CN107528352B - 一种基于可再生能源高渗透率的配电网有功优化方法 - Google Patents
一种基于可再生能源高渗透率的配电网有功优化方法 Download PDFInfo
- Publication number
- CN107528352B CN107528352B CN201710759946.XA CN201710759946A CN107528352B CN 107528352 B CN107528352 B CN 107528352B CN 201710759946 A CN201710759946 A CN 201710759946A CN 107528352 B CN107528352 B CN 107528352B
- Authority
- CN
- China
- Prior art keywords
- power
- cold
- load
- heat
- representing
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 13
- 230000035699 permeability Effects 0.000 title claims abstract description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 27
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims abstract description 16
- 230000005611 electricity Effects 0.000 claims abstract description 8
- 239000003345 natural gas Substances 0.000 claims abstract description 8
- 239000002245 particle Substances 0.000 claims abstract description 5
- 238000004146 energy storage Methods 0.000 claims description 24
- 238000010248 power generation Methods 0.000 claims description 17
- 239000007789 gas Substances 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000010438 heat treatment Methods 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 5
- 230000033228 biological regulation Effects 0.000 claims description 4
- 238000005057 refrigeration Methods 0.000 claims description 4
- 238000010521 absorption reaction Methods 0.000 claims description 3
- 238000005338 heat storage Methods 0.000 claims description 3
- 239000008324 flex-power Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 239000002351 wastewater Substances 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 3
- 238000001816 cooling Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
Images
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
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Abstract
本发明公开了一种基于可再生能源高渗透率的配电网有功优化方法,包括以下步骤:S1、获取光伏、风电的未来24小时m个时间断面的预测数据值,作为该时间断面下的最大功率Pmaxpv,t、Pmaxwp,t;从负荷管理系统获取柔性负荷在未来24小时的m个时间断面的可调节功率,计算得到每个时间断面的负荷调节系数λ;获取一般负荷的未来24小时m个时间断面的预测数据值;S2、设置有功优化模型的目标函数及约束条件;S3、获取电价、天然气价格、水库进水量的未来24小时m个时间断面的数据值;S4、设定有功优化模型的各参数,将S1、S3获取的数据值输入有功优化模型,采用粒子群优化算法求解有功优化模型,得到未来24小时的有功优化调度策略。
Description
技术领域
本发明涉及配电网有功优化技术领域,具体涉及一种基于可再生能源高渗透率的配电网有功优化方法。
背景技术
在传统配电网朝智能化方向发展的趋势下,可再生能源高渗透率的主动配电网在配电网中引入主动控制机制,对大规模接入的分布式能源进行主动管理,为未来智能配电网接纳大规模可再生能源提供了有效的解决方案。
然而,大规模接入配电网的分布式能源也为配电网的有功功率优化调度造成了巨大的困难:(1)分布式能源种类繁多,各类分布式能源功率输出特性和控制策略有很大差异,目前针对单一类型的分布式能源就地控制策略已有一些研究成果,但仍缺乏在配电网全局层面的协调控制策略;(2)并网点位置分布分散,目前的微电网技术虽然可以在一定程度上解决分布式能源接入配电网的问题,但只能在相对紧邻的区域内小规模接入分布式能源,并不能够应对大规模分布式能源分散接入的需求。
发明内容
本发明提供了一种基于可再生能源高渗透率的配电网有功优化方法,为配电网能量管理系统服务,充分考虑接入配电网的各类分布式能源的特性,利用不同种类的分布式能源出力之间的耦合和互补特性,以对可控分布式能源在完整调度周期内的出力进行优化调度,保证间歇式能源的高效消纳和配电网的经济运行。
本发明通过以下技术方案实现:
一种基于可再生能源高渗透率的配电网有功优化方法,包括以下步骤:
S1、获取光伏、风电的未来24小时m个时间断面的预测数据值,作为该时间断面下的最大功率Pmaxpv,t、Pmaxwp,t;从负荷管理系统获取柔性负荷在未来24小时的m个时间断面的可调节功率,计算得到每个时间断面的负荷调节系数λ;获取一般负荷的未来24小时m个时间断面的预测数据值;
S2、设置有功优化模型的目标函数及约束条件,目标函数为:
,其中Cgas,t、Cj,t和Cgrid,t分别表示各个时间断面的天然气发电成本、第j个分布式能源发电
成本和从上级电网购电价格,Pi,t表示第i个燃气机组在各个时间断面的发电功率,Pj,t表示
第j个分布式能源在各个时间断面的发电功率,Psub,t表示平衡母线在各个时间断面从上级
电网购电功率,Pwind,t表示各个时间断面下风力发电的实际功率,Vdrop,t表示各个时间断面
下弃水量,a、b分别是设定参数, 表示总弃水量,Ppv,t表示各个时间断面下光
伏发电的实际功率,ρ1,ρ2,ρ3分别表示弃风、弃水、弃光的惩罚系数;
约束条件包括:
(1)冷负荷、热负荷、电功率平衡约束
Pcold=ηecPec+Pcs+Pac,
Pheat=Phm+ηmoPmo+Phs,
Pmo+Pec+∑Pload+Pflex=Pgrid+∑PGi,
Pflex,max≥Pflex≥(1-λ)Pflex,max,
其中,Pcold、Pheat分别表示冷负荷、热负荷,ηec、ηmo分别表示电动制冷机的冷-电转化效率和燃气轮机的热-电转化效率,Pec、Pcs、Pac分别表示电动制冷机、蓄冷装置、吸收式制冷机的制冷功率,Phm、Phs分别表示燃气锅炉、蓄热装置的制热功率,Pmo表示燃气轮机的发电功率,Pload、Pflex分别表示一般负荷和柔性负荷的功率,Psub表示从上级电网购电功率,PGi表示第i个分布式能源的发电功率,λ是柔性负荷的负荷调节系数;
(2)储能系统充放电功率和能量限制约束
分别以能量饱和度SOCcold、SOCheat、SOCec代替冷储能系统、热储能系统、电储能系统中的功率Pcold、Pheat、Pec,得到:
-Pcold,lim≤Pcold,t≤Pcold,lim,t=1,2,...m,
SOCcold,1=SOCcold,m=n;
-Pheat,lim≤Pheat,t≤Pheat,lim,t=1,2,...m,
SOCheat,1=SOCheat,m=n;
-Pec,lim≤Pec,t≤Pec,lim,t=1,2,...m,
SOCec,1=SOCec,m=n;
其中Ecold,N、Eheat,N、Eec,N分别表示冷储能系统、热储能系统、电储能系统的额定储能电量;Plim表示储能充放电功率的上限值,n表示能量饱和度的初始值;
(3)水电功率和水库容量约束
Ve,t=cPwater+d,
Vmin≤Ve,t≤Vmax,
Vall_min≤Ve,t+Vdrop,t≤Vall_max,
U1=Uini,
Um=Uend,
其中Ve,t表示各个时间断面下水库引流量,Pwater表示水电机组的发电功率,c、d为设定参数,Vmin、Vmax分别表示水库引流量下限和上限,Vall_min和Vall_min分别表示水库总流量下限和上限,Vdrop,t表示各个时间断面下弃水量,Ut表示各个时间断面下水库实际容量,Umin、Umax分别表示水库容量下限和上限,Uini、Uend分别为水库初、末容量;
(4)弃风、弃水、弃光、约束
其中α,β,γ分别为允许的弃风、弃水、弃光最大水平;
S3、获取电价、天然气价格、水库进水量的未来24小时m个时间断面的数据值;
S4、设定有功优化模型的各参数,将S1、S3获取的数据值输入有功优化模型,采用粒子群优化算法求解有功优化模型,得到未来24小时的有功优化调度策略。
本发明的进一步方案是,所述每个时间断面的负荷调节系数λ由每个时间断面的可调节负荷功率除以柔性负荷额定功率得到。
本发明的进一步方案是,所述能量饱和度的初始值为75%~85%。
本发明与现有技术相比的优点在于:
一、充分考虑不同种类分布式能源的出力特性和关联,通过有功优化的求解, 能够高效消纳接入配电网的高比例可再生能源,同时让可控分布式能源按照更为经济的调度计划运行;
二、能够有效处理多变量、多约束条件的复杂优化模型,能够有效解决可再生能源高渗透率的配电网中可控分布式能源种类多,数目大的难题。
附图说明
图1是本发明的流程图。
图2是冷热电三联供系统多能耦合关系图。
图3是实施例的网架拓扑图。
图4是有功优化后分布式能源出力图。
图5是有功优化后电网购电量和储能出力图。
具体实施方式
如图1所示的一种基于可再生能源高渗透率的配电网有功优化方法,包括以下步骤:
S1、获取光伏、风电的未来24小时m个时间断面的预测数据值,作为该时间断面下的最大功率Pmax pv,t、Pmax wp,t;从负荷管理系统获取柔性负荷在未来24小时的m个时间断面的可调节功率,由每个时间断面的可调节负荷功率除以柔性负荷额定功率得到每个时间断面的负荷调节系数λ;获取一般负荷的未来24小时m个时间断面的预测数据值;
S2、设置有功优化模型的目标函数及约束条件,目标函数为:
,其中Cgas,t、Cj,t和Cgrid,t分别表示各个时间断面的天然气发电成本、第j个分布式能源发电
成本和从上级电网购电价格,Pi,t表示第i个燃气机组在各个时间断面的发电功率,Pj,t表示
第j个分布式能源在各个时间断面的发电功率,Psub,t表示平衡母线在各个时间断面从上级
电网购电功率,Pwind,t表示各个时间断面下风 力发电的实际功率,Vdrop,t表示各个时间断面
下弃水量,a、b分别是设定参数, 表示总弃水量,Ppv,t表示各个时间断面下光
伏发电的实际功率,ρ1,ρ2,ρ3分别表示弃风、弃水、弃光的惩罚系数;
约束条件包括:
(1)冷负荷、热负荷、电功率平衡约束
Pcold=ηecPec+Pcs+Pac,
Pheat=Phm+ηmoPmo+Phs,
Pmo+Pec+∑Pload+Pflex=Pgrid+∑PGi,
Pflex,max≥Pflex≥(1-λ)Pflex,max,
其中,Pcold、Pheat分别表示冷负荷、热负荷,ηec、ηmo分别表示电动制冷机的冷-电转化效率和燃气轮机的热-电转化效率,Pec、Pcs、Pac分别表示电动制冷机、蓄冷装置、吸收式制冷机的制冷功率,是待求解优化变量,Phm、Phs分别表示燃气锅炉、蓄热装置的制热功率,是待求解优化变量,Pmo表示燃气轮机的发电功率,是待求解优化变量,Pload、Pflex分别表示一般负荷和柔性负荷的功率,其中Pload由负荷预测得到,Pflex是待求解优化变量,Psub、PGi分别表示从上级电网购电功率和第i个分布式能源的发电功率,是待求解优化变量,λ是柔性负荷的负荷调节系数;
(2)储能系统充放电功率和能量限制约束
分别以能量饱和度SOCcold、SOCheat、SOCec代替冷储能系统、热储能系统、电储能系统中的功率Pcold、Pheat、Pec,得到:
-Pcold,lim≤Pcold,t≤Pcold,lim,t=1,2,...m,
SOCcold,1=SOCcold,m=n;
-Pheat,lim≤Pheat,t≤Pheat,lim,t=1,2,...m,
SOCheat,1=SOCheat,m=n;
-Pec,lim≤Pec,t≤Pec,lim,t=1,2,...m,
SOCec,1=SOCec,m=n;
其中Ecold,N、Eheat,N、Eec,N分别表示冷储能系统、热储能系统、电储能系统的额定储能电量,Plim表示储能充放电功率的上限值,均为设定参数,n表示能量饱和度的初始值,取75%~85%;
(3)水电功率和水库容量约束
Ve,t=cPwater+d,
Vmin≤Ve,t≤Vmax,
Vall_min≤Ve,t+Vdrop,t≤Vall_max,
U1=Uini,
Um=Uend,
其中Ve,t表示各个时间断面下水库引流量,Pwater表示水电机组的发电功率, 与引流量成线性关系,c、d为设定参数,Vmin、Vmax分别表示水库引流量下限和上限,Vall_min和Vall_min分别表示水库总流量下限和上限,Vdrop,t表示各个时间断面下弃水量,Ut表示各个时间断面下水库实际容量,Umin、Umax分别表示水库容量下限和上限,Uini、Uend分别为水库初、末容量;
(4)弃风、弃水、弃光、约束
其中α,β,γ分别为允许的弃风、弃水、弃光最大水平;
S3、获取电价、天然气价格、水库进水量的未来24小时m个时间断面的数据值;
S4、设定有功优化模型的各参数,将S1、S3获取的数据值输入有功优化模型,采用粒子群优化算法求解有功优化模型,得到未来24小时的有功优化调度策略。
以图3所示的安装了分布式能源后的IEEE33节点配网系统为例,每小时获取数据四次,未来24小时共获取96个数据点;假设该系统节点28接有风机,容量为800kW,节点10和24接有太阳能光伏电池,容量分别为400kW和500kW,节点1接有小水电,容量为1MW,节点15接有储能电池,容量为100kW,节点17装有冷热电三联供,装机容量为600kW;典型日的负荷变化及风电、光伏出力如表1所示,最大负荷为7430kW,最低负荷为5701.78kW,峰谷差为1728.22kW,假设节点33向配网最大传输功率为5MW,以示例网架某天24小时的日负荷和分布式能源出力预测数据为优化数据,具体如表1所示。
表1
输入有功优化模型中的参数,包括目标函数中对应弃风、弃光、弃水三个惩 罚项的惩罚系数;水电机组有功出力和水电机组流量关系的一次项系数和常数项系数;可接受最大弃风、弃光、弃水系数;水库初、末容量;冷热电联供系统热-电,电-冷转化效率因子,对应于图2中燃气轮机产热和产电的比例系数和电动制冷机耗电和制冷的比例系数,示例网架优化中选取的各系数数值如表2所示。
表2
获取电价,天然气价格,水库进水量的96点数据。
至此,优化模型中的参数已经获取完毕。示例网架某天24小时的其他分布式能源发电成本如表3所示。
表3
最后,根据有功优化模型进行数学优化求解,此类非线性优化问题可采用遗传算法等粒子群优化算法求解,本示例中采用了MATLAB软件自带的fmincon函数(非线性等式/不等式约束优化问题求解)求解此优化问题,得到一个完整调度周期内的全局能量有功优化调度策略。优化后的水电、风电、光伏电 站的出力如图4所示,优化后电网购电量、储能出力与电价曲线对比情况如图5所示,可以看出,优化后系统在电价低谷时段向电网买电较多,在电价高峰时段向电网买电较少;储能在电价低谷时段进行充电,在电价高峰时段进行放电。求解得到的有功优化调度策略下,系统一天24小时的总经济成本为76646.31元,为需要满足示例配电网区域负荷正常供电的最小经济成本值。将本问题进行反向求解(即求经济支出的最大值),得出该系统在此负荷情况下,最大可能需要花费88402.82元,表明该使用本优化模型可以降低高可再生能源渗透率配电网的总经济成本,平均降低百分比为7.12%。
Claims (3)
1.一种基于可再生能源高渗透率的配电网有功优化方法,其特征在于包括以下步骤:
S1、获取光伏、风电的未来24小时m个时间断面的预测数据值,作为该时间断面下的最大功率Pmaxpv,t、Pmaxwp,t;从负荷管理系统获取柔性负荷在未来24小时的m个时间断面的可调节功率,计算得到每个时间断面的负荷调节系数λ;获取一般负荷的未来24小时m个时间断面的预测数据值;
S2、设置有功优化模型的目标函数及约束条件,目标函数为:
,其中Cgas,t、Cj,t和Cgrid,t分别表示各个时间断面的天然气发电成本、第j个分布式能源发电成本和从上级电网购电价格,Pi,t表示第i个燃气机组在各个时间断面的发电功率,Pj,t表示第j个分布式能源在各个时间断面的发电功率,Psub,t表示平衡母线在各个时间断面从上级电网购电功率,Pwind,t表示各个时间断面下风力发电的实际功率,Vdrop,t表示各个时间断面下弃水量,a、b分别是设定参数,表示总弃水量,Ppv,t表示各个时间断面下光伏发电的实际功率,ρ1,ρ2,ρ3分别表示弃风、弃水、弃光的惩罚系数;
约束条件包括:
(1)冷负荷、热负荷、电功率平衡约束
Pcold=ηecPec+Pcs+Pac,
Pheat=Phm+ηmoPmo+Phs,
Pmo+Pec+∑Pload+Pflex=Psub+∑PGi,
Pflex,max≥Pflex≥(1-λ)Pflex,max,
其中,Pcold、Pheat分别表示冷负荷、热负荷,ηec、ηmo分别表示电动制冷机的冷-电转化效率和燃气轮机的热-电转化效率,Pec、Pcs、Pac分别表示电动制冷机、蓄冷装置、吸收式制冷机的制冷功率,Phm、Phs分别表示燃气锅炉、蓄热装置的制热功率,Pmo表示燃气轮机的发电功率,Pload、Pflex分别表示一般负荷和柔性负荷的功率,Psub表示从上级电网购电功率,PGi表示第i个分布式能源的发电功率,λ是柔性负荷的负荷调节系数;
(2)储能系统充放电功率和能量限制约束
分别以能量饱和度SOCcold、SOCheat、SOCec代替冷储能系统、热储能系统、电储能系统中的功率Pcold、Pheat、Pec,得到:
-Pcold,lim≤Pcold,t≤Pcold,lim,t=1,2,...m,
SOCcold,1=SOCcold,m=n;
-Pheat,lim≤Pheat,t≤Pheat,lim,t=1,2,...m,
SOCheat,1=SOCheat,m=n;
-Pec,lim≤Pec,t≤Pec,lim,t=1,2,...m,
SOCec,1=SOCec,m=n;
其中Ecold,N、Eheat,N、Eec,N分别表示冷储能系统、热储能系统、电储能系统的额定储能电量;Plim表示储能充放电功率的上限值,n表示能量饱和度的初始值;
(3)水电功率和水库容量约束
Ve,t=cPwater+d,
Vmin≤Ve,t≤Vmax,
Vall_min≤Ve,t+Vdrop,t≤Vall_max,
U1=Uini,
Um=Uend,
其中Ve,t表示各个时间断面下水库引流量,Pwater表示水电机组的发电功率,c、d为设定参数,Vmin、Vmax分别表示水库引流量下限和上限,Vall_min和Vall_min分别表示水库总流量下限和上限,Vdrop,t表示各个时间断面下弃水量,Ut表示各个时间断面下水库实际容量,Umin、Umax分别表示水库容量下限和上限,Uini、Uend分别为水库初、末容量;
(4)弃风、弃水、弃光、约束
其中α,β,γ分别为允许的弃风、弃水、弃光最大水平;
S3、获取电价、天然气价格、水库进水量的未来24小时m个时间断面的数据值;
S4、设定有功优化模型的各参数,将S1、S3获取的数据值输入有功优化模型,采用粒子群优化算法求解有功优化模型,得到未来24小时的有功优化调度策略。
2.如权利要求1所述的一种基于可再生能源高渗透率的配电网有功优化方法,其特征在于:所述每个时间断面的负荷调节系数λ由每个时间断面的可调节负荷功率除以柔性负荷额定功率得到。
3.如权利要求1所述的一种基于可再生能源高渗透率的配电网有功优化方法,其特征在于:所述能量饱和度的初始值为75%~85%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710759946.XA CN107528352B (zh) | 2017-08-29 | 2017-08-29 | 一种基于可再生能源高渗透率的配电网有功优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710759946.XA CN107528352B (zh) | 2017-08-29 | 2017-08-29 | 一种基于可再生能源高渗透率的配电网有功优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107528352A CN107528352A (zh) | 2017-12-29 |
CN107528352B true CN107528352B (zh) | 2020-01-31 |
Family
ID=60682771
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710759946.XA Active CN107528352B (zh) | 2017-08-29 | 2017-08-29 | 一种基于可再生能源高渗透率的配电网有功优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107528352B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109412158B (zh) * | 2018-11-30 | 2022-05-27 | 国家电网公司西南分部 | 一种考虑弃能成本约束的送端电网机组组合运行控制方法 |
CN111769603B (zh) * | 2020-07-13 | 2022-04-08 | 国网天津市电力公司 | 一种基于电-气耦合系统安全裕度的机组优化调度方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7991512B2 (en) * | 2007-08-28 | 2011-08-02 | General Electric Company | Hybrid robust predictive optimization method of power system dispatch |
CN103441531A (zh) * | 2013-09-10 | 2013-12-11 | 上海电力学院 | 一种区域高渗透率光伏储能系统及其能量管理方法 |
CN103544655A (zh) * | 2013-10-18 | 2014-01-29 | 国家电网公司 | 一种含微电网的区域配电网分层优化方法 |
CN105576718A (zh) * | 2016-03-09 | 2016-05-11 | 国网江苏省电力公司电力科学研究院 | 一种分布式新能源高渗透率情形下交直流配网源荷优化分配控制方法 |
CN106169108A (zh) * | 2016-07-14 | 2016-11-30 | 河海大学 | 含电池储能系统的主动配电网短期有功优化方法 |
-
2017
- 2017-08-29 CN CN201710759946.XA patent/CN107528352B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7991512B2 (en) * | 2007-08-28 | 2011-08-02 | General Electric Company | Hybrid robust predictive optimization method of power system dispatch |
CN103441531A (zh) * | 2013-09-10 | 2013-12-11 | 上海电力学院 | 一种区域高渗透率光伏储能系统及其能量管理方法 |
CN103544655A (zh) * | 2013-10-18 | 2014-01-29 | 国家电网公司 | 一种含微电网的区域配电网分层优化方法 |
CN105576718A (zh) * | 2016-03-09 | 2016-05-11 | 国网江苏省电力公司电力科学研究院 | 一种分布式新能源高渗透率情形下交直流配网源荷优化分配控制方法 |
CN106169108A (zh) * | 2016-07-14 | 2016-11-30 | 河海大学 | 含电池储能系统的主动配电网短期有功优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107528352A (zh) | 2017-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mbungu et al. | An optimal energy management system for a commercial building with renewable energy generation under real-time electricity prices | |
CN109510224B (zh) | 光伏储能与分布式能源联合的容量配置与运行优化方法 | |
Merabet et al. | Energy management system for optimal cost and storage utilization of renewable hybrid energy microgrid | |
Chen et al. | Smart energy management system for optimal microgrid economic operation | |
Tanaka et al. | Optimal operation by controllable loads based on smart grid topology considering insolation forecasted error | |
Masaki et al. | A hierarchical predictive control for supercapacitor-retrofitted grid-connected hybrid renewable systems | |
CN110689189A (zh) | 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法 | |
Wang et al. | Operation of residential hybrid renewable energy systems: Integrating forecasting, optimization and demand response | |
Zubieta | Power management and optimization concept for DC microgrids | |
Bagheri‐Sanjareh et al. | Energy management of islanded microgrid by coordinated application of thermal and electrical energy storage systems | |
CN108564242B (zh) | 微能源网系统、微能源网配置方法及装置 | |
Gong et al. | Net zero energy houses with dispatchable solar pv power supported by electric water heater and battery energy storage | |
Lorestani et al. | Optimal resource planning of smart home energy system under dynamic pricing based on invasive weed optimization algorithm | |
Attou et al. | Energy Management System for Hybrid Microgrids. | |
CN107528352B (zh) | 一种基于可再生能源高渗透率的配电网有功优化方法 | |
Mohseni et al. | A multi-agent approach to optimal sizing of a combined heating and power microgrid | |
Zhang et al. | Optimized scheduling model for isolated microgrid of wind-photovoltaic-thermal-energy storage system with demand response | |
Jain et al. | A Simple Methodology for Sizing of Stand-Alone PV-Battery System | |
Fan et al. | A multi-objective optimal configuration method for microgrids considering zero-carbon operation | |
Zec et al. | Load management in an off-grid hybrid PV–wind–battery system using the power flow control algorithm and fuzzy logic controller | |
CN113013881B (zh) | 考虑能源站的配电网分布式光伏并网接纳能力计算方法 | |
Dong et al. | Demand side management considering household appliances and EV | |
Gao et al. | Day-ahead energy optimal scheduling of household microgrid considering the user satisfaction | |
CN114723278A (zh) | 一种考虑光伏储能的社区微电网调度方法及系统 | |
Kusakana | Daily operation cost minimization of photovoltaic-diesel-battery hybrid systems using different control strategies |
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 |