CN106684913B - 一种基于多代理的储能电站跟踪发电计划控制系统和方法 - Google Patents
一种基于多代理的储能电站跟踪发电计划控制系统和方法 Download PDFInfo
- Publication number
- CN106684913B CN106684913B CN201611246153.XA CN201611246153A CN106684913B CN 106684913 B CN106684913 B CN 106684913B CN 201611246153 A CN201611246153 A CN 201611246153A CN 106684913 B CN106684913 B CN 106684913B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- power
- agent
- wind
- storage system
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 177
- 238000010248 power generation Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000011232 storage material Substances 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 7
- 239000003795 chemical substances by application Substances 0.000 description 115
- 238000004891 communication Methods 0.000 description 20
- 238000013523 data management Methods 0.000 description 13
- 238000013500 data storage Methods 0.000 description 13
- 238000011161 development Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- H02J3/383—
-
- 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
-
- H02J3/386—
-
- 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)
- Photovoltaic Devices (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种基于多代理的储能电站跟踪发电计划控制系统和方法,采用Agent对多台风力发电机组、光伏发电机机组和储能电池组进行分级管理控制,所述系统包括风光储Agent、风电Agent、光伏Agent和储能Agent,当系统中存在多个Agent时,采用主从关系与协调合作机制,所述风光储Agent处于主从关系的最顶层,所述风电Agent、光伏Agent和储能Agent位于主从关系的第二层。本发明采用多代理技术,完成风电、光伏的功率采集与储能电站的输出功率的优化控制。
Description
技术领域
本发明涉及一种发电计划控制系统和方法,具体涉及一种基于多代理的储能电站跟踪发电计划控制系统和方法。
背景技术
随着全球经济的不断发展,对能源的消耗不断增加。煤炭、石油、天然气等一次能源储备不断减少,面临枯竭。因此,新能源的开发利用受到了广泛关注和支持。其中太阳能、风能以其清洁、无污染、可再生等优点成为了新型能源中的代表,更是受到了国家重视。光伏发电和风力发电成为近年来发展最快的新能源发电技术。由于太阳能和风能在时间上和空间上具有一定的互补特性,因此风光联合发电成为了新型发电系统的主要形式。储能系统的出现,更是推动了光伏、风力发电的发展。储能系统能够配合光伏、风电机组实现平滑输出、削峰填谷、跟踪计划出力等功能,增加了发电的可控性,降低了发电系统的随机性和波动性,提高了风光发电并网能力。
随着风光储联合发电系统的不断发展,装机规模不断扩大,整个风光储联合发电系统的复杂性也不断增加;太阳能和风能发电能力本身受环境因素影响大,用户消费也具有一定的随机性,即使有储能系统的配合也使整个发电系统的控制有很大难度;储能系统的加入更是增加了整个发电系统的复杂程度,对风光储发电系统的控制要求进一步提高。
原有的控制系统和方法在控制方面已经难以满足控制要求,因此需要一个更加稳定、高效、可靠的储能电站控制系统和方法来配合风电、光伏完成整个发电系统的发电任务,是整个发电系统更加稳定高效。目前多代理系统(MAS,Multi-Agent System)技术已在负荷预测、电力市场仿真、微型电网、故障定位、主动配电网等领域得到了应用。国际电子电气工程师协会(IEEE)智能系统分会成立了专门的工作组研究多Agent技术在电力系统中的推广应用问题。
但是与其他领域相比,应用多代理技术建立大规模电池储能电站协调控制与能量管理方法的研究未见报道。大规模电池储能电站运行控制时,网络结构系统复杂,将存在集中式优化控制难以展开的问题。多代理系统技术匹配了分布式约束优化问题求解机制的大部分特征,可采用多求解器的分布策略,求解过程中,分布式求解器可以自治运行,只需要了解所求解问题的局部知识,就可以开展局部区域自主控制。
发明内容
为了克服上述现有技术的不足,本发明提供一种基于多代理的储能电站跟踪发电计划控制系统和方法,本发明采用多代理技术,完成风电、光伏的功率采集与储能电站的输出功率的优化控制。
为了实现上述发明目的,本发明采取如下技术方案:
一种基于多代理的储能电站跟踪发电计划控制系统,采用Agent对多台风力发电机组、光伏发电机机组和储能电池组进行分级管理控制,其特征在于,所述系统包括风光储Agent、风电Agent、光伏Agent和储能Agent,当系统中存在多个Agent时,采用主从关系与协调合作机制;
所述风光储Agent处于主从关系的最顶层,负责完成整个风光储联合发电系统的发电任务分配、信息整合与检测,将输入信息进行处理后分配到所述风电Agent、光伏Agent和储能Agent;
所述风电Agent、光伏Agent和储能Agent位于主从关系的第二层,所述风光储Agent的所述风电Agent负责完成风电机组的功率采集与风电Agent对应储能系统输出功率寻优计算功能;所述光伏Agent负责完成光伏发电机组的功率采集与光伏Agent对应储能系统输出功率寻优计算功能,所述储能Agent负责完成储能电池组的输出功率控制功能。
优选的,所述风光储Agent的输入信息包括风电发电组件、光伏发电组件提供的功率信息、储能系统提供的储能参数、风Agent电标准输出功率、光伏Agent标准输出功率、风电Agent储能输出功率、光伏Agent储能输出功率和储能Agent输出功率;所述风光储Agent的输出信息包括风电Agent标准输出功率、风电Agent功率、风电Agent对应储能输出功率、光伏Agent标准输出功率、光伏Agent功率、光伏Agent对应储能输出功率和储能参数,所述输入信息存储在风光储数据存储与管理单元。
优选的,所述风电Agent的输入信息包括风电Agent标准输出功率、风电Agent功率、储能参数,所述风电Agent的输出信息包括风电发电组件控制信号、风电Agent对应储能输出功率;所述光伏Agent的输入信息包括光伏Agent标准输出功率、光伏Agent功率、储能参数,所述光伏Agent的输出信息包括风电发电组件控制信号、风电Agent对应储能输出功率;所述储能Agent的输入信息包括风电Agent对应储能输出功率、光伏Agent对应储能输出功率、储能参数,所述储能Agent的输出信息包括储能系统控制信号和储能Agent功率,所述风电Agent、光伏Agent、储能Agent输入信息都存储在各自Agent数据存储与管理单元。
优选的,所述储能参数包括储能系统充放电限制功率、储能系统SOC、储能系统限制SOC、储能系统输出功率。
优选的,一种基于多代理的储能电站跟踪发电计划控制方法,所述方法包括如下步骤:
(1)风光储Agent采集数据信息,包括风电发电组件、光伏发电组件功率和储能系统参数,接收计划发电任务,并将计划发电任务分配给风电Agent、光伏Agent;
(2)所述风电Agent、光伏Agent分别与所述风光储Agent协商通信,确定储能参数中储能系统输出功率;
(3)所述风光储Agent接收储能系统输出功率,运行状态检测,完成发电任务。
优选的,所述步骤(1)中,所述计划发电任务包括所述风电Agent的标准输出功率Pwvplan和所述光伏Agent的标准输出功率Ppvplan;当Pwvplan为0时,风光储联合电站为光储模式运行;当Ppvplan为0时,风光储联合电站为风储模式运行。
优选的,所述步骤(2)包括如下步骤:
步骤2-1、所述风电Agent接收风电发电系统发电任务,所述光伏Agent接收光伏发电系统发电任务;
步骤2-2、分别计算所述风电Agent和光伏Agent对应储能系统输出功率区间;
步骤2-3、根据储能系统输出功率区间寻优计算风电Agent和光伏Agent对应储能系统输出功率Pwvbess、Ppvbess;
步骤2-4、考虑储能系统约束,最终确定储能系统输出功率。
优选的,所述步骤2-2中,计算所述风电Agent对应储能系统输出功率区间上限:
式中,Pwv表示当前时刻采集到的风电功率;
计算所述风电Agent对应储能系统输出功率区间下限:
计算光伏Agent对应储能系统输出功率区间上限:
式中,Ppv表示当前时刻采集到的光伏功率;
计算光伏Agent对应储能系统输出功率区间下限:
式中,δ为Pplan所能允许的偏差比例,Pplan为计划发电任务功率值。
优选的,所述步骤2-3中,根据储能系统SOC、放电深度和发电功率偏离比例计算所述储能系统输出功率区间寻优目标函数,公式如下:
min G=ω1F1+ω2F2+ω3F3
式中,G为目标函数,F1、F2、F3分别代表储能系统SOC影响因子、放电深度影响因子、发电功率偏离比例影响因子;ω1、ω2、ω3分别代表储能系统SOC、放电深度、发电功率偏离比例权重系数。
优选的,所述储能系统SOC影响因子F1计算公式如下:
F1=|(SSOC(t)-Ssoc_ref)*2|
Ssoc(t)=Ssoc(t-Δt)-Pwvbess(t)Δt/Ebess
式中,SSOC(t)为t刻储能系统的SOC;Ssoc_ref为方法定义储能系统SOC参考值;Δt为数据采样间隔;Ebess为储能系统总容量;
所述放电深度影响因子F2计算公式如下:
所述发电功率偏离比例影响因子F3的计算公式如下:
F3=|(Pplan-Pout-Pbess)/(Pplan*δ)|
式中,Pplan为计划发电任务功率值,Pout为风光联合或风电或光伏的输出功率值,Pbess为储能系统输出功率值,δ为计划发电任务允许偏差比例。
优选的,所述步骤(2)中,所述储能参数中储能系统输出功率的约束条件为:
SSOC_LOW≤SSOC(t)≤SSOC_HI
Pbess=Pwvbess+Ppvbess
Ssoc(t)=Ssoc(t-Δt)-Pbess(t)Δt/Ebess
式中,SSOC_HI、SSOC_LOW分别为储能系统能量存储SOC限制最大值与最小值。
与最接近的现有技术比,本发明提供的技术方案具有以下优异效果:
本发明结合多代理技术,建立多个Agent将发电任务流程进行Agent分解,各个Agent 通过通信,独立协作完成拆分发电任务,不仅降低了整个系统的控制难度,而且从风电、光伏、储能发展角度来看,本控制方法及系统具有可扩充性,适应了经济的发展。
本发明中控制方法采用遗传算法针对储能系统出力区间进行实时循环优化,能够在完成计划发电任务的同时,充分考虑了储能系统SOC、充放电功率限制的基础之上,充分降低与发电任务之间的误差,提高了风光储发电系统中储能系统的跟踪计划发电能力。
附图说明
图1为一种基于多代理的大规模电池储能电站跟踪发电计划控制统结构图,
图2为一种基于多代理的大规模电池储能电站跟踪发电计划控制方法流程图,
图3为一种基于多代理的大规模电池储能电站跟踪发电计划控制方法遗传算法流程图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
如图1所示,为一种基于多代理的大型风光储功率控制系统主从结构图。以单个风电Agent、光伏Agent、储能Agent为例示出了本发明控制系统的主从结构,从图可以看出该控制系统包含:风光储Agent、风电Agent、光伏Agent、储能Agent。
(1)风光储Agent在主从结构中最顶层,其中包含:风光储通信单元、风光储计算寻优控制单元、风光储数据存储与管理单元。
其中,风光储通信单元负责与本Agent内部各单元和以及风电Agent、光伏Agent、储能Agent之间的相互通信;风光储控制单元负责分配风电Agent、光伏Agent标准输出功率,并监控风光储联合电站的运行,监控信息为风光储系统的跟踪计划发电误差;风光储数据存储与管理单元负责对风光储通信单元与其他模块或单元之间的通信数据进行存储与管理,其中主要包括风电发电功率、风电Agent标准输出功率,光伏发电功率,光伏Agent标准输出功率、储能Agent输出功率等。
(2)风电Agent在主从结构第二层,其中包含:风电通信单元、风电计算寻优控制单元、风电数据存储与管理单元。
其中,风电通信单元负责与本Agent内部各单元和风光储Agent之间的相互通信;风电控制单元负责通过本专利所述控制方法计算风电部分储能参数中储能系统输出功率;风电数据存储与管理单元负责对风电通信单元与其他模块或单元之间的通信数据进行存储与管理,其中包括:风电Agent功率,风电Agent标准输出功率功率、风电Agent对应储能输出功率。
(3)光伏Agent在主从结构第二层,具有次优先级,其中包含:光伏通信单元、光伏计算寻优控制单元、光伏数据存储与管理单元。
其中,光伏通信单元负责与本Agent内部各单元和风光储Agent之间的相互通信;光伏控制单元负责通过本专利所述控制方法计算光伏部分储能参数中储能系统输出功率;光伏数据存储与管理单元负责对光伏通信单元与其他模块或单元之间的通信数据进行存储与管理,其中包括:光伏Agent功率,光伏Agent标准输出功率功率、光伏Agent对应储能输出功率。
(4)储能Agent在主从结构第二层,具有次优先级,其中包含:储能通信单元、储能控制单元、储能数据存储与管理单元。
其中,储能通信单元负责与本Agent内部各单元和风光储Agent之间的相互通信;储能控制单元根据风光储Agent给出的风电Agent对应储能输出功率、光伏Agent对应储能输出功率转换为控制信号,控制储能电池组完成放电;储能数据存储与管理单元负责对储能通信单元与其他模块或单元之间的通信数据进行存储与管理,其中主要为储能Agent功率、风电Agent对应储能输出功率、光伏Agent对应储能输出功率。
如图2所示,为一种基于多代理的大规模电池储能电站跟踪发电计划控制方法流程图,控制具体步骤如下所示:
[1]风光储Agent接收计划发电任务,采集风电发电组件、光伏发电组件功率和储能系统参数,并将计划发电任务按照功率比例分配给风电Agent、光符Agent。
[2]风电Agent、光伏Agent分别与风光储Agent通信,获取储能系统参数,寻优计算出风电Agent、光伏Agent所对应的储能系统输出功率,并发送给风光储Agent。
[3]储能系统与风光储Agent通信,获取出风电Agent、光伏Agent所对应的储能系统输出功率,控制储能电池组输出功率,并把功率信息传送给风光储Agent。
如图3所示,为一种基于多代理的大规模电池储能电站跟踪发电计划控制方法所用到的遗传算法流程图及其详细描述。
1)确定遗传算法参数,包括解空间、迭代次数、交叉变异概率。其中解空间即为风电Agent、光伏Agent对应的各自储能系统输出功率区间。光伏Agent对应储能系统输出功率区间:(Ppvplan(1-δ)-Ppv,Ppvplan(1+δ)-Ppv);风电Agent对应储能系统输出功率区间:(Pwvplan(1-δ)-Pwv,Pwvplan(1+δ)-Pwv)
2)使用二进制编码将储能系统输出功率区间即自变量区间映射到二进制区间之内,根据需要选择二进制位数。其中二进制区间内任意一二进制数字对应相应精度内自变量区间的一个解。
3)初始化种群,在自变量二进制区间内,随机生成一组二进制数,即在储能系统输出功率区间内任意几个功率值。
4)选取适应度函数,评价自变量二进制区间内种群优劣程度。此处选取的适应度函数,为风储Agent目标函数、光伏Agent目标函数为适应度函数。使用适应度函数即目标函数来评价选出来的种群的优劣。
5)对种群按适应度函数进行评价,采用轮盘赌注方法进行选择,并将选择出来的种群进行交叉变异。其中适应度函数评价高的个体,被选择的几率大,对应风电Agent、光伏Agent中能使目标函数取值越小,评价越高,被选择的几率越大。
6)进行迭代,直到迭代次数完成。经过多次迭代以后,此时当代种群中最优个体,即能在对应精度内,逼近解空间最优值。
7)进行解码,将选择出来的二进制数码映射回解空间。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种基于多代理的储能电站跟踪发电计划控制方法,其特征在于,所述方法包括如下步骤:
(1)风光储Agent采集数据信息,包括风电发电组件、光伏发电组件功率和储能系统参数,接收计划发电任务,并将计划发电任务分配给风电Agent、光伏Agent;
(2)所述风电Agent、光伏Agent分别与所述风光储Agent协商通信,确定储能参数中储能系统输出功率;
(3)所述风光储Agent接收储能系统输出功率,运行状态检测,完成发电任务;
所述步骤(2)包括如下步骤:
步骤2-1、所述风电Agent接收风电发电系统发电任务,所述光伏Agent接收光伏发电系统发电任务;
步骤2-2、分别计算所述风电Agent和光伏Agent对应储能系统输出功率区间;
步骤2-3、根据储能系统输出功率区间寻优计算风电Agent和光伏Agent对应储能系统输出功率Pwvbess、Ppvbess;
步骤2-4、考虑储能系统约束,最终确定储能系统输出功率;
所述步骤2-2中,计算所述风电Agent对应储能系统输出功率区间上限:
式中,Pwv表示当前时刻采集到的风电功率;
计算所述风电Agent对应储能系统输出功率区间下限:
计算光伏Agent对应储能系统输出功率区间上限:
式中,Ppv表示当前时刻采集到的光伏功率;
计算光伏Agent对应储能系统输出功率区间下限:
式中,δ为Pplan所能允许的偏差比例,Pplan为计划发电任务功率值;
所述步骤2-3中,根据储能系统SOC、放电深度和发电功率偏离比例计算所述储能系统输出功率区间寻优目标函数,公式如下:
min G=ω1F1+ω2F2+ω3F3
式中,G为目标函数,F1、F2、F3分别代表储能系统SOC影响因子、放电深度影响因子、发电功率偏离比例影响因子;ω1、ω2、ω3分别代表储能系统SOC、放电深度、发电功率偏离比例权重系数。
2.根据权利要求1所述方法,其特征在于,所述步骤(1)中,所述计划发电任务包括所述风电Agent的标准输出功率Pwvplan和所述光伏Agent的标准输出功率Ppvplan;当Pwvplan为0时,风光储联合电站为光储模式运行;当Ppvplan为0时,风光储联合电站为风储模式运行。
3.根据权利要求1所述方法,其特征在于,所述储能系统SOC影响因子F1计算公式如下:
F1=|(SSOC(t)-Ssoc_ref)*2|
Ssoc(t)=Ssoc(t-Δt)-Pwvbess(t)Δt/Ebess
式中,SSOC(t)为t刻储能系统的SOC;Ssoc_ref为方法定义储能系统SOC参考值;Δt为数据采样间隔;Ebess为储能系统总容量;
所述放电深度影响因子F2计算公式如下:
所述发电功率偏离比例影响因子F3的计算公式如下:
F3=|(Pplan-Pout-Pbess)/(Pplan*δ)|
式中,Pplan为计划发电任务功率值,Pout为风光联合或风电或光伏的输出功率值,Pbess为储能系统输出功率值,δ为计划发电任务允许偏差比例。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611246153.XA CN106684913B (zh) | 2016-12-29 | 2016-12-29 | 一种基于多代理的储能电站跟踪发电计划控制系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611246153.XA CN106684913B (zh) | 2016-12-29 | 2016-12-29 | 一种基于多代理的储能电站跟踪发电计划控制系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106684913A CN106684913A (zh) | 2017-05-17 |
CN106684913B true CN106684913B (zh) | 2023-05-23 |
Family
ID=58872456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611246153.XA Active CN106684913B (zh) | 2016-12-29 | 2016-12-29 | 一种基于多代理的储能电站跟踪发电计划控制系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106684913B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107026462B (zh) * | 2017-06-20 | 2018-05-04 | 华北电力大学(保定) | 用于风电计划功率跟踪的储能设备控制策略制定方法 |
CN109818365A (zh) * | 2017-11-20 | 2019-05-28 | 神华集团有限责任公司 | 一种分布式能源系统的控制系统 |
CN108711886B (zh) * | 2018-06-08 | 2021-08-31 | 国网福建省电力有限公司 | 一种园区配网时序运行样本生成方法 |
CN109190900A (zh) * | 2018-08-02 | 2019-01-11 | 大连理工江苏研究院有限公司 | 一种分布式约束优化模型求解agv调度系统任务分配的方法 |
CN109774536B (zh) * | 2019-02-28 | 2020-07-24 | 华中科技大学 | 一种基于多代理技术的模块化电池均衡系统的控制方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103187750B (zh) * | 2011-12-31 | 2014-12-31 | 中国电力科学研究院 | 兆瓦级电池储能电站实时功率控制方法及其系统 |
CN102780236B (zh) * | 2012-08-11 | 2014-05-21 | 山东大学 | 一种风光储联合发电系统的有功优化控制系统及方法 |
CN103532140B (zh) * | 2013-10-22 | 2015-08-19 | 上海电力学院 | 一种含分布式电源的配电网故障后供电恢复的方法及系统 |
-
2016
- 2016-12-29 CN CN201611246153.XA patent/CN106684913B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106684913A (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106684913B (zh) | 一种基于多代理的储能电站跟踪发电计划控制系统和方法 | |
Hua et al. | Optimal energy management strategies for energy Internet via deep reinforcement learning approach | |
Sharma et al. | A critical and comparative review of energy management strategies for microgrids | |
CN110620402B (zh) | 电-气混联系统分布式规划运行联合优化方法及系统 | |
CN104036329B (zh) | 一种基于多智能体协同寻优的含光伏微源主动配网拓扑重构方法 | |
CN107292449A (zh) | 一种含多微网主动配电系统分散协同经济调度方法 | |
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 | |
CN106712035B (zh) | 一种电力系统经济调度方法 | |
CN110676849B (zh) | 一种孤岛微电网群能量调度模型的构建方法 | |
CN109636056A (zh) | 一种基于多智能体技术的多能源微网去中心化优化调度方法 | |
CN110247428B (zh) | 一种基于源网荷协同优化的配电网光储联合配置方法 | |
CN113393172B (zh) | 一种考虑配电网多设备时序运行的“源网储”规划方法 | |
CN107453396A (zh) | 一种分布式光伏电源出力的多目标优化调度方法 | |
CN106712060B (zh) | 一种基于多代理的百兆瓦级电池储能系统控制方法及系统 | |
CN113595133A (zh) | 基于能源路由器的配电网-多微网系统及其调度方法 | |
Yang et al. | Deep learning-based distributed optimal control for wide area energy Internet | |
CN115114854A (zh) | 一种虚拟电厂分布式资源两级自组织优化聚合方法及系统 | |
CN105633950A (zh) | 考虑风电注入不确定性的多目标随机模糊动态最优潮流 | |
Yang | Multi‐objective optimization of integrated gas–electricity energy system based on improved multi‐object cuckoo algorithm | |
Singh et al. | Optimization of levelized cost of hybrid wind-solar-diesel-battery system using political optimizer | |
CN111767621A (zh) | 一种基于知识迁移q学习算法的多能源系统优化调度方法 | |
CN116436085A (zh) | 一种基于场景构建的微能源网群分层优化控制方法及系统 | |
Krim et al. | Joint optimisation of sizing and fuzzy logic power management of a hybrid storage system considering economic reliability indices | |
Wu et al. | Research on optimal storage capacity of DC micro‐grid system in PV station | |
CN113488990A (zh) | 基于改进的蝙蝠算法的微电网优化调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |