CN108629445A - 计及储能动态损耗的交直流混合微网鲁棒调度方法 - Google Patents
计及储能动态损耗的交直流混合微网鲁棒调度方法 Download PDFInfo
- Publication number
- CN108629445A CN108629445A CN201810294782.2A CN201810294782A CN108629445A CN 108629445 A CN108629445 A CN 108629445A CN 201810294782 A CN201810294782 A CN 201810294782A CN 108629445 A CN108629445 A CN 108629445A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- formula
- soc
- power
- value
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 147
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 238000012360 testing method Methods 0.000 claims abstract description 14
- 230000008569 process Effects 0.000 claims abstract description 12
- 230000008859 change Effects 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000007599 discharging Methods 0.000 claims description 7
- 102000002423 Octamer Transcription Factor-6 Human genes 0.000 claims description 6
- 108010068113 Octamer Transcription Factor-6 Proteins 0.000 claims description 6
- 239000000446 fuel Substances 0.000 claims description 6
- 230000002463 transducing effect Effects 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 4
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 3
- 240000002853 Nelumbo nucifera Species 0.000 claims description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 2
- 230000009194 climbing Effects 0.000 claims 2
- 230000008901 benefit Effects 0.000 abstract description 5
- 239000010410 layer Substances 0.000 description 33
- 230000000694 effects Effects 0.000 description 5
- 230000001172 regenerating effect Effects 0.000 description 5
- 239000002283 diesel fuel Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000002355 dual-layer Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000005303 weighing Methods 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
-
- 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
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种计及储能动态损耗的交直流混合微网鲁棒调度方法,包括以下步骤:步骤10)获取储能测试参数,构造双线性形式的储能动态损耗模型;步骤20)对步骤10)构造的储能动态损耗模型开展线性化处理;步骤30)获取各设备的运行成本系数和运行限值,建立交直流混合微网的鲁棒优化调度模型;步骤40)求解鲁棒优化调度问题:利用嵌套式列约束生成算法求解鲁棒优化问题,获得交直流混合微网的鲁棒协调运行方式。该方法计及交直流混合微网中的储能动态损耗特性,能够实现交直流混合微网的鲁棒优化调度,在准确计算储能损耗成本基础上提高储能运行的经济效益,为制定交直流混合微网的运行计划提供重要的指导和帮助。
Description
技术领域
本发明属于微网能量管理和优化调度技术领域,具体来说,涉及一种计及储能动态损耗的交直流混合微网鲁棒调度方法。
背景技术
越来越多可再生能源替代了传统化石能源接入电力系统,电网中的可再生能源渗透率逐步提高。目前,微网已经成为解决可再生能源接入电力系统的有效方法。为了实现传统机组、可再生能源发电及储能等设备的协调运行,需要对微网进行优化调度以制定合理的运行计划,保证微网稳定高效地运行。可再生能源受自然条件的影响存在较强的波动性和间歇性,实际中对可再生能源的预测常常存在较大偏差,此外系统中还存在负荷动态变化等不确定性,这些因素都给微网调度带来了巨大挑战。鲁棒优化已经成为解决微网不确定性问题的重要方法之一。
事实上,储能在微网调度中发挥着平抑功率波动及转移电量的作用,但储能频繁充放电带来了较大的损耗,储能使用寿命相较微网中其他设备较短,因此微网优化调度中需考虑储能损耗成本,目前学者已提出一些储能损耗模型。但所提模型仅单独考虑了SOC或C对储能损耗的影响。储能损耗成本是储能运行费用的主要组成部分,决定着调度过程中储能的运行状态和经济效益。在交直流混合微网中,储能需要与多个区域进行协调调度,储能的运行调度作用更加突出。因此在微网的优化调度中需综合考虑C及SOC对储能损耗的动态影响,制定合理的储能运行计划,最大化储能的运行效益,提高整个微网运行的经济性。
发明内容
技术问题:本发明提供一种计及储能动态损耗的交直流混合微网鲁棒调度方法,该方法考虑到充放电速率C和荷电状态SOC对储能运行的影响,在交直流混合微网的鲁棒优化调度中计及储能的动态损耗特性,为制定交直流混合微网的运行方式提供指导和帮助,实现储能的运行效益的最大化,并提高整个微网运行的经济性。
技术方案:本发明的计及储能动态损耗的交直流混合微网鲁棒调度方法,包括以下步骤:
步骤10)获取储能测试参数,构造双线性的储能动态损耗模型;
步骤20)对步骤10)构造的储能动态损耗模型开展线性化处理;
步骤30)获取各设备的运行成本系数和运行限值,建立交直流混合微网的鲁棒优化调度模型;
步骤40)利用嵌套式列约束生成算法求解所述交直流混合微网的鲁棒优化调度模型形成的优化问题,获得交直流混合微网的鲁棒协调运行计划。
进一步的,本发明方法中,所述步骤10)中,储能测试参数包括储能额定容量、投资成本、充放电速率及其对应的全寿命循环次数、荷电状态及其对应的权重系数;
构造双线性的储能动态损耗模型的具体流程为:
步骤101)将所采集的储能测试参数代入下式中建立储能损耗成本的曲面函数f(C,SOC):
QES(C)=2NES(C)EESC;F(C,SOC)=IESWES(SOC)/QES(C)/WES(1) (38)
式中,EES为储能额定容量,C为储能充放电速率,NES(C)为储能从EES按C速率放电及充电1h获取的全寿命循环次数,QES(C)为计算得到的该C速率下储能的全寿命总充放电电量;IES为储能的投资成本,SOC为储能的荷电状态,WES(SOC)为某一个SOC下储能损耗的权重系数,WES(1)为SOC=1时储能损耗的权重系数,F(C,SOC)为储能在某一SOC下以C速率放电或充电1kWh的损耗成本;Δt为调度时段间隔,f(C,SOC)为储能在某一SOC下以C速率放电或充电Δt时间的总损耗成本;
步骤102)将储能在某一SOC下以C速率放电或充电Δt时间的总损耗成本f(C,SOC)对应的曲面依据储能充放电速率C及储能的荷电状态SOC划分为Nk个小曲面,每个小曲面用一个平面方程近似表示,第k个平面的方程式fk(x,y)为:
fk(x,y)=akx+bky+ck (40)
式中,ak、bk和ck分别为该平面方程式的系数,x表示C,y表示SOC;
第k个平面在坐标轴平面(x,y)上的投影对应三条边界线方程为:
式中,和分别为边界线方程的系数;
步骤103)将t时段的点(Ct,SOCt)代入平面方程式(3)并将所有时段所有小曲面的值累加得到式(5);将t时段的点(Ct,SOCt)代入边界线方程式(4)得到式(7)和式(8),式(5)、式(7)、式(8)作为点(Ct,SOCt)在平面内的约束条件;构造如式(5)-(8)所示的双线性储能动态损耗模型:
式(5)为储能损耗成本,为储能损耗成本,Nt为一个调度周期的总时段数,zkt用于表示点(Ct,SOCt)是否落入第k个曲面在(x,y)上的投影范围内,若点(Ct,SOCt)满足式(7)约束表明点(Ct,SOCt)落入第k个曲面在(x,y)上的投影范围内,zkt取值为1,若点(Ct,SOCt)不满足式(7)约束zkt取值为0;式(6)表示储能SOC和C速率约束,和为储能在t时段的充电和放电功率,ηC和ηD为储能的充放电效率;式(7)-(8)分别表示点(Ct,SOCt)在上三角平面或下三角平面内的约束,并且t时段点(Ct,SOCt)有且仅在一个平面内。
进一步的,本发明方法中,步骤20)的具体流程为:用附加变量表示步骤103)中构造的双线性储能动态损耗模型包含的双线性项和
式中,和分别为t时段储能充电和放电的附加变量;和分别为t-1时段储能充电和放电的附加变量;和分别为1时段储能充电和放电的附加变量;和为储能在t-1时段的充电和放电功率;和为储能在1时段的充电和放电功率;将式(9)代入双线性储能动态损耗模型的式(5)和式(6)中,利用大M法将模型转化为:
式中,M为一个取值较大的常数,和分别表示zktSOCt和zktCt;此时双线性储能动态损耗模型转化为混合整数线性形式的储能动态损耗模型。
进一步的,本发明方法中,步骤30)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,将所述运行成本系数和运行限值代入式(11)-(29)建立交直流混合微网的鲁棒优化调度模型:
式(11)为该鲁棒优化调度模型的目标函数,式中的相关项根据下式计算得到:
式中,和分别为柴油发电机的启动、关停和燃料成本;和分别为柴油发电机的启动、关停和燃料成本系数;和分别为柴油发电机、双向换流器、风机和光伏的运行维护成本;和分别为柴油发电机、储能、双向换流器、风机和光伏的运行维护成本系数;为负荷切除停电惩罚成本;为负荷切除停电惩罚成本系数;储能损耗成本为式(10)所示;IDE,t为t时段柴油发电机的启动标志位,1表示柴油发电机在t时段被启动,0表示未被启动;MDE,t为t时段柴油发电机的关停标志位,1表示柴油发电机在t时段被关停,0表示未被关停;UDE,t表示t时段柴油发电机的运行状态,取值为1时表示柴油发电机在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;为柴油发电机的额定功率;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,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;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;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;和分别表示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;
式(11)中的不确定性集如下式所示:
式中,对于风机出力不确定性集W,wt、分别是t时段风机最大可输出功率的实际值、预测标称值、预测上偏差值和预测下偏差值;Πw为风机出力不确定性的时段预算参数;和分别为风机出力不确定性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;P、Ldc和Lac分别为光伏出力的不确定性集、直流负荷的不确定性集和交流负荷的不确定性集;pt、分别是t时段光伏最大可输出功率的实际值、预测标称值、预测上偏差值和预测下偏差值;Πp为光伏出力不确定性的时段预算参数;和分别为光伏出力不确定性的上偏差引入参数和下偏差引入参数;ldc,t、分别是t时段直流负荷最大功率的实际值、预测标称值、预测上偏差值和预测下偏差值;Πl,dc为直流负荷不确定性的时段预算参数;和分别为直流负荷不确定性的上偏差引入参数和下偏差引入参数;lac,t、分别是t时段交流负荷最大功率的实际值、预测标称值、预测上偏差值和预测下偏差值;Πl,ac为交流负荷不确定性的时段预算参数;和分别为交流负荷不确定性的上偏差引入参数和下偏差引入参数;
0≤PWT,t≤wt,0≤PPV,t≤pt (56)
IDE,t+MDE,t≤1,IDE,t-MDE,t=UDE,t-UDE,t-1 (x59)
式(19)为风机和光伏的发电功率约束;式(20)-(22)为柴油发电机的最小持续开机时间、最小持续关机时间和最大持续开机时间约束,和分别为柴油发电机的最小持续开机时段数限值、最小持续关机时段数限值和最大持续开机时段数限值;式(23)为柴油发电机运行功率上下限及爬坡速度约束,和为柴油发电机开机状态下运行功率的上限值和下限值,和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(24)为储能最大充放电功率和储能荷电状态约束,和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;式(25)-(26)为双向换流器的换流功率及功率波动约束,和表示正向换流和负向换流的运行功率限值,和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(27)为各时段交直流被切除负荷运行功率约束,和是t时段交流和直流最大的可切除负荷功率限值;式(28)-(29)为直流区和交流区的功率平衡约束,和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(11)-(29)表示的鲁棒优化调度模型写成以下矩阵表示形式:
s.t.Ax≤b,x∈{0,1} (68)
Cy+Dz≤f-Ex-Fu,z∈{0,1} (69)
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(31)表示仅与x相关的约束条件,式(32)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)从步骤401)矩阵表示的鲁棒优化调度模型中分离出该模型的优化问题的max-min子问题:
式中,x*为主问题中x的优化结果,作为已知变量代入max-min子问题式(33),将式(33)拓展为如式(34)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:
式(34)分解后对应的内层子问题为:
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(34)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:
式中,θ为与内层子问题的目标函数相关的变量;π为式(32)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403)基于步骤401)中矩阵表示形式的模型和步骤402)的子问题,将子问题的第r次优化结果(ur,yr,zr)代入如下所示的鲁棒优化调度模型的主问题:
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404)利用整数优化建模工具箱YALMIP调用求解器SCIP迭代求解步骤402)的子问题和步骤403)的主问题,获得交直流混合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:
储能损耗成本是储能运行费用的主要组成部分,决定着调度过程中储能的运行状态和经济效益。在交直流混合微网中储能需要与多个区域进行协调调度,储能的运行调度作用更加突出。已有研究利用权重因子考虑SOC对储能损耗的影响,或基于DOD和循环充放电次数构造储能损耗模型来描述C的影响,但尚未考虑二者对储能损耗的综合影响,因此导致储能运行的不合理及储能损耗成本计算的不准确。本方法在交直流混合微网的优化调度中综合考虑C及SOC对储能损耗的动态影响,同时计及循环充放电次数和不同SOC对储能损耗的影响权重,更加准确地反映了储能的动态损耗过程,可为储能制定更加合理的鲁棒运行计划,最大化储能的运行效益,并提高整个微网运行的经济性。
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混合微网的拓扑结构图;
图3(a)为本发明实施例中储能的充放电速率及其对应全寿命循环次数测试参数;
图3(b)为本发明实施例中储能的荷电状态及其对应权重系数测试参数;
图4为本发明实施例中典型日的风光出力及交直流负荷的功率预测标称值;
图5(a)为本发明实施例中风机、光伏、交流负荷及直流负荷的鲁棒优化调度结果;
图5(b)为本发明实施例中柴油发电机、储能和双向换流器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,交直流混合微网的拓扑结构如图2所示,包括以下步骤:
步骤10)获取储能测试参数,构造双线性形式的储能动态损耗模型;
步骤20)对步骤10)构造的储能动态损耗模型开展线性化处理;
步骤30)获取各设备的运行成本系数和运行限值,建立交直流混合微网的鲁棒优化调度模型;
步骤40)求解鲁棒优化调度问题:利用嵌套式列约束生成算法求解鲁棒优化问题,获得交直流混合微网的鲁棒协调运行方式。
作为本发明优选实施例,所述步骤10)中,储能测试参数包括储能额定容量、投资成本、充放电速率及其对应的全寿命循环次数、荷电状态及其对应的权重系数。将所获取的储能测试参数代入一下步骤构造双线性形式的储能动态损耗模型:
步骤101)将所采集的储能测试参数代入下式中建立储能损耗成本的曲面函数f(C,SOC):
QES(C)=2NES(C)EESC;F(C,SOC)=IESWES(SOC)/QES(C)/WES(1)(75)
式中,EES为储能额定容量,C为储能充放电速率,NES(C)为储能从EES按C速率放电及充电1h获取的全寿命循环次数,QES(C)为计算得到的该C速率下储能的全寿命总充放电电量;IES为储能的投资成本,SOC为储能的荷电状态,WES(SOC)为某一个SOC下储能损耗的权重系数,WES(1)为SOC=1时储能损耗的权重系数,F(C,SOC)为储能在某一SOC下以C速率放电或充电1kWh的损耗成本;Δt为调度时段间隔,f(C,SOC)为储能在某一SOC下以C速率放电或充电Δt时间的总损耗成本。
步骤102)将储能在某一SOC下以C速率放电或充电Δt时间的总损耗成本f(C,SOC)对应的曲面依据储能充放电速率C及储能的荷电状态SOC划分为Nk个小曲面,每个小曲面用一个平面方程近似表示,第k个平面的方程式fk(x,y)为:
fk(x,y)=akx+bky+ck (77)
式中,ak、bk和ck分别为该平面方程式的系数,x轴为C,y轴为SOC;
第k个平面在坐标轴平面(x,y)上的投影对应三条边界线方程为:
式中,和分别为边界线方程的系数。
步骤103)将t时段的点(Ct,SOCt)代入平面方程构造双线性储能动态损耗模型:
式(5)为储能损耗成本,为储能损耗成本,Nt为一个调度周期的总时段数,zkt用于表示点(Ct,SOCt)是否落入第k个曲面在(x,y)上的投影范围内;式(6)表示储能SOC和C速率约束,和为储能在t时段的充电和放电功率,ηC和ηD为储能的充放电效率;式(7)-(8)分别表示点(Ct,SOCt)在上三角平面或下三角平面内的约束,并且t时段点(Ct,SOCt)有且仅在一个平面内。
作为本发明优选实施例,所述步骤20)中,对步骤10)中储能动态损耗模型的线性化处理方法为:由于步骤103)的储能动态损耗模型包含了和的双线性项,考虑到zkt为二元变量,引入附加变量表示双线性项:
式中,和分别为t时段储能充电和放电的附加变量;和分别为t-1时段储能充电和放电的附加变量;和分别为1时段储能充电和放电的附加变量;和为储能在t-1时段的充电和放电功率;和为储能在1时段的充电和放电功率;将附加变量代入步骤103)的模型中,即将式(9)代入双线性储能动态损耗模型的式(5)和式(6)中,利用大M法将模型转化为:
式中,M为一个取值较大的常数,和分别表示zktSOCt和zktCt;此时双线性储能动态损耗模型转化为混合整数线性形式的储能动态损耗模型。
作为优选方案,所述步骤30)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,将成本系数和运行限值代入式(11)-(29)建立交直流混合微网的鲁棒优化调度模型:
式(11)为该鲁棒优化调度模型的目标函数,式中的相关项根据下式计算得到:
式中,和分别为柴油发电机的启动、关停和燃料成本;和分别为柴油发电机的启动、关停和燃料成本系数;和分别为柴油发电机、双向换流器、风机和光伏的运行维护成本;和分别为柴油发电机、储能、双向换流器、风机和光伏的运行维护成本系数;为负荷切除停电惩罚成本;为负荷切除停电惩罚成本系数;储能损耗成本为式(10)所示;IDE,t为t时段柴油发电机的启动标志位,1表示柴油发电机在t时段被启动,0表示未被启动;MDE,t为t时段柴油发电机的关停标志位,1表示柴油发电机在t时段被关停,0表示未被关停;UDE,t表示t时段柴油发电机的运行状态,取值为1时表示柴油发电机在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;为柴油发电机的额定功率;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,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;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;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;和分别表示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。
式(11)中的不确定性集如下式所示:
式中,对于风机出力不确定性集W,wt、分别是t时段风机最大可输出功率的实际值、预测标称值、预测上偏差值和预测下偏差值;Πw为风机出力不确定性的时段预算参数;和分别为风机出力不确定性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;P、Ldc和Lac分别为光伏出力的不确定性集、直流负荷的不确定性集和交流负荷的不确定性集;pt、分别是t时段光伏最大可输出功率的实际值、预测标称值、预测上偏差值和预测下偏差值;Πp为光伏出力不确定性的时段预算参数;和分别为光伏出力不确定性的上偏差引入参数和下偏差引入参数;ldc,t、分别是t时段直流负荷最大功率的实际值、预测标称值、预测上偏差值和预测下偏差值;Πl,dc为直流负荷不确定性的时段预算参数;和分别为直流负荷不确定性的上偏差引入参数和下偏差引入参数;lac,t、分别是t时段交流负荷最大功率的实际值、预测标称值、预测上偏差值和预测下偏差值;Πl,ac为交流负荷不确定性的时段预算参数;和分别为交流负荷不确定性的上偏差引入参数和下偏差引入参数。
0≤PWT,t≤wt,0≤PPV,t≤pt (93)
IDE,t+MDE,t≤1,IDE,t-MDE,t=UDE,t-UDE,t-1 (96)
式(19)为风机和光伏的发电功率约束;式(20)-(22)为柴油发电机的最小持续开机时间、最小持续关机时间和最大持续开机时间约束,和分别为柴油发电机的最小持续开机时段数限值、最小持续关机时段数限值和最大持续开机时段数限值;式(23)为柴油发电机运行功率上下限及爬坡速度约束,和为柴油发电机开机状态下运行功率的上限值和下限值,和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(24)为储能最大充放电功率和储能荷电状态约束,和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;式(25)-(26)为双向换流器的换流功率及功率波动约束,和表示正向换流和负向换流的运行功率限值,和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(27)为各时段交直流被切除负荷运行功率约束,和是t时段交流和直流最大的可切除负荷功率限值;式(28)-(29)为直流区和交流区的功率平衡约束,和为双向换流器的正向和负向换流效率限值。
作为本发明的优选实施例,所述步骤40)的具体内容包括:
步骤401)将式(11)-(29)表示的鲁棒优化调度模型写成以下矩阵表示形式:
s.t.Ax≤b,x∈{0,1} (105)
Cy+Dz≤f-Ex-Fu,z∈{0,1} (106)
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(31)表示仅与x相关的约束条件,式(32)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,该鲁棒优化问题的子问题为max-min双层优化问题:
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(33)拓展为如式(34)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。
式(34)分解后对应的内层子问题为:
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(34)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:
式中,θ为与内层子问题的目标函数相关的变量;π为式(32)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403)基于步骤401)中矩阵表示形式的模型和步骤402)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:
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404)利用整数优化建模工具箱YALMIP调用求解器SCIP迭代求解步骤402)的子问题和步骤403)的主问题,获得交直流混合微网的鲁棒协调运行计划。
本发明实施例的方法,针对交直流混合微网,为了反映充放电速率C和荷电状态SOC对储能运行的影响,提出一种可准确计算储能损耗成本的动态损耗模型,并利用曲面线性化和大M法实现了模型的线性处理。将该储能动态损耗模型代入调度模型后该鲁棒模型第三层中存在二元变量,利用嵌套式列约束生成算法快速求解能够获得最恶劣场景下的最小运行费用及微网运行计划。
下面例举一具体实施例。
某独立型交直流混合微网结构如图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;储能测试参数如图3(a)和图3(b)所示。
表1微网相关参数
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4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%,各时段交直流区最大可切除负荷功率为交直流负荷功率预测标称值的0.1倍。
鲁棒优化调度结果如图5(a)和图5(b)所示。由图5(a)可知风光不确定性参数往往在预测出力较大的时段取偏差较大的区间的下限值,此时风光资源减少较多,需增加柴油发电机发电,微网的运行费用越大;而交直流负荷在风光供电不足且负荷预测标称值较大的时段取上限值,此时增加的负荷需由柴油发电机供电,运行费用大大增大。由图5(b)可知,柴油发电机在16-39和63-71时段处于开机运行状态,此时风光出力较小无法满足负荷需求;储能将夜间多余风电转移到白天,减少柴油发电机的发电量,对于较小的功率盈余或功率缺额通过弃风弃光、负荷转移及柴油发电机来调整,以避免浅充浅放给储能造成的巨大损耗;双向换流器在晚上进行正向换流,而白天进行负向换流。嵌套式列约束生成算法共迭代6次,优化目标值为641.97¥,其中储能损耗成本为170.25¥。
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 (5)
1.一种计及储能动态损耗的交直流混合微网鲁棒调度方法,其特征在于,该方法包括以下步骤:
步骤10)获取储能测试参数,构造双线性的储能动态损耗模型;
步骤20)对步骤10)构造的储能动态损耗模型开展线性化处理;
步骤30)获取各设备的运行成本系数和运行限值,建立交直流混合微网的鲁棒优化调度模型;
步骤40)利用嵌套式列约束生成算法求解所述交直流混合微网的鲁棒优化调度模型形成的优化问题,获得交直流混合微网的鲁棒协调运行计划。
2.根据权利要求1所述的计及储能动态损耗的交直流混合微网鲁棒调度方法,其特征在于,所述步骤10)中,储能测试参数包括储能额定容量、投资成本、充放电速率及其对应的全寿命循环次数、荷电状态及其对应的权重系数;
构造双线性的储能动态损耗模型的具体流程为:
步骤101)将所采集的储能测试参数代入下式中建立储能损耗成本的曲面函数f(C,SOC):
QES(C)=2NES(C)EESC;F(C,SOC)=IESWES(SOC)/QES(C)/WES(1) (1)
式中,EES为储能额定容量,C为储能充放电速率,NES(C)为储能从EES按C速率放电及充电1h获取的全寿命循环次数,QES(C)为计算得到的该C速率下储能的全寿命总充放电电量;IES为储能的投资成本,SOC为储能的荷电状态,WES(SOC)为某一个SOC下储能损耗的权重系数,WES(1)为SOC=1时储能损耗的权重系数,F(C,SOC)为储能在某一SOC下以C速率放电或充电1kWh的损耗成本;Δt为调度时段间隔,f(C,SOC)为储能在某一SOC下以C速率放电或充电Δt时间的总损耗成本;
步骤102)将储能在某一SOC下以C速率放电或充电Δt时间的总损耗成本f(C,SOC)对应的曲面依据储能充放电速率C及储能的荷电状态SOC划分为Nk个小曲面,每个小曲面用一个平面方程近似表示,第k个平面的方程式fk(x,y)为:
fk(x,y)=akx+bky+ck (3)
式中,ak、bk和ck分别为该平面方程式的系数,x表示C,y表示SOC;
第k个平面在坐标轴平面(x,y)上的投影对应三条边界线方程为:
式中,和分别为边界线方程的系数;
步骤103)将t时段的点(Ct,SOCt)代入平面方程式(3)并将所有时段所有小曲面的值累加得到式(5);将t时段的点(Ct,SOCt)代入边界线方程式(4)得到式(7)和式(8),式(5)、式(7)、式(8)作为点(Ct,SOCt)在平面内的约束条件;构造如式(5)-(8)所示的双线性储能动态损耗模型:
式(5)为储能损耗成本,为储能损耗成本,Nt为一个调度周期的总时段数,zkt用于表示点(Ct,SOCt)是否落入第k个曲面在(x,y)上的投影范围内,若点(Ct,SOCt)满足式(7)约束表明点(Ct,SOCt)落入第k个曲面在(x,y)上的投影范围内,zkt取值为1,若点(Ct,SOCt)不满足式(7)约束zkt取值为0;式(6)表示储能SOC和C速率约束,和为储能在t时段的充电和放电功率,ηC和ηD为储能的充放电效率;式(7)-(8)分别表示点(Ct,SOCt)在上三角平面或下三角平面内的约束,并且t时段点(Ct,SOCt)有且仅在一个平面内。
3.根据权利要求2所述的计及储能动态损耗的交直流混合微网鲁棒调度方法,其特征在于,所述步骤20)的具体流程为:用附加变量表示步骤103)中构造的双线性储能动态损耗模型包含的双线性项和
式中,和分别为t时段储能充电和放电的附加变量;和分别为t-1时段储能充电和放电的附加变量;和分别为1时段储能充电和放电的附加变量;和为储能在t-1时段的充电和放电功率;和为储能在1时段的充电和放电功率;将式(9)代入双线性储能动态损耗模型的式(5)和式(6)中,利用大M法将模型转化为:
式中,M为一个取值较大的常数,和分别表示zktSOCt和zktCt;此时双线性储能动态损耗模型转化为混合整数线性形式的储能动态损耗模型。
4.根据权利要求3所述的计及储能动态损耗的交直流混合微网鲁棒调度方法,其特征在于,所述步骤30)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,将所述运行成本系数和运行限值代入式(11)-(29)建立交直流混合微网的鲁棒优化调度模型:
式(11)为该鲁棒优化调度模型的目标函数,式中的相关项根据下式计算得到:
式中,和分别为柴油发电机的启动、关停和燃料成本;和分别为柴油发电机的启动、关停和燃料成本系数;和分别为柴油发电机、双向换流器、风机和光伏的运行维护成本;和分别为柴油发电机、储能、双向换流器、风机和光伏的运行维护成本系数;为负荷切除停电惩罚成本;为负荷切除停电惩罚成本系数;储能损耗成本为式(10)所示;IDE,t为t时段柴油发电机的启动标志位,1表示柴油发电机在t时段被启动,0表示未被启动;MDE,t为t时段柴油发电机的关停标志位,1表示柴油发电机在t时段被关停,0表示未被关停;UDE,t表示t时段柴油发电机的运行状态,取值为1时表示柴油发电机在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;为柴油发电机的额定功率;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,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;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;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;和分别表示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;
式(11)中的不确定性集如下式所示:
式中,对于风机出力不确定性集W,wt、分别是t时段风机最大可输出功率的实际值、预测标称值、预测上偏差值和预测下偏差值;Πw为风机出力不确定性的时段预算参数;和分别为风机出力不确定性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;P、Ldc和Lac分别为光伏出力的不确定性集、直流负荷的不确定性集和交流负荷的不确定性集;pt、分别是t时段光伏最大可输出功率的实际值、预测标称值、预测上偏差值和预测下偏差值;Πp为光伏出力不确定性的时段预算参数;和分别为光伏出力不确定性的上偏差引入参数和下偏差引入参数;ldc,t、分别是t时段直流负荷最大功率的实际值、预测标称值、预测上偏差值和预测下偏差值;Πl,dc为直流负荷不确定性的时段预算参数;和分别为直流负荷不确定性的上偏差引入参数和下偏差引入参数;lac,t、分别是t时段交流负荷最大功率的实际值、预测标称值、预测上偏差值和预测下偏差值;Πl,ac为交流负荷不确定性的时段预算参数;和分别为交流负荷不确定性的上偏差引入参数和下偏差引入参数;
0≤PWT,t≤wt,0≤PPV,t≤pt (19)
IDE,t+MDE,t≤1,IDE,t-MDE,t=UDE,t-UDE,t-1 (22)
式(19)为风机和光伏的发电功率约束;式(20)-(22)为柴油发电机的最小持续开机时间、最小持续关机时间和最大持续开机时间约束,和分别为柴油发电机的最小持续开机时段数限值、最小持续关机时段数限值和最大持续开机时段数限值;式(23)为柴油发电机运行功率上下限及爬坡速度约束,和为柴油发电机开机状态下运行功率的上限值和下限值,和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(24)为储能最大充放电功率和储能荷电状态约束,和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;式(25)-(26)为双向换流器的换流功率及功率波动约束,和表示正向换流和负向换流的运行功率限值,和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(27)为各时段交直流被切除负荷运行功率约束,和是t时段交流和直流最大的可切除负荷功率限值;式(28)-(29)为直流区和交流区的功率平衡约束,和为双向换流器的正向和负向换流效率限值。
5.根据权利要求4所述的计及储能动态损耗的交直流混合微网鲁棒调度方法,其特征在于,所述步骤40)的具体内容包括:
步骤401)将式(11)-(29)表示的鲁棒优化调度模型写成以下矩阵表示形式:
s.t.Ax≤b,x∈{0,1} (31)
Cy+Dz≤f-Ex-Fu,z∈{0,1} (32)
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(31)表示仅与x相关的约束条件,式(32)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)从步骤401)矩阵表示的鲁棒优化调度模型中分离出该模型的优化问题的max-min子问题:
式中,x*为主问题中x的优化结果,作为已知变量代入max-min子问题式(33),将式(33)拓展为如式(34)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:
式(34)分解后对应的内层子问题为:
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(34)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:
式中,θ为与内层子问题的目标函数相关的变量;π为式(32)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403)基于步骤401)中矩阵表示形式的模型和步骤402)的子问题,将子问题的第r次优化结果(ur,yr,zr)代入如下所示的鲁棒优化调度模型的主问题:
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404)利用整数优化建模工具箱YALMIP调用求解器SCIP迭代求解步骤402)的子问题和步骤403)的主问题,获得交直流混合微网的鲁棒协调运行计划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810294782.2A CN108629445B (zh) | 2018-03-30 | 2018-03-30 | 计及储能动态损耗的交直流混合微网鲁棒调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810294782.2A CN108629445B (zh) | 2018-03-30 | 2018-03-30 | 计及储能动态损耗的交直流混合微网鲁棒调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108629445A true CN108629445A (zh) | 2018-10-09 |
CN108629445B CN108629445B (zh) | 2020-08-11 |
Family
ID=63704834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810294782.2A Expired - Fee Related CN108629445B (zh) | 2018-03-30 | 2018-03-30 | 计及储能动态损耗的交直流混合微网鲁棒调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108629445B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111245027A (zh) * | 2020-03-11 | 2020-06-05 | 国网天津市电力公司 | 一种计及pet损耗的交直流混合系统优化调度方法 |
CN111682528A (zh) * | 2020-06-03 | 2020-09-18 | 国网上海市电力公司 | 计及容量衰减的新能源发电的储能寿命损耗的评估方法 |
CN115102170A (zh) * | 2022-08-25 | 2022-09-23 | 华能山西综合能源有限责任公司 | 一种风电光伏储能配比的协调优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140052301A1 (en) * | 2012-08-16 | 2014-02-20 | Arvind Raghunathan | Method for Globally Optimizing Power Flows in Electric Networks |
CN103904695A (zh) * | 2014-02-27 | 2014-07-02 | 浙江大学 | 一种基于mcs-pso的临近海岛多微网动态调度方法 |
CN106505634A (zh) * | 2016-12-14 | 2017-03-15 | 东南大学 | 基于两阶段协调优化与控制的冷热电联供型微网运行方法 |
CN107092975A (zh) * | 2017-03-08 | 2017-08-25 | 国网浙江省电力公司电力科学研究院 | 一种基于储能损耗积分的交直流混合微网经济优化方法 |
-
2018
- 2018-03-30 CN CN201810294782.2A patent/CN108629445B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140052301A1 (en) * | 2012-08-16 | 2014-02-20 | Arvind Raghunathan | Method for Globally Optimizing Power Flows in Electric Networks |
CN103904695A (zh) * | 2014-02-27 | 2014-07-02 | 浙江大学 | 一种基于mcs-pso的临近海岛多微网动态调度方法 |
CN106505634A (zh) * | 2016-12-14 | 2017-03-15 | 东南大学 | 基于两阶段协调优化与控制的冷热电联供型微网运行方法 |
CN107092975A (zh) * | 2017-03-08 | 2017-08-25 | 国网浙江省电力公司电力科学研究院 | 一种基于储能损耗积分的交直流混合微网经济优化方法 |
Non-Patent Citations (1)
Title |
---|
邱海峰等: "《计及储能损耗和换流成本的交直流混合微网区域协调调度》", 《电力系统自动化》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111245027A (zh) * | 2020-03-11 | 2020-06-05 | 国网天津市电力公司 | 一种计及pet损耗的交直流混合系统优化调度方法 |
CN111245027B (zh) * | 2020-03-11 | 2023-10-13 | 国网天津市电力公司 | 一种计及pet损耗的交直流混合系统优化调度方法 |
CN111682528A (zh) * | 2020-06-03 | 2020-09-18 | 国网上海市电力公司 | 计及容量衰减的新能源发电的储能寿命损耗的评估方法 |
CN115102170A (zh) * | 2022-08-25 | 2022-09-23 | 华能山西综合能源有限责任公司 | 一种风电光伏储能配比的协调优化方法 |
CN115102170B (zh) * | 2022-08-25 | 2022-11-11 | 华能山西综合能源有限责任公司 | 一种风电光伏储能配比的协调优化方法 |
WO2024041591A1 (zh) * | 2022-08-25 | 2024-02-29 | 华能山西综合能源有限责任公司 | 一种风电光伏储能配比的协调优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108629445B (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107887903B (zh) | 考虑元件频率特性的微电网鲁棒优化调度方法 | |
CN108258695A (zh) | 一种交直流混联微网的随机鲁棒耦合型优化调度方法 | |
CN104362677B (zh) | 一种主动配电网优化配置结构及其配置方法 | |
CN105305419B (zh) | 一种含有压缩空气储能的独立微网容量优化配置方法 | |
CN105071389B (zh) | 计及源网荷互动的交直流混合微电网优化运行方法及装置 | |
CN105207259B (zh) | 基于能量管理的并网状态下的微电网系统调度方法 | |
CN106230020B (zh) | 一种微电网下考虑分布式电源消纳的电动汽车互动响应控制方法 | |
CN107239847A (zh) | 一种主动配电网储能系统动态规划方法 | |
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 | |
CN109742779B (zh) | 一种分布式储能调度方法和装置 | |
CN108388964A (zh) | 一种多微网系统的双层协调鲁棒优化调度方法 | |
CN108539793A (zh) | 一种海岛微电网综合优化配置方法及装置 | |
CN108448619A (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 | |
CN108233430B (zh) | 一种计及系统能源波动性的交直流混合微网优化方法 | |
CN105139147A (zh) | 微电网系统的经济调度方法 | |
CN108629449A (zh) | 一种用于交直流混合微网的分布鲁棒式优化调度方法 | |
CN105811409A (zh) | 一种含电动汽车混合储能系统的微网多目标运行调度方法 | |
CN105868844A (zh) | 一种含电动汽车混合储能系统的微网多目标运行调度方法 | |
CN108108846A (zh) | 一种交直流混合微网鲁棒优化协调调度方法 | |
CN108448632A (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 | |
CN112347694A (zh) | 含洋流-海上风电-潮汐流发电的海岛微网电源规划方法 | |
CN109103929A (zh) | 基于改进动态克里丝金模型的配电网经济优化调度方法 | |
CN108629445A (zh) | 计及储能动态损耗的交直流混合微网鲁棒调度方法 | |
CN109347152A (zh) | 考虑多类型电源参与调峰的随机生产模拟方法及应用 | |
CN103577891A (zh) | 一种含分布式电源的多孤岛微网优化合作运行方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200811 |