CN109034587A - 一种协调多种可控单元的主动配电系统优化调度方法 - Google Patents
一种协调多种可控单元的主动配电系统优化调度方法 Download PDFInfo
- Publication number
- CN109034587A CN109034587A CN201810788297.0A CN201810788297A CN109034587A CN 109034587 A CN109034587 A CN 109034587A CN 201810788297 A CN201810788297 A CN 201810788297A CN 109034587 A CN109034587 A CN 109034587A
- Authority
- CN
- China
- Prior art keywords
- formula
- distribution system
- scheduling
- power
- energy
- 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
- 238000009826 distribution Methods 0.000 title claims abstract description 81
- 238000005457 optimization Methods 0.000 title claims abstract description 43
- 238000010248 power generation Methods 0.000 claims abstract description 22
- 239000013598 vector Substances 0.000 claims description 52
- 239000000243 solution Substances 0.000 claims description 41
- 238000004146 energy storage Methods 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 25
- 230000009467 reduction Effects 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 17
- 239000012141 concentrate Substances 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 16
- 230000035772 mutation Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 239000005367 kimax Substances 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 238000013507 mapping Methods 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
- 238000013461 design Methods 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000001737 promoting effect Effects 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims 1
- 230000005611 electricity Effects 0.000 abstract description 10
- 230000029087 digestion Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 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
- G06Q10/06—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Educational Administration (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种协调多种可控单元的主动配电系统优化调度方法，充分利用可再生能源发电的功率调节能力，在保证系统安全运行的前提下提高了配电系统对清洁可再生能源发电的消纳能力，节省了无功补偿设备的投入；与现有普遍以经济性为目标的主动配电系统优化调度模型相比，以清洁可再生能源高效利用为优化目标代替系统运行经济性目标，并加入了电压质量提升目标，建立了多目标的优化调度模型。
Description
技术领域
本发明属于配系统的运行控制方法技术领域，具体涉及一种协调多种可控单元的主动配电系统优化调度方法。
背景技术
随着环境污染与化石能源危机愈发突出，近年来我国由北向南陆续爆发了严重的雾霾天气，一时间“雾霾笼罩”、“PM2.5”等话题引发了全社会的广泛讨论与关注。在电力领域，推动清洁可再生能源发电迅速发展并加强其利用效率成为了解决我国日益凸显的能源需求增长与能源紧缺、环境保护之间矛盾的必然选择。
配电网是电力系统向用户供电的重要网络，近年来，清洁可再生能源发电分布式接入配电网的运行方式已被实践证明可行，随着分布式能源(distributed energyresources，DERs)更加广泛的接入配电网，使得配电网必须朝着兼容大量可再生分布式发电(distributed generation，DG)的方向发展。然而，由于分布式能源在配电网中接入容量的持续增加、柔性可控负荷(controllable load，CL)的不断增多，传统配电网的调度方式落后、网络架构薄弱、自动化程度低等问题极大地限制了分布式能源的大规模并网，难以满足用户对于电能质量及供电可靠性的要求。因此，“主动配电网”的概念应运而生，2012年国际大电网会议又将“主动配电网”扩充为“主动配电系统”，认为配电网将演变为充分利用分布式发电、储能与可控负荷等进行主动控制的，具有运行调节能力的有机系统。
主动配电系统相较于传统配电网而言，能主动控制接入系统中的各类分布式资源及可控负荷，使系统内资源主动参与运行调节，实现对配电区域内有功和无功功率的主动管理以及用户的主动响应，达到配电系统优化运行、清洁可再生能源能源高效利用和充分消纳的目标，降低分布式发电单元大量并网造成的冲击。因此，充分利用能量管理系统，协调系统中各类可控单元进行合理调度成为主动配电系统的技术关键。而由于风电(windturbines，WT)与光伏(photovoltaic，PV)等清洁可再生能源发电的不确定性、储能系统(energy storage system，ESS)因自身能量限制引发的时间尺度上的耦合性以及柔性可控负荷在极端情况下可削减的特性等因素，主动配电系统协调各类可控单元的优化调度更加复杂，仅仅基于最优潮流的优化调度模型及求解算法已不适用。故探索主动配电系统的优化调度策略、协调控制系统中各类可控单元优化运行，对于解决分布式能源并网对系统电能质量的影响及实现清洁可再生能源发电的高效利用具有重要价值。
目前，主动配电系统优化调度的研究成果丰富，为本领域的技术发展奠定了充实基础，但仍有不足。首先，优化模型大多考虑运行成本等经济性因素，未能体现主动配电系统促进清洁可再生能源高效消纳的核心目标。其次，针对优化调度模型中多个优化目标的处理，大多采用直接加权重系数或专家打分法求解权重的方法将其转化为单目标，但这种方法不能体现不同目标的属性特征，难以获取根据实际情况的最优调度策略。再次，目前的研究大多将风电、光伏等可再生能源发电视为不可控单元，忽略了其自身的功率调节能力对配电系统运行控制的影响，未能充分利用全部可调度资源。因此针对主动配电系统核心目标建模，充分利用系统内全部的可控单元协调优化，考虑多个目标的特性进行联合求解具有重要意义。
发明内容
本发明的目的在于提供一种协调多种可控单元的主动配电系统优化调度方法，在充分利用可再生分布式发电单元自身功率调节能力的条件下，能够实现清洁可再生能源的安全并网和高效利用。
本发明的技术方案为，一种协调多种可控单元的主动配电系统优化调度方法，主要包括建立主动配电系统协调优化调度模型并利用多目标头脑风暴优化算法求解，具体按照以下步骤实施：
步骤1、设计电压质量提升目标函数、追求可再生能源高效利用的目标函数，构建主动配电系统协调优化调度模型；
步骤2、初始化电网及算法参数；
步骤3、根据初始化个体公式生成N个满足约束条件的随机分布个体，每个个体即表示为一个调度向量，结合潮流计算结果、电压质量提升目标函数、追求可再生能源高效利用的目标函数，分别计算每个调度向量的目标函数值，评估筛选出调度向量中的非支配解，并存入归档集中；
步骤4、利用K均值聚类算法将N个调度向量在目标函数空间划分为k类，其中包含非支配解的类为精英类，没有非支配解的类为普通类，并由调度向量与目标函数值之间的映射关系得到精英解集和普通解集；
步骤5、根据概率选择和变异操作将生成N个新调度向量；
步骤6、更新归档集；
步骤7、进行迭代搜索寻优，当达到设置好的收敛精度或最大迭代次数时，输出相应的归档集，即Pareto解集；
步骤8、采用模糊隶属度函数式分别评估计算Pareto解集中每个调度向量的整体满意度值，选择整体满意度值最大的解为最优调度方案。
本发明的特点还在于：
步骤1具体过程为：
步骤1.1、根据主动配电系统促进清洁可再生能源高效消纳的核心要求，设计系统电压质量提升目标函数和追求可再生能源高效利用的目标函数；
电压质量提升目标函数公式为：
式(1)中，ΔUMCC表示基于最大相关熵准则(maximum correntropy criterion，MCC)的电压质量指标；M为主动配电系统节点数；K表示调度周期可划分的单位调度阶段数；ΔUi表示第i个节点的电压偏差；dU表示最大允许电压偏差量；Gσ表示MCC的核函数；σ取为常数1；函数g为：
追求可再生能源高效利用的目标函数公式为：
式(3)中，ERDG表示清洁可再生能源发电比例指标；r∈NR，NR表示接入配电系统中可再生分布式发电单元的数目；g∈NG，NG表示接入配电系统中微型燃气轮机发电单元的数目；Pr(t)表示第r个可再生分布式发电单元在t时刻的有功出力；Pg(t)表示第g个微型燃气轮机发电单元在t时刻的有功出力；
步骤1.2、构建包含电压质量提升目标及可再生能源高效利用目标，并考虑网络潮流、各可控单元的特性约束的主动配电系统协调优化调度模型。
网络潮流约束具体如下：
功率平衡约束：
式(4)中，Pi、Qi分别表示注入节点i的有功功率与无功功率；Ui、Uj分别表示节点i和j的电压幅值；Gij和Bij构成节点导纳矩阵；θij表示线路ij两端的相角差；
节点电压约束：
式(5)中，Ui表示节点i的电压幅值，和分别表示节点i的电压幅值上下限；
各可控单元的特性约束具体为：
主动配电系统中可再生分布式发电单元的出力需满足约束：
式(6)中，Pr(t)和Qr(t)分别表示第r个可再生分布式发电单元在t时刻输出的有功和无功功率；分别表示第r个可再生分布式发电有功出力的上下限；分别表示无功调节范围的上下限；
主动配电系统中微型燃气轮机发电单元的有功出力需满足约束：
式(7)中，Pg(t)表示第g个微型燃气轮机发电单元在t时刻输出的有功功率；和分别表示第g个微型燃气轮机发电有功出力的上下限；
储能单元的荷电状态应保持限制：
式(8)中，SOCj(t)表示第j个储能单元在t时刻的剩余能量；和分别表示第j个储能单元容量的上下限；
在整个调度周期结束后，储能单元的荷电状态与调度起始阶段保持条件：
SOCj(0)＝SOCj(KΔt) (9)
式(9)中，SOCj(0)和SOCj(KΔt)分别表示储能单元的初始能量和调度周期结束时的剩余能量；
储能单元在同一时间段只能维持一种状态：
储能单元的充放电功率范围：
式(10)和(11)中，和分别为第j个储能单元在t时段的充电功率和放电功率；和分别表示第j个储能单元的充电功率和放电功率上限值；
可削减负荷的削减极限约束：
ΔPcl≤ΔPcl.max (12)
式(12)中，ΔPcl表示第l个可削减负荷的削减功率；ΔPcl.max表示第l个可削减负荷允许削减的最大功率值。
步骤2电网及算法参数包括系统网架结构和线路参数，负荷分布情况及其预测数据，可控单元类型、接入节点、出力限值及出力预测数据，算法参数主要包括：初始个体数N，最大迭代次数KImax，概率参数P1、P2、P3、P4，归档集的个体数AS以及聚类的个数k。
步骤3初始化个体公式为：
式(13)中，表示第i个个体中第d维控制变量；xd.max和xd.min分别表示第d维控制变量的上下限；random(0,1)表示(0,1)之间的随机数。
步骤4目标函数空间是指由电压质量提升目标函数、追求可再生能源高效利用的目标函数构成的二维目标空间。
步骤5具体过程为：
步骤5.1、生成一个(0,1)之间的随机数，若该随机数大于概率参数P1，则从当前归档集中随机选择一个个体为待变异的调度向量xselect，若该随机数小于P1，则再生成一个(0,1)之间的随机数，并判断是否小于P2，若是则随机选择一个精英类，若否则随机选择两个类，选择一个类的根据参数P3的大小确定该类的类中心或类中任一个体为xselect，选择两个类的根据参数P3的大小确定这两类的类中心或类中任一个体进行线性组合作为xselect；
步骤5.2、对xselect进行变异操作：
变异操作的公式如下：
式(14)中，表示变异后的调度向量中第d维功率值；表示用来更新的向量中第d维功率值；ξ表示产生新调度量时的权重系数值；N(μ,σ)表示均值为μ，方差为σ的高斯随机函数；式(15)中，logsig()表示对数S型函数；KImax表示最大迭代数；t表示当前的迭代数；K表示改变logsig()函数的斜率；random()表示(0,1)之间的随机数；
步骤5.3、根据潮流计算的结果求解式(1)和式(3)的函数值，评估变异前后的N组向量，每组保留其中的非支配解，若变异前后的两个向量互不支配则随机选取其中一个保留，得到N个新调度向量。
步骤6具体过程为：
步骤6.1、将新生成的N个非支配解与归档集中的个体一一进行比较，判断新生成的N个非支配解是否支配归档集中的解；
若不支配，则放弃此新解；
若支配，则删除归档集中被支配的解，并将此新解存入归档集；
步骤6.2、检查归档集中解的个数是否达到归档集的最大容量；
如果大于归档集最大容量，删除归档集中拥挤距离最小的解；
如果不大于归档集最大容量，则进入下一轮迭代。
拥挤距离计算方法如下：
结合式(1)、式(3)可得调度向量的拥挤距离如式(16)所示：
式(16)中，D(i)表示第i个调度向量的拥挤距离；ΔUMCC(i)和ERDG(i)分别表示第i个调度向量的电压质量目标函数值和清洁可再生能源利用比例值。
步骤8模糊隶属度函数式为：
式(17)、式(18)中，μn表示第n个目标函数的满意度；fn表示第n个电压质量提升目标函数值；和fn 分别表示第n个电压质量提升目标函数值的上下限；μ表示整体满意度值；Nobj取值为2。
本发明的有益效果是，
1)充分利用可再生能源发电的功率调节能力，提高了配电系统对清洁可再生能源发电的消纳能力，节省了无功补偿设备的投入；
2)与现有普遍以经济性为目标的主动配电系统优化调度模型相比，以清洁可再生能源高效利用为优化目标代替系统运行经济性目标，并加入了电压质量提升目标，建立了多目标的优化调度模型。
附图说明
图1是本发明一种协调多种可控单元的主动配电系统优化调度方法流程图；
图2是本发明一种协调多种可控单元的主动配电系统优化调度方法中概率选择流程图；
图3是本发明一种协调多种可控单元的主动配电系统优化调度方法中更新归档集流程图；
图4是本发明方法用于实例的配电系统结构图；
图5(a)是本发明方法用于实例的负荷曲线图；
图5(b)是本发明方法用于实例的可再生分布式发电单元出力曲线图；
图6(a)是本发明方法用于实例的优化调度方法计算结果示意图；
图6(b)是本发明方法用于实例的优化调度方法计算结果示意图；
图6(c)是本发明方法用于实例的优化调度方法计算结果示意图；
图6(d)是本发明方法用于实例的优化调度方法计算结果示意图；
图6(e)是本发明方法用于实例的优化调度方法计算结果示意图；
图6(f)是本发明方法用于实例的优化调度方法计算结果示意图；
图7(a)是本发明方法用于实例的优化调度前的典型节点电压曲线示意图；
图7(b)是本发明方法用于实例的优化调度后的典型节点电压曲线示意图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种协调多种可控单元的主动配电系统优化调度方法，主要包括建立主动配电系统协调优化调度模型并利用多目标头脑风暴优化算法求解，如图1所示，具体按照以下步骤实施：
步骤1、设计电压质量提升目标函数、追求可再生能源高效利用的目标函数，构建主动配电系统协调优化调度模型；
具体过程为：
步骤1.1、根据主动配电系统促进清洁可再生能源高效消纳的核心要求，设计系统电压质量提升目标函数和追求可再生能源高效利用的目标函数；
电压质量提升目标函数公式为：
式(1)中，ΔUMCC表示基于最大相关熵准则(maximum correntropy criterion，MCC)的电压质量指标；M为主动配电系统节点数；K表示调度周期可划分的单位调度阶段数；ΔUi表示第i个节点的电压偏差；dU表示最大允许电压偏差量；Gσ表示MCC的核函数；σ取为常数1；函数g为：
追求可再生能源高效利用的目标函数公式为：
式(3)中，ERDG表示清洁可再生能源发电比例指标；r∈NR，NR表示接入配电系统中可再生分布式发电单元的数目；g∈NG，NG表示接入配电系统中微型燃气轮机发电单元的数目；Pr(t)表示第r个可再生分布式发电单元在t时刻的有功出力；Pg(t)表示第g个微型燃气轮机发电单元在t时刻的有功出力；
步骤1.2、构建包含电压质量提升目标及可再生能源高效利用目标，并考虑网络潮流、各可控单元的特性约束的主动配电系统协调优化调度模型。
网络潮流约束具体如下：
功率平衡约束：
式(4)中，Pi、Qi分别表示注入节点i的有功功率与无功功率；Ui、Uj分别表示节点i和j的电压幅值；Gij和Bij构成节点导纳矩阵；θij表示线路ij两端的相角差；
节点电压约束：
式(5)中，Ui表示节点i的电压幅值，和分别表示节点i的电压幅值上下限；
各可控单元的特性约束具体为：
主动配电系统中可再生分布式发电单元的出力需满足约束：
式(6)中，Pr(t)和Qr(t)分别表示第r个可再生分布式发电单元在t时刻输出的有功和无功功率；分别表示第r个可再生分布式发电有功出力的上下限；分别表示无功调节范围的上下限；
主动配电系统中微型燃气轮机发电单元的有功出力需满足约束：
式(7)中，Pg(t)表示第g个微型燃气轮机发电单元在t时刻输出的有功功率；和分别表示第g个微型燃气轮机发电有功出力的上下限；
储能单元的荷电状态应保持限制：
式(8)中，SOCj(t)表示第j个储能单元在t时刻的剩余能量；和分别表示第j个储能单元容量的上下限；
在整个调度周期结束后，储能单元的荷电状态与调度起始阶段保持条件：
SOCj(0)＝SOCj(KΔt) (9)
式(9)中，SOCj(0)和SOCj(KΔt)分别表示储能单元的初始能量和调度周期结束时的剩余能量；
储能单元在同一时间段只能维持一种状态：
储能单元的充放电功率范围：
式(10)和(11)中，和分别为第j个储能单元在t时段的充电功率和放电功率；和分别表示第j个储能单元的充电功率和放电功率上限值；
可削减负荷的削减极限约束：
ΔPcl≤ΔPcl.max (12)
式(12)中，ΔPcl表示第l个可削减负荷的削减功率；ΔPcl.max表示第l个可削减负荷允许削减的最大功率值。
步骤2、初始化电网及算法参数；
电网及算法参数包括系统网架结构和线路参数，负荷分布情况及其预测数据，可控单元类型、接入节点、出力限值及出力预测数据。算法参数主要包括：初始个体数N，最大迭代次数KImax，概率参数P1、P2、P3、P4，归档集的个体数AS以及聚类的个数k。
步骤3、根据初始化个体公式生成N个满足约束条件的随机分布个体，每个个体即表示为一个调度向量，结合潮流计算结果、电压质量提升目标函数、追求可再生能源高效利用的目标函数，分别计算每个调度向量的目标函数值，评估筛选出调度向量中的非支配解，并存入归档集中。
初始化个体公式为：
式(13)中，表示第i个个体中第d维控制变量；xd.max和xd.min分别表示第d维控制变量的上下限；random(0,1)表示(0,1)之间的随机数。
步骤4、利用K均值聚类算法将N个调度向量在目标函数空间划分为k类，其中包含非支配解的类为精英类，没有非支配解的类为普通类，并由调度向量与目标函数值之间的映射关系得到精英解集和普通解集；
目标函数空间是指由电压质量提升目标函数、追求可再生能源高效利用的目标函数构成的二维目标空间。
步骤5、根据概率选择和变异操作将生成N个新调度向量；
步骤5.1、生成一个(0,1)之间的随机数，若该随机数大于概率参数P1，则从当前归档集中随机选择一个个体为待变异的调度向量xselect，若该随机数小于P1，则再生成一个(0,1)之间的随机数，并判断是否小于P2，若是则随机选择一个精英类，若否则随机选择两个类，选择一个类的根据参数P3的大小确定该类的类中心或类中任一个体为xselect，选择两个类的根据参数P3的大小确定这两类的类中心或类中任一个体进行线性组合作为xselect；
步骤5.2、对xselect进行变异操作：
变异操作的公式如下：
式(14)中，表示变异后的调度向量中第d维功率值；表示用来更新的向量中第d维功率值；ξ表示产生新调度量时的权重系数值；N(μ,σ)表示均值为μ，方差为σ的高斯随机函数；式(15)中，logsig()表示对数S型函数；KImax表示最大迭代数；t表示当前的迭代数；K表示改变logsig()函数的斜率；random()表示(0,1)之间的随机数；
步骤5.3、根据潮流计算的结果求解式(1)和式(3)的函数值，评估变异前后的N组向量，每组保留其中的非支配解，若变异前后的两个向量互不支配则随机选取其中一个保留，得到N个新调度向量。
步骤6、更新归档集；
具体过程为：
步骤6.1、如图3所示，将新生成的N个非支配解与归档集中的个体一一进行比较，判断新生成的N个非支配解是否支配归档集中的解；
若不支配，则放弃此新解；
若支配，则删除归档集中被支配的解，并将此新解存入归档集；
步骤6.2、检查归档集中解的个数是否达到归档集的最大容量；
如果大于归档集最大容量，删除归档集中拥挤距离最小的解；
如果不大于归档集最大容量，则进入下一轮迭代。
拥挤距离计算方法如下：
结合式(1)、式(3)可得调度向量的拥挤距离如式(16)所示：
式(16)中，D(i)表示第i个调度向量的拥挤距离；ΔUMCC(i)和ERDG(i)分别表示第i个调度向量的电压质量目标函数值和清洁可再生能源利用比例值。
步骤7、进行迭代搜索寻优，当达到设置好的收敛精度或最大迭代次数时，输出相应的归档集，即Pareto解集；
步骤8、采用模糊隶属度函数式分别评估计算Pareto解集中每个调度向量的整体满意度值，选择整体满意度值最大的解为最优调度方案。
模糊隶属度函数式为：
式(17)、式(18)中，μn表示第n个目标函数的满意度；fn表示第n个电压质量提升目标函数值；和fn 分别表示第n个电压质量提升目标函数值的上下限；μ表示整体满意度值；Nobj取值为2。
实施例
步骤1)选用扩展的IEEE33节点系统为例进行仿真测试，如图4所示，接入配电系统中的可控单元共12个，其类型及对应的参数如表1所示。该算例以24小时为一个调度周期，单位调度时长为15分钟的负荷波动曲线如图5(a)及可再生分布式发电单元的有功出力曲线如图5(b)所示。
表1主动配电系统中各可控单元配置
注：可削减负荷参数表示可削减部分占原负荷的百分比
步骤2)为防止负荷及可再生能源发电出力波动因素导致的电压不合格现象出现，将节点电压最大允许偏差设置为dU＝0.05，留有一定的波动裕量。为使优化调度模型求解收敛稳定并保证一定的收敛速度，将多目标头脑风暴优化算法的参数设置为：初始个体数N＝50，归档集容量数目AS＝20，最大迭代次数KImax＝500，四个概率参数分别为P1＝0.9、P2＝0.3、P3＝P4＝0.5，聚类个数k＝4。
步骤3)生成初始的调度向量，主要根据具体实施方式中的步骤3所述的原则进行设置。通过潮流计算结合目标函数式(1)～(3)求得各调度向量的目标函数值，评估筛选出调度向量中的非支配解，将其存入归档集中。
步骤4)采用K均值聚类方法将这N个调度向量在目标空间中聚为k类；根据聚类结果和非支配解划分精英类和标准类，并由调度向量与目标函数值之间的映射关系得到精英解集和标准解集。
步骤5)产生新调度向量，并保留变异前后的非支配解。
步骤6)更新归档集。
步骤7)按照上述步骤所述进行迭代搜索，当达到设置好的终止条件时，输出归档集，即Pareto解集。
步骤8)选择最优调度方案。最终求得的分布式风电单元无功调度方案如图6(a)所示，分布式光伏发电单元无功调度方案如图6(b)所示，燃气轮机调度方案如图6(c)所示，储能单元调度方案如图6(d)所示，可削减负荷的调度方案如图6(e)和图6(f)所示。
对调度方案的电压质量优化效果进行分析，如图7(a)所示为未经优化调度的典型节点电压曲线，结合图5(a)和图5(b)可知，凌晨1:00至6:00左右，由于风电有功出力较大，节点18的电压已超出国家标准规定的电压上限1.07p.u.，此时分布式风电并网的条件不能满足，为不影响系统正常运行，实际运行中风机将脱网解列，导致清洁可再生能源的浪费；下午17:00至21:00左右，风电和光伏的有功出力不足，但系统负荷较高，此时清洁可再生能源发电无法满足系统负荷的全部需求，部分节点电压已低于国家标准规定的电压下限0.93p.u.，电压质量未达到系统安全运行的要求，继续如此运行甚至会导致电压失稳等严重后果。采用图6(a)～图6(f)所示优化调度方案运行的系统典型节点电压如图7(b)所示，由图可知，优化调度方案能使各节点的电压保持在0.95～1.05p.u.的安全且优质的范围内，电压质量明显改善，满足可再生分布式发电单元的并网条件，高效利用清洁可再生能源。
对调度方案的清洁可再生能源高效利用的优化效果进行分析，对比采用优化调度方案前后的清洁可再生能源利用指标如表2所示。表2中清洁可再生能源的利用指标包括式(3)所示的发电比例指标及利用率指标，这里的清洁可再生能源的利用率是指一个调度周期内风电和光伏单元的实际有功出力占其预测出力的百分比。从表2可以看出，优化调度后清洁可再生能源的发电比例和利用率分别提高了13.61％和10.97％，达到了清洁可再生能源高效利用的核心目标，同时也间接地提高了系统运行的经济效益，表明了提出的优化调度策略是有效的。
表2优化前后的清洁可再生能源利用指标对比
通过上述方式，本发明一种协调多种可控单元的主动配电系统优化调度方法，充分利用可再生能源发电的功率调节能力，提高了配电系统对清洁可再生能源发电的消纳能力，节省了无功补偿设备的投入；与现有普遍以经济性为目标的主动配电系统优化调度模型相比，以清洁可再生能源高效利用为优化目标代替系统运行经济性目标，并加入了电压质量提升目标，建立了多目标的优化调度模型。
Claims (10)
1.一种协调多种可控单元的主动配电系统优化调度方法，其特征在于，主要包括建立主动配电系统协调优化调度模型并利用多目标头脑风暴优化算法求解，具体按照以下步骤实施：
步骤1、设计电压质量提升目标函数、追求可再生能源高效利用的目标函数，构建主动配电系统协调优化调度模型；
步骤2、初始化电网及算法参数；
步骤3、根据初始化个体公式生成N个满足约束条件的随机分布个体，每个个体即表示为一个调度向量，结合潮流计算结果、电压质量提升目标函数、追求可再生能源高效利用的目标函数，分别计算每个调度向量的目标函数值，评估筛选出调度向量中的非支配解，并存入归档集中；
步骤4、利用K均值聚类算法将N个调度向量在目标函数空间划分为k类，其中包含非支配解的类为精英类，没有非支配解的类为普通类，并由调度向量与目标函数值之间的映射关系得到精英解集和普通解集；
步骤5、根据概率选择和变异操作将生成N个新调度向量；
步骤6、更新归档集；
步骤7、进行迭代搜索寻优，当达到设置好的收敛精度或最大迭代次数时，输出相应的归档集，即Pareto解集；
步骤8、采用模糊隶属度函数式分别评估计算Pareto解集中每个控制向量的整体满意度值，选择整体满意度值最大的解为最优运行方案。
2.根据权利要求1所述一种协调多种可控单元的主动配电系统优化调度方法，其特征在于，步骤1具体过程为：
步骤1.1、根据主动配电系统促进清洁可再生能源高效消纳的核心要求，设计系统电压质量提升目标函数和追求可再生能源高效利用的目标函数；
电压质量提升目标函数公式为：
式(1)中，ΔUMCC表示基于最大相关熵准则(maximum correntropy criterion，MCC)的电压质量指标；M为主动配电系统节点数；K表示调度周期可划分的单位调度阶段数；ΔUi表示第i个节点的电压偏差；dU表示最大允许电压偏差量；Gσ表示MCC的核函数；σ取为常数1；函数g为：
追求可再生能源高效利用的目标函数公式为：
式(3)中，ERDG表示清洁可再生能源发电比例指标；r∈NR，NR表示接入配电系统中可再生分布式发电单元的数目；g∈NG，NG表示接入配电系统中微型燃气轮机发电单元的数目；Pr(t)表示第r个可再生分布式发电单元在t时刻的有功出力；Pg(t)表示第g个微型燃气轮机发电单元在t时刻的有功出力；
步骤1.2、构建包含电压质量提升目标及可再生能源高效利用目标，并考虑网络潮流、各可控单元的特性约束的主动配电系统协调优化调度模型。
3.根据权利要求2所述一种协调多种可控单元的主动配电系统优化调度方法，其特征在于，所述网络潮流约束具体如下：
功率平衡约束：
式(4)中，Pi、Qi分别表示注入节点i的有功功率与无功功率；Ui、Uj分别表示节点i和j的电压幅值；Gij和Bij构成节点导纳矩阵；θij表示线路ij两端的相角差；
节点电压约束：
式(5)中，Ui表示节点i的电压幅值，和分别表示节点i的电压幅值上下限；
所述各可控单元的特性约束具体为：
主动配电系统中可再生分布式发电单元的出力需满足约束：
式(6)中，Pr(t)和Qr(t)分别表示第r个可再生分布式发电单元在t时刻输出的有功和无功功率；分别表示第r个可再生分布式发电有功出力的上下限；分别表示无功调节范围的上下限；
主动配电系统中微型燃气轮机发电单元的有功出力需满足约束：
式(7)中，Pg(t)表示第g个微型燃气轮机发电单元在t时刻输出的有功功率；和分别表示第g个微型燃气轮机发电有功出力的上下限；
储能单元的荷电状态应保持限制：
式(8)中，SOCj(t)表示第j个储能单元在t时刻的剩余能量；和分别表示第j个储能单元容量的上下限；
在整个调度周期结束后，储能单元的荷电状态与调度起始阶段保持条件：
SOCj(0)＝SOCj(KΔt) (9)
式(9)中，SOCj(0)和SOCj(KΔt)分别表示储能单元的初始能量和调度周期结束时的剩余能量；
储能单元在同一时间段只能维持一种状态：
储能单元的充放电功率范围：
式(10)和(11)中，和分别为第j个储能单元在t时段的充电功率和放电功率；和分别表示第j个储能单元的充电功率和放电功率上限值；
可削减负荷的削减极限约束：
ΔPcl≤ΔPcl.max (12)
式(12)中，ΔPcl表示第l个可削减负荷的削减功率；ΔPcl.max表示第l个可削减负荷允许削减的最大功率值。
4.根据权利要求1所述一种协调多种可控单元的主动配电系统优化调度方法，其特征在于，步骤2所述电网及算法参数包括系统网架结构和线路参数，负荷分布情况及其预测数据，可控单元类型、接入节点、出力限值及出力预测数据，算法参数主要包括：初始个体数N，最大迭代次数KImax，概率参数P1、P2、P3、P4，归档集的个体数AS以及聚类的个数k。
5.根据权利要求1所述一种协调多种可控单元的主动配电系统优化调度方法，其特征在于，步骤3所述初始化个体公式为：
式(13)中，表示第i个个体中第d维控制变量；xd.max和xd.min分别表示第d维控制变量的上下限；random(0,1)表示(0,1)之间的随机数。
6.根据权利要求5所述一种协调多种可控单元的主动配电系统优化调度方法，其特征在于，步骤4所述目标函数空间是指由电压质量提升目标函数、追求可再生能源高效利用的目标函数构成的二维目标空间。
7.根据权利要求5所述一种协调多种可控单元的主动配电系统优化调度方法，其特征在于，步骤5具体过程为：
步骤5.1、生成一个(0,1)之间的随机数，若该随机数大于概率参数P1，则从当前归档集中随机选择一个个体为待变异的调度向量xselect，若该随机数小于P1，则再生成一个(0,1)之间的随机数，并判断是否小于P2，若是则随机选择一个精英类，若否则随机选择两个类，选择一个类的根据参数P3的大小确定该类的类中心或类中任一个体为xselect，选择两个类的根据参数P3的大小确定这两类的类中心或类中任一个体进行线性组合作为xselect；
步骤5.2、对xselect进行变异操作：
变异操作的公式如下：
式(14)中，表示变异后的调度向量中第d维功率值；表示用来更新的向量中第d维功率值；ξ表示产生新调度量时的权重系数值；N(μ,σ)表示均值为μ，方差为σ的高斯随机函数；式(15)中，logsig()表示对数S型函数；KImax表示最大迭代数；t表示当前的迭代数；K表示改变logsig()函数的斜率；random()表示(0,1)之间的随机数；
步骤5.3、根据潮流计算的结果求解式(1)和式(3)的函数值，评估变异前后的N组向量，每组保留其中的非支配解，若变异前后的两个向量互不支配则随机选取其中一个保留，得到N个新调度向量。
8.根据权利要求1所述一种协调多种可控单元的主动配电系统优化调度方法，其特征在于，步骤6具体过程为：
步骤6.1、将新生成的N个非支配解与归档集中的个体一一进行比较，判断新生成的N个非支配解是否支配归档集中的解；
若不支配，则放弃此新解；
若支配，则删除归档集中被支配的解，并将此新解存入归档集；
步骤6.2、检查归档集中解的个数是否达到归档集的最大容量；
如果大于归档集最大容量，删除归档集中拥挤距离最小的解；
如果不大于归档集最大容量，则进入下一轮迭代。
9.根据权利要求8所述一种协调多种可控单元的主动配电系统优化调度方法，其特征在于，所述拥挤距离计算方法如下：
结合式(1)、式(3)可得调度向量的拥挤距离如式(16)所示：
式(16)中，D(i)表示第i个调度向量的拥挤距离；ΔUMCC(i)和ERDG(i)分别表示第i个调度向量的电压质量目标函数值和清洁可再生能源利用比例值。
10.根据权利要求1所述一种协调多种可控单元的主动配电系统优化调度方法，其特征在于，步骤8所述模糊隶属度函数式为：
式(17)、式(18)中，μn表示第n个目标函数的满意度；fn表示第n个电压质量提升目标函数值；和fn 分别表示第n个电压质量提升目标函数值的上下限；μ表示整体满意度值；Nobj取值为2。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810788297.0A CN109034587B (zh) | 2018-07-18 | 2018-07-18 | 一种协调多种可控单元的主动配电系统优化调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810788297.0A CN109034587B (zh) | 2018-07-18 | 2018-07-18 | 一种协调多种可控单元的主动配电系统优化调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109034587A true CN109034587A (zh) | 2018-12-18 |
| CN109034587B CN109034587B (zh) | 2021-07-20 |
Family
ID=64643819
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810788297.0A Active CN109034587B (zh) | 2018-07-18 | 2018-07-18 | 一种协调多种可控单元的主动配电系统优化调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109034587B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109888830A (zh) * | 2019-03-20 | 2019-06-14 | 国网能源研究院有限公司 | 一种适应大规模新能源并网消纳的储能容量优化配置方法 |
| CN111080023A (zh) * | 2019-12-24 | 2020-04-28 | 中国航空工业集团公司西安飞机设计研究所 | 一种基于头脑风暴优化的舰载飞机出动调度规划方法 |
| CN112529728A (zh) * | 2020-11-24 | 2021-03-19 | 华能定边新能源发电有限公司 | 一种基于非合作博弈的综合能源系统优化调度方法 |
| CN115330070A (zh) * | 2022-08-18 | 2022-11-11 | 长沙学院 | 一种基于多因素耦合的输变电水环境指标预测方法 |
| CN117578601A (zh) * | 2023-03-22 | 2024-02-20 | 长沙学院 | 一种低碳电力系统源荷互动调度方法与装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120265514A1 (en) * | 2009-11-20 | 2012-10-18 | Andrew Lee Hopkins | Design of molecules |
| CN104037757A (zh) * | 2014-05-20 | 2014-09-10 | 西安理工大学 | 一种基于头脑风暴的火电厂经济环境调度方法 |
| CN104463374A (zh) * | 2014-12-23 | 2015-03-25 | 国家电网公司 | 一种分布式电源优化配置的方法及系统 |
| CN107017656A (zh) * | 2016-12-30 | 2017-08-04 | 西安理工大学 | 一种考虑电能质量提升的主动配电系统优化调度方法 |
-
2018
- 2018-07-18 CN CN201810788297.0A patent/CN109034587B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120265514A1 (en) * | 2009-11-20 | 2012-10-18 | Andrew Lee Hopkins | Design of molecules |
| CN104037757A (zh) * | 2014-05-20 | 2014-09-10 | 西安理工大学 | 一种基于头脑风暴的火电厂经济环境调度方法 |
| CN104463374A (zh) * | 2014-12-23 | 2015-03-25 | 国家电网公司 | 一种分布式电源优化配置的方法及系统 |
| CN107017656A (zh) * | 2016-12-30 | 2017-08-04 | 西安理工大学 | 一种考虑电能质量提升的主动配电系统优化调度方法 |
Non-Patent Citations (2)
| Title |
|---|
| CHEN LUPENG ETAL.: "Optimal Scheduling Strategy of Active Distribution System Using Improved Harmony Search Algorithm", 《IEEE》 * |
| DUAN JIANDONG ETAL.: "Optimal Operation of Distribution Network in Pursuit of High Effective Consumption of Distributed Wind Power", 《IEEE》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109888830A (zh) * | 2019-03-20 | 2019-06-14 | 国网能源研究院有限公司 | 一种适应大规模新能源并网消纳的储能容量优化配置方法 |
| CN111080023A (zh) * | 2019-12-24 | 2020-04-28 | 中国航空工业集团公司西安飞机设计研究所 | 一种基于头脑风暴优化的舰载飞机出动调度规划方法 |
| CN112529728A (zh) * | 2020-11-24 | 2021-03-19 | 华能定边新能源发电有限公司 | 一种基于非合作博弈的综合能源系统优化调度方法 |
| CN115330070A (zh) * | 2022-08-18 | 2022-11-11 | 长沙学院 | 一种基于多因素耦合的输变电水环境指标预测方法 |
| CN115330070B (zh) * | 2022-08-18 | 2023-04-07 | 长沙学院 | 一种基于多因素耦合的输变电水环境指标预测方法 |
| CN117578601A (zh) * | 2023-03-22 | 2024-02-20 | 长沙学院 | 一种低碳电力系统源荷互动调度方法与装置 |
| CN117578601B (zh) * | 2023-03-22 | 2024-04-26 | 长沙学院 | 一种低碳电力系统源荷互动调度方法与装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109034587B (zh) | 2021-07-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Optimal planning of energy storage system in active distribution system based on fuzzy multi-objective bi-level optimization | |
| Amer et al. | Optimization of hybrid renewable energy systems (HRES) using PSO for cost reduction | |
| CN109034587A (zh) | 一种协调多种可控单元的主动配电系统优化调度方法 | |
| Syahputra et al. | Optimal distribution network reconfiguration with penetration of distributed energy resources | |
| CN107069814B (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 | |
| CN104361403B (zh) | 一种分布式电源与微电网的优化分组配置方法 | |
| CN106058855A (zh) | 协调储能与柔性负荷的主动配电网多目标优化调度方法 | |
| CN108988322A (zh) | 考虑系统时变性的微网运行策略优化方法 | |
| CN103151797A (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
| CN106026169B (zh) | 一种基于多微电网并入配电网的分解协调优化方法 | |
| CN103577891A (zh) | 一种含分布式电源的多孤岛微网优化合作运行方法 | |
| CN111049132B (zh) | 主动配电网大面积断电动态孤岛恢复方法 | |
| Azizivahed et al. | Dynamic feeder reconfiguration in automated distribution network integrated with renewable energy sources with respect to the economic aspect | |
| CN107959307A (zh) | 一种计及配电网运行风险成本的dg优化配置方法 | |
| Suo et al. | New energy wide area complementary planning method for multi-energy power system | |
| Shojaeiyan et al. | A novel bio-inspired stochastic framework to solve energy management problem in hybrid AC-DC microgrids with uncertainty | |
| CN104200296A (zh) | 一种风光储柴自治微网群跨域协同能量调度与适配方法 | |
| CN109038654A (zh) | 一种考虑分布式风电高渗透并网的配电系统优化运行方法 | |
| CN116191493A (zh) | 一种火电机组深度调峰和复合储能协同规划方法与装置 | |
| Han et al. | Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation | |
| Kumar et al. | Sensitivity Analysis Based Multi-Objective Economic Emission Dispatch in Microgrid | |
| Buensuceso et al. | Energy management for grid-tied pv systems using particle swarm optimization | |
| Akkewar | Statistical analysis of hybrid renewable energy systems by using artificial intelligence | |
| Li et al. | Multi-objective optimization scheduling of micro-grid with energy storage under time-of-use price mechanism | |
| Feng et al. | Flexible Coordinated Optimal Operation Model of" source-grid-load-storage" in Smart Distribution Network |
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 |