CN108173291A - 一种基于天气因素的分布式新能源智能配电方法 - Google Patents
一种基于天气因素的分布式新能源智能配电方法 Download PDFInfo
- Publication number
- CN108173291A CN108173291A CN201711474441.5A CN201711474441A CN108173291A CN 108173291 A CN108173291 A CN 108173291A CN 201711474441 A CN201711474441 A CN 201711474441A CN 108173291 A CN108173291 A CN 108173291A
- Authority
- CN
- China
- Prior art keywords
- power
- distribution
- distributed
- data
- prediction
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000010248 power generation Methods 0.000 claims abstract description 52
- 230000005611 electricity Effects 0.000 claims abstract description 51
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000005286 illumination Methods 0.000 claims description 4
- 238000004146 energy storage Methods 0.000 claims description 3
- 239000003607 modifier Substances 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 5
- 238000013473 artificial intelligence Methods 0.000 abstract description 4
- 230000001172 regenerating effect Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 3
- 230000008676 import Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010008 shearing Methods 0.000 description 1
- 239000002699 waste material Substances 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
-
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种基于天气因素的分布式新能源智能配电方法，包括以下步骤，获取预报天气数据，将所述预报天气数据导入分布式电站发电模型，得到分布式电站的发电预测数据；获取并网侧电网的历史配电数据，将所述历史配电数据导入电网配电需求模型，得到配电预测数据；智能匹配，将所述发电预测数据与所述配电预测数据进行匹配，得到分布式电站的并网发电的预配电额度；配电上网，分布式电站根据所述预配电额度进行并网发电。本发明采用人工智能模型，有效预测可再生新能源分布式电站发电量，并以此来分配并网配电的额度；本发明构思巧妙，解决分布式新能源电站的配电问题，符合新能源发展的需求。
Description
技术领域
本发明涉及智能电网，尤其涉及一种基于天气因素的分布式新能源智能配电方法。
背景技术
现如今，能源作为现代社会赖以生存和发展的基础，各国为了应对能源危机分别积极研究新能源技术，特别是太阳能、风能等分布式可再生能源，可再生能源具有取之不竭，清洁环保等特点，受到世界各国的高度重视。可再生能源存在地理上分散、生产不连续、随机性、波动性和不可控等特点,传统电力网络的集中统一的管理方式，难于适应可再生能源大规模利用的要求。对于可再生能源的有效利用方式是分布式的“就地收集,就地存储,就地使用”。但分布式发电并网并不能从根本上改变分布式发电在高渗透率情况下对上一级电网电能质量,故障检测,故障隔离的影响，也难于实现可再生能源的最大化利用，只有实现可再生能源发电信息的共享，以信息流控制能量流，实现可再生能源所发电能的高效传输与共享，才能克服可再生能源不稳定的问题，实现可再生能源的真正有效利用。
特别针对偏远地区的分布式太阳能或者风能电站，普遍存在自发电过剩的情况，这时需要并入国网进行统一配电，但因太阳能发电或风能放电的发电不确定性，如太阳能只能白天光照时发电，晴天与雨天发电量千差万别，风电波动性过大，电能质量不稳定，如简单上网并网发电必然对电网形成不小的冲击，对电网本身造成损伤，很多地区则因此直接将大量分布式新能源电站发出电量直接通入地下，大大浪费电能，急需一种能解决分布式新能源的配电方法。
发明内容
为了克服现有技术的不足，本发明的目的在于提供一种基于天气因素的分布式新能源智能配电方法，本发明采用人工智能模型，有效预测可再生新能源分布式电站发电量，并以此来分配并网配电的额度，解决分布式新能源电站的配电问题，符合新能源发展的需求。
本发明提供一种基于天气因素的分布式新能源智能配电方法，包括以下步骤：
S1、获取预报天气数据，将所述预报天气数据导入分布式电站发电模型，得到分布式电站的发电预测数据；其中，所述发电预测数据包括预测发电量、预测发电电能质量；
S2、获取并网侧电网的历史配电数据，将所述历史配电数据导入电网配电需求模型，得到配电预测数据；其中，所述配电预测数据包括预测配电量、预测配电电能质量；
S3、智能匹配，将所述发电预测数据与所述配电预测数据进行匹配，得到分布式电站的并网发电的预配电额度；
S4、配电上网，分布式电站根据所述预配电额度进行并网发电。
进一步地，所述预报天气数据包括以时间为横坐标的光照时间数据、光照强度数据、温度数据、风力数据。
进一步地，所述历史配电数据包括电网内各线路的历史用电量、电能质量、线路内电压值。
进一步地，所述历史用电量包括单日分时平均用电量、日总用电量、周内各日用电量、月内各周用电量、季度内各月用电量、年内各季用电量。
进一步地，所述步骤S3具体为：对获取并网侧电网内各线路的配电预测数据，得到所述预测发电电能质量优于所述预测配电电能质量的配电预测数据的所述预测配电量的配电总和，所述预配电额度为所述配电总和的X％，其中X∈[50，100]。
进一步地，所述步骤S4还包括：分布式电站的剩余发电量存储于储能装置内。
进一步地，还包括步骤S5：反馈修正，根据分布式电站的当天实际发电量修正X,若当天实际发电量与预测发电量的差值E小于修正值Y时，增大X；若当天实际发电量与预测发电量的差值E大于修正值Y时，减小X。
进一步地，所述步骤S5还包括：根据分布式电站的当天实际发电量修正所述分布式电站发电模型。
进一步地，所述分布式电站发电模型为采用历史天气数据与历史发电数据作为输入训练的神经网络模型。
相比现有技术，本发明的有益效果在于：
本发明提供一种基于天气因素的分布式新能源智能配电方法，包括以下步骤，获取预报天气数据，将所述预报天气数据导入分布式电站发电模型，得到分布式电站的发电预测数据；其中，所述发电预测数据包括预测发电量、预测发电电能质量；获取并网侧电网的历史配电数据，将所述历史配电数据导入电网配电需求模型，得到配电预测数据；其中，所述配电预测数据包括预测配电量、预测配电电能质量；智能匹配，将所述发电预测数据与所述配电预测数据进行匹配，得到分布式电站的并网发电的预配电额度；配电上网，分布式电站根据所述预配电额度进行并网发电。本发明采用人工智能模型，有效预测可再生新能源分布式电站发电量，并以此来分配并网配电的额度；本发明构思巧妙，解决分布式新能源电站的配电问题，符合新能源发展的需求。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。
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，构成本申请的一部分，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为本发明的一种基于天气因素的分布式新能源智能配电方法的步骤流程图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
一种基于天气因素的分布式新能源智能配电方法，如图1所示，包括以下步骤：
S1、获取预报天气数据，将预报天气数据导入分布式电站发电模型，得到分布式电站的发电预测数据；其中，发电预测数据包括预测发电量、预测发电电能质量。
分布式电站发电模型为采用历史天气数据与历史发电数据作为输入训练的神经网络模型；预报天气数据包括以时间为横坐标的光照时间数据、光照强度数据、温度数据、风力数据，其中对于光伏分布式电站，光照时间数据、光照强度数据、温度数据作为光伏分布式电站发电模型的输入数据与原始训练数据，并结合逆变器或者电站发电监测设备采集电站的实时发电情况，训练得到光伏分布式电站发电模型；同理，对于风力分布式电站，温度数据、风力数据作为风力分布式电站发电模型的输入数据与原始训练数据，并结合逆变器或者电站发电监测设备采集电站的实时发电情况，训练得到风力分布式电站发电模型；例如，需要预测未来某一天的发电量、发电电能质量，将未来当天的天气预报数据导入分布式电站发电模型，得到预测发电量、预测发电电能质量。
S2、获取并网侧电网的历史配电数据，将历史配电数据导入电网配电需求模型，得到配电预测数据；其中，配电预测数据包括预测配电量、预测配电电能质量。
其中，电网配电需求模型可通过国家电网内统计生成建立；历史配电数据包括电网内各线路的历史用电量、电能质量、线路内电压值；历史用电量包括单日分时平均用电量、日总用电量、周内各日用电量、月内各周用电量、季度内各月用电量、年内各季用电量；通过对单日分时平均用电量、日总用电量、周内各日用电量、月内各周用电量、季度内各月用电量、年内各季用电量分别设置对应的影响因子Wi，i＝1,2,3,4,5,6；例如，预测下一日的配电量、配电电能质量，通过对上月当天发电量、上周当天发电量、单日分时用电量进行综合加权，同时引入季度影响因子、年内影响因子；其中季度影响因子为特殊季度用电量情况加权，如冬季、夏季用电高峰等，年内影响因子为年内特殊年份事件影响情况加权，如增设大规模用电设备等，则以最近用电量为准。
S3、智能匹配，将发电预测数据与配电预测数据进行匹配，得到分布式电站的并网发电的预配电额度；为保证配电与发电匹配精准，对分布式电站发电按比例配送，防止预测数据与实际数据偏差，具体的，对获取并网侧电网内各线路的配电预测数据，得到预测发电电能质量优于预测配电电能质量的配电预测数据的预测配电量的配电总和，预配电额度为配电总和的X％，其中X∈[50，100]。例如，通过得到预测发电量、预测发电电能质量，与并网侧各线路内的配电预测数据的预测配电量、预测配电电能质量，形成预测配电量集合、预测配电电能质量合集，匹配最适合预测发电量、预测发电电能质量的线路；此外，还需考虑线路内电压值，例如并网侧为10KV电路，则优先考虑10KV电压附近的线路，若10KV电路中配电无法满足需求，则优先考虑如35KV、110KV等高于10KV的线路，防止多次升压带来的成本与避免电能质量无法保证。
S4、配电上网，分布式电站根据预配电额度进行并网发电；其中，分布式电站的剩余发电量存储于储能装置内。
在一实施例中，一种基于天气因素的分布式新能源智能配电方法还包括步骤S5：反馈修正，根据分布式电站的当天实际发电量修正X,若当天实际发电量与预测发电量的差值E小于修正值Y时，增大X；若当天实际发电量与预测发电量的差值E大于修正值Y时，减小X；根据分布式电站的当天实际发电量修正分布式电站发电模型。
本发明提供一种基于天气因素的分布式新能源智能配电方法，包括以下步骤，获取预报天气数据，将所述预报天气数据导入分布式电站发电模型，得到分布式电站的发电预测数据；其中，所述发电预测数据包括预测发电量、预测发电电能质量；获取并网侧电网的历史配电数据，将所述历史配电数据导入电网配电需求模型，得到配电预测数据；其中，所述配电预测数据包括预测配电量、预测配电电能质量；智能匹配，将所述发电预测数据与所述配电预测数据进行匹配，得到分布式电站的并网发电的预配电额度；配电上网，分布式电站根据所述预配电额度进行并网发电。本发明采用人工智能模型，有效预测可再生新能源分布式电站发电量，并以此来分配并网配电的额度；本发明构思巧妙，解决分布式新能源电站的配电问题，符合新能源发展的需求。
以上，仅为本发明的较佳实施例而已，并非对本发明作任何形式上的限制；凡本行业的普通技术人员均可按说明书附图所示和以上而顺畅地实施本发明；但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内，利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等，均仍属于本发明的技术方案的保护范围之内。
Claims (9)
1.一种基于天气因素的分布式新能源智能配电方法，其特征在于，包括以下步骤：
S1、获取预报天气数据，将所述预报天气数据导入分布式电站发电模型，得到分布式电站的发电预测数据；其中，所述发电预测数据包括预测发电量、预测发电电能质量；
S2、获取并网侧电网的历史配电数据，将所述历史配电数据导入电网配电需求模型，得到配电预测数据；其中，所述配电预测数据包括预测配电量、预测配电电能质量；
S3、智能匹配，将所述发电预测数据与所述配电预测数据进行匹配，得到分布式电站的并网发电的预配电额度；
S4、配电上网，分布式电站根据所述预配电额度进行并网发电。
2.如权利要求1所述的一种基于天气因素的分布式新能源智能配电方法，其特征在于：所述预报天气数据包括以时间为横坐标的光照时间数据、光照强度数据、温度数据、风力数据。
3.如权利要求2所述的一种基于天气因素的分布式新能源智能配电方法，其特征在于：所述历史配电数据包括电网内各线路的历史用电量、电能质量、线路内电压值。
4.如权利要求3所述的一种基于天气因素的分布式新能源智能配电方法，其特征在于：所述历史用电量包括单日分时平均用电量、日总用电量、周内各日用电量、月内各周用电量、季度内各月用电量、年内各季用电量。
5.如权利要求3所述的一种基于天气因素的分布式新能源智能配电方法，其特征在于，所述步骤S3具体为：对获取并网侧电网内各线路的配电预测数据，得到所述预测发电电能质量优于所述预测配电电能质量的配电预测数据的所述预测配电量的配电总和，所述预配电额度为所述配电总和的X％，其中X∈[50，100]。
6.如权利要求5所述的一种基于天气因素的分布式新能源智能配电方法，其特征在于，所述步骤S4还包括：分布式电站的剩余发电量存储于储能装置内。
7.如权利要求6所述的一种基于天气因素的分布式新能源智能配电方法，其特征在于，还包括步骤S5：反馈修正，根据分布式电站的当天实际发电量修正X,若当天实际发电量与预测发电量的差值E小于修正值Y时，增大X；若当天实际发电量与预测发电量的差值E大于修正值Y时，减小X。
8.如权利要求7所述的一种基于天气因素的分布式新能源智能配电方法，其特征在于，步骤S5还包括：根据分布式电站的当天实际发电量修正所述分布式电站发电模型。
9.如权利要求8所述的一种基于天气因素的分布式新能源智能配电方法，其特征在于：所述分布式电站发电模型为采用历史天气数据与历史发电数据作为输入训练的神经网络模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711474441.5A CN108173291B (zh) | 2017-12-29 | 2017-12-29 | 一种基于天气因素的分布式新能源智能配电方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711474441.5A CN108173291B (zh) | 2017-12-29 | 2017-12-29 | 一种基于天气因素的分布式新能源智能配电方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108173291A true CN108173291A (zh) | 2018-06-15 |
| CN108173291B CN108173291B (zh) | 2021-02-12 |
Family
ID=62519806
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711474441.5A Active CN108173291B (zh) | 2017-12-29 | 2017-12-29 | 一种基于天气因素的分布式新能源智能配电方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108173291B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111082462A (zh) * | 2020-01-21 | 2020-04-28 | 南方电网科学研究院有限责任公司 | 一种标准化新能源并网管理系统 |
| CN111355258A (zh) * | 2018-12-20 | 2020-06-30 | 太阳能安吉科技有限公司 | 用于分布式能量管理的通信协议 |
| CN116780529A (zh) * | 2023-06-30 | 2023-09-19 | 国网北京市电力公司 | 一种配电网故障恢复方法、装置、设备及介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150115063A (ko) * | 2014-04-02 | 2015-10-14 | 재단법인대구경북과학기술원 | 기준 전력을 조절하기 위한 에너지 운영 장치 및 그 방법 |
| CN106405333A (zh) * | 2016-10-13 | 2017-02-15 | 国网山东省电力公司威海供电公司 | 一种分布式电网电能质量预测方法及装置 |
-
2017
- 2017-12-29 CN CN201711474441.5A patent/CN108173291B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20150115063A (ko) * | 2014-04-02 | 2015-10-14 | 재단법인대구경북과학기술원 | 기준 전력을 조절하기 위한 에너지 운영 장치 및 그 방법 |
| CN106405333A (zh) * | 2016-10-13 | 2017-02-15 | 国网山东省电力公司威海供电公司 | 一种分布式电网电能质量预测方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 杜莉等: "神经网络在电力负荷预测中的应用研究", 《计算机仿真》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111355258A (zh) * | 2018-12-20 | 2020-06-30 | 太阳能安吉科技有限公司 | 用于分布式能量管理的通信协议 |
| CN111082462A (zh) * | 2020-01-21 | 2020-04-28 | 南方电网科学研究院有限责任公司 | 一种标准化新能源并网管理系统 |
| CN116780529A (zh) * | 2023-06-30 | 2023-09-19 | 国网北京市电力公司 | 一种配电网故障恢复方法、装置、设备及介质 |
| CN116780529B (zh) * | 2023-06-30 | 2024-06-11 | 国网北京市电力公司 | 一种配电网故障恢复方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108173291B (zh) | 2021-02-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107038530A (zh) | 一种配电网统筹规划方法及系统 | |
| CN106655243B (zh) | 以维持微电网供需平衡为目的的电动汽车自动需求响应方法 | |
| Luthander et al. | Photovoltaics and opportunistic electric vehicle charging in the power system–a case study on a Swedish distribution grid | |
| Shang et al. | Internet of smart charging points with photovoltaic Integration: A high-efficiency scheme enabling optimal dispatching between electric vehicles and power grids | |
| CN112734098B (zh) | 一种基于源-荷-网平衡的配电网电力调度方法及系统 | |
| CN105375507A (zh) | 雾霾环境下虚拟电厂的电力两级交互优化调度系统 | |
| CN106600459A (zh) | 一种用于解决光伏接入点电压偏差的优化方法 | |
| CN107069814A (zh) | 配网分布式电源容量布点的模糊机会约束规划方法与系统 | |
| CN104218683B (zh) | 一种闭环自学习需求响应系统及方法 | |
| CN105391093B (zh) | 小水电群并网运行优化调度方法 | |
| CN108173291A (zh) | 一种基于天气因素的分布式新能源智能配电方法 | |
| Mojumder et al. | Prospects and challenges of renewable energy-based microgrid system in Bangladesh: a comprehensive review | |
| Zhang et al. | Aggregating distributed energy storage: Cloud-based flexibility services from China | |
| He et al. | Optimal integration of Vehicle to Building (V2B) and Building to Vehicle (B2V) technologies for commercial buildings | |
| CN117175543A (zh) | 一种可调节负荷的配电网规划策略优化方法及系统 | |
| Brenna et al. | Synergy between renewable sources and electric vehicles for energy integration in distribution systems | |
| CN104268668A (zh) | 一种闭环低碳优化调度方法 | |
| CN105262143B (zh) | 基于区域经济最优的光伏源网协调控制方法与系统 | |
| Vlasov et al. | Predictive control algorithm for a variable load hybrid power system on the basis of power output forecast | |
| CN114914929A (zh) | 一种基于变电站的区域新能源在线全额消纳方法 | |
| CN113746105A (zh) | 电力需求响应的优化控制方法、装置、设备和存储介质 | |
| Ji et al. | Operating mechanism for profit improvement of a smart microgrid based on dynamic demand response | |
| CN116436090A (zh) | 一种低压分布式光伏发电出力预测方法 | |
| CN116154823A (zh) | 面向灾后供电恢复的移动式储能车应急调度及评估方法 | |
| Jannati-Oskuee et al. | Risk-based joint flexible distribution network expansion planning and allocation of EV parking lots |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210113 Address after: 215000 1704g, 17 / F, building 2, 209 Zhuyuan Road, high tech Zone, Suzhou City, Jiangsu Province Applicant after: SUZHOU YICAN NEW ENERGY TECHNOLOGY Co.,Ltd. Address before: 2 9F, No.209, Zhuyuan Road, high tech Zone, Suzhou, Jiangsu 215000 Applicant before: Zhang Qingqiang |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240208 Address after: 215000 No. 39, Yunhe Road, Huqiu District, Suzhou City, Jiangsu Province Patentee after: Zhang Qingqiang Country or region after: China Address before: 215000 1704g, 17 / F, building 2, 209 Zhuyuan Road, high tech Zone, Suzhou City, Jiangsu Province Patentee before: SUZHOU YICAN NEW ENERGY TECHNOLOGY Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |