CN109378864A - 基于新能源消纳的“源-网-荷”协调优化的控制方法 - Google Patents
基于新能源消纳的“源-网-荷”协调优化的控制方法 Download PDFInfo
- Publication number
- CN109378864A CN109378864A CN201811295345.9A CN201811295345A CN109378864A CN 109378864 A CN109378864 A CN 109378864A CN 201811295345 A CN201811295345 A CN 201811295345A CN 109378864 A CN109378864 A CN 109378864A
- Authority
- CN
- China
- Prior art keywords
- source
- indicate
- matrix
- energy
- coefficient
- 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
Classifications
-
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
- 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)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于多能源利用技术领域,特别涉及一种基于新能源消纳的“源‑网‑荷”协调优化的控制方法,是新能源消纳的源网荷协调优化的控制方法。包括:以电源侧指标为例,以矩阵的形式将电源测的指标进行归一化处理;对消纳新能源的储能装置进行筛选,使储能单元达到就近均衡;计算源网荷的工作状态矩阵系数:保证经济效益最大化为原则,根据电源侧,用户侧,电网侧的经济指标建立目标函数F(X,Y,Z);根据各影响参数的关系,建立相关参量的内积空间,利用加权迭代法求出经济效益最大时的G,S,E矩阵系数。针对新能源消纳,实现源网荷协调优化控制,全面满足源网荷的各项指标,并减少系数矩阵的复杂程度,加快该模型求解的速度,避免迭代可能进入的死区现象。
Description
技术领域
本发明属于多能源利用技术领域,特别涉及一种基于新能源消纳的“源-网-荷”协调优化的控制方法,是新能源消纳的源网荷协调优化的控制方法。
背景技术
“源-网-荷”协调优化模式与技术是指电源、电网、负荷与储能四部分通过多种交互手段,更经济、高效、安全地提高电力系统的功率动态平衡能力,从而实现能源资源最大化利用的运行模式和技术,该模式是包含“电源、电网、负荷、储能”整体解决方案的运营模式。该模式主要包含以下3个方面:
“源-源互补”强调不同电源之间的有效协调互补,通过灵活发电资源与清洁能源之间的协调互补,克服清洁能源发电出力受环境和气象因素影响而产生的随机性、波动性问题,形成多能聚合的能源供应体系。
“源-网协调”要求提高电网对多样化电源的接纳能力,利用先进调控技术将分散式和集中式的能源供应进行优化组合,突出不同组合之间的互补协调性,发挥微网、智能配电网技术的缓冲作用,降低接纳。
“网-荷互动”要求把需求侧资源的定义进一步扩大化,将储能、分布式能源视为广义的需求侧资源,从而将需求侧资源作为与供应侧相对等的资源参与到系统调控运行中,引导需求侧主动追寻可再生能源出力波动,配合储能资源的有序、智能充放电,从而增强系统接纳新能源的能力,实现减弃增效。
随着电力系统智能化,电力系统对经济指标有着更多更复杂的要求,在对多目标经济指标优化求解时,经常会遇到解陷入局部最优的情况,甚至陷入迭代的死循环。
发明内容
本发明针对上述现有技术中存在的不足之处,提出了一种基于新能源消纳的“源-网-荷”协调优化的控制方法,其目的是为了实现源网荷协调优化控制,通过加权参数,将多目标变量转换为向量变量,有效的降低了迭代计算次数,实现高效的求出控制方案。
本发明解决其技术问题所采用的技术方案是:
基于新能源消纳的“源-网-荷”协调优化的控制方法,包括以下步骤:
步骤1:以电源侧指标为例,以矩阵的形式将电源测的指标进行归一化处理;
步骤2:对消纳新能源的储能装置进行筛选,使储能单元达到就近均衡;
步骤3:计算源网荷的工作状态矩阵系数:以保证经济效益最大化为原则根据电源侧,用户侧,电网侧的经济指标建立目标函数F(X,Y,Z);根据各影响参数的关系,建立相关参量的内积空间,并利用加权迭代法求出经济效益最大时的G,S,E矩阵系数。
所述步骤1:以电源侧指标为例,以矩阵的形式将电源测的指标进行归一化处理,处理方法如下:
X=G·ΔX
上式中,X表示电源侧的控制参数向量,G表示电源侧的加权矩阵,g表示电源侧归一化后的加权系数,△X表示电源侧的控制参数变化量向量参数;
上式中,x1为发电机机组备用系数系统,x2为机组工作状态爬坡速度,x3为系统机组开机时间,x4为系统机组停机时间,x5为系统出力波动性,x6为机组的供电可靠率,x7为电源互补率;Δxi为xi的最大值与最小值的差,其中gii∈[0,1],g表示归一化后的加权系数;
以同样的方法得到关于用户侧的指标归一化处理后的数据:yi,负荷侧停电时间,电费支出满意度,用电方式满意度,需求响应成本,负荷调峰后的社会效益,需求侧弹性,用电客户的信用度;
Y=S·ΔY
上式中,Y表示用户侧的控制参数向量,S表示用户侧的加权矩阵,s表示用户侧归一化后的加权系数,△Y表示用户侧的控制参数变化量向量参数;
以同样的方法可以得到关于电网中的指标归一化处理后的数据:zi,主变N-1校验通过率,变电站单变率,容载比,主变重载率,线路重载率,系统平均停电持续时间,系统平均停电频率,故障自愈率;
Z=E·ΔZ
上式中,Z表示电网侧的控制参数向量,E表示电网侧的加权矩阵,e表示电网侧归一化后的加权系数,△Z表示电网侧的控制参数变化量向量参数。
所述步骤2:对消纳新能源的储能装置进行筛选,使储能单元达到就近均衡;其中筛选的方法如下:
以某时刻的其中一个储能单元容量Pi为例,对于测量数据进行筛选:
上式中,i=1,2,...,n,i表示距离注入功率点距离为i个单位的储能单元,Δε表示测量电压的偶然误差,ηi表示第i个的电池的筛选系数,Pk表示第k个电池的注入功率,Pj表示第j个电池的注入功率,n表示电池个数;将满足ηi≤0.05编号的储电单元准备充放电,就近选择充放电单元投入工作。
所述步骤3包括:
步骤3.1:建立目标函数:
F(X,Y,Z)max=T(CgX+CsY+CeZ)+CηP
其中,Cg为电源侧对应的经济指标系数矩阵,Cs为用户侧对应的经济指标系数矩阵,Ce为电网侧对应的经济指标系数矩阵,Cη为储能端对应的经济指标系数矩阵,P为储能单元向量;T为单位时间间隔,F表示在转换之前的目标函数,X,Y,Z同步骤一;
步骤3.2:建立均衡参量的内积空间:
V×V→F
其中,X=[x1,x2,...xm]T为电源侧工作状态组成的行向量,Y=[y1,y2,...ym]T为用户侧工作状态组成的行向量,Z=[z1,z2,...zm]T为电网侧工作状态组成的行向量,T为采样时间间隔;ω为松弛系数,F为内积空间,V表示内积空间,2t表示积分函数变量,dt表示被积变量;
步骤3.3:将目标函数转换为内积形式的目标函数,利用加权迭代法全其最小值,求取所建立的内积空间中的数学模型在内积和最大时对应的源网荷状态系数;
目标函数:
上式中,I为源-网-荷-储的控制参数在V空间中映射的象函数控制变量,其他变量含义均与前述步骤中变量意义相同;
加权迭代求解:
Wn+1=InWnAn
其中该矩阵第k行为全0行,k={Wn中元素和最小的列数}
上式中,Pmax、Pmin为储能单元中的功率最大值和最小值,其他变量均与前述步骤中涉及的变量含义相同;
其中Wn为第n次迭代的互动状态矩阵,In为第n次迭代,单位时间段经济收益,迭代到直到|In+1-In|≤0.1%,迭代停止,并求出此时的经济效益最大时的G,S,E矩阵系数,根据矩阵系数确定电网的状态,并在源网荷之间互动调节到对应的状态值,并根据就近的筛选原则选择储能单元注入功率。
本发明具有以下优点及有益效果:
本发明针对新能源消纳,以经济效益最大化为目标,实现了源网荷协调优化控制。以此种方案建立控制模型,可以全面的满足源网荷的各项指标,并在一定程度上减少了系数矩阵的复杂程度,有效加快了该模型求解的速度。本方案采用的加权迭代法,避免了迭代可能进入的死区现象,保证了该种方案的可靠性。
附图说明
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及具体实施方式对本发明作进一步的详细描述,以下实施例用于说明本发明,但应当理解本发明的保护范围并不受具体实施方式的限制。
图1是本发明基于新能源消纳的源网荷协调控制方法流程图。
具体实施方式
本发明是一种基于新能源消纳的“源-网-荷”协调优化的控制方法,如图1所示,图1是本发明基于新能源消纳的源网荷协调控制方法流程图。具体包括以下步骤:
步骤1:以电源侧指标为例,以矩阵的形式将电源测的指标进行归一化处理,处理方法如下:
X=G·ΔX
上式中,X表示电源侧的控制参数向量,G表示电源侧的加权矩阵,g表示电源侧归一化后的加权系数,△X表示电源侧的控制参数变化量向量参数。
上式中,x1为发电机机组备用系数系统,x2为机组工作状态爬坡速度,x3为系统机组开机时间,x4为系统机组停机时间,x5为系统出力波动性,x6为机组的供电可靠率,x7为电源互补率;Δxi为xi的最大值与最小值的差。其中gii∈[0,1],g表示归一化后的加权系数。
以同样的方法可以得到关于用户侧的指标归一化处理后的数据:yi,负荷侧停电时间,电费支出满意度,用电方式满意度,需求响应成本,负荷调峰后的社会效益,需求侧弹性,用电客户的信用度;
Y=S·ΔY
上式中,Y表示用户侧的控制参数向量,S表示用户侧的加权矩阵,s表示用户侧归一化后的加权系数,△Y表示用户侧的控制参数变化量向量参数。
以同样的方法可以得到关于电网中的指标归一化处理后的数据:zi,主变N-1校验通过率,变电站单变率,容载比,主变重载率,线路重载率,系统平均停电持续时间,系统平均停电频率,故障自愈率;
Z=E·ΔZ
上式中,Z表示电网侧的控制参数向量,E表示电网侧的加权矩阵,e表示电网侧归一化后的加权系数,△Z表示电网侧的控制参数变化量向量参数。
步骤2:对消纳新能源的储能装置进行筛选,使储能单元达到就近均衡。
所述步骤2中测量数据筛选的方法如下:
以某时刻的其中一个储能单元容量Pi为例,对于测量数据进行筛选:
上式中,i=1,2,...,n,i表示距离注入功率点距离为i个单位的储能单元,Δε表示测量电压的偶然误差,ηi表示第i个的电池的筛选系数,Pk表示第k个电池的注入功率,Pj表示第j个电池的注入功率,n表示电池个数;将满足ηi≤0.05编号的储电单元准备充放电,就近选择充放电单元投入工作。
步骤3:计算源网荷的工作状态矩阵系数:以保证经济效益最大化为原则根据电源侧,用户侧,电网侧的经济指标建立目标函数F(X,Y,Z);根据各影响参数的关系,建立相关参量的内积空间,并利用加权迭代法求出经济效益最大时的G,S,E矩阵系数。
步骤3.1:建立目标函数:
F(X,Y,Z)max=T(CgX+CsY+CeZ)+CηP
其中,Cg为电源侧对应的经济指标系数矩阵,Cs为用户侧对应的经济指标系数矩阵,Ce为电网侧对应的经济指标系数矩阵,Cη为储能端对应的经济指标系数矩阵,P为储能单元向量;T为单位时间间隔,F表示在转换之前的目标函数,X,Y,Z同步骤一。
步骤3.2:建立均衡参量的内积空间:
V×V→F
其中,X=[x1,x2,...xm]T为电源侧工作状态组成的行向量,Y=[y1,y2,...ym]T为用户侧工作状态组成的行向量,Z=[z1,z2,...zm]T为电网侧工作状态组成的行向量,T为采样时间间隔;ω为松弛系数,F为内积空间,V表示内积空间,2t表示积分函数变量,dt表示被积变量。
步骤3.3:将目标函数转换为内积形式的目标函数,利用加权迭代法全其最小值,求取所建立的内积空间中的数学模型在内积和最大时对应的源网荷状态系数;
目标函数:
上式中,I为源-网-荷-储的控制参数在V空间中映射的象函数控制变量,其他变量含义均与前述步骤中变量意义相同。
加权迭代求解:
Wn+1=InWnAn
其中该矩阵第k行为全0行,k={Wn中元素和最小的列数}
上式中,Pmax、Pmin为储能单元中的功率最大值和最小值,其他变量均与前述步骤中涉及的变量含义相同。
其中Wn为第n次迭代的互动状态矩阵,In为第n次迭代,单位时间段经济收益,迭代到直到|In+1-In|≤0.1%,迭代停止,并求出此时的经济效益最大时的G,S,E矩阵系数,根据矩阵系数确定电网的状态,并在源网荷之间互动调节到对应的状态值,并根据就近的筛选原则选择储能单元注入功率。
Claims (4)
1.基于新能源消纳的“源-网-荷”协调优化的控制方法,其特征是:包括以下步骤:
步骤1:以电源侧指标为例,以矩阵的形式将电源测的指标进行归一化处理;
步骤2:对消纳新能源的储能装置进行筛选,使储能单元达到就近均衡;
步骤3:计算源网荷的工作状态矩阵系数:以保证经济效益最大化为原则根据电源侧,用户侧,电网侧的经济指标建立目标函数F(X,Y,Z);根据各影响参数的关系,建立相关参量的内积空间,并利用加权迭代法求出经济效益最大时的G,S,E矩阵系数。
2.根据权利要求1所述的基于新能源消纳的“源-网-荷”协调优化的控制方法,其特征是:所述步骤1:以电源侧指标为例,以矩阵的形式将电源测的指标进行归一化处理,处理方法如下:
X=G·ΔX
上式中,X表示电源侧的控制参数向量,G表示电源侧的加权矩阵,g表示电源侧归一化后的加权系数,△X表示电源侧的控制参数变化量向量参数;
上式中,x1为发电机机组备用系数系统,x2为机组工作状态爬坡速度,x3为系统机组开机时间,x4为系统机组停机时间,x5为系统出力波动性,x6为机组的供电可靠率,x7为电源互补率;Δxi为xi的最大值与最小值的差,其中gii∈[0,1],g表示归一化后的加权系数;
以同样的方法得到关于用户侧的指标归一化处理后的数据:yi,负荷侧停电时间,电费支出满意度,用电方式满意度,需求响应成本,负荷调峰后的社会效益,需求侧弹性,用电客户的信用度;
Y=S·ΔY
上式中,Y表示用户侧的控制参数向量,S表示用户侧的加权矩阵,s表示用户侧归一化后的加权系数,△Y表示用户侧的控制参数变化量向量参数;
以同样的方法可以得到关于电网中的指标归一化处理后的数据:zi,主变N-1校验通过率,变电站单变率,容载比,主变重载率,线路重载率,系统平均停电持续时间,系统平均停电频率,故障自愈率;
Z=E·ΔZ
上式中,Z表示电网侧的控制参数向量,E表示电网侧的加权矩阵,e表示电网侧归一化后的加权系数,△Z表示电网侧的控制参数变化量向量参数。
3.根据权利要求1所述的基于新能源消纳的“源-网-荷”协调优化的控制方法,其特征是:所述步骤2:对消纳新能源的储能装置进行筛选,使储能单元达到就近均衡;其中筛选的方法如下:
以某时刻的其中一个储能单元容量Pi为例,对于测量数据进行筛选:
上式中,i=1,2,...,n,i表示距离注入功率点距离为i个单位的储能单元,Δε表示测量电压的偶然误差,ηi表示第i个的电池的筛选系数,Pk表示第k个电池的注入功率,Pj表示第j个电池的注入功率,n表示电池个数;将满足ηi≤0.05编号的储电单元准备充放电,就近选择充放电单元投入工作。
4.根据权利要求1所述的基于新能源消纳的“源-网-荷”协调优化的控制方法,其特征是:所述步骤3包括:
步骤3.1:建立目标函数:
F(X,Y,Z)max=T(CgX+CsY+CeZ)+CηP
其中,Cg为电源侧对应的经济指标系数矩阵,Cs为用户侧对应的经济指标系数矩阵,Ce为电网侧对应的经济指标系数矩阵,Cη为储能端对应的经济指标系数矩阵,P为储能单元向量;T为单位时间间隔,F表示在转换之前的目标函数,X,Y,Z同步骤一;
步骤3.2:建立均衡参量的内积空间:
V×V→F
其中,X=[x1,x2,...xm]T为电源侧工作状态组成的行向量,Y=[y1,y2,...ym]T为用户侧工作状态组成的行向量,Z=[z1,z2,...zm]T为电网侧工作状态组成的行向量,T为采样时间间隔;ω为松弛系数,F为内积空间,V表示内积空间,2t表示积分函数变量,dt表示被积变量;
步骤3.3:将目标函数转换为内积形式的目标函数,利用加权迭代法全其最小值,求取所建立的内积空间中的数学模型在内积和最大时对应的源网荷状态系数;
目标函数:
上式中,I为源-网-荷-储的控制参数在V空间中映射的象函数控制变量,其他变量含义均与前述步骤中变量意义相同;
加权迭代求解:
Wn+1=InWnAn
其中该矩阵第k行为全0行,k={Wn中元素和最小的列数}上式中,Pmax、Pmin为储能单元中的功率最大值和最小值,其他变量均与前述步骤中涉及的变量含义相同;
其中Wn为第n次迭代的互动状态矩阵,In为第n次迭代,单位时间段经济收益,迭代到直到|In+1-In|≤0.1%,迭代停止,并求出此时的经济效益最大时的G,S,E矩阵系数,根据矩阵系数确定电网的状态,并在源网荷之间互动调节到对应的状态值,并根据就近的筛选原则选择储能单元注入功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811295345.9A CN109378864B (zh) | 2018-11-01 | 2018-11-01 | 基于新能源消纳的“源-网-荷”协调优化的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811295345.9A CN109378864B (zh) | 2018-11-01 | 2018-11-01 | 基于新能源消纳的“源-网-荷”协调优化的控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109378864A true CN109378864A (zh) | 2019-02-22 |
CN109378864B CN109378864B (zh) | 2022-06-07 |
Family
ID=65397031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811295345.9A Active CN109378864B (zh) | 2018-11-01 | 2018-11-01 | 基于新能源消纳的“源-网-荷”协调优化的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109378864B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110176759A (zh) * | 2019-04-02 | 2019-08-27 | 深圳供电局有限公司 | 一种孤网自治运行能力评估方法及装置 |
CN112381421A (zh) * | 2020-11-17 | 2021-02-19 | 三峡大学 | 一种考虑电力市场全维度的源网荷多主体博弈规划方法 |
CN114884110A (zh) * | 2022-07-01 | 2022-08-09 | 国网湖北省电力有限公司经济技术研究院 | 一种源网荷多约束条件下的电力系统储能优化运行方法 |
CN115021290A (zh) * | 2022-06-30 | 2022-09-06 | 国网北京市电力公司 | 一种源网荷储柔性优化调控方法、装置、设备及介质 |
CN117689234A (zh) * | 2024-02-04 | 2024-03-12 | 山东科技大学 | 基于多主体双层博弈的园区综合能源系统调度方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787588A (zh) * | 2016-02-26 | 2016-07-20 | 南京瑞泽启阳信息科技有限公司 | 一种用于提升新能源消纳能力的动态峰谷分时电价方法 |
CN106849173A (zh) * | 2017-03-23 | 2017-06-13 | 国网电力科学研究院 | 一种荷‑网‑源协调控制消纳风电安全性的评估方法 |
CN107528385A (zh) * | 2017-06-29 | 2017-12-29 | 国网辽宁省电力有限公司 | 一种基于新能源消纳的源网荷协调控制方法及系统 |
WO2018008159A1 (en) * | 2016-07-04 | 2018-01-11 | Hitachi, Ltd. | Evaluation method and device for an electric power system |
-
2018
- 2018-11-01 CN CN201811295345.9A patent/CN109378864B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787588A (zh) * | 2016-02-26 | 2016-07-20 | 南京瑞泽启阳信息科技有限公司 | 一种用于提升新能源消纳能力的动态峰谷分时电价方法 |
WO2018008159A1 (en) * | 2016-07-04 | 2018-01-11 | Hitachi, Ltd. | Evaluation method and device for an electric power system |
CN106849173A (zh) * | 2017-03-23 | 2017-06-13 | 国网电力科学研究院 | 一种荷‑网‑源协调控制消纳风电安全性的评估方法 |
CN107528385A (zh) * | 2017-06-29 | 2017-12-29 | 国网辽宁省电力有限公司 | 一种基于新能源消纳的源网荷协调控制方法及系统 |
Non-Patent Citations (3)
Title |
---|
GE WEICHUN: "Research on Joint Planning of the Source-Grid-Load with New Energy System Energy Balance and Economy", 《INTERNATIONAL CONFERENCE ON ENGINEERING SIMULATION AND INTELLIGENT CONTROL (ESAIC)》 * |
冯象初: "《数值分析》", 28 February 2013 * |
黄培东: "分时电价下考虑源网荷各侧收益的风电消纳模型", 《电测与仪表》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110176759A (zh) * | 2019-04-02 | 2019-08-27 | 深圳供电局有限公司 | 一种孤网自治运行能力评估方法及装置 |
CN112381421A (zh) * | 2020-11-17 | 2021-02-19 | 三峡大学 | 一种考虑电力市场全维度的源网荷多主体博弈规划方法 |
CN115021290A (zh) * | 2022-06-30 | 2022-09-06 | 国网北京市电力公司 | 一种源网荷储柔性优化调控方法、装置、设备及介质 |
CN115021290B (zh) * | 2022-06-30 | 2024-04-09 | 国网北京市电力公司 | 一种源网荷储柔性优化调控方法、装置、设备及介质 |
CN114884110A (zh) * | 2022-07-01 | 2022-08-09 | 国网湖北省电力有限公司经济技术研究院 | 一种源网荷多约束条件下的电力系统储能优化运行方法 |
CN114884110B (zh) * | 2022-07-01 | 2022-09-20 | 国网湖北省电力有限公司经济技术研究院 | 一种源网荷多约束条件下的电力系统储能优化运行方法 |
CN117689234A (zh) * | 2024-02-04 | 2024-03-12 | 山东科技大学 | 基于多主体双层博弈的园区综合能源系统调度方法及系统 |
CN117689234B (zh) * | 2024-02-04 | 2024-05-03 | 山东科技大学 | 基于多主体双层博弈的园区综合能源系统调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109378864B (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hossain et al. | Modified PSO algorithm for real-time energy management in grid-connected microgrids | |
CN109378864A (zh) | 基于新能源消纳的“源-网-荷”协调优化的控制方法 | |
Das et al. | Optimal placement of distributed energy storage systems in distribution networks using artificial bee colony algorithm | |
CN109508857B (zh) | 一种主动配电网多阶段规划方法 | |
CN107301472B (zh) | 基于场景分析法和电压调节策略的分布式光伏规划方法 | |
Rajabi et al. | Deep learning based forecasting of individual residential loads using recurrence plots | |
Gupta et al. | A robust optimization based approach for microgrid operation in deregulated environment | |
Kanwar et al. | Optimal distributed resource planning for microgrids under uncertain environment | |
CN110365056A (zh) | 一种基于ddpg的分布式能源参与配电网调压优化方法 | |
Ahmadigorji et al. | A new evolutionary solution method for dynamic expansion planning of DG-integrated primary distribution networks | |
Zhang et al. | Efficient decentralized economic dispatch for microgrids with wind power integration | |
Makhadmeh et al. | An optimal power scheduling for smart home appliances with smart battery using grey wolf optimizer | |
Nguyen et al. | Artificial ecosystem optimization for optimizing of position and operational power of battery energy storage system on the distribution network considering distributed generations | |
CN115622146A (zh) | 一种梯级水光蓄互补系统调度决策方法 | |
Banfield et al. | Comparison of economic model predictive control and rule‐based control for residential energy storage systems | |
Sima et al. | Increasing RESS share using generation and transmission expansion planning-stochastic approach | |
Kumar et al. | A two stage increase-decrease algorithm to optimize distributed generation in a virtual power plant | |
Rowe et al. | Control methodologies: Peak reduction algorithms for DNO owned storage devices on the Low Voltage network | |
Dey et al. | Energy Management of Microgrids with Renewables using soft computing techniques | |
Li et al. | Optimization scheduling model based on source-load-energy storage coordination in power systems | |
Liu et al. | Deep reinforcement learning for stochastic dynamic microgrid energy management | |
Jayaraj et al. | Application of reinforcement learning algorithm for scheduling of microgrid | |
Carpinelli et al. | Demand response and energy storage systems: An industrial application for reducing electricity costs. Part I: Theoretical aspects | |
Li et al. | Energy storage sizing taking into account forecast uncertainties in distributed energy management system | |
Mishra et al. | Selection of optimal location and size of distributed generation in distribution system using particle swarm optimization |
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 |