CN107967533B - 一种计及分布式电源和需求侧响应的负荷预测方法 - Google Patents

一种计及分布式电源和需求侧响应的负荷预测方法 Download PDF

Info

Publication number
CN107967533B
CN107967533B CN201711092328.0A CN201711092328A CN107967533B CN 107967533 B CN107967533 B CN 107967533B CN 201711092328 A CN201711092328 A CN 201711092328A CN 107967533 B CN107967533 B CN 107967533B
Authority
CN
China
Prior art keywords
power
price
period
ess
formula
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
CN201711092328.0A
Other languages
English (en)
Other versions
CN107967533A (zh
Inventor
杨志刚
张隽
路峰
李远卓
张志�
罗欣
刘梅
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.)
Beijing Tsingsoft Technology Co ltd
State Grid Corp of China SGCC
State Grid Jibei Electric Power Co Ltd
Original Assignee
Beijing Tsingsoft Technology Co ltd
State Grid Corp of China SGCC
State Grid Jibei Electric Power Co Ltd
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 Beijing Tsingsoft Technology Co ltd, State Grid Corp of China SGCC, State Grid Jibei Electric Power Co Ltd filed Critical Beijing Tsingsoft Technology Co ltd
Priority to CN201711092328.0A priority Critical patent/CN107967533B/zh
Publication of CN107967533A publication Critical patent/CN107967533A/zh
Application granted granted Critical
Publication of CN107967533B publication Critical patent/CN107967533B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • 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
    • 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]
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/16—Energy services, e.g. dispersed generation or demand or load or energy savings aggregation

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Power Engineering (AREA)
  • Educational Administration (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种计及分布式电源和需求侧响应的负荷预测方法，包括以下步骤：S1：将电网中的不可控资源按照供应侧与需求侧进行分类；S2：对于需求侧，建立基于价格的需求侧响应的模型及负荷预测方式；S3：对于供应侧，模拟调度不可控的由电能服务商集中控制的带储能分布式电源的运行策略，建立相应模型和负荷预测方式；S4：对于调度不可控的带储能分布式电源运行策略的模型求解。本发明立足电网调度部门，针对分类建立了不同的分析模型及在短期负荷预测中的处理方法，为电网调度的可靠运行提供了有力保障。

Description

一种计及分布式电源和需求侧响应的负荷预测方法
技术领域
本发明涉及电力系统负荷预测研究领域，尤其涉及一种计及分布式电源和需求侧响应的负荷预测方法。
背景技术
电力系统负荷预测是电力系统规划的重要组成部分，也是电力系统经济运行的基础，其对电力系统规划和运行都极其重要，其中的短期负荷预测在机组最优组合、经济调度、最优潮流和电力市场决策等诸多方面有极为重要的作用，负荷预测的精度越高，越有利于提高发电设备的利用率和经济调度的有效性；反之，负荷预测误差较大时，不仅会造成大量运行成本和利润损失，甚至会影响电力系统运行的可靠性和电力市场的供需平衡。
进入21世纪后，由于环境污染和能源短缺等问题，分布式电源和储能系统等分布式资源在配电网中越来越多，典型的应用形式为带储能的分布式电源系统；于此同时，需求侧响应也逐渐进入人们视野，高响应量下的需求侧响应也将逐渐成为一种常态。由于投资主体的不确定性，电网公司对于其独立投资或合作投资的分布式电源具有调度权，但对于个人或者第三方独立投资建设的则无权调度，准确预测计及分布式电源响应前后的负荷曲线，对电网的运行调度有重要意义。
发明内容
基于背景技术存在的技术问题，本发明提出了一种计及分布式电源和需求侧响应的负荷预测方法。
本发明提出的一种计及分布式电源和需求侧响应的负荷预测方法，包括以下步骤：
S1：将电网中的不可控资源按照供应侧与需求侧进行分类；
S2：根据S1中所述的分类，对于需求侧，建立基于价格的需求侧相应模型及负荷预测方式；
S3：根据S1中所述的分类，对于供应侧，模拟调度不可控的由电能服务商集中控制的带储能分布式电源的运行策略，建立相应模型和负荷预测方式；
S4：对于调度不可控的带储能分布式电源运行策略的模型求解。
优选的，所述S1中，按照供应侧和需求侧将电网不可控资源进行分类，将其分为以下两类：一类是基于价格的需求侧响应；另一类是因电网调度权限不足，由电能服务商集中控制出力方向和充放电情况的带储能的分布式电源。
优选的，所述S2中，针对基于电价信息的，不可控的，用户可自主调整用电方式的需求侧响应负荷，以峰谷分时电价为基础信息，采用弹性矩阵法建立相应的需求侧响应模型，来表示用户峰谷电量的转移比例和峰谷电价拉开比之间的关系，其公式为：
Figure BDA0001461511270000021
式中：Qi和Pi分别表示i时段电力需求量和电力价格；Qi0和Pi0分别为i时段原始电力需求量和电力价格；kii表示i时段内电量变化率与电价变化率之比，即该时段的自弹性系数；但i时段的电力需求量不仅与该时段内的电力价格有关，还与其他时段的电力价格有关，其公式为：
Figure BDA0001461511270000031
式中：kij表示i、j时段的交叉弹性系数。
因此，弹性系数有自弹性系数和交叉弹性系数组成，周期内各时间段内的弹性系数可以组成弹性系数矩阵。
Figure BDA0001461511270000032
式中：k为周期内各时间段的弹性系数矩阵；n为周期内分的时间段数，数值越大精度越高，可适当选择大小。
优选的，所述S3中，针对由电能服务商集中控制出力方向和充放电情况的分布式电源，以DG上网费用和ESS套利之和最大为目标制定其的运行策略，其公式为：
maxf(x)＝BDG+BESS-BL
式中：x为控制变量，表示DG的出力对象和ESS的充放电对象；BDG为DG上网所得收益；BESS为ESS低储高放套利；BL为向电网购电费用；各部分收益、费用具体的计算公式为：
Figure BDA0001461511270000033
BESS＝Bdis-Bcha；
Figure BDA0001461511270000034
式中：Δt为采样时间段；n为周期内时间段总数；PDG,i为在第i个时段DG向电网输送的功率；mDG为DG上网电价；PL,i为第i个时间段电网向负荷输送的功率；mi为第i个时间段向电网购电的电价；Bdis和Bcha分别为向电网放电所得费用和充电所需费用。
优选的，所述S3中，Bdis和Bcha的具体公式为：
Figure BDA0001461511270000041
Figure BDA0001461511270000042
式中：PESS,i为ESS在第i个时段处的运行功率，正数表示充电，负数表示放电；mESS为ESS上网电价，这里设其与DG上网电价一样。
优选的，所述S4中，采用嵌入启发式方法的遗传算法求解，其中DG出力对象按照自发自用、余量上网的原则进行选择。
本发明的有益效果是：
1、针对由电能服务商集中控制出力方向和充放电情况的分布式电源，以DG上网费用和ESS套利之和最大为目标制定其的运行策略；
2、采用嵌入启发式方法的遗传算法求解，其中DG出力对象按照自发自用、余量上网的原则进行选择。
本发明立足电网调度部门，针对分类建立了不同的分析模型及在短期负荷预测中的处理方法，为电网调度的可靠运行提供了有力保障。
附图说明
图1为本发明提出的计及分布式电源和需求侧响应的负荷预测方法的模型的具体求解流程图。
具体实施方式
下面结合具体实施例对本发明作进一步解说。
实施例
本实施例中提出了一种计及分布式电源和需求侧响应的负荷预测方法，包括以下步骤：
S1：将电网中的不可控资源按照供应侧与需求侧进行分类；
S2：根据S1中所述的分类，对于需求侧，建立基于价格的需求侧相应模型及负荷预测方式；
S3：根据S1中所述的分类，对于供应侧，模拟调度不可控的由电能服务商集中控制的带储能分布式电源的运行策略，建立相应模型和负荷预测方式；
S4：对于调度不可控的带储能分布式电源运行策略的模型求解。
本实施例中，S1中，按照供应侧和需求侧将电网不可控资源进行分类，将其分为以下两类：一类是基于价格的需求侧响应；另一类是因电网调度权限不足，由电能服务商集中控制出力方向和充放电情况的带储能的分布式电源。S2中，针对基于电价信息的，不可控的，用户可自主调整用电方式的需求侧响应负荷，以峰谷分时电价为基础信息，采用弹性矩阵法建立相应的需求侧响应模型，来表示用户峰谷电量的转移比例和峰谷电价拉开比之间的关系，其公式为：
Figure BDA0001461511270000051
式中：Qi和Pi分别表示i时段电力需求量和电力价格；Qi0和Pi0分别为i时段原始电力需求量和电力价格；kii表示i时段内电量变化率与电价变化率之比，即该时段的自弹性系数；但i时段的电力需求量不仅与该时段内的电力价格有关，还与其他时段的电力价格有关，其公式为：
Figure BDA0001461511270000061
式中：kij表示i、j时段的交叉弹性系数。
因此，弹性系数有自弹性系数和交叉弹性系数组成，周期内各时间段内的弹性系数可以组成弹性系数矩阵。
Figure BDA0001461511270000062
式中：k为周期内各时间段的弹性系数矩阵；n为周期内分的时间段数，数值越大精度越高，可适当选择大小。
S3中，针对由电能服务商集中控制出力方向和充放电情况的分布式电源，以DG上网费用和ESS套利之和最大为目标制定DG、ESS的运行策略，其公式为：
maxf(x)＝BDG+BESS-BL
式中：x为控制变量，表示DG的出力对象和ESS的充放电对象；BDG为DG上网所得收益；BESS为ESS低储高放套利；BL为向电网购电费用；各部分收益、费用具体的计算公式为：
Figure BDA0001461511270000063
BESS＝Bdis-Bcha；
Figure BDA0001461511270000064
式中：Δt为采样时间段；n为周期内时间段总数；PDG,i为在第i个时段DG向电网输送的功率；mDG为DG上网电价；PL,i为第i个时间段电网向负荷输送的功率；mi为第i个时间段向电网购电的电价；Bdis和Bcha分别为向电网放电所得费用和充电所需费用。S3中，Bdis和Bcha的具体公式为：
Figure BDA0001461511270000071
Figure BDA0001461511270000072
式中：PESS,i为ESS在第i个时段处的运行功率，正数表示充电，负数表示放电；mESS为ESS上网电价，这里设其与DG上网电价一样。
S4中，采用嵌入启发式方法的遗传算法求解，其中DG出力对象按照自发自用、余量上网的原则进行选择。本发明立足电网调度部门，针对分类建立了不同的分析模型及在短期负荷预测中的处理方法，为电网调度的可靠运行提供了有力保障。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种计及分布式电源和需求侧响应的负荷预测方法，其特征在于，包括以下步骤：
S1：将电网中的不可控资源按照供应侧与需求侧进行分类；
S2：根据S1中所述的分类，对于需求侧，建立基于价格的需求侧响应的模型及负荷预测方式；
S3：根据S1中所述的分类，对于供应侧，模拟调度不可控的由电能服务商集中控制的带储能分布式电源的运行策略，建立相应模型和负荷预测方式；
S4：对于调度不可控的带储能分布式电源运行策略的模型求解；
所述S2中，针对基于电价信息的，不可控的，用户可自主调整用电方式的需求侧响应负荷，以峰谷分时电价为基础信息，采用弹性矩阵法建立相应的需求侧响应模型，来表示用户峰谷电量的转移比例和峰谷电价拉开比之间的关系，其公式为：
Figure FDA0003315138610000011
式中：Qi和Pi分别表示i时段电力需求量和电力价格；Qi0和Pi0分别为i时段原始电力需求量和电力价格；kii表示i时段内电量变化率与电价变化率之比，即该时段的自弹性系数；但i时段的电力需求量不仅与该时段内的电力价格有关，还与其他时段的电力价格有关，其公式为：
Figure FDA0003315138610000012
式中：kij表示i、j时段的交叉弹性系数；
因此，弹性系数由自弹性系数和交叉弹性系数组成，周期内各时间段内的弹性系数可以组成弹性系数矩阵；
Figure FDA0003315138610000021
式中：k为周期内各时间段的弹性系数矩阵；n为周期内分的时间段数，数值越大精度越高，可适当选择大小；
所述S3中，针对由电能服务商集中控制出力方向和充放电情况的带储能的分布式电源，采用建立以经济效益最大化为目标的数学模型，以DG上网费用和ESS套利之和最大为目标制定其的运行策略，其公式为：
max f(x)＝BDG+BESS-BL
式中：x为控制变量，表示DG的出力对象和ESS的充放电对象；BDG为DG上网所得收益；BESS为ESS低储高放套利；BL为向电网购电费用；各部分收益、费用具体的计算公式为：
Figure FDA0003315138610000022
BESS＝Bdis-Bcha；
Figure FDA0003315138610000023
式中：Δt为采样时间段；n为周期内时间段总数；PDG,i为在第i个时段DG向电网输送的功率；mDG为DG上网电价；PL,i为第i个时间段电网向负荷输送的功率；mi为第i个时间段向电网购电的电价；Bdis和Bcha分别为向电网放电所得费用和充电所需费用；
所述S3中，Bdis和Bcha的具体公式为：
Figure FDA0003315138610000031
Figure FDA0003315138610000032
式中：PESS,i为ESS在第i个时段处的运行功率，正数表示充电，负数表示放电；mESS为ESS上网电价，这里设其与DG上网电价一样。
2.根据权利要求1所述的一种计及分布式电源和需求侧响应的负荷预测方法，其特征在于，所述S1中，按照供应侧和需求侧将电网不可控资源进行分类，将其分为以下两类：一类是基于价格的需求侧响应；另一类是因电网调度权限不足，由电能服务商集中控制出力方向和充放电情况的带储能的分布式电源。
3.根据权利要求1所述的一种计及分布式电源和需求侧响应的负荷预测方法，其特征在于，所述S4中，采用嵌入启发式方法的遗传算法求解，其中DG出力对象按照自发自用、余量上网的原则进行选择。
CN201711092328.0A 2017-11-08 2017-11-08 一种计及分布式电源和需求侧响应的负荷预测方法 Active CN107967533B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711092328.0A CN107967533B (zh) 2017-11-08 2017-11-08 一种计及分布式电源和需求侧响应的负荷预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711092328.0A CN107967533B (zh) 2017-11-08 2017-11-08 一种计及分布式电源和需求侧响应的负荷预测方法

Publications (2)

Publication Number Publication Date
CN107967533A CN107967533A (zh) 2018-04-27
CN107967533B true CN107967533B (zh) 2021-12-03

Family

ID=61999925

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711092328.0A Active CN107967533B (zh) 2017-11-08 2017-11-08 一种计及分布式电源和需求侧响应的负荷预测方法

Country Status (1)

Country Link
CN (1) CN107967533B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109472469B (zh) * 2018-10-23 2021-12-24 国网福建省电力有限公司 一种促进园区清洁能源消纳的多主体互动协调方法及系统
CN109492905B (zh) * 2018-11-08 2021-07-20 四川大学 一种基于购电量转移的可控资源控制方法
CN109685332A (zh) * 2018-12-06 2019-04-26 广东电网有限责任公司 一种综合能源多主体利益均衡优化调度方法及设备
CN111784409B (zh) * 2020-07-13 2024-04-26 南方电网能源发展研究院有限责任公司 用于配置削峰措施的模型构建方法、装置、设备及介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103296679B (zh) * 2013-05-20 2016-08-17 国家电网公司 电力系统中长期优化运行的中长期风电出力模型建模方法
CN103839109A (zh) * 2013-10-19 2014-06-04 李涛 一种基于博弈纳什均衡的微网电源规划方法
CN105405061A (zh) * 2015-05-06 2016-03-16 国家电网公司 一种基于需求响应的配电网供电可靠性评估方法
CN105846423B (zh) * 2016-03-28 2018-10-16 华北电力大学 一种计及需求响应的光伏微电网储能多目标容量配置方法
CN105977991B (zh) * 2016-05-10 2018-07-10 浙江工业大学 一种考虑价格型需求响应的独立型微网优化配置方法

Also Published As

Publication number Publication date
CN107967533A (zh) 2018-04-27

Similar Documents

Publication Publication Date Title
CN107967533B (zh) 一种计及分布式电源和需求侧响应的负荷预测方法
He et al. Peer-to-peer energy sharing with battery storage: Energy pawn in the smart grid
Gelazanskas et al. Demand side management in smart grid: A review and proposals for future direction
CN106846179B (zh) 一种基于非合作博弈的居民负荷双层调度优化方法
Berlink et al. Batch reinforcement learning for smart home energy management
Kota et al. Cooperatives for demand side management
Barbato et al. Model and algorithms for the real time management of residential electricity demand
Appino et al. Reliable dispatch of renewable generation via charging of time-varying PEV populations
Molina et al. Optimal EV charge-discharge schedule in smart residential buildings
Qi et al. When shared autonomous electric vehicles meet microgrids: Citywide energy-mobility orchestration
CN110571795A (zh) 一种储能单元在高风力渗透电力系统中的布置方法
CN114498769B (zh) 一种高比例风光孤岛微电网群能量调度方法及系统
Toubeau et al. Forecast-driven stochastic scheduling of a virtual power plant in energy and reserve markets
CN111047163A (zh) 储能策略数据处理系统、方法、装置及介质
Kang et al. A model predictive scheduling algorithm in real-time control systems
Reddy et al. Cloud energy storage management system with price fluctuations and distributed generation intermittency
Witharama et al. Advanced Genetic Algorithm for Optimal Microgrid Scheduling Considering Solar and Load Forecasting, Battery Degradation, and Demand Response Dynamics
WO2019033113A1 (en) SYSTEM AND METHOD FOR MANAGING ELECTROCHEMICAL ENERGY STORAGE DEVICES
Wang et al. Learning-based energy management policy with battery depth-of-discharge considerations
CN112508241A (zh) 一种智能电网能量优化调度方法
Lotfi et al. Demand response program implementation for day-ahead power system operation
US20220337061A1 (en) Artificial intelligence based p2p power trading method and apparatus
Das et al. Intelligent scheduling of demand side energy usage in smart grid using a metaheuristic approach
Wei Design and management for energy-efficient cyber-physical systems
Chasparis et al. Reinforcement-learning-based optimization for day-ahead flexibility extraction in battery pools

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