CN108062607B - 一种求解多区域电网经济调度模型的优化方法 - Google Patents

一种求解多区域电网经济调度模型的优化方法 Download PDF

Info

Publication number
CN108062607B
CN108062607B CN201810027597.7A CN201810027597A CN108062607B CN 108062607 B CN108062607 B CN 108062607B CN 201810027597 A CN201810027597 A CN 201810027597A CN 108062607 B CN108062607 B CN 108062607B
Authority
CN
China
Prior art keywords
sub
network
scene
scheduling
phase angle
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
CN201810027597.7A
Other languages
English (en)
Other versions
CN108062607A (zh
Inventor
赵文猛
周保荣
卢斯煜
王彤
王滔
其他发明人请求不公开姓名
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 South Power Grid International Co ltd
China Southern Power Grid Co Ltd
Original Assignee
China South Power Grid International Co ltd
Power Grid Technology Research Center of China Southern Power Grid 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 China South Power Grid International Co ltd, Power Grid Technology Research Center of China Southern Power Grid Co Ltd filed Critical China South Power Grid International Co ltd
Priority to CN201810027597.7A priority Critical patent/CN108062607B/zh
Publication of CN108062607A publication Critical patent/CN108062607A/zh
Application granted granted Critical
Publication of CN108062607B publication Critical patent/CN108062607B/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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Educational Administration (AREA)
  • General Health & Medical Sciences (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明公开一种求解多区域电网经济调度模型的优化方法，涉及电力系统经济调度技术领域，用于应对新能源电场的随机性和波动性，同时实现多区域电网优化调度中数据隐私的保护以及区域调度优化的独立。所述优化方法包括：将多区域电网解耦为多个分区子网，从各分区子网中独立抽样新能源电场输出功率场景，建立多区域电网随机动态经济调度模型；将多区域电网随机动态经济调度模型的调度问题分解为各分区子网的预测场景调度问题及误差场景调度问题；逐一对各分区子网的预测场景调度问题和误差场景调度问题进行求解，获取各分区子网优化收敛后的经济调度方案。本发明提供的求解多区域电网经济调度模型的优化方法用于独立制定各分区子网的调度方案。

Description

一种求解多区域电网经济调度模型的优化方法
技术领域
本发明涉及电力系统经济调度技术领域，尤其涉及一种求解多区域电网经济调度模型的优化方法。
背景技术
能源环境问题的提出，促使了新能源电场的迅速发展，例如，风能电场、太阳能电场、潮汐电场等。然而，由于新能源电场具有较大的随机性和波动性，因而导致并入了新能源电场的电力系统面临较为严峻的形式，尤其是电力系统的经济调度面临较大的挑战。
目前，并入了新能源电场的电力系统的经济调度，通常由调度中心统一做出，即采用集中优化的方式来获得电力系统的经济调度结果。例如，可以将电力系统中常规机组(例如火电机组、水电机组等)在调度周期内的总发电费用与弃新能源(例如弃风、弃太阳能、弃潮汐)发电切负荷惩罚费用之和作为电力系统经济调度的目标，即求解电力系统中常规机组(例如火电机组、水电机组等)在调度周期内的总发电费用与弃新能源(例如弃风、弃太阳能、弃潮汐)发电切负荷惩罚费用之和最小的经济调度结果，以实现对电力系统进行经济调度，此时，调度中心通常需要获取电力系统的全网数据。
然而，随着新能源电场的逐步并入，电力系统的规模不断扩大，电力系统的形态逐步向多区域电网互联转变，这样由调度中心统一对电力系统进行经济调度时，调度中心所获取的全网数据较庞大且繁杂，容易造成通信堵塞和数据缺失，导致电力系统经济调度的可靠性较差；而且，为了保护部分区域电网的数据隐私，调度中心有时也不宜获取各区域电网的所有数据，各区域电网的经济调度有必要保持独立。因此，急需提供一种求解多区域电网随机动态经济调度模型的优化方法，以便在应对新能源电场输出功率随机性和波动性的同时，保护各区域电网的数据隐私，并实现各区域电网独立的调度优化。
发明内容
本发明的目的在于提供一种求解多区域电网经济调度模型的优化方法，用于在应对新能源电场输出功率随机性和波动性的同时，实现多区域电网优化调度中数据隐私的保护以及区域调度优化的独立。
为了实现上述目的，本发明提供如下技术方案：
一种求解多区域电网经济调度模型的优化方法，包括以下步骤：
步骤1，通过复制多区域电网中各区域边界节点相角的方法，将多区域电网解耦为多个分区子网；
步骤2，对各分区子网的新能源电场输出功率采用场景法描述，并从各分区子网中独立抽样新能源电场输出功率场景，建立多区域电网随机动态经济调度模型；
步骤3，将多区域电网随机动态经济调度模型的调度问题，分解为各分区子网的预测场景调度问题及误差场景调度问题；
步骤4，每相邻的两个分区子网之间传递对应的区域边界节点相角，逐一对各分区子网的预测场景调度问题和误差场景调度问题进行求解，获取各分区子网优化收敛后的经济调度方案；
步骤5，按照各分区子网之间的协调策略，获取各分区子网优化收敛后对应的区域边界节点相角修正值；
当各区域边界节点相角修正值不满足收敛判据时，按照各边界节点相角修正值更新各分区子网对应的区域边界节点相角，返回步骤4；
当各区域边界节点相角修正值满足收敛判据时，输出各分区子网优化收敛后的经济调度方案。
与现有技术相比，本发明提供的求解多区域电网经济调度模型的优化方法，具有以下有益效果：
本发明提供的求解多区域电网经济调度模型的优化方法，在将多区域电网解耦为多个分区子网后，对各分区子网的新能源电场输出功率采用场景法描述，并从各分区子网中独立抽样新能源电场输出功率场景，建立多区域电网随机动态经济调度模型，能够利用多区域电网随机动态经济调度模型应对各分区子网中新能源电场输出功率的随机性和波动性；然后，将多区域电网随机动态经济调度模型的调度问题，分解为各分区子网的预测场景调度问题及误差场景调度问题，根据相邻两个分区子网之间传递的对应区域边界节点相角信息，逐一对各分区子网的预测场景调度问题和误差场景调度问题进行求解，便可实现多区域电网随机动态经济调度模型的优化收敛，从而获得各分区子网优化收敛后的经济调度方案。
因此，本发明将多区域电网的经济调度分散至各分区子网，通过相邻分区子网之间传递少量的边界节点相角信息，并独立进行各分区子网预测场景调度问题和误差场景调度问题的求解，能够保护各分区子网的数据隐私，确保各分区子网的经济调度独立；而且，由于各分区子网之间所需传递的信息为各分区子网对应区域的边界节点相角信息，使得多区域电网中用于通信的数据较少，不易导致通信堵塞和数据缺失，提高了多区域电网中数据通信的可靠性，有助于实现多区域电网中各分区子网安全可靠的经济调度。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明实施例提供的求解多区域电网经济调度模型的优化方法的流程图；
图2为本发明实施例提供的多区域电网的解耦示意图；
图3为本发明实施例提供的逐一对各分区子网的预测场景调度问题和误差场景调度问题进行求解的流程图。
具体实施方式
为便于理解，下面结合说明书附图，对本发明实施例提供的求解多区域电网经济调度模型的优化方法进行详细描述。
请参阅图1，本发明实施例提供的求解多区域电网经济调度模型的优化方法，包括以下步骤：
步骤S1，通过复制多区域电网中各区域边界节点相角的方法，将多区域电网解耦为多个分区子网；
示例性的，请参阅图2，以多区域电网包括两个区域a和b为例进行说明，区域a和区域b由一条区域间联络线路连接，该区域间联络线路的一端与区域a的边界节点m连接，该区域间联络线路的另一端与区域b的边界节点n连接，其中，边界节点可以理解为某一区域与其它区域连接的节点。然后通过复制边界节点相角的方法，在区域a中复制边界节点n的相角，在区域b中复制边界节点m的相角，使得区域a中包括边界节点m的相角
Figure BDA0001545460780000041
和边界节点n的相角
Figure BDA0001545460780000042
构成分区子网a；区域b中包括边界节点m的相角
Figure BDA0001545460780000043
和边界节点n的相角
Figure BDA0001545460780000044
构成分区子网b；这样该多区域电网将解耦为分区子网a和分区子网b。
步骤S2，对各分区子网的新能源电场输出功率采用场景法描述，并从各分区子网中独立抽样新能源电场输出功率场景，建立多区域电网随机动态经济调度模型；
示例性的，采用场景法描述各分区子网的新能源电场输出功率，是将每一种可能的新能源机组输出功率描述为一个调度场景，以W个新能源机组为例时，其场景sa为新能源机组的某一种功率组合。
sa＝[pw(1),...,pw(w),...,pw(W)]，其中，pw(w)为第w个新能源机组的输出功率。当所有新能源机组的输出功率均为预测值时，记为预测场景；否则记为误差场景。
从各分区子网中独立抽样新能源电场输出功率场景，是为了将各分区子网中的常规机组和构成新能源电场的新能源机组独立开来，分别建模。然后，根据各分区子网中的常规机组和新能源机组，建立多区域电网的调度优化目标，并根据各分区子网建立区域内部约束和区域间耦合约束，从而获得多区域电网随机动态经济调度模型。通过多区域电网随机动态经济调度模型能够对新能源电场输出功率的随机性和波动性进行优化调度。
步骤S3，将多区域电网随机动态经济调度模型的调度问题，分解为各分区子网的预测场景调度问题及误差场景调度问题；
步骤S4，每相邻的两个分区子网之间传递对应的区域边界节点相角，逐一对各分区子网的预测场景调度问题和误差场景调度问题进行求解，获取各分区子网优化收敛后的经济调度方案；
步骤S5，按照各分区子网之间的协调策略，获取各分区子网优化收敛后对应的区域边界节点相角修正值；
当各区域边界节点相角修正值不满足收敛判据时，按照各边界节点相角修正值更新各分区子网对应的区域边界节点相角，返回步骤S4；
当各区域边界节点相角修正值满足收敛判据时，输出各分区子网优化收敛后的经济调度方案。
上述实施例提供的求解多区域电网经济调度模型的优化方法，在将多区域电网解耦为多个分区子网后，对各分区子网的新能源电场输出功率采用场景法描述，并从各分区子网中独立抽样新能源电场输出功率场景，建立多区域电网随机动态经济调度模型，能够利用多区域电网随机动态经济调度模型应对各分区子网中新能源电场输出功率的随机性和波动性；然后，将多区域电网随机动态经济调度模型的调度问题，分解为各分区子网的预测场景调度问题及误差场景调度问题，根据相邻两个分区子网之间传递的对应区域边界节点相角信息，逐一对各分区子网的预测场景调度问题和误差场景调度问题进行求解，便可实现多区域电网随机动态经济调度模型的优化收敛，从而获得各分区子网优化收敛后的经济调度方案。
因此，本发明实施例将多区域电网的经济调度分散至各分区子网，通过相邻分区子网之间传递少量的边界节点相角信息，并独立进行各分区子网预测场景调度问题和误差场景调度问题的求解，能够保护各分区子网的数据隐私，确保各分区子网的经济调度独立；而且，由于各分区子网之间所需传递的信息为各分区子网对应区域的边界节点相角信息，使得多区域电网中用于通信的数据较少，不易导致通信堵塞和数据缺失，提高了多区域电网中数据通信的可靠性，有助于实现多区域电网中各分区子网安全可靠的经济调度。
此外，本发明实施例将多区域电网随机动态经济调度模型的调度问题，分解为各分区子网的预测场景调度问题及误差场景调度问题，即将一个较大的问题分解为多个小的问题，然后对多个小的问题独立计算，能够简化多区域电网随机动态经济调度模型的调度优化过程，从而提高其求解效率，同时，由于每个小的问题所涉及的参数的数量较少，有利于进一步改善多区域电网随机动态经济调度模型调度优化的可靠性。
需要说明的是，上述多区域电网经济调度模型的区域内部约束包括：节点直流潮流约束，机组功率限值约束，机组爬坡与滑坡约束，线路传输约束，预测场景与误差场景的功率调节速率约束，预测场景与误差场景的区域边界节点相角一致性约束。
示例性的，节点直流潮流约束为：
Figure BDA0001545460780000061
其中，
Figure BDA0001545460780000062
为t调度时段分区子网a预测场景中各常规机组的功率矩阵；
Figure BDA0001545460780000063
为t调度时段分区子网a预测场景中各新能源机组的功率矩阵；
Figure BDA0001545460780000064
为t调度时段分区子网a预测场景中各负荷节点的功率矩阵；
Figure BDA0001545460780000065
为在t调度时段分区子网a内新能源机组w在预测场景中的弃新能源发电功率；
Figure BDA0001545460780000066
为在t调度时段分区子网a内负荷节点d在预测场景中的切负荷功率；
Figure BDA0001545460780000067
为t调度时段分区子网a误差场景中各常规机组的功率矩阵；
Figure BDA0001545460780000068
为t调度时段分区子网a误差场景中各新能源机组的功率矩阵；
Figure BDA0001545460780000069
为t调度时段分区子网a误差场景中各负荷节点的功率矩阵；
Figure BDA00015454607800000610
为t调度时段分区子网a内新能源机组w在误差场景中的弃新能源发电功率；
Figure BDA00015454607800000611
为t调度时段分区子网a内负荷节点d在误差场景中的切负荷功率；Ba为分区子网a在预测场景中忽略支路电阻和对地支路建立的节点导纳矩阵；
Figure BDA0001545460780000071
为t调度时段分区子网a预测场景中各负荷节点的相角；
Figure BDA0001545460780000072
为t调度时段分区子网a误差场景中各负荷节点的相角。
机组功率限值约束包括常规机组功率限值约束和新能源机组功率限值约束。其中，常规机组功率限值约束为：
Figure BDA0001545460780000073
其中，
Figure BDA0001545460780000074
为t调度时段分区子网a内常规机组i在预测场景中的有功功率；
Figure BDA0001545460780000075
为t调度时段分区子网a内常规机组i在误差场景中的有功功率；
Figure BDA0001545460780000076
为t调度时段分区子网a内常规机组i的下限功率；
Figure BDA0001545460780000077
为t调度时段分区子网a内常规机组i的上限功率。
新能源机组功率限值约束为：
Figure BDA0001545460780000078
其中，
Figure BDA0001545460780000079
为t调度时段分区子网a内新能源机组w在预测场景中的有功功率；
Figure BDA00015454607800000710
为t调度时段分区子网a内新能源机组w在误差场景中的有功功率；
Figure BDA00015454607800000711
为t调度时段分区子网a内新能源机组w在预测场景中的上限功率；
Figure BDA00015454607800000712
为t调度时段分区子网a内新能源机组w在误差场景中的上限功率。
机组爬坡与滑坡约束通常是指常规机组爬坡与滑坡约束，具体表现为：
Figure BDA00015454607800000713
其中，
Figure BDA00015454607800000714
为分区子网a内常规机组i的有功功率滑坡限制；
Figure BDA00015454607800000715
为分区子网a内常规机组i的有功功率爬坡限制。
线路传输约束为：
Figure BDA0001545460780000081
其中，
Figure BDA0001545460780000082
为分区子网a内线路kl的最大传输功率，线路kl连接节点k和节点l；
Figure BDA0001545460780000083
为线路kl的电抗值；
Figure BDA0001545460780000084
为分区子网a预测场景中节点k在t调度时段的相角；
Figure BDA0001545460780000085
为分区子网a误差场景中节点k在t调度时段的相角；
Figure BDA0001545460780000086
为分区子网a预测场景中节点l在t调度时段的相角；
Figure BDA0001545460780000087
为分区子网a误差场景中节点l在t调度时段的相角；SB为分区子网a内的线路功率基准值，通常可取SB＝100MW。
预测场景与误差场景的功率调节速率约束为：
Figure BDA0001545460780000088
其中，Δi为常规机组i在预设时段内可以迅速调节的功率增量。
预测场景与误差场景的区域边界节点相角一致性约束为：
Figure BDA0001545460780000089
其中，TLab,a为分区子网a中与分区子网b相连接的边界节点合集，TLab,b为分区子网b中与分区子网a相连接的边界节点合集，且m和n为连接分区子网a和分区子网b的连接线的两个边界节点；
Figure BDA00015454607800000810
为分区子网a预测场景中边界节点m在t调度时段的相角；
Figure BDA00015454607800000811
为分区子网a预测场景中边界节点n在t调度时段的相角；
Figure BDA00015454607800000812
为分区子网a误差场景中边界节点m在t调度时段的相角；为分区子网a误差场景中边界节点n在t调度时段的相角。
上述区域间耦合约束为：
Figure BDA0001545460780000091
其中，
Figure BDA0001545460780000092
为分区子网b中边界节点m在t调度时段的相角；
Figure BDA0001545460780000093
为分区子网b中边界节点n在t调度时段的相角。
值得一提的是，根据上述多区域电网随机动态经济调度模型中的调度优化目标及各项约束，可以确定本发明实施例步骤S3中，多区域电网随机动态经济调度模型的调度问题包括：
多区域电网目标函数：
Figure BDA0001545460780000094
其中，fa为分区子网a在预测场景中的总费用；fa,s为分区子网a在误差场景中的弃新能源发电费用；N为分区子网的总个数；NT为多区域电网随机动态经济调度模型的总调度时长；
Figure BDA0001545460780000095
为分区子网a内常规机组的个数；
Figure BDA0001545460780000096
为分区子网a内新能源机组的个数；
Figure BDA0001545460780000097
为在t调度时段分区子网a内负荷节点的个数；Sa为分区子网a内误差场景的个数；
Figure BDA0001545460780000098
为t调度时段分区子网a内常规机组i在预测场景中的有功功率；
Figure BDA00015454607800000913
分别为分区子网a内常规机组i的发电费用系数；qW为分区子网a内弃新能源发电惩罚费用系数；
Figure BDA0001545460780000099
为在t调度时段分区子网a内新能源机组w在预测场景中的弃新能源发电功率；qD为分区子网a内切负荷惩罚费用系数；
Figure BDA00015454607800000910
为在t调度时段分区子网a在预测场景中负荷节点d的切负荷功率；ps为分区子网a内误差场景S的概率，ps＝1/Sa；
Figure BDA00015454607800000911
为t调度时段分区子网a内新能源机组w在误差场景S的弃新能源功率；
Figure BDA00015454607800000912
为t调度时段分区子网a内负荷节点d在误差场景S的切负荷功率；
多区域电网约束条件：
Figure BDA0001545460780000101
其中，Pa为分区子网a预测场景中各常规机组在各调度时段的功率矩阵；θa为分区子网a预测场景中各负荷节点在各调度时段的相角矩阵；Ba、Da、Ea均为分区子网a在预测场景中的参数矩阵；Pa,s为分区子网a误差场景S中各常规机组在各调度时段的功率矩阵；θa,s为分区子网a误差场景S中各负荷节点在各调度时段的相角矩阵；Ba,s、Da,s、Ea,s、Ga,s、Ha,s均为分区子网a在误差场景S中的参数矩阵；TLab,a为分区子网a中与分区子网b相连接的边界节点合集，TLab,b为分区子网b中与分区子网a相连接的边界节点合集，且m和n为连接分区子网a和分区子网b的连接线的两个边界节点；
Figure BDA0001545460780000102
为分区子网a中边界节点m在各调度时段的相角矩阵；
Figure BDA0001545460780000103
为分区子网a中边界节点n在各调度时段的相角矩阵；
Figure BDA0001545460780000104
为分区子网b中边界节点m在各调度时段的相角矩阵；
Figure BDA0001545460780000105
为分区子网b中边界节点n在各调度时段的相角矩阵。
根据上述多区域电网随机动态经济调度模型的调度问题，可以确定各分区子网的预测场景调度问题包括：
预测场景目标函数：
Figure BDA0001545460780000106
其中，
Figure BDA0001545460780000107
为分区子网a中边界节点m在第k次分散优化迭代中的相角修正矩阵；
Figure BDA0001545460780000111
分区子网a中边界节点n在第k次分散优化迭代中的相角修正矩阵；
Figure BDA0001545460780000112
均为第k次分散优化迭代对应于区域间耦合约束在各调度时段的拉格朗日乘子；
Figure BDA0001545460780000113
均为第k次分散优化迭代对应于区域间耦合约束在各调度时段的二次罚函数乘子；
Figure BDA0001545460780000114
为分区子网a中与误差场景目标函数对应的中间变量，共
Figure BDA0001545460780000115
个；
预测场景约束条件：
Figure BDA0001545460780000116
其中，e为单位列矩阵；Fa、Ma、Na均为分区子网a在预测场景中的最优切割系数矩阵；
Figure BDA0001545460780000117
为分区子网a预测场景中各常规机组在各调度时段的功率矩阵的转置矩阵；
Figure BDA0001545460780000118
为分区子网a预测场景中各负荷节点在各调度时段的相角矩阵的转置矩阵。
根据上述多区域电网随机动态经济调度模型的调度问题，可以确定各分区子网的误差场景调度问题包括：
误差场景目标函数：
Figure BDA0001545460780000119
其中，fa,l为分区子网a预测场景在第l次随机优化迭代中的费用；
Figure BDA00015454607800001110
为分区子网a中边界节点m在第l次随机优化迭代的相角矩阵；
Figure BDA00015454607800001111
为分区子网a中边界节点n在第l次随机优化迭代的相角矩阵；
误差场景约束条件：
Ba,sPa,s+Da,sθa,s≤Ea,s+Ga,sPa,l+Ha,sθa,l；
其中，Pa,l为分区子网a预测场景中各常规机组在第l次随机优化迭代中的功率矩阵；θa,l为分区子网a预测场景中各负荷节点在第l次随机优化迭代中的相角矩阵。
需要补充的是，请参阅图3，上述实施例的步骤S4中，逐一对各分区子网的预测场景调度问题和误差场景调度问题进行求解，包括：
步骤S401，分散优化多区域电网随机动态经济调度模型，求解分区子网a的预测场景调度问题，获取分区子网a的预测场景目标函数值La；
具体执行时，在分区子网a总费用的基础上，利用增广拉格朗日函数将上述区域间耦合约束松弛至预测场景目标函数中，同时增加代表误差场景目标函数的中间变量，其约束条件包括预测场景约束条件以及通过误差场景生成的最优切割约束。
步骤S402，随机优化多区域电网随机动态经济调度模型，求解分区子网a的误差场景调度问题，获取分区子网a的误差场景目标函数值Ua；
步骤S403，判断分区子网a的预测场景目标函数值La和误差场景目标函数值Ua是否满足退出判据：
Figure BDA0001545460780000121
其中，ε为收敛精度；
如果否，则根据分区子网a的误差场景目标函数值Ua，生成最优切割约束，并将最优切割约束添加至分区子网a的预测场景调度问题中，返回步骤S401；
如果是，则对下一个分区子网a+1的预测场景调度问题和误差场景调度问题进行求解，其中，2≤a+1≤N，N为多区域电网随机动态经济调度模型中分区子网的总个数。
具体执行时，如果第l次随机优化迭代中误差场景约束条件的对偶变量系数为σa,s,l，则根据分区子网a中第s个误差场景的误差场景目标函数值Ua，生成的最优切割约束为
Figure BDA0001545460780000122
由于每次随机优化多区域电网随机动态经济调度模型，每个误差场景均会产生一个最优切割约束，以便添加至分区子网a的预测场景调度问题中，因此，如果误差场景的个数较多，随着随机优化迭代次数的增加，预测场景调度问题的求解规模也将迅速扩大，导致求解时间增长。为了能够高效求解，本实施例对上述最优切割约束进行部分聚合，例如，首先将Sa个误差场景划分为D类，然后，将与每一类Sa/D个误差场景对应的最优切割约束聚合为1个，这样每次随机优化迭代后添加至预测场景调度问题的最优切割约束的个数将从Sa减少至D个，能够延缓预测场景调度问题求解规模的扩大速度，同时也能保留较多的最优切割约束。上述经过部分聚合的最优切割约束为：
Figure BDA0001545460780000131
由上可知，因误差场景生成的最优切割约束，不仅对预测场景调度问题进行了修正，还能对分区子网的边界节点相角进行修正，这也就使得各分区子网的优化收敛结束后，各分区子网的边界节点相角可能发生了改变，导致其未能满足区域间耦合约束，因此，需要按照各分区子网之间的协调策略，通过获取各分区子网优化收敛后对应的区域边界节点相角修正值，对各分区子网的优化收敛进行验证，即执行本发明实施例的步骤S5，以确保各分区子网优化收敛后的经济调度方案满足使用需求。
具体执行时，各分区子网随机优化收敛后对应的边界节点相角修正值通过如下公式获取：
Figure BDA0001545460780000132
其中，m和n为连接分区子网a和分区子网b的连接线的两个边界节点；
Figure BDA0001545460780000133
为t调度时段分区子网a中边界节点m在第k次分散优化迭代中的相角修正值；
Figure BDA0001545460780000134
为t调度时段分区子网a中边界节点n在第k次分散优化迭代中的相角修正值；
Figure BDA0001545460780000135
为t调度时段分区子网b中边界节点m在第k次分散优化迭代中的相角修正值；
Figure BDA0001545460780000136
为t调度时段分区子网b中边界节点n在第k次分散优化迭代中的相角修正值；
Figure BDA0001545460780000141
为分区子网a中边界节点m在第k-1次分散优化迭代中的相角值；
Figure BDA0001545460780000142
为分区子网a中边界节点n在第k-1次分散优化迭代中的相角值；
Figure BDA0001545460780000143
为分区子网b中边界节点m在第k-1次分散优化迭代中的相角值；
Figure BDA0001545460780000144
为分区子网b中边界节点n在第k-1次分散优化迭代中的相角值；
Figure BDA0001545460780000145
均为分区子网a在第k-1次分散优化迭代对应于区域间耦合约束在各调度时段的拉格朗日乘子；
Figure BDA0001545460780000146
均为分区子网a第k-1次分散优化迭代对应于区域间耦合约束在各调度时段的二次罚函数乘子；
Figure BDA0001545460780000147
均为分区子网b在第k-1次分散优化迭代对应于区域间耦合约束在各调度时段的拉格朗日乘子；
Figure BDA0001545460780000148
均为分区子网b第k-1次分散优化迭代对应于区域间耦合约束在各调度时段的二次罚函数乘子。
上述步骤5中，用于判断各区域边界节点相角修正值是否收敛的收敛判据包括：
Figure BDA0001545460780000149
其中，ε为收敛精度，可根据实际需要确定，比如ε＝10-3；N为多区域电网随机动态经济调度模型中分区子网的总个数。
如果各区域边界节点相角修正值不满足收敛判据，按照各边界节点相角修正值更新各分区子网对应的区域边界节点相角时，各分区子网对应区域的边界节点相角通过如下公式更新：
Figure BDA00015454607800001410
其中，
Figure BDA00015454607800001411
为t调度时段分区子网a中边界节点m在第k次分散优化迭代中的相角更新值；
Figure BDA00015454607800001412
为t调度时段分区子网a中边界节点n在第k次分散优化迭代中的相角更新值；
Figure BDA00015454607800001413
均为分区子网a在第k次分散优化迭代对应于区域间耦合约束在各调度时段的拉格朗日乘子；
Figure BDA0001545460780000151
均为分区子网a第k次分散优化迭代对应于区域间耦合约束在各调度时段的二次罚函数乘子；α为调节步长参数，1≤α≤3。
以上所述，仅为本发明的具体实施方式，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，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种求解多区域电网经济调度模型的优化方法，其特征在于，包括以下步骤：
步骤1，通过复制多区域电网中各区域边界节点相角的方法，将多区域电网解耦为多个分区子网；
步骤2，对各所述分区子网的新能源电场输出功率采用场景法描述，并从各所述分区子网中独立抽样新能源电场输出功率场景，建立多区域电网随机动态经济调度模型；
步骤3，将所述多区域电网随机动态经济调度模型的调度问题，分解为各分区子网的预测场景调度问题及误差场景调度问题；
步骤4，每相邻的两个所述分区子网之间传递对应的区域边界节点相角，逐一对各分区子网的预测场景调度问题和误差场景调度问题进行求解，获取各所述分区子网优化收敛后的经济调度方案；
步骤5，按照各所述分区子网之间的协调策略，获取各所述分区子网优化收敛后对应的区域边界节点相角修正值；
当各所述区域边界节点相角修正值不满足收敛判据时，按照各所述边界节点相角修正值更新各所述分区子网对应的区域边界节点相角，返回步骤4；
当各所述区域边界节点相角修正值满足收敛判据时，输出各所述分区子网优化收敛后的经济调度方案。
2.根据权利要求1所述的求解多区域电网经济调度模型的优化方法，其特征在于，步骤2中，建立多区域电网随机动态经济调度模型，包括：
建立多区域电网的调度优化目标，以及根据各所述分区子网建立区域内部约束和区域间耦合约束。
3.根据权利要求2所述的求解多区域电网经济调度模型的优化方法，其特征在于，所述区域内部约束包括：节点直流潮流约束，机组功率限值约束，机组爬坡与滑坡约束，线路传输约束，预测场景与误差场景的功率调节速率约束，预测场景与误差场景的区域边界节点相角一致性约束。
4.根据权利要求1所述的求解多区域电网经济调度模型的优化方法，其特征在于，步骤3中，所述多区域电网随机动态经济调度模型的调度问题包括：
多区域电网目标函数：
Figure FDA0001545460770000021
其中，fa为分区子网a在预测场景中的总费用；fa,s为分区子网a在误差场景中的弃新能源发电费用；N为分区子网的总个数；NT为多区域电网随机动态经济调度模型的总调度时长；
Figure FDA0001545460770000022
为分区子网a内常规机组的个数；
Figure FDA0001545460770000023
为分区子网a内新能源机组的个数；
Figure FDA0001545460770000024
为在t调度时段分区子网a内负荷节点的个数；Sa为分区子网a内误差场景的个数；
Figure FDA0001545460770000025
为t调度时段分区子网a内常规机组i在预测场景中的有功功率；
Figure FDA0001545460770000026
分别为分区子网a内常规机组i的发电费用系数；qW为分区子网a内弃新能源发电惩罚费用系数；
Figure FDA0001545460770000027
为在t调度时段分区子网a内新能源机组w在预测场景中的弃新能源发电功率；qD为分区子网a内切负荷惩罚费用系数；
Figure FDA0001545460770000028
为在t调度时段分区子网a在预测场景中负荷节点d的切负荷功率；ps为分区子网a内误差场景S的概率，ps＝1/Sa；
Figure FDA0001545460770000029
为t调度时段分区子网a内新能源机组w在误差场景S的弃新能源功率；
Figure FDA00015454607700000210
为t调度时段分区子网a内负荷节点d在误差场景S的切负荷功率；
多区域电网约束条件：
Figure FDA0001545460770000031
其中，Pa为分区子网a预测场景中各常规机组在各调度时段的功率矩阵；θa为分区子网a预测场景中各负荷节点在各调度时段的相角矩阵；Ba、Da、Ea均为分区子网a在预测场景中的参数矩阵；Pa,s为分区子网a误差场景S中各常规机组在各调度时段的功率矩阵；θa,s为分区子网a误差场景S中各负荷节点在各调度时段的相角矩阵；Ba,s、Da,s、Ea,s、Ga,s、Ha,s均为分区子网a在误差场景S中的参数矩阵；TLab,a为分区子网a中与分区子网b相连接的边界节点合集，TLab,b为分区子网b中与分区子网a相连接的边界节点合集，且m和n为连接分区子网a和分区子网b的连接线的两个边界节点；
Figure FDA0001545460770000032
为分区子网a中边界节点m在各调度时段的相角矩阵；
Figure FDA0001545460770000033
为分区子网a中边界节点n在各调度时段的相角矩阵；
Figure FDA0001545460770000034
为分区子网b中边界节点m在各调度时段的相角矩阵；
Figure FDA0001545460770000035
为分区子网b中边界节点n在各调度时段的相角矩阵；
各所述分区子网的预测场景调度问题包括：
预测场景目标函数：
Figure FDA0001545460770000036
其中，
Figure FDA0001545460770000037
为分区子网a中边界节点m在第k次分散优化迭代中的相角修正矩阵；
Figure FDA0001545460770000038
分区子网a中边界节点n在第k次分散优化迭代中的相角修正矩阵；
Figure FDA0001545460770000039
均为第k次分散优化迭代对应于区域间耦合约束在各调度时段的拉格朗日乘子；
Figure FDA00015454607700000310
均为第k次分散优化迭代对应于区域间耦合约束在各调度时段的二次罚函数乘子；
Figure FDA0001545460770000041
为分区子网a中与误差场景目标函数对应的中间变量，共
Figure FDA0001545460770000042
个；
预测场景约束条件：
Figure FDA0001545460770000043
其中，e为单位列矩阵；Fa、Ma、Na均为分区子网a在预测场景中的最优切割系数矩阵；
Figure FDA0001545460770000048
为分区子网a预测场景中各常规机组在各调度时段的功率矩阵的转置矩阵；
Figure FDA0001545460770000044
为分区子网a预测场景中各负荷节点在各调度时段的相角矩阵的转置矩阵；
各所述分区子网的误差场景调度问题包括：
误差场景目标函数：
Figure FDA0001545460770000045
其中，fa,l为分区子网a预测场景在第l次随机优化迭代中的费用；
Figure FDA0001545460770000046
为分区子网a中边界节点m在第l次随机优化迭代的相角矩阵；
Figure FDA0001545460770000047
为分区子网a中边界节点n在第l次随机优化迭代的相角矩阵；
误差场景约束条件：
Ba,sPa,s+Da,sθa,s≤Ea,s+Ga,sPa,l+Ha,sθa,l；
其中，Pa,l为分区子网a预测场景中各常规机组在第l次随机优化迭代中的功率矩阵；θa,l为分区子网a预测场景中各负荷节点在第l次随机优化迭代中的相角矩阵。
5.根据权利要求1所述的求解多区域电网经济调度模型的优化方法，其特征在于，步骤4中，逐一对各分区子网的预测场景调度问题和误差场景调度问题进行求解，包括：
步骤401，分散优化所述多区域电网随机动态经济调度模型，求解分区子网a的预测场景调度问题，获取分区子网a的预测场景目标函数值La；
步骤402，随机优化所述多区域电网随机动态经济调度模型，求解分区子网a的误差场景调度问题，获取分区子网a的误差场景目标函数值Ua；
步骤403，判断分区子网a的所述预测场景目标函数值La和所述误差场景目标函数值Ua是否满足退出判据：
Figure FDA0001545460770000051
其中，ε为收敛精度；
如果否，则根据分区子网a的误差场景目标函数值Ua，生成最优切割约束，并将所述最优切割约束添加至所述分区子网a的预测场景调度问题中，返回步骤401；
如果是，则对下一个分区子网a+1的预测场景调度问题和误差场景调度问题进行求解，其中，2≤a+1≤N，N为所述多区域电网随机动态经济调度模型中分区子网的总个数。
6.根据权利要求1所述的求解多区域电网经济调度模型的优化方法，其特征在于，步骤5中，各所述分区子网优化收敛后对应的边界节点相角修正值通过如下公式获取：
Figure FDA0001545460770000052
其中，m和n为连接分区子网a和分区子网b的连接线的两个边界节点；
Figure FDA0001545460770000053
为t调度时段分区子网a中边界节点m在第k次分散优化迭代中的相角修正值；
Figure FDA0001545460770000054
为t调度时段分区子网a中边界节点n在第k次分散优化迭代中的相角修正值；
Figure FDA0001545460770000055
为t调度时段分区子网b中边界节点m在第k次分散优化迭代中的相角修正值；
Figure FDA0001545460770000056
为t调度时段分区子网b中边界节点n在第k次分散优化迭代中的相角修正值；
Figure FDA0001545460770000057
为分区子网a中边界节点m在第k-1次分散优化迭代中的相角值；
Figure FDA0001545460770000061
为分区子网a中边界节点n在第k-1次分散优化迭代中的相角值；
Figure FDA0001545460770000062
为分区子网b中边界节点m在第k-1次分散优化迭代中的相角值；
Figure FDA0001545460770000063
为分区子网b中边界节点n在第k-1次分散优化迭代中的相角值；
Figure FDA0001545460770000064
均为分区子网a在第k-1次分散优化迭代对应于区域间耦合约束在各调度时段的拉格朗日乘子；
Figure FDA0001545460770000065
均为分区子网a第k-1次分散优化迭代对应于区域间耦合约束在各调度时段的二次罚函数乘子；
Figure FDA0001545460770000066
均为分区子网b在第k-1次分散优化迭代对应于区域间耦合约束在各调度时段的拉格朗日乘子；
Figure FDA0001545460770000067
均为分区子网b第k-1次分散优化迭代对应于区域间耦合约束在各调度时段的二次罚函数乘子。
7.根据权利要求6所述的求解多区域电网经济调度模型的优化方法，其特征在于，步骤5中，所述收敛判据包括：
Figure FDA0001545460770000068
其中，ε为收敛精度；N为所述多区域电网随机动态经济调度模型中分区子网的总个数。
8.根据权利要求6所述的求解多区域电网经济调度模型的优化方法，其特征在于，步骤5中，按照各所述边界节点相角修正值更新各所述分区子网对应的区域边界节点相角时，各所述分区子网对应区域的边界节点相角通过如下公式更新：
Figure FDA0001545460770000069
其中，
Figure FDA00015454607700000610
为t调度时段分区子网a中边界节点m在第k次分散优化迭代中的相角更新值；
Figure FDA00015454607700000611
为t调度时段分区子网a中边界节点n在第k次分散优化迭代中的相角更新值；
Figure FDA0001545460770000071
均为分区子网a在第k次分散优化迭代对应于区域间耦合约束在各调度时段的拉格朗日乘子；
Figure FDA0001545460770000072
均为分区子网a第k次分散优化迭代对应于区域间耦合约束在各调度时段的二次罚函数乘子；α为调节步长参数，1≤α≤3。
CN201810027597.7A 2018-01-11 2018-01-11 一种求解多区域电网经济调度模型的优化方法 Active CN108062607B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810027597.7A CN108062607B (zh) 2018-01-11 2018-01-11 一种求解多区域电网经济调度模型的优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810027597.7A CN108062607B (zh) 2018-01-11 2018-01-11 一种求解多区域电网经济调度模型的优化方法

Publications (2)

Publication Number Publication Date
CN108062607A CN108062607A (zh) 2018-05-22
CN108062607B true CN108062607B (zh) 2020-03-24

Family

ID=62141540

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810027597.7A Active CN108062607B (zh) 2018-01-11 2018-01-11 一种求解多区域电网经济调度模型的优化方法

Country Status (1)

Country Link
CN (1) CN108062607B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109546646A (zh) * 2018-11-19 2019-03-29 南方电网科学研究院有限责任公司 一种区域电力现货市场分散式出清方法、装置、设备及介质
CN111327046B (zh) * 2018-12-14 2021-09-10 国网能源研究院有限公司 一种含大规模风电功率场景的电力系统经济调度方法
CN110212533B (zh) * 2019-07-10 2021-01-29 南方电网科学研究院有限责任公司 一种产消者功率的确定方法及系统
CN111193263A (zh) * 2020-01-22 2020-05-22 中国科学技术大学 适用于智能电网多区域经济调度的方法
CN113381402B (zh) * 2021-05-31 2022-05-06 深圳大学 获取交流电力系统最小状态潮流的节点级分散方法
CN113269449B (zh) * 2021-05-31 2022-10-04 深圳大学 天然气系统气源供气流量调度的节点级分散方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106712035A (zh) * 2017-03-29 2017-05-24 南方电网科学研究院有限责任公司 一种电力系统经济调度方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9507367B2 (en) * 2012-04-09 2016-11-29 Clemson University Method and system for dynamic stochastic optimal electric power flow control

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106712035A (zh) * 2017-03-29 2017-05-24 南方电网科学研究院有限责任公司 一种电力系统经济调度方法

Also Published As

Publication number Publication date
CN108062607A (zh) 2018-05-22

Similar Documents

Publication Publication Date Title
CN108062607B (zh) 一种求解多区域电网经济调度模型的优化方法
Li et al. A distributed coordination control based on finite-time consensus algorithm for a cluster of DC microgrids
Wu et al. Optimal energy scheduling for residential smart grid with centralized renewable energy source
Bahramipanah et al. Decentralized voltage control of clustered active distribution network by means of energy storage systems
CN104485690B (zh) 一种基于多阶段动态规划的电网多源调峰方法
CN109583664B (zh) 一种含新能源发电的跨区电网机组组合分散协调优化方法
Srikantha et al. Distributed optimization of dispatch in sustainable generation systems via dual decomposition
Cao et al. Device-to-device communications for energy management: A smart grid case
CN111342452A (zh) 一种多区域电气综合能源系统能量与备用分散式调度方法
CN110535132B (zh) 一种基于鲁棒优化的电力系统建设规划方法
Binetti et al. Distributed solution for the economic dispatch problem
CN102930141A (zh) 一种电网复杂监控断面潮流控制的快速计算方法
CN111276968A (zh) 基于奇异摄动的综合能源系统分布式趋同控制方法及系统
CN108964051A (zh) 一种电力系统预防调度与恢复调度协调优化策略构建方法
CN113991753B (zh) 一种输电网结构优化调度方法及系统
CN109149658B (zh) 基于一致性理论的独立微电网分布式动态经济调度方法
CN110829425B (zh) 一种分布式电力系统经济运行调度方法
CN105591389B (zh) 基于混合分层式多代理系统的分布式电源电压控制方法
Bonetto et al. On the interplay of distributed power loss reduction and communication in low voltage microgrids
CN114709825B (zh) 基于电力电子变压器的交直流配电网动态防雷方法和系统
Srikantha et al. Real-time integration of intermittent generation with voltage rise considerations
CN112799363B (zh) 一种分层分区能源站智能电气监控管理系统
CN111932057B (zh) 一种交直流微电网经济调度方法
Nazari et al. Communication-failure-resilient distributed frequency control in smart grids: Part II: Algorithmic implementation and system simulations
Shen et al. Distributed charging control of electric vehicles in pv-based charging stations

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200330

Address after: 510663 Building 3, 4, 5 and 3 of Building J1, 11 Kexiang Road, Science City, Luogang District, Guangzhou City, Guangdong Province

Co-patentee after: POWER GRID TECHNOLOGY RESEARCH CENTER. CHINA SOUTHERN POWER GRID

Patentee after: China South Power Grid International Co.,Ltd.

Co-patentee after: CHINA SOUTHERN POWER GRID Co.,Ltd.

Address before: 510663 Building 3, 4, 5 and 3 of Building J1, 11 Kexiang Road, Science City, Luogang District, Guangzhou City, Guangdong Province

Co-patentee before: POWER GRID TECHNOLOGY RESEARCH CENTER. CHINA SOUTHERN POWER GRID

Patentee before: China South Power Grid International Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210713

Address after: 510663 3 building, 3, 4, 5 and J1 building, 11 building, No. 11, Ke Xiang Road, Luogang District Science City, Guangzhou, Guangdong.

Patentee after: China South Power Grid International Co.,Ltd.

Patentee after: CHINA SOUTHERN POWER GRID Co.,Ltd.

Address before: 510663 3 building, 3, 4, 5 and J1 building, 11 building, No. 11, Ke Xiang Road, Luogang District Science City, Guangzhou, Guangdong.

Patentee before: China South Power Grid International Co.,Ltd.

Patentee before: POWER GRID TECHNOLOGY RESEARCH CENTER. CHINA SOUTHERN POWER GRID

Patentee before: CHINA SOUTHERN POWER GRID Co.,Ltd.