CN107067090B - 电网运行远程调度方法 - Google Patents
电网运行远程调度方法 Download PDFInfo
- Publication number
- CN107067090B CN107067090B CN201610772572.0A CN201610772572A CN107067090B CN 107067090 B CN107067090 B CN 107067090B CN 201610772572 A CN201610772572 A CN 201610772572A CN 107067090 B CN107067090 B CN 107067090B
- Authority
- CN
- China
- Prior art keywords
- power
- max
- loss
- constraint
- decision
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 239000002245 particle Substances 0.000 claims abstract description 22
- 238000005457 optimization Methods 0.000 claims description 18
- 230000009467 reduction Effects 0.000 claims description 9
- 238000012546 transfer Methods 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000005728 strengthening Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种电网运行远程调度方法,包括:获取配电网初始参数,设置粒子群的控制参数,令每一个粒子的位置为决策约束向量;利用预定义因数缩小决策变量的可行域,然后计算损耗期望和标准差。本发明提出的电网运行远程调度方法,仅获得风电分布的部分概率参数的情况下,保证线路在各个状态约束不越限,并同时优化配电网线路损耗,实现运行经济性的提升。
Description
技术领域
本发明涉及智能配电,特别涉及一种电网运行远程调度方法。
背景技术
随着智能电网技术的日益发展,世界各国投入了大量精力研究节能调度技术和加大新能源接入电网的力度,其目的就是减少常规能源的消耗以及降低温室气体的排放量,这对于节能减排具有重大的现实意义。电力系统优化调度是电力系统分析和控制中的一个非常重要的问题。其主要任务是保证用户用电需求和电力系统安全稳定的条件下,通过安排电源运行方式,使系统的总发电成本最低。然而对于风电这种不稳定性的能源,给电力系统优化调度带来了极大的挑战。虽然基于风电的随机优化技术已经应用于风电电力系统经济调度中,但是这些现有技术主要是模糊和概率建模,存在一定的局限性,从实际效果来看不够理想。
发明内容
为解决上述现有技术所存在的问题,本发明提出了一种电网运行远程调度方法,包括:
获取配电网初始参数,设置粒子群的控制参数,令每一个粒子的位置为决策约束向量;利用预定义因数缩小决策变量的可行域,然后计算损耗期望和标准差。
优选地,所述配电方法的目标设置为以下约束优化问题:
min[Fobj+E(∑τideci)+τα·max(αPL-σPloss/E(Ploss),0)+Cw+Cg+Cd]
若hi>hi,min,则deci=hi-hi,max
若hi≤hi,min,则deci=hi,min-hi
hi为第i个与决策变量约束有关的状态变量,hi,min和hi,max分别为hi的下限和上限;deci为与第i个状态约束有关的状态变量的减分项;τi为第i个状态变量越限的减分因数,τα为损耗降低性约束的减分因数;
主网采购成本Cg=TgPsw
Tw,Tg,Ts分别为风电单价,主网电力单价和风电弃用单价,
Pw,r i为第i个风电单元出力调度值,Psw为预先向主网采购的有功功率,Δwi=max(Pw i-Pw,r i,0)
其中目标函数Fobj为损耗期望E(Ploss),并设置如下损耗成本缩减约束:σPloss/E(Ploss)≤αPL
其中,σPloss为损耗分布的标准差,αPL为成本缩减阈值;
并且,决策变量包括分布式发电组件的有功出力、无功补偿功率、功率因数调整范围;其中,有功出力约束为:
PDDG i,min<PDDG i<PDDG i,max
PDDG i是有功出力;PDDG i,min和PDDG i,max分别是PDDG i的下限和上限;
无功补偿量约束为
QC i,min<QC i<QC i,max
QC i是无功补偿量;QC i,min和QC i,max分别是QC i的下限和上限;
功率因数调整范围约束为
∏i,min<∏i<∏i,max
∏i是平衡节点的电压幅值;∏i,min和∏i,max分别是∏i的下限和上限;
对于潮流约束,采用的潮流方程为:
Pin i-Vi∑Vj(Gijcosδij+Bijsinδij)=0
Qin i-Vi∑Vj(Gijcosδij-Bijsinδij)=0
其中,Pin i和Qin i分别是母线集合内节点i的有功总输入功率和无功总输入功率,Gij为节点i和节点j之间的转移电导,Bij为节点i和节点j之间的转移电纳,Vi和Vj分别为节点i和节点j的电压幅值,δij为节点i和j之间的电压相角差;
风电的出力与风速密切相关,给定风速值v,风电的有功出力Pw i通过以下函数关系获得:
Pw i=0,v<vci,或v>vco
Pw i=Pw,r i(v-vci)/(vr-vci),vr≥v≥vci
Pw i=Pw,r i,v<vci,vco≥v≥vr
其中,vci和vco分别为风电机组的切入风速和切出风速,vr是额定风速,Pw,r i为最大出力。
本发明相比现有技术,具有以下优点:
本发明提出的电网运行远程调度方法,仅获得风电分布的部分概率参数的情况下,保证线路在各个状态约束不越限,并同时优化配电网线路损耗,实现运行经济性的提升。
附图说明
图1是本发明电网运行远程调度方法的流程图。
具体实施方式
下文提供对本发明一个或者多个实施例的详细描述。结合这样的实施例描述本发明,但是本发明不限于任何实施例。本发明的范围仅由权利要求书限定,并且本发明涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节以便提供对本发明的透彻理解。出于示例的目的而提供这些细节,并且无这些具体细节中的一些或者所有细节也可以根据权利要求书实现本发明。
本发明的配电网调度方法,目的是在仅获得风电分布的部分概率参数的情况下,保证线路在各个状态约束不越限,并同时优化配电网线路损耗,实现运行经济性的提升。与此同时,保证损耗标准差和期望值之间的比值不会过高,因此可以对配网运行经济性的降低性进行有效控制。
本发明模型采用损耗的期望值作为目标函数:
Fobj=E(Ploss)
设置如下损耗成本缩减约束:
σPloss/E(Ploss)≤αPL
其中,σPloss为损耗分布的标准差,αPL为成本缩减阈值。即损耗分布的标准差和期望值的比值不能太高。
本发明的配电网调度方法中,决策变量包括分布式发电组件的有功出力、无功补偿功率、功率因数调整范围。其中,有功出力约束为:
PDDG i,min<PDDG i<PDDG i,max
PDDG i是有功出力;PDDG i,min和PDDG i,max分别是PDDG i的下限和上限。
无功补偿量约束为
QC i,min<QC i<QC i,max
QC i是无功补偿量;QC i,min和QC i,max分别是QC i的下限和上限。
功率因数调整范围约束为
∏i,min<∏i<∏i,max
∏i是平衡节点的电压幅值;∏i,min和∏i,max分别是∏i的下限和上限。
对于潮流约束,采用的潮流方程为随机调度模型的等式约束,具体如下:
Pin i-Vi∑Vj(Gijcosδij+Bijsinδij)=0
Qin i-Vi∑Vj(Gijcosδij-Bijsinδij)=0
其中,Pin i和Qin i分别是母线集合内节点i的有功总输入功率和无功总输入功率,Gij为节点i和节点j之间的转移电导,Bij为节点i和节点j之间的转移电纳,Vi和Vj分别为节点i和节点j的电压幅值,δij为节点i和j之间的电压相角差。
风电的出力与风速密切相关,给定风速值v,风电的有功出力Pw i通过以下函数关系获得:
Pw i=0,v<vci,或v>vco
Pw i=Pw,r i(v-vci)/(vr-vci),vr≥v≥vci
Pw i=Pw,r i,v<vci,vco≥v≥vr
其中,vci和vco分别为风电机组的切入风速和切出风速,vr是额定风速,Pw,r i为最大出力。
本发明的随机调度模型本质上是一个约束优化数学问题。采用绝对值减分函数方法将以上相关公式转化如下的等效模型:
min[Fobj+E(∑τideci)+τα·max(αPL-σPloss/E(Ploss),0)+Cw+Cg+Cd]
若hi>hi,min,则deci=hi-hi,max
若hi≤hi,min,则deci=hi,min-hi
hi为第i个与决策变量约束有关的状态变量,hi,min和hi,max分别为hi的下限和上限;deci为与第i个状态约束有关的状态变量的减分项;τi为第i个状态变量越限的减分因数,τα为损耗降低性约束的减分因数。
主网采购成本Cg=TgPsw
Tw,Tg,Ts分别为风电单价,主网电力单价和风电弃用单价,
Pw,r i为第i个风电单元出力调度值,Psw为预先向主网采购的有功功率,
Δwi=max(Pw i-Pw,r i,0)
对于以上含离散优化变量和连续优化变量的复杂数学优化问题,本发明采用粒子群算法作为优化求解工具。首先利用因数k对决策约束进行加强,具体如下:
hi,min+(1-k)|hi,min|≤hi≤hi,max-(1-k)|hi,max|
根据上述描述,本发明将通过粒子群算法联合求解上述配电网随机调度问题,具体算法流程如下:
1.读取配电网数据、分布式电源参数、风速概率参数,确定决策变量及其可行域;设置粒子群的控制参数,令每一个粒子的位置为决策约束向量;
2.在决策变量可行域内随机初始化每一个粒子的位置,并初始化粒子的速度;
3.根据上述利用因数k对决策约束进行加强的公式,缩小决策变量的可行域,然后根据两点估计算法计算E(∑τideci),以及损耗的期望值和标准差;
4.如果当前迭代次数超过预设的最大迭代次数,则结束粒子群算法的优化过程,输出E(∑τideci);否则,进入步骤5;
5.更新全局最优位置和个体最优位置,然后根据以下公式更新粒子第k次的惯性权值wk:
wk=wmax-(wmax-wmin)×k/kmax;
wmax和wmin分别为wk的上下限,kmax为关联于最大迭代次数的参数;
6.更新迭代次数标记,然后返回步骤3。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (1)
1.一种电网运行远程调度方法,其特征在于,获取配电网初始参数,设置粒子群的控制参数,令每一个粒子的位置为决策约束向量;利用预定义因数缩小决策变量的可行域,然后计算损耗期望和标准差;
配电方法的目标设置为以下约束优化问题:
min[Fobj+E(∑τideci)+τα·max(αpL-σPloss/E(Ploss),0)+Cw+Cg+Cd]
若hi>hi,min,则deci=hi-hi,max
若hi≤hi,min,则deci=hi,min-hi
hi为第i个与决策变量约束有关的状态变量,hi,min和hi,max分别为hi的下限和上限;deci为与第i个状态约束有关的状态变量的减分项;τi为第i个状态变量越限的减分因数,τα为损耗降低性约束的减分因数;
主网采购成本Cg=TgPsw
Tw,Tg,Ts分别为风电单价,主网电力单价和风电弃用单价,
其中目标函数Fobj为损耗期望E(Ploss),并设置如下损耗成本缩减约束:
σPloss/E(Ploss)≤αPL
其中,σPloss为损耗分布的标准差,αPL为成本缩减阈值;
并且,决策变量包括分布式发电组件的有功出力、无功补偿功率、功率因数调整范围;其中,有功出力约束为:
PDDG i,min<PDDG i<PDDG i,max
PDDG i是有功出力;PDDG i,min和PDDG i,max分别是PDDG i的下限和上限;
无功补偿量约束为
QC i,min<QC i<QC i,max
QC i是无功补偿量;QC i,min和QC i,max分别是QC i的下限和上限;
功率因数调整范围约束为
Πi,min<Πi<Πi,max
Πi是平衡节点的电压幅值;Πi,min和Πi,max分别是Πi的下限和上限;
对于潮流约束,采用的潮流方程为:
Pin i-Vi∑Vj(Gijcosδij+Bijsinδij)=0
Qin i-Vi∑Vj(Gijcosδij-Bijsinδij)=0
其中,Pin i和Qin i分别是母线集合内节点i的有功总输入功率和无功总输入功率,Gij为节点i和节点j之间的转移电导,Bij为节点i和节点j之间的转移电纳,Vi和Vj分别为节点i和节点j的电压幅值,δij为节点i和j之间的电压相角差,其中潮流方程为随机调度模型的等式约束,该随机调度模型是一个约束优化数学问题;
风电的出力与风速密切相关,给定风速值v,风电的有功出力Pw i通过以下函数关系获得:
Pw i=0,v<vci,或v>vco
其中,vci和vco分别为风电机组的切入风速和切出风速,vr是额定风速,Pi w,r为最大出力;
对于含离散优化变量和连续优化变量的复杂数学优化问题,采用粒子群算法作为优化求解工具,利用因数k对决策约束进行加强:
hi,min+(1-k)|hi,min|≤hi≤hi,max-(1-k)|hi,max|
还包括:通过粒子群算法联合求解上述配电网随机调度问题,具体算法流程如下:
S1,读取配电网数据、分布式电源参数、风速概率参数,确定决策变量及其可行域;设置粒子群的控制参数,令每一个粒子的位置为决策约束向量;
S2,在决策变量可行域内随机初始化每一个粒子的位置,并初始化粒子的速度;
S3,根据上述利用因数k对决策约束进行加强的公式,缩小决策变量的可行域,然后根据两点估计算法计算E(∑τideci),以及损耗的期望值和标准差;
S4,如果当前迭代次数超过预设的最大迭代次数,则结束粒子群算法的优化过程,输出E(∑τideci),否则,进入步骤5;
S5,更新全局最优位置和个体最优位置,然后根据以下公式更新粒子第k次的惯性权值wk:
其中,wk=wmax-(wmax-wmin)×k/kmax;
wmax和wmin分别为wk的上下限,kmax为关联于最大迭代次数的参数;
S6,更新迭代次数标记,然后返回S3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610772572.0A CN107067090B (zh) | 2016-08-29 | 2016-08-29 | 电网运行远程调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610772572.0A CN107067090B (zh) | 2016-08-29 | 2016-08-29 | 电网运行远程调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107067090A CN107067090A (zh) | 2017-08-18 |
CN107067090B true CN107067090B (zh) | 2022-01-28 |
Family
ID=59616792
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610772572.0A Expired - Fee Related CN107067090B (zh) | 2016-08-29 | 2016-08-29 | 电网运行远程调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107067090B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7860702B1 (en) * | 2002-09-18 | 2010-12-28 | Peter B. Evans | Assessing distributed energy resources for the energynet |
CN103400207A (zh) * | 2013-08-01 | 2013-11-20 | 天津大学 | 一种含可调度分布式电源的配电网运行优化方法 |
CN103580061A (zh) * | 2013-10-28 | 2014-02-12 | 贵州电网公司电网规划研究中心 | 微电网运行方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102723721A (zh) * | 2012-05-31 | 2012-10-10 | 西南交通大学 | 基于个体最优位置自适应变异扰动粒子群算法的电力系统无功优化方法 |
CN103353979B (zh) * | 2013-05-31 | 2016-12-28 | 国家电网公司 | 一种分布式电源的优化选址与定容方法 |
CN104376377A (zh) * | 2014-11-11 | 2015-02-25 | 国家电网公司 | 基于粒子群优化算法的对配电网中分布式电源的管理方法 |
CN104578157B (zh) * | 2015-01-04 | 2017-05-10 | 云南电网有限责任公司电力科学研究院 | 一种分布式电源接入电网的潮流计算方法 |
CN104485681B (zh) * | 2015-01-05 | 2016-12-07 | 国网新疆电力公司电力科学研究院 | 一种风电场储能系统的监控方法 |
CN105262108B (zh) * | 2015-10-20 | 2017-02-22 | 南京邮电大学 | 一种有源配电网鲁棒无功优化运行方法 |
-
2016
- 2016-08-29 CN CN201610772572.0A patent/CN107067090B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7860702B1 (en) * | 2002-09-18 | 2010-12-28 | Peter B. Evans | Assessing distributed energy resources for the energynet |
CN103400207A (zh) * | 2013-08-01 | 2013-11-20 | 天津大学 | 一种含可调度分布式电源的配电网运行优化方法 |
CN103580061A (zh) * | 2013-10-28 | 2014-02-12 | 贵州电网公司电网规划研究中心 | 微电网运行方法 |
Non-Patent Citations (1)
Title |
---|
含DG随机出力的配电网多目标无功优化;丁晓群等;《水电能源科学》;20141225(第12期);167+201-204 * |
Also Published As
Publication number | Publication date |
---|---|
CN107067090A (zh) | 2017-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Coordinated load frequency control of multi-area integrated energy system using multi-agent deep reinforcement learning | |
Li et al. | Reinforcement learning of room temperature set-point of thermal storage air-conditioning system with demand response | |
CN105207253B (zh) | 考虑风电及频率不确定性的agc随机动态优化调度方法 | |
CN106570579B (zh) | 一种基于改进量子粒子群算法的水火电经济调度方法 | |
CN109494727B (zh) | 考虑需求响应的配电网有功和无功协调优化运行方法 | |
Zhang et al. | A cyber-physical-social system with parallel learning for distributed energy management of a microgrid | |
CN113378100B (zh) | 考虑碳排放的配电网源网荷储协同优化调度模型和方法 | |
Wang et al. | Pareto tribe evolution with equilibrium-based decision for multi-objective optimization of multiple home energy management systems | |
CN105184426B (zh) | 一种基于随机连续寻优策略的梯级电站调峰方法 | |
Liu et al. | Two-stage optimal economic scheduling for commercial building multi-energy system through internet of things | |
Yang et al. | Building electrification and carbon emissions: Integrated energy management considering the dynamics of the electricity mix and pricing | |
CN112508325A (zh) | 一种家庭微电网多时间尺度电能调度方法 | |
Telsang et al. | Model-free control of building HVAC systems to accommodate solar photovoltaicEnergy | |
CN116663820A (zh) | 一种需求响应下的综合能源系统能量管理方法 | |
CN113988714A (zh) | 计及多重不确定性的园区综合能源系统动态规划方法、设备及介质 | |
CN115795992A (zh) | 一种基于运行态势虚拟推演的园区能源互联网在线调度方法 | |
CN113765154B (zh) | 一种高弹性电网源网荷储多元协同优化控制方法 | |
CN109359830B (zh) | 一种水电站电力交易计划电量分解方法 | |
CN107067090B (zh) | 电网运行远程调度方法 | |
CN109343461A (zh) | 一种楼宇自动化控制系统的节能控制方法 | |
CN110135640B (zh) | 一种基于模糊聚类改进和声算法的风电配网优化调度方法 | |
Diehl et al. | Nonlinear model predictive control | |
Halvgaard et al. | Thermal storage power balancing with model predictive control | |
CN109995027A (zh) | 一种两阶段区域用户能量管理方法及系统 | |
CN106655208B (zh) | 动态节能配电方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220107 Address after: 755100 No. 046, team 6, Huangying village, Mingsha Town, Zhongning County, Zhongwei City, Ningxia Hui Autonomous Region Applicant after: Liu Hongwei Address before: Room 212, building 2, Zhengbang Jiayuan, No. 30, hengqitiao, dongtieying, Fengtai District, Beijing 100079 Applicant before: BEIJING TAIHE HENGFENG TECHNOLOGY AND TRADE Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220128 |
|
CF01 | Termination of patent right due to non-payment of annual fee |