CN109524989A - 微网内电能供需协同控制方法、装置、电能路由器及系统 - Google Patents

微网内电能供需协同控制方法、装置、电能路由器及系统 Download PDF

Info

Publication number
CN109524989A
CN109524989A CN201811431404.0A CN201811431404A CN109524989A CN 109524989 A CN109524989 A CN 109524989A CN 201811431404 A CN201811431404 A CN 201811431404A CN 109524989 A CN109524989 A CN 109524989A
Authority
CN
China
Prior art keywords
power
modeling
electric energy
electric
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.)
Granted
Application number
CN201811431404.0A
Other languages
English (en)
Other versions
CN109524989B (zh
Inventor
陆炳兴
陆莉郡
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.)
Wuxi Qing Sheng Power Electronics Co Ltd
Original Assignee
Wuxi Qing Sheng Power Electronics Co Ltd
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 Wuxi Qing Sheng Power Electronics Co Ltd filed Critical Wuxi Qing Sheng Power Electronics Co Ltd
Priority to CN201811431404.0A priority Critical patent/CN109524989B/zh
Publication of CN109524989A publication Critical patent/CN109524989A/zh
Application granted granted Critical
Publication of CN109524989B publication Critical patent/CN109524989B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H02J3/386—
    • 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
    • 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
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及微网内电能供需协同控制方法领域，具体公开了一种微网内电能供需协同控制方法，其中，包括：对风机的发电功率进行风机功率建模以及对电动汽车作为负载时的功率进行电动汽车功率建模；对电能路由器进行电能路由器功率建模；对电动汽车作为储能时的功率进行储能功率建模；对交流母线频率偏差进行频率偏差动态建模；根据上述建模和微网内电能的供需平衡设计目标函数；根据自动控制原理将目标函数最小化得到电能路由器的控制信号。本发明还公开了一种微网内电能供需协同控制装置、电能路由器和微网系统。本发明提供的微网内电能供需协同控制方法能够使得微网系统内的电能供需达到平衡状态。

Description

微网内电能供需协同控制方法、装置、电能路由器及系统
技术领域
本发明涉及电能控制技术领域，尤其涉及一种微网内电能供需协同控制方法、微网内电能供需协同控制装置、包括该微网内电能供需协同控制装置的电能路由器及包括该电能路由器的微网系统。
背景技术
近年来，基于智能电网提出的能源互联网概念是当下能源电力行业的研究热点。区别于智能电网的是，能源互联网更多地考虑了信息和能量对等交换的因素。即，通过互联网思维，提出通过先进电力电子技术、信息通信技术、计算机技术等，实现局域以及广域内能源互联，包括可再生能源如风能、光能、水能、地热能等，分布式发电设备如燃料电池、柴油发电机、微型涡轮燃气发电机等，分布式储能设备如电池、飞轮等，以满足区域内负荷正常电能使用。实现能源互联网需要新型基于电力电子技术设计的能量路由设备，即电能路由器，也叫电力路由器，或者能量路由器。在一般场景内，在一个微电网(简称：微网)内，分布式发电设备、储能与负荷均与电能路由器相连。微网与微网之间的连接，包括能量调度等，也依赖于电能路由器实现。当下，电能路由器尚未进入大规模量产阶段，相关研究仍处于原型机设计与相关行业标准的制定中。
在能源互联网概念下，有一个特殊的场景，即一个小型微网内，假设发电设备主要依赖于风力发电机(简称：风机)，微网内有大量电动汽车接入，并包含其他负荷与储能设备。由于风机发电大小主要依赖于天气变化，在风能的大小、方向发生时刻变化的情况下，风机输出的能量必然是随机不稳定的。另一方面，电动汽车在充电的时候可以被视为一种负荷；电动汽车在放电的时候，即实现车联网的时候，电动汽车可以被认为是一类储能设备在放电。这种情况下，如何使得随机的风机发电与大量电动汽车无规则充放电可以达到电能供需平衡的状态，有必要对电能路由器设计一种控制器，使得此场景内电能供需达到理想的平衡状态。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一，提供一种微网内电能供需协同控制方法、微网内电能供需协同控制装置、包括该微网内电能供需协同控制装置的电能路由器及包括该电能路由器的微网系统，以解决现有技术中的问题。
作为本发明的第一个方面，提供一种微网内电能供需协同控制方法，其中，所述风机与电动汽车之间能够通过电能路由器实现协同控制，所述微网内电能供需协同控制方法包括：
对风机的发电功率进行风机功率建模以及对电动汽车作为负载时的功率进行电动汽车功率建模；
对电能路由器进行电能路由器功率建模；
对电动汽车作为储能时的功率进行储能功率建模；
对交流母线频率偏差进行频率偏差动态建模；
根据所述风机功率建模、电动汽车功率建模、电能路由器功率建模、储能功率建模、频率偏差动态建模和微网内电能的供需平衡设计目标函数；
根据自动控制原理将所述目标函数最小化得到电能路由器的控制信号。
优选地，所述对风机作为负载时的功率进行风机功率建模以及对电动汽车作为负载时的功率进行电动汽车功率建模包括：
在t时刻，记录所述风机的发电功率为PWTG(t)，记录所述电动汽车作为负载的功率为PL(t)；
基于维纳过程的随机微分方程分别对所述PWTG(t)和PL(t)进行功率建模得到：
其中，TWTG表示风机的时间常数，TL表示电动汽车作为负载的时间常数，WWTG(t)表示风机动态功率随机性的维纳过程，WL(t)表示电动汽车作为负载动态功率随机性的维纳过程，cWTG表示风机随机性放大系数，cL表示电动汽车作为负载随机性放大系数。
优选地，所述对电能路由器进行电能路由器功率建模包括：
在t时刻，记录电能路由器的功率为PER(t)；
对所述电能路由器的功率进行动态建模得到：
其中，TER表示电能路由器的时间常数，uER(t)表示电能路由器的控制信号输入，bER表示电能路由器的控制相关系数。
优选地，所述对电动汽车作为储能时的功率进行储能功率建模包括：
在t时刻，记录电动汽车作为储能的功率为PES(t)；
对所述电动汽车作为储能的功率进行建模得到：
其中，表示PES(t)对时间t的求导，TES表示电动汽车作为储能的时间常数，rES表示电动汽车作为储能动态系统参数，Δf(t)表示微网系统内交流母线频率偏差。
优选地，所述对交流母线频率偏差进行频率偏差动态建模包括：
在t时刻，记录交流母线频率偏差为Δf(t)；
对交流母线频率偏差进行动态建模得到：
其中，表示Δf对时间t的求导，M表示惯性常数，D表示阻尼系数，ΔP(t)表示微网系统内母线功率偏差，且满足以下公式：
PWTG(t)-PL(t)±PER(t)±ΔPES(t)＝ΔP(t)。
优选地，所述根据所述风机功率建模、电动汽车功率建模、电能路由器功率建模、储能功率建模、频率偏差动态建模和微网内电能的供需平衡计算目标函数包括：
根据所述风机功率建模、电动汽车功率建模、电能路由器功率建模、储能功率建模、频率偏差动态建模和微网内电能的供需平衡计算目标函数J为：
其中，表示数学期望，当电能路由器的控制信号输入uER(t)使得最优控制问题目标函数J能够实现最小化时，微网系统内能量供需平衡。
作为本发明的第二个方面，提供一种微网内电能供需协同控制装置，其中，所述微网内电能供需协同控制装置包括：
风机和电动汽车功率建模模块，所述风机和电动汽车功率建模模块用于对风机的发电功率进行风机功率建模以及对电动汽车作为负载时的功率进行电动汽车功率建模；
电能路由器功率建模模块，所述电能路由器功率建模模块用于对电能路由器进行电能路由器功率建模；
储能功率建模模块，所述储能功率建模模块用于对电动汽车作为储能时的功率进行储能功率建模；
偏差动态建模模块，所述偏差动态建模模块用于对交流母线频率偏差进行频率偏差动态建模；
目标函数计算模块，所述目标函数计算模块用于根据所述风机功率建模、电动汽车功率建模、电能路由器功率建模、储能功率建模、频率偏差动态建模和微网内电能的供需平衡设计目标函数；
控制信号计算模块，所述控制信号计算模块用于根据自动控制原理将所述目标函数最小化得到电能路由器的控制信号。
作为本发明的第三个方面，提供一种电能路由器，其中，所述电能路由器包括前文所述的微网内电能供需协同控制装置。
作为本发明的第四个方面，提供一种微网系统，其中，所述微网系统包括风机、电动汽车和前文所述的电能路由器，所述风机和电动汽车均与所述电能路由器连接。
本发明提供的微网内电能供需协同控制方法，在微网系统内，通过使用基于维纳过程的随机微分方程对风机、负载功率的随机波动进行建模，得到的控制结果对风机与电动汽车的电能供需协同进行控制，由于模型接近于实际工况，因此控制结果更为精准，使得微网系统内母线上功率偏差达到最小，以实现整体系统的稳定性。
附图说明
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
图1为本发明提供的微网内电能供需协同控制方法的流程图。
图2为本发明提供的微网内电能供需协同控制装置的结构框图。
图3为本发明提供的微网系统的结构框图。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
作为本发明的第一个方面，提供一种微网内电能供需协同控制方法，其中，如图1所示，所述风机与电动汽车之间能够通过电能路由器实现协同控制，所述微网内电能供需协同控制方法包括：
S110、对风机的发电功率进行风机功率建模以及对电动汽车作为负载时的功率进行电动汽车功率建模；
S120、对电能路由器进行电能路由器功率建模；
S130、对电动汽车作为储能时的功率进行储能功率建模；
S140、对交流母线频率偏差进行频率偏差动态建模；
S150、根据所述风机功率建模、电动汽车功率建模、电能路由器功率建模、储能功率建模、频率偏差动态建模和微网内电能的供需平衡设计目标函数；
S160、根据自动控制原理将所述目标函数最小化得到电能路由器的控制信号。
本发明提供的微网内电能供需协同控制方法，在微网系统内，通过使用基于维纳过程的随机微分方程对风机、负载功率的随机波动进行建模，得到的控制结果对风机与电动汽车的电能供需协同进行控制，由于模型接近于实际工况，因此控制结果更为精准，使得微网系统内母线上功率偏差达到最小，以实现整体系统的稳定性。
应当理解的是，本发明提供的微网内电能供需协同控制方法考虑一个微网系统内，针对电能路由器进行控制，使得风机随机输出的电能可以被微网内接入的电动汽车合理消纳使用，同时电动汽车针对微网系统内的放电可以合理弥补风能不足情况下风机发电不足，以维持微网系统内负载的正常运转。
具体地，所述对风机的功率进行风机功率建模以及对电动汽车作为负载时的功率进行电动汽车功率建模包括：
在t时刻，记录所述风机的发电功率为PWTG(t)，记录所述电动汽车作为负载的功率为PL(t)；
基于维纳过程的随机微分方程分别对所述PWTG(t)和PL(t)进行功率建模得到：
其中，TWTG表示风机的时间常数，TL表示电动汽车作为负载的时间常数，WWTG(t)表示风机动态功率随机性的维纳过程，WL(t)表示电动汽车作为负载动态功率随机性的维纳过程，cWTG表示风机随机性放大系数，cL表示电动汽车作为负载随机性放大系数。
需要说明的是，TWTG、TL、cWTG和cL均可以通过基于神经网络识别获得，随机微分方程中随机项，即维纳过程WWTG(t)和WL(t)可以通过仿真软件，例如Matlab随机生成。
具体地，所述对电能路由器进行电能路由器功率建模包括：
在t时刻，记录电能路由器的功率为PER(t)；
对所述电能路由器的功率进行动态建模得到：
其中，TER表示电能路由器的时间常数，uER(t)表示电能路由器的控制信号输入，bER表示电能路由器的控制相关系数。
需要说明的是，TER和bER可以通过基于神经网络识别获得。
具体地，所述对电动汽车作为储能时的功率进行储能功率建模包括：
在t时刻，记录电动汽车作为储能的功率为PES(t)；
对所述电动汽车作为储能的功率进行建模得到：
其中，表示PES(t)对时间t的求导，TES表示电动汽车作为储能的时间常数，rES表示电动汽车作为储能动态系统参数，Δf(t)表示微网系统内交流母线频率偏差。
需要说明的是，TES和rES可以通过基于神经网络识别获得。
具体地，所述对交流母线频率偏差进行频率偏差动态建模包括：
在t时刻，记录交流母线频率偏差为Δf(t)；
对交流母线频率偏差进行动态建模得到：
其中，表示Δf对时间t的求导，M表示惯性常数，D表示阻尼系数，ΔP(t)表示微网系统内母线功率偏差，且满足以下公式：
PWTG(t)-PL(t)±PER(t)±ΔPES(t)＝ΔP(t)。
需要说明的是，M和D可以通过传统参数识别方式获得。
具体地，所述根据所述风机功率建模、电动汽车功率建模、电能路由器功率建模、储能功率建模、频率偏差动态建模和微网内电能的供需平衡计算目标函数包括：
根据所述风机功率建模、电动汽车功率建模、电能路由器功率建模、储能功率建模、频率偏差动态建模和微网内电能的供需平衡计算目标函数J为：
其中，表示数学期望，当电能路由器的控制信号输入uER(t)使得最优控制问题目标函数J能够实现最小化时，微网系统内能量供需平衡。
需要说明的是，所述最优控制问题目标函数最小化时即当微网系统内的母线功率偏差被最小化时，微网系统能够实现能量供需平衡，即可实现电能供需协同控制。
另外，在对目标函数求解最优控制问题时，需要使用计算机程序BOCOPHJB，即可获得理想的电能路由器控制信号
将上面获得的输入电能路由器，即可完成电能供需协同控制目标。
作为本发明的第二个方面，提供一种微网内电能供需协同控制装置，其中，如图2所示，所述微网内电能供需协同控制装置100包括：
风机和电动汽车功率建模模块110，所述风机和电动汽车功率建模模块11O用于对风机的发电功率进行风机功率建模以及对电动汽车作为负载时的功率进行电动汽车功率建模；
电能路由器功率建模模块120，所述电能路由器功率建模模块120用于对电能路由器进行电能路由器功率建模；
储能功率建模模块130，所述储能功率建模模块130用于对电动汽车作为储能时的功率进行储能功率建模；
频率偏差动态建模模块140，所述频率偏差动态建模模块140用于对交流母线频率偏差进行频率偏差动态建模；
目标函数计算模块150，所述目标函数计算模块150用于根据所述风机功率建模、电动汽车功率建模、电能路由器功率建模、储能功率建模、频率偏差动态建模和微网内电能的供需平衡设计目标函数；
控制信号计算模块160，所述控制信号计算模块160用于根据自动控制原理将所述目标函数最小化得到电能路由器的控制信号。
本发明提供的微网内电能供需协同控制装置，在微网系统内，通过使用基于维纳过程的随机微分方程对风机、负载功率的随机波动进行建模，得到的控制结果对风机与电动汽车的电能供需协同进行控制，由于模型接近于实际工况，因此控制结果更为精准，使得微网系统内母线上功率偏差达到最小，以实现整体系统的稳定性。
关于本发明提供的微网内电能供需协同控制装置的工作原理可以参照前文的微网内电能供需协同控制方法的描述，此处不再赘述。
作为本发明的第三个方面，提供一种电能路由器，其中，所述电能路由器包括前文所述的微网内电能供需协同控制装置。
本发明提供的电能路由器，通过采用微网内电能供需协同控制装置，在微网系统内，通过使用基于维纳过程的随机微分方程对风机、负载功率的随机波动进行建模，得到的控制结果对风机与电动汽车的电能供需协同进行控制，由于模型接近于实际工况，因此控制结果更为精准，使得微网系统内母线上功率偏差达到最小，以实现整体系统的稳定性。
关于本发明提供的电能路由器的工作原理可以参照前文的微网内电能供需协同控制方法的描述，此处不再赘述。
作为本发明的第四个方面，提供一种微网系统，其中，如图3所示，所述微网系统1包括风机10、电动汽车20和前文所述的电能路由器30，所述风机10和电动汽车20均与所述电能路由器30连接。
本发明提供的微网系统，通过使用基于维纳过程的随机微分方程对风机、负载功率的随机波动进行建模，得到的控制结果对风机与电动汽车的电能供需协同进行控制，由于模型接近于实际工况，因此控制结果更为精准，使得微网系统内母线上功率偏差达到最小，以实现整体系统的稳定性。
关于本发明提供的微网系统的工作原理可以参照前文的微网内电能供需协同控制方法的描述，此处不再赘述。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (9)

1.一种微网内电能供需协同控制方法，其特征在于，所述风机与电动汽车之间能够通过电能路由器实现协同控制，所述微网内电能供需协同控制方法包括：
对风机的发电功率进行风机功率建模以及对电动汽车作为负载时的功率进行电动汽车功率建模；
对电能路由器进行电能路由器功率建模；
对电动汽车作为储能时的功率进行储能功率建模；
对交流母线频率偏差进行频率偏差动态建模；
根据所述风机功率建模、电动汽车功率建模、电能路由器功率建模、储能功率建模、频率偏差动态建模和微网内电能的供需平衡设计目标函数；
根据自动控制原理将所述目标函数最小化得到电能路由器的控制信号。
2.根据权利要求1所述的微网内电能供需协同控制方法，其特征在于，所述对风机的功率进行风机功率建模以及对电动汽车作为负载时的功率进行电动汽车功率建模包括：
在t时刻，记录所述风机的发电功率为PWTG(t)，记录所述电动汽车作为负载的功率为PL(t)；
基于维纳过程的随机微分方程分别对所述PWTG(t)和PL(t)进行功率建模得到：
其中，TWTG表示风机的时间常数，TL表示电动汽车作为负载的时间常数，WWTG(t)表示风机动态功率随机性的维纳过程，WL(t)表示电动汽车作为负载动态功率随机性的维纳过程，cWTG表示风机随机性放大系数，cL表示电动汽车作为负载随机性放大系数。
3.根据权利要求2所述的微网内电能供需协同控制方法，其特征在于，所述对电能路由器进行电能路由器功率建模包括：
在t时刻，记录电能路由器的功率为PER(t)；
对所述电能路由器的功率进行动态建模得到：
其中，TER表示电能路由器的时间常数，uER(t)表示电能路由器的控制信号输入，bER表示电能路由器的控制相关系数。
4.根据权利要求3所述的微网内电能供需协同控制方法，其特征在于，所述对电动汽车作为储能时的功率进行储能功率建模包括：
在t时刻，记录电动汽车作为储能的功率为PES(t)；
对所述电动汽车作为储能的功率进行建模得到：
其中，表示PES(t)对时间t的求导，TES表示电动汽车作为储能的时间常数，rES表示电动汽车作为储能动态系统参数，Δf(t)表示微网系统内交流母线频率偏差。
5.根据权利要求4所述的微网内电能供需协同控制方法，其特征在于，所述对交流母线频率偏差进行频率偏差动态建模包括：
在t时刻，记录交流母线频率偏差为Δf(t)；
对交流母线频率偏差进行动态建模得到：
其中，表示Δf对时间t的求导，M表示惯性常数，D表示阻尼系数，ΔP(t)表示微网系统内母线功率偏差，且满足以下公式：
PWTG(t)-PL(t)±PER(t)±ΔPES(t)＝ΔP(t)。
6.根据权利要求5所述的微网内电能供需协同控制方法，其特征在于，所述根据所述风机功率建模、电动汽车功率建模、电能路由器功率建模、储能功率建模、频率偏差动态建模和微网内电能的供需平衡计算目标函数包括：
根据所述风机功率建模、电动汽车功率建模、电能路由器功率建模、储能功率建模、频率偏差动态建模和微网内电能的供需平衡计算目标函数J为：
其中，表示数学期望，当电能路由器的控制信号输入uER(t)使得最优控制问题目标函数J能够实现最小化时，微网系统内能量供需平衡。
7.一种微网内电能供需协同控制装置，其特征在于，所述微网内电能供需协同控制装置包括：
风机和电动汽车功率建模模块，所述风机和电动汽车功率建模模块用于对风机的发电功率进行风机功率建模以及对电动汽车作为负载时的功率进行电动汽车功率建模；
电能路由器功率建模模块，所述电能路由器功率建模模块用于对电能路由器进行电能路由器功率建模；
储能功率建模模块，所述储能功率建模模块用于对电动汽车作为储能时的功率进行储能功率建模；
偏差动态建模模块，所述偏差动态建模模块用于对交流母线频率偏差进行频率偏差动态建模；
目标函数计算模块，所述目标函数计算模块用于根据所述风机功率建模、电动汽车功率建模、电能路由器功率建模、储能功率建模、频率偏差动态建模和微网内电能的供需平衡设计目标函数；
控制信号计算模块，所述控制信号计算模块用于根据自动控制原理将所述目标函数最小化得到电能路由器的控制信号。
8.一种电能路由器，其特征在于，所述电能路由器包括权利要求7所述的微网内电能供需协同控制装置。
9.一种微网系统，其特征在于，所述微网系统包括风机、电动汽车和权利要求8所述的电能路由器，所述风机和电动汽车均与所述电能路由器连接。
CN201811431404.0A 2018-11-27 2018-11-27 微网内电能供需协同控制方法、装置、电能路由器及系统 Active CN109524989B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811431404.0A CN109524989B (zh) 2018-11-27 2018-11-27 微网内电能供需协同控制方法、装置、电能路由器及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811431404.0A CN109524989B (zh) 2018-11-27 2018-11-27 微网内电能供需协同控制方法、装置、电能路由器及系统

Publications (2)

Publication Number Publication Date
CN109524989A true CN109524989A (zh) 2019-03-26
CN109524989B CN109524989B (zh) 2022-09-20

Family

ID=65793474

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811431404.0A Active CN109524989B (zh) 2018-11-27 2018-11-27 微网内电能供需协同控制方法、装置、电能路由器及系统

Country Status (1)

Country Link
CN (1) CN109524989B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112117759A (zh) * 2020-08-06 2020-12-22 西安交通大学 分布式微电网系统能量调度和通讯方法及设备和存储介质
CN114204598A (zh) * 2021-12-14 2022-03-18 国网江苏省电力有限公司南通供电分公司 一种考虑柔性负荷参与调控的孤岛微网稳定性控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107294123A (zh) * 2017-06-27 2017-10-24 清华大学 能量路由器控制模型获取方法及系统、控制器及控制方法
CN107317324A (zh) * 2017-06-20 2017-11-03 清华大学 微网运行成本最小化的控制处理方法与装置
CN107482690A (zh) * 2017-09-26 2017-12-15 广东工业大学 风电与电动汽车协同调度的电力系统调度优化方法及系统
CN108134393A (zh) * 2018-01-29 2018-06-08 华中科技大学 一种基于电能路由技术的区域能源互联配电网系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107317324A (zh) * 2017-06-20 2017-11-03 清华大学 微网运行成本最小化的控制处理方法与装置
CN107294123A (zh) * 2017-06-27 2017-10-24 清华大学 能量路由器控制模型获取方法及系统、控制器及控制方法
CN107482690A (zh) * 2017-09-26 2017-12-15 广东工业大学 风电与电动汽车协同调度的电力系统调度优化方法及系统
CN108134393A (zh) * 2018-01-29 2018-06-08 华中科技大学 一种基于电能路由技术的区域能源互联配电网系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HAOCHEN HUA等: "Coordinated Frequency Control for Multiple Microgrids inEnergy Internet: A Stochastic H∞ Approach", 《2018 IEEE INNOVATIVE SMART GRID TECHNOLOGIES - ASIA》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112117759A (zh) * 2020-08-06 2020-12-22 西安交通大学 分布式微电网系统能量调度和通讯方法及设备和存储介质
CN112117759B (zh) * 2020-08-06 2022-02-18 西安交通大学 分布式微电网系统能量调度和通讯方法及设备和存储介质
CN114204598A (zh) * 2021-12-14 2022-03-18 国网江苏省电力有限公司南通供电分公司 一种考虑柔性负荷参与调控的孤岛微网稳定性控制方法
CN114204598B (zh) * 2021-12-14 2023-12-22 国网江苏省电力有限公司南通供电分公司 一种考虑柔性负荷参与调控的孤岛微网稳定性控制方法

Also Published As

Publication number Publication date
CN109524989B (zh) 2022-09-20

Similar Documents

Publication Publication Date Title
CN105226721B (zh) 独立微电网系统分数阶频率控制器优化设计方法
Ismail et al. Optimal design of battery charge management controller for hybrid system PV/wind cell with storage battery
Mei et al. Paving the way to smart micro energy grid: concepts, design principles, and engineering practices
Singh et al. Real-time coordination of electric vehicles to support the grid at the distribution substation level
Saxena et al. Demand response based optimally enhanced linear active disturbance rejection controller for frequency regulation in smart grid environment
Bilil et al. Multiobjective optimization of renewable energy penetration rate in power systems
CN109636056A (zh) 一种基于多智能体技术的多能源微网去中心化优化调度方法
Chowdhury et al. Optimal control of lossy energy storage systems with nonlinear efficiency based on dynamic programming and pontryagin's minimum principle
CN109524989A (zh) 微网内电能供需协同控制方法、装置、电能路由器及系统
Dagdougui et al. Global energy management system for cooperative networked residential green buildings
Shi et al. Energy management strategy for microgrids including heat pump air‐conditioning and hybrid energy storage systems
Li et al. Flexible scheduling of microgrid with uncertainties considering expectation and robustness
CN109245138A (zh) 一种在孤岛微网场景内延长储能设备使用寿命的方法
CN116667325A (zh) 一种基于改进布谷鸟算法的微电网并网运行优化调度方法
Borra et al. Comparison between the dynamic programming and Particle Swarm Optimization for solving unit commitment problems
CN109217354A (zh) 一种基于粒子群优化算法的微电网经济调度方法
CN112670982A (zh) 一种基于奖励机制的微电网有功调度控制方法及系统
Mishra et al. Achieving self-balancing by design in photovoltaic energy storage systems
Nair et al. An efficient maximum power point tracking in hybrid solar and wind energy system: a combined MDA-RNN technique
Sachs et al. Two layer model predictive control for a cost efficient operation of island energy systems
Vanitha et al. Solving non-convex economic load dispatch problem by efficient hybrid simulated annealing algorithm
Deng et al. Research on stability margin enhancement for low‐voltage multi‐terminal DC system based on additional damping control
Toub et al. MPC-trained ANFIS for Control of MicroCSP Integrated into a Building HVAC System
Acosta et al. A hybrid generation system modeling for residential use in isolated areas of Ecuador
CN111415046A (zh) 一种考虑热电余量交易的微网群优化调度方法

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