CN108075483B - 一种分布式电源和电动汽车协调调度方法及装置 - Google Patents

一种分布式电源和电动汽车协调调度方法及装置 Download PDF

Info

Publication number
CN108075483B
CN108075483B CN201611004614.2A CN201611004614A CN108075483B CN 108075483 B CN108075483 B CN 108075483B CN 201611004614 A CN201611004614 A CN 201611004614A CN 108075483 B CN108075483 B CN 108075483B
Authority
CN
China
Prior art keywords
node
period
power supply
electric automobile
time period
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
CN201611004614.2A
Other languages
English (en)
Other versions
CN108075483A (zh
Inventor
高菲
宋晓辉
盛万兴
孟晓丽
张瑜
李建芳
常松
赵珊珊
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.)
Electric Power Research Institute of State Grid Chongqing Electric Power Co Ltd
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
Electric Power Research Institute of State Grid Chongqing Electric Power Co Ltd
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
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 Electric Power Research Institute of State Grid Chongqing Electric Power Co Ltd, State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI filed Critical Electric Power Research Institute of State Grid Chongqing Electric Power Co Ltd
Priority to CN201611004614.2A priority Critical patent/CN108075483B/zh
Publication of CN108075483A publication Critical patent/CN108075483A/zh
Application granted granted Critical
Publication of CN108075483B publication Critical patent/CN108075483B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H02J3/382—
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Battery Electrode And Active Subsutance (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种分布式电源和电动汽车协调调度方法及装置，所述方法包括：设定调度变量的初始值；根据所述调度变量的初始值，通过潮流计算获取优化前各节点的静态电压；根据所述优化前各节点的静态电压，求解分布式电源和电动汽车协调调度模型的目标函数获取优化后调度变量；根据所述优化后调度变量，通过潮流计算获取优化后各节点的静态电压；若所述优化后各节点的静态电压满足收敛条件，则输出所述优化后调度变量，结束操作，若所述优化后各节点的静态电压不满足收敛条件，则将所述优化后各节点的静态电压作为优化前各节点的静态电压，重新求解调度变量；基于本发明提供的技术方案，实现含大规模分布式电源和电动汽车有源配电网的快速协调调度。

Description

一种分布式电源和电动汽车协调调度方法及装置
技术领域
本发明涉及电力系统运行分析技术领域，具体涉及一种分布式电源和电动汽车协调调度方法及装置。
背景技术
化石能源短缺与环境问题是21世纪全球面临的重大挑战。可再生能源发电和电动汽车在缓解能源危机、减少人类对传统化石能源的依赖方面具备不可比拟的优势，受到了世界各国的广泛关注。但是配电网中利用可再生能源的分布式发电形式，从根本上改变了传统配电网运行形态。配电网辐射状无源线路上大规模分布式电源的接入，潮流分布的改变必将影响配电网的运行形态。值得注意的是，电动汽车是一种十分具有应用前景的电力系统功率平衡资源，对电动汽车进行合理的充电调度,不但可以平抑负荷，减小峰谷差，还可以在可再生能源出力高峰时段吸收多余能量，从而可以增加可再生能源发电单元的接入容量。因此研究含大规模分布式电源和电动汽车的有源配电网协调调度问题具有重要意义。
目前关于电动汽车与可再生能源协调控制主要集中在区域电动汽车与可再生能源的协同经济调度。然而这些研究中却存在很多的不足，区域协同调度方法多从输电网角度分析以降低发电成本、减少弃风弃光量为目标的功率平衡问题。缺乏从配电网和分布式可再生能源发电角度探讨考虑潮流运行网损、电压指标的协调调度问题。只有合理的安排配电网中电动汽车的充电计划，实现配电网系统的经济运行，并将用电计划上报给调度中心，才能合理制定发电计划。因此配电网层面的协调调度是未来智能电网实现整体经济运行的基础环节。
发明内容
本发明提供一种分布式电源和电动汽车协调调度方法及装置，其目的是以节点充电功率和分布式电源出力为调度变量的基础上，构建以运行成本最小化为目标，并考虑配电网安全约束、电动汽车充电能量和功率等约束的协调调度模型，针对该模型多时段耦合的强非线性特征，利用优化求解中的电压迭代校正的方法对优化目标和约束进行简化，最终形成可准确求解的线性约束的凸二次规划模型，实现含大规模分布式电源和电动汽车有源配电网的快速协调调度。
本发明的目的是采用下述技术方案实现的：
一种分布式电源和电动汽车协调调度方法，其改进之处在于，包括：
步骤(1)设定调度变量的初始值；
步骤(2)根据所述调度变量的初始值，通过潮流计算获取优化前各节点的静态电压；
步骤(3)根据所述优化前各节点的静态电压，求解分布式电源和电动汽车协调调度模型的目标函数获取优化后调度变量；
步骤(4)根据所述优化后调度变量，通过潮流计算获取优化后各节点的静态电压；
步骤(5)若所述优化后各节点的静态电压满足收敛条件，则输出所述优化后调度变量，结束操作，若所述优化后各节点的静态电压不满足收敛条件，则将所述优化后各节点的静态电压作为优化前各节点的静态电压，返回所述步骤(3)。
优选的，所述步骤(1)中，调度变量包括：含电动汽车的节点充电功率和分布式电源出力比值，所述调度变量的初始值包括：含电动汽车的第i个节点在时段t的充电功率初始值
Figure BDA0001153129710000028
和第i个分布式电源在时段t有功出力比值初始值αi，0(t)。
优选的，所述步骤(3)中，分布式电源和电动汽车协调调度模型的目标函数的公式为：
Figure BDA0001153129710000021
上式中，f为分布式电源调控成本，ΔT为时段时长，Closs(t)为t时段内单位网损成本，Ploss(t)为t时段内网损量，Ci,DG(t)为t时段内第i个分布式电源单位限电成本，Pi,DG(t)为t时段内第i个分布式电源有功出力，NT为调度时段数，NDG为分布式电源数量；
其中，按下式确定所述t时段内网损量Ploss(t)：
Figure BDA0001153129710000022
上式中，
Figure BDA0001153129710000023
为t时段线路l电流的矢量的实部，Rl为电网各段线路电阻构成的对角阵，
Figure BDA0001153129710000024
为t时段线路l电流的矢量的虚部；
按下式确定t时段线路l电流的矢量
Figure BDA0001153129710000025
Figure BDA0001153129710000026
上式中，
Figure BDA0001153129710000027
为t时段节点i注入电流的矢量，T为节点注入电流和线电流之间的道路支路-关联矩阵；
按下式确定t时段节点i注入电流的矢量
Figure BDA0001153129710000031
Figure BDA0001153129710000032
上式中，Pi(t)+jQi(t)为t时段节点i的注入功率矢量，Ui(t)+jUi(t)为t时段节点i的节点电压矢量；
按下式确定所述t时段节点i的注入功率矢量的实部Pi(t)：
Figure BDA0001153129710000033
上式中，Pi_LOAD(t)为节点i负荷在时段t的有功功率，Pi,EV(t)为含电动汽车的第i个节点在时段t的充电功率，αi(t)为第i个分布式电源在时段t的有功出力比值，
Figure BDA0001153129710000034
为第i个分布式电源在时段t的最大有功出力；
按下式确定所述t时段节点i的注入功率矢量的虚部Qi(t)：
Qi(t)＝Qi_LOAD(t)
上式中，Qi_LOAD(t)为节点i负荷在时段t的无功功率。
进一步的，所述分布式电源和电动汽车协调调度模型的目标函数的约束条件包括：
静态电压约束，公式为：
Figure BDA0001153129710000035
上式中，
Figure BDA0001153129710000036
为节点i在时段t的第k次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时的电压值，
Figure BDA0001153129710000037
为节点i在时段t的第k-1次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时的电压值，MP为节点i对所有节点的有功功率灵敏度矩阵，ΔP(t)为在时段t的第k与第k-1次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时各节点有功功率差值，MQ为节点i对所有节点的无功功率灵敏度矩阵，ΔQ(t)为在时段t的第k与第k-1次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时各节点无功功率差值；
电动汽车充电能量约束，公式为：
Figure BDA0001153129710000041
上式中，ΔT为时段时长，NT为调度时段数，Pi,EV(t)为含电动汽车的第i个节点在时段t的充电功率，
Figure BDA0001153129710000042
为协调调度前含电动汽车的节点i在t时段的充电功率；
节点调度周期内充电能量约束，公式为：
Figure BDA0001153129710000043
上式中，Ni_EV为第i个节点的电动汽车数量，Ej,c为第j辆电动汽车的储能容量，
Figure BDA0001153129710000044
为电动汽车驶离的荷电状态，
Figure BDA0001153129710000045
为电动汽车驶回的荷电状态；
网络约束，公式为：
Figure BDA0001153129710000046
上式中，Ui(t)为节点i在时段t的电压幅值，
Figure BDA0001153129710000047
为节点i电压幅值下限，
Figure BDA0001153129710000048
为节点i电压幅值上限，Sij(t)为节点i和节点j之间支路在时段t的视在功率，
Figure BDA0001153129710000049
为节点i和节点j之间支路的视在功率上限；
分布式电源出力约束，公式为：
Figure BDA00011531297100000410
上式中，αi(t)为第i个分布式电源在时段t的有功出力比值；
电动汽车充电功率约束，公式为：
Figure BDA00011531297100000411
上式中，Ni,EV(t)为t时段停靠在第i个节点的电动汽车数量，Pc为电动汽车最大充电功率。
优选的，所述步骤(5)中，所述收敛条件包括：所述优化后各节点的静态电压与所述优化前各节点的静态电压的欧氏距离小于阈值。
一种分布式电源和电动汽车协调调度装置，其改进之处在于，所述装置包括：
初始模块，用于设定调度变量的初始值；
第一获取模块，用于根据所述调度变量的初始值，通过潮流计算获取优化前各节点的静态电压；
第二获取模块，用于根据所述优化前各节点的静态电压，求解分布式电源和电动汽车协调调度模型的目标函数获取优化后调度变量；
第三获取模块，用于根据所述优化后调度变量，通过潮流计算获取优化后各节点的静态电压；
判断模块，用于若所述优化后各节点的静态电压满足收敛条件，则输出所述优化后调度变量，结束操作，若所述优化后各节点的静态电压不满足收敛条件，则将所述优化后各节点的静态电压作为优化前各节点的静态电压返回至所述第二获取模块。
优选的，所述初始模块中，调度变量包括：含电动汽车的节点充电功率和分布式电源出力比值，所述调度变量的初始值包括：含电动汽车的第i个节点在时段t的充电功率初始值
Figure BDA0001153129710000051
和第i个分布式电源在时段t有功出力比值初始值αi,0(t)。
优选的，所述第二获取模块中，分布式电源和电动汽车协调调度模型的目标函数的公式为：
Figure BDA0001153129710000052
上式中，f为分布式电源调控成本，ΔT为时段时长，Closs(t)为t时段内单位网损成本，Ploss(t)为t时段内网损量，Ci,DG(t)为t时段内第i个分布式电源单位限电成本，Pi,DG(t)为t时段内第i个分布式电源有功出力，NT为调度时段数，NDG为分布式电源数量；
其中，按下式确定所述t时段内网损量Ploss(t)：
Figure BDA0001153129710000053
上式中，
Figure BDA0001153129710000054
为t时段线路l电流的矢量的实部，Rl为电网各段线路电阻构成的对角阵，
Figure BDA0001153129710000055
为t时段线路l电流的矢量的虚部；
按下式确定t时段线路l电流的矢量
Figure BDA0001153129710000056
Figure BDA0001153129710000057
上式中，
Figure BDA0001153129710000058
为t时段节点i注入电流的矢量，T为节点注入电流和线电流之间的道路支路-关联矩阵；
按下式确定t时段节点i注入电流的矢量
Figure BDA0001153129710000061
Figure BDA0001153129710000062
上式中，Pi(t)+jQi(t)为t时段节点i的注入功率矢量，Ui(t)+jUi(t)为t时段节点i的节点电压矢量；
按下式确定所述t时段节点i的注入功率矢量的实部Pi(t)：
Figure BDA0001153129710000063
上式中，Pi_LOAD(t)为节点i负荷在时段t的有功功率，Pi,EV(t)为含电动汽车的第i个节点在时段t的充电功率，αi(t)为第i个分布式电源在时段t的有功出力比值，
Figure BDA0001153129710000064
为第i个分布式电源在时段t的最大有功出力；
按下式确定所述t时段节点i的注入功率矢量的虚部Qi(t)：
Qi(t)＝Qi_LOAD(t)
上式中，Qi_LOAD(t)为节点i负荷在时段t的无功功率。
进一步的，所述分布式电源和电动汽车协调调度模型的目标函数的约束条件包括：
静态电压约束，公式为：
Figure BDA0001153129710000065
上式中，
Figure BDA0001153129710000066
为节点i在时段t的第k次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时的电压值，
Figure BDA0001153129710000067
为节点i在时段t的第k-1次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时的电压值，MP为节点i对所有节点的有功功率灵敏度矩阵，ΔP(t)为在时段t的第k与第k-1次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时各节点有功功率差值，MQ为节点i对所有节点的无功功率灵敏度矩阵，ΔQ(t)为在时段t的第k与第k-1次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时各节点无功功率差值；
电动汽车充电能量约束，公式为：
Figure BDA0001153129710000071
上式中，ΔT为时段时长，NT为调度时段数，Pi,EV(t)为含电动汽车的第i个节点在时段t的充电功率，
Figure BDA0001153129710000072
为协调调度前含电动汽车的节点i在t时段的充电功率；
节点调度周期内充电能量约束，公式为：
Figure BDA0001153129710000073
上式中，Ni_EV为第i个节点的电动汽车数量，Ej,c为第j辆电动汽车的储能容量，
Figure BDA0001153129710000074
为电动汽车驶离的荷电状态，
Figure BDA0001153129710000075
为电动汽车驶回的荷电状态；
网络约束，公式为：
Figure BDA0001153129710000076
上式中，Ui(t)为节点i在时段t的电压幅值，
Figure BDA0001153129710000077
为节点i电压幅值下限，
Figure BDA0001153129710000078
为节点i电压幅值上限，Sij(t)为节点i和节点j之间支路在时段t的视在功率，
Figure BDA0001153129710000079
为节点i和节点j之间支路的视在功率上限；
分布式电源出力约束，公式为：
Figure BDA00011531297100000710
上式中，αi(t)为第i个分布式电源在时段t的有功出力比值；
电动汽车充电功率约束，公式为：
Figure BDA00011531297100000711
上式中，Ni,EV(t)为t时段停靠在第i个节点的电动汽车数量，Pc为电动汽车最大充电功率。
优选的，所述判断模块中，所述收敛条件包括：所述优化后各节点的静态电压与所述优化前各节点的静态电压的欧氏距离小于阈值。
本发明的有益效果：
本发明提供的技术方案，提出了含大规模分布式电源和电动汽车的有源配电网协调调度模型，在以节点充电功率和分布式电源出力为调度变量的基础上，构建以运行成本最小化为目标，综合考虑配电网安全约束、电动汽车充电能量和功率等约束的协调调度模型，并且利用静态电压对目标函数中的网损计算进行简化，将复杂的非线性目标函数转化为二次型目标函数；同时利用静态电压及电压-功率间的灵敏度关系，将潮流电压约束简化为线性约束。最终具有多时段耦合的强非线性特征的协调调度模型将简化为一个线性约束的凸二次规划模型；为消除本协调调度简化模型与实际模型的求解误差，本发明提供的技术方案，还利用多次优化求解进行静态电压迭代校正，静态电压逐次收敛的过程，不断校正基于静态电压简化的协调调度简化模型，最终可实现多变量、多时段、强耦合非线性协调调度模型的准确、快速求解，该模型充分考虑了电动汽车的日常行为习惯，对各节点充电功率的调度进行了能量和功率双重约束，同时考虑到该协调调度模型的多变量、多时段、强耦合和非线性特性，所造成的求解困难问题，从而实现含大规模分布式电源和电动汽车有源配电网的快速协调调度。
附图说明
图1是本发明一种分布式电源和电动汽车协调调度方法的流程图；
图2是本发明一种分布式电源和电动汽车协调调度装置的结构示意图。
具体实施方式
下面结合附图对本发明的具体实施方式作详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明提供的一种分布式电源和电动汽车协调调度方法，以节点充电功率和分布式电源出力为调度变量的基础上，构建以运行成本最小化为目标，综合考虑配电网安全约束、电动汽车充电能量和功率等约束的协调调度模型。并针对该模型多时段耦合的强非线性特征，利用优化求解中的电压迭代校正的方法对优化目标和约束进行简化，最终形成可准确求解的线性约束的凸二次规划模型，实现含大规模分布式电源和电动汽车有源配电网的快速协调调度，同时，本发明提供的技术方案采用电压迭代校正的方式降低电压幅值和灵敏度计算误差，逐步收敛于准确的最优解处，如图1所示，包括：
步骤(1)设定调度变量的初始值；
步骤(2)根据所述调度变量的初始值，通过潮流计算获取优化前各节点的静态电压；
步骤(3)根据所述优化前各节点的静态电压，求解分布式电源和电动汽车协调调度模型的目标函数获取优化后调度变量；
步骤(4)根据所述优化后调度变量，通过潮流计算获取优化后各节点的静态电压；
步骤(5)若所述优化后各节点的静态电压满足收敛条件，则输出所述优化后调度变量，结束操作，若所述优化后各节点的静态电压不满足收敛条件，则将所述优化后各节点的静态电压作为优化前各节点的静态电压，返回所述步骤(3)。
其中，调度变量包括：含电动汽车的节点充电功率和分布式电源出力比值，所述调度变量的初始值包括：含电动汽车的第i个节点在时段t的充电功率初始值
Figure BDA0001153129710000091
和第i个分布式电源在时段t有功出力比值初始值αi,0(t)；
所述收敛条件包括：所述优化后各节点的静态电压与所述优化前各节点的静态电压的欧氏距离小于阈值。
具体的，所述步骤(3)中，负荷率、负荷方差与网损有着紧密的联系，优化配电网的网损一定程度上可以等价于负荷率和负荷方差的优化，起到削峰填谷的作用。因此采用网损作为目标函数的一部分能够兼顾运行成本和降低峰谷差双重目标。计及分布式电源调控成本则起到了优先消纳分布式电源有功出力的目的，因此，分布式电源和电动汽车协调调度模型的目标函数的公式为：
Figure BDA0001153129710000092
上式中，f为分布式电源调控成本，ΔT为时段时长，Closs(t)为t时段内单位网损成本，Ploss(t)为t时段内网损量，Ci,DG(t)为t时段内第i个分布式电源单位限电成本，Pi,DG(t)为t时段内第i个分布式电源有功出力，NT为调度时段数，NDG为分布式电源数量；
其中，考虑到目标函数中网损和调度变量的非线性耦合关系，本发明提供的实施方案中，可以利用静态电压简化目标函数中的网损计算方法，按下式确定所述t时段内网损量Ploss(t)：
Figure BDA0001153129710000093
上式中，
Figure BDA0001153129710000094
为t时段线路l电流的矢量的实部，Rl为电网各段线路电阻构成的对角阵，
Figure BDA0001153129710000095
为t时段线路l电流的矢量的虚部；
按下式确定t时段线路l电流的矢量
Figure BDA0001153129710000101
Figure BDA0001153129710000102
上式中，
Figure BDA0001153129710000103
为t时段节点i注入电流的矢量，T为节点注入电流和线电流之间的道路支路-关联矩阵；
根据节点功率平衡方程，可按下式确定t时段节点i注入电流的矢量
Figure BDA0001153129710000104
Figure BDA0001153129710000105
上式中，Pi(t)+jQi(t)为t时段节点i的注入功率矢量，Ui(t)+jUi(t)为t时段节点i的节点电压矢量；
按下式确定所述t时段节点i的注入功率矢量的实部Pi(t)：
Figure BDA0001153129710000106
上式中，Pi_LOAD(t)为节点i负荷在时段t的有功功率，Pi,EV(t)为含电动汽车的第i个节点在时段t的充电功率，αi(t)为第i个分布式电源在时段t的有功出力比值，
Figure BDA0001153129710000107
为第i个分布式电源在时段t的最大有功出力；
按下式确定所述t时段节点i的注入功率矢量的虚部Qi(t)：
Qi(t)＝Qi_LOAD(t)
上式中，Qi_LOAD(t)为节点i负荷在时段t的无功功率。
进一步的，确定所述分布式电源和电动汽车协调调度模型的目标函数后，还需确定所述分布式电源和电动汽车协调调度模型的目标函数的约束条件，包括：
本发明提供的技术方案，利用电压幅值和节点注入功率之间的灵敏度关系简化潮流和电压之间的非线性约束关系导出静态电压约束，具体过程为：
假设节点h和k是辐射线路中两个相邻节点，则线路忽略对地支路后的压降关系为：
Figure BDA0001153129710000108
上式中，
Figure BDA0001153129710000109
为节点h和k之间压降，
Figure BDA00011531297100001010
为节点h和k之间线路电流，
Figure BDA00011531297100001011
为流过节点k复功率，
Figure BDA00011531297100001012
为节点k电势，Rhk为节点h和k之间线路电阻，Xhk为节点h和k之间线路电抗；
此时假设
Figure BDA0001153129710000111
即忽略在功率和电流转换过程中的线路压降，节点h和k之间压降为：
Figure BDA0001153129710000112
如果忽略线路损耗，则存在：
Figure BDA0001153129710000113
上式中，Nk为从线路首端看去系统中节点k之后的所有节点；
因此对于辐射网中任一节点i而言，其与系统母线节点0之间压降可表示为其间所有相邻节点线路压降之和：
Figure BDA0001153129710000114
上式中，Li为节点0到i之间所有线路段集合；
则节点i的电势为：
Figure BDA0001153129710000115
最终Ei幅值对节点j处负荷有功和无功功率求导即可得到节点i电压对节点j功率的灵敏度，即：
Figure BDA0001153129710000116
上式中，MP,ij为节点i电压对节点j有功功率的灵敏度，MQ,ij为节点i电压对节点j无功功率的灵敏度，PTi,j为节点i和节点j功率同时流经的支路集合；
因此，在上述推导基础上，静态电压约束条件可简化为调度变量的线性约束，公式为：
Figure BDA0001153129710000117
上式中，
Figure BDA0001153129710000118
为节点i在时段t的第k次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时的电压值，
Figure BDA0001153129710000119
为节点i在时段t的第k-1次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时的电压值，MP为节点i对所有节点的有功功率灵敏度矩阵，ΔP(t)为在时段t的第k与第k-1次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时各节点有功功率差值，MQ为节点i对所有节点的无功功率灵敏度矩阵，ΔQ(t)为在时段t的第k与第k-1次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时各节点无功功率差值；
采用优化充电方式以后，考虑到用车早高峰，将早晨8点作为结算点，即规定早晨8点前要完成一天之内90％的充电能量，因此，电动汽车充电能量约束的公式为：
Figure BDA0001153129710000121
上式中，ΔT为时段时长，NT为调度时段数，Pi,EV(t)为含电动汽车的第i个节点在时段t的充电功率，
Figure BDA0001153129710000122
为协调调度前含电动汽车的节点i在t时段的充电功率；
节点调度周期内充电能量约束，公式为：
Figure BDA0001153129710000123
上式中，Ni_EV为第i个节点的电动汽车数量，Ej,c为第j辆电动汽车的储能容量，
Figure BDA0001153129710000124
为电动汽车驶离的荷电状态，
Figure BDA0001153129710000125
为电动汽车驶回的荷电状态；
网络约束主要考虑电网安全运行所要求的节点电压约束和支路潮流约束，公式为：
Figure BDA0001153129710000126
上式中，Ui(t)为节点i在时段t的电压幅值，
Figure BDA0001153129710000127
为节点i电压幅值下限，
Figure BDA0001153129710000128
为节点i电压幅值上限，Sij(t)为节点i和节点j之间支路在时段t的视在功率，
Figure BDA0001153129710000129
为节点i和节点j之间支路的视在功率上限；
分布式电源的调度变量设置为实际调度出力与最大出力的比值，即存在分布式电源出力约束，公式为：
Figure BDA00011531297100001210
上式中，αi(t)为第i个分布式电源在时段t的有功出力比值；
含电动汽车的第i个节点在时段t的充电功率Pi,EV(t)不能超过此时停靠在该节点的电动汽车最大可能充电功率之和，即电动汽车充电功率约束，公式为：
Figure BDA0001153129710000131
上式中，Ni,EV(t)为t时段停靠在第i个节点的电动汽车数量，Pc为电动汽车最大充电功率。
本发明还提供一种分布式电源和电动汽车协调调度装置，如图2所示，所述装置包括：
初始模块，用于设定调度变量的初始值；
第一获取模块，用于根据所述调度变量的初始值，通过潮流计算获取优化前各节点的静态电压；
第二获取模块，用于根据所述优化前各节点的静态电压，求解分布式电源和电动汽车协调调度模型的目标函数获取优化后调度变量；
第三获取模块，用于根据所述优化后调度变量，通过潮流计算获取优化后各节点的静态电压；
判断模块，用于若所述优化后各节点的静态电压满足收敛条件，则输出所述优化后调度变量，结束操作，若所述优化后各节点的静态电压不满足收敛条件，则将所述优化后各节点的静态电压作为优化前各节点的静态电压返回至所述第二获取模块。
其中，所述初始模块中，调度变量包括：含电动汽车的节点充电功率和分布式电源出力比值，所述调度变量的初始值包括：含电动汽车的第i个节点在时段t的充电功率初始值
Figure BDA0001153129710000133
和第i个分布式电源在时段t有功出力比值初始值αi，0(t)；
所述判断模块中，所述收敛条件包括：所述优化后各节点的静态电压与所述优化前各节点的静态电压的欧氏距离小于阈值。
具体的，所述第二获取模块中，分布式电源和电动汽车协调调度模型的目标函数的公式为：
Figure BDA0001153129710000132
上式中，f为分布式电源调控成本，ΔT为时段时长，Closs(t)为t时段内单位网损成本，Ploss(t)为t时段内网损量，Ci,DG(t)为t时段内第i个分布式电源单位限电成本，Pi,DG(t)为t时段内第i个分布式电源有功出力，NT为调度时段数，NDG为分布式电源数量；
其中，按下式确定所述t时段内网损量Ploss(t)：
Figure BDA0001153129710000141
上式中，
Figure BDA0001153129710000142
为t时段线路l电流的矢量的实部，Rl为电网各段线路电阻构成的对角阵，
Figure BDA0001153129710000143
为t时段线路l电流的矢量的虚部；
按下式确定t时段线路l电流的矢量
Figure BDA0001153129710000144
Figure BDA0001153129710000145
上式中，
Figure BDA0001153129710000146
为t时段节点i注入电流的矢量，T为节点注入电流和线电流之间的道路支路-关联矩阵；
按下式确定t时段节点i注入电流的矢量
Figure BDA0001153129710000147
Figure BDA0001153129710000148
上式中，Pi(t)+jQi(t)为t时段节点i的注入功率矢量，Ui(t)+jUi(t)为t时段节点i的节点电压矢量；
按下式确定所述t时段节点i的注入功率矢量的实部Pi(t)：
Figure BDA0001153129710000149
上式中，Pi_LOAD(t)为节点i负荷在时段t的有功功率，Pi,EV(t)为含电动汽车的第i个节点在时段t的充电功率，αi(t)为第i个分布式电源在时段t的有功出力比值，
Figure BDA00011531297100001410
为第i个分布式电源在时段t的最大有功出力；
按下式确定所述t时段节点i的注入功率矢量的虚部Qi(t)：
Qi(t)＝Qi_LOAD(t)
上式中，Qi_LOAD(t)为节点i负荷在时段t的无功功率。
进一步的，所述分布式电源和电动汽车协调调度模型的目标函数的约束条件包括：
静态电压约束，公式为：
Figure BDA00011531297100001411
上式中，
Figure BDA00011531297100001412
为节点i在时段t的第k次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时的电压值，
Figure BDA0001153129710000151
为节点i在时段t的第k-1次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时的电压值，MP为节点i对所有节点的有功功率灵敏度矩阵，ΔP(t)为在时段t的第k与第k-1次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时各节点有功功率差值，MQ为节点i对所有节点的无功功率灵敏度矩阵，ΔQ(t)为在时段t的第k与第k-1次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时各节点无功功率差值；
电动汽车充电能量约束，公式为：
Figure BDA0001153129710000152
上式中，ΔT为时段时长，NT为调度时段数，Pi,EV(t)为含电动汽车的第i个节点在时段t的充电功率，
Figure BDA0001153129710000153
为协调调度前含电动汽车的节点i在t时段的充电功率；
节点调度周期内充电能量约束，公式为：
Figure BDA0001153129710000154
上式中，Ni_EV为第i个节点的电动汽车数量，Ej,c为第j辆电动汽车的储能容量，
Figure BDA0001153129710000155
为电动汽车驶离的荷电状态，
Figure BDA0001153129710000156
为电动汽车驶回的荷电状态；
网络约束，公式为：
Figure BDA0001153129710000157
上式中，Ui(t)为节点i在时段t的电压幅值，
Figure BDA0001153129710000158
为节点i电压幅值下限，
Figure BDA0001153129710000159
为节点i电压幅值上限，Sij(t)为节点i和节点j之间支路在时段t的视在功率，
Figure BDA00011531297100001510
为节点i和节点j之间支路的视在功率上限；
分布式电源出力约束，公式为：
Figure BDA00011531297100001511
上式中，αi(t)为第i个分布式电源在时段t的有功出力比值；
电动汽车充电功率约束，公式为：
Figure BDA0001153129710000161
上式中，Ni,EV(t)为t时段停靠在第i个节点的电动汽车数量，Pc为电动汽车最大充电功率。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (8)

1.一种分布式电源和电动汽车协调调度方法，其特征在于，所述方法包括：
步骤(1)设定调度变量的初始值；
步骤(2)根据所述调度变量的初始值，通过潮流计算获取优化前各节点的静态电压；
步骤(3)根据所述优化前各节点的静态电压，求解分布式电源和电动汽车协调调度模型的目标函数获取优化后调度变量；
步骤(4)根据所述优化后调度变量，通过潮流计算获取优化后各节点的静态电压；
步骤(5)若所述优化后各节点的静态电压满足收敛条件，则输出所述优化后调度变量，结束操作，若所述优化后各节点的静态电压不满足收敛条件，则将所述优化后各节点的静态电压作为优化前各节点的静态电压，返回所述步骤(3)；
所述步骤(3)中，分布式电源和电动汽车协调调度模型的目标函数的公式为：
Figure FDA0003899966540000011
上式中，f为分布式电源调控成本，ΔT为时段时长，Closs(t)为t时段内单位网损成本，Ploss(t)为t时段内网损量，Ci,DG(t)为t时段内第i个分布式电源单位限电成本，Pi,DG(t)为t时段内第i个分布式电源有功出力，NT为调度时段数，NDG为分布式电源数量；
其中，按下式确定所述t时段内网损量Ploss(t)：
Figure FDA0003899966540000012
上式中，
Figure FDA0003899966540000013
为t时段线路l电流的矢量的实部，Rl为电网各段线路电阻构成的对角阵，
Figure FDA0003899966540000014
为t时段线路l电流的矢量的虚部；
按下式确定t时段线路l电流的矢量
Figure FDA0003899966540000015
Figure FDA0003899966540000016
上式中，
Figure FDA0003899966540000017
为t时段节点i注入电流的矢量，T为节点注入电流和线电流之间的道路支路-关联矩阵；
按下式确定t时段节点i注入电流的矢量
Figure FDA0003899966540000021
Figure FDA0003899966540000022
上式中，Pi(t)+jQi(t)为t时段节点i的注入功率矢量，Ui(t)+jUi(t)为t时段节点i的节点电压矢量；
按下式确定所述t时段节点i的注入功率矢量的实部Pi(t)：
Figure FDA0003899966540000023
上式中，Pi_LOAD(t)为节点i负荷在时段t的有功功率，Pi,EV(t)为含电动汽车的第i个节点在时段t的充电功率，αi(t)为第i个分布式电源在时段t的有功出力比值，
Figure FDA0003899966540000024
为第i个分布式电源在时段t的最大有功出力；
按下式确定所述t时段节点i的注入功率矢量的虚部Qi(t)：
Qi(t)＝Qi_LOAD(t)
上式中，Qi_LOAD(t)为节点i负荷在时段t的无功功率。
2.如权利要求1所述的方法，其特征在于，所述步骤(1)中，调度变量包括：含电动汽车的节点充电功率和分布式电源出力比值，所述调度变量的初始值包括：含电动汽车的第i个节点在时段t的充电功率初始值
Figure FDA0003899966540000025
和第i个分布式电源在时段t有功出力比值初始值αi,0(t)。
3.如权利要求1所述的方法，其特征在于，所述分布式电源和电动汽车协调调度模型的目标函数的约束条件包括：
静态电压约束，公式为：
Figure FDA0003899966540000026
上式中，
Figure FDA0003899966540000027
为节点i在时段t的第k次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时的电压值，
Figure FDA0003899966540000028
为节点i在时段t的第k-1次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时的电压值，MP为节点i对所有节点的有功功率灵敏度矩阵，ΔP(t)为在时段t的第k与第k-1次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时各节点有功功率差值，MQ为节点i对所有节点的无功功率灵敏度矩阵，ΔQ(t)为在时段t的第k与第k-1次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时各节点无功功率差值；
电动汽车充电能量约束，公式为：
Figure FDA0003899966540000031
上式中，ΔT为时段时长，NT为调度时段数，Pi,EV(t)为含电动汽车的第i个节点在时段t的充电功率，
Figure FDA0003899966540000032
为协调调度前含电动汽车的节点i在t时段的充电功率；
节点调度周期内充电能量约束，公式为：
Figure FDA0003899966540000033
上式中，Ni_EV为第i个节点的电动汽车数量，Ej,c为第j辆电动汽车的储能容量，
Figure FDA0003899966540000034
为电动汽车驶离的荷电状态，
Figure FDA0003899966540000035
为电动汽车驶回的荷电状态；
网络约束，公式为：
Figure FDA0003899966540000036
上式中，Ui(t)为节点i在时段t的电压幅值，
Figure FDA0003899966540000037
为节点i电压幅值下限，
Figure FDA0003899966540000038
为节点i电压幅值上限，Sij(t)为节点i和节点j之间支路在时段t的视在功率，
Figure FDA0003899966540000039
为节点i和节点j之间支路的视在功率上限；
分布式电源出力约束，公式为：
Figure FDA00038999665400000310
上式中，αi(t)为第i个分布式电源在时段t的有功出力比值；
电动汽车充电功率约束，公式为：
Figure FDA0003899966540000041
上式中，Ni,EV(t)为t时段停靠在第i个节点的电动汽车数量，Pc为电动汽车最大充电功率。
4.如权利要求1所述的方法，其特征在于，所述步骤(5)中，所述收敛条件包括：所述优化后各节点的静态电压与所述优化前各节点的静态电压的欧氏距离小于阈值。
5.一种分布式电源和电动汽车协调调度装置，其特征在于，所述装置包括：
初始模块，用于设定调度变量的初始值；
第一获取模块，用于根据所述调度变量的初始值，通过潮流计算获取优化前各节点的静态电压；
第二获取模块，用于根据所述优化前各节点的静态电压，求解分布式电源和电动汽车协调调度模型的目标函数获取优化后调度变量；
第三获取模块，用于根据所述优化后调度变量，通过潮流计算获取优化后各节点的静态电压；
判断模块，用于若所述优化后各节点的静态电压满足收敛条件，则输出所述优化后调度变量，结束操作，若所述优化后各节点的静态电压不满足收敛条件，则将所述优化后各节点的静态电压作为优化前各节点的静态电压返回至所述第二获取模块；
所述第二获取模块中，分布式电源和电动汽车协调调度模型的目标函数的公式为：
Figure FDA0003899966540000042
上式中，f为分布式电源调控成本，ΔT为时段时长，Closs(t)为t时段内单位网损成本，Ploss(t)为t时段内网损量，Ci,DG(t)为t时段内第i个分布式电源单位限电成本，Pi,DG(t)为t时段内第i个分布式电源有功出力，NT为调度时段数，NDG为分布式电源数量；
其中，按下式确定所述t时段内网损量Ploss(t)：
Figure FDA0003899966540000051
上式中，
Figure FDA0003899966540000052
为t时段线路l电流的矢量的实部，Rl为电网各段线路电阻构成的对角阵，
Figure FDA0003899966540000053
为t时段线路l电流的矢量的虚部；
按下式确定t时段线路l电流的矢量
Figure FDA0003899966540000054
Figure FDA0003899966540000055
上式中，
Figure FDA0003899966540000056
为t时段节点i注入电流的矢量，T为节点注入电流和线电流之间的道路支路-关联矩阵；
按下式确定t时段节点i注入电流的矢量
Figure FDA0003899966540000057
Figure FDA0003899966540000058
上式中，Pi(t)+jQi(t)为t时段节点i的注入功率矢量，Ui(t)+jUi(t)为t时段节点i的节点电压矢量；
按下式确定所述t时段节点i的注入功率矢量的实部Pi(t)：
Figure FDA0003899966540000059
上式中，Pi_LOAD(t)为节点i负荷在时段t的有功功率，Pi,EV(t)为含电动汽车的第i个节点在时段t的充电功率，αi(t)为第i个分布式电源在时段t的有功出力比值，
Figure FDA00038999665400000510
为第i个分布式电源在时段t的最大有功出力；
按下式确定所述t时段节点i的注入功率矢量的虚部Qi(t)：
Qi(t)＝Qi_LOAD(t)
上式中，Qi_LOAD(t)为节点i负荷在时段t的无功功率。
6.如权利要求5所述的装置，其特征在于，所述初始模块中，调度变量包括：含电动汽车的节点充电功率和分布式电源出力比值，所述调度变量的初始值包括：含电动汽车的第i个节点在时段t的充电功率初始值
Figure FDA0003899966540000061
和第i个分布式电源在时段t有功出力比值初始值αi,0(t)。
7.如权利要求5所述的装置，其特征在于，所述分布式电源和电动汽车协调调度模型的目标函数的约束条件包括：
静态电压约束，公式为：
Figure FDA0003899966540000062
上式中，
Figure FDA0003899966540000063
为节点i在时段t的第k次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时的电压值，
Figure FDA0003899966540000064
为节点i在时段t的第k-1次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时的电压值，MP为节点i对所有节点的有功功率灵敏度矩阵，ΔP(t)为在时段t的第k与第k-1次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时各节点有功功率差值，MQ为节点i对所有节点的无功功率灵敏度矩阵，ΔQ(t)为在时段t的第k与第k-1次修正所述分布式电源和电动汽车协调调度模型的目标函数的静态电压时各节点无功功率差值；
电动汽车充电能量约束，公式为：
Figure FDA0003899966540000065
上式中，ΔT为时段时长，NT为调度时段数，Pi,EV(t)为含电动汽车的第i个节点在时段t的充电功率，
Figure FDA0003899966540000066
为协调调度前含电动汽车的节点i在t时段的充电功率；
节点调度周期内充电能量约束，公式为：
Figure FDA0003899966540000067
上式中，Ni_EV为第i个节点的电动汽车数量，Ej,c为第j辆电动汽车的储能容量，
Figure FDA0003899966540000068
为电动汽车驶离的荷电状态，
Figure FDA0003899966540000069
为电动汽车驶回的荷电状态；
网络约束，公式为：
Figure FDA0003899966540000071
上式中，Ui(t)为节点i在时段t的电压幅值，
Figure FDA0003899966540000072
为节点i电压幅值下限，
Figure FDA0003899966540000073
为节点i电压幅值上限，Sij(t)为节点i和节点j之间支路在时段t的视在功率，
Figure FDA0003899966540000074
为节点i和节点j之间支路的视在功率上限；
分布式电源出力约束，公式为：
Figure FDA0003899966540000075
上式中，αi(t)为第i个分布式电源在时段t的有功出力比值；
电动汽车充电功率约束，公式为：
Figure FDA0003899966540000076
上式中，Ni,EV(t)为t时段停靠在第i个节点的电动汽车数量，Pc为电动汽车最大充电功率。
8.如权利要求5所述的装置，其特征在于，所述判断模块中，所述收敛条件包括：所述优化后各节点的静态电压与所述优化前各节点的静态电压的欧氏距离小于阈值。
CN201611004614.2A 2016-11-15 2016-11-15 一种分布式电源和电动汽车协调调度方法及装置 Active CN108075483B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611004614.2A CN108075483B (zh) 2016-11-15 2016-11-15 一种分布式电源和电动汽车协调调度方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611004614.2A CN108075483B (zh) 2016-11-15 2016-11-15 一种分布式电源和电动汽车协调调度方法及装置

Publications (2)

Publication Number Publication Date
CN108075483A CN108075483A (zh) 2018-05-25
CN108075483B true CN108075483B (zh) 2023-01-24

Family

ID=62162584

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611004614.2A Active CN108075483B (zh) 2016-11-15 2016-11-15 一种分布式电源和电动汽车协调调度方法及装置

Country Status (1)

Country Link
CN (1) CN108075483B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110556872B (zh) * 2019-10-25 2021-04-27 国网冀北电力有限公司秦皇岛供电公司 一种分布式电源准入容量确定方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103400207A (zh) * 2013-08-01 2013-11-20 天津大学 一种含可调度分布式电源的配电网运行优化方法
CN105322559A (zh) * 2015-11-11 2016-02-10 重庆大学 一种基于v2g技术的电动汽车配电调度控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104885329B (zh) * 2013-01-15 2017-11-07 Abb技术有限公司 用于具有der和ev的配电网的协调控制方法及其控制系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103400207A (zh) * 2013-08-01 2013-11-20 天津大学 一种含可调度分布式电源的配电网运行优化方法
CN105322559A (zh) * 2015-11-11 2016-02-10 重庆大学 一种基于v2g技术的电动汽车配电调度控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
含高渗透率分布式电源的主动配电系统规划综述;袁越 等;《分布式能源》;20160815;第01卷(第01期);6-13 *
计及入网电动汽车和分布式电源的配电系统重构;陈光 等;《电网技术》;20130105;第37卷(第01期);82-88 *

Also Published As

Publication number Publication date
CN108075483A (zh) 2018-05-25

Similar Documents

Publication Publication Date Title
CN104037793B (zh) 一种应用于主动配电网的储能单元容量配置方法
CN110365013B (zh) 一种光热-光伏-风电联合发电系统的容量优化方法
CN109217290B (zh) 计及电动汽车充放电的微网能量优化管理方法
CN107947231A (zh) 一种面向配电网优化运行的混合储能系统控制方法
CN107437824A (zh) 一种基于遗传算法的地区分布式电源准入容量的计算方法
CN107332234A (zh) 一种考虑可再生能源间歇性的主动配电网多故障修复策略
CN110281809A (zh) 一种基于粒子群优化算法的电动汽车v2g控制系统
CN105244869A (zh) 一种含微网的配电网动态随机调度控制方法
CN105162141A (zh) 考虑风电不确定性及电压稳定性因素的电网无功优化方法
CN103227508B (zh) 风光储综合控制系统和方法
CN103296681A (zh) 一种电动汽车与风电协同实时调度优化方法
CN105226689A (zh) 考虑运行和维护的多类型储能系统能量管理方法和系统
CN105205552A (zh) 一种独立新能源混合发电系统优化规划方法
CN109787221B (zh) 一种微电网电能安全经济调度方法和系统
CN109672184A (zh) 一种含高比例光伏配电网电压控制方法和系统
CN106786625A (zh) 基于分布式供能系统互动能力的配电网电压协调控制方法
CN105356521A (zh) 一种基于时域滚动控制的交直流混合微电网运行优化方法
CN105896575A (zh) 基于自适应动态规划的百兆瓦储能功率控制方法及系统
CN111030101B (zh) 一种基于多元化大数据清洁能源消纳联动调控方法及系统
CN108075483B (zh) 一种分布式电源和电动汽车协调调度方法及装置
CN111489009A (zh) 一种电动汽车充电站运行方式的优化计算方法及装置
CN106100002A (zh) 一种交直流混合微网的优化运行方法
CN104268435A (zh) 一种计算多机平衡的概率潮流的方法
CN106156921A (zh) 基于Copula理论的电动汽车光伏充电站储能配置选择方法
Bao et al. Genetic algorithm based optimal capacity allocation for an independent wind/pv/diesel/battery power generation system

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