CN107453408A - 一种考虑不确定性的微电网能量优化调度方法 - Google Patents
一种考虑不确定性的微电网能量优化调度方法 Download PDFInfo
- Publication number
- CN107453408A CN107453408A CN201710586734.6A CN201710586734A CN107453408A CN 107453408 A CN107453408 A CN 107453408A CN 201710586734 A CN201710586734 A CN 201710586734A CN 107453408 A CN107453408 A CN 107453408A
- Authority
- CN
- China
- Prior art keywords
- mrow
- micro
- capacitance sensor
- msubsup
- power
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 12
- 238000004146 energy storage Methods 0.000 claims abstract description 7
- 230000009977 dual effect Effects 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 6
- 238000011068 loading method Methods 0.000 claims description 4
- 238000007726 management method Methods 0.000 description 5
- 230000001143 conditioned effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- H02J3/383—
-
- H02J3/386—
-
- 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
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
- Y02P80/14—District level solutions, i.e. local energy networks
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Photovoltaic Devices (AREA)
Abstract
本发明公开了一种考虑不确定性的微电网能量优化调度方法。本发明包括以下步骤:首先获取含有置信区间的负荷预测数据以及发电预测数据;然后设置最小化微电网运行成本的目标函数,包括发电成本、储能设备的运行费用、上级电网购电费用或售电收入;再然后建立含有置信区间的约束条件,并将不确定约束条件转化为确定性约束条件;步骤四:利用原对偶内点法求解该非线性优化问题,求得微电网运行成本最低的配置方案。本发明有效地提高了微电网能源的利用效率,降低了微电网运行成本。
Description
技术领域
本发明涉及一种基于区间优化的计及风机光伏出力以及负荷的不确定性的微电网能量优化调度方法,具体是一种考虑不确定性的微电网能量优化调度方法。
背景技术
微电网是由大量分布式可再生能源、储能蓄电装置、相关负荷等汇集而成的集发输用储为一体的高度自治系统,能够实现能量可持续的自我控制和智能管理,通过优化调度和控制策略的配合,能起到降低电网峰谷差、提高可再生能源消纳的作用。
目前,微电网的调度基于传统的确定性调度,这种调度方式与风机、光伏出力的不确定性以及微电网中负荷的不确定性不相符合,无法使微电网达到统计意义上的全局最优。因此,如何处理微电网中的不确定性,并开发相应的能量管理方法,显得尤为重要。
发明内容
本发明的目的旨在提供一种考虑不确定性的微电网能量优化调度方法。本发明能够正确处理风机、光伏出力的和负荷的不确定性,并将其纳入微电网优化调度模型中,计算出微电网运行成本最低的配置方案。
为实现上述目的采用的技术方案括以下步骤:
步骤一:获取含有置信区间的负荷预测数据、风机出力预测数据以及光伏发电预测数据。
步骤二:建立最小化微电网运行成本的目标函数,该目标函数包括三部分:一是微电网内部电源的发电成本,二是储能设备的运行维护成本,三是微电网从上级电网的购电/售电的费用/收入。
步骤三:根据微电网各种电源(风机、光伏、柴油发电机)的出力模型,同时考虑风机、光伏出力的不确定性,在传统约束条件基础上添加含有置信区间的功率平衡约束条件:
是用区间数表示的t时段系统负荷预测值,是用区间数表示的t时段风电功率预测值,是用区间数表示的t时段光伏功率预测值。PTit是微电网第i台发电机t时段的出力。N表示发电机数量。
由于传统优化方法无法直接处理含有置信区间的功率平衡约束条件,因此具体需要如下操作:
3-1.根据区间变量的上下限[P-,P+]以及置信度β,构造该区间变量的等效高斯随机变量X~N(μ,σ),其中x*从标准正态分布表中查得,使
对风机出力区间、光伏出力区间、负荷预测区间进行步骤3-1所述操作,将机出力区间、光伏出力区间、负荷预测区间全部转化为等效高斯随机变量。
3-2.将含有置信区间的功率平衡约束通过等效高斯随机变量的运算法则转化为机会约束,即:
其中,PTit是微电网第i台发电机t时段的出力,ΔP为功率不平衡的最大限制值,γ为功率不平衡的容忍度。
3-3.将步骤3-2获取的机会约束通过正态分布的概率密度函数转化为确定性的不等式约束。
步骤四:通过原-对偶内点法求解步骤二、三建立的非线性优化问题,求得微电网运行成本最低的配置方案。
本发明有益效果如下:
本发明针对微电网能量管理过程中电源与负荷不确定性处理的难题,给出了一种不确定性的处理方法,并利用其对微电网进行优化调度,有效地提高了微电网能源的利用效率,降低了微电网运行成本,具有良好的推广价值。
附图说明
图1为本发明中提出的不确定性的微电网能量管理方法流程图;
图2为该方法中发电及负荷不确定性处理的流程图。
图3为微电网内部柴油机成本曲线。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
如图1所示,一种考虑不确定性的微电网能量优化调度方法,通过以下步骤对微电网进行能量管理:
步骤一:获取含有置信区间的负荷预测数据以及发电预测数据;
步骤二:设置最小化微电网运行成本的目标函数,包括发电成本、储能设备的运行费用、上级电网购电费用或售电收入;
步骤三:建立含有置信区间的约束条件;
步骤四:利用原对偶内点法求解该非线性优化问题,求得微电网运行成本最低的配置方案。
如图2所示,本发明通过以下步骤处理发电以及负荷的不确定性:
步骤一:根据含有置信区间的发电预测数据以及负荷预测数据列写区间规划约束;
步骤二:将区间变量转化为等效高斯随机变量;
步骤三:将区间规划约束改写为等效的机会约束;
步骤四:将机会约束用具体函数表示,转化为确定性不等式约束。
步骤一:获取含有置信区间的负荷预测数据、风机出力预测数据以及光伏发电预测数据。
光伏出力区间(kW),置信度0.95
风机出力区间(kW),置信度0.95
负荷预测区间(kW),置信度0.95
步骤二:建立最小化微电网运行成本的目标函数,该目标函数包括三部分:一是微电网内部电源的发电成本,二是储能设备的运行维护成本,三是微电网从上级电网的购电/售电的费用/收入。
本案例中,电网购电成本为0.8元/KWh,无储能设备,微电网内部柴油机成本曲线如图3所示。
步骤三:根据微电网各种电源(风机、光伏、柴油发电机)的出力模型,同时考虑风机、光伏出力的不确定性,在传统约束条件基础上添加含有置信区间的功率平衡约束条件:
是用区间数表示的t时段系统负荷预测值,是用区间数表示的t时段风电功率预测值,是用区间数表示的t时段光伏功率预测值。PTit是微电网第i台发电机t时段的出力。N表示发电机数量。
传统优化方法无法直接处理含有置信区间的功率平衡约束条件,为此需要以下步骤:
3-1.根据区间变量的上下限[P-,P+]以及置信度β,构造该区间变量的等效高斯随机变量X~N(μ,σ),其中x*从标准正态分布表中查得,使
对风机出力区间、光伏出力区间、负荷预测区间进行步骤3-1所述操作,将机出力区间、光伏出力区间、负荷预测区间全部转化为等效高斯随机变量:
如光伏出力区间[99.23677,109.6828],置信度为0.95,则x*=2.1,则其等效高斯随机变量为X~N(104.4598,2.487137)。其他区间变量的转化流程完全相同。
3-2.将含有置信区间的功率平衡约束通过等效高斯随机变量的运算法则转化为机会约束,即:
其中,PTit是微电网第i台发电机t时段的出力,ΔP为功率不平衡的最大限制值,γ为功率不平衡的容忍度。
本案例中,Xt~N(-99.4973,13.64618),ΔP=10,γ=0.05。
3-3.将步骤3-2获取的机会约束通过正态分布的概率密度函数转化为确定性的不等式约束。
步骤四:通过原-对偶内点法求解步骤二、三建立的非线性优化问题,求得微电网运行成本最低的配置方案。
本案例的最优调度方案为:
Claims (2)
1.一种考虑不确定性的微电网能量优化调度方法,其特征在于包括以下步骤:
步骤一:获取含有置信区间的负荷预测数据、风机出力预测数据以及光伏发电预测数据;
步骤二:建立最小化微电网运行成本的目标函数,该目标函数包括三部分:一是微电网内部电源的发电成本,二是储能设备的运行维护成本,三是微电网从上级电网的购电/售电的费用/收入;
步骤三:根据微电网各种电源的出力模型,同时考虑风机、光伏出力的不确定性,在传统约束条件基础上添加含有置信区间的功率平衡约束条件:
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>T</mi>
<mi>i</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>+</mo>
<mo>&lsqb;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>w</mi>
<mi>t</mi>
</mrow>
<mo>-</mo>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>w</mi>
<mi>t</mi>
</mrow>
<mo>+</mo>
</msubsup>
<mo>&rsqb;</mo>
<mo>+</mo>
<mo>&lsqb;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>s</mi>
<mi>t</mi>
</mrow>
<mo>-</mo>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>s</mi>
<mi>t</mi>
</mrow>
<mo>+</mo>
</msubsup>
<mo>&rsqb;</mo>
<mo>=</mo>
<mo>&lsqb;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>L</mi>
<mi>t</mi>
</mrow>
<mo>-</mo>
</msubsup>
<mo>,</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>L</mi>
<mi>t</mi>
</mrow>
<mo>+</mo>
</msubsup>
<mo>&rsqb;</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
是用区间数表示的t时段系统负荷预测值,是用区间数表示的t时段风电功率预测值,是用区间数表示的t时段光伏功率预测值;PTit是微电网第i台发电机t时段的出力;N表示发电机数量;
步骤四:通过原-对偶内点法求解步骤二、三建立的非线性优化问题,求得微电网运行成本最低的配置方案。
2.根据权利要求1所述的一种考虑不确定性的微电网能量优化调度方法,其特征在于步骤三具体需要如下操作:
3-1.根据区间变量的上下限[P-,P+]以及置信度β,构造该区间变量的等效高斯随机变量X~N(μ,σ),其中x*从标准正态分布表中查得,使
对风机出力区间、光伏出力区间、负荷预测区间进行步骤3-1所述操作,将机出力区间、光伏出力区间、负荷预测区间全部转化为等效高斯随机变量;
3-2.将含有置信区间的功率平衡约束通过等效高斯随机变量的运算法则转化为机会约束,即:
<mrow>
<mi>P</mi>
<mo>{</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>T</mi>
<mi>i</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>X</mi>
<mi>t</mi>
</msub>
<mo>&GreaterEqual;</mo>
<mi>&Delta;</mi>
<mi>P</mi>
<mo>}</mo>
<mo>&le;</mo>
<mi>&gamma;</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>P</mi>
<mo>{</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>T</mi>
<mi>i</mi>
<mi>t</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>X</mi>
<mi>t</mi>
</msub>
<mo>&le;</mo>
<mo>-</mo>
<mi>&Delta;</mi>
<mi>P</mi>
<mo>}</mo>
<mo>&le;</mo>
<mi>&gamma;</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
其中,PTit是微电网第i台发电机t时段的出力,ΔP为功率不平衡的最大限制值,γ为功率不平衡的容忍度;
3-3.将步骤3-2获取的机会约束通过正态分布的概率密度函数转化为确定性的不等式约束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710586734.6A CN107453408B (zh) | 2017-07-18 | 2017-07-18 | 一种考虑不确定性的微电网能量优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710586734.6A CN107453408B (zh) | 2017-07-18 | 2017-07-18 | 一种考虑不确定性的微电网能量优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107453408A true CN107453408A (zh) | 2017-12-08 |
CN107453408B CN107453408B (zh) | 2020-05-08 |
Family
ID=60489008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710586734.6A Active CN107453408B (zh) | 2017-07-18 | 2017-07-18 | 一种考虑不确定性的微电网能量优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107453408B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919399A (zh) * | 2019-04-15 | 2019-06-21 | 中国科学院电工研究所 | 一种综合能源系统日前经济调度方法及系统 |
WO2020055778A1 (en) * | 2018-09-11 | 2020-03-19 | 3M Innovative Properties Company | Active battery management method for economic optimization |
CN109378838B (zh) * | 2018-10-17 | 2020-11-06 | 南京邮电大学 | 风光储联合系统多储能及用户侧负荷调度的区间优化方法 |
CN114825470A (zh) * | 2022-06-22 | 2022-07-29 | 广东电网有限责任公司江门供电局 | 一种微电网的调度方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105305485A (zh) * | 2015-10-15 | 2016-02-03 | 南方电网科学研究院有限责任公司 | 一种消纳大规模间歇性能源的安全约束经济调度方法 |
CN105322534A (zh) * | 2015-10-08 | 2016-02-10 | 南京邮电大学 | 一种基于区间不确定性的微网优化调度方法 |
-
2017
- 2017-07-18 CN CN201710586734.6A patent/CN107453408B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105322534A (zh) * | 2015-10-08 | 2016-02-10 | 南京邮电大学 | 一种基于区间不确定性的微网优化调度方法 |
CN105305485A (zh) * | 2015-10-15 | 2016-02-03 | 南方电网科学研究院有限责任公司 | 一种消纳大规模间歇性能源的安全约束经济调度方法 |
Non-Patent Citations (2)
Title |
---|
LI LANQING ET AL.: "Economic Optimal Dispatching Method of Power Microgrid under Environmental Uncertainties", 《2016 5TH IIAI INTERNATIONAL CONGRESS ON ADVANCED APPLIED INFORMATICS (IIAI-AAI)》 * |
王守相等: "考虑不确定性的微网日前经济优化调度区间线性规划方法", 《电力系统自动化》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020055778A1 (en) * | 2018-09-11 | 2020-03-19 | 3M Innovative Properties Company | Active battery management method for economic optimization |
CN109378838B (zh) * | 2018-10-17 | 2020-11-06 | 南京邮电大学 | 风光储联合系统多储能及用户侧负荷调度的区间优化方法 |
CN109919399A (zh) * | 2019-04-15 | 2019-06-21 | 中国科学院电工研究所 | 一种综合能源系统日前经济调度方法及系统 |
CN109919399B (zh) * | 2019-04-15 | 2021-07-27 | 中国科学院电工研究所 | 一种综合能源系统日前经济调度方法及系统 |
CN114825470A (zh) * | 2022-06-22 | 2022-07-29 | 广东电网有限责任公司江门供电局 | 一种微电网的调度方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107453408B (zh) | 2020-05-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hou et al. | Multi-objective economic dispatch of a microgrid considering electric vehicle and transferable load | |
WO2018059096A1 (zh) | 一种多类电源发电计划组合决策方法及存储介质 | |
Ju et al. | A two-stage optimal coordinated scheduling strategy for micro energy grid integrating intermittent renewable energy sources considering multi-energy flexible conversion | |
Kavousi-Fard et al. | Reliability-oriented reconfiguration of vehicle-to-grid networks | |
CN107453408A (zh) | 一种考虑不确定性的微电网能量优化调度方法 | |
Li et al. | An energy efficient solution: Integrating plug-in hybrid electric vehicle in smart grid with renewable energy | |
Yang et al. | Research on heat and electricity coordinated dispatch model for better integration of wind power based on electric boiler with thermal storage | |
CN107634518A (zh) | 一种“源‑网‑荷”相协调的主动配电网经济调度方法 | |
Ju et al. | A Tri-dimensional Equilibrium-based stochastic optimal dispatching model for a novel virtual power plant incorporating carbon Capture, Power-to-Gas and electric vehicle aggregator | |
CN105305423A (zh) | 一种考虑间歇性能源不确定性的最优误差边界的确定方法 | |
Gildenhuys et al. | Optimization of the operational cost and environmental impact of a multi-microgrid system | |
CN111313475A (zh) | 一种功率平衡约束考虑预测误差不确定变量的电力系统调度方法 | |
CN104795828A (zh) | 基于遗传算法的风储容量配置方法 | |
Zhao et al. | A new power system active rescheduling method considering the dispatchable plug-in electric vehicles and intermittent renewable energies | |
CN113285490A (zh) | 电力系统调度方法、装置、计算机设备和存储介质 | |
Zhong et al. | An orderly EV charging scheduling method based on deep learning in cloud-edge collaborative environment | |
CN114844124B (zh) | 一种基于目标优化的综合能源系统的运行控制方法 | |
He et al. | Integrated scheduling of hydro, thermal and wind power with spinning reserve | |
Chupradit et al. | Modeling and Optimizing the Charge of Electric Vehicles with Genetic Algorithm in the Presence of Renewable Energy Sources | |
CN115882523A (zh) | 含分布式储能的电力系统优化运行方法、系统及设备 | |
CN116402210A (zh) | 一种综合能源系统多目标优化方法、系统、设备和介质 | |
Wu et al. | Multi-objective optimization of integrated energy systems considering renewable energy uncertainty and electric vehicles | |
Luo et al. | Two‐stage robust optimal scheduling of wind power‐photovoltaic‐thermal power‐pumped storage combined system | |
CN107482675A (zh) | 一种基于离网型微网的电动汽车消纳可再生能源的计算方法 | |
CN112564160B (zh) | 一种计及风电不确定性的储能系统随机配置方法、终端及存储介质 |
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 |