器优化配置方法
CN106655174A (zh) 一种配电网综合重构优化方法
CN105576653B (zh) 一种220kV片区电网供电能力优化方法
CN104143119A (zh) 一种多尺度分层蜂窝输电网及其规划方法
CN109193820A (zh) 用于对光伏发电站进行无功优化的方法、系统及存储介质

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20170201

Assignee: Guangzhou Development Zone Yuedian new energy Co.,Ltd.

Assignor: SOUTH CHINA University OF TECHNOLOGY

Contract record no.: X2023980036273

Denomination of invention: A master-slave game based power optimization method for multi microgrid interconnection lines

Granted publication date: 20190618

License type: Common License

Record date: 20230615

EE01 Entry into force of recordation of patent licensing contract