CN108388959A - 一种基于一致性算法的源网荷储协同优化方法 - Google Patents
一种基于一致性算法的源网荷储协同优化方法 Download PDFInfo
- Publication number
- CN108388959A CN108388959A CN201810114084.XA CN201810114084A CN108388959A CN 108388959 A CN108388959 A CN 108388959A CN 201810114084 A CN201810114084 A CN 201810114084A CN 108388959 A CN108388959 A CN 108388959A
- Authority
- CN
- China
- Prior art keywords
- load
- power
- source
- model
- energy storage
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 240000002853 Nelumbo nucifera Species 0.000 title claims abstract description 23
- 235000006508 Nelumbo nucifera Nutrition 0.000 title claims abstract description 23
- 235000006510 Nelumbo pentapetala Nutrition 0.000 title claims abstract description 23
- 238000005457 optimization Methods 0.000 title claims abstract description 13
- 230000001172 regenerating effect Effects 0.000 claims abstract description 17
- 230000005540 biological transmission Effects 0.000 claims abstract description 10
- 238000004146 energy storage Methods 0.000 claims description 33
- 239000000446 fuel Substances 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 239000003795 chemical substances by application Substances 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 5
- 230000008901 benefit Effects 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 4
- 238000010977 unit operation Methods 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims 1
- 238000004134 energy conservation Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000003993 interaction Effects 0.000 abstract description 3
- 230000000295 complement effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于电力输送调度技术领域,特别是涉及一种基于一致性算法的源网荷储协同优化方法,包括以下步骤;建立“源‑网‑荷‑储”优化调度模型;建立基于一致性算法的协同优化策略。综合考虑电源之间、源网之间、网荷储之间的协调互动特性,采用“源‑网‑荷‑储”协调互动,从而实现能源资源最大化利用的运行模式和技术,源网荷储协同优化调度问题通过一致性算法进行高效求解。该方法在保证系统运行经济性、最大化社会福利的同时,实现实时电力平衡,并最大化利用可再生能源、减小弃风弃光,落实绿色节能调度理念。
Description
技术领域
本发明属于电力输送调度技术领域,特别是涉及一种基于一致性算法的源网荷储协同优化方法。
背景技术
在输电网级源网荷储协同优化调度方面,目前,虽然源-源、源-网、网-荷-储等方面已经开展了部分的研究,但是全面考虑源网荷储四个要素的输电网级的有功调度策略还没有得到充分研究。未来大规模并网的可再生能源和储能、以及需求侧响应对现有的调度模式带来了挑战,包括针对电源侧和负荷的双侧不确定性,实行实时的有功调度控制策略,增强系统处理扰动和不确定性的能力,提高控制的鲁棒性。
同时,随着分布式算法的迅速发展,源网荷储协同优化调度问题可以通过分布式算法进行高效求解。分布式算法具有保护用户隐私,减少与中央控制器的通信量,避免单点故障造成系统崩溃等优点。常见的分布式算法有交替乘子迭代法,辅助问题原理,最优性条件分解,一致性算法等。其中,一致性算法可以应用于任何级别的分区,一个单独的节点或者一个大的区域都可以成为一个分区。目前,分布式算法用于源网荷储多元协同调度问题还没有研究充分。
发明内容
本发明为解决上述存在的技术缺陷,提供一种基于一致性算法的源网荷储协同优化方法。综合考虑电源之间、源网之间、网荷储之间的协调互动特性,采用“源-网-荷-储”协调互动,从而实现能源资源最大化利用的运行模式和技术,源网荷储协同优化调度问题通过一致性算法进行高效求解。该方法在保证系统运行经济性、最大化社会福利的同时,实现实时电力平衡,并最大化利用可再生能源、减小弃风弃光,落实绿色节能调度理念。
本发明的技术方案是;一种基于一致性算法的源网荷储协同优化方法,包括以下步骤;
S1;建立“源-网-荷-储”优化调度模型:首先建立电网有功功率平衡约束,再建立电源模型、建立负荷模型、建立储能模型,最后建立“源-网-荷-储”优化调度模型;
S2;建立基于一致性算法的协同优化策略:更新各代理的边际成本、更新各代理的输出功率、局部失配量本地更新、获得邻居信息后,局部失配量再次更新。
进一步,步骤S1中建立电网有功功率平衡约束、电源模型、负荷模型、储能模型的过程如下;
建立电网有功功率平衡约束:
其中:PG,k,PW,r,PB,m和PD,l分别为传统发电机k,可再生能源r,储能m,负荷l的有功功率,假设向电网注入功率为正,向电网吸收功率为负;NG,NW,NB,ND分别为传统机组、可再生能源、储能、负荷的索引;
建立电源模型:
电源包括传统发电机和可再生能源,可再生能源的运行成本设为0,传统发电机的成本函数通常为二次形式:
其中,ak,bk,ck为机组k的燃料费用系数;
传统发电机的机组运行约束为:
其中,和P G,k为机组k的有功出力上下限;
建立负荷模型:
一般认为,用户消耗的电量越大,完成的任务越多,效用越高,假设负荷的负利润函数为:
其中,al,bl为负荷l的燃料费用系数;
线路传输损耗通常占总负荷的3%-7%,假设损耗Ploss,l可近似为负荷的线性函数,用传输损耗因子sl表示:
Ploss,l=slPD,l
负荷l实际消耗的功率为
负荷具有一定的可调性,满足约束:
其中,和P D,l为负荷l的上下限;
建立储能模型:
储能的成本函数和功率约束可以写成如下形式:
其中,am为储能m的燃料费用系数,和P B,m为储能m的上下限;
建立“源-网-荷-储”优化调度模型;
优化目标为社会总效益最大,其中负荷的负利润函数实际上是一种成本函数,描述如下:
约束条件包括有功功率平衡约束,以及电源模型、负荷模型、储能模型中的不等式约束。
进一步,步骤S2中建立基于一致性算法的协同优化策略时,每个代理只使用本地的信息以及和相连的领域代理交换信息,过程如下;
更新各代理的边际成本:
其中,λi[t+1]表示第t+1次迭代时代理i的边际成本,λj[t]表示第t次迭代时代理j的边际成本,σ表示可调节收敛速度的步长,Pmis,i[t]是全局供给与需求失配量的局部估计,Ωi为与代理i相连通的代理索引,wij为代理i和j之间的通信系数,可采用平均metropolis算法计算得到,具体如下:
其中,ni和nj分别为连接到i和j的代理数;ε是一个很小的数值;
更新各代理的输出功率:
式中,Pi表示代理i的输出功率,在“源-网-荷-储”协同策略系统中,代理i可以表示发电机k或可再生能源r或负荷l或储能m,ai,bi表示代理的成本函数二次项和一次项;
局部失配量本地更新:
其中,表示局部失配量依靠本地信息更新后的值;
获得邻居信息后,局部失配量再次更新:
进一步,若σ设置的足够小,由步骤S2协同优化策略构成的系统会逐步收敛到稳态,因此,λi[t]收敛到最优解λ*,失配量的局部估计值Pmis,i[t]会消失,即步骤S1的功率平衡约束满足,一致性算法收敛性可以保证。
本发明的有益效果是;本方法基于经济调度,在保证系统运行经济性、最大化社会福利的同时,实现实时电力平衡,并最大化利用可再生能源、减小弃风弃光,落实绿色节能调度理念;在负荷侧,备有分布式储能,可平移负荷等具有负荷响应特性的用户,他们可视为若干可控设备的集群,对于这种基于集群代理的源网荷储进行协同调度,充分利用各种设备的互补特性,进行需求侧管理,提升调控能力,有效减少系统负荷峰谷差,缓解系统调峰压力;在网络侧,考虑了网络损耗,进一步优化系统运行成本。通过采用一致性算法,加快了问题求解的速度,而且保证了各集群的隐私,即使集群间出现通信故障,也不会影响系统最终的收敛性,具有很高的实用价值。
附图说明
图1是本发明的流程示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明,不能理解为对本专利的限制。
实施例1:
如图1所示,一种基于一致性算法的源网荷储协同优化方法,包括以下步骤;
S1;建立“源-网-荷-储”优化调度模型:首先建立电网有功功率平衡约束,再建立电源模型、建立负荷模型、建立储能模型,最后建立“源-网-荷-储”优化调度模型;
S2;建立基于一致性算法的协同优化策略:更新各代理的边际成本、更新各代理的输出功率、局部失配量本地更新、获得邻居信息后,局部失配量再次更新。
步骤S1中建立电网有功功率平衡约束、电源模型、负荷模型、储能模型的过程如下;
建立电网有功功率平衡约束:
其中:PG,k,PW,r,PB,m和PD,l分别为传统发电机k,可再生能源r,储能m,负荷l的有功功率,假设向电网注入功率为正,向电网吸收功率为负;NG,NW,NB,ND分别为传统机组、可再生能源、储能、负荷的索引;
建立电源模型:
电源包括传统发电机和可再生能源,可再生能源的运行成本设为0,传统发电机的成本函数通常为二次形式:
其中,ak,bk,ck为机组k的燃料费用系数;
传统发电机的机组运行约束为:
其中,和P G,k为机组k的有功出力上下限;
建立负荷模型:
一般认为,用户消耗的电量越大,完成的任务越多,效用越高,假设负荷的负利润函数为:
其中,al,bl为负荷l的燃料费用系数;
线路传输损耗通常占总负荷的3%-7%,假设损耗Ploss,l可近似为负荷的线性函数,用传输损耗因子sl表示:
Ploss,l=slPD,l
负荷l实际消耗的功率为
负荷具有一定的可调性,满足约束:
其中,和P D,l为负荷l的上下限;
建立储能模型:
储能的成本函数和功率约束可以写成如下形式:
其中,am为储能m的燃料费用系数,和P B,m为储能m的上下限;
建立“源-网-荷-储”优化调度模型;
优化目标为社会总效益最大,其中负荷的负利润函数实际上是一种成本函数,描述如下:
约束条件包括有功功率平衡约束,以及电源模型、负荷模型、储能模型中的不等式约束。
步骤S2中建立基于一致性算法的协同优化策略时,每个代理只使用本地的信息以及和相连的领域代理交换信息,过程如下;
更新各代理的边际成本:
其中,λi[t+1]表示第t+1次迭代时代理i的边际成本,λj[t]表示第t次迭代时代理j的边际成本,σ表示可调节收敛速度的步长,Pmis,i[t]是全局供给与需求失配量的局部估计,Ωi为与代理i相连通的代理索引,wij为代理i和j之间的通信系数,可采用平均metropolis算法计算得到,具体如下:
其中,ni和nj分别为连接到i和j的代理数;ε是一个很小的数值;
更新各代理的输出功率:
式中,Pi表示代理i的输出功率,在“源-网-荷-储”协同策略系统中,代理i可以表示发电机k或可再生能源r或负荷l或储能m,ai,bi表示代理的成本函数二次项和一次项;
局部失配量本地更新:
其中,表示局部失配量依靠本地信息更新后的值;
获得邻居信息后,局部失配量再次更新:
若σ设置的足够小,由步骤S2协同优化策略构成的系统会逐步收敛到稳态,因此,λi[t]收敛到最优解λ*,失配量的局部估计值Pmis,i[t]会消失,即步骤S1的功率平衡约束满足,一致性算法收敛性可以保证。
本方法基于经济调度,在保证系统运行经济性、最大化社会福利的同时,实现实时电力平衡,并最大化利用可再生能源、减小弃风弃光,落实绿色节能调度理念;在负荷侧,备有分布式储能,可平移负荷等具有负荷响应特性的用户,他们可视为若干可控设备的集群,对于这种基于集群代理的源网荷储进行协同调度,充分利用各种设备的互补特性,进行需求侧管理,提升调控能力,有效减少系统负荷峰谷差,缓解系统调峰压力;在网络侧,考虑了网络损耗,进一步优化系统运行成本。通过采用一致性算法,加快了问题求解的速度,而且保证了各集群的隐私,即使集群间出现通信故障,也不会影响系统最终的收敛性,具有很高的实用价值。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (4)
1.一种基于一致性算法的源网荷储协同优化方法,其特征在于,包括以下步骤;
S1;建立“源-网-荷-储”优化调度模型:首先建立电网有功功率平衡约束,再建立电源模型、建立负荷模型、建立储能模型,最后建立“源-网-荷-储”优化调度模型;
S2;建立基于一致性算法的协同优化策略:更新各代理的边际成本、更新各代理的输出功率、局部失配量本地更新、获得邻居信息后,局部失配量再次更新。
2.根据权利要求1所述的一种基于一致性算法的源网荷储协同优化方法,其特征在于,步骤S1中建立电网有功功率平衡约束、电源模型、负荷模型、储能模型的过程如下;
建立电网有功功率平衡约束:
其中:PG,k,PW,r,PB,m和PD,l分别为传统发电机k,可再生能源r,储能m,负荷l的有功功率,假设向电网注入功率为正,向电网吸收功率为负;NG,NW,NB,ND分别为传统机组、可再生能源、储能、负荷的索引;
建立电源模型:
电源包括传统发电机和可再生能源,可再生能源的运行成本设为0,传统发电机的成本函数通常为二次形式:
其中,ak,bk,ck为机组k的燃料费用系数;
传统发电机的机组运行约束为:
其中,和P G,k为机组k的有功出力上下限;
建立负荷模型:
一般认为,用户消耗的电量越大,完成的任务越多,效用越高,假设负荷的负利润函数为:
其中,al,bl为负荷l的燃料费用系数;
线路传输损耗通常占总负荷的3%-7%,假设损耗Ploss,l可近似为负荷的线性函数,用传输损耗因子sl表示:
Ploss,l=slPD,l
负荷l实际消耗的功率为
负荷具有一定的可调性,满足约束:
其中,和P D,l为负荷l的上下限;
建立储能模型:
储能的成本函数和功率约束可以写成如下形式:
其中,am为储能m的燃料费用系数,和P B,m为储能m的上下限;
建立“源-网-荷-储”优化调度模型;
优化目标为社会总效益最大,其中负荷的负利润函数实际上是一种成本函数,描述如下:
约束条件包括有功功率平衡约束,以及电源模型、负荷模型、储能模型中的不等式约束。
3.根据权利要求2所述的一种基于一致性算法的源网荷储协同优化方法,其特征在于,步骤S2中建立基于一致性算法的协同优化策略时,每个代理只使用本地的信息以及和相连的领域代理交换信息,过程如下;
更新各代理的边际成本:
其中,λi[t+1]表示第t+1次迭代时代理i的边际成本,λj[t]表示第t次迭代时代理j的边际成本,σ表示可调节收敛速度的步长,Pmis,i[t]是全局供给与需求失配量的局部估计,Ωi为与代理i相连通的代理索引,wij为代理i和j之间的通信系数,可采用平均metropolis算法计算得到,具体如下:
其中,ni和nj分别为连接到i和j的代理数;ε是一个很小的数值;
更新各代理的输出功率:
式中,Pi表示代理i的输出功率,在“源-网-荷-储”协同策略系统中,代理i可以表示发电机k或可再生能源r或负荷l或储能m,ai,bi表示代理的成本函数二次项和一次项;
局部失配量本地更新:
其中,表示局部失配量依靠本地信息更新后的值;
获得邻居信息后,局部失配量再次更新:
4.根据权利要求3所述的一种基于一致性算法的源网荷储协同优化方法,其特征在于,若σ设置的足够小,由步骤S2协同优化策略构成的系统会逐步收敛到稳态,因此,λi[t]收敛到最优解λ*,失配量的局部估计值Pmis,i[t]会消失,即步骤S1的功率平衡约束满足,一致性算法收敛性可以保证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810114084.XA CN108388959A (zh) | 2018-02-05 | 2018-02-05 | 一种基于一致性算法的源网荷储协同优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810114084.XA CN108388959A (zh) | 2018-02-05 | 2018-02-05 | 一种基于一致性算法的源网荷储协同优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108388959A true CN108388959A (zh) | 2018-08-10 |
Family
ID=63075016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810114084.XA Pending CN108388959A (zh) | 2018-02-05 | 2018-02-05 | 一种基于一致性算法的源网荷储协同优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108388959A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109193628A (zh) * | 2018-09-18 | 2019-01-11 | 华北电力大学 | 一种基于一致性的综合能源系统能量管理方法 |
CN109217377A (zh) * | 2018-09-29 | 2019-01-15 | 广东电网有限责任公司 | 一种基于萤火虫群算法的源网荷储协同人工智能优化方法 |
CN110838719A (zh) * | 2019-11-27 | 2020-02-25 | 国网电子商务有限公司 | 一种源网荷储协同方法及系统 |
CN110910024A (zh) * | 2019-11-27 | 2020-03-24 | 国网电子商务有限公司 | 一种源网荷储协同方法及系统 |
CN111563831A (zh) * | 2020-05-18 | 2020-08-21 | 南京航空航天大学 | 一种面向泛在电力物联网的源网荷储协同调度方法 |
CN112054555A (zh) * | 2020-08-27 | 2020-12-08 | 国网福建省电力有限公司 | 一种电网运行监测与源网荷储的智能协同控制方法及系统 |
CN114123175A (zh) * | 2021-11-15 | 2022-03-01 | 东北大学 | 考虑广义需求侧资源联盟特性的配电网分布式控制方法 |
-
2018
- 2018-02-05 CN CN201810114084.XA patent/CN108388959A/zh active Pending
Non-Patent Citations (3)
Title |
---|
GABRIELA HUG 等: "《Consensus + Innovations Approach for Distributed Multiagent Coordination in a Microgrid》", 《IEEE TRANSACTIONS ON SMART GRID》 * |
YINLIANG XU 等: "《Distributed Optimal Resource Management Based on the Consensus Algorithm in a Microgrid》", 《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》 * |
曾鸣 等: "《兼容需求侧资源的"源-网-荷-储"协调优化调度模型》", 《电力自动化设备》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109193628A (zh) * | 2018-09-18 | 2019-01-11 | 华北电力大学 | 一种基于一致性的综合能源系统能量管理方法 |
CN109193628B (zh) * | 2018-09-18 | 2022-04-05 | 华北电力大学 | 一种基于一致性的综合能源系统能量管理方法 |
CN109217377A (zh) * | 2018-09-29 | 2019-01-15 | 广东电网有限责任公司 | 一种基于萤火虫群算法的源网荷储协同人工智能优化方法 |
CN110838719A (zh) * | 2019-11-27 | 2020-02-25 | 国网电子商务有限公司 | 一种源网荷储协同方法及系统 |
CN110910024A (zh) * | 2019-11-27 | 2020-03-24 | 国网电子商务有限公司 | 一种源网荷储协同方法及系统 |
CN110838719B (zh) * | 2019-11-27 | 2021-08-20 | 国网电子商务有限公司 | 一种源网荷储协同方法及系统 |
CN111563831A (zh) * | 2020-05-18 | 2020-08-21 | 南京航空航天大学 | 一种面向泛在电力物联网的源网荷储协同调度方法 |
CN111563831B (zh) * | 2020-05-18 | 2023-02-28 | 南京航空航天大学 | 一种面向泛在电力物联网的源网荷储协同调度方法 |
CN112054555A (zh) * | 2020-08-27 | 2020-12-08 | 国网福建省电力有限公司 | 一种电网运行监测与源网荷储的智能协同控制方法及系统 |
CN114123175A (zh) * | 2021-11-15 | 2022-03-01 | 东北大学 | 考虑广义需求侧资源联盟特性的配电网分布式控制方法 |
CN114123175B (zh) * | 2021-11-15 | 2023-11-07 | 东北大学 | 考虑广义需求侧资源联盟特性的配电网分布式控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108388959A (zh) | 一种基于一致性算法的源网荷储协同优化方法 | |
CN107947175B (zh) | 一种基于分布式网络控制的微电网经济调度方法 | |
Ju et al. | Multi-agent-system-based coupling control optimization model for micro-grid group intelligent scheduling considering autonomy-cooperative operation strategy | |
He et al. | Multi-agent based fully distributed economic dispatch in microgrid using exact diffusion strategy | |
CN108462198A (zh) | 一种基于多代理技术的多能互补微网优化调度方法 | |
CN108512253A (zh) | 基于动态事件触发机制的微电网的分布式协同控制方法 | |
Engels et al. | A distributed gossip-based voltage control algorithm for peer-to-peer microgrids | |
CN106340890B (zh) | 用于协调配电网储能系统充放电效率的分布式控制方法 | |
Liao et al. | Distributed optimal active and reactive power control for wind farms based on ADMM | |
CN115170343A (zh) | 一种区域综合能源系统分布式资源和储能协同规划方法 | |
CN104659812B (zh) | 一种基于预测控制的多微网协调控制方法 | |
CN115688448A (zh) | 一种考虑共享储能的多区域综合能源系统优化调度方法 | |
CN117172916B (zh) | 一种边侧灵活性资源端对端分散式交易方法 | |
CN105743081A (zh) | 社区级直流微电网群的在线能量调度方法 | |
Akbari-Zadeh et al. | Dstatcom allocation in the distribution system considering load uncertainty | |
CN107565548A (zh) | 一种基于负荷侧灵活消纳弃风电量市场交易方法 | |
CN110991928A (zh) | 一种多微能源网的综合能源系统能量管理方法及系统 | |
CN115663832A (zh) | 一种多能互补配电系统源网荷储互动博弈运行策略 | |
CN109120011B (zh) | 一种考虑分布式电源的分布式配电网拥塞调度方法 | |
Jiang et al. | Electricity optimal scheduling strategy considering multiple parks shared energy in the absence of grid power supply | |
CN110544044A (zh) | 一种分布式电源对分时电价发电响应的边缘协同计算方法 | |
Du et al. | A congestion mitigation model of transmission network considering the participation of distribution companies in power market | |
CN113688348B (zh) | 基于动态网络切换拓扑的可控负荷分布式协调控制方法、装置及系统 | |
Du et al. | A multi-layer scheduling framework for transmission network overload alleviation considering capabilities of active distribution networks | |
Chen et al. | Intelligent Coordinated Control Strategy of Distributed Photovoltaic Power Generation Cluster Based on Digital Twin Technology |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180810 |