CN107171333B - 基于智能负荷的虚拟电池模型的实时控制方法 - Google Patents

基于智能负荷的虚拟电池模型的实时控制方法 Download PDF

Info

Publication number
CN107171333B
CN107171333B CN201710428335.7A CN201710428335A CN107171333B CN 107171333 B CN107171333 B CN 107171333B CN 201710428335 A CN201710428335 A CN 201710428335A CN 107171333 B CN107171333 B CN 107171333B
Authority
CN
China
Prior art keywords
battery model
virtual
power
power output
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.)
Active
Application number
CN201710428335.7A
Other languages
English (en)
Other versions
CN107171333A (zh
Inventor
叶林
么艳香
滕景竹
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.)
China Agricultural University
Original Assignee
China Agricultural University
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 China Agricultural University filed Critical China Agricultural University
Priority to CN201710428335.7A priority Critical patent/CN107171333B/zh
Publication of CN107171333A publication Critical patent/CN107171333A/zh
Application granted granted Critical
Publication of CN107171333B publication Critical patent/CN107171333B/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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Secondary Cells (AREA)

Abstract

本发明涉及一种基于智能负荷的虚拟电池模型的实时控制方法。对一个供电区域的智能负荷按地区进行分群，每个智能负荷群等效为一个虚拟子电池模型，各智能负荷群的调节能力范围等价为虚拟子电池模型的出力调节范围。将整个供电区域内的若干个智能负荷群等效为一个虚拟电池模型，根据虚拟子电池模型的出力调节范围，所有虚拟子电池模型的出力和等价为虚拟电池模型的总出力。考虑电网的出力情况，滚动优化虚拟子电池出力，通过通信技术、接口单元和协调控制器等，实现智能负荷与电网的协调优化运行。本发明能够充分挖掘智能负荷参与需求响应潜力，可实现智能负荷与电网的协调优化运行，有利于资源的合理优化配置及利用。

Description

基于智能负荷的虚拟电池模型的实时控制方法
技术领域
本发明涉及电力系统运行、控制与调度领域，特别是基于需求响应技术的智能负荷的聚合等效和控制方法。
背景技术
随着煤炭、石油等不可再生资源的日益枯竭以及能源困局的日益严峻，风能、太阳能、潮汐能及生物质能等可再生能源代替不可再生能源是目前应对资源和环境问题的有效途径，智能用电对促进电力系统消纳可再生能源具有重要意义。
智能用电是智能电网的重要组成部分，是连接供电部门与用户的枢纽，也是体现智能电网友好互动的核心。智能用电建设的效果将直接影响电网能源使用效率和经济运行，对电网建设、节能环保、电能质量管理产生深远影响。智能用电可以通过促进智能电网信息流和能量流的互动，引导用户侧优化用电方式，实现柔性用电，提供用能管理等方法协调可再生能源和需求响应资源，实现清洁能源的多元化发展。
各网省电力公司在智能用电领域先后开展了供需互动化系统建设，以构建电网与客户之间高效、互动的新型供用电关系，为电力客户提供多元化互动服务。随着电器设备的智能化以及通信技术的发展，家庭、办公等用电设备的可控性和智能化大大增加，合理协调智能家电和电动汽车的用电，可在电网中更好地平衡用电供给和需求。然而，这些负荷大小不一，种类繁多，分散性强。如何将这些负荷参与到电网调度和优化运行，是目前亟待解决的问题之一。
发明内容
针对现有技术中存在的缺陷，本发明的目的在于提供一种基于智能负荷的虚拟电池模型的实时控制方法。对一个供电区域的智能负荷按地区或街道进行分群，每个智能负荷群等效为一个虚拟子电池模型。将整个供电区域内的若干个智能负荷群等效为一个虚拟电池，所有虚拟子电池的出力和等价为虚拟电池的总出力。考虑电网的出力情况，滚动优化虚拟子电池出力，通过通信技术、接口单元和协调控制器等，实现智能负荷与电网的协调优化运行。本发明能够充分挖掘智能负荷参与需求响应的潜力。
为达到以上目的，本发明采取的技术方案是：
基于智能负荷的虚拟电池模型的实时控制方法，包括以下步骤：
A.实时采集智能负荷的开关状态及额定功率，建立智能负荷可调功率、智能负荷可控变量及智能负荷状态之间的对应关系；
B.将同一个供电区域的智能负荷按地区或街道进行分群，每个智能负荷群等效为一个虚拟子电池模型，同一供电区域内的所有虚拟子电池模型构成一个虚拟电池模型；基于步骤A中的对应关系，计算虚拟子电池模型的可控区域内智能负荷功率可调节的范围，即虚拟子电池模型的出力上边界和下边界；
C.根据虚拟子电池模型的出力上边界和下边界，计算虚拟子电池模型的出力调节范围，以及虚拟电池模型的出力调节范围；
D.根据虚拟子电池模型的出力上边界和下边界，计算虚拟电池模型总出力的上边界和下边界；
E.根据电网的出力情况和虚拟电池模型的出力调节范围，以虚拟电池模型的输出功率最大为目标，建立目标函数，对虚拟子电池模型的出力进行滚动优化，实现虚拟电池模型输出功率最大化；
F.虚拟电池模型收到充放电的指令后，根据步骤E得到的虚拟电池模型的最大输出功率，兼顾用户公平性、合理性，优化负荷调整量在负荷中的分配。
在上述方案的基础上，步骤A中，所述可控变量包括智能负荷的可调节温度和充电速率等；所述智能负荷可调功率、智能负荷可控变量及智能负荷状态之间的对应关系为：对于智能负荷，设开关状态为Si，智能负荷关闭时Si＝0，智能负荷为不可控状态；智能负荷开启时Si＝1，智能负荷处于可控状态，其可控变量调节范围为[Xmin,Xmax]，则该智能负荷对应的功率可调下边界为△Pmin，功率可调上边界为△Pmax。
在上述方案的基础上，步骤B中，所述虚拟子电池模型的出力上边界和下边界为：
其中，PSVBmin(t)表示t时刻虚拟子电池模型的出力下边界，PSVBmax(t)表示t时刻虚拟子电池模型的出力上边界，PSVB(t)表示t时刻虚拟子电池模型的实际的出力值，△Pmax表示智能负荷的功率可调上边界，△Pmin表示智能负荷的功率可调下边界。
在上述方案的基础上，步骤C中，所述虚拟子电池模型的出力调节范围具体为：
其中，△PSVB(t)表示t时刻虚拟子电池模型的调节量，表示t时刻虚拟子电池模型的响应目标值，表示t时刻虚拟子电池模型的预测出力值，代表t时刻虚拟子电池模型的出力上调范围，代表t时刻虚拟子电池模型的出力下调范围；
所述虚拟电池模型的出力调节范围为：
其中，为第t时段虚拟电池模型的出力上调范围，为第t时段虚拟电池模型的出力下调范围。
在上述方案的基础上，步骤D中，根据虚拟子电池模型的出力上边界和下边界，计算虚拟电池模型总出力的上边界和下边界为：
其中，K表示虚拟子电池模型的个数，PVBmin(t)表示t时刻虚拟电池模型的出力下边界，PVBmax(t)表示t时刻虚拟电池模型的出力上边界，PVB(t)表示t时刻虚拟电池模型的实际的出力值，PSVBk(t)表示t时刻虚拟子电池模型k的实际的出力值，PSVBkmin(t)表示t时刻虚拟子电池模型k的出力下边界，PSVBkmax(t)表示t时刻虚拟子电池模型k的出力上边界。
在上述方案的基础上，步骤E中，以虚拟电池模型的输出功率最大所建立的目标函数为：
其中，△PSVB(t)≤△PSVBKmax(t)，K表示虚拟子电池模型的个数，△PSVBkmax(t)为t时刻虚拟子电池模型k的最大可调节功率；
约束条件为：
其中，为第t时段虚拟电池模型的出力下调范围，为第t时段虚拟电池模型的出力上调范围。
在上述方案的基础上，步骤F中，虚拟电池模型收到充放电的指令后，按式(7)-(8)优化负荷调整量在负荷中的分配：
其中，K为虚拟子电池模型的个数，N为虚拟子电池内智能负荷数，Pk为第k个虚拟子电池模型内所有智能负荷的总调度功率，Pki为第k个虚拟子电池模型内第i个智能负荷的调度功率，Pkimax为第k个虚拟子电池模型内第i个智能负荷的最大调度功率，P为虚拟电池总调度功率。
本发明所述的基于智能负荷的虚拟电池模型及实时控制方法，具有以下有益效果：本发明所述控制方法增大或减小这些智能负荷的电力消耗以控制虚拟电池的充放电，以参与电力市场和电网运行的协调管理，可实现负荷与电网的协调优化运行，有利于资源的合理优化配置及利用。
附图说明
本发明有如下附图：
图1基于虚拟电池的电力系统优化模型。
具体实施方式
以下结合附图对本发明作进一步详细说明。
如图1所示，本发明所述的基于智能负荷的虚拟电池模型及实时控制方法，包括如下步骤：
本发明基于电力系统优化运行方式，吸纳了传统电厂、可再生能源以及需求侧形成的虚拟电池等多种资源形式，通过综合常规机组的运行约束、用户舒适性约束、负荷合理性约束等进行资源的优化分配，以达到系统优化运行的目标。在需求侧，针对分散在不同区域中的参与激励响应的负荷，采集其状态信息和电力系统优化分配的子目标。将这些负荷聚合等效为虚拟电池，通过通信技术、接口单元和协调控制器等增大或减小这些负荷的电力消耗以控制虚拟电池的充放电，参与电力市场和电网运行的协调管理，实现负荷与电网的协调优化运行，更有利于资源的合理优化配置及利用。
具体实施步骤为：
步骤A.实时采集智能负荷的开关状态及额定功率，建立智能负荷可调功率、智能负荷可控变量及智能负荷状态之间的对应关系；
通过通信技术，采集各智能负荷的开关状态和功率情况。其中，可控变量指的是例如智能负荷的可调节温度、电动汽车等储能设备的充电速率等；所述智能负荷可调功率、负荷变量及智能负荷状态之间的对应关系为：对于智能负荷，设开关状态为Si，智能负荷关闭时Si＝0，智能负荷为不可控状态；智能负荷开启时Si＝1，智能负荷处于可控状态，智能负荷可控变量调节范围为[Xmin,Xmax]，则该智能负荷对应的功率可调下边界为△Pmin，功率可调上边界为△Pmax。
B.定义智能负荷虚拟电池模型，将同一个供电区域的智能负荷按地区或街道进行分群，每个智能负荷群等效为一个虚拟子电池模型，同一供电区域内的所有虚拟子电池模型构成一个虚拟电池模型；基于步骤A中的函数关系，计算虚拟子电池模型的可控区域内智能负荷功率可调节的范围，即虚拟子电池出力上边界和下边界；
本发明将智能负荷虚拟电池模型定义为：将某一供电区域的智能电器、电动汽车等可控智能负荷进行聚合，等效为一个单一的电池，该电池的充电或放电过程通过控制算法，增大或减小这些负荷的电力消耗来实现，该电池的出力范围由各负荷群的调节能力来决定。
某一可控区域的所有智能负荷可调节的功率即为其等效的虚拟子电池模型的出力上边界和下边界：
其中，PSVBmin(t)表示t时刻虚拟子电池模型的出力下边界，PSVBmax(t)表示t时刻虚拟子电池模型的出力上边界，PSVB(t)表示t时刻虚拟子电池模型的实际的出力值，△Pmax表示智能负荷的功率可调上边界，△Pmin表示智能负荷的功率可调下边界。
步骤C.根据虚拟子电池模型的出力上边界和下边界，计算虚拟子电池模型的出力调节范围；虚拟子电池模型的出力调节范围具体为：
其中，△PSVB(t)表示t时刻虚拟子电池模型的调节量(或称调度功率)，表示t时刻虚拟子电池模型的响应目标值，表示t时刻虚拟子电池模型的预测出力值，代表t时刻虚拟子电池模型的出力上调范围，代表t时刻虚拟子电池模型的出力下调范围；
根据虚拟子电池模型的出力调节范围，可得到虚拟电池模型的出力调节范围，具体为：
其中，为第t时段虚拟电池模型的出力上调范围，为第t时段虚拟电池模型的出力下调范围。
步骤D.根据虚拟子电池模型的出力上边界和下边界，计算虚拟电池模型总出力的上边界和下边界；所有虚拟子电池模型的出力和等价为虚拟电池模型的总出力；
虚拟电池模型的相关属性等于所有虚拟子电池模型的相关属性的线性叠加：
其中K表示虚拟子电池模型的个数，PVBmin(t)表示t时刻虚拟电池模型的出力下边界，PVBmax(t)表示t时刻虚拟电池模型的出力上边界，PVB(t)表示t时刻虚拟电池模型的实际的出力值，PSVBk(t)表示t时刻虚拟子电池模型k的实际的出力值，PSVBkmin(t)表示t时刻虚拟子电池模型k的出力下边界，PSVBkmax(t)表示t时刻虚拟子电池模型k的出力上边界。
步骤E.根据电网的出力情况和虚拟电池模型的出力调节范围，以虚拟电池模型的输出功率最大为目标，建立目标函数，对虚拟子电池模型的出力进行滚动优化，实现虚拟电池模型的输出功率最大化；
以虚拟电池模型的输出功率最大所建立的目标函数为：
其中，K表示虚拟子电池模型的个数，△PSVBkmax(t)为第t时虚拟子电池模型k的最大调节功率。
约束条件为：
其中，为第t时段虚拟电池模型的出力下调范围，为第t时段虚拟电池模型的出力上调范围。
步骤F.协调控制器发出虚拟电池充放电指令，虚拟电池模型接收到充放电指令后，根据步骤E得到的虚拟电池模型的最大输出功率，兼顾用户公平性、合理性，优化负荷调整量在负荷中的分配。
根据目标函数和约束条件，通过先进的通信技术、接口单元和软件构架，协调控制器控制虚拟电池的充电或放电，虚拟电池接收充放电的指令，优化负荷调整量在负荷中的分配：
其中，K为虚拟子电池模型的个数，N为虚拟子电池模型内智能负荷数，Pk为第k个虚拟子电池模型内所有负荷的总调度功率，Pki为第k个虚拟子电池模型内第i个智能负荷的调度功率，Pkimax为第k个虚拟子电池模型内第i个智能负荷的最大调度功率，P为虚拟电池模型的总调度功率。
以上所述，仅是本发明的较佳实例而已，并非对本发明作任何形式上的限制，本领域技术人员利用上述揭示的技术内容做出些许简单修改、等同变化或装饰，均落在本发明的保护范围内。
本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (7)

1.基于智能负荷的虚拟电池模型的实时控制方法，其特征在于：包括以下步骤：
A.实时采集智能负荷的开关状态及额定功率，建立智能负荷可调功率、智能负荷可控变量及智能负荷状态之间的对应关系；
B.将同一个供电区域的智能负荷按地区或街道进行分群，每个智能负荷群等效为一个虚拟子电池模型，同一供电区域内的所有虚拟子电池模型构成一个虚拟电池模型；基于步骤A中的对应关系，计算虚拟子电池模型的出力上边界和下边界；
C.根据虚拟子电池模型的出力上边界和下边界，计算虚拟子电池模型的出力调节范围，以及虚拟电池模型的出力调节范围；
D.根据虚拟子电池模型的出力上边界和下边界，计算虚拟电池模型总出力的上边界和下边界；
E.根据电网的出力情况和虚拟电池模型的出力调节范围，以虚拟电池模型的输出功率最大为目标，建立目标函数，对虚拟子电池模型的出力进行滚动优化，实现虚拟电池模型输出功率最大化；
F.虚拟电池模型收到充放电的指令后，根据步骤E得到的虚拟电池模型的最大输出功率，兼顾用户公平性、合理性，优化负荷调整量在负荷中的分配。
2.根据权利要求1所述的基于智能负荷的虚拟电池模型的实时控制方法，其特征在于：步骤A中，所述可控变量包括智能负荷的可调节温度和充电速率；所述智能负荷可调功率、智能负荷可控变量及智能负荷状态之间的对应关系为：对于智能负荷，设开关状态为Si，智能负荷关闭时Si＝0，智能负荷为不可控状态；智能负荷开启时Si＝1，智能负荷处于可控状态，智能负荷可控变量调节范围为[Xmin,Xmax]，则该智能负荷对应的功率可调下边界为△Pmin，功率可调上边界为△Pmax。
3.根据权利要求2所述的基于智能负荷的虚拟电池模型的实时控制方法，其特征在于：步骤B中，所述虚拟子电池模型的出力上边界和下边界为：
其中，PSVBmin(t)表示t时刻虚拟子电池模型的出力下边界，PSVBmax(t)表示t时刻虚拟子电池模型的出力上边界，PSVB(t)表示t时刻虚拟子电池模型的实际的出力值，ΔPmax表示智能负荷的功率可调上边界，ΔPmin表示智能负荷的功率可调下边界。
4.根据权利要求3所述的基于智能负荷的虚拟电池模型的实时控制方法，其特征在于：步骤C中，所述虚拟子电池模型的出力调节范围具体为：
其中，ΔPSVB(t)表示t时刻虚拟子电池模型的调节量，表示t时刻虚拟子电池模型的响应目标值，表示t时刻虚拟子电池模型的预测出力值，代表t时刻虚拟子电池模型的出力上调范围，代表t时刻虚拟子电池模型的出力下调范围；
所述虚拟电池模型的出力调节范围为：
其中，为第t时段虚拟电池模型的出力上调范围，为第t时段虚拟电池模型的出力下调范围，K表示虚拟子电池模型的个数。
5.根据权利要求3所述的基于智能负荷的虚拟电池模型的实时控制方法，其特征在于：步骤D中，根据虚拟子电池模型的出力上边界和下边界，计算虚拟电池模型总出力的上边界和下边界为：
其中，K表示虚拟子电池模型的个数，PVBmin(t)表示t时刻虚拟电池模型的出力下边界，PVBmax(t)表示t时刻虚拟电池模型的出力上边界，PVB(t)表示t时刻虚拟电池模型的实际的出力值，PSVBk(t)表示t时刻虚拟子电池模型k的实际的出力值，PSVBkmin(t)表示t时刻虚拟子电池模型k的出力下边界，PSVBkmax(t)表示t时刻虚拟子电池模型k的出力上边界。
6.根据权利要求4所述的基于智能负荷的虚拟电池模型的实时控制方法，其特征在于：步骤E中，以虚拟电池模型的输出功率最大所建立的目标函数为：
其中，ΔPSVB(t)≤ΔPSVBKmax(t)，K表示虚拟子电池模型的个数，ΔPSVBkmax(t)为t时刻虚拟子电池模型k的最大可调节功率，PVB(t)表示t时刻虚拟电池模型的实际的出力值；
约束条件为：
其中，为第t时段虚拟电池模型的出力下调范围，为第t时段虚拟电池模型的出力上调范围。
7.根据权利要求1～6任一权利要求所述的基于智能负荷的虚拟电池模型的实时控制方法，其特征在于：步骤F中，虚拟电池模型收到充放电的指令后，按式(7)-(8)优化负荷调整量在负荷中的分配：
其中，K为虚拟子电池模型的个数，N为虚拟子电池内智能负荷数，Pk为第k个虚拟子电池模型内所有智能负荷的总调度功率，PVB表示虚拟电池模型的实际的出力值，Pki为第k个虚拟子电池模型内第i个智能负荷的调度功率，Pkimax为第k个虚拟子电池模型内第i个智能负荷的最大调度功率，P为虚拟电池总调度功率。
CN201710428335.7A 2017-06-08 2017-06-08 基于智能负荷的虚拟电池模型的实时控制方法 Active CN107171333B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710428335.7A CN107171333B (zh) 2017-06-08 2017-06-08 基于智能负荷的虚拟电池模型的实时控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710428335.7A CN107171333B (zh) 2017-06-08 2017-06-08 基于智能负荷的虚拟电池模型的实时控制方法

Publications (2)

Publication Number Publication Date
CN107171333A CN107171333A (zh) 2017-09-15
CN107171333B true CN107171333B (zh) 2019-11-12

Family

ID=59826101

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710428335.7A Active CN107171333B (zh) 2017-06-08 2017-06-08 基于智能负荷的虚拟电池模型的实时控制方法

Country Status (1)

Country Link
CN (1) CN107171333B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111509728B (zh) * 2020-03-25 2022-09-09 中国电力科学研究院有限公司 一种基于多源异构虚拟负荷的优化调控方法及系统
CN116093998B (zh) * 2022-11-28 2024-03-08 国网冀北电力有限公司经济技术研究院 一种基于可控负荷的虚拟蓄电池控制方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102411128A (zh) * 2011-07-25 2012-04-11 华北电力大学（保定） 虚拟电池管理系统及其应用方法
CN103023074A (zh) * 2012-12-14 2013-04-03 贵州电网公司电力调度控制中心 一种基于模型预测控制的大电网有功实时调度方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102411128A (zh) * 2011-07-25 2012-04-11 华北电力大学（保定） 虚拟电池管理系统及其应用方法
CN103023074A (zh) * 2012-12-14 2013-04-03 贵州电网公司电力调度控制中心 一种基于模型预测控制的大电网有功实时调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Identification of Virtual Battery Models for Flexible Loads;Justin T. Hughes et al.;《IEEE Transactions on Power Systems》;20160108;第31卷(第6期);第4660-4669页 *
电力系统云储能研究框架与基础模型;刘静琨等;《中国电机工程学报》;20170620;第37卷(第12期);第3361-3371、S1页 *

Also Published As

Publication number Publication date
CN107171333A (zh) 2017-09-15

Similar Documents

Publication Publication Date Title
CN102710013B (zh) 基于微电网的园区能源网能量优化管理系统及其实现方法
CN105870950B (zh) 一种智能楼宇可调资源多目标协调系统及优化控制方法
CN106208160B (zh) 基于二阶锥优化的售电公司所辖区域配电网的调度方法
CN109740786A (zh) 一种多端柔性互联配电网规划方法及系统
CN104505864B (zh) 用于消纳分布式发电的需求响应控制策略仿真系统和方法
CN109103893A (zh) 一种集群温控负荷参与电网agc的辅助调频方法
CN103296754B (zh) 一种主动配电网分布式电源资源控制方法
CN109301849A (zh) 一种用户侧电池储能电站的能量管理组合控制策略
CN103296682A (zh) 一种多时空尺度渐进趋优的负荷调度模式设计方法
CN108321796B (zh) 家庭能量管理系统与方法
CN103219751B (zh) 一种集群风电场有功功率控制方法
CN107451670B (zh) 一种用于主动配电网的日前分层协调调度方法
CN110365052A (zh) 基于功率优化调度的微网储能系统状态一致性控制方法
CN109066822A (zh) 一种基于电力电子变压器的多点分散式配电系统调度方法
CN104410091B (zh) 基于变流器控制的风储能量管理系统及其控制方法
CN110350512A (zh) 一种智能园区新能源发电站调度优化方法及系统
CN105071410A (zh) 基于虚拟发电厂的配电网无功功率优化调度方法及系统
CN106877407A (zh) 一种风光柴储型微电网协调控制优化方法
CN105896575A (zh) 基于自适应动态规划的百兆瓦储能功率控制方法及系统
CN107171333B (zh) 基于智能负荷的虚拟电池模型的实时控制方法
CN112018790A (zh) 基于分层分布式储能参与需求响应调节控制方法
CN106340893B (zh) 一种基于虚拟发电厂的分布式光伏发电功率控制方法
CN107994618A (zh) 配电网级光储集群的有功功率调度方法和配电网测控设备
Mao et al. Microgrid group control method based on deep learning under cloud edge collaboration
CN109038653A (zh) 一种追求分散式风电高效消纳的配电网优化运行方法

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