CN107368929A - 一种基于互动协同、滚动趋优的日内计划计算方法 - Google Patents
一种基于互动协同、滚动趋优的日内计划计算方法 Download PDFInfo
- Publication number
- CN107368929A CN107368929A CN201710665602.2A CN201710665602A CN107368929A CN 107368929 A CN107368929 A CN 107368929A CN 201710665602 A CN201710665602 A CN 201710665602A CN 107368929 A CN107368929 A CN 107368929A
- Authority
- CN
- China
- Prior art keywords
- substation
- time section
- setting time
- main website
- following setting
- 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.)
- Granted
Links
- 238000005096 rolling process Methods 0.000 title claims abstract description 21
- 238000000205 computational method Methods 0.000 title claims abstract description 14
- 230000002452 interceptive effect Effects 0.000 title claims abstract description 14
- 238000004146 energy storage Methods 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 6
- 230000005611 electricity Effects 0.000 claims description 27
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 5
- 241000196324 Embryophyta Species 0.000 claims description 3
- 240000002853 Nelumbo nucifera Species 0.000 claims description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 3
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 abstract description 4
- 238000013461 design Methods 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (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
本发明公开了一种基于互动协同、滚动趋优的日内计划计算方法，主站和子站以固定周期进行滚动计算：子站向主站上报未来设定时间区段内的可用发电容量和储能容量，主计算各子站在未来设定时间区段内的预测发电及储能量；子站计算未来设定时间区段的功率曲线；主站汇总所有子站提交的功率曲线数据，判断是否满足主站运行要求，若不满足则子站对发电、储能和负荷计划进行调整，直至满足要求。本发明采用分布式设计模式，将模型分散在主站和多个子站，采用互动协同、滚动趋优、递归求解的方法，降低了计算模型规模，计算速度得到极大的提升，保证了日内计划滚动计算所要求的实时性。
Description
技术领域
本发明涉及一种日内计划计算方法，尤其是一种基于综合工业园区中调度主站和企业子站的互动协同、滚动趋优的日内计划计算方法。
背景技术
近十多年来，随着电力系统高速增长和经济的腾飞，工业园区得到了高速的发展。随着工业园区用户的多元化，分布式用户互动的供、配、用电技术研究势在必行，以实现配用电的本地互动和能源相互转化。
目前，工业园区中大多已布署配电和冷热监控终端，以及用户能量管理子站系统。监控终端实时采集各类设备的用能信息并上传至能量管理子站系统，能量管理子站系统具备与企业用户已建或待建的光伏、储能、蓄冷、智能负荷控制等外部系统设备及其他自动化系统相连接的接口，能够综合各用能设备信息，从而为调度提供用能需求和可调控容量信息，同时还能响应园区综合能量管理主站系统的控制指令，对各用能设备进行实时就地控制。
现有技术中，对工业园区日内计划的计算，主要是分为主站优化和子站优化两种方式。主站优化的缺陷在于：建模规模大，计算数据过多，计算复杂，导致计算效率低下。而子站计算的缺陷在于：模型不全，计算能力不足，计算不稳定。尤其日内计划的计算对实时性要求较高，采用现有技术方案无法高效、稳定地完成日内计划的计算。
发明内容
本发明提出了一种基于互动协同、滚动趋优的日内计划计算方法，其所要解决的技术问题是：充分利用子站和主站各自的优势，提升计算速度、实时性和稳定性。
本发明的技术方案如下：
一种基于互动协同、滚动趋优的日内计划计算方法，其特征在于：在工业园区设立主站和若干子站，主站和子站以固定周期进行滚动计算：子站向主站上报未来设定时间区段内的可用发电容量和储能容量，主站根据子站上报的可用发电容量和储能容量计算各子站在未来设定时间区段内的预测发电及储能量并下发至相应子站；子站根据主站下发的预测发电及储能量以及子站用电计划数据计算未来设定时间区段的功率曲线并提交至主站，未来设定时间区段功率曲线横坐标为时间，纵坐标为对应时段的预测功率值；主站汇总所有子站提交的功率曲线数据，判断是否满足主站运行要求，如果满足则结束计算，否则将汇总后的功率曲线数据与主站运行要求之间的偏差数据返回给子站；子站根据主站返回的偏差对发电、储能和负荷计划进行调整，重新计算未来设定时间区段功率曲线并向主站提交，直至主站判定满足运行要求，结束计算。
作为对本发明的进一步改进，具体步骤为：
（1）各子站分别读取本子站所有发电装机总容量Gti、未来设定时间区段发电检修储运计划以及发电设备故障数据，统计未来设定时间区段不可用的发电容量Gci，计算未来设定时间区段可用发电容量Gui= Gti-Gci；
并且，各子站分别读取本子站所有储能新机容量Qti，并根据未来设定时间区段储能设备运行状况和设备检修计划，得到未来设定时间区段不可使用的储能容量Qci，确定未来设定时间区段可用储能容量Qui = Qti – Qci；
各子站将未来设定时间区段可用发电容量Gui以及可用储能容量Qui上报主站；
i为未来设定时间区段中的时段序号；
（2）主站根据步骤（1）中的数据计算各子站未来设定时间区段的预测发电及储能量Sgi= Gui*Wi+Qui，式中Wi为分布式发电系数，并将Sgi发送给对应的各子站；
（3）各子站根据本地各用电用户未来设定时间区段的用电计划数据计算子站的未来设定时间区段的预测用电负荷Pfi，再根据主站发送的该子站发电及储能量Sgi计算未来设定时间区段功率曲线，未来设定时间区段功率曲线中时段i的预测功率值Pgi= Pfi-Sgi；
（4）各子站将步骤（3）的未来设定时间区段功率曲线数据上报给园区主站；
（5）园区主站根据各子站的未来设定时间区段功率曲线数据对园区未来设定时间区段的总负荷进行预测，未来设定时间区段中时段i的园区总负荷Pti等于该时刻的所有子站的Pgi之和再加上园区中除子站负荷之外的其它负荷；
（6）园区主站根据未来设定时间区段总负荷的预测数据检查未来设定时间区段园区负荷是否需要削峰，并制定削峰计划，然后将削峰计划下发给各子站；
（7）园区主站划分未来设定时间区段的用电峰谷平时段，并将峰谷平时段数据下发给各子站；
（8）各子站建立计算模型，包括分段电价数据和本子站配用电计划，并接收主站在步骤（5）、（6）和（7）的结果，以成本最低或能效最高为目标进行优化计算，重新制定计划即新的发电计划、储能计划和负荷计划，继而得到新的未来设定时间区段功率曲线数据，然后提交给主站，返回步骤（4），根据新的未来设定时间区段功率曲线数据进行新一轮计算，从而步骤（5）至（8）构成循环计算，直至在步骤（6）中判定不需要削峰为止，此时将当前计划作为最终日内计划；
每隔固定周期重复上述步骤（1）至（8），通过滚动计算的方式得到当前最新的日内计划。
作为对本发明的进一步改进：判定是否需要削峰以及制定削峰计划的方法为：对于时段i，若Pti>Ppmax，则该时段为削峰时段，削峰值为Ppmax -Pti，Ppmax为园区允许最高负荷。
作为对本发明的进一步改进：判定用电峰谷平时段的方法为：对于时段i，若Pi >Pmax，则该时段为高峰时段，Pmax为预设高峰负荷阈值，若Pi <Pmin，则该时段为谷时段，Pmin为预设谷负荷阈值，其它时间段为平时段。
作为对本发明的进一步改进：根据历史天气数据与历史发电系数之间的对照关系选择分布式发电系数Wi，选择与未来设定时间区段中时段i预测气候数据最接近的历史天气数据所对应的历史发电系数，Wi取值范围为0到Wmax，Wmax为最大发电系数。
作为对本发明的进一步改进：所述未来设定时间区段是指未来4小时，未来4小时划分为16个时段，即i为大于等于1且小于等于16的整数，所述固定周期为1小时。
相对于现有技术，本发明具有如下积极效果：（1）本发明采用分布式设计模式，将模型分散在主站和多个子站，大大降低了计算模型规模，计算速度得到极大的提升，保证了日内计划滚动计算所要求的实时性；（2）本发明遵循就近原则对变化的数据进行处理，数据交换只包括中间计算结果和模型数据，提高了通信效率，降低了通信成本，提高了系统效率；（3）本发明采用互动协同、滚动趋优、递归求解的方法，对主站和子站计算结果的迭代优化，不断地进行反馈、交替计算，最终达到优化的目的，充分利用了主站和子站的优势，避开了二者的短板；（4）本发明充分利用了园区未来4小时削峰策略、园区天气数据、子站内的分布发电资源数据和企业用电负荷计划数据，实现了主站、子站和多元用户互动协同、滚动趋优计算，实用性强，并有广阔的适用性。
具体实施方式
下面详细说明本发明的技术方案：
一种基于互动协同、滚动趋优的日内计划计算方法，其主要步骤为：在工业园区设立主站和若干子站，主站和子站以1小时为固定周期进行滚动计算：子站向主站上报未来设定时间区段内的可用发电容量和储能容量，主站根据子站上报的可用发电容量和储能容量计算各子站在未来设定时间区段内的预测发电及储能量并下发至相应子站；子站根据主站下发的预测发电及储能量以及子站用电计划数据计算未来设定时间区段的功率曲线并提交至主站，未来设定时间区段功率曲线横坐标为时间，纵坐标为对应时段的预测功率值；主站汇总所有子站提交的功率曲线数据，判断是否满足主站运行要求，如果满足则结束计算，否则将汇总后的功率曲线数据与主站运行要求之间的偏差数据返回给子站；子站根据主站返回的偏差对发电、储能和负荷计划进行调整，重新计算未来设定时间区段功率曲线并向主站提交，直至主站判定满足运行要求，结束计算。
具体步骤为：
（1）各子站分别读取本子站所有发电装机总容量Gti、未来设定时间区段发电检修储运计划以及发电设备故障数据，统计未来设定时间区段不可用的发电容量Gci，计算未来设定时间区段可用发电容量Gui= Gti-Gci；
并且，各子站分别读取本子站所有储能新机容量Qti，并根据未来设定时间区段储能设备运行状况和设备检修计划，得到未来设定时间区段不可使用的储能容量Qci，确定未来设定时间区段可用储能容量Qui = Qti–Qci；
各子站将未来设定时间区段可用发电容量Gui以及可用储能容量Qui上报主站；
i为未来设定时间区段中的时段序号；
所述未来设定时间区段是指未来4小时，未来4小时划分为16个时段，即i为大于等于1且小于等于16的整数；
（2）主站根据步骤（1）中的数据计算各子站未来设定时间区段的预测发电及储能量Sgi= Gui*Wi+Qui，式中Wi为分布式发电系数，根据历史天气数据与历史发电系数之间的对照关系选择Wi，选择与未来设定时间区段中时段i预测气候数据最接近的历史天气数据所对应的历史发电系数，Wi取值范围为0到Wmax，Wmax为最大发电系数，然后将Sgi发送给对应的各子站；
（3）各子站根据本地各用电用户未来设定时间区段的用电计划数据计算子站的未来设定时间区段的预测用电负荷Pfi，再根据主站发送的该子站发电及储能量Sgi计算未来设定时间区段功率曲线，未来设定时间区段功率曲线中时段i的预测功率值Pgi= Pfi-Sgi；
（4）各子站将步骤（3）的未来设定时间区段功率曲线数据上报给园区主站；
（5）园区主站根据各子站的未来设定时间区段功率曲线数据对园区未来设定时间区段的总负荷进行预测，未来设定时间区段中时段i的园区总负荷Pti等于该时刻的所有子站的Pgi之和再加上园区中除子站负荷之外的其它负荷；
（6）园区主站根据未来设定时间区段总负荷的预测数据检查未来设定时间区段园区负荷是否需要削峰，并制定削峰计划，然后将削峰计划下发给各子站：对于时段i，若Pti>Ppmax，则该时段为削峰时段，削峰值为Ppmax-Pti，Ppmax为园区允许最高负荷；
（7）园区主站划分未来设定时间区段的用电峰谷平时段，并将峰谷平时段数据下发给各子站：对于时段i，若Pi >Pmax，则该时段为高峰时段，Pmax为预设高峰负荷阈值，若Pi <Pmin，则该时段为谷时段，Pmin为预设谷负荷阈值，其它时间段为平时段；
（8）各子站建立计算模型，包括分段电价数据和本子站配用电计划，并接收主站在步骤（5）、（6）和（7）的结果，以成本最低或能效最高为目标进行优化计算，重新制定计划即新的发电计划、储能计划和负荷计划，继而得到新的未来设定时间区段功率曲线数据，然后提交给主站，返回步骤（4），根据新的未来设定时间区段功率曲线数据进行新一轮计算，从而步骤（5）至（8）构成循环计算，直至在步骤（6）中判定不需要削峰为止，此时将当前计划作为最终日内计划；
每隔1小时重复上述步骤（1）至（8），通过滚动计算的方式得到当前最新的日内计划。
Claims (6)
1.一种基于互动协同、滚动趋优的日内计划计算方法，其特征在于：在工业园区设立主站和若干子站，主站和子站以固定周期进行滚动计算：子站向主站上报未来设定时间区段内的可用发电容量和储能容量，主站根据子站上报的可用发电容量和储能容量计算各子站在未来设定时间区段内的预测发电及储能量并下发至相应子站；子站根据主站下发的预测发电及储能量以及子站用电计划数据计算未来设定时间区段的功率曲线并提交至主站，未来设定时间区段功率曲线横坐标为时间，纵坐标为对应时段的预测功率值；主站汇总所有子站提交的功率曲线数据，判断是否满足主站运行要求，如果满足则结束计算，否则将汇总后的功率曲线数据与主站运行要求之间的偏差数据返回给子站；子站根据主站返回的偏差对发电、储能和负荷计划进行调整，重新计算未来设定时间区段功率曲线并向主站提交，直至主站判定满足运行要求，结束计算。
2.如权利要求1所述的基于互动协同、滚动趋优的日内计划计算方法，其特征在于具体步骤为：
（1）各子站分别读取本子站所有发电装机总容量Gti、未来设定时间区段发电检修储运计划以及发电设备故障数据，统计未来设定时间区段不可用的发电容量Gci，计算未来设定时间区段可用发电容量Gui= Gti-Gci；
并且，各子站分别读取本子站所有储能新机容量Qti，并根据未来设定时间区段储能设备运行状况和设备检修计划，得到未来设定时间区段不可使用的储能容量Qci，确定未来设定时间区段可用储能容量Qui = Qti–Qci；
各子站将未来设定时间区段可用发电容量Gui以及可用储能容量Qui上报主站；
i为未来设定时间区段中的时段序号；
（2）主站根据步骤（1）中的数据计算各子站未来设定时间区段的预测发电及储能量Sgi= Gui*Wi+Qui，式中Wi为分布式发电系数，并将Sgi发送给对应的各子站；
（3）各子站根据本地各用电用户未来设定时间区段的用电计划数据计算子站的未来设定时间区段的预测用电负荷Pfi，再根据主站发送的该子站发电及储能量Sgi计算未来设定时间区段功率曲线，未来设定时间区段功率曲线中时段i的预测功率值Pgi= Pfi-Sgi；
（4）各子站将步骤（3）的未来设定时间区段功率曲线数据上报给园区主站；
（5）园区主站根据各子站的未来设定时间区段功率曲线数据对园区未来设定时间区段的总负荷进行预测，未来设定时间区段中时段i的园区总负荷Pti等于该时刻的所有子站的Pgi之和再加上园区中除子站负荷之外的其它负荷；
（6）园区主站根据未来设定时间区段总负荷的预测数据检查未来设定时间区段园区负荷是否需要削峰，并制定削峰计划，然后将削峰计划下发给各子站；
（7）园区主站划分未来设定时间区段的用电峰谷平时段，并将峰谷平时段数据下发给各子站；
（8）各子站建立计算模型，包括分段电价数据和本子站配用电计划，并接收主站在步骤（5）、（6）和（7）的结果，以成本最低或能效最高为目标进行优化计算，重新制定计划即新的发电计划、储能计划和负荷计划，继而得到新的未来设定时间区段功率曲线数据，然后提交给主站，返回步骤（4），根据新的未来设定时间区段功率曲线数据进行新一轮计算，从而步骤（5）至（8）构成循环计算，直至在步骤（6）中判定不需要削峰为止，此时将当前计划作为最终日内计划；
每隔固定周期重复上述步骤（1）至（8），通过滚动计算的方式得到当前最新的日内计划。
3.如权利要求2所述的基于互动协同、滚动趋优的日内计划计算方法，其特征在于判定是否需要削峰以及制定削峰计划的方法为：对于时段i，若Pti>Ppmax，则该时段为削峰时段，削峰值为Ppmax-Pti，Ppmax为园区允许最高负荷。
4.如权利要求2所述的基于互动协同、滚动趋优的日内计划计算方法，其特征在于判定用电峰谷平时段的方法为：对于时段i，若Pi >Pmax，则该时段为高峰时段，Pmax为预设高峰负荷阈值，若Pi <Pmin，则该时段为谷时段，Pmin为预设谷负荷阈值，其它时间段为平时段。
5.如权利要求2所述的基于互动协同、滚动趋优的日内计划计算方法，其特征在于：根据历史天气数据与历史发电系数之间的对照关系选择分布式发电系数Wi，选择与未来设定时间区段中时段i预测气候数据最接近的历史天气数据所对应的历史发电系数，Wi取值范围为0到Wmax，Wmax为最大发电系数。
6.如权利要求2至5任一所述的基于互动协同、滚动趋优的日内计划计算方法，其特征在于：所述未来设定时间区段是指未来4小时，未来4小时划分为16个时段，即i为大于等于1且小于等于16的整数，所述固定周期为1小时。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710665602.2A CN107368929B (zh) | 2017-08-07 | 2017-08-07 | 一种基于互动协同、滚动趋优的日内计划计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710665602.2A CN107368929B (zh) | 2017-08-07 | 2017-08-07 | 一种基于互动协同、滚动趋优的日内计划计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107368929A true CN107368929A (zh) | 2017-11-21 |
| CN107368929B CN107368929B (zh) | 2020-04-07 |
Family
ID=60310279
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710665602.2A Active CN107368929B (zh) | 2017-08-07 | 2017-08-07 | 一种基于互动协同、滚动趋优的日内计划计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107368929B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115796138A (zh) * | 2023-02-09 | 2023-03-14 | 浪潮通用软件有限公司 | 一种用于滚动计划的数据处理方法、设备及介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103066626A (zh) * | 2012-10-31 | 2013-04-24 | 中国电力科学研究院 | 一种多源协调日前发电计划方法 |
| US20130207815A1 (en) * | 2006-06-08 | 2013-08-15 | Fairfax County Water Authority | Systems and methods for remote utility metering and meter monitoring |
| CN203324773U (zh) * | 2013-05-29 | 2013-12-04 | 东润环能(北京)科技有限公司 | 一种风电场集控系统 |
| CN103972915A (zh) * | 2014-05-23 | 2014-08-06 | 中国南方电网有限责任公司调峰调频发电公司 | 一种用于负荷削峰填谷的储能系统最优容量计算方法 |
| US20150234407A1 (en) * | 2014-02-14 | 2015-08-20 | Hitachi, Ltd. | Power demand adjustment system, power demand adjustment method, and power demand adjustment apparatus |
| US20170060109A1 (en) * | 2013-06-06 | 2017-03-02 | International Business Machines Corporation | Managing time-substitutable electricity usage using dynamic controls |
| CN106874594A (zh) * | 2017-02-13 | 2017-06-20 | 云南电网有限责任公司电力科学研究院 | 一种源荷协调控制方法 |
-
2017
- 2017-08-07 CN CN201710665602.2A patent/CN107368929B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130207815A1 (en) * | 2006-06-08 | 2013-08-15 | Fairfax County Water Authority | Systems and methods for remote utility metering and meter monitoring |
| CN103066626A (zh) * | 2012-10-31 | 2013-04-24 | 中国电力科学研究院 | 一种多源协调日前发电计划方法 |
| CN203324773U (zh) * | 2013-05-29 | 2013-12-04 | 东润环能(北京)科技有限公司 | 一种风电场集控系统 |
| US20170060109A1 (en) * | 2013-06-06 | 2017-03-02 | International Business Machines Corporation | Managing time-substitutable electricity usage using dynamic controls |
| US20150234407A1 (en) * | 2014-02-14 | 2015-08-20 | Hitachi, Ltd. | Power demand adjustment system, power demand adjustment method, and power demand adjustment apparatus |
| CN103972915A (zh) * | 2014-05-23 | 2014-08-06 | 中国南方电网有限责任公司调峰调频发电公司 | 一种用于负荷削峰填谷的储能系统最优容量计算方法 |
| CN106874594A (zh) * | 2017-02-13 | 2017-06-20 | 云南电网有限责任公司电力科学研究院 | 一种源荷协调控制方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115796138A (zh) * | 2023-02-09 | 2023-03-14 | 浪潮通用软件有限公司 | 一种用于滚动计划的数据处理方法、设备及介质 |
| CN115796138B (zh) * | 2023-02-09 | 2023-05-16 | 浪潮通用软件有限公司 | 一种用于滚动计划的数据处理方法、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107368929B (zh) | 2020-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109508857B (zh) | 一种主动配电网多阶段规划方法 | |
| CN110119886B (zh) | 一种主动配网动态规划方法 | |
| CN107301470B (zh) | 一种配电网扩展规划与光储选址定容的双层优化方法 | |
| CN112467722B (zh) | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 | |
| CN107221965A (zh) | 一种基于分布式设计的日前计划计算方法 | |
| CN108122068A (zh) | 一种配电网风险规划方法及系统 | |
| CN108599235B (zh) | 一种分布式光伏入网的定容方法 | |
| CN111313445A (zh) | 一种基于模型预测控制的储能设备优化配置方法 | |
| CN115765015A (zh) | 面向电网实际应用场景的源网荷储协同互动方案制定方法 | |
| CN111799794B (zh) | 一种考虑输电阻塞盈余的输电网扩展规划方法 | |
| CN109728579A (zh) | 一种配电网运行效率的评估方法、评估装置及评估设备 | |
| CN110148971A (zh) | 一种分布式电源优化配置方法 | |
| CN106485605B (zh) | 清洁能源电阶梯电价预购平台及控制方法 | |
| Ireshika et al. | Autonomous demand side management of electric vehicles in a distribution grid | |
| CN105514986A (zh) | 一种基于虚拟电厂技术的der用户竞价并网方法 | |
| CN107368929A (zh) | 一种基于互动协同、滚动趋优的日内计划计算方法 | |
| CN116090675B (zh) | 基于区块链与神经网络联合的短时充电调度方法 | |
| CN117318251A (zh) | 一种储能系统 | |
| CN112350435A (zh) | 一种基于微电网群和电力可控负荷的虚拟电厂管控装置 | |
| CN105207255B (zh) | 一种适用于风电出力的电力系统调峰计算方法 | |
| Šemić et al. | Distributed generation allocation in low voltage distribution network using artificial neural network | |
| Zhang et al. | Research on active distribution network structure planning for multi distributed generation access | |
| CN113054674B (zh) | 一种基于分布式小水电联合储能的控制方法及控制系统 | |
| CN112862243B (zh) | 一种基于大数据的配电网节能降损系统及方法 | |
| CN108460233A (zh) | 风电场架空软导线截面选择方法 |
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 |