CN108448619B - 计及不可控发电机功率跟踪的交直流微网鲁棒调度方法 - Google Patents

计及不可控发电机功率跟踪的交直流微网鲁棒调度方法 Download PDF

Info

Publication number
CN108448619B
CN108448619B CN201810293475.2A CN201810293475A CN108448619B CN 108448619 B CN108448619 B CN 108448619B CN 201810293475 A CN201810293475 A CN 201810293475A CN 108448619 B CN108448619 B CN 108448619B
Authority
CN
China
Prior art keywords
power
period
unit
uncertainty
microgrid
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
CN201810293475.2A
Other languages
English (en)
Other versions
CN108448619A (zh
Inventor
顾伟
邱海峰
周苏洋
吴志
窦晓波
吴在军
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.)
Southeast University
Liyang Research Institute of Southeast University
Original Assignee
Southeast University
Liyang Research Institute of Southeast University
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 Southeast University, Liyang Research Institute of Southeast University filed Critical Southeast University
Priority to CN201810293475.2A priority Critical patent/CN108448619B/zh
Publication of CN108448619A publication Critical patent/CN108448619A/zh
Application granted granted Critical
Publication of CN108448619B publication Critical patent/CN108448619B/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
    • H02J3/38—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
    • 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]

Abstract

本发明公开了一种计及不可控发电机功率跟踪的交直流微网鲁棒调度方法，包括以下步骤：步骤10)获取不确定性预测参数，建立不确定性集；步骤20)基于步骤10)建立的源荷不确定性集，线性化不可控发电机组的出力约束；步骤30)获取微网中各设备的运行成本系数和运行限值，基于步骤10)和步骤20)建立交直流微网的鲁棒优化模型；步骤40)求解鲁棒优化问题：利用嵌套型列约束生成算法迭代求解该鲁棒问题，获得交直流微网的鲁棒运行计划。该方法考虑到微网中可再生能源发电机组的功率不可调节特性，通过机组启停和出力的协调调度实现交直流微网的鲁棒优化调度，满足不可控发电机组的功率跟踪需求，为制定交直流微网的运行计划提供重要参考指导。

Description

计及不可控发电机功率跟踪的交直流微网鲁棒调度方法
技术领域
本发明属于微电网的能量管理和经济调度技术领域，具体来说，涉及一种计及不可控发电机功率跟踪的交直流微网鲁棒调度方法。
背景技术
以化石燃料为基础的传统发电方式给自然环境带来了巨大的污染，因此越来越多的可再生清洁能源通过微网接入了电力系统，电网中可再生能源的渗透率逐步提高。由于可再生能源的发电成本较低，微网管理者希望能够较多地利用可再生发电机组为负荷供电以降低系统的运行成本；但可再生能源的不确定性和波动性很强，其发电机组在实际调度中常被看作不可控机组，因此发电功率通常会跟踪可再生能源转换后的最大功率。
已有研究将可再生能源发电机组作为不可控机组来跟踪最大功率，通过其他可控机组的协调出力来平抑可再生发电功率的波动，保证了系统的安全运行。然而对于计及不确定性的微网鲁棒优化调度常出现可再生发电出力位于偏差区间上限的情况，发电机组的不可控会导致可再生发电功率过大而无法消纳，此时为了保证系统的安全运行只能将机组切出运行。因此针对不可控发电机组需要考虑其启停与不确定性的协调优化以保证微网系统的安全运行。
发明内容
技术问题：本发明所要解决的技术问题是：提供一种计及不可控发电机功率跟踪的交直流微网鲁棒调度方法。该方法为了实现在不确定场景下对不可控发电机组的协调调度，将机组启停作为鲁棒模型的第一阶段优化变量，并利用大M法对模型中的双线性项进行线性化处理。利用嵌套型列约束生成算法和求解器能够快速求解该鲁棒优化问题，获得最恶劣场景下的最小运行费用和微网的鲁棒调度计划。
技术方案：本发明的计及不可控发电机功率跟踪的交直流微网鲁棒调度方法，包括以下步骤：
步骤10)获取不确定性预测参数，建立不确定性集；
步骤20)基于步骤10)建立的源荷不确定性集，线性化不可控发电机组的出力约束；
步骤30)获取微网中各设备的运行成本系数和运行限值，基于步骤10)的不确定性集和步骤20)的线性不可控发电机组的出力约束建立交直流微网的鲁棒优化模型；
步骤40)利用嵌套型列约束生成算法迭代求解步骤30)建立的交直流微网的鲁棒问题，获得交直流微网的鲁棒运行计划。
进一步的，本发明中，所述步骤10)中，所获取的不确定性预测参数包括源荷不确定性预测的标称值、上偏差值、下偏差值、时段预算数、双向换流器不确定性的时段预算数，将不确定性预测参数代入下式建立不确定性集：
Figure GDA0002906768320000021
Figure GDA0002906768320000022
式中，
Figure GDA0002906768320000023
为源荷单元
Figure GDA0002906768320000024
的不确定性集；
Figure GDA0002906768320000025
和
Figure GDA0002906768320000026
分别是t时段单元
Figure GDA0002906768320000027
的运行功率实际值和不确定性预测的标称值；
Figure GDA0002906768320000028
和
Figure GDA0002906768320000029
为t时段单元
Figure GDA00029067683200000228
不确定性预测的上偏差值和下偏差值；
Figure GDA00029067683200000210
和
Figure GDA00029067683200000211
分别为t时段单元
Figure GDA00029067683200000229
的上偏差引入参数和下偏差引入参数；Nt为一个调度周期总时段数；
Figure GDA00029067683200000212
为单元
Figure GDA00029067683200000213
不确定性预测的时段预算数；
Figure GDA00029067683200000214
表示存在源荷不确定性的单元，其中WT、PV、LA、LD分别为交直流微网中的风机、光伏、交流负荷及直流负荷，R为双向换流器的不确定性集；rt为
Figure GDA00029067683200000230
时段内双向换流器的运行状态，1表示该时段内双向换流器正常运行，0表示双向换流器断开，
Figure GDA00029067683200000231
为双向换流器不确定性的时段预算数。
进一步的，本发明中，所述步骤20)的具体流程为：
步骤201)对于不可控发电机组，在其正常运行时进行功率跟踪，考虑启停状态和风光运行功率实际值建立不可控发电机组的出力约束为：
Figure GDA00029067683200000215
式中，
Figure GDA00029067683200000216
为t时段单元
Figure GDA00029067683200000232
的运行功率；
Figure GDA00029067683200000238
为t时段单元
Figure GDA00029067683200000236
的运行状态；
Figure GDA00029067683200000217
是t时段单元
Figure GDA00029067683200000233
不确定性预测的标称值；
Figure GDA00029067683200000218
和
Figure GDA00029067683200000219
分别为t时段单元
Figure GDA00029067683200000235
不确定性预测的上偏差值和下偏差值；
Figure GDA00029067683200000220
和
Figure GDA00029067683200000221
分别为t时段单元
Figure GDA00029067683200000237
的上偏差引入参数和下偏差引入参数；
Figure GDA00029067683200000234
表示不可控发电机组单元，其中WT和PV分别为交直流微网中的风机和光伏；
步骤202)利用大M法对式(3)中的双线性项
Figure GDA00029067683200000222
和
Figure GDA00029067683200000223
进行线性化处理，引入附加变量
Figure GDA00029067683200000224
和
Figure GDA00029067683200000225
分别表示
Figure GDA00029067683200000226
和
Figure GDA00029067683200000227
将式(3)等价为：
Figure GDA0002906768320000031
式中，
Figure GDA0002906768320000032
和
Figure GDA0002906768320000033
分别为t时段单元
Figure GDA00029067683200000321
的上偏差附加变量和下偏差附加变量；M为一个取值较大的常数。
进一步的，本发明中，所述步骤30)中，微网中各设备的运行成本系数和运行限值包括与柴油发电机、储能、双向换流器、风机、光伏及交直流负荷相关的所有的成本系数和运行限值，交直流微网的鲁棒优化模型包括目标函数和约束条件，将成本系数、运行限值、步骤10)的不确定性集和步骤20)的线性不可控发电机组的出力约束代入下式中建立交直流微网的鲁棒优化模型的目标函数：
Figure GDA0002906768320000034
式(5)为该交直流微网的鲁棒优化模型的目标函数，式(5)中的成本项分别根据下式计算得到：
Figure GDA0002906768320000035
Figure GDA0002906768320000036
Figure GDA0002906768320000037
Figure GDA0002906768320000038
式中，
Figure GDA0002906768320000039
和
Figure GDA00029067683200000310
分别为柴油发电机的启动、关停和燃料成本；
Figure GDA00029067683200000311
和
Figure GDA00029067683200000312
分别为柴油发电机的启动、关停和燃料成本系数；
Figure GDA00029067683200000313
和
Figure GDA00029067683200000314
分别为柴油发电机、双向换流器、风机和光伏的运行维护成本；
Figure GDA00029067683200000315
和
Figure GDA00029067683200000316
分别为柴油发电机、储能、双向换流器、风机和光伏的运行维护成本系数；
Figure GDA00029067683200000317
为负荷切除停电惩罚成本；
Figure GDA00029067683200000318
为负荷切除停电惩罚成本系数；
Figure GDA00029067683200000319
为储能损耗成本；
Figure GDA00029067683200000320
为储能损耗成本系数；
Figure GDA00029067683200000322
为t时段单元
Figure GDA00029067683200000323
的启动标志位，1表示单元
Figure GDA00029067683200000324
在t时段被启动，0表示未被启动；
Figure GDA00029067683200000421
为t时段单元
Figure GDA00029067683200000422
的关停标志位，1表示单元
Figure GDA00029067683200000424
在t时段被关停，0表示未被关停；
Figure GDA00029067683200000426
表示t时段单元
Figure GDA00029067683200000423
的运行状态，取值为1时表示单元
Figure GDA00029067683200000425
在t时段处于开机状态，取值为0时表示处于停机状态；aDE和bDE为柴油发电机的油耗特性成本系数；PDE,t为柴油发电机在t时段的运行功率；
Figure GDA00029067683200000420
为柴油发电机的额定功率；
Figure GDA0002906768320000041
是t时段双向换流器正向换流运行状态标志位，1表示t时段存在正向换流，0表示不存在正向换流，
Figure GDA0002906768320000042
是t时段双向换流器负向换流运行状态标志位，1表示t时段存在负向换流，0表示不存在负向换流；
Figure GDA0002906768320000043
为双向换流器在t时段从交流母线到直流母线的正向换流功率；
Figure GDA0002906768320000044
为双向换流器在t时段从直流母线到交流母线的负向换流功率；PWT,t和PPV,t分别是风机和光伏在t时段的发电功率；
Figure GDA0002906768320000045
和
Figure GDA0002906768320000046
分别表示t时段交流区被切除的负荷功率和直流区被切除的负荷功率；
Figure GDA0002906768320000047
和
Figure GDA0002906768320000048
分别为储能在t时段的充电功率和放电功率；
Figure GDA0002906768320000049
是t时段储能充电运行状态标志位，1表示t时段储能充电，0表示不存在充电，
Figure GDA00029067683200000410
是t时段储能放电运行状态标志位，1表示t时段储能放电，0表示不存在放电；
交直流微网的鲁棒优化模型的约束条件为：
Figure GDA00029067683200000411
Figure GDA00029067683200000412
Figure GDA00029067683200000413
Figure GDA00029067683200000414
Figure GDA00029067683200000415
Figure GDA00029067683200000416
Figure GDA00029067683200000417
Figure GDA00029067683200000418
Figure GDA00029067683200000419
Figure GDA0002906768320000051
Figure GDA0002906768320000052
Figure GDA0002906768320000053
式(10)为单元
Figure GDA00029067683200000522
的最小持续开机时间和最小持续关机时间约束，
Figure GDA0002906768320000054
和
Figure GDA0002906768320000055
分别为单元
Figure GDA00029067683200000523
的最小持续开机时段数限值和最小持续关机时段数限值；式(11)为风机和光伏的出力约束及启停次数约束，NWT和NPV表示一个调度周期内风机和光伏的启停次数限值；式(12)为柴油发电机的最大持续开机时间约束，
Figure GDA0002906768320000056
为柴油发电机的最大持续开机时段数限值；式(13)为柴油发电机运行功率上下限及爬坡速度约束，
Figure GDA0002906768320000057
和
Figure GDA0002906768320000058
为柴油发电机开机状态下运行功率的上限值和下限值，
Figure GDA0002906768320000059
和
Figure GDA00029067683200000510
为柴油发电机的单位时段内下爬坡和上爬坡的速率限值；式(14)-(15)为储能最大充放电功率和储能荷电状态约束，
Figure GDA00029067683200000511
和
Figure GDA00029067683200000512
为储能的最大充电和放电功率限值，SOCmax和SOCmin为储能允许荷电状态的上下限值，SOC0和SOCNt为储能在调度周期的始末荷电状态限值，ηC和ηD为储能充放电效率；Δt为调度时段间隔；式(16)-(18)为双向换流器的换流功率及功率波动约束，
Figure GDA00029067683200000513
和
Figure GDA00029067683200000514
表示正向换流和负向换流的运行功率限值，
Figure GDA00029067683200000515
和
Figure GDA00029067683200000516
表示双向换流器在相邻时段功率波动的下限值和上限值；式(19)为各时段交直流被切除负荷运行功率约束，
Figure GDA00029067683200000517
和
Figure GDA00029067683200000518
是t时段交流和直流最大的可切除负荷功率限值；式(20)-(21)为直流区和交流区的功率平衡约束，
Figure GDA00029067683200000519
和
Figure GDA00029067683200000520
为双向换流器的正向和负向换流效率限值。
进一步的，本发明中，所述步骤40)的具体内容包括：
步骤401)：将式(5)-(21)表示的交直流微网鲁棒优化模型写成以下矩阵表示形式：
Figure GDA00029067683200000521
s.t.Ax≤b,x∈{0,1} (23)
Cy+Dz≤f-Ex-Fu,z∈{0,1} (24)
式中，x表示鲁棒模型的第一层0-1优化变量，y表示第三层连续变量，z为第三层0-1变量，u为第二层的不确定性变量；式(23)表示仅与x相关的约束条件，式(24)表示与x，y，z，u相关的约束。c、d和g均为目标函数中的常数矩阵；A、b、C、D、f、E和F均为约束中的常数矩阵；
步骤402)：基于步骤401)中矩阵表示的鲁棒优化模型，采用嵌套型列约束生成算法将该模型的三层优化问题转化为包含主问题和子问题的两阶段优化问题，并利用整数优化建模工具箱YALMIP调用求解器SCIP迭代求解子问题和主问题，获得交直流微网的鲁棒协调运行计划。
有益效果：与现有技术相比，本发明具有以下优点：
计及不确定性的微网鲁棒优化调度常出现可再生发电出力位于偏差区间上限的情况，发电机组的不可控性会导致可再生发电功率过大而无法消纳，传统方法无法解决不可控发电机组的功率过剩问题。本发明针对可再生发电机组的不可控性，通过机组启停和出力的协调调度实现交直流微网的鲁棒优化调度，提出将可再生发电机组的启停作为第一阶段优化变量，并利用大M法转化为线性模型。采用嵌套型列约束生成算法将所提模型分解为混合整数线性规划问题形式的主问题和子问题，通过商业求解器能够快速有效求解。
附图说明
图1为本发明实施例的流程图；
图2为本发明实施例中交直流微网的拓扑结构图；
图3为本发明实施例中风光出力及交直流负荷的功率预测标称值；
图4为本发明实施例的鲁棒优化调度结果。
具体实施方式
下面结合附图，对本发明实施例的技术方案做进一步的说明。
如图1所示，本发明方法的实施例，交直流微网的拓扑结构如图2所示。该方法包括以下步骤：
步骤10)获取不确定性预测参数，建立不确定性集；
步骤20)基于步骤10)建立的源荷不确定性集，线性化不可控发电机组的出力约束；
步骤30)获取微网中各设备的运行成本系数和运行限值，基于步骤10)和步骤20)建立交直流微网的鲁棒优化模型；
步骤40)求解鲁棒优化问题：利用嵌套型列约束生成算法迭代求解该鲁棒问题，获得交直流微网的鲁棒运行计划。
作为优选方案，所述步骤10)中，所获取的不确定性预测参数包括源荷不确定性预测的标称值、上偏差值、下偏差值和时段预算数，此外还包括双向换流器不确定性的时段预算数。将不确定性预测参数代入下式建立不确定性集。
Figure GDA0002906768320000071
Figure GDA0002906768320000072
式中，
Figure GDA0002906768320000073
为源荷单元
Figure GDA0002906768320000074
的不确定性集；
Figure GDA0002906768320000075
和
Figure GDA0002906768320000076
分别是t时段单元
Figure GDA00029067683200000732
的运行功率实际值和不确定性预测的标称值；
Figure GDA0002906768320000077
和
Figure GDA0002906768320000078
为t时段单元
Figure GDA0002906768320000079
不确定性预测的上偏差值和下偏差值；
Figure GDA00029067683200000710
和
Figure GDA00029067683200000711
分别为t时段单元
Figure GDA00029067683200000733
的上偏差引入参数和下偏差引入参数；Nt为一个调度周期总时段数；
Figure GDA00029067683200000712
为单元
Figure GDA00029067683200000713
不确定性预测的时段预算数；交直流微网中存在不确定性的源荷单元包括风机WT、光伏PV、交流负荷LA及直流负荷LD。R为双向换流器的不确定性集；rt为
Figure GDA00029067683200000714
时段内双向换流器的运行状态，1表示该时段内双向换流器正常运行，0表示双向换流器断开，
Figure GDA00029067683200000715
为双向换流器不确定性的时段预算数。
作为优选方案，所述步骤20)中，基于步骤10)建立的源荷不确定性集，线性化不可控发电机组的出力约束的具体步骤包括：
步骤201)对于不可控发电机组，在其正常运行时进行功率跟踪，考虑启停状态和风光运行功率实际值建立不可控发电机组的出力约束：
Figure GDA00029067683200000716
式中，
Figure GDA00029067683200000717
为t时段单元
Figure GDA00029067683200000734
的运行功率；
Figure GDA00029067683200000741
为t时段单元
Figure GDA00029067683200000735
的运行状态；
Figure GDA00029067683200000718
是t时段单元
Figure GDA00029067683200000738
不确定性预测的标称值；
Figure GDA00029067683200000719
和
Figure GDA00029067683200000720
分别为t时段单元
Figure GDA00029067683200000736
不确定性预测的上偏差值和下偏差值；
Figure GDA00029067683200000721
和
Figure GDA00029067683200000722
分别为t时段单元
Figure GDA00029067683200000739
的上偏差引入参数和下偏差引入参数；
Figure GDA00029067683200000737
表示不可控发电机组单元，其中WT和PV分别为交直流微网中的风机和光伏；
步骤202)利用大M法对式(3)中的双线性项
Figure GDA00029067683200000723
和
Figure GDA00029067683200000724
进行线性化处理，引入附加变量
Figure GDA00029067683200000725
和
Figure GDA00029067683200000726
分别表示
Figure GDA00029067683200000727
和
Figure GDA00029067683200000728
将式(3)等价为：
Figure GDA00029067683200000729
式中，
Figure GDA00029067683200000730
和
Figure GDA00029067683200000731
分别为t时段单元
Figure GDA00029067683200000740
的上偏差附加变量和下偏差附加变量；M为一个取值较大的常数。
作为优选方案，所述步骤30)中，微网中各设备的运行成本系数和运行限值包括与柴油发电机、储能、双向换流器、风机、光伏及交直流负荷相关的所有的成本系数和运行限值，将成本系数、运行限值、步骤10)的不确定性集和步骤20)的线性不可控发电机组的出力约束代入下式中建立交直流微网的鲁棒优化模型：
Figure GDA0002906768320000081
式(5)为该鲁棒经济调度模型的目标函数，式中的成本相关项根据下式计算得到：
Figure GDA0002906768320000082
Figure GDA0002906768320000083
Figure GDA0002906768320000084
Figure GDA0002906768320000085
式中，
Figure GDA0002906768320000086
和
Figure GDA0002906768320000087
分别为柴油发电机的启动、关停和燃料成本；
Figure GDA0002906768320000088
和
Figure GDA0002906768320000089
分别为柴油发电机的启动、关停和燃料成本系数；
Figure GDA00029067683200000810
和
Figure GDA00029067683200000811
分别为柴油发电机、双向换流器、风机和光伏的运行维护成本；
Figure GDA00029067683200000812
和
Figure GDA00029067683200000813
分别为柴油发电机、储能、双向换流器、风机和光伏的运行维护成本系数；
Figure GDA00029067683200000814
为负荷切除停电惩罚成本；
Figure GDA00029067683200000815
为负荷切除停电惩罚成本系数；
Figure GDA00029067683200000816
为储能损耗成本；
Figure GDA00029067683200000817
为储能损耗成本系数；
Figure GDA00029067683200000825
为t时段单元
Figure GDA00029067683200000826
的启动标志位，1表示单元
Figure GDA00029067683200000827
在t时段被启动，0表示未被启动；
Figure GDA00029067683200000830
为t时段单元
Figure GDA00029067683200000831
的关停标志位，1表示单元
Figure GDA00029067683200000828
在t时段被关停，0表示未被关停；
Figure GDA00029067683200000833
表示t时段单元
Figure GDA00029067683200000832
的运行状态，取值为1时表示单元
Figure GDA00029067683200000829
在t时段处于开机状态，取值为0时表示处于停机状态；aDE和bDE为柴油发电机的油耗特性成本系数；PDE,t为柴油发电机在t时段的运行功率；
Figure GDA00029067683200000818
为柴油发电机的额定功率；
Figure GDA00029067683200000819
是t时段双向换流器正向换流运行状态标志位，1表示t时段存在正向换流，0表示不存在正向换流，
Figure GDA00029067683200000820
是t时段双向换流器负向换流运行状态标志位，1表示t时段存在负向换流，0表示不存在负向换流；
Figure GDA00029067683200000821
为双向换流器在t时段从交流母线到直流母线的正向换流功率；
Figure GDA00029067683200000822
为双向换流器在t时段从直流母线到交流母线的负向换流功率；PWT,t和PPV,t分别是风机和光伏在t时段的发电功率；
Figure GDA00029067683200000823
和
Figure GDA00029067683200000824
分别表示t时段交流区被切除的负荷功率和直流区被切除的负荷功率；
Figure GDA0002906768320000091
和
Figure GDA0002906768320000092
分别为储能在t时段的充电功率和放电功率；
Figure GDA0002906768320000093
是t时段储能充电运行状态标志位，1表示t时段储能充电，0表示不存在充电，
Figure GDA0002906768320000094
是t时段储能放电运行状态标志位，1表示t时段储能放电，0表示不存在放电。
Figure GDA0002906768320000095
Figure GDA0002906768320000096
Figure GDA0002906768320000097
Figure GDA0002906768320000098
Figure GDA0002906768320000099
Figure GDA00029067683200000910
Figure GDA00029067683200000911
Figure GDA00029067683200000912
Figure GDA00029067683200000913
Figure GDA00029067683200000914
Figure GDA00029067683200000915
Figure GDA00029067683200000916
式(10)为单元
Figure GDA00029067683200000924
的最小持续开机时间和最小持续关机时间约束，
Figure GDA00029067683200000917
和
Figure GDA00029067683200000918
分别为单元
Figure GDA00029067683200000925
的最小持续开机时段数限值和最小持续关机时段数限值；式(11)为风机和光伏的出力约束及启停次数约束，NWT和NPV表示一个调度周期内风机和光伏的启停次数限值；式(12)为柴油发电机的最大持续开机时间约束，
Figure GDA00029067683200000919
为柴油发电机的最大持续开机时段数限值；式(13)为柴油发电机运行功率上下限及爬坡速度约束，
Figure GDA00029067683200000920
和
Figure GDA00029067683200000921
为柴油发电机开机状态下运行功率的上限值和下限值，
Figure GDA00029067683200000922
和
Figure GDA00029067683200000923
为柴油发电机的单位时段内下爬坡和上爬坡的速率限值；式(14)-(15)为储能最大充放电功率和储能荷电状态约束，
Figure GDA0002906768320000101
和
Figure GDA0002906768320000102
为储能的最大充电和放电功率限值，SOCmax和SOCmin为储能允许荷电状态的上下限值，SOC0和SOCNt为储能在调度周期的始末荷电状态限值，ηC和ηD为储能充放电效率；Δt为调度时段间隔；式(16)-(18)为双向换流器的换流功率及功率波动约束，
Figure GDA0002906768320000103
和
Figure GDA0002906768320000104
表示正向换流和负向换流的运行功率限值，
Figure GDA0002906768320000105
和
Figure GDA0002906768320000106
表示双向换流器在相邻时段功率波动的下限值和上限值；式(19)为各时段交直流被切除负荷运行功率约束，
Figure GDA0002906768320000107
和
Figure GDA0002906768320000108
是t时段交流和直流最大的可切除负荷功率限值；式(20)-(21)为直流区和交流区的功率平衡约束，
Figure GDA0002906768320000109
和
Figure GDA00029067683200001010
为双向换流器的正向和负向换流效率限值。
作为优选方案，所述步骤40)的具体内容包括：
步骤401)：将式(5)-(21)表示的交直流微网鲁棒优化模型写成以下矩阵表示形式：
Figure GDA00029067683200001011
s.t.Ax≤b,x∈{0,1} (23)
Cy+Dz≤f-Ex-Fu,z∈{0,1} (24)
式中，x表示鲁棒模型的第一层0-1优化变量，y表示第三层连续变量，z为第三层0-1变量，u为第二层的不确定性变量；式(23)表示仅与x相关的约束条件，式(24)表示与x，y，z，u相关的约束。c、d和g均为目标函数中的常数矩阵；A、b、C、D、f、E和F均为约束中的常数矩阵。
步骤402)：基于步骤401)中矩阵表示的鲁棒模型，该模型是典型的min-max-min形式的三层优化问题，但该模型的第三层包含了0-1优化变量，采用嵌套型列约束生成算法将三层优化问题转化为包含主问题和子问题的两阶段优化问题，并利用整数优化建模工具箱YALMIP调用求解器SCIP迭代求解子问题和主问题，获得交直流微网的鲁棒协调运行计划。
所述步骤402)的具体内容包括：
步骤4021)：基于步骤401)中矩阵表示的鲁棒模型，该鲁棒优化问题的子问题为max-min双层优化问题：
Figure GDA00029067683200001012
式中，x*为主问题中x的优化结果，作为已知变量代入子问题。z为0-1变量使得子问题无法直接对偶转为单层问题，因此将(25)拓展为如式(26)所示的三层模型，再分解为内层子问题和内层主问题迭代求解。
Figure GDA0002906768320000111
式(26)分解后对应的内层子问题为：
Figure GDA0002906768320000112
式中，up为内层主问题中u的第p次优化结果，作为已知变量代入内层子问题。
式(26)分解后对应的内层主问题为：
将内层子问题的第q次优化结果(yq,zq)代入内层主问题：
Figure GDA0002906768320000113
式中，θ为与内层子问题的目标函数相关的变量；π为式(24)中y的对偶变量；利用整数优化建模工具箱YALMIP调用求解器SCIP迭代求解内层子问题和内层主问题，获得该鲁棒优化问题的子问题的优化结果。
步骤4022)：基于步骤401)中矩阵表示形式的模型和步骤4021)的子问题，将子问题的第r次优化结果(ur,yr,zr)代入主问题，该鲁棒优化调度模型的主问题如下：
Figure GDA0002906768320000114
式中，l为总迭代次数，η为与主问题的目标函数相关的变量。
步骤4023)：利用整数优化建模工具箱YALMIP调用求解器SCIP迭代求解步骤4021)的子问题和步骤4022)的主问题，获得交直流微网的鲁棒协调运行计划。
本发明实施例的方法，针对可再生发电机组的不可控性，通过机组启停和出力的协调调度实现交直流微网的鲁棒优化调度。该方法将可再生发电机组的启停作为第一阶段优化变量，并利用大M法转化为线性模型。采用嵌套型列约束生成算法将所提模型分解为混合整数线性规划问题形式的主问题和子问题，通过商业求解器能够快速有效求解。
下面例举一具体实施例。
某独立型交直流微网结构如图2所示，针对该微网开展鲁棒优化调度，微网中的相关参数如表1所示。
表1微网相关参数
Figure GDA0002906768320000121
该地区典型日的风光出力及交直流负荷的功率预测标称值如图3所示。风光出力预测上下偏差值为标称值的±10％，交直流计划负荷预测上下偏差值均为标称值的5％。
鲁棒优化调度结果如图4所示。该模型中风机和光伏的启停运行状态作为第一层优化变量需满足所有可能发生的不确定性场景，因此图4(a)中风机和光伏出现多次启停。风机在3-6、81-82和92-94时段出现停机，在这些时段内若风机的不确定性出力取上限值、双向换流器断线，风机功率将大于交流负荷功率，由于风机出力不可调节，多余风电无法消纳，因此风机必须停机；光伏在51-54时段停机，该时段内若光伏出力取上限并且双向换流器断线，光伏多余出力给储能充电后仍有盈余，因此光伏需要停机。上述分析表明光伏和风机的启停运行状态满足了所有不确定性场景。在可再生发电机组停机的时段内，
Figure GDA0002906768320000122
取不确定性集的最大偏差值，此时增加的功率因机组停机实际上并没有被利用，其对应场景的可再生机组发电量减小，微网日运行费用提高，对应场景恶化。除可再生发电机组停机的时段外，其余时段机组的实际出力等于
Figure GDA0002906768320000123
满足可再生发电机组不可调节的要求。交直流负荷在预测标称值较大的时段取上限值，此时负荷增加较大，运行费用增长，场景较恶劣。
由图4(b)可知，最恶劣场景中双向换流器在80-83时段发生断线，该时段内交直流负荷均相对较大，只有储能能为部分直流负荷供电，其余直流负荷直接切除，运行费用增加；在时段80内风机正常运行但不足为所有交流负荷供电，而其供电功率缺额小于柴油发电机的最小运行功率，因此柴油发电机停机，柴油发电机停机存在最小停机时间约束，导致未来4个时段柴油发电机无法发电，因此交流负荷被切除，导致运行费用大大提高，此场景最恶劣。该模型的目标函数为3305.8￥。
以上显示和描述了本发明的基本原理、主要特征和优点。本领域的技术人员应该了解，本发明不受上述具体实施例的限制，上述具体实施例和说明书中的描述只是为了进一步说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护的范围由权利要求书及其等效物界定。

Claims (4)

1.一种计及不可控发电机功率跟踪的交直流微网鲁棒调度方法，其特征在于，该方法包括以下步骤：
步骤10)获取不确定性预测参数，建立不确定性集，所获取的不确定性预测参数包括源荷不确定性预测的标称值、上偏差值、下偏差值、时段预算数、双向换流器不确定性的时段预算数，将不确定性预测参数代入下式建立不确定性集：
Figure FDA0002840144410000011
式中，
Figure FDA0002840144410000012
为源荷单元
Figure FDA0002840144410000013
的不确定性集；
Figure FDA0002840144410000014
和
Figure FDA0002840144410000015
分别是t时段单元
Figure FDA0002840144410000016
的运行功率实际值和不确定性预测的标称值；
Figure FDA0002840144410000017
和
Figure FDA0002840144410000018
为t时段单元
Figure FDA0002840144410000019
不确定性预测的上偏差值和下偏差值；
Figure FDA00028401444100000110
和
Figure FDA00028401444100000111
分别为t时段单元
Figure FDA00028401444100000112
的上偏差引入参数和下偏差引入参数；Nt为一个调度周期总时段数；
Figure FDA00028401444100000113
为单元
Figure FDA00028401444100000114
不确定性预测的时段预算数；
Figure FDA00028401444100000115
表示存在源荷不确定性的单元，其中WT、PV、LA、LD分别为交直流微网中的风机、光伏、交流负荷及直流负荷，R为双向换流器的不确定性集；rt为
Figure FDA00028401444100000116
时段内双向换流器的运行状态，1表示该时段内双向换流器正常运行，0表示双向换流器断开，
Figure FDA00028401444100000117
为双向换流器不确定性的时段预算数；
步骤20)基于步骤10)建立的源荷不确定性集，线性化不可控发电机组的出力约束；
步骤30)获取微网中各设备的运行成本系数和运行限值，基于步骤10)的不确定性集和步骤20)的线性不可控发电机组的出力约束建立交直流微网的鲁棒优化模型；
步骤40)利用嵌套型列约束生成算法迭代求解步骤30)建立的交直流微网的鲁棒优化模型，获得交直流微网的鲁棒运行计划。
2.根据权利要求1所述的计及不可控发电机功率跟踪的交直流微网鲁棒调度方法，其特征在于，所述步骤20)的具体流程为：
步骤201)对于不可控发电机组，在其正常运行时进行功率跟踪，考虑启停状态和风光运行功率实际值建立不可控发电机组的出力约束为：
Figure FDA00028401444100000118
式中，Pθ,t为t时段单元θ的运行功率；Uθ,t为t时段单元θ的运行状态；
Figure FDA00028401444100000119
是t时段单元θ不确定性预测的标称值；
Figure FDA0002840144410000021
和
Figure FDA0002840144410000022
分别为t时段单元θ不确定性预测的上偏差值和下偏差值；
Figure FDA0002840144410000023
和
Figure FDA0002840144410000024
分别为t时段单元θ的上偏差引入参数和下偏差引入参数；θ表示不可控发电机组单元，其中WT和PV分别为交直流微网中的风机和光伏；
步骤202)利用大M法对式(3)中的双线性项
Figure FDA0002840144410000025
和
Figure FDA0002840144410000026
进行线性化处理，引入附加变量
Figure FDA0002840144410000027
和
Figure FDA0002840144410000028
分别表示
Figure FDA0002840144410000029
和
Figure FDA00028401444100000210
将式(3)等价为：
Figure FDA00028401444100000211
式中，
Figure FDA00028401444100000212
和
Figure FDA00028401444100000213
分别为t时段单元θ的上偏差附加变量和下偏差附加变量；M为一个取值较大的常数。
3.根据权利要求2所述的计及不可控发电机功率跟踪的交直流微网鲁棒调度方法，其特征在于，所述步骤30)中，微网中各设备的运行成本系数和运行限值包括与柴油发电机、储能、双向换流器、风机、光伏及交直流负荷相关的所有的成本系数和运行限值，交直流微网的鲁棒优化模型包括目标函数和约束条件，将成本系数、运行限值、步骤10)的不确定性集和步骤20)的线性不可控发电机组的出力约束代入下式中建立交直流微网的鲁棒优化模型的目标函数：
Figure FDA00028401444100000214
式(5)为该交直流微网的鲁棒优化模型的目标函数，式(5)中的成本项分别根据下式计算得到：
Figure FDA00028401444100000215
Figure FDA00028401444100000216
Figure FDA00028401444100000217
Figure FDA00028401444100000218
式中，
Figure FDA0002840144410000031
和
Figure FDA0002840144410000032
分别为柴油发电机的启动、关停和燃料成本；
Figure FDA0002840144410000033
和
Figure FDA0002840144410000034
分别为柴油发电机的启动、关停和燃料成本系数；
Figure FDA0002840144410000035
和
Figure FDA0002840144410000036
分别为柴油发电机、双向换流器、风机和光伏的运行维护成本；
Figure FDA0002840144410000037
和
Figure FDA0002840144410000038
分别为柴油发电机、双向换流器、风机和光伏的运行维护成本系数；
Figure FDA0002840144410000039
为负荷切除停电惩罚成本；
Figure FDA00028401444100000310
为负荷切除停电惩罚成本系数；
Figure FDA00028401444100000311
为储能损耗成本；
Figure FDA00028401444100000312
为储能损耗成本系数；Il,t为t时段单元l的启动标志位，1表示单元l在t时段被启动，0表示未被启动；Ml,t为t时段单元l的关停标志位，1表示单元l在t时段被关停，0表示未被关停；Ul,t表示t时段单元l的运行状态，取值为1时表示单元l在t时段处于开机状态，取值为0时表示处于停机状态；aDE和bDE为柴油发电机的油耗特性成本系数；PDE,t为柴油发电机在t时段的运行功率；
Figure FDA00028401444100000313
为柴油发电机的额定功率；
Figure FDA00028401444100000314
是t时段双向换流器正向换流运行状态标志位，1表示t时段存在正向换流，0表示不存在正向换流，
Figure FDA00028401444100000315
是t时段双向换流器负向换流运行状态标志位，1表示t时段存在负向换流，0表示不存在负向换流；
Figure FDA00028401444100000316
为双向换流器在t时段从交流母线到直流母线的正向换流功率；
Figure FDA00028401444100000317
为双向换流器在t时段从直流母线到交流母线的负向换流功率；PWT,t和PPV,t分别是风机和光伏在t时段的发电功率；
Figure FDA00028401444100000318
和
Figure FDA00028401444100000319
分别表示t时段交流区被切除的负荷功率和直流区被切除的负荷功率；
Figure FDA00028401444100000320
和
Figure FDA00028401444100000321
分别为储能在t时段的充电功率和放电功率；
Figure FDA00028401444100000322
是t时段储能充电运行状态标志位，1表示t时段储能充电，0表示不存在充电，
Figure FDA00028401444100000323
是t时段储能放电运行状态标志位，1表示t时段储能放电，0表示不存在放电；
交直流微网的鲁棒优化模型的约束条件为：
Figure FDA00028401444100000324
Figure FDA00028401444100000325
Figure FDA00028401444100000326
Figure FDA00028401444100000327
Figure FDA0002840144410000041
Figure FDA0002840144410000042
Figure FDA0002840144410000043
Figure FDA0002840144410000044
Figure FDA0002840144410000045
Figure FDA0002840144410000046
Figure FDA0002840144410000047
Figure FDA0002840144410000048
式(10)为单元l的最小持续开机时间和最小持续关机时间约束，
Figure FDA0002840144410000049
和
Figure FDA00028401444100000410
分别为单元l的最小持续开机时段数限值和最小持续关机时段数限值，k表示单元l启动状态和关停状态的开始时段；式(11)为风机和光伏的出力约束及启停次数约束，(4)为权利要求2中所述的公式(4)，NWT和NPV表示一个调度周期内风机和光伏的启停次数限值；式(12)为柴油发电机的最大持续开机时间约束，
Figure FDA00028401444100000411
为柴油发电机的最大持续开机时段数限值；式(13)为柴油发电机运行功率上下限及爬坡速度约束，
Figure FDA00028401444100000412
和
Figure FDA00028401444100000413
为柴油发电机开机状态下运行功率的上限值和下限值，
Figure FDA00028401444100000414
和
Figure FDA00028401444100000415
为柴油发电机的单位时段内下爬坡和上爬坡的速率限值；式(14)-(15)为储能最大充放电功率和储能荷电状态约束，
Figure FDA00028401444100000416
和
Figure FDA00028401444100000417
为储能的最大充电和放电功率限值，SOCmax和SOCmin为储能允许荷电状态的上下限值，SOC0和SOCNt为储能在调度周期的始末荷电状态限值，ηC和ηD为储能充放电效率；Δt为调度时段间隔；式(16)-(18)为双向换流器的换流功率及功率波动约束，
Figure FDA00028401444100000418
和
Figure FDA00028401444100000419
表示正向换流和负向换流的运行功率限值，
Figure FDA00028401444100000420
和
Figure FDA00028401444100000421
表示双向换流器在相邻时段功率波动的下限值和上限值；式(19)为各时段交直流被切除负荷运行功率约束，
Figure FDA00028401444100000422
和
Figure FDA00028401444100000423
是t时段交流和直流最大的可切除负荷功率限值；式(20)-(21)为直流区和交流区的功率平衡约束，
Figure FDA00028401444100000424
和
Figure FDA00028401444100000425
为双向换流器的正向和负向换流效率限值。
4.根据权利要求3所述的计及不可控发电机功率跟踪的交直流微网鲁棒调度方法，其特征在于，所述步骤40)的具体内容包括：
步骤401)：将式(5)-(21)表示的交直流微网鲁棒优化模型写成以下矩阵表示形式：
Figure FDA0002840144410000051
s.t.Ax≤b,x∈{0,1} (23)
Cy+Dz≤f-Ex-Fu,z∈{0,1} (24)
式中，x表示鲁棒模型的第一层0-1优化变量，y表示第三层连续变量，z为第三层0-1变量，u为第二层的不确定性变量；式(23)表示仅与x相关的约束条件，式(24)表示与x，y，z，u相关的约束，c、d和g均为目标函数中的常数矩阵；A、b、C、D、f、E和F均为约束中的常数矩阵；
步骤402)：基于步骤401)中矩阵表示的鲁棒优化模型，采用嵌套型列约束生成算法将该模型的三层优化问题转化为包含主问题和子问题的两阶段优化问题，并利用整数优化建模工具箱YALMIP调用求解器SCIP迭代求解子问题和主问题，获得交直流微网的鲁棒协调运行计划。
CN201810293475.2A 2018-03-30 2018-03-30 计及不可控发电机功率跟踪的交直流微网鲁棒调度方法 Active CN108448619B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810293475.2A CN108448619B (zh) 2018-03-30 2018-03-30 计及不可控发电机功率跟踪的交直流微网鲁棒调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810293475.2A CN108448619B (zh) 2018-03-30 2018-03-30 计及不可控发电机功率跟踪的交直流微网鲁棒调度方法

Publications (2)

Publication Number Publication Date
CN108448619A CN108448619A (zh) 2018-08-24
CN108448619B true CN108448619B (zh) 2021-04-30

Family

ID=63198208

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810293475.2A Active CN108448619B (zh) 2018-03-30 2018-03-30 计及不可控发电机功率跟踪的交直流微网鲁棒调度方法

Country Status (1)

Country Link
CN (1) CN108448619B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109842158A (zh) * 2019-03-28 2019-06-04 广东工业大学 一种微电网优化配置方法
CN111579927B (zh) * 2020-05-22 2022-03-29 南京南瑞继保电气有限公司 一种适用于单侧电源输电线路的断线保护判断方法及装置
CN111915161B (zh) * 2020-07-15 2023-02-07 上海顺翼能源科技有限公司 基于可调鲁棒算法的区域光储充系统短期调度方法和系统
WO2022088067A1 (zh) * 2020-10-30 2022-05-05 西门子股份公司 分布式能源系统的优化方法、装置和计算机可读存储介质
CN113393054B (zh) * 2021-07-05 2023-11-24 华北电力大学 一种风储联合系统的优化调度方法及优化调度系统
CN115222298B (zh) * 2022-09-20 2023-04-18 国网上海能源互联网研究院有限公司 虚拟电厂可调容量构建方法、装置、存储介质及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103986194A (zh) * 2014-06-04 2014-08-13 国家电网公司 一种独立型微网优化配置方法和装置
CN106355344A (zh) * 2016-09-08 2017-01-25 四川大学 一种基于正交阵列的微电网鲁棒优化运行方法
CN107368927A (zh) * 2017-08-01 2017-11-21 重庆大学 基于目标级联分析的电‑气能量流分布式协同优化计算方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7991512B2 (en) * 2007-08-28 2011-08-02 General Electric Company Hybrid robust predictive optimization method of power system dispatch

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103986194A (zh) * 2014-06-04 2014-08-13 国家电网公司 一种独立型微网优化配置方法和装置
CN106355344A (zh) * 2016-09-08 2017-01-25 四川大学 一种基于正交阵列的微电网鲁棒优化运行方法
CN107368927A (zh) * 2017-08-01 2017-11-21 重庆大学 基于目标级联分析的电‑气能量流分布式协同优化计算方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Adaptive Robust Optimal Reactive Power Dispatch in Distribution Networks;Peishuai Li等;《2017 IEEE Power & Energy Society General Meeting》;20170720;全文 *
Micro Grid Energy Management Based on Two-Stage Robust Optimization;Jing Liu等;《2016 19th International Conference on Electrical Machines and Systems (ICEMS)》;20170202;正文第1-3页 *
鲁棒优化在电力系统调度决策中的应用研究综述;于丹文等;《电力系统自动化》;20160410;134-148 *

Also Published As

Publication number Publication date
CN108448619A (zh) 2018-08-24

Similar Documents

Publication Publication Date Title
CN108448619B (zh) 计及不可控发电机功率跟踪的交直流微网鲁棒调度方法
WO2019165701A1 (zh) 一种交直流混联微网的随机鲁棒耦合型优化调度方法
CN108539732B (zh) 基于多区间不确定性鲁棒优化的交直流微网经济调度
CN108629449B (zh) 一种用于交直流混合微网的分布鲁棒式优化调度方法
CN108108846B (zh) 一种交直流混合微网鲁棒优化协调调度方法
CN108832665B (zh) 一种考虑风电不确定性的电热综合系统分布式鲁棒协调优化调度建模方法
CN108448632B (zh) 计及储能荷电状态循环的交直流微网日内滚动优化调度方法
CN108388964B (zh) 一种多微网系统的双层协调鲁棒优化调度方法
Pavković et al. Oil drilling rig diesel power-plant fuel efficiency improvement potentials through rule-based generator scheduling and utilization of battery energy storage system
Fu et al. Research on joint optimal dispatching method for hybrid power system considering system security
CN105680449B (zh) 一种具有天气预测的光伏发电微电网的综合协调控制方法
CN110112780A (zh) 一种单相光伏发电双模式逆变器系统及其控制方法
CN108629445B (zh) 计及储能动态损耗的交直流混合微网鲁棒调度方法
WO2017056114A1 (en) Wind-solar hybrid power generation system and method
CN112366748A (zh) 一种风储联合风电变流器及其控制方法
CN104239960A (zh) 考虑抽水蓄能机组的发电计划优化方法
CN110739684B (zh) 基于多时间尺度的多交直流混合微电网优化调度方法
Lin et al. Decentralized economic dispatch for transmission and distribution networks via modified generalized benders decomposition
ThuraiRaaj et al. Applying three port converter with dual battery storage system for hybrid power generation
CN115793452A (zh) 一种考虑多电解槽启停特性的热氢联产系统优化控制方法
Sathishkumar et al. Adaptive power management strategy-based optimization and estimation of a renewable energy storage system in stand-alone microgrid with machine learning and data monitoring
CN115085227A (zh) 一种微电网源储容量配置方法及装置
CN110649592B (zh) 含蓄热式电锅炉的电热互联能源系统多场景经济调度方法
KR101661820B1 (ko) 다수의 에너지 저장장치를 이용한 신재생 발전기의 출력 변동률 제어 시스템 및 방법
CN107359636A (zh) 一种充电系统

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
TA01 Transfer of patent application right

Effective date of registration: 20201202

Address after: 213300 room 428, building a, 218 Hongkou Road, Kunlun Street, Liyang City, Changzhou City, Jiangsu Province (in Zhongguancun Science and Technology Industrial Park, Jiangsu Province)

Applicant after: Liyang Research Institute of Southeast University

Applicant after: SOUTHEAST University

Address before: 211100 No. 2, Southeast University Road, Jiangning District, Jiangsu, Nanjing

Applicant before: SOUTHEAST University

GR01 Patent grant
GR01 Patent grant