CN109038672A - 一种平抑可再生能源波动的多目标鲁棒优化配置方法 - Google Patents
一种平抑可再生能源波动的多目标鲁棒优化配置方法 Download PDFInfo
- Publication number
- CN109038672A CN109038672A CN201810979839.2A CN201810979839A CN109038672A CN 109038672 A CN109038672 A CN 109038672A CN 201810979839 A CN201810979839 A CN 201810979839A CN 109038672 A CN109038672 A CN 109038672A
- Authority
- CN
- China
- Prior art keywords
- renewable energy
- power
- load
- period
- demand side
- 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 34
- 230000000087 stabilizing effect Effects 0.000 title claims abstract description 14
- 238000010248 power generation Methods 0.000 claims abstract description 9
- 230000002068 genetic effect Effects 0.000 claims abstract description 5
- 238000013519 translation Methods 0.000 claims description 29
- 230000003287 optical effect Effects 0.000 claims description 5
- 230000002146 bilateral effect Effects 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 240000002853 Nelumbo nucifera Species 0.000 claims 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims 2
- 238000005457 optimization Methods 0.000 abstract description 2
- 230000001276 controlling effect Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种平抑可再生能源波动的多目标鲁棒优化配置方法。其首先针对可再生能源发电和DR实际响应量的不确定性,分析需求侧响应资源种类,建立了其可用容量的鲁棒区间模型,在此基础上,综合考虑可再生能源发电并网功率波动、DR资源可用性、系统功率平衡等方面约束条件,以配电网的运行成本最低和可再生能源利用最大为目标,建立了面向智能配电网下多形态DR资源协同平抑可再生能源波动的多目标鲁棒优化配置模型,着重考虑了DR资源在不同时间尺度下的互补性。针对上述优化问题利用带精英策略的非支配集排序多目标遗传算法进行求解。
Description
技术领域
本发明属于智能电网需求侧响应配置技术领域,特别是涉及一种通过多形态需求侧响应资源配置来平抑可再生能源波动的多目标鲁棒优化配置方法。
背景技术
大力开展可再生能源发电(Renewable Energy Generation,REG),推动终端用能低碳化是我国未来能源电力系统发展的重要目标。近年来,在节能减排等激励政策的带动下,我国REG进入快速发展时期,并逐渐形成规模化应用。但不同于传统能源发电(如火力发电、天然气发电等),REG因受外部环境的影响,其出力通常具有高度间歇性和波动性。因此,REG规模化应用将对配电网安全运行提出严峻的挑战。
为了有效平抑REG发电波动对配电网运行产生的不利影响,传统的做法是加大供应侧投资,通过配置深度调峰机组、增加系统备用容量等方法来提高电力系统对REG的消纳能力。然而,在实际应用中,受投资成本以及设备灵活性等多方面因素的限制,单纯依靠供应侧资源来解决可再生能源大规模并网问题往往面临着诸多困难。在智能电网环境下,由于大量信息通讯技术的应用,使得终端用户可作为一类与供应侧等效的可用资源,参与电力系统运行管理。因此,通过引入需求侧响应(DR)技术,充分利用负荷的主动响应能力平抑可再生能源波动,为解决REG大规模并网与高效运行问题提供了新的重要途径。
然而对于多时间尺度下利用DR资源来平抑可再生能源波动的问题,目前研究工作尚存在以下两个方面的问题有待进一步探讨解决:一是现有研究大多是从日前/日内(实时)多个时间尺度对DR资源与可再生能源及常规发电资源联合调度问题进行研究。但对于在多时间尺度下,如何利用不同形态DR资源在响应特性方面的互补性来对DR进行优化选择与配置,以更为高效地平抑不同时间尺度下可再生能源出力波动则鲜有相关文献报道。二是现有研究往往忽略DR的不确定性或者采用随机规划、模糊规划等方法对其进行处理。然而在实际工程中,因信息隐私、用户主观态度等原因,决策者往往难以获得关于需求响应资源在各个时段可用容量的准确概率分布,从而导致随机规划难以有效适用于上述问题。而在模糊规划方法中,隶属度函数的确定高度依赖数据样本和决策者的主观经验,从而很多情况下难以保证最终决策的最优性。
发明内容
为了解决上述问题,本发明的目的在于提供一种平抑可再生能源波动的多目标鲁棒优化配置方法。
为了达到上述目的,本发明提供的平抑可再生能源波动的多目标鲁棒优化配置方法包括按顺序进行的下列步骤:
1、建立供需双侧的不确定性模型
1.1建立可再生能源出力的不确定性模型
以典型日可再生能源出力曲线为基础,利用小波分解方法,将典型日可再生能源出力曲线分解为平滑部分、10min的长时间尺度波动部分和1min的短时间尺度波动部分。
为典型日内可再生能源出力;为其平滑分量;为其长时间尺度波动分量;为其短时间尺度波动分量。
由于规划期内每日可再生能源出力曲线不同,采用典型日可再生能源出力描述可再生能源实际出力时,需要加入不确定性部分,因此,在式(1)的基础上,在不同时间尺度分量内引入不确定量。
其中,Psmo(t)、P(10)(t)、P(1)(t)、Pre(t)分别为规划期内可再生能源实际出力的平滑分量、长时间尺度波动分量、短时间尺度波动分量和规划期内可再生能源实际出力;分别为可再生能源实际出力与典型日可再生能源出力各分量偏差的上限值;ξsmo、ξ(10)、ξ(1)为不确定性系数,代表可再生能源实际出力与典型日可再生能源出力各分量偏差的不确定性测度,并且ξsmo,ξ(10),ξ(1)∈[-1,1]。
1.2建立需求侧响应不确定性模型
需求侧响应分为直接控制中断负荷、直接控制平移负荷、非直接控制中断负荷和非直接控制平移负荷,对于直接控制中断负荷和直接控制平移负荷,实际响应量等于签约量;对于非直接控制中断负荷和非直接控制平移负荷,实际响应量呈现一定不确定性,不确定建模方法与1.1建模方法相同。
其中,为t时段用户j参与的直接控制中断负荷、直接控制平移负荷的实际响应量;为t时段用户j参与的直接控制中断负荷、直接控制平移负荷的签约量;为t时段用户j参与的非直接控制中断负荷、非直接控制平移负荷的实际响应量;为t时段用户j参与的非直接控制中断负荷、非直接控制平移负荷的签约量;为t时段非直接控制中断负荷和非直接控制平移负荷的实际响应量与签约量偏差的上限值,可由需求响应历史数据得到;为不确定系数,代表每次实际响应量与签约量偏差的不确定性测度,并且
2、建立需求侧响应多目标鲁棒优化配置模型
在步骤(1)的基础上,在满足可再生能源出力波动性要求和功率平衡约束条件的前提下,以配电网的运行成本最小和可再生能源利用率最大作为目标函数,建立需求侧响应多目标鲁棒优化配置模型,通过合理配置不同形态DR资源,以实现系统运行经济性和环境效益的综合最优;
2.1建立配电网的运行成本模型
在含DR和REG的有源配电网中,配电网的运行成本主要包含支付给用户的DR成本和向外部电网支付的购电成本:
其中,Ndr为提供DR的用户个数;T为规划期时段总数;ρdi(t)、ρds(t)、ρndi(t)、ρnds(t)分别为t时段直接控制中断负荷、直接控制平移负荷、非直接控制中断负荷、非直接控制平移负荷这四类DR资源的价格;Pext(t)为向外部电网购电的功率;ρext(t)为t时段对应的购电价格。
2.2建立可再生能源利用率模型
首先确定可再生能源并网功率,其为可再生能源计划出力、需求侧响应功率以及弃风弃光功率之和:
其中,Pout(t)为平抑后的可再生能源并网功率;Pdesert(t)为弃风弃光功率。
基于式(12),配电网中可再生能源利用率可表示为可再生能源并网功率与其最大出力之比:
2.3设定可再生能源出力波动性约束条件
假定并网功率的采样周期为Δt,根据式(11),从t0时刻开始,计算相邻采样点之间的可再生能源并网功率差:
Pshort(t0)=Pout(t0+Δt)-Pout(t0) (13)
对于1min的短时间尺度,计算t0:(t0+1)min时段内各采样点之间的并网功率差,选择出最大功率波动量以此类推,计算出规划期内任意(t+1)-t(t=1,2,3,L,1440)时段内最大功率波动量
同理,在10min的长时间尺度下,分别计算出任意(t+10)-t时段内最大功率波动量
因此对于任意时段t,可再生能源波动性约束可表示如下:
1min的短时间尺度下,有:
10min的长时间尺度下,有:
2.4设定功率平衡约束条件
在配电网运行过程中,运行者可综合利用可再生能源发电、外部电网购电和DR来满足终端用户的实时负荷需求,因此配电网的功率平衡约束条件可表示为:
其中,Pload(t)为t时段配电网的有功负荷功率。
3、求解上述需求侧响应多目标鲁棒优化配置模型
采用非支配集排序的多目标遗传算法(NSGA-II),求解上述需求侧响应多目标鲁棒优化配置模型,得到直接控制中断负荷、直接控制平移负荷、非直接控制中断负荷和非直接控制平移负荷这四种需求侧响应资源的配置容量。
求解过程如下:
步骤3.1
分别对规划期内不同时刻直接控制中断负荷、直接控制平移负荷、非直接控制中断负荷和非直接控制平移负荷这四种需求侧响应配置容量进行随机初始化,记为P0,作为父代种群,并对其进行编码,设定收敛指标和最大进化代数T;
步骤3.2
采用选择、交叉、变异操作产生下一代新种群Q0;
步骤3.3
将步骤3.2产生的新种群与步骤3.1的父代种群合并组成一个新种群R0;
步骤3.4
对步骤3.3中得到的新种群R0进行非支配排序,并计算各支配集拥挤度;
步骤3.5
对步骤3.4得到的支配集拥挤度进行判定,当满足收敛指标或者达到最大收敛次数时退出计算,否则重复步骤3.2-步骤3.5而产生一个新种群。
本发明提供的平抑可再生能源波动的多目标鲁棒优化配置方法首先针对可再生能源发电和DR实际响应量的不确定性,分析需求侧响应资源种类,建立了其可用容量的鲁棒区间模型,在此基础上,综合考虑可再生能源发电并网功率波动、DR资源可用性、系统功率平衡等方面约束条件,以配电网的运行成本最低和可再生能源利用最大为目标,建立了面向智能配电网下多形态DR资源协同平抑可再生能源波动的多目标鲁棒优化配置模型,着重考虑了DR资源在不同时间尺度下的互补性。针对上述优化问题利用带精英策略的非支配集排序多目标遗传算法进行求解。本发明方法设计合理、简单易行,且精确度高。
具体实施方式
下面结合具体实施例对本发明进行详细说明。
本实施例提供的平抑可再生能源波动的多目标鲁棒优化配置方法包括按顺序进行的下列步骤:
1、建立供需双侧的不确定性模型
1.1建立可再生能源出力的不确定性模型
对配电网供应侧和需求侧的不确定性进行分析,分析规划期内可再生能源出力历史曲线,选择典型日可再生能源出力曲线为基础曲线,利用小波分解方法,将典型日可再生能源出力曲线分解为平滑部分、10min的长时间尺度波动部分和1min的短时间尺度波动部分。
为典型日内可再生能源出力;为其平滑分量;为其长时间尺度波动分量;为其短时间尺度波动分量。
1.2:在步骤1.1的基础上,根据不同时间尺度加入不确定部分。同时分析当地全年可再生能源出力的曲线,对比典型日可再生能源出力曲线,计算出 和
1.3对直接控制中断负荷、直接控制平移负荷、非直接控制中断负荷和非直接控制平移负荷这四种需求侧响应进行建模,和的计算同步骤1.2。
2、建立需求侧响应多目标鲁棒优化配置模型
2.1构建目标函数
通过调研规划期能提供需求侧响应的用户个数、四种需求侧响应资源的价格和有源配电网单位时间向外部电网的购电价格,建立配电网的运行成本模型。
可再生能源并网功率为可再生能源计划出力、需求侧响应功率以及弃风弃光功率之和。
基于式(27),配电网中可再生能源利用率可表示为可再生能源并网功率与其最大出力之比。
结合式(26)和(27)建立配电网的成本最小和可再生能源利用率最高的目标函数。
2.2构建约束条件模型
设定并网功率的采样周期为30s,即每隔30s对并网功率进行一次采样。对于1min的短时间尺度,计算全天1min时段内各采样点之间的并网功率差,选择最大功率波动量对于10min的长时间尺度,计算全天10min时段内各采样点之间的并网功率差,选择最大功率波动量根据我国《风电场接入电力系统技术规定》,1min的短时间尺度内波动不得超过10%,10min的长时间尺度内不得超过33%。
3、采用非支配集排序的多目标遗传算法(NSGA-II),求解步骤2中由目标函数和约束条件构成的需求侧响应多目标鲁棒优化配置模型,得到直接控制中断负荷、直接控制平移负荷、非直接控制中断负荷和非直接控制平移负荷这四种需求侧响应资源的配置容量。
求解过程如下:
步骤3.1
分别对规划期内不同时刻直接控制中断负荷、直接控制平移负荷、非直接控制中断负荷和非直接控制平移负荷这四种需求侧响应配置容量进行随机初始化,记为P0,作为父代种群,并对其进行编码,设定收敛指标和最大进化代数T;
步骤3.2
采用选择、交叉、变异操作产生下一代新种群Q0;
步骤3.3
将步骤3.2产生的新种群与步骤3.1的父代种群合并组成一个新种群R0;
步骤3.4
对步骤3.3中得到的新种群R0进行非支配排序,并计算各支配集拥挤度;
步骤3.5
对步骤3.4得到的支配集拥挤度进行判定,当满足收敛指标或者达到最大收敛次数时退出计算,否则重复步骤3.2-步骤3.5而产生一个新种群。
Claims (5)
1.一种平抑可再生能源波动的多目标鲁棒优化配置方法,其特征在于:所述的方法包括按顺序进行的下列步骤:
1)建立供需双侧的不确定性模型,包括:
1.1)建立可再生能源出力的不确定性模型;
1.2)建立需求侧响应不确定性模型;
2)建立需求侧响应多目标鲁棒优化配置模型;
在步骤1)的基础上,在满足可再生能源出力波动性要求和功率平衡约束条件的前提下,以配电网的运行成本最小和可再生能源利用率最大作为目标函数,建立需求侧响应多目标鲁棒优化配置模型;
3)求解上述需求侧响应多目标鲁棒优化配置模型;
采用非支配集排序的多目标遗传算法,求解上述需求侧响应多目标鲁棒优化配置模型,得到直接控制中断负荷、直接控制平移负荷、非直接控制中断负荷和非直接控制平移负荷这四种需求侧响应资源的配置容量。
2.根据权利要求1所述的平抑可再生能源波动的多目标鲁棒优化配置方法,其特征在于:在步骤1.1)中,所述的建立可再生能源出力的不确定性模型的方法是:
以典型日可再生能源出力曲线为基础,利用小波分解方法,将典型日可再生能源出力曲线分解为平滑部分、10min的长时间尺度波动部分和1min的短时间尺度波动部分:
为典型日内可再生能源出力;为其平滑分量;为其长时间尺度波动分量;为其短时间尺度波动分量;
在式(1)的基础上,在不同时间尺度分量内引入不确定量:
其中,Psmo(t)、P(10)(t)、P(1)(t)、Pre(t)分别为规划期内可再生能源实际出力的平滑分量、长时间尺度波动分量、短时间尺度波动分量和规划期内可再生能源实际出力;分别为可再生能源实际出力与典型日可再生能源出力各分量偏差的上限值;ξsmo、ξ(10)、ξ(1)为不确定性系数,代表可再生能源实际出力与典型日可再生能源出力各分量偏差的不确定性测度,并且ξsmo,ξ(10),ξ(1)∈[-1,1]。
3.根据权利要求1所述的平抑可再生能源波动的多目标鲁棒优化配置方法,其特征在于:在步骤1.2)中,所述的建立需求侧响应不确定性模型的方法是:
需求侧响应分为直接控制中断负荷、直接控制平移负荷、非直接控制中断负荷和非直接控制平移负荷,对于直接控制中断负荷和直接控制平移负荷,实际响应量等于签约量;对于非直接控制中断负荷和非直接控制平移负荷,实际响应量呈现一定不确定性,不确定建模方法与1.1建模方法相同:
其中,为t时段用户j参与的直接控制中断负荷、直接控制平移负荷的实际响应量;为t时段用户j参与的直接控制中断负荷、直接控制平移负荷的签约量;为t时段用户j参与的非直接控制中断负荷、非直接控制平移负荷的实际响应量;为t时段用户j参与的非直接控制中断负荷、非直接控制平移负荷的签约量;为t时段非直接控制中断负荷和非直接控制平移负荷的实际响应量与签约量偏差的上限值,可由需求响应历史数据得到;为不确定系数,代表每次实际响应量与签约量偏差的不确定性测度,并且
4.根据权利要求1所述的平抑可再生能源波动的多目标鲁棒优化配置方法,其特征在于:在步骤2)中,所述的建立需求侧响应多目标鲁棒优化配置模型的方法是:
2.1)建立配电网的运行成本模型
在含需求侧响应和可再生能源发电的有源配电网中,配电网的运行成本主要包含支付给用户的DR成本和向外部电网支付的购电成本:
其中,Ndr为提供需求侧响应的用户个数;T为规划期时段总数;ρdi(t)、ρds(t)、ρndi(t)、ρnds(t)分别为t时段直接控制中断负荷、直接控制平移负荷、非直接控制中断负荷、非直接控制平移负荷这四类需求侧响应资源的价格;Pext(t)为向外部电网购电的功率;ρext(t)为t时段对应的购电价格;
2.2)建立可再生能源利用率模型
首先确定可再生能源并网功率,其为可再生能源计划出力、需求侧响应功率以及弃风弃光功率之和:
其中,Pout(t)为平抑后的可再生能源并网功率;Pdesert(t)为弃风弃光功率;
基于式(12),配电网中可再生能源利用率可表示为可再生能源并网功率与其最大出力之比:
2.3)设定可再生能源出力波动性约束条件
假定并网功率的采样周期为Δt,根据式(11),从t0时刻开始,计算相邻采样点之间的可再生能源并网功率差:
Pshort(t0)=Pout(t0+Δt)-Pout(t0) (13)
对于1min的短时间尺度,计算t0:(t0+1)min时段内各采样点之间的并网功率差,选择出最大功率波动量以此类推,计算出规划期内任意(t+1)-t(t=1,2,3,L,1440)时段内最大功率波动量
同理,在10min的长时间尺度下,分别计算出任意(t+10)-t时段内最大功率波动量
因此对于任意时段t,可再生能源波动性约束可表示如下:
1min的短时间尺度下,有:
10min的长时间尺度下,有:
2.4)设定功率平衡约束条件
在配电网运行过程中,运行者可综合利用可再生能源发电、外部电网购电和需求侧响应来满足终端用户的实时负荷需求,因此配电网的功率平衡约束条件可表示为:
其中,Pload(t)为t时段配电网的有功负荷功率。
5.根据权利要求1所述的平抑可再生能源波动的多目标鲁棒优化配置方法,其特征在于:在步骤3)中,所述的求解上述需求侧响应多目标鲁棒优化配置模型的方法是:
步骤3.1
分别对规划期内不同时刻直接控制中断负荷、直接控制平移负荷、非直接控制中断负荷和非直接控制平移负荷这四种需求侧响应配置容量进行随机初始化,记为P0,作为父代种群,并对其进行编码,设定收敛指标和最大进化代数T;
步骤3.2
采用选择、交叉、变异操作产生下一代新种群Q0;
步骤3.3
将步骤3.2产生的新种群与步骤3.1的父代种群合并组成一个新种群R0;
步骤3.4
对步骤3.3中得到的新种群R0进行非支配排序,并计算各支配集拥挤度;
步骤3.5
对步骤3.4得到的支配集拥挤度进行判定,当满足收敛指标或者达到最大收敛次数时退出计算,否则重复步骤3.2-步骤3.5而产生一个新种群。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810979839.2A CN109038672A (zh) | 2018-08-27 | 2018-08-27 | 一种平抑可再生能源波动的多目标鲁棒优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810979839.2A CN109038672A (zh) | 2018-08-27 | 2018-08-27 | 一种平抑可再生能源波动的多目标鲁棒优化配置方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109038672A true CN109038672A (zh) | 2018-12-18 |
Family
ID=64625029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810979839.2A Pending CN109038672A (zh) | 2018-08-27 | 2018-08-27 | 一种平抑可再生能源波动的多目标鲁棒优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109038672A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275285A (zh) * | 2019-12-30 | 2020-06-12 | 昆明电力交易中心有限责任公司 | 一种计及可中断负荷容量的用电量调控方法和系统 |
CN112018798A (zh) * | 2020-08-29 | 2020-12-01 | 燕山大学 | 区域储能站参与扰动平抑的配电网多时间尺度自律运行方法 |
-
2018
- 2018-08-27 CN CN201810979839.2A patent/CN109038672A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111275285A (zh) * | 2019-12-30 | 2020-06-12 | 昆明电力交易中心有限责任公司 | 一种计及可中断负荷容量的用电量调控方法和系统 |
CN111275285B (zh) * | 2019-12-30 | 2024-02-20 | 昆明电力交易中心有限责任公司 | 一种计及可中断负荷容量的用电量调控方法和系统 |
CN112018798A (zh) * | 2020-08-29 | 2020-12-01 | 燕山大学 | 区域储能站参与扰动平抑的配电网多时间尺度自律运行方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Game-theoretical energy management for energy Internet with big data-based renewable power forecasting | |
Wen et al. | Optimally co-ordinated bidding strategies in energy and ancillary service markets | |
Lv et al. | Interactive energy management of networked microgrids-based active distribution system considering large-scale integration of renewable energy resources | |
CN110298138B (zh) | 一种综合能源系统优化方法、装置、设备及可读存储介质 | |
Du et al. | Distributed MPC for coordinated energy efficiency utilization in microgrid systems | |
Rathnayaka et al. | Framework to manage multiple goals in community-based energy sharing network in smart grid | |
Ardakani et al. | A novel approach for optimal chiller loading using particle swarm optimization | |
CN110518580B (zh) | 一种考虑微网主动优化的主动配电网运行优化方法 | |
CN106991539B (zh) | 一种能源系统优化调度方法及装置 | |
CN111030188A (zh) | 一种含分布式和储能的分层分级控制策略 | |
CN108875992A (zh) | 一种考虑需求响应的虚拟电厂日前优化调度方法 | |
CN104537428B (zh) | 一种计及风电接入不确定性的经济运行评估方法 | |
CN110783925A (zh) | 一种两级部署的电网调控模型中心控制系统及方法 | |
CN111340299A (zh) | 一种微电网多目标优化调度方法 | |
CN103595061A (zh) | 基于综合效益分析的企业电网无功优化方法及系统 | |
Wen et al. | A genetic algorithm based method for bidding strategy coordination in energy and spinning reserve markets | |
Zhang et al. | Fast stackelberg equilibrium learning for real-time coordinated energy control of a multi-area integrated energy system | |
CN112001752A (zh) | 基于有限理性的多虚拟电厂动态博弈交易行为分析方法 | |
Bazmohammadi et al. | Optimal operation management of a microgrid based on MOPSO and Differential Evolution algorithms | |
Yin et al. | Equilibrium stability of asymmetric evolutionary games of multi-agent systems with multiple groups in open electricity market | |
CN110994790B (zh) | 一种企业电网调度知识决策分析系统 | |
Cheng et al. | Exploration and exploitation of new knowledge emergence to improve the collective intelligent decision-making level of web-of-cells with cyber-physical-social systems based on complex network modeling | |
CN113159366A (zh) | 一种多微电网系统多时间尺度自适应优化调度方法 | |
CN109038672A (zh) | 一种平抑可再生能源波动的多目标鲁棒优化配置方法 | |
Kumari et al. | Integration of solar and flexible resources into expected security cost with dynamic optimal power flow problem using a Novel DE algorithm |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181218 |