CN108306338B - 一种模块化微电网及其日前能量优化调度的方法 - Google Patents
一种模块化微电网及其日前能量优化调度的方法 Download PDFInfo
- Publication number
- CN108306338B CN108306338B CN201810095574.XA CN201810095574A CN108306338B CN 108306338 B CN108306338 B CN 108306338B CN 201810095574 A CN201810095574 A CN 201810095574A CN 108306338 B CN108306338 B CN 108306338B
- Authority
- CN
- China
- Prior art keywords
- module
- power
- energy
- particle
- few days
- 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
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
- H02J3/32—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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种模块化微电网及其日前能量优化调度的方法,能够保持电力供需平衡,减少对蓄电池冲击,降低微电网的运行和维护成本。该方法包括:以模块化微电网中各模块内各组成单元之间的能量守恒关系和模块之间的功率交换能量守恒关系为约束条件,建立运行成本目标函数;以各模块内的柴油发电机输出功率时间序列和模块与微电网的交换功率时间序列为日前能量优化的变量,采用粒子群优化算法求解运行成本目标函数,获取运行成本最小的变量矩阵;根据获取的变量矩阵对模块化微电网中模块的日前能量进行配置。
Description
技术领域
本发明涉及微电网技术领域,尤其涉及一种模块化微电网及其日前能量优化调度的方法。
背景技术
微电网是一种将分布式电源、负荷、储能装置、变流器以及监控保护装置有机整合在一起的小型发配电系统。由于传统的微电网具有公共总线和层次控制结构,对微电网的结构和容量扩展非常复杂和昂贵。模块化微电网由三端口变流器、蓄电池、负荷、风光发电单元以及备用柴油发电机组成。模块化微电网便于扩容,且通过运行控制和能量管理等,可以实现模块独立运行或互联运行、降低间歇性分布式电源给配电网带来不利影响,最大限度地利用可再生能源电源出力,提高供电可靠性和电能质量,实现了从传统的柴油发电系统到清洁能源发电系统的转变。
国际电工委员会(IEC)在《2010—2030应对能源挑战白皮书》中明确将微电网技术列为未来能源的关键技术之一。近年来,欧盟、美国、日本等其他国家开展了微电网示范工程研究。国外微电网的研究主要围绕可靠性、可接入性、灵活性3个方面,探讨系统的智能化,能量利用的多元化、电力供给的个性化等关键技术。我国的微电网处于实验、示范性阶段,国内已经开展微电网试点工程,既有安装在海岛孤网运行的微电网,也有配电网并网运行的微电网。这些微电网示范工程普遍具备四个特征:微型、清洁、自治、友好。
从国家能源战略规划、社会行业发展和电网企业发展来看,模块化微电网技术将面临发展机遇,未来海岛上的负荷也逐渐增加,在孤岛等缺电、无电地区构建传统的微电网将难以维护、难以达到经济效益最大化。模块化微电网在工程应用和海岛推广意义上具有很大的价值,但是现有的模块化微电网技术存在供电可靠性较低,减少对蓄电池冲击大,运行和维护成本高等问题。
发明内容
本发明的目的之一至少在于,针对如何克服上述现有技术存在的问题,提供一种模块化微电网及其日前能量优化调度的方法,能够保持电力供需平衡,减少对蓄电池冲击,降低微电网的运行和维护成本。
为了实现上述目的,本发明采用的技术方案包括以下各方面。
一种用于模块化微电网日前能量优化调度的方法,其包括:以模块化微电网中各模块内各组成单元之间的能量守恒关系和模块之间的功率交换能量守恒关系为约束条件,建立运行成本目标函数;以各模块内的柴油发电机输出功率时间序列和模块与微电网的交换功率时间序列为日前能量优化的变量,采用粒子群优化算法求解运行成本目标函数,获取运行成本最小的变量矩阵;根据获取的变量矩阵对模块化微电网中模块的日前能量进行配置。
优选的,所述模块化微电网中各模块内各组成单元之间的能量守恒关系为:
Pbati=Pdsli+Ppvi+Pwti-PEi-Ploadi
其中,Pbati为蓄电池充放电功率,Pdsli为柴油发电机输出功率,Pwti为风力发电功率,Ppvi为光伏发电功率,PEi为模块与微电网的交换功率,Ploadi为负载功率。
优选的,所述模块之间的功率交换能量守恒关系:
其中,N为模块的数量。
优选的,所述运行成本目标函数为:
其中,N为模块的数量,T1,…,Tm为日前调度时间序列,m为序列的数量,Cdsli(Tk)为模块的柴油发电机燃料费用,Cbati(Tk)为蓄电池运行损耗,Ctfi(Tk)为模块与微电网间功率传输损耗。
优选的,所述采用粒子群优化算法求解运行成本目标函数包括:以各模块内的柴油发电机输出功率时间序列和模块与微电网的交换功率时间序列为日前能量优化的变量,采用实数编码,建立粒子群并设置粒子群初始化参数;计算粒子群中每个粒子的适应度以评价每个粒子;计算每个粒子的个体最优值和整个粒子群的全局最优值;更新粒子群中每个粒子的速度和位置;判断是否达到迭代次数;当迭代次数小于初始化参数中设置的迭代次数时,重新计算各粒子的适应值;当迭代次数大于或等于初始化参数中设置的迭代次数时,终止迭代,输出每个粒子的个体最优值和整个粒子群的全局最优值。
优选的,所述设置粒子群初始化参数包括:设置粒子群大小P=100,迭代次数Mmax=500~5000,惯性权重ω=0.9,以及加速度常数c1=c2=2。
优选的,粒子i的第d维速度更新公式为:
粒子i的第d维位置更新公式为:
其中,为第k次迭代粒子i飞行速度矢量的第d维分量;
为第k次迭代粒子i位置矢量的第d维分量;
c1,c2为加速度常数,用于调节学习最大步长;
r1,r2为两个随机数,取值范围[0,1],用于增加搜索随机性;
ω为惯性权重,非负数,用于调节对解空间的搜索范围。
优选的,各模块的蓄电池在调度终了时刻的荷电状态一致且大于或等于设定荷电状态值。
一种根据上述方法进行日前能量调度的模块化微电网,其包括多个模块,其中,每个模块包括柴油发电机、蓄电池、风力发电机、光伏发电机、以及负荷中的一者或者多者;每个模块构成独立的电源区域,其中,柴油发电机和负荷连接至配电网络,蓄电池通过三端口变流器连接至配电网络,风力发电机通过交流控制器连接至配电网络,光伏发电机通过逆变器连接至配电网络;每个模块通过变压器连接到输电网络。
优选的,所述蓄电池连接到三端口变流器的直流端口,三端口变流器包括:AC-DC整流器,其具有多个电抗器、隔离开关以及二极管构成的三相三线制结构,并工作于恒功率控制模式,使各模块等效电源输出的有功功率和无功功率等于其参考功率;以及DC-AC逆变器,其具有多个隔离开关、二极管、变压器、电抗器、以及电容器构成的三相四线制结构和模块内的交流总线,并工作于恒压恒频控制模式,以使蓄电池输出电压的幅值和频率维持不变,为模块内的供电区域提供电压参考。
综上所述,由于采用了上述技术方案,本发明至少具有以下有益效果:
根据优化变量矩阵对模块化微电网中各模块的日前能量进行配置,以最小化微电网的运行成本;并且各模块中的蓄电池通过三端口变流器平滑太阳能和风能等新能源的能量波动,能够保持电力供需平衡,提高供电可靠性;各模块之间实现了高效电力调度,减少对蓄电池冲击,提高蓄电池的寿命,降低运行和维护成本。
附图说明
图1是根据本发明实施例的模块化微电网中的模块结构示意图。
图2是根据本发明实施例的三端口变流器的结构示意图。
图3是根据本发明实施例的模块化微电网能量关系示意图。
图4是根据本发明实施例的采用粒子群优化算法求解运行成本目标函数的流程图。
图5~8是根据本发明实施例的方法获取的最优解示例。
具体实施方式
下面结合附图及实施例,对本发明进行进一步详细说明,以使本发明的目的、技术方案及优点更加清楚明白。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
根据本发明实施例提供的用于模块化微电网日前能量优化调度的方法,以模块化微电网中各模块内各组成单元之间的能量守恒关系和模块之间的功率交换能量守恒关系为约束条件,建立运行成本目标函数;以各模块内的柴油发电机输出功率时间序列和模块与微电网的交换功率时间序列为优化变量,采用粒子群优化算法求解运行成本目标函数,获取运行成本最小的优化变量矩阵;根据获取的优化变量矩阵对模块化微电网中模块的日前能量进行配置。
图1示出了根据本发明实施例的模块化微电网中的模块结构示意图。模块化微电网中可以包括多个如图1所示的模块,从而方便地通过增加模块数量来进行扩容。其中,每个模块100包括柴油发电机1、蓄电池2、风力发电机3、光伏发电机4、以及负荷5中的一者或者多者,且每一种组成单元可设置为组的形式,例如发电机组和蓄电池组等。柴油发电机1作为后备电源,可根据实际需要选择性地设置在一个模块或多个模块中。
每个模块100构成独立的电源区域,模块内的交流电压为361V~418V(图中示出为400V);其中,柴油发电机1和负荷5连接至现有的配电网络21,蓄电池2通过三端口变流器6连接至配电网络21,风力发电机3通过交流控制器7连接至配电网络21,光伏发电机4通过DC-AC逆变器8连接至配电网络21;每个模块100通过变压器22连接到现有的输电网络23以与其它模块联网运行,并进行双向功率交换。输电网络23可以采用配电电压(如图中示出的10kV或者更高)输电来降低电能的传输损耗。
图2示出了根据本发明实施例的三端口变流器的结构示意图,其采用AC-DC-AC结构,是系统配置和能量调度的核心设备。蓄电池连接到直流端口。蓄电池2不仅可以平滑太阳能和风能的波动,还可以补偿发电和功耗之间的功率差。三端口变流器左侧部分是AC-DC整流器61,其具有多个电抗器L、隔离开关(V1u、V2u、V3u、V1d、V2d、V3d)以及二极管D构成的三相三线制结构,并工作于恒功率控制(PQ控制)模式,使各模块等效电源S输出的有功功率和无功功率等于其参考功率,从而实现各模块等效电源S之间的能量流动。
三端口变流器右侧部分是DC-AC逆变器62,其具有多个隔离开关(V1~V12)、二极管D、变压器T、电抗器(La、Lb、Lc)、以及电容器(Ca、Cb、Cc)构成的三相四线制结构和模块内的交流总线,并工作于恒压恒频控制(V/f控制)模式,以使蓄电池输出电压的幅值和频率维持不变,为模块内的供电区域提供电压参考,从而在进行电气隔离的同时保证电压质量。风力发电机组和光伏发电机组通过三端口变流器与交流总线连接,在最大功率点工作,充分利用可再生能源,当可再生能源不足时,模块中的柴油发电机组作为备用电源出力。
图3示出了具有三个上述模块100(依次表示为100-1、100-2和100-3)的模块化微电网能量关系示意图。在根据本发明实施例的模块化微电网中,第i个模块内个各组成单元(例如,柴油发电机1、蓄电池2、风力发电机3、光伏发电机4、以及负荷5等)之间的能量守恒关系表示为:
Pbati=Pdsli+Ppvi+Pwti-PEi-Ploadi
其中,Pbati为蓄电池充放电功率(例如,三个模块对应为Pbat1、Pbat2、Pbat3),Pdsli为柴油发电机输出功率(例如,仅模块100-1具有柴油发电机,其输出功率为Pdsl1),Pwti为风力发电功率(三个模块对应为Pwt1、Pwt2、Pwt3),Ppvi为光伏发电功率(例如,三个模块对应为Ppv1、Ppv2、Ppv3),PEi为模块与微电网的交换功率(例如,三个模块对应为PE1、PE2、PE3),Ploadi为负载功率(例如,三个模块对应为Pload1、Pload2、Pload3)。
模块化微电网中互联的模块之间的功率交换能量守恒关系表示为:
其中,N为模块的数量。
由于微电网固定投资已经完成,可以通过提前24小时的电力调度来优化运行成本,例如设置未来24小时的各模块内的柴油发电机输出功率时间序列,以及模块与微电网的交换功率时间序列。每个模块的运行成本包括柴油发电机燃料费用Cdsll(t)、蓄电池运行损耗Cbati(t)、以及模块与微电网间功率传输损耗Ctfi(t)。总的运行成本目标函数F表示为:
其中,N为模块的数量,T1,…,Tm为日前(即未来24小时)调度时间序列,例如将未来24小时分为100个调度时间段,则m=100。
为保证调度的有效性,各模块的蓄电池在调度终了时刻Tm的荷电状态一致且大于某一设定荷电状态值,即S1(Tm)=Si(Tm)=SN(Tm)≥Soc0
其中Si(Tm)为第i个模块内的蓄电池在调度终了时刻Tm的荷电状态(SOC),设定荷电状态值Soc0可以根据蓄电池特性进行选择,例如为0.5~0.7。
图4示出了根据本发明实施例的采用粒子群优化算法求解运行成本目标函数的流程图。下文逐一对其包括的各步骤进行详细说明。
步骤401:建立粒子群并设置粒子群初始化参数
具体地,以各模块内的柴油发电机输出功率时间序列和模块与微电网的交换功率时间序列为日前能量优化的变量,采用实数编码,建立粒子群;使用运行成本目标函数的一个随机解初始化粒子群中粒子的初始速度和位置,并设置粒子群大小P=100,迭代次数Mmax=500~5000,惯性权重ω=0.9,以及加速度常数c1=c2=2。
步骤402:计算粒子群中每个粒子的适应度以评价每个粒子
例如,可以通过成本目标函数F来计算的每个粒子的当前适应值。
步骤403:计算每个粒子的个体最优值和整个粒子群的全局最优值
对每个粒子,将其当前适应值和个体最优值pbest进行比较,如果适应值大于个体最优值,则个体最优值等于当前适应值;当然,如果是第一次计算,则无须进行比较直接使个体最优值等于当前适应值。
同样地,对每个粒子,将其当前适应值和全局最优值gbest进行比较,如果适应值大于全局最优值,则全局最优值等于当前适应值;当然,如果是第一次计算,则无须进行比较直接使全局最优值等于当前适应值。
步骤404:更新粒子群中每个粒子的速度和位置
具体地,粒子i的第d维速度更新公式为:
粒子i的第d维位置更新公式为:
其中,为第k次迭代粒子i飞行速度矢量的第d维分量;
为第k次迭代粒子i位置矢量的第d维分量;
c1,c2为加速度常数,用于调节学习最大步长;
r1,r2为两个随机数,取值范围[0,1],用于增加搜索随机性;
ω为惯性权重,非负数,用于调节对解空间的搜索范围。
步骤405:判断是否达到迭代次数
例如,当迭代次数小于初始化参数中设置的迭代次数时,没有达到迭代终止条件,返回步骤402重新计算各粒子的适应值。
步骤406:当迭代次数大于或等于初始化参数中设置的迭代次数时,终止迭代,输出每个粒子的个体最优值和整个粒子群的全局最优值,作为各模块内的柴油发电机输出功率时间序列和模块与微电网的交换功率时间序列,并据此对未来一段时间内模块化微电网中模块的日前能量进行配置。
其中,模块化微电网日前能量优化的变量为各模块内的柴油发电机输出功率时间序列Pdsli(T1),…,Pdsli(Tm)和模块与微电网的交换功率时间序列为PEi(T1),…,PEi(Tm),以优化调度的运行成本最小为目标,通过粒子群算法得到最优解,即PEi(T1),…,PEi(Tm),Pdsli(T1),…,Pdsli(Tm),得到解得规模为100组(例如,其结果如图5~8所示),作为模块化微电网能量调度的决策依据。而且可以进一步从获得的解中选取一组或者多组解作为优选的供电方案。
以上所述,仅为本发明具体实施方式的详细说明,而非对本发明的限制。相关技术领域的技术人员在不脱离本发明的原则和范围的情况下,做出的各种替换、变型以及改进均应包含在本发明的保护范围之内。
Claims (7)
1.一种用于模块化微电网日前能量优化调度的方法,其特征在于,所述方法包括:
以模块化微电网中各模块内各组成单元之间的能量守恒关系和模块之间的功率交换能量守恒关系为约束条件,建立运行成本目标函数;
以各模块内的柴油发电机输出功率时间序列和模块与微电网的交换功率时间序列为日前能量优化的变量,采用粒子群优化算法求解运行成本目标函数,获取运行成本最小的变量矩阵;根据获取的变量矩阵对模块化微电网中模块的日前能量进行配置;
所述运行成本目标函数为:
其中,N为模块的数量,T1,…,Tm为日前调度时间序列,m为序列的数量,Cdsli(Tk)为模块的柴油发电机燃料费用,Cbati(Tk)为蓄电池运行损耗,Ctfi(Tk)为模块与微电网间功率传输损耗;而且,为保证调度的有效性,各模块的蓄电池在调度终了时刻的荷电状态一致且大于或等于设定荷电状态值;
所述采用粒子群优化算法求解运行成本目标函数包括:
以各模块内的柴油发电机输出功率时间序列和模块与微电网的交换功率时间序列为日前能量优化的变量,采用实数编码,建立粒子群并设置粒子群初始化参数;计算粒子群中每个粒子的适应度以评价每个粒子;计算每个粒子的个体最优值和整个粒子群的全局最优值;更新粒子群中每个粒子的速度和位置;判断是否达到迭代次数;当迭代次数小于初始化参数中设置的迭代次数时,重新计算各粒子的适应值;当迭代次数大于或等于初始化参数中设置的迭代次数时,终止迭代,输出每个粒子的个体最优值和整个粒子群的全局最优值。
2.根据权利要求1所述的方法,其特征在于,所述模块化微电网中各模块内各组成单元之间的能量守恒关系为:
Pbati=Pdsli+Ppvi+Pwti-PEi-Ploadi
其中,Pbati为蓄电池充放电功率,Pdsli为柴油发电机输出功率,Pwti为风力发电功率,Ppvi为光伏发电功率,PEi为模块与微电网的交换功率,Ploadi为负载功率。
3.根据权利要求2所述的方法,其特征在于,所述模块之间的功率交换能量守恒关系:
其中,N为模块数量。
4.根据权利要求1所述的方法,其特征在于,所述设置粒子群初始化参数包括:设置粒子群大小P=100,迭代次数Mmax=500~5000,惯性权重ω=0.9,以及加速度常数c1=c2=2。
5.根据权利要求1所述的方法,其特征在于,粒子i的第d维速度更新公式为:
粒子i的第d维位置更新公式为:
其中,其中,为第k次迭代粒子i飞行速度矢量的第d维分量;
为第k次迭代粒子i位置矢量的第d维分量;
pbestid为粒子i的个体最优值的d维分量;
gbestd为整个粒子群的全局最优值的d维分量;
c1,c2为加速度常数,用于调节学习最大步长;
r1,r2为两个随机数,取值范围[0,1],用于增加搜索随机性;
ω为惯性权重,非负数,用于调节对解空间的搜索范围。
6.一种根据权利要求1至5中任一项所述的方法进行日前能量调度的模块化微电网,其特征在于,所述模块化微电网包括多个模块,其中,每个模块包括柴油发电机、蓄电池、风力发电机、光伏发电机、以及负荷中的一者或者多者;
每个模块构成独立的电源区域,其中,柴油发电机和负荷连接至配电网络,蓄电池通过三端口变流器连接至配电网络,风力发电机通过交流控制器连接至配电网络,光伏发电机通过逆变器连接至配电网络;每个模块通过变压器连接到输电网络。
7.根据权利要求6所述的模块化微电网,其特征在于,所述蓄电池连接到三端口变流器的直流端口,三端口变流器包括:
AC-DC整流器,其具有多个电抗器、隔离开关以及二极管构成的三相三线制结构,并工作于恒功率控制模式,使各模块等效电源输出的有功功率和无功功率等于其参考功率;以及
DC-AC逆变器,其具有多个隔离开关、二极管、变压器、电抗器、以及电容器构成的三相四线制结构和模块内的交流总线,并工作于恒压恒频控制模式,以使蓄电池输出电压的幅值和频率维持不变,为模块内的供电区域提供电压参考。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810095574.XA CN108306338B (zh) | 2018-01-31 | 2018-01-31 | 一种模块化微电网及其日前能量优化调度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810095574.XA CN108306338B (zh) | 2018-01-31 | 2018-01-31 | 一种模块化微电网及其日前能量优化调度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108306338A CN108306338A (zh) | 2018-07-20 |
CN108306338B true CN108306338B (zh) | 2019-03-08 |
Family
ID=62867312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810095574.XA Active CN108306338B (zh) | 2018-01-31 | 2018-01-31 | 一种模块化微电网及其日前能量优化调度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108306338B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109523080A (zh) * | 2018-11-19 | 2019-03-26 | 河海大学 | 一种地源热泵机组负荷分配优化方法 |
CN110489774B (zh) * | 2019-06-19 | 2023-04-18 | 广东志成冠军集团有限公司 | 一种模块化多电平功率放大器冗余度设计方法 |
CN111740443B (zh) * | 2020-06-19 | 2023-07-04 | 中国电建集团青海省电力设计院有限公司 | 多分布式电源的独立微电网多时间尺度协同优化调度方法 |
CN113437759A (zh) * | 2021-06-25 | 2021-09-24 | 国网山东省电力公司汶上县供电公司 | 计及光伏发电系统的微电网调度方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105406515A (zh) * | 2015-12-29 | 2016-03-16 | 中国科学院广州能源研究所 | 分级控制的独立微网 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150268643A1 (en) * | 2014-01-08 | 2015-09-24 | Nec Laboratories America, Inc. | Quantifying the Impact of Constraints on a Grid-Tied Microgrid Using Optimal Control |
-
2018
- 2018-01-31 CN CN201810095574.XA patent/CN108306338B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105406515A (zh) * | 2015-12-29 | 2016-03-16 | 中国科学院广州能源研究所 | 分级控制的独立微网 |
Non-Patent Citations (1)
Title |
---|
基于SOA-SVM预测分布式电源出力和电力负荷的微网经济运行优化的研究;魏立兵;《中国优秀硕士学位论文全文数据库》;20170415;第1-48页 |
Also Published As
Publication number | Publication date |
---|---|
CN108306338A (zh) | 2018-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108306338B (zh) | 一种模块化微电网及其日前能量优化调度的方法 | |
CN110190628A (zh) | 一种基于综合能源的复线全并联at牵引供电系统及方法 | |
CN106450528B (zh) | 储能系统及其功率均衡控制方法和控制装置 | |
CN107785931A (zh) | 一种小型电能管理与协调控制一体化装置 | |
CN105262135A (zh) | 含复合储能的风光柴储微电网系统及并网时协调控制方法 | |
CN109004691A (zh) | 含电力电子变压器的交直流混合系统日前优化调度方法 | |
CN104092250A (zh) | 微电网系统的分布式经济调度与协调控制方法 | |
CN106408131A (zh) | 一种基于需求侧管理的光伏微网多目标调度方法 | |
Liu et al. | Multi-time scale optimal power flow strategy for medium-voltage DC power grid considering different operation modes | |
CN113285479A (zh) | 一种超大容量的区域微电网系统及运行方法 | |
CN111130121A (zh) | 一种dg和ev环境下配电网无功补偿系统的模糊协调控制计算方法 | |
CN106847019A (zh) | 一种微电网调度监控系统及控制方法 | |
Gbadega et al. | JAYA algorithm-based energy management for a grid-connected micro-grid with PV-wind-microturbine-storage energy system | |
Bayani et al. | Short-term operational planning problem of the multiple-energy carrier hybrid ac/dc microgrids | |
CN108199415B (zh) | 一种模块化微电网及其蓄电池充放电协调控制的方法 | |
Costa et al. | A survey of state-of-the-art on microgrids: application in real time simulation environment | |
CN206894253U (zh) | 一种基于光伏直流侧储能的电网智能调控系统 | |
CN105207240A (zh) | 基于能效云终端的分布式储能调度优化控制方法及系统 | |
CN104933634B (zh) | 一种基于LabVIEW开放性微电网实验平台 | |
Zhang et al. | Energy optimization management of multi-microgrid using deep reinforcement learning | |
Song et al. | Research on reactive power optimization and voltage control of power grid based on gravity energy storage technology | |
Udawatta et al. | Control of solar powered micro-grids using electric vehicles | |
CN108695872B (zh) | 模块化微电网功率容量一致性离散时间控制的方法及装置 | |
CN108695873B (zh) | 模块化微电网储能功率一致性采样控制的方法及装置 | |
Cheng et al. | Analysis of multi-scenario power supply and demand balance in Shandong power grid based on the new generation PSDB platform |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 510665 No. 293 Shipai Zhongshan Avenue, Tianhe District, Guangzhou City, Guangdong Province Patentee after: Guangdong Normal University of Technology Address before: 510665 No. 293 Shipai Zhongshan Avenue, Tianhe District, Guangzhou City, Guangdong Province Patentee before: Guangdong Technical Normal College |
|
CP01 | Change in the name or title of a patent holder |